Baixar este arquivo PDF
Transcrição
Baixar este arquivo PDF
CONTROLE PID NEBULOSO COM ALOCAÇÃO DE PÓLOS: ESTUDO APLICADO A ROBÔ MANIPULADOR COM ELO ÚNICO G INALBER L. O. S ERRA1 , A DRIANO M. M AGALHÃES2 1 Instituto Federal de Educação, Ciência e Tecnologia Departamento de Eletroeletrônica Laboratório de Inteligência Computacional Aplicada à Tecnologia Av. Getúlio Vargas, 04 - Campus Monte Castelo 65030-005 - São Luís (MA)- Brazil 1 [email protected] 2 Faculdade Pitágoras Coordenação de Engenharia Elétrica Av. Daniel De La Touche, 23 - Olho D’água 65045-250 - São Luís (MA)- Brazil 2 [email protected] RESUMO. Neste artigo é proposta uma metodologia para projeto de controle PID nebuloso para processos industriais não-lineares via método de alocação de pólos. A abordagem adotada diz respeito inicialmente à linearização do processo industrial não-linear em torno de alguns pontos de operação essenciais para determinar as características dinâmicas do processo em questão a partir da obtenção de modelos lineares do processo industrial nos pontos de operação, de modo a representar o comportamento dinâmico do processo industrial não-linear naquela região. Em seguida, será realizado o projeto de controladores PID baseados nos modelos lineares obtidos, a partir da especificação dos pólos do sistema de controle em malha-fechada. Os controladores PID projetados serão agrupados em uma estrutura de inferência nebulosa do tipo Takagi-Sugeno, a qual admite uma ação de controle ponderada de cada controlador PID considerando a região de operação do processo industrial não-linear. Resultados de simulação do controle de posição angular em um robô manipulador são apresentados de forma a ilustrar a eficiência da metodologia proposta. PALAVRAS-CHAVE: Controle Baseado em Modelo, Sistemas Nebulosos, Controlador PID, Sistemas Não-Lineares, Processos Industriais, Tecnologia em Sistemas. ABSTRACT. In this paper a methodology for fuzzy PID control for nonlinear industrial processes via pole placement method, is proposed. The approach is initially adopted with respect to the linearization of the nonlinear industrial process around some operating points essential to determine the dynamic characteristics of the process in question from the linear models of the industrial process at the point of operation, to represent the dynamic behavior of nonlinear industrial process in that region. The design of the PID controllers are based on linear models obtained from the specification of poles for closed-loop fuzzy control system. The designed PID controllers are grouped in an inference fuzzy Takagi-Sugeno type structure, which admits a weighted control action of each PID controller considering the region of operation of the nonlinear industrial process. Simulation results of the angular position control of a robotic manipulator are presented to illustrate the efficiency of the proposed methodology. KEYWORDS: Model Based Control, Fuzzy Systems, PID Controller, Nonlinear Systems, Industrial Processes, Technology Systems. 1 INTRODUÇÃO As malhas dos sistemas de controle para processos industriais atuais incluem, em sua maioria, controladores do tipo Proporcional, Integral e Submetido em 10/04/2014; Revisado em 26/05/2014. Artigo aceito sob recomendação do Editor Associado prof. Dr. Carlos Cesar T. Ferreira. Derivativo (PID) (CHAN; CHAN; MOK, 2009; EMAMI; WATKINS, 2010). Este tipo controlador tem sido largamente utilizado em muitas áreas diferentes, tais como a área aeroespacial, controle de processos, robótica e sistemas de automação (CHANDER; AGARWAL; GUPTA, 2010; WANG; ZHAO; LIAO, 2011). Os controladores PID também são especialmente aplicáveis a pro- Revista INNOVER, volume 1, número 2, Junho 2014 61 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único cessos industriais lineares e invariantes no tempo (RUBAAI; CASTRO-SITIRICHE; OFOLI, 2007). Eles são projetados para alcançar certos critérios de desempenho que atendam às necessidades de estabilidade e robustez e, neste contexto, uma abordagem largamente usada nos últimos anos é a alocação de pólos (IOANNOU; SUN, 1995; PREITL et al., 2008; SRIDHAR et al., 2009). Contudo, do ponto de vista prático, os processos industriais apresentam, em sua maioria, um comportamento dinâmico caracterizado por incertezas e não-linearidades, aumentando a complexidade das malhas de controle e comprometendo o projeto e a implementação dos controladores PID convencionais (CHAN; CHAN; MOK, 2009; CHEN, 2008; XIU; WANG, 2006). Para suprir estas dificuldades, vários métodos tem sido desenvolvidos para definir os parâmetros de controladores P, PI e PID, baseados em inteligência computacional, especialmente aqueles que combinam a estrutura destes controladores com o sistema de inferência nebuloso, definindo, assim, os conhecidos controladores PID nebulosos, garantindo estabilidade e desempenho robusto superiores aos controladores PID convencionais (JINGYI; YINHAI, 1994; LI; SHEN, 2009; MEZA; SOTO; ARRIAGA, 2009; TANG et al., 2001; YAO, 2010; VICK; COHEN, 2009; ZHAO; ZHU; LIU, 2009). Neste artigo é proposta uma metodologia para projeto de controle PID nebuloso para processos industriais não-lineares via método de alocação de pólos. A abordagem adotada diz respeito aos seguintes aspectos de interesse: Os controladores PID projetados serão agrupados em uma estrutura de inferência nebulosa do tipo Takagi-Sugeno, a qual admite uma ação de controle ponderada de cada controlador PID considerando a região de operação do processo industrial não-linear. Resultados de simulação do controle de posição angular em um robô manipulador são apresentados de forma a ilustrar a eficiência da metodologia proposta. 2 MODELO NEBULOSO TAKAGI-SUGENO Dentre os vários tipos de sistemas nebulosos, o Modelo do Sistema Nebuloso de Takagi-Sugeno (MNTS) vem ganhando destaque na literatura (TAKAGI; SUGENO, 1985; THEESAR; BALASUBRAMANIAM, 2010), porque a estrutura da regra do modelo deste sistema permite uma equação no lugar da proposição do consequente. Geralmente esta estrutura é expressa da seguinte maneira (TAKAGI; SUGENO, 1985; BABUŠKA, 1998; SUGENO; KANG, 1988): ei1 E x2 é A ei2 E . . . E xl é A eil SE x1 é A ENTÃO y i = f i (x1 , x2 , . . . , xl ) (1) ei1 , A ei2 , . . . , A eil são os conjuntos nebulosos das onde A repectivas variáveis linguísticas de entrada x1 , x2 , x3 para a i-ésima regra. O grau de ativação da regra βi é por definição (BABUŠKA, 1998): β i (x1 , . . . , xl ) , µAei1 (x1 ) ∧ . . . ∧ µAeil (xl ) (2) • linearização do processo industrial não-linear em torno de alguns pontos de operação essenciais para determinar as características dinâmicas do processo em questão; onde as operações de ∧ são normas T (WANG, 1996), ou ainda: • obtenção de modelos lineares do processo industrial nos pontos de operação, de modo a representar o comportamento dinâmico do processo industrial não-linear naquela região de operação; onde · é operador de multiplicação muito utilizado como norma T em modelagens de MNTS (WANG, 1996). O MNTS é composto pelos seguintes sistemas: fuzificador, base de conhecimentos e máquina de inferências (TAKAGI; SUGENO, 1985; SUGENO; TANAKA, 