Lu´ıs Filipe Pereira Silva Estudo sobre inclus˜ao de - ppgel
Transcrição
Lu´ıs Filipe Pereira Silva Estudo sobre inclus˜ao de - ppgel
Programa de Pós-Graduação em Engenharia Elétrica Associação Ampla entre UFSJ e CEFET-MG Luı́s Filipe Pereira Silva Estudo sobre inclusão de desempenho na sı́ntese de controladores para sistemas discretos no tempo com atrasos nos estados Belo Horizonte Fevereiro de 2011 Luı́s Filipe Pereira Silva Estudo sobre inclusão de desempenho na sı́ntese de controladores para sistemas discretos no tempo com atrasos nos estados Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Engenharia Elétrica, associação ampla entre UFSJ e CEFET-MG, como parte dos requisitos necessários para a obtenção do tı́tulo de mestre em Engenharia Elétrica. Área de concentração: Modelagem e Controle de Sistemas. Linha de Pesquisa: Sistema de Controle Orientador: Prof. Dr. Valter Júnior de Souza Leite Co-Orientador: Prof. Dr. Márcio Fantini Miranda Belo Horizonte Fevereiro de 2011 iii Luı́s Filipe Pereira Silva Engenheiro Eletricista – CEFET-MG Estudo sobre inclusão de desempenho na sı́ntese de controladores para sistemas discretos no tempo com atrasos nos estados Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Engenharia Elétrica, associação ampla entre UFSJ e CEFET-MG, como parte dos requisitos necessários para a obtenção do tı́tulo de mestre em Engenharia Elétrica. Área de concentração: Modelagem e Controle de Sistemas. Linha de Pesquisa: Sistema de Controle. Banca Examinadora: Prof. Dr. Pedro Luis Dias Peres UNICAMP/FEEC Prof. Dr. Gleison Fransoares Vasconcelos Amaral UFSJ/DEPEL Prof. Dr. Eduardo Nunes Gonçalves CEFET-MG/DEE Prof. Dr. Valter Júnior de Souza Leite CEFET-MG/Campus Divinópolis Belo Horizonte Fevereiro de 2011 v Dedico esse trabalho à minha mãe, Ángela. Uma mulher forte que diante de grandes problemas soube superá-los e hoje é uma pessoa muito feliz e um dos pilares para a maravilhosa famı́lia que tenho. vii Agradecimentos Agradeço, a Deus. ao Prof. Valter por todo o tempo dedicado a me orientar (lembro no último domingo que passei em Divinópolis, era aproximadamente 20 horas, nós tivemos uma reunião. Ao invés de curtir sua famı́lia, ele veio me orientar.). Sua orientação não se restringiu somente a assuntos do nosso projeto, ela se estendeu a assuntos relacionados à carreira profissional e também familiares. Após um ano e meio de trabalho posso dizer, sem sombra de dúvidas, que o Valter é um excelente orientador e um ótimo amigo. ao Prof. Márcio que sempre que possı́vel me orientou e me ajudou no desenvolvimento desse trabalho. à Bruna. Com o seu intercâmbio para Alemanha passamos seis meses separados. Nesse tempo de solidão enfiei a cara no trabalho e com isso pude terminar o mestrado com aproximadamente um ano e meio. Mas não a agradeço por isso, agradeço pelos seus carinhos, pelo seu amor, por deixar a minha vida mais prazerosa e mais alegre e pelo apoio que nunca faltou de sua parte na minha escolha pela carreira acadêmica, mesmo isso custando um matrimônio a curto e médio prazo. ao André (Faixa Branca). Dividimos o quarto na casa da Marileia em Divinópolis. Nessa convivência pude conhecê-lo melhor e perceber o tanto que ele é engraçado, amigo e companheiro. O Faixa termina logo seu mestrado e vamos para Florianópolis. à minha famı́lia, que sempre me apoiou nas minhas decisões profissionais. Porém, esse apoio não se restringiu somente às questões de motivação, uma vez que nunca me faltou o apoio financeiro. aos Profs. Anı́sio e Eduardo Coppoli por terem me incentivado a seguir a vida acadêmica. à Rosi por sempre se mostrar bastante prestativa na resolução de alguns problemas administrativos que tive no decorrer do mestrado. ao CEFET-MG e a todos os professores que participaram da minha formação. ix Se fiz descobertas valiosas, foi mais por ter paciência do que qualquer outro talento. Isaac Newton xi Resumo Novas condições na forma de desigualdades matriciais lineares para análise de D(α, r)estabilidade e sı́ntese de controladores robustos por realimentação de estado que garantam D(α, r)-estabilidade de sistemas discretos no tempo com atraso no vetor de estado são apresentadas nesta dissertação. Para isso, é introduzido um sistema equivalente com múltiplos atrasos no vetor de estado pelo qual o estudo de Schur estabilidade assegura a D(α, r)-estabilidade do sistema original. São também desenvolvidas novas condições de análise da D(α, r)-estabilidade com estimação do custo garantido H∞ , na forma de desigualdades matriciais lineares, e as correspondentes condições de sı́ntese de controladores robustos para realimentação de estados que garantam D(α, r)-estabilidade com minimização do custo garantido H∞ de sistemas discretos no tempo com múltiplos atrasos nos estados, na forma de desigualdade matriciais bilineares. Nesse caso, é proposta uma relaxação que envolve, em cada passo, a solução de uma desigualdade matricial linear. Em todos os casos, são estudados os sistemas incertos em que os parâmetros de incerteza são invariantes no tempo e pertencem a um politopo com vértices conhecidos. Alguns exemplos são desenvolvidos para demonstrar a eficiência das formulações propostas. Palavras-chave: Sistemas incertos com atraso nos estados, D(α, r)-estabilidade, custo H∞ , desigualdades matriciais lineares, desigualdade matriciais bilineares. xiii Abstract New conditions in terms of linear matrix inequalities for the D(α, r)-stability analysis and synthesis of robust state feedback controls assuring D(α, r)-stability of discretetime systems with time delay in the state vector are presented in this work. It is introduced an equivalent system with multiple delays in the state vector by which the study of Schur stability assures the D(α, r)-stability of the original system. Also, new conditions for D(α, r)-stability analysis with H∞ -guaranteed cost computation, given in terms of linear matrix inequalities, and the corresponding conditions for synthesis of robust state feedback controls that guarantee D(α, r)-stability with the minimization H∞ -guaranteed cost of the discrete-time system with multiple time delays in the state vector, given in terms of bilinear matrix inequalities, are developed. In this last case, it is proposed a relaxation that involves at each iteration the solution of a linear matrix inequality. In all cases are studied uncertain systems with time-invariant parameters belonging to a polytope with known vertices. Some examples are developed to demonstrate the efficiency of the proposed formulations. Key-words: Uncertain systems with time delay in the state, D(α, r)-stability, cost H∞ , linear matrix inequalities, bilinear matrix inequalities. xv Sumário Lista de Figuras xx Lista de Tabelas xxi Lista de Acrônimos e Notação xxiii Introdução Geral 1 1 Preliminares e Definições 1.1 Fundamentos . . . . . . . . . . . . . . . . . . . . . . . 1.1.1 Estabilidade . . . . . . . . . . . . . . . . . . . . 1.1.2 O Segundo Método de Lyapunov . . . . . . . . 1.1.3 Estabilidade Robusta e Estabilidade Quadrática 1.1.4 D-estabilidade . . . . . . . . . . . . . . . . . . . 1.1.5 Controle H∞ . . . . . . . . . . . . . . . . . . . 1.2 Sistema Discreto no Tempo com Atrasos nos Estados . 1.2.1 Estabilidade . . . . . . . . . . . . . . . . . . . . 1.2.2 Estabilização . . . . . . . . . . . . . . . . . . . 2 D(α, r)-estabilidade: proposta de sistema equivalente 2.1 Colocação do problema . . . . . . . . . . . . . . . . . . 2.2 Sistema equivalente com múltiplos atrasos . . . . . . . 2.3 Matriz para mudança de base . . . . . . . . . . . . . . 2.4 Condições para análise e sı́ntese de D(α, r)-estabilidade 2.4.1 Análise de D(α, r)-estabilidade . . . . . . . . . 2.4.2 Sı́ntese de controladores . . . . . . . . . . . . . 2.5 Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 5 5 7 8 11 13 15 16 20 . . . . . . . 23 23 24 27 32 32 34 37 3 Aplicações de modelo equivalente para D(α, r)-estabilidade 3.1 Preliminares e formulação dos problemas . . . . . . . . . . . . . . . . . . . . . . 3.2 Aplicação ao sistema com atraso incerto . . . . . . . . . . . . . . . . . . . . . . 3.2.1 Análise de D(α, r)-estabilidade . . . . . . . . . . . . . . . . . . . . . . . xvii 39 39 41 45 3.2.2 Sı́ntese de controladores . . . . . . . . . . . 3.3 Aplicação ao caso incerto . . . . . . . . . . . . . . . 3.3.1 Análise de D(α, r)-estabilidade robusta . . . 3.3.2 Sı́ntese robusta de controladores . . . . . . . 3.3.3 Abordagem pela estabilidade quadrática . . 3.4 Aplicação ao sistema incerto com atraso conhecido . 3.4.1 Sı́ntese robusta de controladores . . . . . . . 3.5 Conclusões . . . . . . . . . . . . . . . . . . . . . . . 4 Análise e sı́ntese D(α, r)-estabilidade com custo 4.1 Preliminares e formulação do problema . . . . . 4.2 Principais resultados . . . . . . . . . . . . . . . 4.2.1 Análise robusta . . . . . . . . . . . . . . 4.2.2 Sı́ntese robusta . . . . . . . . . . . . . . 4.2.3 Abordagem pela estabilidade quadrática 4.2.4 Controle Descentralizado . . . . . . . . 4.3 Conclusões . . . . . . . . . . . . . . . . . . . . . 5 Conclusões e Perspectivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . garantido H∞ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47 54 58 59 66 75 76 81 . . . . . . . 83 83 85 86 89 93 98 100 101 A Ferramentas 103 A.1 Desigualdades Matriciais Lineares – LMIs . . . . . . . . . . . . . . . . . . . . . 103 A.2 Complemento de Schur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 A.3 Lema de Finsler . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 Bibliografia 107 xviii Lista de Figuras 1.1 Plano complexo e região de alocação de autovalores para sistemas discretos no tempo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Região D no plano complexo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1 Autovalores do sistema em malha aberta, Exemplo 2.3 . . . . . . . . . . . . . . 2.2 Autovalores do sistema de malha fechada realimentação dos estados atuais e atrasados, Exemplo 2.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3 Simulação temporal do sistema realimentado, Exemplo 2.4 . . . . . . . . . . . . 2.4 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 2.4 . . 2.5 Razão dos raios mı́nimos, Exemplo 2.4 . . . . . . . . . . . . . . . . . . . . . . . 3.1 Autovalores do sistema de malha fechada realimentação dos estados atuais e atrasados, Exemplo 3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Autovalores do sistema de malha fechada realimentação dos estados atuais, Exemplo 3.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3 Simulação temporal do sistema realimentado atraso 3, Exemplo 3.2 . . . . . . . 3.4 Simulação temporal do sistema realimentado atraso 2, Exemplo 3.2 . . . . . . . 3.5 Simulação temporal do sistema realimentado atraso 1, Exemplo 3.2 . . . . . . . 3.6 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 3.2 . . 3.7 Razão dos raios mı́nimos, uk = Kxk , Exemplo 3.2 . . . . . . . . . . . . . . . . . 3.8 Razão dos raios mı́nimos, uk = Kxk + Kτ xk−τ , Exemplo 3.2 . . . . . . . . . . . 3.9 Nuvem de autovalores do sistema de malha fechada realimentação dos estados atuais e atrasados, Exemplo 3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.10 Nuvem de autovalores do sistema de malha fechada realimentação dos estados atuais, Exemplo 3.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.11 Simulação temporal do sistema realimentado atraso 3, Exemplo 3.4 . . . . . . . 3.12 Simulação temporal do sistema realimentado atraso 2, Exemplo 3.4 . . . . . . . 3.13 Simulação temporal do sistema realimentado atraso 1, Exemplo 3.4 . . . . . . . 3.14 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 3.4 . . 3.15 Razão dos raios mı́nimos, uk = Kxk , Exemplo 3.4 . . . . . . . . . . . . . . . . . 3.16 Razão dos raios mı́nimos, uk = Kxk + Kτ xk−τ , Exemplo 3.4 . . . . . . . . . . . xix 11 12 34 35 36 36 37 50 51 52 52 53 53 54 55 62 63 63 64 64 65 65 66 3.17 Nuvem de autovalores do sistema de malha fechada realimentação dos estados atuais e atrasados, Exemplo 3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.18 Nuvem de autovalores do sistema de malha fechada realimentação dos estados atuais, Exemplo 3.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.19 Simulação temporal do sistema realimentado atraso 3, Exemplo 3.5 . . . . . . . 3.20 Simulação temporal do sistema realimentado atraso 2, Exemplo 3.5 . . . . . . . 3.21 Simulação temporal do sistema realimentado atraso 1, Exemplo 3.5 . . . . . . . 3.22 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 3.5 . . 3.23 Razão dos raios mı́nimos, uk = Kxk , Exemplo 3.5 . . . . . . . . . . . . . . . . . 3.24 Razão dos raios mı́nimos, uk = Kxk + Kτ xk−τ , Exemplo 3.5 . . . . . . . . . . . 3.25 Comparação condições robustas e quadráticas, Exemplo 3.5 . . . . . . . . . . . . 3.26 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 3.6 . . 3.27 Razão dos raios mı́nimos, Exemplo 3.6 . . . . . . . . . . . . . . . . . . . . . . . 3.28 Comportamento dos raios mı́nimos em relação aos valores de α, Exemplo 3.7 . . 3.29 Razão dos raios mı́nimos, Exemplo 3.7 . . . . . . . . . . . . . . . . . . . . . . . 3.30 Comparação condições robusta e quadrática, Exemplo 3.7 . . . . . . . . . . . . . 71 71 72 72 73 74 74 75 77 78 79 80 80 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 93 93 93 94 94 97 97 98 98 Diagramas de Bode sistema realimentado, lei de controle (4.41), Exemplo 4.1 . . Diagramas de Bode sistema realimentado, lei de controle (4.42), Exemplo 4.1 . . Diagramas de Bode sistema realimentado, lei de controle (4.43), Exemplo 4.1 . . Nuvem de autovalores sistema realimentado, lei de controle (4.41), Exemplo 4.1 Nuvem de autovalores sistema realimentado, lei de controle (4.42), Exemplo 4.1 Diagrama de Bode sistema realimentado, lei de controle (4.48), Exemplo 4.2 . . Diagrama de Bode sistema realimentado, lei de controle (4.49), Exemplo 4.2 . . Nuvem de autovalores sistema realimentado, lei de controle (4.48), Exemplo 4.2 Nuvem de autovalores sistema realimentado, lei de controle (4.49), Exemplo 4.2 xx 70 Lista de Tabelas 2.1 Tabela dos coeficientes qi,j . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Tabela dos coeficientes ai,j . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 31 4.1 Tabela comparativa dos custos garantidos H∞ , Exemplo 4.1 . . . . . . . . . . . 4.2 Tabela comparativa dos custos garantidos H∞ , Exemplo 4.2 . . . . . . . . . . . 4.3 Tabela de custo garantido H∞ , γ, e estrutura de controle, Exemplo 4.3 . . . . . 92 97 99 xxi xxii Lista de Acrônimos e Notação LMI BMI L-K SISO MIMO desigualdade matricial linear, do inglês linear matrix inequality desigualdade matricial bilinear, do inglês bilinear matrix inequality Lyapunov-Krasovskii sistema com uma entrada e uma saı́da, do inglês single input single output sistema com múltiplas entradas e múltiplas saı́das, do inglês multiple input multiple output ⋆ M M̄ M̃ M̌ M >0 M ≥0 M −1 MH MT diag{M1 , M2 } xk x̌k sk šk Mu σmax sup ℓ2 indica bloco simétrico nas LMIs matriz em malha fechada. Por exemplo, M = M + BK matriz resultante da representação de um sistema com atraso na forma aumentada e livre de atraso matriz subtraı́da de αI e multiplicada por M̄ − αI 1/r: M̃ = r matrix M̃ em uma nova base do espaço indica que a matriz M é simétrica definida positiva indica que a matriz M é simétrica semi-definida positiva indica a matriz inversa da matriz M indica a matriz Hermitiana da matriz M (T ), pós-posto a um vetor ou matriz, indica a operação de transposição representa a matriz bloco-diagonal formada pelas matrizes M1 e M2 sobre a diagonal principal vetor de estado vetor de estado em uma nova base do espaço vetor de estado resultante da representação de um sistema com atraso na forma aumentada e livre de atraso vetor de estado na forma aumentada em uma nova base do espaço maiúscula caligráfica é usada para denotar um politopo de matrizes M. Quando pertinente, é usado o sub indice u que pode ser oℓ , no caso de malha aberta, ou cℓ , no caso de malha fechada valor máximo do diagrama de magnitude de Bode para sistema SISO valor singular máximo para sistema MIMO valor supremo de uma função espaço das sequências quadraticamente somáveis xxiii z zk wk k · k2 ⊗ R N N n d I variável da Transformada Z saı́da ponderada de um sistema entrada exógena norma dois de um vetor ou matriz denota o produto de Kronecker conjunto dos números reais conjunto dos números naturais (incluindo o zero) utilizada para denotar o número de vértices de um politopo utilizada para representar a ordem do sistemas utilizada para representar a magnitude do atraso matriz identidade de dimensão n × n. Se é incluı́do um sub-ı́ndice, esse determina as dimensões da matriz 0 matriz de zeros de dimensão n × n. Se é incluı́do um sub-ı́ndice, esse determina as dimensões da matriz β utilizada para representar as incertezas de um sistema D sub-região do plano complexo D(α, r) região circular com raio r e centro em (α, 0) do plano complexo α utilizada para representar o centro da região D(α, r) r utilizada para representar o raio da região D(α, r) xxiv Introdução Geral Ao se estudar as caracterı́sticas dinâmicas de um sistema, uma informação de suma importância de ser obtida diz respeito à estabilidade do mesmo. Caso esse sistema não seja estável se faz necessária uma forma de estabilizá-lo. Uma alternativa eficiente de realizar essa tarefa é por meio de controladores. Em se tratando de sistemas descritos no espaço de estados, uma boa alternativa é utilizar a realimentação dos estados, na qual os controladores utilizados são ganhos estáticos. Em geral, sistemas reais apresentam incertezas. Neste trabalho, essas incertezas são tratadas como politópicas. Uma forma de trabalhar com a classe de sistemas incertos é a partir da função de Lyapunov. Dessa forma, em alguns casos, é possı́vel fazer a análise de estabilidade e a sı́ntese de controladores que estabilizam essa classe de sistemas incertos por meio dessa função de Lyapunov. Funções de Lyapunov podem ser dependente de parâmetros, como tratado em [Che10], [STPB09] e [MS04], em que no primeiro são abordados sistema contı́nuos e discretos no tempo e nos dois últimos são abordados somente sistemas discretos no tempo. Nos últimos anos sistemas com atraso e sujeitos a incertezas vêm ganhando destaque na literatura especializada com trabalhos tratando de condições de análise de estabilidade e de sı́ntese de controladores que estabilizam os sistemas em questão. Uma alternativa utilizada para obtenção dessas condições é por meio dos funcionais de Lyapunov-Krasovskii, para sistemas contı́nuos no tempo, e a partir das funções de Lyapunov-Krasovskii, para sistemas discretos no tempo. Essas ferramentas são uma extensão da função de Lyapunov para o caso com atraso nos estados. Os trabalhos [HZ10], [LLZY10], [LM08b], [Ric03], [LY10] e [WL10] tratam de sistemas com atraso e com incertezas, sendo os três primeiros para sistemas discretos no tempo e os três últimos para sistemas contı́nuos no tempo. A classe de sistemas discutidos nesta dissertação é a dos sistemas discretos no tempo com atraso(s) nos estados. As incertezas são representadas na forma politópica. Entradas exógenas são sinais presentes em sistemas reais. Esses sinais podem ser ruı́dos, efeitos de carga, variações de energia fornecida ao sistema, entre outros. Com isso, é interessante que os efeitos dessas entradas sejam levados em consideração ao sintetizar controladores que estabilizam a classe de sistemas explorada nesta dissertação. A minimização da norma H∞ é um critério de desempenho utilizado para isso. Em [dOOL+ 04] são propostas condições para estimação do custo garantido H∞ para sistemas livres de atrasos. Veja [SPL08] para a sı́ntese de controladores no caso de sistemas incertos do tipo neutro. Em [WLXG05], [LTP09] e [HWHS08] 1 2 Introdução Geral são tratadas condições de sı́ntese de controladores robustos que garantem o custo H∞ da malha fechada e condições de análise de estabilidade para sistemas discretos com atraso variante nos estados com a utilização de uma função de Lyapunov-Krasovskii. Outros resultados para sistemas discretos no tempo podem ser obtidos em [LTP04], [MZRZ07], [ZCC06] e [ZHW06]. Uma outra forma de impor desempenho na sı́ntese de controladores é utilizando a alocação regional dos autovalores que descrevem os sistemas lineares e invariantes no tempo (LTI). Essa formulação é conhecida como D-estabilidade, para uma sub-região do plano complexo. Nesta dissertação é adota a nomenclatura D(α, r)-estabilidade, sendo que essa é referente a uma região circular com raio r e centro em (α, 0) do plano complexo. Note que a D(α, r)-estabilidade é um caso particular da D-estabilidade. Resultados sobre esse assunto podem ser vistos em [CG96] e [Lee95] para sistemas contı́nuos no tempo e em [WHH06] e [MLP03] para sistemas discretos no tempo, em ambos os casos os sistemas são livres de atrasos. Em [MC06] são tratadas condições de D-estabilidade para sistemas contı́nuos no tempo com atraso nos estados. Já nos trabalhos [Che03], [CC06], [XLZ02] e [MC09], a D-estabilidade é abordada para sistemas discretos no tempo com atraso nos estados. Os trabalhos [SL10] e [SLMN10] são uma extensão de [MC09], no qual são tratadas condições com D(α, r)-estabilidade associadas a uma minimização do critério de custo H∞ . Uma forma de se tratar os problemas na área de controle robusto é por meio de métodos convexos de otimização baseados em desigualdades matriciais lineares (LMIs, do inglês Linear Matrix Inequalities). Além da simplicidade e consistência algébrica, a existência de algoritmos computacionais eficientes para programação convexa fizeram com que os métodos de análise e sı́ntese de controladores baseados em LMIs se popularizassem. Em alguns casos, as condições propostas neste trabalho são formuladas por desigualdade matriciais bilineares (BMIs, do inglês Bilinear Matrix Inequalities). Nesses casos não se tem um problema de programação convexa. Apesar disso, a partir de algoritmos auxiliares essas BMIs podem ser resolvidas como um conjunto de LMIs, como acontece em [BOAP10], [RN09] e [RNHZ10]. No presente trabalho são desenvolvidas condições para análise da D(α, r)-estabilidade e para a sı́ntese de controladores para garantir a D(α, r)-estabilidade da classe de sistemas discretos no tempo com atraso conhecido no vetor de estados e para a classe de sistemas discretos no tempo com atraso incerto no vetor de estados. Essas condições podem ser utilizadas em sistemas incertos, sendo que tais incertezas são representadas na forma politópica e podem afetar todas as matrizes dos sistemas. As formulações propostas são escritas como problemas de otimização na forma de LMIs. Uma mudança de base se faz necessária na classe de sistemas tratada por essas formulações. Essa mudança de base é feita via transformação de similaridade. Outras condições desenvolvidas neste trabalho são condições de análise da D(α, r)-estabilidade com estimação do custo H∞ e a sı́ntese de controladores que garantam a D(α, r)-estabilidade com minimização do custo H∞ de sistemas incertos discretos no tempo com múltiplos atrasos (valem também para atraso simples) nos estados. Nesse caso, as condições de análise são formuladas em termos de LMIs, já as condições de sı́nteses são formuladas como BMIs, sendo que é fornecido um algoritmo para que essas sejam resolvidas iterativamente como um conjunto de LMIs. Vários exemplos numéricos são desenvolvidos para demonstrar a eficiência dos resultados e sempre que possı́vel houve a comparação com resultados já existentes na literatura. Introdução Geral 3 Portanto, este trabalho apresenta as seguintes contribuições: 1. Apresentação de um modelo equivalente para estudos de D(α, r)-estabilidade em sistemas com atrasos nos estados; 2. Condições de análise de D(α, r)-estabilidade e de sı́ntese de controladores que garantam a D(α, r)-estabilidade de sistemas discretos no tempo com atraso nos estados; e 3. Condições de análise de D(α, r)-estabilidade com estimação do custo garantido H∞ e de sı́ntese de controladores que D(α, r)-estabilizam com minimização do custo garantido H∞ sistemas incertos discretos no tempo com múltiplos atrasos nos estados. Esta dissertação está organizada da seguinte forma: Capı́tulo 1 São apresentadas as definições e conceitos abordados ao longo do trabalho, como: conceitos de estabilidade e de D-estabilidade no sentido de Lyapunov, robusta e quadrática; definição do controle H∞ para sistemas precisamente conhecidos e para sistemas incertos; e uma análise sobre sistemas discretos no tempo com atraso no vetor de estado. Capı́tulo 2 Primeiramente, é proposta uma lei de formação para a matriz Q(α, r, τ ) que é a matriz utilizada para fazer uma mudança de base na classe de sistemas discretos no tempo com atraso nos estados. Essa mudança de base é efetuada via transformação de similaridade. Em seguida, com o sistema na nova base são desenvolvidas condições de análise da D(α, r)-estabilidade e de sı́ntese de controladores que D(α, r)-estabilizam a classe de sistemas em questão. Vários exemplos numéricos são apresentados ao longo do capı́tulo. Capı́tulo 3 São propostas condições LMIs de análise da D(α, r)-estabilidade e a sı́ntese de controladores que D(α, r)-estabilizam sistemas discretos no tempo com atraso no vetor de estado. Essas condições são desenvolvidas a partir da mudança de base dos sistemas em questão via transformação de similaridade a partir da matriz Q(α, r, τ ) apresentada no Capı́tulo 2. Primeiramente, é considerado que esses sistemas são precisamente conhecidos com atraso incerto. Em seguida, são considerados que os sistemas são incertos, assim como os atrasos. Por último, os sistemas são incertos com atrasos conhecidos. Vários exemplos numéricos, com comparação de resultados já existentes na literatura, são propostos para demonstrar a eficiência dos métodos desenvolvidos. Capı́tulo 4 São propostas condições LMIs de análise da D(α, r)-estabilidade com estimação do custo garantido H∞ e condições BMIs de sı́ntese de controladores com minimização do custo garantido H∞ para sistemas incertos discretos no tempo com múltiplos atrasos no vetor de estados. Vários exemplos numéricos, com comparação de resultados já existentes na literatura, são propostos. 4 Introdução Geral Capı́tulo 5 São apresentadas as conclusões, perspectivas para trabalhos futuros e os artigos produzidos diretamente relacionados com esta dissertação. Capı́tulo 1 Preliminares e Definições Neste capı́tulo é apresentada uma breve revisão dos principais conceitos e técnicas utilizadas nesta dissertação. Para isso, ele está dividido em duas partes. A primeira parte trata de alguns fundamentos dentro dos quais são abordados conceitos de estabilidade e de controle H∞ . A segunda parte consiste na abordagem de sistemas discretos no tempo com atraso nos estados. Vale ressaltar que os resultados obtidos nesta dissertação estão no domı́nio do tempo discreto, sendo assim somente esse domı́nio é explorado neste primeiro capı́tulo. 1.1 Fundamentos Nesta seção são apresentados os fundamentos teóricos que têm correlação com os resultados obtidos neste trabalho. Primeiramente, é feita uma apresentação da teoria de estabilidade de sistemas lineares, abrangendo os conceitos de estabilidade: no sentido de Lyapunov, assintótica, robusta, quadrática e D-estabilidade. Esses conceitos e considerações sobre estabilidade apresentados nesta dissertação foram extraı́dos de [Bha07]. Em seguida, é feita uma explanação sobre controle H∞ apresentando a formulação do problema e conceitos sobre o projeto de controladores por realimentação de estados que garante um custo H∞ . 