Estruturas flexíveis estão sujeitas a excitações desconhecidas que podem causar danos. Um dos possíveis artifícios para lidar com este problema é a teoria de controle de sistemas dinâmicos. Em particular, uma técnica que suscita o interessa para aplicação nesta classe de sistemas é o controle ótimo, devido às suas boas propriedades de resposta e factibilidade, podendo ser aplicado até através de circuitos analógicos. O contratempo desta técnica é a necessidade de um número de sensores igual ao número de estados do sistema, o que para estruturas é inviável. Como uma alternativa, pode se empregar os procedimentos usuais de restrição de realimentação do sinal medido. No entanto, estes casos não consideram o projeto das matrizes de saída e entrada, fator determinante para o controle de vibrações em estruturas. O objetivo deste trabalho é preencher esta lacuna. Inicialmente, são introduzidos alguns conceitos das teorias de controle ótimo, dinâmica estrutural e sobre métodos de discretização em séries. Em seguida, determinam-se as condições necessárias de otimalidade considerando como variáveis de otimização o ganho e as posições dos sensores e atuadores. Determinadas as condições, investigam-se os principais desafios para solução destas equações, dados pela existência de parâmetros que estabilizem o sistema e a dependência do ponto ótimo em relação à condição inicial do sistema. O primeiro é resolvido a partir da especificação do sistema linear para uma forma modal e utilizando funções de controle de Lyapunov, o que adicionalmente proporciona o resultado de que o controle colocalizado é um controle ótimo. Para o segundo são propostas duas soluções, sendo uma utilizada para determinar as posições dos atuadores para projetar um controle LQR com desempenho satisfatório, e a outra para determinar os ganhos e posições dos sensores de modo a obter um controle com realimentação de saída com desempenho próximo ao LQR projetado. Os resultados obtidos a partir da aplicação da metodologia desenvolvida em exemplos da dinâmica estrutural revelaram um desempenho notável. Mesmo para uma razão pequena entre o número de sensores pelo número de estados obteve-se um desempenho equivalente ao LQR, exibindo também propriedades robustez consideráveis em relação às variáveis de otimização. Conclui-se que a metodologia desenvolvida é uma boa alternativa para as técnicas de controle LQR e LQG.

Flexible structures are subject to unknown excitations that may cause damage. One of the possible artifices to deal with this problem is the control theory of dynamical systems. In particular, a technique that raises the interest for application in this class of systems is the optimal control, due to its good properties of response and feasibility, as it can be applied even through analog circuits. A drawback of this technique is the need for a number of sensors equal to the number of states, which for structures is impracticable. As an alternative, the usual procedures of using only measured signals for feedback can be employed. However, these cases do not consider the design of the input and output matrices, a determining factor for vibration control in structures. The purpose of this paper is to fill this gap. Initially, some concepts of the theories of optimal control, structural dynamics and series discretization methods are introduced. Then, the optimality conditions are determined considering the gain and locations of sensors and actuators as the optimization variables. Given these conditions, we investigate the main challenges to solve these equations, given by the existence of parameters that stabilize the system and the dependence of the optimum point in relation to the initial condition of the system. The first one is solved from the specification of the linear system to a modal form and using Lyapunov control functions, which additionally provides the result that the collocated control is an optimal control. For the second two solutions are proposed, one being used to determine the positions of the actuators to design a LQR control with satisfactory performance, and the other to determine the gains and positions of the sensors in order to obtain an output feedback control with close performance to the designed LQR. The results obtained from the application of the methodology developed in structural dynamics examples revealed a remarkable performance. Even for a small ratio between the number of sensors by the number of states a performance equivalent to the LQR was obtained, also exhibiting considerable robustness properties in relation to the optimization variables. It is concluded that the developed methodology is a good alternative for LQR and LQG control techniques.