Anda di halaman 1dari 35

Mt odos de I dent i f i cao de Processos

Disciplina: TEQ102- CONTROLE DE PROCESSOS


1
Departamento de Engenharia Qumica e de Petrleo UFF
Introduo
2
Modelo do
Processo
u
?
ANLISE
?
Identificao
u
y
Modelo do
Processo
Controle
?
y
determinao de dito modelo, a partir de ter algum conhecimento prvio sobre o
processo e de experincias prticas, se lhe conhece como Identificao de Processos.
A modelagem matemtica a rea do conhecimento que estuda
maneiras de desenvolver e implementar modelos matemticos de
sistemas reais.
A identificao de sistemas uma rea do conhecimento que estuda
Introduo
A identificao de sistemas uma rea do conhecimento que estuda
tcnicas alternativas da modelagem matemtica.
Uma das caractersticas dessas tcnicas que pouco ou nenhum
conhecimento prvio do sistema necessrio e, consequentemente,
tais mtodos so tambm referidos como modelagem ou identificao
caixa preta ou modelagem emprica.
Em muitos casos prefervel usar tcnicas de identificao para se
obter modelos que descrevam o comportamento de um sistema. O que obter modelos que descrevam o comportamento de um sistema. O que
se pretende descrever com tais modelos so as relaes de causa e
efeito entre as variveis de entrada e de sada. Nesse caso, o tipo de
modelos, as tcnicas usadas e os requisitos necessrios so bastantes
distintos dos correspondentes na modelagem pela natureza do
processo.
3
Teoricamente, para chegar a obter um modelo poderiam
adoptar-se dois enfoques diferentes:
4
Processo de identificao
Mtodo Analtico (Fenomenolgico): determinar as equaes
e parmetros que intervm a partir dos princpios da Fsica,
da Qumica, Biolgicos , mediante equaes de balanos de
massa e energia.
Mtodo Emprico (via experimental): na qual se considera o
sistema como uma caixa preta, com determinadas entradas
e sadas.
5
Mtodo analitico
Processo de identificao
TC
TT
TCV Processo
+ +
Ti
Fi
To
Tsp
Perturbaes
TT
O trabalho de determinar kp,
m
e chamado estimao de
parmetros. A existncia de rudo
na prtica, durante o processo de
medio, faz que o trabalho se
torne complexo.
GpGvGcGm
GpGvGc
s Tsp
s T
+
=
1 ) (
) (

p
Mtodo emprico (via experimental).
6
Processo de identificao
?
Identificao
u (t) Y (t)
Nesta situao se realiza um conjunto de experimentos que propor-
cionaram pares de medidas das entradas e sadas durante a evoluo do
sistema at o estado estacionrio, a partir dos quais se trataria de
determinar o modelo do sistema.
7
Processo de identificao
Processo de identificao
8
2 ordem subamortecido
2 ordem criticamente amortecido
1 ordem mais tempo morto
2 ordem criticamente amortecido
1 ordem
2 ordem criticamente sobreamortecido
Objetivo:
Para identificar a dinmica de processo de ordem baixa (ou seja,
modelos de funo de transferncia de primeira e de segunda ordem)
9
Processo de identificao
Estimar os parmetros de processo (i. e., K
p
, t and x)
Metodologias:
1. Estimativa por Mnimos Quadrados
abordagem estatstica mais sistemtica
2. Mtodos de Curva de Reao 2. Mtodos de Curva de Reao
processo rpido e fcil
baseado na engenharia heursticas
Mtodo Mnimo Quadrados:
Forma mais simples do modelo
10
Processo de identificao
Descrio do Processo
onde
E y x [ ] = +
0 1
y x = + +
0 1
onde
y vetor de medio do processo
x vetor de entradas do processo

1
,
0
parmetros do processo
Problema:
Encontrar
1
,
0
que minimiza a soma dos quadrados residuais (SSR)
11
SSR y x
n
= ( )
2
Processo de identificao
SSR y x
i i
i
=
=
( )
0 1
2
1
soluo
Diferenciar SSR com relao aos parmetros
$ $
$

