2 Aula-Maa

Curso PACOP – Módulo I: PID Estabilidade Robustez Desempenho Ajuste Parametrização MMA
Estratégias de Controle
Regulatório e Diagnóstico de
Desempenho de Malhas
Robustez, Desempenho e
Ajuste de PID
A maior e mais importante invenção em termos de controle realizada
no século XX –
é l concilia simplicidade, rapidez e eficiência
l l d d d f ê
O PID é a base da pirâmide de controle de processos.
Jorge Otávio Trierweiler
Jorge Otávio Trierweiler Em uma analogia futebolística: O PID é a zaga do time
Em uma analogia futebolística: O PID é a zaga do time
Jorge@enq.ufrgs.br (normalmente não é o mais famoso, mas sem ele o time perde).
Univ Federal do Rio Grande do Sul
Univ. Federal do Rio Grande do Sul
Robustez, Desempenho e Ajuste de PID 2

Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26
PID Estabilidade Robustez Desempenho Ajuste Parametrização MMA PID Estabilidade Robustez Desempenho Ajuste Parametrização MMA
Modos de Controle Modos de Controle Descontínuos

• Liga‐desliga ( o mais simples de todos) Modo de duas posições (liga-desliga)
Saída -- PV
⎧⎪ 0% e ( t ) ≤ −Δe
u (t ) = ⎨
⎪⎩100% e ( t ) ≥ Δe
-0.2
0
Usado tipicamente em ar condicionados, refrigeradores,
d d d f d
bombas para o abastecimento de caixas d’água, etc Ação de
Controle
Co t o e -- MV
A variável controlada fica dentro de uma faixa de operação,
A variável controlada fica dentro de uma faixa de operação
oscilando entre o limite mínimo e máximo de controle. -0.2
0
Robustez, Desempenho e Ajuste de PID 3 Robustez, Desempenho e Ajuste de PID 4

Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26 Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26
Ação Proporcional (P)

• Ação Integral (I) t
∫
K
▫ Elimina
Elimina o offset
o offset Δu I (t ) = u (t ) − ubias = P e(t )dt
ΔuP (t ) = u(t ) − ubias = K P × e(t ) ▫ Porém tende a gerar TI 0
p ,
respostas oscilatórias,
ΔU P (s ) = K P × E (s )
K
quando a ação integral é ΔU I (s ) = P
intensa TI s
100
BP =
• Ação Derivativa (D) de
Δu D (t ) = u (t ) − ubias = K P × TD
KP
▫ Diminui a oscilação
Responde instantaneamente e proporcionalmente ao produzida pela ação integral dt
tamanho do erro. Principal elemento que dá velocidade a
tamanho do erro Principal elemento que dá velocidade a d d
dando velocidade a malha
l id d lh ΔU D (s ) = K PTD s E (s )
ação de controle. de controle
Controladores proporcionais puros apresentam offset (ou
Controladores proporcionais puros apresentam offset (ou ▫ Sofre com a presença de
Sofre com a presença de
seja, erro permanente) ruído

Combinação das Ações de Controle Controlador

• Controlador
Controlador Fulscope
⎛ 1 ⎞
Proporcional+Integral (PI)
ΔU PI (s ) = K P ⎜⎜1 + ⎟⎟ E (s ) da Taylor
▫ Muito
Muito usado (elimina o offset e
usado (elimina o offset e
responde relativamente rápido)
⎝ TI ⎠
s
• Controlador
Proporcional+Derivativo (PD) ΔU PD (s ) = K P (1 + TD s )E (s )
▫ Pouco usado por não eliminar o
offset.
• Controlador P+I+D
⎛ 1 ⎞
▫ Uma ótima combinação. ΔU PID (s ) = K P ⎜⎜1 + + TD s ⎟⎟ E (s )
A inclusão da ação ⎝ TI s ⎠
derivativa permite o
derivativa permite o
Controlador
aumento da velocidade da resposta
Pneumático
Proporcional

História dos Controladores PID Controlador PID

1914 – The flapper‐nozzle amplifier, by Edgar H. Bristol of p ç
- Composição dos modos de controle
Foxboro. A pneumatic proportional controller, commercially Proporcional, Integral e Derivativo
available at 1919.
1920 – Eletro‐mechanical controller with integral action, by - Simplicidade
Morris E. Leeds of Leeds & Northrup. However, the combined
Morris E. Leeds of Leeds & Northrup. However, the combined - Robustez
PI controller was just offered at 1929.
1935 –
1935 – Development of the pre‐act effect, by Ralph Clarridge
Development of the pre act effect by Ralph Clarridge - Desempenho
of Taylor Instrument, that was only tested on special cases
- Fácil entendimento
until 1939 when the redesigned Fulscope controller was
until 1939, when the redesigned Fulscope controller was
introduced with the first PID mode.
Indústria típica:
p - 2000 malhas de controle
1942 – Ziegler & Nichols PID Tuning Method
Zi l & Ni h l PID T i M h d
*According BENNETT (2001) - 97% controlador PI
Questionamento Causas
p j , estratégia
- Básicas: erros de projeto, g de
Como um controlador
controle inadequada, ...
tão simples,
tão
ã antigo,
i - Instrumentação: sensores, atuadores, ...
tão estudado,
e o mais comum - Processo: restrições inerentes, distúrbios,
nos processos industriais de todo o mundo, incertezas, não
não-lineridade,
lineridade, ...
não está funcionando satisfatoriamente
na maioria dos casos? - Controlador: métodos inadequados
inadequados,
diferentes parametrizações, discretização, ...
- Adicionais: falta de tempo ou

conhecimento ...
conhecimento,
Controle Feedback ΔD1(s) ΔD2(s)
ΔYSET (s) E(s)

() ΔU(s)
ΔU( ) + + ΔY( )
ΔY(s)
C (s ) G (s )
-
ΔYF(s) + ΔN(s)
H (s )
Variáveis
Os melhores métodos para se determinar a estabilidade são no ΔYSET((s)) : SetPoint,, referência,, valor
ΔYSET (s) - ΔYF(s)
E(s)=ΔY
E(s)
domínio da frequência
d í d f ê (bode e nyquist), pois permitem que se
(b d ) desejado
determine as principais medidas de robustez (Máxima sensibilidade,
Reserva de Fase e Margem de Ganho)
Reserva de Fase e Margem de Ganho).
• Blocos ΔY(s) : variável de processo (PV),
▫ C(s) controlador variável controlada
ΔU(s) : ação de controle, variável
▫ G(s) planta, processo
manipulada (MV)
▫ H(s) filtro p/ ruído E(s) : erro ΔN(s): ruído
ΔD1(s),
(s) ΔD2 (s) : Distúrbios
FT Malha Fechada ΔD1((s)) ΔD2((s))

