Controle da máquina de corrente contínua utilizando processos de otimização na sintonia do controlador PID
1. INSTITUTO FEDERAL DE GOI´AS
Engenharia de Controle e Automa¸c˜ao
CONTROLE DA M´AQUINA DE CORRENTE
CONT´INUA UTILIZANDO PROCESSOS DE
OTIMIZA¸C˜AO NA SINTONIA DO CONTROLADOR PID
Jos´e Alberto Gobbes Cararo
Maykon Lacerda de Santana
Oswaldo Roquete de Melo
[IFG] & [ECA]
[Goiˆania - Goi´as - Brasil]
7 de mar¸co de 2014
2.
3. INSTITUTO FEDERAL DE GOI´AS
Engenharia de Controle e Automa¸c˜ao
CONTROLE DA M´AQUINA DE CORRENTE
CONT´INUA UTILIZANDO PROCESSOS DE
OTIMIZA¸C˜AO NA SINTONIA DO CONTROLADOR PID
Jos´e Alberto Gobbes Cararo
Maykon Lacerda de Santana
Oswaldo Roquete de Melo
Trabalho de Conclus˜ao de Curso (TCC) apresentado `a Banca Examinadora como
exigˆencia parcial para a obten¸c˜ao do t´ıtulo de Graduado em Engenharia de
Controle e Automa¸c˜ao pelo Instituto Federal de Educa¸c˜ao, Ciˆencia e Tecnologia de
Goi´as (IFG), sob a orienta¸c˜ao do Prof. Dr. Wesley Pacheco Calixto e co-orienta¸c˜ao
do Prof. M.Sc. M´arcio Rodrigues da Cunha Reis
[IFG] & [ECA]
[Goiˆania - Goi´as - Brasil]
7 de mar¸co de 2014
4. Dados Internacionais de Cataloga¸c˜ao na Publica¸c˜ao (CIP)
Sistemas da Bibliotecas do IFG, GO - Brasil
X123x .
Controle de M´aquinas de Corrente Cont´ınua utilizando
Processos de otimiza¸c˜ao na Sintonia do controlador PID/
Jos´e Alberto Gobbes Cararo
Maykon Lacerda de Santana
Oswaldo Roquete de Melo. – [Goiˆania - Goi´as - Brasil]:
[IFG] & [ECA], 7 de mar¸co de 2014.
136 f. : il.
Orientador: Wesley Pacheco Calixto - IFG. Co-
orientador: M´arcio Rodrigues da Cunha Reis - IFG
Trabalho de Conclus˜ao de Curso - Instituto Federal
de Goi´as - IFG, Departamento de ´Area IV, Engenharia de
Controle e Automa¸c˜ao
Inclui bibliografia.
1.Controle PID - Teses. 2.M´aquinas El´etricas - Teses.
3.Modelos matem´aticos & computacional - Teses. 4.Apa-
rato para coleta de dados. 5. Otimiza¸c˜ao (Determin´ıstica
e Heur´ıstica) - Teses. I. Pacheco Calilxto, Wesley; Ogata,
Katsuhiko; Rashid, Muhammad H. II. Instituto Federal de
Goi´as & Universidade Federal de Goi´as & Universidade de
Bras´ılia. Curso de Bacharelado em Engenharia de Controle
e Automa¸c˜ao. III. T´ıtulo
CDU 621.3.537:681.5
Copyright c 7 de mar¸co de 2014 by Federal Institute of Goi´as - IFG, Brazil. No part
of this publication may be reproduced, stored in a retrieval system, or transmitted
in any form or by any means, eletronic, mechanical, photocopying, microfilming,
recording or otherwise, without written permission from the Library of IFG, with
the exception of any material supplied specifically for the purpose of being entered
and executed on a computer system, for exclusive use of the reader of the work.
5. “Cada sonho que vocˆe deixa para tr´as ´e um peda¸co do seu futuro que
deixa de existir”.
Steve Jobs
6.
7. A todas as pessoas que nos ajudaram de alguma forma.
Família e amigos que deram apoio ao nosso trabalho e souberam
entender a todos os momentos desta trajetória. A eles dedicamos
este nosso trabalho.
8.
9. AGRADECIMENTOS
Agradecemos primeiramente a Deus pela oportunidade da vida.
Aos nossos familiares e amigos pelo apoio para a realiza¸c˜ao deste trabalho.
Ao Instituto Federal de Goi´as, pela oportunidade de fazer o curso.
Durante toda a jornada at´e o t´ermino deste trabalho, muitos foram os colaboradores
que o tornaram poss´ıvel. A todos eles estendemos nossos agradecimentos. Agrade-
cemos em especial ao nosso orientador Prof. Dr. Wesley Pacheco Calixto, ao nosso
Co-Orientador Prof. M´arcio Rodrigues da Cunha Reis e ao prof. M.Sc. Cleber Asmar
Ganzaroli pelo total suporte oferecido.
Agrade¸co em especial a minha m˜ae Suely Gobbes, a minha irm˜a Sara Liz e a minha
namorada Danyelle pela paciˆencia demonstrada durante todo o tempo em que estive
ocupado realizando este trabalho e pelo apoio durante todo o curso. Vocˆes foram
fundamentais para a conclus˜ao desta importante etapa em minha vida.
Jos´e Alberto Gobbes Cararo
Agrade¸co em especial ao meu pai Cesar, e minha m˜ae Nilda, pela simplicidade,
amizade, exemplo, apoio e carinho que sempre me dedicaram. `A minha irm˜a Ro-
zeanne, minha grande amiga que sempre esteve comigo em todos os momentos de
aprendizagem. Obrigado por todo o incentivo neste per´ıodo.
Maykon Lacerda de Santana
Agrade¸co em especial a minha fam´ılia pelo apoio incondicional, a minha igreja pelo
incentivo significativo e aos meus colegas pelo companheirismo durante o curso.
Oswaldo Roquete de Melo
A todos que direta ou indiretamente fizeram parte da nossa forma¸c˜ao, o nosso muito
obrigado.
10.
11. RESUMO
A ind´ustria se destaca na busca por otimiza¸c˜ao de sistemas e melhoria da produtivi-
dade. Por fazer grande uso de motores, se faz necess´ario o seu controle. O motor de
corrente cont´ınua destaca-se tendo importante papel na eleva¸c˜ao e movimenta¸c˜ao de
cargas, mas principalmente onde ´e exigido alto torque na partida. Ampla varia¸c˜ao
de velocidade e facilidade de controle aumentam a relevˆancia deste motor. O sis-
tema de controle ´e usado quando se deseja ter a velocidade do motor controlada. O
controlador PID (Proporcional, Integral e Derivativo) ´e popular por ter desempenho
robusto e simplicidade funcional. A boa escolha dos parˆametros deste controlador
determina o seu bom desempenho. Neste trabalho ´e comparado o desempenho dos
m´etodos de otimiza¸c˜ao determin´ıstico e heur´ıstico na determina¸c˜ao dos parˆametros
do controlador PID. Utilizou-se como planta o motor de corrente cont´ınua. Para con-
trolar a velocidade do motor de corrente cont´ınua submetido `a varia¸c˜ao de carga, foi
feito o controle por meio da tens˜ao da armadura. Uma bancada did´atica, possuindo
transdutores e controlador microprocessado, foi desenvolvida, utilizada no levanta-
mento de dados e ap´os simula¸c˜oes feitas em software matem´atico, foi utilizada na
valida¸c˜ao da dinˆamica do motor.
Palavras-chave: Algoritmo Gen´etico, Controle PID, Fun¸c˜ao de Avalia¸c˜ao, Imple-
menta¸c˜ao, M´etodo Determin´ıstico, M´etodo Heur´ıstico, Microcontrolador, Motor de
Corrente Cont´ınua, Otimiza¸c˜ao, Quase-Newton, Simula¸c˜ao.
12.
13. DIRECT CURRENT MACHINE CONTROL USING OPTIMIZATION
PROCESSES TUNING IN PID CONTROLLER
ABSTRACT
Industry stands out searching for optimization systems and productivity improve-
ment. By make great use of motors, it is necessary their control. The DC machine
stands out having an important place about lifting and moving loads, mainly where
high torque is required on starting. Wide range of speed and easy control makes the
DC machine’s relevance increase. The control system is used when is needed to have
the DC machine’s speed controlled. The PID controller is known by having a robust
performance and functional simplicity. A good choice of this controller’s parameters
makes its great performance. This work compares the performance of deterministic
and heuristic optimization methods used to determine the PID controlling parame-
ters. A DC machine was used for such thing. To control the speed of this DC machine
that was subjected on a load variation, the control was made trough the armature
voltage. A teaching stand, which has transducers and a microprocessing controller,
was developed and used for collecting data and after some simulations done by a
mathematical software, the stand was used to validate the simulations results.
25. LISTA DE S´IMBOLOS
ω – Velocidade angular do motor
ωref – Velocidade de referˆencia
Σ – Somat´orio
τ – Tamanho do torneio
φ(x) – Equa¸c˜ao equivalente a f(x)
– Gradiente da matriz
θ(||p||) – Ordem da matriz hessiana
ζ – Coeficiente de amortecimento
µC – Microcontrolador
B – Constante de atrito viscoso
c(s) – Sinal de velocidade [rad/s]
eg – For¸ca contra-eletromotriz gerada
e(t) – Sinal de erro
fem – For¸ca eletromotriz
fcem – For¸ca contra-eletromotriz
Ia – Corrente de armadura do motor
f(x) – Fun¸c˜ao de avalia¸c˜ao
f(x∗
) – Valor otimizado
If – Corrente de campo do motor
Ipico – Corrente de pico
J – Momento de in´ercia
K2 – Constante para c´alculo de La
K3 – Constante para c´alculo de Ra
Kb – Constante de for¸ca eletromotriz
Kd – Ganho derivativo
Ki – Ganho integral
Kp – Ganho proporcional
Kv – Constante de torque
Kt – Constante de tens˜ao
La – Indutˆancia da armadura
Lf – Indutˆancia de campo
m(s) – Sinal de controle
Nn – Rota¸c˜ao nominal do motor
n(s) – Sinal de disparo
Pd – Potˆencia desenvolvida
Pr – Taxa de recombina¸c˜ao
p(s) – Tens˜ao aplicada na armadura
q(s) – Sinal de sa´ıda do encoder
ref(t) – Sinal de referˆencia
26. Ra – Resistˆencia da armadura
Rf – Resistˆencia de campo
r(s) – Sinal da referˆencia da velocidade
Tl – Torque da carga
Td – Torque desenvolvido
tb – Constante de tempo
td – Tempo derivativo
ti – Tempo integral
Tm – Torque do motor
u(t) – Sinal de controle
Va – Tens˜ao de armadura do motor
Vf – Tens˜ao de campo do motor
Vpico – Tens˜ao de pico
v(s) – Sinal condicionado de velocidade
y(t) – Sinal de sa´ıda
27. LISTA DE ABREVIATURAS E SIGLAS
A/D – Anal´ogico/Digital
AEG – Allgemeine Elektricit¨ats-Gesellschaft (General Electric Company)
AG – Algor´ıtimo Gen´etico
Amp – Amplificador
CA – Corrente Alternada
CC – Corrente Cont´ınua
CN – Comando Num´erico
DNA – ´Acido Desoxirribonucleico
FIFO – First-In, First-Out (Primeiro que Entra ´e o Primeiro que Sai)
FTMCC – Fun¸c˜ao de Tranferˆencia do Motor CC
geH – Gerador de Efeito Hall
IAE – Integral of Absolute Error
LCD – Liquid Crystal Display
LED – Light Emitting Diode
LEM – Liaisons ´Electroniques et M´ecaniques
MCC – Motor de Corrente Cont´ınua
PD – Proporcional Derivativo
PI – Proporcional Integral
PID – Proporcional, Integral e Derivativo
RAM – Random Access Memory
RL – Resistiva e Indutiva (Caracteriza Carga Indutiva)
RLC – Resistˆencia, Indutˆancia e Capacitˆancia
RTCOC – Retificador Trif´asico Controlado de Onda Completa
SCR – Silicon Controlled Rectifier
SPI – Syncronous Protocol Interface
TL – Torque Indutivo (Caracteriza Carga Aplicada)
UFG – Universidade Federal de Goi´as
UNB – Universidade de Bras´ılia
WEG – Werner Eggon Geraldo (Nome de Ind´ustria El´etrica Brasileira)
28.
