You are on page 1of 95

Rodrigo Daniel da Silva

IDENTIFICAÇÃO DE PARÂMETROS E PROJETO DO SISTEMA DE CONTROLE


DE VELOCIDADE DE MOTORES DE CORRENTE CONTÍNUA SEM ESCOVAS
BLDC

Sorocaba
2017
Rodrigo Daniel da Silva

IDENTIFICAÇÃO DE PARÂMETROS E PROJETO DO SISTEMA DE CONTROLE


DE VELOCIDADE DE MOTORES DE CORRENTE CONTÍNUA SEM ESCOVAS
BLDC

Trabalho de Conclusão de Curso apresentado ao


Instituto de Ciência e Tecnologia do Campus de
Sorocaba, Universidade Estadual Paulista
(UNESP), como parte dos requisitos para
obtenção do grau de Bacharel em Engenharia de
Controle e Automação.

Professor orientador:
Prof. Dr. Flávio Alessandro Serrão Gonçalves
Professor Coorientador:
Prof. Dr. Mateus Giesbrecht

Sorocaba
2017
Ficha catalográfica elaborada pela Biblioteca da Unesp
Instituto de Ciência e Tecnologia – Câmpus de Sorocaba

Silva, Rodrigo Daniel da.

Identificação de parâmetros e projeto do sistema de controle de


velocidade de motores de corrente contínua sem escovas BLDC /
Rodrigo Daniel da Silva, 2017.
95 f.: il.

Orientador: Flávio Alessandro Serrão Gonçalves.


Coorientador: Mateus Giesbrecht.

Trabalho de Conclusão de Curso (Graduação) – Universidade


Estadual Paulista "Júlio de Mesquita Filho". Instituto de Ciência e
Tecnologia (Câmpus de Sorocaba), 2017.

1. Identificação de sistemas. 2. Controle PID. 3. Motor BLDC.


4. Método dos mínimos quadrados. I. Universidade Estadual
Paulista "Júlio de Mesquita Filho". Instituto de Ciência e
Tecnologia (Câmpus de Sorocaba). II. Título.
IDENTIFICAÇÃO DE PARÂMETROS E PROJETO DO SISTEMA DE CONTROLE DE
VELOCIDADE DE MOTORES DE CORRENTE CONTÍNUA SEM ESCOVAS BLDC

Rodrigo Daniel da Silva

ESTE TRABALHO DE GRADUAÇÃO FOI JULGADO ADEQUADO COMO PARTE


DO REQUISITO PARA A OBTENÇÃO DO GRAU DE BACHAREL EM
ENGENHARIA DE CONTROLE E AUTOMAÇÃO

Prof. Dr. Eduardo Paciência Godoy


Coordenador do Curso de Engenharia de Controle e Automação

BANCA EXAMINADORA:

Prof. Dr. FLÁVIO ALESSANDRO SERRÃO GONÇALVES


Orientador/UNESP–ICTS - Engenharia de Controle e Automação

Prof. Dr. MATEUS GIESBRECHT


Coorientador/UNICAMP

Prof. Dr. EDUARDO PACIÊNCIA GODOY


Coordenador do Curso de Engenharia de Controle e Automação
UNESP–ICTS - Engenharia de Controle e Automação

Janeiro de 2017
AGRADECIMENTOS

Aos Professores Dr. Flávio Alessandro Serrão Gonçalves e Dr. Mateus Giesbrecht pela
oportunidade de desenvolvimento do trabalho, pela orientação, correções, atenção e respeito.
Ao Prof. Dr. Fabiano Fruett por disponibilizar o Laboratório de Sensores
Microeletrônicos LSM da FEEC/Unicamp bem como os instrumentos e equipamentos
necessários para a realização deste trabalho.
Ao Giuliano e a Luciene do LSM, por toda a ajuda durante as etapas práticas.
Aos Prof. Dr. Eduardo Paciência Godoy pela atenção dedicada, correções e sugestões
que contribuíram para apresentação desse trabalho.
A minha querida mãe, Maria (carinhosamente Dona Priscila ou as vezes Lurdinha) por
acreditar na minha capacidade, questionar, mas respeitar minhas decisões e por toda a ajuda
financeira e dedicação que tem comigo durante os últimos 36 anos.
Aos meus irmãos, que mesmo distantes, serão sempre um motivo para eu seguir em
frente.
A Janaina pelos momentos de risadas e descontração responsáveis por me fazer desligar
desse trabalho em alguns períodos, retomar o folego e seguir em frente e por acreditar no meu
potencial.
Aos meus colegas de classe que tornaram os últimos 5 anos mais divertidos e de muito
aprendizado. Em especial ao colega e futuro engenheiro Matheus Bortoloti pelas dicas e pelo
bate papo em momentos que o trabalho parecia não progredir.
Por fim, agradeço imensamente às duas instituições UNESP e UNICAMP, todos os
professores e funcionários, por sua dedicação e empenho para levar ensino de qualidade, e
pelo respeito para com os alunos.
EPÍGRAFE

“O que sabemos é uma gota, o que ignoramos é um oceano.”

-Isaac Newton
RESUMO

Este trabalho tem por objetivo a identificação de parâmetros e o projeto do sistema de


controle de velocidade de motores de corrente contínua sem escovas, denominado BLDC. A
metodologia envolve o desenvolvimento de um sistema de acionamento eletrônico para
controle da máquina considerando a regulação de velocidade/torque com operação delimitada
ao primeiro quadrante. Na realização do projeto optou-se por utilizar uma máquina onde os
parâmetros físicos (mecânicos e elétricos) eram desconhecidos de forma que primeiramente se
aplicasse a teoria de identificação de sistemas para criar o modelo matemático que seria
utilizada para projetar um controlador do tipo PID através do Software LabVIEW. Para a
identificação de parâmetros optou-se por utilizar o método dos mínimos quadrados em uma
abordagem do tipo caixa cinza, onde a estrutura do modelo era conhecida, mas os parâmetros
da função de transferência não, ou seja, o grau dos polinômios do numerador e denominador
foi determinado em função do desenvolvimento matemático do modelo, porém os índices
desses polinômios eram desconhecidos. Os resultados apresentados mostram que a reposta do
controlador projetado atende às necessidades de aplicação para o motor BLDC utilizado e
indicam que o modelo matemático utilizado é adequado à aplicação, portanto a técnica de
identificação de sistemas utilizada para a aplicação obteve um resultado satisfatório,
resultando em um modelo adequado para o projeto do controlador capaz de seguir degraus e
rampas de aceleração.

Palavras-chave: Identificação de sistemas, Controle PID, motor BLDC, método dos mínimos
quadrados.
LISTA DE FIGURAS

Figura 2.1 – (a) Estrutura mecânica do BLDC (b) Diagrama elétrico do BLDC ..................... 14
Figura 2.2 - Formas de onda idealizadas do BLDC. (a) Senoidal. (b) Trapezoidal. ................ 16
Figura 2.3– Circuito elétrico da armadura do motor de corrente contínua .............................. 19
Figura 2.4 - Circuito de armadura da máquina BLDC conectado ao inversor ......................... 22
Figura 2.5 - Controlador Contínuo ........................................................................................... 35
Figura 2.6 - Controlador Discreto ............................................................................................ 36
Figura 2.7 – Saída Sistema Discreto x Contínuo ...................................................................... 36
Figura 2.8 – Sistema de Controle ............................................................................................. 37
Figura 2.9 – Resposta ao Degrau Sistema de Segunda Ordem ................................................ 39
Figura 2.10 – Imagem representando a amostragem de uma onda senoidal com 3 e 16bits .... 41
Figura 2.11 – 1 Sinal Amostrado adequadamente, 2 – Sinal pouco amostrado ....................... 42
Figura 3.1 – Diagrama de Blocos Sistema de Aquisição de dados e controle de velocidade do
BLDC ....................................................................................................................................... 43
Figura 3.2 - Módulo de Acionamento do Motor ...................................................................... 45
Figura 3.3 – Dados técnicos referentes ao sensor de tensão LV-20P ....................................... 47
Figura 3.4 – Dados técnicos referentes ao sensor de corrente LA-55P .................................... 48
Figura 3.5 – Amplificador Inversor .......................................................................................... 49
Figura 3.6 – Configuração da Fonte de Alimentação ............................................................... 50
Figura 3.7 – Esquema elétrico do regulador de tensão ............................................................. 51
Figura 3.8 – Cabo que apresenta os sinais dos sensores de efeito hall ..................................... 51
Figura 3.9 – Cabo que apresenta o sinal de controle do motor ................................................ 52
Figura 3.10 – Placa de Condicionamentos de Sinais, primeira montagem. ............................. 52
Figura 3.11 – Configuração das portas da placa de aquisição DAQ para leitura de corrente e
tensão ........................................................................................................................................ 53
Figura 3.12 – Onda e espectro em frequência da tensão entre fases do motor BLDC ............. 54
Figura 3.13 – Onda e espectro de frequência da corrente por fase do motor BLDC ............... 54
Figura 3.14 – Configuração da porta AO0 de para emissão de sinal de controle do motor ..... 55
Figura 3.15 – Circuito que gera uma tensão de -15V a partir de +18V ................................... 56
Figura 3.16 – Placa de condicionamentos de Sinais, montagem final. .................................... 56
Figura 3.17 – Configuração no LabVIEW dos ajustes para a leitura de tensão e corrente. ..... 57
Figura 3.18 – Degrau aleatório ................................................................................................. 59
Figura 3.19 – Modelo em diagramas de blocos no Simulink ................................................... 59
Figura 3.20 – Programa para gerar rampa de aceleração ......................................................... 61
Figura 3.22 – Bloco PID desenvolvido no LabVIEW .............................................................. 62
Figura 3.23 – Geração de Interpolação e Sinal de Saída do Controlador ................................. 63
Figura 4.1 – Gráfico de tempo de parada do motor, a partir da velocidade nominal. .............. 65
Figura 4.2 – Gráfico de comparação da velocidade do motor do sistema modelado e do
sistema físico para uma mesma entrada persistentemente excitante. ....................................... 66
Figura 4.3 – Sistema em malha fechada Simulink ................................................................... 67
Figura 4.4 – Resposta ao Degrau e Lugar das Raízes do Sistema em Malha Fechada sem
controlador ................................................................................................................................ 68
Figura 4.5 – Posicionamento do zero do controlador ............................................................... 69
Figura 4.6 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com
controlador PD.......................................................................................................................... 69
Figura 4.7 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com
controlador PD mais um polo em zero ................................................................................... 710
Figura 4.8 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com
controlador PID ........................................................................................................................ 71
Figura 4.9 – Diagrama de Blocos do Sistema discreto controlado no Simulink e a resposta do
sistema para uma entrada degrau com amplitude de 270 rpm. ................................................. 72
Figura 4.10 – Resposta ao Degrau de 100 rpm utilizando os parâmetros do PID encontrados
no projeto .................................................................................................................................. 73
Figura 4.11 - Resposta ao Degrau de 100 rpm utilizando os parâmetros do PID ajustados na
prática ....................................................................................................................................... 73
Figura 4.12 – Resposta a uma entrada do tipo Rampa ............................................................. 74
Figura 4.13 – Amplificação da imagem para mostrar o atraso de velocidade entre o setpoint e
a rotação da roda. ...................................................................................................................... 74
LISTA DE TABELAS

Tabela 3.1 – Tensão, corrente e potência nominal do motor BLDC. ....................................... 44


Tabela 3.2 – Características dos sinais de tensão, corrente e sensor de efeito Hall. ................ 45
Tabela 3.3 – Quadro comparativo entre dispositivos NI-USB DAQ disponíveis .................... 46
Tabela 3.4 – Dados de validação da placa de condicionamento .............................................. 53
Tabela 4.1 – Parâmetros Elétricos e Mecânicos do motor BLDC encontrados através da
identificação de sistemas pelo método dos mínimos quadrados. ............................................. 64
SUMÁRIO

1 INTRODUÇÃO ................................................................................................................... 11

2 DESENVOLVIMENTO TEÓRICO.................................................................................... 14

2.1 Máquina BLDC ............................................................................................................ 14

2.2 Identificação de sistemas .............................................................................................. 24

2.2.1 Método dos Mínimos Quadrados ........................................................................ 26

2.2.2 Determinação de R, L, e . ........................................................................... 29

2.2.3 Determinação de J e ........................................................................................ 30

2.2.4 Determinação clássica de kf e J do motor CC. .................................................... 31

2.3 Controle PID ................................................................................................................. 32

2.4 Controle Digital ............................................................................................................ 35

2.5 Determinação dos Parâmetros do Controlador PID. ..................................................... 37

2.6 Sistema de Aquisição de Dados .................................................................................... 40

2.7 Software LabVIEW ...................................................................................................... 42

3 METODOLOGIA ................................................................................................................ 43

3.1 Condicionamento de Sinais .......................................................................................... 44

3.2 Programa de aquisição de dados no LabView .............................................................. 57

3.3 Identificação do Sistema ............................................................................................... 58

3.4 Projeto e Implementação do Sistema de Controle ........................................................ 60

4 RESULTADOS E DISCUSSÃO ......................................................................................... 64

4.1 Parâmetros elétricos e mecânicos do motor BLDC ...................................................... 64

4.2 Sistema de controle ....................................................................................................... 67

5 CONCLUSÕES ................................................................................................................... 76

6 REFERÊNCIAS BIBLIOGRÁFICAS ................................................................................ 78

7 ANEXOS ............................................................................................................................. 80
11

