UNIVERSIDADE FEDERAL DA BAHIA

ESCOLA POLITÉCNICA
CURSO DE GRADUAÇÃO EM ENGENHARIA ELÉTRICA

Modelagem e Controle de um Sistema de

Resfriamento de Processador
Relatório Parcial

Gérsica Sacramento
Isabella Calfa
Julia Mafra
Othon Soares

ENGC42 – Sistemas de Controle I

Profa. Cristiane Paim

Salvador
Agosto de 2017
INTRODUÇÃO

O controlador PID é utilizado em larga escala nas indústrias, sendo essencial nas operações industriais
tais como: Controle de pressão, temperatura, umidade, viscosidade e vazão. Utilizados em mais de 95%
das malhas de controle, sendo sua grande maioria controladores PI, sua larga utilização se deve às suas
importantes funções: como fornecer realimentação e a possibilidade de prever o futuro devido a ação
derivativa. [1]

Além da sua aplicação na indústria, o controle de temperatura está presente na agricultura, hospitais, e
em significativa escala, nos aparelhos eletrônicos. Controlar temperatura em equipamentos eletrônicos é
essencial para que possuam a confiabilidade e a solidez necessárias em sua operação nominal visto que,
em sua grande maioria, são componentes extremamente sensíveis.

O processador é peça fundamental da maioria dos dispositivos tecnológicos utilizados atualmente. Desde
celulares, passando por tablets até nos supercomputadores, o processador é responsável pelo
carregamento e realização de operações (tanto aritméticas quanto lógicas) dos programas utilizados, o
que gera aumento de temperatura do dispositivo. Caso a temperatura ultrapasse os valores ideais de
operação, podem ocorrer danos ao processador e outros elementos do dispositivo.

Neste trabalho foram abordados o projeto, implementação, montagem e obtenção dos resultados de um
controlador de temperatura com a finalidade de controlar a temperatura de um processador exemplificado
por placas de metais e a temperatura é controlada através do controle da velocidade de rotação de dois
coolers instalados sobre as placas, simulando o funcionamento de um computador.

Serão apresentados os objetivos de controle do protótipo, explicando as faixas de escolha de operação da

planta para simular as necessidades de um processador computacional. Também ocorrerá o detalhamento
do protótipo e suas particularidades.
Mais adiante, explica-se o processo de modelagem do sistema, comparando os diferentes resultados
encontrados para a mesma, além de justificar a escolha do modelo utilizado posteriormente. Por fim, o
controlador selecionado será apresentado bem como os cálculos realizados para a sua escolha e os
resultados experimentais encontrados ao final.

2
OBJETIVOS

O processador simulado pelo protótipo é o Intel Core i7 7700K - Kaby Lake, cuja temperatura de
operação é aproximadamente 70ºC, sendo a temperatura máxima atingida em torno dos 100ºC.
Temperaturas acima de 80ºC podem causar danos permanentes, tanto ao processador, quanto aos outros
equipamentos do dispositivo, além de poder causar queimaduras graves, caso seres humanos entrem em
contato, por isso, não se deseja obter temperaturas acima dos 80ºC. Comparando os valores de pico
(80ºC) com o de operação (70ºC), conclui-se que o desejado é um sobressinal no controle menor do que
14,28%.

Considerando-se as limitações físicas do sistema e a fim de obter temperaturas mais próximas do 70ºC
em regime permanente, deseja-se obter um mecanismo de controle cujo erro de malha fechada em regime
permanente seja menor do que 5%. Sabendo ainda que a operação durante longos períodos de tempo em
temperaturas acima do ideal também seria prejudicial ao processador, mas também tendo claro que
controle de temperatura tem o tempo de resposta longo, deseja-se obter tempo de acomodação abaixo de
10 minutos (600 segundos). Todas essas condições para o controle do sistema devem, também, garantir
que o mesmo continue estável.