29. CAP´ITULO 1
INTRODU ¸C˜AO
Para que seja poss´ıvel o controle de sistemas, m´aquinas ou processos, estes devem
ser vistos atrav´es de modelos que os represente. O ser humano realiza suas a¸c˜oes
baseadas em modelos. Sejam eles modelos mentais ou matem´aticos, eles s˜ao essen-
ciais para a an´alise, o controle e para o conhecimento do sistema. O modelo mental
´e aquele inerente `as nossas a¸c˜oes cotidianas, que mesmo sem estar representado de
forma anal´ıtica, pauta nossas a¸c˜oes di´arias. Este tipo de modelo ´e limitado, logo ´e ne-
cess´ario modelagem matem´atica, que ´e a ´area do conhecimento que estuda maneiras
de representar sistemas reais. Este modelo ser´a an´alogo matem´atico que representa
algumas das caracter´ısticas do sistema real, entretanto, esse tipo de modelagem n˜ao
´e ´unica, existindo outros tipos de modelos. Obter o modelo, portanto, n˜ao ´e algo
trivial. A sua obten¸c˜ao requer tempo e esfor¸co (AGUIRRE, 2004).
Modelos s˜ao representa¸c˜oes aproximadas do sistema real, representando apenas as
caracter´ısticas mais importantes deste sistema. O desafio ´e, portanto, escolher quais
caracter´ısticas s˜ao realmente representativas (AGUIRRE, 2004).
Existe forte presen¸ca de sistemas de controle autom´aticos em quase todos os avan-
¸cos tecnol´ogicos atuais. Esta presen¸ca vai desde o controle de vari´aveis de processos
industriais, comando num´erico de m´aquinas-ferramentas at´e o controle de sistemas
rob´oticos e pilotagem autom´atica de autom´oveis, avi˜oes e ve´ıculos espaciais. O Con-
trole autom´atico atende ao aumento constante da busca pela otimiza¸c˜ao de sistemas,
para a melhoria da produtividade e tamb´em para livrar o ser humano de trabalhos
repetitivos e perigosos. ´E certo que a busca por melhoria no desempenho e aumento
da produtividade se d´a em todos os setores da sociedade. Pode-se destacar a in-
d´ustria, setor onde o melhor desempenho est´a diretamente ligado aos sistemas de
controle dos processos (NISE; SILVA, 2009).
Diversas inova¸c˜oes tecnol´ogicas, algumas embarcadas, agora povoam novo cen´ario,
o ch˜ao de f´abrica. Neste contexto o controlador proporcional, integral e derivativo
(PID) conseguiu popularidade devido a desempenho robusto em grande faixa de
condi¸c˜oes operacionais e tamb´em por sua simplicidade funcional (OGATA et al., 2003).
Num mundo onde a eficiˆencia ´e cada vez mais exigida, o estudo de motores, controla-
dores, acionadores etc, s˜ao de extrema importˆancia. Eles garantem o funcionamento
27
30. de m´aquinas e equipamentos. Por esse motivo, motores vem sendo ainda hoje ob-
jeto de estudo, tornando-se cada vez mais eficientes. A caracter´ıstica que evidencia
este desenvolvimento ´e a rela¸c˜ao peso/potˆencia [kg/kW] que mostra que o motor de
corrente cont´ınua atual possui apenas 8% do peso do motor feito em 1891, para a
mesma potˆencia, como ilustra a Fig. 1.1 (WEG - Brasil, 2008).
Figura 1.1 - Evolu¸c˜ao do motor trif´asico AEG - rela¸c˜ao peso/potˆencia (motor trif´asico de 4kW e 02
p´olos).
Para que haja eficiˆencia ´e preciso racionalizar os m´etodos de produ¸c˜ao. ´E neste
contexto que entra a automa¸c˜ao, o controle dos processos e a necessidade de controle,
varia¸c˜ao de velocidade e torque em m´aquinas el´etricas acionantes (WEG - Brasil,
2008).
Existem diversos tipos de motores el´etricos. Eles s˜ao subdivididos em dois grandes
grupos, os de CC e os de CA. Dentre eles podem-se citar motores a relutˆancia,
s´ıncronos, ass´ıncronos, com e sem escova, gaiola, ´ım˜a permanente, histerese, etc. A
Fig. 1.2 ilustra este conjunto de motores. Todos eles, apesar das diferen¸cas, possuem
comportamento baseado no mesmo princ´ıpio f´ısico, no qual a rota¸c˜ao do eixo da
m´aquina se d´a pela tendˆencia de alinhamento do fluxo magn´etico produzido no
28
31. rotor com o fluxo magn´etico resultante do estator. Fluxos estes, que surgem devido `a
circula¸c˜ao de corrente pelos enrolamentos do estator e do rotor e provocam a rota¸c˜ao
da m´aquina. Al´em disso, todos eles tˆem como objetivo transformar energia el´etrica
em energia mecˆanica ´util. Em meio a tanta diversidade, modelos matem´aticos s˜ao
vitais para an´alise e projeto de motores el´etricos (FILHO, 1989)
Figura 1.2 - Classifica¸c˜ao dos motores el´etricos
Apesar do motor de corrente cont´ınua ser pouco utilizado no meio industrial, devido
ao alto custo envolvido na fabrica¸c˜ao, ainda existem muitas aplica¸c˜oes nas quais o
seu uso ainda ´e o mais recomendado. Eles s˜ao excelentes escolhas quando ´e necess´a-
rio variar a velocidade e manter grande torque. Esta varia¸c˜ao de velocidade pode ser
29
32. realizada atrav´es de inversores de frequˆencia em motores CA, entretanto, h´a situa-
¸c˜oes em que este tipo de acionamento n˜ao atende ao torque exigido, al´em de poluir
a rede, cabendo o uso do motor CC (CARVALHO et al., 2011).
O motor de corrente cont´ınua ´e ideal para aplica¸c˜oes onde ´e necess´ario manter grande
torque para diferentes valores de velocidade. Neste sentido, ´e necess´ario mecanismo
para controlar esta varia¸c˜ao de velocidade, bem como realizar o controle para dife-
rentes valores de torque.
A velocidade da m´aquina pode ser controlada de diversas formas: atrav´es do controle
pela tens˜ao de armadura (Va), pelo controle da corrente de campo (If ) e pelo controle
da corrente de armadura (Ia), podendo esta ´ultima tamb´em controlar o torque. Ap´os
definir qual ser´a a vari´avel a ser controlada, se Va, If ou Ia, ´e preciso escolher a
t´ecnica de controle que ser´a utilizada. Para isso, a t´ecnica escolhida deve responder `as
necessidades do processo, como por exemplo, resposta ao degrau com erro nulo, com
baixa oscila¸c˜ao, com r´apida estabiliza¸c˜ao, etc. Nem sempre ´e poss´ıvel obter resposta
com todas estas qualidades, entretanto, pode-se escolher qual caracter´ıstica ´e mais
importante para o processo. A utiliza¸c˜ao de controladores ´e a melhor estrat´egia na
maioria dos casos.
O controlador Proporcional, Integral e Derivativo (PID) ´e uma op¸c˜ao robusta de
controle, no qual, atrav´es do ajuste de seus ganhos pode-se ajustar a melhor res-
posta ao sistema. Se o necess´ario ´e diminuir o erro de regime permanente, apenas
aumentando o ganho proporcional j´a ´e suficiente. Por´em, se o que se deseja ´e ze-
rar o erro, o ganho integral ´e necess´ario. Entretanto, se a a¸c˜ao integral for muito
acentuada ela pode instabilizar o sistema. Todavia, este efeito instabilizador pode
ser combatido pela a¸c˜ao derivativa que tende a aumentar a estabilidade relativa do
sistema ao mesmo tempo em que torna a resposta do sistema mais r´apida devido ao
seu efeito antecipat´orio. Tudo depender´a do processo no qual o motor CC atua. De
acordo com este processo ´e que se deve escolher os ganhos do controlador PID que
ir˜ao otimizar a resposta (OGATA et al., 2003).
A t´ecnica de controle PID ´e muito utilizada no meio industrial. Entretanto, nem
sempre os parˆametros atribu´ıdos no controlador s˜ao os ideais para aquele tipo de
processo, at´e mesmo porque este processo pode ter dinˆamica muito vari´avel. O con-
trole funcionando de forma deficiente implica na ocorrˆencia de perdas no processo,
ou a produ¸c˜ao poderia ser maior. Logo, a escolha dos parˆametros ´otimos do con-
30
33. trolador ´e fundamental. Existem diversas formas de se determinar quais ser˜ao os
melhores parˆametros do controlador PID, dentre elas pode-se citar a otimiza¸c˜ao
por m´etodos determin´ısticos, que s˜ao algoritmos com comportamentos previs´ıveis,
apresentando sempre as mesmas sa´ıdas para determinadas entradas e a otimiza¸c˜ao
por m´etodos heur´ısticos, que s˜ao algoritmos que podem apresentar comportamen-
tos diferentes em diferentes execu¸c˜oes. Ambos podem fornecer parˆametros eficientes,
entretanto, com diferentes custos computacionais e com diferentes tempos de exe-
cu¸c˜ao. Normalmente, o algoritmo determin´ıstico tem menor custo computacional
e leva menos tempo para obter determinado parˆametro, entretanto, os parˆametros
obtidos podem pertencer `a regi˜ao de ´otimo local que, em compara¸c˜ao aos obtidos
pelo m´etodo heur´ıstico, s˜ao menos eficientes. Por outro lado, o processo pode n˜ao
necessitar de parˆametro ´otimo, sendo que parˆametros aproximados j´a s˜ao suficientes
para a resolu¸c˜ao do problema. Assim, a justificativa para este trabalho abrange a
resposta sobre qual m´etodo de otimiza¸c˜ao ´e mais eficiente e discutir a viabilidade
da escolha entre um ou outro m´etodo.
Este trabalho tem como objetivo comparar o desempenho dos m´etodos de otimiza-
¸c˜ao determin´ıstico e heur´ıstico, apontando as especificidades de cada m´etodo. Para
poder responder qual processo de otimiza¸c˜ao ´e mais eficiente, um controlador PID
´e simulado com valores de ganhos otimizados via algoritmo determin´ıstico e heu-
r´ıstico, aplicados ao motor de corrente cont´ınua. A vari´avel a ser controlada ser´a a
velocidade do motor submetido a diferentes cargas.
No Cap´ıtulo 2 ´e realizada a abordagem te´orica sobre o motor de corrente cont´ınua e
sobre os conversores de potˆencia. Os diagramas de blocos e as fun¸c˜oes de transferˆen-
cia do controlador PID aplicado ao motor CC s˜ao desenvolvidos no Cap´ıtulo 3. S˜ao
produzidas no Cap´ıtulo 4 algumas considera¸c˜oes te´orica sobre sistemas, modelos,
otimiza¸c˜ao e sobre m´etodos de otimiza¸c˜ao determin´ısticos e heur´ısticos. A imple-
menta¸c˜ao e simula¸c˜ao de todo o trabalho ´e desenvolvida no Cap´ıtulo 5. Nele s˜ao
determinados os parˆametros el´etricos e mecˆanicos do motor de corrente cont´ınua,
utilizando como base os dados de placa e do manual do fabricante (WEG - Brasil,
2008). Neste cap´ıtulo ainda s˜ao realizados alguns ensaios para levantamento dos de-
mais parˆametros. O Cap´ıtulo 6 apresenta os resultados obtidos nas implementa¸c˜oes
concernentes `a este projeto. Nele todas as simula¸c˜oes realizadas s˜ao discriminadas.
31
34.
35. CAP´ITULO 2
MOTOR DE CORRENTE CONT´INUA
Segundo Fitzgerald o motor CC ´e muito vers´atil, seu estator pode ser constitu´ıdo
por enrolamentos de campo, com excita¸c˜oes s´erie, paralela ou composta, indepen-
dente, podendo ainda ser formado por ´ım˜as permanentes (FITZGERALD et al., 2006).
´E o tipo de motor que ´e facilmente controlado, o que faz com que ainda continue no
mercado. O motor de corrente cont´ınua tamb´em ´e muito utilizado para controle pre-
ciso e com ampla faixa de velocidade. Possui sistemas de acionamento relativamente
simples, al´em de ampla variedade de caracter´ısticas como, tens˜ao versus corrente e
velocidade versus conjugado. A Fig. 2.1 ilustra as curvas caracter´ısticas do motor
CC, com ˆenfase nos pontos em que trabalha com rota¸c˜ao nominal (Nn), m´axima ro-
ta¸c˜ao com potˆencia constante e velocidade nos limites mecˆanicos do motor (HONDA,
2006). Como exemplo de aplica¸c˜ao do motor de corrente cont´ınua podem-se citar:
bobinadeiras e desbobinadeiras, laminadores, extrusoras, prensas, elevadores, movi-
menta¸c˜ao e eleva¸c˜ao de cargas, etc.
