sistemas de controle

SISTEMAS DE CONTROLE

DOCENTE: MARCELO HENRIQUE SOUZA BOMFIM

CURRÍCULO: ENGENHEIRO MECÂNICO (2009), MESTRE EM ROBÓTICA (2013)

· 06/06/2014 (SEXTA-FEIRA): 18:30 ATÉ 22:00· 07/06/2014 (SÁBADO): 08:00 ATÉ 12:00 || 13:00 ATÉ 17:00· 18/07/2014 (SEXTA-FEIRA): 18:30 ATÉ 22:00· 19/07/2014 (SÁBADO): 08:00 ATÉ 12:00 || 13:00 ATÉ 17:00· 01/08/2014 (SEXTA-FEIRA): 18:30 ATÉ 22:00· 02/08/2014 (SÁBADO): 08:00 ATÉ 12:00 || 13:00 ATÉ 17:00


BIBLIOGRAFIAASTROM, KARL J.; WITTENMARK, BJORN. COMPUTER-CONTROLLED SYSTEMS: TEORIA AND DESIGN. 3. ED. NEW JERSEY: PRENTICE HALL, 1997. 557 P.OGATA, KATSUHIKO PROJETO DE SISTEMAS LINEARES DE CONTROLE COM MATLAB PRENTICE HALLOGATA, KATSUHIKO ENGENHARIA DE CONTROLE MODERNO LTC, 2000, 813P.


· 06/06/2014 (SEXTA-FEIRA): 18:30 ATÉ 22:00· 07/06/2014 (SÁBADO): 08:00 ATÉ 12:00 || 13:00 ATÉ 17:00

TEORIA DE CONTROLE CLÁSSICO. PROJETO DE CONTROLADORES. PROBLEMA SERVO E REGULADOR.


· 18/07/2014 (SEXTA-FEIRA): 18:30 ATÉ 22:00· 19/07/2014 (SÁBADO): 08:00 ATÉ 12:00 || 13:00 ATÉ 17:00

CONTROLE DE VELOCIDADE E POSIÇÃO E SIMULAÇÕES COM MATLAB. CONTROLADORES INDUSTRIAIS: CARACTERÍSTICAS E LIMITAÇÕES. PROJETO DE CONTROLADORES INDUSTRIAIS (ZONA MORTA, LEAD-LAG, ETC)


· 01/08/2014 (sexta-feira): 18:30 até 22:00· 02/08/2014 (sábado): 08:00 até 12:00 || 13:00 até 17:00

ABORDAGEM POR ESPAÇO DE ESTADOS. OBSERVADORES DE ESTADO. TÉCNICAS DE CONTROLE AVANÇADO. TRABALHO NO MATLAB (40PTS) E AVALIAÇÃO (60PTS).

CONTROLADORES PID

Introdução Métodos de Ziegler-Nichols

Método da Resposta ao Salto Método do Período Crítico

Métodos Analíticos Alocação de Pólos Resposta em Freqüência

Ajuste Manual Aplicações de cada método

http://www.ece.ufrgs.br/~jmgomes/pid/Apostila/apostila/node39.html












CONTROLADORES PID

TÉCNICAS MAIS UTILIZADAS - EMPÍRICAS

EXEMPLO PRÁTICO - MESTRADO

0 80 160

240

320

400

480

560

640

720

800

880

960

0

5

10

15

20

25

30

35

Resposta do motor 5 para diferentes valores de sintonia do controlador PID

Sinal de entradaSintonia 3/0/0Sintonia 3/0/1Sintonia 3/2/1

Tempo (ms)

Deslo

cam

ento

(ra

d)

IMPLEMENTAÇÃO FÍSICA - ANALÓGICA

IMPLEMENTAÇÃO EM SOFTWARE - DIGITAL

P= K*erro I=I_ant+

{K*T}*{2*T_i}*(erro+erro_ant}/{(2*T_i)} D=(pT-2)/(pT+2)}*D_ant + 2*K*T_d*T*(pT+2)*(erro-erro_ant)

sinal_controle = P + I + D erro_ant=erro D_ant = D


MÉTODO DA TENTATIVA E ERRO

QUANDO UTILIZAR UM CONTROLE PID ?

Baixa performance de controle

erro em regime permanente

elevada oscilação

QUANDO UM CONTROLE PI É SUFICIENTE ?

Dinâmicas de primeira ordem (controle de nível em tanques simples)

Possui bem definidos: Resposta ao degrau Resposta em frequência

QUANDO UM CONTROLE PID É SUFICIENTE ?

