Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
Aula 7
10 Setembro 2019
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 1 / 59
Resumo da aula passada
Estimacao de perturbacoes empregando observador de estados
Determinacao de valores de equilıbrio para o estado e o controle
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 2 / 59
Topicos da aula de hoje
Tratamento de restricoes - caso SISO
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 3 / 59
Restricoes a serem consideradas
Tres tipos basicos de restricoes serao considerados:
Incrementos no controle ∆u
Excursao do controle u
Excursao da saıda y
Como se vera, todas essas restricoes podem ser expressas em termos derestricoes sobre ∆u.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 4 / 59
Restricoes sobre os incrementos no controle ∆u
∆umin ≤ ∆u(k + i − 1|k) ≤ ∆umax , i = 1, 2, . . . ,M
Vale ressaltar que ∆umin e ∆umax sao limitantes para o incremento nocontrole por perıodo de amostragem.
Ex: Suponha que o controle u corresponda a uma deflexao medida emgraus e que a taxa de variacao de u esteja limitada a ± 10◦/ s.
Se o perıodo de amostragem for T = 10 ms, quais serao os valores de∆umin e ∆umax ?
Resp: ∆umin = −0,1◦ e ∆umax = +0,1◦.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 5 / 59
Notacao alternativa:
1M︷ ︸︸ ︷11...1
∆umin ≤
∆u︷ ︸︸ ︷∆u(k|k)
∆u(k + 1|k)...
∆u(k + M − 1|k)
≤1M︷ ︸︸ ︷11...1
∆umax
1M∆umin ≤ ∆u ≤ 1M∆umax
Vale ressaltar que o sımbolo ≤ e aqui empregado para denotar umadesigualdade elemento a elemento.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 6 / 59
1M∆umin ≤ ∆u ≤ 1M∆umax{∆u ≤ 1M∆umax
−∆u ≤ −1M∆umin
2M×M︷ ︸︸ ︷[IM−IM
]∆u ≤
2M×1︷ ︸︸ ︷[1M∆umax
−1M∆umin
]
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 7 / 59
Restricoes sobre a excursao do controle u
umin ≤ u(k + i − 1|k) ≤ umax , i = 1, 2, . . . ,M
Obs: Se o modelo tiver sido linearizado em torno de um valor de equilıbrioup para o controle (vide Aula 3), os limitantes umax e umin corresponderaoa diferencas com respeito a up.
Ex: Suponha que o controle seja gerado por uma fonte de tensao quesatura em up,min = −5 V e up,max = +5 V.
Se a operacao se der em torno de um valor de equilıbrio up = +3 V, quaisserao os valores de umin e umax a serem empregados nas restricoes ?
Resp: umin = up,min − up = −8 V e umax = up,max − up = +2 V.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 8 / 59
Notacao alternativa:
1Mumin ≤ u ≤ 1Mumax
Para expressar estas restricoes em termos de ∆u, deve-se obter umarelacao entre u e ∆u.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 9 / 59
u(k|k) = u(k − 1) + ∆u(k|k)
u(k + 1|k) = u(k|k) + ∆u(k + 1|k)
= u(k − 1) + ∆u(k|k) + ∆u(k + 1|k)...
u(k + M − 1|k) = u(k − 1) + ∆u(k|k) + · · ·+ ∆u(k + M − 1|k)
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 10 / 59
u(k|k)
u(k + 1|k)...
u(k + M − 1|k)
=
u(k − 1)u(k − 1)
...u(k − 1)
+
+
∆u(k|k)∆u(k|k) + ∆u(k + 1|k)...∆u(k|k) + ∆u(k + 1|k) + · · ·+ ∆u(k + M − 1|k)
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 11 / 59
u(M×1)︷ ︸︸ ︷u(k|k)
u(k + 1|k)...
u(k + M − 1|k)
=
1Mu(k−1)︷ ︸︸ ︷u(k − 1)u(k − 1)
...u(k − 1)
+
1 0 · · · 01 1 · · · 0...
.... . .
...1 1 · · · 1
︸ ︷︷ ︸
TM(M×M)
∆u(k|k)
∆u(k + 1|k)...