1991). Um exemplo de como • projeto de controladores PID baseados nos modelos lineares obtidos, a partir da especifica62 ção dos pólos do sistema de controle em malhafechada. Revista INNOVER, volume 1, número 2, Junho 2014 β i (x1 , . . . , xl ) , µAei1 (x1 ) · . . . · µAeil (xl ) (3) G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES µ[θ = −90 graus](θ) µ (θ) [θ = −60 graus] µ[θ = −30 graus](θ) µ (θ) [θ = 0 grau] µ[θ = 30 graus](θ) Grau de Pertinência µ(θ) µ A equação da máquina de inferência do MNTS pode ser definida da seguinte maneira (TAKAGI; SUGENO, 1985; BABUŠKA, 1998): (θ) [θ = 60 graus] µ[θ = 90 graus](θ) 1 ỹ = f (x1 , x2 , . . . , xl ) = 0.5 L X 0 −150 0 −100 2 −50 6 50 8 100 θ(t) [°] i=1 4 0 150 10 t [s] L X = k β (x1 , x2 , . . . , xl ) k=1 Figura 1: Ilustração da inferência como aproxi de um MNTS π 2π . t+ mador da função θ(t) = 120 sin 10 2 funciona a inferência de um MNTS como aproximador de uma função não-linear, é ilustrado na Figura (1). A base de conhecimentos é a parte do sistema nebuloso responsável pela inserção da linguística da incerteza do conhecimento do especialista, bem como das regras que o mesmo define para que o sistema nebuloso possa funcionar adequadamente. A linguística da incerteza (termos linguísticos) definida pelas regras sintáticas, assim como as regras semânticas que associam os conjuntos nebulosos aos termos linguísticos são definidas em um subsistema chamdado base dos dados. Um outro subsistema, a base de regras, armazena as regras segundo uma estrutura definida pelo especialista, como mostrado na Eq. (1), a qual fornecerá a maneira como o sistema nebuloso comportar-se-á diante de um conjunto de entradas (variáveis linguísticas). A máquina de inferência recebe as funções de pertinência que definem os respectivos conjuntos nebulosos do fuzificador e realiza o processamento matemático relativo às operações de inferência lógica das regras estipuladas pelo especialista (base de regras), resultando na equação de saída (no caso do MNTS). O grau de ativação, que é calculado da proposição do antecedente da regra, é propriamente computado neste bloco. Se a proposição do antecedente for simples, ou seja, só existir uma variável linguística, então a Eq. (3) pode ser reescrita como sendo: β i (x) = µAei1 (x1 ) = µAei (x) β i (x1 , x2 , . . . , xl )y i (x1 , x2 , . . . , xl ) (4) = β 1 (x1 , x2 , . . . , xl )y 1 (x1 , x2 , . . . , xl ) + L X β k (x1 , x2 , . . . , xl ) k=1 2 β (x1 , x2 , . . . , xl )y 2 (x1 , x2 , . . . , xl ) + ... L X β k (x1 , x2 , . . . , xl ) k=1 β L (x1 , x2 , . . . , xl )y L (x1 , x2 , . . . , xl ) ... + L X β k (x1 , x2 , . . . , xl ) (5) k=1 para proposições compostas, onde L é o número total de regras e β i (x1 , x2 , . . . , xl ) é dado pela Eq. (3). Para proposições simples a Eq. (5) pode ser reescrita como sendo: ỹ = f (x) = L X β i (x)y i (x) i=1 L X = β k (x) k=1 2 β 1 (x)y 1 (x) + L X β k (x) k=1 L 2 β (x)y (x) β (x)y L (x) + . . . + L L X X β k (x) β k (x) k=1 (6) k=1 Podemos definir a grandeza grau de ativação normazado da regra γ i (x1 , x2 , . . . , xl ) como sendo uma fração do grau de ativação da regra da Eq. (5) para proposição composta, tal que γ i (x1 , x2 , . . . , xl ) , β i (x1 , x2 , . . . , xl ) L X β k (x1 , x2 , . . . , xl ) (7) k=1 Revista INNOVER, volume 1, número 2, Junho 2014 63 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único para proposição simples tem-se: γ i (x) , β i (x) L X β k (x) (8) k=1 É possivel que o somatório das ativações das regras resulte em um valor maior que 1. De fato para as proposições compostas, em dado instante de tempo é provável obter os graus de pertinência das variáveis linguísticas no máximo iguais a 1, implicando que o somatório das ativações para todas as regras naquele instante resultará em um valor maior do que 1. No caso das proposições simples, dependendo de como as funções de pertinência estejam dispostas no universo de discurso de sua variável numérica, também é possível obter um somatório que ultrapasse a unidade. Por isso que em ambos os casos há a necessidade de normalizar o grau de ativação de ativação instantânea das regras, resultando nas Eqs. (7 e 8). Assim, podemos reescrer as Eqs. (5 e 6) como sendo: ỹ = f (x1 , x2 , . . . , xl ) = γ (x1 , x2 , . . . , xl )y 1 (x1 , x2 , . . . , xl ) + +γ 2 (x1 , x2 , . . . , xl )y 2 (x1 , x2 , . . . , xl ) + . . . + γ L (x1 , x2 , . . . , xl )y L (x1 , x2 , . . . , xl ) L X ỹ = γ i (x1 , x2 , . . . , xl )y i (x1 , x2 , . . . , xl ) 1 i=1 ỹ = f (x) = γ 1 (x)y 1 (x) + γ 2 (x)y 2 (x) + L X L L . . . + γ (x)y (x) = γ i (x)y i (x) (9) i=1 que são as equações que se podem utilizar para se obter os modelos matemáticos das máquinas de inferência de qualquer sistema nebuloso. Basicamente as Eqs. (4, 8 e 9) são suficientes para se projetar um MNTS de uma variável linguística a partir de um MLVP. De posse do MNTS da planta em questão, praticamente qualquer técnica de controle pode ser aplicada para desenvolver o MNTS do controlador. A técnica a ser usada neste artigo será a alocação de pólos, visto que é simples a associação entre os pólos malha-fechada no plano de Laplace com 64 Revista INNOVER, volume 1, número 2, Junho 2014 as especificações de desempenho da resposta temporal do sistema de controle que o projetista estabelece para o projeto. 3 PROBLEMA DE CONTROLE NEBULOSO POR ALOCAÇÃO DE PÓLOS Na seção 1 foi vista uma fundamentação matemática acerca de sistemas nebulosos Takagi-Sugeno, bem como as partes que o compõe. É sabido que o conjunto de vários modelos encontrados a partir de uma aproximação por série de Taylor, é linear e variante nos parâmetros (MLVP). Aqui observamos que cada y i (x) pode ser associada com cada Modelo Linear e Invariante no Tempo (MLIT) oriundo de um MLVP. Assim o modelo matemático gerado pela Eq. (9), em termos práticos, nada mais é do que um somatório de vários MLITs que resulta em uma função de transferência instantaneamente ponderada pela variável linguística em questão, que neste caso está no domínio da frequência. A importância desta equação, quando se tratando de um modelo nebuloso de uma planta, está no que diz respeito ao MLVP que ela fornece para o projeto de controle. Por ser linear, este modelo pode ser colocado em cascata com a função de transferência do controlador genérico, e em malhafechada implementa um MLVP do controlador em questão. Usando a mesma base de conhecimentos e a mesma base de regras do modelo nebuloso TakagiSugeno da planta é possível encontrar o modelo nebuloso Takagi-Sugeno do controlador, ao realizar-se alguma análise algébrica da malha-fechada. Em projetos de controle é comum a necessidade de implementação de alguns parâmetros de desempenho pelos quais se deseja que a planta assuma quando controlada. Para isso é importante usar uma técnica de controle que associe estes parâmetros com os pólos da malha-fechada de controle. A forma mais simples de fazer o projeto de controle de malha-fechada para este caso é usando a técnica de alocação de pólos. Essa técnica consiste basicamente em analisar o formalismo da dinâmica linear da planta mais controlador em malha-fechada, para que seja estipulado pólos que atendam as especificações de desempenho anteriormente estabelecidas pelo projetista. G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES A seguir, apresentam-se alguns esquemas que ilustraram a metodologia do projeto de controlador nebuloso Takagi-Sugeno a partir da alocação de pólos. O propósito destes esquemas é ilustrar a possibilidade de encontrar o formalismo matemático do controlador nebuloso Takagi-Sugeno a partir do modelo nebuloso Takagi-Sugeno de uma planta qualquer, utilizando a técnica de alocação de pólos segundo algumas condições pré-estabelecidas. reescrever aquela equação como sendo: L X Y (s) e = G(s) = γ i (y, u)Gi (s, y, u) U (s) i=1 (11) o que produz Y (s) = L X γ i (y, u)Y i (s, y, u) (12) i=1 3.1 Esquemas Simples de Controle por Alocação de Pólos Nesta seção serão usados alguns exemplos para ilustrar o projeto e análise de esquemas de controle por alocação de pólos no contexto nebuloso. 