UNIVERSIDADE FEDERAL DO PIAU

DEPARTAMENTO DE ENGENHARIA ELTRICA

CENTRO DE TECNOLOGIA CT
DISC.: LABORATRIO DE CONTROLE DIGITAL
PROFESSOR: DR. OTACLIO DA MOTA ALMEIDA

EXERCCIO AVALIATIVO N4
CONTROLADORES DIGITAIS DE PROCESSOS INDUSTRIAIS
HERBERT GONALVES DA SILVA SANTOS

TERESINA
JUNHO DE 2017
 EXERCCIO AVALIATIVO N4
CONTROLADORES DIGITAIS DE PROCESSOS INDUSTRIAIS
HERBERT GONALVES DA SILVA SANTOS

1. INTRODUO

O mtodo de mnimos quadrados um dos mais conhecidos e mais utilizados nas

mais diversas reas de cincias e tecnologia. A origem da idia bsica pode ser encontrada
nos trabalhos de Gauss sobre estudos astronmicos. Gauss menciona diversos aspectos
bsicos concernentes aplicao do mtodo de mnimos quadrados. de extrema
importncia, para o entendimento desse relatrio, indicar alguns desses pontos
(AGUIRRE, 2007).
Gauss se refere a um nmero de observaes estritamente necessrio
determinao das grandezas desconhecidas. Na maioria dos casos, esse
nmero igual ao nmero de parmetros a determinar;
Gauss deixa claro que, por causa dos erros de medio, mais observaes
do que os nmeros mnimos so necessrios. Em outras palavras, o uso
dessas observaes redundantes resultar na reduo dos efeitos dos
erros;
O problema da modelagem est implcito na observao de que o
movimento observado satisfaz as leis de Kepler.
Os parmetros estimados devem satisfazer as observaes da forma mais
exata possvel. Em outras palavras, a diferena entre observao e clculo
(usando parmetros estimados) deve ser mnima.
O objetivo deste experimento se familiarizar com as propriedades, utilizao e
implementao do algoritmo dos mnimos quadrados recursivo (MQR) e no recursivo
(MQNR), quando aplicado na estimao de sistemas lineares discretos SISO (Single-
Input and Single Output) com parmetros desconhecidos e/ou variantes no tempo.

2. METODOLOGIA
I. PARTE SIMULACIONAL

1.1 a)
Todo o processo fsico pode ser caracterizado por uma equao diferencial
oriunda da modelagem fenomenolgica ou modelagem por identificao (GEROMEL,
2004). Entretanto, a forma mais comum de se representar um sistema a utilizao da
representao frequencial, ou seja, no domnio da frequncia. Esta representao, quando
exprime a relao da sada para a entrada tem-se uma funo de transferncia no domnio
da frequncia. Do ponto de vista computacional, mais importante representar uma
funo de transferncia, representativa de um processo no domnio da frequncia
complexa por um processo no domnio da frequncia complexa discreta. Para se
representar uma funo de transferncia discreta, linear considere um processo fsico
caracterizado por uma entrada u(t), uma sada y(t), por uma perturbao e(t), e com uma
funo de transferncia da forma:
 Da Equao (3) pode-se observar que se tem na+nb+1 parmetros a estimar; para
se determinar ai e bj, devem-se utilizar as medidas de entrada e sada do processo; o termo
e(k) representa o erro de modelagem, erro de medio ou rudo na sada do tipo
estocstico ou determinstico. possvel reescrever a Equao (3), definindo-se dois
vetores: um de medida, (k), e outro de parmetros, (k) , ento, tem-se:

Como so realizadas N medidas, as quais so utilizadas para se determina ai e bj,

pode-se representar a Equao (6), matricialmente:

Tem-se que o vetor de sada dado por:

A estimativa do vetor de parmetros,, pode ser obtida pelo procedimento dos

mnimos quadrados. A melhor previso da sada do sistema dada por:

O estimador de Markov, tambm denominado de estimador dos mnimos

quadrados ponderados, obtido minimizando o seguinte critrio:
 Pode-se representar a funo de transferncia discreta por uma equao a
diferenas, possibilitando assim, a simulao computacional: Os elementos de W, W(i)
so a ponderao em cada componente do erro e em funo da preciso da medida.
Derivando-se a Equao acima e igualando-se a zero, tem-se:

Pode-se, ento, calcular o estimador dos mnimos quadrados:

O estimador dos mnimos quadrados no recursivo obtido

admitindo que:

1.1 b)

O algoritmo consiste nos seguintes passos:

Definir um conjunto de entrada aleatrio (geralmente um rudo branco variando a
amplitude);
Definir o nmero de pontos;
Aplicar a entrada aleatria na planta e obter a sada;
Diante os dados de sada, definir o vetor e obter ;
Encontrar os valores de ai e bi, e substituir na equao da funo de transferncia.

