, Campo Grande, Mato Grosso do Sul, Brasil.
|
|
- Gustavo Cabreira Andrade
- 5 Há anos
- Visualizações:
Transcrição
1 CONTROLE ÓTIMO H DE SISTEMAS NÃO-LINEARES COM MODELOS FUZZY TAKAGI-SUGENO Edvaldo Assunção Cristiano Quevedo Andrea Marcelo Carvalho Minhoto Teixeira João Onofre Pereira Pinto Rodrigo Cardim UNESP - Universidade Estadual Paulista Departamento de Engenharia Elétrica Campus de Ilha Solteira Ilha Solteira São Paulo Brasil. UFMS - Universidade Federal de Mato Grosso do Sul Departamento de Engenharia Elétrica Campo Grande Mato Grosso do Sul Brasil. s: cristiano@batlab.ufms.br Abstract A design method for tracking system and disturbance rejection applied in nonlinear systems described by Takagi-Sugeno model using fuzzy control is proposed. Fuzzy controllers M(α) and N(α) are used in order to design the tracking system. In this way the fuzzy controllers are used to minimize the H -norm from reference input signal r(t) to the tracking error signal e(t). So one uses a fuzzy dynamic feedback controller K c(α) in order to minimize the H -norm from the disturbance input w(t) to the measured output y(t). The design is formulated in Linear Matrix Inequality (LMI) framework such that the optimal solution of the stated control problem is obtained. Simulation of a practical problem illustrates the effectiveness of the proposed method. Keywords Fuzzy Control Tracking Nonlinear System LMIs H -norm. Resumo Neste trabalho é proposta uma metodologia de rastreamento de sinais e rejeição de distúrbios aplicada a sistemas não-lineares. Para o projeto do sistema de rastreamento projeta-se os controladores fuzzy M(α) e N(α) que minimizam a norma H entre o sinal de referência r(t) e o sinal de erro de rastreamento e(t). No método de rejeição de distúrbio utiliza-se a realimentação dinâmica da saída através de um controlador fuzzy K c(α) que minimiza a norma H entre o sinal de entrada exógena w(t) e o sinal de saída z(t). O procedimento de projeto proposto considera as não-linearidades da planta através dos modelos fuzzy Takagi-Sugeno. Os métodos são equacionados utilizando-se inequações matriciais lineares (LMIs) que quando factíveis podem ser facilmente solucionados por algoritmo de convergência polinomial. Por fim um exemplo ilustra a viabilidade da metodologia proposta. Palavras-chave Controle Fuzzy Rastreamento Sistemas Não-lineares LMIs Norma H. 1 Introdução Os sistemas de rastreamento são amplamente utilizados em projetos de engenharia de controle tais como controle de temperatura controle de velocidade entre outras aplicações. Em grande parte dos processos físicos industriais etc observa-se não-linearidades em sua estrutura. Projetos de sistemas de rastreamento aplicado a sistemas nãolineares utilizam geralmente metodologia desenvolvida para sistemas lineares. Este fato pode comprometer o desempenho do sistema de controle projetado se a planta não-linear não operar próximo ao ponto de operação especificado no projeto. O desenvolvimento de metodologias de sistemas de controle considerando-se as nãolinearidades da planta pode melhorar o desempenho do processo dinâmico a ser controlado. Recentemente os trabalhos em sistemas de controle fuzzy tem sido objeto de pesquisa na comunidade científica vide (Teixeira et al. 2003) (Teixeira and Zak 1999). Nestes trabalhos a planta não-linear é representada pelo modelo fuzzy Takagi-Sugeno (T-S) (Takagi 1985) que é baseada nas regras fuzzy SE-ENTÃO. Em (Lin et al. 2006) é proposto um método de rastreamento utilizando controladores H projetados via LMIs e a metodologia somente é aplicada a sistemas com atraso. Neste trabalho é proposta uma metodologia de rastreamento de sinais e rejeição de distúrbio para sistemas não-lineares. O método baseia-se na minimização da norma H entre o sinal de referência e o sinal de erro de rastreamento e(t) (Figura 1). No processo de rejeição de distúrbio minimiza-se a norma H entre o sinal exógeno e o sinal da saída do sistema. Descreve-se o sistema não-linear por modelos fuzzy Takagi-Sugeno o qual permite ao projetista considerar as nãolinearidades da planta ao projeto do sistema de controle e a metodologia proposta não possibilita tratar sistemas não-lineares incertos. O projeto do rastreamento e rejeição de distúrbio é descrito em termos de LMIs que quando factíveis podem ser facilmente solucionados através de algoritmos de convergência polinomial (Gahinet et al. 1995). Um exemplo ilustra a viabilidade da metodologia proposta. 2 Formulação do Problema Considere um sistema não-linear descrito pelo seguinte modelo fuzzy baseado no conjunto de re-
2 gras SE-ENTÃO: Modelo Regra i: Se h 1(t) é T i1 e h p(t) é T ip (1) ẋ(t) = A ix(t) + B 2iu(t) + B 1iw(t) Então z(t) = C 1ix(t) y(t) = C 2ix(t) sendo i = 12 v A i R n n B 1i R n q B 2i R n p C 1i R m n C 2i R m n x(t) é o vetor de estados (x(t) R n ) y(t) é a saída medida (y(t) R m ) z(t) é a saída de referência (z(t) R m ) u(t) a entrada de controle (u(t) R p ) e w(t) é uma entrada exógena (do tipo distúrbio ou perturbação) (w(t) R q ). Considerando-se um sistema com (x(t)u(t)w(t)) pode-se descrever a planta não-linear através do seguinte sistema fuzzy inferido {A i x(t) + B 2i u(t) + B 1i w(t)} ẋ(t)= C 1i x(t) z(t) = (2) C 2i x(t) y(t) = sendo h(t)= h 1(t) h p p(t) = T ij(h j(t)). Pode-se reescrever (2) como j=1 ẋ(t) = A(α)x(t) + B 2(α)u(t) + B 1(α)w(t) z(t) = C 1(α)x(t) (3) y(t) = C 2(α)x(t) sendo A(α) = v α i (h(t)) A i B 2 (α) = v α i (h(t)) B 2i B 1 (α)= v α i (h(t)) B 1i C 2 (α)= v α i (h(t)) C 2i e C 1 (α) = v α i (h(t)) C 1i. Os escalares α i (h(t)) = são os pesos normalizados de cada regra dos modelos fuzzy. As equações (2) e (3) representam o sistema não-linear descrito pelo modelo fuzzy Takagi-Sugeno (Takagi 1985). De uma forma geral o modelo fuzzy T-S consiste da descrição de um sistema não-linear como a combinação fuzzy de um número (v) de modelos locais lineares e invariantes no tempo e tem-se: > 0 α i (h(t)) = 1 0 α i (h(t)) 0. para todo t. 2.1 Problema O problema de rastreamento ótimo e rejeição de distúrbio