Sumário

1 Introdução 1

2 Programando em MATLAB 5
2.1 Modos de programação . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1 Modo imediato . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Arquivo de comandos . . . . . . . . . . . . . . . . . . . . . . 9
2.1.3 Arquivos de funções . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Funções pré-definidas pelo MATLAB . . . . . . . . . . . . . . . . . 12
2.2.1 Funções para manipulação de matrizes . . . . . . . . . . . . 14
2.2.2 Funções matemáticas elementares . . . . . . . . . . . . . . . 15
2.2.3 Manipulação de vetores . . . . . . . . . . . . . . . . . . . . . 16
2.2.4 Funções polinomiais . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Representação gráfica . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 O comando plot . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3.2 Representação de diversas curvas num mesmo gráfico . . . . 25
2.3.3 Representação de diversos gráficos numa mesma figura . . . 26
2.3.4 Outros comandos para representação gráfica . . . . . . . . . 27
2.4 Controle de fluxo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.1 Declaração if . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4.2 Laço while . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4.3 Laço for . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.4.4 A função find . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.5 Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6 Comentários finais . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

i

3 Modelagem e Identificação 45
3.1 Fundamentos teóricos . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.1.1 O método dos mínimos quadrados . . . . . . . . . . . . . . . 46
3.1.2 Ajuste de um conjunto de p-pares cartesianos por um polinô-
mio utilizando o método dos mínimos quadrados . . . . . . . 49
3.1.3 Expansão em série de Fourier de funções periódicas . . . . . 51
3.1.4 Obtenção da resposta em frequência de um sistema linear
invariante no tempo estável . . . . . . . . . . . . . . . . . . 53
3.1.5 Identificação dos parâmetros K e τ da função de transferência
de primeira ordem de um SLIT utilizando resposta ao degrau 54
3.1.6 Identificação dos parâmetros K e τ da função de transferên-
cia de primeira ordem de um SLIT utilizando diagrama de
módulo de Bode . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.2 Motor CC controlado pela armadura . . . . . . . . . . . . . . . . . 60
3.3 Identificação dos parâmetros do motor CC . . . . . . . . . . . . . . 63
3.3.1 Identificação da região linear de operação . . . . . . . . . . . 63
3.3.2 Identificação de Kt . . . . . . . . . . . . . . . . . . . . . . . 64
3.3.3 Identificação de Ka e τ . . . . . . . . . . . . . . . . . . . . . 65
3.4 Experimento para identificação . . . . . . . . . . . . . . . . . . . . 66
3.4.1 Experimento para determinação da região linear e do ganho Kt 67
3.4.2 Experimento para determinação do ganho Ka e τ utilizando
resposta ao degrau . . . . . . . . . . . . . . . . . . . . . . . 67
3.4.3 Experimento para obtenção da resposta em freqüência . . . 69
3.5 Validação do modelo . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4 Projeto do controlador de velocidade 73
4.1 Fundamentos teóricos . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.1.1 Rastreamento e rejeição assintótica de sinais de dinâmica co-
nhecida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.1.2 Sensibilidade . . . . . . . . . . . . . . . . . . . . . . . . . . 79
4.1.3 Complementos . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2 Projeto do controlador de velocidade . . . . . . . . . . . . . . . . . 83
4.2.1 Sistema de controle em malha aberta . . . . . . . . . . . . . 83
4.2.2 Sistema de controle com realimentação . . . . . . . . . . . . 84
4.3 Comentários finais . . . . . . . . . . . . . . . . . . . . . . . . . . . 87

ii

5 Implementação do controlador 89
5.1 Amplificadores Operacionais . . . . . . . . . . . . . . . . . . . . . . 90
5.1.1 Conceitos básicos . . . . . . . . . . . . . . . . . . . . . . . . 90
5.1.2 Configurações básicas . . . . . . . . . . . . . . . . . . . . . . 91
5.2 Controlador automático de velocidade . . . . . . . . . . . . . . . . . 99
5.2.1 Implementação do comparador . . . . . . . . . . . . . . . . . 101
5.2.2 Implementação do controlador . . . . . . . . . . . . . . . . . 101
5.2.3 Amplificador de potência . . . . . . . . . . . . . . . . . . . . 102
5.3 Experimento final . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.4 Comentários finais . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

iii

na seção 3. Para tanto. Na prática. o que ocorre é que os sistemas têm. Na seção 3. Após a determinação da região linear será possível proceder à identificação dos parâmetros da função de transferência. iremos realizar experimentos baseados tanto na resposta ao degrau como na resposta em frequência. comportamento aproximadamente linear em faixas de valores da variável de entrada. contudo.2 iremos desenvolver o modelo 45 . uma vez que permite ajustar um conjunto de pontos por uma função polinomial p(x) cujo grau deve ser arbitrado pelo projetista. torna-se necessário determinar experimentalmente uma faixa de operação na qual o comportamento do motor possa ser considerado linear. em geral. Assim sendo. Uma importante ferra- menta matemática utilizada na determinação da região linear é o chamado método dos mínimos quadrados. O restante desse capítulo está estruturado da seguinte forma. Supor que o sistema como linear representa uma restrição muito forte pois exige que este tenha um comportamento linear em todas as faixas de operação.1 vamos apresentar uma breve revisão dos principais fundamentos teóricos que serão utilizados no capítulo. O modelo adotado será o de um sistema linear descrito por uma função de transferência cuja entrada é a tensão de armadura e cuja saída é a veloci- dade angular.Capítulo 3 Modelagem e identificação dos parâmetros da função de transferência motor CC Neste capítulo iremos obter um modelo matemático para o motor CC controlado pela armadura. Em seguida.