0 1
1
1
=
=

y x
x y nxy
i i
i
n
$

1
1
2 2
1
=

=
=
x nx
i
i
i
n
x
x
n
y
y
n
i
i
n
i
i
n
= =
=

=
,
1 1
onde
Ha duas equaes normal. Soluo de parmetros dado:
Estes so chamados de equaes normais. Resolvendo
12
Processo de identificao
Processo de identificao
para parmetros d:
$ $
$

0 1
1
1
2 2
=
=

y x
x y nxy
i i
i
n
n
1
2 2
1

=
x nx
i
i
n
Onde:
x
x
n
y
y
n
i
i
n
i
i
n
= =
=

=
,
1 1
Mnimos Quadrados No-lineares so necessrios para
aplicaes de Controle
13
Processo de identificao
A sada do sistema geralmente discretizado
ou, simplesmente
y t y t y t y t
n
( ) [ ( ), ( ), , ( )]
1 2
K
y t y y y
n
( ) [ , , , ]
1 2
K
E y K M e
i p
t
i
[ ] ( )
/
=

1

Mnimos Quadrados No-lineares so necessrios para aplicaes
de Controle
14
Processo de identificao
Processo de primeira ordem (resposta ao degrau)
o problema torna-se quadrados a minimizao da
E y K M e
i p
t
i
[ ] ( )
/
=

1

SSR y K M e
t
n
i
=

( ( ))
/
1
2
Isso produz um problema de soluo iterativa que so melhor tratada por
pacotes de software: FORTRAN, SPLUS, MATLAB (funo leastsq)
SSR y K M e
i p
t
i
i
=

=
( ( ))
/
1
2
1

15
Mnimos Quadrados No-Lineares Ajuste de um processo de primeira
ordem a partir dos dados de resposta degrau
Modelo
E y t K e
p
t
[ ( )] . ( )
/
=

30 1

Processo de identificao
Modelo
E y t K e
p
t
[ ( )] . ( )
/
=

30 1

2
2.5
3
3.5
4
4.5
y
(
t
)
Step Response
0 10 20 30 40 50 60 70 80
-0.5
0
0.5
1
1.5
t
K
p
= = 13432 118962 . , .
Processo de identificao
16
Resultados:
Utilizando a funo do leastsq do MATLAB obtm-se
1.5
2
2.5
3
3.5
4
4.5
y
(
t
)
Step Response
Resultados do ajuste
0 10 20 30 40 50 60 70 80
-0.5
0
0.5
1
1.5
t
Na prtica se combinam ambos enfoques, atuando em duas
etapas:
Problema da Identificao
17
Etapa de anlises, na qual se tem em conta as leis fsicas e as
condies particulares de trabalho para estabelecer hipteses
sobre a estrutura e propriedades do modelo que se pretende
identificar.
Etapa experimental, na qual se adotam as hipteses estabelecidas
anteriormente e se tem em conta as medies experimentais para anteriormente e se tem em conta as medies experimentais para
determinar o modelo.
Na anlise h que ter em conta que embora o sistema seja
no lineal, pode ser conveniente adoptar um modelo lineal
com objeto de estudar seu comportamento sob variaes
18
Problema da Identificao
com objeto de estudar seu comportamento sob variaes
relativamente pequenas num ponto de operao.
Assim mesmo, podem usar-se hiptese simplificadoras
para descrever o comportamento do sistema mediante um
modelo de ordem reduzido, mais fcil de identificar e,
posteriormente, de utilizar. posteriormente, de utilizar.
Por outra parte, em sistemas lineais com mltiplas
entradas, possvel aplicar o principio de superposio,
considerando cada sada como suma de sadas elementais
19
Problema da Identificao
considerando cada sada como suma de sadas elementais
correspondentes a uma s entrada. A situao se ilustra na
figura:
Aplicao do principio de superposio
Um fator a ter em conta na anlise a determinao do tempo das
experincias, j que podem existir parmetros que variem em funo
de perturbaes lentas no medveis, ou bem podem aparecer no
Fatores a considerar
20
de perturbaes lentas no medveis, ou bem podem aparecer no
linearidades que no esto presentes num transitrio ao redor de um
ponto de trabalho.
Outro aspecto importante, dentro do marco do controle dos processos
industriais, que no o mesmo identificar um modelo de um sistema
que trabalhar a malha aberta ou a malha fechada. Esta claro que no
primeiro se requer maior preciso.
O modelo de um sistema, como representao de seus aspectos O modelo de um sistema, como representao de seus aspectos
fundamentais na forma mais conveniente para a finalidade a que est
destinado, pode ficar expressado em forma de um conjunto de
equaes, tabelas, grficos ou incluso de regras que descrevem sua
operao.
Dependendo da comunidade cientfica que utilize a tcnica,
se fala de parameter estimation, time series analysis ou
Process identification.
Estimao x Identificao
21
Process identification.
IIdentificao de Processo um termo usado pela
comunidade de controle, o qual mais amplo e inclui a
estrutura do modelo e os parmetros correspondentes a
esse modelo. Tambm inclui os mtodos no-
paramtricos. paramtricos.
Um teste de malha aberta pode ser realizado a partir do estado
de referncia estvel:
Fazer uma perturbao degrau na entrada do processo,
Determinao do ganho do processo
22
Fazer uma perturbao degrau na entrada do processo,
Registrar a sada do processo at que um novo estado
estacionrio seja atingido,
verificar a semelhana deste perfil
Se assim, calcule K
P
como: ) 1 ( ) (
/
P
t
P
e AK t y