DESCRIÇÃO DO PROBLEMA

O protótipo desenvolvido tem comportamento semelhante ao de um processador de computador. A

obtenção dos dados e o controle do processo foram realizados a partir de um Arduino UNO com
microcontrolador ATMEGA. O processador será simulado por duas placas de alumínio com dimensões
de 12,3x8,25x0,76cm cada e uma célula de Peltier. A medição da temperatura do protótipo será realizada
a partir do sensor DS18B20. O comum é a utilização do sensor LM35 para medições de temperatura,
porém apesar da faixa de operação ser bem parecida (opera entre -55ºC e 150ºC, enquanto o DS18B20
opera entre -55ºC e 125ºC), esse sensor tem precisão de 0,5ºC, enquanto o DS18B20 possui precisão de
0,06ºC; outra vantagem do segundo sensor é que a saída é digital, que facilita a comunicação com o
Arduino, enquanto a saída do LM35 é analógica.

O controle da temperatura será realizado a partir da velocidade de dois coolers, usados para o
resfriamento. Utiliza-se também na montagem do protótipo um resistor de 4700 ohms (como resistor de
pull up no sensor para evitar flutuações nos pinos de entrada), pasta térmica (utilizada para fixação do
Peltier e por suportar altas temperaturas), uma fonte de alimentação de 12V (necessário para alimentar o
Peltier e ponte H) e uma ponte H-L298 (para alimentação simultânea dos coolers). A redução de
interferências externas na temperatura ficará por conta da caixa de isopor, onde o protótipo está inserido.

A montagem do protótipo se iniciou com a definição da posição do sensor na placa de alumínio.

Assumindo-se que a temperatura no centro representa a temperatura da placa, o sensor foi inserido no
meio da placa. O aquecimento do processador será simulado pela célula de Peltier, que foi posicionada
em uma das faces da placa de alumínio e fixada com pasta térmica, conforme figura 1.

3
 Figura 1 - Amostra ligada aos coolers e o sensor

Os coolers foram posicionados nas duas faces do alumínio, de modo a garantir ventilação praticamente
uniforme e foram ligados a Ponte H de acordo com a figura 2. A ponte H se tornou uma importante aliada
no controle da velocidade do motor, pois ao usar um sinal de PWM nas entradas teremos uma tensão de
saída em PWM que será igual à Duty Cycle*Vcc. Dessa forma, podemos regular a diferença de potencial
média aplicada nos motores, controlando as suas velocidades.

Figura 2 - Módulo Ponte H com CI L298N

Ao final da montagem do protótipo, o sistema contendo a célula de Peltier, os coolers e a fonte ficaram
conforme as figuras 3 e 4.

4
Figura 3 - Sistema de Controle (visão superior)

Figura 4 -Sistema de Controle (visão lateral)

5
A ligação com o Arduino UNO está demonstrada na figura 5.

Figura 5 - Arduino e Ponte H

MODELAGEM

A modelagem do sistema é a primeira etapa crucial para o projeto do controlador de temperatura. Para
realizar a modelagem do protótipo utilizou-se os dados amostrados, ou seja, a modelagem de caixa preta.
Na modelagem caixa preta os parâmetros são obtidos através de testes com sinais relevantes de entrada
e saída do sistema associados a técnicas de identificação do sistema.

Nessa etapa alimenta-se o sistema com um degrau de tensão de 12V na entrada e obtêm-se os dados de
resposta do sistema no tempo até que o sistema chegasse ao regime permanente. Assim, é possível
observar as características principais em malha aberta, para posteriormente encontrar a função de
transferência a ser controlada.

Inicialmente, para conhecer o alcance do sistema foi ligado a célula de peltier com um degrau de 12V e
foi observado a máxima temperatura que o peltier pode aquecer o sistema (110,0ºC). Ao chegar nesta
temperatura os coolers foram ligados na sua máxima potência de alimentação 12V, ou seja, máxima
potência do sistema para obter a mínima temperatura que o sistema pode atingir em malha aberta,
estabilizando em 60,193ºC. A variação da temperatura foi medida com o Arduino, sendo utilizado um
tempo de aquisição de 1,283 segundos, garantindo o correto funcionamento do sensor da temperatura.

O gráfico de resposta do sistema em malha aberta está demonstrado na figura 6.

