ALOCADOR DE POLOS

Abordagem baseada no espaço de

estados

Profa. Mariana Cavalca

Controlabilidade
• Um sistema de ordem n é dito controlável se for possível
determinar uma sequência de controle tal que um ponto
arbitrário x(n) possa ser atingido a partir de qualquer
estado inicial x(0).
• Para k0  0 :
k 1
x( k )  A x(0 )   Ak l 1Bu( l )
k
l 0

• Podemos escrever o somatório na forma vetorial:

 u(0 ) 
 u(1) 
x( n )   ( n )x(0 )   An 1B A n 2 B B   
 
u( n  1)
 2

Controlabilidade
 u(0 ) 
 u(1) 
x( n )   ( n )x(0 )   An 1B A n 2 B B   
 
u( n  1)
 
x( n )   ( n )x(0 )   ( A,B )U

• Onde  ( A,B ) é a matriz de controlabilidade.

 ( A,B )  x(n)   (n) x(0 )
•  ( A,B ) é uma matriz quadrada de ordem n e U tem
dimensões nx1. Tem-se então um sistema de n equações
e n incógnitas.
3
Controlabilidade
• Logo, se rank[  ( A,B)]  n , o sistema de equações terá
como solução para quaisquer x(n) e x(0).
• Observação: rank: maior conjunto de linhas linearmente
independentes.
• Exemplo: Seja
 0,967 0,148  0,016 
x( k  1)    x(k)    u( k )
 0,297 0,522  1,489 
1 
x(0 )   
2 
Determine se a sequência de controle {u(0),u(1)} que
permite obter: 5 
x( 2 )   
5  4
Controlabilidade
• Exemplo: Resolução
É controlável?
 ( A,B )   AB B 

  0,967 0,148  0,016  0,016 

 ( A,B )     1,489  1,489 
 0,297 1,489   

0,236 0,016 
 ( A,B )   
1,773 1,489 
Via MATLAB:

rank(  ( A,B ))  2  n Sistema controlável

5
Controlabilidade
• Exemplo: Resolução
Para o ponto desejado:
x(1)  Ax(0 )  Bu(0 )

x( 2 )  A2 x(0 )  ABu(0 )  Bu(1)

Logo,

5   0,891 0,220  1  0,236  0,016 

5    0,442 0,229  2   0,773  u(0 )  1,489  u(1)
        

6
Controlabilidade
• Exemplo: Resolução

 0,236u(0 )  0,016u(1)  3,669

0,773u(0 )  1,489u(1)  4,984

u(0 )  15,880
u(1)  4,896
É importante notar que a trajetória só permanece neste
ponto se x(2) for um ponto de equilíbrio.
Obs.:Sistema Estabilizável: os polos não controláveis são
estáveis.
7
Análise de estabilidade
• Seja um sistema linear e invariante no tempo da forma:

x( k  1)  Ax( k )

• Teorema: Tal sistema é assintoticamente estável se e

somente se os autovalores de A tiverem módulo menor
que a unidade.

8
Realimentação de estados
Alocação de polos
• Supondo um sistema SISO

x( k  1)  Ax( k )  Bu(k)
y(k)  Cx(k)  Du(k)

• seja controlável, deseja-se obter uma lei de controle da

forma:
u( k )  r ( k )  Kx( k )
• De maneira que:

x( k  1)  (A BK) x(k)  Br(k)

9
Realimentação de estados
• No qual, podemos posicionar os autovalores de (A-BK)
arbitrariamente. Logo,
Objetivo: Dado um sistema controlável
x( k  1)  Ax( k )  Bu( k )
e um conjunto de autovalores desejados
s  1 2 n 
determina-se o vetor de realimentação de estado
K  K1 K 2 Kn 
tal que a matriz de dinâmica do sistema realimentado, (A-
BK) tenha como autovalores os elementos do conjunto s.