utilizando a realimentação dinâmica da saída é minimizar a norma H entre a entrada exógena w(t) e a saída z(t). Neste processo deve-se projetar um controlador fuzzy K c (α) que atenue o efeito do sinal de distúrbio na saída do sistema não-linear. Para o rastreamento devese projetar controladores fuzzy M(α) e N(α) que minimize a norma H entre a entrada de referência r(t) e o erro de rastreamento r(t) z(t). Observação O diagrama de blocos do sistema de controle utilizado para resolver o Problema é ilustrado na Figura 1. As matrizes M(α) e N(α) proporcionam o rastreamento e r(t) é o sinal de referência. r(t) w(t) Planta Não-Linear + u(t) ẋ(t)=a(α)x(t)+b 2(α)u(t)+B 1(α)w(t) N(α) z(t) = C 1(α)x(t) + y(t) = C 2(α)x(t) y c(t) M(α) Controlador H - K c(α) ẋ c(t)=a c(α)x c(t)+b c(α)u c(t)+m(α)r(t) y c(t) = C c(α)x c(t) + - u c(t) Figura 1: Sistema de controle de rastreamento e rejeição de distúrbio para sistemas não-lineares. e(t) z(t) y(t) O Teorema 1 é proposto para o projeto do controlador H fuzzy K c (α) cuja função é a rejeição de distúrbio presente na planta não-linear. Teorema 1 Considere um sistema não-linear descrito pelo modelo fuzzy Takagi-Sugeno (3) com o controlador fuzzy H utilizado na realimentação dinâmica da saída e ainda os parâmetros ρ e q fixos (Figura 2). Se existe matrizes R S  ii ˆB ii e Ĉii que satisfazem as LMIs seguintes. T wz 2 = min δ R I s.a > 0 (4) I S sendo Γ ii = Γ ii < 0 para i = 1 2 v (5) Γ ij + Γ ji < 0 para i < j < v (6) Ω ii < 0 para i = 1 2 v (7) Ω ij + Ω ji < 0 para i < j < v (8) Γ a B 1i A i +  ii RC 1i B 1i δi B 1i S 0 A i + Âii SB 1i Γ b C 1i C 1i R 0 C 1i δi ρr ρi Ω a A i + qi Ω ii = ρi ρs  ii + qi Ω b Ω a  ii + qi ρr ρi A i + qi Ω b ρi ρs com Γ a = A i R + RA i + B 2iĈi + Ĉ i B 2i Γ b = A i S + SA i + ˆB i C 2i + C 2i ˆB i Ω a = A i R + B 2i Ĉ i + qr Ω b = SA i + ˆB i C 2i + qs. (9) (10)
3 ρ q Imag(s) Real(s) Logo uma condição suficiente para que a inequação (15) seja verdadeira é que Γ ii < 0 e (Γ ij + Γ ji ) < 0. (16) Figura 2: Região do plano-s limitada por uma circunferência de raio ρ e centro ( q0). Então pode-se obter a solução ótima para a norma H de w(t) para z(t) com restrição para região de estabilidade ilustrada na Figura 2. Temse que R = R > 0 e S = S > 0 e as matrizes dinâmicas do compensador fuzzy H podem ser obtidas através das seguintes equações: A cij = E 1 Â ij SA ir E ˆB ic 2jR SB 2i Ĉ jψ ( Ψ ) 1 B ci = E 1 ˆBi C ci = Ĉi (Ψ 1) (11) sendo EΨ = I RS. Prova: Considera-se a seguinte realização em espaço de estado para o sistema não-linear descrito em (3) realimentado pelo compensador fuzzy H K c (α). T wz = (A nl B nl C nl ) (12) sendo A nl = A(α) B c(α)c 2 (α) B 2 (α)c c(α) A c(α) e C nl = C 1 (α) 0. B1 (α) B nl = 0 O problema de otimização para a norma H com restrição de região de estabilidade para T wz pode ser descrita como T wz 2 = min δ A nl P + PA nl B nl PC nl s.a B nl δi 0 < 0(13) C nl P 0 δi ρp A nl P + qp PA < 0(14) nl + qp ρp vide (Andrea 2007) e (Nguang and Shi 2006) para maiores detalhes. O problema de otimização descrito em (13) e (14) apresenta não-linearidades o que torna a solução do problema difícil. Utiliza-se transformações lineares (Chilali and Gahinet 1996) para que o problema seja descrito em termos de LMIs. Adota-se R Ψ P = Ψ J e P 1 S E = E Φ sendo R R n n e S R n n. Define-se ainda R I I S Pβ 2 = β 1 com β 1 = Ψ e β 0 2 = 0 E. Pré e pós multiplicando-se P > 0 por β 2 e β 2 respectivamente obtém-se (4). Em seguida pré e pós multiplica-se (13) pela matrizes diagonais (β 2II) e (β 2 II) respectivamente obtendo-se (5). Finalmente pré e pós multiplicando-se (14) pelas matrizes Φ e Φ respectivamente obtém-se (7) sendo Φ = β β 2. As inequações (5) e (6) podem ser descritas da seguinte maneira: r Γ(α) = α i α i Γ ii + α i α j (Γ ij + Γ ji ) < 0. (15) i<j Utilizando-se a análise descrita em (15)-(16) pode-se verificar que Ω(α) < 0 implica nas LMIs descritas em (7) e (8) sendo Ω(α) = α i α i Ω ii + α i α j (Ω ij + Ω ji ) < 0 i<j A equação das variáveis de estado que representa o diagrama de blocos ilustrado na Figura 1 pode ser descrito como ẋ η = A ηx η(t) + B ηr(t) + B wl w(t) e(t) = D ηr(t) C ηx η(t) (17) y(t) = C ηl x η(t) z(t) = C ηx η(t) sendo x(t) x η(t) = x c(t) B η = B2 (α)n(α) M(α) A11 (α) A A η = 12 (α) A 13 (α) A 14 (α) B wl = B1 (α) 0 (18) C η = C 1 (α) 0 C ηl = C 2 (α) 0 e D η = 1. A 11 (α) = A(α) A 12 (α) = B 2 (α)c c(α) A 13 (α) = B c(α)c 2 (α) A 14 (α) = A c(α). Considera-se a realização em espaço de estado entre o sinal de saída z(t) e o sinal de distúrbio w(t) descrita na forma T wzn = (A η B wl C η ). (19) Neste caso a influência do distúrbio no sistema pode ser atenuada devido ao projeto inicial do compensador fuzzy H K c (α). Considera-se a realização em espaço de estado entre sinal de referência do sistema r(t) e o sinal de erro de rastreamento e(t) descrita na forma T η = (A η B η C η D η ). (20) Através dos controladores de rastreamento M(α) e N(α) pode-se minimizar a norma H entre r(t) e e(t). O processo de rastreamento não interfere no projeto de rejeição de distúrbio. Pois apenas B η depende das matrizes M(α) e N(α). 2.2 Rastreador de Sinais para Sistemas Não- Lineares A solução para o problema de rastreamento consiste no projeto dos controladores M(α) e N(α) que minimizam a norma H de T η descrito em (20). De (13) pode-se descrever o problema da norma H do sistema T η como T η 2 = min δ P = P s.a A ηp + PA η PC η B η C ηp δi D η B η D η δi < 0 (21) Para o projeto do rastreador com peso na freqüência deseja-se encontrar a solução global que otimize o problema descrito a seguir min T η G (22)