1.1.1 Estabilidade Um aspecto fundamental do estudo da dinâmica de sistemas em geral é a análise da estabilidade. Uma ideia intuitiva para caracterizar o conceito de estabilidade de um sistema qualquer, para essa situação não importando a natureza desse sistema, é: considere que esse esteja em um ponto de equilı́brio e receba uma perturbação, se o mesmo retornar para o ponto de equilı́brio ou parar em um outro ponto esse sistema é estável. Porém, se na presença de perturbação o sistema não retornar para o ponto de equilı́brio e não parar em nenhum outro ponto, esse sistema é instável. No âmbito de sistemas reais a condição de instabilidade pode proporcionar danos à planta, como queimar, desintegrar ou saturar componentes [Che99]. Nesse sentido a caracterização da condição de estabilidade de um dado sistema é de suma importância. A estabilidade de um sistema pode ser analisada via estabilidade interna ou via estabilidade entre o sinal de entrada e saı́da. Um sistema pode ser estável a partir da análise de estabilidade 5 6 Capı́tulo 1. Preliminares e Definições entre entrada e saı́da, mas pode ser instável internamente. No entanto, se um sistema é estável internamente, a estabilidade entre entrada e saı́da está garantida. Neste trabalho, o interesse foi obter resultados referentes à estabilidade interna. Diante disso, os conceitos apresentados nesta Subseção são relacionados à estabilidade interna de um sistema. Antes de abordar os conceitos de estabilidade são apresentadas noções de estado de equilı́brio e estabilidade. Para isso, considere o sistema dinâmico discreto no tempo descrito pela equação diferença xk+1 = f (xk , k), xk0 = x0 , (1.1) sendo k ∈ N o instante de amostragem, xk ∈ Rn o vetor de estados e f (xk , k) ∈ Rn um vetor cujos elementos são funções de x1 , x2 , . . . , xn e k. Um ponto de equilı́brio ou estado de equilı́brio é um vetor constante xeq tal que f (xeq , k) = xeq , ∀k, (1.2) sendo (1.2) a solução constante, também denominada solução de equilı́brio, da equação diferença (1.1). Sem perda de generalidade, é possı́vel considerar que o(s) ponto(s) de equilı́brio ocorre(m) na origem, por meio de uma mudança de variáveis: x̄ = x − xeq . (1.3) Assim, tem-se f (0, k) = 0, ∀k. (1.4) Após a apresentação dos conceitos de ponto de equilı́brio e estabilidade da solução nula são apresentadas as definições formais de estabilidade no sentido de Lyapunov. Essas definições foram introduzidas no trabalho fundamental de Lyapunov (1857-1918) [Bha07]. Definição 1.1 Um estado de equilı́brio xeq é denominado estável se, para qualquer k0 e qualquer ǫ > 0, existe δ = δ(k0 , ǫ) positivo tal que, se kx0 − xeq k < δ, então kx(x0 , k) − xeq k < ǫ para todo k ≥ k0 . Definição 1.2 Um estado de equilı́brio xeq é denominado convergente ou atrativo, se, para qualquer k0 , existe δ1 = δ1 (k0 ) tal que se kx0 − xeq k < δ1 , então lim x(x0 , k) = xeq . k→∞ (1.5) Definição 1.3 Um estado de equilı́brio xeq é denominado assintoticamente estável se for estável e atrativo. Definição 1.4 Um estado de equilı́brio xeq é denominado instável se existe ǫ > 0 tal que qualquer δ > 0, existe x0 tal que se kx0 − xeq k < δ, então kxk1 − xeq k ≥ ǫ para algum k1 > k0 . Considere o sistema linear discreto no tempo descrito por xk+1 = Axk , (1.6) sendo A ∈ Rn×n a matriz dinâmica de estados. Uma forma de analisar a estabilidade do sistema apresentado por (1.6) é a partir dos autovalores da matriz A. Definição 1.5 A solução nula do sistema (1.6) é assintoticamente estável se todos os autovalores de A possuı́rem magnitude menor que um. Nesse caso esse sistema é dito Schur estável. 1.1. Fundamentos 1.1.2 7 O Segundo Método de Lyapunov Em 1892, A. M. Lyapunov apresentou dois métodos para determinar a estabilidade de sistemas dinâmicos descritos por equações diferenciais ordinárias e que servem, portanto, para a análise de estabilidade de (1.6). O primeiro método de Lyapunov consiste em procedimentos em que a forma explı́cita da solução das equações diferenciais é usada para a análise. O segundo método de Lyapunov não requer as soluções das equações diferenciais [Oga85], [Che99]. Esse é baseado na diminuição da energia total do sistema até que o estado de equilı́brio seja alcançado. Por esse motivo, o segundo método pode ser usado para a análise de estabilidade de sistemas não lineares ou lineares com incertezas. Para um dado sistema, busca-se uma candidata à função de Lyapunov V (xk , k), sendo essa uma representação da função de energia desse sistema. Tal função deve ser definida positiva e a sua variação ao longo do tempo tem de ser sempre definida negativamente. Isso verificado, implica que quando o tempo aumenta, V (xk , k) deve assumir valores cada vez menores. Nesse caso, o sistema é assintoticamente estável [Oga85]. Tudo isso é formalizado a seguir no Teorema principal de Lyapunov. Teorema 1.1 (Teorema principal de Lyapunov) Considere o sistema discreto no tempo descrito por (1.1), obedecendo a condição (1.4). Se existir uma função escalar V (xk , k) que satisfaça as seguintes condições: 1. V (0, k) = 0, para todo k ≥ 0; 2. V (xk , k) → ∞, quando kx(k)k → ∞; 3. V (xk , k) > 0, para todo x(k) 6= 0 para todo k ≥ 0; e 4. ∆V (xk , k) < 0, para todo x(k) 6= 0 para todo k ≥ 0, então o sistema (1.1) é dito assintoticamente estável ou Schur estável. Análise de estabilidade para sistemas lineares discretos no tempo precisamente conhecidos Considere o sistema linear discreto e invariante no tempo descrito pela equação (1.6). A Schur estabilidade desse sistema pode ser investigada a partir do segundo método de Lyapunov. Para o sistema em questão uma possı́vel função candidata à função de Lyapunov é a função quadrática: V (xk , k) = xTk P xk . (1.7) Para que as condições do Teorema principal de Lyapunov 1.1 sejam satisfeitas, P , denominada matriz de Lyapunov, tem que ser uma matriz simétrica definida positiva, ou seja, P T = P > 0. A variação de V (xk , k) em relação a k ao longo das trajetórias de (1.6) é definida a seguir: ∆V (xk , k) = V (xk+1 , k + 1) − V (xk , k) = xTk+1 P xk+1 − xTk P xk = xTk AT P Axk − xk P xk = xTk (AT P A + P )xk . (1.8) 8 Capı́tulo 1. Preliminares e Definições Para que a última condição do Teorema de Lyapunov 1.1 seja satisfeita é necessário que o resultado da variação de V (xk , k) seja definida negativa. Portanto, uma condição necessária e suficiente para a Schur estabilidade do sistema discreto no tempo (1.6) é que exista P T = P ∈ Rn×n tal que P > 0 e AT P A + P < 0. (1.9) 1.1.3 Estabilidade Robusta e Estabilidade Quadrática Considere o sistema linear discreto no tempo apresentado em (1.6). Suponha que a matriz A não seja precisamente conhecida e que seja função de um vetor β, que representa a incerteza do sistema que não varia com o tempo. Assim, tem-se xk+1 = A(β)xk . (1.10) Definição 1.6 Se o sistema (1.10) é Schur estável para todo β admissı́vel, então esse é robustamente estável. A partir da Definição 1.6, uma condição para a estabilidade robusta do sistema incerto em questão é dada pela existência de matrizes de Lyapunov P (β) = P (β)T ∈ Rn×n tais que P (β) > 0; A(β)T P (β)A(β) − P (β) < 0. (1.11) Suponha que o sistema incerto discreto no tempo pertença a um politopo, ou seja, A(β) ∈ Aoℓ . Nesse caso, qualquer matriz A(β) dentro do domı́nio de incertezas pode ser escrita como a combinação convexa dos vértices Aj , j = 1, . . . , N do politopo, sendo ( ) N X Aoℓ = A(β) ∈ Rn×n : A(β) = βj Aj , β ∈ Ω (1.12) j=1 e Ω= ( β: β ∈ RN , N X βj = 1, j=1 βj ≥ 0, j = 1, . . . , N ) . (1.13) Suponha também que as matrizes incertas de Lyapunov pertençam a um politopo de incertezas P. Dessa forma, qualquer matriz P (β) dentro do domı́nio de incertezas pode ser escrita como a combinação convexa dos vértices Pj , j = 1, . . . , N, ou seja, P (β) ∈ P sendo ( ) N X P = P (β) ∈ Rn×n : P (β) = βj Pj , β ∈ Ω , (1.14) j=1 com Ω definido em (1.13). Considere que seja aplicado o Lema de Finsler, que está apresentado no Apêndice A.3, na condição similar a (1.8) para sistemas incertos, ou seja, xTk+1 P (β)xk+1 − xTk P (β)xk x < 0 =⇒ k+1 xk T P (β) 0 xk+1 < 0, 0 −P (β) xk (1.15) 1.1. Fundamentos 9 xk+1 P (β) 0 sendo que ϕk = e Q(β) = . Com isso: xk 0 −P (β) xk+1 B(β)ϕk = 0 =⇒ −I A(β) = 0. xk (1.16) Para: Q(β) + X (β)B(β) + B(β)T X (β)T < 0, (1.17) F (β) sendo X (β) = , em que F (β) ∈ Rn×n e G(β) ∈ Rn×n são variáveis de folga, tem-se G(β) P (β) − F (β) − F (β)T F (β)A(β) − G(β)T < 0. A(β)T F (β)T − G(β) −P (β) + G(β)A(β) + A(β)T G(β)T (1.18) Note que a condição (1.18) é de dimensão infinita em β. Isso ocorre pelo fato de se ter produtos entre duas matrizes que estão em função de β. Caso seja introduzido um conservadorismo nessa condição, considerando que F (β) = F e G(β) = G, essa se torna de dimensão finita em β. Com isso, se A(β) ∈ Aoℓ e P (β) ∈ P, então (1.18) é verificada por Pj − F − F T F Aj − GT < 0, ATj F T − G −Pj + GAj + ATj GT (1.19) sendo que (1.19) é uma condição já existente na literatura, veja em [LMdO+ 04]. A verificação da condição (1.19) é suficiente para a verificação da condição (1.11). Considere que (1.19) seja multiplicada por βj ≥ 0 e somada de j = 1 até j = N, como mostrado a seguir N X j=1 Pj − F − F T F Aj − GT βj < 0. ATj F T − G −Pj + GAj + ATj GT Desenvolvendo a operação, resulta-se em "P # PN N T T β (P − F − F ) β (F A − G ) j j j j j=1 Pj=1 PN < 0. N T T T T β (A F − G) β j j=1 j j=1 j (−Pj + GAj + Aj G ) De acordo com as definições dos politopos Aoℓ e P fornecidas, respectivamente, por (1.12) e (1.14), tem-se a seguinte condição P (β) − F − F T F A(β) − GT < 0. A(β)T F T − G −P (β) + GA(β) + A(β)T GT (1.20) T A(β) A(β) Se pré e pós-multiplicar a condição (1.20) por e , respectivamente, a condição I I (1.11) é recuperada. Dessa forma, mostra-se que a verificação de (1.19) é suficiente para a verificação da condição (1.11). 10 Capı́tulo 1. Preliminares e Definições Estabilidade quadrática Considerando o caso particular em que se tem uma matriz de Lyapunov independente de β, ou seja, P (β) = P , resulta em uma condição necessária e suficiente para a estabilidade dita quadrática do sistema incerto e discreto no tempo. Sendo assim, esse sistema é quadraticamente estável se existir uma matriz P T = P ∈ Rn×n tal que P > 0 e A(β)T P A(β) − P < 0. (1.21) Considere que A(β) ∈ Aoℓ , como já dito para o caso da estabilidade robusta, essa condição pode ser verificada com a análise da estabilidade dos vértices do conjunto convexo formado por A(β). Isso faz com que a condição (1.21) seja equivalente à verificação da existência de P = P T ∈ Rn×n tal que P > 0 e ATj P Aj − P < 0; j = 1, . . . , N. (1.22) Considere que seja aplicado o complemento de Schur, que está apresentado no Apêndice A.2, na condição (1.22). Sendo assim, P P Aj > 0; j = 1, . . . , N, (1.23) ATj P P em que (1.23) é uma condição já existente na literatura, veja em [LMdO+ 04]. Essa condição (1.23) é equivalente à condição (1.22). Considere que (1.23) seja multiplicada por βj ≥ 0 e somada de j = 1 até j = N, como mostrado a seguir N X P P Aj βj > 0. ATj P P j=1 Desenvolvendo a operação, resulta-se em " P # PN N β P β P A j j j j=1 PN j=1 T P > 0. N β A P j j j=1 j=1 βj P Com isso encontra-se P P A(β) > 0. A(β)T P P (1.24) Aplicando o complemento de Schur nessa última condição é encontrada a condição (1.21). A estabilidade quadrática implica estabilidade robusta em um sistema, porém o contrário não é verdadeiro. A estabilidade quadrática fornece resultados, relativos à análise de estabilidade, mais conservadores do que a estabilidade robusta. Isso, ocorre pelo fato de se ter que obter uma única P , para todo o domı́nio de incertezas, que satisfaça as desigualdades apresentadas em (1.21) ou (1.24), enquanto que, no caso da estabilidade robusta, é necessário obter P (β) que satisfaça as desigualdades (1.11). Porém, a existência dessas matrizes P (β) é apenas condição suficiente para a estabilidade robusta, ao passo que a existência de uma matriz P é condição necessária e suficiente para a estabilidade quadrática [LMdO+ 04] e [Bar85]. Contudo, caso P (β) seja considerado um polinômio homogêneo de grau genérico, a condição de estabilidade robusta passa a ser condição necessária e suficiente para a análise de estabilidade [OP07] e [dOP07]. 1.1. Fundamentos 1.1.4 11 D-estabilidade O comportamento dinâmico de um sistema linear invariante no tempo está diretamente ligado à localização no plano complexo dos autovalores que compõem esse sistema. Isso é válido tanto para resposta à entrada nula, quanto para resposta ao estado nulo. A partir da localização regional dos autovalores no plano complexo de um sistema linear invariante no tempo é possı́vel caracterizar o desempenho do mesmo. Resultados relacionados a isso podem ser encontrados em [Lee95] e [MC06] para o caso contı́nuo no tempo; em [WHH06] e [SFL10] para o caso discreto no tempo e em [PABB00], [LP03] e [WB02] que abordam os casos contı́nuo e discreto no tempo. Na Figura 1.1 é apresentado o plano complexo com a região de estabilidade para sistemas discretos no tempo: o cı́rculo unitário centrado na origem. Nessa figura está definida uma subregião, no interior do circulo unitário, caracterizada por um cı́rculo hachurado internamente. Esse tipo de sub-região pode ser usada para assegurar ao sistema discreto no tempo caracterı́sticas dinâmicas desejáveis, tais como limitação da frequência natural e da frequência natural amortecida, entre outras. Essa sub-região é denominada região D. Imag 1 −1 11111 00000 00000 11111 00000 11111 00000 11111 Real 1 e−σ −1 Figura 1.1: Plano complexo e região de alocação de autovalores para sistemas discretos no tempo. Definição 1.7 Quando todos os autovalores de um sistema discreto e invariante no tempo estão localizados no interior de uma região D, diz-se que esse sistema é D-estável. Alguns trabalhos que tratam de D-estabilidade são [PABB00], [GX04], [LP03] e [CG96]. Os três primeiros definem a região D como T ∗ D = z ∈ C : R11 + R12 z + R12 z + R22 zz ∗ < 0 , (1.25) T T sendo R11 = R11 ∈ Rs×s e R22 = R22 ∈ Rs×s , com R22 ≥ 0 para se ter região convexa, são submatrizes de R ∈ R2s×2s tais que R11 R12 R= , (1.26) T R12 R22 12 Capı́tulo 1. Preliminares e Definições sendo que s representa a ordem da região. Vale ressaltar que, se se considerar R22 = 0, a região D definida em (1.26) é a mesma definida em [CG96]. A partir da definição da região D apresentada em (1.25) é possı́vel fazer a representação de vários formatos dessa região, assim como um cı́rculo, região D da figura 1.1. Para isso, basta parametrizar as submatrizes R11 , R12 e R22 . Neste trabalho adota-se como região D um cı́rculo com centro em (α, 0) e raio r como apresentado na Figura 1.2. Definição 1.8 Um sistema linear invariante no tempo é considerado D(α, r)-estável se todos os seus autovalores estiverem confinados no cı́rculo de centro em (α, 0) e raio r do plano complexo. Imag r α Real Figura 1.2: Região D no plano complexo. No caso discreto no tempo, deve-se considerar que |α| + r < 1 para que a região D esteja toda no interior do cı́rculo unitário centrado na origem do plano complexo. Considere o sistema discreto e invariante no tempo (1.6). Deseja-se fazer a análise da D(α, r)estabilidade assintótica desse sistema, para isso considere a seguinte operação à = A − αI , r (1.27) sendo α ∈ R o centro do cı́rculo e r, o raio. Essa operação mapeia os autovalores da matriz A localizados no interior da região D(α, r), Figura 1.2, no cı́rculo de raio unitário [HB92]. Com isso, a análise de D(α, r)-estabilidade é feita, na verdade, utilizando as técnicas de análise de (Schur) estabilidade convencional. Diante disso, uma condição necessária e suficiente para a análise da D(α, r)-estabilidade do sistema em questão é que exista P = P T ∈ Rn×n tal que P > 0 e ÃT P à − P < 0. (1.28) No caso em que a matriz A não é precisamente conhecida, uma condição suficiente para a análise da D(α, r)-estabilidade robusta do sistema incerto é dada pela existência de uma matriz de Lyapunov P (β) = P (β)T ∈ Rn×n dependente do parâmetro β, tal que P (β) > 0; Ã(β)T P (β)Ã(β) − P (β) < 0, sendo Ã(β) = A(β) − αI . r (1.29) (1.30) 1.1. Fundamentos 13 Caso a matriz incerta do sistema, A(β), e a matriz de Lyapunov, P (β), pertençam aos politopos de incertezas Aoℓ e P, em que esses estão definidos em (1.12) e (1.14), respectivamente, então qualquer matriz A(β) ou P (β) no domı́nio de incertezas pode ser escrita como a combinação convexa dos vértices Aj e Pj , j = 1, . . . , N, respectivamente. Note que os passos seguintes são uma repetição dos passos feitos na Subseção 1.1.3 tanto para o estudo da estabilidade robusta, quanto para o estudo da estabilidade quadrática. Dessa forma, a D(α, r)-estabilidade robusta e D(α, r)-estabilidade quadrática podem ser analisadas a partir da substituição de Aj por Ãj nas condições (1.19) e (1.22) ou (1.23), respectivamente. Ao se fazer a sı́ntese de controladores robustos que garantem D(α, r)-estabilidade de sistema lineares invariantes no tempo, sendo esses incertos ou não, além da estabilidade, é assegurada uma especificação de desempenho [LMP04]. Essa é uma vantagem em se fazer projeto de controladores que D(α, r)-estabilizam comparado com projeto de controladores que somente estabilizam sistema lineares invariantes no tempo. 1.1.5 Controle H∞ O controle H∞ aborda o problema de redução da sensitividade de um sistema em malha fechada, tanto para perturbações aditivas injetadas em entradas desse sistema, quanto para incertezas nos próprios parâmetros do mesmo. Na década de 1970, George Zames propôs um trabalho sobre controle H∞ . Contudo, na época, as ferramentas computacionais disponı́veis representavam um gargalo dessa abordagem [Tak98]. A partir daı́, com o desenvolvimento dos computadores, esse tema foi sendo abordado por vários autores e nos últimos anos continua sendo recorrente em pesquisas na área de sistemas e teoria de controle. Formulação do problema: sistema precisamente conhecido Dado o sistema linear discreto e invariante no tempo: xk+1 = Axk + Bu uk + Bw wk S: , yk = Cxk + Du uk + Dw wk (1.31) sendo que xk ∈ Rn , uk ∈ Rq , wk ∈ Rℓ e yk ∈ Rp denotam o vetor de estados, a entrada de controle, a entrada exógena e a saı́da controlada, respectivamente. As matrizes A ∈ Rn×n , Bu ∈ Rn×q , Bω ∈ Rn×ℓ , C ∈ Rp×n , Du ∈ Rp×q e Dω ∈ Rp×ℓ são matrizes que definem o sistema. Considere a lei de controle de realimentação estática dos estados definida por uk = Kxk , sendo K ∈ Rq×n , o que resulta em um sistema em malha fechada xk+1 = Axk + Bw wk S: , yk = Cxk + Dw wk (1.32) (1.33) em que as matrizes A e C são definidas como A = A + Bu K e C = C + Du K. (1.34) 14 Capı́tulo 1. Preliminares e Definições A matriz de transferência do sistema em malha fechada (1.33) de wk para yk é dada por H(z) = C(zI − A)−1 Bw + Dw . (1.35) Sendo H(z) uma matriz de transferência estável sem polos sobre o cı́rculo unitário [Zho99], sua norma H∞ é definida como kH(z)k∞ = sup σmax H(ejω ) . (1.36) ω∈R Em sistemas com uma entrada e uma saı́da, SISO (do inglês Single Input Single Output), a norma H∞ corresponde ao valor máximo do diagrama de magnitude de Bode. Para sistemas com múltiplas entradas e múltiplas saı́das, MIMO (do inglês Multiple Input Multiple Output), a norma H∞ é o máximo valor do diagrama de valores singulares [OP10]. Estimação do custo garantido H∞ Se o sistema em malha fechada (1.33) possui condições iniciais nulas e é Schur estável, determina-se γ tal que, para yk ∈ ℓ2 e wk ∈ ℓ2 , sinais de energia finita: kyk k2 ≤ γkwk k2 . (1.37) Nesse caso, todo γ que satisfaça (1.37) é um custo garantido H∞ . Já ao considerar o menor valor de γ que satisfaz (1.37) tem-se o custo garantido H∞ ótimo, γ ∗ . Todo γ > γ ∗ é subtótimo. Sı́ntese de controlador com custo garantido H∞ Para o sistema em malha aberta (1.31) busca-se determinar o ganho K tal que a lei de controle dada em (1.32) Schur estabilize e minimize o custo garantido H∞ do sistema em malha fechada. Com isso é introduzida uma medida de robustez no desempenho do controlador [Tak98]. Formulação do problema: sistema incerto Considere que o sistema (1.31) seja composto por matrizes incertas. Assim, tem-se o seguinte sistema incerto discreto e invariante no tempo: xk+1 = A(β)xk + Bu (β)uk + Bw (β)wk S(β) : . (1.38) yk = C(β)xk + Du (β)uk + Dw (β)wk As dimensões das matrizes incertas são as mesmas definidas para o caso precisamente conhecido. O sistema em malha fechada, resultante da lei de controle (1.32), é o seguinte xk+1 = A(β)xk + Bw (β)wk S(β) : , (1.39) yk = C(β)xk + Dw (β)wk em que as matrizes A(β) e C(β) são definidas como A(β) = A(β) + Bu (β)K e C(β) = C(β) + Du (β)K. (1.40) A matriz de transferência do sistema em malha fechada (1.39) de wk para yk é dada por H(z, β) = C(β)(zI − A(β))−1 Bw (β) + Dw (β) (1.41) 1.2. Sistema Discreto no Tempo com Atrasos nos Estados 15 e a norma H∞ é definida como kH(z, β)k∞ = max sup σmax H(ejω , β) , β (1.42) ω∈R sendo que H(z, β) é estável e não tem polos sobre o cı́rculo unitário. Para sistemas incertos SISO a norma H∞ corresponde ao valor máximo do diagrama de magnitude de Bode do conjunto de incertezas. Para sistemas incertos MIMO a norma H∞ é o supremo valor do diagrama de valores singulares do conjunto de incertezas. Para esse caso, em que o sistema é incerto, a estimação do custo H∞ segue o mesmo raciocı́nio descrito para o caso precisamente conhecido. Considerando que ao se estimar o custo garantido H∞ de um sistema incerto o valor encontrado para γ que satisfaça a condição (1.37) é maior ou igual ao custo garantido ótimo, γ ∗ . A ideia apresentada para a sı́ntese de controladores que minimizam o custo garantido H∞ para sistemas precisamente conhecidos é a mesma para sistemas incertos. 1.2 Sistema Discreto no Tempo com Atrasos nos Estados Atraso ocorre frequentemente em diferentes sistemas reais, tais como, sistemas mecânicos, sistemas elétricos e sistemas biológicos. O atraso em sistemas pode causar degradação de desempenho ou mesmo instabilidade [MZRZ07], [ZCC06]. Nos últimos anos, o atraso tem sido um tema recorrente em trabalhos publicados, como, [LY10], [Ric03], [SLRW08], [XL10] e [AG07] que tratam de sistemas contı́nuos no tempo e [XLS+ 07], [HZ10], [LM08a] e [LM08c] que abordam sistemas discretos no tempo. Os atrasos podem estar localizados no sinal de controle, no sinal medido pelo sensor ou nos estados. Para o trabalho em questão, a classe de sistemas explorada é a que apresenta atraso nos estados, sendo que esses podem ser compostos de múltiplos atrasos ou de um único atraso. Uma forma de tratar sistemas discretos no tempo com atraso nos estados é a abordagem que utiliza um vetor de estado aumentado resultando em um sistema livre de atrasos, como proposto em [ÅW84] e [KH98], sendo que o sistema livre de atrasos contém todos os autovalores do sistema com atrasos nos estados. No entanto, essa técnica apresenta limitações para o estudo da estabilidade de sistemas com incertezas, sistemas de grandes dimensões, sistemas com atrasos incertos e com atrasos variantes no tempo [KH98], [ML08], [MZRZ07], [ZHW06], [LTP04] e [LTP09]. Assim, considere o sistema incerto discreto no tempo com atraso nos estados xk+1 = A(β)xk + Ad (β)xk−d , (1.43) com condições inicias nulas para se ter unicidade de soluções. Sendo que xk ∈ Rn representa o vetor de estados, d ∈ N é o atraso do sistema e A(β) e Ad (β) ∈ Rn×n são matrizes invariantes no tempo, incertas e pertencentes ao politopo A′oℓ ( ) N X A Ad (β) : A Ad (β) = A Ad j βj , β ∈ Ω , A′oℓ = (1.44) j=1 com Ω está definido em (1.13) e os vértices cidos. Aj Adj = A Ad j , são precisamente conhe- 16 Capı́tulo 1. Preliminares e Definições Considerando que o atraso d no sistema (1.43) seja conhecido, esse sistema pode ser representado por um sistema aumentado incerto discreto no tempo livre de atraso, ou seja, sk+1 = Ā(β, d)sk , sendo xk xk−1 sk = .. . xk−d A(β) 0n×(d−1)n Ad (β) . e Ā(β, d) = Idn 0dn×n (1.45) (1.46) Observe que sk ∈ R(n+1)d é o vetor de estados aumentado, e Ā(β, d) ∈ Rn(d+1)×n(d+1) é a matriz de estados aumentada. Considere que essa matriz incerta Ā(β, d) pertença ao politopo Aoℓ definido em (1.12) substituindo-se A(β) por Ā(β, d) e Aj por Ā(d)j e compatibilizando-se as dimensões. 1.2.1 Estabilidade No estudo da estabilidade de sistemas discretos no tempo com atraso(s) nos estados existem duas classificações, tanto para condições de análise, quanto para condições de sı́ntese: as que são independentes do atraso e as que são dependentes do atraso [ML08] [ZCC06] [ZHW06]. A primeira condição garante a estabilidade do sistema não importando o tamanho do(s) atraso(s). Já na segunda há uma dependência explı́cita do tamanho do(s) atraso(s) [dSJL07]. Um fato importante com relação a essas duas abordagens para condições de análise e de sı́ntese de estabilidade de sistemas com atraso é que condições dependentes do atraso são geralmente menos conservadoras que as condições independentes do atraso [XLS+ 07]. Por outro lado, condições independentes do atraso não podem, em geral, serem obtidas como um caso limite de condições dependentes do atraso a partir da imposição de um valor máximo para o atraso, dmax → ∞. Por exemplo, se uma condição dependente do atraso é aplicada em um sistema independente do atraso, as conclusões obtidas serão, em geral, conservadoras [LM08b]. Análise de estabilidade via sistema aumentado A análise de estabilidade do sistema incerto discreto no tempo com atraso nos estados, como o apresentado em (1.43), pode ser investigada a partir da representação (1.45)–(1.46). Como esse último é um sistema livre de atraso a investigação pode ser feita por meio das condições de análise de estabilidade apresentadas na subseção 1.1.3. Essas condições são desenvolvidas a partir do teorema de Lyapunov. Pela forma construtiva dessa abordagem, a análise de estabilidade será sempre do tipo dependente do atraso [dSJL07]. Como já dito, a estratégia de estudar a estabilidade de um sistema discreto com atraso nos estados por meio da representação do sistema aumentado livre de atraso apresenta algumas limitações. Se for considerado o caso em que o sistema discreto no tempo com atraso nos estados, (1.43) é precisamente conhecido, assim como o seu atraso, ou seja, d = τ , então essa 1.2. Sistema Discreto no Tempo com Atrasos nos Estados 17 abordagem de sistema aumentado é apropriada para ser utilizada. Dessa forma, o sistema em questão é Schur estável se existir P T = P ∈ R(τ +1)n×(τ +1)n tal que satisfaça sendo P > 0 e Ā(τ )T P Ā(τ ) − P < 0, (1.47) A 0n×(τ −1)n Ad . Ā(τ ) = Iτ n 0τ n×n (1.48) Pd > 0 e Ā(d)T Pd Ā(d) − Pd < 0, (1.49) Por outro lado, se for considerado o caso em que apenas atraso é incerto, ou seja, d ∈ 1, τ , então a análise de estabilidade via sistema aumentado apresenta uma particularidade: o estudo da Schur estabilidade do sistema deve ser feito para cada valor que o atraso d pode assumir. Sendo assim, esse sistema é Schur estável se existirem as matrizes PdT = Pd ∈ R(d+1)n×(d+1)n , sendo d = 1, . . . , τ , tais que satisfaçam sendo Ā(d) = A 0n×(d−1)n Idn Aj 0n×(d−1)n Idn Ad 0dn×n . (1.50) Considere o caso, em que tanto as matrizes do sistema, quanto o atraso sejam incertos. Esse T sistema é robustamente estável se, por exemplo, existirem Pj,d = Pj,d ∈ R(d+1)n×(d+1)n , Fd ∈ R(d+1)n×(d+1)n e Gd ∈ R(d+1)n×(d+1)n , sendo d = 1, . . . , τ , tais que satisfaçam Pj,d − Fd − FdT F A(d)j − GTd < 0; j = 1, . . . , N, (1.51) A(d)Tj FdT − Gd −Pj,d + Gd A(d)j + A(d)Tj GTd sendo Ā(d)j = Adj . 