1 INTRODUÇÃO

O motor de combustão interna é amplamente utilizado em veículos automotores


destinados ao transporte urbano, apesar de ser uma máquina com rendimento inferior ao
motor elétrico e representar uma grande fonte de poluição atmosférica. No entanto, a
tendência indica a sua gradativa substituição por motores elétricos em um futuro não muito
distante, uma vez que, as fontes de combustíveis fósseis estão se esgotando e os impactos
ambientais relacionados com a emissão de gases tóxicos devido à combustão interna são
amplamente atenuados nas máquinas elétricas (GIERAS; WING, 2002).
Nesse cenário, em aplicações envolvendo tração veicular, uma das máquinas elétricas
mais utilizadas na atualidade (2017) é o motor de corrente contínua síncrono de imã
permanente do tipo brushless denominado BLDC (brushless direct current). Operando como
motor, a máquina possui uma curva de regulação de velocidade adequada para aplicações de
tração, sendo regularmente aplicado em veículos de tração integralmente elétrica (carros,
motos, bicicletas e segway).
Em função de vasta utilização do BLDC em diversas aplicações, um levantamento
bibliográfico aponta para diversos trabalhos de análise desta máquina, envolvendo desde a
obtenção do circuito equivalente, modelos e até sistemas de controle. Os trabalhos de (JEON,
2000), (ÇABIN et al., 2013), e (TIBOR; ET AL, 2011) apresentam estudos baseados em
simulação computacional de sistemas de acionamento do BLDC através da utilização de
sensores de efeito Hall e circuito conversor de energia do tipo CC-CA, o (JEON, 2000) busca
estudar as características de torque em função da forma de onda trapezoidal da força contra
eletromotriz, o segundo utiliza os Softwares MultiSim e LabVIEW para simular o
acionamento e controle da máquina para aplicações em robótica e o terceiro utiliza a
ferramenta MATLAB GUI para criar um ambiente capaz de descrever o comportamento das
formas de onda de tensão aplicado às fases da máquina. Já (ROWE; GUPTA; DENUDENKO,
2012), discute, de forma breve, a utilização de frenagem regenerativa, controle automático e
partida suave do BLDC.
A realização do projeto do sistema de controle de velocidade da máquina BLDC, o prévio
conhecimento do sistema através de um modelo computacional permite a determinação dos
parâmetros de um controlador do tipo PID empregando uma metodologia consolidada, para se
projetar as constantes Kp, Ki e Kd para o controlador (OGATA, 1995) e (OGATA;
TRADUÇÃO: SOUZA, 2010). Por outro lado, caso o modelo não seja conhecido, o processo
12

de projeto do controlador envolve uma metodologia de tentativa e erro que na maioria dos
casos não resulta em um controlador eficiente e que atende restrições operacionais.
A determinação de um modelo matemático pode ser realizada de diversas maneiras. Uma
das formas é encontrar a função de transferência no domínio da frequência através de uma
identificação caixa preta, ou seja, utilizando-se um número alto de regressores, efetuar leituras
de grandezas como tensão, corrente e velocidade e comparar a saída do modelo à saída real
cada vez que o número de regressores é alterado até que se consiga o menor erro possível
entre as saídas reais e simuladas (AGUIRRE, 2004).
Pode-se também, através da técnica de identificação de sistemas do tipo caixa cinza
encontrar os parâmetros elétricos e mecânicos do motor de forma que esses parâmetros sejam
utilizados na função de transferência que foi encontrada através do equacionamento da física
do comportamento da tensão, corrente e velocidade do motor. Alguns desses parâmetros
podem ser obtidos através de leitura das grandezas com a máquina desmontada, como por
exemplo a resistência das fases. O coeficiente de atrito e o momento de inércia podem ser
encontrados através de ensaios simples que envolvem leituras de tensão, corrente e velocidade
com o equipamento trabalhando em condição nominal e também com a leitura do tempo que o
motor leva para parar totalmente quando é desligado em momento de trabalho nominal.
Nesse campo e em especial, aplicando as técnicas de identificação em motores BLDC
existem vários trabalhos, alguns deles utilizam técnicas como o Kohonen’s Self Organization
Feature Map denominado KSOFM (JAGANATHAN; ET AL, 2011) que é construído com
redes neurais. Já (PATANKAR; LIANGTAO, 2004) propõem um algoritmo adaptativo de
estimativa dos parâmetros do BLDC. Existe ainda, um trabalho com a utilização do método
dos mínimos quadrados proposto por (WU, 2012) onde se estima, o coeficiente de fricção e a
inercia do motor.
Neste contexto, o trabalho propõe o desenvolvimento do modelo matemático da máquina
BLDC no domínio da frequência através da identificação dos parâmetros. Utiliza-se um motor
BLDC que possui um módulo eletrônico de controle ambos sem nenhuma informação técnica
e que também não são desmontados para realizar algum tipo de medição ou identificação, ou
seja, são considerados como uma caixa preta. A técnica utilizada é o método dos mínimos
quadrados, onde os parâmetros encontrados são utilizados na função de transferência
desenvolvida através das equações diferenciais que regem o circuito elétrico da máquina
BLDC, ou seja, utiliza-se a identificação caixa cinza.
Por fim, uma vez definido o modelo matemático expresso na forma de funções de
transferência no domínio da frequência, envolvendo os parâmetros elétricos e mecânicos da
13

máquina identificados (resistência, indutância, momento de inércia e coeficiente de atrito)


realizou-se o projeto do sistema de controle de velocidade do motor considerando o emprego
de um controlador do tipo PID. O sistema de acionamento do motor BLDC foi avaliado
através de ensaios experimentais com o objetivo de comprovar seu desempenho.
14

2 DESENVOLVIMENTO TEÓRICO
2.1 Máquina BLDC

O diagrama esquemático do circuito elétrico da máquina de imã permanente de corrente


contínua sem escovas, denominado BLDC é similar ao diagrama esquemático do circuito
elétrico da máquina síncrona de imã permanente, do inglês permanent magnetic synchronous
motor (PMSM), conforme mostra a Figura 2.1 No estator está localizado o circuito de
armadura, normalmente composto por 3 fases apesar de poder existir configurações com mais
fases. O rotor construído com imã permanente é responsável pelo fornecimento do campo
magnético de excitação da máquina (GIERAS; WING, 2002).

Figura 2.1 – (a) Estrutura mecânica do BLDC (b) Diagrama elétrico do BLDC
Fonte: (Asahi, 2016 com modificações do autor)

O PMSM funciona basicamente pelo principio de rotação e concatenação dos campos


magnéticos estabelecidos por meio de uma alimentação em corrente alternada, normalmente
não há a necessidade de um sensor de posição para o seu acionamento. Entretanto, o BLDC
requer a realimentação de posição angular do rotor para que a corrente de armadura possa ser
distribuída entre as fases em exato sincronismo com o movimento do rotor, permitindo a
adequada concatenação dos campos magnéticos, sendo o fenômeno o denominado self-
controlled synchronization ou electric commutation (GIERAS; WING, 2002).
15

O funcionamento de um motor BLDC pode ser comparado ao de um motor CC com


ímãs permanentes no estator. No motor do tipo CC com imãs permanentes convencionais um
enrolamento é fixado ao rotor e o campo do estator é estabelecido pelos ímãs. O sentido da
corrente que percorre a espira deve ser controlado para manutenção do conjugado através do
conjunto escova-comutador. Assim, a comutação deve sempre ocorrer no instante em que a
posição angular do rotor é tal que o fluxo magnético do rotor se alinha ao fluxo do estator, de
modo que a rotação se mantenha no mesmo sentido.
No caso da máquina BLDC o processo de comutação passa a ser efetuado de forma
eletrônica. Um conversor de energia do tipo CC-CA denominado inversor, fabricado com
semicondutores de potência (TBP, IGBT, MOSFET ou GTO), recebe um sinal de controle
proveniente de sensores instalados no motor para efetuar os disparos dos semicondutores em
uma sequência capaz de gerar o conjugado e consequentemente a rotação do eixo do motor.
Existem duas formas de ondas de controle conhecidas: a trapezoidal e a senoidal. No
caso trapezoidal o sinal gerado pelo motor tem uma forma de onda trapezoidal que é
determinada pelo comportamento da distribuição de fluxo no entreferro da máquina. Esse
sinal é responsável por disparar os semicondutores do inversor de forma que a corrente do
motor possa produzir o movimento do eixo. No caso senoidal o processo é análogo ao
apresentado para o caso trapezoidal.
As principais diferenças entre o caso trapezoidal e senoidal podem ser entendidas à
partir da Figura 2.2, partindo do aspecto de que no caso trapezoidal existe apenas a
necessidade do disparo de dois semicondutores para que a corrente flua da fonte de energia
para o circuito do motor. Como apenas dois semicondutores atuam em cada ciclo a eficiência
dessa configuração é maior comparada ao caso senoidal que necessita do disparo de três
semicondutores ao mesmo tempo. Porém, a ondulação do torque será maior do que o caso
senoidal, pois nesse caso ela sofrerá variações caso as correntes e tensões não apresentarem
formas ideais.
16

Figura 2.2 - Formas de onda idealizadas do BLDC. (a) Senoidal. (b) Trapezoidal.
Fonte: (Sen.,1997,p.354)

Vale ressaltar que existem outras técnicas de acionamento da máquina BLDC que não
utilizam a lógica com inversor. Para o acionamento e controle do BLDC também é possível
utilizar o digital signal processor (DSP) que possui alta capacidade de processamento
(frequência de trabalho, resolução) em conjunto com algoritmos sensorless. Dentro do
universo de metodologias para a obtenção de algoritmos sensorless existem desde sistemas
menos complexos até os mais sofisticados onde se há o controle multivariável usando redes
neurais e/ou lógica Fuzzy, controle adaptativo, e, até existindo a possibilidade de
monitoramento, por exemplo, de vibração através de análise espectral com FFT (GIERAS;
WING, 2002).

Equacionamento do BLDC: A análise do diagrama esquemático mostrado na Figura 2.1


permite a determinação das expressões que regem o comportamento do motor BLDC,
conforme (GIERAS; WING, 2002).
17

a) Tensão Terminal: De acordo com a lei de tensões de Kirchhoff a tensão terminal em


cada fase da máquina BLDC é apresentada na equação (2.1):

(2.1)

Onde é a força eletromotriz EMF induzida em cada fase, R a resistência da armadura,


é a corrente de armadura e L corresponde à soma das indutâncias de dispersão e da
armadura.
A equação (2.1), como mencionado está relacionada a cada fase do circuito que está em
configuração Y. Considerando que alimentação do motor seja efetuada por meio de um
inversor trifásico em ponte, possuindo seis chaves de acionamento aos terminais do motor, e
considerando que os semicondutores possuem impedância desprezível, de modo que a queda
de tensão sobre estes seja desprezível para os valores em análise, é possível representar a
tensão entre duas fases A e B em série para cada período de condução conforme (2.2)

( ) (2.2)

Onde: é a tensão de alimentação instantânea do inversor, ou seja, a tensão


constante fornecida pela fonte de alimentação em um período de análise.

b) Corrente Instantânea na armadura: Manipulações algébricas envolvendo a equação


(2.2) permitem a determinação da expressão da corrente instantânea na armadura, dada
por (2.3)

( ) ( ) (2.3)
( )

Onde: é a tensão de alimentação do inversor, a força eletromotriz induzida


entre fases ( )e a corrente no instante de tempo inicial (t=0).

c) Força Eletromotriz: A força eletromotriz é definida como sendo a função da


velocidade da máquina, dada por (2.4)
18

(2.4)

Onde é a constante de armadura (também denominada constante elétrica do


motor), ou constante da força contra eletromotriz e a velocidade angular da máquina.
Pode-se adotar o fluxo magnético constante se não considerarmos a reação da armadura.

d) Torque Eletromagnético: O torque eletromagnético da máquina BLDC é


proporcional a corrente de armadura da mesma forma que ocorre na máquina de
corrente contínua. A equação (2.5) representa a expressão do torque eletromagnético
médio em regime permanente, onde é a constante de torque.

(2.5)

e) Rotação do motor: A rotação da máquina BLDC pode ser calculada utilizando a


mesma equação que é utilizada para o cálculo da rotação da máquina de corrente
contínua, expressa por (2.6)

(2.6)

Onde f é a frequência elétrica que nesse caso está diretamente ligada à frequência dos sensores
hall e p é o número de polos da máquina.

Modelo em Função de Transferência: Para a obtenção da função de transferência da


máquina BLDC em tempo contínuo foram realizados os seguintes procedimentos (baseados
em (OGUNTOYINHO, 2009)):
Para simplificar o modelamento matemático e as equações que descrevem o circuito
elétrico da máquina BLDC em tempo contínuo, se inicia descrevendo as equações que regem
o circuito elétrico do motor de corrente contínua; uma vez que ambas possuem o mesmo
circuito equivalente por fase. A Figura 2.3 apresenta o circuito elétrico relacionado com a
armadura do motor de corrente contínua com excitação independente.
19

Figura 2.3– Circuito elétrico da armadura do motor de corrente contínua


Fonte: (Electrical Engineering, 2016)

Através da lei das tensões de Kirchhoff, a tensão Vs nos terminais da máquina de


corrente contínua pode ser obtida, sendo dada por (2.1).
Considerando também as propriedades mecânicas do motor, através da secunda lei de
Newton para o movimento rotacional é possível descrever a equação dinâmica da máquina,
conforme (2.7). Basicamente, o produto entre o momento de inercia do sistema e a variação
da velocidade angular é igual à soma dos torques que atuam no eixo do motor.

∑ (2.7)

A equação (2.7) pode ser reescrita como (2.8)

(2.8)

Onde,
= o torque eletromagnético [Nm]
= a constante de fricção [Nms]
= momento de inercia do rotor [Kgm2]
= velocidade angular [rad/s]
= conjugado mecânico da carga [N]
20

Retomando as equações (2.1) e (2.4), reescrevendo agora em função da variação da


corrente no tempo, obtém-se (2.9)

(2.9)

Analogamente, partindo de (2.5) pode-se reescrever a (2.8) conforme (2.10)

(2.10)

Como o objetivo é encontrar a função de transferência da máquina no domínio da


frequência complexa, aplica-se a transformada de Laplace envolvendo o operador s em (2.9) e
(2.10), considerando , resultando em (2.11) e (2.12)

( ) ( ) ( ) ( ) (2.11)

( ) ( ) ( ) (2.12)

Isolando a corrente em (2.12) obtém-se (2.13)

( ) ( )
( ) (2.13)

Substituindo a equação da corrente (2.13) em (2.11), segue:

( ) ( )
( )( * ( ) ( ) (2.14)
21

Reorganizando a equação (2.14):

( ) ( ) ( ) (2.15)

Dessa forma a função de transferência G(s) que representa a velocidade angular da


máquina em função da tensão terminal Vs é dada por (2.16).

( )
( ) (2.16)
( ) ( )

Como a constante de fricção geralmente apresenta um valor muito pequeno é


possível aplicar simplificações em (2.16) considerando que >> e >> ,
resultando em (2.17)

( )
( ) (2.17)
( )

Simplificando o numerador e denominador de (2.17) pelo fator , obtêm-se (2.18).

