J. A. M.

Felippe de Souza

4 - Sistemas

4 Sistemas
4.1 Introduo aos Sistemas 4.2 Principais Classificaes de Sistemas Natureza fsica Continuidade no tempo Linearidade 4.3 Modelizao de Sistemas Exemplo 4.1 4.4 Outras Classificaes de Sistemas Varincia no tempo Exemplo 4.2 Natureza aleatria Memria Exemplo 4.3 Inversibilidade Exemplo 4.4 Exemplo 4.5 Causalidade Exemplo 4.6 4.5 Sistemas Lineares e Invariantes no Tempo (SLIT) 4.6 Propriedades da Convoluo 4.7 SLIT sem memria 3 7 7 9 10 11 14 17 17 17 18 19 19 20 20 21 22 22 23 25 29

J. A. M. Felippe de Souza

4 - Sistemas

4.8 SLIT inversveis Exemplo 4.7 4.9 Estabilidade Exemplo 4.8 Exemplo 4.9 Exemplo 4.10 4.10 Teoria de Sistemas Modelizao (modeling) Identificao de parmetros Controlo de sistemas Optimizao Simulao Realimentao (feedback) Estimao de estados Sistemas robustos Sistemas tolerantes falhas Processamento paralelo ou distribudo Lgica fuzzy Sistemas inteligentes

30 32 33 34 35 35 36 36 36 36 37 37 37 37 37 37 38 38 38

J. A. M. Felippe de Souza

4 - Sistemas

Sistemas
4.1 Introduo aos Sistemas
A noo de sistemas intuitiva. Quase tudo que nos rodeia algum tipo de sistema. Qualquer mecanismo, ou dispositivo, que funcione como a interneco de componentes fsicos um sistema. Um circuito elctrico, ou um circuito electrnico (como os que aparecem na figura 1) so exemplos de sistemas.

Fig. 1 Um circuito elctrico ( esquerda) e um circuito electrnico ( direita). Um simples mecanismo como uma alavanca, ou um mecanismo mais complexo como o motor de um carro (como os que aparecem na figura 2) so tambm exemplos de sistemas.

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 2 Uma alavanca, um mecanismo simples( esquerda), e o motor de um carro, um mecanismo mais complexo ( direita). Um automvel, um rob ou um avio (ilustrados na figura 3) so outros exemplos de sistema. So sistemas mais complexos pois dentro deles tm muitos circuitos elctricos e electrnicos assim como muitos mecanismos. Ou seja, so sistemas que possuem dentro outros sistemas, ou subsistemas.

Fig. 3 Um automvel, um rob e um avio, exemplos de sistemas mais complexos; sistemas com subsistemas dentro. O corpo humano tambm um exemplo de sistema, e de um sistema bastante sofisticado, cheio de subsistemas: o sistema circulatrio, o sistema respiratrio, o aparelho digestivo, o sistema nervoso, etc., etc. Na verdade, o corpo humano de cada pessoa um sistema diferente. E cada rgo deste, (seja o crebro, ou o corao, ou os pulmes, ou o fgado, ou os rins, ou o intestino, ou o pncreas, etc.), tambm um sistema por si s, ou seja, um subsistema do mesmo.

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 4 O corpo humano, outro exemplo de um sistema complexos; sistemas com subsistemas dentro. Mas h muitos outros sistemas menos palpveis como por exemplo: o aquecimento de uma casa; o funcionamento dos elevadores de um edifcio; a automao de uma fbrica; a gesto e a economia de um pas; etc.

Fig. 5 O sistema de elevadores de um prdio grande, o sistema de automao de uma indstria, outros exemplos de sistemas bastante complexos.

J. A. M. Felippe de Souza

4 - Sistemas

Os sinais que estudamos aqui, em geral, esto associados a algum sistema. Eles podem representar, por exemplo, a entrada de um sistema, ou alternativamente, a sada do sistema. O sinal de entrada de um sistema (input em ingls) s vezes tambm chamado de o controlo ou mesmo a excitao do sistema. Por outro lado, o sinal de sada de um sistema (output em ingls) s vezes tambm chamado de a resposta ou a a observao do sistema. comum se representar sistemas esquematicamente atravs de uma caixa preta (black box), como vemos na figura 6.

Sistema
entrada (input) controlo excitao sada (output) resposta observao

Fig. 6 Caixa preta (black box) de um sistema e os vrios nomes dados para a entrada e a sada do mesmo. Na realidade muitos sistemas tm no apenas uma entrada e uma sada mas mltiplas entradas e/ou mltiplas sadas.

Sistema
entradas sadas Fig. 7 Caixa preta (black box) de um sistema com mltiplas entradas e/ou mltiplas sadas. Existe uma forma de representar sistemas, assim como a ligao entre os subsistemas de um sistema, usando blocos e por isso chamada de Diagrama de blocos. Na realidade a caixa preta (black box) um diagrama de blocos com apenas um bloco.

J. A. M. Felippe de Souza

4 - Sistemas

4.2 Principais Classificaes de Sistemas

H muitas maneiras possveis de se classificar os sistemas. Nesta seco veremos algumas das principais. Natureza fsica Quanto a natureza fsica, sistemas podem ser classificados de muitas formas diferentes. Abaixo citamos algumas das principais formas de sistemas que lidamos em engenharia e tecnologia: elctricos; electrnicos; mecnicos; electromecnicos; trmicos; hidrulicos; pticos; acsticos; qumicos; informticos; aeronuticos; aeroespaciais; biolgicos; biomdicos; econmicos; sociolgicos; scio-econmicos; etc.

