Prof.
Manuel A Rendón M
Aguirre, L. A. “Introdução à Identificação de
Sistemas”, 3ª. Edição, Ed. UFMG, Cap. 1 até
1.2; 1.4; 1.5 e 2.6
Estuda maneiras de desenvolver modelos
matemáticos de sistemas reais
Modelagem caixa branca: pela física ou
natureza do processo, modelagem
fenomenológica ou conceitual
Modelagem caixa preta: ou empírica.
Requer pouco ou nenhum conhecimento do
sistema
É um análogo matemático das
características observadas no sistema
Possui algumas características mas não
todas
Quais características? Depende de para que
serve o modelo
O tipo de modelo também depende do
objetivo, do volume de informação e do
tempo disponíveis
Existe uma família de modelos possíveis
A decisão sobre qual usar é o problema a
afrontar
O modelo é uma aproximação de algumas
características
Normalmente fazem-se simplificações
Linearidade: Princípio de superposição.
Nem sempre é possível assumir linearidade
Invariância no tempo: A lei da evolução
temporal das variáveis do modelo no tempo
não varia
Concentração de parâmetros: Equações
diferenciais ordinárias e não parciais.
Variação só no tempo e não no espaço
Modelos estáticos e dinâmicos: Relacionado
com a dependência temporal
Modelos discretos e contínuos: Equações
diferenciais ou equações a diferenças
Modelos monovariáveis e multivariáveis:
SISO ou MIMO
Modelos estocásticos e determinísticos:
Com ou sem variáveis aleatórias.
Modelos paramétricos e não-paramétricos:
Por parâmetros ou representações gráficas
Função de transferência: É a transformada de
Laplace da resposta ao impulso unitário para
condições iniciais nulas
Existem FT no tempo contínuo e discreto
Espaço de estados: Conjunto de n equações
diferencias de primeira ordem
Existe a representação EE no tempo contínuo e
discreto
É possível passar da representação FT para EE
e vice-versa
Será modelado um sistema de
bombeamento de água
Capacidade tanque 2.500 litros
Aberto, entra agua bombeada por inversor
Medimos vazão de entrada e saída
Comando ao inversor 4-20 mA
Modelo:
◦ Entrada: comando
◦ Saída: vazão de saída
Parâmetros concentrados (vazão em um
ponto só)
Perda de carga (pressão) nos dutos é
desprezada
Área do tanque constante
