You are on page 1of 16

EA932 - Prof.

Von Zuben
DCA/FEEC/Unicamp

Tpicos Avanados: Controle Robusto,


Controle Adaptativo e Controle Inteligente
1 Introduo

passos no projeto de sistemas de controle:


1. estudar o sistema a ser controlado e decidir que tipos de sensores e atuadores
sero empregados e onde eles sero posicionados (funcionalidade);
2. gerar um modelo para o sistema a ser controlado;
3. simplificar o modelo, caso seja necessrio, visando a tratabilidade;
4. analisar o modelo resultante, em termos de suas propriedades bsicas;
5. decidir sobre as especificaes de desempenho;
6. decidir sobre o tipo de controlador a ser usado;

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 1

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

7. projetar o controlador visando atender as especificaes, se possvel; se


impossvel, modificar as especificaes ou optar por um outro tipo de
controlador;
8. simular o sistema de controle resultante, ou em um computador ou em uma
planta-piloto;
9. se necessrio, repetir todos os passos a partir do Passo 1;
10. decida pelas especificaes de hardware e software para a implementao do
controlador;
11. se necessrio, realize ajustes on-line no controlador.

como pode ser constatado acima, a tarefa de um engenheiro de controle


tambm prestar assistncia de natureza iterativa, particularmente a partir de
uma viso sistmica de desempenho.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 2


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

um bom engenheiro de controle no apenas aquele capaz de realizar grandes


projetos de controle, mas principalmente aquele capaz de indicar de forma
direta e convincente quando os objetivos de desempenho no podem ser
atingidos ou tornados mais rgidos.
deve ser levado em conta, em problemas prticos:
existncia de incertezas;
plantas de fase no-mnima (com zeros no semiplano direito, portanto
no-inversveis);
existncia de dinmicas no-modeladas, principalmente em altas
freqncias (fonte de incertezas);
rudo nos sensores e restries no nvel do sinal dos atuadores limitam o
alcance dos benefcios da realimentao.
uma formao completa de um curso de controle deve abordar todas estas
questes explicitamente, alm de fornecer resultados quantitativos e
qualitativos a respeito do impacto no desempenho do sistema de controle.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 3

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

2 Controle Robusto

a teoria de controle clssico fornece os fundamentos para a estabilidade. Os


conceitos de margem de ganho e margem de fase foram propostos para avaliar
a estabilidade relativa de sistemas SISO sob dois tipos de incerteza na planta:
mudanas puras no ganho e na rotao de fase (por exemplo, causadas devido
a alteraes de comportamento em sensores e atuadores).
a teoria de controle timo fornece tcnicas para incorporar a otimizao de
critrios de desempenho, alm de garantir a estabilidade.
a teoria de controle robusto, campo ativo de pesquisa desde o final dos anos
70, tambm visa a garantia de estabilidade e o atendimento timo de critrios
de desempenho, mas as aes de controle (por realimentao) devem realizar
estas tarefas mesmo com incertezas no modelo da planta, na dinmica e na
operao dos sensores e atuadores.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 4


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

motivaes: (1) o modelo da planta uma idealizao. Provavelmente vai


ignorar detalhes de operao e dificilmente ser vlido sob todas as condies
de operao; (2) a dinmica da planta pode estar sujeita a perturbaes; (3)
existe um limite de acurcia na operao de sensores e atuadores.
lembre-se que a realimentao no seria necessria para a maioria dos
sistemas de controle se no houvesse perturbaes e incertezas.
ponto de partida para a teoria de controle robusto:
1. modelo linearizado da planta, na representao por espao de estados;
2. descrio das incertezas a serem consideradas no projeto.
o modelo das incertezas pode ser expresso em diferentes formas:
limites de variao no perfil de resposta em freqncia;
regio de localizao dos plos e zeros da planta;
intervalo de valores para os parmetros fsicos da planta.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 5

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

tcnicas de anlise: determinao da robustez de um controlador. Exemplos:


anlise de valores singulares, anlise-, modelagem via transformaes
fracionais lineares (TFL).
tcnicas de sntese: gerao de leis de controle lineares, no-adaptativas
(fixas) e robustas. Exemplos: sntese H, sntese H2/H, problema linear
quadrtico com consideraes de robustez, otimizao numrica.
problema: mapear objetivos realsticos de projeto em uma nica funo-custo
a ser otimizada, geralmente expressa na forma de uma norma.
os tipos mais conhecidos de norma so (veja figura 7.1, DAILEY, pg 246):
H2: mede o erro quadrtico mdio na sada para uma entrada tipo rudo
branco. Usada na sntese de leis de controle para problemas lineares
quadrticos.
H: mede o ganho de pico para entradas senoidais.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 6