Entretanto, a maioria dos sistemas complexos so combinaes de vrios subsistemas de naturezas diferentes. Veculos (carros, motocicletas, comboios, avies, helicpteros, etc) so exemplos de sistemas electromecnicos pois claramente ele tem partes elctricas e electrnicas nos seus comandos assim como partes mecnicas para os seus movimentos. Outros sistemas complexos que combinam mais de uma natureza das mencionadas acima: computadores, antenas parablicas para receber emisses de satlites artificiais, robs em geral, seja um brao manipulador robtico encontrados em processos de manufactura nas indstrias ou seja um rob humanide (que imita o homem) ou antropomrfico (que imita algum ser vivo). Estes sistemas esto ilustrados na figura 8.

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 8 Exemplos de sistemas electromecnicos: um computador porttil, uma antena parablica, um brao manipulador mecnico, e um rob antropomrfico (que imita um co). Na medicina tambm encontramos muitos sistemas de bio-engenharia, ou seja, sistemas biolgicos e biomdicos em simultneo com sistemas mecnicos, elctricos ou electrnicos. Um membro artificial, ou cada aparelho utilizados em cirurgias so alguns exemplos de sistemas biomdicos.

Fig. 9 Exemplos de sistemas electromecnicos: um membro artificial e equipamentos mdicos de uma sala de operao.
8

J. A. M. Felippe de Souza

4 - Sistemas

Continuidade no Tempo Quanto a Continuidade no Tempo, sistemas podem ser classificados como: contnuos discretos discretizados

Fig. 9 Ilustrao do comportamento de um sistema contnuo ( esquerda) e de um sistema discreto ( direita). Sistemas podem ser naturalmente contnuos, naturalmente discretos, ou contnuos que so tornados discretos e neste caso so chamados de discretizados.

Fig. 10 Sistema contnuo que foi discretizado tornando-se um sistema discreto. Quando o sistema que foi digitalizado armazenado em bits (sequncias de zeros e uns) entao diz-se que o sistema foi digitalizado. Isso era o caso em alguns dos sinais que descreviam o comportamento de sintemas nos exemplos que vimos no captulo anterior: a msica em CD, os sistemas digitais de udio ou de vdeo, e at mesmo os exames de electrocardiogramas e electroencefalogramas que so armazenados digitalmente no computador.
9

J. A. M. Felippe de Souza

4 - Sistemas

A digitalizao no o mesmo que a discretizao. Normalmente so usados muitos bits para armazenar cada posio discreta. Linearidade Quanto a Linearidade, sistemas podem ser classificados como: lineares no lineares

Fig. 11 Ilustrao do comportamento de um sistema linear ( esquerda) e no linear ( direita). Sistemas contnuos so lineares se satisfazem duas propriedades: homogeneidade e aditividade: homogeneidade: quando o sinal de entrada x(t) multiplicado por um valor k; ento o sinal de sada y(t) fica tambm multiplicado por este mesmo valor k; e alm disso, aditividade: quando o sinal de entrada a soma de dois sinais x1(t) e x2(t), que produzem individualmente sinais de sada y1(t) e y2(t) respectivamente; ento o sinal de sada a soma dos sinais de sada y1(t) e y2(t).

Fig. 12 Diagramas de blocos ou caixas preta (black boxes) esquemtico de um sistema linear. Ilustrao das propriedades da homogeneidade e da aditividade. Caso do sistema contnuo.
10

J. A. M. Felippe de Souza

4 - Sistemas

No caso discreto a definio de sistemas lineares semelhante. Sistemas lineares so aqueles que: quando o sinal de entrada x[n] multiplicado por um valor k; ento o sinal de sada y[n] fica tambm multiplicado por este mesmo valor k; e alm disso, quando o sinal de entrada a soma de dois sinais x1[n] e x2[n], que produzem individualmente sinais de sada y1[n] e y2[n] respectivamente; ento o sinal de sada a soma dos sinais de sada y1[n] e y2[n]. Novamente aqui, estas duas propriedades acima so chamadas respectivamente de: homogeneidade e aditividade.

Fig. 13 Diagramas de blocos ou caixas preta (black boxes) esquemtico de um sistema linear. Ilustrao das propriedades da homogeneidade e da aditividade. Caso do sistema discreto.

4.3 Modelizao de Sistemas

A modelizao (em ingls modeling) em portugus s vezes tambm traduzido para: modelao, ou modelamento, ou at mesmo modelagem. A modelizao est associada com a construo de um modelo matemtico, isto , forma de representar matematicamente o sistema, o equacionamento. Os modelos matemticos adoptados para representar os sistemas so muito comummente descritos, ou equacionados: com Equaes de Diferenas [caso discreto] com Equaes Diferenciais Ordinrias (EDO) [caso contnuo] com Equaes Diferenciais Parciais (EDP) [caso contnuo] com Equaes de Retardo [caso contnuo]
11

J. A. M. Felippe de Souza

4 - Sistemas

As Equaes de Diferenas, caso discreto, e as Equaes Diferenciais Ordinrias (EDO), no caso contnuo, so as formas mais comuns de representar sistemas em cincias como Fsica, Qumica, Biologia, Engenharia, Economia, etc. H no entanto muitas outras formas de descrever sistemas, como por exemplo: com Tabelas [caso discreto] com Fluxogramas ou Grfico de fluxos [caso discreto ou contnuo] com Equaes Integrais [caso contnuo] com Equaes Integro-Diferenciais [caso contnuo]. embora algumas destas formas no tenham interesse directo para presente este texto sobre anlise de sinais.

