Professional Documents
Culture Documents
1 Introdução
Nesta apostila apresentam-se as teorias de controle avançadas usadas neste
curso. As teorias de controle H2 e H1 , aqui chamadas de teorias avançadas
de controle, recebem atenção especial, pois são a base teórica para a síntese dos
controladores neste curso e de muitos controladores industriais desenvolvidos
recentemente [Gri94].
O projeto de qualquer controlador envolve basicamente duas tarefas princi-
pais: a determinação da estrutura do controlador para alcançar a estabilidade
e o ajuste (sintonia) de seus parâmetros para alcançar um desempenho consid-
erado ‘ótimo’de acordo com algum critério (índice de desempenho), de forma a
satisfazer especi…cações estabelecidas pelo projetista [DB95].
A preocupação na primeira tarefa, principalmente quando se trabalha com
um controlador com realimentação, é garantir a estabilidade do sistema contro-
lado para as condições nominais e não considerando incertezas no modelo. Isto
é, procura-se a ‘Estabilidade Nominal ’[SP96], [ZGD95] do sistema.
A segunda tarefa pode se desenvolver de modo similar à primeira, isto é, nas
fases iniciais procura-se obter um ‘Desempenho Nominal ’[SP96], [ZGD95] para
uma determinada planta, também sem levar em conta as incertezas no modelo.
Em fases mais adiantadas do projeto procuram-se obter estruturas robustas.
Robustez aqui está ligada principalmente ao complexo problema de incertezas
na modelagem. Qualquer modelo do sistema utilizado para o desenvolvimento
do controlador incorpora simpli…cações e negligencia, propositalmente ou não,
um grande número de fatores, tais como a variação de parâmetros, a variação
de condições nominais, a variação de distúrbios e ruídos, distorções provocadas
linearizações do sistema, etc. Percebe-se, então, que não é certo, que um con-
trolador projetado para um certo conjunto de condições, garanta a estabilidade
para conjunto distinto. Se o controlador consegue manter a estabilidade para
um certo conjunto de condições distinto do nominal, diz-se que o sistema con-
trolado apresenta ‘Estabilidade Robusta’ para este conjunto [SP96], [ZGD95].
Analogamente, se o desempenho do sistema controlado não é degradado sig-
ni…cativamente, de forma que as especi…cações de projeto ainda assim sejam
atendidas para uma família de sistemas incertas, oriundas de um único sistema
nominal, diz-se que o sistema apresenta ‘Desempenho Robusto’[SP96], [ZGD95].
Em resumo, estabilidade e desempenho nominais são de…nidos para a uma
determinada planta, enquanto que estabilidade e desempenho robustos são rel-
ativos a uma família de plantas, geralmente originárias da planta nominal, e
1
sujeitas a incertezas (de modelo, distúrbio e ruídos) que devem incluir as in-
certezas da pior espécie (‘worst-case uncertainty’) para o problema considerado.
A estabilidade e o desempenho robustos são determinados, então, pelo mod-
elo em uso. As teorias de controle avançadas facilitam a síntese de controladores
com estabilidade e desempenho robustos, mesmo quando se dispõe apenas de
modelos pobres e têm a grande vantagem adicional de poder levar em conta a
dinâmica de distúrbios, ruídos e referências explicitamente no projeto, já na fase
de síntese do controlador. Desta forma, pode-se fazer com que o controlador
seja mais conservativo em bandas de frequência, onde os erros de modelagem,
os distúrbios e ruídos sejam mais signi…cativos. A necessidade do uso de con-
troladores não-lineares, adaptativos ou auto-ajustáveis, recomendáveis nestas
situações, …ca por isso reduzida.
A notação e os fundamentos matemáticos podem ser intimidatórios para
quem quer se iniciar na teoria H1 . Para minimizar este problema, procurou-se
explicitar, sempre que possível, a relação existente entre a teoria de controle
LQG, ou H2 (mínimos quadrados) amplamente conhecidas [GJ88], e a teoria de
controle H1 . Uma abordagem introdutória frequentemente sugerida é o artigo
de Kwakernaak ([Kwa93]). O livro indispensável de Francis ([Fra87]), além de
apresentar toda a base teórica deste método relata também os desenvolvimentos
iniciais da teoria, grande parte da qual preocupada em resolver o problema
de otimização de Nehari. Stoorvogel [Sto92] apresenta uma abordagem para
leitores mais avançados.
A abordagem LQG permite estabelecer paralelos muito interessantes com a
teoria H1 [Gri86], já que suas propriedades são frequentemente muito similares.
Assim, a síntese H1 é uma técnica que procura ‘automatizar’o projeto de leis de
controle de realimentação, de forma a minimizar o pico de magnitude da resposta
do sistema em malha-fechada. A síntese LQG procura minimizar a variância
da resposta em frequência, ou equivalentemente, o desvio padrão da resposta ao
ruído branco. Ambas as técnicas envolvem a solução de duas equações matriciais
de Riccati e os dois procedimentos levam a leis de controle com o mesmo número
de estados do modelo da planta. Como será mostrado posteriormente, enquanto
o procedimento LQG minimiza uma função de custo baseado na norma-2 da
função de transferência em malha-fechada, o H1 minimiza a norma in…nita.
Na última década, técnicas de controle robusto H1 foram empregadas na
solução de alguns problemas originários de aplicações industriais [Gri94]. Esta
tendência se deve ao fato de que esta abordagem dispõe de estruturas matemáti-
cas necessárias para uma obtenção rápida e e…ciente de problemas de controle
envolvendo incertezas. No passado recente, ainda não havia um procedimento
lógico para o tratamento de problemas mal de…nidos.
2 Abordagens de Projeto
O processo geral de projeto de um sistema de controle é basicamente uma it-
eração entre a síntese de um controlador e a avaliação de seu desempenho. Se
o desempenho não é satisfatório, então é preciso ajustar-se diretamente algum
2
parâmetro do controlador, por exemplo, modi…cando-se o ganho proporcional
em um controlador PID, ou ajustando algum fator de ponderação no índice de
desempenho escolhido, como é o caso de controles ótimos.
Para a argumentação que se segue, considere-se o diagrama de blocos de um
sistema escalar com realimentação ilustrado na …gura 1.
3
role moderno no espaço de estado, como o LQR ou LQG. Nestes métodos,
procura-se otimizar a resposta do sistema em malha-fechada sujeito a mu-
danças de referência e/ou sob a ação de certas perturbações no domínio
do tempo, usando-se para isso um critério de desempenho. No caso do
controle LQG, admite-se que as perturbações na dinâmica do sistema e
os ruídos dos sensores sejam modeláveis por ruídos brancos gaussianos
de variância conhecida. Quando transpostos para o domínio da frequên-
cia, este método permite incluir ponderações dependentes da frequência, o
que levou ao aparecimento do método de projeto chamado de H2 , também
abordado neste curso. Alternativamente, quando os sinais de entrada são
senoidais, desenvolveu-se uma metodologia, para a síntese de um contro-
lador H1 . Neste caso, procura-se minimizar a norma-1 de uma combi-
nação de funções de transferência de malha-fechada. A abordagem H1
pelo métodos dos sinais aparece, neste curso, nas aplicações à sistemas
multivariáveis.
x(t)
_ = Ax(t) + Bu(t); x(t0 ) = xo (1)
y(t) = Cx(t) + Du(t) (2)
onde x(t) 2 <n é o estado do sistema; x(t0 ) é a condição inicial; u(t) 2 <m é
a entrada do sistema e y(t) 2 <p é a saída ou o estado observado. As matrizes
A; B; C; D, de dimensão apropriada, são compostas de constantes reais.
Usando-se a notação matricial poder-se-ia exprimir as equações acima por:
x(t)
_ A B x(t)
= ; x(t0 ) = xo (3)
y(t) C D u(t)
A resposta no tempo do sistema dinâmico pode ser determinada por [Gel74]:
Z t
A(t to )
x(t) = e x(to ) + eA(t )
Bu( )d (4)
to
y(t) = Cx(t) + Du(t) (5)
4
(t; t1 ) = eA(t t1 )
(7)
Aplicando-se a transformada de Laplace às equações (1) e (2) para condições
iniciais quiescentes, pode-se determinar a função de transferência de U (s) para
Y (s); de…nida por:
Y (s) = G(s)U (s) (8)
Para isto basta isolar-se X(s) na transformada da expressão (1), pô-la na trans-
formada de (2) e rearranjar os termos, obtendo-se:
1
G(s) = C(sI A) B+D (9)
Considere-se também a transformada inversa de Laplace de G(s):
1
g(t) = L fG(s)g (10)
A B
G(s) = C(sI A) 1
B+D , (15)
C D
Para um sistema cuja realização é dada por:
A B
G(s) = (16)
C 0
5
de…ne-se a matriz Hamiltoniana por:
A R
H, (17)
Q AT
onde R = BB T e Q = C T C.
Se a matriz Hamiltoniana não tem autovalores no eixo imaginário, então:
1
P = X2 X1 (18)
AT P + P A P RP + Q = 0
x(t)
_ = Ax(t) + B1 w(t) + B2 u(t); x(t0 ) = xo (19)
z(t) = C1 x(t) + D11 w(t) + D12 u(t) (20)
y(t) = C2 x(t) + D21 w(t) + D22 u(t) (21)
Então:
2 3
A B1 B2
G11 (s) G12 (s)
G(s) = = 4 C1 D11 D12 5
G21 (s) G22 (s)
C2 D21 D22
6
4 Ferramentas Analíticas
O objetivo mais importante de um sistema de controle, além de garantir a es-
tabilidade, é satisfazer um certo conjunto de especi…cações relativas ao desem-
penho. Uma das maneiras de se veri…car se as especi…cações foram satisfeitas, é
através da ‘magnitude’de alguns sinais ou funções de transferências envolvidos.
Por exemplo, a magnitude do sinal de erro de acompanhamento (‘tracking’)
do sistema deve ser ‘pequeno’, enquanto que os sinais de controle não devem
ser muito ‘grandes’, ou ainda a matriz de funções de transferência entre um
distúrbio e a resposta do sistema deve ser ‘pequena’, etc.
O desempenho de um sistema de controle pode ser determinado pela vari-
ação do ganho de certas funções de transferência com a frequência. Esse método
levou ao desenvolvimento de técnicas de controle muito utilizadas atualmente.