4 sendo G = (A g B g C g ) o sistema linear que proporciona o peso na freqüência de saída T η = (A η B η C η D η ) é uma realização do sistema não-linear (20). Uma realização em espaço de estado H φ = T η G pode ser Aφ B φ C φ D φ = A η 0 B η B gc η A g B g 0 C g 0. (23) Então propõe-se o Teorema 2 para o projeto de sistemas de rastreamento utilizando-se peso na freqüência aplicado a sistemas não-lineares. Teorema 2 Considere o Problema com a Observação. Se existe matrizes M(α) (M(α) R n p ) e N(α) (N(α) R p p ) que satisfazem as LMIs seguintes. T η 2 = min δ s.a Ψ ii < 0 para i = 12 v (24) Ψ ij + Ψ ji < 0 para i < j < v (25) P 11 P 12 P 13 P 12 P 22 P 23 > 0 (26) P 13 P 23 P 33 sendo Ψ ii descrita em (29). Então pode-se minimizar a norma H do sistema T η = (A η B η C η D η ) com peso na freqüência. As matrizes P ij = P ij ; ij = 123 têm a mesma dimensão da matriz A e para j = 3 e i = 123 as matrizes P ij têm dimensões convenientes. Os controladores podem ser descritos como M(α) = α i M i e N(α) = α i N i. (27) sendo α i a mesma função de pertinência adotada no projeto do compensador H K c (α). Prova: A inequação (24) é obtida considerando-se as matrizes (A η B η C η D η ) = (A φ B φ C φ D φ ) em (21) sendo a matriz P na forma P = P 11 P 12 P 13 P 12 P 22 P 23 (28) P 13 P 23 P 33 e (A φ B φ C φ D φ ) dado por (23) e (A η B η C η D η ) definidas em (18). Como analisado no Teorema 1 a matriz Ψ(α) < 0 implica nas LMIs (24) e (25) sendo Ψ(α)= α i α i Ψ ii + α i α j (Ψ ij + Ψ ji )<0. i<j As matrizes M(α) e N(α) são soluções de (24)-(26) e minimizam a norma H entre a entrada de referência r(t) e o erro de rastreamento r(t) z(t). Os filtros utilizados no Teorema 2 são utilizados somente em projeto e posteriormente descartados para simulação ou implementação do controlador. No projeto de rastreamento abordado no Teorema 2 utilizou-se a mesma estrutura de controle com modificação de zeros para o caso de sistemas lineares abordada em (Assunção et al. 2004). 3 Exemplo de Aplicação Considere o sistema não-linear massa-molaamortecedor descrito na forma de variáveis de estado (Tanaka et al. 1996) ẋ1 (t) ẋ 2 (t) = x1 (t) x 1 (t) 2 01x 2 (t) 2 x 2 (t) 0 0 u(t) w(t). (30) Deseja-se projetar um sistema de rastreamento e rejeição de distúrbio para o sistema (30). No projeto do rastreador considera-se a faixa de valores para as variáveis de estado do sistema massa-mola-amortecedor: 15 x 1 (t) 1; 15 x 2 (t) 15. No processo de modelagem exata do sistema não-linear abordado neste exemplo adotou-se: f 21 (x(t)) = x 1 (t) 2 e f 22 (x(t)) = 01x 2 (t) 2. ẋ1 (t) ẋ 2 (t) Deste modo pode-se reescrever (30) x1 (t) 0 0 = + u(t)+ f22 x 2 (t) 1 1 f 21 w(t). (31) Na representação exata do sistema não-linear de acordo com (Taniguchi et al. 2001) utilizase os valores máximos e mínimos das funções f 21 (x(t)) e f 22 (x(t)) conforme descrito a seguir: } a 211 = max { f21 } = 002; a 212 = min { f21 } { f22 } a 221 = max { f22 = 0 e a 222 = min = 15275; = Segundo o método proposto por (Taniguchi et al. 2001) a função não-linear f 21 pode ser representada da forma exata por um modelo fuzzy T-S considerando-se quatro modelos locais. O número de modelos locais é igual a v = 2 p sendo p o número de não-linearidades na planta. Para a 211 e a 222 existem σ 211 e σ 212 tais que: f 21 = σ 211 a σ 212 a σ 211 σ 212 1(32) e σ σ 212 = 1. De (32) tem-se: σ 211 = f 21 a 212 a 211 a 212 e σ 212 = a 211 f 21 a 211 a 212. (33) A função não-linear f 22 também pode ser representada na forma exata por: f 22 = Γ 221 a Γ 222 a Γ 221 Γ 222 1(34) De (34) tem-se e Γ Γ 222 = 1. Γ 221 = f 22 a 222 a 221 a 222 e Γ 222 = a 221 f 22 a 221 a 222. (35) Reescrevendo-se (32) conforme a seguir: f 21 = (Γ 221 +Γ 222 ) (σ 211 a 211 +σ 212 a 212 ) = (36) Γ 221 σ 211 a 211 +Γ 221 σ 212 a 212 +Γ 222 σ 211 a 211 +Γ 222 σ 212 a 212 Definindo-se em (36) α 1 (x)=γ 221 σ 211 α 2 (x) = Γ 221 σ 212 α 3 (x)=γ 222 σ 211 e α 4 (x)=γ 222 σ 212. (37) Obtém-se: f 21=α 1(x)a 211+α 2(x)a 212+α 3(x)a 211+α 4(x)a 212 (38)
5 1.4Amplitude A 11i P 11 + P 11 A 11 i + A 12ii P 12 + P 12A 12 ii A 11i P 12 + A 12ii P 22 + P 11 A 13 ii + P 12 A 14 ii A 13ii P 11 + A 14ii P 12 + P 12 A 11 i + P 22 A 12 ii A 13ii P 12 + P 12 A 13 ii + A 14ii P 22 + P 22 A 14 ii Ψ ii = B gc 1i P 11 + A gp 13 + P 13 A 11 i + P 23 A 12 ii B gc 1i P 12 + A gp 23 + P 13 A 13 ii + P 23 A 14 ii C gp 13 C gp 23 N i B 2i M i A 11i P 13 + A 12ii P 23 P 11 C 1i B g + P 13 A g P 13 C g B 2i N i A 13ii P 13 + A 14ii P 23 P 12 C 1i B g + P 23 A g P 23 C g M i B gc 1i P 13 P 13 C 1i B g + P 33A g + AgP 33 P 33 C g B g C gp 33 I 0 B g 0 δi (29) De maneira similar pode-se reescrever f 22 f 22=α 1(x)a 221+α 2(x)a 221+α 3(x)a 222+α 4(x)a 222 (39) Analisando-se (38) e (39) pode-se determinar os modelos locais para este sistema não-linear massa-mola-amortecedor A 3 = A 1 = A 2 = A 4 = 0 B 21 = B 22 = B 23 = B 24 = B 11 = B 12 = B 13 = B 14 = 1 C 11 = C 12 = C 13 = C 14 = 1 0 C 21 = C 22 = C 23 = C 24 = 1 0. No processo de atenuação do efeito do sinal de distúrbio no sistema utilizou-se o Teorema 1 para o projeto do compensador H. No projeto utilizou-se como restrição para alocação dos pólos uma região limitada por uma circunferência de raio ρ = 200 com centro na origem. O controlador H K c (α) obtido foi o seguinte: A c : A c11 = A c12 = A c13 = A c14 = A c21 = A c22 = A c23 = A c24 = A c31 = A c32 = A c33 = A c34 = A c41 = A c42 = A c43 = A c44 = B c : B c1 = B c2 = B c3 = B c4 = C c : C c1 = C c2 = C c3 = C c4 = O controlador fuzzy H também pode ser descrito da seguinte maneira: A c(α) = 4 j=1 e 4 α iα ja cij B c(α) = 4 α ib ci C c(α) = 4 α jc cj. j=1 sendo α i descrita em (37). O valor de γ opt que é o limitante superior da norma H de w(t) para y(t) obtida no procedimento de otimização foi 001 o que implica em uma atenuação do efeito do sinal de perturbação na saída do sistema massa-mola-amortecedor. Como especificação de projeto o rastreador deve operar para baixas freqüências até rad/seg então foi proposto o seguinte filtro G(s): 100 G(s) = s s No projeto do rastreador utilizou-se a metodologia proposta no Teorema 2. Minimizouse a norma H de r(t) para e(t) considerandose sinais de até rad/seg. Neste exemplo analisou-se a norma H em um dos modelos locais lineares que descrevem o sistema massa-molaamortecedor. No modelo local 11 a norma H para todo o espectro de freqüência é 13724; enquanto para a banda de freqüência especificada no problema a maior magnitude de T η (jω) é sendo T η descrito em (20). A Figura 3 ilustra a resposta em freqüência T η considerando-se o modelo local 11 que é dado por modelo local 11:A 1 B 21 C 11 C 21 A c11 B c1 C c1 M 1 e N 1. Observou-se que a magnitude de T η para Freqüência rad/seg Figura 3: Resposta em freqüência T η : T η (jω) ω para o modelo local 11. a faixa de freqüência em projeto é pequena então ocorre o processo de rastreamento nestas condições. Os controladores obtidos para o rastreamento foram: M 1 = M 3 = M 2 = M 4 =
