Metodologia para Identificação de Sistemas em Espaço de Estados Por Meio de Exitações Pulsadas

Metodologia para identi
ao de sistemas em espao
de estados por meio de ex itaes pulsadas
Rafael Bezerra Correia Lima
Tese de Doutorado apresentada Coordenadoria do Programa de

Ps-Graduao em Engenharia Eltri a da Universidade Federal de
Campina Grande - Campus de Campina Grande omo parte dos
requisitos ne essrios para obteno do grau de Doutor em Cin ias
no Domnio da Engenharia Eltri a.
rea de Con entrao: Instrumentao e Controle
Pri les Rezende Barros, Ph.D

Orientador
George A ioli Jnior, D.S
Orientador
Campina Grande, Paraba, Brasil

Rafael Bezerra Correia Lima, Setembro de 2016

Metodologia para identi ao de sistemas em espao
de estados por meio de ex itaes pulsadas
Rafael Bezerra Correia Lima
Tese de Doutorado apresentada em Setembro de 2016
Pri les Rezende Barros, Ph.D

Orientador
George A ioli Jnior, D.S
Orientador
Campina Grande, Paraba, Brasil, Setembro de 2016
ii
FICHA CATALOGRFICA ELABORADA PELA BIBLIOTECA CENTRAL DA UFCG
L732m Lima, Rafael Bezerra Correia.

Metodologia para identificao de sistemas em espao de estados por meio
de excitaes pulsadas / Rafael Bezerra Correia Lima. Campina Grande,
2016.
136 f. : il. color.
Tese (Doutorado em Engenharia Eltrica) - Universidade Federal de

Campina Grande, Centro de Engenharia Eltrica e Informtica, 2016.
"Orientao: Prof. Dr. Pricles Rezende Barros, Prof. Dr. George Acioli
Jnior".
Referncias.
1. Identificao de Sistemas Engenharia Eltrica. 2. Excitaes Pulsadas.

3. Modelos em Espao de Estados. 4. Aplicaes Industriais. I. Barros,
Pricles Rezende. II. Acioli Jnior, George. III. Ttulo.
CDU 621.3:681.5.015(043)
Dedi atria
Dedi o este trabalho minha famlia.
iii
Agrade imentos
Muitas foram as pessoas que ao longo destes quatro anos de trabalho e onvvio me
auxiliaram e en orajaram na elaborao desta Tese de doutorado. Cabe aqui porm, neste
pequeno espao, uma homenagem sin era queles que de forma muito espe ial ontribui-
ram direta e de isivamente para a realizao deste trabalho.
Agradeo ini ialmente a minha famlia por todo apoio e dedi ao que me zeram
trilhar, om su esso, meus prprios aminhos.
Agradeo tambm Universidade Federal de Campina Grande, e em espe ial ao De-
partamento de Engenharia Eltri a, pela ex elente infraestrutura ofere ida, permitindo
no somente a realizao deste trabalho, mas tambm o meu res imento e aperfeioa-
mento prossional.
Um agrade imento fraterno aos meus olegas de laboratrio, em espe ial ao pessoal
da sala 117, pelo motivador onvvio dirio ao longo de todos esses anos de trabalho.
Por m, mas no menos importante, agradeo aos professores Pri les Rezende Barros
e Geroge A ioli Jr. pela maneira rme e elu idante om a qual me en aminharam ao
longo desse trabalho de Tese e de tantos outros projetos vin ulados ao laboratrio.
iv
Resumo
Nesse trabalho so apresentadas ontribuies na rea de identi ao de sistemas repre-
sentados em espao de estados. proposta uma metodologia ompleta para estimao de
modelos que representem as prin ipais dinmi as de pro essos industriais.
O uxo natural dos pro edimentos de identi ao onsiste da oleta experimental
dos dados, seguido pela es olha dos modelos andidatos e da utilizao de um ritrio de
ajuste que sele ione o melhor modelo possvel. Nesse sentido proposta uma metodologia
para estimativa de modelos em espao de estados, utilizando ex itaes pulsadas. A abor-
dagem desenvolvida ombina algoritmos pre isos e e ientes om experimentos rpidos,
adequados a ambientes industriais.
O projeto das ex itaes realizado em tempo real, por meio de informaes oletadas
em um urto experimento ini ial, baseado em uma ni a os ilao de uma estrutura
realimentada por um rel. Esse me anismo possibilita uma estimativa preliminar do
atraso e da onstante de tempo dominante do sistema.
O mtodo de identi ao proposto baseado na teoria de realizaes de Kalman.
apresentada uma reformulao do problema de realizaes lssi o, para omportar sinais
de entrada pulsados. Essa abordagem se mostra omputa ionalmente e iente, assim
omo apresenta resultados semelhantes aos mtodos de ben hmark. A t ni a possibilita
tambm a estimativa de atrasos de transporte e a insero de onhe imentos prvios por
meio de um problema de otimizao om restries via LMI Linear Matrix Inequalities.
Em muitos asos, somente as ara tersti as prin ipais do sistema so relevantes em
um projeto de sistema de ontrole. Portanto proposta uma t ni a para obteno de
modelos de primeira ordem om atraso, a partir da reduo de modelos balan eados em
espao de estados.
Por m, todas as ontribuies dis utidas nesse trabalho de tese so validadas em
uma srie de plantas experimentais em es ala de laboratrio. Plantas essas, projetadas
e onstrudas om o intuito de emular o otidiano opera ional de instalaes industriais
reais.
Palavras have: Identi ao de Sistemas, Ex itaes Pulsadas, Modelos em Espao
de Estados e Apli aes Industriais.
v
Abstra t
This work introdu es ontributions related to the eld of systems identi ation of state
spa e models. It is proposed a omplete methodology for model estimation that en om-
passes the main dynami s of industrial pro esses.
The natural ux of the identi ation pro edures rests on the the empiri al olle tion of
data followed by the hoi e of andidate models and posterior use of an adjusting riteria
that drafts the best model among the ontenders. In this sense, a new methodology
is proposed for models estimation in state spa es using pulsed ex itation signal. The
developed approa h ombines a urate and e ient algorithms with qui k experiments
whose are suitable for the industrial environment.
The ex itation design is performed in real time by means of information olle ted in a
short initial experiment based in an single os illation of a relay feedba k. This me hanism
allows a preliminary estimation of both delay and time onstant prevalent in the system.
The identi ation method proposed is based on Kalman's realization theory. The the-
sis introdu es a reformulation of the lassi realization problem so it an admit pulsed
input signals. This approa h show itself as omputationally e ient as well as provides
similar results ompared to those obtained when performing the ben hmark methods.
Moreover, the te hni allows the transport delay estimation and insertion of prior knowl-
edge by means of an optimization problem with restri tions via linear matrix inequalities
restri tions.
In many ases only the hara teristi s of the main system are relevant in ontrol
systems design. Therefore a te hnique for the attainment rst order models with time
delay based on balan ed state spa e models redu tion.
Lastly all the ontributions provided along the thesis are dis ussed and validated in
a series of pilot s ale plants, designed and built to emulate the operational y le in real
industrial plants.
Keywords: System Identi ation, Pulsed Signals, State Spa e Models e Industrial
Appli ations.
vi
ndi e
1 Introduo 4
1.1 Introduo Geral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Reviso bibliogr a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Contribuies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Estrutura do do umento . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 Fundamentos teri os 10
2.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Denies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Representao em espao de estados . . . . . . . . . . . . . . . . . 10
2.2.2 Organizao dos dados . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.3 Matrizes Importantes . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3 Realizaes em espao de estados . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 T ni as baseadas em subespaos . . . . . . . . . . . . . . . . . . . . . . . 18
2.4.1 Propriedades geomtri as dos sistemas determinsti os . . . . . . . 19
2.4.2 Implementao numri a da estimativa de e X . . . . . . . . . . 21
2.4.3 Cl ulo das matrizes do sistema . . . . . . . . . . . . . . . . . . . . 22
2.5 Identi ao por subespaos utilizando normas nu leares (N2SID) . . . . . 24
2.5.1 Reduo de posto por normas nu leares . . . . . . . . . . . . . . . . 24
2.6 Con luses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3 Projeto de ex itaes pulsadas 26
3.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.2 Experimento do rel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Estimativa ini ial das dinmi as dominantes . . . . . . . . . . . . . . . . . 28
3.3.1 Sistemas om atraso . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.2 Sistemas sem atraso . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.4 Denio das ex itaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
vii
3.4.1 Pulso Simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4.2 Pulsos Compostos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4.3 Persistn ia das ex itaes . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Exemplos de simulao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.5.1 Exemplo simulado 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.6 Con luses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4 Identi ao de modelos em espao de estados, por meio de ex itaes
pulsadas 41
4.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Construo de realizaes em espao de estados utilizando sinais pulsados . 42
4.2.1 Realizaes por pulso simples (RPS) . . . . . . . . . . . . . . . . . 43
4.2.2 Realizaes por pulsos ompostos (RPC) . . . . . . . . . . . . . . . 47
4.3 Modelos om atraso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.3.1 Classi ao de mtodos para estimativa de atraso . . . . . . . . . 48
4.3.2 Estimativa do atraso no domnio do tempo . . . . . . . . . . . . . . 49
4.3.3 Realizaes por pulsos ompostos om atraso (RPC-TD) . . . . . . 51
4.4 Insero de restries via Linear Matrix Inequalities (LMI) . . . . . . . . . 52
4.4.1 Regies LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.4.2 In orporando as restries nos autovalores . . . . . . . . . . . . . . 57
4.4.3 In orporando as restries na resposta temporal . . . . . . . . . . . 57
4.6 Con luses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5 Obteno de modelos FOPTD a partir da reduo de modelos balan e-
ados 79
5.1 Introduo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2 Equaes de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3 Realizaes Balan eadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
viii
5.4 Reduo de Modelo por Trun agem Balan eada . . . . . . . . . . . . . . . 82
5.5 Reduo de Modelo por Residualizao Balan eada . . . . . . . . . . . . . 83
5.6 Mtodo proposto para reduo de modelos . . . . . . . . . . . . . . . . . . 84
5.6.1 Cl ulo da onstante de tempo . . . . . . . . . . . . . . . . . . . . 86
5.6.2 Cal ulo do ganho . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.6.3 Cl ulo do atraso . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5.8 Con luses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
6 Apli aes Experimentais 92
6.1 Planta didti a termoeltri a . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.1.1 Des rio da planta . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.1.2 Resultados experimentais . . . . . . . . . . . . . . . . . . . . . . . . 95
6.2 Tro ador de alor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.2.1 Des rio da planta . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
6.3 Planta om quatro tanques a oplados . . . . . . . . . . . . . . . . . . . . . 111
6.3.1 Des rio da planta . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7 Con luses e Sugestes para trabalhos futuros 123
7.1 Con luses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
7.2 Sugestes para trabalhos futuros . . . . . . . . . . . . . . . . . . . . . . . . 124
A Con eitos auxiliares 126
A.1 Subespaos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
A.1.1 Espao imagem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
A.1.2 Espao nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
A.2 Pseudoinversa (Moore-Penrose) . . . . . . . . . . . . . . . . . . . . . . . . 127
A.3 Projees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
A.3.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
A.3.2 Projees Ortogonais . . . . . . . . . . . . . . . . . . . . . . . . . . 128
A.3.3 Projees Oblquas . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
A.4 De omposio QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
A.5 De omposio em valores singulares (SVD) . . . . . . . . . . . . . . . . . . 130
ix
Refern ias Bibliogr as 132
x
Lista de Smbolos e Abreviaturas
ARX Autoregressive exogenous model

CLP Controlador Lgi o Programvel
CUSUM Cumulative sum
IHM Interfa e Homem Mquina
LMI Linear Matrix Inequalities
MIMO Multiple Input Multiple Output
MOESP Multivariable Output Error State Spa e algorithm
N2SID Nu lear Norm Subspa e Identi ation
N4SID Numeri al Algorithms for Subspa e State Spa e System Identi ation
NRMSE Normalized root mean square error
OPC OLE for pro ess ontrol
PEM Predi tion Error Methods
PWM Pulse With Modulation
RPC Realizaes por pulsos ompostos
RPC-TD Realizaes por pulsos ompostos om atraso
RPCR Algoritmo de realizaes por pulsos om restries
RPS Realizaes por pulso simples
SBR Step Based Realization
SCADA Supervisory Control and Data A quisition
1
Lista de Smbolos e Abreviaturas 2
SISO Single Input Single Output
SMI Subspa e Model Identi ation
SVD Singular Value De omposition
Lista de Tabelas
2.1 Cl ulo das matrizes da representao em espao de estados . . . . . . . . 17

2.2 Matrizes de ponderao . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Resumo do teorema 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.1 Formulao do problema de otimizao dos autovalores de A . . . . . . . . 57
4.2 Formulao do problema de otimizao da resposta temporal . . . . . . . . 58
4.3 Comparativo entre os modelos identi ados no exemplo simulado 4.5.2 . . 66
5.1 Comparativo entre os modelos reduzidos do exemplo simulado 5.7.1 . . . . 89
5.2 Comparativo entre os modelos reduzidos do exemplo simulado 5.7.2 . . . . 91
6.1 Variveis de interesse da planta . . . . . . . . . . . . . . . . . . . . . . . . 94
6.2 Comparativo entre os modelos identi ados para malha TIC1-1 . . . . . . 98
6.3 Comparativo entre os modelos identi ados para malha TIC1-2 . . . . . . 102
6.4 Comparativo entre os modelos identi ados para malha TIC12-12 . . . . . 104
6.5 Ponto de operao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.6 Comparativo entre os modelos identi ados para Malha TIC1 . . . . . . . 109
6.7 Comparativo entre os modelos identi ados para Malha TIC2 . . . . . . . 111
6.8 Comparativo entre os modelos identi ados para malha LIC1 . . . . . . . . 117
6.9 Comparativo entre os modelos identi ados para malha FIC1 . . . . . . . . 120
6.10 Comparativo entre os modelos reduzidos da Malha FIC1 . . . . . . . . . . 122
1
Lista de Figuras
1.1 Representao do uxograma bsi o para identi ao de sistemas . . . . . 5

2.1 Interpretao geomtri a da equao 2.31 . . . . . . . . . . . . . . . . . . . 21
3.1 Diagrama de blo os de um pro esso realimentado om um rel . . . . . . . 27
3.2 Exemplo de sinais de entrada e sada para um pro esso realimentado om
um rel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 Representao gr a da funo rel . . . . . . . . . . . . . . . . . . . . . 28
3.4 Sinais de entrada e sada para uma os ilao de um modelo FOPTD reali-
mentado por um rel padro . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.5 Sinais de entrada e sada para uma os ilao de um modelo de primeira
ordem realimentado por um rel om histerese . . . . . . . . . . . . . . . . 31
3.6 Ilustrao do pulso base u (t) . . . . . . . . . . . . . . . . . . . . . . . . .
B 34
3.7 Pulso Duplo ( aso 1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.8 Pulso Duplo ( aso 2) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.9 Gr o dos sinais da primeira os ilao do rel do Exemplo 3.5.1 . . . . . . 37
3.10 Gr o do sinal de ex itao projetado no Exemplo 3.5.1 . . . . . . . . . . 38
3.11 Gr o dos sinais da primeira os ilao do rel do Exemplo 3.5.2 . . . . . . 39
3.12 Gr o do sinal de ex itao projetado no Exemplo 3.5.2 . . . . . . . . . . 39
4.1 Representao gr a da Equao 4.24 . . . . . . . . . . . . . . . . . . . . 50
4.2 Exemplo do mtodo CUSUM-TD . . . . . . . . . . . . . . . . . . . . . . . 50
4.3 Mapeamento da inun ia da lo alizao dos polos na resposta temporal
do sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 LMI para restrio de estabilidade . . . . . . . . . . . . . . . . . . . . . . . 55
4.5 LMI para restrio de autovalores puramente reais . . . . . . . . . . . . . . 56
4.6 LMI para restrio de autovalores om parte real positiva . . . . . . . . . . 56
4.7 Gabarito temporal para sada do modelo . . . . . . . . . . . . . . . . . . . 58
4.8 Gr o dos sinais de entrada e sada do exemplo 4.5.1 . . . . . . . . . . . . 60
1
Lista de Figuras 2
4.9 Gr o dos sinais para bus a do atraso do exemplo 4.5.1 . . . . . . . . . . 61
4.10 Sequn ia de valores singulares do exemplo 4.5.1 . . . . . . . . . . . . . . . 61
4.11 Simulao dos modelos identi ados no Exemplo 4.5.1 . . . . . . . . . . . . 62
4.15 Simulao dos modelos identi ados no exemplo 4.5.2 . . . . . . . . . . . . 65
4.20 Gr o dos sinais de entrada e sada reais do exemplo 4.5.4 . . . . . . . . . 70
4.22 Regio LMI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
1
4.23 Gr o dos sinais de sada do exemplo 4.5.4 . . . . . . . . . . . . . . . . . 72

4.24 Polos dos modelos identi ados no exemplo 4.5.4 . . . . . . . . . . . . . . . 73
5.1 Gr o da resposta ao degrau do exemplo 5.7.1 . . . . . . . . . . . . . . . 88
5.2 Gr o de bode do exemplo 5.7.1 . . . . . . . . . . . . . . . . . . . . . . . 88
5.3 Gr o da resposta ao degrau do exemplo 5.7.2 . . . . . . . . . . . . . . . 90
5.4 Gr o de bode do exemplo 5.7.2 . . . . . . . . . . . . . . . . . . . . . . . 90
6.1 Mdulo de temperatura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
6.2 Foto da planta didti a termoeltri a . . . . . . . . . . . . . . . . . . . . . 94
6.3 Diagrama da planta didti a termoeltri a . . . . . . . . . . . . . . . . . . 95
6.4 Gr o dos sinais de entrada e sada da Malha TIC1-1 . . . . . . . . . . . 96
6.5 Gr o dos sinais para bus a do atraso da Malha TIC1-1 . . . . . . . . . . 96
6.6 Sequn ia de valores singulares da Malha TIC1-1 . . . . . . . . . . . . . . 97
6.7 Simulao dos modelos identi ados da Malha TIC1-1 . . . . . . . . . . . . 98
6.8 Gr o dos sinais de entrada e sada da Malha TIC1-2 . . . . . . . . . . . 99
6.9 Gr o dos sinais para bus a do atraso da Malha TIC1-2 . . . . . . . . . . 100
6.10 Sequn ia de valores singulares da Malha TIC1-2 . . . . . . . . . . . . . . 100
6.11 Simulao dos modelos identi ados da Malha TIC1-2 . . . . . . . . . . . . 101
Lista de Figuras 3
6.12 Simulao dos modelos identi ados da Malha TIC12-12 . . . . . . . . . . 102
6.13 Sequn ia de valores singulares da Malha TIC12-12 . . . . . . . . . . . . . 103
6.14 Foto do Tro ador de alor . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.15 Diagrama esquemti o da planta de tro a de alor . . . . . . . . . . . . . . 105
6.16 Tro ador de alor do tipo serpentina . . . . . . . . . . . . . . . . . . . . . 106
6.17 Estimativa dos atrasos da malha TIC1 . . . . . . . . . . . . . . . . . . . . 107
6.18 Resultados para Bomba H x Temp H . . . . . . . . . . . . . . . . . . . 108
out
6.19 Resultados para Bomba H x Temp C . . . . . . . . . . . . . . . . . . . . 108

out
6.20 Estimativa dos atrasos da malha TIC2 . . . . . . . . . . . . . . . . . . . . 109

6.21 Resultados para Bomba C x Temp H . . . . . . . . . . . . . . . . . . . . 110
out
6.22 Resultados para Bomba C x Temp C . . . . . . . . . . . . . . . . . . . . 110

out
6.23 Sequn ia de valores singulares das Malhas TIC1 e TIC2 . . . . . . . . . . 111

6.24 Foto da planta de tanques a oplados . . . . . . . . . . . . . . . . . . . . . 112
6.25 Diagrama da planta om quatro tanques a oplados . . . . . . . . . . . . . 113
6.26 Diagrama esquemti o da malha de nvel LIC1 . . . . . . . . . . . . . . . . 114
6.27 Gr o dos sinais de entrada e sada reais da malha LIC1 . . . . . . . . . . 115
6.28 Gr o dos sinais para bus a do atraso da malha LIC1 . . . . . . . . . . . 115
6.29 Sequn ia de valores singulares da malha LIC1 . . . . . . . . . . . . . . . . 116
6.30 Gr o dos sinais de sada da malha LIC1 . . . . . . . . . . . . . . . . . . 116
6.31 Diagrama esquemti o da malha de vazo FIC1 . . . . . . . . . . . . . . . 117
6.32 Gr o dos sinais de entrada e sada reais da malha FIC1 . . . . . . . . . . 118
6.33 Gr o dos sinais para bus a do atraso da malha FIC1 . . . . . . . . . . . 118
6.34 Sequn ia de valores singulares da malha FIC1 . . . . . . . . . . . . . . . . 119
6.35 Gr o dos sinais de sada da malha FIC1 . . . . . . . . . . . . . . . . . . 120
6.36 Gr o da resposta ao degrau da malha FIC1 . . . . . . . . . . . . . . . . 121
6.37 Gr o de bode da malha FIC1 . . . . . . . . . . . . . . . . . . . . . . . . 122
A.1 A transformao P a projeo ortogonal na linha m . . . . . . . . . . . . 127
Captulo 1
Introduo
1.1 Introduo Geral

A rea da Identi ao de sistemas trata da onstruo de modelos matemti os para
sistemas dinmi os, a partir de dados experimentais (LJUNG, 2010). A on epo de
modelos matemti os utilizada nos diversos ramos da in ia. Na engenharia de ontrole,
modelos de sistemas so utilizados para o projeto de ontroladores, simulao, dete o
de falhas, treinamento de operadores ou at em situaes onde realizar experimentos om
o sistema real demasiadamente aro, dif il ou at mesmo impossvel.
Na onstruo de modelos atravs de dados, trs prin pios devem ser observados:
Os dados oletados: Normalmente realizado um experimento onde o sistema
ex itado por um sinal que gere informaes su ientes para ara teriz-lo. Lem-
brando que as entradas apli adas esto sempre sujeitas s restries opera ionais e
de segurana do sistema.
Um onjunto de modelos andidatos: Tal onjunto obtido ao denir a oleo
de modelos no qual est ontido o modelo a ser es olhido.
Um ritrio no qual o modelo andidato ajustado aos dados oletados:
Esse o mtodo de identi ao.
Uma vez obtido o melhor modelo, onforme o ritrio denido, ne essrio fazer
a validao do mesmo. Tais testes avaliam omo o modelo se rela iona om os dados
oletados, o onhe imento a priori do sistema e a sua nalidade. Em suma, identi ao
de sistemas um pro esso iterativo, ujo uxograma apresentado na Figura 1.1.
4
Captulo 1. Introduo 5
Conhecimentos
a priori
Design do
Experimento
Modelos
DADOS
Candidatos
Regra de
Ajuste
Clculo do Modelo
Validao do No
Modelo
Sim
Figura 1.1: Representao do uxograma bsi o para identi ao de sistemas

