1

UTILIZAÇÃO DE UM MODELO ADAPTATIVO POR ESCALONAMENTO DE

GANHO PARA CONTROLE DE NÍVEL DE ÁGUA DE UM RESERVATÓRIO COM
GEOMETRIA ESPECIAL

Jhonathan Cazzotti Lozer1, Wellest Gaudencio Coelho Nascimento1, Flávio Morais de Souza2

Resumo

É notória a evolução no controle dos processos industriais, haja vista o advento dos
controladores, que surgiram através da necessidade da automatização de uma
tarefa ou ação. Entretanto, processos não-lineares complexos não são compatíveis
com o controle convencional, por ser esse baseado em modelos lineares,
demandando o desenvolvimento de técnicas que identifiquem e controlem as não-
linearidades, sendo necessária a utilização de um controle mais sofisticado. O
presente trabalho apresenta a implementação de um controlador PI adaptativo (por
ganho escalonado), para uma planta didática, onde a finalidade é o controle de nível
de água de um tanque cuja geometria é um tronco de pirâmide (paralelogramo). Foi
realizada a modelagem de um controle adaptativo e feita simulação em ambiente do
MATLAB®, sendo que o resultado foi comparado com um controlador PI
convencional. Os resultados obtidos demonstraram que o controlador adaptativo
obteve uma resposta mais rápida e precisa, uma vez que, face à geometria do
reservatório, para cada nível de líquido, os parâmetros da planta eram alterados,
alterando também os parâmetros do controlador.

Palavras-chave: Controle adaptativo, reservatório, nível.

1
Acadêmico de Engenharia de Controle e Automação da Faculdade Capixaba da Serra – MULTIVIX
2
Docente da Faculdade Capixaba da Serra – MULTIVIX
 2

Abstract

The evolution in the control of industrial processes is notorious, given the advent of
controllers, which arose through the necessity of the automation of a task or action.
However, complex non-linear processes are not compatible with conventional
control, since it is based on linear models, demanding the development of techniques
that identify and control nonlinearities, requiring the use of a more sophisticated
control. The present work presents the implementation of an adaptive PI controller
(gain scheduling) for a didactic plant, where the purpose is to control the water level
of a tank whose geometry is a pyramid trunk (parallelogram). It was performed the
modeling of an adaptive control and made simulation in MATLAB® environment, and
the result was compared with a conventional PI controller. The results showed that
the adaptive controller obtained a faster and more precise response, since, due to
the geometry of the reservoir, for each level of liquid, the parameters of the plant
were changed, also changing the parameters of the controller.

Key words: Adaptive control, reservoir, level.

 3

INTRODUÇÃO

Desde tempos remotos, mecanismos são criados para manipular as variáveis de um

processo a fim de otimizar o mesmo. O controle de nível, por exemplo, remonta ao
ano 300 a.C., com o uso de bóias pelos gregos. No Egito Antigo, criou-se o primeiro
relógio de água com controle do nível de água de um reservatório, onde o nível era
mantido constante e, consequentemente, a vazão de saída. Já no século XVIII, o
destaque é dado ao regulador de esferas proposto por James Watt: um controlador
centrífugo para controle de velocidade de máquinas a vapor (Bolton, 1995 apud
Moreira & Silva, 2014; Faccin, 2004 apud Lira & Trigueiro, 2014).

Com o passar do tempo, o controle dos processos foi evoluindo, aja vista o advento
dos controladores, que surgiram através da necessidade da automatização de uma
tarefa ou ação. Vale ainda ressaltar a análise de sistemas por meio de diagramas de
Bode e Nyquist, além do método de projeto baseado no lugar das raízes, dentre
outros, criados no século XX e fundamentais até aos dias de hoje (Aguirre, 2014;
Moreira & Silva, 2014).