6 N 1 =381961; N 2 =380404; N 3 = e N 4 = Pode-se descrever estes controladores como M(α) = 4 α i M i e N(α) = 4 α i N i. (40) sendo α i descrita em (37). No processo de simulação considerou-se um sinal de referência r(t) = 01sen(01t) e um sinal de perturbação do tipo distúrbio com amplitudes aleatórias não superiores a 1. A Figura 4 ilustra o resultado da simulação. Amplitude Tempo seg Figura 4: Sinal de saída z(t) e o sinal de entrada r(t) estão quase sobrepostos. Para este exemplo os zeros para o modelo local 11 são: ± j. Os pólos de malha fechada no modelo local 11 do sistema nãolinear alocados na região são: ±152745j e ± 13612j. 4 Conclusões Neste trabalho é proposta uma metodologia de rastreamento e rejeição de distúrbio aplicada a sistemas não-lineares. No projeto utilizaram-se os modelos fuzzy Takagi-Sugeno para descrever exatamente a planta não-linear. Para o processo de atenuação do efeito do sinal de distúrbio na saída do sistema projetou-se um controlador fuzzy H de realimentação dinâmica da saída de modo a minimizar a norma H entre o sinal de distúrbio w(t) e o sinal de saída y(t). Para o rastreamento de sinais minimizou-se a norma H entre o sinal de referência r(t) e o sinal de erro de rastreamento. A metodologia de rastreamento e rejeição de distúrbios aplicada a sistemas não-lineares é descrita em termos de LMIs que quando factíveis podem ser facilmente solucionados através de algoritmos de convergência polinomial (Gahinet et al. 1995). Agradecimentos Os autores deste projeto agradecem a CNPq e FAPESP pelo suporte financeiro. Referências Assunção E. Andrea C. Q. and Teixeira M. C. M. (2004). Controle Ótimo H 2 e H com Modificação de Zeros para o Problema de Rastreamento Usando LMIs Sba Controle & Automação 15(4): Chilali M. and Gahinet P. (1996). H Design with Pole Placement Constraints: An LMI Approach IEEE Transactions on Automatic Control 41(3): Gahinet P. Nemirovski A. Laub A. J. and Chilali M. (1995). LMI Control Toolbox User s Guide The Mathworks Inc. USA. Lin C. Wang Q. and Lee T. H. (2006). H Output Tracking Control for Nonlinear Systems via T-S Fuzzy Model Approch IEEE Transactions on Systems Man Cybernetic - Part B: Cybernetics 36(2): Nguang S. K. and Shi P. (2006). Robust H Output Feedback Control Design for Fuzzy Dynamic Systems with quadratic D stability constraints: An LMI approach Information Sciences 176(15): Takagi T. Sugeno M. (1985). Fuzzy Identification of Systems and Its Applications to Modeling and Control IEEE Transactions Man and Cybernetics 15: Tanaka K. Ikeda T. and Wang H. O. (1996). Robust Stabilization of a Class of Uncertain Nonlinear Systems via Fuzzy Control: Quadratic Stabilizability H Control Theory and Linear Matrix Inequalities IEEE Transactions on Fuzzy Systems 4(1): Taniguchi T. Tanaka K. Ohtake H. and Wang H. O. (2001). Model Construction Rule Reduction and Robust Compensation for Generalized Form of Takagi Sugeno Fuzzy Systems IEEE Transactions on Fuzzy Systems 9(4): Teixeira M. C. M. Assunção E. and Avellar R. G. (2003). On Relaxed LMI-Based Designs for Fuzzy Regulators and Fuzzy Observers IEEE Transactions on Fuzzy Systems 11(5): Teixeira M. C. M. and Zak S. H. (1999). Stabilizing Controller Design for Uncertain Nonlinear Systems Using Fuzzy Models IEEE Transactions on Fuzzy Systems 7(2): Andrea C. Q. (2007). Modificação de Zeros em Sistemas de Controle Robusto Utilizando LMIs Tese de Doutorado UNESP Ilha Solteira SP.
CONTROLE ÓTIMO H DE SISTEMAS NÃO-LINEARES COM MODELOS FUZZY TAKAGI-SUGENO
CONTROLE ÓTIMO H DE SISTEMAS NÃO-LINEARES COM MODELOS FUZZY TAKAGI-SUGENO Cristiano Quevedo Andrea cristiano@batlab.ufms.br Edvaldo Assunção edvaldo@dee.feis.unesp.br Luigi Galotto Junior lgalotto@nin.ufms.br
Leia maisPROJETO DE CONTROLADORES FUZZY USANDO REALIMENTAÇÃO DA DERIVADA DOS ESTADOS
PROJETO DE CONTROLADORES FUZZY USANDO REALIMENTAÇÃO DA DERIVADA DOS ESTADOS Edvaldo Assunção, Flávio A. Faria, Marcelo C. M. Teixeira, Rodrigo Cardim UNESP - Universidade Estadual Paulista, Departamento
Leia maisControle de um Levitador Magnético com Atenuação de
Trabalho apresentado no CNMAC, Gramado - RS, 216. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Controle de um Levitador Magnético com Atenuação de Distúrbio Leandro
Leia maisESTABILIZAÇÃO DE SISTEMAS FUZZY T-S INCERTOS USANDO REALIMENTAÇÃO DERIVATIVA
ESTABILIZAÇÃO DE SISTEMAS FUZZY T-S INCERTOS USANDO REALIMENTAÇÃO DERIVATIVA Emerson Ravazzi Pires da Silva e.ravazzi@bol.com.br Marcelo C. M. Teixeira marcelo@dee.feis.unesp.br Edvaldo Assunção edvaldo@dee.feis.unesp.br
Leia maisCONTROLE ÓTIMO H 2 E H COM MODIFICAÇÃO DE ZEROS PARA O PROBLEMA DE RASTREAMENTO USANDO LMI
CONTROLE ÓTIMO H 2 E H COM MODIFICAÇÃO DE ZEROS PARA O PROBLEMA DE RASTREAMENTO USANDO LMI Edvaldo Assunção edvaldo@dee.feis.unesp.br Marcelo Carvalho Minhoto Teixeira marcelo@dee.feis.unesp.br Cristiano
Leia maisPROJETO DE CONTROLADORES FUZZY USANDO FUNÇÕES DE LYAPUNOV FUZZY
PROJETO DE CONTROLADORES FUZZY USANDO FUNÇÕES DE LYAPUNOV FUZZY Flávio A. Faria, Geraldo N. Silva, Vilma A. Oliveira, Rodrigo Cardim, Emerson R. P. da Silva Instituto de Biociências, Letras e Ciências
Leia maisCONDIÇÕES LMIS ALTERNATIVAS PARA SISTEMAS TAKAGI-SUGENO VIA FUNÇÃO DE LYAPUNOV FUZZY
CONDIÇÕES LMIS ALTERNATIVAS PARA SISTEMAS TAKAGI-SUGENO VIA FUNÇÃO DE LYAPUNOV FUZZY Gustavo S C de Avellar Leonardo A Mozelli Reinaldo M Palhares Universidade Federal de Minas Gerais Emails: {gustavoavellar
Leia maisUm sistema linear invariante no tempo pode ser descrito na forma de espaço de estado: Figura 1. Sistema de controle com realimentação dos estados.
