modelagem e identificação de uma máquina de extrusão através de
Transcrição
modelagem e identificação de uma máquina de extrusão através de
ii Dados Internacionais de Catalogação-na-Publicação (CIP) Divisão Biblioteca Central do ITA/CTA Silva, Itamar Pifano Modelagem e Identificação de uma Máquina de Extrusão através de Bond Graphs / Itamar Pifano Silva. São José dos Campos, 2005. Número de folhas no formato 140f. Tese de mestrado – Curso de Engenharia Aeronáutica e Mecânica, Área de Sistemas Aeroespaciais e Mecatrônica – Instituto Tecnológico de Aeronáutica, 2005. Orientador: Prof. Dr. Luiz Carlos Sandoval Góes. 1. Modelagem de Sistemas. 2. Identificação de Sistemas. 3. Extrusão de Polímeros. I. Centro Técnico Aeroespacial. Instituto Tecnológico de Aeronáutica. Divisão de Ensino à qual está vinculado o orientador. II.Título REFERÊNCIA BIBLIOGRÁFICA SILVA, Itamar Pifano. Modelagem e Identificação de uma Máquina de Extrusão através de Bond Graphs. 2005. Total de 140 folhas. Tese de mestrado – Instituto Tecnológico de Aeronáutica, São José dos Campos. CESSÃO DE DIREITOS NOME DO AUTOR: Itamar Pifano Silva TÍTULO DO TRABALHO: Modelagem e Identificação de uma Máquina de Extrusão através de Bond Graphs TIPO DO TRABALHO/ANO: Tese / 2005 É concedida ao Instituto Tecnológico de Aeronáutica permissão para reproduzir cópias desta tese e para emprestar ou vender cópias somente para propósitos acadêmicos e científicos. O autor reserva outros direitos de publicação e nenhuma parte desta tese pode ser reproduzida sem a sua autorização do autor. ___________________________ Itamar Pifano Silva Rua Olegário Ponciano Werner, 45 – Jd. Primavera 27283-590 – Volta Redonda – RJ iii MODELAGEM E IDENTIFICAÇÃO DE UMA MÁQUINA DE EXTRUSÃO ATRAVÉS DE BOND GRAPHS Itamar Pifano Silva Composição da Banca Examinadora: Profa. Prof. Prof Prof. Prof. Dra. Emília Villani Dr.Luiz Carlos Sandoval Góes Dr. João Carlos Menezes Dr. Lindolfo Araújo Moreira Dr. Edilson Hiroshi Tamai Presidente - ITA Orientador - ITA - ITA - ITA - USP ITA iv Agradecimentos A Deus pelas oportunidades oferecidas, aos meus pais e familiares que sempre me encorajaram nas horas difíceis. Ao professor Dr. Luiz C. S. Góes, meu orientador, pela excelência nas aulas ministradas e nas suas orientações. Ao professor Dr. Edilson H. Tamai pelas correções sugeridas. Aos professores do instituto e amigos de classe, que de uma forma ou de outra me ajudaram no meu desenvolvimento. Um agradecimento também em especial a minha namorada Fernanda S. Fogaça, pela sua dedicação e compreensão. v Resumo Este trabalho tem como objetivo a modelagem por grafo de ligação (Bond Graph) de uma máquina de extrusão de borracha para pneumáticos e a identificação experimental dos parâmetros do modelo BG. Esta modelagem possibilita gerar modelos contínuos no espaço de estados que podem ser convertidos para modelos contínuos em função de transferência. A metodologia de identificação de sistemas fornece modelos discretos de função de transferência que podem ser convertidos, apropriadamente, em modelos contínuos em função de transferência, sendo esses comparados com os modelos contínuos em função de transferência da modelagem BG com o objetivo de validar e melhorar a realidade do modelo teórico. O processo decorre a quente, faz-se necessário um controle da velocidade do parafuso de extrusão com referência ao tapete de resfriamento para obter o perfil de material dentro das especificações de tamanho e peso determinadas pelo departamento de qualidade do produto. Para o processo de identificação foi desenvolvido um sistema de aquisição de dados via microcomputador PC com condicionamento de sinais AD/DA e um programa de computador, em linguagem LabVIEW®, o qual controla o sistema de aquisição de dados e armazena as leituras para a identificação off-line. Para o processo de identificação e validação dos modelos foram utilizadas as ferramentas de identificação de sistemas do programa de computador MATLAB®. vi Abstract This work has as objective the modeling for bond graph of a rubber extrusion machine and the experimental identification of the BG model parameters. This modeling makes possible to produce continuous models in the states space that can be converted for continuous models in transfer function. The methodology of systems identification supplies discreet models of transfer function that they can be converted, adequately, in continuous models in transfer function, being compared with the continuous models in transfer function of BG modeling with the objective to validate and to improve the reality of the theoretical model. The process happens to hot, and is necessary a control of the extrusion screw speed with reference to the cooling rug to obtain the material profile inside of the size and weight specifications determined by the department of product quality. For the identification process a data acquisition system was developed through a PC microcomputer with conditioning of signs DA/AD and a computer program, in language LabVIEW®, which controls the data acquisition system and it stores the readings for the off-line identification. For the identification and validation process of the models were used the tools of systems identification of the computer program MATLAB®. vii Sumário Capítulo I – Introdução…………….……………………………...……...........….....………...1 I.1 Objetivos do trabalho………….………….……………………………..........………..…...1 I.2 Revisão bibliográfica ..............…………………………………………….…..........….…..3 I.3 Descrição do trabalho por capítulos….…….……………………………............………....5 Capítulo II – Modelagem Dinâmica e Identificação Experimental…...…………...........….….7 II.1 Metodologia dos grafos de ligação ou bond graphs……………………...........……..…....7 II.1.1 Introdução………………...........…….…..........................................................................7 II.1.2 Interconectividade de subsistemas………………………………….…….…..........…....7 II.1.3 Tetraedro de estado………………………….........………………………….….....……9 II.1.4 Componentes básicos……………………………..........………………………..…......14 II.1.5 Causalidade...………………………………………….........…………………...…......20 II.1.6 Modelagem de sistemas……………………………………………...……..........…......23 II.1.6.1 Metodologia de construção do grafo de ligação de sistemas elétrico..…....................23 II.1.6.2 Metodologia de construção do grafo de ligação de sistemas mecânicos de translação…………………………………………………........…………..…........................24 II.1.6.3. Metodologia de construção do grafo de ligação de sistemas mecânicos de rotação…………………………………………………………………...................................24 II.1.6.4. Metodologia de construção do grafo de ligação de sistemas hidráulicos…...........…………………………………………………………………..............25 II.1.7 A metodologia de desenvolvimento das equações através do grafo de ligação……………………………………………………………………...............................25 II.1.7.1 Introdução……………………………………………….........…………………..…..25 II.1.7.2 Procedimento para fixação da causalidade……………..........…..…………………...26 II.1.7.3 Formulação das equações no espaço de estado…………...........……….………........26 viii II.2 Metodologia de identificação…………………...........……………………………..…....29 II.2.1 Introdução………………………...………...........………………………………….….29 II.2.2 Manobras……………………………............…..………………………………….......30 II.2.3 Medidas……………………………...........…………………………………................31 II.2.3.1 Componentes do sistema de aquisição de dados por computador………..………......31 II.2.3.2 Classificação dos sinais…………………...........………………………….................32 II.2.3.3 Condicionamento de sinais…………………..........………………………….…..…..33 II.2.3.4 Configurações das entradas e saídas..……………..........……………………....….....33 II.2.4 Modelos…………………………………………..........……………………...……......35 II.2.4.1 Conceitos básicos ………………………………….........………………....…….......35 II.2.4.2 Função de transferência e de resposta impulsiva ….........……………...…..…..........36 II.2.4.3 Representação no espaço de estado ………...……..........……….…….…..…............37 II.2.4.4 Representações discretas .............................................................................................39 II.2.4.5 Resumo de modelos paramétricos......……………..........………………...……….....45 II.2.5 Métodos………………………………………………...........…….……………….......45 II.2.5.1 Mínimos quadrados......................................................................................................46 II.2.5.2 Máxima verossimilhança..............................................................................................48 Capítulo III – Modelagem BG da Extrusora.............................................................................51 III.1 Descrição específica do problema abordado e do processo de extrusão...........................51 III.1.1 Conceitos iniciais...........................................................................................................53 III.1.2 Cristalinidade e peso molecular afetam as propriedades ..............................................54 III.1.3 Principais propriedades mecânicas e físicas dos polímeros...........................................55 III.1.3.1 Tração, módulo de elasticidades, resistência à tração e alongamento........................55 III.1.3.2 Resistência à compressão............................................................................................56 III.1.3.3 Resistência à flexão.....................................................................................................57 ix III.1.3.4 Resistência ao impacto Izod........................................................................................57 III.1.3.5 Densidade....................................................................................................................58 III.1.4 Principais propriedades térmicas e termodinâmicas......................................................58 III.1.4.1 Temperatura de fusão..................................................................................................58 III.1.4.2 Temperatura de deflexão ao calor...............................................................................59 III.1.4.3 Temperatura de amolecimento Vicat..........................................................................59 III 1.4.4 Temperatura de fragilização........................................................................................59 III.1.4.5 Condutividade térmica................................................................................................60 III.1.4.6 Coeficiente de expansão térmica.................................................................................60 III.1.5 Componentes da extrusora em estudo............................................................................61 III.1.6 Princípio de funcionamento...........................................................................................62 III.1.6.1 Sistema de alimentação de material............................................................................62 III.1.6.2. Sistema de aquecimento da extrusora e a hipótese simplificadora............................62 III.1.6.3 Regulagem automática................................................................................................63 III.2 Modelagem por grafos de ligação (BG) do processo de extrusão....................................64 III.2.1 Modelagem por grafos de ligação do motor do tapete – Sistema I................................65 III.2.2 Modelagem do sistema de controle PI – Sistema II.......................................................69 III.2.3 Modelagem por grafos de ligação do motor do parafuso – Sistema III.........................70 III.2.4 Modelagem por grafos de ligação do processo – Sistema IV........................................74 III.2.5 Grafos de ligação completo da máquina de extrusão em estudo...................................76 Capítulo IV – Descrição do Aparato Experimental – Processo de Extrusão............................77 IV.1 Descrição do aparato experimental...................................................................................77 IV.1.1 Descrição dos tipos e localização de sensores, atuadores e sistema de aquisição de dados.........................................................................................................................................77 IV.1.2 Configuração do sistema de aquisição de dados............................................................80 x IV.2 Descrição do software de aquisição de dados...................................................................81 IV.2.1 Pacote de leitura on-line dos dados................................................................................82 IV.2.2 Pacote de registro dos dados..........................................................................................83 IV.2.3 Pacote de leitura off-line dos dados...............................................................................83 IV.2.4 Pacote de processamento dos dados..............................................................................83 IV.3 Seqüência de operações para a aquisição de dados..........................................................84 IV.3.1 Seqüência de operações para o pacote de leitura on-line..............................................85 IV.3.2 Seqüência de operações para o pacote de registro dos dados........................................86 IV.3.3 Seqüência de operações para o pacote de leitura off-line..............................................88 IV.3.4 Seqüência de operações para o pacote de processamento.............................................90 Capítulo V – Resultados...........................................................................................................92 V.1 Resultados da identificação dos dados obtidos pelo aparato experimental........................92 V.1.1 Sistema I: Motor do tapete transportador de saída do produto extrudado......................94 V.1.2 Sistema II: Controle PI - Proporcional Integral..............................................................98 V.1.3 Sistema III: Motor do parafuso de extrusão..................................................................102 V.1.4 Sistema IV: Processo: Parafuso de extrusão, barril e matriz.........................................106 V.2 Comparação dos modelos e estimação dos parâmetros...................................................111 V.2.1 Sistema I: Motor do tapete transportador de saída do produto extrudado....................111 V.2.2 Sistema II: Controle PI - Proporcional Integral............................................................112 V.2.3 Sistema III: Motor do parafuso de extrusão..................................................................112 V.2.4 Sistema IV: Processo: Parafuso de extrusão, barril e matriz.........................................113 Capítulo VI – Conclusões.......................................................................................................114 Referências Bibliográficas......................................................................................................117 Apêndice I – Programas em LabVIEW®...............................................................................119 Apêndice II – Programas em MATLAB®..............................................................................129 xi Lista de Ilustrações Figura 2.1 Ilustração de uma extrusora……………………….........……...……………...........8 Figura 2.2 Tetraedro de estado generalizado………………………….........……………...…11 Figura 2.3.a Tetraedro de estado, sistemas mecânico translacional e mecânico rotacional…………………………………………………………………...............................13 Figura 2.3.b Tetraedro de estado, sistemas hidráulicos e elétricos………...............................14 Figura 2.4 Representação de componentes resistivos…..........…………………………..…...15 Figura 2.5 Representação de componentes capacitivos...…………………..........…….……..15 Figura 2.6 Representação de componentes inerciais……………………...........…….…….....16 Figura 2.7 Representação de transformadores…………………………………...........……...18 Figura 2.8 Representação de giradores……………………………………….........…..……..18 Figura 2.9 Representação de transformadores e giradores modulares……..........…….……...19 Figura 2.10 Junção 0………………………………………………………..........…………...19 Figura 2.11 Junção 1……………………………………………………..........……..……….20 Figura 2.12 Junção 1 sentido das potências………………………………..........……………20 Figura 2.13 O significado da fixação da causalidade……………………..........………..……21 Figura 2.14 Exemplo de formulação das equações no espaço de estado para o motor DC..…27 Figura 2.15 Esquema simplificado do processo de identificação………….............................29 Figura 2.16 Componente do sistema de aquisição de dados………………….............…........32 Figura 2.17 Tipos de sinais…………………………………………………...........................33 Figura 2.18 Representação esquemática de modelo FIR……………………….….…............40 Figura 2.19 Representação esquemática de modelo ARX…….........……………….….…….41 Figura 2.20 Representação esquemática de modelo ARMAX………..........……….…….…..42 Figura 2.21 Representação esquemática de modelo erro na saída………….........…….….….44 Figura 2.22 Representação esquemática de modelo Box-Jenkins………………..........….….45 xii Figura 2.23 Sistema linear de n parâmetros..............................................................................47 Figura 3.1 Extrusora de parafuso único....................................................................................51 Figura 3.2 Comportamento mecânico definidos pela percentagem de cristalização e peso molecular...................................................................................................................................54 Figura 3.3 Curva generalizada de ensaio de tração...................................................................55 Figura 3.4 Diagramas de Bloco do processo de extrusão.........................................................64 Figura 3.5 Diagrama de blocos simplificado para modelagem e identificação........................65 Figura 3.6 Grafo do Motor DC do tapete transportador...........................................................66 Figura 3.7 Sistema de controle PI – Proporcional Integral.......................................................69 Figura 3.8 Grafo do Motor DC do parafuso..............................................................................70 Figura 3.9 Grafo do processo....................................................................................................74 Figura 3.10 Grafo da extrusora completo.................................................................................76 Figura 4.1 Esquema do processo com a instrumentação e os pontos de medição....................77 Figura 4.2 Detalhamento do sistema de aquisição de dados.....................................................78 Figura 4.3 Tela do programa de leitura on-line.........................................................................86 Figura 4.4 Tela do programa de registro dos dados..................................................................87 Figura 4.5 Tela do programa de leitura dos dados off-line.......................................................89 Figura 4.6 Tela do Windows para abertura do arquivo.............................................................90 Figura 4.7 Tela do programa de processamento.......................................................................91 Figura 5.1 Diagrama de blocos simplificado para modelagem e identificação........................92 Figura 5.2 Esquema do processo com a instrumentação e os pontos de medição....................93 Figura 5.3 Gráfico de sinais de entrada e saída do motor do tapete..........................................94 Figura 5.4 Gráfico de sinais, de entrada e saída do motor do tapete, com período de 9.9 a 112 segundos. Sem pré – processamento, sem média e tendência em azul. Dividido para identificar e validar vermelho e verde.......................................................................................95 xiii Figura 5.5 Sinal do modelo do motor do tapete em azul e sinal de validação em preto...........96 Figura 5.6 Gráfico dos sinais de entrada e saída do controle PI...............................................98 Figura 5.7 Gráfico de sinais, entrada e saída, com período de 175 a 200 segundos. Sem pré processamento, sem a média e tendência em azul. Dividido para identificar e validar em