1.2
Utilizando a funo rand do MATLAB, encontrou-se o valor de K=2.7301 da
expresso:

() =
2 + 1.4 + 1

Considerando o perodo de amostragem Ts=0.1 e um segurador ZOH,

realizou-se a discretizao do modelo ilustrado na Figura 1.
 Figura 1. Discretizao do modelo.

O programa implementado retorna a seguinte funo de transferncia discreta:

Afim de escrever as equaes da diferena, escreve-se as seguintes linhas de

comando no software utilizado:
 A partir da equao Gz pode-se obter a equao de diferenas para a sada y(k).
Na Tabela 1 podem ser visualizados, num processo de 40 amostras, os valores de sada
considerando uma entrada do tipo degrau com um rudo branco gerado com a funo rand
no MATLAB.

Tabela 1. Valores de sada e entrada obtidos em um total de 40 amostras

Entrada Sada Tempo

0,7639 0 0
1,2771 0,1782 1
0,7027 0,7041 2
1,1649 1,3301 3
1,1903 1,9342 4
1,2212 2,5478 5
0,7506 3,1047 6
0,9398 3,4577 7
0,8559 3,6048 8
1,1800 3,6333 9
0,9588 3,6501 10
1,2463 3,6692 11
0,8091 3,7116 12
0,8582 3,7158 13
0,7873 3,6246 14
0,7816 3,4828 15
1,2215 3,3144 16
1,0478 3,2526 17
1,0299 3,3038 18
0,7869 3,3755 19
1,2118 3,3902 20
1,0732 3,4226 21
0,9105 3,5110 22
1,0079 3,5560 23
0,9410 3,5619 24
0,7455 3,5481 25
0,8439 3,4661 26
0,7739 3,3403 27
0,8103 3,2074 28
0,8439 3,0814 29
0,9503 2,9896 30
0,7297 2,9598 31
1,2416 2,9381 32
1,2668 3,0004 33
0,9945 3,2080 34
0,9935 3,4148 35
0,9026 3,5432 36
1,2400 3,5898 37
0,9215 3,6453 38
0,7667 3,6899 39
 As Figuras 2 e 3 representam, respectivamente, a entrada utilizada para o mtodo
e a comparao entre a sada encontrada com o mtodo dos Mnimos Quadrados e a
verdadeira sada da funo de transferncia.

Figura 2.Entrada degrau unitrio acrescido de rudo branco de amplitude 0.3

Figura 3. Comparao entre sada real e estimada pelo mtodo.

 II. PARTE PRTICA

3. CONCLUSO

O mtodo de identificao de sistema utilizando Mnimos Quadrados No Recursivos

tem como principal vantagem a independncia do tempo de clculo do algoritmo para
estimar os parmetros do processo, porm necessita de um armazenamento de dados e
sua preciso associada com o tamanho dos elementos da matriz de covarincia.
Enquanto o mtodo Recursivo realiza um ajuste dos parmetros a cada amostragem, no
necessitando de armazenamentos de respostas anteriores. Contudo o seu tempo de clculo
em funo do perodo de amostragem.
O processo MQRN no levantamento dos valores de entrada para estimar necessita
empregar uma entrada varivel afim de obter uma estimao melhor. Nas simulaes este
mtodo conseguiu obter uma convergncia rpida para estimar o processo dado, contudo
seu comportamento, mesmo diante uma resposta similar ao utilizado para estimao, no
foi muita satisfatria com o processo do ventilador.

REFERNCIAS

[1] ASSUNO, EDVALDO. CONTROLE DIGITAL. UNIVERSIDADE

ESTADUAL PAULISTA. 2013.
[2] RAMIREZ, AMPARO PATRICIA G. CONTROLE ADAPTATIVO E
PREDITIVO PARA PROCESSOS COM ATRASO DE TRANSPORTE.
UNIVERSIDADE FEDERAL DE SANTA CATARINA. FLORIANPOLIS, 1997.