=
ref ss novo ss
ada
y y
K |
|

|
=

=
) s (
, ,
equilibrio de estado
ref novo
ref ss novo ss
P
ntradas
ada
u u
y y
K
|
|

\
|

=
) E (
) s (
, ,
O ganho do processo, somente pode ser determinado a
partir da informao do estado estacionrio.
A partir do mesmo teste em malha aberta :
Determina-se a
P
graficamente (nota:
P
dimenso do tempo)
Determinao da constante de tempo do processo
23
1.2
0.4
0.6
0.8
1
K
p
M
O ganho do processo somente
pode ser determinado a partir
da informao de estado
estacionrio.
Ns precisamos de
informaes dinmica, para
determinar a constante de
tempo do processo.
0,63y
0 1 2 3 4 5 6 7 8
-0.2
0
0.2

tempo do processo.
Determinar os valores de K
P
e

P
de um processo dado
conhecido como Processo de
identificao.
Indicar a tarefa de identificao como um problema de otimizao:
A partir dos dados um modelo de primeira ordem, encontrar os valores de K
P
e
P
que
permitam obter o melhor modelo que se ajuste aos dados experimentais.
Uma abordagem alternativa
24
Para o qual se precisa de pacote computacionais para executar o ajuste
(ex. Matlab
TM
, Control Station
TM
, etc.)
recomendado realizar degrau ascendente e descendente na varivel
manipulada vrias vezes para obter o real" comportamento dinmico
do processo.
Nunca confie nos resultados "brutos" ajustados apenas uma nica Nunca confie nos resultados "brutos" ajustados apenas uma nica
vez!. Sempre julgar os resultados por meio da sobreposio a curva
ajustada ao processo.
Os controles de processos industriais tm se tornado cada vez mais
complexos devido exigncia de qualidade dos produtos, rapidez na
entrega e concorrncia de mercado, o que produz grandes quantidades
de dados a serem gerenciados pelos trs nveis de controle (dispositivos
Uma abordagem alternativa
25
de dados a serem gerenciados pelos trs nveis de controle (dispositivos
de campo, sistemas de controle e softwares para gerenciamento e
negcios).
Na busca de uma soluo para esse problema, foi desenvolvida a
tecnologia OPC, que uma tecnologia para conectar aplicaes Windows
e equipamentos de controle de processos.
O OPC um protocolo de comunicao aberto que permite um mtodo
consistente de acesso aos dados de inmeros equipamentos dos mais
diversos fabricantes.
Uma abordagem alternativa
26
Mediante o software MATLAB e da funo de controle ActiveX que
permite a comunicao entre o MATLAB e as variveis do processo
atravs da tecnologia OPC.
Resultado do Ajuste:
Processo real
Resultado do Ajuste:
= 50,7
p = 1,968
p= 100,4
R
2
=0,9994.
A identificao de processos pode ser dividida nas seguintes etapas:
a) Testes dinmicos e coleta de dados:
PROCEDIMENTOS PARA A IDENTIFICAO DE UM SISTEMA
27
a) Testes dinmicos e coleta de dados:
Os arquivos de dados do processo tm o mesmo papel das
equaes constitutivas na modelagem terica, pois fornecem as
bases especficas para o desenvolvimento de modelos para
processos especficos.
Como o modelo obtido por identificao totalmente baseado nos