1) não tem solução. o método dos mínimos quadrados também levará a essa solução. 3. Finalmente.1 Fundamentos teóricos 3.5) . se existir x tal que Ax = b então ∥e∥22 = 0. A partir das equações (3. Quando o sistema (3. é comum em engenharia.1.2) e defina e = ˆb − b.3) Considere o seguinte problema: encontre x tal que ∥e∥22 seja mínima. o que implica que mesmo no caso em que o sistema de equações (3. em geral. portanto. ˆb = Ax. Esse sistema. o que nos permite escrever: ∥e∥22 = xt At Ax − 2bt Ax + bt b. Modelagem e Identificação matemático do motor CC controlado pela armadura. buscar um vetor x que. Seja.4) Como xt At b ∈ R então xt At b = (xt At b)t = bt Ax. em raras ocasiões o vetor b irá pertencer ao espaço gerado pelas colunas de A. (3.2) e (3.3) tem-se: ∥e∥22 = < Ax − b. isto é. Ax − b > = (Ax − b)t (Ax − b) = xt At Ax − xt At b − bt Ax + bt b. Ax ̸= b.1 O método dos mínimos quadrados Considere o problema de se resolver um sistema linear Ax = b. (3.1) tem solução. na seção 3. Note que. (3. não tem solução. Assim. uma vez que o número de linhas de A é muito maior do que o de colunas.1) em que a matriz A tem dimensão m × n (m ≫ n).46 Capítulo 3. seja tal que minimize a norma quadrática do erro entre Ax e b. (3. (3.4 iremos descrever os experimentos necessários para a obtenção dos dados a serem utilizados na determinação dos parâmetros do modelo. embora não seja solução do sistema.

+ bn xn . (3. em que b ∈ Rn . antes de passarmos à solução do problema de otimização acima. . A derivada de y em relação ao vetor x é definida como:   ∂y  ∂x1   ∂y    ∂y   = .1 Fundamentos teóricos 47 Portanto. então ∂y = 2Hx. então ∂y = b.      bn ∂y ∂xn (b) Se y = xt Hx. (3.7). isto é H t = H. . onde H é uma matriz simétrica. . . (3.7) ∂x  .  . De acordo com a notação introduzida na equação (3. (3. alguns conceitos devem ser relembrados: 1.8) ∂x [ ] Prova: Seja bt = b1 b2 . o seguinte problema de otimização deve ser resolvido: min ∥e∥22 .6) x∈Rn sendo ∥e∥22 dada pela equação (3. (3. bn .       ∂y ∂xn 2.  .3. e portanto:   ∂y  ∂x1      b1  ∂y    ∂y    b2  = ∂x2 =  = b. ... xn ) uma função de Rn em R.   ∂x 2 .9) ∂x    .5). . . tem-se que: (a) Se y = bt x.. Então y = bt x = b1 x1 + b2 x2 + . x2 . . Contudo.10) ∂x Prova: Por indução finita sobre n. Seja y = f (x1 . . .

.12) ∂x dx1 (ii) Suponha que a expressão (3. . .n+1 · · · hn..n+1 · · · hn.n+1 . (3. se y = xt Hx então ∂y/∂x = 2Hx.. ..10) seja válida quando H ∈ Rn×n . .n+1 . .14) [ ] xn = x1 x2 · · · xn ..11) Portanto: ∂y dy = = 2h11 x1 = 2Hx.15) Note que para a obtenção da última expressão usamos o fato de que como xtn hn+1 ∈ R então xtn hn+1 = (xtn hn+1 )t = htn+1 xn . (3.n+1 xn+1 = xtn Hn xn + xn+1 htn+1 xn + xtn hn+1 xn+1 + x2n+1 hn+1. Modelagem e Identificação (i) n = 1. (3. dessa forma y = x1 h11 x1 = h11 x21 .n+1  h1.n+1     . (iii) Seja agora H ∈ R(n+1)×(n+1) .n+1 hn+1.n+1 h2. .n+1 h2. isto é.  . ... isto é:   h11 h12 · · · h1n h1. Neste caso.48 Capítulo 3. .n+1 xn+1 [ ] [ ] xn = xtn Hn + xn+1 htn+1 xtn hn+1 + xn+1 hn+1.n · · · hnn [ ] htn+1 = h1. .n+1 Definindo   h11 h12 ··· h1n  h12 h22 ··· h2n    Hn =  ..n · · · hnn hn.n+1 = xtn Hn xn + 2xn+1 htn+1 xn + x2n+1 hn+1. então y = xt Hx é equivalente a: [ ][ ] [ t ] Hn hn+1 xn y = xn xn+1 htn+1 hn+1.13)    h1n h2.n+1  h12 h22 · · · h2n h2. x = x1 e. .  h1n h2.  H= . . H = h11 . (3. (3. .

..2 Ajuste de um conjunto de p-pares cartesianos por um polinômio utilizando o método dos mínimos quadrados Vamos considerar agora o seguinte problema: ajuste um conjunto de p-pares car- tesianos (x1 . . sendo desta forma inversível.6). obtém-se: y1 = a0 xn1 + a1 xn−1 1 + . (3. geralmente. (3. . como. . .18) Observe que. 2. . + an−1 x + an . . . . + an−1 x2 + an (3. p. (3. ∂y/∂x será:   ∂y [ ] ∂y  ∂xn  2Hn xn + 2xn+1 hn+1 =  = t ∂x ∂y 2hn+1 xn + 2hn+1. igual a n e.8) e (3. yk ).19) 3.21) . . . . em geral. . (x2 .20) em que p >> n. .. (3. então o posto de A é. podemos escrever: ∂ ∥e∥22 = 2(At A)x − 2At b. . + an−1 x1 + an y2 = a0 xn2 + a1 xn−1 2 + . k = 1.17) ∂x e. utilizando o método dos mínimos quadrados. Substituindo os pontos (xk . (xp .3. na equação (3.1. . y2 ). o vetor x que minimiza ∥e∥22 será: x = (At A)−1 At b.20). . portanto. yp = a0 xnp + a1 xn−1 p + . m ≫ n. portanto. a1 . por um polinômio y(x) de grau n.10). o valor de x que minimiza ∥e∥22 será tal que 2(At A)x − 2At b = 0. (3. aq de y(x) = a0 xn + a1 xn−1 + . .16) htn+1 hn+1. .1 Fundamentos teóricos 49 Desta forma. encontre os coeficientes a0 .n+1 xn+1 □ Vamos retornar ao problema de otimização (3. Usando os resultados (3. isto é. y1 ). + an−1 xp + an . yp ).n+1 xn+1 ∂xn+1 [ ][ ] Hn hn+1 xn = 2 = 2Hx. Consequentemente. At A é não singular. .