Lugar das Raízes
• Consiste em se determinar as raízes do polinômio característico para
ΔYSET (s) E(s) ΔU(s) + + ΔY(s)
C (s ) G (s ) diferentes valores de ganho k
diferentes valores de ganho k
- • Com o ganho do controlador (k) é um dos principais parâmetros de
ajuste este método permite que se determine de uma maneira
ajuste, este método permite que se determine de uma maneira
ΔYF(s) + simples os valores limites que poderá assumir k sem instabilizar a
H (s ) ΔN(s)
malha de controle
• Determine as F.T. em malha fechada dos diferentes sinais • A malha tipicamente utilizada na análise é a seguinte:
ΔY ( s ) GC ΔY ( s ) 1 ΔY (s ) − GCH
= = =
ΔYSET (s ) 1 + HGC ΔD2 (s ) 1 + GCH ΔN (s ) 1 + GCH
ΔU ( s ) C ΔU ( s ) − CH ΔU ( s ) − CH
= = =
ΔYSET (s ) 1 + HGC
GC ΔD2 (s ) 1 + GC
GCH ΔN (s ) 1 + GC
GCH
ΔY ( s ) G ΔU (s ) − CHG
= =
ΔD1 (s ) 1 + CHG ΔD1 (s ) 1 + CHG
Regras Básicas
Conceitos Básicos
á
p p p ( ) ( )
1. Colocar no plano complexo os pólos (x) e os zeros (o) da
• O polinômio característico para a FT do laço, isto é, os pólos e zeros de L(s)=GC(s). O lugar
malha apresentada
malha apresentada 1 + kGC (s ) = 0
1+ das raízes começa nos pólos de L(s) e termina nos zeros
das raízes começa nos pólos de L(s) e termina nos zeros
anteriormente é dada por: de L(s).
• Os pólos do sistema em malha
Os pólos do sistema em malha
fechada são obtidos através do NUM (s )
1+ k =0
cálculo das raízes do polinômio
cálculo das raízes do polinômio DEN (s ) k = 0, DEN (s ) + k ⋅ NUM (s ) = 0 ⇔ DEN (s ) = 0
característico que neste caso irá
assumir a seguinte forma:
assumir a seguinte forma: 1
k = ∞, DEN (s ) + NUM (s ) = 0 ⇔ NUM (s ) = 0
k
DEN (s ) + k ⋅ NUM (s ) = 0

Regras Básicas Regras Básicas

ç g p
2. O número de ramificações é igual ao número de pólos ((np)
p) g ç
4. O lugar das raízes é simétrico em relação ao eixo real
3. Para k ≥ 0, qualquer ponto no eixo real que ficar do lado 5. As assíntotas são calculadas da seguinte forma:
esquerdo de um número ímpar de singularidades (i e
esquerdo de um número ímpar de singularidades (i.e.,
pólos+zeros) fará parte do lugar das raízes np nz
∑ Re( pi ) −∑ Re(zk )
σ0 = i =1 k =1
np − nz
(1 + 2h )180°
γ= h = 0,1, (np − nz − 1)
np − nz

Exemplo -- 1º
1 ao 3º
3 Passo: Exemplo -- 4º
4 ao 5 5º passos
(− 3 − 2 − 1) − (0 ) (1 + 2 x0 )180°
σ0 = = −2 γ 0 = = 60°
6 IMAG 3−0 3
L( s ) = (1 + 2 x1)180° (1 + 2 x2 )180°
(s + 1)(s + 2 )(s + 3) γ1 =
3
= 180° γ2 =
3
= 300IMAG
° = −60°
γ 1 = 180° γ 0 = 60°
REAL REA
p = -3
3 p = -2
2 p = -1
1 p = -3 p = -2 p = -1
σ 0 = −2 γ 2 = −60°

Ganho (KU) e Período (PU) Ultimativos IMAG Exemplos
REAL
p = -3 p = -2 p = -1

Exemplos (cont
(cont.)) Critério de Nyquist - Introdução
• É um critério de estabilidade baseado no DOMíNIO da Freqüência
• Esta baseado na teoria dos resíduos a qual diz o seguinte:
Imag Imag
F(s)
Real Real
N = Z-P

Visualizando ΔY ( s )
=
GC
=
L(s ) Traduzindo em palavras (Conclusão)
ΔYSET (s ) 1 + GC 1 + L(s )
ΔD(s) • F(s) = 1+ L(s) , se L(s)= NUM(s)/DEN(s) teremos
F( ) 1 L( ) L( ) NUM( )/DEN( ) t
F(s) = (DEN(s) + NUM(s)) / DEN(s)
ΔYSET (s) ()
E(s) ΔU(s)
() + ΔY(s)
C (s ) G (s )
- • F(s) => Função de transferência, a qual está relacionada da seguinte
forma com os pólos do sistema em malha aberta e fechada
Pólos de F(s) são iguais aos pólos de L(s), i.e., pólos do sistema em malha aberta
Zeros de F(s)
( ) são iguais as raízes do polinômio característico as quais são iguais
g p q g
• Se
Se considerarmos
considerarmos num(s ) den
d (s ) + num(s )
L(s)= NUM(s)/DEN(s) F ( s ) = 1 + L( s ) = 1 + = aos pólos do sistema em malha fechada
den(s ) den(s )
ficamos com: • Moral da história: os zeros de F(s) são os pólos da malha fechada,
Moral da história: os zeros de F(s) são os pólos da malha fechada
num(s ) num(s ) logo devemos determinar o número de zeros de F(s), pois a
estabilidade depende deles.
ΔY ( s ) den (s ) den(s ) num(s )
= = =
ΔYSET (s ) 1 + num ( s ) den ( s ) + num ( s ) den(s ) + num(s )
den(s ) den(s )
Como podemos utilizar a historinha das circulações para Imag

determinar a estabilidade? ∞j F(s) = 1 + L(s)
F(s) = 1 + L(s) Imag • Temos que ir a cata dos

zeros de F(s) que estão Imag
Rjj localizados no semi‐plano
oca ados o se p a o ωj
direito, pois eles serão os
responsáveis para
estabilidade da malha
estabilidade da malha Real
ωj fechada.
-ωj
• P
Para tanto, teremos que
t t t F(∞j) F(0j)
fazer um círculo capaz de
Real circular todo o semi‐plano F(-∞j) F(0j)
ωj
-ωj ∞j
-∞j
direito.
• A
A seguir basta contar o
seguir basta contar o
-Rj número de circulações para
se determinar a estabilidade

Imag F(s) = 1 + L(s) Critério de Nyquist

F(s)=0
L(s) = -1
1
N=Z–P
Imag
N = Número de Z = Número de P = Número de Pólos de
circulações na origem Zeros de F(s) F(s) ( = pólos de L(s))
F(∞j) F(0j)
F(-∞j) F(0j)
N = Número de N=P
P_MF
MF – P_MA
P MA
circulações em torno do
-1 L(∞j) L(0j)
ponto
t -1
1 (N positivo
iti P_MF
P MF = Número
Nú d
de P_MA
P MA = Número
Nú d
de
sentido horário e Pólos Instáveis em Pólos Instáveis em
L(-∞j) L(0j) negativo anti-horário)
anti horário) Malha Fechada Malha Aberta
• Critério de Nyquist: O diagrama de nyquist deverá circular o ponto ‐1

P_MA vezes no sentido anti‐horário para que o sistema seja estável em
malha fechada. Onde P_MA é o número de pólos instáveis em malha
aberta.
b t
Critério de Nyquist - Exemplos Critério de Nyquist - Exemplos

−1
G (s ) = −1
G1=tf(‐1, conv([‐10 1],conv([2 1],[1 1])))
f( ([ ] ([ ] [ ])))
(− 10 s + 1)(2 s + 1)(s + 1) G1=tf(‐1, conv([‐10 1],conv([2 1],[1 1]))) G (s ) =
N = P_MF – P_MA então P_MF= N + P_MA (− 10 s + 1)(2 s + 1)(s + 1)
P_MF= 0 + 1 = 1 P_MF= 0 + 1 = 1

Critério de Nyquist - Exemplos Critério de Nyquist - Exemplos

−1 −1
G1=tf(‐1, conv([‐10 1],conv([2 1],[1 1]))) G (s ) = G1=tf(‐1, conv([‐10 1],conv([2 1],[1 1]))) G (s ) =
(− 10 s + 1)(2 s + 1)(s + 1) (− 10 s + 1)(2 s + 1)(s + 1)
P_MF= -1 + 1 = 0

Critério de Nyquist - Exemplos Construção do Diagrama de Bode

−1
G1=tf(‐1, conv([‐10 1],conv([2 1],[1 1]))) G (s ) = • Iremos ver que o critério de Bode pode ser visto como sendo a
(− 10 s + 1)(2 s + 1)(s + 1) p ç yq
interpretação do critério de nyquist aplicado
p ao diagrama de bode
g
P_MF= 1 + 1 = 2
• Antes de vermos o critério de bode propriamente tipo iremos vermos
como podemos construir um diagrama de bode
como podemos construir um diagrama de bode
• Embora as informações contidas no diagrama de bode sejam as
mesmas dos diagrama de nyquist, iremos ver que a construção de
diagramas de bode é muito mais simples e imediata que a geração
do diagrama de nyquist
do diagrama de nyquist.
• Observe que o diagrama de bode será gerado facilmente através da
utilização de assíntotas e um pouco de desenho técnico.

