UNIVERSIDADE ESTADUAL PAULISTA

UNESP

FACULDADE DE ENGENHARIA CAMPUS DE ILHA SOLTEIRA

PROGRAMA DE PS-GRADUAO EM ENGENHARIA MECNICA

Controle Ativo de Vibraes em Estruturas Flexveis Utilizando Desigualdades Matriciais Lineares (LMIs)

RODRIGO BORGES SANTOS

Orientador: Prof. Dr. Vicente Lopes Jnior

Dissertao apresentada a Universidade Estadual Paulista, UNESP - campus de Ilha Solteira, como parte dos requisitos necessrios para obteno do ttulo de Mestre em Engenharia Mecnica.

Ilha Solteira SP Fevereiro /2008

Avenida Brasil, 56, Centro - Caixa Postal 31 - CEP 15385-000 - Ilha Solteira -SP, BRASIL. Fone: 18 3743-1000 Fax: +55 18 3742-2735

UNESP

UNIVERSIDADE ESTADUAL PAULISTA JLIO DE MESQUITA FILHO

CAMPUS DE ILHA SOLTEIRA

DISSERTAO DE MESTRADO TTULO: Controle Ativo de Vibraes em Estruturas Flexveis Utilizando Desigualdades Matriciais Lineares (LMIs) AUTOR: RODRIGO BORGES SANTOS ORIENTADOR: Prof. Dr. VICENTE LOPES JNIOR DATA DA REALIZAO: 21/02/2008 Aprovada com parte das exigncias para obteno do ttulo de MESTRE em ENGENHARIA MECNICA pela comisso examinadora: Prof. Dr. VICENTE LOPES JNIOR Departamento de Engenharia Mecnica / UNESP - Ilha Solteira Prof. Dr. NOBUO OKI Departamento de Engenharia Eltrica / UNESP - Ilha Solteira Prof. Dr. JOS MANOEL BALTHAZAR Departamento de Estatstica, Matemtica Aplicada e Computao / UNESP - Rio Claro

FICHA CATALOGRFICA Elaborada pela Seo Tcnica de Aquisio e Tratamento da Informao Servio Tcnico de Biblioteca e Documentao da UNESP - Ilha Solteira. Santos, Rodrigo Borges Controle ativo de vibraes em estruturas flexveis utilizando desigualdades matriciais lineares (LMIs) / Rodrigo Borges Santos. -- Ilha Solteira : [s.n.], 2008 135 p. : il. Dissertao (mestrado) - Universidade Estadual Paulista. Faculdade de Engenharia de Ilha Solteira, 2008 Orientador: Vicente Lopes Jnior Bibliografia: p. 124-130 1. Controle ativo de vibraes. 2. Desigualdades matriciais lineares. 3. Controle H.

S237c

Dedicatria

Juraci, Wamer e Maria Regina pelo amor, apoio e compreenso. meu Pai, Joo, (in memoriam), saudades...

No se pode ensinar tudo a algum. Pode-se, apenas, ajud-lo a encontrar por si mesmo

Galileu Galilei

AGRADECIMENTOS
DEUS por me dar Oportunidades, Paz, Sade, Amigos . . .

Ao Prof. Vicente Lopes Jnior por acreditar e apoiar a realizao desta pesquisa. E, tambm, pela amizade criada nestes anos de convvio e por incentivar pesquisa desde os tempos de iniciao cientfica.

Aos amigos de mestrado, Clayton, Camilo, Douglas, Maria Adriana, Paulo Tozoni, enfim, aos colegas do Grupo de Materiais e Sistemas Inteligentes (GMSINT) da UNESP/Ilha Solteira pelos momentos de aprendizagem, descontrao e amizade.

A Fundao de Amparo Pesquisa do Estado de So Paulo (FAPESP) pelo suporte financeiro, projeto n. 05/58503-1, que foi fundamental para a minha dedicao integral neste trabalho.

Ao Departamento de Engenharia Mecnica (DEM) e ao Programa de Ps-Graduao em Engenharia Mecnica (PPGEM) da UNESP/Ilha Solteira por todo o apoio para a realizao deste trabalho.

Aos professores do PPGEM que me ajudaram na minha formao.

Aos membros da banca examinadora pelas sugestes e comentrios.

SANTOS, R. B. 2008. Controle Ativo de Vibraes em Estruturas Flexveis Utilizando Desigualdades Matriciais Lineares (LMIs). Dissertao de Mestrado (Engenharia Mecnica) Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira. Palavras-chave: Controle Ativo de Vibraes, Controle H, Desigualdades Matriciais Lineares (LMIs) e Active Mass Damper (AMD).

RESUMO
Este trabalho tem como propsito projetar controladores para aplicao em tempo real em uma estrutura flexvel, objetivando a reduo de vibrao estrutural. Os controladores so projetados segundo o enfoque de otimizao convexa, com formulaes envolvendo desigualdades matriciais lineares (LMIs). Duas diferentes snteses de realimentao so consideradas. A primeira o projeto de controladores por realimentao de estados, estimados por um observador. A segunda metodologia baseada no controle H via realimentao do sinal de sada. O modelo matemtico da estrutura, usado no projeto dos controladores, foi obtido utilizando o mtodo de Lagrange. A estrutura considerada representa um modelo de um edifcio flexvel controlado por uma massa mvel (Active Mass Damper - AMD) localizada no topo. A estrutura submetida a dois tipos de excitaes, ssmica e senoidal. Uma mesa de vibrao (Shake Table) foi usada para aplicar as excitaes. Para rodar o experimento de controle foi usado uma placa de aquisio (MultiQ - PCI) e o software de controle Wincon. Os controladores foram desenvolvidos usando o Simulink e executado em tempo real usando o Wincon. Testes experimentais foram realizados para comprovao e avaliao das metodologias propostas.

SANTOS, R. B. 2008. Active Vibration Control in Flexible Structures Using Linear Matrix Inequalities (LMIs). Master of Science in Mechanical Engineering Thesis, Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira. Keywords: Active Vibration Control, H Control, Linear Matrix Inequalities (LMIs) and Active Mass Damper (AMD).

ABSTRACT
The proposal of this work is to design real time controllers for application in flexible structure, aiming the structural vibration reduction. The controllers are designed by convex optimization involving linear matrix inequalities (LMIs) approaches. Two different methodologies to feedback the system are explained. The first one is the design controller by state feedback based on observer. The second one is based on H output feedback control. The mathematical model of the structure, used in the controller design, was obtained by Lagranges method. The structure can represent a flexible building, and it is controlled by a driving mass located at the top. The structure is submitted to seismic and sinusoidal excitations. A vibration table (Shake Table) was used to apply the excitations. The experimental tests were realized using an acquisition board (MultiQ - PCI) and the Wincon control software. The controllers were developed using Simulink, and it run in real time using the Wincon software. Experimental tests were accomplished to validate and evaluate the proposal methodologies.

LISTA DE FIGURAS
FIGURA 1.1. Desenho esquemtico de um sistema de controle ativo.................................... 17 FIGURA 1.2. (a) Helicptero e vrtices (b) Esquema das hlices com PZTs embutidos....... 18 FIGURA 1.3. Esqui Tradicional e esqui inteligente da companhia ACX............................... 18 FIGURA 1.4. Aeronave com sistema AVC comercial............................................................ 19 FIGURA 1.5. Alguns estragos provocados por terremoto no Japo........................................ 20 FIGURA 1.6. Alguns estragos provocados por terremoto no Peru.......................................... 20 FIGURA 1.7. Sistemas de absorvedores de vibraes em edifcios........................................ 22 FIGURA 1.8. Edifcio Kyobashi Seiwa , Tokyo, Japo.......................................................... 23 FIGURA 1.9. (a) Modelo Estrutural (Sistema AMD-2) (b) Mesa de Vibrao (Shake Table I)............................................................................................................. 24 FIGURA 2.1. Representao de um sistema dinmico............................................................ 27 FIGURA 2.2. Exemplo de um sistema de controle a malha aberta......................................... 28 FIGURA 2.3. Um exemplo de um sistema de controle a malha fechada................................ 28 FIGURA 2.4. Modelagem matemtica de um sistema dinmico............................................. 30 FIGURA 2.5. Diagrama de blocos da resposta em freqncia de um sistema........................ 32 FIGURA 2.6. Representao em diagrama de blocos de um sistema em espao de estados.. 36 FIGURA 2.7. Incerteza aditiva................................................................................................ 44 FIGURA 2.8. Incerteza multiplicativa na sada....................................................................... 44 FIGURA 2.9. Incerteza multiplicativa na entrada................................................................... 44 FIGURA 2.10. Representao grfica do conceito de estabilidade......................................... 47 FIGURA 2.11. ndices de desempenho no domnio do tempo................................................ 53 FIGURA 3.1. Interpretao geomtrica do teorema da estabilidade....................................... 60 FIGURA 4.1. Diagrama de blocos do sistema com realimentao de estados........................ 63 FIGURA 4.2. Representao grfica de um observador dinmico.......................................... 68 FIGURA 4.3. Sistema de controle por realimentao de estados utilizando observador........ 70 FIGURA 4.4. Configurao de um sistema genrico de controle............................................ 73 FIGURA 4.5. Representao convexa do problema de controle............................................. 76

FIGURA 4.6. Planta aumentada para o problema de desempenho.......................................... 78 FIGURA 4.7. Funes de Ponderao W1 e W2...................................................................... 81 FIGURA 4.8. Forma padro da realimentao geral de um sistema com incerteza dinmica........................................................................................................... 82 FIGURA 4.9. Problema de desempenho e robustez convertido em problema de robustez..... 86 FIGURA 4.10. Problema de desempenho e robustez convertido em problema de desempenho...................................................................................................... 87 FIGURA 4.11. Modelo com incerteza aditiva......................................................................... 88 FIGURA 4.12. Planta aumentada com a incerteza aditiva....................................................... 88 FIGURA 4.13. Planta generalizada para o projeto com incerteza residual aditiva Problema de desempenho e robustez............................................................... FIGURA 4.14. Planta generalizada para o projeto com incerteza residual aditiva Problema de desempenho................................................................................. FIGURA 4.15. Planta aumentada na forma final para o projeto com incerteza residual aditiva Problema de desempenho.................................................................. FIGURA 5.1. Sistema AMD-2 e equipamentos utilizados...................................................... 89 91 92 95

FIGURA 5.2. Montagem experimental.................................................................................... 95 FIGURA 5.3. Active Mass Damper (AMD)............................................................................ 96 FIGURA 5.4. Representao do modelo AMD-2.................................................................... 97 FIGURA 5.5. Planta aumentada para o projeto visando desempenho..................................... 105 FIGURA 5.6. Ponderao sobre a funo sensibilidade.......................................................... 106 FIGURA 5.7. FRFs do sistema com e sem controle................................................................ 107 FIGURA 5.8. Funo restrio de energia............................................................................... 107 FIGURA 5.9. Sinal de acelerao do primeiro andar para os casos sem e com controle........ 109 FIGURA 5.10. Sinal de acelerao do segundo andar para os casos sem e com controle...... 109 FIGURA 5.11. Fora de controle aplicada ao carro, em [V]. 110 FIGURA 5.12. Sinal de distrbio, que simula uma excitao real de um abalo ssmico........ 110 FIGURA 5.13. Sinal de acelerao do primeiro andar para os casos sem e com controle...... 111 FIGURA 5.14. Sinal de acelerao do segundo andar para os casos sem e com controle...... 112 FIGURA 5.15. Fora de controle aplicada ao carro, em [V]................................................... 112 FIGURA 5.16. Sinal de distrbio senoidal.............................................................................. 113 FIGURA 5.17. FRF da estrutura para o sistema com e sem controle...................................... 114 FIGURA 5.18. Sinal de acelerao do primeiro andar para os casos sem e com controle...... 115

FIGURA 5.19. Sinal de acelerao do segundo andar para os casos sem e com controle...... 116 FIGURA 5.20. Fora de controle aplicada ao carro, em [V]................................................... 116 FIGURA 5.21. Sinal de distrbio, que simula uma excitao real de um abalo ssmico........ 117 FIGURA 5.22. Sinal de acelerao do primeiro andar para os casos sem e com controle...... 118 FIGURA 5.23. Sinal de acelerao do segundo andar para os casos sem e com controle...... 118 FIGURA 5.24. Fora de controle aplicada ao carro, em [V]................................................... 119 FIGURA 5.25. Sinal de distrbio senoidal.............................................................................. 119 FIGURA A 2.1. Diagrama de simulao projeto H via realimentao de estados............. 134 FIGURA A 2.2. Diagrama de simulao projeto H via realimentao de sada................. 134

LISTA DE TABELAS
TABELA 2.1. Estabilidade de sistemas lineares invariantes no tempo......................................... 49 TABELA 2.2. ndices de desempenho no domnio do tempo................................................. 52 TABELA 5.1. Nomenclatura utilizada na modelagem do sistema AMD-2............................ 98 TABELA 5.2. Valores RMS dos sinais obtidos experimentalmente e percentual de reduo de vibrao estrutural....................................................................................... 120

LISTA DE SMBOLOS
Letras Latinas
A Af Ai An Matriz dinmica Matriz dinmica do sistema a malha fechada Matriz dinmica com a i-sima incerteza Matriz dinmica nominal

B B1 B2 C Cb Ci D di(s) do(s) e e(s)

e'

Matriz de entrada Matriz de entrada de distrbio Matriz de entrada de controle Matriz de sadas Matriz de controlabilidade Matriz circulatria Matriz de transmisso direta Sinal de distrbio na entrada do sistema Sinal de distrbio na sada do sistema Vetor de erro entre o estado real e o estado estimado Sinal de erro entre o sinal de referncia e o sinal medido Sinal de erro ponderado Matriz de amortecimento viscoso Matriz giroscpica Funo de transferncia do sistema Matriz funo de transferncia do modelo nominal Matriz funo de transferncia do sinal de distrbio Matriz funo de transferncia do modelo de incerteza aditiva Matriz funo de transferncia do sistema a malha fechada Matriz funo de transferncia entre a sada regulada e a entrada exgena Matriz funo de transferncia entre a sada e a entrada relacionadas a incerteza

Dv Gg G Gc Gd Gp H Hzw Hqp
H

Norma H do sistema Matriz identidade Funo de transferncia do controlador Matriz de ganho de realimentao Matriz de ganho do observador Sinal de rudo Matriz de massa ou matriz de inrcia Ordem da matriz de estados

I K Kc Ke m(s) M n

Ob p p P q qi qk r(s) s S Sp Sk T u u(s)
u'

Matriz de observabilidade Vetor de entrada relacionado a incerteza Vetor de parmetros Planta generalizada contendo as interconexes entre os sinais de entrada e sada Vetor de sada relacionado a incerteza Autovetor Vetor de coordenadas generalizada Sinal de referncia a ser seguido Operador de Laplace Funo sensibilidade Matriz politpica do sistema Matriz de rigidez Funo sensibilidade complementar Vetor de sinal de controle Sinal de controle Sinal de controle ponderado Funo restrio de energia Transformada de Laplace do sinal de entrada Nmero de vrtices de um politopo Funo de Lyapunov Vetor de entradas de distrbio (exgena) Funo de ponderao sobre a funo sensibilidade Funo de ponderao sobre a funo sensibilidade complementar Funo de ponderao sobre a funo restrio de energia Matriz graminiano de controlabilidade Matriz graminiano de observabilidade Filtro passa alta utilizado para restringir o sinal de controle Filtro passa baixa utilizado para aumentar o amortecimento Vetor de estados Vetor de estados estimados

U U(s) v V(x) w W1 W2 W3 Wc Wo Wu Wy x

xe x0 y

Estado de equilbrio Estado de origem Vetor de sadas medidas Vetor de sadas estimadas Sinal de sada da planta Sinal de sada ponderado Transformada de Laplace do sinal de sada Vetor de sadas reguladas

y
y(s)

y'
Y(s) z

Letras Gregas
s T

Freqncia em rad/s Freqncia de corte para a funo sensibilidade Freqncia de corte para a funo sensibilidade complementar Campo dos nmeros complexos Autovalor Coordenadas politpicas de um sistema politpico Valor singular (ganhos principais) Valor singular mnimo Valor singular mximo Custo (escalar para a norma H) Fase entre a entrada e a sada do sistema. Conjunto de incertezas Incerteza aditiva Incerteza multiplicativa na entrada Incerteza multiplicativa na sada Representao de uma perturbao fictcia

v
i

a i o p

Siglas
AMD AVC ATVAs EVP FRF GEPV KYP LDI LMIs LMIP LTI LQR MIMO PBH PLDI PZT RMS SISO Massa de Amortecimento Ativo ( Active Mass Damper) Controle Ativo de Vibraes (Active Vibration Control)
Active Tuned Vibration Attenuators

Problema de Autovalor (Eigenvalue Minimization Problem) Funo Resposta em Freqncia Problema de Autovalor Generalizado (Generalized Eigenvalue Minimization Problem) Lema de Kalman - Yakubovich e Popov Incluso Diferencial Linear (Linear Deferential Inclusion) Desigualdades Matriciais Lineares (Linear Matrix Inequalities) Problema de Factibilidade de uma LMI (LMI Problem) Sistema Linear e Invariante no Tempo (Linear Time Invariant) Regulador Linear Quadrtico (Linear Quadratic Regulator) Sistemas de mltiplas entradas e mltiplas sadas (Multiple Input Multiple Output) Teste do posto de Popov, Belevitch e Hautus LDI politpica Material piezeltrico (Titanato-Zirconato-Chumbo) Valor mdio quadrtico (Root Mean Square) Sistema de uma entrada e uma sada (Single Input - Single Output)

SUMRIO
1 - INTRODUO......................................................................................... 17
1.1. Objetivos do Trabalho................................................................................... 25 1.2. Organizao do Trabalho.............................................................................. 25

2 - MODELAGEM E FUNDAMENTOS DE SISTEMAS DE CONTROLE.... 27

2.1. Modelagem de Sistemas Dinmicos............................................................ 29
2.1.1. Modelagem no Domnio da Freqncia de Sistemas SISO..................................... 31 2.1.2. Modelagem no Domnio da Freqncia de Sistemas MIMO.................................... 33 2.1.3. Modelagem no Domnio do Tempo.......................................................................... 33 2.1.4. Equao de Estado para Sistemas Mecnicos Lineares......................................... 36

2.2. Representao de Incertezas no Modelo.................................................... 39

2.2.1. Incertezas Estruturadas............................................................................................ 40 2.2.2. Incertezas No Estruturadas.................................................................................... 43

2.3. Estabilidade de Sistemas Dinmicos........................................................... 45

2.3.1. Ponto de Equilbrio................................................................................................... 45 2.3.2. Estabilidade de Lyapunov......................................................................................... 46 2.3.3. Funo de Lyapunov................................................................................................ 47 2.3.4. Estabilidade de Sistemas Lineares e Invariantes no Tempo .................................... 48 2.3.5. Estabilidade de Sistemas de Mltiplos Graus de Liberdade.................................... 49

2.4. ndices de Desempenho de Sistemas de Controle..................................... 52

3 - DESIGUALDADES MATRICIAIS LINEARES......................................... 54

3.1. Histria do Uso das LMIs.............................................................................. 54 3.2. Definies Sobre as LMIs............................................................................. 56 3.3. Estudo da Estabilidade Utilizando LMIs...................................................... 58 3.4. Projeto de Sistemas de Controle Utilizando LMIs...................................... 60

4 - PROJETO DE SISTEMAS DE CONTROLE........................................... 63

4.1. Projeto via Realimentao de Estados........................................................ 63
4.1.1. Controlabilidade........................................................................................................ 64 4.1.2. Observabilidade........................................................................................................ 65 4.1.3. Princpio da Dualidade.............................................................................................. 67 4.1.4. Observadores de Estados........................................................................................ 67

4.1.5. Controle H via Realimentao de Estados............................................................. 70

4.2. Projeto Robusto H via Realimentao da Sada........................................ 72

4.2.1. Configurao Geral do Problema de Controle.......................................................... 72 4.2.2. Representao do Sistema Segundo o Enfoque Convexo...................................... 76 4.2.3. Ganhos Principais e Norma Infinita.......................................................................... 79 4.2.4. Anlise de Robustez................................................................................................. 82 4.2.5. Problema de Desempenho Robusto......................................................................... 85 4.2.6. Projeto Incluindo Robustez Dinmica Residual..................................................... 87 4.2.7. Soluo do Problema H via LMI............................................................................. 92

5 - APLICAO EXPERIMENTAL.............................................................. 94
5.1. Montagem Experimental............................................................................... 94 5.2. Modelo Matemtico da Estrutura................................................................. 97 5.3. Representao do Modelo no Espao de Estados..................................... 102 5.4. Resultados Experimentais............................................................................ 104
5.4.1. Controle H via Realimentao da Sada................................................................. 105 5.4.2. Controle H via Realimentao de Estados............................................................. 113

6 - CONSIDERAES FINAIS.................................................................... 121

6.1. Concluses..................................................................................................... 121 6.2. Sugestes para Futuros Trabalhos.............................................................. 122 6.3. Publicaes Originadas a Partir do Presente Trabalho............................. 123

7 - REFERNCIAS....................................................................................... 124 APNDICE.................................................................................................... 131

A.1. Programas em Matlab6.5............................................................................. 131 A.2. Procedimento Experimental............................................................................ 133

17

1 - Introduo
A reduo de vibrao estrutural tm sido, por um longo tempo, tratada por tcnicas tradicionais de controle passivo feito pela adio de materiais viscoelsticos, absorvedores e alteraes de projeto. Porm, estas tcnicas podem em alguns casos comprometer requisitos como, por exemplo, a reduo de peso, alm de no apresentarem boas caractersticas de robustez. Entretanto, com o avano das tecnologias aplicadas engenharia estrutural e devido a grande exigncia no desempenho de sistemas estruturais em diversas reas de aplicao, principalmente militar, aeroespacial e civil, a busca por novas tcnicas tornou-se imperativa. Esta busca tem levado as tcnicas de controle ativo de vibrao (AVC - Active Vibration Control). Nas ltimas dcadas, as metodologias de AVC tm recebido significantes contribuies, sobretudo devido aos avanos no processamento digital de sinais, proposio de novas metodologias de controle e o surgimento de novos materiais. Em geral, os sistemas de AVC agem produzindo vibraes no sentido contrrio para reduzir as vibraes indesejadas. As tcnicas de AVC utilizam foras de controle, aplicadas na estrutura por um controlador, que se baseiam em informaes obtidas por um sensor. Estas foras procuram reduzir as amplitudes de vibrao estrutural causadas por uma fonte de vibrao indesejvel de origem primria, figura 1.1.

Figura 1.1: Desenho esquemtico de um sistema de controle ativo.

(Fonte: BUENO, 2007)

Como aplicao militar do AVC, pode-se destacar a pesquisa financiada pelo exrcito americano, que esto embutindo cermicas piezeltricas dentro das hlices do rotor de helicpteros, as quais produzem uma resposta de realimentao que utilizada para reduzir a vibrao e o rudo dentro da cabine do piloto, figura 1.2 (THE INSTITUTE OF MATERIALS, MINERALS AND MINING, 2003).

18

(a)
(Fonte: BUENO, 2007)

(b)

Figura 1.2: (a) Helicptero e vrtices, (b) Esquema das hlices com PZTs embutidos.

No setor esportivo, a empresa K2 Inc (2003) desenvolveu os chamados esquis inteligentes. Estes possuem sensores e atuadores piezeltricos embutidos a sua estrutura. Os sensores percebem as vibraes e enviam um sinal a um circuito lgico que produz uma lei de controle a ser seguida pelo atuador. Os movimentos do atuador, no sentido oposto ao das vibraes, proporcionam maior estabilidade ao esqui, figura 1.3.

