UNIVERSIDADE FEDERAL DO PARÁ

INSTITUTO DE TECNOLOGIA
FACULDADE DE ENGENHARIA
ELÉTRICA

Sistemas de Controle II

Belém – Maio - 2017

Capítulo I Introdução aos Sistemas Discretos
1.Histórico de sistemas de controle 2. Estrutura básica de controle digital: tipos de sinais, elementos
fundamentais: clock, amostrador e segurador, conversores AD e DA 3. Equações de diferenças 4. A
transformada Z 5. A função de transferência discreta.
Capítulo II Análise de sistemas amostrados
1. Equivalentes Discretos de Modelos Contínuos: a) método da integração numérica (forward, backward,
trapezoidal) b) MPZ c) ZOH 2. Mapeamento Entre o Plano S e o Plano Z 3. Amostragem de sinais
contínuos no tempo 4. Estabilidade de sistemas discretos: critérios de Jury e de Routh 5. LGR para
sistemas discretos 6. Especificações para projeto de controladores digitais: precisão em regime
permanente e no transitório.
Capítulo III Espaço de Estados
1. Introdução 2. Conceitos 3. Realizações ou Formas canônicas: Obtenção de uma Representação de
Estados dada uma G(s): diagonal, Controlador, Observador 4. Solução de Equação de Estados Invariante
no Tempo 5. Relação entre Equações de Estado e Funções de Transferência: Obtenção de G(S) dada uma
representação de Estados 6. Auto Valor e Auto Vetor 7. Transformações no Espaço de Estados 8.
Controlabilidade e Observabilidade
Capítulo IV Projeto de sistemas de Controle usando Espaço de Estados
Objetivo. Formulação do problema. Situações possíveis. Problema da Regulação com vetor X(t)
disponível. Problema do Rastreamento com vetor X(t) disponível.
Capítulo V Sistemas Discretos Representados no Espaço de Estados
Equação de estado discreta. Realizações canônicas. Funções de Transferência a partir das Equações de
Estado. Controlabilidade e Observabilidade. Posicionamento de Polos via Realimentação de Estados
Discreta. Projeto de Regulador para Sistemas Discretos. Servo Sistema Discreto quando a Planta Possui
um Integrador. Servo sistema Discreto quando a Planta não Possui um Integrador.

Referências Bibliográficas:
1. Charles L. Phillips, Royce D. Harbour, “Feedback Control Systems”. Prentice-Hall, 1988.
2. Charles L.Phillips, H.Troy Nagle Jr.“Digital Control Systems Analysis and Design”.Prentice-Hall
1984
3. Gene F. Frankling, J. David Powell, Michael L. Workman, “Digital Control of Dynamic
Systems”.Addison-Wesley, 1997.
4. Katsuhiko Ogata, “Engenharia de Controle Moderno”. Prentice-Hall do Brasil Ltda., 1993.

Leituras extras:
1) Ioan D. Landau and Gianluca Zito. “Digital Control Systems: Design, Identification and
Implementation (Communications and Control Engineering)” Springer, 2006.
3) Coelho, A.A.R. e Coelho, L.S., “Identificação de Sistemas Dinâmicos Lineares”. Editora da UFSC,
2004.
4) Paraskevopoulos, P.N. “Digital Control Systems”, 1a. Edição, Prentice Hall, 1996.
5) Aström, K.J.; Wittenmark,B. Computer Controlled Systems: Theory and Design, Prentice-Hall
International Editions, 1990.
1. Histórico de Sistemas de Controle
A idéia de usar computadores digitais como componentes de sistemas de controle surgiu
por volta de 1950.

Aplicações em mísseis e aviões foram as primeiras a serem investigadas e os estudos

mostraram que não havia potencial para uso de forma geral pois os computadores da
época eram muito grandes e consumiam demasiada potência.

Computadores de uso específico foram desenvolvidos inicialmente para aplicações

espaciais.

O maior desenvolvimento em controle por computador ocorreu nas industrias de

processos. Pode-se distinguir quatro períodos :

1. Pioneiro 1955
2. Controle digital direto 1962
3. Minicomputadores 1967
4. Microcomputdores 1972

a. Aplicações, Vantagens e Exemplos

O controle de sistemas físicos, com computador digital, está se tornando cada vez mais
comum. Entre os muitos exemplos de aplicação existentes, podemos citar:
pilotos automáticos de aeronaves, máquinas de fazer papel, refinarias de petróleo,
automóveis e outros.

Algumas vantagens da utilização de computadores digitais em sistemas de controle são:

baixo custo, maior flexibilidade, maior capacidade de decisão, maior confiabilidade,
melhor sensibilidade, menos efeitos devido a ruídos e distúrbios, mais compactos e leves,
maior versatilidade, etc.

Observa-se que os processos de amostragem e quantização tendem a introduzir erros,

contudo, com a tecnologia dos atuais microcontroladores tais erros são desprezíveis na
maioria das aplicações práticas.

Num sistema controlado por computador, as classes de leis de controle que podem ser
usadas pode ser aumentada. Por exemplo, é fácil usar cálculos não lineares, incorporar
lógicas e realizar cálculos exaustivos no controlador. Tabelas podem ser usadas para
armazenar dados e acumular conhecimento sobre propriedades do sistema.

Os processos de amostragem e quantização tendem a introduzir erros, contudo, com a

tecnologia dos atuais microcontroladores estes são desprezíveis na maioria das aplicações
práticas.
 b. Diferenças em Relação aos Sistemas Contínuos – Teoria Própria
Existem muitos aspectos de sistemas amostrados que podem ser entendidos pela
teoria de SLIT contínuos. Entretanto, tais sistemas não podem ser completamente
entendidos nesse contexto, necessitando de outras ferramentas de análise.
Por exemplo, a resposta de um sistema amostrado não é invariante no tempo, pois
depende do instante em que o ocorre a entrada. Se a entrada é atrasada, então a saída tem
o mesmo atraso somente se este é um múltiplo do período de amostragem, ou seja, a
resposta depende de como o evento está sincronizado com o relógio.
Exemplo 01: Dependência do tempo – seja a implementação de um compensador lag de 1ª ordem. Esse
compensador pode ser implementado usando um conversor A/D, um computador digital e um conversor
D/A. A equação diferencial de 1ª ordem é aproximada por uma equação de diferença de 1ª ordem. A
resposta ao degrau desse sistema, fig. 1, mostra que o sistema discreto não é invariante no tempo, pois a
resposta depende do instante em que o degrau ocorre. Se a entrada é atrasada, então a saída tem o mesmo
atraso somente se este é um múltiplo do período de amostragem.
O fenômeno ilustrado depende do fato que o sistema é sincronizado por um relógio. A resposta do
sistema a um estímulo externo dependerá de como o evento está sincronizado com o relógio do
computador.

Figura 2
Figura 1
Outro aspecto é que um sistema amostrado com amostragem periódica é um sistema
periódico. Assim é necessário considerar tal natureza pois, fenômenos como batimento
(harmônicos de ordem elevada) podem aparecer na saída do sistema amostrado devido à
interferência entre a frequência de entrada e a gerada no processo de amostragem.
Exemplo 02: Harmônicos de ordem elevada – A fig. 2 mostra o que pode acontecer quando um sistema
controlado por computador está sujeito a uma excitação periódica. Um sinal senoidal de frequência 4,9 Hz
é aplicado ao sistema do Ex.1. O fenômeno visto na fig. 2-b não pode ser explicado em termos de SLIT.

Por fim, sistemas controlados por computador podem se comportar muito melhor
que seus equivalentes contínuos no tempo, sendo esta a principal razão pela qual uma
teoria para sistemas amostrados é útil.
 2. Estrutura Básica de Controle Digital

Tipos de Sinais

a) Contínuo: É definido sobre uma variável independente contínua (tempo, t Є )

a.1) Analógico: A amplitude do sinal assume uma faixa contínua de valores.
a.2) Quantizado: A amplitude do sinal assume um conjunto finito de valores
distintos (quantizada).

b) Discreto: É definido sobre uma variável independente discreta (instantes

específicos do tempo, kT, onde T Є  e k = 0, 1, 2, 3, ...)
b.1) Amostrado: A amplitude do sinal assume uma faixa contínua de valores
b.2) Digital: A amplitude do sinal assume um conjunto finito de valores
distintos (quantizada)

a)Aanalógico b)Contínuo,quantizado
na amplitude

c)Amostrado d)Digital
Fig. 1 - Exemplos de diversos sinais

Tipos de Sistemas

a) Discretos (Contínuos): Contêm apenas sinais discretos (contínuos)

b) Amostrados: Contêm sinais contínuos que são discretizados (sistemas a dados
amostrados).
Topologia
O controle digital a ser estudado é para sistemas dinâmicos em malha fechada onde
as características da resposta da planta, y(t), e da ação de controle, u(t), são as
considerações principais no projeto. Uma topologia típica é mostrada na Fig. 2:
w(t)
y(t)
u(kT) u(t)
r(t) ê(t) m(kT) COMPUTADOR
A/D D/A ATUADOR PLANTA
+
DIGITAL
-

RELÓGIO

^
y(t)
SENSOR
v(t)

Fig. 2: Topologia típica de um sistema de controle digital

Notação:
r(t) - Entrada de referência
u(t) - Ação de controle (sinal de entrada de controle)
y (t ) - Saída do Sensor (normalmente contaminada por ruído)
^

y(t) - Resposta da planta (saída)

ê(t) - Erro aproximado
e(t) - Erro do sistema (r(t)-y(t))
w(t) - Distúrbio na planta
v(t) - Ruído no sensor
A/D - Conversor analógico-digital
D/A - Conversor digital-analógico
m(kT) - Erro discretizado (digitalizado)
u(kT) - Ação de controle discretizada (digital)

A planta a ser controlada é um sistema físico cuja resposta satisfatória, de acordo

com algum critério de projeto, requer uma ação de controle. Por resposta satisfatória
entende-se que a saída da planta, y(t), deve rastrear a entrada de referência, r(t),
independentemente de perturbações internas ou externas.
São considerados a seguir as características dos elementos introduzidos pelo uso de um dispositivo
digital para gerar a ação de controle.
Elementos Fundamentais
►Relógio interno do procesador: Produz um pulso a cada T segundos, intervalo de
tempo denominado período de amostragem e considerado constante. A cada pulso do
relógio o conversor A/D envia um número para o computador que efetua o cálculo da
ação de controle e envia um número para o conversor D/A. O inverso do período de
amostragem é denominado frequência de amostragem, ou seja:
f = 1/ T (1)

►Amostrador e segurador (sample and hold): Circuitos eletrônicos que realizam,

respectivamente, as seguintes operações: colher amostras de um sinal analógico e manter
constante o valor de uma amostra a cada período de amostragem.

►Conversor D/A: Realiza a função de decodificar um sinal de entrada digital, u(kT), num
sinal de saída analógico, u(t), usualmente na forma de uma corrente ou uma voltagem. É
necessário como interface entre um computador digital e um dispositivo analógico.
Também é conhecido como decodificador. Sempre contém um dispositivo HOLD.

► Computador digital: É um dispositivo que processa o sinal de erro digitalizado m(kT)

para gerar o sinal de controle digital u(kT), de acordo com o algoritmo de controle nele
implementado num programa.

► Conversor A/D: Converte um sinal analógico, ê(t), em um sinal de código digital,

m(kT). É necessário como interface para um dispositivo analógico cuja saída deve ser
processada por um computador digital. Sempre contém um circuito SAMPLE/HOLD

Na conversão A/D primeiro ocorre a amostragem do sinal contínuo e(t) para gerar
um sinal discreto, m(kT), depois ocorre a quantização do sinal discreto (Fig.3). Visto que,
uma palavra digital possuí um número finito de “bits”, ocorre então um arredondamento
no valor do sinal analógico resultando no que se denomina de erro de quantização.
e(kT)
111

110

101

100

011
Q
010

001

000
0 1.25 2.5 3.75 5.0 6.25 7.5 8.75 10 e(t)
Fig. 3 - Erro de quantização
 3. Equações de diferenças lineares
O computador pode ser visto como um componente de controle dinâmico linear. Na
Fig. 4, assumindo que o conversor A/D captura amostras do sinal analógico em instantes
de tempo discretos (kT = 0, T, 2T,...) e as envia para o computador tal que m(kT) = ê(kT).
O trabalho do computador é calcular o sinal de controle u(kT), a cada período de
amostragem, para ser aplicado na planta via conversor D/A. Serão ignoradas as
características específicas dos conversores A/D e D/A para dar atenção ao tratamento dos
dados no computador.