dados experimentais, importante ter em mente que a informao dados experimentais, importante ter em mente que a informao
que no est contida nos dados no pode aparecer num passe de
mgica no modelo, da mesma forma que no razovel esperar que
uma equao constitutiva no especificada contribua para a
qualidade do modelo terico final.
A identificao de processos pode ser dividida nas seguintes etapas:
b) Escolha correta da estrutura dos modelos:
PROCEDIMENTOS PARA A IDENTIFICAO DE UM SISTEMA
28
b) Escolha correta da estrutura dos modelos:
Consiste na determinao dos termos que devem compor os
modelos, preferencialmente de forma automtica, atravs do
reconhecimento da importncia destes diversos termos, utilizando os
chamados dados de identificao e evitando a sobreparametrizao
que ocorre quando so utilizados mais termos do que o necessrio;
c) Estimao de parmetros utilizando mtodos numricos c) Estimao de parmetros utilizando mtodos numricos
adequados;
d) Verificao da capacidade dos modelos em representar o
processo estudado.
Esses mtodos se caracterizam por determinar os
parmetros do modelo de uma forma grfica, e por muito
tempo se vem utilizando desta forma a pesar das imprecises
Mtodos grficos de Identificao de Processos
29
tempo se vem utilizando desta forma a pesar das imprecises
implcitas neles.
No obstante, com a ajuda da computador, muitos mtodos
grficos se tm programados mediante algoritmos analticos.
1) Ajustar o controlador para o modo manual.
Identificao de sistemas de primeira e de segunda ordem
usando uma entrada degrau
30
2) Modificar a magnitude da varivel de controle (acrscimo ou
decrscimo).
3) Registrar (plotar) a varivel de sada do processo. O grfico da
resposta de sada do processo para uma variao na entrada
muitas vezes referido como curva reao do processo.
Mtodos grficos de Identificao de Processos
31
Mtodo da curva de reao do processo:
Baseado na aproximao do processo de primeira ordem mais um
atraso:
D(s)
G
p
G
c
G
H
M/s
D(s)
Y(s)
Y
*
(s)
U(s)
Y
m
(s)
1. Introduzir um Degrau em U
2. Observar o comportamento ym (t)
3. Montar um modelo de 1

ordem
mais tempo morto
Y s
KMe
s s
m
s
( )
( )
=
+

1
32
Se o processo de interesse pode ser aproximado a um
modelo linear de primeira ou de segunda ordem, os
parmetros do modelo podem ser obtidos por inspeco
Mtodos grficos de Identificao de Processos
parmetros do modelo podem ser obtidos por inspeco
do curva reao do processo.
A resposta de um modelo de primeira ordem,
1 ) (
) (
+
=
s
K
s U
s Y

( )
/
(1 ) (5-18)
t
y t KM e

=
para uma variao degrau de magnitude M :
33
A tangente inicial esta dada por:
1
(7-15)
d y
| |
=
|
Mtodos grficos de Identificao de Processos
O ganho pode ser calculado a partir das mudanas no estado
de equilbrio em u e y:
0
(7-15)

t
dt KM
=
=
|
\
y y
K

=

=
onde y a variao no estado de equilbrio de y
M
y
u
y
K

=

=
0.9
1
34
Mtodos grficos de Identificao de Processos
0.2
0.3
0.4
0.5
0.6
0.7
0.8
u
y
K