Um destes métodos é o da formatação de malha-aberta (‘open-loop shaping’)
que será brevemente discutido. Um método alternativo de controle é oriundo da
formatação em malha-fechada de determinadas funções envolvendo a realimen-
tação de sinais, como a função de sensibilidade, a função complementar, etc. O
método de formatação de malha-fechada apresentado aqui é o da sensibilidade
mista (‘mixed-sensitivity’), objeto principal deste capítulo.
A seguir, apresentam-se as formas mais usuais para se de…nir magnitude de
sinais e funções de transferência matriciais ou não. Utilizam-se os conceitos de
normas, que satisfazem um conjunto de propriedades geométricas e que gener-
alizam a noção da norma euclidiana. Primeiramente, introduz-se a noção de
ganhos para sistemas escalares (SISO: ‘Single Input-Single Output’) e sistemas
multivariáveis (MIMO: ‘Multiple Input-Multiple Output’).
u(t) = uo sin(wt + )
7
a resposta y(t) é dada por:
y(t) = yo sin(wt + )
A resposta apresenta a mesma frequência, mas amplitude diferente. Além disso,
vem defasada de:
=
Usando-se o conceito de função de transferência tem-se:
y(s)
G(s) =
u(s)
Para s = jw, determina-se a resposta em frequência do sistema G(s). De…ne-
se ‘ampli…cação’ou ‘ganho’de G pela razão:
y0 ej jyo j
jG(jw)j , j
= (22)
ju0 e j juo j
E a fase
, \G(jw) = ej( )
= (23)
Para sistemas escalares o ganho é função da frequência e independe da mag-
nitude do sinal de entrada:
8
A resposta no domínio da frequência em regime estacionário no canal k
devido a uma excitação no canal i é dada por:
Admita-se que seja usada, por exemplo, a norma-2 para medir a magnitude
dos sinais de entrada e saída, então:
v
um q
uX
ku(jw)k2 = t
2
jui j = u21 + u22 + ::: + u2m
i=1
v
u n q
uX
ky(jw)k2 = t
2
jyk j = y12 + y22 + ::: + yn2
k=1
9
limitada superior e inferiormente. Isto levará à de…nição da norma conhecida
por valores singular ou ganho principal do sistema.
Antes do conceito de valor singular apresenta-se um resumo da teoria de
normas.
10
3. a norma-1 de vetor ou norma máxima:
kAukp
kAkp;i , sup sup kAukp sup kAukp (34)
u6=0 kukp kukp 1 kukp =1
11
onde kukp é de…nida a partir da norma de Hölder na expressão (28). As iden-
tidades na expressão (34) aparecem porque os ganhos são independentes da
magnitude do sinal de entrada em sistemas lineares.
Em palavras, a norma induzida da matriz An m está na direção do vetor u
quando a razãokyk = kuk é máxima. A norma induzida, então, dá a ‘potência
máxima’de ampli…cação da matriz.
Na teoria de controle há basicamente três normas induzidas importantes:
0 1
m
X
kAk1;i = max @ jaij jA (37)
i
j=1
kGuk2
kGk2;i , (G) , sup sup kGuk2 = kGk2;i
u6=0 kuk2 kuk2 =1
12
É costume ordenarem-se os valores singulares em ordem decrescente:
= 1 2 p = ; p = minfn; mg
Portanto, podem-se de…nir valores singulares de uma matriz não quadrada,
ao contrário dos autovalores, que só podem de…nidos para matrizes quadradas.
Geometricamente os valores singulares de uma matriz G dão os comprimen-
tos dos semi-eixos de um hiperelipsóide E de…nido por:
E = fy : y = Gu; u 2 C n ; kuk2 = 1g
Para o caso bidimensional, veri…ca-se que G mapea um círculo de raio
unitário numa elipse de semi-eixos 1 e 2 . A …gura 3 ilustra o hiper-elipsóide
para o caso bidimensional e permite estabelecer a noção de matrizes H grandes
e G pequenas.
(G)
(G) ,
(G)
13
Na análise numérica o número condicional mede a di…culdade de se inverter
uma matriz. Em geral, isto signi…ca que a matriz é mal condicionada, isto é, G
e G 1 tem elementos muito grandes. Em termos de controle este número mede
a di…culdade de se controlar uma determinada planta. De fato, se o sistema é
muito suceptível a incertezas o número condicional é grande, sendo que o reverso
nem sempre é verdadeiro.
Alternativamente aos valores singulares, poder-se-ia pensar nos autovalo-res
como forma de se medir o ganho de um sistema. Considere-se novamente a
…gura 2, agora com G 2 C n n , portanto quadrada. Os autovalores de G são as
n raízes (zeros) de seu polinômio característico:
4( ) , det( I G) = 0
y = Gui , i ui
kyk2 i ui 2
= = j ij
ui 2 ui 2
Veri…ca-se, então, que os autovalores só medem o ganho quando as entradas
e saídas estão na mesma direção, isto é, na direção dos autovetores e neste
caso o ganho é dado por j i j. Uma desvantagem adicional dos autovalores em
relação aos valores singulares é que eles só podem ser computados para matrizes
quadradas.
Os valores singulares apresentam as seguintes propriedades:
kGk2 = ;
2 Pp 2
kGkF = i=1 i;
14
– j (G) 1j (G + I) (G) + 1 e
– j (G) 1j (G + I) (G) + 1;
Os resultados deste subitem são também conhecidos como ´teoremas
de Fan’.
–
1
(G) 1 (G) + 1
(G + I)
9v 2 <=fkvk vkg ! 0
Neste caso, v é chamado de limite da sequência.
Uma sequência fvk g é chamada sequência de Cauchy se:
15
Valores Singulares
4
10
3 sigmax
10
2
10
Magnitude (dB)
1
10
sigmin
0
10
-1
10
-2
10
-2 -1 0 1 2
10 10 10 10 10
Frequência (rad/s)
Z 1
P
kxkp ,
p
jxi j dt < 1; para 1 p<1 e (41)
I
kx(t)k1 , sup jx(t)j
t2I
16
Z 1
kxk1 = jx(t)j dt
0
Em muitas aplicações da engenharia esta norma é usada para medir o con-
sumo total de recursos, em particular, o uso total de energia no controle de um
determinado processo ou sistema.
Z 1 1=2
kxk2 = x (t)x(t)dt (42)
0
é também conhecida como norma euclidiana. O quadrado da norma L2 é co-
mumente conhecida como energia total do sinal x(t). Em muitas áreas da en-
genharia, a norma L2 é usada para medir a magnitude (energia total) de um
sinal transitório, que decai para zero conforme passa o tempo. Usando-se o
teorema de Parseval [Car92], a norma L2 acima pode ser calculada no domínio
da frequência como se segue:
Z 1 1=2
1
kxk2 = X (jw)X(jw)dw (43)
2 0
Neste caso, a norma mede a potência média do sinal x(t). Para um sinal es-
tocástico, a expressão (44) se escreve:
1=2
kxkRM S = [E (x (t)x(t))]
h ; i:V V 7 !C
17
onde indica o conjugado complexo transposto do vetor e ui indica o complexo
conjugado do elemento ui .
Nesta operação para quaisquer u; v; w 2 V e ; 2 C valem as operações:
18
Seja G(s) uma função de transferência matricial de dimensão [n; m] de um sis-
tema contínuo. Então, a norma H2 de G(s) pode ser calculada da mesma forma
que a norma em L2 , ou seja [Fra87]:
Z 1 1=2
1
kGk2 = tr [G (jw)G(jw)] dw (46)
2 1
19
sejam agora sinais de energia, pode-se mostrar que a norma H1 de G(s) tem a
seguinte interpretação [PC95]:
ky(t)k2
kGk1 = sup
kuk2 6=0 ku(t)k2
40
Norma Hinf
30
20
10
magnitude
-10
-20
-30
-40
-50
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
frequência
20
1
kG(jw)k1 kW (jw)k1 para todo w 2 < (49)
se G(s) for estável. É importante frisar-se que a norma-2 ponderada não apre-
senta esta importante propriedade.
Seguem-se algumas observações interessantes sobre a norma H1 e H2 :
5 Incertezas
O termo incerteza refere-se aos erros entre modelos e a realidade. Os mecanis-
mos para descrever estes erros são geralmente chamados de representação da
incerteza. As representações da incerteza variam principalmente com o grau
de estrutura que elas contém. Dois tipos de incertezas, tratadas a seguir, são
comumente, utilizadas na teoria de controles robustos: incertezas sem-estrutura
e incertezas estruturadas.
As técnicas avançadas de controle robustos, tais como o H2 ; H1 ou LQG=
LT R (‘Linear Quadratic Gaussian/Loop Transfer Recovery’) [Cru96], [DS81]
permitem que se leve em conta as incertezas de modelagem no projeto do con-
trolador, de modo a fazê-los menos sensíveis ao problema de uma modelagem
imperfeita.
21
Nestes casos, geralmente não há interêsse em se determinar as origens da
incerteza, nem relacioná-las a elementos do sistema ou mesmo conhecer-se seu
ponto de inserção exato na malha. Procura-se apenas estabelecer seus limites
superiores. Estes limites são determinados pela magnitude das perturbações,
aqui medidas pela norma-1. Assim, embora desconhecidas, elas são limitadas
superiormente pela norma: k4 k1 < b 2 <:
Para uma planta multivariável utilizam-se neste curso basicamente dois tipos
de modelos para as incertezas sem-estrutura:
aditivas, representadas formalmente por:
G(s) = Go (s) + 4a (s) (50)
multiplicativas:
22
Figura 7: Incertezas Multiplicativas na Saída
23
Figura 9: Comportamento de Incertezas Multiplicativas
24
É interessante observar-se neste ponto, que a teoria de controle ótimo LQG,
a teoria de propagação de ruídos brancos em sistemas lineares, e os …ltros de
Kalman e Wiener geralmente abordam o problema da incerteza através do ruído
aditivo com um espectro de potência limitado. É claro que nenhum modelo físico
é linear com o ruído aditivo, mas alguns aspectos do comportamento físico são
muito bem representados usando-se este modelo. Por exemplo, considere-se o
problema de se limitar de alguma forma a magnitude da incerteza no sinal de
saída de um sistema linear invariante no tempo (‘linear time invariant: LTI ’).