(a) esqui tradicional

(Fonte: BUENO, 2007)

(b) esqui inteligente

Figura 1.3: Esqui tradicional e esqui inteligente da companhia ACX.

Em estruturas aeroespaciais as vibraes indesejadas se originam nas fontes acsticas e vibracionais, com faixas tpicas de freqncias de 30 Hz at 10 kHz para fontes acsticas e 20 Hz at 2 kHz para fontes vibracionais (FORGRAVE et al, 1999). Todas estas perturbaes

19

podem provocar, por exemplo, vibraes na fuselagem das aeronaves e causar rudo na cabine da tripulao e passageiros. Assim, atualmente j existem vrias empresas no mercado, como exemplo, a empresa Ultra Electronics Ltda (2003), que desenvolveu, entre outros, um equipamento denominado Active Tuned Vibration Attenuators (ATVAs), figura 1.4, composto por sensores/atuadores e controladores acoplados diretamente a fuselagem da aeronave para controle ativo de vibraes e rudos (SILVA, 2005).

(a) Aeronave com controle ativo de vibraes

(b) Controlador ativo fixado a fuselagem

Figura 1.4: Aeronave com sistema AVC comercial.

(Fonte: SILVA, 2005)

Porm, no apenas em aplicaes aeronuticas importante a reduo de vibraes. Nas ltimas dcadas tem aumentado o interesse de engenheiros e pesquisadores no uso de sistemas de controle para atenuar os efeitos nocivos de eventos ssmicos. Um sismo (terremoto) um fenmeno de vibrao brusca e passageira da superfcie da Terra, resultante de movimentos subterrneos de placas rochosas, de atividade vulcnica, ou por deslocamento (migrao) de gases no interior da Terra, principalmente o metano. O movimento causado pela liberao rpida de grandes quantidades de energia sob a forma de ondas ssmicas. O maior terremoto j registado foi o Grande Terremoto do Chile, ocorrido no dia 22 de maio de 1960, e atingiu a capital, Santiago, e a cidade Concepcin, registrando 9,5 pontos na escala Richter. Cerca de 5 mil pessoas morreram, 3 mil ficaram feridas e 2 milhes ficaram desabrigadas. Os prejuzos materiais alcanaram US$ 500 milhes e os prejuzos emocionais so incalculveis. Recentemente uma srie de terremotos vem ocorrendo. Fortes tremores atingiram o norte do Japo no dia 23 de outubro de 2004. Ao menos 21 pessoas foram mortas e mais de 1.500 ficaram feridas. Os tremores, de at 6,8 graus na escala Richter, ocorreram perto da cidade de Ojiya, no Estado de Niigata (noroeste de Tquio) e atingiram vrias localidades prximas. Este

20

foi o terremoto que fez mais vtimas no Japo desde o de Kobe, que deixou cerca de 6.400 mortos e mais de 43.000 feridos em janeiro de 1995. Em outubro de 2005 um terremoto de 7,6 graus na escala Richter abalou a regio da Caxemira, dividida entre o Paquisto e a ndia. Estimou-se mais de 80 mil mortos e cerca de 3 milhes de pessoas desabrigadas. A figura 1.5 mostra alguns dos estragos provocados pelos tremores nessas regies.

(a) Escombros de prdio de dez andares, destrudo por terremoto em Islamabad, no Paquisto.

(b) Em Nagaoka, norte do Japo, buraco foi aberto em estrada pelo forte terremoto que atingiu a cidade.

Figura 1.5: Alguns estragos provocados por terremoto no Japo.

(Fonte: http://www1.folha.uol.com.br/folha/galeria/album/i_mundo_terremoto.shtml, acesso em 16/08/2007).

No somente na sia este fenmeno observado. No Peru, um tremor de 7,9 graus na escala Richter foi registrado na noite da quarta-feira do dia 15 de Agosto de 2007. Mais de 500 pessoas foram mortas e pelo menos 1.300 ficaram feridas. Foi o primeiro terremoto no pas de uma intensidade to forte. O tremor provocou vrias destruies como mostra a figura 1.6.

(a) Estragos provocados pelo tremor na cidade de Ica, Peru.

(b) Fenda aberta pelo terremoto perto da cidade de Chincha, no Peru.

Figura 1.6: Alguns estragos provocados por terremoto no Peru.

(Fonte: http://noticias.uol.com.br/ultnot/album/070815peru_album.jhtm?abrefoto=22, acesso em 16/08/2007).

21

No entanto, projetos de edifcios, prdios residenciais, hospitais, escolas, entre outras instalaes, principalmente em pases como o Japo, Paquisto, Peru, Chile e Estados Unidos, onde estes eventos naturais so comuns, exigem o desenvolvimento de sistemas que possam absorver vibraes garantindo, especialmente, segurana as pessoas. Em geral, apenas grandes corporaes desenvolvem estes projetos, pois alm de alto custo tm grande complexidade (LIN et al, 1994, LIU et al, 2000). Uma variedade de sistemas de controle proposta para estas aplicaes, podendo ser classificadas como controle passivo ou ativo. Os sistemas de controle passivos, tais como amortecedores construdos com materiais viscoelsticos, amortecedores de frico, amortecedores lquidos ajustados, juntamente com sistemas base-isolao, foram desenvolvidos como meios de aumentar o amortecimento em uma estrutura (MATHEU, 1997, SOUZA, 2003, LEE; LI, 2003). No controle passivo so utilizados dispositivos que no exigem energia externa para operar. Eles dissipam a energia vibratria usando o prprio movimento da estrutura. Considerando que eles no injetam energia no sistema, eles no so capazes de desestabilizar a estrutura. Outra vantagem de tais dispositivos a baixa exigncia de manuteno. Exemplos de dispositivos passivos incluem, entre outros, a base-isolao e os amortecedores de fluidos viscosos. Um exemplo de projeto que utiliza o dispositivo de base-isolao mostrado na Fig. 1.7a e o mais recentemente desenvolvido pela Takenaka Corporation (empresa Japonesa de Arquitetura, Engenharia e Construo), que utiliza sistemas de amortecedores pode ser visto na Fig. 1.7b.

(a)

22

(b) Figura 1.7: Sistemas de absorvedores de vibraes em edifcios.

(Fonte: MESQUITA NETO et al, 2007).

Estes sistemas so aceitos como meios viveis para reduzir vibraes em estrutura. Entretanto, estes so limitados, pois no podem se adaptar s variaes das condies de operao e so eficientes apenas em uma faixa de operao estreita. Assim, os sistemas passivos trabalham bem nas condies em que foram projetados, mas no so eficazes em outras situaes. Uma alternativa bastante verstil envolve o projeto de um sistema de controle ativo. O conceito de controle ativo se origina do fato de que opera usando fontes de energia externa para aplicar foras estrutura. Estas foras so obtidas tipicamente baseadas nas medidas das respostas estruturais e/ou dos distrbios. O dispositivo mais utilizado baseado no controle ativo o Active Mass Damper (AMD). Este dispositivo inclui um atuador que usado para posicionar uma massa a cada instante no topo de um edifcio, aumentando o amortecimento da estrutura e a faixa de freqncia operacional do dispositivo. A primeira implementao deste mtodo de controle ativo foi executado em 1989, no edifcio Kyobashi Seiwa, Tquio, Japo, pela Kajima Corporation (Figura 1.8) (SAKAMOTO et al, 1994, SOONG; SPENCER JUNIOR, 2002).

23

Figura 1.8: Edifcio Kyobashi Seiwa , Tokyo, Japo.

(Fonte: SAKAMOTO et al, 1994)

O estudo de algoritmos para controle ativo de vibraes em estruturas flexveis se tornou uma rea de enorme interesse, principalmente devido s inmeras exigncias de timo desempenho em sistemas mecnicos, como aeronaves e estruturas aeroespaciais (SILVA et al, 2003). Nesse sentido, modelos estruturais em escala reduzida so construdos e usados para estudar importantes aspectos de controle, de forma a garantir as condies exigidas, atravs da aplicao de diversos tipos de controladores. Neste trabalho duas diferentes metodologias de controle so consideradas. A primeira metodologia baseada no controle H via realimentao de estados e, a segunda baseada no controle H via realimentao do sinal de sada. Essas metodologias foram, anteriormente, estudadas por Silva (2005) e Gonalves (2003), ex-integrantes do Grupo de Materiais e Sistemas Inteligentes (GMSINT) da UNESP de Ilha Solteira. Porm, em seus trabalhos no foi possvel a avaliao experimental dos controladores por eles projetados, pois o laboratrio no possua softwares e hardwares de controle em tempo real. Portanto, a contribuio deste trabalho a verificao experimental de controladores projetados baseado nas metodologias propostas, dando assim, continuidade aos trabalhos citados. O modelo estrutural considerado representa um edifcio de dois andares controlado por uma massa mvel (Active Mass Damper - AMD) localizada no topo. A estrutura submetida a dois tipos de excitaes: ssmica e senoidal. Uma

24

mesa de vibrao (Shake Table) foi usada para simular as excitaes. O modelo estrutural e a mesa de vibrao so mostrados na figura 1.9 (a) e (b), respectivamente.

(a)

(b)

Figura 1.9: (a) Modelo Estrutural (Sistema AMD-2) (b) Mesa de Vibrao (Shake Table I) O controladores so projetados segundo o enfoque de otimizao convexa, com formulaes envolvendo desigualdades matriciais lineares (LMIs - Linear Matrix Inequalities). A utilizao de LMIs se mostraram nos ltimos anos como sendo uma ferramenta poderosa para solucionar problemas de otimizao em engenharia. Especialmente, para projeto de sistemas de controle com inmeras restries, pois permitem que especificaes possam ser formuladas por LMIs e posteriormente resolvidas utilizando sofisticadas tcnicas de programao convexa. Atualmente, as LMIs so estudadas por renomados pesquisadores mundiais e aplicadas nas mais diversas reas: controle de sistemas contnuos e discretos no tempo (EL GHAOUI; NICULESCU, 2000), condio de estabilidade para sistemas variantes no tempo (GEROMEL et al, 1998, GEROMEL et al, 2006), controle timo, controle robusto, reduo de modelos (GEROMEL et al, 2004, 2005, ASSUNO; PERES, 2001), controle de sistemas no lineares (TEIXEIRA et al, 2000), teoria de filtros robustos, identificao de sistemas, controle usando lgica fuzzy, deteco, localizao e quantificao de falhas estruturais em equipamentos (ABDALLA et al, 1999, 2000). Sana e Rao (2001) utilizaram um sistema pendular simples com

25

dois graus de liberdade e fizeram restries na forma de LMI para o potencial eltrico de entrada no atuador e testaram o controlador projetado em tempo real. Este mesmo sistema pendular foi simulado por Gonalves et al. (2002), que realizou uma comparao entre o controle timo H2 e controle timo H, em ambos os casos fazendo realimentao de estados e resolvendo via LMIs. Gonalves et al. (2003a) e (2003b) simularam uma sntese de realimentao de estados usando LMIs clssicas, descritas em Boyd et al. (1994), considerando incluses diferenciais lineares (LDI - Linear Deferential Inclusion) com incerteza limitada por norma para um sistema mecnico 2DOF e para uma viga de alumnio biengastada, respectivamente. Sarracini e Serpa (2006) mostram resultados de um controlador H projetado com a formulao LMI para atenuao de uma viga engastada. O modelo reduzido da estrutura foi obtido atravs da reduo de Guyan e os resultados obtidos foram significativos. Silva et al. (2006) apresentaram o projeto de um sistema de controle robusto utilizando LMIs para o controle ativo de vibrao de uma placa. Neste contesto, os objetivos deste trabalho so apresentados a seguir.

1.1. Objetivos do Trabalho

Este trabalho tem como meta o projeto de controladores para aplicao em tempo real em uma estrutura flexvel, objetivando a reduo de vibrao estrutural. Os controladores so projetados segundo o enfoque de otimizao convexa com formulaes envolvendo LMIs e, duas metodologias de controle so consideradas: o controle H via realimentao de estados, estimados por um observador e, o controle H via realimentao do sinal de sada. Testes experimentais foram realizados para comprovao e avaliao das metodologias propostas.

1.2. Organizao do Trabalho

O trabalho est organizado em 4 partes. A primeira parte apresentada no captulo 1, onde feita uma reviso da literatura sobre a importncia e as diversas reas de aplicao do controle ativo de vibrao. Alm disso, nesse captulo so apresentados os objetivos do trabalho. A segunda parte est concentrada no captulo 2, onde se discute a modelagem de sistemas dinmicos, incertezas de sistemas dinmicos e teoria da estabilidade de Lyapunov. A terceira parte, apresentada nos captulos 3 e 4, trata da teoria de controle utilizando as tcnicas LMIs. Esta parte d uma sntese geral das metodologias de controle propostas,

26

evolvendo o projeto de controle H via realimentao de estados e sada resolvidos por LMIs. Alm disso, esta parte envolve os assuntos: controlabilidade, observabilidade e observadores de estado. Por fim, a quarta parte, apresentada no captulo 5, descreve o sistema AMD-2 utilizado nos testes experimentais, o equacionamento do modelo matemtico do sistema, a montagem experimental e os resultados obtidos. As consideraes finais, envolvendo as concluses e as sugestes para trabalhos futuros so apresentadas no captulo 6.

27

2 - Modelagem e Fundamentos de Sistemas de Controle

Sistemas dinmicos so aqueles que evoluem com o tempo e so comumente referidos como plantas ou processos. A excitao conhecida como sinal de entrada ou simplesmente entrada e a resposta como sinal de sada, ou simplesmente sada. Uma representao conveniente para a relao entre a entrada e a sada de um sistema dinmico atravs do diagrama de blocos, como mostra a figura 2.1.

Figura 2.1: Representao de um sistema dinmico A figura 2.1 representa uma relao simples entrada-sada, no sentido em que a resposta um resultado natural da excitao. Esta figura tpica de um sistema no controlado e descreve uma situao comum. No entanto, em muitas aplicaes, necessrio assegurar que o sistema tenha um desempenho desejado e neste caso preciso que se faa o projeto de um sistema de controle. Assim, em sistemas controlados o objetivo conseguir uma resposta satisfatria atravs do uso de um controlador cuja sada chamada de sinal de controle, atua como entrada para o sistema a controlar. Se o modelo matemtico do sistema conhecido completamente o projetista capaz de saber qual a sada que uma determinada entrada provocar no sistema, e desta forma poder determinar a entrada ao sistema, ou sinal de controle u, que produzir uma sada desejada y. Existem duas formas bsicas de sistemas de controle: sistemas de controle a malha aberta e sistemas de controle a malha fechada. Para um sistema de controle a malha aberta, a entrada escolhida com base na experincia, de tal forma que o sistema d o valor de sada desejado. Essa sada, entretanto, no modificada de forma a seguir as alteraes nas condies de operao. Logo, em um sistema de controle a malha aberta, a sada no tem efeito no sinal de entrada (OGATA, 2000). Estes sistemas tm a vantagem de ser relativamente simples e, em conseqncia, de baixo custo.

28

Como exemplo de controle a malha aberta podemos considerar um forno eltrico o qual esquenta durante um tempo determinado para conseguir a temperatura desejada. Se os parmetros (inrcia trmica, isolamento, etc) so bem conhecidos o tempo em que a resistncia dever ficar ligada poder ser determinada para cada temperatura desejada. No entanto, qualquer perturbao no sistema conduzir a temperaturas inesperadas. A figura 2.2 mostra de forma esquemtica este tipo de controle.

Figura 2.2: Exemplo de um sistema de controle a malha aberta. Uma forma efetiva de controlar um sistema dinmico atravs do chamado controle por realimentao (retroao) ou controle a malha fechada. Em um sistema de controle a malha fechada, o sinal atuante de erro, que a diferena entre o sinal de entrada e o sinal de retroao (que pode ser o prprio sinal de sada ou uma funo do sinal de sada e de suas derivadas e/ou integrais), excita o controlador de modo a reduzir o erro e trazer o valor do sinal de sada para o valor desejado. A expresso controle a malha fechada acarreta sempre o uso de retroao a fim de reduzir o erro do sistema. A figura 2.3 mostra um esquema bsico para um sistema de controle por realimentao.

Figura 2.3: Um exemplo de um sistema de controle a malha fechada. Sistemas de controle por realimentao tm muitas vantagens sobre aqueles em malha aberta. Eles so mais estveis podendo inclusive estabilizar sistemas que se considerados separadamente so instveis. So capazes de compensar distrbios inesperados e incertezas no

29

modelo da planta, nas medies e nos atuadores. A propriedade de um sistema ser pouco sensvel a variaes inesperadas na dinmica chamada de robustez. Na verdade esta a principal propriedade dos sistemas de controle por realimentao. Por outro lado, estes sistemas de controle so mais caros que os sistemas de controle em malha aberta, pois precisam de sensores e unidades de processamento para a implementao do controlador. O problema fundamental no projeto de um sistema de controle consiste em determinar uma lei de controle que permita que um sistema dinmico se comporte da maneira requerida, apresentando estabilidade e propriedades desejveis de desempenho e robustez diante de incertezas. No estudo de sistemas de controle, precisamos ser capazes de modelar sistemas dinmicos e de analisar caractersticas dinmicas. A seguir introduzida a modelagem de sistemas dinmicos para controle ativo de vibraes.

2.1. Modelagem de Sistemas Dinmicos

A modelagem matemtica de um sistema dinmico definida como um conjunto de equaes que representam a dinmica do sistema com exatido ou, pelo menos, de forma bastante aceitvel. Na obteno de um modelo matemtico razoavelmente simplificado, freqentemente se torna necessrio ignorar certas propriedades fsicas inerentes ao sistema. Em particular, quando se deseja obter um modelo matemtico linear a parmetros concentrados (isto , um modelo que empregue equaes diferenciais ordinrias) sempre ser necessrio ignorar certas nolinearidades. Dessa forma, a dinmica dos sistemas sejam eles mecnicos, eltricos, trmicos, biolgicos ou econmicos, pode ser descrita em termos de equaes diferenciais. Tais equaes diferenciais podem ser obtidas utilizando as leis da fsica que governam o sistema, como por exemplo, as equaes de Newton para sistemas mecnicos ou as equaes de Kirchhoff para sistemas eltricos. A figura 2.4 mostra, de forma esquemtica, a modelagem de um sistema mecnico.

30

x (t )
c

f(t )
m

Equao Matemtica

mx ( t ) + cx ( t ) + kx ( t ) = f ( t )

Figura 2.4: Modelagem matemtica de um sistema dinmico. Quando o modelo de um sistema mecnico respeita as propriedades de aditividade e de homogeneidade, diz-se que este sistema linear. Embora na realidade todo sistema seja no linear, razovel assumir modelos lineares por vrios motivos. O principal deles que existe uma vasta gama de ferramentas de projeto para sistemas lineares. Dentro de certas regies um sistema dinmico pode ter comportamento puramente linear ou as no linearidades podem ser aproximadas por um sistema linear. As propriedades de aditividade e homogeneidade so descritas a seguir: 1. Um sistema com entrada u e sada y, tem a propriedade de aditividade se,
{u} = y1

{u 2 } = y 2

(2.1)

tem-se,
{u1 + u 2 } = y1 + y 2

(2.2)

2. Um sistema com entrada u e sada y, tem a propriedade de homogeneidade se,

{u} = y , constante,

(2.3)

Quando um sistema no respeita alguma das propriedades anteriores, ele dito no linear. Recomenda-se que o projeto de sistema de controle sempre seja iniciado considerando modelos lineares. Algumas teorias de controle, como o controle robusto, so utilizadas para considerar alguns casos em que as no linearidades no so consideradas. certo que muitas vezes o desempenho de um sistema de controle robusto inferior ao de um sistema timo. H tambm que se considerar o projeto de controladores no lineares por ser, em alguns casos, mais

31

vantajoso economicamente, j que componentes que respondem linearmente dentro de uma ampla faixa de amplitude so mais caros que componentes no lineares (GONALVES, 2003). Um modelo matemtico no nico para um dado sistema. O sistema pode ser representado de muitas maneiras diferentes e, portanto, pode haver muitos modelos matemticos, dependendo da perspectiva que se considere. Um modelo matemtico pode ser mais adequado do que outro dependendo do sistema que alvo de interesse e das circunstncias particulares. Por exemplo, em problemas de controle timo vantajoso usar uma representao em espao de estados. Por outro lado para anlise da resposta transitria ou resposta em freqncia de sistemas monovariveis (uma entrada e uma sada) lineares e invariantes no tempo, a representao atravs da funo de transferncia pode ser mais conveniente que qualquer outra. Basicamente existem duas abordagens para a modelagem de sistemas: atravs da funo de transferncia ou abordagem no domnio da freqncia, e atravs das equaes de estado ou abordagem no domnio do tempo. O primeiro mtodo conhecido como controle clssico e usa a transformada de Laplace para evitar a resoluo das equaes diferenciais do sistema, transformando-as em equaes algbricas. A maior limitao dessa abordagem que pode ser usada somente para representar sistemas lineares e invariantes no tempo (LTI - Linear Time Invariant). O segundo mtodo conhecido como controle moderno e, representa o sistema dinmico com um sistema de equaes diferenciais de primeira ordem. Esta ltima pode ser usada para representar sistemas lineares ou no, variantes ou invariantes no tempo.

2.1.1. Modelagem no Domnio da Freqncia de Sistemas SISO

O princpio bsico da modelagem no domnio da freqncia a chamada funo de transferncia. A funo de transferncia comumente usada para caracterizar a relao de entrada-sada de componentes ou sistemas que podem ser descritos por equaes diferenciais lineares invariantes no tempo. A funo de transferncia de um sistema SISO (uma entrada e uma sada - Single InputSingle Output) representado por equaes diferenciais lineares invariantes no tempo definida como sendo a relao entre a transformada de Laplace do sinal de sada (funo resposta) e a transformada de Laplace do sinal de entrada (funo excitao), na hiptese de que todas as condies iniciais so nulas. Esta relao escrita conforme a equao:

32

Y ( s ) b0 + b1s + G (s) = = U ( s ) a0 + a1s +

+ bz s z + aps p

(2.4)

Sendo que Y(s) e U(s) so as transformadas de Laplace dos sinais de sada e entrada respectivamente. As razes do polinmio do numerador da funo de transferncia so chamadas zeros do sistema e as razes do polinmio do denominador so chamadas de plos do sistema. Os plos esto relacionados com a estabilidade do sistema e sua posio no plano complexo (ou plano s) indica se o sistema estvel ou no. Se qualquer desses plos estiver situado no semiplano direito do plano s (regio direita do eixo imaginrio) representa um sistema instvel. Por outro lado, se todos os plos estiverem situados no semiplano esquerdo (regio esquerda do eixo imaginrio) representa um sistema estvel (OGATA, 2000). Ademais, quanto mais perto fique um plo da origem das coordenadas mais lenta ser a resposta do sistema. Os zeros geralmente se relacionam com a forma da resposta no tempo. Os sistemas dinmicos fsicos em geral so representados por funes de transferncia estritamente prprias, isto ,
lim G ( s ) = 0
s

(2.5)

Em outras palavras o grau do polinmio do denominador sempre maior que o grau do polinmio do numerador da funo de transferncia. Quando a funo de transferncia avaliada em valores imaginrios, s=j, tem com resultado a Funo Resposta em Freqncia do sistema ou FRF. Esta funo representa o comportamento de um sistema quando excitado harmonicamente com uma freqncia . A figura 2.5 ilustra o comportamento de um sistema quando excitado harmonicamente. sen(t)

G(j)

D0 sen(t+)

Figura 2.5: Diagrama de blocos da resposta em freqncia de um sistema. O termo D0 um escalar e chamado de ganho do sistema; fase entre a entrada e a sada do sistema. Representaes grficas da FRF formam uma parte importante da teoria de controle (VALER, 1999). O principal tipo o diagrama de Bode.

