1
líquido no tanque. A corrente de saída tem vazão F e temperatura T. Os objetivos operacionais
do tanque são:
1-Manter a temperatura de saída T num valor desejado Ts
2-Manter o volume de líquido no tanque num valor desejado Vs
3
1.2-Classificação das variáveis de um processo químico
As variáveis (vazões, temperaturas, pressões, concentrações etc.) associadas a um
processo químico são divididas em dois grupos
variáveis de entrada, que estão relacionadas com o efeito do meio externo no processo.
variáveis de saída, que estão relacionadas com o efeito do processo no meio externo.
Exemplo 1.2: Considere o CSTR (Continuous Stirred Tank Reactor) abaixo:
5
que nos permitem determinar os valores das variáveis não medidas (sempre que os valores das
medidas secundárias estejam disponíveis). Estas relações matemáticas podem resultar de
considerações empíricas, experimentais ou teóricas.
A terceira classe de medidas que podem ser feitas para monitorar o comportamento do
processo inclui a medida direta de perturbações externas. Medir as perturbações antes que elas
atinjam o processo pode ser muito vantajoso, porque nos permite saber com antecedência qual
vai ser o comportamento do processo e tomar ações de controle para evitar qualquer
consequência indesejada.
Selecionar as variáveis manipuladas:
Uma vez que os objetivos de controle foram especificados e as várias medidas
identificadas, a próxima questão é: que variáveis manipuladas vamos usar para controlar o
sistema? Normalmente num processo temos algumas variáveis de entrada que podem ser
ajustadas. Qual selecionar é uma questão importante, que afetará a qualidade das ações de
controle tomadas.
A variável a manipular tem que ter um efeito razoável sobre aquelas que definem o
objetivo desejado. Muita ou pouca sensibilidade geram inconvenientes que devem ser
evitados. Pouca sensibilidade significa que seriam necessárias mudanças muito grandes na
variável manipulada para produzir um efeito na variável controlada. Neste caso, surgem
problemas de saturação de instrumentos, problemas de ruídos etc. Muita sensibilidade
também não é desejável, pois apenas uma pequena mudança na variável manipulada já produz
um efeito exagerado na variável controlada. Surgem problemas com a resolução dos
instrumentos e, novamente, com o efeito de ruídos.
Exemplo 1.5: Para controlar o nível de líquido num tanque podemos ajustar (manipular) a
vazão da corrente de entrada ou a vazão da corrente de saída. Qual a melhor é uma questão
importante a ser respondida mais tarde.
Selecionar a configuração de controle:
Uma configuração (ou estrutura) de controle é a estrutura de informação que é usada
para conectar as medidas disponíveis às variáveis manipuladas disponíveis.
Projetar o controlador:
Em toda configuração de controle o controlador é o elemento ativo que recebe a
informação das medidas e toma ações de controle apropriadas para ajustar os valores das
variáveis manipuladas. Para o projeto de um controlador devemos responder à seguinte
pergunta: Como a informação tirada das medidas é usada para ajustar as variáveis
6
manipuladas? A resposta desta questão constitui a lei de controle, que é implementada
automaticamente pelo controlador.
Bibliografia:
1-Stephanopoulos, George, Chemical Process Control: An Introduction to Theory and
Practice, Prentice-Hall Inc., New Jersey, 1984.
2-Luyben, William L., Process Modeling, Simulation and Control for Chemical Engineers,
2nd edition, McGraw-Hill Inc., Singapore, 1990.
3-Seborg, Dale E., Thomas F. Edgar e Duncan A. Mellichamp, Process Dynamics and
Control, J. Wiley, New York, 1989.
4-Curso de Controle de Processos, PUC-Rio, http://venus.rdc.puc-
rio.br/werneckr/index_cp.html.
5-Curso de Controle de Processos, University of NewCastle Upon TY NE,
http://lorien.ncl.ac.uk/ming/Dept/Swot/notes.htm.
7
2-Modelagem de processos para controle
2.1-Introdução
Toda e qualquer técnica de controle, desde a mais elementar até a mais sofisticada,
requer algum grau de conhecimento sobre o comportamento do sistema. Para investigar como
o comportamento do sistema (suas saídas) muda com o tempo sob a influência de mudanças
nas perturbações externas e variáveis manipuladas, e consequentemente projetar um
controlador apropriado, pode-se usar duas abordagens diferentes:
abordagem experimental: neste caso o(s) equipamento(s) físico do processo está
disponível. Logo, mudamos o valor das várias entradas (perturbações e variáveis
manipuladas) e observamos como as saídas variam com o tempo. Este procedimento é
demorado e normalmente caro, já que um grande número de experimentos deve ser realizado.
Além disso, deve-se garantir que as medidas realizadas contêm informação suficiente para
caracterizar completamente a dinâmica do processo, ou pode-se obter um quadro errado desta
dinâmica, de forma que podem estar ocorrendo flutuações fortes dentro do sistema que não
estão aparecendo nas saídas medidas.
abordagem teórica: modelos matemáticos são usados para determinar o comportamento
dinâmico ou estático do processo.
Como em alguns casos o equipamento físico do processo não está disponível para
testes e, mesmo quando está, a abordagem experimental é demorada e cara, a abordagem
teórica é a mais usada.
Os modelos matemáticos podem ser classificados genericamente em duas categorias:
teóricos (fenomenológicos): desenvolvidos a partir de pressupostos teóricos que tentam
descrever de forma mais fundamentada os vários aspectos envolvidos no problema.
empíricos: não estão baseados em quaisquer pressupostos teóricos, mas apenas são
utilizados para descrever um certo conjunto de pontos experimentais conhecidos.
A princípio, os modelos empíricos são tão bons quanto os modelos teóricos, embora os
modelos teóricos possam ser utilizados de forma bem mais racional do que os modelos
empíricos. Por exemplo, as extrapolações feitas com modelos empíricos não são
recomendadas, já que nada garante que a realidade vá continuar se comportando daquela
forma numa faixa diferente de condições. No entanto, a continuidade dos pressupostos
teóricos (e, portanto, do modelo matemático a que dão origem) em condições diferentes é bem
mais aceitável.
8
Os modelos podem ainda ser classificados como lineares ou não lineares. O uso de
modelos lineares se baseia na hipótese de que os sistemas têm um comportamento que pode
ser aproximado linearmente. O seu uso é difundido pois a teoria de controle linear está
bastante bem desenvolvida e as equações lineares em geral têm solução analítica, o que
permite a fácil obtenção de resultados. Em particular na área de controle de processos, como a
principal forma de operação nas grandes indústrias é no estado estacionário, os pequenos
desvios associados ao efeito de perturbações não chega a afastar o sistema de um
comportamento aproximadamente linear.
Entretanto, devemos ter em mente que a realidade é não linear. As crescentes
exigências de qualidade e quantidade colocadas para a indústria a defrontam com situações de
operação extremas, onde os efeitos não lineares são muito mais importantes. Ainda, existem
inúmeros processos que são operados em batelada ou batelada alimentada (polímeros,
produtos farmacêuticos, etc.). Neste tipo de operação, não há estado estacionário, e o
comportamento do processo é fortemente não linear. Neste caso, são necessários modelos não
lineares.
Ao se modelar o sistema de interesse, deve-se ter em mente que um modelo muito
complexo não tem utilidade em análise e projeto de sistemas de controle. Muitas leis de
controle são obtidas a partir de versões simplificadas do comportamento do processo e/ou são
ajustadas usando essas versões. Num processo iterativo de projeto, via tentativa e erro, o uso
frequente do modelo matemático também requer que o mesmo seja uma versão simples da
realidade, caso contrário o esforço computacional requerido seria muito grande. Ainda, muitas
das leis de controle mais avançadas incluem um modelo do processo que, consequentemente,
tem que ser resolvido em linha. Novamente não podemos nem imaginar o uso de modelos
complexos.
Neste curso a teoria de controle linear será abordada e, logo, trabalharemos na maioria
das vezes com modelos lineares ou linearizados.
2.2- Linearização e variáveis desvio
Linearização é o processo pelo qual nós aproximamos sistemas não lineares com
sistemas lineares. Considere a seguinte equação diferencial não linear
dx
f ( x) (2.1)
dt
Expanda a função não linear f(x) em série de Taylor em torno de um ponto x0
9
df x x 0 d 2f ( x x 0 )2 d n f (x x0 )n
f ( x) f ( x 0 ) ..... ... (2.2)
dx x 1! dx 2 x 2! dx n x n!
0 0 0
10
Então a eq. (2.5) fica
dx ' df
x' (2.8)
dt dx x s
Esta é a aproximação linearizada do sistema dinâmico não linear descrito pela eq. (2.1)
expressa em termos de variáveis desvio.
A noção de variáveis desvio é muito útil em controle de processos. Normalmente
estamos tentando manter o valor de uma variável de processo em algum estado estacionário
desejado (set-point). Consequentemente, o estado estacionário é um bom ponto em torno do
qual se pode desenvolver o modelo linearizado. Nestes casos, a variável desvio descreve
diretamente a magnitude do deslocamento do sistema do nível de operação desejado. Além
disso, se o controlador de um dado processo foi bem projetado, não permitirá que a variável
de processo se afaste muito do estado estacionário desejado. Desta forma o modelo linear
aproximado expresso em termos de variáveis desvio descreverá bem o comportamento
dinâmico do sistema.
Para sistemas com mais de uma variável, a metodologia para linearização é a mesma.
Considere o seguinte sistema dinâmico
dx1
f1 ( x1 , x 2 ) (2.9)
dt
dx 2
f 2 ( x1 , x 2 ) (2.10)
dt
Expanda as funções não lineares f1(x1,x2) e f2(x1,x2) em série de Taylor em torno do ponto
(x1,0,x2,0) e despreze os termos de ordem 2 e superiores
df df
f1 ( x1 , x 2 ) f1 ( x1,0 , x 2,0 ) 1 ( x1 x1,0 ) 1 ( x 2 x 2,0 ) (2.11)
dx1 ( x dx 2 ( x
1,0 , x 2,0 ) 1,0 , x 2,0 )
df df
f 2 ( x1 , x 2 ) f 2 ( x1,0 , x 2,0 ) 2 ( x1 x1,0 ) 2 ( x 2 x 2,0 ) (2.12)
dx1 ( x dx 2 ( x
1,0 , x 2,0 ) 1,0 , x 2,0 )
dx 2 df df
f 2 ( x1,0 , x 2,0 ) 2 ( x1 x1,0 ) 2 ( x 2 x 2,0 ) (2.14)
dt dx1 ( x dx 2 ( x
1,0 , x 2,0 ) 1,0 , x 2,0 )
Estas duas últimas equações são lineares e constituem o modelo linearizado que aproxima o
modelo não linear descrito pelas eqs. (2.9) e (2.10).
11
Para expressar o modelo linearizado em termos de variáveis desvio, selecione o estado
estacionário (x1,s, x2,s) como o ponto em torno do qual a linearização vai ser feita. No estado
estacionário as eqs. (2.9) e (2.10) levam a
0 f1 ( x1, s , x 2,s ) (2.15)
d( x 2 x 2, s ) df df
2 ( x1 x1, s ) 2 ( x 2 x 2, s ) (2.18)
dt dx1 ( x dx 2 ( x
1, s , x 2, s ) 1, s , x 2, s )
dx '1 df df
1 x1' 1 x '2 (2.19)
dt dx1 ( x dx 2 ( x
1, s , x 2, s ) 1, s , x 2, s )
dx '2 df df
2 x1' 2 x '2 (2.20)
dt dx1 ( x dx 2 ( x
1, s , x 2, s ) 1, s , x 2, s )
dx1
Logo, ax10 bx10 x 2 0 cx 2 0 2 (a bx 2 0 )(x1 x10 ) (bx10 2cx 2 0 )(x 2 x 2 0 )
dt
No estado estacionário:
dx10
0 ax10 bx10 x 2 0 cx 2 0 2
dt
Subtraindo as duas equações chegamos a:
d( x1 x10 )
(a bx 2 0 )(x1 x10 ) (bx10 2cx 2 0 )(x 2 x 2 0 )
dt
12
Mas (x1 x10 ) x1' e (x 2 x 20 ) x 2' , então a equação acima fica igual a:
dx1'
(a bx 2 0 ) x1' (bx10 2cx 2 0 ) x 2 '
dt
Substituindo os valores de x10, x20, a, b e c, chegamos a:
dx1'
3x1' 5x 2 '
dt
2.3-Alguns tipos de modelos matemáticos
a)Modelos de equações diferenciais
b)Modelos de diferenças finitas
c)Modelos de entrada saída (exemplo: modelos de função de transferência)
a)Modelos de equações diferenciais
Estes são modelos teóricos, baseados nas hipóteses fundamentais que balizam a
análise de problemas da engenharia química, que são normalmente os princípios de
conservação de massa e energia. Os balanços de massa e/ou energia dão origem a equações
diferenciais ordinárias e/ou parciais, geralmente combinadas com uma ou mais equações
algébricas. As equações algébricas podem descrever relações termodinâmicas (relações que
descrevem as situações de equilíbrio atingidas durante uma reação ou por uma ou mais fases),
equações de estado (por exemplo a lei dos gases ideais ou a equação de Van der Waals),
equações de taxa de transporte (taxas de transferência de massa, energia etc.), equações de
taxas cinéticas (descrevem as taxas de reações químicas), etc.
A aplicação dos princípios de conservação permite construir modelos para um grande
número de sistemas. No entanto, informações adicionais que não podem ser obtidas das
equações de balanço são freqüentemente necessárias. Por exemplo, saber como a densidade
de um fluido depende da temperatura ou como a velocidade da reação depende das
concentrações dos reagentes. Nestes casos, equações empíricas podem ser utilizadas para
descrever a fração desconhecida do modelo ou uma modelagem mais detalhada do fenômeno
pode ser utilizada. Por exemplo, pode-se dizer simplesmente que a velocidade de reação varia
com uma potência da concentração e tentar determinar o expoente a partir de experimentos,
introduzindo-se assim um certo grau de empirismo ao nosso modelo teórico, ou tentar
descrever o mecanismo de reação de forma detalhada para tentar desvendar a forma com que
a velocidade de reação depende da concentração do reagente.
Para a maioria dos sistemas de interesse para um engenheiro químico existem somente
três quantidades: massa, energia e momento. Frequentemente, no entanto, as variáveis
13
fundamentais não podem ser medidas diretamente. Nestes casos, selecionamos outras
variáveis que podem ser medidas e que agrupadas apropriadamente determinam o valor das
variáveis fundamentais. Então massa, energia e momento podem ser caracterizados por
variáveis tais como densidade, concentração, temperatura, pressão e vazão. Estas são as
chamadas variáveis de estado e os seus valores definem o estado de um sistema.
As equações que relacionam as variáveis de estado (variáveis dependentes) às
variáveis independentes são derivadas da aplicação de princípios de conservação nas
quantidades fundamentais e são chamadas de equações de estado.
O princípio da conservação de uma quantidade S diz que:
[acúmulo S]/tempo = [entrada S]/tempo - [saída S]/tempo + [geração S]/tempo
- [consumo S]/tempo
S pode ser:
massa total
massa dos componentes individuais
energia total
momento
Deve-se lembrar sempre que para os processos químicos a massa total e a energia total
não podem ser gerados nem desaparecer.
Revisando a forma mais usada das equações de balanço:
Balanço de massa total:
d(V)
i Fi j Fj (2.21)
dt i:entradas j:saídas
14
CA: concentração molar de A (moles/volume)
r: taxa de reação por unidade de volume para o componente A
h: entalpia específica
U, K, P: energias interna, cinética e potencial do sistema
Q: quantidade de calor trocada pelo sistema com o meio ambiente por unidade de tempo
(por condução, radiação ou reação)
Ws: trabalho realizado por unidade de tempo
Por convenção, uma quantidade é considerada positiva se entra no sistema e negativa
se sai.