Nesse trabalho, todos os aspe tos presentes na Figura 1.1 so abordados. proposta
uma metodologia para a identi ao de sistemas, partindo do projeto automti o de
ex itaes pulsadas, passando pela identi ao de modelos de alta ordem em espao de
estados e por m a obteno de modelos de ordem reduzida, que apturam as prin ipais
dinmi as do sistema alvo. As ferramentas desenvolvidas nessa tese tem omo fo o a
apli ao em pro essos industriais, os quais invariavelmente apresentam restries na
etapa de aquisio de dados. Experimentos longos e omplexos so muitas vezes inviveis,
devido aos altos ustos opera ionais envolvidos, assim omo sinais muito ex itantes so
di ilmente permitidos, devido a limitaes opera ionais das prprias plantas.
1.2 Reviso bibliogr a
A rea de identi ao de sistemas tem re ebido inmeras ontribuies ao longo dos
ltimos 50 anos. Apesar de alguns trabalhos anteriores existirem, re onhe ido que a rea
de identi ao de sistemas ini iou-se nos anos 60 om a publi ao de dois importantes
trabalhos; (ASTROM; BOHLIN, 1965), onde o mtodo de mxima verossimilhana foi
estendido para estimativa de modelos ARMAX por meio de sries temporais e (KALMAN,
1963) onde uma realizao em espao de estados foi, pela primeira vez, al ulada atravs
dos oe ientes da resposta ao impulso do sistema (GEVERS, 2003).
O trabalho de Astrom e Bohlin deu origem aos algoritmos hoje hamados de Predi tion
Error Methods (PEM). Extensivamente apli ados a sistemas SISO (single-input single-
output ), ulminaramem publi aes prestigiadas omo (LJUNG, 2010) e (SDERSTRM;
STOICA, 1989). Nos mtodos PEM o erro de predio utilizado para riar uma funo
de usto. O problema de identi ao ento se resume a al ular o onjunto de parmetros
do modelo que minimizaa funo de usto. Para um grupo restrito de modelos andidatos,
esse problema de otimizao linear, porm na maioria dos asos ne essria uma t ni a
de otimizao no-linear.
Para en ontrar o modelo timo na ti a dos mtodos PEM, um nmero grande de
es olhas deve ser feito. Essas es olhas in luem a seleo da lasse de modelos andidatos,
a ordem dos modelos e os valores ini iais dos parmetros, a m de evitar mnimos lo ais.
A segunda grande ontribuio para o ramo de identi ao nos anos 60 foi dada em
(HO; KALMAN, 1966) om a onstruo de realizaes em espao de estados por meio
de uma de omposio de matrizes de Hankel dos oe ientes da resposta ao impulso do
sistema. Alguns anos mais tarde o problema foi renado em (KUNG, 1978) utilizando a
SVD (Singular Value De omposition ) para gerar uma realizao de posto mnimo, nume-
ri amente estvel.
Apesar do poten ial apresentado pela teoria de realizaes, o prximo grande avano
na identi ao de sistemas em espao de estados s o orreu 25 anos mais tarde om o
surgimento de algoritmos de identi ao por subespaos (SMI - Subspa e Model Iden-
ti ation ) (MOOR et al., 1988) e (LARIMORE, 1990). Essa metodologia fortemente
rela ionada ao mtodo de Kalman e difere signi ativamente das t ni as baseadas em
erros de predio, apresentando uma srie de novas vantagens. A ordem dos modelos
pode ser estimada de maneira muito mais simples do que os mtodos PEM. Nenhuma
funo de usto expl ita otimizada e a soluo do problema baseada em proprieda-
des geomtri as dos espaos gerados pelos dados. Alm disso o uso da representao em
espao de estados ao invs de funes de transfern ia geralmente mais tratvel em pro-
blemas multivariveis. Essa linha de desenvolvimento resultou em mtodos SMI bastante
e ientes tais omo (OVERSCHEE; MOOR, 1996), (VERHAEGEN; DEWILDE, 1992a),
(VERHAEGEN; DEWILDE, 1992b), (VERHAEGEN, 1993).
Um dos aspe tos mais importantes no pro esso de identi ao de sistemas a quali-
dade dos dados oletados. Os experimentos realizados devem extrair somente informaes
pertinentes s dinmi as de interesse, sem desperdiar energia em frequn ias irrelevantes.
Diretrizes para o projeto de ex itaes, podem ser en ontradas em (PINTELON, 2012) e
(BARENTHIN, 2006).
O problema da identi ao de modelos dinmi os tem apli aes nos mais variados
ramos desde reas de sade, engenharias e at e onomia. No ramo de ontrole de pro essos
em espe ial, grande parte dos modelos utilizados so de ordem reduzida, assim omo
os dados disponveis so restritos a experimentos simples e urtos, devido a restries
opera ionais. Uma abordagem bastante popular na indstria so os modelos obtidos por
meio da resposta ao degrau. Uma viso geral desde os mtodos gr os at t ni as mais
modernas, pode ser en ontrada em (AHMED; HUANG; SHAH, 2007).
Seguindo a linha da representao em espao de estados, o mtodo SBR (Step Based
Realization ) proposto em (HELMONT; WEIDEN; ANNEVELD, 1990) e posteriormente
re-editado para o ontexto de subespaos em (MILLER; CALLAFON, 2009), generaliza
a teoria de realizaes lssi a para onstruir modelos em espao de estados a partir da
resposta ao degrau, no tempo dis reto. Salientando que somente requerida a linearidade
do sistema alvo, sendo a ordem do mesmo estimada durante a etapa de identi ao.
T ni as de identi ao por subespaos so normalmente do tipo aixa-preta, to-
talmente voltada a dados. Porm em algumas situaes prti as existem informaes
a priori sobre o sistema que devem entrar na elaborao do modelo. Trabalhos omo
(LACY; BERNSTEIN, 2003) e (MILLER; CALLAFON, 2012a) apresentam uma meto-
dologia generalizada para insero de restries do tipo LMI (Linear Matrix Inequalities )
em mtodos SMI om o objetivo de inserir esses onhe imentos a priori nos modelos iden-
ti ados. A t ni a restringe os autovalores do modelo uma regio onvexa do plano
omplexo onde as matrizes da realizao em espao de estados so al uladas por meio
de um problema de otimizao.
Modelos e ontroladores simples so normalmente mais utilizados em situaes prti as
em geral, por serem f eis de implementar e mais tolerantes a falhas. Uma das estratgias
mais populares para reduo de modelos atravs de modelos balan eados. Foi proposta
primeiramente em (MULLIS; ROBERTS, 1976) e posteriormente editada no ontexto
de sistemas de ontrole em (MOORE, 1981). Primeiramente o modelo transformado
para uma base onde os estados so simultaneamente dif eis de observar e ontrolar,
em seguida realizada a reduo do modelo por alguma t ni a omo trun agem ou
residualizao. Informaes mais detalhadas podem ser en ontradas em (GUGERCIN;
ANTOULAS, 2004) e (ZHOU; DOYLE; GLOVER, 1995).
1.3 Contribuies
Como ontribuies prin ipais do trabalho pode-se itar:
Foi proposto em (LIMA; BARROS, 2013), (LIMA; BARROS, 2015) e (LIMA; BAR-
ROS; ACIOLI, 2016b) uma t ni a para onstruo de realizaes em espao de es-
tados a partir de dados obtidos por um experimento om sinais de entrada pulsados.
Tal t ni a permite experimentos urtos, de baixo impa to e possibilita estimativas
de atrasos assim omo a insero de onhe imentos a priori do sistema no modelo
identi ado;
Foi proposto em (LIMA; BARROS, 2014) um mtodo para gerao de modelos de
primeira ordem om atraso a partir de modelos em espao de estados balan eados.
Tais modelos de ordem reduzida so utilizados no projeto de sistemas de ontrole,
mediante t ni as lssi as de sintonia de PIDs;
Foi proposto em (LIMA; BARROS; ACIOLI, 2016a) uma t ni a para a estimativa
rpida do atraso e da onstante de tempo dominante de um sistema, atravs de uma
ni a os ilao realimentada por um rel;
Por m, foi proposta em (LIMA et al., 2015) a utilizao de uma t ni a baseada
em subespaos para estimativa da resposta ao degrau e onsequente projeto de um
sistema de ontrole preditivo, apli ado a uma planta trmi a;
1.4 Estrutura do do umento
A Tese est organizada da seguinte forma:
Captulo 1: Captulo introdutrio no qual esto dispostas a motivao do trabalho,
a reviso bibliogr a e as ontribuies da tese;
Captulo 2: So apresentadas denies matemti as relevantes ao ontexto da
tese, seguido por uma reviso sobre onstruo de realizaes em espao de estados.
So abordados on eitos do mtodo de Kalman, mtodos por subespaos at a
utilizao de normas nu leares;
Captulo 3: apresentada uma t ni a para estimativa da onstante de tempo
dominante de um sistema, a partir da primeira os ilao de um experimento do rel.
Em seguida so denidos os sinais de ex itao utilizados na tese;
Captulo 4: proposta uma t ni a de identi ao baseada em ex itaes ons-
trudas por pulsos. Tal t ni a engloba a estimativa de atrasos assim omo a insero
de onhe imentos a priori no formato de restries de um problema de otimizao;
Captulo 5: apresentada uma breve reviso de mtodos tradi ionais de reduo
de modelos balan eados, assim omo denida uma nova metodologia para gerao
de modelos de primeira ordem om atraso a partir de uma representao em espao
de estados;
Captulo 6: apresentada uma srie de apli aes, em plantas reais, dos on eitos
desenvolvidos na tese;
Captulo 7: Con luses nais e sugestes para trabalhos futuros.
Captulo 2
Fundamentos teri os
2.1 Introduo
A representao de modelos em espao de estados possibilita uma des rio muito mais
ri a das estruturas internas do sistema em omparao a modelos de entrada-sada. Alm
disso sistemas MIMO so retratados de forma natural.
Existem trs abordagens prin ipais para identi ao de modelos em espao de estados.
A primeira atravs da adaptao de mtodos lssi os PEM, em seguida a teoria de
realizaes e por ltimo os mtodos por subespaos.
Esse trabalho est fo ado nas abordagens de realizaes e subespaos. Essas t ni as
ombinam de maneira elegante ferramentas de lgebra linear (de omposies QR, LQ,
SVD) om uma abordagem geomtri a para estimativa dos modelos, sem os problemas
ausados por parametrizaes expl itas e otimizaes no lineares. Esse aptulo se des-
tina a revisar o ferramental bsi o para implementao de tais t ni as.
2.2 Denies
2.2.1 Representao em espao de estados
Assumindo que o sistema modelado tem ara tersti as lineares, invariantes ao deslo a-
mento e possivelmente MIMO, os modelos andidatos sero representados em espao de
estados, onforme a Equao 2.1
x(t + 1) = Ax(t) + Bu(t t )d (2.1)
y(t) = Cx(t) + Du(t td )
10
Captulo 2. Fundamentos teri os 11
onde u(t) R , y(t) R , x(t) R , A R , B R , C R , D R e t
m p n nn nm pn pm
d
um onjunto de atrasos.
O modelo tambm pode ser representado de forma alternativa omo soma de onvo-
luo
(2.2)
X
y(t) = G(k)u(t k t ) d
k=0
onde G(k) R representa os oe ientes da resposta ao impulso (parmetros de

pm
Markov) do sistema sem atraso

. (2.3)
(
D, k=0
G(k) =
CAk1 B, k > 0
2.2.2 Organizao dos dados

Nos algoritmos de identi ao por subespaos, os vetores de dados so frequentemente
agrupados na forma de blo os de Hankel.
Denio 1 Matriz de Hankel: Dada uma sequn ia de dados d(t) Rpq t =
0, 1, 2.., N , a matriz de Hankel D0|r1 om r linhas de blo os e l olunas de blo os
denida omo

d(0) d(1) .. d(l 1)
(2.4)

d(1) d(2) .. d(l) Rrplq

D0|r1 ,
..
.. .. ..

d(r 1) d(r) .. d(l + r 2)
onde normalmente l >> r e N l+r2. A notao Da|b indi a que o primeiro e o ltimo
elemento da primeira oluna de D tem respe tivamente ndi es a e b. Por onstruo,
matrizes de Hankel apresentam elementos onstantes nas diagonais transversais. Mais
detalhes em (PARTINGTON, 1988).
Quando no espe i ado de forma diferente os dados de entrada e sada sero agrupa-
dos em matrizes blo o de Hankel. Cada elemento da matriz formado pelo empilhamento
de amostras no instante t das vrias entradas ou sadas do sistema.
As matrizes de blo os de Hankel das entradas so denidas omo

u(0) u(1) u(2) ... u(j 1)

u(1) u(2) u(3) ... u(j)

... ... ... ... ...

u(i 1) u(i) u(i + 1) ... u(i + j 2)
(2.5)

i passado
U0|2i1 =

u(i) u(i + 1) u(i + 2) ... u(i + j 1)
i f uturo

u(i + 1) u(i + 2) u(i + 3) ... u(i + j)

... ... ... ... ...

u(2i 1) u(2i) u(2i + 1) ... u(2i + j 2)
! !
U0|i1 Up
= ,
Ui|2i1 Uf

u(0) u(1) u(2) ... u(j 1)

u(1) u(2) u(3) ... u(j)

i+1
... ... ... ... ... passado

u(i 1) u(i) u(i + 1) ... u(i + j 2)
(2.6)

U0|2i1 = u(i) u(i + 1) u(i + 2) ... u(i + j 1)

u(i + 1) u(i + 2) u(i + 3) ... u(i + j)

i1 ... ... ... ... ... f uturo

u(2i 1) u(2i) u(2i + 1) ... u(2i + j 2)

! !
U0|i Up+
= ,
Ui+1|2i1 Uf
O nmero de blo os de linhas i arbitrrio e deve ser no mnimo maior do que a

ordem mxima do sistema, para garantir que todos os modos sejam identi ados. Vale
salientar que ada elemento u(t) da matriz omposto de m linhas portanto U tem 0|2i1
2mi linhas. J o nmero de olunas normalmente j = N 2i + 2, de modo que todas

as N amostras das entradas sejam utilizadas.
As matrizes blo os de Hankel de sada Y , Y , Y ,Y ,Y so denidas de maneira
0|2i1 p f
+
similar. Denem-se ainda as matrizes de blo o de Hankel mistas de entradas e sadas

p f
omo W : 0|i1
(2.7)
!
U0|i1
W0|i1 ,
Y0|i1
(2.8)
!
Up
=
Yp
= Wp
Da mesma forma, W denida omo:

+
p
!
Up+
Wp+ =
Yp+
As sequn ias de estados assumem um papel importante na derivao e interpretao

dos algoritmos de identi ao por subespaos. A sequn ia de estado X denida
a|b
na Equao 2.9, onde os ndi es a e b denotam respe tivamente o primeiro e o ltimo

elemento da sequn ia.
(2.9)

Xa|b = xa xa+1 ... xb1 xb Rnba+1
Analogamente s entradas e sadas passadas, representam-se as sequn ias passadas de

estado por X e as sequn ias futuras por X .
p f
Xp , X0|j1 , Xf , Xi|i+j1.
2.2.3 Matrizes Importantes

A seguir so denidas algumas matrizes have para as futuras dedues desse aptulo.
Denio 2 Matriz estendida de observabilidade (r )

C

CA
(2.10)

r , CA2 Rrpn

..

.

CAr1
Denio 3 Matriz estendida de ontrolabilidade (l )
(2.11)
h i
l , B AB A2 B ... Al1 B Rnlm
Denio 4 Matriz estendida reversa de ontrolabilidade (l )
(2.12)
h i
l , A B A B ... A B AB B Rnlm
l1 l2 2
Denio 5 Matriz de Hankel dos parmetros de Markov (H1|r )

G(1) G(2) ... G(l)
(2.13)

G(2) G(3) ... G(l + 1)
H1|r , . .. ..

.. . .

G(r) G(r + 1) ... G(r + l 1)

l1
CB CAB ... CA B
(2.14)

CAB CA2 B ... CAl B
= .. .. .. Rrplm

. . .

CAr1 B CAr B ... CAr+l2
B
onde r > n e l r
Denio 6 Matriz Toeplitz dos parmetros de Markov (T0|r1 )

G(0) 0 ... 0
(2.15)

G(1) G(0) ... 0
T0|r1 , . .. ..

.. . .

G(r 1) G(r 2) ... G(0)

D 0 ... 0
(2.16)

CB D ... 0
= . .. .. Rrprp

.. . .

CAr2 B CAr3 B ... D
onde r > n.
2.3 Realizaes em espao de estados
O problema de realizaes foi proposto por Kalman omo a onstruo de modelos em
espao de estados a partir dos oe ientes da resposta ao impulso de um sistema, (KAL-
MAN, 1963). Mais tarde foi estabele ido, em (HO; KALMAN, 1966), um algoritmo que
gera as realizaes por meio de uma de omposio das matrizes de Hankel dos parmetros
de Markov. O problema foi ento renado em (KUNG, 1978) utilizando a SVD (Singular
Value De omposition ) para gerar uma realizao de posto mnimo. Ao longo dessa seo
sero apresentados os fundamentos do algoritmo de Ho-Kalman-Kung.
Considerando um atraso nulo t = 0, entradas passadas u e futuras u so rela ionadas
d p f
s sadas futuras y omo

f
y =H u +T
f u
1|r p 0|r1 f (2.17)
onde,
T
(2.18)
h i
u = u(0) u(1) u(2) ... u(r + 1)
p
h iT
uf = u(1) u(2) u(3) ... u(r 1)
h iT
yf = y(1) y(2) y(3) ... y(r 1)
T0|r1 uma matriz blo o-Toeplitz e H uma matriz blo o de Hankel dos oe ientes da
1|r
resposta ao impulso do sistema. Em outras palavras, a Equao (2.17) o equivalente

matri ial do modelo (2.2), quando r .
Teorema 1 Propriedades da matriz de oe ientes da resposta ao impulso H1|r :
Caso a realizao (A, B, C, D) seja mnima, as seguintes armativas so verdadeiras:
H1|r tem posto n e pode ser fatorado omo o produto entre a matriz de observabilidade
estendida (r ) e a matriz de ontrolabilidade estendida (l )

C

CA
(2.19)
h i
H1|r = r l = CA2 B AB A2 B ... Al1 B

.
..

r1
CA
A matriz de Hankel H1|r invariante ao deslo amento. Portanto H2|r+1 , denida

deslo ando uma linha para ima ou uma oluna para esquerda dada por
H2|r+1 = r Al . (2.20)
Prova. A prova do teorema al anada atravs da substituio direta das Equaes
2.10 e 2.11 em 2.13.
Denio do problema de realizaes:
Suponha que so medidos ou estimados N pontos da resposta ao im-
pulso do sistema. Determinar a ordem do sistema assim omo uma
realizao para o onjunto de matrizes (A, B, C, D) da Equao 2.1,
partindo de H .
1|r
Caso a resposta ao impulso estimada seja orrompida por rudos, a matrix H apre- 1|r
senta posto(H ) > n. Com o intuito de isolar somente a dinmi a real do sistema, uma
1|r
aproximao H de posto(H ) = n, denida a partir da de omposio SVD

1|r 1|r
(2.21)
" #" #
h i
n 0 VnT
H1|r = UV T = Un Us
0 s VsT
onde U e V so matrizes ortogonais e = diag( , , .., , , .., ) uma matriz

1 2 n n+1 r
diagonal omposta pelos valores singulares de H , organizados de forma de res ente.

1|r
Supondo uma relao sinal rudo favorvel, a ordem n do sistema pode ser estimada
examinando o ponto onde o orre uma queda na magnitude da sequn ia dos valores
singulares em . Uma vez determinada a ordem do sistema, a aproximao H de 1|r
posto(H ) = n denida omo

1|r
=U V .
H1|r n
T
n n (2.22)
Considerando a norma-2 da matriz kH k 1|r 2
1|r 2
T
kH k = kUV k = kk = 2 2 1 (2.23)
assim omo a norma de Frobenius kH k 1|r F
(2.24)
u r
uX
kH1|r kF = kUV T kF = kkF = t i2
i=1
demonstrado em (ECKART; YOUNG, 1936) que H o mais prximo possvel de H 1|r 1|r
no sentido das referidas normas

= arg min arg min H H . (2.25)

H 1|r H H
=
1|r )=n 1|r 1|r 1|r )=n 1|r 1|r
posto(H 2 posto(H F
Alm disso, a norma-2 do erro da reduo de posto

1|r H1|r k2 = n+1
kH (2.26)
Estimativas internamente balan eadas para as matrizes de observabilidade e ontrola-
bilidade so dadas pela fatorao
=U
= V
r n
1/2
n l (2.27)
1/2 T
n n
que resulta em
(2.28)
q

k k = k k = kH k.
r 2 l 2 1|r 2
Portanto o modelo determinado observvel e ontrolvel, om

) = posto(
posto( ) = posto(H
r
) = n. l (2.29) 1|r
Substituindo a Equao 2.27 em 2.20 possvel al ular uma realizao em espao de

estados onforme a Tabela 2.1.
Tabela 2.1: Cl ulo das matrizes da representao em espao de estados
A = (
r ) H l ) = 1/2
2|r+1 ( n
2|r+1 Vn 1/2
UnT H n
B= l (:, 1)
C =
r (1, :)
D = G(0)
O operador () representa a pseudoinversa a esquerda e a notao X(:, 1) e X(1, :)

indi a respe tivamente a primeira oluna e a primeira linha de X . O Algoritmo 1 resume

o problema de realizaes resolvido em (KUNG, 1978). Dis usses adi ionais podem ser
en ontradas em (JUANG; PAPPA, 1985).
Algoritmo 1 Algoritmo de Ho-Kalman-Kung
Assuma que os N primeiros oe ientes da resposta ao impulso do sistema so
onhe idos;
Dena r > n e l N r + 2;
Monte a matriz H1|r e realize a SVD denida na Equao 2.21;
Determine a ordem do sistema n inspe ionando os valores singulares de H1|r ;
Monte a matriz H2|r+1 e al ule (A,

B,
C, onforme a Tabela 2.1.
D)
2.4 T ni as baseadas em subespaos

Na ltima d ada se tem dado bastante ateno a mtodos de identi ao baseados em
subespaos (SMI - Subspa e Model Identi ation ). A maioria desses parte do prin pio
que uma base para o subespao gerado pelas olunas da matriz de observabilidade esten-
dida pode ser determinado por meio de dados de entrada e sada. Uma vez onhe ida essa
base possvel estimar, impl ita ou expli itamente, a sequn ia de estados e as matrizes
do sistema. Trs abordagens distintas se desta am por sua popularidade N4sid (OVERS-
CHEE; MOOR, 1994), Moesp (VERHAEGEN, 1994) e CVA (LARIMORE, 1996). Cada
uma dessas re orre a uma de omposio SVD de uma matriz diferente de projees de
subespaos gerados por matrizes de Hankel dos dados.
Essa famlia de mtodos apresenta algumas ara tersti as em omum, tais quais
Algoritmos no-iterativos e numeri amente estveis, j que utilizam ferramentas
estabele idas omo de omposio QR e SVD;
Pou o onhe imento a priori ne essrio. Somente a ordem do sistema exigida e
mesmo assim ela pode ser determinada pela inspeo dos valores singulares de uma
matriz al ulada durante a identi ao;
Originalmente adequados a sistemas MIMO, visto que a representao dos modelos
em espao de estados.
Sero apresentadas nesta seo uma srie de denies e teoremas bsi os para o
emprego de t ni as de identi ao determinsti a por subespaos, bem omo algoritmos
fun ionais para apli ao prti a dos on eitos estabele idos.
2.4.1 Propriedades geomtri as dos sistemas determinsti os
Teorema 2 Equaes Matri iais das Entradas e Sadas
O modelo em espao de estados apresentado na Equao 2.1 pode ser reformulado
matri ialmente onforme as Equaes 2.30, 2.31 e 2.32.
Yp = i Xp + T0|i1 Up , (2.30)
Yf = i Xf + T0|i1 Uf , (2.31)
Xf = Ai Xp + l Up . (2.32)
Prova. A prova do teorema se da pela on atenao lateral dos vetores de entrada e
sada da Equao 2.17.
Teorema 3 Estimativa de e Xf por projees oblquas
Assumindo que:
A entrada u(t) persistentemente ex itante de ordem 2i;
A interse o do espao linha de Uf (entradas futuras) e o espao linha de Xp (es-

tados passados) vazia;
As matrizes de ponderao W1 Rlili e W2 Rjj so tais que W1 de posto

ompleto (li) e W2 obede e: posto(Wp ) = posto(Wp , W2 ), onde Wp a matriz de
blo o de Hankel ontendo entradas e sadas passadas.
Denindo-se Oi omo a projeo oblqua,
Oi = Yf /Uf Wp (2.33)
e a de omposio em valores singulares,
(2.34)
! !
S1 0 V1T
W1 Oi W2 = U1 U2
0 0 V2T
= U1 S1 V1T
tem-se:
1. O espao linha de Xf o mesmo de Wp , portanto observando a Figura 2.1 on lui-
se que a projeo oblqua Oi igual ao produto entre a matriz estendida de observabilidade
e os estados, Equao 2.35.
Oi = i .Xf . (2.35)
2. A ordem do sistema igual ao nmero de valores singulares no desprezveis, na
equao 2.34.
3. A matriz estendida de observabilidade i ompartilha o mesmo espao oluna de Oi
portanto obtida pela Equao 2.36
1/2
i = W11 U1 S1 .T. (2.36)
sendo T Rnn uma transformao de similaridade arbitrria no singular.
4. Visto que a sequn ia de estado Xf a no espao linha de Oi , pode ser re uperada
pela Equao 2.37.
Xf W2 = T 1 .S 1/2 V1T . (2.37)

5. A sequn ia de estados Xf igual a:
Xf = i .Oi (2.38)
6. A es olha das matrizes de ponderao W1 e W2 determina a base em que a realizao
em espao de estados onstruda. Duas es olhas tpi as esto representadas na Tabela
2.2.
Tabela 2.2: Matrizes de ponderao

Mtodo W W 1 2
N4SID I I pi j
MOESP I pi Uf
Mais informaes sobre projees no Apndi e A.3.
Prova. Prova do teorema em (OVERSCHEE; MOOR, 1996).