33

Diagramas de Bode: Consistem dos grficos do mdulo e da fase da FRF versus a

freqncia de excitao. Os diagramas de Bode tm sido usados amplamente no projeto e na anlise de sistemas de controle, bem como para a identificao experimental dos parmetros ou da funo de transferncia do sistema. Para melhor visualizao deste grfico, os diagramas de Bode usam escala logartmica para a magnitude e para a freqncia. Por conveno adotado o decibel (dB) como unidade de medida da magnitude da FRF, tal que o nmero de decibis dado por 20 logG (j).

2.1.2. Modelagem no Domnio da Freqncia de Sistemas MIMO

Os sistemas SISO so na verdade um subconjunto de sistemas de mltiplas entradas e mltiplas sadas (MIMO - Multiple Input Multiple Output). Os sistemas MIMO podem ser representados atravs de uma matriz de funes de transferncia G(s). O elemento gij(s) da matriz representa a funo de transferncia entre a entrada uj(t) e a sada yi(t) do sistema. De forma que,

y ( s ) = G ( s ) u ( s )

(2.6)

g (s) 11 G ( s ) = g (s) q1

g ( s )1r g ( s )qr

(2.7)

sendo q o nmero de variveis de sada e r o nmero de variveis de entrada do sistema.

2.1.3. Modelagem no Domnio do Tempo

Seguindo uma tendncia atual dos sistemas de engenharia, que esto se tornando cada vez mais complexos, devido, principalmente, necessidade de realizao de tarefas complexas, pode ser vantajoso usar a formulao de sistemas no domnio do tempo, tambm conhecida como representao em espao de estados.

34

Sistemas complexos possuem muitas entradas e muitas sadas e podem ser variantes no tempo. Com estas caractersticas os mtodos de anlise em engenharia tambm se tornam complexos. Uma nova forma de analisar e projetar sistemas de controle complexos a abordagem baseada no conceito de estado. O conceito de estado no novo, mas a sua aplicao no controle moderno recente e com recursos computacionais mais eficientes e rpidos se tornou vivel a anlise do espao de estados. A teoria de controle moderno contrasta com a teoria do controle convencional no sentido de que a primeira aplicvel a sistemas com entradas e sada mltiplas, linear ou no linear, variante ou invariantes no tempo, enquanto a ltima aplicvel apenas aos sistemas monovariveis (uma nica entrada e uma nica sada), lineares e invariantes no tempo. Enquanto a anlise em sistemas monovariveis feita no domnio da freqncia, nos sistemas de mltiplas entradas e mltiplas sadas (MIMO) a abordagem centrada essencialmente no domnio do tempo. Abaixo so descritas, de forma sucinta, as variveis utilizadas nesta formulao (OGATA, 2000). Estado O estado de um sistema dinmico definido pelos valores do menor conjunto de variveis que, em conjunto com as entradas do sistema determina completamente o comportamento do sistema. Variveis de Estado As variveis de estado de um sistema dinmico so as grandezas cujos valores determinam o estado do sistema. Se forem necessrias pelo menos n variveis x1,x2,...,xn para descrever completamente o comportamento de um sistema dinmico, ento tais n variveis so um conjunto de variveis de estado. Vetor de Estado Se n variveis so necessrias para descrever completamente o comportamento de um dado sistema, ento estas n variveis de estado podem ser consideradas n componentes de um vetor x. Tal vetor chamado de vetor de estado.

35

Espao de Estado O espao n-dimensional cujos eixos coordenados consistem nos eixos x1, x2,...,xn chamado de espao de estados. Qualquer estado pode ser representado por um ponto no espao de estados. Para se obter a representao em espao de estados de um sistema de ordem n, necessrio escrever este sistema em n equaes diferenciais de primeira ordem. Assim cada varivel dinmica uma varivel de estado. A forma genrica de um sistema descrito na forma de espao de estados descrita pela equao (2.8).
x (t ) = f x (t ) , u (t ) , t S : y ( t ) = g x ( t ) , u ( t ) , t

(2.8)

sendo x n o vetor de estados, u r o vetor de entradas, y q o vetor de sadas medidas , n a ordem do sistema, r sinais de entrada e q sinais de sada. Para sistemas lineares invariantes no tempo a equao na forma de espao de estados pode ser deduzida da equao 2.8 para,
x(t ) = Ax(t ) + Bu(t ) S : y (t ) = Cx(t ) + Du(t )

(2.9)

Na equao 2.9, A B C D : : : : Matriz dinmica [n x n] Matriz de entradas [n x r] Matriz de sadas [q x n] Matriz de transmisso direta [q x r]

A representao em diagrama de blocos de um sistema linear invariante no tempo na forma de espao de estados mostrada na figura 2.6.

36

Figura 2.6: Representao em diagrama de blocos de um sistema em espao de estados.

2.1.4. Equao de Estado para Sistemas Mecnicos Lineares

A equao diferencial que descreve o movimento de um sistema mecnico pode ser obtida, considerando que o sistema tem parmetros concentrados, atravs das leis de Newton, equaes de Lagrange ou outro mtodo que seja conveniente. Todos os mtodos convergem para a equao diferencial de segunda ordem, que pode ser escrita na seguinte forma geral linear e invariante no tempo (MEIROVITCH, 2000), M {q k ( t )} + ( Dv + G g ) q k ( t ) + ( S k + Ci ) q k ( t ) = f ( t ) onde, M = MT Dv = DvT Gg = -Gg Sk = SkT Ci = - CiT qk(t) f(t)
T

(2.10)

: : : : : : :

Matriz de massa ou matriz de inrcia Matriz de amortecimento viscoso Matriz giroscpica Matriz de rigidez Matriz circulatria Vetor de coordenadas generalizada Vetor fora externa generalizada

Para sistemas mecnicos mais simples, apenas as matrizes de massa, amortecimento viscoso e rigidez so definidas. Alm disso, a matriz de massa sempre definida positiva. A representao na forma de espao de estados do sistema descrito pela equao 2.10 dada por,

37

0 I 0 x ( t ) = x ( t ) + 1 f ( t ) 1 1 M ( S + C ) M D + G k i v g M

(2.11)

sendo,
q ( t ) x ( t ) = k q (t ) k

(2.12)

A equao 2.11 pode ser representada na forma matricial como:

x(t ) = Ax(t ) + Bu(t )

(2.13)

Em outras palavras, reescreve-se a equao diferencial de segunda ordem em equaes diferenciais de primeira ordem, atravs da insero de um vetor x(t), chamado de vetor de estados. Entretanto, o tamanho do sistema aumenta se comparado com o sistema original. Uma descrio genrica de variveis de estado de um sistema de ordem n envolve n integradores; as sadas destes so as variveis de estado. As entradas de cada um dos integradores so dirigidas como uma combinao linear dos sinais de estados e das entradas (DERUSSO, 1997),
sX1 = a11X1 ( s ) + a12 X 2 ( s ) + + a1n X n ( s ) + b11U1 ( s ) + + b1r U r ( s )

sX 2 = a 21X1 ( s ) + a 22 X 2 ( s ) +

+ a 2 n X n ( s ) + b 21U1 ( s ) + + a nn X n ( s ) + b n1U1 ( s ) +

+ b2r U r ( s ) + b nr U r ( s )

(2.14)

sX n = a n1X1 ( s ) + a n 2 X 2 ( s ) +

O parmetro s nas equaes (2.14) indica que so representadas no domnio de Laplace. No domnio do tempo, as equaes acima formam um conjunto de n equaes diferenciais de primeira ordem nas n variveis de estado e nas r entradas,

38

dx1 = a11x1 + a12 x 2 + dt dx 2 = a 21x1 + a 22 x 2 + dt dx n = a n1x1 + a n 2 x 2 + dt

+ a1n x n + b11u1 + + a 2 n x n + b 21u1 +

+ b1r u r + b2r u r (2.15)

+ a nn x n + b n1u1 +

+ b nr u r

O termo (t) foi suprimido na equao (2.15) para facilidade de visualizao. Essas equaes de estado podem ser escritas na forma compacta em notao matricial,
x1 x1 a11 a12 d x 2 x 2 a 21 a 22 = = dt x n x n a n1 a n 2 a1n x1 b11 a 2 n x 2 b 21 + a nn x n b n1 b1r u1 b2r u 2 b nr u r

(2.16)

ou,
dx = x = Ax + Bu dt

(2.17)

A matriz coluna de variveis de estado,

x1 x x = 2 xn

(2.18)

chamada de vetor de estados. As entradas so arranjadas na forma de vetor, com r sendo o nmero de entradas:
u1 u u = 2 ur

(2.19)

39

As sadas do sistema so similarmente arranjadas na forma de vetor, com q sendo o nmero de sadas:
y1 y 2 y= yq

(2.20)

Que podem ser escritas como uma combinao linear das variveis de estado pelas equaes,
y1 = c11x1 + c12 x 2 + y = c x + c x + q1 1 q2 2 q ou
y1 c11 c12 = y q c q1 c q 2 ou c1n x1 c qn x n

+ c1n x n (2.21) + cqn x n

(2.22)

y = Cx
Nessa formulao foi assumido que a matriz de transmisso direta D igual a zero.

(2.23)

2.2. Representao de Incertezas no Modelo

A idia de sistemas dinmicos incertos central para a teoria de controle robusto. Para propsitos de projeto, o comportamento dinmico de sistemas complexos deve ser aproximado para modelos de complexidade relativamente baixa. A diferena entre estes modelos e o sistema real chamada de incerteza do modelo. Outra causa de incerteza o desconhecimento de alguns componentes do sistema, ou a mudana de seu comportamento devida a alteraes de operao.

40

Finalmente, incertezas podem ser originadas de parmetros fsicos que se alteram com o tempo. Note que a incerteza do modelo deve ser distinguida de aes exgenas como distrbios ou rudo originado das medidas (GAHINET et al, 1995). Devido s incertezas de modelo duas caractersticas devem ser consideradas:

A incerteza deve ser pequena onde alto desempenho requerido (compromisso entre

desempenho e robustez). Em outras palavras, o modelo linear deve ser suficientemente exato na banda de controle.

Quanto mais informao se tenha sobre a incerteza (fase, estrutura, invarincia no

tempo, entre outras), melhor ser o desempenho. Existem duas classes principais de incertezas:

Incertezas dinmicas, que consistem em componentes dinmicos omitidos no modelo

linear que causam variaes no comportamento dinmico durante a operao. Por exemplo, modos flexveis altas freqncias, no-linearidades devido a entradas excessivas e variaes lentas no tempo.

Incertezas de parmetros, que se originam na impreciso dos valores dos parmetros

fsicos, ou nas variaes desses parmetros durante a operao. Exemplos destes tipos de incerteza incluem os coeficientes de rigidez e amortecimento em sistemas mecnicos, coeficientes aerodinmicos em equipamentos de vo e capacitores e indutores em circuitos eltricos. O modelo no capaz de emular perfeitamente o comportamento de um sistema real para todas as faixas de operao. Alguns modelos conseguem ser mais fiis ao sistema do que outros para a faixa de operao, entretanto, no esto livres de erros. Os erros so inseridos no modelo devido a alguma aproximao ou uma dinmica que no foi considerada. Entretanto, possvel representar estas incertezas. Existem duas classes bsicas de representao de incertezas:

Incertezas estruturadas; Incertezas no estruturadas.

2.2.1. Incertezas Estruturadas

Como o prprio nome diz, as incertezas estruturadas esto relacionadas com a estrutura do sistema e na maioria dos casos esto relacionadas com variaes nos parmetros da planta. Como um exemplo destas incertezas pode-se citar as variaes nas freqncias naturais do sistema. Para um sistema descrito na forma de espao de estados, estas incertezas podem ser

41

representadas como variaes nas matrizes do sistema. Um exemplo quando existe um tipo de incerteza estruturada na matriz de estados do sistema, esta pode ser representada por A e a matriz de estados passa a ser escrita por,

A = A n + A

(2.24)

Na equao 2.24 o termo An chamado de matriz de estados nominal, j a matriz dinmica

A a matriz de estados real e desconhecida.

A incerteza pode ser escrita do seguinte modo (GONALVES, 2003),
np

A = ai Ai ,
i =1

com ai amax

(2.25)

Ai matriz dinmica do sistema com a i-sima incerteza (incerteza no i-simo parmetro estrutural), ai um escalar e np o nmero total de parmetros incertos. Para sistemas descritos no domnio da freqncia, as incertezas so escritas em termos de variao dos plos e zeros do sistema nominal.

Modelos politpicos para representao de incertezas estruturadas

So denominados sistemas politpicos os sistemas lineares variantes no tempo:

x(t ) = A(t ) x(t ) + B(t ) u(t ) y (t ) = C(t ) x(t ) + D(t ) u(t ) cuja matriz do sistema Sp(t), dada por: A (t ) B (t ) S p (t ) = C ( t ) D ( t )

(2.26)

(2.27)

Esta matriz varia com um nmero fixo de matrizes politpicas, isto ,

S p (t )

{S p1 ,, S pv } := {i1iS pi : i 0, i1i = 1} = =
v v

(2.28)

42

sendo Sp1,...,Spv os sistemas vrtices, dados por

Av A B1 S p1 = 1 , , S pv = C C1 D1 v Bv Dv

(2.29)

sendo v o nmero de vrtices do politopo. Em outras palavras, Sp(t) uma combinao convexa das matrizes dos sistemas Sp1,...,Spv. Os nmeros no negativos 1 , , v so chamados de coordenadas politpicas de Sp(t).
Modelos a parmetros-dependentes afim para representao de incertezas estruturadas

As equaes dos sistemas sempre envolvem incertezas ou variao de coeficientes no tempo. Quando um sistema linear, este naturalmente d origem a um modelo parmetrodependente na forma,
x = A ( p) x + B ( p)u y = C( p) x

(2.30)

As matrizes A(), B() e C() so funes conhecidas de algum vetor de parmetros

p=(p1,...,pm). Estas equaes geralmente so originadas de equaes do movimento, equaes de

circuitos eltricos, etc. No caso desta dependncia tem-se,

A ( p ) = A 0 + p1 A1 + C ( p ) = C0 + p1C1 + + pm A m , + pmCm B ( p ) = B 0 + p1B1 + + pm B m

(2.31)

Os modelos a parmetros-dependentes afim so adequados para utilizao em anlise e sntese baseadas nas funes de Lyapunov. A representao de incertezas na forma de politopos encontrada em muitos problemas de controle. Alm disto, modelos dependentes de parmetros podem ser transformados em modelos politpicos equivalentes. Quantificao da incerteza de parmetros A incerteza de parmetros quantificada como uma faixa de valores do parmetro e possivelmente as taxas de variaes destes parmetros. A incerteza de parmetros pode ser

43

descrita como uma caixa no espao de parmetros. Isto corresponde ao caso onde a incerteza ou o parmetro variante no tempo pi est dentro de uma faixa de dois valores extremos determinados empiricamente, ou seja,

pi p i , p i

(2.32)

sendo que pi e pi so os valores mnimo e mximo, respectivamente. Se p = (p1,...,pm) um vetor com todas as incertezas de parmetros, a equao (2.32) delimita um hiper-retngulo no espao de parmetros m chamada de caixa de parmetros (Parameter Box).

2.2.2. Incertezas No Estruturadas

Incertezas que no podem ser representadas como funo de um parmetro especfico so classificadas como incertezas no estruturadas. Geralmente uma forma de se representar a dinmica no modelada, como, por exemplo, o truncamento das altas freqncias de um sistema mecnico. As incertezas no estruturadas podem ser descritas em termos de suas amplitudes, e podem ser descritas como modelos de incertezas aditivas e multiplicativas (SILVA, 2005). Os tipos de incertezas no estruturadas mais comuns so: o modelo de incerteza aditiva, o modelo de incerteza multiplicativa na sada e o modelo de incerteza multiplicativa na entrada. O modelo de incerteza aditiva dado por:
G ( s ) = G n ( s ) + a ( s )

(2.33)

sendo G(s) a funo de transferncia real, Gn(s) a funo de transferncia nominal e a(s) representando a incerteza aditiva. Moreira (1998) utiliza, no projeto de controlador H robusto, este modelo de incerteza. A representao deste sistema mostrada na figura 2.7.

44

a(s)

G(s) Gn(s) Figura 2.7: Incerteza aditiva. O modelo de incerteza multiplicativa na sada dado por:
G ( s ) = ( + o ( s ) ) G n ( s )

(2.34)

sendo I a matriz identidade e o(s) representando a incerteza multiplicativa na sada. A representao deste sistema mostrada na figura 2.8.

o(s)

Gn(s)

G(s)

Figura 2.8: Incerteza multiplicativa na sada. J o modelo de incerteza multiplicativa na entrada dado por: G ( s ) = G n ( s ) ( + i ( s ) ) (2.35)

sendo i(s) a representao da incerteza multiplicativa na entrada. A representao deste sistema mostrada na figura 2.9.

i(s)

Gn(s) G(s) Figura 2.9: Incerteza multiplicativa na entrada.

45

Quantificao de incertezas no estruturadas: incerteza com norma limitada Limitantes de normas especificam a quantidade de incerteza em termos de ganho L2. Ganho L2 definido como a mxima razo entre as sadas e entradas do sistema: w w

= sup
w 0 wL 2

L2 L2

(2.36)

sendo w

L2

a energia do sinal de entrada. Alm disto, limitantes de normas tambm so teis

para quantificar incertezas paramtricas dependentes de freqncia (SILVA, 2005).

2.3. Estabilidade de Sistemas Dinmicos

A anlise da estabilidade um tpico fundamental no estudo de sistemas dinmicos. Dois tipos de estabilidade so de interesse. O primeiro relaciona a capacidade de um sistema de retornar a um ponto de equilbrio depois de um deslocamento arbitrrio. O segundo relaciona a capacidade de um sistema para produzir uma resposta limitada para uma excitao limitada (VALER, 1999).

2.3.1. Ponto de Equilbrio

Consideremos o seguinte sistema dinmico, na forma de equao de estado e em ausncia das excitaes externas.
x = f ( x, t )

(2.37)

Um ponto de equilbrio um estado xe do sistema (2.37) no qual:

f ( xe , t ) = 0

(2.38)

46

Sistemas no lineares podem ter mais de um ponto de equilbrio. Para o caso de sistemas lineares invariantes no tempo a equao (2.37) simplificada resultando em:
x = Ax ( t )

(2.39)

Se a matriz A no singular o sistema tem como nico ponto de equilbrio (xe=0).

2.3.2. Estabilidade de Lyapunov

Em sistemas lineares e invariantes no tempo, dispe-se de muitos critrios para determinar a estabilidade, como o critrio de estabilidade de Routh e o critrio de estabilidade de Nyquist. Porm, em sistemas no-lineares nenhum destes critrios aplicado. O mtodo mais geral para estes casos o segundo mtodo de Lyapunov, ou mtodo direto de Lyapunov, que tambm se aplica em sistemas lineares e se mostra til em controle timo quadrtico. Lyapunov apresentou dois mtodos para determinar a estabilidade de sistemas dinmicos. No primeiro mtodo a forma explcita da soluo das equaes diferenciais utilizada para anlise. J no segundo mtodo, tambm conhecido como mtodo direto de Lyapunov, possvel determinar a estabilidade sem resolver as equaes de estado, o que muito vantajoso tendo em vista que a soluo de equaes de estados no-lineares costuma ser muito difcil. Admite-se que a equao (2.37) possui uma nica soluo comeando numa dada condio inicial, que designada por (t;{x0},t0) = {x0}, sendo t o tempo observvel e {x0} um estado de origem no tempo inicial t0. Pode-se designar uma regio esfrica de raio k em torno de um estado de equilbrio {xe}, por ||{x}-{xe}|| k, sendo ||{x}-{xe}|| a norma Euclidiana. Sendo S() a regio que consiste em todos os pontos tais que ||{x0}-{xe}||

e S() a regio ||(t;{x0},t0) {xe}||

. Um estado de

equilbrio estvel no sentido de Lyapunov se para um S() houver um S() tal que uma trajetria iniciada em S() no deixe S() medida que t aumenta indefinidamente (MEIROVITCH, 1990). Um estado de equilbrio assintticamente estvel se for estvel no sentido de Lyapunov e se toda soluo comeando em S() convergir para {xe}, sem deixar S(). Os conceitos de estabilidade e instabilidade so representados na figura 2.10.

47

Figura 2.10: Representao grfica do conceito de estabilidade: (a) Estvel; (b) Assintticamente estvel e (c) Instvel. Na prtica, a estabilidade assinttica mais importante do que o conceito de estabilidade visto no pargrafo anterior. O problema ento identificar a maior regio onde se encontra a estabilidade assinttica, que chamada de domnio de atrao. Uma caracterstica desejvel em qualquer sistema de controle que este tenha estabilidade assinttica em grande escala, isto , toda a soluo neste domnio converge para {xe} medida que t cresce indefinidamente. Para isto ser verdadeiro deve existir apenas um estado de equilbrio.

2.3.3. Funo de Lyapunov

O segundo mtodo de Lyapunov baseado no fato de que se um sistema tem um equilbrio assintticamente estvel, ento a energia armazenada neste sistema deslocado dentro do domnio de atrao decair com o tempo at finalmente assumir um valor mnimo do estado de equilbrio. No entanto, para certos sistemas, no existe uma definio clara de funo energia. Ento, para superar esta dificuldade Lyapunov introduziu o conceito de funo de Lyapunov que uma funo de energia fictcia a qual o conceito mais geral e amplamente aplicvel que a definio de energia. A funo de Lyapunov denotada por V(x(t)) uma funo real e escalar do vetor de estado x(t) com primeira derivada contnua que satisfaz as seguintes relaes: 1. V (x(t )) > 0, x(t ) 0 2. V (x(t )) 0, x(t ) 0

48

Segundo Mtodo de Lyapunov: Uma condio suficiente para que um sistema seja estvel que exista uma funo de Lyapunov. Alm disso, se a derivada da funo V(x(t)) estritamente menor que zero, o sistema assintticamente estvel. importante entender que no se pode apresentar nenhuma concluso sobre o segundo mtodo de Lyapunov sem que exista uma funo de Lyapunov. Neste caso necessrio encontrar uma funo de Lyapunov ou aplicar o teorema da instabilidade de Lyapunov. Um inconveniente da teoria de Lyapunov que no existe uma forma sistemtica de encontrar uma funo candidata para verificar a estabilidade.

2.3.4. Estabilidade de Sistemas Lineares e Invariantes no Tempo

Considere um sistema linear de primeira ordem dado por,

x = Ax

(2.40)

sendo x um vetor de tamanho n x 1. Com o objetivo de verificar a condio de estabilidade para este sistema, escolhe-se a seguinte funo de Lyapunov,

V = xT Px
a derivada no tempo da funo de Lyapunov se torna,

(2.41)

V = xT Px + xT Px = xT ( AT P + PA ) x
para estabilidade deste sistema, requer-se que
AT P + PA = Q

(2.42)

(2.43)

sendo Q uma matriz definida positiva satisfazendo a propriedade x T Qx > 0 para todo x 0 e
Q = Q T . Desta forma, V = xT Qx < 0

(2.44)

49

Assim, formula-se um teorema para estabilidade de um sistema linear, ou seja, o sistema linear x = Ax estvel se e somente se, existir uma matriz definida positiva P que satisfaa a equao 2.43 para uma dada matriz definida positiva Q. Partindo do segundo mtodo de Lyapunov possvel demonstrar que para estes sistemas a anlise de estabilidade se reduz anlise da parte real dos autovalores Re(i) da matriz de estado

A ou dos plos da funo de transferncia para modelos no domnio da freqncia. A tabela 2.1
sintetiza as condies de estabilidade para estes sistemas (VALER, 1999). Tabela 2.1: Estabilidade de sistemas lineares invariantes no tempo.