vermelho e verde.......................................................................................................................99 Figura 5.8 Sinal do modelo em azul e sinal de validação em preto........................................100 Figura 5.9 Diagrama do controle PI........................................................................................101 Figura 5.10 Gráfico dos sinais de entrada e saída motor do parafuso.....................................102 Figura 5.11 Gráfico de sinais, de entrada e saída, com período de 9,9 a 112 segundos. Sem pré – processamento, sem a média e tendência em azul. Dividido para identificar e validação em vermelho e verde. ...................................................................................................................103 Figura 5.12 Sinal do modelo do motor do parafuso em azul e sinal de validação em preto........................................................................................................................................104 Figura 5.13 Gráfico de sinais de entrada e saída do processo.................................................106 Figura 5.14 Gráfico de sinais, de entrada e saída do período de 1,5 à 200 segundos. Sem pré – processamento, sem a média e tendência em azul. Dividido para identificar e validar em vermelho e verde.....................................................................................................................107 Figura 5.15 Sinal do modelo do processo simulado em azul e sinal de validação em preto........................................................................................................................................108 Figura AI.1 Tela do programa de leitura on-line....................................................................119 Figura AI.2 Linguagem de programação do programa leitura on-line...................................119 Figura AI.3 Tela do programa de registro dos dados..............................................................121 Figura AI.4 Linguagem de programação do programa registro dos dados.............................121 Figura AI.5 Tela do programa de leitura off-line....................................................................123 Figura AI.6 Linguagem de programação do programa de leitura off-line..............................124 xiv Figura AI.7 Tela do programa de processamento de dados....................................................126 Figura AI.8 Linguagem de programação do programa de processamento de dados..............127 Figura AII.1 Esquema do processo com a instrumentação e os pontos de medição...............129 Figura AII .2 Interface gráfica do pacote de identificação de sistemas do MATLAB®........132 Figura AII.3 Tela de importação dos dados............................................................................133 Figura AII.4 Tela de interface gráfica com modelo a identificar............................................134 Figura AII.5 Tela de interface gráfica com modelo a identificar e validar.............................135 Figura AII.6 Gráfico do modelo para identificar e validar.....................................................135 Figura AII.7 Tela de Seleção de modelos paramétricos.........................................................136 Figura AII.8. Tela de interface gráfica com modelo identificado...........................................137 Figura AII.9. Gráfico do modelo medido e simulado.............................................................137 Figura AII.10. Tela do modelo identificado...........................................................................138 xv Lista de Tabelas Tabela 2.1 Variáveis de esforço e fluxo……………………..........………………….………...9 Tabela 2.2 Variáveis do sistema mecânico translacional………..........………………………11 Tabela 2.3 Variáveis do sistema mecânico rotacional………………..........…………………12 Tabela 2.4 Variáveis do sistema hidráulico……………………….........…………………….12 Tabela 2.5 Variáveis do sistema elétrico………………………..........……………………….13 Tabela 2.6 Porta resistiva……………………………………….........……………………….15 Tabela 2.7 Porta capacitiva………………………………….........…………………………..16 Tabela 2.8 Porta inercial………………………………………….........……………………..17 Tabela 2.9 Forma causal para 1-Porta básica…………………..........………………………..22 Tabela 2.10 Forma causal para 2-Portas e 3-Portas básicas……………..........………………23 Tabela 2.11 Resumo de modelos paramétricos............……………………………..........…...45 Tabela 2.12 Modelos paramétricos e seus métodos no MATLAB®........................................46 Tabela 4.1 Especificação do chassi....................………………………..........…………….....79 Tabela 4.2 Especificação do módulo de condicionamento de sinais ..........................…….....79 Tabela 4.3 Especificação do bloco conector, cabos e acessórios.............………………….....79 Tabela 4.4 Especificação da placa de aquisição de dados..…………….........…………….....80 Tabela 4.5 Ganho total.......................................……………………………..........……….....81 xvi Lista de símbolos e abreviações 4M A A/D ARMA ARMAX ARX BG c C2 cf cm cm_prf cm_tap D/A DAQ DC E ei eo F FIR id jm jm_prf jm_tap k K km km_prf km_tap kred L L0 la la_prf la_tap LSB P Pi PRBS R1 R2 R3 R4 Manobras, medidas, modelos e métodos Área Analógico para digital Modelo auto-regressivo, de média móvel(autoregressive moving average model) Modelo auto-regressivo, média móvel com entrada exógena (autoregressive moving average model with exogenous inputs) Modelo auto-regressivo com entrada exógena (autoregressive model with exogenous inputs) Grafo de ligação (bond graph) Capacitância térmica do fluido Capacitância elétrica 2 do controle PI Capacitância fluida Atrito do motor Atrito do motor do parafuso Atrito do motor do tapete Digital para analógico Aquisição de dados (data acquisition) Corrente direta (direct current) Módulo de elasticidade Tensão de entrada do controle PI Tensão de saída do controle PI Força Resposta finita ao impulso (finite impulse response) Inércia do polímero Inércia do motor Inércia do motor do parafuso Inércia do motor do tapete Constante de transformação do parafuso Módulo de compressão Constante de giração do motor Constante de giração do motor do parafuso Constante de giração do motor do tapete Constante de transformação da caixa redutora Distância final entre dois pontos Distância inicial entre dois pontos Indutância de armadura do motor Indutância de armadura do motor do parafuso Indutância de armadura do motor do tapete Bit menos significativo (least significative bit) Pressão Probablilidade Sinal binário pseudo-aleatório (pseudo-random binary signal) Resistência elétrica 1 do controle PI Resistência elétrica 2 do controle PI Resistência elétrica 3 do controle PI Resistência elétrica 4 do controle PI xvii ra ra_prf ra_tap rd ri ro rs rv SISO Tg Ti Tm va va_prf va_tap X xi Y yi β ε θ ^ θ σ σi τ τprf τtap Ω Ωprf Ωtap Resistência de armadura do motor Resistência de armadura do motor do parafuso Resistência de armadura do motor do tapete Resistência de atrito da matriz Resistência térmica inicial do polímero Resistência térmica final do fluido Resistência de atrito de carga Resistência de atrito viscoso Uma entrada e uma saída (single-input, single-output) Temperatura de transição vítrea Temperatura inicial do polímero Temperatura de fusão cristalina Tesão de armadura do motor Tesão de armadura do motor do parafuso Tesão de armadura do motor do tapete Entrada do sistema Ponto no eixo x Saída do sistema Ponto no eixo y Dilatação térmica volumérica Alongamento Parâmetro a identificar Parâmetro estimado Tensão Desvio padrão Torque do motor Torque do motor do parafuso Torque do motor do tapete Velocidade do motor Velocidade do motor do parafuso Velocidade do motor do tapete 1 Capítulo I – Introdução I.1 Objetivos do trabalho • Objetivos da tese diante dos trabalhos anteriores A busca constante da qualidade com baixo custo de produção, associada à flexibilidade para se inovar e à confiabilidade na entrega do produto final têm levado a indústria e o meio acadêmico à procura de meios cada vez mais eficientes, precisos e confiáveis de máquinas e processos de produção. Tem fluído da indústria ao meio acadêmico e vice-versa a busca constante de melhoria destes equipamentos e ou destes processos industriais, que podem ser pouco conhecidos ou até desconhecidos. O trabalho consta em propor uma metodologia BG, Bond Graph, para modelagem de uma máquina de extrusão de borracha para pneumáticos e a identificação de sistemas para conhecer e validar os parâmetros do modelo BG, visando melhorar os índices de produtividade e qualidade do produto, utilizando um ambiente integrado LabVIEW® MATLAB®. Esta estrutura BG nos propicia modelos contínuos em equações no espaço de estado e a ordem do modelo. Estes modelos contínuos em equações no espaço de estados podem ser convertidos para modelos contínuos em função de transferência. O processo de identificação proporciona modelos discretos de função de transferência que são convertidos em modelos discretos no espaço de estado, depois em modelos contínuos no espaço de estado e por fim em modelos contínuos de função de transferência e comparados com os modelos contínuos em função de transferência do processo de modelagem BG para identificar alguns ou todos os parâmetros da máquina utilizados na modelagem. O incentivo a este projeto também foi a relação do curso acadêmico através da teoria de modelagem utilizando BG com a prática experimental pelo desenvolvimento do sistema de 2 aquisição de dados e o programa computacional em linguagem LabVIEW® para a leitura e o tratamento dos sinais para a identificação dos sistemas. • Motivação O processo de extrusão de borracha para fins de recauchutagem de pneus necessita de atingir níveis de qualidades para o peso e tamanho tirados da extrusora e, por conseguinte níveis de qualidade e segurança pré-determinados para o cliente. Para a regulação do peso e tamanho tirado da extrusora é mais ou menos complexa, de acordo com: • A goma utilizada; • O perfil desejado e • O tipo de alimentação da goma da extrusora. E esta se apresenta sob dois aspectos: 1. Cortadeira libera cubos, que são misturados com estearato, designação comum aos sais e ésteres do ácido esteárico, o que permite uma alimentação regular e uma regulação da largura suficiente para uma grande variedade de produtos. 2. Cortadeira com alimentação em tiras, que suprime a presença de estearatos na goma, mas fornece uma alimentação mais irregular e para melhorar a regulação é então mais complexa e necessita a utilização da variação da velocidade do parafuso para ficar dentro das tolerâncias. A proibição do emprego de estearato levou a uma generalização das máquinas de extrusão e, em conseqüência, ao estudo do sistema de regulação permitindo respeitar as tolerâncias sendo, ao mesmo tempo, menos oneroso que a utilização com estearato. O objetivo do estudo é fazer a identificação paramétrica do modelo BG de uma máquina de extrusão de borracha com alimentação em tiras sem estearatos. 3 I.2 Revisão bibliográfica • Livro: Metamodelling: Bond graphs and dynamic systems cap. 7 An extrusion process de Peter Gawthrop e Lorcan Smith Neste trabalho é mostrada a metodologia para desenvolver um BG de um hierárquico BG de palavras combinando pseudo BG com BG de energia para uma máquina de extrusão de polímero para revestimento de cabos elétricos. As equações dinâmicas para o controle e as equações estáticas para determinação das temperaturas de fusão do polímero, velocidade e vazão do produto extrudado são deduzidas do BG. O processo é executado pelo motor DC que providencia a energia mecânica necessária para superar o atrito contrário do polímero e gerar pressão hidráulica suficiente para forçar o polímero a entrar na cunha para atingir a forma desejada na saída da mesma. O polímero é considerado incompressível, com capacitância assumida constante para o volume de controle da camisa do parafuso. O sistema é aquecido por bancos de resistências elétricas e a temperatura de trabalho é mantida aproximadamente constante por uma malha de controle automático e assim a viscosidade é considerada aproximadamente constante. O controle é feito pela medição de temperatura, pressão e o diâmetro do cabo. Este último é de grande interesse por ele medir a qualidade do produto final. O modelo para controle é de quarta ordem e a entrada é a tensão de armadura do motor DC do parafuso e a saída é a vazão ou a velocidade de produto extrudado. • Artigo: Identification and control of an extruder using multivariable algorithms de Ph.D. L.W. Bezanson e Ph.D. S.L. Harris Neste trabalho foram desenvolvidos algoritmos de identificação de uma máquina de extrusão de polímeros com o objetivo de desenvolver um modelo para o controle do processo 4 através de um computador. O processo de identificação partiu de experiências de outros artigos que propunham modelos ARMAX de primeira, segunda ou terceira ordem. Foram todos testados e os de segunda ordem os que melhor representou o sistema. Os sistemas identificados foram dois sistemas SISO que relacionavam temperatura de fusão do polímero com pressão na matriz e velocidade do parafuso com a posição da válvula de restrição da matriz. O processo de extrusão tinha como sinais de entrada a temperatura e a pressão do polímero na matriz ou ferramenta de moldar o polímero e como sinais para os atuadores a tensão de armadura do motor DC e a tensão da válvula de restrição do produto de extrusão. O sistema de controle de temperatura é um sistema de malha fechada composto de quatro bancos de resistências elétricas que são dispostos três na camisa do parafuso de extrusão e um na válvula de restrição. Com os modelos identificados, o sistema de controle conseguiu reduzir o desvio padrão da pressão em até 77% e o desvio padrão da temperatura em até 88%. • Artigo: Parametric identification on bond graphs models de Marisol Delgado e Janette Garcia. Neste trabalho são implementados no pacote computacional DESIS que desenvolve a modelagem matemática e simulação de um sistema físico, pela metodologia BG, um conjunto de técnicas de identificação de sistemas com o objetivo de aumentar a realidade no modelo matemático. O DESIS era formado por um pacote de três módulos: Módulo de descrição gráfica, módulo de geração de equações e o módulo de simulação. O módulo de descrição gráfica mostra o desenho do BG diretamente na tela do computador. O módulo de geração de 5 equações gera simbolicamente e numericamente as equações do BG desenhado no módulo anterior e o módulo de simulação executa a simulação do BG. Com a criação do novo módulo de identificação paramétrica o DESIS passou a ter quatro módulos. O módulo de geração de equações que gera um modelo simbólico e é utilizado como modelo paramétrico pelo módulo de identificação para a identificação paramétrica através de dados coletados das entradas e saídas do sistema e assim melhorar a precisão da modelagem com a identificação do sistema. Um exemplo é mostrado no artigo. O sistema físico de um motor DC com acionamento de voltagem é desenhado o seu BG e colocado todos os valores de cada elemento menos a inércia da carga que é a ser identificada. Com o objetivo de ter os dados de entrada, é simulado o sistema com uma entrada em degrau unitário e para uma inércia da carga com valor iguala a 10Kgm 2 . Utilizando o novo módulo de identificação paramétrica é encontrado o valor estimado do parâmetro de 10,1024Kgm 2 identificando assim a inércia da carga. I.3 Descrição do trabalho por capítulos O capítulo 1 começa com uma introdução aos objetivos, a motivação do trabalho e a revisão bibliográfica. O capítulo 2 faz uma revisão da metodologia sistemática de obtenção dos modelos por Grafos de Ligação (Bond Graphs). Neste capítulo também é revisto a metodologia de identificação pelo princípio dos 4M, manobras, medidas, modelos e métodos. O capítulo 3 começa com a descrição detalhada dos componentes de uma extrusora, a explicação do princípio de funcionamento e termina com a modelagem por Grafos de Ligação da extrusora em estudo. 6 O capítulo 4 descreve o aparato experimental do sistema de aquisição de dados via um microcomputador, a configuração e os procedimentos para a operação do software criado para visualizar, a armazenar e processar os sinais. O capítulo 5 é feito à identificação e validação dos modelos da extrusora em estudo com os dados aquisitados no capítulo 4 e comparado com o modelo feito pelo Grafo de Ligação no capítulo 3. Finalmente as conclusões e sugestões para trabalhos futuros são feitas no capítulo 6. 7 Capítulo II – Modelagem Dinâmica e Identificação Experimental II.1 Metodologia dos grafos de ligação ou bond graphs II.1.1 Introdução As dinâmicas de sistemas reais são complexas e envolvem diferentes áreas da engenharia como mecânica translacional, mecânica rotacional, hidráulica, pneumática, térmica, elétrica, magnética, acústica e outras. A ação de modelar cada área é tratada separadamente em cada disciplina da engenharia, sendo não trivial a interação entre estas áreas. O mundo real envolve geralmente sistemas mecânicos controlados eletronicamente, chamados nos dias de hoje por sistemas mecatrônicos. Para o desenvolvimento destes projetos em tempo útil de lançar no mercado e com custos reduzidos existe a necessidade de simular estes sistemas. Uma metodologia sistemática para análise e simulação destes sistemas chamada de Grafos de Ligação ou Bond Graph é descrita abaixo. Para a simulação computacional do Bond Graph, uma vez que é uma metodologia sistemática, já existem alguns programas computacionais como, por exemplo, o 20-SIM. Uma das principais vantagens desta abordagem é a de ser uma metodologia sistemática de desenvolver os modelos baseados nas energias e as informações de fluxo de diferentes sistemas da engenharia que nos entregam as equações de estado de um sistema que pode ser até de múltiplas entradas e múltiplas saídas (MIMO) e que permite ainda a determinação da ordem do sistema em análise por meio de uma inspeção gráfica. II.1.2 Interconectividade de subsistemas Uma das vantagens da técnica de modelagem por grafos de ligação (BG) é a modelagem de sistemas de diversas áreas distintas da engenharia. O sistema é divido em subsistemas e em cada sistema a variável de energia ou potência ocorre em pares como torque – velocidade angular, força – velocidade, voltagem – corrente, pressão – vazão e outros. E 8 esses pares são quem fazem as conexões entre os subsistemas e são chamadas de portas entre os subsistemas. Os sistemas podem ter uma ou mais portas, no caso de uma porta o sistema é chamado 1-porta, no caso de duas portas 2-portas e no caso de mais de duas portas multiporta. É oportuno correlacionar o sistema com nosso trabalho da extrusora. Para ilustrar, uma extrusora generalizada é mostrado na figura 2.1. Figura 2.1 Ilustração de uma extrusora. Na extrusora pode-se dizer que o motor DC é um elemento duas portas se considerarmos a entrada o par tensão e corrente de armadura e a saída com o par torque e velocidade angular, outro exemplo de duas portas é o parafuso de extrusão que tem o par de entradas torque e velocidade angular e o par de saídas de pressão e vazão. A título de ilustração pode-se dizer que, se o motor de extrusão tivesse o par de excitações de campo separado teríamos nesse caso então um elemento de três portas ou multiporta. As variáveis listadas nas portas são variáveis de potência devido sua multiplicação ser a potência transmitida por uma porta. A tabela 2.1 é uma tabela de esforço e fluxo de alguns sistemas físicos apresentados nessa tese. 9 Tabela 2.1 Variáveis de esforço e fluxo. Domínio Esforço Fluxo Mecânico Translacional Força, F (t ) Velocidade, V (t ) Mecânico Rotacional Torque, τ (t ) Velocidade Angular ω (t ) Hidráulica Pressão P (t ) Vazão Q (t ) Elétrica Tensão e(V ) Corrente elétrica i (t ) II.1.3 Tetraedro de estado Em análise de sistemas se torna evidente o problema envolver vários domínios de energia. A potência P(t) envolvida em cada porta se dá pela multiplicação de esforço e(t) e fluxo f(t), representado pela equação 2.1. P (t ) = e (t ) f (t ) (2.1) Existem também duas outras variáveis importantes em análise de sistemas que são chamadas de momento p(t) e deslocamento q(t). O momento p(t) é a integral temporal do esforço e o deslocamento q(t) é a integral temporal da variável de fluxo representado pelas equações 2.2 e 2.3 respectivamente. t t p (t ) ≡ ∫ e(t )dt = p0 + ∫ e(t )dt (2.2) t0 t t q(t ) ≡ ∫ f (t )dt = q0 + ∫ f (t )dt t0 (2.3) 10 De uma maneira diferente de expressar é: dp (t ) = e(t ) dt (2.4) dp = edt (2.5) dq (t ) = f (t ) dt (2.6) dq = fdt (2.7) A energia, E(t) que passa da entrada da porta a saída da porta é a integral da potência, P(t) representada pela equação 2.8. t t E (t ) ≡ ∫ P(t )dt = ∫ e(t ) f (t )dt (2.8) Reescrevendo. t t E (t ) = ∫ e(t )dq (t ) = ∫ f (t )dp (t ) (2.9) q E (q ) = ∫ e(q )dq (2.10) p E ( p ) = ∫ f ( p ) dp (2.11) Desta forma pode-se apresentar o tetraedro de estado generalizado. Uma forma de facilitar a memorização dos sistemas físicos com suas relações. 