You are on page 1of 7

Anlise Comparativa entre Controladores PID e

Fuzzy Utilizando LabVIEW e Arduino


Aplicados em um Sistema de Controle de Nvel
Andr Eduardo Silva & Yvo Marcelo C. Masselli

ganho em rapidez e preciso.


Abstract This document aims to compare the traditional PID Atualmente, o parque industrial utiliza 80% de
algorithm, used in dynamic control systems that based on the theory controladores baseados em PID[1].
of fuzzy control. A practical application level control, implemented A grande dificuldade dos controladores PID est em se
in LabVIEW was used to survey the results and validation of the
obter os parmetros de ajuste que garantem a resposta
proposal. Currently, a large part of the installed automatic
controllers in industrial processes using classical control theory, desejada do sistema.
which require the tuning of control parameters often performed Uma observao feita recentemente em pesquisa sobre o
manually. Already, the diffuse based systems are simpler as regards assunto que na maioria das instalaes industriais atuais os
the modeling process and tend to produce more faithful models as a controladores PID no esto propriamente sintonizados, tendo
representation by means of membership functions is easy sido encontrados muitas vezes operando em modo manual [1],
interpretation. As PID controller tuning method was used the
podendo assim causar resultados indesejados do sistema.
second method of Ziegler and Nichols and after conducted fine
tuning directly from the control system. The control system was A lgica fuzzy ou nebulosa baseada em conhecimento
built to provide a survey of the plant response curves with the humano e trata cada varivel do sistema diferente da lgica
drivers and subsequent comparison of parameters such as rise time, bivalente (0 e 1), sendo que cada varivel tm um determinado
settling time and overshoot percentage. valor lingustico e um grau de pertinncia associado a ele.
Index Terms PID control, fuzzy controller - PI, Fuzzy Logic, Com este tipo de associao, a lgica fuzzy trata das
Tuning Method.
imperfeies que no so notadas no uso dos controladores
Resumo Este documento visa comparar o tradicional
algoritmo PID, utilizado em sistemas de controle dinmicos, com clssicos.
o modelo baseado na teoria do controle difuso. Uma aplicao Este trabalho objetiva comparar o controle PID com a
prtica de controle de nvel, implementada em LabVIEW, foi lgica fuzzy e analisar os parmetros, a fim de se obter qual
utilizada para levantamento dos resultados e validao da tipo de controle melhor para a aplicao escolhida.
proposta. Atualmente, grande parte dos controladores A aplicao prtica escolhida foi a de controle de nvel de
automticos instalados em processos industriais utilizam a teoria tanques, no qual o controle visa manter o nvel do tanque de
clssica de controle, que exigem a sintonia dos parmetros de
controle, muitas vezes realizados manualmente. J os sistemas acordo com um valor pr-estabelecido.
baseados na difusa so mais simples no que se refere ao processo Como sistema supervisrio e plataforma de controle,
de modelagem e tendem a produzir modelos mais fiis, j que a utilizou-se o software LabVIEW da National Instruments
representao por meio de funes de pertinncia de fcil comunicando com a placa Arduino Uno. Toda parte de
interpretao. Como mtodo de sintonia do controlador PID foi controle foi realizada pelo LabVIEW sendo que a placa do
utilizado o segundo mtodo de Ziegler e Nichols e, aps, realizado Arduino foi utilizada para conexo serial, leitura do nvel dos
a sintonia fina diretamente no sistema de controle. O sistema de
controle foi construdo para proporcionar o levantamento das tanques e atuador PWM.
curvas de resposta da planta com os controladores e posterior Ao fim do trabalho poder ser notada a eficincia de cada
comparao de parmetros como: tempo de subida, tempo de tipo de controlador aplicada em uma planta real.
acomodao e overshoot percentual.
II. SISTEMAS DE CONTROLE AUTOMTICO
Palavras chave Controle PID, Controlador Fuzzy PI,
Lgica Fuzzy, Mtodo de Sintonia. Um sistema de controle automtico compara o valor da
sada de um determinado sistema com um valor de entrada
I. INTRODUO pr-estabelecido e produz um erro no qual uma ao de
controle ir tentar reduzir o valor a zero.
A busca pela otimizao dos atuais processos controlados
Segundo OGATA (2003), existem os seguintes tipos de
automaticamente tem se tornado cada vez maior visando o
controladores:

1- Trabalho apresentado no V Seminrio de Automao Industrial e Sistemas 1. ON-OFF


Eletro-Eletrnicos SAISEE (ISSN 2319-0280), ocorrido em 02 de Julho na 2. Controladores proporcionais
cidade de Santa Rita do Sapuca-MG.
3. Controladores integrais
4. Controladores proporcional-integrais
5. Controladores proporcional-derivativos ()
() = . () + . . (6)
6. Controladores proporcional-integral-derivativos
A. Controlador ON-OFF
Os controladores ON-OFF so assim chamados pela sua F. Controlador Proporcional Integral Derivativo
ao de controle (u(t)) que pode assumir apenas duas posies Com a combinao das trs aes de controle acima
fixas dependendo do valor do erro (e(t)) [11]. A equao descritas, proporcional, integral e derivativo tm se o
caracterstica deste tipo de controlador a seguinte: controlador PID. O mesmo combina as vantagens de cada
controlador sendo elas a de amplificar o erro, eliminar o erro
u(t) = U1, para e(t) > 0 residual e aumentar a sensibilidade do controlador. Na
aplicao de um controlador PID os parmetros de ajuste para
= U2, para e(t) <0 (1) uma melhor resposta do sistema so Kp (constante
proporcional), Ki (constante integral) e Kd (constante
derivativa). Abaixo segue equao caracterstica deste tipo de
B. Controlador Proporcional controlador:
O controlador proporcional age de forma que o valor do
erro do sistema possa ser amplificado e desta forma melhor ()
controlado. A vantagem deste controlador manter o sistema () = () + () + (7)
0
estvel e o erro menor do que 10%. Sua desvantagem fazer
com que o tempo de acomodao se torne muito grande. [11].
A equao caracterstica deste tipo de controlador : III. LGICA FUZZY
A lgica Fuzzy busca um tipo de aproximao na forma
u(t) = Kp.e(t) (2) com que o comportamento das variveis de um processo
C. Controlador Integral representado. Isto faz com que os sistemas reais tendam a
O controlador integral faz com que sua sada seja refletir cada vez mais o conhecimento que os especialistas
modificada a uma taxa de variao proporcional ao erro. Sua humanos possuem acerca das variveis envolvidas assim como
vantagem manter o valor do erro nulo e sua desvantagem do funcionamento dos mesmos.
ser um controlador instvel [11]. Sua equao caracterstica : Alm disto, desconsidera o fato de que a modelagem
matemtica de sistemas muitas vezes se torna muito difcil e
() muitas vezes no leva em considerao o efeito de
= . () (3) interferncias e influncias externas. [1]

ou Fuzzy se difere da lgica bivalente onde se tem 0 e 1 e se
caracteriza pela multivalncia como por exemplo em uma
() = . () (4) determinada cor branca no ser totalmente branca e apresentar
uma determinada porcentagem de cinza e outra de branco. [1]
0
Na figura 1 apresentada a estrutura de um sistema de
D. Controlador Proporcional Integral controle genrico baseado em lgica fuzzy.
O controlador proporcional integral une a vantagem do
controle proporcional em manter o sistema estvel e utiliza a
vantagem do controle integral em reduzir o erro em regime
estacionrio [11]. A equao caracterstica deste tipo de
controlador :


() = . () + . () (5)

0

E. Controlador Proporcional Derivativo


O controle derivativo aplicado juntamente com o controle
proporcional torna o controlador mais sensvel com a
vantagem de melhorar a resposta do sistema em regime
transitrio. Como a ao de controle depende da taxa de
variao do erro a mesma pode corrigir o sistema antes que o Fig. 1. Diagrama de blocos de um sistema Fuzzy.
erro se torne muito elevado. Uma desvantagem do controlador
derivativo que o mesmo torna o sistema instvel. [11] A Para se representar os valores numricos de uma
equao caracterstica do mesmo : determinada entrada so criadas variveis lingusticas,
caracterizando o processo de fuzzificao. A partir das
variveis lingusticas de entrada e um processo de inferncia
baseada em regras de conhecimento, tem-se a sada do sistema
em forma de varivel lingustica convertida para um valor
numrico, caracterizando o processo de defuzzificao.
Na figura 2 pode se observar as variveis lingusticas de
duas entradas de um determinado sistema Fuzzy de acordo
com um conjunto numrico.

Fig. 4. Sistema de controle de nvel de tanques.