Uma maneira muito e…caz de medir-se a incerteza neste caso é estabelecer-se um
limite ao espectro de potência do erro na saída em relação a resposta nominal.
Neste caso, em geral se assume que o espectro de potência é independente do
sinal de entrada, o que é equivalente a assumir um ruído aditivo com espectro de
potência limitado. O espectro de potência dos desvios entre o sinal real e o nom-
inal de saída, no entanto, depende signi…cativamente do sinal de entrada. Por
exemplo, o sinal aditivo é completamente inadequado para capturar incertezas
advindas da mudança devido ao envelhecimento dos componentes da planta. O
maior limitante da teoria estocástica é a falta de um tratamento formal para
as incertezas originárias da própria planta, o que só pode ser feito através das
perturbações multiplicativas. Como se sabe o problema da incerteza na planta é
fundamental em sistemas com realimentação. Desta forma, a teoria de controle
LQG e as outras listadas acima infelizmente não tratam as incertezas adequada-
mente e desta forma levam a resultados com muito menos abrangentes do que
era de se esperar.
Também é importante chamar-se a atenção ao problema de escala em sistema
multivariáveis. Como a norma-1 corresponde a norma da incerteza da pior
espécie para o sistema, deve-se proceder a uma normalização das incertezas
nos diversos canais, de modo que as entradas e saídas sejam de magnitudes
próximas, tornando-se a incerteza justa no sentido estatístico. Os fatores de
escala, como será visto, farão parte do modelo de trabalho e, geralmente, são
compostos por funções de ponderação.
1 0
4= ; j ij 0; 02
0 2
25
já que perturbações como:
p
0; 00 0; 02 2 1 1
4= ou ainda como: 4 =
0; 00 0; 00 2 2 2
6 Funções de Sensibilidade
Considere-se, inicialmente, a …gura 10 que ilustra um diagrama de blocos clássico
de um sistema com realimentação negativa, onde adicionalmente introduziram-
se os sinais de distúrbio de entrada e saída, respectivamente, di e d.
Na …gura 10, quando necessário, R(s) pode ser incluído para representar a
dinâmica de referência. O sistema é forçado pelo sinal de referência ou comando
r(s), pelo ruído nos sensores n(s), pelos distúrbios na entrada da planta di (s)
e pelos distúrbios na saída da planta d(s). O sinal u(s) representa o sinal de
controle sem distúrbio, enquanto que ud (s) representa o sinal na entrada da
planta que, geralmente, contém erros introduzidos pelo desconhecimento exato
da dinâmica do atuador ou que inclui outros tipos de perturbações, como exci-
tações de baixa frequência. O sinal de saída y(t); neste caso, inclui o distúrbio
de saída de forma que: y(t) = yv (t) + d(t):
Nesta seção, em particular, por simplicidade faz-se R(s) I.
26
Figura 10: Con…guração Padrão com Realimentação
ud , Si di (s) = (I + Li )
1
di (55)
Da mesma forma, a função de sensibilidade de saída So (s) relaciona os dis-
túrbios na saída d ao sinal de saída y, ou formalmente:
y , So d(s) = (I + Lo )
1
d (56)
De…ne-se também a função complementar de saída como a função comple-
mentar à função de sensibilidade de entrada acima:
Ti , I
1
Si = Li (I + Li ) (57)
E de forma análoga de…ne-se a função complementar de entrada a função
complementar à função de sensibilidade de saída acima:
To , I
1
So = Lo (I + Lo ) (58)
É interessante observar-se que na literatura clássica, conforme introduzido
por Bode [Bod45] nos seus trabalhos sobre a sensibilidade de sistemas escalares,
27
a sensibilidade de um sistema é de…nida como a razão entre a mudança na função
de transferência da planta e a função de transferência do sistema devido a uma
modi…cação incremental de um parâmetro (ou um conjunto de parâmetros) na
planta. De fato, como será visto adiante, a incerteza em um modelo pode ser
modelada como uma entrada externa (distúrbio externo) ou como uma pertur-
bação do modelo nominal. Assim, a função sensibilidade S(s) para um sistema
escalar de acordo com a teoria clássica é de…nida por:
@T =T 1
S(s) (s) = (1 + GK(s)) (59)
@(G)=(G)
e evidentemente está de acordo com as de…nições para a sensibilidade acima.
Alguns autores costumam ainda de…nir a função sensibilidade do controlador
por [Gri94]:
u(s) u(s)
C(s) = = K(s)So (s) = Si (s)K(s) (60)
d(s) n(s)
Sugerem-se como leitura complementar para esta seção os artigos de Doyle
e Stein [DS81] e o de Cruz Jr., Freudenberg e Looze [FL81].
y = To (r n) + So Gdi + So d (61)
e=r y = So (r d) + To n So Gdi (62)
u = C(r d n) Ti di (63)
ud = C(r d n) + Si di (64)
A observação das equações (61) (64) evidencia o papel das diversas funções
de sensibilidade no projeto de um controlador. Segundo as de…nições de funções
de sensibilidade é óbvio que:
28
e Si pequenas pode-se reduzir o erro de acompanhamento do sinal de referência,
equação (62).
Quanto às funções complementares, não existe um procedimento único, isto
é, em alguns casos procura-se maximizá-la, enquanto que em outros procura-se
minimizá-las. Assim, para um bom acompanhamento da referência a norma de
To deve ser máxima, isto é, kTo k1 = 1, o que não con‡ita com os requerimentos
para So e com a restrição imposta pela equação (65). Entretanto, kTo k1 deveria
ser mínima para propiciar boa rejeição dos ruídos na saída do sistema, equação
(61), e redução do erro de acompanhamento, equação (62), o que con‡itaria
com os requirementos para So e com a equação (65). Isto mostra a necessidade
de uma solução de compromisso para a atenuação de distúrbios na saída da
planta e a …ltragem de ruídos de medida. As equações (63) e (64) mostram
também um con‡ito, neste caso inevitável como …cará evidente, entre Si e Ti ;
já que segundo (63) deseja-se Ti com norma pequena, para minimizar sinais de
controle, evitando o gasto de energia e a saturação dos atuadores.
Os con‡itos acima são parcialmente resolvidos na prática, fazendo-se S (s)
e T (s) pequenas em bandas de frequência diferentes.
Observe-se inicialmente, que a meta de manter S (s) pequena para qualquer
frequência é, em geral, inviável para os sistemas físicos. As funções de resposta
em frequência de qualquer planta física e de qualquer controlador decrescem em
altas frequências. Das expressões de S (s); (55) e (56), tem-se que: (S ) =
1 1
(I + L ) 1 . Lembrando-se que: (A 1 ) = (A) , tem-se: (S ) = (I+L ).
Em sistemas físicos, então, (L ) ! 0 quando w ! 1 e portanto
(S ) ! 1 quando w ! 1 (66)
1
(S ) =
(I + L )
1
) (I + L ) = e pelo teorema de Fan (67)
(S )
1
) j (L ) 1j = (I + L ) (L ) + 1
(S )
1 1
e se (L ) > 1 ) (S )
(L ) + 1 (L ) 1
29
(S ) 1 , (L ) 1,
1 1 1
a) (So G) = (I + GK) G = K =
(K)
1 1 1
b) (KSo ) = K(I + GK) = G =
(G)
Observando-se o resultado no item a) acima e a equação (61) percebe-se que para
um bom desempenho na saída - além de se fazer So pequena, isto é, (GK) 1
na faixa de frequência em que d é signi…cativo, para insensibilizar o sistema a
perturbações de saída - é necessário fazer-se o ganho de controle grande na faixa
de frequências onde di é signi…cativo, tornando o sistema insensível também a
perturbações de entrada. De modo semelhante, para um bom desempenho na
entrada da planta, de acordo com a expressão (64) e o item b) acima, requer-
se que Si seja pequena, isto é (KG) 1; na faixa signi…cativa de di e seria
desejável ter-se uma planta com ganho grande, (G) 1; na faixa de frequência
signi…cativa de d. Isto, no entanto, não pode ser alterado através do projeto do
controlador e modi…cações na planta, em geral, não são permitidas ou viáveis.
A …gura 11 ilustra a forma geral da norma, expressa em termos dos valores
singulares, das função de sensibilidade S e sua complementar T .
1
10
0
10
-1
10
T
Magnitude
S
-2
10
-3
10
-4
10
-5
10
-2 -1 0 1 2
10 10 10 10 10
w (rad/s)
Esta …gura mostra que S pode ser feita pequena em baixas frequências mas
em alta frequência percebe-se que ela tende para o valor um. Como as funções
30
de sensibilidade de entrada ou saída medem a in‡uência de distúrbios, respecti-
vamente, na entrada e saída da planta e o espectro destes sinais está concentrado
em baixas frequências, fazer S pequena nesta banda de frequência implica em
atenuar a in‡uência dos sinais na planta. Repare-se que o sinal de referência
também é um sinal de baixa frequência, e portanto ao se minizar S em baixa
frequência vai-se reduzir o erro de acompanhamento, conforme a expressão (62).
No entanto, uma incompatibilidade permanece e exigirá uma solução de com-
promisso. Como foi dito anteriormente, as incertezas de modelagem costumam
crescer assintóticamente com a frequência. Portanto, em altas frequências as
incertezas poderão in‡uir negativamente no desempenho do sistema, já que a
sensibilidade é grande em altas frequências. Como os controladores, em geral,
são projetados para modi…car o comportamento da planta em baixas frequên-
cias, o problema de incertezas não é tão grave quanto pode parecer, uma vez
que nesta faixa de frequência os modelos são satisfatórios.
Ao se fazer a norma de S pequena em baixas frequências, a norma de T será
automáticamente grande na mesma banda de frequência, e vice-versa, quando
a norma de S for para um em altas frequências, T tenderá para zero, de
acordo com a expressão (65). É interessante ressaltar-se ainda que ao se obter
T pequena em altas frequências vai se mitigar a in‡uência do ruído de medida
dos sensores que é um sinal cujo espectro, geralmente, se concentra em bandas
de frequência altas.
Na síntese de controladores é frequentemente muito importante, levar-se em
conta também a magnitude dos sinais de controle. Na maioria dos sistemas de
controle é desejável trabalhar-se com ganhos de controle moderados, de forma a
obter-se o chamado ‘controle barato’(‘cheap control’), economizando-se energia,
ademais evitando a saturação e a fadiga dos atuadores e reduzindo a possibili-
dade de instabilização do sistema controlado. Observando-se as expressões (63)
e (64), percebe-se que ganhos moderados de controle podem ser obtidos fazendo-
se pequena a norma da função de sensibilidade do controlador C(s). Ademais,
quando esta matriz é pequena reduzem-se os efeitos de perturbações na saída
da planta e dos ruídos de medida no sinal de controle.