3.1.1 Esquema 1: Alocação de Pólos Simples Considere uma planta complexa G (com nãolinearidade, incerteza, etc). Seja o Modelo Nebuloso e Takagi-Sugeno (MNTS) G(s) tal que: i e G(s) = L X i=1 γ i (y, u) bi (y, u) s − ai (y, u) (10) com Gi (s, y, u) = bi (y, u) Y i (s, y, u) = U (s) s − ai (y, u) (13) o que nos permite escrever um Y i (s, y, u) para cada MLVP de cada regra do modelo nebuloso da Eq. (10). Sendo assim, é possível encontrar um ganho de controlador associado à i-ésima regra K i , mantendo o mesmo sinal de referência r = r(t) e u = u(t), ao fechar a malha de controle, de tal forma que todos os ganhos K i estejam associados com o mesmo pólo alocado em s = −am . O sinal de controle U (s) pode ser escrito como sendo: U (s) = −K i Y i (s, y, u) + R(s) (14) i onde a (y, u) e b (y, u) são os parâmetros do Modelo Linear e Variante nos Parâmetros (MLVP) associados ao consequente da i-regra Gi (s, y, u) deste modelo, os quais são diretamente relacionados com a planta G; γ i (y, u) é o grau de ativação normalizado da iésima regra da Eq. (10). O sinal u = u(t) é o sinal de controle aplicado a planta G e o sinal y = y(t) é o sinal de saída da planta. Ambos u e y são supostos limitados, tal que u seja supostamente conhecido e y converge para zero quando t → ∞. O objetivo deste exemplo é apresentar uma estrutura de controle no contexto nebuloso que apresente o pólo de malhafechada localizado em −am , onde am > 0 é uma constante dada. Seja a Eq. (10) uma função polinomial da mesma entrada e da mesma saída da planta G. A Transformada de Laplace (TL) de u(t) e y(t) é respectivamente U (s) = L[u(t)] e Y (s) = L[y(t)]. Podemos Substituindo a Eq. (13) na Eq. (14) tem-se: U (s) = R(s) 1 bi (y, u) 1 + Ki s − ai (y, u) (15) o que resulta em: s − ai (y, u) U (s) = R(s) s − [ai (y, u) − K i bi (y, u)] (16) onde a Eq. (16) apresenta um zero em s = ai (y, u) e um pólo em s = ai (y, u) − K i bi (y, u). De acordo com o objetivo proposto, tem-se que o pólo que se deseja alocar para a Eq. (16) é por definição s = −am . Fazendo s = ai (y, u) − K i bi (y, u) = −am Revista INNOVER, volume 1, número 2, Junho 2014 (17) 65 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único qual no domínio da frequência complexa é calculado da seguinte maneira: tem-se: κi (y, u) = K i = am + ai (y, u) bi (y, u) (18) que é a equação do ganho do controlador para o consequente da i-ésima regra (ou o i-ésimo ponto de operação) do contexto nebuloso, conforme a Eq. 16. Seja o modelo matemático da máquina de inferência do Modelo Nebuloso Takagi-Sugeno (MNTS) do Controlador conforme a seguinte equação: e= K L X i i γ (y, u)κ (y, u) (19) i=1 E(s) = Y i (s, y, u) − R(s) (24) Substituindo-se a Eq. (23) na Eq. (24) tem-se: E(s) = bi (y, u) c U (s) − i s − a (y, u) s (25) o que resulta na seguinte equação: sE(s) = ai (y, u)E(s) − c + ai (y, u)c + s bi (y, u)U (s) (26) Substituindo a Eq. (18) na Eq. (19) tem-se: e= K L X i γ i (y, u) i=1 am + a (y, u) bi (y, u) (20) a qual está no domínio da frequência complexa. No domínio do tempo esta equação pode ser reescrita como sendo: que é o modelo nebuloso do controlador, conforme a alocação de pólo desejada para s = −am . ė(t) = ai (y, u)e(t) − cδ(t) + ai (y, u)c1(t) + bi (y, u)u(t) (27) 3.1.2 Esquema 2: Alocação de Pólos para Rastreamento do Sinal de Referência onde δ(t) é o sinal conhecido como delta de dirac, matematicamente definido em (LATHI, 2007). Para t ≥ 0 tem-se δ(t) = 0 e então: Considere a planta complexa G (com nãolinearidade, incerteza, etc), cujo MNTS é dado pela Eq. (10) do esquema 1. Usando a mesma definição polinomial da entrada e da saída de G para esta equação, encontra-se a Eq. (13), que pode ser reescrita como sendo: Y i (s, y, u) = bi (y, u) U (s) s − ai (y, u) (21) Seja um sinal de referência definido por r = r(t) , c1(t) (22) onde o sinal 1(t) é degrau unitário matematicamente definido em (LATHI, 2007), e c é uma constante conhecida tal que c ∈ R e c < ∞. A Transformada de Laplace da Eq. (22) é dada pela seguinte equação: R(s) = L[r(t)] = c s (23) Pode-se definir o sinal de erro como sendo a diferença entre o sinal de saída e o sinal de referência, o 66 Revista INNOVER, volume 1, número 2, Junho 2014 ė = ai (y, u)e + ai (y, u)c + bi (y, u)u (28) que é a equação da velocidade de decaimento do erro (taxa de variação do erro) referente ao sistema representado pela Eq. (21). O sinal do erro está relacionado às características da resposta dinâmica temporal do sistema em malhafechada, já que foi definido como a diferença entre o sinal de entrada e o sinal de saída. De fato, em malhafechada, ao passo que o sinal de saída está rastreando o sinal de referência, para t → ∞, o erro tende ao valor nulo, isto é, qualquer comportamento dinâmico estabelecido pelas especificações temporais para o sinal de saída é refletido diretamente no sinal de erro, até este convergir para zero, supondo que o sistema em questão seja assintoticamente estável. Isso caracteriza uma boa abordagem de projeto, porque as especificações temporais de desempenho estariam "correlacionadas"com o sinal do erro, e não à saída da planta. Então, neste esquema, deseja-se alocar o pólo G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES em s = −am de tal forma que se possa controlar a velocidade do decaimento do erro. Supondo uma Equação Diferencial Ordinária (EDO) para o erro, com t ≥ 0, da seguinte maneira: ė(t) + am e(t) = d1(t) d am (31) cuja solução completa é equivalente a solução homogênea da Eq. (29), ou seja, e(t) = Ce−am t (32) cuja queda exponencial pode ser controlada pelo valor do pólo −am . É exatamente neste ponto onde se faz o projeto para a inserção das especificações temporais de desempenho. Usando-se esta proposta de controle de rastreamento através do erro, quanto maior o valor absoluto de am , mais rápido o erro cai para zero, supondo o sistema assintoticamente estável, o que é desejável. Assim, igualando-se as Eqs. (28 e 31), tem-se: ai (y, u)e + ai (y, u)c + bi (y, u)u = −am e ai (y, u) + am ai (y, u) e − c bi (y, u) bi (y, u) ≡ −K1i e − K2i c (34) que é o sinal de controle no domínio do tempo. Como r(t) → c, quando t → ∞, então os ganhos K1i e K2i são obtidos como sendo: ai (y, u) + am , bi (y, u) ai (y, u) K2i = i b (y, u) K1i = (35) (36) (30) onde C é uma constante encontrada segundo as condições iniciais da EDO. Observa-se que quando t → d ∞, e(t) → , ou seja, o erro será constante, o que am é indesejável. Então, para que a EDO da Eq. (29) de tal forma que o erro vá para zero, quando o tempo tender para infinito, deve-se considerar a abordagem da solução homogênea, pelo que podemos reescrever a Eq. (29), como sendo: ė(t) + am e(t) = 0 u=− (29) onde d é uma constante supostamente conhecida, tal que d ∈ R e d < ∞, a solução completa desta EDO é uma combinação linear de duas soluções: a solução homogênea, responsável por uma parte exponencial, em função do tempo e de am , e a solução particular que, neste caso, é uma constante. Matematicamente, a solução da Eq. (29), t ≥ 0, é dada por: e(t) = Ce−am t + o que resulta em: (33) Semelhante ao esquema 1, os controladores nebulosos relativos aos ganhos K1 e K2 na forma do MNTS são definidos, respectivamente, como segue: e1 = K L X i=1 e2 = K 4 γ i (y, u) L X i=1 ai (y, u) + am , bi (y, u) (37) ai (y, u) bi (y, u) (38) γ i (y, u) FORMULAÇÃO DINÂMICA E RESULTADOS COMPUTACIONAIS Nesta seção, será proposto um MNTS com estrutura Proporcional, Integral e Derivativa para controle baseao em modelo de um robô manipulador com elo único. Inicialmente será deduzida uma formulação matemática que apresentará a equação dinâmica do manipulador. Em seguida encontrar-se-á o MNTS da planta, através do processo de linearização local. Do MNTS da planta será possível encontrar a lei de controle PID nebulosa TS, usando o método de alocação pólos, semelhante aos esquemas da seção 3. Por fim, um conjunto de resultados será apresentado das simulações realizadas com o modelo de controlador PID TS mais a planta, em malha-fechada com realimentação unitária, a fim de analisar dinamicamente esta proposta de controle. Revista INNOVER, volume 1, número 2, Junho 2014 67 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único 4.1 Equação Dinâmica do Robô Manipulador Seja a planta do estudo de caso conforme a Figura 2 e sua respectiva visão tridimensional mostrada na Figura 3. Figura 3: Visão tridimensional projetada na visão bidimensional do robô manipulador. Figura 2: Planta do estudo de caso: robô manipulador de elo único. A partir da Figura 2, tem-se a seguinte nomenclatura: • hm , é a altura da carga acoplada ao braço, a ser considerado com valor de 30 cm; • Tc , é o conjungado de motor aplicado ao braço; • hb , é a altura da carga acoplada ao braço, a ser considerado com valor de 10 cm; • Ts , é o contra resistente de ventilação sobre o conjunto braço + carga; • w, é a largura do conjunto braço + carga com valor de 10 cm; • Pcm , é a força peso atuando no centro de massa do conjunto braço + carga; • ax , ay , az , são vetores unitários que orientam o sistema cartesiano de coordenadas; • g, é a aceleração gravitacional, cuja intensidade a ser considerada é de 9,81 m/s2 ; Um conjunto de considerações iniciais são tomadas para que se possa fazer as modelagens, a seguir: • aρ , aϕ , az , são vetores unitários que orientam o sistema cilíndrico de coordenadas. • Seja o sistema cilíndrico de coordenadas. O movimento está acontecendo na direção tangencial ao giro, ou seja, na direção aϕ ; A partir da Figura 3, tem-se a seguinte nomenclatura: • mb , é a massa do braço, a ser considerada com valor de 0,5 kg; • mm , é a massa da carga acoplada ao braço, a ser considerada com valor de 1 kg; • θ, é o deslocamento angular do conjunto braço + carga; • lb , é o comprimento do braço robótico, a ser considerado com valor de 52 cm; 68 • lm , é o comprimento da carga acoplada ao braço, a ser considerado com valor de 15 cm; Revista INNOVER, volume 1, número 2, Junho 2014 • Tanto o braço quanto a carga tem distribuições lineares contínuas e uniformes em duas das três direções do sistema cartesiano de coordenadas, ou seja: dm Mx = dx l dm My ρly = = dy h ρlx = (39) (40) onde Mx e My são as massas totais ao longo das distribuições lineares das respectivas direções ax e ay , l é o comprimento e h é a altura, todos do conjunto em questão. G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES 4.1.1 Cálculo do Centro de Massa do Conjunto Braço + Carga A definição matemática do centro de massa de um sistema contínuo de partículas (HALLIDAY; RESNICK; WALKER, c2002), no plano xy, é dado como segue: Z 1 xcm = x dm (41) Mx Z 1 y dm (42) ycm = My Tendo em vista as considerações anteriormente citadas, no que diz respeito as densidades lineares e que a envoltória do movimento é coplanar ao giro, tem-se: Z lb +lm 1 ρlx x dx = xcm = Mx 0 2 lb + lm 1 Mx x lb + lm (43) = Mx l b + l m 2 2 0 Z hm 1 ρly y dy = ycm = My 0 2 hm 1 My y hm (44) = My h m 2 2 0 Substituindo-se os valores numéricos da Figura 2 nas Eqs. (43) e (44), tem-se: 52 + 15 lb + lm = ∴ xcm = 33, 5 cm(45) 2 2 hm 30 ycm = = ∴ ycm = 15 cm (46) 2 2 xcm = 4.1.2 Cálculo do Momento de Inércia do Conjunto Braço + Carga Segundo Hibbeler (c2005), o momento de inércia resultante, com relação a um eixo de rotação, de um corpo composto por vários corpos, é a soma de todas as contribuições dos momentos de inércia de cada um destes corpos, calculado com relação ao mesmo eixo de rotação. Neste caso, são dois corpos: o braço e a carga. Para o braço, tem-se a seguinte equação: 1 Jb = mb lb2 3 (47) Já para a carga, o momento de inércia é calculado conforme o teorema dos eixos paralelos (HALLIDAY; RESNICK; WALKER, c2002; HIBBELER, c2005): 2 1 lm 2 2 Jm = mm (lm + hm ) + mm lb + (48) 12 2 Portanto, a definição do momento de inércia do conjunto é dada como segue: 1 1 2 J = Jb + Jm = mb lb2 + mm (lm + h2m ) + 3 12 2 lm m m lb + (49) 2 Substituindo-se os valores numéricos da Figura 2 na Eq. (49), tem-se: J= 4.1.3 1 1 · 0, 5 · 0, 522 + · 1 · (0, 152 + 0, 32 ) + 3 12 2 0, 15 = 0, 40847 m2 · kg(50) 1 · 0, 52 + 2 Modelagem da Dinâmica do Conjunto Braço + Carga Pela 2.a lei de Newton para movimento circular de um sistema de partículas, a dinâmica do robô manipulador é descrita como segue (HALLIDAY; RESNICK; WALKER, c2002; HIBBELER, c2005): x + P T = J θ̈ ⇒ Tc + TPcm + Ts = J θ̈ (51) Ainda, o vetor da aceleração da gravidade g é definido no sistema cilíndrico de coordenadas como segue: g = |g|[sin (90◦ − θ)aρ + cos (90◦ − θ)aϕ ]. (52) Como a parcela de g que realiza o giro é a componente vetorial que tangencia a envoltória do deslocamento angular, então a Eq. (52) fica: g = |g| cos (90◦ − θ)aϕ = = |g| sin (θ)aϕ Revista INNOVER, volume 1, número 2, Junho 2014 (53) 69 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único Aplicando-se a Eq. (53) na definição da força peso no centro de massa, tem-se: 4.1.4 Modelagem Linear e Variante nos Parâmetros (MLVP) do Robô Manipulador Pcm = [mb + mm ]g = [mb + mm ]|g| sin (θ)aϕ . (54) Aplicando a aproximação por série de Taylor na função senoidal da Eq. (61), tem-se: Conforme a definição matemática de conjugado (ou torque) como sendo x + T , r × F, (55) onde r é o braço da alavanca da força F, pode-se observar, pela regra da mão direita, que a direção do conjugado é perpendicular ao plano formado pelos dois vetores do produto vetorial, ou seja, o conjugado é perpendicular ao plano delimitado pela envoltória do giro. De fato, seja o vetor r definido como r , xcm aρ . Substituindo-se a Eq. (54) na Eq. (55), tem-se: x + TPcm = xcm aρ × {[mb + mm ]|g| sin (θ)aϕ }. (56) Das propriedades de produto vetorial, aρ × aϕ = az . Logo, a Eq. (56) resulta em: x + TPcm = xcm [mb + mm ]|g| sin (θ)az (57) O conjugado de ventilação Ts e o conjugado aplicado para manipular o braço Tc , pelo que foi dito anteriormente a respeito da direção do conjugado, é definido por: x + Ts , b|θ̇|az x + Tc , − |Tc |az (58) (59) onde b é o coeficiente de atrito viscoso com o ar. Substituindo-se as Eq. (57), (58) e (59) na Eq. (51), tem-se: −|Tc |az + xcm [mb + mm ]|g| sin (θ)az + b|θ̇|az = −J|θ̈|az (60) Seja Tc , |Tc |, g , |g|, θ̇ , |θ̇| e θ̈ , |θ̈|. Reescrevendo-se a Eq. (60), tem-se: θ̈ + b xcm [mb + mm ]g 1 θ̇ + sin (θ) = Tc , (61) J J J que é a equação que descreve a dinâmica do conjunto braço + carga. 