0dn×n (1.52) Se na condição anterior for considerado Pj,d = Pd , d = 1, . . . , τ e j = 1, . . . , N, então tem-se a análise de estabilidade quadrática. Portanto, sistema é quadraticamente estável se existirem PdT = Pd ∈ R(d+1)n×(d+1)n , sendo d = 1, . . . , τ , tais que satisfaçam Pd > 0 e Ā(d)Tj Pd Ā(d)j − Pd < 0; j = 1, . . . , N, (1.53) sendo Ā(d)j definido conforme (1.52). Análise de estabilidade: abordagem de Lyapunov-Krasovskii O Teorema de Lyapunov 1.1, apresentado na Subseção 1.1.2, pode ser estendido para sistemas discretos no tempo com atraso nos estados a partir da teoria de Lyapunov-Krasovskii. Por meio dessa teoria é possı́vel tratar sistemas com grandes atrasos, atrasos incertos e atrasos variantes no tempo. Uma candidata à função de Lyapunov-Krasovskii (L-K) é V (xk , β) = xTk P (β)xk + 0 X i=−d xTk+i S(β)xk+i, (1.54) 18 Capı́tulo 1. Preliminares e Definições sendo que essa função já é conhecida na literatura, veja [SDM07]. Para garantir a estabilidade do sistema descrito por (1.43) é suficiente que: V (xk , β) > 0, o que é assegurado fazendo P (β) > 0, S(β) > 0 e ∆V (xk , β) < 0. Essas condições são somente suficientes para a análise de estabilidade, pelo fato de (1.54) não ser uma função de L-K completa [GKC03]. Desenvolvendo ∆V (xk , β) < 0, tem-se: xTk+1 (P (β) + S(β))xk+1 − xTk P (β)xk − xTk−d S(β)xk−d < 0. Substituindo xk+1 = A(β)xk + Ad (β)xk−d , encontra-se T xk T xk xk−d Ξ(β) <0 kk−d (1.55) (1.56) que pode ser verificada testando A(β)T (P (β) + S(β))A(β) − P (β) A(β)T (P (β) + S(β))Ad (β) Ξ(β) = < 0. (1.57) ⋆ Ad (β)T (P (β) + S(β))Ad (β) − S(β) Essa condição é conhecida como de estabilidade robusta para sistemas incertos discretos no tempo com atraso nos estados. Observe que essa condição é de dimensão infinita em β. As matrizes incertas A(β) e Ad (β) pertencem ao politopo A′oℓ , apresentado em (1.44), P (β) e S(β) pertencem aos politopos P e S, sendo o primeiro apresentado em (1.14) e o segundo definido a seguir: ( ) N X S = S(β) ∈ Rn×n : S(β) = βj Sj , β ∈ Ω , (1.58) j=1 com Ω definido em (1.13). Com isso, quaisquer matrizes A(β), Ad (β), P (β) e S(β), dentro do domı́nio de incertezas, podem ser escritas como as combinações convexas dos vértices Aj , Adj , Pj e Sj , para j = 1, . . . , N, respectivamente. Considere que seja aplicado o Lema de Finsler na condição (1.55). Sendo assim, xTk+1 (P (β) + S(β))xk+1 − xTk P (β)xk − xTk−d S(β)xk−d T xk+1 < 0 =⇒ xk xk−d P (β) + S(β) 0 0 xk+1 0 −P (β) 0 xk < 0, (1.59) × 0 0 −S(β) xk−d P (β) + S(β) 0 0 xk+1 0 −P (β) 0 . Com isso: sendo que ϕk = xk e Q(β) = 0 0 −S(β) xk−d xk+1 B(β)ϕk = 0 =⇒ −I A(β) Ad (β) xk = 0. xk−d (1.60) 1.2. Sistema Discreto no Tempo com Atrasos nos Estados 19 Para: Q(β) + X (β)B(β) + B(β)T X (β)T < 0, (1.61) F (β) sendo X (β) = G(β) , em que F (β) ∈ Rn×n , G(β) ∈ Rn×n e H(β) ∈ Rn×n são variáveis de H(β) folga, tem-se P (β) + S(β) − F (β) − F (β)T F A(β) − G(β)T ⋆ −P (β) + G(β)A(β) + A(β)T G(β)T ⋆ ⋆ F Ad (β) − H(β)T < 0. (1.62) G(β)Ad (β) + A(β)T H(β)T T T −S(β) + H(β)Ad (β) + Ad (β) H(β) Introduzindo conservadorismo na condição (1.62), ou seja, considerando F (β) = F , G(β) = G e H(β) = H, obtém-se P (β) + S(β) − F − F T F A(β) − GT F Ad (β) − H T < 0. ⋆ −P (β) + GA(β) + A(β)T GT GAd (β) + A(β)T H T T T ⋆ ⋆ −Sj + HAd (β) + Ad (β) H (1.63) ′ Como A(β) e Ad (β) pertencem ao politopo Aoℓ , P (β) e S(β) pertencem aos politopos P e S, então (1.63) é verificada a partir de P j + Sj − F − F T F Aj − GT F Adj − H T < 0. ⋆ −Pj + GAj + ATj GT GAdj + ATj H T T T ⋆ ⋆ −Sj + HAdj + Adj H (1.64) Essa condição, (1.64), é suficiente para (1.57): considere que (1.64) seja multiplicada por βj ≥ 0 e somada de j = 1 até j = N, como mostrado a seguir P j + Sj − F − F T F Aj − GT F Adj − H T < 0. ⋆ −Pj + GAj + ATj GT GAdj + ATj H T βj T T j=1 ⋆ ⋆ −Sj + HAdj + Adj H N X Desenvolvendo a operação, resulta-se em PN PN T T β (P + S − F − F ) j j j j=1 j=1 βj (F Aj − G ) PN T T ⋆ j=1 βj (−Pj + GAj + Aj G ) ⋆ ⋆ PN βj (F Adj − H T ) j=1 PN β (GAdj + ATj H T ) < 0. PN j=1 j T T j=1 βj (−Sj + HAdj + Adj H ) De acordo com as definições dos politopos A′oℓ , P e S chega-se na condição (1.63). 20 Capı́tulo 1. Preliminares e Definições Se na condição (1.64) for considerado Pj = P e Sj = S é obtida uma condição para análise de estabilidade quadrática dada por T Aj (P + S)Aj − P ATj (P + S)Adj < 0. (1.65) ⋆ ATdj (P + S)Adj − S Nesta dissertação é usada a candidata a função de L-K (1.54) que resulta em condições independentes do atraso. Atualmente existem candidatas muito mais elaboradas que podem levar a resultados menos conservadores. Os estudos realizados nesta dissertação podem ser estendidos para essas funções de L-K mais completas com relativa facilidade. 1.2.2 Estabilização Nesta subseção são abordadas somente as formulações de estabilização obtidas a partir das condições de estabilidade via sistema aumentado. Formulações de estabilização a partir de condições de L-K são estudadas nos Capı́tulos 2 e 3, por isso são omitidas nesta subseção. Considere o sistema incerto discreto no tempo com atraso nos estados xk+1 = A(β)xk + Ad (β)xk−d + Bu (β)uk , (1.66) em que xk ∈ Rn e uk ∈ Rq representam o vetor de estado e a entrada de controle, respec tivamente, o atraso é incerto d ∈ 1, τ e A(β), Ad (β) ∈ Rn×n , Bu (β) ∈ Rn×q são matrizes invariantes no tempo, incertas e pertencentes ao politopo Aoℓ ) ( N X A Ad Bu j βj , β ∈ Ω , (1.67) A Ad Bu (β) : A Ad Bu (β) = Aoℓ = j=1 com Ω definido em (1.13) e os vértices Aj Adj Buj = A Ad Bu j , são conhecidos. O primeiro caso a ser analisado é considerando o sistema (1.66) precisamente conhecido, assim como o atraso, ou seja, d = τ . Para essa situação tem-se que esse sistema é Schur estabilizável se existirem Z ∈ R(τ +1)n×q e 0 < P T = P ∈ R(τ +1)n×(τ +1)n , tais que satisfaça −P P Ā(τ ) + Z B̄uT (τ ) < 0, (1.68) ⋆ −P em que Ā(τ ) é definido em (1.48), (1.69) K̄(τ ) = Z T P −1 . (1.70) Bu Bu (τ ) = 0τ n×q e a matriz do controlador utilizado para realimentação dos estados K̄(τ ) ∈ Rq×(τ +1)n A lei de controle utilizada para a representação do sistema aumentado é em que uk = K̄(τ )sk , (1.71) K̄(τ ) = K 0n×τ n (1.72) 1.2. Sistema Discreto no Tempo com Atrasos nos Estados 21 e sk está definido em (1.46). Observe que para calcular K̄(τ ) com o formato definido em (1.72) é necessário impor estruturas às matrizes P e Z, sendo que a primeira tem que ser bloco diagonal, Zn×q com blocos de dimensões n × n e τ n × τ n e a segunda ser . Note que K̄(τ ) poderia ser 0τ n×q calculado sem imposição de estrutura. Nesse caso, a matriz dos controladores calculada poderia ser “cheia”. Porém, isso implicaria em um sistema em malha fechada com múltiplos atrasos nos estados, sendo essa uma situação que será evitada nesta dissertação. Considere o caso em que o sistema (1.66) é precisamente conhecido com atraso incerto, no qual d ∈ 1, τ . Sendo assim, o sistema em questão é Schur estabilizável se existirem Zd ∈ R(d+1)n×q , Fd ∈ R(d+1)n×(d+1)n e 0 < PdT = Pd ∈ R(d+1)n×(d+1)n , d = 1 . . . , τ , tais que satisfaçam Pd − Fd − FdT F Ā(d)T + Zd B̄uT (d) < 0, (1.73) ⋆ −Pd sendo Ā(d) definido em (1.50), (1.74) K̄(d) = ZdT Fd−T . (1.75) Bu B̄u (d) = 0dn×q e a matriz do controlador utilizado para realimentação dos estados K̄(d) ∈ Rq×(d+1)n A lei de controle utilizada para a representação do sistema aumentado é em que uk = K̄(d)sk , (1.76) K̄(d) = K 0n×dn (1.77) e sk está definido em (1.46). Observe que, para sintetizar os ganhos do controlador a partir das condições (1.73), é necessário impor estruturas às matrizes Fd e Zd . A matriz Fτ deve conter Fτ −1 , essa deve conter Fτ −2 e assim por diante, sendo que essas matrizes devem ser bloco diagonal,em que a dimensão de cada bloco é igual a n. As matrizes Zd devem ter estruturas Zn×q iguais a , d = 1 . . . , τ . Note que para essa situação não é necessário impor estrutura 0dn×q para as matrizes Pd . Considere o caso em que o sistema (1.66) é incerto, assim como o atraso,sendo que esse tenha o mesmo intervalo descrito para a situação anterior. Com isso, o sistema em questão é T robustamente estabilizável se existirem Zd ∈ R(d+1)n×q , Fd ∈ R(d+1)n×(d+1)n e 0 < Pj,d = Pj,d ∈ (d+1)n×(d+1)n R , d = 1 . . . , τ , tais que satisfaçam T Pj,d − Fd − FdT Fd Āj (d)T + Zd B̄uj (d) < 0, j = 1, . . . , N, (1.78) ⋆ −Pj,d sendo Ā(d) definido em (1.52), Buj B̄uj (d) = 0dn×q (1.79) e a matriz do controlador utilizado para realimentação dos estados K̄(d) ∈ Rq×(d+1)n é dada em (1.75), sendo que essa tem a mesma estrutura apresentada em (1.77). Como para o caso em que 22 Capı́tulo 1. Preliminares e Definições o sistema é precisamente conhecido e o atraso é incerto para essa situação é necessário impor estruturas às matrizes Fd e Zd . Se na condição (1.73) for considerado que Pj,d = Pd , j = 1, . . . , N e d = 1, . . . , τ , temse a condição de estabilização quadrática, ou seja, o sistema incerto discreto no tempo com atraso incerto nos estados (1.66) é quadraticamente estabilizável se existirem Zd ∈ R(d+1)n×q , Fd ∈ R(d+1)n×(d+1)n e 0 < PdT = Pd ∈ R(d+1)n×(d+1)n , d = 1 . . . , τ , tais que satisfaçam T Pd − Fd − FdT Fd Āj (d)T + Zd B̄uj (d) < 0, j = 1, . . . , N, (1.80) ⋆ −Pd sendo Ā(d) definido em (1.52), B̄uj e K̄(d) ∈ Rq×(d+1)n definidos em (1.52), (1.79) e (1.75), respectivamente. Note que para esse caso também é necessário impor estruturas às matrizes Fd e Zd . Capı́tulo 2 D(α, r)-estabilidade: proposta de sistema equivalente Neste capı́tulo é proposto um sistema equivalente com múltiplos atrasos para o estudo de D(α, r)-estabilidade de sistemas lineares discretos no tempo com um atraso nos estados. A obtenção desse sistema equivalente utiliza a representação de um sistema discreto com um atraso no vetor de estado na forma aumentada e livre de atrasos. Em seguida, o sistema obtido tem seus autovalores deslocados de −α em relação ao eixo real multiplicados por um fator 1 . Com isso, se o sistema original é D(α, r)-estável, então o novo sistema será Schur-estável, r isto é, possuirá os autovalores localizados no interior da região D(0, 1). Esse sistema é então representado em uma nova base no espaço, de forma que seja possı́vel a recuperação de um sistema com múltiplos atrasos nos estados, de mesma ordem do sistema original. A contribuição principal deste capı́tulo consiste na caracterização da matriz de mudança de base que relaciona o sistema discreto no tempo com um atraso com o sistema discreto no tempo com múltiplos atrasos, permitindo o estudo da D(α, r)-estabilidade por meio da Schur estabilidade. Utilizando essa matriz de mudança de base, são determinadas regras para a construção direta do sistema equivalente com múltiplos atrasos. Essa representação permite melhor compreensão dos limites teóricos da D(α, r)-estabilização de sistemas com atrasos nos estados. Além disso, o sistema equivalente proposto possibilita a obtenção de formulações convexas, do tipo LMI, tanto para a análise de D(α, r)-estabilidade quanto para a sı́ntese de ganhos estabilizantes, de realimentação de estados. Essa abordagem é baseada em funções de Lyapunov-Krasovskii para sistemas com múltiplos atrasos. Exemplos numéricos são apresentados para ilustrar a aplicações das condições propostas. 2.1 Colocação do problema As condições desenvolvidas neste capı́tulo são de análise e de sı́ntese de controladores para a D(α, r)-estabilidade de um sistema discreto no tempo com atraso nos estados. Para a utilização dessas condições é necessário que esse sistema discreto no tempo com um único atraso nos estados seja descrito em termos de um sistema discreto no tempo com múltiplos atrasos nos estados. Esse sistema é obtido a partir de uma transformação de similaridade aplicada em um 23 24 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente sistema aumentado e livre de atraso que é equivalente ao sistema com atraso S : xk+1 = Axk + Ad xk−τ + Bu uk , (2.1) em que xk ∈ Rn e uk ∈ Rq denotam o vetor de estado e o vetor de entrada de controle, respectivamente, k ∈ N é o instante de amostragem, o atraso é denotado por τ e as matrizes A ∈ Rn×n , Ad ∈ Rn×n e Bu ∈ Rn×q . Considere a lei de controle: uk = Kxk + Kτ xk−τ , (2.2) sendo K ∈ Rq×n e Kτ ∈ Rq×n . Essa lei de controle resulta no sistema em malha fechada S : xk+1 = Axk + Ad xk−τ , (2.3) sendo A = A + Bu K e Ad = Ad + Bu Kτ . (2.4) Note que, se for considerado Kτ = 0, é feita somente a realimentação dos estados atuais. Diante disso, é apresentado o problema tratado neste capı́tulo: Problema 2.1 Determinar um sistema equivalente a (2.3)–(2.4) ou a (2.1)–(2.2) de forma que a análise de Schur estabilidade ou a sı́ntese para Schur estabilização desse sistema equivalente corresponda à análise de D(α, r)-estabilidade ou sı́ntese de ganhos K e Kτ para a D(α, r)estabilização de (2.3)–(2.4) ou (2.1)–(2.2), respectivamente. 2.2 Sistema equivalente com múltiplos atrasos Considere o sistema (2.1)–(2.4) descrito na Seção 2.1. A análise de D(α, r)-estabilidade de (2.3)–(2.4) e a sı́ntese de ganhos, K e Kτ para (2.2), que D(α, r)-estabilizam (2.1) não é trivial. Algumas das dificuldades envolvidas nessas tarefas podem ser percebidas ao se analisar a equação caracterı́stica de (2.3). Para isso, considere a aplicação da transformada Z em (2.3), o que resulta em: zX(z) = AX(z) + Ad z −τ X(z); X(0) = 0, (2.5) em que X(z) = Z{xk }. Colocando X(z) em evidência pode-se determinar o polinômio caracterı́stico de (2.3), como sendo: θ(z) = det z τ +1 I − Az τ − Ad (2.6) que possui grau (τ + 1)n. Portanto, fica claro que a análise de estabilidade no caso de sistemas discretos no tempo com atraso nos estados envolve τ n raı́zes a mais que o caso livre de atrasos, cujo polinômio caracterı́stico tem grau n. A dificuldade para a sı́ntese de ganhos K e Kτ , tais que (2.1) controlado por (2.2) possua autovalores pré-estabelecidos, pode ser percebida substituindo-se A e Ad em (2.6) por suas respectivas expressões dadas em (2.4). Igualando o resultado dessas substituições a um polinômio, p(z), de grau (τ + 1)n, que possui as raı́zes desejadas para o sistema em malha fechada, tem-se: det z τ +1 I − (A + Bu K)z τ − (Ad + Bu Kτ ) = p(z). (2.7) 2.2. Sistema equivalente com múltiplos atrasos 25 Assim, devem-se encontrar os valores dos ganhos K e Kτ que levam o sistema em malha fechada a ter os autovalores nas posições desejadas, resolvendo a igualdade polinomial (2.7). Note que a alocação de todos os autovalores do sistema em malha fechada envolve a solução (τ + 1)n + 1 equações obtidas da igualdade dos coeficientes de mesmo grau em (2.7). Em geral, essa alocação é uma tarefa impossı́vel de ser realizada a partir de um controlador que tem acesso a apenas xk e xk−τ , ou seja, 2n valores escalares dos estados. Diante disso, uma forma alternativa de tratar a alocação de autovalores é fazer a alocação regional de autovalores. Uma técnica para efetuar a alocação regional de autovalores pode ser adaptada do caso livre de atraso. Essa abordagem consiste em aumentar o vetor de estados do sistema (2.1) até que esse possa ser descrito por [ÅW84], [KH98]; como descrito no capı́tulo anterior: sk+1 = Ā(τ )sk + B̄u (τ )uk , (2.8) sendo xk xk−1 sk = .. ∈ R(τ +1)n , . xk−τ e A 0n×(τ −1)n Ad Ā(τ ) = ∈ R(τ +1)n×(τ +1)n Iτ n 0τ n×n (2.9) Bu B̄u (τ ) = ∈ R(τ +1)n×q . 0τ n×q (2.10) uk = K̄(τ )sk , (2.11) K̄(τ ) = K 0q×(τ −1)n Kτ ∈ Rq×(τ +1)n . (2.12) sk+1 = Ā(τ )sk , (2.13) Ā(τ ) = Ā(τ ) + B̄u (τ )K̄(τ ). (2.14) Para esse caso a lei de controle (2.2) é expressa por sendo Aplicando (2.11)–(2.12) em (2.8)–(2.10) resulta em em que Se Ā(τ ) é Schur estável, então A − αI 0n×n(τ −1) r I αI − 0 r r I αI Ā(τ ) − αI 0 − = Ã(τ ) = r r r .. .. .. . . . 0 0 0 0 0 0 ··· 0 ··· 0 . . .. . . I ··· r ··· 0 0 Ad r 0 .. . αI − r I r nτ ×nτ 0 0 .. . 0 αI − r nτ ×n (2.15) 26 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente tem autovalores na região D(α, r) [HB92]. O mapeamento (2.15) desloca os autovalores de Ā(τ ) de “−α” em relação ao eixo real e multiplica seus respectivos módulos pelo fator “1/r”. Portanto, adotando o raciocı́nio na direção inversa, se Ã(τ ) é Schur estável então Ā(τ ) = r Ã(τ ) + αI é D(α, r)-estável. Com isso, para τ conhecido, a D(α, r)-estabilidade de (2.3) pode ser analisada estudando-se a Schur estabilidade de sk+1 = Ã(τ )sk , (2.16) ou seja, verificando se existe P = P T ∈ R(τ +1)n×(τ +1)n tal que P > 0 e Ã(τ )T P Ã(τ ) − P < 0. (2.17) A partir disso, tem-se o seguinte lema: Lema 2.1 Se o sistema (2.16) é Schur estável, então o sistema (2.3) é D(α, r)-estável. Suponha que o mapeamento (2.15) seja utilizado em (2.8). Com isso, obtém-se sk+1 = Ã(τ )sk + B̃u (τ )uk , (2.18) em que e A − αI 0n×n(τ −1) r I αI − 0 r r I αI Ā(τ ) − αI 0 − = Ã(τ ) = r r . r .. .. .. . . 0 0 0 0 0 0 ··· 0 ··· 0 . . .. . . I ··· r ··· 0 0 Ad r 0 .. . αI − r I r nτ ×nτ " # Bu B̄u (τ ) B̃u (τ ) = = . r r 0τ n×q 0 0 .. . 0 αI − r nτ ×n (2.19) (2.20) Uma condição de sı́ntese para determinar ganhos robustos de realimentação de estados, K̄(τ ), pode ser obtida a partir de (2.17), tal que sejam encontrados K e Kτ que estabilizam o sistema (2.18) a partir da lei de controle (2.11)–(2.12). Ao utilizar essa lei de controle no sistema (2.1), esse torna-se-á D(α, r)-estável. Uma alternativa para o estudo da D(α, r)-estabilidade de (2.3) seria, ao invés de (2.17), utilizar uma condição semelhante a (1.65), apresentada no Capı́tulo 1, para o caso em que as matrizes do sistema são precisamente conhecidas, isto é: T A (P + S)A − P AT (P + S)Ad < 0. ⋆ ATd (P + S)Ad − S 2.3. Matriz para mudança de base 2.3 27 Matriz para mudança de base Para tornar possı́vel a utilização de uma condição semelhante a (1.65) para a análise ou sı́ntese de controladores para D(α, r)-estabilidade busca-se uma base no espaço R(τ +1)n , dada por Q(α, r, τ ) tal que šk+1 = Q(α, r, τ )Ã(τ )Q(α, r, τ )−1 šk + Q(α, r, τ )B̃(τ ) uk = Ǎ(α, r, τ )šk + B̌(α, r, τ )uk | {z } | {z } Ǎ(α,r,τ ) com (2.21) B̌(α,r,τ ) xk x̌k xk−1 x̌k−1 šk = Q(α, r, τ )sk = Q(α, r, τ ) .. = .. . . xk−τ (2.22) x̌k−1 torne Ǎ(α, r, τ ) e B̌(α, r, τ ) com as seguintes estruturas: Ǎτ B̌u Ǎ0 Ǎ1 · · · Ǎ(τ −1) Ǎ(α, r, τ ) = e B̌(α, r, τ ) = , Iτ n 0τ n×n 0τ n×q (2.23) em que Ǎm ∈ Rn×n , m = 0, . . . , τ e B̌u ∈ Rn×q . Note que essas matrizes são funções de α, r e τ , porém por simplicidade essas dependências são omitidas sempre que o contexto deixar claro. De acordo com a estrutura de Ǎ(α, r, τ ) e B̌(α, r, τ ) é possı́vel representar o sistema livre de atrasos (2.21)–(2.23) por um sistema com múltiplos atrasos nos estados: x̌k+1 = τ X Ǎm x̌k−m + B̌u uk , (2.24) m=0 em que x̌k−m , m = 0, . . . , τ , compõem o vetor šk dado em (2.22). Suponha a seguinte lei de controle para esse sistema: τ X uk = Ǩm x̌k−m , (2.25) m=0 em que Ǩm , m = 0, . . . , τ , são obtidos da transformação de similaridade, ou seja, Ǩ(α, r, τ ) = K̄(τ )Q(α, r, τ )−1 = Ǩ0 · · · Ǩτ . (2.26) Note que Ǩm ∈ Rq×n , m = 0, . . . , τ , dependem de α, r e τ . Utilizando (2.25)–(2.26) em (2.24) se produz o sistema discreto no tempo com múltiplos atrasos nos estados em malha fechada x̌k+1 = τ X Ǎm x̌k−m , (2.27) m=0 em que Ǎm = Ǎm + B̌u Ǩm , m = 0, . . . , τ. (2.28) Observe que é desejável encontrar Q(α, r, τ ) tal que Ǎm e Ǩm , m = 1, . . . , τ − 1 sejam nulos. Nesse caso, a D(α, r)-estabilidade de (2.3) poderia ser estudada por meio de (2.27) usando, por exemplo, uma condição semelhante a (1.65). Porém não é, em geral, possı́vel encontrar tal transformação. 28 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente Fato 2.1 A matriz Q(α, r, τ ) que relaciona (2.23) com (2.19)–(2.20) é triangular superior. Prova: A matriz de mudança de base que relaciona o sistema original (2.18) e o sistema na nova base dado por (2.21)–(2.23) é dada por Q(α, r, τ ) = CˇC˜−1 , (2.29) em que Cˇ e C˜ são as matrizes de controlabilidade do sistema na nova base e do sistema original, respectivamente. Essas matrizes de controlabilidade são calculadas da seguinte forma: Cˇ = B̌u ǍB̌u Ǎ2 B̌u · · · Ǎτ B̌u e C˜ = B̃u ÃB̃u Ã2 B̃u · · · Ãτ B̃u . (2.30) Por construção, observa-se que essas duas matrizes de controlabilidade são triangulares superiores por causa das estruturas das matrizes Ǎ, B̌u , à e B̃u . Assim, a inversa da matriz C˜ também é uma matriz triangular superior. Como a matriz resultante de um produto de duas matrizes triangulares superiores é uma matriz triangular superior, tem-se Q(α, r, τ ) triangular superior. Fato 2.2 A matriz Q(α, r, τ ) de mudança de base que relaciona Ã(τ ) dada em (2.19) com Ǎ(α, r, τ ) dada em (2.23) é q1,1 I q1,2 αI q1,3 α2 I q1,4 α3 I 0 q2,2 rI q2,3 rαI q2,4 rα2 I 0 0 q3,3 r 2 I q3,4 r 2 αI Q(α, r, τ ) = 0 0 0 q4,4 r 3 I .. .. .. .. . . . . 0 0 0 0 em que qi,j = ··· q1,(τ +1) ατ I · · · q2,(τ +1) rατ −1I · · · q3,(τ +1) r 2 ατ −2 I , · · · q4,(τ +1) r 3 ατ −3 I .. .. . . ··· (2.31) q(τ +1),(τ +1) r τ I (−1)i+j , para i = j ou i qualquer e j = τ + 1 . (−1)i+j |q(i−1),(j−1) | + |q(i−1),j |, para i = 2, . . . , τ e j = i + 1, . . . , τ (2.32) Note que cada coluna da matriz Q(α, r, τ ) representa um polinômio homogêneo em α e r, sendo que a ordem desses polinômios é igual a j − 1, em que j representa o número da coluna em Q(α, r, τ ). Esses polinômios começam com o maior grau em α e terminam com o maior grau em r. Para a obtenção da lei de formação da matriz Q(α, r, τ ) foi utilizado o software Mathematica carregado com o pacote NCAlgebra [dH03b], [dH03a] e [dH06], que permitiu fazer as operações não comutativas para diversos valores de n e τ . Com isso, foi possı́vel observar a regra de formação de Q(α, r, τ ). Exemplo 2.1 — Considere o sistema com atraso nos estados dado por: 0.1 1 0 0 1 xk+1 = x + x + u . 0.05 0.9 k 0 0.1 k−3 0.6 k (2.33) 2.3. Matriz para mudança de base 29 A representação desse sistema por um sistema com vetor de estado aumentado é definido por sk+1 = 0.1 1 0.05 0.9 I 0 0 0 0 0 0 I 0 0 I 0 0 1 0 0.1 0.6 0 sk + 0n×q uk , 0n×q 0 0 0n×q xk xk−1 sk = xk−2 . xk−3 (2.34) Fazendo o mapeamento desse sistema aumentado utilizando as operações apresentadas em (2.19) e (2.20), obtém-se 0.1 − α sk+1 r 0.05 r 1 r 0 = 0 0 0 0 1 r 0.9 − α r 0 1 r 0 0 0 0 0 0 0 0 0 0 0.1 0 0 0 0 0 1 r r α − 0 0 0 0 0 0.6 r r α 0 − 0 0 0 0 r sk + 0 u k . 0 1 α 0 − 0 0 0 0 r r 0 1 α 0 0 − 0 0 0 r r 0 1 α 0 0 0 − 0 r r α 1 0 0 0 0 − r r (2.35) A matriz Q(α, r, 3) utilizada para fazer a transformação de similaridade, šk = Q(α, r, 3)sk , é: 1 0 0 0 Q(α, r, 3) = 0 0 0 0 0 −3α 0 3α2 0 −α3 0 1 0 −3α 0 3α2 0 −α3 2 0 r 0 −2αr 0 α r 0 0 0 r 0 −2αr 0 α2 r , 0 0 0 r2 0 −αr 2 0 0 0 0 0 r2 0 −αr 2 0 0 0 0 0 r3 0 0 0 0 0 0 0 r3 (2.36) em que os coeficientes qi,j foram obtidos conforme (2.32) e são apresentados na tabela que segue. A partir da transformação de similaridade Ǎ = QÃQ−1 e B̌ = QB̃, obtém-se 30 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente Tabela 2.1: Tabela dos coeficientes qi,j i\j 1 2 3 4 1 1 -3 3 -1 2 – 1 -2 1 3 – – 1 -1 4 – – – 1 šk+1 = 4α − 0.1 r 0.05 r 1 0 0 0 0 0 1 r 0.9 − 4α r 0 1 0 0 0 0 0.3α − 6α2 r2 0.15α r2 0 0 1 0 0 0 0.3α2 − 4α3 3α2 r3 r3 0.15α2 2.7α2 − 4α3 r3 r3 0 0 0 0 0 0 0 0 1 0 0 1 3 α 1 r r4 3 4 0.6 0.9α − α + 0.1 r r4 0 0 šk + 0 uk . (2.37) 0 0 0 0 0 0 0 0 0 3α r2 2.7α − 6α2 r2 0 0 0 1 0 0 α4 − 0.1α3 r4 0.05α3 r4 0 0 0 0 0 0 A partir do Fato 2.2 podem ser definidas as leis de formação das matrizes Ǎm , Ǩm , m = 0, . . . , τ , e B̌u que compõem o sistema na nova base, Fato 2.3 Se o sistema discreto no tempo com múltiplos atrasos nos estados (2.27)–(2.28) é Schur estável com: A − (τ + 1)αI , para m = 0 r m+1 m am,τ −1 Aα − am+1,τ α I Ǎm = (2.38) , para m = 1, . . . , τ − 1 , m+1 rτ τ +1 Aα + Ad − α I , para m = τ r τ +1 B̌u = Bu r (2.39) 2.3. Matriz para mudança de base e Ǩm = 31 K, para m = 0 αm am,τ −1 m K, para m = 1, . . . , τ − 1 , r Kτ + α τ K , para m = τ rτ (2.40) em que os coeficientes ai,j são calculados da seguinte forma: ai,j j + 1, para i = 1 e j = 1, . . . , τ a = , (i−1),(j−1) + 1, para i = j = 2, . . . , τ a(i−1),(j−1) + ai,(j−1) , para i = 2, . . . , τ − 1 e j = i + 1, . . . , τ (2.41) então o sistema discreto no tempo com atraso nos estados (2.3)–(2.4) é D(α, r)-estável. Utilizando a matriz Q(α, r, τ ) definida no Fato 2.2 para fazer a transformação de similaridade (2.21), as matrizes do sistema resultante apresentam estruturas semelhantes às apresentadas em (2.23). Dessa forma, a D(α, r)-estabilidade do sistema discreto no tempo com atraso nos estados (2.3)–(2.4) pode ser analisada a partir do estudo da Schur estabilidade do sistema discreto no tempo com múltiplos atrasos nos estados (2.27). Para exemplificar a aplicação de (2.41) foi montada a tabela a seguir composta pelos valores dos coeficientes ai,j para τ = 5. Tabela i\j 1 2 3 4 5 .. . 2.2: 1 2 — — — — .. . Tabela dos coeficientes ai,j 2 3 4 5 ··· 3 4 5 6 ··· 3 6 10 15 · · · — 4 10 20 · · · — — 5 15 · · · — — — 6 ··· .. .. .. .. .. . . . . . Exemplo 2.2 — Considere o sistema com atraso nos estados (2.33). Para aplicar o Fato 2.3, considere apenas as três primeiras linhas e colunas da Tabela 2.2, uma vez que esse sistema possui τ = 3. Com isso, tem-se: x̌k+1 1 0.1 − 4α α 0.3 − 6α 1 3 = x̌ + x̌ 0.05 0.9 − 4α k r 2 0.15 2.7 − 6α k−1 r α2 0.3 − 4α 1 α3 (0.1 − α) 3 α3 + 3 x̌ + x̌ 0.15 2.7 − 4α k−2 r 4 0.05α3 α3 (0.9 − α) + 0.1 k−3 r 1 1 + uk . (2.42) r 0.6 Observe que se for montado o sistema aumentado de (2.42) obtém-se o mesmo sistema resultante da mudança de base mostrado em (2.37). 32 2.4 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente Condições para análise e sı́ntese de D(α, r)-estabilidade Após a representação dos sistemas discretos no tempo com um atraso nos estados por sistemas discretos no tempo com múltiplos atrasos nos estados são apresentadas condições de D(α, r)-estabilidade e de D(α, r)-estabilização. Essas condições utilizam os sistemas discretos no tempo com múltiplos atrasos nos estados para a análise da Schur estabilidade e a sı́ntese de controladores que Schur estabilizam os mesmos. Mas, ao fazer isso asseguram-se a análise da D(α, r)-estabilidade e a sı́ntese de controladores que D(α, r)-estabilizam os sistemas discretos no tempo com atraso nos estados originais, isto é, antes da mudança de base. 2.4.1 Análise de D(α, r)-estabilidade Teorema 2.1 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , τ + 1, 0 < P T = P ∈ Rn×n e T 0 < Sm = Sm ∈ Rn×n , m = 1, . . . , τ , tais que τ X P + Sm − F0 − F0T F0 Ǎ0 − F1T F0 Ǎ1 − F2T m=1 T T ⋆ −P + F1 Ǎ0 + Ǎ0 F1T F1 Ǎ1 + Ǎ0 F2T T Πτ = ⋆ ⋆ −S1 + F2 Ǎ1 + Ǎ1 F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ F0 Ǎτ −1 − FτT T F1 Ǎτ −1 + Ǎ0 FτT T F2 Ǎτ −1 + Ǎ1 FτT .. . F0 Ǎτ − FτT+1 T F1 Ǎτ + Ǎ0 FτT+1 T F2 Ǎτ + Ǎ1 FτT+1 .. . T T −Sτ −1 + Fτ Ǎτ −1 + Ǎτ −1 FτT Fτ Ǎτ + Ǎτ −1 FτT+1 T ⋆ −Sτ + Fτ +1 Ǎτ + Ǎτ FτT+1 ··· ··· ··· .. . ··· ··· < 0, (2.43) em que as matrizes Ǎm , m = 0, . . . , τ são calculadas conforme o Fato 2.3 substituindo-se Ǎm por Ǎm , então o sistema discreto no tempo com atraso nos estados (2.3) é D(α, r)-estável. Prova: O sistema discreto com múltiplos atrasos nos estados (2.27) pode ter a Schur estabilidade avaliada a partir da seguinte candidata à função de Lyapunov-Krasovskii V (x̌k ) = x̌Tk P x̌k + τ X 0 X x̌Tk+i Sj x̌k+i . (2.44) j=1 i=−j Note que V (x̌k ) > 0 é assegurada com P > 0 e Sj > 0, j = 1, . . . , τ . Desenvolvendo essa função obtém-se: ! ! τ τ τ X X X V (x̌k ) = x̌Tk P + Sj x̌k + x̌Tk−i Sj x̌k−i . j=1 i=1 j=i 2.4. Condições para análise e sı́ntese de D(α, r)-estabilidade 33 A variação dessa função em k deve ser negativa para que a mesma seja uma função de L-K. Assim, ! τ τ X X ∆V (x̌k ) = x̌Tk+1 P + Sj x̌k+1 − x̌Tk P x̌k − x̌Tk−j Sj x̌k−j < 0. (2.45) j=1 j=1 Note que (2.43) pode ser escrita da seguinte forma: Πτ = Q + X B + BT X T < 0, (2.46) em que τ X Sm 0 0 P + m=1 0 −P 0 Q= 0 0 −S1 .. .. .. . . . 0 0 0 ··· ··· ··· .. . ··· 0 0 , 0 .. . −Sτ F0 F1 F2 .. . X = Fτ +1 −I T Ǎ0 T T e B = Ǎ1 < 0. .. . (2.47) T Ǎτ Pré e pós-multiplicando Πτ em (2.46) por ykT B⊥T e B⊥ yk , respectivamente, com Ǎ0 Ǎ1 I 0 0 ⊥ I B = .. .. . . 0 0 · · · Ǎτ ··· 0 ··· 0 .. .. . . ··· I x̌k x̌k−1 e yk = x̌k−2 , .. . x̌k−τ (2.48) obtém-se: ykT B⊥T QB⊥ yk < 0, x̌k+1 ⊥ ⊥ pois BB = 0n×n(τ +1) . Note que B yk = e, portanto šk T x̌k+1 x̌k+1 Q < 0, šk šk (2.49) (2.50) que é equivalente a (2.45) com x̌k+1 substituı́do por (2.27). Exemplo 2.3 — Considere o sistema com atraso nos estados (2.33). Utilizando a condição (2.43), sendo α = 0 e r = 1 a condição não é factı́vel. Isso não significa que o sistema seja instável, uma vez que a condição usada é apenas suficiente para a análise de estabilidade. Entretanto, na Figura 2.1 são mostrados os autovalores desse sistema em malha aberta. A partir dessa figura é possı́vel observar que existe um autovalor desse sistema que tem o seu módulo superior à unidade. Dessa forma, pode-se afirmar que o mesmo é instável em malha aberta. 34 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 2.1: Autovalores do sistema em malha aberta (2.33). 2.4.2 Sı́ntese de controladores Teorema 2.2 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < P T = P ∈ Rn×n T e 0 < Sm = Sm ∈ Rn×n , m = 1, . . . , τ , tais que τ X α Sm − F0 − F0T F0 ǍT0 + Z B̌uT F0 ǍT1 + a1,τ −1 Z B̌uT · · · P+ r m=1 ⋆ −P 0 ··· Θτ = ⋆ ⋆ −S1 ··· .. .. .. .. . . . . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· τ −1 τ α Zτ + α Z T T T F0 Ǎτ −1 + aτ −1,τ −1 τ −1 Z B̌u F0 Ǎτ + B̌uT r rτ 0 0 0 0 .. .. . . −Sτ −1 ⋆ 0 −Sτ < 0, (2.51) em que as matrizes Ǎm e B̌u , m = 0, . . . , τ , e os coeficientes ai,j são calculadas conforme Fato 2.3, então o sistema discreto no tempo com atraso nos estados (2.1) é D(α, r)-estabilizável com os ganhos robustos de realimentação dos estados: K = Z T F0−T e Kτ = ZτT F0−T . (2.52) Prova: Considere que na condição (2.43) as matrizes Fm = 0, m = 1, . . . , τ + 1, e as matrizes T Ǎm sejam substituı́das por Ǎm + B̌u Ǩm , m = 0, . . . , τ , sendo Ǩm dado conforme (2.40). 2.4. Condições para análise e sı́ntese de D(α, r)-estabilidade 35 Com isso e utilizando as mudanças de variáveis Z e Zτ por Žm , m = 0, . . . , τ , obtém-se a condição de sı́ntese (2.51). Exemplo 2.4 — Considere o sistema discreto no tempo com atraso nos estados (2.33). Desejase D(α, r)-estabilizar esse sistema para o menor valor de r possı́vel, sendo α = 0. Com isso é necessário Schur estabilizar o sistema discreto no tempo com múltiplos atrasos nos estados (2.42). Com a aplicação do Teorema 2.2 são sintetizados os ganhos K e Kτ que D(α, r)-estabilizam o sistema discreto no tempo com atraso nos estados (2.33). Foi utilizado um algoritmo de bissecção junto com (2.51) para determinar o menor valor de r tal que o Teorema 2.2 seja factı́vel. Com isso, o menor valor obtido para o parâmetro r foi 0.1. A lei de controle que D(0, 0.1)-estabiliza o sistema (2.33) é uk = −0.0833 −1.4930 xk + 0 −0.1667 xk−3 . (2.53) Na Figura 2.2 são mostrados os autovalores do sistema discreto no tempo com atraso nos estados (2.33) realimentado com a lei de controle (2.53). Observe que esses autovalores estão localizados no interior da região D(0, 0.1), como esperado. 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 2.2: Autovalores do sistema de malha fechada com realimentação dos estados atuais e atrasados D(0, 0.1)-estabilização. Na Figura 2.3 são apresentadas as curvas referentes à resposta à entrada nula do sistema T (2.33) realimentado com a lei de controle (2.53), em que x−i = 1 −1 , i = 0, . . . , 3. As trajetórias dos estados x1 e x2 são representadas pela linha contı́nua e pela linha tracejada, respectivamente. Observe que os estados na segunda amostra estão praticamente iguais a zero. Na quarta amostra o estado x1 sofre a influência do atraso. Na quinta amostra essa influência é atenuada e esse estado é, novamente, praticamente nulo. Na Figura 2.4 são apresentadas duas curvas, sendo que a curva (a) é referente à condição (2.51), em que houve a variação do parâmetro α e foram encontrados os menores valores do raio, na qual se tem solução factı́vel, linha tracejada, e a curva (b) é referente à condição 36 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente 1 0.8 0.6 0.4 x1 , x2 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −2 0 2 4 6 8 10 Amostras Figura 2.3: Simulação temporal do sistema realimentado, em que os estados x1 e x2 são representados por linha contı́nua e linha tracejada, respectivamente. (1.68), linha contı́nua, em que as matrizes Ā(τ ) e B̄u (τ ) foram substituı́das por Ã(τ ) e B̃u (τ ), respectivamente, e a matriz K̄(τ ) tem a mesma estrutura apresentada em (2.12). Nessa também houve a variação do parâmetro α e foram encontrados os menores raios em que se tem solução factı́vel. A busca para esses menores valores de raio foi feita por meio de um algoritmo de bissecção. A partir dessa figura é possı́vel observar que a condição (1.68) apresenta um intervalo de α, −0.45, 0.45 , aproximadamente, 2.25 vezes maior que o intervalo fornecido pela condição (2.51), −0.2, 0.2 . 0.8 0.7 0.6 rmin 0.5 ←(a) 0.4 ←(b) 0.3 0.2 0.1 0 −0.4 −0.3 −0.2 −0.1 0 α 0.1 0.2 0.3 0.4 Figura 2.4: Comportamentos dos raios mı́nimos em relação aos valores de α: (a) obtida a partir da condição (2.51), linha tracejada, e (b) obtida por meio da condição (1.68) via sistema aumentado, linha contı́nua. 2.5. Conclusões 37 Na Figura 2.5 é mostrado o gráfico que representa a razão entre as duas curvas obtidas na Figura 2.4, em que a curva obtida a partir da condição (2.51) é dividida pela curva obtida por meio da condição (1.68), sendo que o intervalo referente a α desta foi limitado pelo intervalo daquela. A partir da Figura 2.5 é possı́vel fazer comparações com relação à amplitude dos raios mı́nimos obtidos por ambas as condições. Com isso, percebe-se que, para os valores de α entre −0.05, 0.05 , a condição (2.51) produz resultados relacionados aos valores de raios mı́nimos menos conservadores que a condição (1.68). Porém, para valores de α fora desse intervalo, a condição (2.51) é mais conservadora que a (1.68), encontrando-se valores de raio mı́nimos na primeira até, aproximadamente, 140% maiores que os raios mı́nimos encontrados na segunda para o mesmo valor de α. 2.5 2 razão 1.5 1 0.5 0 −0.2 −0.15 −0.1 −0.05 0 α 0.05 0.1 0.15 0.2 Figura 2.5: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (2.51) pelos raios mı́nimos obtidos a partir do sistema aumentado. 2.5 Conclusões Uma lei de formação para uma matriz de mudança de base triangular superior, Q(α, r, d), é proposta nesse capı́tulo. Essa matriz permite a realização de uma transformação de similaridade em sistemas discretos no tempo com um atraso no vetor de estado para a obtenção de um sistema equivalente com múltiplos atrasos. A Schur estabilidade desse novo sistema assegura a D(α, r)-estabilidade do sistema na base original. A utilização do sistema equivalente permitiu a obtenção de condições convexas para a D(α, r)-estabilidade e para a sı́ntese de controladores para a D(α, r)-estabilidade de sistemas discretos no tempo com um atraso no vetor de estado. Essas condições são obtidas a partir de funções de Lyapunov-Krasovskii. Exemplos numéricos foram desenvolvidos para demonstrar as operações de mudança de base e para ilustrar a utilização das condições propostas. 38 Capı́tulo 2. D(α, r)-estabilidade: proposta de sistema equivalente Capı́tulo 3 Aplicações de modelo equivalente para D(α, r)-estabilidade Neste capı́tulo são propostas condições robustas para análise de D(α, r)-estabilidade e de sı́ntese de ganhos robustos de realimentação de estados que D(α, r)-estabilizam sistemas incertos discretos no tempo com um atraso no vetor de estado. Essas condições são obtidas a partir do uso da representação do sistema com um atraso no estado na forma equivalente descrita no Capı́tulo 2. São considerados três casos fundamentais: i ) sistemas precisamente conhecidos discretos no tempo com um atraso incerto no vetor de estado; ii ) sistemas incertos discretos no tempo com um atraso incerto no vetor de estado; e iii ) sistemas incertos discretos no tempo com um atraso conhecido no vetor de estado. Nessa última situação, assume-se que o atraso, embora conhecido, possa, a cada funcionamento do sistema, ter um valor constante pertencente a um intervalo previamente estabelecido. As condições são formuladas em termos de LMIs e são obtidas a partir de funções de Lyapunov-Krasoviskii dependentes de parâmetros para múltiplos atrasos constantes nos estados. A representação das incertezas na forma politópica é adotada, sendo que essas incertezas podem estar presentes em todas as matrizes dos sistemas. Exemplos numéricos são desenvolvidos para ilustrar a aplicação das condições propostas, que são comparadas com a abordagem que utiliza um sistema aumentado e livre de atrasos. 3.1 Preliminares e formulação dos problemas As condições abordadas neste capı́tulo são de análise de D(α, r)-estabilidade e de sı́ntese de controladores que D(α, r)-estabilizam sistemas discretos no tempo com atraso nos estados. Primeiramente, são desenvolvidas condições para sistemas discretos no tempo precisamente conhecidos com atraso incerto no vetor de estado. Em seguida, são abordados os casos em que o sistema discreto no tempo é incerto, assim como o atraso. Por último, são tratados os casos em que o sistema discreto no tempo é incerto, porém o atraso é conhecido em cada instante de amostragem. Nessas duas últimas etapas são desenvolvidas condições de análise de D(α, r)-estabilidade e de sı́ntese de controladores que D(α, r)-estabilizam os sistemas em questão utilizando tanto funções de L-K dependentes de parâmetros quanto, baseadas na estabilidade quadrática. 39 40 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Considere o sistema incerto discreto no tempo com atraso incerto nos estados, sendo que esse sistema compõe a classe mais geral dos sistemas tratados neste capı́tulo, S(β) : xk+1 = A(β)xk + Ad (β)xk−d + Bu (β)uk , (3.1) em que xk ∈ Rn e uk ∈ Rq denotam o vetor de estado e o vetor de entrada de controle, respectivamente, k ∈ N é o instante de amostragem, o atraso é denotado por d ∈ 1, τ , em que τ é o atraso máximo e as matrizes A(β) ∈ Rn×n , Ad (β) ∈ Rn×n e Bu (β) ∈ Rn×q definem o sistema S(β) que é representado por A(β) Ad (β) Bu (β) ∈ Aoℓ , com Aoℓ = ( S(β) ∈ Rn×2n+q : S(β) = sendo Ω definido por Ω= ( β ∈ RN : βj ≥ 0, e os vértices Sj são conhecidos e dados por Sj = Considere a lei de controle: N X j=1 N X βj Sj , β ∈ Ω , βj = 1 j=1 Aj Adj Buj ) ) (3.2) (3.3) . (3.4) uk = Kxk + Kτ xk−τ , (3.5) sendo K ∈ Rq×n e Kτ ∈ Rq×n . Essa lei de controle resulta no sistema em malha fechada S(β) : xk+1 = A(β)xk + Ad (β)xk−d + Bu (β)Kτ xk−τ , em que S(β) é representado por A(β) Ad (β) Bu (β)Kτ ∈ Acℓ , com Acℓ = ( S(β) ∈ Rn×3n : S(β) = N X j=1 ) βj Sj , β ∈ Ω (3.6) (3.7) com Ω definido em (3.3) e os vértices Sj dados por sendo Sj = Aj Adj Buj Kτ , (3.8) Aj = Aj + Buj K. (3.9) Se d = τ , tem-se S(β) : xk+1 = A(β)xk + Ad (β)xk−τ , em que S(β) é representado por A(β) Aτ (β) ∈ A′cℓ , com A′cℓ = ( S(β) ∈ Rn×2n : S(β) = N X j=1 (3.10) ) βj Sj , β ∈ Ω (3.11) 3.2. Aplicação ao sistema com atraso incerto com Ω definido em (3.3) e os vértices Sj dados por Sj = Aj Adj , 41 (3.12) sendo Aj definido conforme (3.9) e Adj = Adj + Buj Kτ . (3.13) Note que, se for considerado Kτ = 0, é feita somente a realimentação dos estados atuais. Diante disso, são apresentados os problemas gerais tratados neste capı́tulo: Problema 3.1 Determinar se o sistema linear incerto discreto no tempo com atraso nos estados (3.6)–(3.8) é D(α, r)-estável. Problema 3.2 Determinar os ganhos robustos de realimentação de estados, K e Kτ , tais que o sistema linear incerto discreto no tempo com atraso nos estados (3.1)–(3.4) com a lei de controle (3.5) seja D(α, r)-estável. 3.2 Aplicação ao sistema com atraso incerto Considere que no sistema (3.1) as matrizes sejam precisamente conhecidas e d ∈ 1, τ , sendo τ o valor máximo que o atraso do sistema pode assumir, ou seja, xk+1 = Axk + Ad xk−d + Bu uk . (3.14) Utilizando a lei de controle (3.5), é obtido xk+1 = Axk + Ad xk−d + Bu Kτ xk−τ , (3.15) A = A + Bu K. (3.16) xk+1 = Axk + Aτ xk−τ , (3.17) Aτ = Aτ + Bu Kτ . (3.18) em que Caso d = τ , obtém-se em que A é dado em (3.16) e A partir dos resultados obtidos no Capı́tulo 2, é possı́vel obter uma nova representação para sistemas discretos no tempo com atraso nos estados. Diante disso, ao se estudar a Schur estabilidade desses sistemas na nova representação, informações sobre a D(α, r)-estabilidade dos sistemas discretos no tempo com atraso nos estados são obtidas. Os sistemas tratados no Capı́tulo 2 são casos particulares dos sistemas abordados neste capı́tulo. Dessa forma, os resultados obtidos naquele capı́tulo são utilizados neste. Porém, isso é feito com algumas ressalvas, pois note que, para fazer o aumento do vetor de estados e obter um sistema livre de atraso, é necessário que esse atraso seja conhecido. Nos sistemas tratados neste capı́tulo é considerado d ∈ 1, τ , e para fazer a alocação regional de todos os autovalores desses sistemas é necessário montar um sistema aumentado para cada 42 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade valor que o atraso, d, pode assumir no intervalo considerado. Portanto, são necessários τ sistemas livres de atraso para representar o sistema com atraso (3.14), ou seja, S̄d : sk+1 = Ā(d)sk + B̄u (d)uk , d = 1, . . . , τ, sendo sk e B̄u (d) dados em (2.9)–(2.10) e Ā(d) dado em (2.9) para d = τ ou A 0n×(d−1)n Ad 0n×(τ −d−1)n 0 Ā(d) = ∈ R(τ +1)n×(τ +1)n , Iτ n 0τ n×n (3.19) (3.20) para 1 ≤ d < τ . Aplicando a lei de controle sendo em (3.19) resulta em uk = K̄(τ )sk , (3.21) K̄(τ ) = K 0q×(τ −1)n Kτ ∈ Rq×(τ +1)n , (3.22) S̄d : sk+1 = Ā(d)sk , d = 1, . . . , τ, (3.23) em que Ā(d) = Ā(d) + B̄u (d)K̄(τ ), d = 1, . . . , τ. (3.24) Como já abordado no caso em que o atraso é precisamente conhecido, os autovalores de Ā(d) podem ser mapeados da região D(α, r) no cı́rculo unitário por meio da operação (2.15) e com isso é possı́vel obter os seguintes sistemas S̃d : sk+1 = Ã(d)sk , d = 1, . . . , τ, (3.25) em que Ã(d) é calculado conforme operação (2.15). A D(α, r)-estabilidade de (3.15)–(3.16), para K e Kτ dados, pode ser analisada estudando-se a Schur estabilidade de (3.25), ou seja, verificando se existem as matrizes Pd = PdT ∈ R(τ +1)n×(τ +1)n , d = 1, . . . , τ , tais que satisfaçam Pd > 0 e Ã(d)T Pd Ã(d) − Pd < 0. (3.26) A partir disso, tem-se o seguinte lema: Lema 3.1 Se os sistemas (3.25) são Schur estáveis, então o sistema (3.15)–(3.16) é D(α, r)estável. Explicitando o controle em (3.25), tem-se S̃d : sk+1,d = Ã(d)sk + B̃u (d)uk , d = 1, . . . , τ, (3.27) em que Ã(d) e B̃u (d) são calculados conforme as operações (2.19) e (2.20), respectivamente. Assim como para o caso em que o atraso do sistema é precisamente conhecido, estudado no Capı́tulo 2, torna-se interessante uma condição alternativa para a análise da D(α, r)-estabilidade para a classe de sistemas em que o atraso é incerto. Isso pode ser feito por meio da transformação 3.2. Aplicação ao sistema com atraso incerto 43 de similaridade, com a utilização das matrizes Q(α, r, τ ), nos sistemas (3.27) e representá-los como sistemas discretos no tempo com múltiplos atrasos nos estados, ou seja, Šd : x̌k+1 = d X Ǎm,d x̌k−m + B̌u uk , d = 1, . . . , τ. (3.28) m=0 A partir da lei de controle uk = τ X Ǩm,τ x̌k−m (3.29) m=0 é possı́vel obter os sistemas discretos no tempo com múltiplos atrasos nos estados em malha fechada τ X Ǎm,d x̌k−m , d = 1, . . . , τ, (3.30) Šd : x̌k+1 = m=0 em que Ǎm,d = Ǎm,d + B̌u Ǩm,τ . (3.31) A seguir são apresentadas as operações para obtenção das matrizes usadas em (3.31). Fato 3.1 Os sistemas discretos no tempo com múltiplos atrasos nos estados (3.30)–(3.31) são Schur estáveis com: A − (τ + 1)αI , para m = 0 r m+1 m am,τ −1 Aα − am+1,τ α I , para m = 1, . . . , d − 1 m+1 r m m+1 am,τ −1 Aα + Ad − am+1,τ α I , Ǎm,d = , para m = d m+1 r m m−d m+1 aτ −m,τ −1 Aα + am−d,τ −(d+1) Ad α − aτ −m,τ α I , para m > d m+1 r m m−d m+1 Aα + Ad α −α I , para m = τ m+1 r (3.32) considerando Kτ 6= 0, em que os coeficientes ai,j são dados em (2.41) e as matrizes B̌u e Ǩm,τ são calculadas conforme o Fato 2.3, ou A − (d + 1)αI , para m = 0 r m+1 m am,d−1 Aα − am+1,d α I Ǎm,d = (3.33) , para m = 1, . . . , d − 1 m+1 r Aαd + Ad − αd+1 I , para m = d r d+1 e K, para m = 0 αm am,d−1 m K, para m = 1, . . . , d − 1 , Ǩm,d = (3.34) rd α K, para m = d rd considerando Kτ = 0, em que os coeficientes ai,j são dados em (2.41) e a matriz B̌u é calculada conforme Fato 2.3, então o sistema discreto no tempo com atraso incerto nos estados (3.14)– (3.15) é D(α, r)-estável. 44 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Note que, ao considerar Kτ = 0, a quantidade de matrizes Ǎm,d e Ǩm,d dos sistemas com múltiplos atrasos está diretamente relacionada com os valores que o atraso, d, assume. Ainda considerando Kτ = 0, é necessário fazer a substituição de τ por d nas matrizes Ǩm,τ em (3.29)– (3.31). O exemplo a seguir ilustra como representar um sistema discreto no tempo com atraso incerto nos estados por vários sistemas discretos no tempo com múltiplos atrasos conhecidos nos estados a partir do Fato 3.1, considerando Kτ 6= 0 e Kτ = 0. Exemplo 3.1 — Considere o sistema com atraso incerto nos estados descrito por: 0.1 1 0 0 1 xk+1 = xk + xk−d + u , (3.35) 0.05 0.9 0 0.1 0.6 k sendo d ∈ 1, 3 . Assim, os sistemas discretos no tempo com múltiplos atrasos nos estados que representam (3.35) a partir do Fato 3.1, sendo Kτ 6= 0, 1 0.3α − 6α2 1 0.1 − 4α 1 3α x̌ + x̌ Š1 : x̌k+1 = 0.05 0.9 − 4α k r 2 0.15α 2.7α − 6α2 + 0.1 k−1 r 1 0.3α2 − 4α3 1 0.1α3 − α4 3α2 α3 + 3 x̌ + x̌ 0.15α2 2.7α2 − 4α3 + 0.2α k−2 r 4 0.05α3 0.9α3 − α4 + 0.1α2 k−3 r 1 1 + uk , (3.36) r 0.6 1 0.1 − 4α 1 0.3α − 6α2 1 3α Š2 : x̌k+1 = x̌ + x̌ 0.05 0.9 − 4α k r 2 0.15α 2.7α − 6α2 k−1 r 1 0.1α3 − α4 1 0.3α2 − 4α3 3α2 α3 x̌ + x̌ + 3 0.15α2 2.7α2 − 4α3 + 0.1 k−2 r 4 0.05α3 0.9α3 − α4 + 0.1α k−3 r 1 1 + uk (3.37) r 0.6 e 1 0.1 − 4α α 0.3 − 6α 1 3 Š3 : x̌k+1 = x̌ + x̌ 0.05 0.9 − 4α k r 2 0.15 2.7 − 6α k−1 r α2 0.3 − 4α 1 0.1α3 − α4 3 α3 + 3 x̌ + x̌ 0.15 2.7 − 4α k−2 r 4 0.05α3 0.9α3 − α4 + 0.1 k−3 r 1 1 + uk . (3.38) r 0.6 Se Kτ = 0, isto é, apenas os estados atuais são realimentados, então: Š1′ : x̌k+1 1 0.1 − 2α 1 0.1α − α2 α 1 = x̌ + x̌ 0.05 0.9 − 2α k r 2 0.05α 0.9α − α2 + 0.1 k−1 r 1 1 + uk , (3.39) r 0.6 3.2. Aplicação ao sistema com atraso incerto Š2′ : x̌k+1 e 45 α 0.2 − 3α 1 0.1 − 3α 1 2 x̌ + x̌ = 0.05 0.9 − 3α k r 2 0.1 1.8 − 3α k−1 r 1 0.1α2 − α3 1 1 α2 + 3 x̌ + u (3.40) 0.05α2 0.9α2 − α3 + 0.1 k−2 r 0.6 k r Š3′ = Š3 . (3.41) Dessa forma, a partir da análise da Schur estabilidade dos sistemas (3.36)–(3.38) ou (3.39)–(3.41) é possı́vel fazer o estudo da D(α, r)-estabilidade de (3.35). 3.2.1 Análise de D(α, r)-estabilidade Após a representação do sistema discreto no tempo com atraso incerto nos estados por uma famı́lia de sistemas discretos no tempo com múltiplos atrasos nos estados são apresentadas as condições de D(α, r)-estabilidade e de D(α, r)-estabilização. Essas condições possuem caracterı́sticas semelhantes às condições apresentadas na Seção 2.2 do Capı́tulo 2. O teorema a seguir é utilizado para fazer a análise da D(α, r)-estabilidade do sistema (3.15)– (3.16) realimentado com a lei de controle (3.5). Teorema 3.1 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , τ + 1, 0 < PdT = Pd ∈ Rn×n e T 0 < Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , τ , tais que Πd < 0, d = 1, . . . , τ , sendo τ X P + Sm,d − F0 − F0T F0 Ǎ0,d − F1T F0 Ǎ1,d − F2T d m=1 T T ⋆ −Pd + F1 Ǎ0,d + Ǎ0,d F1T F1 Ǎ1,d + Ǎ0,d F2T T Πd = ⋆ ⋆ −S1,d + F2 Ǎ1,d + Ǎ1,d F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ F0 Ǎτ −1,d − FτT T F1 Ǎτ −1,d + Ǎ0,d FτT T F2 Ǎτ −1,d + Ǎ1,d FτT .. . T ⋆ F0 Ǎτ,d − FτT+1 T F1 Ǎτ,d + Ǎ0,d FτT+1 T F2 Ǎτ,d + Ǎ1,d FτT+1 −Sτ −1,d + Fτ Ǎτ −1,d + Ǎτ −1,d FτT ⋆ .. . T Fτ Ǎτ,d + Ǎτ −1,d FτT+1 T −Sτ,d + Fτ +1 Ǎτ,d + Ǎτ,d FτT+1 ··· ··· ··· .. . ··· ··· < 0, (3.42) em que as matrizes Ǎm,d , m = 0, . . . , τ e d = 1, . . . , τ , são dadas conforme o Fato 3.1 substituindo-se Ǎm,d por Ǎm,d , considerando Kτ 6= 0, então o sistema discreto no tempo com atraso nos estados (3.15)–(3.16) é D(α, r)-estável. Prova: Os sistemas discretos com múltiplos atrasos nos estados (3.30) podem ter a estabilidade avaliada a partir das seguintes candidatas a funções de L-K Vd (x̌k ) = x̌Tk Pd x̌k + τ X 0 X j=1 i=−j x̌Tk+i Sj,dx̌k+i , d = 1, . . . , τ. (3.43) 46 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Note que Vd (x̌k ) > 0 é assegurada com Pd > 0 e Sj,d > 0, j = 1, . . . , τ e d = 1 . . . , τ . Desenvolvendo essas funções obtém-se: ! ! τ τ τ X X X Vd (x̌k ) = x̌Tk Pd + Sj,d x̌k + x̌Tk−i Sj,d x̌k−i , d = 1, . . . , τ. j=1 i=1 j=i As variações dessas funções em k devem ser negativas para que as mesmas sejam funções de L-K. Assim, ! τ τ X X T T ∆Vd (x̌k ) = x̌k+1 Pd + Sj,d x̌k+1 − x̌k Pd x̌k − x̌Tk−j Sj,dx̌k−j < 0, d = 1, . . . , τ. (3.44) j=1 j=1 Note que as condições (3.42) podem ser escritas da seguinte forma: Πd = Qd + Xτ Bd + BdT XτT < 0, d = 1, . . . , τ, (3.45) em que d X Pd + Sm,d 0 0 m=1 0 −Pd 0 Qd = 0 0 −S 1,d .. .. .. . . . 0 0 0 ··· ··· ··· .. . ··· 0 0 , 0 .. . −Sτ,d Xτ = F0 F1 F2 .. . Fτ +1 e Bd = −I Ǎ0,d Ǎ1,d · · · Ǎτ,d < 0. (3.46) Pré e pós-multiplicando Πd em (3.45) por ykT Bd⊥T e Bd⊥ yk , respectivamente, com x̌k Ǎ0,d Ǎ1,d · · · Ǎτ,d x̌k−1 I 0 ··· 0 x̌k−2 I ··· 0 e y = Bd⊥ = 0 , k .. . .. . . .. .. .. . . x̌k−τ 0 0 ··· I (3.47) obtém-se: ykT Bd⊥T Qd Bd⊥ yk < 0, d = 1, . . . , τ, x̌k+1 ⊥ ⊥ e, portanto pois Bd Bd = 0n×n(τ +1) . Note que Bd yk = šk x̌k+1 šk T x̌k+1 < 0, Qd šk d = 1, . . . , τ, (3.48) (3.49) que é equivalente a (3.44) com x̌k+1 substituı́do por (3.30). O corolário a seguir é utilizado para fazer a análise da D(α, r)-estabilidade do sistema (3.15)– (3.16) utilizando a lei de controle (3.5), considerando Kτ = 0. 3.2. Aplicação ao sistema com atraso incerto 47 Corolário 3.1 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , d + 1, 0 < PdT = Pd ∈ Rn×n e T 0 < Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , d, tais que Π′d < 0, d = 1, . . . , τ , sendo d X Pd + Sm,d − F0 − F0T F0 Ǎ0,d − F1T F0 Ǎ1,d − F2T ··· m=1 T T ⋆ −Pd + F1 Ǎ0,d + Ǎ0,d F1T F1 Ǎ1,d + Ǎ0,d F2T ··· ′ T Πd = ⋆ ⋆ −S1,d + F2 Ǎ1,d + Ǎ1,d F2T · · · .. .. .. .. . . . . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· T F0 Ǎd−1,d − FdT F0 Ǎd,d − Fd+1 T T T F1 Ǎd−1,d + Ǎ0,d FdT F1 Ǎd,d + Ǎ0,d Fd+1 T T T F2 Ǎd−1,d + Ǎ1,d FdT F2 Ǎd,d + Ǎ1,d Fd+1 < 0, (3.50) .. .. . . T T T T −Sd−1,d + Fd Ǎd−1,d + Ǎd−1,d Fd Fd Ǎd,d + Ǎd−1,d Fdu+1 T T ⋆ −Sd,d + Fd+1 Ǎd,d + Ǎd,d Fd+1 em que as matrizes Ǎm,d , m = 0, . . . , d e d = 1, . . . , τ , são obtidas conforme o Fato 3.1 substituindo-se Ǎm,d por Ǎm,d , considerando Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.15)–(3.16) é D(α, r)-estável. Prova: A prova da condição (3.50) segue passos semelhantes ao da prova da condição (3.42). Nesse caso, é considerado que no somatório externo da candidata a função de L-K (3.43) varie de j = 1 até j = d, ao invés de j = 1 até j = τ , como ocorre na prova da condição (3.42). A partir disso todos os passos seguintes irão ficar em função de d e não mais de τ . Note que no Teorema 3.1 todo Πd , d = 1, . . . , τ , possui dimensão igual a (τ + 2)n e nas condições do Corolário 3.1 todo Π′d possui dimensão igual a (d + 2)n, d = 1, . . . , τ . Portanto, as condições do Corolário 3.1 apresentam complexidade numérica inferior à complexidade numérica das condições do Teorema 3.1. 3.2.2 Sı́ntese de controladores O teorema a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam o sistema (3.14) utilizando a lei de controle (3.5). Teorema 3.2 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < PdT = Pd ∈ Rn×n 48 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade T e 0 < Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , τ e d = 1, . . . , τ , tais que Θd < 0, sendo τ X α P + Sm,d − F0 − F0T F0 ǍT0,d + Z B̌uT F0 ǍT1,d + a1,τ −1 Z B̌uT · · · d r m=1 ⋆ −Pd 0 ··· Θd = ⋆ ⋆ −S1,d ··· . . . .. .. .. .. . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· ατ −1 α τ Z + Zτ T F0 ǍTτ−1,d + aτ −1,τ −1 τ −1 Z B̌uT F0 ǍTτ,d + B̌u r rτ 0 0 0 0 .. .. . . −Sτ −1,d ⋆ 0 −Sτ,d < 0, (3.51) em que as matrizes Ǎm,d , m = 0, . . . , τ e d = 1, . . . , τ , B̌u e os coeficientes ai,j são calculados conforme o Fato 3.1, considerando Kτ 6= 0, então o sistema discreto no tempo com atraso nos estados (3.14) é D(α, r)-estabilizável com os ganhos robustos: K = Z T F0−T e Kτ = ZτT F0−T . (3.52) Prova: Considere que na condição (3.42) as matrizes Fm = 0, m = 1, . . . , τ + 1, e as matrizes T Ǎm,d sejam substituı́das por Ǎm,d + B̌u Ǩm,d , m = 1, . . . , τ e d = 1, . . . , τ . Com isso e utilizando as mudanças de variáveis Z e Zτ por Žm , m = 0, . . . , τ , obtém-se as condições de sı́ntese (3.51). O corolário a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam o sistema (3.14) utilizando a lei de controle (3.5), sendo Kτ = 0. Corolário 3.2 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , 0 < PdT = Pd ∈ Rn×n e 0 < 3.2. Aplicação ao sistema com atraso incerto 49 T Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , d e d = 1, . . . , τ , tais que Θ′d < 0, sendo d X α Pd + Sm,d − F0 − F0T F0 ǍT0,d + Z B̌uT F0 ǍT1,d + a1,d−1 Z B̌uT r m=1 ⋆ −Pd 0 ′ Θd = ⋆ ⋆ −S 1,d . . . . . . . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ F0 ǍTd−1,d ··· ··· ··· .. . ··· ··· αd−1 αd + ad−1,d−1 d−1 Z B̌uT F0 ǍTd,d + d Z B̌uT r r 0 0 0 0 .. .. . . −Sd−1,d ⋆ 0 −Sd,d < 0, (3.53) em que as matrizes Ǎm,d , m = 0, . . . , d e d = 1, . . . , τ , B̌u e os coeficientes ai,j são calculados conforme o Fato 3.1, considerando Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.14) é D(α, r)-estabilizável com os ganhos robustos: K = Z T F0−T . (3.54) Prova: Considere que na condição (3.50) as matrizes Fm = 0, m = 1, . . . , d + 1, e as matrizes T Ǎm,d sejam substituı́das por Ǎm,d + B̌u Ǩm,d , m = 1, . . . , d e d = 1, . . . , τ . Com isso e utilizando as mudanças de variáveis Z e Zτ por Žm , m = 0, . . . , τ , obtém-se as condições de sı́ntese (3.53). Novamente, note que todo Θd , d = 1, . . . , τ , do Teorema 3.2 possui dimensão igual a (τ + 2)n e todo Θ′d do Corolário 3.2 tem dimensão igual a (d + 2)n, d = 1, . . . , τ . Assim, as condições do Corolário 3.2 apresentam complexidade numérica inferior à complexidade numérica das condições do Teorema 3.2. Exemplo 3.2 — Considere o sistema discreto no tempo com atraso nos estados (3.35) com d ∈ 1, 3 . Esse sistema é instável em malha aberta. A partir dos sistemas discretos no tempo com múltiplos atrasos nos estados (3.36)–(3.38) e do Teorema 3.2 é possı́vel sintetizar as matrizes de ganhos K e Kτ que D(α, r)-estabilizam o sistema (3.35). Uma outra alternativa é utilizando os sistemas (3.39)–(3.41) com o Corolário 3.2, ou seja, realimentando apenas o estado atual, Kτ = 0. O valor estabelecido para o parâmetro α é 0 para ambas as situações. O valor de r utilizado foi o menor encontrado para cada situação por meio de uma busca com algoritmo de bissecção. Dessa forma, os valores mı́nimos do raio foram 0.53, para o primeiro caso, e 0.57, para o segundo caso. As leis de controle que D(0, 0.53)-estabiliza e D(0, 0.57)-estabiliza o sistema (3.35) são, respectivamente, uk = −0.0835 −1.4949 xk + 0.0040 −0.0389 xk−3 (3.55) 50 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade e uk = −0.0837 −1.4833 xk . (3.56) Observa-se que as condições se tornam mais conservadoras comparadas aos resultados obtidos para o exemplo em que o atraso é precisamente conhecido (Capı́tulo 2). Nas Figuras 3.1 e 3.2 são mostrados os autovalores do sistema discreto no tempo com atraso nos estados, em que esse atraso é incerto, realimentado com as leis de controle (3.55) e (3.56), respectivamente, para todos os valores que o atraso pode assumir. Note que os autovalores do sistema realimentado estão localizados no interior das regiões pré-estabelecidas para ambos os casos, como o esperado. d=2 0.5 Imag d=3 1 Imag 0.5 0 −0.5 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 0.5 −1 −1 −0.5 0 Real 0.5 1 Imag −0.5 0 −0.5 Figura 3.1: Autovalores do sistema de malha fechada com realimentação dos estados atuais e atrasados D(0, 0.53)-estabilização. Nas Figuras 3.3–3.5 são apresentadas as respostas temporais à entrada nula do sistema realimentado com a lei de controle (3.55), gráfico superior, e do sistema realimentado com a lei de controle (3.56), gráfico inferior. Em ambos os casos os valores iniciais dos estados foram x−i = 1 −1 , i = 0, . . . , 3, em que x1 é representado pela linha contı́nua e x2 é representado pela linha tracejada. Em cada figura é considerado um valor de atraso. Note que as respostas de ambos os sistemas realimentados são muito próximas, distinguindo-se somente no instante da influência do atraso. No sistema realimentado com a primeira lei de controle, o efeito desse atraso é mais significativo do que com o sistema realimentado com a segunda lei de controle, 3.2. Aplicação ao sistema com atraso incerto 51 d=2 0.5 Imag d=3 1 Imag 0.5 0 −0.5 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 −0.5 −0.5 0 Real 0.5 1 Imag −1 −1 0.5 0 −0.5 Figura 3.2: Autovalores do sistema de malha fechada com realimentação dos estados atuais D(0, 0.57)-estabilização. apesar de nesse o valor de r ser maior. Isso ocorre porque no sistema realimentado com a primeira lei de controle sempre se tem o efeito do atraso na terceira amostra. Na Figura 3.6 são apresentadas cinco curvas: a curva (a) é referente à condição (3.53), linha contı́nua; a curva (b) é referente ao Teorema 4 de [MC09], linha tracejada; a curva (c) é referente à condição (1.73) via sistema aumentado, ponto traço, sendo as matrizes Ā(d) e B̄u (d) substituı́das pelas matrizes Ã(d) e B̃u (d), em que essas três condições utilizam a lei de controle uk = Kxk ; a curva (d) é referente à condição (3.51), bullet linha contı́nua; e a curva (e) é referente à condição (1.73) via sistema aumentado, sendo as matrizes Ā(d) e B̄u (d) substituı́das pelas matrizes Ã(d) e B̃u (d), sinal de mais linha contı́nua, em que essas duas últimas utilizam a lei de controle uk = Kxk +Kτ xk−τ . Nessas cinco situações houve a variação do parâmetro α e foram encontrados os menores valores de raio para cada caso em que se teve solução factı́vel utilizando uma busca por meio de um algoritmo de bissecção. A partir dessa figura é possı́vel observar que a condição (1.73) via sistema aumentado, utilizando a lei de controle uk = Kxk +Kτ xk−τ , obteve o maior intervalo para o parâmetro α, aproximadamente, −0.35, 0.35 . Já as condições (3.51) e (3.53) apresentam o menor intervalo para α, aproximadamente, −0.18, 0.21 , é interessante observar que, mesmo elas utilizando leis de controle diferentes, apresentam o mesmo intervalo para α. 52 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Sistema realimentado com (3.55), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.56), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.3: Simulação temporal do sistema realimentado atraso 3, linha contı́nua estado x1 e linha tracejada estado x2 . Sistema realimentado com (3.55), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.56), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.4: Simulação temporal do sistema realimentado atraso 2, linha contı́nua estado x1 e linha tracejada estado x2 . Na Figura 3.7 são apresentadas duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.53) pelos valores dos raios mı́nimos obtidos por meio do Teorema 4 de [MC09], linha contı́nua, e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.53) pelos valores dos raios mı́nimos obtidos a partir da condição (1.73) via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk . A partir desses gráficos é possı́vel observar que a condição (3.53) apresenta resultados menos conservadores, em relação aos valores de raios mı́nimos, para α pertencente ao intervalo −0.1, 0.1 comparada com a condição (1.73) via sistema aumentado. Contudo, para os valores 3.2. Aplicação ao sistema com atraso incerto 53 Sistema realimentado com (3.55), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.56), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.5: Simulação temporal do sistema realimentado atraso 1, linha contı́nua estado x1 e linha tracejada estado x2 . 