ê(t)
m(kT) COMPUTADOR u(kT) u(t)

A/D D/A
DIGITAL
RELÓGIO

Fig. 4 - Computador digital e interfaces

Sejam os valores do sinal de entrada até a m-ésima amostra anterior ao instante k,

e(k), e(k-1), e(k-2), ...,e(k-m), e os valores do sinal de saída anteriores ao instante k até a
n-ésima amostra, u(k-1), u(k-2), ..., u(k-n). Então, a saída no instante k, pode ser calculada
no computador por uma função expressa em forma simbólica na Equação 2.

u(k) = f[u(k-1), u(k-2),...,u(k-n), e(k), e(k-1), e(k-2), ...,e(k-m)] (2)

Supondo f(.) linear, invariante no tempo e causal (n  m), pode-se escrever a

Equação 3, chamada de equação de recorrência linear ou de diferenças e que tem muitas
similaridades com uma equação diferencial linear. Os ai’s e bi’s são números reais.

u(k) = a1u(k-1) + a2u(k-2) +...+ anu(k-n) + b0e(k) + b1e(k-1) + b2e(k-2)+...+ bme(k-m) (3)

Para resolver uma equação como a Eq. (3), precisa-se de um instante de partida e
das condições iniciais neste instante. Uma ferramenta conveniente para estudar tais
equações é a transformada Z.
 4. A transformada Z
A transformada Z unilateral mapeia uma sequência semi infinita de valores em
instantes discretos em uma função de uma variável complexa.
Seja um sinal contínuo f(t) que passa por um amostrador ilustrado na Fig. 5.

f(t) f*(t)

AMOSTRADOR

t 0 T 2T 3T 4T 5T
a) kT

oo
 (t-kT)
k=0 f(t)
f(t) f*(t)
1 p(t) T

f*(t)
0 T 2T 3T 4T 5T kT
b) c)
Fig. 5: a. – Amostrador b. Representação matemática c. Representação física

Seja f*(t) o sinal amostrado dado pela equação 7, onde “k” é um inteiro, Ts é o
período de amostragem e δ(.) é a função impulso unitário. Só os valores de kTs são
significativos para f(t).

f (t ) =  f (kTs ) (t − kTs )
*
(4)
k =0

A transformada de Laplace de f*(t) é dada na equação 8.

 
  − st 
L[ f (t )] = F ( s) =   f (kTs ) (t − kTs )e dt =  f (kTs )e − skTs
* *
(5)
0  k =0  k =0

− skT
Como F*(s) contém o fator e s , ao contrário da maioria das funções de
transferência e dos sinais em sistemas contínuos, ela não é uma função racional de “s”.
Assim, podem surgir dificuldades na obtenção da transformada inversa de Laplace.
Portanto, é desejável que transformemos primeiro a função irracional F *(s) em uma função
racional, digamos F(z), através de uma transformação da variável complexa “s” em uma
outra variável complexa “z”. Uma escolha para esta transformação é dada na Equação 6.

z = e sTs (6)
Definição
Seja o sinal discreto no tempo {f(kTs):k=0, 1, ...}, sua transformada Z é definida como:

Z  f (kTs ) = F ( z ) =  f (kTs ).z − k (7)
k =0

onde “z” é uma variável complexa. A transformada z inversa é dada por:

1
f ( kt ) =
2j  F ( z ).z k −1dz (8)

Propriedades da transformada z (seja Ts = T)

Sejam: F1(z) = Z[f1(kT)], F2(z) = Z [f1(kT)] e F(z) = Z[f(kT)].

1. Linearidade:
Z [f 1 (kT) + f 2 (kT)] = F1 ( z ) + F2 ( z );  e  R (9)
2. Convolução de sequência no tempo:

Z [ f1 (l ). f 2 (k − l )] = F1 ( z ).F2 ( z ) (10)
l =0

3. Deslocamento no tempo:
Seja e n   + . Então:
n −1
Z [ f (k + n)] = z [ F ( z ) −  f (kT).z − k ]
n
(11)
k =0
e
Z [ f ( k − n )] = z −n F ( z ) (12)

4. Escalonamento no plano-Z (Translação em z):

Sejam a, r  R, então:
Z [r − akT f (kT )] = F (r aT z ) (13)

5. Teorema valor inicial:

Seja F(z) = Z[f(kT)], então: f (0) = lim
z →
F ( z) (14)

6. Teorema do valor final: Se (1-z-1)F(z) tem todos os polos com módulo menor que um:
lim f (kT) = lim (1 − z −1 ) F ( z) (15)
k → Z →1
 Transformada de Laplace e Transformada Z
+

X (s) = 
0
x(t )e− st dt Z  f (kT ) = F ( z ) =  f (kt).z − k
k =0

x (t ) X (s) X (z )
Impulso unitário  (t ) 1 1

1 z
Degrau unitário u (t )
z −1
s

1 Tz
Rampa unitária r (t )
( z − 1) 2
s2

n! T 2 z ( z + 1)
Potência de t tn ; para n = 2
s n +1 ( z − 1) 3

1 z
Exponencial e − t
s + z − e −T
z ( z − cos wT )
Sinal cossenoidal cos ( t ) s
z − 2 z cos wT + 1
2
s +2
2


sen ( t )
z sin wT
Sinal senoidal
s 2 + w2 z − 2 z cos wT + 1
2

z
ak z−a

z
akcoskπ z+a

1- e − t
 (1 − e )z
−T

s(s +  )
(z − 1)(z − e ) −T

1 Tz e −T
t e − t (s +  )
(z − e )
2
−T 2

s + z 2 − ze −T cos T
Cosseno amortecido e − t
cos ( t ) (s +  ) 2
+ w2 z 2 − 2 ze −T cos T + e − 2T

 ze −T sin T
Seno amortecido e − t sen ( t ) (s +  ) 2
+w 2
z 2 − 2 ze −T cos T + e − 2T
Transformada z inversa
Assim como na solução de equações diferenciais utiliza-se a Transformada de Laplace e
sua inversa, a Transformada Z e sua inversa são usadas na solução de equações de
diferenças.
Z-1

X(z) x(kT) Fig. 6

Métodos:
i) Integral de Inversão: Utiliza a equação 11. Extremamente trabalhoso (não será visto);
ii) Expansão por série Infinita de Potência: Não fornece uma expressão geral para x(kT)
a partir de X(z);
iii) Expansão em frações parciais: Mais simples e direto.

a) Expansão por Série Infinita de Potência: Da definição 10 tem-se (T=1):


Z [ f (k )] = F ( z) =  f (k )z −k = f (0) + f (1)z −1 + f (2)z −2 + ... + f (n)z −n + ... (16)
k =0

Os valores de f(k) são obtidos por inspeção direta. Se F(z) é dada na forma de função
racional (Função de Transferência), a expansão em série infinita é obtida simplesmente
pela divisão do numerador pelo denominador. Neste caso, tanto o numerador quanto o
denominador devem ser escritos como potências ascendentes de z –1.

b) Expansão em Frações Parciais:

Normalmente, nas tabelas de transformada Z, o fator z aparece no numerador dos
−1
termos. Assim, para obtermos f (k ) = Z [ F ( z )] , expande-se F ( z ) z em frações parciais,

multiplica-se ambos os lados da expansão por z e utiliza-se uma tabela de

transformadas.
5. A FUNÇÃO DE TRANSFERÊNCIA DISCRETA
Considere o sistema discreto descrito pela Eq. (3) repetida a seguir:
u(k) = a1u(k-1) + a2u(k-2) +...+ anu(k-n) + b0e(k) + b1e(k-1) + b2e(k-2)+...+ bme(k-m)
(17)
Tomando a transformada Z desta equação:
U ( z ) = a1 z −1U ( z ) + a 2 z −2U ( z ) + ... + a n z − nU ( z ) + b0 E ( z ) + b1 z −1 E ( z ) + ... + bm z − m E ( z )

Analogamente ao caso contínuo, a função de transferência discreta é definida como sendo

a relação entre e transformada Z da saída U(z), e a transformada Z da entrada E(z). Assim,

U ( z) b0 + b1 z −1 + ... + bm−1 z −( m−1) + bm z − m

H ( z)  = (18)
E( z) 1 − a1 z −1 − a 2 z −2 − ... − a n −1 z −( n −1) − a n z −n
e se n  m , podemos escrevê-la como uma relação de polinômios em z da seguinte forma:
b0 z n + b1 z n −1 + ... + bn z n −m b( z)
H ( z)  n n −1 n −2
= (19)
z − a1 z − a 2 z − ... − a n −1 z − a n a( z)

Significado físico para a variável Z.

Supondo todos os coeficientes na equação (18) nulos, exceto b1 = 1. Então H(z) = z -1.
Como H(z) representa a Transformada de (17), a equação de diferenças se reduz a:
u(k) = e(k-1) (20)
Assim, a função de Transferência G(z) = z-1 corresponde a um atraso de uma unidade de
tempo.
ek = u k +1 −1 u k = e k −1
Z
E(z) U ( z ) = z −1 E ( z ) Fig. 7

Relação Entre a função de Transferência Discreta e a Resposta ao impulso

Para uma H(z) arbitrária, podemos também ter um significado físico no domínio do
tempo. Como E( z) =  e(k ) z − k e sendo a entrada e a saída relacionadas por U ( z) = H ( z) E ( z) ,

1 → k = 0
Eq. 18, se e(k) é um impulso discreto unitário definido por: e(k ) =  k =  (21)
0 → k  0

Então, E(z) = 1 e portanto: U(z) = H(z) (22)

Logo a função de transferência H(z) é vista como sendo a transformada Z da resposta u(k)
do sistema a uma entrada impulso unitário.
Capítulo II Análise de sistemas amostrados
1.Equivalentes Discretos de Modelos Contínuos (ou filtros digitais)
O objetivo desta seção é apresentar diferentes maneiras para se obter um equivalente
discreto de um sistema contínuo, ou seja, dada uma G(s) determinar uma G(z) que tenha
resposta temporal próxima a do sistema contínuo para uma entrada de mesma natureza.

Filtros são dispositivos que permitem a passagem de determinadas componentes de

frequência de um sinal e rejeição de outras, ou ainda, que possuem características
específicas de transmissão de amplitude e fase. Como a teoria de filtros analógicos é bem
estabelecida, deseja-se obter filtros digitais, a partir de analógicos que tenham senão as
mesmas características, mas características muitos próximas destes, ou seja, obter
equivalentes discretos.