As equações de estado com as variáveis de estado associadas constituem o modelo
matemático do processo, que simula o comportamento dinâmico do processo. A aplicação dos
princípios de conservação levam a um conjunto de equações diferenciais com as quantidades
fundamentais como variáveis dependentes e o tempo como a variável independente. A
solução das equações diferenciais determinam como as quantidades fundamentais, ou
equivalentemente, as variáveis de estado, mudam com o tempo, ou seja, o comportamento
dinâmico do processo.
Se as variáveis de estado não variam com o tempo, dizemos que o processo está em
estado estacionário. Neste caso a taxa de acúmulo é zero e, logo, os balanços resultantes são
um conjunto de equações algébricas.
Exemplo 2.2- Considere o tanque aquecedor do exemplo 1.1 (Figura 1.1). As quantidades
fundamentais cujos valores definem o estado do aquecedor são:
a massa total de líquido no tanque
a energia total do material no tanque
o momento
O momento permanece constante mesmo com as perturbações e não será considerado.
As variáveis de estado, logo, são:
massa total no tanque= V Ah
onde é a densidade do líquido, V é o volume de líquido, A é a área tranversal do tanque e h
é a altura do nível de líquido.
energia total do líquido no tanque=E=U+K+P
Se a velocidade de escoamento da entrada e saída não forem muito altas, o termo de energia
cinética é desprezível:dK/dt. Se a diferença de altura entre a entrada e saída não for alta a
energia potencial também é desprezível:dP/dt=0. Assim, dE/dt=dU/dt.
15
As equações de balanço são dadas por:
d(Ah)
balanço de massa total: Fi F
dt
onde Fi e F são as vazões volumétricas de entrada e saída.
Considerando-se que não varia com a temperatura
dh
A Fi F (2.24)
dt
balanço de energia total
d(VU )
Fi h i Fh Q
dt
Mas a entalpia é definida como
H U PV
dU dH
Para líquidos o termo P V é desprezível e
dt dt
Além disso H Cp(T Tref )
onde Cp é a capacidade calorífica do líquido no tanque e Tref é a temperatura de referência
onde a entalpia específica do líquido é assumida igual a zero. A equação se transforma em:
d[AhCp(T Tref )]
Fi Cp (Ti Tref ) FCp (T Tref ) Q
dt
onde Q é a quantidade de calor fornecida pelo vapor por unidade de tempo. Simplificando
(assume-se que Tref=0):
d(hT) Q
A Fi Ti FT
dt Cp
d(hT) dT dh
Mas, A Ah AT . Substituindo então a equação 2.24 e simplificando chega-se a
dt dt dt
dT Q
Ah Fi (Ti T) (2.25)
dt Cp
As variáveis nas equações 2.4 e 2.5 podem ser classificadas como segue:
variáveis de estado: h, T
variáveis de saída: h, T (medidas)
variáveis de entrada:
perturbações: Ti, Fi
variáveis manipuladas: Q,F (para controle feedback)
Fi (para controle feedforward)
Elementos adicionais dos modelos matemáticos
16
Além das equações de balanço, precisamos de outras relações para expressar equilíbrio
termodinâmico, taxas de reação, taxas de transporte para calor, massa, momento, etc. Estas
relações adicionais podem ser classificadas como:
Equações de taxas de transporte
São necessárias para descrever taxas de transferência de massa, energia e momento.
São estudadas em cursos de fenômenos de transporte. Por exemplo, o calor fornecido pelo
vapor no exemplo anterior é dado pela seguinte equação de transferência de calor:
Q UA t (TV T)
Tempo morto
Nos exemplos anteriores assumimos que sempre que uma mudança ocorre numa das
variáveis de entrada, seu efeito é instantaneamente observado nas variáveis de saída. Na
verdade, normalmente quando uma variável de entrada sofre uma mudança existe um
17
intervalo de tempo (curto ou longo) durante o qual nenhum efeito é observado nas saídas do
sistema. Este intervalo é chamado de tempo morto.
Exemplo 2.3- Considere o escoamento de um líquido incompressível através de um tubo
(Figura 2.1a). Se o tubo é termicamente isolado e o calor gerado pela fricção do fluido
escoando é desprezível, é fácil concluir que no estado estacionário a temperatura de saída do
tubo (Tout) é igual à de entrada (Tin). Se no tempo t=0 a temperatura de entrada muda como
mostrado pela curva A mostrada na Figura 2.1b é claro que a temperatura na saída (Tout) vai
permanecer a mesma até que a mudança chegue ao final do tubo. Então vamos observar a
temperatura de saída mudando, como mostrado na curva B na Figura 2.1b. Notamos que a
mudança na temperatura de saída segue a mesma forma da mudança na entrada com um
atraso de td segundos. td é o tempo morto e a partir de considerações físicas é fácil ver que:
volume do tubo AL L
td
vazão volumétrica AU av U av
onde Uav é a velocidade média do fluido através da área transversal do tubo, assumida
constante. Podemos relacionar Tin e Tout como:
Tout (t ) Tin (t td)
Figura 2.2
Exemplos adicionais
Exemplo 2.4: Modelo matemático de um CSTR
18
Considere o CSRT do exemplo 1.2 (Figura 1.4), onde uma reação simples exotérmica
A B acontece no reator, que é resfriado por um fluido refrigerante que escoa através de
uma jaqueta em torno do reator.
As quantidades fundamentais do reator são:
massa total de mistura reativa no reator
massa do componente A na mistura reativa
energia total da mistura reagente no tanque
A massa do componente B pode ser calculada a partir dos balanços do componente A
e global. Logo, este balanço não é independente. (massa total = massa A + massa B). A massa
se conserva, mas não o número de moles dos componentes.
Os balanços são:
d(V)
balanço global: i Fi F
dt
dV
considerando =cte, temos: Fi F
dt
balanço para o componente A:
dn A d(C A V)
C Ai Fi C A F rV
dt dt
Substituindo a equação de balanço global (dV/dt) e simplificando:
E
dC A Fi
(C Ai C A ) k 0 e RT C A
dt V
balanço de energia:
dH d[Vcp (T Tref )]
Fi cp(Ti Tref ) Fcp(T Tref ) (Hr)rV Q
dt dt
onde Hr é o calor de reação, que por convenção é negativo para reação exotérmica e Q é o
calor retirado pela jaqueta.
Simplificando chega-se a:
dT Fi (Hr)r Q
(Ti T)
dt V Cp CpV
Exemplo 2.5- Considere o CSTR com duas fases mostrado na Figura 2.3. Correntes de
líquido (F)e vapor (Fv) são retiradas do tanque. A pressão no tanque é P. Os volumes de
líquido e vapor são V e Vv. A densidade e temperatura da fase vapor são v e Tv. A fração
molar de A no vapor é y.
19
Figura 2.3
Se as fases estão em equilíbrio térmico, as temperaturas do vapor e líquido são iguais
(T=Tv). Se existe equilíbrio de fases, as composições do líquido e do vapor estão relacionadas
pela lei de Raoult, por uma relação de volatilidade relativa ou alguma outra relação de
equilíbrio líquido-vapor. A entalpia da fase vapor (H) é uma função da composição y, da
temperatura Tv e da pressão. Desprezando os termos de energia cinética, potencial e trabalho
e substituindo as energias internas por entalpias, a equação de balanço global de energia se
transforma em:
d(vVv H VL h )
F0 0 h 0 Fh FvvH Q (Hr)Vr
dt
Pode-se substituir a entalpia do líquido por h=CpT e a do vapor por H=CpT+v, onde v é o
calor de vaporização da mistura. A equação se transforma em:
d(vVv (CpT v) VLCpT)
F00CpT0 FCpT Fvv(CpT v) Q (Hr)Vr
dt
b)Modelos de diferenças finitas
Modelos com equações de diferenças finitas correspondem à discretização de modelos
de equações diferenciais e são normalmente usados em sistemas de controle digital.
Exemplo 2.6: discretização de um modelo de 1a ordem. Considere o processo
dy
f ( x, y) (2.26)
dt
Discretizando, temos
dy y n y n 1
(2.27)
dt t
dy y n 1 y n
ou (2.28)
dt t
Usando a eq. (2.27) temos a equação de diferenças finitas
yn yn 1 t. f ( yn 1, x n 1 ) (2.29)
20
Exemplo 2.7: discretização de um modelo de 2a ordem.
d 2y dy
a1 a0y x (2.30)
2 dt
dt
d2y d dy d y n y n 1 1
2 ( y n 2 y n 1 y n 2 ) (2.31)
dt 2 dt dt dt t t
1 a1 2 a1 1
2 yn 2 a 0 y n 1 2 y n 2 x n 1 (2.32)
t t t t t
Figura 2.4
ou seja, usando-se a Figura 2.4:
yi f ( m1, m 2 ,..., m k ; d1, d 2 ... d L ) para i=1,2,…,m. (2.34)
Estes modelos que descrevem diretamente a relação entre as variáveis de entrada e
saída de um processo são chamados de modelos de entrada-saída. Existem diversos tipos de
modelo de entrada-saída, entre eles os modelos de resposta ao degrau, os modelos de
convolução, os modelos de funções de transferência e até mesmo as redes neuronais.
21
Os modelos de função de transferência usam transformadas de Laplace. Estas
transformadas são muito usadas em controle de processos, já que permitem o
desenvolvimento de representações dinâmicas bastante simples de processos químicos. Elas
transformam equações diferenciais lineares ou linearizadas em equações algébricas, com as
quais é muito mais fácil trabalhar, e permitem uma análise rápida da dinâmica do processo.
Além disso, elas fornecem uma relação direta entre as entradas e saídas do processo.
A transformada de Laplace de uma função f(t) é definida da seguinte forma:
L [f(t)] f(s) f(t)e-st dt (2.35)
0
Figura 2.5
dny d n 1y dy
an a n 1 ..... a1 a 0 y bf ( t ) (2.39)
n n 1 dt
dt dt
22
onde f(t) e y(t) são as variáveis de entrada e saída do processo, respectivamente. As duas são
descritas como variáveis desvio. Considere que o sistema inicialmente está no estado
estacionário. Logo
dy d2y d n 1 y
y( 0) ........ n 1 0 (2.40)
dt t 0 dt 2 t 0 dt t 0
Ou equivalentemente
y(s) G1(s)f1(s) G 2 (s)f2 (s) (2.46)
onde G1(s) e G2(s) são duas funções de transferência que relacionam a saída do processo a
cada uma das entradas. Estas relações estão mostradas no diagrama de blocos da figura 2.6b.
Um procedimento semelhante pode ser aplicado a qualquer sistema com uma saída e várias
entradas, como mostrado na figura 2.7.
23
Figura 2.6
Figura 2.7
Resumindo, pode-se definir a função de transferência entre uma entrada e uma saída
da
seguinte forma
transformada de Laplace da saida, em variaveis desvio
G( s ) (2.47)
transformada de Laplace da entrada, em variaveis desvio
24
25
26
c.1.3) Inversão de transformadas de Laplace (Expansão por frações parciais ou
expansão de Heaviside)
O ponto crítico para se achar a solução de uma equação diferencial usando
transformadas de Laplace é a inversão destas transformadas para voltar ao domínio do tempo.
Vamos então estudar o método das frações parciais para inversão destas transformadas.
Considere que a transformada de Laplace de uma função desconhecida x (t) é dada
por:
Q(s)
x (s)
P(s)
Para calcular C2 deve-se multiplicar ambos os lados da eq. (2.48) por (s+1):
s2 s 6 C (s 1) C (s 1)
x (s) 1 C2 3
(s 1)(s 2) (s 1) (s 2)
Para calcular C3 deve-se multiplicar ambos os lados da eq. (2.48) por (s-2):
s2 s 6 C (s 2) C2 (s 2)
x (s) 1 C3
(s 1)(s 1) (s 1) (s 1)
Para calcular C1, multiplica-se ambos os lados da equação acima por [s-(1+2j)]
s 1 C [s (1 2 j)]
C1 2
[s (1 2 j)] s (1 2 j)
Então
e 2 jt cos 2t j sen 2t
e
e 2 jt cos(2t ) j sen(2t ) cos 2t j sen 2t
Então
et et
x(t) [(1 j)e 2 jt (1 j)e 2 jt [(1 j)(cos2t j sen 2t ) (1 j)(cos2t j sen 2t )]
2 2
e t (cos2t sen 2t )
29
Relembrando a identidade trigonométrica:
a1 cos b a 2 sen b a3 sen(b )
onde
a1
a3 a12 a 2 2 e tan 1
a2
Então a resposta é
x(t ) et 2 sen(2t )
onde =tan-1(1/1)=45º
Então, sempre que um polinômio P(s) tiver raízes complexas :
-elas sempre serão pares complexos conjugados
-os coeficientes dos termos correspondentes na expansão em frações parciais também serão
complexos conjugados um do outro.
-darão origem a um termo periódico (ex. onda senoidal).
Caso 3- P(s) com raízes múltiplas
Considere a transformada de Laplace:
1
x (s)
3
(s 1) (s 2)
Fazendo s=-1, tanto o lado esquerdo quanto o termo envolvendo C3 tendem a infinito. O
mesmo problema acontece se tentarmos calcular C1. Então, um procedimento alternativo deve
ser usado. Diferencie ambos os lados da eq. (2.51) com relação a s e obtenha:
1 (s 1) 2 (2s 5)
2C1(s 1) C2 C4 (2.52)
(s 2) 2 (s 2) 2
Para sistemas fisicamente realizáveis, o polinômio Q(s) será sempre de ordem menor do que o
P(s).
As raízes do polinômio Q(s) são chamadas de zeros da função de transferência ou
zeros do sistema cuja dinâmica é descrita pela função de transferência G(s). Quando a
variável s assume os valores dos zeros de Q(s), a função de transferência é igual a zero.
As raízes do polinômio P(s) são chamadas de pólos da função de transferência, ou
equivalentemente de pólos do sistema. Nos pólos de um sistema a função de transferência
tende ao infinito.
Se sabemos onde os pólos de um sistema estão localizados, podemos determinar as
características qualitativas da resposta do sistema a uma entrada em particular sem cálculos
adicionais. Por exemplo, considere que a função de transferência de um sistema dada por:
Q(s)
G(s)
(s p1)(s p2)(s p3) m (s p4)(s p4*)(s p5)
31
onde p1, p2, p3, p4, p4* e p5 são as raízes de P(s), ou seja, os pólos do sistema. As seguintes
observações podem ser feitas sobre a localização dos pólos:
1- Pólos distintos e reais, tais como p1 e p2 na Figura 2.8, estão localizados no eixo real.
Durante a inversão da transformada de Laplace, dão origem a termos exponenciais tais como
C1e p1t e C2e p2t. Como p1<0, C1e p1t cai exponencialmente para zero para t (Figura 2.9a).
p2t
Como p2>0, C2e aumenta exponencialmente conforme t (Figura 2.9b). Então, pólos
distintos no eixo real negativo produzem termos que caem para zero com o tempo, enquanto
pólos positivos reais fazem com que a resposta tenda a infinito com o tempo.
2-Múltiplos pólos reais, tais como p3, que são repetidos m vezes, levam a termos como:
C 32 C C
C 31 t 33 t 2 ... 3m t m1 e p3t
1! 2! (m 1)!
O termo entre colchetes tende à infinito com o tempo. O comportamento do termo
exponencial depende do valor do pólo p3:
Se p3>0 então ep3t quando t.