=
0 1 2 3 4 5 6
0
0.1
Figure 7.3 - Resposta de um sistema de primeira ordem para uma pertubao degrau
e construes grfica utilizada para estimar a constante de tempo, .
35
-
( )
1
Ke s
G s
s
=
+
Modelo de primeira ordem mais tempo morto
Para este modelo POTM, observa-se as seguintes caractersticas de sua
2. A linha traada tangente resposta (t = ) na mxima
tangente (intersecta a y/KM=1 na linha (t = + ).
1. A resposta atinge 63,2% da sua ltima resposta no tempo,
t = +.
Para este modelo POTM, observa-se as seguintes caractersticas de sua
resposta a uma perturbao degrau so:
tangente (intersecta a y/KM=1 na linha (t = + ).
3. A resposta degrau essencialmente completada em t = 5t.
Noutra palavra, o tempo do novo equilibrio t
s
= 5t.
Exemplo 1. A figura da resposta da temperatura T num CSTR para uma mudana
degrau na velocidade do fluxo de alimentao W de 120 a 125 kg/min. Determine
um modelo de primeira ordem aproximado para o processo nessas condiciones de
Exemplo: Mtodo da tangente mxima
36
operao.
152,6
Soluo: Primeiro note que W= M = 125 120 = 5 kg/min desde
T = T() T(0) = 160 140 = 20C,
o ganho do processo :
Exemplo: Mtodo da tangente mxima

o ganho do processo :
a constante de tempo obtida da construo grfica mostrada = 5 min.
Note que esse resultado coincide com o tempo quando o 63,2% da
resposta atingido, isto :
min /

4
min / 5
20
kg
C
kg
C
W
T
K = =

=
64 , 12 ) 140 160 ( 63 , 0 =
1 5
4
) ( '
) ( '
+
=
s s W
s T
assim, o modelo do processo desejado :
64 , 12 ) 140 160 ( 63 , 0 =
Mtodos Grficos de Identificao
38
Na literatura de controle de processos existe uma variedade
de mtodos baseado na resposta do processo ao degrau para
identificao de K, e .
Ilustram-se os seguintes mtodos:
Ziegler/Nichols_1942.
Hgglund_1991.
Smith_1985. Smith_1985.
Sundaresan_1977.
Nishikawa_1984.
Mtodo 1: Mtodo do intercepto da pendente ou Mtodo de
mxima pendente de Ziegler & Nichols.
Consiste em tracejar uma tangente no ponto de inflexo da curva
de reao do processo. Ento, os parmetros so determinados
pela inspeo;
O tempo morto determina-se a partir da interseo da tangente
de pendente Sm com o valor inicial da varivel de sada.
= y/S
m
39
de pendente Sm com o valor inicial da varivel de sada.
Para uma reposta a uma mudana degrau de um sistema de 1
a
ordem sem tempo morto atinja o 63,2 de seu valor final num t=
ou seja que
t
63
- =
Mtodo 1: Mtodo do intercepto da pendente ou de Ziegler-Nichols.
40
Figure 7.5 - Anlise grfica da curva de reao do processo para obter os
parmetros do modelo de primeira ordem mais tempo morto.
O Dr Cecil Smith (1972) propus que os valores de e de sejam selecionado
de tal modo que o modelo e as respostas reais coincidam em dois pontos na
que a regio de elevada taxa de mudana. Assim,
2 Mtodo de Smith
41
1 ) (
) (
+
=

s
Ke
s U
s Y
s

s
M
s
Ke
s Y
s
1
) (
+
=

(
=

1
s

Processo de 1 ordem + tempo morto


e para uma entrada degrau, tem se:
(

+
=

1
1
) (
s s
KMe s Y
s

[ ]

/ ) (
1 ) ( ) (

=
t
e t KMu t y
Logo, por expanso por fraes parciais:
Por transformada Inversa de Laplace e aplicando o teorema tranlao, temos:
Avaliando na eq. anterior os dois pontos recomendados por Smith :
t
1
= ( + / 3) e
t
2
= ( + ).
2 Mtodo de Smith
42
Temos:
[ ] Ys e KM y = = +