Os equivalentes discretos se aplicam também no projeto de controladores digitais. Para

tanto têm-se duas situações possíveis:

Caso 1: Considerando que um compensador contínuo foi projetado e produz um bom

desempenho para o sistema em malha fechada, deseja-se obter seu equivalente
discreto com as mesmas características. Neste caso pode-se usar um dos seguintes
métodos:
a. Integração Numérica: Retangular; Retangular Avançada; Trapezoidal (ou
Bilinear, ou de Tustin)
b. Mapeamento de Polos e Zeros (M.P.Z)

Caso 2: Considerando que se deseja projetar diretamente um controlador discreto (digital),

deve-se obter o equivalente discreto da planta. Neste caso deve-se usar o método do
Hold-Equivalente (Z.O.H.)

a. Método da Integração Numérica

U(s) 1
Seja o sistema: = H(s) = (23)
E(s) s
•
Sua equação diferencial correspondente é: u=e (24)


cuja solução é dada por: u (t ) =  e( )d , (25)

0
que, na versão discreta, é aproximada por :
kT −T kT
u (kT ) =  ed +
0
 ed = u(kT − T ) + área
kT −T
de (e) sobre kT − T    kT

Então, podemos desenvolver muitas regras baseadas na escolha da aproximação para o

termo de área incremental. Definindo x(t) = e(t) , as escolhas da aproximação são as
descritas no exemplo 5 a seguir e ilustradas na Fig. 8.
Exemplo 05: Suponha que tenhamos um sinal contínuo e(t), mostrado na Fig. 8, e desejamos encontrar
uma aproximação para a integral da Eq. 4, usando somente os valores discretos e(0),...e(kT-T), e(kT).
e(t) Retangular direta
e(kT)
e(kT-T)
Trapezoidal
e(kT)

Retangular
A Reversa

t=kT
kT-T kT
Fig. 8: Aproximações para a integral
t
I =  e(t ) dt ou I ( s) = E ( s) / s
0
(26)

Seja u(kT-T) uma aproximação para a integral de zero até t = kT-T. O problema é obter u(kT) a partir
desta informação. Sendo a integral a área sob a curva entre kT-T e kT, tem-se: O retângulo de altura
e(kT-T); o retângulo de altura e(kT); e o trapézio formado por uma reta ligando e(kT-T) a e(kT).
a1. Aproximação retangular direta (forward): a área do retângulo de altura e(kT-T) é
A = e(kT-T)*[kT-(kT-T)] = e(kT-T)*T (5a)
A integral fica: u(kT) = u(kT-T) + A;
Tomando a transformada Z: U(z)[1-z-1] = Tz-1E(z) ou seja: H(z)= Tz-1/[1-z-1]
Igualando as integrais (discreta e contínua): U(z) = [1-z-1]-1Tz-1E(z)  I(s) = E(s)/s;
O equivalente discreto neste método é obtido por: s= [1-z-1]T-1z = (z-1)/T (27)
a2. Aproximação retangular reversa (backward): a área do retângulo de altura e(kT) é:
A = e(kT)*[kT-(kT-T)] = e(kT)*T (5b)
A integral fica: u(kT) = u(kT-T) + A;
Tomando a transformada Z: U(z)[1-z-1] = TE(z) ou seja: H(z)= T/[1-z-1]
Igualando as integrais (discreta e contínua): U(z) = [1-z-1]-1TE(z)  I(s) = E(s)/s;
O equivalente discreto neste método é obtido por: s = [1-z-1]/T = (z-1)/zT (28)
a3. Aproximação Trapezoidal (ou Tustin): a área do trapézio é:
A = [e(kT-T) + e(kT)][kT-(kT-T)]/2 =[e(kT-T) + e(kT)][T/2] (5c)
A integral fica: u(kT) = u(kT-T) + A;
A transformada Z: U(z)[1-z-1] = (T/2)[E(z)(z-1+1)] ou H(z)= (T/2) (z-1+1) /(1-z-1)
Igualando as integrais: U(z) = (T/2) (z-1+1) /(1-z-1)E(z)  I(s) = E(s)/s;
O equivalente discreto é obtido por: s = (2/T)(1-z-1)/(z-1+1) = (2/T)(z-1)/(z+1) (29)
O mapeamento no plano Z do semi-plano esquerdo do plano S, por essas aproximações, é:
Imag.. Imag..
j Imag..
a) b) c)
Real

1 Real 1
Real

Fig. 9: a) Retangular direta ; b) Retangular Reversa ; c)Trapezoidal (ou Tustin)

b. Método do Mapeamento de Polos e Zeros (MPZ)
A transformação z = esT permite que um polo em H(s) possa ser mapeado para um
polo em H(z). Entretanto isto gera uma questão: Como os zeros de H(s) seriam então
mapeados para H(z). A idéia do M.P.Z. é que a transformação z = esT possa ser aplicada
também aos zeros. Assim, o M.P.Z. consiste de um conjunto de regras heurísticas para
alocar os zeros e o ganho DC de uma função de transferência H(s) para uma
correspondente H(z). Estas regras são (heurísticas):

1. Todos os polos de H(s) são mapeados de acordo com z = esT.

Polo em s = a Polo em z = e-aT
2. Todos os zeros finitos e H(s) são mapeados por z = esT..
Zero em s = -b Zero em z = e-bT
3. Todos os zeros no infinito de H(s) são mapeados para o ponto z = -1

OBS. Se, por alguma razão, é desejável uma unidade de atraso na função de transferência
discreta (p. ex., o tempo necessário para processar cada amostra), então é adicionado a
H(z) um zero no infinito.

4. O ganho de H(z) é determinado por H(s) s =0 = H(z) z =1 (30)

c. Método do “Hold Equivalente” (Z.O.H. – Segurador de ordem zero)

ZOH é o dispositivo mais simples e causal para a reconstrução de um sinal contínuo.
Matematicamente: f(t) = f(kTs); kTs ≤ t < kTs+Ts (31)
A filosofia da aproximação por ZOH é determinar um sistema discreto que, com uma
entrada consistindo de amostras e(k), do sinal contínuo e(t), tenha uma saída que
aproxime a saída discretizada de H(s), u(k), cuja entrada é o sinal contínuo e(t). Isto é
realizado pelo esquema da Fig. 10 considerando que o ZOH mantém constante e(k) por
um período de amostragem.

e(t) e(k) e(t) u(t) u(k)

Z. H .O H(s)
e*(k) u*(k)
Fig. 10
A Fig. 11, ilustra a saída de um ZOH para a sequência f(kT) = { 0, 1.5, 2, 2.5, 2, 1.5, 1.5,
1.5, 1.5....}. Mantém constante o valor da amostra do sinal durante um período de
amostragem , T.
f(t)
3
2.5
2
1.5
1
o
o 1 2 3 4 5 6 7 8 t
Fig. 11 - Segurador de ordem zero

Um ZOH pode ser representado pela Fig. 12. É visto como um pulso de amplitude igual
ao valor da amostra.
(a)
Z.O.H
f(kT) f(t)
T t

1 T

s -
T t
1
−Ts
s e

Fig. 12 Representação de um ZOH

1 1 −Ts 1 − e −Ts
A função de transferência do dispositivo ZOH fica: GZHO ( s) = − .e = (32)
s s s
Então a função de transferência discreta de uma planta precedida por um ZOH é:

U(z) (1 − e −Ts ) 

H(z) = = Z .H(s)  (33)
E(z)  s 

 H(s)
Como que e = z , obtemos:
− Ts −1
H(z) = (1 − z −1 )Z  (34)
 s 

f (kT) − f (kT − T )
OBS. Segurador de 1ª. ordem: f (t ) = f (kT) + t − kT, para kT  t  kT + T
T
2
1 + Ts 1 − e −Ts 
Com função de transferência: G H 1 (s) =   .
T  s 
2. Mapeamento Entre o Plano S e o Plano Z
Considerando um sinal discreto, u(kT), como amostras de um sinal contínuo, u(t), então, os polos da
transformada de Laplace do sinal contínuo se relacionam com os polos da transformada Z do sinal
discreto pela equação z = esT .
Ou ainda, se para um dado polo no plano S se conhece as características temporais (resposta no
tempo), a equação z = esT permite descobrir onde se situa um polo no plano Z com mesmas características
de resposta no tempo.
Desta forma, podemos explorar os conhecimentos das características do plano S e então transferi-las
para propriedades equivalentes no Plano Z.
O mapeamento z = esT é de muitos para um. Existem muitos valores de s para um mesmo z.

Se so = σ + jw, e sn = so + j(ws/2)n = σ + j[w+(ws/2)n], com ws = 2πf = 2π/T e n = 1, 2, 3, ...

Então, zo = esoT = e(σ + jw)T = eσTe jwT = eσT(coswT + j senwT) ou z o = eT ; z o = wT ;
Se n = 1 s1 = σ + j[w+(ws/2)]
Então, z1 = es1T = e{σ + j[w+(ws/2)]}T = eσTe j[w+(ws/2)]T ou z1 = z0 ; z1 = wT +  = z0 +  ;
Se n = 2 s2 = σ + j(w+ws)
Então, z2 = es2T = e[σ + j(w+ws)]T = eσTe j(w+ws)T ou z2 = z0 ; z2 = wT + 2 = z0 + 2 = z0 ;
Se n = 3 s3 = σ + j(w+3ws/2)
Então, z3=es3T = e[σ+j(w+3ws/2)]T = eσTej(w+3ws/2)T ou z3 = z0 ; z3 = wT + 3 = z0 + 3 = z1 ;
Se n = 4 s4 = σ + j(w+2ws)
Então, z4=es4T = e[σ+j(w+2ws)]T = eσTej(w+2ws)T ou z4 = z0 ; z4 = wT + 4 = z0 ;

Assim, o plano S é definido em um número infinito de faixas periódicas. A faixa primária se estende
de W = − Ws a W = + Ws , e as faixas complementares se estendem de − Ws a − 3Ws , − 3Ws
2 2 2 2 2
a − 5Ws , ... , para frequências negativas, e de Ws a 3Ws , 3Ws a 5Ws ,... , para frequências
2 2 2 2 2
positivas, conforme mostra a Fig. 13.
jw

s + j3Ws 7Ws/2

s + j2Ws 5Ws/2

s + jWs 3Ws/2
Fig. 13
s FAIXA Ws/2 
PRIMARIA
-Ws/2
s - jWs
-3Ws/2
s - j2Ws
-5Ws/2
s - j3Ws
-7Ws/2

Considerando apenas a faixa primária mostrada na Fig. 14a, o caminho descrito por
(1)→(2)→(3)→(4)→(5)→ (1) no semi-plano esquerdo do plano S é mapeado no círculo unitário centrado
na origem no plano Z pela transformação z = e sT, conforme o caminho descrito na Fig. 14b.
 PLANO S jw PLANO Z
jIm(z)

2 Ws/2
3
 1
o
2 3 1
5 4
4 Re(z)
5
-Ws/2
Fig. 14a Fig. 14b

Todas as outras faixas complementares são também mapeadas dentro do círculo unitário no plano Z.
Assim, todos os pontos no semi-plano esquerdo do plano s são mapeados dentro da região interna do
círculo unitário no plano Z.
Os pontos no semiplano direito do plano S são mapeados na região externa ao círculo unitário no plano Z.
Tais características são ilustradas na Fig. 15 e as devidas correspondências são descritas na Tabela 2.2.

Fig. 15
Podemos também predizer qual será a resposta natural do sistema (resposta ao pulso unitário) pela
localização do(s) polo(s) no plano Z, tal como é feito no plano S para o caso contínuo. Isto é mostrado na
Fig. 16.
 Fig. 16 - Resposta transitória característica em função da posição dos polos no plano Z.

3 AMOSTRAGEM DE SINAIS CONTÍNUOS NO TEMPO

Até agora, consideramos apenas o tratamento dos dados no computador, desprezando as
características das conversões A/D e D/A. Nesta seção, estudaremos basicamente o
processo de amostragem de sinais contínuos, para que estes possam ser discretizados e
tratados pelo computador, e também o processo de reconstrução do sinal a partir de sinais
discretos, para que este possa ser aplicado à parte contínua do sistema.

O mecanismo de amostragem
Na seção anterior, observamos que o mapeamento do plano S para o Z é de muitos para
um. Isto se deve ao fato do processo de amostragem provocar a geração de harmônicos.

Análise espectral
A função p(t), Fig. 11, é periódica, logo ela pode ser expandida em série de Fourier.