Dinâmica do inversor e moto-bomba muito
mais rápida do que a do tanque
Água incomprensível (𝜌 constante)
Pressão atmosférica constante
𝑑𝑚
= 𝜔𝑖 − 𝜔𝑜
𝑑𝑡
𝑚 = 𝐴ℎ𝜌
𝑑ℎ
𝜌𝐴 = 𝑞𝑖 𝜌 − 𝑞𝑜 𝜌
𝑑𝑡
𝑑ℎ 𝑞𝑖 − 𝑞𝑜
=
𝑑𝑡 𝐴
Pressão atmosférica constante
A vazão de entrada 𝑞𝑖 deve estar
relacionada com o comando 𝑢 do inversor
Lei de Bernoulli:
𝑞 = 𝑘 ∆𝑃
𝑞𝑜 = 𝑘𝑜 𝑃 − 𝑃𝑎𝑡𝑚
𝑞𝑖 = 𝑘𝑖 𝑃𝑏 − 𝑃
𝑃 = 𝛾ℎ + 𝑃𝑎𝑡𝑚
𝑑ℎ 𝑘𝑖 𝑃𝑏 − 𝛾ℎ − 𝑃𝑎𝑡𝑚 − 𝑘𝑜 𝛾ℎ
=
𝑑𝑡 𝐴
A pressão 𝑃𝑏 é proporcional ao comando
enviado ao inversor
Temos um sistema na forma de espaço de
estados 𝑥 = 𝑓 𝑥, 𝑢 a variável de estado é
o nível ℎ, 𝑃𝑏 é uma variável de
entrada, e o restante 𝐴, 𝑃𝑎𝑡𝑚 e 𝛾
são parâmetros a determinar
𝐴 = 2,5 𝑚2 𝑃𝑎𝑡𝑚 = 10.300 𝑘𝑔𝑓 𝑚2
𝛾 = 1000 𝑘𝑔𝑓 𝑚3
𝑘𝑖 e 𝑘𝑜 precisam ser determinados
Para simplificar a relação entre 𝑃𝑏 = 𝑔(𝑢)
será considerada estática, dada a sua rápida
velocidade de resposta
Usando regressão linear foi obtida a
equação:
𝑃𝑏 = 3554,9 + 682,8𝑢(𝑡)
𝑢 está em 𝑚𝐴
∗
𝑘𝑖 𝑃𝑏 − 𝑃𝑎𝑡𝑚
𝐾=− = −1,40 ∗ 10−2 𝑚 𝑠
𝐴
Determinaremos 𝑘𝑜 e 𝑘𝑖
Precisamos os gráficos 𝑞𝑜 vs 𝑃 − 𝑃𝑎𝑡𝑚
e 𝑞𝑖 vs 𝑃𝑏 − 𝑃
Obtiveram-se os pontos, e por técnicas de
regressão linear obteve-se:
𝑞𝑖 = −1,87 ∗ 10−2 + 5,60 ∗ 10−4 𝑃𝑏 − 𝛾ℎ − 𝑃𝑎𝑡𝑚
𝑘𝑖 = 5,60 ∗ 10−4 𝑚4 𝑠 𝑘𝑔𝑓 1/2
De forma análoga para 𝑘𝑜 :
𝑞𝑜 = 1,59 ∗ 10−2 + 3,06 ∗ 10−5 𝛾ℎ + 6,26 ∗ 10−6 𝛾ℎ
𝜕𝑞𝑜
𝑘𝑜 = = 3,06 ∗ 10−5 + 1,25 ∗ 10−5 𝛾ℎ
𝜕𝛾ℎ
𝐴 = 2,5 𝑚2 𝑃𝑎𝑡𝑚 = 10.300 𝑘𝑔𝑓 𝑚2
𝛾 = 1000 𝑘𝑔𝑓 𝑚3
𝐾 = −1,40 ∗ 10−2 𝑚 𝑠
𝑘𝑖 = 5,60 ∗ 10−4 𝑚4 𝑠 𝑘𝑔𝑓 1/2
𝑘𝑜 = 3,06 ∗ 10−5 + 1,25 ∗ 10−5 𝛾ℎ 𝑚4 𝑠 𝑘𝑔𝑓 1/2
𝑑ℎ 5,60 ∗ 10−4 3554,9 + 682,8𝑢 𝑡 − 1000ℎ − 10300
=
𝑑𝑡 𝐴
3,06 ∗ 10−5 + 1,25 ∗ 10−5 1000ℎ 1000ℎ
− − 0,014
𝐴
eq_bomb sim_bomb ens_25 ens_26
O modelo obtido é preciso verificar o
desempenho, simulando em uma condição
na qual se tenha medições
𝑞𝑜 = 1,59 ∗ 10−2 + 3,06 ∗ 10−5 𝛾ℎ + 6,26 ∗ 10−6 𝛾ℎ
Variação degrau 16,34 a 17,05 𝑚𝐴
A resposta tem a mesma forma mas precisa
ajustes
A ordem do modelo é uma boa
aproximação
Apesar da ordem da planta ser elevada um
modelo de primeira ordem descreve de
forma satisfatória
Grande parte de processos industriais
podem ser aproximados por modelos de 1ª
e 2ª ordem
A resposta do modelo é mais rápida do que
a do processo
O ganho do modelo é menor do que o do
processo
Aumentar a constante de tempo, tornar a
