You are on page 1of 90

Parte I

Teorias Avançadas de Controle


Decio Crisol Donha
2006

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.

Figura 1: Controlador Clássico -1 Grau de Liberdade

Nesta …gura K(s) e G(s) representam, respectivamente, as transformadas


de Laplace da dinâmica temporal do controlador e da planta ou processo, r(s)
é o sinal de referência a ser seguido, u(s) é o sinal de controle e yv (s) é o sinal
verdadeiro ou sinal real de saída do sistema.
Há um grande número de métodos para a síntese de controladores. No
texto que se segue usa-se o termo formatar para traduzir o usual ‘shaping’do
inglês. Não levando em conta os procedimentos heurísticos, há basicamente três
métodos distintos para o projeto de controladores:

a) a formatação de certas funções de transferências: nesta abordagem procura-


se dar formas consideradas ideais, para os grá…cos de magnitude em função
da frequência de algumas funções de transferência especiais, usando-se
para isso o controlador. No controle clássico é comum procurar-se mod-
elar a magnitude da função de transferência de malha jL(jw)j, que no
diagrama da …gura 1 é dada por L , GK; já que ali não se considera
a dinâmica dos sensores. O objetivo aqui é estabelecer-se a largura de
banda, as inclinações e magnitudes em diversas faixas de frequência, a
taxa de corte em altas frequências (‘roll-o¤’), etc, de jL(jw)j : Este método
é de difícil aplicação, principalmente em sistemas multivariáveis e não é
utilizado neste curso na síntese dos controladores. No entanto, os funda-
mentos teóricos desta abordagem, considerados interessantes para o baliza-
mento na obtenção da solução, são sucintamente apresentados. No método
de formatação escolhido aqui, procuram-se formatar algumas funções em
malha-fechada ligadas à sensibilidade, como será mostrado nas próximas
seções. Este método ao contrário da formatação de malha-aberta, envolve
uma otimização, onde certas funções de ponderação devem ser determi-
nadas para a obtenção de uma solução considerada satisfatória;
b) uma abordagem alternativa é o método mais conhecido como abordagem
dos sinais, que pode ser considerada uma extensão dos métodos de cont-

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.

3 Álgebra Linear e Notação


Admita-se que um sistema dinâmico possa ser representado por um sistema
linear de dimensão …nita, invariante no tempo, descrito pelas seguintes equações
diferenciais lineares a coe…cientes constantes:

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)

Para sistemas causais e u(t) = 0 e para 8t1 t0 e 8t t0 ; a solução é dada


por:

x(t) = (t; t1 )x(t1 ) (6)


onde (t; t1 ) é a matriz de transição de estados dada por:

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)

obtida introduzindo-se uma matriz de impulsos unitários como entrada de G(s)


[SF65].
A relação entre a entrada e saída no domínio do tempo pode ser obtida para
condições iniciais quiescentes através da integral de convolução:
Z t
y(t) = g(t) u(t) , g(t )u( )d (11)
1

A relação expressa em (8) poderia ser obtida aplicando-se diretamente a


transformada de Laplace à equação de convolução (11). Se a entrada for um
impulso unitário, a saída é a própria função g(t) conforme segue-se[Kai80]:

g(t) = 0 t<0 (12)


At
g(t) = Ce B + D (t) t 0 (13)

onde (t) é a função impulso unitário que satifaz:


Z "
lim (t)dt = 1 (14)
"!0 0
Nas teorias avançadas de controle é comum o uso da seguinte notação para
representar a função de transferência G(s) cuja realização no espaço de estado
é dada pela quádrupla (A; B; C; D):

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)

e P satisfaz a equação de Riccati correspondente dada por:

AT P + P A P RP + Q = 0

As colunas da matriz X = [ X1 X2 ]T são formadas pelos autovetores de H e


X1 deve ser não-singular de acordo com (18), o que é considerada uma condição
complementar.
A notação Ric(H) denota que a solução da equação de Riccati correspon-
dentes à Hamiltoniana H tem solução semi-de…nida e positiva. A notação H
2 dom(Ric) denota que as condições de estabilidade e complementaridade são
satisfeitas por uma solução X da equação de Riccati correspondente à Hamil-
toniana H.
Um controlador é dito admissível se ele for próprio e estabilizar o sistema
internamente. A estabilidade interna garante que todos os sinais em um sistema
sejam limitados superiormente desde que os sinais injetados, em qualquer ponto
da malha, sejam igualmente limitados (estabilidade BIBO). Um sistema é in-
ternamente estável, se e somente se, ele é bem-posto, isto é, todas as matrizes
de transferência em malha-fechada são próprias e bem-de…nidas. Um sistema
é bem-de…nido, se é …sicamente realizável ou se as suas possíveis interconexões
em malha-fechada fazem sentido.
Finalmente, é preciso lembrar que no controle avançado, pode-se distinguir
entre as variáveis de estado controladas (z) e variáveis de estado observadas (y),
onde nem sempre z y. A notação no espaço de estado …ca, então:

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’).

4.1 Ganho em Sistemas Escalares


A magni…cação de um sinal que passa por um componente ou sistema é uma
maneira simples de se avaliar a in‡uência deste elemento na malha. Para sis-
temas escalares de…ne-se, neste caso, o ganho ou ampli…cação do elemento ou do
sistema, ou ainda o ganho da função de transferência envolvida. Considere-se a
…gura 2 onde G é inicialmente uma função de transferência estável entre sinais
escalares u e y:

Figura 2: Ampli…cação de Sinal

Aplicando-se, então, um sinal senoidal:

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:

jy(w)j jG(jw)j ju(w)j


= = jG(jw)j (24)
ju(w)j ju(w)j
Considere-se agora a …gura 2 para um sistema multivariável. Neste caso, u
e y são, respectivamente, vetores de entrada e saída e G uma função de trans-
ferência matricial. A idéia agora seria estender a noção de ganho de sistemas
escalares para sistemas multivariáveis. No entanto, esta transposição não é triv-
ial. O principal problema aqui é que para estes sistemas não haveria um único
ganho, devido a existência de diferentes direções em sistemas multivariáveis,
como mostrado a seguir.

4.2 Direções e Ganhos em Sistemas Multivariáveis


Considere-se um sistema multivariável ilustrado na …gura 2. Tem-se, então:

y(s) = G(s)u(s) (25)


onde G(s) é agora uma matriz Gn m = [gik (s)] 2 C n m ; u(s) é o sinal vetorial
de entrada um 1 = [ui ] 2 C m ; y(s) é a resposta vetorial do sistema, y n 1 =
[yk ] 2 C n .
O sinal de entrada pode ser composto, por exemplo, por um conjunto de
sinais senoidais ou uma série de impulsos. A resposta no domínio da frequência,
como no caso escalar, pode ser obtida substituindo-se s por jw na expressão
(25).

8
A resposta no domínio da frequência em regime estacionário no canal k
devido a uma excitação no canal i é dada por:

yk (jw) = gik (jw)ui (jw)


A resposta no canal k devido a excitações em vários canais de entrada é
obtida pelo princípio da superposição válido para sistemas lineares e é dada
por:
n
X
yk (jw) = gik (jw)ui (jw)
i=1

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

O ganho do sistema G(s), à semelhança do caso escalar, é de…nido por:


p
ky(jw)k2 kG(jw)u(jw)k2 y 2 + y22 + ::: + yn2
= = p 21 (26)
ku(jw)k2 ku(jw)k2 u1 + u22 + ::: + u2m
Se a entrada for um vetor composto de sinais senoidais com uma certa fre-
quência, a resposta será também um sinal senoidal de mesma frequência, que
depende da magnitude dos sinais de entrada, como no caso escalar. O ganho do
sistema é função da frequência de excitação e independe da magnitude do sinal
de entrada, como no caso escalar. No caso multivariável, no entanto, deve-se
ainda levar em conta a direção do sinal de entrada para se determinar o ganho
do sistema [ME81]. Isto …ca evidente se forem utilizados, por exemplo, os sinais
senoidais de amplitude unitária e fase nula abaixo:
u = [1 0 0 0 0 0]T e u = [0 0 0 0 0 1]T : O ganho do
sistema do primeiro sinal, calculado de acordo com a expressão (26), em geral é
diferente do ganho do sistema para o segundo sinal. A norma kG(jw)u(jw)k2
depende da direção de u. Fica difícil extrapolar-se a idéia de ganho de sistemas
escalares para sistemas multivariáveis. Para superar este problema, utiliza-se o
conceito de norma de matriz para se introduzir limites às razões:
1
kG(jw)u(jw)k G (jw)y(jw)
e
ku(jw)k ky(jw)k
A idéia, então, é substituir-se o ganho único dos sistemas escalares por uma
série de ganhos em sistemas multivariáveis, sendo que esta série de ganhos será

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.

4.3 Normas de Vetores e Matrizes


Esta subseção visa apenas introduzir a notação e apresentar de forma muito
sucinta os conceitos mais importantes de normas, principalmente em conexão
com a teoria de controle. Uma exposição muito elucidativa e mais completa
pode ser encontrada no livro de Boyd e Barrat [BB91].
Usa-se a seguinte notação para norma de um vetor ou matriz:
k kp , ( ) (27)
onde p identi…ca o tipo de norma em uso e é um funcional (caso matricial) ou
uma função (caso escalar), dependendo do contexto.
As normas satisfazem um conjunto de propriedade geométricas de um espaço
vetorial. Pode-se pensá-la como uma generalização do valor absoluto de um
número real ou complexo e do conceito de módulo de um vetor.
Admita-se que V seja um espaço vetorial normado no espaço complexo de
dimensão n, anotado aqui como C n , e que seja uma função tal que : V !
<+ [ f1g. Então, é norma em V se apresenta as seguintes propriedades:
1. é não negativa: (v) 0 ; 8v 2 V ;
2. é positiva de…nida: (v) = 0 () v = 0;
3. é homogênea: ( v) = j j (v) para (v) < 1 8 2 <; v 2 V ;
4. vale a desigualdade triangular: (v + w) (v) + (w); para quais-
quer v; w 2 V:
Seja v 2 C n . De…nem-se as normas-p de v pela expressão:
1
! P1
X
kvkp ,
p
jvi j ;1 p 1 (28)
i=0

conhecidas também como normas de Hölder.


Há três normas-p de vetores importantes na teoria de controle:
1. a norma-1 de vetor ou norma da soma:
n
X
kvk1 = jvi j (29)
i=1

2. a norma-2 de vetor ou norma euclidiana:


v
u n
uX p
kvk2 = t jvi j2 = v v (30)
i=1

onde v representa o conjugado complexo transposto de v:

10
3. a norma-1 de vetor ou norma máxima:

kvk1 = max jvi j (31)


1 i n

Observam-se as seguintes relações entre as normas de vetores com n elementos:


p
– * kvk2 kvk1 n kvk2
p
1. * kvk1 kvk2 n kvk1
* kvk1 kvk1 n kvk1
* kvk1 kvk2 kvk1

De maneira similar ao caso vetorial, pode-se introduzir uma medida para


uma matriz, de modo a poder se estabelecer se ela é ‘grande’ou ‘pequena’.
será dita norma-generalizada de uma matriz A se tiver as quatro propriedades
da norma apresentadas anteriormente. Se adicionalmente apresentar a pro-
priedade submultiplicativa de…nida por:

(AB) (A) (B) (32)


então, (A) será dita norma da matriz A.
Uma norma de matriz importante na teoria de controle é a norma de Frobe-
nius ou norma euclidiana de matriz dada por:
sX p
kAkF = jaij j2 = tr (A A)) (33)
i;j

onde tr indica o traço da matriz. Para uma matriz M quadrada de dimensão


n, o traço é dado por:
n
X n
X
trfM g = mii = i
i=1 i=1

onde i indica um autovalor da matriz.