Figura 2.1 - Curva caracter´ıstica de um motor CC.
33
36. 2.1 Princ´ıpio de Funcionamento
A armadura do motor CC encontra-se completamente imersa no sistema de campo,
que ´e a parte do motor que fornece o fluxo magn´etico necess´ario para criar o torque.
Ela ´e constru´ıda com espiras defasadas no espa¸co e interligadas ao comutador. Isso
garante conjugado constante durante todo o seu movimento circular.
Os campos da excita¸c˜ao e da armadura tendem a se alinhar, o que gera movimento.
O comutador, um retificador mecˆanico, converte a tens˜ao alternada induzida na
armadura em cont´ınua. O seu papel ´e desenergizar a bobina atual e energizar a
pr´oxima. Com isso, os campos se desalinham novamente, e o ciclo se repete de tal
forma que, enquanto energizado o motor nunca cessa o movimento.
Segundo Del Toro em cada condutor ´e gerada for¸ca eletromotriz que d´a origem ao
torque (TORO, 1994). Quando o condutor gira, o comutador faz com que a corrente
que circula nele mude de sentido, proporcionando torque unidirecional cont´ınuo para
todo o enrolamento da armadura, pois, se no campo o fluxo magn´etico inverte de-
vido ao giro do condutor, a sua corrente tamb´em deve ser invertida. Outro fator
importante ´e o posicionamento das escovas numa linha perpendicular ao eixo de
campo, desta forma todos os condutores contribuem para a produ¸c˜ao de torque
unidirecional.(FITZGERALD et al., 2006; TORO, 1994; OLIVEIRA et al., 2005).
2.2 Vantagens e Desvantagens
Dependendo da aplica¸c˜ao, o motor CC ´e a melhor op¸c˜ao, em termos de confiabili-
dade, operacionalidade e dinˆamica de controle. As principais vantagens e desvanta-
gens desse tipo de acionamento s˜ao:
• Vantagens
a) Opera¸c˜ao em 4 quadrantes com custos relativamente baixos;
b) Ciclo cont´ınuo mesmo em baixas rota¸c˜oes;
c) Alto torque na partida e em baixas rota¸c˜oes;
d) Ampla varia¸c˜ao de velocidade;
e) Facilidade em controlar a velocidade;
f) Os conversores CA/CC requerem menos espa¸co;
g) Confiabilidade;
34
37. h) Flexibilidade (devido aos v´arios tipos de excita¸c˜ao);
i) Relativa simplicidade nos modernos conversores CA/CC;
• Desvantagens
a) Os motores de corrente cont´ınua s˜ao maiores e mais caros que os
motores de indu¸c˜ao, para mesma potˆencia;
b) Maior necessidade de manuten¸c˜ao (devido aos comutadores e escovas);
c) Arcos e fa´ıscas devido `a comuta¸c˜ao de corrente por elemento mecˆanico
(n˜ao pode ser aplicado em ambientes com perigo de incˆendio);
d) Necessidade de medidas especiais de partida, mesmo em m´aquinas
pequenas.
2.3 Partes Construtivas do Motor de Corrente Cont´ınua
Os motores CC s˜ao bastante complexos, exigindo programa de manuten¸c˜ao efici-
ente. Por defini¸c˜ao, de acordo com Geraldo Carvalho (CARVALHO et al., 2011), suas
principais partes construtivas s˜ao:
a) Estator: este ´e o nome dado `a parte fixa do motor, que pode conter um ou
mais enrolamentos por p´olo, todos prontos para receber corrente cont´ınua
e produzir o campo magn´etico fixo. O enrolamento no estator pode ser
chamado de enrolamento de campo. Cada enrolamento por p´olo no estator
pode conter um enrolamento de campo paralelo (shunt), constru´ıdo com
fio de menor se¸c˜ao e muitas espiras e no interior do enrolamento shunt,
podemos encontrar o enrolamento campo s´erie, constru´ıdo com fio de maior
se¸c˜ao e poucas espiras.
b) Armadura: ´e um rotor bobinado cujas bobinas tamb´em recebem corrente
continua e produzem campo magn´etico.
c) Comutador: garante que o sentido da corrente que circula nas bobinas
da armadura seja sempre o mesmo, garantindo a repuls˜ao cont´ınua entre
os campos do estator e do rotor, o que mant´em o motor girando.
d) Escovas: geralmente feitas de liga de carbono, est˜ao em constante atrito
com o comutador, sendo respons´aveis pelo contato el´etrico da parte fixa
35
38. do motor com a parte girante. Pode-se deduzir que as escovas sofrem des-
gaste natural com o tempo, necessitando de inspe¸c˜oes regulares e trocas
peri´odicas.
e) Interp´olos e compensa¸c˜ao: enrolamentos inseridos no estator, entre
os p´olos e na sapata polar respectivamente, ligados em s´erie com a arma-
dura que reduzem os efeitos da rea¸c˜ao da armadura (deslocamento da linha
neutra) quando ela ´e percorrida por uma corrente significativa.
As partes construtivas do motor de corrente cont´ınua s˜ao ilustradas na Fig. 2.2
(KOSOW, 1985).
Figura 2.2 - Parte construtiva da m´aquina de corrente cont´ınua.
Os parˆametros el´etricos e mecˆanicos do motor CC, bem como suas constantes de tor-
que e de fcem (for¸ca contra-eletromotriz) devem ser determinadas atrav´es de ensaios
de laborat´orio.
2.4 Circuito Equivalente, Diagrama de Blocos e Fun¸c˜ao de Transferˆencia
Neste trabalho ser´a utilizado o motor CC de excita¸c˜ao separada. O circuito eletro-
mecˆanico equivalente do motor CC de excita¸c˜ao separada ´e ilustrado na Fig. 2.3
(RASHID, 1999).
36
39. Figura 2.3 - Circuito equivalente dos motores CC de excita¸c˜ao separada.
As express˜oes que regem este circuito s˜ao:
Va = RaIa + La
dIa
dt
+ eg (2.1)
A for¸ca contra-eletromotriz:
eg = fcem = Kv · ω · If (2.2)
O torque desenvolvido:
Td = Tm = Kt · If · Ia (2.3)
Td = J
dw
dt
+ B · ω + Tl (2.4)
Na qual:
• ω = velocidade angular do motor, [rad/s];
• B = constante de atrito viscoso, [N · m]/[rad/s];
37
40. • Kv = constante de tens˜ao, [V ]/[A · rad/s];
• Kt = constante de torque, [N · m]/[A2
];
• La = indutˆancia do circuito de armadura, [H];
• Lf = indutˆancia do circuito de campo, [H];
• Ra = resistˆencia do circuito de armadura, [Ω];
• Rf = resistˆencia do circuito de campo, [Ω];
• Tl = torque da carga, [N · m];
• Td = torque desenvolvido, [N · m];
• Tm = torque do motor, [N · m];
• J = momento de in´ercia, [kg · m2
];
• Ia = corrente da armadura, [A];
• If = corrente de campo, [A];
• eg = for¸ca contra-eletromotriz, [V ].
Em condi¸c˜oes de regime permanente tem-se as seguintes grandezas m´edias:
Vf = Rf · If (2.5)
eg = Kv · ω · If (2.6)
Va = RaIa + eg = RaIa + Kv · ω · If (2.7)
Tm = Kt · If · Ia = B · ω + Tl (2.8)
A potˆencia desenvolvida pelo motor ´e dada a partir da express˜ao:
38
41. Pd = Td · ω (2.9)
Aplicando a Transformada de Laplace nas express˜oes de (2.1) a (2.4), obtem-se:
Va(s) = Ra(s)Ia(s) + La(s) · s · Ia(s) + eg(s) (2.10)
eg(s) = Kv · ω(s) · If (s) (2.11)
Td(s) = Kt · If (s) · Ia(s) (2.12)
Td(s) = J · s · ω(s) + B · w(s) + Tl(s) (2.13)
A partir das express˜oes de (2.10) a (2.13) ´e poss´ıvel desenvolver o diagrama de blocos
que representa o motor de corrente cont´ınua controlado pela corrente de armadura,
ilustrado na Fig. 2.4.
Figura 2.4 - Motor CC de excita¸c˜ao independente controlado pela corrente de armadura
Para obter a fun¸c˜ao de transferˆencia, inicialmente isola-se a corrente de armadura
Ia(s) em (2.12) e substitui em (2.10). Substitui-se o Td(s) da equa¸c˜ao resultante pelo
dado em (2.13) e coloca-se a velocidade em evidˆencia (NISE; SILVA, 2009; BOLTON,
1995). Assim, obtem-se a fun¸c˜ao de transferˆencia dada por:
39
42. ω(s)
Va(s)
=
Kt
La · J · s2 + (La · B + Ra · J) · s + Ra · B + Kt · Kv
(2.14)
Utilizando o teorema da superposi¸c˜ao, pode-se obter a rela¸c˜ao ω(s)
Tl(s)
, a partir da
express˜ao:
ω(s)
Tl(s)
=
−La · s − Ra
La · J · s2 + (La · B + Ra · J) · s + Ra · B + Kt · Kv
(2.15)
Estas express˜oes ser˜ao utilizadas nas simula¸c˜oes computacionais do motor de cor-
rente cont´ınua.
2.5 Acionamento
2.5.1 Conversores de Potˆencia
A alimenta¸c˜ao dos terminais, tanto da armadura quanto o campo do motor CC,
possui forma de sinal cont´ınuo. Problema que surge, j´a que a tens˜ao de rede fornecida
comercialmente no Brasil ´e alternada (ondas senoidais). A Eletrˆonica de Potˆencia
assume o papel da convers˜ao da forma de onda da alimenta¸c˜ao, adequando o sinal da
rede ao formato de onda necess´ario para o funcionamento do motor CC. A Eletrˆonica
de Potˆencia engloba potˆencia, eletrˆonica e controle (RASHID, 1999). Neste trabalho
ser´a necess´ario recorrer ao seu uso em diversas etapas que abrangem estas trˆes ´areas a
ela associada. Por´em, primeiramente o necess´ario ´e saber como ´e feita esta convers˜ao
de potˆencia na entrada da armadura e do campo.
Os aparatos adotados para esta convers˜ao s˜ao os retificadores de tens˜ao, constitu´ıdos
por diodos ou tiristores. Podem ser controlados ou n˜ao controlados. O que define
isto, ´e qual semicondutor faz parte de sua arquitetura.
2.5.2 Retificadores N˜ao Controlados
Para a retifica¸c˜ao com diodos na arquitetura, existe a subdivis˜ao em retificadores
monof´asicos e trif´asicos. Sendo que para estes dois tipos de configura¸c˜oes pode-se
subdividir ainda em duas outras categorias, os retificadores de meia onda e os de
onda completa.
40
43. a) Retificadores Monof´asicos de Onda Completa N˜ao Controla-
dos: Para boa parte das aplica¸c˜oes o retificador de meia onda n˜ao ´e inte-
ressante para trabalho, devido `a sua baixa tens˜ao m´edia de sa´ıda que tem
alto fator de ondula¸c˜ao e ´e de pouca eficiˆencia. As vantagens dos retifica-
dores de onda completa se concentram sobre o fato de produzirem tens˜ao
m´edia mais alta que a disponibilizada pelo retificador de meia onda, com
o fator de oscila¸c˜ao reduzido e maior eficiˆencia. Eliminando assim, os pro-
blemas que possam vir a surgir com o uso de retificadores de meia onda
(RASHID, 1999; AHMED, 2008).