70 Revista INNOVER, volume 1, número 2, Junho 2014 θ̈ + b xcm [mb + mm ]g {sin (θ0 )+ θ̇ + J J 1 cos (θ0 ) [θ − θ0 ]} = Tc J (62) o que resulta em: xcm [mb + mm ]g b cos (θ0 ) θ = θ̈ + θ̇ + J J xcm [mb + mm ]g 1 Tc − [sin (θ0 ) − θ0 cos (θ0 )] (63) J J onde θ = θ(t) e Tc = Tc (t) para t ≥ 0. Fazendo b =B (64) J xcm [mb + mm ]g cos (θ0 ) = C(θ0 ) (65) J 1 =D (66) J xcm [mb + mm ]g [sin (θ0 ) − θ0 cos (θ0 )] = E(θ(67) 0) J e substituindo na Eq. (63), tem-se: d2 θ dθ + B + C(θ0 )θ = DTc (t) − E(θ0 ) dt2 dt (68) que é propriamente dito o MLVP do robô manipulador no domínio do tempo contínuo, para t ≥ 0. Seja u(t, θ0 ) , [DTc (t) − E(θ0 )] (69) onde E(θ0 ), assim como C(θ0 ), é uma constante para o tempo, cujo valor é função somente do ponto de operação θ0 e, portanto, só existirá quando a simulação começar a rodar, ou seja, ∀ t ≥ 0; então podemos concluir que E(θ0 ) é na verdade E(θ0 )1(t), onde 1(t) é a representação do sinal degrau unitário definido em Lathi (2007). Assim, podemos reescrever a Eq. (69) no domínio da frequência como sendo: E(θ0 ) U (s, θ0 ) = L[u(t, θ0 )] = DTc (s) − (70) s G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES Substituindo-se a Eq. (69) na Eq. (68) e aplicando-se a Transformada de Laplace, tem-se: s2 Θ(s) + BsΘ(s) + C(θ0 )Θ(s) = U (s, θ0 ) (71) o que resulta em: Θ(s) = 1 U (s, θ0 ) s2 + Bs + C(θ0 ) (72) Substituindo-se U (s, θ0 ) pela Eq. (70) na Eq. (72), tem-se: 1 E(θ0 ) Θ(s) = 2 DTc (s) − (73) s + Bs + C(θ0 ) s Como os parâmetros da Eq. (73) determinam o comportamento linear em torno do ponto de operação, no qual aqueles são supostamente constantes, então a saída do modelo também será relativa a este ponto de operação. Logo, pode-se reescrever Θ(s) como sendo Θ(s, θ0 ) na Eq. (73), obtendo-se a seguinte equação: E(θ0 ) 1 DTc (s) − Θ(s, θ0 ) = 2 s + Bs + C(θ0 ) s (74) que é a equação que define o MLVP do robô manipulador no domínio da frequência em um ponto de operação genérico. 4.1.5 Modelo Nebuloso Takagi-Sugeno do Robô Manipulador Nesta subseção serão ilustrados um conjunto de etapas necessárias para obter o Modelo Nebuloso Takagi-Sugeno do robô manipulador a partir do Modelo Linear e Variante nos Parâmetros (MLVP) conforme a Eq. (74). Ainda, serão obtidos os Modelos Lineares e Invariantes no Tempo (MLITs) oriundos deste MLVP, quando aplicado em cada ângulo pertencente ao conjunto dos pontos de operação, os quais serão úteis para o projeto controlador nebuloso. Etapa 1: Definição dos pontos de operação. Inicialmente, deve-se estabelecer os pontos de operação aos quais desejamos que o MNTS atue. Pela Figura 2 pode-se dividir o espaço Figura 4: robô manipulador: pontos de operação. percorrido pelo robô manipulador em 7 partes, resultando em 7 pontos de operação, conforme a Figura 4. Etapa 2: Definição das variáveis linguísticas. Nesta etapa, serão estabelecidas as regras sintáticas, os termos linguísticos e as regras semânticas (que dão a definição matemática dos termos linguísticos na forma de conjuntos nebulosos), as quais associam um conjunto de variáveis numéricas ao seu respectivo conjunto de variáveis linguísticas. Como utilizamos um MLVP, então o MNTS atuará no seu conjunto de MLITs obtidos quando aplicado em cada ponto de operação definido, resultando em uma única variável numérica (e uma única variável linguística) relativa à variável a ser computada pelo MNTS. É importante observar que a variável pela qual se determinou os pontos de operação é a mesma variável numérica, e portanto variável linguística que o MNTS atuará. Para os 7 pontos de operação definidos na variável Θ para o MLVP da Eq. (74), são definidos 7 MLITs nos seus pontos de operação e consequentemente 7 termos linguísticos, conforme a Tabela 1. Para cada termo linguístico é interessante definir uma regra semântica que se obtenha funções de pertinência tal que garanta um grau de pertinência de 50% quando a variável θ estiver na bissetriz delimitada entre dois ângulos de pontos de operação. Também é interessante ter outra regra semântica que defina o centro das funções de pertinência como sendo o valor Revista INNOVER, volume 1, número 2, Junho 2014 71 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único Termos Linguísticos θ̃i Ângulo [graus] Modelos Lineares e Invariantes no Tempo (MLITs) θ̃1 −90 1 12, 0560 Θ(s, −90 ) = 2 2, 4482Tc (s) + s + 2, 4482s s θ̃2 −60 1 4, 1283 Θ(s, −60 ) = 2 2, 4482Tc (s) + s + 2, 4482s + 6, 0280 s θ̃3 −30 0, 5612 1 2, 4482Tc (s) + Θ(s, −30 ) = 2 s + 2, 4482s + 10, 4408 s θ̃4 0◦ θ̃5 30 0, 5612 1 2, 4482Tc (s) − Θ(s, 30 ) = 2 s + 2, 4482s + 10, 4408 s θ̃6 60 4, 1283 1 2, 4482Tc (s) − Θ(s, 60 ) = 2 s + 2, 4482s + 6, 0280 s θ̃7 90 1 12, 0560 Θ(s, 90 ) = 2 2, 4482Tc (s) − s + 2, 4482s s ◦ ◦ ◦ ◦ ◦ ◦ ◦ ◦ ◦ Θ(s, 0◦ ) = 1 2, 4482Tc (s) s2 + 2, 4482s + 12, 0560 ◦ ◦ ◦ Tabela 1: Lista de MLITs obtidos do MVLP da Eq. (74). numérico de cada ponto de operação. Uma outra regra semântica é tal que se tenha uma função de pertinência que se comporte de maneira constante para pontos do universo de discurso que estão muito distantes dos pontos extremos de operação. A classe das funções de pertinência triangulares e trapezoidais atendem aos requisitos destas regras semânticas, conforme respectivamente as Eqs. (75 e 76), a seguir: 72 0, θ − a , b−a µθ̃i (θ) = θ−c , b−c 0, ∀θ<a ∀a≤θ<b (75) ∀b≤θ<c ∀θ≥c Revista INNOVER, volume 1, número 2, Junho 2014 0, θ−a b − a, 1, µθ̃i (θ) = θ−d , c−d 0, ∀θ<a ∀a≤θ<b ∀b≤θ<c (76) ∀c≤θ<d ∀θ≥d Etapa 3: Definição da base de regras do MNTS. Observa-se que a Tabela 1 mostra exatamente as partes da <proposição antecedente> e <proposição consequente> da estrutura da regra do MNTS. Assim, obtem-se a base de regras conforme a Tabela 2. Etapa 4: Definição da inferência do MNTS. G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES R1 : 1 12, 0560 SE θ é θ̃1 ENTÃO Θ(s, −90 ) = 2 2, 4482Tc (s) + s + 2, 4482s s R2 : 4, 1283 1 2, 4482Tc (s) + SE θ é θ̃2 ENTÃO Θ(s, −60 ) = 2 s + 2, 4482s + 6, 0280 s R3 : 1 0, 5612 SE θ é θ̃3 ENTÃO Θ(s, −30 ) = 2 2, 4482Tc (s) + s + 2, 4482s + 10, 4408 s R4 : SE θ é θ̃4 ENTÃO Θ(s, 0◦ ) = R5 : SE θ é θ̃5 ENTÃO Θ(s, 30◦ ) = 1 0, 5612 2, 4482T (s) − c s2 + 2, 4482s + 10, 4408 s R6 : SE θ é θ̃6 ENTÃO Θ(s, 60◦ ) = 4, 1283 1 2, 4482T (s) − c s2 + 2, 4482s + 6, 0280 s R7 : SE θ é θ̃7 ENTÃO Θ(s, 90◦ ) = 12, 0560 1 2, 4482T (s) − c s2 + 2, 4482s s ◦ ◦ ◦ 1 2, 4482Tc (s) s2 + 2, 4482s + 12, 0560 Tabela 2: Lista de regras do MNTS. Observa-se que o MLVP em questão se trata de uma única variável linguística. Logo, a <proposição antecedente> do conjunto de regras da Tabela 2 pode ser formulada pela Eq. 4, como sendo: β i (x) = β k (x) = µAei (x) = µAek (x) = µθ̃i (θ) = µθ̃k (θ) (77) Da Eq. 77 e da Tabela 2, a Eq. (8) pode ser reescrita por: γ i (θ) , µθ̃i (θ) 7 X µθ̃k (θ) k=1 (78) Das Tabelas 1 e 2, tem-se: 1 1 γ (θ) [2, 4482Tc (s)+ s2 + 2, 4482s 12, 0560 + s 2 1 γ (θ) [2, 4482Tc (s)+ s2 + 2, 4482s + 6, 0280 4, 1283 + ... + s 7 1 γ (θ) [2, 4482Tc (s)− s2 + 2, 4482s 12, 0560 (79) s θ̃ = que é a equação da máquina de inferência do MNTS do robô manipulador com elo único. Revista INNOVER, volume 1, número 2, Junho 2014 73 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único 4.2 Projeto do Controlador PID Nebuloso via Alocação de Pólos A Eq. (74) descreve o Modelo Linear e Variante nos Parâmetros (MLVP) necessário para a formulação do Modelo Nebuloso Takagi-Sugeno (MNTS) da Planta em questão, conforme a Eq. (79). Seguindo uma metodologia semelhante aos esquemas da seção 3, pode-se desenvolver o MNTS do Controlador PID nebuloso. Antes, devem ser destacados alguns pontos importantes acerca destas duas equações. O MLVP da Eq. (74) fundamentalmente é de segunda E(θ0 ) ordem com duas entradas, porque o termo é s tido com uma entrada tipo degrau de ganho E(θ0 ), já que este ganho só passará a existir para a simulação a partir do momento em que esta começar a ser simulada. Aplicando-se o Teorema do Valor Final (FRANKLIN; POWELL; EMAMI-NAEINI, c1994; PHILLIPS; HARBOR, c1996) apenas na contribuiE(θ0 ) ção da entrada , tem-se a seguinte equação em s regime permanente: θE(θ0 ) (t → ∞, θ0 ) = lim s ΘE(θ0 ) (s, θ0 ) = s→0 E(θ0 ) E(θ0 ) 1 = (80) lim s 2 s→0 s + Bs + C(θ0 ) s C(θ0 ) ou seja, este termo fornece um ganho DC para a saída. Supõe-se que este MLVP esteja em cascata com um controlador PID e em uma malha-fechada com um sinal de referência de degrau unitário tal que: R(s) , L[r1(t)] = r s (81) onde r é um valor real constante. Em regime permanente deseja-se que o sinal de saída siga o sinal de referência, produzindo um erro nulo. Então, é necessário aplicar um degrau de entrada Tc (s) no MLVP. Seja este degrau definido como: Tc (s) , L[x1(t)] = x s (82) então para ter o erro nulo R(s) = Θ(s, θ0 ), ou seja: x E(θ0 ) 1 r D − (83) = 2 s s + Bs + C(θ0 ) s s 74 Revista INNOVER, volume 1, número 2, Junho 2014 Aplicando-se o Teorema do Valor Final nos dois membros da Eq. (83), tem-se r= D E(θ0 ) x− C(θ0 ) C(θ0 ) (84) Observa-se que o ganho DC da Eq. (80) está presente na Eq. (84). Reescrevendo-se esta equação tem-se: x= rC(θ0 ) + E(θ0 ) D (85) que é o valor de ganho necessário ao degrau aplicado na entrada do MLVP da planta, conforme a Eq. (82). Mais precisamente isso acontecerá depois de t ≈ ts segundos de acomodação do sinal, onde este começa a entrar em regime permanente. Portanto, reescrevendo-se a Eq. (82), tem-se: Tc ss (s, θ0 , ts ) = rC(θ0 ) + E(θ0 ) e−ts s D s (86) onde Tc ss é a ação de controle aplicada à planta em regime permanente. Portanto, eis a importância do valor DC: por fazer parte do MLVP, que é uma aproximação linear da complexidade da dinâmica do robô manipulador, o valor DC é tal que o controlador necessita aplicar uma ação compensatória, a ponto de se ter Θ(s, θ0 ) = R(s) em regime permanente, ou seja, erro nulo. Os MLVP do controlador PID nebuloso será obtido diretamente do MLVP da planta (GUO; HUNG; NELMS, 2009). Isso significa que a mesma base de conhecimentos usada no MNTS do robô manipulador deve ser usada para o MNTS do controlador, diferenciando-se apenas no consequente, que é a saída do controlador. Sejam θref. ss , θss e erross , respectivamente, os valores de regime permanente das posições de referência e de saída, bem como do sinal de erro. Se θref. ss = θss , então erross = 0, ou seja, Z Tc ss = KP (θ0 )erross + KI (θ0 ) erross dt + KD (θ0 ) d [erross ] (87) dt resulta em: Tc ss = KI (θ0 )α (88) G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES onde α é uma constante. A Eq. (88) é o ganho DC constante que o controlador deverá fornecer para a planta depois de t ≈ ts segundos de acomodação do sinal, onde este começa a entrar em regime permanente. Assim, esta equação pode ser reescrita como sendo: Tc ss (s, θ0 , ts ) = L [KI (θ0 )α1(t − ts )] = e−ts s KI (θ0 )α s (89) que é a mesma ação de controle da Eq. (86), ou seja, e−ts s rC(θ0 ) + E(θ0 ) e−ts s ≡ KI (θ0 )α D s s (90) resultando em: α= rC(θ0 ) + E(θ0 ) KI (θ0 )D (91) com KI (θ0 ) a ser encontrado pela alocação de pólos. Em outras palavras, α é a constante para a ação de controle que se adapta ao ganho DC dos MLITs da planta nos diferentes pontos de operação. Observase que ao desconsiderar E(θ0 ), α ainda se adapta ao ganho DC da planta. Além disso, a própria característica da malha-fechada há de compensar facilmente a entrada de E(θ0 ), porque esta é um degrau unitário, cuja dinâmica também é compensada pelo termo integral do controlador. É possível encontrar uma função de transferência de malha-fechada, para qual será feita a alocação de pólos. Assim, tem-se: KI (θ0 ) + Tc (s, θ0 ) = KP (θ0 ) + s KD (θ0 )s] [R(s) − Θ(s, θ0 )] (92) que é o sinal de controle (e atuação) que sai do MLVP do controlador e entra no MLVP da planta, ou seja, neste caso faz-se Tc (s) = Tc (s, θ0 ). Substituindo-se a Eq. (92) na Eq. (74), tem-se: 1 (D + Bs + C(θ0 ) KD (θ0 )s2 + KP (θ0 )s + KI (θ0 ) [R(s) s E(θ0 ) (93) −Θ(s, θ0 )]} − s Θ(s, θ0 ) = s2 que é a função de transferência de malha-fechada com realimentação unitária do MLVP do controlador em cascata planta. Observa-se que o denominador da função de transferência em malha-fechada é um polinômio mônico de terceira ordem. Como o denominador de uma função de transferência é quem rege a dinâmica do sistema, então isso sugere que a este denominador se pode associar um polinômio de referência que também seja de terceira ordem com os três pólos alocados intrinsecamente a este polinômio, segundo uma especificação de desempenho, conforme foi visto no esquema da subseção 3.1.1. Sejam os seguintes pólos em s = −p1 , s = −p2 e s = −p3 , com {p1 , p2 , p3 } ∈ R+ , os quais foram alocados segundo alguma(s) especificação(ões) de desempenho. Se estes pólos são as raízes da equação polinomial, então esta pode ser escrita como sendo: (s + p1 )(s + p2 )(s + p3 ) = 0 (94) o que resulta em: s3 + (p1 + p2 + p3 )s2 + [p3 (p1 + p2 )+ p1 p2 ] s + p1 p2 p3 = 0 (95) Atribuindo-se as seguintes definições a , p1 + p2 + p3 ; b , p3 (p1 + p2 ) + p1 p2 ; c , p1 p2 p3 ; (96) (97) (98) a Eq. (95) pode ser reescrita por: s3 + as2 + bs + c = 0 (99) que é a equação que serve como polinômio de referência para o projeto do MNTS do controlador PID. Fazendo-se s3 + [B + DKD (θ0 )]s2 + [C(θ0 ) + DKP (θ0 )]s + DKI (θ0 ) ≡ s3 + as2 + bs + c (100) tem-se: B + DKD (θ0 ) ≡ a C(θ0 ) + DKP (θ0 ) ≡ b DKI (θ0 ) ≡ c (101) (102) (103) Revista INNOVER, volume 1, número 2, Junho 2014 75 