Engenharia Eletrica.indd

É importante ressaltar que todos os capítulos foram elaborados por autores pertencentes ao corpo docente do IFPB. Assim, o livro trata de cinco diferentes tópicos da engenharia elétrica, a saber: identificação e modelagem matemática de sistemas dinâmicos, inteligência artificial, conversores de energia, aterramento e micro-ondas.

Agradecimentos

SUMÁRIO

Laboratório de Sistemas de Instrumentação, Controle e Automação (LINSCA), Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus João Pessoa, e-mail: jose.menezes@ifpb.edu.br. Laboratório de Automação de Petróleo (LAUT/UFRN), Unidade de Informática Acadêmica, Instituto Federal de Educação, Ciência e Tecnologia da Paraíba (IFPB), Campus João Pessoa, e-mail: marcio.ugulino@ifpb.edu.br.

Identificação de parâmetros e sintonia de controladores PID em uma planta térmi-

Introdução
Controlador PID
Descrição da planta de controle
Modelagem matemática do processo e projeto de controladores As classes científi ca e industrial têm tido bastante interesse na
Sintonia dos parâmetros de controladores PID

Método de Ziegler-Nichols em Malha Aberta
Método de Sintonia Chien, Hrones e Reswick (CHR)
Método de Sintonia Cohen-Coon

Resultados Experimentais
Considerações Finais
Introdução

A Figura 1.3 descreve a fonte de ar frio (cooler), a fonte de ar quente (secador), a válvula eletromecânica (servo motor) e a placa de controle e aquisição de dados (Arduino). Analisando a Figura 1.9, nota-se que a resposta do processo apresenta oscilações menores que as encontradas nas outras duas topologias.

Identificação de sistemas lineares por predição de erro e seus principais

Modelos SISO em tempo discreto
Métodos paramétricos de estimação
Estimador dos mínimos quadrados recursivo

Algoritmo dos Mínimos Quadrados Recursivo
Estimação de parâmetros de sistemas variantes no tempo Quando um sistema possui parâmetros que variam ao longo do
Outros algoritmos de estimação recursiva

Introdução

O objetivo do capítulo é apresentar uma visão geral da identificação de sistemas lineares usando o método de previsão de erros e seus principais algoritmos recursivos para estimar os parâmetros do modelo. No início do procedimento de estimação, são dados valores iniciais ao vetor de parâmetros θk e à matriz de covariância Pk.

Modelamento não linear de dois elos de um robô eletromecânico de cinco

Descrição do sistema

A primeira articulação rotatória refere-se ao movimento angular da base, com deslocamento máximo de 293º, a segunda articulação rotativa refere-se ao ombro, com deslocamento angular máximo de 107º, a terceira articulação rotativa refere-se ao cotovelo, com amplitude angular máxima deslocamento. deslocamento de 284o, a quarta junta rotativa refere-se ao punho com deslocamento angular máximo de 360o, e a quinta junta rotativa refere-se a um sistema de parafuso sem coroa, responsável pelo impacto da garra, máximo 22mm, capacidade de carga 350 gramas e parada automática por meio de um microinterruptor operando com velocidade de fechamento ajustável. O robô se comunica com o computador por meio de duas placas de entrada e saída de dados, modelo NI USB-6009, e um programa de cálculo baseado nas plataformas LabView e Matlab.

Identifi cação não linear do robô manipulador

Os modelos matemáticos não lineares dos acoplamentos do robô manipulador em estudo são obtidos por identificação paramétrica. A solução da equação 3.8 fornece os parâmetros estimados θ1(k) e θ2(k) do modelo matemático, relativos aos elos 1 e 2 do robô manipulador, respectivamente. As Figuras 3.3 e 3.4 ilustram os sinais de entrada fornecidos e os sinais de saída dos enlaces 1 e 2 do robô manipulador, respectivamente.

A Figura 3.5 ilustra a saída real e a saída estimada do link 1 do robô manipulador, e a Figura 3.6 ilustra a saída real e a saída estimada do link 2.