Abaixo apresentamos alguns sistemas discretos, para exemplificar, que so descritos por Equaes de Diferenas:

Fig. 14 Caixas preta (black box) esquemtico de um sistema discreto. Sistema I:

y[ n ] + 7 y[ n 1 ] + 2 y [ n 2 ] = x [ n ] 4 x [ n 1 ] y[ n

Sistema II:

]=

4 x[ n 1 ]

Sistema III:

y[ n ] 5 n y[ n 1 ] = x [ n + 1 ] 2 x [ n
y[ n ] = 2 (x [ n ]) 4 x [ n ]
2

Sistema IV:

Sistema V:

y[ n ] =

x[ n ]

12

J. A. M. Felippe de Souza

4 - Sistemas

Abaixo apresentamos alguns sistemas contnuos atravs da forma que so descritos, por Equaes Diferenciais Ordinrias (EDO):

Fig. 15 Caixas preta (black box) esquemtico de um sistema contnuo. Sistema VI:

d2y dy dx +4 y= + 3x dt 2 dt dt
Sistema VII:
d2 y dy dx + 6t +y= ( t 4) x dt 2 dt dt

Sistema VIII:
d2y dy dx +5 + 2y = x ( t + 3) 2 dt dt dt

Sistema IX: Sistema X:

3 y 2 y + y = x x

10 y + 2 y y = e x
Sistema XI:
d2y dy +x +y=0 2 dt dt

Agora apresentamos dois sistemas contnuos bastante conhecidos na Fsica, que so descritos atravs de Equaes Diferenciais Parciais (EDP): Sistema XII:

2u 2u 2u 2u = k 2 + 2 + 2 = x t2 y z = k (u xx + u yy + u zz )
Obs.: Este sistema descreve a propagao de uma onda no espao e a equao diferencial parcial abaixo conhecida na Fsica como equao de onda (wave equation):
13

J. A. M. Felippe de Souza

4 - Sistemas

Sistema XIII:

2u 2u 2u u = k 2 + 2 + 2 = x t z y = k (u xx + u yy + u zz )
Obs.: Este sistema descreve a propagao do calor no espao e a equao diferencial parcial abaixo conhecida na Fsica como equao de calor (heat equation):

Agora apresentamos dois exemplos de sistemas contnuos que so descritos atravs de Equaes de Retardo: Sistema XIV:

y(t) = x(t )

Sistema XV:

y' (t) + y(t) 3 y(t ) = x(t)

Finalmente apresentamos exemplos de sistemas discretos e contnuos que so descritos por Equaes Algbricas: Sistema XVI:

y(t) = 2 x(t) 5

Sistema XVII:

y(t) = x 2 (t) + 2x(t)

Sistema XVIII:

y[n] = x 3 [n] + 5x 2 [n] + 6x[n]

Sistema XIX:

y[n] = cos(x[n]) + 0,5

Exemplo 4.1: Vamos classificar os sistemas acima quanto continuidade no tempo (contnuo ou discreto) e quanto linearidade (linear ou no linear).

14

J. A. M. Felippe de Souza

4 - Sistemas

Sistema I:

y[ n ] + 7 y[ n 1 ] + 2 y [ n 2 ] = x [ n ] 4 x [ n 1 ]

(sistema discreto e linear) Sistema II:

y[ n

]=

4 x[ n 1 ]

(sistema discreto e linear) Sistema III:

y[ n ] 5 n y[ n 1 ] = x [ n + 1 ] 2 x [ n (sistema discreto e linear)
y[ n ] = 2 (x [ n ]) 4 x [ n ] (sistema discreto e no linear)
2

Sistema IV:

Sistema V:

y[ n ] =
Sistema VI:

x[ n ]

(sistema discreto e no linear)

d2y dy dx +4 y= + 3x 2 dt dt dt (sistema contnuo e linear)

Sistema VII:
d2 y dy dx + 6t +y= ( t 4) x dt 2 dt dt

(sistema contnuo e linear) Sistema VIII:

d2y dy dx +5 + 2y = x ( t + 3) 2 dt dt dt

(sistema contnuo e linear) Sistema IX:

3 y 2 y + y = x x
(sistema contnuo e no linear)

Sistema X:

10 y + 2 y y = e x
(sistema contnuo e no linear)
15

J. A. M. Felippe de Souza

4 - Sistemas

Sistema XI:
d2y dy +x +y=0 2 dt dt (sistema contnuo e no linear)

Sistema XII:

2u 2u 2u 2u = k 2 + 2 + 2 = k (u xx + u yy + u zz ) x t2 y z
(sistema contnuo e linear) Sistema XIII:

2u 2u 2u u = k 2 + 2 + 2 = k ( u xx + u yy + u zz ) x t y z
(sistema contnuo e linear) Sistema XIV:

y(t) = x(t )
(sistema contnuo e linear)

Sistema XV:

y' (t) + y(t) 3 y(t ) = x(t)

y(t) = 2 x(t) 7 (sistema contnuo e no linear)

Sistema XVI:

Sistema XVII:

y(t) = x 2 (t) + 5x(t) + 6 (sistema contnuo e no linear)

Sistema XVIII:

y[n] = 2 x[n] (sistema discreto e linear) y[n] = cos(2 x[n]) + 0,5 (sistema discreto e no linear)

Sistema XIX:

16

J. A. M. Felippe de Souza

4 - Sistemas

4.4 Outras Classificaes de Sistemas

Varincia no tempo Quanto a Varincia no Tempo, sistemas podem ser classificados como: variantes no tempo invariantes no tempo

Fig. 16 A varincia no tempo de um sistema est associada s caractersticas dinmicas do mesmo, se elas se alteram ou no com o tempo. Um sistema invariante no tempo aquele que para um sinal de entrada x(t), o sinal de sada y(t), no importa quando aplicada esta entrada. Ou seja, as condies dinmicas do sistema no mudam com o passar do tempo. Na realidade nenhum sistema invariante no tempo, mas na prtica consideramos como invariante no tempo muitos sistemas cuja variao no tempo muito lenta.