( )
( ) (2.18)
( )

A equação (2.18) pode ser escrita considerando os as constantes τm e τe, denominadas


constante de tempo mecânica e a constante de tempo elétrica, respectivamente, dadas por
(2.19) e (2.20)

(2.19)

(2.20)
22

Resultando em (2.21) com o emprego das constantes mecânica e elétrica.

( ) (2.21)

FT de tempo contínuo da máquina BLDC: Na Figura 2.4 pode-se observar o circuito


armadura da máquina BLDC conectado a um inversor (conversor CC-CA) responsável por
fornecer a forma de onda de tensão de alimentação aos terminais da máquina de forma
sequencial, conforme o sinal de controle proveniente dos sensores de efeito Hall conectados
ao motor, que informam o posicionamento do eixo da máquina em cada instante de tempo,
garantindo a adequada concatenação dos fluxos magnéticos resultantes por parte do sistema
de alimentação com os estabelecidos pelos imãs permanentes.

Figura 2.4 - Circuito de armadura da máquina BLDC conectado ao inversor


Fonte: (Gozuk, 2016)

A diferença na operação do circuito apresentado na Figura 2.4 em relação a operação do


circuito da máquina de corrente contínua Figura 2.3 consiste no aspecto de que em cada
período de condução dois circuitos estão conectados em série. Dessa forma, o ajuste dos
valores de tensões e impedâncias utilizados no modelo da função de transferência da máquina
CC deve ser efetuado para possibilitar a obtenção do modelo na forma de função de
transferência do motor do tipo BLDC.
Deve-se notar que a tensão Vs é substituída por VCC que é a tensão de alimentação do
inversor. Conforme discutido anteriormente, pode ser obtida considerando a queda de tensão
nos semicondutores desprezível. Assim, a principal diferença está relacionada com as
23

constantes de tempo elétrica e mecânica. No caso da constante de tempo mecânica em um


arranjo simétrico podemos rescrever a equação (2.19) como:

∑ (2.22)

Tendo em vista que o circuito da Figura 2.4, obtém-se (2.23).


∑ (2.23)

Da mesma forma, a constante de tempo elétrica também pode ser reescrita conforme a
(2.24).

∑ (2.24)

É possível estabelecer uma relação entre as constantes e através da igualdade das


potências elétrica e mecânica desenvolvidas, aspecto verdadeiro quando as perdas são
desprezadas, conforme (2.25).

(2.25)

Tomando a tensão entre fases e reorganizando (2.25), obtém-se (2.26).

(2.26)

Recorrendo às equações (2.4) e (2.5) temos (2.27).

⁄√ (2.27)
24

Desta forma, a função de transferência contínua da máquina BLDC pode ser expressa
por (2.21), tomando a constante mecânica representada por (2.23) e a constante elétrica dada
por (2.24).

FT de Tempo Discreto da máquina BLDC: A obtenção do modelo discreto envolve a


conversão do modelo obtido no domínio da frequência complexa, dado por (2.21), para o
domínio discreto considerando o emprego do método de aproximação denominado de Tustin
(OGATA, 1995), conforme (2.28)

(2.28)

Onde: T é o período de amostragem.


Desta forma, a representação da FT descrita por (2.21) no domínio discreto resulta em
(2.29).


( ), -

(2.29)

* ( )+ ( )

Onde e são dados pelas equações (2.23) e (2.24) respectivamente.

2.2 Identificação de sistemas


Modelo de equação a diferenças: Um modelo de equação a diferenças que relaciona a saída
de um sistema com suas entradas anteriores pode ser representado matematicamente por
(2.30):

( ) ( ( ) ( ) ( ) ( ) ) (2.30)

Também, nos sistemas discretos com uma entrada e uma saída é possível estabelecer
(2.31).
25

( ) ∑ ( ) ( ) ∑ ( ) ( ) (2.31)

Se o sistema for invariante no tempo, as constantes a e b não se alteram em função de


, logo a equação (2.31) se torna (2.32).

( ) ∑ ( ) ∑ ( ) (2.32)

Definindo-se o operador como operador de atraso tem-se que: ( ) ( )e


aplicando essa relação na equação (2.32):

( ) ( ) ( ) ( )

( ) (2.33)
( )

Se ( ) para e ( ) para a transformada


:

( )
( ) ( ) ( ) ( ) (2.34)

Assim a função de transferência entre a entrada e saída do sistema pode ser expressa por
(2.35).

( ) ( ) ( )
( )
( ) (2.35)
( ) ( ) ( )

Observe que ( ) ( )e ( ) ( ).
26

2.2.1 Método dos Mínimos Quadrados


Sistemas com solução única: Considere que um fenômeno físico é descrito por uma função
escalar do tipo ( ) e que existem várias realizações da mesma, matematicamente
conforme (2.36).

( )
( )
(2.36)
( )

No caso vetorial, ( ) depende de um vetor de parâmetros, . Dizemos


então que a função ( ) é parametrizada por e pode ser representada da seguinte
forma:

( ) (2.37)

Assim, tem-se (2.38):

( )
( )
(2.38)
( )

Considera-se que a função e o vetor não variam de uma realização para outra, ou
seja, todas as realizações são de fato da mesma equação.
A equação (2.38) também pode ser escrita conforme (2.39).

(2.39)

Tomando-se n restrições a fim de se ter n equações para determinar os n elementos de


, ou seja, nesse caso N=n. Resultando em (2.40).

[ ] , -[ ] (2.40)
27

Se for desconhecido, este pode ser obtido a partir da observação de para valores
distintos de e da resolução do sistema de equações resultantes, conforme (2.41).

(2.41)

Como a equação (2.40) representa um sistema físico é pertinente perceber que na prática
os valores de seriam precisos se as amostras tanto de como de fossem absolutamente
corretas e se o sistema fosse descrito com extrema precisão por essa equação.
Dessa forma, em modelos matemáticos mais realistas temos (2.42)

(2.42)

Onde e representam, respectivamente os erros de modelagem e os erros de


observação. Para simplificar podemos definir como o erro total de modelagem e
observação. Como representa o vetor de parâmetros, denota-se ̂ como sendo o vetor de
parâmetros que contém o menor erro quadrático.
Assumindo que o vetor de parâmetros ̂ é conhecido, temos (2.43)

̂ (2.43)

No entanto, uma atitude razoável é supor que o conjunto de N observações


tenta dar uma informação sobre ̂ de forma que os erros sejam pequenos de
alguma forma. Desse modo, pode-se estimar ̂ minimizando a função dada por (2.44).

∑ () ‖ ‖
(2.44)
28

Denomina-se J como sendo uma quantia que representa o quanto o vetor ̂ se ajusta as
medidas de e . Logo, quanto menor for J, melhor será o ajuste obtido. Através das
equações (2.43) e (2.44) temos que (2.45).

( ̂) ( ̂)
̂ ̂ ̂ ̂ (2.45)

Derivando-se a equação (2.45) e igualando a zero encontra-se o vetor de parâmetros


̂ que minimiza o valor de J.

( ) ( )̂
̂
( ) ̂ (2.46)
( ) ̂

Portanto, quando ̂ , tem-se (2.47).

( ) ̂
̂ (2.47)
, -

A rigor, para que ̂ seja mínimo, é importante verificar que:

X X (2.48)
̂

Como X X é positiva definida por construção, pode-se afirmar que a equação acima é
verdadeira. Resumindo,

̂
(2.49)
, -

Onde , -- é denominada a matriz pseudoinversa de .


29

2.2.2 Determinação de R, L, e .
Para a determinação da resistência e impedância de cada fase da máquina BLDC
recorre-se a equação (2.2) reescrevendo-a em forma de equações a diferenças:

( ) ( )
( ) ( ) ( )

(2.50)
( ) ( * ( ) ( * ( ) ( )

Simplificando:

( ) ( ) ( ) ( ) (2.51)

Observe que o método dos mínimos quadrados pode ser aplicado, uma vez que, com N
medidas realizadas, tem-se um sistema com N-1 equações algébricas com um número de
incógnitas igual ao número de parâmetros que se deseja determinar, que para este caso é três.
Matematicamente tem-se:

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
(2.52)
( ) ( ) ( ) ( )

Reescrevendo o sistema de equações algébricas (2.52) em notação matricial, tem-se:

( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
[ ] [ ][ ] (2.53)
( ) ( ) ( ) ( )

Aplica-se então o método dos mínimos quadrados no sistema de equações (2.53) de


modo a encontrar os valores de que correspondem a menor diferença quadrática entre os
valores estimados pelo modelo e os amostrados através do sistema físico real. Observa-se
pelas equações (2.50) e (2.51) que uma vez encontrados os valores de é possível encontrar
30

os valores de R, L, e , pois como pela equação (2.27), e são proporcionais, dessa


forma tem-se 3 valores de e 4 incógnitas (R, L, e ).

2.2.3 Determinação de J e
Para determinar o momento de inercia J da máquina BLDC recorre-se então a equação
(2.10) e a reescrevemos em forma de equações a diferenças:

( ) ( )
( ) ( )

(2.54)
( ) ( ) ( ) ( * ( )

Simplificando:

( ) ( ) ( ) (2.55)

Novamente, observa-se que o método dos mínimos quadrados pode ser aplicado, uma
vez que, com N medidas realizadas, tem-se um sistema com N-1 equações algébricas com um
número de incógnitas igual ao número de parâmetros que se deseja determinar, que para este
caso é dois.
Matematicamente tem-se:

( ) ( ) ( )
( ) ( ) ( )
(2.56)
( ) ( ) ( )

Reescrevendo o sistema de equações algébricas acima em notação matricial, tem-se:

( ) ( ) ( )
( ) ( ) ( )
[ ] [ ]0 1 (2.57)
( ) ( ) ( )
31

Dessa forma, através dos valores e e podemos encontrar o momento de inércia J e


a constante de fricção que apesar de ter sido considerada desprezível durante a etapa de
modelagem matemática da função de transferência do motor pode ser útil para análises futuras
ou mesmo para uma melhor precisão do modelo que realiza a simulação do comportamento
da máquina.

2.2.4 Determinação clássica de kf e J do motor CC.


Existe um procedimento simplificado que pode ser realizado para encontrar o
coeficiente de atrito kf e o momento de inércia J. Pode-se medir a potência elétrica utilizada
pelo motor quando o mesmo trabalha sem carga e com uma velocidade estabilizada. Se
desprezarmos as perdas resistivas e magnéticas, pode-se afirmar que a potência elétrica é
igual a potência mecânica desenvolvida pelo motor, como visto na equação (2.25). Pela
equação (2.8), como o torque é considerado nulo e a velocidade constante tem-se que
, como , conclui-se que:

(2.58)

A unidade de medida de Potência é o Watt que pode ser escrito como 0 1, logo tendo a

velocidade em rad/s tem-se que a unidade de medida de kf é o [Nms] conforme visto


anteriormente.
Recorrendo novamente a equação (2.8) se o motor é levado à velocidade nominal a

vazio, ao desliga-lo o Torque se torna nulo e temos que aplicando-se a

transformada de Laplace temos:


32

( ( ) ( )) ( )
( ) ( ) ( )
( ) ( )
( ) ( )

(2.59
)
* +

Logo pela equação (2.59) observa-se que se a curva exponencial de queda de velocidade
é conhecida, desde que se tenha o valor de kf (que pode ser obtido por (2.58)) é possível
encontrar o momento de inércia do motor. Para isso considera-se a constante de tempo de
massa girante TJ é igual ao intervalo de tempo para o qual a velocidade do motor decresce
para 37% do valor nominal.

2.3 Controle PID


Atualmente o método de controle mais utilizado é o controlador denominado PID, pois
representa uma estrutura de fácil implementação tanto analógica quanto digital. Apesar de ser
útil o modelo matemático na planta é possível encontrar os parâmetros e recorrendo-
se a alguma técnicas empíricas de sintonia como Ziegler-Nichols, CHR (Chien, Hrones e
Reswick) e o método Cohen e Coon, mas que podem apresentar dificuldades dependendo da
ordem do sistema e não obedecem à parâmetros pré-estabelecidos para o projeto. É capaz de
produzir um controle satisfatório e robusto, porém seu desempenho pode não ser ideal em
casos em que o processo possui constantes de tempo com valores elevados ou mesmo atrasos
muito longos, é claro que se o processo sofrer perturbações sucessivas o controlador não será
capaz de levar o processo a estabilidade desejada.

Ação de controle proporcional: No caso do controlador proporcional, o sinal de controle é


calculado proporcional ao desvio do sistema. A resposta ao tempo do controlador P no estado
ideal é exatamente a mesma da variável de entrada. A vantagem é que a intervenção do
controlador é muito rápida e sem atraso. Os controladores de ação Proporcional são usados
quando a necessidade para precisão de controle é mínima. O controlador P converte um passo
no sinal de entrada diretamente para um passo de sinal de saída. Possui um comportamento de
resposta rápido, sua função de transferência é representada:
33

( ) ( ) (2.60)

( )
(2.61)
( )

Onde,

( ) é a amplitude do sinal de controle;


( ) é o sinal de erro (variável desejada – variável medida);
é o ganho proporcional.

Ação de controle integral: O integrador atua no processo ao longo do tempo enquanto existir
diferença entre o valor desejado e o valor medido. Desse modo, o erro é integrado ao longo do
tempo:

( )
( ) (2.62)

Integrando os dois lados da equação (2.62) tem-se a correção sob a forma de amplitude
e não de velocidade:

( ) ∫ ( ) (2.63)

( )
(2.64)
( )

Onde é o ganho integral.


A principal vantagem da ação integral é a eliminação do erro permanente. Porém,
apresenta um fenômeno indesejado, pois caso ocorra um desvio por um período muito grande
o controlador irá saturar. Assim, a saída do controlador geralmente tende a um limite, como
por exemplo, o máximo valor de tensão para alimentação de um motor elétrico, havendo a
necessidade de limites superior (reset wind up) e inferior (reset wind down).
Assim, nessas situações apesar do sinal de controle aumentar, efetivamente o sinal
aplicado no sistema será o estabelecido pelos limites definidos. Mas, caso ocorra inversão da
34

polaridade do erro o sinal de controle terá uma redução só atingindo efetivamente o sinal de
controle quando esse for estiver dentro da região de não saturação do controlador. Contudo,
essa condição pode modificar drasticamente o comportamento do sistema e até mesmo gerar
instabilidades.
Uma maneira de minimizar esse problema é a introdução de sistemas compensadores
denominados anti-windup (ou antireset wind up). Esse compensador é capaz de evitar a
elevação significativa do sinal de controle quando este já atingiu a saturação. Basicamente
anula o efeito da componente de integração do controlador para valores de sinal de controle
que resultam em saturação.