11 Figura 2.2 Tetraedro de estado generalizado. No tetraedro de estado, pode-se escrever as variáveis generalizadas e suas variáveis correspondentes para mecânica translacional, mecânica rotacional, domínios hidráulicos e elétricos. Tabela 2.2 Variáveis do sistema mecânico translacional. Variável Generalizada Mecânica Translacional SI de Unidades Esforço, e Forço, F Newtons (N) Fluxo, f Velocidade, V Metros por segundo (m/s) Momento, p Momento, P Ns Deslocamento, q Deslocamento, X m Potência, P F(t)V(t) Nm/s Energia, E x p ∫ Fdx, ∫ VdP Nm 12 Tabela 2.3 Variáveis do sistema mecânico rotacional. Variável Generalizada Mecânica Rotacional SI de Unidades Esforço, e Torque, τ Newton-metro (Nm) Fluxo, f Velocidade angular, ω Radianos por segundo (rad/s) Momento, p Momento angular, pτ Nms Deslocamento, q Ângulo, θ Rad Potência, P τ (t )ω (t ) Nm/s θ pτ Nm Variável Generalizada Variáveis Hidráulicas SI de Unidades Esforço, e Pressão, Pa (N/m2) Fluxo, f Vazão, Q (m3/s) Momento, p Momento, p p Ns/m^2 Deslocamento, q Volume, V m3 Potência, P P(t)Q(t) Nm/s Energia, E ∫ τ dθ , ∫ ω dpτ Tabela 2.4 Variáveis do sistema hidráulico. Energia, E v pp ∫ PdV , ∫ Qdp p Nm 13 Tabela 2.5 Variáveis do sistema elétrico. Variável Generalizada Variáveis Elétricas SI de Unidades Esforço, e Voltagem, e Volt (V) = Nm/C Fluxo, f Corrente, i Ampère (A) = C/s Momento, p Variável de fluxo, λ Vs Deslocamento, q Carga, q C (Coulomb) = As Potência, P e(t)i(t) VA = W = Nm/s Energia, E q λ ∫ edq, ∫ id λ J =Vas =Ws = Nm Os tetraedros de estado modificados para cada domínio de energia descrito nas tabelas 2.2 a 2.5 estão representados nas figuras 2.3a e 2.3b. Figura 2.3.a Tetraedro de estado, sistemas mecânico translacional e mecânico rotacional. 14 Figura 2.3.b Tetraedro de estado, sistemas hidráulicos e elétricos. II.1.4 Componentes básicos Pode-se definir uma relação de componentes básicos que podem ser associados para representar um sistema físico. Estes podem ser classificados como dissipadores de energia, armazenadores de energia, transformadores de energia e fontes de energia. 1-Porta Resistor É um elemento no qual esforço e fluxo estão relacionados por uma função estática e a potência que é o produto entre esforço e fluxo é sempre dissipada. Associado com o trabalho em estudo da extrusora pode-se dizer que no motor elétrico a resistência elétrica dos fios e a resistência provida pelo atrito para girar o eixo do motor são exemplos clássicos de resistência. Levando o conceito para a parte térmica pode-se considerar que cada corpo tem uma dificuldade de fluir calor através dele, da fonte quente para a fonte fria, e essa dificuldade é a propriedade de resistência térmica. Outro exemplo de resistência é a dificuldade imposta pela matriz na saída do material extrudado. 15 Figura 2.4 Representação de componentes resistivos. Tabela 2.6 Porta resistiva. Variável generalizada Mecânica translacional Relação geral Relação linear SI de unidades e = ΦR ( f ) R = e/ f f = Φ R −1 ( e ) e = Rf f = e/ R F = Φ (V ) F = bV b = Ns / m τ = cω c = Nms P = RQ R = Ns / m 5 e = Ri R = V / A = Ω(ohm) V = Φ −1 ( F ) Mecânica rotacional τ = Φ (ω ) ω = Φ (τ ) −1 Sistemas hidráulicos P = Φ (Q ) Q = Φ −1 ( P ) Sistemas elétricos e = Φ (i ) −1 i = Φ ( e) 1 – Porta Capacitor É um elemento no qual existe uma relação estática entre esforço e deslocamento, ocorrendo armazenamento de energia sem perdas. Associando ao estudo da extrusora pode-se dizer que o volume da camisa do parafuso de extrusão é um exemplo de capacitância, e a capacidade do polímero em manter calor quando a fonte quente é retirada é outro exemplo de capacitância. Figura 2.5 Representação de componentes capacitivos. 16 Tabela 2.7 Porta capacitiva. Variável generalizada Relação geral Relação linear SI de unidades q = Φ C ( e) q = Ce e = q/C C = q/e 1/ C = e / q X = CF F = kX C = m/ N k = N /m C = rad / Nm τ = Φ C −1 (θ ) θ = Cτ τ = kθ V = Φ C ( P) V = CP C = m5 / N P = Φ C −1 (V ) P =V /C q = Φ C (e) q = Ce C = As / V e = q/C C = farad ( F ) e = Φ C −1 (q ) Mecânica translacional X = ΦC ( F ) F = ΦC −1 ( X ) Mecânica rotacional Sistemas hidráulicos Sistemas elétricos θ = Φ C (τ ) e = Φ C −1 (q ) k = Nm / rad 1 – Porta Inércia É um segundo elemento armazenador de energia com uma relação estática entre o momento e o fluxo na qual o elemento armazena energia sem perder. Associando ao trabalho em estudo da extrusora pode-se dizer que a indutância elétrica causada pelas bobinas do motor elétrico, a massa que o motor elétrico deve girar e a inércia do polímero extrudado são exemplos de inércias. Figura 2.6 Representação de componentes inerciais. 17 Tabela 2.8 Porta inercial. Variável generalizada Relação geral Relação linear SI de unidades p = ΦI ( f ) p = If I = p/ f f = Φ I ( p) f = p/I 1/ I = f / p p = Φ I (V ) p = mV m = Ns 2 / m V = Φ I −1 ( p ) V = p/m pτ = Φ I (ω ) pτ = J ω ω = Φ I −1 ( pτ ) ω = pτ / J p p = Φ I (Q ) p p = IQ Q = Φ I −1 ( p p ) Q = pp / I λ = Φ I (i ) λ = Li i=λ/L −1 Mecânica translacional Mecânica rotacional Sistemas hidráulicos Sistemas térmicos i = Φ I (λ ) −1 J = Nms 2 I = Ns 2 / m 5 L = Vs / A V = henrys ( H ) 2 – Portas Transformador Os transformadores são considerados elementos duas portas com características de conservadores de energia ideais. A potência da entrada é igual à potência da saída, que é o produto de esforço e fluxo. Para os transformadores quando se tem uma fonte de esforço na porta de entrada gera uma fonte de esforço na porta de saída e quando se tem uma fonte de fluxo na porta de entrada gera uma fonte de fluxo na saída. Associando ao trabalho em estudo da extrusora pode-se dizer que um exemplo de transformador é o parafuso de extrusão na qual se aplica uma velocidade angular na entrada do parafuso e na saída se tem uma vazão em volume, outro exemplo é a caixa de redução do motor do parafuso. A relação entre as variáveis duas portas pode ser representada pelas equações 2.12 e 2.13. e1 = me2 (2.12) mf1 = f 2 (2.13) Onde m é o módulo de transformação. 18 Figura 2.7 Representação de transformadores. 2 – Portas Giradores Os giradores são considerados elementos duas portas com características de conservadores de energia ideais. A potência da entrada é igual à potência da saída, que é o produto de esforço e fluxo. Para os giradores quando se tem uma fonte de esforço na porta de entrada gera uma fonte de fluxo na porta de saída e quando se tem uma fonte de fluxo na porta de entrada gera uma fonte de esforço na saída. Associando novamente ao trabalho em estudo da extrusora pode-se dizer que um exemplo de girador clássico que é mostrado no trabalho é o motor elétrico que se tem na entrada uma aplicação de tensão elétrica, uma grandeza de esforço, e na saída velocidade angular sobre o eixo, uma grandeza de fluxo. A relação entre as variáveis duas portas pode ser representada pelas equações 2.14 e 2.15. e1 = rf 2 (2.14) rf1 = e2 (2.15) Onde r é o modulo de giração. Figura 2.8 Representação de giradores. 19 2 – Portas Modular Transformador e Modular Girador Existe um tipo de transformado e um tipo de girador que a conservação de energia entre as duas portas é mantida quando uma modulação de m ou r não é constante e nestes casos os transformadores são chamados de transformadores modulares e os giradores são chamados de giradores modulares. Figura 2.9 Representação de transformadores e giradores modulares. 3 – Portas Elementos de Junção São elementos conservadores de energia como os elementos 2 – Portas, descritos anteriormente. O objetivo é fazer a união dos elementos fundamentais do sistema em estudo. A interpretação de série e paralelo pode ser representa em Grafos de Ligação (BG) pelas portas elementos de junção que são a junção – 1 ou fluxo comum ou ainda junção esforço quando se encontram elementos em série e junção -0 ou esforço comum ou ainda junção fluxo quando se encontram elementos em paralelo. É oportuno mencionar que estas junções não se limitam apenas a três elementos podendo ter quantos necessários, quatro, cinco, ou mais elementos. Figura 2.10 Junção 0. 20 e1 (t ) = e2 (t ) = e3 (t ) (2.16) f1 (t ) + f 2 (t ) + f 3 (t ) = 0 (2.17) e1 (t ) f1 (t ) + e2 (t ) f 2 (t ) + e3 (t ) f3 (t ) = 0 (2.18) f1 (t ) = f 2 (t ) = f 3 (t ) (2.19) e1 (t ) + e2 (t ) + e3 (t ) = 0 (2.20) Figura 2.11 Junção 1. e1 (t ) f1 (t ) + e2 (t ) f 2 (t ) + e3 (t ) f3 (t ) = 0 (2.21) É oportuno mencionar que as meias setas que aparecem nos Grafos de Ligação (BG), são a representação dos sentidos das potências. E estas são também úteis para a soma algébricas dos esforços na junção 1 e dos fluxos na junção 0. Figura 2.12 Junção 1 sentido das potências. II.1.5 Causalidade Quando se aplica uma potência em um determinado sistema, aplica-se ou um esforço e tem-se como reação um fluxo ou aplica-se um fluxo e tem-se como reação um esforço. Como 21 a potência é a multiplicação do esforço pelo fluxo, nos métodos de análise de sistemas tradicionais não se costuma fazer a distinção de se aplicar um ou outro. Na metodologia por grafos de ligação (BG) existe a necessidade desta distinção e por se tratar de uma metodologia gráfica, criou-se uma marca feita por meios de uma barra no grafo de ligação para esta distinção conforme figura 2.13. Figura 2.13 O significado da fixação da causalidade. (KARNOPP, 2000) Esta barra causal propicia também uma análise gráfica de quais elementos armazenadores de energia, no Grafo de Ligação (BG) em análise, são de causalidade integral simplesmente pela correta propagação da causalidade e inspeção do BG final, permitindo a determinação da ordem do sistema em análise mais facilmente e, por conseguinte a determinação do número de equações no espaço de estado para representar determinado sistema. Esta é uma das principais vantagens da metodologia por grafos de ligação ou BG. Segue tabela 2.9 forma causal para 1-Porta básica e tabela 2.10 forma causal para 2-Portas e 3-Portas básicas e o processo de assinalar e propagar as causalidades é mostrado na seção II.1.7.2. 22 Tabela 2.9 Forma causal para 1-Porta básica. Elemento Forma não causal Forma causal Relação causal Fonte de esforço e(t ) = E (t ) Fonte de fluxo f (t ) = F (t ) Resistor e = ΦR ( f ) f = Φ −1R (e) Capacitor e=Φ f = Inércia −1 C ( ∫ fdt ) d Φ C (e) dt f =Φ e= t t −1 I ( ∫ edt ) d ΦI ( f ) dt 23 Tabela 2.10 Forma causal para 2-Portas e 3-Portas básicas. Elemento Forma não causal Transformador Forma causal Relação causal e1 = me2 f 2 = mf1 f1 = f 2 / m e2 = e1 / m e1 = rf 2 Girador e2 = rf1 f1 = e2 / r f 2 = e1 / r Junção 0 e2 = e1 e3 = e1 f1 = −( f 2 + f3 ) Junção 1 f 2 = f1 f3 = f1 e1 = −(e2 + e3 ) II.1.6 Modelagem de sistemas II.1.6.1 Metodologia de construção do grafo de ligação de sistemas elétricos 1. Para cada nó do circuito com diferente potencial escreva uma junção 0. 2. Insira uma junção 1 para cada elemento (C, I, R, Se, Sf) entre cada junção 0. 3. Fixe a direção de potência para todos os grafos, usando convenção de potencia direta para cada seção 0-1-0. que é 4. Se o circuito tem um explicito terra potencial, apague a junção 0 correspondente no gráfico de ligação. Se não tem um explicito terra potencial, selecione uma junção 0 qualquer para apagar. 24 5. Simplifique o resultante grafo de ligação de duas junções 1 e uma junção 0 que tenham potência direta por um único grafo, por exemplo, Simplificado por II.1.6.2 Metodologia de construção do grafo de ligação de sistemas mecânicos de translação 1. Para cada velocidade distinta estabeleça uma Junção 1. Algumas Junções 1 irão representar velocidades absolutas e outras velocidades relativas. 2. Entre as Junções 1 insira apropriadamente a Junção 0 com os respectivos elementos de geração de forças e fixe as respectivas massas para suas Junções 1. 3. Fixe todas direções de potência 4. Elimine as junções 1 que tenha velocidade zero com seus respectivos grafos de ligação. 5. Simplifique o grafo de ligação eliminando duas Junções 0 e uma Junção 1 para o grafo de ligação. II.1.6.3 Metodologia de construção do grafo de ligação de sistemas mecânicos de rotação 1. Para cada distinta velocidade angular estabeleça uma Junção 1. Algumas velocidades angulares irão ser definidas com respeito ao espaço inercial, e outras irão ser relativos a velocidades angulares. 2. Insira as componentes de geração de torque para o gráfico usando uma Junção 0, também adicione as inércias e as variáveis de restrições. Esteja certo que a velocidade angular associada com as inércias são definidas com respeito ao eixo inercial. 3. Fixe a direção das potências. 4. Elimine a velocidade de referência e seus grafos, 25 5. Simplifique o grafo de ligação. II.1.6.4 Metodologia de construção do grafo de ligação de sistemas hidráulicos 1. Para cada região de pressão estabeleça uma Junção 0. 2. Adicione apropriadamente entre cada Junção 0 uma Junção 1 com os componentes do modelo, e adicione as fontes de pressão e vazão. 3. Fixe a direção das potências. 4. Defina todas as pressões relativas para a pressão de referência (usualmente a atmosférica), e elimine a pressão de referência juntamente com seus grafos de ligação. 5. Simplifique o grafo de ligação. II.1.7 Metodologia de desenvolvimento das equações através do grafo de ligação II.1.7.1 Introdução Após a construção do grafo de ligação do sistema físico é necessário fixar a causalidade, pois por meio delas pode-se determinar, por uma inspeção visual, a ordem do sistema, correspondendo ao número de elementos com causalidade integral. Esta metodologia é sistemática e já foi implementada em softwares como o 20-SIM®. Estes passos são descritos a seguir. 1. Numere seqüencialmente todos os grafos do sistema. 2. Fixe para cada grafo a direção da potência correspondente. 3. Fixe para cada grafo a causalidade com referência ao par de variáveis de esforço e e fluxo f. 26 II.1.7.2 Procedimento para fixação da causalidade 1. Selecione uma fonte (SE,SF), e fixe sua correspondente causalidade. Imediatamente estenda a causalidade ao máximo que puder usando os elementos de restrição (0,1,GY,TF). 2. Repita o passo 1 até todas as fontes tenham sido usadas. 3. Selecione um elemento armazenador de energia (C ou I ), e fixe preferencialmente a causalidade integral. Imediatamente estenda a causalidade usando os elementos de restrição (0,1,GY,TF). 4. Repita o passo 3 até todos os elementos armazenadores de energia tenham suas causalidades assinaladas. Em muitos casos práticos todos os grafos irão ter a causalidade orientada depois deste estágio. Em alguns casos, entretanto, certos grafos podem não ter fixado a causalidade ainda. Então complete a causalidade com os passos a seguir. 5. Selecione um elemento R sem causalidade e arbitre uma causalidade e imediatamente estenda a causalidade usando os elementos de restrição (0,1,GY,TF). 6. Repita o passo 5 até todos elementos R sem causalidade tenha sido usado. 7. Selecione um remanescente grafo sem causalidade e fixe a causalidade arbitrariamente. Imediatamente estenda a causalidade usando os elementos de restrição (0,1,GY,TF). 8. Repita o passo 7 até a causalidade estar definida em todos as portas. II.1.7.3 Formulação das equações no espaço de estado Para a correta formulação é aconselhado seguir os passo. 1. Selecione as entradas (U), as energias (p, q) e as variáveis de co-energia (f, v); 2. Formule o sistema de equações inicias e; 27 3. Reduza as equações inicias em espaço de estado. Dado o grafo de ligação da figura 2.14 que é o motor DC do parafuso de extrusão será deduzida as equações no espaço de estado. Figura 2.14 Exemplo de formulação das equações no espaço de estado para o motor DC. ⎡ p3 ⎤ X =⎢ ⎥ ⎣ p7 ⎦ (2.22) ⎡v ⎤ U = ⎢ a⎥ ⎣τ ⎦ (2.23) f3 = 1 p3 I3 (2.24) f7 = 1 p7 I7 (2.25) p 3 = a11 p3 + a12 p7 + b1va (2.26) • • p 7 = a21 p3 + a22 p7 + b2 va (2.27) • e1 = p3 + e2 + e4 (2.28) • p 3 = e1 − e2 − e4 (2.29) p3 = e1 − R2 f3 − km f 7 (2.30) • 28 • p3 = e1 − R2 • p3 = − R2 1 1 p3 − km p7 I3 I7 1 1 p3 − km p7 + e1 I3 I7 (2.31) (2.32) e5 = e6 + e8 + e7 (2.33) e7 = e5 − e6 − e8 (2.34) p 7 = km f 3 − R 6 f 7 − e8 (2.35) • • p 7 = km • 1 1 p3 − R6 p7 − e8 I3 I7 p3 = − • p7 = (2.36) R2 = ra (2.37) R6 = cm (2.38) I 3 = la (2.39) I 7 = jm (2.40) e1 = va (2.41) e8 = τ (2.42) ra k p3 − m p7 + va la jm km c p3 − m p7 − τ la jm (2.43) (2.44) 29 II.2 Metodologia de identificação II.2.1 Introdução A identificação de sistemas tem se desenvolvido bem a partir da década de 70 e é uma metodologia de obtenção de um modelo através dos sinais medidos das entradas e saídas do sistema em estudo. Esta metodologia tem sido desenvolvida em duas frentes, a identificação paramétrica e não-paramétrica. A não-paramétrica uma estimação de um número infinito de parâmetros e a estimação paramétrica um número finito de parâmetro a ser identificado. O processo de identificação paramétrica em conjunto com a modelagem tem como objetivo aumentar a realidade do modelo e validar o modelo através da identificação de seus parâmetros. Normalmente tem-se utilizado ou a metodologia de modelagem ou a identificação de sistema para a obtenção do modelo de um sistema físico. Quando se utilizam as duas, em conjunto, a precisão do modelo em estudo é melhorada e uma técnica serve para validar a outra. Este processo foi muito bem colocado por Marisol Delgado no seu artigo de Identificação Paramétrica em Modelos por Grafos de Ligação. Figura 2.15 Esquema simplificado do processo de identificação. (HSIA, 1977) 30 II.2.2 Manobras Para desenvolver o processo de identificação de um sistema físico através dos dados medidos da entrada e saída do sistema existe a necessidade de coletar corretamente os dados da entrada e saída do sistema com uma adequada taxa de amostragem temporal. Este sistema de aquisição de dados será melhor descrito no próximo título que será sobre medidas. Existe outro ponto tão importante quanto, que é o procedimento ou manobras necessárias para que se tenha um sinal persistentemente excitante na entrada do sistema que excite o sistema e tenha na sua saída uma saída causal com o sinal de entrada. Existe também a identificação de malha fechada que é a identificação no estado de funcionamento normal. Também neste caso a máquina tem que sofrer mudanças em suas entradas que justifiquem mudanças nas saídas e para isto precisa-se ter sinais persistentemente excitantes também nas entradas. Isto ocorre porque o processo de identificação geralmente cai em um problema de mínimos quadrados e este tem como solução uma inversão de uma matriz e quanto mais linearmente independente uma linha da outra desta matriz, mais fácil o processo de inversão e a identificação do sistema. Essa independência é conseguida com maior variação do sinal de entrada. Caso o sinal de entrada não seja persistentemente excitante as linhas da saída serão basicamente as mesmas e não será possível a inversão da matriz. Outro ponto importante é um sinal que seja menos colorido ou o mais branco possível para que se tenha potência espectral suficiente para atingir não somente uma determinada freqüência, mas também uma ampla faixa de freqüências. Os sinais persistentemente excitantes mais utilizados são os sinais binários pseudoaleatórios (PRBS). Estes sinais devem ter as menores amplitudes quanto possíveis para que se tenha uma relação sinal-ruído aceitável e que mantenha constante cada valor escolhido aleatoriamente por um tempo, em torno de 3 a 5 intervalos de amostragem conforme Aguirre. 