controle inteligente de um sistema de usinagem acionado por motor
TRANSCRIPT
Universidade Federal da ParaíbaCentro de Tecnologia
Programa de Pós-Graduação em Engenharia Mecânica
Mestrado - Doutorado
CONTROLE INTELIGENTE DE UM SISTEMA DE
USINAGEM ACIONADO POR MOTOR DE
INDUÇÃO TRIFÁSICO
por
Élida Fernanda Xavier Júlio
Tese de Doutorado apresentada à Universidade Federal da Paraíba
para obtenção do grau de Doutor
João Pessoa - Paraíba Março-2014
ÉLIDA FERNANDA XAVIER JÚLIO
CONTROLE INTELIGENTE DE UM SISTEMA DE
USINAGEM ACIONADO POR MOTOR DE
INDUÇÃO TRIFÁSICO
Tese apresentada ao Programa de Pós-
Graduação em Engenharia Mecânica
da Universidade Federal da Paraíba,
em cumprimento às exigências para
obtenção do Grau de Doutor.
Orientador: Prof. Dr. Simplício Arnaud da Silva
João Pessoa - Paraíba 2014
J94c Júlio, Élida Fernanda Xavier. Controle inteligente de um sistema de usinagem acionado
por motor de indução trifásico / Élida Fernanda Xavier Júlio.-- João Pessoa, 2014.
137f. : il. Orientador: Simplício Arnaud da Silva Tese (Doutorado) – UFPB/CT 1. Engenharia mecânica. 2. Máquina fresadora. 3. Controle
de posição. 4. Controle da velocidade de avanço. 5. Conjugado eletromagnético estimado
UFPB/BC CDU: 621(043)
DEDICATÓRIA
Dedico este trabalho aos meus pais Luiz Fernando Ramos Júlio e Ângela Maria
Xavier Júlio, a minha tia Bernadete de Lourdes Xavier e a minha irmã Elen Cristina Xavier
Júlio, por serem incentivadores e colaboradores para o meu crescimento pessoal e
profissional.
AGRADECIMENTOS
Agradeço, primeiramente, a Deus pela saúde e força para a realização deste
trabalho.
Ao professor Simplício Arnaud da Silva pelos importantes ensinamentos e
compartilhamento de sua experiência no decorrer deste trabalho.
Ao professor Cícero da Rocha Souto pelos preciosos ensinamentos e importantes
contribuições no desenvolvimento deste trabalho.
Ao professor Isaac Soares de Freitas pela atenção e conhecimentos transmitidos.
Aos professores João Bosco de Aquino Silva e Alberdan Santiago de Aquino
pelas suas sugestões.
Aos meus pais Luiz Fernando Ramos Júlio e Ângela Maria Xavier Júlio e a minha
tia Bernadete de Lourdes Xavier, pelo apoio para a minha formação profissional.
Aos técnicos Arthur, Romoaldo, Pedro, Flaviano, Altemir e Elder e aos
engenheiros Flávio e Jairo pela contribuição na implementação da bancada experimental.
Ao amigo Lucas pelo projeto do desenho técnico da máquina fresadora.
Aos amigos Zariff, Marcos Meira, Victor, Alexander Patrick, Haeckel e Amanda
pela colaboração e disposição em ajudar.
Aos demais professores, técnicos e amigos que cooperaram para o
desenvolvimento deste trabalho.
Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
pelo suporte financeiro.
CONTROLE INTELIGENTE DE UM SISTEMA DE USINAGEM
ACIONADO POR MOTOR DE INDUÇÃO TRIFÁSICO
RESUMO
Neste trabalho, é apresentada uma estratégia de controle para controlar a posição e
a velocidade de avanço da mesa de uma máquina fresadora acionada por motor de indução
trifásico, na usinagem de peças constituídas por diferentes tipos de materiais: aço, latão e
nylon. No desenvolvimento da estratégia de controle, aplicou-se a técnica de controle
vetorial para o acionamento de máquinas de indução trifásicas. A estimação do conjugado
eletromagnético do motor foi utilizada para a determinação da velocidade de avanço na
usinagem de cada tipo de material. O controle de velocidade foi desenvolvido usando a
lógica fuzzy modelo Takagi-Sugeno e a estimação do conjugado eletromagnético usando-
se a rede neural do tipo algoritmo LMS. O motor de indução foi alimentado por meio de
um hardware inversor de tensão trifásica, acionado através de um processador digital de
sinais. Esse processador foi programado para gerar a modulação por largura de pulso,
realizar a aquisição dos sinais de tensão, corrente e posição, e implementar a estratégia de
controle do sistema. Resultados simulados e experimentais são apresentados.
Palavras chaves – controle de posição, controle da velocidade de avanço, conjugado
eletromagnético estimado, máquina fresadora.
INTELLIGENT CONTROL OF A MILLING SYSTEM DRIVEN BY
THREE-PHASE INDUCTION MOTOR
ABSTRACT
In this paper, a control strategy is presented to control the position and feedrate of
the table of a milling machine driven by three-phase induction motor for machining pieces
consisting of different types of materials: steel, brass and nylon. In the development of the
control strategy, it was applied the technique of vector control to drive three-phase
induction machines. The motor electromagnetic torque estimation was used to determine
the feedrate for the machining of each type of material. The speed control was developed
using fuzzy logic model Takagi-Sugeno and the electromagnetic torque estimation using
neural network type LMS algorithm. The induction motor was powered by a three-phase
voltage inverter, driven by a digital signal processor (DSP). This processor was
programmed to generate the pulse width modulation (PWM), perform signals acquisition
of voltage, current and position, and implement the control strategy of the system.
Simulated and experimental results are presented.
Key words - Position control, feedrate control, estimated electromagnetic torque, milling
machine.
SUMÁRIO
LISTA DE FIGURAS ........................................................................................................... i
LISTA DE TABELAS ........................................................................................................ vi
LISTA DE SÍMBOLOS ..................................................................................................... vii
1. APRESENTAÇÃO .................................................................................................... 1
1.1 INTRODUÇÃO .......................................................................................................... 1
1.2 MOTIVAÇÃO E OBJETIVO DO TRABALHO ....................................................... 4
1.3 ORGANIZAÇÃO DO TRABALHO ......................................................................... 5
2. REVISÃO BIBLIOGRÁFICA .................................................................................. 7
2.1 INTRODUÇÃO .......................................................................................................... 7
2.2 NOTAS HISTÓRICAS ............................................................................................... 7
2.3 SISTEMAS DE USINAGEM ..................................................................................... 9
2.4 CONTROLE VETORIAL ........................................................................................ 12
2.5 SISTEMAS DE CONTROLE DE POSIÇÃO E VELOCIDADE ........................... 13
2.6 SISTEMAS DE DETERMINAÇÃO DE FLUXO E CONJUGADO ...................... 16
2.7 CONTROLE DIGITAL ............................................................................................ 19
2.7.1 Processador Digital de Sinais ..................................................................... 20
2.8 LÓGICA FUZZY ...................................................................................................... 21
2.9 REDES NEURAIS ARTIFICIAIS ........................................................................... 23
2.10 COMENTÁRIOS E CONCLUSÕES ..................................................................... 26
3. FUNDAMENTOS PARA ACIONAMENTO DO SISTEMA ................................ 27
3.1 INTRODUÇÃO ........................................................................................................ 27
3.2 PROCESSO DE USINAGEM .................................................................................. 27
3.3 INVERSOR DE FREQUÊNCIA .............................................................................. 30
3.3.1 Modulação por Largura de Pulso ................................................................ 33
3.4 MOTOR DE INDUÇÃO TRIFÁSICO ..................................................................... 34
3.4.1 Características Construtivas ....................................................................... 35
3.4.2 Princípio de Funcionamento ....................................................................... 36
3.4.3 Representação Complexa dq ...................................................................... 36
3.5 COMENTÁRIOS E CONCLUSÕES ....................................................................... 38
4. IMPLEMENTAÇÃO E FUNCIONAMENTO DO SISTEMA ............................. 39
4.1 INTRODUÇÃO ........................................................................................................ 39
4.2 BANCADA DE TESTE ............................................................................................ 39
4.3 DESCRIÇÃO DOS CORPOS-DE-PROVA............................................................. 45
4.4 ACIONAMENTO DO SISTEMA DE USINAGEM ............................................... 46
4.5 COMENTÁRIOS E CONCLUSÕES ....................................................................... 48
5. DESENVOLVIMENTO DO SISTEMA DE CONTROLE ................................... 50
5.1 INTRODUÇÃO ........................................................................................................ 50
5.2 MODELO FUZZY TAKAGI-SUGENO ................................................................. 50
5.3 IMPLEMENTAÇÃO DO CONTROLADOR DE VELOCIDADE ........................ 51
5.3.1 Fuzzificação ............................................................................................... 52
5.3.2 Inferência Fuzzy ........................................................................................ 53
5.3.3 Defuzzificação ........................................................................................... 54
5.4 PROJETO PARA O CONTROLADOR DE CORRENTE ...................................... 55
5.4.1 Controlador de Corrente ............................................................................. 60
5.5 DIAGRAMA DE BLOCOS DO SISTEMA DE CONTROLE ............................... 63
5.6 COMENTÁRIOS E CONCLUSÕES ....................................................................... 64
6. DESENVOLVIMENTO DO SISTEMA DE ESTIMAÇÃO .................................. 65
6.1 INTRODUÇÃO ........................................................................................................ 65
6.2 CARACTERÍSTICAS DE CONJUGADO VERSUS VELOCIDADE .................. 65
6.3 APLICAÇÃO DO MODELO DE TENSÃO ........................................................... 66
6.4 EXPRESSÃO DO FLUXO ESTATÓRICO ............................................................ 67
6.5 EXPRESSÃO DO CONJUGADO ELETROMAGNÉTICO .................................. 68
6.6 REDE NEURAL ARTIFICIAL ................................................................................ 68
6.6.1 Filtragem Adaptativa Neural ...................................................................... 68
6.6.2 Algoritmo do Mínimo Quadrado Médio ..................................................... 70
6.7 ESTIMAÇÃO DO CONJUGADO ELETROMAGNÉTICO .................................. 71
6.8 DIAGRAMA DE BLOCOS DO SISTEMA DE ESTIMAÇÃO ............................. 74
6.9 COMENTÁRIOS E CONCLUSÕES ....................................................................... 76
7. RESULTADOS DE SIMULAÇÃO ........................................................................ 77
7.1 INTRODUÇÃO ........................................................................................................ 77
7.2 IMPLEMENTAÇÃO DA SIMULAÇÃO ................................................................ 77
7.3 ANÁLISE DOS RESULTADOS ............................................................................. 79
7.3.1 Primeira Simulação .................................................................................... 79
7.3.2 Segunda Simulação .................................................................................... 82
7.3.3 Terceira Simulação .................................................................................... 84
7.3.4 Quarta Simulação ....................................................................................... 86
7.4 COMENTÁRIOS E CONCLUSÕES ....................................................................... 88
8. RESULTADOS EXPERIMENTAIS ...................................................................... 90
8.1 INTRODUÇÃO ........................................................................................................ 90
8.2 ANÁLISE DOS RESULTADOS ............................................................................. 90
8.2.1 Acionamentos do Sistema em Vazio .......................................................... 91
8.2.2 Acionamentos do Sistema no Processo de Usinagem .................................. 94
8.2.2.1 Primeiro Experimento .......................................................................... 96
8.2.2.2 Segundo Experimento .......................................................................... 98
8.2.2.3 Terceiro Experimento ........................................................................ 100
8.2.2.4 Quarto Experimento ........................................................................... 101
8.3 COMENTÁRIOS E CONCLUSÕES ..................................................................... 104
9. CONCLUSÕES E RECOMENDAÇÕES ............................................................. 105
9.1 CONCLUSÕES ....................................................................................................... 105
9.2 PROPOSTAS PARA TRABALHOS FUTUROS .................................................. 106
REFERÊNCIAS BIBLIOGRÁFICAS .................................................................................... 107
APÊNDICE A. MODELO DA MÁQUINA DE INDUÇÃO ........................................... 122
A.1 INTRODUÇÃO ..................................................................................................... 122
A.2 REPRESENTAÇÃO TRIFÁSICA DA MÁQUINA DE INDUÇÃO ................... 122
A.2.1 Expressões dos Fluxos............................................................................. 124
A.2.2 Expressões das Tensões ........................................................................... 126
A.2.3 Expressão do Conjugado Eletromagnético ............................................... 127
A.3 REPRESENTAÇÃO ODQ DA MÁQUINA ......................................................... 128
A.3.1 Expressões dos Fluxos em odq ................................................................ 129
A.3.2 Expressões das Tensões em odq .............................................................. 130
A.3.3 Expressão do Conjugado Eletromagnético em odq .................................. 131
APÊNDICE B. CORRENTES DO ESTATOR DO MIT ............................................... 132
B.1 INTRODUÇÃO ...................................................................................................... 132
B.2 CORRENTES DOS RESULTADOS DE SIMULAÇÃO ..................................... 132
B.2.1 Primeira Simulação ................................................................................. 132
B.2.2 Segunda Simulação ................................................................................. 133
B.2.3 Terceira Simulação .................................................................................. 134
B.2.4 Quarta Simulação .................................................................................... 134
B.3 CORRENTES DOS RESULTADOS EXPERIMENTAIS ................................... 135
B.3.1 Primeiro Experimento.............................................................................. 135
B.3.2 Segundo Experimento.............................................................................. 136
B.3.3 Terceiro Experimento .............................................................................. 136
B.3.4 Quarto Experimento ................................................................................ 137
i
LISTA DE FIGURAS
Figura 2.1 - Máquina fresadora vertical convencional ....................................................... 8
Figura 2.2 - Ciclo de controle de máquinas-ferramenta CNC. ............................................ 9
Figura 2.3 - Sistema de posicionamento de uma mesa de coordenadas. ............................14
Figura 2.4 - Eliminação de ruído em eletrocardiograma utilizando filtro adaptativo..........25
Figura 3.1 - Fresamento combinado .................................................................................28
Figura 3.2 - Grandezas de penetração no fresamento frontal .............................................29
Figura 3.3 - Fresas tipo W, N e H .....................................................................................30
Figura 3.4 - Inversor trifásico como fonte de tensão e máquina de indução trifásica. ........31
Figura 3.5 - Modulação PWM controlada por sinal senoidal.............................................34
Figura 3.6 - Enrolamentos do estator e do rotor de um motor de indução trifásico ............35
Figura 3.7 - Diagrama vetorial instantâneo da máquina ........................................................ 37
Figura 4.1 - Projeto da máquina fresadora vertical ............................................................40
Figura 4.2 - Ferramenta de fresa de topo ..........................................................................40
Figura 4.3 - Especificações para acionar a fresa ...............................................................41
Figura 4.4 - Painel de acionamento da fresa do sistema de usinagem ................................41
Figura 4.5 - Conexão para a medição da posição ..............................................................42
Figura 4.6 - Hardware inversor para o acionamento da base X .........................................43
Figura 4.7 - Placa eZdspTM F28335 com processador digital de sinais .............................44
Figura 4.8 - Bancada de teste da máquina fresadora vertical .............................................44
Figura 4.9 - Relógio comparador digital ...........................................................................45
Figura 4.10 - Corte no corpo-de-prova de aço/latão ..........................................................47
Figura 4.11 - Diagrama esquemático para o controle da base X da máquina fresadora ......48
Figura 5.1 - Controlador fuzzy de velocidade PD+I ..........................................................52
Figura 5.2 - Funções de pertinência da variável de entrada Erro .......................................53
Figura 5.3 - Funções de pertinência da variável de entrada Derro .....................................53
ii
Figura 5.4 - Diagrama de blocos do sistema de controle ...................................................63
Figura 6.1 - Conjugado versus velocidade para motor de indução trifásico .......................66
Figura 6.2 – Fluxo de sinal do modelo adaptativo de um sistema......................................69
Figura 6.3 – Estrutura neural para filtragem adaptativa LMS do fluxo do estator estimado ........................................................................................................................................72
Figura 6.4 – Estrutura neural para filtragem adaptativa LMS da força contra-eletromotriz 73
Figura 6.5 – Diagrama de blocos do sistema de estimação da simulação ..........................75
Figura 6.6 – Diagrama de blocos do sistema de estimação da aplicação experimental ......75
Figura 7.1 – Curvas de resposta e de referência da posição angular do rotor (1ª Simulação) ........................................................................................................................................80
Figura 7.2 – Curvas de resposta e de referência da posição da base X (1ª Simulação) .......81
Figura 7.3 – Curvas de resposta e de referência da velocidade de rotação do rotor (1ª Simulação) .......................................................................................................................81
Figura 7.4 – Curvas de resposta e de referência da velocidade de avanço da base X (1ª Simulação) .......................................................................................................................81
Figura 7.5 – Curvas do conjugado eletromagnético e do conjugado eletromagnético estimado (1ª Simulação) ...................................................................................................81
Figura 7.6 – Curvas de resposta e de referência da posição angular do rotor (2ª Simulação) ........................................................................................................................................83
Figura 7.7 – Curvas de resposta e de referência da posição da base X (2ª Simulação)....... 83
Figura 7.8 – Curvas de resposta e de referência da velocidade de rotação do rotor (2ª Simulação) ........................................................................................................................... 83
Figura 7.9 – Curvas de resposta e de referência da velocidade de avanço da base X (2ª Simulação) .......................................................................................................................83
Figura 7.10 – Curvas do conjugado eletromagnético e do conjugado eletromagnético estimado (2ª Simulação) ...................................................................................................84
Figura 7.11 – Curvas de resposta e de referência da posição angular do rotor (3ª Simulação) .......................................................................................................................85
Figura 7.12 – Curvas de resposta e de referência da posição da base X (3ª Simulação) .....85
Figura 7.13 – Curvas de resposta e de referência da velocidade de rotação do rotor (3ª Simulação) .......................................................................................................................85
Figura 7.14 – Curvas de resposta e de referência da velocidade de avanço da base X (3ª Simulação) .......................................................................................................................85
Figura 7.15 – Curvas do conjugado eletromagnético e do conjugado eletromagnético estimado (3ª Simulação) ...................................................................................................86
iii
Figura 7.16 – Curvas de resposta e de referência da posição angular do rotor (4ª Simulação) .......................................................................................................................87
Figura 7.17 – Curvas de resposta e de referência da posição da base X (4ª Simulação) ..87
Figura 7.18 – Curvas de resposta e de referência da velocidade de rotação do rotor (4ª Simulação) ......................................................................................................................87
Figura 7.19 – Curvas de resposta e de referência da velocidade de avanço da base X (4ª Simulação) ......................................................................................................................87
Figura 7.20 – Curvas do conjugado eletromagnético e do conjugado eletromagnético estimado (4ª Simulação) ..................................................................................................88
Figura 8.1 – Curvas de resposta e de referência da velocidade de avanço da base X .........91
Figura 8.2 – Curva do conjugado eletromagnético estimado .............................................91
Figura 8.3 – Curvas de resposta e de referência da velocidade de avanço da base X .........92
Figura 8.4 – Curva do conjugado eletromagnético estimado .............................................92
Figura 8.5 – Curvas de resposta e de referência da velocidade de avanço da base X .........93
Figura 8.6 – Curva do conjugado eletromagnético estimado .............................................93
Figura 8.7 – Curvas de resposta e de referência da velocidade de avanço da base X .........93
Figura 8.8 – Curva do conjugado eletromagnético estimado .............................................93
Figura 8.9 – Usinagem do corpo-de-prova de aço/latão ....................................................95
Figura 8.10 – Usinagem do corpo-de-prova de aço/nylon .................................................96
Figura 8.11 – Curvas de resposta e de referência da posição da base X (1º Experimento) .97
Figura 8.12 – Curvas de resposta e de referência da velocidade de avanço da base X (1º Experimento) ...................................................................................................................97
Figura 8.13 – Curva do conjugado eletromagnético estimado (1º Experimento) ...............97
Figura 8.14 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado (1º Experimento) ..............................................................................................................98
Figura 8.15 – Curvas de resposta e de referência da posição da base X (2º Experimento) .99
Figura 8.16 – Curvas de resposta e de referência da velocidade de avanço da base X (2º Experimento) ...................................................................................................................99
Figura 8.17 – Curva do conjugado eletromagnético estimado (2º Experimento) ...............99
Figura 8.18 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado (2º Experimento) ..............................................................................................................99
Figura 8.19 – Curvas de resposta e de referência da posição da base X (3º Experimento) ...................................................................................................................................... 100
iv
Figura 8.20 – Curvas de resposta e de referência da velocidade de avanço da base X (3º Experimento) ................................................................................................................. 101
Figura 8.21 – Curva do conjugado eletromagnético estimado (3º Experimento) ............. 101
Figura 8.22 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado (3º Experimento) ............................................................................................................ 101
Figura 8.23 – Curvas de resposta e de referência da posição da base X (4º Experimento) ..................................................................................................................................... .102
Figura 8.24 – Curvas de resposta e de referência da velocidade de avanço da base X (4º Experimento) ................................................................................................................. 102
Figura 8.25 – Curva do conjugado eletromagnético estimado (4º Experimento) ............. 103
Figura 8.26 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado (4º Experimento) ............................................................................................................ 103
Figura A.1 - (a) Máquina simétrica trifásica; (b) convenções utilizadas para as grandezas da máquina em uma bobina ............................................................................................ 123
Figura A.2 - (a) Representação trifásica; (b) Representação bifásica............................... 128
Figura B.1 – Curvas de resposta e de referência da corrente do estator na componente d (1ª Simulação) ..................................................................................................................... 132
Figura B.2 – Curvas de resposta e de referência da corrente do estator na componente q (1ª Simulação) ..................................................................................................................... 133
Figura B.3 – Curvas de resposta e de referência da corrente do estator na componente d (2ª Simulação) ..................................................................................................................... 133
Figura B.4 – Curvas de resposta e de referência da corrente do estator na componente q (2ª Simulação) ..................................................................................................................... 133
Figura B.5 – Curvas de resposta e de referência da corrente do estator na componente d (3ª Simulação) ..................................................................................................................... 134
Figura B.6 – Curvas de resposta e de referência da corrente do estator na componente q (3ª Simulação) ..................................................................................................................... 134
Figura B.7 – Curvas de resposta e de referência da corrente do estator na componente d (4ª Simulação) ..................................................................................................................... 134
Figura B.8 – Curvas de resposta e de referência da corrente do estator na componente q (4ª Simulação) ..................................................................................................................... 135
Figura B.9 – Curvas de resposta e de referência da corrente do estator na componente d (1º Experimento) ................................................................................................................. 135
Figura B.10 – Curvas de resposta e de referência da corrente do estator na componente q (1º Experimento) ............................................................................................................ 135
v
Figura B.11 – Curvas de resposta e de referência da corrente do estator na componente d (2º Experimento) ............................................................................................................ 136
Figura B.12 – Curvas de resposta e de referência da corrente do estator na componente q (2º Experimento) ............................................................................................................ 136
Figura B.13 – Curvas de resposta e de referência da corrente do estator na componente d (3º Experimento) ............................................................................................................ 136
Figura B.14 – Curvas de resposta e de referência da corrente do estator na componente q (3º Experimento) ............................................................................................................ 137
Figura B.15 – Curvas de resposta e de referência da corrente do estator na componente d (4º Experimento) ............................................................................................................ 137
Figura B.16 – Curvas de resposta e de referência da corrente do estator na componente q (4º Experimento) ............................................................................................................ 137
vi
LISTA DE TABELAS
Tabela 5.1 – Tabela de regras fuzzy do controlador de velocidade .................................54
Tabela 7.1 – Conjugados eletromagnéticos estimados e velocidades de referência (simulação) ......................................................................................................................79
Tabela 7.2 – Desempenhos da posição e da velocidade obtidos nas simulações ................88
Tabela 8.1 – Conjugados eletromagnéticos estimados e velocidades de referência (acionamento do sistema em vazio) ..................................................................................94
Tabela 8.2 – Conjugados eletromagnéticos estimados e velocidades de referência (acionamento do sistema no processo de usinagem) .........................................................95
Tabela 8.3 – Desempenhos experimentais da posição e da velocidade de avanço ........... 103
vii
LISTA DE SÍMBOLOS
CA - Corrente Alternada
CC - Corrente Contínua
CNC - Controle Numérico Computadorizado
DSP - Processador Digital de Sinais
LMS - Mínimo Quadrado Médio
MIT - Motor de Indução Trifásico
PWM - Modulação por Largura de Pulso
RNA - Rede Neural Artificial
NG - função de pertinência denominada Negativo Grande
NM - função de pertinência denominada Negativo Médio
NP - função de pertinência denominada Negativo Pequeno
PG - função de pertinência denominada Positivo Grande
PM - função de pertinência denominada Positivo Médio
PP - função de Pertinência denominada Positivo Pequeno
QZ - função de pertinência denominada Quase Zero
ae - penetração de trabalho
ap - profundidade de corte
its - variável de saída da base fuzzy PD
µ - taxa de aprendizagem
F - coeficiente de atrito viscoso (Nm.s)
cm - conjugado resistente ou de carga (Nm)
ce - conjugado eletromagnético (Nm)
ceest - conjugado eletromagnético estimado (Nm)
J - momento de inércia (kg.m2)
Rs - resistência estatórica (Ω)
Rr - resistência rotórica (Ω)
viii
ls - indutância cíclica estatórica (H)
lr - indutância cíclica rotórica (H)
lm - indutância cíclica mútua (H)
P - número de pares de pólos
*rθ - referência da posição angular do rotor (rad)
θr - posição angular do rotor (rad)
S* - referência da posição da base X (mm)
S - posição da base X (mm)
v* - referência da velocidade de avanço da base X (mm/s)
v - velocidade de avanço da base X (mm/s)
gω - velocidade de rotação do referencial arbitrário (rad/s)
*rω - referência da velocidade de rotação do rotor (rad/s)
rω - velocidade de rotação do rotor (rad/s)
vω - velocidade de rotação do vetor tensão estatórica (rad/s)
iω - velocidade de rotação do vetor corrente estatórica (rad/s)
aω - velocidade de rotação do vetor fluxo estatórico (rad/s)
bω - velocidade de rotação do vetor fluxo rotórico (rad/s)
brω - velocidade de escorregamento do vetor fluxo rotórico (rad/s)
gδ - posição angular do referencial arbitrário
rδ - posição angular do eixo magnético do rotor
vδ - posição angular do vetor tensão estatórica
iδ - posição angular do vetor corrente estatórica
aδ - posição angular do vetor fluxo estatórico
bδ - posição angular do vetor fluxo rotórico
gsv - vetor tensão estatórica com referencial genérico
grv - vetor tensão rotórica com referencial genérico
gsi
- vetor corrente estatórica com referencial genérico
gri
- vetor corrente rotórica com referencial genérico
gsλ
- vetor fluxo estatórico com referencial genérico
ix
grλ - vetor fluxo rotórico com referencial genérico
asdfλ - fluxo do estator estimado filtrado, na componente d, com referencial estatórico
asqfλ - fluxo do estator estimado filtrado, na componente q, com referencial estatórico
sλ - módulo do fluxo estatórico (Wb)
rλ - módulo do fluxo rotórico (Wb)
si - módulo da corrente estatórica (A)
ri - módulo da corrente rotórica (A)
Tv - constante de tempo da fonte de tensão
σ - coeficiente de dispersão da máquina
rτ - constante de tempo rotórica
ssv 10 , s
sv 20 , ssv 30 - tensões de pólo
ssv 1 , s
sv 2 , ssv 3 - tensões de fase nos terminais da carga trifásica
E - tensão contínua de entrada ou barramento CC
ωs - velocidade de rotação síncrona do campo magnético
1
CAPÍTULO I
APRESENTAÇÃO
1.1 INTRODUÇÃO
Com a evolução dos sistemas produtivos, as indústrias têm direcionado maiores
investimentos nos seus processos de fabricação. Entre os diversos processos de usinagem
― torneamento, aplainamento, furação, mandrilhamento, fresamento, serramento,
roscamento e retificação ― o fresamento constitui um dos mais importantes pela sua
produtividade e flexibilidade.
A usinagem por fresamento permite realizar trabalhos em superfícies planas,
convexas, côncavas ou de perfis especiais. Possui a vantagem de ser mais rápida que os
processos de tornear, limar e aplainar, devido ao uso da fresa, que é uma ferramenta
multicortante.
O uso do fresamento se difundiu, principalmente, em três áreas da manufatura: na
fabricação de autopeças, na indústria aeroespacial e na produção de moldes e matrizes. Em
todas elas, um dos fatores que impulsionou sua aplicação foi a redução de tempos de
fabricação, possibilitada pela remoção de grandes volumes de material e pelo
desenvolvimento da tecnologia de usinagem de materiais duros.
A otimização do processo de usinagem por fresamento de topo de materiais duros
como o aço tornou-se fundamental na redução dos tempos e custos de fabricação de peças,
resultando na minimização dos desgastes das fresas, no desenvolvimento de sistemas com
melhores índices de desempenho e ocorrência nula de retrabalho em peças (BRITO, 2012).
Durante o processo de usinagem, o comportamento dinâmico desses sistemas é
complexo devido a fatores como a variação dos parâmetros de usinagem, o que dificulta a
2
determinação de um modelo matemático. Para otimizar esses processos alguns métodos
têm sido utilizados como o projeto de parâmetros robustos (PPR) aplicado no trabalho de
BRITO (2012). Por meio desse método, identificou-se uma combinação ótima dos
parâmetros de corte que foram velocidade de corte, velocidade de avanço, penetração de
trabalho e profundidade de corte.
A fim de aumentar a eficiência de uma operação de usinagem em materiais duros,
deve-se levar em consideração a seleção das ferramentas, geometrias de insertos e
parâmetros de corte adequados ao processo de usinagem, principalmente os parâmetros de
velocidades de avanço e de corte (SAGLAM et al., 2007).
Devido à necessidade de sistemas de usinagem mais robustos, que
proporcionassem acionamentos à velocidade variável, as máquinas fresadoras têm cada vez
mais sido acionadas por motores elétricos, como os motores de indução trifásicos. Esses
motores são largamente usados em diversas aplicações, devido a sua relativa simplicidade
de construção, manutenção, ao seu baixo custo, tanto operacional quanto de mercado, bem
como a capacidade de operar com uma grande diversidade de cargas em condições
adversas.
A automatização dos sistemas de usinagem, utilizando-se motores assíncronos nos
seus acionamentos, associada aos recursos computacionais, torna possível a geração de
instruções de usinagem para a máquina-ferramenta. Desse modo, as fresadoras CNC
(Controle Numérico Computadorizado) executam movimentos automáticos de acordo com
as instruções contidas em um programa previamente elaborado. Por meio dos algoritmos
de programação podem ser desenvolvidas estratégias de controle para essas fresadoras,
com a aplicação de controladores e estimadores inteligentes.