Atualmente, as não-linearidades presentes em plantas industriais, bem como os

limites físicos de atuadores e sensores constituem-se num importante objeto de
pesquisa em controle tanto pelo interesse prático (uma vez que são responsáveis
por aproximadamente 1/4 – um quarto – do mau desempenho dos controladores de
uma planta fabril) como pelo desafio em termos teóricos. Alguns processos não-
lineares complexos, por vezes, não têm seus requisitos satisfeitos quando utilizado
controle convencional baseado em modelos lineares, demandando o
desenvolvimento de técnicas que identifiquem e controlem as não-linearidades
(Ulaganathan & Rengaswamy, 2008 apud Cerqueira, 2009; Filho, 2013; Soloway &
Haley, 1996 apud Bertachi et al., 2013).

Diversas técnicas têm sido desenvolvidas no intuito de aprimorar o desempenho dos

diferentes tipos de controladores. Em sistemas onde há necessidade de resposta
rápida e as condições de operação variam, o controle adaptativo tem se mostrado
uma das técnicas com melhores resultados. Dentre os esquemas de adaptação
propostos estão o auto-ajustável, modelo de referência e ganho escalonado. Tais
 4

esquemas são baseados em modelagem matemática, sendo complexos devido ao

uso de algoritmos de controle, exigindo grande esforço computacional. Apesar de
sua complexidade, o controle adaptativo pode ser usado no controle de processos
estruturalmente desconhecidos ou pouco conhecidos, oferecendo desempenho igual
ou superior aos controladores convencionais. Além disso, possui um mecanismo de
adaptação onde as mudanças nas condições de operação são incorporadas ao
controlador, permitindo que seja superada a imprecisão no projeto do controlador
(Evans et al., 2002 apud Lima, 2014; Andrade & Silva, 2015).

Sendo assim, estudar os diversos fenômenos que ocorrem na indústria é

fundamental para entender os processos e como controlá-los. Além disso, as
simulações em laboratório, auxiliam de forma acadêmica nessa compreensão e o
controle do nível em tanques vem recebendo destaque cada dia mais (Brito et al.,
2015; Silva et al., 2015).

O presente trabalho descreve a implementação de um controlador PI adaptativo (por

ganho escalonado) para uma planta didática, onde a finalidade é o controle de nível
de água de um tanque cuja geometria é um tronco de pirâmide (paralelogramo). A
solução proposta é voltada para a estabilização do sinal de controle, de forma a
minimizar a quantidade de rampas de aceleração, tendo como vantagem mudanças
rápidas dos parâmetros do controlador sem a necessidade de estimá-los.
 5

METODOLOGIA

O presente trabalho consiste em realizar a modelagem e simular em ambiente do

Matlab® 2015b/Simulink uma malha de controle de nível em um tanque cuja
geometria é um paralelogramo. Para realizar a modelagem do controlador, optou-se
pelo escalonamento de ganhos. Neste caso os parâmetros do controlador serão
alterados de acordo com a altura de líquido no tanque. As ações Proporcional e
Integral do controlador estarão em função da altura instantânea do líquido.

Modelagem do Tanque

O tanque que será utilizado é circular com vista frontal em formato trapezoidal
conforme figura 1, possuindo diâmetro mínimo (dmin) e máximo (dmax) de . A altura
do tanque (h) e a vazão máxima de saída (a).

Figura 1 – Ilustração do tanque utilizado para modelagem

Fonte: Elaborada pelo autor

Tabela 1 – Parâmetros do tanque utilizado para modelagem

Unidade de
Variável Valor
Medida
Diâmetro Mínimo (Dmin) m X
Diâmetro Máximo (Dmax) m Y
Altura (h) m Z
Vazão Máx. de Saída (a) litros/seg V
Fonte: Elaborada pelo autor
 6

Adotando-se o princípio de que a variação do volume no tempo é igual a diferença

entre a vazão de entrada pela vazão de saída do reservatório conforme equação 1.

1 2 (1)

Onde: – variação do volume (m³) no tempo; 1 – Vazão de entrada (l/s) em

função do tempo; 2 – Vazão de saída (l/s) em função do tempo.

O volume do reservatório é dado pelo produto entre a altura e a seção transversal

conforme equação 2.
∗ (2)
Em que: – altura (m) em função do tempo; – seção transversal na altura do
líquido (m²) em função do tempo.

Uma vez que o volume do tanque é dado pela seguinte equação 3.