Se p3<0 então ep3t0 quando t.
Se p3=0 então ep3t=1 pata todo tempo t.
Então pólos reais e múltiplos levam a termos que tendem ao infinito, se o pólo é
positivo ou zero, ou decaem para zero, se o pólo é negativo.
Figura 2.8
32
Figura 2.9
3-Pólos conjugados e complexos, tais como p4 e p4*. Deve-se enfatizar que estas pólos
sempre aparecem em pares conjugados e nunca sozinhos. Seja p4=a+jb e p4=a-jb. Na
at
inversão estes levam a termos tais como e sen(bt+). A função sen(bt+) é periódica e
oscilatória e o comportamento de e at depende do valor da parte real a. Então:
Se a>0, então e at quando t, e e at
sen(bt+) tende para infinito de forma oscilatória
(Figura 2.10a).
Se a<0, então e at0 quando t, e e at
sen(bt+) cai para zero de forma oscilatória com
amplitude decrescente (Figura 2.10b).
Se a=0, então e at=1 para todo t, e e at
sen(bt+)=sen(bt+), que oscila continuamente com
amplitude constante (Figura 2.10c).
Figura 2.10
Então, um par de complexos conjugados como pólos levam a comportamento oscilatório, cuja
amplitude pode crescer continuamente se a parte real do pólo complexo for positiva, decrescer
para zero se a parte real do complexo for negativa ou permanecer constante se a parte real for
zero.
33
Observações
1-O comportamento descrito acima é geral e descreve qualquer sistema. Assim, pode-se
encontrar as características qualitativas da resposta do sistema se sabemos onde os pólos da
sua função de transferência estão localizados. Para uma entrada particular f(t) devemos
considerar as raízes adicionais introduzidas pelo denominador de f(s) antes de ter o quadro
completo da resposta do sistema.
2-Pólos à direita do eixo imaginário levam a termos que crescem para o infinito com o tempo.
Tais sistemas com comportamento não limitado são chamados de instáveis. Assim, um
sistema será estável (ou seja, com resposta dentro de limites) se todos os pólos estão situados
à esquerda do eixo imaginário (Figura 2.8).
34
3-Comportamento Dinâmico
Definimos
a1 b
p e Kp
a0 a0
35
Resposta dinâmica de um processo de primeira ordem
Imagine um processo com função de transferência dada pela eq.(3.3). Vamos examinar
como ele responde a um degrau unitário em f(t). Como f(s)=1/s, da eq. (3.3) temos:
Kp Kp K p p
y(s)
s(ps 1) s ps 1
d2y dy
2 2 y K pf ( t ) (3.6)
2 dt
dt
onde 2=a2/a0, 2=a1/a0 e Kp=b/a0. A equação (3.6) está na forma padrão de um sistema de
segunda ordem, onde
=período natural de oscilação do sistema
=fator de amortecimento
Kp=ganho de estado estacionário, ganho estático ou simplesmente ganho do sistema.
Se a eq. (3.6) está escrita em termos de variáveis desvio, as condições iniciais são
iguais a zero e a sua transformada de Laplace leva à seguinte função de transferência:
y(s) Kp
G(s) (3.7)
2 2
f (s) s 2s 1
Os dois pólos da função de transferência são dadas pelas duas raízes do polinômio
característico
2s 2 2s 1 0
36
e são
2 1 2 1
p1 e p2
Logo, a eq. 3.8 se transforma em:
K p / 2
y(s) (3.9)
s(s p1)(s p2)
e a forma da resposta y(t) vai depender da localização dos dois pólos, p1 e p2, no plano
complexo. Pode-se distinguir três casos distintos:
Caso A: quando > 1, temos dois pólos distintos e reais
Caso B: quando = 1, temos dois pólos iguais (pólos múltiplos)
Caso C: quando < 1, temos dois pólos complexos conjugados
Caso A: Sistema super amortecido ( > 1)
Neste caso a inversão da eq. 3.9 por expensão por frações parciais leva a:
t t
y( t ) K p 1 e t / cosh 2 1 senh 2 1 (3.10)
2 1
37
A resposta também está mostrada na Figura 3.1. Notamos que um sistema de segunda
ordem com amortecimento crítico se aproxima do seu valor final mas rápido do que um
sistema super amortecido.
Figura 3.1
Caso C: Resposta sub amortecida ( < 1)
A inversão da eq. 3.9 neste caso leva a:
t
1
y( t ) K p 1 e sen(wt ) (3.12)
1 2
onde
1 2
w (3.13)
e
1 2
tan1 (3.14)
A reposta está mostrada na Figura 3.1 para vários valores do fator de amortecimento.
Pode-se observar o seguinte:
1-A resposta sub amortecida é inicialmente mais rápida do que a criticamente amortecida ou
super amortecida, que é caracterizada como lenta.
38
2-Embora a resposta sub amortecida seja inicialmente mais rápida e atinja o seu valor final
rapidamente, não permanece lá, mas começa a oscilar com amplitude progressivamente
decrescente. Este comportamento oscilatório faz a resposta sub amortecida completamente
diferente das outras.
3-O comportamento oscilatório se torna mais pronunciado com valores menores do fator de
amortecimento ().
Deve ser enfatizado que quase todas as respostas sub amortecidas numa planta
química são causadas pela interação de controladores com as unidades de processo que eles
controlam. Assim, este é um tipo de resposta que vamos encontrar com bastante frequência e
é importante nos familiarizarmos com as suas características.
39
2
razão de declínio exp )2
(overshoot
1 2
Esta equação também foi traçada na Figura 3.3.
4- Período natural de oscilação: um sistema de segunda ordem com =0 é um sistema sem
amortecimento. Sua função de transferência é:
Kp K p / 2
G (s)
2s 1 1 1
(s j )(s j )
ou seja, tem dois pólos imaginários puros e vai oscilar continuamente com amplitude
constante e frequência natural igual a:
1
wn
O período cíclico correspondente Tn é dado por:
Tn 2
5- Tempo de resposta: a resposta de um sistema sub amortecido atingirá o seu valor final de
forma oscilatória quando t→. Para questões práticas considera-se que a resposta atingiu o
valor final quando está dentro da faixa de 5% do valor final e permanece ai. O tempo
40
necessário para a resposta chegar neste ponto é conhecida como tempo de resposta e também
está mostrado na Figura 3.2.
6-Tempo de ascensão: este termo é usado para caracterizar a velocidade com a qual o sistema
responde. É definido como o tempo necessário para a resposta atingir o seu valor final pela
primeira vez (ver Figura 3.2). Pela Figura 3.1b pode-se ver que quanto menor o valor de ,
menor o tempo de ascensão, ou seja, mais rápida é a resposta do sistema, mas ao mesmo
tempo maior é o valor do overshoot.
41
4-Sistemas de Controle Feedback (Controle por Realimentação de Estados)
4.1-Introdução
Considere o processo genérico mostrado na Figura 4.1a. Ele tem uma saída y, uma
perturbação potencial d e uma variável manipulada m.
(a)
(b)
Figura 4.1- (a) Processo; (b) Malha de controle correspondente.
Existem duas situações nas quais um sistema de controle pode ser requerido. Na
primeira, a perturbação d, também chamada de carga, muda de maneira imprevisível e o
objetivo do controle é manter a saída y num valor desejado. Este é o chamado problema de
controle regulatório. Na segunda, é feita uma mudança no valor do estado estacionário
desejado (set point) e o objetivo do controle é levar a saída y ao novo estado estacionário.
Este é o chamado problema de controle servo. Em ambos os casos a ação de controle
feedback é a seguinte:
mede-se o valor da saída y usando um equipamento de medida adequado
compara-se o valor medido da saída ym ao valor de set point (ysp). O erro é calculado por
=ysp-ym.
42
o valor do erro é alimentado ao controlador. Este muda o valor da variável manipulada m
de forma a reduzir o erro. O controlador geralmente não afeta a variável manipulada m
diretamente, mas através de um elemento final de controle.
A figura 4.1b mostra estes três passos. O sistema na figura 4.1a é dito estar em malha
aberta, em contraste com o sistema controlado da figura 4.1b, que é dito estar em malha
fechada.
Vantagens do controle feedback:
o sistema de controle não requer nenhum conhecimento da fonte ou natureza da
perturbação.
para fazer um sistema feedback funcionar só é necessário saber se a variável manipulada
faz a variável controlada aumentar ou diminuir.
Desvantagens:
A principal desvantagem do controle feedback é que a perturbação atinge o processo e
somente depois que a saída controlada se afasta do set point é que o sistema de controle toma
alguma ação. Embora a maioria dos processos permitam alguma flutuação da variável
controlada dentro de uma certa faixa, existem duas condições que fazem com que o controle
feedback não funcione bem. Uma delas é a ocorrência de perturbações de grande magnitude
que sejam fortes o suficiente para afetar seriamente ou mesmo danificar o processo. O outro
caso é o de processos com grandes atrasos (lag).
Os componentes de uma malha de controle feedback são
processo: equipamentos físicos do processo (tanques, trocadores de calor, reatores etc)
instrumentos de medida ou sensores: tais instrumentos são usados para medir a variável de
saída e são as principais fontes de informação sobre o que acontece com o processo.
Exemplos característicos são
-termopares ou termômetros de resistência para medir a temperatura
-tubos de venturi para medir vazões
-cromatógrafos gasosos para medir a composição de uma corrente
Um termômetro de mercúrio não é um instrumento de medida apropriado para ser
usado num sistema de controle já que a sua medida não pode ser prontamente transmitida. Por
outro lado, um termopar é aceitável, porque gera uma voltagem elétrica que pode ser
prontamente transmitida. Logo, a transmissão é um fator crucial na seleção de equipamentos
de medida.
43
transdutores: muitas medidas não podem ser usadas para controle até que tenham sido
convertidas em quantidades físicas (tais como voltagem elétrica ou corrente, ou um sinal
pneumático, isto é, líquido ou ar comprimido) que possam ser transmitidas facilmente. Os
transdutores são usados com o propósito de fazer esta conversão. Por exemplo, existem
condutores metálicos cuja resistência elétrica muda quando eles são sujeitos a pressão
mecânica. Logo, podem ser usados para converter um sinal de pressão para um elétrico.
linhas de transmissão: usadas para carregar o sinal medido do sensor ao controlador e do
controlador ao elemento final de controle. Estas linhas podem ser pneumáticas (ar
comprimido) ou elétricas. Muitas vezes o sinal vindo de um equipamento de medida é
muito fraco e não pode ser transmitido por uma distância longa. Nestes casos, as linhas de
transmissão são equipadas com amplificadores que elevam o nível do sinal. Por exemplo, a
saída de um termopar é da ordem de milivolts. Antes de ser transmitida ao controlador, ela
é amplificada ao nível de volts.
controlador: também inclui a função do comparador. esta é a unidade com lógica que
decide quanto mudar o valor da variável manipulada. Requer a especificação do valor
desejado (set point).
elemento final de controle: é o equipamento que recebe o sinal de controle e o implementa
fisicamente ajustando o valor da variável manipulada. A válvula de controle é o elemento
final de controle mais usado, mas não o único. Outros elementos finais de controle usados
em processos químicos são:
-interruptores de revezamento, para controle on-off
-bombas de velocidade variável
-compressores de velocidade variável
Cada um destes elementos deve ser visto como um sistema físico com uma entrada e
uma saída. Consequentemente, o seu comportamento pode ser descrito, por exemplo, por uma
equação diferencial ou uma função de transferência.
4.2- Controladores feedback
Entre o equipamento de medida e o elemento final de controle está o controlador. A
sua função é receber o sinal da saída medida ym(t) e, após compará-lo com o set point ysp,
produzir um sinal c(t) de forma a retornar a saída para o valor desejado ysp. Logo, a entrada
para o controlador é o erro (t)=ysp-ym(t), enquanto a saída é c(t). Os vários tipos de
controladores diferem na forma em que relacionam (t) e c(t).
Há três tipos básicos de controladores feedback:
44
proporcional
proporcional-integral
proporcional-integral-derivativo
45
O controlador proporcional ideal descrito pela eq. (4.1) e mostrado na Figura 4.2a não
inclui limitações físicas na saída do controlador. Uma representação mais real é mostrada na
Figura 4.2b. Diz-se que o controlador fica saturado quando a sua saída chega a um limite, cmin
ou cmax.
46
Kc t
c ' ( t ) K c ( t ) ( t )dt (4.5)
I 0
Podemos explicar a origem do termo reset (reajuste). Considere que o erro mude num
degrau de magnitude . Pela equação 4.4 pode-se ver que no tempo t=0 a saída do controlador
c'(t) é igual a Kc ( a contribuição do termo integral é zero). Depois de I minutos, a
contribuição do termo integral é:
K c I K
( t )dt c I K c (4.6)
I 0 I
Ou seja, a ação integral "repete" a resposta da ação proporcional. Esta repetição ocorre
a cada I minutos. Tempo de reset, então, é o tempo necessário para o controlador repetir a
ação proporcional inicial na saída.
A ação integral faz com que a saída do controlador c(t) mude enquanto existir um erro
na saída do processo. Logo, este controlador pode eliminar mesmo pequenos erros.
Uma desvantagem da ação de controle integral está relacionada justamente a esta
característica de que a saída muda enquanto houver erro. Frequentemente os erros não são
eliminados rapidamente e, passado algum tempo, produzem valores cada vez maiores para o
termo integral, que por sua vez continua aumentando a ação de controle até a saturação (por
exemplo, a válvula completamente aberta ou fechada). Esta condição é chamada integral
windup e ocorre quando um controlador PI ou PID encontra um erro sustentado, como, por
exemplo, durante a partida de um processo em batelada ou depois de uma grande mudança de
set point. Pode também ocorrer em consequência de uma grande perturbação de carga
sustentada que está além da faixa da variável manipulada. Existem controladores comerciais
que apresentam antireset windup, que retira a ação integral temporariamente sempre que a
saída do controlador está saturada e depois a retorna.
A partir da equação 4.5 pode-se calcular a função de transferência para o controlador
PI:
c(s) 1
Gc (s) K c 1 (4.7)
(s) Is
obs.: A transformada de Laplace da integral é dada por:
t
1
L f ( t )dt f (s)
0
s
4.2.3- Controlador proporcional-integral-derivativo (PID)
A saída deste controlador é dada por
47
Kc t d
c( t ) K c ( t ) ( t )dt K c D cs (4.8)
I 0 dt
48
5- Comportamento dinâmico de processos com controle feedback
49
A série de blocos entre o comparador e a saída controlada (Gc, Gf e Gp) constituem o
caminho "para frente" (forward) e o bloco Gm está no caminho da realimentação (feedback)
entre a saída controlada e o comparador.