31 Outro ponto importante é o número de entradas a serem consideradas e que não sejam correlacionados. Caso contrário o algoritmo de identificação não saberá qual ou quais das entradas está influenciando a saída. II.2.3 Medidas Tendo definido as manobras, por conseguinte as entradas, as saídas são geralmente mais fáceis de serem definidas, mas não menos importante de medir, isso porque geralmente são as variáveis a controlar ou a observar. Definido as entradas e saídas, deve-se desenvolver um sistema de aquisição de dados para que se possa fazer a identificação. Caso a identificação seja feita ao mesmo tempo em que a aquisição o processo identificação é chamado de identificação em tempo real e caso contrário uma identificação fora de linha. II.2.3.1 Componentes do sistema de aquisição de dados por computador A fundamental tarefa de um sistema de aquisição de dados (sistema DAQ) é a medição de sinais físicos do mundo real. Antes que o sistema de aquisição de dados por computador possa medir o sinal físico, um sensor ou transdutor, converte o sinal físico em um sinal elétrico como voltagem ou corrente. As placas de aquisição de dados são consideradas as entradas e saídas do sistema de aquisição de dados, entretanto, a placa é somente um componente do sistema. Freqüentemente uma placa pode fazer uma variedade de funções: conversão analógica para digital (A/D), conversão digital para analógica (D/A), entradas e saídas digitais (DI/DO) e operações de contagem de eventos e tempo. Cada placa suporta diferentes taxas de aquisições de dados e diferentes taxas de geração de sinais e também são designadas para diferentes plataforma e sistemas operacionais. Por outro lado os instrumentos somente não podem ser conectados diretamente as placas DAQ devendo, entre eles, existir os 32 condicionadores de sinais, conforme mostrado na figura 2.16. E por fim o software que controla o sistema DAQ, analisa e apresenta os resultados. Figuras 2.16 Componentes do sistema de aquisição de dados. (NATIONAL INSTRUMENTS, 2000). II.2.3.2 Classificação dos sinais Um sinal é uma quantidade física cuja magnitude varia com o tempo contendo informação. Para o hardware de condicionamento de sinal condicionar o sinal ou para a placa DAQ medir diretamente, existe a necessidade de primeiro converter este sinal para um sinal elétrico como voltagem ou corrente pelo uso de um transdutor. Todos sinais são sinais analógicos e variantes no tempo. Entretanto para discutir métodos de medição de sinais, deve-se classificar o sinal como um dos cinco tipos conforme figura 2.17. 33 Figura 2.17 Tipos de sinais. (NATIONAL INSTRUMENTS, 2000). II.2.3.3 Condicionamento de sinais Antes de medir um fenômeno físico como temperatura, força, som, vibração ou luz, um transdutor converte este sinal em sinal elétrico de tensão ou corrente. Enquanto o funcionamento de cada transdutor é diferente, todos tem saída de sinal elétrico que pode ser digitalizado. Dependendo dos sinais de entrada na placa de aquisição estes necessitem de amplificação e filtragem antes de sua digitalização. A manipulação de sinais para digitalização é chamada de condicionamento de sinais. Os tipos mais comuns de condicionamento de sinais são: amplificação, excitação transduzida, linearização, isolação e filtragem. II.2.3.4 Configurações das entradas e saídas Para a medição de sinais analógicos com placas DAQ, deve-se levar em conta fatores que afetam a digitalização e a qualidade do sinal como simples entrada ou entrada por diferencial, resolução, range, taxa de amostragem, precisão e ruído. • Entradas Simples: São todas referenciadas a terra comum. Usa-se esta entrada quando os sinais de entrada são de nível alto (maior que 1Volt), e os terminais vindos da fonte do 34 sinal para a entrada analógica são curtos (menores que 4,5 metros), e todas as entradas de sinal estão em um terra comum. Se o sinal não se encontra nestes critérios, usam-se entradas por diferencial. Com entradas por diferencial cada entrada tem uma referência. Entradas por diferencial também reduzem ou eliminam erros de ruído. • Resolução: É o número de bits que o conversor de analógico para digital (ADC) usa para representar o sinal. Quando se tem alta resolução, tem-se alto número de divisões na qual o range é quebrado e desta forma pode-se detectar uma pequena mudança de voltagem. Um conversor com 3 bits quebra o range em oitos divisões e um conversor de 12 bits quebra o range em 65536 divisões. • Range: Refere-se ao mínimo e máximo nível de voltagem que o ADC pode quantificar. As placas DAQ oferecem seleção de ranges, tipicamente 0 a 10 V ou –10 a 10 V. • Ganho: Refere-se a uma ampliação ou atenuação do sinal que pode ocorrer antes do sinal ser digitalizado. A resolução do range e o ganho da placa DAQ determina a menor mudança de voltagem detectada na entrada. Estas mudanças na voltagem representam o bit menos significativo (LSB) de valor digital e é chamado freqüentemente de Code Width. A menor mudança detectada é calculada como: range ganhox 2resoluçao (2.45) Por exemplo, uma placa de 12-bit com um range de entrada 0 a 10 e um ganho 1 detecta mudança de 2,4 mV, enquanto a mesma placa com um range de –10 a 10 V pode detectar somente 4,8 mV. 35 • Taxa de Amostragem: Determina qual a freqüência de conversão tomada de analógica para digital (A/D). Uma rápida taxa de amostragem adquire mais pontos em uma tomada de tempo e tem uma melhor representação do sinal original que uma taxa de amostragem menor. Os sinais de entrada têm que ser adquiridos em uma velocidade suficientemente rápida para uma real reprodução do sinal analógico. Uma taxa de amostragem não muito rápida pode resultar em uma representação pobre do sinal analógico medido. Este fenômeno chamado de aliasing faz com que apareçam sinais de freqüências que não são verdadeiras. Levando em consideração o teorema de amostragem de Nyquist, em que a taxa de aquisição tem que ser no mínimo maior que 2 vezes a freqüência máxima que você necessita detectar para digitalizar o sinal, porém a prática tem mostrado que a freqüência de amostragem deve estar entre 5 e 10 vezes maior do que a maior freqüência de interesse contida nos dados. Por outro lado se o intervalo de amostragem for muito curto, a estimação de parâmetros poderá se tornar numericamente mal condicionada e as colunas da matriz de regressores tendem a se tornar linearmente dependentes ou redundantes. II.2.4 Modelos II.2.4.1 Conceitos básicos (AGUIRRE, 2004) Modelo é a representação matemática de um sistema. Em outros contextos o modelo não precisa ser matemático, como por exemplo, a maquete de um prédio. Por ser um análogo matemático do sistema, espera-se que o modelo seja representativo das principais características do sistema real. No contexto de identificação, o modelo é aquilo que é obtido para representar o sistema real. Pode-se ainda classificar quanto à linearidade, invariância no tempo e a concentração de parâmetros. 36 Formalmente diz-se que um modelo de um sistema é linear se ele satisfaz o princípio da superposição. Para entender esse princípio, considere um sistema que ao ser excitado pela entrada u1 (t ) produz a saída y1 (t ) e quando excitado por u2 (t ) produz y2 (t ) . Se tal sistema satisfizer o princípio da superposição então, quando excitado por au1 (t ) + bu2 (t ) , sua saída será ay1 (t ) + by2 (t ) , sendo a e b constantes possivelmente complexas. Quanto à invariância no tempo implica que o comportamento do sistema sendo modelado não varia com o tempo. Isto não significa que as variáveis do sistema têm valores constantes. Pelo contrário, normalmente os valores das variáveis que caracterizam um sistema flutuam com o tempo, sendo que tal evolução temporal é determinada por uma lei como sendo a dinâmica do sistema. Portanto, ser invariante não quer dizer que o sistema está estático, mas certamente implica que a dinâmica que está regulando a evolução temporal é a mesma. Com respeito à concentração de parâmetro resulta em equações diferenciais ordinárias (ao invés de equações diferenciais parciais, para o caso de sistemas a parâmetros distribuídos). Esse tipo de representação pressupõe que as variáveis de interesse variam apenas com o tempo e não no espaço. II.2.4.2 Função de transferência e de resposta impulsiva (OGATA, 2003) A função de transferência de um sistema representado por uma equação diferencial linear e invariante no tempo é definida como a relação entre a transformada de Lapalace da saída e a transformada de Laplace da entrada, admitindo-se todas as condições iniciais nulas. Considere o sistema linear invariante no tempo, definido pela equação diferencial 2.46. (n) ( n −1) • a0 y + a1 y + ... + an −1 y + an y (m) ( m −1) • = b0 x + b1 x + ... + bm −1 x + bm x ∴ (n ≥ m) (2.46) 37 onde y é a saída do sistema e x é a entrada. A função de transferência desse sistema é a relação entre a transformada de Laplace da saída e a transformada de Laplace da entrada, quando todas as condições iniciais são zero e aqui representada pela equação 2.47. Y ( s ) b0 s m + b1s m −1 + ... + bm −1s + bm G ( s) = = X ( s ) a0 s n + a1s n −1 + ... + an −1s + an (2.47) Utilizando o conceito de função de transferência, é possível representar a dinâmica de um sistema por meio de uma equação algébrica em s. Se a maior potência de s no denominador da função de transferência for igual a n, o sistema será denominado sistema de ordem n. II.2.4.3 Representação no espaço de estado (OGATA, 2003) O estado de um sistema dinâmico é o menor conjunto de variáveis (chamadas de variáveis de estado), tais que o conhecimento dessas variáveis em t=t0, justamente com o conhecimento da entrada para t ≥ t0 , determina completamente o comportamento do sistema para qualquer instante t ≥ t0 . As variáveis de estado de um sistema dinâmico são aquelas que constituem o menor conjunto de variáveis capaz de determinar o estado desse sistema dinâmico. Se pelo menos n variáveis x1, x2, ... ,xn são necessárias para descrever todo o comportamento de um sistema dinâmico, então essas n variáveis formam um conjunto de variáveis de estado. Note que as variáveis de estado não necessitam ser quantidades fisicamente mensuráveis ou observáveis. As variáveis que não representam grandezas físicas e aquelas que não são nem mensuráveis nem observáveis podem ser escolhidas como variáveis de estado. 38 Se forem necessárias n variáveis de estado para descrever completamente o comportamento de um dado sistema, então essas n variáveis de estado poderão ser consideradas os n componentes de um vetor de x. Esse vetor é chamado vetor de estado. Assim um vetor de estado é aquele que determinada univocamente o estado do sistema x(t) para qualquer instante t ≥ t0 , uma vez dado o estado em t=t0 e especificada a entrada u(t) para t ≥ t0 . O espaço n-dimensional, cujos eixos coordenados são formados pelos eixos de x1, x2, ... ,xn onde x1, x2, ... ,xn são as variáveis de estado, é chamado de espaço de estados. Qualquer estado pode ser representado por um ponto no espaço de estados. A análise no espaço de estado envolve três tipos de variáveis que estão presentes na modelagem de sistemas dinâmicos: variáveis de entrada, variáveis de saída e variáveis de estado. A representação de um dado sistema no espaço de estado não é única, mas o número de variáveis de estado é o mesmo para qualquer uma das diferentes representações do mesmo sistema, no espaço de estados. O sistema dinâmico deve conter elementos que memorizem os valores de entrada para t ≥ t1 . Uma vez que os integradores servem como dispositivos de memória, as saídas desses integradores podem ser consideradas variáveis que definem o estado interno do sistema dinâmico. Assim, as saídas dos integradores podem ser escolhidas como variáveis de estado. O número de variáveis de estado que definem completamente a dinâmica do sistema é igual ao número de integradores existentes no sistema. Suponha que um sistema com múltiplas entradas e múltiplas saídas envolvam n integradores. Considere também que existam r entradas u1 (t ), u2 (t ),..., ur (t ) e m saídas y1 (t ), y2 (t ),..., ym (t ) . Defina as n saídas dos integradores como variáveis de estado: x1 (t ), x2 (t ),..., xn (t ) . Então o sistema pode ser descrito pela equação 2.48. 39 • x(t ) = Ax(t ) + Bu (t ) y (t ) = Cx(t ) + Du (t ) (2.48) Onde A(t) é a chamada de matriz de estado, B(t), de matriz de entrada, C(t), de matriz de saída, e D(t), de matriz de transmissão direta. II.2.4.4 Representações discretas (AGUIRRE, 2004) O processo de identificação de sistemas é um processo prático e na maioria dos casos se utiliza um sistema de aquisição de dados por computador e ou utiliza o computador para desenvolver a otimização do processo de identificação. Desta forma, o computador, por trabalhar com sinais digitais, é um ambiente adequado para os diversos algoritmos computacionais desenvolvidos para a identificação de modelos de tempo discreto. Existem algumas representações matemáticas que são especialmente adequadas à identificação de sistemas usando-se algoritmos conhecidos para a estimação de parâmetros. Considere o seguinte modelo geral: A(q ) y (k ) = y (k ) = B(q) C (q ) ν (k ) u (k ) + F (q) D(q) B(q) C (q) ν (k ) u (k ) + F (q ) A(q ) D(q ) A(q ) y ( k ) = H ( q )u ( k ) + G ( q )ν ( k ) (2.49) (2.50) (2.51) sendo q −1 o operador de atraso, de forma que y (k )q −1 = y (k − 1),ν (k ) ruído branco e A(q), B(q), C(q), D(q) e F(q) os polinômios definidos a seguir: 40 A(q ) = 1 − a1q −1 − ... − any q − ny ; B (q ) = b1q −1 + ... + bnu q − nu ; C (q ) = 1 + c1q −1 + ... + cnν q − nν ; (2.52) D(q ) = 1 + d1q −1 + ... + d nd q − nd ; F (q ) = 1 + f1q −1 + ... + f n f q • −n f . Modelo de resposta ao impulso finita (AGUIRRE, 2004) O modelo FIR (FIR do inglês finite impulse response) pode ser obtido, tomando-se A(q) = C (q) = D (q) = F(q) =1 e B (q) um polinômio arbitrário de ordem M, ou seja, nu = M. Nesse caso, o modelo FIR pode ser escrito pela equação 2.53. y (k ) = B (q )u (k ) + v (k ) (2.53) e pode ser representado esquematicamente conforme visto na figura 2.18. Deve ser notado que, como C(q)/D(q) = 1, então o ruído acrescentado na saída y(k), e(k), é branco. Portanto, no presente caso e(k) = v(k). Figura 2.18 Representação esquemática de modelo FIR. (AGUIRRE, 2004) • Modelo ARX (AGUIRRE, 2004) O modelo auto-regressivo com entradas externas (ARX do inglês autoregressive with exogenous inputs) pode ser obtido a partir do modelo geral, tomando-se C(q) = D(q) = F(q) = 1 sendo A(q) e B(q) polinômios arbitrários, resultando na equação 2.54. A( q ) y ( k ) = B ( q )u ( k ) + v( k ) (2.54) 41 Uma vez que o ruído v(k) aparece diretamente na equação, o modelo ARX é normalmente classificado como pertencendo à classe de modelos de erro na equação. O modelo pode ser reescrito pela equação 2.55. y (k ) = B(q) 1 u (k ) + v(k ) A(q) A(q) (2.55) o que coloca em evidência as funções de transferência do sistema H (q ) = B ( q ) / A(q ) e de ruído C ( q ) /[ D ( q ) A( q )] = 1/ A( q ) , conforme ser apreciado na figura 2.19. Figura 2.19 Representação esquemática de modelo ARX. (AGUIRRE, 2004) Ao contrário do modelo FIR, o ruído que aparece adicionado à saída, e( k ) = v ( k ) / A( q ) , não é branco. Ou seja, nesta representação o ruído é modelado como um processo branco filtrado por um filtro auto-regressivo, com pólos idênticos aos do processo, que são as raízes do polinômio A(q). 42 • Modelo ARMAX (AGUIRRE, 2004) O modelo auto-regressivo com média móvel e entradas exógenas (ARMAX do inglês autoregressive moving average with exogenous inputs) pode ser obtido a partir do modelo geral, tomando-se D (q ) = F (q ) = 1 e A(q), B(q) e C(q) polinômios arbitrários, resultando na equação 2.56. A(q ) y ( k ) = B ( q )u (k ) + C ( q )v ( k ) (2.56) ou , alternativamente, y (k ) = B(q) C (q) u (k ) + v(k ) A(q) A(q) y (k ) = H ( q )u ( k ) + e( k ) (2.57) (2.58) sendo e(k) não branco, conforme mostrado na figura 2.20. Figura 2.20 Representação esquemática de modelo ARMAX. (AGUIRRE, 2004) À semelhança do modelo ARX, o modelo ARMAX pertence à classe de modelos de erro na equação. No presente caso o erro na equação é modelado como um processo de média 43 móvel (MA), e o ruído adicionado à saída, e(k), é modelado como ruído branco filtrado pelo filtro ARMA, C(q)/A(q). Por outro lado se em um modelo ARMAX A(q) = C(q) = F(q), tal modelo pode ser representado como um modelo de erro na saída, como será visto a seguir. • Modelo ARMA (AGUIRRE, 2004) O modelo ARMA é um caso particular do modelo ARMAX, quando não há sinais exógenos, ou seja, quando u(k) = 0. Nesse caso a equação pode ser representada pela equação 2.59. A( q ) y ( k ) = C ( q )v ( k ) (2.59) ou, alternativamente, C (q) v(k ) A(q) (2.60) y ( k ) = G ( q )v ( k ) (2.61) y (k ) = sendo G(q) a função de transferência do ruído, ou seja, ela quantifica como o processo aleatório branco v(k) afeta a saída y(k). Dissemos que um modelo ARMA não tem entradas externas. De certa forma isso é verdadeiro, pois tornou-se u(k)=0, mas por outro lado é possível interpretar o processo aleatório v(k) como a entrada do sistema. Nesse caso interpreta-se a saída y(k) como uma versão filtrada da ‘entrada’ v(k) usando-se o filtro G(q). • Modelo erro na saída (AGUIRRE, 2004) Modelos do tipo erro na saída são modelos que podem ser escritos na forma da equação geral, mas com o polinômio A(q)=1. Um exemplo simples pode ser obtido a partir do 44 modelo geral, tomando-se A(q)=C(q)=D(q)=1 e B(q) e F(q) polinômios arbitrários, o que resulta na equação 2.62. y (k ) = B (q ) u (k ) + v(k ) F (q) (2.62) sendo que o fato do ruído branco v(k) ser diretamente adicionado à saída justifica o nome desta classe de modelos conforme figura 2.21. Figura 2.21 Representação esquemática de modelo erro na saída. (AGUIRRE, 2004) • Modelo Box-Jenkins (AGUIRRE, 2004) O modelo Box-Jenkins pode ser obtido a partir do modelo geral tomando-se A(q)=1 e os demais polinômios arbitrários, resultando na equação 2.63. y (k ) = B (q ) C (q) u (k ) + v(k ) F (q) D(q) (2.63) Como no caso dos modelos de erro na saída, nos modelos Box-Jenkins as funções de transferência do sistema B(q)/F(q) e do ruído C(q)/D(q) não têm parâmetros comuns, ou seja, são independentemente parametrizadas. O modelo Box-Jenkins também é do tipo erro na saída, conforme pode ser visto na figura 2.22. 45 Figura 2.22 Representação esquemática de modelo Box-Jenkins. (AGUIRRE, 2004) II.2.4.5 Resumo de modelos paramétricos (LJUNG, 1999) Seja a tabela 2.11 abaixo como tabela resumo de modelos paramétricos. Tabela 2.11 Resumo de modelos paramétricos. Polinômio usado Nome da estrutura do modelo B FIR AB ARX ABC ARMAX AC ARMA ABD ARARX ABCD ARAMAX BF Erro na Saída BFCD Box-Jenkins II.2.5 Métodos O processo de identificação é composto pelos 4M (Manobras, Medidas, Modelos e Métodos). Os métodos de identificação são divididos em duas partes, métodos paramétricos e métodos não-paramétricos. São dois os métodos não-paramétricos, o de resposta ao impulso 46 por análise de correlação e o de resposta em freqüência por análise espectral e estes não impõem nenhuma estrutura ao modelo. Nos métodos paramétricos uma estrutura do modelo é assumida e computa-se o melhor modelo na estrutura de modelos acordados para os dados de entradas e saída e um critério de ajuste. É oportuno mencionar que o processo de identificação com modelagem por grafos de ligação, que é o caso da extrusora em estudo, leva a um processo de identificação paramétrica e sendo assim este trabalho terá maior foco na identificação paramétrica. Este tipo de identificação se utilizados modelos descritos na seção II.2.4.4 que são os modelos ARX, ARMAX, ARMA, erro na saída, Box-Jenkins e as equações no espaço de estados descritos também neste trabalho. Para o desenvolvimento da metodologia de identificação foi utilizada a caixa de ferramentas de identificação de sistemas do MATLAB®. A tabela 2.12 mostra os modelos e métodos usados por esta caixa de ferramentas. Tabela 2.12 Modelos paramétricos e seus métodos no MATLAB®. Modelo Método ARX Mínimos quadrados ou Variável instrumental ARMAX, Erro na Saída e Box-Jenkins Método da máxima verossimilhança Espaço de Estado Método da máxima verossimilhança ou N4SID II.2.5.1 Mínimos quadrados (HSIA, 1977) É um algoritmo matemático que executa ajuste dos parâmetros de um modelo préestabelecido, provido de dados experimentais, até que sua função custo seja minimizada. 47 Suponha o modelo linear na figura 2.23. Figura 2.23 Sistema linear de n parâmetros. (HSIA,1977) Onde Y = θ1 X 1 + θ 2 X 2 + " + θ n X n (2.64) no qual θ = (θ1 ,θ 2 ," ,θ n) (2.65) é uma seleção de parâmetros constantes, desconhecidos e que se deseja estimar através dos dados de entrada e saída amostrados pelo sistema de aquisição de dados em diferentes tempos, de modo que Y (i ) = θ1 X 1 (i ) + θ 2 X 2 (i ) + " + θ n X n (i ) ∴ i = 1, 2," , m (2.66) O sistema pode ser convenientemente organizado na forma matricial. ⎛ X 1 (1) " X n (1) ⎞ ⎛ θ1 ⎞ ⎛ Y (1) ⎞ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ θ X 1 (2) " X n (2) ⎟ Y (2) ⎟ ⎜ ⎜ θ =⎜ 2⎟ Y= X= ⎜ # ⎜#⎟ ⎜ # ⎟ # # ⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎝ Y ( m) ⎠ ⎝ X 1 ( m) " X n ( m) ⎠ ⎝θn ⎠ (2.67) Para que se possa ter a estimação é necessário que m ≥ n e se m=n teremos solução única. E quando m>n genericamente não é possível determinar θ exatamente que satisfaça todas m equações por causa do ruído randômico existente nas medições. A alternativa é o método de mínimos quadrados. 