Dinâmica de segunda ordem ( controle de temperatura)

D – amortece transientes de temperatura

QUANDO É NECESSÁRIO UM CONTROLE MAIS SOFISTICADO

Processos de ordem elevada (acima de 2) Sistemas com elevado tempo morto Sistemas com modos oscilatórios

PROJETO DE SISTEMAS DE CONTROLE PELA RESPOSTA EM FREQUÊNCIA –

MÉTODO ANALÍTICO

PROJETO DE SISTEMAS DE CONTROLE PELA ANÁLISE DO LUGAR DAS RAÍZES – MÉTODO

ANALÍTICO

TÉCNICAS DE CONTROLE AVANÇADAS

Não convencionais: Controle em Cascata Controle Feedforward Compensação de tempo morto Redes Neurais Artificiais Controlador Fuzzy

Convencionais: Controle Robusto Controle Adaptativo Controle Preditivo

CONCEITOS NECESSÁRIOS

Transformada de Laplace; Análise transitória e em regime; Lugar Geométrico das Raízes; Métodos de Resposta em Freqüência; Variáveis de Estado; Instrumentação industrial; Controladores PID.

O QUE É CONTROLE AVANÇADO ?

Anos 60: qualquer algoritmo ou estratégia de controle que derivasse do PID clássico;

Anos 70: computadores de processo permitiram a implementação de controladores do tipo Feedforward, Multivariável e Ótimo;

Proliferação de técnicas ditas avançadas de controle: avanços na indústria eletrônica, especialmente no desenvolvimento de dispositivos computacionais de baixo custo, ocorrida a partir dos anos 70.

O QUE É CONTROLE AVANÇADO ?

Na prática, controle avançado pode significar desde a implementação de esquemas de controle Feedforward ou em cascata até a de algoritmos de controle adaptativo ou de estratégias de otimização;

Com a implementação de controle avançado os benefícios em termos de custos operacionais são entre 2 a 6%.

PRINCIPAIS VANTAGENS

• Melhoria na qualidade dos produtos: o uso de inferência reduz as variações nas propriedades dos produtos;

• Aumento no rendimento dos produtos mais nobres;

• Aumento da capacidade da unidade: o controle preditivo multivariável respeita as restrições da unidade;

• Economia e consumo de energia;• Aumento da estabilidade operacional da

unidade: a proteção das restrições, rejeição de perturbações e a natureza preditiva do controlador tornam o processo mais fácil de controlar.

QUANDO UTILIZAR CONTROLE AVANÇADO ?

Problema Técnica Adequada Perturbações externas Feedforward

Controle preditivo Elevado tempo morto Compensação do tempo morto

Controle preditivo Ruído nas medições Filtros analógicos ou digitais Variáveis não medidas Controle inferencial

Filtro de Kalman Controle preditivo

Não linearidades Ganho não-linear ou programado Controle adaptativo Controle preditivo

Dinâmica complexa Controle preditivo Restrições Controle preditivo com restrições Interação entre variáveis Desacoplamento

Controle preditivo multivariável Impacto econômico Otimização on-line

Controle Otimizante

QUANDO UTILIZAR CONTROLE AVANÇADO ?

Antes de partir para o controle avançado, deve-se tentar otimizar o controle regulatório: Sintonizando os parâmetros dos PID´s; Verificando a instrumentação.

O investimento em Controle Avançado custa de dez a quinze vezes mais em relação a melhorias no sistema de controle regulatório.

CARACTERÍSTICAS O Controle Avançado amplamente utilizado

na indústria de processo é multivariável, tem característica preditiva e apresenta uma função linear de otimização econômica;

Utiliza um modelo linear do processo obtido através de testes efetuados na planta;

As suas variáveis manipuladas são os Set-Points dos controladores PID

PASSOS DA IMPLANTAÇÃO DE CAV

Projeto funcional: diretrizes para maximizar a lucratividade de determinado processo;

Revisão e ajuste de malhas regulatórias: sintonia dos controladores PID, avaliação da instrumentação (sensores, válvulas, etc);

Identificação do processo: seleção do melhor modelo em uma classe, estimação dos parâmetros, validação;

Implementação do controle preditivo multivariável;

Treinamento de operadores.