Universidade Tecnológica Federal do Paraná Departamento Acadêmico de Eletrotécnica Curso de Engenharia Elétrica Curso de Engenharia de Controle e Automação METODOLOGIA DE SISTEMA DE CONTROLE ROBUSTO A
Leia maisControle Robusto H 2
Controle Robusto H 2 1. O problema de controle H 2 padrão 2. Controle ótimo H 2 por LMIs pag.1 Introdução ao Controle Robusto Aula 10 Problema de Controle H 2 padrão Encontre um controlador K(s) que estabilize
Leia maisSÍNTESE DE CONTROLADOR VIA LMIs E IMPLEMENTAÇÃO EM UM PÊNDULO INVERTIDO MODELO LINEAR DA QUANSER R
SÍNTESE DE CONTROLADOR VIA LMIs E IMPLEMENTAÇÃO EM UM PÊNDULO INVERTIDO MODELO LINEAR DA QUANSER R Emerson R. P. da Silva, Edvaldo Assunção, Marcelo C. M. Teixeira e Luiz Francisco S. Buzachero Faculdade
Leia maisDissertação de Mestrado
Dissertação de Mestrado Controle Ótimo H e H 2 com Alocação de Pólos e Modificação de Zeros para Rastreamento de Sinais e Rejeição de Distúrbios em Sistemas de Controle Usando LMIs Carlos Roberto Antunes
Leia maisPROJETO DE CONTROLE CHAVEADO ROBUSTO PARA SISTEMAS DESCRITOS POR MODELOS FUZZY TAKAGI-SUGENO
PROJETO DE CONTROLE CHAVEADO ROBUSTO PARA SISTEMAS DESCRITOS POR MODELOS FUZZY TAKAGI-SUGENO Wallysonn Alves de Souza, Marcelo Carvalho Minhoto Teixeira, Máira Peres Alves Santim, Rodrigo Cardim, Edvaldo
Leia maisSÍNTESE DE CONTROLADORES ROBUSTOS H 2 /H POR REALIMENTAÇÃO DINÂMICA DA SAÍDA PARA SISTEMAS COM INCERTEZAS POLITÓPICAS
SÍNTESE DE CONTROLADORES ROBUSTOS H 2 /H POR REALIMENTAÇÃO DINÂMICA DA SAÍDA PARA SISTEMAS COM INCERTEZAS POLITÓPICAS Eduardo N. Goncalves, Reinaldo M. Palhares, Ricardo H. C. Takahashi Departamento de
Leia maisControle Ótimo H com Modificação de Zeros para o Problema do Rastreamento em Sistemas Discretos usando LMI
TEMA Tend. Mat. Apl. Comput., 1, No. 2 (29), 179-19. c Uma Publicação da Sociedade Brasileira de Matemática Aplicada e Computacional. Controle Ótimo H com Modificação de Zeros para o Problema do Rastreamento
Leia maisALOCAÇÃO DE ZEROS APLICADA A SISTEMAS DE CONTROLE VIA LMI
ALOCAÇÃO DE ZEROS APLICADA A SISTEMAS DE CONTROLE VIA LMI Edvaldo Assunção edvaldo@dee.feis.unesp.br Marcelo Carvalho Minhoto Teixeira marcelo@dee.feis.unesp.br UNESP - Universidade Estadual Paulista,
Leia maisEES-20: Sistemas de Controle II. 31 Julho 2017
EES-20: Sistemas de Controle II 31 Julho 2017 1 / 41 Folha de informações sobre o curso 2 / 41 O que é Controle? Controlar: Atuar sobre um sistema físico de modo a obter um comportamento desejado. 3 /
Leia maisANÁLISE DA ESTABILIDADE DE SISTEMAS FUZZY TAKAGI-SUGENO UTILIZANDO FUNÇÕES DE LYAPUNOV FUZZY
NÁLISE D ESBILIDDE DE SISEMS FUZZY KGI-SUGENO UILIZNDO FUNÇÕES DE LYPUNOV FUZZY alita. Esteves, Edson I. Mainardi Júnior, Manoel R. Moreira, Rodrigo Cardim, Máira P. lves, Marcelo C. M. eixeira, Edvaldo
Leia maiss:
SÍNTESE DE CONTROLADORES ROBUSTOS POR REALIMENTAÇÃO DINÂMICA DE SAÍDA CONSIDERANDO MODELO DE REFERÊNCIA BASEADA EM OTIMIZAÇÃO NO ESPAÇO DE PARÂMETROS DO CONTROLADOR Wagner Eustáquio Gomes Bachur, Eduardo
Leia maisFundamentos do Controle Robusto via Otimização
Fundamentos do Controle Robusto via Otimização Prof. Reinaldo M. Palhares Contato: Sala 2605 - BLOCO 1 mailto:palhares@cpdee.ufmg.br Quintas-feiras 09h25-12h45 Linhas Gerais do Curso Conceitos Preliminares
Leia maisEstabilização Robusta
Estabilização Robusta 1. Regiões LMIs: Alocação de pólos 2. Restrições sobre entrada e saída 3. Controlador baseado no observador e LMIs pag.1 Introdução ao Controle Robusto Aula 8 Regiões LMIs e Alocação
Leia maisProjeto de Controladores Robustos H Usando LMIs para Controle de um Motor de Indução Trifásico com Incertezas
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol., N.,. Trabalho apresentado no DINCON, Natal - RN,. Proceeding Series of the Brazilian Society of Computational
Leia maisControle DLQR Aplicado a Fontes Ininterruptas de Energia
Controle DLQR Aplicado a Fontes Ininterruptas de Energia SEPOC 4º Seminário de Eletrônica de Potência e Controle Apresentador: Eng. Samuel Polato Ribas Orientador: Prof. Dr. Vinícius Foletto Montagner
Leia maisPROJETO DA REALIMENTAÇÃO DERIVATIVA DISCRETA NO TEMPO UTILIZANDO O PROJETO COM REALIMENTAÇÃO NÃO-DERIVATIVA CONTÍNUA NO TEMPO
PROJETO DA REALIMENTAÇÃO DERIVATIVA DISCRETA NO TEMPO UTILIZANDO O PROJETO COM REALIMENTAÇÃO NÃO-DERIVATIVA CONTÍNUA NO TEMPO Marcelo C. M. Teixeira, Rodrigo Cardim, Flávio A. Faria, Edvaldo Assunção,
Leia maisNyquist, Função de Sensibilidade e Desempenho Nominal
Nyquist, Função de Sensibilidade e Desempenho Nominal 1. Revisitando o critério de estabilidade de Nyquist 1.1. Margens de ganho e de fase 2. Erro de rastreamento e função de sensibilidade 2.1. Vetor de
Leia maisControle Robusto Tema: Análise e Controle de Sistemas Lineares via LMIs
Aula 1 395480 Controle Robusto Tema: Análise e Controle de Sistemas Lineares via LMIs Prof. Eduardo Stockler Tognetti Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos e de Automação (PGEA)
Leia maisControle Ótimo H. 1. Controle H e robustez. 2. Controle ótimo H por Riccati. 3. Controle ótimo H por LMI Realimentação de saída
Controle Ótimo H 1. Controle H e robustez. Controle ótimo H por Riccati. Controle ótimo H por LMI.1. Realimentação de estado.. Estabilidade quadrática e condições relaxadas.. Patologia no controle H :
Leia maisPROJETO DE CONTROLADORES FUZZY CHAVEADOS USANDO FUNÇÕES DE LYAPUNOV FUZZY MÚLTIPLAS
PROJETO DE CONTROLADORES FUZZY CHAVEADOS USANDO FUNÇÕES DE LYAPUNOV FUZZY MÚLTIPLAS FLÁVIO A. FARIA, MICHELE C. VALENTINO, VILMA A. OLIVEIRA Instituto de Química, UNESP Univ Estadual Paulista Campus Araraquara
Leia maisANÁLISE DE ESTABILIDADE DE SISTEMAS FUZZY TS VIA LMI: METODOLOGIA BASEADA EM UMA NOVA FUNÇÃO DE LYAPUNOV FUZZY
ANÁLISE DE ESTABILIDADE DE SISTEMAS FUZZY TS VIA LMI: METODOLOGIA BASEADA EM UMA NOVA FUNÇÃO DE LYAPUNOV FUZZY Leonardo Amaral Mozelli Reinaldo Martinez Palhares Universidade Federal de São João del-rei
Leia maisControle via LMIs Controle de Sistemas Dinâmicos via Desigualdades Matriciais Lineares
Aula 1 327069 Controle via LMIs Controle de Sistemas Dinâmicos via Desigualdades Matriciais Lineares Prof. Eduardo Stockler Tognetti Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos e de
Leia maisIntrodução ao Controle Robusto
Introdução ao Controle Robusto Prof. Reinaldo M. Palhares Contato: Sala 234 (PCA) mailto: palhares@cpdee.ufmg.br www.cpdee.ufmg.br/ palhares/topicosrobusto.html Quartas-feiras 07h30-09h10 Linhas Gerais
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
SÍNTESE DE CONTROLADORES ROBUSTOS APLICADOS EM SISTEMAS COM ATRASOS TEMPORAIS DIEGO R. GUEDES 1, HUGO L. O. CUNHA 1, CRISTIANO M. AGULHARI 2. 1. Curso de Engenharia de Controle e Automação, Universidade
Leia maisEstabilidade. Samir A. M. Martins 1. Programa de Pós-Graduação em Engenharia Elétrica Associação ampla entre UFSJ e CEFET MG
Interna Samir A. M. Martins 1 1 UFSJ / Campus Santo Antônio, MG Brasil Programa de Pós-Graduação em Engenharia Elétrica Associação ampla entre UFSJ e CEFET MG O que nos espera? Interna 1 em sistemas multivariáveis
Leia maisCONTROLE FUZZY BASEADO EM LMIS: INVESTIGAÇÃO DE UMA NOVA METODOLOGIA BASEADA NA FUNÇÃO DE LYAPUNOV FUZZY
CONTROLE FUZZY BASEADO EM LMIS: INVESTIGAÇÃO DE UMA NOVA METODOLOGIA BASEADA NA FUNÇÃO DE LYAPUNOV FUZZY Leonardo A. Mozelli Rafael F. dos Santos Reinaldo M. Palhares Eduardo M. A. M. Mendes Universidade
Leia mais2. DESIGUALDADES MATRICIAIS LINEARES
11 2. DESIGUALDADES MARICIAIS LINEARES Neste capítulo, introduziremos alguns conceitos básicos relacionados às Desigualdades Matriciais Lineares. Na seção 2.1, apresentamos uma introdução às LMI s; na
Leia maisControle de um Oscilador com Memória de Forma
Proceeding Series of the Brazilian Society of Applied and Computational Mathematics, Vol. 4, N. 1, 216. Trabalho apresentado no DINCON, Natal - RN, 21. Proceeding Series of the Brazilian Society of Computational
Leia maisControle de Sistemas Dinâmicos via LMIs
32769 Controle de Sistemas Dinâmicos via LMIs Seguimento de referência e restrições em sinais Prof. Eduardo Stockler Tognetti Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos e de Automação
Leia maisESTABILIDADE ROBUSTA DE SISTEMAS LINEARES USANDO REALIMENTAÇÃO DERIVATIVA: UM MÉTODO BASEADO NO LEMA DA PROJEÇÃO RECÍPROCA
18 a 21 de setembro de 211 ESTABILIDADE ROBUSTA DE SISTEMAS LINEARES USANDO REALIMENTAÇÃO DERIVATIVA: UM MÉTODO BASEADO NO LEMA DA PROJEÇÃO RECÍPROCA Emerson R. P. da Silva, Edvaldo Assunção, Marcelo C.
