1

Controle da margem de estabilidade com restrição da taxa de decaimento com base em

LMI aplicado a um pêndulo rotacional invertido QUANSER modelo SRV02

Stability margin control with decay rate restriction LMI-based applied on a rotary

pendulum QUANSER model SRV02

Artur Silva Santos1, Márcio Roberto Covacic 2, Ruberlei Gaino 3

Resumo

A teoria de controle moderno é fundamentada na descrição de um sistema com várias

equações diferenciais de primeira ordem que podem ser combinadas por uma equação

diferencial vetorial-matricial. O uso da notação vetorial-matricial facilita a resolução de

sistemas complexos que contêm múltiplas entradas ou múltiplas saídas. Assim, este trabalho

foi baseado na análise do espaço de estados em um sistema realimentado de pêndulo

invertido, no qual foi projetado um controlador capaz de mantê-lo na posição vertical para

cima. No projeto do controlador, foi utilizada a restrição da taxa de decaimento com base nas

Desigualdades Matriciais Lineares (em inglês, Linear Matrix Inequalitites, LMIs), que podem

ser solucionadas por meio do pacote de resolução de LMIs (LMI Control Toolbox) presente

no software MATLAB. A primeira etapa do movimento do pêndulo é o swing-up, técnica

utilizada para impulsionar o pêndulo rotacional invertido base SRV02 QUANSER, levando-o

próximo à posição vertical para cima, e a partir daí iniciando a operação do controle

projetada. As simulações e implementações foram realizadas por meio do software

MATLAB/Simulink junto ao programa QuarC. Os resultados foram satisfatórios, uma vez

que atenderam às especificações teóricas, como o tempo de estabilização e análises

matemáticas.

1
Estudante de Engenharia Elétrica na Universidade Estadual de Londrina e bolsista de iniciação científica UEL.
2
Docente de Engenharia Elétrica na Universidade Estadual de Londrina e orientador deste trabalho.
3
Docente de Engenharia Elétrica na Universidade Estadual de Londrina e co-orientador deste trabalho.
 2

Palavras-chave: Pêndulo invertido; LMI; taxa de decaimento.

Abstract

Modern control theory is based on the description of a system with several first-order

differential equations that can be combined into a vector-matrix differential equation. The use

of matrix-vector notation facilitates the resolution of complex systems that contain multiple

inputs or multiple outputs. So, this work was based on the state space analysis on a rotary

pendulum closed loop system, in which a controller was designed capable of holding it at the

vertical position. In the controller design, a decay rate was specified and the method was

based on Linear Matrix Inequalities (LMIs) that can be solved through the LMI resolution

packages present in the MATLAB software (LMI Control Toolbox). The first stage of the

pendulum movement is the swing-up, to propel the SRV02 QUANSER base inverted rotary

pendulum, taking it near to the vertical position, and then starting the operation of the

designed control technique. The simulations were performed using the MATLAB / Simulink

software together with the QuarC program. The results were satisfactory, as they met the

theoretical specifications such as settling time and mathematical analysis.

Key-words: Inverted pendulum; LMI; decay rate.

Introdução

O sistema de um pêndulo rotacional invertido, por apresentar algumas propriedades dinâmicas

instáveis, tem sido estudado como objeto principal para analisar o desempenho de diferentes

técnicas de controle. Particularmente, o conceito de pêndulo invertido móvel tem sido

utilizado em várias aplicações como, por exemplo, veículo de transporte humano, o que

futuramente pode apresentar-se como alternativa de transporte automático para áreas urbanas,
 3

incluindo sua utilização por deficientes físicos (TIRMANT et al., 2002, p.594). Outras

aplicações do pêndulo invertido são os programas espaciais, nos quais o controle de

lançamento de foguete é semelhante ao controle do sistema pêndulo invertido, que, por

natureza, é um sistema não linear e instável, sendo necessária a implementação de uma lei de

controle adequada para que a haste se mantenha na posição desejada mesmo sofrendo

qualquer tipo de distúrbio (ASSUNÇÃO, TEIXEIRA, 2008).