CONTROLE EM CASCATA

É um método simples, envolvendo dois controladores por realimentação em cascata

O controle em cascata é definido como a configuração onde o sinal de saída de um controlador é o SetPoint gerado pelo outro controlador

CONTROLE EM CASCATA

Usado quando existe vários sinais mensurados e uma variável controlada

Elevado tempo morto ou constante de tempo

CONTROLE EM CASCATA

Gc1(s)+

-

+Gc2(s) G2(s) G1(s)

-

R1(s) R2(s) Y2(s) Y1(s)laço secundário

laço primário

CONTROLE EM CASCATA

Aplicações industriais:

Válvulas Pneumáticas Sistema de Controle em Motores Controle de temperatura

VÁLVULAS PNEUMÁTICAS

Laço secundário: feedback em cima da válvula, onde a posição da válvula é mensurada

Vantagem: reduz a influência de variações de pressão do sistema

Gc1(s)+

-

+Gc2(s) G2(s) G1(s)

-

R1(s) R2(s) Y2(s) Y1(s)laço secundário

laço primário

SISTEMA DE CONTROLE EM MOTORES

Ação integral da velocidade no loop de velocidade é equivalente a ação proporcional no loop de posição

Ação derivativa no loop de posição = Ação proporcional no loop de velocidade

Razão: PI de v e PD de p

SISTEMA DE CONTROLE EM FORNOS

Controle de temperatura do lado secundário, através da abertura da válvula no primário

Laço secundário: sistema de controle de vazão na válvula

Laço primário: setpoint de controle de vazão

SISTEMA DE CONTROLE EM FORNOS

Efeitos reduzidos pelo controlador secundário:

Não-linearidades Perturbações de pressão

CONTROLE FEEDFORWARD

Controle feedforward usa o conhecimento das perturbações para agir sobre o sistema antes que as mesmas afetem o erro

Desvantagens: necessidade de medição das perturbações Necessidade do conhecimento do modelo do

processo e da perturbação

CONTROLE CONVENCIONAL

)s(N)s(G)s(E)s(G)s(G)s(Y nc )s(Y)s(R)s(E

)s(N)s(G)s(Y)s(R)s(G)s(G)s(Y nc )s(N)s(G)s(R)s(G)s(G)s(G)s(G1)s(Y ncc

CONTROLE CONVENCIONAL

Se as perturbações são mensuráveis, o controle feedforward é um método útil para

cancelar os seus efeitos na saída do processo.

)s(N)s(G)s(G1

)s(G)s(R

)s(G)s(G1)s(G)s(G

)s(Yc

n

c

c

Influência da entrada Influência das perturbações


)s(N)s(G)s(G)s(G)s(N)s(G)s(Y)s(R)s(G)s(G)s(Y cffnc

)s(N)s(G)s(G)s(G)s(G)s(Y)s(R)s(G)s(G)s(Y cffnc


0)s(G)s(G)s(G)s(G cffn

)s(G)s(G

)s(G)s(G

c

nff

A vantagem deste tipo de controle é que a ação corretiva ocorre antecipadamente, ao contrário do

controle por realimentação, em que a ação corretiva acontece somente depois da saída ser

afetada.

SISTEMA DE CONTROLE DE TEMPERATURA

EXEMPLO

Perturbação: mudança vazão de saída da torre (depende do

nível da torre); seu efeito não pode sentido imediatamente,

devido aos atrasos envolvidos no sistema; um controlador convencional agirá somente

quando houve um erro; um controlador feedforward que receberá a

também a informação da vazão, poderá agir mais cedo sobre a válvula de vapor.

COMPENSAÇÃO DO TEMPO MORTO

Exemplos:Transporte de fluidos em linhas longas;Variável controlada medida por analisador

de linha;Elemento final de controle lento;

Um controlador convencional não funciona bem com tempo morto, pois a ação de controle demora um certo tempo para ser detectada.

se)s(Gtempo morto


Considerando:

Gc1(s) e-sτ G(s)+

-

R(s) Y(s)

• A FT de malha fechada é:

)s(Ge)s(G1

)s(Ge)s(G

)s(R

)s(Ys

1c

s1c

(I)


Ideia: deslocar o tempo morto para fora da malha de controle

Gc(s) G(s)+

-

R(s)e-sτ

Y(s)

• Para isto, projetaremos um controlador a fim de que a FT de malha fechada seja:

s

c

c e)s(G)s(G1

)s(G)s(G

)s(R

)s(Y(II)


Igualando as equações (I) e (II) temos:

s1c

1cc e)s(G)s(G)s(G1

)s(G)s(G

Gc(s) G(s)+

-

R(s)e-sτ

Y(s)

(1-e-sτ)G(s)

+

-

Gc1(s)


• O controlador modifica a variável controlada da seguinte forma:

– Quando o controlador enviar uma ação de controle ao processo, o controlador imediatamente responde pelo processo para que a resposta seja isenta do tempo morto;

– Após o tempo morto, à medida que o processo começar a responder, o controlador vai retirando a sua ação de acordo com a dinâmica do processo.