Ação de controle derivativa: No controle derivativo a amplitude de correção é proporcional


à amplitude do desvio e uma grande taxa de variação provoca um grande sinal de correção
mesmo que o erro seja pequeno, dessa forma o sinal de correção será nulo quando não houver
variação.

( )
( ) (2.65)

( )
(2.66)
( )

Onde é o tempo derivativo (também denominado de ganho derivativo). Corresponde


ao tempo gasto para se obter a mesma quantidade operacional da ação proporcional somente
pela ação derivativa, quando o desvio varia numa velocidade constante. Controlador
derivativo não é adequado para sistemas que apresentam muitos ruídos, uma vez que ele fará
com que ocorram amplitudes de correção prejudiciais ao processo, sendo ideal, portanto para
processos em que temos capacitâncias e tempos mortos.

Ação de controle proporcional + integral + derivativa (PID): As ações de controle integral


e derivativa não são utilizas de modo isolado. Na pratica, a ação derivativa não pode ser
implementada isoladamente. Geralmente os tipos mais comuns de controladores empregados
são do tipo PI, PD ou PID. Abaixo segue a equações que representam o controlador PID:
35

( )
( ) ( ) ∫ ( ) (2.67)

( )
( * (2.68)
( )

2.4 Controle Digital


Com o advento dos computadores digitais e sua utilização em larga escala devido ao
custo acessível, a utilização destes na indústria cresceu muito nas últimas décadas, pois
facilita o gerenciamento das atividades e pode ser utilizado em conjunto com sistemas
mecânicos, elétricos, pneumáticos e hidráulicos no processo de produção, uma vez que o
microprocessamento é capaz de realizar muitos cálculos em um período curto de tempo, e
através de softwares controlar saídas através de manipulação computacional das entradas de
um sistema.
No caso do controlador PID não seria diferente, uma vez que, o microprocessamento
facilita a implementação do algoritmo de controle de forma que esse seja adequado a várias
aplicações apenas mudando alguns parâmetros, o que não acontece com circuitos analógicos
que geralmente são desenvolvidos para uma aplicação específica e precisam sofrer
modificações físicas para que sejam utilizados em outra aplicação ou processo.

Figura 2.5 - Controlador Contínuo


Fonte: Autoria própria

Observe na Figura 2.5 o diagrama de blocos de um controle por realimentação.


Para o desenvolvimento digital o digrama de blocos acima deve ser modificado, uma
vez que o sistema de controle é criado dentro de um software computacional, dessa forma, os
sinais provenientes do processo serão enviados para o computador, manipulados pelo
36

controlador e assim retornam para o processo físico. Como a lógica digital não entende sinais
contínuos, esses devem ser amostrados em intervalos de tempo suficientemente pequenos, de
modo que o processo de controle não acabe gerando instabilidade no sistema controlado.
A Figura 2.6 apresenta um diagrama de blocos de um sistema de controle digital que
utiliza um processo de amostragem controlado pelo relógio do microprocessador.

Figura 2.6 - Controlador Discreto


Fonte: Autoria própria

Observe na Figura 2.7 as formas dos sinais presentes em um sistema controlado de


forma digital. No processo de amostragem o sinal de saída (ou erro) é amostrado de forma
periódica em um período de tem T. O sinal analógico amostrado é enviado para um circuito
digital que o converte para um sinal do tipo digital (conversor A/D). No conversor A/D, cada
amostra do sinal analógico é transformada em um código digital. O microprocessador (ou
microcontrolador) onde está programado em software o algoritmo de controle manipula
numericamente essa informação e a envia para um processo de conversão digital para
analógico, sendo assim enviado para o atuador que modificará a grandeza manipulada de
acordo com esse sinal.

Figura 2.7 – Saída Sistema Discreto x Contínuo


Fonte: Autoria própria
37

2.5 Determinação dos Parâmetros do Controlador PID.


Existem diversas formas para encontrar os parâmetros Kp, Ki e Kd do controlador PID
de acordo com os critérios pré-estabelecidos para o projeto. Dentre as formas numéricas está a
análise em domínio da frequência utilizando o diagrama de Bode e o clássico método do lugar
das raízes. Dentre as formas empíricas os métodos mais utilizados são Ziegler-Nichols e CHR
(Chien, Hrones e Reswick). Para esse trabalho será utilizado o método do lugar das raízes.

Figura 2.8 – Sistema de Controle


Fonte: Autoria Própria

Considere o sistema da Figura 2.8. A função de transferência de malha fechada para


esse sistema é dada por:

( ) ( )
(2.69)
( ) ( ) ( )

Onde G(s) e H(s) são polinômios em s.


A equação característica desse sistema de malha fechada é obtida igualando a zero o
denominador, ou seja:

( ) ( )
(2.70)
( ) ( )

Como G(s) e H(s) são grandezas complexas, a equação acima pode ser dividida em duas
equações: uma garantindo a igualdade dos ângulos dos dois lados da equação e a outra
garantindo a igualdade dos módulos, obtendo-se (OGATA; TRADUÇÃO: SOUZA, 2010):
38

Condição Angular:

( ) ( ) ( ) ( ) (2.71)

Condição de Módulo:

| ( ) ( )| (2.72)

Nessas condições, os valores de s que satisfazem tanto a condição de ângulo como a


condição de módulo são polos do sistema em malha fechada. Assim, uma maneira de projetar
o controlador é garantir que essas duas condições sejam estabelecidas dentro de critérios pré-
determinados e dentro da variação permissível do ganho utilizado.
Para um sistema de segunda ordem em malha aberta da forma:

( ) (2.73)

( )( )
Utilizando-se um controlador do tipo PID, ( ) em série com a planta

G(s) utilizando as condições de módulos e angular é possível garantir que os zeros a, b e as


raízes de G(s) fiquem do lado esquerdo do plano s, ou seja, que o sistema seja estável.
No caso de um sistema de segunda ordem sua resposta transitória e estacionaria ao
degrau é função das grandezas frequência natural e do fator de amortecimento . Abaixo
seguem as equações que descrevem seu comportamento:
Tempo de subida (rise time): tempo necessário para a resposta passar de 10 a 90%, 5 a
95% ou 0 a 100% do seu valor final.

(2.74)

Onde e √ , é a frequência natural amortecida do


sistema.
Tempo de pico: é o tempo necessário para a resposta alcançar o primeiro sobressinal.
39

(2.75)

Sobressinal (overshoot): é o máximo valor da resposta em relação ao valor de regime.

( ) √ (2.76)

Observa-se que o sobressinal está totalmente relacionado como amortecimento do


sistema.
Tempo de acomodação: tempo necessário para a curva de resposta alcançar e
permanecer dentro de uma faixa em torno do valor final. Geralmente dada em relação a uma
porcentagem absoluta (2%, 3% ou 5%).
Critério de 2%:

(2.77)

Figura 2.9 – Resposta ao Degrau Sistema de Segunda Ordem


Fonte: Autoria própria

Erro estacionário de posição: O erro estacionário do sistema para uma entrada em


degrau é:
40

(2.78)
( ) ( ) ( ) ( ) ( ) ( )

Erro estacionário estático de velocidade: O erro estacionário do sistema com uma


entrada em rampa unitária é dado por:

(2.79)
( ) ( ) ( ) ( ) ( ) ( )

2.6 Sistema de Aquisição de Dados


A aquisição de dados consiste no processo de medição de uma grandeza física, como
por exemplo, tensão, temperatura, luz, etc. através do uso de um computador. Um hardware
DAQ (do inglês data acquisition) é um dispositivo que é capaz de fazer a interface entre o
sistema físico e o computador. É responsável por amostrar e digitalizar os sinais de interesse,
basicamente é composto por um circuito de condicionamento, um conversor analógico e o
barramento do computador.

Sensores e Transdutores: Os sensores e transdutores são dispositivos capazes de interpretar


o sinal físico de interesse de forma a convertê-los em um sinal com características elétricas
(tensão/corrente). O critério fundamental para a utilização de um sensor é que a relação entre
a grandeza física e o sinal elétrico seja bem definida. Na atualidade existem sensores para as
mais diversas aplicações e com as mais diversas características, sua sensibilidade, banda
passante, proteção e sua capacidade de leitura são fatores que influenciam no custo e na
escolha no momento do projeto.

Condicionamento de Sinais e Placa de Aquisição: Etapa responsável por adequar o sinal


proveniente dos sensores e transdutores, otimizando-os para a escala do conversor A/D da
placa de aquisição de dados. Alguns itens devem ser observados nesse processo, como:
atenuação/amplificação, filtragem, isolamento e linearidade.
Uma placa de aquisição de dados geralmente é composto por: entradas analógicas,
conversor A/D e D/A, saídas analógicas, triggers, entradas e saídas digitais, contadores e
temporizadores.
41

Dentro dos elementos citados o mais importante é o conversor A/D, para que o
desempenho seja otimizado deve-se respeitar a tríade denominada 3R (range, resolution e
rate)
Resolução (resolution): A resolução em amplitude é determinada pelo número de
saídas discretas que o conversor A/D possui, ou seja, para o caso de um conversor de 3 bits,
sua resolução será 23 = 8. Dessa forma, a amplitude do sinal será representada em oito
camadas. Portanto, para uma maior a resolução tem-se uma melhor representação do sinal.

Figura 2.10 – Imagem representando a amostragem de uma onda senoidal com 3 e 16bits
Fonte: (National Instruments Corporation, 2001, p.218 )

Range: Relaciona-se com a tensão mínima e máxima que o conversor é capaz de


aquisitar. Os dispositivos DAQ normalmente abrangem faixas de ±10 V ou ±2 V. Dessa
forma, ressalta-se novamente a importância do condicionamento de sinal prévio, pois quanto
mais se consegue aproveitar dessa região, melhor será a resolução do sinal e
consequentemente melhor sua representação.
Taxa de amostragem (rate): Basicamente é a quantidade de amostras em um intervalo
de tempo. Logo, relaciona-se com a velocidade a qual o conversor A/D converte o sinal
analógico após a etapa de condicionamento do sinal. A taxa de amostragem é baseada no
clock de amostragem que controla os pontos exatos no tempo em que o conversor capta os
valores do sinal analógico. Nesse ponto, é de fundamental importância o teorema de Nyquist.
Este afirma que um sinal deve ser amostrado com uma frequência de amostragem de duas
vezes a maior frequência do sinal de interesse para que essa frequência também possa ser
amostrada, logo . Na prática, sugere-se que a frequência de amostragem fs seja pelo
menos 10 vezes maior que a maior frequência do sinal fn.
42

Figura 2.11 – 1 Sinal Amostrado adequadamente, 2 – Sinal pouco amostrado


Fonte: (National Instruments Corporation, 2001, p.220 )

Pela Figura 2.11 observa-se que para o caso 1 a frequência de amostragem foi elevada,
os pontos em destaque serão a representação do sinal amostrado digitalmente. No caso 2,
como o sinal foi pouco amostrado o mesmo sinal terá uma representação com poucos pontos
e, portanto não representará o sinal do sistema físico o qual se deseja representar
computacionalmente.

2.7 Software LabVIEW


O software LabVIEW, desenvolvido pela National Instruments NI, é um software
utilizado para instrumentação virtual. Dentro do ambiente o programador é capaz de
desenvolver códigos em diagramas de blocos ou mesmo em linguagem de programação (C,
C++) de modo a executar determinada tarefa. O mesmo ambiente é capaz de criar uma
interface com o usuário que através de simples botões ou entradas digitadas pelo teclado é
capaz de realizar uma tarefa que foi pré-programada. Uma das funções fundamentais desse
software é a comunicação com os dispositivos DAQ, através dos blocos de controle ou DAQ
assistant o programador consegue receber dados de sinais externos e também emitir sinais
para um dispositivo físico que pode estar a distâncias consideráveis do computador.
43

3 METODOLOGIA
Para o desenvolvimento do projeto realizou-se as seguintes etapas:
1. Desenvolvimento de um sistema de Aquisição de Dados, incluindo uma placa
para condicionamento de sinais. Sistema esse capaz de aquisitar corrente, tensão
e velocidade do motor;
2. Utilização dos dados aquisitados para aplicação do método dos mínimos
quadrados possibilitando a identificação dos parâmetros elétricos e mecânicos da
máquina BLDC;
3. Projeto no software Simulink/Matlab do controlador PID;
4. Implementação do sistema de controle no software LabVIEW;
5. Realização de ensaios em função de determinadas entradas (degraus e rampas);

Figura 3.1 – Diagrama de Blocos Sistema de Aquisição de dados e controle de velocidade do BLDC
Fonte: Autoria própria

A figura acima representa o diagrama de blocos do esquema de ligação entre os


componentes do projeto. Para o caso do sistema do controle não é necessário a conexão da
placa de aquisição de dados, logo o DAQ é diretamente ligado entre o módulo de controle e o
motor.
44

3.1 Condicionamento de Sinais


Para o projeto e desenvolvimento do sistema de aquisição, primeiramente caracterizou-
se os sinais que seriam amostrados. Em seguida, avaliaram-se as opções de Data Acquisition
(DAQ) da National Instruments (NI) disponíveis para utilização de forma a escolher o melhor
dispositivo que atende as necessidades da aplicação.
Finalmente, em função das características dos sinais que seriam amostrados e do DAQ
escolhido, projetou-se uma placa de condicionamento de sinais que é também implementada
em hardware, possibilitando assim a aquisição dos dados necessários para a identificação dos
parâmetros do motor.

Características dos Sinais Amostrados: Para caracterizar os sinais amostrados,


primeiramente observaram-se as características do sistema que seria utilizado para o projeto.
Para a alimentação do motor utilizou-se uma fonte de tensão simétrica da Minipa® do tipo
MPC 303DI. Essa fonte pode fornecer tensões entre 0 a 60 V com o máximo de corrente em
torno 6 A. Abaixo segue os dados de placa do motor BLDC utilizado:

Tabela 3.1 – Tensão, corrente e potência nominal do motor BLDC.

