Professional Documents
Culture Documents
Breve Histrico
Inicialmente, dvidas quanto a utilizao da lgica fuzzy em controle de processo. Nos anos 80, 2 demonstraes despertam o interesse da indstria para a lgica fuzzy. Seiji Yasunobu e Soji Miyamoto projetam um sistema fuzzy para controle de acelerao,frenagem e parada de um trem.
Takeshi Yamakawa Objetivo:Equilibrar pendulo na posio vertical Aplica-se uma fora que movimenta o carro horizontalmente
Entrada: Erro do ngulo e Variao do ngulo Erro da posio horizontal Velocidade v Sada: Fora Aplicada
Aplicaes
Ampla utilizao em industria de bens de consumo e controle industrial em geral Laboratrio Internacional de Engenharia Fuzzy (LIFE) (1988) cooperativa 48 companhias Aspiradores de p controle de suco Mquinas de lavar uso otimizado de potncia, gua e detergente 10% em controle de processos e 28 % em controle embutido
Perspectivas
Potencial manuseio de incertezas e controle de sistemas complexos Lgica fuzzy combinada com redes neurais artificiais
Capacidade de adaptao e aprendizagem
Controladores
A teoria de controle clssico: Algoritmo de controle descrito analiticamente por equaes algbricas Observa a diferena entre o estado ideal e o estado atual Faz processamento e tentar ajustar sistema controlado
Controladores
y: Sada da planta r:Valor de referncia e:Entrada do controle, diferena entre y e r u:Ao de controle tomada C:Controlador P:Planta controlada
Controladores
Tipo mais comum: PID(proporcional integral derivativo) P:Constante que ajusta a sada para os padres desejados I:Clculo da integral da funo do erro em um perodo D:Clculo da 1 derivada do erro no tempo
Controlador PID
Funo geral que representa controlador PID Numerador:Sada Denominador:Entrada C:Constante
Controlador Fuzzy
Proposto por Mamdani. Inclui: Variveis lingsticas Sentenas condicionais Regras de inferncia
Projeto
Baseado em mtodos empricos Tentativa e erro Ainda existem poucas regras pr-definidas
Projeto
Passos de um projeto de controlador fuzzy: Documenta-se as especificaes do sistema e entradas e sadas. Documenta-se os conjuntos fuzzy para as entradas Documenta-se o conjunto de regras Determina-se o mtodo de defuzzificao Executa-o atravs de teste para verificao do sistema
Exemplo
Controle de velocidade de um ventilador A velocidade depende da temperatura Temperatura Muito frio Frio Quente Muito quente Velocidade Desligado Devagar Mdia Rpida Corrente relativa do motor 0 15 50 100
Exemplo Como a temperatura varia gradualmente do quente para o frio A corrente varia gradualmente do valor 50 15 A Objetivo: Monitorar a temperatura e evitar variaes abruptas na temperatura Sistemas usando lgica fuzzy so desenvolvidos para gerar variaes de sada de forma contnua e suave
0.5
0 -10 0 10 20 30 40
Processo de fuzzificao Fuzzificar: associar ou calcular um valor numrico para cada varivel de entrada baseado nas funes de pertinncia que caracterizam cada entrada Na fase de ajuste do sistema as funes de pertinncia so continuamente ajustadas Os formatos mais utilizados para funes de pertinncia so os trapezoidais e os triangulares Mas qualquer funo mais adequada ao caso pode ser utilizada
Processo de fuzzificao
1 0.5 0 -10 1 0.5 0 -10 0 10 20 30 40 0 10 20 Morno 30 40 Quente Morno Quente
Processo de fuzzificao
No momento de desenvolver um sistema baseado em lgica fuzzy, deve-se decidir: Como cada varivel de entrada ser categorizada e Associar uma f de pertinncia para cada categoria No exemplo temos 4 fs de pertinncia Uma quinta (moderada) poderia ser adicionada entre frio e quente O nmero de fs necessrias depende da exatido desejada para o sistema Quanto mais curvas, mais sensibilidade, maior complexidade
Processo de fuzzificao Sobreposio entre as funes de pertinncia Caracteriza a capacidade de avaliar uma situao em sistemas baseados em lgica fuzzy Distinta dos sistemas baseados em lgica pura A sobreposio desejvel a chave para determinar transies suaves em um sistema fuzzy Permitindo mltiplas funes quase em aparente contradio
Processo de fuzzificao
20C pode ser considerada fria ou quente 70% fria e 30% quente
Muito_frio 1 Frio Quente Muito_quente
0.5
0 -10
10
20
30
40
Fuzzificao: transformar variveis qualitativas, com base nas funes de pertinncia, em alguns significado para o computador
O comportamento do sistema fuzzy definido atravs de um conjunto de regras no formato if-then O lado then contm uma ou mais aes denominadas conseqncias O lado if correspondem diretamente ao nvel de pertinncia calculada durante a fuzzificao Exemplo: If (temperatura is muito_frio) then (velocidade is zero) If (temperatura is frio) then (velocidade is baixa) If (temperatura is quente) then (velocidade is mdia) If (temperatura is muito_quente) then (velocidade is alta)
0.5
0 0
20
40
60
80
100
Durante a avaliao de uma regra Valores so computados baseados nos nveis de ativao alcanados Para cada uma das funes de pertinncia Para cada uma das entradas Estes valores so associados s regras difusas de sada Geralmente uma f de minimizao utilizada para determinar o valor associado a cada varivel de entrada quando mais de uma fc de pertinncia ativada
Processo de defuzzificao
Uma vez que j sabemos quais regras devem ser ativadas O processo de defuzzificao da sada necessrio para: Decifrar o significado de uma ao vaga como: a velocidade de ser baixa e Resolver conflitos entre regras que possam parecer contraditrias Um dos mtodos mais utilizados se baseia no mtodo de determinao do centride (determinao do centro de gravidade ou massa)
Processo de defuzzificao
1. Verificao das regras que foram ativadas 2. Processo de composio das regras disparadas 3. As reas que representam o grau de ativao de cada regra so compostas formando uma rea resultante 4. Sobre esta rea se calcula o ponto central, baseado no clculo do centro de massa Assim, o nvel de ativao de cada regra age como um nvel de ponderao no clculo final
temperatura
velocidade
-10 20
40 Composio:
44.1
100
Exerccio
1- Cite uma problema (caso simples) que pode ser resolvido atravs de um controlador fuzzy. Para o caso citado defina as variveis de entrada e sada e os rtulos (categorias) destas variveis. 2- diferencie fuzzificao e defuzzificao.
Bibliografia
www.dc.ufscar.br/~heloisa/COF.pdf www.wikepia.org Rezende,Solange Oliveira; Sistemas inteligentes.Recope-IA.p.168-201 http://equipe.nce.ufrj.br/thome/grad/nn/mat_didatico/aula 4.pdf www.ica.ele.puc-rio.br/cursos/ download/ICAControladores%20Fuzzy.pdf