Substituindo-se a equação 5.2 na 5.3, a equação resultante na 5.4, a equação resultante
na 5.5 obtém-se:
m(s) Gf (s)Gc (s)(ysp(s) y(s)Gm (s)) (5.6)
E substituindo-se a equação 5.6 na 5.1, chega-se a:
Gp (s)Gf (s)Gc (s) Gd (s)
y(s) ysp(s) d(s) (5.7)
1 Gp (s)Gf (s)Gc (s)Gm (s) 1 Gp (s)Gf (s)Gc (s)Gm (s)
A equação 5.7 descreve a resposta do sistema em malha fechada. Pode-se notar que ela é
composta de dois termos. O primeiro mostra o efeito de uma mudança no set point na saída,
enquanto o segundo mostra o efeito de uma mudança na carga (perturbação). As funções de
transferência são conhecidas como funções de transferência da malha fechada. Assim:
GpGfGc
Gsp (5.8)
1 GpGfGcGm
Figura 5.2
50
Processo:
Escrevendo o modelo do processo (vide exemplo 2.2):
dT Q
V Fi (Ti T)
dt Cp
Mas Q UA t (TV T)
Então:
dT UA t (TV T)
V Fi (Ti T)
dt Cp
dT UA t UA t
V (Fi )T Fi Ti Tv
dt Cp Cp
No estado estacionário:
0 Ts KdTis K pTvs (5.11)
51
(s) Tsp(s) Tm(s) (5.14)
e considerando um controlador proporcional a saída é dada por:
c(s) Kc(s) (5.15)
Válvula de controle:
Assumindo dinâmica de primeira ordem:
Kv
Tv (s) c(s) (5.16)
vs 1
A Figura 5.3 mostra o diagrama de blocos para o sistema em malha fechada com as
funções de transferência para cada componente da malha. A resposta em malha fechada é
facilmente encontrada:
T(s) Gsp (s)Tsp(s) Gc arg aTi(s) (5.17)
onde:
Kp Kv
[kc]
ps 1 vs 1
Gsp (5.18)
Kp Kv
1 [Km][Kc]
ps 1 vs 1
Kd
ps 1
Gc arg a (5.19)
Kp Kv
1 [Km][Kc]
ps 1 vs 1
52
Observação: Para montar a função de transferência global em malha fechada use as seguintes
regras:
1-O denominador das funções de transferência globais para mudanças na carga ou no set point
é o mesmo e é dado por:
1+produto das funções de transferência na malha
ou
1 GpGfGcGm
2-O numerador da função global de transferência é o produto das funções de transferência no
caminho forward entre o set point ou carga e a saída controlada. Então:
(a) As funções de transferência no caminho forward entre o set point Tsp e a saída T são: Gc,
Gf e Gp. Logo, o numerador é GcGfGp.
(b) As funções de transferência no caminho forward entre a carga Ti e a saída é somente Gd.
Assim, o numerador correspondente é Gd.
Estas regras podem ser usadas para calcular a função de transferência global entre uma
entrada em qualquer ponto da malha e uma saída.
53
5.2- Efeito do controle proporcional na resposta de um processo
A resposta em malha fechada de um processo é dada pela equação 5.7. Para
simplificar a análise vamos assumir que Gm(s)=1 e Gf(s)=1. Além disso, para o controlador
proporcional Gc(s)=Kc e a equação 5.7 se transforma em:
GpKc Gd
y(s) ysp(s) d(s) (5.20)
1 GpKc 1 GpKc
K 'p K 'd
y(s) ysp(s) d(s) (5.24)
' p s 1 ' p s 1
onde
p
'p
1 K p K c
KpKc
K 'p
1 K p K c
54
Kd
K 'd
1 K p K c
Os parâmetros K'p e K'd são conhecidos como ganhos estáticos em malha fechada.
Pela equação 5.24 podemos concluir que a resposta em malha fechada de um sistema
de primeira ordem tem as seguintes características:
1- Permanece de primeira ordem para perturbações de carga e set point.
2- A constante de tempo foi reduzida (ou seja, 'p<p), o que significa que a resposta em
malha fechada se tornou mais rápida do que a resposta em malha aberta para mudanças no
set point ou carga.
3- O ganho estático diminuiu.
Para entender melhor o efeito do controlador proporcional, considere um degrau unitário
no set point (problema servo) e na carga (prblema regulatório) e examine as respostas em
malha fechada. Para o problema servo, ysp(s)=1/s e d(s)=0. então, a equação 5.24 leva a :
K 'p 1
y(s)
'
ps 1 s
e a inversão
t / 'p
y( t ) K 'p (1 e )
A figura 5.4a mostra a resposta do sistema em malha fechada para uma perturbação
degrau unitário no set point. Notamos que a resposta final, pata t, nunca atinge o novo
valor desejado ysp. Há sempre uma discrepância chamada de offset que é igual a
K pKc 1
offset = novo set point - valor final da resposta= 1 K 'p 1
1 K pKc 1 K pKc
Figura 5.4- Resposta de sistemas de primeira ordem com controle P, para (a) degrau unitário
no set point; (b) degrau unitário na carga.
55
O offset é um efeito característico do controle proporcional. Ele diminui conforme Kc
aumenta e teoricamente offset0 quando Kc.
Para o problema regulatório, ysp(s)=0. Considere um degrau unitário na carga, ou seja,
d(s)=1/s. Então a equação 5.24 leva a:
K 'd 1
y(s)
' p s 1 s
e depois da inversão
t / 'p
y( t ) K 'd (1 e )
A Figura 5.4b mostra esta resposta. Notamos novamente que o controlador proporcional não
consegue manter a resposta no valor desejado, ao invés disso aparece um offset:
Kd
offset = (valor desejado) - (valor final da resposta)= 0 K 'd
1 K pKc
Substitua esta equação na equação 5.20 e, lembrando que para o problema servo
d(s)=0, temos:
56
K 'p
y(s) ysp(s) (5.26)
(' ) 2 s 2 2''s 1
onde
p
'
1 K pKc
'
1 K pKc
K pKc
K 'p
1 K pKc
Dependendo do valor de ', a inversa da expressão acima pode ser dada por:
eq. 3.10 para o caso super amortecido ( ' > 1), ou
eq. 3.11 para o caso criticamente amortecido ( ' = 1), ou
eq. 3.12 para o caso sub amortecido ( ' < 1)
Independentemente do valor particular de ', o valor final da resposta pode ser
encontrado pelo teorema do valor final. Então
K pKc
y( t ) lim [sy (s)] K 'p
s 0 1 K pKc
57
1- Se ' >1, a resposta do sistema em malha fechada é super amortecida e muito lenta. Então
preferimos aumentar o valor de Kc e fazer ' < 1. Assim, a resposta em malha fechada reage
mais rápido, mas se torna oscilatória. Além disso, aumentando Kc o offset diminui.
2- O aumento da velocidade da resposta do sistema e diminuição do offset, características
desejáveis, levam a maiores overshoots (erros máximos) e respostas oscilatórias por mais
tempo. Então, conforme Kc aumenta, fazendo com que ' diminua:
pela equação que define o overshoot (página 39) vemos que este aumenta
pela equação que define a razão de declínio (página 40) vemos que esta também aumenta
pela equação que define o período de oscilação, T (página 40), vemos que este diminui
Todas as características descritas acima estão mostradas na Figura 5.5.
58
K p
Kc 1
ps 1 Is
y(s) ysp(s)
K p 1
1 Kc
ps 1 Is
ou
1
y(s) ysp(s) (5.27)
2 2
s 2s 1
onde:
I p
(5.28)
K pKc
1 I
(5.29)
2 p K p K c
A equação 5.27 mostra um efeito importante da ação de controle integral: ela aumenta
a ordem da resposta em malha fechada. Assim, para um sistema que é de primeira ordem sem
controle, a resposta em malha fechada se torna de segunda ordem e consequentemente pode
apresentar características dinâmicas completamente diferentes. Além disso, como vimos
anteriormente, aumentando a ordem de um sistema tornamos a sua resposta mais lenta.
Assim, a ação de controle integral pura deve fazer com que a resposta do sistema em malha
fechada se torne mais lenta.
vamos examinar o comportamento dinâmico de um sistema em malha fechada quando
o set point muda por um degrau unitário. Da equação 5.27 temos:
1 1
y(s)
2 2
s 2s 1 s
A forma da resposta y(t) depende do valor de , mas o valor final da resposta pode ser
encontrado usando o teorema do valor final:
y(t ) lim [sy(s)] 1
s 0
Logo,
offset=1-1=0
Isto mostra o efeito mais característico da ação integral: A ação de controle integral
elimina qualquer offset.
Pode-se verificar facilmente que para o problema regulatório a ação de controle
integral produz uma resposta em malha fechada também sem offset.
Observações:
59
A equação 5.29 mostra que a forma da resposta em malha fechada (ou seja, super
amortecida, criticamente amortecida ou sub amortecida) depende do valor do ganho do
controlador, Kc, e da constante de tempo integral, I. Assim, sintonizar estes parâmetros é uma
questão importante que será discutida mais tarde.
Da equação 5.29 vemos, ainda, que, conforme Kc aumenta, o fator de amortecimento
diminui. As consequências da diminuição de são:
(a) A resposta em geral se transforma de lenta e super amortecida em rápida porém
oscilatória e sub amortecida.
(b) O overshoot e a razão de declínio da resposta em malha fechada aumentam.
Assim, pode-se concluir que podemos melhorar a velocidade da resposta em malha fechada,
mas aumentando os desvios e oscilações. A Figura 5.6 mostra estas características para
mudanças de set point.
Da equação 5.29 vemos também que conforme I diminui, diminui também. Entretanto,
as consequ~encias de diminuir I na resposta em malha fechada são as mesmas descritas
acima. A figura 5.7 mostra estes efeitos.
As conclusões acima podem ser resumidas da seguinte forma:
Aumentando a ação de controle integral (ou seja, aumentando Kc e diminuindo I) a
resposta em malha fechada se torna mais sensível. Mais tarde veremos que isto pode
levar à instabilidade do sistema.
60
Figura 5.7- Efeito da constante de tempo integral na resposta em malha fechada de sistemas
de primeira ordem com controle integral.
5.4- Efeito da ação de controle derivativa
Para ação de controle derivativa somente, temos:
Gc KcDs
controlado é mais lenta do que a do processo de primeira ordem original. Além disso,
conforme Kc aumenta, a constante de tempo efetiva aumenta e a resposta se torna
progressivamente mais lenta.
61
Outras observações:
1- É bastante interessante examinar o efeito da ação de controle derivativa na resposta de um
sistema de segunda ordem. Assumindo novamente que Gm=Gf=1, a resposta em malha
fechada para o problema servo é:
Kp
KcDs
2s 2 2s 1
y(s) ysp(s)
Kp
1 KcDs
2s 2 2s 1
ou
K p K c Ds
y(s) ysp(s)
2s 2 (2 K p K c D )s 1
62
4- Conforme I aumenta, para Kc constante, a resposta se torna mais rápida, mas também mais
oscilatória, com maiores overshoots e taxas de declínio (efeito do modo integral).
5.5.2- Efeito do controle PID
Combinação dos três modos de controle levam a resposta em malha fechada que tem
em geral as mesmas características do controle PI. Vamos descrever então o maior benefício
introduzido pela ação de controle derivativa.
Já vimos que a presença do controle integral torna a resposta em malha fechada mais
lenta. Para aumentar a velocidade da resposta em malha fechada podemos aumentar o valor
do ganho Kc. Mas aumentando Kc o suficiente para obtermos velocidades aceitávis, a
resposta se torna mais oscilatória e pode levar à instabilidade. a introdução do modo
derivativo leva a um efeito estabilizante do sistema. Assim, podemos conseguir uma resposta
aceitável selecionando um valor apropriado para o ganho Kc e ainda conseguindo manter
overshoots e razões de declínio moderados.
A Figura 5.8 mostra o efeito do controlador PID na resposta de processos em malha
fechada. Note que, embora Kc aumente levando a respostas mais rápidas, o overshoot
permanece quase o mesmo e o tempo de assentamento é menor. Ambos são resultados da
ação de controle derivativa.
Figura 5.8- Efeito do ganho na resposta em malha fechada de um sistema de primeira ordem
com controle PID.
63
6-Análise de estabilidade de sistemas feedback
64
Figura 6- (a) Resposta estável e (b) instável.
Vamos considerar um sistema dinâmico com uma entrada m e uma saída y. Seu
comportamento dinâmico pode ser descrito por uma função de transferência G(s):
y(s) G(s)m(s)
Na seção c.1.4 concluímos que se G(s) tem um pólo com parte positiva real, ele dá
origem a um termo C1ep1t que cresce continuamente com o tempo, levando a um sistema
instável. A função de transferência G(s) pode corresponder a um processo sem controle ou
pode ser a função de transferência em malha fechada de um sistema controlado (Gsp ou
Gcarga). Assim, a análise de estabilidade de um sistema pode ser tratada de forma unificada,
independentemente do sistema ser controlado ou não.
A localização dos pólos da função de transferência nos dá o primeiro critério para
checar a estabilidade de um sistema:
Se a função de transferência de um sistema dinâmico tem mesmo um pólo com parte
real positiva, o sistema é instável.
Assim, todos os pólos de uma função de transferência devem estar no lado esquerdo do plano
imaginário para o sistema ser estável.
Exemplo 6.1- Estabilização de um processo instável com controle P
Considere um processo com a seguinte função de transferência:
10 5
y(s) m(s) d(s)
s 1 s 1
Claramente, este processo é instável porque a sua função de transferência possui um pólo em
s=1>0. A Figura 6.2 (curva ) mostra a resposta do processo sem controle para uma
perturbação degrau unitária na carga d, o que mostra o seu caráter instável.
65
Figura 6.2- Curva , resposta instável em malha aberta; curva , resposta estável em malha
fechada com controle P.
Vamos introduzir um sistema de controle feedback com controle proporcional.
Assuma que para o medidor e para o elemento final de controle
Gm=Gf=1
A Figura 6.3 mostra o diagrama de blocos do sistema em malha fechada.
66
Exemplo 6.2- Desestabilização de um processo estável com controle PI
Considere um processo de segunda ordem com a seguinte função de transferência:
1
Gp (s)
2
s 2s 2
O sistema tem dois pólos complexos com parte real negativa:
p1 1 j e p2 1 j
Assim, de acordo com o nosso critério o sistema é estável. Realmente, se fizermos uma
perturbação degrau na entrada, a resposta do sistema é como mostrada na Figura 6.4 a.
Introduza um controlador PI. Deixe que o medidor e o elemento final de controle tenham as
seguintes funções de transferência:
Gm(s)=Gf(s)=1
A resposta em malha fechada a mudanças no set point é dada por:
GpGc
y(s) ysp Gsp (s) ysp(s)
1 GpGc
67
Notamos que p2 e p3 têm partes reais positivas. Logo, de acordo com o nosso critério
a resposta em malha fechada é instável. A Figura 15.4b mostra a resposta do sistema para um
degrau unitário no set point. Compare esta à resposta do sistema sem controle e note o efeito
desestabilizante do controlador PI. Para diferentes valores de Kc e I a resposta pode se tornar
estável. Se baixarmos o ganho para Kc=10 e aumentarmos I=0.5, encontramos que todos os
pólos de Gsp têm parte real negativa.
6.2- A equação característica
Os exemplos 6.1 e 6.2 mostraram os efeitos que o controle feedback pode ter nas
características de estabilidade de um processo. Nesta seção vamos organizar e sistematizar a
nossa análise, introduzindo e definindo alguns termos apropriados.
Considere o sistema de controle feedback mostrado na Figura 5.1. A resposta em
malha fechada deste sistema é dada pela equação 5.7:
Gp (s)Gf (s)Gc (s) Gd (s)
y(s) ysp(s) d(s)
1 Gp (s)Gf (s)Gc (s)Gm (s) 1 Gp (s)Gf (s)Gc (s)Gm (s)
ou, equivalentemente
y(s) Gsp (s) ysp(s) Gc arg a(s)d(s)
68
as raízes da equação características são os pólos comuns às duas funções de transferência, Gsp
e Gcarga.
2- O produto
G MA GpGfGcGm
será chamado de função de transferência em malha aberta, porque ela relaciona a medida ym
ao set point ysp se a malha feedback for interrompida antes do comparador:
ym(s) G MA (s) ysp(s)
e notamos que ela depende somente das funções de transferência dos elementos na malha, ou
seja, não depende de Gd, que está fora da malha.
3- As raízes da equação característica são também os pólos das funções de transferência em
malha fechada, Gsp e Gcarga. Por esta razão também são chamadas de pólos da malha
fechada.