Diagrama de Bode – FT 1º
1 Ordem (lag) Diagrama de Bode – FT 1º
1 Ordem
ω → 0 ⇒ log10 G ( jω ) = log10 K
K 1 − jωτ K
G (s ) =
K G ( jω ) = × = (1 − jωτ )
τs + 1 τ ⋅ jω + 1 1 − jωτ 1 + (ωτ )2
K
RA = G ( jω ) = φ = − ATAN (ωτ )
1 + (ωτ )2 1
ω→∞ ⇒
ω= log10 G ( jω ) = log10 K − log10 (ωτ )
τ
1
(
log10 G ( jω ) = log10 K − log10 1 + (ωτ )2
2
)
Agora vamos calcular as assíntotas:
ω → 0 ⇒ log10 G ( jω ) = log10 K
ω → ∞ ⇒ log10 G ( jω ) = log10 K − log10 (ωτ )

Diagrama de Bode – FT 1º
1 Ordem Diagrama de Bode – FT (lead)
G (s ) = β s + 1 G ( jω ) = β ⋅ jω + 1
RA = G ( jω ) = 1 + (ωβ )2 φ = ATAN (ωβ

β)
1
log10 G ( jω ) = log10 1 + log10 1 + (ωβ )2
2
( )
Agora vamos calcular as assíntotas:
ω → 0 ⇒ log10 G ( jω ) = 0
ω → ∞ ⇒ log10 G ( jω ) = log10 (ωβ )

Diagrama de Bode – FT lead Diagrama de Bode – FT lead
1
ω=
β

Diagrama de Bode – Tempo Morto Diagrama de Bode – Tempo Morto
G (s ) = exp(− θs )
G ( jω ) = exp(− θ ⋅ jω ) = cos(θω ) − j sen(θω )
RA = G ( jω ) = cos(θω )2 + sen(θω )2 = 1
⎛ I (ω ) ⎞ ⎛ − sen(θω ) ⎞
φ = ATAN ⎜ ⎟ = ATAN ⎜ ⎟ = −θω
⎝ R (ω ) ⎠ ⎝ cos(θω ) ⎠
log10 G ( jω ) = log10 1
φ [graus ] ω[radianos ]
= −θ
180° π
Diagrama de Bode para FT genéricas Diagrama de Bode para FT genéricas
K (βs + 1) 1(3s + 1)
G (s ) = exp(− θs ) G (s ) = exp(− 0.1s )
(τ1s + 1)(τ 2 s + 1)(τ 3s + 1) (10 s + 1)(2 s + 1)(s + 1)
K (β ⋅ jω + 1) e jφa
G ( jω ) = exp(− θ ⋅ jω )
(τ1 ⋅ jω + 1) e jφb (τ 2 ⋅ jω + 1) e jφc (τ 3 ⋅ jω + 1) e jφd
K (β ⋅ jω + 1)
RA = G ( jω ) =
(τ1 ⋅ jω + 1) (τ 2 ⋅ jω + 1) (τ 3 ⋅ jω + 1)
φTOTAL = φa (ω ) − {φb (ω ) + φc (ω ) + φd (ω ) + ωθ }

Diagrama de Bode para FT genéricas Critério de Bode – Plantas Estáveis em MA

1(3s + 1)
G (s ) = exp(− 0.1s )
• O critério
ité i dde B
Bode
d pode
d ser visto
i t como
(10 s + 1)(2 s + 1)(s + 1) sendo uma extensão do critério de Nyquist.
• Aqui iremos apresentar apenas a versão do
critério de bode para sistemas estáveis em
dB = 20 log10 G ( jω )
malha aberta.
• No caso de sistemas estáveis em malha
aberta, para o sistema ser estável em malha
fechada basta que o diagrama de nyquist
não “abocanhe” (circule) o ponto -1.
• A idéia então é se verificar através do
diagrama de bode se o sistema circulou ou
não o -1.
• O ponto -1, no diagrama de bode é
representado por 0dB e pela fase -180°

Critério de Bode – Plantas Estáveis em MA Critério de Bode – Plantas Estáveis em MA

40
From: U(1)
INSTÁVEL
20
-20
20
Estável em Malha Fechada
e (deg); Magniitude (dB)

-40
ESTÁVEL
-60
ωc 0
Phase -30
ω180o = ωu -60
-90
-120
-150
1)
To: Y(1
-180
Estável em Malha Fechada -210
-240
-270
-300
-330
-360
-2 -1 0 1
10 10 10 10
Frequency (rad/sec)

Interpretação Física do Critério de Bode Interpretação Física do Critério de Bode

1
1
• Considere um sistema estável 0.8 SINAL de ENTRADA • Quando se fecha a malha o 08

0.8 SINAL de ENTRADA
que seja perturbado por um 0.6
sinal de saída é multiplicado 0.6
sinal senoidal com freqüência 0.4

SINAL de SAÍDA por -1, ou seja, volta a ficar 0.4 SINAL de SAÍDA
ω_180°
180° e que após
ó tter 0.2
parecido
id com o sinal
i ld de 0.2
estabelecido uma resposta 0 entrada. 0
senoidal de saída esta é -0.2

-0.2
retroalimentada na entrada do -0.4

-0.4
SINAL de SAÍDA
sistema. -0.6
-0.6
Retro-Alimentado
-0
0.8
8
-0.8
-1
0 1 2 3 4 5 6 7 8 9 10 -1
0 1 2 3 4 5 6 7 8 9 10
ΔYSET (s) ΔY(s) ΔYSET (s) ΔY(s)

G (s ) G (s )
- -

Interpretação Física do Critério de Bode

1.5
SINAL de SAÍDA INSTÁVEL
1
0.5 SINAL de ENTRADA
0
Robustez é quantificada através de distâncias da instabilidade. As
SINAL de SAÍDAESTÁVEL melhores medidas são obtidas através dos diagramas de bode e
lh dd ã b d é d d d b d
-0.5 nyquist, ou seja, através da resposta no domínio da frequência.
-1
-1.5
0 1 2 3 4 5 6 7 8 9 10

Robustez é fundamental !!! Margem de Ganho (MG)

• O que é Robustez?
ΔYSET (s) ΔY(s)
É a capacidade de um controlador projetado para um determinado sistema C (s ) G (s ) MG
(ponto de operação) vir a trabalhar satisfatoriamen te (sem instabilizar) com -
outro sistema (ponto de operação).
outro sistema (ponto de operação)
Esta é uma propriedade fundamental para a aplicação prática de controladores
no cenário industrial, onde as plantas exibem um certo grau de não‐linearidade
, p g
e os controladores são projetados utilizando‐se aproximações lineares em
pontos de operação específicos.
• Margem de ganho consiste no maior valor de MG ∈ ℜ+ (números
reais positivos) que uma malha de controle pode suportar antes de
reais positivos) que uma malha de controle pode suportar antes de
Para plantas estáveis em malha aberta, o controlador mais robusto, ou seja, o
controlador que irá suportar a maior variação no comportamento dinâmico da
instabilizar.
planta é nenhum controlador Mas esta situação apresenta desempenho
planta é nenhum controlador. Mas esta situação apresenta desempenho • Pode ser visto como sendo a máxima variação no ganho
ç g
péssimo. estacionário da planta que uma determinada malha de controle
Desta forma existe um compromisso entre ROBUSTEZ e DESEMPENHO. A grosso suportaria sem instabilizar.
modo maior DESEMPENHO tende a diminuir a ROBUSTEZ, enquanto que maior • Em termos práticos, um bom controlador deverá ter no mínimo
ROBUSTEZ tende a diminuir o desempenho. MG ≥ 1,7.
O GRANDE objetivo é se atingir o DESEMPENHO ROBUSTO
O GRANDE objetivo é se atingir o DESEMPENHO ROBUSTO
Margem de Ganho via Diagrama de Bode