O sistema do pêndulo utilizado neste trabalho consiste em uma base fixa que contém uma

haste com livre movimento, acoplado ao pêndulo rotativo. Seu método de funcionamento

consiste em realizar uma técnica de controle para que o braço impulsione o pêndulo para uma

posição vertical para cima.

A primeira etapa do movimento do pêndulo é o swing-up, que leva em conta a energia total do

sistema para impulsionar o pêndulo rotacional invertido base SRV02 QUANSER, levando-o

próximo à posição vertical para cima, e a partir daí inicia-se a operação de controle, com o

objetivo de estabilizar o pêndulo (QUANSER, 2001b).

A Figura 1 representa o diagrama esquemático do pêndulo invertido.

Figura 1: Diagrama esquemático do pêndulo invertido. Fonte: (QUANSER,2011b, p. 7).

 4

As variáveis do sistema são:

 α: ângulo do pêndulo em relação ao eixo vertical;

 θ: ângulo do braço em relação ao eixo horizontal de referência.

As grandezas do pêndulo utilizadas neste trabalho e seus valores são encontrados na Tabela 1.

Símbolo Descrição Valor Unidade

mp Massa do pêndulo. 0,127 kg
Lp Comprimento do pêndulo. 0,337 m
lp Distância da articulação até o 0,156 m
centro de massa do pêndulo.
Jp,cm Momento de inércia do 0,0012 kg.m²
centro de massa do pêndulo.
Bp Coeficiente de 0,0024 N.m.s/rad
amortecimento viscoso do
pêndulo no eixo da
articulação.
marm Massa do braço com dois 0,257 kg
parafusos.
r Comprimento do braço da 0,216 m
articulação até a ponta.
larm Comprimento do braço da 0,0619 m
articulação até o centro de
massa.
Jarm,cm Momento de inércia do braço 9,98  10-4 kg.m²
em relação ao centro de
massa.
mb Coeficiente de 0,0024 N.m.s/rad
amortecimento viscoso do
braço no eixo da articulação.
Jarm Momento de inércia do braço 0,0020 kg.m²
em relação a articulação.
Kenc Resolução da codificação do 4096 counts/ver
pêndulo.
Tabela 1: Especificações do sistema do Pêndulo Rotativo SRV02. Fonte: adaptado pelo autor
de (QUANSER, 2011b, p.7)

Na Tabela 1, 𝐾𝑒𝑛𝑐 representa a resolução dos dispositivos que codificam a posição angular do

pêndulo para sinais digitais; deste modo, é usado um encoder óptico de 12 bits.
 5

1- Controle por realimentação de variáveis de estado

A teoria de controle moderno é fundamentada na descrição de um sistema com várias

equações diferenciais de primeira ordem que podem ser combinadas por uma equação

diferencial vetorial-matricial. O uso da notação vetorial-matricial facilita a resolução de

sistemas complexos que contêm múltiplas entradas ou múltiplas saídas.

Seja um sistema dinâmico com n entradas u1(t), u2(t), u3(t), ..., un(t) e m saídas y1(t), y2(t),

y3(t), ..., ym(t). Definindo um espaço de estados contendo p variáveis de estado como x1(t),

x2(t), x3(t), ..., xp(t), este sistema pode ser descrito como:

𝑥̇ 1 (𝑡) = 𝑓(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡),

𝑥̇ 2 (𝑡) = 𝑓(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡), …,

𝑥̇𝑛 (𝑡) = 𝑓(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡). (1)

e as saídas y1(t), y2(t), ..., ym(t) por:

𝑦1 (𝑡) = 𝑔(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡),

𝑦2 (𝑡) = 𝑔(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡), …,

𝑦𝑛 (𝑡) = 𝑔(𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥p ; 𝑢1 , 𝑢2 , 𝑢3 , … , 𝑢𝑛 ; 𝑡). (2)

A partir de (1) e (2), é possível escrever:

𝑥̇ (𝑡) = 𝑓(𝑥, 𝑢, 𝑡), (3)

𝑦(𝑡) = 𝑔(𝑥, 𝑢, 𝑡), (4)

sendo (3) a equação de estado, (4) a equação de saída do sistema e f(.) e g(.) funções vetoriais

que envolvem as variáveis de estado, a entrada do sistema e o tempo t.