Neste trabalho, ´e utilizado para controle de tens˜ao da carga o retificador
monof´asico em ponte de onda completa usando carga indutiva (RL). Na
realidade, a maioria das cargas utilizadas s˜ao indutivas at´e determinado
ponto e a corrente de carga ´e diretamente ligada aos valores da resistˆencia
R e da indutˆancia L.
b) Retificadores Trif´asicos de Onda Completa N˜ao Controlados:
Os retificadores monof´asicos, mesmo que tenham estrutura construtiva sim-
ples, se encontram dentro da faixa limitada de potˆencia e possuem grande
oscila¸c˜ao na onda de sa´ıda. Problemas estes que s˜ao solucionados ao se usar
retificadores trif´asicos de onda completa. Eles injetam oscila¸c˜oes na forma
de onda de sa´ıda CC menores que as existentes na sa´ıda de um retificador
monof´asico e possuem amplitude de potˆencia mais alta. Por isso s˜ao co-
mumente utilizados em aplica¸c˜oes de alta potˆencia, aplicando total de seis
pulsos na tens˜ao de sa´ıda e podendo operar com ou sem transformadores
(RASHID, 1999; AHMED, 2008).
2.5.3 Retificadores Controlados
Os retificadores com diodo fornecem apenas tens˜ao de sa´ıda cont´ınua fixa para uma
tens˜ao fixa da rede. O que nem sempre ´e vantajoso quando se precisa variar esta
tens˜ao. Para se obter o controle da tens˜ao de sa´ıda, utiliza-se tiristores no controle
das tens˜oes de fase ao inv´es de diodos. Assim deve-se variar o ˆangulo de disparo ou
retardo destes tiristores para obter tal controle.
De acordo com Rashid (RASHID, 1999), os conversores de fase controlada podem ser
classificados em dois tipos que diferenciam de acordo com a alimenta¸c˜ao de entrada,
s˜ao eles: conversores monof´asicos e conversores trif´asicos. Assim, cada um destes dois
41
44. tipos de conversores podem ainda ser subdivididos em conversores semicontrolados,
os controlados e os conversores duais.
O conversor controlado opera em dois quadrantes e tem como caracter´ıstica apresen-
tar a polaridade de sua tens˜ao de sa´ıda tanto positiva quanto negativa. Por´em, sua
corrente de sa´ıda apresenta apenas uma polaridade (RASHID, 1999). Neste trabalho
utiliza-se o Retificador Trif´asico Controlado em Ponte com carga RL.
a) Retificadores Trif´asicos Controlados: Esse tipo de conversor ´e muito
utilizado em aplica¸c˜oes industriais onde ´e necess´ario a opera¸c˜ao em dois
quadrantes. Os circuitos controlados com carga altamente indutiva s˜ao
normalmente conhecidos como pontes trif´asicas (RASHID, 1999).
Neste trabalho, para controlar a tens˜ao da armadura e conseguir controlar
o motor de corrente cont´ınua estudado, foi utilizado o conversor trif´asico
controlado para carga indutiva RL.
42
45. CAP´ITULO 3
SISTEMAS DE CONTROLE
Os sistemas de controle surgiram devido `a necessidade de se ter o dom´ınio sobre os
diversos tipos de processos existentes. Neste trabalho, os sistemas de controle ser˜ao
aplicados ao motor de corrente cont´ınua afim de que a m´aquina atue conforme a
regˆencia do controlador PID. Neste cap´ıtulo, ´e realizada breve descri¸c˜ao dos sistemas
de controle em malha aberta e fechada. Destacando-se a teoria dos controladores
Integral, Proporcional e Derivativo aplicados ao motor de corrente cont´ınua.
3.1 Hist´orico
Os sistemas de controle com retroa¸c˜ao s˜ao muito antigos. Numerosos sistemas de
controle biol´ogico fizeram parte do desenvolvimento de organismos e popula¸c˜oes no
meio ambiente.
Com o advento do Sputnik (sat´elite) e da era espacial, outros novos est´ımulos fo-
ram dados `a engenharia de controle. Era necess´ario projetar sistemas de controle
complexos e precisos para m´ısseis e sondas espaciais. Al´em disso, a necessidade de
minimizar o peso dos sat´elites e control´a-los de forma precisa deu origem ao impor-
tante campo do controle ´otimo. Devido a estas exigˆencias, os m´etodos no dom´ınio
do tempo desenvolvidos por Liapunov (1892), Minorsky (1922) e outros tem sido
objeto de grande interesse nas ´ultimas d´ecadas. Teorias de controle ´otimo desen-
volvidas por L. S. Pontryagin na ent˜ao Uni˜ao Sovi´etica e R. Bellman nos Estados
Unidos, ambos na d´ecada de 50, e estudos recentes sobre sistemas robustos, tamb´em
contribu´ıram para o interesse em m´etodos do dom´ınio do tempo. Torna-se evidente
que a engenharia de controle deve considerar ambos: o dom´ınio do tempo e o do-
m´ınio da frequˆencia abordados simultaneamente na an´alise e projeto de sistemas de
controle. A Tab. 3.1 mostra de forma resumida o hist´orico do avan¸co dos sistemas
de controle (DORF RICHARD C E BISHOP, 2001).
43
46. Tabela 3.1 - Marcos hist´oricos no desenvolvimento de sistemas de controle
Alguns Marcos Selecionados no Desenvolvimento de Sistemas de Controle
1769 Desenvolvimento da m´aquina a vapor e do regulador de esferas de
James Watt. A m´aquina a vapor ´e usada frequentemente para assinalar
o in´ıcio da Revolu¸c˜ao Industrial na Gr˜a-Bretanha. Durante
a Revolu¸c˜ao Industrial foram realizados grandes esfor¸cos no desenvol-
vimento da mecaniza¸c˜ao, uma tecnologia precedente da automa¸c˜ao.
1800 O conceito de intercambiabilidade de partes manufaturadas de Eli
Whitney foi demonstrado na fabrica¸c˜ao de mosquet˜oes. O
desenvolvimento de Whitney ´e muitas vezes considerado no in´ıcio da
produ¸c˜ao em massa.
1868 J. C. Maxwell formula um modelo matem´atico para o controle regulador
de uma m´aquina a vapor.
1913 Introdu¸c˜ao da m´aquina de montagem mecanizada de Henry Ford para a
produ¸c˜ao automobil´ıstica.
1927 H. W. Bode analisa amplificadores com retroa¸c˜ao.
1932 H. Nyquist desenvolve um m´etodo para analisar a estabilidade de
sistemas.
1952 Desenvolvido o Comando Num´erico (CN) no Instituto de Tecnologia de
Massachusetts para o controle dos eixos de m´aquinas ferramentas.
1954 George Devol desenvolve a “transferˆencia programada de itens”
considerando o primeiro projeto de robˆo industrial.
1960 Introduzido o primeiro robˆo Unimate, baseado nos projetos de Devol.
O Unimate foi instalado em 1961 para alimentar m´aquinas de embutimento.
1970 Desenvolvidos modelos em vari´aveis de estado e o controle ´otimo.
1980 Estudado amplamente o projeto de sistemas de controle robusto.
1990 As empresas orientadas para a exporta¸c˜ao de produtos manufaturados
enfatizam a automa¸c˜ao.
1994 O controle com retroa¸c˜ao ´e usado amplamente nos autom´oveis. Demanda
da manufatura por sistemas robustos, confi´aveis.
Sistema de controle ´e o conjunto formado por sistema a ser controlado e o contro-
lador, com o objetivo de se obter a sa´ıda desejada com desempenho desejado para
uma entrada espec´ıfica fornecida (sinal) ao sistema. Sinal ´e o conjunto de dados ou
informa¸c˜oes sobre a natureza do fenˆomeno f´ısico, podendo ser em fun¸c˜ao do tempo
ou em fun¸c˜ao do espa¸co, por exemplo:
• ref(t) = Sinal de Referˆencia;
• e(t) = Sinal de Erro;
• u(t) = Sinal de controle;
• y(t) = Sinal de Sa´ıda.
44
47. 3.2 Sistema em Malha Aberta
O sistema em malha aberta n˜ao pode gerar compensa¸c˜ao a nenhuma perturba¸c˜ao
somada ao sinal de acionamento do controlador. Este tipo de sistema n˜ao ´e capaz
de corrigir perturba¸c˜oes, sendo controlado exclusivamente pela entrada. A Fig. 3.1
ilustra o sistema em malha aberta.
Figura 3.1 - Sistema em malha aberta.
3.3 Sistema em Malha Fechada
O sistema em malha fechada compensa as perturba¸c˜oes atrav´es da medi¸c˜ao da res-
posta na sa´ıda comparando-a com a entrada. Havendo diferen¸ca, o sistema aciona a
planta atrav´es de a¸c˜ao de controle, realizando a devida corre¸c˜ao. A Fig. 3.2 ilustra
o sistema em malha fechada.
Figura 3.2 - Sistema em malha fechada.
O objetivo do sistema de controle autom´atico ´e manipular vari´avel ou condi¸c˜ao em
determinado valor desejado. Para se alcan¸car este objetivo o sistema de controle
compara o valor atual da vari´avel do processo com o valor desejado. Caso haja
desvio, o sistema de controle autom´atico ir´a gerar sinal para corre¸c˜ao, levando a
vari´avel a valor de sa´ıda mais pr´oximo do valor desejado.
45
48. 3.4 Sistema de Controle Proporcional, Integral e Derivativo
• Controle Proporcional (P): O controlador proporcional oferece con-
trole bem mais suave que o controle on-off. Este controle depende somente
do termo de erro que ´e a diferen¸ca entre o valor desejado e a vari´avel de
sa´ıda do processo. A rela¸c˜ao entre o valor da vari´avel e o valor que o atuador
pode fornecer ´e linear. O Controle Proporcional ´e ilustrado na Fig. 3.3.
Figura 3.3 - Controle proporcional.
O ganho proporcional define a taxa de resposta de sa´ıda para o sinal de
erro. Quando se aumenta o ganho proporcional, geralmente se aumenta a
velocidade da resposta do controlador. Deve-se observar que, o aumento
exagerado do ganho proporcional leva a vari´avel de processo `a oscila¸c˜ao,
dificultando o seu controle.
• Controle Integral (I): O componente integral n˜ao pode ser utilizado sem
o controle proporcional, pois sozinho o integral n˜ao ´e t´ecnica de controle,
e juntos formam o controle proporcional-integral, o PI. A Fig. 3.4 ilustra
esta situa¸c˜ao.
Figura 3.4 - Controle integral.
Enquanto existir diferen¸ca entre o sinal de referencia, que ´e o valor dese-
jado, e o sinal de sa´ıda, que ´e o valor obtido no processo, o integral atuar´a
46
49. lentamente no processo at´e a elimina¸c˜ao desta diferen¸ca. Este controle for-
nece sa´ıda n˜ao nula depois de ter sido zerado o sinal de erro, porque ele
depende dos valores passados, carregando o controlador com determinado
valor, o qual persiste mesmo que o sinal do erro se torne zero.
• Controle Derivativo (D): O componente derivativo tamb´em n˜ao pode
ser utilizado sem o controle proporcional, pois sozinho o derivativo n˜ao ´e
t´ecnica de controle, e juntos formam o controle proporcional-derivativo, o
PD.
Aumentando a diferen¸ca entre o sinal de referˆencia, que ´e o valor desejado,
e o sinal de sa´ıda, que ´e o valor obtido no processo, o derivativo aplicar´a
corre¸c˜ao proporcional `a velocidade com que esta diferen¸ca aumenta.
O controle PD pode oferecer supercorre¸c˜ao, que ´e a corre¸c˜ao antecipada
`a diferen¸ca que ainda n˜ao ocorreu. O controlador faz grande corre¸c˜ao ini-
cial e depois diminui seus efeitos, deixando que as respostas proporcionais
posicionem o elemento de atua¸c˜ao.
Este controle tem a caracter´ıstica de ser sens´ıvel `a taxa de varia¸c˜ao do
erro, podendo aumentar o amortecimento do sistema, melhorando a sua
estabilidade. O sistema de controle derivativo ´e ilustrado na Fig. 3.5.
Figura 3.5 - Controle derivativo.
• Controle Proporcional-Integral-Derivativo (PID): Para se ter um
sistema de controle com alta precis˜ao mesmo quando existam algumas
incertezas sobre o processo a controlar, ´e necess´ario que este sistema de
controle seja robusto. O controlador PID propicia desempenho est´avel,
de acordo com sua especifica¸c˜ao, apesar de perturba¸c˜oes e varia¸c˜oes nos
valores dos parˆametros do processo a controlar.
A fun¸c˜ao de transferˆencia que define o controlador PID ´e dada por:
47
50. G(s) = Kp(1 +
1
tis
+ tds) (3.1)
Onde:
• Kp = Ganho Proporcional;
• ti = Tempo Integral;
• td = Tempo Derivativo.