As técnicas de controle inteligente como a lógica fuzzy e a rede neural artificial
(RNA) possuem a capacidade de resolver, de forma rápida e satisfatória, problemas mal
definidos e que exigem um grande esforço computacional.
A técnica fuzzy possibilita a implementação da experiência humana nos sistemas,
considerando as incertezas das informações, as ambiguidades (SHAW e SIMÕES, 2004).
Por meio da tecnologia fuzzy, pode-se capturar o conhecimento de operadores humanos, os
quais controlam processos e plantas industriais, e incluí-lo em controladores e estimadores
computadorizados, implementando-os com desempenho idêntico ou melhor que o do
homem.
3
Nos sistemas fuzzy, são modeladas as ações provenientes do conhecimento de um
especialista. Para isso, são utilizadas estratégias de tomada de decisão, sendo sua
arquitetura formada por uma base de conhecimento, gerada com determinado grau de
incerteza, e um conjunto de regras que auxiliam na escolha do valor de comando adequado
para uma situação específica (RUBIO et al., 2002).
As redes neurais artificiais são técnicas computacionais organizadas segundo a
estrutura neural humana e que adquirem conhecimento através da experiência. As RNAs
consistem de um conjunto de unidades de processamento denominados de neurônios, com
técnicas de processamento inerentemente paralelas e adaptativas.
Essa tecnologia possui um modo apropriado para armazenar conhecimentos e
avaliá-los para uso. Esse conhecimento é adquirido através de um processo de
aprendizagem; e as conexões entre neurônios, conhecidas como pesos sinápticos, são
usadas para armazenar esse conhecimento de forma distribuída. O objetivo do aprendizado
é a obtenção de um modelo implícito do sistema em estudo, através de ajuste dos
parâmetros da rede (LEITE, 2003).
As variantes de uma RNA são inúmeras, e combinando-as é possível mudar a sua
arquitetura conforme a funcionalidade da aplicação, implementando-se uma arquitetura de
processamento específica (MARIANO, 2005).
As técnicas fuzzy e RNA têm sido cada vez mais aplicadas em sistemas de
usinagem, principalmente pelo fato de tratarem com facilidade não-linearidades,
possibitarem o controle de sistemas multivariáveis complexos e dispensarem
modelamentos matemáticos dos processos.
O desenvolvimento de estratégias de controle e estimação, utilizando técnicas de
controle inteligente e controle vetorial por orientação de campo, aumentam a complexidade
dos cálculos a serem realizados em tempo real, principalmente na implementação de
algoritmos que possam contribuir para um alto desempenho do sistema.
Um equipamento bastante adequado para soluções de aplicações de tal porte é o
processador digital de sinais (DSP). Pois, é um dispositivo que efetua grande número de
operações matemáticas, com processamento rápido e eficiente, na faixa de microsegundos.
O sistema de usinagem desenvolvido para a realização deste trabalho possui uma
máquina fresadora do tipo vertical, cuja ferramenta de corte é uma fresa de topo. A mesa
da fresadora é constituída por duas bases, sendo uma denominada de base X e a outra de
base Y, acionadas por motores de indução trifásicos. Neste trabalho, realizou-se o
4
acionamento e controle da base X no processo de usinagem frontal de diferentes tipos de
materiais.
Para o controle dessa base, foi implementada uma estratégia de controle
desenvolvendo-se controladores e estimadores por meio da lógica fuzzy e redes neurais
artificiais. Um processador digital de sinais foi utilizado para a programação dessa
estratégia de controle do sistema de usinagem.
1.2 MOTIVAÇÃO E OBJETIVO DO TRABALHO
Grande parte dos sistemas CNC de usinagem, existentes no setor industrial, é
fechada para os usuários. Pois, aos operadores dessas máquinas-ferramenta é permitido
apenas inserir, manualmente, os dados solicitados pela programação de fábrica dessas
máquinas, como a velocidade de avanço. Mesmo as chamadas interfaces de programação,
como visualização tridimensional e simulação do processo, não podem ser livremente
modificadas pelo usuário (MOREIRA, 2010).
Com respeito à velocidade de avanço, nas fresadoras CNC industriais, para usinar
uma peça constituída por vários tipos de materiais, é necessário definir as velocidades de
avanço para usinagem de cada material antes mesmo de iniciar o processo de usinagem.
Para algumas fresadoras, dependendo de suas características operacionais, uma peça desse
tipo é usinada por etapas, de forma não contínua, interrompendo o processo de usinagem
para inserir o dado de velocidade de avanço, na interface de programação da fresadora, a
cada material da peça a ser usinado.
Diante dessa limitação, a motivação para a realização deste trabalho é desenvolver
uma estratégia de controle para um sistema de usinagem, que, no processo de usinagem de
uma peça, possa determinar a velocidade de avanço específica para o corte do material da
peça.
Neste trabalho, ao usinar uma peça constituída por mais de um tipo de material, o
sistema desenvolvido é capaz de verificar a mudança de um tipo de material para outro,
sendo essa informação utilizada para modificar, automaticamente, a velocidade de avanço
de um valor específico para outro, dependendo do tipo de material que está sendo usinado.
Os objetivos deste trabalho são acionar o sistema com velocidades de avanço
específicas para o corte de cada material, controlar a posição e a velocidade de avanço da
base X da mesa de uma máquina fresadora vertical, no processo de usinagem de peças
5
constituídas por diferentes tipos de materiais, chamadas de corpos-de-prova. Nesse
processo, a rotação da ferramenta de corte é constante, não sendo objetivo deste trabalho
controlar a velocidade de corte do sistema.
A usinagem de um corpo-de-prova gera a imposição de carga ao motor de indução
trifásico (MIT) da base X. Portanto, o conjugado eletromagnético desse motor é estimado,
a fim de que por meio dessa estimação do conjugado verifique-se o tipo de material que
está sendo usinado. Desse modo, objetiva-se aplicar velocidades de avanço específicas
para usinar cada tipo de material de um corpo-de-prova, a partir do sinal do conjugado
eletromagnético estimado.
As referências de velocidade de avanço utilizadas na programação do sistema
foram definidas previamente, de modo experimental. Após a realização de vários testes
usinando os materiais na fresadora, escolheram-se as velocidades de avanço adequadas
para a usinagem da cada material nas condições operacionais da fresadora. A usinagem de
um material com velocidade de avanço específica para o seu corte é necessária, pois
evitam-se problemas como o desgaste da ferramenta de corte.
Para a implementação da estratégia de controle é desenvolvido um controlador de
velocidade para o controle da velocidade de avanço da base X da fresadora, usando o
modelo fuzzy Takagi-Sugeno (TS), e o conjugado eletromagnético do motor dessa base é
estimado, utilizando-se uma rede neural artifical do tipo algoritmo LMS (Mínimo
Quadrado Médio).
1.3 ORGANIZAÇÃO DO TRABALHO
Na sequência, este trabalho está organizado conforme as descrições a seguir:
O Capítulo II consiste de uma revisão da literatura. Inicialmente, é apresentada
uma visão histórica das máquinas-ferramenta, com enfoque no Controle Numérico
Computadorizado (CNC). Em seguida, são descritos alguns sistemas de usinagem, de
controle de posição e velocidade, de determinação de fluxo e conjugado em MIT; bem
como é realizada uma abordagem sobre sistemas que aplicam controle vetorial, lógica
fuzzy e redes neurais artificiais.
Um embasamento teórico sobre processo de usinagem é apresentado no Capítulo
III. Os princípios de funcionamento de um inversor trifásico como fonte de tensão e de um
6
motor de indução trifásico do tipo “gaiola de esquilo” também são abordados neste
capítulo.
No Capítulo IV, realiza-se uma explanação sobre a implementação e
funcionamento do sistema de usinagem deste trabalho. São apresentados os dispositivos
elétricos e mecânicos que constituem o sistema, bem como o funcionamento desse último
no processo de usinagem dos corpos-de-prova.
O desenvolvimento do sistema de controle da máquina fresadora é mostrado no
Capítulo V. Os projetos dos controladores e a configuração desse sistema para o controle
da posição e da velocidade de avanço da mesa da fresadora são apresentados.
No Capítulo VI, mostra-se o desenvolvimento e a configuração do sistema de
estimação para determinar o conjugado eletromagnético estimado do motor de indução
trifásico da fresadora.
O Capítulo VII é constituído pelos resultados de simulação, os quais foram
obtidos pela simulação da estratégia de controle do sistema.
No Capítulo VIII, são apresentados os resultados experimentais, obtidos a partir
da realização de usinagens nos corpos-de-prova, utilizando a bancada de teste da fresadora.
As conclusões sobre este projeto e as sugestões para trabalhos futuros são
abordados no Capítulo IX.
7
CAPÍTULO II
REVISÃO BIBLIOGRÁFICA
2.1 INTRODUÇÃO
Neste capítulo, é realizada uma revisão bibliográfica a respeito do tema deste
trabalho. Inicialmente, um histórico de sistemas CNC é apresentado, abordando-se sobre a
evolução desses sistemas. Em seguida, são descritas aplicações de sistemas de usinagem
presentes na literatura, bem como de servomecanismos de controle de posição e
velocidade, de determinação de fluxo e conjugado em máquinas de indução. Pesquisas que
utilizaram processador digital de sinais, controle vetorial, lógica fuzzy e redes neurais
artificiais são apresentadas.
2.2 NOTAS HISTÓRICAS
As máquinas-ferramenta são equipamentos utilizados para fabricar peças, cuja
fabricação pode ser realizada pela remoção de material da peça por meio de usinagem, ou
por um processo de forjamento ou estampagem, a fim de que a peça adquira o formato
desejado (SOUSA, 1998). Desde o seu surgimento, as máquinas-ferramenta têm passado
por aprimoramentos em sua estrutura física e tecnologia de acionamento.
Em 1818, Eli Whitney inventou a primeira fresadora. A área de trabalho era
montada em uma mesa que se movia em relação à ferramenta de corte. A usinagem das
peças dependia da habilidade dos operadores, havendo diferenças na operação, resultando
em variações nas dimensões das peças fabricadas. (MENEZES, 2007).
Na usinagem convencional, a eficiência do processo produtivo depende diretamente
da experiência do operador, o qual executa e controla o trabalho a ser realizado. Na Figura 2.1,
8
é mostrada uma máquina fresadora convencional constituída por manivelas para operação de
seus eixos. A usinagem usando essas máquinas tornou-se anti-econômica, devido ao
grande desperdício de material e ao crescente aumento da demanda. Dessa forma, houve a
necessidade de automatizar esses equipamentos.
Figura 2.1 – Máquina fresadora vertical convencional.
Os primeiros esforços para a aplicação do controle numérico (NC) em máquinas-
ferramenta tiveram início em 1949. As primeiras máquinas NC não possuíam memória e não
eram capazes de armazenar programas. A transferência de dados era realizada por meio de
fitas perfuradas, contendo dados da geometria da peça e parâmetros de usinagem, definidas
pelo programador. Cada vez que uma peça diferente precisasse ser produzida, era
necessária a geração de uma nova fita perfurada contendo as informações do novo
programa. Além disso, o programador especificava os movimentos que a máquina deveria
executar e calculava uma nova trajetória a cada troca de ferramenta.
Em 1952, surgiram as máquinas-ferramenta CNC, cujas operações são
controladas por computador. A entrada manual de dados e as fitas perfuradas foram
substituídas por armazenamento dos programas em disquete ou comunicação remota. O
uso do computador permite que um programa seja editado, armazenado na memória, lido e
executado. Logo, a partir das informações de trajetória e dos parâmetros de usinagem
determinados no programa, o computador de um sistema CNC executa os cálculos
necessários à usinagem da peça (SOUSA, 1998).
9
Alguns dos benefícios trazidos pela utilização das máquinas CNC são: fabricação
de peças de geometrias mais complexas; melhor acabamento superficial; redução do tempo
de fabricação, com maior controle na sequência das operações; redução do tempo de
preparação, tornando viável a produção de pequenos lotes; flexibilização da produção,
possibilitando a fabricação de grande variedade de peças (GONÇALVES, 2007).
As primeiras máquinas CNC utilizavam malhas de velocidade e posição no
monitoramento e controle de seus eixos, sendo o sinal de velocidade fornecido por
tacômetro e o sinal de posição por encoder. Na Figura 2.2, é apresentado um controle CNC
típico em uma máquina-ferramenta, constituído por: ciclo de controle de
servomecanismos; ciclo de interpolação, responsável por coordenar o movimento dos eixos
da máquina-ferramenta; e ciclo de controle de processo (MOREIRA, 2010).
Figura 2.2 – Ciclo de controle de máquinas-ferramenta CNC. Fonte: (MOREIRA, 2010).
2.3 SISTEMAS DE USINAGEM
Em sistemas de usinagem, são comumente usados programas CAD (Desenho
Assistido por Computador) e CAM (Manufatura Assistida por Computador), que integram
10
as etapas de projeto e fabricação. O programador, trabalhando em um ambiente
CAD/CAM, seleciona ferramentas de corte, procedimentos e insere os dados dos
parâmetros para usinar a peça projetada em CAD. Esses programas foram utilizados em
trabalhos como os de MENEGHELLO (2003), BATISTA (2006), SOUZA (2007) e
ARIAS (2009).
Os programas CAD e CAM usam apenas a análise geométrica e volumétrica, mas
não a física dos processos de usinagem (GUZEL e LAZOGLU, 2004). Nesse tipo de
programação, podem ocorrer problemas relacionados: à confiabilidade de transferência dos
dados geométricos do sistema CAD para o CAM; à velocidade de cálculo e confiabilidade
das trajetórias geradas; e à complexidade do processo (GONÇALVES, 2007).
Os parâmetros do processo de usinagem devem ser monitorados e ajustados
automaticamente, com a finalidade de melhorar a qualidade da produção e reduzir o tempo
de usinagem (MAO-YUE et al., 2009). Em muitos dos sistemas de usinagem CNC, não
são consideradas a dinâmica das máquinas-ferramenta e a capacidade de processamento do
CNC, para a análise do desempenho dessas máquinas e do processo.
Diante desse fato, MOREIRA (2010) propôs uma ferramenta de monitoramento
das variáveis características de uma máquina-ferramenta, controlando-a por meio de uma
máquina CNC de arquitetura aberta, permitindo ao usuário projetar controladores com a
configuração desejada. Nesse estudo, a programação CNC desenvolvida, utilizando as
informações de deslocamentos, avanços e ângulos, possibilitou avaliar o desempenho da
máquina-ferramenta quando submetida a determinadas condições de usinagem.
Em muitos dos sistemas de usinagem, são estabelecidos valores constantes de
velocidades de avanço e de corte ao longo de todo o desbaste1 e processos de acabamento2.
Entretanto, acionar as máquinas desses sistemas, com velocidade de avanço constante ao
longo de toda a trajetória da ferramenta na usinagem de superfícies, pode ser muito caro
para os fabricantes (GUZEL e LAZOGLU, 2004).
Devido a essas limitações, GUZEL e LAZOGLU (2004) apresentaram um modelo
de previsão de força de usinagem, com o objetivo de selecionar adequados valores de
velocidade de avanço durante a fresagem de superfícies de escultura. Alguns dos
parâmetros utilizados para o desenvolvimento desse modelo de força foram: a geometria da
ferramenta de corte, as intersecções da ferramenta com a peça de trabalho e a topografia da
superfície. WANG et al. (2004) desenvolveu um algoritmo para ajustar, automaticamente,
1 Desbaste é a operação de usinagem anterior ao acabamento, que visa obter dimensões próximas às dimensões finais da peça. 2 Acabamento é a operação de usinagem destinada a obter na peça as dimensões finais, um acabamento especificado, ou ambos.
11
a velocidade de avanço, a fim de alcançar o máximo de produtividade na usinagem de uma
pequena linha de fabricação.
Algumas pesquisas são direcionadas ao estudo da influência dos parâmetros de
corte ou estratégias de fresamento na força de usinagem. Essa força gera os esforços
necessários para efetuar o corte em uma peça. Parâmetros como o material da peça,
profundidade e espessura de corte, geometria da ferramenta, velocidades de corte e de
avanço são influentes na força de usinagem (RIBEIRO et al., 2006).
Nos ensaios realizados por RIGATTI (2010), a força de usinagem se mostrou
estatisticamente dependente da profundidade e da velocidade de corte. RIBEIRO et al.
(2006), para a faixa de parâmetros utilizada no fresamento frontal, mostrou que o avanço
influenciou de forma expressiva no aumento da força de usinagem.
Manter a força de usinagem constante ao longo do ciclo de remoção de material é
possível, independentemente do material da peça de trabalho e dos parâmetros de
usinagem, como a profundidade de corte. Com o objetivo de manter a força de usinagem
constante, enquanto se mantém a precisão da trajetória da ferramenta, TOUTANT et al.
(1993) desenvolveu um controlador para alterar a velocidade de avanço, em tempo real.
Uma referência de força de 250 N foi escolhida para testar o desempenho do sistema na
alteração automática da velocidade de avanço na usinagem de materiais.
A maioria das máquinas CNC de usinagem fornece a localização dos caminhos de
corte por um conjunto de linhas ou segmentos de arco. Uma das desvantagens inerentes
desse tipo de abordagem é que a ferramenta de corte deve acelerar e desacelerar em cada
segmento de reta, resultando na descontinuidade da velocidade de avanço na junção do
segmento de reta (CHENG e TSAI, 2004).
Para solucionar esse problema, CHENG e TSAI (2004) apresentaram um
algoritmo de controle, em tempo real, baseado na expansão de Taylor, para realização da
variação da velocidade de avanço por meio de um interpolador de curva de NURBS (B-
Splines Racionais Não Uniformes). O objetivo foi programar a variação da velocidade de
avanço para obter precisão de usinagem CNC. Para isso, foi controlada a trajetória de uma
mesa X-Y acionada por dois servo-motores, e utilizado um processador digital de sinais.
Na usinagem de superfícies de formato livre, complexo, são identificadas
dificuldades como a complexidade geométrica das peças, dureza e rugosidade
elevadas dos materiais. Nesses casos, o melhor método para controlar a ocorrência de
12
impactos é regular e controlar os parâmetros de corte de acordo com a forma e a estrutura
da superfície (LI e YIN, 2010).
Uma das maneiras eficazes para melhorar a eficiência de usinagem CNC e
garantir a qualidade de processamento é usar parâmetros ótimos de corte. No trabalho de
LI e YIN (2010), por meio do controle adaptativo da velocidade de avanço, foi
desenvolvido um método de otimização de parâmetros de corte em usinagem de superfícies
de formato livre. A velocidade de avanço foi determinada de acordo com a direção de
avanço, a curvatura (côncavo ou convexo) da superfície e o ângulo entre o eixo da
ferramenta e a componente normal da superfície.
Mudanças bruscas na geometria da trajetória realizada pela ferramenta de corte
podem aumentar os erros de contorno e causar alterações bruscas na força motriz do motor
de sistemas de usinagem. Para solucionar esses problemas, uma estratégia de usinagem
considerando a variação da velocidade de avanço foi proposta por ZHIMING et al. (2002),
sendo a velocidade de avanço dependente do raio de curvatura do percurso realizado pela
ferramenta.
2.4 CONTROLE VETORIAL
A utilização das técnicas de controle vetorial, em máquinas de indução, contribui
para um elevado desempenho dessas máquinas tanto no regime permanente quanto no
transitório de operação. O controle por orientação de campo é o método mais usado no
acionamento e controle de MIT (BARBI, 1985).
A implementação do controle vetorial por orientação de campo pode ser pelo
método indireto ou direto; podendo ser utilizada a orientação segundo o fluxo de rotor, o
fluxo de estator e o de entreferro.
A orientação de campo indireta (IFO), segundo o fluxo do rotor, é de mais fácil
implementação e possibilita o desacoplamento entre as componentes do fluxo do rotor.
Porém, sua principal desvantagem está no fato de ser sensível à variação de parâmentros,
pois a relação do escorregamento, fundamental na determinação da posição espacial do
fluxo do rotor, é fortemente dependente da resistência do rotor e da indutância de
magnetização. Além disso, a sensibilidade à variação da constante de tempo rotórica causa
a perda de sintonia, prejudicando a dinâmica e o desempenho da máquina de indução
(MASSARO, 2005). Nos trabalhos desenvolvidos por JACOBINA et al. (2003) e
13
ARANTES (2007), foi aplicado o controle IFO considerando-se essas limitações, sendo
desenvolvidas estratégias de controle que compensaram as variações de parâmentros.
A orientação de campo direta (DFO) permite que a posição do fluxo seja
determinada diretamente a partir da conexão na máquina de bobinas exploratrizes, sensores
de fluxo de efeito Hall ou através da medição das grandezas terminais do estator (tensões e
correntes). Enquanto para o uso de bobinas exploratrizes e sensores de fluxo necessita-se
efetuar alterações na estrutura do motor, a vantagem de utilizar as grandezas terminais do
estator está no fato de ser sensível apenas à resistência do estator ALTUNA (1997).
A DFO é uma técnica que não é sensível a constante de tempo rotórica, e é mais
frequentemente aplicada em acionamentos sem sensor de velocidade (KORLINCHAK e
COMANESCU, 2012). Vários trabalhos científicos que aplicaram DFO em motores de
indução foram publicados.
Na referência de REHMAN et al. (2001), para o desenvolvimento de um
controlador DFO, utilizaram-se observadores de fluxo e de corrente, os quais não
requereram informações da constante de tempo rotórica e da velocidade do motor.
MOUNA e LASSAÂD (2006), por meio da DFO, desenvolveram controladores de fluxo
do estator e da velocidade de rotação do rotor, sendo para isso implementandos
observadores para cada um desses dois parâmentros. KORLINCHAK e COMANESCU
(2012) utilizaram a DFO para estimar a posição e o ângulo do fluxo do rotor.
Com o advento dos dispositivos de processamento de sinais rápidos e de maior
capacidade de processamento (DSPs, microcontroladores), o controle por orientação de
campo tem sido aplicado em diversas pesquisas, usando os recursos desses dispositivos.
Na referência de HERNÁNDEZ (1999), é apresentada uma implementação de um
sistema digital de controle vetorial utilizando DSP, com orientação direta e indireta do
fluxo do rotor de um motor de indução trifásico. SOUZA JÚNIOR (2010), usando DSP,
propôs o controle de um MIT aplicando a técnica de IFO em uma malha de corrente.
2.5 SISTEMAS DE CONTROLE DE POSIÇÃO E VELOCIDADE
A base de funcionamento das máquinas industriais está no controle de movimento
das mesmas. Esse controle tem por objetivo o domínio da variação de posição, de
velocidade e do conjugado no sistema.
14
As estruturas de controle, para acionamento de máquinas-ferramenta, utilizam
controladores do tipo malha aberta, compostos por motores de passo, e controladores de
malha fechada, constituídos, principalmente, por motores de corrente contínua e motores
de indução (MENEZES, 2007), sendo as medições de posição e velocidade realizadas por
transdutores como encoder e tacogerador, respectivamente.
Um sistema posicionador de baixo custo foi desenvolvido por CAMARGO
(1988), no projeto de uma mesa X-Y acionada por motores de passo e controlada por
comando numérico CNC. Como a estrutura de controle dispensou a retroalimentação de
velocidade e posição por ter sido implementada em malha aberta, obteve-se uma mínima
complexidade do sistema, mostrando-se um protótipo viável em aplicações que não
demandam elevadas exatidão e resolução (MARIANO, 2005).
Os sistemas acionados por motores de corrente contínua foram predominantes em
diversas aplicações à malha fechada, pois esses motores possuem ampla faixa de controle
de velocidade e posição, com métodos de controle mais baratos que os acionamentos em
corrente alternada (RANGEL et al., 2010).
Nos trabalhos de OLIVEIRA (2003) e PATANÉ (2008) foram desenvolvidos
controladores de posição para juntas robóticas e um controlador de velocidade,
respectivamente, aplicados em sistemas acionados por motores de corrente contínua.
SANTANA e GARCIA (2009) implementaram um sistema de posicionamento, constituído
por uma mesa de coordenadas acionada por um motor de corrente contínua. O sistema
possui duas malhas de controle, sendo uma para o controle de posição, retroalimentada por
um encoder óptico incremental, e outra para o controle de velocidade de rotação,
retroalimentada por um tacômetro. Na Figura 2.3, é mostrado o esquema de ligações desse
sistema.
Figura 2.3 – Sistema de posicionamento de uma mesa de coordenadas. Fonte:
(SANTANA e GARCIA, 2009).
Servo-Motor CC
15
No entanto, com o desenvolvimento da eletrônica de potência e da
microeletrônica, houve uma significativa diminuição nos custos do acionamento com
corrente alternada e a garantia de maior robustez. Desse modo, os motores de indução
passaram a ter preferência em uma série de aplicações que exijam controle de velocidade
(RANGEL et al., 2010, RANIEL, 2011).
A técnica de controle escalar V/f para controlar a velocidade dos motores de
indução pode ser facilmente implementada (BOSE, 2002). Devido a menor complexidade
na aplicação dessa técnica, RANIEL (2011) utilizou-a para o desenvolvimento de
controladores de posição e de velocidade de rotação de um MIT, aplicado em um sistema
de controle de movimento de esteiras transportadoras.
Entretanto, o controle escalar apresenta um desempenho inferior ao controle
vetorial (BOSE, 2002). Essa técnica vetorial proporciona melhores resultados no controle
de velocidade de máquinas de indução, pois é realizado o desacoplamento das variáveis
dessas máquinas (BARBI, 1985).
Por meio do controle vetorial, SOUZA JÚNIOR (2010) verificou uma menor
variação em relação à referência de posição no regime permanente de operação de um MIT
de um servoposicionador, obtendo-se um melhor desempenho no controle de posição do
rotor do motor. As análises dos resultados do servoposicionador estudado possibilitaram
desenvolver o controle de posicionamento de um manipulador robótico.
Em ARAÚJO (2011), apresentou-se um sistema de controle de posição de um
MIT para sistemas de posicionamento, aplicando a técnica de controle vetorial em
quadratura com o fluxo rotórico. Para o controle de posicionamento, foram desenvolvidos
controladores de velocidade e de posição, utilizando-se controladores clássicos P
(Proporcional), PI (Proporcional Integrativo) e PD (Proporcional Derivativo).
No caso do controle vetorial de velocidade utilizando a estimação de fluxo,
objetiva-se compensar as variações nos parâmetros da máquina de indução, causadas pelos
aumentos de temperatura ou saturação magnética do rotor. Nos trabalhos de PAIVA (2007)
e QUEIROZ (2008) são analisados bons desempenhos dessa estratégia de controle. Na
referência de PAIVA (2007), aplicando a estimação de fluxo do rotor, é apresentada uma
proposta de controle vetorial de velocidade em conjunto com um controle de
posicionamento radial de uma máquina de indução trifásica sem mancais, com bobinado
dividido. QUEIROZ (2008), também utilizando a estimação de fluxo do rotor, realizou um
controle vetorial de velocidade de um MIT.
16
Além das variações paramétricas, os distúrbios de carga também prejudicam o
desempenho dos sistemas de controle de velocidade em malha fechada; podendo causar
sobressaltos, longos tempos de acomodação, grandes tempos de subida, ou eventualmente
podem ocasionar a instabilidade desses sistemas (MARTINS, 2006).
A utilização da técnica de controle vetorial possibilita a obtenção de respostas
rápidas de velocidade, com conjugado elevado e distúrbios de carga aplicados nas
máquinas de indução (QUEIROZ, 2008).
Nesse contexto, no trabalho de ELLABBAN et al. (2010), foi analisado,
comparativamente, o desempenho do controle de velocidade utilizando o controle escalar e
a técnica de controle vetorial por IFO de um MIT alimentado por um inversor fonte Z
(ZSI). Nesse sistema, foram aplicadas pertubações de carga no eixo do motor e variação de
tensão de entrada, verificando-se um controle de velocidade mais eficiente usando a
técnica de controle vetorial.
Em MARTINS (2006), realizou-se uma análise comparativa de estratégias de
controle de velocidade sem sensor (sensorless) para um MIT, utilizando controle vetorial
em um DSP de ponto-fixo. Os desempenhos dos controladores e estimadores
desenvolvidos foram analisados em uma larga faixa de velocidade, inclusive para
velocidades baixa e nula, e diante de variações de carga e de parâmetros, obtendo-se
pequenos erros de regime permanente.
O desenvolvimento de controladores de velocidades robustos a distúrbios de carga
é necessário, principalmente, em sistemas acionados por motores de indução operando em
baixas velocidades de rotação. O estudo de um servomecanismo sensorless usando MIT é
apresentado por GASTALDINI (2008). Para esse servomecanismo, implementou-se o
controle de velocidade utilizando controle vetorial e modelo de referência da potência
reativa, com o objetivo de verificar a robustez dessa estratégia de controle a distúrbio de
cargas em baixas velocidades de rotação do motor. O desempenho do sistema foi analisado
para variações de carga nas faixas de velocidade entre 10 % a 50 % do valor nominal.
2.6 SISTEMAS DE DETERMINAÇÃO DE FLUXO E CONJUGADO
Em diversas pesquisas científicas, têm sido apresentadas estratégias de
determinação de fluxo e conjugado eletromagnético de motores de indução, com o objetivo
17
de desenvolverem-se sistemas de estimação e controle mais robustos, substituindo os
métodos convencionais de medição dessas variáveis.
O fluxo eletromagnético pode ser medido diretamente por sensores de fluxo
instalados no interior da máquina de indução, bem como obtido utilizando-se bobinas de
inspeção e taps no enrolamento do estator. Já o conjugado eletromagnético pode ser obtido
por meio de células de carga, as quais fornecem uma informação proporcional a esse
conjugado (ALTUNA, 1997). No caso dos torquímetros acoplados ao eixo do motor, esses
medem o conjugado de carga, como nos trabalhos de DANTAS (2007) e LIMA FILHO
(2009). Entretanto, tais métodos de medição são invasivos, impossibilitam o uso do motor
com padrões de fabricação, reduzem a robustez mecânica do sistema e são de difícil
implementação em servomecanismos que já estão sendo operados (CERQUEIRA et al.,
2006).
Uma técnica que não requer sensores eletromecânicos, reguladores de corrente e
transformações de coordenadas é o controle direto de torque (DTC), dependendo apenas da
resistência do estator (BUJA e KAZMIERKOWSKI, 2004). Na referência de LINS (2001),
foi proposto um acionamento DTC com o objetivo de controlar o conjugado
eletromagnético e minimizar as perdas elétricas de um motor de indução.