A partir da diferena entre o valor do nvel pr-estabelecido


Fig. 2. Funo de entrada do sistema Fuzzy.
(SP) e o valor medido (PV) tm-se o valor do erro, no qual os
controladores sero aplicados a fim de determinar a ao de
Na figura 3 pode se observar as variveis lingusticas de
controle.
sada de um determinado sistema Fuzzy de acordo com um
Para controle da sada da bomba utilizou-se a modulao
valor numrico.
por largura de pulso (PWM) variando de acordo com a ao de
controle estabelecida pelos controladores.
O valor medido do sensor de nvel foi enviado, via
comunicao serial ao supervisrio criado no LabVIEW, onde
os controladores foram criados. A sada dos controladores foi
ajustada de forma a se ter valores entre 0 e 100, sendo o
mnimo quando o valor do erro nulo ou negativo e o mximo
quando o valor do erro positivo.
A ao de controle foi enviada ao Arduino Uno para que a
partir dela o valor do PWM fosse variado. No Arduino Uno o
PWM varia de 0 a 255 sendo necessrio realizar um
mapeamento entre o valor da ao de controle provinda do
LabVIEW e o valor de sada do Arduino.
Fig. 3. Funo de sada do sistema Fuzzy.
Na figura 5 pode se observar o supervisrio montado no
LabVIEW.
IV. SISTEMA DE CONTROLE DE NVEL DE TANQUES
A planta escolhida para aplicao das tcnicas de controle
PID e Fuzzy voltada ao controle de nvel de tanques.
Conforme figura 4, o sistema consiste em dois tanques sendo
que o liquido do tanque inferior bombeado para o tanque
superior. O nvel do tanque superior medido atravs de um
sensor do tipo ultrassnico. A vazo de sada do tanque
superior para o inferior no controlada, ficando a cargo da
bomba a garantia do nvel desejado.

Fig. 5. Tela do supervisrio no LabVIEW.


Como se pode observar na figura 5, para escolha do tipo de CONSTANTES
controlador foi utilizada uma chave booleana. Os dados como Kp i d
setpoint, ao de controle e varivel de processo foram P T/L - -
mostrados em um grfico a fim de verificar as diferenas entre TIPO DE CONTROLADOR PI 0.9 * (T / L) L / 0.3 -
os controladores. PID 1.2 * (T / L) 2 * L 0.5 * L
A. Controlador PID do Sistema de controle de nvel
No software LabVIEW, j existem blocos PID. Neste A partir da curva de resposta do sistema, conforme figura 7,
trabalho foi utilizado o bloco PID avanado conforme figura os parmetros de atraso de transporte (L) e tempo de
6. acomodao (T) foram obtidos e com base na tabela I os
parmetros, Kp, i e d podem ser verificados na tabela II.

TABELA II
CONSTANTES PID APS MTODO DE ZIEGLER - NICHOLS.

KP i d
PID 2563.64 0.007 0.00183

Mesmo com os valores das constantes obtidas, aps o


mtodo de sintonia foram necessrios ajustes finos. Na tabela
III podem ser observados os valores ideais para melhor
resposta do sistema.
TABELA III
CONSTANTES PID APS SINTONIA FINA.

Fig. 6. Bloco do Controlador PID avanado LabVIEW.


KP i d
As constantes Kp, Ti e Td foram disponibilizadas na tela do PID 2200 0.001 0.009
supervisrio para que seja possvel modific-las e observar os
resultados. Na figura 8 pode ser observada a curva de resposta do
Para determinao das melhores constantes do sistema, foi sistema aps a sintonia fina do controlador PID para setpoint
utilizado o segundo mtodo de Ziegler - Nichols. Com o de 5 litros.
sistema em malha aberta aplicou-se um degrau na entrada do
sistema e levantou-se a curva de resposta do sistema como
pode se observar na figura 7.

Fig.8. Curva de resposta do controlador PID para SP = 5 litros.

Na figura 9 pode se verificar a resposta do sistema PID para


Fig. 7. Resposta do sistema em malha aberta. diferentes valores de SP = 5, SP = 8 e SP = 3 litros.

O segundo mtodo de Ziegler Nichols nos fornece uma


tabela para o clculo dos parmetros de acordo com cada tipo
de controlador [11], conforme tabela I.

TABELA I
TABELA 2 MTODO DE ZIEGLER-NICHOLS.
(positivo grande). As variveis lingusticas associadas a
entrada variao do erro foram NB (negativo grande), N
(negativo), Z (zero), P (positivo), PB (positivo grande). As
variveis lingusticas associadas sada do sistema Fuzzy ao
de controle foram MB (muito baixo), B (baixo), M (mdia), A
(alto) e MA (muito alto). Na figura 12 pode se verificar o
sistema Fuzzy projetado.