1 Τ/2 − jnωst
C e
jnws t
p(t ) = n onde: Cn =  p(t)e
n=− Τ −Τ/2
Como,

f*(t) = f(t) p(t),

então:


C e
jnws t
f (t ) =
*
n f (t )
n = −

A transformada de Fourier do sinal amostrado, f*(t), é obtida da seguinte maneira:

     
F ( f ) =  f (t )e   Cn e  n
− jwt − jwt − j ( w−nw s ) t
*
dt = jnw st
f (t )e dt = C x (t ) e dt
− −n=− n=− −
Mas,


 x(t )e
− j ( w−nws ) t
dt = X ( f − nfs )
−

Logo, F( f ) =  C F ( f − nf )
n=−
n s (35)

Portanto, o espectro de frequências do sinal amostrado, f*(t), é dado pelo espectro do

sinal analógico x(t) mais o espectro de x(t) deslocado para todas as frequências múltiplas
da frequência de amostragem fs.
A Eq. (35) indica que o amostrador ideal reproduz em sua saída o espectro da entrada
contínua f(t) bem como as componentes complementares em frequências que são
múltiplas inteiras da freqüência de amostragem. Assumindo que o espectro de amplitude
do sinal contínuo f(t) é como o mostrado na Fig. 17 (a), o correspondente espectro de
amplitude do sinal amostrado f*(t) , quando Ws > 2Wc, é mostrado na Fig. 17 (b), onde Wc
é a frequência mais alta contida em f(t) e Ws é a frequência de amostragem.

Fig. 17

Se a frequência de amostragem é menor que 2Wc, então ocorrerá distorção no espectro

de saída devido a superposição na banda de passagem em F * ( jW )
O teorema da amostragem de Shannon
Uma função do tempo e(t) que não contém componentes de frequência maiores que fo, Hz,
(wo=2πfo) é unicamente determinada pelos valores amostrados de e(t) para qualquer
conjunto de amostras equidistantes se a frequência de amostragem é maior que 2fo
(Ws>2wo). A frequência Ws = 2Wo, que desempenha um papel importante, é chamada de
frequência de Nyquist. Na prática outras considerações também ditam a escolha da
freqüência de amostragem e podem exigir uma taxa muito maior que este mínimo teórico.
Regra prática para especificação do período de amostragem (T)
Independente do método a ser utilizado para o projeto do controlador digital, a escolha
adequada do período de amostragem é fundamental. Esta, por sua vez, está intimamente
relacionada à dinâmica da planta. Dentre os critérios para especificação tem-se:
a. 5 a 10 amostras por tempo de subida: tr/10 ≤ T ≤ tr/5
b. 5 a 10 vezes menor que a menor constante de tempo do sistema: τmin/10 ≤ T ≤ τmin/5
c. Obter a resposta ao degrau unitário em malha fechada do sistema contínuo a ser
controlado e partir desta, estabelecer de 5 a 10 amostras para o intervalo de tempo
correspondente ao tempo de subida.

4. ESTABILIDADE DE SISTEMAS DISCRETOS

A condição necessária e suficiente para que um sistema discreto (linear e invariante no
tempo) seja estável, é que todos os seus polos estejam situados no interior, ou no máximo
em cima do círculo de raio unitário no plano z.
Seja o seguinte sistema discreto,

b1z−1 + b 2 z−2 +......+bm z−m

G(z) = (36)
1− a1z−1 − a 2 z−2 − a 3z−3 −......−a n z−n
considerando, sem perda de generalidade, que todos os seus polos sejam reais, e usando
expansão em frações parciais, tem-se que,

N(z) zA1 zA2 zAn

G(z) = = + +.....+ (37)
D(z) z−p1 z−p2 z−pn
sendo a entrada impulsiva e o período de amostragem unitário, a aplicação da
transformada Z inversa, resulta.

y(k) = A1(p1)k + A2(p2)k +.......+An(pn)k (38)

Da equação (1.8.3), resulta que se todos os polos tem módulo menor ou igual a um, a
resposta jamais tende para infinito (sistema estável). Caso contrário, se pelo menos um
dos polos tem módulo maior que um, a resposta tenderá para infinito (sistema instável).
Dois métodos para análise de estabilidade são apresentados a seguir.

CRITÉRIO DE JURY
Dado o polinômio característico de um sistema na forma da Eq. 39, onde os ais são
coeficientes reais e an é positivo (senão, multiplica-se F(z) por menos um), constrói-se a
Tabela 1 usando as Eq. 40 a 43 para obter seus elementos e as condições necessárias e
suficientes para estabilidade são as relacionados nos itens de (a) a (n).

F(z) = a zn + a zn − 1 +.....+ a z2 + a z + a (39)

n n-1 2 1 o
Linha zo z1 z2 zn-3 zn-2 zn-1 zn
1 ao a1 a2................an-3.......an-2 an-1 an
2 an an-1 an-2.............a3..........a2 a1 ao
3 bo b1 b2................bn-3.......bn-2 bn-1
4 bn-1 bn-2 bn-3..............b2..........b1 bo
5 co c1 c2................cn-3.........cn-2
6 cn-2 cn-3 cn-4..............c1............co

2n-5 po p1 p2 p3
2n-4 p3 p2 p1 po
2n-3 qo q1 q2
TABELA 1 - ARRANJO PARA CRITÉRIO DE JURY

a a
b = o n− k k = 0, 1, ..., n-1 (40)
k a a
n k
b b
c = n-1− k
o k = 0, 1, ..., n-2 (41)
k b b
n-1 k
p p
q = o 3 (42)
o p p
3 o
 p p
q = o 1 (43)
2 p p
3 2
Condições necessárias e suficientes para estabilidade pelo critério de Jury.
a) F( 1) > 0
b) F(-1) > 0 para “n” par
<0 para “n” ímpar
c) a  a
o n
d) b > b
o n-1
e) c > c
o n- 2
...
n) q > q
o 2
CRITÉRIO DE ROUTH
A estabilidade para sistemas lineares, invariantes no tempo e contínuos, é garantida se os
polos se situam no semi-plano esquerdo do plano “S” Como foi visto anteriormente, nos
sistemas discretos a estabilidade está associada ao interior do círculo unitário. Desde que,
a transformação bilinear (Tustim) faz o mapeamento do semi-plano esquerdo do plano “S”
no interior do círculo unitário no plano “Z”, então, pode-se utilizar diretamente o critério
de estabilidade de Routh para sistemas discretos, desde que, converta-se o polinômio
característico do sistema discreto F(z) num polinômio característico em “s”, F(s), usando a
transformação bilinear, que é dada por:

2 z− 1
s= . (44)
T z+ 1
ou ainda,
1+ (T/2)s
z= (45)
1− (T/2)s
Assim, dado um polinômio F(z), utiliza-se a Eq. 45 para converte-lo num polinômio F(s),
e em seguida aplica-se o critério de Routh-Hurwitz exatamente da mesma maneira como
este é estabelecido para sistemas contínuos.
5. LUGAR GEOMÉTRICO DAS RAÍZES PARA SISTEMAS DISCRETOS
Seja o sistema discreto da Fig. 18
R Y
0 K Gc(z) Gp(z)
-
Fig. 18: Sistema discreto em malha fechada.

Y ( z) KGc ( z )G p ( z )
Sua função de transferência de malha fechada é: =
R( z ) 1 + KGc ( z )G p ( z )
Portanto o polinômio característico de malha fechada é: 1 + KGc(z)Gp(z) = 0 (46)
Def. I: O LGR são os pontos no plano “z” para sistemas discretos (ou no plano “s” para
sistemas contínuos) onde se encontram as raízes do polinômio característico do sistema
em malha fechada, conforme algum parâmetro varia de zero até infinito. Os pontos no
LGR são os polos do sistema de malha fechada.
Def. II: O LGR de 1 + K Gc(z)Gp(z) = 0 é o lugar dos pontos no plano “z” onde a fase de
Gc(z)Gp(z) é 180o, ou seja:  Gc(z)Gp(z) = 180o
Sendo a Eq. 1.10.1 a mesma encontrada para sistemas contínuos, então as mesmas regras
para construção do LGR em sistemas contínuos valem para os Sistemas discretos. Muda o
significado, pois nos discretos, o LGR deve ser interpretado em relação ao círculo
unitário.
Resumo das regras de construção de um LGR.
1: Marcar no plano “Z” os polos (X) e zeros (O) de malha aberta. Definir: n= número de
polos de malha aberta e m = número de zeros de malha aberta.
2: O LGR só existe no eixo real em regiões à esquerda de um número ímpar de polos mais
zeros. Marcar estas regiões.
d[Gc( z)Gp( z)]
3: Os possíveis pontos de ramificação são obtidos por: =0
dz
4: O número de assíntotas, suas inclinações e ponto de encontro, são obtidos,
respectivamente, por:
q = 0, 1, 2, ..., n-m-1
(2q + 1)
q
m−n

=  polos − zeros
m−n
5: A intercessão com o círculo unitário (que corresponde a intercessão com o eixo
imaginário no plano “s”), pode ser obtida pelo critério de Routh usando a transformação
bilinear.
6: Ângulos de partida dos polos (ou chegada dos zeros) podem ser obtidos pela condição
de fase, isto é: Gc(z)Gp(z) = 180o
7: O LGR inicia nos polos de malha aberta e termina nos zeros de malha aberta
6. ESPECIFICAÇÕES PARA PROJETO DE CONTROLADORES DIGITAIS
O problema de projeto de controladores digitais tem a mesma formulação do caso
analógico, isto é, dada uma planta e um conjunto de especificações, deve-se determinar
um controlador tal que, o sistema total (planta e controlador) em malha fechada, atenda as
especificações. Para controladores digitais, existem duas abordagens:

Discretização de um controlador analógico

R Y
0 Gc(s) Gp(s)
-

Fig. 19: Sistema analógico em malha fechada.

a. Projeta-se o compensador Gc(s) de acordo com alguma técnica de modo a atender as
especificações.
b. Especifica-se o período de amostragem de acordo com uma das regras práticas (item 8)
c. Determina-se o equivalente discreto Gc(z) de Gc(s) de acordo com uma das técnicas do
item 6. Sendo recomendável apenas os métodos bilinear ou Hold equivalente.

Discretização da planta seguida do projeto do controlador

R Y
0 Gc(z) ZOH Gp(s)
-

Fig. 20 - Sistema digital em malha fechada

a. Especifica-se o período de amostragem de acordo com uma das regras práticas (item 8)
b. Determina-se o equivalente discreto Gp(z) da planta Gp(s) pelo método ZOH.
c. Projeta-se o compensador Gc(z) de acordo com alguma técnica (métodos analíticos,
LGR, resposta em frequência, alocação de polos, etc.) de modo a atender as
especificações.

Dentre as técnicas para projeto de controladores (analógico ou digital) tem-se:

a. Tentativa e erro
b. Métodos analíticos
c. Root Locus (LGR)
d. Resposta em frequência
e. Alocação de polos: Por espaço de estados ou função de transferência
f. Critérios de otimização: Por espaço de estados ou função de transferência
Especificações de Projeto
De um modo geral as especificações de projeto podem ser dadas como:
a. Precisão na resposta em regime permanente: Coeficientes de erro.
b. Precisão na resposta transitória: Tempo de subida, sobre sinal, tempo de
estabilização.
c. Rejeição de distúrbio: Em regime permanente, na resposta transitória.
d. Esforço de controle requerido: Máxima magnitude, energia mínima.
e. Sensibilidade a mudança de parâmetros.
f. Modelo de referência: O sistema em malha fechada deve ter um comportamento
equivalente ao de um modelo pré-estabelecido (normalmente de segunda ordem).
Precisão da resposta em regime permanente
Via de regra, esta especificação é feita em termos de coeficientes de erro estático
definidos a seguir.
R Y
0 Gc(z) Gp(z)
-
Fig. 21: Sistema discreto em malha fechada.