Finalmente, apresentam-se os objetivos para a malha-fechada quando ocor-
rem incertezas não estruturadas na planta. Para esta análise é conveniente
utilizar-se a con…guração apresentada na …gura 26, adiante. No caso da in-
certeza aditiva tem-se N C = KSo = Si K; e no caso da incerteza multi-
1
plicativa tem-se: N T = L (I + L ) . Portanto, fazendo-se C pequena,
obtém-se robustez relativamente a incertezas aditivas, e fazendo-se T pequena
obtém-se robustez relativamente a incertezas multiplicativas.
Os requisitos para as funções de sensibilidade desta seção podem ser suma-
rizados como abaixo, onde por comodidade abandonam-se os subscritos:
31
4. para controle barato: (C) pequeno ! altas frequências;
5. para estabilidade robusta na presença de incerteza aditiva: (C) pequeno
! altas frequências e
6. para estabilidade robusta na presença de incerteza multiplicativa: (T )
pequeno ! altas frequências.
32
Figura 12: Taxa de Corte (‘roll-o¤’)
33
Figura 13: Barreiras de Robustez e Especi…cações para S e T .
34
Figura 14: Con…guração com Dois graus de Liberdade
8.1 Escalonamento
O problema de escala é muito importante nos projetos avançados de contro-
ladores, principalmente envolvendo sistemas multivariáveis, porque torna a análise
e a síntese do controlador muito mais transparente, por exemplo, quando vai-
se fazer a escolha das funções de ponderação de sinais de entrada e saída. O
escalonamento requer uma atitude crítica do engenheiro ao iniciar o projeto, no
sentido de avaliar o desempenho desejado e sua compatibilidade com os sinais
presentes no sistema. Os requisitos são explicitados a partir das magnitudes
máximas esperadas das perturbações, dos ruídos, das possíveis mudanças de
35
Figura 15: Con…guração com Entradas Exógenas e Saídas Controladas
36
Figura 16: Sistema Ponderado
37
Figura 17: Con…guração de Dois Portos
38
Figura 18: Partição da Matriz de Transferência de Malha Aberta
39
Para o caso ilustrado na …gura 17, a matriz de transferência P é dada por:
Pzw Pzu
2 z }| { 3
z }| {
6 G 0 0 G 7
6 1 7
P =6 0 0 0 7 (78)
4 5
G 1 1 G
| {z } | {z }
P"w P"u
A matriz de transferência em (78) é facilmente obtida, abrindo-se a malha no
controlador, partindo-se de cada variável de saída e caminhando no contra‡uxo
das setas até chegar em cada uma das variáveis de entrada.
Como já aponatado anteriormente, na literatura de controle é comum apresentarem-
se as realizações no espaço de estado do sistema na seguinte forma:
x_ = Ax + Bw w + Bu u; x(to ) = xo
z = Cz x + Dzw w + Dzu u (79)
" = C" x + D"w w + D"u u
onde w são os sinais exógenos; z são as variáveis controladas ou monitoradas
(geralmente erros); u são as variáveis manipuladas (controladas); " são as var-
iáveis de entrada do controlador.
Pode-se, então, usar a seguinte notação compacta para a matriz de transfer-
ência usando-se a representação no espaço de estado:
2 3
A Bw Bu
A B
P (s) = 4 Cz Dzw Dzu 5= = C(sI A) 1
B + D (80)
C D
C" D"w D"u
Observando-se o sistema em malha fechada na …gura 17 tem-se que:
u = K(s)" (81)
Pondo-se a expressão (81) nas expressões (76) e (77), isto é, fechando-se a
malha com o controlador K(s); obtém-se z em função de w, que é a matriz de
transferência de malha-fechada N (s), conforme a seguinte expressão:
1
z = Pzw + Pzu K(I P"u K) P"w w (82)
| {z }
N (s)
Pondo-se as partições de P do exemplo em (78) na expressão (82) obtém-se
a seguinte matriz de transferência de malha fechada em termos das funções de
sensibilidade S, T e C de…nidas anteriormente:
SG T T
N= (83)
T C C
40
Figura 19: Malha Fechada
z = N (s)w (84)
41
Figura 21: Con…guração Genérica de Dois Portos
42
Figura 22: Con…guração de Dois Portos - Sistema Ponderado
43
Figura 24: Separando os 4s
44
iterações usadas para encontrar um controle ótimo, conhecidas como iterações
D K. Esta abordagem foge ao escopo do curso e aos interessados sugere-se a
leitura do livro de Skogestad e Postlethwaite [SP96].
Para a análise de um sistema realimentado, onde o controlador já foi escol-
hido e deseja-se apenas avaliar sua robustez de estabilidade ou de desempenho,
a situação é mais favorável. Neste caso costuma-se rearranjar o sistema como
na …gura 26, onde em N estão fundidos o sistema espandido e o controlador e
novamente isolou-se o bloco de incertezas.
∆
u y
∆ ∆
w z
N
z Nzw Nzu4 w
= (85)
y4 N y4 w N y4 u4 u4
| {z }
N (s)
45
A matriz de transferência de malha fechada H(s) é obtida observando-se que:
u = y (86)
Pondo-se (86) na expressão (85), obtém-se:
1
H(s) = Ny4 u4 + Ny4 w 4(I Nzw 4) Nzu4 (87)
Estimativas de robustez de estabilidade e desempenho podem, então, ser
obtidas através das con…gurações acima, como será visto no decorrer deste capí-
tulo.
É importante frisar que quase todos os problemas de controle linear podem
ser formulados usando as con…gurações de dois portos apresentadas nesta seção.
9 Estabilidade
Inicia-se o estudo da estabilidade com uma pequena recordação relativa à esta-
bilidade nominal de sistemas. A seguir apresentam-se os conceitos relativos à
estabilidade robusta.
46
A margem de fase (MF) é de…nida como o máximo atraso a ser adicionado
à curva de fase de L(jw) na frequência de cruzamento do ganho wg ; antes de
ocorrer a instabilidade em malha-fechada. A margem de fase é um fator de
segurança contra a incerteza de atraso [DB95]. Formalmente a margem de fase
é de…nida por:
Portanto, os pólos de (s) são os mesmos de L(s); e para que o sistema seja
estável, as raízes (zeros) de (s) devem estar estritamente no plano esquerdo
de s. Em essência, o critério de estabilidade de Nyquist relaciona o diagrama
polar de L(s) com o número de zeros e pólos de (s) no semi-plano direito s;
Re(s) > 0.
Considere-se o percurso fechado Q, conhecido como Caminho de Nyquist, que
envolve todo o semi-plano direito de s excluindo as singularidades de L(s) como
ilustra a …gura 27, onde R! 1:Considere também uma transformação conforme
L(s), unívoca e analítica, excluindo-se um número …nito de singularidades em
s, que leva s em (s), de forma que todo percurso fechado em s; corresponda à
um percurso fechado em (s): O traço da imagem em (s) é o diagrama polar
da função de transferência-de-malha ilustrado para dois casos genéricos, L1 (s)
e L2 (s) na …gura 28.
A teoria de funções complexas estabelece que [DH81]:
47
jw
Plano-s
d
c
jw0 x
b ρ
R
ρ a
x J e σ
i
h ρ
- jw0 x
g
48
Proposição 2.1: ‘Um sistema em malha fechada, cuja função de transfe-
rência-de-malha é L(s); será estável se e somente se:
N= PR 0’ (93)
Ou ainda:
Proposição 2.2: ‘A condição necessária e su…ciente para a estabilidade
de um sistema em malha fechada, quando s percorre o caminho de Nyquist no
sentido horário, é que o número de voltas líquidas do diagrama polar de Nyquist
de L(jw) ao redor do ponto -1 no sentido anti-horário, seja igual ao número de
pólos instáveis de malha aberta’.
De acordo com este critério é fácil perceber-se, por exemplo para os casos
da …gura 28, que o sistema correspondente à L1 (s) é estável, N = 0, ao passo
que o correspondente à L2 (s) é instável, neste caso porquê N > 0.
O critério de estabilidade de Nyquist para o caso multivariável pode ser
generalizado como se segue:
Proposição 2.3: ‘O sistema de malha fechada com função de transferência
de malha L(s) com PR pólos instáveis é estável se e somente se o diagrama de
Nyquist de det(L(jw)) não passa pelo ponto 1 e o contorna PR vezes no sen-
tido anti-horário, quando s percorre o caminho de Nyquist no sentido horário’.
A análise da estabilidade nominal pode, evidentemente, ser tratada no espaço
de estado como a seguir. Considere-se, por exemplo, a seguinte des-crição de
estado para um sistema hipotético:
x(t)
_ = Ax(t) + Be(t); x(t0 ) = xo (94)
y(t) = Cx(t) + De(t) (95)
e(t) = r(t) y(t) (96)
A B
L(s) = C(sI A) 1
B+D , (97)
C D
49
O sistema em malha fechada será estável se e somente se os zeros de (s);
pólos de malha fechada, estiverem estritamente todos no semi-plano esquerdo.
Para demonstrar-se a equivalência, entre o estudo da estabilidade nominal
através do comportamento do traço do det(I + L) no plano (s) e dos zeros da
equação característica (s); sem complicações algébricas, faz-se D 0: Então:
h i
sI AF = (sI A) I + (sI A) BC )
1
(100)
h i
det(sI AF ) = det (sI A) det I + (sI A) BC )
1
(101)
h i
1
det(sI AF ) = det (sI A) det I + C (sI A) B (102)
50
família L4 (jw) contornar o ponto -1 no sentido horário. Como revela o dia-
grama hipotético na …gura 29, as margens de estabilidade não garantem robustez
quando se trabalha com incertezas de modelagem.No caso ilustrado, para o sis-
jν
-1
µ
não
robusto !!!
51
Figura 30: Estabilidade Robusta Escalar
jWm Lj < j1 + Lj ; 8w
L
, Wm < 1; 8w
1+L
, jWm T j < 1; 8w (107)
, kWm T k1 < 1
1
, kT k1 < kWm k1
1
estabilidade robusta , jT j < (108)
Wm
Ou para o caso multivariável:
52
A expressão (109) indica que quanto maior (T ); menor deverá ser a mag-
nitude de (Wm ).
