1.

INTRODUÇÃO

Actualmente os sistemas de controle desempenham um papel muito crucial na automaçao;

fazendo com que os processos industriais, roboticos, eléctricos e mecânicos sejam
executados com vista a garantir sistemas estáveis e eficientes. No entanto, a maioria desses
processos estão sujeitos a variaçoes dinâmicas de certos parâmetros que podem influenciar
directamente no desempenho dos controladores convencionais.

O presente trabalho irá abordar acerca do controle adaptativo de processos, essa ideia surge
no âmbito de modificar automaticamente parametros de controle em resposta a mudanças no
comportamento dos sistemas dinâmicos, dentro dessa categoria traremos duas estratégias que
destacam-se pelo grau de automação e aplicabilidade industrial auto-tuning e self-tuning.
2. Objecticos
2.1. Objectivo Geral
 Investigar, compreender e analisar as estratégias de controle adaptativo, dando
enfase ao Auto- Tuning e Self- Tuning.

2.2. Objectivos especificos

 Descrever o conceito de controle adaptativo;
 Apresentar alguns fundamentos matemáticos;
 Analisar funcionamento dos controladores Auto-Tuning e Self- Tuning;
 Apresentar Aplicações práticos;
 Avaliar as Vantagens e Desvantagens do Sistema.
 3. Sistemas de controle Adaptativo de Processos

Figura 1: Sistema de controle Adaptativo de Processos.

Os sistemas de controle adaptativo de processos são controladores que ajustam

automaticamente seus parametros de operacao para se adaptarem a mudanças nas condicoes
de processo ou a disturbios. Esses controladores sao projectados para manter um bom
desempenho mesmo quando a dinamica do sistema muda com o tempo, diferente do controle
robusto, que precisa de limites pré definidos para essas variações.

Este sistema monitora as condicoes actuais do processo e, apartir desses parametros iniciais,
ele ajusta se aos parametros do seu proprio algoritmo de controle.

3.1. Fundamentos e Estrutura do Controle Adaptativo

3.1.1. O Princípio da Adaptação

O controle adaptativo é uma técnica avançada que permite que um sistema de controle
modifique seus próprios parâmetros de forma autônoma para se adequar a variações nas
características do processo (planta) ou nas condições de operação. Ele busca manter o
desempenho do sistema próximo ao ideal, mesmo quando o modelo da planta é desconhecido
ou variante no tempo.

O conceito fundamental do controle adaptativo pode ser visualizado pela adição de um laço
de adaptação sobre o laço de controle tradicional por realimentação (feedback).
 3.2. A Estrutura Básica do Controle Adaptativo

Um sistema de controle adaptativo é composto por duas malhas principais que operam em
diferentes escalas de tempo e a sua estrutura geral é dividida em Quatro blocos principais:

Figura 2: Estrutura Basica de controle Adaptativo de Processos.

Processo ou planta

O processo é descrito por um modelo matematico (linear ou não linear), cujos parametros
podem variar com o tempo.

γ ( t ) =Gp ( t ) u ( t )

 y(t): Saída do processo (variável controlada);

 u(t): Entrada de controle (sinal de atuação);
 Gp(t): função dinâmica do processo (que pode variar).

3.2.1. Identificador de parâmetros ( Modelo Adaptativo)

Esse bloco é responsavel por estimar continuamente os parametros do processo. Quando

ocorrem mudanças, o identificador ajusta os valores do modelo em tempo real.

Principais métodos:

 RLS ( Recursive Least Squares);

 Filtro de Kalman Adaptativo;
 Modelos ARX, ARMAX ou OE (Output Error).
O modelo identificado geralmente assume a forma discreta:

na nb
γ ( t ) =∑ ai ( k ) y ( k−i ) + ∑ bj ( k ) u(k − j)
i=1 j=1

3.3. Mecanismo de Ajuste (Lei de Adaptação)

É o nucleo do controle adaptativo: decide como e quando o controlador deve alterar os

parâmetros. Baseia-se no erro entre a saída real e a saída do modelo de referencia (no caso do
Model Reference Adaptive Control, MRAC).

O mecanismo de ajuste modifica, por exemplo, o ganho proporcional, integral ou derivativo

de um controlador PID de acordo com regras matemáticas de adaptação, como:

θ ( k +1 )=θ ( k ) + γe(k )φ(k )

Onde:

 θ ( k ) :vector de parâmetros do controlador;

 γ : ganho de adaptação;
 e ( k ) : erro instalação;
 φ ( k ) : Vector de dados de entrada/ saída.