48 Y = Xθ (2.68) ^ θ = X −1Y (2.69) ^ onde θ =( θ estimado) e X −1 é a matriz inversa de X . Definimos o vetor erro ∈= (∈1 ,∈2 ," ,∈n )T . ∈= Y − X θ (2.70) ^ Devemos encontrar o θ por um critério J que minimize esse erro. m J = ∑∈i2 =∈T ∈ (2.71) J = (Y − X θ )T (Y − X θ ) (2.72) J = Y TY −θ T X TY − Y T Xθ + θ T X T Xθ (2.73) i =1 Derivando J com respeito a θ e igualando o resultado a zero para determinar as condições ^ nas quais θ minimiza J. ∂J ∂θ ^ ^ = −2 X T Y + 2 X T X θ = 0 (2.74) θ =θ ^ X T X θ = X TY (2.75) θ = ( X T X )−1 X T Y (2.76) ^ Esse resultado é chamado de estimador de mínimos quadrados de θ . II.2.5.2 Máxima verossimilhança (VUOLO, 2002) Ajustar uma curva a partir de pontos X e Y é fácil de se fazer. Este ajuste é chamado regressão. Quando se tem sinais de um sistema com ruídos, erros ou incertezas pode-se dizer que cada par de pontos existe um erro ou estatisticamente um desvio padrão ( xi , yi , σ i ) . Nesse 49 caso, quando se faz o ajuste da curva ou regressão têm-se inúmeras possibilidades de curvas. O problema é então achar a melhor destas curvas. O critério do método de máxima verossimilhança consiste em determinar a função para qual é máxima a probabilidade de ocorrer o particular conjunto de pontos experimentais, quando a função é considerada verdadeira. O problema de ajustar uma função se reduz a obter os parâmetros θ = (θ1 ,θ 2 ," ,θ n) que torna máxima a probabilidade para o conjunto de pontos amostrados pelo sistema de aquisição de dados. Considerando o conjunto de pontos amostrados pelo sistema de aquisição de dados, a probabilidade Pi de obter um resultado ( xi , yi , σ i ) é proporcional à função gaussiana de densidade de probabilidade. Pi = C σi e −1⎛ Yi − X iθ ⎞ ⎜ ⎟ 2 ⎝ σi ⎠ 2 (2.77) Onde C é uma constante de proporcionalidade. A probabilidade P de ocorrer o conjunto de resultados é o produto das probabilidades de cada resultado. P = P1 P2 " Pn = n C e σ 1σ 2 "σ n n −1 ⎛ Yi − X iθ ⎞ ⎜ ⎟ 2 i =1 ⎝ σ i ⎠ ∑ 2 (2.78) Substituindo χ 2 n = ∑ ⎛⎜ Yi −σX iθ ⎞⎟ i =1 P= ⎝ i 2 ⎠ −1 2 χ Cn e2 σ 1σ 2 "σ n (2.79) (2.80) Assim, os parâmetros θ = (θ1 ,θ 2 ," ,θ n) (2.81) devem ser tais que a probabilidade P seja máxima. P será máximo quando χ 2 é mínimo e a solução da equação é idêntica ao de mínimos quadrados. 50 ∂ ∂θ ^ = (Y − X θ )T (Y − X θ ) = 0 (2.82) θ =θ Deste modo se verifica que o método da máxima verossimilhança para ruído gaussiano é equivalente ao estimador de mínimos quadrados. 51 Capítulo III – Modelagem BG da Extrusora III.1 Descrição específica do problema abordado e do processo de extrusão Com o advento da comercialização de produtos poliméricos, a indústria de processamento termoplástico passou a tratar o processo de extrusão como um ponto crítico de suas operações, buscando melhorar sua produtividade e reduzir o desperdício de material que ocorre na produção não conforme. Diversos fatores podem influenciar a qualidade do produto, começando com as propriedades dos materiais que o compõem, até chegar ao ambiente operacional da máquina com todas as perturbações existentes no equipamento. Estas variações podem comprometer as características do produto, inviabilizando a sua comercialização. Há cerca de três décadas diversos trabalhos têm sido publicados visando atacar o problema de manter o processo controlado mesmo estando ele sujeito às variações acima mencionadas. Diante do estágio atual de sofisticação dos sistemas micro-processados, podemos implementar técnicas avançadas de controle visando uma redefinição de estratégicas de controle em processos industriais. Porém como um primeiro passo nesta redefinição podemos destacar a importância da identificação do processo para a composição destes sistemas dinâmicos. A figura 3.1 ilustra o que podemos classificar como o equipamento básico para a realização do processo de extrusão de polímeros. Figura 3.1 Extrusora de parafuso único. 52 A figura 3.1 mostra o diagrama esquemático dos subsistemas motor, parafuso e matriz de uma extrusora de rosca única. Esta parte consiste de um barril, que é aquecida por um conjunto de placas aquecedoras, eventualmente podemos ter um sistema de resfriamento para melhorarmos a dinâmica de controle de temperatura, e de um parafuso rotativo, este é ligado a uma caixa de redução e daí a um motor elétrico. Polímeros em pedaços, grãos e pós, juntamente com corantes e plastificadores são introduzidos na máquina, pela ação da gravidade, no funil alimentador, ocupando o canal helicoidal do parafuso. Este canal tem uma profundidade variável ao longo do eixo do parafuso. O polímero inicia-se em temperatura ambiente e na forma de grãos ou pó com baixa densidade e ao longo do parafuso, começa a comprimir, aumentar sua densidade, há uma homogeneização e plastificação do polímero por meio de cisalhamento, aquecimento pelo atrito e pelo sistema de aquecimento externo para que se atinja o estado plástico que permita sua conformação na saída pela matriz. Após esta breve apresentação do processo de extrusão, descreve-se o caso sobre o qual desenvolve o trabalho. A máquina de extrusão de borracha para pneumático, a qual é o objeto de estudo deste trabalho, é uma máquina que sofreu alterações do seu projeto original devido proibição do emprego do estearato na alimentação da extrusora que permitia uma alimentação regular e uma regulação de largura suficiente para um grande número de produtos. Sendo assim, houve a necessidade de se conhecer mais sobre a máquina de extrusão, para melhorar a qualidade do produto extrudado para um grande número de produtos também sem a presença do estearato através de sua otimização e simulação. 53 III.1.1 Conceitos iniciais (MANRICH, 2005) • Polímero É qualquer material orgânico ou inorgânico, sintético ou natural, que tenha um alto peso molecular e com variedades estruturais repetitivas, sendo que normalmente esta unidade que se repete é de baixo peso molecular. Com relação à classificação do ponto de vista das características tecnológicas, os polímeros podem ser divididos em termoplásticos e termofixos. • Termoplásticos São polímeros que podem ser fundidos e solidificados repetidas vezes, com pouca ou nenhuma variação em suas propriedades básicas. • Termofixos São polímeros que, após sofrerem o processo de cura (ligações cruzadas), não podem ser fundidos ou dissolvidos sem a ocorrência da degradação de sua estrutura química. • Peso molecular O peso molecular de um polímero associado com a estrutura química do mesmo é o parâmetro que governa as propriedades e, conseqüentemente, o uso desses materiais. O peso molecular, portanto, é uma das características do polímero que gera uma grande quantidade de possibilidade, isto é, vários tipos diferentes ou grades de materiais, porém com a mesma composição química. Por exemplo, existem uma centena de tipos de Polietilenos de Baixa Densidade (LDPE) sendo comercializados no mundo, e uma das principais características que os distingue é o peso molecular e sua distribuição. • Cristalização É a forma e a capacidade de cada molécula de se ordenar em relação a si mesma e aos vizinhos. Várias moléculas podem participar de um único cristalito. Os cristais ou cristalitos funcionam como pontos de ancoragem do sistema como um todo. 54 • Viscoelasticidade dos polímeros É um comportamento ou resposta à deformação, onde, ao mesmo tempo, observa-se comportamento viscoso (o que deforma e não recupera nada da deformação depois de retirada a tensão de deformação) e o comportamento elástico (ocorre total recuperação da deformação depois da retirada da tensão). • Temperatura de fusão cristalina`` Tm´´ É onde ocorre uma ``transição de primeira ordem termodinâmica´´. É uma mudança de estado, ou mudança de fase cristalina para amorfa ou vice-versa, ocorrendo mudança de entalpia e de volume. • Temperatura de transição vítrea ``Tg´´ É uma ``transição de segunda ordem termodinâmica´´, pois não ocorre mudança de fase e somente muda o grau de mobilidade molecular. Está associada à natureza amorfa dos polímeros, sendo mensurável apenas na região amorfa. Quanto mais cristalino o polímero, menor o efeito de Tg sobre as propriedades deste. III.1.2 Cristalinidade e peso molecular afetam as propriedades (MANRICH, 2005) A combinação do peso molecular e do grau de cristalinidade de um polímero afeta as propriedades deste de forma variada, como ilustra a figura 3.2. Fig. 3.2 Comportamento mecânico definidos pela percentagem de cristalização e peso molecular. (MANRICH, 2005) 55 III.1.3 Principais propriedades mecânicas e físicas dos polímeros (MANRICH, 2005) III.1.3.1 Tração, módulo de elasticidades, resistência à tração e alongamento – ASTMD638, ISO/R527, DIN 53.455 No ensaio de tração, os corpos de prova podem ser injetados ou moldados por compressão, com espessura de 1/8 de polegada e comprimento variável. A parte central do corpo de prova é mais estreita que as extremidades que devem ser fixadas nas garras da máquina de ensaio de forma que a garra móvel deforme o corpo de prova com velocidade constante de 0,1 a 100mm/min até a ruptura. • Tensão, dada pela equação 3.1, onde: σ = tensão (Kgf/cm2), A = área transversal do corpo de prova (cm2) e F = força em Kgf σ= • F A (3.1) Alongamento, dado pela equação 3.2, onde L0 = distância inicial entre duas marcas paralelas ou distância inicial entre as garras; ∆ L=L-L0, onde L é a distância entre as marcas após a deformação. ε= • L − L0 ∆L = L0 L0 (3.2) Módulo de elasticidade, dado pela equação 3.3. E= σ ε Fig. 3.3 Curva generalizada de ensaio de tração. (MANRICH, 2005) (3.3) 56 A curva da figura 3.3 mostra como calcular o módulo E a partir da tangente na região linear (1). O ponto (2) representa a tensão máxima à tração e que coincide com a região onde inicia o escoamento irreversível do polímero, O ponto (3) representa a tensão de ruptura do material bem como o alongamento deste na ruptura. III.1.3.2 Resistência à compressão – ASTM D695 No ensaio de compressão os corpos de prova são de 12,7 x 12,7 x 25,4 mm ou cilindro de 12,7 mm de diâmetro por 25,4 mm de altura. O corpo de prova é comprimido por uma prensa a uma velocidade constante até o colapso. São registradas a tensão e as deformações obtidas durante o ensaio. A partir de curvas de força x deformação, calcula-se os seguintes valores: • Tensão ou pressão de compressão P (Kgf/cm2) dada pela equação 3.4. P= F A (3.4) onde F é a força atuando sobre a área transversal A do corpo de prova. • Deformação, dada pela equação 3.5. ε= L − L0 ∆L = L0 L0 (3.5) onde ∆L = L − L0 , sendo L0 o comprimento inicial e L o comprimento do corpo deformado. • Módulo de compressão K (Kgf/cm2), dado pela equação 3.6. K= P ε (3.6) A aplicabilidade do resultado deste teste é limitada, sendo mais útil para materiais estruturais, principalmente aqueles contendo fibras e quando são destinados ao uso sob compressão. Serve também como comparativo. 57 III.1.3.3 Resistência à flexão – ASTM-D790 Este ensaio utiliza corpos de prova com medidas de 127 x 12,7 mm, com espessuras variáveis acima de 3,17 mm. A flexão sobre o corpo de prova é feita com três pontos de apoio. Dois apoios inferiores, separados um do outro a uma distância variável em função da espessura do corpo de prova, e o outro ponto de apoio colocado na parte superior e centralizado em relação aos apoios inferiores. O ensaio é realizado flexionando-se o corpo de prova a uma velocidade constante (entre 1 a 50 mm/min) e registra-se a força versus a flecha de deformação. A resistência à flexão pode ser calculada como a tensão necessária para quebrar o corpo de prova. Usualmente, utilizam-se as propriedades de flexão a 5% de deformação para corpos que não quebram sob flexão. III.1.3.4 Resistência ao impacto Izod – ASTM-D256, ISSO 180 Este importante ensaio é muito utilizado para credenciar materiais de uso técnico. Os corpos de prova usualmente são de 3,17 x 12,7 x 63,5mm. O corpo de prova deve ter um entalhe no centro de forma que a trinca se propague por este e é fixado de forma padronizada na base da máquina de impacto. Um pêndulo é deixado cair livre sobre o corpo de prova, rompendo-o por impacto. A energia absorvida neste trabalho é registrada como resistência ao impacto e é dada em Joules por metro, calculada para uma espessura de 25,4 mm do corpo de prova. Este teste, embora muito polêmico por suas incertezas, é muito utilizado para a comparação entre materiais. Diferentes tipos de polímeros não devem ser comparados através destes testes, pois cada polímero reage diferentemente ao entalhe e ao método de preparo do corpo de prova, pois diferentes orientações moleculares são congeladas em função das variações durante o processamento. 58 III.1.3.5 Densidade – ASTM-D792 Os corpos de prova para este ensaio são obtidos das peças e devem ter menos que 1cm3 de volume, bem como não podem ter superfícies rugosas ou impurezas, como gorduras, nem reentrâncias ou regiões puntiformes. A amostra previamente seca e pesada ao ar é imersa em um fluido (água normalmente) e então é pesada neste outro meio. O valor da densidade é calculado através da razão do peso aparente medido no ar e o peso aparente medido quando a amostra está imersa no fluido. Densidade e gravidade específica têm o mesmo valor numérico. No entanto, gravidade específica não tem unidade por ser obtida por meio da razão entre dois pesos. Densidade é o peso no ar em gramas por centímetro cúbico a 23°C. Densidade ou gravidade específica indicam o grau de uniformidade de um produto. Mudanças na densidade podem significar variação na cristalinidade, perda de plastificantes ou outros aditivos, ou absorção de solventes ou umidade. III.1.4 Principais propriedades térmicas e termodinâmicas (MANRICH, 2005) III.1.4.1 Temperatura de fusão – ASTM-D2117 O teste é feito para polímeros semicristalinos. Péletes, pós, filmes ou chapas podem ser usados para o ensaio, devendo ser preparados de forma a se obter corpos de provas de 1,6 mm de diâmetros e 0,04mm de espessura. Os corpos de prova são aquecidos por um estágio de aquecimento em um microscópio óptico. A fusão ocorre quando for observado o desaparecimento do prisma característico de dupla refração. Tm é de grande importância como parâmetro de processamento, pois é a partir dela que se arbitra o valor da temperatura do polímero no estado fundido durante o seu processamento (no caso de polímero semicristalinos). 59 III.1.4.2 Temperatura de deflexão ao calor – HDT – ASTM-D-648 Corpo de prova de 127 mm de comprimento por 13 mm de espessura e qualquer largura entre 3 e 13 mm. São colocados sobre dois apoios e imersos em óleo ou colocados em câmara com ar circulante e sobre a parte central é aplicada uma força fletora, com tensões entre 455 KPa ou 1820 KPa. Após a montagem do aparato, a temperatura é variada a uma velocidade constante e quando o corpo de prova defletir em 0,25 mm, lê-se a temperatura de deflexão ao calor ou, como é também conhecida, temperatura de distorção ao calor. Este ensaio é de vital importância, pois revela a temperatura na qual o polímero ou compósito cede sob calor a uma determinada tensão. É útil na comparação do comportamento de vários materiais, sendo muito usado para o controle e desenvolvimento de materiais poliméricos. III.1.4.3 Temperatura de amolecimento Vicat – ASTM-D1525 O aparato para esse ensaio pode ser o mesmo utilizado para o teste HDT, tendo-se que mudar apenas o suporte e colocar uma agulha padronizada na extremidade da haste que exerce a tensão. Essa agulha, com área de 1 mm2, atua sob tensão sobre o corpo de prova imerso em óleo, onde a temperatura varia a uma taxa constante. Quando a agulha penetra 1 mm no corpo de prova, é lida a temperatura de amolecimento Vicat. O corpo de prova deve ter uma espessura mínima de 3 mm e largura de 13 mm. A aplicabilidade desse teste é restrita à comparação entre polímeros, delimitando muitas vezes o uso, sob temperatura, dos materiais. III.1.4.4 Temperatura de fragilização – ASTM-D746 Corpos de prova com 6,35 mm de largura, 1,9 mm de espessura e 31,75 mm de comprimento são congelados em temperaturas predeterminadas e submetidos a um impacto. 60 Quando for encontrada a temperatura na qual 50% dos corpos de prova quebram sob esse impacto, tem-se a temperatura de fragilização do polímero. Certos polímeros, cujo Tg é alto, a temperatura de fragilização poderá estar acima da temperatura ambiente. Por isso esse ensaio é mais empregado para materiais de baixo Tg (borrachas, poliolefinas) de uso a baixas temperaturas. III.1.4.5 Condutividade térmica – ASTM-C-177 Corpos de provas planos e lisos, com uma relação área x espessura que represente bem um material, são colocados entre uma placa quente e outra fria, sendo ambas isoladas nas bordas para evitar perda de calor. Termopares medem as temperaturas da placas, como uma função do tempo, obtendo dessa forma o valor de K. Condutividade térmica é a quantidade de calor conduzido por unidade de tempo, através de um volume unitário, quando a temperatura sofre a variação de um grau. Essa medida é útil para predizer a capacidade que um material tem de trocar calor com o meio, tais como superfícies dos moldes, matrizes, rolos resfriadores, entre tantos outros. Esse valor pode mudar com a umidade ou aditivação, bem como com a faixa de temperatura em consideração. III.1.4.6 Coeficiente de expansão térmica – ASTM-D-696 Normalmente, o coeficiente de expansão térmica é o linear (α ) . O corpo de prova, neste caso, tem medidas entre 50,9 e 127 mm de comprimento, podendo ter seção transversal quadrada ou retangular, devendo encaixar no tubo de dilatação térmica do aparelho. Sob aumento gradativo da temperatura, mede-se o distanciamento das extremidades do corpo de prova, que fica imerso e um banho. O coeficiente pode mudar em função da umidade, orientação molecular do polímero, cristalização, perda de plastificante durante a operação, bem como alívio de tensões do corpo 61 sob ensaio. É necessário também conhecer as temperaturas de transição na faixa em que se mede o valor α , para poder interpretar melhor os resultados. O coeficiente de dilatação térmica pode ser obtido da curva PvT. Nesse caso, o valor é a medida de dilatação térmica volumétrica ( β ) . III.1.5 Componentes da extrusora em estudo A máquina de extrusão pode ser dividida em: • Tapete transportador de alimentação; • Fotocélula de acionamentos do tapete transportador de alimentação; • Funil de alimentação; • Guilhotina de corte do funil de alimentação com sistema hidráulico de acionamento; • Variador de freqüência do motor do parafuso de extrusão; • Motor do parafuso de extrusão; • Tacômetro do motor do parafuso de extrusão; • Caixa de redução do motor do parafuso de extrusão; • Parafuso de extrusão; • Barril; • Sistema de aquecimento do barril; • Matriz; • Encoder de saída do produto; • Tapete transportador de saída; • Variador de freqüência do motor do tapete de saída; • Motor do tapete de saída; • Tacômetro do motor do tapete de saída; • Encoder do tapete de saída; 62 • Puxador ou enroladeira de produtos extrudado; • Painéis elétricos de controle e potência de acionamento dos motores. III.1.6 Princípio de funcionamento III.1.6.1 Sistema de alimentação de material O sistema de alimentação de material de entrada é feito com a colocação manual, pelo operador, da goma vinda dos processos precedentes, no transportador de entrada. Já o acionamento do transportador de entrada e da guilhotina é feito pelo acionamento da fotocélula quando indica nível baixo no funil de alimentação de tiras e a parada do transportador é feita quando indica nível alto nesse funil. III.1.6.2 Sistema de aquecimento da extrusora e a hipótese simplificadora O processo de extrusão se dá a quente. O sistema de aquecimento é feito pelo aquecimento da camisa do parafuso de extrusão através de um circuito fechado de água quente que envolve a camisa do parafuso trocando calor com o vapor vindo da caldeira do setor de utilidades da fábrica. O sistema de água fechado da camisa do parafuso é mantido por uma bomba centrífuga e passando em sentido contrário ao vapor saturado pelo trocador de calor de placas paralelas. No sistema do vapor existe uma válvula proporcional que é acionada de acordo com o sinal de erro medido entre o valor predeterminado e a medida da temperatura da água do circuito fechado. Uma observação importante que serve como hipótese simplificadora do modelo é que o sistema de aquecimento do barril do parafuso de extrusão é um intertravamento para o sistema de controle da extrusora, uma vez que a temperatura da camisa do parafuso de extrusão não estiver ou atingir a faixa de trabalho da receita predeterminada é gerado um sinal que desabilita o funcionamento da extrusora, parando-a e sendo habilitado somente quando a 63 temperatura voltar ou atingir a faixa de trabalho predeterminada. Desta forma, para simplificação, o processo foi considerado como um processo que se dá à temperatura constante. III.1.6.3 Regulagem automática O sistema de alimentação por tiras sem a presença de estearato causa grandes variações de vazão na saída da extrusora. O sistema de regulagem automática se propõe solucionar o problema regulando a vazão de produto extrudado, assegurando a velocidade de rotação do parafuso, com a diferença entre a velocidade de saída do produto extrudado e a velocidade do tapete tomada como referência. Este vem dar ao tapete uma velocidade absolutamente constante e a utilizar a informação de velocidade linear, tomada ao nível do tapete como referência para a regulação. Este sinal de referência é comparado permanentemente com a velocidade de saída do produto e o desvio entre as duas é amplificado para agir sobre o aumento ou diminuição da velocidade de rotação do parafuso. A informação de velocidade, tomada ao nível do tapete, é uma freqüência dada por um gerador de pulsos (encoder do tapete) ligado a um rolo de sustentação do tapete. Esta freqüência é função direta da velocidade linear do tapete e, portanto, do material recolhido ou puxado por este. A informação de velocidade de saída do produto é uma freqüência dada por um gerador de pulsos (encoder de saída) ligado também a um rolo de saída, colocado estrategicamente na saída da extrusora o mais próximo possível da matriz, para ser arrastado pelo produto extrudado na saída. A freqüência é função direta da velocidade linear do rolo de saída e, portanto, do produto sendo extrudado conforme pode ser visto na figura 3.4. 