Da expressão (108) é possível ainda estabelecer-se as seguintes relações para
o caso escalar:
1 L+1 1
jWm j < = 1+ ; 8w (111)
T L jLj
1
) jWm j 1; 8w (112)
jLj
Considerem-se apenas as frequências onde jWm (w)j 1, de modo que é válida
a seguinte expressão:
1 1
> jWm j ) jLj < (113)
jLj Wm
E no caso multivariável:
1
(L) < ; 8w (114)
(Wm )
A expressão (114) estabelece a barreira de robustez de estabilidade [DS81]
indicada na …gura 13, já que esta é a faixa de frequências onde jWm (w)j 1é
verdadeira.
Para o caso de incertezas aditivas, mostra-se de maneira análoga que para o
caso escalar:
1
estabilidade robusta , jCj < ; 8w (115)
Wa
onde C é a função de sensibilidade do controlador e Wa é a magnitude da
incerteza 4a , conforme ilustrado na …gura 6. Ou no caso multivariável:
53
M 4 como na …gura 31, onde M Nzw na expressão (87). Neste caso, o bloco
de incertezas não precisa ser diagonal, isto é, podem-se considerar incertezas sem
estruturada. O teorema é reproduzido a seguir:
Teorema 2.1: ‘Considere-se o sistema M 4 da …gura 31, e admita-se que
M (s) e 4(s) sejam funções de transferência próprias e estáveis (isto é M (s) e
4(s) 2 <H1 ). Então, o sistema de malha-fechada da …gura 31 é internamente
estável em C ; se:
1
e2 = (I 4M ) w2
, e2 = w2 + 4M e2
) ke2 k2 kw2 k2 + k4M k1 ke2 k2 ; 8w2 2 L2
, (1 k4M k1 ) ke2 k2 kw2 k2
1
Quando k4M k1 < 1 ) ke2 k2 kw2 k2
(1 k4M k1 )
)o sistema de malha-fechada é limitado superiormente
)o sistema de malha-fechada é estável ’.
1
Considere-se agora w2 = 0 e e1 = (I 4M ) w1 : Repita-se o encami-
nhamento acima, chegando-se, novamente, ao resultado que o sistema é es-
tável também neste caso. Pelo ‘Princípio da Superposição’de sistemas lineares,
54
Figura 31: Teorema dos Pequenos Ganhos
10 Desempenho
Nesta seção trata-se do desempenho do sistema em malha-fechada e apresen-
tam-se alguns critérios utilizados para medir o desempenho.
Embora a estabilidade da malha-fechada seja prioritária, outro objetivo de
igual relevância é a capacidade do sistema manter o desempenho, medido se-
gundo algum critério estabelecido pelo projetista, em condições adversas. Tipi-
55
camente, há perturbações externas agindo no sistema, tais como os ruídos nos
sensores ou rajadas de ventos, ou ondas e correntezas, por exemplo. Estas
perturbações determinam erros de regulação e de acompanhamento do sinal de
referência, que tendem a crescer com a severidade das perturbações. Na maioria
dos caso práticos, muito antes de ocorrer a instabilidade, o sistema em malha-
fechada estará operando com um desempenho considerado inaceitável. Daí a
necessidade de se utilizar um teste de desempenho. “O objetivos dos testes de
desempenho é indicar a pior degradação de desempenho possível associada a um
tipo de perturbação” [ZGD95].
Indicativos do desempenho, usando-se funções de resposta no domínio da
frequência de um sistema escalar, são geralmente obtidos a partir dos picos das
funções de sensibilidade e/ou de sua complementar. Regras práticas estabelecem
que para um bom desempenho tipicamente deve-se ter:
É fácil veri…car-se que existe uma relação muito clara entre a magnitude do
pico destas funções de sensibilidade e sua complementar e o pico de sobresinal
na resposta no domínio do tempo. Assim, grandes picos em S e T; indicam
grandes picos de sobresinal, e portanto, desempenho pobre. No controle clássico
costuma-se estabelecer como especi…cação de projeto um limite superior para o
pico da função de sensibilidade complementar. Na teoria avançada de controle,
ao contrário, é mais comum limitar-se kSk1 . Isto pode ser justi…cado em parte
observando-se a equação (62) para um sistema em malha-fechada, onde, na
ausência de ruídos e excitação na entrada, tem-se:
r y = S(r d)
Portanto, como foi dito anteriormente, a realimenação melhora o desempenho
em baixas frequências, onde S é pequena. Quando S = 1; tem-se:
r y = (r d)
que é a resposta em malha-aberta, indicando que o controlador não tem qualquer
in‡uência na dinâmica do sistema. Como para qualquer sistema físico S ! 1
quando w ! 1, uma degradação no desempenho do sistema controlado na
região de frequências intermediárias é inevitável. A degradação, geralmente,
será máxima onde ocorre o pico de S. O valor de kSk1 , o pico de S, é então
uma medida do pior desempenho possível para o sistema controlado.
O valor de kSk1 também é uma medida de robustez da estabilidade. Observe-
se que para um sistema escalar:
1
jSj =
j1 + Lj
56
De acordo com o critério de Nyquist, para estabilidade em malha fechada é
necessário que L (estável) não envolva o ponto -1. Portanto, quanto maior a
distância entre L(jw) e o ponto -1, dada por j1 + Lj ; melhor. No caso multi-
variável, quanto menor kSk1 , melhor.
Em termos gerais, considera-se que um sistema controlado tem bom desem-
penho nas seguintes situações:
Percebe-se, avaliando as expressões (61) e (62) e a …gura 11, que seria van-
tajoso minimizarem-se as seguintes funções de transferência em malha-fechada
entre:
57
Para a análise do desempenho de um sistema também é frequentemente
necessário analisar-se sua rapidez de resposta, que está diretamente ligada à sua
largura de banda. No controle clássico, a largura de banda de um sistema wt
é de…nida pela maior frequência onde a magnitude da função de transferência
de malha-fechada jT (jw)j cruza a linha 3dB; vindo de cima. Em geral, uma
grande largura de banda leva a pequenos tempos de subida, mas indica também
sistemas sensíveis a ruídos e a variação paramétrica, portanto, pouco robustos.
Sistemas com pequena largura de banda, ao contrário, são mais lentos, mas
apresentam maior robustez. No contexto do controle clássico é preciso também
analisar-se a fase de L(jw). Alternativamente, pode-se de…nir a largura de
banda do sistema em malha-fechada como a frequência ws em que jS(jw)j cruza
a linha 3dB; vindo debaixo. De acordo com a …gura 11, tem-se:
ws wt
Em geral obtém-se valores muito próximos nos dois casos. Quando estes valores
são signi…cativamente diferentes tem-se a seguinte análise:
58
aqui, por exemplo, uma forma de fazê-la menor numa certa região de frequências
se necessário. Portanto, o problema de desempenho como colocado, precisa ser
melhorado. De fato, devido ao problema da solução de compromisso, explicitado
pela equação (65), seria interessante, por exemplo, minimizar-se S apenas na
faixa de frequência onde as perturbações realmente ocorrem. Fazendo-se S
pequena fora da faixa de ocorrência de perturbações provoca-se apenas uma
desnecessária ampli…cação de ruídos, com a consequente redução das margens de
estabilidade. O problema interessante, então, é poder determinar-se a forma de
S, estabelecendo-se a região de frequência, onde S seja pequena, sua largura de
banda, seu pico máximo e sua forma em determinadas regiões de frequência, de
forma a obter-se a resposta de frequência desejada [Kwa93]. Matematicamente,
estas restrições podem ser capturadas ponderando-se S com uma função de
transferência WS . Seja WS (s) uma função de ponderação, então, o objetivo de
desempenho pode ser reformulado como:
59
Figura 32: Desempenho Nominal Escalar
60
erros de modelagem são mais problemáticos. Para incertezas multiplicativas na
saída, a expressão (124) pode ser reescrita usando-se a expressão (106) como:
jWm j 1
) j1 + Wm j 1 jWm j > 0 (126)
E portanto garantindo-se:
W4 (jw)
jLj , WD (jw); 8w wl (127)
1 jWm j
tem-se a Condição de Desempenho Robusto para um sistema escalar, em termos
da função de transferência de malha. A expressão acima evidencia, como a in-
certeza de modelagem introduz restrições sobre o desempenho do sistema. Esta
condição mostra, que seria necessário deformar-se a barreira de desempenho
de…nida anteriormente para o sistema nominal. A nova barreira seria dada por
WD (jw); de…nida na expressão (127).
Apresenta-se agora, o problema do desempenho robusto escalar usando-se a
função de sensibilidade. Para garantir-se desempenho robusto, a condição (120)
deve ser satisfeita para todo e qualquer membro da família de funções de malha
sujeitas a incertezas descrita por (106). Em termos das funções de sensibilidade e
incluindo o caso incerteza da pior espécie, deve-se ter para desempenho robusto:
onde
1
S4 , (129)
1 + L4
Portanto de (128) tem-se:
jWS j
jWS S4 j = < 1; 8w; 8S4 (130)
j1 + L4 j
Para o caso de incertezas multiplicativas da pior espécie, por exemplo, tem-se
de acordo com (106)
L4 = L + Wm L (131)
61
E portanto (130) se reescreve:
jWS j
< 1; 8w (132)
j1 + L + Wm Lj
onde o pior caso ocorre quando (1 + L) e Wm L tiverem a mesma direção, mas
sentidos opostos, isto é:
jWS j
< 1; 8w (133)
j1 + Lj jWm Lj
62
E multiplicando-se ambos os lados da inequação por jSj vem:
kWm To k1 1 (143)
63
onde G4 representa a família de funções incertas:
Ou seja:
Ou seja:
(Ned ) 1 (152)
se:
64
Figura 35: Con…guração para Estabilidade Robusta Equivalente ao Desempenho
Robusto
(M (jw)) 1; 8w (156)
65
o caso de 4 complexa e estruturada usando-se a seguinte de…nição [Doy82]:
1
(M (s)) , (158)
min f (4) : det (I M 4) = 0; 4estruturadag
(M ) (M ) (M ) (159)
(M (jw) 1; 8w ’. (160)
66
Neste caso, o desempenho robusto será garantido se o seguinte teorema for
verdadeiro:
Teorema 2.4: ‘Para um sistema na con…guração N 4, b conforme a …gura
36, onde N é nominalmente estável, o sistema apresentará robustez de desem-
penho se:
b (N (jw))
4 1; 8w ’. (162)
b é a seguinte:
A estrutura de 4
b = 4 0
4 (163)
0 4P
O interessante deste teorema é que é de…nido para uma estrutura tal que,
o pior caso possível já é automaticamente analisado, não havendo necessidade
de testar-se um grande número de 4s.