Muitos sistemas de controle físicos são ditos lineares apenas para um intervalo limitado de

operação, caso contrário ele é dito não linear, uma vez que as relações entre grandezas físicas

não são efetivamente lineares. Portanto, se um sistema operar em torno de um ponto de

 6

equilíbrio e os sinais envolvidos forem consideravelmente pequenos, então é possível

aproximar um sistema não linear para um sistema linear. Portanto para o processo de

linearização das equações (3) e (4), obtém-se (OGATA, 2011, p.27, p.36, p.37):

𝑥̇ (𝑡) = 𝐴(𝑡)𝑥(𝑡) + 𝐵(𝑡)𝑢(𝑡), (5)

𝑦(𝑡) = 𝐶(𝑡)𝑥(𝑡) + 𝐷(𝑡)𝑢(𝑡), (6)

Para um sistema linear invariante no tempo, que é o interesse deste trabalho, as funções f e g

em (3) e (4) não dependem do tempo t, portanto as equações (5) e (6) podem ser simplificadas

por:

𝑥̇ (𝑡) = 𝐴𝑥(𝑡) + 𝐵𝑢(𝑡), (7)

𝑦(𝑡) = 𝐶𝑥(𝑡) + 𝐷𝑢(𝑡), (8)

sendo (7) e (8) as equações de um sistema linear, no qual 𝑥(𝑡) é o vetor com as variáveis de

estado, 𝑥̇ (𝑡) a derivada de 𝑥(𝑡) no tempo, y(t) a saída do sistema e u(t) a estrada do sistema.

No caso do pêndulo SRV02 QUANSER, as matrizes que o descrevem, de acordo com (7) e

(8), são (NEGRÃO, 2013, p. 13):

0 0 1 0
0 0 0 1
1 1 1
𝐴= 0 𝑚²𝑙²𝑟𝑔 −(𝐽𝑝 + 4 𝑚𝑙 2 )𝐵𝑟 − 2 𝑚𝑟𝑙𝐵𝑝 ,
4
1 1
[0 𝑚𝑙𝑔(𝐽𝑟 + 𝑚𝑟 2 ) 𝑚𝑙𝑟𝐵𝑟 −(𝐽𝑟 + 𝑚𝑟 2 )𝐵𝑝 ]
2 2

0
0
𝐵 = 𝐽𝑝 + 1 𝑚𝑙² ,
4
1
[ 𝑚𝑟𝑙 ]
2

1 0 0 0
𝐶=[ ],
0 1 0 0

0
𝐷 = [ ],
0
 7

cujos parâmetros são descritos na Tabela 1.

Se um sistema for controlável, há uma lei de controle por realimentação de estados capaz de

alocar os polos em malha fechada de maneira a obter um sistema com estabilidade. Assim, é

preciso calcular a matriz de ganho do controlador K por realimentação de estados. A lei de

controle é:

𝑢 = 𝐾(𝑥𝑑 − 𝑥). (9)

Desta forma, a saída do sistema foi realimentada negativamente na entrada e foi aplicado um

ganho K junto a essa diferença, como representado na Figura 2.

Figura 2: Diagrama de blocos em malha fechada. Fonte: adaptado pelo autor (QUANSER,
2011a, p.16).