Leia maisIntrodução ao controle de conversores
Unidade VI Introdução ao controle de conversores 1. Controle por Histerese 2. Controle Linear 3. Utilização da ferramenta SmartCtrl (PSIM) Eletrônica de Potência 1 Introdução Conversores estáticos devem
Leia maisCONTROLODOR ROBUSTO PARA UM SISTEMA DE TANQUES ACOPLADOS
CONTROLODOR ROBUSTO PARA UM SISTEMA DE TANQUES ACOPLADOS Eduardo Pereira Vieira RESUMO O presente trabalho consiste na utilização de técnicas avançadas para projetar um controlador robusto para realização
Leia maisAula 12. Cristiano Quevedo Andrea 1. Curitiba, Outubro de DAELT - Departamento Acadêmico de Eletrotécnica
Aula 12 Cristiano Quevedo Andrea 1 1 UTFPR - Universidade Tecnológica Federal do Paraná DAELT - Departamento Acadêmico de Eletrotécnica Curitiba, Outubro de 2011. Resumo 1 Introdução 2 3 4 5 Podemos melhorar
Leia maisRealimentação de Estado Sistemas SISO
1. Realimentação de Estado para Sistemas SISO pag.1 Teoria de Sistemas Lineares Aula 18 Considere o sistema n dimensional, SISO: ẋ = Ax + bu y = cx Na realimentação de estados, a entrada u é dada por u
Leia maisAnais do XX Congresso Brasileiro de Automática Belo Horizonte, MG, 20 a 24 de Setembro de 2014
PROJETO DE CONTROLE ROBUSTO H CHAVEADO: IMPLEMENTAÇÃO PRÁTICA EM UM SISTEMA DE SUSPENSÃO ATIVA Diogo Ramalho de Oliveira, Marcelo Carvalho Minhoto Teixeira, Edvaldo Assunção, Wallysonn Alves de Souza,
Leia maisINSTITUTO FEDERAL DO ESPÍRITO SANTO - CAMPUS SERRA. Sistemas
INSTITUTO FEDERAL DO ESPÍRITO SANTO - CAMPUS SERRA Sistemas Dinâmicos Para controlar é preciso conhecer Sistemas dinâmicos Modificam-se no decorrer do tempo Modelos matemáticos Método analítico (Leis físicas)
Leia mais{micklug,
REDUÇÃO DE REGRAS E COMPENSAÇÃO ROBUSTA PARA SISTEMAS TAKAGI-SUGENO COM UTILIZAÇÃO DE MODELOS NÃO LINEARES LOCAIS Michael Klug Eugênio B Castelan Grupo de Controle de Sistemas Mecatrônicos - CSM Depto
Leia maisCONDIÇÕES RELAXADAS PARA A ESTABILIZAÇÃO DE SISTEMAS FUZZY TS CHAVEADOS USANDO CONTROLADORES PDC
CONDIÇÕES RELAXADAS PARA A ESTABILIZAÇÃO DE SISTEMAS FUZZY TS CHAVEADOS USANDO CONTROLADORES PDC FLÁVIO A FARIA MICHELE C VALENTINO VILMA A OLIVEIRA Departamento de Físico Química Instituto de Química
Leia maisSINTONIA ÓTIMA DE CONTROLADOR PID EM SISTEMA TITO: APLICAÇÃO EM MODELO DE COMPRESSOR
SINTONIA ÓTIMA DE CONTROLADOR PID EM SISTEMA TITO: APLICAÇÃO EM MODELO DE COMPRESSOR Thiago Antonio Melo Euzébio, Péricles Rezende Barros Departamento de Engenharia Elétrica Universidade Federal de Campina
Leia maisControle Robusto H 2 Aplicado ao Pêndulo Invertido Sujeito a Incertezas
Centro de Tecnologia e Urbanismo Departamento de Engenharia Elétrica Programa de Pós Graduação em Engenharia Elétrica Julio Estefano Augusto Rosa Filho Controle Robusto H 2 Aplicado ao Pêndulo Invertido
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO ACADÊMICO DE ELETROTÉCNICA CURSO DE ENGENHARIA INDUSTRIAL ELÉTRICA/ELETROTÉCNICA
UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ DEPARTAMENTO ACADÊMICO DE ELETROTÉCNICA CURSO DE ENGENHARIA INDUSTRIAL ELÉTRICA/ELETROTÉCNICA LAURA MARIA FRAZÃO SCHUARÇA MÍRIAM RAFAELA BENINCA METODOLOGIA DE
Leia maisProjeto de Controladores Robustos H para Sistemas Discretos Utilizando Modificação de Zeros
Câmpus de Ilha Solteira PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Projeto de Controladores Robustos H para Sistemas Discretos Utilizando Modificação de Zeros RENATO DE AGUIAR TEIXEIRA MENDES Orientador:
Leia maisAula 6. Carlos Amaral Fonte: Cristiano Quevedo Andrea
Aula 6 Carlos Amaral Fonte: Cristiano Quevedo Andrea UTFPR - Universidade Tecnológica Federal do Paraná DAELT - Departamento Acadêmico de Eletrotécnica Curitiba, Março de 2012. Resumo 1 Introdução Espaço
Leia maisControl Design and Simulation
Control Design and Simulation Controller Plant Setpoint + _ Error G(s) H(s) Output Rodrigo Schneiater Engenheiro de Vendas Osvaldo Santos Engenheiro de Sistemas LabVIEW Control Design and Simulation: LabVIEW
Leia maisEES-20: Sistemas de Controle II. 01 Setembro 2017
EES-2: Sistemas de Controle II 1 Setembro 217 1 / 56 Controle com realimentação de estado Lei de controle: u(t) = Kx(t) + Fr(t) r t u t y t F K x t 2 / 56 Projeto por alocação de polos Determina-se K de
Leia maisProceeding Series of the Brazilian Society of Computational and Applied Mathematics. LMIs
Trabalho apresentado no DINCON, Natal - RN, 215. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Estabilização Robusta da Qualidade da LMIs Água de Rios via Valeska
Leia maisEES-20: Sistemas de Controle II. 08 Novembro 2017
EES-20: Sistemas de Controle II 08 Novembro 2017 1 / 46 Recapitulando: Controle empregando realimentação de estado r k F u k u t y t T y k T x(t) T K x k 2 / 46 Recapitulando: Projeto por alocação de polos
Leia maisLista de Exercícios 2
Universidade de Brasília Faculdade de Tecnologia Departamento de Engenharia Elétrica 107484 Controle de Processos 1 o Semestre 2018 Prof. Eduardo Stockler Tognetti Lista de Exercícios 2 Para os exercícios
Leia mais1 Controlabilidade, observabilidade e estabilidade de sistemas em tempo contínuo
Rio de Janeiro, 24 de março de 2006. 1 a Lista de Exercícios de Controle e Servomecanismos II Tópicos: autovalores, estabilidade, controlabilidade, observabilidade, realimentação de estado e observadores
Leia maisXII Simpósio Brasileiro de Automação Inteligente (SBAI) Natal RN, 25 a 28 de outubro de 2015
Natal RN, 25 a 28 de outubro de 2015 CONTROLE DE SISTEMAS CHAVEADOS INCERTOS COM REALIMENTAÇÃO DA SAÍDA DA PLANTA Alexandre A. Carniato, Edson I. M. Júnior, Marcelo Carvalho M. Teixeira, Edvaldo Assunção,