Vale salientar que o mtodo MOESP foi originalmente desenvolvido utilizando o pro-
jetor ortogonal = U (U U ) U para a extrao da matriz de observabilidade, on-
Uf
T
f f
T
f f
Figura 2.1: Interpretao geomtri a da equao 2.31

forme
(Yf )Uf = (i Xf + T0|i1 Uf )Uf (2.39)
Y
f = X
Uf i f Uf (2.40)
essa metodologia, no entanto, pode ser representada sem perda de generalidade pelo
Teorema 3 om W = .
2 Uf
Fi a laro na Tabela 2.3 porque a t ni a apresentada denominada identi ao

por subespaos. As matrizes rela ionadas ao sistema so resgatadas omo subespaos de
projees dos dados de entradas e sadas oletados.
Tabela 2.3: Resumo do teorema 3
Posto(Y / W ) = nf Uf p
Espao linha(Y / W ) = Espao linha(X )

f Uf p f
Espao oluna(Y / W ) = Espao oluna( )

f Uf p i
2.4.2 Implementao numri a da estimativa de e X

O teorema 3 tem omo prin ipal onsequn ia o fato de que a sequn ia de estados X f
e a matriz de ontrolabilidade estendida podem ser diretamente determinadas a partir

i
das entradas e sadas u(t) e y(t), sem onhe imento das matrizes do sistema A, B, C e
D . Na prti a as projees utilizadas so al uladas por meio da seguinte de omposio
LQ
T
U R 0 0 Q
(2.41)
f 11 1

W = R T
p R
21 Q
0 22 2
Yf R31 R32 R33 QT3
onde

Oi = Yf /Uf Wp = R32 R22 Wp = i .Xf (2.42)
2.4.3 Cl ulo das matrizes do sistema
Sero apresentados dois algoritmos para o l ulo das matrizes do sistema. O algoritmo
2 explora on eitos do mtodo N4sid e o algoritmo 3 do mtodo Moesp.
Denio do problema de identi ao por subespaos:
Suponha que realizado um experimento e so oletadas N amostras
das entradas u(t) R e sadas y(t) R do sistema. Determinar a
m p
ordem do sistema assim omo o onjunto de matrizes (A, B, CeD).
Algoritmo 2 Sequn ia de estados

As matrizes do sistema so al uladas por meio da estimao prvia da sequn ia de
estados. Partindo do teorema 3, en ontra-se:
A ordem do sistema pela inspeo dos valores singulares da Equao 2.34;
A sequn ia de estados Xi a partir da Equao 2.37.
Denindo as matrizes
(2.43)
h i
Xi+1 = x(i + 1) x(i + 2) ... x(i + j)
(2.44)
h i
Xi = x(i) x(i + 1) ... x(i + j 1)
(2.45)
h i
Ui|i = u(i) u(i + 1) ... u(i + j 1)
(2.46)
h i
Yi|i = y(i) y(i + 1) ... y(i + j 1)
as matrizes A, B , C e D so a soluo do sistema linear de Equaes 2.47
(2.47)
! ! !
Xi+1 A B Xi
= ,
Yi|i C D Ui|i
ou ainda,
!
(2.48)
! !
A B Xi+1 Xi
= ,
C D Yi|i Ui|i
Algoritmo 3 Invarin ia da matriz de observabilidade
Diferentemente do algoritmo 2, neste aso as matrizes do sistema so determinadas
em dois passos. Primeiramente, determinam-se A e C atravs de i , e num segundo passo
B e D so omputados. Pelo teorema 3, tem-se:
A ordem do sistema a partir da inspeo dos valores singulares da Equao 2.34;
A matriz de observabilidade estendida i pela Equao 2.36.
A matriz A determinada por meio da Equao 2.49, onde i denota a ex luso das
primeiras l (nmero de sadas) linhas de i e i a ex luso das l ltimas linhas.
A = i i (2.49)
A matriz C obtida a partir das l primeiras linhas i . J as matrizes B e D so
determinadas da seguinte maneira:
Levando-se em onsiderao o omplemento ortogonal, i = U2T W1 , da Equao 2.31
obtm-se,

i Yf = i i Xf + i T0|i1 Uf (2.50)
=
i T0|i1 Uf , (2.51)
isto leva a,

i Yf Uf = i T0|i1 . (2.52)
Por simpli idade de notao, denota-se o termo do lado direito da equao om M e
i om L. Esta equao pode ser rees rita omo:
(2.53)

M1 M2 . . . Mi = L1 L2 . . . Li

D 0 0 0

CB D 0 0
(2.54)

CAB CB D 0

.. .. .. . . . ..

. . . .

i2 i3 i4
CA B CA B CA B D
onde Mk R(lin)m e k R(lin)l . Finalmente tem-se:

L1 L2 Li1 Li
M1
L2 L3 Li 0
(2.55)
! !
M2 Il 0 D
.. = L3 L4 0 0

. .. .. .. ..

0 i B
. . . .
Mi

Li 0 0 0
2.5 Identi ao por subespaos utilizando normas nu-

leares (N2SID)
Mtodos de identi ao por subespaos tm um grande apelo omputa ional por utiliza-
rem e ientes algoritmos matri iais (de omposio QR e SVD) para gerar aproximaes
de posto reduzido para matrizes onstrudas atravs dos dados de entrada e sada. Porm
tais mtodos falham em garantir a otimalidade de suas estimativas.
Re entemente tem se popularizado a minimizao por normas nu leares omo uma
alternativa para determinar aproximaes de posto reduzido de matrizes. A minimizao
da norma nu lear (soma dos valores singulares) uma heursti a popular para aproximao
de matrizes de posto reduzido proposta ini ialmente em (FAZEL; HINDI; BOYD, 2001).
Ela ofere e a vantagem de preservar a estrutura linear matri ial, ao ontrrio da SVD,
normalmente utilizada em mtodos por subespaos. Esse problema de minimizao
tambm fa ilmente ombinado om termos de regularizao onvexa assim omo restries
onvexas nos parmetros.
Denio 7 Norma Nu lear
A norma nu lear kXk de uma matriz X Rpq denida omo a soma dos valores
singulares de X
(2.56)
min(p,q)
X
kXk = trace( X X) = i
i=1
2.5.1 Reduo de posto por normas nu leares

O problema de reduo de posto resolvido no Teorema 3, om a de omposio SVD da
projeo O , pode ser rees rito omo um problema de otimizao da funo de usto J .
i
A funo de usto pondera a norma nu lear de O e o termo de regularizao.

i
O vetor y(t) t = 0, .., N 1 utilizado omo varivel de otimizao. No onfundir

om y(t), que o vetor de medies da sada. O objetivo gerar um vetor timo y(t),
que minimize a funo de usto J
(2.57)
N 1
i k +
X
J = kO y (t) y(t)k22
k
t=0
onde O = Y / W e Y onstrudo por y(t).

i f Uf p f
O parmetro garante uma ponderao entre a reduo de posto de O e o desvio

i
entre a sada otimizada y(t) e a sada medida y(t). Uma vez al ulada a nova sada, os
algoritmos 2 e 3, podem ser utilizados para gerar as realizaes em espao de estados.
Alm de obter uma resposta tima, a maior vantagem dessa abordagem a possibilidade
de insero de restries no problema de otimizao.
2.6 Con luses
Nesse aptulo foram apresentadas algumas t ni as para onstruo de realizaes em
espao de estados. feita uma reviso bibliogr a desde o mtodo de Kalman baseado
na resposta ao impulso do sistema, seguindo aos mtodos por subespaos at a utilizao
de t ni as mais modernas de otimizao por normas nu leares para obteno de uma
realizao de posto mnimo.
Captulo 3
Projeto de ex itaes pulsadas
3.1 Introduo
O projeto de ex itaes uma etapa fundamental na identi ao de sistemas. O grau
de semelhana entre um modelo identi ado e o sistema original uma funo direta
da qualidade dos dados experimentais (PINTELON, 2012). um onsenso na literatura
que sinais de ex itao longos e energti os melhoram a estimativa de modelos, porm
em ambientes industriais, esses requisitos so onitantes om restries e onmi as e
opera ionais. Idealmente, devem ser oletadas informaes su ientes para ara terizao
das dinmi as de interesse da planta, sem desperd io de tempo ou energia em frequn ias
irrelevantes.
A modelagem de sistemas a etapa mais demorada e dispendiosa em um projeto de
sistema de ontrole (OGUNNAIKE, 1996). Do ponto de vista e onmi o, desejvel que
os experimentos sejam urtos e gerem a menor interfern ia possvel na operao normal
da planta. O projeto de ex itaes ideal deve ponderar o ompromisso entre gerar modelos
pre isos e os ustos opera ionais, alm de ser simples o su iente para ser exe utado por
operadores no espe ializados em identi ao de sistemas.
proposto nesse aptulo um algoritmo apaz de gerar automati amente ex itaes
pulsadas baseadas no atraso e na onstante de tempo dominante do sistema. O pro e-
dimento desenvolvido apaz de gerar ex itaes de baixas e mdias frequn ias, om
pou o onhe imento prvio do pro esso. O projeto da ex itao dividido em duas eta-
pas. realizada uma estimativa ini ial do atraso e da onstante de tempo do sistema, por
meio de uma ni a os ilao om um experimento do rel, em seguida um sinal pulsado
gerado na frequn ia de interesse.
26
Captulo 3. Projeto de ex itaes pulsadas 27
3.2 Experimento do rel
Foi proposto em (ASTROM; HAGGLUND, 1984) que o ganho e a frequn ia rti a de
um pro esso podem ser estimados a partir das os ilaes geradas por uma realimentao
om um rel. A estrutura de realimentao mostrada na Figura 3.1 fora o apare imento
de uma os ilao rti a na sada, om frequn ia w e defasamento de 180 em relao
c
ao sinal de ontrole apli ado. ilustrado um exemplo de sinais de entrada e sada na

Figura 3.2.
r u y
G(s)
Figura 3.1: Diagrama de blo os de um pro esso realimentado om um rel
a1
Entrada de controle
Sada do sistema
0.5
-0.5
-a
-1
0 5 10 15 20 25 30
Figura 3.2: Exemplo de sinais de entrada e sada para um pro esso realimentado om um
rel
Denio 8 A funo rel denida matemati amente onforme
(3.1)
(
a, u
y=
a, u <
onde a a amplitude e a histerese do rel. Uma representao gr a da funo rel
ilustrada na Figura 3.3.
Figura 3.3: Representao gr a da funo rel

O ganho rti o K uma funo da amplitude do rel e do ganho do sistema k
180
K =
180
k
4a
(3.2)
Nota-se que essa estrutura experimental propor iona uma maneira segura e estvel de
obter uma os ilao rti a, visto que o sinal de ontrole sempre mantido em uma faixa
xa determinada pela amplitude do rel.
3.3 Estimativa ini ial das dinmi as dominantes
demonstrado em (ASTROM; HAGGLUND, 2007) que possvel estabele er uma rela-
o entre os parmetros de um modelo FOPTD e estimativas da frequn ia e ganho rti o,
obtidos por um experimento do rel. Essa abordagem vlida para um experimento longo,
onde os transitrios ini iais so desprezados, at que uma os ilao permanente se estabe-
lea. Nesta seo, prope-se a utilizao da primeira os ilao do rel (transitrio) para
uma estimativa rpida do atraso e da onstante de tempo dominante do sistema. Esses
parmetros sero utilizados posteriormente na onstruo do sinal de ex itao prin ipal.
3.3.1 Sistemas om atraso
Assumindo que o sistema alvo possa ser aproximado, de forma razovel, por um modelo
FOPTD
G(s) =
K
sT + 1
e sL
(3.3)
uma os ilao do rel padro om amplitude a, a e histerese = 0, ilustrada na
Figura 3.4. Observa-se que a primeira e a segunda transio do sinal de ontrole o orrem
respe tivamente nos instantes t e t .
1 2
a Entrada de controle
Sada do sistema
-a
t! t"
Figura 3.4: Sinais de entrada e sada para uma os ilao de um modelo FOPTD reali-
mentado por um rel padro
O atraso L obtido diretamente de t e a onstante de tempo dominante do sistema
1
T rela ionada aos instantes de haveamento onforme o Teorema 4.
Teorema 4 A onstante de tempo T de um sistema FOPTD rela ionada diretamente

aos instantes de haveamento t1 e t2 da primeira os ilao de um experimento do rel
sem histerese, onforme a Equao
2e
t2 2t1
T e
t2 t1
T =1 (3.4)
Prova. Fatore o sinal da entrada de ontrole u omo a soma de trs degraus
relay
u (t) = au(t), u (t) = 2au(t t ) e u (t) = au(t t ). Usando o teorema da

d1 d2 1 d3 2
superposio, a sada do sistema pode ser es rita omo uma funo dos trs sinais de
entrada
Y (s) = G(s)U (s)relay (3.5)
Y (s) = G(s)(U (s) + U (s) + U (s))
d1 d2 d3 (3.6)
Y (s) = G(s)U (s) + G(s)U (s) + (s)G(s)U
d1 d2 (3.7) d3
tomando a transformada inversa de Lapla e

y(t) = aK(1 e tL
T) 2aK(1 e
) + aK(1 e
tLt1
T ) (3.8)
tLt2
T
Como o rel utilizado no apresenta histerese, a sada do sistema zero nas transies
y(t ) = y(t ) = 0. O atraso do sistema estimado omo o tempo da primeira transio
1 2
L = t e a sada do sistema na transio t dada por

1 2
y(t ) = 0 = aK(1 e
2

t2 L
) 2aK(1 e
T )
(3.9)
t2 Lt1
T
0 = aK(1 e
t2 t1
) 2aK(1 e
T )
(3.10)
t2 t1 t1
T
2e e
t2 2t1
=1 T

(3.11)
t2 t1
T
No existe uma soluo analti a para T na Equao 3.11. Porm um resultado apro-
ximado pode ser al ulado por meio da expanso em srie de Ma laurin da funo expo-
nen ial, onforme o Teorema 5.
Teorema 5 Uma aproximao para a onstante de tempo T de um sistema FOPTD pode
ser al ulada a partir dos tempos de haveamento t1 e t2 da primeira os ilao de um
experimento do rel sem histerese.
T =
t22 6t1 t2 + 7t21
2t2 6t1
(3.12)
Prova. A expanso em srie de Ma laurin da funo exponen ial
(3.13)

x
X xn x2
e = =1+x+ ...
n=0
n! 2!
os termos exponen iais da Equao 3.11 podem ser aproximados omo uma expanso de
segunda ordem onforme
2e
t2 2t1
T 2[1
(t2 2t1 ) (t2 2t1 )2
T
+
2T 2
] (3.14)
e
t2 t1
T 1
(t2 t1 ) (t2 t1 )2
T
+
2T 2
(3.15)
substituindo 3.14 e 3.15 em 3.11
2
2T 2 + (4t1 2t2 )T + (t22 4t2 t1 + 4t21 )
2T 2
(3.16)
2T 2 + (2t1 2t2 )T + (t22 2t2 t1 + t21 )
2T 2
=1 (3.17)
T (2t2 + 6t1 ) + (t22 6t1 t2 + 7t21 ) = 0 (3.18)
T =
t22 6t1 t2 + 7t21
2t2 6t1
(3.19)
3.3.2 Sistemas sem atraso

Assumindo que o sistema alvo possa ser aproximado, de forma razovel, por um modelo
de primeira ordem, e no apresente atraso
G(s) =
K
sT + 1
(3.20)
uma os ilao do rel padro om amplitude a, a e histerese , ilustrada na Figura 3.5.
Observa-se que a primeira e a segunda transio do sinal de ontrole o orrem respe tiva-
mente nos instantes t e t . Salientando que a histerese deve ser no nula para possibilitar
1 2
uma os ilao sustentada, visto que nesse aso o sistema aproximado por um modelo de
primeira ordem.
a Entrada de controle
Sada do sistema
0
-e
-a
t! t"
Figura 3.5: Sinais de entrada e sada para uma os ilao de um modelo de primeira ordem
realimentado por um rel om histerese
De forma semelhante ao sistema om atraso, a onstante de tempo T tem uma relao
direta om os instantes de haveamento t e t . Essa dependn ia dada pelo Teorema 6
1 2
Teorema 6 A onstante de tempo T de um sistema de primeira ordem rela ionada

diretamente aos instantes de haveamento t1 e t2 da primeira os ilao de um experimento
do rel om histerese, onforme a Equao
2e
t2 t1
T
t1 t2
e T e T = 0 (3.21)
Prova. Fatore o sinal da entrada de ontrole u omo a soma de trs degraus
relay
u (t) = au(t), u (t) = 2au(t t ) e u (t) = au(t t ). Usando o teorema da

d1 d2 1 d3 2
superposio, a sada do sistema pode ser es rita omo uma funo dos trs sinais de
entrada
Y (s) = G(s)U (s)
relay (3.22)
Y (s) = G(s)(U (s) + U (s) + U (s))
d1 d2 d3 (3.23)
Y (s) = G(s)U (s) + G(s)U (s) + G(s)U (s)
d1 d2 (3.24) d3
tomando a transformada inversa de Lapla e

Tt
y(t) = aK(1 e ) 2aK(1 e
) + aK(1 e
tt1
T ) (3.25)
tt2
T
Como o rel utilizado apresenta histerese, a sada do sistema nas transies y(t ) = 1
e y(t ) = . Substituindo na Equao 3.25

2
y(t ) = = aK(1 e )
1 (3.26) T1
t
t
T2
y(t ) = = aK(1 e ) 2aK(1 e
2 ) (3.27)

t2 t1
T
dividindo as Equaes 3.26 e 3.27

(3.28)
t1
y(t1 ) aK(1 e T )
= = t2 t2 t1 = 1
y(t2 ) aK(1 e T 2 + 2e T )
2e
t2 t1
T
t1
e T e T = 0
t2
(3.29)
No existe uma soluo analti a para T na Equao 3.29. Porm um resultado apro-
ximado pode ser al ulado por meio da expanso em srie de Ma laurin da funo expo-
nen ial, onforme o Teorema 7.
Teorema 7 Uma aproximao para a onstante de tempo T de um sistema de primeira
ordem, pode ser al ulada, a partir dos tempos de haveamento t1 e t2 da primeira os i-
lao de um experimento do rel om histerese.
T =
t22 4t1 t2 + t21
2t2 6t1
(3.30)
Prova. A expanso em srie de Ma laurin da funo exponen ial
(3.31)

X xn x2
ex = =1+x+ ...
n=0
n! 2!
os termos exponen iais da Equao 3.11 podem ser aproximados omo uma expanso de
segunda ordem onforme
2e
t2 t1
T 2(1
(t2 t1 ) (t2 t1 )2
T
+
2T 2
) (3.32)
t2
e T 1
(t2 ) (t2 )2
T
+
2T 2
(3.33)
T1
e
t
1
(t1 ) (t1 )2
T
+
2T 2
(3.34)
substituindo 3.32, 3.33 e 3.34 em 3.29
2
2T 2 + (2t1 2t2 )T + (t22 2t2 t1 + t21 )
2T 2
(3.35)
2T 2 2t1 T + t21 2T 2 2t2 T + t22
2T 2

2T 2
=0 (3.36)
T (2t2 + 6t1 ) + (t22 4t1 t2 + t21 ) = 0 (3.37)
T =
t22 4t1 t2 + t21
2t2 6t1
(3.38)
3.4 Denio das ex itaes

Em grande parte das apli aes industriais, experimentos longos om sinais omplexos
so inviveis devido ne essidade de manter a taxa de produo. Dessa forma a maioria
dos experimentos se resumem a entradas do tipo degrau ou pulso (BARENTHIN, 2006).
Nessa seo, sero projetados sinais de ex itao pulsados baseados nas estimativas de
atraso e onstante de tempo dominante obtidas na Seo 3.3.
Os mtodos de identi ao propostos no prximo aptulo partem da premissa que o
sinal de ex itao apli ado ao sistema formado por uma ombinao de pulsos om uma
determinada ongurao. Primeiramente denido um ni o pulso simples, em seguida
sinais mais omplexos so generalizados.
3.4.1 Pulso Simples
A unidade bsi a para onstruo dos sinais de entrada denida na Equao 3.39 e
ilustrada na Figura 3.6.
u (t) = 0, t <

(3.39)
B
u (t) = , t < +

u (t) =
B B
u (t) = 0, t +

B
onde o atraso ini ial do sinal, a durao do pulso e a sua amplitude. De maneira
geral, e determinam a faixa de frequn ia que o sinal vai ex itar. proposto que
esses parmetros sejam es olhidos omo uma funo da onstante de tempo dominante,
estimada na Seo 3.3.
b1
0.8
0.6
0.4
0.2
0 10 20 30 40 50 60 70 80 90
g a
Figura 3.6: Ilustrao do pulso base u B (t)
Proposio 8 Com o intuito de garantir que o estado esta ionrio seja atingido a ada
transio, proposto que os parmetros = = 5T . Assumindo que T a onstante de
tempo dominante, no instante t = L + 5T a sada do sistema ser aproximadamente 99%
do regime esta ionrio.
Prova. A resposta ao degrau de um modelo FOPTD dada por

y(t) = aK(1 e
tL
T ) (3.40)
portanto a razo entre o valor da sada no instante t = L + 5T e t =
(3.41)
L+5T L
y(L + 5T ) aK(1 e T )
= = 1 e5 = 0, 9933
y() aK
A matriz de Hankel da entrada U onstruda atravs de um janelamento de hori-

B
zonte r no vetor de entrada u (t). Devido ao formato pulsado da entrada, a matriz de

1|r
Hankel pode ser expressa em trs termos

(3.42)
h i
B B B B
U = U | U
1|r | U 1|r 1|r 1|r

0 .. 0 0 0 ..

0 .. 0 0 .. 0
(3.43)

B B B
U1|r = 0 .. 0 U1|r = .. U1|r = 0 0

.. .. .. .. .. .. .. .. .. .. ..

0 .. .. 0 0 0
onde UB
1|r ,
R(r)() U1|r
B
R(r)(r) eU B
1|r R(r)(r1) .
3.4.2 Pulsos Compostos
Existem situaes em que uma ex itao mais ri a ne essria, aso seja fundamental
a aptura de dinmi as mais omplexas do sistema em estudo. Partindo do pulso sim-
ples, denido na Equao 3.39, possvel onstruir sinais de entrada mais omplexos por
on atenao. Duas possveis onguraes so ilustradas nas Figuras 3.7 e 3.8.
b22
1.5
b1
0.5
0 20 40 60 80 100 120 140 160 180

g1 a1 g2 a2
Figura 3.7: Pulso Duplo ( aso 1)

b12
1.5
0.5
b
-0.5
2
0 20 40 60 80 100 120 140 160 180
g1 a1 g2 a2
Figura 3.8: Pulso Duplo ( aso 2)

Considerando que um sinal genri o u (t) seja formado pela on atenao de uma
M
srie de pulsos base u (t) om amplitudes e perodos diferentes

B
u(t) = u (t),

t< + B1 1 1
u(t) = u (t),

(3.44)

+ <t< +
B2 1 1 2 2
u (t) =
M
...
u(t) = u (t),

+ <t< +

Bn n1 n1 n n
A representao em blo os de Hankel de u (t), simplesmente a on atenao dos

M
blo os de Hankel de ada sinal do tipo u (t) apli ado B
. (3.45)
h i
M B1 B2 Bn
U = U U 1|r .. U 1|r 1|r 1|r
3.4.3 Persistn ia das ex itaes

O on eito de persistn ia de ex itao est rela ionado a ordem que um modelo linear
pode ser estimado. Segundo (LJUNG, 2010), um sinal de entrada om persistn ia de
ordem n pode ser utilizado, no mximo, para estimar n variveis, de forma onsistente.
Denio 9 Persistn ia da Ex itao
A sequn ia de entrada u(t) persistentemente ex itante de ordem n se a matriz
ovarin ia de entrada Ruu tem posto ompleto.(LJUNG, 2010)

Ru (0) Ru (1)
... Ru (n 1)
(3.46)

Ru (1) R u (0) ... Ru (n 2) T
Ruu = = E[U0|n1 U0|n1 ]

... ... ... ...