64 Figura 3.4 Diagramas de Bloco do processo de extrusão. Toda a aparelhagem estando sob tensão, à cortadeira estando alimentada com goma e pronta para funcionar, o operador da máquina deve: • Colocar o coeficiente próprio desta goma para o perfilado desejado. • Colocar a referência manual de rotação do parafuso. • Colocar a referência da velocidade do tapete. • Colocar a cortadeira na posição. O produto extrudado faz passar o perfilado sobre o rolo de saída, depois sobre o tapete e faz descer o marcador sobre a goma. A partir desse momento o operador coloca a operação da extrusora em marcha automática. III.2 Modelagem por grafos de ligação (BG) do processo de extrusão Algumas hipóteses simplificadoras são feitas para que se tenha o modelo para a identificação e caso não seja possível identificar com essas hipóteses faz-se uma modelagem mais detalhada. No caso da extrusora percebeu-se pela instrumentação local, durante os testes, que a temperatura do sistema se manteve aproximadamente constante pela malha de controle. Sendo assim a viscosidade do polímero se mantém constante bem como sua resistência de 65 atrito viscoso, resistência de atrito do produto em ser extrudado e a resistência que a matriz impõe a saída do produto extrudado se mantém constante. Desta forma pode-se considerar o processo de extrusão compostos de quatro sistemas a serem modelados e identificados separadamente. Sistema I: Motor do tapete transportador de saída do produto extrudado Sistema II: Controle PI - Proporcional Integral Sistema III: Motor do parafuso de extrusão Sistema IV: Processo: Parafuso de extrusão, barril e matriz. Figura 3.5 Diagrama de blocos simplificado para modelagem e identificação. III.2.1 Modelagem por grafos de ligação do motor do tapete – Sistema I. O motor do tapete tem um acionamento com driver de tensão com causalidade integral. A figura abaixo foi desenvolvida no programa 20-SIM versão 3.6 e é o modelo do motor DC do tapete. 66 Figura 3.6 Grafo do Motor DC do tapete transportador. ⎡ p3 ⎤ X =⎢ ⎥ ⎣ p7 ⎦ (3.7) ⎡v ⎤ U = ⎢ a⎥ ⎣τ ⎦ (3.8) ⎡i ⎤ Y =⎢ a⎥ ⎣Ω ⎦ (3.9) f3 = 1 p3 I3 (3.10) f7 = 1 p7 I7 (3.11) • p 3 = a11 p3 + a12 p7 + b1va (3.12) • p 7 = a21 p3 + a22 p7 + b2 va (3.13) • e1 = p3 + e2 + e4 (3.14) • p 3 = e1 − e2 − e4 (3.15) p3 = e1 − R2 f 3 − K m f 7 (3.16) • 67 • p3 = e1 − R2 • p3 = − R2 1 1 p3 − K m p7 I3 I7 1 1 p3 − K m p7 + e1 I3 I7 (3.17) (3.18) e5 = e6 + e8 + e7 (3.19) e7 = e5 − e6 − e8 (3.20) p 7 = K m f 3 − R 6 f 7 − e8 (3.21) • • p7 = Km • p3 = − • p7 = 1 1 p3 − R6 p7 − e8 I3 I7 (3.22) R2 = ra _ tap (3.23) R6 = cm _ tap (3.24) I 3 = la _ tap (3.25) I 7 = jm _ tap (3.26) e1 = va _ tap (3.27) e8 = τ tap (3.28) k m = k m _ tap (3.29) ra _ tap la _ tap km _ tap la _ tap km _ tap p3 − p3 − jm _ tap cm _ tap jm _ tap ⎡ p3 ⎤ ⎢l ⎥ a _ tap ⎢ ⎥ Y= ⎢ p7 ⎥ ⎢ ⎥ ⎢⎣ jm _ tap ⎥⎦ p7 + va _ tap (3.30) p7 − τ tap (3.31) (3.32) 68 ⎛ (− ra _ tap ) ⎜ ⎜ la _ tap A=⎜ ⎜ km _ tap ⎜ l ⎝ a _ tap (− km _ tap ) ⎞ ⎟ jm _ tap ⎟ ( −cm _ tap ) ⎟⎟ jm _ tap ⎟⎠ ⎛1 0 ⎞ B=⎜ ⎟ ⎝ 0 −1⎠ ⎛ 1 0 ⎜l a _ tap C =⎜ ⎜ 1 ⎜⎜ 0 jm _ tap ⎝ ⎛0 0⎞ D=⎜ ⎟ ⎝0 0⎠ (3.33) ⎞ ⎟ ⎟ ⎟ ⎟⎟ ⎠ Encontrando as funções de transferência: G ( s) = C ( sI − A) −1 B + D ⎡ 1 ⎢l a _ tap G ( s) = ⎢ ⎢ ⎢ 0 ⎢⎣ ⎡ − ra _ tap ⎤⎛ 0 ⎥⎜ ⎢ l ⎥ ⎜ ⎡ s 0 ⎤ − ⎢ a _ tap 1 ⎥ ⎜ ⎢⎣ 0 s ⎥⎦ ⎢ km _ tap ⎢ ⎥⎜ jm _ tap ⎥⎦ ⎜ ⎢⎣ la _ tap ⎝ ⎡ 1 ⎢l a _ tap ⎢ G ( s) = ⎢ ⎢ 0 ⎢⎣ ⎡ 1 ⎢l a _ tap G ( s) = ⎢ ⎢ ⎢ 0 ⎣⎢ ⎤ ⎛ ⎡ ra _ tap 0 ⎥ ⎜ ⎢s + la _ tap ⎥⎜⎢ 1 ⎥ ⎜ ⎢ − km _ tap ⎥⎜⎢ jm _ tap ⎥⎦ ⎜ ⎢ la _ tap ⎝⎣ (3.34) −1 − km _ tap ⎤ ⎞ ⎥⎟ jm _ tap ⎥ ⎟ ⎡1 0 ⎤ + [ 0] −cm _ tap ⎥ ⎟ ⎢⎣ 0 −1⎥⎦ ⎥⎟ jm _ tap ⎥⎦ ⎟⎠ ⎡ G ( s) G12 ( s) ⎤ G ( s) = ⎢ 11 ⎥ ⎣G21 ( s ) G22 ( s ) ⎦ −1 km _ tap ⎤ ⎞ ⎥⎟ jm _ tap ⎥ ⎟ ⎡1 0 ⎤ cm _ tap ⎥ ⎟ ⎢⎣0 −1⎥⎦ ⎥⎟ s+ jm _ tap ⎥⎦ ⎠⎟ ⎤ 0 ⎥ la _ tap jm _ tap ⎥ 1 ⎥ la _ tap jm s 2 + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap ⎥ jm _ tap ⎦⎥ (3.35) ⎡ cm _ tap ⎢s + j m _ tap ⎢ ⎢ − km _ tap ⎢ ⎢⎣ jm _ tap (3.36) T km _ tap ⎤ la _ tap ⎥⎥ ⎡1 0 ⎤ ⎥ ⎢⎣ 0 −1⎥⎦ r s + a _ tap ⎥ la _ tap ⎥⎦ (3.39) (3.37) 69 G11 ( s ) = jm _ tap s + cm _ tap la _ tap jm _ tap s + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap G12 ( s ) = 2 km _ tap la _ tap jm _ tap s 2 + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap G21 ( s ) = G22 ( s ) = km _ tap la _ tap jm _ tap s + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap 2 −la _ tap s − ra _ tap la _ tap jm _ tap s + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap 2 (3.38) (3.39) (3.40) (3.41) III.2.2 Modelagem do sistema de controle PI – Sistema II. O sistema de controle da extrusora em estudo é desenvolvido por amplificadores operacionais e já tem na literatura clássica (OGATA ,2003) um modelo para o sistema de controle PI -Proporcional e Integral, sendo então necessário somente a identificação e validação. Figura 3.7 Sistema de controle PI – Proporcional Integral. (OGATA, 2003) EO ( S ) R4 R2 R2C2 s + 1 = EI ( S ) R3 R1 R2C2 s (3.42) 70 III.2.3 Modelagem por grafos de ligação do motor do parafuso – Sistema III. Figura 3.8 Grafo do Motor DC do parafuso. ⎡ p3 ⎤ X =⎢ ⎥ ⎣ p7 ⎦ (3.43) ⎡v ⎤ U = ⎢ a⎥ ⎣τ ⎦ (3.44) ⎡i ⎤ Y =⎢ a⎥ ⎣Ω ⎦ (3.45) f3 = 1 p3 I3 (3.46) f7 = 1 p7 I7 (3.47) • p 3 = a11 p3 + a12 p7 + b1va (3.48) • p 7 = a21 p3 + a22 p7 + b2 va (3.49) • e1 = p3 + e2 + e4 (3.50) 71 • p 3 = e1 − e2 − e4 (3.51) p3 = e1 − R2 f 3 − K m f 7 (3.52) • • p3 = e1 − R2 • p3 = − R2 1 1 p3 − K m p7 I3 I7 1 1 p3 − K m p7 + e1 I3 I7 (3.53) (3.54) e5 = e6 + e8 + e7 (3.55) e7 = e5 − e6 − e8 (3.56) • p 7 = K m f 3 − R 6 f 7 − e8 (3.57) R2 = ra _ prf (3.58) R6 = cm _ prf (3.59) I 3 = la _ prf (3.60) I 7 = jm _ prf (3.61) e1 = va _ prf (3.62) e8 = τ prf (3.63) km = km _ prf (3.64) • p3 = − • p7 = ra _ prf la _ prf km _ prf la _ prf p3 − km _ prf p3 − jm _ prf cm _ prf jm _ prf p7 + va _ prf (3.65) p7 − τ prf (3.66) 72 ⎡ p3 ⎢l a _ prf Y =⎢ ⎢ p7 ⎢ ⎢⎣ jm _ prf ⎛ (− ra _ prf ) ⎜ ⎜ la _ tap A=⎜ ⎜ km _ prf ⎜ l ⎝ a _ prf ⎤ ⎥ ⎥ ⎥ ⎥ ⎥⎦ (3.67) (− km _ prf ) ⎞ ⎟ jm _ tap ⎟ ( −cm _ prf ) ⎟⎟ jm _ prf ⎟⎠ ⎛1 0 ⎞ B=⎜ ⎟ ⎝ 0 −1 ⎠ ⎛ 1 0 ⎜l a _ prf C =⎜ ⎜ 1 ⎜⎜ 0 jm _ prf ⎝ ⎛0 0⎞ D=⎜ ⎟ ⎝0 0⎠ (3.68) ⎞ ⎟ ⎟ ⎟ ⎟⎟ ⎠ Encontrando as funções de transferência: G ( s) = C ( sI − A) −1 B + D ⎡ 1 ⎢l a _ prf ⎢ G ( s) = ⎢ ⎢ 0 ⎢⎣ 0 1 jm _ prf ⎡ 1 ⎢l a _ prf G ( s) = ⎢ ⎢ ⎢ 0 ⎢⎣ ⎡ − ra _ prf ⎤⎛ ⎢ ⎥⎜ l ⎥ ⎜ ⎡ s 0 ⎤ − ⎢ a _ prf ⎥ ⎜ ⎣⎢0 s ⎦⎥ ⎢ km _ prf ⎢ ⎥⎜ ⎥⎦ ⎜⎝ ⎢⎣ la _ prf 0 1 jm _ prf ⎤ ⎛ ⎡ ra _ prf ⎥ ⎜ ⎢s + l a _ prf ⎥⎜⎢ ⎜ ⎥ ⎢ − km _ prf ⎥⎜⎢ ⎥⎦ ⎜⎝ ⎢⎣ la _ prf (3.69) −1 − km _ prf ⎤ ⎞ ⎥⎟ jm _ prf ⎥ ⎟ ⎡1 0 ⎤ + [ 0] −cm _ prf ⎥ ⎟ ⎣⎢ 0 −1⎦⎥ ⎥⎟ jm _ prf ⎥⎦ ⎟⎠ km _ prf jm _ prf s+ cm _ prf jm _ prf (3.70) −1 ⎤⎞ ⎥⎟ ⎥ ⎟ ⎡1 0 ⎤ ⎥ ⎟ ⎢0 −1⎥⎦ ⎥⎟ ⎣ ⎥⎦ ⎟⎠ (3.71) 73 ⎡ 1 ⎢l a _ prf ⎢ G ( s) = ⎢ ⎢ 0 ⎢⎣ 0 1 jm _ prf ⎤ ⎥ la _ prf jm _ prf ⎥ 2 ⎥ la _ prf jm s + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf ⎥ ⎥⎦ ⎡ cm _ prf ⎢s + j m _ prf ⎢ ⎢ −km _ prf ⎢ ⎢⎣ jm _ prf ⎡ G ( s) G12 ( s) ⎤ G ( s) = ⎢ 11 ⎥ ⎣G21 ( s ) G22 ( s ) ⎦ G11 ( s ) = G12 ( s ) = G21 ( s ) = jm _ prf s + cm _ prf la _ prf jm _ prf s + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf 2 km _ prf la _ prf jm _ prf s 2 + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf km _ prf la _ prf jm _ prf s + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf G22 ( s ) = 2 −la _ prf s − ra _ prf la _ prf jm _ prf s + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf 2 T km _ prf ⎤ la _ prf ⎥⎥ ⎥ r s + a _ prf ⎥ la _ prf ⎥⎦ (3.72) (3.73) (3.74) (3.75) (3.76) (3.77) ⎡1 0 ⎤ ⎢0 −1⎥ ⎣ ⎦ 74 III.2.4 Modelagem por grafos de ligação do processo – Sistema IV Figura 3.9 Grafo do processo. ⎡ q7 ⎤ X =⎢ ⎥ ⎣ p10 ⎦ (3.78) U = [ Ω] (3.79) Y = [ω ] (3.80) f10 = e7 = 1 p10 I10 (3.81) 1 q7 C7 (3.82) e1 = e2 + e3 ∴ f1 = f 2 = f 3 f 4 = k prf f 3 (3.83) (3.84) 75 e3 = k prf e4 (3.85) e4 = e5 + e6 ∴ f 4 = f5 = f 6 (3.86) f 6 = f 7 + f8 ∴ e6 = e7 = e8 (3.87) e8 = e9 + e10 ∴ f8 = f 9 = f10 (3.88) f10 = 1 p10 id (3.89) e7 = 1 q7 cf (3.90) • q 7 = kred k prf Ω − 1 p10 id (3.91) • p10 = e10 = e8 − e9 • p10 = r 1 q7 − d p10 cf id −1 ⎞ ⎛ ⎜ 0 id ⎟ ⎟ A=⎜ ⎜ 1 − rd ⎟ ⎜⎜ c id ⎟⎟⎠ ⎝ f ⎛k k ⎞ B = ⎜ red prf ⎟ ⎝ 0 ⎠ ⎛ 1⎞ C = ⎜0 ⎟ id ⎠ ⎝ D = ( 0) (3.92) (3.93) (3.94) 76 Encontrando as funções de transferência: G ( s ) = C ( sI − A) −1 B + D ⎛ ⎡ ⎜ ⎢0 ⎡ 1 ⎤ ⎜ ⎡ s 0⎤ ⎢ G ( s) = ⎢0 ⎥⎜⎢ ⎥−⎢ 1 0 s i ⎣ ⎦ d ⎦ ⎣ ⎜⎜ ⎢c ⎢⎣ f ⎝ (3.95) −1 −1 ⎤ ⎞ id ⎥ ⎟⎟ ⎡ kred k prf ⎤ ⎥ + [ 0] −rd ⎥ ⎟ ⎢⎣ 0 ⎥⎦ ⎟ id ⎥⎥⎦ ⎟⎠ (3.96) −1 ⎛⎡ 1 ⎤⎞ ⎜⎢ s id ⎥ ⎟⎟ ⎡ kred k prf ⎤ ⎡ 1 ⎤⎜⎢ ⎥ G ( s ) = ⎢0 + [ 0] ⎥ ⎜ ⎢ −1 ⎟ ⎣⎢ 0 ⎦⎥ r ⎥ i d d ⎦ ⎣ s + ⎥⎟ ⎜⎜ ⎢ c id ⎥⎦ ⎟⎠ ⎢ f ⎝⎣ ⎡ rd ⎢s + i id c f ⎡ 1⎤ d ⎢ G ( s) = ⎢0 ⎥ 2 id ⎦ id c f s + rd c f s + 1 ⎢ −1 ⎣ ⎢ ⎣⎢ id G (s) = T 1⎤ c f ⎥ ⎡ kred k prf ⎤ ⎥ ⎥ ⎢⎣ 0 ⎥⎦ s⎥ ⎦⎥ kred k prf id c f s 2 + rd c f s + 1 III.2.5 Grafos de ligação completo da máquina de extrusão em estudo Figura 3.10 Grafo completo da extrusora. (3.97) (3.98) (3.99) 77 Capítulo IV – Descrição do Aparato Experimental – Processo de Extrusão IV.1 Descrição geral do aparato experimental IV.1.1 Descrição dos tipos e localização dos sensores, atuadores e sistema de aquisição de dados Para se fazer a identificação dos sistemas foram utilizados quatro sensores da própria instrumentação da extrusora e mais dois sinais de tensão dos drivers dos motores que totalizam seis sinais de medição, que podem ser visualizados no diagrama de bloco mostrado na figura 4.1. 1. Tacômetro do motor do parafuso (1500 RPM – 90 Volts). 2. Tacômetros do motor do tapete (1000 RPM – 70 Volts). 3. Encoder do tapete (500 pulsos por revolução). 4. Encoder de saída (500 pulsos por revolução). 5. Sinal de entrada do driver do motor do tapete (0 à 12 Volts padrão CMOS). 6. Sinal de entrada do driver do motor do parafuso (0 à 12 Volts padrão CMOS). Figura 4.1 Esquema do processo com a instrumentação e os pontos de medição. 78 Existem diversos fabricantes e no estudo da extrusora procurou-se utilizar as placas e condicionamentos de sinais da National Instruments® porque é também o fabricante do LabVIEW ® , linguagem de programação, na qual foi desenvolvido o sistema de aquisição de dados. A National Instruments® tem uma série de hardware para sistemas de aquisição de dados que passam do mais portátil ao mais robusto. O sistema utilizado é um dos mais robustos e é detalhado na figura 4.2 sendo composto basicamente por seis partes: um chassi SCXI-1000 com suas especificações na tabela 4.1, um módulo de condicionamento de sinais SCXI-1125 com suas especificações na tabela 4.2, um bloco conector SCXI-1327 que serve também para conectar sinais de tensão superior a +/- 5 Volts, um cabo de conexão da placa de aquisição de dados ao chassi, acessórios como a tampa frontal, traseira e adaptador de 50 pinos para 68 pinos todos com suas especificações na tabela 4.3 e por último a placa de aquisição de dados modelo 6060E com suas especificações na tabela 4.4. Figuras 4.2 Detalhamento do sistema de aquisição de dados.(NATIONAL INSTRUMENTS, 2000). 79 Tabela 4.1 Especificação do chassi. Produto SCXI Slots Alimentação SCXI-1000 4 110Vac Tabela 4.2 Especificação do módulo de condicionamento de sinais. Produto Canais Descrição Ganho Tipo de sinas / Filtro Isolação Ranger SCXI- 8 isoladas Amplificador 1à +/-2,5mV à 4 Hz, 10 300 isolado 2000 +/- 1000V* Hz por Vrms 4 à 20 mA canal (Cat. II) 1125 *Entradas de sinais maiores que +/- 5 Volts necessitam do bloco conector SCXI-1327 Tabela 4.3 Especificação de bloco conector, cabos e acessórios. Produto Tipo Quantidades Bloco conector SCXI-1327 Tensões superiores a +/- 5 V e ganho de 0,01. 01 Cabo SH 6868 68 pinos para 68 pinos. 01 Acessório SCXI-1349 Adaptador para cabo 50 pinos para 68 pinos. 01 Acessório SCXI-1360 Tampa frontal. 03 Acessório SCXI-1361 Tampa traseira. 03 Acessório SCXI-1374 Alça de manuseio. 01 80 Tabela 4.4 Especificação da placa de aquisição de dados. Produto Barramento 6060E ISA Entradas Taxa de Range de Ganhos da Saídas Saídas e Conta. Analógicas Amostragem / Entrada Entrada Analógicas Entradas e Resolução Max. / Resolução Digitais Temp. 16 SE / 500k / 12 +/- 10 0.55, 1, 2, 2/ 8 2 8 DI bits 0 à 10 5, 10, 20, 12 bits Triger Digital Analóg. Sim Sim 50, 100 IV.1.2 Configuração do sistema de aquisição de dados Os sinais do encoder do motor do tapete e do encoder de saída do produto extrudado são trens de pulsos e foram considerados como sinais analógicos e no domínio do tempo porque não se tinha o módulo de condicionamento para encoder no momento da aquisição de dados. Para a conversão do trem de pulso provido dos encoders para um valor de nível DC em unidades de velocidade foi feito via software e não via hardware, sem nenhuma restrição. Os demais sinais também foram considerados como sinais analógicos e configurados como a seguir: • Entrada: Para o trabalho em estudo todos os seis canais foram configurados com entradas por diferencial. • Resolução: 12 bits • Range :Devido aos ganhos do módulo de condicionamento de sinais SCXI-1125 e do bloco terminal SCXI-1327 é necessário um range de -5 à +5 Volts para o trabalho em estudo. • Ganho: Tanto a placa de aquisição de dados quanto o módulo de condicionamento de sinais e o bloco conector tem mudanças de ganhos conforme mostrado nas tabelas de configuração de especificações. A tabela 4.5 mostra os ganhos a serem configurados para o módulo SCXI-1125 e para o bloco conector SCXI-1327 para cada range de tensão de entrada. 81 Tabela 4.5 Ganho total. Canal 1: Tacômetro do motor do parafuso (1500 RPM – 90 Volts) Ganho Total de 0,05. Canal 2: Tacômetros do motor do tapete (1000 RPM – 70 Volts) Ganho Total de 0,05. Canal 3: Encoder do tapete (500 pulsos por revolução 0 à 12V) Ganho Total de 0,2. Canal 4: Encoder de saída (500 pulsos por revolução 0 à 12V) Ganho Total de 0,2. Canal 5: Sinal de entrada do driver do motor do tapete (0 à 12V) Ganho Total de 0,2. Canal 6: Sinal de entrada do driver do motor do parafuso (0 à 12V) Ganho Total de 0,2. • Taxa de Amostragem: Para o teste da extrusora foi verificado, devido a necessidade de re-processamento dos sinais dos encoders para determinar a velocidade foi feito o teste com uma taxa de 4000 amostragens por segundo. IV.2 Descrição do software de aquisição de dados O sistema de aquisição de dados foi desenvolvido em quatro pacotes. Leitura on-line, registro dos dados no disco rígido, leitura off-line e o processamento dos dados dos encoders. O pacote de leitura on-line foi desenvolvido com o objetivo de visualizar os dados on-line na máquina de extrusão para determinar as freqüências fundamentais dos sinais para a correta 82 aquisição. O pacote de registro foi desenvolvido para salvar os dados no disco rígido para o processo de identificação. O pacote de visualização off-line foi desenvolvido com o intuito de mostrar os sinais aquisitados dinamicamente e o pacote de processamento foi desenvolvido para processar os dados dos encoders de freqüência modulada e transformar em nível DC para o processo de identificação que será desenvolvido pelo pacote de identificação de sistemas do MATLAB® com os dados providos do sistema de aquisição de dados. IV.2.1 Pacote de leitura on-line dos dados O pacote de leitura dos dados foi desenvolvido com o objetivo de proporcionar um conhecimento maior do sistema pela visualização do comportamento dinâmico da máquina de extrusão. Nesse pacote é possível fazer a visualização dos sinais com diferentes taxas de amostragem no domínio do tempo e no domínio da freqüência pela FFT sem janelamento ou com janelamento de Hanning, Hamming, Blackman-Harris, Exact Balckman, Blackman, Flat Top, 4 Term B-Harris, 7 Term B-Harris e Low Sidelobe. Existe também a possibilidade de filtrar o sinal por um filtro digital recursivo ou de reposta impulsiva infinita (IIR), onde a saída depende não somente da corrente que passa na entrada, mas também da corrente que passa na saída. Tendo como vantagem sobre os filtros não recursivos ou de resposta impulsiva finita (FIR) é que são mais rápidos pela necessidade de poucos coeficientes para performance de operações similares e com isso não necessitam de memórias extras. Uma desvantagem é que a resposta de fase é não linear. O filtro digital IIR implementado tem a possibilidade de topologia de Butterworth, Chebyshev, Inverse Chebyshev, Eliptic e Bessel. Podendo ser do tipo passa baixa, passa alta, passa banda e corta banda de freqüência. Os filtros digitais têm as vantagens sobre os filtros analógicos de serem programáveis via software, requerem somente operações de multiplicação, adição e subtração em sua aplicação, são estáveis quanto as mudanças de temperatura, umidade e não sofrem variações de fabricação. 