Considerando o sistema realimentado com a lei de controle 𝑢(𝑡) = 𝐾(𝑥𝑑 − 𝑥) = −𝑘𝑥 para

𝑥𝑑 = 0 e usando as devidas operações na equação de estado (7), na saída (8) e na lei de

controle (9), obtém-se o sistema em malha fechada:

𝑥̇ (𝑡) = (𝐴 − 𝐵𝐾)𝑥(𝑡), (10)

𝑦(𝑡) = 𝐶𝑥(𝑡). (11)

Para que o sistema (10) seja estável, é necessário que os polos sejam alocados para o semi-

plano esquerdo do plano complexo. Segundo Ogata (2011), a solução da equação (10) é dada

por 𝑥(𝑡) = 𝑒 (𝐴−𝐵𝐾)𝑡 𝑥(0), sendo x(0) o estado inicial e na qual os autovalores da matriz

(𝐴 − 𝐵𝐾) são os polos do sistema (10), estes chamados de polos de malha fechada. Se a
 8

matriz 𝐾 for escolhida corretamente, a matriz (𝐴 − 𝐵𝐾) poderá ser assintoticamente estável e

será possível fazer 𝑥(𝑡) tender a 0 ao passo em que 𝑡 tender a infinito, se ∀ 𝑥(0) ≠ 0.

2- Cálculo da lei de controle utilizando Desigualdades Matriciais Lineares (LMIs).

Considere um sistema linear autônomo (sem realimentação) onde 𝑢(𝑡) = 0, isto é, 𝑥̇ (𝑡) =

𝐴𝑥(𝑡).

Lyapunov mostrou que um sistema é assintoticamente estável (ou seja, todas as trajetórias

convergem para zero) se e somente se existir uma matriz definida positiva 𝑃 = 𝑃′ ∈ ℜ𝑛𝑥𝑛 tal

que 𝑉(𝑥(𝑡)) = 𝑥(𝑡)′ 𝑃𝑥(𝑡) (AGUIRRE, 2017, p.35).

Definição: De acordo com as notas de (PALHARES, 2011), uma matriz 𝑃 é definida positiva

se e somente se 𝑥 ′ 𝑃𝑥 > 0, ∀ 𝑥 ≠ 0, 𝑥 ∈ ℂ𝑛 ; uma matriz 𝑃 é semidefinida positiva se e

somente se 𝑥 ′ 𝑃𝑥 ≥ 0, ∀ 𝑥 ∈ ℂ𝑛 e uma matriz 𝑃 é definida negativa se −𝑃 é definida positiva.

Teorema: Uma matriz simétrica 𝑃 ∈ ℜ𝑛𝑥𝑛 é definida positiva se e somente se as seguintes

condições, que são equivalentes, forem verdadeiras:

 Se todos os autovalores da matriz 𝑃 forem positivos;

 se 𝑥 ′ 𝑃𝑥 > 0, ∀ 𝑥 ≠ 0;

 Se todos os menores principais líderes de 𝑃 forem positivos, ou seja se os

determinantes das 𝑛 submatrizes de 𝑃, forem positivos, isto é, se:

𝑝11 𝑝12 𝑝13 … 𝑝1𝑛

𝑝12 𝑝22 𝑝23 … 𝑝2𝑛
𝑝13 𝑝23 𝑝33 … 𝑝2𝑛
𝑃 = 𝑃′ = . . . . . ,
. . . . .
. . . . .
[ 𝑝1𝑛 𝑝2𝑛 𝑝3𝑛 … 𝑝𝑛𝑛 ]

então:
 9

𝑝11 𝑝12
𝑝11 > 0, 𝑑𝑒𝑡([𝑝 𝑝 ]) > 0, ... , 𝑑𝑒𝑡(𝑃) > 0.
12 22

A condição de estabilidade de Lyapunov garante que um sistema é assintoticamente estável se

existir uma função 𝑉(𝑥(𝑡)) definida positiva cuja derivada no tempo 𝑉̇ (𝑥(𝑡)) é definida

negativa (AGUIRRE, 1994, p.35).