Considerações finais

Identificação de modelos usando subespaços usando o método N4SID para simulação de controle LQR em um manipulador robótico. Projeto de um controlador PD adaptativo via alocação de polos aplicado a um robô manipulador planar de dois graus de liberdade.

Introdução

No caso de RNAs diretas, o fluxo de informação é sempre no sentido direto, indo da camada de entrada para a camada de saída. Esse tipo de rede é amplamente utilizado, principalmente por existirem métodos de aprendizado bem conhecidos e fáceis de usar, como o método de retropropagação. Neste capítulo é apresentada a utilização deste último tipo de RNA em três aplicações distintas: a previsão de elementos numa série temporal referente à radiação solar num dia de inverno na cidade de Vila Real, Portugal; filtragem de ruído branco usando um filtro não linear; e finalmente como controlador de posição na simulação do posicionamento do eixo X de uma tabela de coordenadas XY.

Utilização da rede neural como previsor de série temporal Uma série temporal é definida como uma sequência de realiza-

Equação à diferença
Série de radiação solar e resultado

Neste capítulo, em vez de determinar uma equação paramétrica, uma rede neural artificial (ANN) é usada para obter valores futuros de uma série temporal de radiação solar com base em valores passados. A base de dados utilizada para obtenção do modelo não linear é composta por sinais de radiação solar obtidos experimentalmente a cada intervalo de amostragem de 1 minuto em uma estação meteorológica localizada na cidade de Vila Real, Portugal. A RNA possui seis neurônios de entrada aos quais são aplicados os valores do sinal de radiação solar em seis tempos de amostragem anteriores (k - 1 a k - 6).

A Figura 4.3 ilustra um gráfico onde os valores experimentais da série temporal são plotados em preto e os valores preditos pela RNA em vermelho para um dos dias considerados.

Utilização da RNA como filtro não linear

Estrutura do filtro
Resultados obtidos
Utilização da RNA como controlador adaptativo

Para testar a eficácia do filtro neural, foi aplicado um sinal de entrada senoidal mais ruído, conforme ilustrado na Figura 4.7. O sinal de saída do filtro neural é ilustrado na Figura 4.8, juntamente com o sinal senoidal sem ruído original, que é o sinal desejado. Após uma série de sessões de treinamento, como pode ser visto, o filtro neural forneceu o sinal com quase total supressão de ruído.

Para demonstrar o uso de uma rede neural artificial como controlador, neste trabalho é utilizada a simulação do acionamento de um controle de posição.

Modelo matemático da função de transferência e identifi cação experimental

Para obter a função de transferência do eixo X da tabela de coordenadas XY, utiliza-se a técnica de identificação caixa preta, na qual não é necessário conhecer os parâmetros citados, facilitando sua execução. O algoritmo de estimação dos parâmetros da função de transferência utilizado nesta pesquisa é o algoritmo recursivo dos mínimos quadrados (RQM), ilustrado por Aguirre (2007), no qual a função de transferência dada pela equação 4.2 é transformada na forma de sua discreta na forma Ω = ΦT θ, onde θ é o vetor de parâmetros do sistema e Φ o vetor de regressores. Essa estrutura, ilustrada na Figura 4.10, foi a mesma utilizada por Menezes Filho et al. 2010), no qual é explicado o seu funcionamento.

A saída do sistema controlado neste caso pode ser vista na Figura 4.12, onde pode-se observar que acompanhou o valor de referência para ambos os valores impostos sem ultrapassá-lo.

Considerações fi nais

Depois disso, houve uma alteração no valor de referência, que passou para a metade do valor anterior. O leitor pode perceber que uma grande vantagem na utilização de Redes Neurais Artificiais está no processo de aprendizagem. Assim, percebe-se que não foram necessários cálculos ou tabelas para determinar os parâmetros que formam as estruturas utilizadas nos três casos, restando o peso sináptico da rede de treinamento a que foi submetido. manteve-se a aquisição dos três objetivos propostos.