6.3- Critério de estabilidade de Routh-Hurwitz
O critério de estabilidade para sistemas em malha fechada não requer o cálculo dos
valores das raízes do polinômio característico. Somente requer que saibamos se alguma raiz
está à direita do eixo imaginário. O critério de Routh-Hurwitz nos permite testar se alguma
raiz está à direita do eixo imaginário e, logo, chegar rapidamente a uma conclusão sobre a
estabilidade do sistema em malha fechada sem computar os valores reais das raízes.
Expanda a equação característica na seguinte forma polinomial:
1 GpGfGcGm a 0sn a1sn 1 ... a n 1s a n 0
a0 deve ser positivo. Se é negativo multiplique ambos os lados da equação acima por -1.
Primeiro teste: Se qualquer dos coeficientes a1, a2, ..., an-1, an é negativo, existe pelo menos
uma raiz da equação característica que tem parte real positiva e o sistema correspondente é
instável.
Segundo teste: Se todos os coeficientes são positivos, então pelo primeiro teste não se
pode concluir nada sobre a localização das raízes. Monte a seguinte matriz (conhecida como
matriz de Routh):
69
Linha 1 a0 a2 a 4 a 6 ...
2 a1 a 3 a 5 a 7 ...
3 A1 A 2 A3 .. ...
4 B1 B2 B3 .. ...
5 C1 C 2 C3 .. ...
. .. ... ... ... ...
n 1 W1 W2 . . ...
onde
a a a 0a 3 a a 4 a 0a 5 a a a 0a 7
A1 1 2 A2 1 A3 1 6 ...
a1 a1 a1
B A A1B2 B A A1B3
C1 1 2 C2 1 3 ...
B1 B1
etc.
Examine os elementos da primeira coluna da matriz acima:
a0 a1 A1 B1 C1 ... W1
(a) Se qualquer destes elementos é negativo, temos ao menos uma raiz à direita do eixo
imaginário e o sistema é instável.
(b) O número de mudanças de sinal nos elementos da primeira coluna é igual ao número de
raízes à direita do eixo imaginário.
Assim, um sistema é estável se todos os elementos na primeira coluna da matriz de Routh são
positivos.
Exemplo 6.3- Análise de estabilidade com o critério de Routh-Hurwitz
Considere o sistema de controle feedback do exemplo 6.2. A equação característica é:
Kc
s3 2s 2 (2 Kc)s 0
I
70
Todos são sempre positivos com exceção do terceiro, que pode ser positivo ou negativo
dependendo dos valores de Kc e I.
1- Se Kc=100 e I=0.1, o terceiro elemento é -398<0, o que significa que o sistema é instável.
Temos duas mudanças de sinal nos elementos da primeira coluna. Logo, temos duas raízes
com parte real positiva.
2- Se Kc=10 e I =0.5, o terceiro elemento é igual a +2 > 0, e o sistema é estável, já que todos
os elementos da primeira coluna são positivos.]
3- O sistema é estável se Kc e I satisfazem a condição
2(2 Kc) Kc / I
ou seja
0.5
2s 2 0
0.1
e são 1.58j
71
Os coeficientes 2 e Kc/I são os elementos da matriz de Routh na linha localizada antes da
linha na qual o elemento da primeira coluna é zero (ou seja, neste caso os elementos da
segunda linha).
6.4- Análise do lugar das raízes
Os exemplos anteriores mostraram que as características de estabilidade de um sistema
em malha fechada dependem do valor do ganho Kc. O lugar das raízes é simplesmente o
gráfico, no plano complexo, das raízes da equação característica conforme o ganho Kc varia
de zero a infinito. Desta forma ele é muito útil na determinação das características de
estabilidade de um sistema em malha fechada conforme Kc varia. Vamos examinar a
construção do gráfico do lugar das raízes usando um exemplo específico.
Exemplo 6.5- Considere um processo descrito pela seguinte função de transferência:
1
Gp (s)
(s 1)(5s 1)
ou
5s 2 6s 1 Kc 0
As duas raízes podem ser calculadas por:
72
equação 6.2), as duas partes do gráfico do lugar das raízes são perpendiculares ao eixo real e
tendem ao infinito quando Kc.
73
Kc
iw 3 3w 2 3iw 1 0
8
Kc
1 3w 2 i(3w w 3 ) 0 0i
8
Temos então duas equações:
Kc
1 3w 2 0
8
3w w 3 0
Logo:
w2 3 w 3
Kc
3w 2 1 3(3) 1 Kc 64
8
O valor do ganho no limite de estabilidade é 64.
74
7- Projeto de Controladores Feedback
Neste capítulo vamos tentar responder às seguintes perguntas: Como selecionamos o
tipo de controlador feedback (ou seja, P, PI ou PID) e como ajustamos os parâmetros do
controlador selecionado (ou seja, Kc, I e D) de forma a obter uma resposta "ótima" para o
processo controlado?
7.1- Introdução
Considere o diagrama de blocos do sistema em malha fechada da Figura 5.1. Quando a
carga ou o set point muda, a resposta do processo se desvia e o controlador tenta trazer a saída
novamente para o set point desejado. A Figura 7.1 mostra a resposta do processo controlado
para uma perturbação degrau unitária na carga quando diferentes tipos de controlador são
usados. Notamos que diferentes controladores têm efeitos diferentes na resposta do processo
controlado.
Figura 7.1- Resposta de um sistema para uma perturbação degrau na carga sem controle e
com vários tipos de controle feedback.
Assim, a primeira questão aparece:
Que tipo de controlador feedback deve ser usado para controlar um dado processo?
Se decidirmos, por exemplo, usar o controle PI, ainda temos que selecionar o valor do ganho
Kc e da constante de tempo integral I. Nos capítulos anteriores vimos que estes parâmetros
apresentam um efeito forte na resposta do processo controlado. Assim a segunda pergunta que
surge é:
Como selecionamos os melhores valores para os parâmetros ajustáveis do controlador
feedback?
Isto é conhecido como o problema de sintonização do controlador.
75
Para responder a estas duas questões de projeto necessitamos de uma medida
quantitativa para comparar as alternativas e selecionar o melhor tipo de controlador e os
melhores valores para os seus parâmetros. Então a terceira questão que surge é:
Que critério de desempenho devemos usar para a seleção e sintonia do controlador?
Existe uma grande variedade de critérios de desempenho que poderíamos usar:
- Manter o desvio máximo (erro) tão pequeno quanto possível.
- Conseguir que o sistema atinja o set point desejado e permaneça nele rapidamente
- Minimizar a integral dos erros enquanto não se permanece no set point desejado, etc.
Diferentes critérios de desempenho levam a diferentes projetos do controlador.
7.2- Critérios de desempenho Simples
Começamos com o critério de desempenho pois precisamos estabelecer uma base para
comparação de alternativas de projetos de controlador e porque a sua seleção constitui a
principal dificuldade durante o projeto de um sistema feedback.
77
De todos os critérios de desempenho citados, a razão de declínio tem sido o critério
mais popular. A experiência tem mostrado que uma razão de declínio (C/A - Figura 3.2) igual
a 1/4 é um meio termo razoável entre um tempo de ascensão rápido e um tempo de
assentamento razoável. Este critério é usualmente chamado de critério da razão de declínio de
um quarto .
7.3- Critério de desempenho da integral no tempo
A forma da resposta em malha fechada, do tempo t=0 até que o estado estacionário
tenha sido atingido, pode ser usada para a formulação de um critério de desempenho
dinâmico. Diferentemente dos critérios simples que usam somente características isoladas da
resposta dinâmica (razão de declínio, tempo de assentamento, etc.), os critérios desta
categoria são baseados na resposta do processo como um todo. Os mais usados são:
1- Integral do erro ao quadrado (ISE-Integral of the Square Error), onde
ISE 2 ( t )dt (7.1)
0
2-Integral do valor absoluto do erro (IAE-Integral of the Absolute value of the Error), onde
IAE ( t ) dt (7.2)
0
78
Para evitar erros que persistem por longos tempos, o critério ITAE é o melhor porque
grandes tempos amplificam o efeito de erros mesmo pequenos no valor da integral.
Exemplo 7.1- Sintonia de controladores usando o critério da integral no tempo
Considere o sistema em malha fechada mostrado na Figura 7.3 A resposta em malha fechada
é:
Is 1 (I / 20Kc)s
y(s) ysp(s) d(s)
I 2 1 I 2 1
s I (1 )s 1 s I (1 )s 1
20Kc 20Kc 20Kc 20Kc
ou
Is 1 (I / 20Kc)s
y(s) ysp(s) d(s) (7.4)
2 2 2 2
s 2s 1 s 2s 1
onde
I
(7.5)
20K c
1 I
(1 20Kc) (7.6)
2 20K c
equação 7.7.
Os valores ótimos de e são dados pela solução das seguintes equações (condições para o
ótimo):
(ISE ) (ISE )
0
81
de ganhos mais altos, que produzem respostas mais rápidas, sem oscilações excessivas.
Este tipo de controle é muito usado, por exemplo, para controle de temperatura e
composição.
7.5- Sintonia do controlador
Depois que o tipo de controlador tiver sido selecionado, ainda temos que decidir que
valores usar para os parâmetros ajustáveis. Este é conhecido como o problema de sintonia do
controlador. Existem três diferentes abordagens que podem ser usadas:
1- Use critérios simples como a razão de declínio de um quarto, tempo de assentamento
mínimo, desvio máximo mínimo, etc. Tal abordagem é facilmente implementada num
processo real. Normalmente leva a várias soluções possíveis (diferentes combinações dos
parâmetros levam ao mesmo resultado para razão de declínio ou outro critério).
Especificações adicionais sobre o desempenho em malha fechada serão necessárias para
selecionar um único conjunto de parâmetros.
2- Use critérios de integral no tempo como ISE, IAE ou ITAE. Esta abordagem é mais
trabalhosa e depende fortemente do modelo matemático (função de transferência) do
processo. Aplicada experimentalmente no processo real é bastante demorada.
3- Use regras semi empíricas que foram provadas na prática.
7.5.1-Método da Curva de Reação ou Método de Cohen e Coon
Um dos métodos semi empíricos mais conhecidos é o método da curva de reação do
processo e foi desenvolvido por Cohen e Coon.
Considere o sistema de controle da figura 7.2, que foi "aberto" desconectando-se o
controlador do elemento final de controle. Faça uma perturbação degrau de magnitude A na
variável c, que atua no elemento final de controle. Guarde o valor da saída com o tempo. A
curva ym(t) é chamada de curva de reação do processo. Entre ym e c temos as seguintes
funções de transferência (veja figura 7.2):
ym(s)
G CRP (s) Gf (s)Gp (s)Gm (s) (7.8)
c(s)
A equação acima mostra que a curva de reação do processo é afetada não somente pela
dinâmica do processo mas também pela dinâmica do sensor (medidor) e do elemento final de
controle.
82
Figura 7.2- Malha de controle "aberta".
Cohen e Coon notaram que a resposta da maior parte dos processos a uma perturbação
degrau tal como a descrita acima tem uma forma sigmoidal (veja figura 7.3a), que pode ser
adequadamente aproximada pela resposta de um sistema de primeira ordem com tempo morto
(veja a curva pontilhada na figura 7.3b):
ym(s) Ke t d s
G CRP (7.9)
c(s) s 1
que tem três parâmetros: ganho estático K, tempo morto td e constante de tempo . Da
resposta aproximada da Figura 7.3b é fácil estimar os valores destes parâmetros:
saída (no estado estacionário) B
K
entrada (no estado estacionário) A
Figura 7.3- (a) Curva de reação do processo; (b) sua aproximação por um sistema de primeira
ordem mais tempo morto.
Cohen e Coon usaram o modelo aproximado da equação 7.9 e estimaram os valores
dos parâmetros K, td e como indicado acima. Então eles derivaram expressões para os
83
"melhores" valores dos parâmetros empiricamente, de forma que se tenha resposta com razão
de declínio de um quarto. Estas expressões são mostradas na tabela abaixo:
Controlador Parâmetros Cohen e Coon Equação
P Kc 1 t (7.10)
[1 d ]
K td 3
PI Kc 1 t (7.11)
[0.9 d ]
K td 12
I t d [30 3t d / ] (7.12)
9 20t d /
PID Kc 1 16 3t d (7.13)
K t d 12
I t d [32 6t d / ] (7.14)
13 8t d /
D 4t d (7.15)
11 2t d /
Observações:
1- Os valores dos parâmetros do controlador dados pelas equações acima são baseados no
fato de que o sistema de primeira ordem mais tempo morto é uma boa aproximação para a
resposta sigmoidal do processo em malha aberta. É possível, no entanto, que a
aproximação seja ruim. Neste caso os valores dos parâmetros de Cohen e Coon devem ser
usados somente como primeiras estimativas, necessitando de correções posteriores.
2- Por que a maior parte das malhas "abertas" apresentam uma resposta sigmiodal? Porque a
maioria dos processos encontrados numa planta química são de primeira ordem ou
processos multicapacitivos cuja resposta é super amortecida. O comportamento sub
amortecido e oscilatório é quase sempre devido à presença de controladores feedback.
Assim, quando "abrimos" a malha disconectando o controlador, a resposta assume a forma
sigmoidal de um sistema super amortecido.
3- Das equações 7.10, 7.11 e 7.13 que dão os valores do ganho proporcional Kc para os três
controladores, podemos observar que:
(a) O ganho do controlador PI é menor do que o do controlador P. Isto é porque o modo de
controle integral faz o sistema mais sensível (pode mesmo levar à instabilidade) e, logo, o
valor do ganho precisa ser mais conservativo.
(b) O efeito estabilizante do modo derivativo permite o uso de ganhos maiores no controlador
PID (maiores do que os ganhos do P e PI).
84
Exemplo 7.2- Sintonia de controladores feedback através de curvas de reação do
processo
Neste exemplo examinamos como a dinâmica de alguns processos influencia os
resultados recomendados por Cohen e Coon.
1- Processos com atraso muito pequeno (tempo morto): Quando td é muito pequeno (quase
zero)a curva de reação do processo é bem próxima da resposta de um sistema simples de
primeira ordem. As equações de Cohen e Coon levam a um valor muito grande para o
ganho proporcional Kc (veja equações 7.10, 7.11 e 7.13). Na prática vamos usar o maior
ganho possível para reduzir o offset se um controlador proporcional for empregado. Se um
controlador PI é usado, o valor do ganho será determinado pelas características desejadas
da resposta.
2- Processos multicapacitivos: Estes constituem a grande maioria dos processos reais.
Considere dois sistemas de primeira ordem em série com
Kp
Gp
(1s 1)(2s 1)
Assuma que o medidor e a válvula de controle (elemento final de controle) têm dinâmica de
primeira ordem:
Km Kf
Gm e Gf
(ms 1) (f s 1)
Então a função de transferência entre a variável de ação c e a medida da saída ym é dada por
(equação 7.8):
ym KfKpKm
G CRP GfGpGm
c (f s 1)(1s 1)(2s 1)(ms 1)
Esta equação mostra que a curva de reação do processo apresenta as mesmas características
dinâmicas da resposta de um sistema composto de quatro sistemas de primeira ordem em série
(ou seja, uma curva sigmoidal).