..24) Como p >> n. a seguinte solução x = (AT A)−1 AT b (3. .  . Nesse caso.   .    an−1  yp n n−1 xp xp ··· xp 1 an então a equação (3. pode ser feito da seguinte forma: . .. Utilizando o método do mínimos quadrados para encontrar a solução que minimiza a norma quadrática do erro e = Ax − b...  xnp xn−1 p ··· xp Em resumo. . .25) Note que se o ponto (0. isto é.   an−1   yp xnp xn−1 p · · · xp 1 an Definindo       a0 y1 xn1 ··· xn−1 1 x1 1        a1   y2   xn2 ··· n−1 x2 x2 1   .... (3. (x2 . y1 ).   . utilizando a equação (3. .. . em geral.50 Capítulo 3.  (3.. . .  =  . ex= . yp ). n << p. obtém-se.  (3. (3.24) não tem. ..  b= .. .21) pode ser escrita na seguinte forma matricial:      n n−1  a0 y1 x1 x1 · · · x1 1    y2   xn xn−1 · · · x2 1   a1     2 2   .. 0) for um dos pontos a serem ajustados.. Dessa forma an = 0.26)  . . (xp . é fácil verificar que a matriz A toma a seguinte forma:  n n−1  x1 x1 · · · x1  xn xn−1 · · · x2   2 2  A= .22)  . . . . . solução.23)  . A =  . y2 ). então o gráfico do polinômio resultante deve passar pela origem.18). . .   . . por um polinômio de grau n. . . .. o ajuste de um conjunto de p pontos (x1 . Modelagem e Identificação É fácil verificar que a equação (3. . somente os n primeiros parâmetros devem ser encontrados.22) pode ser escrita como: Ax = b. a equação (3.

cujas componentes são os coeficientes do polinômio.3 Expansão em série de Fourier de funções periódicas Seja f (t) uma função definida no intervalo [t0 . proceda da seguinte forma: • Forme a matriz A de acordo com a equação (3. (x2 . t0 + T ]. 3. .23). (3. 0) é um dos pontos a serem ajustados. • Calcule o vetor x de acordo com a equação (3. • Calcule o vetor x de acordo com a equação (3. .25) • Faça x∗ = x. (x1 . n.26). • Fim [ ] Saída Vetor x∗ = a0 a1 · · · an . Então f (t) tem a seguinte expansão em série de Fourier: ∑ ∞ f (t) = a0 + an cos(nω0 t) + bn sin(nω0 t). em que T = 2π/ω0 . e o grau desejado do polinômio. Passo 1 Forme o vetor b de acordo com a equação (3.27) n=1 .25) • Faça [ ] ∗ x x = .3. . . Em caso afirmativo. Passo 2 Verifique se o ponto (0.1 Entrada Pontos a serem ajustados. proceda da seguinte forma: • Forme a matriz A de acordo com a equação (3. 0 • Fim Em caso negativo. y2 ). yp ).1 Fundamentos teóricos 51 Algoritmo 3. y1 ).23).1. (xp .

Modelagem e Identificação sendo ∫ t0 +T 1 a0 = f (t)dt (3.52 Capítulo 3. isto é. f (tk )). Nesses casos. p. respectivamente. zn = cn ejϕn . . k = 0. respectivamente. o módulo e a fase (em radianos) do número complexo zn = bn + jan .2 Entrada N : número de harmônicos a serem determinados Passo 1 Obtenha um conjunto de p + 1 pontos (tk . calcular: . sendo tk = t0 + kh. em que tk = t0 + kh. que descrevem a função no intervalo [t0 . calcule numericamente a0 definido de acordo com a equação (3.ft)/T Passo 3 Para n variando de 1 a N . Nessas condições. t0 + T ] e armazene os pontos tk e f (tk ) nos vetores t e f t. é mais conveniente escrever a expansão em série de Fourier como: ∑ ∞ f (t) = a0 + cn sin(nω0 t + ϕn ).30) T t0 Às vezes. os valores de a0 . 1.28) da seguinte forma: a0 = trapz(t. (3. . . utilizada na obtenção da resposta em frequência de um sistema. . . a expansão em série de Fourier é usada para encontrar as harmônicas de um sinal periódico — as mais importantes são a primeira harmônica. k = 0. Algoritmo 3. p.29) T t0 ∫ t0 +T 2 bn = f (t) sin(nω0 t)dt (3.31) n=1 em que os coeficientes cn e ϕn são. cn e ϕn serão calculados numericamente de acordo com o seguinte algoritmo. muito utilizada em sistemas de energia elétrica. Na prática. f (tk )). o sinal f (t) não é descrito analiticamente mas sim por um conjunto de pares ordenados (tk . . . em que h denota o intervalo de amostragem e T = ph. . e a terceira harmônica. Passo 2 Utilizando a função trapz do Matlab. 1.28) T t0 ∫ t0 +T 2 an = f (t) cos(nω0 t)dt (3.