283 , 0 1 ) 3 / (
3 / 1

[ ] Yss e KM y = = +

632 , 0 1 ) (
1

O valor de e podem ser obtidos por uma simples resoluo do seguinte
conjunto de equaes
1
3
t = +

t = +
O que se reduze a : ) (
2
3
1 2
t t =
=
2
t
onde,
t
1
= tempo no qual Y =0,283Ys
t
2
= tempo no qual Y =0,632Ys
2
t = +
2 Mtodo de Smith
43
Mtodo 3. Mtodo de Sundaresan e Krishnaswamy
Este mtodo tambm evita a utilizao do ponto de inflexo para
estimar a constante de tempo e de atraso de transporte .
Eles propuseram que dois tempos, t
1
e t
2
, sejam estimados a
partir da curva de resposta a um degrau, correspondente aos partir da curva de resposta a um degrau, correspondente aos
35,3% e 85,3% da resposta, respectivamente.
Ento, o tempo de morto e a constante de tempo so
estimados a partir das seguintes equaes:
( )
1 2
2 1
1.3 0.29
(7-19)
0.67
t t
t t
=
=
44
Estes valores de e aproximadamente minimizam a
diferena entre a resposta medida e a do modelo, com base
numa correlao do conjunto de dados.
( )
2 1
0.67 t t =
0.9
1
45
3- Mtodo de Sundaresan e Krishnaswamy
85,3%
0.3
0.4
0.5
0.6
0.7
0.8
0.9
y
(
t
)
= 13 0 29
1 2
. . t t
85,3%
35,3%
0 20 40 60 80 100 120 140 160
0
0.1
0.2
0.3
t

=
=
13 0 29
067
1 2
2 1
. .
. ( )
t t
t t
t
1
t
2
4 - Mtodo de Nishikawa
46
Step Response
1.4
1.6
From: U(1)
Para os dados
experimentais nesta
figura. Qual o modelo
aproximado que pode
Exemplo
47
Degrau unitrio
A
m
p
l
i
t
u
d
e
0.4
0.6
0.8
1
1.2
1.4
T
o
:

Y
(
1
)
57 . 1
52 . 0 05 . 0 57 . 0
05 . 0
57 . 1
1
57 . 1
05 . 0
= =
=
= =

e
K
s

aproximado que pode


obter-se?
Time (sec.)
0 0.2 0.4 0.6 0.8 1 1.2
0
0.2
0.4
1 52 . 0
57 . 1
05 . 0
+
=

s
e
G
s
0.57
0.05
Resposta de X
B
para um degrau na vazo de refluxo R
134
136
response of XB due to R
0 10 20 30 40 50 60
128
130
132
0.1
0.12
response of XB due to R
48
10 15 20 25 30 35 40
0.02
0.04
0.06
0.08
0.1
132
134
136
response of XB due to R
132
134
136
response of XB due to R
) (

e K
s G
s
p

Aproximao de G(s) usando Mtodo Z&N:


=6.2
Mudana na entrada
0 10 20 30 40 50 60
128
130
0.08
0.1
0.12
response of XB due to R
0 10 20 30 40 50 60
128
130
0.08
0.1
0.12
response of XB due to R
Linha
atravs do
ponto
1
) (
+

s
s G
p

=.098
Mudana na entrada
K
p
=/
=.098/6.2
=0.016
10 15 20 25 30 35 40
0.02
0.04
0.06
0.08
10 15 20 25 30 35 40
0.02
0.04
0.06
0.08 ponto
mximo
inclinao
S=/
=.098
Mudana na sada
=12-10 = 2 seg, aps o degrau
=23-12 =11 s
1 11
016 . 0
2
+
=

s
e
G
s
132
134
136
response of XB due to R
=1.5*(t
63%
- t
28%
)=1.5*(19-16)= 4.5
= t
63%
- = (19-10) - 4.5 = 4.5 s
Aproximao de G(s) usando Mtodo Smith:
0 10 20 30 40 50 60
128
130
0.08
0.1
0.12
response of XB due to R
(certifique-se de subtrair a vez do degrau)
=.098
Mudana da Sada
10 15 20 25 30 35 40
0.02
0.04
0.06
t
63%
, tempo p/ 63% de
t
28%
, tempo p/ 28% de
Mudana da Sada
1 5 . 4
016 . 0
5 . 4
+
=