4. Controlador Adaptativo

Usa as informações fornecidas pelo identificador e pelo mecanismo de adaptação para

actualizar automaticamente seus parametros de controle e manter estabilidade do sistema.

A saída do controlador é accao de controle u(t), aplicada ao processo:

u(t )=f (θ ( t ) , r ( t ) , y ( t ) )

Onde: r(t) é a referencia desejada.

 4.1. Principais Características Do Controle Adaptativo

Função Descrição

Adaptação O sistema altera os Parametros

automaticamente conforme o comportamento
da planta.
Identificação Monitoramento e estimacao continua dos
coeficientes do modelo do Processo.
Robustez Mantém o desempenho mesmo sob
perturbações e variacoes nao modeladas.
Autonomia Reduz a necessidade de reconfiguração
Manual.
Tabela 1: Caracteristicas do Controle Adaptativo.

4.1.1. Classificação dos Sistemas Adaptativos

Os sistemas de controle adaptativos podem ser classificados tendo como dado principal o
ajuste dos parametros do controlador, onde podemos ter:

 Sintonia On-Demand( Auto- Tuning)- Neste Sistema o ajuste é feito consoante a

solicitação ou sob condições específicas, e a operação norma continua com
parametros fixos até o proximo pedido.
 Sintonia Contínua ( Self-Tuning, MRAC- Model Reference Adaptative Control):
Neste sistema o ajuste ocorre continuamente durante a operação do sistema.

5. Sistemas de controle Auto-Tuning ( sintonia automatica)

O sistema de controle de sintonia automatica (Auto- Tuning) são ferramentas que automizam
o processo de sintonia inicial do controlador (geralmente PID) quando a planta está fora de
operação normal ou em modo de teste.
 5.1. Métodos de sintonia automatica
5.1.1. Método da Resposta em Degrau
 Neste metodo é injectado um sinal de degrau na entrada do processo e analisa-se a a
resposta de saida.
 Para o processo de sintonia utiliza-se regras como as de Zieger- Nichols baseando-se
no modelo da primeira ordem com tempo morto.

5.1.2. Método do Relé (Oscilação de limite)

 Neste metodo o rele e substituido momentneamente por um rele ( chaveamento de
histerese) que força o sistema a oscilar a uma frequência específica.
 A partir do periodo (Tu) e da amplitude (Au) da oscilação de limite, determinam-se o
ganho crítico (Kc) e o periodo critico (Pc), que são usados nas regras de Zieger-
Nichols para calcular os parâmetros PID.

Mecanismo de Teste: O controlador PID é substituido por um relé simples com uma
amplitude de saída ± h

{
f ( x )= +h ,∧se e(t )< 0
−h ,∧se e (t)≥ 0

Onde u(t) é o sinal de controle e e(t) é o erro. Uma pequena histerese ( ε ¿ é frequentemente
adicionada para evitar chaveamento excessivo.

Oscilação de limite: O sistema forçara o processo a oscilar com uma amplitude A e um

periodo Pc (período critico). O sistema é levado ao ponto de ganho unitário (K=1) com
desfasagem de 180º.

5.1.3. Análise pela função de Descrição (FD):

4h
A FD de um relé ideal é dada por: N ( A )= , no ponto de oscilação, a condição de
πA
equilibrio do loop fechado é:

G ( jwc ) N ( A )=−1

O ganho critico (Kc) e a frequência critica (ωc ¿ são:

 1 4h
Kc= =
|G ( jwc )| πA
2π
wc=
Pc

Cálculo dos parâmetros PID: Os parametros Kc e Pc são então utilizados nas regras
classicas de Ziegler- Nichols para sintonia do controlador PID.

5.1.4. Vantagens do Sistema de Controle Adaptativo Auto-Tuning

 Fácil Implementação e Uso
 Comissionamento Rápido
 Sintonia Otimizada e Precisa
 Baixa Intrusão de Teste.

5.1.5. Desvantagens do Sistema de Controle Adaptativo Auto-Tuning

 Não Adaptativo em Operação Contínua
 Requer Interrupção do Processo (Offline)
 Sensibilidade ao Ruído e Perturbações
 Limitação do Modelo
 6. Sistema de Controle Self-Tuning

Figura 3: Sistema de Controle Self-Tuning

O Self-Tuning Regulator (STR) É um método em que os parâmetros do controlador são

ajustados em tempo real durante a operacao, sem que seja necessário interromper o processo.