então a resposta de regime permanente a uma entrada senoidal u(t) = Umk Sen(ωk t + θk ) é igual a yss (t) = Ymk Sen(ωk t + ϕk ) em que Ymk = |G(jωk )|Umk e ϕk = θk + ∠G(jωk ).*ft) • bn = (2/T)*trapz(t. p. Não é difícil demonstrar que. 2. respectivamente. ϕn = angle(zn) [ ] [ ] Saída Vetores c = a0 c1 c2 · · · cN e ϕ = ϕ1 ϕ2 · · · ϕN 3. Tem-se.33) sendo: Ymk |G(jωk )| = e ∠G(jωk ) = ϕk − θk . (3. que: Y (s) G(s) = .(sin(2*π*n)*t/T).1 Fundamentos teóricos 53 • an = (2/T)*trapz(t. . Aos gráficos ω × |G(jωk )| e ω × ∠G(jωk ) dá-se o nome de curvas de módulo e de fase da resposta em frequência de G(s). Para contornar esse problema.(cos(2*π*n)*t/T).*ft) • zn = bn + j*an ⇒ cn = abs(zn). . portanto. respectivamente. o que faz com que o sinal yss (t) não tenha uma forma senoidal exata. (3. contudo.4 Obtenção da resposta em frequência de um sistema linear invariante no tempo estável Consideremos um sistema linear invariante no tempo estável com entrada e saída denotadas por u(t) e y(t). Na prática. cobrindo um espectro de frequências que permite verificar o comportamento do sistema.32) U (s) em que U (s) e Y (s) são as transformadas de Laplace de u(t) e y(t).33) Assim.34) Umk Quando o experimento é repetido para diversas frequências ωk .1. o valor de G(jωk ) = |G(jωk )|ej∠G(jωk ) pode ser determinado diretamente a partir da equação (3. . faz-se a expansão em . como G(s) é estável. e cuja função de transferência é denotada por G(s). o sinal de saída é geralmente corrompido por ruídos in- troduzidos pelos sensores de medição. (3.3. . os valores de G(jωk ) determinam a chamada resposta em frequência de G(s). k = 1.

54 Capítulo 3.2 para obter os termos fundamentais das séries de Fourier dos sinais de entrada e saída. dados respectivamente por: ukf (t) = Cuk Sen(ωk t + ϕuk ) (3.3 Passo 1 Selecione um número finito p de frequências angulares ωk . p. Uma das formas de se modelar esse sistema é por meio de uma função de transferência de primeira ordem Y (s) K G(s) = = . para cada um dos sinais de entrada aplicados e correspondentes saídas.36) Passo 4 Calcule G(jωk ) = |G(jωk )|eϕk . (3.38) 3. .35) ykf (t) = Cyk Sen(ωk t + ϕyk ) (3. 2. . Modelagem e Identificação série de Fourier desse sinal e toma-se o valores do módulo e da fase da frequência fundamental como os valores de Ymk e ϕk como a amplitude e a fase do valor de re- gime permanente da resposta.5 Identificação dos parâmetros K e τ da função de trans- ferência de primeira ordem de um SLIT utilizando res- posta ao degrau Considere um SLIT com resposta ao degrau monotonicamente crescente com en- trada u(t) e saída y(t). a obtenção da resposta em frequência de um sistema linear invariante no tempo estável pode ser feita de acordo com o seguinte algoritmo. respectivamente. . . yk (ti )). p.1. A frequência mais baixa é ditada pelo equipamento destinado a gerar o sinal senoidal de entrada enquanto a frequência mais alta é determinada pela razão entre as amplitudes do sinal de saída e do ruído de medição. Passo 2 Aplique entradas senoidais da forma uk (t) = Umk Sen(ωk t + θk ). k = 1. Algoritmo 3. Passo 3 Utilize o algritmo 3. k = 1. 2. . uk (ti )) e (ti . Assim. . . .37) Cuk ϕk = ϕyk − ϕuk (3. (ti . sendo Cyk |G(jωk )| = (3. e faça a aquisição dos pontos referentes aos sinais de entrada e de saída.39) U (s) τs + 1 .

(3. (3. Passo 3. A .40) Vamos considerar. e calcule y∞ K= . Determine um instante ts a partir do qual se considera que o sistema esteja em regime permanente. Encontre 1 ∑ N y∞ = y(ti ).1 Fundamentos teóricos 55 sendo K o ganho DC e τ a constante de tempo do sistema.39) é por meio da resposta ao degrau.42) A Assim como no caso da resposta senoidal.4 (Determinação do parâmetro K) Passo 1.42). ti ≥ ts . o seguinte algoritmo deve ser usado para a determinação do parâmetro K.39). Assim.3. na prática. (3. Aplique ao sistema um degrau de amplitude A e faça a aquisição da resposta y(t). o sinal de resposta é corrompido por ruídos o que impede que valor de regime permanente de y(t) seja determinado diretamente como na equação (3. Algoritmo 3. a determinação do parâmetro K. Determinação do parâmetro K Note. N i=1 sendo N o número de pontos (ti . inicialmente.41) t→∞ Portanto: y∞ K= . aplicando-se um degrau de amplitude A ao sistema descrito pela equação (3. t ≥ 0. obtém-se a seguinte resposta y(t): y(t) = KA(1 − e−t/τ ). Note que. Passo 2. Uma das formas de se determinar os parâmetros K e τ da função de transferên- cia (3. inicialmente que: lim y(t) = KA = y∞ . y(ti )). porém.

y(t) y1 A0 t Figura 3. Modelagem e Identificação Determinação do parâmetro τ A determinação do parâmetro τ pode ser feita utilizando os seguintes métodos: 1. Passo 2. 0 Substituindo y(t) na equação acima pela equação (3. Aplique ao sistema um degrau de amplitude A e faça a aquisição da resposta y(t). obtém-se: A0 = KAτ. Determine um instante ts a partir do qual se considera que o sistema esteja em regime permanente. Assim.1: Resposta ao degrau monotonicamente crescente. .56 Capítulo 3. após manipulações algé- bricas simples. o seguinte algoritmo pode ser usado para a determinação do parâmetro τ. Algoritmo 3. Método da área Considere a área A0 na figura 3.39). Note que A0 pode ser escrita como: ∫ ∞ A0 = [KA − y(t)]dt. cuja curva representa a resposta real y(t) de um sistema que desejamos modelar de acordo com a função de transferência (3.40) e.5 (Determinação do parâmetro τ pelo método da área) Passo 1.1.