Considerando e(t) como a entrada do controlador PID, ent˜ao a sa´ıda do
controlador, u(t), define-se do seguinte modo:
u(t) = Kp · et + Ki ·
t
0
e(t)dt + Kd ·
de(t)
dt
(3.2)
Os controladores PID conseguiram popularidade devido ao desempenho
robusto em grande faixa de condi¸c˜oes operacionais e tamb´em por sua sim-
plicidade funcional. O controlador PID necessita da determina¸c˜ao de trˆes
parˆametros para cada processo: ganho proporcional Kp, ganho integral Ki
e ganho derivativo Kd. Dos sistemas de controle apresentados, este ´e o
mais completo usado em controle de malha fechada. A Fig. 3.6 ilustra este
sistema.
Figura 3.6 - Controle PID.
48
51. O controlador PID combina as vantagens do controlador PI juntamente
com as vantagens do controlador PD. Esta combina¸c˜ao, agrupando com-
ponentes de natureza proporcional, integral e derivativa, al´em de ser ca-
paz de reduzir erros estacion´arios, pode conduzir o processo controlado `a
estabilidade. Este tipo de controlador ´e muito utilizado em processos in-
dustriais por causa da sua flexibilidade, pois possibilita a especifica¸c˜ao de
mais de um parˆametro da resposta transit´oria, como tempo de estabiliza-
¸c˜ao, tempo de subida, overshoot m´aximo, al´em da especifica¸c˜ao do erro
m´aximo de regime permanente.
Apesar de toda a sua popularidade, facilidade funcional e grande presen¸ca
em todo o meio industrial, o controlador PID tem seu sucesso obscurecido,
simplesmente por falta de desempenho em algumas aplica¸c˜oes. Existem
relatos de que grande porcentagem de controladores PID instalados est´a
operando de maneira manual. Isto ocorre em parte por falta de conheci-
mento no comissionamento do mesmo.
Para se determinar o bom desempenho dos controladores, deve-se esco-
lher bem os valores das constantes, pois esta escolha deve permitir que o
controlador opere com desempenho satisfat´orio e consequentemente leve o
processo `a estabilidade (OGATA et al., 2003).
Um dos intuitos deste trabalho ´e utilizar o controlador PID no controle
´otimo do motor de corrente cont´ınua. Desta forma, apresenta-se o diagrama
de blocos do motor CC juntamente com o controlador PID ilustrado na
Fig. 3.7.
Na express˜ao (3.3) pode-se verificar a fun¸c˜ao de transferˆencia do motor de
corrente cont´ınua associada `a fun¸c˜ao de transferˆencia do controlador PID.
ω(s)
Va(s)
=
KtKds2
+ KtKps + KtKi
αs4 + (β + γ)s3 + δs2 + s + ζ
(3.3)
Onde, α = LaJ, β = LaB, γ = RaJ, δ = RaB + KtKv + KtKd, = KtKp
e ζ = KtKi (REIS et al., 2013a).
Dentre v´arios m´etodos e regras propostos para se encontrar os parˆametros do con-
trolador, ser´a abordado o processo de otimiza¸c˜ao na busca de parˆametros para a
sintonia.
49
52. Figura 3.7 - Diagrama de blocos do motor CC com o controlador PID.
50
53. CAP´ITULO 4
PROCESSO DE OTIMIZA¸C˜AO
Neste cap´ıtulo apresenta-se breve introdu¸c˜ao te´orica necess´aria `a compreens˜ao do
processo de otimiza¸c˜ao utilizado neste trabalho. Para se compreender melhor o pro-
cesso de otimiza¸c˜ao, deve-se antes conhecer os conceitos de sistema, modelo e si-
mula¸c˜ao. Ao se aplicar os m´etodos de otimiza¸c˜ao utilizados neste trabalho ´e ne-
cess´ario conhecer o comportamento do sistema a ser otimizado e obter modelo que
o represente. Modelos que s˜ao validados atrav´es de simula¸c˜oes que s˜ao etapas de
fundamental importˆancia no processo de otimiza¸c˜ao.
4.1 Sistemas
De acordo com Maier e Rechtin (MAIER; RECHTIN, 2000) o sistema ´e a cole¸c˜ao de
elementos que trabalhando juntos produzem resultado imposs´ıvel de ser obtido pelos
elementos individualmente. Desta maneira, o comportamento do sistema pode ser
visto como a propriedade emergente que se origina da intera¸c˜ao de seus elementos.
Aslaksen (ASLAKSEN, 2008), por sua vez, sumariza o que vem a ser o sistema por
meio de trˆes conjuntos:
a) Conjunto de elementos;
b) Conjunto de intera¸c˜oes internas entre os elementos do sistema; e
c) Conjunto de intera¸c˜oes externas entre os elementos do sistema e elementos
de outros sistemas.
No estudo de sistema ´e necess´ario estabelecer quais s˜ao os elementos, a quantidade
de sistemas que interagem entre si, quais s˜ao as intera¸c˜oes entre os elementos internos
de um sistema e as intera¸c˜oes que existem entre os elementos que fazem parte de
diferentes sub-sistemas. Assim o sistema assume o conceito de complexo onde h´a
diversas vari´aveis que devem ser consideradas (LEMES, 2012).
4.2 Modelos
O modelo tem por defini¸c˜ao ser a simplifica¸c˜ao do sistema. Na verdade, ´e mais
entendido como sendo a representa¸c˜ao dele e todos os seus componentes internos,
51
54. produzido no intuito de estudar o real comportamento do sistema tomando por base
os aspectos internos que realmente interfiram no estudo realizado.
´E atrav´es do modelo que se d´a pr´atica `a simula¸c˜ao. Ele deve ser suficientemente
detalhado para gerar valores v´alidos que permitam obter verifica¸c˜ao com o sistema
real, sendo que o sistema pode conter modelos diferentes que s˜ao necess´arios de-
pendendo do objetivo a ser alcan¸cado no estudo realizado. Da´ı, a relevˆancia apenas
para os componentes do sistema que s˜ao devidamente importantes para cada estudo
espec´ıfico.
Os modelos podem ser f´ısicos ou matem´aticos, sendo que os modelos f´ısicos abrangem
a parte de prot´otipos e plantas-piloto do projeto. Os modelos matem´aticos utilizam
representa¸c˜ao abstrata da realidade, seja por nota¸c˜oes simb´olicas ou por equa¸c˜oes
matem´aticas para discriminar o sistema.
Neste trabalho o foco est´a em simular o controle do motor de corrente cont´ınua no
Simulink(R)
, a partir de modelagem matem´atica do motor e do controlador. Para
entender sobre modelagem matem´atica deve-se buscar alguns conceitos mais espec´ı-
ficos de modelos. Para Eykhoff (EYKHOFF; EYKHOFF, 1974) o modelo matem´atico
´e a representa¸c˜ao dos aspectos essenciais do sistema, que apresenta conhecimento
deste sistema em forma utiliz´avel. Esta modelagem consiste em equa¸c˜ao ou con-
junto de equa¸c˜oes que comp˜oem o modelo e ´e a aproxima¸c˜ao do processo real. Denn
(DENN, 1990) define que a modelagem abrange o sistema de equa¸c˜oes, cuja solu¸c˜ao,
dado o conjunto de dados de entrada, ´e representativa da resposta do processo.
4.2.1 Classifica¸c˜ao de Modelos Matem´aticos
Cada modelo pode ser classificado a partir do tipo de equa¸c˜ao que rege o compor-
tamento do processo. As classifica¸c˜oes de alguns tipos de modelos s˜ao mutuamente
excludentes como s˜ao os casos dos modelos est´aticos e dinˆamicos, modelos linea-
res e n˜ao lineares, modelos invariantes no tempo e os que s˜ao variantes, modelos
determin´ısticos e estoc´asticos.
O modelo no qual as vari´aveis permanecem constantes no tempo, ou seja, a entrada e
a sa´ıda continuam as mesmas, ´e chamado de modelo est´atico. Ele ´e representado por
sistema de equa¸c˜oes alg´ebricas e ´e caracter´ıstico do efeito da vari´avel de entrada ser
instantˆanea por n˜ao possuir “mem´oria”. Aquele que as vari´aveis s˜ao independentes
e que mudam seu valor no decorrer do tempo ´e conhecido como modelo dinˆamico. ´E
52
55. caracterizado por ter o sistema de equa¸c˜oes diferenciais onde a mudan¸ca na vari´avel
de entrada ou que est´a sendo monitorada influencia o comportamento do sistema
nos momentos seguintes passando pelas duas fases de comportamento, o regime
transit´orio e o regime permanente.
Pode-se definir o sistema modelado como linear ou n˜ao linear a partir do compor-
tamento de sua sa´ıda, se ela depende linearmente ou n˜ao das entradas e poss´ıveis
perturba¸c˜oes. A equa¸c˜ao ´e linear se suas vari´aveis dependentes ou suas derivadas
aparecem apenas no primeiro grau. Para se verificar a linearidade de uma fun¸c˜ao
pode-se usar as seguintes equa¸c˜oes origin´arias do Princ´ıpio da Superposi¸c˜ao:
f(x1 + x2) = f(x1) + f(x2) (4.1)
f(K · x) = K · f(x) (4.2)
O sistema n˜ao linear faz com que a resposta a qualquer tipo de entrada seja influen-
ciada pelo comportamento das outras entradas, assim, faz-se necess´ario determinar
as rela¸c˜oes entre todas as entradas e sa´ıdas ao mesmo tempo.
A planta deste trabalho pode ser classificada como sistema n˜ao-linear, j´a que sua
sa´ıda pode ser influenciada por mais de uma entrada como tens˜ao da armadura,
tens˜ao de campo, corrente de campo e corrente de armadura. Por´em, o controle
da velocidade do motor atuando apenas na tens˜ao da armadura, por exemplo, e
deixando o campo fixo, ´e uma forma de minimizar a n˜ao-linearidade do seu controle
e facilitar o trabalho com o motor CC. Este sistema, tamb´em pode ser representado
como modelo dinˆamico, pois suas vari´aveis s˜ao independentes e podem ter seus
valores modificados no decorrer do tempo.
4.2.2 Modelagem
O processo de otimiza¸c˜ao segue o seguinte fluxograma ilustrado na Fig. 4.1.
53
56. Figura 4.1 - Fluxograma que define o processo de otimiza¸c˜ao.
Na Fig. 4.1 f(x∗
) simboliza o valor ´otimo ou otimizado. A caixa intitulada M´etodo
de otimiza¸c˜ao ser´a definida na se¸c˜ao 4.4.
4.3 Simula¸c˜ao
A simula¸c˜ao ´e o recurso prim´ario utilizado de forma geral para solucionar problemas
variados em que ainda n˜ao ´e conhecida a solu¸c˜ao anal´ıtica. ´E basicamente a elabo-
ra¸c˜ao de modelos que representam o sistema a ser estudado, seja ele f´ısico, matem´a-
tico, sistemas produtivos e de distribui¸c˜ao. Em termos mais pr´aticos, a simula¸c˜ao
´e definida pela constru¸c˜ao do modelo de um sistema real (ou ainda por existir) e,
utilizando como ferramenta o computador, permite a pr´atica de experimentos com
diversos cen´arios deste modelo (SALIBY; ARA´UJO, 2001).
Os objetivos de realizar a simula¸c˜ao partem do princ´ıpio de que ´e necess´ario conhecer
e analisar o comportamento do novo sistema antes de sua implanta¸c˜ao ou melhorar
54
57. o desempenho de sistemas j´a instalados. Oferecendo a quem estuda este sistema
melhor compreens˜ao do que acontece. Tamb´em pode ser utilizada para confrontar
resultados, medir eficiˆencia e tem forte uso nas atividades de verifica¸c˜ao e valida¸c˜ao
de projetos (CALIXTO, 2012).
Nem sempre a simula¸c˜ao deve ser aplicada de forma computacional, por exemplo,
o caso dos prot´otipos de t´uneis de vento. Para se obter boa simula¸c˜ao ´e necess´ario
ter conhecimento do sistema a ser simulado, dispor de boa modelagem do sistema
dando aten¸c˜ao ao detalhamento do modelo obtido pela sua verifica¸c˜ao e valida¸c˜ao.
Posteriormente os aspectos a serem considerados na simula¸c˜ao ´e a escolha do simu-
lador, a linguagem de simula¸c˜ao, o tratamento das condi¸c˜oes iniciais, a dura¸c˜ao da
simula¸c˜ao e verificar a concordˆancia com a linha de objetivos estabelecidos (KELTON;
LAW, 2000).