REDES NEURAIS ARTIFICIAIS E LÓGICA FUZZY

Técnicas de controle baseadas em funções não lineares (maioria dos processos industriais)

RNA e Controlador Fuzzy

As técnicas tradicionais de controle podem ter dificuldade e/ou impossibilidade de atingir níveis desejados de eficiência

Sistemas cuja dinâmica é extremamente complexa, não completamente formalizada

CONTROLADOR FUZZY

Seus fundamentos advêm da teoria dos conjuntos fuzzy, criada por Lofti Zadeh

Variável lingüística Mnemônicos: erro, temperatura ou variação da

pressão

Termos lingüísticos Quantificadores: aproximadamente zero, positivo

pequeno, grande negativo

CONTROLADOR FUZZY

Fuzzificação Informações captadas por sensores são

convertidas em números fuzzy, através das variáveis lingüísticas, representadas por funções de pertinência

CONTROLADOR FUZZY

InferênciaAplicação do conhecimento especialista

sobre o processo, através de uma base de regras que orienta a ação do controlador (seguindo o paradigma modus ponens )

CONTROLADOR FUZZY

DefuzzificaçãoTradução do valor lingüístico para um valor

numérico correspondente à ação do controlador, que pode representar funções como ajustar a posição de um botão ou acionar uma válvula

m

1i in

m

1i iuin

su

CONTROLADOR FUZZY

Identificação da dinâmica da planta ou processo

CONTROLADOR FUZZY Utilização de um banco de conhecimento

empírico para se alcançar os resultados almejados

Um número maior de variáveis pode ser observado sem aumentar muito a complexidade do projeto

Desenvolvimento mais rápido de um protótipo do sistema de controle

Uma falha parcial do sistema não deteriora a performance do controlador como um todo

CONTROLADOR FUZZY

Principais aplicações: Controle de velocidade em motores

(controlador PD Fuzzy) e controle de temperatura em fornos

REDES NEURAIS ARTIFICIAIS

Sistemas paralelos distribuídos compostos por unidades de processamentos simples que

computam determinadas funções matemáticas


Em 1988 os pesquisadores Takagi e Hayashi proporam a primeira abordagem para a criação automática de funções de pertinência usando redes neurais

As redes neurais podem ser vistas como uma

generalização de sistemas fuzzy, devido ao fato de agregar a operação de criação de uma superfície controle de multidimensional


Três etapas para a implementação de um sistema fuzzy baseado em uma rede neural: Realizar o agrupamento dos dados de entrada e

decidir o número de regras Estabelecer os limites entre essas partições Identificar dos conseqüentes do sistema fuzzy


Estrutura conexionista para implementação de regras nebulosas e

inferência


A rede é capaz de aprender caminhos otimizados (tempo, consumo energético, deslocamento etc)

Principais aplicações: Calibração de sensores Robótica móvel


Técnicas convencionais: Controle robusto Controle adaptativo Controle preditivo

CONTROLE ROBUSTO

Quantificação das incertezas no modelo “nominal” do processo (faixa de operação);

Projeto de um controlador que deve manter a estabilidade, bem como um desempenho especificado sobre a faixa de condições de operação.

CONTROLE ROBUSTO

O que é ?

O projeto de sistemas de controle altamente precisos na presença de incertezas requer que o projetista procure um sistema robusto;

A robustez pode ser na presença de incertezas, na estabilidade ou no desempenho.

INCERTEZAS

O modelo de um processo é sempre inexato em relação ao sistema físico real devido à: Mudanças de parâmetros; Dinâmica não modelada; Retardos não incluídos no modelo; Mudanças de pontos de operação; Ruídos no sensor; Perturbações imprevisíveis;

O objetivo do projeto de sistemas de controle robustos é garantir o desempenho do sistema a despeito da presença de incertezas consideráveis sobre o processo a controlar.