∆u(k + M − 1|k)
︸ ︷︷ ︸
∆u(M×1)
u = 1Mu(k − 1) + TM∆u
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 12 / 59
1Mumin ≤ u ≤ 1Mumax
1Mumin ≤ 1Mu(k − 1) + TM∆u ≤ 1Mumax
1M [umin − u(k − 1)] ≤ TM∆u ≤ 1M [umax − u(k − 1)]
{TM∆u ≤ 1M [umax − u(k − 1)]
−TM∆u ≤ 1M [u(k − 1)− umin]
2M×M︷ ︸︸ ︷[TM
−TM
]∆u ≤
2M×1︷ ︸︸ ︷[1M [umax − u(k − 1)]1M [u(k − 1)− umin]
]
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 13 / 59
Equıvoco a ser evitado
Uma restricao da forma
TM∆u ≤ 1M [umax − u(k − 1)]
nao e equivalente a
∆u ≤ T−1M 1M [umax − u(k − 1)]
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 14 / 59
Exemplo: M = 2, u(k − 1) = 0, umax = 1
TM =
[1 01 1
], T−1
M =
[1 0−1 1
]Forma correta de se escrever a restricao:
TM∆u ≤ 1M [umax − u(k − 1)][1 01 1
] [∆u(k|k)
∆u(k + 1|k)
]≤[
11
]{
∆u(k|k) ≤ 1
∆u(k|k) + ∆u(k + 1|k) ≤ 1
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 15 / 59
Exemplo: M = 2, u(k − 1) = 0, umax = 1
Forma correta de se escrever a restricao:{∆u(k|k) ≤ 1
∆u(k|k) + ∆u(k + 1|k) ≤ 1
Forma incorreta de se escrever a restricao:
∆u ≤ T−1M 1M [umax − u(k − 1)][
∆u(k|k)∆u(k + 1|k)
]≤[
1 0−1 1
] [11
]{
∆u(k|k) ≤ 1
∆u(k + 1|k) ≤ 0
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 16 / 59
Forma correta de se escrever a restricao:{∆u(k|k) ≤ 1∆u(k|k) + ∆u(k + 1|k) ≤ 1
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 17 / 59
Forma incorreta de se escrever a restricao:{∆u(k|k) ≤ 1∆u(k + 1|k) ≤ 0
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 18 / 59
Restricoes sobre a excursao da saıda y
ymin ≤ y(k + i |k) ≤ ymax , i = 1, 2, . . . ,N
Obs: Se o modelo tiver sido linearizado em torno de um valor de equilıbrioyp para a saıda (vide Aula 3), os limitantes ymax e ymin corresponderao adiferencas com respeito a yp, isto e
ymin = yp,min − yp
ymax = yp,max − yp
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 19 / 59
Notacao alternativa:
1Nymin ≤ y ≤ 1Nymax
Lembrando que y = G∆u + f, a restricao pode ser reescrita como
1Nymin ≤ G∆u + f ≤ 1Nymax
1Nymin − f ≤ G∆u ≤ 1Nymax − f
{G∆u ≤ 1Nymax − f
−G∆u ≤ f − 1Nymin
2N×M︷ ︸︸ ︷[G−G
]∆u ≤
2N×1︷ ︸︸ ︷[1Nymax − ff − 1Nymin
]EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 20 / 59
Resumo das restricoes
S[(4M+2N)×M]︷ ︸︸ ︷
IM−IMTM
−TM
G−G
∆u ≤
b[(4M+2N)×1]︷ ︸︸ ︷
1M∆umax
−1M∆umin
1M [umax − u(k − 1)]1M [u(k − 1)− umin]
1Nymax − ff − 1Nymin
S∆u ≤ b
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 21 / 59
Formulacao do problema de otimizacao com restricoes
O problema de otimizacao na presenca das restricoes consideradas podeser formulado como
min∆u∈RM
J(∆u) =1
2∆uTH∆u + cT∆u + cte
sujeito aS∆u ≤ b
Funcao de custo quadratica com H > 0
Restricoes lineares
Problema de Programacao Quadratica
Pode-se mostrar que este e um problema de otimizacao convexo.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 22 / 59
Convexidade
Para mais detalhes, vide Capıtulos 2, 3 e 4 da seguinte referencia:
Boyd, S.; Vandenberghe, L. Convex Optimization. Cambridge UniversityPress, 2004.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 23 / 59
Conjuntos convexos
Um conjunto C e dito ser convexo se, para quaisquer x , y ∈ C e qualquerescalar λ tal que 0 ≤ λ ≤ 1, tem-se
λx + (1− λ)y ∈ C
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 24 / 59
Conjunto definido por interseccao de semiespacos
Pode-se mostrar que um conjunto C nao vazio definido como
C ={x ∈ RM
∣∣∣ Sx ≤ b}
e convexo.