0.8 0.75 ←(b) rmin 0.7 ←(c) 0.65 0.6 ←(a) (e)→ 0.55 ←(d) 0.5 −0.3 −0.2 −0.1 0 α 0.1 0.2 0.3 Figura 3.6: Comportamento dos raios mı́nimos em relação aos valores de α: (a) condição (3.53), linha contı́nua; (b) o Teorema 4 de [MC09], linha tracejada; (c) condição (1.73) via sistema aumentado, ponto traço, lei de controle utilizada uk = Kxk ; (d) condição (3.51), bullet linha contı́nua; e (e) condição (1.73) via sistema aumentado, sinal de mais linha contı́nua, lei de controle utilizada uk = Kxk + Kτ xk−τ . de α fora desse intervalo a primeira condição é mais conservadora que a segunda, sendo que pode produzir raios mı́nimos, aproximadamente, 24% maiores. Já na comparação com a condição do Teorema 4 de [MC09], a condição (3.53) apresenta resultados menos conservadores para valores de α pertencentes ao intervalo −0.12, 0.17 . Porém, para valores de α fora desse intervalo, essa condição produz valores de raios, aproximadamente, 14% maiores que aquele Teorema. 54 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade 1.25 1.2 razão 1.15 1.1 1.05 1 0.95 0.9 −0.15 −0.1 −0.05 0 α 0.05 0.1 0.15 0.2 Figura 3.7: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.53) pelos raios mı́nimos obtidos por meio do Teorema 4 de [MC09], linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.73) via sistema aumentado, linha tracejada, lei de controle uk = Kxk . Na Figura 3.8 são apresentadas duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.51) pelos valores dos raios mı́nimos obtidos por meio da condição (1.73) via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk + Kτ xk−τ , e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.51) pelos valores dos raios mı́nimos calculados a partir da condição (3.53), linha contı́nua, na qual a lei de controle utilizada por essa última é uk = Kxk . A partir da primeira curva é possı́vel perceber que somente em um pequeno intervalo de α, aproximadamente −0.01, 0.05 , a condição desenvolvida nesta seção, (3.51), é menos conservadora, em relação a valores de raios mı́nimos, que a condição (1.73) via sistema aumentado, sendo que para valores α fora desse intervalo aquela condição pode produzir raios, aproximadamente, 38% maiores que essa condição. Já ao comparar ambas as condições desenvolvidas nesta seção, segunda curva, a que utiliza a lei de controle uk = Kxk + Kτ xk−τ , apresenta resultados menos conservadores em praticamente todo o intervalo de α considerado. 3.3 Aplicação ao caso incerto Nesta seção o sistema a ser tratado é o mesmo apresentado na Seção 3.1. Dessa forma, considere o conjunto de equações (3.1)–(3.13). Esses sistemas são uma extensão dos sistemas tratados na seção 3.2. Diante disso, não são apresentados os passos precedentes à apresentação dos sistemas incertos discretos no tempo com múltiplos atrasos, isto é, é omitida a descrição do aumento do vetor de estado e da transformação de similaridade por meio da matriz Q(α, r, τ ). A partir disso, consideram-se os sistemas incertos discretos no tempo com múltiplos atrasos nos 3.3. Aplicação ao caso incerto 55 1.4 1.35 1.3 1.25 razão 1.2 1.15 1.1 1.05 1 0.95 0.9 −0.15 −0.1 −0.05 0 α 0.05 0.1 0.15 0.2 Figura 3.8: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.51) pelos raios mı́nimos obtidos por meio da condição (3.53), linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.73) via sistema aumentado, linha tracejada, lei de controle uk = Kxk + Kτ xk−τ . estados Šd (β) : x̌k+1 = τ X Ǎm,d (β)x̌k−m + B̌u (β)uk , d = 1, . . . , τ, (3.57) m=0 n×n em que Ǎm,d (β) ∈ R , m = 0, . . . , τ e d = 1, . . . , τ , e B̌u (β) ∈ Rn×q definem os sistemas Šd (β) que são representados por Ǎ0,d (β) · · · Ǎτ,d (β) B̌u (β) ∈ Ad,oℓ , com ( ) N X Ad,oℓ = Šd (β) ∈ Rn×(τ +1)n+q : Šd (β) = βj Šd,j , β ∈ Ω , (3.58) j=1 sendo Ω definido em (3.3) e os vértices Šd,j são conhecidos e dados por Šd,j = A0,d,j A1,d,j · · · Aτ,d,j Buj . (3.59) A lei de controle desse sistema é a mesma apresentada em (3.29). Com isso, obtém-se: Šd (β) : x̌k+1 = τ X Ǎm,d (β)x̌k−m , d = 1, . . . , τ, (3.60) m=0 em que Šd (β) são representados por Ǎ0,d (β) · · · Ǎτ, d ∈ Ad,cℓ , com ( ) N X Ad,cℓ = Šd (β) ∈ Rn×(τ +1)n : Šd (β) = βj Šd,j , β ∈ Ω , (3.61) j=1 em que Ω é definido em (3.3) e os vértices Šd,j são Šd,j = Ǎ0,d,j Ǎ1,d,j · · · Ǎτ,d,j , (3.62) 56 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade em que Ǎm,d,j = Ǎm,d,j + B̌u Ǩm,τ , (3.63) na qual m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N. Fato 3.2 Os sistemas incertos discretos no tempo com múltiplos atrasos nos estados (3.60)– (3.63) são Schur estáveis com: Ǎm,d,j = e Aj − (τ + 1)αI , r am,τ −1 Aj αm − am+1,τ αm+1 I , r m+1 m m+1 am,τ −1 Aj α + Adj − am+1,τ α I , m+1 r aτ −m,τ −1 Aj αm + am−d,τ −(d+1) Adj αm−d − aτ −m,τ αm+1 I , r m+1 m m−d m+1 Aj α + Adj α −α I , r m+1 B̌u,j = para m = 0 para m = 1, . . . , d − 1 para m = d para m > d para m = τ Bu,j , r (3.64) (3.65) considerando Kτ 6= 0, em que os coeficientes ai,j são calculados conforme (2.41) e Ǩm,τ , m = 0, . . . , τ , dado em (2.40), ou Ǎm,d,j = Aj − (d + 1)αI , para m = 0 r m+1 m am,d−1 Aj α − am+1,d α I , para m = 1, . . . , d − 1 , m+1 rd Aj α + Adj − αd+1 I , para m = d > 0 r d+1 (3.66) considerando Kτ = 0, em que os coeficientes ai,j são calculados conforme (2.41), a matriz B̌u,j , j = 1, . . . , N, é dada em (3.65) e Ǩm,d , m = 0, . . . , τ e d = 1, . . . , τ , é calculada conforme operações (3.34), então o sistema incerto discreto no tempo com atraso incerto nos estados (3.6)–(3.9) é D(α, r)-estável Como para o caso em que os sistemas são precisamente conhecidos com atraso incerto, para os sistemas em questão, ao considerar Kτ = 0 a quantidade de matrizes Ǎm,d,j e Ǩm,d dos sistemas com múltiplos atrasos está diretamente relacionada com os valores que o atraso, d, assume. Ainda considerando Kτ = 0, é necessário fazer a substituição de τ por d nas matrizes Ǩm,τ em (3.60)–(3.63). Exemplo 3.3 — Considere o sistema incerto discreto no tempo com atraso incerto nos estados descrito por: 0.1 + ǫ1 1 0 0 1 + ǫ3 xk+1 = x + x + u , (3.67) 0.05 0.9 − ǫ1 k 0 0.1 + ǫ2 k−d 0.6 − ǫ3 k 3.3. Aplicação ao caso incerto 57 em que d ∈ 1, 3 e |ǫ1 | ≤ 0.1, |ǫ2 | ≤ 0.05 e |ǫ3 | ≤ 0.1 são as incertezas do sistema. Assim, utilizando o Fato 3.2, considerando Kτ 6= 0, tem-se: Š1 : x̌k+1 1 ǫ1 + 0.1 − 4α 1 = x̌ 0.05 0.9 − ǫ1 − 4α k r 1 3α(0.1 + ǫ1 − 2α) 3 + 2 x̌ 0.15 2.7α + ǫ2 − 3αǫ1 − 6α2 + 0.1 k−1 r 1 α2 (0.3 + 3ǫ1 − 4α) 3α2 x̌ + 3 0.15α2 α(2.7α + 2ǫ2 − 3αǫ1 − 4α2 + 0.2) k−2 r 1 α3 (0.1 + ǫ1 − α) 1 1 α3 + 4 x̌ + u , (3.68) 0.05α3 α2 (0.9α + ǫ2 − αǫ1 − α2 + 0.1) k−3 r 0.6 k r α 3(+ǫ1 + 0.1 − 2α) 1 ǫ1 + 0.1 − 4α 1 3 x̌ + x̌ Š2 : x̌k+1 = 0.05 0.9 − ǫ1 − 4α k r 2 0.15 2.7 − 3ǫ1 − 6α k−1 r 1 α2 (3ǫ1 + 0.3 − 4α) 3α2 + 3 x̌ 0.15α2 ǫ2 − 3α2ǫ1 + 2.7α2 − 4α3 + 0.1 k−2 r 1 α3 (ǫ1 + 0.1 − α) 1 1 α3 x̌ + + 4 u (3.69) 0.05α3 α(ǫ2 − ǫ1 α2 ǫ1 + 0.9α2 − α3 + 0.1) k−3 r 0.6 k r e α 0.1 − 4α + ǫ1 α 0.3 − 6α + 3ǫ1 1 3 Š3 (β) : x̌k+1 = x̌ + x̌ 0.05 0.9 − 4α − ǫ1 k r 2 0.15 2.7 − 6α − 3ǫ1 k−1 r α2 0.3 − 4α + 3ǫ1 3 + 3 x̌ 0.15 2.7 − 4α − 3ǫ1 k−2 r 1 (0.1 + ǫ1 )α3 − α4 1 1 + ǫ3 α3 + 4 x̌ + u . (3.70) 0.05α3 (0.9 − ǫ1 )α3 − α4 + 0.1 + ǫ2 k−3 r 0.6 − ǫ3 k r Considerando Kτ = 0, ou seja, realimentando somente os estados atuais, tem-se: 1 0.1 − 2α + ǫ1 1 ′ Š1 (β) : x̌k+1 = x̌ 0.05 0.9 − 2α − ǫ1 k r 1 (0.1 + ǫ1 )α − α2 1 1 + ǫ3 α + 2 x̌ + u , (3.71) 0.05α (0.9 − ǫ1 )α − α2 + 0.1 + ǫ2 k−1 r 0.6 − ǫ3 k r Š2′ (β) 1 0.1 − 3α + ǫ1 α 0.2 − 3α + 2ǫ1 1 2 : x̌k+1 = x̌ + x̌ 0.05 0.9 − 3α − ǫ1 k r 2 0.1 1.8 − 3α − 2ǫ1 k−1 r 1 (0.1 + ǫ1 )α2 − α3 1 1 + ǫ3 α2 + 3 x̌ + u (3.72) 0.05α2 (0.9 − ǫ1 )α2 − α3 + 0.1 + ǫ2 k−2 r 0.6 − ǫ3 k r e Š3′ (β) = Š3 (β). (3.73) Observe que a partir do sistema incerto discreto com atraso incerto nos estados (3.67) são gerados três sistemas incertos com múltiplos atrasos nos estados (3.68)–(3.70), sendo que esses 58 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade foram obtidos por meio do Fato 3.2 utilizando as operações referentes à consideração de que Kτ 6= 0, e os outros três sistemas incertos com múltiplos atrasos nos estados (3.71)–(3.73) foram gerados a partir do Fato 3.2 utilizando as operações referentes à consideração de que Kτ = 0. As incertezas desses dois conjuntos de sistemas são as mesmas do sistema original. Os politopos que definem cada um desses conjuntos de sistemas gerados são formados por N = 8 vértices dados pelas combinações dos valores extremos de ǫ1 , ǫ2 e ǫ3 . Fazer a análise da Schur estabilidade do conjunto de sistemas incertos (3.68)–(3.70) ou do conjunto de sistemas incertos (3.71)–(3.73) é equivalente a estudar a D(α, r)-estabilidade do sistema incerto (3.67). 3.3.1 Análise de D(α, r)-estabilidade robusta Após a representação do sistema incerto discreto no tempo com atraso incerto nos estados por um conjunto sistemas incertos discretos no tempo com múltiplos atrasos nos estados são apresentadas as condições de D(α, r)-estabilidade e D(α, r)-estabilização. Essas condições utilizam o conjunto de sistemas incertos discretos no tempo com múltiplos atrasos nos estados para fazer o estudo da Schur estabilidade e a sı́ntese de controladores para Schur estabilização dos mesmos, sendo que dessa forma é feita a análise da D(α, r)-estabilidade e a sı́ntese de controladores que D(α, r)-estabilizam o sistema incerto discreto no tempo com atraso incerto nos estados. O teorema a seguir é utilizado para fazer a análise da D(α, r)-estabilidade robusta do sistema (3.6)–(3.9) que utilizam a lei de controle (3.5). T Teorema 3.3 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , τ + 1, 0 < Pd,j = Pd,j ∈ Rn×n e T 0 < Sm,d,j = Sm,d,j ∈ Rn×n , m = 1, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, tais que Πd,j < 0, sendo Πd,j = d X Pd,j + Sm,d,j − F0 − F0T F0 Ǎ0,d,j − F1T F0 Ǎ1,d,j − F2T m=1 T T ⋆ −Pd,j + F1 Ǎ0,d,j + Ǎ0,d,j F1T F1 Ǎ1,d,j + Ǎ0,d,j F2T T = ⋆ ⋆ −S1,d,j + F2 Ǎ1,d,j + Ǎ1,d,j F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ··· F0 Ǎτ −1,d,j − FτT F0 Ǎτ,d,j − FτT+1 T T ··· F1 Ǎτ −1,d,j + Ǎ0,d,j FdT F1 Ǎτ,d,j + Ǎ0,d,j FτT+1 T T T T ··· F2 Ǎτ −1,d,j + Ǎ1,d,j Fd F2 Ǎτ,d,j + Ǎ1,d,j Fτ +1 < 0, (3.74) . . .. .. .. . T T T T · · · −Sτ −1,d,j + Fτ Ǎτ −1,d,j + Ǎτ −1,d,j Fτ Fτ Ǎτ,d,j + Ǎτ −1,d,j Fτ +1 ··· ⋆ T −Sτ,d,j + Fτ +1 Ǎτ,d,j + Ǎτ,d,j FτT+1 em que as matrizes Ǎm,d,j ,m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são dadas conforme o Fato 3.2 substituindo-se Ǎm,d,j por Ǎm,d,j , considerando Kτ 6= 0, então o sistema incerto discreto no tempo com atraso nos estados (3.6)–(3.13) é D(α, r)-estável. 3.3. Aplicação ao caso incerto 59 Prova: A prova desse Teorema segue os mesmos passos da prova do Teorema 3.1, sendo que, para o caso em questão, os sistemas discretos com múltiplos atrasos nos estados e as funções de L-K são incertas. Então para desenvolver a prova basta acrescentar as incertezas na prova do Teorema 3.1 e com isso obtém-se a prova do Teorema 3.3. O corolário a seguir é utilizado para fazer a análise da D(α, r)-estabilidade robusta do sistema (3.6)–(3.9) que utilizam a lei de controle (3.5), considerando Kτ = 0. T Corolário 3.3 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , d + 1, 0 < Pd,j = Pd,j ∈ Rn×n e T 0 < Sm,d,j = Sm,d,j ∈ Rn×n , m = 1, . . . , d, d = 1, . . . , τ e j = 1, . . . , N, tais que Π′d,j < 0, sendo Π′d,j = d X Pd,j + Sm,d,j − F0 − F0T F0 Ǎ0,d,j − F1T F0 Ǎ1,d,j − F2T m=1 T T ⋆ −Pd,j + F1 Ǎ0,d,j + Ǎ0,d,j F1T F1 Ǎ1,d,j + Ǎ0,d,j F2T T = ⋆ ⋆ −S1,d,j + F2 Ǎ1,d,j + Ǎ1,d,j F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ T ··· F0 Ǎd−1,d,j − FdT F0 Ǎd,d,j − Fd+1 T T T ··· F1 Ǎd−1,d,j + Ǎ0,d,j FdT F1 Ǎd,d,j + Ǎ0,d,j Fd+1 T T T T ··· F2 Ǎd−1,d,j + Ǎ1,d,j Fd F2 Ǎd,d,j + Ǎ1,d,j Fd+1 < 0, (3.75) .. .. .. . . . T T T T · · · −Sd−1,d,j + Fd Ǎd−1,d,j + Ǎd−1,d,j Fd Fd Ǎd,d,j + Ǎd−1,d,j Fd+1 ··· ⋆ T T −Sd,d,j + Fd+1 Ǎd,d,j + Ǎd,d,j Fd+1 em que as matrizes Ǎm,d,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são dadas conforme o Fato 3.2 substituindo-se Ǎm,d,j por Ǎm,d,j , considerando Kτ = 0, então o sistema incerto discreto no tempo com atraso nos estados (3.6)–(3.13) é D(α, r)-estável. Prova: A prova desse corolário segue o mesmo raciocı́nio da prova do Corolário 3.1, sendo que para o caso em questão os sistemas discretos com múltiplos atrasos nos estados e as funções de L-K são incertas. Então para desenvolver a prova basta acrescentar as incertezas na prova do Corolário 3.1 e com isso obtém-se a prova do Corolário 3.3. 3.3.2 Sı́ntese robusta de controladores O teorema a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam robustamente o sistema (3.1)–(3.4) com a utilização da lei de controle (3.5). T Teorema 3.4 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < Pd,j = Pd,j ∈ Rn×n T e 0 < Sm,d,j = Sm,d,j ∈ Rn×n , j = 1 . . . , N, m = 1, . . . , τ e d = 1, . . . , τ , tais que Θd,j < 0, 60 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade sendo Θd,j τ X α T T Sm,d,j − F0 − F0T F0 ǍT0,d,j + Z B̌u,j F0 ǍT1,d,j + a1,d−1,j Z B̌u,j Pd,j + r m=1 ⋆ −Pd,j 0 = ⋆ ⋆ −S1,d,j .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ τ −1 F0 ǍTτ−1,d,j + aτ −1,τ −1 0 0 .. . −Sτ −1,d,j ⋆ α T Z B̌u,j F0 ǍTτ,d,j r τ −1 ··· ··· ··· .. . ··· ··· ⋆ α Z + Zτ T + B̌u,j rτ 0 0 < 0, (3.76) .. . 0 τ −Sτ,d,j em que as matrizes Ǎm,d,j e B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme o Fato 3.2, considerando Kτ 6= 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos robustos K e Kτ dados em (3.52). Prova: Considere que na condição (3.74) as matrizes Fm = 0, m = 1, . . . , d + 1, e as matrizes T Ǎm,d,j sejam substituı́das por Ǎm,d,j + B̌u,j Ǩm,τ , m = 0, . . . , d, d = 1, . . . , τ e j = 1, . . . , N. Com isso e utilizando as mudanças de variáveis Z e Zτ por Žm , m = 0, . . . , τ , obtém-se as condições de sı́ntese (3.76). O corolário a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam robustamente sistema (3.1)–(3.4) com a utilização da lei de controle (3.5), considerando Kτ = 0. T Corolário 3.4 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , 0 < Pd,j = Pd,j ∈ Rn×n e T 0 < Sm,d,j = Sm,d,j ∈ Rn×n , j = 1 . . . , N, m = 0, . . . , d e d = 1, . . . , τ , tais que Θ′d,j < 0, sendo Θ′d,j d X α T T Pd,j + Sm,d,j − F0 − F0T F0 ǍT0,d,j + Z B̌u,j F0 ǍT1,d,j + a1,d−1 Z B̌u,j ··· r m=1 ⋆ −Pd,j 0 ··· = ⋆ ⋆ −S1,d,j ··· . . . .. .. .. .. . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· αd−1 αd T T F0 ǍTd−1,d,j + ad−1,d−1 d−1 Z B̌u,j F0 ǍTd,d,j + d Z B̌u,j r r 0 0 0 0 < 0, (3.77) .. .. . . −Sd−1,d,j 0 ⋆ −Sd,d,j 3.3. Aplicação ao caso incerto 61 em que as matrizes Ǎm,d,j , B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme a Fato 3.2, considerando Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos robustos K dados em (3.54). Prova: Considere que na condição (3.75) as matrizes Fm = 0, m = 1, . . . , d + 1, e as matrizes T Ǎm,d,j sejam substituı́das por Ǎm,d,j + B̌u,j Ǩm,d , m = 0, . . . , d, d = 1, . . . , τ e j = 1, . . . , N. Com isso obtém-se as condições de sı́ntese (3.77). Exemplo 3.4 — Considere o sistema incerto discreto no tempo com atraso incerto nos estados (3.67). Esse sistema é D(α, r)-estabilizável a partir da Schur estabilização dos sistemas incertos discretos no tempo com múltiplos atrasos nos estados (3.68)–(3.70) com a utilização do Teorema 3.4, ou por meio da Schur estabilização dos sistemas incertos discretos no tempo com múltiplos atrasos nos estados (3.71)–(3.73) com a utilização do Corolário 3.4, sendo que nessa segunda opção é feita apenas a realimentação dos estados atuais, ou seja, considerando Kτ = 0. Os valores de α para ambas as situações é α = 0. Já o valor do raio para a primeira situação é r = 0.66 e o valor do raio para segunda situação é r = 0.69. Esses valores de r são os menores em que as condições de análise e de sı́ntese fornecem resultados factı́veis obtidos a partir de um algoritmo de bissecção. Observa-se que as incertezas nos parâmetros do sistema deixaram a sı́ntese robusta dos controladores mais conservadora em relação ao menor valor de r em comparação com o caso em que o sistema é precisamente conhecido, Exemplo 3.2. As leis de controle que D(0, 0.66)-estabiliza e D(0, 0.69)-estabiliza o sistema (3.67) são, respectivamente, uk = 0.0026 −1.4151 xk + 0.0229 −0.0346 xk−τ (3.78) e uk = 0.0442 −1.4251 xk . (3.79) Nas Figuras 3.9 e 3.10 são apresentadas as nuvens de autovalores do sistema incerto discreto no tempo com atraso incerto nos estados (3.67) realimentado com a lei de controle (3.78) e a lei de controle (3.79), respectivamente, considerando as três possibilidades de valores que o atraso pode assumir. Observe que em todos os valores que o atraso pode assumir, o sistema realimentado com ambas as leis de controle resultam nas nuvens de autovalores localizadas no interior das regiões D, como esperado. Nas Figuras (3.11)–(3.13) são apresentadas as respostas à entrada nula do sistema (3.67) realimentado com a lei de controle (3.78), gráfico superior, e realimentado com a lei de controle (3.79), gráfico inferior, para todos os valores que o atraso d do sistema pode assumir. Em ambos os casos os valores iniciais dos estados foram x−i = 1 −1 , i = 0, . . . , 3, em que x1 é representado pela linha contı́nua e x2 é representado pela linha tracejada. Nessas figuras são apresentadas somente as respostas dos sistemas nos vértices do politopo formados a partir das incertezas. Nessas respostas é possı́vel observar que o sistema, utilizando o controlador Kτ , gráfico superior, sempre apresenta um sinal na amostra igual a 3. Já na condição em que há somente realimentação dos estados atuais, gráfico inferior, os sinais existentes nessa amostra igual a 3 apresentam valores inferiores à situação anterior. Contudo, observe que os valores das respostas do sistema realimentado com o controlador K e Kτ apresentam amplitudes nos sinais menores que o sistema realimentado somente com K nos instantes precedentes a amostra 3. 62 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade d=2 0.5 Imag d=3 1 −0.5 0.5 Imag 0 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 −0.5 −0.5 0 Real 0.5 1 Imag −1 −1 0.5 0 −0.5 Figura 3.9: Nuvem de autovalores do sistema de malha fechada com realimentação dos estados atuais e atrasados D(0, 0.66)-estabilização. Na Figura 3.14 são apresentadas cinco curvas: a curva (a) é referente à condição (3.77), linha contı́nua; a curva (b) é referente ao Teorema 4 de [MC09], linha tracejada; a curva (c) é referente à condição (1.78) via sistema aumentado, ponto traço, sendo que as matrizes Ā(d)j e B̄u (d)j são substituı́das pelas matrizes Ã(d)j e B̃u (d)j , em que essas três condição utilizam a lei de controle uk = Kxk ; a curva (d) é referente à condição (3.76), bullet linha contı́nua; e a curva (e) é referente à condição (1.78) via sistema aumentado, sendo que as matrizes Ā(τ )j e B̄u (τ )j são substituı́das pelas matrizes Ã(τ )j e B̃u (τ )j , sinal de mais linha contı́nua, em que essas duas últimas utilizam a lei de controle uk = Kxk + Kτ xk−τ . Nessas cinco situações houve a variação do parâmetro α e foram encontrados os menores valores de raio para cada caso em que se teve solução factı́vel. Essas buscas pelos menores valores de r foram realizadas a partir de um algoritmo de bissecção. A partir dessa figura é possı́vel observar que a condição (1.78) via sistema aumentado, utilizando a lei de controle uk = Kxk + Kτ xk−τ , obteve o maior intervalo para o parâmetro α, aproximadamente, −0.26, 0.25 . Já as condições (3.77) e (3.76) apresentam o menor intervalo para α, aproximadamente, −0.14, 0.15 . É interessante observar que, mesmo essas duas condições utilizarem leis de controle diferentes, elas apresentam o mesmo intervalo para α. Na Figura 3.15 são apresentadas duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.77) pelos valores dos raios mı́nimos obtidos por meio do 3.3. Aplicação ao caso incerto 63 d=2 0.5 Imag d=3 1 −0.5 0.5 Imag 0 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 −0.5 −0.5 0 Real 0.5 1 Imag −1 −1 0.5 0 −0.5 Figura 3.10: Nuvem de autovalores do sistema de malha fechada com realimentação dos estados atuais D(0, 0.69)-estabilização. Sistema realimentado com (3.78), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.79), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.11: Simulação temporal do sistema realimentado atraso 3, linha contı́nua estado x1 e linha tracejada estado x2 . Teorema 4 de [MC09], linha contı́nua, e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.77) pelos valores dos raios mı́nimos obtidos pela condição (1.78) 64 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Sistema realimentado com (3.78), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.79), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.12: Simulação temporal do sistema realimentado atraso 2, linha contı́nua estado x1 e linha tracejada estado x2 . Sistema realimentado com (3.78), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.79), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.13: Simulação temporal do sistema realimentado atraso 1, linha contı́nua estado x1 e linha tracejada estado x2 . via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk . A partir desses gráficos é possı́vel observar que a condição (3.77) apresenta raios mı́nimos maiores que a condição (1.78) via sistema aumentado na maior parte do intervalo de α de comparação, sendo que o valor de raio mı́nimo calculado por (3.77) pode chegar a ser 15% maior que o valor de raio mı́nimo calculado por (1.78). Contudo, para valores de α próximos de 0.1, a condição (3.77) produz raios mı́nimos menores que a condição (1.78) via sistema aumentado. Já na comparação com a condição do Teorema 4 de [MC09], a condição (3.77) apresenta raios mı́nimos menores para valores de α pertencentes ao intervalo −0.12, 0.14 . Porém, para valores de α fora desse 3.3. Aplicação ao caso incerto 65 0.85 rmin 0.8 0.75 (c)→ ←(b) (a)→ (d)→ 0.7 ←(e) 0.65 −0.2 −0.15 −0.1 −0.05 0 α 0.05 0.1 0.15 0.2 0.25 Figura 3.14: Comportamento dos raios mı́nimos em relação aos valores de α: (a) condição (3.77), linha contı́nua; (b) o Teorema 4 de [MC09], linha tracejada; (c) condição (1.78) via sistema aumentado, ponto traço, lei de controle utilizada uk = Kxk ; (d) condição (3.76), bullet linha contı́nua; e (e) condição (1.78) via sistema aumentado, sinal de mais linha contı́nua, lei de controle utilizada uk = Kxk + Kτ xk−τ . intervalo, e que estão incluı́dos no intervalo de comparação das duas condições, a desenvolvida na seção em questão produz valores de raios, aproximadamente, 8% maiores que a do Teorema 4 de [MC09]. 1.15 razão 1.1 1.05 1 0.95 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.15: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.77) pelos raios mı́nimos obtidos por meio do Teorema 4 de [MC09], linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.78) via sistema aumentado, linha tracejada, lei de controle uk = Kxk . 66 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Na Figura 3.16 são apresentadas duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.76) pelos valores dos raios mı́nimos obtidos por meio da condição (1.78) via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk + Kτ xk−τ , e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.76) pelos valores dos raios mı́nimos calculados pela condição (3.77), linha contı́nua, na qual a lei de controle utilizada por essa última é uk = Kxk . A partir da primeira curva é possı́vel perceber que todo o intervalo de α em que houve a comparação das duas condições, a desenvolvida nessa seção, (3.76), apresenta raios mı́nimos maiores que a condição (1.78) via sistema aumentado, sendo que o raio mı́nimo encontrado pela condição (3.76) pode ser 24% maior que o raio mı́nimo encontrado pela condição (3.76) em α, aproximadamente, −0.15. Já ao comparar ambas as condições desenvolvidas nessa seção, a que utiliza a lei de controle uk = Kxk +Kτ xk−τ apresenta raios menores em praticamente todo o intervalo de α considerado. 1.25 1.2 razão 1.15 1.1 1.05 1 0.95 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.16: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.76) pelos raios mı́nimos obtidos por meio da condição (3.77), linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.78) via sistema aumentado, linha tracejada, lei de controle uk = Kxk + Kτ xk−τ . 3.3.3 Abordagem pela estabilidade quadrática As condições desta subseção são obtidas a partir das condições correspondentes robustas. Para isso, basta substituir Pd,j = Pd e Sm,d,j = Sm,d , m = 1, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N. Análise de D(α, r)-estabilidade quadrática O teorema a seguir é utilizado para fazer a análise da D(α, r)-estabilidade quadrática do sistema (3.6)–(3.9) que utilizam a lei de controle (3.5). 