yt)) do Matlab. respectiva- mente. Algoritmo 3.3.46) y∞ − y(t) Assim. Para tanto. (3. considere os instantes t tais que y(t) < y∞ = KA.43) τ y∞ − y(t) que pode. foram obtidos no passo 4. Aplique ao sistema um degrau de amplitude A e fazer a aquisição da resposta y(t). (3.6 (Determinação do parâmetro τ pelo método do logaritmo neperi- ano) Passo 1. ti e b[y(ti )].1 Fundamentos teóricos 57 Passo 3.45) τ e ( ) y∞ b = b[y(t)] = ln . (3. y(ti )). permitem escrever a equação (3. Método do logaritmo neperiano Um outra forma de se determinar a constante de tempo τ é por meio do chamado método do logaritmo neperiano. Determine um instante tr tal que y(tr ) < y∞ e isole os pontos (ti . o seguinte algoritmo pode ser usado para a determinação do parâmetro τ. em que (ti . Forme os vetores colunas t e b cujos i-ésimos elementos são. . Passo 4. y(ti )). ser reescrita da seguinte forma: at = b. Manipulações algébricas simples.44) em que 1 a= (3. Calcule A0 τ= . ti ≤ tr Passo 3. ainda. y∞ 2. Calcule a área A0 utilizando a função trapz (a0 = trapz(t. Passo 2. ti ≤ tr .40) como: ( ) 1 y∞ t = ln . na qual t é o vetor formado por todos os instantes de tempo ti ≤ ts e yt o vetor formado pelos correspondentes valores de y(ti ).

Modelagem e Identificação Passo 4. portanto. a Observação 3. nos quais o eixo das abscissas é representado em escala logarítmica.1. aqui considerado por ser extremamente dependente do traçado da reta tangente e. (3. 3.58 Capítulo 3.47) em que G(s) possui somente polos e zeros reais.48) τs + 1 Como K K/τ G(jω) = = . Calcule a utilizando o método dos mínimos quadrados da seguinte forma: tT b a= . Esse método não será. Nesse caso.39) repetida abaixo: K G(s) = . ω(log)×|G(jω)|dB e ω(log)×∠G(jω). 1 + jωτ 1/τ + jω . é utilizando as curvas de resposta em frequência. Considere novamente a equação (3.1 Uma outra forma de se determinar o parâmetro τ é por meio do método da tangente.6 Identificação dos parâmetros K e τ da função de trans- ferência de primeira ordem de um SLIT utilizando di- agrama de módulo de Bode Uma outra maneira de se obter a função de transferência de um SLIT estável Y (s) = G(s)U (s). |G(jω)|dB = 20 log |G(jω)| e ∠G(jω) é dada em graus. ao invés de utilizar as curvas de módulo e fase. ∥t∥2 e. que consiste na determinação da abscissa do ponto de inter- seção da reta tangente de maior coeficiente angular à curva de resposta ao degrau. contudo. (3. ω ×|G(jω)| e ω×∠G(jω). A grande vantagem de se utilizar os diagramas de Bode é que é possível determinar assíntotas da curva de módulo cujas interseções determinam as frequências de canto que correspondem aos polos e zeros de G(s). utilizamos os diagramas de Bode de módulo e fase. em seguida. muito susceptível a erros. determine 1 τ= .

20 log K). |G(j1/τ )|dB. p e represente graficamente esses pontos (semilogx(w.ass = . . .51) Com base no exposto acima.1 Fundamentos teóricos 59 então é fácil verificar que K/τ |G(jω)|dB = 20 log = 20 log(K/τ ) − 20 log |1/τ + jω|. . obtidos utilizando o algoritmo (3.50) 20 log(K/τ ) − 20 log ω. ωk e 20 log |G(jωk )|. determinadas da se- guinte forma: { 20 log(K/τ ) − 20 log(1/τ ) = 20 log K. podemos propor o seguinte algoritmo para a ob- tenção dos parâmetros K e τ de um sistema de primeira ordem estável a partir da sua resposta em frequência. Denote esse valor por Kdb.3. . |G(jωk )|). A partir da equação (3.’+’)).1)) e represente graficamente essa reta no mesmo gráfico obtido no passo anterior. k = 1. vemos que |G(j1/τ )|dB = 20 log K − 20 log |1 + j| ≈ 20 log K − 3. ω ≫ 1/τ.3). . (3. então.7 Entrada Conjunto de pontos (ωk . respectivamente.gjwdb. é numericamente igual ao polo de G(s). . . Passo 1 Forme os vetores w e gjwdb cujas componentes são. Assim sendo. Passo 3 Ajuste os pontos definidos pelos vetores w e gjwdb por um polinômio uti- lizando o método dos mínimos quadrados cujo melhor grau deve ser determi- nado por tentativa-e-erro da seguinte forma: .ass − |G(j1/τ )|dB = 3dB. ω ≪ 1/τ. |G(jω)|dB. 2. Passo 2 Ajuste os pontos de baixa frequência por uma reta horizontal utilizando o método dos mínimos quadrados (algoritmo (3.49) |1/τ + jω| As assíntotas do diagrama de módulo podem ser. (3. Algoritmo 3. isto é. denominada frequência de canto. . 2. k = 1.49. a abscissa do ponto de interseção das assíntotas. p. (3. Não é difícil verificar que as assíntotas se interceptam no ponto (1/τ.

4 cuja ordenada é igual a Kdb .3 for uma boa aproximação para os pontos representados no passo 1.2. a tensão e a corrente de campo (constantes. Passo 4 Determine a abscissa do ponto pertencente ao gráfico representado no passo 3. obtém-se: d va (t) = Ra ia (t) + La ia (t) + e(t) (3.2.3 Calcule gww = polyval(g. Kϕ e If constantes.ww) e represente esse pontos no gráfico defi- nido nos passos 1 e 2 (semilogx(ww.53) dt . a corrente e a tensão de armadura. Saida Ganho K e τ 3. Denote a abscissa encontrada por wc.2 Escolha um grau n0 e ajuste os pontos w e gjwdb por um polinômio g de grau n0 utilizando o algoritmo (3. Modelagem e Identificação 3.2 Modelo matemático de um motor CC contro- lado pela armadura Considere o circuito equivalente de um motor CC controlado pela armadura da figura 3. 3. 3. respectivamente. então vá para o passo seguinte. Aplicando-se a lei das tensões de Kirchhoff ao circuito da armadura. na qual ia (t) e va (t) denotam. é proporcional ao fluxo mag- nético no entreferro (ϕ(t)) e à corrente de armadura (ia (t)).4 Se a curva determinada no passo 3. ω(t) é a velocidade angular do motor e J e f são o momento de inércia da carga e o coeficiente de atrito nos mancais. tm (t) = Kf ϕ(t)ia (t) = Km ia (t) (3. Sabe-se que o torque produzido pelo motor. Passo 5 Calcule K = 10Kdb/20 e constante de tempo τ = wc.1) 3.52) em que Km = Kf ϕ = Kf Kϕ If . Vf e If representam.gww)). tm (t).1 Defina um vetor ww de 200 frequências espaçadas logariticamente cujas primeira e última componentes são. com Kf . ω1 e ωp . por hipótese).60 Capítulo 3. respectivamente. respectivamente. retorne ao passo 3.3. isto é. respectivamente. Caso contrário.