Ru (n 1) Ru (n 2) ... Ru (0)
onde Ru ( ) a funo de ovarin ia do sinal de entrada
(3.47)
N
1 X
Ru ( ) = lim u(t)u(t )
N N
t=1
3.5 Exemplos de simulao

realizada uma srie de simulaes para exempli ar os on eitos denidos nesse aptulo.
3.5.1 Exemplo simulado 1
Assumindo um sistema alvo de primeira ordem om atraso, representado pela funo de
transfern ia
(3.48)
0,8s
e
G(s) =
(5s + 1)
realizada a montagem da Figura 3.1 e a primeira os ilao do rel oletada. Foi
utilizado um rel de amplitude a = 1 e histerese = 0. Os sinais, amostrados om 0, 01s,
so representados na Figura 3.9
1
Entrada de controle
Sada do sistema
0.5
Amplitude
-0.5
-1
0 5 10 15
Tempo (s)
Figura 3.9: Gr o dos sinais da primeira os ilao do rel do Exemplo 3.5.1
As transies o orreram respe tivamente nos instantes t = 0, 81s e t = 2, 30s. Dessa
1 2
forma, segundo o Teorema 5, o atraso estimado L = 0, 81s e a onstante de tempo

T = 4, 982. Um sinal de ex itao ompleto, omposto por um pulso simples om = 5T ,
= 1 e = 4T , ilustrado na Figura 3.10
0.5
Amplitude
-0.5
Entrada de controle
Sada do sistema
-1
0 10 20 30 40 50 60 70 80
Tempo (s)
Figura 3.10: Gr o do sinal de ex itao projetado no Exemplo 3.5.1

Assumindo um sistema alvo de primeira ordem, representado pela funo de transfern ia
G(s) =
1
(2s + 1)
(3.49)
realizada a montagem da Figura 3.1 e a primeira os ilao do rel oletada. Foi
utilizado um rel de amplitude a = 1 e histerese = 0, 2. Os sinais, amostrados om
0, 01s, so representados na Figura 3.11
1
Entrada de controle
Sada do sistema
0.5
Amplitude
-0.5
-1
0 1 2 3 4 5 6 7 8
Tempo (s)
Figura 3.11: Gr o dos sinais da primeira os ilao do rel do Exemplo 3.5.2
As transies o orreram respe tivamente nos instantes t = 0, 50s e t = 1, 34s. Dessa 1 2
forma, segundo o Teorema 7, a onstante de tempo T = 1, 983. Um sinal de ex itao

ompleto, formado por um pulso omposto om = 5T , = 5T , = 1, = 0, 5, 1 2 1 2
= 4T e = 5T , ilustrado na Figura 3.12

1 1
Entrada de controle
Sada do sistema
0.5
Amplitude
-0.5
-1
0 5 10 15 20 25 30 35 40 45 50
Tempo (s)
Figura 3.12: Gr o do sinal de ex itao projetado no Exemplo 3.5.2

3.6 Con luses
Nesse aptulo foi denido o formato das ex itaes que sero utilizadas nos mtodos de
identi ao propostos nessa tese. Assumindo que pou as informaes so disponibiliza-
das a priori, foi proposta uma metodologia para estimar a onstante de tempo dominante,
por meio da primeira os ilao de um experimento do rel. Essa informao, serve de
parmetro para o projeto da ex itao prin ipal, que omposta por um ou mais pulsos
on atenados.
Captulo 4
Identi ao de modelos em espao de

estados, por meio de ex itaes
pulsadas
4.1 Introduo
A representao de sistemas em espao de estados foi largamente popularizada aps os
anos 60, devido a uma srie de vantagens omo propor ionar uma des rio interna de-
talhada dos sistemas, ser apropriada a sistemas multivariveis, possibilitar a utilizao
de t ni as numri as e ientes e viabilizar a apli ao de t ni as de ontrole avana-
das. Foram revisados, no Captulo 2, mtodos lssi os para onstruo de realizaes
em espao de estados, espe ialmente o mtodo de Kalman que deu origem as t ni as
por subespaos. Os mtodos por subespaos tm sido extensivamente investigados nos
ltimos anos, porm aspe tos importantes, quanto a sua apli ao em pro essos reais,
ainda no foram ompletamente dominados. Um dos pontos rti os relativo ao projeto
de ex itaes. Mtodos por subespaos apresentam melhores resultados para sinais de
entrada bastante ex itantes, de forma que sua performan e degradada a medida que a
banda dos sinais de entrada reduzida (QIN, 2006).
O algoritmo original de Kalman, apresentado na Seo 2.3, assume que os oe ientes
da resposta ao impulso do sistema so onhe idos omo passo ini ial para a onstruo das
realizaes em espao de estados. Porm medir diretamente a resposta ao impulso de um
sistema muitas vezes invivel. Amorte imentos de alta frequn ia podem resultar em
uma resposta bastante urta medida que a relao sinal rudo se torna imprati vel, alm
de que o impulso unitrio pode ex itar no linearidades de alta frequn ia que degradam
41
Captulo 4. Identi ao de modelos em espao de estados, por meio de ex itaes pulsadas 42
a qualidade da estimativa. Realizar a transformada inversa de Fourier da resposta em
frequn ia uma das opes para ontornar essa di uldade, porm as estimativas dos
parmetros de Markov somente onvergiro aso o sinal de entrada tenha uma banda
de frequn ia larga. Os sinais de entrada utilizados em grande parte dos experimentos
prti os de identi ao so de banda estreita, portanto em muitos asos o l ulo da
resposta em frequn ia por inverso do espe tro de entrada a entua os rudos de medio.
Apli aes industriais normalmente no possibilitam a apli ao de sinais om banda
de frequn ia larga. Devido a uma srie de restries opera ionais, limitaes dos atua-
dores ou e onmi as, muitos dos experimentos prti os so restritos a ex itaes do tipo
degrau ou pulso. Algumas solues para esse problema foram desenvolvidas em traba-
lhos omo o de (HELMONT; WEIDEN; ANNEVELD, 1990) e (MILLER; CALLAFON,
2012b), nos quais o problema de realizaes resolvido para resposta ao degrau. Essa
questo tambm pode ser en arada omo um problema de identi ao usando segmentos
de dados (NADERI; KHORASANI, 2016), ou um problema de minimizao de normas
nu leares (VERHAEGEN; HANSSON, 2014).
proposto nesse aptulo um novo mtodo para identi ao de modelos de alta ordem
em espao de estados a partir da resposta ao pulso de um sistema. A metodologia desen-
volvida omputa ionalmente e iente e possibilita a estimativa de atrasos de transporte,
assim omo a insero de onhe imentos prvios por meio de um problema de otimizao
om restries via LMI Linear Matrix Inequalities. O onjunto de t ni as desenvolvidas
espe ialmente voltado para apli aes reais.
4.2 Construo de realizaes em espao de estados uti-
lizando sinais pulsados
O mtodo de identi ao proposto parte da premissa que o sinal de ex itao apli ado
ao sistema formado por uma ombinao de pulsos om uma determinada ongurao.
Primeiramente exposta a ideia para um ni o pulso, em seguida o mtodo generalizado
para sinais mais omplexos.
4.2.1 Realizaes por pulso simples (RPS)
Sem perda de generalidade, assumindo por um momento que o sistema no apresenta
atraso (t = 0). As matrizes de Hankel das entradas e sada so denidas omo
d

y(1) y(2) ... y(l) y(2) y(3) ... y(l + 1)

.. .. .. .. .. ..
y(2) y(3) ... y(l + 1) y(3) y(4) ... y(l + 2)
Y1|r = Y2|r+1 =

y(r) y(r + 1) ... y(l + r) y(r + 1) y(r + 2) ... y(l + r + 1)
(4.1)

u(1) u(2) ... u(l) u(2) u(3) ... u(l + 1)

.. .. .. .. .. ..
u(2) u(3) ... u(l + 1) u(3) u(4) ... u(l + 2)
U1|r = U2|r+1 =

u(r) u(r + 1) ... u(l + r) u(r + 1) u(r + 2) ... u(l + r + 1)
(4.2)
onde Y R , Y R , U R , U R .
1|r
rl
2|r+1
rl
1|r
rl
2|r+1
rl
Considerando somente a parte determinsti a do modelo em questo, a equao (2.17)

estendida para forma de blo os de Hankel onforme
Y =H U +T U 1|r 1|r a (4.3) 0|r1 1|r
Y =H U +T U 2|r+1 2|r+1 (4.4)

a 1|r 1|r
onde T e T so matrizes de blo os Toeplitz, U R a matriz de entrada

0|r1 1|r 1|r
(r)(l)
de Hankel, Y R a matriz de sada de Hankel e U R uma matriz

1|r
(r)(l)
a
(l)(l)
triangular inferior.

G(0)
(4.5)

.. ..
G(1) G(0)
...

T0|r1 =

G(r 1) G(r 2) ... G(0)

G(1) G(0)
...
(4.6)

.. ..
G(2) G(1)
...

T1|r =

G(0)

G(r) G(r 1) ... G(1)

u(0) u(1) ... u(l 1)
(4.7)

.. .. . . . ..
0 u(0) ... u(l 2)
Ua =

0 0 ... u(0)
O objetivo da t ni a al ular uma estimativa para a matriz H e gerar a realizao 1|r
em espao de estados por meio do algoritmo de Kalman. Em mtodos tradi ionais base-
ados em subespaos isso realizado por meio de uma projeo que separe H e T , 1|r 0|r1
omo visto no Teorema 2. Uma das ondies para esse projetor existir a persistn ia
de ordem r do sinal de ex itao.
proposta uma forma de al ular analiti amente uma estimativa da matriz H utili- 1|r
zando somente os sinais de entrada e sada oletados experimentalmente. Assumindo que

o sistema ex itado om um pulso u (t) denido na Equao 3.39, possvel al ular
B
expli itamente o termo T U na Equao 4.3 e isolar H . Se r < e r < , ento a

0|r1 1|r 1|r
matriz de Hankel da entrada U , pode ser expressa em trs termos

B
1|r
(4.8)
h i
B B B B
U1|r = U1|r | U1|r | U1|r

0 .. 0 0 0 ..

0 .. 0 0 .. 0
(4.9)

B B B
U1|r = 0 .. 0 U1|r = .. U1|r = 0 0

.. .. .. .. .. .. .. .. .. .. ..

0 .. .. 0 0 0
onde UB
1|r ,
R(r)() U1|r
B
R(r)(r) eUB
1|r R(r)(r1) .
Substituindo as Equaes 4.5 e 4.8
(4.10)
h i
B
T0|r1 U1|r =

0 0 0 .. 0

0 0 0 .. G(0)

(4.11)

0 0 0 .. G(0) + G(1)
=
.. .. .. .. ..

0 0 G(0) .. G(0) + G(1).. + G(r 3)

0 G(0) G(0) + G(1) .. G(0) + G(1).. + G(r 2)

G(0) .. G(0)

G(0) + G(1) .. G(0) + G(1)

(4.12)

G(0) + G(1) + G(2) .. G(0) + G(1) + G(2)
=
.. .. ..

G(0) + G(1).. + G(r 2) .. G(0) + G(1).. + G(r 2)

G(0) + G(1).. + G(r 1) .. G(0) + G(1).. + G(r 1)

G(0) G(0) .. G(0)

G(0) + G(1) G(0) + G(1) .. G(1)
(4.13)

G(0) + G(1) + G(2) G(0) + G(1) + G(2) .. G(2)
=
.. .. .. ..

G(0) + G(1).. + G(r 2) G(1) + G(2).. + G(r 2) .. G(r 2)

G(1) + G(2).. + G(r 1) G(2) + G(3).. + G(r 1) .. G(r 1)
.
Sabe-se que para um sistema linear
(4.14)

X
y(t) = G(k)u(t k)
k=0
portanto a matriz T B
0|r1 U1|r pode ser re-es rita somente omo uma funo do sinal de
sada f (y(t)) da seguinte forma

0 0 0 .. 0

0 0 0 .. y()

(4.15)

0 0 0 .. y(+1)
=
.. .. .. .. ..

0 0 y() .. y(+r2)

0 y() y(+1) .. y(+r3)

y() .. y()

y .. y(+1)
(+1)
(4.16)

y(+2) .. y(+2)
=
.. .. ..

y(+r2) .. y(+r2)

y(+r1) .. y(+r1)

y() y() .. y()

y(+1) y(+1) .. y(+1) y()

(4.17)

y(+2) y(+2) .. y(+2) y(+1)
=
.. .. .. ..

y(+r2) y(+r2) y() .. y(+r2) y(+r3)

y(+r1) y() y(+r1) y(+1) .. y(+r1) y(+r2)
onde R , R
(r)()
eR
(r)(r)
. (r)(r1)
Ento hega-se a on luso de que H e H so funes apenas dos dados de

1|r 2|r+1
entradas e sadas onforme as Equaes 4.18 e 4.19

H (Y T
1|r 1|r 0|r1
B
1|r

U )U = (Y f (y(t)) )U
a 1|r (4.18) 1|r

a
H (Y
2|r+1 T
2|r+1 U )U = (Y
0|r1
B
f (y(t))
2|r+1

a )U . (4.19)
2|r+1 2|r+1

a
Essa metodologiatambm vlida para sistemas multivariveis, ontanto que o sistema

seja ex itado de forma sequen ial. Cada entrada ex itada isoladamente enquanto as
demais permane em em repouso. Essa estratgia gera matrizes de Hankel em que ada
elemento um blo o om dimenses pm, onde p o nmero de sadas e m o de entradas.
Em suma, a realizao em espao de estados obtida de a ordo om o Algoritmo 4.
Algoritmo 4 Algoritmo de realizaes por pulso simples (RPS)
Dena o formato do pulso de entrada, (, , );
h i
Cal ule T0|r1 U1|r = por meio das Equaes 4.15, 4.16 e 4.17;
B
Cal ule H1|r e H2|r+1 por meio das Equaes 4.18 e 4.19;
Efetue a SVD de H1|r onforme a Equao 2.21;
Determine a ordem n do sistema inspe ionando os valores singulares de H1|r ;
Cal ule (A,

B,
C, de a ordo om a Tabela 2.1.
D)
4.2.2 Realizaes por pulsos ompostos (RPC)

O mtodo RPC uma extenso direta do RPS quando ex itaes mais ri as so ne ess-
rias. Caso seja essen ial apturar informaes em faixas de frequn ia mais abrangentes,
possvel onstruir sinais mais omplexos por on atenao do pulso simples, denido na
Equao 3.39. Os parmetros e esto diretamente ligados ao espe tro do sinal gerado.
Considerando que um sinal genri o u (t) seja formado pela on atenao de uma
M
srie de pulsos base u (t) om amplitudes e perodos diferentes

B
u(t) = u (t),

t< +
B1 1 1
u(t) = u (t),

(4.20)

+ <t< +
B2 1 1 2 2
Mu (t) =
...
u(t) = u (t),

+ <t< +

Bn n1 n1 n n
a representao em blo os de Hankel de u (t), simplesmente a on atenao dos blo os

M
de Hankel de ada sinal do tipo u (t) apli ado

B
. (4.21)
h i
M B1 B2 Bn
U = U
1|r U .. U
1|r 1|r 1|r
Desta forma o mtodo RPC a extenso natural do mtodo RPS, quando uma sequn-
ia de pulsos base apli ada na entrada.
Partindo da Equao 4.21 f il ver que o termo T U da Equao 4.3 pode 0|r1
M
ser subdividido em n termos, os quais podem ser al ulados individualmente onforme a

1|r
Equao 4.10
. (4.22)
h i
M B1 B2 Bn
T0|r1U = T
1|r U T
0|r1 U
1|r .. T U
0|r1 1|r 0|r1 1|r
Uma vez que T U al ulado, H estimado onforme

0|r1
M
1|r
M
1|r
M
H (Y T
1|r U )U
1|r 0|r1
M
1|r (4.23)
a
e a realizao em espao de estados obtida pelo Algoritmo 5.
Algoritmo 5 Algoritmo de realizaes por pulsos ompostos (RPC)
Dena o formato dos n pulsos de entrada, (n , n , n );
Cal ule os n termos T0|r1 U1|r

Bn
e monte a matriz T0|r1 U1|r
M
, onforme a Equao
4.22;
Cal ule H1|r

M
e H2|r+1
M
por meio da Equao 4.23;
Efetue a SVD de H1|r

M
denida na Equao 2.21;
Determine a ordem do sistema inspe ionando os valores singulares de H1|r

M
;
Cal ule (A,

B,
D)
4.3 Modelos om atraso

Muitos sistemas dinmi os envolvem atrasos, tambm hamados de tempo morto ou
atrasos de transporte. Tal fenmeno normalmente est rela ionado ao transporte de
massa ou energia entre dois pontos de um sistema, mas arando a sua resposta dinmi a.
En ontram-se exemplos de atrasos em sistemas trmi os, pneumti os, hidruli os, redes
de omuni ao et .
A presena de atrasos tende a ausar instabilidadeem malha fe hada, assim omo torna
o problema de ontrole desaador por ausar um deslo amento de fase que limita a banda
de atuao do ontrolador. Por esses e outros motivos importante o desenvolvimento de
ferramentas para estimativa onsistente esse parmetro.
4.3.1 Classi ao de mtodos para estimativa de atraso
A maioria dos mtodos para estimao de atrasos en ontrados na literatura pode ser
enquadrada nas seguintes ategorias (BJORKLUND; LJUNG, 2003)
1. Mtodos de aproximao por modelos: Os sinais de entrada e sada so repre-
sentados em uma erta base e o atraso estimado a partir de uma aproximao da
relao entre esses sinais. Existem duas etapas nessa metodologia, estimar o modelo
aproximado, em seguida estimar o atraso a partir do modelo.
Domnio do tempo: O atraso estimado pela dete o do ponto onde a resposta
ao impulso ini ia (CARLEMALM et al., 1999);
Domnio da frequn ia: O atraso estimado pela sua fase (ASTROM; HAG-
GLUND, 2007);
Domnio de Laguerre: O atraso obtido pela relao entre os sinais de entrada e
sada representados no domnio de Laguerre (FISCHER; MEDVEDEV, 1999).
2. Mtodos onde o atraso um parmetro expl ito: O atraso um parmetro
do modelo
Mtodos de um passo: O atraso assim omo os outros parmetros so estimados
simultaneamente;
Mtodos de dois passos: H uma alternn ia entre a estimativa do atraso e dos
outros parmetros;
Mtodos de amostragem: Utilizao da amostragem para derivar uma expres-
so para o atraso;
3. Mtodos de reas: Esses mtodos utilizam a relao entre o atraso e ertas reas
abaixo ou a ima da resposta ao degrau ou impulso do sistema (ASTROM; HAG-
GLUND, 1995).
Um estudo omparativo entre as prin ipais t ni as presentes na literatura pode ser
en ontrado em (BJORKLUND; LJUNG, 2003) e (RICHARD, 2003).
4.3.2 Estimativa do atraso no domnio do tempo
Nesse trabalho optou-se por estimar o atraso no domnio do tempo, atravs da dete o
do ponto onde a resposta do sistema se ini ia. Qualquer sistema om atraso, representado
por sua resposta ao impulso g(t), pode ser de omposto omo a onvoluo entre o sistema
sem atraso g (t) e um atraso puro (t t ), onforme
r d
g(t) = g (t) (t t )
r d (4.24)
essa operao representada gra amente na Figura 4.1
O Algoritmo Cumulative sum CUSUM originalmente proposto em (PAGE, 1954),
uma ferramenta de anlise de sinais utilizada para dete tar mudanas de tendn ias.
Denindo os parmetros drift e threshold h possvel estimar o atraso pelo ponto de
in io efetivo da resposta do sistema ao sinal de entrada.
g(t) gr(t) d(t-td)
= *
td td
Figura 4.1: Representao gr a da Equao 4.24

Algoritmo 6 CUSUM-TD
Primeiramente introduzida uma varivel auxiliar (t), de modo que t = td aso
(t) > h.
Obtenha a resposta do sistema s(t);
Dena drift e threshold h;

(t) = (t 1) + s(t) ;
(t) = 0 se (t) < 0;
td = t se (t) > h > 0.
O sinal de teste s(t) a umulado em (t) at que o threshold h seja superado. Para
evitar que rudos positivos gerem alarmes falsos, a ada instante de tempo subtraido .
Por outro lado para evitar que rudos negativos aumentem o tempo de dete o, a soma
zerada aso (t) < 0 .
h
Sada
Sinal de teste (rho)
Entrada
^t direto
^t cusum
td real
d
d
Figura 4.2: Exemplo do mtodo CUSUM-TD

ilustrado na Figura 4.2 um exemplo da apli ao da t ni a. Observa-se que para
um mesmo threshold h a estimativa do atraso t cusum mais pre isa do que a estimativa
d
t direto obtida pelo sinal original.

d
4.3.3 Realizaes por pulsos ompostos om atraso (RPC-TD)

Foi denido nos mtodos RPS e RPC que o sinal de entrada seria omposto por um ou
mais pulsos. Dessa forma o atraso pode ser estimado dete tando o instante de tempo em
que o sistema omea a reagir ao pulso ini ial. Como visto na Seo 4.3.2 o algoritmo
CUSUM-TD uma alternativa para estimar esse ponto de transio minimizando o efeito
dos rudos de medio. O problema ento se restringe a sintonizar os parmetros drift
e threshold h.
Os parmetros do mtodo de bus a esto intimamente ligados ao rudo inserido na
sada do sistema. Devido ao formato ara tersti o do pulso base, denido na Equao
3.39, possvel al ular uma estimativa do desvio padro do rudo de medio analisando
a sada do sistema nos instantes t = 0, 1, 2... Assumindo que o rudo tem mdia zero e
varin ia 2
sP
(4.25)
2 1
P 2
t=0 s(t) (+1
s(t))t=0

dessa forma o mtodo re-parametrizado onforme = /2 e h = onde > 1 indi a
quantas vezes o threshold maior do que o desvio padro do rudo de medio da sada,
no ponto de operao ini ial.
Uma vez obtida uma estimativa do atraso (t ) omo um mltiplo inteiro do tempo de
d
amostragem, essa informao pode ser fa ilmente in orporada ao mtodo RPC para gerar
um modelo em espao de estados om atraso expl ito na entrada.
Conforme a Equao 4.24, em um sistema om atraso, os primeiros t oe ientes da
d
resposta ao impulso so nulos, de modo que possvel separar as duas dinmi as g (t) r
e (t t ) aso essa transio seja onhe ida. Re orda-se que a matriz H denida na
d 1|r
Equao 5 onstituda pelos oe ientes da resposta ao impulso organizados em blo os

de Hankel, dessa forma f il ver que uma matriz H que represente a par ela do modelo
0
sem atrasos pode ser obtida eliminando as t primeiras linhas de H .

1|r
d 1|r
Teorema 9 A matriz de oe ientes da resposta ao impulso H1|r

0
orrespondente a om-
ponente sem atraso do modelo, obtida pela eliminao das td primeiras linhas de H1|r .
0
H1|r = H1|r (td + 1 : r, :) (4.26)
Prova. A prova vem diretamente da denio de H na Equao 2.13.
1|r
Algoritmo 7 Algoritmo de realizaes por pulsos ompostos om atraso (RPC-

TD)

Bn
M
, onforme a Equao
4.22;
Cal ule H1|r

M
e H2|r+1
M
Cal ule pela Equao 4.25;
Dena , = /2, h = e estime o atraso do sistema pelo Algoritmo 6;
Cal ule H1|r

0M
pela Equao 4.26;
Efetue a SVD de H1|r

0M
onforme a Equao 2.21;

0M
;
Cal ule (A,

B,
D)
4.4 Insero de restries via Linear Matrix Inequa-

lities (LMI)
Ao identi ar modelos matemti os por meio de dados experimentais, muitas vezes de-
sejvel que o modelo obtido seja ompatvel om algumas ara tersti as fundamentais
do sistema original. Atravs de espe ialistas ou operadores do sistema, possvel o-
lher requisitos bsi os tais omo ondies para estabilidade, pontos de operao ou at
prin pios fsi os que o regem.
Conhe imentos prvios do sistema podem ser in orporados ao modelo, mesmo que
a estratgia de identi ao seja totalmente voltada a dados. Para isso, so realizados
pro edimentos de otimizao om restries que impe ao modelo ertas ara tersti as
denidas a priori.
O mtodo RPC proposto anteriormente pode ser reformulado omo dois problemas
de otimizao onvexa sujeita desigualdades lineares matri iais (LMI) que restringem a
lo alizao dos seus autovalores e delimitam seu gabarito temporal.
4.4.1 Regies LMI
Introduzida por (CHILALI; GAHINET, 1996) uma regio LMI uma regio onvexa ,
no plano omplexo, denida por uma matriz simtri a e uma matriz quadrada
= {z C : f (z) 0} (4.27)
onde,
f (z) = + z + z.