Filtro mediano de difusão com determinação automática de parâmetros com aplicações em sinais de ECG e sensor piezoelétrico.

Introdução

Rafaelle de Aguiar Correia - IFPB Márcio Emanuel Ugulino de Araújo - IFPB Marcílio de Paiva Onofre Filho - IFPB Fábio Meneghetti Ugulino de Araújo - UFRN.

Uso de lógica fuzzy para gerar dinamicamente o setpoint em um

O processo de irrigação

Conteúdo de água no solo (CAS) ou umidade do solo
Parâmetros do sistema de irrigação

Modelagem do sistema fuzzy

Sistema fuzzy
Variáveis fuzzy
Modelo do solo
Regras de inferência

Resultados

Parâmetros fuzzy-Mamdani
Resultados da simulação fuzzy-Mamdani
O Controlador PID

Considerações fi nais
Introdução

A umidade do solo está relacionada ao teor de água do solo (CAS) ou tensão de água no solo (TAS). A Figura 5.1 mostra um diagrama de blocos de um sistema flexível que gera uma referência dinâmica de umidade do solo. Para um solo franco-arenoso com ATEMP ajustado para 30 °C, a umidade de referência do solo tem o perfil mostrado na Figura 5.8.

A Figura 5.11 ilustra o set point gerado pelo fuzzy-Mamdani e a resposta simulada do solo arenoso ao controle PID.

Sistema automatizado para o aproveitamento de água cinza e azul,

Controle de processos
Desenvolvimento do protótipo

Sensor de pH
Atuador

Resultados

Fuzzy P
Fuzzy PD

Introdução

A medição do pH é um dos testes mais comumente usados na análise da qualidade da água. 5 metros de cano 20mm e 10 cotovelos; como já mencionado, há também um sensor de pH e duas bombas dosadoras de reagentes de pH. No reservatório superior - ou reservatório de controle, encontra-se um sensor de pH (que envia os dados lidos para o microcontrolador); também mistura a substância reagente com a água a ser neutralizada por meio de um misturador.

Sistema automatizado para aproveitamento de água cinza e azul, com controle de PH por lógica fuzzy.

Introdução à confiabilidade em conver- sores estáticos de potência VSI

Noções básicas de confiabilidade

Ferramentas estatísticas para determinação da confiabilidade As funções de densidade de probabilidade (f.d.p.) são as ferra-
Funções de distribuição de probabilidades utilizadas em con- fiabilidade

A confi abilidade de capacitores eletrolíticos

Leitura da RSE de capacitores eletrolíticos de baixa tensão Um procedimento desenvolvido nos laboratórios do IFPB – Ins-

Confi abilidade de chaves IGTBs
Considerações finais
Introdução

A função de probabilidade de falha cumulativa F(t) expressa a probabilidade de falha de um componente em um determinado período, portanto a probabilidade de uma unidade falhar em um período [0,t1] é expressa pela equação 7.2. R(t) = e -tλ t ≥ 0 (7.6) Considere um sistema com N componentes, ilustrado na figura 7.2, a confiabilidade do sistema é representada pela equação 7.7, se houver uma suposição de independência dos processos de erro nos componentes . O modelo de Arrhenius (FOUCHER et al., 2002), baseado na temperatura média, é o que descreve com mais precisão o processo de falha de capacitores.

Existe uma correlação muito forte entre o processo de falha e os ciclos de temperatura (BAYERER et al., 2008).

Introdução aos filtros ativos de potência em paralelo

Modelo do sistema

Modelo da confi guração a três fi os
Modelo da confi guração a quatro fi os

Estratégia PWM

Estratégia PWM da configuração a três fios
Estratégia PWM da configuração a quatro fios

Estratégia de controle

Configuração a três fios
Confi guração a quatro fi os
Controlador de corrente

Simulações das configurações de filtros estudadas
Introdução

A Figura 8.8 ilustra detalhes dos controladores de corrente tanto para a situação balanceada (sistemas de três fios) quanto para a situação desbalanceada (sistemas de quatro fios). Na Figura 8.9, uma transição de carga (um aumento na componente fundamental da corrente de carga) foi inserida para verificar o comportamento do controle da barra. A Figura 8.10 ilustra a tensão da rede, representada por bv1, para indicar que esta tensão é a fase 1, e a corrente da rede, representada por ig1, para indicar que esta corrente é a fase 1.