Exemplo 4.2: Nos sistemas I a XIX descritos acima temos que apenas o sistema III e o sistema VII so variantes no tempo, Sistema III:

y[ n ] 5 n y[ n 1 ] = x[ n + 1 ] 2 x[ n ] (sistema variante no tempo)

d2y dy dx + 6t +y= ( t 3) x dt 2 dt dt (sistema variante no tempo)

Sistema VII:

17

J. A. M. Felippe de Souza

4 - Sistemas

pois um ou mais de seus coeficientes variam com o tempo (seja t ou n). Os demais sistemas so invariantes no tempo.

Natureza aleatria Quanto a Natureza Aleatria, sistemas podem ser classificados como: determinsticos estocsticos

Fig. 17 A natureza aleatria de um sistema est associada s incertezas e perturbaes aleatrias na dinmicas do mesmo. Um sistema determinstico aquele que no sofre a influncia de nenhuma perturbao aleatria, ou seja, no tem incerteza. O sinal de sada y(t) para um sinal de entrada x(t) pode ser calculado (ou determinado) com preciso quando se conhece o modelo do sistema. Na realidade, aqui novamente, nenhum sistema determinstico. Todos os sistemas tm algum tipo de incerteza ou carcter aleatrio e portanto chamados de estocsticos. Na prtica entretanto consideramos como determinsticos muitos sistemas cujas perturbaes aleatrias so pequenas ou desprezveis. Os sistemas I a XIX acima so todos descritos por modelos matemticos determinsticos: equaes de diferenas, EDO ou EDP determinsticas. No caso de sistemas estocsticos, estas equaes apresentariam variveis adicionais de natureza aleatria que descreveriam estatisticamente as incertezas associadas dinmica do sistema.

18

J. A. M. Felippe de Souza

4 - Sistemas

Memria Quanto a Memria, sistemas podem ser classificados como: sem memria com memria Um sistema sem memria aquele que: se o seu sinal de sada no instante t1 depende apenas do sinal de entrada daquele instante t1. Exemplo 4.3: Nos sistemas I a XIX acima temos que os sistemas IV, V, XVI, XVII, XVIII e XIX so sem memria: Sistema IV:
y [ n ] = 2 (x [ n

])2

4 x[ n

(sistema sem memria) Sistema V:

y[ n ] =
Sistema XVI:

x[ n ]

(sistema sem memria)

y(t) = 2 x(t) 7 (sistema sem memria)

y(t) = x 2 (t) + 5x(t) + 6 (sistema sem memria)

Sistema XVII:

Sistema XVIII:

y[n] = 2 x[n] (sistema sem memria)

Sistema XIX:

y[n] = cos(2 x[n]) + 0,5 (sistema sem memria)

pois a sada y[n], ou y(t), depende da entrada x[n], ou x(t), apenas nos instantes de tempo (t ou n). Os demais so sistemas com memria pois dependem da entrada x[n] nos instantes (n-1), (n-2), etc; ou de derivadas em relao ao tempo t.

19

J. A. M. Felippe de Souza

4 - Sistemas

Inversibilidade Quanto a Inversibilidade, sistemas podem ser classificados como: inversveis no inversveis Sistemas so inversveis se entradas distintas levam a sadas distintas. Desta forma, para um sistema S com sinal de entrada x[n], ou x(t), que produz um sinal de sada y[n], ou y(t), respectivamente, possvel achar um sistema inverso S-1 cuja entrada y[n], ou y(t), produz a sada x[n], ou x(t), respectivamente. Atravs de um esquema em que os sistemas S e S-1 so postos em cascata, (isto , a sada y(t) do Sistema S a entrada do Sistema S-1), podemos recuperar x(t), o sinal de entrada aplicado em S, na sada de S-1.

Fig. 18 Diagrama de bloco esquemtico de um sistema inversvel S em cascata com o seu inverso S-1. Exemplo 4.4: Os sistemas XVI e XVIII acima so inversveis. Sistema XVI:

y(t) = 2 x(t) 7
(sistema inversvel)

Sistema XVIII:

y[n] = 2 x[n] (sistema inversvel)

Obviamente, nestes dois sistemas, cada sinal de entrada x(t) produz um sinal de sada y(t) exclusivo diferente das sadas das outras entradas. Por isso o sinal de entrada x(t) pode ser expresso em termos do sinal de sada y(t) como: x(t) = (y(t) + 7), no caso do exemplo XVI, e
20

J. A. M. Felippe de Souza

4 - Sistemas

x(t) = y(t)/2, no caso do exemplo XVIII.

Exemplo 4.5: O sistema XIV acima tambm inversvel. Sistema XIV: (sistema inversvel) Este o chamado sistema com retardo (time delay system) pois a sada reproduz a entrada com um atraso de unidades de tempo. Alternativamente, podemos ver o sistema com retardo (time delay system) como sendo uma translao (shift) para a direita de unidades de tempo. Pode-se facilmente verificar que para este sistema, sinais de entrada x(t) distintos produzem sinais de sada y(t) distintos. Alm disso, o sinal de entrada x(t) expresso em termos do sinal de sada y(t) de facto: x(t) = y(t + ) eq. (4.1)

y(t) = x(t )

que conhecido como sistema em avano (time advance system) pois neste caso o sinal de sada x(t) reproduz o que ser o sinal de entrada y(t) em unidades de tempo depois. Podemos ver tambm o sistema em avano (time advance system) como sendo uma translao (shift) para a esquerda de unidades de tempo que obviamente tambm a operao inversa translao (shift) para a direita do sistema com retardo. No caso discreto o sistema com retardo (time delay system) tem a forma:

y[n] = x[n - n ].

eq. (4.2)

Alternativamente, podemos ver o sistema com retardo (time delay system) como sendo uma translao (shift) para a direita de n unidades de tempo. O sistema inverso, o sistema em avano (time advance system) que expressa x[n] em funo de y[n]

x[n] = y[n + n]
21

eq. (4.3)

J. A. M. Felippe de Souza

4 - Sistemas

Podemos ver tambm o sistema em avano (time advance system) como sendo uma translao (shift) para a esquerda de n unidades de tempo que obviamente tambm a operao inversa translao (shift) para a direita do sistema com retardo.