T
(4.28)
A funo f (z) denominada funo des ritiva de . Em (CHILALI; GAHINET,

1996) demonstrado que os autovalores de uma matriz A esto ontidos na regio se

e somente se:
(A, P ) 0 (4.29)
P = PT 0
no qual representa o produto de Krone ker,

(A, P ) = P + (AP ) + T (AP )T (4.30)
Regies LMI generalizam a noo de estabilidade de sistemas. Por exemplo, a regio
formada pelo dis o unitrio e seu interior des rita por:
(4.31)
" # " # " #
1 0 0 1 0 0
f (z) = + z+ z
0 1 0 0 1 0
que resulta na restrio,
(4.32)
" #
P AP
(A, P ) = 0
P AT P
A interse o de duas regies LMI tambm uma regio LMI des rita pela funo,
(4.33)
" #
f1 0
f1 2 (z) =
0 f2
Conforme as informaes a priori disponveis do sistema, pode-se espe i ar uma ou

mais regies LMI, om o intuito de restringir o posi ionamento dos polos do modelo
obtido. ilustrada na Figura 4.3 a inun ia da lo alizao dos polos no omportamento
temporal da resposta livre do sistema.
Figura 4.3: Mapeamento da inun ia da lo alizao dos polos na resposta temporal do

sistema
Em termos gerais, o seguinte omportamento observado
Polos reais no interior do r ulo unitrio impli am em exponen iais de res entes.
Quanto mais prximo da origem mais rpida a taxa de de aimento;
Polos reais negativos alternam o sentido do ganho;
Polos reais no exterior do ir ulo unitrio impli am em exponen iais res entes (ins-
tabilidade);
Polos omplexos om parte imaginria no nula geram um omportamento os ila-
trio na sada.
Dessa forma possvel denir uma srie de regies de interesse no plano omplexo que
impliquem em um omportamento temporal onhe ido do sistema real.
Restrio de estabilidade
A regio LMI que engloba o dis o de raio 1 e ontm todos os nmeros omplexos
s
ujo |z| 1 tem a seguinte funo des ritiva,

s
" #
0 1
s = (1 s )I2 s =
"
(1 s )P AP
#
0 0
(4.34)
s =
AP T (1 s )
no qual um pequeno in remento para garantir uma margem de estabilidade.
s
ds
Figura 4.4: LMI para restrio de estabilidade

Restrio de autovalores puramente reais
A regio LMI que des reve uma pequena faixa em torno do eixo real do plano omplexo,
ujo |Im(z)| dada por,
r
(4.35)
" # " #
0 0, 5 r P 0, 5(AP T AP )
r = r I2 r = r =
0, 5 0 0, 5(AP AP T ) r P
o parmetro um pequeno in remento para tornar o problema omputa ionalmente

r
realizvel
dr
1
Figura 4.5: LMI para restrio de autovalores puramente reais

Restrio de autovalores om parte real positiva
A regio LMI que des reve a poro da direita do plano omplexo, ujo Re(z) , tem p
omo parmetros des ritivos,

(4.36)
" # " # " #
2 0 0 0 2p P 0
p = p p = p =
0 2 0 1 0 AP + AP T 2p P
p um pequeno in remento para garantir uma distn ia mnima do eixo imaginrio.
dp
Figura 4.6: LMI para restrio de autovalores om parte real positiva

4.4.2 In orporando as restries nos autovalores
Revisitando o mtodo de Kalman, mais pre isamente a Equao 2.3, observa-se que o
resultado A = U H V referente a minimizao de J = kH Hk sem
1/2
n
T
2|r+1 n
1/2
n 2
nenhuma restrio.
n
O mtodo RPC pode ser ento aprimorado adi ionando restries LMI ao problema
de otimizao que dene o posi ionamento dos polos do modelo obtido. O mtodo om
restries denominado RPCR (Realizaes por pulsos ompostos om restries). Para
tanto, deve-se rees rever o problema de minimizao denido na Equao 2.3, para in luir
o termo de ponderao W ,
(4.37)

~
J (A, W ) = (A H)W
0

2
W = () P =V

nP 1/2
n (4.38)
ento,
(4.39)

P) =
J1 (A, Un 1/2 HV
AP ~ n 1/2 P
n n
2
re-parametrizando om Q = AP
, tem-se a formulao do primeiro problema de otimizao
na Tabela 4.1.
Tabela 4.1: Formulao do problema de otimizao dos autovalores

de A
Minimizar; J(Q, P ) = Un 1/2 ~
n Q HVn n
1/2
P
(A, P ) 0 e P = P 0
2
sujeito a; T
onde; (A, P ) = diag(1 , 2 ...i )
onde uma restrio LMI. demonstrado em (LACY; BERNSTEIN, 2003) que essa
i
formulao equivalente a um problema de programao linear onvexa, om restries de

igualdade, quadrti as e positivas semidenidas. Uma vez al ulados Q e P , A = QP 1
e C = .(1:l,:)
4.4.3 In orporando as restries na resposta temporal

Uma vez determinadas as matrizes A e C , pode ser formulado um problema de pro-
gramao quadrti a onvexa adi ional para restringir o omportamento do sistema a
um determinado gabarito temporal. As seguintes ara tersti as podem ser foradas ao
modelo:
Valor em regime permanente y() = y ;
Overshoot mximo y(t) y ; max
Undershoot mximo y(t) y . min
ou seja y y y , t e C(I
min

max
B
A) n
+D = y , onforme o exemplo da Figura
1

4.7.
1.2
yMAX
y1
0.8
Amplitude
0.6
0.4
0.2
0
yMIN
0.2
0 2 4 6 8 10 12
Tempo(s)
Figura 4.7: Gabarito temporal para sada do modelo

As matrizes B e D so por m a soluo do problema de otimizao denido na Tabela
4.2.
Tabela 4.2: Formulao do problema de otimizao da resposta temporal
Minimizar; J() = ky k2
sujeito a; hP
, i
,
ymin ymax = y
h i
t1 tk1 1
(t) = k=0 C A u(k) u(t) = C(In A) 1

(0)
onde;
" #

..
(1) B
= =

D
(N)
Algoritmo 8 Algoritmo de realizaes por pulsos om restries (RPCR)

Bn
M
, onforme a Equao
4.22;
Cal ule H1|r

M
e H2|r+1
M

M
;
Dena a regio que os autovalores do modelo estaro ontidos e al ule A e B

resolvendo o problema de minimizao da Tabela 4.1;
Dena os limites do gabarito temporal da resposta ao degrau do modelo e al ule C

eD onforme a Tabela 4.2.

Uma srie de simulaes so apresentadas para exempli ar e omparar as t ni as dis-
utidas nos aptulos 2, 3 e 4. denido na Equao 6.1 o ndi e NRMSE (Normalized
root mean square error ) para avaliao das respostas dos modelos identi ados. Tal ndi e
varia de %, para um ajuste pobre at 100% quando a resposta do modelo identi ado
idnti a a real.
NRMSE = (1
kx xk
ref
kx x k
ref
2
)100%
ref 2
(4.40)
onde x o vetor de refern ia, x o vetor de dados a ser testado e o operador () indi a
ref
o valor mdio dos elementos de um vetor.

Para m de omparao entre os tempos de exe uo das rotinas utilizadas, todos os
l ulos foram realizadas no ambiente do Matlab em um omputador om pro essador
Intelr Core i7 e 4GB de memria ram.
TM

Assumindo que o sistema alvo tem funo de transfern ia G(s) e livre de rudos
G(s) =
e1s
4s + 1
(4.41)
seu equivalente dis reto om um segurador de ordem zero e perodo de amostragem T s =
0, 1s G(z)
G(z) =
0, 0247
z 0, 975
z 10
(4.42)
Seguindo a metodologia do Captulo 3, foi apli ada uma os ilao realimentada por
um rel, seguida por um pulso simples. As transies do sinal de ontrole o orreram nos
instantes t = 1, 02s e t = 2, 82s, o que resultou em uma aproximao da onstante de
1 2
tempo T = 4, 21s. Conforme a Proposio 8, os parmetros do pulso foram denidos

omo = = 5T e = 1 e a amplitude do rel a = 1. Os sinais de entrada e sada so
representados na Figura 4.8.
Exemplo1
1
Entrada de controle
Sada do sistema
0.5
Amplitude
-0.5
-1
0 10 20 30 40 50 60 70 80 90 100
Tempo (s)
Figura 4.8: Gr o dos sinais de entrada e sada do exemplo 4.5.1

O Algoritmo 7 RPC-TD empregado om r = 20. Como o sistema apresenta atraso
mas no ontaminado por rudos, apli ado um threshold innitesimal, resultando na
estimativa t = 1s. O sinal auxiliar rho ilustrado na Figura 4.9.
d
0.8
Amplitude
0.6
Entrada de controle
Sada do sistema
0.4 rho
0.2
0
0 5 10 15 20 25 30
Tempo (s)
Figura 4.9: Gr o dos sinais para bus a do atraso do exemplo 4.5.1
Na Figura 4.10 representada gra amente a sequn ia de valores singulares al ulada.
Como o exemplo no apresenta rudos, e de primeira ordem, somente o primeiro valor
singular no nulo.
0.35
0.3
0.25
Amplitude
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10
ndice dos valores singulares
Figura 4.10: Sequn ia de valores singulares do exemplo 4.5.1

Finalmente o modelo identi ado em espao de estados dado por
(4.43)

x(t + 1) = 0, 975 x(t) + 0, 127 u(t 10)
(4.44)

y(t) = 0, 193 x(t) + 0, 000 u(t 10)
Como esperado, para o exemplo sem rudos, a representao entrada-sada do modelo

identi ado G(z) idnti a ao sistema real G(z).
RP ST D
G(z)RP ST D =
0, 0247 10
z 0, 975
z (4.45)
As respostas de ambos os modelos foram oin identes, onforme a Figura 4.11.
Exemplo1
1 Entrada
Sada Real
RPS-TD
0.8
Amplitude
0.6
0.4
0.2
0
0 10 20 30 40 50 60 70 80 90
Tempo (s)
Figura 4.11: Simulao dos modelos identi ados no Exemplo 4.5.1

Assumindo que o sistema alvo tem funo de transfern ia G(s) e ontaminado por um
rudo aditivo de varin ia = 0, 01 2
G(s) =
1
(s + 1)(0, 2s + 1)
(4.46)
0, 02s G(z)
G(z) =
0, 020(z + 0.819)
(z 0, 905)(z 0, 606)
(4.47)
1 2

omo = = 5T e = 1, a amplitude do rel a = 1 e a histerese = 0, 3. Os sinais de
entrada e sada so representados na Figura 4.12.
Exemplo2
Entrada de controle
1 Sada do sistema
0.5
Amplitude
-0.5
-1
0 5 10 15 20 25 30 35
Tempo (s)

O Algoritmo 7 RPC-TD empregado om r = 15 e = 2. A anlise do estado
esta ionrio ini ial indi a um desvio padro de = 0, 007 portanto o drift e o threshold
al ulados so respe tivamente = 0, 0035 e h = 0, 014. Observa-se na Figura 4.13 que o
atraso estimado t = 0, 2s. d
0.8
Amplitude
0.6
0.4
Entrada de controle
Sada do sistema
0.2 rho
0 2 4 6 8 10 12
Tempo (s)
Na Figura 4.14 representada gra amente a Sequn ia de valores singulares al u-
lada. Observa-se que existe uma mudana de amplitude entre os ndi es 2 e 3, levando a
rer que o sistema pode ser representado por um modelo de segunda ordem.
0.6
0.5
0.4
Amplitude
0.3
0.2
0.1
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

(4.48)
! !
0, 873 0, 317 0, 275
x(t + 1) = x(t) + u(t 2)
0, 247 0, 541 0, 072
(4.49)

y(t) = 0, 326 0, 206 x(t) + 0, 000 u(t 2)
assim omo a sua representao equivalente entrada-sada

G(z)RP ST D =
0, 104(z + 0.133)
(z 0, 926)(z 0, 595)
(4.50)
A ttulo de omparao foram estimados dois outros modelos utilizando o toolbox de
identi ao do Matlab. Um modelo, por subespaos, utilizando a ponderao MOESP,
assim omo outro modelo ARX de ordem 2. As urvas das sadas dos modelos obtidos
so representadas na Figura 4.15.
Exemplo2
Entrada
1 Sada Real
ARX
0.8 Moesp
RPS-TD
0.6
Amplitude
0.4
0.2
-0.2
0 5 10 15 20 25 30 35
Tempo (s)
Figura 4.15: Simulao dos modelos identi ados no exemplo 4.5.2

Veri a-se na Tabela 4.3 que o mtodo proposto apresentou o menor ndi e de erro
assim omo foi o de exe uo mais rpida. Tal fato se deve a estrutura da entrada ser
xada previamente omo um pulso simples, eliminando a ne essidade do l ulo de uma
de omposio qr adi ional.
Tabela 4.3: Comparativo entre os modelos identi ados no exemplo simulado 4.5.2
T ni a NRMSE (%) Tempo de exe uo (ms)
RPS-TD 91,1 10
Moesp 75,0 3159
ARX 90,6 871

Assumindo que o sistema alvo tem funo de transfern ia G(s) e ontaminado por um
rudo aditivo de varin ia = 0, 002
2
G(s) =
(6s + 1)(3s + 1)
(10s + 1)(8s + 1)(s + 1)
e0,3s (4.51)
0, 1s G(z)
G(z) =
0, 021(z 0, 983)(z 0, 967)
(z 0, 990)(z 0, 987)(z 0, 904)
z 3
(4.52)
1 2

omo = = 5T e = {1, 1}, a amplitude do rel a = 1 e a histerese = 0, 3. Os
n n n
sinais de entrada e sada so representados na Figura 4.16.

Exemplo3
1 Entrada de controle
Sada do sistema
0.5
Amplitude
-0.5
-1
0 50 100 150 200 250 300 350

Tempo (s)

al ulados so respe tivamente = 0, 0008 e h = 0, 0034. Observa-se na Figura 4.17 que
o atraso estimado t = 0, 3s. d
0.8
Amplitude
0.6
0.4
Entrada de controle
0.2
Sada do sistema
rho
10 20 30 40 50 60 70 80 90 100
Tempo (s)
Observa-se que o sistema apresenta fortes ara tersti as de primeira ordem, porm valores
singulares om ndi es 2 e 3 tambm so onsiderveis. Para apturar todas as dinmi as
relevantes, sero identi ados modelos de ter eira ordem.
35
30
25
Amplitude
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12


0, 977
0, 006 0, 0350, 002

x(t + 1) =
0, 124 0, 581 0, 288

x(t) + 0, 038 u(t 3)
(4.53)
0, 161 0, 557 0, 725 0, 000
(4.54)

y(t) = 1, 947 0, 432 0, 112 x(t) + 0, 000 u(t 3)

G(z)RP ST D =
0, 012(z 1, 280)(z + 0.871)
(z + 0, 839)(z 0, 988)(z 0, 683)
z 3 (4.55)
Exemplo3
Entrada
1 Sada Real
ARX
Moesp
0.5 RPS-TD
Amplitude
-0.5
-1
0 50 100 150 200 250 300

Tempo (s)

assim omo foi o de exe uo mais rpida. As t ni as MOESP e ARX apresentaram um
ajuste similar, porm om um tempo de exe uo muito maior.
RPS-TD 93,7 45
Moesp 88,4 3573
ARX 93,5 1237

Considere o sistema alvo de ter eira ordem dis reto, representado pela funo de transfe-
rn ia
G(z) =
0, 0075(z 0, 6)
(z 0, 9)(z 0, 85)(z 0, 8)
(4.56)
apli ado um pulso simples om = 10s, = 1 e = 3, 1s. A sada do sistema
orrompida por um rudo aditivo de mdia zero e varin ia = 0, 1. Ambos os sinais,
2
amostrados om 0, 1s, so ilustrados na Figura 4.20.

1.2
Entrada
1 Sada Real
0.8
Amplitude
0.6
0.4
0.2
0.2
0 5 10 15 20 25
Tempo (s)
Figura 4.20: Gr o dos sinais de entrada e sada reais do exemplo 4.5.4
Conforme uma eventual experin ia anterior no sistema, imagine que sabe-se de ante-
mo que o pro esso no os ilatrio e apresenta uma sada esta ionria y() = 1. Com
base nessas informaes utilizado o Algoritmo 8, om r = 30.
Na Figura 4.21 representada gra amente a sequn ia de valores singulares. Observa-
se que a partir do ndi e 4 a amplitude dos valores singulares se torna onstante e des-
prezvel, levando a rer que o sistema pode ser representado por um modelo de ter eira
ordem.
25
20
15
Amplitude
10
0
0 5 10 15 20 25 30 35

Para garantir que o modelo ser estvel e no apresentar omportamentos os ilatrios
denida a regio LMI , omposta da interse o das regies apresentadas na Seo
1
4.4.1. Considerando = 0, 01, = 0, 01 e = 0, 01, dada por

s r p 1

0, 99P Q 0 0 0 0

Q 0, 99P 0 0 0 0

(4.57)

0 0 0, 01P 0, 5(Q Q) 0 0
1 =

0 0 0, 5(Q Q ) 0, 01P 0 0

0 0 0 0 0, 02P 0

0 0 0 0 0 Q + Q 0, 02P
mostrada na Figura 4.22 a representao gr a da regio LMI 1
Im(z)
sP sS
sR
Re(z)
1
Figura 4.22: Regio LMI 1
O modelo obtido, aps a resoluo do problema de otimizao, nalmente dado por

0, 898 0, 047 0, 052 0, 060

x(t + 1) = 0, 095
0, 814

0, 090 x(t) + 0, 044

u(t) (4.58)
0, 142 0, 188 0, 690 0, 216
(4.59)

y(t) = 1, 327 0, 303 0, 313 x(t) + 0, 001 u(t)

G(z)RP ST D =
0, 001(z 0, 836)(z 1, 28 + 4, 16i)(z 1, 28 4, 16i)
(z 0, 571)(z 0, 935)(z 0, 897)
(4.60)
1.2
Entrada
1 Sada Real
ARX
0.8 Moesp
RPSR
Amplitude
0.6
0.4
0.2
0.2
0 5 10 15 20 25
Tempo (s)
Figura 4.23: Gr o dos sinais de sada do exemplo 4.5.4

porm devido ne essidade da resoluo de um problema de otimizao omplexo, de-
mandou maior tempo de exe uo. O mtodo ARX teve desempenho e tempo de exe uo
intermedirios, j o Moesp obteve menor pre iso porm maior agilidade na exe uo.
RPSR 78,0 6884
Moesp 74,9 1350
ARX 77,1 5392
Por m ilustrado na Figura 4.24 que o mtodo proposto foi o ni o ujos polos
respeitaram a regio delimitada por (retngulo inza).
1
1
0.5/T
0.6/T 0.4/T
0.8 0.7/T 0.1
0.3/T
0.2
0.6 0.3
0.8/T 0.4 0.2/T
0.5
0.4 0.6
0.7
0.9/T 0.8 0.1/T
0.2 0.9
1/T
0
1/T
0.2
0.9/T 0.1/T
0.4
0.8/T 0.2/T
0.6
Sada Real
ARX
0.7/T 0.3/T0.2/T
Moesp
0.8
RPSC
0.6/T 0.4/T
0.5/T
1
1 0.5 0 0.5 1
Figura 4.24: Polos dos modelos identi ados no exemplo 4.5.4

Nesse exemplo, a t ni a de identi ao proposta apli ada em um pro esso MIMO om
duas entradas e duas sadas. A representao entrada sada do sistema real dada por
(4.61)
" # " #" #
1 4
Y1 (s) s+1 4s+1
U1 (s)
= 3 2
Y2 (s) 3s+1 2s+1
U2 (s)
O sistema dis retizado om um segurador de ordem zero e perodo de amostragem

T s = 0, 1 dado por
(4.62)
" # " #" #
0,095 0,098
Y (z) 1 U (z)
z0,904 z0,975 1
= 0,098 0,097
Y (z) 2 U (z)
z0,967 z0,951 2
O sistema MIMO abordado om uma estratgia sequen ial. apli ado um pulso
por vez em ada uma das duas entradas, de forma que a entrada no ex itada permane e
em repouso. Os sinais apli ados so representados na Figura 4.25.
1
0.5 Entrada de controle 1
0
1
0
4
2
0 RPS
Moesp
4 Sada real
2
0
0 20 40 60 80 100 120
Tempo (s)

Observa-se que o sistema apresenta valores singulares onsiderveis at o ndi e 4.
3
2.5
2
Amplitude
1.5
0.5
0
0 5 10 15 20 25 30 35 40


0, 97 0, 00
0, 07 0, 00 0, 23 0, 30
(4.63)

0, 00 0, 98 0, 02 0, 01 0, 13 0, 06
x(t + 1) = x(t) + u(t)
0, 07 0, 04 0, 49 0, 40 0, 23 0, 12

0, 02 0, 00 0, 38 0, 78 0, 04 0, 01
(4.64)
! !
0, 28 0, 10 0, 30 0, 05 0, 00 0, 00
y(t) = x(t) + u(t)
0, 26 0, 14 0, 34 0, 11 0, 00 0, 00
A ttulo de omparao, foi estimado outro modelo utilizando a t ni a MOESP. As

urvas das sadas dos modelos obtidos so representadas na Figura 4.25. Veri a-se na
Tabela 4.6 que os mtodos apresentaram ndi es de erro semelhantes, porm o mtodo
proposto foi o de exe uo mais rpida.
T ni a Sada NRMSE (%) Tempo de exe uo (ms)
RPS-TD 1 82,3 311
RPS-TD 2 92,0 311
Moesp 1 87,3 979
Moesp 2 91,6 979

Nesse exemplo, a t ni a de identi ao proposta apli ada a um modelo simpli ado
de uma oluna de destilao om duas entradas e duas sadas. Ambas as sadas so
orrompidas por rudos de medio de mdia zero e varin ia = 1. A representao
2
entrada sada do modelo da oluna dada por

(4.65)
" # " #" #
12,8 18,9 3s
Y1 (s) 16,7s+1
es 21s+1 e U1 (s)
= 6,6 19,4
Y2 (s) 10,9s+1
es 14,4s+1 e3s U2 (s)
O sistema dis retizado om um segurador de ordem zero e perodo de amostragem

T s = 0, 2 dado por
(4.66)
" # " #" #
0,152 0,179
Y1 (z) z0,988
z0,990 U1 (z 5)
= 0,120 0,267
Y2 (z) z0,981
z0,986 U2 (z 15)
O sistema MIMO abordado om uma estratgia sequen ial. apli ado um pulso
por vez em ada uma das duas entradas, de forma que a entrada no ex itada permane e
em repouso. Os sinais apli ados so representados na Figura 4.27.
1
0
1
10
-10
-20 Sada real

Moesp
RPS
10
-10
-20
100 200 300 400 500 600

Tempo (s)

12
10
8
Amplitude
0
0 5 10 15 20 25

(4.67)
! !" #
0, 98 0, 00 0, 25 0, 43 u1 (t)
x(t + 1) = x(t) +
0, 00 0, 98 0, 09 0, 17 u2 (t)
(4.68)
! !" #
0, 50 0, 22 0, 00 0, 00 u1 (t)
y(t) = x(t) +
0, 53 0, 20 0, 00 0, 00 u2 (t)

Tabela 4.7 que os mtodos apresentaram ndi es de erro semelhantes, porm o mtodo
proposto foi o de exe uo mais rpida.
RPS-TD 1 85,4 436
RPS-TD 2 83,6 436
Moesp 1 86,2 2673
Moesp 2 84,3 2673
4.6 Con luses

Nesse aptulo foi apresentado um mtodo para identi ao de sistemas em espao de
estados utilizando sinais de entrada pulsados. Foi omprovado experimentalmente que
para o tipo de entrada proposta, tal t ni a apresenta performan e similar mtodos
tradi ionais por subespaos, porm possui maior simpli idade numri a, resultando em
um menor tempo de exe uo.
Tambm foram desenvolvidas variaes do mtodo para tratar sistemas om atraso de
transporte, assim omo inserir informaes onhe idas a priori do sistema. A t ni a de
anlise de tendn ias CUSUM foi adaptada para forne er estimativas do atraso mesmo
em um ambiente ruidoso. O ni o parmetro de ajuste informado pelo usurio a relao
() entre o threshold e o desvio padro do rudo.
Por m, informaes onhe idas a priori podem ser inseridas no modelo por meio de
restries nos seus polos. Tais restries so modeladas omo regies LMI que do origem
a um problema de otimizao onvexa.
Captulo 5
Obteno de modelos FOPTD a partir

da reduo de modelos balan eados
5.1 Introduo
Modelos simpli ados so largamente utilizados no projetos de sistemas de ontrole. Em
muitos asos, somente as ara tersti as prin ipais do sistema so relevantes. Quando
o modelo identi ado aptura dinmi as desne essrias ao projeto de ontrole, se torna
ne essria a utilizao de me anismos de reduo de modelos.
Uma das metodologiasmais populares na literatura so as t ni as de reduo baseadas
em representaes balan eadas em espao de estados. Tais mtodos so fundamentados
na eliminao dos estados om baixa ontribuio na relao entrada/sada. O problema
onsiste em en ontrar um modelo simpli ado G a partir do modelo ompleto G
r
G=G + r a (5.1)
onde um resto de a ordo om a norma innita
a
inf kG G k .
deg(Gr )r r (5.2)
Nesse aptulo desenvolvida uma t ni a para obteno de modelos FOPTD a partir
de realizaes balan eadas em espao de estados. A t ni a proposta in lui, na onstante
de tempo, a ontribuio de ada estado de maneira propor ional a sua importn ia na
relao entrada/sada.
79
Captulo 5. Obteno de modelos FOPTD a partir da reduo de modelos balan eados 80
5.2 Equaes de Lyapunov
As equaes de Lyapunov so utilizadas para testar de forma indireta a estabilidade,
ontrolabilidade e observabilidade de modelos

A X + XA + H = 0 (5.3)
dadas as matrizes A e H reais, X uma soluo ni a se (A) + (A) 6= 0 , i, j =
i j
1, 2, ...n. X est diretamente ligado a estabilidade de A.
Lema 1 Se A estvel, ento:

R
X= 0
eA t HeAt dt
(X > 0 se H > 0) e (X 0 se H 0)
Se H 0 ento (H, A) observvel se e somente se X > 0
Como onsequn ia direta do Lema 1, dada uma matriz A estvel, o par (C, A)
observvel se e somente se a soluo da equao de Lyapunov for positiva denida

A Q + QA + C C = 0 (5.4)
onde Q denido omo o Gramiano de Observabilidade;
O par (A, B) ontrolvel se e somente se a soluo da equao de Lyapunov for
positiva denida

AP + P A + BB = 0
(5.5)
onde P denido omo o Gramiano de Controlabilidade;
Lema 2 Supondo que X a soluo da equao de Lyapunov A X + XA + H = 0
Rei (A) 0 se X > 0 e H 0
A estvel se X > 0 e H > 0
A estvel se X 0, H 0, (H, A) dete tvel
5.3 Realizaes Balan eadas

Embora existam innitas representaes em espao de estados para uma mesma matriz de
funes de transfern ia, algumas realizaes se mostram mais onvenientes para a utili-
zao em problemas de ontrole, dentre elas as realizaes balan eadas (ZHOU; DOYLE;
GLOVER, 1995). Nessa ara terizao, obtida uma representao em espao de esta-
dos tal que os gramianos de observabilidade e ontrolabilidade so iguais e diagonais. A
diagonal do gramiano dene um onjunto de parmetros invariantes hamados de valores
singulares de Hankel . i
Supondo [ ] uma realizao no balan eada e estvel de um sistema G, os gramianos

A|B
de ontrolabilidade P e observabilidade Q so obtidos omo a soluo das equaes de

C|D
Lyapunov

A Q + QA + C C = 0
(5.6)
AP + P A + BB = 0
Onde P 0 e Q 0
alm disso, o par (A, B) ontrolvel se e somente se P > 0 e (C, A) observvel se e

somente se Q > 0.
Considerando que a realizao mnima e o modelo ontrolvel e observvel, os
valores singulares de Hankel ( ) so denidos omo a raiz quadrada dos autovalores do
i
produto P Q
= ( (P Q)) .
i i
1/2
(5.7)
Portanto uma realizao balan eada [ ] pode ser obtida por meio da transformao
B
A|
de similaridade x = T x que resulte em uma representao em espao de estados om

C|D
gramianos de ontrolabilidade e observabilidade iguais e diagonais P = Q = .