Contudo, em sistemas que aplicam a técnica DTC, um dos principais problemas é
verificado no seu comportamento a baixas velocidades, pois nessa condição apresenta alta
ondulação de torque (LEE et al., 2005) e a estimação do fluxo do estator se torna
extremamente dependente da resistência do estator (SUETAKE, 2008). Além disso, existe
o problema de definição das histereses de controle e seus impactos nas freqüências de
chaveamento e na taxa de distorção harmônica, conforme analisado no trabalho de
(FERREIRA, 2004).
Na literatura, as principais metodologias aplicadas para a estimação de fluxo e
conjugado utilizam estimadores (CERQUEIRA et al., 2006, DATTA et al., 2006, LEE et
al., 2012) e observadores (WEN e HUI, 2006, UDDIN et al., 2011, BENAVIDES et al.,
2011). Tanto os estimadores quanto os observadores de fluxo utilizam tensões, correntes
e/ou velocidade de rotação da máquina em suas implementações.
Os observadores (estimadores em malha fechada) utilizam informações de entrada
e saída do sistema com o objetivo de corrigir os parâmetros observados e reduzir o erro de
predição. Entretanto, os observadores de fluxo são sensíveis a variações paramétricas,
18
ruídos e apresentam problemas em baixas velocidades, conforme mencionado em
LANDIM et al. (2000).
Para os observadores e estimadores (malha aberta), podem-se usar dois modelos
na estimação de fluxo: o modelo de corrente e o modelo de tensão.
O modelo de corrente é mais utilizado para baixas frequências de operação do
motor de indução, sendo necessária as medições da corrente do estator, da velocidade de
rotação do rotor e da resistência rotórica (SEVERINO, 2005). Como a resistência do rotor
varia bastante, necessita-se estimar esse parâmetro paralelamente ao estimador do fluxo
(KENNÉ e LAMNABHI-LAGARRIGUE, 2012).
O modelo de tensão, é mais aplicado para altas frequências do motor, realizando-
se uma integração numérica das tensões e correntes do estator e da resistência estatórica na
estimação do fluxo. A resistência estatórica, a qual varia pouco, é facilmente medida nos
terminais do motor, proporcionando uma maior facilidade na estimação do fluxo do estator
(SEVERINO, 2005).
Na literatura, diversos autores sugerem a utilização do modelo de tensão
isoladamente para estimar o fluxo ao invés de usar o modelo de corrente (SILVEIRA,
2007). O uso do modelo de tensão, em uma ampla faixa de frequências, possibilita a
obtenção de bons resultados (AZCUE P. e RUPPERT, 2011).
Entretanto, erros de estimação, devido a níveis de corrente contínua (offsets),
poderão ser verificados na aplicação do modelo de tensão.
A utilização de filtros passa baixas e/ou filtros passa altas são algumas das
metodologias propostas para eliminação de offsets do sinal de fluxo estimado. Porém, nos
casos em que se aplicam esses dispositivos, é necessário desenvolver estratégias de
compensação, visto que o uso de filtros ocasiona erros de magnitude e fase no sinal de
saída do filtro.
Em IDRIS e YATIM (2002), apresentou-se um método de estimação do fluxo do
estator para o controle direto de torque de máquinas de indução. A estimação do fluxo,
utilizando o modelo de tensão, foi desenvolvida para o regime permanente de operação. A
análise comparativa dos resultados do fluxo de estator estimado, obtidos através de um
integrador puro e os obtidos utilizando um filtro passa-baixa, possibilitou verificar que a
utilização do filtro, a fim de eliminar offsets, e a compensação dos erros de magnitude e
fase proporcionaram um melhor desempenho do controle DTC da máquina.
19
No trabalho de MIHALACHE (2005), para a determinação do fluxo estatórico,
foram usados filtros passa-alta com o objetivo de eliminar sinais de corrente contínua
causados pela integração usada no modelo de tensão. Uma compensação foi realizada para
corrigir a fase e a magnitude do fluxo estimado.
Na referência de SENA (2011), propôs-se uma estratégia de determinação do
conjugado eletromagnético de um MIT a partir da estimação do fluxo estatórico. Filtros
passa-alta foram utilizados para eliminação dos offsets originados; e a realização de uma
compensação de erros diminuiu as distorções de magnitude e fase do fluxo estimado.
SILVEIRA (2007) apresentou uma comparação entre três algoritmos diferentes
estimadores de fluxo estatórico. O primeiro algoritmo desenvolvido utilizou um filtro
passa-baixa. O segundo algoritmo usou um filtro passa-alta. O terceiro foi um algoritmo
híbrido que utilizou os modelos de tensão e corrente em paralelo para estimar o fluxo. As
três estratégias estimaram o fluxo estatórico em uma ampla faixa de frequência e
velocidade de funcionamento do motor de indução.
Existem ainda outras técnicas de estimação de fluxo e conjugado. A estimação da
frequência do motor pode ser usada para estimar o fluxo de MIT. Nesse tipo de aplicação,
uma adequada estimação da frequência do motor é a base para um bom funcionamento do
estimador de fluxo.
Em SHIN et al. (2000), foi proposta a estimação da frequência estatórica para
determinação das constantes de um filtro passa-baixa programável com frequência de corte
variável. Esse método apresentou a vantagem de adaptar a frequência de corte desse filtro,
dependendo da velocidade do motor, garantindo uma menor distorção no sinal integrado na
estimação do fluxo em frequências baixas.
A partir da estimação do fluxo do rotor é possível estimar o fluxo do estator e o
conjugado eletromagnético. Em RODRIGUEZ et al. (2004), apresentou-se a estimação do
conjugado eletromagnético de uma máquina de indução por meio do produto vetorial dos
fluxos do estator e do rotor. Para isso, foram calculados os ângulos dos vetores espaciais
dos fluxos estatórico e rotórico.
2.7 CONTROLE DIGITAL
Em se tratando de controle de máquinas-ferramenta, a flexibilidade do controle
digital é ainda mais desejável, pois uma máquina-ferramenta pode executar variados
20
processos de usinagem, podendo ser necessários numerosos ajustes de parâmetros de
controle. (ALTINTAS, 2000).
O emprego do controle digital proporciona uma maior flexibilidade na realização
de alterações em projetos. Por ser implementado por meio de software, o controle digital é
vantajoso quando comparado ao controle por hardware, pois permite que os parâmetros do
controlador sejam alterados pela simples modificação de algumas linhas de programa, em
vez de alterações em hardware, como projetar e construir novos circuitos eletrônicos.
(NISE, 2002).
Além disso, os controladores digitais apresentam: facilidade de inclusão de
funções lógicas e não lineares na malha de controle; viabilidade de armazenar dados em
tabelas e acumular conhecimento acerca das propriedades do sistema controlado; menos
problemas com relação à tolerância dos componentes analógicos, maior sensibilidade de
medição e sensibilidade reduzida ao ruído dos sinais.
2.7.1 Processador Digital de Sinais
Os controles de alto desempenho de servomecanismos acionados por motores de
indução trifásicos requerem um grande número de operações aritméticas sobre cada
amostra do sinal. Portanto, no controle desses sistemas, o uso de um processador
convencional pode não suprir a necessidade de processamento requerido para a aplicação,
devido ao pequeno poder computacional aritmético dos processadores comuns
(SILVEIRA, 2007).
Por isso, os processadores digitais de sinais, os quais possuem elevado poder
computacional, são comumente utilizados na implementação de técnicas de controle para
sistemas acionados por MIT. Grande parte dos algoritmos de controle e estimação são
implementados em DSPs (SEVERINO, 2005).
SUETAKE (2008) mencionou que o uso do DSP em seu trabalho proporcionou a
realização de identificações confiáveis sobre o comportamento do MIT estudado,
executando-se ações de controle em tempo real.
No trabalho de REZENDE (2008) a utilização do DSP reduziu a complexidade do
controle digital desenvolvido para um inversor PWM senoidal, aumentando a
confiabilidade e a flexibilidade do sistema.
21
RUBAAI e OFOLI (2007), para implementação de um controlador híbrido fuzzy
adaptativo para o controle de um servo-motor, utilizaram um DSP, devido à demanda
computacional necessária para a aplicação dessa estratégia de controle.
2.8 LÓGICA FUZZY
A lógica fuzzy possibilita a inclusão da experiência humana em controladores
computadorizados. Essa característica tem motivado o desenvolvimento de sistemas
inteligentes aplicando a técnica fuzzy.
Uma alternativa para a solução de problemas de controle, com não linearidades
nas dinâmicas inerentes aos processos, é a aplicação da técnica fuzzy. No estudo
comparativo de estratégias de controle para sistemas microposicionadores de máquinas-
ferramenta, RUBIO (1998) verificou a eficácia dos controladores fuzzy, visto que
possuíram maior adaptabilidade à ocorrência de variações próprias e não lineares do
sistema.
Em sistemas de usinagem CNC, como os processos de corte são complexos, não-
lineares, imprevisíveis e dinâmicos, pode-se obter um bom desempenho desses sistemas
aplicando o controle fuzzy, segundo URAIKUL et al. (2007).
Na referência de HUANG et al. (2008), apresentou-se uma estratégia de controle
fuzzy baseada na limitação da potência do fuso de uma fresa no processo de fresamento de
topo. O controlador fuzzy foi implementado adaptativamente, para uma lenta usinagem de
formas complexas, com o objetivo de maximizar a velocidade de avanço permitida pela
potência de corte da fresa.
Em MIAO e LI (2009), propôs-se uma abordagem fuzzy para determinação da
velocidade de avanço ótima para as características geométricas de uma peça a ser fresada.
Uma base de regras fuzzy foi estabelecida para previsão da força de corte, baseada nas
profundidades axiais e radiais de corte e na velocidade de avanço inicialmente assumida.
Os sistemas fuzzy podem ser desenvolvidos usando os princípios de proporção,
derivada e integral, resultando nas configurações de sistemas fuzzy PD (ZHANG et al.,
2008); fuzzy PI (VIEIRA et al., 2007, LIN et al., 2007); fuzzy PID (QIANG et al., 2008).
Há uma forte tendência na interação entre lógica fuzzy e outras técnicas
inteligentes como redes neurais artificiais (estruturas neuro-fuzzy) e algoritmos genéticos,
possibilitando a geração automática de bases de regras e de funções de pertinência.
22
No trabalho de GOUVÊA (2005), foram utilizados controladores neuro-fuzzy no
controle de velocidade, de fluxo do estator e do conjugado eletromagnético de um motor
de indução.
Em LIN et al. (2006), uma RNA foi usada na obtenção da inferência de
conhecimento de um modelo fuzzy para um processo de fresamento de topo, sendo a
inferência, baseada no aprendizado fuzzy, aplicada a um sistema de determinação
inteligente de avanço.
MAO-YUE et al. (2009) implementou um controlador por meio de técnicas de
lógica fuzzy e algoritmos genéticos para um sistema integrado de cinco eixos de fresagem.
Esse controlador inteligente proporcionou manter a força de corte constante e ajustar o
avanço do sistema CNC.
Existem dois modelos de sistema de inferência fuzzy que diferem
fundamentalmente em suas habilidades para representar diferentes tipos de informação:
Mamdani (MAMDANI e ASSILAN, 1974) e Takagi-Sugeno (TAKAGI e SUGENO,
1985).
Trabalhos pioneiros como de TANAKA e SUGENO (1990) mostraram que o
modelo fuzzy TS pode ser desenvolvido respeitando as especificações e restrições
operacionais, garantindo além da estabilidade, diversos critérios de desempenho em malha
fechada.
Na referência de MOZELLI (2008), foram propostas condições rigorosas e
sistemáticas para análise e projeto de sistemas de controle fuzzy utilizando modelos TS,
considerando a garantia de estabilidade e o desempenho em malha fechada. A metodologia
de projeto foi baseada no controle em espaço de estados, estruturada segundo os princípios
de estabilidade de Lyapunov, a teoria de sistemas fuzzy e os fundamentos de controle
robusto.
No modelamento de plantas, a linearização é uma técnica que descreve a dinâmica
de um sistema não-lienar apenas em torno do ponto de operação em que o sistema foi
linearizado. No caso de sistemas que podem operar em regiões distantes do ponto de
operação, o modelo fuzzy TS é uma das técnicas mais adequadas (TAKAGI e SUGENO,
1985, SUGENO e KANG, 1988).
No trabalho de SOUZA (2006), foram analisados a modelagem e o controle de
uma classe de sistema não-linear utilizando modelo fuzzy TS. A aplicação desse modelo
possibilitou representar, aproximadamente, o comportamento do sistema estudado em
23
diferentes pontos de operação do seu espaço de estados. Uma flexibilização dos ganhos do
controlador fuzzy TS, em função das condições iniciais da planta, foi obtida.
O modelo fuzzy TS possui como característica a capacidade de representar, de
forma aproximada ou exata, dinâmicas não-lineares quaisquer como a combinação de
modelos lineares válidos localmente. Algumas pesquisas investigam metodologias para
determinação dos modelos locais.
Na referência de MACHADO et al. (2011), foi proposto um novo método de
construção de modelos locais fuzzy obtidos a partir do acréscimo de novos graus de
liberdade a um sistema de pré-compensação de controle. Nesse método, obteve-se uma
melhor aproximação do sistema fuzzy nas vizinhanças dos pontos de operação, reduzindo
o número de modelos locais necessários para representar o sistema.
2.9 REDES NEURAIS ARTIFICIAIS
A RNA é uma técnica cuja estrutura é projetada para tentar reproduzir a maneira
pela qual o cérebro humano realiza uma tarefa particular ou função de interesse.
Essa técnica tem sido bastante aplicada em trabalhos científicos, devido a sua
capacidade de aprendizagem do comportamento de um sistema para diversas condições de
funcionamento, fazendo com que as variáveis estimadas ou controladas se adaptem a
possíveis variações e incertezas paramétricas (QUEIROZ, 2008).
Em sistemas de difícil modelagem matemática, com plantas não-lineares e
variantes no tempo, as RNAs têm proporcionado a obtenção de bons resultados (LEITE,
2003).
Uma das áreas de pesquisa mais promissoras para a implementação das RNAs é a
área de controle e de estimação dos parâmetros e estados de máquinas elétricas, como as
máquinas de indução. Pois, as redes neurais podem ser treinadas para vários pontos de
operação, de modo a contemplar e compensar as variações nos parâmetros da máquina,
mantendo o desempenho desejado do sistema (ALMEIDA et al., 1999).
No trabalho de QUEIROZ (2008), foi realizada uma comparação dos
desempenhos de velocidade de um MIT, usando-se um estimador neural e um estimador
convencional de fluxo, respectivamente, destacando a capacidade da RNA desenvolvida de
compensar as variações nos parâmetros da máquina, devido a aumentos de temperatura ou
saturação magnética do rotor.
24
A implementação de um algoritmo de treinamento não é uma tarefa trivial na
maioria das vezes, sendo necessárias modificações na arquitetura da rede neural em função
do problema pesquisado.
Na referência de LIMA (2010), uma metodologia de treinamento por partição de
frequência foi desenvolvida para a RNA de um sistema de acionamento de um MIT,
devido ao estabelecimento de diversas velocidades de regime estacionário. GOEDTEL
(2007) desenvolveu uma estrutura neural de treinamento para cada faixa de tensão de
operação de um MIT, resultando na utilização de uma multi-estrutura neural para estimar a
velocidade do motor.
Para solucionar problemas de convergência de RNAs, diversos trabalhos
propuseram metodologias com o objetivo de reduzir o seu tempo de treinamento e garantir
tempo finito de convergência (GOEDTEL et al., 2008; LIU et al., 2010; AL-ALLAF,
2011; LIU e ZHANG, 2013).
Com o avanço das pesquisas na área de redes neurais artificiais, diversos tipos de
redes foram desenvolvidos e adaptados em várias aplicações, diferenciando-se na
complexidade de seus projetos e algoritmos de aprendizado. Um dos tipos mais conhecidos
é a RNA do tipo ADALINE (Elemento Linear Adaptativo), constituída por uma poderosa
lei de aprendizagem, em cujo desenvolvimento usou-se o algoritmo LMS (WIDROW e
HOFF, 1960).
No trabalho de JÚNIOR (2006), a aplicação do método neural ADALINE
proporcionou a obtenção de uma excelente imunidade à propagação de erros em seu
sistema, além disso admitiu adaptabilidade na dimensão da entrada da rede neural, em
tempo real, resultando em uma rápida velocidade de processamento e uma maior precisão
do sistema.
O algoritmo de aprendizagem LMS, também conhecido como regra delta de
Widrow, é um algoritmo de minimização de erro, baseado em estimativas instantâneas do
erro na saída (HAYKIN, 1991).
O primeiro trabalho de grande relevância aplicando o algoritmo LMS foi
apresentado por WIDROW et al. (1975). Nesse trabalho, o cancelamento de interferências
utilizando filtros adaptativos foi uma importante referência na área de processamento
digital de sinais (DOBROWOLSKI, 2009).
Na Figura 2.4, é mostrada uma das aplicações práticas de filtragem adaptativa
apresentada por WIDROW et al. (1975). Nas Figuras 2.4 (a), (b) e (c), podem ser
25
observados os sinais fornecidos por um eletrocardiograma. Observa-se em: (a) uma entrada
primária (sinal com interferência); (b) uma entrada de referência (interferência); (c) a saída
da filtragem adaptativa, apresentando a atenuação da interferência.
(a)
(b)
(c)
Figura 2.4 – Eliminação de ruído em eletrocardiograma utilizando filtro adaptativo. Fonte
adaptada: (WIDROW et al., 1975).
Em DOBROWOLSKI (2009), devido à simplicidade de implementação e menor
complexidade computacional do algoritmo LMS, utilizou-se essa técnica no
desenvolvimento de um filtro adaptativo para a redução e eliminação de ruído de sinais de
interferências em rádio frequências.
No trabalho de LINDEN (2012), a aplicação do algoritmo LMS proporcionou
estimar o conjugado eletromagnético de um MIT. Para isso, filtros adaptativos neurais
foram desenvolvidos para eliminação de offsets na estimação do fluxo do estator.
26
2.10 COMENTÁRIOS E CONCLUSÕES
Na revisão bibliográfica, deste capítulo, foi apresentado um histórico de
máquinas-ferramenta até o surgimento dos sistemas de usinagem CNC. Uma abordagem
referente aos sistemas de usinagem, de controle de posição e velocidade, bem como de
determinação de fluxo e conjugado em MIT foi realizada. Aplicações das técnicas de
controle inteligente utilizando lógica fuzzy e RNA foram descritas.
Quanto aos sistemas de usinagem, durante a pesquisa bibliográfica, verificaram-se
alguns trabalhos que, por meio das suas respectivas metodologias, mantiveram constante a
velocidade de avanço, realizaram a variação ou controle dessa velocidade para a usinagem
de peças em seus projetos.
Além disso, ainda é reduzida a aplicação das técnicas de controle inteligente como
lógica fuzzy e redes neurais em sistemas de usinagem, principalmente no controle da
velocidade de avanço. Essa constatação proporciona a realização de diversas pesquisas em
sistemas de usinagem aplicando essas técnicas de controle.
27
CAPÍTULO III
FUNDAMENTOS PARA ACIONAMENTO DO SISTEMA
3.1 INTRODUÇÃO
Uma fundamentação teórica sobre processo de usinagem e os parâmetros de corte
envolvidos nesse processo é apresentada neste capítulo. Além disso, aborda-se sobre
inversor de frequência e motor de indução trifásico, utilizados no acionamento do sistema
de controle deste trabalho. O acionamento elétrico das máquinas fresadoras, utilizando
motores de indução trifásicos alimentados por inversores de frequência, permite uma maior
precisão e controle dos processos de usinagem.
3.2 PROCESSO DE USINAGEM
O fresamento é um processo de usinagem que consiste na remoção de material de
uma peça, com a finalidade de construir superfícies planas ou com uma determinada
forma. A remoção de material é realizada de modo intermitente, pelo movimento rotativo
da fresa, a qual possui múltiplas arestas de corte (dentes).
As máquinas fresadoras, geralmente, são classificadas de acordo com a posição do
seu eixo-árvore (local de fixação da fresa) em relação à mesa da máquina. As fresadoras
basicamente classificam-se como: horizontal, vertical e universal.
A usinagem em máquinas fresadoras é realizada pela combinação de dois
movimentos efetuados simultaneamente. Um dos movimentos é o de rotação da fresa ao
redor de seu eixo, chamado de movimento de corte. O outro é o movimento da mesa da
28
máquina onde é fixada a peça a ser usinada, denominado movimento de avanço
(STEMMER, 2001).
No caso da fresa interceptar mais da metade do seu diâmetro na peça ou
interceptá-la totalmente, é caracterizado o fresamento combinado, conforme Figura 3.1.
Nesse tipo de usinagem, ocorre o sentido do movimento de avanço da mesa contrário ao
sentido do movimento de corte da fresa, bem como ocorre o movimento de avanço no
mesmo sentido do movimento de corte (OLIVEIRA, 2010).
Figura 3.1 - Fresamento combinado.
Alguns dos parâmetros de corte em um processo de usinagem são: velocidade de
avanço, velocidade de corte, profundidade de corte e penetração de trabalho.
A velocidade de corte é a velocidade tangencial instantânea da fresa, resultante de
sua rotação. Essa velocidade é definida de acordo com: a capacidade da máquina fresadora,
as dimensões da fresa, o material da peça a ser usinada e o próprio material da fresa. A
velocidade de avanço é a velocidade da mesa da fresadora. Assim como ocorre com a
velocidade de corte, a velocidade de avanço também é restringida pela capacidade da
fresadora, as dimensões e material da fresa e o material da peça (TAKANO, 2010).
As grandezas de penetração em um processo de usinagem são apresentadas na
Figura 3.2. São classificadas como profundidade de corte ap e penetração de trabalho ae. A
profundidade de corte corresponde à profundidade ou largura de penetração da fresa em
relação à peça, medida numa direção perpendicular ao plano de trabalho. A penetração de
29
trabalho representa a penetração da fresa em relação à peça, medida no plano de trabalho e
numa direção perpendicular à direção de avanço (MAIA, 2009).
Figura 3.2 – Grandezas de penetração no fresamento frontal.
A escolha da fresa está relacionada com o tipo de material a ser usinado, se essa
ferramenta é resistente para a usinagem desse material. Na Figura 3.3, são ilustrados os
tipos de fresa. A seguir, classificam-se os tipos de fresas e suas características:
• Tipo W (α=8º, β=57º e γ=25º): possui passo grande (poucos dentes). Essa fresa gera
longos cavacos (porção de material removida da peça pela ferramenta), sendo
indicada para a usinagem de materiais não-ferrosos, de baixa dureza, como
alumínio, bronze e plástico.
• Tipo N (α=7º, β=73º e γ=10º): possui passo menor (mais dentes) que a fresa tipo W.
É indicada para materiais de média dureza, apresentando resistência à tração menor
que 700 MPa. Geralmente utilizada em desbaste e semi-acabamentos de aços, e em
aplicações onde exista tendência à vibração prejudicial à operação.
• Tipo H (α=5º, β=81º e γ=4º): possui passo pequeno (grande número de dentes) e é
mais resistente que as fresas tipo W e N. Essa fresa é indicada para usinar materiais
duros e quebradiços, com resistência à tração maior que 700 MPa. Pode ser usada
na usinagem de ferro fundido, ligas de titânio e em acabamentos de aços (SOUZA,
2011).
30
Figura 3.3 – Fresas tipo W, N e H.
3.3 INVERSOR DE FREQUÊNCIA
Os inversores de frequência, também conhecidos como conversores estáticos, são
dispositivos capazes de aumentar ou diminuir um determinado nível de tensão ou de
corrente contínua, e de transformar uma tensão alternada em contínua ou uma tensão
contínua em alternada com amplitude e frequência desejadas.
Os dispositivos elétricos que constituem um inversor apresentam condições
nominais de tensão e corrente que precisam ser observados, principalmente os picos de
tensão, que podem reduzir a vida útil, e as distorções de corrente, que podem aumentar as
perdas nos dispositivos.
As distorções nas tensões ou correntes são causadas principalmente pelas
interações entre as harmônicas, geradas pela técnica de chaveamento do inversor, e as
frequências críticas do sistema. A porcentagem da taxa de distorção harmônica (TDH) é
determinada pela Eq. (3.1), sendo Xn o valor eficaz da enésima componente harmônica de
tensão ou corrente e X1 o valor eficaz da componente fundamental de tensão ou corrente
(MATIAS, 2004).
1001
1
2
⋅=∑
≠
X
X
TDH
n
nn
(3.1)
Os inversores podem ser classificados pelo seu modo de operação como fonte de
tensão ou como fonte de corrente. No inversor como fonte de corrente, a variável de
31
controle é a corrente de saída, a qual é mantida constante independente da carga. No
inversor como fonte de tensão, a variável de controle é a tensão de saída, fornecendo-se
potência com tensão e frequência variáveis à carga (motor de indução).
O inversor tipo fonte de tensão converte uma tensão de corrente contínua (CC) de
entrada em uma tensão de corrente alternada (CA) de saída, sendo a tensão de entrada
proveniente de um circuito retificador (conversor CA/CC), de uma bateria ou de um
conversor CC/CC (ARAÚJO, 2011).
Na Figura 3.4, é apresentada a estrutura e os componentes de um inversor trifásico
como fonte de tensão, conectado com as fases de uma máquina de indução trifásica. Essa
configuração constitui um inversor de ponte completa, cujos transistores de potência
permitem o fluxo de corrente em apenas uma direção. Por isso, diodos antiparalelos são
introduzidos na topologia, proporcionando caminho reverso para a corrente (MATIAS,
2004).
Figura 3.4 – Inversor trifásico como fonte de tensão e máquina de indução trifásica. Fonte:
(JACOBINA, 2005).
Esses inversores possuem uma parte retificadora e outra inversora, ligada entre si
por uma tensão contínua E ou barramento CC, sendo a tensão E obtida pela retificação e
filtragem do sistema trifásico de alimentação (380V, 60Hz). Nesse barramento CC, é
definido um ponto intermediário “0”, usado como um dos referenciais de tensão.
O inversor de tensão é constituído por seis chaves q1, q2, q3, 1q , 2q , 3q e os seus
respectivos diodos. As chaves 1q , 2q e 3q funcionam de forma complementar a q1, q2, q3,
32
respectivamente, atribuindo-se valor “0” à chave aberta (qk = 0) ou “1” à chave fechada (qk
= 1). Desse modo: 1q = 1− q1; 2q = 1− q2; e 3q = 1− q3. Para evitar curto-circuito, é
adicionado um “tempo morto” entre o bloqueio e a entrada em condução de chaves do
mesmo braço (q1 e 1q , por exemplo).
As tensões aplicadas à carga dependem do estado das chaves q1, q2 e q3. Como as
chaves assumem valores binários “0” ou “1”, existem oito combinações possíveis: [q1 = 1,
q2 = 1, q3 = 1]; [q1 = 1, q2 = 0, q3 = 1]; [q1 = 1, q2 = 0, q3 = 0]; [q1 = 1, q2 = 1, q3 = 0];
[q1 = 0, q2 = 1, q3 = 0]; [q1 = 0, q2 = 1, q3 = 1]; [q1 = 0, q2 = 0, q3 = 1]; [q1 = 0, q2 = 0,
q3 = 0].
A máquina de indução é ligada em Y, com neutro N não interligado. As tensões
de fase ssv 1 , s
sv 2 e ssv 3 nos terminais da carga trifásica são determinadas pelas Eq. (3.2),
(3.3) e (3.4), onde: Nv0 é a diferença de tensão do intermediário da fonte “0” para o neutro
da máquina; e ssv 10 , s
sv 20 e ssv 30 são as tensões de pólo, determinadas pelas Eq. (3.5), (3.6) e
(3.7).
1 10 0s ss s Nv v v= + (3.2)
2 20 0s ss s Nv v v= + (3.3)
3 30 0s ss s Nv v v= + (3.4)
2)12(
22 11110
Eq
Eq
Eqv s
s −=−= (3.5)
2)12(
22 22220
Eq
Eq
Eqv s
s −=−= (3.6)
2)12(
22 33330
Eq
Eq
Eqv s
s −=−= (3.7)
Ao substituir as Eq. (3.5), (3.6), (3.7) nas Eq. (3.2), (3.3), (3.4), respectivamente,
podem-se determinar as tensões ssv 1 , s
sv 2 e ssv 3 pelas Eq. (3.8), (3.9) e (3.10) (JACOBINA,
2005).
NNss v
Eqv
Eq
Eqv 010111 2
)12(22
+−=+−= (3.8)
33
NNss v
Eqv
Eq
Eqv 020222 2
)12(22
+−=+−= (3.9)
NNss v
Eqv
Eq
Eqv 030333 2
)12(22
+−=+−= (3.10)
3.3.1 Modulação por Largura de Pulso
Para que um inversor de frequência forneça tensões trifásicas de frequência
ajustável para uma máquina de indução trifásica, é realizado o comando das chaves do
inversor por meio de uma técnica de modulação.
Uma das técnicas de modulação de inversores é a modulação por largura de pulso
(PWM), a qual consiste de amostras representadas por pulsos de amplitude fixa e largura
proporcional ao sinal de tensão no instante da amostragem.
A modulação PWM senoidal usa como princípio um sinal senoidal de tensão
como referência, para cada terminal de saída do inversor, e um sinal triangular de tensão
denominado portadora.
Em inversores trifásicos são usados três sinais senoidais defasados de 120º, sendo
a frequência da tensão de saída obtida por meio da frequência do seno de referência. Na
Figura 3.5, é apresentado o controle PWM senoidal. A tensão trifásica senoidal de
referência US é sobreposta por uma tensão triangular U∆.
A interseção dos sinais de referência e da portadora gera os pulsos que ligam ou
desligam as chaves do inversor de frequência. Desse modo, quando a tensão triangular é
maior que a senoidal, o pulso da tensão de saída é alterado de positivo para zero, sendo o
pulso desse sinal de saída alterado de zero para positivo quando a tensão triangular for
menor que a senoidal.
Uma boa definição do sinal de saída do inversor está diretamente relacionada à
modulação, pois a frequência da tensão de referência é alterada, geralmente, de 0Hz a
90Hz, porém a tensão triangular necessita ter uma frequência bastante elevada de 1kHz a
10kHz. Desse modo, quanto maior for a frequência do sinal triangular mais bem definida é
a tensão de saída, visto que ocorrerão mais chaveamentos dos transistores e,
consequentemente, maior quantidade de pulsos.
34
Figura 3.5 – Modulação PWM controlada por sinal senoidal.