10
Realimentação de estados
Procedimento (Chen, 1984):
• Dado que o sistema é controlável existe uma matriz de
similaridade P tal que fazendo x(k)  Px(k) resulta:

x(k  1)  Ax( k )  Bu( k )

y( k )  Cx( k )  Du( k )
• onde:
A  PAP 1
B  PB

C  CP 1

11
Realimentação de estados
• Com

 0 1 0 0  0 
 0 0 1 0  0 
   
A  B 
 0 0 0 1  0 
   
  n  n 1  n 2 1  1 

C   n  n 1 2 1 
• Que corresponde a forma canônica controlável.
12
Realimentação de estados
• Logo, a lei de controle se torna:

u( k )  r ( k )  K P 1 x( k )

• O que resulta

x( k  1)  ( A  BKP 1 ) x( k )  Br ( k )

 ( A  BK )x( k )  Br ( k )

• No qual os autovalores de ( A  BK ) são iguais aos da

matriz ( A  BK ).

13
Realimentação de estados
• Queremos que o sistema em malha fechada tenha os
autovalores 1 , 2 , , n.

det( zI  ( A  BK ))  ( z  1 )( z   2 ) ( z  n )

det( zI  ( A  BK ))  z n  1z n 1   n
• Então,

 0 1 0 0  0 
 0 0 1 0  0 
   
x( k  1)    x( k )    r ( k )
 0 0 0 1  0 
   
  n  n 1  n 2 1  1 
14
Realimentação de estados
• E a equação de saída:

y( k )    n  D(  n   n ) 1  D( 1  1 ) x( k )  D r(k)

• Com:
K   n   n  n 1   n 1 1  1 
• Devemos então seguir os passos:
1) Determinar o polinômio característico de A:

det( zI  A)  z n  1z n 1   n

15
Realimentação de estados
2) Formar o polinômio característico desejado:

( z  1 )( z  2 ) ( z  n )  z n  1z n 1   n
3) Calcular o ganho:

K   n   n  n 1   n 1 1  1 
4) Determinar a matriz:
Q  q1 q2 qn 

qn i  Aqn i 1   i qn ; i  1,2, ,n  1

iniciando com qn  B .
16
Realimentação de estados
5) Calcular P  Q 1
6) Determinar K  KP

• Exemplo: Seja

0 0 5  0 
x( k )  1 0 1  x( k )   2  u( k )
   
0 1 3   1 

• Determinar a lei de controle que possibilita obter, via

realimentação de estado, os autovalores:
1  0,3 2  0,5 3  0,7
17
Realimentação de estados
• Exemplo: Resolução

0 5 25 
 ( A,B )   2 1 10 
 
 1 5 14 

rank(  ( A,B ))  3  n

É controlável. Agora seguindo os passos descritos

anteriormente.

18
Realimentação de estados
• Exemplo: Resolução
1)
 z 0 25 
det( zI  A)   1 z 1 
 
 0 1 z  3 

det( zI  A)  z 3  3z 2  z  5

det( zI  A)  z 3  1z 2   2 z   3

19
Realimentação de estados
• Exemplo: Resolução
2)
(z  1 )(z  2 )(z  3 )  (z  0,3 )(z  0,5 )(z  0,7 )

(z  1 )(z  2 )(z  3 )  z 3  0,1z 2  0,41z  0,105

 z 3  1z 2   2 z   3

3) K   3   3  2   2 1  1 

K  5,105 1,410 3,100 

20
Realimentação de estados
• Exemplo: Resolução
4) Determinar:
Q  q1 q2 q3 
onde:

0  5 
q3  B   2  q2  Aq3  1q3   7 
   
 1   2 

 10 
q1  Aq2  1q3   5 
 
 0 
21
Realimentação de estados
• Exemplo: Resolução
5)  0,129 0,059 0,118 
P  Q 1   0,059 0,118 0,235 
 
 0,118 0,235 0,529 

6)
K  KP   0,210 0,594 1,911

• Podemos ainda alocar os polos fazendo:

n
det( zI  A  BK )   ( z  i )
i 1

• Onde i são os polos desejados em malha fechada.