Com efeito, dados x , y ∈ C e λ ∈ [0, 1], tem-se
S [λx + (1− λ)y ] = λSx + (1− λ)Sy ≤ λb + (1− λ)b = b
Portanto λx + (1− λ)y ∈ C.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 25 / 59
Funcoes convexas
Uma funcao f : C → R e dita ser convexa se C for um conjunto convexo e
f(λx + (1− λ)y
)≤ λf (x) + (1− λ)f (y)
para quaisquer x , y ∈ C e λ ∈ [0, 1].
A funcao f e dita ser estritamente convexa se
f(λx + (1− λ)y
)< λf (x) + (1− λ)f (y)
sempre que x 6= y e 0 < λ < 1.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 26 / 59
Funcao quadratica
Pode-se mostrar que uma funcao f : C → R da forma
f (x) = xTQx + cT x + d , Q = QT > 0
e estritamente convexa. Com efeito, sejam x , y ∈ C e λ ∈ R, com x 6= y e0 < λ < 1. Tem-se, entao:
f(λx + (1− λ)y
)=
(λx + (1− λ)y
)TQ(λx + (1− λ)y
)+ cT
(λx + (1− λ)y
)+ d
= λ2xTQx + λ(1− λ)xTQy + λ(1− λ)yTQx + (1− λ)2yTQy
+λcT x + (1− λ)cT y + d
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 27 / 59
Por outro lado:
λf (x) + (1− λ)f (y) =
λ(xTQx + cT x + d
)+ (1− λ)
(yTQy + cT y + d
)=
λxTQx + (1− λ)yTQy + λcT x + (1− λ)cT y + d
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 28 / 59
Logo:
f(λx + (1− λ)y
)−[λf (x) + (1− λ)f (y)
]=
λ2xTQx + λ(1− λ)xTQy + λ(1− λ)yTQx + (1− λ)2yTQy
(((((((((((((+ λcT x + (1− λ)cT y + d
−λxTQx − (1− λ)yTQy(((((((((((((− λcT x − (1− λ)cT y − d
= λ(λ− 1)xTQx − λ(λ− 1)xTQy − λ(λ− 1)yTQx + (1− λ)(−λ)yTQy
= λ(λ− 1)[(x − y)TQ(x − y)
] ∗< 0
*Q > 0, x 6= y , 0 < λ < 1
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 29 / 59
Mınimo local de uma funcao convexa
Seja C um conjunto convexo e f : C → R uma funcao convexa. Suponhaque x ′ ∈ C seja um ponto de mınimo local de f , isto e:
f (x ′) = minx∈C, ||x−x ′||≤r
f (x)
para algum r > 0. Entao, pode-se mostrar que x ′ tambem e um ponto demınimo global.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 30 / 59
f (x ′) = minx∈C, ||x−x ′||≤r
f (x) (1)
Por absurdo, suponha que exista x ′′ ∈ C tal que
f (x ′′) < f (x ′)
Nesse caso, em vista de (1), tem-se
||x ′′ − x ′|| > r > 0 (2)
Seja agora y = (1− λ)x ′ + λx ′′ com
λ =r
2||x ′′ − x ′||(3)
De (2) e (3), segue que 0 < λ < 1.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 31 / 59
y = (1− λ)x ′ + λx ′′
λ =r
2||x ′′ − x ′||
Como C e convexo e 0 < λ < 1, tem-se que y ∈ C. Adicionalmente:
||y − x ′|| = || − λx ′ + λx ′′|| = λ||x ′′ − x ′|| =r
2< r
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 32 / 59
f (x ′) = minx∈C, ||x−x ′||≤r
f (x) (1)
||y − x ′|| < r (4)
Como y = (1− λ)x ′ + λx ′′, com 0 < λ < 1, e a funcao f e convexa,tem-se que
f (y) ≤ (1− λ)f (x ′) + λ f (x ′′)︸ ︷︷ ︸<f (x ′)
< f (x ′)
o que contradiz (1) e (4).