3.4 MOTOR DE INDUÇÃO TRIFÁSICO
Entre os motores de corrente alternada, os motores de indução trifásicos são os
mais utilizados na indústria, adequados a quase todos os tipos de cargas encontradas na
prática.
As características de desempenho e comportamento operacional de um MIT, sob
determinadas condições, são definidas por um conjunto de grandezas eletromecânicas e
térmicas, como: conjugado desenvolvido, perdas, e elevações de temperatura em função da
potência exigida pela carga e das condições do sistema elétrico de alimentação (SENA,
2011).
Em um motor de indução, durante o processo de conversão de energia, ocorrem
perdas como: perdas por efeito Joule, caracterizadas por perdas ôhmicas nos enrolamentos
do estator e do rotor; perdas no núcleo, devido às correntes parasitas e histerese; perdas
mecânicas, causadas por atrito e ventilação; perdas adicionais, devido à distribuição não
uniforme da corrente nos enrolamentos, ao efeito da saturação e às imperfeições na
35
densidade de campo magnético. Essas perdas variam de acordo com as condições
operacionais do motor. Caso o motor não esteja operando em suas condições nominais, a
distribuição das perdas varia significativamente (SANTOS, 2008).
3.4.1 Características Construtivas
O motor de indução trifásico é constituído por duas estruturas separadas por um
entreferro, sendo uma estrutura fixa, denominada estator, e outra móvel, denominada rotor,
com diâmetro menor, centrado no interior do estator. A simplicidade e robustez inerentes
aos aspectos construtivos do MIT são possíveis porque não há contato mecânico entre as
partes estatórica e rotórica (RANIEL, 2011).
Entre os motores assíncronos, o motor de indução trifásico com rotor “gaiola de
esquilo” é o mais robusto, construtivamente mais simples, com maior durabilidade,
exigindo pouca manutenção. O rotor desse motor possui baixa inércia. Além disso, essa
máquina de indução pode operar com elevadas temperaturas e velocidades de rotação por
períodos prolongados.
O rotor “gaiola de esquilo” é constituído por um núcleo de chapas
ferromagnéticas isoladas entre si, sobre o qual são colocados enrolamentos condutores
(barras de alumínio), dispostos paralelamente entre si, unidos por anéis de material
condutor nas duas extremidades, sendo os enrolamentos do rotor curto-circuitados por
esses anéis.
O estator é também constituído por um núcleo ferromagnético, em cujas cavas
estão os enrolamentos da armadura, deslocados 120º no espaço, alimentados pela rede CA
trifásica (FRANCHI, 2008). Na Figura 3.6, é mostrada a configuração interna de um motor
de indução trifásico com rotor “gaiola de esquilo”.
Figura 3.6 – Enrolamentos do estator e do rotor de um motor de indução trifásico.
36
3.4.2 Princípio de Funcionamento
Com relação ao funcionamento do motor de indução trifásico, a aplicação da
tensão alternada em cada um dos três enrolamentos do estator gera um campo magnético,
de sinal alternado, em cada um desses enrolamentos.
A soma vetorial dos três campos magnéticos origina um único campo magnético
girante em torno do eixo do MIT, sendo a velocidade de rotação desse campo em função
do número de pólos do motor e da frequência de alimentação.
A variação do fluxo do campo magnético estatórico induz uma tensão alternada
nos enrolamento trifásicos do rotor. Como esses enrolamentos estão curto-circuitados, a
tensão induzida gera correntes que circulam nos enrolamentos do rotor, e,
consequentemente, é produzido um fluxo magnético rotórico.
A tendência de alinhamento dos eixos magnéticos existentes no estator e no rotor
é responsável pela produção do conjugado eletromagnético, resultando, desse modo, na
rotação do rotor.
Como o número de pólos do motor é fixo, a velocidade de rotação desse tipo de
máquina é variada na mesma proporção que se varia a sua frequência de alimentação. Isso
é possível por meio da alimentação de tensão alternada de frequência ajustável fornecida
pelo inversor de frequência a esses motores. A variabilidade da frequência de alimentação
dos motores resulta na variação da velocidade de rotação do eixo do motor de indução.
A relação entre a velocidade de rotação síncrona do campo magnético ωs e a
velocidade de rotação do rotor ωr é chamada de escorregamento s, o qual é determinado
pela Eq. (3.11).
s
rssω
ωω −= (3.11)
3.4.3 Representação Complexa dq
O modelamento matemático de uma máquina de indução trifásica é não-linear,
sendo de difícil resolução analítica, devido aos sistemas de equações referentes aos
circuitos elétricos acoplados magneticamente e à variação, em função do tempo, dos
coeficientes dessas equações.
37
Portanto, são necessárias transformações de variáveis que permitam obter relações
mais simples entre as novas variáveis, que aquelas existentes entre as variáveis reais. No
Apêndice A, é apresentado o modelamento de uma máquina de indução trifásica, incluindo
a transformação trifásica-bifásica desse modelo.
A representação complexa corresponde a uma representação mais sumária da
máquina trifásica, permitindo representá-la por um modelo mais simples que o trifásico
convencional, através de uma transformação de variáveis.
As variáveis dq podem ser representadas como vetores no plano dq, onde as partes
real e imaginária correspondem a suas coordenadas cartesianas x = d e y = q,
respectivamente. Desse modo, para representar no plano dq os vetores fluxo, tensão ou
corrente, do estator ou do rotor, utiliza-se uma variável complexa gx , conforme Eq. (3.12).
O expoente g indica o referencial genérico dos eixos dq.
)(2
1 gq
gd
g jxx +=x (3.12)
Na Figura 3.7, é apresentado o diagrama vetorial instantâneo dos vetores tensão
estatórica ( )ssq
ssd
ss jvv +=v , corrente estatórica ( )s
sqssd
ss jii +=i , fluxo estatórico
( )ssq
ssd
ss jλλ +=λ e fluxo rotórico ( )s
rqsrd
sr jλλ +=λ da máquina, vistos do referencial do
estator (fase s1). Nesse diagrama, também são indicados o eixo magnético do rotor (fase r1)
e os eixos dq.
Figura 3.7 - Diagrama vetorial instantâneo da máquina.
38
Na representação odq, os componentes homopolares traduzem os desequilíbrios
de sequência zero da máquina trifásica, criados pela alimentação desequilibrada. Através
das equações representadas em dq, desconsiderando os componentes homopolares, e da
definição da Eq. (3.12), é possível determinar o modelo complexo, equivalente ao modelo
bifásico dq (JACOBINA, 2005).
gsg
gs
sgs j
dt
dR λ
λiv ω++= g
s (3.13)
( ) grrg
gr
r jdt
dR λ
λi ωω −++= g
r0 (3.14)
gr
gs iiλ ms
gs ll += (3.15)
gs
gr iiλ mr
gr ll += (3.16)
)()( aissbirsr
me senPiseni
l
lPc δδλδδλ −=−= (3.17)
rr
me Fdt
dJccP ω
ω+=− )( (3.18)
3.5 COMENTÁRIOS E CONCLUSÕES
Uma explanação sobre o princípio de funcionamento de um processo de usinagem
foi apresentada, abordando-se sobre os parâmetros de corte necessários para a relização da
remoção de material de uma peça.
Com relação ao inversor de frequência, a estrutura e os componentes de um
inversor trifásico como fonte de tensão foram mostrados, verificando-se a parte retificadora
e a parte inversora dessa estrutura. A técnica de modulação PWM senoidal realizada por
esses inversores para o fornecimento de tensões trifásicas de frequência ajustável para uma
máquina de indução trifásica foi mostrada.
O princípio de funcionamento e um modelo matemático pela representação
complexa dq de um motor de indução trifásico foram apresentados. Por meio dessa
representação complexa, foi possível obter um modelo matemático mais simples do motor,
cujas equações foram utilizadas no desenvolvimento do projeto do controlador de corrente
e para a determinação da estimação do fluxo do estator do MIT da fresadora deste trabalho.
39
CAPÍTULO IV
IMPLEMENTAÇÃO E FUNCIONAMENTO DO SISTEMA
4.1 INTRODUÇÃO
A montagem experimental e o princípio de funcionamento da máquina fresadora
são apresentados neste capítulo. Os equipamentos elétricos e mecânicos utilizados na
implementação do sistema desenvolvido são especificados. Para o processo de usinagem
dos corpos-de-prova, uma explanação quanto ao acionamento e controle do sistema é
realizada, abordando-se as condições para a realização das usinagens dos materiais.
4.2 BANCADA DE TESTE
Uma máquina fresadora é um sistema de usinagem, constituído por uma
associação de componentes mecânicos como fusos, mancais, rolamentos, mandril, além de
componentes eletro-eletrônicos como motores e sensores, de modo que possam
proporcionar elevada exatidão e confiabilidade.
Na Figura 4.1, é mostrado o projeto, em três dimensões, da máquina fresadora
vertical construída para a realização deste trabalho. Nesse tipo de máquina, o eixo-árvore
localiza-se perpendicularmente à mesa da fresadora, sendo caracterizado o fresamento
frontal ou de topo.
No mandril, centrado no eixo-árvore, acoplou-se uma ferramenta de fresa de topo,
também conhecida como fresa de haste, apresentada na Figura 4.2. Essa fresa é do tipo
“W”, constituída por material de aço rápido, com 6,35 mm de diâmetro e quatro arestas de
corte.
40
Figura 4.1 – Projeto da máquina fresadora vertical.
Figura 4.2 – Ferramenta de fresa de topo.
Para o acionamento da fresa, foi usado um motor de corrente contínua de 230 V,
0,9 A e 150 W. Essa ferramenta pode ser acionada aplicando-se rotações de 100 a
1500 rpm, conforme especificação mostrada na Figura 4.3. Por meio do painel de
acionamento da ferramenta de corte, Figura 4.4, define-se o sentido de rotação da fresa,
horário ou anti-horário, e a rotação dessa ferramenta em rotações por minuto.
41
Figura 4.3 – Especificações para acionar a fresa.
Figura 4.4 – Painel de acionamento da fresa do sistema de usinagem.
Uma mesa de coordenadas X-Y, composta por duas bases perpendiculares entre si
X e Y, foi utilizada na montagem da máquina fresadora. A base X da mesa (base superior)
possui um curso de 200 mm e a base Y (base inferior) de 100 mm, cujos fusos trapezoidais
possuem um passo de 4 mm. Essas bases se movimentam linearmente no plano horizontal,
sendo cada uma acionada por um motor de indução trifásico.
Para o acionamento da mesa, os motores de indução trifásicos usados foram do
tipo “gaiola de esquilo”, 380 V, 60 Hz. Por meio de conjuntos redutores, esses motores
rotação (rpm)
liga ou desliga
sentido de rotação
42
estão conectados aos fusos das bases da mesa. Desse modo, o movimento angular do eixo
do motor resulta no movimento linear do sistema.
Como o passo do fuso da mesa é de 4 mm e uma volta completa do eixo do motor
corresponde a 2π rad, obteve-se um fator numérico de 0,032 mm/rad, ou seja, a cada
deslocamento angular de 1 rad do eixo do motor ocorre um deslocamento linear de
0,032 mm da base da mesa.
Um encoder incremental foi acoplado ao eixo do motor da base X para a
realização da medição da posição angular e, consequentemente, obter-se a velocidade de
rotação do eixo do motor, assim como verificação do seu sentido de rotação, horário ou
anti-horário. Por meio da aquisição dessas informações foi fornecido ao sistema a posição,
a velocidade de avanço e o sentido de deslocamento da base X da mesa. Na Figura 4.5, são
apresentados a conexão mecânica do motor da base X ao fuso dessa base e o encoder
incremental utilizado, série 02 do fabricante Hohner®, o qual possui resolução de 5000
pulsos por rotação.
Figura 4.5 – Conexão para a medição da posição.
Com a finalidade de garantir uma maior proteção ao sistema eletromecânico
estudado, instalou-se um par de chaves fim de curso em cada base, delimitando o alcance
máximo de movimentação nas direções X e Y. O objetivo disso é evitar danos a ambos os
conjuntos redutores, caso as bases chegassem ao fim de seus cursos com velocidade
elevada, por ocorrência de falhas de controle ou instabilidade no sistema.
motor
eixo do motor
conjunto redutor
acoplamento do fuso da base X
encoder
43
Para acionar a base Y da máquina fresadora, um inversor de frequência, série
CFW-08 da WEG, funcionando no modo local, foi ligado ao motor dessa base. O
acionamento da base X realizou-se por meio de um hardware inversor, mostrado na Figura
4.6, utilizando um módulo inversor trifásico Three Phase Inverter SKS 25F B6U + B6CI
09 V12 do fabricante Semikron®. Esse hardware foi conectado ao motor da base X,
proporcionando o acionamento dessa base superior da mesa. A alimentação do hardware
inversor foi realizada usando um variador de tensão trifásico, varivolt, conectado à rede
elétrica com tensão de linha de 380 V.
Figura 4.6 – Hardware inversor para o acionamento da base X.
Um processador digital de sinais modelo TMS320F28335 da Texas Instruments
foi utilizado para a comunicação do sistema de usinagem com o computador. Por meio da
interface computacional do Code Composer StudioTM IDE versão 3.3, usando linguagem
C, desenvolveu-se a programação do DSP para o acionamento e controle do sistema de
usinagem. A placa de desenvolvimento eZdspTM F28335 contendo o DSP, localizado ao
centro, é apresentada na Figura 4.7. Essa placa possui diversas portas de expansão,
permitindo sua conexão ao sistema.
A máquina fresadora vertical do sistema de usinagem é mostrada na Figura 4.8.
Na base X da mesa da fresadora, fixaram-se os corpos-de-prova que foram submetidos aos
processos de usinagem. A utilização de um relógio comparador digital fixado no eixo-
árvore da fresadora, conforme Figura 4.9, possibilitou definir a posição da fresa, no eixo z,
em relação à superfície do corpo-de-prova, com a finalidade de aplicar a profundidade de
corte para a usinagem das peças.
varivolt hardware inversor
44
Figura 4.7 – Placa eZdspTM F28335 com processador digital de sinais.
Figura 4.8 – Bancada de teste da máquina fresadora vertical.
motor (base X)
motor (base Y)
encoder
motor CC
fresa
base X
base Y
45
Figura 4.9 – Relógio comparador digital.
4.3 DESCRIÇÃO DOS CORPOS-DE-PROVA
Os materiais usinados neste trabalho foram o aço, o latão e o nylon. O aço é
caracterizado por ser uma liga metálica constituída, essencialmente, por ferro e carbono, o
latão é uma liga metálica de cobre e de zinco, e o nylon é um termoplástico obtido a partir
da poliamida. Entre esses três materiais, o aço e o latão são materiais duros e o nylon é um
material mole.
Esses materiais constituíram os corpos-de-prova, que foram peças confeccionadas
com especificações dimensionais de projeto. Os corpos-de-prova possuíram 20 mm de
espessura, em forma de circunferência. Foram confeccionados dois tipos de corpos-de-
prova, constituídos por dois materiais em cada peça, sendo um corpo-de-prova de aço e
latão e o outro de aço e nylon. No caso do corpo-de-prova de aço/latão, o material de latão
localizou-se inscrito e concêntrico ao material de aço na peça, com um raio interno de
25 mm de latão e um raio externo de 50 mm; e no corpo-de-prova de aço/nylon, o nylon
localizou-se inscrito e concêntrico ao aço, com 25 mm de raio interno de nylon e 50 mm de
raio externo.
46
4.4 ACIONAMENTO DO SISTEMA DE USINAGEM
Inicialmente, com a finalidade de verificar as condições operacionais
proporcionadas pela máquina fresadora, observou-se as rotações da ferramenta de corte
dessa máquina.
Neste trabalho, o sistema de usinagem não possuiu um sistema de controle da
velocidade de corte da fresa, para a usinagem de cada material com velocidades de corte
específicas. Portanto, a aplicação de uma rotação constante da ferramenta de corte foi
necessária na usinagem de todos os materiais.
Como ambos os tipos de corpos-de-prova confeccionados possuíam o aço em sua
constituição, que é um material duro, aplicou-se uma rotação da ferramenta de 1500 rpm,
cuja rotação proporcionou usinar o aço e os demais materiais dos corpos-de-prova evitando
danos à fresa e respeitando as condições operacionais da fresadora.
Desse modo, as usinagens dos materiais de aço, latão e nylon realizaram-se pelos
acionamentos da fresa com uma rotação de 1500 rpm e da base X com velocidades de
avanço específicas na usinagem de cada material. Um sistema de controle foi desenvolvido
para controlar a velocidade de avanço.
Inicialmente, para a realização da usinagem dos materiais, fixou-se o corpo-de-
prova na base X da máquina fresadora e posicionou-se essa peça a uma distância de 4 mm
a 6 mm da fresa antes de iniciar a usinagem. Em seguida, a fresa foi posicionada a uma
profundidade de corte de 2 mm e acionada com rotação de 1500 rpm, aplicada no painel de
acionamento, Figura 4.4.
Na sequência, sinais de referência de posição do tipo degrau foram aplicados na
programação do sistema, com o objetivo de realizar o acionamento da base X e controlar a
posição dessa base na usinagem do corpo-de-prova. Desse modo, essa base deslocou-se ao
longo do seu curso, ocorrendo o alcance do corpo-de-prova a fresa e, consequentemente, a
usinagem dos materiais.
O processo de usinagem resultou na geração do conjugado eletromagnético no
motor da base X, cuja variável foi estimada. Na usinagem de cada material, observaram-se
comportamentos distintos nas curvas de conjugado eletromagnéticos estimados, pois o aço
e o latão são materiais duros, sendo o aço mais duro do que o latão, e o nylon é um
material mole.
47
Essas informações do conjugado eletromagnético estimado, ao usinar cada
material, foram utilizadas na programação do sistema de usinagem, sendo por meio desse
sinal definidas as velocidades de avanço específicas para a usinagem do aço, do latão e do
nylon.
Dessa maneira, quando a máquina fresadora iniciou a usinagem do corpo-de-
prova de aço/latão, aplicou-se a velocidade de avanço definida para usinar o aço, devido ao
conjugado eletromagnético estimado obtido na usinagem desse material. Ao ser iniciada a
usinagem do latão nesse corpo-de-prova, devido ao conjugado eletromagnético estimado
obtido na usinagem do latão, o sistema automaticamente alterou a sua velocidade de
avanço para o valor definido para usinar esse segundo material. Analogamente, na
usinagem do corpo-de-prova de aço/nylon, o aço foi usinado com sua respectiva
velocidade de avanço; quando iniciado o corte do nylon aplicou-se a velocidade de avanço
específica para usinar o nylon, devido ao conjugado eletromagnético estimado obtido na
usinagem desse último material.
Em todos os experimentos, o movimento de usinagem aplicado foi do tipo
combinado, visto que as usinagens foram realizadas com interceptação total da fresa nos
corpos-de-prova. Na Figura 4.10, é possível observar o corte em um corpo-de-prova de
aço/latão. Essa usinagem foi realizada de forma ininterrupta e automática, sendo o aço e o
latão cortados com as velocidades de avanço específicas de cada material.
Figura 4.10 – Corte no corpo-de-prova de aço/latão.
48
Na usinagem dos materiais, um fluido de corte de óleo solúvel foi aplicado sobre
os corpos-de-prova durante o período do corte. O uso desse fluido objetivou refrigerar e
lubrificar o processo de usinagem; evitando o desgaste da fresa, bem como diminuindo o
atrito e o calor gerado na região de contato da fresa com a peça.
Na Figura 4.11, é esquematizada a configuração experimental do sistema
implementado para o acionamento e controle da base X da mesa da máquina fresadora.
Nesse diagrama, estão apresentados: o processador digital de sinais, utilizado no
processamento, transmissão e aquisição de dados; o hardware constituído por inversor de
tensão trifásica, o qual alimentou o motor da base X; o encoder para a medição da posição
angular e da velocidade de rotação do rotor do MIT, obtendo-se, portanto, a posição e a
velocidade de avanço da base X; e sensores de efeito Hall, usados para a obtenção das
correntes e tensões do estator do motor.
Além dos componentes elétricos e eletrônicos, nesse diagrama, estão
representados: o sistema de controle, desenvolvido para o acionamento e controle da base
X da fresadora, e o sistema de estimação do conjugado eletromagnético do motor dessa
base. O desenvolvimento desses sistemas é abordado nos próximos capítulos.
Figura 4.11 – Diagrama esquemático para o controle da base X da máquina fresadora.
4.5 COMENTÁRIOS E CONCLUSÕES
As informações de operacionalidade dos equipamentos elétricos e eletrônicos do
sistema de usinagem desenvolvido foram fundamentais para a realização deste trabalho. A
49
configuração experimental da bancada de teste permitiu a realização de usinagens eficazes
para o tipo de máquina fresadora construída.
O acionamento do sistema com valores específicos de velocidades de avanço e a
estimação do conjugado eletromagnético do motor da fresadora permitiram realizar as
usinagens dos corpos-de-prova de forma automática e contínua.
50
CAPÍTULO V
DESENVOLVIMENTO DO SISTEMA DE CONTROLE
5.1 INTRODUÇÃO
Neste capítulo, é mostrada a implementação do sistema de controle da máquina
fresadora. Esse sistema foi desenvolvido em malha fechada, controlando-se o motor de
indução trifásico da base X da fresadora.
Através do controle das variáveis de posição angular do rotor e da velocidade de
rotação do rotor do MIT, realizou-se o controle de posição e de velocidade de avanço da
base X. Para isso, foram desenvolvidos um controlador de corrente, projetado por meio do
controle clássico proporcional-integral, e um controlador de velocidade, modelado pela
técnica fuzzy Takagi-Sugeno.
Tanto na simulação do sistema deste trabalho quanto na aplicação experimental na
bancada de teste foram utilizados os mesmos projetos desses controladores. Um diagrama
de blocos contendo os controladores e mostrando a configuração do sistema de controle é
apresentado no final deste capítulo.
5.2 MODELO FUZZY TAKAGI-SUGENO
O modelo fuzzy Takagi-Sugeno, também chamado de controle fuzzy paramétrico,
é capaz de representar, de forma aproximada ou exata, dinâmicas não-lineares quaisquer
como a combinação de modelos lineares válidos localmente, interpolando de forma suave
(MOZELLI, 2008). Esse modelo pode fornecer uma aproximação satisfatória do sistema
51
não-linear até mesmo quando os modelos locais constituintes não são convencionalmente
linearizados (SOUZA, 2006).
Segundo TANAKA e WANG (2001), há duas abordagens para a construção de
modelos fuzzy Takagi-Sugeno: modelagem a partir das equações dinâmicas de um sistema
não linear; e utilização de dados de entrada e saída de um sistema não linear. Essa última
abordagem se aplica a sistemas em que é difícil se obter uma representação por modelos
analíticos, construídos a partir das equações dinâmicas do processo. Nesses casos, são
coletados dados de entrada e saída da planta. Em seguida, é implementada a estrutura do
modelo fuzzy, determinando-se os seus parâmetros, os quais foram arbitrados inicialmente
(MILHOR, 2008).
Os modelos fuzzy TS são baseados essencialmente numa combinação de
conceitos fuzzy e “não-fuzzy” (BEZERRA, 2009). Pois, é uma abordagem híbrida que
combina um método fuzzy baseado em regras e um método matemático (SHAW e
SIMÕES, 2004), sendo composto por proposições condicionais, cujos antecedentes são
variáveis linguísticas e cujos consequentes são equações lineares.
5.3 IMPLEMENTAÇÃO DO CONTROLADOR DE VELOCIDADE
A realização do controle da velocidade de avanço da base X da mesa da fresadora
foi desenvolvida por meio da implementação de um controlador fuzzy TS da velocidade de
rotação do rotor do MIT dessa base.
As etapas necessárias para implementar o modelo fuzzy Takagi-Sugeno foram:
seleção das variáveis de entrada; determinação dos tipos de funções de pertinência, da
quantidade de regras de controle e dos parâmetros da equação de saída; e escolha da
estrutura do modelo.
Segundo JANTZEN (2007), para eliminação do erro de estado estacionário de um
sistema em malha fechada, é necessária a inclusão de uma ação integral. Desse modo,
projetou-se um controlador fuzzy de velocidade PD+I, com a finalidade de eliminar o erro
de regime permanente da variável velocidade de rotação do rotor ωr do MIT.
O controlador de velocidade foi constituído: por uma base fuzzy PD, modelo TS,
com uma entrada de Erro e outra de Derro; e pela integração do Erro. Na Figura 5.1, é
apresentada a estrutura do controlador fuzzy de velocidade PD+I utilizada, na qual its é a
variável de saída da base fuzzy PD, kp é o ganho igual a 1 e *bsqi é a variável de controle. A
52
variável *bsqi corresponde a corrente do estator do MIT, na componente q no referencial do
fluxo rotórico.
Figura 5.1 – Controlador fuzzy de velocidade PD+I.
Para a modelagem dos termos linguísticos das variáveis, SHAW e SIMÕES
(2004) recomendam o uso de duas a sete funções de pertinência. Quanto maior o número
desses termos, maior a exatidão. Além disso, as funções de pertinência podem assumir
diversos formatos e distribuições nos universos de discurso específicos das variáveis.
O modelamento fuzzy do controlador foi obtido pelo aprimoramento das
simulações por tentativa e erro; ajustando-se as funções de pertinência das variáveis de
entrada, realizando a composição das regras de controle com funções de pertinências
adequadas, determinando os valores dos parâmetros da equação de saída. A seguir, são
abordadas as configurações dos blocos funcionais da base fuzzy PD desenvolvida:
fuzzificação, inferência fuzzy e defuzzificação.
5.3.1 Fuzzificação
Na etapa de fuzzificação, as variáveis de entrada Erro e Derro foram definidas,
respectivamente, pela diferença entre o valor de referência e o valor de velocidade ωr, e
pela derivada desse erro. Os universos de discurso do Erro e do Derro abrangeram um
intervalo normalizado de -1 a 1.
A variável Erro foi constituída por sete funções de pertinência, com formatos
triangular e trapezoidal, denominadas: NG (Negativo Grande), NM (Negativo Médio), NP
(Negativo Pequeno), QZ (Quase Zero), PP (Positivo Pequeno), PM (Positivo Médio) e PG
53
(Positivo Grande). Na Figura 5.2, apresenta-se a disposição dos termos linguísticos do Erro
no seu universo de discurso.
Figura 5.2 – Funções de pertinência da variável de entrada Erro.
Para a variável Derro foram associadas sete funções de pertinência, com formas
triangular e trapezoidal, definidas pelos termos: NG, NM, NP, QZ, PP, PM e PG. Na
Figura 5.3 são mostradas essas funções.
Figura 5.3 – Funções de pertinência da variável de entrada Derro.
5.3.2 Inferência Fuzzy
A relação entre as variáveis de entrada e a variável de saída é realizada através das
regras de controle da etapa de inferência fuzzy. No processo de inferência, é realizado um
mapeamento nas funções de pertinência das variáveis de entrada, determinando como as
54
regras de controle serão ativadas. Essas regras são constituídas por sentenças condicionais
SE ENTÃO.
Para a composição de cada regra de controle do controlador de velocidade e a
relação entre elas, utilizou-se a técnica de inferência max-min. Desse modo, cada sentença
SE ENTÃO foi modelada pela aplicação min e as relações entre as regras foram modeladas
pela aplicação max.
Na tabela de regras fuzzy do controlador, Tab. (5.1), estão inseridas todas as ações
de controle desenvolvidas. Foram geradas quarenta e nove regras de controle. A seguir, é
descrita uma dessas regras.
SE Erro PM e Derro PP ENTÃO iPG
Tabela 5.1 – Tabela de regras fuzzy do controlador de velocidade.
Derro
Erro NG NM NP QZ PP PM PG
NG iNG iNG iNG iNG iPM iPG iPG
NM iNG iNG iNG iNM iPP iQZ iPG
NP iNG iNG iNM iNP iQZ iPP iPM
QZ iPG iPM iPP iQZ iNP iNM iNG
PP iNM iNP iQZ iPP iPM iPG iPG
PM iNG iQZ iNP iPM iPG iPG iPG
PG iNG iNG iNM iPG iPG iPG iPG
5.3.3 Defuzzificação
Na defuzzificação, gerou-se a variável de saída its, conforme a saída fuzzy PD
mostrada na Figura 5.1. De acordo com o método fuzzy Takagi-Sugeno, nessa etapa é
determinado um modelo linear e invariante no tempo (MILHOR, 2008).
Na Eq. (5.1), a variável its foi obtida por uma média ponderada, na qual os termos
itsx, itsy e itsz foram expressos por meio da Eq. (5.2), Eq. (5.3) e Eq. (5.4), respectivamente.
Esse equacionamento constituiu-se de funções lineares, definidas a partir dos consequentes
das regras de controle e dos valores numéricos das variáveis de entrada Erro e Derro.
55
iPPiPMiPGiQZiNPiNMiNG
iiii tsztsytsxts
++++++
++= (5.1)
)5,01,0()3,02,0()1,05,0( DerroErroiNPDerroErroiNMDerroErroiNGitsx ⋅−⋅+⋅−⋅+⋅−⋅=
(5.2)
)0,12,0( DerroErroiQZitsy ⋅−⋅=
(5.3)
)5,01,0()3,02,0()1,05,0( DerroErroiPPDerroErroiPMDerroErroiPGitsz ⋅−⋅+⋅−⋅+⋅−⋅=
(5.4)
5.4 PROJETO PARA O CONTROLADOR DE CORRENTE
O projeto do controlador de corrente foi desenvolvido a partir do modelo
complexo de representação da máquina de indução, Eq. (3.13) a (3.18). Esse modelo pode
ser dividido em partes elétrica, representadas pelas equações Eq. (3.13) a (3.17), e
mecânica, Eq. (3.18).
A partir das Eq. (3.13) a (3.16), utilizando o controle em quadratura com
referencial no fluxo rotórico (b), obteve-se a representação vetorial nessa referência,
conforme Eq. (5.5) a (5.8), onde, rbr λλ = e bg ωω = .
bb b bss s s b s
dR j
dtω= + +
λv i λ (5.5)
0 ( )b rr r b r r
dR j
dtω ω= + + −
λi λ (5.6)
b b bs s s m rl l= +λ i i (5.7)
b br m s r rl l= +λ i i (5.8)
Através da Eq. (5.6), obtiveram-se as tensões no rotor em componentes d e q.
0 ( ) λb b rr rd rq br r
dR i ji j
dt
λω= + + + (5.9)
56
0 b rr rd
dR i
dt
λ= + (5.10)
0 λbr rq br rR i ω= +
(5.11)
Analogamente, a partir das Eq. (5.7) e (5.8), foram obtidos os fluxos estatórico e
rotórico, respectivamente, em componentes d e q.