Esta norma é usada, por exemplo, em controle ótimo LQG, quando se deseja
somar canais.
Na teoria de controle, no entanto, as normas de matrizes são predominante-
mente de…nidas através das normas induzidas pela normas-p de um vetor. Isto
se faz devido à relação muito próxima existente entre normas induzidas e a am-
pli…cação de sinais em sistemas. O ganho máximo para entradas em todas as
direções possíveis tem interêsse especial e pode ser de…nido a partir da norma-p
induzida, anotada k kp;i e de…nida por:

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:

1. norma-1 ou da soma máxima das colunas:


n
!
X
kAk1;i = max jaij j (35)
j
i=1

2. norma-2 ou norma espectral :


p
kAk2;i = max (A A) (36)

onde max ( ) é o maior autovalor do argumento ou seja o raio espectral


de (A A). Esta norma dará origem ao valor singular, como será visto na
próxima seção.
3. norma-1 ou da soma máxima das linhas:

0 1
m
X
kAk1;i = max @ jaij jA (37)
i
j=1

4.4 Valores Singulares


Considere-se, novamente, a norma-2 ou euclidiana de um vetor u 2 C m :
p
kuk2 = u u (38)
Considere-se também, a norma-2 induzida ou norma espectral de uma matriz
G 2 Cn m :

kGuk2
kGk2;i , (G) , sup sup kGuk2 = kGk2;i
u6=0 kuk2 kuk2 =1

Do quociente de Rayleigh [Str88] resulta a seguinte de…nição para o máximo


valor singular de uma matriz:
p
= 1 , kGk2;i = max (G G) (39)
A expressão (39) sugere a de…nição de outros valores singulares para uma matriz:
p
i , i (G G) i = 1; minfn; mg (40)

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.

Figura 3: Matriz Pequena G - Matriz Grande H

Uma característica importante de sistemas é dada pelo número condicional


(‘condition number’) de uma matriz de…nido por:

(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

Considere-se ainda uma entrada u ui ; onde ui corresponda ao i-ésimo


autovetor de G. A saída y será dada por:

y = Gui , i ui

O ganho neste caso é dado por:

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;

(G) j ij (G), isto é, os valores singulares limitam os autovalores;


(G ) = (G) e (GT ) = (G);
(GH) (G) (H), conhecida como desigualdade de Schwarz;
(G + H) (G) + (H), conhecida como desigualdade de triangular;
(G) (H) (GH), isto é, para matrizes G e H não singulares existe um
limite inferior para (GH);
(G) (H) (GH);
j (G) (H)j (G + H) (G) + (H);
j (G) (H)j (G + H) (G) + (H) que leva à:

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’.

(G 1 ) = 1= (G), para matrizes quadradas não singulares, o que leva a


conhecida relação:


1
(G) 1 (G) + 1
(G + I)

Observam-se as seguintes relações entre as normas de matrizes e os valores


singulares:
p
(A) kAkF min(n; m) (A);
p
(A) kAk1 kAk1 ;
p
p1 kAk (A) m kAk1 e
n 1
p
p1 kAk1 (A) n kAk1 :
m

Os valores singulares são usualmente colocados em grá…cos de magnitude de


Bode como ilustra a …gura 4, onde sigmax corresponde à curva de e sigmin
corresponde à curva de .

4.5 Espaços Normados


Para um tratamento mais formalizado e completo desta seção recomendam-se
os trabalhos de Francis [Fra87] e Vidyasagar [Vid85].
Considere-se inicialmente uma sequência fvk g = (v1 ; v2 ; :::vn ) em V . Diz-se
que fvk g é convergente se:

9v 2 <=fkvk vkg ! 0
Neste caso, v é chamado de limite da sequência.
Uma sequência fvk g é chamada sequência de Cauchy se:

8" > 0; 9 n inteiro / i; k > n ) kvi vk k < "


Na sequência de Cauchy, os elementos …cam próximos uns dos outros, de
forma a ‘tentar convergir’. Se toda sequência de Cauchy em V é convergente
em V , então, V é um espaço vetorial completo.
Um espaço linear vetorial normado sobre C - isto é, onde pode se de…nir uma
norma - e completo é chamado de espaço de Banach. C n e <n são espaços de
Banach nas normas 1,2 e 1:
Alguns exemplos importantes do espaço de Banach são:

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)

Figura 4: Grá…cos Típicos de Valores Singulares

i) o espaço de sequências lp [0; 1), onde para cada p no intervalo 1 p < 1,


lp P
[0; 1) é constituído de todas as sequências {xg = (x0 ; x1 ; x2 :::) tais que
1 p
: i=0 jxi j < 1. A estas sequências associam-se as normas-p dadas em
(28) .
ii) o espaço de sequências l1 [0; 1), constituído de todas as sequências limi-
tadas com norma l1 de…nida por:

kxk1 , sup jxi j


i

iii) os espaços Lp para 1 p 1, onde para cada 1 p < 1; Lp (I) consiste


de todas as funções mensuráveis Lebesgue integráveis x(t) de…nidas no
intervalo I <, com normas de…nidas por:

Z 1
P
kxkp ,
p
jxi j dt < 1; para 1 p<1 e (41)
I
kx(t)k1 , sup jx(t)j
t2I

As normas-p mais importantes são:

i) A norma L1 de um sinal contínuo, não persistente x(t) de…nida por:

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.

ii) A norma L2 de um sinal contínuo não persistente x(t) de…nida por:

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

onde X(jw) é a transformada de Fourier de x(t).


Diz-se, então, que existe um isomor…smo entre o domínio do tempo e o
domínio da frequência, neste caso.
Para um sinal persistente, de maneira similar à norma L2 , de…ne-se a norma
RM S (desvio padrão) dada por:
Z !1=2
T
1
kxkRM S = lim x (t)x(t)dt (44)
T !1 T 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))]

onde E é o operador esperança matemática.


Recorda-se agora a de…nição de um produto interno ou produto escalar. O
produto interno é uma operação no espaço V tal que:

h ; i:V V 7 !C

Portanto, esta operação de…ne uma função complexa. Formalmente, o produto


interno entre os vetores u e v 2 V é dado por:
n
X
hu; vi , u v = ui vi 8u; v 2 C n (45)
i=1

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:

i) hu; v + wi = hu; vi + hu; wi ;


ii) hu; vi = hv; ui e
iii) hu; ui > 0 se e somente se u 6= 0:

Um espaço de Banach, onde a norma é induzida por um produto interno é


um espaço de Hilbert. Os espaços C n e <n são espaços vetoriais de Hilbert, onde
a norma é calculada a partir do produto interno (45). Abaixo apresentam-se
dois exemplos do espaço de Hilbert:

i) os espaços de sequências de dimensão in…nita l2 (-1; 1); constituídos de


todos os conjuntos Pde números reais ou complexos, cuja soma quadrática
1 2
é limitada, isto é: i= 1 jui j < 1; e cujo produto interno de u e v 2
l2 ( 1; 1) é dado pela de…nição em (45) e
ii) os espaços L2 (I) constituídos de funções mensuráveis quadrático inte-
gráveis no senso de Lebesgue no intervalo I < e cujo produto interno é
de…nido por: Z
hf; gi , f (t)g(t)dt
I
ou no caso de funções vetoriais:
Z
hf; gi , tr [f (t)g(t)] dt
I

Usando-se o teorema de Parseval [Kai80] pode-se de…nir o produto interno


acima no domínio da frequência:
Z
1
hF; Gi , tr [F (jw)G(jw)] dw
2 I

e daí a norma kGk2 , conforme a expressão (36):


p
kGk2 = hG; Gi

Outras normas no espaço de Hilbert são imediatas, considerando-se a de…nição


dada na expressão (41). Note-se que, a norma L2 de uma função de transfer-
ência G(s) estável é …nita (limitada) se e somente se a função for estritamente
própria (G(s) = 0).
s!1
Consideram-se, …nalmente, alguns sub-espaços do espaço de Hilbert, os es-
paços de Hardy H2 e H1 . O espaço H2 é um sub-espaço de L2 (j<) das funções
matriciais G(s) analíticas em Re(s) > 0 (não há pólos no semi-plano direito).

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

Usando-se o teorema de Parseval pode-se escrever:


Z 1 1=2 p
kGk2 = tr [g (t)g(t)] dt = hG; Gi
1

onde g(t) é a função resposta ao impulso unitário de Dirac de G(s). A norma-2


pode ainda ser de…nida a partir dos valores singulares de G(s) conforme a
expressão:
8 91=2
< 1 Z 1 min(n;m)
X =
2
kGk2 = i (G(jw)) dw (47)
:2 1 ;
i=1

Considerando novamente a …gura 2, a norma H2 de G(s) pode ser interpre-


tada, como o desvio padrão da saída y(t); se a entrada u(t) do sistema G fôsse
um ruído branco gaussiano de média nula e densidade espectral de potência
unitária.
Considere-se o espaço de Banach L1 (j<) constituído de funções matriciais
(ou escalares) G(s) limitadas em j<, com norma de…nida por:

kGk1 , sup [G(jw)] = sup kG(jw)k2


w2< w2<

onde é o maior valor singular da matriz G(jw). O espaço H1 é um sub-espaço


de L1 constituído de funções analíticas (isto é, não têm pólos no semi-plano
direito) e limitadas (ou próprias G(j1) = 2 <) no semi-plano direito. Em ter-
mos da teoria de controle, pode-se dizer que o espaço H1 é o espaço de funções
de transferência de sistemas lineares causais, estáveis e invariantes no tempo.
Estes sistemas tem estabilidade BIBO (‘Bounded-Input Bounded-Output’) e
entradas quadrático-integráveis no senso de Lebesgue (L2 ) são mapeadas em
saídas quadrático-integráveis em L2 .
A norma H1 de uma matriz G(jw) é, então, de…nida a partir do valor
singular (norma -2 induzida) espacialmente (isto é norma de matriz) e tomando-
se o valor de pico em função da frequência, ou formalmente [BB91]:

kGk1 , sup [G(s)] = sup [G(jw)] (48)


Re(s)>0 w2<

A norma H1 também pode ser interpretada no domínio do tempo, mas nste


caso, não há um isomor…smo com a frequência. Usando-se o conceito de norma
induzida segundo a expressão (34), e novamente a …gura 2 e onde u(t) e y(t)

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

Ou ainda quando u(t) e y(t) forem processos estocásticos estacionários no sen-


tido amplo [BB91]:
kykRM S
kGk1 = sup
kukRM S 6=0 kukRM S

Ou seja, a norma H1 é igual ao pior caso possível da norma-2 induzida no


domínio do tempo. Em essência, o resultado acima aparece porquê o pior sinal
de entrada u(t) é, por exemplo, uma senóide de frequência e direção tal que
[G(jw)] apresente o ganho máximo. Então, a norma H1 dá o pior ganho
possível em regime permanente para as entradas em qualquer frequência.
A norma H1 no caso escalar é dada pela amplitude máxima da resposta em
frequência da função de transferência, conforme ilustra a …gura 5. Costuma-se
dizer, que a norma-1 dá o ganho máximo da função de transferência na banda
de frequência considerada.

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

Figura 5: De…nição da Norma-1 - caso escalar

A norma-1 é frequentemente combinada com ponderações (pesos) de…ni-


das no domínio da frequência, como por exemplo: kW Gk1 . Se a função de
ponderação e sua inversa são ambas estáveis, a especi…cação kW Gk1 1, pode
ser expressa por [Vid85]:

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 :

a norma H1 satisfaz a propriedade submultiplicativa segundo a qual:

kGHk1 kGk1 kHk1 ;

a norma-2 não satisfaz a propriedade submultiplicativa;

se kGk1 < 2 < > 0 ) kGukRM S ; 8u = kukRM S 1e


se kGk2 < 2 < > 0 ) kGukRM S ; se u é um ruído branco de
intensidade unitária.