Se damos uma perturbação degrau unitário em c, a figura 7.4 mostra a curva de reação do
processo para os seguintes valores:
Kp=1 Km=1 Kf=1
1=5 2=2 f=0 m=10
Trace a tangente no ponto de inflexão e encontre:
S=inclinação no ponto de inflexão=0.05
B=resposta final=1
=constante de tempo=B/S=20
85
td=tempo morto=2.5
K=ganho=B/A=1/1=1
Então a curva de reação do processo pode ser aproximada pela resposta do seguinte sistema
de primeira ordem com tempo morto:
ym(s) 1e2.5s
G CRP (s)
c(s) 20s 1
Figura 7.4- Curva de reação do processo real e aproximada para o sistema multicapacitivo do
exemplo 7.2
86
Figura 7.5- Resposta em malha fechada para o processo multicapacitivo do exemplo 7.2 para
perturbação degrau unitário (a) no set point (b) na carga.
7.5.2- Método de Ziegler e Nichols
Este método é clássico e amplamente usado na indústria. Ele consiste em se encontrar
o ganho limite (Ku), ou seja, o valor do ganho para o qual a malha de controle está no limite
de estabilidade com controle feedback proporcional. O período da oscilação resultante é
chamado de período limite, Pu. Os passos experimentais são os seguintes para um controlador
PID:
1- Elimine as ações integral e derivativa, colocando D no seu valor mínimo e I no seu valor
máximo.
2- Coloque Kc num valor pequeno (ex.: Kc=0.5).
3- Aumente o ganho do controlador (Kc) em pequenos incrementos e dê uma pequena
perturbação degrau na carga ou set point até encontrar o valor de Kc que leva a uma
oscilação com amplitude constante. O valor de Kc que produz esta oscilação sustentada é
Ku e o período desta oscilação é Pu.
Os valores dos parâmetros do controlador são então calculados usando as relações de
Ziegler e Nichols, mostradas na tabela abaixo:
Controlador Parâmetros Ziegler e Nichols Equação
P Kc Ku (7.16)
2
PI Kc Ku (7.17)
2 .2
I Pu (7.18)
1 .2
PID Kc Ku (7.19)
1 .7
I Pu (7.20)
2
87
D Pu (7.21)
8
Observe que um ganho menor é usado quando usamos controle PI e que a adição do
termo derivativo permite o uso de um ganho maior e I menor (maior ação integral).
Os valores calculados pelo método de Ziegler e Nichols são boas estimativas. Existem
algumas malhas onde estes valores podem não ser muito bons, já que eles normalmente levam
a respostas muito sub amortecidas. Algum ajuste em linha pode melhorar o controle
significativamente.
88
8- Funções de Transferência de Sistemas Multicapacitivos
Esta parte da apostila é uma parte do capítulo II, modelos de funções de transferência,
apesar de estar sendo vista somente agora.
Sistemas multicapacitivos são aqueles com duas ou mais capacidades de acúmulo de
massa ou energia em série. Dois exemplos típicos de sistemas multicapacitivos são mostrados
na Figura 8.1, cada um com capacidade de acumular massa (os dois tanques). Estes dois
sistemas apresentam uma diferença qualitativa. No sistema 1 (Figura 8.1a), a vazão de saída
do tanque 1 (F1) somente depende da altura do tanque 1 (h1). Quando ocorre uma mudança
em h1, F1 vai mudar e logo a altura do tanque 2 (h2) também vai ser afetada. No entanto, se
ocorrer uma mudança em h2, isto não vai influenciar a altura do tanque 1. Por isso, este
sistema é chamado de multicapacitivo sem interação. Por outro lado, no sistema 2 (Figura
8.1b), a vazão de saída do tanque 1 (F1) depende da diferença de altura entre os dois tanques
(h1-h2). Assim, uma mudança em h1 vai provocar uma mudança em h2 e também uma
mudança em h2 vai modificar o valor de F1 e, logo, influenciar h1. Este sistema é chamado de
multicapacitivo com interação.
Processos multicapacitivos não precisam envolver mais do que uma unidade de
processo. É possível que as várias capacidades estejam associadas com a mesma unidade de
processamento. Por exemplo, um tanque aquecedor agitado é um processo multicapacitivo,
com capacidade para armazenar massa e energia.
h 2(s) R 2 / R1 Kp2
G 2(s) (8.6)
h1(s) A 2R 2s 1 p 2s 1
90
y N (s)
ou seja: G1(s)G 2 (s)....G N (s)
f1(s)
R 2 R 2
h 2(s)A2R 2s 1 h1
R1 R1
Resolvendo estas duas equações algébricas com respeito a h1 e h2, após várias
manipulações algébricas encontramos:
(p 2R1)s (R1 R 2)
h1(s) Fi(s) (8.10)
p1p 2s 2 (p1 p 2 A1R 2)s 1
R2
h 2(s) Fi(s) (8.11)
2
p1p 2s (p1 p 2 A1R 2)s 1
91
onde p1=A1R1 e p2=A2R2. As equações 8.10 e 8.11 indicam que as respostas de ambos os
tanques para perturbações em Fi apresentam dinâmica de segunda ordem.
Pode-se demonstrar facilmente que os pólos das equações 8.10 e 8.11 são reais e
distintos. Consequentemente, a resposta de sistemas multicapacitivos com interação é sempre
super amortecida.
Quando um sistema linear está sujeito a uma entrada senoidal, a sua resposta após um
longo período de tempo (quando t) se torna também uma onda senoidal. Esta
característica é a base da análise da resposta no domínio da frequência.
a1
onde: a3 a12 a 22 e tg1
a2
teremos:
KpA
y EE ( t ) sen(wt ) (9.4)
2 w 2 1
p
Observações:
1- A resposta de um sistema de primeira ordem sujeito à uma entrada senoidal depois de um
longo tempo (no estado estacionário) é também uma onda senoidal com a mesma frequência
w.
2- A razão da amplitude de saída (resposta do sistema) em relação à amplitude da onda de
entrada (perturbação) é chamada de razão de amplitude e é uma função da frequência:
93
amplitude da onda de saída Kp
RA (9.6)
amplitude da onda de entrada 2 w 2 1
p
3- A onda de saída tem um atraso (phase lag) em relação à onda de entrada por um ângulo ,
o qual é função da frequência w (equação 9.5).
Notar que RA e são calculados somente após a saída atingir o estado estacionário, ou
seja, oscilar com amplitude constante!!!
As três observações acima são válidas não somente para sistemas de primeira ordem,
mas também para sistemas lineares de qualquer ordem.
Breve revisão de números complexos:
1- Considere um número complexo W definido por:
W=a+jb
onde a=Re(W)=parte real de W
b=Im(W)=parte imaginária de W
O módulo ou valor absoluto ou magnitude de W é representado por W e definido como:
94
Figura 9.1- Plano complexo.
Da Figura 9.1 fica claro que:
a W cos e b W sen
e
W W cos j W sen
e j e j e j e j
então W W jW W e j (9.9)
2 2j
ou
Kp Kpwp
G ( jw ) 2 2 j 2 2
p w 1 p w 1
Então G(jw) é um número complexo e o seu módulo é dado por (equação 9.7):
Kp
G ( jw )
2p w 2 1
3- A onda de saída é deslocada (defasada) com relação á onda de entrada por um ângulo ,
que é uma função da frequência w e dada pelo argumento de G(jw):
arg G( jw)
96
A vazão de saída F0 é mantida constante pela bomba. Um balanço de massa leva a:
dh
Balanço de massa: A Fi F0
dt
No estado estacionário: 0 Fi, s F0 , s
dh '
Variável desvio: A Fi'
dt
h (s) 1/ A
Transf. de Laplace: G (s)
Fi(s) s
___________________________________________________________________________
___
A resposta deste processo a um degrau unitário em Fi é:
1 1/ A L -1 1
Fi(s)= , portanto: h (s) 2
h ' ( t ) t
s s A
ou seja, a altura h aumenta linearmente com o tempo, o que era de se esperar, já que a vazão
de saída F0 é constante. Caso a vazão de saída F0 fosse função da altura do líquido no tanque,
a resposta do sistema a uma perturbação em Fi seria uma resposta comum de 1ª ordem.
___________________________________________________________________________
___
O que acontece com h(t) quando fazemos uma perturbação senoidal de frequência w
em Fi(t)? Para responder a esta pergunta, basta substituir s=jw na função de transferência que
relaciona h(s) e Fi(s). O módulo do número complexo resultante dá a razão de amplitude e o
argumento do complexo resultante o atraso de fase.
Kp
Chamando 1/A de Kp, temos: G (s)
s
Kp Kp jw Kp
Fazendo s=jw, temos: G( jw ) 0 j
jw jw jw w
97
Kp
1- A razão de amplitude é: RA G( jw )
w
Como é a resposta (altura do último tanque) quando a vazão do primeiro tanque (F1)
sofre uma perturbação senoidal de frequência w?
Fazendo s=jw
G( jw) G1( jw)G2( jw)....G N ( jw)
Logo,
ou
Kp1Kp2...Kp N
RA
2p1w 2 1 2p 2 w 2 1...... 2pNw 2 1
2-Ângulo de fase
98
1 2 .... N
ou
tan1(wp1) tan1(wp2 ) ...... tan1(wpN )
A saída do último tanque no estado estacionário é uma onda senoidal. Como < 0, a
onda senoidal da resposta está atrasada com relação à onda senoidal da entrada.
Exemplo 9.3- Resposta de frequência de um processo de 2ª ordem
Kp
G (s)
2 2
s 2s 1
ou
Kp(1 2 w 2 ) Kp2w
G ( jw ) j
(1 2 w 2 ) 2 (2w ) 2 (1 2 w 2 ) 2 (2w ) 2
2-Ângulo de fase:
2w
arg G ( jw ) tan1
1 2 w 2
Como < 0, a resposta está atrasada com relação à entrada.
Exemplo 9.4- Resposta de frequência de um sistema tempo morto
s jw
G(s) e tds
G( jw ) e jtdw
RA Kc
0
99
1
Controlador PI Gc (s) Kc1
Is
1
RA Gc ( jw ) Kc 1
( wI ) 2
1
arg Gc ( jw ) tan1 0
I
w
RA Gc ( jw ) Kc 1 D 2 w 2
arg Gc ( jw ) tan1 D w 0
2
1
RA Gc ( jw ) Kc D w 1
w I
1
arg Gc ( jw ) tan1 D w
wI
100
Kp
RA (10.1)
2 w 2 1
p
tg1(wp ) (10.2)
RA
log 2 w 2 1
1
Temos que log (10.3)
Kp 2 p
101
das assíntotas é máximo. O valor real de RA/Kp é calculado pela equação 10.1 e é igual a
1 / 2 =0.707, diferente de 1(calculado pelas assíntotas).
O gráfico do ângulo de fase contra pw é mostrado na Figura 10.1b. Ele é plotado em
papel semi-log. Ele pode ser plotado a partir da equação 10.2 e podemos facilmente verificar
as seguintes características do gráfico:
1- Quando w0, 0
2- Quando w, -90º
3- Quando w=1/p (frequência de corte), =tan-1(-1)=-45º
Alguns autores definem RA em decibéis: RAd=20log(RA) (O Luyben, por exemplo).
Sistemas de 2ª ordem
Kp
G (s)
2 2
s 2s 1
Já vimos que:
Kp
RA (10.4)
(1 2 w 2 ) 2 (2w ) 2
2w
tan1 (10.5)
1 2 w 2
Da equação 10.4 temos:
RA
log
1
log (1 2 w 2 ) 2 (2w ) 2 (10.6)
Kp 2
que é uma linha reta com inclinação -2 passando no ponto RA=1 quando w=1.
Quando w é igual a 1, como pode ser visto no gráfico, a razão de amplitude assume o
1
valor máximo. Quando w=1, da equação 10.4 vemos que RA/Kp= . Assim, se 1, o
2
valor real de RA/Kp<1 e se <1 (sistema sub amortecido) o valor real pode ser maior que 1.
Na verdade o valor real de RA/Kp vai ser maior do que 1 para <0.5. Na Figura 10.2 notamos
que para sistemas sub amortecidos (<1) a razão de amplitude pode exceder
significativamente o valor de 1.
Já vimos que para <1 o sistema apresenta um comportamento oscilatório no domínio
do tempo; no domínio de Laplace vimos que neste caso é resultante de raízes complexas da
equação característica e no domínio da frequência este comportamento é denotado por uma
saliência (corcova) no gráfico de AR em função da frequência.
Diagrama de Bode no Matlab
Pode-se usar o matlab para traçar o diagrama de Bode para diferentes funções de
transferência. A diferença é que o Matlab, a exemplo de alguns autores como o Luyben, W.L.
(1989), define a razão de amplitude em decibéis: AR d=20.log(AR). O diagrama de Bode
então é plotado num gráfico semi-log.
Por exemplo, para o sistema de 1ª ordem, a função de transferência é dada por:
y(s) Kp
G (s)
f (s) ps 1
Esta função de transferência deve ser definida no Matlab, o que é feito definindo-se o
seu numerador e denominador da seguinte forma:
y(s) 1
Façamos Kp=1 e =1. A função de transferência, então é: G(s)
f (s) s 1
-10
Gain dB
-20
-30 -1 0 1
10 10 10
Frequency (rad/sec)
-30
Phase deg
Kp
Para o sistema de segunda
-90 ordem: G(s) 2 2
.
s 2s 1
-1 0 1
10 10 10
1 Frequency (rad/sec)
Fazendo Kp=1 e =1, temos: G (s) 2
. Podemos traçar o diagrama para diferentes
s 2s 1
valores de .
No matlab fazemos:
num=[0 0 1];
den=[1 2* 1];
bode(num,den)
Para traçar gráficos com vários valores de , usamos o comando "hold on", que guarda os
gráficos anteriores. Então para =2, 1, 0.2 e 0.1 fazemos:
num=[0 0 1];
den=[1 4 1]; (Para =2)
bode(num,den)
104
hold on
den=[1 2 1]; (Para =1)
bode(num,den)
den=[1 0.4 1]; (Para =0.2)
bode(num,den)
den=[1 0.2 1]; (Para =0.1)
bode(num, den)
Assim traçamos todos os gráficos juntos, resultando em:
105
distância G( jw ) RA ReG( jw)2 ImG( jw)2
2- O ângulo com o eixo real é o ângulo de fase na frequência w1.
Im[G( jw )]
arg G( jw ) tan1
Re[G( jw )]
tg1(wp )
106
1 1
3- Para w=1/, -90º e, para Kp=1, RA . Assim, se 1, RA<1 e para
4 2 2
<0.5, RA>1.
O diagrama de Nyquist está mostrado na Figura 11.2b.
Figura 11.2- Diagrama de Nyquist (a) processo de 1ª ordem (b) processo de 2ª ordem.
Diagrama de Nyquist no matlab
É possível traçar o diagrama de Nyquist de uma função de transferência no matlab.
Entramos com a função de transferência da mesma forma que para traçar o diagrama
de Bode. Por exemplo, para o sistema de 1ª ordem com Kp=1 e p=1:
num=[0 1];
den=[1 1];
nyquist(num,den)
O gráfico resultante é mostrado na Figura 11.3. Comparando este gráfico com a
Figura 11.2a vemos que são id~enticos, somente o Matlab traça também o diagrama de
Nyquist para -<w<0 (linha tracejada) além do diagrama para 0<w<+ (linha cheia).
107
0.6
0.4
0.2
Imag Axis
-0.2
-0.4
-0.6
-0.8
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Real Axis
Figura 11.4- Diagrama de Nyquist para o sistema de 2ª ordem traçado pelo matlab.
12-Projeto de sistemas de controle feedback usando a resposta de frequência
108
(2) a selecionar os mais apropriados valores para os parâmetros ajustáveis do
controlador.
109
Figura 12.1- Sistema em malha fechada.