6
 Figura 6 - Resposta do sistema experimental

Pode-se perceber a semelhança do sistema com um sistema de primeira ordem, mas é importante ressaltar
que como o sistema é de resfriamento a nossa função possui ganho invertido. Assim, para modelar a
resposta de malha aberta do sistema e encontrar a função de transferência, utilizou-se o método de de 2
parâmetros - aproximando a resposta para um sistema de primeira ordem -, retirando do gráfico de
resposta o ganho (G) e a constante de tempo (T). Por esse método a função de transferência é dada por:
𝐺
𝐺(𝑠) = 𝑇𝑠+1 (1)
𝑦(𝑇) = 0,63𝐺 (2)
𝛥𝑦
𝐺= 𝑈 (3)
𝛥𝑦 = 60,1934 − 110 = −49,8066 (4)

Sendo G o ganho, y a saída, U a entrada do sistema.

Como a entrada do sistema é 12 V, o ganho G é determinado a partir de (3):

−49,8066
𝐺= = −4,1505 (5)
12

Sabendo que quando estiver em 63,2% do ganho o tempo decorrido é igual à constante de tempo, temos:
𝑦(𝑇) = 110 − [0,63×(110 − 60,1934)] (6)
𝑦(𝑇) = 78,522 (7)

Achando y(T), olhou-se o instante em que y(T) = 78,522 que foi 187,109s, como os dados foram obtidos
em tabela para uma melhor precisão olhou-se a tabela ao invés de analisar pelo gráfico.
Comparando com a equação (1), obtém-se
7
 −4,1505
𝐺(𝑠) = (8)
187,109𝑆+1

Para fins de visualização, a planta, em malha aberta, terá seu comportamento representado pela figura 7.

Figura 7 - Sistema em malha aberta simulada

A temperatura inicial de 110ºC foi definida conforme ensaio prático.

Aplicando uma entrada degrau simulando os 12V a essa função de transferência, encontra-se uma
resposta muito semelhante a desejada, conforme figura 8.

Resposta ao degrau

Figura 8 - Resposta ao degrau simulado

Nessa imagem, o cursor 1 indica o ponto 63,2% de G e o cursor 2 indica o valor atingido pela função em
regime permanente. De acordo com esses dados, é possível perceber que os cálculos foram realizados
corretamente e a resposta ao degrau da função de transferência simulada equivale a calculada.

Para comparação, a figura 9 ilustra comparativamente a resposta simulada e a resposta experimental.

8
 Figura 9 - Comparativo entre Saída experimental e Saída Simulada

O critério escolhido para comparar o resultado obtido foi o erro quadrático médio
𝑛 2
EQM=∑𝑡=1 𝑒𝑡 (9)

𝑒𝑡 = 𝑋 − 𝑋̂ (10)
Para isso transformou-se o valor simulado em um vetor do mesmo tamanho do vetor experimental e fez-
se os seguintes procedimentos no software MATLAB:
>>Erro=y-y2;
>>Erro2=(Erro.*Erro);
>>x=sum(Erro2);
>>eqm=x/2614;

Sendo 2614 a quantidade de elementos do vetor, y o vetor experimental e y2 o vetor simulado. Com isso
chegou-se ao erro quadrático médio de 0,0776.

Para fins de comparação de modelos, também foi utilizado o system identification toolbox do MATLAB,
ferramenta que utiliza iterações para gerar uma otimização dos parâmetros da função de transferência,
buscando a melhor aproximação com os dados apresentados pelo sistema real. Sabendo que a função de
transferência, com apenas 1 polo, gerada pela modelagem a 2 parâmetros apresentou grande aproximação
com os dados reais, foi utilizada a modelagem no system identification toolbox para uma função de
transferência de apenas 1 polo.

9
 Figura 10 - System Identification para 1 polo

A função de transferência para o sistema com apenas 1 polo apresentou alto índice de confiabilidade,
sendo a função:

−0,02772
𝐺(𝑠) = (11)
𝑆+0,00551

Porém ao comparar com a função de transferência real o sistema com um polo determinado através do
toolbox apresentou uma discrepância, como pode ser observado na figura 11.

Figura 11 - Comparativo entre Saída experimental e Saída Simulada

10
Nesse caso, o erro quadrático médio foi 106,8442. Erro muito maior do que a função modelada através
de cálculos a dois parâmetros. Acredita-se que o toolbox enfrenta problemas para identificar sistemas
cuja função de transferência possui condição inicial.
Com isto, a primeira função de transferência será utilizada para a continuidade das análises.

ANÁLISE DA RESPOSTA

Após a escolha da melhor função de transferência que modela o sistema, aplica-se algumas técnicas de
estudo para auxiliar na análise e escolha do controlador mais adequado.

