Porque sistemas realimentados são utilizados. O que se espera obter ao utilizar um sistema realimentado?

Passo 1

Você perguntou duas coisas, então vou deixar bem claro o que o enunciado pede:
  1. Por que sistemas realimentados são utilizados?
  2. O que se espera obter ao utilizar um sistema realimentado?
    Não há outros dados numéricos fornecidos — a pergunta é conceitual. A partir daqui eu vou explicar passo a passo os conceitos e mostrar exemplos simples com contas para você entender como usar isso numa prova.

Passo 2

Começando pelo básico: o que é realimentação (feedback) em termos simples.
  • Imagine um sistema chamado “planta” que recebe um sinal de controle e produz uma saída. Em realimentação, parte dessa saída volta (é “realimentada”) e é comparada com a referência (o que você quer que a saída seja). A diferença vira o sinal de erro que alimenta o controlador.
  • Esquematicamente, para um loop clássico com ganho direto G(s) e caminho de realimentação H(s), temos o laço aberto L(s)=G(s)H(s) e a função de transferência em malha fechada:
T(s)=\frac{G(s)}{1+G(s)H(s)}.
  • Aqui R(s) é a referência, Y(s) a saída, G(s) a planta (modelo da dinâmica do processo), H(s) o elemento de feedback (geralmente 1 para realimentação unitária). Essa fórmula é fundamental — memorize-a e saiba interpretá-la.

Passo 3

O papel da realimentação na estabilidade — ideia e exemplo simples.
  • A estabilidade do sistema em malha fechada está ligada às raízes do denominador da função T(s). As raízes de
1+G(s)H(s)=0
são os polos do sistema fechado. A realimentação pode deslocar esses polos no plano complexo.
  • Exemplo prático e bem didático: seja a planta \;G(s)=\dfrac{K}{s+a}\; e feedback unitário H(s)=1.
T(s)=\frac{K}{s+a+K}.
  • O polo está em s=-(a+K). Observações fáceis de ver: aumentar K desloca o polo para a esquerda (mais negativo) — o sistema fica mais rápido e, se a>0 e K> -a, continua estável. Assim, um uso comum da realimentação é tornar a resposta temporal mais rápida e, em muitos casos, tornar estáveis plantas que seriam instáveis no laço aberto (dependendo de G).

Passo 4

Como realimentação ajuda a reduzir erro em regime permanente (steady-state).
  • O erro em regime permanente para referência é ligado à função erro E(s)=R(s)-Y_{medido}(s). Para malha unitária:
E(s)=\frac{R(s)}{1+G(s)}.
  • Use o Teorema do Valor Final: para entrada degrau R(s)=\dfrac{1}{s},
e_{ss}=\lim_{t\to\infty} e(t)=\lim_{s\to 0} sE(s)=\lim_{s\to 0}\frac{s\cdot \frac{1}{s}}{1+G(s)}=\lim_{s\to 0}\frac{1}{1+G(s)}.
  • Conclusão útil: se G(s) tem ganho DC infinito (por exemplo, um integrador 1/s na malha direta), então G(0)=\infty e e_{ss}=0. Por isso controladores com ação integral (PI, PID com I) são usados quando se quer erro nulo para degrau. Em prova, mostre esse raciocínio: aumente o ganho estático ou introduza integrador para reduzir ou anular erro em regime permanente.

Passo 5

Rejeição de perturbações e interpretação do “sensitivity function”.
  • Além da referência, existem perturbações D(s) (ex.: carga, ruído) que afetam a saída. Para realimentação unitária, a saída pode ser escrita como
Y(s)=T(s)R(s)+S(s)D(s),
onde
T(s)=\frac{L(s)}{1+L(s)},\qquad S(s)=\frac{1}{1+L(s)},\qquad L(s)=G(s)H(s).
  • S(s) é chamada função de sensibilidade. Se |S(j\omega)| é pequeno numa faixa de frequências, isso significa que perturbações nessa faixa são atenuadas na saída. Logo, um objetivo típico do projeto é reduzir |S(j\omega)| nas frequências onde temos perturbações importantes ou exigimos bom seguimento.

Passo 6

Robustez a variações do modelo (por que realimentação “tolerância a incertezas”).
  • Suponha que a planta real seja G_{real} = G + \Delta G. A variação relativa na função de transferência fechada T devido a \Delta G é aproximadamente proporcional a S; de forma aproximada:
\frac{\Delta T}{T}\approx S\cdot\frac{\Delta G}{G}.
  • Intuição: se S for pequeno nas frequências onde \Delta G/G é significativa, então a saída muda pouco apesar das incertezas. Em palavras: realimentação reduz a sensibilidade do comportamento do sistema a erros no modelo. Isso é uma vantagem enorme em sistemas reais (onde nunca conhecemos G(s) perfeitamente).