Para o sistema da Fig. 21, tem-se: E(z) = R(z) – Y(z); E ( z) = 1− Y ( z) = 1− Gc ( z)G p ( z)

R( z) R( z ) 1+ Gc ( z)G p ( z)

Logo a transformada Z do erro e(kT) é: E( z) = 1 (47)

R(z)
1+Gc( z)Gp( z)
N
Supondo: Gc( z)Gp( z) = K (Ta z +1)(Tb z +1).... z 
(T1 z +1)(T2 z +1)...  z −1 
Tipo de um sistema: É dado pelo número de integradores, ”N”, no caminho direto (polos
situados em z = 1) para um sistema com realimentação unitária negativa.
N=0➔tipo zero➔Gc(z)Gp(z) não tem nenhum integrador
N=1➔tipo um ➔Gc(z)Gp(z) tem um integrador
O valor final de e(kT), se as raízes de 1+Gc(z)Gp(z) = 0, estão dentro do círculo unitário é:
R(z)
e() = Lim (z − 1). . (48)
z→1 1+ Gc(z)Gp(z)
Degrau: R( z) = z ; r (kT) = 1
z −1
Rampa: R( z ) = Tz 2 ; r (kT) = kT
( z − 1)

Parábola: R( z ) = T z ( z +31) ; r (kT) = (kT) 2

2

( z − 1)
Coeficiente de erro de posição estático (Kp):
Para uma entrada degrau unitário: e() = z 1 1
Lim ( z −1) = (49)
z →1 ( z −1) (1+Gc( z)Gp( z)) 1+ Kp
Onde: Kp = Lim G ( z)G ( z) = Gc(1)Gp(1) (50)
c p
z→1
Para sistemas do tipo zero Kp é um número finito ➔ e() = 1
1+ Kp
Para sistemas do tipo um ou maior, Kp →  .➔ e() = 0

Coeficiente de erro de velocidade estático (Kv):

Para uma entrada rampa unitária: e() = Tz 1 T
Lim ( z −1) =
z →1 ( z −1) (1+ Gc( z)Gp( z)) Kv
2

onde : K = Lim( z − 1)[1 + Gc( z)Gp( z)] (79)

v z →1
Para sistemas do tipo zero Kv = 0 ➔ e() = 
Para sistemas do tipo um Kv é um número finito➔ e() = T
Kv
Para sistemas do tipo dois ou maior, Kv →  ➔ e() = 0

Coeficiente de erro de aceleração estático (Ka):

Para uma entrada parábola: e() = T 2 z( z +1) 1 2T 2

Lim ( z −1) =
z →1 ( z −1) 3 (1+Gc( z)Gp( z)) Ka
onde : K = Lim( z −1) 2 [1 + Gc( z)Gp( z)] (51)
a z →1
Para sistemas do tipo zero Ka = 0➔ e() = 
Para sistemas do tipo um Ka = 0➔ e() = 
2
Para sistemas do tipo dois ou maior, Ka= Ka ➔ e() = 2T
Ka
Degrau Rampa Parábola
Tipo zero 1  
1+ Kp
Tipo um 0 T 
Kv
Tipo dois 0 0 2T 2
Ka
Precisão da resposta transitória
Diz respeito a habilidade do sistema em manter o erro pequeno durante variações do sinal
de referência. As especificações de transitório podem ser feitas no domínio do tempo, e
então mapeadas para o domínio da frequência em termos da localização de polos, seja no
plano S ou no plano Z. Sejam: tr*: Tempo de subida desejado;
ts*: Tempo de estabilização desejado;
Mp*: Sobre sinal máximo desejado.
Estas especificações podem ser expressas em termos de desigualdades relacionando a
frequência natural (wn), e o coeficiente de amortecimento (  ) para um par desejado de
polos complexos dominantes (expressões válidas para um sistema de 2a ordem sem zeros).
wn 1.8 / tr* (52)
  0.6 (1 - Mp*) (53)
σ=  wn  4.6/ts* (54)

Sendo os polos definidos por: s = − .w  j.w . 1− 2 (55)

n n

As inequações 52 a 53 caracterizam regiões no plano S, conforme mostra a Fig. 22a e 22b.

Im(s) Im(s) Im(s) Im(s)

  
Wn σ
cos=ξ
Re(s) Re(s) Re(s) Re(s)

Fig. 22a: Regiões do plano S definidas pelas inequações 80, 81 e 82 Fig.22b: Intercessão.

Usando o mapeamento z = esT , é possível expressar as especificações em termos de polos

dominantes situados no plano Z, ou seja:
(−wn  jwn 1− 2 )T −wn T
z=e =e (cos wnT 1 −  2  jsinwnT 1 −  2 ) (56)
−wn T
ou, z =e ;z = wnT 1 −  2 (57)
De modo análogo, as inequações 52 a 54 caracterizam regiões no plano Z, conforme
mostrado nas Fig. 23a e 23b.
Im(z) Im(z) Im(z) Im(z)
  

Re(z) Re(z) Re(z) Re(z)

Fig. 23a: Regiões do plano Z definidas pelas inequações 80, 81 e 82 Fig. 23b: Intercessão.
 ESPAÇO DE ESTADOS

1. Introdução
Um sistema linear, invariante no tempo, relaxado, a parâmetros concentrados e mono variável
pode ser descrito por uma equação diferencial da forma:
n n −1 0 n −1 n−2 0
y(t ) + a1 y(t ) + ... + an−1 y(t ) + an y(t ) = b1 u(t ) + b2 u(t ) + ... + bn−1 u(t ) + bn u(t ) (1)

n➔ ordem do sistema

A eq. (1) pode ser representada no domínio da frequência, pelo uso da transformada de Laplace,
em termos da seguinte função de transferência:
n −1 n−2
Y ( S ) b1 S + b2 S + ... + bn−1 S + bn
G(S ) = = n n −1
(2)
U (S ) S + a1 S + ... + an−1 S + an

A análise (projeto de controlador) do sistema pode ser feita a partir da eq. (2), pelo uso de técnicas
clássicas de controle como: Critério de Routh, Lugar Geométrico das Raízes, Diagrama de Bode,
Diagrama de Nyquist . . .
A eq. (1) pode ainda ser representada no domínio do tempo, por um conjunto de n equações
diferenciais de 1a ordem da forma:

 •
= A. X (t ) + B.u (t )
 X (t )
Equação de estado (3)
 Y (t ) = C. X (t ) + D.u (t ) Equação de saída

onde,
A: Matriz n x n X(t): Vetor de Estados n x 1
B: Vetor n x 1 u(t): Ação de Controle 1 x 1
C: Vetor 1 x n y(t): Saída 1x1
D: Escalar 1 x 1

Obs. Sistema Mono variável.

A descrição (3) é conhecida como representação de estados, e toda análise (projeto de controlador)
realizada a partir da mesma é denominada de técnica moderna de controle. Tal descrição tem como
características:
a) Permitir a descrição de modelos mais gerais como: sistemas multivariáveis, variantes no tempo ou
não-lineares.
b) Descrição completa do sistema.

2. Conceitos
• Estado: O estado de sistema dinâmico é o menor conjunto de variáveis tal que, o
conhecimento destas em t = t0, juntamente com a entrada u(t) para t  t0, determina completamente o
comportamento do sistema para qualquer instante t  t0.

• Variáveis de Estado: São o menor conjunto de variáveis que determinam o estado de um

sistema dinâmico.
Ex1: Obter o modelo de estados para o sistema descrito por:
••• •• •
y + 6 y + 11 y + y = 6u

Solução: Desenhar um diagrama de simulação

••• •• •
u y 1 y 1 y 1 y
6
S S S
6

11

As variáveis de estado são definidas como as saídas dos integradores i.e.

•
x1 = y  x = x2
.
• •
x2 = y  x 2 = x3
•• •
x3 = y  x 3 = − x1 − 11x2 − 6 x3 + 6u
Então:
 0 1 0  0  x1 
 •      
x= 0 0 1  x + 6 0  u onde x =  x2 
 − 1 − 11 6   6 x 
     3
y = (1 0 0)x
OBS: n=3 3 variáveis de estado.

As variáveis de estado não necessariamente são grandezas físicas. Na prática, contudo, é

conveniente escolhê-las como grandezas mensuráveis.

• Vetor de estado: É um vetor contendo todas as variáveis de estado.

• Espaço de estados: É o espaço n dimensional cujos eixos de coordenadas são constituídos

pelas variáveis de estado (x1, x2, ..., xn). Qualquer estado pode ser representado por um ponto no
espaço de estados.

OBS: A escolha das variáveis de estado não é única, assim, um mesmo sistema pode ter mais de uma
representação de estados. Seja o exemplo:
Ex2:

R L
+
V(t) Vc(t)
i(t) C
-
Solução:
di(t )
V (t ) = Ri (t ) + L + Vc (t )
dt
dVc (t )
i (t ) = C
dt
 • •
a) Definindo: x1 (t ) = i (t ) x1 (t ) = i (t ) = [V (t ) − Rx1 (t ) − x 2 (t )] / L
 • •
x 2 (t ) = Vc (t ) x 2 (t ) = Vc (t ) = x1 (t ) / C
 R 1
• − −  1
x(t ) =  L L  x(t ) +  L V (t )
 1  
0  0
 C 
y (t ) = (0 1)x(t )

 •
b) Definindo: x1 (t ) = Vc (t ) x1 (t ) = x 2 (t )
 dVc (t ) • ••
x 2 (t ) = x 2 (t ) = Vc (t ) = [V (t ) − RCx 2 (t ) − x1 (t )] / LC
dt
•  0 1   0 
x1 (t ) =  1 R  x(t ) +  1 V (t )
− −   
 LC L  LC 
y (t ) = (1 0)x(t )
•  y (t )  1 0   x1 (t ) 
Se considerarmos duas saídas : Vc (t ) e i (t ) = C Vc(t ), então : Y =  1  =   
 y 2 (t ) 0 C  x 2 (t )

 • • •
c) Definindo: x1 (t ) = Vc (t ) + Ri (t ) x 1 (t ) = x 2 (t ) + R i (t ) = x 2 (t ) + RC x 2 (t )
 dVc (t ) • ••
x 2 (t ) = x 2 (t ) = Vc (t ) = [V (t ) − x1 (t )] / LC
dt

 R   R 
•  − 1  
x(t ) =  L  x(t ) +  L V (t )
 − 1 0   1 
 LC   LC 
y (t ) = (1 − RC )x(t )
3. Realizações ou Formas canônicas: Obtenção de uma Representação de Estados dada uma G(s)
3.1. Realização Paralela ou Diagonal ou de Soma
Aplica-se quando G(s) possui polos reais e distintos e resulta numa matriz “A” na forma diagonal.
8
Ex4: Obter uma representação de estados para G(s) = 2 .
s + 6s + 8
Solução:
8 4 4 Y ( s)
G( s) = = − =
( s + 2)(s + 4) s + 2 s + 4 U ( s)

4 + 1
4
S+2 + +
S +
U(S) Y(S) U(S) Y(S)
-2
+ +
4 + 1
-4
S+ 4 +
S
-4
.
x1 = −2x1 + 4u
. − 2 0   4 
. X =  X +  u
x 2 = −4x 2 − 4u ou  0 − 4  − 4
y = x1 + x 2 y = (1 1)X
3.2. Forma de Jordan
Aplica-se quando G(s) possui polos reais e repetidos resultando numa matriz “A” quase diagonal.
Ex4: Obter uma representação de estados para
40 40 80 160 160 Y ( s)
G ( s) = = = − + = .
s + 6.5s + 14 s + 10 (s + 2) (s + 2.5) (s + 2)
3 2 2 2
s + 2 s + 2.5 U ( s )

4 + 1
4
S+2 + +
S +
U(S) Y(S) U(S) Y(S)
-2
+ +
4 + 1
-4
S+ 4 +
S
-4
3.3. Realização na Forma Canônica de Controlador
Aplica-se para uma G(s) qualquer, desde que o grau do denominador seja maior que o do
numerador.

b1 s 2 + b2 s + b3
Ex5: Obter uma representação de estados para G( s) = .
s 3 + a1 s 2 + a 2 s + a3
Solução:

U(S) 1 (S) Y(S)

b1S2 + b 2S + b3
s + a1S + a 2S + a 3
3 2

 ( s) 1 • •• •• •
=   + a  + a  + a3 = u
s 3 + a1 s 2 + a 2 s + a3
1 2
U ( s)