Dada a função quadrática de Lyapunov 𝑉(𝑥(𝑡)) = 𝑥(𝑡)′ 𝑃𝑥(𝑡), sua derivada no tempo é

𝑉̇ (𝑥(𝑡)) = 𝐴′ 𝑥(𝑡)′ 𝑃𝑥(𝑡) + 𝑥(𝑡)′ 𝑃𝐴𝑥(𝑡) = 𝑥(𝑡)[𝑃𝐴′ + 𝑃𝐴]𝑥(𝑡)′. Desse modo, pela condição de

suficiência para garantir que um sistema é assintoticamente estável, a derivada 𝑉̇ (𝑥(𝑡)) deve

ser definida negativa, portanto 𝑃𝐴′ + 𝑃𝐴 < 0. Assim tem-se as LMI’s referentes ao dado

sistema:

𝑃 > 0, (12)

𝐴′ . 𝑃 + 𝑃. 𝐴 < 0. (13)

Portanto para obter as LMI’s do sistema (10), basta reaplicar o critério de Lyapunov para o

sistema de malha fechada descrito em (10), substituindo A por A−BK:

𝑃 > 0, (14)

(𝐴 − 𝐵. 𝐾)′ . 𝑃 + 𝑃. (𝐴 − 𝐵𝐾) < 0. (15)

Entretanto, considerando as variáveis matriciais P e K, a desigualdade (15) é uma BMI

(Desigualdade Matricial Bilinear, do inglês, Bilinear Matrix Inequality), não uma LMI. Para

obter um conjunto de LMIs a partir de (14) e (15), são necessárias algumas operações

matemáticas. Multiplicando 𝑃−1 dos dois lados das desigualdades (14) e (15) e adotando

𝑊 = 𝑃−1 , 𝑍 = 𝐾. 𝑊, encontram-se as LMIs que garantem a estabilidade do sistema de malha

fechada descrito em (10) e (11):

𝑊 > 0, (16)
 10

𝑊. 𝐴′ − 𝑍 ′ . 𝐵 ′ + 𝐴. 𝑊 − 𝐵. 𝑍 < 0. (17)

sendo 𝐾 = 𝑍. 𝑊 −1 a matriz de ganho que torna o sistema estável.

3- Taxa de decaimento

Um sistema estável nem sempre é o suficiente para aplicações de engenharia, pois existem

projetos que possuem restrições de desempenho, ou seja, sistemas que devem alcançar o valor

de regime em um determinado limite de tempo. A taxa de decaimento pode ser usada para

diminuir o tempo de estabilização que é tempo de acomodação obtido admitindo uma faixa de

tolerância de ± 2% em torno do valor em regime permanente.

A taxa de decaimento de um sistema linear descrito no espaço de estados é definida como o

maior número real positivo γ (ou maior expoente de Lyapunov) tal que:

lim𝑡→∞ 𝑒 γt ||x(t)|| = 0,

para toda solução 𝑥(𝑡) do sistema, considerando t ≥ 0.

Para determinar a lei de controle (9) que garante ao sistema (10), uma taxa de decaimento

maior que γ, a desigualdade 𝑉̇ (𝑥(𝑡)) < 0 é substituída por 𝑉̇ (𝑥(𝑡)) < −2γ 𝑉(𝑥(𝑡)) (BOYD et

al., 2008, p.37). Assim, repetindo as operações matemáticas descritas na Seção 2, tem-se as

LMI’s referentes à taxa de decaimento:

𝑊 > 0, (18)

𝑊. 𝐴′ − 𝑍 ′ . 𝐵 ′ + 𝐴. 𝑊 − 𝐵. 𝑍 + 2γ𝑊 < 0. (19)

e a matriz K é dada por 𝐾 = 𝑍. 𝑊 −1.

4- Swing-Up levando em conta a energia total do sistema

No momento em que o sistema de controle é ativado, o pêndulo se encontra na posição

vertical para baixo, e primeiramente é necessário elevá-lo à posição vertical para cima para
 11

então poder aplicar a lei de controle projetada neste trabalho, portanto necessita-se fazer com

que haja a auto-elevação do pêndulo. Utilizou-se, então, a técnica Swing-up, levando em conta

a energia do sistema.