Condio 1. Re(i)<0 para todo i 2. Re(i)<0 para alguns i, e

Re(j)=0 para outros j, e (a) j um autovalor simples => (b) j um autovalor mltiplo =>

Implicao
Sistema assintticamente estvel.

Sistema estvel, mas no assintticamente estvel. Sistema instvel. Sistema instvel.

3. Re(i)>0 para alguns i

2.3.5. Estabilidade de Sistemas de Mltiplos Graus de Liberdade

Nas sees anteriores foram apresentados conceitos de estabilidade. necessrio agora estender estes conceitos para sistemas linearizados de mltiplos graus de liberdade, os quais so originados da anlise por elementos finitos. Entender estabilidade de sistemas de mltiplos graus liberdade essencialmente importante para compreenso e projeto de sistema de controle por realimentao.

Sistemas sem amortecimento

Utilizando a teoria da estabilidade de Lyapunov se deseja analisar a estabilidade de um sistema de mltiplos graus de liberdade linearizado. Considerando um sistema dinmico de dimenso n, que geralmente obtido da anlise por elementos finitos, a equao governante do movimento do sistema sem amortecimento descrita por,

Mq k + S k q k = Fu

(2.45)

50

sendo M a matriz de massa, Sk a matriz de rigidez, qk o vetor de coordenadas generalizadas, F a matriz de influncia da entrada e u o vetor de entradas. No caso de no existir esforos externos, a vibrao livre satisfeita por,

Mq k + S k q k = 0
e a soluo do sistema da equao 2.46 puramente senoidal.
q k ( t ) = ck {k } eik t
k =1 n

(2.46)

(2.47)

{k } e k

so parmetros do sistema. A estabilidade do sistema, equao 2.46, pode ser provada

de vrias maneiras. Uma delas a teoria de Lyapunov. Considerando o fato de que a energia cintica mais a energia potencial um indicador direto da energia do sistema, uma funo candidata de Lyapunov dada por,
1 1 V = qT Mq k + qT S k q k k k 2 2

(2.48)

A funo de Lyapunov sempre positiva, (V > 0), desde que as matrizes de massa e rigidez satisfaam,

qT Mq k > 0, k

qT S k q k 0 k

(2.49)

para q k , q k 0 e matrizes simtricas de massa e rigidez. A derivada da funo de Lyapunov (equao 2.48) em conjunto com a equao 2.45 fornece,
V = qT ( Mq k + S k q k ) = qT Fu k k

(2.50)

Na ausncia de foras de entrada, isto u = 0, a equao 2.50 se torna, V = 0, ou V = constante (2.51)

51

Em outras palavras, a energia do sistema conservada e o movimento do tipo puramente senoidal. importante notar que a estabilidade no depende propriamente dos parmetros do sistema, isto , a massa e a rigidez foram tiradas da anlise na equao 2.50. Quando se desejar projetar uma lei de controle, projeta-se u de forma que o sistema seja estvel, ento uma possvel soluo para o sistema selecionar u tal que, V<0 (2.52)

Em outras palavras, a energia decresce em torno do ponto de equilbrio com uma escolha correta da fora de controle. Sistemas com amortecimento A forma linearizada da equao do movimento de um sistema com amortecimento descrita por, Mq k + Dv q k + S k q k = Fu (2.53)

sendo que Dv a matriz de amortecimento no negativa definida. O sistema intuitivamente estvel devido ao termo de amortecimento introduzido. Para verificar a estabilidade deste sistema, escolhe-se uma funo candidata de Lyapunov, 1 1 V = qT Mq k + qT S k q k k k 2 2

(2.54)

A derivada da funo de Lyapunov com relao ao tempo dada pela primeira parte da equao 2.50, que substitudo na equao do movimento 2.53, pode-se obter,
V = qT ( Dv q k + Fu ) k

(2.55)

Na ausncia de foras externas, a derivada da funo de Lyapunov torna-se, V = q T D v q k k (2.56)

52

Se a matriz de amortecimento definida positiva ento a derivada da funo de Lyapunov se torna sempre menor que zero e o sistema assintticamente estvel. No caso da matriz do sistema ser somente semi-definida, ento a estabilidade assinttica do sistema no garantida. Neste caso deve-se utilizar outra tcnica, ou outra funo de Lyapunov para verificao da estabilidade.

2.4. ndices de Desempenho de Sistemas de Controle

Alm da estabilidade, os sistemas de controle devem ter bom desempenho, isto , boa qualidade da resposta, isso significa: Resposta dinmica rpida Baixo erro em regime permanente (entre o sinal de referncia e a resposta do sistema) Baixo esforo (ou energia) de controle.

De modo a quantificar o desempenho de um sistema so definidos os ndices de desempenho. Estes ndices so definidos, no domnio do tempo, a partir da resposta a um degrau. A tabela 2.2 mostra os principais ndices usados com esta finalidade. Tabela 2.2: ndices de desempenho no domnio do tempo. Caracterstica Velocidade de Resposta Desejado Rpida Propsito O sistema responde rapidamente s entradas ndice de Desempenho Tempo de Resposta (ts) Tempo de Elevao (tr) Tempo de Pico (tp) Sobre Valor (Mp) Erro na Resposta em Regime Baixo A diferena entre a resposta e o valor desejado tem que ser pequena Tempo de Resposta ou Acomodao (ts): o tempo requerido para que a resposta a um degrau diminua at ficar dentro de um porcentual (usualmente 2% ou 5 %) do valor final. O Erro em Regime

53

tempo de resposta de um sistema linear pode ser determinado aproximadamente com base no autovalor (plo) dominante (aquele com parte real negativa mais perto da origem). Se o plo dominante -+j o tempo de resposta aproximado ser de 4 a 6 vezes . Tempo de Elevao ou Subida (tr): o tempo necessrio para que a resposta passe de 10% a 90%, 5% a 95%, ou de 0% a 100% do seu valor final. Tempo de Atraso (td): o tempo necessrio para que a resposta alcance, pela primeira vez, a metade (50%) do valor final. Tempo de Pico (tp): o tempo necessrio para que a resposta atinja o valor mximo. Sobre Valor ou Percentual de Overshoot (Mp): o mximo valor de pico da curva de resposta medido a partir do valor unitrio. A resposta a um degrau de um sistema tpico ilustrada na figura 2.11.

Figura 2.11: ndices de desempenho no domnio do tempo.

54

3 - Desigualdades Matriciais Lineares

O propsito deste captulo mostrar a utilizao das desigualdades matriciais lineares (LMIs) em aplicaes de controle de sistemas mecnicos. As LMIs tem aparecido como uma nova e poderosa ferramenta na anlise e projeto de sistemas de controle nos maiores eventos da rea. Com o desenvolvimento das tcnicas de otimizao convexa as LMIs tem se tornado uma importante ferramenta, com muitas aplicaes futuras. Neste captulo so apresentados os principais fundamentos envolvidos no controle via LMIs. Inicialmente feito um breve histrico do uso de LMI na teoria de controle e na seqncia so apresentadas definies preliminares sobre LMIs. Em seguida consideraes sobre estabilidade utilizando LMIs so apresentadas. E, finalmente, apresentado o projeto de sistemas de controle utilizando LMIs considerando incertezas politpicas.

3.1. Histria do Uso das LMIs

A utilizao das LMIs em problemas de anlise dinmica teve incio em 1890 com a publicao da Teoria de Lyapunov (BOYD et al, 1994b). A idia de Lyapunov foi mostrar que o sistema dinmico: x = x (3.1)

estvel, isto , todas as trajetrias convergem a zero, se e somente se existir uma matriz P positiva definida tal que: AT P + PA < 0 (3.2)

A inequao acima conhecida como desigualdade de Lyapunov e resultado direto do 2. teorema de Lyapunov. A inequao (3.2) uma forma especial de LMI. Lyapunov tambm mostrou que esta LMI pode ser resolvida analiticamente atravs de um conjunto de equaes lineares equivalentes. Na dcada de 40 Lure, Postnikov e outros na antiga Unio Sovitica aplicaram o mtodo de Lyapunov para alguns problemas prticos de engenharia de controle, especialmente em

55

problemas de estabilidade de sistemas de controle com no-linearidade no atuador. Apesar de no resolverem explicitamente na forma de LMI, o critrio utilizado tinha a forma de uma desigualdade matricial. Esta desigualdade era reduzida a uma inequao polinomial que podia ser resolvida mo e foi a primeira demonstrao que a teoria de Lyapunov poderia ser utilizada em problemas prticos de engenharia. J no incio dos anos 60, Yakubovich, Popov, Kalman e outros pesquisadores reduziram a soluo das LMIs que surgiram no problema de Lure a um critrio grfico simples, chamado atualmente de lema KYP (Kalman-Yakubovich e Popov) ou, tambm, de positive real-lemma. Este lema tem muitas variantes na literatura e podem ser aplicados a sistemas de ordem elevada, apesar de no serem atraentes em sistemas com no-linearidades. Para Boyd et al. (1994a) a contribuio do lema KYP foi mostrar que certas classes de problemas envolvendo LMI podem ter soluo atravs de mtodos grficos. O lema KYP e suas extenses foram exaustivamente estudados at a metade dos anos 60 e foram relacionadas a idias de passividade, ao teorema dos ganhos pequenos e ao controle timo quadrtico. Em 1970 foi mostrado que as LMIs que apareciam no lema KYP poderiam ser resolvidas no apenas graficamente, mas tambm pela soluo de certas equaes algbricas de Riccati (BOYD et al, 1994a). Neste mesmo perodo a soluo do problema do regulador linear quadrtico (LQR), envolvendo a resoluo da equao de Riccati, marcou poca, sendo utilizada at hoje em problemas de controle timo (PERES, 1997). Neste estgio a maioria dos problemas com restries LMI envolviam solues via mtodos analticos, como mtodo direto para sistemas de ordem pequena, mtodos grficos e solues de equaes de Riccati. Porm a partir da dcada de 70, constatou-se que as LMIs que aparecem na teoria de controle podem ser formuladas como problemas de otimizao convexa e solucionadas via algoritmos numricos. Pyatnitskii e Skorodinskii foram, provavelmente, os primeiros a mostrar isto claramente. Eles reduziram o problema de Lure a um problema de otimizao convexa envolvendo LMIs, que podia ser solucionado pelo algoritmo do elipside. Segundo Boyd et al. (1994b), Pyatnitskii e Skorodinskii foram os primeiros a formular a soluo de uma LMI por meio de um algoritmo de busca convexa com garantias de se encontrar uma soluo. Dois desenvolvimentos recentes fizeram com que este enfoque ganhasse destaque. O primeiro foi o grande aumento na capacidade dos computadores e o segundo o desenvolvimento de poderosos algoritmos numricos para otimizao convexa (BOYD et al, 1993). Entre eles, pode-se destacar o desenvolvimento de um mtodo de programao linear que resolve problemas

56

descritos na forma de LMIs com convergncia polinomial, muito til na prtica, que foi proposto por Karmarkar em 1984. Em 1988, Nesterov e Nemirovskii desenvolveram o mtodo de pontos interiores, que se aplica diretamente nos problemas de programao convexa que envolvem LMIs (ASSUNO; TEIXEIRA, 2001, BOYD et al, 1994a). Geromel (1989) desenvolveu um procedimento de anlise convexa e otimizao global para localizao de atuadores utilizando LMIs. J em 1991, Geromel et al. propem um procedimento para a soluo do projeto de controladores via LMIs considerando incertezas paramtricas descritas por incluses diferenciais lineares politpicas (PLDI). Este procedimento discutido em aplicaes prticas em Silva et al. (2004). Atravs do mtodo proposto por Nesterov e Nemirovskii, o enfoque de controle via LMI comeou a se tornar popular. Atualmente possvel resolver rapidamente problemas de otimizao convexa que no tem soluo analtica atravs de tcnicas tradicionais. Alm disto, a soluo de muitos problemas de otimizao convexa pode ser obtida em tempo computacional relativamente pequeno, se comparado soluo via uma tcnica convencional (BOYD et al, 1993). Somado a tudo isto est o fato de inmeros pacotes computacionais especializados em LMIs serem disponveis, como o LMI Control Toolbox do Matlab (GAHINET et al, 1995), ou o software LMISol de domnio pblico (OLIVEIRA et al, 1997).

3.2. Definies Sobre as LMIs

Uma LMI definida como sendo uma desigualdade matricial da forma (BOYD et al, 1994b): F(x ) = F0 + x i Fi > 0
i =1
m

(3.3)

sendo x Rm a varivel, F0 e Fi matrizes simtricas com Fi =FiT Rnxn e i = 0,1,...,m dados. O conjunto {xF(x)>0} convexo e positivo definido. A LMI da ineq. (3.3) equivalente a um conjunto de n inequaes polinomiais em x. Mltiplas LMIs, F1(x)>0,..., Fn(x)>0, podem ser expressas como uma LMI simples atravs da diag(F1(x)>0,..., Fn(x))>0. Sendo que, diag(F1(x)>0,..., Fn(x))>0 denota a matriz diagonal com
F1 ( x ) ,, Fn ( x ) > 0 na diagonal. Alm disto, nenhuma distino feita entre o conjunto de

57

LMIs e uma LMI simples, ou seja, as LMIs F1(x)>0,..., Fn(x)>0 so iguais a LMI diag(F1(x)>0,..., Fn(x))>0. Um resultado importante em LMI que uma classe de desigualdades no-lineares podem ser convertidas na forma de LMI atravs do uso do complemento de Schur. A idia bsica ,
QT ( x ) S ( x ) T >0 S ( x ) R ( x )

(3.4)

sendo Q(x)=QT(x), R(x)=RT(x) e S(x) so dependentes afins de x. A inequao (3.4) equivalente a desigualdade matricial no-linear: Q ( x ) S ( x ) R ( x ) S ( x ) > 0,
1

R (x) > 0

(3.5)

Uma demonstrao do complemento de Schur pode ser encontrada em VanAntwerp e Braatz, (2000). Existem muitos problemas convexos e quasi-convexos comuns que aparecem na teoria de controle. Na seqncia so apresentados os mais comuns. Problema de Factibilidade de uma LMI (LMIP - LMI Problem) Dada uma LMI A(x)>0, o problema de factibilidade de uma LMI (LMIP) corresponde a encontrar xfact tal que a desigualdade A(xfact)>0 verdadeira, ou determinar que a LMI infactvel. LMIP um problema de factibilidade convexa. O problema de estabilidade de Lyapunov, mostrado na inequao (3.2) um exemplo de um LMIP. Problema de Autovalor (EVP Eigenvalue Minimization Problem) O problema de autovalor (EVP), neste caso, se restringe a minimizar o mximo autovalor de uma matriz, sujeito a LMI (BOYD et al, 1993):
minimizar

sujeito I A(x ) > 0 B(x ) > 0

(3.6)

58

sendo A e B matrizes simtricas que dependem da varivel de otimizao x. EVP um problema de otimizao convexa e pode aparecer em controle com problemas de minimizao de funcionais. Problema de Autovalor Generalizado (GEVP - Generalized Eigenvalue Minimization Problem) O problema de autovalor generalizado (GEVP), neste caso, se restringe a minimizar o mximo autovalor generalizado de um par de matrizes dependentes de uma varivel e sujeitos a restries LMI. A forma geral de um GEVP :
minimizar

sujeito B(x ) A(x ) > 0 B(x ) > 0 C(x ) > 0

(3.7)

sendo A, B e C matrizes simtricas dependentes de x. GEVP um problema quasi-convexo. Um problema quasi-convexo envolve uma funo matemtica quasi-convexa. Considere um conjunto convexo C, f : C R denominada uma funo quasi-convexa se x1, x2 C e (0,1);

f(x1+(1- ) x2) max{f(x1), f(x2)}.Quando estas matrizes so todas diagonais, este problema se
reduz a um problema de programao linear fracional geral. Muitas funes quasi-convexas nolineares podem ser representadas na forma de um GEVP.

3.3. Estudo da Estabilidade Utilizando LMIs

As desigualdades matriciais lineares so ferramentas importantes para o estudo da estabilidade de sistemas descritos no espao de estados (BOYD et al, 1994b). Considere o sistema linear autnomo dado pela equao 3.8, na ausncia de excitaes externas. x = Ax (3.8)

sendo x o vetor de estados e A uma matriz constante. Se A no singular, ento o nico estado de equilbrio a origem x = 0. Para este sistema, pode-se definir uma funo de Lyapunov:

59

V ( x ) = xT Px > 0

(3.9)

Sua derivada em relao ao tempo :

V ( x ) = xT Px + xT Px = ( Ax ) Px + xT PAx = xT ( AT P + PA ) x
T

(3.10)

Como V(x) foi escolhida definida positiva, para se ter estabilidade assinttica necessrio que V ( x ) seja definida negativa ( V ( x ) < 0 ). Portanto para a estabilidade do sistema da equao (3.8) necessrio que: A T P + PA < 0 (3.11)

Desta forma, pode-se escrever um teorema para anlise da estabilidade de sistemas descritos na forma de espao de estados (ASSUNO et al, 2001). TEOREMA 3.1. Considere o sistema autnomo descrito pela equao (3.8), sendo x o vetor de

estados e A uma matriz n n constante e no singular. Uma condio necessria e suficiente para que o estado de equilbrio x = 0 seja assintticamente estvel que, exista uma matriz P positiva definida, simtrica, tal que

AT P + PA < 0
A interpretao geomtrica deste teorema mostrada na figura 3.1. A figura mostra a funo V(x) e o caminho da evoluo dos estados do sistema da equao (3.8) sem foras externas. Os estados esto restritos ao lugar geomtrico delineado por V(x), ou seja, pela funo de Lyapunov escolhida. Note que V ( x ) sempre negativa ao longo de V(x). Ento, a funo V(x) decresce ao longo do tempo, o que implica que o sistema assintticamente estvel.

60

Figura 3.1: Interpretao geomtrica do teorema da estabilidade.

3.4. Projeto de Sistemas de Controle Utilizando LMIs

O projeto de sistema de controle utilizando LMIs considera a lei de realimentao de estados tal que o ganho de realimentao dado por, u = K cx O sistema em malha fechada tem a seguinte equao na forma de espao de estados
x = Ax + BK c x = ( A + BK c ) x = A f x

(3.12)

(3.13)

Para que o sistema em malha fechada da equao (3.13) seja estvel, necessrio que exista uma matriz simtrica definida positiva P tal que,
A Tf P + PA f < 0

ou

( A + BK c )

P + P ( A + BK c ) < 0

(3.14)

61

com P > 0. A inequao (3.14) no uma LMI, pois existe o produto de duas variveis a serem encontradas, P e Kc. Para obteno do problema convexo deve-se trabalhar a inequao (3.14) algebricamente. Primeiramente, multiplica-se ambos os lados dos termos da inequao (3.14) por P-1 (a matriz inversa de P existe, uma vez que ela considerada simtrica positiva definida). Tem-se ento, AP 1 + BK c P 1 + P 1 AT + P 1K cT BT < 0 Definindo duas novas variveis, W = P-1 e Z = KcP-1 = KcW, tem-se, AW + BZ + WAT + ZT BT < 0 W>0 O ganho do controlador para este sistema dado por, Kc = ZW-1 Projeto de sistemas de controle com incertezas politpicas utilizando LMIs Um sistema com incertezas politpicas com v vrtices pode ser estabilizado por meio de projeto por LMIs (GONALVES, 2003). Este sistema com incertezas politpicas ser estabilizvel se, (3.17) (3.15)

(3.16)

Ai W + BZ + WAiT + ZT BT < 0 W>0

(3.18)

sendo A i o i-simo vrtice do politopo, i = 1,2,...,v. Mais detalhadamente, o projeto de controlador robusto que estabiliza o sistema incerto consiste em resolver simultaneamente as seguintes LMIs:
T A1W + BZ + WA1 + ZT BT < 0

A 2 W + BZ + WAT + ZT BT < 0 2

62

A v W + BZ + WAT + ZT BT < 0 v
W>0

(3.19)

sendo W = WT e v o nmero total de vrtices do politopo. O controlador dado por: Kc = ZW-1

63

4 - Projeto de Sistemas de Controle

4.1. Projeto via Realimentao de Estados
A lei de controle por realimentao tem muitas aplicaes em sistemas dinmicos. A idia bsica da lei de controle por realimentao ler o sinal de sada do sistema e atravs dele criar o sinal do atuador. O vetor de estados do sistema ento utilizado para gerar o sinal do atuador. A lei de controle por realimentao tem a vantagem de que o sistema pode estar exposto a excitaes aleatrias. Considere um sistema de controle descrito na forma de espao de estados a seguir, x = Ax + Bu y = Cx A lei de controle por realimentao pode ser escrita na seguinte forma, u = K cx (4.2)

(4.1)

Esta lei de controle chamada de realimentao completa de estados e utiliza todas as variveis de estado do sistema. A matriz Kc chamada de matriz de ganho de realimentao de estados. O diagrama de blocos que descreve o controle por realimentao no espao de estados mostrado na figura 4.1.

Figura 4.1: Diagrama de blocos do sistema com realimentao de estados. Substituindo-se a equao (4.2) na equao (4.1) tem-se,

64

x = (A + BK c )x A soluo desta equao dada por x(t) = e(A + BK c )t x(0)

(4.3)

(4.4)

sendo x(0) o estado inicial devido a perturbaes externas. A estabilidade e as caractersticas da resposta transitria so determinadas pelos autovalores da matriz (A+BKc). Se a matriz Kc for escolhida de forma adequada, a matriz (A+BKc) pode ser feita uma matriz assintticamente estvel e, qualquer que seja x(0) 0, possvel fazer x(t) tender a 0 quando t tende para infinito. Os autovalores da matriz (A+BKc) so chamados plos do regulador. Se estes plos do regulador forem localizados no semiplano s da esquerda, ento x(t) tende a 0 quando t tende a infinito. O problema de impor a localizao dos plos a malha fechada dito o problema da alocao de plos. Como visto na figura 4.1, o sistema de controle com realimentao completa de estados requer o conhecimento de todos os estados do sistema. Muitas vezes o acesso a todos os estados do sistema no disponvel devido, por exemplo, ao nmero limitado de sensores. Um outro fator, tambm importante, no projeto de sistema de controle no espao de estados saber se todos os estados podem ser controlados. Assim necessrio definir dois conceitos importantes no projeto de sistemas de controle por realimentao no espao de estados que so controlabilidade e observabilidade.

4.1.1. Controlabilidade
Um sistema dinmico descrito na forma de espao de estados dito controlvel se, para todo instante t1 > 0, o estado inicial x(0) = x0 e estado final x1, existe uma entrada u(t) tal que a soluo do sistema satisfaa x(t1) = x1. Caso contrrio o sistema dito no controlvel (ZHOU, 1995). A controlabilidade pode ser verificada utilizando alguns critrios algbricos: (i) A matriz de controlabilidade Cb

65

Cb = B AB tem posto n. (ii) A matriz graminiano de controlabilidade

An 1B

(4.5)

t Wc = 0 e A BBT e A d
T

(4.6)

definida positiva para todo t > 0. (iii) A matriz

[A I

B]

(4.7)

tem posto completo para todo , o campo dos nmeros complexos. Esta condio chamada de teste do posto de Popov, Belevitch e Hautus (PBH). (iv) No existe autovetor qi de AT que seja ortogonal a todas as colunas de B. Ou seja, dado ATqi = i qi, ento a condio: qjTB = 0, implica q j 0 .