Y (s) •• •
= b1 s 2 + b2 s + b3  y = b1  + b2  + b3
U ( s)

b1
b2
... .. .
U(S)  1  1  1  Y(S)
b3
S S S
-a1

-a2

-a3

Definindo:
•• •
x1 =   x 1 = −a1 x1 − a 2 x 21 − a 3 x 3 + u
.
• •
x2 =   x 2 = x1
•
x3 =   x 3 = x2
y = b1 x1 + b2 x 21 + b3 x 3

Assim:
 − a1 − a2 − a3  1
•    
x= 1 0 0  x +  0 u
 0 0  0
 1  
y = (b1 b2 b3 )x
3.4- Realização na forma canônica de observador
Pode ser obtida diretamente da forma canônica de controlador, com as seguintes substituições:
A0  Act B0  Cct C0  Bct
Para o exemplo anterior, tem-se:
 − a1 1 0   b1 
.    
x = − a2 0 1  x +  b 2 u
−a 1 0   b 3 
 3
y = (1 0 0)x

OBS: Se o grau do denominador for igual ao grau do numerador, deve-se reescrever a função de
transferência realizando uma divisão polinomial. O termo constante formará a matriz “D” da
representação de estados.
b1 s 2 + b2 s + b3 b1 (b2 − b1a2 / a1 ) s + (b3 − b1a3 / a1 )
Ex6: G( s) = = + .
a1 s 2 + a2 s + a3 a1 a1 s 2 + a2 s + a3

b1 s 2 + b2 s + b3 a1 s 2 + a 2 s + a3
b b b1
− b1 s 2 − 1 a 2 s − 1 a3
a1 a1 a1
__________
__________
__________
__________
_______
(b2 − b1 a 2 / a1 ) S + (b3 − b1 a3 / a1 )

b1 (b2 − b1 a 2 / a1 ) s + (b3 − b1 a3 / a1 )
G ( s) = +
a1 a1 s 2 + a 2 s + a3
b1
1 =  2 = (b2 − b1 a 2 / a1 )  3 = (b3 − b1 a3 / a1 )
a1
 a2 a 
•.
− − 3  1
x =  a1 a1  x +  u
 1 0   
0

  3  1
y =  2  x + u
 a1 a1  a1
4. Solução de Equação de Estados Invariante no Tempo.

4.1- Equação de Estados Homogênea

•
Dada a equação diferencial matricial x(t ) = Ax(t ) , sua solução pode ser obtida por analogia com o
caso escalar, ou seja:
•
x(t ) = ax(t )
−1
Laplaceando : sx( s ) − x(0) = ax( s )  x( s ) = ( s − a ) x(0)
Re sul tan do que : x(t ) = x(0) e at
a 2 t 2 a 3t 3
como : e at = 1 + at + + + ...
2! 3!
a 2 t 2 a 3t 3
Então : x(t ) = (1 + at + + + ...)x(0)
2! 3!

Para o caso matricial:

•
x(t ) = Ax (t )
Laplaceando : sx( s ) − x(0) = Ax ( s )  ( sI − A) x( s ) = x(0)  x( s ) = ( sI − A) −1 x(0)
Tomando a inversa : x(t ) = L−1{( sI − A) −1 }x(0)
Comparando como caso escalar : L−1{( sI − A) −1 } = e At
A 2 t 2 A3t 3
e ainda : e = I + At +
At
+ + .....
2! 3!
e At : matriz exp onencial definida como matriz transição de estados  (t ).
 (t ) = e At = L−1{( sI − A) −1 }

(t) possui as seguintes propriedades:

(0) = I
( t ) = e At = (e −At ) −1 = [(− t )]−1
( t 1 + t 2 ) = e A ( t1 + t 2 ) = e At1 e At2 =  ( t 1 )( t 2 )
[( t )]n =  (nt )
( t 2 − t 1 ).( t 1 − t 0 ) = ( t 2 + t 0 )

4.2. Eq. de Estados Não Homogênea

•
Caso escalar: x(t ) = ax(t ) + bu(t )
Laplaceando: sX (s) − x(0) = aX (s) + bU (s)

X ( s ) = ( s − a) −1 x(0) + ( s − a) −1 bU ( s )
  bU ( s ) 
Tomando L-1: x(t ) = e at x(0) + L−1  ;
 s−a 

 1
 F1 ( s ) =
com  s − a (Integral de Convolução)
 F2 ( s ) = U ( s )

t
x (t ) = eat x (0) +  ea ( t −) .b.u().d
0
•.
de modo análogo ao caso matricial: X (t ) = A. X (t ) + B.u(t )
t
Resulta que: X (t ) = e At X (0) +  e A(t − ) .B.u ( ).d
0

Caso o instante inicial seja diferente de zero, tem-se:

t
X( t ) = e At X( t 0 ) +  e A ( t −) .B.u ().d
t0

Resposta as Resposta a
condições entrada u()
iniciais

ou considerando a definição da matriz transição de estados:

t
X( t ) =  ( t )X( t 0 ) +   ( t − ).B.u ().d
t0

5. Relação entre Equações de Estado e Funções de Transferência

(1)

.
X = AX + Bu
G(S)
y = CX + Du

(2)

Dada uma representação de Espaço de Estados, existe uma única função de transferência associada
a mesma (1). O problema inverso, como já foi visto, admite mais de uma solução e é denominado
Problema das Realizações.
 5.1. Obtenção de G(S) dada uma representação de Estados
 •
Seja  X = AX + Bu
 y = CX + Du

Então: sX (s) − X (0) = AX (s) + BU (s)

X ( s ) = ( sI − A) −1 . X (0) + ( sI − A) −1 .B.U ( s )

Considerando: X(0)  0, condições iniciais nulas.

Então: Y (s) = CX (s) + DU (s)

= [C.(sI − A) −1 .B + D]U ( s )

Y ( s)
Logo: G ( s) = = C.(sI − A) −1 .B + D
U ( s)

Ex3: Obter a função de transferência do sistema descrito por:

•.  − R / L − 1/ L  1 / L 
X (t ) =   X (t ) +  u (t )
 1/ C 0   0 
Y( t ) = (0 1)X( t )

 s 0  − R / L − 1/ L   s + R / L 1/ L 
Solução: sI − A =   −  = 
 0 s   1/ C 0   − 1 / C s 

− 1/ L 
(sI − A)−1 = 
s 1

1 / C s + R / L  R 1
s2 + s  +
L LC

−1 1 / L 
= (0 1)  (sI − A)  
Y ( s)
G( s) = 
U ( s)  0 
1 / L 
= (1 / C s + R / L )  
Y ( s) 1 1 / LC
G( s) =   =
U ( s)  0  s2 + s  R + 1 R
s2 + s  +
1
L LC L LC
Do exemplo 2, tem-se que:
dv C ( t ) d 2 v C (t)
v( t ) = RC + LC + v C (t)
dt dt 2
Logo: V (s) = (1 + RCs + LCs 2 )VC (s)
VC ( s ) 1
=
V ( s ) 1 + RCs + LCs 2
VC ( s) 1 / LC
=
V (s) R 1
s2 + s  +
L LC
6. Auto Valores e Auto Vetores

Def. 1: Polinômio Característico: É o polinômio do denominador de uma função de transferência

Def. 2: Equação Característica: É obtida quando se iguala a zero o polinômio característico.

b1Sn −1 + b 2Sn −2 + ... + b n −1S + b n

Seja: G(S) = . Assim, a equação característica será:
Sn +a 1Sn −1 + ... + a n −1S + a n
S n + a 1S n −1 + ... + a n −1S + a n =0

Em termos de variáveis de estado, sabe-se que para:

Adj( SI − A)  •
−1
G ( S ) = C ( SI − A) B + 0 = C B+0   x = Ax + Bu
det(SI − A)  y = Cx + Du
CAdj( SI − A) B + det(SI − A) D
=
det(SI − A)
Logo, a equação característica é obtida por: det(SI − A) = 0

Def.2: Autovalores: São as raízes da equação característica. Coincidem com os polos do sistema.
Simbologia:  i

Def.3: Denomina-se auto vetor de uma matriz “A”, associado ao auto valor i, o vetor pi (nx1) que
satisfaz:

( i I − A). pi = 0 ou  i . pi = A. pi

Ex7: Dado o sistema, obter sua equação característica, seus autovalores e auto vetores

•  − 6 − 8  8
x =   x +   u
 1 0   0
y = (0 1)x

 s 0   − 6 − 8  
det(SI − A) = 0  det  −    = 0
  0 s   1 0 
Solução: a) Equação característica:
 s + 6 8
det  = s 2 + 6 s + 8 = 0
 −1 s

 1 = −2
b) Autovalores: s 2 + 6 s + 8 = 0  
 2 = − 4

 p11 
c) Auto vetores: Para 1  1 . p1 seja p1 =  
 p12 
 p   − 6 − 8  p11  − 2 p11 = −6 p11 − 8 p12
− 2. 11  =     
 p12   1 0  p12  − 2 p12 = p11
 4 p11 = −8 p12 
  É verdadeira para qualquer p11 ou p12
 p11 = −2 p12 
 1 
Arbitrando p11 = 1  p12 = −1 / 2 , logo p1 =   É um auto vetor associado ao auto valor –2.
 − 1/ 2
p 
Para 2  2 . p2 = A. p2 seja p2 =  21 
 p22 
 p   − 6 − 8  p21  − 4 p21 = −6 p21 − 8 p22
− 4 21  =   
 p22   1 0  p22  − 4 p22 = p21
 p21 = −8 p22 
  É verdadeiro para qualquer p21 ou p22
 p22 = −4 p22 
 1 
Arbitrando p21 = 1  p22 = −9 / 4 , logo p2 =   É um auto vetor associado ao autovalor –4.
 − 1 / 4 

7. Transformações no Espaço de Estados.

Como já foi visto anteriormente, a representação de sistemas no espaço de estados não é única, assim,
uma particular definição do vetor de estados x(t), pode ser redefinida por qualquer transformação linear
não-singular deste vetor, ou seja, x(t ) = P .z(t ) , onde: z(t) representa o novo vetor de estados e P é uma
matriz não-singular qualquer.

 •
 x( t ) = A. x( t ) + Bu( t )
Seja a representação de estados: 

 y( t ) = C . x ( t )

Aplicando a transformação: x(t ) = P .z(t )

• •
Tem-se que: x( t ) = P . z( t )
 •
 P . z( t ) = A. P .z( t ) + B.u( t )
Assim, 

 y( t ) = C . P . z ( t )
 •
 z( t ) = P −1 . A. P .z( t ) + P −1 .B.u( t )
Ou ainda, 

 y( t ) = C . P . z ( t )
Que é a nova representação de estados obtida a partir da transformação.

OBS 1: A equação característica, os autovalores e os auto vetores não se alteram após uma transformação
linear não singular.
OBS 2: Uma transformação linear é deita invariante se não altera o polinômio característico de uma
realização.

OBS 3: Sendo a Matriz de transformação “P” formada pelos auto vetores do sistema, a nova
representação de estados recai na forma paralela, isto é, a nova matriz “A” do sistema ( P −1 . A. P ) é
diagonal, sendo os elementos da diagonal principal, os autovalores do sistema.
8.Controlabilidade e Observabilidade
São propriedades qualitativas de sistemas dinâmicos lineares e são importantes quando se considera:
• Projeto de compensadores por realimentação de estados.
• Projeto de observadores de estado
• Projeto de compensadores baseado na minimização ou maximização de um dado índice de
desempenho.

8.1. Controlabilidade
Definição: Um sistema <A,B> é de estado completamente controlável, se existe um sinal de controle
u(t), tal que, o estado do sistema pode ser levado de qualquer estado inicial x(0), para qualquer estado
final desejado x(tf), num intervalo de tempo finito.

 •
 x( t ) = Ax( t ) + Bu( t )
Teorema: O sistema  de dimensão (ordem) n, é controlável se, e somente se, a

 y( t ) = Cx( t ) + Du( t )
matriz de controlabilidade ℭ , conforme definida a seguir, tem posto (rank) igual a m, ou seja, ℭ é não
singular.
 