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 33 / 59
Mınimo local de uma funcao estritamente convexa
Seja C um conjunto convexo e f : C → R uma funcao estritamenteconvexa. Suponha que x ′ ∈ C seja um ponto de mınimo local de f , isto e:
f (x ′) = minx∈C, ||x−x ′||≤r
f (x)
para algum r > 0. Entao, se x ∈ C e f (x) = f (x ′), pode-se mostrar quex = x ′.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 34 / 59
Se x ∈ C e f (x) = f (x ′), pode-se mostrar que x = x ′.
Por absurdo, suponha que x 6= x ′. Seja entao
y = λx + (1− λ)x ′
com 0 < λ < 1. Da convexidade de C, tem-se que y ∈ C. Sabendo que f eestritamente convexa, conclui-se que
f (y) < λ f (x)︸︷︷︸f (x ′)
+(1− λ)f (x ′) = f (x ′)
o que contradiz a hipotese de que x ′ e mınimo local (e, portanto, global)da funcao f .
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 35 / 59
Programacao Quadratica (Ex: M = 2)
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 36 / 59
Programacao Quadratica no Matlab
Funcao QUADPROG (Optimization Toolbox):
x = quadprog(H,f,A,b)
minimiza 0.5*x’*H*x + f’*x
sujeito a A*x <= b
Em nosso caso:
xqp = ∆uHqp = H = 2(GTG + ρIM)fqp = c = 2GT (f − r)Aqp = Sbqp = b
podendo ser omitido o fator 2 em H e f.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 37 / 59
Argumentos adicionais da funcao QUADPROG
X = QUADPROG(H,f,A,b,Aeq,beq,LB,UB,X0,options)
X = QUADPROG(H,f,A,b,Aeq,beq) solves the problem above
while additionally satisfying the equality constraints
Aeq*x = beq.
X = QUADPROG(H,f,A,b,Aeq,beq,LB,UB) defines a set of
lower and upper bounds on the design variables, X, so
that the solution is in the range LB <= X <= UB. Use
empty matrices for LB and UB if no bounds exist. Set
LB(i) = -Inf if X(i) is unbounded below; set UB(i) =
Inf if X(i) is unbounded above.
X0: starting point.
options: opcoes de otimizacao, incluindo algoritmo a ser usado ecriterios de parada.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 38 / 59
Opcoes de algoritmos:
trust-region-reflective (formerly LargeScale = ’on’): default
active-set (formerly LargeScale = ’off’)
interior-point-convex
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 39 / 59
Programacao Quadratica no Matlab: Exemplo
minx1,x2
J =1
2
[(x1 − 5)2 + (x2 − 5)2
]s.a.
0 ≤ x1 ≤ 2
0 ≤ x2 ≤ 2
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 40 / 59
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 41 / 59
Custo:
J =1
2
[(x1 − 5)2 + (x2 − 5)2
]=
1
2(x2
1 − 10x1 + 25 + x22 − 10x2 + 25)
=1
2(x2
1 + x22 )− 5x1 − 5x2 + 25
1
2[x1 x2]
[1 00 1
]︸ ︷︷ ︸
Hqp
[x1
x2
]+ [−5 − 5]︸ ︷︷ ︸
fqpT
[x1
x2
]+ 25
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 42 / 59
Restricoes:
0 ≤ x1 ≤ 2
0 ≤ x2 ≤ 2
x1 ≤ 2
x2 ≤ 2
−x1 ≤ 0
−x2 ≤ 0
1 00 1−1 00 −1
︸ ︷︷ ︸
Aqp
[x1
x2
]≤
2200
︸ ︷︷ ︸
bqp
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 43 / 59
>> H = eye(2);
>> f = [-5;-5];
>> b = [2*ones(2,1);0*ones(2,1)];
>> A = [eye(2);-eye(2)];
>> x = quadprog(H,f,A,b);
Resultado: x = [2;2].