A primeira técnica aplicada foi o diagrama de Bode, que estuda o sistema no domínio da frequência e
retorna dois gráficos, a relação do ganho (em dB) com a frequência e a fase (em graus) também com a
frequência. Utilizou-se o MATLAB para traçar os diagramas de bode e encontrar as margens de ganho e
de fase, como indicado na figura 12. Pode-se observar que, como as margens de ganho e fase são menores
que zero, o sistema é estável, visto que o sistema possui ganho negativo.

Figura 12 - Diagrama de Bode do Sistema

Outra possibilidade de análise da resposta é utilizando o diagrama de Nyquist, que relaciona a variação
da frequência com os eixos real e imaginário. A figura 13 apresenta o diagrama de Nyquist do sistema,
também traçado através do MATLAB. Ao analisar o diagrama, observa-se que o número de voltas que
incluem a singularidade é um, evidenciando que o sistema é estável.

11
 Figura 13 - Diagrama de Nyquist do Sistema

A terceira possibilidade de análise da resposta é utilizando o lugar das raízes, que apresenta como as
raízes do sistema se comportam com a variação do ganho aplicado ao sistema. O lugar das raízes foi
obtido por meio do MATLAB e está representado na figura 14a e 14b. Pode-se perceber que a
estabilidade do sistema é garantida até o ganho com valor de 0,0198, pois é o valor de ganho que o polo
cruza o eixo imaginário.

Figura 14a- Lugar das Raízes do Sistema (K>0)

12
 Figura 14b - Lugar das Raízes do Sistema (K<0)

Para o sistema ser estável:

-∞<K<0,0198

Com isso, se fecharmos a malha com uma realimentação unitária o sistema será instável como indica as
figuras 15 e 16.

Figura 15 - Esquemático

13
Figura 16- Resposta do sistema em malha fechada

14
REFERÊNCIAS BIBLIOGRÁFICAS

[1] Åström, K. J.; Hägglund, T., PID Controllers: Theory, Design, and Tuning. 2ª Ed. Carolina do
Norte: Instrument Society of America, 1995.

Schneider, Fernando. Comparação entre sensores de temperatura, Repositório da Automação.

Disponível em
<https://automacaoifrsrg.wordpress.com/2014/05/11/comparacao-entre-sensores-de-temperatura-lm35-
x-ds18b20/>. Acesso em: 19 de julho de 2017.

Quadros, Daniel. Sensor de Temperatura DS18B20, DQSoft. Disponível em

<http://dqsoft.blogspot.com.br/2013/07/sensor-de-temperatura-ds18b20.html>. Acesso em: 19 de julho
de 2017.

Quadros, Daniel. Sensor de Temperatura LM35, DQSoft. Disponível em

<http://dqsoft.blogspot.com.br/2013/05/sensor-de-temperatura-lm35.html>. Acesso em: 19 de julho de
2017.

Texas Instrument, LM35 Precision Centigrade Temperature Sensors. Disponível em

<http://www.ti.com/lit/ds/symlink/lm35.pdf>. Acesso em: 19 de julho de 2017.

Maxim Integrated, Programmable Resolution 1-Wire Digital Thermometer. Disponível em

<https://datasheets.maximintegrated.com/en/ds/DS18B20.pdf>. Acesso em: 19 de julho de 2017.

Wikipédia, Superaquecimento do processador, Wikipédia. Disponível em

<https://pt.wikipedia.org/wiki/Superaquecimento_do_processador>. Acesso em: 26 de julho de 2017.

Arruda, Felipe. A história dos processadores, Tecmundo. Disponível em

<https://www.tecmundo.com.br/historia/2157-a-historia-dos-processadores.htm>. Acesso em: 26 de
julho de 2017.

Kotviski, Adriel. Processador em Chamas!, Tecmundo. Disponível em

<https://www.tecmundo.com.br/hardware/1766-processador-em-chamas-.htm>. Acesso em 26 de julho
de 2017.

Franklin,G. Powell, J.D., Emami-Naeini,A. Feedback Control of Dynamic Systems, Prentice-Hall, 6th
Ed., 2010.

Ogata, K. Engenharia de Controle Moderno. 4ª Edição, Ed. Pearson, 2003

15