É muito importante frisar-se que a estabilidade nominal de N deve ser tes-
tada previamente.
12 Sensibilidade Mista
Como foi dito no decorrer das seções anteriores, não vai se utilizar as análises de
estabilidade e desempenho robustos dentro da estrutura N 4; b nem a síntese de
controladores será feita através do procedimento iterativo D K; com estrutura
dada pela con…guração ilustrada na …gura 23. Alternativamente, utiliza-se neste
curso a abordagem conhecida por ‘Sensibilidade Mista’, que é recomendada para
casos onde não se tem um sistema a ser controlado excessivamente complexo, isto
é, que tenha um número e variedade limitada de sinais exógenos, e também uma
classe de perturbações limitadas [SP96]. Este método oferece, adicionalmente,
67
uma forma bastante direta e efetiva de se formatar malhas, incluindo-se as
multivariáveis. A estrutura para a síntese dos controladores segue a con…guração
da …gura 21, onde não aparecem blocos de incertezas.
A seguir, justica-se a adoção desta abordagem com base nos objetivos de
controle.
A largura de banda de um sistema é de…nida pela frequência de cruzamento
wc de jL(jw)j com a linha de 0dB; ilustrada anteriormente na …gura 12: A
largura de banda da função de sensibilidade, já de…nida anteriormente, é dada
pela frequência ws onde jS(jw)j cruza a linha 3dB vindo debaixo, conforme
ilustra a …gura 11. Geralmente tem-se:
ws . wc (164)
ws . wc . wt (166)
onde wt é a largura de banda de T (jw); também ilustrada na …gura 11.
Então, limitando-se wt pode-se limitar superiormente a largura de banda
do sistema. Como em altas frequências: (L(jw)) = (T (jw)), conforme a
expressão (72) e a …gura 13, pode-se formatar jL(jw)j formatando-se jT (jw)j,
na banda desejada.
Como
T = I S = GKS = GC (167)
as demandas sobre largura de banda do sistema e taxa de decaimento podem
ser obtidas, usando-se, alternativamente, a formatação de C.
A formatação de T e/ou C pode ser obtida de forma similar à formatação
de S, isto é, através de uma função de ponderação, que neste caso é tipicamente
grande em altas frequências. Desta forma, tem-se:
68
Observe que a expressão (168) acima é a própria expressão para estabilidade
robusta de…nida anteriormente.
Podem-se combinar os requisitos de robustez e desempenho nominal usan-
do-se a ‘abordagem de empilhamento’ (‘stacking approach’), que leva, então,
ao problema da sensibilidade mista (‘mixed sensitivity’), assim chamado por
penalizar tanto a função de sensibilidade S como sua complementar T (e/ou
eventualmente C). No problema de sensibilidade mista as especi…cações (167),
(168) e/ou (169) são combinadas numa única especi…cação usando-se a norma
in…nita conforme a expressão:
WS S
N= (171)
WT T
Esta pilha, por exemplo, é recomendada quando se deseja obter uma boa capaci-
dade de acompanhamento do sinal de referência (‘tracking’), deseja-se atenuar
ruídos de medida e deseja-se obter boa robustez relativamente a perturbações
multiplicativas.
Se as perturbações aditivas forem consideradas as mais in‡uentes, alternati-
vamente pode-se optar pela seguinte pilha :
WS S
N= (172)
WC C
Recorda-se aqui que S é a função de transferência entre a pertubação d e a saída
y e que C é a função de transferência entre a pertubação d e o sinal de controle
u. A escolha desta função de transferência implica também numa boa rejeição
ao distúrbio e que admite-se que os ruídos de medida sejam relativamente in-
signi…cantes e se deseja penalizar o uso excessivo de controle. A limitação de
C garante boa robustez de estabilidade quanto a incertezas aditivas e permite
uma limitação da banda passante do controlador.
Se uma boa capacidade de acompanhar o sinal de referência (‘tracking’) for
ainda condição imprescindível no projeto, pode-se utilizar um projeto com dois
graus de liberdade. Neste caso, o sinal de referência é suavizado através de um
…ltro [DB95] ou, alternativamente, alimenta-se o controlador diretamente com o
sinal de referência além do erro de acompanhamento, como ilustrado na …gura
14.
Caso se deseje estabilidade robusta além de desempenho - objetivos que
podem ser traduzidos em pequena sensibilidade a ruídos e incertezas de qualquer
espécie - e adicionalmente se requeira ainda a penalização do uso excessivo de
energia, N pode ser escolhida com a seguinte con…guração:
2 3
WS S
N = 4 WC C 5 (173)
WT T
69
Para sistemas escalares, N é um vetor e (N ) é a própria norma euclidiana,
que no caso (173) é dada por:
q
2 2 2
(N (jw)) = jWS Sj + jWC Cj + jWT T j (174)
70
fato, se a condição para desempenho robusto dada, por exemplo, pela expressão
em (175) for limitada por:
q p
2 2 2
(N (jw)) = jWS Sj + jWT T j ; 8G4 ; 8w (180)
2
tem-se uma condição idêntica à dada em (155) e garante-se o desempenho ro-
busto. Isto é, satisfazendo-se (180) garante-se que:
1
jWS (jw)j (181)
(S(jw))
para qualquer perturbação multiplicativa 4m que satisfaça:
WS S WS S p WS S
I I 2 (183)
WT T 1
WT T WT T 1
garantindo que a síntese pela abordagem mista é a mesmap que a síntese pela
abordagem com uma margem de erro de 3dB ( 20 log 2), utilizando-se uma
con…guração semelhante a apresentada na …gura 35.
Teoremas e resultados mais gerais a respeito da proximidade da abordagem
da sensibilidade mista e do problema de desempenho canônico podem ser en-
contrados no livro de Zhou, Glover e Doyle [ZGD95].
71
Alguns autores [Mac89], [Gri94] e [SP96] apresentam balizamentos para a
escolha de funções de ponderação, que são em parte reproduzidos a seguir,
quando consideram-se apenas incertezas sem estruturadas e sistemas escalares.
A forma básica das funções de ponderação no caso da abordagem por sen-
sibilidade mista para o caso tratado na expressão (172), por exemplo, que en-
volve a função de sensibilidade S e a função de sensibilidade do controlador C,
é ilustrada na …gura 37.
M
a Ws
1
g
n d ecad a W
c
i
t
u
d
e
w Frequencia (rad/s)
b
ws . wc . wt . wb (184)
72
Neste caso, uma função de ponderação adequada pode ser obtida a partir da
seguinte expressão:
1 s + wb
WS (s) = (185)
s + wb
Escolhendo-se 1 garante-se aproximadamente uma ação de controle do tipo
integral com S(0) = 0 e um valor grande de geralmente garante respostas
rápidas.
Se for desejável melhorar ainda mais o desempenho, o que pode ser con-
seguido formatando-se S com uma maior inclinação na região de frequências de
interêsse, deve-se usar funções de ponderação de ordem mais elevada. Deve-se
ter em conta, no entanto, que o controlador terá sua ordem incrementada na
mesma ordem da função de ponderação, o que pode ser indesejável, principal-
mente em sistemas de ordem já elevada.
A condição su…ciente para o desempenho nominal é que a inversa de WS (s)
limite a função de sensibilidade, de acordo com a expressão (120), o que é tam-
bém uma condição necessária, mas não su…ciente, para o desempenho robusto.
Portanto, a inversa da função de ponderação funciona como um …ltro passa-
altas, geralmente com largura de banda determinada pela largura de banda da
perturbação.
Uma alternativa para obtenção de uma estimativa inicial balizada para
WS (s) consiste em se construir o grá…co de S (ou da diagonal da matriz S,
no caso multivariável) utilizando-se um controlador qualquer. Em seguida,
determina-se uma aproximação racional para 1= jSj (ou 1= (Si ), para o caso
multivariável, onde i indica o elemento da diagonal de S na i-ésima linha). A
aproximação racional será a primeira tentativa para WS .
Na abordagem da sensibilidade mista é possível limitar-se também o uso de
energia para contrapor distúrbios de alta frequência e/ou limitar a in‡uência
de ruídos na ação do controlador, evitando-se a saturação dos atuadores e um
desgaste prematuro provocado pela fadiga. Por isso impõe-se um alto custo na
banda de alta frequência para a função de sensibilidade de controle C. Neste
caso, então, WC é grande em altas frequências. Em estágios iniciais do projeto
para um sistema que foi escalonado, é frequente utilizar-se WC I; indicando
uma penalização no uso da energia, porém sem uma preocupação com a limi-
tação superior da largura de banda para o sistema em malha-fechada.
A condição su…ciente para que ocorra a estabilidade robusta de acordo com
a expressão (108) é que a inversa da função de ponderação limite a função
de sensibilidade do controlador, ou eventualmente a função complementar. A
inversa de WC , então, funciona como um …ltro passa-baixas, geralmente com
largura de banda igual à largura de banda do sistema em malha-fechada.
Alternativamente, o artifício de se determinar uma expressão racional aprox-
imada para WC (ou WT ) a partir de WC = 1= jCj (ou WT = 1= jT j), usando-se
inicialmente um controlador qualquer, também produz estimativas iniciais geral-
mente bem balizadas para as funções de ponderação em questão.
A taxa de crescimento do termo de avanço em WC deve ser escolhida para se
impor a taxa de corte (‘roll-o¤’) desejada em altas frequências para a função de
73
sensibilidade do controlador. Para se garantir a taxa de decaimento desejada, o
número de zeros em excesso de WC , isto é, o número de zeros a mais em relação
aos pólos, deve ser no mínimo igual ao número de pólos em excesso na função
que pondera o distúrbio. Em altas frequências deseja-se minimizar GK(s) para
reduzir-se a atividade de controle, o que é conseguido minizando-se C nesta
banda, com o procedimento relativo à WC descrito acima.