( ) ( ) ( )b b b b b bsd sq s sd sq m rd rqj l i j l i jiλ λ λ+ = + + + (5.12)
b b bsd s sd m rdl i l iλ = +
(5.13)
b b bsq s sq m rql l iλ λ= +
(5.14)
)()( brq
brdr
bsq
bsdmr jiiljiil +++=λ
(5.15)
b br m sd r rdl i l iλ = +
(5.16)
0 b b b bmm sq r rq rq sq
r
ll i l i i i
l= + → = −
(5.17)
A partir da Eq. (5.10), pôde-se verificar uma relação entre o fluxo do rotor rλ e a
corrente do rotor brdi . Através da Eq. (5.16) foi obtida a corrente b
rdi isoladamente:
1b bmrd r sd
r r
li i
l lλ= −
(5.18)
Ao substituir a Eq. (5.18) na Eq. (5.10), obteve-se a equação utilizada para o
controle do fluxo do rotor.
1 bmrr r sd
r r
ldR i
dt l l
λλ
= − −
(5.19)
57
br mr rr sd
r r
R ld Ri
dt l l
λλ= − −
(5.20)
Em regime permanente:
0 br mrr sd
r r
R lRi
l lλ= − −
(5.21)
br m sdl iλ =
(5.22)
A velocidade de escorregamento do motor foi obtida a partir da substituição da
Eq. (5.17) na Eq. (5.11). Em seguida, substituindo a Eq. (5.22) na Eq. (5.23).
bsqm
br rr r
ilR
lω
λ=
(5.23)
1bsqr
br m br m sd
iRl
l l iω =
(5.24)
1bsq
br br sd
i
iω
τ=
(5.25)
Logo, a velocidade síncrona pôde ser obtida pela Eq. (5.26)
b r brω ω ω= + (5.26)
A seguir, foram realizados tratamentos matemáticos a fim de se obter a função de
transferência utilizada no projeto do controle de corrente.
Inicialmente, isolando o vetor bri da Eq. (5.8) obteve-se:
1b bmr r s
r r
l
l l= −i λ i (5.27)
58
Através da substituição da Eq. (5.27) na Eq. (5.6), foi obtida a expressão da Eq.
(5.29).
10 ( )bm r
r r s b r rr r
l dR j
l l dtω ω
= − + + −
λλ i λ
(5.28)
( )br mr rs b r r
r r
R ld Rj
dt l lω ω
= − − +
λi λ
(5.29)
Pela substituição da Eq. (5.27) na Eq. (5.7), determinou-se a Eq. (5.30).
1b b bms s s m r s
r r
ll l
l l
= + −
λ i λ i
(5.30)
A substituição da Eq. (5.30) na Eq. (5.5) resultou na Eq. (5.32).
2 2
m mb b b b b bm ms s s s s r s b s s r s
r r r r
l ll ldR l j l
dt l l l lω
= + + − + + −
v i i λ i i λ i
(5.31)
2 2
m m
bb b s m mrs s b s s s b r
r r r r
l l d l ldR j l l j
l l dt l dt lω ω
= + − + − + +
i λv i λ
(5.32)
Na expressão da Eq. (5.32) o termo r
ms l
ll
2
− foi simplificado, a fim de obter-se a
Eq.(5.35).
2 21
m ms rs
r s r r
l l l ll
l l l l σ
−− = =
(5.33)
onde 2
1
s r ml l lσ =
−
59
1 1 bb b s m mrs s b s b r
r r r r
d l ldR j j
l l dt l dt lω ω
σ σ
= + + + +
i λv i λ
(5.34)
1 1bb bs m mr
s b s b r sr r r r
d l ldR j j
l dt l l dt lω ω
σ σ
= − + − − +
i λi λ v
(5.35)
A Eq. (5.29) substituída na Eq. (5.35) resultou na expressão da Eq. (5.37).
1 1( )
bb b bs m r m mr
s b s s b r r b r sr r r r r r
d l R l lRR j j j
l dt l l l l lω ω ω ω
σ σ
= − + − − − + − +
ii i λ λ v
(5.36)
1 1( )
bb b bs m r m m mr
s s s b r r b r b sr r r r r r r
d l R l l lRR j j j
l dt l l l l l lω ω ω ω
σ σ
= − + + + − + − −
ii v λ λ i
(5.37)
Para simplificação da Eq. (5.37), determinou-se uma variável 'bsv como sendo:
' 1( )b b bm mr
s s b r r b r b sr r r r
l lRv j j j
l l l lω ω ω ω
σ
= + − + − −
v λ λ i (5.38)
Logo, a Eq. (5.37) pôde ser reescrita conforme Eq. (5.39).
'1 bb bs m r m
s s sr r r
d l R lR v
l dt l lσ
= − + +
ii
(5.39)
'b
b bs m r mr s s r s
r r
d l R ll R l v
dt l lσ σ
= − + +
ii
(5.40)
Seja rr
r
l
Rτ = a constante de tempo rotórica, substituiu-se na Eq. (5.40).
'b
b bs m mr s s r s
r r
d l ll R l v
dt lσ σ
τ
= − + +
ii
(5.41)
60
2'm
bb bs
r s s r sr
ldl R l v
dt
σσ σ
τ
= − + +
ii
(5.42)
onde 2m
r sr
ll R
ση σ
τ= +
Logo, a Eq. (5.42) pôde ser expressa pela Eq. (5.43).
'b
b bss r s
dl v
dtη σ= − +
ii
(5.43)
A partir da aplicação da transformada de Laplace na Eq. (5.43), determinou-se a
função de transferência usada no projeto do controlador de corrente, Eq. (5.46).
'b b bs s r ssI I l Vη σ= − +
(5.44)
'( ) b bs r ss I l Vη σ+ =
(5.45)
'
( )b brs s
lI V
s
σ
η=
+ (5.46)
5.4.1 Controlador de Corrente
A função de transferência em malha aberta (FTMA) do controlador de corrente foi
formulada pela Eq. (5.47).
iMA id v idvdG G G G= (5.47)
Para o desenvolvimento do controlador de corrente foi usado um controlador
Proporcional-Integral (PI), cuja função de transferência idG é apresentada na Eq. (5.48),
com ganhos ipk e
iik .
61
i i i
i
i p iid p
k k s kG k
s s
+= + = (5.48)
Através da Eq. (5.46), foi obtida a função de transferência idvdG , conforme Eq.
(5.49). A fonte de tensão vG foi dada pela Eq. (5.50), onde Tv é a constante de tempo da
fonte de tensão.
η
σ
+=
s
lG r
idvd (5.49)
1
1vv
GT s
=+
(5.50)
A substituição das Eq. (5.48), (5.49) e (5.50) na Eq. (5.47) implicou em:
1
1i ip i r
iMAv
k s k lG
s T s s
σ
η
+=
+ + (5.51)
( )( )1
i
i
i
ip
p
iMA rv
kk s
kG l
s T s sσ
η
+
=+ +
(5.52)
A partir da Eq. (5.52), para cancelar o pólo mais lento de iMAG , fez-se i
i
p
i
k
k=η ,
obtendo-se a Eq. (5.53).
( )1ip
iMA rv
kG l
s T sσ=
+
(5.53)
Os cálculos para a determinação da função de transferência em malha fechada
(FTMF) são apresentados a seguir.
62
1iMA
iMFiMA
GG
G=
+
(5.54)
( )
( )
2
1
11
i
i
i i
pr
pviMF r
p v r pr
v
kl
ks T sG l
k T s s l kl
s T s
σ
σσ
σ
+= =
+ ++
+
(5.55)
( )( )1 2
ipiMF r
v
kG l
T s s s sσ=
− − (5.56)
Os pólos obtidos foram:
( )1,2
1 11 4
2 2 iv r pv v
s T l kT T
σ= − ± − (5.57)
Para pólos reais e idênticos ( ) 041 =−iprv klT σ . Logo, obtiveram-se
ipk e 2,1s .
1
4ipv r
kT l σ
= (5.58)
vTs
2
12,1 −= (5.59)
Pela substituição das Eq. (5.58) e (5.59) na Eq. (5.56), foi determinada a função
de transferência em malha fechada para o controlador de corrente, Eq. (5.61).
2 2
2
14 1
1 14
2 2
v riMF r
v vv v
T lG l
T s T sT T
σσ= =
+ +
(5.60)
( )2
1
2 1iMF
v
GT s
=+
(5.61)
63
5.5 DIAGRAMA DE BLOCOS DO SISTEMA DE CONTROLE
Na Figura 5.4, é apresentado o diagrama de blocos do sistema de controle da
máquina fresadora. Conforme apresentado nesse diagrama, foi realizado o controle do
motor de indução trifásico da base X da fresadora, sendo controladas as variáveis: corrente
do estator, velocidade de rotação do rotor e posição angular do rotor.
Figura 5.4 – Diagrama de blocos do sistema de controle.
64
No controle da posição, a informação do erro relativo da posição angular do rotor
eθr foi utilizada. Na programação do sistema, para o módulo de eθr maior ou igual que
0,008, o motor foi acionado com uma referência de velocidade de rotação *rω específica,
resultando no deslocamento da base X com uma referência de velocidade de avanço v*
específica e proporcional a *rω . Para o módulo de eθr menor que 0,008, determinou-se à
ação de frenagem do motor, aplicando *rω com valor nulo e, consequentemente, uma
velocidade v* nula, resultando na frenagem da base X.
No período de acionamento da máquina fresadora para uma determinada posição
da base X, a usinagem dos diferentes tipos de materiais, de um corpo-de-prova fixado
nessa base, resultou na variação de carga aplicada ao motor, gerando, consequentemente,
uma variação do conjugado eletromagnético do MIT. Desse modo, a partir do sinal do
conjugado eletromagnético estimado ceest, foram especificadas as referências de velocidade
*rω e v* de acionamento do sistema.
5.6 COMENTÁRIOS E CONCLUSÕES
Neste capítulo, foram apresentados os projetos dos controladores de velocidade e
de corrente, os quais foram fundamentais para o desenvolvimento do sistema de controle.
O controlador de velocidade, implementado pelo método fuzzy Takagi-Sugeno,
foi modelado por tentativa e erro, aprimorando-se as simulações. Para isso, foram
realizados vários ajustes nos blocos funcionais de fuzzificação, inferência fuzzy e
defuzzificação. Com relação ao controlador de corrente, um controlador PI foi projetado, a
partir das equações elétricas do modelo complexo de representação da máquina de
indução, no referencial do fluxo rotórico.
Esses controladores e a configuração do sistema de controle, apresentada no
diagrama de blocos da Figura 5.4, possibilitaram controlar a posição e velocidade de
avanço da base X da mesa da fresadora.
65
CAPÍTULO VI
DESENVOLVIMENTO DO SISTEMA DE ESTIMAÇÃO
6.1 INTRODUÇÃO
A implementação do sistema de estimação da máquina fresadora é apresentada
neste capítulo. Esse sistema foi desenvolvido em malha aberta, a fim de estimar o
conjugado eletromagnético do MIT da base X, sendo a estimação dessa variável utilizada
para a realização dos processos de usinagem.
A partir da estimação do fluxo do estator do MIT foi obtido o conjugado
eletromagnético estimado. A técnica utilizada para a estimação do conjugado é
apresentada, partindo do modelo da máquina nas componentes dq e aplicando redes
neurais artificiais do tipo algoritmo LMS.
As implementações para a estimação do fluxo estórico, na simulação do sistema
deste trabalho e na aplicação experimental na bancada de teste, são mostradas. Ao final
deste capítulo, o diagrama de blocos do sistema de estimação utilizado na aplicação
experimental é apresentado.
6.2 CARACTERÍSTICAS DE CONJUGADO VERSUS VELOCIDADE
O conjugado produzido por um MIT e o conjugado exigido pela carga são
considerados funções não-lineares da velocidade. De acordo com a carga mecânica a ser
acionada, há uma curva de conjugado resistente associada.
Na Figura 6.1, são mostradas as curvas do conjugado por velocidade de um
acionamento típico. A intersecção da curva do conjugado do motor com a do conjugado
66
resistente da carga corresponde ao ponto de operação do motor. Nesse ponto, a velocidade
nominal é atingida, bem como o escorregamento nominal.
A diferença entre os conjugados do motor e resistente da carga é chamada de
conjugado acelerante. Esse último é responsável pela aceleração da máquina na partida.
Quanto maior o conjugado acelerante, mais rápido a velocidade nominal é atingida. No
caso de redução do conjugado do motor, o conjugado acelerante também se reduz,
acarretando maior tempo de partida. No ponto de operação, o conjugado acelerante é nulo,
não havendo variação de velocidade, pois os conjugados do motor e resistente são iguais.
Quando o conjugado do motor é maior que o resistente da carga, ocorre variação
de velocidade no tempo, aceleração, até que o equilíbrio de conjugados ocorra. Quando o
conjugado do motor é menor que o resistente da carga, ocorre uma redução na velocidade,
uma desaceleração, com o respectivo aumento do conjugado do motor a fim de que haja
equilíbrio com o conjugado resistente (FITZGERALD et al., 1975, FRANCHI, 2008).
Figura 6.1 – Conjugado versus velocidade para motor de indução trifásico.
6.3 APLICAÇÃO DO MODELO DE TENSÃO
Neste trabalho, foi aplicado o modelo de tensão do motor de indução, na
orientação de campo direta com referência pelo fluxo estatórico. Pois, na orientação de
campo pelo método direto, a vantagem de utilizar a orientação pelo fluxo estatórico é a
maior robustez às variações paramétricas, visto que há sensibilidade apenas a resistência
67
do estator, a qual não apresenta grandes variações como observadas em outros parâmetros,
principalmente quando comparada à resistência do rotor (GOUVÊA, 2005).
A aplicação do modelo de tensão do MIT, na orientação de campo direta com
referência pelo fluxo estatórico, apresenta uma maior facilidade para determinação do
fluxo de estator, na estimativa de sua magnitude e fase. Pois, as informações das correntes
e tensões do estator e a resistência estatórica são suficientes para o cálculo do fluxo
estatórico (GARCIA, 2002).
Embora haja uma maior simplicidade na determinação do fluxo através desse
modelo, problemas referentes à integração numérica e aos erros de medição das tensões e
correntes podem prejudicar a eficiência da estimação (ROCHA, 1999).
O offset é o maior problema ao se utilizar um integrador puro no processo de
estimação de fluxo. Ocorre no sinal de saída do integrador, dependendo das condições
iniciais do sinal de entrada (HU e WU, 1998). Esse problema gera erros de estimação, que
poderão ser verificados ao comparar o sinal de fluxo de estator real da máquina com o sinal
do fluxo de estator estimado.
6.4 EXPRESSÃO DO FLUXO ESTATÓRICO
A partir da Eq. (3.13) do modelo complexo de representação da máquina de
indução, obtem-se a Eq. (6.1) no referencial do fluxo estatórico. O controle em quadratura
com referência fixa no estator (a), ou seja, o eixo d ligado ao estator segundo a fase s1
( 0=gδ ), implica em uma velocidade de rotação do referencial arbitrário ωg igual a zero.
Desse modo, a partir da Eq. (6.1), não são necessárias medições da velocidade de rotação,
sendo o fluxo estatórico estimado através da integração da força contra-eletromotriz, que é
a tensão medida nos terminais da máquina subtraída da queda de tensão na resistência do
estator, de acordo com Eq. (6.2) e (6.3) (JACOBINA, 2005). Neste trabalho, a resistência
do estator foi considerada constante.
asgs
as
as jR
dt
dλiv
λω−−= a
s (6.1)
( )∫ −= dtiRv as
asd
asd sdλ (6.2)
( )∫ −= dtiRv as
asq
asq sqλ (6.3)
68
6.5 EXPRESSÃO DO CONJUGADO ELETROMAGNÉTICO
Na literatura, uma expressão bastante aplicada para estimação do conjugado
eletromagnético é a Eq. (6.4), a qual é escrita em termos das componentes do fluxo
estatórico e da corrente estatórica, sendo determinada através de simplificações
matemáticas a partir da Eq. (3.17). A Eq. (6.4) do conjugado foi a expressão utilizada no
desenvolvimento deste trabalho.
( )asq
asd
asd
asq iiPce λλ −= (6.4)
6.6 REDE NEURAL ARTIFICIAL
A RNA do tipo Adaline (WIDROW e HOFF, 1960) utilizada neste trabalho,
também conhecida como algoritmo LMS, e a rede neural perceptron de camada única
(ROSENBLATT, 1958) são inter-relacionadas, visto que o algoritmo LMS foi criado a
partir de modificações do modelo perceptron de camada única.
A seguir, a filtragem adaptativa neural com várias entradas e o princípio de
implementação do algoritmo LMS são apresentados.
6.6.1 Filtragem Adaptativa Neural
Em um sistema dinâmico cuja caracterização matemática é desconhecida, quando
um estímulo m-dimensional x(i) é aplicado através dos m nós de entrada, a resposta do
sistema produz uma saída escalar d(i), onde o tempo i = 1, 2,..., n,... . A dimensão m
referente ao vetor de entrada x(i) corresponde à dimensionalidade do espaço de entrada. Na
Eq. (6.5), é apresentado o vetor de entrada x(i).
[ ]Tm ixixixi )(),...,(),()( 21=x (6.5)
Para projetar um modelo de múltiplas entradas e única saída de um sistema
dinâmico desconhecido, construído em torno de um único neurônio linear, é necessário que
o modelo opere sob a influência de um algoritmo que controle os ajustes dos pesos
69
sinápticos do neurônio. Esse modelo neural é conhecido como filtro adaptativo. Na Figura
6.2, é mostrado o fluxo de sinal do filtro adaptativo.
Figura 6.2 – Fluxo de sinal do modelo adaptativo de um sistema.
A operação do filtro adaptativo consiste de dois processos contínuos: o processo
de filtragem e o processo adaptativo; os quais juntos constituem um laço de
retroalimentação agindo em torno do neurônio.
O processo de filtragem é responsável pela computação dos sinais de saída e de
erro. A saída y(i) é produzida em resposta aos m elementos do vetor x(i). Como o neurônio
é linear, y(i) é igual à υ(i), conforme Eq. (6.6), onde wk(i) corresponde aos pesos sinápticos.
Na forma matricial, Eq. (6.7), a saída y(i) é expressa pelo produto interno dos vetores x(i) e
w(i).
∑=
==m
kkk ixiwiiy
1
)()()()( υ (6.6)
)()()( iiiy T wx= (6.7)
onde
[ ]Tm iwiwiwi )(),...,(),()( 21=w (6.8)
O erro e(i) é obtido pela comparação da saída y(i) com a saída produzida pelo
sistema desconhecido d(i), Eq. (6.9), onde d(i) corresponde a uma resposta desejada ou
sinal-alvo.
70
)()()( iyidie −= (6.9)
O processo adaptativo ajusta automaticamente os pesos sinápticos do neurônio,
através do resultado do sinal de erro e(i) (HAYKIN, 2001).
6.6.2 Algoritmo do Mínimo Quadrado Médio
O algoritmo LMS tem como princípio a implementação do método da descida
mais íngreme. Por meio desse método, são aplicados ajustes sucessivos ao vetor de peso w
na direção da descida mais íngreme, ou seja, em uma direção oposta ao vetor do gradiente
)(wΕ∇ . Na Eq. (6.10), é apresentada a convenção usada.
)(wg Ε∇= (6.10)
Formalmente, o algoritmo da descida mais íngreme é expresso pela Eq. (6.11),
onde µ é uma constante positiva chamada de taxa de aprendizagem e g(n) é o vetor do
gradiente calculado no ponto w(n).
)()()1( nnn gww µ−=+ (6.11)
Os valores instantâneos da função de custo )(wΕ correspondem ao quadrado do
sinal de erro e(n) medido no tempo n, Eq. (6.12).
)()( 2 ne=Ε w (6.12)
A partir da diferencial de )(wΕ em relação ao vetor de peso w, é obtida a
expressão da Eq. (6.13).
www
∂
∂=
∂
Ε∂ )()(2
)( nene (6.13)
71
Em um algoritmo LMS, o sinal de erro é expresso pela Eq. (6.14), cuja derivada
em relação a w(n) resulta na Eq. (6.15).
)()()()( nnndne T wx−= (6.14)
)()(
)(n
n
nex
w−=
∂
∂ (6.15)
A substituição da Eq. (6.15) na Eq. (6.13) resulta em uma estimativa para o vetor
do gradinete )(ˆ ng , conforme Eq. (6.16).
)()(2)(
)(ˆ nenn xww
g −=∂
Ε∂= (6.16)
Através da aplicação da Eq. (6.16) na Eq. (6.11), usando o método da descida
mais íngreme, equaciona-se o algoritmo LMS, de acordo com a Eq. (6.17), onde )(ˆ nw é a
estimativa do vetor de peso (HAYKIN, 2001, WIDROW e WALACH, 2008).
)()(2)(ˆ)1(ˆ nennn xww µ+=+ (6.17)
6.7 ESTIMAÇÃO DO CONJUGADO ELETROMAGNÉTICO
Para o desenvolvimento da estratégia de estimação do conjugado eletromagnético
do MIT da base X da fresadora, primeiramente, estimou-se o fluxo do estator do motor, nas
componentes d e q.
O fluxo do estator foi determinado pela integração da força contra-eletromotriz
asu . As variáveis de tensão do estator a
sv e corrente do estator asi , obtidas a partir dos
terminais do motor, possibilitaram a determinação de asu . Desse modo, a força contra-
eletromotriz foi calculada conforme Eq.(6.18) e Eq. (6.19), onde a resistência do estator Rs
foi considerada constante e igual a 49,40 Ω.
as
asd
asd iRvu sd−= (6.18)
as
asq
asq iRvu sq−= (6.19)
72
A integral da força contra-eletromotriz possibilitou a estimação do fluxo do
estator asdλ e a
sqλ , de acordo com a Eq. (6.2) e Eq. (6.3). Devido a esse procedimento de
integração, níveis de corrente contínua foram originados nos sinais do fluxo estatórico
estimado do MIT do sistema, implicando, consequentemente, em uma estimação do
conjugado eletromagnético com erros não toleráveis.
Para a eliminação do offset no sinal do fluxo, desenvolveu-se um filtro adaptativo
neural, pela técnica do algoritmo LMS. Na etapa de simulação do sistema, uma estrutura
neural foi implementada para cada componente do fluxo, d e q, de forma análoga.
Na Figura 6.3, é apresentada essa estrutura para a componente d, constituída por
apenas um neurônio e um bias como peso sináptico, com entrada constante igual a 1. A
estrutura neural possuiu como entrada o sinal do fluxo do estator estimado asdλ e na saída
obteve-se o fluxo do estator estimado filtrado asdfλ . O processo de filtragem foi realizado
pela subtração de “ 2y ” do sinal de entrada asdλ .
Figura 6.3 – Estrutura neural para filtragem adaptativa LMS do fluxo do estator estimado.
Na etapa de realização de experimentos no sistema, devido a ocorrência de offsets
na medição das tensões e corrente do MIT, causada pelos componentes analógicos e pelos
circuitos amplificadores que constituem os sensores de tensão e corrente, surgiram níveis
de corrente contínua no sinal da força contra-eletromotriz.
Para a eliminação do offset nesse sinal, na programação da etapa experimental, foi
necessária a implementação de uma estrutura neural para cada componente da força contra-
eletromotriz, asdu e a
squ , de forma análoga. Na Figura 6.4, é mostrada essa estrutura para a
73
filtagem adaptativa LMS de asdu , obtendo-se na saída a força contra-eletromotriz filtrada
asdfu .
Após a obtenção de asdfu , relizou-se o procedimento de integração desse último
sinal, a fim de obter-se o fluxo estatórico estimado. Em seguida, esse fluxo foi filtrado
conforme estrutura neural da Figura 6.3, obtendo-se, ao final, o fluxo do estator estimado
filtrado asdfλ .
Figura 6.4 – Estrutura neural para filtragem adaptativa LMS da força contra-eletromotriz.
O algoritmo desenvolvido para representação da estrutura neural para filtrar o
fluxo do estator estimado é descrito nas Eq. (6.20) e Eq. (6.21), onde )(2 ny é a saída do
filtro no instante atual e )1(2 +ny é a saída do filtro no instante seguinte. Analogamente, o
algoritmo para filtrar a força contra-eletromotriz foi implementado. Por meio desses
algoritmos, uma iteração adaptativa foi efetivada a cada aquisição dos dados de entrada.
)(2 nyasd
asdf −= λλ (6.20)
asdfnyny µλ2)()1( 22 +=+ (6.21)
Na Eq. (6.21), foi necessário utilizar taxas de aprendizagem µ específicas, devido
às velocidades de avanço específicas aplicadas para as usinagens do aço, do latão e do
nylon. Para as velocidades de avanço de 1,6 mm/s, 5,6 mm/s e 8,0 mm/s foram utilizadas
as taxas de aprendizagem de 0,0001, 0,0005 e 0,001, respectivamente.
74
A covergência e a estabilidade do algoritmo LMS são influenciadas pelos
parâmetros da taxa de aprendizagem e do vetor de entrada desse algoritmo. Para que o
algoritmo LMS seja convergente, é necessário que µ satisfaça a condição da Eq. (6.22),
onde R é a matriz de correlação do vetor de entada x(n) e tr[R] é traço da matriz R. Por
definição, o traço de uma matriz quadrada é igual à soma de seus elementos na diagonal
principal (WIDROW e WALACH, 2008).
][
10
Rtr<< µ (6.22)
Inicialmente, satisfazendo a condição da Eq. (6.22), os valores das taxas de
aprendizagem da RNA do sistema de usinagem foram atribuídos, analisando-se a
convergência e a estabilidade do fluxo do estator estimado filtrado, asdfλ e a
sqfλ . Através
desse estudo, verificou-se que as taxas de aprendizagem de 0,0001, 0,0005 e 0,001
proporcionaram estimar o fluxo estatórico com menores erros, para as velocidades de
avanço de acionamento da base X.
Após a estimação do fluxo do estator e a eliminação de offsets no sinal do fluxo,
estimou-se o conjugado eletromagnético do motor da fresadora usando a Eq. (6.23). Nessa
equação, o conjugado eletromagnético estimado ceest foi determinado utilizando-se o fluxo
do estator estimado filtrado, asdfλ e a
sqfλ , a corrente do estator, asdi e a
sqi , e a constante do
número de pares de pólos P do MIT, que é igual a dois.
( )asqf
asd
asdf
asqest iiPce λλ −= (6.23)
6.8 DIAGRAMA DE BLOCOS DO SISTEMA DE ESTIMAÇÃO
O diagrama de blocos desenvolvido para a estimação do conjugado
eletromagnético do motor, na simulação do sistema, é apresentado na Figura 6.5. Nesse
diagrama, está contido o filtro adaptativo neural usado para obtenção do fluxo do estator
estimado filtrado, asdfλ e a
sqfλ , possibilitando, por sua vez, a determinação de ceest na
simulação.
75
Figura 6.5 – Diagrama de blocos do sistema de estimação da simulação.
Na Figura 6.6, é mostrado o diagrama de blocos desenvolvido para a estimação do
conjugado eletromagnético do MIT na aplicação experimental. A configuração desse
diagrama para a determinação de ceest, possuindo os dois filtros adaptativos neurais
implementados para obter fluxo do estator estimado filtrado, pode ser observada.
Figura 6.6 – Diagrama de blocos do sistema de estimação da aplicação experimental.
A informação do sinal do conjugado ceest foi utilizada para a especificação da
referência de velocidade *rω de acionamento do motor de indução, conforme diagrama de
blocos do sistema de controle da Figura 5.4, resultando na aplicação de referência de
velocidade de avanço v* específica para acionar a base X da fresadora.
76
6.9 COMENTÁRIOS E CONCLUSÕES
A aplicação da técnica do modelo de tensão do motor de indução, na orientação
de campo direta com referência pelo fluxo estatórico, permitiu a estimação do fluxo do
estator do MIT da fresadora com uma maior facilidade. Pois, as correntes e tensões do
estator e a resistência estatórica foram suficientes para estimar esse fluxo.
Embora tenha havido a necessidade de eliminar os níveis de corrente contínua na
estimação do fluxo do estator, a utilização de redes neurais artificiais do tipo algoritmo
LMS permitiu eliminar os offsets desse fluxo estimado, implementando simples códigos de
programação, conforme apresentados nas Eq. (6.20) e (6.21).
A estratégia do sistema de estimação desenvolvida possibilitou determinar o
conjugado eletromagnético estimado utilizando a corrente do estator e a estimação do fluxo
do estator do MIT da base X da máquina fresadora.
77
CAPÍTULO VII
RESULTADOS DE SIMULAÇÃO
7.1 INTRODUÇÃO
Neste capítulo, são apresentados os resultados obtidos na simulação do sistema
motor de indução trifásico alimentado por inversor trifásico de fonte de tensão. A
simulação de operação desse sistema foi realizada a fim de se observar o funcionamento
dinâmico do motor quanto ao controle de posição, de velocidade e estimação do conjugado
eletromagnético; possibilitando avaliar a estratégia de controle a ser aplicada na montagem
experimental de usinagem.
Essa simulação foi desenvolvida em linguagem C através do programa
C++Builder® XE e as curvas de resposta foram traçadas utilizando o programa MatlabTM.
As curvas de resposta obtidas foram comparadas com curvas de referência e curvas
calculadas pelo modelamento do MIT.
7.2 IMPLEMENTAÇÃO DA SIMULAÇÃO
No sistema de usinagem a mesa da fresadora foi acionada por motor de indução
trifásico, portanto, utilizou-se o fator numérico de 0,032 mm/rad a fim de obter a relação
entre a posição angular do MIT e a posição linear da base X da mesa, e a relação entre a
velocidade angular do motor e a velocidade linear da base X. Logo, a partir da
multiplicação da posição angular do rotor por 0,032 mm/rad determinou-se a posição da
base X, assim como multiplicando a velocidade de rotação do rotor por esse fator numérico
foi obtida a velocidade de avanço dessa base.
78
Antes de iniciar as simulações do sistema, foram definidas as referências de
velocidade de avanço utilizadas para usinar os materiais de aço, latão e nylon. Essas
velocidades foram definidas para as condições operacionais de usinagem dos materiais na
fresadora, com uma rotação da ferramenta de corte de 1500 rpm, a uma profundidade de
corte de 2 mm, em relação à superfície do corpo-de-prova, e penetração de trabalho de
6,35 mm, que corresponde ao diâmetro da fresa. Através da realização de vários testes
experimentais, usinando cada material individualmente na fresadora, definiram-se as
velocidades de avanço adequadas às condições de operação do sistema. Para as usinagens
do aço, do latão e do nylon, as referências de velocidade de avanço definidas foram de
1,6 mm/s, 5,6 mm/s e 8,0 mm/s, respectivamente.