A Figura 8.11 ilustra a tensão de linha da fase 1 e a corrente demandada pela carga nessa fase.

Controle de potência ativa e correção de fator de potência em sistema que

Descrição do sistema
Modelagem do sistema
Estratégia de controle

Projeto do controlador PI01

Resultados de simulação

A Figura 9-6 mostra a dinâmica da tensão no PAC e a corrente da rede elétrica durante uma simulação de 20 segundos. A Figura 9-8 mostra a simulação do gráfico de tensão e corrente da rede elétrica obtido pela ampliação da área 2 da Figura 9-6. Entre 12,69 e 12,71 segundos, a fonte renovável injeta energia no PAC com o fator de potência da rede próximo à unidade.

O fator de potência é quase o mesmo, então a qualidade da energia na rede elétrica é melhorada.

Comportamento de sistemas de ater- ramento em linhas de transmissão

Introdução

Segundo a Eletrobrás, no Brasil, mais de 95% das linhas de transmissão estão acima do solo, possuem grandes extensões e seções transversais com alto índice de keraun, ficando expostas às condições climáticas, principalmente descargas atmosféricas, que causam interrupções. e falhas diversas que, segundo estatísticas das concessionárias de energia (VISACRO FILHO, 2005), são responsáveis por 70% das interrupções do sistema de transmissão. Portanto, a análise é essencial para o dimensionamento adequado do sistema de aterramento da linha de transmissão para dissipar picos de correntes atmosféricas. É ainda necessário reduzir as interrupções e perturbações quando estes picos ocorrem nas referidas linhas de transmissão, de forma a melhorar a qualidade do fornecimento de energia elétrica, o que tem impacto na redução de DEC (Duração Equivalente de Interrupção) por unidade consumidora) e FEC (frequência equivalente de interrupção por unidade consumidora) compatível com sua importância econômica e operacional para o sistema elétrico.

A forma mais comum de analisar o comportamento de sistemas de aterramento para estruturas de linhas de transmissão é a simulação com softwares especiais, sendo o mais utilizado o EMTP (Electromagnetic Transient Program), (DOMMEL, 1969), conforme será feito neste artigo. sistemas de aterramento e pára-raios utilizando sua versão de ATP (Alternative Transient Program) através da interface gráfica ATPDraw.

Modelagem da instalação

No circuito equivalente à representação esquemática da Figura 10.2, foram utilizados modelos para as regiões da linha (com a indutância mútua entre todos os cabos condutores e os para-raios), modelos para o cabo de equalização conectando os elementos na estrutura (hardware de isoladores de manutenção para cada condutor de fase, raio e cabo de terra) e modelos para as impedâncias equivalentes do condutor de contrapeso e da haste de terra quando submetido a impulsos atmosféricos. Para determinar a demanda real através do isolamento do circuito de alta tensão, o condutor de equalização que percorre a estrutura é dividido em seis partes conforme indicado nas Figuras 10.3a e 10.3b correspondentes às distâncias entre: cabo de descarga; os equipamentos de suporte para os condutores das fases A, B e C; e o pé da estrutura cujo comprimento total foi considerado foi de 20 metros. O modelo elétrico do condutor de contrapeso acima mencionado é o modelo π, ilustrado na Figura 10.4, cujos valores dos parâmetros foram obtidos calculando as formulações matemáticas relacionadas (RUDENBERG, 1968).

Na representação geral do condutor de contrapeso, ele é representado por n células idênticas, cada uma correspondendo a um metro do condutor referenciado.

Resultados das simulações