A equação que rege este processo é:

𝑢 = 𝑠𝑎𝑡𝑢𝑚𝑎𝑥 (µ(𝐸 − 𝐸𝑟 )𝑠𝑖𝑔𝑛(𝛼̇ . 𝑐𝑜𝑠𝛼)),

onde 𝑠𝑎𝑡𝑢𝑚𝑎𝑥 é a saturação do sinal de controle quando a aceleração é máxima, µ é um ganho

variável, 𝐸 é a energia total do pêndulo, 𝐸𝑟 é a energia de referência e 𝑠𝑖𝑔𝑛(𝑥) representa a

direção no qual o braço se move, para que seja fornecida a energia necessária para o pêndulo.

Dessa forma, o controle total do pêndulo é:

𝐾(𝑥𝑑 − 𝑥), 𝑝𝑎𝑟𝑎 |𝑥𝑑 − 𝑥| < 𝜀,

𝑢={
𝑠𝑎𝑡𝑢𝑚𝑎𝑥 (µ(𝐸 − 𝐸𝑟 )𝑠𝑖𝑔𝑛(𝛼̇ . 𝑐𝑜𝑠𝛼)), 𝑐𝑎𝑠𝑜 𝑐𝑜𝑛𝑡𝑟á𝑟𝑖𝑜,

sendo ε o valor do ângulo no qual o controlador deve começar a operar, encerrando a

operação de swing up.

Materiais e Métodos

O material utilizado neste trabalho foi:

- Base SRV02 QUANSER;

- Q8 Data Aquisition;

- VolPaQ-X1;

- Pêndulo Invertido (ROTPEN) QUANSER;

- Software MATLAB/Simulink.
 12

Inicialmente, foram efetuadas as conexões elétricas entre a base SRV02 junto ao pêndulo,

depois ao aquisitor de dados (Q8 Data Aquisition), o amplificador (VolPaQ-X1) e o

computador. Essas conexões são encontradas com mais detalhes em (Quanser 2011b). Para o

funcionamento do sistema, foi preciso carregar o arquivo setup_rotpen.m no MATLAB que

aciona os sensores e carrega os parâmetros para o pêndulo.

A partir dos resultados obtidos pela solução das LMI’s, observou-se a técnica de controle

sendo aplicada ao pêndulo, possibilitando a simulação no ambiente MATLAB/Simulink

juntamente com o diagrama QuaRC fornecido pela QUANSER para o controle em tempo

real.

Resultados e discussão com conclusões

A partir das equações (7) e (8), as matrizes de estado do pêndulo foram calculadas conforme

os parâmetros apresentados na Tabela 1.

Assim, as matrizes do sistema são:

0 0 1 0
0 0 0 1
𝐴=[ ],
0 81,4033 −10,2536 −0,9319
0 122,0545 −10,3320 −1,3972

0
0
𝐵=[ ],
83,4359
80,3162

1 0 0 0
𝐶=[ ],
0 1 0 0

0
𝐷 = [ ].
0

A partir das LMIs (18) e (19), foi calculado o ganho do controlador 𝐾 com a máxima taxa de

decaimento obtida: 𝛾 ≥ 4.7. O cálculo do controlador 𝐾 e das matrizes 𝑊 e Z foi executado

 13

a partir do pacote de soluções de LMI’s presente no MATLAB. Assim, as matrizes 𝐾, 𝑊 e 𝑍

são:

𝐾 = [−3,7732 17,534 − 1,8391 2,2102],

1,2465 − 0,3000 − 7,1876 − 1,2469

−0,3000 1,1432 3,1278 − 6,1306
𝑊=[ ],
−7,1876 3,1278 69,0537 20,2094
−1,2469 − 6,1306 20,2094 57,8641

𝑍 = [0,6141 1,4394 − 1,5588 − 97333 ].

O código desenvolvido para a determinação das matrizes 𝐾, 𝑊 e 𝑍 se encontra no Apêndice

A.

Conhecendo a matriz 𝐾, os polos do sistema (𝐴 − 𝐵𝐾) foram calculados por meio do

MATLAB. Os polos encontrados foram: 𝑧1 = −12,3292 + 15,0359j, 𝑧2 = −12,3292 −

15,0359j , 𝑧3 = −5,8162 + 1,5987j , 𝑧4 = −5,8162 – 1,5987. Desse modo, verificou-se que os

polos se encontram no semi-plano esquerdo do plano complexo como mostra a Figura 3.