que é proporcional à velocidade angular do motor.52) a (3. aplicando-se a transformada de Laplace a ambos os membros das equações (3.55).57) (τe s + 1)(τm s + 1) + Ke Km /(Ra f ) . resulta:  Tm (s) = Km Ia (s)     Va (s) = Ra Ia (s) + La sIa (s) + E(s) (3. usando-se a lei de Newton para o movimento rotacional. sendo dada por: e(t) = Ke ω(t) (3. As equações (3.55) nos permitem obter a função de transferência que re- laciona as transformadas de Laplace da entrada (Va (s)) da saída (W (s)).2: Circuito equivalente de um motor CC controlado pela armadura sendo e(t) a força contra-eletromotriz.56) E(s) = Ke W (s)    Tm (s) − Td (s) − f W (s) = JsW (s)  e após alguma manipulação algébrica. obtém-se: Km /(Ra f ) W (s) = Va (s) − (τe s + 1)(τm s + 1) + Ke Km /(Ra f ) (τe s + 1)/f − Td (s) (3. pode-se escrever: d tm (t) − td (t) − f ω(t) = J ω(t) (3.52) a (3.55) dt onde td (t) representa um torque externo (perturbação).54) Finalmente. Para tanto.2 Motor CC controlado pela armadura 61 ia (t) Ra La ω(t) J va (t) e(t) f Figura 3.3.

Um tacômetro nada mais é do que Ra La va (t) vt (t) Figura 3. Note que a função de transferência da equação (3.58) τs + 1 τs + 1 onde Ka = Km /(Ra f +Ke Km ) e Kd = Ra /(Ra f +Ke Km ) e τ = JRa /(Ra f +Ke Km ). o modelo matemático do motor CC que iremos adotar será o seguinte: Ka Kd W (s) = Va (s) − Td (s) (3. Para o caso do nosso laboratório. Desta forma. τe s + 1 ≈ 1 para as freqüências de interesse.3. cuja tensão gerada é constante e proporcional à velocidade do eixo ao qual ele está acoplado.58 pode ser simplificada para: Ka W (s) = Va (s). (3.3: Circuito elétrico equivalente para o motor CC com sensor de velocidade (tacômetro) um gerador CC de pequena potência. este sistema pode ser ¯ bem aproximado por um modelo de 1a ordem. será: vt (t) = Kt ω(t). portanto o torque externo é nulo (td (t) = 0).59) τs + 1 É importante ressaltar que a medição da velocidade angular é feita por meio de tacômetros. consideraremos que não existe perturbação externa e. conforme mostrado na figura 3. a tensão nos terminais do tacômetro. Desta forma. vt (t). (3.57) modela o motor CC como um sistema de 2a ordem. Porém.62 Capítulo 3. se levarmos em conta que La /Ra ≪ 1 ¯ e portanto. Assim. a equação 3. Modelagem e Identificação onde τe = La /Ra e τm = J/f .60) .

3 Identificação dos parâmetros do motor CC 63 onde Kt é uma constante. Passo 2 Obtenha o gráfico Va × Vt e utilize o método dos mínima quadrados para ajustar os pontos em um polinômio p(Va ) de ordem desejada.8 Passo 1 Aplique uma tensão constante no terminal de armadura Va e meça o valor correspondente em regime permanente da tensão do tacômetro Vt .3. Portanto. Va (s) Ka W (s) Vt (s) Kt τ s+1 Figura 3. Portanto.61) τs + 1 cujo diagrama de blocos está representado na figura 3. os estudantes podem executar o experimento para determinar os ganhos do sistema e a constante de tempo.1 Identificação da região linear de operação A região linear pode ser determinada da seguinte forma.3.4. 3.3 Identificação dos parâmetros do motor CC O modelo matemático do motor CC dado pela equação 3.4: Diagrama de blocos representativo do modelo matemático do motor CC-tacômetro 3. . portanto. Passo 3 Calcule a derivada de p(Va ) em relação a Va . Algoritmo 3. Uma vez que a região linear de operação for definida. em geral. os estudantes devem obter a faixa de valores de va (t) para que o sistema seja linear. (3.61 considera que a planta seja linear. a região linear corresponde ao intervalo em que a derivada é quase plana. Entretanto. isto não é sempre verdade para todos os valores de va (t) e. a relação entre Vt (s) e Va (s) pode ser expressa pela seguinte equação: Ka Kt Vt (s) = Va (s).