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.

5.1 Incertezas Sem-estrutura


Para uma exposição mais completa do que a apresentada aqui sugere-se a leitura
do trabalho de Owen e Zames [OZ92].
Perturbações dependentes da frequência são exemplos típicos de incertezas
sem-estrutura. Entre elas listam–se as incertezas causadas por efeitos parasitas,
como as indutâncias e capacitâncias em altas frequências de sistemas elétricos, e
dinâmicas não-modeladas, tais como a saturação de atuadores, modos de vibrar
de alta frequência - como a ‡exibilidade de estruturas, eixos, dentes de en-
grenagem, etc. -, histerese, ressonâncias, dinâmicas não-modeladas de sensores,
tais como atrasos, e distúrbios na planta em bandas de baixa frequência, como
a variação lenta de parâmetros. Uma outra forma comum de incerteza sem-
estrutura é a relativa ao desconhecimento da ordem do sistema ou a utilização
proposital de modelos de ordem reduzida.

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:

– na saída, representadas por:


G(s) = (I + 4mo (s)) Go (s) (51)

– na entrada, representadas por:

G(s) = Go (s) (I + 4mi (s)) (52)


Há outras formas de incertezas não estruturadas como as aditivas e mul-
tiplicativas inversas, cujas ilustrações podem ser encontradas em [SP96]. Nas
expressões acima, G( ) representa a planta real; Go ( ) a planta nominal; 4a ( )
representa uma perturbação aditiva e 4m ( ) perturbações multiplicativas.
As …guras 6 e 7 apresentam os diagramas de bloco para as incertezas aditivas
e multiplicativas na saída, que serão utilizadas neste texto.

Figura 6: Incertezas Aditivas

Quando se usa a incerteza multiplicativa para representar os mecanismos de


alta frequência mencionados anteriormente a função de transferência terá um
comportamento similar ao ilustrado nas …guras 8 e 9 [DS81].

22
Figura 7: Incertezas Multiplicativas na Saída

Figura 8: Modelos e In‡uência da Incerteza Multiplicativa

23
Figura 9: Comportamento de Incertezas Multiplicativas

Isto é, as incertezas serão pequenas (4m ( ) 1) em baixas frequências e


se aproximam da unidade em frequências altas. O crescimento invariavelmente
ocorre porque as incertezas de fase excedem 180 e a magnitude dos desvios
acabam por exceder a magnitude da própria função de transferência nominal.
Isto pode ser facilmente percebido através das expressões (50) e por exemplo
(51), de onde tem-se que: G Go = 4a e portanto:
4m = Go 1 4a
isto é, a fase de 4m tem a mesma incerteza de 4a , ou seja, é totalmente incerta.
O modelo aditivo apresenta o inconveniente de introduzir o erro de maneira
absoluta. Para ilustrar, admita-se k4 (jw)k1 k; 0 k 1. Neste caso,
para o modelo aditivo tem-se: kG Go k1 = k4a k1 k. Ao contrário, a
introdução da incerteza nos modelos multiplicativos é feita de maneira rela-
tiva, como mostrado a seguir para o mesmo limite exempli…cado anteriormente:
kG Go k1 = k(I + 4m ) Go Go k1 = k[(I + 4m ) I] Go k1 = k4m Go k1
k4m k1 kGo k1 = k kGo k1 :Isto torna a representação multiplicativa
mais adequada e, assim, preferida na hora da modelagem.
As incertezas sem-estrutura são frequentemente pouco realistas, já que mode-
lam erros em todos os elementos da matriz de transferência do sistema, enquanto
que na prática só alguns erros podem ocorrer. Em termos do projeto, isto
pode levar a controladores desnecessariamente conservadores, já que eles terão
um desempenho satisfatório mesmo para perturbações que nunca ocorrerão, ao
custo de operarem fora de sintonia (desajustados) em outras condições que po-
dem ocorrer mais frequentemente. De fato, quando se considera a norma-1 da
perturbação 4 e observa-se a …gura 3, percebe-se que o conservadorismo será
mínimo quando os hiper-elipsóides se aproximarem de hiper-esferas, de modo
que = .

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.

5.2 Incertezas Estruturadas


Quando se sabe a origem e a localização da incerteza, pode-se tratá-la como
uma incerteza estruturada. Assim, por exemplo, admita que se saiba a incerteza
máxima na produção de empuxo em um navio com dois propulsores, e que a
magnitude máxima da incerteza seja de 2%, para cada unidade. Uma descrição
mais acurada da incerteza neste caso seria dada por:

1 0
4= ; j ij 0; 02
0 2

Quando se usa a representação sem-estrutura, por exemplo, para manter a es-


tabilidade deve-se ter: k504k1 1: Toda a estrutura da informação é perdida,

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

produziriam o mesmo resultado, embora não correspondam ao caso real.


Incertezas estruturadas, geralmente, representam variações paramétricas na
dinâmica da planta. Por exemplo, incertezas quanto aos valores de parâmetros
que compõem as matrizes numa representação no espaço de estado ou incertezas
quanto à posição de zeros e pólos especí…cos de funções de transferência ou
ainda incertezas a respeito de fases e ganhos de malhas especí…cas. Como os
parâmetros podem se tornar altamente imprecisos em alta frequência, percebe-
se que as representações alternativas da incerteza podem coexistir.
O uso de incertezas estruturadas permite reduzir o grau de conservadorismo
da abordagem de incertezas sem-estrutura. De fato, se um sistema está sujeito a
múltiplas fontes de incertezas, usando a abordagem de incertezas sem-estrutura,
elas serão agrupadas em um único ponto da malha. Isto é, as diversas fontes
de incerteza são retiradas de seu local de ocorrência e transferidas para um de-
terminado ponto da malha. Quando se transferem as incertezas para o novo
ponto de inserção, perturbações maiores determinam os limites superiores para
a manutenção da estabilidade. Em outras palavras, as perturbações menores
serão ‘cobertas’ pelas maiores. Então, para tornar o projeto menos conser-
vador é altamente desejável tratar as incertezas onde elas realmente ocorrem
na malha. Isto, no entanto, exigiria a de…nição de valores singulares estrutura-
dos e o uso da teoria de controle , o que foge ao escopo deste curso, mas que
é tratada sucitamente a seguir. Ao leitor interessado recomenda-se a seguinte
bibiogra…a: [ZGD95] e [SP96], bem como o manual ‘ -analysis and synthesis
tool-box’[BDG+ 95]. Tirando-se esta di…culdade, este tipo de incerteza também
pode ser isolada e colocada numa con…guração genérica, como será apresentado
adiante neste capítulo, o que permite um tratramento simpli…cado do problema.

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

Por conveniência de…nem-se, respectivamente, as matrizes de transferência


de malha de entrada Li (s) e saída Lo (s) por:

Li (s) , KG(s) (53)


Lo (s) , GK(s) (54)

É fácil veri…car-se, que Li (s) é obtida abrindo-se a malha na entrada u da


planta, ao passo que Lo (s) é obtida abrindo-se a malha na saída yv da planta.
A função de sensibilidade de entrada Si (s) de um sistema é de…nida como
a função de transferência entre os distúrbios na entrada di e o sinal de controle
ud (sinal de entrada na planta), de forma que:

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].

7 Compromissos em Sistemas Realimentados


Através do uso da álgebra de diagramas de bloco na …gura 10 e das diversas
de…nições de funções de sensibilidade é possível obter-se as seguintes relações
[DS81], [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:

S (s) + T (s) I (65)


Esta identidade indica uma solução de compromisso fundamental no projeto
do sistema de controle, uma vez que S (s) e T (s) não podem ser simultanea-
mente pequenas. Esta solução de compromisso, na verdade vai contrapor o
desempenho e a robustez do sistema de controlado, o que …cará evidente ainda
no decorrer deste capítulo.
De acordo com as equações (61) (64); as normas de So e Si devem ser
sempre pequenas propiciando assim boa rejeição dos distúrbios do e di na saída
da planta e nos sinais de controle u e ud . Além disso, fazendo-se as normas de So

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)

Por outro lado sabe-se que:

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

Das expressões (67) resulta que quando (L ) 1, o que ocorre quando w ! 0;


vem:
1
(S ) = ! 0 quando w ! 0 (68)
(L )
Alternativamente pode-se estabelecer a seguinte relação:

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)

Figura 11: Função de Sensibilidade S e Função de Sensibilidade Complementar


T.

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:

1. para rejeição de distúrbios: (S) pequeno ! baixas frequências;


2. para atenuação de ruídos: (T ) pequeno ! altas frequências;
3. para acompanhamento do sinal de referência: (T ) = 1 ! baixas frequências;

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.

Embora não vá se utilizar a formatação da função de transferência de malha


como estratégia para sintetizar o controlador, apresentam-se também os requi-
sitos para esta função, que são bastante úteis na hora de se analisar o projeto
desenvolvido:

1. para rejeição de distúrbios: (L) grande ! baixas frequências. De prefer-


ência (L(0)) = 1; o que garante erro nulo em regime permanente na
presença de distúrbios do tipo degrau;
2. para acompanhamento do sinal de referência: (L) grande ! baixas fre-
quências;
3. para atenuação de ruídos: (L) pequeno ! altas frequências;
4. para controle barato: (K) pequeno ! altas frequências;
5. para estabilidade robusta frente a perturbações aditivas: (K) pequeno
! altas frequências;
6. para estabilidade robusta na presença de incerteza multiplicativa: (L)
pequeno ! altas frequências;
7. para limitar os problemas introduzidos por atraso, zeros no semi-plano
direito, dinâmicas não modeladas em alta frequência e limitações nas en-
tradas manipuláveis: (L) < 1 acima de uma determinada frequência
chamada de frequência de cruzamento (wc ) do sistema e
8. sem considerar-se o problema de estabilidade é desejável que (L) caia
rapidamente na região de cruzamento. Geralmente deseja-se que caia com
pelo menos 20 dB/década na região de cruzamento e de preferência mais
rapidamente ainda em regiões de alta frequência devido aos mesmos prob-
lemas aludidos no item anterior.

A inclinação de (L) na região de cruzamento em 0 dB, ilustrada por wc na


…gura 12, e na região de alta frequência - acima de wc - é conhecida como taxa
de corte (‘roll-o¤’).
Para se ter um sistema de resposta rápida, o sistema deve ter uma largura
de banda grande, o que garante um pequeno atraso de fase. Isto é …sica e
matematicamente inconsistente com uma alta taxa de corte (‘roll-o¤’), conforme
mostra a relação integral ganho/fase de Bode, que prova a relação entre a fase e o
ganho de um sistema. De acordo com esta relação e após algumas aproximações,

32
Figura 12: Taxa de Corte (‘roll-o¤’)

a relação entre a fase (w) e a taxa de corte é dada (muito aproximadamente)


por [Mac89]:

(w) = N (wc ) (69)


2
onde
d ln jL(jw)j
N (wc ) , (70)
d ln w w=wc

dá taxa de corte de L(jw) em dB na frequência wc . Segundo a expressão aprox-


imada (69), então, há um atraso de fase de no mínimo 90 para cada decaimento
de 20 dB/década: Portanto, há um limite para a taxa de corte, já que taxas
muito elevadas determinarão atrasos de fase excessivos e portanto sistemas in-
stáveis. Para um sistema estável em malha-aberta, de fase mínima, pode-se
a…rmar que a taxa de corte (‘roll-o¤’) na região da frequência de cruzamento
não pode exceder 40 dB/década. Para uma margem de estabilidade razoável, a
taxa de corte (‘roll-o¤’) será inferior à 40 dB/década.
A …gura 13 ilustra os requisitos para a função de transferência-de-malha e
para as funções de malha-fechada.
Da lista acima e da …gura 13 percebe-se que o ‘pior-caso’em alta frequência é
relacionado à (L); enquanto que o ‘pior-caso’em baixa frequência é relacionado
à (L): É interessante observar-se dos resultados acima que para o acompan-
hamento do sinal de referência (‘tracking’), para a rejeição de perturbações e

33
Figura 13: Barreiras de Robustez e Especi…cações para S e T .

para insensibilidade paramétrica, geralmente, estabelecem-se restrições para a


região de baixa frequência. A rejeição dos ruídos de medida e a redução da
energia de controle impõem restrições na região de alta frequência. Note no
grá…co, como foi observado anteriormente, que na região de baixa frequência
acima da linha de 0dB:
1
(L(jw)) = (71)
(S(jw))
Por outro lado, na região de alta frequência abaixo da linha de 0dB :

(L(jw)) = (T (jw)) (72)

As barreiras de estabilidade e desempenho ilustradas na …gura 13 são justi-


…cadas no decorrer do capítulo.