Figura 3: Polos do sistema em malha fechada (𝐴 − 𝐵𝐾). Fonte: O autor.

 14

Com base na análise do gráfico da Figura 3, os autovalores de (𝐴 − 𝐵𝐾) estão dentro da

região onde o sistema é assintoticamente estável e atende às especificações, visto que o

resultado do ganho 𝐾 foi calculado de modo que os autovalores (𝐴 − 𝐵𝐾) se posicionassem

na região desejada no plano complexo.

Com base na solução do controlador, a matriz 𝑃 = 𝑊 −1 e os autovalores de 𝑃 foram obtidos

para verificar a estabilidade do sistema (10). Assim, de forma respectiva:

21,6534 − 66,9161 8,0455 − 9,4330

−66,9161 228,5936 − 26,7161 32,1079
𝑃=[ ],
8,0455 − 26,7161 3,1630 − 3,7618
−9,4330 32,1079 − 3,7618 4,5296

cujos autovalores são: 𝑥1 = 0,012, 𝑥2 = 1,914, 𝑥3 = 0,023, 𝑥4 = 255,990.

Ao analisar os autovalores da matriz 𝑃, pode-se dizer que se trata de uma matriz simétrica e

definida positiva, na qual seus autovalores de fato são positivos, garantindo a condição de

estabilidade de Lyapunov, como especificado na Seção 2.

Para operação de swing-up, necessária para elevar o pêndulo da posição vertical para baixo

para a posição vertical para cima, como descrito na Seção 4, os valores dos parâmetros

utilizados foram µ = 3,8249, 𝐸𝑟 = 0,42J e µ𝑚𝑎𝑥 = 9. Em seguida, foi aplicada a lei de controle

determinada pelas LMI’s (18) e (19). O diagrama de blocos do sistema de controle é mostrado

na Figura 4. Por fim, após a implementação da técnica de controle, foram obtidos os gráficos

de tensão da tensão do motor da base SRV02 e os gráficos dos ângulos do pêndulo e do braço,

que estão representados nas Figuras 5, 6 e 7, respectivamente.

 15

Figura 4: Digrama de blocos q_rotpen_swingup.mdl. Fonte: adaptado, de (QUANSER,

2011a, p.26).

Figura 5: Gráfico da Tensão do motor da base SRV02 em função do tempo Fonte: O autor.
 16

Figura 6: Gráfico do ângulo do pêndulo em relação ao tempo. Fonte: O autor.

Figura 7: Gráfico do ângulo do braço em relação ao tempo. Fonte: O autor.

Ao observar o gráfico de tensão do motor na Figura 5, é possível perceber que a técnica de

Swing-up foi concluída com sucesso após cerca de 4,5 segundos, dando início, então, às

interações da técnica de controle via LMI’s que estabilizaram o sistema com cerca de 0,85

segundos. Isso mostra que os resultados são satisfatórios, uma vez que o tempo de

estabilização é cerca de 0,851 segundos para um erro de ±2% . Na Figura 6, pode-se notar

que o movimento do braço vertical do pêndulo vai mudando de sentido até encerrar a técnica
 17

de Swing-up em cerca de 4,8 segundos, decaindo até o tempo de 5,7 segundos. Nota-se que,

após o encerramento da primeira técnica, há uma pequena oscilação de transição, de maneira

que seja possível manter o pêndulo na posição vertical para cima. No gráfico da Figura 7, é

notável que o tempo de estabilização também se aproxima de 0,85 segundos após o

encerramento do Swing-up e o braço horizontal converge para zero grau no tempo próximo de

6 segundos, pois ao iniciar a aplicação da lei de controle, o sistema começa a se estabilizar

após cerca de 5,1 segundos. Assim, os resultados foram satisfatórios, em que o uso de LMIs

se mostrou eficiente ao encontrar a melhor solução para estabilidade.