Na simulação do sistema, para análise das curvas de resposta das variáveis,
acionou-se o motor de indução trifásico por referências do tipo degrau de posição, com
amplitudes positivas e negativas, resultando em rotações do eixo do motor nos sentidos
horário e anti-horário; objetivando obter, nos testes experimentais do sistema de usinagem,
deslocamentos da base X ao longo do seu curso nos sentidos direito e esquerdo.
Para a geração do conjugado eletromagnético, foram aplicadas cargas ao motor
simulado. Os valores utilizados na aplicação dessas cargas foram provenientes da curva do
conjugado eletromagnético estimado obtido nos ensaios experimentais.
O MIT foi acionado com referências de velocidades de rotação do rotor *rω
específicas para cada estimação do conjugado eletromagnético. Na Tab. (7.1), são
apresentados os valores: dos conjugados eletromagnéticos estimados ceest, das respectivas
referências de velocidade *rω , e, através do fator numérico, as equivalentes referências de
velocidade de avanço v* da base X.
A máquina simulada possui os parâmetros do motor de indução trifásico da base
X da mesa, que são: Rs=49,40 Ω; Rr=80,37 Ω; ls=lr=1,26 H; lm=1,18 H. Esses parâmetros
foram obtidos por meio da realização de ensaios em vazio e com rotor bloqueado no motor.
Nessa simulação, utilizou-se um momento de inércia de 0,00045 kgm2 e o coeficiente de
atrito viscoso foi considerado nulo.
A seguir, são analisados os gráficos correspondentes às variáveis: posição angular
do rotor, posição da base X, velocidade de rotação do rotor, velocidade de avanço da base
X e conjugado eletromagnético.
79
Tabela 7.1 – Conjugados eletromagnéticos estimados e velocidades de referência
(simulação).
ceest (Nm) *rω (rad/s) v* (mm/s)
Rotação no sentido horário
0,43 50,0 1,6
0,42 0,90 175,0 5,6 0,29 250,0 8,0
Rotação no sentido
anti-horário
-0,17 -50,0 -1,6
-0,20 -0,71 -175,0 -5,6 -0,22 -250,0 -8,0
7.3 ANÁLISE DOS RESULTADOS
Neste trabalho, são apresentadas quatro simulações. Na primeira simulação,
aplicaram-se cargas de 0,42 Nm e 0,90 Nm ao motor. Na segunda simulação, foram
aplicadas cargas de -0,20 Nm e -0,71 Nm. Na terceira simulação, aplicaram-se cargas de
0,43 Nm e 0,29 Nm. Na quarta simulação, foram aplicadas cargas de -0,17 Nm e -0,22 Nm
ao MIT.
7.3.1 Primeira Simulação
Inicialmente, na Figura 7.1, são apresentadas as curvas de resposta e de referência
da variável posição angular do rotor. Nessa primeira simulação, o motor de indução foi
acionado com um sinal de referência do tipo degrau com amplitude de 2406,25 rad,
aplicando-se uma carga de 0,42 Nm desde a partida da máquina e, após 8 s de operação,
aplicou-se uma carga de 0,90 Nm. Devido às aplicações de cargas, conjugados
eletromagnéticos foram impostos ao MIT.
Na Figura 7.2, são mostradas as curvas de resposta e de referência da variável
posição da base X, na qual o sinal de referência degrau com amplitude de 77 mm é
equivalente a um degrau de 2406,25 rad. Essa amplitude em milímetros corresponderá a
um deslocamento da base X da mesa de 77 mm. Por meio dos gráficos da Figura 7.1 e da
80
Figura 7.2, foi possível verificar um tempo de assentamento de 19,60 s, um erro de regime
permanente de 0,13 % e não ocorrência de sobre-sinal.
Em seguida, na Figura 7.3, são apresentadas a curva de referência da velocidade
de rotação do rotor e a curva de resposta obtida. Nessa curva pode-se observar o
acionamento do MIT por sinal do tipo rampa de velocidade com amplitude de 50 rad/s,
mantendo-se constante a velocidade até o instante de 8 s. Essa velocidade constante de
50 rad/s correspondeu à excitação *rω devido a uma estimação de conjugado
eletromagnético de 0,42 Nm, conforme Tab. (7.1). No instante de 8 s, devido à estimação
de conjugado eletromagnético de 0,90 Nm, uma rampa de velocidade com amplitude de
175 rad/s foi observada, em um intervalo de 0,1 s, permanecendo constante até um
acionamento *rω por valor nulo; resultando, consequentemente, na frenagem do MIT.
Na Figura 7.4, são mostradas as curvas de resposta e de referência da velocidade
de avanço da base X, na qual a amplitude de 1,6 mm/s da referência rampa foi equivalente
à amplitude de 50 rad/s, e a amplitude de 5,6 mm/s foi equivalente à amplitude de
175 rad/s. Pela análise dos gráficos das Figuras 7.3 e 7.4, observaram-se um máximo
sobre-sinal de 0,35 % e erros de regime permanente nulos nos intervalos de tempo em que
as referências de velocidade foram constantes.
Para análise da estimação neural do conjugado eletromagnético da máquina,
observaram-se na Figura 7.5 a curva do conjugado eletromagnético ce, obtida pelo
modelamento do motor, utilizando a Eq. (6.4) e a curva do conjugado eletromagnético
estimado ceest, obtida pela Eq. (6.23). Nesse gráfico, foi verificado o comportamento do
conjugado ceest no transitório de carga e no regime permanente de estimação. Para as
aplicações da primeira carga, de 0,42 Nm, e da segunda carga, de 0,90 Nm, não se
observaram praticamente distinções entre as curvas de ce e de ceest no regime permanente.
0 5 10 15 20 25-500
0
500
1000
1500
2000
2500
Tempo (s)
θr, θ
r* (ra
d)
θr
θr*
Figura 7.1 – Curvas de resposta e de referência da posição angular do rotor (1ª Simulação).
81
0 5 10 15 20 25-20
0
20
40
60
80
Tempo (s)
S, S
* (mm
)
S
S*
Figura 7.2 – Curvas de resposta e de referência da posição da base X (1ª Simulação).
0 5 10 15 20 25-50
0
50
100
150
200
Tempo (s)
ωr, ω
r* (rad
/s)
ωr
ωr*
Figura 7.3 – Curvas de resposta e de referência da velocidade de rotação do rotor
(1ª Simulação).
0 5 10 15 20 25-2
0
2
4
6
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 7.4 – Curvas de resposta e de referência da velocidade de avanço da base X
(1ª Simulação).
0 5 10 15 20 25-1
-0.5
0
0.5
1
1.5
Tempo (s)
cee
st, c
e (N
m)
ceest
ce
Figura 7.5 – Curvas do conjugado eletromagnético e do conjugado eletromagnético
estimado (1ª Simulação).
82
7.3.2 Segunda Simulação
Nessa simulação, primeiramente aplicou-se uma carga de -0,20 Nm e, após 15 s
de operação, aplicou-se uma carga de -0,71 Nm.
Na Figura 7.6, são mostradas as curvas de resposta e de referência da posição
angular do rotor, para um acionamento do motor por sinal de referência do tipo degrau com
amplitude de -1250 rad. Na Figura 7.7, a curva de resposta e a referência do tipo degrau da
posição da base X com amplitude de -40 mm são apresentadas. Essa amplitude em
milímetros é equivalente a um degrau de -1250 rad, correspondendo a um deslocamento de
-40 mm da base X. Por meio dos gráficos das Figuras 7.6 e 7.7, foi possível constatar um
tempo de assentamento de 18,14 s, um erro de regime permanente de 0,18 % e não
ocorrência de sobre-sinal.
Em seguida, na Figura 7.8, são mostradas a curva de referência da velocidade de
rotação do rotor e a curva de resposta obtida. Nesse gráfico, a excitação da máquina foi por
um sinal rampa de velocidade com amplitude de -50 rad/s, mantendo-se constante a
velocidade até o instante de 15 s. Essa velocidade constante de -50 rad/s correspondeu à
referência *rω devido a uma estimação de conjugado eletromagnético de -0,20 Nm. No
instante de 15 s, devido à estimação de conjugado de -0,71 Nm, uma rampa de velocidade
com amplitude de -175 rad/s foi utilizada, em um intervalo de 0,1 s, permanecendo
constante até um acionamento *rω por valor nulo.
Na Figura 7.9, apresentam-se as curvas de resposta e de referência da velocidade
de avanço da base X, na qual a amplitude de -1,6 mm/s da referência rampa é equivalente à
amplitude de -50 rad/s, e a amplitude de -5,6 mm/s é equivalente à amplitude de -175 rad/s.
Através dos gráficos das Figuras 7.8 e 7.9, observaram-se um máximo sobre-sinal de
0,27 % e erros de regime permanente nulos nos intervalos de tempo em que as referências
de velocidade foram constantes.
Na Figura 7.10, mostram-se as curvas do conjugado eletromagnético ce e do
conjugado eletromagnético estimado ceest. Nesse gráfico, verificou-se o comportamento do
conjugado ceest no transitório de carga e no regime permanente de estimação. No regime
permanente, não se observaram praticamente distinções entre as curvas de ce e de ceest.
83
0 5 10 15 20 25-1500
-1000
-500
0
500
Tempo (s)
θr, θ
r* (rad
)
θr
θr*
Figura 7.6 – Curvas de resposta e de referência da posição angular do rotor (2ª Simulação).
0 5 10 15 20 25-50
-40
-30
-20
-10
0
10
Tempo (s)
S, S
* (mm
)
S
S*
Figura 7.7 – Curvas de resposta e de referência da posição da base X (2ª Simulação).
0 5 10 15 20 25-200
-150
-100
-50
0
50
Tempo (s)
ωr, ω
r* (rad
/s)
ωr
ωr*
Figura 7.8 – Curvas de resposta e de referência da velocidade de rotação do rotor
(2ª Simulação).
0 5 10 15 20 25-6
-5
-4
-3
-2
-1
0
1
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 7.9 – Curvas de resposta e de referência da velocidade de avanço da base X
(2ª Simulação).
84
0 5 10 15 20 25-1
-0.5
0
0.5
Tempo (s)
cee
st, c
e (N
m)
ceest
ce
Figura 7.10 – Curvas do conjugado eletromagnético e do conjugado eletromagnético
estimado (2ª Simulação).
7.3.3 Terceira Simulação
Analogamente, na terceira simulação, uma carga de 0,43 Nm foi aplicada ao eixo
do MIT e, após 12 s, aplicou-se uma carga de 0,29 Nm.
Na Figura 7.11, são apresentadas as curvas de resposta de referência da posição
angular do rotor. O motor foi acionado por um sinal de referência do tipo degrau com
amplitude de 1562,5 rad, o que equivale a um deslocamento da base X de 50mm, como é
mostrado na Figura 7.12. Pela observação das curvas de resposta mostradas nas Figuras
7.11 e 7.12, foi possível verificar um tempo de assentamento de 15,99 s, um erro de regime
permanente de 0,22 % e não ocorrência de sobre-sinal.
Na Figura 7.13, são mostradas as curvas de resposta e de referência da velocidade
de rotação do rotor. Nesse gráfico, devido a uma estimação de conjugado eletromagnético
de 0,43 Nm, o motor foi acionado por um sinal do tipo rampa de velocidade com amplitude
de 50 rad/s, mantendo-se constante a velocidade até o instante de 12 s. A partir desse
instante, estimou-se um conjugado de 0,29 Nm e, consequentemente, o MIT foi acionado
com uma velocidade de rotação de 250 rad/s, permanecendo constante até o alcance da
posição desejada.
Na Figura 7.14, apresentam-se as curvas de resposta e de referência da velocidade
de avanço da base X. Conforme comparação com a Figura 7.13, a amplitude de 1,6 mm/s
da referência rampa é equivalente à amplitude de 50 rad/s, e a amplitude de 8,0 mm/s é
equivalente à amplitude de 250 rad/s. Por meio das Figuras 7.13 e 7.14, verificaram-se um
máximo sobre-sinal de 1,22 % e erros de regime permanente nulos nos intervalos de tempo
em que as referências de velocidade foram constantes.
85
Na Figura 7.15, foram analisadas as curvas dos conjugados eletromagnéticos ce e
ceest, no transitório de carga e no regime permanente. No regime permanente, não se
observaram praticamente distinções entre as curvas de ce e de ceest.
0 5 10 15 20 25-500
0
500
1000
1500
2000
Tempo (s)
θr, θ
r* (rad
)
θr
θr*
0 5 10 15 20 25-10
0
10
20
30
40
50
60
Tempo (s)
S, S
* (mm
)
S
S*
Figura 7.12 – Curvas de resposta e de referência da posição da base X (3ª Simulação).
0 5 10 15 20 25-50
0
50
100
150
200
250
300
Tempo (s)
ωr, ω
r* (rad
/s)
ωr
ωr*
Figura 7.13 – Curvas de resposta e de referência da velocidade de rotação do rotor
(3ª Simulação).
0 5 10 15 20 25-2
0
2
4
6
8
10
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 7.11 – Curvas de resposta e de referência da posição angular do rotor (3ª Simulação).
Figura 7.14 – Curvas de resposta e de referência da velocidade de avanço da base X
(3ª Simulação).
86
0 5 10 15 20 25-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tempo (s)
cees
t, ce
(Nm
)
ceest
ce
Figura 7.15 – Curvas do conjugado eletromagnético e do conjugado eletromagnético
estimado (3ª Simulação).
7.3.4 Quarta Simulação
Na quarta simulação, foram aplicadas uma carga de -0,17 Nm desde a partida da
máquina e, após 10 s de operação, uma carga de -0,22 Nm.
Na Figura 7.16, são mostradas as curvas de resposta e de referência da posição
angular do rotor, para um acionamento do motor por sinal de referência do tipo degrau com
amplitude de -1437,5 rad, o que equivale a um deslocamento da base X de -46 mm, como é
mostrado na Figura 7.17. Por meio dos gráficos das Figuras 7.16 e 7.17, foi possível
verificar um tempo de assentamento de 13,90 s, um erro de regime permanente de 0,29 % e
não ocorrência de sobre-sinal.
Na sequência, na Figura 7.18, são apresentadas a curva de referência da
velocidade de rotação do rotor e a curva de resposta obtida. Nesse gráfico, devido a uma
estimação de conjugado eletromagnético de -0,17 Nm, o motor foi acionado por um sinal
do tipo rampa de velocidade com amplitude de -50 rad/s, mantendo-se constante a
velocidade até o instante de 10 s. A partir desse instante, devido à estimação de conjugado
de -0,22 Nm, uma rampa de velocidade com amplitude de -250 rad/s foi apresentada,
permanecendo constante até o alcance da posição desejada.
Na Figura 7.19, mostram-se as curvas de resposta e de referência da velocidade de
avanço da base X, na qual a amplitude de -1,6 mm/s da referência rampa é equivalente à
amplitude de -50 rad/s, e a amplitude de -8,0 mm/s é equivalente à amplitude de -250 rad/s,
conforme comparação com a Figura 7.18. Por meio das Figuras 7.18 e 7.19, observaram-se
um máximo sobre-sinal de 0,74 % e erros de regime permanente nulos nos intervalos de
tempo em que as referências de velocidade foram constantes.
87
0 2 4 6 8 10 12 14 16 18 20-1500
-1000
-500
0
500
Tempo (s)
θ r, θr* (r
ad)
θr
θr*
Na Figura 7.20, analisam-se as curvas dos conjugados eletromagnéticos ce e ceest,
no transitório de carga e no regime permanente. No regime permanente, não se observaram
praticamente distinções entre as curvas de ce e de ceest.
0 2 4 6 8 10 12 14 16 18 20-50
-40
-30
-20
-10
0
10
Tempo (s)
S, S
* (mm
)
S
S*
Figura 7.17 – Curvas de resposta e de referência da posição da base X (4ª Simulação).
0 2 4 6 8 10 12 14 16 18 20-300
-250
-200
-150
-100
-50
0
50
Tempo (s)
ωr, ω
r* (rad
/s)
ωr
ωr*
Figura 7.18 – Curvas de resposta e de referência da velocidade de rotação do rotor
(4ª Simulação).
0 2 4 6 8 10 12 14 16 18 20-10
-8
-6
-4
-2
0
2
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 7.16 – Curvas de resposta e de referência da posição angular do rotor (4ª Simulação).
Figura 7.19 – Curvas de resposta e de referência da velocidade de avanço da base X
(4ª Simulação).
88
0 2 4 6 8 10 12 14 16 18 20-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
cees
t, ce
(Nm
)
ceest
ce
Figura 7.20 – Curvas do conjugado eletromagnético e do conjugado eletromagnético
estimado (4ª Simulação).
Pela análise das curvas de resposta obtidas nas simulações do motor, os valores
dos erros de regime permanente ess e dos sobre-sinais Mp das posições angular do rotor e
da base X, rθ e S, respectivamente, e das velocidades angular do rotor e de avanço da base
X, rω e v, respectivamente, são apresentados na Tab. (7.2).
Tabela 7.2 – Desempenhos da posição e da velocidade obtidos nas simulações.
rθ rω
S v
ess (%) Mp (%) ess (%) Mp (%)
1ª Simulação 0,13 nulo nulo 0,35
2ª Simulação 0,18 nulo nulo 0,27
3ª Simulação 0,22 nulo nulo 1,22
4ª Simulação 0,29 nulo nulo 0,74
No Apêndice B, estão mostradas as curvas da corrente do estator do MIT obtidas
nas simulações.
7.4 COMENTÁRIOS E CONCLUSÕES
Neste capítulo, foram apresentados os resultados simulados obtidos no
acionamento de um motor de indução trifásico, controlado por meio de técnicas de controle
inteligente.
89
O desempenho do sistema de controle foi analisado nos dois sentidos de rotação
do eixo do motor, verificando-se a referência de velocidade de rotação do rotor definida
corretamente a cada mudança do conjugado eletromagnético imposto ao motor.
Ao analisar as curvas de resposta das quatro simulações, verificaram-se para a
variável posição um máximo erro de regime permanente de 0,29 %, não havendo sobre-
sinais em nenhum dos testes. Para a velocidade, o controlador fuzzy proporcionou a
obtenção de erros de regime permanente nulos em todas as simulações, nos intervalos de
acionamento com velocidades constantes, com o máximo sobre-sinal ocorrido de 1,22 %.
Esses dados da posição e da velocidade estão apresentados na Tab. (7.2).
Quanto ao conjugado eletromagnético, ao comparar as curvas de ce e de ceest, no
regime permanente, foi observada a convergência de todos os sinais de estimação do
conjugado e a eliminação de offset desses sinais.
A partir dos resultados da simulação, verificaram-se desempenhos satisfatórios do
funcionamento dinâmico do MIT, podendo, portanto, a estratégia de controle desenvolvida
nessa simulação ser aplicada na bancada de testes experimentais do sistema de usinagem.
90
CAPÍTULO VIII
RESULTADOS EXPERIMENTAIS
8.1 INTRODUÇÃO
Estão mostrados, neste capítulo, os resultados experimentais obtidos nos ensaios
realizados na bancada de teste. Primeiramente, são apresentados os gráficos para
acionamentos da máquina fresadora em vazio, acionando apenas a mesa da fresadora. Em
seguida, são analisadas as curvas de resposta das variáveis: posição, velocidade e
conjugado eletromagnético estimado, obtidas na usinagem dos corpos-de-prova de
aço/latão e de aço/nylon.
A programação para controlar o sistema de usinagem foi desenvolvida em
linguagem C, na interface do programa Code Composer StudioTM IDE, e os gráficos foram
traçados usando o programa MatlabTM.
8.2 ANÁLISE DOS RESULTADOS
Para análise dos resultados experimentais, acionou-se a base X da máquina
fresadora com sinais do tipo degrau de amplitudes positivas e negativas, resultando em
deslocamentos dessa base ao longo do seu curso nos sentidos direito e esquerdo, com
referência a um observador em frente à fresadora.
91
8.2.1 Acionamentos do Sistema em Vazio
Inicialmente, são mostrados os gráficos obtidos quando se acionou a base X e não
foram usinados corpos-de-prova, ou seja, o sistema foi acionado em vazio. Nesses
experimentos, acionou-se a base X com referências de velocidades de avanço de 1,6 mm/s,
-1,6 mm/s, 8,0 mm/s e -8,0 mm/s e observaram-se as curvas do conjugado eletromagnético
estimado do MIT dessa base. Esses ensaios foram realizados para uma análise preliminar
da estimação do conjugado eletromagnético no acionamento do sistema em vazio com
essas velocidades.
Na Figura 8.1, são apresentadas as curvas de resposta e de referência da
velocidade de avanço v* da base X. Nesse primeiro ensaio, a base X foi acionada com um
sinal de referência do tipo degrau com amplitude de 1,6 mm/s, permanecendo constante
essa velocidade até o instante de 31,20 s. Nesse instante, aplicou-se uma velocidade de
referência v* de valor nulo, resultando, consequentemente, na frenagem da base X.
Nesse mesmo ensaio, na Figura 8.2, analisou-se a curva do conjugado
eletromagnético estimado ceest do motor da base X. Por meio desse gráfico, foi verificado
um valor médio de conjugado ceest de 0,14 Nm, no regime permanente de estimação, no
intervalo de velocidade v* de 1,6 mm/s.
0 5 10 15 20 25 30 35 40-0.5
0
0.5
1
1.5
2
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.1 – Curvas de resposta e de referência da velocidade de avanço da base X.
5 10 15 20 25 30 35 40-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
Tempo (s)
cees
t (Nm
)
ceest
Figura 8.2 – Curva do conjugado eletromagnético estimado.
92
Em seguida, na Figura 8.3, são mostradas a curva de referência da velocidade de
avanço da base X e a curva de resposta obtida. Um degrau de referência com amplitude de
-1,6 mm/s foi utilizado para acionar a base X. No instante de 31,28 s, aplicou-se uma
velocidade v* de valor nulo.
A curva do conjugado eletromagnético estimado ceest do MIT da base X é
mostrada na Figura 8.4, na qual se verificou um valor médio de conjugado ceest de
-0,11 Nm, no regime permanente de estimação, no intervalo de velocidade v* de -1,6 mm/s.
0 5 10 15 20 25 30 35 40-2
-1.5
-1
-0.5
0
0.5
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.3 – Curvas de resposta e de referência da velocidade de avanço da base X.
5 10 15 20 25 30 35 40-0.14
-0.12
-0.1
-0.08
-0.06
-0.04
-0.02
0
Tempo (s)
cee
st (N
m)
ceest
Figura 8.4 – Curva do conjugado eletromagnético estimado.
Analogamente, na Figura 8.5, são apresentadas as curvas de resposta e de
referência da velocidade de avanço da base X. Nesse experimento, acionou-se essa base
com um sinal de referência degrau com amplitude de 8,0 mm/s. Uma velocidade v* de
valor nulo foi aplicada no instante de 6,53 s.
Na sequência, observou-se a curva do conjugado eletromagnético estimado ceest,
mostrada na Figura 8.6, verificando-se um valor médio de conjugado ceest de 0,17 Nm, no
regime permanente de estimação, no intervalo de v* com 8,0 mm/s.
Em seguida, na Figura 8.7, são mostradas a curva de referência da velocidade de
avanço da base X e a curva de resposta obtida. Nesse ensaio, um sinal de referência degrau
93
com amplitude de -8,0 mm/s acionou a base X. A partir do instante de 6,45 s, aplicou-se
uma velocidade v* de valor nulo.
Pela análise da curva apresentada na Figura 8.8, verificou-se um valor médio de
conjugado ceest de -0,13 Nm, no regime permanente, no intervalo de v* com -8,0 mm/s.
0 1 2 3 4 5 6 7 8-2
0
2
4
6
8
10
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.5 – Curvas de resposta e de referência da velocidade de avanço da base X.
2 3 4 5 6 7 8-0.05
0
0.05
0.1
0.15
0.2
Tempo (s)
cee
st (N
m)
ceest
Figura 8.6 – Curva do conjugado eletromagnético estimado.
0 1 2 3 4 5 6 7 8-10
-8
-6
-4
-2
0
2
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.7 – Curvas de resposta e de referência da velocidade de avanço da base X.
2 3 4 5 6 7 8-0.2
-0.15
-0.1
-0.05
0
0.05
Tempo (s)
cees
t (Nm
)
ceest
Figura 8.8 – Curva do conjugado eletromagnético estimado.
94
Nos gráficos da velocidade de avanço para acionamentos do sistema em vazio,
observaram-se erros de regime permanente nulos em todos os quatro ensaios.
Na Tab. (8.1), são apresentados os valores médios dos conjugados
eletromagnéticos estimados ceest para acionamentos do sistema em vazio, nas respectivas
referências de velocidade de avanço v* da base X.
Tabela 8.1 – Conjugados eletromagnéticos estimados e velocidades de referência
(acionamento do sistema em vazio).
ceest (Nm) v* (mm/s)
Deslocamento para direita
0,14 1,6
0,17 8,0
Deslocamento para esquerda
-0,11 -1,6
-0,13 -8,0
8.2.2 Acionamentos do Sistema no Processo de Usinagem
Nesta etapa, usinaram-se os corpos-de-prova de aço/latão e de aço/nylon, os quais
foram fixados na base X da fresadora. Para a realização da usinagem, essa base foi
acionada com sinais de referência do tipo degrau de posição e a ferramenta de corte
funcionou com uma rotação de 1500 rpm, profundidade de corte de 2 mm e penetração de
trabalho de 6,35 mm.
A base X foi acionada com referências de velocidades de avanço específicas para
cada estimação do conjugado eletromagnético do MIT dessa base, devido à usinagem dos
materiais das peças. Na Tab. (8.2), são apresentados os valores médios dos conjugados
eletromagnéticos estimados ceest e as respectivas referências de velocidade de avanço v* da
base X.
Nessa tabela, no acionamento da base X para a direita, os valores médios de
conjugado ceest de 0,42 Nm e de 0,43 Nm foram verificados na usinagem do aço, nos
ensaios de usinagem do corpo-de-prova de aço/latão e do corpo-de-prova de aço/nylon,
respectivamente. No acionamento dessa base para a esquerda, os valores médios de
conjugado ceest de -0,17 Nm e de -0,20 Nm verificaram-se na usinagem do aço, nos ensaios
de usinagem dos corpos-de-prova de aço/nylon e de aço/latão, respectivamente.
95
Tabela 8.2 – Conjugados eletromagnéticos estimados e velocidades de referência
(acionamento do sistema no processo de usinagem).
ceest (Nm) v* (mm/s)
Deslocamento para direita
aço 0,43
1,6 0,42
latão 0,90 5,6 nylon 0,29 8,0
Deslocamento para esquerda
aço -0,17
-1,6 -0,20
latão -0,71 -5,6 nylon -0,22 -8,0
Nas Figuras 8.9 e 8.10, estão apresentados os corpos-de-prova de aço/latão e de
aço/nylon, respectivamente, após realização de usinagens automáticas dos materiais com
suas respectivas velocidades de avanço.
A seguir, no primeiro e no segundo experimento, são apresentados os gráficos
obtidos na usinagem do corpo-de-prova de aço/latão, para deslocamentos da base X nos
sentidos direito e esquerdo, respectivamente. No terceiro e no quarto experimento,
mostram-se os resultados obtidos na usinagem do corpo-de-prova de aço/nylon, para
deslocamentos da base X para direita e esquerda, respectivamente.
Nesses experimentos, no instante inicial de funcionamento do sistema, os corpos-
de-prova estavam posicionados de 4 mm a 6 mm de distância da fresa, sendo o sistema
acionado em vazio desde a partida do sistema até o alcance do corpo-de-prova à fresa.
Figura 8.9 – Usinagem do corpo-de-prova de aço/latão.
96
Figura 8.10 – Usinagem do corpo-de-prova de aço/nylon.
8.2.2.1 Primeiro Experimento
Inicialmente, são apresentadas as curvas de resposta e de referência da variável
posição da base X na Figura 8.11. Nesse ensaio, a base X foi acionada com um sinal de
referência do tipo degrau com amplitude de 77 mm, realizando a usinagem do corpo-de-
prova de aço/latão. Ao analisar a curva de resposta obtida, verificou-se um tempo de
assentamento de 32,36 s, um erro de regime permanente de 0,12 % e não ocorrência de
sobre-sinal.
Em seguida, na Figura 8.12, são apresentadas a curva de referência da velocidade
de avanço da base X e a curva de resposta obtida. Como o sistema funcionou incialmente
em vazio, para acionar a base X aplicou-se um sinal do tipo rampa de velocidade com
amplitude de 1,28 mm/s, mantendo-se constante a velocidade até o instante de 8,64 s.
A partir desse instante, devido à estimação de conjugado eletromagnético obtida
na usinagem do aço, uma rampa de velocidade com amplitude de 1,6 mm/s foi observada,
em um intervalo de 0,1 s, permanecendo constante até 25,29 s. Nesse instante, verificou-se
uma rampa de velocidade com amplitude de 5,6 mm/s, em um intervalo de 0,1 s, devido ao
conjugado eletromagnético estimado obtido na usinagem do latão, permanecendo constante
a velocidade até um acionamento v* por valor nulo, resultando, consequentemente, na
frenagem da base X. Pela análise da Figura 8.12, observaram-se erros de regime
97
permanente nulos, nos intervalos de tempo em que as referências de velocidade foram
constantes, e não ocorrência de sobre-sinais.
Para análise da estimação neural do conjugado eletromagnético do MIT da base
X, na Figura 8.13, observou-se a curva do conjugado eletromagnético estimado ceest obtida
na usinagem do corpo-de-prova de aço/latão. Nesse gráfico, foi verificado um valor médio
de conjugado ceest de 0,42 Nm na usinagem do aço, no intervalo de 8,64 s a 25,29 s, e um
valor médio de ceest de 0,90 Nm na usinagem do latão, no intervalo de 25,29 s a 32,49 s.
Por meio da Figura 8.14, puderam-se analisar as curvas da velocidade de avanço e
do conjugado eletromagnético estimado no mesmo gráfico, observando-se os
comportamentos de ambas as curvas nas usinagens do aço e do latão.
0 5 10 15 20 25 30 35 40 450
20
40
60
80
Tempo (s)
S, S
* (mm
)
S
S*
Figura 8.11 – Curvas de resposta e de referência da posição da base X (1º Experimento).
0 5 10 15 20 25 30 35 40 45-1
0
1
2
3
4
5
6
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.12 – Curvas de resposta e de referência da velocidade de avanço da base X
(1º Experimento).