4.3.1 O simulador
Representar o real funcionamento do sistema ´e o que se busca na simula¸c˜ao. Mas
para que isso seja poss´ıvel ´e necess´ario possuir o simulador compat´ıvel, com capa-
cidade de processar os dados de simula¸c˜ao e estabelecer comportamento aceit´avel.
Para isso, tem-se como ferramenta aparelhos para simula¸c˜ao, seja ela n˜ao compu-
tacional como o t´unel de vento que simula o efeito do movimento do ar sobre ou
ao redor do objeto s´olido. Ou ent˜ao, softwares que s˜ao encarregados pela simula¸c˜ao
computacional, como o Simulink , que no caso deste trabalho ser´a o simulador utili-
zado para experimentar os valores do modelo retirado do motor de corrente cont´ınua
utilizado.
O Simulink possui ambiente com diagrama de blocos para a realiza¸c˜ao de simu-
la¸c˜oes de v´arios dom´ınios e design Model-Based (m´etodo matem´atico e visual de
resolu¸c˜ao de problemas associados `a concep¸c˜ao de controle complexo). Ele engloba
dentro de suas capacidades a simula¸c˜ao, a gera¸c˜ao autom´atica de c´odigo, o teste
cont´ınuo e a verifica¸c˜ao de sistemas embarcados.
Al´em disto, ele fornece editor gr´afico com bibliotecas de blocos que podem ser per-
sonalizados e utilizados na solu¸c˜ao da modelagem e na representa¸c˜ao de sistemas
dinˆamicos. ´E integrado com o MATLAB (software para computa¸c˜ao num´erica
com ambiente interativo), permitindo-lhe incorporar algoritmos do MATLAB em
modelos e exportar os resultados da simula¸c˜ao para o software a fim de an´alises
55
58. posteriores. Neste projeto o simulador dever´a trabalhar com a fun¸c˜ao de avalia¸c˜ao
semelhante `a ilustrada na Fig. 4.2.
Figura 4.2 - Fun¸c˜ao de Avalia¸c˜ao.
4.4 Introdu¸c˜ao aos Conceitos de Otimiza¸c˜ao
Otimizar ´e promover eficiˆencia ao processo, eliminando perdas, desperd´ıcios, ga-
nhando tempo e tornando o processo mais eficiente. Logo, a otimiza¸c˜ao pode pro-
mover melhorias econˆomicas (otimiza¸c˜ao econˆomica) e tamb´em melhorias t´ecnicas
ou operacionais (otimiza¸c˜ao operacional).
Otimizar ´e encontrar o valor m´aximo ou m´ınimo de uma determinada fun¸c˜ao que
represente determinado processo (modelo matem´atico). Tal fun¸c˜ao ´e denominada
fun¸c˜ao objetivo (f(x)), podendo conter uma ou mais vari´aveis de projeto que se de-
seje otimizar. As vari´aveis de projeto se alteram durante o processo de otimiza¸c˜ao,
possuindo portanto, dinˆamica particular. O problema de otimiza¸c˜ao pode ser: linear
ou n˜ao-linear, com ou sem restri¸c˜oes. Problemas restritos s˜ao mais complexos do
que os problemas irrestritos. Al´em disto, a otimiza¸c˜ao pode ser cont´ınua ou discreta,
global ou local e utilizar algoritmos determin´ısticos ou heur´ısticos. Ao otimizar o pro-
56
59. cesso, as solu¸c˜oes poss´ıveis se encontram dentro do conjunto ou regi˜ao denominada
espa¸co de busca. Ao encontrar o ponto ´otimo do processo encontra-se as vari´aveis
que maximizam ou minimizam a fun¸c˜ao objetivo, satisfazendo as restri¸c˜oes. O valor
da fun¸c˜ao objetivo no ponto ´otimo ou otimizado ´e dado por f(x∗
).
O problema de minimiza¸c˜ao ou maximiza¸c˜ao pode ser expresso matematicamente
da seguinte forma:
minf(x)
sujeito `a:
ci(x) = 0, i ∈ I
ci(x) = 0, i ∈ D
com x ∈ Rn
sendo que,
• x ´e o vetor das vari´aveis de projeto;
• f ´e a fun¸c˜ao objetivo;
• ci s˜ao fun¸c˜oes de restri¸c˜ao;
• I e D representam os conjuntos de ´ındices das restri¸c˜oes de igualdade e
desigualdade, respectivamente.
Embora a otimiza¸c˜ao seja problema de maximiza¸c˜ao ou minimiza¸c˜ao, o usual ´e
sempre minimizar, pois todo problema de maximiza¸c˜ao pode ser convertido mate-
maticamente em um problema de minimiza¸c˜ao. Segundo Pizzolato e Gandolpho:“Ao
se multiplicar a fun¸c˜ao por (−1), ela ´e substitu´ıda por outra sim´etrica em rela¸c˜ao ao
eixo horizontal e o m´ınimo de uma ocorre na mesma abscissa que o m´aximo da outra,
naturalmente com o sinal invertido. Portanto: −Max[−f(x)] = Minf(x)” (PIZZO-
LATO; GANDOLPHO, 2009). Um problema de maximiza¸c˜ao pode ser transformado
em problema de minimiza¸c˜ao com referˆencia.
Os problemas de otimiza¸c˜ao solucionados com m´etodos determin´ısticos s˜ao tamb´em
denominados de programa¸c˜ao matem´atica, e utilizam algoritmos iterativos para en-
contrar a melhor resposta. Come¸cam com chute inicial e geram sequˆencia de aproxi-
ma¸c˜oes at´e encontrar o ponto m´ınimo. O que distingue os algoritmos de otimiza¸c˜ao
57
60. s˜ao as estrat´egias utilizadas para se mover de uma itera¸c˜ao para outra. Bons algo-
ritmos s˜ao aqueles que conseguem ser robustos, eficientes e precisos.
4.5 M´etodos de Otimiza¸c˜ao Determin´ısticos
M´etodos de otimiza¸c˜ao determin´ısticos s˜ao aqueles que utilizam algoritmos deter-
min´ısticos, algoritmos cl´assicos de otimiza¸c˜ao, que dependem do conhecimento das
derivadas da fun¸c˜ao objetivo para mudar de uma itera¸c˜ao para outra. A fun¸c˜ao ob-
jetivo e as restri¸c˜oes s˜ao dadas como fun¸c˜oes matem´aticas e rela¸c˜oes funcionais.Tais
m´etodos geram sequˆencia determin´ıstica de poss´ıveis solu¸c˜oes, que requer o uso de
pelo menos a primeira derivada da fun¸c˜ao objetivo em rela¸c˜ao `as vari´aveis de pro-
jeto. Seu comportamento ´e previs´ıvel, isto ´e, para determinada entrada, o algoritmo
apresenta sempre a mesma sa´ıda e o mesmo “ponto de parada”. Estes algoritmos
admitem apenas um estado por vez, que caracteriza determinada resposta.
Tais m´etodos s˜ao extremamente dependentes da estimativa inicial (chute, semente),
fazendo com que sejam ineficientes para determina¸c˜ao de ´otimos globais, entretanto,
apresentam teoremas que lhes garantem a convergˆencia para a solu¸c˜ao ´otima local.
Como exemplo pode-se citar: o M´etodo de Newton, o M´etodo de Quase-Newton e o
M´etodo Gradiente (GURDAL et al., 1992; BASTOS, 2004).
4.5.1 M´etodo de Newton
Seja f(x) uma fun¸c˜ao cont´ınua em [a,b], intervalo que cont´em uma raiz da equa¸c˜ao
f(x) = 0. Seja x = φ(x) uma equa¸c˜ao equivalente, obtida atrav´es da transforma¸c˜ao
de f(x). Considere uma f´ormula recursiva dada por xk+1 = φ(xk) , onde a fun¸c˜ao
φ(x) ´e tal que f(raiz) = 0 se e somente se φ(raiz) = raiz. Tal artif´ıcio transforma
o problema de encontrar um zero de f(x) no problema de encontrar um ponto fixo
de φ(x). Tal m´etodo ´e denominado M´etodo do Ponto Fixo. Para que a convergˆen-
cia ocorra o |φ(x)| deve possuir baixa inclina¸c˜ao, ou seja, ser menor que um. A
convergˆencia do m´etodo ser´a mais r´apida quanto menor for este m´odulo.
O M´etodo de Newton serve justamente para acelerar a convergˆencia do M´etodo do
Ponto Fixo, escolhendo para fun¸c˜ao de itera¸c˜ao a fun¸c˜ao φ(x) tal que φ(raiz) = 0.
Este m´etodo ´e obtido geometricamente tra¸cando uma reta Lk(x) tangente `a curva ao
ponto inicialmente escolhido, conforme ilustra a Fig. 4.3. Lk(x) ´e um modelo linear
que aproxima a fun¸c˜ao f(x) numa vizinhan¸ca de xk. Este m´etodo est´a baseado na
expans˜ao da fun¸c˜ao em s´erie de Taylor e truncamento da mesma no segundo termo.
58
61. Assim expandindo f(x) em torno de um ponto xk obtemos a f´ormula recursiva para
o M´etodo de Newton, que pode ser vista na express˜ao (4.3).
xk+1 = xk −
f (xk)
f (xk)
(4.3)
Figura 4.3 - Gr´afico da reta tangente ao ponto, m´etodo de newton.
Este ´e um m´etodo bastante sens´ıvel a estimativa inicial e s´o ´e aplic´avel `a fun¸c˜oes
onde existam f (x) e f”(x) . Se f”(x) → 0 a convergˆencia ´e lenta.
4.5.2 M´etodo de Quase-Newton
Os m´etodos de otimiza¸c˜ao de Quase-Newton, surgiram por volta da d´ecada de 1950
devido a necessidade de obter m´etodos de otimiza¸c˜ao que acelerasse as itera¸c˜oes
na otimiza¸c˜ao de sistemas n˜ao-lineares. Na ´epoca, os computadores eram muitos
inst´aveis e sempre falhavam antes de concluir os c´alculos. Isso quando ainda era
utilizado m´etodos mais complexos e pesados como o m´etodo de Newton (BRAND˜AO,
2010; MARTINEZ; SANTOS, 1995).
Os m´etodos de Quase-Newton apenas utilizam o gradiente da fun¸c˜ao objetivo for-
necido em cada itera¸c˜ao. Quando se provoca a mudan¸ca na medida do gradiente,
a fun¸c˜ao objetivo constru´ıda ´e um bom modelo para produzir convergˆencia super-
59
62. linear. Os m´etodos de Quase Newton s˜ao globalmente convergentes se o comprimento
do passo ´e satisfeito pela condi¸c˜ao de Wolfe, e se as pseudo-matrizes Hessianas s˜ao
numericamente limitadas e s˜ao positivas definidas.
Outra vantagem dos m´etodos de Quase-Newton sobre os m´etodos de Newton ´e a
inexistˆencia de segundas derivadas e Hessianas. Nele, a pseudo-matriz Hessiana utili-
zada tem sua inversa obtida por meio de m´etodo iterativo. Atualmente, os algoritmos
de otimiza¸c˜ao mais utilizados, possuem bibliotecas com v´arios tipos deste m´etodo
(Quase-Newton) e s˜ao utilizados na solu¸c˜ao de restritos, irrestritos, de grande escala,
etc (BRAND˜AO, 2010).
Ao inv´es de calcular 2
f2
utiliza-se a aproxima¸c˜ao pela matriz pseudo-hessiana
(Bk
). Para o novo valor assumido por Bk
, ´e levado em conta o fato das varia¸c˜oes
do gradiente trazerem informa¸c˜oes sobre a segunda derivada de f no decorrer da
dire¸c˜ao de busca.
Se pegarmos a equa¸c˜ao que expressa o teorema de Taylor para toda f continuamente
diferenci´avel, considerando p ∈ Rn
e f, 2
f o gradiente e a matriz Hessiana
respectivamente.
f(x + p) = f(x) +
1
0
2
f(x + tp)pdt (4.4)
Pode-se operar sobre ela, somando e subtraindo o termo 2
f(x)p e fazendo x = xk
e p = xk+1
− xk
, obt´em-se
fk+1
= fk
+ 2
fk
(xk+1
− xk
) + θ(||xk+1
− xk
||) (4.5)
J´a que seu tamanho do termo final de integra¸c˜ao ´e de ordem θ(||p||).