(v) Os autovalores de (A+BKc) podem ser livremente alocados por uma escolha adequada de Kc.

4.1.2. Observabilidade
Um sistema dinmico descrito na forma de espao de estados dito observvel se, para qualquer t1 > 0, o estado inicial x(0) = x0 pode ser determinado pela histria temporal da entrada u(t) e a sada y(t) no intervalo [0, t1]. Caso contrrio o sistema dito no observvel (ZHOU, 1995). A observabilidade pode ser verificada utilizando alguns critrios algbricos:

66

(i) A matriz de observabilidade Ob C CA Ob = n 1 CA tem posto n. (ii) A matriz graminiano de observabilidade

t Wo ( t ) = 0 e A CT Ce A d
T

(4.8)

(4.9)

definida positiva para todo t > 0. (iii) A matriz A I C tem posto n para todo .Teste do posto PBH.

(4.10)

(iv) No existe autovetor qi de A que seja ortogonal a todas as linhas de C. Ou seja, dado ATqi =

i qi, ento a condio: Cqj = 0, implica qj 0 .

(v) Os autovalores de (A-KeC) podem ser livremente alocados por uma escolha adequada de Ke. O termo (A - KeC) obtido no item 4.1.4. (vi) O par (AT, CT) controlvel.

67

4.1.3. Princpio da Dualidade

Observando as propriedades de controlabilidade e observabilidade possvel notar relaes entre os dois conceitos. Pode-se dizer que o problema de controlabilidade dual ao problema de observabilidade (VALER, 1999). Um sistema linear e invariante no tempo (LTI) x(t ) = Ax(t ) + Bu(t ) S : y (t ) = Cx(t ) dual ao sistema (e vice versa),
x ( t ) = Ax ( t ) + Bu ( t ) S : y ( t ) = Cx ( t )

(4.11)

(4.12)

se A = AT B = BT C = CT O sistema LTI da equao 4.11 controlvel (observvel) somente se o sistema dual da equao 4.12 for observvel (controlvel) (VALER, 1999).

(4.13)

4.1.4. Observadores de Estados

Quando houver variveis de estado no disponveis para medio, o projeto de sistema de controle por realimentao de estados no pode ser feito, a no ser que se estime as variveis no medidas. Processos de derivao de variveis para obteno de outras no so aconselhveis, tendo em vista que o processo de derivao acarreta decrscimo da relao sinal/rudo do sistema, sendo que o rudo varia mais rapidamente que o sinal de comando. Dependendo das grandezas com que se trabalha, a relao sinal/rudo pode ser comprometida por um simples

68

processo de derivao. As variveis no medidas, no entanto, podem ser estimadas. Um dispositivo, circuito eltrico ou programa de computador que estime estas variveis chamado de observador de estado ou simplesmente observador. Quando todas as variveis do sistema so estimadas, este observador chamado de observador de ordem completa. Quando o nmero de variveis estimadas menor que o total de variveis do sistema este observador chamado de
observador de ordem reduzida.

Basicamente, um observador de estado um modelo matemtico do sistema baseado no seu comportamento fsico. O modelo matemtico usado para construir o sistema fsico baseado na leitura de um sensor. Assumindo um sistema descrito na forma de espao de estados
x = Ax + Bu y = Cx

(4.14)

O observador dinmico pode ser escrito na seguinte forma

x = Ax + Bu + K e ( y y ) y = Cx

(4.15)

Sendo Ke o ganho do observador a ser determinado e y a sada do sensor que alimenta a dinmica do observador. A representao grfica de um observador dinmico mostrada na figura 4.2.

Figura 4.2: Representao grfica de um observador dinmico. Para entender o funcionamento do observador, combinam-se as equaes (4.14) e (4.15) de modo que,

69

x x = Ax Ax K e ( y y ) Introduzindo um vetor de erro definido por e=xx

(4.16)

(4.17)

O vetor de erro representa o erro entre o sistema real e o observador dinmico. A derivada

do vetor de erro pode, tambm, ser escrita considerando que y = Cx por,

e = ( A K eC ) e

(4.18)

A soluo da equao (4.18) pode ser obtida por similaridade com a equao (4.3). O vetor de erro, portanto, dado por,
e ( t ) = e(
A K e C )t

e ( 0)

(4.19)

A partir da equao (4.19), percebe-se que o comportamento dinmico do vetor erro determinado pelos autovalores da matriz (A-KeC). Se a matriz (A-KeC) for uma matriz estvel, o vetor erro convergir para zero seja qual for o valor inicial do vetor erro e(0). Alm disso, se o sistema for completamente observvel pode-se provar que possvel escolher uma matriz Ke tal que a matriz (A-KeC) possua autovalores desejados. Ento, o projeto de um observador de ordem completa se torna determinar a matriz de ganho do observador Ke tal que a matriz (AKeC) possua autovalores apropriados. Esses autovalores so usualmente escolhidos de modo que

a resposta do observador seja mais rpida que a resposta do sistema. Uma regra prtica consiste em escolher uma resposta do observador pelo menos duas a cinco vezes mais rpida que a resposta do sistema. O projeto do observador pode ser feito de forma anloga ao projeto do controlador considerando o princpio de dualidade. Nos sistemas de controle com realimentao de estados, pode-se utilizar os estados estimados para realimentar o sistema. O esquema de um sistema de controle de realimentao que utiliza um observador de estados mostrado na figura 4.3.

70

Figura 4.3: Sistema de controle por realimentao de estados utilizando observador.

4.1.5. Controle H via Realimentao de Estados

Este item apresenta o controle H considerando realimentao de estados para um sistema contnuo. Grande parte do que apresentado neste item foi estudo do trabalho de Peres (1997) que contribuiu com as parametrizaes apresentadas a seguir. Considerando um sistema linear e invariante no tempo (LTI):
x = Ax + 1 w + 2 u, y = Cx + D1 w + D 2 u x(0 ) = x 0

(4.20)

sendo A a matriz dinmica, B1 a matriz de entrada de distrbio, B2 a matriz de entrada de controle, C a matriz de sada, D1 e D2 as matrizes de transmisso direta, x o vetor de estados, w o vetor de distrbio e u o vetor de entrada de controle. Assumindo controle por realimentao de estados para a LTI descrita pela equao (4.20), uma lei de controle linear pode ser dada por:
u = K cx

(4.21)

71

sendo Kc a matriz de ganho de realimentao a ser determinada. Considera-se tambm que D1=0 e D=D2. As matrizes malha fechada so dadas por:
f = A + B2K c Cf = C + DK c

(4.22) (4.23)

O interesse encontrar o conjunto de ganhos estabilizantes definido por:

K c = {K c : A f assintticamente estvel}

(4.24)

ou seja, todos os autovalores de Af tm parte real negativa. A norma H pode ser calculada a partir de uma relao entre um limitante superior >0 para a norma H e a existncia de uma matriz definida positiva P, a partir do seguinte enunciado, H< se e somente se a desigualdade:
T AT P + PA f + -2 PB1B1 P + CT Cf 0 f f

(4.25)

admitindo P=PT>0 como soluo e sendo um escalar. O problema consiste em sintetizar um controlador para manter as variveis de desempenho do sistema, z, pequenas na presena de entradas exgenas w. O controle H timo consiste em encontrar todos os controladores admissveis tal que a norma H seja minimizada (BURL, 1999). Enquanto o controle H sub-timo, dado > 0, consiste em encontrar todos os controladores admissveis, se existir um, tal que a norma H < . O problema de otimizao H pode ser definido a partir da caracterizao de todos os estados de ganhos de realimentao que estabilizem o sistema. O problema da maneira como enunciado no convexo nas variveis de interesse, ento se torna necessrio definir um novo espao paramtrico para que o problema convexo possa ser obtido. Aps esta parametrizao convexa as LMIs resultantes podem ser utilizadas para a soluo do problema. A partir da relao entre a norma H e a existncia de uma matriz P, dada pela equao (4.25), uma condio equivalente encontrada multiplicando-se esquerda e direita por P-1 e fazendo W = P-1 > 0:

72

T A f W + WAT + B1B1 + -2 WCT Cf W 0 f f

(4.26)

A equao (4.26) no envolve de maneira convexa as variveis de interesse, pois a matriz de ganho Kc est embutida dentro de Af, Cf e da matriz W. Assim, deve-se definir um novo espao paramtrico, obtendo-se assim o problema de otimizao convexa:
min

,W ,Z

>0
W>0 -AW WA B 2 Z Z T B T 2 T B1 CW + DZ
T

B1 I 0

WCT + ZT DT 0 0 I

(4.27)

sendo = 2. A prova deste problema feita reescrevendo as restries da equao (4.27) utilizando o complemento de Schur. A minimizao deste problema garante um valor timo para a norma H. A prova desta equao pode ser encontrada em Peres (1997) e Palma (2007). A soluo da equao (4.27) fornece realimentao dado por:
K c = ZW 1

= min H

e o ganho timo H de

(4.28)

sendo Z e W obtidos a partir da soluo do problema de otimizao (4.27). Usando a equao (4.27) possvel tambm definir o problema sub-timo substituindo a LMI >0 por > .

4.2. Projeto Robusto H via Realimentao da Sada

4.2.1. Configurao Geral do Problema de Controle
Considere o sistema mostrado na figura 4.4, o qual se aplica a uma vasta classe de problemas de controle. Para este sistema, tem-se como sinais tpicos:

73

r(s), o sinal de referncia a ser seguido; di(s), o sinal de distrbio na entrada do sistema; do(s), o sinal de distrbio na sada do sistema; m(s), o sinal de rudo; y(s), a sada da planta; e(s), o sinal de erro entre a referncia e o sinal medido e u(s), o sinal de controle.

sendo G(s) o modelo do sistema (planta), K(s) o controlador e s a varivel de Laplace.

di(s) r(s) + e(s)

K(s)

u(s) + +

G(s)

d0(s) +
+

y(s)

+ + m(s) Figura 4.4: Configurao de um sistema genrico de controle Com base na figura 4.4 algumas caractersticas importantes do sistema so definidas no domnio da freqncia. Estas funes so fundamentais para a sntese e anlise do sistema de controle (MOREIRA, 1998). Assim sendo, considere as seguintes relaes entrada-sada: Sada da planta
y (s) = [ I + G (s)K (s) ] G (s)K (s)r (s) + [ I + G (s)K (s) ] d 0 (s) +
1 1

+ [ I + G (s)K (s) ] G (s)di (s) [ I + G (s)K (s) ] G (s)K (s)m(s)

1 1

(4.29)

sinal de erro

e(s) = r (s) y (s) = [ I + G (s)K (s) ]

( r (s) d0 (s) + G (s)K (s)m(s) G (s)di (s) )

(4.30)

74

sinal de controle (4.31)

u (s) = K (s)e(s) = K (s)[I + G (s)K (s)]1 (r (s) d 0 (s) + G (s)K (s)m(s) G (s)d i (s) )

De (4.29), (4.30) e (4.31), definem-se as seguintes funes caractersticas de um sistema de controle Funo Sensibilidade S(s) = [I + G (s)K (s)]1 Funo Sensibilidade Complementar T(s) = [I + G (s)K (s)]1 G (s)K (s) (4.32)

(4.33)

Funo Restrio de Energia

U(s) = K (s)[I + G (s)K (s)]1

(4.34)

Destas trs funes, condies importantes que dizem respeito ao desempenho do sistema podem ser estabelecidas, bem como condies preliminares de robustez. Assim, substituindo (4.32) em (4.30), com di(s)=d0(s)=0, tem-se o erro da resposta do sistema relacionado s funes sensibilidade e sensibilidade complementar:
e(s) = S(s) r (s) T(s) m(s)

(4.35)

Para s=j, se a norma da matriz sensibilidade tende a zero no intervalo de freqncia 0<<1, o erro da resposta do sistema muito pequeno em relao entrada de referncia. Tambm, ocorre uma reduo da sensibilidade do sistema a rudos, se a norma da funo sensibilidade complementar tender a zero. Substituindo (4.33) em (4.29), com di(s)=d0(s)=m(s)=0, obtm-se

y (s) = T(s)r (s)

(4.36)

75

Neste caso, pode-se dizer que a sada do sistema acompanha melhor a referncia aplicada quanto mais prxima a norma de T(s) est de I. Entretanto, com m(s)0 ser grande a influncia do sinal de rudo na sada, uma vez que
y (s) = T(s) ( r (s) m(s) )

(4.37)

Ocorre aqui um conflito entre as caractersticas de seguir a referncia e de atenuar o rudo. Este conflito tambm surge entre as definies de S(s) e T(s). De (4.32) e (4.33) tem-se a seguinte propriedade estabelecida,
T(s) + S(s) = I

(4.38)

Como estas funes dependem de K(s), quando, para um dado s=j, a norma de K(s) se aproxima de infinito, a norma de S(s) se aproxima de zero e a norma de T(s) se aproxima da unidade. Da considerar T(s) como o complemento da funo sensibilidade. Como r(s) e, por conseqncia, e(s) so sinais com um espectro de freqncia concentrado na regio de baixa freqncia e m(s) geralmente associado alta freqncia, este compromisso conflitante resolvido atribuindo pesos diferentes a T(s) e S(s) em regies de freqncia especficas. Estas duas funes so, como j descrito, geralmente usadas para especificar requisitos de desempenho no domnio da freqncia. Entretanto, elas tambm so usadas para especificar robustez, como mostrado em Doyle e Stein (1981). Isto porque a reduo do ganho da funo sensibilidade est ligada a uma menor sensibilidade do sistema controlado a efeitos de mudanas nos parmetros da planta, assim como a funo sensibilidade complementar fornece informaes sobre a robustez quanto dinmica desconhecida de alta freqncia (FRANKLIN et al, 1994). Substituindo (4.34) em (4.31), com di(s) = d0(s)=0, tem-se:
u (s) = U(s) ( r (s) + G (s)K (s)m(s) )

(4.39)

Como se pode notar, U(s) especifica o ganho do sinal de controle. Desta forma, esta funo usada para restringir o nvel do sinal de controle. Portanto, S(s), T(s) e U(s) representam relaes fundamentais que so freqentemente usadas para especificar requisitos de projeto em diversas tcnicas de controle, no domnio da freqncia. A despeito do avano de tcnicas no domnio do tempo em teoria de controle nos

76

ltimos tempos, o domnio da freqncia continua sendo uma escolha natural e direta para a anlise de robustez. Em vista disto, considera-se toda a descrio que segue como sendo no domnio da freqncia e, assim, a dependncia em relao a s ser omitida, para todas as variveis, na notao adotada a partir daqui.

4.2.2. Representao do Sistema Segundo o Enfoque Convexo

Segundo o enfoque moderno de controle, sistemas lineares, como o da figura 4.4, podem ser convertidos em uma outra forma de representao. Esta representao alternativa se aplica a uma larga classe de problemas de controle e prope uma soluo unificada via otimizao convexa (BOYD; BARRATT, 1990). A esta representao, mostrada na figura 4.5, d-se o nome de representao convexa. Neste cenrio todas as entradas do sistema so reunidas em um vetor de entradas exgenas, w. A sada se divide em um vetor de sadas medidas y, usadas para realimentar o sistema, e um vetor de sadas reguladas z, contendo os sinais a serem controlados. Nesta representao K a funo de transferncia do controlador, P a planta generalizada, que contm as interconexes entre os sinais de entradas e sadas. Ressalta-se aqui que a planta generalizada P s contm informaes referentes a um nmero limitado de modos que se deseja controlar. Por fim, tem-se o vetor de sinais de controle u. Como vantagem adicional, a representao convexa se aplica tanto a sistema monovariveis como multivariveis.
w u K z y

Figura 4.5: Representao convexa do problema de controle. Assim, o modelo matemtico pode ser dado por:
z Pzw = y Pyw Pzu w w = P Pyu u u

(4.40)

77

onde Pzw, Pzu, Pyw e Pyu so as matrizes funes de transferncia das sadas em funo das entradas, como indicado pelos subscritos. No domnio convexo, a matriz funo de transferncia de malha fechada dada por:
H zw = Pzw + Pzu K I Puy K

)1 Pyw

(4.41)

e o problema geral de controle pode ser resumido da seguinte forma:

Determine um controlador K que realimente o sistema com um sinal u, calculado a partir de um sinal de medidas y, tal que o sistema em malha fechada Hzw satisfaa certos requisitos de projeto, dados em termos da relao entre as sadas reguladas z, e as entradas exgenas w.

Considere ento um problema de controle com os requisitos tpicos de erro de resposta pequeno, atenuao de rudo e energia limitada de atuao. Assumem-se como entradas exgenas os sinais de referncia e de rudo, w = [r m]T , e como sadas reguladas, incluindo funes de ponderao adequadas,
Erro ponderado
e' = W1e

Sada ponderada

y ' = W2 y
Sinal de controle ponderado

u ' = W3u

Tem-se, assim, de (4.35), (4.37) e (4.39) as seguintes relaes entrada/sada a controlar:

e' = W1 ( S r - T m ) y' = W2 T ( r m ) u' = W3U ( r (s) + G (s)K (s)m(s) )

78

Assim, Hzw inclui a funo sensibilidade, que est relacionada ao erro com que o sistema segue a referncia, a funo sensibilidade complementar que est associada ao requisito de rejeio a rudos, e a funo U, que se refere restrio de energia do atuador. As funes de ponderao, W1, W2 e W3, tm o objetivo de acentuar certas regies de freqncia em detrimento de outras. A ponderao sobre o erro, por exemplo, exibe um peso alto na regio de baixa freqncia e um peso baixo na regio de alta freqncia. Isto porque a caracterstica requerida de erro que o sistema tenha uma resposta transitria que siga a referncia com um erro pequeno e que tenha um erro de regime reduzido. Esta caracterstica alcanada com uma funo sensibilidade que apresente baixo ganho na regio de freqncia inferior freqncia de corte especificada para o sistema. Com esta funo de ponderao, que d maior peso regio de baixa freqncia, o termo (W1 T m) se torna desprezvel na sada e'. Desta forma a funo S prepondera na sada regulada e'. Por outro lado, a funo de ponderao sobre a sada do sistema apresenta um peso baixo na regio de baixa freqncia e um peso alto na regio de alta freqncia. Desta forma, inclui-se no projeto a atenuao de rudo de alta freqncia na sada. A ponderao sobre U, por sua vez, limita a banda passante do sinal de controle e a sua magnitude. O diagrama do sistema na sua configurao final, incluindo as funes de ponderao necessrias, apresentado na figura 4.6. Esta figura descreve o que se denomina planta
aumentada usada como modelo de projeto para a sntese do controlador.

Figura 4.6: Planta aumentada para o problema de desempenho Considerando o sistema descrito acima, com as entradas e sadas selecionadas e suas respectivas ponderaes, define-se o que usualmente chamado de problema de desempenho:

79

Sintetizar um controlador K que satisfaa a seguinte desigualdade: ||Hzw ||gn < sendo || . ||gn uma norma genrica e o custo definido do projeto. Neste trabalho a norma infinita a utilizada.

4.2.3. Ganhos Principais e Norma Infinita

A teoria moderna de robustez est fundamentada na teoria de ganhos principais do sistema, que apresentada sucintamente a seguir. Considerando um sistema tal que
y=Gu

(4.42)

Seus ganhos principais so definidos como

y u Gu u

(4.43)

sendo || . || uma norma vetorial euclidiana. Assumindo, sem perda de generalidade, que ||u||=1,pode-se escrever
Gu
u

= G

= G *G

(4.44)

sendo || . ||s a norma espectral e G* o complexo conjugado de G. Tem-se assim a definio da norma espectral de G, que est relacionada com seus valores singulares. Assim, definindo
G s = { i } ,

i = 1, 2,3,..., n

(4.45)

tem-se que os valores singulares de G, denominados i, que so os ganhos principais do sistema. Definindo-se o mnimo e o mximo valor singular respectivamente por

80

= min { i } = max { i }

(4.46)

tem-se que
G s

(4.47)

i. e., os ganhos de um sistema multivarivel so limitados pelo maior e pelo menor valor singular

do sistema. Como conseqncia, os valores singulares extremos podem ser usados para anlise do sistema. Por exemplo, a funo sensibilidade (4.32) e a funo sensibilidade complementar (4.33) podem ser analisadas tendo como base os valores mximo e mnimo de seus valores singulares. Suponha um requerimento tpico onde a matriz sensibilidade deva ter um ganho menor que um dado valor A na regio de baixa freqncia e a funo sensibilidade complementar deva ter uma ganho menor que B na regio de alta freqncia. A transcrio deste requerimento, usando valores singulares, pode ser,
(S( j)) A , < s < T

(T( j)) B ,

(4.48)

Esta especificao pode ainda ser dada atravs da norma infinita, definida como o valor supremo do mximo valor singular do sistema,
G = sup (G( j)) , 0 < <

(4.49)

sendo G uma funo estvel e prpria (MACIEJOWSKI, 1989). No exemplo dado, a norma infinita pode ser usada para estabelecer o limitante superior das funes S e T. Para isso, definem-se as funes de ponderao no domnio da freqncia:
W1 com alto ganho na regio <s e um ganho muito pequeno para >s e W2 com ganho baixo na regio <T e um ganho alto para >T, como mostrado na

figura 4.7.

81

Figura 4.7: Funes de Ponderao W1 e W2 A especificao dada em (4.48) torna-se

W1S W2 T 1 1

(4.50)

Sabe-se de Truxal (1955) que em uma situao ideal onde o ganho unitrio em toda a faixa de freqncia (condio "all-pass" em ingls), o controlador que satisfaz a desigualdade,
WH 1

(4.51)

dado por
H =1 W

(4.52)

sendo W o inverso da funo de malha fechada desejada e H a funo de transferncia do sistema em malha fechada. Portanto, W1 e W2 so selecionadas de tal maneira que S e T so moldadas para assumir a forma inversa dessas funes. Ento, tendo |W1|<1/A para <s e |W2|<1/B para >T, se a soluo tima encontrada para a equao (4.50), isto significa que ||S||<A para <s, e que ||T||<B para >T. A partir dos conceitos de representao convexa e de norma infinita introduzidos acima que se descreve o problema de robustez e modelagem de incerteza de que trata o restante deste captulo.