5 10 15 20 25 30 35 40 45-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Tempo (s)
cees
t (Nm
)
ceest
Figura 8.13 – Curva do conjugado eletromagnético estimado (1º Experimento).
98
5 10 15 20 25 30 35 40 45-2
0
2
4
6
Tempo (s)
v (m
m/s
)
5 10 15 20 25 30 35 40 45-1
-0.5
0
0.5
1
cee
st (N
m)
vce
est
Figura 8.14 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado
(1º Experimento).
8.2.2.2 Segundo Experimento
Para usinar o corpo-de-prova de aço/latão, um acionamento da base X com
referência do tipo degrau com amplitude de -40 mm foi aplicado. Na Figura 8.15, são
mostradas a curva de resposta e a referência da posição dessa base. Nesse gráfico, foi
possível constatar um tempo de assentamento de 23,41 s, um erro de regime permanente de
0,01 % e não ocorrência de sobre-sinal.
Em seguida, na Figura 8.16, apresentam-se as curvas de resposta e de referência
da velocidade de avanço da base X. No início do funcionamento do sistema em vazio, a
base X foi acionada com um sinal do tipo rampa de velocidade com amplitude de
-1,28 mm/s, permanecendo constante a velocidade até o instante de 6,30 s.
Nesse instante, devido ao conjugado eletromagnético estimado na usinagem do
aço, aplicou-se uma rampa de velocidade com amplitude de -1,6 mm/s, permanecendo
constante até 22,05 s. A partir desse instante, foi verificada uma rampa de velocidade com
amplitude de -5,6 mm/s, devido ao conjugado ceest obtido na usinagem do latão,
permanecendo constante a velocidade até um acionamento v* por valor nulo. Pela análise
da Figura 8.16, observaram-se erros de regime permanente nulos, nos intervalos de tempo
em que as referências de velocidade foram constantes, e não ocorrência de sobre-sinais.
Na sequência, na Figura 8.17, a curva do conjugado eletromagnético estimado
ceest do motor da base X foi apresentada. Por meio desse gráfico, observou-se um valor
médio de conjugado ceest de -0,20 Nm na usinagem do aço, no intervalo de 6,30 s a
22,05 s, e um valor médio de ceest de -0,71 Nm na usinagem do latão, no intervalo de
22,05 s a 23,45 s.
99
Na Figura 8.18, foram analisadas as curvas da velocidade de avanço e do
conjugado eletromagnético estimado, sendo observados os comportamentos dessas curvas
na usinagem do corpo-de-prova de aço/latão.
0 5 10 15 20 25 30 35-50
-40
-30
-20
-10
0
10
Tempo (s)
S, S
* (mm
)
S
S*
Figura 8.15 – Curvas de resposta e de referência da posição da base X (2º Experimento).
0 5 10 15 20 25 30 35-8
-6
-4
-2
0
2
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.16 – Curvas de resposta e de referência da velocidade de avanço da base X
(2º Experimento).
5 10 15 20 25 30 35-0.8
-0.6
-0.4
-0.2
0
0.2
Tempo (s)
cee
st (N
m)
ceest
Figura 8.17 – Curva do conjugado eletromagnético estimado (2º Experimento).
5 10 15 20 25 30 35-10
-5
0
5
Tempo (s)
v (m
m/s
)
5 10 15 20 25 30 35-1
-0.5
0
0.5
cees
t (Nm
)
vce
est
Figura 8.18 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado
(2º Experimento).
100
8.2.2.3 Terceiro Experimento
Nesse experimento, realizou-se a usinagem do corpo-de-prova de aço/nylon.
Inicialmente, na Figura 8.19, são apresentadas as curvas de resposta e de referência da
posição da base X, sendo a referência do tipo degrau com amplitude de 50 mm. Pela
observação da curva de resposta, foi possível verificar um tempo de assentamento de
24,37 s, um erro de regime permanente de 0,21 % e não ocorrência de sobre-sinal.
Na Figura 8.20, são mostradas a curva de referência da velocidade de avanço da
base X e a curva de resposta obtida. Inicialmente, um sinal do tipo rampa de velocidade
com amplitude de 1,28 mm/s foi observada, mantendo-se constante essa velocidade. No
instante de 6,58 s, devido à estimação de conjugado eletromagnético obtida na usinagem
do aço, observou-se uma rampa de velocidade com amplitude de 1,6 mm/s, a qual
permaneceu constante até 22,19 s. Nesse instante, verificou-se uma rampa de velocidade
com amplitude de 8,0 mm/s, devido ao conjugado ceest obtido na usinagem do nylon,
permanecendo constante essa amplitude até o alcance da posição desejada. Na Figura 8.20,
verificaram-se erros de regime permanente nulos, nos intervalos de tempo em que as
referências de velocidade foram constantes, e não ocorrência de sobre-sinais.
Em seguida, na Figura 8.21, observou-se a curva do conjugado eletromagnético
estimado ceest do MIT da base X na usinagem do corpo-de-prova de aço/nylon. Por meio
desse gráfico, foi verificado um valor médio de conjugado ceest de 0,43 Nm na usinagem
do aço, no intervalo de 6,58 s a 22,19 s, e um valor médio de ceest de 0,29 Nm na usinagem
do nylon, no intervalo de 22,19 s a 24,43 s.
Na Figura 8.22, os comportamentos das curvas da velocidade de avanço e do
conjugado eletromagnético estimado foram analisados nas usinagens do aço e do nylon.
0 5 10 15 20 25 30 350
10
20
30
40
50
60
Tempo (s)
S, S
* (mm
)
S
S*
Figura 8.19 – Curvas de resposta e de referência da posição da base X (3º Experimento).
101
0 5 10 15 20 25 30 35-2
0
2
4
6
8
10
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.20 – Curvas de resposta e de referência da velocidade de avanço da base X
(3º Experimento).
5 10 15 20 25 30 35-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
Tempo (s)
cee
st (N
m)
ceest
Figura 8.21 – Curva do conjugado eletromagnético estimado (3º Experimento).
5 10 15 20 25 30 35-5
0
5
10
Tempo (s)
v (m
m/s
)
5 10 15 20 25 30 35-0.5
0
0.5
1
cees
t (Nm
)
vce
est
Figura 8.22 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado
(3º Experimento).
8.2.2.4 Quarto Experimento
Para usinar o corpo-de-prova de aço/nylon, a base X foi acionada com um sinal de
referência do tipo degrau com amplitude de -46 mm, conforme mostradas as curvas de
resposta e de referência da posição da base X na Figura 8.23. Nesse gráfico, verificou-se
um tempo de assentamento de 24,76 s, um erro de regime permanente de 0,20 % e não
ocorrência de sobre-sinal.
102
Na Figura 8.24, são apresentadas a curva de referência da velocidade de avanço
da base X e a curva de resposta obtida. Inicialmente, observou-se um sinal do tipo rampa
de velocidade com amplitude de -1,28 mm/s, cuja velocidade foi mantida constante. No
instante de 8,68 s, devido ao conjugado ceest obtido na usinagem do aço, verificou-se uma
rampa de velocidade com amplitude de -1,6 mm/s, a qual permaneceu constante até
23,17 s. A partir desse instante, verificou-se uma rampa de velocidade com amplitude de
-8,0 mm/s, devido ao conjugado ceest obtido na usinagem do nylon, permanecendo
constante essa amplitude até o alcance da posição desejada. Pela análise da Figura 8.24,
verificaram-se erros de regime permanente nulos, nos intervalos de tempo em que as
referências de velocidade foram constantes, e não ocorrência de sobre-sinais.
Na sequência, na Figura 8.25, a curva do conjugado eletromagnético estimado
ceest do motor da base X foi apresentada. Nesse gráfico, observou-se um valor médio de
ceest de -0,17 Nm na usinagem do aço, no intervalo de 8,68 s a 23,17 s, e um valor médio
de ceest de -0,22 Nm na usinagem do nylon, no intervalo de 23,17 s a 24,78 s.
Na Figura 8.26, observaram-se os comportamentos das curvas da velocidade de
avanço e do conjugado eletromagnético estimado, na usinagem do corpo-de-prova de
aço/nylon.
0 5 10 15 20 25 30 35-50
-40
-30
-20
-10
0
Tempo (s)
S, S
* (mm
)
S
S*
Figura 8.23 – Curvas de resposta e de referência da posição da base X (4º Experimento).
0 5 10 15 20 25 30 35-10
-8
-6
-4
-2
0
2
Tempo (s)
v, v
* (mm
/s)
v
v*
Figura 8.24 – Curvas de resposta e de referência da velocidade de avanço da base X
(4º Experimento).
103
5 10 15 20 25 30 35-0.25
-0.2
-0.15
-0.1
-0.05
0
Tempo (s)
cees
t (Nm
)
ceest
Figura 8.25 – Curva do conjugado eletromagnético estimado (4º Experimento).
5 10 15 20 25 30 35-10
-5
0
5
Tempo (s)
v (m
m/s
)
5 10 15 20 25 30 35-0.5
0
0.5
1
cees
t (Nm
)
vce
est
Figura 8.26 – Curvas da velocidade de avanço e do conjugado eletromagnético estimado
(4º Experimento).
A partir das curvas de resposta obtidas nos quatro experimentos do processo de
usinagem, os valores dos erros de regime permanente ess e dos sobre-sinais Mp da posição
S e da velocidade de avanço v da base X são apresentados na Tab. (8.3).
No Apêndice B, estão mostradas as curvas da corrente do estator do MIT da base
X, obtidas nos experimentos do processo de usinagem.
Tabela 8.3 – Desempenhos experimentais da posição e da velocidade de avanço.
S v
ess (%) Mp (%) ess (%) Mp (%)
1º Experimento 0,12 nulo nulo nulo
2º Experimento 0,01 nulo nulo nulo
3º Experimento 0,21 nulo nulo nulo
4º Experimento 0,20 nulo nulo nulo
104
8.3 COMENTÁRIOS E CONCLUSÕES
Os resultados experimentais, deste capítulo, foram apresentados aplicando-se as
estratégias de controle e estimação desenvolvidas para este trabalho.
Nos ensaios de acionamentos do sistema no processo de usinagem, verificaram-se
para a variável posição um máximo erro de regime permanente de 0,21 %, não havendo
sobre-sinais em nenhum dos testes. Ao observar as curvas da velocidade de avanço, o
controlador fuzzy proporcionou a obtenção de erros de regime permanente nulos em todos
os experimentos, nos intervalos de acionamento com velocidades constantes, não
ocorrendo sobre-sinais. Esses dados da posição e da velocidade de avanço estão
apresentados na Tab. (8.3).
No que se refere ao conjugado eletromagnético estimado, obtido nos
acionamentos do sistema no processo de usinagem, verificou-se que para as mesmas
velocidades, em módulo, nos deslocamentos da base X para direita, os módulos dos valores
médios dos conjugados ceest foram maiores do que os módulos dos valores médios de ceest
obtidos nos deslocamentos para esquerda, conforme mostrado na Tab. (8.2). Da mesma
maneira, na Tab. (8.1), nos acionamentos do sistema em vazio, verificou-se que para as
mesmas velocidades, em módulo, nos deslocamentos da base X para direita, os módulos
dos valores médios dos conjugados ceest foram maiores do que os módulos desses valores
obtidos nos deslocamentos para esquerda. Em ambas as condições de acionamentos do
sistema foram observadas a convergência de todos os sinais de estimação do conjugado.
Nas usinagens dos corpos-de-prova de aço/latão e de aço/nylon, observou-se que
as referências de velocidade de avanço da base X foram aplicadas corretamente a partir da
informação do sinal do conjugado ceest do MIT dessa base.
105
CAPÍTULO IX
CONCLUSÕES E RECOMENDAÇÕES
9.1 CONCLUSÕES
Neste trabalho, foram apresentados os controles de posição e de velocidade de
avanço de uma máquina fresadora, aplicando-se, automaticamente, velocidades de avanço
específicas na usinagem de materiais.
A partir dos comportamentos das curvas de resposta da simulação e dos índices de
desempenhos obtidos dessas curvas, foram avaliados os desempenhos dos controles de
posição e de velocidade de avanço e o projeto de estimação do conjugado eletromagnético.
Os resultados dessa etapa do trabalho permitiram validar o projeto para aplicação na
montagem experimental de usinagem.
No controle de posição, comparando-se os valores das Tab. (7.2) e (8.3), os
índices de erro de regime permanente dos resultados experimentais apresentaram valores
menores que os erros ess dos resultados de simulação, comparando-se o primeiro
experimento com a primeira simulação, o segundo experimento com a segunda simulação,
e assim sucessivamente. Tanto nas simulações quanto nos experimentos não houve
ocorrência de sobre-sinais.
Ao analisar os resultados da velocidade de avanço, conforme Tab. (7.2) e (8.3),
verificaram-se erros de regime permanente nulos em todas as curvas de resposta das
simulações e dos experimentos. Nos testes experimentais, não ocorreram sobre-sinais em
nenhum dos experimentos, diferentemente das simulações, que apresentaram sobre-sinais.
As performances dos processos de usinagem realizados permitiram constatar a
funcionalidade e a eficácia da estratégia de controle desenvolvida. Pois, a partir da
106
estimação do conjugado eletromagnético do MIT da fresadora na usinagem dos materiais
dos corpos-de-prova, foi possível usinar cada material com velocidade de avanço
específica para o seu corte.
A modelagem do controlador de velocidade pela técnica fuzzy Takagi-Sugeno
permitiu controlar a velocidade de avanço tanto na usinagem de materiais duros, como o
aço e o latão, como na usinagem de material mole como o nylon, controlando essa
velocidade nos regimes permanente e transitório, na mudança de um tipo de material para
outro.
A aplicação da técnica neural do algoritmo LMS na estimação do fluxo do estator
permitiu estimar o conjugado eletromagnético do MIT da fresadora de forma simples e
eficaz em todos os testes experimentais.
Como os resultados obtidos foram coerentes, apresentando os desempenhos
esperados, conclui-se que a estratégia de controle desenvolvida para a máquina fresadora
deste trabalho foi bastante eficaz na usinagem de diferentes tipos de materiais em um
mesmo processo.
9.2 PROPOSTAS PARA TRABALHOS FUTUROS
Como contribuição desta pesquisa, as propostas para trabalhos futuros são:
• Desenvolver o controle da posição e da velocidade de avanço, para o acionamento
simultâneo das duas bases da mesa de uma fresadora na usinagem de materiais,
realizando-se o acompanhamento de trajetória à composição dos sinais seno e
coseno.
• Implementar uma estratégia para o controle das velocidades de corte e de avanço de
um sistema de usinagem, permitindo usinar, continuamente, uma peça constituída
por diferentes tipos de materiais.
• Na usinagem de peças, controlar a posição e a velocidade de avanço pela estimativa
dessas variáveis, não utilizando sensores como o encoder.
• Realizar um estudo comparativo entre as técnicas de algoritmos genéticos, lógica
fuzzy e redes neurais artificiais no controle das variáveis de um sistema de
usinagem.
107
REFERÊNCIAS BIBLIOGRÁFICAS
AL-ALLAF, O. N. A., 2011, “Fast BackPropagation Neural Network Algorithm for
Reducing Convergence Time of BPNN Image Compression”. In: IEEE - 5th
International Conference on IT & Multimedia at UNITEN (ICIMU 2011).
ALMEIDA, P. R., STEPHAN, M., BRANCO, P. J. C., SUEMITSU, W. I., 1999, “Rotor
Flux Angle Estimation Using Neural Networks”. In: Electrimacs'99, v. 1, pp. I-157-
I-162, Lisboa, Portugal.
ALTINTAS, Y., 2000, Manufacturing Automation – Metal Cutting Mechanics, Machine
Tool Vibrations and CNC Design. Cambridge University Press.
ALTUNA, J. A. T., 1997, Implementação do Método Direto do Controle Vetorial de um
Motor de Indução, com Orientação de Fluxo do Estator Utilizando DSP. Dissertação
de M.Sc., UNICAMP, Campinas, SP, Brasil.
ARANTES, I. L., 2007, Implementação de Controle Vetorial de Motor de Indução
Trifásico por Imposição de Correntes. Dissertação de M.Sc., Universidade Federal
de Itajubá, Itajubá, MG, Brasil.
ARAÚJO, A. G., 2011, Controle Vetorial de um Motor de Indução Trifásico Aplicado em
Sistemas de Posicionamento. Dissertação de M.Sc., UFPB, João Pessoa, PB, Brasil.
ARIAS, M. L., 2009, Análise do Comportamento de Diferentes Sistemas CAM na
Usinagem de Superfícies Complexas Utilizando Altas Velocidades. Dissertação de
M.Sc., Instituto Superior Tupy, Joinville, SC, Brasil.
108
AZCUE P., J. L., RUPPERT, E., 2011, “Análise Comparativa de Estimadores de Fluxo do
Estator para Motores de Indução Trifásicos”. Encontro de Pesquisadores em
Sistemas de Potência (SisPot'2011), UNICAMP.
BARBI, I., 1985, Teoria Fundamental do Motor de Indução. Florianópolis, SC, Brasil,
Editora da UFSC.
BATISTA, M. F., 2006, Estudo da Rugosidade de Superfícies Planas Usinadas por Fresas
de Topo Esférico. Dissertação de M.Sc., Escola de Engenharia de São Carlos, USP,
São Carlos, SP, Brasil.
BENAVIDES, M., PEREIRA, L. F. A., COUTINHO, D. F., PEREIRA, L. A., 2011.
“Projeto de Observadores de Fluxo para o Controle por Orientação Direta do Campo
em Máquinas de Indução Pentafásicas”. Revista Controle & Automação, v. 22, n. 2,
pp. 105-117.
BEZERRA, S. T. M., 2009, Sistema Fuzzy para Controle Piezométrico de Sistemas de
Distribuição de Água Visando à Economia de Água e Energia. Tese de D.Sc., UFPB,
João Pessoa, PB, Brasil.
BOSE, B. K., 2002, Modern Power Eletronics and AC Drives. Upper Saddle River:
Prentice-Hall.
BRITO, T. G., 2012, Otimização do Fresamento de Topo do Aço ABNT 1045 Utilizando
Projeto de Parâmetro Robusto. Dissertação de M.Sc., Universidade Federal de
Itajubá, Itajubá, MG, Brasil.
BUJA, G. S., KAZMIERKOWSKI, M. P., 2004, “Direct Torque Control of PWM
Inverter-Fed AC Motors”. IEEE Trans. Ind. Electron, v. 51, pp. 744-757.
CAMARGO, L. F. S., 1988, Mesa de Coordenadas XY para Aplicações em
Microengenharia com CNC – Projeto e Análise. Dissertação de M.Sc., UFSC, SC,
Brasil.
109
CERQUEIRA, J. J. F., OLIVEIRA, A., REBOUÇAS, A. S., RODEIRO, V. R. V., 2006,
“Metodologia para Estimação de Torque em Motores de Indução Polifásicos”.
Congresso Brasileiro de Automática, pp. 2927-2932.
CHENG, C. W., TSAI, M. C., 2004, “Real-time variable feed rate NURBS curve
interpolator for CNC machining”. The Internacional Journal of Advanced
Manufacturing Technology, v. 23, pp. 865–873.
DANTAS, A. B., 2007, Desenvolvimento e Avaliação de Padrão de Torque para
Calibração de Torquímetros em Três Faixas de Medição. Dissertação de M.Sc.,
UFRN, Natal, RN, Brasil.
DATTA, M., RAFIQ, M. A., GHOSH, B. C., 2006, “Robust Input-Output Decoupling
Control for Induction Motors with Improved Stator Flux Estimator”. 4th
International Conference on Electrical and Computer Engineering, pp. 362-365,
Dhaka, Bangladesh.
DOBROWOLSKI, K. M., 2009, Filtragem de Sinais de Radiointerferência nos Espectros
de Explosões Solares Através de Rede Neural Adaline. Dissertação de M.Sc., INPE,
São José dos Campos, SP, Brasil.
ELLABBAN, O., MIERLO, J. V., LATAIRE, P., 2010. “A new Closed Loop Speed
Control of Induction Motor Fed by a High Performance Z-Source Inverter”. IEEE
Electrical Power & Energy Conference.
FERREIRA, S. B., 2004, Estudo e Avaliação do Desempenho de Estratégias de Controle
Direto do Torque em Máquinas de Indução. Dissertação de M.Sc., Pontifícia
Universidade Católica do Rio Grande do Sul, Porto Alegre, RS, Brasil.
FITZGERALD, A. E., KINGSLEY JR., C., KUSKO, A., 1975, Máquinas Elétricas. São
Paulo, SP, Brasil, Editora McGraw-Hill do Brasil Ltda.
110
FRANCHI, C. M., 2008, Acionamento Elétricos. 4ª ed., São Paulo, SP, Brasil, Editora
Érica Ltda.
GARCIA, F. M., 2002, Controle Vetorial de Motores de Indução sem Sensor de
Velocidade. Dissertação de M.Sc., ITA, São José dos Campos, SP, Brasil.
GASTALDINI, C. C., 2008, Controle de Velocidade Sensorless de Motores de Indução
Trifásicos Sujeitos a Distúrbios de Torque. Dissertação de M.Sc., UFSM, Santa
Maria, RS, Brasil.
GOEDTEL, A., 2007, Estimador Neural de Velocidade para Motores de Indução
Trifásicos. Tese de D.Sc., Escola de Engenharia de São Carlos, USP, São Carlos, SP,
Brasil.
GOEDTEL, A., SILVA, I. N., SERNI, P. J. A., NASCIMENTO, C. F., 2008, “Uma
Contribuição na Solução de Problemas de Convergência das Redes Neurais
Artificiais”. 7th Brazilian Conference on Dynamics, Control and Applications -
DINCON, pp. 1-7.
GONÇALVES, M. A. F., 2007, Um Estudo sobre Implementação de Ciclos de Usinagem
através de Programação Parametrizada em Máquinas de Comando Numérico
Computadorizado. Dissertação de M.Sc., Santa Maria, RS, Brasil.
GOUVÊA, M. R., 2005, Controle Neurofuzzy de Motor de Indução com Estimação de
Parâmetros e Fluxo de Estator. Tese de D.Sc., UFMG, MG, Brasil.
GUZEL, B. U., LAZOGLU, I., 2004. “Increasing Productivity in Sculpture Surface
Machining Via Off-Line Piecewise Variable Feedrate Scheduling Based on the Force
System Model”. International Journal of Machine Tools & Manufacture, v. 44, pp.
21-28.
HAYKIN, S., 1991, Adaptive filter theory. New Jersey: Prentice Hall International.
111
HAYKIN, S., 2001, Redes Neurais: Princípios e Prática. 2ª ed., Porto Alegre, RS, Brasil,
Editora Bookman.
HERNÁNDEZ, J. R., 1999, Implementação Digital Utilizando DSP do Controle por
Orientação do Fluxo do Rotor: Métodos Direto e Indireto. Dissertação de M.Sc.,
UNICAMP, Campinas, SP, Brasil.
HU, J., WU, B., 1998. “New Integration Algorithms for Estimating Motor Flux Over a
Wide Speed Range”. IEEE Transactions on Power Electronics, v. 13, n. 5, pp. 969-
977.
HUANG, H., LI, A., XU, L., 2008. “Fuzzy Control of Milling Process with Constraint of
Spindle Power”. IEEE - Proceedings of the 7th World Congress on Intelligent
Control and Automation, pp. 7936 – 7939, Chongqing, China.
IDRIS, N. R. N., YATIM, A. H. M., 2002, “An Improved Stator Flux Estimation in
Steady-State Operation for Direct Torque Control of Induction Machines”. IEEE
Transactions on Industry Applications, v. 38, n. 1, pp. 110-116.
JACOBINA, C. B., RIBEIRO, L. A. S., MELO FILHO, J. B., SALVADORI, F., LIMA,
A. M. N., 2003. “Sistema de Acionamento com Motor de Indução Orientado
Indiretamente pelo Campo com Adaptação MRAC da Velocidade”. Revista Controle
& Automação, v. 14, n. 1, pp. 41-49.
JACOBINA, C. B., 2005, Sistemas de Acionamento Estático de Máquina Elétrica.
Campina Grande, PB, Brasil.
JANTZEN, J., 2007, Foundations of Fuzzy Control. John Wiley & Sons, Ltd.
JÚNIOR, A. I. F., 2006, Diagnóstico de Aberrações Ópticas em um Sistema Óptico
Adaptativo. Dissertação de M.Sc., UFMG, MG, Brasil.
112
KENNÉ, G., LAMNABHI-LAGARRIGUE, F., 2012, “Comparative Study of Two Robust
Online Rotor Resistance Estimators for Induction Machine Adaptive Control”. IEEE
Institute of Electrical and Electronics Engineers, pp. 426 - 431.
KORLINCHAK, C., COMANESCU, M., 2012, “Sensorless Field Orientation of an
Induction Motor Drive Using a Time-Varying Observer”. IET Electric Power
Applications – IET Journals, v. 6, iss. 6, pp. 353–361.
LANDIM, R. P., MENEZES, B. R., SILVA, S. R., CAMINHAS, W. M., 2000, “On-Line
Neo-Fuzzy-Neuron State Observer”. IEEE, Proceedings Sixth Brazilian Symposium,
pp. 196 - 203.
LEE, K. B., BAE, C. H., BLAABJERG, F, 2005. “Disturbance Observer that Uses the
Radial Basis Function Networks for Low Speed Control of Electric Machine”.
Proceedings of IEE Control Theory Application, v. 152, n. 2, pp. 118–125.
LEE, S. S., KIM, J. H.., HYUN, D. S., 2012, “Programmable LPF-based Stator Flux
Estimator for Sensorless Induction Motor Control”. IEEE Vehicle Power and
Propulsion Conference, pp. 104-109, Seoul, Korea.
LEITE, L. C., 2003, Identificação do Conjugado de uma Máquina de Indução Setorial via
Redes Neurais Artificiais. Tese de D.Sc., UNICAMP, Campinas, SP, Brasil.
LI, Q., YIN, X., 2010, “Study on Adaptive Control Method of Feedrate Based on CAM”.
IEEE Institute of Electrical and Electronics Engineers.
LIMA, F., 2010, Estimador Neuro-Fuzzy de Velocidade Aplicado ao Controle Vetorial
sem Sensores de Motores de Indução Trifásicos. Tese de D.Sc., Escola Politécnica da
USP, São Paulo, SP, Brasil.
LIMA FILHO, A. C., 2009, Estudo e Desenvolvimento de Soluções para Determinação do
Torque em Unidades de Bombeio Mecânico Utilizadas na Extração de Petróleo.
Tese de D.Sc., UFPB, João Pessoa, PB, Brasil.
113
LIN, C. T., HUNG, C. W., LIU, C. W., 2007, “Fuzzy PI Controller for BLDC Motors
Considering Variable Sampling Effect”. In: Proceedings of 33rd Annual Conference
of the IEEE Industrial Electronics Society (IECON), pp. 1180-1185.
LIN, X., LI, A., ZHANG, W., 2006, “Learning Fuzzy Logic Based Intelligent
Determination of Feedrate for End Milling Operation”. IEEE Computer Society,
Sixth International Conference on Intelligent Systems Design and Applications
(ISDA'06).
LINDEN FILHO, H. V. D., 2012, Utilização de Filtro Neural Adaptativo para Eliminar
Níveis de CC na Estimação do Conjugado Eletromagnético em Motores de Indução
Trifásico. Dissertação de M.Sc., UFPB, João Pessoa, PB, Brasil.
LINS, Z. D., 2001, Controle Direto de Torque para Motores de Indução – Estudo e
Implementação. Tese de D.Sc., UNICAMP, Campinas, SP, Brasil.
LIU, H., ZHANG, T., 2013, “Neural Network-Based Robust Finite-Time Control for
Robotic Manipulators Considering Actuator Dynamics”. In: Robotics and Computer-
Integrated Manufacturing, v. 29, pp. 301-308.
LIU, Q., DANG, C., CAO, J., 2010, “A Novel Recurrent Neural Network with One
Neuron and Finite-Time Convergence for k-Winners-Take-All Operation”. IEEE
Transactions on Neural Networks, v. 21, n. 7, pp. 1140- 1148.
MACHADO, E. R. M. D., TEIXEIRA, M. C. M., SILVA, N. A. P., ASSUNÇÃO, E.,
2011. “Construção de Modelos Locais Fuzzy com Novos Graus de Liberdade”. 10a
Conferência Brasileira de Dinâmica, Controle e Aplicações - DINCON, pp. 667-670.
MAIA, L. H. A., 2009, Influência das Condições de Corte do Fresamento do Aço Baixa
Liga ABNT 4140 nos Sinais Vibracionais e de Emissão Acústica. Dissertação de
M.Sc., Pontifícia Universidade Católica de Minas Gerais, Belo Horizonte, MG,
Brasil.
114
MAMDANI, E. H., ASSILIAN, S., 1974, “An Experiment in Linguistic Synthesis with a
Fuzzy Logic Controller”. International Journal of Man-Machine Studies, v. 7,
pp. 1-13.
MAO-YUE, L., HONG-YA, F., YUAN, L., ZHEN-YU, H., 2009. “An Intelligent
Controller Based on Constant Cutting Force for 5-axis Milling”. IEEE Computer
Society, International Conference on Information Technology and Computer Science,
pp. 237-241.
MARIANO, V., 2005, Controle Adaptativo Aplicado a um Eixo Posicionador de Mesa de
Máquina-Ferramenta. Tese de D.Sc., UFPB, João Pessoa, PB, Brasil.
MARTINS, O. S., 2006, Comparação de Técnicas de Controle de Velocidade Sensorless
Aplicadas a Motores de Indução em Plataforma DSP. Dissertação de M.Sc., UFSM,
Santa Maria, RS, Brasil.
MASSARO, C. M., 2005, Sintonia do Ganho de Escorregamento de um Servoacionamento
por Controle Vetorial de um Motor de Indução Trifásico. Dissertação de M.Sc.,
UFES, Vitória, ES, Brasil.
MATIAS, L., 2004, Acionamento de Motor de Indução a Longa Distância Usando
Inversores: Modelagem do Sistema e Estudo de Técnicas de Modulação. Tese de
D.Sc., UNICAMP, Campinas, SP, Brasil.
MENEGHELLO, G. P., 2003, Aplicação de um Sistema Robótico Utilizando Recursos de
Sistemas CAD/CAM para o Processo de Fresamento. Dissertação de M.Sc., UFRS,
Porto Alegre, RS, Brasil.
MENEZES FILHO, J. B., 2007, Controlador Neural Adaptativo para Mesa de
Coordenadas. Tese de D.Sc., UFPB, João Pessoa, PB, Brasil.