∗ (3)
3
Onde: – raio maior (m); – raio menor (m).
Com isso, obtém-se a seguinte equação 4.
∗ 1 2
1 2 → (4)

A vazão de saída como será constante e está em função da altura, diâmetro do

orifício de saída, tem-se a equação 5.
2 ∗ 2 (5)
Onde: – força da gravidade (m/s²).

Desta feita:
1 ∗ 2
(6)
 7

Linearizando-se a equação diferencial anterior nos pontos de operação e 1 tem-

se a equação7

, 1 , 1 ∗ , 1 ∗ , 1 ∗ 1 1 (7)
1
Onde: – altura inicial (m); 1 – vazão inicial (l/s).

Fazendo-se os devidos algebrismos tem-se a equação 8.

. 2 √ 1
∗ ∗ ∗ 1– 1
2. ∗ √

∗ 2 1 (8)
⇒ ∆ ∗∆ ∗∆ 1
2 ∗

Aplicando-se a transformação de Laplace na equação diferencial anterior tem-se a

equação 9.
∗ 2 1
∆ ∗∆ ∗∆ 1 (9)
2 ∗ ∗
Onde: ∆ 1 – Variação da vazão inicial (l/s); ∆ – Variação da altura (m)

Após devidas manipulações algébricas, obtém-se a função de transferência do

processo, conforme equação 10.

∆
(10)
∆ 1
.
Onde: ; .

O valor da área de seção transversal do tubo de saída do reservatório é obtido

através da equação 11.
2 ∗ (11)
Onde: – área de seção transversal do tubo (m²); – velocidade do líquido no tubo
(m/s).

Sendo assim, tem-se que o cálculo da vazão deve ser confrome equação 12.
2 a ∗ 2gh t (12)
 8

Modelagem do Controlador

Como se trata de uma planta de nível em malha fechada, será utilizado um

controlador PI, conforme modelagem abaixo.

A equação base para modelagem de um controlador PI é dada pela equação 13.

Kp (13)
Gc s Ki

Onde: – Ganho do controlador; – Tempo integrativo (s); – Constante

Integral (s); – Constante proporcional (%).

Ganho do processo em malha aberta, é dado pela equação 14.

(14)
Gp s
s a
Onde: – Ganho do processo

Ganho do processo em malha fechada é dado pela equação 15.

(15)
1
Onde: – Ganho em malha fechada

Substituindo os ganhos do controlador e do processo, tem-se a seguinte equação de

ganho em malha fechada, uma função de transferência de 2ª ordem conforme
equação 16.
(16)
² αTi
Onde: – Ganho da planta em regime de operação; α – constante do controlador.

Para um sistema de segunda ordem deve-se obedecer a equação 17.

(17)
2
Onde: – Frequencia natural (rad); ξ – Fator de amortecimento.
 9

Dividindo o denominador da equação (16) por obtem-se a equação 18.

(18)
Gmf s
α

Comparando a equação 17 com a 18 e realizando os devidos algebrismos obtem-se

as equações 19 e 20.
2 (19)

2 (20)

RESULTADOS E DISCUSSÕES

O controle de nível de água de um reservatório com geometria especial proposto

possui uma dinâmica de processo variável, com constantes mudanças nos
parâmetros do controlador. Tendo em vista a dinâmica das variáveis optou-se pelo
método do escalonamento de ganhos. Foram implementadas funções no MATLAB®
a fim representar a dinâmica do nível de água do reservatório em questão, sendo
considerada a geometria adequada e parametrizadas de acordo com as dimensões
do mesmo. Em seguida, foram criados os diagramas de bloco no Simulink.

No diagrama de blocos do controle adaptativo (Figura 2) é possível observar que

uma variação na planta acarretará ajustes no controlador, uma vez que seus
parâmetros estão correlacionados ao nível do tanque.

Figura 2 – Diagrama de blocos do Simulink com escalonamento de ganhos.

Fonte: Elaborada pelo autor
 10

A Figura 3 apresenta como a ação proporcional (amarelo) e a ação integral

(magenta) agem em conjunto, para manter o controle da planta ao sofrer uma
alteração. Pode-se observar que a correção da variação ocorre de forma rápida e
proporcional. A ação proporcional atua enviando um sinal proporcial ao erro, já a
ação intergral atua enviando um sinal conforme a duração do erro para manter o
mesmo na nulidade, fazendo com que a planta se estabilize com rapidez e sem
grandes variações, alcançando o valor de referência.