83 IV.2.2 Pacote de registro dos dados O pacote de registro dos dados foi desenvolvido com o objetivo de gravar os sinais do sistema em estudo para a identificação. Estes sinais são gravados sem nenhum tipo de filtragem via software, somente existindo os filtros via hardware disponíveis e configurados no sistema de aquisição de dados. Caso haja a necessidade de filtragem e processamento dos sinais é feito nos outros pacotes e assim mantendo a originalidade do sinal gravado. Esse sistema possibilita a gravação dos sinais em diferentes taxas de amostragem e são gravadas somente as amplitudes dos sinais por colunas do arquivo gerado e na primeira linha da primeira coluna do arquivo contém a informação da taxa de amostragem e o início da gravação com data e hora inicial e sendo assim, desnecessária a gravação do vetor tempo diminuindo o processamento do sinal e também o tamanho do arquivo gerado. Este programa possibilita visualizar seu comportamento, o tamanho do arquivo gerado durante a gravação e a mudar o tamanho do Buffer. IV.2.3 Pacote de leitura off-line dos dados O pacote de leitura off-line dos dados foi desenvolvido com o intuito de mostrar dinamicamente os dados gravados no disco rígido pelo programa de registro dos dados para um estudo mais detalhado dos sinais. Este pacote possibilita a visualização de todos os dados no domínio do tempo em um único gráfico. Possibilita também a visualização de cada sinal em gráficos separados e no domínio do tempo e da freqüência. Estes gráficos, mostrados separadamente, podem ser filtrado por filtros IIR individualmente conforme descritos no pacote de visualização on-line. IV.2.4 Pacote de processamento dos dados Este pacote foi desenvolvido com o intuito de executar um processamento de sinais e gerar novos vetores dos sinais aquisitados. Os sinais dos encoders quando foram aquisitados a 84 uma taxa de amostragem de 4000,00 amostragens por segundo foram aquisitados como sinais analógicos e em freqüência modulada. Existindo assim a necessidade de ter estes sinais em níveis de tensão contínua para que se possa fazer a identificação desses sistemas. Para isto, foi feito um processamento transformados os sinais de freqüência modulada em níveis contínuos de tensão e depois transformados em velocidade translacional pela relação das polias que se encontrava os encoders. IV.3 Seqüência de operações para a aquisição de dados Para o processo de identificação foi feita uma manobra na qual os quatro sistemas a serem identificados no diagrama de bloco da figura 4.1 eram monitorados ao mesmo tempo e em malha fechada. Essa manobra se deu com a camisa do parafuso de extrusão cheia de polímero e a temperatura estável em 90 graus Celsius. A máquina estava com os motores do tapete e parafuso parados e com o valor de entrada do tapete e parafuso em 0Volts. Foi então dado uma entrada de 5Volts no motor do tapete e foi feita a partida do motor do tapete conforme a partida de rampa do driver do motor do tapete e este sendo referência ao controle do motor do parafuso que fez com que houvesse também uma entrada degrau de 12Volts no driver do motor do parafuso e uma partida em rampa do motor do parafuso. Este teste se manteve até que se atingia a velocidade máxima de 1750 RPM para o motor do parafuso com uma duração em torno de 50 segundos. Permanecendo em 1750 RPM por mais um 30 segundos e então foi retirada a entrada de 5 Volts da referência do tapete. O que se esperava observar é que este teste era somente para identificar os motores do tapete e parafuso, sistema I e III. Observando melhor, os dados coletados, se verificou que quando retirou à entrada degrau do parafuso este gerava uma situação de modulação para a parada do motor do parafuso que era um sinal parecido com PRBS que modulava a parada do motor e sendo persistentemente excitantes para a identificação dos demais sistemas II e IV. 85 IV.3.1 Seqüência de operações para o pacote de leitura on-line Tendo os sinais conectados aos módulos de condicionamento e este conectado a placa de aquisição de dados deve-se proceder conforme os passos listados abaixo e mostrado pela figura 4.3. 1. Na paleta de Configurações de hardware preencher no controle Placa o número corresponde da placa de aquisição de dados, no controle Tx de amostragem preencher com a taxa de amostragem que necessita fazer a aquisição dos dados, no controle Canais preencher com os referidos canais para a aquisição de dados, para o controle Configurações das entradas devese preencher com o tipo acoplamento de entrada que pode ser DC, AC, GND ou Intern. Ref e com o tipo de configuração de entrada que pode ser differencial, ref. Single-ended, non-ref. Single-ended ou 4-wire, conforme a necessidade e explicado na seção II.2.3.2 classificação dos sinais e na seção II.2.3.3 configurações das entradas e saídas. 2. Para rodar o programa selecionando o menu Operatate e Run. 3. Na paleta de Configurações de software, pode-se selecionar o canal que necessita visualizar o sinal no gráfico de domínio da freqüência, pelo controle FFT canal. Pelo controle Janelamento seleciona o tipo de janelamento para a execução da transformada rápida de fourier (FFT) do sinal e pelos controles da paleta de Especificações do filtro IIR faz-se as configurações necessárias para a filtragem digital do sinal. 4. Pare a execução com o botão Parar. 86 Figura 4.3 Tela do programa de leitura on-line. IV.3.2 Seqüência de operações para o pacote de registro dos dados Tendo os sinais conectados aos módulos de condicionamento e este conectado a placa de aquisição de dados deve-se proceder conforme os passos listados abaixo e mostrado pela figura 4.4. 1. Na paleta de Configurações de hardware preencher no controle Placa o número corresponde da placa de aquisição de dados, no controle Tx de amostragem preencher com a taxa de amostragem que necessita fazer a aquisição dos dados, no controle Buffer preencher geralmente um valor correspondente a duas vezes a taxa de amostragem, no controle Canais preencher com os referidos canais para a aquisição de dados, para o controle Configurações das entradas deve-se preencher com o tipo acoplamento de 87 entrada que pode ser DC, AC, GND ou Intern. Ref e com o tipo de configuração de entrada que pode ser differencial, ref. Single-ended, non-ref. Single-ended ou 4-wire, conforme a necessidade e explicado na seção II.2.3.2 classificação dos sinais e na seção II.2.3.3 configurações das entradas e saídas. 2. Para rodar o programa selecionando o menu Operatate e Run. 3. Na paleta de Configurações de software, pode configurar o número de pontos que serão salvos no arquivo por vez ou equivalente a dizer de quanto e em quanto pontos aquisitados serão retirados da memória volátil para o disco rígido. Na prática esse número de ser aumentado até que o indicador Backlog se torne relativamente pequeno. Tem-se também o indicado # de pontos para aqruivo que informa o número de pontos atualmente gravados no disco rígido. 4. Pare a execução com o botão Parar. Figura 4.4 Tela do programa de registro dos dados. 88 IV.3.3 Seqüência de operações para o pacote de leitura off-line Tendo os dados dos sinais gravados deve-se proceder conforme os passos listados abaixo e mostrado pela figura 4.5. 1. Preencher o controle Número de pontos para FFT, correspondente ao números de pontos que necessita para executar a transformada rápida de Fourier. 2. Para rodar o programa selecionando o menu Operatate e Run, irá abrir uma tela conforme mostrada na figura 4.6 para indicar o caminho e nome do arquivo que necessita rodar. 3. O indicador de Taxa de amostragem irá informar a taxa que o arquivo foi amostrado. O indicador Número de canais irá indicar o número de canais que foram aquisitados e o indicador de Caminho do arquivo irá mostrar o caminho do arquivo executado. Pelos controles da paleta de Especificações do filtro IIR faz-se as configurações necessárias para a filtragem digital do sinal. 4. Pare a execução com o botão Parar. 89 Figura 4.5 Tela do programa de leitura off-line. 90 Figura 4.6 Tela do Windows para abertura do arquivo. IV.3.4 Seqüência de operações para o pacote de processamento Tendo os dados dos sinais gravados deve-se proceder conforme os passos listados abaixo e mostrado pela figura 4.5. 1. Preencher o controle Pontos para processamento, correspondente ao número de pontos que serão processados por vez. Esse controle influenciará no período do sinal processado. Verificar se existe a necessidade de uma parada em um determinado ponto e caso se faça necessário passe o controle de chave de seleção para a seleção SIM e preencher o número de pontos que deve ser parado o programa no controle Parada. O Controle Atual indica o número atual que está em processamento. 91 2. Para rodar o programa selecionando o menu Operatate e Run, irá abrir uma tela conforme mostrada na figura 4.6 para indicar o caminho e nome do arquivo que necessita rodar. 3. O indicador de Taxa de amostragem irá informar a taxa que o arquivo foi amostrado. O indicador Número de canais irá indicar o número de canais que foram aquisitados e o indicador de Caminho do arquivo irá mostrar o caminho do arquivo executado. Nas paletas dos encoders encontra-se, os indicadores Atual, Valor máximo, Valor mínimo, Média e Desvio padrão que indicam o valor atual, máximo, mínimo, médio e desvio padrão respectivamente do sinal processado. 4. Pare a execução com o botão Parar, caso não tenha selecionado parada programada. Figura 4.7 Tela do programa de processamento. 92 Capítulo V – Resultados V.1 Resultados da identificação dos dados obtidos pelo aparato experimental O caso em estudo da extrusão de polímero foi divido em quatro subsistemas e identificados conforme podem ser visualizados na figura 5.1. Figura 5.1 Diagrama de blocos simplificado para modelagem e identificação. Sistema I: Motor do tapete transportador de saída do produto extrudado. Sistema II: Controle PI - Proporcional Integral. Sistema III: Motor do parafuso de extrusão. Sistema IV: O processo: Parafuso de extrusão, barril e matriz. Os sinais para o processo de identificação foram medidos de quatro sensores da própria instrumentação da máquina em estudo mais os dois sinais de tensão dos drivers dos motores totalizando seis sinais e todos aquisitados com uma taxa de amostragem de 4000 amostragens por segundo. Foi feito um processamento de sinal nos sinais dos encoders com o objetivo de transformar os sinais de trens de pulso de freqüência modulada em nível DC. Este 93 processamento modificou o período de amostragem que era de 0,00025 segundos para 0,15 segundos. Para maiores informações sobre os programas em LabVIEW® veja o apêndice 1 e para os programas em MATLAB® veja o apêndice 2. Os sinais são listados abaixo e mostrados na figura 5.2. 1. Tacômetro do motor do parafuso (rotações por minuto). 2. Tacômetros do motor do tapete (rotações por minuto). 3. Encoder do tapete (milímetros por segundo). 4. Encoder de saída (milímetros por segundo). 5. Sinal de entrada do driver do motor do tapete (Volts). 6. Sinal de entrada do driver do motor do parafuso (Volts). Figura 5.2 Esquema do processo com a instrumentação e os pontos de medição. 94 V.1.1 Sistema I: Motor do tapete transportador de saída do produto extrudado Entrada: tensão do variador do tapete em volts (sinal 5). Saída: velocidade do tapete em mm/s (sinal 3). Figura 5.3 Gráfico de sinais de entrada e saída do motor do tapete. Foi observado que os melhores dados para fazer a identificação (persistentemente excitados) são de 9,9 a 112 segundos. 95 Figura 5.4 Gráfico de sinais, de entrada e saída do motor do tapete, com período de 9,9 a 112 segundos. Sem pré – processamento, sem média e tendência em azul. Dividido para identificar e validar vermelho e verde. Para estes dados o melhor modelo encontrado foi um ARX (2 2 1) com ajuste de 86,7655 e intervalo de amostragem de 0,15 segundos. Modelo de tempo discreto: A(q)y(t) = B(q)u(t) + e(t) A(q) = 1 – 0,5885 (+-0,05089) q^-1 – 0,3625 (+-0,05008) q^-2 B(q) = -0,125 (+-2,297) q^-1 + 0,8008 (+-2,329) q^-2 (5.1) (5.2) (5.3) 96 Figura 5.5 Sinal do modelo do motor do tapete em azul e sinal de validação em preto. Convertendo os sinais no MATLAB® de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos e para maiores detalhes do programa em MATLAB® executado veja o apêndice 2: Função de transferência no domínio discreto dado pela equação (5.4) ⇒ Espaço de estados no domínio discreto dado pela equação (5.5) ⇒ Espaço de estados no domínio contínuo dado pela equação (5.6) ⇒ Função de transferência no domínio contínuo dado pela equação (5.7). F ( z) = −0,125 z + 0,8008 z − 0,5885 z − 0,3625 2 Intervalo de amostragem 0,15 segundos (5.4) 97 ⎛ 0,5885 0,3625 ⎞ A=⎜ ⎟ ⎝ 1, 0000 0, 0000 ⎠ ⎛ 1, 0000 ⎞ B=⎜ ⎟ ⎝ 0, 0000 ⎠ (5.5) C = ( −0,1250 0,8008 ) D = (0, 0000) Intervalo de amostragem 0,15 segundos ⎛ −2, 0034 1, 6989 ⎞ A=⎜ ⎟ ⎝ 4, 6866 −4, 7615 ⎠ ⎛ 6, 2141⎞ B=⎜ ⎟ ⎝ 1,5275 ⎠ (5.6) C = ( −0,1250 0,8008 ) D = (0, 0000) F ( s) = 0, 4464 s + 21, 7495 s 2 + 6, 7649 s + 1,577 (5.7) 98 V.1.2 Sistema II: Controle PI - Proporcional Integral Entrada = erro = velocidade do tapete em mm/s (3) - velocidade do Nariz em mm/s (4). Saída = tensão de referência do variador do parafuso em volts (6). Figura 5.6 Gráfico dos sinais de entrada e saída do controle PI. Deve ser observado dentro do sinal amostrado um período que não tenha saturação e ou não linearidades dos dados. Observa-se uma saturação na saída do controlador com limites de 0 e 12V. Devido a esta não linearidade fez-se uma amostragem do sinal original acima no intervalo de 175 a 200 segundos. 99 Figura 5.7 Gráfico de sinais, entrada e saída, com período de 175 a 200 segundos. Sem pré processamento, sem a média e tendência em azul. Dividido para identificar e validar em vermelho e verde. Para estes dados o melhor modelo encontrado foi um ARX (1 1 0) com um ajuste de = 86,3984 e intervalo de amostragem de 0,15 segundos. Modelo de tempo discreto: A(q)y(t) = B(q)u(t) + e(t) (5.8) A(q) = 1 – 0,9965 (+-0,002333) q^-1 (5.9) B(q) = 0,06878 (5.10) 100 Figura 5.8 Sinal do modelo em azul e sinal de validação em preto. Convertendo os sinais no MATLAB de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos: Função de transferência no domínio discreto dado pela equação (5.11) ⇒ Espaço de estados no domínio discreto dado pela equação (5.12) ⇒ Espaço de estados no domínio contínuo dado pela equação (5.13) ⇒ Função de transferência no domínio contínuo dado pela equação (5.14). F ( z) = Intervalo de amostragem 0,15 segundos 0, 06878 z z − 0,9965 (5.11) 101 A = ( 0,9965 ) B = (1, 0000 ) C = ( 0, 0685 ) (5.12) D = (0, 0688) Intervalo de amostragem 0,15 segundos A = ( −0, 0234 ) B = ( 6, 6784 ) C = ( 0, 0685 ) (5.13) D = (0, 0688) F ( s) = 0, 06878s + 0, 4593 s + 0, 02337 (5.14) O qual é equivale a um controlador PI, conforme a estrutura abaixo: Figura 5.9 Diagrama do controle PI. Onde Kp = 0,06878 e Ki = 6,6784. Que são as constantes do controle PI. O controle encontrado é o mesmo mostrado no desenho do circuito eletrônico do controlador da máquina em estudo e o modelado em uma estratégia de controle PI. 102 V.1.3 Sistema III: Motor do parafuso de extrusão Entrada = Tensão de referência do variador do parafuso em volts (6). Saída = Velocidade do tacômetro em RPM (1) Figura 5.10 Gráfico dos sinais de entrada e saída motor do parafuso. Foi observado que os melhores dados para fazer a identificação (persistentemente excitantes) são de 10 a 112 segundos, eliminando assim as saturações. 103 Figura 5.11 Gráfico de sinais, de entrada e saída, com período de 9,9 a 112 segundos. Sem pré – processamento, sem a média e tendência em azul. Dividido para identificar e validação em vermelho e verde. Para estes dados o melhor modelo encontrado foi um ARX (2 2 1) com um ajuste de = 89,1912 e intervalo de amostragem de 0,15 segundos. Modelo de tempo discreto: A(q)y(t) = B(q)u(t) + e(t) (5.15) A(q) = 1 – 1,918 (+-0,02316) q^-1 + 0,9181 (+-0,02307) q^-2 (5.16) B(q) = 0,4039 (+-0,4277) q^-1 – 0,3383 (+-0,4226) q^-2 (5.17) 104 Figura 5.12 Sinal do modelo do motor do parafuso em azul e sinal de validação em preto. Convertendo os sinais no MATLAB de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos: Função de transferência no domínio discreto dado pela equação (5.18) ⇒ Espaço de estados no domínio discreto dado pela equação (5.19) ⇒ Espaço de estados no domínio contínuo dado pela equação (5.20) ⇒ Função de transferência no domínio contínuo dado pela equação (5.21). F ( z) = 0, 4039 z − 0,3383 z 2 − 1,918 z + 0,9181 Intervalo de amostragem 0,15 segundos (5.18) 105 ⎛ 1,9180 −0,9181⎞ A=⎜ ⎟ ⎝ 1, 0000 0, 0000 ⎠ ⎛ 1, 0000 ⎞ B=⎜ ⎟ ⎝ 0, 0000 ⎠ (5.19) C = ( 0, 4039 −0,3383) D = (0, 0000) Intervalo de amostragem 0,15 segundos ⎛ 6,3857 −6,3860 ⎞ A=⎜ ⎟ ⎝ 6,9557 −6,9553 ⎠ ⎛ 3, 4283 ⎞ B=⎜ ⎟ ⎝ −3,5274 ⎠ (5.20) C = ( 0, 4039 −0,3383) D = (0, 0000) F ( s) = 2,578s + 3, 0419 s + 0,5697 s + 0, 004637 2 (5.21) 106 V.1.4 Sistema IV: Processo: Parafuso de extrusão, barril e matriz Saída = Velocidade do encoder próximo a matriz em RPM (4) Entrada = Velocidade do parafuso em RPM pelo tacômetro sem a caixa redutora (1) Figura 5.13 Gráfico de sinais de entrada e saída do processo. Deve ser observado dentro do sinal amostrado um período que não tenha saturação e ou não linearidades dos dados e sendo assim observou que os melhores dados para fazer a identificação (persistentemente excitados) são de 1,5 a 112 segundos. 107 Figura 5.14 Gráfico de sinais, de entrada e saída do período de 1,5 à 200 segundos. Sem pré – processamento, sem a média e tendência em azul. Dividido para identificar e validar em vermelho e verde. Para estes dados o melhor modelo foi o BJ (2 2 2 2 1) Com um ajuste de 80,2216 e intervalo de amostragem de 0,15 segundos. Modelo discreto no tempo: y(t) = [B(q)/F(q)]u(t) + [C(q)/D(q)]e(t) (5.22) B(q) = 1,124 (+-0,266) q^-1 – 1,123 (+-0,2635) q^-2 (5.23) C(q) = 1 – 1,052 (+-0,1263) q^-1 + 0,1379 (+-0,09736) q^-2 (5.24) D(q) = 1 – 1,574 (+-0,1158) q^-1 + 0,5739 (+-0,1156) q^-2 (5.25) F(q) = 1 – 0,7689 (+-0,1517) q^-1 – 0,2251 (+-0,1497) q^-2 (5.26) 108 Figura 5.15 Sinal do modelo do processo simulado em azul e sinal de validação em preto. Para o processo. Convertendo os sinais no MATLAB de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos: Função de transferência no domínio discreto dado pela equação (5.27) ⇒ Espaço de estados no domínio discreto dado pela equação (5.28) ⇒ Espaço de estados no domínio contínuo dado pela equação (5.29) ⇒ Função de transferência no domínio contínuo dado pela equação (5.30). F ( z) = 1,124 z − 1,123 z − 0, 7689 z − 0, 2251 2 Intervalo de amostragem 0,15 segundos (5.27) 109 ⎛ 0, 7689 0, 2251 ⎞ A=⎜ ⎟ ⎝ 1, 0000 0, 0000 ⎠ ⎛ 1, 0000 ⎞ B=⎜ ⎟ ⎝ 0, 0000 ⎠ (5.28) C = (1,1240 −1,1230 ) D = (0, 0000) Intervalo de amostragem 0,15 segundos ⎛ −1,8619 1,8202 ⎞ A=⎜ ⎟ ⎝ 8, 0864 −8, 0795 ⎠ ⎛ 6,9419 ⎞ B=⎜ ⎟ ⎝ −1,1445 ⎠ (5.29) C = (1,1240 −1,1230 ) D = (0, 0000) F ( s) = 9, 0879s + 0, 054 s + 9,9414s + 0,324 2 (5.30) Para o Ruído Convertendo os sinais no MATLAB de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos: Função de transferência no domínio discreto dado pela equação (5.31) ⇒ Espaço de estados no domínio discreto dado pela equação (5.32) ⇒ Espaço de estados no domínio contínuo dado pela equação (5.33) ⇒ Função de transferência no domínio contínuo dado pela equação (5.34). z 2 − 1, 052 z + 0,1379 F ( z) = 2 z − 1,574 z + 0,5739 Intervalo de amostragem 0,15 segundos (5.31) 110 ⎛ 1,5740 −0,5739 ⎞ A=⎜ ⎟ ⎝ 1, 0000 0, 0000 ⎠ ⎛ 1, 0000 ⎞ B=⎜ ⎟ ⎝ 0, 0000 ⎠ (5.32) C = ( 0,5220 −0, 4360 ) D = (1, 0000) Intervalo de amostragem 0,15 segundos ⎛ 4,9864 −4,9860 ⎞ A=⎜ ⎟ ⎝ 8, 6879 −8, 6884 ⎠ ⎛ 3,9440 ⎞ B=⎜ ⎟ ⎝ −4, 4739 ⎠ (5.33) C = ( 0,5220 −0, 4360 ) D = (1, 0000) F ( s) = s 2 + 7,8291s + 4,9753 s 2 + 3, 702s − 0, 005792 (5.34) 111 V.2 Comparação dos modelos e estimação dos parâmetros O objetivo é comparar os modelos dos sistemas teórico e experimental e quando possível estimar seus parâmetros. Para a estimação dos parâmetros deve-se observar que o número de parâmetros tem que ser igual ao número de equações e estas não serem dependentes entre si. V.2.1 Sistema I: Motor do tapete transportador de saída do produto extrudado O modelo teórico apresenta duas equações de estado e logo é um sistema de segunda ordem. Porem ele pode ter quatro funções de transferência uma vez que podemos considerar que temos duas entradas que são tensão de armadura ou torque e duas saídas que são corrente de armadura ou velocidade angular. No caso estudado foi considerado como a entrada à tensão de armadura e saída a velocidade angular, conseqüentemente somente uma função de transferência a G12(s). Outro ponto importante a mencionar é que se trata de um sistema de estimação da maior probabilidade de determinado parâmetro ocorre, método da máxima verossimilhança e ou mínimos quadrados. Sendo assim os pontos experimentais não devem ser muito distantes da curva que correspondem à melhor função de ajuste porem, não devem também ser muito próximo da curva uma vez que ambas situações são inverossímo devido aos erros estatísticos de uma distribuição gaussiana. Isso pode ser visto que os intervalos de confiança, em média, aproximadamente 68,27% dos erros devem ter módulos menores que as incertezas. −σ i < ηi < σ i (com confiança aproximada de 68%) Outra situação que influencia muito é a mudança de tipos de modelos que acabam perdendo a precisão. Esta explicação se aplica aos demais sistemas também. 