ℭ = B A.B A2 .B An −1 .B

 • − 2 1  1
 x =   x +  
Ex8: Verificar se o sistema é controlável:   0 − 1  0
 y = (1 0)x

 1 − 2   Singular
Solução: ℭ =    
 0 0  não controlável

8.2. Observabilidade
Definição: O sistema <A,C> é de estado completamente observável se, para qualquer estado inicial
x(0), existir um tempo finito , tal que x(0) pode ser determinado (de forma única) a partir de u() e y().
 •
 x( t ) = Ax( t ) + Bu( t )
Teorema: O sistema:  de dimensão n, é de estado se, e somente se, a matriz de

 y ( t ) = Cx ( t ) + Du ( t )
observabilidade , definida a seguir, tem posto (rank) n, ou seja, é não singular.
 C 
 C.A 
  
 =  C . A2 
 
 n −1 
C . A 
 • − 2 1  1
 x =   x +  
Ex9: Verificar se o sistema é observável:   0 − 1  0
 y = (1 0)x


 1 0  não singular
Solução: =    
 − 2 1   observável
9 PROJETO DE SISTEMAS DE CONTROLE USANDO ESPAÇO DE ESTADOS
Objetivo
Mostrar como se realiza o projeto de controladores baseado na formulação de espaço de estados e mostrar
como se realiza o projeto de observadores de estado. As vantagens desta abordagem se evidenciam
quando se tem sistemas multivariáveis.

Formulação do problema
Seja um sistema linear invariante no tempo contínuo representado na forma de espaço de estados de
acordo com a equação (1).
•
X (t) = AX (t) + Bu(t) + G1w(t) (1)
Y (t) = CX (t)
onde: X (nx1), A (nxn), B(nx1),C(1xn) e G1 (nx1)
u(t) : ação de controle
w(t): entrada de perturbação

Deseja-se determinar uma lei de formação para a ação de controle u(t) em função do vetor de estados X(t),
tal que, o sistema <A,B,C,D> em malha fechada, tenha um desempenho que atenda um conjunto de
especificações pré estabelecidas.

Situações possíveis
No problema formulado tem-se duas possibilidades para as variáveis de estado do vetor X(t):
– Todas disponíveis: Existe um sensor para cada variável. Neste caso vai-se direto ao projeto do
controlador que é subdividido em:
1 - Regulação: A referência é zero para todo o tempo.
2 - Rastreamento: A referência é uma função do tempo.

– Algumas não disponíveis: Algumas não possuem sensor.

Primeiramente deve-se projetar um estimador (observador) de estados e depois o controlador para
Regulação ou Rastreamento.

Problema da Regulação com vetor X(t) disponível

A lei de formação para a ação de controle pode ser obtida simplesmente pela realimentação negativa da
combinação linear de todas as variáveis de estado, devidamente ponderadas por ganhos, a serem
determinados de modo a satisfazer as especificações do problema, como mostrado na equação (2).

u(t) = −KX (t)

(2)
onde : K = [k1 k 2 k 3 ... kn]t
Tal solução é denominada de realimentação completa de estados e a condição necessária e suficiente para
que possa ser realizada é que o sistema <A,B,C,D> seja controlável. Havendo controlabilidade, a
realimentação de estados permite que se posicione os polos de malha fechada em qualquer região do
plano S. Portanto, o problema de projeto se resume em:
- Imposição dos polos de malha fechada que satisfazem as especificações do problema, ou ainda, o
polinômio característico de malha fechada desejado, d(s);
- Determinação do vetor de realimentação K, que gere os polos do item anterior.
Visualizações do problema:
0 u(t) X(t) y(t)
B + -1
s C
- +
A

K
Gráfica: Diagrama de simulação

Analítica / Paramétrica:

1. Controlabilidade do sistema em malha aberta <A,B,C,D>:

C = [B  AB  A2B .... An −1B ] (3)
det C  0
2. Alocação dos polos de malha fechada desejados
Uma maneira de se escolher estes polos consiste no uso dos protótipos ITAE (integral of the
time multiplied by the absolute value of the error) ou de Bessel. Tais protótipos foram
avaliados numericamente e a localização dos polos resultantes e repostas ao degrau são
mostradas na tabela 1 e Fig. 2 e 3.
Tabela 1 – Localização dos polos para funções de transferência ITAE e de Bessel
 Fig. 2 – Resposta ao degrau do protótipo ITAE para Wo=1 rad/sec

Fig. 3 – Resposta ao degrau do protótipo de Bessel para Wo=1 rad/sec

3. Determinação de K para alocação dos polos

Substituindo a equação (2) na (1), o sistema em malha fechada fica,
•
X (t) = AX(t) + B[ − KX(t)] + G1w(t) = (A − BK)X(t) + G1w(t) (4)
Y(t) = CX(t)
O polinômio característico de malha fechada é obtido como
 (s) = det [sI −(A − BK)] (5)
mf
igualando ao polinômio desejado d(s) pode-se calcular K.
 (s) =  (s) (6)
mf d
Outra maneira é usando a fórmula de Ackermann

K = [ 0  0 1][B AB A2B  An-1B]−1.α (A) (7)

d
Problema do Rastreamento com vetor X(t) disponível
Lembrando que os tipos de sistemas podem ser definidos de acordo com o número de integradores na
função de transferência do ramo direto, e que o sistema do tipo 1 tem um integrador e não exibirá nenhum
erro em regime permanente na resposta ao degrau, o problema do rastreamento usando realimentação de
estados, será apresentado inicialmente para o projeto de sistemas do tipo 1.

– Rastreamento quando a planta já tem um integrador

Admitindo que a saída y seja igual a variável de estado x1, e que a referência é um degrau unitário, a
Fig. 4 ilustra uma configuração para o uso da realimentação de estados.

Fig. 4 – Rastreamento quando a planta já tem um integrador

Tem-se portanto que:

 x1 
 
x2  (8)
u = −[ 0 k2 k3 ... kn]  + k1(r − x1 ) = − KX + k1r


  

 
xn 

e ainda:
•
X = AX + Bu = (A− BK)X + Bk1r (9)
A equação (9) é do mesmo formato da equação (4) e K pode ser obtido usando a mesma metodologia
de imposição de polos.
– Rastreamento quando a planta não tem um integrador (tipo zero)
Pode-se inserir um integrador no ramo direto, como na Fig. 5.

Fig. 5 – Rastreamento quando a planta não tem um integrador

Sistema em malha aberta:
•
X = AX + Bu (10)
y = CX
•
ξ = r − y = r − CX

X = X  t
^
Definindo o vetor de estado aumentado:
O sistema em malha aberta com o vetor aumentado fica:
•
 X  =  A 0   X  + Bu + 0r
 •  −C 0   0  1 
 
•
^ ^ ^ ^
Sem perda de generalidade, seja r = 0, então: X = A X + B u

^ ^
Se < A,B > é controlável e não tendo nenhum zero na origem, pode-se usar imposição de polos e

como lei de controle: u = − KX + k ξ = − k k  k  -k  X  = − K X

 
^ ^
i 1 2 n i  
 
O sistema em malha fechada fica:
•
• ^ ^ ^ ^ (11)
 
 X   A − BK Bki   X  0 X mf = Amf X mf + B mfu
 = +  r 
 •  − C
  
0     
1 
^ ^ ^
ξ 
y mf = C mf X mf

Algoritmo para projeto:

1. Teste de controlabilidade: ^ ^ ^ ^ ^ 2 ^ ^ n ^ ^ −1
C =  B  A B  A B    A B  C
 
2. Polinômio característico de malha fechada desejado:
Pd (s) = (s − 1)(s − 2)(s − n )(s − n+1) = sn+1 +n sn +n-1sn−1 ++1s +o
^ ^ ^ n+1 ^n ^ n−1 ^
c ( A) = Pd ( A) = A + n A + n-1 A ++ 1 A+ o I
^ −1
3. Vetor Ganho de realimentação de estados, Ackermann: K = 0 0  1C  ( A)
^ ^
c
Exemplo: Regulação: 1 1 1
Gp(s) = = 2 =
(s +1)(s + 2) s + 3s + 2 (s +1)2(0.5s +1)
• • • ••
x1 = y; x2 = y; x1 = x2; x2 = y = u − 2 x1 − 3x2
Representação de estado: X (t ) = A.X (t ) + B.u(t ) =  0 1  0 1 
 − 2 − 3 X (t ) + 1 u(t ) + g1w(t ), sejag1 = 0
     
y(t ) = C.X (t ) = (1 0)X (t )
no scilab
A = [0 1;-2 -3]; B = [0;1]; C = [1 0]; D = 0;sysc=syslin('c',A,B,C,D);
p1=-4;p2=-4;d=conv([1 4],[1 4]);alfacA=d(1)*A*A+d(2)*A+d(3)*[1 0;0 1];
Cont= [B A*B];det(Cont);K=[0 1]*inv(Cont)*alfacA;
Amf=[A-B*K]; g1=[1;0];Bmf = g1; Cmf = C; Dmf=0;
S1=syslin('c',Amf, Bmf,Cmf,Dmf) //Definição de sistema linear
t=0:0.01:5; u=zeros(t); u(1)=1;x=csim(u,t,S1); plot2d(t,x,2)

Exemplo: Rastreamento Planta sem integrador: 1 1 1

Gp(s) = = 2 =
(s −1)(s + 2) s + s −2 (s −1)2(0.5s +1)
• • • ••
x1 = y; x2 = y; x1 = x2; x2 = y = u + 2 x1 − x2
Representação de estado: X (t ) = A.X (t ) + B.u(t ) =  0 1  X (t ) +  0 u(t )
 2 −1 1 
   
y(t ) =C.X (t ) =(1 0)X (t )
A = [0 1;2 -1]; B = [0;1]; C = [1 0]; D = 0; Sysc = ss(A,B,C,D);
Abig = [A [0;0];-C 0]; Bbig = [B ;0]; Cbig=[C 0];Dbig=[0;0;0];
%Cont=[Bbig Abig*Bbig Abig*Abig*Bbig];det(Cont);
p1 = -4; p2 = -4; p3 = -4; P = [p1 p2 p3]; Kbig = acker(Abig,Bbig,P);ki=-Kbig(3);
Abigmf=[A-B*[Kbig(1) Kbig(2)] B*ki;-C 0]; Bbigmf = [0;0;1]; Cmf = [C 0]; Dmf=0;
[nummf,denmf] = ss2tf (Abigmf, Bbigmf,Cmf,Dmf);step(nummf,denmf);

no scilab
A = [0 1;2 -1]; B = [0;1]; C = [1 0]; D = 0;sysc=syslin('c',A,B,C,D);
Abig = [A [0;0];-C 0]; Bbig = [B ;0]; Cbig=[C 0];Dbig=[0;0;0];
p1=-4;p2=-4;p3=-4;P=[p1 p2 p3];d1=conv([1 4],[1 4]);d=conv(d1,[1 4]);
alfacA=d(1)*Abig*Abig*Abig+d(2)*Abig*Abig+d(3)*Abig+d(4)*[1 0 0;0 1 0;0 0 1];
Cont= [Bbig Abig*Bbig Abig*Abig*Bbig];det(Cont);
Kbig=[0 0 1]*inv(Cont)*alfacA;ki=-Kbig(3);Abigmf=[A-B*[Kbig(1) Kbig(2)] B*ki;-C 0]; Bbigmf =
[0;0;1]; Cmf = [C 0]; Dmf=0;S1=syslin('c',Abigmf, Bbigmf,Cmf,Dmf;t=0:0.01:5; u=ones(t);
x=csim(u,t,S1); plot2d(t,x,2)

ogata pag. 699

A = [0 1 0 0;20.601 0 0 0;0 0 0 1;-0.4905 0 0 0]; B = [0;-1;0;0.5]; C = [0 0 1 0]; D = 0;
Abig = [A [0;0;0;0];-C 0]; Bbig = [B;0]; Cbig=[C 0];Dbig=[0;0;0;0];%malha aberta
p1=-1+j*sqrt(3);p2=-1-j*sqrt(3);p3=-5;p4=-5;p5=-5;P=[p1 p2 p3 p4 p5];Kbig=acker(Abig,Bbig,P);ki=-
Kbig(5);Abigmf=[A-B*[Kbig(1) Kbig(2) Kbig(3) Kbig(4)] B*ki;-C 0];Bbigmf=[0;0;0;0;1]; Cmf = [C 0];
Dmf=0;t=0:0.02:6;[y,X,t]=step(Abigmf,Bbigmf,Cmf,Dmf,1,t);x1=[1 0 0 0 0]*X'; x2=[ 0 1 0 0 0]*X';
x3=[0 0 1 0 0]*X'; x4=[0 0 0 1 0]*X'; x5=[0 0 0 0 1]*X';plot(t,x1); plot(t,x2); plot(t,x3); plot(t,x4);
plot(t,x5);
9. SISTEMAS DISCRETOS REPRESENTADOS NO ESPAÇO DE ESTADOS
De forma inteiramente análoga aos sistemas contínuos, pode-se também utilizar o
conceito de estado para análise e projeto de sistemas discretos.