Figura 3 – Representação da ação proporcional e integral do controlador por escalonamento de

ganhos em resposta ao setpoint, bem como a saída obtida pelo controle.
Fonte: Elaborada pelo autor

A Figura 4 apresenta o Diagrama de blocos do controle PI tradicional. Nela observa-

se que uma variação na planta não acarretará ajustes no controlador, uma vez que
seus parâmetros são constantes. Para parametrização do controlador, foi utilizada a
ferramenta de auto-tune presente no Simulink.

Figura 4 – Diagrama de blocos do controle PI tradicional

Fonte: Elaborada pelo autor
 11

A Figura 5 apresenta a resposta da variável de processo utilizando o PI tradicional.

Pode-se observar que o controlador tem uma atuação rápida ao degrau, entretanto
não é eficaz, com grande overshoot/undershoot e alto tempo de assentamento
(amarelo), causando uma variação no processo até se estabilizar (ciano).

Figura 5 – Gráfico da atuação do PID tradicional atuando na variação do processo.

Fonte: Elaborada pelo autor

Na Figura 6 há um comparativo entre o valor de referência (amarelo) e as saídas

obtidas pelos dois controles em questão, sendo possível verificar a eficácia do
controlador por ganho escalonado (magenta) em relação ao PI convencional (ciano).

Figura 6 – Comparativo entre o valor de Setpoint e o retorno obtido pelos controles.

Fonte: Elaborada pelo autor
 12

Tendo em vista o gráfico da simulação do controle adaptativo e o gráfico com PI

convencional observa-se que o primeiro, realizado por escalonamento de ganhos,
apresenta uma melhor capacidade de lidar com mudanças da variação da planta em
comparação com o controle PI tradicional. Tal resultado converge com o achado por
Fonseca (2012) na modelagem e controle adaptativo de uma planta didática de nível
com instrumentação industrial.

A análise por escalonamento de ganhos comparado ao PID tradicional se torna mais

eficiente para a planta proposta por ser mais rápido na mudança dos parâmetros do
controlador. Ocasionando menos desgaste de equipamentos como valvulas e
motores, por sofrerem ação correta do controlador obtendo assim maior estabilidade
do processo e facilidade operacional.

CONCLUSÃO

No presente trabalho foi realizada a modelagem matemática de uma planta didática,

sendo realizada identificação e simulação em ambiente virtual. Por meio dos
resultados simulados constatou-se que o controle adaptativo por escalonamento de
ganhos apresentou uma melhor capacidade de lidar com mudanças na dinâmica da
planta em comparação com o PI tradicional. Tais vantagens são importantes para as
áreas de controle e automação, além de otimização na indústria, permitindo maior
facilidade de operação devido sua capacidade de auto-ajuste diante de variações na
planta. Outra vantagem evidente é a estabilidade do controle adaptativo, ocorrendo
menor desgaste de equipamentos como válvulas e motores, que irão atuar de forma
precisa na busca do valor de referência.
 13

REFERÊNCIAS

Aguirre, L. A. The historical development of texts for teaching classical

control of linear systems. Annual Reviews in Control, n. 39, p.1-11, 2015.

Andrade, P. U. A. & Silva, V. V. R. Otimização colaborativa e computação

evolutiva na sintonia de controlador PID/Fuzzy. In: XXXVI Iberian-Latin-American
Congress on Computational Methods in Engineering (CILAMCE 2015), 2015, Rio de
Janeiro. Anais do XXXVI Iberian-Latin-American Congress on Computational
Methods in Engineering, 2015.

Bertachi, A. H. et al. Controle de um processo multivariável em uma planta

didática industrial utilizando redes neurais. In: XI Simpósio Brasileiro de
Automação Inteligente (SBAI), 2013, Fortaleza, CE, p.1-6, 2013.