T AT 1 | TB A |
B

G=

+ =

+

(5.8)
CT 1 | D C
| D
onsiderando a realizao mnima, os novos gramianos so obtidos por

P = T P T (5.9)
= T 1 QT
Q

(5.10)
1
(5.11)

2
...

P = Q
==

n
note que PQ = 2
= T P QT 1 , portanto os autovalores do produto dos gramianos (valores
singulares) permane em invariantes a transformaes de estado.
Como P positivo denido, pode-se fatorar P = R R e diagonalizar RQR
= U2 U
resultando na transformao
T = 1/2 U R (5.12)
T 1
= R U 1/2
(5.13)
Essa nova realizao om P = Q = hamada de Realizao Balan eada e os termos
1 > > ... > 0 so denominados Valores Singulares de Hankel.
1 1
5.4 Reduo de Modelo por Trun agem Balan eada

Considerando um sistema estvel G RH , suponha que a realizao G = [

A|B
]
balan eada (gramianos iguais e diagonais, representados por )
C|D
A + A + C C = 0 (5.14)
A + A + BB = 0
parti ionando o gramiano e o sistema balan eado obtm-se:

A11 A12 | B1
(5.15)
" #
1 0 A21 A22 | B2
= G=
0 2 +

C1 C2 | D
Teorema 10 Caso tenha valores singulares distintos ento todos os possveis subsiste-
mas [ ACiii |D
|Bi
] so assintoti amente estveis.
Prova. A prova se en ontra em (ZHOU; DOYLE; GLOVER, 1995).

Por denio, os valores singulares de Hankel so agrupados em ordem de res ente, de
tal forma que quanto maior o ndi e i de menor a relevn ia do estado orrespondente
i
na representao entrada sada do modelo.

= diag( I , I , ... I )
1 1 s1 2 s2 r sr (5.16)
= diag( I
2 , I
r+1 sr+1 , ... I )
r+2 sr+2 N sN (5.17)
> > ... > >
1 2 r > > ... >
r+1 r+2 (5.18) N
de forma que possvel trun ar o modelo G onsiderando somente os r estados mais
relevantes. O modelo trun ado balan eado e assintoti amente estvel

A11 | B1

Gr
+

(5.19)
C1 | D
ainda pode-se denir o limite mximo do erro de trun agem em funo dos valores singu-
lares des artados
k G(s) G (s) k 2(
r +
+ ... ).
r+1 r+2 N (5.20)
O Algoritmo 9 resume o mtodo de trun agem balan eada.
Algoritmo 9 Reduo de modelos por trun agem balan eada
Cal ule a transformao linear T e obtenha uma representao balan eada do sis-
tema;
Dena a ordem do modelo reduzido e parti ione a representao em espao de es-

tados onforme a Equao 5.15;
De a ordo om o Teorema 10 o modelo reduzido em espao de estados dado por

[ ACiii |D
|Bi
].
5.5 Reduo de Modelo por Residualizao Balan eada

Na residualizao balan eada, o termo derivativo dos estados irrelevantes x substitudo
2
por zero, ou seja, os estados desprezados so assumidos omo innitamente rpidos. No

tempo dis reto x (k + 1) = x (k).
2 2
(5.21)
" # " #" # " #
x1 (k + 1) A11 A12 x1 (k) B1
= + u(k)
x2 (k) A21 A22 x2 (k) B2
" #
h i x (k)
1
y(k) = C1 C2 + Du(k)
x2 (k)
simpli ando a equao 5.21 obtm-se o modelo de ordem reduzida
h i
x1 (k + 1) = A11 + A12 (I A22 )1 A21 x1 (k) +
(5.22)
h i
1
B1 + A12 (I A22 ) B2 u(k)
h i
y(k) = C1 + C2 (I A22 )1 A21 x1 (k) +
(5.23)
h i
1
D + C2 (I A22 ) B2 u(k)
Essa metodologia propor iona ao modelo reduzido um ganho DC igual ao modelo de alta
ordem original. O erro de aproximao por sua vez o mesmo da trun agem balan eada,
na ti a da norma innita.
k G(s) G (s) k 2(
r r+1 + r+2 + ... )
N (5.24)
O Algoritmo 10 resume o mtodo de residualizao balan eada.
Algoritmo 10 Reduo de modelos por residualizao balan eada
tema;
Dena a ordem do modelo reduzido e parti ione a representao em espao de es-

tados onforme a Equao 5.15;
Dena x2 (k + 1) = x2 (k) e al ule a realizao em espao de estados onforme a

Equao 5.22.
5.6 Mtodo proposto para reduo de modelos

Foi proposto pelo autor em (LIMA; BARROS, 2014) uma metodologia para obteno de
modelos de primeira ordem om atraso, a partir de um modelo RPC-TD de alta ordem.
A reduo do modelo obtida por uma srie de operaes de trun agem balan eada,
ombinada om a avaliao do modelo na frequn ia zero.
A primeira etapa do pro edimento obter o equivalente ontnuo da representao
em espao de estados dis reta [ ]. A representao ontnua al ulada por uma
Ac |Bc
Cc |Dc
aproximao do tipo zero-order-hold (zoh)

Ad | Bd Ac | Bc

+ = +

(5.25)
C d | Dd C c | Dc
L = Ts kd (5.26)
onde L o atraso em tempo ontnuo e T o tempo de amostragem.
s
O modelo ontnuo ento onvertido em uma realizao balan eada por meio da
transformao de similaridade x = T x, que torna os gramianos de ontrolabilidade e
B
observabilidade iguais e diagonais (P = Q = ).

T 1 Ac T | T 1 Bc AB | BB

+ =

+

CTc | Dc C B | DB

a11 a12 .. a1n | b1

a
21 a22 .. | b2

(5.27)

.. .. .. | ..
=
an1 .. .. ann | bn

+

c1 c2 .. cn | d
Conforme o Teorema 10, aso os valores singulares de no se repitam, todos os

subsistemas gerados por uma trun agem da realizao balan eada sero estveis. Portanto
possvel gerar n modelos de primeira ordem que representem a ontribuio prin ipal
de ada estado do sistema.
, onde a e i = {1, 2..n} (5.28)
ci bi
aii
Gi (s) = 1 +d ii <0
aii
s 1
A magnitude dos valores singulares de indi a a ontribuio do estado na relao

entrada/sada do pro esso. Portanto uma maneira direta de obter um modelo mdio
de primeira ordem (G ) proposta omo a mdia ponderada em relao aos valores
M
singulares de Hankel.
G (s) =
k
M
s + 1
e sL
(5.29)
5.6.1 Cl ulo da onstante de tempo
A onstante de tempo do modelo mdio de primeira ordem al ulada omo a mdia
ponderada das onstantes de tempo individuais obtidas na Equao 5.28. Onde os fatores
de peso so os valores singulares de Hankel.
(5.30)
Pn 1
i=1
aii i
= Pn
i=1 i
5.6.2 Cal ulo do ganho

O ganho do modelo mdio obtido ao tomar o limite em t do modelo balan eado
de alta ordem. Partindo do modelo em espao de estados
x = Ax + Bu (5.31)
y = Cx + Du (5.32)
p/ x = 0
Ax = Bu t (5.33)
x = A Bu 1
t (5.34)
y = (CA B + D)u
t
1
t (5.35)
k=
y
u
t
= CA B + D
t
1
(5.36)
5.6.3 Cl ulo do atraso
O atraso do sistema obtido pelo Algoritmo 6
L = Ts td (5.37)
O Algoritmo 11 resume o mtodo proposto para obteno de modelos FOPTD a partir
de modelos de alta ordem em espao de estados.
Algoritmo 11 Mtodo proposto para obteno de modelos FOPTD
Obtenha o equivalente ontnuo do modelo em espao de estados [ CAcc|D

|Bc
c
];
tema;
Pn 1
i=1 aii i
Cal ule a onstante de tempo do modelo = Pn
i
;
i=1
Cal ule o ganho do modelo k = CA1 B + D ;
Adi ione o atraso de transporte L = Ts td .

Uma srie de simulaes so apresentadas para exempli ar e omparar as t ni as dis-
utidas nesse aptulo.
Assumindo que o sistema alvo tem funo de transfern ia G(s) e livre de rudos
G(s) =
1
(s + 1)4
(5.38)
uma possvel realizao em espao de estados dada por

0, 07 0, 46 0, 12 0, 07 1, 11
(5.39)

0, 34 0, 40 0, 83 0, 19 1, 46
0, 12 0, 65 1, 12 1, 06 x + 0, 95 u(t)
x =

0, 04 0, 19 0, 88 2, 40 0, 35
(5.40)
h i h i
y = 0, 11 0, 12 0, 07 0, 02 x + 0, 00 u(t)
A transformao x B = Tx foi apli ada no modelo, tornando-o balan eado

0, 28 0, 03 0, 01 0, 00
(5.41)

0, 01 0, 29 0, 04 0, 01
T =
0, 00 0, 01 0, 30

0, 04

0, 00 0, 00 0, 01 0, 31
Foram ento apli adas trs t ni as de reduo de modelos: trun agem balan eada,
residualizao balan eada e a t ni a proposta. As respostas dos modelos no tempo e na
frequn ia so representadas respe tivamente nas Figuras 5.1 e 5.2.
1.4
1.2
0.8 Entrada
Modelo Completo
0.6 Truncagem
Amplitude
Residualizao
0.4
Proposto
0.2
0.2
0.4
0.6
0 5 10 15 20 25 30
Tempo (s)
Figura 5.1: Gr o da resposta ao degrau do exemplo 5.7.1

Diagrama de Bode
50
Magnitude (dB)
50
Alta Ordem
Resid. Bal.
100
360 Trunc. Bal
Mtodo Proposto
Fase (deg)
360
720
3 2 1 0 1
10 10 10 10 10
Frequncia (rad/s)
Figura 5.2: Gr o de bode do exemplo 5.7.1

So mostrados na Tabela 5.1 os ndi es de desempenho no tempo e na frequn ia
dos modelos identi ados. Observa-se que o mtodo proposto apresentou os melhores
ndi es, salientando que foi adi ionado um atraso de 1, 04s, obtido atravs d Algoritmo
6. A residualizao balan eada obteve boa representatividade no tempo, porm possui o
in onveniente de um ganho direto. J a trun agem balan eada obteve um melhor ajuste
na frequn ia, porm o ganho DC divergiu muito do modelo original.
Tabela 5.1: Comparativo entre os modelos reduzidos do exemplo simulado 5.7.1

T ni a NRMSE Tempo (%) NRMSE Freq. (%) Modelo
Residualizao 95,2 48,8 1,4
0, 4
Trun agem 41,1 75,3
2,93s+1
1,4
Proposta 96,5 93,6

9,70s+1
1 1,04
e
3,75s+1

Na Seo 4.5.4 foi identi ado um modelo de ter eira ordem dis reto representando o
sistema alvo dado pela Equao 4.56. O Algoritmo 11 apli ado om o intuito de obter-
se uma representao de primeira ordem, para um posterior projeto de sistema de ontrole
lssi o.
O equivalente ontnuo do modelo identi ado dado por

1, 16 0, 64
0, 70 0, 57

x =
1, 23 2, 23 1, 26

x + 0, 38 u(t)
(5.42)
1, 98 2, 60 3, 94 2, 49
(5.43)
h i h i
y = 1, 32 0, 30 0, 31 x + 0, 001 u(t)

1, 38 0, 48 0, 00

T =
0, 73 0, 24 0, 39

(5.44)
0, 02 0, 65 0, 18
1.2
0.8 Entrada
Modelo Completo
Amplitude
0.6
Truncagem
Residualizao
0.4
Proposto
0.2
0.2
0 5 10 15
Tempo (s)
Figura 5.3: Gr o da resposta ao degrau do exemplo 5.7.2

Diagrama de Bode
20
Magnitude (dB)
0
20
40
60 Alta Ordem
80 Trunc. Bal
360 Resid. Bal.
270
Fase (deg)
Mtodo Proposto
180
90
0
90
2 1 0 1 2 3 4
10 10 10 10 10 10 10
Frequncia (rad/s)
Figura 5.4: Gr o de bode do exemplo 5.7.2

So mostrados na Tabela 5.2 os ndi es de desempenho no tempo e na frequn ia dos
modelos identi ados. Observa-se que o mtodo proposto apresentou o melhor ndi e
no tempo e na frequn ia. A residualizao balan eada obteve melhor ajuste nas baixas
frequn ias, assim omo a trun agem se mostrou mais e az para as altas frequn ias.
Tabela 5.2: Comparativo entre os modelos reduzidos do exemplo simulado 5.7.2
Residualizao 98,0 93,4 1,14
0, 14
Trun agem 88,9 97,1
1,86s+1
1,14
Proposta 98,1 99,4

3,11s+1
1
2,33s+1
5.8 Con luses

Nesse aptulo foi introduzido o on eito de realizaes balan eadas, em seguida foram
apresentadas algumas t ni as para reduo de modelos. Foi exposto o mtodo de trun-
agem balan eada, adequado para uma faixa de frequn ia mais elevada assim omo a
residualizao balan eada adequada para baixas frequn ias.
Por m foi proposta uma t ni a para obteno de modelos de primeira ordem om
atraso adequada a baixas e mdias frequn ias. A t ni a in orpora mais informaes do
modelo de alta ordem do que a trun agem balan eada, assim omo iguala o ganho em
regime esta ionrio tal qual a residualizao balan eada. Em resumo, a t ni a proposta
in lui a ontribuio de ada estado de maneira propor ional a sua importn ia na relao
entrada/sada.
Captulo 6
Apli aes Experimentais
Nesse aptulo, os mtodos desenvolvidos na tese sero validados em uma srie de apli-
aes experimentais. Ser utilizada uma planta didti a termoeltri a, um tro ador de
alor e uma planta de vazo e nvel om quatro tanques a oplados. Detalhes adi ionais
sobre plataformas didti as so en ontrados em (LIMA; DIAS; BARROS, 2014), (LIMA
et al., 2014), (BARROSO; LIMA; BARROS, 2014), (SILVA et al., 2015) e (MOREIRA
et al., 2016).
Mais uma vez utilizado o ndi e NRMSE (Normalized root mean square error ) para
avaliao das respostas dos modelos identi ados. Tal ndi e varia de %, para um
ajuste pobre at 100% quando a resposta do modelo identi ado idnti a a real.
NRMSE = (1
kxref xk2
kxref xref k2
)100% (6.1)
onde x o vetor de refern ia, x o vetor de dados a ser testado e o operador () indi a
ref
o valor mdio dos elementos de um vetor.

Para m de omparao entre os tempos de exe uo das rotinas utilizadas, todos os
l ulos foram realizadas no ambiente do Matlab em um omputador om pro essador
Intelr Core i7 e 4GB de memria ram.
TM
6.1 Planta didti a termoeltri a

O efeito termoeltri o tem sido amplamente utilizado para o ontrole de temperatura
em diversas reas, tais quais, sistemas mi roeletrni os, tele omuni aes, equipamen-
tos ti os e apli aes aeroespa iais. As prin ipais vantagens desse tipo de te nologia
esto rela ionadas a uma estrutura fsi a ompa ta, om alta onabilidade, ausente de
vibraes que propor iona uma onverso direta entre energia eltri a e trmi a. O maior
92
Captulo 6. Apli aes Experimentais 93
impedimento para o uso de mdulos termoeltri os sua baixa e in ia energti a, o que
restringe suas apli aes em situaes em que o forne imento de energia rti o (ZHAO;
TAN, 2014).
O aumento da utilizao de mdulos termoeltri os, em ambientes industriais, vem
motivando o apare imento de diversas t ni as de modelagem e ontrole de tais sistemas
(CHEN; LIAO; HUNG, 2012) (JEONG, 2014).
6.1.1 Des rio da planta
Foi projetada e desenvolvida uma planta didti a omposta por dois elementos peltier
a ionados separadamente. Cada pastilha peltier possui uma fa e a oplada a um dissipador
de alor de um ooler, om o objetivo de melhorar a tro a de alor om o ambiente. A
outra fa e a oplada termi amente a uma pea ilndri a de alumnio slido, omposta
por 3 dis os de dimetros diferentes. Nesta pea de alumnio, esto xados dois sensores
de temperatura do tipo LM35. Conforme a Figura 6.1, pode-se ver que a temperatura
em qualquer ponto do ilindro de testes inuen iada de maneira distinta pela tenso
apli ada em ada uma das pastilhas peltier, ara terizando um sistema multivarivel de
duas entradas e duas sadas. Devido aos diferentes dimetros dos dis os, so eviden iadas
quatro dinmi as distintas entre as tenses de alimentao das pastilhas e os dois pontos
de medio de temperatura.
Sensor de
Pel er 1 Temperatura 2
Sensor de Pel er 2
Temperatura 1
Figura 6.1: Mdulo de temperatura

Figura 6.2: Foto da planta didti a termoeltri a

Com os atuadores em potn ia mxima, a montagem atinge temperaturas na faixa de
0 100 C . As variveis de interesse so ara terizadas na Tabela 6.1.
o
Tabela 6.1: Variveis de interesse da planta

Varivel Cara t. Unidade Valor Min Valor Mx
Tenso Peltier 1 Entrada 1 Volts 0 (0%) 12 (100%)
Tenso Peltier 2 Entrada 2 Volts 0 (0%) 12 (100%)
Temp. Sensor 1 Sada 1 o
C 0 100
Temp. Sensor 2 Sada 2 o
C 0 100
A planta piloto omposta pelo mdulo de temperatura om duas pastilhas peltier,

ir uitos de a ionamento em ponte H, ampli adores para o sensor de temperatura, uma
fonte de alimentao ATX, um mi ro ontrolador arduino e um PC, onforme a Figura
6.3. A omuni ao entre o PC e o arduino baseada em uma arquitetura liente OPC
(OLE for pro ess ontrol ). Mais detalhes em (LIMA; DIAS; BARROS, 2014) e (LIMA et
al., 2015).
Figura 6.3: Diagrama da planta didti a termoeltri a

6.1.2 Resultados experimentais
Malha TIC1-1
Entrada: Tenso apli ada no mdulo Peltier 1;
Sada: Temperatura aferida no sensor 1.
A malha TIC1-1 rela iona a tenso de entrada do mdulo peltier 1 e a temperatura

aferida pelo sensor 1. Seguindo a metodologia do Captulo 3, foi apli ada uma os ilao
realimentada por um rel, seguida por um pulso simples. As transies do sinal de ontrole
o orreram nos instantes t = 5, 2s e t = 14, 8s, o que resultou em uma aproximao da
1 2
onstante de tempo T = 38, 6s. Conforme a Proposio 8, os parmetros do pulso foram

denidos omo = = 5T e = {40, 60}, a amplitude do rel a = 10 e a histerese
n n n
= 0, 15. Os sinais de entrada e sada, amostrados om 0, 2s so representados na Figura

6.4.
Malha 1
60
55
Amplitude
50
45
Tenso Peltier 1
Temp. Sensor 1
40
0 100 200 300 400 500

Tempo (s)
Figura 6.4: Gr o dos sinais de entrada e sada da Malha TIC1-1

10
Entrada de controle
8 Sada do sistema
rho
6
Amplitude
0 5 10 15 20 25
Tempo (s)
Figura 6.5: Gr o dos sinais para bus a do atraso da Malha TIC1-1
Observa-se que a partir do ndi e 2 os valores singulares so desprezveis, levando a rer
que o sistema pode ser representado por um modelo de primeira ordem.
200
150
Amplitude
100
50
0
0 2 4 6 8 10 12 14 16 18
Figura 6.6: Sequn ia de valores singulares da Malha TIC1-1

(6.2)

x(t + 1) = 0.981 x(t) + 0, 058 u(t 1)
(6.3)

y(t) = 0, 114 x(t) + 0, 000 u(t 1)

G(z)RP ST D =
0, 008
(z 0, 981)
z 1 (6.4)
10
Entrada
Sada Real
8 ARX
Moesp
RPS-TD
6
Amplitude
0
0 50 100 150 200 250 300 350 400 450 500
Tempo (s)
Figura 6.7: Simulao dos modelos identi ados da Malha TIC1-1

Veri a-se na Tabela 6.2 que o mtodo proposto apresentou o ritrio de erro seme-
lhante ao MOESP, porm foi o de menor tempo de exe uo. O modelo ARX apresentou
um ajuste inferior, alm de um tempo de exe uo maior.
Tabela 6.2: Comparativo entre os modelos identi ados para malha TIC1-1
RPS-TD 85,9 28
Moesp 86,9 3161
ARX 79,0 993
Malha TIC1-2
Entrada: Tenso apli ada no mdulo Peltier 1;
Sada: Temperatura aferida no sensor 2.
A malha TIC1-2 rela iona a tenso de entrada do mdulo peltier 1 e a temperatura

aferida pelo sensor 2. Seguindo a metodologia do Captulo 3, foi apli ada uma os ilao
realimentada por um rel, seguida por um pulso simples. As transies do sinal de ontrole
o orreram nos instantes t = 5, 2s e t = 14, 8s, o que resultou em uma aproximao da
1 2
onstante de tempo T = 150, 2s. Conforme a Proposio 8, os parmetros do pulso foram
denidos omo = = 5T e = {40, 60}, a amplitude do rel a = 10 e a histerese
n n n
= 0, 20. Os sinais de entrada e sada, amostrados om 0, 2s, so representados na Figura

6.8.
Malha 2
60
Entrada de controle
Sada do sistema
55
50
Amplitude
45
40
35
30
0 500 1000 1500 2000 2500 3000
Tempo (s)
Figura 6.8: Gr o dos sinais de entrada e sada da Malha TIC1-2

4
Entrada de controle
3.5 Sada do sistema
rho
3
2.5
Amplitude
1.5
0.5
500 600 700 800 900 1000

Tempo (s)
Figura 6.9: Gr o dos sinais para bus a do atraso da Malha TIC1-2
Observa-se que a partir do ndi e 2 os valores singulares so desprezveis, levando a rer
que o sistema pode ser representado por um modelo de primeira ordem.
100
80
Amplitude
60
40
20
0
0 5 10 15 20 25 30 35 40 45 50

(6.5)

x(t + 1) = 0.986 x(t) + 0, 024 u(t 5)
(6.6)

y(t) = 0, 088 x(t) + 0, 000 u(t 5)

G(z)RP ST D =
0, 002
(z 0, 986)
z 5 (6.7)
10 Entrada
9 Sada Real
ARMAX
8 MOESP
RPS-TD
7
Amplitude
0
0 500 1000 1500 2000
Tempo (s)

Veri a-se na Tabela 6.3 que o mtodo proposto apresentou o melhor ritrio de erro
assim omo foi o de menor tempo de exe uo. O modelo ARX apresentou ajuste e tempo
de exe uo intermedirios. J o MOESP se mostrou lento e pou o pre iso.
RPS-TD 80,4 51
Moesp 2,5 2948
ARX 65,0 856
Malha TIC12-12
Entradas: Tenses apli adas nos mdulos Peltier 1 e 2;
Sadas: Temperaturas aferidas nos sensores 1 e 2.
A malha multivarivel TIC12-12 rela iona as tenses apli adas nos mdulos peltier 1
e 2 e as temperaturas aferidas pelos sensores 1 e 2. O experimento exe utado de forma
sequen ial e os atrasos so negligen iados. apli ado um pulso por vez em ada uma das
duas entradas, de forma que a entrada no ex itada permane e em repouso. Os sinais
apli ados so representados na Figura 6.12.
10
5 Entrada de controle 1
0
10
5 Entrada de controle 2
Sada real
Moesp
4
RPS
0 200 400 600 800 1000 1200 1400 1600 1800 2000
Tempo (s)

700
600
500
Amplitude
400
300
200
100
0
0 5 10 15 20 25 30

(6.8)
! !
0, 98 0, 01 0, 0002 0, 0002
x(t + 1) = x(t) + u(t)
0, 00 0, 98 0, 0001 0, 0001
(6.9)
! !
16, 42 27, 61 0, 00 0, 00
y(t) = x(t) + u(t)
8.32 32, 12 0, 00 0, 00

Tabela 6.4 que o mtodo proposto apresentou o ritrio de erro semelhante ao MOESP,
porm foi o de menor tempo de exe uo.
RPS-TD 1 90,6 403
RPS-TD 2 92,1 403
Moesp 1 80,2 2360
Moesp 2 93,0 2360
6.2 Tro ador de alor

Foi projetada e onstruda uma planta piloto de tro a de alor om o intuito de simular a
operao de vrias malhas de ontrole, usando os mesmos equipamentos e pro edimentos
adotados na indstria de pro essos. Uma foto da montagem nal da planta ilustrada
na Figura 6.14
Figura 6.14: Foto do Tro ador de alor

A planta didti a subdividida em duas regies rela ionadas a sua temperatura.
O ir uito quente: O uido bombeado a partir do tanque quente, passa pelo
aque edor eltri o, par ialmente resfriado no tro ador de alor, vai para o tanque
de nvel e retorna para o tanque quente.
O ir uito frio: O uido bombeado a partir do tanque frio, aque ido no tro ador
de alor, resfriado no radiador e volta para o tanque frio.
So monitoradas as temperaturas de entrada e sada do tro ador, assim omo a vazo
do ir uito quente e o nvel do tanque de nvel. Uma representao gr a do fun iona-
mento da planta ilustrada na Figura 6.15.
Radiador
T
Temp Cout
Aquecedor
F T T
Temp Hin Temp H out Alimentao
Vazo H
Trocador de
Calor Tanque Frio
Escape
Alimentao
T
Tanque de
Temp C in Descarte
Nvel
Bomba C.
Vlvula
Eltrica
L
Nivel
Bomba H
Tanque Quente
Descarte
Figura 6.15: Diagrama esquemti o da planta de tro a de alor

Foi es olhido um tro ador de alor do tipo serpentina, onforme ilustrado na Figura
6.16. Graas a sua estrutura ompa ta e alto oe iente de tro a de alor, tro adores
do tipo serpentina so largamente utilizados em apli aes aliment ias, usinas termoel-
tri as, usinas nu leares, refrigerao, sistemas de re uperao de energia, et (JAYAKU-
MAR, 2012).
Sada do
Tubo
Entrada do
Casco
Sada do
Casco
Entrada do
Tubo
Figura 6.16: Tro ador de alor do tipo serpentina

A planta ontrolada por um CLP 1769 Compa tlogix da Ro kwell Automation e to-
dos os atuadores so one tados via 4-20mA. A aquisio de dados realizada atravs de
uma rede WirelessHART dedi ada. Essa rede sem o omposta por quatro transmisso-
res de temperatura Rosemount 648, dois transmissores diferen iais de presso Rosemount
3051 e um gateway. A omuni ao entre os diferentes fabri antes atingida por meio de
uma arquitetura liente/servidor OPC-DA. Para mais informaes sobre a instrumenta-
o, veja (ROCKWELLAUTOMATION, 2016) e (EMERSONPROCESS, 2016).
O volume dos tanques muito maior do que o do tro ador de alor, portanto as
temperaturas de sada so onsideradas onstantes. O radiador mantm o tanque frio
em temperatura ambiente e um ontrolador PID atua na resistn ia de aque imento,
mantendo a temperatura do tanque quente em um determinado setpoint. Existe tambm
um PID se undrio para ontrolar o nvel do tanque de nvel atravs da vlvula de sada
H . O ponto de operao utilizado des rito na Tabela 6.5.