Causalidade Quanto a Causalidade, sistemas podem ser classificados como: causais (ou no antecipativos) no causais (ou antecipativos) Um sistema causal (ou no antecipativo) se a sada no instante t1 depende da entrada apenas nos instantes t t1. claro que se a sada no instante t1 dependesse da entrada em instantes t > t1 ento este sistema anteciparia o que ia acontecer e portanto seria antecipativo ou no causal. No nosso mundo fsico real, se a varivel t (ou n no caso discreto) representa o tempo, ento tem uma dinmica que evolui no tempo e portanto no possvel se ter um sistema no causal pois no possvel se prever o futuro. Entretanto, h casos que a esta varivel t (ou n no caso discreto) pode representar outro parmetro ou uma outra grandeza fsica (que no seja o tempo) e desta forma j possvel ocorrer sistemas causais. Exemplo 4.6: Nos sistemas I a XIX acima temos que apenas sistema III no causal (ou antecipativo): Sistema III:
y[ n ] 5 n y[ n 1 ] = x [ n + 1 ] 2 x [ n

(sistema no causal ou antecipativo) pois a sada y[n] depende da entrada x[n] no instante de tempo (n+1). Os demais so sistemas causais (ou no antecipativos). Entretanto, no Exemplo 4.5 acima, os sistemas em avano (time advance systems) das equaes eq. (4.1) e eq. (4.3) so tambm claramente exemplos de sistemas no causais ou antecipativos.

22

J. A. M. Felippe de Souza

4 - Sistemas

4.5 Sistemas lineares e Invariantes no tempo (SLIT)

No caso particular de Sistemas Lineares e Invariantes no Tempo chamaremos de SLIT. Na literatura inglesa estes sistemas so chamados de LTI systems. Em um SLIT usa-se a notao de h[n] e h(t) para as respostas do sistema entrada impulso, uo[n] ou uo(t), respectivamente. Isso ilustrados nas figuras 19 e 20. Esta resposta ao impulso h[n] ou h(t), tambm chamada de reposta impulsional traz consigo informaes intrnsecas dos sistema que permite se calcular a resposta qualquer outra entrada x(t). Resumindo: h[n] = a sada do sistema quando a entrada impulso, uo[n], (caso discreto),

Fig. 19 Diagrama de bloco ou caixa preta (black box) esquemtico de h[n], a sada do sistema quando a entrada impulso uo[n] (sistema discreto). e, h(t) = a sada do sistema quando a entrada impulso uo(t), (caso contnuo).

Fig. 20 Diagrama de bloco ou caixa preta (black box) esquemtico de h(t), a sada do sistema quando a entrada impulso uo(t) (sistema contnuo). Um resultado clssico em Teoria de Sistemas que: No caso discreto, a sada de um sistema linear invariante no tempo (SLIT) toma a forma de uma soma de convoluo:

y[n] = h[n] x[n] =

k=

h[ n k ] x[ k ]
23

eq. (4.4)

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 21 Diagrama de bloco esquemtico da sada y[n] do sistema como a convoluo de h[n] pela entrada x[n] (sistema discreto). Ou seja, h[n] traz consigo toda a informao do sistema necessria para saber a sada de qualquer sinal de entrada x[n]. Isso ilustrado na figura 21. comum representar o diagrama de bloco ou caixa preta (black box) esquemtico do sistema com o h[n]. Sabendo-se h[n] ns podemos saber a sada de qualquer sinal de entrada x[n], pela equao da soma de convoluo [eq. (4.4)] acima. No caso contnuo, a sada de um sistema linear invariante no tempo (SLIT) toma a forma de uma integral de convoluo:

y(t) = h (t) x (t) =

h (t ) x () d

eq. (4.5)

Fig. 22 Diagrama de bloco esquemtico da sada y(t) do sistema como a convoluo de h(t) pela entrada x(t) (sistema contnuo). Ou seja, h(t) traz consigo toda a informao do sistema necessria para saber a sada de qualquer sinal de entrada x(t). Isso ilustrado na figura 22. comum representar o diagrama de bloco ou caixa preta (black box) esquemtico do sistema com o h(t). Sabendo-se h(t) ns podemos saber a sada de qualquer sinal de entrada x(t), pela equao da integral de convoluo [eq. (4.5)] acima.

24

J. A. M. Felippe de Souza

4 - Sistemas

4.6 Propriedades da Convoluo

A convoluo, definida na seco anterior, como uma operao que , satisfaz algumas propriedades. Aqui vamos mencionar as 3 principais: a) Propriedade Comutativa b) Propriedade Distributiva c) Propriedade Associativa

A Propriedade Comutativa:

h[ n] x[n] = x[ n] h[ n]

h(t) x(t) = x(t) h(t)

Pela propriedade comutativa podemos concluir que, no caso discreto, a resposta y[n] de um sistema linear invariante no tempo (SLIT) tanto pode ser a convoluo de h[n] * x[n] como tambm pode ser a convoluo de x[n] * h[n]. Ou seja, a eq. (4.4) acima equivalente

y[n] = h[n] x[n] = = x[ n ] h[ n ] =

k= +

h [ n k ] x[ k ] = x[ n k] h[k].

k=

Semelhantemente, a propriedade comutativa permite concluir que, no caso contnuo, a resposta y(t) de um sistema linear invariante no tempo (SLIT) tanto pode ser a convoluo de h(t) * x(t), como tambm pode ser a convoluo de x(t) * h(t). Ou seja, a eq. (4.5) acima equivalente a

y(t) = h (t) x (t) = = x (t) h (t)

=
25

h (t ) x() d x (t ) h () d.