Margem de Ganho via Lugar das Raízes
ω180° 1 1
MG = MG =
L( jω180° ) A
ω180o
1
MG =
A
A = L( jω180° )

Margem de Ganho via Diagrama de Nyquist

Reserva de Fase (RF)
Imag
1 ΔYSET (s) ΔY(s)
MG = C (s ) G (s ) e −θs
A -
A
• A reserva de fase consiste no maior valor de tempo morto ∈ ℜ+
-1
(números reais positivos) que uma malha de controle pode
Real suportar antes de instabilizar
suportar antes de instabilizar.
• Pode ser visto como sendo a máxima variação na dinâmica da
planta que uma determinada malha de controle suportaria sem
planta que uma determinada malha de controle suportaria sem
instabilizar.
L(jw) • Em termos práticos, um bom controlador deverá ter no mínimo
m termos práticos, um bom controlador deverá ter no mínimo
RF ≥ 30º π RF
• O tempo morto é calculado da seguinte forma: θ=
180° ωc
Reserva de Fase via Diagrama de Bode Reserva de Fase via Diagrama de Nyquist
Imag
1
MG =
A
-1
ωc
Real
RF
RF=180o – |FASE MEDIDA|

L(jw)

Máxima Sensibilidade (Ms) Função de Sensibilidade

S(s)
ΔYSET (s) ΔY(s) ΔD((s)
C (s ) G (s )
*
M * e −θ s
ΔYSET (s) + ΔY(s)
- C (s ) G (s )
-
• A máxima sensibilidade consiste no menor esforço necessário para
A máxima sensibilidade consiste no menor esforço necessário para
instabilizar uma determinada malha de controle. Consiste em uma • A função de sensibilidade (S) é a função que relaciona a saída ΔY
variação simultânea de ganho (M*) e tempo morto (θ*) sendo
com a entrada ΔD.
com a entrada D ΔY 1 1
ambos ∈ ℜ+ (números reais positivos). = S (s ) = =
ΔD 1 + GC (s ) 1 + L(s )
• Em termos práticos, um bom controlador deverá ter
2,2 (alto desempenho) ≥ Ms ≥ 1,2 (alta robustez) • A origem do nome se deve ao fato de a função de sensibilidade
A i d d f t d f ã d ibilid d
• O tempo morto é calculado da seguinte forma: relacionar a incerteza da resposta em malha fechada (T(s)) com
uma incerteza em malha aberta através da seguinte relação:
uma incerteza em malha aberta, através da seguinte relação:
1 π RF * ΔT ( s ) ΔG ( s )
M* = θ* = = S (s )
L ( jω S ) 180° ω S
180 T (s ) G (s )
Máxima Sensibilidade (Ms) Máxima Sensibilidade (Ms) (cont.)

Imag Imag R ( jω ) = L( jω ) − (− 1 + j 0 )
1
MS =
RS R ( jω ) = 1 + L( jω )
-1 -1
RS Real Real
R(jw)
L(jw) RS = min R ( jω ) = min 1 + L( jω )
ω ω
L(jw)
1
max = max S (s ) = M S
ω 1 + L( jω ) ω

Máxima Sensibilidade (Ms) Máxima Sensibilidade (Ms)
log10 S ( jω )
MS
A*
100 1
M* =
A* ωs
RF* =180o – |FASE MEDIDA|
ωS

Critérios de Robustez – Determinado em Diversos Diagramas

g Critérios de Robustez
baseados no domínio da
freqüência
q
Margem de ganho (MG): medida de quanto o sistema suportaria a

1
uma variação no ganho estático. O valor limite recomendado é MG =
L( jω180° )
MG > 1,7 (TRIERWEILER e POSSER, 2002).
Máxima sensibilidade (MS): máximo valor da função de

Diagrama
g de q
sensibilidade. É equivalente ao inverso da menor distância da curva MS = max S ( j ⋅ ω)
Nyquist do sistema no diagrama de Nyquist ao ponto crítico -1. O valor limite 0≤ω<∞
recomendado é MS < 2,2 (ÅSTRÖM e HÄGGLUND, 1995).

de L=GC
Reserva de fase (RF): reserva existente para a fase cair abaixo de -

180°° − arg(L( jωc ))
180º para um ganho estático unitário. O valor limite recomendado é RF = 180
RF > 30º (BOLTON, 1995)
.

Critérios de Desempenho
• O que é desempenho/performance?
q p p
Simulation
Variável deResults for Model:- g4
Processos | Plant: g4
Variável | Simulink Model: SIM-PID-1
controlada
8
ble
Conttroled Variab
6
Características
4
Servo =
2 S
Servo R
Regulatória
l ói
Mudança de Setpoint
0
Juntamente com a Robustez o Desempenho representa uma das 0 200 400 600 800 1000 1200 1400 1600 1800 2000
principais métricas que deverá ser satisfeita pelo método de ajuste
é d á f l é d d Regulatória =
Time
Ti
3
de controladores. Distúrbio na Carga
2 Ação de Controle -
ontrol Action
n
Variável Manipulda
1
Co
0
-1
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Time
Ti

Desempenho Localização do Distúrbio

• Do que depende o desempenho?
q p p • Mas o que é distúrbio na carga?
Do tipo de perturbação (degrau, rampa, senoidal) Tipicamente distúrbios que ocorrem na alimentação do processo, tais como
Do local onde é aplicada na malha de controle (setpoint, distúrbio
Do local onde é aplicada na malha de controle (setpoint, distúrbio temperatura de alimentação, composição de alimentação,etc.
p ç , p ç ç ,
na carga) Estes distúrbios apresentam uma dinâmica similar a apresentada pelas
variáveis manipuladas desta forma são normalmente representados na
p p
• Como pode ser medido o desempenho? entrada do bloco da planta.
Através da inspeção visual das simulações
Através da inspeção visual das simulações
Através de métricas baseadas no acompanhamento do erro Distúrbio na
(e=yyset ‐ y) ao longo do tempo
(e y) ao longo do tempo Carga
U
Através de parâmetros que caracterizam a resposta de sistemas de Yset
C
+
G
Y
2°ordem (tempo de subida assentamento overshoot)
2°ordem (tempo de subida, assentamento, overshoot) -

Distúrbio na carga - exemplo (cont )

Exemplo de distúrbio na carga (cont.)
1 Fin
A⋅L A⋅ L
ΔΤ(s ) ρcFin − Fin s ΔT (s ) − s
= G (s ) = e = Gd (s ) = V e Fin
ΔQ(s ) V
s +1 ΔTin (s ) V
s +1
Fin Fin
Tin
Gd
1 Fin Q
A⋅L A⋅L Tset + T
ΔΤ (s ) ρcFin − Fin s ΔT (s ) − s C G
= G (s ) = e and = Gd (s ) = V e Fin
ΔQ (s ) V
s +1 ΔTin (s ) V
s +1
-
Fin
i Fin
i