82

4.2.4. Anlise de Robustez

Segundo o enfoque convexo, a robustez introduzida no projeto do sistema de controle como um lao de realimentao adicional, alm do lao de controle. Qualquer incerteza referente a dinmica desconhecida ou omitida durante a fase de modelagem e/ou identificao aparece como uma perturbao inserida neste lao. Assim, dado um sistema perturbado, Ppert, este pode ser parametrizado em funo de uma dinmica nominal, P, e uma realimentao normalizada
D, onde D representa um conjunto de matrizes funes de transferncia que rene todas as

incertezas do sistema.
P pert = P pert (P, ) , D

(4.53)

Esta representao permite representar a incerteza na forma de uma realimentao externa ao modelo nominal, conforme mostrado na figura 4.8.

p
P

w u

z y

Figura 4.8: Forma padro da realimentao geral de um sistema com incerteza dinmica. A equao. (4.54) mostra a relao entre a planta generalizada P e os trs respectivos sinais de entradas e sadas (SILVA, 2005).
q Pqp z = Pzp y P yp

Pqw Pzw Pyw

Pqu p p Pzu w = P w u Pyu u

(4.54)

83

sendo os vetores p e q relacionados s especificaes de robustez (entradas e sadas da perturbao desconhecida ). Esta nova representao para o sistema tem a seguinte matriz funo de transferncia,
H pert = H zw + zp (I H qp ) H qw zw
1

(4.55)

sendo Hzw o sistema nominal em malha fechada, definido em (4.41), e a demais matrizes funes de transferncias so:
H zp = Pzp + Pzu K (I Puy K ) Pyp
1

(4.56) (4.57) (4.58)

H qw = Pqw + Pqu (I Puy K ) Pyw

-1

H qp = Pqp + Pqu K (I Puy K ) Pyp

1

O que se espera que o sistema de malha fechada (4.55) atenda os requisitos de desempenho, como amortecimento dos modos de interesse dentro de limites especficos de consumo de energia e se mantenha estvel, mesmo na presena de possveis perturbaes (MOREIRA, 1998). Estes requisitos sero atendidos se as funes de transferncia dada pelas equaes (4.41), (4.56) at (4.58) mantiverem estveis (BOYD; BARRATT, 1990). Do problema de pequenos sinais, Levine (1996), sabe-se que um sistema em malha fechada,
H = H 1 (I H 1 H 2 )1 H 3

(4.59)

sendo (I-H1H2) no singular, estvel se

H1 1 H1
gn

gn

gn

H2

(4.60)
gn

ou ainda se
H1 H2
<1

gn

gn

(4.61)

84

sendo || . ||gn uma norma genrica com a seguinte propriedade

H1 H 2
H1

gn

gn

H2

gn

(4.62)

Para o sistema perturbado da equao (4.55), se tem um limitante superior,

M = sup
D

gn

(4.63)

O sistema estvel se
H qp M <1

gn

(4.64)

e
H zp H qw H zw
< < <

gn gn gn

(4.65)

Assim, o problema geral de robustez pode ser definido da seguinte forma:

Achar um controlador K tal que

H qp H zp H qw H zw
sendo

gn gn gn gn

M <1
< < <

M = sup
D

gn

85

o mximo ganho para o conjunto de perturbaes D.

A norma infinita uma escolha natural a ser usada na definio acima, uma vez que ela satisfaz a equao (4.62) e tambm pode ser usada para estabelecer o limitante na equao (4.63). Alm do mais, a norma infinita s existe para funes estveis, o que significa que as desigualdades da equao (4.65) so satisfeitas por definio. De tudo isto, o problema de robustez pode ser reescrito da seguinte forma:
Achar um controlador K tal que

H qp
sendo

M <1

M = sup
D

o mximo ganho para o conjunto de perturbaes D.

4.2.5. Problema de Desempenho Robusto

Reunindo os problemas de desempenho e de robustez, tem-se o que se define como problema de desempenho robusto, que pode ser escrito como:
Achar um controlador K tal que as seguintes desigualdades sejam satisfeitas

H qp H zw

<1 <

com Hqp, Hzw e M dados pelas equaes (4.41), (4.58) e (4.63), e como um custo para o requisito de desempenho. Este problema pode ser resolvido pela teoria de valores singulares estruturada incluindo uma perturbao fictcia p conectada s entradas e sadas ligadas ao desempenho, z e w, do

86

diagrama da figura 4.8 (DOYLE; STEIN, 1981). Assim, os requisitos de desempenho so adicionados especificao de robustez, ficando o sistema como ilustrado na figura 4.9.

p
p

w u

P y K

Figura 4.9: Problema de desempenho e robustez convertido em problema de robustez. Um dos mtodos para se resolver este problema o chamado "-Synthesis" via o enfoque Iterao D-K (MACIEJOWSKY, 1989, BALAS et al, 1994). Entretanto, ele requer um pesado esforo computacional e, normalmente, gera um controlador de ordem maior que a planta aumentada (XIE, 1996). Para evitar o inconveniente do uso da iterao D-K adotado neste trabalho o mesmo enfoque alternativo proposto na tese de Moreira (1998). Neste enfoque, o problema de desempenho e robustez convertido em um problema de desempenho. Isto feito abrindo-se o lao de realimentao da incerteza e inserindo a varivel q junto ao vetor de sadas reguladas z e o vetor p junto ao vetor de entradas exgenas w. Assim, define-se um novo vetor de sadas reguladas z=[q z]T e um novo vetor de entradas exgenas w=[p w]T. O novo problema minimizar a norma infinita da funo de transferncia entre w e z. Tem-se ento um problema de desempenho e robustez convertido em um problema simplesmente de desempenho, como mostra a equao seguinte: q H qp z, = = z H zp H qw p H zw w

(4.66)

87

O inconveniente o acoplamento que se cria entre o problema de desempenho e robustez, uma vez que a entrada relacionada a robustez, vetor p, influncia a sada relacionada ao desempenho, vetor z, e vice-versa. Para diminuir o efeito entre os termos cruzados da equao (4.66) um fator atenuante Kd pode ser inserido na entrada do vetor p e o inverso deste ganho inserido na sada do vetor q com o propsito de minimizar esta influncia, como j havia sido proposto e discutido em detalhes no trabalho de Moreira (1998). A figura 4.10 mostra a configurao final do projeto a ser utilizado no presente trabalho.

q Kd w u K P y z 1/Kd

Figura 4.10: Problema de desempenho e robustez convertido em problema de desempenho.

4.2.6. Projeto Incluindo Robustez Dinmica Residual

Em sistemas mecnicos estruturais existe a possibilidade de se considerar a dinmica nomodelada, ou dinmica residual, como uma incerteza no-estruturada. A seguir, a forma de se modelar a dinmica residual como uma incerteza aditiva tratada. Considere, inicialmente, um sistema com um modelo, Gc, de baixa ordem e que contm os modos a serem controlados e, toda a dinmica residual de alta freqncia modelada como incerteza aditiva, Gr, tal que o modelo de ordem cheia do sistema, G, seja dado por, G = Gc + Gr A representao deste sistema mostrada na figura 4.11. (4.67)

88

q u

Gr
+ +

Gc

Figura 4.11: Modelo com incerteza aditiva. A funo de transferncia Gr conhecida (assumindo que G conhecido), mas tm uma dinmica muito complexa, sendo assim, pode-se substituir Gr por uma funo limitante superior Gp com dimenso muito menor, sendo que Gp deve ser escolhida de forma a atender:
Gr G p

(4.68)

sendo

1 . Portanto, se existir um controlador projetado utilizando Gp (sendo que Gp deve

satisfazer a inequao (4.68)), tambm estar satisfeito o modelo de incerteza Gr. A vantagem de se utilizar Gp ter um controlador de ordem muito menor do que se teria se utilizssemos Gr. Transportado para a representao convexa, o diagrama do modelo da figura 4.11 redesenhando, como mostrado na figura 4.12. p q

Gp

Gc

+ +

Figura 4.12: Planta aumentada com a incerteza aditiva. As metas gerais do projeto so aumentar o coeficiente de amortecimento dos modos de baixa freqncia da estrutura, limitar o sinal de energia e garantir robustez dinmica residual. Sendo assim, definimos duas sadas reguladas: o sinal y, que a ponderao do sinal medido por um filtro passa baixa Wy, que tem como funo aumentar o amortecimento, e o sinal de controle u, que ponderado por um filtro passa-alta Wu, que tem como propsito restringir o

89

nvel do sinal de controle exigido. Os filtros de ponderao Wy e Wu tm como metas dar a forma desejada para os sinais de sada regulada e so parmetros livres para a escolha do projetista. A condio de robustez assegurada pela imposio de um modelo de incerteza Gp, atendendo a inequao (4.68). O primeiro passo para o projeto do controle H a montagem da planta generalizada contendo a planta nominal Gc e o modelo de distrbio Gd, sendo Gc e Gd funes de transferncia de pequena ordem e ambas com os mesmos plos, pois o que muda apenas a matriz de entrada (Gc tem como entrada o sinal de controle e Gd o sinal de distrbio):
G c = Cc (sI A c )1 B 2c + D2c G d = Cc (sI A c )1 B1c + D1c

(4.69)

Alm destas funes, os dois filtros de projeto so inseridos na malha junto com o modelo de incerteza aditiva adotado. A configurao geral deste projeto mostrada na figura 4.13. p Gp Wu w Gd Wy u Gc + + + + y y

u z

Figura 4.13: Planta generalizada para o projeto com incerteza residual aditiva Problema de desempenho e robustez. Como discutido anteriormente, abre-se o lao de realimentao da incerteza e convertese o problema de desempenho e robustez, visto na figura 4.13, em um problema de desempenho (MOREIRA, 1998). A figura 4.14 mostra a nova configurao, onde inserido um fator

90

atenuante Kd e seu inverso com a finalidade de diminuir o efeito das normas entre os sinais cruzados relacionados a desempenho e robustez. As matrizes da funo de transferncia deste sistema so: WyG c WyG d Wy K d , P = W 0 Pz'w' = 0 z'u u G pG c K -d1 0 0 Pyw' = G p K d , Pyu = G c

(4.70)

sendo w=[w p]T, z=[z q]T e z =[y u]T. Aps algumas manipulaes algbricas obtm-se a funo de transferncia entre o sinal z e w malha fechada dada por: Wy = 0 0 0 Wu 0 S S G 0 U U d 0 G p K -d1 U U 0

H z'w'

0 Kd

(4.71)

sendo S e U as funes de sensibilidade e de restrio de energia definidas em (4.32) e (4.34), respectivamente.

91

1/Kd

Gp

Wu w Gd

Kd Wy

+ Gc +

+ +

Figura 4.14: Planta generalizada para o projeto com incerteza residual aditiva - Problema de desempenho. importante observar que na figura 4.14 tanto a funo Wu quanto o modelo de incerteza Gp esto ponderando o vetor de entrada de controle u e esto relacionados funo de restrio de energia U, como pode ser comprovado pela equao (4.71). Assim ambas as funes, Wu e Gp, podem ser usadas para limitar o sinal de controle e especificar caractersticas de robustez dinmica residual. Porm, Wu tambm est relacionado com a robustez referente a rudos de alta freqncia proveniente de sensores de medida. Alm disto, muitos autores utilizam Wu, tentando substituir (ou encontrar) uma funo de transferncia que se aproxime de Gp, ou seja, que sirva de limitante superior para o modelo de incerteza de dinmica de alta freqncia no modelada. Entretanto, na maioria das aplicaes de engenharia de controle estrutural, este modelo conhecido (Gr), assim o projeto se torna muito mais fcil e direto a partir da especificao apenas de Gp, sendo que Wu pode ser omitido do projeto. Inclusive conceitualmente mais correto especificar robustez dinmica residual a partir apenas de Gp, uma vez que esta funo est relacionada a sada de incerteza q. Para maiores detalhes deste assunto e uma descrio completa do que foi discutido acima recomenda-se Moreira (1998). Uma nova configurao pode ento ser dada pela figura 4.15. Um ganho atenuante Kw tambm inserido na entrada do vetor w, uma vez que o sinal de distrbio pode ter uma energia maior do que o sinal de controle u. Assim, esta atenuao na entrada w tem como meta reduzir o

92

nvel do sinal de distrbio na sada relacionada incerteza q, o que no causa maiores problemas, uma vez que o sistema em questo assumido ser linear.

1/Kd

Gp

Kw Kd

Gd

Wy u + Gc + + +

Figura 4.15: Planta aumentada na forma final para o projeto com incerteza residual aditiva Problema de desempenho. A montagem da planta aumentada pode ser realizada com o auxlio do Simulink ou, mais facilmente, a partir da funo sconnect do LMI toolbox do Matlab (GAHINET et al,1995). Para solucionar o problema H relacionado, pode-se utilizar a formulao via enfoque de Riccati ou a soluo baseada em LMI. Na prxima seo apresentada sucintamente soluo via LMI.

4.2.7. Soluo do Problema H via LMI

A formulao para solucionar o problema H pode ser feita pelo enfoque LMI proposto por Gahinet e Apkarian (1994) e com as rotinas j implementadas no LMI toolbox do Matlab (GAHINET et al, 1995). O enfoque LMI permite solucionar computacionalmente problemas com grande dimenso e com o mrito de eliminar problemas de irregularidades de restries encontrados freqentemente em solues baseadas no enfoque via Riccati. A soluo do problema feita no domnio do tempo, portanto, a planta generalizada P, descrita na figura 4.15, deve estar escrita no espao de estados:

93

x = Ax + B1w '+ B 2 u z ' = C1x + D11w '+ D12 u y = C 2 x + D 21w '+ D 22 u sendo as matrizes A, B1, B2, C1, C2, D11, D12, D21 e D22 as matrizes que descrevem a realizao no espao de estados para a planta generalizada P. O problema timo H solucionado diretamente do seguinte problema de otimizao: minimizar , com as variveis R=RT e S=ST, tal que: AR + RA T C1R T B1
T RC1

(4.72)

N12 0

0 I

I T D11

B1 N D11 12 0 I

0 <0 I

(4.73)

N 21 0

0 I

T A T S + SA SB1 C1 T T N I D11 21 B1 S 0 C1 D11 I

0 <0 I

(4.74)

R I I S 0

(4.75)

sendo que N12 e N21 denotam as bases de espaos nulos de (B2T, D12T) e (C2, D21), respectivamente. Para solucionar este problema, pode-se utilizar a funo hinflmi do LMI Toolbox do Matlab. Esta funo soluciona o problema H acima a partir do conhecimento da planta generalizada P, que pode ser montada com o auxilio do Simulink ou do comando sconnect. Como resultado obtido um controlador K para realimentao do sinal medido.

94

5 - Aplicao Experimental
A verificao experimental de estratgias de controle de vibrao estrutural essencial para eventual implementao em escala real. Entretanto, poucos pesquisadores possuem instalaes disponveis para testes em estruturas reais, portanto, realizam experincias de controle de vibrao estrutural em escala reduzida. Modelos em escala de bancada so construdos adequadamente para que possam ser usados para estudar importantes aspectos de controle de vibrao em escala real, incluindo: interao controlador - estrutura, dinmica do atuador e sensor, projeto de realimentao de estados, controle de spillover, etc (SANTOS et al, 2007a). Neste sentido, o presente captulo exemplifica o projeto de controladores baseado na metodologia Hoo utilizando desigualdades matriciais lineares (LMIs) para o controle de vibrao em tempo real de um modelo estrutural. A estrutura considerada e os equipamentos utilizados nos testes experimentais so apresentados a seguir.

5.1. Montagem Experimental

Os equipamentos utilizados para o experimento de controle ativo de vibrao consistiram de:
Estrutura: O modelo considerado manufaturado pela Quanser Consulting Inc., e

representa um modelo de um edifcio flexvel controlado por uma massa ativa mvel. Este modelo consiste de uma armao de ao com uma massa controlvel localizada no topo e que pode ser configurado para 1 ou 2 andares. A configurao de dois andares foi a utilizada. A altura entre os andares de 502 mm e cada coluna de ao possui uma seo de 1.75 x 108 mm e massa de 0.24 kg. A massa total da estrutura 3.5 kg, onde a massa do primeiro andar 1.16 kg e a massa do segundo andar 1.38 kg. As freqncias naturais de vibrao da estrutura so de 1.7 Hz e 5.1 Hz com as correspondentes razes de amortecimento de 0.013 e 0.062, respectivamente. O modelo do Active Mass Damper - Two-Floor (AMD-2) e os equipamentos que foram utilizados nos testes experimentais so mostrados na figura 5.1. A montagem experimental mostrada na figura 5.2.

95

Figura 5.1: Sistema AMD-2 e equipamentos utilizados.

Figura 5.2: Montagem experimental.

96

Active Mass Damper (AMD): O AMD fornece a fora de controle para a estrutura. Como

ilustrado na figura 5.3, este sistema consiste de um carro equipado com um motor DC que se movimenta ao longo de um trilho por um mecanismo de pinho. O mximo percurso do carro de 95 mm e a massa total 0.65 Kg.

Figura 5.3: Active Mass Damper (AMD).

Sensores: Cada andar da estrutura equipado com um acelermetro capacitivo DC com

faixa de escala de 5 g e sensibilidade de 9.81 m/s2/V (1g/V). Estes acelermetros consistem de um nico chip com sinal condicionado. A posio do carro diretamente medida por um encoder ptico ligado a um pinho adicional. Este oferece alta resoluo, 4096 counts/revolution e, sensibilidade de 2.275E-5 m/count.
Computador: O computador usado um Pentium IV, 2.8 GHz, 1 GB de RAM e 40 MB

de Hard Disc.
Amplificador de Potncia: Os amplificadores usados so os da Quanser UPM 1503 e

UPM 2405.
Shaker Table I: Este sistema, mostrado na figura 5.1, usado para aplicao da fora

externa na estrutura e pode ser usado, por exemplo, para simular terremotos e avaliar o desempenho do AMD. O sistema equipado com um motor com alto torque que pode movimentar uma massa de at 5 kg em at 1g (9.81 m/s2). O percurso mximo de 20 mm.
Controle Digital: O controle digital alcanado por uso de uma placa de aquisio

MultiQ - PCI e com o software de controle em tempo real WinCon. O controlador desenvolvido usando o Simulink (1997) e executado em tempo real usando o WinCon. A placa tem 14-bits analgico/digital (A/D) e 13-bits digital/analgico (D/A) e possui 4 canais de sadas analgicas e 16 canais de entradas analgicas. O cdigo Simulink automaticamente

97

convertido para cdigo C e diretamente interfaceado pelo software Wincon para rodar o algoritmo de controle na CPU do micro computador.

5.2. Modelo Matemtico da Estrutura

A figura 5.4 representa o sistema AMD-2. A direo positiva do deslocamento horizontal est para a direita quando o modelo olhado de frente.

Figura 5.4: Representao do modelo AMD-2. Para pequenas deflexes angulares, o sistema modelado como se fosse um sistema massa-mola padro. No presente modelo os coeficientes de amortecimento Bfl e Bf2 so desprezados. A tabela 5.1 lista os smbolos e notaes usadas na modelagem matemtica do sistema AMD- 2.

98

Tabela 5.1: Nomenclatura utilizada na modelagem do sistema AMD-2

Smbolo Descrio Valor e Unidade 1.160 kg

Mf1 Mf2 Kf1 Kf2 Mc Rm Kt Km Jm Kg g m rmp Beq Vm Fc x c (t) x c (t) x f1 (t) x f1 (t) x f1 (t) x f2 (t) x f2 (t)

Massa do primeiro andar Massa do segundo andar (com a rack) Constante de rigidez linear do primeiro andar (relativa a base) Constante de rigidez linear do segundo andar (relativa ao primeiro andar) Massa total do carro (com as duas massas adicionais) Resistncia da armadura do motor Constante de torque do motor Constante de fora eletromotriz Momento de inrcia do rotor Relao de engrenagem da caixa planetria Eficincia da caixa planetria Eficincia do motor Raio do pinho do motor Coeficiente de amortecimento viscoso equivalente (pinho do motor) Voltagem de armadura no motor do carro Fora de controle (produzida pelo motor) Posio do carro (relativa ao segundo andar) Velocidade linear do carro (relativa ao segundo andar) Deslocamento linear do primeiro andar (relativo a shake table) Velocidade linear do primeiro andar (relativo a shake table) Acelerao linear do primeiro andar (relativo a shake table) Deslocamento linear do segundo andar (relativo ao primeiro andar) Velocidade linear do segundo andar (relativa ao primeiro andar)

1.380 kg 500 N/m 500 N/m 0.650 kg 2.6 7.67E-3 N.m/A 7.67E-3 V.s/rad 3.90E-7 Kg.m2 3.71 100 % 100 % 6.35E-3 m 3.0 N.s/m Volts (V) Volts (V) m m/s m m/s m/s2 m m/s

99

x f2 (t) x st (t) x st (t)

X f1 (t)
X f2 (t) X st (t) X b (t)

Acelerao linear do segundo andar (relativa ao primeiro andar) Velocidade linear da shake table (relativa a base) Aceleraolinear da shake table (relativa a base) Acelerao absoluta do primeiro andar Acelerao absoluta do segundo andar Acelerao absoluta da mesa de excitao (Shake Table) Acelerao absoluta da base

m/s2 m/s m/s2 m/s2 m/s2 m/s2 m/s2

As equaes dinmicas do modelo so obtidas atravs do mtodo de Lagrange. Considerando a aproximao deste mtodo, necessrio determinar o Lagrangeano, L, do sistema, que calculado atravs da energia potencial e cintica total do sistema. A representao definida na figura 5.4 utilizada como referncia para obter as equaes de energia. Neste caso, o sistema considerado com trs graus de liberdade, sendo xc(t), xf1(t) e xf2(t) as coordenadas generalizadas em valores relativos. Alm disso, a fora aplicada pelo carro, Fc(t), e a acelerao da mesa de excitao, x st (t) , so as entradas do sistema. A energia potencial total, VT, apenas devida a energia potencial elstica e pode ser expressa como:

V =
T

1 1 K f1 (x f1 (t)) 2 + K f2 (x f2 (t)) 2 2 2

(5.1)

A energia cintica total, TT, dada pela soma das seguintes energias: TT = Ttc + Trc + Tf1 + Tf2 (5.2)

sendo, Ttc a energia cintica de translao do carro, Trc a energia cintica rotacional devido ao carro motorizado (visto que, a direo de translao do carro ortogonal a rotao do motor) e, finalmente, Tf1 e Tf2 as energias cinticas de translao do primeiro e segundo andares, respectivamente. A energia cintica de translao do carro expressa em funo da velocidade linear do centro de gravidade, como mostra a seguinte equao:

100

Ttc =

1 2

M c ( x c (t) + x f2 (t) + x f1 (t) + x st (t) )

(5.3)

A energia cintica rotacional dada por:

1 J m K g ( x c (t) )
2 2

Trc =

rmp

(5.4)

A energia cintica de translao do primeiro andar dada por:

Tf1 =

1 2

M f1 ( x f1 (t) + x st (t) )

(5.5)

E finalmente, a energia cintica de translao do segundo andar dada por:

Tf2 =

1 2

M f2 ( x f2 (t) + x f1 (t) + x st (t) )

(5.6)

Substituindo as equaes (5.3), (5.4), (5.5) e (5.6) na equao (5.2), a energia cintica total do sistema pode ser expressa da seguinte forma:

TT =

Mc + ( x c (t) ) + (M c + M f1 + M f2 ) ( x f1 (t) ) + (M c + M f2 ) ( x f2 (t) ) + 2 rmp 2 2

2 2 2

2 JmKg

2 1 + (M c + M f1 + M f2 ) ( x st (t) ) + M c ( x f1 (t) + x f2 (t) + x st (t) ) x c (t) + (M c + M f2 )x f1 (t)x f2 (t) + (5.7) 2 + (M c + M f1 + M f2 )x f1 (t)x st (t) + (M c + M f2 )x f2 (t)x st (t)

Por definio, as trs equaes de Lagrange tm a seguinte forma:

d L L = Q xc dt x c x c

(5.8)

101

d L L = Q f1 dt x f1 x f1

(5.9)

d L L = Q f2 dt x f2 x f2 sendo L o Lagrangeano e definido como sendo igual a:

(5.10)

L = TT VT

(5.11)

Qxc a fora generalizada aplicada na coordenada generalizada xc, Qf1 a fora generalizada aplicada na coordenada generalizada xf1, e Qf2 a fora generalizada aplicada na coordenada generalizada xf2. Para este sistema, as foras generalizadas Qxc, Qf1, e Qf2 so dadas por:

Q xc (t) = Fc (t) - Beq x c (t)

(5.12) (5.13)