s
e
G
s
0.11
0.12
Comparao do Mtodo I e II
0.05
0.06
0.07
0.08
0.09
0.1
0.11
Mtodo Smith
Mtodo Z&N
10 15 20 25 30 35 40
0.02
0.03
0.04
0.05
51
Exercicio
O vapor de processo aquecido usando um trocador de calor de casco e tubos.
A temperatura de sada controlada ajustando uma vlvula de controle. Durante
uma prova experimental malha aberta, a preso de vapor P mudou
repentinamente de 18 a 20 psig e os datos da temperatura so mostrados na repentinamente de 18 a 20 psig e os datos da temperatura so mostrados na
seguinte tabela como preso convertida a corrente pelo controlador. Por medio
do mtodo de Ziegler-Nichols determine o melhor modelo para estes dados.
t (min) T (mA)
0 12
1 12
2 12,5
3 13,1
4 14
5 14,8 5 14,8
6 15,4
7 16,1
8 16,4
9 16,8
10 16,9
11 17
12 16,9
16
17
12
13
14
15
16
T
11
12
0 5 10 15
t min
45 . 2
18 20
12 9 . 16
=

=
P
T
M
y
K
0968 . 3 632 . 0 * 9 . 4
9 . 4 12 9 . 16
=
=
( )
3 . 28 2 . 63
t t
2
3
=
( ) 6 . 3 1 . 3 5 . 5 5 . 1 = =
0968 . 15 0968 . 3 12 = +
3867 . 13 3867 . 1 12
3867 . 1 283 . 0 * 9 . 4
= +
=
5 . 5 t
2 . 63
=
=
2 . 63 d
t t
9 . 1 6 . 3 5 . 5 t
d
= = =
1 . 3 t
3 . 28
=
( )
3 . 28 2 . 63
t t
2
3
=
1 s
Ke
) s ( G
s t
d
+
=

1 s 6 . 3
e 45 . 2
) s ( ' P
) s ( ' T
s 9 . 1
+
=

Substituindo o degrau
) 1 s 6 . 3 ( s
e ) 45 . 2 ( 2
) s ( ' T
s 9 . 1
+
=

Aplicando trasformada inversa


( )

=
/ ) t t (
d
e 1 KA ) t ( ' T
( )
6 . 3 / ) t 9 . 1 (
d
e 1 9 . 4 ) t ( ' T

=
16
17
13
14
15
T
11
12
0 5 10 15
t min
Muito poucos grficos experimentais da resposta degrau apresenta um
comportamento de primeira ordem por que:
1. difcil para construir uma perfeita entrada degrau
2. O verdadeiro modelo de processo no de primeira ordem nem
linear. Unicamente o mais simples processo exibir tais modelos
dinmicos ideais.
3.A resposta de sada so usualmente corrompidas com rudo, isso
, contm um componente aleatrio na sada medida.
4.Outra entrada (perturbao) pode mudar durante o teste do
degrau sem o conhecimento do operador.
Estimao de Parmetros de Modelos de Segunda
ordem usando anlise grfico
Em geral, uma melhor aproximao resposta de um degrau
experimental pode ser obtido pelo ajuste os dados a um modelo de
segunda ordem. segunda ordem.
( )
( )( )
(5-39)
1 1
K
G s
s s
=
+ +
2 1
/ 0 =
criticamente amortecida
2 1
/ 1 =
Sistema 1 ordem
58
Figure 7.6 Step response for several overdamped second-order systems.
( )
( )( )
1 2
(5-39)
1 1
G s
s s
=
+ +
Estimaco de Parmetros de Modelos de Segunda
ordem usando anlise grfico
A Figura 7,6 (Seborg) mostra a faixa das formas que pode ocorrer
na resposta degrau do modelo,
A Figura 7,6 inclui dois casos: onde o sistema se torna de
primeira ordem, e, caso o criticamente amortecida.
2 1
/ 0 =
2 1
/ 1 =
( )
( )( )
1 2
(5-39)
1 1
K
G s
s s
=
+ +
59
O maior dos duas constantes de tempos, , a chamada constante tempo
dominante.
2 1
1