8 Estruturas Especiais de Sistemas


O objetivo desta seção é uma descrição formal das diferentes estruturas e con-
…gurações de controle tratadas neste capítulo.
A …gura 10 é a con…guração clássica conhecida como sistema de controle com
1 GL (um grau de liberdade). Uma alternativa à con…guração dada na …gura
10 é a con…guração de um sistema de controle com 2 GL, mostrada na …gura
14.

34
Figura 14: Con…guração com Dois graus de Liberdade

A diferença fundamental entre os sistemas com um e dois GL é que no


primeiro o controlador processa apenas o sinal de erro "(t) = R(s)r(s) (ys) +
n(s), portanto o sinal de erro corrompido pelo processo de sensoriamento. No
sistema com 2 GL, no entanto, o controlador além de "(t) tem acesso também
ao sinal de referência. Esta solução pode ser bastante útil, por exemplo, quando
se tem sobresinais (‘overshoots’) aquém do tolerável.
O diagrama de bloco convencional apresentado na …gura 10 não mostra
muitos sinais que podem ser interesse quando de desenvolve o projeto de um
sistema de controle. De fato, no controle clássico sinais como u(t), yv (t), d(t)
ou di (t) são considerados apenas como informações marginais, mas efetivamente
não entram na síntese do controlador, ao contrário do que ocorre nos projetos
avançados de controladores. A …gura 15 ilustra um diagrama de blocos modi-
…cado para gerar explicitamente alguns sinais de saída - u(t); "(t) e yv (t) - que
servem por exemplo para gerar simulações mais realistas ou para o diagnóstico
de controladores alternativos. Evidentente, outros sinais de saída ou entrada
podem ainda ser explicitados para problemas especí…cos.

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

referência e dos sinais de saída. As decisões serão baseadas nas magnitudes de


sinais de referência e distúrbios, em outros sinais de entrada, como os sinais de
controle e com os desvios nos sinais de saída. É importante frisar-se, que um
grande número de interpretações utilizadas nas teorias avançadas de controle
depende fortemente de um correto escalonamento dos sinais envolvidos, como é
o caso da análise de controlabilidade de entrada-saída. A ausência de escalon-
amento, neste caso, vai inviabilizar a síntese de um controlador satisfatório.
Em sistemas multivariáveis, alguns sinais em geral são mais importantes do
que outros. Cada sinal pode, eventualmente, modelar eventos físicos distintos,
com magnitudes e unidades distintas. Desta forma, por exemplo, alguns sinais
podem ser medidos em metros, outros em Volts e outros ainda em kilowatts,
etc. Por isso funções de ponderação, além das importantes funções de seleção
da banda de passagem, reforço de bandas de frequência e rejeição de erros, são
essenciais para tornar alguns sinais do sistema comparáveis. Por outro lado, em
sistemas multivariáveis não é possível, por exemplo, utilizar-se corretamente a
função de sensibilidade S, a não ser que os erros de saída do sistema tenham
magnitudes compatíveis.
Em sistemas avançados de controle, tais como L1 , H2 ou H1 , é comum,
então, modi…car-se o diagrama de blocos para o sistema realimentado, repre-
sentado na …gura 10, por exemplo, pelo diagrama ponderado ilustrado na …gura
16, onde os sinais com o tiu indicam sinais escalonados com norma in…nita igual
à um.
As funções de ponderação na …gura 16: WS ; WC ; Wt e eventualmente R(s)
são escolhidas para re‡etir os objetivos de projeto. Assim, WS ; WC ; Wt serão
usadas para formatar as funções de sensibilidade, sensibilidade do controlador
e função complementar em malha-fechada. WC , como foi dito anteriormente,
poderá ser usada para impor restrições ao uso da energia gasta na tarefa de
controle. R(s) poderá ser usada para formatar o sinal de referência, tornando o
sinal de controle mais suave e evitando-se sobresinais ou eventualmente servirá

36
Figura 16: Sistema Ponderado

para modelar um sistema com dois graus de liberdade. As funções Wi ; Wd ; Wn


são escolhidas para para re‡etir os conteúdos em frequência dos distúrbios de
entrada, distúrbios de saída e ruídos de medida, respectivamente. Dependendo
da natureza destes sinais, como será visto a seguir, Wi ; Wd são escolhidas para
modelar o espectro de potência dos distúrbios de entrada e saída.
Em alguns casos, as funções de ponderação não têm qualquer signi…cado
físico e funcionam apenas como parâmetros para a sintonia …na do controlador
ou para encontrar a melhor solução de compromisso, quando, por exemplo,
objetivos con‡itantes estiverem em jogo.
O projeto do controlador pode ser visto, então, como um processo de escolha
do controlador que minimize certos sinais ponderados de acordo com algum
critério, que, por exemplo, pode ser o H2 ou o H1 dentro do paradigma da
sensibilidade mista, como neste curso, ou ainda qualquer outra teoria de síntese
de controladores. Existem várias formas de se transformar projetos de contro-
ladores baseados nos paradigmas do H2 ou do H1 em problemas de otimização.
Uma das formas mais conhecidas foi introduzida por Doyle [Doy83]. Nesta abor-
dagem utiliza-se a con…guração de dois portos apresentada e justi…cada a seguir.

8.2 Con…guração de Dois Portos


Nas teorias avançadas de controle é comum modi…car-se a estrutura usual dos
diagramas de bloco empregados no controle clássico de forma a colocá-los dentro
de uma con…guração conhecida como ‘Con…guração de Dois Portos’[Doy83].
O processo de modi…cação é ilustrado utilizando-se para exempli…car a estru-
tura inicialmente apresentada na …gura 10 com R I e d 0; por simplicidade.
É importante observar-se ainda, que no caso da teoria avançada de controle é

37
Figura 17: Con…guração de Dois Portos

comum de…nir-se como erro de acompanhamento o seguinte sinal:

e(t) = r(t) y(t) (73)

ao contrário do controle clássico, onde e(t) geralmente é o sinal que alimenta


o controlador, portanto, "(t) = r(t) ym (t) = r(t) (y(t) + n(t)) = r(t)
(yv (t) + d(t) + n(t)) :
Para a recon…guração agrupam-se os sinais de entrada exógenos e os sinais
controlados em dois vetores, como a seguir:
2 3
di
yv
w=4 n 5 e z= (74)
u
r
O diagrama de blocos pode, então ser rearranjado como mostrado na …gura 17.
T T
A planta P generalizada tem quatro entradas - [w] = dTi nT rT
T T
e u - e três saídas - [z] = yvT uT e ". Como dito anteriormente, ym (t)
é o vetor de variáveis observadas e z(t) o vetor de variáveis controladas ou
monitoradas.
É comum particionar-se a matriz de transferência da planta P como a seguir:

38
Figura 18: Partição da Matriz de Transferência de Malha Aberta

[z] Pzw Pzu [w]


= (75)
" P"w P"u u
| {z }
P (s)

de tal forma que:

z = Pzw w + Pzu u (76)


" = P"w w + P"u u (77)

A …gura 18 ilustra a partição acima.

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

A …gura 19 ilustra uma con…guração geral de dois portos.


Quando um determinado sistema ou planta opera com um controlador qual-
quer, portanto em malha-fechada, como ilustrado na …gura 17, o controlador
processa os sinais de erro " para produzir o sinal de controle u. Como visto
nesta …gura, o sistema de malha-fechada constituído pela planta estendida P (s)
e pelo controlador K(s) tem apenas a entrada w, e somente a saída z. Deste
modo, o sistema controlado pode ser representado pelo diagrama abaixo, onde
N é a matriz de funções de transferência no caso multivariável ou a função de
transferência no caso escalar entre a saída z e a entrada w. Portanto, em N
estão fundidos a planta estendida e o controlador. Formalmente, tem-se:

z = N (s)w (84)

Figura 20: Função de transferência de Malha Fechada

41
Figura 21: Con…guração Genérica de Dois Portos

Para facilitar, no decorrer deste capítulo, os diagramas de dois portos, como


os da …gura 17, são esquematicamente representados como na …gura 21 abaixo.
Portanto, P (s) é a planta estendida, que contém não só a planta convencional
G(s) da dinâmica do sistema propriamente, como eventualmente também, todas
as funções de ponderação e escalonamento W (s) e R(s) mostradas, por exem-
plo, na …gura 16; w representa os sinais exógenos constituído pelos comandos,
distúrbios e ruídos; y representa as variáveis observadas que são as entradas do
controlador, podendo eventualmente incluir os sinais de comandos; u é a saída
do controlador e z é um sinal do erro, incluindo todos os sinais que se deseja
manter pequenos ou representa as variáveis controladas.
A título de exemplo de um sistema com funções de ponderação, apresenta-se
a …gura 16 rearranjada na …gura 22, segundo a con…guração de dois portos.
Neste exemplo, os distúrbios externos são dados pelo vetor:
h iT
w = de n e dei re e o vetor de variáveis controladas é dado por: z =
T
z3 z2 z1 :

8.2.1 Con…gurações com Incertezas


Quando o sistema incluir incertezas de modelagem, a con…guração genérica,
onde o controlador aparece explicitamente, é a apresentada na …gura 23. Para
chegar-se a esta con…guração os diagramas de bloco das …guras 6 e 7 são modi-
…cados de forma a isolar-se o bloco de incertezas 4 .
As …guras 24 e 25 ilustram o processo de recon…guração de blocos.
A matriz 4 é geralmente diagonal, quando se diz que as incertezas são estru-
turadas e costuma ainda ser escalonada de modo que k4k1 1: No entanto,
a síntese de um controlador baseado na …gura 23 ainda é um problema sem
solução analítica. A síntese de um controlador ótimo ou sub-ótimo usando a
con…guração da …gura 23 é ainda baseada em métodos heurísticos a partir de

42
Figura 22: Con…guração de Dois Portos - Sistema Ponderado

Figura 23: Con…guração Geral para a Síntese

43
Figura 24: Separando os 4s

Figura 25: 4s Separados em Bloco Estruturado

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

Figura 26: Con…guração para Análise

O primeiro conjunto de entradas e saídas corresponde aos efeitos das in-


certezas sobre a planta, o segundo conjunto de entradas corresponde aos sinais
externos, como distúrbios e ruídos de medida. O segundo conjunto de saída
corresponde a qualquer conjunto de variáveis, físicas ou não, cujo conhecimento
é de interesse. Note que desta forma as incertezas podem ser modeladas de duas
formas: ou como sinais externos ou como perturbações nominais do modelo.
No caso da incerteza aditiva, tem-se que: N C; onde C é a função de
sensibilidade do controlador apresentada na expressão (60). No caso da incerteza
multiplicativa tem-se que: N T ; onde T são as funções de sensibilidade
complementares de…nidas nas expressões (57 ) e (58), respectivamente para
multiplicação na entrada e na saída.
A matriz de transferência entre a saída e a entrada deste sistema será dada
pela função N particionada como abaixo:

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.