Fig. 9. Curva de resposta do controlador PID para diferentes valores de SP.

B. Controlador Fuzzy do sistema de controle de nvel


O controlador utilizado com a lgica Fuzzy foi o Fuzzy-PI
no qual as entradas do sistema Fuzzy so o erro e a derivada
do erro. Na figura 10 pode se observar o diagrama de blocos
deste controlador.

Fig. 12. Sistema Fuzzy-PI, controle de nvel.

A figura 13 mostra a relao das entradas e da sada do


sistema Fuzzy.

Fig. 10. Diagrama de blocos Fuzzy-PI.

No LabVIEW h possibilidade de construir o sistema Fuzzy


a partir das variveis de entrada, regras de inferncia e
variveis de sada conforme figura 11.

Fig. 13. Relao entrada e sada do sistema Fuzzy-PI.

A tabela IV mostra a relao das regras de inferncia do


sistema Fuzzy-PI conforme as variveis lingusticas criadas.

Fig. 11. Exemplo de sistema Fuzzy. TABELA IV


REGRAS SISTEMA FUZZY-PI
As variveis lingusticas associadas entrada erro foram
NB (negativo grande), N (negativo), Z (zero), P (positivo), PB
e(t) TEMPO DE TEMPO DE
NB N Z P PB OVERSHOOT
de/dt SUBIDA ACOMODAO
NB MB MB B B M PID 183 (s) 226 (s) 5,48%
N MB B B M A fuzzy-PI 188 (s) 224 (s) 3,72%
Z B B M MA MA
P B M A MA MA Conforme observado nos parmetros da tabela V o
PB M A A MA MA controlador Fuzzy-PI obteve melhor resposta do que o sistema
PID nos parmetros de tempo de assentamento e overshoot
O sistema Fuzzy criado salvo em um diretrio no percentual, sendo que o tempo de subida do controlador PID
computador e o bloco Fuzzy do LabVIEW utiliza este arquivo esteve 5 segundos abaixo do controlador Fuzzy-PI.
para sua configurao. Aps o ajuste do controlador PID com as constantes obtidas
Aps a criao do sistema Fuzzy-PI obteve-se a curva de pelo 2 mtodo de Ziegler - Nichols observou-se que o sistema
resposta do sistema para um setpoint de 5 litros conforme no respondeu da forma desejada e iniciou-se a sintonia fina.
figura 14. Para sintonia fina primeiramente zerou-se os valores de Ti e
Td e variou-se a constante kp at se obter o melhor resultado.
Aps este ajuste, as constantes Ti e Td foram variadas em
torno dos valores obtidos pelo mtodo de Ziegler Nichols,
obtendo-se assim as constantes ideais.
Conforme observado na figura 9, o controlador PID
respondeu de forma satisfatria para os diferentes valores de
setpoint assim como o sistema Fuzzy-PI, observado na figura
15.
Nos primeiros testes do sistema Fuzzy-PI foram necessrias
modificaes na base de regras e nas variveis de entrada para
que o sistema respondesse da melhor forma. A tabela IV final
da base de regras utilizada, se diferenciou bastante da tabela
de base de regras inicias.

VI. CONCLUSO
Fig. 14. Curva de resposta do controlador Fuzzy-PI. Aps o levantamento das curvas de resposta dos sistemas de
controle PID e Fuzzy-PI pode-se verificar como o uso da
Na figura 15 pode se verificar a resposta do sistema Fuzzy-
simulao pode ajudar durante a definio e parametrizao
PI para diferentes valores de SP = 5, SP = 8 e SP = 3 litros.
dos controladores automticos, alm de se obterem
informaes sobre a planta estudada, antes no conhecidas.
Com a curva de resposta do sistema possvel obter a
equao caracterstica da planta e aplicar a mesma em
software para obteno das constantes timas e realizar
diversas simulaes, alm de se ter um modelo matemtico
especifico para o sistema.
Foi possvel observar a funcionalidade do 2 mtodo de
Ziegler Nichols para obter um ponto de partida na sintonia
fina do controlador PID, uma vez que os valores ideais
ficaram bem prximos dos valores obtidos pelo mtodo.
Para o sistema Fuzzy-PI, foi possvel verificar o quanto as
regras de inferncia influenciam na sada do sistema, uma vez
Fig. 15. Curva de resposta do controlador fuzzy-PI para diferentes valores de
que foram necessrias alteraes na base de regras a fim de se
SP. obterem melhores respostas. A facilidade de se parametrizar o
sistema Fuzzy o torna bastante prtico, diminuindo assim o
V. RESULTADOS tempo de configurao do sistema.
A tabela V foi criada com os parmetros de cada Verificou-se pela tabela V, que neste caso, o controlador
controlador para comparao entre os resultados para o valor fuzzy-PI obteve melhor resposta do que o PID, para os
de setpoint de 5 litros. parmetros de tempo de assentamento e overshoot percentual,
TABELA V sendo que o tempo de subida do controlador PID esteve 5
COMPARAO PID X FUZZY-PI segundos abaixo do controlador fuzzy-PI.
A partir do levantamento realizado para comparao dos
controladores PID e Fuzzy-PI, verificou-se neste caso, que o
controlador Fuzzy obteve melhores resultados quanto ao
tempo de assentamento e o overshoot percentual e um valor
um pouco mais baixo no tempo de resposta do sistema,
comparado com o controlador PID.