J. A. M. Felippe de Souza

4 - Sistemas

A Propriedade Distributiva:

( h [ n ] + h [n ] ) x[n ] = h [n ] x[n ] + h [n ] x[n ] ( h (t) + h (t) ) x (t) = h (t) x (t) + h (t) * x (t)
1 2 1 2

Por outro lado a propriedade distributiva corresponde ao facto de que se 2 sistemas, S1 e S2, lineares e invariantes no tempo (SLIT), so somados, ento a resposta entrada impulso unitrio da soma dos sistemas (S1 + S2) tambm a soma ( h1[n] + h2[n] ) no caso discreto ou a soma ( h1(t) + h2(t) ) no caso contnuo, onde obviamente h1[n] ou h1(t) = a resposta do sistema S1 entrada impulso unitrio; isto , a resposta impulsiona do sistema S1; h2[n] ou h2(t) = a resposta do sistema S2 entrada impulso unitrio; isto , a resposta impulsiona do sistema S2. Portanto, no caso discreto, a resposta y[n] da soma de 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT), tanto pode ser a soma das convolues h1[n] * x[n] com h2[n] * x[n], como tambm pode ser a convoluo da soma ( h1[n] + h2[n] ) com o sinal de entrada x[n]. Ou seja:

y[n] = h1 [n] x[n] + h2 [n] x[n] = ( h 1 [n] + h 2 [n] ) * x[n]

Semelhantemente, no caso contnuo, a resposta y(t) da soma de 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT), tanto pode ser a soma das convolues h1(t) * x(t) com h2(t) * x(t), como tambm pode ser a convoluo da soma ( h1(t) + h2(t) ) com o sinal de entrada x(t). Ou seja:

y (t) = h 1 (t) x (t) + h 2 (t) x (t) =

(h

(t) + h 2 (t)

) x (t )

26

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 23 Diagrama de bloco esquemtico da soma de 2 sistemas S1 e S2 nos quais so aplicados a mesma entrada x(t) (sistema contnuo).

Fig. 24 Diagrama de bloco equivalente ao diagrama da figura 23 (sistema contnuo).

A Propriedade Associativa:

( h [ n ] h [ n ] ) x[ n ] = h [ n ] ( h [ n ] x [ n ] )
1 2 1 2

( h (t) h
1

(t) ) x(t) = h 1 (t) ( h 2 (t) x(t) )

A propriedade associativa da convoluo diz respeito sistemas ligados em cascata. Isto , sistemas em que a sada de um deles a entrada do outro. A propriedade associativa nos diz que: se 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT), esto ligados em cascata ento a resposta entrada impulso unitrio dos 2 sistemas juntos (S1 e S2) a convoluo ( h1[n] * h2[n] ) no caso discreto ou a convoluo ( h1(t) * h2(t) ) no caso contnuo.

Fig. 25 Diagrama de bloco de 2 sistemas em cascata.

27

J. A. M. Felippe de Souza

4 - Sistemas

Logo, no caso discreto, a resposta y[n] de 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT), ligados em cascata, tanto pode ser a convoluo dupla de h1[n] com h2[n] primeiro, e depois o resultado com x[n], como tambm pode ser a convoluo dupla de h1[n] com o resultado de h2[n] com x[n]. Ou seja:

y[n] = ( h 1 [n] h 2 [n] ) x[n] = h 1 [n] ( h 2 [n] x[n] ) .

Fig. 26 Diagrama de bloco de 2 sistemas em cascata. Primeiro S2 e depois S1. Caso discreto. Alm disso, note que: pela propriedade comutativa, observamos que tanto faz a ordem em que os sistemas S1 e S2 esto em cascata pois h1[n] * h2[n] = h2[n] * h1[n].

Fig. 27 Diagrama de bloco de 2 sistemas em cascata. Primeiro S1 e depois S2. Caso discreto.

Fig. 28 Diagrama de bloco equivalente ao diagrama da figuras 26 e 27 (sistema discreto). Semelhantemente, no caso contnuo, a resposta y(t) de 2 sistemas S1 e S2, lineares e invariantes no tempo (SLIT), ligados em cascata, tanto pode ser a convoluo dupla de h1(t) com h2(t) primeiro, e depois o resultado com x(t), como tambm pode ser a convoluo de h1(t) com o resultado da convoluo de h2(t) com x(t). Ou seja,

y(t) = ( h 1 (t) h 2 (t) ) x (t) = h 1 (t) ( h 2 (t) x (t) ) .

28

J. A. M. Felippe de Souza

4 - Sistemas

4.7 SLIT sem memria

fcil de verificar que: no caso discreto, se um sistema linear e invariante no tempo (SLIT) sem memria ento a sua resposta ao impulso h[n] da forma:

h[n] = k uo [n]
onde k = h[0] uma constante.

Fig. 29 Resposta impulsional de um SLIT sem memria (sistema discreto). Portanto, pela frmula da convoluo [eq. (4.4)], temos que:

y[n] = h[n] x[n] =

e ento, pela a eq. (3.0c)

k=

h[ n k] x[k] = k u [ n k] x[k] ,
k= o

y[n] = k x [n]
Por outro lado, no caso contnuo, se um sistema linear e invariante no tempo (SLIT) sem memria ento a sua resposta ao impulso h(t) da forma:

h (t) = k uo (t)
onde k = rea do impulso uo(t).