Este sistema de controle funciona da seguinte forma:

- Ele possui um identifificador que estima os parametros do modelo do processo de forma

continua, que posteriormente os mesmos são actualizados por meio de um ajustador, que os
ajusta conforme as estimativas obtidas.

O RLS é o estimador de parametros Minimos Quadrados Recursivos o mesmo faz a

estimação online de um modelo discreto da planta.

6.1. Classificacao dos sistemas Self-Tuning

 STR Explicito (Indirecto)- Este modelo é chamado de explicito ou indirecto porque
o algoritimo de estimação explicitamente calcula os parametros da planta ( θ ¿, e o
algoritmo de sintese indirectamente calcula os parametros do controlador apartir
deles.
 STR Implicito (Directo)- Neste sistema o algoritmo é modificado para identificar
directamente os parametros do controlador. O erro minimizado é o erro modelo de
referência, e não o erro previsão da planta.
 6.2. Vantagens do Self-Tuning
 Adaptação Contínua e em Tempo Real (Online)
 Desempenho Consistente
 Superação da Não-Linearidade
 Utilização de Controladores Avançados

6.2.1. Desvantagens do Self-Tuning

 Elevada Complexidade Computacional e de Projeto
 Questões Críticas de Estabilidade e Convergência
 Requisito de Sinal de Excitação (Persistently Exciting)
 Custo Mais Elevado

7. Fundamentos Matemáticos do controle Adaptativo

Um sistema generico pode ser representado como:

y ( k )=a 1 y ( k −1 ) +a 2 y ( k−2 ) +b 1 u ( k −1 )+ b 2u ( k−2 ) +e (k)

Onde:

 y(k)= saída do sistema;

 u(k)= entrada de controle;
 ai , bi=¿Parâmetros do Processo;
 e ( k )=¿ ruído

7.1. Aplicações Práticas do Controle Adaptativo

As tecnologias de Auto-Tuning e Self-Tuning são amplamente utilizadas em setores onde a
dinâmica do processo é conhecida por variar.
Indústria de Processo
 Controle de Temperatura em Fornos e Reatores: A dinâmica de aquecimento
(constantes de tempo e ganho) varia muito com o nível de enchimento do reator ou
com a degradação dos isolamentos. O Self-Tuning garante a precisão.
 Controle de Nível e Vazão: O comportamento do processo é não-linear (ex: o ganho
varia dependendo do nível em um tanque não cilíndrico), exigindo adaptação para
manter a resposta consistente.
 Indústria Química e Petroquímica: Variações na composição das matérias-primas
ou no ponto de ebulição exigem que os controladores de destilação se ajustem
continuamente.
 Controle de Velocidade e Posição de Motores (DC e AC): A inércia de um sistema
pode mudar (ex: um motor acionando diferentes cargas). O Auto-Tuning é crucial
para a sintonia inicial, e o Self-Tuning pode compensar a variação de atrito e a
saturação magnética.
 Sistemas de Movimento (Motion Control): Em robótica e máquinas CNC, a
necessidade de mudança rápida de dinâmica e a compensação de folgas e atritos
tornam o controle adaptativo indispensável.
 8. Conclusão

As abordagens Auto e Self- tuning proporcionam maior autonomia e eficiencia aos sistemas
reduzindo falhas e a necessidade de intervenção humana. O controle adaptativo representa a
evolução dos sistemas de automação, permitindo que os controladores mantenham o seu
desempenho ideal mesmo sob condições variaveis e imprevisiveis, visando obter sistemas
mais fiaveis e precisos, fazendo com que os sistemas se tornem mais autonomos e
inteligentes capazes de prever e otimizar em tempo real.
 9. Referencias Bibliográficas
I. Åström, K. J., & Wittenmark, B. (1995). *Adaptive Control*. Addison-Wesley.
II. Åström, K. J., & Hägglund, T. (1995). *PID Controllers: Theory, Design, and
Tuning*. ISA.
III. Landau, I. D., Lozano, R., & M’Saad, M. (2011). *Adaptive Control: Algorithms,
Analysis and Applications*. Springer.
IV. Ogata, K. (2010). *Modern Control Engineering*. Prentice Hall.
V. Seborg, D. E., Edgar, T. F., & Mellichamp, D. A. (2003). *Process Dynamics and
Control*. Wiley.
VI. Sutton, R. S., & Barto, A. G. (2018). *Reinforcement Learning: An Introduction*.
MIT Press.