Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Estimadores ou Observadores de Estado
1. Estimadores ou Observadores de Estado: sistemas SISO
1. Extensoes para Sistemas a Tempo Discreto
c©Reinaldo M. Palharespag.1 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado: sistemas SISO
Veja, a realimentacao pressupoe que todas as variaveis de estado compondo o
vetor de estado x estao disponıveis, ie, sao mensuraveis
u = r − kx
B Alguns estados podem nao ser/estar acessıveis
B Limitacao quanto ao numero de medidores
B E aı? Como realimentar?
c©Reinaldo M. Palharespag.2 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado
Estimador de Estado – Malha Aberta Dados: A, b, c, u, y. Reconstruir x?
x = Ax + bu ; y = cx
˙x = Ax + bu
u
b
bx x
˙x x
A
A
Z
Z
c
y
+
+
+
+
Estimador
c©Reinaldo M. Palharespag.3 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado
B Se x(0) = x(0), entao x(t) = x(t), ∀ t ≥ 0
B (A, c) observavel ⇐⇒ x(0) pode ser determinado atraves de u e y
I Desvantagens/Dificuldades
à computo de x(0)
à e se A for instavel?
Note, a saıda y(t) nao esta sendo usada. Ie, nao ha informacao adicional sobre o
comportamento do sistema original. Reavaliar... Pode-se incluir uma comparacao
entre a saıda do sistema original dada por cx(t) com a saıda do sistema que se
propoe a estimar: cx(t). Ponderada por um ganho constante l a ser ajustado
c©Reinaldo M. Palharespag.4 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado
u
b
bx x
˙x xx
A
A
Z
Z
c
c
y
y
l+
+
+
+
+
−
c©Reinaldo M. Palharespag.5 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado
Estimador assintotico ou em“malha fechada”
˙x = Ax + bu + l (y − cx)︸ ︷︷ ︸
inovacao
, l ∈ Rn×1
= (A − lc)x + bu + ly
Definindo-se o erro“de estimativa” e(t) , x(t) − x(t)
e = Ax+bu − (A − lc)x−bu − l(cx)
= (A − lc)(x − x)
= (A − lc)e
Boa nova: Se os autovalores de (A − lc) puderem ser arbitrariamente
alocados, atua-se na forma como o erro e(t) tende a zero!!
c©Reinaldo M. Palharespag.6 Teoria de Sistemas Lineares – Aula 19
Estimadores ou Observadores de Estado
B Se o estado estimado x(t) vai ser usado para a realimentacao, os autovalores
do estimador devem ser mais“rapidos”do que os autovalores em malha fechada
do sistema controlado (isto e, parte real mais negativa), no contexto que a
dinamica do sistema seja dominada pelos autovalores do projeto de controle
Teorema Os autovalores de (A − lc) podem ser alocados arbitrariamente
atraves da escolha de um ganho l se e somente se o par (A, c) for observavel
Demonstracao Por dualidade, se (A′, c′) e controlavel, entao os autovalores
de (A′ − c′k) podem ser alocados arbitrariamente. Basta fazer l = k′... ¥
c©Reinaldo M. Palharespag.7 Teoria de Sistemas Lineares – Aula 19
Observadores de Estado via Lyapunov
Projeto de estimador de ordem n para o sistema
x = Ax + bu
y = cx
via equacao de Lyapunov (procedimento dual a alocacao de polos)
1. Escolha uma matriz F ∈ Rn×n estavel com os autovalores desejados
(diferente de A)
2. Escolha l arbitrario tal que (F, l) seja controlavel
3. Obtenha a solucao unica T da equacao de Lyapunov
TA − FT = lc
=⇒ condicoes duais para que T seja nao singular
c©Reinaldo M. Palharespag.8 Teoria de Sistemas Lineares – Aula 19
Observadores de Estado via Lyapunov
4. As equacoes
z = Fz + Tbu + ly
x = T −1z
geram um estimador para x