3.3. Aplicação ao caso incerto 67 Teorema 3.5 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , τ + 1, 0 < PdT = Pd ∈ Rn×n e T 0 < Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , τ , d = 1, . . . , τ , tais que qΠd,j < 0, j = 1, . . . , N, sendo qΠd,j = d X Pd + Sm,d − F0 − F0T F0 Ǎ0,d,j − F1T F0 Ǎ1,d,j − F2T m=1 T T ⋆ −Pd + F1 Ǎ0,d,j + Ǎ0,d,j F1T F1 Ǎ1,d,j + Ǎ0,d,j F2T T = ⋆ ⋆ −S1,d + F2 Ǎ1,d,j + Ǎ1,d,j F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ ··· F0 Ǎτ −1,d,j − FτT F0 Ǎτ,d,j − FτT+1 T T ··· F1 Ǎτ −1,d,j + Ǎ0,d,j FdT F1 Ǎτ,d,j + Ǎ0,d,j FτT+1 T T T T ··· F2 Ǎτ −1,d,j + Ǎ1,d,j Fd F2 Ǎτ,d,j + Ǎ1,d,j Fτ +1 < 0, (3.80) . . .. .. .. . T T T T · · · −Sτ −1,d + Fτ Ǎτ −1,d,j + Ǎτ −1,d,j Fτ Fτ Ǎτ,d,j + Ǎτ −1,d,j Fτ +1 ··· ⋆ T −Sτ,d + Fτ +1 Ǎτ,d,j + Ǎτ,d,j FτT+1 em que as matrizes Ǎm,d,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são dadas conforme o Fato 3.2 substituindo-se Ǎm,d,j por Ǎm,d,j , considerando Kτ 6= 0, então o sistema incerto discreto no tempo com atraso nos estados (3.6)–(3.13) é D(α, r)-estável. O corolário a seguir é utilizado para fazer a análise da D(α, r)-estabilidade quadrática do sistema (3.6)–(3.9) que utiliza a lei de controle (3.5), considerando Kτ = 0. Corolário 3.5 Se existirem matrizes Fm ∈ Rn×n , m = 0, . . . , d + 1, 0 < PdT = Pd ∈ Rn×n e T 0 < Sm,d = Sm,d ∈ Rn×n , m = 1, . . . , d, d = 1, . . . , τ , tais que qΠ′d,j < 0, j = 1, . . . , N, sendo qΠ′d,j = d X Pd + Sm,d − F0 − F0T F0 Ǎ0,d,j − F1T F0 Ǎ1,d,j − F2T m=1 T T ⋆ −Pd + F1 Ǎ0,d,j + Ǎ0,d,j F1T F1 Ǎ1,d,j + Ǎ0,d,j F2T T = ⋆ ⋆ −S1,d + F2 Ǎ1,d,j + Ǎ1,d,j F2T .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ ⋆ T ··· F0 Ǎd−1,d,j − FdT F0 Ǎd,d,j − Fd+1 T T T ··· F1 Ǎd−1,d,j + Ǎ0,d,j FdT F1 Ǎd,d,j + Ǎ0,d,j Fd+1 T T T ··· F2 Ǎd−1,d,j + Ǎ1,d,j FdT F2 Ǎd,d,j + Ǎ1,d,j Fd+1 < 0, (3.81) . . .. .. .. . T T T T · · · −Sd−1,d + Fd Ǎd−1,d,j + Ǎd−1,d,j Fd Fd Ǎd,d,j + Ǎd−1,d,j Fd+1 T T ··· ⋆ −Sd,d + Fd+1 Ǎd,d,j + Ǎd,d,j Fd+1 68 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade em que as matrizes Ǎm,d,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são dadas conforme o Fato 3.2, substituindo-se Ǎm,d,j por Ǎm,d,j , considerando Kτ = 0, então o sistema incerto discreto no tempo com atraso nos estados (3.6)–(3.13) é D(α, r)-estável. Sı́ntese quadrática de controladores O teorema a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam quadraticamente o sistema (3.1)–(3.4) com a utilização da lei de controle (3.5). Teorema 3.6 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < PdT = Pd ∈ Rn×n T e 0 < Sm,d = Sm,d ∈ Rn×n , m = 0, . . . , τ e d = 1, . . . , τ , tais que qΘd,j < 0, j = 1 . . . , N, sendo qΘd,j τ X α T T Sm,d − F0 − F0T F0 ǍT0,d,j + Z B̌u,j F0 ǍT1,d,j + a1,d−1,j Z B̌u,j Pd + r m=1 ⋆ −Pd 0 = ⋆ ⋆ −S1,d .. .. .. . . . ⋆ ⋆ ⋆ ⋆ ⋆ τ −1 F0 ǍTτ−1,d,j + aτ −1,τ −1 0 0 .. . −Sτ −1,d ⋆ α T Z B̌u,j F0 ǍTτ,d,j r τ −1 ··· ··· ··· .. . ··· ··· ⋆ α Z + Zτ T + B̌u,j rτ 0 0 < 0, (3.82) .. . 0 τ −Sτ,d em que as matrizes Ǎm,d,j e B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme o Fato 3.2, considerando Kτ 6= 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos robustos K e Kτ dados em (3.52). O corolário a seguir é utilizado para sintetizar controladores que D(α, r)-estabilizam robustamente sistema (3.1)–(3.4) com a utilização da lei de controle (3.5), considerando Kτ = 0. Corolário 3.6 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , 0 < PdT = Pd,j ∈ Rn×n e 3.3. Aplicação ao caso incerto 69 T 0 < Sm,d = Sm,d ∈ Rn×n , m = 0, . . . , d e d = 1, . . . , τ , tais que qΘ′d,j < 0, j = 1 . . . , N, sendo qΘ′d,j d X α T T Pd + F0 ǍT1,d,j + a1,d−1 Z B̌u,j ··· Sm,d − F0 − F0T F0 ǍT0,d,j + Z B̌u,j r m=1 ⋆ −Pd 0 ··· = ⋆ ⋆ −S ··· 1,d . . . .. .. .. .. . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· αd−1 αd T T F0 ǍTd−1,d,j + ad−1,d−1 d−1 Z B̌u,j F0 ǍTd,d,j + d Z B̌u,j r r 0 0 0 0 < 0, (3.83) .. .. . . −Sd−1,d 0 ⋆ −Sd,d em que as matrizes Ǎm,d,j e B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme o Fato 3.2, considerando Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos robustos K dados em (3.54). Exemplo 3.5 — Considere o sistema incerto discreto no tempo com atraso incerto nos estados (3.67). Esse sistema é D(α, r)-estabilizável a partir da Schur estabilização quadrática dos sistemas incertos discretos no tempo com múltiplos atrasos nos estados (3.68)–(3.70) com a utilização do Teorema 3.6 ou por meio da Schur estabilização quadrática dos sistemas incertos discretos no tempo com múltiplos atrasos nos estados (3.71)–(3.73) com a utilização do Corolário 3.6. Note que nessa segunda opção somente os estados atuais são realimentados, ou seja, Kτ = 0. Os valores de α para ambas as situações é α = 0. Já o valor do raio para a primeira situação é r = 0.68, e o valor do raio para segunda situação é r = 0.70. Esses valores de r são os menores em que as condições de análise e de sı́ntese fornecem resultados factı́veis, sendo que eles foram obtidos a partir de uma busca com algoritmo de bissecção. As leis de controle que D(0, 0.68)-estabiliza e D(0, 0.70)-estabiliza o sistema (3.67) são, respectivamente, uk = −0.1006 −1.4793 xk + 0.0137 −0.0357 xk−3 (3.84) e uk = −0.0926 −1.4859 xk . (3.85) Nas Figuras 3.17 e 3.18 são apresentadas as nuvens de autovalores do sistema incerto discreto no tempo com atraso incerto nos estados (3.67) realimentado com a lei de controle (3.78) e com a lei de controle (3.85), respectivamente, considerando as três possibilidades de valores que o atraso pode assumir. Observe que em todos os valores que o atraso pode assumir, o sistema realimentado com ambas as leis de controle resulta nas nuvens de autovalores localizadas no interior das regiões D, como esperado. 70 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade d=2 0.5 Imag d=3 1 −0.5 0.5 Imag 0 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 −0.5 −0.5 0 Real 0.5 1 Imag −1 −1 0.5 0 −0.5 Figura 3.17: Nuvem de autovalores do sistema de malha fechada com realimentação dos estados atuais e atrasados D(0, 0.68)-estabilização. Nas Figuras (3.19)–(3.21) são apresentadas as respostas à entrada nula do sistema (3.67) realimentado com a lei de controle (3.84), gráfico superior, e realimentado com a lei de controle (3.85), gráfico inferior, para todos os valores que o atraso d do sistema pode assumir. Em ambos os casos os valores iniciais dos estados foram x−i = 1 −1 , i = 0, . . . , 3, em que x1 é representado pela linha contı́nua, e x2 é representado pela linha tracejada. Nessas respostas é possı́vel observar que o sistema, utilizando o controlador Kτ , gráfico superior, sempre apresenta um sinal na amostra igual a 3 que é o mesmo valor de τ . Já na condição em que há somente a realimentação dos estados atuais os sinais existentes nessa amostra igual a 3 apresentam valores inferiores à situação anterior. Contudo, observe que os valores das respostas do sistema realimentado com o controlador K e Kτ apresentam amplitudes nos sinais menores que o sistema realimentado somente com K nos instantes anteriores à ação de controle referente a Kτ . Na Figura 3.22 são apresentadas cinco curvas: a curva (a) é referente à condição (3.83), linha contı́nua; a curva (b) é referente ao Teorema 4 de [MC09], linha tracejada; a curva (c) é referente à condição (1.80) via sistema aumentado, ponto traço, sendo que as matrizes Ā(d)j e B̄u (d)j são substituı́das por Ã(d)j e B̃u (d)j , em que essas três condições utilizam a lei de controle uk = Kxk ; a curva (d) é referente à condição (3.82), bullet linha contı́nua; e a curva (e) é referente à condição (1.80) via sistema aumentado, sendo que as matrizes Ā(τ )j e B̄u (τ )j são substituı́das por Ã(τ )j e B̃u (τ )j , sinal de mais linha contı́nua, em que essas duas últimas utilizam a lei de controle uk = 3.3. Aplicação ao caso incerto 71 d=2 0.5 Imag d=3 1 −0.5 0.5 Imag 0 −0.5 0 Real d=1 0.5 −0.5 0 Real 0.5 0 −0.5 −1 −1 −0.5 0 Real 0.5 1 Imag 0.5 0 −0.5 Figura 3.18: Nuvem de autovalores do sistema de malha fechada com realimentação dos estados atuais D(0, 0.70)-estabilização. Sistema realimentado com (3.84), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.85), d = 3 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.19: Simulação temporal do sistema realimentado atraso 3, linha contı́nua estado x1 e linha tracejada estado x2 . Kxk + Kτ xk−τ . Nessas cinco situações houve a variação do parâmetro α e foram encontrados os menores valores de raio para cada caso em que se teve solução factı́vel. Essa busca pelos menores 72 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Sistema realimentado com (3.84), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.85), d = 2 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.20: Simulação temporal do sistema realimentado atraso 2, linha contı́nua estado x1 e linha tracejada estado x2 . Sistema realimentado com (3.84), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Sistema realimentado com (3.85), d = 1 x1 , x2 1 0.5 0 −0.5 −1 −2 0 2 4 6 8 10 Amostras Figura 3.21: Simulação temporal do sistema realimentado atraso 1, linha contı́nua estado x1 e linha tracejada estado x2 . raios foi feita a partir de um algoritmo de bissecção. A partir dessa figura é possı́vel observar que a condição (1.80) via sistema aumentado, utilizando a lei de controle uk = Kxk + Kτ xk−τ , obteve o maior intervalo para o parâmetro α, aproximadamente, −0.24, 0.25 . Já as condições (3.83) e (3.82) apresentam o menor intervalo para α, aproximadamente, −0.13, 0.15 . Na Figura 3.23 são apresentados duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.83) pelos valores dos raios mı́nimos obtidos por meio do Teorema 4 de [MC09], linha contı́nua, e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.83) pelos valores dos raios mı́nimos obtidos pela condição (1.80) 3.3. Aplicação ao caso incerto 73 0.85 rmin 0.8 0.75 (c)→ (a)→ (d)→ 0.7 0.65 ←(b) −0.2 −0.15 −0.1 −0.05 ←(e) 0 α 0.05 0.1 0.15 0.2 0.25 Figura 3.22: Comportamento dos raios mı́nimos em relação aos valores de α: (a) condição (3.83), linha contı́nua; (b) o Teorema 4 de [MC09], linha tracejada; (c) condição (1.80) via sistema aumentado, ponto traço, lei de controle utilizada uk = Kxk ; (d) condição (3.82), bullet linha contı́nua; e (e) condição (1.80) via sistema aumentado, sinal de mais linha contı́nua, lei de controle utilizada uk = Kxk + Kτ xk−τ . via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk . A partir desses gráficos é possı́vel observar que a condição (3.83) apresenta raios mı́nimos maiores que a condição (1.80) via sistema aumentado em praticamente todo o intervalo de α de comparação, sendo que o valor de raio mı́nimo calculado por (3.83) pode chegar a ser 14% maior que o valor de raio mı́nimo calculado por (1.80) via sistema aumentado. Para α = 0 o raio mı́nimo encontrado é o mesmo para ambas as condições. Já na comparação com a condição do Teorema 4 de [MC09], a condição (3.83) apresenta raios mı́nimos menores para valores de α pertencentes ao intervalo −0.06, 0.14 , sendo que em α = 0 tem-se o mesmo valor de raio mı́nimo para ambas as condições. Porém, para α fora desse intervalo a condição (3.83) produz valores de raios mı́nimos mais conservadores que as condições do Teorema 4 de [MC09], podendo a diferença entre esses valores de raios mı́nimos chegar a, aproximadamente, 8%. Na Figura 3.24 são apresentadas duas curvas: uma referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.82) pelos valores dos raios mı́nimos obtidos por meio da condição (1.80) via sistema aumentado, linha tracejada, utilizando a lei de controle uk = Kxk + Kτ xk−τ , e a outra referente à razão dos valores dos raios mı́nimos obtidos a partir da condição (3.82) pelos valores dos raios mı́nimos calculados pela condição (3.83), linha contı́nua, na qual a lei de controle utilizada por essa última é uk = Kxk . A partir da primeira curva é possı́vel perceber que, no intervalo de α pertencente a 0, 0.04 , os valores de raios mı́nimos obtidos pela condição (3.82) são menores que os encontrados pela condição (1.80) via sistema aumentado. Contudo, para valores de α fora desse intervalo os raios mı́nimos obtidos pela condição (3.82) são maiores do que os encontrados pela condição (1.80) via sistema aumentado, podendo os valores dos raios da primeira condição serem, aproximadamente, 20% maiores que os valores dos raios 74 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade 1.15 razão 1.1 1.05 1 0.95 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.23: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.83) pelos raios mı́nimos obtidos por meio do Teorema 4 de [MC09], linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.80) via sistema aumentado, linha tracejada, lei de controle uk = Kxk . da segunda condição, em α = −0.14. Já ao comparar ambas as condições desenvolvidas nessa seção, (3.82) e (3.83), a que utiliza a lei de controle uk = Kxk + Kτ xk−τ apresenta resultados menos conservadores, em relação aos valores de raios mı́nimos, em praticamente todo o intervalo de α considerado na comparação. 1.25 1.2 razão 1.15 1.1 1.05 1 0.95 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.24: Curva obtida a partir da razão dos raios mı́nimos encontrados por meio da condição (3.82) pelos raios mı́nimos obtidos por meio da condição (3.83), linha contı́nua, e raios mı́nimos obtidos a partir da condição (1.80) via sistema aumentado, linha tracejada, lei de controle uk = Kxk + Kτ xk−τ . 3.4. Aplicação ao sistema incerto com atraso conhecido 75 Na Figura 3.25 são apresentadas duas curvas: uma é a razão entre os valores de raios mı́nimos em relação à α encontrados pela condição (3.77) pelos raios mı́nimos obtidos a partir da condição (3.83), linha tracejada, e a outra é a razão entre os valores de raios mı́nimos encontrados pela condição (3.76) pelos raios mı́nimos obtidos por meio da condição (3.82), bullet linha contı́nua. Note que em ambas as curvas são feitas comparações entre as condições com abordagem robusta, (3.77) e (3.76), e as condições com abordagem quadrática, (3.83) e (3.82). A partir dessas curvas é possı́vel perceber que em ambos os casos as condições com abordagem robusta produzem resultados menos conservadores, em relação a valores de raios mı́nimos, que as condições com abordagem quadrática para certos valores de α. Na pior das hipóteses ambos os casos produzem os mesmos resultados para os valores de raios mı́nimos. 1.005 1 razão 0.995 0.99 0.985 0.98 0.975 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.25: Comparação das condições robustas e quadráticas de D(α, r)-estabilização, razão entre condição (3.77) pela condição (3.83), linha tracejada, e razão entre condição (3.76) pela condição (3.82), bullet linha contı́nua. 3.4 Aplicação ao sistema incerto com atraso conhecido Nesta seção é abordado um caso particular da seção anterior, em que o atraso do sistema pertence a um intervalo, mas ele é conhecido e assim é possı́vel realimentar o estado atrasado. Essa caracterı́stica é encontrada em sistemas que trabalham em batelada, sendo assim é possı́vel saber informações desses sistemas de antemão. Por se conhecer o atraso e poder realimentá-lo, espera-se que os resultados aqui encontrados sejam menos conservadores que os encontrados na seção anterior. O sistema tratado nesta seção é o mesmo tratado na Seção 3.1, ou seja, considere o sistema incerto discreto no tempo com atraso nos estados (3.1)–(3.4). A lei de controle para esse sistema muda em relação à apresentada na seção 3.1, sendo assim, uk = Kxk + Kd xk−d , d = 1, . . . , τ, (3.86) 76 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade sendo K ∈ Rq×n e Kd ∈ Rq×n . Essa lei de controle resulta no sistema em malha fechada (3.10)–(3.13). A partir da mudança de base esses sistemas incertos discretos no tempo com atraso conhecido nos estados geram os sistemas (3.57)–(3.63). As matrizes desses sistemas são calculadas conforme o Fato 3.2 utilizando as operações referentes à consideração de que Kτ = 0. A condição de análise de D(α, r)-estabilidade robusta desta seção é a mesma condição de análise da D(α, r)-estabilidade robusta apresentada no Corolário (3.75). 3.4.1 Sı́ntese robusta de controladores T Teorema 3.7 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < Pd,j = Pd,j ∈ Rn×n T e 0 < Sm,d,j = Sm,d,j ∈ Rn×n , j = 1 . . . , N, m = 0, . . . , τ e d = 1, . . . , τ , tais que Θ′′d,j < 0, sendo d X α T T Pd,j + ··· Sm,d,j − F0 − F0T F0 ǍT0,d,j + Z B̌u,j F0 ǍT1,d,j + a1,d−1,j Z B̌u,j r m=1 ⋆ −Pd,j 0 ··· ′′ Θd,j = ⋆ ⋆ −S1,d,j ··· . . . .. .. .. .. . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· d−1 d α α Z + Zd T T F0 ǍTd−1,d,j + ad−1,d−1 d−1 Z B̌u,j F0 ǍTd,d,j + B̌u,j r rd 0 0 0 0 < 0, (3.87) .. .. . . −Sd−1,d,j 0 ⋆ −Sd,d,j em que as matrizes Ǎm,d,j e B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme o Fato 3.2 utilizando as operações referentes à consideração de que Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos K e Kd são dados em (3.52), trocando τ por d na segunda matriz de ganhos. Prova: Considere que na condição (3.75) as matrizes Fm = 0, m = 1, . . . , d + 1, e as matrizes T Ǎm,d,j sejam substituı́das por Ǎm,d,j + B̌u,j Ǩm,d , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N. Com isso obtém-se as condições de sı́ntese (3.87). Exemplo 3.6 — Considere o sistema discreto no tempo com atraso nos estados (3.67). Na Figura 3.26 são apresentadas três curvas referentes aos raios mı́nimos em função de α obtidas: a partir da condição (3.87), curva (a), linha contı́nua, por meio da condição (1.78) via sistema aumentado; curva (b), linha tracejada, em ambos os casos sendo a lei de controle uk = Kxk + Kd xk−d , e a partir da condição (3.76); curva (c), bullet linha contı́nua, sendo essa a mesma curva obtida no Exemplo 3.4, e que utiliza a lei de controle uk = Kxk + Kd xk−τ . A partir dessa figura é possı́vel observar que dentre as três condições a (1.78) via sistema aumentado é a menos 3.4. Aplicação ao sistema incerto com atraso conhecido 77 conservadora no intervalo de α em que houve a comparação. Veja que o intervalo de α nessa condição menos conservadora é de aproximadamente −0.3, 0.3 , enquanto o intervalo de α nas outras duas condições é o mesmo, aproximadamente, −0.13, 0.13 . 0.85 0.8 rmin 0.75 0.7 (c)→ ←(a) 0.65 ←(b) 0.6 −0.2 −0.1 0 α 0.1 0.2 0.3 Figura 3.26: Comportamento dos raios mı́nimos em relação aos valores de α: (a) obtida a partir da condição (3.87), linha contı́nua; (b) obtida por meio do sistema aumentado, linha tracejada; e (c) obtida a partir da condição (3.76), bullet linha contı́nua. Na Figura 3.27 são apresentadas as curvas obtidas a partir da razão da curva de raios mı́nimos obtida por meio da condição (3.87) pela curva obtida pela condição (1.78) via sistema aumentado, linha tracejada, e da razão da primeira curva dividida pela curva de raios mı́nimos obtidas a partir da condição (3.76), linha contı́nua. A partir dessa figura é possı́vel observar que a condição (3.87) apresenta raios menores que a condição (3.76) em praticamente todo o intervalo de α, como era esperado. Contudo, aquela condição, (3.87), é mais conservadora, em relação a valores de raios mı́nimos, que a condição (1.78) via sistema aumentado em todo o intervalo de α em que houve a comparação. Como para o caso robusto, a condição de análise quadrática de D(α, r)-estabilidade desta seção é a mesma condição (3.81) já enunciada na seção 3.3. 78 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade 1.35 1.3 1.25 razão 1.2 1.15 1.1 1.05 1 0.95 0.9 0.85 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.27: Razão entre as curvas de raios mı́nimos, linha tracejada curva de raios mı́nimos obtida por meio da condição (3.87) dividida pela curva obtida pelo sistema aumentado e linha contı́nua curva de raios mı́nimos obtida por meio da condição (3.87) dividida pela curva de raios mı́nimas obtidas a partir da condição (3.76). Sı́ntese quadrática de controladores Teorema 3.8 Se existirem matrizes F0 ∈ Rn×n , Z ∈ Rn×q , Zτ ∈ Rn×q , 0 < PdT = Pd ∈ Rn×n T e 0 < Sm,d = Sm,d ∈ Rn×n , m = 0, . . . , τ e d = 1, . . . , τ , tais que qΘ′′d,j < 0, j = 1 . . . , N, sendo qΘ′′d,j d X α T T Pd + Sm,d − F0 − F0T F0 ǍT0,d,j + Z B̌u,j F0 ǍT1,d,j + a1,d−1,j Z B̌u,j ··· r m=1 ⋆ −Pd 0 ··· = ⋆ ⋆ −S ··· 1,d . . . .. .. .. .. . ⋆ ⋆ ⋆ ··· ⋆ ⋆ ⋆ ··· d−1 d α α Z + Zd T T F0 ǍTd−1,d,j + ad−1,d−1 d−1 Z B̌u,j F0 ǍTd,d,j + B̌u,j r rd 0 0 0 0 < 0, (3.88) .. .. . . −Sd−1,d 0 ⋆ −Sd,d em que as matrizes Ǎm,d,j e B̌u,j , m = 0, . . . , τ , d = 1, . . . , τ e j = 1, . . . , N, são calculadas conforme o Fato 3.2 utilizando as operações referentes à consideração de que Kτ = 0, então o sistema discreto no tempo com atraso nos estados (3.1)–(3.4) é D(α, r)-estabilizável com os ganhos K e Kd são dados em (3.52), trocando τ por d na segunda matriz de ganhos. 3.4. Aplicação ao sistema incerto com atraso conhecido 79 Prova: Considere que na condição (3.87) Pd,j = Pd e Sm,d,j = Sm,d , m = 0, . . . , τ , d = 1, . . . , τ e j = 1 . . . , N. Exemplo 3.7 — Considere o sistema discreto no tempo com atraso nos estados (3.67). Na Figura 3.28 são apresentadas três curvas referentes aos raios mı́nimos em função de α obtidas a partir da condição (3.88), curva (a), linha contı́nua, por meio da condição (1.80) via sistema aumentado; curva (b), linha tracejada, em ambos os casos a lei de controle utilizada é uk = Kxk +Kd xk−d , e a partir da condição (3.82); curva (c), bullet linha contı́nua, sendo essa a mesma curva obtida no Exemplo 3.5, e que utiliza a lei de controle uk = Kxk + Kd xk−τ . A partir dessa figura é possı́vel observar que a condição (1.80) via sistema aumentado é a menos conservadora em relação ao intervalo de α. Veja que o intervalo de α nessa condição é de aproximadamente −0.28, 0.28 , enquanto o intervalo de α nas outras duas condições é o mesmo, aproximadamente, −0.12, 0.13 . 0.85 0.8 rmin 0.75 0.7 (c)→ ←(a) 0.65 ←(b) 0.6 −0.2 −0.1 0 α 0.1 0.2 0.3 Figura 3.28: Comportamento dos raios mı́nimos em relação aos valores de α: (a) obtida a partir da condição (3.88), linha contı́nua; (b) obtida por meio do sistema aumentado, linha tracejada; e (c) obtida a partir da condição (3.82), bullet linha contı́nua. Na Figura 3.29 são apresentadas as curvas obtidas a partir da razão da curva de raios mı́nimos obtida por meio da condição (3.88) pela curva obtida a partir da condição (1.80) via sistema aumentado, linha tracejada, e da razão da primeira curva dividida pela curva de raios mı́nimos obtidos a partir da condição (3.82), linha contı́nua. A partir dessa figura é possı́vel observar que a condição (3.88) é menos conservadora, em relação a valores de raios mı́nimos, que a condição (3.82) em praticamente todo o intervalo de α em que houve a comparação, como era esperado. Contudo, aquela condição, (3.88), apresenta raios mı́nimos maiores que a condição (1.80) via sistema aumentado em praticamente todo o intervalo de α, sendo que em α = 0 o raio mı́nimo de ambas as condições é o mesmo. Na Figura (3.30) é apresentada a comparação entre os raios mı́nimos obtidos a partir da condição (3.87) pelos raios mı́nimos encontrados por meio da condição (3.88). Note que essa condição, abordagem quadrática, é um caso particular daquela, abordagem robusta. A partir 80 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade 1.35 1.3 1.25 razão 1.2 1.15 1.1 1.05 1 0.95 0.9 0.85 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.29: Razão entre as curvas de raios mı́nimos, linha tracejada curva de raios mı́nimos obtida por meio da condição (3.88) dividida pela curva obtida pelo sistema aumentado e linha contı́nua curva de raios mı́nimos obtida por meio da condição (3.88) dividida pela curva de raios mı́nimas obtidas a partir da condição (3.82). da análise dessa figura é possı́vel perceber que a condição robusta produz resultados menos conservadores, em relação a valores de raios mı́nimos, que a condição quadrática, sendo que na pior das hipóteses têm-se os mesmos valores de raio mı́nimo em ambas as condições, dependendo do valor de α, como era esperado. 1.005 1 0.995 razão 0.99 0.985 0.98 0.975 0.97 0.965 −0.1 −0.05 0 α 0.05 0.1 0.15 Figura 3.30: Comparação entre as condições (3.87) pela condição (3.88). 3.5. Conclusões 3.5 81 Conclusões Condições convexas de análise de D(α, r)-estabilidade e de sı́ntese de ganhos robustos de realimentação de estados que D(α, r)-estabilizam sistemas discretos no tempo com atraso no vetor de estado são propostas nesse capı́tulo. Primeiramente, foram abordados os sistemas precisamente conhecidos discretos com atraso incerto no vetor de estado. Em seguida, foram tratados os sistemas incertos discretos no tempo com atraso incerto no vetor de estado. Por último, foram obtidas formulações para tratar os sistemas incertos discretos no tempo com atraso conhecido no vetor de estado, porém com um atraso que pode pertencer a um intervalo pré-determinado. Todas as formulações são feitas em termos de LMIs. Para o uso dessas condições é necessário realizar a transformação de similaridade que foi discutida no Capı́tulo 2. Portanto, as formulações propostas nesse capı́tulo são aplicadas a um sistema equivalente com múltiplos atrasos nos estados. As incertezas, que podem afetar todas as matrizes dos sistemas, são descritas por politopos com vértices conhecidos. As condições propostas foram obtidas a partir de funções de Lyapunov-Krasovskii dependentes de parâmetros. Vários exemplos são apresentados para demonstrar a utilização das condições e compará-las com outros resultados mais fundamentais. A partir de análises dos resultados obtidos a partir dos exemplos explorados foi possı́vel observar que os controladores projetados para realimentar os estados atuais e o estado com um atraso igual a τ são, em geral, menos conservadores que os controladores projetados para realimentar somente os estados atuais. Um outro projeto de controlador explorado nesse capı́tulo é quando o atraso é limitado, mas ele é identificado e sendo assim é possı́vel realimentá-lo para qualquer valor que esse atraso assuma. Em aplicações práticas, esse pode ser o caso de processos que operam em regime de batelada. Os resultados utilizando esse controlador foram comparados com os resultados usando o controlador em que se realimenta o estado com atraso igual a τ . Como esperado, quando o atraso tem como ser identificado e assim ser possı́vel realimentá-lo, são produzidos resultados menos conservadores de quando não se é possı́vel identificá-lo e assim estima-se o pior caso para esse atraso, ou seja, igualá-lo a τ . Comparações de todas as técnicas desenvolvidas nesse capı́tulo foram feitas com resultados já existentes na literatura, para a mesma classe de sistemas, e utilizando a abordagem de sistemas aumentados. Na maioria das comparações as formulações utilizando a abordagem de sistemas aumentados obtiveram resultados menos conservadores, mas em alguns pontos as condições desenvolvidas obtiveram resultados menos conservadores que as condições utilizando sistemas aumentados assim como em comparação com os resultados já existentes na literatura. 82 Capı́tulo 3. Aplicações de modelo equivalente para D(α, r)-estabilidade Capı́tulo 4 Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ Neste capı́tulo alguns problemas de otimização são formulados para tratar a classe dos sistemas lineares incertos discretos no tempo com múltiplos atrasos nos estados por meio de: i) desigualdades matriciais lineares (LMIs), resultando em condições suficientes para a análise da D(α, r)-estabilidade com estimação do custo garantido H∞ ; e ii) desigualdades matriciais bilineares (BMIs), fornecendo condições suficientes para sı́ntese de controladores robustos que D(α, r)-estabilizam com minimização do custo garantido H∞ . Para esse segundo caso, é fornecido um algoritmo de relaxação para resolver a BMI de forma iterativa em que cada passo envolve apenas a solução de LMIs. Tais condições são obtidas a partir de uma função de Lyapunov com matrizes de folga. Os controladores robustos sintetizados podem ser utilizados para realimentação dos estados atuais e passados, em que é necessário conhecer os valores dos atrasos, ou somente para a realimentação dos estados atuais, sendo que nesse caso os atrasos podem ser incertos. As condições propostas neste capı́tulo são uma extensão das condições que tratam somente da D(α, r)-estabilidade já publicadas em [MC09]. Exemplos numéricos são apresentados para demonstrar a eficiência das condições propostas e estabelecer comparações com resultados já existentes na literatura. Parte dos resultados apresentados neste capı́tulo podem ser encontrados em [SL10] e [SLMN10]. 