Qf1 (t) = Qf2 (t) = 0

Nota-se que a fora de atrito do carro e fora de amortecimento viscoso dos dois andares so desprezadas. Calculando a equao (5.8) resulta a primeira equao de Lagrange:
(M c rmp + J m K g )x c (t) rmp
2 2 2

+ M c ( x f1 (t) + x f2 (t) + x st (t) ) = Fc (t) - Beq ( x c (t) )

(5.14)

Da mesma forma, calculando a equao (5.9) resulta a segunda equao de Lagrange:

K f1x f1 (t) + M c x c (t) + (M c + M f1 + M f2 )x f1 (t) + (M c + M f2 )x f2 (t) + +(M c + M f1 + M f2 )x st (t) = 0 Finalmente, calculando a equao (5.10) resulta a terceira equao de Lagrange:

(5.15)

K f2 x f2 (t) + M c x c (t) + (M c + M f2 )x f1 (t) + (M c + M f2 )x f2 (t) + (M c + M f2 )x st (t) = 0

(5.16)

102

Resolvendo as equaes (5.14), (5.15) e (5.16) em conjunto, resultam as trs equaes de movimento do sistema:
2 JmKg M c M f2 + 2 (M c + M f2 ) x c (t) + Beq ( M c + M f2 ) x c (t) - M c K f2 x f2 (t) = rmp

(5.17)

= ( M c + M f2 ) Fc (t)

M f1 x f1 (t) + K f1 x f1 (t) - K f2 x f2 (t) = -M f1 x st (t)

M f1 M c M f2 rmp + (M c + M f2 )J m K g x f2 (t) - M f1M c Beq rmp x c (t) + - M c M f2 rmp + (M c + M f2 )J m K g K f1x f1 (t) +

(5.18)

(5.19)
2

( (M

f1

M c + M f2 M c )rmp + (M c + M f1 + M f2 )J m K g K f2 x f2 (t) = -M f1M c rmp Fc (t)

Se Beq e Jm forem desprezados, as equaes (5.17), (5.18) e (5.19) se tornam:

Mc Mf2 x c (t) - Mc K f2 x f2 (t) = ( Mc + Mf2 ) Fc (t)

M f1 x f1 (t) + K f1 x f1 (t) - K f2 x f2 (t) = -M f1 x st (t)

(5.20)

(5.21)

(M

f1

M c M f2 rmp x f2 (t) - M c M f2 rmp K f1 x f1 (t) + (M f1M c + M f2 M c )rmp K f2 x f2 (t) =

2

= -M f1M c rmp Fc (t)

(5.22)

5.3. Representao do Modelo no Espao de Estados

Para projetar e implementar um controlador com realimentao de estados, a representao do modelo no espao de estados a forma mais indicada. importante ser lembrado que a representao no espao de estados representa as equaes diferenciais lineares que descrevem a dinmica do sistema. As seguintes relaes representam o modelo no espao de estados:

103

x(t) = Ax(t) + B1w (t) + B 2u(t)

y (t) = Cx (t) + Du (t)

(5.23) (5.24)

sendo: A a matriz dinmica, B1 a matriz de entrada de distrbio, B2 a matriz de entrada de controle, C a matriz de sada, D a matriz de transmisso direta, x(t) o vetor de estados, w(t) o vetor de distrbio e u(t) o sinal de controle. Para esse sistema o vetor de estados dado por:
x (t) = [ x c (t) x f1 (t) x f2 (t) x c (t) x f1 (t) x f2 (t)]
T

(5.25)

sendo [ ]T a transposta da matriz. O vetor de sada medido o seguinte:

y (t) = [ x c (t) x f1 (t) x f2 (t)]
T

(5.26)

Nas equaes (5.23) e (5.24) o sinal de controle u(t) a fora Fc(t) aplicada pelo carro motorizado, ento:

u(t) = Fc (t)
sendo Fc(t) expressa por:
2 Kg K t K m xc (t) Kg K t Vm (t) Fc (t) = + 2 R m rmp R m rmp

(5.27)

(5.28)

Reescrevendo as equaes de movimento (5.17), (5.18) e (5.19) na forma de espaos de estados (Eqs. (5.23) e (5.24)) e utilizando os valores dos parmetros do sistema disponveis no manual do usurio Quanser Consulting, Inc. (S.d.) e, usando a equao (5.28) para converter a fora Fc(t) (Newton) para entrada em voltagem (Vm), as matrizes A, B1, B2, C e D so dadas por:

104

0 0 1 0 0 0 0 0 0 0 1 0 0 0 0 0 0 1 A= 0 278.43 -18.69 0 0 0 0 -431.03 431.03 0 0 0 0 431.03 -766.49 5.98 0 0

(5.29)

0 0 0 B1 = 0 -1 0

0 0 0 B2 = 3.00 0 -0.96

(5.30)

0 0 0 0 0 1 0 -431.03 431.03 C= 0 0 0 0 431.03 -766.49 5.98 0 0

0 D= 0 -0.96

(5.31)

Uma vez obtido o modelo no espao de estados o primeiro passo a projeto de controle e, o segundo, a verificao experimental. O projeto de controladores e os resultados de testes de controle para o sistema apresentado no item 5.1 so apresentados a seguir.

5.4. Resultados Experimentais

Neste trabalho so ilustradas as duas diferentes snteses de projeto de controladores descritas no captulo 4. A primeira metodologia baseada no projeto de controle H via realimentao da sada. J a segunda, baseada no projeto de controle via realimentao de estados estimados por um observador dinmico. Ambas as tcnicas so solucionadas por LMIs. Testes experimentais para dois tipos de excitaes (ssmica e senoidal) so realizados e os resultados so discutidos.

105

5.4.1. Controle H via Realimentao da Sada

No presente trabalho apenas o requisito de desempenho considerado, a saber, a estrutura a ser controlada simples, com dois graus de liberdade e no apresenta uma dinmica residual. Entretanto, requisitos de robustez podem ser introduzidos sempre que necessrio. Enfim, o objetivo o projeto de um controlador, K, baseado na metodologia H via realimentao de sada que a amortea os dois modos da estrutura, assegure rejeio a distrbios e limite o sinal de controle. Para satisfazer estas especificaes o primeiro passo escolher um filtro Wy (funo peso da sensibilidade) com a funo de aumentar o coeficiente de amortecimento do 1 e do 2 modo. Para isso, escolhido um filtro passa-baixa de 2 ordem com freqncia de corte entre a 1 e a 2 freqncia natural. Com propsito de restringir o nvel do sinal de controle exigido, um ganho Ku adicionado como parmetro complementar. O modelo da planta aumentada mostrado na figura 5.5. Nesta figura, Gc a funo de transferncia da planta, Gd modelo de distrbio e o ganho de projeto. A planta foi montada utilizando a funo sconnect e o clculo do controlador solucionado fazendo o uso da funo hinflmi, ambas so funes do Toolbox do Matlab6.5. O algoritmo em Matlab6.5 para resolver este problema de controle apresentado no apndice A1.

Figura 5.5: Planta aumentada para o projeto visando desempenho. A funo de ponderao sobre a funo sensibilidade, obtida aps um processo iterativo de ajuste, dada por:

Wy =

7.994 s +16.96s + 799.4

2

106

E tambm, aps um processo iterativo de ajuste dos ganhos Ku e , chegou-se ao seguinte conjunto de parmetros finais:
Ku = 0.05

e = 0.01

A figura 5.6 mostra o grfico do valor singular da funo Wy.

40 20 0 Valores Singulares (dB) -20 -40 -60 -80 -100 -120 0 Sistema Filtro Wy

2.5

7.5 10 12.5 Freqncia (Hz)

15

17.5

20

Figura 5.6: Ponderao sobre a funo sensibilidade. Unidade dB: V/(m/s2). As caractersticas de desempenho do controlador resultante avaliado no domnio da freqncia. A funo sensibilidade malha fechada, S, que a relao entre a sada medida y e a entrada exgena w, mostrada na figura 5.7. A especificao de desempenho cumprida uma vez que se observa uma reduo desejada nos picos dos dois primeiros modos controlados, em relao ao sistema a malha aberta.

107

30

Sem Controle Com Controle

20

Valores Singulares (dB)

10

-10

-20

-30

-40 0

2.5

7.5 10 12.5 Freqncia (Hz)

15

17.5

20

Figura 5.7: FRFs do sistema com e sem controle. Unidade dB: V/(m/s2). A funo de restrio de energia, U, que a relao entre o sinal de controle u e a entrada exgena w mostrada na figura 5.8. A funo de restrio de energia representa a distribuio de energia do sinal de controle distribudo para cada modo do sistema. Assim, nota-se que a energia de controle est bem distribuda entre os dois modos.
10 0 -10 Valores Singulares (dB) -20 -30 -40 -50 -60 -70 0

2.5

7.5 10 12.5 Freqncia (Hz)

15

17.5

20

Figura 5.8: Funo restrio de energia. Unidade dB: V/(m/s2).

108

Aps a anlise terica de desempenho, o sistema de controle validado via simulao em tempo real. O experimento inclui os equipamentos apresentados na Montagem Experimental, item 5.1. O procedimento experimental e o diagrama Simulink utilizado para a realizao dos testes de controle so apresentados no apndice A2. Foram realizados dois testes de controle: No primeiro a estrutura foi submetida a uma excitao ssmica e no segundo a uma excitao senoidal. Os resultados obtidos so apresentados na seqncia.
TESTE 1: Excitao Ssmica

Neste teste o sinal de distrbio foi a simulao, em escala reduzida, de um terremoto. Este sinal gerado no Simulink e dirigido ao motor da ShakeTable. Para comparao entre o desempenho do sistema controlado e do sistema sem controle, realizou-se um ensaio na mesma configurao com controle e sem controle. Os dados da simulao em tempo real so monitorados e armazenados pelo programa Wincon/Server. As respostas no tempo adquiridas durante o intervalo de simulao so mostradas nas figuras a seguir. A figura 5.9 mostra a resposta obtida pelo acelermetro colocado no primeiro andar. A figura 5.10 mostra a resposta obtida pelo acelermetro colocado no segundo andar. A figura 5.11 mostra a fora de controle dirigida ao motor do carro (atuador). E finalmente, a figura 5.12 mostra o sinal de distrbio aplicado estrutura atravs da Shake Table. A aquisio dos sinais foi feita a uma taxa de amostragem de 1 kHz.

109

Figura 5.9: Sinal de acelerao do primeiro andar para os casos sem e com controle.

Figura 5.10: Sinal de acelerao do segundo andar para os casos sem e com controle.

110

Figura 5.11: Fora de controle aplicada ao carro, em [V].

Figura 5.12: Sinal de distrbio, que simula uma excitao real de um abalo ssmico.

111

TESTE 2: Excitao Senoidal

As respostas obtidas so mostradas a seguir. A figura 5.13 mostra a resposta obtida pelo acelermetro colocado no primeiro andar. A figura 5.14 mostra a resposta obtida pelo acelermetro colocado no segundo andar. A figura 5.15 mostra a fora de controle dirigida ao motor do carro (atuador). O sinal de distrbio senoidal mostrado na figura 5.16. Como no teste anterior, este sinal gerado no Simulink e dirigido ao motor da Shake Table.

Figura 5.13: Sinal de acelerao do primeiro andar para os casos sem e com controle.

112

Figura 5.14: Sinal de acelerao do segundo andar para os casos sem e com controle.

Figura 5.15: Fora de controle aplicada ao carro, em [V].

113

Figura 5.16: Sinal de distrbio senoidal.

5.4.2. Controle H via Realimentao de Estados

Em funo da disponibilidade dos equipamentos ou, dificuldade de medidas, nem todas as variveis de estados esto, geralmente, disponveis para a realimentao. Neste caso, os deslocamentos e as velocidades dos andares no so diretamente medidos. Portanto, a estratgia de controle baseada em um observador dinmico. O observador dinmico pode ser escrito na seguinte forma:
x(t) = Ax(t) + Bu (t) + K e ( y (t) - y (t) ) y(t) = Cx(t)

sendo x(t) o vetor de estados observados, Ke o ganho do observador a ser determinado, y(t) a sada medida que alimenta a dinmica do observador e y (t) a sada estimada. A representao
grfica do observador dinmico mostrada na Fig. 4.2. A matriz de ganho do observador, Ke, foi determinada tal que os autovalores (plos) da matriz (A-KeC), sejam os seguintes:

114

[-40 -45 -50 -55 -60 -65] Esta localizao dos plos assegurou que o observador no interferisse na dinmica do sistema. A localizao foi escolhida baseada no critrio de que os plos do observador devem estar de 5 a 6 vezes distantes dos plos do sistema a malha fechada (OGATA, 2000). Para o clculo da matriz Ke foi utilizado a seguinte linha de comando do Matlab:
OP = [-40 -45 -50 -55 -60 -65 ] Ke = place(AT,CT,OP)T

sendo OP um vetor contendo a localizao desejada para os plos do observador. O comando place calcula a matriz Ke tal que o autovalor da matriz (A-KeC) o especificado no vetor OP. Utilizando o LMI Toolbox do Matlab 6.5 o controlador H foi obtido resolvendo a LMI (4.27) e o ganho foi obtido atravs da Eq. (4.28). O controlador sub-timo H foi resolvido usando > , com =100. O algoritmo em Matlab6.5 para resolver este problema de controle apresentado no apndice A1. A Figura 5.17 mostra a funo de resposta em freqncia do sistema com e sem controle H, para uma faixa de freqncia de 20 Hz.
30 20 10 Magnitude (dB) 0 -10 -20 -30 -40 0 Sem Controle Com Controle

2.5

7.5 10 12.5 Freqncia (Hz)

15

17.5

20

Figura 5.17: FRF da estrutura para o sistema com e sem controle. Unidade dB: V/(m/s2).

115

A seguir so apresentados os resultados obtidos em tempo real para os dois tipos de excitaes consideradas anteriormente. O procedimento experimental e o diagrama Simulink utilizado para a realizao dos testes de controle so apresentados no apndice A2.
TESTE 3: Excitao Ssmica

As figuras 5.18 e 5.19 mostram o sinal de acelerao do primeiro e do segundo andar da estrutura (Fig. 5.2), respectivamente, quando submetida a uma excitao ssmica, como mostrada na fig.5.21. A figura 5.20 mostra a fora de controle dirigida ao motor do carro, em Volts.

Figura 5.18: Sinal de acelerao do primeiro andar para os casos sem e com controle.

116

Figura 5.19: Sinal de acelerao do segundo andar para os casos sem e com controle.

Figura 5.20: Fora de controle aplicada ao carro, em [V].

117

Figura 5.21: Sinal de distrbio, que simula uma excitao real de um abalo ssmico.

TESTE 4: Excitao Senoidal

Neste teste a estrutura foi submetida a uma excitao senoidal. O sinal da excitao mostrado na figura 5.25. As figuras 5.22 e 5.23 mostram o sinal de acelerao do primeiro e do segundo andar da estrutura, respectivamente. A figura 5.24 mostra a fora de controle dirigida ao motor do carro, em Volts.

118

Figura 5.22: Sinal de acelerao do primeiro andar para os casos sem e com controle.

Figura 5.23: Sinal de acelerao do segundo andar para os casos sem e com controle.

119

Figura 5.24: Fora de controle aplicada ao carro, em [V].

Figura 5.25: Sinal de distrbio senoidal. Os testes experimentais apresentados acima mostraram que a atenuao de vibrao estrutural foi atingida para ambos os tipos de metodologias adotadas e, tambm, para os dois

120

tipos de excitaes consideradas. A tabela 5.2 mostra os valores mdios quadrticos (RMS Root Mean Square) para os sinais de acelerao dos andares e para os sinais da fora de controle.

Mostra tambm, o percentual de reduo de vibrao em termos de valores RMS. Tabela 5.2: Valores RMS dos sinais obtidos experimentalmente e percentual de reduo de vibrao estrutural. Valor RMS (m/s2) Metodologia de Tipo de Andar % de Fora em Controle Excitao reduo de valor Sem Com vibrao RMS (V) controle controle Ssmica 1 andar 0,68 0,36 46,70 0,31 Realimentao (teste 1) 2 andar 1,16 0,58 50,06 da sada Senoidal 0,66 1 andar 2,37 0,74 68,60 (teste 2) 2 andar 3,95 1,05 73,22 Ssmica 1 andar 0,65 0,30 55,36 0,51 Realimentao (teste 3) 2 andar 1,11 0,53 52,70 de Estados Senoidal 0.72 1 andar 2,11 0,47 77,75 (teste 4) 2 andar 3,52 0,78 77,73 Pode-se observar que os resultados obtidos a partir das metodologias propostas apresentaram pequenas diferenas entre si. Considerando as excitaes ssmicas, testes 1 e 3, observa-se que a fora de controle (em volts) aplicada ao carro menor quando utilizada a metodologia H com realimentao da sada. Porm, a atenuao de vibrao menor quando comparada com os resultados obtidos com o controle via realimentao de estados. Nos testes 2 e 4, que foram utilizados excitao senoidal, tambm observado que a fora de controle menor quando aplicado o controle via realimentao da sada e, tambm, h uma menor atenuao de vibrao estrutural. Tais diferenas so devido ao parmetro Ku considerado no projeto do controlador H via realimentao de sada que serviu para restringir o nvel do sinal de controle e, consequentemente, diminui a atenuao de vibrao j que menos fora foi aplicada estrutura. Outro fator que influenciou nos resultados foi o problema de engrenamento entre o pinho do carro e a cremalheira. Havia folga entre os dentes da engrenagem e os dentes do trilho o que no garantia uma trao uniforme e continua e, portanto, influenciando na fora aplicada a estrutura pelo carro.

121

6 - Consideraes Finais
6.1. Concluses
No presente trabalho se buscou validar experimentalmente o projeto de controladores baseado no controle H com realimentao de estados e sada resolvidos por LMIs. Essas metodologias foram, anteriormente, estudadas por ex-integrantes do grupo GMSINT/UNESP/Ilha Solteira (Grupo de Materiais e Sistemas Inteligentes), Silva (2005) e Gonalves (2003). Porm, no foi possvel a simulao em tempo real dos controladores por eles projetados, pois, at a concluso de seus trabalhos o laboratrio no possua uma placa para aquisio e controle em tempo real. No entanto, com a aquisio do sistema AMD-2 e Shaker
Table I da Quanser, alm de Softwares e Hardwares de controle em tempo real foi possvel a

simulao em tempo real. Assim, com os equipamentos disponveis no laboratrio, foi possvel a validao da metodologia e a execuo deste trabalho. Inicialmente, o modelo analtico do sistema AMD-2 foi obtido utilizando a aproximao Lagrangeana e a representao no espao de estados. Em seguida, o problema de controle H com realimentao de estados e da sada foi resolvido por desigualdades matriciais lineares (LMIs) e a implementao em tempo real foi realizada. Ento, testes experimentais utilizando dois tipos de excitaes foram realizados e os resultados obtidos mostram uma significante reduo nas amplitudes de vibrao, mostrando que o uso de LMIs uma ferramenta poderosa em problemas de controle. Vale ressaltar que neste trabalho no se procurou avaliar qual a melhor das duas metodologias de controle propostas, mas sim, mostrar que ambas as metodologias estudadas so uma forma efetiva de reduo de vibrao em situaes reais, mesmo considerando algumas aproximaes na modelagem do sistema. Neste trabalho apenas o problema de desempenho foi considerado no projeto dos controladores, porm, a teoria de controle robusto foi apresentada e certamente ser objeto de estudo para outros integrantes do grupo GMSINT e de futuras simulaes em tempo real do sistema AMD-2 considerando incertezas no modelo. Alm disso, no projeto do controlador H com realimentao da sada o sistema AMD-2 foi considerado como sendo SISO, sendo a acelerao do primeiro andar a sada realimentada. Outras metodologias de controle foram estudadas durante o desenvolvimento deste trabalho, tais como: Alocao de Plos e o Regulador Linear Quadrtico (LQR - Linear

122

Quadratic Regulator), ambas via LMIs. No entanto, as simulaes em tempo real para essas

metodologias foram realizadas e os resultados se mostraram bem prximos dos apresentados neste trabalho, ver Santos et al. (2006) e Santos et. al. (2007b). Finalmente, o estudo da teoria de controle apresentada neste trabalho, envolvendo conhecimentos tericos, permitiu a aplicao prtica dos conhecimentos tericos. Alm disso, este trabalho permitiu uma atitude de trabalho sistematizado, o exerccio de senso crtico e observao, alm de possibilitar a capacidade de sentir as prprias deficincias e buscar autoaprimoramento. E ainda, este trabalho foi uma forma efetiva de se familiarizar com possveis problemas quando se implementa o projeto de sistemas de controle em situaes reais.

6.2. Sugestes para Futuros Trabalhos

Este trabalho apresentou basicamente os assuntos envolvidos no projeto de controladores para aplicao em tempo real em um modelo estrutural. Entretanto, inmeros tpicos de pesquisa podem ser aprofundados a partir deste trabalho, tais como:

Para o mesmo sistema projetar e implementar em tempo real o controle via realimentao de sada considerando o sistema como sendo SIMO (Single Input Multiple Output) j que no presente trabalho apenas uma das sadas foi alimentada.

Projeto de sistema de controle via realimentao de estados ou sada considerando incertezas no modelo. A incluso de incertezas certamente tornar o problema mais prximo da realidade.

Modelagem da estrutura considerando algumas no-linearidades no modelo, por exemplo, nas junes entre os andares. Ento, projetar controladores no-lineares utilizando, por exemplo, modelos fuzzy Takagi-Sugeno e LMIs, visando a reduo de vibrao estrutural.

Aumentar o nmero de andares do sistema AMD-2 para 4 ou 5. Ento, verificar experimentalmente a posio tima de atuadores e sensores utilizando normas de sistemas, por exemplo, a H2 e a H. O posicionamento de atuadores e sensores atravs de normas abre grande perspectiva para pesquisas futuras.

Projeto de controladores no domnio discreto. Espera-se que os resultados experimentais sejam melhores para os controladores digitais do que para os controladores obtidos a partir das tcnicas analgicas descritas no presente trabalho.

123

6.3. Publicaes Originadas a Partir do Presente Trabalho

Congressos (nacionais e internacionais):

SANTOS, R. B.; BUENO, D. D.; MARQUI, C. R.; LOPES JUNIOR, V. Controle de vibrao de uma estrutura flexvel baseado na metodologia de alocao de plos utilizando desigualdades matriciais lineares (LMIs). In: SIMPSIO DE PS-GRADUAO EM ENGENHARIA MECNICA, 16, 2006, Uberlndia. Anais.... Uberlndia: Universidade Federal de Uberlndia, 2006. SANTOS, R. B.; BUENO, D. D.; MARQUI, C. R.; LOPES JUNIOR, V. Active vibration control of a two - floors building model based on H2 and H methodologies using linear matrix inequalities (LMIs). In: CONFERENCE & EXPOSITION ON STRUCTURAL DYNAMICS IMAC, 26, 2007, Orlando. Anais... Orlando: [s.n], 2007. SANTOS, R. B; BUENO, D. D.; MARQUI, C. R.; LOPES JUNIOR, V. Experimental vibration control based on linear quadratic regulator (LQR) using LMIs. In: CONGRESSO TEMTICO DE DINMICA CONTROLE E APLICAES - DINCON, 6, 2007, So Jos do Rio Preto.
Anais.... So Jos do Rio Preto: [s.n.], 2007.