ROBUSTEZ A robustez é uma característica desejável de

sistemas de controle por pelo menos duas razões:

O sistema deve operar satisfatoriamente, ainda que em condições de operação distintas daquelas consideradas no modelo do projeto (nominal);

As condições de robustez podem ser utilizadas com o objetivo de se adotar um modelo de projeto intencionalmente simplificado, não só para facilitar a sua análise, como também por seu impacto sobre a complexidade do controlador resultante;

ROBUSTEZ

Um sistema de controle é robusto quando: Apresenta baixa sensibilidade; É estável sobre uma faixa de variação de

parâmetros; O desempenho continua a atender as

especificações na presença de uma conjunto de mudanças de parâmetros.

CONTROLE ROBUSTO

Aplicações industriais: “CONTROLE ROBUSTO DE TEMPERATURA EM SISTEMA DE

SECAGEM DE GRÃOS PARA REDUÇÃO DE DANOS TÉRMICOS”

secagem de sólidos por ar quente

CONTROLE ROBUSTO

A estratégia proposta agrega robustez à distúrbios externos típicos do ambiente agroindustrial e, assim, confere maior confiabilidade à qualidade final do processo.

CONTROLE ADAPTATIVO Aplicado a sistemas com grandes variações

de parâmetros ou condições de operação: robôs manipuladores navios aviões sistemas biomédicos

Existem vários esquemas de controle adaptativo, dentre os quais destacam-se: escalonamento de ganhos sistemas adaptativos por modelo de referência reguladores Auto-Ajustáveis

CONTROLE ADAPTATIVO

O controle adaptativo é um tipo especial de controle realimentado não-linear em que os estados do processo podem ser separados em duas categorias, que mudam em diferentes velocidades: “estados lentos”: parâmetros do regulador; “estados rápidos”: realimentação convencional.

As primeiras pesquisas tiveram início nos anos 50

CONTROLE ADAPTATIVO

Relações entre controle adaptativo e outras áreas de controle

CONTROLE ADAPTATIVO

ControleAdaptativo

SistemasLineares

Otimização

Identificação

ControleEstocástico

SistemasNão-Lineares

ControlePreditivo

CONTROLE ADAPTATIVO Controle robusto de alto ganho:

Altos ganhos conferem mais robustez na presença de variações;

Sistemas adaptativos auto-oscilatórios: Alto ganho mantido por um relé;

Controladores com Auto-Sintonia: Técnicas adaptativas para a sintonia de PID’s

Escalonamento de Ganhos; Controle Adaptativo por Modelo de

Referência; Reguladores Auto-Sintonizáveis.

CONTROLE ADAPTATIVO – ESCALONAMENTO DE GANHO

Ideia: compensar as variações no processo mudando os parâmetros do controlador em função das condições de operação

Controlador Processo

Escalador de Ganhos

condição de operação

yur

parâmetros do controlador


A desvantagem é que o controlador por escalamento faz uma compensação em malha aberta

A principal vantagem é a mudança rápida dos parâmetros do controlador, pois não há necessidade de estimação dos mesmos


Aplicações: Manipuladores robóticos industriais Sistemas térmicos Veículos submarinos autônomos (AUV)


Manipuladores robóticos industriais Controle PID – adaptativo: definição dos

ganhos do controlador PID, a partir de pontos de operação do braço robótico.


Sistemas térmicos Controle PI – adaptativo: definição dos

ganhos do controlador PI, a partir de características do material a ser aquecido.


AUV Controle PID – adaptativo: definição dos

ganhos do controlador PID, a partir de pontos de operação e perturbações do ambiente, por exemplo.

CONTROLE PREDITIVO COM RESTRIÇÕES

CONTROLE PREDITIVO COM RESTRIÇÕES

Controladores PID não são adequados para sistemas com grandes atrasos;

Controladores preditivos são uma boa alternativa;

Controle Preditivo Generalizado (GPC) é largamente usado na indústria;

No GPC o cálculo do sinal de controle é um problema de otimização, onde objetivos econômicos e restrições (limites em fluxos, pressões, temperaturas, emissões na atmosfera, etc) podem ser incluídos na formulação do problema.

CONTROLE MULTIVARIÁVEL

CONTROLADOR PLANTA

SP

Variáveis Controladas

PerturbaçõesVariáveis

Manipuladas

CONTROLE MULTIVARIÁVEL

Processos com mais de uma entrada (Variável Manipulada) e/ou mais de uma saída (Variável de Processo);

Exemplo: reator químico, em que nível, temperatura e pressão devem ser controlados;

Em muitos casos a alteração de uma variável manipulada causa mudanças em mais de uma variável de processo (acoplamento).

APLICAÇÕES DE CADA MÉTODO

sistemas de controle

Documents