(cont )
Exemplo de distúrbio na carga (cont.) Exemplo de distúrbio na carga (final)
Fin A⋅ L
− s
V
e Fin Ti
Tin
V Fin Gd/
s +1 G Gd/G é apenas uma constante
ΔQ(s ) Gd (s ) Fin cρ Fin2
= = = V =
ΔTin (s ) G (s ) 1 1 Tset Q T
V C G
A⋅ L
ρcFin − s
cρ Fin -
e Fin
V
s +1
Fin
Tin Distúrbio na
Gd/ g
Carga
G
Yset U Y
Tset Q T C G
+
C G -
-

Simulação Típica A) Critérios de Desempenho Baseados

em Respostas de FT de 2°
2°ordem
Distúrbio na
Carga
Yset U Y
C G
-
S im u la t io n R e s u lt s fo r M o d e l: g 4 | P la n t : g 4 | S im u lin k M o d e l: S IM -P ID -1
8
ariable
6
Controled Va
0
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Tim e
B) Desempenho Baseados em Integrais do Erro Exemplo ilustrativo ilustrar que robustez e

desempenho são propriedades distintas
22 36
22,36
M1 = ⋅ e −0,1⋅s
Integral do erro (IE): integral do sinal de erro no tempo. Este índice não é ∞
(1,929 ⋅ s + 1) ⋅ (1, 204 ⋅ s + 1) ⋅ ( 0,703 ⋅ s + 1)
usual pois erros positivos cancelam erros negativos, podendo mascarar o IE = ∫ e ( t )dt 35,36
,
resultados para respostas subamortecidas (MARLIN, 1995). 0 M2 = ⋅ e −0,1
0 1⋅ s
( 4,764 ⋅ s + 1)(⋅ 2,985 ⋅ s + 1)(⋅ 1,736 ⋅ s + 1)

44,72
M3 = ⋅ e −0,1⋅s
Integral do erro absoluto (IAE): integral do valor absoluto do sinal de erro
no tempo. É equivalente à soma das áreas acima e abaixo do valor de
∞
IAE = ∫ e ( t ) dt
( 3,852 ⋅ s + 1) ⋅ ( 2, 450 ⋅ s + 1) ⋅ (1, 405 ⋅ s + 1)
0
referência (MARLIN, 1995).
Integral do erro absoluto ponderado no tempo (ITAE): integral do tempo ∞
multiplicado
l i li d pelo
l valor
l absoluto
b l do
d sinal
i l de
d erro no tempo. Este índice
di ITAE = ∫ t ⋅ e ( t ) dt
0
penaliza erros que se mantém no tempo (MARLIN, 1995).
Integral do erro quadrático (ISE): integral do quadrado do sinal de erro no ∞

ISE = ∫ ⎣⎡e ( t ) ⎦⎤ dt
2
tempo. Este índice, por definição, penaliza mais, valores maiores
0
d sinal
do i l de
d erro (MARLIN,
(MARLIN 1995)1995).

(cont )
Exemplo ilustrativo sobre robustez (cont.) (cont )
Exemplo ilustrativo sobre robustez (cont.)
Simulação e Controladores
controladores
t l d projetados para M3
projetados para M3 e simulados com M2
Qual dos
controladores é o mais
robusto?
Onde podemos
enxergar esta
informação?

(cont )
Exemplo ilustrativo sobre robustez (cont.)
Controladores
projetados para M3
e simulados com M1
Um bom ajuste deverá conciliar tanto critérios de desempenho
quanto de robustez. O objetivo maior é se atingir o desempenho
d b b é d h
robusto.

Como Sintonizar um PID? Método da Tentativa

Tentativa--Erro
- Modo Proporcional:
Rápida correção do processo
- Ferramentas auxiliares Gera offset
- Modo Integral: - Modo Derivativo:
- Auto-ajuste
j Elimina offset Torna mais robusto
- Regras de ajuste (empíricas e Reduz a estabilidade Sensível a ruidos
teóricas)
ó Resposta em Tempo de Overshoot Tempo de Offset Efeito do
malha fechada subida assentamento ruído
- Métodos analíticos ↑KP ↓ ↑ ↑ ≈ ↓ ↑ ≈

↑1/τI,, ↓τI ↓ ↑↑ ↑ 1 ≈
- Tentativa e erro
↑D=τD ≈ ↓↓ ↓↓ ≈ ↑↑
- Factory Tuning
↓ Diminui,
Di i i ↑ Aumenta,
A ≈ Pequenas
P i õ 1 Elimina
variações, Eli i
Oq
que está p
por trás dos p
parâmetros de um controlador PID? Método da Síntese Direta - Exemplo 1
Método da Síntese Direta
Para ilustrar o método vamos considerar uma
Método
Mé d da d Síntese
Sí Direta
Di aplicado
li d a y (s ) GC (s ) T (s ) =
1
T (s ) =
função de primeira ordem para o desempenho
=
malhas SISO r (s ) 1 + GC (s ) em malha fechada τ cl s + 1
y(t)
1 T (s )
C (s ) =
Step Response
×
1.2
G (s ) 1 − T (s )
1
0.8
r y 0.6
1 1
G (s ) =
K
- C (s ) =
04
0.4
0.2 ×
0
G τ cl s τs + 1
-0.2
-0.4
0 5 10 15
Time
⎛ ⎞
T (s ) τs + 1 1 ⎛ τ ⎞⎜
1 1 ⎟
C (s ) =
A expressão
ã para o controlador
t l d para uma d
dada
d planta
l t
C (s ) =
1 × = ⎜ ⎟⎜1 + ⎟
G(s) e para um desempenho em malha fechada T (s) é ×
G (s ) 1 − T (s ) K τ cl s K ⎜⎝ τ cl ⎠⎟⎜ τ{ s ⎟
dado por: 1
424 3⎝ τ I ⎠
KP
Método da Síntese Direta - Exemplo 2 Método da Síntese Direta - Exemplo 3
Para ilustrar o método vamos considerar

1 A função em malha
T (s ) =
Para o caso de uma
uma função de primeira ordem para o Ke −θ S e −θ S
desempenho em malha fechada τ cl s + 1
planta de fase não- G (s ) = fechada terá que T (s ) =
mínima do tipo : τs + 1 p
incluir o mesmo tempo τ cl s + 1
morto, ou seja:
1 T (s )
C (s ) = ×
G (s ) 1 − T (s ) 1 T (s )
C (s ) = × C (s ) =
(τs + 1) ⎛⎜ 1 ⎞
1 1 G (s ) = 2 2
K G (s ) 1 − T (s ) ⎜ τ s + 1 − exp( −θs ) ⎟⎟
C (s ) = × K ⎝ cl ⎠
G τ cl s τ s + 2ζτs + 1
⎛ ⎞ ⎛ ⎞
τ ⎜ 1 ⎟
τ s + 2ζτ
2 2
ζ ⎜⎜
ζ s + 1 2ζτ 1 τ ⎟⎟ Capp (s ) = ⎜1 + ⎟ exp (− θs ) ≈ 1 − θs
C (s ) = = 1+ + s K (τ cl + θ )⎜ τ{ s ⎟
Kτ cl s Kτ cl ⎜ ζτ s {
2{ 2ζ ⎟ 14243
123⎜
KP ⎝
⎟ ⎝ τI ⎠
τI τD ⎠ KP

Método da Síntese Direta - CONCLUSÕES Projeto de Controladores pelo método IMC

• Principais conclusões: • Estrutura Clássica
O controlador pode ser visto como sendo a inversão do modelo da planta
multiplicado por uma função do desempenho alcançável. D
1 T (s ) U
C (s ) =
Yset Y
×
G (s ) 1 − T (s )
C G
-
Os parâmetros do controlador são uma função dos ganhos e da dinâmica da
planta. Para sistemas estáveis em malha‐aberta o ganho do controlador sempre
será o inverso do ganho da planta multiplicado por uma função adimensional • Estrutura IMC (Internal Model Control)
que relaciona a dinâmica do sistema em malha aberta com a dinâmica desejada
D
em malha fechada ao passo que TI e T
em malha fechada, ao passo que T e TD serão uma função das constantes de
serão uma função das constantes de U
Yset Y
tempo da planta. Q G
- +
GM
-