29

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 30 Resposta impulsional de um SLIT sem memria (sistema contnuo). Portanto, pela frmula da convoluo [eq. (4.5)], temos que:

y(t) = h (t) x (t) =

e ento, pela a eq. (3.10)

h (t ) x () d =

k uo (t ) x () d

y(t) = k x (t)

4.8 SLIT inversveis

Se um sistema linear e invariante no tempo (SLIT) inversvel ento a seu inverso tambm um SLIT. A figura 31 ilustra a situao para o caso discreto:

Fig. 31 Caso discreto. Diagrama de blocos de um SLIT inversvel em cascata com seu sistema inverso. A sada do segundo bloco a prpria entrada do primeiro bloco. onde aqui, obviamente: h1[n] = a resposta do sistema S entrada impulso unitrio; e h2[n] = a resposta do sistema inverso, S-1, entrada impulso unitrio.
30

J. A. M. Felippe de Souza

4 - Sistemas

A figura 32 ilustra a situao para o caso contnuo:

Fig. 32 Caso contnuo. Diagrama de blocos de um SLIT inversvel em cascata com seu sistema inverso. A sada do segundo bloco a prpria entrada do primeiro bloco. onde aqui, obviamente: h1(t) = a resposta do sistema S entrada impulso unitrio; e h2(t) = a resposta do sistema inverso, S-1, entrada impulso unitrio. No caso discreto temos que o sistema total (overall system), em cascata, ambos o sinal de entrada e o sinal de sada so x[n], e portanto este sistema total a identidade, conforme ilustrado na figura 33. E, como para o sistema identidade, a resposta impulsional h[n] = uo[n], temos ento que: h1[n] * h2[n] = uo[n] eq. (4.6)

Fig. 33 Caso discreto. Diagrama de blocos de um SLIT inversvel em cascata com seu sistema inverso. O sistema total (overall system) a identidade. Semelhantemente, no caso contnuo temos que o sistema total (overall system), em cascata, ambos o sinal de entrada e o sinal de sada so x(t), e portanto este sistema total a identidade, conforme ilustrado na figura 34. E, como para o sistema identidade, a resposta impulsional h(t) = uo(t), temos ento que: h1(t) * h2(t) = uo(t)
31

eq. (4.7)

J. A. M. Felippe de Souza

4 - Sistemas

Fig. 34 Caso contnuo. Diagrama de blocos de um SLIT inversvel em cascata com seu sistema inverso. O sistema total (overall system) a identidade.

Exemplo 4.7: Os sistemas com retardo (time delay systems) descritos no Exemplo 4.5 acima

y[n] = x[n n ] y(t) = x(t )

(caso discreto) (caso contnuo)

so SLIT e temos que as respostas ao impulso unitrio h1(t) e h2(t) para os sistemas das equaes eq. (4.2) e eq. (4.3) so respectivamente:

h1(t) = uo(t ) h2(t) = uo(t + )

e, pela eq. (3.10), verifica-se que h1(t) e h2(t) satisfazem a eq. (4.7) acima, ou seja, h1(t) * h2(t) = uo(t). Por outro lado temos que as respostas ao impulso unitrio h1[n] e h2[n] para os sistemas das equaes eq. (4.1) e eq. (4.2) so respectivamente:

h1[n] = uo[n n ] h2[n] = uo[n + n]

e, pela eq. (3.0c), verifica-se que h1[n] e h2[n] satisfazem a eq. (4.6) acima, isto , h1[n] * h2[n] = uo[n]

32

J. A. M. Felippe de Souza

4 - Sistemas

4.9 Estabilidade
H muitas definies de estabilidade de sistemas. Uma definio bastante usada para definir estabilidade de sistemas a seguinte: Definio: Estabilidade de Sistemas: Um sistema estvel se para todo sinal de entrada limitado ele produz um sinal de sada limitado. s vezes usa-se a sigla BIBO estvel para descrever esta definio de estabilidade de sistemas, onde o nome bibo vem do idioma ingls:

BIBO = Bounded Input, Bounded Output

(ou seja: entrada limitada, sada limitada)

Fig. 35 Diagrama de blocos ilustrativo de um sistema BIBO estvel. No caso de SLIT (sistemas lineares e invariantes no tempo) temos resultados especficos para este tipo de estabilidade: Para um SLIT discreto prova-se que: O sistema estvel se e somente se a resposta ao impulso unitrio h[n] satisfaz

k=

h[k]

<

eq. (4.8)

Um sinal h[n] que satisfaz a equao eq. (4.8) dito ser absolutamente somvel. Portanto, um SLIT discreto estvel se e somente se a resposta ao impulso unitrio h[n] absolutamente somvel.

33

J. A. M. Felippe de Souza

4 - Sistemas

Para um SLIT contnuo prova-se que: O sistema estvel se e somente se a resposta ao impulso unitrio h(t) satisfaz

h() d <

eq. (4.9)

Um sinal h(t) que satisfaz a equao eq. (4.9) acima dito ser absolutamente integrvel. Portanto, um SLIT discreto estvel se e somente se a resposta ao impulso unitrio h(t) absolutamente integrvel.

Exemplo 4.8: Tomando-se novamente os sistemas com retardo (time delay systems) descritos no Exemplo 4.5 acima e

y[n] = x[n - n ] y(t) = x(t - )

(caso discreto) (caso contnuo)

observamos que, no caso discreto

k=

h[k]

k=

u [n n]
o

=1

e portanto a eq. (4.8) satisfeita e o sistema com retardo discreto estvel. Semelhantemente, observamos que, no caso contnuo

h() d

u ( ) d = 1
o

e portanto a eq. (4.9) satisfeita e o sistema com retardo contnuo tambm estvel. Este resultado de certa forma bvio pois um sinal de entrada limitado ir permanecer limitado aps uma translao (shift) para a direita (retardo).

34

J. A. M. Felippe de Souza

4 - Sistemas

Exemplo 4.9: O sistema discreto cuja relao entre os sinais de entrada/sada dada pela equao abaixo:

y[n] =

k=

x[k]

chamado de somador ou acumulador. fcil observar que h[n], a resposta ao impulso unitrio, para este sistema h[n] = u1[n] = degrau unitrio discreto.