A razão de amplitude e ângulo de fase para esta função de transferência pode
ser facilmente encontrada se dividirmos a função acima em duas:
Kc
G1(s) e G 2(s) e0.1s
0.5s 1
Assim, G MA (s) G1(s)G2(s)
Se substituirmos s=jw em G1(s) e G2(s) e lembramos que estas funções podem ser
escritas como:
G1( jw ) G1( jw ) e j1 , G 2( jw ) G 2( jw ) e j2
Temos que GMA(jw) pode ser escrita como: G MA ( jw) G1( jw) G2( jw ) e j(1 2)
E o argumento também:
1 tan1(0.5w )
2 tdw
Vamos traçar o diagrama de Bode para este sistema usando o matlab. Para isso,
vamos precisar aproximar o termo e-0.1s por um polinômio. Utilizamos a aproximação
de Padé de 1ª ordem:
td
1 s
e tds 2
td
1 s
2
1.5 Kc=1
Kc=5
Kc=8
1
0.5
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
8
x 10
4
Kc=15
2
-2
-4
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
112
"Se o diagrama de Nyquist em malha aberta de um sistema de controle feedback
envolve o ponto (-1,0) quando a frequência w assume qualquer valor entre -<w<+,
a resposta em malha fechada é instável.
Podemos ver que para Kc=1 (curva A), o diagrama de Nyquist não engloba o ponto (-
1,0), e, logo, o comportamento em malha fechada vai ser estável. Para Kc=50 (curva
B), o diagrama engloba este ponto e logo o comportamento do sistema em malha
fechada vai ser instável.
113
Para o exemplo 12.2, podemos traçar o diagrama de Nyquist para os vários
valores de Kc. Para Kc=1, temos:
0.8
0.6
0.4
0.2
Imag Axis
0
-0.2
-0.4
-0.6
-0.8
-0.2 0 0.2 0.4 0.6 0.8 1
Real Axis
É fácil ver que este diagrama não engloba o ponto (-1,0) e o sistema em malha fechada
é instável, como já tínhamos concluído usando o critério de Bode.
Para Kc=5:
4
1
Imag Axis
-1
-2
-3
-4
-1 0 1 2 3 4 5
Real Axis
1
Imag Axis
-1
-2
-3
-4
-5
-2 -1 0 1 2 3 4 5 6 7 8
Real Axis
114
O ponto (-1,0) não é englobado.
Finalmente para Kc=15:
115
Técnicas de controle Avançado
13.1- Introdução
Como já foi discutido nos capítulos anteriores, o controle feedback é uma técnica
importante, muito usada nas indústrias de processo. Suas principais vantagens são:
a ação corretiva é tomada assim que a variável controlada se desvia do setpoint, não
importando o tipo de perturbação
requer um conhecimento mínimo do processo a ser controlado; em particular, um modelo
matemático do processo não é requerido, embora seja útil para o projeto dos sistemas de
controle
o controlador PID é versátil e robusto. Se as condições do processo mudam, o ajuste dos
parâmetros normalmente levam a um controle satisfatório
No entanto, o controle feedback tem algumas desvantagens:
nenhuma ação corretiva é tomada até que um desvio na variável controlada ocorra. Logo, o
controle perfeito, no qual a variável controlada nunca se desvia do setpoint durante
perturbações ou mudanças de setpoint, é teoricamente impossível
não apresenta ação de controle preditiva para compensar os efeitos de perturbações
conhecidas ou que possam ser medidas
pode não ser satisfatório para processos com constantes de tempo grandes e/ou grandes
atrasos. Se perturbações grandes e frequentes ocorrem, o processo acaba operando
continuamente num estado transiente e nunca atinge o estado estacionário desejado
em algumas aplicações a variável controlada não pode ser medida on-line e, logo, o
controle feedback não pode ser aplicado
Para situações nas quais o controle feedback não é satisfatório, melhoras significativas
no controle podem ser conseguidas pela adição do controle feedforward. No entanto, para usar
o controle feedforward, as perturbações devem ser medidas ou estimadas on-line.
A idéia básica do controle feedforward é medir as principais perturbações e tomar as
ações corretivas antes que elas perturbem o processo.
Na figura 13.1a pode-se ver a forma geral de um sistema de controle feedforward. Ele
mede a perturbação diretamente e então antecipa o efeito que ela terá na saída do processo.
116
Em seguida, muda a variável manipulada de forma a eliminar completamente o impacto da
perturbação na saída do processo. A ação de controle tem início imediatamente depois que a
perturbação foi detectada. A figura 13.1b mostra o esquema do controle feedback para que
possamos contrastá-lo com o feedforward. Fica claro que o controle feedback age 'depois do
fato', numa forma compensatória, enquanto o feedforward age 'antes do fato', numa forma
antecipatória.
Assuma que Fi é constante e que Fi=F. Sabemos que a temperatura de entrada Ti pode vir a
sofrer perturbações e podemos manipular a quantidade de calor fornecida pelo vapor, Q, para
manter a temperatura do líquido, T, no valor de setpoint desejado, Tsp.
Figura 13.2
117
13.2.1- Controlador feedforward estacionário
Q
0 Fi( Ti T) (13.3)
Cp
Logo, encontramos que, para manter T=Tsp, a variável manipulada Q deve mudar de acordo
com
Q FiCp(Tsp Ti ) (13.4)
A equação 13.4 é a equação de projeto para o controlador feedforward estático. Ela
mostra como Q deve mudar na presença de perturbações ou mudanças de setpoint. A Figura
13.3a mostra o sistema de controle resultante. Este controlador tem um bom desempenho
estacionário, mas o desempenho pode não ser bom para o caso transiente.
Figura 13.3- (a) Controle feedforward estacionário (b) Controle feedforward dinâmico
Esta equação é linear, já que V, Fi, e Cp são constantes. Colocando em termos de variáveis
desvio:
118
V dT' Q'
T' Ti ' (13.6)
Fi dt FiCp
Figura 13.4
Com este exemplo notamos uma característica muito importante do controle
feedforward:
o projeto do controlador feedforward é diretamente relacionado ao modelo que se tem do
processo
Logo, é óbvio que
quanto melhor o modelo representar o comportamento do processo, melhor será o controle
feedforward resultante
Para generalizar o procedimento de projeto, considere o diagrama de blocos de um
processo sem controle (Figura 13.5a). A saída do processo é dada por
119
y(s) Gp(s)m(s) Gd(s)d(s) (13.9)
onde Gp(s) representa a relação direta entre a saída do processo e a variável manipulada e, no
exemplo mostrado acima é igual a
1 1
Gp(s ) (13.10)
FiCp s 1
e Gd(s) representa a relação entre a saída e a variável de carga (perturbação), sendo, para o
exemplo acima igual a
1
Gd(s ) (13.11)
s 1
Se ysp(s) é o setpoint desejado, a eq. (13.9) fica igual a
ysp(s) Gp(s)m(s) Gd(s)d(s) (13.12)
Resolvendo a eq. (13.12) pode-se encontrar o valor que a variável manipulada deve ter para
manter y(s)=ysp(s) na presença de perturbações ou mudanças de setpoint
1 Gd(s)
m( s ) [ ysp(s) d(s )] [Gsp(s ) ysp(s) d(s)]Gc(s ) (13.13)
Gd(s) Gp(s)
Esta equação mostra a forma do controle feedforward, que está mostrada na figura
13.5b. Também determina as duas funções de transferência que completam o projeto do
mecanismo de controle:
Gd( s )
Gc( s ) =função de transferência do controlador feedforward principal (13.14)
Gp( s )
1
Gsp( s ) =função de transferência do elemento setpoint (13.15)
Gd( s )
120
Figura 13.5
Na figura 13.5b notamos que a malha feedforward tem as características externas de
uma malha feedback. Logo, tem uma medida primária que é comparada a um setpoint e o
resultado da comparação é um sinal de atuação para o controlador principal.
Pelas equações de projeto (13.14) e (13.15) fica claro que um controlador feedforward
não pode ser um controlador feedback convencional (P, PI, PID). Ao invés disso, deve ser
visto como uma máquina computadora com um propósito especial.
Pelas equações de projeto (13.14 e 13.15) nota-se, novamente, que o controle
feedforward depende fortemente do modelo do processo. Para um controle perfeito necessita-
se de um conhecimento perfeito de Gp(s) e Gd(s), o que é praticamente impossível. Este é o
principal desafio no controle feedforward.
No sistema de controle da figura 13.5b foram deixados de fora o sensor que mede as
perturbações e o elemento final de controle. A inclusão destes elementos altera o projeto das
funções de transferência Gc(s) e Gsp(s). Considere o sistema de controle feedforward mais
geral mostrado na figura 13.5c, incluindo o sensor de medida e o elemento final de controle.
Podemos determinar a equação que define y da seguinte forma
1 dGd
2 dGm
3 yspGsp
4 yspGsp dGm
5 ( dGm yspGsp )Gc
6 ( dGm yspGsp )GcGf
7 ( dGm yspGsp )GcGfGp
8 dGd ( dGm yspGsp )GcGfGp y
Logo,
y GpGfGcGspysp [Gd GmGcGfGp]d (13.16)
As equações de projeto Gc e Gsp podem agora ser identificadas para
121
perturbação de carga: o controlador deve ser capaz de eliminar completamente o impacto
da perturbação na saída do processo. Isso implica que o coeficiente de d na eq. (13.16)
deve ser igual a zero
Gd GmGcGfGp 0 (13.17)
ou
Gd
Gc (13.18)
GmGfGp
mudanças de setpoint: o mecanismo de controle deve ser capaz de fazer com que a saída do
processo siga exatamente a mudança no setpoint, isto é, mantenha y=ysp. Assim, o
coeficiente de ysp na eq. (13.16) deve ser igual a 1:
GpGfGcGsp 1 (13.19)
ou
Gd
GpGf ( )Gsp 1 (13.20)
GmGfGp
e, finalmente,
Gm
Gsp (13.21)
Gd
As eqs. (13.20) e (13.21) são mais gerais do que as eqs. (13.14) e (13.15), sendo que
estas resultam da substituição de Gm=Gf=1 naquelas.
122
Por outro lado, o controle feedback é bastante insensível a todas estas desvantagens,
mas não tem um bom desempenho em alguns casos. Assim, é de se esperar que um sistema de
controle feedforward-feedback funcione bem, já que vários desvios causados pelos pontos
fracos do controle feedforward serão corrigidos pelo controle feedback. Isto é possível já que
o controle feedback monitora diretamente o comportamento da variável controlada. A Figura
13.6 mostra a configuração de um sistema combinado feedback-feedforward.
Figura 13.6
Vamos desenvolver uma equação para a resposta em malha fechada do sistema
feedforward-feedback. Da eq. (13.9) sabemos que
y G p m Gd d (13.22)
Substitua m na equação 13.22 pela equação 13.24 e após algumas manipulações algébricas
obtém-se:
G p G f ( Gc1 Gc 2 G sp ) G d G p G f Gc 2 Gm 2
y ysp d (13.25)
1 G p G f Gc1Gm1 1 G p G f Gc1Gm1
Um exame da equação 13.25, que descreve a resposta em malha fechada com controle
feedforward-feedback revela as seguintes características
a estabilidade da resposta em malha fechada é determinada pelas raízes da equação
característica
1 G p G f Gc1Gm1 0 (13.26)
Em tais casos a malha feedforward não consegue um controle perfeito. Logo, 10 e a malha
feedback é ativada e oferece a compensação necessária.
Exemplo 13.1: controle feedforward-feedback do tanque aquecedor
Considere novamente o tanque aquecedor da Figura 13.1. Sob controle feedforward
somente temos a configuração mostrada na Figura 13.3b. As funções de transferência de
projeto são
G c FiCp e G sp s 1
Imagine que a densidade ou o calor específico não são conhecidos exatamente. Então a
malha feedforward não resulta num controle perfeito. A Figura 13.7a mostra a temperatura no
tanque após uma perturbação degrau na temperatura de entrada. Note que permanece um
desvio (off-set).
Introduza agora um sistema feedback com um controlador PI (Figura 13.7b). Na figura
13.7a plotamos novamente a temperatura do líquido no tanque, para a mesma perturbação
degrau na temperatura de entrada. Note que o desvio desapareceu.
124
Figura 13.7
Exemplo 13.2- Controle de um refervedor
Considere um refervedor, onde deseja-se controlar o nível. Imagine que a variável
perturbação ou carga é a vazão de vapor de saída, que varia devido à variações na demanda de
vapor por outras unidades do processo. Um esquema de controle feedback está mostrado na
Figura 13.8a. Devido à quantidade de líquido no refervedor ser pequena, o sistema fica muito
sensível a perturbações na vazão de vapor, o que torna a utilização do controle feedback
inconveniente. Uma alternativa é o controle feedforward, mostrado na Figura 13.8b. Mede-se
a vazão de vapor e, quando esta sofre perturbações, muda-se a vazão de água de alimentação
antes que o nível do tanque seja atingido. Na verdade, o mais conveniente seria associar as
duas estratégias de controle, tomando vantagem dos benefícios de ambas.
125
Figura 13.8
13.4- Controle de razão (Ratio control)
O controle de razão é um tipo especial de controle feedforward cujo objetivo é manter
a razão entre duas variáveis num valor específico. A variável Ra, que é a razão de duas
variáveis de processo
m
Ra (13.27)
d
é controlada, ao invés de se controlar as duas variáveis individuais m e d. As variáveis de
processo neste caso são normalmente vazões. O cálculo de Ra na equação 13.27 é feito em
termos das variáveis originais, não de variáveis desvio.
Aplicações típicas de controle de razão são: operações de mistura, manutenção de uma
razão estequiométrica de reagentes para um reator, manutenção de uma razão de refluxo fixa
para uma coluna de destilação, manutenção da razão ar/combustível para um forno no valor
ótimo etc.
O controle de razão pode ser implementado de duas formas. No método I, mostrado na
Figura 13.9a, as vazões para as correntes de carga e manipulada são medidas e a razão
calculada Ram=mm/dm é computada usando-se um elemento divisor. Elementos especiais tais
como divisores e multiplicadores são disponíveis para sistemas controladores pneumáticos e
eletrônicos. A saída do divisor é mandada para o controlador de razão (RC) que compara a
razão calculada Ram com a razão desejada Rd e ajusta a vazão manipulada m de acordo. O
controlador de razão é normalmente um PI com setpoint igual à razão desejada.
No método II a vazão da corrente de carga é medida e transmitida para a estação de razão
(RS), que multiplica este sinal por um ganho ajustável. O valor do ganho Kr é igual à razão
desejada, Rd. O sinal de saída da estação de razão é então usado como setpoint para o
126
controlador de vazão, que ajusta a vazão da corrente manipulada. A vantagem do método II é
que o ganho em malha aberta permanece constante já que o divisor não é usado.
Note que a variável de carga (perturbação), d, é medida em ambos os esquemas. Logo,
o controle de razão é, em essência, uma forma muito simples de controle feedforward.
Figura 13.9
127
14- Controle de sistemas com malhas múltiplas
128
Figura 14.1
Considere o CSTR mostrado na Figura 14.1. A reação é exotérmica e o calor gerado é
removido por um refrigerante, que circula na jaqueta em torno do tanque. O objetivo de
controle é manter a temperatura no reator, T, constante num valor desejado. Possíveis
perturbações ao reator incluem a temperatura de alimentação Ti e a temperatura do
refrigerante Tc. A única variável manipulada é a vazão de refrigerante, Fc.
Controle feedback: vamos ter a configuração mostrada na Figura 14.2a, isto é, mede-se a
temperatura e manipula-se a vazão de refrigerante. Está claro que T vai responder muito
mais rápido a mudanças em Ti do que a mudanças em Tc. Logo, a estrutura feedback
mostrada vai ser bastante efetiva para compensar mudanças em Ti e menos efetiva para
compensar mudanças em Tc.