Projeto de Controladores pelo método IMC Projeto de Controladores pelo método IMC
• Estrutura Clássica • 1 Passo: Fatorar o modelo do processo
p
Q
C= Imag
1 − QGM D
Yset U Y + −
-
GM (fatores de GM+ (fatores de
C G GM = GM GM fase mínima) fase não-mínima)
- Real
Parte inversível Parte que NÃO pode
do Modelo ser invertida do Modelo
• Estrutura IMC (Internal Model Control) • 2° Passo: Especificar o controlador

D
U
Yset Y 1 1
Q G Q= × Onde TAU_CL é o parâmetro de ajuste e
- + GM (τ cll s + 1)r
− r é escolhido de tal forma a transformar
1424 3 a diferença entre a ordem do numerador
GM filtro e do denominador de Q(s) não maior que 1

Projeto pelo método IMC - Exemplo Regras de Ajuste para FTPOT G (s ) =

Ke −θ S
τs + 1
• 1 Passo: ⎛1 − θ s ⎞ Método KC TI TD
K ⎜ 2 ⎟ ⎛ θ ⎞ K 1,2 τ
0,5⋅ θ
Ke −θs
⋅ 2⋅ θ
GM = ⎜ ⎟ = ⎜1 − s ⎟ ZN
K θ
= θ
τs + 1 ⎜ 1 + s ⎟ ⎝1 θ
GM
τs + 1 4224 3⎠ ⎛⎜1 + s ⎞⎟(τs + 1) CHR - 0%
0,6 τ
⋅ τ 0 5⋅ θ
0,5⋅
⎝14224 3⎠ + ⎝14422 ⎠ 44 K θ
GM 3 0,95 τ
1,357 ⋅ τ 0,474⋅ θ
Padé − CHR - 20% ⋅
GM K θ
• 2° Passo: ⎛1 + θ s ⎞(τs + 1) 1 ⎛ τ⎞
⎛ θ⎞
⎜ 1,35 + 0,25 ⋅ τ ⎟ 0,5 ⋅ θ
⎜ ⎟ CC ⋅ ⎜ 0,25 + 1,35 ⋅ ⎟ θ⋅ ⎜
θ⎟
θ
⎛1 + θ s ⎞(τs + 1) C= ⎝ 2 ⎠ K ⎝ θ⎠ ⎜⎜ 0,54 0 33 ⋅ ⎟⎟
0 54 + 0,33
1,35 + 0,25 ⋅
τ
⎜ ⎟ Q θ
⎝ τ⎠
Q= ⎝ 2 ⎠
×
1 C=
1 − QGM K ⎜⎛τ cl s + ⎞⎟ s 0,965 ⎛ τ ⎞
0,85 τ
⎛ θ⎞
0,929
K (τ cl s + 1)1 ⎝ 2⎠ ITAE - s ⋅⎜ ⎟
K ⎝ θ⎠ 0 796 − 00,1465
0,796 1465 ⋅
θ
τ
0,308
, ⋅ τ⋅ ⎜ ⎟
⎝ τ⎠
τ
2⎛⎜ ⎞⎟ + 1
0,947 0,738 0,995
1,357 ⎛ τ ⎞ τ ⎛ θ⎞ ⎛ θ⎞
ITAE - r ⋅⎜ ⎟ ⋅⎜ ⎟ 0,381⋅ τ⋅ ⎜ ⎟
1 1 1 ⎝θ ⎠ θ τ K ⎝ θ⎠ 0 842 ⎝ τ ⎠
0,842 ⎝ τ⎠
Q= × KP = , τ I = +τ , τ D =
−
(τ cl 2
s + 1)r K ⎛ τ cl ⎞ τ
2⋅ τ + θ θ τ⋅ θ
2⎛⎜ ⎞⎟ + 1
GM 2 IMC τ+
14 43 2⎜ ⎟ + 1 2,6 ⋅ K ⋅ θ 2 2⋅ τ + θ
filtro ⎝θ ⎠ ⎝θ ⎠
Identificação Determinação de Ku e Pu
Método da Tangente
Ke −θ S
G (s ) =
τs + 1 r + u y
Método da Sundaresan & Krishnaswamyy ((1977)) - KCu G
Pu
Ku Æ Ganho ultimativo
Pu Æ Período ultimativo
Como ajustar utilizando Ku e Pu Ajuste para Tanque Pulmão

• Critério de Ziegler –
g Nichols Sistemas Integradores
Razão de decaimento Æ 0,25 Fin
Gd
hset + Fout h
C G
Controlador Kp τI τD -
P 0 5 Ku
0,5.K - -
PI 0,45.Ku 0,83.Pu -
PID 0,6.K
6 u 0,5.Pu 0,13.Pu
Ajuste para Tanque Pulmão Ajuste para Tanque Pulmão

• Controlador Proporcional (P)
p ( ) • Controlador Proporcional‐Integral (PI)
p g ( )
Δhmax Δhmax
100%
100%
ΔFmax
ΔFmax
0%
Robustez, Desempenho e Ajuste de PID 0% 105 Robustez, Desempenho e Ajuste de PID 106
Ajuste rápido - Performance Ajuste rápido – Rejeição distúrbios

Proporcional: Proporcional:
p
Proporcional- Integral: Proporcional-

p Integral:
g
Desempenho:
p Δhmax = 5% da escala máxima Amortecimento: Δhmax = 40% da escala máxima
Reduzem a
Controladores Industriais variabilidade dos Possuem
proc essos problemas de
2000 malhas de controle 20% instrumentaç ão
30%
9 % - controlador
97% l d PI
Apresentam
outros
problemas
20% Possuem
problemas de
p
sintonia
Cenário Industrial 30%
Por que a ação derivativa é pouco usada?
- Problemas de discretização do algoritmo
- Existência de diferentes parametrizações
- Metodologias não satisfatórias

Embora a idéia básica seja a mesma, existem diferentes formas de se
implementar os controladores PID. As maiores diferenças são
i l l d PID A i dif ã
- Resistência à mudança encontradas na ação de controle derivativa, sendo seguida da
proporcional Ação integral é que sofre a menor variação entre as
proporcional. Ação integral é que sofre a menor variação entre as
diferentes implementações encontradas nos sistemas de controle
comerciais
Controlador PID Forma Ideais Conversão Entre as Formas

Série e Paralelo Ideais
Forma Paralela:
l l P Tabela 0.1: Fórmulas de conversão entre os algoritmos PID na forma paralela e série.
⎛ ⎞ e u
1 I
C ( s) = KC ⋅ ⎜1 + + TD ⋅ s ⎟ Série → Paralela Paralela → Série (TI* ≥ TD*)+ Paralela → Série (TD* ≥ TI*)+
⎝ TI ⋅ s ⎠ ⎛ T* ⎞ ⎛ ⎞ ⎛ ⎞
D KC T KC T
KC = KC* ⋅ ⎜1 + D* ⎟ KC* = ⋅ ⎜⎜1 + 1 − 4 ⋅ D ⎟⎟ KC* = ⋅ ⎜⎜1 − 1 − 4 ⋅ D ⎟⎟
⎝ TI ⎠ 2 ⎝ TI ⎠ 2 ⎝ TI ⎠
⎛ ⎞ ⎛ ⎞
⎛ 1 ⎞ TI T TI T
C ( s ) = K ⋅ ⎜1 + * ⎟ ⋅ (1 + TD* ⋅ s )
Forma Série: * TI = TI* + TD* TI* = ⋅ ⎜⎜1 + 1 − 4 ⋅ D ⎟⎟ TI* = ⋅ ⎜⎜1 − 1 − 4 ⋅ D ⎟⎟
2 ⎝ TI ⎠ 2 ⎝ TI ⎠
⎝ TI ⋅ s ⎠
C
TI* ⋅ TD* TI ⎛ T ⎞ TI ⎛ T ⎞
TD = TD* = ⋅ ⎜⎜1 − 1 − 4 ⋅ D ⎟⎟ TD* = ⋅ ⎜⎜1 + 1 − 4 ⋅ D ⎟⎟
D I
TI* + TD* 2 ⎝ TI ⎠ 2 ⎝ TI ⎠
+
e u
Fórmulas válidas somente para os casos onde TI ≥ 4⋅TD
P
Controlador PID Formas Reais Controlador PID

