Resumo Neste artigo tem como objetivo revisar e aplicar a teria de Controle Moderno em sistemas digitais. Para isto ser feito a alocao de plos para
o controle de posio vertical de um quadricoptero. Sero feitas tambm avaliaes sobre o desempenho da malha controlada. Por fim sero discutidos a
implementao de diferentes observadores de estados e suas aplicaes.
1
X = [ 1 2 3 4 ] (4) 0.3679 0 0
Az = [ 0.0632 1 0] (16)
0 0.1 1
B = [0 0 7 7 7 7] (5)
Cz = [0 0 0.2968] (17)
Pode-se facilmente demonstrar que o sistema proposto Para se garantir erro nulo em regime permanente foi
por [2] no controlvel e no observvel. O prprio autor adicionado um integrador e para isso a matriz A e B foram
ressalta esta caracterstica e cita que isto comum em sistemas expandidas segundo a equao 18 e resultou nas novas matrizes
mveis. Este sistema porem pode ser reduzido para a seguinte A*(20) e B*(19).
funo de transferncia em 9 a partir da equao 8.
0
= ( )1 (8) = [ ] = [ 0] (18)
1
0.2968 = [1 0] (19)
= (9) 0 0
2 ( + 10)
M = [ 2 3 4 5 ] (21)
C = [0 0 0.2968] (12)
det(M) = 2.5258 107 (22)
Como o sistema continuo e seu controle ser
realizado em um controlador digital interessante converter a
modelagem deste modelo para o modelo discreto para que assim Na alocao de plos do controlador a dinmica
possa ser feito o controle digital. O sistema continuo em questo desejada do sistema, imposta por dois plos dominantes com
com uma taxa de amostragem de 0.1s pode ser aproximado pelo base nas caractersticas de um sistema de segunda ordem. Os
problema discreto descrito em 15, 16 e 17. A estrutura do outros plos so alocados distantes dos polos dominantes, dessa
espaos de estados discretos est disposto em 13 e 14. forma a dinmica destes plos muito mais rpida que a
dinmica do sistema. Para isto, os plos so calculadas no plano
( + 1) = () + () (13) contnuo s e so convertidos segundo a definio da
transformada z. Os plos dominantes 1,2 no plano s podem ser
() = () + () (14) obtidos a partir das equaes 23, 24 e 25. A converso dos plos
do plano s para o z pode ser obtido a partir de 26.
Bz = [0.0632 0.0037 0.0001] (15)
2
2
= (23)
2 +2
4
= (24)
1,2 = 1 2 (25)
3 = 0.3679 (29)
4 = 0.3679 (30)
3
Figura 5 Sistema proposto para avaliar o efeito da gravidade
4. EFEITO DA GRAVIDADE
4
5. OBSERVADOR DE ESTADOS Em um segundo experimento com o observador foi
inserido um rudo gaussiano na entrada e na sada para simular
Ao contrrio do Controle Clssico, no Controle um ambiente mais prtico, como mostra a figura 9.
Moderno o controle envolve todas as variveis de estado. Por
exemplo, no sistema analisado neste trabalho todas as trs
variveis de entrada so realimentadas atravs dos ganhos de
retroao. Desta forma, seriam necessrios vrios sensores para
medir as vrias variveis de estado. Alm disto as variveis
podem no terem como serem mensuradas por falta de
significado fsico. Com isto a utilizao de observadores de
estados se faz conveniente.
O objetivo do observador de estados estimar todas as
variveis de entrada dada a entrada de controle, a sada e o Figura 9 Estado x3 real e estimado pelo observador com rudo, com
modelo da dinmica do sistema. Pode se propor o modelo em e sem zoom
35. .
O observador de estados funcionou bem para casos
sem rudo, porm por sua natureza determinstica quando
( + 1) = () + () + () (35)
um rudo inserido o observador lida com o rudo como
O ideal que o observador de estados reflita o mais sinal e acaba amplificado o erro de estimao.
fielmente as variveis de entrada. Impondo a dinmica do
sistema no estimador tm a equao 36.
6. FILTRO DE KALMAN
( + 1) = ( )() + () + () (36)
O observadores de estados determinsticos funcionam
= () + (() ()) + ()
bem quando o modelo do sistema est bem identificado e os
Para determinar a matriz G feita a alocao de nveis de rudos baixos [6]. Quando os nveis de rudo so
polos do observador. Esta alocao feita com base na considerveis necessrio utilizar ferramentas estocsticas para
matriz de observabilidade e pode ser realizada caso o lidar com o rudo. Com o filtro de Kalman possvel atenuar
sistema seja observvel, ou seja, no tenha linhas significativamente os rudo conhecendo o modelo do sistema e
linearmente dependentes. as covarincias dos rudos de entradas e dos distrbios. Neste
algoritmo h as etapas de predio e correo da estimativa,
O = [ 2 conforme a equao X.
3 4 5 ] (37)
[3] Souza, Antonio Carlos Zambroni de, Lima, Isaas, Pinheiro, Carlos
Alberto Murari e Rosa, Paulo Cesar. Projetos, Simulaes e
Experincias em Sistemas de Controle. Editora Intercincia. Rio de
Janeiro 2014
[4] Argentim, Lucas M., Rezende, Willian C., Santos, Paulo E., Aguiar,
Figura 10- Convergncia do ganhos do Filtro de Kalman Renato A. PID, LQR and LQR-PID on a Quadcopter Platform.
Publicado em Informatics, Electronics & Vision (ICIEV), 2013
International Conference on. 2013.
Um sinal com maior amplitude de rudo na medio
que o observador de estado tiveram suas variveis de [5] Balas,C. Modelling And Linear Control Of A Quadrotor.
estados estimadas pelo filtro de Kalman. Os resultados esto Dissertao de Mestrado. Cranfield University. Setembro 2007.
dispostos na figura 11. [6] Ogata, Katsuhiko. Engenharia de Controle Moderno. 5 edo;
Editora Pearson. So Paulo. 2010.
6
7