Tensão Nominal 36 [V]


Corrente Nominal 10 [A]
Potência Nominal 360 [W]

O motor elétrico possui um módulo de fabricação chinesa modelo KT36ZWS que pode
suportar correntes de até 17±1 A e tensão contínua de 36 V. Esse módulo tem características
desconhecidas e, portanto foi considerado como uma caixa preta. Os sinais de entrada e saídas
necessários para o desenvolvimento do projeto como: sinal dos sensores de efeito hall, tensão
entre fases, sinal de controle foram testados e coletados durante o projeto para que se fosse
possível coletar dados, bem como o desenvolvimento do controlador PID.
Uma primeira análise utilizando o multímetro e um alicate amperímetro mostrou que a
tensão entre as fases é de 25 VRMS e a corrente por fase em torno de 0,8 ARMS. Esses dados
foram coletados em função da velocidade máxima de trabalho do motor. Nessa situação a
frequência da componente fundamental da onda de tensão, bem como do sinal do sensor de
efeito hall foi de aproximadamente 430 Hz (verificada com o osciloscópio).
Como o módulo utilizado é uma caixa fechada e não havia um prévio conhecimento do
tipo de estratégia utilizada para o acionamento dos semicondutores do conversor CC-CA,
45

optou-se por realizar coleta de tensão e corrente com frequências em torno de 10 vezes a
frequência da componente fundamental, nesse caso 4,3 KHz. Mas em uma análise prévia com
o osciloscópio verificou-se que apenas a onda de corrente apresenta componentes harmônicos
e a onda de tensão é predominantemente senoidal com frequência igual à frequência do sensor
de efeito hall. As conexões do módulo encontram-se nos anexos.

Figura 3.2 - Módulo de Acionamento do Motor


Fonte: Foto tirada pelo autor
A Tabela 3.2 apresenta um resumo das características dos sinais amostrados.

Tabela 3.2 – Características dos sinais de tensão, corrente e sensor de efeito Hall.

Corrente Tensão Sensor Hall


Amplitude 2 Ap 36 Vp 5 Vp
Frequência 5 KHz 1 KHz 500 Hz

Equipamentos DAQ: Para realizar a coleta de dados de tensão, corrente e velocidade do


motor utilizando o LabVIEW o sinal amostrado deve passar por uma etapa de
condicionamento para que possa ser interpretado pelo dispositivo DAQ. Dentre as opções de
sistema DAQ havia dois dispositivos disponíveis, o NI USB-6008 e o NI USB-6251. Abaixo
segue um quadro comparativo com os recursos mais importantes disponíveis em cada um dos
dispositivos:
46

Tabela 3.3 – Quadro comparativo entre dispositivos NI-USB DAQ disponíveis

NI USB-6008 NI USB-6251
Entradas 8 16
Resolução 12 bits 16 bits
Taxa de Amostragem 10 KS/s 1,25 MS/s

Como os dispositivos são multiplexados, a taxa de amostragem deve ser dividida pelo
número de canais analógicos utilizados.
No início, como não havia informações suficientes a respeito do motor, optou-se por
utilizar o DAQ mais simples (NI USB-6008), pois a taxa de amostragem dele poderia ser
suficiente. Uma vez que se esperava coletar dados com frequências menores que 360 Hz
(frequência fundamental 60 Hz multiplicada por 6 devido à estratégia comumente utilizada de
disparo dos semicondutores do conversor CC-CA ser six steps).
Porém, após verificar os níveis de tensão e corrente apresentados, bem como sua
frequência optou-se por utilizar o dispositivo DAQ NI USB-6251 que é um dispositivo com
maior taxa de amostragem sendo possível assim respeitar o critério de Nyquist.

Sensores de Tensão e Corrente: Para a aquisição de tensão e corrente buscou-se encontrar


um transdutor que fosse capaz de fornecer uma proteção para a placa de aquisição de dados
bem como um dispositivo que fosse capaz de representar os níveis de tensão e as frequências
de tensão e corrente fornecidas ao motor.
Dentre as opções disponíveis os sensores de tensão LV-20P e corrente LA-55P foram os
mais adequados.
Esses dois sensores são transdutores que possuem uma isolação galvânica entre o ponto
de coleta de sinais e o ponto de saída do sinal em função da utilização do efeito Hall.
Apresentam uma excelente precisão com uma boa linearidade e baixa temperatura de
trabalho, além de uma resposta rápida, e alta imunidade devido sinais externos.
47

Figura 3.3 – Dados técnicos referentes ao sensor de tensão LV-20P


Fonte: Datasheet do Dispositivo (LEM Voltage Transducer)

O sensor de tensão é capaz de efetuar leituras de tensão continua ou alternada de até 500
V. Porém, sua banda passante é limitada de acordo com a equação (3.1).

( ) (3.1)

Onde R é a soma da resistência interna do dispositivo (300 ) e R1 que é o resistor que


deve ser calculado de acordo com os níveis de tensão a serem aquisitados. A indutância
interna L, de acordo com o datasheet do fabricante é de 0,3 H.
Como a corrente no circuito primário do sensor deve ser de aproximadamente 10
mARMS (Figura 3.3) e o valor máximo de tensão que o sistema tem de aquisitar é de 25 VRMS
(ou 36 Vp), tem-se pela lei de Ohm que o resistor R1 deve ser de 2,5 KΩ. Logo, R = 2500 +
300 = 2,8 KΩ e, portanto a frequência da banda de passagem do sensor é de até
aproximadamente 1,48 KHz. Uma recomendação do fabricante é que o valor da resistência R1
seja dividida por 2 e conectada entre os pontos +HT e –HT, com o objetivo de melhorar a
rejeição em modo comum do sensor.
Observe na Figura 3.3 que existe um resistor denominado RM que deve ser instalado na
saída do sensor e de acordo com o datasheet, para uma alimentação do sensor de ± 15 V seu
valor deve ser entre 100 a 350 Ω de modo a fornecer uma corrente de 10 mA. Para o projeto
escolheu-se trabalhar com um resistor de 270 Ω.
Ainda de acordo com o datasheet, a relação de corrente do primário para o secundário é
de 2500:1000. Como no primário a corrente máxima é de 10 mA, para uma tensão de entrada
de 25 VRMS a saída apresentará uma corrente de 25mA e portanto tensão de 270Ω × 25mA =
48

6,75 VRMS ou 9,55 Vp que está dentro dos valores máximos de tensão para do sistema DAQ
utilizado.

Figura 3.4 – Dados técnicos referentes ao sensor de corrente LA-55P


Fonte: Datasheet do Dispositivo (LEM Currente Transducer)

O sensor de corrente tem a característica de apresentar na saída uma tensão que


corresponde à corrente medida. O seu projeto é mais simples, deve-se apenas atentar para o
cálculo do resistor RM instalado na saída do sensor que de acordo com o datasheet, para uma
alimentação de ±15 V do sensor, correntes de ±50 A e temperatura de 70º C deve ser entre 50
a 160 Ω. Nesse caso, para o projeto foi utilizado um resistor de 160 Ω. No datasheet do
fabricante não havia qualquer informação a respeito da banda de passagem de corrente,
assumiu-se então que o sensor possuía uma boa banda de passagem, o que foi confirmado
após a montagem.
Uma etapa final para a aquisição de corrente foi a amplificação do sinal, uma vez que a
corrente de saída apresentada era muito baixa, observe que o sistema tem uma taxa de
conversão de 1:1000, logo, uma entrada de 2 A representa na saída uma corrente de 2 mA que
multiplicado pelo resistor de 160 Ω fornece uma tensão de 0,32 V. Outro detalhe importante é
que o fio por onde passa a corrente a ser medida deve ser enrolado no sensor, e quanto maior
o número de voltas maior a amplitude do sinal medido.
Para a amplificação de modo que a tensão de saída do sensor de corrente apresente
tensões entre ± 10V de modo a utilizar o máximo do range do sistema DAQ utiliza-se um
amplificador inversor Figura 3.5 onde a tensão de saída em função da tensão de entrada e dos
resistores R1 e R2 é dada pela equação (3.2).
49

(3.2)

Efetuando-se os cálculos tem-se que a amplificação necessária é de 10/0,32 = 31,25.


Escolheu-se então os resistores comerciais de R2 = 33 KΩ e R1 = 1,2KΩ.

Figura 3.5 – Amplificador Inversor


Fonte: Autoria própria

Fonte de Alimentação para a placa de condicionamento: Os sensores de corrente e tensão


utilizados devem ser alimentados com tensão de ±15 V. A fonte de alimentação utilizada foi
configurada para alimentar o motor de forma a fornecer 36 V entre os pontos A e C conforme
mostra a .
Observe que se o ponto B for utilizado como referência, a tensão BA é de -18V e a
tensão BC é de 18V. Logo como os sensores trabalham com correntes muito baixas a mesma
fonte de alimentação utilizada para alimentar o motor poderia ser utilizada para alimentar os
sensores durante a etapa de coleta de dados, isso porque durante essa etapa o motor não
trabalha com nenhum tipo de carga e sua corrente apresenta valores de no máximo 2 Ap.
50

Figura 3.6 – Configuração da Fonte de Alimentação


Fonte: Autoria Própria

Portanto, a primeira opção seria fazer um divisor de tensão simples, apenas com
resistores de modo que fosse possível reduzir a tensão de ± 18 V para ±15 V. Porém, caso por
algum motivo a fonte apresentasse variação de tensão ou corrente os sensores também seriam
sensíveis a essa variação que dependendo dos níveis poderia provocar a queima do
dispositivo.
Recorreu-se a pesquisa para encontrar uma melhor forma de fazer essa redução de
tensão de modo mais seguro. A opção encontrada foi através de reguladores de voltagem das
séries LM 78 e LM 79. Esses circuitos integrados possuem configurações capazes de gerar
uma tensão fixa na saída mesmo que ocorram variações na entrada, protegendo assim o
circuito o qual será fornecido potência.
A Figura 3.7 apresenta um esquema elétrico fornecido pelo fabricante do regulador de
tensão onde é possível fornecer uma tensão de ±15 V na saída através de uma tensão de
entrada que pode variar de ±17 a ±22 V. Esse mesmo esquema foi montado e utilizado para
alimentar os sensores bem como o amplificador operacional que foi necessário para
amplificar a corrente de saída do sensor de corrente.
51

Figura 3.7 – Esquema elétrico do regulador de tensão


Fonte: Datasheet do dispositivo (Fairchild )

Aquisição e controle da velocidade: Como já mencionado, o motor BLDC possui sensores


de efeito hall que determinam a posição do eixo do motor em relação a um ponto fixo na
carcaça de modo a fornecer a lógica para a comutação dos semicondutores do conversor CC-
CA. Esses sensores também podem ser utilizados para a leitura de velocidade do motor, uma
vez que determinam a posição do rotor, medindo-se o período da onda de tensão produzida
por estes é possível determinar em qual frequência o motor está trabalhando e efetuar o
cálculo da sua velocidade.
Em uma análise detalhada do cabeamento de saída do módulo de controle do motor
verificou-se que o cabeamento apresentado na Figura 3.8 possui 5 sinais. Através de testes
com o osciloscópio notou-se que dois fios eram um sistema de alimentação de 5 V (vermelho
e preto) e os 3 fios restantes, referenciados ao fio preto (terra) forneciam os sinais dos
sensores de efeito hall. Optou-se então por alimentar uma entrada do sistema DAQ com o
ponto de referência e um dos 3 fios restantes de modo a aquisitar a frequência de um dos
sensores de efeito hall e assim calcular a rotação do motor.

Figura 3.8 – Cabo que apresenta os sinais dos sensores de efeito hall
Fonte: Autoria própria
52

Da mesma forma, foi necessário avaliar como é controlada a velocidade do motor.


Existe uma manopla, tipo as de motocicleta, que ao gira-la o motor é acelerado até chegar a
sua velocidade máxima. Essa manopla é ligada eletricamente ao módulo de controle por 3
fios, dois deles enviam uma tensão de 5 V para a manopla e o terceiro é responsável por gerar
uma tensão que corresponde ao aumento de velocidade do motor.
Através de testes constatou-se que o motor começa a girar quando esse sinal é maior
que 1,5 V e atinge seu máximo quando esse sinal é de 3,15 V.

Figura 3.9 – Cabo que apresenta o sinal de controle do motor


Fonte: Autoria própria

Validação do Sistema de Aquisição de Dados e Correções: A Figura 3.10 apresenta a


primeira montagem da placa de aquisição de dados (o esquema elétrico encontra-se nos
anexos). Após a montagem, antes de acoplar o sistema no módulo de controle do motor
realizou-se testes em bancadas utilizando-se um resistor de 987 Ω e sinais gerados por um
gerador de sinais com frequências e amplitudes conhecidas de modo a validar o sistema de
medição. A Tabela 3.4 apresenta os resultados.

Figura 3.10 – Placa de Condicionamentos de Sinais, primeira montagem.


Fonte: Autoria própria
53

Tabela 3.4 – Dados de validação da placa de condicionamento

Sistema Real Placa de Condicionamento


Frequência Tensão Corrente Frequência Tensão Corrente
[Hz] [Vp] [mAp] [Hz] [Vp] [mVp]
60 5 5,05 60 1,35 25,90
60 10 10,00 60 2,71 51,30
60 15 15,20 60 4,03 75,40
60 20 20,30 60 5,40 100,30
1K 10 10,01 1K 2,68 51,10
5K 10 10,00 5K 0 50,02
10 K 10 10,02 0 0 0

Observa-se que a tensão de saída da placa de condicionamento é nula quando a


frequência da onda é de aproximadamente 5 KHz, mas ainda há leitura de corrente conforme
esperava-se devido as características dos sensores. Lembre-se que a saída do sensor de
corrente na verdade é uma tensão que corresponde a uma corrente de entrada de acordo com a
configuração utilizada.
Após a validação da placa de condicionamento configurou-se as entradas do sistema
DAQ para a coleta da tensão, corrente, velocidade, bem como uma saída analógica para
emissão do sinal de controle de velocidade do motor. As entradas escolhidas foram a AI04 e
AI05 na configuração diferencial, modo de aquisição por amostragem continua com um taxa
de aquisição de 500 KHz e uma amostragem a cada 10 KHz.