Os resultados experimentais foram obtidos em torno do ponto de operao des rito na
Tabela 6.5. Todos os sinais so amostrados a ada 16 segundos, equivalente a taxa mxima
dos transmissores WirelessHART.
Malha TIC1
Entrada: Frequn ia da Bomba H;
Tabela 6.5: Ponto de operao
Varivel Valor Unidade Tipo
Temp H 42,7 C Sada o
Temp H 29,2 C Sada

in
o
Temp C 26,2 C Sada

out
o
Temp C 30,6 C Sada

in
o
Vazo H 15 l/min Sada

out
Nvel L 0 mm Sada
Bomba H 32 Hz Entrada
Bomba C 26 Hz Entrada
Resistn ia 88 Volts Entrada
Valvula H 100 % Entrada
Sadas: Temp C e Temp H . out out
Assumindo que uma estimativa da onstante de tempo mais lenta da malha j era
onhe ida previamente, foi apli ado um pulso simples om = 464s, = 1296s e = 1.
O Algoritmo 7 RPC-TD empregado om r = 10 e = 1, 5. Observa-se na Figura 6.17
que o atraso estimado para a sada Temp C 64s e para sada Temp H 48s. A ttulo
out out
de omparao foram estimados dois outros modelos utilizando o toolbox de identi ao

do Matlab. Um modelo, por subespaos, utilizando a ponderao MOESP, assim omo
outro modelo ARX. As urvas das sadas dos modelos obtidos so representadas nas
Figuras 6.18 e 6.19. A ordem dos modelos foi sele ionada baseada nos valores singulares
1.2 1.2
Output(Temp Hout)
Input(Pump H)
1 1
rho
0.8 0.8
Amplitude
Amplitude
0.6 0.6
0.4 0.4
0.2 0.2
Output(Temp Cout)
0 0 Input(Pump H)
-0.2
td = 48s -0.2
td = 64s rho
0 500 1000 1500 2000 0 500 1000 1500 2000

Time(s) Time(s)
Figura 6.17: Estimativa dos atrasos da malha TIC1

1
Input(Pump H)
Output(Temp Hout)
0.8 ARMAX
N4SID
0.6 SPR
Amplitude
0.4
0.2
-0.2
0 500 1000 1500 2000 2500 3000 3500 4000

Time (s)
Figura 6.18: Resultados para Bomba H x Temp H out
1.2 Input(Pump H)
Output(Temp Cout)
1 ARMAX
N4SID
0.8 SPR
Amplitude
0.6
0.4
0.2
-0.2
0 500 1000 1500 2000 2500 3000 3500 4000

Time (s)
Figura 6.19: Resultados para Bomba H x Temp C out
mostrado na tabela 6.6 que o mtodo proposto apresentou um dos melhores ndi es
de erro, assim omo foi o de exe uo mais rpida.
Tabela 6.6: Comparativo entre os modelos identi ados para Malha TIC1
Mtodo Sada NRMSE (%) Tempo de Cl ulo (s)
ARMAX Temp H 39.8 0.88
out
MOESP Temp H 51.1 3.11

out
RPS-TD Temp H 51.5 0.21

out
ARMAX Temp C 78.8 0.87

out
MOESP Temp C 62.6 3.24

out
RPS-TD Temp C 77.0 0.22

out
Malha TIC2
Entrada: Frequn ia da Bomba C;
Sadas: Temp C e Temp H . out out
Assumindo que uma estimativa da onstante de tempo mais lenta da malha j era
onhe ida previamente, foi apli ado um pulso duplo om = 176s, = 880s, = 1.5, 1 1 1
= 416, = 560s e = 0.5.

2 2 2
O Algoritmo 7 RPC-TD empregado om r = 10 e = 1, 5. Observa-se na Figura 6.20

que o atraso estimado para a sada Temp C 48s e para sada Temp H 48s. A ttulo
out out
de omparao foram estimados dois outros modelos utilizando o toolbox de identi ao

do Matlab. Um modelo, por subespaos, utilizando a ponderao MOESP, assim omo
outro modelo ARX. As urvas das sadas dos modelos obtidos so representadas nas
Figuras 6.21 e 6.22. A ordem dos modelos foi sele ionada baseada nos valores singulares
3 3
Output(Temp Hout)
2.5 Input(Pump C) 2.5
rho
2 2
Output(Temp Cout)
1.5 1.5 Input(Pump C)
rho
Amplitude
Amplitude
1 1
0.5 0.5
0 0
-0.5 -0.5
-1 td = 48s -1 td = 48s
-1.5 -1.5
0 200 400 600 800 1000 1200 0 200 400 600 800 1000 1200
Time(s) Time(s)
Figura 6.20: Estimativa dos atrasos da malha TIC2

Input(Pump C)
1.5 Output(Temp Hout)
ARMAX
1 N4SID
SPR
Amplitude
0.5
-0.5
-1
-1.5
0 500 1000 1500 2000 2500 3000 3500
Time (s)
Figura 6.21: Resultados para Bomba C x Temp H out
2 Input(Pump C)
Output(Temp Cout)
1.5 ARMAX
N4SID
1 SPR
Amplitude
0.5
-0.5
-1
-1.5
0 500 1000 1500 2000 2500 3000
Time (s)
Figura 6.22: Resultados para Bomba C x Temp C out
Nesse aso o NRMSE do mtodo proposto foi similar s t ni as omparadas, porm

o tempo de exe uo foi muito inferior. O RPC-TD foi 4 vezes mais rpido do que o ARX
e er a de 10 vezes mais rpido que o MOESP
Tabela 6.7: Comparativo entre os modelos identi ados para Malha TIC2
Mtodo Sada NRMSE (%) Tempo de Cl ulo (s)
ARMAX Temp H 85.4 out 0.87
MOESP Temp H 86.6 out 3.17
RPC-TD Temp H 86.2 out 0.20
ARMAX Temp C 84.1 out 0.88
MOESP Temp C 85.7 out 3.18
RPC-TD Temp C 80.0 out 0.25
0.7
Pump H x Temp Cout 0.4
Pump H x Temp Hout
0.6 0.35
Singular Values
Singular Values
0.3
0.5
0.25
0.4
0.2
0.3
0.15
0.2
0.1
0.1 0.05
0 0
1 2 3 4 5 6 1 2 3 4 5 6 7
Index Index
Pump C x Temp Cout Pump C x Temp Hout
0.9 0.7
0.8
0.6
0.7
Singular Values
Singular Values
0.5
0.6
0.5 0.4
0.4
0.3
0.3
0.2
0.2
0.1 0.1
0
0
1 2 3 4 5 6
1 2 3 4 5 6 7
Index Index
Figura 6.23: Sequn ia de valores singulares das Malhas TIC1 e TIC2
6.3 Planta om quatro tanques a oplados

Foi utilizada a planta piloto de tanques a oplados ilustrada na Figura 6.24
Figura 6.24: Foto da planta de tanques a oplados

A planta piloto omposta por quatro tanques om diferentes tamanhos, duas bombas
entrfugas a ionada atravs de inversores de frequn ia, duas vlvulas globo eltri as,
seis transmissores diferen iais de presso, um CLP e um omputador om um sistema
SCADA (Supervisory Control and Data A quisition).
Os transmissores diferen iais de presso so interligados no arto de entrada analgi a
do CLP utilizando o padro de omuni ao 4-20mA. Quatro transmissores so utilizados
para medio do nvel de lquido em ada um dos tanques. A tomada de presso para
medio do nvel feita no fundo do tanque. Como os tanques no so pressurizados, a
presso de refern ia a atmosfri a. Os outros dois transmissores so utilizados para
medio de vazo de lquido. O elemento primrio para medio de vazo a pla a de
orif io.
Na Figura 6.25 apresentado um diagrama esquemti o do pro esso de quatro tanques
a oplados.
Figura 6.25: Diagrama da planta om quatro tanques a oplados

O algoritmo de ontrole pode ser implementado diretamente no CLP ControlLogix da
Allen-Bradley ou no Matlab. A omuni ao entre o CLP e o Matlab realizada atravs
do padro de omuni ao OPC (OLE for Pro esso Control).
O operador do pro esso pode fazer todas as alteraes de refern ias, parmetros
do ontrolador e visualizao das variveis de interesse atravs da tela do supervisrio
implementado no software Intou h ou atravs da IHM fsi a instalada no pro esso.
O arranjo das vlvulas manuais permite sele ionar diferentes onguraes omo tan-
ques em as ata, a oplados, om realimentao entre outras possveis. Isso possibilita a
realizao de experimento SISO, TITO e MIMO.
De maneira geral existem dois tipos de malhas de ontrole na planta:
Malhas de vazo: A vazo de entrada dos tanques ontrolada por meio da atuao
nas bombas atravs dos inversores de freqn ia;
Malhas de nvel: O nvel dos tanques ontrolado por meio da sua vazo de entrada
e perturbado atravs da variao do per entual de abertura das vlvulas de sada.
Malha LIC1
Entrada: Frequn ia da bomba 1;
Sada: Nvel do Tanque 2.
A malha utilizada onsiste no monitoramento do nvel em um tanque que alimentado

por uma bomba trifsi a ontrolada por um inversor de frequn ia. A sada do tanque
por gravidade, atravs de uma vlvula propor ional, operando om a abertura xa.
apresentada na Figura 6.26 uma representao gr a da malha utilizada.
Figura 6.26: Diagrama esquemti o da malha de nvel LIC1

apli ado um sinal de entrada u (t) om = 6000s, = 10Hz e = 2500s.
B
Ambos os sinais, amostrados om 50s, so ilustrados na Figura 6.27. Devido as prprias

ara tersti as da planta, observa-se pou o rudo de medio.
35
Entrada
30 Sada Real
25
Amplitude
20
15
10
0
0 2000 4000 6000 8000 10000 12000 14000
Tempo (s)
Figura 6.27: Gr o dos sinais de entrada e sada reais da malha LIC1
O Algoritmo 7 RPC-TD empregado om r = 30. A anlise do estado esta ionrio
ini ial indi a um rudo de medio desprezvel. Como pode-se ver na Figura 6.28 o atraso
estimado tambm nulo.
35
30
25
Amplitude
20
15
10
Sada Real
5
Entrada
0 Sinal de teste (rho)
5
30 40 50 60 70 80 90 100 110 120
Amostras
Figura 6.28: Gr o dos sinais para bus a do atraso da malha LIC1
Na Figura 6.29 representada gra amente a Sequn ia de valores singulares al-
ulada. Observa-se que existe uma predominn ia muito a entuada do primeiro valor
singular, levando a rer que o sistema pode ser representado por um modelo de primeira
ordem.
7
x 10
3
2.5
2
Amplitude
1.5
0.5
0
0 5 10 15 20 25 30
Figura 6.29: Sequn ia de valores singulares da malha LIC1

Finalmente o modelo obtido dado por
(6.10)

x(t + 1) = 0, 954 x(t) + 0, 0001 u(t)
(6.11)

y(t) = 1561 x(t) + 0, 000 u(t)
A ttulo de omparao tambm foram identi ados dois outros modelos. Foi utilizado
o Algoritmo 3 om a ponderao Moesp assim omo foi estimado um modelo ARMAX de
segunda ordem, utilizando o toolbox padro do Matlab. As urvas das sadas dos modelos
identi ados so representadas na Figura 6.30.
35
Entrada
30 Sada Real
ARMAX
25 Moesp
RPSTD
Amplitude
20
15
10
0
0 2000 4000 6000 8000 10000 12000 14000
Tempo (s)
Figura 6.30: Gr o dos sinais de sada da malha LIC1

Veri a-se na Tabela 6.8 que o mtodo proposto apresentou o segundo melhor ndi e de
erro assim omo foi o de exe uo mais rpida. O mtodo ARMAX teve pior desempenho
e tempo de exe uo mais longo, j o Moesp obteve ligeira melhora na pre iso porm
tempo de exe uo intermedirio.
Tabela 6.8: Comparativo entre os modelos identi ados para malha LIC1
RPS-TD 96,6 87
ARMAX 95,5 1601
Moesp 96,9 103
Malha FIC1
Entrada: Frequn ia da bomba 1;
Sada: Vazo aps a bomba 1.
A malha utilizada onsiste na aferio da vazo logo aps a sada de uma bomba
trifsi a que por sua vez ontrolada por um inversor de frequn ia. Uma representao
gr a da malha utilizada apresentada na Figura 6.31.
Figura 6.31: Diagrama esquemti o da malha de vazo FIC1

apli ado um sinal de entrada u (t) om = 8, 8s, = 20% e = 4, 5s. Ambos os
B
sinais, amostrados om 0, 1s, so ilustrados na Figura 6.32.

25 Entrada
Sada Real
20
15
Amplitude
10
2 4 6 8 10 12 14 16 18 20
Tempo (s)
Figura 6.32: Gr o dos sinais de entrada e sada reais da malha FIC1
O Algoritmo 7 RPC-TD empregado om r = 30. A anlise do estado esta ionrio
ini ial indi a um rudo de medio desprezvel. Como pode-se ver na Figura 6.33 o atraso
estimado t = 0, 4s. d
50
Sada real
40 Entrada
Sinal de teste (rho)
30
Amplitude
20
10
10
0 20 40 60 80 100 120 140 160 180 200
Amostras
Figura 6.33: Gr o dos sinais para bus a do atraso da malha FIC1
Na Figura 6.34 representada gra amente a Sequn ia de valores singulares al u-
lada. Observa-se que no existe uma queda brus a entre os ndi es. Para ns didti os,
ser es olhido um modelo de quarta ordem.
0.7
0.6
0.5
Amplitude
0.4
0.3
0.2
0.1
0
0 2 4 6 8 10 12 14 16 18
Figura 6.34: Sequn ia de valores singulares da malha FIC1

Finalmente o modelo obtido dado por

0, 766 0, 406
0, 072 0, 195 0, 405
(6.12)

0, 404 0, 056 0, 331 0, 515 0, 426
x(t + 1) =

x(t) +
u(t 4)
0, 078 0, 316 0, 898 0, 207 0, 127

0, 195 0, 517 0, 196 0, 399 0, 044

(6.13)

y(t) = 0, 507 0, 535 0, 151 0, 054 x(t) + 0, 000 u(t 4)
A ttulo de omparao tambm foram identi ados dois outros modelos. Foi utilizado
o Algoritmo 3 om a ponderao Moesp assim omo foi estimado um modelo ARMAX de
quarta ordem, utilizando o toolbox padro do Matlab. As urvas das sadas dos modelos
identi ados so representadas na Figura 6.35.
25 Entrada
Sada Real
ARMAX
20
Moesp
RPSTD
15
Amplitude
10
0 2 4 6 8 10 12 14 16 18 20
Tempo (s)
Figura 6.35: Gr o dos sinais de sada da malha FIC1

Veri a-se na Tabela 6.9 que o mtodo proposto apresentou o melhor ndi e de erro
assim omo foi o de exe uo mais rpida. O mtodo ARMAX teve pior desempenho
e tempo de exe uo mais longo, j o Moesp obteve pre iso intermediria e tempo de
exe uo intermedirio.
Tabela 6.9: Comparativo entre os modelos identi ados para malha FIC1
RPS-TD 94,1 61
ARMAX 81,6 1673
Moesp 93,8 90
Foi identi ado um modelo de quarta ordem om atraso representando a malha alvo
de vazo. O Algoritmo 11 apli ado om o intuito de obter-se uma representao de
primeira ordem, para um posterior projeto de sistema de ontrole lssi o.
O equivalente ontnuo do modelo identi ado dado por

0, 17 7, 86 1, 57
0, 82 2, 05 3, 73

7, 87 8, 43 2, 51 12, 1 5, 92 7, 83
(6.14)

x = 0, 68 2, 63 2, 03 1, 61 31, 6 x + 0, 39 u(t 0, 4)

2, 03 12, 11 1, 82 0, 22 7, 71 3, 96

3, 49 5, 06 29, 9 7, 32 1, 06 4, 05
(6.15)
h i h i
y = 0, 51 0, 54 0, 15 0, 30 0, 05 x + 0, 00 u(t 0, 4)

0, 34 0, 08 0, 02 0, 01 0, 02

0, 02 0, 24 0, 13 0, 05 0, 12
(6.16)

T = 0, 01 0, 03 0, 20 0, 05 0, 18

0, 01 0, 10 0, 14 0, 07 0, 16

0, 02 0, 06 0, 00 0, 32 0, 07
1.4
1.2
1
Entrada
0.8 Modelo Completo
Amplitude
Truncagem
0.6
Residualizao
0.4 Proposto
0.2
0.2
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

Tempo (s)
Figura 6.36: Gr o da resposta ao degrau da malha FIC1

Diagrama de Bode
20
Magnitude (dB)
20
40 Alta Ordem
4
Trunc. Bal
60 x 10 Resid. Bal.
1.152
Mtodo Proposto
Fase (deg)
1.152
2.304
2 1 0 1 2 3
10 10 10 10 10 10
Frequncia (rad/s)
Figura 6.37: Gr o de bode da malha FIC1

So mostrados na Tabela 6.10 os ndi es de desempenho no tempo e na frequn ia
dos modelos identi ados. Observa-se que o mtodo proposto e a residualizao balan-
eada apresentaram os melhores ndi es no tempo. A residualizao balan eada obteve
melhor ajuste nas baixas frequn ias, assim omo o mtodo proposto se mostrou mais
representativo nas baixas e mdias frequn ias.
Tabela 6.10: Comparativo entre os modelos reduzidos da Malha FIC1

Residualizao 97,8 83,2 0, 24 1,39e0,4
Trun agem 83,7 64,5

0,39s+1
1,39e0,4
Proposta 98,4 73,1

0,91s+1
1,15e0,4
0,60s+1
Captulo 7
Con luses e Sugestes para trabalhos

futuros
7.1 Con luses

Nesse trabalho de tese foram apresentadas ontribuies na rea de identi ao de sis-
temas representados em espao de estados. Foi proposta uma metodologia ompleta para
estimao de modelos que representem as prin ipais dinmi as de pro essos industriais.
Foram abordados todos os passos em um pro edimento identi ao, desde o projeto das
ex itaes, a denio do ritrio de ajuste para modelos em espao de estados, at a
reduo de modelos de primeira ordem om atraso.
No Captulo 1 foi apresentada uma breve reviso do estado da arte de identi ao de
sistemas, seguida pelas prin ipais ontribuies do trabalho de Tese.
No Captulo 2 foram apresentadas t ni as lssi as para onstruo de realizaes
em espao de estados. Foi feita uma reviso bibliogr a desde o mtodo de Kalman,
baseado na resposta ao impulso do sistema, seguindo aos mtodos por subespaos, at a
utilizao de t ni as mais modernas de otimizao por normas nu leares para obteno
de uma realizao de posto mnimo.
No Captulo 3 foi denido o formato das ex itaes utilizadas na Tese. Assumindo que
pou as informaes so disponibilizadas a priori, foi proposta uma metodologia para esti-
mar a onstante de tempo dominante, por meio da primeira os ilao de um experimento
do rel. Essa informao, serve de parmetro para o projeto da ex itao prin ipal, que
omposta por um ou mais pulsos on atenados. Essa metodologia possibilita uma estima-
tiva rpida de parmetros bsi os, em uma situao de projeto onde no h informaes
anteriores sobre a planta.
123
Captulo 7. Con luses e Sugestes para trabalhos futuros 124
No Captulo 4 foi apresentado um mtodo para identi ao de sistemas em espao de
estados, utilizando sinais de entrada pulsados. Foi omprovado experimentalmente que
para o tipo de entrada proposta, tal t ni a apresentou performan e similar a mtodos
tradi ionais, porm possui maior simpli idade numri a, resultando em uma reduo do
tempo de exe uo em at dez vezes. Tambm foram desenvolvidas variaes do mtodo
para tratar sistemas om atraso de transporte assim omo inserir informaes onhe idas
a priori do sistema. A t ni a de anlise de tendn ias CUSUM foi adaptada para forne er
estimativas do atraso mesmo em um ambiente ruidoso. Por m, informaes onhe idas
a priori foram inseridas no modelo por meio de restries nos seus plos. Tais restries
so modeladas omo regies LMI que do origem a um problema de otimizao onvexa.
No Captulo 5 foi proposta uma t ni a para obteno de modelos de primeira ordem
om atraso, adequada a baixas e mdias frequn ias. A t ni a in orpora mais informaes
do modelo de alta ordem do que a trun agem balan eada, assim omo iguala o ganho em
regime esta ionrio tal qual a residualizao balan eada. Em resumo, a t ni a proposta
in lui a ontribuio de ada estado de maneira propor ional a sua importn ia na relao
entrada/sada.
No Captulo 6 as t ni as desenvolvidas ao longo da Tese so validadas experimental-
mente em uma srie de plantas didti as em es ala piloto. So utilizadas malhas trmi as,
de vazo e nvel.
7.2 Sugestes para trabalhos futuros
Alguns pontos explorados de forma par ial ou inexplorados nesse trabalho de Tese podem
ser utilizados omo sugesto para desenvolvimentos posteriores. Entre eles desta am-se:
Renar a t ni a de identi ao proposta utilizando os on eitos de normas nu le-
ares;
Expandir o mtodo de reduo de modelos para ontemplar sistemas de segunda
ordem om atraso;
Cara terizar a inun ia de no linearidades na qualidade dos modelos identi ados;
In luir onsideraes sobre a direo do ganho no projeto de ex itaes de sistemas

MIMO;
Propor mtodos de sintonia de ontroladores PID a partir dos modelos identi ados
em espao de estados;
Captulo 7. Con luses e Sugestes para trabalhos futuros 125
Analisar a apa idade de predio k passos a frente dos modelos identi ados. Ca-
ra tersti a ne essria para o projeto de ontroladores preditivos
Apndi e A
Con eitos auxiliares
A.1 Subespaos
Dado um sub onjunto no vazio S de um espao vetorial V sobre F . Caso S seja tambm
um espao vetorial e portanto satisfaa as ondies das equaes A.1 e A.2 ento S um
subespao de V (MEYER, 2000).
x, y S = x + y S (A.1)
x S = x S F (A.2)
Geometri amente um subespao representado omo uma super ie plani ada que
passa pela origem do espao vetorial base.
A.1.1 Espao imagem
O espao imagem R(A) de uma matriz A R mn
denido na equao A.3.
R(A) = {Ax|x Rn } Rm (A.3)
R(A) pode ser geometri amente en arado omo o espao gerado pela ombinao linear
das olunas da matriz A, tambm hamado de espao oluna de A. Caso o espao seja
formado pelas linhas de A, denominado espao linha.
126
Apndi e A. Con eitos auxiliares 127
A.1.2 Espao nulo
O espao nulo N(A) de uma matriz A R denido na equao A.4 omo o onjunto
mn
de todas as solues do sistema homognio Ax = 0.