Definindo-se e , z − Tx, entao
e = z − T x
= Fz + Tbu + lcx − TAx − Tbu
e, como TA = FT + lc, tem-se
e = Fz + lcx − (FT + lc)x
= F (z − Tx) = Fe
Se F e estavel, e(t) → 0 quando t → ∞, e z → Tx, e portanto T −1z e um
estimador para x
c©Reinaldo M. Palharespag.9 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
x = Ax + bu
y = cx
Se o sistema e observavel, pode ser colocado na forma canonica observavel. Por
exemplo, para n = 4:
x =
−α1 1 0 0
−α2 0 1 0
−α3 0 0 1
−α4 0 0 0
x +
β1
β2
β3
β4
u
y =[
1 0 0 0]
x
Note que y(t) = x1(t) (primeira variavel de estado), e portanto pode-se
construir um estimador de estado apenas para as demais variaveis xi,
i = 2, 3, . . . , n
c©Reinaldo M. Palharespag.10 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
Metodo por equacao de Lyapunov
1. Escolha F ∈ R(n−1)×(n−1) estavel com autovalores distintos de A
2. Escolha l arbitrario tal que (F, l) seja controlavel
3. Obtenha a solucao unica T ∈ R(n−1)×n da equacao de Lyapunov
TA − FT = lc
4. A equacao de estado (n − 1)-dimensional estima x
z = Fz + Tbu + ly
x =
c
T
−1
y
z
c©Reinaldo M. Palharespag.11 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
Note que a equacao
x =
c
T
−1
y
z
pode ser escrita da forma
y
z
=
c
T
x
e portanto y = cx e z = T x. Entao, y e um estimador para cx e z para Tx,
pois e = z − Tx e
e = z − T x
= Fz + Tbu + lcx − TAx − Tbu
= Fe
e, novamente, se F e estavel, entao e(t) → 0 quando t → ∞
c©Reinaldo M. Palharespag.12 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
Teorema Se A e F nao tem autovalores em comum, entao a matriz quadrada
P ,
c
T
com T solucao unica de TA − FT = lc e nao singular se e somente se (A, c)
for observavel e (F, l) for controlavel
c©Reinaldo M. Palharespag.13 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
Demonstracao Segue passos similares aos da demonstracao para a
realimentacao de estados. Considere n = 4 e
∆(s) = det(sI − A) = s4 + α1s3 + α2s2 + α3s + α4
Pode-se mostrar que (dual a (8.22), Chen, pg. 252)
−∆(F )T =[
l F l F 2l F 3l]
︸ ︷︷ ︸
C4
α3 α2 α1 1
α2 α1 1 0
α1 1 0 0
1 0 0 0
︸ ︷︷ ︸
Λ
c
cA
cA2
cA3
︸ ︷︷ ︸
O
e ∆(F ) e nao-singular se A e F nao tiverem autovalores em comum. Note que
F e 3 × 3 (ordem reduzida) e A e 4 × 4
c©Reinaldo M. Palharespag.14 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
A matriz Λ e sempre nao singular, O e a matriz de observabilidade de (A, c) e
C4 e a matriz de controlabilidade de (F, l) acrescida da coluna F 3l. Entao,
T = −∆−1(F )C4ΛO e a matriz P pode ser escrita da forma:
P =
c
T
=
c
−∆−1(F )C4ΛO
=
1 0
0 −∆−1(F )
c
C4ΛO
Note que n = 4, P , O e Λ sao 4 × 4; T e C4 sao 3 × 4 e ∆(F ) e 3 × 3
Se (F, l) nao e controlavel, C4 tem posto no maximo igual a 2, T tem posto no
maximo igual a 2 e P e singular. Se (A, c) nao e observavel, existe r ∈ R4×1
tal que Or = 0, o que implica cr = 0 e Pr = 0, e portanto P e singular. Isto
conclui a necessidade
c©Reinaldo M. Palharespag.15 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
Para mostrar a suficiencia, por contradicao, supoe-se P singular. Nesse caso,
existe r 6= 0 tal que Pr = 0, e
c
C4ΛO
r =
cr
C4ΛOr
= 0
Definindo a , ΛOr =[
a1 a2 a3 a4
]′
=[
a a4
]′
, isto e
a1
a2
a3
a4
=
α3 α2 α1 1
α2 α1 1 0
α1 1 0 0
1 0 0 0
c
cA
cA2
cA3
r
Portanto, a4 = cr e, da equacao anterior, cr = 0. Substituindo a4 = 0 em
C4ΛOr tem-se...