2 Graus de Liberdade
O erro passa por um filtro de primeira ordem
TD s TD s Estrutura com um Grau de Liberdade:
antes de ser calculada a DERIVADA D(s ) = =
s + 1 γTD s + 1
TD
N
Estrutura com dois Graus de Liberdade:

E F (s ) 1
=
E (s ) γTD s + 1
D(s ) = TD s × E F (s )
Forma Série Forma Paralelo
⎛ 1 ⎞ ⎛ TD ⋅ s + 1 ⎞
KC ⋅ ⎜1 + ⎟⋅⎜ ⎟ ⎛ 1 TD ⋅ s ⎞
⎝ TI ⋅ s ⎠ ⎝ γ ⋅ TD ⋅ s + 1 ⎠ KC ⋅ ⎜1 + + ⎟
⎝ TI ⋅ s γ ⋅ TD ⋅ s + 1 ⎠
TD ⋅ s ++11 ⎛ 1 ⎞ (1 + γ ) TI TD s 2 + (TI + γTD ) s + 1 ⎛

KC ⎜1 +
1 ⎞
KC ⎜1 + ⎟
γ ⋅ TD ⋅ s + 1 ⎟ γTI TD s 2 + (TI + γTD ) s + 1 ⎝ TI s ⎠
⎝ TI s ⎠
Filtro de segunda
TD ⋅ s + 1 ordem (1 + γ ) TI TD s 2 + (TI + γTD ) s + 1
γ ⋅ TD ⋅ s + 1 incluindo TI γTI TD s 2 + (TI + γTD ) s + 1
Forma ISA - Padrão Windup

(Instrumentation, Systems, and Automation Society)
• Saturação de variáveis Æ
ç ç ç p
inserção de oscilação no loop
⎧ ⎫ • O que ocorre:
⎪ ΔY − ΔY
ΔU = K C ⋅ ⎨b ⋅ ΔYSET − ΔY + SET
T
+ D
⋅ s ⋅ ( c ⋅ Δ Y SET − ΔY )⎪ O atuador satura em um valor (limite máximo ou mínimo)
O atuador satura em um valor (limite máximo ou mínimo)
⎬
⎪ TI ⋅ s T D
⋅ s +1 ⎪ Neste instante, o feedback do controlador é desconectado e o
⎩ N ⎭ erro é persistente
é it t
⎛ b⎞ ⎛ TD ⎞ ⎛ 1⎞ ⎛ TD ⎞ A porção integral continua a aumentar a integral do erro
⎜ c + ⎟ ⋅ TI ⋅ TD ⋅ s + ⎜ b ⋅ TI + ⎟ ⋅ s + 1 ⎜1 + ⎟ ⋅ TI ⋅ TD ⋅ s + ⎜ TI + ⎟ ⋅ s + 1
2 2
=⎝
N⎠
CPV = ⎝
⎝ N⎠ N⎠ ⎝ N⎠ Quando o erro finalmente diminui, o controlador “demora”
CSP
TI ⋅ TD 2 ⎛ TD ⎞ TI ⋅ TD 2 ⎛ TD ⎞
⋅ s + ⎜ TI + ⎟ ⋅ s + 1 ⋅ s + ⎜ TI + ⎟ ⋅ s + 1 um tempo para reduzir a variável manipulada, devido à
N ⎝ N⎠ N ⎝ N⎠
integral.
Com b=1; c=0 e N=10, torna-se:
CSP = 1 1,1 ⋅ TI ⋅ TD ⋅ s 2 + (TI + 0,1 ⋅ TD ) ⋅ s + 1

CPV =
0 1 ⋅ TI ⋅ TD ⋅ s 2 + (TI + 0,1
0,1 0 1 ⋅ TD ) ⋅ s + 1
Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26 Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26 120
Windup Anti--windup
Anti
• O fato do controlador permanecer saturado mesmo
quando o erro está diminuindo é chamando de • Como superar este problema Æ
Como superar este problema Æ parar de integrar
parar de integrar
p
windup. quando a variável satura
KpτDs
erro
Kp + atuador
Controlador PID
-++
KpτI-1 + s-1
τt-1
Anti--windup
Anti
• Parâmetro de ajuste Æ
j τt
τt
Projeto de controladores nas mais diversas parametrizações levando‐
se em conta diferentes possíveis modelos, os quais podem
df í d l d
corresponder a pontos de operação distintos ou resultarem de
diferentes identificações
diferentes identificações.
Malha de Controle 2GL Método Seqüencial Iterativo
T(s) SIOM (Sequential Iterative Optimization Method)

yR y 2
⎛ 1⎞
jw1
CSP CPI G
- FO = min
PID
∑
s = jw0
⎜ ⎣⎡T ( s ) − T0 ( s ) ⎦⎤ ⋅ ⎟
⎝ s⎠
CPV
⎛ 1 ⎞
CPI = K C ⋅ ⎜ 1 + ⎛ ⎡ G ( s ) ⋅ CPI ( s ) ⋅ ( CSP ( s ) − T0 ( s ) ⋅ CPV ( s ) ) − T0 ( s ) ⎤ 1 ⎞
2
⎟ jw1
⎝ TI ⋅ s ⎠ FO = min ∑ ⎜⎢
⎜⎢ 1 + ( ) ⋅ ( ) ⋅ ( )
⎥⋅ ⎟
⎟
PID
s = jw0
⎝⎣
G s C s C s ⎥
⎦ s⎠
G ( s ) ⋅ CPI ( s ) ⋅ CSP ( s )
PI PV
T (s) =
1 + G ( s ) ⋅ CPI ( s ) ⋅ CPV ( s )
Função Desempenho Alcançável

Forma padrão otimizada pelo critério ITAE
Algoritmo
↑ ωn
↓ ωn
Fatores de Fase Não-

Não-Mínima Vetor de Freqüências
p morto: adição
- Tempo ç p
simples
|T0·S
S0|
- Zeros
e os no
o SPD
S
Fatoração
- Pólos no SPD
1% do valor máximo
- Sistemas Integradores: outros padrões
Análises Pós
Pós--Projeto P bl
Problema M lti bj ti
Multiobjetivo
- Avaliação visual: min γ
γ , x ∈ R+
gráficos com simulação em malha fechada
j i a : FOi ( x ) − wi ⋅ γ ≤ 0
sujeito i = 1..
1 M
- Avaliação quantitativa: jω1 2

⎛ 1⎞
índices de qualidade:
FOi ( x ) = ∑
s = jω0
⎜ ⎡⎣Ti ( s, x ) − T0 ( s ) ⎤⎦ ⎟
⎝ s⎠
i = 1..
1 M
tA, MSO, IAE, ITAE, MG, RF, MS

Gi ( s ) ⋅ CPI ( s, x) ⋅ CSP ( s, x)
Ti ( s, x) = i = 1..M
1 + Gi ( s ) ⋅ CPI ( s, x) ⋅ CPV ( s, x)
Unidade de Tanques Esféricos Modelagem Fenomenológica