9.1 Estabilidade Nominal


A estabilidade nominal para sistemas escalares ou multivariáveis pode ser veri…-
cada facilmente quando se conhecem os pólos dos sistema. A regra básica é que
todos os pólos do sistema devem estar no semi-plano esquerdo (Re(s) < 0). Este
teste pode ser usado para malhas abertas ou fechadas. No entanto, nem sem-
pre é fácil determinarem-se os pólos do sistema, principalmente em problemas
multiváriaveis muito complexos. A questão da estabilidade relativa, geralmente,
também não é totalmente transparente. Alternativamente, utilizam-se os méto-
dos ligados ao domínio da frequência para avaliar a estabilidade do sistema.
Para o caso escalar, as margens de estabilidade nos diagramas de Bode, Nyquist
ou Nichols permitem estabelecer um juízo claro sobre a questão da estabili-
dade. Estas margens, calculadas a partir da função de transferência-de-malha
L; portanto em malha aberta, dão indicação bastante precisa da estabilidade do
sistema em malha-fechada [DB95].
A margem de ganho (MG) é de…nida como o máximo fator de ampli…cação
dado à jL(jw)j ; tal que o sistema em malha-fechada ainda permaneça estável.
A margem de ganho é formalmente de…nida por:
1
MG , (88)
jL(jw180 )j
onde w180 é a frequência de cruzamento, que ocorre onde a fase de L(jw) cruza
a linha de -180 , no grá…co de Bode. No grá…co de Nyquist, w180 ocorre onde a
curva L(jw) cruza o eixo real negativo.
De acordo com procedimentos práticos, tipicamente requer-se M G > 6dB:
A margem de ganho é, então, um fator de segurança contra a incerteza do ganho
em regime permanente [DB95].

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:

M F , \L(jwg ) + 180 (89)


onde wg é a frequência de cruzamento do ganho, que ocorre quando a curva
jL(jw)j cruza a linha de 0dB no grá…co de Bode, ou quando o grá…co de L(jw)
no diagrama de Nyquist, cruza a circunferência de raio unitário centrada em -1.
Tipicamente, requer-se M F ao redor de 30 ou 40 :
A seguir, recorda-se o Critério de Estabilidade de Nyquist para sistemas
escalares em termos do diagrama polar e a seguir apresenta-se uma generaliza-
ção deste critério para o caso multivariável.
Considere-se a equação característica do sistema dada por:

(s) = 1 + L(s) = 0 (90)


ou L(s) = 1 (91)

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]:

mudança de fase de (s)


N= = ZR PR (92)
2
onde N 2 = é o número líquido de voltas de L(s) ao redor do ponto 1 em
(s); PR e ZR são, respectivamente, o número total de pólos e o número total
de zeros de (s) existentes no semi-plano direito. Note que L(s) e (s) têm o
mesmo número de pólos, mas não necessariamente o mesmo número de zeros.
Para que o sistema seja estável de acordo com a expressão (92) ZR 0 )
N = PR , que dá origem ao Critério de Nyquist, que pode ser expresso como
a seguir:

47
jw
Plano-s
d
c
jw0 x
b ρ
R
ρ a
x J e σ
i
h ρ
- jw0 x
g

Figura 27: Caminho de Nyquist

Figura 28: Diagrama Polar de Nyquist

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)

L(s) pode ter a seguinte realização no espaço de estado:

A B
L(s) = C(sI A) 1
B+D , (97)
C D

Os pólos de L(s) são os autovalores da equação característica em malha-aberta


A:
A = det(sI A) (98)
e para estabilidade do sistema em malha aberta eles devem ter parte real nega-
tiva, quando diz-se que A é Hurwitz.
Aplicando-se a transformada de Laplace ao sistema de equações (94)-(96),
eliminando-se x(s) em (95) e reordenando-se os termos, obtém-se a equação
caraterística de malha fechada dada por:

(s) , det(sI AF ) (99)


onde AF , A B(I + D) 1
C; com D 6= I, para que o sistema seja bem-posto.

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)

E pondo-se (99), (98) e (97) na expressão (102) vem:

(s) = A (s) det [I + L(s)] ) (103)


(s)
det [I + L(s)] = (104)
A (s)

Quando não há cancelamentos de raízes, no caso zeros, de (s) e A (s), os pólos


de malha fechada são dados por:

det [I + L(s)] = 0 (105)

9.2 Estabilidade Robusta


Para ilustrar o importante conceito da estabilidade robusta, apresenta-se ini-
cialmente uma derivação grá…ca da condição de estabilidade robusta para o
caso escalar, quando ocorrem incertezas de uma certa magnitude. A seguir,
generaliza-se o conceito de estabilidade robusta para sistemas multivariáveis,
através do teorema dos ganhos pequenos.
Para sistemas com incertezas de modelagem, as margens de estabilidade in-
troduzidas na seção anterior podem perder seu signi…cado. Um primeiro prob-
lema com as margens de estabilidade é ilustrado por [CS92]. Considere-se, por
exemplo, um sistema com incerteza multiplicativa j4o (jw)j 1 na saída da
planta, de magnitude jWm (jw)j, como ilustrado na …gura 7. Admita-se, por
simplicidade, que o sistema de malha-fechada tenha estabilidade nominal, isto
é, o sistema é estável quando 4o (jw) = 0.
A família de funções de transferência-de-malha incertas é obtida a partir da
função de transferência-de-malha nominal através da álgebra de diagramas de
bloco e é dada por:

L4 = G4 K = (1 + 4o Wm )GK = L + 4o Wm L; j4o (jw)j 1; 8w (106)

De acordo com o critério de Nyquist, a estabilidade nominal em malha-


fechada estará garantida, neste caso, se, por exemplo, nenhum elemento da

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-

-1
µ

não
robusto !!!

Figura 29: Sistema SISO Estável Não Robusto

tema nominal a margem de ganho é in…nita e a margem de fase é praticamente


90 , o que indicaria um sistema com características muito boas. No entanto, de-
vido a proximidade entre o ponto -1 e a curva de L(jw) uma pequena incerteza
faria desaparecer as margens acima, já que o ponto -1 passaria a ser envolvido
por algum membro da família L4 (jw):
Infelizmente ainda, as margens de estabilidade de…nidas acima não podem
ser generalizadas de forma simples para sistemas multivariáveis, devido ao prob-
lema de direções já aludido anteriormente. Mesmo abordagens so…sticadas
como a proposta por Mcfarlane [PM79] levam a resultados sobre robustez muito
otimistas. Por outro lado, usando-se o artifício simplista de se calcular as mar-
gens de estabilidade em cada malha, ignora-se o efeito de acoplamentos entre
malhas e o problema da variação simultânea de malhas, o que evidentemente
conduz a resultados errôneos [BDG+ 95],[ZGD95].
Considere-se agora para …ns ilustrativos a …gura 30, onde apresenta-se outro
grá…co de Nyquist genérico. Nesta …gura, jWm Lj ; é o raio de um disco ao
redor de um membro nominal L(jwi ); isto é, neste disco estão contidas todas
as possíveis L4 para a frequência wi . A distância entre o ponto 1 e o ponto
L(jwi ) escolhido, é dada por j1 + L(jwi )j : Considera-se ainda, que todas as
famílias de funções de transferência-de-malha L4 (jw), também sejam estáveis.
Analisando-se a …gura 30, veri…ca-se que o ponto 1 não será envolvido

51
Figura 30: Estabilidade Robusta Escalar

mesmo ocorrendo a incerteza da pior-espécie (j4o j = 1) quando:

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

Portanto, quando ocorre incerteza multiplicativa, o requisito de estabilidade


robusta mostra que deve existir um limite superior para a função de sensibilidade
complementar, ou formalmente para o caso escalar:

1
estabilidade robusta , jT j < (108)
Wm
Ou para o caso multivariável:

estabilidade robusta , (Wm T ) < 1; 8w (109)


1
, (T ) < ; 8w (110)
(Wm )

Veri…ca-se que a condição acima é su…ciente, mas não é necessária, isto é,


uma violação desta condição não implica necessariamente perda da estabilidade
robusta, mas se ela ocorre a estabilidade robusta está garantida [SP96].

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:

estabilidade robusta , (Wa C) < 1; 8w

Uma prática comum é agregarem-se todos os efeitos de incertezas da planta


em um único bloco multiplicativo …ctício, de modo que seja possível trabalhar-se
apenas com as expressões do tipo (110).
Em geral, para sistemas multivariáveis, tem-se que:

kSk1 e kT k1 grandes ) estabilidade robusta pobre

kSk1 e kT k1 pequenas ; necessariamente estabilidade robusta

Em outras palavras, kSk1 e kT k1 pequenas são condições necessárias mas não


su…cientes para a estabilidade robusta de sistemas multivariáveis.
A estabilidade robusta pode ainda ser analisada de forma bastante elegante
usando-se o teorema dos ganhos pequenos (‘small gain theorem ’) de Sandenberg
e Zames. Neste caso, deve-se alterar o diagrama de blocos do sistema em questão
de forma a que ele …que interconectado com a conhecida estrutura de dois portos

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:

(4M ) (4) (M ) 1 ; 8w 2 < [ f1g


1
, k4k1 ’: (116)
kM k1
Sistemas internamente estáveis são aqueles em que todos os sinais (internos
e externos) são limitados superiormente, quando são injetados sinais limitados
em qualquer local da malha.
Recorda-se novamente que M Wa C(s) para incertezas aditivas e M
Wm T (s) para incertezas multiplicativas, de forma que:

(4Wm T ) (4) (Wm T ) 1 (117)


e
(4Wa C) (4) (Wa C) 1 (118)
são requisitos para estabilidade robusta para incertezas multiplicativas e in-
certezas aditivas, respectivamente.
Para incertezas da pior espécie (k4k1 = 1), recai-se nos resultados anteri-
ores.
A conclusão é que a norma H1 limitada de uma função de transferência de
malha-fechada é su…ciente para a estabilidade robusta [Fra87].
A título de ilustração, segue-se a prova para a versão fraca deste teorema,
onde utiliza-se a …gura 31, que é uma modi…cação da …gura 26.

Teorema 2.2: ‘Considere-se inicialmente w1 = 0. Então:

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

quando w1 6= 0 e w2 6= 0, o sistema de malha-fechada é limitado superiormente


e portanto estável. |
Observa-se que não foram feitas hipóteses restritivas, quanto à con…guração
de 4. De fato, para incertezas sem-estrutura, 4 é uma matriz complexa cheia.
Esta representação introduz acoplamentos não-físicos nas entradas da planta, o
que leva a uma família de plantas incertas que é, na verdade, demasiadamente
grande, sendo que alguns de seus elementos nunca ocorrem na prática. Como
consequência, a análise de robustez pode se tornar excessivamente conservadora,
podendo ocorrer casos em que se conclui que o sistema não apresenta estabili-
dade robusta a partir de um elemento da família incerta que na realidade nunca
vai ocorrer. Para alcançar estabilidade robusta dentro desta hipótese, muitas
vezes o controlador é posto fora de sintonia, o que é, óbviamente, indesejável.
Este problema pode ser minorado usando-se a representação de incertezas es-
truturadas e uma generalização do conceito de valor singular e do raio espectral
conhecida como valor singular estruturado, aqui denotado por . Estes conceitos
são introduzidos logo após a análise de desempenho.
Passa-se agora a análise do desempenho de um sistema de controle, usando-
se também as funções de transferência de malha-fechada, mais especi…camente
as funções de sensibilidade.