{ 0.62).63) Va . observe a equação (3. em estado permanente. a equação acima se reduz a (ver equação (3. Vti ) por uma reta passando pela origem.64) s(τ s + 1) A resposta do sistema à entrada descrita em (3. isto é. considere a equa- ção (3.65) Quando t → ∞. (3. e portanto a equação (3.41)) ω(t) = W = Ka Va . retornando a determinar do ganho do tacômetro Kt .60).5. Portanto.3.67) Isto sugere que a identificação dos parâmetros de Kt pode ser feita pelo ajuste dos pontos (Wi . t < 0 va (t) = (3.64).63) pode ser obtida calculando- se a transformada inversa de Laplace da equação (3. Modelagem e Identificação 3. Procedendo desta forma obtemos: ω(t) = Ka Va (1 − e− τ t ).59) pode ser re-escrita da seguinte forma: Ka Va W (s) = . t ≥ 0 1 (3. Algoritmo 3.2 Identificação de Kt Para a determinação de Kt . (3. (3. vt (t) = Kt ω(t). (3. para uma entrada igual ao degrau de amplitude W é dado por: Vt = Kt W. t ≥ 0 e considere que Va (s) = Va /s. conforme a figura 3.64 Capítulo 3. basta um único procedimento para obter tanto a região linear de operação e Kt .66) o que mostra que quando uma tensão de valor constante é aplicada a um motor CC.62) Aplicando um degrau de tensão de amplitude Va nos terminais do motor. a velocidade angular em regime permanente também será constante e proporcional ao valor da tensão aplicada. Portanto. cujo valor de tensão.9 .

3.5: Representação (a) cartesiana dos pontos (W1 . Vt2 .3 Identificação de Ka e τ Uma vez que se dispõe da região linear e do ganho Kt . . (Va2 .61) se torna idêntica á equação (3. Definindo K = Ka Kt . Passo 2 Utilizando os pontos (Va1 . .1. Vt2 ).. Vt3 Vt3 Vt2 Vt2 Vt1 Vt1 W W W1 W2 W3· · ·Wn W1 W2 W3· · ·Wn (a) (b) Figura 3. Vtn ) calcule a região linear pelo algoritmo 3. utilizando-se tacômetros digitais ópticos.. Assim. . Wn (rpm). . (Wn . Os mesmos algoritmos podem ser usados para a determinação do parâmetro τ .8. Vtn .3. o próximo passo é a identifi- cação do ganho Ka e da constante de tempo τ . .5 e 3.. W2 .. nos terminais do tacômetro e as velocidades angulares do motor W1 .3. Van . .. . Vt1 . . (Van . (W2 . . Passo 3 Use o método dos mínimos quadrados para ajustar por uma reta passando pela origem (Vt = Kt W ) aos pontos obtidos no passo anterior (veja figura 3. Vtn ) e (b) da reta Vt = Kt W Passo 1 Excite o motor CC com tensões constantes e iguais a Va1 . . Vt1 ). . Vt1 ). Vt2 ). .. . . para a determinação do parâmetro Ka basta determinar o valor de K uti- lizando os algoritmos das seções 3.3 Identificação dos parâmetros do motor CC 65 Vt Vt V t = Kt W Vtn Vtn . e meça os valores de tensão correspondentes. . .6. .1.5). conforme descrito a seguir: . . então a equa- ção (3. Va2 .39 em que Vt (s) = Y (s) e Va (s) = U (s). .

2. Gerador de funções. 6. 2.66 Capítulo 3. Osciloscópio digital com. 3.7. Fonte de tensão CC (regulável). podemos agora descre- ver os ensaios para obter os dados experimentais necessários para a identificação os parâmetros da função de transferência do motor CC. • Determinação de τ utilizando os métodos da área e do logaritmo nepe- riano: algoritmos 3. serão utilizados os seguintes equipamentos: 1. pelo menos. Utilizando a resposta em frequência • Determinação de K e τ : algoritmo 3. Este experimento é composto. (ii) excitação do motor CC com diferentes tensões constantes com vistas à identificação Ka e τ . (iii) excita- ção do sistema com sinais senoidais de diferentes freqüências objetivando-se obter a resposta em freqüência do sistema para que. No experimento para a identificação da função de transferência do motor CC. a partir da curva de módulo dos diagramas de Bode identificar Ka e τ . 3. 5.4 Experimento para identificação da função de transferência motor CC Uma vez que já dispomos do modelo matemático do sistema e do embasamento teórico necessário para a determinação de seus parâmetros. respectivamente. Modelagem e Identificação 1.4. Multímetros digitais (3). Utilizando a resposta ao degrau • Determinação de K: algoritmo 3.5 e 3. 4. basicamente de três partes: (i) excitação do motor CC com tensões constantes com vistas à identificação da região linear e do ganho Kt .6. Amplificador de potência. dois canais. . Tacômetro óptico.

2 Experimento para determinação do ganho Ka e τ uti- lizando resposta ao degrau Para a obtenção da curva de resposta ao degrau do sistema é necessário excitar o motor com uma degrau de tensão. Excite o motor com uma tensão de onda quadrada com dois estágios.3. Conecte um multímetro à saída da fonte de tensão e um outro multímetro aos terminais do tacômetro. Em seguida conecte os terminais de saída do amplificador de potência aos terminais do motor. siga os passos seguintes para obter os dados necessários para o levantamento da resposta ao degrau do sistema: 1. Excite o motor com o primeiro valor de tensão (Va ) sugerido na primeira coluna da tabela 3. 3.4. que fornecerá. armazene a resposta v( t) para cada caso.4 Experimento para identificação 67 3. Com isso em mente. Em seguida.1 Experimento para determinação da região linear e do ganho Kt São os seguintes os passos necessários para a obtenção dos dados que levam à determinação da região linear e do parâmetro Kt : 1. 7. Em seguida. 3. 2.4.1. então. Conecte os terminais de saída do amplificador de potência ao canal 1 do digitalizador e os terminais do tacômetro ao canal 2 do digitalizador. . 4.4. 8V de amplitude.1.4. as colunas 3 e 4 da tabela 3. Para superar este problema. respectivamente. 3. utilizando um tacômetro óptico. anotando na segunda coluna o valor da tensão efetiva- mente aplicada. faz-se passar o sinal fornecido pelo gerador de funções por um amplifi- cador de potência. um de valor acima da região linear e outro de aproximadamente 6. Conecte os terminais do gerador de funções aos terminais de entrada do amplificador de potência. Os geradores de funções de que o laboratório dispõe não têm potência suficiente para fazer o motor funcionar. 2.1.4. Repita o passo 3 para os demais valores de tensão sugeridos na tabela 3. Conecte as saídas da fonte de tensão CC aos terminais do motor. meça a tensão nos terminais do tacômetro (Vt ) e a velocidade angular do motor (ω). preenchendo. a potência necessária para o motor girar.