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 44 / 59
Para especificar o algoritmo a ser empregado:
>> options = optimset(‘Algorithm’,‘active-set’);
>> quadprog(H,f,A,b,[],[],[],[],[],options);
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 45 / 59
Programacao Quadratica: Alguns pacotes computacionais
CVX (Matlab software for disciplined convex programming):cvxr.com/cvx
CVXGEN (Geracao de codigo em C): cvxgen.com
IPOPT (Codigo em C++ empregando metodo de pontos interiores):www.coin-or.org/Ipopt
QL (Codigo original em Fortran, traduzido posteriormente para C):www.ai7.uni-bayreuth.de/software.htm
CPLEX (IBM):www-01.ibm.com/software/integration/optimization/cplex-optimizer/
GUROBI: www.gurobi.com
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 46 / 59
MPC no espaco de estados com restricoes
Informacao requerida sobre a planta:
Matrizes A,B,C do modelo no espaco de estados
Limitantes sobre os incrementos no controle: ∆umin,∆umax
Limitantes sobre a excursao do controle: umin, umax
Limitantes sobre a excursao da saıda: ymin, ymax
Parametros de projeto:
Peso do controle ρ
Horizonte de predicao N
Horizonte de controle M
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 47 / 59
Inicializacao:
Fazer
A =
[A B
0Tn 1
], B =
[B1
], C = [C 0]
G =
C B 0 · · · 0
C AB C B · · · 0...
.... . .
...
C AN−1B C AN−2B · · · C AN−M B
, Φ =
C A
C A2
...
C AN
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 48 / 59
Fazer Hqp = 2(GTG + ρI ) , Aqp =
IM−IMTM
−TM
G−G
Fazer k = 0, u(−1) = 0
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 49 / 59
Rotina principal:
1 Ler x(k) (estado da planta) e yref (valor de referencia para a saıda)
2 Fazer r = [yref ]N3 Fazer
ξ(k) =
[x(k)
u(k − 1)
]4 Calcular f = Φ ξ(k) e fqp = 2GT (f − r)
5 Fazer bqp =
1M∆umax
−1M∆umin
1M [umax − u(k − 1)]1M [u(k − 1)− umin]
1Nymax − ff − 1Nymin
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 50 / 59
6 Resolver o problema de otimizacao
∆u∗ = arg min∆u∈RM
1
2∆uTHqp∆u + f Tqp∆u s.a. Aqp∆u ≤ bqp
7 Obter o incremento no controle:
∆u(k) = ∆u∗(k|k) = [ 1 0 · · · 0 ] ∆u∗
8 Atualizar o controle aplicado a planta: u(k) = u(k − 1) + ∆u(k)
9 Fazer k = k + 1
10 Aguardar o proximo instante de amostragem e retornar ao passo 1.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 51 / 59
Implementacao em Matlab
matrizes_ss_du_restricoes.m: Monta as matrizes Φ,G ,Hqp,Aqp.
mpc_ss_du_restricoes.m: S-function que implementa o controlador
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 52 / 59
Exemplo: Sistema de levitacao magnetica
Arquivos Matlab:
parametros_maglev_ss.m: Define os parametros do levitadormagnetico
levitador_mpc_ss_du_restricoes.mdl: Diagrama de simulacao
levitador_mpc_ss_du_restricoes_pert.mdl: Diagrama desimulacao com estimacao de perturbacoes
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 53 / 59
Importancia do tratamento de restricoes no controle
A importancia de tratar restricoes na saıda y esta usualmente relacionadaa imposicoes de seguranca ou requisitos de qualidade para o produto final.
Qual a necessidade de tratar restricoes sobre a entrada (em termos deexcursao e/ou incrementos) ?
Por que nao calcular a sequencia de controle (ou incrementos decontrole) otima e satura-la nos limitantes inferior e superior, senecessario ?
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 54 / 59
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 55 / 59
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 56 / 59
Restricoes no controle: Acomodacao de falhas
Em particular, a possibilidade de tratar restricoes no controle pode serutil para acomodacao de falhas de atuadores.
Nesse contexto, um sistema de monitoramento de falhas informaria aocontrolador preditivo os novos limitantes para a excursao e/ouincrementos do sinal de controle.
Exemplo: levitador_mpc_ss_du_restricoes_falha.mdl
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 57 / 59
Resumo da aula de hoje
Tratamento de restricoes - Caso SISO:
Incrementos no controle ∆u
Excursao do controle u
Excursao da saıda y
Programacao quadratica
Convexidade
Implementacao em Matlab
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 58 / 59
Proxima aula: Prova
Duracao: 150 minutos
Consulta permitida a livros, anotacoes pessoais e material distribuıdoao longo do curso.
EE-254 (Controle Preditivo) Aula 7 10 Setembro 2019 59 / 59