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único o que resulta em: (104) As Figuras 5 e 6 ilustram, respectivamente, os resultados para diferentes especificações de pólos. (105) 92 (106) 90 88 Substituindo-se os valores de a, b e c das Eqs. (96, 97 e 98) nas Eqs. (104, 105 e 106), tem-se: (p1 + p2 + p3 ) − B (107) D [p3 (p1 + p2 ) + p1 p2 ] − C(θ0 ) (108) KP (θ0 ) = D p1 p2 p3 KI (θ0 ) = (109) D 86 θ [grau] a−B D b − C(θ0 ) KP (θ0 ) = D c KI (θ0 ) = D KD (θ0 ) = 4.3 Análise Computacional de Desempenho do Sistema de Controle PID Nebuloso KD (θ0 ) = 80 Referência Pólos [−10,−5,−3.8889] Pólos [−10,−3.1819,−2.6924] Pólos [−10,−2.3334,−2.0589] Pólos [−10,−1.8422,−1.6667] 76 74 72 20 22 24 26 28 30 t [s] (a) 4 regras: referência variando de 85, 6◦ para 90◦ que é o MLVP do controlador PID projetado via alocação de pólos. E o MNTS do controlador PID é dado por: L X Tc (s) , γ i (θ)Tc (s, θi ) (111) i=1 Fazendo-se Tc (s, θi ) = Tc (s, θ0 ) e substituindo-se na Eq. (110), tem-se: L X i=1 i γ (θ) [p3 (p1 + p2 ) + p1 p2 ] − D C(θi ) p1 p2 p3 1 + + D Ds (p1 + p2 + p3 ) − B s ERRO(s) D (112) que é a máquina de inferência do MNTS com L regras do controlador PID projetado via alocação de pólos. Revista INNOVER, volume 1, número 2, Junho 2014 92 90 88 86 θ [grau] [p3 (p1 + p2 ) + p1 p2 ] − C(θ0 ) + Tc (s, θ0 ) = D p1 p2 p3 1 (p1 + p2 + p3 ) − B + s · D s D ·ERRO(s) (110) 76 82 78 Logo, tem-se: Tc (s) = 84 84 82 80 Referência Pólos [−10,−5,−3.8889] Pólos [−10,−3.1819,−2.6924] Pólos [−10,−2.3334,−2.0589] Pólos [−10,−1.8422,−1.6667] 78 76 74 72 20 22 24 26 28 30 t [s] (b) 7 regras: referência variando de 85, 6◦ para 90◦ Figura 5: Desempenho 1 do controlador PID nebuloso. Diante dos resultados obidos, verifica-se que o tempo de subida e o tempo de acomodação aumentam ao passo que os dois pólos variáveis vão aproximando-se de zero; o efeito contrário acontece para o sobressinal. De fato, observa-se que quanto maior for os pólos, menor fica as especificações de tempo de subida e tempo de acomodação, ou seja, o sistema atinge mais rapidamente a referência e entra mais rapidamente em regime. Porém para que isso aconteça, é requerido muita energia do sistema, fazendo com que sua resposta apresente um sobres- G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES 92 sinal. Essas duas situações são antagônicas, porque se por um lado o sistema fica muito rápido, por outro lado uma grande quantidade de energia é necessária para isso, fazendo com que aumente o sobressinal. De outra forma se o sistema fica mais lento, menor a quantidade de energia necessária para levá-lo para o regime, menor o sobressinal, resultando tem dois objetivos a serem alcançados para a alocação de pólos: menor sobressinal e tempo de acomodação. 90 88 θ [grau] 86 84 82 80 Referência Pólos [−5,−2.5,−2.1875] Pólos [−5,−1.9445,−1.75] Pólos [−5,−1.5909,−1.4584] Pólos [−5,−1.3462,−1.25] 78 76 74 72 20 22 24 26 28 5 30 CONSIDERAÇÕES FINAIS t [s] 5.1 (a) 4 regras: referência variando de 85, 6◦ para 90◦ 92 90 88 θ [grau] 86 84 82 80 Referência Pólos [−5,−2.5,−2.1875] Pólos [−5,−1.9445,−1.75] Pólos [−5,−1.5909,−1.4584] Pólos [−5,−1.3462,−1.25] 78 76 74 72 20 22 24 26 28 30 t [s] (b) 7 regras: referência variando de 85, 6◦ para 90◦ Figura 6: Desempenho 2 do controlador PID nebuloso. sinal considerável. Apesar disso, todas as especificações alcançaram as definições iniciais do projeto: além dos tempos de acomodação estarem dentro do intervalo predeterminado para o conjunto de pólos, o tempo de subida foi rápido o suficiente para garantir um sobressinal máximo de 3, 1442%, na Figura 5, e de 2, 6894% na Figura 5. Além disso, o fato dos pólos serem reais negativos garantiram a condição de estabilidade como critério de desempenho. Em termos de projeto, fica claro que o sobressinal e o tempo de acomodação são as duas especificações de mérito que definem o comportamento do sistema. Porém, é notável que quanto mais rápido fica a resposta do sistema, maior é o seu sobressinal; em contrapartida, quanto mais lento fica o sistema, menor é o sobres- Conclusões A proposta apresentada na seção 4 foi baseada no primeiro esquema da seção 3, porém a estrutura de malha-fechada se diferencia porque o MLVP do controlador está formatado segundo o padrão do controlador PID, além de está em cascata (em série) com o MLVP do robô manipulador a ser controlado. A proposta consiste em apresentar um conjunto de procedimentos que vão desde a modelagem da planta a ser controlada, passando pela obtenção do controlador nebuloso Takagi-Sugeno via alocação de pólos, até a obtenção dos resultados da dinâmica do controlador através de simulações computacionais, para que o leitor tenha, nestes procedimentos, um tipo de metodologia de projeto para sistemas nebulosos de controle, do tipo Takagi-Sugeno, que possa ser aplicada a um processo industrial não-linear, matematicamente modelável através de leis físicas, usando-se uma técnica de projeto de controle de processos, tal como a alocação de pólos. Quanto aos resultados, observouse pelas Figuras 5 e 6 que o tempo de acomodação e sobressinal estavam dentro do intervalo pretendido, conforme o que foi proposto para projeto de acordo com o conjunto de pólos alocados. 5.2 Propostas para Trabalhos Futuros A partir dos resultados apresentados, consideram-se algumas propostas para trabalhos futuros, com os seguintes aspectos de interesse: • Projeto de controle adaptativo com critério multi-objetivo em relação ao tempo de acomodação e sobressinal; Revista INNOVER, volume 1, número 2, Junho 2014 77 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único • Projeto de controle nebuloso baseado na metodologia proposta no contexto multivariável. 6 AGRADECIMENTOS Agradecimentos à FAPEMA e ao CNPq pelo apoio financeiro, e ao Laboratório de Inteligência Computacional Aplicada à Tecnologia (ICAT), do Departamento de Eletroeletrônica (DEE), do Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (IFMA), pela infraestrutura adequada para o desenvolvimento de todas as etapas deste projeto de pesquisa. FRANKLIN, G. F.; POWELL, J. D.; EMAMINAEINI, A. Feedback Control of Dynamic Systems. 3rd. ed. Reading: Addison-Wesley, c1994. GUO, L.; HUNG, J. Y.; NELMS, R. M. Evaluation of dsp-based pid and fuzzy controllers for dc-dc converters. IEEE Transactions on Industrial Electronics, v. 56, n. 6, p. 2237–2248, June 2009. HALLIDAY, D.; RESNICK, R.; WALKER, J. FUNDAMENTOS DE FÍSICA: mecânica. 6. ed. Rio de Janeiro: LTC, c2002. HIBBELER, R. C. DINÂMICA: mecânica para engenharia. 10. ed. São Paulo: Prentice Hall, c2005. 2 v. Dinâmica, v. 2). REFERÊNCIAS BABUŠKA, R. Fuzzy Modeling for Control. [S.l.]: Springer-Verlag GmbH, 1998. (International Series in Intelligent Technologies, 12). CHAN, Y. F.; CHAN, C. W.; MOK, H. T. Adaptive nonlinear pid controllers based on neurofuzzy networks. In: 7TH ASIAN CONTROL CONFERENCE, 2009, Hong Kong. Proceedings . . . . [S.l.], 2009. p. 790–795. CHANDER, S.; AGARWAL, P.; GUPTA, I. Fpgabased pid controller for dc-dc converter. In: 10 JOINT INTERNATIONAL CONFERENCE ON POWER ELECTRONICS, DRIVES AND ENERGY SYSTEMS (PEDES) & 2010 POWER INDIA, 2009. Proceedings . . . . [S.l.], 2010. p. 1–6. CHEN, H.