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:

kSk1 < 6dB


kT k1 < 2dB

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:

quando ele é capaz de seguir um sinal de referência com bastante proxi-


midade;

quando sua capacidade de recuperação frente a distúrbios externos é boa;


quando ele apresenta boas características de resposta , apesar das eventu-
ais incertezas na modelagem e
quando ele apresenta boa rejeição a ruídos de medidas.

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:

a) os distúrbios (ou incertezas) e o sinal de saída (resposta do sistema);


b) os distúrbios (ou incertezas) e o erro de acompanhamento do sinal de
referência;
c) a mudança do sinal de referência e o erro de acompanhamento;
d) o ruído de medidas e o erro de acompanhamento do sinal de referência e
e) o ruído de medidas e o sinal de saída.

10.1 Desempenho Nominal


As especi…cações relativas ao desempenho, podem também ser satisfeitas, manipulando-
se a função de sensibilidade S e sua complementar T; o que, como foi dito, é
possível já que as especi…cações sobre o acompanhamento do sinal de referência,
rejeição de perturbações e insensibilidade paramétrica ocorrem em banda dis-
tinta da banda onde se requer a rejeição ao ruído de medida. Minimizando-se
S; reduz-se a in‡uência dos distúrbios externos (e incertezas paramétricas) no
sinal de resposta. Minimiza-se também o erro de acompanhamento do sinal de
referência devido aos distúrbios externos (e incertezas) e devido a mudanças no
sinal de referência. Minimizando-se T , minimiza-se o erro de acompanhamento
do sinal de referência devido a ruídos e minimizam-se os efeitos destes ruídos e
de mudanças no sinal de referência no sinal de saída.
Na verdade, a expressão (65) estabelece o paradigma fundamental para a
formatação de S e T , de forma que é possível optar-se pela formatação de uma
delas.

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:

para 0 < w < ws , S é relativamente pequena e o controle melhora o


desempenho;
para ws < w < wt , o controle geralmente afeta o desempenho negativa-
mente, já que nesta faixa atinge valores maior do que 1 e
para w > wt , jS(jw)j = 1 ) o controle não in‡uência a resposta.

Como para um bom desempenho é necessário ter-se apenas S pequena, sem


a preocupação com sua fase, também aqui é preferível usar-se a função de sen-
sibilidade para a análise de desempenho ao invés da função de sensibilidade
complementar.
Para sistemas multivariáveis, similarmente como em sistemas escalares, funções
de sensibilidade e sua complementar grandes indicam desempenham nominal
pobre, assim:

kSk1 e kT k1 grandes ) desempenho nominal pobre (119)

A recíproca pode não ser verdadeira [SP96].

10.2 Sensibilidades Ponderadas


Como mostrado na seção anterior, os objetivos de desempenho em sistemas
com realimentação podem ser especi…cados em termos de requisitos sobre as
funções de sensibilidade e/ou de sua complementar ou ainda de outras funções
em malha-fechada, como a função de sensibilidade do controlador. Procurou-se
justi…car também por que há uma certa preferência pela formatação de S para
alcançar os objetivos de desempenho.
Para qualquer sistema físico jSj ! 1 quando w ! 1 e jSj ! 0 quando
w ! 0. Embora S seja realmente pequena em baixas frequências, não há até

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:

jWS S(jw)j < 1; 8w


1
, jS(jw)j < ; 8w (120)
jWS (jw)j
, kWS S(jw)k1 < 1

WS dará o fator de atenuação desejado para o distúrbio, incertezas e para


a característica de acompanhamento do sinal de referência desejados. Como
WS (jw) é função da frequência, é possível especi…car-se uma atenuação ou car-
acterística distinta para cada frequência.
No projeto de sistemas de controle, por razões óbvias, é usual utilizarem-se
funções de transferência racionais de fase mínina e estáveis na ponderação de
S, embora matematicamente isso não seja necessário. Tipicamente WS deve ser
grande em baixas frequências, indicando que se dá maior importância em obter
S pequena nesta região.
Apresenta-se agora uma ilustração grá…ca para o problema do desempe-
nho nominal escalar. Para desempenho nominal deve ter-se de acordo com
as expressões (120): jWS S(jw)j < 1; 8w. Multiplicando-se ambos os lados da
inequação por j1 + Lj tem-se:

jWS j < j1 + Lj ; 8w (121)


A …gura 32 ilustra a condição dada pela inequação (121) juntamente com
um grá…co genérico de Nyquist.
Vê-se, então, que para garantir desempenho nominal, deve-se garantir, que
o grá…co de L(jw) além de não envolver o ponto 1, garantindo estabilidade
nominal, não cruze a circunferência de centro em 1 e raio jWS j :
Ademais, o uso de funções de ponderação nas funções de sensibilidade, per-
mite que se coloque o problema de estabilidade e desempenho robustos de forma
similar, já que no caso da estabilidade, aparece naturalmente uma função de
ponderação devido a incertezas, vejam-se as expressões (108) e (110).

59
Figura 32: Desempenho Nominal Escalar

Para um sistema multivariável a condição expressa em (120) é dada por:


1
(S(jw)) ; 8w (122)
(WS (jw))

Portanto, na região de baixas frequências aparecerá a barreira de desempenho


[DS81] ilustrada na …gura 13 dada pela expressão:
1
(WS (jw)) (123)
(S(jw))

10.3 Desempenho Robusto


Inicia-se a análise de desempenho robusto usando-se a função de transferência-
de-malha L, e a seguir apresenta-se esta análise usando-se a função de sensibil-
idade S.
Para desempenho robusto relativamente à rejeição de distúrbios, acompan-
hamento do sinal de referência e insensibilidade paramétrica, requer-se que um
limite inferior - a barreira de desempenho - não seja ultrapassada por qualquer
membro da família de funções de transferência incertas ou formalmente:

j(L4 (jw)j W4 (jw); 84; 8w wl (124)

onde L4 ( ) é dada pela expressão (106) e wl , maxfwr ; wd ; w g; sendo wr e wd


respectivamente as frequências que limitam a maior parte da energia do sinal
de referência e das perturbações e w a frequência que limita a região, onde os

60
erros de modelagem são mais problemáticos. Para incertezas multiplicativas na
saída, a expressão (124) pode ser reescrita usando-se a expressão (106) como:

j(G4 K(jw)j W4 (jw); 84; 8w wl


j(L + Wm 4o L)j W4 (jw); 84; 8w wl

Para incertezas da pior espécie, j4o j = 1, tem-se:

j(L + Wm L)j W4 (jw); 8w wl


j1 + Wm j jLj W4 (jw); 8w wl (125)

Na região de baixas frequências é razoável admitir-se, que a incerteza mul-


tiplicativa seja pequena, isto é:

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:

jWS S4 j < 1; 8w; 8S4 (128)

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

) jWS j < j1 + Lj jWm Lj ; 8w (134)

) jWS j + jWm Lj < j1 + Lj ; 8w (135)

) jWS Sj + jWm LSj < 1; 8w (136)

, max (jWS Sj + jWm T j) < 1 (137)


w

A condição expressa em (137) é a Condição de Desempenho Robusto em


termos das funções de malha-fechada.
A derivação da condição acima pode ser feita de modo grá…co, como ilustra
a …gura 33 abaixo.

Figura 33: Desempenho Robusto Escalar

Para desempenho robusto, requer-se que nenhum membro da família de


funções incertas L4 cruze o disco de raio jWS j com centro em 1. Portanto,
deseja-se que:
jWS j + jWm Lj < j1 + Lj ; 8w (138)

62
E multiplicando-se ambos os lados da inequação por jSj vem:

jWS Sj + jWm LSj < 1; 8w (139)

, jWS Sj + jWm T j < 1; 8w (140)

, max (jWS Sj + jWm T j) < 1 (141)


w

Segue-se uma generalização do resultado acima, para sistemas multivariáveis


com perturbação na saída, conforme uma exposição de Zhou, Glover e Doyle
[ZGD95]. Resultados para outros tipos de perturbações podem ser derivados
de modo semelhante. Utiliza-se o diagrama da …gura 34, onde WS pondera a
função de sensibilidade e Wm é a função de ponderação que dá a informação de
frequências das incertezas multiplicativas, sendo ambas consideradas próprias e
estáveis. Admita-se ainda, que K estabiliza internamente a planta nominal G.

Figura 34: Sistema com Incertezas Multiplicativas na Saída

O critério de desempenho será, por exemplo, manter a energia do erro e(t);


no pior caso possível, tão pequena quanto possível para qualquer energia unitária
d(t) entrando no sistema como ilustrado, ou formalmente:

sup kek2 1 (142)


kdk2 1

Neste caso, e(t) é escalonado através da função de ponderação WS .


Para alcançar desempenho robusto é necessário que o sistema em malha-
fechada tenha estabilidade robusta, isto é, que:

kWm To k1 1 (143)

e adicionalmente que a função de transferência entre o distúrbio e o erro Ned


seja pequena, ou formalmente:

kNed k1 1; 8G4 (144)

63
onde G4 representa a família de funções incertas:

G4 = (I + 4Wm ) G : k4k1 1 (145)

Ou seja:

[Ned (jw)] 1; 8G4 ; 8w (146)


Através da álgebra de diagramas de bloco, obtém-se para este caso:
1
Ned = WS So (I + 4Wm To ) (147)
de onde tem-se que:
h i
1
(Ned ) (WS So ) (I + 4Wm To ) (148)
(WS So )
= (149)
(I + 4Wm To )
(WS So )
(150)
1 (4Wm To )
(WS So )
(151)
1 (4) (Wm To )

Ou seja:
(Ned ) 1 (152)
se:

(WS So ) 1 (4) (Wm To ) ) (153)


(WS So ) + (4) (Wm To ) 1 (154)

E para a pior incerteza possível:

(WS So ) + (Wm To ) 1 (155)


que é a expressão para sistemas multivariáveis equivalente à expressão (141)
para sistemas escalares.
É interessante notar-se ainda, que o problema de desempenho robusto para a
con…guração apresentada na …gura 34 é equivalente ao problema de estabilidade
robusta, para a con…guração apresentada na …gura 35.
Para o caso escalar é fácil mostrar-se a citada equivalência [SP96]. Para o
caso multivariável também existe uma equivalência entre estes problemas, com
a introdução de um bloco de incertezas na con…guração original do problema de
desempenho. Esta incerteza equivalente, no entanto, deve ser estruturada o que
di…culta a análise e exige a de…nição de novos conceitos introduzidos a seguir.

64
Figura 35: Con…guração para Estabilidade Robusta Equivalente ao Desempenho
Robusto

11 Valor Singular Estruturado


A descrição original para o tratamento deste problema pode ser encontrada em
[PD93].
Para evitar-se uma análise excessivamente conservadora é interessante utilizarem-
se as informações disponíveis a respeito da estrutura das incertezas.
Admita-se que as perturbações possam ser representadas através de uma
matriz complexa diagonal. Este tipo de situação poderia ocorrer quando, por
exemplo, quer se considerar incertezas ou dinâmicas desprezíveis em canais in-
dividuais de entrada (atuadores) ou saídas (sensores), e não existe acoplamento
entre os canais.
A análise de robustez de estabilidade e desempenho é geralmente realizada
utilizando-se a con…guração de dois portos apresentada anteriormente, isto é, o
diagrama de blocos é rearranjado na estrutura M 4, como ilustra a …gura 31.
Considere-se novamente o problema de robustez de estabilidade com in-
certezas sem-estrutura. Neste caso, chegou-se a conclusão através do teorema
dos ganhos pequenos e da …gura 31, que vai se alcançar estabilidade robusta
para a incerteza da pior espécie se e somente se:

(M (jw)) 1; 8w (156)

onde (M (s)) pode ser rede…nido como [ZGD95]:


1
(M (s)) = (157)
min f (4) : det (I M 4) = 0g
ou em palavras: o recíproco de (M (s)) é a menor incerteza 4 sem-estrutura,
medida através do valor singular, que pode desestabilizar o sistema em malha-
fechada.
O conceito do valor singular na expressão (157) pode ser generalizado para

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

Ou seja, (M (s)) é o maior valor singular estruturado de M (s) relativamente à


um 4 estruturado e complexo. De forma compacta pode-se escrever que:
1
(M (s)) = : 4 desestabiza o sistema
(4)

Se não existe tal 4; tem-se = 0: Se = 1 ) 9 (4) = 1 : o sistema pode


ser desetabilizado por algum 4. Um valor grande de é indesejável, já que
indica que pequenas perturbações poderão desestabilizar o sistema.
Para perturbações complexas tem-se os seguintes limites para [SP96]:

(M ) (M ) (M ) (159)

11.1 Estabilidade Robusta


À luz da de…nição de na expressão (158) pode-se enunciar o seguinte teorema
sobre estabilidade com incertezas estruturadas:
Teorema 2.3: ‘Admita-se um sistema cujo diagrama de blocos foi colocado
na estrutura M 4; onde M e 4 são estáveis. Então, este sistema será estável
para qualquer perturbação tal que (4(jw)) 1; 8w, se e somente se:

(M (jw) 1; 8w ’. (160)

Uma prova deste teorema pode ser encontrada em [SP96].