112 O modelo teórico: G12 ( s ) = km _ tap la _ tap jm _ tap s + (la _ tap cm _ tap + jm _ tap ra _ tap ) s + ra _ tap cm _ tap + km2 _ tap 2 (5.35) O modelo identificado e validado: G12 ( s ) = 0, 4464s + 21, 7495 s 2 + 6, 7649s + 1,577 (5.36) V.2.2 Sistema II: Controle PI – Proporcional Integral O modelo teórico: EO ( S ) R4 R2 R2C2 s + 1 = EI ( S ) R3 R1 R2C2 s (5.37) O modelo identificado e validado: EO ( S ) 0, 06878s + 0, 4593 = EI ( S ) s + 0, 02337 (5.38) V.2.3 Sistema III: Motor do parafuso de extrusão O modelo teórico: G12 ( s ) = km _ prf la _ prf jm _ prf s + (la _ prf cm _ prf + jm _ prf ra _ prf ) s + ra _ prf cm _ prf + km2 _ prf 2 (5.39) O modelo identificado e validado: G12 ( s) = 2,578s + 3, 0419 s + 0,5697 s + 0, 004637 2 (5.40) 113 V.2.4 Sistema IV: Processo: Parafuso de extrusão, barril e matriz O modelo teórico: G (s) = K red K prf id c f s 2 + rd c f s + 1 (5.41) O modelo identificado e validado: Y (s) = 9, 0879 s + 0, 054 s 2 + 7,8291s + 4,9753 ( ) U s E ( s) + s 2 + 9,9414 s + 0,324 s 2 + 3, 702s − 0, 005792 (5.42) 114 Capítulo VI – Conclusões Este trabalho propiciou a integração da parte experimental com a parte teórica. A parte teórica foi completamente nova no que tange a sistemática da técnica de modelagem por Grafos de Ligação (Bond Graph), que possibilita a integração das diversas áreas da engenharia e como elas se relacionam. Também pela parte teórica o aprofundamento sobre identificação de sistema, o entendimento e a aplicabilidade da técnica foi o maior motivador para este trabalho. A técnica de identificação em conjunto com a modelagem por BG aumenta a realidade do modelo teórico. A metodologia colocada no trabalho em questão dos 4Ms que são as manobras a serem executadas que fazem a persistentemente excitação do sistema para que se faça à medida com o sistema de aquisição de dados para a busca dos modelos que serão ajustados e validados pela metodologia de otimização computacional é muito valiosa e de grande aplicabilidade nas mais diversas áreas das engenharias e ciências. Quanto à parte experimental, foi exaustivamente trabalhada, principalmente no que diz respeito à aquisição de dados e processamento de sinais, a utilização e a afirmação de ferramentas comerciais e de grande acessibilidade dentro da indústria como o LabVIEW® e o MATLAB®. Houve também um ganho quanto ao dimensionamento e configuração dos hardwares e acessório para a instrumentação e controle monitorados pelos softwares citados acima. Outra questão é o que diz respeito a automação do processamento de termoplásticos, uma área da mecânica que é muito desenvolvida e está cada vez mais aumentando sua automação e controle e buscando recursos humanos que possam melhorar seus processos e métodos de produção. Observou que é de vital importância a excitação correta da máquina em estudo e também a correta escolha dos sinais, instrumentos, atuadores e dos condicionamentos de sinais para a aquisição de dados. Sem isso não é possível se fazer nada com respeito a 115 identificação de sistemas uma vez que seu sinal tem que ser representativo respeitando os teoremas de aquisição de dados como o teorema de Nyquist porém, não pode ser uma taxa muito grande que cause dependência nos vetores aquisitados prejudicando a inversão de uma possível matriz de minimização dos quadrados do erro e um aumento também significativo do arquivo e por conseguinte do processamento. Um ponto também importante na identificação é a busca do ponto de trabalho da máquina em estudo e a retirada das não linearidades do sistema e também suas saturações. Quanto ao processamento de sinais uma parte que foi de caráter vital, uma vez que não se tinha o condicionamento de sinais para os encoders que convertia os trens de pulso de freqüência modulada em nível DC durante o teste e a impossibilidade de fazer novos testes, foi o desenvolvimento de um algoritmo que atendia a esta necessidade. Um requisito para isto foi a boa taxa de amostragem que possibilitava este processamento e, por conseguinte uma reamostragem dos demais sinal também. Quanto ao desenvolvimento dos programas é oportuno mencionar que todos foram desenvolvidos e testados durante o estudo do curso. Um ganho pessoal considerável é o desenvolvimento sistemático de pesquisa para a solução dos diversos problemas encontrados durante o trabalho, problemas estes da parte teórica, técnica e até de busca de recursos e integração com a industria. Como sugestão para trabalhos futuros inclui: • Uma busca e implementação de novas técnicas de controle para a máquina em questão. • Identificar e medir as influências de novas entradas com relação à saída de produtos extrudado como, por exemplo, como a temperatura influência na vazão e na viscosidade do produto. Isto é um ponto importante percebido uma vez que, a 116 temperatura era a mesma para todas as receitas de todos os tipos de polímeros na máquina em estudo. • Projeto e estudo de novos polímeros. • Projeto e estudo de novos componentes da máquina. • Projeto e estudo de novas técnicas de produção e se possível com nova instrumentação. 117 Referências Bibliográficas 1. AGUIRRE, L.A. Introdução à Identificação de Sistemas: Técnicas Lineares e NãoLineares Aplicadas a Sistemas Reais. 2ª Edição Editora UFMG. Belo Horizonte, 2004. 659p. 2. ASTRÖM, K.J.; EYKHOFF, P. System Identification – A Survey. Automatica, Vol. 7, Pergamom Press, Printed Great Britain 1971. 123 - 162 p. 3. BEZANSON, L.W.; HARRIS, S.L. Identification and control of an extruder using multivariable algorithms. IEE Proceedings, Vol. 133, Pt. D, No. 4, July 1986. 145 – 152p 4. DELGADO, M.: GARCÍA, J. Parametric Identification on Bond Graph Models. Proceedings. International Conference on Systems, Man, and Cybernetics Society: Systems Engineering in the services of humans, Vol. 1. 1993. 583-588p 5. GAWTHROP, P.; SMITH, L. Metamodelling: Bond graphs and dynamic system. Prentice Hall International Series in Systems and Control Engineering 1996. 317p. 6. HSIA, T.C. System Identification. Editora Lexington Books, Toronto, 1977. 163p 7. KARNOPP, D.C.; MARGOLIS, D.L; ROSENBERG, R.C. System Dynamics: Modeling and Simulation of Mechatronic System. Third Edition. John Wiley & Sons, Inc. New York 2000. 507p 8. LJUNG, L. System Identification Toolbox: For Use with MATLAB®. User’s Guide Version 5, 2000. 9. LJUNG, L. System Identification: Theory for the Use. Second Edition. Prentice Hall. Prentice Hall Information and System Sciences Series, Sweden. 1999. 609p 10. MANRICH, S. Processamento de Termoplásticos. Editora Artliber, São Paulo 2005. 431p. 11. OGATA, K. Engenharia de Controle Moderna. 4ª Edição Editora Pearson Prentice Hall, São Paulo, 2003. 788p 118 12. SPIEGEL, M.R. Estatística. 3ª Edição Editora Pearson, São Paulo 1993. 643p 13. VUOLO, J.H. Fundamentos da teoria de erros. 2ª Edição Editora Edgard Blücher, São Paulo 2002. 249p 119 Apêndice I – Programas em LabVIEW® Programa: Leitura On-line.vi Painel Frontal Figura AI.1 Tela do programa de leitura on-line Diagrama de Blocos Figura AI.2 Linguagem de programação do programa leitura on-line 120 Lista de SubVIs e Express VIs AI Config.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Config.vi AI Start.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Start.vi AI Read.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Read.vi AI Read (waveform).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Daq\Ai.llb\AI Read (waveform).vi AI Clear.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Clear.vi Simple Error Handler.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\error.llb\Simple Error Handler.vi FFT Spectrum (Mag-Phase).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Measure\maspectr.llb\FFT Spectrum (Mag-Phase).vi FFT Spectrum (Mag-Phase) for 1 Chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\maspectr.llb\FFT Spectrum (Mag-Phase) for 1 Chan.vi Digital IIR Filter.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\macond.llb\Digital IIR Filter.vi IIR Filter for N Chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\macond.llb\IIR Filter for N Chan.vi 121 Programa: Registro dos Dados.vi Painel Frontal Figura AI.3 Tela do programa de registro dos dados. Diagrama de Blocos Figura AI.4 Linguagem de programação do programa registro dos dados. 122 List de SubVIs e Express VIs General Error Handler.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\error.llb\General Error Handler.vi AI Clear.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Clear.vi AI Config.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Config.vi AI Start.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Start.vi Close File+.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Close File+.vi Write File+ (string).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Write File+ (string).vi Open/Create/Replace File.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Open/Create/Replace File.vi AI Read.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\DAQ\AI.LLB\AI Read.vi AI Read (scaled array).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Daq\Ai.llb\AI Read (scaled array).vi 123 Programa: Leitura Off-line.vi Painel Frontal Figura AI.5 Tela do programa de leitura off-line 124 Diagrama de Blocos Figura AI.6 Linguagem de programação do programa de leitura off-line 125 List de SubVIs and Express VIs Read From Spreadsheet File.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Read From Spreadsheet File.vi FFT Spectrum (Mag-Phase).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Measure\maspectr.llb\FFT Spectrum (Mag-Phase).vi FFT Spectrum (Mag-Phase) for 1 Chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\maspectr.llb\FFT Spectrum (Mag-Phase) for 1 Chan.vi Digital IIR Filter.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\macond.llb\Digital IIR Filter.vi IIR Filter for 1 Chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\macond.llb\IIR Filter for 1 Chan.vi 126 Programa: Processamento.vi Painel Frontal Figura AI.7 Tela do programa de processamento de dados 127 Diagrama de Blocos Figura AI.8 Linguagem de programação do programa de processamento de dados. 128 List de SubVIs e Express VIs Read From Spreadsheet File.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Read From Spreadsheet File.vi FFT Spectrum (Mag-Phase).vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Measure\maspectr.llb\FFT Spectrum (Mag-Phase).vi FFT Spectrum (Mag-Phase) for 1 Chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\maspectr.llb\FFT Spectrum (Mag-Phase) for 1 Chan.vi Pulse Measurements.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\mascope.llb\Pulse Measurements.vi Pulse Measurements 1 chan.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\measure\mascope.llb\Pulse Measurements 1 chan.vi Std Deviation and Variance.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\analysis\baseanly.llb\Std Deviation and Variance.vi Write To Spreadsheet File.vi C:\Program Files\National Instruments\LabVIEW 7.1\vi.lib\Utility\file.llb\Write To Spreadsheet File.vi 129 Apêndice II – Programas em MATLAB® Os sinais para o processo de identificação foram medidos de quatro sensores da própria instrumentação da máquina em estudo mais os dois sinais de tensão dos drivers dos motores totalizando seis sinais e todos aquisitados com uma taxa de amostragem de 4000 amostragens por segundo e sendo gravados em uma matriz com o nome de data1.txt com cada coluna contendo um sinal conforme descrito abaixo. v1 = Tacômetro do motor do parafuso (rotações por minuto). v2 = Tacômetros do motor do tapete (rotações por minuto). v3 = Encoder do tapete (Freqüência modulada). v4 = Encoder de saída (Freqüência modulada). v5 = Sinal de entrada do driver do motor do tapete (Volts). v6 = Sinal de entrada do driver do motor do parafuso (Volts). Figura AII.1 Esquema do processo com a instrumentação e os pontos de medição. 130 Foi feito um processamento de sinal nos sinais dos encoders com o objetivo de transformar os sinais de trens de pulso de freqüência modulada em nível DC. Este processamento modificou o período de amostragem que era de 0,00025 segundos para 0,15 segundos e salvo com nome de data 2.txt com duas colunas conforme descrito abaixo. V3 = Encoder do tapete (milímetros por segundo). V4 = Encoder de saída (milímetros por segundo). Segue os programas comentados para preparação dos dados para identificação: load C:\MATLAB6p5\work\ita\data1.txt % carrega o arquivo gerado pelo sistema DAQ contendo os canais por colunas load C:\MATLAB6p5\work\ita\data2.txt % carrega o arquivo gerado pelo processamento dos dados dos encoder em duas colunas v1=data1(:,1); % Extração da primeira coluna do arquivo data1.txt v2=data1(:,2); % Extração da segunda coluna do arquivo data1.txt v3=data1(:,3); % Extração da terceira coluna do arquivo data1.txt v4=data1(:,4); % Extração da quarta coluna do arquivo data1.txt v5=data1(:,5); % Extração da quinta coluna do arquivo data1.txt v6=data1(:,6); % Extração da sexta coluna do arquivo data1.txt V3=data2(:,1); % Extração da primeira coluna do arquivo data2.txt V4=data2(:,2); % Extração da primeira coluna do arquivo data2.txt t=[0:0.00025:239.74975]; % Criação do vetor tempo com período de 0,00025 segundos 131 T=[0:0.15:239.60]; % Criação do vetor tempo com período de 0,15 segundos V1=resample (v1,1,600); % Reamostragem do vetor v1 para 0,15 segundos V1=V1(1:1598,1); % Processo para igualar números de aquisições com vetor tempo V2=resample (v2,1,600); % Reamostragem do vetor v2 para 0,15 segundos V2=V2(1:1598,1); % Processo para igualar números de aquisições com vetor tempo V5=resample (v5,1,600); % Reamostragem do vetor v5 para 0,15 segundos V5=V5(1:1598,1); % Processo para igualar números de aquisições com vetor tempo V6=resample (v6,1,600); % Reamostragem do vetor v6 para 0,15 segundos V6=V6(1:1598,1); % Processo para igualar números de aquisições com vetor tempo ERRO=V3-V4; % Criação do vetor diferença entre encoders EI=V5(66:745,:); % Criação do vetor de entrada do sistema I para a identificação SI=V3(66:745,:); % Criação do vetor de saída do sistema I para a identificação EII=ERRO(1166:1333,:); % Criação do vetor de entrada do sistema II para a identificação SII=V6(1166:1333,:); % Criação do vetor de saída do sistema II para a identificação EIII=V6(66:745,:); % Criação do vetor de entrada do sistema III para a identificação SIII=V1(66:745,:); % Criação do vetor de saída do sistema III para a identificação EIV=V1(10:1333,:); % Criação do vetor de entrada do sistema IV para a identificação SIV=V4(10:1333,:); % Criação do vetor de saída do sistema IV para a identificação Para a identificação dos sistemas foi utilizada a interface gráfica do toolbox de identificação de sistemas do MATLAB® conforme descrito abaixo e exemplificado para o sistema I e podendo ser repetido para o sistema II, III e IV da extrusora em estudo. 132 Na tela de prompt do MATLAB® comece digitando: >> ident A interface gráfica se abre conforme figura AII.2. Figura AII .2 Interface gráfica com modelo a identificar. Pelo pop-up do menu Data pode-se selecionar o menu Import... e uma janela se abre conforme figura AII.3. 133 Figura AII.3 Tela de importação dos dados. Preenchendo os campos: Input: EI Output: SI Data name: Sistema I Starting time: 9,9 Samp. Interv.: 0,15 Selecione a tecla Import e após Close que os dados são importados para serem identificados e o modelo aparecer no tabuleiro de dados conforme pode ser visto na figura AII.4. 134 Figura AII.4 Tela de interface gráfica com modelo a identificar. Pelo pop-up do menu Preprocess pode-se selecionar o menu Quick Start. Esta função irá remover as médias e tirar as tendências e separar o sinal em duas partes uma para identificar e a outra para validar conforme mostrada na figura AII.5. A interface gráfica possibilita também a visualização dos dados a identificar conforme pode ser visto na figura AII.6. 135 Figura AII.5 Tela de interface gráfica com modelo a identificar e validadar. Figura AII.6 Gráfico do modelo para identificar e validar. Pelo pop-up do menu Estimate pode-se selecionar o menu Parametric model... e uma janela se abre conforme figura AII.7. 136 Figura AII.7 Tela de seção de modelos paramétricos. Preenche os campos: Structure: ARX: [na nb nk] Orders: 2 2 1 Method: ARX Name: arx221 Focus: Prediction Initial State: Auto Covariance: Estimate Selecione a tecla Estimate e após Close que os dados são estimados e o modelo identificados aparecer no tabuleiro de visualização de modelos conforme pode ser visto na figura AII.8. A interface gráfica possibilita também a visualização dos dados reais versus o simulado pelo modelo identificado pela simples seleção de Model output conforme pode ser visto na figura AII.9. 137 Figura AII.8. Tela de interface gráfica com modelo identificado. Figura AII.9. Gráfico do modelo medido e simulado. 138 Um duplo click no ícone do modelo identificado no tabuleiro de visualização dos modelos abre uma tela conforme figura AII.10. Selecionando o botão Preset o modelo identificado aparece no prompt do MATLAB®. Figura AII.10. Tela do modelo identificado. Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t) A(q) = 1 - 0.5885 (+-0.05089) q^-1 - 0.3625 (+-0.05008) q^-2 B(q) = -0.125 (+-2.297) q^-1 + 0.8008 (+-2.329) q^-2 Estimated using ARX from data set Sistema Ide Loss function 15.2513 and FPE 15.6144 Sampling interval: 0.15 Created: 26-Dec-2005 15:03:13 Last modified: 26-Dec-2005 15:03:13 139 Para o processo converter os sinais no MATLAB® de função de transferência discreta para contínua. Para tal conversão será executada com os seguintes passos: Função de transferência no domínio discreto ⇒ Espaço de estados no domínio discreto ⇒ Espaço de estados no domínio contínuo ⇒ Função de transferência no domínio contínuo. numd = [0 -0.1250 0.8008] % numerador da função de transferência discreta dend = [1.0000 -0.5885 -0.3625] % denominador da função de transferência discreta sysd=tf(numd,dend,0.15) % entrada da função de transferência discreta no MATLAB® Transfer function: -0.125 z + 0.8008 ----------------------z^2 - 0.5885 z - 0.3625 Sampling time: 0.15 [a,b,c,d]=tf2ss(numd,dend) % Conversão da função de transferência discreta para espaço de %estado discreto a= 0.5885 0.3625 1.0000 b= 1 0 0 140 c= -0.1250 0.8008 d= 0 [a1,b1]=d2c(a,b,.15) % Conversão da equações no espaço de estado discreto para contínuo. a1 = -2.0034 1.6989 4.6866 -4.7615 b1 = 6.2141 1.5275 [numc,denc]=ss2tf(a1,b1,c,d,1) % Conversão das equações no espaço de estado contínuo % para função de transferência contínua. numc = 0 0.4464 21.7495 denc = 1.0000 6.7649 1.5770 sysc=tf(numc,denc) % Visualização da função de transferência contínua. Transfer function: 0.4464 s + 21.75 --------------------s^2 + 6.765 s + 1.577 FOLHA DE REGISTRO DO DOCUMENTO 1. CLASSIFICAÇÃO/TIPO TM 5. 2. DATA 3. DOCUMENTO N° 22 de fevereiro de 2006 CTA/ITA-IEM/TM-026/2005 4. N° DE PÁGINAS 140 TÍTULO E SUBTÍTULO: Modelagem e Identificação de uma Máquina de Extrusão através de Bond-Graphs 6. AUTOR(ES): Itamar Pifano Silva 7. INSTITUIÇÃO(ÕES)/ÓRGÃO(S) INTERNO(S)/DIVISÃO(ÕES): Instituto Tecnológico de Aeronáutica. Divisão de Engenharia Mecânica-Aeronáutica – ITA/IEM 8. PALAVRAS-CHAVE SUGERIDAS PELO AUTOR: Modelagem de Sistemas, Identificação de Sistemas, Extrusão de Polímeros, Polímeros, Bond-Graphs 9.PALAVRAS-CHAVE RESULTANTES DE INDEXAÇÃO: Extrusão (materiais); Modelos matemáticos; Identificação de sistemas; Polímeros; Gráficos de ligação; Controle de processos; Técnicas de conformação; Engenharia de materiais; Engenharia de sistemas 10. APRESENTAÇÃO: X Nacional Internacional ITA, São José dos Campos, 2005 140 páginas 11. RESUMO: Este trabalho tem como objetivo a modelagem por grafo de ligação (Bond Graph) de uma máquina de extrusão de borracha para pneumáticos e a identificação experimental dos parâmetros do modelo BG. Esta modelagem possibilita modelos contínuos no espaço de estados que podem ser convertidos para modelos contínuos em função de transferência. A metodologia de identificação de sistemas fornece modelos discretos de função de transferência que podem ser convertidos, apropriadamente, em modelos contínuos em função de transferência, sendo esses comparados com os modelos contínuos em função de transferência da modelagem BG com o objetivo de validar e melhorar a realidade do modelo teórico. O processo decorre a quente, faz-se necessário um controle da velocidade do parafuso de extrusão com referência ao tapete de resfriamento para obter o perfil de material dentro das especificações de tamanho e peso determinadas pelo departamento de qualidade do produto. Para o processo de identificação foi desenvolvido um sistema de aquisição de dados via microcomputador PC com condicionamento de sinais AD/DA e um programa de computador, em linguagem LabVIEW®, o qual controla o sistema de aquisição de dados e armazena as leituras para a identificação off-line. Para o processo de identificação e validação dos modelos foram utilizadas as ferramentas de identificação de sistemas do programa de computador MATLAB®. 12. GRAU DE SIGILO: (X ) OSTENSIVO ( ) RESERVADO ( ) CONFIDENCIAL ( ) SECRETO