Fig. 36 O sinal u1[n], degrau unitrio discreto. Este sistema no estvel pois nitidamente no satisfaz a eq. (4.8) uma vez que:

k=

h [k]

k=

u [k]
1

= ( 1 + 1 + 1 + ) =

Ou seja, h[n] deste sistema no absolutamente somvel.

Exemplo 4.10: No caso contnuo, o sistema cuja relao entre os sinais de entrada/sada dada pela equao abaixo: t

y (t) =

x() d
35

chamado de integrador ou acumulador.

J. A. M. Felippe de Souza

4 - Sistemas

fcil observar que h(t), a resposta ao impulso unitrio, para este sistema h(t) = u1(t) = degrau unitrio contnuo.

Fig. 37 O sinal u1(t), degrau unitrio contnuo. Este sistema no estvel pois nitidamente no satisfaz a eq. (4.9) uma vez que:

h() d

u1 ( ) d =

2 d = 2

=
0

Ou seja, h(t) deste sistema no absolutamente integrvel.

4.10 Teoria de Sistemas

O que vimos aqui neste captulo foram apenas algumas noes bsicas de sistemas. Entretanto, a Teoria de Sistemas muito mais ampla e inclui muitos outros temas de estudo. Abaixo vamos ilustrar alguns dos principais tpicos estudados em Teoria de Sistemas. Modelizao (modeling) J referido na seco 4.3, a modelizao estuda as tcnicas de escrever o modelo do sistema. No nosso caso o modelo matemtico do sistema. Identificao de parmetros Estuda as tcnicas de identificar os valores dos parmetros do modelo. Isto , encontrar os valores que melhor ajusta o sistema real ao seu modelo. Controlo de sistemas A Teoria de Controlo estuda as tcnicas de controlar um sistema, ou seja, conduzir um sistema de um estado inicial para um estado final desejado.
36

J. A. M. Felippe de Souza

4 - Sistemas

Optimizao Estuda as tcnicas de optimizar o desempenho do sistema. Simulao Estuda as tcnicas de construir um modelo simulado do sistema. A simulao permite que se teste um sistema sem ter que utilizar o prprio sistema real, mas sim o modelo simulado, em um laboratrio ou, muito comummente em um computador. Em fase de projecto muitas vezes necessrio testar um sistema por muitas vezes e em certos casos os testes danificam ou alteram o desempenho do sistema. Com o uso de simulao essas tarefas so realizadas com o modelo simulado do sistema. Realimentao (feedback) Estuda as tcnicas de reintroduzir informaes da sada na entrada com o objectivo de corrigir o rumo do sistema e desta forma melhorar o desempenho e obter a sada desejada.
R(s) + Y(s)

S
K

Fig. 38 Diagramas de blocos de um sistema com realimentao (feedback). Estimao de estado Estuda tcnicas de recuperar informaes do estado inicial do sistema e desta forma recuperar todos os estados subsequentes. Sistemas robustos Existem tcnicas que tornam sistemas robustos. A robustez a qualidade de um sistema ficar imune, ou protegido, ou inalterado a eventuais alteraes nos parmetros do modelo, seja por envelhecimento dos componentes ou por variaes ambientais como a mudana de temperatura por exemplo. Sistemas tolerantes falhas Estuda tcnicas de criar sistemas cujo desempenho no prejudicado em casos de avarias ou falhas.

37

J. A. M. Felippe de Souza

4 - Sistemas

Processamento paralelo ou distribudo Estuda a repartio do processamento de um sistema, com o uso de computadores, tal que cada tarefa seja dividida em sub-tarefas que so processadas de forma mais gil e de forma simultneas em computadores diferentes e mais acessveis. Lgica fuzzy Estuda tcnicas que permitem um linguajar mais natural e menos matemtico nas comunicaes e nas definies de variveis como o input e output. Sistemas inteligentes Estuda tcnicas para serem implementadas em mquinas, robs, computadores, etc. de forma a estes poderem realizar tarefas que ns humanos ainda hoje fazemos melhor que a mquina. Em geral so tarefas que ns, os humanos, usamos a nossa mente para realiz-las. o reconhecimento de coisas e objectos. Por exemplo, ns, os humanos, at mesmo uma criana, sabemos distinguir uma ma de uma pra, apesar do facto de que no h duas mas iguais. Semelhantemente, sabemos distinguir um co de um gato, apesar do facto de que h muitas raas diferentes de ces. Ns humanos, at mesmo uma criana, sabemos dizer ao olhar um cesto cheio de frutas quais esto podres e devem ser retiradas. Todas estas tarefas so difceis para uma mquina realizar. o reconhecimento de pessoas. Por exemplo, ns humanos, somos capazes de reconhecer fisionomias, mesmo que a pessoa esteja de lado, ou esteja diferente do usual: com bigode ou barba ou cabelo mais comprido, ou usando um chapu. Somos at capazes de reconhecer uma pessoa mesmo depois de alguns anos sem v-la e ela j esteja mudada. Uma mquina tem muita dificuldade de fazer reconhecimento de pessoas. muitas tarefas do nosso dia a dia como: caminhar, falar, ler, escrever, subir e descer escadas, lembrar de nomes, factos ou coisas, conduzir (um veculo), identificar uma placa de trnsito, cozinhar, costurar, etc. etc. Ns humanos usamos o crebro para realiz-las e muito difcil ensinar mquinas para faz-las por ns. tarefas como: cantar, danar, tocar um instrumento, compor, redigir um texto, pintar um quadro, ou outras actividades que envolvem arte, so tambm exemplos de tarefas que muito difcil ensinar mquinas para faz-las por ns pois ns, os humanos, usamos o nosso crebro para realiz-las.
38