No momento em que xk
e xk+1
estiverem em uma regi˜ao pr´oxima a solu¸c˜ao x∗
e sua
matriz Hessiana seja positiva e definida, o termo final da expans˜ao pode ser escrito
como:
2
fk
(xk+1
− xk
) ≈ fk+1
− fk
(4.6)
60
63. Se considerado uma matriz Hessiana aproximada Bk+1
que siga a restri¸c˜ao apresen-
tada em 4.6. ´E necess´ario que a Equa¸c˜ao da Secante, seja satisfeita:
Bk+1
sk = yk (4.7)
sendo,
sk = xk+1
− xk
e yk = fk+1
− fk
(4.8)
Para encontrar a dire¸c˜ao de Quase-Newton, basta substituir Bk
na equa¸c˜ao,
pk = −( 2
fk
)−1
fk
(4.9)
que resulta em,
pk = −(Bk
)−1
fk
(4.10)
Em algumas aplica¸c˜oes pr´aticas com o m´etodo de Quase-Newton, utiliza-se a in-
versa (Bk
)−1
substituindo a atualiza¸c˜ao de Bk
para reduzir o custo computacional
(BRAND˜AO, 2010; MARTINEZ; SANTOS, 1995).
4.6 M´etodos de Otimiza¸c˜ao Heur´ısticos
Quando determinado problema n˜ao tem solu¸c˜ao ou o valor da fun¸c˜ao de avalia¸c˜ao
utilizando o m´etodo de otimiza¸c˜ao determin´ıstico n˜ao satisfaz, pode-se utilizar a
t´ecnica de otimiza¸c˜ao heur´ıstica. Esta t´ecnica adv´em de algoritmos que buscam a
solu¸c˜ao de problemas sem ter preocupa¸c˜ao com a implementa¸c˜ao computacional de
conhecimentos especializados.
Estes m´etodos de otimiza¸c˜ao s˜ao extremamente eficazes na solu¸c˜ao de problemas
com diversos m´ınimos, pois buscam a solu¸c˜ao utilizando regras de probabilidade. Os
m´etodos heur´ısticos examinam o problema aplicando as abordagens poss´ıveis para
solu¸c˜ao, avaliando se o problema alcan¸cou a solu¸c˜ao.
61
64. N˜ao podem ser considerados deficientes por n˜ao serem extremamente precisos, deve-
se considerar este aspecto como particularidade semelhante `a pr´opria inteligˆencia hu-
mana. O ser humano tem a capacidade de resolver diversos problemas sem conhecˆe-
los com precis˜ao e nestas situa¸c˜oes boa solu¸c˜ao ´e encontrada sem a preocupa¸c˜ao de
se buscar solu¸c˜ao comprovadamente ´otima.
Por buscarem solu¸c˜ao a partir de regras de probabilidade os m´etodos heur´ısticos s˜ao
mais eficazes para problemas com m´ultiplos m´ınimos e isto sem utilizar derivadas.
4.6.1 Algoritmos Gen´eticos
Os algoritmos gen´eticos s˜ao algoritmos matem´aticos que buscam aleatoriamente
solu¸c˜oes otimizadas. Estes algoritmos s˜ao inspirados nos mecanismos de evolu¸c˜ao
natural e recombina¸c˜ao gen´etica. Esta t´ecnica ´e robusta, podendo ser aplicada a
diversos problemas ´e eficaz encontrando solu¸c˜oes otimizadas em tempo razo´avel.
Inspirado no princ´ıpio Darwiniano de reprodu¸c˜ao e sobrevivˆencia dos mais aptos este
algoritmo oferece mecanismo de busca adaptativa. Utilizando os dados do problema,
procura se inspirar na forma como a natureza funciona. Ele come¸ca um conjunto
de solu¸c˜oes (representadas por cromossomos) que ´e chamado de popula¸c˜ao. Estes
primeiros candidatos `a solu¸c˜ao do problema podem ser gerados aleatoriamente. A
sele¸c˜ao natural ´e que vai transform´a-los, e ajudar a encontrar boa solu¸c˜ao para o
problema. Os indiv´ıduos da popula¸c˜ao s˜ao utilizados para formar nova popula¸c˜ao
atrav´es da recombina¸c˜ao, com a esperan¸ca que esta nova popula¸c˜ao seja melhor que
a primeira.
Esta recombina¸c˜ao, crossover, imita o processo biol´ogico homˆonimo na reprodu¸c˜ao
sexuada, onde os descendentes recebem em seu c´odigo gen´etico parte do c´odigo
gen´etico do pai e parte do c´odigo da m˜ae.
Neste processo podem ocorrer muta¸c˜oes ocasionando altera¸c˜ao aleat´oria no material
gen´etico, introduzindo variedade na popula¸c˜ao. Quando ocorre evolu¸c˜ao, a mesma
leva o Algoritmo Gen´etico a regi˜oes mais promissoras do espa¸co de busca.
´E necess´ario um crit´erio de sele¸c˜ao, uma fun¸c˜ao de fitness (avalia¸c˜ao), que possa
calcular o quanto o candidato `a solu¸c˜ao ´e “bom”. Com esta fun¸c˜ao, decidem-se quais
indiv´ıduos sobrevivem para a pr´oxima fase, dando mais chances para os que tiveram
“boa” nota na fun¸c˜ao de fitness. Repete-se esse processo at´e que alguma condi¸c˜ao de
62
65. parada seja satisfeita.
4.7 Suplemento
4.7.1 Hist´orico
Bi´ologos e matem´aticos usando a gen´etica e as ideias sobre a sele¸c˜ao natural, de-
senvolveram durante os anos 30 e 40, o princ´ıpio b´asico de gen´etica populacional,
que diz que a variabilidade entre indiv´ıduos em popula¸c˜ao de organismos que se
reproduzem sexualmente ´e produzida pela muta¸c˜ao e pela recombina¸c˜ao gen´etica.
John Holland foi quem come¸cou a desenvolver as primeiras pesquisas em simula¸c˜oes
computacionais de sistemas gen´eticos, lembrando que algumas simula¸c˜oes foram
feitas nas d´ecadas de 50 e 60. Em 1975 publicou Adaptation in Natural and Artificial
Systems, livro que hoje ´e considerado o principal livro que trata dos algoritmos
gen´eticos.
Al´em de Holland fundamentar a teoria geral de sistema de adapta¸c˜ao robusta, ele
encontrou o caminho para aplica¸c˜ao pr´atica na determina¸c˜ao de m´aximos e m´ınimos
de fun¸c˜oes matem´aticas. Este caminho marcou a aceita¸c˜ao dos algoritmos gen´eticos
no meio acadˆemico e estes tem sido aplicados com sucesso em diversos problemas
de otimiza¸c˜ao.
4.7.2 Caracter´ısticas dos Algoritmos Gen´eticos
Algumas caracter´ısticas do algoritmo gen´etico podem ser citadas como:
• Em algoritmos gen´eticos, o cromossomo ´e a estrutura de dados que re-
presenta as poss´ıveis solu¸c˜oes do espa¸co de busca do problema. Os cro-
mossomos s˜ao ent˜ao submetidos a processo que inclui avalia¸c˜ao, sele¸c˜ao,
recombina¸c˜ao e muta¸c˜ao (BRITTO, 2011);
63
66. • Algoritmos gen´eticos tem sido aplicados a diversos problemas de otimiza-
¸c˜ao, tais como: otimiza¸c˜ao de fun¸c˜oes matem´aticas; otimiza¸c˜ao combinato-
rial; otimiza¸c˜ao de planejamento; otimiza¸c˜ao de rota de ve´ıculos; otimiza-
¸c˜ao de distribui¸c˜ao; otimiza¸c˜ao em neg´ocios e s´ıntese de circuitos eletrˆonicos
(BRITTO, 2011);
• Iniciando o algoritmo gen´etico com a mesma popula¸c˜ao inicial e o mesmo
conjunto de parˆametros podemos encontrar solu¸c˜oes diferentes a cada vez
que executamos o programa (FJELLSTAD OLA-ERIK E FOSSEN, 1992);
• Algoritmos gen´eticos trabalham com grande popula¸c˜ao de pontos, sendo a
heur´ıstica de busca aplicada no espa¸co de solu¸c˜oes (BRITTO, 2011);
4.7.3 Mecanismos dos Algoritmos Gen´eticos
Nos algoritmos gen´eticos, popula¸c˜oes de indiv´ıduos s˜ao criadas e submetidas aos
operadores gen´eticos. Estes operadores utilizam caracter´ısticas mensuradas na qua-
lidade de cada indiv´ıduo (Aptid˜ao) em rela¸c˜ao ao meio em que ele est´a inserido,
sendo cada indiv´ıduo uma poss´ıvel solu¸c˜ao para o problema proposto.
A medida da qualidade de cada indiv´ıduo ´e chamada de avalia¸c˜ao, e gera o processo
de evolu¸c˜ao natural destes indiv´ıduos que eventualmente ir´a gerar outro indiv´ıduo
melhor adaptado ao meio onde ele est´a inserido, combinando a sobrevivˆencia en-
tre os melhores com forma estruturada de troca de informa¸c˜oes gen´eticas entre os
indiv´ıduos da popula¸c˜ao, formando a heur´ıstica de busca.
Ao executar o algoritmo gen´etico a popula¸c˜ao de indiv´ıduos, que representa o con-
junto de poss´ıveis solu¸c˜oes do problema, ´e submetida a s´erie de transforma¸c˜oes.
Cada ciclo de avalia¸c˜ao constitui uma gera¸c˜ao. Espera-se que o algoritmo gen´etico
ao fim do n´umero razo´avel de gera¸c˜oes apresente o candidato ´otimo ou que o melhor
indiv´ıduo seja a solu¸c˜ao otimizada.
A estrutura gen´erica do algoritmo gen´etico b´asico pode ser sintetizada como ilustrado
na Fig. 4.4.
64
67. Figura 4.4 - Esquema de um algoritmo gen´etico cl´assico.
4.7.4 Representa¸c˜ao
A representa¸c˜ao das poss´ıveis solu¸c˜oes do espa¸co de busca do problema define a
estrutura do cromossomo a ser manipulado pelo algoritmo. A representa¸c˜ao do cro-
mossomo depende do tipo de problema e do que, essencialmente, se deseja manipular
geneticamente. Os principais tipos s˜ao mostrados na Tab. 4.1.
65
68. Tabela 4.1 - Tipos de representa¸c˜ao.
Representa¸c˜ao Problemas
Bin´aria Num´ericos, Inteiros
N´umeros Reais Num´ericos
Permuta¸c˜ao de S´ımbolos Baseados em Ordem
S´ımbolos Repetidos Grupamento
A representa¸c˜ao bin´aria ´e de f´acil manipula¸c˜ao cromossˆomica atrav´es dos operadores
gen´eticos, f´acil de ser transformada em inteiro ou real e, ainda, facilita a prova
de alguns teoremas. Todavia, a representa¸c˜ao por n´umeros reais (ponto flutuante)
oferece melhor desempenho (CALIXTO, 2010).
A terminologia usada nos algoritmos gen´eticos ´e a mesma terminologia usada em
biologia. Alguns termos utilizados est˜ao listados na Tab. 4.2.
Tabela 4.2 - Significado dos termos.
Aptid˜ao (Fitness) Probabilidade que o organismo
possui para reproduzir.
Cromossomo Indiv´ıduo, estrutura de solu¸c˜ao
candidata para o problema.
Popula¸c˜ao Conjunto dos cromossomos
que comp˜oe cada gera¸c˜ao.
Gene Divis˜ao conceitual do cromossomo,
capaz de codificar a caracter´ıstica.
Posi¸c˜ao Posi¸c˜ao em que o gene
se localiza no cromossomo.
Alelo Caracter´ıstica ou valor num´erico que
representa o gene. Codifica¸c˜ao bin´aria,
dois poss´ıveis alelos: 0 e 1.
Cruzamento (Crossover) Troca de partes entre dois
cromossomos, geralmente hapl´oides.
Gameta Cada cromossomo gerado por cruzamento.
Muta¸c˜ao Mudan¸ca ou troca de um ou mais alelos
do cromossomo.
Locus Posi¸c˜ao do gene.
Gen´otipo Estrutura.
Fen´otipo Conjunto de vari´aveis.
Gera¸c˜ao Ciclo de cria¸c˜ao e de transforma¸c˜ao
do problema.
Adequabilidade Fun¸c˜ao de avalia¸c˜ao.