A expressão (160) pode ser colocada numa forma semelhante ao teorema dos
pequenos ganhos como se segue:

Estabilidade Robusta , (M (jw) (4(jw)) 1; 8w; 4 estruturada’. (161)

Ou em palavras, o valor máximo de (M (jw); 8w determina a magnitude da


perturbação sob a qual o sistema mantém estabilidade robusta.

11.2 Desempenho Robusto


O problema do desempenho robusto pode ser transformado num problema de
estabilidade robusta, onde se de…ne adicionalmente um bloco de incertezas …ctí-
cias, segundo um teorema proposto por Doyle, Wall e Stein[WS82]. Este bloco
aqui denominado 4P é um bloco cheio e complexo das mesmas dimensões de
T
Nzw dado na expressão (87) e de acordo com a con…guração ilustrada na …gura
26. O objetivo deste novo bloco é introduzir as especi…cações de desempenho ro-
busto a partir da norma-H1 . Não se entra em detalhes neste ponto, porque esta
abordagem também não será utilizada neste curso. O objetivo aqui é apenas
ilustrar um procedimento alternativo.

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

Figura 36: Estabilidade Robusta Estruturada

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)

Portanto, a restrição introduzida pela sensibilidade nominal ponderada permite


que se coloque um limite inferior à largura de banda do sistema, formalmente
expressa por [Kwa93]:

kWS Sk1 < 1 (165)


No entanto, não é possível colocar-se um limite superior a esta banda. A ponder-
ação de S(jw) também não permite que se inter…ra na taxa de corte (‘roll-o¤’)
de jL(jw)j em altas frequências, que é um importante indicativo de robustez, já
que a barreira de robustez de estabilidade não deve ser ultrapassada, como já
foi frisado anteriormente. Para resolver estes problemas, devem-se usar outras
funções em malha-fechada, como a função de sensibilidade complementar ou a
função de sensibilidade do controlador. Geralmente tem-se que:

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:

kWT T k1 < 1 (168)


e/ou
kWC Ck1 < 1 (169)

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:

kN k1 = max (N (jw)) < 1 (170)


w

onde N é dada por:

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)

ou alternativamente para (171) e (172), respectivamente:


q
2 2
(N (jw)) = jWS Sj + jWT T j (175)
q
2 2
(N (jw)) = jWS Sj + jWC Cj (176)
Portanto, as expressões (170) e (171) para o caso escalar são, respectivamente,
dadas por:
q
2 2
kN k1 = max jWS Sj + jWT T j < 1 (177)
w
q
2 2
kN k1 = max jWS Sj + jWC Cj <1 (178)
w

Observe-se que a expressão (177) é muito próxima da expressão para desem-


penho robusto dada na expressão (141).p Na verdade, a condição (177) é menos
restritiva, mas difere no máximo de 2 de (141). Portanto, para sistemas es-
calares, o uso das especi…cações dentro do problema da sensibilidade mista leva
ao desempenho robusto.
É fácil veri…car-se que se a pilha em (170) for constituída de n linhas, a
diferença máxima entre a condição
p de estabilidade robusta e o problema da
sensibilidade mista será de n.
Em sistemas escalares ou multivariáveis, desempenho nominal e estabili-
dade robusta são pré-requisitos para desempenho robusto, isto é, desempenho
nominal e estabilidade robusta são condiç ões necessárias para o desempenho
robusto. Para sistemas escalares desempenho nominal e estabilidade robusta são
condições su…cientes para o desempenho robusto. Para sistemas multivariáveis,
devido ao problema de direções, a implicação anterior pode não ser verdadeira.
No caso multivariável uma escolha comum para as funções de ponderação é
dada por:
W = diag fW i g (179)
isto é, constroem-se as funções de ponderação para desempenho e estabilidade
robusta através de uma matriz diagonal, onde W i indica a função de ponderação
para o canal-i.
Em resumo, o uso de pilhas que estabelecem o problema da sensibilidade
mista tem a vantagem de oferecer uma abordagem bem mais simpli…cada e
quase equivalente ao problema de controle robusto canônico. Em geral, a síntese
dentro da abordagem da sensibilidade mista é bem mais fácil e transparente do
que a síntese usando-se a abordagem , tanto analítica quanto numéricamente,
de modo que o projeto do sistema de controle pode ser bastante acelerado. De

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:

(4m (jw)) jWT (jw)j (182)

Para qualquer S(s) e T (s) pode-se mostrar que [CS92], [MG92]:

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].

13 Escolha de Funções de Ponderação


Ao invés de se garantir estabilidade e desempenho robustos através da análise
dos erros de modelagem, como apresentado anteriormente, estes requisitos po-
dem ser alcançados indiretamente através da seleção criteriosa das funções de
ponderação. A escolha destas funções, portanto, é de primordial importância.
Em casos mais simples, geralmente envolvendo sistemas escalares, é possível
encontrarem-se as funções de poderação através de um procedimento de tenta-
tiva e erro, o que geralmente acontece, por exemplo, quando se usa a abordagem
LQG [DB90]. No entanto, a escolha adequada de funções de ponderação, prin-
cipalmente as referentes ao desempenho do sistema, não é tarefa trivial. Em
muitos casos, mesmo um projetista experiente poderá despender dias ou até
semanas de trabalho para encontrar a ponderação satisfatória, principalmente
quando sistemas multivariáveis complexos estão envolvidos. Portanto, proced-
imentos mais cientí…cos para a seleção de funções de ponderação deverão ser
utilizados quando se deseja explorar ao máximo a potencialidade deste método
ou simplesmente para acelerar o desenvolvimento do projeto, evitando-se um
processo longo e estafante.

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

Figura 37: Formas Gerais das Funções de Ponderação

Vê-se aí, que se deseja penalizar fortemente erros de modelagem em baixa


frequência e por isso WS é feito grande em baixas frequências, impondo-se assim,
um alto custo à função de sensibilidade S na faixa de baixa frequência. De fato,
como foi mostrado anteriormente, para que haja uma rejeição satisfatória ao
distúrbio, GK(s) deve ser su…cientemente grande em baixas frequências, de
forma a garantir pequena sensibilidade nesta banda. WS é basicamente um
integrador que inclui um termo de avanço, para se garantir alguma ponderação
de erros também na faixa de frequências médias, próxima à região da frequência
de cruzamento do sistema.
Uma expressão inicial para a função de transferência de WS pode ser estab-
elecida através das considerações que se seguem. Admitam-se, por exemplo, as
seguintes especi…cações de projeto:

largura de banda de malha-fechada maior do que wB sendo:

ws . wc . wt . wb (184)

ampli…cação de ruídos e de distúrbios de alta frequência menor do que um


fator e
erro em regime permanente menor do que :

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)

Figura 38: Função de Transferência de Cargas de Alta Frequência

Os distúrbios de baixa frequência, no caso de veículos marítimos relacionados


às cargas de deriva média de ondas (’drift forces’) e outros sinais de entrada de
baixa frequência, como sinais de referência, podem ser introduzidos na síntese
do controlador de forma semelhante à carga de onda de primeira ordem. Neste
caso, introduz-se um ruído branco em uma função de transferência de primeira
ordem com a seguinte forma [GZK93]:
b 1 s + b0
Gl (s) = (190)
as + 1
onde a e bi são parâmetros constantes.
A …gura 39 apresenta um diagrama de amplitudes de Bode para este modelo,
que especi…ca os seguintes parâmetros:

wr : relacionado à largura de banda do controlador e que deverá ter um


valor inferior à frequência de onda de primeira ordem;

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)

Figura 39: Função de Transferência de Cargas de Baixa Frequência

13.1 Otimização de Funções de Ponderação


Como dito anteriormente, a determinação de alguma das funções de pondera-
ção não é uma tarefa simples, principalmente em sistemas multivariáveis, onde
geralmente um grande número de parâmetros estão envolvidos. Para minimizar
este problema pode-se utilizar um procedimento de otimização, através de uma
busca pelo método do gradiente, algoritmos genéticos, ou um outro procedi-
mento qualquer.
O projeto de um sistema de controle, em geral, envolve muitas restrições e
objetivos contraditórios. Para se obter uma solução ótima, é preciso estabele-
cer-se uma solução de compromisso entre os diversos objetivos e restrições, o que
formalmente pode levar à necessidade incorporação de um método de tomada
de decisão. [SY94], [KG93], [Sut97] e [BR96].
Para encontrar soluções ótimas, o que passa por uma escolha adequada de
algumas funções de ponderação, em alguns problemas tratados pode se utilizar
uma busca automatizada das funções em questão. A busca é feita, por exemplo,
através de Algoritmos Genéticos (AGs), incorporando-se uma lógica de decisão
multi-objetivo difusa, como em Donha [?].

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].

14.1 Formulação do Problema de Controle


Usando-se a con…guração apresentada na seção anterior nas …guras 19, 20 e 21
qualquer problema de síntese de um controlador pode ser colocado nos seguintes
termos: ‘determinar o controlador K(s) de forma a minimizar a função de
transferência N entre o distúrbio w e a variável controlada z’. Neste curso a
minimização de N será feita usando-se as normas H2 e H1 .
Como optou-se pela abordagem da sensibilidade mista, onde procuram-se
minimizar a função de sensibidade ponderada e a função de sensibilidade do
controlador poderada, na verdade vai-se minimizar a norma da seguinte função
de transferência:

WS S
kN k = (191)
WC C
É costume admitirem-se as seguintes hipóteses nos problemas de controle
H2 e H1 [Mac89], [ZGD95], [SP96]:

(A; B2 ) é estabilizável e (C2 ; A) é detectável: para a existência de contro-


ladores K(s) que estabilizem o sistema;
(A; B1 ) é estabilizável e (C1 ; A) é detectável: para que o controle encon-
trado não tente cancelar pólos e zeros no eixo imaginário, evitando assim
a instabilidade em malha-fechada;
D12 tem ‘rank’ de coluna completo e D21 tem ‘rank’ de linha completo:
para que o controlador seja próprio e portanto realizável e
D11 e D22 = 0: esta hipótese é convencional no controle H2 . A hipótese
D11 = 0 implica que não há alimentação direta de w em z, de tal forma
que a função de transferência entre estas variáveis é estritamente própria.
A hipótese D22 = 0 implica que não há alimentação direta de u em y,
de tal forma que a função de transferência entre estas variáveis também é
estritamente própria. Estas hipóteses são desnecessárias no controle H1 ;

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

= tr E fe(t)e (t)g (195)