Uma regra prática bastante útil, é que a frequência onde ocorre o cruzamento
entre WS e WC , aqui denominada wb ; é frequentemente próxima da frequência
de cruzamento wc do sistema [GB88]. O termo de avanço em WC deve ocorrer
antes da largura de banda desejada para o sistema e geralmente se aconselha o
uso de uma década como ilustrado na …gura 37.
Em sistemas multivariáveis expressões iniciais para a matrizes de ponder-
ação para desempenho e estabilidade são obtidas através das seguintes matrizes
diagonais:
WS = diag(WSi ) (186)
WC = diag(WCi ) (187)
Wt = diag(WT i ) (188)
onde os balizamentos apresentados para o caso escalar podem ser tentados para
cada elemento i das diagonais das matrizes de ponderação.
A seguir, apresentam-se as ponderações para sinais em controladores que
levam em conta o distúrbio ambiental durante a síntese, para estabelecer a lei
de controle. As teorias avançadas de controle permitem, que o conhecimento
disponível sobre os distúrbios sejam incluídos já no momento da síntese do
controlador. Assim, é possível obterem-se controladores com robustez e desem-
penho melhorados, como será visto em capítulos posteriores. A idéia envolvida
é que o controlador poderá ponderar mais fortemente sinais de entrada - como
distúrbios, referências e ruídos - que ocorrem em certas bandas de frequência.
Um modelo apropriado para um controlador baseado na teoria avançada, pode,
então, incluir uma representação dos principais sinais que entram no sistema.
Nesse sentido é interessante criar-se representações simples para estes distúrbios,
o que pode facilitar a síntese e também levar a um melhor desempenho do contro-
lador. Um método simples e e…ciente para a modelagem linear destes distúrbios
consiste em injetar-se ruído branco em determinadas funções de transferência,
cuja saída, então, é convenientemente introduzida no sistema. Distúrbios de
alta frequência, como os produzidos por ventos ou ondas e que não devem ser
contabalançados pelo controlador, podem ser modelados através de funções de
transferência de segunda ordem da forma [GKW84]:
bs2 + 2 1 w1 s + w12
Gh (s) = (189)
as2 + 2 2 w2 s + w22
onde a, b são constantes; são coe…cientes de amortecimento e w são parâmet-
ros relativos à frequência de excitação. A …gura 38 é um grá…co de magnitudes
de Bode ilustrativo das intensidades de distúrbios de alta frequência, incluindo-
se os ruídos de medida, onde são especi…cados os seguintes parâmetros:
74
ph : o valor de pico da resposta em frequência, relacionado à atenuação
da resposta do controlador. Valores altos deste parâmetro tendem a levar
à pequena modulação dos atuadores, pois, como será visto, o controlador
irá ponderar mais fortemente as frequências ao redor do valor de pico;
nh : grau de atenuação dos ruídos de medida, relacionado às frequências
mais altas introduzidas pelos equipamentos de medida;
Wh : a largura da banda de frequência, que é a banda de frequência que
se quer atenuar e que permite estabelecer uma solução de compromisso
entre a modulação dos propulsores e a rejeição dos distúrbios de baixa
frequência e
mh : rejeição desejada em baixa frequência, usualmente com valores infe-
riores a um decibel.
M
A
G
N
I
T p
hi
U
D
E
W
hi
nh i
0 dB
m
hi
ω hi (rad /s)
75
hr : que é usado para evitar a instabilidade numérica do controlador e
kr : que é relacionado ao ganho de controle em baixa frequência. Valores
altos deste parâmetro promovem um melhor acompanhamento do sinal de
referência (‘tracking’) mas podem levar à uma maior modulação do sinal
de controle.
wr
0 dB
M
A
k
G r
N
I
T
U
D
E
hr
(rad /s)
76
14 Controladores H2 e H1
A seguir, os problemas de controle H2 e H1 são fundidos num problema único
de forma a poder-se estabelecer uma formulação geral para os dois problema
de controle. No decorrer das próximas seções procura-se estabelecer relações
entre os métodos avançados de controle e o LQG, para mostrar-se a grande
ligação entre estas abordagens, o que se acredita pode facilitar a compreensão
dos novos métodos. Os resultados apresentados seguem em parte a exposição e a
notação apresentada no artigo de Willens [Wil71]. Uma abordagem alternativa
pode ser encontrada no artigo de Ullauri, Walker e Ridgely [WR94]. Para uma
retrospectiva histórica e uma lista de referências do início do controle robusto
sugerem-se os artigos de Francis e Doyle [FD87] e Dorato, Tempo e Muscato
[TM93].
WS S
kN k = (191)
WC C
É costume admitirem-se as seguintes hipóteses nos problemas de controle
H2 e H1 [Mac89], [ZGD95], [SP96]:
77
mas são mantidas aqui, por simpli…carem o cálculo e por não alterarem a
generalidade do problema [Mac89];
T T
B1 D21 = 0 e D12 C1 = 0: também hipóteses usuais no controle H2 , sendo
que a primeira igualdade indica que não há termos cruzados no índice de
desempenho quadrático entre os estados a controlar e o controle propria-
mente . A segunda igualdade indica que o ruído dinâmico é independente
do ruído dos sensores;
T T
D12 D12 = R = I e D21 D21 = I: hipóteses simpli…cadoras muitas vezes
utilizadas que não tiram a generalidade do problema. Estas igualdades
geralmente são conseguidas através do escalonamento dos sinais u e y e
uma transformação unitária de w e z, precedida de uma compressão de
linhas e colunas das matrizes respectivamente envolvidas. A compressão
é realizada usando-se a decomposição das matrizes a valores singulares
[Mac89].
Para obter equações de casos mais genéricos, com hipóteses menos restriti-
vas do que as comumente admitidas, recomendam-se os artigos de Glover
e Doyle [GD88], Doyle, Glover, Khargonekar e Francis [Fra89], Safonov et
al. [Chi89] e Ishihara e Sales [IS99].
14.1.1 Controladores H2
O problema padrão de controle H2 é formulado como a seguir: ‘determinar um
controlador K(s) próprio, real e racional, que estabilize P (s) internamente e
minimize a norma-H2 da função de transferência N de w para z:’
Admita-se, por exemplo, que o distúrbio de possa ser aproximado por um
impulso com direção de entrada estocástica, formalmente expresso por:
e =
d(t) (t) (192)
onde é o delta de Dirac e por hipótese:
E ( (t) (t)) = I (193)
Admita-se que inicialmente deseja-se minimizar o valor esperado da energia
e
do erro e(t) devido ao distúrbio d(t):
( Z T )
n o
2
E ke(t)k2 = E lim (e(t)e (t)) dt (194)
T !1 T
78
onde é um escalar que de…ne a solução de compromisso entre a capacidade de
rejeitar ruídos na saída e o uso de energia para o controle.
T
Pondo-se: eb(t) = e(t) u(t) vem:
n o
2 2
E kek2 + kuk2 = tr E fb e(t)b
e (t)g (198)
r Z 1
1
tr E fb
e(t)b
e (t)g = tr [N (jw)N (jw)] dw (199)
2 1
n o WS S
2
2 2 2
E kek2 + kuk2 = kN k2 = (200)
WC C 2
WS S
kN k2 =
WC C 2
onde r Z 1
2 1
kN k2 = tr [N (jw)N (jw)] dw (201)
2 1
A B2 B2T
H2 = (203)
C1T C1 AT
AT C2T C2
J2 = (204)
B1 B1T A
Estas matrizes Hamiltonianas pertencem ao domínio de Riccati, o que é
expresso formalmente por H2 e J2 2 dom(Ric). Além disso, deve-se ter:
X2 , Ric(H2 ) 0
79
Y2 , Ric(J2 ) 0
onde X2 e Y2 são respectivamente as soluções das seguintes equações algébricas
de Riccati:
AT X2 + X2 A X2 B2 B2T X2 + C1T C1 = 0 (205)
e
AY2 + Y2 AT Y2 C2T C2 Y2 + B1 B1T = 0 (206)
Baseando-se em resultados bastante conhecidos, pode-se determinar o controle
K(s) ótimo que é único e dado por:
A2 +L2
K(s) = (207)
F2 0
onde:
A2 , A + B2 F2 + L2 C2
F2 , B2T X2 (208)
L2 , Y2 C2T
d^
x
= A^
x + B2 u + L2 (y C2 x
^) (209)
dt
u = F2 x
^ (210)
80
É interessante observar-se ainda que os controladores H2 com realimentação
de saída não tem margens de estabilidade garantida. Embora os controladores
LQR (‘Regulator’) - apenas com realimentação de estados disponíveis - apre-
sentem margem de fase de 60 e margem de ganho de 6dB, estas margens são
‘perdidas’quando se usa a realimentação de estados estimados, como no LQG.
Então, ao contrário das soluções LQR, as soluções H2 - que como será visto
a seguir incluem a solução LQG - não garantem as propriedades de robustez.
Como para outros controladores clássicos, os projetistas do LQG são obrigados a
testar as margens de estabilidade para cada projeto especí…co. Uma maneira de
superar este problema consiste em relaxar-se a otimalidade do …ltro em relação
às propriedades do erro. Uma abordagem de sucesso usando este procedimento é
a conhecido método de controle LQG/LQR (‘Linear Quadratic Gaussian/Loop
transfer Recovery’) [KS72], [AM89].
W 0
E[[wT (t)w(t)] = (t ) (211)
0 V
Q = C1T C1 T
R = D12 D12
Este problema pode ser colocado na forma de um problema de controle H2
usando-se as seguintes de…nições:
81
0
C1 , (213)
Q1=2
R1=2
D12 , (214)
0
B1 W 1=2 0
, (215)
D21 0 V 1=2
u = F2 x (217)
F2 = B2T X2 (218)
L2 = Y2 C2T (220)
82
A equação que combina a realimentação de estados ótima com o …ltro de
Kalman é expressa como a seguir:
x_ A B2 B2T X2 B2 B2T X2 x B1
= + (221)
"_ 0 C1T C1 A Y2 C2T C2 " B1 Y2 C2T C2
A2 L2
Klqg (s) = (223)
F2 0
que é o mesmo resultado obtido para os controladores H2 .