Leia maisEstabilidade e Estabilização de Sistemas Lineares via
Trabalho apresentado no DINCN, Natal - RN, 2015 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Estabilidade e Estabilização de Sistemas Lineares via Programação Semidefinida
Leia maisSEM Sistemas de Controle Aula 1 - Introdução
SEM 5928 - Sistemas de Controle Universidade de São Paulo O que é controle? Dicionário Houaiss: Controle:... 3. Dispositivo ou mecanismo destinado a comandar ou regular o funcionamento de máquina, aparelho
Leia maisSistemas a Tempo Discreto
Sistemas a Tempo Discreto 1. Caracterização de sistemas dinâmicos a tempo discreto 2. Transformada-Z 3. FT discreta, estabilidade e analogia com domínio-s 4. Sistemas amostrados 4.1 Amostragem e retenção
Leia maisUniversidade Estadual Paulista - UNESP
Universidade Estadual Paulista - UNESP Faculdade de Engenharia de Ilha Solteira Departamento de Engenharia Elétrica Modificação de Zeros em Sistemas de Controle Robusto Utilizando LMIs por Cristiano Quevedo
Leia maisCAPÍTULO Compensação via Compensador de Avanço de Fase
CAPÍTULO 8 Projeto no Domínio da Freqüência 8.1 Introdução Este capítulo aborda o projeto de controladores usando o domínio da freqüência. As caracteristicas de resposta em freqüência dos diversos controladores,
Leia maisTakagi-Sugeno fuzzy model for knee joint angle control of paraplegic patients
DOI: 10.5433/1679-0375.2012v33n2p215 Modelo Fuzzy Takagi-Sugeno para controle do ângulo de articulação do joelho de pacientes paraplégicos Takagi-Sugeno fuzzy model for knee joint angle control of paraplegic
Leia maisEES-20: Sistemas de Controle II
EES-: Sistemas de Controle II 14 Agosto 17 1 / 49 Recapitulando: Estabilidade interna assintótica Modelo no espaço de estados: Equação de estado: ẋ = Ax + Bu Equação de saída: y = Cx + Du Diz-se que o
Leia maisUMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC
UMA PROPOSTA DE DECOMPOSIÇÃO DE SISTEMAS LINEARES PARA DMPC R. R. ROCHA 1 e L. C. OLIVEIRA-LOPES 1 1 Universidade Federal de Uberlândia, Faculdade de Engenharia Química E-mail para contato: rosi.rocha28@gmail.com;
Leia maisCONTROLE ROBUSTO DE SISTEMAS NÃO LINEARES COM REALIMENTAÇÃO DERIVATIVA
18 a 21 de setembro de 211 CONTROLE ROBUSTO DE SISTEMAS NÃO LINEARES COM REALIMENTAÇÃO DERIVATIVA Manoel R. Moreira, Edson I. M. Júnior, Talita T. Esteves, Rodrigo Cardim, Marcelo C. M. Teixeira, Edvaldo
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
CONTROLE ADRC PARA SISTEMAS DE FASE NÃO-MÍNIMA UTILIZANDO RESPOSTA EM FREQUÊNCIA Jair Luiz de Azevedo Filho, Alessandro Rosa Lopes Zachi, Josiel Alves Gouvea Núcleo de Pesquisa em Mecatrônica (NUPEM) -
Leia maisEstabilidade no Domínio da Freqüência
Estabilidade no Domínio da Freqüência 1. Motivação 2. Mapas de contorno no Plano-s 3. Critério de Nyquist pag.1 Controle de Sistemas Lineares Aula 16 Estabilidade no Domínio da Freqüência Como analisar
Leia mais6. Controle por Aprendizado Neuro-Fuzzy
6. Controle por Aprendizado Neuro-Fuzzy 6.1. Introdução Neste capítulo é apresentado o controle por aprendizado utilizando um sistema híbrido Neuro-Fuzzy, para o cálculo e atualização dos pontos de reversão
Leia maisUtilização do solidthinking Embed em projetos de controle para sistemas embarcados utilizando técnica de controle adaptativo por modelo de referência.
Utilização do solidthinking Embed em projetos de controle para sistemas embarcados utilizando técnica de controle adaptativo por modelo de referência. Rodrigo de J. Macedo Resumo Apresenta-se, neste artigo,
Leia maisModelagem, Simulação e Controle do Sistema de Abastecimento de Água do Campus da Universidade Federal do Rio Grande do Norte
Trabalho apresentado no DINCON, Natal - RN, 205. Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Modelagem, Simulação e Controle do Sistema de Abastecimento de Água
Leia maisInternal Model Control (IMC) e projeto de PID usando IMC
Internal Model Control (IMC) e projeto de PID usando IMC Gustavo H. C. Oliveira Dept. de Engeharia Elétrica / UFPR Gustavo H. C. Oliveira Internal Model Control (IMC) e PID 1/18 Sumário 1 Introdução 2
Leia maisINSTITUTO SUPERIOR TÉCNICO CONTROLO. As questões assinaladas com * serão abordadas na correspondente aula de apoio.
INSTITUTO SUPERIOR TÉCNICO ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES CONTROLO 3 a Série (root-locus, análise e projecto no plano-s) As questões assinaladas com * serão abordadas na correspondente aula
Leia maisNOVOS RESULTADOS SOBRE A ESTABILIDADE E CONTROLE DE SISTEMAS NÃO-LINEARES UTILIZANDO MODELOS FUZZY E LMI
NOVOS RESULTADOS SOBRE A ESTABILIDADE E CONTROLE DE SISTEMAS NÃO-LINEARES UTILIZANDO MODELOS FUZZY E LMI Marcelo Carvalho Minhoto Teixeira* marcelo@deefeisunespbr Edvaldo Assunção* edvaldo@deefeisunespbr
Leia maisDepartamento de Engenharia Eletrônica Universidade Federal de Minas Gerais UFMG Av. Antônio Carlos , Belo Horizonte - MG - Brasil
CONDIÇÕES DE ESTABILIDADE E ESTABILIZAÇÃO DE SISTEMAS NÃO-LINEARES COM RETARDO NO TEMPO VIA ABORDAGEM TS Fernando O. Souza, Leonardo A. Mozelli, Reinaldo M. Palhares Departamento de Engenharia Eletrônica
Leia maiss:
REDUÇÃO ROBUSTA DE CONTROLADORES Raphael José Simões Antunes, Eduardo Nunes Gonçalves, Reinaldo Martinez Palhares, Ricardo Hiroshi Caldeira Takahashi Departamento de Engenharia Elétrica Centro Federal
Leia maisINSTITUTO SUPERIOR TÉCNICO CONTROLO. As questões assinaladas com * serão abordadas na correspondente aula de apoio.