c©Reinaldo M. Palharespag.16 Teoria de Sistemas Lineares – Aula 19
Estimador de estado de ordem reduzida
a4 = 0 7→ C4ΛOr obtem-se (lembrando a , ΛOr = [ a a4 ]′)
C4ΛOr = C4a = Ca = 0
sendo C a matriz de controlabilidade de (F, l) e, se o par (F, l) e controlavel,
Ca = 0 implica a = 0 e portanto a = 0
Considere agora ΛOr = a = 0. A matriz Λ e sempre nao singular. Se (A, c) e
observavel, O e nao singular e ΛOr = 0 implica r = 0, o que contradiz a
hipotese inicial
Assim, se (A, c) e observavel e (F, l) e controlavel, P e nao singular ¥
c©Reinaldo M. Palharespag.17 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
x = Ax + bu
y = cx
Se (A, b) e controlavel, a realimentacao de estados u = r − kx pode alocar os
autovalores de (A − bk) de forma arbitraria
B Estados nao disponıveis: observador de estados
Veja se (A, c) e observavel, entao um observador de estados de ordem completa
ou reduzida pode ser projetado com autovalores posicionados de forma arbitraria
c©Reinaldo M. Palharespag.18 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
B Estimador de ordem n (completa)
˙x = (A − lc)x + bu + ly
A escolha de l (ou melhor, dos autovalores de (A − lc)) determina a taxa com
que o estado estimado x aproxima-se do estado do sistema
Realimentando os estados estimados:
u = r − kx
B Os autovalores de (A − bk) e de (A − lc) se alteram devido a combinacao?
B O estimador altera a FT de r para y?
c©Reinaldo M. Palharespag.19 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
Combinando as equacoes usando u = r − kx
x = Ax − bkx + br
˙x = (A − lc)x + b(r − kx) + lcx
tem-se o sistema aumentado de dimensao 2n
x
˙x
=
A −bk
lc A − lc − bk
x
x
+
b
b
r
y =[
c 0
]
x
x
c©Reinaldo M. Palharespag.20 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
ur
xk
x = Ax + bu
y = cx
y+
−
Estimador
c©Reinaldo M. Palharespag.21 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
Transformacao de equivalencia
x
e
=
x
x − x
=
I 0
I −I
x
x
P ,
I 0
I −I
; P −1 = P
c©Reinaldo M. Palharespag.22 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
Sistema equivalente para realimentacao e erro de estimacao,[
x e]′
:
I 0
I −I
︸ ︷︷ ︸
P
A −bk
lc A − lc − bk
I 0
I −I
︸ ︷︷ ︸
P −1
=
A − bk −bk
0 A − lc
I 0
I −I
︸ ︷︷ ︸
P
b
b
=
b
0
[
c 0
]
I 0
I −I
︸ ︷︷ ︸
P −1
=[
c 0
]
c©Reinaldo M. Palharespag.23 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
Sistema equivalente para realimentacao e erro de estimacao:
x
e
=
A − bk bk
0 A − lc
x
e
+
b
0
r
y =[
c 0
]
x
e
B Autovalores da matriz dinamica sao a uniao dos autovalores de (A − bk) e
(A − lc); portanto o estimador nao altera os autovalores nem tem seus
autovalores modificados pela conexao – e denominado Princıpio da Separacao
c©Reinaldo M. Palharespag.24 Teoria de Sistemas Lineares – Aula 19
Realimentacao a partir de Estados Estimados
B Note que o sistema aumentado e nao controlavel (forma canonica), e que a FT
do sistema e igual a da equacao x = (A − bk)x + br com y = cx, ie, dada por
Gf(s) = c(sI − A + bk)−1b =⇒ nao aparece o estimador!