14.1.2 Controladores H1
As hipóteses a respeito da con…guração dos sistemas analisados são as mes-
mas das seções anteriores, isto é, a realização corresponde a expressão (202),
e admitem-se as hipóteses dadas na seção ‘Controladores H2 e H1 ’. Desta
forma, vai se apresentar uma versão simpli…cada para a solução do problema
de controle H1 ; visando facilitar o entendimento. Estas simpli…cações, de fato
desnecessárias no sentido matemático, não tiram a generalidade do problema,
facilitam sobremaneira a álgebra das soluções e contêm as características essen-
ciais da teoria H1 . O leitor interessado poderá encontrar a solução para o
caso mais geral no livro ‘Robust and Optimal Control’[ZGD95] ou no artigo de
Glover e Doyle [GD88] e [GD89].
O problema de controle ótimo H1 pode ser formulado da seguinte maneira:
‘determinar um controlador K(s) que estabilize internamente o sistema e tal
que a função de transferência entre w e z, kN k1 ; seja minimizada’.
Formalmente este problema é expresso por:
kN k1 min (224)
Ws S
kN k1 = min (225)
Wc C 1
A solução deste problema é determinada pelo conhecido método da ‘iteração-
’ e envolve a determinação de um controlador estabilizador para um dado
> min > 0, que é reduzido até que não existam mais soluções possíveis. A
redução de é feita através do método da biseção, que consiste em subdividir-se
83
até que seu valor seja su…cientemente preciso, dentro de uma certa tolerância
pré-de…nida e seja válida a condição expressa em (225).
Na prática, no entanto, muitas vezes não é necessário e é usualmente muito
mais fácil numericamente, determinar-se um controlador H1 sub-ótimo, cuja
formulação é dada a seguir: ‘dado > min > 0; determinar todos os contro-
ladores K(s); que estabizem internamente o sistema e satisfaçam kN k1 < ’.
A seguir, apresentam-se as condições necessárias e su…cientes para a existên-
cia do controlador K(s) em questão. Em seguida, apresenta-se a formulação de
todos os controladores que satisfazem a norma H1 .
A solução do problema de controle H1 envolve as seguintes matrizes Hamil-
tonianas:
2
A B1 B1T B2 B2T
H1 = (226)
C1T C1 AT
AT 2
C1T C1 C2T C2
J1 = (227)
B1 B1T A
que são respectivamente associadas as seguintes equações de Riccati:
AT X1 + X1 A + X1 ( 2
B1 B1T B2 B2T )X1 + C1T C1 = 0
AY1 + Y1 AT + Y1 ( 2
C1T C1 C2T C2 )Y1 + B1 B1T = 0
É interessante observar-se que quando ! 1, as Hamiltonianas acima
transformam-se nas Hamiltonianas de…nidas para o problema de controle H2 .
Então, o problema de controle H2 pode ser visto como um caso particular do
problema de controle H1 . Na prática observa-se que muitas vezes é preferível
realizarem-se poucas iterações no algoritmo H1 , desta forma mantendo-se
com valor alto. A justi…cativa para isso é que a primeira iteração no algoritmo
H1 é semelhante ao projeto H2 . A abordagem do H2 garante um bom com-
promisso na solução do con‡ito entre uma boa rejeição ao distúrbio e uma boa
capacidade de seguir o sinal de referência (‘tracking ’). Então, parando-se o
algoritmo H1 nas iterações iniciais, garante-se que o controlador obtido tenha
propriedades semelhantes ao controlador H2 , é claro que com o custo de um
controlador mais sujeito ao problemas de incertezas, isto é, menos robusto, do
que se a iterações aproximassem mais de min .
A solução deste problema será apresentada na forma de um teorema cuja
prova pode ser apreciada também em [ZGD95].
Teorema 2.5: ‘Existe um controlador estabilizador admissível, tal que jjN jj1
< ; se e somente se as seguintes três condições forem simultâneamente válidas:
1.
H1 2 dom(Ric) e X1 = Ric(H1 ) 0 (228)
2.
J1 2 dom(Ric) e Y1 = Ric(J1 ) 0 (229)
84
3.
2
(X1 Y1 ) < (230)
onde ( ) é o raio espectral, correspondente ao maior autovalor do produto
das soluções matriciais das equações de Riccati indicadas no argumento’.
Ak Bk
K(s) = (231)
Ck 0
onde
2
Ak = A + B1 B1T X1 + B2 Ck Bk C2 (232)
Ck = B2T X1 (233)
2 1
Bk = (I Y1 X1 ) Y1 C2T (234)
db
x
= A + 2 B1 B1T X1 x b + B2 u + Bk (y b)
C2 x (236)
dt
e uma realimentação de estado, dada por:
b
u = Ck x (237)
85
Um controlador H1 sub-ótimo tem ordem igual à ordem da planta es-
tendida, isto é, a ordem de K é igual à ordem de P . Se P tem ordem n,
o controlador H1 ótimo pode ter no máximo ordem (n 1);
Usando-se o procedimento da sensibilidade mista, todo pólo instável da
planta dentro da banda de controle especi…cada será transformado na sua
imagem especular relativamente ao eixo jw no sistema em malha-fechada
[CS92]. Esta propriedade também é valida para controladores H2 .
Referências
[AM89] B.D.O. Anderson and J.B. Moore. Optimal Control: Linear Qi-
adratic Methods. Prentice-Hall, Englewood Cli¤s, New Jersey, 1989.
[BB91] Stephen P. Boyd and Craig H. Barrat. Linear Controller Design -
Limits of Performance. Prentice Hall, Englewood Cli¤s, New Jersey,
USA., 1991.
[BDG+ 95] G. J. Balas, J. C. Doyle, K. Glover, A. Packard, and R. Smith. -
Analysis and Synthesis Toolbox. The MathWorks.Inc., 1995. User’s
Guide, MATLAB.
[Bod45] H.W. Bode. Network Analysis and Feedback Ampli…er Design. Van
Nostrand, 1945.
[BR96] M.N. Polkinghorne; R.S. Burns and G.N. Roberts. Operational per-
formance of an initial design of self-organising fuzzy logic autopilots.
Proceedins of IEE Conference Control’96, Exeter, UK, 1996.
[Car92] Gordon E. Carlson. Signal and Linear System Analysis. Houghton
Mi- in Company., 1992.
[Chi89] M.G. Safonov; D.J.N. Limebeer; R.Y. Chiang. Simplifying the H1
theory via loop shifting. Proceedings of the 27th IEEE Conference
on Decision and Control, 2:1399–1404, 1989.
[Cru96] José J. Da Cruz. Controle Robusto Multivarável. Edusp, São Paulo,
Brasil, 1996.
[CS92] R. Y. Chiang and M. G. Safonov. User’s Guide for Robust Control
Toolbox. MATLAB The MathWorks.Inc, 1992.
86
[DB90] D. C. Donha and H. L. Brinati. Design of dynamic semisubmersible
platform positioning control system. In O¤ shore Technology Con-
ference (OTC-6257), pages 505–514, Houston, USA, 1990.
[DB95] R. C. Dorf and R. H. Bishop. Modern Control Systems. Addison
Wesley Publishing Company, 1995. 7th edit.
[DH81] John J. D’Azzo and Constantine H. Houpis. Linear Control System
Analysis and Design. McGraw-Hill, Inc., 1981.
[Doy82] J.C. Doyle. Analysis of feedback systems with structured uncertain-
ties. Proceedings of IEEE, 129(6):242–250, November 1982. part
D.
[Doy83] J.C. Doyle. Synthesis of robust controllers and …lters. Proceedings of
the IEEE Conference on Decision and Control, pages 109–114, 1983.
[DS81] J.C. Doyle and G. Stein. Multivariable feedback design: Concepts
for a classical/modern synthesis. IEEE Transactions on Automatic
Control, AC-26(1):4–16, February 1981.
[FD87] B.A. Francis and J.C. Doyle. Linear control theory with Hi nf ty-
optimality criterion. SIAM Journal on Control Optimization,
25:815–844, 1987.
[FL81] J.B. Cruz Jr; J.S. Freudenberg and D.P. Looze. A relationship be-
tween sensitivity and stability of multivariable feedback systems.
IEEE Transactions on Automatic Control, AC-26(1):66–74, Febru-
ary 1981.
[Fra87] B.A. Francis. A Course in H1 Control Theory, volume 88. Springer-
Verlag, 1987.
[Fra89] J.C. Doyle; K. Glover; P.P. Khargonekar; B. Francis. State-space so-
lutions to standard H2 and Hi nf ty control problems. IEEE Trans-
actions on Automatic Control, AC-34(8):831–847, August 1989.
[GB88] M.J. Grimble and D. Biss. Selection of optimal control weighting
functions to achieve good H1 robust design. In IEE Control Con-
ference, Oxford, 1988.
[GD88] K. Glover and J.C. Doyle. State-space formulae for all stabilizing
controllers that satisfy an H1 norm bound and relations to risk
sensitivity. Systems and Control Letters, 11:167–172, 1988.
[GD89] K. Glover and J.C. Doyle. A State-space Approach on H1 Optimal
Control, volume 135 of Lecture Notes in Control and Information
Sciences. Springer-Verlag, 1989.
[Gel74] A. Gelb. Applied Optimal Estimation. MIT Press, Cambridge, USA,
1974.
87
[GJ88] M. J. Grimble and M. A. Johnson. Optimal multivariable control
and estimation theory and applications. John Wiley, 1988. Vol I and
II.
[GKW84] M. J. Grimble, M. R. Katebi, and J. Wilkie. Ship steering control
vehicles modelling and control design. In Ship Control Symposium
at University of Bath, 1984.
[Gri86] M.J. Grimble. Optimal H1 robustness and the relationship to lqg
design problems. International Journal of Control, 43-2:351–372,
1986.
88
[Mus89] D. Mustafa. Relations between maximum entropy / H1 control and
combined H1 /lqg control. Systems and Control Letters, 12(3):193,
1989.
[OZ92] J.G. Owen and G. Zames. Robust H1 disturbance minimization by
duality. Systems and Control Letters, pages 255–263, 1992.
89
[WS82] J.C. Doyle; J.E. Wall and G. Stein. Performance and robustness
analysis for structured uncertainty. Proc. of IEEE Conference on
Decision and Control, December 1982.
[ZGD95] K. Zhou, K. Glover, and J. C. Doyle. Robust and Optimal Control.
Prentice-Hall, 1995.
90