Figura 3.11 – Configuração das portas da placa de aquisição DAQ para leitura de corrente e tensão
Fonte: Autoria própria
54

As Figura 3.12 e Figura 3.13 apresentam o primeiro resultado da leitura de corrente e


tensão dentro do software LabVIEW. Os detalhes da programação do software serão
apresentados no próximo item. Nas imagens o motor está trabalhando em sua velocidade
nominal, observa-se que a frequência da onda de tensão é de aproximadamente 400 Hz e que
a mesma não possui componentes harmônicos conforme foi avaliado anteriormente pelo
osciloscópio.

Figura 3.12 – Onda e espectro em frequência da tensão entre fases do motor BLDC
Fonte: Autoria própria

Figura 3.13 – Onda e espectro de frequência da corrente por fase do motor BLDC
Fonte: Autoria própria

Com o intuito de controlar o acionamento do motor, configurou-se também uma saída


analógica AO0 com valores de tensão de saída de entre 0 a 4 V, configuração da ligação
elétrica do tipo RSE e um modo de geração de uma amostra por demanda Figura 3.14.
55

Figura 3.14 – Configuração da porta AO0 de para emissão de sinal de controle do motor
Fonte: Autoria própria

Após essa configuração e conexão das ligações no DAQ, notou-se uma deficiência da
configuração da placa de aquisição, não era possível emitir um sinal de controle e ao mesmo
tempo efetuar as medições de corrente e tensão. Através de leituras de tensão com um
multímetro constatou-se que o ponto de referência utilizado para a leitura de tensão e corrente
era um ponto que não estava no mesmo nível de tensão (no caso zero) que o ponto utilizado
como referência para a emissão do sinal de controle, havia uma diferença de 18 V.
Observa-se pela que como a fonte foi configurada em forma serial para gerar uma
tensão de 36 V entre os terminais AC, tensão essa que é a tensão de alimentação do módulo
de comando e também do motor. Quando se configura a placa de condicionamento de sinal de
modo que a tensão utilizada é -18 V entre os terminais BA e +18V entre os terminais BC fica
claro que o ponto de referência para a placa de aquisição é o ponto B, mas para o motor e para
o módulo de controle é o ponto A. Portanto, houve a necessidade de mudar a configuração da
alimentação da placa de condicionamento de sinais.
A saída encontrada foi gerar ± 15 V a partir apenas de +18 V configurado entre os
pontos AB da fonte de tensão. A Figura 3.15 apresenta a solução encontrada.
56

Figura 3.15 – Circuito que gera uma tensão de -15V a partir de +18V
Fonte: Imagem retirada de (Stephenhobley)

No circuito acima o Timer NE555 é configurado de modo a gerar uma onda quadrada
de 0 a +18V com duty cycle de 97%. Ao passar pelo circuito grampeador (Diodos D1 e D2)
essa forma de onda de tensão se altera para 0 a -18V com duty cycle de 97%. O regulador de
tensão 79L15 recebe então, em sua entrada, uma tensão média de -17,5 V (-18×97%) e regula
essa tensão para que em sua saída fique uma tensão regulada contínua de -15V. A única
modificação realizada nesse circuito é que a saída do grampeador foi ligada diretamente no
ponto de entrada do regulador 79L15 da Figura 3.7.
Importante ressaltar que esse circuito fornece uma corrente de aproximadamente 30
mA, suficiente para a alimentação dos sensores, pois cada um deles precisa de uma corrente
de 10 mA de acordo com o datasheet.

Figura 3.16 – Placa de condicionamentos de Sinais, montagem final.


Fonte: Autoria própria
57

A Figura 3.16 apresenta a configuração final da placa de aquisição de dados (esquema


elétrico nos anexos). Com os circuitos da Figura 3.15 e Figura 3.7 montados, bem como as
configurações dos resistores calculados para cada um dos sensores e o circuito de
amplificação na saída do sensor de corrente. Os cabos de cor azul à direita da imagem são
conectados em série às fases A,B,C do motor BLDC. A alimentação da placa passa agora a
ser apenas a tensão AB (+18 V) da fonte de alimentação e, portanto, tanto a placa de
aquisição como o módulo de controle do motor estão referenciados no mesmo ponto de tensão
A (zero volts).

3.2 Programa de aquisição de dados no LabView


Nesse item, trata-se da configuração do programa utilizado para a aquisição dos dados
através do software LabVIEW.
A Anexo 1 apresenta o diagrama de blocos completo do programa utilizado para a
aquisição dos dados, bem como o painel frontal o qual o usuário interage para o controle das
entradas.
Lista se aqui os pontos mais importantes da configuração do diagrama de blocos.
Primeiramente, após a configuração das entradas ajustam-se as constantes de tensão e corrente
de modo que no painel frontal e no arquivo de dados os valores apresentados coincidam com
os valores do sistema físico real. No caso da leitura de corrente, como ela passa por uma
amplificação através de um amplificador operacional, que pode gerar pequenos offsets na
leitura, um bloco de correção de offset é implementado.

Figura 3.17 – Configuração no LabVIEW dos ajustes para a leitura de tensão e corrente.
Fonte: Autoria Própria
58

Como o motor BLDC é uma máquina de corrente contínua e trabalha com valor médio,
uma forma de verificar sua tensão média foi tirar o módulo das ondas de tensão e corrente e
depois uma média sobre esse valor.
Por fim, todos esses dados são mostrados no painel frontal e também armazenados em
um arquivo de dados para posterior utilização na identificação do sistema.
Para a leitura de velocidade, como a frequência da onda de tensão é a mesma do sensor
hall, optou-se por utilizar esse dado para o cálculo da rotação do motor. A rotação do motor é
dada pela equação (3.3). Como o número de polos da máquina é desconhecido, adotou-se um
valor de 16 de modo a possibilitar o cálculo da velocidade. Assim, por exemplo, quando o
motor está trabalhando na velocidade nominal a frequência da onda de tensão é de
aproximadamente 430 Hz, logo, a rotação do motor será de:

(3.3)

Importante ressaltar que na saída do motor existe um sistema de engrenagem que reduz
sua velocidade com um fator de 1:12,54. Esse valor foi encontrado experimentalmente, pois
essa informação não é fornecida pelo fabricante e não se obteve acesso físico às engrenagens
durante o ensaio para que fosse possível especificar o número de dentes e efetuar os cálculos.

3.3 Identificação do Sistema


Para a identificação do sistema, de acordo com as equações (2.53) e (2.57) os dados
deviam ser organizados de modo que a saída do sistema fosse representada em funções de
dados passados. Logo, as matrizes de dados precisam ser organizadas dessa forma, de modo
que se possa aplicar o método dos mínimos quadrados.
A entrada do sistema para que o método funcione deve ser persistentemente excitante,
ou seja, o motor deve estar sempre em uma região de transiente e não em um regime
estacionário para que os dados sejam coletados.
Para isso foi criado com VI no LabVIEW denominado “degrau” Figura 3.18.
Basicamente foi utilizado um gerador de números aleatórios (0-1) que recebe um degrau de
entrada de amplitude 1, logo, quando o degrau é acionado tem-se números aleatórios entre 1 e
2 que são multiplicado por 2 e do resultado subtraído 0,5, ou seja, tem-se uma função que
gera números aleatórios no intervalo 1,5 a 3,5 região onde o sistema de comando pode atuar.
59

Figura 3.18 – Degrau aleatório


Fonte: Autoria Própria

Esse sistema está dentro de um while loop que é controlado por um timer, através desse
timer é possível controlar o intervalo entre um degrau e outro.
O controle do período de transição entre um degrau e outro é importante, pois a taxa de
amostragem a qual o LabVIEW armazena os dados é em função da configuração da porta de
entrada. Se a variação dos degraus for muito rápida a amostra de dados será não será o
suficiente para o ensaio.
Após a identificação dos parâmetros, uma tarefa fundamental é validar o modelo
utilizado com os parâmetros encontrados pelo método. Para isso, realiza-se outro teste no
motor com uma entrada diferente e armazenam-se os dados de entrada e saída (no caso,
apenas a rotação, parâmetro desejado de controle). Um modelo em função de transferência é
desenvolvido no Simulink e essa entrada é aplicada nesse modelo, sua saída então, é
comparada com a saída do sistema físico com o intuito de verificar se o modelo utilizado tem
as mesmas características do sistema físico, ou seja, se a saída do sistema modelado coincide
com a saída do sistema físico para uma mesma entrada.

Figura 3.19 – Modelo em diagramas de blocos no Simulink


Fonte: Autoria própria

Observe na Figura 3.19 que o bloco possui uma entrada do tipo constante que é um sinal
de entrada o qual o modulo converte para uma porcentagem da tensão da bateria que
60

corresponde à velocidade desejada. Existe também a opção de utilizar um degrau aleatório,


esse degrau é o mesmo aplicado no modelo físico, seus dados são armazenados em vetores e
então inseridos no bloco Degrau Aleatório.
O bloco interpolação serve para realizar a mudança entre sinal de controle e tensão de
alimentação, esse bloco é necessário, pois essa relação não é linear, dessa forma foram
realizadas várias medições de sinal e tensão gerada de modo a criar um gráfico interpolado
com esses dados.
Os dados de velocidade, tensão e corrente média foram aquisitados para diferentes
configurações de sinal de entrada. Foram escolhidos intervalos de 100 a 1000 ms com
incrementos de 100 ms.
Os dados do sinal de entrada como os valores de velocidade, corrente e tensão média
também foram armazenados em um arquivo de texto. O sistema também foi configurado para
armazenar o instante em que a amostragem é executada de modo a calcular o período entre as
amostragens, informação importante para o calculo dos parâmetros do motor.

3.4 Projeto e Implementação do Sistema de Controle


Para o projeto do sistema de controle após a identificação dos parâmetros da máquina o
sistema é montado em diagramas de blocos no Simulink. Calcula-se o valor dos parâmetros
do controlador (através do método do lugar das raízes) para seguir entradas do tipo degrau e
rampa de aceleração e simula-se seu comportamento.
Um programa para o sistema de controle é montado em diagrama de blocos no
LabVIEW (ver anexo). Para a implementação são necessários uma entrada e uma saída da
placa de aquisição DAQ. A entrada configurada foi a AI1 do DAQ USB-6008, pois sua taxa
de amostragem é suficiente para o controle (10 KS/s), essa entrada é conectada a um dos
sensores de efeito hall de modo a monitorar sua frequência e calcular a rotação do motor. A
saída configurada é a AO0 responsável por emitir um sinal de tensão entre 1,15 a 3,15V que é
responsável por elevar ou diminuir a tensão fornecida ao motor e consequentemente controlar
a velocidade deste.
No programa desenvolvido em LabVIEW foi criado um programa em diagrama de
blocos capaz de gerar uma rampa de aceleração. Em função das entradas do usuário, a saber:
valor inicial, valor final, incremento e tempo de duração o programa produz a rampa desejada.
Na Figura 3.20 o while loop superior recebe os dados de entrada fornecidos pelo
usuário, o código envia, através de uma variável local, o tamanho da rampa pra o while loop
inferior que com essa informação e com a informação de tempo de duração fornecido pelo
61

usuário controla o tempo de execução da rampa passando o índice da rampa, através de uma
variável loca denominada índice rampa, para o while loop superior de acordo com o período
escolhido pelo usuário, assim na saída da rampa temos o seu valor real controlado
temporalmente.

Figura 3.20 – Programa para gerar rampa de aceleração


Fonte: Autoria Própria

Na Figura 3.21 observa-se parte do sistema de controle desenvolvido. No bloco do


DAQ Assistant, como já dito acima, recebe-se o sinal do sensor hall, na saída desse sinal
utiliza-se o bloco que identifica a frequência de maior amplitude do sinal, sua saída é
conectada a um calculador de média (últimas 100 amostras) e é arredondada para o inteiro
mais próximo, isso porque o tempo entre leitura e execução dos cálculos pelo controlador PID
podem oscilar caso a leitura de velocidade apresente muitas variações. Sinais acima de 500Hz
não são considerados, uma vez que, espera-se sinais com frequências menores e quando o
motor está parado o sistema acaba efetuando leituras de ruído em altas frequências
atrapalhando assim o funcionamento do sistema. A frequência do sinal do sensor hall é
multiplicada por 120 e dividida por 16 conforme equação (2.6) e esse sinal é inserido no bloco
PID como variável de processo (pv).
62

A entrada escolhida pelo usuário (degrau ou rampa) é convertida para o valor de


rotações por minuto do motor (Multiplicada por 12,54) e então inserida no bloco PID como
setpoints (sp).

Figura 3.21 – Diagrama de Blocos do Sistema de Controle de velocidades LabVIEW


Fonte: Autoria Própria

Um exemplo de programa para controlador PID foi encontrado no fórum de estudantes


da National Instruments (https://forums.ni.com/). O código passou por algumas modificações,
pois o controlador não continha uma forma de reinicialização e também não possuía um filtro
derivativo, então ambos foram inseridos na programação Figura 3.22. Esse código tem como
base a (2.67) e Figura 2.5.

Figura 3.22 – Bloco PID desenvolvido no LabVIEW


Fonte: (Students Forum National Instruments e autor)
63

O PID calcula o erro (diferença entre velocidade real e velocidade de setpoint) e


armazena na variável err o erro acumulado também é calculado e inserido na variável errsum.
Como a integral do erro é a soma dos erros a variável errsum é multiplicada pelo parâmetro
Ki do controlador. O erro err é multiplicado pelo parâmetro proporcional Kp e a derivada do
erro é efetuada através da informação do erro anterior (olderr) e do erro atual e a diferença
temporal e por fim é multiplicada pelo parâmetro Kd do controlador. O calculo da derivada
sofre um ajuste através de um filtro derivativo com parâmetro N e por fim são somados
( ). São inseridas também as condições de máximo e

mínimo do controlador e de reinicialização onde os valores de saída são definidos como


nulos.
Por fim a Figura 3.23 apresenta o sinal de saída do controlador, observa-se que esse
sinal alimenta um bloco interpolador X,Y que recebe os valores de uma tabela (em rosa) e
interpola esses dados, gerando assim uma função onde em X temos a velocidade do motor em
rpm e em Y o sinal correspondente entre 1,5 e 3,5 V. O sinal de saída do bloco interpolador é
enviado então para um DAQ assitant denominado saída que conforme já mencionado está
conectado no modulo controlador do motor.