66
69. As vari´aveis dos problemas a serem otimizados devem ser codificadas no cromos-
somo de comprimento finito. Usando analogia com os cromossomos nos sistemas
biol´ogicos, no algoritmo gen´etico, os indiv´ıduos s˜ao representados de forma codifi-
cada por sequˆencia de c´odigos agrupados, chamado de cromossomo. Nos seres vivos,
os cromossomos s˜ao sequˆencias de DNA (´Acido Desoxirribonucleico), que sozinhos
ou combinados, prescrevem geneticamente a forma e o funcionamento do organismo.
Os cromossomos por sua vez s˜ao formados por genes, combina¸c˜ao de prote´ınas. A
disposi¸c˜ao, sequˆencia e intera¸c˜ao dos genes definem cada caracter´ıstica. Os poss´ıveis
valores assumidos pelas caracter´ısticas s˜ao chamados de alelos.
Cada gene tem sua pr´opria posi¸c˜ao no cromossomo e esta posi¸c˜ao ´e denominada
de locus. Na natureza, dois ou mais cromossomos se combinam para formar as ca-
racter´ısticas gen´eticas b´asicas dos indiv´ıduos. Nos algoritmos gen´eticos, os termos
cromossomo e indiv´ıduo s˜ao sinˆonimos. Na gen´etica, os cromossomos s˜ao forma-
dos por genes, que assumem v´arios valores poss´ıveis. O gen´otipo ´e a estrutura do
cromossomo e o fen´otipo corresponde `a intera¸c˜ao do conte´udo gen´etico dentro do
cromossomo com o ambiente.
Os algoritmos gen´eticos s˜ao em geral programas que necessitam somente de informa-
¸c˜oes locais ao ponto avaliado (Aptid˜ao dos indiv´ıduos), n˜ao necessitando de deriva-
das ou qualquer outra informa¸c˜ao adicional. Este fato torna os algoritmos gen´eticos
excelentes para otimizar problemas descont´ınuos (CALIXTO, 2010).
4.8 Sintonia Proporcional, Integral e Derivativa utilizando Algoritmo
Gen´etico
Segundo Ogata, tem-se que a utilidade dos controles PID reside na sua aplicabili-
dade geral `a maioria dos sistemas de controle. No campo dos sistemas de processos
cont´ınuos, ´e fato conhecido que as estruturas de controle PID provaram sua utilidade
ao propiciar controle satisfat´orio, embora n˜ao possam fornecer o controle ´otimo em
muitas situa¸c˜oes espec´ıficas. ´E interessante assinalar que mais da metade dos contro-
ladores industriais em uso nos dias atuais utiliza estrat´egias de controle PID (OGATA
et al., 2003). Por isso ´e importante destacar dentre v´arias abordagens a que viabilize
a melhor sintonia destes controladores.
A maneira de se conseguir a sintonia de controladores ´e utilizar m´etodos de oti-
miza¸c˜ao aplicados ao modelo do sistema, depois utilizar os valores dos parˆametros
67
70. otimizados no sistema real. Pode-se utilizar o algoritmo gen´etico, na busca de me-
lhores solu¸c˜oes para ampla variedade de problemas de sintonia de controladores, no
qual os m´etodos tradicionais s˜ao considerados de baixo desempenho por ficar presos
em ´otimos locais.
A modelagem para implementar a sintonia PID utilizando algoritmos gen´eticos par-
tiu da concep¸c˜ao do cromossomo formado pelos trˆes parˆametros a serem ajustados
para obten¸c˜ao do desempenho adequado.
No m´etodo proposto, o algoritmo gen´etico ´e aplicado como t´ecnica de
busca/otimiza¸c˜ao dos trˆes ganhos associados ao tradicional controlador PID cl´as-
sico: Kp (ganho proporcional), Ki (ganho integral) e Kd (ganho diferencial). Estes
trˆes parˆametros caracterizam o indiv´ıduo a ser avaliado, ou seja, o cromossomo ´e
formado da seguinte maneira:
[Kp Ki Kd f(x)] (4.11)
Onde f(x) ´e a avalia¸c˜ao do indiv´ıduo.
68
71. CAP´ITULO 5
PROCEDIMENTOS E METODOLOGIA
Neste cap´ıtulo ser˜ao descritos os procedimentos e m´etodos utilizados na execu¸c˜ao
deste trabalho. O levantamento dos parˆametros do motor e o modelo matem´atico
fazem parte da implementa¸c˜ao aplicada `a m´aquina estudada. A Fig. 5.1 ilustra o
motor utilizado neste projeto.
Faz parte tamb´em da metodologia aplicada no trabalho a constru¸c˜ao da bancada
did´atica para acionamento/controle do motor e a simula¸c˜ao do processo de otimiza-
¸c˜ao utilizando os m´etodos determin´ıstico e heur´ıstico para buscar os valores de Kp,
Ki e Kd otimizados.
Figura 5.1 - Motor de corrente cont´ınua (WEG - DNF090.070S).
5.1 Determina¸c˜ao dos Parˆametros El´etricos e Mecˆanicos do Motor de
Corrente Cont´ınua
Para conhecer o comportamento dinˆamico do motor ´e preciso obter o seu modelo
matem´atico. Somente conhecendo os parˆametros el´etricos e mecˆanicos do motor ´e
que se pode realizar a simula¸c˜ao e a implementa¸c˜ao do trabalho.
O motor utilizado na simula¸c˜ao e na implementa¸c˜ao foi um motor comercial. Seus
dados de placa podem ser visualizados na Fig. 5.2 (WEG - Brasil, 2008).
69
72. Figura 5.2 - Placa de identifica¸c˜ao.
Para determinar os parˆametros do motor de corrente cont´ınua, foi necess´ario a uti-
liza¸c˜ao de alguns m´etodos para identificar os valores de resistˆencia da armadura Ra,
indutˆancia de armadura La, constante de for¸ca contra-eletromotriz fcem Kv, cons-
tante de torque Kt, coeficiente de atrito B e o momento de in´ercia J (OLIVEIRA et
al., 2005; RUSSOLO, 2011).
5.1.1 Resistˆencia da Armadura (Ra)
A resistˆencia da armadura foi obtida de duas formas, ambas com resultados seme-
lhantes. A primeira forma ´e emp´ırica e ´e utilizado um ohm´ımetro. Como a resistˆencia
varia de acordo com a posi¸c˜ao do rotor, o procedimento consiste em medir e anotar
o valor de Ra para v´arias posi¸c˜oes do eixo. O valor de Ra a ser escolhido ´e o menor
deles. Os resultados obtidos s˜ao apresentados na Tab. 5.1. Observe que o menor
valor tamb´em foi o que mais ocorreu em 10 amostras.
A segunda forma de determina¸c˜ao de Ra ´e anal´ıtica e ´e dada pela express˜ao (5.1)
fornecida pelo manual do fabricante (WEG - Brasil, 2008).
70
73. Tabela 5.1 - Valores de resistˆencia medidos.
R1 6,6 Ω R6 6,8 Ω
R2 7,2 Ω R7 7,1 Ω
R3 7,1 Ω R8 6,6 Ω
R4 6,6 Ω R9 6,9 Ω
R5 6,7 Ω R10 7,0 Ω
Portanto Ra = 6, 6 Ω
J´a o valor calculado para Ra ´e:
Ra = K3(
Va
Nn
)1,8
= 280(
230
1800
)1,8
= 6, 898 Ω (5.1)
Onde,
• K3 = Constante para c´alculo de Ra (WEG - Brasil, 2008);
• Va = Tens˜ao de armadura nominal (V);
• Nn = Rota¸c˜ao nominal (rpm).
Optou-se por utilizar o valor calculado de Ra, devido `a quest˜oes de maior confiabi-
lidade.
5.1.2 Indutˆancia da Armadura (La)
A indutˆancia da armadura tamb´em foi medida empiricamente e calculada analitica-
mente. Sua medi¸c˜ao ´e realizada utilizando um medidor RLC com o rotor na posi¸c˜ao
em que foi encontrada a menor resistˆencia de armadura. Como o motor CC ´e uma
m´aquina de excita¸c˜ao independente, o campo deve permanecer excitado em tens˜ao
nominal para realizar a medi¸c˜ao. O c´alculo anal´ıtico de La tamb´em foi realizado
71
74. atrav´es da express˜ao (5.2) fornecida no manual do fabricante. Os resultados obtidos
s˜ao:
Valor medido empiricamente:
La = 27, 3 mH
Valor calculado analiticamente:
La = K2(
Va
Nn
)1,7
= 895(
230
1800
)1,7
= 27, 089 mH (5.2)
Onde,
• K2 - Constante para c´alculo de La (WEG - Brasil, 2008).
Para o caso da Indutˆancia optou-se tamb´em pelo valor calculado.
5.1.3 Constante de for¸ca contra-eletromotriz (Kv) e Constante de Tor-
que (Kt)
De acordo com Rashid (RASHID, 1999) as constantes de for¸ca contra-eletromotriz e
de torque s˜ao iguais por´em com unidades diferentes. Portanto, basta determin´a-las
uma ´unica vez. Considerando que o motor est´a em regime permanente, implicando
em dIa
dt
ser nulo, consegue-se determinar o valor da constante atrav´es da express˜ao:
K = Kv = Kt
Kv =
Va − Ra · Ia
ω · If
(5.3)
Onde, Kv ´e dado em [V.s/rad.A] e Kt ´e dado em [N.m/A2
].
Para maior confiabilidade, esta express˜ao foi usada para v´arios valores de tens˜ao
de armadura e depois calculou-se a m´edia dos resultados obtidos desprezando os
outliers presentes. O valor da tens˜ao de campo foi fixado em 190 V e a unidade de
velocidade utilizada ´e rad/s. A Tab. 5.2 apresenta os dados medidos e a respectiva
constante calculada:
72
75. Tabela 5.2 - Valores medidos e calculados.
Va [V ] Ia [A] If [A] ω [rad/s] ω [rpm] Kv [V.s/rad.A]
230 0,46 0,972 217,39 2076 1,07346
198,8 0,42 0,972 188,5 1800 1,06921
150 0,38 0,972 140,84 1345 1,07656
75 0,3 0,972 68,94 658,4 1,0883
Ra (Ω) 6,898
Resultado obtido:
K = 1, 073
5.1.4 Coeficiente de Atrito (B)
Em um motor de corrente cont´ınua de excita¸c˜ao independente o torque desenvolvido
Td ´e dado pelas express˜oes:
Td = Kt · If · Ia = 1, 073 · 0, 972 · 0, 46 = 0, 479759 Nm (5.4)
Td = J(
dω
dt
) + Bω + Tl = Tm (5.5)
Onde, Tl ´e o torque da carga e Tm ´e o torque resultante do motor.
Considerando que a m´aquina operando `a vazio e em condi¸c˜oes de regime permanente
apresenta os valores de (dIa
dt
) e de (dω
dt
) nulos, toda a potˆencia entregue ao motor est´a
sendo usada para vencer as perdas mecˆanicas e ˆohmicas da armadura. Sendo assim
a express˜ao (5.5) reduz a Td = Bω. Assim pode-se calcular diretamente o valor de
B, dado pela express˜ao (5.7).
B =
Td
ω
= 0, 0022069 Nm.s/rad (5.6)
73
76. 5.1.5 Momento de In´ercia (J)
Para determinar o momento de in´ercia do motor ´e necess´ario realizar ensaio com o
motor estabilizado em sua velocidade nominal (OLIVEIRA et al., 2005). Em regime
permanente o motor ´e desenergizado e ´e feita a coleta dos dados da velocidade
observando o ponto no qual ω = 0, 386 Nn. Conforme ´e ilustrado na Fig. 5.3.
Figura 5.3 - Constante de tempo mecˆanica.
Onde ω0 ´e a velocidade inicial do ensaio no motor que ´e igual `a sua velocidade
nominal Nn e ω ´e a velocidade no instante de leitura, sendo que esta ´ultima deve
ser 38,6% da velocidade nominal.
Com o valor da constante de tempo conhecido, o momento de in´ercia pode ser
calculado pela seguinte express˜ao:
J = B · tb (5.7)
Um gr´afico semelhante ao da Fig. 5.3 foi obtido atrav´es de um encoder e um mi-
crocontrolador ATMEGA328P-PU. A velocidade do motor foi capturada pelo mi-
crocontrolador e enviada, via comunica¸c˜ao serial, para o software MATLAB . O
gr´afico obtido pode ser visualizado na Fig. 5.4.
74