Warning
O ControLAB ainda está em desenvolvimento. Os valores calculados podem conter erros e devem ser verificados antes de qualquer uso.
Software para análise, simulação e projeto de Sistemas de Controle, desenvolvido em Rust com interface nativa em egui/eframe.
- Análise Linear: Resposta no tempo, estabilidade (Routh-Hurwitz), Lugar Geométrico das Raízes e resposta em frequência (Bode e Nyquist).
- Controle & Espaço de Estados: Projeto de controladores (síntese clássica via LGR, refinamento numérico por restrições temporais/modais e seleção automática) com verificação explícita de conformidade, além de modelagem em espaço de estados.
- Diagrama de Blocos: Edição visual e redução de diagramas de blocos.
- Studio
.m: Interpretador e editor de scripts integrado (mscript). - Exportação & Visualização: Gráficos interativos, renderização de fórmulas e exportação para PNG/SVG.
O motor computacional nativo em Rust (controlab-engine, blocklab-core, mscript, controlab-native) passou por validação científica, numérica, funcional, visual e de desempenho documentada em docs/validation/:
- Arquitetura modular 100% Rust: sem dependências de execução Python ou MATLAB/Simulink na aplicação ou na suíte permanente de testes.
-
Validação independente com MATLAB R2022b (nos casos testados): 19 casos de Lugar Geométrico das Raízes (
Exercicios_-_LGR.pdf), 9 questões de Projeto de Controladores (Projeto_de_controladores.pdf, 42 configurações auditadas) e 3 suítes opt-in ao vivo do interpretadormscript(erro relativo escalado máximo7,883e-15). -
Paridade histórica congelada:
152/152casos aprovados frente às referências do motor Python legado (cargo run --release -p xtask -- parity). -
Síntese clássica e refinada com verificação de conformidade: preserva o projeto didático clássico por LGR (
lgr_classic) e disponibiliza síntese por restrições (temporal_refinedeauto_simplest) com checagem de estabilidade externa/interna, amortecimento ($\xi$ ), frequência natural ($\omega_n$ ), dominância modal, sobressinal real ($M_p$ ), tempo de acomodação definitivo ($t_s$ ), erro estacionário e diagnóstico de inviabilidade matemática. -
Benchmarks reproduzíveis (Rust
--releasevs Python legadobe79347): aceleração mediana entre 3,76× e 15,50× (9,01× em síntese de controladores, 12,89× em LGR e 15,50× na suíte completa de 19 LGRs) e redução de pico de memória RSS de até 11,47×, medidos em processo persistente JSON-lines com 3 aquecimentos e 5 a 25 iterações em Linux (Intel Core i5-13420H). Os ganhos referem-se especificamente às cargas de trabalho medidas — ver metodologia completa emdocs/validation/benchmarks.md.
Consulte a documentação completa em docs/validation/README.md, docs/validation/methodology.md, docs/validation/academic-validation.md, docs/validation/synthesis-comparison.md e docs/validation/final-acceptance.md.
- Rust & Cargo instalados.
- Bibliotecas gráficas para compilação com
eframe(no Linux: drivers gráficos, Wayland/X11, libxkbcommon).
# Clonar o repositório
git clone https://github.com/enthonyaraujo/controLAB.git
cd controLAB
# Compilar e executar
cargo run --bin controlab
# Ou em modo otimizado
cargo run --release --bin controlabDica: Você também pode usar o script
./run.sh.
Contribuições são muito bem-vindas! Para contribuir:
- Faça um Fork do repositório.
- Crie uma branch para a sua alteração:
git checkout -b feat/minha-feature
- Faça o commit das suas mudanças:
git commit -m "feat: adiciona minha feature" - Envie para o seu fork:
git push origin feature/minha-feature
- Abra um Pull Request.
Antes de enviar, verifique se os testes e o padrão de código passam:
cargo test --workspace
cargo fmt --all --checkDistribuído sob a licença MIT.