0 12.0 6.1: Experimento para determinação do parâmetro Kt .0 14.0 5.0 13.3 2.0 15.6 3.0 9.0 8.0 1.0 2.5 2.0 Tabela 3. Modelagem e Identificação Va (V) sugerida Va (V) medida Vt (V) ω (rpm) 0.0 0.9 4.0 10.9 3.0 11.6 2.5 1.0 7.3 3.68 Capítulo 3.

Os ganhos Ka e Kt foram identificados a partir do ajuste dos coeficientes an- gulares de retas de acordo com o algoritmo 3. . o sistema real. calcule qual seria o período de amostragem se quisermos armazenar dois período em 500 pontos para cada frequência. Conecte os terminais do gerador de funções aos terminais de entrada do amplificador de potência. 3. Encontre qual a menor e a maior frequência que conseguiremos observar vt (t) e. verificar se os valores calcula- dos a partir dos experimentos de identificação são tais que o modelo matemático adotado represente. siga os passos seguintes para obter os dados necessários para o levantamento da curva de resposta em freqüência do sistema: 1. variando a freqüência da tensão senoidal encontrada no item acima. 3. i. Note que: 1. Conecte os terminais de saída do amplificador de potência ao canal 1 do digitalizador e os terminais do tacômetro ao canal 2 do digitalizador. A constante de tempo τ foi calculada de duas formas: (i) a partir da deter- minação da freqüência de canto do diagrama de módulo de Bode e (ii) a partir do ajuste do diagrama polar de Ka Kt /(τ s + 1) a um conjunto de pontos obtidos expe- rimentalmente. A exatidão dos valores encontrados para Ka e Kt pôde ser verificada a partir da comparação com o produto Ka Kt e K. comparando-se os resultados dessas com o desempenho do sistema real. Em seguida conecte os terminais de saída do amplificador de potência aos terminais do motor. 4. determine a faixa de frequência utilizando o comando logspace. o passo seguinte é a validação do modelo obtido. O valor de τ será escolhido a partir de simulações em computador. com precisão aceitável.3 Experimento para obtenção da resposta em freqüência Para a obtenção da curva de resposta em freqüência do sistema é necessário excitar o motor com uma tensão senoidal.5 Validação do modelo Tendo sido determinados os parâmetros da função de transferência do sistema. 2. 2. K e τ .3. Após isso.9. No caso do motor CC (sistema adotado para este laboratório) foram realizados ensaios para se determinar os parâmetros Ka . Excite o motor com uma tensão senoidal de aproximadamente 8V de ampli- tude. Kt .5 Validação do modelo 69 3. Para tanto. em seguida.e.4.

para a validação do modelo matemático do motor CC. Represente.68) Ka Kt Se o erro for menor que 1%. Isto permitirá que se encontre possíveis discrepâncias entre os valores obtidos pelos três métodos. Kt e K tenham que ser realizados novamente. crie dois vetores colunas t e va. respectivamente. . Note que. Modelagem e Identificação Assim sendo.70 Capítulo 3. 1 Esta aquisição de dados pode ser feita utilizando-se um computador com placas de aquisição de dados ou um osciloscópio digital com capacidade de armazenamento em disco. dado na figura 3. proceda da seguinte forma: 1 Encontre o erro percentual (EKa Kt (%)) entre os produtos de Ka eKt e de K. isto é: Ka Kt − K EKa Kt (%) = 100(%) (3. com razoável grau de confi- ança. Caso o erro seja maior que 1%. e com o valor de τ . verificar se os resultados obtidos nos ensaios de laboratório foram de fato utilizados no cálculo de Ka . os valores de Ka e Kt obtidos experimentalmente podem ser adotados como representativos do modelo. Realize uma simulação tendo como instantes inicial e final. inicialmente. sendo t e va os parâmetros. 2 Excite o motor CC com um degrau de tensão de amplitude igual a 7V e faça a aquisição dos sinais1 de entrada (va (t)) e de saída (vt (t)) e dos correspondentes instantes de tempo (t). obtidos no passo 1. em um mesmo gráfico. obtido a partir do diagrama de módulo de Bode. porém com o valor de τ obtido a partir do ajuste do diagrama polar. Para tanto. construa um modelo em SIMULINK equivalente ao diagrama de blocos representativo motor CC dado pela figura ?? no qual o sinal de entrada será t × va (t) (obtidos no passo 2). que corresponde à tensão nos terminais do tacômetro para o modelo obtido. t × vt (t) e ts × vt (ts ). após a simulação serão gerados dois vetores: ts. Kt e Ka Kt . o aluno deve retornar ao laboratório para realizar novamente aqueles experimentos cujos valores obtidos inicialmente apresentam maiores discrepâncias. 3(b) Proceda de forma idêntica à anterior. onde ts é um intervalo cujos extemos são ts(1) e ts(length(ts). Caso não tenha sido encontrado qualquer erro de manipulação dos dados. as curvas t × va (t). que corresponde aos instantes de tempo utilizados na simulação e vts.4. deve-se. evitando que todos os experimentos realizados para a determinação de Ka . t(1) e t(length(t)). cujas componentes são as correspondentes abscissas e ordenadas do sinal de entrada e utilize o bloco from workspace como entrada. 3(a) Com os valores de Ka e Kt .

Porém. essas curvas devem ser bastante próximas. É de se esperar que as curvas obtidas no trabalho de simulação não sejam exa- tamente coincidentes com as curvas obtidas para o sistema real.3. por exemplo. para que o modelo adotado possa ser considerado satisfatório. levando à ne- cessidade de escolha de um modelo não-linear.5 Validação do modelo 71 3(c) Entre as curvas ts ×vt (ts ) (representadas graficamente nos item 3(a) e 3(b)). Qualquer discrepância mais acentuada pode desqualificar o experimento de identificação ou até mesmo o modelo matemático. O valor de τ que corresponde ao modelo que produziu a curva mais próxima será o escolhido. escolha aquela que mais se aproxima da resposta do sistema real t×vt (t). .