Equações de Estado
Um SLIT contínuo têm a seguinte representação no espaço de estados:
•
x = AX +Bu (59)

Y = CX +Du
Onde u é a ação de controle (px1); Y o vetor de saídas (rx1) e X o vetor de estados (nx1);
A é uma matriz (nxn); C um vetor (rxn);
B é um vetor (nxp); D uma matriz (rxp)
No caso mono variável, p = r = 1, tem-se a seguinte solução das equações de estado, no
intervalo de tempo [to,t]
t
X(t)= e A( t − to).X(to)+  eA(t − ).B.u().d (60)
to
A representação no espaço de estados de um sistema discreto, equivalente ao descrito na
equação (59) precedido por um ZOH, Fig. 6, pode ser obtida a partir da equação (60).
u(t) . y(kT)
u(kT) HOLD X(t) C
X = AX + Bu

Fig. 6: Equivalente discreto no espaço de estados.

Para um período de amostragem, isto é, [to,t] => [kT, kT+T], a equação (60) resulta
kT + T
X(kT + T) = eATX(kT) +  eA(kT+ T− )Bu()d (61)
kT
com o ZOH, u(  )=u(kT) é constante para  [kT, kT+T]. Definindo,  = kT+T-  , a
Eq. 61 fica,

X(kT + T) = eATX(kT) +  eABu(kT)d

T
(62)
0
(T ) = e AT = Z  (zI − A)
−1 −1

Definindo: (63)
T
 =  e A .d.B
0
O equivalente discreto é dado por, (D = 0),
X(kT+ T)= .X(kT)+ .u(kT) (64)
y(kT)= C.X(kT)
Realizações Canônicas
As formas canônicas, de controlador e de observador, também são análogas às do caso
contínuo. Como exemplo, seja a seguinte função de transferência discreta:
y( z) b1z −1 + b 2 z −2 + b 3 z −3
= (65)
U( z) 1 − a1z −1 − a 2 z −2 − a 3 z −3

A forma canônica de controlador é dada por:

 x1 (kT + T)   a1 a 2 a 3   x1 (kT)  1 
 x (kT + T) = 1 0 0   x 2 (kT) + 0u(kT)
 2    
 x3 (kT + T)   0 1 0   x3 (kT)  0
(66)
 x1 (kT) 
y(kT) = b1 b2 b 3  x 2 (kT)
 x3 (kT) 

A forma canônica de observador é dada por:

 x1 (kT + T)   a1 1 0  x1 (kT)  b1 
 x (kT + T) = a 0 1  x 2 (kT) + b 2 u(kT)
 2   2
 x3 (kT + T)   a 3 0 0  x3 (kT)  b 3 
(67)
 x1 (kT) 
y(kT) = 1 0 0 x 2 (kT)
 x3 (kT) 

Funções de Transferência a partir das Equações de Estado

Tomando a transformada Z da equação (64),

zX(z) − X(0) = X(z) + U(z) (68)

Y(z)= CX(z)
substituindo a primeira equação na segunda, e levando em consideração que as condições
iniciais são nulas, resulta,
Y(z) = C(zI−  )−1 U(z) (69)
finalmente,
 Y(z)
= G(Z) = C(zI − )−1 (70)
U(z)
que é a função de transferência obtida a partir da representação de estados.

Observa-se que os polos de um sistema discreto representado no espaço de estados ou

seja, as raízes do polinômio característico, são obtidos a partir de det( zI − ) = 0

Controlabilidade e Observabilidade
Controlabilidade:
Um sistema discreto , de ordem “n” é controlável se for possível determinar uma
sequência de controle u(k), k = 0, 1,..., n, tal que um ponto arbitrário X(n) possa ser
atingido a partir de qualquer estado inicial X(0), ou ainda, se e somente se, o “rank” da
matriz de controlabilidade C for igual a n, onde:

C=      2  ........  n−1  (71)

Observabilidade:
Um sistema discreto ,C de ordem “n” é observável se existir um k finito tal que, o
conhecimento das entradas: u(0), u(1),.....,u(k-1) e das saídas: y(0), y(1),....., y(k-1) seja
suficiente para se determinar o estado inicial X(0) do sistema, ou ainda, se e somente se,
o “rank” da matriz de observabilidade O for igual a n, onde:

O=  C  C  C 2
........ C 
n−1 T
(72)
Posicionamento de Polos via Realimentação de Estados Discreta
Se o sistema discreto é de estado completamente controlável, pode-se posicionar
arbitrariamente seus polos de malha fechada no plano Z, pelo uso de uma realimentação
de estados, ponderada por um vetor de ganhos apropriado conforme a Equação 2.63.
K = [ k1 k2  kn ] (2.63)

O cálculo do vetor K do controlador pode ser feito de forma análoga às apresentadas para
o casso contínuo. Se o sistema for de ordem baixa, basta escrever a equação característica
em função dos ganhos e igualar à equação característica desejada.
Para um sistema em malha aberta representado no espaço de estados pelas Equações 64 e
2.51 com D = 0, ao se fechar a malha com realimentação de estados, o sinal de controle
u(kT) é dado pela Equação 2.64, onde K é dado pela Equação 2.63.
u(kT) = −Kx(kT) (2.64)
A equação de estado do sistema em malha fechada é dada pela Equação 2.65. Portanto a
equação característica de malha fechada é dada pela Equação 2.66 e será função dos
elementos ki do vetor K.
x(kT + T ) =  − K  x(kT) (2.65)
det( zI − ( − K )) = 0 (2.66)
Supondo que se deseje λ1, λ2, ..., λn como polos de malha fechada, então a equação
característica desejada de malha fechada é dada pela Equação 2.67.
P ( z) = (z − 1 )(z − 2 )(z − n ) = z n + an−1 z n−1 +  + a1 z + a0 = 0 (2.67)
c

Igualando as Equações 2.65 e 2.66 determina-se o vetor K . Outra maneira de obtê-lo é

através da fórmula de Ackermann, Equação 2.68, com Pc(Φ) = Pc(z)z=Φ.

K = [0 ... 0 1]1xn [  2  n −1]−1P () (2.68)

c

Projeto de Regulador para Sistemas Discretos

Neste caso tem-se que a referência é nula, Fig. 7. Substituindo K, Equação 2.63, na
Equação 64 resulta na Equação 2.69 para o sistema em malha fechada.
X (kT + T ) = X (kT ) − KX (kT ) = ( − K ) X (kT ) (2.69)
 Fig. 7: Regulação com realimentação de estados

Assim os polos de malha fechada são as raízes do polinômio característico que agora é
dado pela Eq. 2.66. Pode-se então usar um dos dois procedimentos descritos
anteriormente para calcular K (igualar as Eq. 2.65 e 2.66 ou usar a Eq. 2.68).
Projeto de Servo Sistema para Sistemas Discretos
Considerando que todas as variáveis de estado podem ser medidas, vetor de estado
disponível, dois casos são apresentados a seguir.
Servo Sistema Discreto quando a Planta Possui um Integrador
Se a planta tem integrador (tipo um), utiliza-se a configuração ilustrada na Fig. 8, onde
necessáriamente a variável de estado x1(t) tem de ser igua a saída y(t). Assim, o sinal de
controle é dado pela Eq. 2.70.

Fig. 8: Configuração de servo sistema discreto com a planta tipo um.

 x (kT ) 
 1  (2.70)
 
 x2 (kT )
u(kT ) = −[ 0 k2 k3 ... kn ]   + k1[r (kT ) − x1(kT )] = − KX (kT ) + k1r (kT )
 
 
 x (kT )
 n 

O sistema em malha fechada é escrito conforme a Eq. 2.71.

X (kT + T ) = ( − K ) X (kT) + k1r (kT) (2.71)
Se o sistema,  ,   , for controlável, K pode ser encontrado pela técnica de alocação de
polos: igualando as Eq. 2.65 e 2.66 ou usando a Eq. 2.68.
Servo sistema Discreto quando a Planta não Possui um Integrador
É inserido um integrador, baseado no método forward, após o sinal de erro, Fig. 9.

Fig. 9: Configuração de servo sistema discreto com a planta tipo zero.

Para o integrador, têm-se as Eq. 2.71 e 2.72. Resultando no diagrama de simulação da Fig.
10, onde xi(k) é definindo como variável de estado.
xi(z)z - xi(z) =Ei(z) (2.71)
xi(k+1) - xi(k) = ei(k) (2.72)

Fig. 10: Diagrama de simulação para o integrador.

Assim a equação de estado e a de saída para o integrador resultam nas Eq. 2.73 e 2.74.
xi(k+1) = xi(k) + ei(k) = xi(k) + r(k) - CX(k) (2.73)
yi(k) = hxi(k) (2.74)
A equação de estado e a de saída para a planta em malha aberta, k i = K = 0, são dadas
pelas Eq. 2.75 e 2.76.
X(k+1) = X(k) + u(k) (2.75)
y(k) = CX(k) (2.76)

Definindo o vetor de estados aumentado: ^  X (k ) , o sistema aumentado em malha

X (k ) =  
 xi (k ) 
aberta é dado pela Eq. 2.77 ou compactamente pela Eq. 2.78 (r(k) = 0).
 X (k + 1)  0   X ( k )    0
 x (k + 1)  = − C    +  u ( k ) +   r (k )
 i   1   xi (k )  0  1  (2.77)
 y (k )  C 0  X (k )
 y ( k )  = 0 h   x ( k ) 
 i    i 
^ ^ ^ ^

X = A X + B u(k ) (2.78)
^ ^ ^

Y =C X
Se o sistema aumentado em malha aberta for controlável (determinante não nulo da matriz
de controlabilidade, Eq. 2.79), então, pode-se usar a ação de controle da Eq. 2.80, para
fechar a malha e reposicionar os polos.
^  ^ ^ ^ ^ n ^ 
Cont =  B A B A B
  (2.79)
^
u(k) = - KX(k) + kihxi(k) = -[ K -kih][ X(k) xi(k)]t = - K [ X(k) xi(k)]t (2.80)
Em malha fechada tem-se a Eq. 2.81.
X(k+1) = [- K]X(k) + kihxi(k) (2.81)

Sendo o vetor de estados aumentado:

−  X (k ) em malha fechada tem-se a Eq. 2.82.
X (k ) =  
 xi ( k ) 

 X (k + 1)  − K k i h   X (k ) 0 
 x (k + 1)  = − C +
1   xi (k )  1 
r (k )
 i  
 y (k )  C 0  X (k )
 y ' ( k )  = 0 h   x ( k ) 
    i  (2.82)

Definindo os n+1 polos desejados de malha fechada, Eq. 2.83, o vetor K pode ser obtido
pela fórmula de Ackermann, Eq. 2.84.
Pd ( s) = ( s − 1 )( s − 2 )( s − n )( s − n +1 ) (2.83)
−1
K = 0 0 1Cont Pd ( A)
^ ^ ^

(2.84)