INSTITUTO SUPERIOR TÉCNICO ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES CONTROLO 2 a Série (resposta no tempo, diagrama de blocos, erro estático) As questões assinaladas com * serão abordadas na correspondente
Leia maisIntrodução ao Sistema de Controle
Introdução ao Sistema de Controle 0.1 Introdução Controle 1 Prof. Paulo Roberto Brero de Campos Controle é o ato de exercer comando sobre uma variável de um sistema para que esta variável siga um determinado
Leia maisMETODOLOGIA PARA RASTREAMENTO COM MODIFICAÇÃO DOS ZEROS E REJEIÇÃO DE DISTÚRBIO APLICADA A SISTEMAS INCERTOS
METODOLOGIA PARA RASTREAMENTO COM MODIFICAÇÃO DOS ZEROS E REJEIÇÃO DE DISTÚRBIO APLICADA A SISTEMAS INCERTOS Edvaldo Assunção edvaldo@dee.feis.unesp.br Marcelo Carvalho Minhoto Teixeira marcelo@dee.feis.unesp.br
Leia maisIntrodução Diagramas de Bode Gráficos Polares Gráfico de Amplitude em db Versus Fase. Aula 14. Cristiano Quevedo Andrea 1
Cristiano Quevedo Andrea 1 1 UTFPR - Universidade Tecnológica Federal do Paraná DAELT - Departamento Acadêmico de Eletrotécnica Curitiba, Outubro 2012. 1 / 48 Resumo 1 Introdução 2 Diagramas de Bode 3
Leia maisANÁLISE DE ESTABILIDADE DE SISTEMAS FUZZY USANDO FUNÇÕES DE LYAPUNOV FUZZY
ANÁLISE DE ESTABILIDADE DE SISTEMAS FUZZY USANDO FUNÇÕES DE LYAPUNOV FUZZY Flávio A. Faria 1, Geraldo N. Silva 1, Vilma A. de Oliveira 2 1 Instituto de Biociências Letras e Ciências Exatas, UNESP - Univ
Leia maisCONTROLADOR LQR VIA APROXIMAÇÃO LMI COM RESTRIÇÃO DE TAXA DE DECAIMENTO APLICADO AO HELICÓPTERO 3-DOF DE BANCADA
Natal RN, 25 a 28 de outubro de 2015 CONTROLADOR LQR VIA APROXIMAÇÃO LMI COM RESTRIÇÃO DE TAXA DE DECAIMENTO APLICADO AO HELICÓPTERO 3-DOF DE BANCADA RODRIGO P. CAUN, EDVALDO ASSUNÇÃO *, LÁZARO I. H. LLINS
Leia maisConstrução e Controle de uma Plataforma Experimental Ball and Beam
Construção e Controle de uma Plataforma Experimental Ball and Beam Michael Klug Mestre em Engenharia de Automação e Sistemas pela UFSC, professor do Instituto Federal de Santa Catarina, Campus Joinville
Leia maisFigura 1. Modelo de 1/4 de
ESTUDO E SIMULAÇÃO DE CONTROLE DE SUSPENSÃO ATIVA PARA MODELOS DE UM QUARTO DE CARRO E CARRO INTEIRO STUDY AND SIMULATION OF ACTIVE SUSPENSION CONTROLLERS FOR QUARTER-CAR MODELS AND FULL-CAR MODELS Rafael
Leia maisFundamentos de Controlo
Fundamentos de Controlo 3 a Série Estabilidade e Desempenho, Critério de Routh-Hurwitz, Rejeição de Perturbações, Sensibilidade à Variação de Parâmetros, Erros em Regime Estacionário. S3. Exercícios Resolvidos
Leia maisRealimentação e Observador no Espaço de Estados Revisão
Realimentação e Observador no Espaço de Estados Revisão 1. Realimentação de estados 1.1. Um tour por alocação de pólos 2. Observador ou Estimador 2.1. Observador? Por quê? 3. Princípio da separação 4.
Leia maisREALIMENTAÇÃO DA DERIVADA DOS ESTADOS EM SISTEMAS MULTIVARIÁVEIS LINEARES USANDO LMIS
REALIMENTAÇÃO DA DERIVADA DOS ESTADOS EM SISTEMAS MULTIVARIÁVEIS LINEARES USANDO LMIS Flávio Andrade Faria flaviof15@yahoo.com.br Marcelo C. M. Teixeira marcelo@dee.feis.unesp.br Edvaldo Assunção edvaldo@dee.feis.unesp.br
Leia maisSistemas Dinâmicos Lineares
Sistemas Dinâmicos Lineares 1. Descrição de sistemas dinâmicos 1.1. Sinais? 1.2. Sistemas? 1.3. Espaço de estados. Resposta do sistema dinâmico 2. Estabilidade de sistemas dinâmicos 2.1. Análise de estabilidade
Leia maisProjeto e Implementação com Chaveamento de Reguladores Fuzzy Takagi-Sugeno para um Conjunto de Pontos de Operação
Ilha Solteira UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Ilha Solteira - SP PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Projeto e Implementação com Chaveamento de Reguladores
Leia maisXIII Simpósio Brasileiro de Automação Inteligente Porto Alegre RS, 1 o 4 de Outubro de 2017
Porto Alegre RS, o 4 de Outubro de 27 CONTROLE AMOSTRADO DE SISTEMAS NÃO-LINEARES UTILIZANDO MODELOS FUZZY TAKAGI-SUGENO Alessandra H. K. Palmeira, João Manoel Gomes da Silva Jr., Jeferson V. Flores Programa
Leia maisProjeto de Controladores Baseados em LMIs: Realimentação Derivativa e Sistemas Chaveados Utilizando Estrutura Variável
Ilha Solteira UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Ilha Solteira - SP PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Projeto de Controladores Baseados em LMIs: Realimentação
Leia maiss:
CONTROLE DE UM LEVITADOR MAGNÉTICO UTILIZANDO MODELOS FUZZY E DERIVADA DE ESTADOS DA PLANTA Rodrigo Cardim, Marcelo C. M. Teixeira, Edvaldo Assnção, Flávio A. Faria, Márcio R. Covacic UNESP - Universidade
Leia maisFUNDAMENTOS DE CONTROLE - EEL 7531
Soluções periódicas e ciclos limite Funções descritivas FUNDAMENTOS DE CONTROLE - EEL 7531 Professor: Aguinaldo S. e Silva LABSPOT-EEL-UFSC 9 de junho de 2015 Professor: Aguinaldo S. e Silva FUNDAMENTOS
Leia maisEscolha do Período de Amostragem
Escolha do Período de Amostragem Notas de Aula: ELT013 - Controle Digital Prof. Bruno Teixeira brunoot@ufmg.br Departamento de Engenharia Eletrônica (DELT) Universidade Federal de Minas Gerais (UFMG) 3
Leia maisDescrição de Incertezas e Estabilidade Robusta
Descrição de Incertezas e Estabilidade Robusta 1. Estabilidade robusta? 1.1. Função de transferência nominal e critério de estabilidade robusta 2. Caracterizando modelos de incertezas não-estruturadas
Leia maisCOMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE
COMPARAÇÃO ENTRE CONTROLADORES PID CLÁSSICO E PID FUZZY COM GANHO PROGRAMADO NO SISTEMA DE AZIMUTE Brehme D. R. de MESQUITA (1); Jefferson A. L. e SILVA (2); André M. D. FERREIRA (3) (1) Instituto Federal
Leia maisModelagem no Domínio do Tempo
CAPÍTULO TRÊS Modelagem no Domínio do Tempo SOLUÇÕES DE DESAFIOS DOS ESTUDOS DE CASO Controle de Antena: Representação no Espaço de Estados Para o amplificador de potência, E s a() V () s 150. Usando a
Leia maisV. ANÁLISE NO DOMÍNIO DO TEMPO
INSTITUTO TECNOLÓGICO DE AERONÁUTICA CURSO DE ENGENHARIA MECÂNICA-AERONÁUTICA MPS-43: SISTEMAS DE CONTROLE V. ANÁLISE NO DOMÍNIO DO TEMPO Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de
Leia maisProjeto de Controladores Baseados em LMIs: Realimentação Derivativa e Sistemas Chaveados Utilizando Estrutura Variável
Ilha Solteira UNIVERSIDADE ESTADUAL PAULISTA JÚLIO DE MESQUITA FILHO Campus de Ilha Solteira - SP PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA Projeto de Controladores Baseados em LMIs: Realimentação
Leia maisInstrumentação e Controle Aula 7. Estabilidade. Prof. Renato Watanabe ESTO004-17
Instrumentação e Controle Aula 7 Estabilidade Prof. Renato Watanabe ESTO004-17 Onde estamos no curso Sistema Obtenção das Equações Diferenciais que descrevem o comportamento do sistema Representação no
Leia mais