SANTOS, R. B.; BUENO, D. D.; MARQUI, C. R.; LOPES JUNIOR, V. H controller with output feedback using linear matrix inequalities for application in building model. In: INTERNATIONAL CONGRESS OF MECHANICAL ENGINEERING - COBEM, 19, 2007, Braslia. Anais... Braslia: [s.n.], 2007.
Revista:

SANTOS, R. B.; BUENO, D. D.; MARQUI, C. R.; MESQUITA N., C.; LOPES JUNIOR, V. Controle robusto de vibrao em estruturas flexveis baseado no regulador linear quadrtico via desigualdades matriciais lineares. SBA Sociedade Brasileira de Automtica, 2007 (artigo revisado e aceito para publicao).

124

7 - Referncias
ABDALLA, M. O.; ZIMMERMAN, D. C.; GRIGORIADIS, K. M. Structural damage detection using strain data via linear matrix inequality based methods. In: AMERICAN CONTROL CONFERENCE, 1999, San Diego. Anais [s.l.]: [s.n.], 1999. p. 1114-1118. ABDALLA, M. O.; ZIMMERMAN, D. C.; GRIGORIADIS, K. M. Reduce optimal parameter update in structural systems using LMIs. In: AMERICAN CONTROL CONFERENCE, 2000, Chicago. Anais [s.l.]: [s.n.], 2000. p. 991-995. ASSUNO, E.; TEIXEIRA, M.C.M. Projeto de sistema de controle via LMIs usando o MATLAB. In: APLICAES EM DINMICA E CONTROLE - APLICON, 2001, So Carlos.
Anais ... So Carlos: [s.n.], 2001.

ASSUNO, E.; PERES, P.L.D. Otimizao global para os problemas de reduo H2 de modelos e reduo H2 da ordem do controlador. SBA - Revista Controle & Automao, Campinas, v. 12, n. 2, p. 93-101, 2001. BALAS, G. J.; DOYLE, J. C.; GLOVER, K.; PACKARD, A.; SMITH, R. -analysis and
synthesis toolbox. Natick: The Matworks, Inc., 1994.

BOYD, S.; BARRATT, C. Linear controller design: limits of performance. New Jersey: Prentice Hall, 1990. BOYD, S.; BALAKRISHNAN, V.; FERON, E.; EL GHAOUI, L. Control system analysis and synthesis via linear matrix inequalities. In: AMERICAN CONTROL CONFERENCE,1993, So Francisco. Anais So Francisco: [s.n.], 1993. p. 2147-2154. BOYD, S.; BALAKRISHNAN, V.; FERON, E.; EL GHAOUI, L. History of linear matrix inequalities in control theory. In: AMERICAN CONTROL CONFERENCE, 1994, Baltimore.
Anais [s.l.]:[s.n.], 1994a.

BOYD, S.; BALAKRISHNAN, V.; FERON, E.; EL GHAOUI, L. Linear matrix inequalities
in systems and control theory. Philadelphia: Studies in Applied Mathematics - SIAM, 1994b.

p-193.

125

BUENO, D.D. Controle ativo de vibraes e localizao tima de sensores e atuadores

piezeltricos. 2007. 230 f. Tese (Mestrado) - Faculdade de Engenharia, Universidade Estadual

Paulista - UNESP, Ilha Solteira, 2007. BURL, J.B. Linear optimal control: H2 and H methods. Melon Park: Addison-Wesley, 1999. DERUSSO, P.M.; ROY, R.J.; CLOSE, C.M.; DESROCHERS, A.A. State variables for
engineers. 2. ed. New York: John Wiley & Sons, 1997.

DOYLE, J. C.; STEIN, G. Multivariable feedback design: Concepts for a classical/modern synthesis. IEEE Transaction on Automatic Control, [s.l.], v. AC-26, p.4-16, 1981. EL GHAOUI, L.; NICULESCU, S. Advances in linear matrix inequalities methods in
control. 2. ed. Philadelphia: Studies in Applied Mathematics - SIAM, 2000.

FORGRAVE, J.C.; MAN K.F.; NEWELL, J.M. Spacecraft acoustic and random vibrations test optimization. Sound and Vibrations, [s.l.], v. 33, n.3, p. 28-31, 1999. FRANKLIN, G.F.; POWELL, J.D.; EMAMI-NAEINI, A. Feedback control of dynamic
systems. 3. ed. Massachusetts: Addison-Wesley Publishing Company, 1994.

GAHINET, P.; APKARIAN, P. A linear matrix inequality approach to H control.

International Journal of Robust and Nonlinear Control, Hoboken, v. 4, n.4, p. 421-488,

1994. GAHINET, P.; NEMIROVSKI, A.; LAUB, A.J.; CHILIALI, M. LMI control toolbox users
guide. Natick: The Mathworks Inc., 1995.

GEROMEL, J.C. Convex analysis and global optimization of joint actuator location and control problems. IEEE Transaction on Automatic Control, [s.l.], v. 34, n. 7, p. 711-720, 1989. GEROMEL, J.C.; PERES, P.L.D.; BERNUSSOU, J. On a convex parameter space method for linear control design of uncertain systems. SIAM Journal on Control and Optimization, Philadelphia, v. 2, n. 29, p. 381-402., 1991. GEROMEL, J.C.; COLANERI, P. Robust stability of time varying politopic systems. Systems
& Control Letters, Houston, v. 55, n.1, p. 81-85, 2006.

126

GEROMEL, J.C.; EGAS, R.G.; KAWAOKA, F.R.R. H Model reduction with application to flexible system. IEEE Transaction on Automatic Control, [s.l.], v.50, n.3, p. 402-406, 2005. GEROMEL, J.C.; EGAS, R.G.; KAWAOKA, F.R.R. Model reduction of discrete time system though linear matrix inequalities. International Journal Control, London, v. 77, n.10, p. 978984, 2004. GEROMEL, J.C.; OLIVEIRA, M.C.; HSU, L. LMI characterization of structural and robust stability. Linear Algebra and Its Application, New York, v.285, n.1-3, p. 69-80, 1998. GONALVES, P.J.P.; LOPES JR., V.; ASSUNO, E. H2 and H norm control of intelligent structures using LMI techniques. In: INTERNATIONAL CONFERENCE ON NOISE AND VIBRATION ENGINEERING ISMA, 26, 2002, Leuven. Anais... Leuven: [s.n.], 2002. GONALVES, P.J.P. Controle ativo de vibrao estrutural utilizando materiais Inteligentes
e desigualdades matriciais lineares. 2003. 125 f. Tese (Mestrado) - Faculdade de Engenharia,

Universidade Estadual Paulista - UNESP, Ilha Solteira, 2003. GONALVES, P.J.P.; SILVA, S.; TURRA, A. E.; LOPES JUNIOR, V. Active vibration control in smart structures comparing the control algorithms: IMSC and LMI. In: SYMPOSIUM ON DYNAMIC PROBLEMS OF MECHANICS- DINAME, 10, 2003, Ubatuba. Anais Ubatuba:[s.n.], 2003a. p. 171-176. GONALVES, P.J.P.; LOPES JUNIOR., V.; BRENNAN, M.J. Using LMI techniques to control intelligent structures. In: CONFERENCE ON STRUCTURAL DYNAMICS - IMAC, 20, 2003, Kissimmee. Anais Kissimmee:[s.n.], 2003b. K2 INC.
Materials in sport and leisure.

(s.l.:s.n.),

[2000?].

Disponvel

em:

<http://www.k2inc.net> Acesso em: jul, 2003. LEE, D.; LI, P.Y. Toward Robust Passivity: A passive control implementation structure for mechanical teleoperators In: SYMPOSIUM ON HAPTIC INTERFACES FOR VIRTUAL ENVIRONMENT AND TELEOPERATOR SYSTEMS, 11, 2003, Los Angeles. Anais Los Angeles:[s.n.], 2003. LEVINE, W. S. The control handbook. Boca Raton: CRC Press, Inc., 1996.

127

LIN, Z.F.; LI, L.L.; HUA, Y.G.; LING, X.Q. Most recent development on seismic control of structures in P.R. China. In: FIRST WORLD CONFERENCE ON STRUCTURAL CONTROL, 1, 1994, Los Angeles. Anais... Los Angeles:[s.n.], v.3, p. FA3-29 - FA3-37, 1994. LIU, Y.; GORDANINEJAD, F.; EVRENSEL, C.A.; WANG, X.; HITCHCOCK, G. Energy minimization-based vibration control of a bridge using magneto-rheological fluid dampers.
Adaptive Structures and Material Systems, [s.l.], v.60, p.197-202, 2000.

MATHEU, E.E. Active and semi-active control of civil structures under seismic excitation. 1997. 195 f. Dissertation (Doctor Philosophy) - Virginia Polytechnic Institute and State University, Blacksburg, 1997. MESQUITA NETO, C.; SANTOS, R.B.; BUENO, D.D.; MARQUI, C.R.; LOPES JUNIOR., V. Atenuao de vibraes em edifcios devido a abalos ssmicos utilizando amortecedores magnetoreolgicos. SBA - Revista Controle & Automao, Campinas, 2007. (artigo em processo de avaliao). MEIROVITCH, L. Principles and techniques of vibrations. 3. ed. New Jersey: Prentice Hall, 2000. ISBN 0-02-380141-7. MEIROVITCH, L. Dynamics and control of structures. New York: John Wiley & Sons, 1990. ISBN 0-471-62858-1. MOREIRA, F.J.O. Um controlador H de banda limitada para controle ativo de vibrao
estrutural. 1998. 182 f. Tese (Doutorado) - Departamento de Mecnica Computacional,

Universidade Estadual de Campinas - UNICAMP, Campinas, 1998. OGATA, K. Engenharia de controle moderno. 3. ed., Rio de Janeiro: LTC- Livros Tcnicos e Cientficos Editora S.A., 2000. OLIVEIRA, M. C.; FARIAS, D. P.; GEROMEL, J.C. LMISol, users guide. Campinas: UNICAMP, 1997. PALMA, P.H.T. Identificao experimental e controle ativo de vibraes aplicadas em
estruturas inteligentes. 2007. 148 f. Tese (Mestrado) - Faculdade de Engenharia, Universidade

Estadual Paulista - UNESP, Ilha Solteira, 2007.

128

PERES, P.L.D. Controle H2 e H : caracterizao por desigualdades matriciais lineares. 1997. 180 f. Tese (Livre - Docncia) - Faculdade de Engenharia Eltrica e de Computao, Universidade Estadual de Campinas - UNICAMP, Campinas, 1997. QUANSER CONSULTING, INC. Active mass damper : two-floor (AMD-2). Canada: Quanser User Manual, [2004?]. SAKAMOTO, M.; KOBORI, T.; YAMADA, T.; TAKAHASHI, M. Practical applications of active and hybrid response control systems and their verifications by earthquake and strong wind observations. In: FIRST WORLD CONFERENCE ON STRUCTURAL CONTROL, 1, 1994, Los Angeles. Anais Los Angeles: [s.n.], 1994. p. WP2-90 - WP2-99. SANA, S.; RAO, V.S. Robust control input limited smart structural system. IEEE Transactions
on Control Systems Technology, Brookline, v.9, n.1, 2001.

SARRACINI JR., F.; SERPA, A. L. Reduced model in Hinfinity vibration control using linear matrix inequalities. Shock and Vibration, Blacksburg, v.13, n.4, 5, p.469-484, 2006. SANTOS, R.B.; BUENO, D.D.; MARQUI, C.R.; LOPES JUNIOR., V. Active vibration control of a two -floors building model based on H2 and Hinfinity methodologies using linear matrix inequalities (LMIs). In: CONFERENCE & EXPOSITION ON STRUCTURAL DYNAMICS IMAC, 25, 2007, Orlando. Anais Orlando: [s.n.], 2007a. SANTOS, R.B.; BUENO, D.D.; MARQUI, C.R.; LOPES JUNIOR., V. Experimental vibration control based on linear quadratic regulator (LQR) using LMIs. In: CONGRESSO TEMTICO DE DINMICA, CONTROLE E APLICAES - DINCON, 6, 2007, So Jos do Rio Preto.
Anais... So Jos do Rio Preto: [s.n.], 2007b.

SANTOS, R.B.; BUENO, D.D.; MARQUI, C.R.; LOPES JUNIOR., V. Controle de vibrao de uma estrutura flexvel baseado na metodologia de alocao de plos utilizando desigualdades matriciais lineares (LMIs). In: SIMPSIO DE PS-GRADUAO EM ENGENHARIA MECNICA DA UFU, 16, 2006, Uberlndia. Anais... Uberlndia: [s.n.], 2006. SANTOS, R.B. Controle em tempo real de um pndulo invertido para uso didtico. 2005. 58 f. Relatrio Parcial (Iniciao Cientfica - PIBIC) - Faculdade de Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira, 2005.

129

SILVA, S.; LOPES JUNIOR., V.; BRENNAN M.J. Design of a control system using linear matrix inequalities for the active vibration control of a plate. Journal of Intelligent Material
Systems and Structures, Virginia,v.17, n.1, p.81-93, 2006.

SILVA, S.; LOPES JUNIOR, V.; ASSUNO, E. Robust control to parametric uncertainties in smart structures using linear matrix inequalities. Journal of Brazilian Society Mechanical
Sciences, Rio de Janeiro, v.26, n.4, p.430-437, 2004.

SILVA, S. Projeto de controladores robustos para aplicaes em estruturas inteligentes

utilizando desigualdades matriciais lineares. 2005. 128 f. Tese (Mestrado) - Faculdade de

Engenharia, Universidade Estadual Paulista - UNESP, Ilha Solteira, 2005. SILVA, S.; LOPES JUNIOR., V.; ASSUNO, E. Controle robusto de estruturas flexveis usando tcnicas LMIs. In: CONGRESSO TEMTICO DE DINMICA E CONTROLE DA SBMAC - DINCON, 2, 2003, So Jos dos Campos. Anais.... So Jos dos Campos: [s.n.], 2003. p. 2200 2219. SOONG, T.T.; SPENCER JUNIOR., B.F. Supplemental energy dissipation: state-of-the-art and state-of-the-practice. Engineering Structures, [s.l.], v.24, p. 243-259, 2002. SOUZA, R. A. Controle passivo/ativo das oscilaes de estruturas esbeltas por meio de
dispositivos fluido-dinmicos. 2003. 147 f. Tese (Doutorado) - Faculdade de Engenharia Civil,

Universidade Federal do Rio de Janeiro UFRJ, Rio de Janeiro, 2003. TEIXEIRA, M.C.M.; PIETROBOM, H.C.; ASSUNO, E. Novos resultados sobre a estabilidade e controle de sistemas no-lineares utilizando modelos fuzzy e LMI. SBA - Revista
Controle & Automao, Campinas, v.11, n.1, p.37-48, 2000.

THE INSTITUTE OF MATERIALS, MINERALS AND MINING - IOM3. Aerospace and

defense applications - an overview of US military smart adaptive projects. [s.l.: s.n.],

[2001?]. Disponvel em: <http://www.instmat.co.uk/iom/divisions/mst/smasc/intro.htm>, Acesso em: jul, 2003. TRUXAL, J. G. Automatic feedback control system synthesis. New York: MacGraw-Hill Company, 1955. ULTRA ELECTRONICS LTD. Noise and vibration systems. [s.l.: s.n.], [2002?]. Disponvel em: <http://www.ultraquiet.com>, Acesso em: jul, 2003.

130

VANANTWERP, J. G. E BRAATZ, R. D. A tutorial on linear and bilinear matrix inequalities.

Journal of Process Control, [s.l.], v. 10, p. 363-385, 2000.

VALER, C.E.I. Uma introduo ao controle robusto com aplicaes a estruturas flexveis. 1999. 159 f. Tese (Mestrado) - Faculdade de Engenharia Mecnica, Pontifcia Universidade Catlica do Rio de Janeiro - PUC/RJ, Rio de Janeiro,1999. XIE, L.Output feedback H control systems with parametric uncertainty. International Journal
of Control, London, v.63, n.4, p.741-750, 1996.

ZHOU, K.; DOYLE, J.C.; GLOVER, K. Robust and optimal control. New Jersey: Prentice Hall, 1995.

131

Apndice - A
A.1. Programas em Matlab6.5
1. Projeto de Controle timo H

Arquivo MatLab6.5: controle_Hoo_AMD2.m % POS-GRADUAAO EM ENG. MECANICA - UNESP/ILHA SOLTEIRA % Projeto de Controle Hoo Via LMIs : Realimentao de Estados % Sistema AMD-2 Active Mass Damper - Two Floors % Rodrigo Borges Santos - 2007 clc; clear load modelo_AMD2; % L o modelo do sistema AMD-2 n=length(A); % Dimenso da matriz A m=size(B2,2); % Auxiliar na dimenso de Z setlmis([]); % Inicio da montagem das LMIs mi=lmivar(1,[1 1]); % Declarao que mi e uma varivel escalar Z=lmivar(2,[m n]); % Declarao que Z e uma matriz retangular 1 x n W=lmivar(1,[n 1]); % Declarao que W e uma matriz simtrica n x n lmiterm([-1 1 1 W],-A,1,'s'); % LMI #1: -A*W-W*A' lmiterm([-1 1 1 Z],-B2,1,'s'); % LMI #1: -B2*Z-Z'*B2' lmiterm([-1 2 1 0],B1'); % LMI #1: B1' lmiterm([-1 3 1 W],C,1); % LMI #1: C*W lmiterm([-1 3 1 Z],D,1); % LMI #1: D*Z lmiterm([-1 2 2 0],eye(1)); % LMI #1: 1 lmiterm([-1 3 1 Z],D,1); % LMI #1: D*Z lmiterm([-1 3 3 mi],1,eye(1)); % LMI #1: 1*mi lmiterm([-2 1 1 W],1,1); % LMI #2: W lmiterm([-3 1 1 mi],1,1); % LMI #3: mi lmiterm([-3 1 1 0],-100); % LMI #3: -100 lmicontroloo=getlmis; % Termino da montagem das LMIs nvar1=decnbr(lmicontroloo); % Numero de variveis de deciso das LMIs objc1=zeros(nvar1,1); % Definindo a varivel a ser otimizada objc1(1)=1; % Varivel de otimizao: mi options(1)=0; options(2)=200; options(3)=0; options(4)=20; options(5)=0; [objcopt,xopt]=mincx(lmicontroloo,objc1,options); miopt=dec2mat(lmicontroloo,xopt,mi); Wf=dec2mat(lmicontroloo,xopt,W); Zf=dec2mat(lmicontroloo,xopt,Z); minHoo=sqrt(miopt); % Norma Hoo do sistema a malha fechada
Kc=Zf*inv(Wf)

% Ganho do controlador

132

2. Projeto de Controle H via Realimentao da Sada

Arquivo MatLab6.5: projeto_desempenho.m % POS-GRADUAAO EM ENG. MECANICA - UNESP/ILHA SOLTEIRA % Projeto de Controle Hoo Via LMIs : Realimentao da Saida % Sistema AMD-2 Active Mass Damper - Two Floors % Rodrigo Borges Santos - 2007 clc; clear load modelo_AMD2_Saida; % L o modelo do sistema AMD-2 %------------------------------------------------------------------------------------------------%PROJET DO FILTRO Wy: Incrementa o Amortecimento %------------------------------------------------------------------------------------------------fpico=2*pi*4.5; zeta=.3; num_wy=2.5e0*[fpico*fpico]; den_wy=1e0*[1 2*zeta*fpico fpico*fpico]; Wy=tf(num_wy,den_wy); %------------------------------------------------------------------------------------------------%FORMATO DE DADOS LTISYS %------------------------------------------------------------------------------------------------g1 = ltisys(A,B1,C(2,:),0); % Modelo do Disturbio g2 = ltisys(A,B2,C(2,:),0); % Modelo Nominal wy=ltisys('tf',num_wy,den_wy); % Filtro Wy %------------------------------------------------------------------------------------------------%GANHOS DE PROJETO %------------------------------------------------------------------------------------------------gama=0.01; % Ganho de Projeto ku=0.05; % Limita o Sinal de Controle %------------------------------------------------------------------------------------------------%MONTAGEM DA PLANTA GENERALIZADA %------------------------------------------------------------------------------------------------inputs='w'; outputs='Wy,Ku'; Kin='K:Gn+Gd'; [Paug,r]=sconnect(inputs,outputs,Kin,'Gn:K',g2,'Gd:w',g1,'gama:Gn+Gd',gama, 'Wy:gama',wy,'Ku:K',ku); %------------------------------------------------------------------------------------------------%PROJETO DO CONTROLADOR Hoo %------------------------------------------------------------------------------------------------options(1)=0; options(2)=0; options(3)=1e-3; [gopt,controlador]=hinflmi(Paug,r); % Calcula o Controlador Hoo Via LMI [Acontrol,Bcontrol,Ccontrol,Dcontrol,e]=ltiss(controlador); [num_c,den_c]=ltitf(controlador);
Ks=tf(num_c,den_c);

% Controlador K(s)

133

A.2. Procedimento Experimental

A seguir so apresentados os passos para a implementao em tempo real dos controladores projetados. O objetivo deste procedimento facilitar futuras reprodues dos testes experimentais realizados neste trabalho e de servir como referncia para outros integrantes do grupo GMSINT da UNESP de Ilha Solteira.
Obs: Todos os arquivos utilizados para a simulao em tempo real esto disponveis em: D:\Rodrigo\Pos_Graduacao\Controle_AMD2\Hoo_Estados ou Hoo_Saida, no computador

utilizado para testes experimentais do sistema da Quanser.

Passo 1. Rodar no Matlab o arquivo chamado par_AMDeST1.mat. Este arquivo inicializa

todos os parmetros do modelo estrutural AMD-2 e da Shake Table I que sero usados pelos diagramas do Simulink.
Passo 2. Rodar no Matlab o arquivo chamado controle_Hoo_AMD.m caso deseja-se fazer o

controle H via realimentao de estados. Para o controle via realimentao da sada deve-se rodar o arquivo projeto_desempenho.m. Estes arquivos, apndice A.1, calculam os controladores projetados.
Ateno! Para o caso do controle H via realimentao de sada, o sinal da sada

alimentada a acelerao do primeiro andar. Para este caso o sistema foi considerado como sendo SISO ( Single Input Single Output ).

Passo 3. Abrir no Simulink o arquivo tempo_real_estados .mdl caso deseja-se fazer o

controle H via realimentao de estados. Dever-se obter um diagrama semelhante ao da figura A 2.1. Para o controle via realimentao da sada deve-se abrir o arquivo tempo_real_saida .md. Neste caso, dever-se obter um diagrama semelhante ao da figura A 2.2.

134

Figura A 2.1: Diagrama de simulao projeto H via realimentao de estados.

Figura A 2.2: Diagrama de simulao projeto H via realimentao de sada.

135

Passo 4. Verificar se todas coneces do sistema AMD-2 e Shake Table I esto corretas

(consultar o manual do usurio - Quanser User Manual). Alm disso, verificar se as coneces dos canais de entrada e sada da placa MultiQ -PCI esto de acordo com as definidas pelo usurio nos diagramas SimulinK. Garantido isto, pode-se dar potncia ao sistema ligando os mdulos de potncias.
Ateno! O mdulo de potncia para o sistema AMD-2 o UPM 1503 (220 V) e o mdulo de

potncia para o sistema Shake Table I o UPM 2405 (110 V).

Passo 5. Compilar o cdigo de tempo real correspondente ao diagrama, usando o
WinCon/Bluid, na opo da barra de menus do Simulink. Depois do sucesso de compilao e

carregado o WinCon - Client e Server, usar-se o WinCon - Server para controlar em tempo real o sistema AMD-2. Ento, para comear a simulao a malha fechada e em tempo real basta clicar no boto START/STOP da janela do WinCon - Server.
Passo 5. Monitorar on-line os movimentos do carro, as deflexes dos andares, a fora de

controle e os sinais de distrbio atravs dos SCOPES disponveis na janela do WinCon - Server.