4.1 Preliminares e formulação do problema Considere o sistema linear incerto discreto no tempo com atrasos nos estados dado por S(β) : τ X Ai (β)xk−di + Bu (β)uk + Bw (β)wk xk+1 = A0 (β)xk + i=1 zk = C0 (β)xk + τ X , (4.1) Ci (β)xk−di + Du (β)uk + Dw (β)wk i=1 sendo xk ∈ Rn , uk ∈ Rq , wk ∈ Rℓ e zk ∈ Rp denotam o vetor de estados, entrada controlada, entrada exógena e saı́da medida, respectivamente. Os atrasos são denotados por di ∈ N∗ , i = 83 84 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ 1, . . . , τ e as matrizes Ai (β) ∈ Rn×n , Ci (β) ∈ Rp×n , i = 0, . . . , τ , Bu (β) ∈ Rn×q , Bw (β) ∈ Rn×ℓ , Du (β) ∈ Rp×q , Dw (β) ∈ Rp×ℓ definem o sistema S(β) que é representado por A0 (β) A1 (β) · · · Aτ (β) Bu (β) Bw (β) ∈ Aoℓ , (4.2) S(β) ≡ C0 (β) C1 (β) · · · Cτ (β) Du (β) Dw (β) com Aoℓ = ( S(β) ∈ Rn+p×(1+τ )n+q+ℓ : S(β) = Ω= ( β ∈ RN : βj ≥ 0, N X N X j=1 βj Sj , β ∈ Ω , (4.3) ) (4.4) βj = 1 j=1 ) e os vértices Sj são conhecidos e dados por A0j A1j · · · Aτ j Buj Bwj Sj = . C0j C1j · · · Cτ j Duj Dwj (4.5) Considere a lei de controle dada por uk = Kxk + τ X Ki xk−di , (4.6) i=1 sendo K ∈ Rq×n , Ki ∈ Rq×n , i = 1, . . . , τ , o que resulta em um sistema em malha fechada τ X Ai (β)xk−di + Bw (β)wk xk+1 = A0 xk + i=1 S(β) : , (4.7) τ X Ci (β)xk−di + Dw (β)wk zk = C0 xk + i=1 em que S(β) ≡ com Acℓ = ( A0 (β) A1 (β) · · · Aτ (β) Bw (β) C0 (β) C1 (β) · · · Cτ (β) Dw (β) S(β) ∈ Rn+p×(1+τ )n+ℓ : S(β) = N X j=1 ∈ Acℓ , ) βj Sj , β ∈ Ω , em que Ω é definido em (4.4) e os vértices Sj são A0j A1j · · · Aτ j Bwj Sj = , C0j C1j · · · Cτ j Dwj sendo A0j = A0j + Buj K, C0j = C0j + Duj K Aij = Aij + Buj Ki , Cdj = Cij + Duj Ki , i = 1, . . . , τ. (4.8) (4.9) (4.10) (4.11) Para utilizar a lei de controle (4.6) é necessário que os atrasos do sistema sejam conhecidos. Caso esses atrasos sejam incertos e limitados, basta considerar Ki = 0, i = 1, . . . , τ , na lei de controle (4.6), e que di = τi , i = 1, . . . , τ , em que τi representam os limitantes superiores dos atrasos. Nessa situação é feita somente a realimentação dos estados atuais. Isso produz resultados mais conservadores do que quando se conhece os atrasos e os realimentam. Diante disso, são apresentados os problemas tratados no capı́tulo: 4.2. Principais resultados 85 Problema 4.1 Considerando que o sistema (4.7)–(4.11) seja D(α, r)-estável com condições iniciais nulas, zk ∈ ℓ2 e wk ∈ ℓ2 , determinar γ tal que kzk k2 ≤ γkwk k2 (4.12) seja verificada para todo β ∈ Ω. Nesse caso, γ é um custo garantido H∞ para (4.7). Problema 4.2 Determinar os ganhos robustos de realimentação de estados, K e Ki , i = 1, . . . , τ , quando se conhece os valores dos atrasos, ou somente K, quando não se conhece os atrasos, tais que o sistema (4.1)–(4.5) com a lei de controle (4.6) seja D(α, r)-estável com custo garantido H∞ dado por γ. Os seguintes resultados são utilizados no desenvolvimento das soluções para os problemas 4.1 e 4.2. As provas desses resultados podem ser encontradas em [MC09]. Lema 4.1 Considere X, Y matrices reais e F matriz complexa com QH Q ≤ I. Então, para algum real escalar λ > 0, 1 XQY + Y T QH X T ≤ λXX T + Y T QH QY λ (4.13) Lema 4.2 O sistema (4.7) com Bw = 0 é D(α, r)-estável se A0j − αI + τ X Aij (rv + α)−τi i=1 !H Pj A0j − αI + τ X i=1 Aij (rv + α)−τi ! − r 2 Pj < 0, para |v| ≥ 1 (4.14) em que 0 < PjT = Pj ∈ Rn×n , j = 1, . . . , N, e v é originado da troca de variável v= z−α , r (4.15) sendo que z é o operador avanço. 4.2 Principais resultados Nesta seção são apresentadas condições suficientes para a análise da D(α, r)-estabilidade e estimação do custo garantido H∞ de (4.7)-(4.11) e para a sı́ntese de controladores que assegurem um custo garantido H∞ dado por γ e uma alocação de autoestruturas na região D(α, r) para o sistema (4.1)-(4.6). 86 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ 4.2.1 Análise robusta Teorema 4.1 Se existirem as variáveis de otimização λij ∈ R+ , i = 1, . . . , τ , j = 1, . . . , N, F1 ∈ Rn×n , F2 ∈ Rn×n , F3 ∈ Rp×n , F4 ∈ Rn×ℓ , G1 ∈ Rn×p , G2 ∈ Rn×p , G3 ∈ Rp×p , G4 ∈ Rℓ×p , √ 0 < PjT = Pj ∈ Rn×n , j = 1, . . . , N e µ = γ ∈ R+ , tais que Ψj = T T −r 2 Pj + F1 (A0j − αI) + (A 0j − αI) F1 P τ +G1 C0j + CT0j GT1 + i=1 λij I ⋆ ⋆ ⋆ ⋆ −F1 + (A0j − αI)T F2T + CT0j GT2 Pj − F2 − F2T ⋆ ⋆ ⋆ −G1 + (A0j − αI)T F3T + CT0j GT3 F1 Bwj + G1 Dwj + (A0j − αI)T F4T + CT0j GT4 −G2 − F3T F2 Bwj + G2 Dwj − F4T T I p − G3 − G3 F3 Bwj + G3 Dwj − GT4 T T ⋆ −µIℓ + F4 Bwj + Bwj F4T + G4 Dwj + Dwj GT4 ⋆ ⋆ Ψ15 Ψ25 Ψ35 Ψ45 Ψ55 < 0, j = 1, . . . , N, (4.16) em que Ψ15 = F1 A1j Ψ25 = F2 A1j Ψ35 = F3 A1j Ψ45 = F4 A1j + G1 C1j · · · F1 Aτ j + G1 Cτ j , + G2 C1j · · · F2 Aτ j + G2 Cτ j , + G3 C1j · · · F3 Aτ j + G3 Cτ j , + G4 C1j · · · F4 Aτ j + G4 Cτ j , Ψ55 = diag{λ1j ρ2τ1 I, λ2j ρ2τ2 I, · · · , λτ j ρ2ττ I}, e ρ = min |rv + α|, então o sistema incerto discreto no tempo com múltiplos atrasos nos estados |v|≥1 (4.7)–(4.11) é D(α, r)-estável com custo garantido H∞ dado por γ. Prova: Primeiramente, assume-se uma candidata à função de Lyapunov e toma-se a variação dessa função candidata em k aliada à restrição (4.12). Em seguida, na condição (4.16) é aplicado o complemento de Schur e algumas operações algébricas são realizadas. Com o resultado obtido é utilizado o Lema 4.1. Por último, é feita uma transformação de congruência recuperando a variação da candidata à função de Lyapunov aliada à restrição (4.12). Considere a seguinte candidata à função de Lyapunov V (β, xk ) = xTk P (β)xk , (4.17) P T n em que P (β) = N j=1 βj Pj , β ∈ Ω e 0 < Pj = Pj ∈ R . Isso assegura a positividade de (4.17). Para a estabilidade robusta é também necessário que ∆V (β, xk ) = V (β, xk+1 ) − V (β, xk ) < 0. (4.18) Aliando (4.18) à restrição (4.12) é possı́vel encontrar [PCE+ 05]: ∆V (β, xk ) + zkT zk − γ 2 wkT wk < 0, (4.19) 4.2. Principais resultados 87 ou seja, xTk+1 P (β)xk+1 − r 2 xTk P (β)xk + zkT zk − γ 2 wkT wk < 0, (4.20) o que junto com a positividade de (4.17) assegura a estabilidade com custo garantido H∞ dado por γ. Por outro lado, aplicando o complemento de Schur em (4.16) resulta: Γj = T T −r 2 Pj + F1 (A0j − αI) + (A 0j − αI) F1 P +G1 C0j + CT0j GT1 + τi=1 λij I ⋆ ⋆ ⋆ −F1 + (A0j − αI)T F2T + CT0j GT2 Pj − F2 − F2T ⋆ ⋆ Ψ15 −G1 + (A0j − αI)T F3T + CT0j GT3 F1 Bwj + G1 Dwj + (A0j − αI)T F4T + CT0j GT4 Ψ25 −1 −G2 − F3T F2 Bwj + G2 Dwj − F4T + T T Ψ35 Ψ55 I p − G3 − G3 F3 Bwj + G3 Dwj − G4 T T Ψ45 ⋆ −µIℓ + F4 Bwj + Bwj F4T + G4 Dwj + Dwj GT4 T × Ψ15 ΨT25 ΨT35 ΨT45 < 0. (4.21) Essa pode ser escrita da seguinte forma: Γj = −r 2 Pj + F1 (A0j − αI) +(A0j − αI)T F1T + G1 C0j + CT0j GT1 ⋆ ⋆ ⋆ −F1 + (A0j − αI)T F2T + CT0j GT2 Pj − F2 − F2T ⋆ ⋆ −G1 + (A0j − αI)T F3T + CT0j GT3 F1 Bwj + G1 Dwj + (A0j − αI)T F4T + CT0j GT4 −G2 − F3T F2 Bwj + G2 Dwj − F4T T T I p − G3 − G3 F3 Bwj + G3 Dwj − G4 T T ⋆ −µIℓ + F4 Bwj + Bwj F4T + G4 Dwj + Dwj GT4 F1 Aij + G1 Cij I τ X 0 λij I 0 0 0 + 1 |rv + α|−2τi F2 Aij + G2 Cij × + F3 Aij + G3 Cij 0 λij i=1 F4 Aij + G4 Cij 0 T T Aij F1 + CTij GT1 ATij F2T + CTij GT2 ATij F3T + CTij GT3 ATij F4T + CTij GT4 < 0. (4.22) 88 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ Utilizando o Lema 4.1 em (4.22) com a escolha de X T = I 0 0 0 , Q = (rv − α)−τi e Y = ATij F1T + CTij GT1 ATij F2T + CTij GT2 ATij F3T + CTij GT3 ATij F4T + CTij GT4 , obtém-se Γj ≥ Λ j = −r 2 Pj + F1 (A0j − αI) +(A0j − αI)T F1T + G1 C0j + CT0j GT1 ⋆ ⋆ ⋆ −F1 + (A0j − αI)T F2T + CT0j GT2 Pj − F2 − F2T ⋆ ⋆ −G1 + (A0j − αI)T F3T + CT0j GT3 F1 Bwj + G1 Dwj + (A0j − αI)T F4T + CT0j GT4 −G2 − F3T F2 Bwj + G2 Dwj − F4T Ip − G3 − GT3 F3 Bwj + G3 Dwj − GT4 T T T T ⋆ −µIℓ + F4 Bwj + Bwj F4 + G4 Dwj + Dwj G4 F1 Aij + G1 Cij I τ X F2 Aij + G2 Cij (rv − α)−τi I 0 0 0 + 0 (rv − α)−τi × + F3 Aij + G3 Cij 0 i=1 F4 Aij + G4 Cij 0 T T Aij F1 + CTij GT1 ATij F2T + CTij GT2 ATij F3T + CTij GT3 ATij F4T + CTij GT4 < 0. (4.23) Multiplicando Λj por βj , β ∈ Ω, e somando em j = 1, . . . , N P −r 2 P (β) + F1 (A0 (β) − αI + τi=1 Ai (β)(rv − α)−τi ) + (A0 (β) − αI Pτ P −τi T + ) F1T + G1 (C0 (β) + τi=1 Ci (β)(rv − α)−τi ) i=1 Ai (β)(rv − α) Pτ −τi T + (C ) GT1 0 (β) + i=1 Ci (β)(rv − α) Λ(β) = ⋆ ⋆ ⋆ −F1 + (A0 (β) − αI −G1 + (A0 (β) − αI P P T T + τi=1 Ai (β)(rv − α)−τi ) F2T + τi=1 Ai (β)(rv − α)−τi ) F3T Pτ P τ −τi T T −τi T T + (C0 (β) + i=1 Ci (β)(rv − α) ) G2 + (C0 (β) + i=1 Ci (β)(rv − α) ) G3 T P (β) − F2 − F2 −G2 − F3T ⋆ Ip − G3 − GT3 ⋆ ⋆ P T F1 Bw (β) + G1 Dw (β) + (A0 (β) − αI + τi=1 Ai (β)(rv − α)−τi ) F4T P T + (C0 (β) + τi=1 Ci (β)(rv − α)−τi ) GT4 < 0. (4.24) T F2 Bw (β) + G2 Dw (β) − F4 F3 Bw (β) + G3 Dw (β) − GT4 −µIℓ + F4 Bw (β) + G4 Dw (β) + Bw (β)T F4T + Dw (β)T GT4 A condição (4.24) pode ser escrita da seguinte forma em que Λ(β) = Q(β) + X B(β) + B(β)T X T < 0, (4.25) Q(β) = diag −r 2 P (β), P (β), Ip , µIℓ , (4.26) 4.2. Principais resultados 89 P A0 (β) − αI P + τi=1 Ai (β)(rv + α)−τi −I 0n×p Bw (β) B(β) = , C0 (β) + τi=1 Ci (β)(rv + α)−τi 0p×n −Ip Dw (β) F T F2T F3T F4T F5T X = 1T G1 GT2 GT3 GT4 GT5 T (4.27) (4.28) e v = (z − α)/r, com v e z pertencem ao plano complexo. Pré e pós-multiplicando Λ(β) dado em (4.25) por ykT B(β)⊥T e B(β)⊥ yk , respectivamente, considerando Pτ I Ai (β)(rv + α)−τi −τi i=1 Ci (β)(rv + α) 0ℓ×n A0 (β) − αI + P B(β) = C0 (β) + τ ⊥ i=1 0n×ℓ Bw (β) Dw (β) Iℓ x e yk = k wk (4.29) obtém-se ykT B(β)⊥T Q(β)B(β)⊥ yk = ζkT Q(β)ζk < 0, (4.30) em que ζk = xTk xTk+1 zkT wkT T . (4.31) Desenvolvendo (4.30), sendo µ = γ 2 , a condição (4.20) é recuperada, assegurando a Schur P estabilidade do sistema vX(v) = (A0 (β) − αI + τi=1 Ai (β)(rv + α)−τi ) X(v) com desempenho H∞ garantido dado por γ, o que pelo Lema 4.2 assegura-se a D(α, r)-estabilidade de (4.7)–(4.11). Observação 4.1 O Teorema 4.1 pode ser usado em um problema convexo de minimização para a estimação de um valor subótimo para o custo garantido H∞ , determinando um mı́nimo √ γ = µ tal que (4.16) seja verificada para o sistema (4.7)-(4.11): AH∞ min µ > 0, λij > 0 P = PT > 0 j j : F , F , F 1 2 3 , F4 , G1 , G2 , G3 , G4 tal que µ (4.32) Ψj < 0, em que Ψj é dada em (4.16), i = 1, . . . , τ e j = 1, . . . , N. 4.2.2 Sı́ntese robusta Teorema 4.2 Se existirem as variáveis de otimização λij ∈ R+ ; i = 1, . . . , τ , j = 1, . . . , N, W ∈ Rn×n , Z ∈ Rn×q , Ki ∈ Rq×n , i = 1, . . . , τ , 0 < P̂jT = P̂j ∈ Rn×n , j = 1, . . . , N, 0 < θ < 1, 90 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ 0 > H ∈ Rn×n e Ξj = Pτ i=1 √ µ = γ ∈ R+ , tais que λij I + H + H T −H T W T 0 0n×p 0n×ℓ −2 T T T T ⋆ −r P̂j W (A0j − αI) + ZBuj W C0j + ZDuj 0n×ℓ ⋆ ⋆ P̂j − W T − W 0n×p Bwj ⋆ ⋆ ⋆ −θIp Dwj ⋆ ⋆ ⋆ ⋆ −µIℓ ⋆ ⋆ ⋆ ⋆ ⋆ 0n×τ n 0n×τ n N1j < 0, N2j 0ℓ×τ n −Ψ55 j = 1, · · · , N, (4.33) sendo N1j = A1j + Buj K1 · · · Aτ j + Buj Kτ , N2j = C1j + Duj K1 · · · Cτ j + Duj Kτ e τ = min |rv + α|, então o sistema linear incerto discreto no tempo com múltiplos atrasos nos |v|≥1 estados (4.1)–(4.5) é D(α, r)-estabilizável com custo garantido H∞ dado por γ com os ganhos robustos K = Z T W −T (4.34) e Ki , i = 1, . . . , τ , obtidos diretamente da solução de (4.33). Prova: A partir de (4.16), assuma nulas as matrizes F1 , F3 , F4 , G1 , G2 e G4 . Faça F2 = F e G3 = G. Multiplicando a condição resultante à esquerda por T1 e à direita por T1T , em que T1 = diag{I2 ⊗ F −1 , G−1 , Iℓ+τ n }, (4.35) obtém-se Υj < 0, dado por: P −r 2 F −1 Pj (F −1 )T + τi=1 λij F −1 (F −1 )T F −1 (A0j − αI)T ⋆ F −1 Pj (F −1 )T − (F −1 )T − F −1 ⋆ ⋆ Υj = ⋆ ⋆ ⋆ ⋆ −1 T F C0j 0n×ℓ 0n×τ n 0n×p Bwj N1j G−1 (G−1 )T − (G−1 )T − G−1 Dwj N2j < 0, j = 1, . . . , N, (4.36) ⋆ −µIℓ 0ℓ×τ n ⋆ ⋆ −Ψ55 N1j = A1j · · · Aτ j , N2j = C1j · · · Cτ j . Seguindo [LTP09, Teorema 3.3], com algum conservadorismo pode-se linearizar o bloco (3, 3) dado por G−1 (G−1 )T − (G−1 )T − G−1 com −θIp , para 0 < θ < 1. Portanto, (4.36) pode ser obtida de T2 Ξj T2T , sendo −1 F I 0n×(1+τ )n+p+ℓ T2 = (4.37) 0(1+τ )n+p+ℓ×2n I(1+τ )n+p+ℓ e assumindo F −1 = W , A0j = A0j + Buj K, C0j = C0j + Duj K, Aij = Aij + Buj Ki , Cij = Cij + Duj Ki , i = 1, . . . , τ e j = 1, . . . , N, Z = W K T e P̂j = W Pj W T . 4.2. Principais resultados 91 Observação 4.2 O Teorema 4.2 pode ser usado em um problema de minimização para a sı́ntese de ganhos K e Ki , i = 1, . . . , τ , que aloquem as autoestruturas do sistema (4.1)–(4.6) numa região D(α, r) com minimização do custo garantido H∞ : min µ µ > 0, λ > 0, ij P̂ = P̂ T > 0, j j W, Z, H < 0, (4.38) SH∞ : 0 < θ < 1, Ki , i = 1, . . . , τ tal que Ξj < 0, em que Ξj é dada em (4.33), i = 1, . . . , τ e j = 1, . . . , N. Para a utilização do Teorema 4.2 para sintetizar os ganhos de realimentação dos estados atuais, K, e os ganhos de realimentação dos estados atrasados, Ki , i = 1, . . . , τ , é necessário conhecer os atrasos τi . Caso esses atrasos sejam incertos, as matrizes Ki , i = 1, . . . , τ são consideradas nulas na condição desse Teorema. Note que a condição de sı́ntese (4.33) é uma BMI, pois há um produto entre duas variáveis, H e W . A seguir são apresentados os passos de um algoritmo para resolver essa condição como uma sequência de LMIs. Algoritmo semelhante foi usado em [RGLP09]. Passo 0: Faça H = φI. Passo 1: Encontre um valor para φ < 0 tal que (4.33) seja factı́vel, guarde W . Passo 2: Resolva SH∞ com W do passo anterior, minimizando µ, µW ← µ, guarde H. Passo 3: Resolva SH∞ com H do passo anterior, minimizando µ, µH ← µ, guarde W . Passo 4: Se |µW − µH | < ǫ fim, senão volte ao Passo 2. Exemplo 4.1 — Considere o problema de D(α, r)-estabilização com minimização do custo garantido H∞ de um sistema linear incerto discreto no tempo com múltiplos atrasos nos estados descrito por xk+1 = A0 xk + A1 xk−1 + A2 xk−2 + Bu uk + Bw wk , (4.39) zk = C0 xk + C1 xk−1 + C2 xk−2 + Du uk + Dw wk em que 0.1 + ǫ1 1.0 0 0 0.1 − ǫ2 0 1.0 + ǫ3 A0 = , A1 = , A2 = , Bu = Bω = , 0.05 0.8 − ǫ1 0 0.1 + ǫ2 0 0 0.6 − ǫ3 C0 = 0.2 − ǫ1 1 , C1 = 0.1 − ǫ2 0 , C2 = 0 0.3 + ǫ2 , Du = Dw = 1 + ǫ3 (4.40) e |ǫ1 | ≤ 0.1, |ǫ2 | ≤ 0.05 e |ǫ3 | ≤ 0.1. Esse sistema foi estudado por [MC09], considerando-se apenas as matrizes A0 , A1 , A2 e Bu . Nota-se que esse sistema não é estável em malha aberta e possui dois atrasos nos estados: d1 = 1 e d2 = 2. O politopo que define esse sistema é composto de N = 8 vértices, dado por 92 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ todas as combinações dos valores extremos de ǫ1 , ǫ2 e ǫ3 . Neste exemplo, deseja-se obter os ganhos para realimentação de estados que assegurem a alocação de autoestruturas do sistema em malha fechada na região D(0.1, 0.65) e, simultaneamente, minimize o custo garantido H∞ entre a entrada exógena, wk , e a saı́da medida, zk . Para isso, a condição (4.33) é utilizada, juntamente com o algoritmo fornecido para resolvê-la. Dessa forma, são obtidas as seguintes leis de controle e uk = −0.0016 −1.1149 xk + 0.0019 −0.0517 xk−1 + −0.0613 −0.0174 xk−2 (4.41) uk = 0.0050 −1.0738 xk , (4.42) uk = −0.0036 −1.0479 xk , (4.43) em que (4.41) é utilizado para realimentar os estados atuais e atrasados e (4.42) é utilizado para realimentar somente os estados atuais. Como esperado, a utilização da lei de controle (4.41) reduz o custo garantido H∞ do sistema em malha fechada comparado com o sistema realimentado a partir da lei de controle (4.42). Os custos garantidos H∞ são apresentados na Tabela 4.1 e comparados com os custos garantidos H∞ obtido pela aplicação do Teorema 4.1 no sistema em malha fechada. Na quarta coluna da Tabela 4.1 são apresentados os custos garantidos H∞ obtidos por meio do diagrama de Bode dos sistemas incertos em malha fechada. Nesse caso, foram feitos vários diagramas de resposta em frequência, para valores aleatórios de combinações convexas dos 8 vértices do sistema (4.39)– (4.40) em malha fechada. Esses diagramas são apresentados nas Figuras 4.1 e 4.2, em que o sistema (4.39)–(4.40) está realimentado com as leis de controle (4.41) e (4.42), respectivamente. O pior caso, maior pico desses diagramas, é apresentado e corresponde ao custo garantido H∞ ótimo. A tı́tulo de comparação, na terceira linha dessa tabela são apresentados os valores obtidos com o fechamento da malha usando que está determinado em [MC09], para a mesma região D(0.1, 0.65) estudada neste exemplo. Na Figura 4.3 são apresentados os vários diagramas de resposta em frequência para o sistema em questão realimentado com a lei de controle (4.43). Tabela 4.1: Tabela comparativa dos custos garantidos H∞ Lei de controle γ via (4.33) γ via (4.16) γ via Bode (4.41) 4.7996 4.6438 1.4520 (4.42) 11.7588 10.8761 1.6840 (4.43) — 12.7810 1.7010 Nas figuras 4.4 e 4.5 são apresentadas as nuvens de autovalores de (4.39)–(4.40) em malha fechada utilizando-se, respectivamente, as leis de controle (4.41) e (4.42). Em ambos os casos é possı́vel verificar que os autovalores do sistema incerto realimentado ficaram no interior da região D(0.1, 0.65), como esperado. 4.2. Principais resultados 93 1.8 1.6 |Z(z)/W (z)| 1.4 1.2 1 0.8 0.6 0.4 −1 10 0 10 1 rad/s 10 2 10 Figura 4.1: Diagramas de Bode do sistema realimentado com lei de controle (4.41). 2 1.8 |Z(z)/W (z)| 1.6 1.4 1.2 1 0.8 0.6 0.4 −1 10 0 10 1 rad/s 10 2 10 Figura 4.2: Diagramas de Bode do sistema realimentado com lei de controle (4.42). 2 1.8 |Z(z)/W (z)| 1.6 1.4 1.2 1 0.8 0.6 0.4 −1 10 0 10 1 rad/s 10 2 10 Figura 4.3: Diagramas de Bode do sistema realimentado com lei de controle (4.43). 4.2.3 Abordagem pela estabilidade quadrática As condições apresentadas nesta subseção são obtidas a partir das condições (4.16) e (4.33). Para isso, basta fazer Pj = P , j = 1, . . . , N, na condição de análise e P̂j = P̂ , j = 1, . . . , N, na 94 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 4.4: Nuvem de autovalores do sistema realimentado com a lei de controle (4.41). 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 4.5: Nuvem de autovalores do sistema realimentado com a lei de controle (4.42). condição de sı́ntese. Análise de D(α, r)-estabilidade e estimação de custo garantido H∞ Teorema 4.3 Se existirem as variáveis de otimização λij ∈ R+ , i = 1, . . . , τ , j = 1, . . . , N, F1 ∈ Rn×n , F2 ∈ Rn×n , F3 ∈ Rp×n , F4 ∈ Rn×ℓ , G1 ∈ Rn×p , G2 ∈ Rn×p , G3 ∈ Rp×p , G4 ∈ Rℓ×p , 4.2. Principais resultados 0 < P T = P ∈ Rn×n , j = 1, . . . , N e qΨj = 95 √ µ = γ ∈ R+ , tais que T T −r 2 P + F1 (A0j − αI) + (A 0j − αI) F1 P τ T +G1 C0j + C0j GT1 + i=1 λij I ⋆ ⋆ ⋆ ⋆ −F1 + (A0j − αI)T F2T + CT0j GT2 P − F2 − F2T ⋆ ⋆ ⋆ −G1 + (A0j − αI)T F3T + CT0j GT3 F1 Bwj + G1 Dwj + (A0j − αI)T F4T + CT0j GT4 −G2 − F3T F2 Bwj + G2 Dwj − F4T Ip − G3 − GT3 F3 Bwj + G3 Dwj − GT4 T T ⋆ −µIℓ + F4 Bwj + Bwj F4T + G4 Dwj + Dwj GT4 ⋆ ⋆ Ψ15 Ψ25 Ψ35 Ψ45 Ψ55 <0 j = 1, . . . , N, (4.44) em que ρ = min |rv + α|, então o sistema incerto discreto no tempo com múltiplos atrasos nos |v|≥1 estados (4.7)–(4.11) é D(α, r)-estável com custo garantido H∞ dado por γ. Observação 4.3 O Teorema 4.1 pode ser usado em um problema convexo de minimização para a estimação de um valor subótimo para o custo garantido H∞ , determinando um mı́nimo √ γ = µ tal que (4.16) seja verificada para o sistema (4.7)-(4.11): min µ µ > 0, λ > 0 mj P = PT > 0 (4.45) qAH∞ : F1 , F2 , F3 , F4 , G1 , G2 , G3 , G4 tal que qΨj < 0, em que qΨj é dada em (4.44), i = 1, . . . , τ e j = 1, . . . , N. Sı́ntese para D(α, r)-estabilidade com minimização do custo garantido H∞ Teorema 4.4 Se existirem as variáveis de otimização λij ∈ R+ ; i = 1, . . . , τ , j = 1, . . . , N, W ∈ Rn×n , Z ∈ Rn×q , Ki ∈ Rq×n , i = 1, . . . , τ , 0 < P̂jT = P̂j ∈ Rn×n , j = 1, . . . , N, 0 < θ < 1, √ 0 > H ∈ Rn×n e µ = γ ∈ R+ , tais que qΞj = Pτ T −H T W T 0 0n×p 0n×ℓ i=1 λij I + H + H −2 T T T T ⋆ −r P̂ W (A0j − αI) + ZBuj W C0j + ZDuj 0n×ℓ ⋆ ⋆ P̂ − W T − W 0n×p Bwj ⋆ ⋆ ⋆ −θI D p wj ⋆ ⋆ ⋆ ⋆ −µIℓ ⋆ ⋆ ⋆ ⋆ ⋆ 0n×τ n 0n×τ n N1j < 0, N2j 0ℓ×τ n −Ψ55 j = 1, · · · , N, (4.46) 96 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ em que ρ = min |rv + α|, então o sistema linear incerto discreto no tempo com múltiplos atrasos |v|≥1 nos estados (4.1)–(4.5) é D(α, r)-estabilizável com custo garantido H∞ dado por γ com os ganhos robustos K dado em (4.34) e Ki , i = 1, . . . , τ , obtidos diretamente da solução de (4.46). Observação 4.4 O Teorema 4.4 pode ser usado em um problema de minimização para a sı́ntese de ganhos K e Ki , i = 1, . . . , τ , que aloquem as autoestruturas do sistema (4.1)–(4.6) numa região D(α, r) com minimização do custo garantido H∞ : min µ µ > 0, λ > 0 ij T P̂ = P̂ >0 W, Z, H < 0, qSH∞ : (4.47) 0 < θ < 1, Ki , i = 1, . . . , τ tal que qΞj < 0, em que qΞj é dada em (4.46), i = 1, . . . , τ e j = 1, . . . , N. Como para o caso robusto, a utilização do Teorema 4.4 para sintetizar os ganhos de realimentação dos estados atuais, K, e os ganhos de realimentação dos estados atrasados, Ki , i = 1, . . . , τ , é possı́vel apenas se os atrasos τi forem conhecidos. Caso esses atrasos sejam incertos as matrizes Ki , i = 1, . . . , τ são consideradas nulas na condição do Teorema em questão. Note que a condição de sı́ntese (4.46) é uma BMI, assim como a condição (4.33). O mesmo algoritmo utilizado para resolver SH∞ pode ser aplicado em qSH∞ . Exemplo 4.2 — Considere o sistema linear discreto no tempo com múltiplos atrasos nos estados (4.39)–(4.40). Novamente, deseja-se obter ganhos para realimentação de estados que assegurem a alocação das autoestruturas do sistema em malha fechada na região D(0.1, 0.65) e, simultaneamente, minimize o custo garantido H∞ entre a entrada exógena, wk , e a saı́da medida, zk . Nessa situação é utilizada a condição (4.46), juntamente com algoritmo fornecido para resolvê-la. Assim, são obtidas as seguintes leis de controle e uk = −0.0150 −1.0289 xk + −0.0004 −0.0819 xk−1 + −0.0751 −0.0073 xk−2 uk = −0.0022 −0.9795 xk . (4.48) (4.49) em que (4.48) é utilizado para realimentação dos estados atuais e atrasados e (4.49) é utilizado para realimentação somente dos estados atuais. Na Tabela 4.2 são apresentados os custos garantidos H∞ obtidos na utilização da condição de sı́ntese na geração das leis de controle (4.48) e (4.49). Como esperado, a utilização da primeira lei reduz o custo garantido H∞ do sistema em malha fechada comparado com o sistema realimentado pela segunda lei. Na Tabela 4.2 também são fornecidos os custos garantidos H∞ obtidos pela aplicação do Teorema 4.3 no sistema em malha fechada. Na quarta coluna dessa tabela são apresentados os custos garantidos H∞ obtidos por meio dos diagramas de Bode do sistema incerto em malha fechada. Esses diagramas estão apresentados nas Figuras 4.6 e 4.7 4.2. Principais resultados 97 Tabela 4.2: Tabela comparativa dos custos garantidos H∞ Lei de controle γ via (4.33) γ via (4.16) γ via Bode (4.48) 5.8537 5.8504 1.468 (4.49) 23.3806 23.3783 1.834 1.8 1.6 |Z(z)/W (z)| 1.4 1.2 1 0.8 0.6 0.4 −1 10 0 10 1 rad/s 10 2 10 Figura 4.6: Diagrama de Bode do sistema realimentado com lei de controle (4.48). 2 1.8 |Z(z)/W (z)| 1.6 1.4 1.2 1 0.8 0.6 0.4 −1 10 0 10 1 rad/s 10 2 10 Figura 4.7: Diagrama de Bode do sistema realimentado com lei de controle (4.49). para o sistema realimentado com as leis de controle (4.48) e (4.7), respectivamente. Observe que a região D(0.1, 0.65) foi utilizada no exemplo 4.1, em que as condições (4.16) e (4.33) são utilizadas. Com isso, é possı́vel fazer comparações dos custos garantidos H∞ obtidos com a utilização das condições de análises e de sı́nteses desenvolvidas neste capı́tulo. A partir disso, é possı́vel perceber que os valores para os custos garantidos H∞ fornecidos pelas condições (4.16) e (4.33), Tabela 4.1, são menores que os valores de custos garantidos H∞ fornecidos a partir da utilização das condições (4.44) e (4.46), Tabela 4.2. Com isso, pode-se observar que aquelas condições são menos conservadoras que essas. Isso era esperado, pois as condições mais conservadoras são baseadas na forma quadrática da função candidata de Lyapunov enquanto as condições (4.16) e (4.33) são baseadas na forma robusta da função candidata de Lyapunov. 98 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ Nas figuras 4.8 e 4.9 são apresentadas as nuvens de autovalores de (4.39) em malha fechada utilizando-se, respectivamente, as leis de controle (4.48) e (4.49). Em ambos os casos é 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 4.8: Nuvem de autovalores do sistema realimentado com a lei de controle (4.48). 1 0.8 0.6 0.4 Imag 0.2 0 −0.2 −0.4 −0.6 −0.8 −1 −1 −0.5 0 0.5 1 Real Figura 4.9: Nuvem de autovalores do sistema realimentado com a lei de controle (4.49). possı́vel verificar que os autovalores do sistema incerto realimentado ficaram no interior da região D(0.1, 0.65) como esperado. 4.2.4 Controle Descentralizado O caso de ganho descentralizado é normalmente encontrado quando subsistemas interconectados precisam ser controlados somente por meio de informações locais. Nesses casos, ganhos 4.2. Principais resultados 99 robustos descentralizados de realimentação de estados K = KD e Ki = KD,i , i = 1, . . . , τ podem ser obtidos a partir das condições dos Teoremas 4.2 e 4.4. Isso pode ser feito impondo-se algumas estruturas para as matrizes W , Z e Ki , como se segue: W = WD = diag{W 1, . . . , W ν }, 1 ν Z = ZD = diag{Z 1 , . . . , Z ν } e Ki = KD,i = diag{KD,i , . . . , KD,i }, em que ν denota o número de subsistemas. A partir da abordagem de controle descentralizado descrita, os ganhos robustos descentrali′ zados de realimentação dos estados KD = ZD (WD−1 )′ e KD,i , i = 1, . . . , τ são obtidos diretamente das soluções de (4.33), para o caso robusto, e de (4.46), para o caso quadrático. Vale dizer que, devido ao desacoplamento das matrizes do sistema, as matrizes de Lyapunov P̂ (β), abordagem robusta, e P̂ , abordagem quadrática, não precisam sofrer restrições. Exemplo 4.3 — Considere o sistema linear incerto discreto no tempo com múltiplos atrasos nos estados descritos por (4.39), em que 1.42 −1.88 0.01 1.04 1.78 −0.01 0.61 −0.24 0.01 A0 = −0.06 0.10 0.05 , A1 = −0.15 0.97 0.02 , A2 = −1.59 −0.76 0.05 , −0.08 0.00 1.96 0.00 0.01 −1.10 0.02 0.00 0.32 −1.81 0.09 0.33 0.20 0.00 0.03 0.10 0.00 0.00 , C0 = , C1 = , Bu = Bω = 1.44 0.00 −0.08 0.10 0.00 0.00 0.10 0.02 −0.70 0.00 0.10 0.00 C2 = e Du = Dw = 02×2 , (4.50) 0.00 −0.04 0.00 em que A0 (ρ) = (0.5 − ρ)A0 , A1 (ε) = (0.08 + ε)A1 , A2 (ε) = (0.08 + ε)A2 , Bw (θ) = Bu (θ) = (1.1 − θ)Bw , Ci (ρ) = (0.5 + ρ)Ci, i = 0, 1, 2, com |ρ| ≤ 0.05, |ε| ≤ 0.01 e |θ| ≤ 0.05. Esse sistema produz uma representação politópica de 8 vértices. Ele não é estável em malha aberta e para estabilizá-lo um controle robusto descentralizado é utilizado. Para isso, diferentes estruturas foram impostas às matrizes W e Zi , i = 0, 1, 2, (BMI (4.33) e BMI (4.46)), como descrito em 4.2.4. Os valores dos custos garantidos H∞ para os casos factı́veis são apresentados na Tabela 4.3. Somente as três estruturas apresentadas na Tabela 4.3 foram factı́veis, tanto para a Tabela 4.3: Tabela de custo garantido H∞ , γ, e estrutura de controle. Estrutura γ encontrado com K γ encontrado com K e Ki condição (4.33) e Ki condição (4.46) • 0 0 9.2933 11.6862 0 • • • • 0 1.3533 1.6488 0 0 • Cheio 1.3151 1.6068 abordagem robusta, BMI (4.33), quanto para abordagem quadrática, BMI (4.46). Naturalmente, se as especificações forem atenuadas, outras estruturas poderão ser encontradas. De acordo com os dados apresentados na Tabela 4.3, com a segunda estrutura obtêm-se melhores resultados do que com a primeira estrutura, nesse caso o custo garantido H∞ nesta é 686.7% maior que o 100 Capı́tulo 4. Análise e sı́ntese D(α, r)-estabilidade com custo garantido H∞ custo garantido H∞ naquela, para o caso robusto, enquanto para o caso quadrático essa diferença aumenta para 708, 8%. Por outro lado, o custo garantido H∞ com o controlador “cheio” e com a segunda estrutura são quase os mesmos, para ambas as abordagens. Isso pode indicar que uma simples implementação — usando somente valores locais dos estados — pode conduzir à similar rejeição a distúrbios quando o controlador “cheio” é empregado. 