Estimaco de Parmetros de Modelos de Segunda


ordem usando anlise grfico
60
Figure 7.6 Step response for several overdamped second-order systems.
Mtodo Harriot.
Harriot plotou a resposta na forma fracionria de segunda ordem (sem tempo
morto) assim mesmo t/(
1
+
2
) para diversas fraes de
2
/
1
.
Encontrou que todas as curvas se intersectam aproximadamente a 73% do
valor final do estado estvel onde t/(
1
+
2
) igual a 1.3 como se mostra na valor final do estado estvel onde t/(
1
+
2
) igual a 1.3 como se mostra na
figura:
A faixa real 0.7275 < y < 0.7326. Assim para medir o
tempo requerido pelo sistema para atingir o 73% do valor
final t , a soma das duas constantes de tempo pode ser
Mtodo Harriot.
final t
73
, a soma das duas constantes de tempo pode ser
calculada:
(
1
+
2
) = (t
73
/1.3).
Harriot graficou a resposta fracionria em t/(
1
+
2
) = 0.5
asim mesmo /( + ) desde as curvas do grfico anterior, asim mesmo
1
/(
1
+
2
) desde as curvas do grfico anterior,
mostra uma grande desviao neste ponto. A resposta
fracionria mostrada na seguinte figura:
Mtodo Harriot.
O valor da resposta fracionria quando t = 0.5(
1
+
2
) pode
ser determinado nos dados experimentais, e o valor de

1
/(
1
+
2
) pode ser ldo desde a figura anterior.
Mtodo Harriot.
Se a resposta fracionria menos que 0.26 ou maior
que 0.39 neste ponto, o mtodo no aplicvel, o qual
geralmente indica que o processo requer um modelo
de ordem superior que de segunda ordem, a que
subamortecida.
O mtodo de Harriot geralmente menos exato, a medida
que
2
/
1
se aproxima unidade, e
1
e
2
so justamente
sensiveis estimao de K (obtendo a resposta no estado
estacionrio).
Mtodo de Smith para processo de 2 ordem
Assuma-se o modelo:
( )

2 2
2 1
s
Ke
G s
s s

=
+ +
1. Determine t
20
e t
60
da resposta degrau.
2. Determine e t
60
/t da Fig. 7.7.
( )
2 2
2 1 s s + +
Procedimento:
65
2. Determine e t
60
/t da Fig. 7.7.
3. Determine t
60
/t da Fig. 7.7 e calcule t (dado que t
60

conhecido).
66
Exemplo.
Use os mtodos de segundo ordem de Harriot e Smith para ajustar
a curva da resposta degrau mostrada no grfico abaixo. Pelo mtodo
Harriot e Smith assuma = 0, desde a curva resposta chegue a ser
diferente de zero imediatamente depois de t = 0.
min 4 . 6 t
73
=
min 92 . 4
1.3
min 4 . 6
3 . 1
t
73
2 1
= = = +
Se utiliza Mtodo Harriot.
1.3 3 . 1
min 46 . 2 min) 92 . 4 ( 5 . 0 t
5 . 0
t
2 1
= =
=
+
Desde o grfico de dados
experimentales:
Para encontrar
1

295 . 0
KM
y
=
2 1
1
+

74 . 0
2 1
1
=
+

Como
min 92 . 4
2 1
= +
Se obtm
min 64 . 3
1
=
se obtm de:
2

min 92 . 4
2 1
= +
min 28 . 1
2
=
Se obtm a funo de transferncia.
min 28 . 1
2
=
) 1 s 28 . 1 )( 1 s 64 . 3 (
KM
) s ( G
+ +
=
Se obtm a funo de transferncia.
min 85 . 1 t
20
=
min 5 t
60
=
37 . 0
t
t
20
=
Se obtm
como
8 . 2
t
60
=

min 5 t =
Mtodo Smith.
37 . 0
t
60
=
Se utiliza
se calcula
min 5 t
60
=
min 79 . 1 =
3 . 1 =
Se obtm a funo de transferncia.
1 s 6 . 2 s 79 . 1
KM
) s ( G
2 2
+ +
=