-C. Optimal fuzzy pid controller design of an active magnetic bearing system based on adaptive genetic algorithms. In: SEVENTH INTERNATIONAL CONFERENCE ON MACHINE LEARNING AND CYBERNETICS, 7., 2008, Kunming. Proceedings . . . . [S.l.], 2008. p. 2054–2060. EMAMI, T.; WATKINS, J. M. A unified approach for robust stability design of pid controllers. In: 2010 AMERICAN CONTROL CONFERENCE, 2010, Baltimore, MD. Proceedings . . . . [S.l.], 2010. p. 3926–3931. 78 Revista INNOVER, volume 1, número 2, Junho 2014 IOANNOU, P. A.; SUN, J. Robust Adaptive Control. Upper Saddle River: PTR Prentice-Hall, 1995. JINGYI, W.; YINHAI, F. A fuzzy pid controller for ship course based on engineering tuning methods. In: ICII INTERNATIONAL CONFERENCE ON INFOTECH AND INFONET, 9., 1994. Proceedings . . . . [S.l.], 1994. p. 376–381. LATHI, B. P. Sinais e Sistemas Lineares. 2. ed. Porto Alegre: Bookman, 2007. LI, Q.; SHEN, D. A new incremental fuzzy pd+fuzzy id fuzzy controller. In: 2009 WASE INTERNATIONAL CONFERENCE ON INFORMATION ENGINEERING, 2009, Taiyuan, Shanxi. Proceedings . . . . [S.l.], 2009. p. 616–619. MEZA, J. L.; SOTO, R.; ARRIAGA, J. An optimal fuzzy self-tuning pid controller for robot manipulators via genetic algorithm. In: 2009 EIGHTH MEXICAN INTERNATIONAL CONFERENCE ON ARTIFICIAL INTELLIGENCE, 8., 2009, Guanajuato. Proceedings . . . . [S.l.], 2009. p. 21–26. PHILLIPS, C. L.; HARBOR, R. D. Feedback Control Systems. 3rd. ed. Upper Saddle River: Prentice Hall, c1996. PREITL, S. et al. Pole placement approaches for linear and fuzzy systems. In: 6TH INTERNATIONAL SYMPOSIUM ON INTELLIGENT SYSTEMS G INALBER L. O. S ERRA , A DRIANO M. M AGALH ã ES AND INFORMATICS - SISY 2008, 6., 2008, Subotica. Proceedings . . . . [S.l.], 2008. p. 1–6. CONFERENCE (NAFIPS2009), 2009, Cincinnati. Proceedings . . . . [S.l.], 2009. p. 1–4. RUBAAI, A.; CASTRO-SITIRICHE, M. J.; OFOLI, A. Dsp-based implementation of fuzzy-pid controller using genetic optimization for high performance motor drives. In: INDUSTRY APPLICATIONS CONFERENCE, 2007. 42ND IAS ANNUAL MEETING. CONFERENCE RECORD OF THE 2007 IEEE, 2007, New Orleans, LA. Proceedings . . . . [S.l.], 2007. p. 1649–1656. WANG, L.-X. A Course in Fuzzy Systems and Control. Upper Saddle River: Prentice Hall, 1996. SRIDHAR, K. et al. Optimal fuzzy pid controller for multi input multi output model. In: INTERNATIONAL CONFERENCE ON CONTROL, AUTOMATION, COMMUNICATION AND ENERGY CONSERVATION, 2009, Perundurai, Tamilnadu. Proceedings . . . . [S.l.], 2009. p. 1–4. SUGENO, M.; KANG, G. Structure identification of fuzzy model. Fuzzy Sets and Systems, v. 28, p. 15–33, 1988. SUGENO, M.; TANAKA, K. Sucessive identification of a fuzzy model and its application to prediction of a complex system. Fuzzy Sets and Systems, v. 42, p. 315–334, 1991. TAKAGI, T.; SUGENO, M. An optimal fuzzy pid controller. IEEE Transactions on Systems, Man and Cybernetics, v. 15, n. 1, p. 116–132, 1985. TANG, K. S. et al. An optimal fuzzy pid controller. IEEE Transactions on Industrial Eletronics, v. 48, n. 4, p. 757–765, August 2001. THEESAR, S. J. S.; BALASUBRAMANIAM, P. Robust stability analysis of uncertain t-s fuzzy systems with time-varying delay. In: 2010 IEEE INTERNATIONAL CONFERENCE ON COMMUNICATION CONTROL AND COMPUTING TECHNOLOGIES (ICCCCT), 2010. Proceedings . . . . [S.l.], 2010. p. 707–712. VICK, A.; COHEN, K. Longitudinal stability augmentation using a fuzzy logic based pid controller. In: THE 28TH NORTH AMERICAN FUZZY INFORMATION PROCESSING SOCIETY ANNUAL WANG, X.; ZHAO, Y.; LIAO, Y. Dynamic performance analysis of pid controller with one memristor. In: INTERNATIONAL CONFERENCE ON INFORMATION SCIENCE AND TECHNOLOGY, 2011, Nanjing, Jiangsu. Proceedings . . . . [S.l.], 2011. p. 1234–1237. XIU, Z.; WANG, W. A novel nonlinear pid controller designed by takagi-sugeno fuzzy model. In: 6TH WORLD CONGRESS ON INTELLIGENT CONTROL AND AUTOMATION, 6., 2006, Dalian. Proceedings . . . . [S.l.], 2006. p. 3724–3728. YAO, M. Realization of fuzzy pid controller used in turbine speed control system with fpga. In: 2010 INTERNATIONAL CONFERENCE ON FUTURE INFORMATION TECHNOLOGY AND MANAGEMENT ENGINEERING, 2010, Changzhou. Proceedings . . . . [S.l.], 2010. p. 261–264. ZHAO, Z.; ZHU, Y.; LIU, S. Algorithm research of fuzzy-pid parameters self-tuning wall thickness controller. In: 2009 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION, 2009, Changchun. Proceedings . . . . [S.l.], 2009. p. 428–432. BIOGRAFIA DOS AUTORES Dr. Ginalber L. O. Serra recebeu os graus de Bacharelado e Mestre em engenharia elétrica pela Universidade Federal do Maranhão, Maranhão, Brasil, em 1999 e 2001, respectivamente. Ele recebeu o grau de Doutor em Engenharia Elétrica pela Universidade Estadual de Campinas (UNICAMP), Campinas-SP, Brasil, em Setembro de 2005. Ele terminou sua pesquisa de Pós-doutorado em controle adaptativo neuro-fuzzy multivariável de sistemas Revista INNOVER, volume 1, número 2, Junho 2014 79 Controle PID Nebuloso com Alocação de Pólos: Estudo Aplicado a Robô Manipulador com Elo Único não lineares, no Departamento de Máquinas, Componentes e Sistemas Inteligentes da Universidade Estadual de Campinas, Campinas, Brasil, em Setembro de 2006. Entre 2006 e 2007, foi pesquisador do Departamento de Engenharia Elétrica da Universidade de Santiago (USACH), Chile. Atualmente é professor e chefe do grupo de pesquisa em Inteligência Computacional Aplicada à Tecnologia, do Instituto Federal de Educação, Ciência e Tecnologia (IFMA), São LuisMA, Brasil; e professor permanente do Programa de Pós-Graduação em Engenharia de Eletricidade, da Universidade Federal do Maranhão (UFMA), São Luis-MA, Brasil. Dr. Serra é Editor do livro Frontiers in Advanced Control Systems (InTech, 2012), e atua como revisor de várias conferências e revistas de prestígio. Seu interesse de pesquisa inclui temas sobre sistemas fuzzy, redes neurais, computação evolutiva, instrumentação para controle de alto desempenho, controle em tempo real, processamento de sinais, aplicações em automação e controle industrial. Adriano M. Magalhães é especialista em Engenharia de Campo Qualidade pela Universidade Federal do Maranhão - UFMA, através do Programa de Mobilização das Insdústrias de Petróleo e Gás Natural - PROMINP (Petrobras). Engenheiro Eletricista Industrial formado pelo Instituto Federal de Educação, Ciência e Tecnologia do Maranhão - IFMA. Encontra-se atualmente como professor do curso de Engenharia Elétrica da Faculdade Pitágoras - FAMA. Participou do Programa de Formação Profissional, como Trainee Técnico Operacional na Oficina Central de Locomotivas da VALE, em São Luís, Maranhão, onde primeiramente integrou o Grupo de Análise de Falhas de Locomotivas - GAF, efetuando análise de falhas de componentes elétricos e eletrônicos, bem como participando de alguns estudos de confiabilidade da manutenção de componentes eletrônicos de locomotivas. Participou também do corpo de colaboradores da Supervisão de Manutenção dos Componentes Elétricos, atuando na estruturação da célula de manutenção de módulos, painéis e cartões eletrônicos de locomotivas. 80 Revista INNOVER, volume 1, número 2, Junho 2014