2
= kWS So k2 (196)
Para minimizar-se também as energia na tarefa de controle, o que leva à
inclusão do sinal de controle no índice de desempenho, deve-se ter:
( Z T )
n o
2 2
E kek2 + kuk2 = E lim (ee + uu ) dt (197)
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)

E usando o teorema de Parseval, tem-se:

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

onde pode ser feito igual a um através de uma escolha adequada de WC :


Em resumo, de acordo com o problema da sensibilidade mista, deseja-se,
então, minimizar a seguinte norma-H2 :

WS S
kN k2 =
WC C 2

onde r Z 1
2 1
kN k2 = tr [N (jw)N (jw)] dw (201)
2 1

Portanto, minimizando-se a norma-H2 de N , minimizam-se as energias do


sinal do erro e do esforço de controle causados pelo distúrbio.
A seguir apresenta-se a solução do problema de controle H2 para um planta
expandida cuja con…guração é baseada nas hipóteses apresentadas na seção an-
terior e para a seguinte realização:
2 3
A B1 B2
P (s) = 4 C1 0 D12 5 (202)
C2 D21 0
A solução deste problema está associada as seguintes Hamiltonianas:

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

O desenvolvimento e a prova dos resultados apresentados podem ser encon-


tradas em Glover e Doyle [GD89].
O artigo de Ishihara e Sales [IS99] apresenta uma parametrização de todos
os controladores ótimos H2 , onde são relaxadas algumas hipóteses usadas aqui
por simplicidade.
O controlador H2 tem a conhecida estrutura do ‘Princípio da Separação’
[DB90], [GD89]. Dentro das hipótese deste princípio, o projeto de um sis-
tema controle realimentado por observações é desenvolvido em dois estágios.
No primeiro, projeta-se um controlador ótimo para o sistema determinístico.
No segundo, projeta-se um estimador de estados ótimo. O sistema de controle
procurado é obtido colocando-se o controlador determinístico em cascata com
o estimador ótimo. A estrutura do princípio em questão pode ser veri…cada
escrevendo-se as equações do controlador na forma observável padrão:

d^
x
= A^
x + B2 u + L2 (y C2 x
^) (209)
dt
u = F2 x
^ (210)

É importante frisar-se, que a teoria de controle ótimo H2 permite determinar


um único controlador ótimo a partir da solução de duas equações de Riccati.
Como será visto, isto contrasta com a teoria de controle H1 , onde a solução
de duas equações de Riccati semelhantes produzem apenas um controlador sub-
ótimo, sendo a otimalidade alcançada com di…culdades teóricas e numéricas a
partir de algoritmos iterativos.

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].

Controladores LQG O procedimento de controle LQG, como dito anterior-


mente, é um caso especial dos controladores H2 , de…nido dentro de uma abor-
dagem estocástica.
Considere-se novamente a realização expressa em (202). Neste caso, o vetor
w 2 <l é constituído de ruídos brancos gaussianos de média nula e variância
conhecida e dada por:

W 0
E[[wT (t)w(t)] = (t ) (211)
0 V

onde W é a matriz de covariância do ruído dinâmico (incerteza aditiva na planta)


e V é a covariância do ruído de medida.
O objetivo de projeto aqui é minimizar-se um critério de desempenho quadrático,
usando-se controladores com realimentação de estados, que ao mesmo tempo
garantam a estabilidade do sistema em malha-fechada. Dentro destas premissas
o ‘Princípio da Separação’é válido. Enfatiza-se aqui que o princípio em questão
é válido apenas quando as três hipóteses seguintes são satisfeitas concomitan-
temente: modelo linear, critério de desempenho quadrático e processos (ruídos
de observação e ruídos dinâmicos) estocásticos Gaussianos.
O problema de controle LQG pode ser colocado da seguinte forma: ‘achar
uma lei de controle u(t); t 2 [0; 1) tal que o estado x(t) seja levado à origem
quando t ! 1 e o seguinte índice de desempenho seja minimizado:
Z
Jlqg = lim E[z T (t)z(t)] = lim [xT (t)Qx(t) + uT (t)Ru(t)]dt (212)
!1 !1 0

onde QT = Q 0, R > 0 são matrizes …xas de ponderação’.


Admita-se ainda que as seguintes hipóteses sejam válidas:

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

A matriz em (215) indica que não há termos cruzados no índice de desem-


penho e que os ruídos dinâmicos e os ruídos de medida tem correlaçãopnula.
Um escalonamento usual de u, é obtido pela substituição de u por Ru, de
tal forma, que pode-se ter R I. Isto é sempre possível, uma vez que R > 0;
isto é, R deve ser de…nida positiva para que a energia de controle seja …nita.
Assim, a planta estendida na forma compacta será representada agora por:
2 3
A W 1=2 0 B2
6 0 0 0 R1=2 7
P (s) = 6
4 1=2
7
5 (216)
Q 0 0 0
C2 0 V 1=2 0

O índice dado na expressão (212) pode, então, ser reescrito como:

Jlqg = lim E[kC1 x + D12 uk22 ]


!1

A solução para o problema de controle consiste em fazer com que o sinal de


controle seja uma função linear do estado, como se segue:

u = F2 x (217)
F2 = B2T X2 (218)

onde X2 satisfaz a equação de Riccati expressa em (205).


A solução para o problema de estimação é dada pela teoria do …ltro de
Kalman, no caso, para tempo contínuo.
A equação de estado para o …ltro de Kalman é dada por:
d^
x
= (A + L2 C2 )^
x + B2 u L2 y (219)
dt
onde o ganho L2 do …ltro de Kalman é dado por:

L2 = Y2 C2T (220)

sendo que Y2 satisfaz outra equação algébrica de Riccati, conforme expresso em


(206).

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

onde " = x x ^ é o erro de estimação.


A função de transferência do controlador tem a seguinte expressão [Mac89]:
1
Klqg (s) = F2 (sI A + B2 F2 + L2 C2 ) L2 (222)

Pondo-se a expressão (222) na forma compacta tem-se:

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)

Novamente, a norma H1 da matriz de transferência entre w e z é dada


pela abordagem da sensibilidade mista, de forma que o problema controle H1
é recolocado da seguinte forma:

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’.

O controlador, para o caso especial em questão, tem a seguinte função de


transferência [ZGD95]:

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)

Ou ainda na notação clássica:


1
K(s) = Bk (sI Ak ) Ck (235)
O controlador H1 de…nido pelo teorema acima é frequentemente denomina-
do de controlador central ou controlador de mínima entropia [Mus89], [MG90].
A entropia é um índice que mede a solução de compromisso entre a otimalidade
da solução H1 e a otimalidadade da solução H2 [ZGD95]:
Embora não seja aparente o controlador H1 também tem a estrutura dada
pelo Princípio da Separação. Na verdade, pode-se separar o estimador de estado
como a seguir:

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)

o que caracteriza a separação em um estimador ótimo e um controlador …xo


agindo sobre estimativas do estado.
Na expressão (236) seja Kpior , 2 B1 B1T X1 . Então, comparando-se as ex-
pressões (219) e (236), veri…ca-se que este termo aparece em excesso em relação à
expressão original derivada por Kalman. O termo Kpior x b pode ser interpretado
como uma estimativa da pior perturbação possível.
A seguir relacionam-se algumas propriedades importantes dos controladores
H1 :

A função de transferência N resultante de um procedimento de controle


ótimo H1 é do tipo passa-tudo, isto é, (N ) = min para todo w 2 <:
Ou seja, a resposta em malha–fechada com um controlador H1 é plana;

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 .

A primeira propriedade signi…ca, na prática, que a função de transferência


resultante do procedimento H1 será próxima de multiplicada pelo limite es-
colhido pelo projetista, dado pela função de ponderação escolhida. Isto signi…ca
que o projetista tem um mecanismo direto de formatar as funções de sensibil-
idade, através de uma escolha adequada das funções de ponderação. Isto não
ocorre no caso do projeto H2 [Gri94], conforme exposto quando da apresentação
da expressão (49).

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.

[Gri94] M.J. Grimble. Robust Industrial Control. Prentice Hall, Hemel


Hempstead, 1994.
[GZK93] M. J. Grimble, Y. Zhang, and M. R. Katebi. H1 -based ship autopi-
lot design. In Ship Control Systems Symposium, Ottawa, Canada,
Oct 1993.
[IS99] J.Y. Ishihara and R.M. Sales. Parametrization of all H2 optimal out-
put feedback controllers. Anais da Escola Politénica da Universidade
de São Paulo, 1999.
[Kai80] T. Kailath. Linear Systems. Prentice-Hall, Englewood Cli¤s, 1980.
[KG93] C.L. Karr and E.J. Gentry. Fuzzy control of ph using genetic algo-
rithm. IEEE Transactions on Fuzzy Systems, 1(1), 1993.
[KS72] H. Kwakernaak and R. Sivan. Linear Optimal Control Systems.
Wiley-Interscience, New York, 1972.
[Kwa93] H. Kwakernaak. Robust control and H1 -optimization- tutorial pa-
per. Automatica, 29(2):255–273, 1993.
[Mac89] J.M. Maciejowski. Multivariable Feedback Design. Addison-Wesley,
Wokingham, U.K., 1989.
[ME81] I. Postlethwaite; A.G.J. Macfarlane and J.M. Edmunds. Principal
gains and principal phases in the analysis of linear multivariable
feedback systems. IEEE Transactions on Automatic Control, AC-
26:32–46, 1981.
[MG90] D. Mustafa and K. Glover. Minimum Entropy H1 Control. Springer-
Verlag, 1990. Lecture Notes in Control and Information Sciences.
[MG92] D.C. McFarlane and K. Glover. A loop shaping design procedure
using H1 synthesis. IEEE Transactions on Automatic Control, AC-
37(6):759–769, June 1992.

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.

[PC95] A. Saberi; S. Peddapullaiah and Ben M. Chen. H2 Optimal Control.


Prentice Hall, Hemel Hempstead, UK, 1995.
[PD93] A. Packard and J.C. Doyle. The complex structured singular value.
Automatica, 29(1):71–109, 1993.

[PM79] Ian Postlethwaite and A.G.J. MacFarlane. A Complex Variable Ap-


proach to the Analysis of Linear Multivariable Feedback Systems.
Springer-Verlag, New York, 1979.
[SF65] Ralph J. Schwarz and Bernard Friedland. Linear Systems. McGraw-
Hill, Inc., 1965.
[SP96] Sigurd Skogestad and Ian Postlethwaite. Multivariable Feedback
Control Analysis and Design. John Wiley and Sons, 1996.
[Sto92] A.A. Storvogel. The H1 Control Problem: A State Space Approach.
Prentice-Hall, 1992.
[Str88] G. Strang. Linear Algebra and its Application. Academic Press, N.
York, 1988.
[Sut97] R. Sutton. Optimisation of fuzzy autopilots. 11th Ship Control
Systems Symposium, 1:63–76, 1997.
[SY94] S. Suzuki and T. Yoshizawa. Multi-objective trajectory optimisation
by goal programming with fuzzy decisions. Journal of Guidance,
Control and Dynamics, pages 297–303, 1994.
[TM93] P. Dorato; R. Tempo and G. Muscato. Bibliography on robust con-
trol. Automatica, 29(1):201–213, 1993.

[Vid85] M. Vidyasagar. Control System Synthesis: A Factorization Ap-


proach. MIT Press, Cambridge, USA, 1985.
[Wil71] J.C. Willens. Least-squares stationary optimal control and the al-
gebraic riccati equation. IEEE Transactions on Automatic Control,
AC-16:621–634, 1971.
[WR94] J. Ullauri; D.E. Walker and D.B. Ridgely. Reduced order mixed
H2 =H1 optimization with multiple H1 constraints. Proccedings of
the 1994 AIAA Guidance, Navigation and Control Conference, pages
1051–1060, August 1994.

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

You might also like