B De fato, no computo de funcoes de transferencia, as condicoes iniciais sao
assumidas nulas: x(0) = x(0) = 0, entao
⇒ x(t) = x(t) ∀ t
⇒ FT de r para y nao e afetada pela presenca ou nao do estimador...
c©Reinaldo M. Palharespag.25 Teoria de Sistemas Lineares – Aula 19
Sistemas a Tempo Discreto?
B Os procedimentos de alocacao de polos sao os mesmos tanto para
realimentacao quanto para o observador, lembrando apenas que o contexto de
estabilidade e o ponto que os difere
××
×
×
××
×
×
×
×
Plano-s Plano-z
c©Reinaldo M. Palharespag.26 Teoria de Sistemas Lineares – Aula 19
Controle Baseado no Observador
B Faca δ[x(t)] representar x(t) ou x(k + 1)...
B Regulador: Lei de Controle + Observador
δ[x(t)] = (A − Bk − l C)︸ ︷︷ ︸
AC
x(t) + l︸︷︷︸
BC
y(t)
u(t) = − k︸︷︷︸
CC
x(t)
FT: =⇒U(ζ)
Y (ζ)= CC (ζI − AC)
−1BC
com ζ representado“s”ou“z”...
c©Reinaldo M. Palharespag.27 Teoria de Sistemas Lineares – Aula 19
Controle Baseado no Observador
Exemplo Considere o modelo simplificado de um“satelite”da forma
G(s) = 1/s2, ie, y(t) = u(t), definindo-se
x1 = y; x2 = y
com
x1 = x2 e x2 = y = u
entao
x(t) =
0 1
0 0
︸ ︷︷ ︸
A
x(t) +
0
1
︸︷︷︸
B
u(t)
y(t) =[
1 0]
︸ ︷︷ ︸
C
x(t)
c©Reinaldo M. Palharespag.28 Teoria de Sistemas Lineares – Aula 19
Controle Baseado no Observador
B Se alocar os polos do controlador em
s1,2 = −0.707 ± j0.707 (ξ = 0.707, ωn = 1rad/s)
obtem-se K =[
1 1.4142]
B Se os polos do estimador sao alocados em ωn = 5rad/s e ξ = 0.5, obtem-se
Lp =
5
25
FT do controlador baseado no observador:
D(s) =−40.4(s + 0.619)
(s + 3.21 + j4.77)(s + 3.21 − j4.77)
c©Reinaldo M. Palharespag.29 Teoria de Sistemas Lineares – Aula 19
Controle Integral – Sistemas Discretos
Modelo considerado:
x(k + 1)] = Ax(k) + Bu(k) + Bw(k)
y(k) = Cx(k)
Resultado esperado?
1. y(t) → r(t) ≡ 1, ∀t > t0
2. rejeitar w = sinal constante, porem de magnitude desconhecida
O que fazer? Integrar o erro... De forma analoga ao caso contınuo (vide aula 18)
e(k) = y(t) − r(t), e portanto
e(k) = xI(k + 1) − xI(k) = Cx(k) − r(k)
c©Reinaldo M. Palharespag.30 Teoria de Sistemas Lineares – Aula 19
Controle Integral
Definindo-se:
η(k) =[
xI(k) x(k)]T
Obtem-se o modelo aumentado:
η(k + 1) =
1 C
0 A
η(k) +
0
B
u(k) +
0
B
w(k) −
1
0
r(k)
y(k) =[
C 0
]
η(k)
B Controle ou Observador?
c©Reinaldo M. Palharespag.31 Teoria de Sistemas Lineares – Aula 19