115
MIAO, Z., LI, W., 2009. “A Fuzzy System Approach of Feed Rate Determination for
CNC Milling”. IEEE Institute of Electrical and Electronics Engineers - ICIEA, pp.
1911 - 1916.
MIHALACHE, L., 2005. “A Flux Estimator for Induction Motor Drives Based on Digital
EMF Integration with Pre and Post High Pass Filtering”. IEEE Applied Electronics
Conference and Exposition, v. 2, pp. 713-718.
MILHOR, C. E., 2008, Proposta de um Controlador Difuso Takagi-Sugeno com
Desempenho ∞H para Regulagem da Marcha Lenta em Motores de Ciclo Otto. Tese
de D.Sc., Escola de Engenharia de São Carlos, USP, São Carlos, SP, Brasil.
MOREIRA, F. C., 2010, Influência do Ângulo entre Trajetórias Lineares no Tempo de
Execução de Blocos em Usinagem CNC de Superfícies. Dissertação de M.Sc., Escola
de Engenharia de São Carlos, USP, São Carlos, SP, Brasil.
MOUNA, B. H., LASSAÂD, S., 2006, “Direct Stator Field Oriented Control of Speed
Sensorless Induction Motor”. IEEE Institute of Electrical and Electronics Engineers,
pp. 961- 966.
MOZELLI, L. A., 2008, Controle Fuzzy para Sistemas Takagi-Sugeno: Condições
Aprimoradas e Aplicações. Dissertação de M.Sc., UFMG, Belo Horizonte, MG,
Brasil.
NISE, N. S., 2002, Engenharia de Sistemas de Controle. 3ª ed., Rio de Janeiro, RJ, Brasil,
Editora LTC.
OLIVEIRA, C., 2003, Proposta de Implementação de um Sistema de Controle Didático
Baseado na Modelagem Dinâmica de Robôs Industriais. Tese de D.Sc., UNICAMP,
Campinas, SP, Brasil.
116
OLIVEIRA, C. A. M., 2010, Usinabilidade de Compósitos de Epóxi em Processo de
Fresamento CNC. Dissertação de M.Sc., Universidade Tecnológica Federal do
Paraná - UTFPR, Brasil.
PAIVA, J. A., 2007, Controle Vetorial de Velocidade de uma Máquina de Indução sem
Mancais Trifásica com Bobinado Dividido Utilizando Estimação Neural de Fluxo.
Tese de D.Sc., UFRN, Natal, RN, Brasil.
PATANÉ, E. J., 2008, Implementação de Controle de Velocidade em Malha Fechada para
Motores de Corrente Contínua Utilizando Sistema de Aquisição de Dados.
Dissertação de M.Sc., Escola de Engenharia Mauá do Centro Universitário do
Instituto Mauá de Tecnologia, São Caetano do Sul, SP, Brasil.
QIANG, G., RONGJIE, R., WEI, W., 2008, “Research on Fuzzy-PID Controller in
Variable Frequency Air Conditioner System”. In: Proceedings of 2nd International
Conference on Bioinformatics and Biomedical Engineering, pp. 3879-3882.
QUEIROZ, F. C. H., 2008, Controle Vetorial de Velocidade de um Motor de Indução
Trifásico com Estimação Neural de Fluxo. Dissertação de M.Sc., UFRN, Natal, RN,
Brasil.
RANGEL, V., CARDOSO, W., ROBERTO, W., 2010, “Controle e Velocidade de Motores
de Indução Trifásica em Malha Fechada”. Revista do Projeto Universidade
Petrobrás e IF Fluminense, v. 1, pp. 333-337.
RANIEL, T., 2011, Desenvolvimento e Implementação de um Sistema de Controle de
Posição e Velocidade de uma Esteira Transportadora usando Inversor de
Frequência e Microcontrolador. Dissertação de M.Sc., UNESP, Ilha Solteira, SP,
Brasil.
REHMAN, H., GUVEN, M. K., DERDIYOK, A., XU, L., 2001, “A New Current Model
Flux Observer Insensitive to Rotor Time Constant and Rotor Speed for DFO Control
117
of Induction Machine”. IEEE Institute of Electrical and Electronics Engineers, pp.
1179- 1184.
REZENDE, F. B., 2008, Controlador Digital de Alto Desempenho para um Inversor
Senoidal com Realimentação pela Corrente do Capacitor de Saída Usando um
Processador Digital de Sinais de 16 Bits e Ponto Fixo. Dissertação de M.Sc., UFU,
Uberlândia, MG, Brasil.
RIBEIRO, J. L. S., ABRÃO, A. M., SALES, W. F., 2006, “Forças de Usinagem no
Fresamento de Aços para Matrizes”. 16° POSMEC , Uberlândia, MG, Brasil.
RIGATTI, A. M. Y., 2010. Avaliação da Força de Usinagem e Energia Específica de
Corte no Fresamento com Alta Velocidade de Corte. Dissertação de M.Sc., UNESP,
Ilha Solteira, SP, Brasil.
ROCHA, A. V., 1999. Implementação Digital de um Observador de Fluxo Estatórico e da
Medição do Fundamental de Tensão. Dissertação de M.Sc., UFMG, MG, Brasil.
RODRIGUEZ, J., PONTT, J., SILVA, C., KOURO, S., MIRANDA, H., 2004. “A Novel
Direct Torque Control Scheme for Induction Machines with Space Vector
Modulation”. 35th Annul IEEE Power Electronics Specialists Conference.
ROSENBLATT, F., 1958, The Perceptron: A Probabilistic Model for Information Storage
and Organization in the Brain. Psychol. rev. 65, pp. 386-408.
RUBAAI, A., OFOLI, A. R., 2007. “DSP-Based Real-Time Implementation of a Hybrid
H∞ Adaptive Fuzzy Tracking Controller for Servo-Motor Drives”. IEEE
Transactions on Industry Applications, v. 43, n. 2, pp. 476–484.
RUBIO., J. C. C., 1998, “Um Estudo Comparativo de Estratégias de Controle para
Sistemas Microposicionadores em Máquinas-Ferramenta”, In: XII CBA, v. 3, pp.
899-904, Uberlândia, MG, Brasil.
118
RUBIO, J. C. C., DUDUCH, J. G., 2002, “Algoritmo Híbrido PI Difuso + D para
Posicionadores de Ultraprecisão”, II CONEM, João Pessoa, PB, Brasil.
SAGLAM, H., YALDIZ, S., UNSACAR, F., 2007, “The Effect of Tool Geometry and
Cutting Speed on Main Cutting Force and Tool Tip Temperature”. Materials and
Design, v. 28, pp. 101-111, Konya, Turkey.
SALVADORI, F., 2000, Sistema de Acionamento Digital para Máquina Assíncrona
Utilizando Estratégias de Controle Mono e Multivariáveis sem Sensor de
Velocidade. Tese de D.Sc., UFCG, Campina Grande, PB, Brasil.
SANTANA, D. D. S., GARCIA, H. T., 2009. “Discretização e Nova Proposta de Controle
de Posição para Mesa Coordenada Cartesiana Utilizada em Máquinas Ferramenta”.
Revista de Ciências Exatas e Tecnologia, v. 4, n. 4, pp. 131-146.
SANTOS, A. F., 2008, Aplicação de Redes Neurais Artificiais no Controle Eficiente do
Motor de Indução Trifásico. Dissertação de M.Sc., UFPE, Pernambuco, Brasil.
SENA, A. P. C., 2011, Estratégia para Estimação do Conjugado Eletromagnético de
Motores de Indução. Dissertação de M.Sc., UFPB, João Pessoa, PB, Brasil.
SEVERINO, P. B., 2005, Um Estudo de Estimativa de Fluxo e Conjugado em Motores de
Indução Trifásicos – Implementação Utilizando DSP. Dissertação de M.Sc., UFU,
Uberlândia, MG, Brasil.
SHAW, I. S., SIMÕES, M. G., 2004, Controle e Modelagem Fuzzy. São Paulo, SP, Brasil,
Editora Edgard Blucher Ltda.
SHIN, M., HYUN, D., CHO, S., 2000. “An Improved Stator Flux Estimation for Speed
Sensorless Stator Flux Orientation Control of Induction Motors”. IEEE Transactions
on P. Electronics, v. 15, n. 2.
119
SILVEIRA, A. W. F. V., 2007. Estudo Comparativo de Técnicas de Estimativa do Fluxo
Estatórico de MIT. Dissertação de M.Sc., UFU, Uberlândia, MG, Brasil.
SOUSA, F. M. G., 1998, Controle de Fresadora para a Prototipagem de Circuitos
Impressos. Dissertação de M.Sc., UNICAMP, Campinas, SP, Brasil.
SOUZA, A. J., 2011, Processos de Fabricação por Usinagem. Parte 2, UFRGS, RS,
Brasil.
SOUZA, D. J. A., 2007, “Usinagem de superfícies definidas em CAD”. Estudos
Tecnológicos, v. 3, n. 1, pp. 59-73.
SOUZA, R. B. M., 2006, Projeto de Reguladores Fuzzy Takagi-Sugeno Utilizando as
Condições Iniciais da Planta. Dissertação de M.Sc., UNESP, Ilha Solteira, SP,
Brasil.
SOUZA JÚNIOR, A. B., 2010, Estudo e Implementação de um Servoposicionador
Aplicando Controle Vetorial Indireto a um Motor de Indução Trifásico. Dissertação
de M.Sc., UFC, Fortaleza, CE, Brasil.
STEMMER, C. E., 2001, Ferramentas de Corte I. 5a ed., Florianópolis, SC, Brasil, Editora
da UFSC.
SUETAKE, M., 2008, Implementação de Sistemas Inteligentes em Processadores Digitais
para Controle de Máquinas Elétricas Rotativas. Dissertação de M.Sc., Escola de
Engenharia de São Carlos – USP, São Carlos, SP, Brasil.
SUGENO, M., KANG, G. T., 1988, “Structure Identification of Fuzzy Model, Fuzzy Sets
and Systems”, v. 28, pp. 15-33.
TAKAGI, T., SUGENO, M., 1985, “Fuzzy Identification of Systems and Its Application to
Modelling and Control”. IEEE Transactions on Systems, Man and Cybernetics, v.
SMC-15, n. 1, pp. 116-132.
120
TAKANO, M. I., 2010, Otimização da Produção de Uma Célula Flexível de Manufatura
com Torno e Fresadora CNC. Dissertação de M.Sc., Universidade Tecnológica
Federal do Paraná, Curitiba, PR, Brasil.
TANAKA, K., SUGENO, M., 1990, “Stability Analysis of Fuzzy Systems Using
Lyapunov’s Direct Method”. In: Proceedings of the North American Fuzzy
Information Processing Society - NAFIPS, pp. 133-136, New York, USA.
TANAKA, K., WANG, H. O., 2001, Fuzzy Control Systems Design and Analysis: A linear
matrix inequality approach, New York, USA, John Wiley & Sons.
TOUTANT, R., BALAKRISHNAN, S., ONYSHKO, S., POPPLEWELL, N., 1993,
“Feedrate Compensation for Constant Cutting Force Turning”. IEEE Control
Systems.
UDDIN, M. N., WEN, H., REBEIRO, R. S., HAFEEZ, M., 2011, “Experimental
Performance of a Model Reference Adaptive Flux Observer Based NFC for 1M
Drive”. IEEE Institute of Electrical and Electronics Engineers, pp. 1-8.
URAIKUL, V., CHAN, C. W., TONTIWACHWUTHIKUL, P., 2007, “Artificial
Intelligence for Monitoring and Supervisory Control of Process Systems”.
Engineering Applications of Artificial Intelligence, v. 20, n. 2, pp. 115-131.
VIEIRA, J. P. A., NUNES, M. V. A., BEZERRA, U. H., et al., 2007, “New Fuzzy Control
Strategies Applied to the DFIG Converter in Wind Generation Systems”. Revista
IEEE America Latina, v. 5, n. 3, pp. 142-149.
WANG, Y., XIAO, L., ZENG, S., WU, Z., ZHONG, S., 2004, An Optimal Feedrate Model
and Solution for High-Speed Machining of Small Line Blocks with Look-ahead.
Universidade de Shanghai Jiaotong, Shanghai, China.
WEN, G. J., HUI, W. X., 2006, “Research on a Novel Motor Flux Observer Based on
Voltage Model”. IEEE Institute of Electrical and Electronics Engineers.
121
WIDROW, B., HOFF, M. E., 1960, Adaptative Switching Circuits. Institute of Radio
Engineers, Western Eletronic Show and Convention.
WIDROW, B., GLOVER JR., J. R., MCCOOL, J. M., KAUNITZ, J., WILLIAMS, C. S.,
HEARN, R. H., ZEIDLER, J. R., DONG JR., E., GOODLIN, R. C., 1975, “Adaptive
noise canceling: principles and applications”. In: IEEE Institute of Electrical and
Electronics Engineers, v. 63, n. 12, pp. 1692.
WIDROW, B., WALACH, E., 2008, Adaptative Inverse Control: A Signal Processing
Approach. Reissue Edition, Hoboken, New Jersey, USA, IEEE Press Series on
Power Engineering, John Wiley & Sons, Inc.
ZHANG, L., LI, H., CHUNLIANG E., et al., 2008, “Pitch Control of Large Scale Wind
Turbine Based on Fuzzy-PD Method”. In: Third International Conference on
Electric Utility Deregulation and Restructuring and Power Technologies, pp. 2447-
2452, Nanjing, China.
ZHIMING, X., JINCHENG, C., ZHENGJIN, F., 2002, “Performance Evaluation of a Real-
Time Interpolation Algorithm for NURBS Curves”. The Internacional Journal of
Advanced Manufacturing Technology, v. 20, pp. 270–276.
122
APÊNDICE A
MODELO DA MÁQUINA DE INDUÇÃO
A.1 INTRODUÇÃO
O objetivo deste apêndice é apresentar o equacionamento matemático de uma
máquina de indução trifásica. São apresentadas as equações dos fluxos, das tensões e dos
conjugados eletromagnéticos nas representações trifásica e bifásica.
A.2 REPRESENTAÇÃO TRIFÁSICA DA MÁQUINA DE INDUÇÃO
Uma máquina de indução trifásica com rotor bobinado é simétrica. Pois, apresenta
estruturas magnéticas cilíndricas no rotor e no estator, com enrolamentos iguais entre si e
igualmente defasados tanto no rotor quanto no estator. O motor de indução com rotor do
tipo “gaiola de esquilo” também é simétrico, pelas mesmas razões citadas anteriormente.
A seguir, é apresentado o modelamento da máquina de indução trifásica. Não são
considerados efeitos como saturação e perdas magnéticas, efeito pelicular (skin), correntes
parasitas (Foucault). Para que se possa representar matematicamente a máquina em estudo,
algumas hipóteses simplificativas são consideradas:
• Três enrolamentos estatóricos iguais entre si com índices s1, s2 e s3;
• Três enrolamentos rotóricos iguais entre si com índices r1, r2 e r3;
• Ângulos elétricos entre os enrolamentos são iguais a 2π/3 radianos elétricos,
tanto no estator quanto no rotor;
• Entreferro uniforme;
123
• Circuito magnético ideal (não existindo saturação e perdas magnéticas);
• Distribuição radial e senoidal da densidade de fluxo magnético no entreferro;
• Máquina bipolar (número de par de pólos P=1) (BARBI, 1985).
Na Figura A.1 (a), estão representados os enrolamentos do estator e do rotor da
máquina simétrica trifásica. Na Figura A.1 (b), é mostrada a convenção utilizada para o
modelamento.
Figura A.1 - (a) Máquina simétrica trifásica. Fonte: (SALVADORI, 2000); (b) convenções
utilizadas para as grandezas da máquina em uma bobina.
Como conseqüência das hipóteses de estudo adotadas, os fluxos podem ser
superpostos. Desse modo, conforme Eq. (A.1), o fluxo total é a soma dos fluxos estatórico
e rotórico.
∑∑==
+=3
1
3
1 iri
isit λλλ (A.1)
124
Notações utilizadas:
rr
ss
rr
ss
rr
ss iivv λλ ,,,,, : tensões, corrente e fluxos nas bobinas do estator e rotor,
respectivamente. Os expoentes indicam referencial no estator (s) e no rotor (r).
Rs, Rr: resistências de uma bobina do estator e do rotor, respectivamente
(Rs1 = Rs2 = Rs3 = Rs e Rr1 = Rr2 = Rr3 = Rr).
Ls, Lr: indutância própria de uma bobina do estator e do rotor, respectivamente
(Ls1 = Ls2 = Ls3 = Ls e Lr1 = Lr2 = Lr3 = Lr).
Ms, Mr: indutância mútua entre duas bobinas do estator e entre duas bobinas do
rotor, respectivamente (Ms12 = Ms23 = Ms31 = Ms e Mr12 = Mr23 = Mr31 = Mr).
Msr cos(θi): indutância mútua entre uma bobina do estator e uma do rotor
separadas por um ângulo θi.
A.2.1 Expressões dos Fluxos
A não saturação do circuito magnético da máquina permite representar o fluxo
concatenado λ, Eq. (A.2), com uma relação diretamente proporcional à corrente.
iL=λ (A.2)
onde
[ ]Trr
ss 123123 λλλ = (A.3)
=
rr
sr
rs
ss
L
L
L
LL (A.4)
[ ]Trr
ss iii 123123= (A.5)
A partir das representações matricias, os fluxos estatórico e rotórico podem ser
escritos de acordo com as Eq. (A.6) e (A.7), respectivamente.
rrsr
ssss
ss iLiL 123123123 +=λ (A.6)
125
rrrr
ssrs
rr iLiL 123123123 +=λ (A.7)
Os fluxos e correntes contidos nas Eq. (A.6) e (A.7) estão apresentados nas
matrizes das Eq. (A.8), (A.9), (A.10) e (A.11).
[ ]Tss
ss
ss
ss 321123 λλλλ = (A.8)
[ ]Trr
rr
rr
rr 321123 λλλλ = (A.9)
[ ]Tss
ss
ss
ss iiii 321123 = (A.10)
[ ]Trr
rr
rr
rr iiii 321123 = (A.11)
Nas Eq. (A.12), (A.13), (A.14) e (A.15), as matrizes de indutâncias possuem as
seguintes caracteísticas: ssL e rrL são matrizes simétricas; srL e rsL não são matrizes
simétricas, mas circulantes; e Trssr LL )(= .
=
sss
sss
sss
ss
LMM
MLM
MML
L (A.12)
=
rrr
rrr
rrr
rr
LMM
MLM
MML
L (A.13)
( )
( )
( )
+
+
+
+
+
+
=
rrr
rrr
rrr
srsr ML
θπ
θπ
θ
πθθ
πθ
πθ
πθθ
cos3
4cos
3
2cos
3
2coscos
3
4cos
3
4cos
3
2coscos
(A.14)
( )
( )
( )
+
+
+
+
+
+
=
rrr
rrr
rrr
srrs ML
θπ
θπ
θ
πθθ
πθ
πθ
πθθ
cos3
2cos
3
4cos
3
4coscos
3
2cos
3
2cos
3
4coscos
(A.15)
126
A.2.2 Expressões das Tensões
Pela convenção apresentada na Figura A.1 (b), as orientações das bobinas indicam
que uma corrente positiva gera um fluxo positivo (sentido do eixo), obtendo-se a Eq.
(A.16), onde vi é a tensão induzida nos terminais da bobina.
dt
dvi
λ= (A.16)
Assim, para uma máquina trifásica pode-se expressar as Eq. (A.17) e (A.18) em
termos de matrizes.
dt
diRv
ss
sss
123ss123123
λ+= (A.17)
dt
diRv
rr
rrr
123rr123123
λ+= (A.18)
onde
[ ]Tss
ss
ss
ss vvvv 321123 = (A.19)
[ ]Trr
rr
rr
rr vvvv 321123 = (A.20)
Ao derivar as equações dos fluxos, Eq. (A.6) e Eq. (A.7), pode-se obter as
expressões das tensões, conforme Eq. (A.21) e Eq. (A.22). Onde: ωr = dθr/dt é a
velocidade do rotor.
rr
r
srr
rr
sr
ss
sssss i
d
Ld
dt
diL
dt
diLiRv 123
123123ss123123
+++=
θω (A.21)
ss
r
rsr
ss
rs
rr
rrrrr i
d
Ld
dt
diL
dt
diLiRv 123
123123rr123123
+++=
θω (A.22)
127
A.2.3 Expressão do Conjugado Eletromagnético
A expressão geral da energia armazenada no campo magnético é dada pela Eq.
(A.23).
iLiW T
2
1= (A.23)
Pela aplicação da derivada em relação ao ângulo mecânico θm na Eq. (A.23),
obtem-se o conjugado eletromagnético, Eq. (A.25). Onde: θm= θr/P.
id
Ldi
d
dWc
m
T
me
==
θθ 2
1 (A.24)
id
Ldi
Pc
r
Te
=
θ2 (A.25)
A partir das Eq. (A.4) e (A.5), determina-se a expressão da Eq. (A.26). As
submatrizes ssL e rrL de L são independentes do ângulo θr.
ss
r
rsTrr
rr
r
srTsse i
d
Ldi
Pi
d
Ldi
Pc 123123123123 22
+
=
θθ (A.26)
Como ce é um número eTe cc = , e como para duas matrizes A e B quaisquer
(ABC)T = CTBTAT, logo:
ss
r
rsTrr
rr
r
srTss i
d
Ldi
Pi
d
Ldi
P123123123123 22
=
θθ (A.27)
lembrando que Trssr LL )(= , determina-se o conjugado eletromagnético:
rr
r
srTsse i
d
LdPic 123123
=
θ (A.28)
128
ss
r
rsTrre i
d
LdPic 123123
=
θ (A.29)
A.3 REPRESENTAÇÃO ODQ DA MÁQUINA
A representação de fluxo e tensão da máquina, no referencial trifásico, apresenta
elementos senoidais que variam de acordo com a posição rotórica θr. O fato dessas
grandezas serem variáveis no tempo torna sua utilização difícil para resolução analálitica
das equações diferenciais (SALVADORI, 2000).
A transformação trifásica-bifásica, consiste na transformação de um sistema de
coordenadas com três eixos, fases 1, 2 e 3, para um sistema de coordenadas com dois
eixos, denominados direto (d) e em quadratura (q). A transformação odq representa cada
armadura trifásica original do estator e do rotor por uma armadura bifásica dq, mais uma
bobina isolada de índice o (JACOBINA, 2005), eliminando o acoplamento magnético
mútuo entre as bobinas de fase, tornando o fluxo concatenado num eixo independente do
outro (SENA, 2011).
Na Figura A.2 (a), é apresentado o diagrama trifásico da máquina, com defasagem
de 120º elétricos entre os eixos; e na Figura A.2 (b), mostra-se o equivalente bifásico, com
defasagem de 90º elétricos entre os eixos, o qual possui um par de boninas em cada eixo e
mais duas bobinas isoladas (homopolares).
Figura A.2 - (a) Representação trifásica; (b) Representação bifásica. Fonte: (SALVADORI, 2000).
129
A tranformação das grandezas estatóricas e rotóricas trifásicas para o eixo odq
pode ser realizada pela Eq. (A.30).
odqggodq XTXXTX )()( 1231231 δδ =⇔= − (A.30)
onde X pode representar vetores de tensão, corrente ou fluxo. O ângulo δg é o argumento
da matriz de transformação T(δg). Genericamente, essa matriz é definida como a Eq.
(A.31).
( ) ( )
+−
+
−−
−
−
=
3
2
3
2cos
2
13
2
3
2cos
2
1
cos2
1
3
2)(
πδ
πδ
πδ
πδ
δδ
δ
gg
gg
gg
g
sen
sen
sen
T (A.31)
A.3.1 Expressões dos Fluxos em odq
A expressão odq do fluxo estatórico, Eq. (A.32), pode ser obtida através da Eq.
(A.6) e a equação de transformação Eq. (A.30). O expoente g indica o referencial genérico
dos eixos dq.
grodqsrodq
gsodqssodq
gsodq iLiL +=λ (A.32)
onde
=
s
s
so
ssodq
l
l
l
L
00
00
00
(A.33)
=
m
msrodq
l
lL
00
00
000
(A.34)
130
com lso = Ls + 2Ms, ls = Ls −Ms e lm = (3/2)Msr.
Analogamente, pode-se obter a expressão odq do fluxo rotórico, Eq. (A.35), a
partir das Eq. (A.7) e (A.30).
gsodqrsodq
grodqrrodq
grodq iLiL +=λ (A.35)
onde
=
r
r
ro
rrodq
l
l
l
L
00
00
00
(A.36)
==
m
msrodqrsodq
l
lLL
00
00
000
(A.37)
com lro = Lr + 2Mr, lr = Lr –Mr.
Todas as novas matrizes indutâncias são diagonais constantes independentes dos
ângulos θr e δg. As indutâncias ls, lso, lr, lro e lm são denominadas indutâncias cíclicas.
A.3.2 Expressões das Tensões em odq
Para a determinação da tensão estatórica em odq, Eq. (A.38), utilizam-se a Eq.
(A.17) e a equação de transformação Eq. (A.30).
gsodqg
gsodq
sgsodq dt
diRv λω
λ
−++=
010
100
000gsodq (A.38)
onde ωg = dδg/dt é a velocidade de rotação no referencial arbitrário.
131
Analogamente, a expressão odq da tensão rotórica, Eq. (A.39), é obtida através da
Eq. (A.18) e da Eq. (A.30).
grodqrg
grodq
rgrodq dt
diRv λωω
λ
−−++=
010
100
000
)(grodq (A.39)
A.3.3 Expressão do Conjugado Eletromagnético em odq
Na expressão da Eq. (A.40), determina-se o conjugado eletromagnético em odq,
utilizando a Eq. (A.29) e a equação de transformação Eq. (A.30) (JACOBINA, 2005).
)( grq
gsd
grd
gsqme iiiiPlc −= (A.40)
132
APÊNDICE B
CORRENTES DO ESTATOR DO MIT
B.1 INTRODUÇÃO
Nas figuras deste apêndice, foram analisadas as curvas de resposta e de referência
da corrente do estator, nas componentes d e q, do motor da base X. Na seção B.2 e B.3, são
analisadas as curvas das correntes obtidas nas simulações do motor e nos experimentos do
processo de usinagem, respectivamente. Em todos esses gráficos, verificaram-se o controle
de ambas as componentes da corrente estatórica.
B.2 CORRENTES DOS RESULTADOS DE SIMULAÇÃO
B.2.1 Primeira Simulação
0 5 10 15 20 25-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
i sd
b, i
sd
b*
(A)
isdb
isdb *
Figura B.1 – Curvas de resposta e de referência da corrente do estator na componente d
(1ª Simulação).
133
0 5 10 15 20 25-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Tempo (s)
i sqb, i
sqb*
(A)
isqb
isqb *
Figura B.2 – Curvas de resposta e de referência da corrente do estator na componente q
(1ª Simulação).
B.2.2 Segunda Simulação
0 5 10 15 20 25-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
i sd
b, i
sd
b*
(A)
isdb
isdb *
Figura B.3 – Curvas de resposta e de referência da corrente do estator na componente d
(2ª Simulação).
0 5 10 15 20 25-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
i sqb, i
sqb*
(A)
isqb
isqb *
Figura B.4 – Curvas de resposta e de referência da corrente do estator na componente q
(2ª Simulação).
134
B.2.3 Terceira Simulação
0 5 10 15 20 25-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
i sd
b, i
sdb*
(A)
isdb
isdb *
Figura B.5 – Curvas de resposta e de referência da corrente do estator na componente d
(3ª Simulação).
0 5 10 15 20 25-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tempo (s)
i sqb, i
sqb*
(A)
isqb
isqb *
Figura B.6 – Curvas de resposta e de referência da corrente do estator na componente q
(3ª Simulação).
B.2.4 Quarta Simulação
0 2 4 6 8 10 12 14 16 18 20-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Tempo (s)
i sd
b, i
sd
b*
(A)
isdb
isdb *
Figura B.7 – Curvas de resposta e de referência da corrente do estator na componente d
(4ª Simulação).
135
0 2 4 6 8 10 12 14 16 18 20-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
Tempo (s)
i sqb, i
sqb*
(A)
isqb
isqb *
Figura B.8 – Curvas de resposta e de referência da corrente do estator na componente q
(4ª Simulação).
B.3 CORRENTES DOS RESULTADOS EXPERIMENTAIS
B.3.1 Primeiro Experimento
0 5 10 15 20 25 30 35 40 45-1
-0.5
0
0.5
1
1.5
2
2.5
Tempo (s)
i sd
b, i
sd
b*
(A)
isdb
isdb *
Figura B.9 – Curvas de resposta e de referência da corrente do estator na componente d
(1º Experimento).
0 5 10 15 20 25 30 35 40 45-1
-0.5
0
0.5
1
1.5
2
Tempo (s)
i sqb, i
sqb*
(A)
isqb
isqb *
Figura B.10 – Curvas de resposta e de referência da corrente do estator na componente q
(1º Experimento).
136
B.3.2 Segundo Experimento
0 5 10 15 20 25 30 35-0.5
0
0.5
1
1.5
2
2.5
Tempo (s)
i sdb, i
sd
b*
(A)
isdb
isdb *
Figura B.11 – Curvas de resposta e de referência da corrente do estator na componente d
(2º Experimento).
0 5 10 15 20 25 30 35-2
-1
0
1
2
3
Tempo (s)
i sq
b, i
sq
b*
(A)
isqb
isqb *
Figura B.12 – Curvas de resposta e de referência da corrente do estator na componente q
(2º Experimento).
B.3.3 Terceiro Experimento
0 5 10 15 20 25 30 35-0.5
0
0.5
1
1.5
2
2.5
3
Tempo (s)
i sd
b, i
sdb*
(A)
isdb
isdb *
Figura B.13 – Curvas de resposta e de referência da corrente do estator na componente d
(3º Experimento).
137
0 5 10 15 20 25 30 35-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
Tempo (s)
i sq
b, i
sq
b*
(A)
isqb
isqb *
Figura B.14 – Curvas de resposta e de referência da corrente do estator na componente q
(3º Experimento).
B.3.4 Quarto Experimento
0 5 10 15 20 25 30 35-1
0
1
2
3
4
Tempo (s)
i sd
b, i
sd
b*
(A)
isdb
isdb *
Figura B.15 – Curvas de resposta e de referência da corrente do estator na componente d
(4º Experimento).
0 5 10 15 20 25 30 35-1.5
-1
-0.5
0
0.5
1
Tempo (s)
i sq
b, i
sqb*
(A)
isqb
isqb *
Figura B.16 – Curvas de resposta e de referência da corrente do estator na componente q
(4º Experimento).