N(A) = {xn1 |Ax = 0} Rn (A.4)
A.2 Pseudoinversa (Moore-Penrose)
A matriz pseudoinversa de Moore-Penrose uma generalizao do on eito lssi o de
inversa de matrizes. largamente utilizada quando os nmeros de linhas e olunas, da
matriz a ser invertida, so diferentes.(MEYER, 1973)
Quando as linhas de A R so linearmente independentes (m n), a pseudoin-
mn
versa de A segue a equao A.5. Onde A a inversa de A pela direita: AA = I

m
A = A (AA )1 (A.5)
A.3 Projees
Em algebra linear, uma projeo nada menos do que uma transformao linear P de
um espao vetorial para ele mesmo, onde P = P (MEYER, 2000). ilustrado na Figura
2
A.1 um exemplo de projeo ortogonal.
Figura A.1: A transformao P a projeo ortogonal na linha m

A.3.1 Propriedades
Considera-se U e V subespaos de W representando o espao imagem e o espao nulo de
P.
P o operador Identidade em U : x U : P x = x.
Tem-se a soma direta W = U V . Ou seja ada vetor x pode ser uni amente
de omposto segundo x = u + v: u U, v V . A de omposio da seguinte forma
u = P x e v = x P x = (I P )x.
O espao imagem e o espao nulo de uma projeo so omplementares (P + Q = I ).

P e Q so projetores de modo que o espao imagem de um o espao nulo do outro e
vi e-versa. P a projeo ao longo de V em U e Q a projeo ao longo de U em V .
A.3.2 Projees Ortogonais
Uma projeo ortogonal quando seu espao imagem U e seu espao nulo V so subes-
paos ortogonais, a ondio ne essria e su iente para tal fato P = P . Se x e y so
T
vetores no domnio da projeo, P x U e y P y V ento seu produto es alar deve ser

nulo para satisfazer a ondio de ortogonalidade:
hP x, y P yi = (P x)T (y P y) = xT (P T P T P )y (A.6)
Portanto aso uma projeo seja ortogonal P P P = 0 ou P = P e P = P .
T T T 2
O aso mais simples a projeo ortogonal numa linha gerada por um vetor unitrio
u. Nesse aso o projetor P = uu , P anula qualquer vetor perpendi ular a u e mantm
T
invarivel vetores em sua direo. Uma maneira simples de provar tal fato onsiderando
um vetor x omo a soma de duas omponentes, uma na direo de u e outra perpendi ular
x = x + x , apli ando a projeo:
k
Pu x = uuT xk + uuT x = u|xk | + u0 = xk (A.7)

Esse on eito pode ser generalizado para projees em subespaos de qualquer dimen-
so. Caso os vetores u u ..u sejam uma base ortonormal para o subespao U e as olunas
1 2 k c
da matriz A sejam ompostas desses mesmos vetores, o projetor ortogonal em U dado

c c
pela equao A.8.

PAc = Ac ATc (A.8)
Se as olunas de A no formarem uma base ortonormal, ne essrio o termo de
c
normalizao (A A ) , e o novo projetor indi ado na equao A.9.

c
T 1
c
PAc = Ac (ATc Ac )1 ATc (A.9)

Seguindo esse mesmo ra io nio, possvel onstruir o projetor ortogonal P que Al
projeta vetores linha ortogonalmente ao subespao U , que por sua vez gerado a partir
l
da ombinao linear das linhas da matriz A . l
PAl = ATl (Al ATl )1 Al (A.10)

Portanto a projeo ortogonal do subespao gerado pelas linhas de B, no subespao
gerado pelas linhas de A , denido na equao A.11.
l
B/Al , B.PAl (A.11)

A.3.3 Projees Oblquas
A projeo ortogonal um aso parti ular de projeo oblqua. Projees oblquas so
denidas pelos seus espao imagem e espao nulo. Considere que os vetores u u ..u 1 2 k
representados omo olunas da matriz A , so uma base para o espao imagem de P .

c c
O espao imagem e o espao nulo so omplementares logo dim(nullspace) = n k.

Denindo-se que os vetores v v ..v , representados omo olunas da matriz B , formam
1 2 k c
uma base para o omplemento ortogonal do espao nulo, ento o projetor dado pela
equao A.12:
Pc = Ac (BcT Ac )1 BcT (A.12)
Mais uma vez o resultado da projeo pode ser extendido para o aso em que as
matrizes A e B so geradas pelo empilhamento de vetores linha. O projetor P ento
l l l
dado pela equao A.13.

Pl = BlT (Al BlT )1 Al (A.13)
Segundo (OVERSCHEE; MOOR, 1996), a projeo oblqua do espao linha de C ao
longo do espao linha de B no espao linha de A pode tambm ser denida pela equao
A.14.
C/B A , [C/B ].[A/B ] .A (A.14)

A.4 De omposio QR
Em algebra linear, a de omposio QR de uma matriz A denida omo a fatorizao
de A em um produto de duas matrizes A = QR, onde Q uma matriz ortogonal e R
uma matriz triangular superior. Em suma, as primeiras k olunas de Q formam uma base
ortonormal para o span das k primeiras olunas de A, k <n de olunas independentes de
o
A. (KATAYAMA, 2005)
A projeo ortogonal do subespao gerado pelas linhas da matriz A no subespao
gerado pelas linhas de B , segundo a seo A.3.2, denida na equao A.15.
A/B = AB T (BB T ) B (A.15)
Ao fazer a de omposio QR de A = R Q e B = R Q a projeo pode ser repre-
A
T
B
T
sentada onforme a equao A.16. (OVERSCHEE; MOOR, 1996)

T
A/B = RA RB T
[RB RB ] RB QT (A.16)
A.5 De omposio em valores singulares (SVD)
A de omposio SVD de uma matriz A denida na equao A.17 omo o produto de
trs matrizes. (TREFETHEN; BAU, 1997)
(A.17)
" #" #
T
h i 11 12 V1T
SV D(A) , UV = U1 U2 ,
21 22 V2T
Onde A R uma matriz real, U R e V R so matrizes ortogonais e

mn mm nn
R mn
uma matriz diagonal. As olunas de U e V so denominadas vetores singulares
a esquerda e direita respe tivamente, j os elementos da diagonal de so os valores
singulares de A. Os valores singulares de A so normalmente ordenados de forma
i
de res ente na diagonal de portanto onven iona-se que abriga a par ela de onde
22
os valores singulares so nulos.

Essa de omposio forne e uma maneira prti a para a representao do espao ima-
gem e espao nulo de A. As olunas de U formam uma base para o espao imagem de
1
A assim omo as olunas de V formam uma base para o seu espao nulo. O nmero de
2
elementos na diagonal de por sua vez indi a o posto de A.
11
A de omposio SVD tambm pode ser utilizada para o l ulo da pseudoinversa de

uma matriz onde:
A = V U T (A.18)
Refern ias Bibliogr as
AHMED, S.; HUANG, B.; SHAH, S. L. Novel identi ation method from step response.
Control Engineering Pra ti e, n. 15, p. 545/556, 2007.
ASTROM, K.; HAGGLUND, T. Automati tuning of simple regulators with
spe i ations on phase and amplitude margins. Automati a, v. 20, n. 5, p. 645/651, 1984.
ASTROM, K.; HAGGLUND, T. PID Controllers Theory, Design and Tuning. [S.l.:
Instrument So iety of Ameri a, 1995.
ASTROM, K.; HAGGLUND, T. Advan ed PID Control. [S.l.: ISA - The Instrumentation,
Systems and Automation So iety, 2007.
ASTROM, K. J.; BOHLIN, T. Numeri al identi ation of linear dynami systems for
normal operating re ords. Pro . 2nd IFAC Symp. Theory of Self-Adaptive Systems,
Teddington, p. 96/111, 1965.
BARENTHIN, M. On Input Design in System Identi ation for Control. Tese (Tese de
Doutorado) KTH S hool of Ele tri al Engineering, Sto kholm, SWEDEN, 2006.
BARROSO, H.; LIMA, R.; BARROS, P. Pro esso didti o exvel de quatro tanques
a oplados para ensino e pesquisa em ontrole. XLII Congresso Brasileiro de Edu ao
em Engenharia (COBENGE), 2014.
BJORKLUND, S.; LJUNG, L. A review of time-delay estimation te hniques. Control
and Communi ation group in Linkoping, 2003.
CARLEMALM, C. et al. Algorithms for time delay estimation using a low omplexity
exhaustive sear h. IEEE Trans. Automati Control, p. 1031/1037, 1999.
CHEN, W.; LIAO, C.; HUNG, C. A numeri al study on the performan e of miniature
thermoele tri ooler ae ted by thomson ee t. Applied Energy, v. 89, n. 1, p. 464/473,
2012. Spe ial issue on Thermal Energy Management in the Pro ess Industries.
CHILALI, M.; GAHINET, P. H-innity design with pole pla ement onstraints: an lmi
approa h. IEEE Transa tions on Automati Control, n. 41, p. 358/367, 1996.
ECKART, C.; YOUNG, G. The approximation of one matrix by another of lower rank.
Psy hometrika, n. 3 vol1, p. 1/10, 1936.
EMERSONPROCESS. Te hni al spe i ations. 2016. A essed:
2016-04-15. Disponvel em: <http://www2.emersonpro ess. om/en-
US/brands/rosemount/Wireless/Pages/index.aspx>.
132
REFERNCIAS BIBLIOGRFICAS 133
FAZEL, M.; HINDI, H.; BOYD, S. A hank minimization heuristi with appli ation to
minimum order system approximation. Ameri an Control Conferen e, p. 4734/4739,
2001.
FISCHER, B.; MEDVEDEV, A. Laguerre domain estimation of time delays in
narrowband ultrasoni e hoes. 14th Triennial IFAC World Congress, p. 361/366, 1999.
GEVERS, M. A personal view on the development of system identi ation. 13th IFAC
Symp. System Identi ation, p. 773/784, 2003.
GUGERCIN, S.; ANTOULAS, A. C. A survey of model redu tion by balan ed trun ation
and some new results. International Journal of Control, p. 748/766, 2004.
HELMONT, J. van; WEIDEN, A. van der; ANNEVELD, H. Design of optimal ontroller
for a oal red benson boiler based on a modied approximate realisation algorithm.
Appli ations of Multivariable System Te hniques - Elsevier Applied S ien e, p. 313/320,
1990.
HO, B. L.; KALMAN, R. E. Ee tive onstru tion of linear state-variable models from
input/output fun tions. Regelungste hnik vol. 14, n. 12, p. 545/548, 1966.
JAYAKUMAR, J. S. Heli ally Coiled Heat Ex hangers, Heat Ex hangers - Basi s Design
Appli ations. [S.l.: InTe h, 2012.
JEONG, E. S. A new approa h to optimize thermoele tri ooling modules. Cryogeni s,
v. 59, p. 38/43, 2014.
JUANG, J.-N.; PAPPA, R. S. An eigensystem realization algorithm (era) for modal
parameter identi ation and model redu tion. Workshop on Identi ation and Control
of Flexible Spa e Stru tures, n. 3, p. 299/318, 1985.
KALMAN, R. E. Mathemati al des ription of linear dynami al systems. Journal of the
So iety for Industrial and Applied Mathemati s, p. 152/155, 1963.
KATAYAMA, T. Subspa e methods for system identi ation : a realization approa h.
[S.l.: Springer, 2005.
KUNG, S. A new identi ation and model redu tion algorithm via singular value
de omposition. 12th Asilomar Conferen e on Cir uits,Systems, and Computers, p.
705/714, 1978.
LACY, S. L.; BERNSTEIN, D. S. Subspa e identi ation with guaranteed stability using
onstrained optimization. IEEE Transa tions on Automati Control, n. 48, p. 1259/1263,
2003.
LARIMORE, W. Canoni al variate analysis in identi ation, ltering and adaptive
ontrol. 29th IEEE Conferen e on De ision and Control, p. 596/604, 1990.
LARIMORE, W. E. Statisti al optimality and anoni al variate analysis system
identi ation. Signal Pro essing, n. 52, p. 131/144, 1996.
LIMA, R. et al. Controlador preditivo apli ado a um pro esso trmi o multivarivel. XII
Simpsio Brasileiro de Automao Inteligente (SBAI) , 2015.
LIMA, R.; BARROS, P. Identi ao de sistemas por meio de realizaes baseadas na
resposta a um pulso duplo. XI Simpsio Brasileiro de Automao Inteligente (SBAI),
2013.
LIMA, R.; BARROS, P. Mtodo para reduo de modelos balan eados obtidos por
subespaos. XX Congresso Brasileiro de Automti a (CBA), 2014.
LIMA, R.; BARROS, P. Identi ation of time-delay systems: a state spa e realization
approa h. 9th International symposium on advan ed hemi al pro ess (ADCHEM), 2015.
LIMA, R.; BARROS, P.; ACIOLI, G. New state-spa e approa h for system identi ation
of industrial pro ess. Journal of Control, Automation and Ele tri al Systems, 2016.
(UNDER REVIEW).
LIMA, R.; BARROS, P.; ACIOLI, G. System identi ation of a pilot s ale heat
ex hanger: a state-spa e realization approa h. 42nd Annual Conferen e of the IEEE
Industrial Ele troni s So iety (IECON), 2016.
LIMA, R. et al. Desenvolvimento de uma planta piloto trmi a om rede wirelesshart
para uso em ensino e pesquisa. XLII Congresso Brasileiro de Edu ao em Engenharia
(COBENGE), 2014.
LIMA, R.; DIAS, C.; BARROS, P. Desenvolvimento de uma planta didti a trmi a
multivarivel baseada em mdulos peltier. XLII Congresso Brasileiro de Edu ao em
Engenharia (COBENGE), 2014.
LJUNG, L. System Identi ation: Theory for the user (2nd ed.). [S.l.: Prenti e Hall,
New Jersey, 2010.
MEYER, C. D. Generalized inverses and ranks of blo k matri es. [S.l.: Siam, 1973.
MEYER, C. D. Matrix Analysis and Applied Linear Algebra. [S.l.: Siam, 2000.
MILLER, D. N.; CALLAFON, R. A. de. Subspa e identi ation from lassi al realization
methods. 15th IFAC Symposium on System Identi ation, 2009.
MILLER, D. N.; CALLAFON, R. A. de. Eigenvalue onstraints for realization-based
identi ation. Ameri an Institute of Aeronauti s and Astronauti s, n. 4951, 2012.
MILLER, D. N.; CALLAFON, R. A. de. Identi ation of linear time-invariant systems
via onstrained step-based realization. 16th IFAC Symposium on System Identi ation,
p. 1155/1160, 2012.
MOOR, B. D. et al. A geometri al strategy for the identi ation of state spa e models
of linear multivariable systems with svd. IFAC 88, p. 700/704, 1988.
MOORE, B. C. Prin ipal omponent analysis in linear system: ontrollability,
observability and model redu tion. IEEE Transa tions on Automati Control, p. AC26,
1981.
MOREIRA, L. et al. Modeling and ontrol of a xy positioning table. 12th IEEE/IAS
International Conferen e on Industry Appli ations, 2016.
MULLIS, C. T.; ROBERTS, R. A. Synthesis of minimum roundo noise xed point
digital lters. IEEE Transa tions on Cir uits and Systems, p. 551/562, 1976.
NADERI, E.; KHORASANI, K. Subspa e-based identi ation of linear systems using
arbitrary data segments. Ameri an Control Conferen e (ACC), 2016.
OGUNNAIKE, B. A ontemporary industrial perspe tive on pro ess ontrol theory and
pra tise. Annual Reviews in Control, v. 20, p. 1/18, 1996.
OVERSCHEE, P. V.; MOOR, B. Subspa e Identi ation for Linear Systems. [S.l.:
Kluwer A ademi Publishers, 1996.
OVERSCHEE, P. V.; MOOR, B. D. N4sid - subspa e algorithms for the identi ation of
ombined deterministi - sto hasti systems. Automati a, vol. 30, n. 1, p. 75/93, 1994.
PAGE, E. Continuous inspe tion s hemes. Biometrika, n. 41, p. lOO/115, 1954.
PARTINGTON, J. R. An introdu tion to hankel operators. London Mathemati al So iety
Student Texts 13, Cambridge University Press, 1988.
PINTELON, J. S. R. System Identi ation: A Frequen y Domain Approa h, Se ond
Edition. [S.l.: Wiley-IEEE Press, 2012.
QIN, S. J. An overview of subspa e identi ation. Computers & Chemi al Engineering,
v. 30, p. 1502/1513, 2006.
RICHARD, J. P. Time-delay systems: an overview of some re ent advan es and open
problems. Automati a, n. 39, p. 1667/1694, 2003.
ROCKWELLAUTOMATION. Te hni al spe i ations. 2016. A essed: 2016-04-15.
Disponvel em: <http://www.ro kwellautomation. om>.
SDERSTRM, T.; STOICA, P. System Identi ation. [S.l.: Prenti e Hall, New Jersey,
1989.
SILVA, M. et al. Modelagem simulao identi ao e ontrole de uma planta didti a
om variveis de nvel e temperatura. XII Simpsio Brasileiro de Automao Inteligente
(SBAI), 2015.
TREFETHEN, L.; BAU, D. Numeri al Linear Algebra. [S.l.: SIAM, 1997.
VERHAEGEN, M. Subspa e model identi ation, part 3: Analysis of the ordinary
outputerror state-spa e model identi ation algorithm. Int. J. Control, vol. 58, n. 3, p.
555/586, 1993.
VERHAEGEN, M. Identi ation of the deterministi part of mimo state spa e models
given in innovations form from input output data. Automati a, n. 30, p. 61/74, 1994.
VERHAEGEN, M.; DEWILDE, P. Subspa e model identi ation, part 1: The
output-error state-spa e model identi ation lass of algorithms. Int. J. Control, vol. 56,
n. 5, p. 1187/1210, 1992.
VERHAEGEN, M.; DEWILDE, P. Subspa e model identi ation, part 2: Analysis of
the elementary output-error state spa e model identi ation algorithm. Int. J. Control,
vol. 56, n. 5, p. 1211/1241, 1992.
VERHAEGEN, M.; HANSSON, A. Nu lear norm subspa e identi ation (n2sid) for
short data bat hes. IFAC World Congress, p. 1401/4273, 2014.
ZHAO, D.; TAN, G. A review of thermoele tri ooling: Materials, modeling and
appli ations. Applied Thermal Engineering, v. 66, n. 1/2, p. 15/24, 2014.
ZHOU, K.; DOYLE, J.; GLOVER, K. Robust and optimal ontrol. [S.l.: Prenti e Hall,
1995.

Metodologia para Identificação de Sistemas em Espaço de Estados Por Meio de Exitações Pulsadas

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodologia para Identificação de Sistemas em Espaço de Estados Por Meio de Exitações Pulsadas

Uploaded by

Copyright:

Available Formats

Metodologia para identi

Rafael Bezerra Correia Lima

Tese de Doutorado apresentada Coordenadoria do Programa de

Pri les Rezende Barros, Ph.D

Campina Grande, Paraba, Brasil

Rafael Bezerra Correia Lima

Tese de Doutorado apresentada em Setembro de 2016

Pri les Rezende Barros, Ph.D

Campina Grande, Paraba, Brasil, Setembro de 2016

L732m Lima, Rafael Bezerra Correia.

Tese (Doutorado em Engenharia Eltrica) - Universidade Federal de

1. Identificao de Sistemas Engenharia Eltrica. 2. Excitaes Pulsadas.

ARX Autoregressive exogenous model

2.1 Cl ulo das matrizes da representao em espao de estados . . . . . . . . 17

1.1 Representao do uxograma bsi o para identi ao de sistemas . . . . . 5

4.23 Gr o dos sinais de sada do exemplo 4.5.4 . . . . . . . . . . . . . . . . . 72

6.19 Resultados para Bomba H x Temp C . . . . . . . . . . . . . . . . . . . . 108

6.20 Estimativa dos atrasos da malha TIC2 . . . . . . . . . . . . . . . . . . . . 109

6.22 Resultados para Bomba C x Temp C . . . . . . . . . . . . . . . . . . . . 110

6.23 Sequn ia de valores singulares das Malhas TIC1 e TIC2 . . . . . . . . . . 111

1.1 Introduo Geral

Figura 1.1: Representao do uxograma bsi o para identi ao de sistemas

onde G(k) R representa os oe ientes da resposta ao impulso (parmetros de

Markov) do sistema sem atraso

2.2.2 Organizao dos dados

u(2i 1) u(2i) u(2i + 1) ... u(2i + j 2)

O nmero de blo os de linhas i arbitrrio e deve ser no mnimo maior do que a

2mi linhas. J o nmero de olunas normalmente j = N 2i + 2, de modo que todas

similar. Denem-se ainda as matrizes de blo o de Hankel mistas de entradas e sadas

Da mesma forma, W denida omo:

As sequn ias de estados assumem um papel importante na derivao e interpretao

na Equao 2.9, onde os ndi es a e b denotam respe tivamente o primeiro e o ltimo

Analogamente s entradas e sadas passadas, representam-se as sequn ias passadas de

2.2.3 Matrizes Importantes

Denio 4 Matriz estendida reversa de ontrolabilidade (l )

Denio 5 Matriz de Hankel dos parmetros de Markov (H1|r )

Denio 6 Matriz Toeplitz dos parmetros de Markov (T0|r1 )

s sadas futuras y omo

resposta ao impulso do sistema. Em outras palavras, a Equao (2.17) o equivalente

A matriz de Hankel H1|r invariante ao deslo amento. Portanto H2|r+1 , denida

aproximao H de posto(H ) = n, denida a partir da de omposio SVD

onde U e V so matrizes ortogonais e = diag( , , .., , , .., ) uma matriz

diagonal omposta pelos valores singulares de H , organizados de forma de res ente.

posto(H ) = n denida omo

no sentido das referidas normas

Alm disso, a norma-2 do erro da reduo de posto

Portanto o modelo determinado observvel e ontrolvel, om

Substituindo a Equao 2.27 em 2.20 possvel al ular uma realizao em espao de

O operador () representa a pseudoinversa a esquerda e a notao X(:, 1) e X(1, :)

indi a respe tivamente a primeira oluna e a primeira linha de X . O Algoritmo 1 resume

Monte a matriz H1|r e realize a SVD denida na Equao 2.21;

Determine a ordem do sistema n inspe ionando os valores singulares de H1|r ;

Monte a matriz H2|r+1 e al ule (A,

2.4 T ni as baseadas em subespaos

A entrada u(t) persistentemente ex itante de ordem 2i;

A interse o do espao linha de Uf (entradas futuras) e o espao linha de Xp (es-

As matrizes de ponderao W1 Rlili e W2 Rjj so tais que W1 de posto

Denindo-se Oi omo a projeo oblqua,

Xf W2 = T 1 .S 1/2 V1T . (2.37)

Tabela 2.2: Matrizes de ponderao

Mais informaes sobre projees no Apndi e A.3.

Prova. Prova do teorema em (OVERSCHEE; MOOR, 1996).

Figura 2.1: Interpretao geomtri a da equao 2.31

Metodologia para identi

1.1 Representao do uxograma bsi o para identi ao de sistemas . . . . . 5

4.23 Gr o dos sinais de sada do exemplo 4.5.4 . . . . . . . . . . . . . . . . . 72

Figura 1.1: Representao do uxograma bsi o para identi ao de sistemas

onde G(k) R representa os oe ientes da resposta ao impulso (parmetros de

similar. Denem-se ainda as matrizes de blo o de Hankel mistas de entradas e sadas

Da mesma forma, W denida omo:

Denio 4 Matriz estendida reversa de ontrolabilidade (l )

Denio 5 Matriz de Hankel dos parmetros de Markov (H1|r )

Denio 6 Matriz Toeplitz dos parmetros de Markov (T0|r1 )

A matriz de Hankel H1|r invariante ao deslo amento. Portanto H2|r+1 , denida

aproximao H de posto(H ) = n, denida a partir da de omposio SVD

posto(H ) = n denida omo

Monte a matriz H1|r e realize a SVD denida na Equao 2.21;

Denindo-se Oi omo a projeo oblqua,

Fi a laro na Tabela 2.3 porque a t ni a apresentada denominada identi ao

2.5 Identi ao por subespaos utilizando normas nu-

Figura 3.3: Representao gr a da funo rel

3.4 Denio das ex itaes

Figura 3.10: Gr o do sinal de ex itao projetado no Exemplo 3.5.1

Figura 3.12: Gr o do sinal de ex itao projetado no Exemplo 3.5.2

Identi ao de modelos em espao de