REFERNCIAS
[1] Simes, Marcelo, S. Shaw, Ian, Controle e Modelagem Fuzzy. 2a.Ed.
So Paulo: Editora Blucher, 1999, pp. 01-67.
[2] NATIONAL INSTRUMENTS. LabVIEW 2015 Service Pack 1.
[3] ARDUINO.CC. Arduino 1.6.7.
[4] B. Prusty,Sankata,C. Pati, Umesh and Mahapatra, Kamalakanta.
Implementation of Fuzzy-PID Controller to Liquid Level System using
LabVIEW, 2014 International Conference on Control, Instrumentation,
Energy & Communication(CIEC), Calcutta, 2014, pp. 36-40.
[5] M. Santos; J. M. de la Cruz; S. Dormido; A. P. de Madrid. "Between
Fuzzy-PID and PID-Conventional Controllers: a Good Choice". Fuzzy
Information Processing Society, 1996. NAFIPS., 1996 Biennial
Conference of the North American, Berkeley, CA, Jun 1996, pp. 123
127.
[6] J. Guo; G. Wu; S. Guo, Fuzzy PID Algorithm-based Motion Control
for the Spherical Amphibious Robot, 2015 IEEE International
Conference on Mechatronics and Automation (ICMA), Beijing, Aug.
2015, pp. 1583 1588.
[7] Sousa, Jernimo V.P., Sousa, Aldir S., "Desenvolvimento de um sistema
fuzzy embarcado para controle de iluminao, "Anais do XX Congresso
Brasileiro de Automtica, Brasil, Set., 2014, pp. 4076 - 4082.
[8] M. Petrov; I. Ganchev; A. Taneva," Fuzzy PID control of nonlinear
plants," Intelligent Systems, 2002. Proceedings. 2002 First International
IEEE Symposium, 2002, pp. 30 - 35 vol.1.
[9] C. J. Zhang; P. M. Zhang, "Design of Hierarchical Fuzzy PID Controller
Based on Granular Computing in LabVIEW," Fuzzy Systems and
Knowledge Discovery, 2009. FSKD '09. Sixth International Conference
on, Tianjin, Aug. 2009, pp. 262 266.
[10] X. h. Liu; Y. y. Feng; L. l. Zhuang; D. h. Zhang, "Research and
Application of the Temperature Fuzzy-PID Control System for Thermo-
Mechanical Simulator," 2010 Chinese Control and Decision
Conference, Xuzhou, 2010, pp. 3434 3438.
[11] a. a. Jamal; Q. x. Zhu, "Real Time DC Motor Position Control by (
FPID )Controllers and design (FLC)Using Labview software
Simulation," Computer and Automation Engineering (ICCAE), 2010
The 2nd International Conference on, Singapore, 2010, pp. 417 - 420.
[12] DORF, Richard C.; BISHOP, Robert H.. Sistemas de Controle
Modernos. 8.ed. Rio de Janeiro: LTC, 2001.
[13] OGATA, Katsuhiko. Engenharia de Controle Moderno. 4. ed. So
Paulo: Editora rica, 2003.

Andr Eduardo Silva nasceu em Poos de Caldas, MG, em 31 de agosto de


1988. Possui o ttulo: Engenheiro Eletricista (PUC-MG, 2012).
Desde 2013 trabalha como Engenheiro Eletricista na empresa BGN
Manuteno e Montagem Industrial, em So Paulo, atuando com oramentos
de obras, execuo de projetos e servios nas reas de eltrica e automao
industrial.