resposta mais lenta
Aumentar o ganho
Dados e programas em MatLab:
[Link]
303679556_dados_usados_no_livro
Simular o modelo sem mais ajustes e
compará-lo a dados medidos em testes
diferentes
Suponha estejam disponíveis 𝑢(𝑘) e 𝑦(𝑘)
Obter um modelo matemático para explicar
de forma aproximada a relação causa-efeito
presente nos dados
Na prática restringe-se a busca a famílias
pequenas
As transformações 𝑠 → 𝑧 são baseadas
em aproximações discretas da derivada
Aprox. explícita e implícita de Euler
𝑧−1 𝑧−1
𝑠← 𝑠←
𝑇𝑆 𝑧∙𝑇𝑆
Método de Tustin ou transformação bilinear
2 𝑧−1
𝑠←
𝑇𝑆 𝑧 + 1
Para mapear FT discretas em contínuas:
1
𝑧 ← 1 + 𝑇𝑆 ∙ 𝑠 𝑧←
1−𝑇𝑆 ∙𝑠
Método de Tustin ou transformação bilinear
1 + 𝑇𝑆 2 𝑠
𝑧←
1 − 𝑇𝑆 2 𝑠
Recomenda-se usar um grande número de
casas decimais
Testes dinâmicos e coleta de dados: Testes
dinâmicos, escolha sinal de excitação,
tempo de amostragem
Escolha da representação matemática a ser
usada: frequentemente ARMAX
Determinação da estrutura do modelo:
número de polos, zeros e o atraso
Estimação de parâmetros: Algoritmo p.e. MQ
Validação do modelo: Comparar modelos,
decidir o melhor, depende da aplicação
Além de FT e EE existem representações
adequadas à id. de sistemas
Considere o modelo geral:
𝐵 𝑞 𝐶 𝑞
𝐴 𝑞 𝑦 𝑘 = 𝑢 𝑘 + 𝑣(𝑘)
𝐹 𝑞 𝐷 𝑞
𝑞 −1 é o operador de atraso:
𝑦 𝑘 ∙ 𝑞 −1 = 𝑦(𝑘 − 1)
𝑣 𝑘 é o ruído branco
𝐴 𝑞 = 1 − 𝑎1 ∙ 𝑞 −1 − ⋯ − 𝑎𝑛𝑦 ∙ 𝑞 −𝑛𝑦
𝐵 𝑞 = 𝑏1 ∙ 𝑞 −1 + ⋯ + 𝑏𝑛𝑢 ∙ 𝑞 −𝑛𝑢
𝐶 𝑞 = 1 + 𝑐1 ∙ 𝑞 −1 + ⋯ + 𝑐𝑛𝑣 ∙ 𝑞 −𝑛𝑣
𝐷 𝑞 = 1 + 𝑑1 ∙ 𝑞 −1 + ⋯ + 𝑑𝑛𝑑 ∙ 𝑞 −𝑛𝑑
𝐹 𝑞 = 1 + 𝑓1 ∙ 𝑞 −1 + ⋯ + 𝑓𝑛𝑓 ∙ 𝑞 −𝑛𝑓
Modelo auto-regressivo com entradas
exógenas
𝐶 𝑞 =𝐷 𝑞 =𝐹 𝑞 =1
𝐴 𝑞 𝑦 𝑘 = 𝐵 𝑞 𝑢 𝑘 + 𝑣(𝑘)
𝑞 −1 é o operador de atraso:
𝑦 𝑘 ∙ 𝑞 −1 = 𝑦(𝑘 − 1)
Modelo tipo “erro na equação”, o ruído é
acrescido na equação, 𝑣 𝑘 é o ruído branco
Modelo auto-regressivo com média móvel e
entradas exógenas
𝐷 𝑞 =𝐹 𝑞 =1
𝐴 𝑞 𝑦 𝑘 = 𝐵 𝑞 𝑢 𝑘 + 𝐶 𝑞 𝑣(𝑘)
𝐵 𝑞 𝐶 𝑞
𝑦 𝑘 = 𝑢 𝑘 + 𝑣(𝑘)
𝐴 𝑞 𝐴 𝑞
Modelo tipo “erro na equação”
A 𝑞 =𝐶 𝑞 =𝐷 𝑞 =1
𝐵 𝑞
𝑦 𝑘 = 𝑢 𝑘 + 𝑣(𝑘)
𝐹 𝑞
Modelo tipo “erro na sáida”
𝐴 𝑞 =1
𝐴 𝑞 𝑦 𝑘 = 𝐵 𝑞 𝑢 𝑘 + 𝐶 𝑞 𝑣(𝑘)
𝐵 𝑞 𝐶 𝑞
𝑦 𝑘 = 𝑢 𝑘 + 𝑣(𝑘)
𝐹 𝑞 𝐷 𝑞
Modelo tipo “erro na sáida”, as funções de
𝐵 𝑞 𝐶 𝑞
transferência do sistema e do ruído
𝐹 𝑞 𝐷 𝑞
são independentes
[Link]@[Link]
sala 4274 gabinete E07