4.3 Conclusões Nesse capı́tulo são desenvolvidas condições suficientes para análise robusta e quadrática da D(α, r)-estabilidade com a estimativa do custo garantido H∞ e para sı́ntese de controladores robustos que D(α, r)-estabilizam um sistema linear discreto com múltiplos atrasos nos estados com minimização do custo garantido H∞ . As condições são adequadas para o tratamento de sistemas com incertezas politópicas. As condições de análises são formuladas em termos de LMIs, e as condições de sı́nteses são formuladas em termos de BMIs. Para esse segundo caso é fornecido um algoritmo de relaxação para resolver essas BMIs de forma iterativa, sendo que cada passo envolve a solução de apenas LMIs. Dessa forma, as LMIs propostas podem ser resolvidas de forma eficiente por meio de algoritmos de pontos interiores. Por último, essas condições foram testadas em exemplos numéricos, que ilustram a potencialidade das técnicas apresentadas, sendo que em um desses exemplos há a comparação com resultados existentes na literatura. As condições de sı́ntese desenvolvidas neste capı́tulo podem ser usadas para o projeto de ganhos de controladores para realimentação dos estados atuais e atrasados, em que os atrasos devem ser conhecidos. Caso esses atrasos sejam incertos, as condições devem ser utilizadas somente para o projeto de ganhos de realimentação dos estados atuais. Essa segunda opção produz resultados mais conservadores que a primeira opção, como está mostrado nos Exemplos 4.1 e 4.2 desenvolvidos no capı́tulo. Esse resultado já era esperado, pois quando o atraso é incerto há um desconhecimento de um parâmetro do sistema e para se trabalhar nessas condições os resultados se tornam mais conservadoras. Capı́tulo 5 Conclusões e Perspectivas Nessa dissertação foram abordados os problemas de alocação regional de autoestruturas para sistemas discretos no tempo com atraso(s) no vetor de estado. No Capı́tulo 1 foi realizada uma revisão de conceitos e definições abordados ao longo do trabalho. No Capı́tulo 2 foram propostas novas condições LMIs de análise da D(α, r)-estabilidade e de sı́ntese de controladores que D(α, r)-estabilizam sistemas discretos no tempo com atraso no vetor de estado. Para a utilização dessas condições é necessário efetuar uma mudança de base nesses sistemas. Essa mudança de base é feita por meio da operação de transformação de similaridade. Nesse capı́tulo é fornecida uma lei de formação para a matriz de transformação de similaridade utilizada na operação de mudança de base. No Capı́tulo 3 foram propostas novas condições LMIs de análise da D(α, r)-estabilidade e de sı́ntese de controladores que D(α, r)-estabilizam sistemas discretos no tempo com atraso no vetor de estado, sendo abordado os seguintes casos: i ) sistemas precisamente conhecidos discretos no tempo com atraso incerto nos estados; ii ) sistemas incertos discretos no tempo com atraso incerto nos estados; e iii ) sistemas incertos discretos no tempo com atraso conhecido nos estados. Para a utilização dessas condições é necessário fazer a mudança de base na classe de sistemas abordadas nesse capı́tulo, sendo que essa mudança de base é efetuada a partir da transformação de similaridade com a utilização da matriz desenvolvida no Capı́tulo 2. Por esse motivo, foi possı́vel desenvolver essas condições a partir de uma função de L-K dependentes de parâmetros com matrizes de folga para sistemas discretos com múltiplos atrasos nos estados. No Capı́tulo 4 foram desenvolvidas novas condições LMIs de análise da D(α, r)-estabilidade com a estimação do custo garantido H∞ e novas condições BMIs de sı́ntese de controladores que D(α, r)-estabilizam com minimização do custo garantido H∞ sistemas discretos no tempo com múltiplos atrasos nos estados. Essas formulações foram desenvolvidas a partir da função de Lyapunov com matrizes de folga e podem ser utilizadas em sistemas precisamente conhecidos ou incertos. Os resultados obtidos nesse Capı́tulo podem ser encontrados em [SL10] e [SLMN10]. As condições propostas tanto no Capı́tulo 3 quanto no Capı́tulo 4 tratam as incertezas dos sistemas como politópicas. Ao longo do desenvolvimento de todas as novas condições propostas nessa dissertação exemplos numéricos foram abordados para demonstrar a eficiência das mesmas. A lei de formação da matriz de mudança de base, Q(α, r, τ ), desenvolvida no Capı́tulo 2, foi obtida por meio de observações dos resultados das operações de transformação de similaridade 101 102 Capı́tulo 5. Conclusões e Perspectivas de sistemas com atrasos de 1 até 10. A partir disso, foi possı́vel perceber que havia uma regra de formação para essa matriz, Q(α, r, τ ). Contudo, ainda não se tem uma prova formal para justificar a mesma. As formulações propostas no Capı́tulo 3 apresentam limitações perante a complexidade numérica. Elas são geradas a partir do aumento do vetor de estados e para isso é necessário que o atraso nos sistemas em questão sejam conhecidos. Como nesse capı́tulo foram desenvolvidas condições em que o atraso dos sistemas são incertos e limitados é necessário resolver uma LMI para cada valor que o atraso do sistema pode assumir. Porém, em alguns testes numéricos foi possı́vel encontrar que Π′τ +1 < 0 implica em Π′τ < 0, quando considera-se a lei de controle uk = Kxk , ou uk = Kxk +Kd xk−d . Já para a lei de controle uk = Kxk +Kτ xk−τ alguns exemplos numéricos mostraram que Πτ < 0 e Πτ −1 implicam em Πτ −i < 0, i = 2, . . . , τ − 1. Contudo, esses resultados foram obtidos somente em exemplos numéricos, mas os mesmos mostram que é interessante a investigação para um caso genérico. Novas condições de análise e de sı́ntese podem ser obtidas a partir das condições desenvolvidas nos Capı́tulos 2 e 3. Isso pode ser feito com relativa facilidade utilizando funções de L-K mais completas. Com isso, espera-se obter condições menos conservadoras. Com relação às condições de sı́nteses desenvolvidas no Capı́tulo 3, as mesmas podem ser estendidas para a obtenção de condições de sı́ntese de controladores baseados na realimentação de saı́da, além da implementação da minimização do custo garantido H∞ . As condições desenvolvidas no Capı́tulo 4 podem ser estendidas para a obtenção de condições que sintetizam controladores baseados na realimentação de saı́da. Além disso, elas também podem ser estendidas para o caso da lei de controle uk = Kxk + Kτ xk−τ , que foi implementada no Capı́tulo 3. Como as formulações de sı́ntese de controladores do Capı́tulo 4 têm produtos de duas variáveis, elas não são convexas. Sendo assim, torna-se interessante o uso de algoritmos não convexos para resolver essas BMIs e com isso obter resultados menos conservadores. Trabalhos produzidos - L. F. P. Silva e V. J. S. Leite, Sı́ntese robusta com alocação regional de polos e custo garantido H∞ para sistemas discretos no tempo com múltiplos atrasos nos estados, in: Anais do XVIII Congresso Brasileiro de Automática, Bonito, MS, Brasil. Páginas 187192. Setembro 2010. - L. F. P. Silva, V. J. S. Leite, M. F. Miranda e E. G. Nepomuceno, D-stabilization with minimization of the H∞ -guaranteed cost for uncertain discrete-time systems with multiple delays in the state, in: Proceedings of the 49th IEEE Conference on Decision Control, Atlanta, GA, USA. Pages 998-1003. December 2010. Apêndice A Ferramentas A.1 Desigualdades Matriciais Lineares – LMIs Com o desenvolvimento de métodos de pontos interiores para problemas de programação semidefinida, SDP (do inglês semidefinite programming problem), desigualdades matriciais lineares, LMIs (do inglês linear matrix inequalities), têm sido uma ferramenta útil para resolução de problemas de controle. A ideia básica do método de LMIs é expressar o problema dado como um SDP. A formulação de LMIs é relevante por várias razões. Uma dessas razões é que escrevendo um dado problema nessa forma, as soluções numéricas podem ser encontradas de forma eficiente [BEFB94] [GN00]. Uma desigualdade matricial linear tem a seguinte forma: F (p) = F0 + m X pi Fi > 0 (A.1) i em que pi ∈ Rm , para i = 1, . . . , m, são variáveis escalares a serem determinadas e Fi ∈ Rn×n , para i = 0, 1, . . . , m são matrizes simétricas precisamente conhecidas. A desigualdade significa que F (p) é uma matriz definida positiva, ou seja, z T F (p)z > 0, ∀z 6= 0, z ∈ Rn (A.2) Isso significa que F (p) é uma função afim dos elementos de p, que representa um vetor p = [p1 , . . . , pm ]. A equação (A.1) é uma LMI estrita. No caso em que F (p) é semidefinida positiva, essa seria uma LMI não estrita. A LMI estrita é factı́vel quando existe um vetor p que torna a desigualdade verdadeira, ou seja, F (p) uma matriz definida positiva. Uma LMI não estrita factı́vel pode ser reduzida para o caso de uma LMI estrita factı́vel equivalente. Isso pode ser feito acrescentando um valor constante à matriz F (p), tornando essa matriz definida positiva, ou seja, F (p) + ǫI > 0. Uma LMI pode ser reescrita em termos de um conjunto de desigualdades escalares. De forma mais especı́fica, considere a LMI (A.1), ela é equivalente a n desigualdades polinomiais. Para exemplificar, considere as desigualdades apresentadas em (1.9), P < 0 e AT P A − P > 0, que 103 104 Apêndice A. Ferramentas são LMIs, na qual a b A= c d . As desigualdades podem ser escritas em p1 p2 1 > 0 ⇐⇒ p2 p3 0 T A PA − P = p1 p2 P = p2 p3 termos das incógnitas do problema, p1 , p2 e p3 , assim 0 0 1 0 0 p + p + p >0 0 1 1 0 2 0 1 3 a2 p1 + 2acp2 + c2 p3 abp1 + (ad + bc)p2 + cdp3 = abp1 + (ad + bc)p2 + cdp3 b2 p1 + 2bdp2 + d2 p3 2 2 a ab 2ac bc + ad c cd p1 + p2 + p3 < 0 ab b2 ad + bc 2bd cd b2 . Observe que no exemplo dado a matriz F0 é nula. De acordo com [WB95, pag 951] e [VB00], as restrições podem ser colocadas em termos dos menores principais lı́deres de P e de AT P A − P , resultando em • p1 > 0, p3 > 0, p1 p3 − p22 > 0, • a2 p1 + 2acp2 + c2 p3 < 0, b2 p1 + 2bdp2 + d2 p3 < 0, (a2 p1 + 2acp2 + c2 p3 )(b2 p1 + 2bdp2 + d2 p3 ) − (abp1 + (ad + bc)p2 + cdp3 )2 < 0 É interessante salientar que, ao se representar uma LMI por um conjunto n de desigualdades polinomiais, caso n > 1, esses polinômios serão não-lineares, como acontece no exemplo dado acima. Uma importante propriedade das LMIs é a convexidade, ou seja, o conjunto de soluções x que atende à desigualdade é convexo. Em um problema de otimização convexa, o mı́nimo local encontrado é o mı́nimo global. Isso torna a solução do problema simples do ponto de vista de otimização. Um conjunto C é convexo se λx + (1 − λ)y ∈ C para todo x, y ∈ C e λ ∈ 0, 1 . A.2 Complemento de Schur Considere a matriz quadrada simétrica X A B X= BT C (A.3) O complemento de Schur pode ser usado na caracterização da positividade de X, com as seguintes propriedades: • X > 0 se e somente se A > 0 e C − B T A−1 B > 0; • X > 0 se e somente se C > 0 e A − BC −1 B T > 0; • se A > 0, X ≥ 0 se e somente se C − B T A−1 B ≥ 0; • se C > 0, X ≥ 0 se e somente se A − BC −1 B T ≥ 0. A.3. Lema de Finsler 105 A matriz C − B T A−1 B é chamada de complemento de Schur de X em relação a A se det(A) 6= 0. Se det(C) 6= 0, A − BC −1 B T é o complemento de Schur de X em relação a C. Manipulações envolvendo o complemento de Schur permitem transformar desigualdades convexas não-lineares, que regularmente aparecem em problemas de controle, em LMIs [VB00], [OP10]. Prova: A partir da transformação de congruência, caso exista A−1 , tem-se 0 I A−1 B A B I 0 A (A.4) X= = I BT C B T A−1 I 0 C − B T A−1 B 0 {z } | {z } | TT T Como T é uma matriz não singular A B A 0 > 0 ⇐⇒ >0 BT C 0 C − B T A−1 B Analogamente, se existe C −1 existe, I 0 A B I BC −1 A − BC −1 B T 0 X= = 0 I 0 C C −1 B T I BT C e, portanto, A.3 A B A − BC −1 B T 0 > 0 ⇐⇒ >0 BT C 0 C (A.5) (A.6) (A.7) Lema de Finsler O Lema de Finsler pode ser usado para expressar condições de estabilidade em termos de desigualdades matriciais equivalentes, introduzindo ou eliminando variáveis [OP10]. Como esse Lema tem sido utilizado frequentemente em teoria de controle para eliminar variáveis, ele também é conhecido como Lema da Eliminação [BEFB94]. A seguir está enunciado o Lema. Lema A.1 (Lema de Finsler) Sejam ϕ ∈ Rn , Q(β) ∈ Rn×n , simétrica, e B(β) ∈ Rm×n , P β: N j=1 βj = 1, βj ≥ 0, j = 1, . . . , N, tal que o posto(B(α)) < n. As seguintes afirmativas são equivalentes: 1. i) ϕT Q(β)ϕ < 0, ∀ϕ : B(α)ϕ = 0, ϕ 6= 0 2. ii) B⊥ (β)T Q(β)B⊥ (β), em que B⊥ (β) denota uma base para o espaço nulo de B(β) 3. iii) ∃µ(β) ∈ R+ : Q(β) − µB(β)T B(β) < 0 4. iv) ∃X (β) ∈ Rn×m : Q(β) + X (β)B(β) + B(β)T X (β)T < 0 Prova: A prova do Lema de Finsler é baseada na demonstração apresentada em [dS01], para o caso exato. Verifica-se i)⇔ii), pois todo x tal que B(β)x = 0 e , consequentemente, i)⇒ y T B⊥ (β)T Q(β)B⊥ (β)y < 0, para todo y 6= 0 ⇒ B⊥ (β)T Q(β)B⊥ (β) < 0. Por outro lado, 106 Apêndice A. Ferramentas assumindo que ii) é verificada, multiplique o lado esquerdo dessa condição, à direita por y 6= 0 e à esquerda por y T para obter i). Multiplique o lado esquerdo de iii) ou iv) à direita por B⊥ (β) e à esquerda por B⊥ (β)T para obter ii). Assumindo que ii) é verificada, a condição iii) pode ser recuperada como segue: fatore B(β) em um produto de matrizes de posto completo, B(β) = Bℓ (β)Br (β), defina W(β) = T 0.5 Br (β)T Br (β)Br (β)T Bℓ (β)T Bℓ (β) e aplique a transformação de congruência W(β)T B⊥ (β)T Q(β) − µ(β)B(β)T B(β) W(β) B⊥ (β) W(β)T Q(β)W(β) − µ(β)I W(β)T Q(β)B⊥ (β) = < 0 (A.8) ⋆ B⊥ (β)T Q(β)B⊥ (β) Como o bloco (2, 2) (A.8) é definido negativo (por hipótese), conclui-se que existe µ(β) ∈ R+ suficientemente grande tal que a condição acima seja verificada. Resta mostrar que iii)⇒iv). Para isso, basta escolher X (β) = −µ(β)B(β)T /2. Bibliografia [AG07] Y. Ariba and F. Gouaisbaut. Delay-dependent stability analisis of linear systems with time-varying delay. In Proceedings of the 46th IEEE Conference on Decision and Control, pages 2053–2058, New Orleans, LA, USA, December 2007. [ÅW84] K. J. Åström and B. Wittenmark. Computer Controlled Systems: Theory and Design. Prentice Hall Inc., Englewood Cliffs, NJ, 1984. [Bar85] B. R. Barmish. Necessary and sufficient conditions for quadratic stabilizability of an uncertain system. Journal of Optimization Theory and Applications, 46(4):399– 408, 1985. [BEFB94] S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan. Linear Matrix Inequalities in System and Control Theory. SIAM Studies in Applied Mathematics, Philadelphia, Pennsylvania, 1994. [Bha07] A. Bhaya. Enciclopédia de Automática - Controle e Automação, volume 2, chapter Estabilidade de Sistemas Dinâmicos Lineares, pages 67–91. Editora Blücher, São Paulo, SP, 2007. [BOAP10] R. A. Borges, R. C. L. F. Oliveira, C. T. Abdallah, and P. L. D. Peres. Robust H∞ networked control for systems with uncertain sampling rates. IET Control Theory and Applications, 4:50–60, 2010. [CC06] S.-H. Chen and J.-H. Chou. Robust D-stability analysis for linear uncertain discrete singular systems with state delay. Applied Mathematics Letters, 19:197–205, February 2006. [CG96] M. Chilali and P. Gahinet. H∞ design with pole placement constraints: An LMI approach. IEEE Transactions on Automatic Control, 41(3):358–367, March 1996. [Che99] C.-T. Chen. Linear System Theory and Design. Oxford, New York, USA, 3rd edition, 1999. [Che03] S.-H. Chen. Robust D-stability analysis for linear discrete singular time-delay systems with structured and unstructured parameter uncertainties. IMA Journal of Mathematics Control and Information, 20:153–165, 2003. 107 108 Bibliografia [Che10] G. Chesi. Time-invariant uncertain systems: A necessary and suficient condition for stability and instability via homogeneous parameter-dependent quadratic Lyapunov functions. Automatica, 46:471–474, 2010. [dH03a] M. C. de Oliveira and J. W. Helton. Computer algebra tailored to matrix inequalities in control. In Proceedings of the 42nd IEEE Conference on Decision and Control, pages 4973–4978, Maui, Hawaii, USA, December 2003. [dH03b] M. C. de Oliveira and J. W. Helton. Doing systems and control with ncalgebra, a symbolic noncommutative algebra toolbox. In Proceedings of the 11th Mediterranean Conference on Control and Automation, pages 6242–6247, Rhodes, Greece, June 2003. [dH06] M. C. de Oliveira and J. W. Helton. A symbolic procedure for computing semidefinite program duals. In Proceedings of the 45th IEEE Conference on Decision and Control, pages 5192–5197, San Diego, CA, USA, December 2006. [dOOL+ 04] P. J. de Oliveira, R. C. L. F. Oliveira, V. J. S. Leite, V. F. Montagner, and P. L. D. Peres. H∞ guaranteed cost computation by means of parameter dependent Lyapunov functions. Automatica, 40(6):1053–1061, June 2004. [dOP07] M. C. de Oliveira, R.C.L.F. Oliveira, and P.L.D. Peres. Schur stability of polytopic systems through positivity analysis of matrix-valued polynomials. In Proceedings of the 46th IEEE Conference on Decision and Control, pages 6322–6327, New Orleans, LA, USA, December 2007. [dS01] M. C. de Oliveira and R. E. Skelton. Stability tests for constrained linear systems. Perspectives in Robust Control, 268:241–257, 2001. Lectures Notes in Control and Information Sciences. [dSJL07] J. M. Gomes da Silva Jr. and V. J. S. Leite. Enciclopédia de Automática - Controle & Automação, chapter Sistemas Lineares com Atrasos de Tempo, pages 108–123. Editora Blücher, São Paulo, SP, 2007. [GKC03] K. Gu, V. L. Kharitonov, and J. Chen. Stability of Time-delay Systems. Control Engineering. Birkhäuser, Boston, 2003. [GN00] L. E. Ghaoui and S. I. Niculescu. Advances in Linear Matrix Inequality Methods in Control, chapter Robust Decision Problems in Engineering: A Linear Matrix Inequality Approach, pages 3–37. Society for Industrial and Applied Mathematics, California, USA, 2000. [GX04] L. Gao and A. Xue. On LMI robust D-stability condition for real convex polytopic uncertainty. In Proceedings of the 5th World Congress on Intelligent Control and Automatic, volume 1, pages 151–154, Hangzhou, China, June 2004. Bibliografia [HB92] 109 W. M. Haddad and D. S. Bernstein. Controller design with regional pole constraints. IEEE Transactions on Automatic Control, 37(1):54–69, January 1992. [HWHS08] Y. He, M. Wu, Q.-L. Han, and J.-H. She. Delay-dependent H∞ control of linear discrete-time systems with an interval-like time-varying delay. Internacional Journal of Systems Science, 39:427–436, April 2008. [HZ10] F. Hao and X. Zhao. New delay-dependent stability conditions for discrete-time systems with time-varying delay in the state. IMA Journal of Mathematical Control and Information, 27:253–266, July 2010. [KH98] V. Kapila and W. M. Haddad. Memoryless H∞ controllers for discrete-time systems with time delay. Automatica, 34(9):1141–1144, 1998. [Lee95] C.-H. Lee. D-stability of continous time-delay systems subjected to a class of highly structured perturbations. IEEE Transactions on Automatic Control, 40(10):1803– 1807, October 1995. [LLZY10] Z. Liu, S. Lü, S. Zhoung, and M. Ye. Stabilization analysis for discrete-time systems with time delay. Applied Mathematical and Computation, 216:2024–2035, 2010. [LM08a] V. J. S. Leite and M. F. Miranda. Convex analisis and synthesis for uncertain discrete-time systems with time-varying state delay. In Proceedings of the 2008 American Control Conference, pages 4910–4915, Seattle, Washington, USA, June 2008. [LM08b] V. J. S. Leite and M. F. Miranda. Robust stabilization of discrete-time systems with time-varying delay: An LMI approach. Mathematical Problems in Engineering, pages 1–15, 2008. [LM08c] V. J. S. Leite and M. F. Miranda. Stabilization of discrete time-varying delay systems: A convex parameter dependent approach. In Proceedings of the 2008 American Control Conference, pages 4934–4939, Seattle, Washington, USA, June 2008. [LMdO+ 04] V. J. S. Leite, V. F. Montagner, P. J. de Oliveira, R. C. L. F. Oliveira, D. C. W. Ramos, and P. L. D. Peres. Estabilidade robusta de sistemas lineares através de desigualdades matriciais lineares. Revista Controle & Automação, 15:24–40, Fev e Março 2004. [LMP04] V. J. S. Leite, V. F. Montagner, and P. L. D. Peres. Alocação robusta de polos através de realimentação de estados dependentes de parâmetros. Revista Controle & Automação, 15(2):127–134, Junho 2004. [LP03] V. J. S. Leite and P. L. D. Peres. An improved LMI condition for robust D-stability of uncertain polytopic systems. IEEE Transactions on Automatic Control, 48:500– 504, March 2003. 110 Bibliografia [LTP04] V. J. S. Leite, S. Tarbouriech, and P. L. D. Peres. Controle robusto H∞ de sistemas discretos com atraso nos estados: Condições LMI independentes do atraso. In Anais do XV Congresso Brasileiro de Automática, Gramado, RS, Brasil, 2004. [LTP09] V. S. J. Leite, S. Tarbouriech, and P. L. D. Peres. Robust H∞ state feedback control of discrete-time systems with state delay: an LMI approach. IMA Journal of Mathematical Control and Information, pages 1–17, August 2009. [LY10] Y. Liu and G. Yang. New delay-dependent stability criteria for continous-time systems with delay. In Proceedings of the 2010 Chinese Control and Control Conference(CCDC), pages 2887–2892, Xuzhou, China, July 2010. [MC06] W.-J. Mao and J. Chu. D-stability for linear continous-time systems with multiple time delays. Automatica, 42:1589–1592, March 2006. [MC09] W.-J. Mao and J. Chu. D-stability and D-stabilization of linear discrete time-delay systems with polytopic uncertainties. Automatica, 45:842–846, January 2009. [ML08] M. F. Miranda and V. J. S. Leite. Sı́ntese convexa para sistemas incertos discretos no tempo com atraso variantes. Revista Controle & Automação, 19(3):242–255, Julho 2008. [MLP03] V. F. Montagner, V. J. S. Leite, and P. L. D. Peres. Discrete-time switched systems: Pole location and strutural constrained control. In Proceedings of the 42nd IEEE Conference on Decision and Control, pages 6242–6247, Maui, Hawaii, USA, December 2003. [MS04] O. Mason and R. Shorten. On common quadratic Lyapunov functions for stable discrete-time LTI systems. IMA Journal of Applied Mathematics, 69:271–283, 2004. [MZRZ07] Y. Mao, Q. Zhang, Y. Ren, and X. Zhang. H∞ guaranteed cost control for timedelay uncertain discrete systems. IEEE Transactions on Automatic Control, pages 1–6, July 2007. [Oga85] K. Ogata. Engenharia de Controle Moderno. Prentice Hall Brasil, Rio de Janeiro, Brasil, 1985. [OP07] R.C.L.F. Oliveira and P.L.D. Peres. Parameter dependent LMIs in robust analysis: characterization of homogenous polinomially parameter-dependent solution via lmi relaxations. IEEE Transactions on Automatic Control, 52(2):1334–1340, July 2007. [OP10] R. C. L. F. Oliveira and P. L. D. Peres. Tutoriais XV III Congresso Brasileiro de Automática, chapter Análise e Controle de Sistemas Lineares por meio de Desigualdades Matriciais Lineares, pages 203–227. Cultura Acadêmica Editora, 2010. [PABB00] D. Peaucelle, D. Arzelier, O. Bachelier, and J. Bernussou. A new robust D-stability condition for real convex polytopic uncertainty. Systems & Control Letter, 40:21– 30, May 2000. Bibliografia 111 [PCE+ 05] R. M. Palhares, C. D. Campos, P. Ya. Ekel, M. C. R. Leles, and M. F. S. V. D’Angelo. Delay-dependent robust H∞ control of uncertain linear systems with lumped delays. IEE Proceedings — Control Theory and Applications, 152(1):27– 33, January 2005. [RGLP09] L. A. Rodrigues, E. N. Gonçalves, V. J. S. Leite, and R. M. Palhares. Robust reference model control with LMI formulation. In Proceedings of the IASTED International Conference on Identifications, pages 127–132, Cambridge, UK, December 2009. [Ric03] J. P. Richard. Time-delay systems: An overview of some recent advances and open problems. Automatica, 39:1667–1694, April 2003. [RN09] F. Rassol and S. K. Nguang. Quantised robust H∞ output feedback control of discrete-time systems with random communication delays. In Proceedings of the 2009 IEEE International Conference on Control and Automation, pages 1399–1404, New Zealand, December 2009. [RNHZ10] F. Rassol, S. K. Nguang, D. Huang, and L. Zhang. Quantised robust H∞ control of discrete-time systems with random communication delays. In Proceedings of the 48th IEEE International Conference on Decision and Control and 28th Chinese Control Conference, pages 4081–4086, Shanghai, China, December 2010. [SDM07] S. B. Stojanovic, D. Lj. Debeljkovic, and I. Mladenovic. A Lyapunov-Krasovskii methodology for assimptotic stability of discrete time delay systems. Serbia Journal of Electrical Engineering, 4(2):109–117, November 2007. [SFL10] M. Sun, D. Fu, and P. Lin. D-stability analysis for discrete system with time delay. In International Conference On Computer Design And Application (ICCDA), volume 3, pages 239–242, Qinhuangdao, China, August 2010. [SL10] L. F. P. Silva and V. J. S. Leite. Sı́ntese robusta com alocação regional de pólos e custo garantido H∞ para sistemas discretos no tempo com múltiplos atrasos nos estados. In Anais do XVIII Congresso Brasileiro de Automática, pages 187–192, Bonito, MS, Brasil, Setembro 2010. [SLMN10] L. F. P. Silva, V. J. S. Leite, M. F. Miranda, and E. G. Nepomuceno. D-stabilization with minimization of the H∞ -guaranteed cost for uncertain discrete-time systems with multiple delays in the state. In Proceedings of the 49th IEEE Conference on Decision Control, pages 998–1003, Atlanta, GA, USA, December 2010. [SLRW08] X. M. Sun, G. P. Liu, D. Rees, and W. Wang. Stability of systems with controller failure and time-varying delay. IEEE Transactions on Automatic Control, 53(10):2391–2396, November 2008. 112 Bibliografia [SPL08] F. O. Souza, R. M. Palhares, and V. J. S. Leite. Improved robust H∞ control for neutral systems via discretized Lyapunov-Krasovskii functional. International Journal of Control, 81(9):1462–1474, September 2008. [STPB09] P. Seiler, U. Topcu, A. Packard, and G. Balas. Parameter-dependent Lyapunov functions for linear systems with constant uncertainties. IEEE Transactions on Automatic Control, 54(10):2410–2416, October 2009. [Tak98] R. H. C. Takahashi. Controle Singular de Sistemas Incertos. PhD thesis, Universidade Estadual de Campinas, Maio 1998. [VB00] J. G. VanAntwerp and R. D. Braatz. A tutorial on linear and bilinear matrix inequalities. Journal of Process Control, 10:363–385, August 2000. [WB95] C. R. Wylie and L. C. Barret. Advanced Engineering Mathematics. McGraw-Hill, 6th edition, 1995. [WB02] Z. Wang and K. J. Burnham. Lmi approach to output feedback control for linear uncertain systems with D-stability constraints. Journal of Optimization Theory and Applications, 113:357–372, May 2002. [WHH06] Y. Weili, J.-F. Han, and S.-Q. Hu. On new suffcient condtions for the Schur D-stability of discrete dynamic interval systems. In Proceedings of the 15th International Conference on Machine Learning and Cybernetics, pages 1558–1560, Dalian, China, August 2006. [WL10] Z. Wang and W. Li. New delay-dependent robust stability criteria for uncertain systems with interval time-varying delay. In Proceedings of the 2nd International Workshop on Congress on Intelligent Control and Automation, pages 1–3, Wuhan, Hubei, China, May 2010. [WLXG05] Q. Wang, J. Lam, S. Xu, and H. Gao. Delay-dependent and delay-independent energy-to-peak model approximation for systems with time-varyins delay. Internacional Journal of Systems Science, 36:445–460, June 2005. [XL10] S. Xu and J. Lam. A survey of linear matrix inequality techniques in stability analysis of delay systems. International Journal of Systems Science, 39(12):1095– 1113, December 2010. [XLS+ 07] Y. Xia, G. P. Liu, P. Shi, D. Rees, and E. J. C. Thomas. New stability and stabilization conditions for systems with time-delay. International Journal of Systems Science, 38(1):17–24, January 2007. [XLZ02] S. Xu, J. Lam, and L. Zheng. Robust D-stability analysis for uncertain discrete singular systems with state delay. IEEE Transactions on Circuits and Systems I: Fundamental Theory and Application, 49:551–555, April 2002. Bibliografia 113 [ZCC06] L. Zhang, Y. Chen, and P. Cui. Delay-dependent guaranteed cost control for uncertain discrete -time state-delayed systems. In Proceedings of the 6th World Congress on Intelligent Control and Automation, pages 2244–2248, Dalian, China, June 2006. [Zho99] K. Zhou. Essential of Robust Control. Prentice Hall, May 1999. [ZHW06] X.-M. Zhang, Q.-L. Han, and M. Wu. A new finite sum inequality for delaydependent H∞ control of discrete-time delay systems. In Proceedings of the 6th World Congress on Intelligent Control and Automation, pages 364–368, Dalian, China, June 2006.