Controle em cascata: podemos melhorar a resposta do controle feedback a mudanças na
temperatura de refrigerante, Tc, medindo esta temperatura e tomando uma ação de controle
antes que o seu efeito seja sentido pela mistura reacional. Então, se Tc aumenta, aumente a
vazão de refrigerante, Fc, para remover a mesma quantidade de calor e diminua Fc quando
Tc diminui.
Então temos duas malhas de controle usando duas medidas, T e Tc, e uma única
variável manipulada, Fc. A maneira com que estas malhas estão relacionadas está mostrada na
Figura 14.2b. Pode-se notar que
a malha que mede T (variável controlada) é a dominante, ou primária, ou malha de
controle mestre (master), e usa um setpoint especificado pelo operador.
a malha que mede Tc usa a saída do controlador primário como setpoint e é chamada de
malha secundária ou malha escrava (slave).
129
Figura 14.2 - Controle do CSTR (a) feedback (b) cascata.
Vamos generalizar a discussão acima. Considere um processo que consiste de duas
partes, como mostrado na Figura 14.3a: processo I e processo II. O processo I (primário) tem
como saída a variável que queremos controlar. O processo II (secundário) tem uma saída que
não estamos interessados em controlar mas que afeta a saída a ser controlada. Para o exemplo
acima, o processo I é a reação no tanque e a variável controlada a temperatura T. O processo
II é a jaqueta e a sua saída Tc afeta o processo I (reator) e consequentemente T. A Figura
14.3b mostra um sistema de controle feedback simples e a Figura 14.3c indica a forma do
controle em cascata. Esta última figura mostra claramente o benefício de se usar controle em
cascata:
perturbações na malha secundária são corrigidas pelo controlador secundário antes que
afetem o valor da saída controlada
Figura 14.3- Representação esquemática de (a) processo em malha aberta (b) controle
feedback convencional (c) controle em cascata.
130
Um outro exemplo de controle em cascata é aplicado a um trocador de calor. A
configuração típica está mostrada na Figura 14.4. O objetivo do controle é manter a
temperatura de saída da corrente 2 no valor desejado. A malha secundária é usada para
compensar mudanças na vazão da corrente 1 (que é a variável manipulada). Pode-se analisar o
benefício do controle em cascata imaginando-se um aumento na pressão de vapor. Se a
posição da válvula é inicialmente constante, a vazão de vapor vai subir. O sensor de vazão de
vapor detecta o aumento. Como o setpoint do controlador de vazão (saída do controlador
primário) não terá mudado, este (o controlador secundário) responderá fechando a válvula
para retornar a vazão ao valor desejado. Como o sensor e a válvula têm resposta muito rápida,
o controlador de vazão pode rapidamente alcançar a vazão desejada de vapor. Respondendo
rapidamente ao aumento de pressão e compensando com o fechamento da válvula, o
controlador secundário corrige a perturbação antes que a saída controlada seja atingida.
Figura 14.4
O controle em cascata é particularmente útil quando as perturbações estão associadas à
variável manipulada, como no caso do trocador de calor exemplificado acima.
No exemplo acima, a malha secundária é usada para compensar mudanças de vazão, o
que é muito comum em processos químicos. Nestes processos as malhas de controle de vazão
estão quase sempre em cascata com outras malhas.
Outros exemplos de controle em cascata são os seguintes:
1- Colunas de destilação: controle em cascata é geralmente usado para regular a temperatura
(e consequentemente a concentração) no fundo ou topo da coluna de destilação. As Figuras
14.5 a e b mostram dois exemplos típicos do controle em cascata. Em ambos os casos a malha
secundária é usada para compensar mudanças de vazão.
131
2- Fornalhas: o controle em cascata pode ser usado para regular a temperatura de uma
corrente de processo (por exemplo, alimentação para um reator) saindo de uma fornalha. A
Figura 14.5c mostra a configuração em cascata resultante. novamente, a malha secundária é
usada para compensar mudanças de vazão (vazão de combustível).
A Figura 14.6b mostra uma forma simplificada do diagrama de blocos geral (Figura
14.6a), onde a malha secundária foi considerada como um elemento dinâmico.
Para a malha primária a função de transferência global em malha fechada é:
Gc , II Gp , II
Gc , I Gp , I
1 Gc , II Gp , II
Gprimária
Gc , II Gp , II
1 Gc , I Gp , I
1 Gc , II Gp , II
132
e consequentemente a equação característica cujas raízes determinam a estabilidade da malha
primária é:
Gc , II Gp , II
1 Gc , I Gp , I
1 Gc , II Gp , II
Figura 14.6
Observações:
1- Os dois controladores de um sistema de controle em cascata são controladores feedback
padrão (P, PI, PID). Geralmente um controlador proporcional é usado para a malha
secundária, embora um controlador PI com ação integral pequena também possa ser usado.
Um offset pequeno causado pelo controle P na malha secundária não é importante, já que não
estamos interessados em controlar a saída do processo secundário.
2- Como a dinâmica da malha secundária é muito mais rápida do que a da malha primária,
podem-se usar ganhos maiores no controlador secundário de forma a eliminar mais
efetivamente o efeito de perturbações ocorrendo na malha secundária sem colocar em risco a
estabilidade do sistema.
São sistemas de controle que envolvem uma variável manipulada e várias saídas
controladas. Como com uma variável manipulada podemos controlar somente uma saída, os
133
sistemas de controle seletivo transferem a ação de controle de uma saída para outra de acordo
com a necessidade. Há vários tipos de controle seletivo, vamos discutir dois deles:
controle override para proteção de equipamentos
controle auctioneering
Figura 14.7
Normalmente a pressão de vapor numa caldeira é controlada através do uso de uma
malha de controle de pressão na linha de descarga (malha 1 na Figura 14.7). Ao mesmo tempo
o nível de água na caldeira não deve cair abaixo do limite inferior que é necessário para
manter a serpentina de aquecimento imersa em água e logo prevenir danos. A Figura 14.7
mostra o sistema de controle override usando um low switch selector (LSS). De acordo com
este sistema, sempre que o nível cai abaixo do limite permitido, o LSS troca a ação de
controle de controle de pressão para controle de nível.
Proteção de um sistema compressor
A descarga de um compressor é controlada com um sistema de controle de vazão
(malha 1 na Figura 14.8). Para evitar que a pressão de descarga exceda um limite superior, um
134
sistema de controle overrride com um high switch selector (HSS) é introduzido. Ele transfere
a ação de controle da malha de controle de vazão para a malha de controle de pressão (malha
2 na Figura 14.8) sempre que a pressão na descarga excede o valor limite. Note que o controle
de vazão ou pressão estão na realidade em cascata com o controle da velocidade do motor do
compressor.
Figura 14.8
Proteção de um sistema de distribuição de vapor
Figura 14.9
Em qualquer processo químico há uma rede distribuindo vapor, em diversos níveis de
pressão, para as várias unidades de processamento. Vapor de alta pressão tem a sua pressão
diminuída para níveis menores em algumas estações. A quantidade de vapor que tem a
pressão diminuída em tais estações é controlada pela demanda na linha de vapor de baixa
pressão (malha 1 na Figura 14.9). Para proteger a linha de alta pressão de pressões excessivas,
podemos instalar um sistema de controle override com um HSS, que transfere a ação de
135
controle da malha 1 para a malha 2 quando a pressão na linha de alta pressão excede um
limite superior.
Tais configurações de controle selecionam entre muitas medidas similares aquela com
o maior valor e a alimenta ao controlador. Logo, este é um sistema de controle seletivo que
possui muitas saídas medidas e uma variável manipulada.
Exemplo 14.3: Exemplos de controle auctionnering
reator tubular catalítico com reações altamente exotérmicas
Muitas reações altamente exotérmicas ocorrem em reatores tubulares preenchidos com
um leito de catalisador. Um exemplo típico é a oxidação de o-xileno ou naftaleno para
produzir anidrido ftálico. A Figura 14.10 mostra o perfil de temperatura ao longo do perfil do
reator. A temperatura mais alta é chamada de hot spot (ponto quente). A localização do hot
spot se move ao longo do comprimento do reator dependendo das condições de alimentação
(temperatura, concentração, vazão) e da atividade do catalisador (Figura 14.11). O valor da
temperatura hot spot também depende dos fatores citados acima e da temperatura e vazão do
refrigerante. O controle de tais sistemas é um desafio para o engenheiro químico.
Figura 14.10
136
Figura 14.11
O objetivo principal do controle é manter a temperatura hot spot abaixo de um limite
superior. Entretanto, precisamos de um sistema de controle que possa identificar a localização
do hot spot e tomar a ação de controle apropriada. Isto pode ser conseguido por
-colocação de vários termopares ao longo do comprimento do reator
-uso de um sistema auctioneering para selecionar a temperatura mais alta, que será usada para
manipular a vazão do refrigerante (Figura 14.11).
Regeneração de reatores catalíticos
O catalisador em reatores catalíticos é desativado ao longo da reação devido aos
depósitos carbonáceos sobre ele. O catalisador pode ser regenerado pela queima destes
depósitos com ar ou oxigênio. Para evitar que o catalisador seja destruído devido à
temperaturas excessivas durante a combustão dos depósitos, pode-se usar um sistema
auctioneering que
-mede a temperatura através de vários termopares ao longo do reator
-seleciona a temperatura mais alta que corresponde à frente de combustão que se move
através do leito
-manipula apropriadamente a entrada de ar
137
palavras, podemos controlar uma única saída coordenando as ações de várias manipulações,
todas tendo o mesmo efeito na variável controlada.
Exemplo 14.4: Exemplos de controle split-range
Controle de um reator químico
Considere o reator mostrado na Figura 14.12a, onde ocorre uma reação em fase gasosa.
Duas válvulas de controle manipulam as vazões de alimentação e saída de produto. Para
controlar a pressão no reator, as duas válvulas não podem agir independentemente, mas
devem ser coordenadas. A figura 14.12b mostra a coordenação da ação das duas válvulas
como função da saída do controlador (veja também a tabela 1).
Imagine que o sinal de saída correspondente à operação desejada do reator seja 6 psig.
Na Figura 14.12b vemos que a válvula V2 está parcialmente aberta enquanto a válvula V1
está completamente aberta. Quando, por várias razões, a pressão no reator aumenta, o sinal de
saída também aumenta. Ele é então dividido em duas partes e afeta as duas válvulas
simultaneamente. As seguintes ações ocorrem:
-conforme a saída do controlador aumenta de 6 para 9 psig, a válvula V2 abre continuamente
enquanto V1 permanece completamente aberta. Assim, há uma redução na pressão.
-para grandes aumentos na pressão do reator, a saída do controlador pode exceder 9 psig.
Neste caso, como pode ser visto na Figura 14.12b, a válvula V2 está completamente aberta
enquanto a válvula V1 começa a fechar. As duas ações levam a uma redução na pressão até
que o reator tenha retornado a operação desejada.
Figura 14.11
Tabela 1
138
Saída do controlador Válvula 1 Válvula 2
sinal posição da haste posição da haste
3 psig aberta fechada
9 psig aberta aberta
15 psig fechada aberta
Figura 14.13
139
15-Processos com grande tempo morto
140
Figura 15.1
A implicação de se adicionar y'(s) ao sinal y(s) é mostrada na Figura 15.1b. Notamos
que o sinal y'(s) pode ser obtido por um simples loop em torno do controlador, que é chamado
de compensador de tempo morto ou preditor de Smith (em homenagem a O.J.M. Smith,
quem primeiro propôs tal artifício). A malha simplificada na Figura 15.1c é equivalente à da
Figura 15.1b e indica o efeito real do compensador de tempo morto: ele coloca o efeito do
tempo morto para fora da malha.
A resposta em malha fechada para o sistema com preditor de Smith é:
Gc (s)G(s)e tds
y(s) ysp(s)
1 Gc (s)G (s)
141
1- No diagrama de blocos da Figura 15.1c não é correto pensar que medimos o sinal depois
de G(s) porque tal medida não é possível num processo com tempo morto. Os únicos
sinais possíveis de serem medidos são a saída do processo, y(s), e a variável manipulada
m. Assim, o diagrama de blocos da Figura 15.1c somente dá uma representação
esquemática do efeito do preditor de Smith, não representa a realidade física.
2- O compensador de tempo morto prediz o efeito retrasado que a variável manipulada vai
ter na saída do processo. Esta predição somente é possível se temos um modelo da
dinâmica do processo (função de transferência, tempo morto).
3- Na maioria dos problemas de controle o modelo do processo não é perfeitamente
conhecido, ou seja, G(s) e td são conhecidos apenas aproximadamente. Considere que
G(s) e td representam as características "verdadeiras" do processo e que G'(s) e td'
representam as suas aproximações. Então, usando G'(s) e td' para projetar o preditor de
Smith, temos o sistema mostrado na Figura 15.2. Neste caso:
y* (s) y(s) y' (s) [GcGe tds (1 etd's )GcG ' ]ysp(s) Gc[G'(Ge tds G' etd's )]ysp(s)
Figura 15.2
A equação acima mostra que:
(a) Somente para processos perfeitamente conhecidos vamos ter compensação perfeita (ou
seja, G=G' e td=td')
(b) Quanto maior o erro de modelagem (maiores as diferenças (G-G') e (td-td')), menos
efetiva é a compensação.
(c) O erro na estimativa do tempo morto é mais prejudicial para uma efetiva compensação de
tempo morto, por causa da função exponencial.
4- O tempo morto num processo químico é normalmente causado por escoamento de fluidos.
Já que a vazão normalmente mostra variações durante a operação de uma planta, o valor do
tempo morto muda. Assim, se o compensador de tempo morto for projetado para um certo
valor de tempo morto, quando td mudar de valor a compensação não será efetiva.
142
16- Processos com resposta inversa
143
Figura 16.1
Figura 16.2
Controle PID
144
De todos os tipos de controladores feedback somente o PID tem uma boa resposta, já
que a ação de controle derivativa por natureza irá antecipar a "direção" errada do sistema e
providenciar uma ação corretiva para limitar (nunca eliminar) a resposta inversa. Já foi
demonstrado numericamente que o ajuste de Ziegler-Nichols leva a bons resultados para
sistemas com resposta inversa.
Então
[(K12 K 21) k (1 2)]s (K1 K 2)
y * (s) y(s) y' (s) Gc (s) ysp(s) (16.3)
(1s 1)(2s 1)
e para
K 21 K12
k (16.4)
1 2
encontramos que o zero da função de transferência em malha aberta resultante não é positivo:
K1 K 2
s 0
(K12 K 21) k (1 2)
145
Figura 16.3
Adicionar o sinal y'(s) ao sinal principal feedback y(s) significa a criação de um loop
local em torno do controlador como mostrado na Figura 16.3b. O sistema neste loop tem uma
função de transferência dada por
1 1
Gcompensador k (16.5)
2s 1 1s 1
onde k deve satisfazer a equação 16.4.
Observações:
1-O compensador de resposta inversa prediz a resposta inversa do processo e provê um sinal
corretivo para eliminá-la. A predição é baseada num modelo do processo. A predição ideal
acontece se a função de transferência do processo é completamente conhecida. Neste caso o
compensador é dado por:
K2 K1
Gcompensador
2s 1 1s 1
Então o compensador dado pela equação 16.5 é somente uma aproximação da função de
transferência do processo.
146
2- Erros de modelagem nos termos 1 e 2 vão deteriorar o desempenho de um compensador
de resposta inversa, ou seja, causarão aumento da resposta inversa e respostas lentas.
3- Para o controlador, PI é a escolha mais comum.
147