Figura 3.23 – Geração de Interpolação e Sinal de Saída do Controlador


Fonte: Autoria própria
64

4 RESULTADOS E DISCUSSÃO
4.1 Parâmetros elétricos e mecânicos do motor BLDC
O arquivo de dados foi carregado no Matlab e reorganizado (ver código em anexo).
Foram analisados todos os dados em função dos diversos períodos utilizados para a variação
do degrau de entrada e a escolha mais conveniente foi o intervalo de 300 ms. Observou-se que
em intervalos menores a quantidade de dados amostrada era muito pequena e em intervalos
maiores o motor começava a entrar em regime constante. Para essa configuração, a cada
degrau aplicado o sistema armazenava 10 valores para cada variável (tensão, corrente e
velocidade).
O código desenvolvido no Matlab organiza os dados, calcula os parâmetros das
equações (2.53) e (2.57) que estão correlacionados com os parâmetros elétricos e mecânicos
do motor pelas equações (2.50) (2.51) (2.54) e (2.55).

Tabela 4.1 – Parâmetros Elétricos e Mecânicos do motor BLDC encontrados através da identificação de
sistemas pelo método dos mínimos quadrados.

Resistência [R] 1,34 [Ω]


Indutância [L] 356 [mH]
Constante de torque [kt] 0,0577 [Nm/A]
Constante elétrica [ke] 0,1 [Vs/rad]
Constante de fricção [kf] 1,619×10-4 [Nms]
Momento de Inércia [J] 5,432×10-4 [Kgm2]
Constante de Tempo Mecânica [τm] 252 [ms]
Constante de Tempo Elétrica [τe] 133 [ms]

Para efeito de comparação realizou-se um teste clássico para a identificação do


coeficiente de atrito e do momento de inércia do motor. Para o calculo do coeficiente de atrito
kf através da equação (2.58) coletou-se dados de tensão e corrente da máquina para uma
velocidade contínua, efetuando-se um calculo médio tem-se que o coeficiente de atrito é de
1,5×10-4 [Nms].
Para o calculo do momento de inércia levou-se o motor até a velocidade nominal a
vazio e após desligá-lo observou-se a queda de velocidade até a parada da máquina conforme
a Figura 4.1.
65

Figura 4.1 – Gráfico de tempo de parada do motor, a partir da velocidade nominal.


Fonte: Autoria própria

Para uma velocidade de 37% da velocidade inicial, nesse caso, algo em torno de 130
rad/s anotou-se o valor do tempo correspondente na curva de queda de velocidade, algo em
torno de 2,5s e através da equação (2.59) e com a prévia informação do coeficiente de atrito
do motor kf encontrou-se o valor de 3,7×10-4 [Kgm2] para o momento de inércia do motor.
Observa-se pela Tabela 4.1 que os valores para o coeficiente de atrito e para o momento
de inércia encontrados através da identificação de parâmetros pelo método dos mínimos
quadrados apresentaram valores muito próximos aos valores encontrados no teste clássico,
evidenciando assim o bom resultado encontrado.
A Figura 4.2 apresenta a comparação entre a saída do sistema físico e a saída do sistema
modelado para uma mesma entrada do tipo persistentemente excitante (degrau aleatório com
período de 300ms). Nesse gráfico é possível comparar a rotação do motor e a rotação gerada
através do modelo em função de transferência da máquina.
Observa-se que ainda existe um erro entre o sistema real e o sistema simulado. Isso
sugere que o modelo matemático utilizado pode conter alguma deficiência, talvez sua ordem
não seja a mais adequada. Uma maneira de verificar qual a ordem correta do sistema é
aumentar o número de regressores, ou seja, por exemplo, na equação (2.53) a corrente em um
determinado instante é função da corrente, velocidade e tensão no instante anterior, pode-se
então definir essa corrente em função não só do instante anterior , mas também do
instante , A principio, utiliza-se um número grande de
regressores e aplica-se o método dos mínimos quadrados, compara-se novamente as saídas do
66

sistema físico e modelado, calcula-se o erro (diferença quadrática entre saída do sistema físico
e real). Realiza-se esse procedimento de forma iterativa de modo a se obter o menor erro,
nesse ponto encontra-se a ordem do sistema e seu modelo.
A tarefa acima não foi realizada e é uma sugestão para trabalhos futuros. Como as
entradas que serão utilizadas é do tipo degrau e rampa de aceleração o modelo encontrado
satisfaz os objetivos, uma vez que, ambas possuem um comportamento suave que não vão
exigir mudanças bruscas na rotação do equipamento e, portanto uma resposta rápida do
controlador.

Figura 4.2 – Gráfico de comparação da velocidade do motor do sistema modelado e do sistema físico para uma
mesma entrada persistentemente excitante.
Fonte: Autoria própria
67

4.2 Sistema de controle


Com o sistema de controle criado no LabVIEW falta apenas encontrar os parâmetros do
controlador que garantem certo desempenho. Para isso foi utilizado os softwares Matlab e
Simulink. No Matlab criou-se um código para encontrar os parâmetros pelo método do lugar
das raízes.
Assim, de acordo com os dados da Tabela 4.1 temos que a função de transferência do
motor em modo contínuo é:

( ) (4.1)

Monta-se o sistema no Simulink:

Figura 4.3 – Sistema em malha fechada Simulink


Fonte: Autoria Própria

O setpoint é uma entrada do usuário que corresponde à velocidade da roda. Esse valor é
convertido para a rotação do motor (multiplicado por 12,54) e inserido no bloco somador. O
sinal de saída de velocidade é realimentado negativamente no bloco somador após ser
convertido de rad/s para rpm.
Na saída a velocidade é convertida de rad/s para a rotação correspondente da roda.
Esse sistema possui ainda um controlador PID em série com a planta (Função de
transferência do motor BLDC).
Com o controlador em ganho unitário, o que representa que o controlador não executa
nenhuma ação sobre a planta, verificou-se a estabilidade do sistema através do gráfico do
lugar das raízes e da resposta ao impulso.
68

Figura 4.4 – Resposta ao Degrau e Lugar das Raízes do Sistema em Malha Fechada sem controlador
Fonte: Autoria própria

Observa-se na figura acima que o sistema em malha fechada apresenta dois polos
(em vermelho) no lado esquerdo do plano imaginário, o que garante a
estabilidade conforme se verifica na resposta ao degrau, porém essa estabilidade ocorre após
um transitório oscilante o que não é uma característica desejada. Na imagem, também são
indicados, em azul, os polos de malha aberta .
Como não havia nenhum requisito especifico para o projeto optou-se por utilizar um
tempo de acomodação de 1 segundo e um MP máximo de 0,5% ou seja, praticamente um
sobressinal nulo. Em função desses valores e utilizando as equações (2.73) (2.76) e (2.77)
verificou-se que a localização dos polos em malha fechada desejada é nos pontos complexos
.
Logo, com o intuito de satisfazer as condições dinâmicas desejadas projeta-se
primeiramente um controlador do tipo PD. Assim:

( ) ( ) (4.2)

Posicionando o zero do controlador no plano s junto com as raízes em malha aberta da


planta tem-se:
69

Figura 4.5 – Posicionamento do zero do controlador


Fonte: Autoria Própria

Nesse caso, observando o diagrama de blocos da Figura 4.3, utiliza-a condição de


módulo e de fase (equações (2.71) e (2.72)) conforme:

( ) ( ) ( ) ( )( * (4.3)

Efetuando-se os cálculos com através de o código projeto_controlador.m no Matlab


(ver em anexo) encontra-se e .
Com esse resultado, verifica-se novamente o lugar das raízes:

Figura 4.6 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com controlador PD
Fonte: Autoria Própria
70

Observa-se na Figura 4.6 no gráfico do Lugar das raízes, em azul, os polos de malha
aberta e em vermelho, os polos de malha fechada com o sistema utilizando um
controlador PD em série com a planta, . A circunferência em preto representa o
zero do controlador PD .
Assim sendo, o sistema em malha fechada com o controlador PD apresenta um zero e
dois polos no lado esquerdo do plano complexo, garantindo assim a estabilidade da planta,
porém, na resposta ao degrau verifica-se que apesar do transitório não apresentar nenhuma
oscilação ou mesmo sobressinal o valor final não chegou ao valor estabelecido pelo degrau
unitário. Além disso, os polos em malha fechada não são os polos estabelecidos pelo projeto.
Dessa forma, inclui-se no controlador um PI para que as especificações de regime permanente
sejam satisfeitas.

( )( )
( ) (4.4)

A figura abaixo apresenta a resposta do sistema a uma entrada degrau e o gráfico do


lugar das raízes devido à inserção de um polo na origem (polo devido ao controlador PI):

Figura 4.7 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com controlador PD mais
um polo em zero
Fonte: Autoria Própria
71

Em vermelho têm-se os novos polos de malha fechada , e . Em preto,


temos o zero e o polo do controlador PID e em azul os polos de malha aberta.
Observe que a inclusão de um polo do controlador PI melhorou a resposta do sistema à
entrada degrau de forma que agora, o sistema atinge a velocidade de referência sem
sobressinal, contudo ainda existe a necessidade de atender o requisito de tempo de
acomodação de 1s.
A questão então é, onde colocar o zero b do controlador PI de forma a modificar o lugar
das raízes e assim reconfigurar as características dinâmicas que já foram encontradas com o
controlador PD somado à inclusão do polo em zero. Em uma análise da Figura 4.7, observa-se
pelo lugar das raízes que a melhor localização seria entre , pois dessa forma as
assíntotas do lugar das raízes formam um entorno sobre os polos de malha aberta e assim,
através do ajuste do ganho pode-se conseguir alcançar os polos de malha fechada
especificados no projeto. Observou-se através de alguns testes na simulação que utilizando
para o polo e um ajuste do ganho para tem-se uma resposta próxima às
especificações de projeto de acordo com a equação do controlador PID abaixo:

( )( )
( ) (4.5)

Figura 4.8 - Resposta ao Impulso e Lugar das Raízes do Sistema em Malha Fechada com controlador PID
Fonte: Autoria Própria
72

Observa-se pela Figura 4.8 que o sistema com o controlador PID apresenta as
características de projeto desejadas com polos de malha fecha em (em
vermelho). Em azul temos os polos de malha aberta e em preto os zeros e o polo do
controlador PID.
O mesmo sistema foi implementado em modo discreto utilizando uma taxa de
amostragem de 1 Khz e com os mesmos parâmetros do controlador PID, resultando na mesma
resposta do sistema contínuo.

Figura 4.9 – Diagrama de Blocos do Sistema discreto controlado no Simulink e a resposta do sistema para uma
entrada degrau com amplitude de 270 rpm.
Fonte: Autoria própria

Em ambas as situações também se utilizou um filtro derivativo com N=100 com o


objetivo de minimizar a amplificação de ruídos de alta frequência.
Finalmente, utilizam-se os parâmetros encontrados para o controlador PID no sistema
projetado com o LabVIEW. Abaixo segue o resultado da resposta do sistema para as entradas
do tipo degrau e do tipo rampa de aceleração:
73

Figura 4.10 – Resposta ao Degrau de 100 rpm utilizando os parâmetros do PID encontrados no projeto
Fonte: Autoria Própria
Observa-se que na prática, os parâmetros encontrados apresentaram uma pequena
diferença em relação ao esperado. Após alguns ajustes observou-se que se utilizando
a resposta do sistema apresentou mais estabilidade e resposta
desejada.

Figura 4.11 - Resposta ao Degrau de 100 rpm utilizando os parâmetros do PID ajustados na prática
Fonte: Autoria própria

O atraso encontrado na Figura 4.10 e Figura 4.11 deve-se ao fato de que havia um
sistema de proteção do sistema de acionamento do motor que impedia a entra degrau e a
rápida atuação do controlador. Para solucionar o problema o sistema foi desenvolvido de
forma que primeiramente dispara-se o degrau e só depois o operador aciona o controlador.
74

Por fim, testa-se também o comportamento do sistema real devido a uma entrada do tipo
rampa. Aplica-se uma rampa com velocidade inicial de 10 rpm e velocidade final de 270 rpm
com um período de aproximadamente 140 segundos entre a velocidade inicial e final.

Figura 4.12 – Resposta a uma entrada do tipo Rampa


Fonte: Autoria Própria

Figura 4.13 – Amplificação da imagem para mostrar o atraso de velocidade entre o setpoint e a rotação da roda.
Fonte: Autoria Própria

Verifica-se na Figura 4.12 que a velocidade da rota segue o setpoint de referência da


rampa. Ocorre apenas uma oscilação no começo quando a velocidade do motor ainda é baixa,
ou seja, no transitório.
Observe que o sistema segue a referência com um pequeno erro de 4 rpm. Esse atraso é
esperado uma vez que de acordo com a equação (2.79) temos:
75