22,36
M1 = ⋅ e −0,1⋅s
(1,929
, ⋅ s + 1) ⋅ (1,, 204 ⋅ s + 1) ⋅ ( 0,703
, ⋅ s + 1)
35,36
M2 = ⋅ e −0,1⋅s
( 4,764 ⋅ s + 1) ⋅ ( 2,985 ⋅ s + 1) ⋅ (1,736 ⋅ s + 1)
44,72
M3 = ⋅ e −0,1⋅s
( 3,852 ⋅ s + 1) ⋅ ( 2, 450 ⋅ s + 1) ⋅ (1, 405 ⋅ s + 1)
Projeto dos Controladores Projeto MMA

- FDA de 2ª ordem com tA=5 min.
Controlador forma p
padrão ISA com b=1,, c=0
e N=10. Parâmetros de ajuste: KC, TI e TD. - Pesos unitários para os 3 modelos
⎡⎛ 1 ⎞ ⎛ 1 TD ⋅ s ⎞ ⎤
ΔU ( s ) = K C ⎢⎜1 + ⎟ ΔYR ( s ) − ⎜1 + + ⎟ ΔY ( s ) ⎥
⎣⎝ TI ⋅ s ⎠ ⎝ TI ⋅ s 1 + 0.1
0 1 ⋅ TD ⋅ s ⎠ ⎦
- Controlador MMA
- Controlador SIMC
TF ⋅ s + 1
- Controlador MMAF CF 1 =
0,1 ⋅ TF ⋅ s + 1
Projeto MMAF
- FDA de 2ª ordem com tA=5 min. Parâmetros dos Controladores
- Pesos unitários para os 3 modelos
Controlador KC ((m2/min)) TI ((min)) TD ((min)) TF ((min))
MMA 0,162 10,726 1,468 -
SIMC1 0,172 3,485 0,861 -
SIMC2 ,
0,126 8,617
, 2,130
, -
SIMC3 0,098 7,005 1,734 -
MMAF 0 242
0,242 9 106
9,106 0 807
0,807 1 070
1,070
Testes PO1 Testes PO2
Testes PO3 PID x MPC
PID x MPC PID x MPC
PID Estabilidade Robustez Desempenho Ajuste Parametrização MMA
Conclusões sobre método MMA
• Metodologia flexível que produz resultados satisfatórios
para diversos tipos de processos industriais.
para diversos tipos de processos industriais
• A dificuldade no projeto dos controladores se torna mais
difí il
difícil com o aumento da complexidade dos modelos e com
t d l id d d d l
o nível de desempenho desejado.
• Importância da abordagem multi‐modelos.
Robustez, Desempenho e Ajuste de PID 145

Curso PACOP / Módulo I: Prof. Jorge O. Trierweiler 28/7/2009 22:26

2 Aula-Maa

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

2 Aula-Maa

Uploaded by

Copyright:

Available Formats

Curso PACOP – Módulo I: PID Estabilidade Robustez Desempenho Ajuste Parametrização MMA

Robustez, Desempenho e Ajuste de PID 2

Modos de Controle Modos de Controle Descontínuos

Robustez, Desempenho e Ajuste de PID 3 Robustez, Desempenho e Ajuste de PID 4

Ação Proporcional (P)

Robustez, Desempenho e Ajuste de PID 5 Robustez, Desempenho e Ajuste de PID 6

Combinação das Ações de Controle Controlador

Robustez, Desempenho e Ajuste de PID 7 Robustez, Desempenho e Ajuste de PID 8

História dos Controladores PID Controlador PID

- Adicionais: falta de tempo ou

Controle Feedback ΔD1(s) ΔD2(s)

ΔYSET (s) E(s)

FT Malha Fechada ΔD1((s)) ΔD2((s))

Robustez, Desempenho e Ajuste de PID 17 Robustez, Desempenho e Ajuste de PID 18

Regras Básicas Regras Básicas

Robustez, Desempenho e Ajuste de PID 19 Robustez, Desempenho e Ajuste de PID 20

Robustez, Desempenho e Ajuste de PID 21 Robustez, Desempenho e Ajuste de PID 22

Ganho (KU) e Período (PU) Ultimativos IMAG Exemplos

Robustez, Desempenho e Ajuste de PID 23 Robustez, Desempenho e Ajuste de PID 24

Robustez, Desempenho e Ajuste de PID 25 Robustez, Desempenho e Ajuste de PID 26

Como podemos utilizar a historinha das circulações para Imag

F(s) = 1 + L(s) Imag • Temos que ir a cata dos

Robustez, Desempenho e Ajuste de PID 29 Robustez, Desempenho e Ajuste de PID 30

Imag F(s) = 1 + L(s) Critério de Nyquist

• Critério de Nyquist: O diagrama de nyquist deverá circular o ponto ‐1

Critério de Nyquist - Exemplos Critério de Nyquist - Exemplos

Robustez, Desempenho e Ajuste de PID 33 Robustez, Desempenho e Ajuste de PID 34

Critério de Nyquist - Exemplos Critério de Nyquist - Exemplos

Robustez, Desempenho e Ajuste de PID 35 Robustez, Desempenho e Ajuste de PID 36

Critério de Nyquist - Exemplos Construção do Diagrama de Bode

Robustez, Desempenho e Ajuste de PID 37 Robustez, Desempenho e Ajuste de PID 38

ω → ∞ ⇒ log10 G ( jω ) = log10 K − log10 (ωτ )

RA = G ( jω ) = 1 + (ωβ )2 φ = ATAN (ωβ

ω → ∞ ⇒ log10 G ( jω ) = log10 (ωβ )

Diagrama de Bode – FT lead Diagrama de Bode – FT lead

Robustez, Desempenho e Ajuste de PID 43 Robustez, Desempenho e Ajuste de PID 44

Diagrama de Bode – Tempo Morto Diagrama de Bode – Tempo Morto

G ( jω ) = exp(− θ ⋅ jω ) = cos(θω ) − j sen(θω )

Diagrama de Bode para FT genéricas Diagrama de Bode para FT genéricas

Robustez, Desempenho e Ajuste de PID 47 Robustez, Desempenho e Ajuste de PID 48

Diagrama de Bode para FT genéricas Critério de Bode – Plantas Estáveis em MA

Robustez, Desempenho e Ajuste de PID 49 Robustez, Desempenho e Ajuste de PID 50

Critério de Bode – Plantas Estáveis em MA Critério de Bode – Plantas Estáveis em MA

e (deg); Magniitude (dB)

Robustez, Desempenho e Ajuste de PID 51 Robustez, Desempenho e Ajuste de PID 52

Interpretação Física do Critério de Bode Interpretação Física do Critério de Bode

• Considere um sistema estável 0.8 SINAL de ENTRADA • Quando se fecha a malha o 08

sinal senoidal com freqüência 0.4

estabelecido uma resposta 0 entrada. 0

senoidal de saída esta é -0.2

retroalimentada na entrada do -0.4

ΔYSET (s) ΔY(s) ΔYSET (s) ΔY(s)

Robustez, Desempenho e Ajuste de PID 53 Robustez, Desempenho e Ajuste de PID 54

Interpretação Física do Critério de Bode

0.5 SINAL de ENTRADA

Robustez, Desempenho e Ajuste de PID 55 Robustez, Desempenho e Ajuste de PID 56

Robustez é fundamental !!! Margem de Ganho (MG)

Margem de Ganho via Diagrama de Bode

Robustez, Desempenho e Ajuste de PID 59 Robustez, Desempenho e Ajuste de PID 60

Margem de Ganho via Diagrama de Nyquist

RF=180o – |FASE MEDIDA|

Robustez, Desempenho e Ajuste de PID 63 Robustez, Desempenho e Ajuste de PID 64

Máxima Sensibilidade (Ms) Função de Sensibilidade