Passo 7

Melhorias de desempenho transitório — tempo de subida, tempo de assentamento, overshoot.
  • Modificar o ganho e/ou projetar um controlador altera os polos do sistema fechado e com isso muda características transitórias: tempo de acomodação ( t_s), tempo de subida ( t_r), e overshoot ( %OS).
  • No exemplo da planta \dfrac{K}{s+a}, o polo em s=-(a+K) implica constante de tempo \tau=\dfrac{1}{a+K}. Então aumentar K reduz \tau (resposta mais rápida). Na prova, você pode demonstrar essas relações com o cálculo dos polos como fizemos no Passo 3.

Passo 8

Limitações e trade-offs importantes (o lado “nada é grátis”).
  • Waterbed effect (efeito da “esteira d’água”): não dá para tornar S(s) pequeno para todas as frequências simultaneamente. Tornar S muito pequeno em uma faixa força S a crescer em outra — isso causa picos de sensibilidade (vulnerabilidade).
  • Ruído e banda: aumentar ganho para melhorar rejeição de perturbação em baixas frequências normalmente aumenta a largura de banda, o que pode deixar o sistema mais sensível ao ruído de alta frequência. Logo, projetar controlador é sempre um compromisso: desempenho vs ruído vs robustez.
  • Margens de ganho e fase: realimentação pode tornar o sistema instável se o laço aberto tiver certas características. Usa-se análise de Bode/Nyquist para garantir margens de estabilidade (ganho e fase) suficientes. Em prova, cite margens como medida de “quanto posso aumentar o ganho antes de perder estabilidade”.

Passo 9

Controladores práticos e motivos pelos quais são escolhidos.
  • P (Proporcional): melhora resposta transitória e redução parcial do erro em regime permanente, mas não zera erro para degrau (em sistemas tipo 0).
  • PI (Proporcional + Integral): integral zera erro para degrau porque introduz integrador em G(s), como expliquei no Passo 4.
  • PID (P+I+D): o termo D ajuda a reduzir overshoot e melhorar amortecimento (melhora a resposta transitória), P ajusta ganho e I cuida do erro em regime permanente.
  • Em prova, justifique a escolha do controlador dizendo quais objetivos você quer (ex.: “quero erro nulo para degrau e menos overshoot → escolho PI ou PID com ajuste do D pequeno”).

Passo 10

Resumo operacional — o que se espera obter ao usar realimentação (como responder numa prova).
  • Espera-se melhorar estabilidade, reduzir erro em regime permanente, rejeitar perturbações, melhorar desempenho transitório e aumentar robustez frente a incertezas do modelo. Mas sempre cite limites: maior ganho melhora algumas coisas e piora outras (ruído, possibilidade de instabilidade), e existe um trade-off entre sensibilidade e complementares.
  • Em uma prova, demonstre isso com:
    1. a função de transferência em malha fechada \;T(s)=\dfrac{G(s)}{1+G(s)H(s)}\;;
    2. a sensibilidade \;S(s)=\dfrac{1}{1+L(s)}\; e a decomposição Y=T R + S D;
    3. um exemplo numérico simples (como \;G(s)=\dfrac{K}{s+a}\;) para mostrar deslocamento de polos e efeito no tempo de resposta;
    4. explicação sobre integral para erro nulo (usar o Teorema do Valor Final).

Passo 11

Dica prática para a prova — como organizar a resposta rápida e correta.
  • Comece definindo malha aberta L(s) e fechar o loop: escreva \;T(s)=\dfrac{G}{1+G H}\; e \;S(s)=\dfrac{1}{1+G H}\;.
  • Mostre uma consequência direta (por ex.: efeito do ganho sobre pólos com um exemplo simples).
  • Mostre como o erro em regime permanente se calcula com o Teorema do Valor Final e explique quando ele é zero (presença de integrador).
  • Termine listando vantagens (estabilidade, rejeição, robustez, menos erro) e limitações/trade-offs (ruído, margens, waterbed).

Resposta

Porque sistemas realimentados são utilizados: para melhorar estabilidade, reduzir o erro em regime permanente, rejeitar perturbações, melhorar desempenho transitório e aumentar a robustez do sistema frente a incertezas do modelo.
O que se espera obter ao utilizar um sistema realimentado: deslocamento desejado dos polos do sistema fechado (melhor resposta temporal), redução da sensibilidade a perturbações e a variações da planta (função de sensibilidade S(s)=\tfrac{1}{1+L(s)}), e, se desejado, erro em regime permanente nulo (através de ação integral).

Exercícios relacionados