Agradecimentos

Agradeço ao Prof. Dr. Márcio Roberto Covacic pela sua paciência e orientação durante todo

este trabalho. Agradeço à Universidade Estadual de Londrina e ao PROIC/UEL por incentivar

a pesquisa científica. Por fim, agradeço ao Prof. Dr. Ruberlei Gaino pela oportunidade de

trabalhar no laboratório de automação e controle.

Referências bibliográficas
AGUIRRE, A. Enciclopédia de Automática: Controle & Automação. São Paulo: Blucher,
2007.
ASSUNÇÃO, E; TEIXEIRA, M. C. M. Apostila Controle Linear I – Parte A Sistemas
Contínuos no Tempo. Universidade Estadual Paulista, 2008. Acesso em: 17 de agosto de 2019
BOYD, S.; GHAOUI, L. E.; FERON, E.; BALAKRISHNAN, V. Linear Matrix Inequalities
in Systems and Control Theory. 2. ed. SIAM Studies in Applied Mathematics, 1994.
(Studies in Applied Mathematics).
NEGRÃO, J. L. Análise matemática e técnicas de controle aplicadas ao pêndulo
rotacional invertido, Trabalho de Conclusão de Curso, Universidade Estadual de Londrina,
2013.
OGATA, K. Engenharia de Controle Moderno. 5ª. ed., São Paulo: Pearson Brasil, 2011.
PALHARES R. M. Álgebra Linear: Teoria de Sistemas Lineares. UFMG. Disponível em: <
http://www.cpdee.ufmg.br/~palhares/aula9_tsl.pdf > Acesso em: 17 de agosto de 2019
QUANSER. Rotary Pendulum Workbook – Student version. Ontario, Canadá, 2011a.
 18

QUANSER. User Manual - Quanser Rotary servo. Ontario, Canadá, 2011b.

TIRMANT, H., BALOH, M., VERMEIREN, L., GUERRA, T. M. AND PARENT, M.
(2002). B2, an alternative two wheeled vehicle for an automated urban transportation
system. IEEE Intelligent Vehicle Symposium.
 19

Apêndice A:
Código do MATLAB desenvolvido para calcular a lei de controle com base em LMIs:
%% teste
% Matrizes de estado calculado
A = [0 0 1 0;
0 0 0 1;
0 81.4033 -10.2536 -0.9319 ;
0 122.0545 -10.3320 -1.972];
B = [0; 0; 83.4359 ; 80.3162];
C = eye(2,4);
D = zeros(2,1);

%Taxa de decaimento definida para este projeto

gama = 4.7

setlmis([]);
%Declara as variáveis W e Z das LMIs
%W.A'-Z'.B'+A.W-B.Z<0
W=lmivar(1,[4 1]);
Z=lmivar(2,[1 4]);

lmiterm([-1 1 1 W],1,1);
% LMI com a taxa de decaimento
%W.A'-Z'.B'+A.W-B.Z<-2.gama.W
lmiterm([2 1 1 W],A,1,'s');
lmiterm([2 1 1 Z],B,-1,'s');
lmiterm([-2 1 1 W],.5*2*gama,-1,'s');

rotpen=getlmis;
%calcula W e Z que satisfazem as inequações
[tmin,xo]=feasp(rotpen);
Wf=dec2mat(rotpen,xo,W)
Zf=dec2mat(rotpen,xo,Z)
%realiza o calculo do controlador (Sendo Wf = 1/P)
K=Zf*inv(Wf)

% Adiciona a dinâmica do Motor da base SRV

B = Kg*kt*B/Rm;
A(3,3) = A(3,3) -Kg^2*kt*kt/Rm*B(3);
A(4,3) = A(4,4) -Kg^2*kt*kt/Rm*B(4);
rp_sys= ss(A,B,C,D);

% Cálculo da matriz simétrica P

P = inv(Wf)

% Cálculo dos polos do sistema

polos = eig(A - (B*K))