( ) ( ) ( ) ( *. / (4.6)
rpm
76

5 CONCLUSÕES

Para efetuar o projeto do controlador PID para o controle de velocidade do motor BLDC
foi necessário o projeto de um hardware de um sistema de aquisição de corrente, tensão e
velocidade da máquina. O sistema projetado e posteriormente implementado em hardware
atendeu as necessidades. O hardware (DAQ e placa de condicionamento de sinais) apresentou
algumas dificuldades na sua construção, principalmente no sentido de se conseguir fornecer
tensão aos transdutores (corrente e tensão) e utilizar a mesma fonte de tensão para alimentar o
motor elétrico do experimento.
Durante a aquisição dos dados notou-se que mesmo o LabVIEW possuindo muitos
recursos, ainda ocorre necessidade de se criar blocos que atendem necessidades especificas,
por exemplo, o software possui uma ferramenta que armazena os dados que são lidos em
tempo real através da DAQ, porém essa ferramenta armazena as informações apenas a cada
um segundo o que, nesse caso, torna inviável sua utilização, pois a dinâmica de amostragem
de dados necessária para a implementação da técnica de identificação de sistemas para o
motor utilizado necessita de uma taxa de armazenamento dessas informações a cada 30ms.
Logo se recorre à pesquisa dentro da ajuda do próprio software para entender como
funcionam algumas de suas ferramentas, o que acaba gerando um tempo de pesquisa que
excedeu um pouco a previsão do tempo do projeto.
Após a coleta de dados, utiliza-se a identificação de sistemas do tipo caixa cinza, através
do método dos mínimos quadrados foi possível identificar os parâmetros elétricos e
mecânicos de uma máquina BLDC. A resposta do sistema real comparada ao do sistema
modelado apresentou um resultado satisfatório apesar dos erros (diferença entre o valor real e
simulado) encontrados em alguns pontos da curva.
Para diminuir os erros encontrados através do método dos mínimos quadrados,
recomenda-se como trabalho futuro efetuar uma nova organização dos dados coletados, de
modo a aumentar o número de regressores (começar com um número alto de regressores).
Sugere-se o desenvolvimento de um programa que através de um loop calcule o erro
quadrático entre a saída do sistema real e simulado conforme o número de regressores vai
diminuindo até que esse erro seja mínimo. Nessa situação tem-se uma função de transferência
que apresenta o menor erro possível e, portanto mais fiel ao sistema real.
Através da função de transferência encontrada foi possível projetar o controlador PID
para controlar a velocidade do motor em um sistema em malha fechada. O sistema real
apresentou as características esperadas através da simulação, nenhum erro a uma entrada do
77

tipo degrau e um erro de 4 rpm para uma resposta a uma entrada do tipo rampa como era
esperado devido ao tipo do sistema (tipo 1). Teoricamente esse erro deve ser
aproximadamente de 2,6 rpm, mas como existem outras variáveis quando tratamos de uma
implementação em hardware como taxa de amostragem, resolução, todas as operações
algébricas desenvolvidas pelo software e hardware podem gerar atrasos não previstos na
teoria, portanto o valor encontrado na prática representa um bom resultado.
Leva-se também em consideração que durante a implementação em hardware existem
algumas dificuldades relacionadas aos truncamentos e simplificações de equações utilizadas,
bem como a questão da amostragem, uma análise mais detalhada pode ser efetuada de forma a
verificar o quanto isso afeta a resposta do controlador, ou seja, quanto um truncamento dos
números utilizados pode afetar a saída do sistema e assim tentar encontrar a quantidade de
casa decimais mais adequada para a resposta requisitada.
O controlador desenvolvido não foi testado em situações que o motor sofre uma
variação de carga. Recomenda-se para trabalhos futuros esse tipo de ensaio com o intuito de
testar a eficiência do mesmo. Esses testes podem ser realizados através de simulação ou
mesmo do próprio sistema físico, uma vez que, ambos os projetos estão disponíveis nesse
trabalho.
Por fim, caso haja necessidade de alteração dos parâmetros do PID de modo que a
planta apresente outras condições de transitório e regime permanente: mudança do sobressinal
ou tempo de acomodação, por exemplo, a sintonia dos novos parâmetros pode ser realizada de
forma rápida utilizando-se o programa projeto_controlador.m que se encontra em anexo.
78

6 REFERÊNCIAS BIBLIOGRÁFICAS

AGUIRRE, A. L. Introdução à identificação de sistemas. 2. ed. Belo Horizonte: Editora


UFMG, 2004.
ASAHI Kasei Microdevices. Detection of brushless motor rotation. Disponivel em:
<http://www.akm.com/akm/en/product/add/magnetic_sensors/0027/>. Acesso em: 24 dez.
2016.
ÇABIN et al. Co-simulation study on BLDC motor drive system based on multsim and
LabVIEW. Fourth International Conference. Istanbul: POWERENG. 2013. p. 1060-1064.
COELLHO, A. A. R.; COELHO, L. D. S. Identificação de Sistemas Dinâmicos Lineares.
Florianópolis: Editora da UFSC, 2004.
CORPORATION, N. I. Manual de treinamento do LabVIEW Básico I. Austin, Texas:
National Instruments Corporation, 2001.
ELECTRICAL Engineering. Why don't switches apper in circuit diagrams of DC motors?
Disponivel em: <http://electronics.stackexchange.com/questions/263425/why-dont-switches-
appear-in-circuit-diagrams-of-dc-motors>. Acesso em: 24 dez. 2016.
FAIRCHILD. Voltage Regulador. Disponivel em:
<https://www.fairchildsemi.com/datasheets/LM/LM7805.pdf>. Acesso em: 02 Setembro
2016.
GIERAS, J. F.; WING, M. D.C. Brushless Motors. In: GIERAS, J. F.; WING, M. Permanent
Magnet Motor Technology. 2. ed. New York: Marcel Dekker Inc., 2002. Cap. 6, p. 227-310.
GIESBRECHT, M. Modelagem computacional do aquecimento de um motor de indução
monofásico aplicado em máquinas de lavar roupas durante a etapa de agitação. Tese de
Mestrado, FEEC-Unicamp. Campinas, p. 139. 2007.
GOZUK. Variable Frequency Drive Basics. Disponivel em:
<http://www.gozuk.com/blog/vfd-basics-864930.html>. Acesso em: 24 dez. 2016.
JAGANATHAN, B.; ET AL. Optimal parameters estimation of a BLDC motor by
Kohonen's Self Organizing Map Method. Recent Advances in Intelligent Computational
Systems (RAICS). Trivandrum: IEEE. 2011. p. 068-071.
JEON, Y. S. A new simulation model of BLDC motor with real back EMF waveform. 7th
Workshop on Computers in Power Electronics. Blacksburg, VA, USA: COMPEL. 2000. p.
217-220.
LEM Currente Transducer. Currente Transducer LA-55P. Disponivel em:
<http://www.lem.com/docs/products/la_55-p_e.pdf>. Acesso em: 15 Agosto 2016.
79

LEM Voltage Transducer. Voltage Transducer LV-20P. Disponivel em:


<http://media.digikey.com/pdf/Data%20Sheets/LEM%20USA%20PDFs/LV%2020-P.pdf>.
Acesso em: 15 Agosto 2016.
OGATA, K. Discrete-time control systems. 2. ed. Minnesota: Prentice-Hall International,
Inc., 1995.
OGATA, K.; TRADUÇÃO: SOUZA, H. C. Engenharia de controle moderno. 5. ed. São
Paulo: Pearson, 2010.
OGUNTOYINHO, O. J. PID Control of Brushless DC Motor and Robot Trajectory
Planning and Simulation with Matlab/Simulink. Tese de Mestrado, University of Applied
Sciences. Vaasa, Finlândia, p. 14-21. 2009.
PATANÉ, E. J. Implementação de Controle de Velocidade em Malha Fechada para
Motores de Corrente Contínua Utilizando Sistema de Aquisição de Dados. Tese de
Mestrado, Instituto Mauá de Tecnologia. São Caetano do Sul, p. 127. 2008.
PATANKAR, R.; LIANGTAO, Z. Real-time multiple parameter estimation for voltage
controlled brushless DC motor actuadors. American Control Conference. Boston: IEEE.
2004. p. 3851-3856.
ROWE, A.; GUPTA, G. S.; DENUDENKO, S. Instrumentation and control of a high
power BLDC motor for small vehicle applications. Instrumentation and Measurement
Technology Conference (I2MTC). Graz: IEEE International. 2012. p. 559-564.
SEN, P. C. Brushless DC (BLDC) Motor. In: SEN, P. C. Principles of Electric Machines. 2.
ed. Ontario: John Wiley & Sons, 1997. Cap. 6.13, p. 351-357.
STEPHENHOBLEY. Creating a Negative Voltage from a Positive One. Disponivel em:
<http://www.stephenhobley.com/blog/2011/03/28/creating-a-negative-voltage-from-a-
positive-one/>. Acesso em: 20 set. 2016.
TIBOR, B.; ET AL. Modeling and simulation of the BLDC motor in MATLAB GUI.
IEEE International Symposium on Industrial Electronics. Gdansk: IEEE. 2011. p. 1403-1407.
WU, J. Parameters estimation of BLDC motor for energy storage system. 10th World
Congress. Beijing: Intelligent Control and Automation (WCICA). 2012. p. 4190-4194.
80

7 ANEXOS

Bancada de Teste para leitura de corrente, tensão e velocidade.

Bancada de Teste para Controle de Velocidade do motor BLDC


81

Dados.txt
82

Programa LabVIEW para coleta de tensão corrente e velocidade


83
84
85

Programa LabVIEW do controlador de velocidade.


86
87
88

Programa para plotar tempo de parada


coef_a=0.000144933; %coeficiente de atrito
T=2.6;
t=0:0.1:15;
y=350*exp(-t/T);
plot(t,y)
hold
grid on
set(gca,'FontSize',20)
xlabel('\fontsize{20} \bf Tempo [s]')
ylabel('\fontsize{20} \bf Velocidade [rad/s]')
t_coef=-log(0.37)*2.6;
a=350*(0.37);
x=[0 t_coef t_coef];
y1=[a a 0];
plot(x,y1,'-.*r')
J=t_coef*coef_a;

Transformar a FT de Continua para Discreta


Freq_Amostragem=1e3;
Ts=1/Freq_Amostragem;
TFC=tf([1/ke],[tm*te tm 1]);

%Utilizando o comando do Matlab


TFD=c2d(TFC,Ts,'tustin');

%Utilizando a equação desenvolvida no Projeto


num=(1/ke)*[1 2 1]/(tm*te*4/Ts^2 + 2*tm/Ts + 1);
den=[1 ((2-2*(tm*te*4/Ts^2))/(tm*te*4/Ts^2 + 2*tm/Ts + 1)) ((tm*te*4/Ts^2 - 2*tm/Ts
+1)/(tm*te*4/Ts^2 + 2*tm/Ts + 1))];
TFD2=tf(num,den)
89

Plotar a Comparação entre as saídas físicas e do modelo


%Impulso 2 e Dados2 são dados retirados para testar o modelo
load('Impulso2.txt')
load('Dados2.txt')

%Simular de 33.3030 a 83.1040 segundos


sim('Sistema_Continuo');

%Gráfico Comparando Saída do Modelo e Sistema Físico


plot(Saida(:,1),Saida(:,2),Dados2(:,1),Dados2(:,2))
set(gca,'FontSize',20)
axis([33 85 0 400])
legend('\bf \fontsize{15} Saída do Modelo','\bf \fontsize{15} Saída Sistema Físico')
xlabel('\fontsize{20} \bf Tempo [s]')
ylabel('\fontsize{20} \bf Velocidade [rad/s]')
title('\fontsize{24} Comparação Saídas Modelo e Sistema Físico')
grid on
90

Matriz de Regressão para a corrente do BLDC


%Carregando e reorganizando os dados
load('dados.txt');
dados_new=dados(:,3:5);
delta_t=0.020;

A=[dados_new(2:size(dados_new),3),dados_new(1:size(dados_new)-1,3),...
dados_new(1:size(dados_new)-1,1),dados_new(1:size(dados_new)-1,2)];

%Coeficientes para a corrente


coef_c=pinv(A(:,2:4))*A(:,1);

%Cálculo dos Parâmetros do Motor


L = delta_t/(2*coef_c(3));
R = (L/delta_t)*(1-coef_c(1));
ke = -(2*L*coef_c(2)/delta_t)*(sqrt(3));
kt = ke/sqrt(3);

Matriz de Regressão para a velocidade do BLDC


B=[dados_new(2:size(dados_new),1),dados_new(1:size(dados_new)-1,1),...
dados_new(1:size(dados_new)-1,3)];

%Coeficientes para a velocidade


coef_c1=pinv(B(:,2:3))*B(:,1);

%Cálculos dos Parâmetros do Motor


J = delta_t*kt/coef_c1(2);
kf = (J/delta_t)*(1-coef_c1(1));

%Constantes de Tempo elétrica e mecanica em [ms]


tm = (3*R*J)/(ke*kt);
te = L/(3*R);
91

Projeto do Controlador PID


%Especificacoes de Projeto:

ts=1; %Tempo de acomodação


Mp=0.5; %Overshoot em porcentagem

%Calculo da equacao de 2 ordem de acordo com as escolhas do projeto


Ksi = sqrt ( (log(Mp/100)/pi)^2 / (1+ (log(Mp/100)/pi)^2) );
wn = 4/(ts*Ksi);
Poly=[1 2*Ksi*wn wn^2];
Roots_poly=roots(Poly);

%Calculo de K e do zero do controlador PD = K(s+a)


%Utilizando o Critério do Módulo e da Fase
R_TFC=roots(TFC.den{1});
alpha2 = atan(imag(Roots_poly(1))/(real(Roots_poly(1))-R_TFC(1)));
alpha3 = atan(imag(Roots_poly(1))/(real(Roots_poly(1))-R_TFC(2)));
alpha1 = pi - (alpha2 + alpha3);
a = imag(Roots_poly(1))/tan(alpha1) - real(Roots_poly(1));
K = sqrt((imag(Roots_poly(1))^2 + (real(Roots_poly(1)) - R_TFC(1))^2)*...
(imag(Roots_poly(1))^2 + (real(Roots_poly(1)) - R_TFC(2))^2)/...
(imag(Roots_poly(1))^2 + (real(Roots_poly(1)) + a)^2))/(TFC.num{1}(3)*30*12.54/pi);

%Escolha do zero do controlador PI = (s+b)/s (Escolha do projetista)


b=4;

%Função de Transferência do Controlador PD, PI e PID


Controller_PD = tf([K K*a],1);
Controller_PI = tf([1 b],[1 0]);
Controller_PID=Controller_PD*Controller_PI;

%Relacao Para o Controle da Forma Kp(1 + 1/sTi + sTd)


Ti = a+b;
Kp = K*Ti;
Td = 1/Ti;

%Relacao Para o Controle da Forma = Kp + Ki/s + Kds / Pc =[Kp Ki Kd]


Pc=[Controller_PID.num{1}(2) Controller_PID.num{1}(3) Controller_PID.num{1}(1)];

%Plotar Resposta ao impulso unitário e Lugar das Raízes


subplot(2,1,1)
step(feedback(Controller_PID*TFC,30/pi)*30/pi)
grid on
subplot(2,1,2)
rlocus(feedback(Controller_PID*TFC,30/pi)*30/pi)
hold on
rlocus(Controller_PID*TFC*30/pi)
grid on
stepinfo(feedback(Controller_PID*TFC,30/pi)*30/pi)
92

Conexões do Módulo de Controle do Motor BLDC

Fonte: Manual de montagem do conjunto controlador e motor


93

Circuito Elétrico da Primeira Versão da Placa de Condicionamento de Sinais


94

Circuito Elétrico da Segunda Versão da Placa de Condicionamento de Sinais