Brito, R. P. et al. Análise de desempenho de um neurocontrolador para o

controle de nível de um sistema de dois tanques acoplados. In: XII Simpósio
Brasileiro de Automação Inteligente (SIBAI 2015), 2015, Natal, RN. Disponível em:
<http://swge.inf.br/SBAI2015/anais/543.pdf>. Acesso em: 11 mai 2017.

Cerqueira, A. C. T. Estimação e compensação de não linearidades inerentes aos

atuadores dos processos industriais. 2009. 68f. Dissertação (Mestrado) –
Programa de Pós-graduação em Ciência e Engenharia de Petróleo da Universidade
Federal do Rio Grande do Norte, Natal, RN, 2009.

Faccin, F. Abordagem inovadora no projeto de controladores PID. 2004. 148 f.

Dissertação (Mestrado) – Universidade Federal do Rio Grande do Sul, Porto Alegre,
RS, 2004.

Filho, M. V. A. da C. Modelagem, controle e otimização de processos da

indústria do etanol: uma aplicação em energia solar. 2013. 145f. Tese
(Doutorado) – Universidade Federal de Santa Catarina – Programa de Pós-
graduação em Engenharia de Automação e Sistemas, Florianópolis, SC, 2013.

Fonseca, D. G. V. da. Modelagem e controle adaptativo de uma planta didática

de nível com instrumentação industrial. 2012. 81f. Dissertação (Mestrado) –
Universidade Federal do Rio Grande do Norte – Programa de Pós-graduação em
Engenharia Elétrica e de Computação PPgEEC, Natal, RN, 2012.

Lima, K. M. Controle de uma turbina a gás aeroderivada aplicada na propulsão

de navios. 2014. 101f. Dissertação (Mestrado) – UFRJ/COPPE/Programa de
Engenharia Elétrica, 2014.

Lira, V. V. & Trigueiro, T. C. SimTank – um simulador de nível de líquido em

tanques. Principia, João Pessoa, PB, n. 24, p.112-120, 2014.

Moreira, C. N. & Silva, F. S. Automação da discretização de controladores PID e

filtros digitais. Rev. Ciência e Tecnologia, vol. 14, p.12-22, 2014.
 14

Silva, A. M. et al. Bancada didática baseada em CLP Compactlogix da Rockwell

para uso nas disciplinas de automação e instrumentação industrial. Rev.
Tecnologia e Informação, ano 2, n. 3, p.28-43, 2015.
 15

ANEXOS

Função que simula a ação proporcional no controlador

function y = fcn(u,h)
%#codegen
%variaveis
a = 0.001; %seção do tubo de saida do tanque
r = 1; %raio inferior
t = abs(h + 0.001); %altura mais constante(corrigir erro)
R = (0.3 * t) + 1; %raio superior
A = (pi/3) * (R^2 + R*r + r); %área do reservatório
E = 1.6; %Zeta -> fator de amortecimento
W = 1; %frequencia de oscilação
ALFA = (a * sqrt(2 * 10 * t))/(2 * A * t);
BETA = 1/A;
K =((2*E*W)-ALFA)/BETA;
y = u * K;

Função que simula a ação integral no controlador

function y = fcn(u,h)
%#codegen
%variaveis
a = 0.001; %seção do tubo de saida do tanque
r = 1; %raio inferior
t = abs(h + 0.001); %altura mais constante(corrigir erro)
R = (0.3 * t) + 1; %raio superior
A = (pi/3) * (R^2 + R*r + r); %área do reservatório
E = 1.6; %Zeta -> fator de amortecimento
W = 1; %frequencia de oscilação
ALFA = (a * sqrt(2 * 10 * t))/(2 * A * t);
BETA = 1/A;
K =((2*E*W)-ALFA)/BETA;
T =((2*E*W)-ALFA)/(W^2);
y = u * (K/T);

Função BETA
function y = BETA(u,h)
%#codegen
r = 1;
R = (0.3 * h) + 1;
A = (pi/3) * (R^2 + R*r + r);
y = u *(1/A);

Função ALFA
function y = ALFA(h)
%#codegen
a = 0.001;
r = 1;
R = (0.3 * h) + 1;
A = (pi/3) * (R^2 + R*r + r);
t = abs(h + 0.001);
y = (a * sqrt(2 * 10 * t))/(2 * A * t);