22
Observabilidade
• Um sistema é dito observável se existir um k finito tal que
o conhecimento das entradas u(0), u(1),..., u(k-1) e das
saídas y(0),..., y(k-1) seja suficiente para determinar o
estado inicial x(0) do sistema.
• Seja,
y( k )  Cx( k )  Du( k )
• Usando recursivamente x( k  1)  Ax( k )  Bu( k ) , temos:
y(0 )  Cx(0 )  Du(0 )
y(1)  Cx(1)  Du(1)  CAx(0 )  CBu(0 )  Du(1)

y( 2 )  Cx( 2 )  Du( 2 )  CA2 x(0 )  CABu(0 )  CBu(1)  Du( 2 )

23
Observabilidade
• Generalizando:
n 1
n 1
y( n  1)  CA x(0 )   CAn l 1Bu( l )  Du( n  1)
l 0
• Ou seja,

 y(0 )  Du(0 )   C 
 y(1)  CBu(0 )  Du(1)  
   CA 
  
x(0 )
 
 y( n  1)   CAn l 1Bu( l )  Du(n  1)  CAn 1 
n 1

 l 0 

Y O(C,A)
24
Observabilidade
• Se y(k) tiver for escalar, então Y terá dimensão nx1 e
O(C,A) terá dimensão nxn. Logo teremos n equações e n
incógnitas. Raciocínio similar a analise de
controlabilidade permite concluir que se rank(O(C,A))  n
o sistema será observável.
• Exemplo: Seja

0,1 0  1
x( k  1)    x( k )    u( k )
 1 0,4  1
y(k)   2 1 x( k )  u( k )

Tal sistema é observável?

25
Observabilidade
• Exemplo: Resolução

 2 1 
C  
O(C,A)     0,1 0 
CA   2 1  

  1 0,4  

 2 1 
O(C,A)   
0,8 0,4 

rank(O(C,A))  1

Logo o sistema não é observável.

26
Observadores de estado
• São estimadores de estados para sistemas
determinísticos, isto é, sistemas sem ruídos de processo
e de medida significantes.
• Seja o sistema:

x( k  1)  Ax( k )  Bu( k ),x(0 )  x0

y( k )  Cx( k )

• Podemos estimar o estado x por:

x̂( k  1)  Ax̂(k)  Bu(k)  L(y(k)  ŷ( k ))

y( k )  Cx( k ) e ŷ( k )  Cx̂( k )

27
Observadores de estado
• Logo,
x̂( k  1)  Ax̂( k )  Bu(k)  LC(x(k)  x̂(k))
• Definindo o erro de estimação por:
x( k )  x( k )  x̂( k )
• Então

x( k  1)  x( k  1)  x̂( k  1)
x( k  1)  Ax(k)  Bu(k)  Ax̂(k)  Bu(k)  LCx(k)

x( k  1)  A(x(k)  x̂(k))  LCx(k)  (A LC) x(k)

28
Observadores de estado
• Ou seja, devemos determinar o vetor L de maneira que
x( k ) tenda a zero para qualquer x(0 ).
• Teorema: Se o par A,C é observável, então é possível
construir um observador de estados que seja
assintoticamente estável e com autovalores
arbitrariamente indicado.
• Analogamente ao caso anterior
n
det( zI  A  LC )   ( z  i )
i 1

• Com dinâmica do observador mais rápida que a da malha

de controle (5 a 10x).

29
Princípio da separação
• Pode-se projetar o controlador e o observador
isoladamente. Assim:
x( k  1)  Ax( k )  Bu( k ) x( k  1)  Ax( k )  BKx̂( k )
u( k )  Kx̂( k )
• Ainda,
x̂( k )  x(k)  x(k)
x( k  1)  (A LC) x( k ) (I )
 x( k  1)  Ax( k )  BKx( k )  BKx( k )
x( k  1)  (A BK) x(k)  BKx(k) (II )

30
Princípio da separação
• Matricialmente (I) e (II):

 x( k  1)  A  BK BK   x( k )
 x( k  1)   0 A  LC   x( k )
  
• Sabemos que:
M P 
det    det( M )det( N )
 0 N
• Logo os autovalores de MF são:

det( I  A  BK )det( I  A  LC )  0

• Portanto é possível alocar separadamente os polos de A-

BK e de A-LC.
31
Princípio da separação
• Entretanto é conveniente fazer os polos de A-LC de 5 a
10 vezes mais rápidos do que A-BK.

+ x̂( k  1) x̂( k )
u(k) B 1/z
+ +

A
L

y(k) C
+ -
32