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

x2
+1 1
p=1
n
pp
x p
= xi
1 +1 x1 i =1
1

x2 n
+1 p=2 p = 1 x 1 = xi
i =1

1 +1 x1
1
n
p=2 x = xi
2
x2 2
i =1
+1
p=+

x1
1 +1 p = + x
= max xi
i
1

x p
1

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 7

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

os objetivos de desempenho associados a estas duas normas so considerados


de grande importncia, mas outros objetivos precisam tambm ser
considerados na prtica, como limitantes para resposta ao degrau, localizao
de plos e perfil de resposta em freqncia.
a considerao de todos estes objetivos na determinao de uma nica funo-
custo dificulta a formalizao da soluo. Mtodos numricos de otimizao
podem ser empregados, mas a garantia de otimalidade global perdida.
mesmo com todas estas dificuldades, a sntese de controladores robustos,
principalmente para o caso de sistemas multivariveis, conduz a leis de
controle de alta qualidade quando comparadas s solues sugeridas pelos
mtodos clssicos.
a seguir, apresentada uma tabela que procura descrever o desenvolvimento
da teoria de controle, com uma diviso em trs perodos mais significativos.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 8


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

Controle Clssico Controle Moderno Controle Robusto


1930-1960 1960-1980 1980-nossos dias
Diagramas de Bode Modelo por Espao de Decomposio em
Critrio de Nyquist Estados Valores Singulares
anlise Critrio de Routh-Hurwitz Controlabilidade Anlise
Lugar das Razes (Evans) Observabilidade Fatorizao Espectral
Margens de Ganho e Fase Processos Estocsticos Inequaes Matriciais
Filtro de Kalman sntese H
Controladores PID
sntese PLQ
sntese H2/H
Compensao Lead-Lag PLQG
sntese

domnio da freqncia domnio do tempo domnio da freqncia,


paradigma com modelos por espao
SISO MIMO de estados

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 9

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

a tendncia em controle robusto aperfeioar os modelos de incertezas, de


modo a reduzir ao mximo o conservadorismo da soluo. Alm disso,
projetos auxiliados por computador, dotados de elevados nveis de automao
so esperados.
para finalizar, necessrio abordar a seguinte questo: Por que a indstria, em
sua grande maioria, ainda opera na dependncia de ferramentas de controle
clssico?
1. inrcia: a indstria s vai investir na substituio das solues de
controle hoje instaladas quando estas passarem a influir fortemente na
produtividade e quando os problemas de controle se tornarem mais e
mais complexos;
2. custo: necessrio reduzir ainda mais os custos com sensores, atuadores
e processadores computacionais de alto desempenho;

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 10


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

3. mo-de-obra qualificada: no h mo-de-obra suficientemente


qualificada para operar e realizar manuteno em todo o parque
industrial, caso se adote imediatamente tcnicas avanadas de controle;
4. idealizao acadmica: muitos dos resultados j publicados no
consideram as limitaes prticas vinculadas implementao;
5. resultados inacessveis: os resultados j obtidos so documentados em
nveis de sofisticao matemtica inacessveis aos simples mortais.
a teoria de controle robusto, geralmente voltada para o caso de sistemas
MIMO, no deve ser vista como substituta incondicional de tcnicas de
controle clssico, geralmente voltadas para o caso de sistemas SISO, mas sim
como uma extenso e/ou complementao.
no se est sugerindo que se abandone, do dia para a noite, dcadas de
conhecimento acumulado, mas sim que se procure ampli-lo substancialmente
com novos conhecimentos j devidamente formalizados.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 11

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

3 Controle Adaptativo

o principal objetivo de controle por realimentao obter um sistema que seja


capaz de manter um nvel esperado de desempenho mesmo frente a
perturbaes e variaes nas caractersticas do sistema de controle.
controle clssico e robusto provem respectivamente padres de estabilidade
relativa e medidas de custo garantido que representam um fator de segurana
para variaes e incertezas no sistema de controle.
no entanto, algumas plantas apresentam variaes to amplas e com efeitos
significativos sobre o comportamento dinmico que um ganho de realimenta-
o linear e com coeficientes constantes incapaz de fornecer a flexibilidade
necessria para atender s especificaes de desempenho. Sendo assim, passa
a ser necessrio medir continuamente estas variaes e ento ajustar
devidamente os parmetros de controle (ganhos no-lineares).

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 12


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

logo, controle adaptativo a denominao atribuda ao de controle de


sistemas capazes de modificar seus prprios parmetros em resposta a
alteraes verificadas em algum mdulo que esteja sendo monitorado. Neste
sentido, adaptar-se significa mudar o comportamento em resposta a novas
circunstncias de operao, com o objetivo de manter um nvel esperado de
desempenho.
na verdade, controle adaptativo uma extenso natural de sistemas
realimentados clssicos (os quais j se ajustam a novas circunstncias),
buscando projetar controladores dotados de maior grau de autonomia.
importante mencionar que a teoria de controle adaptativo foi muito ativa nos
anos 50, pois a motivao era desenvolver sistemas de controle de vo para
aeronaves supersnicas, j que ganhos constantes no eram suficientes para
sustentar a operao na regio supersnica.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 13

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

muitas das principais idias de controle adaptativo foram concebidas nesta


poca, mas no havia hardware para implementaes confiveis, j que se
empregava computadores analgicos dedicados.
sistemas de controle adaptativo so caracterizados pela existncia de duas
malhas de realimentao:
1. malha de controle convencional;
2. malha de adaptao, responsvel por monitorar o desempenho e ajustar os
parmetros do controlador de acordo com as condies de operao em vigor.
Mecanismo de
Adaptao
Malha de realimentao 2

yd
u y
Controlador Planta

Malha de realimentao 1

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 14


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

requisitos necessrios: conceitos de controle clssico por realimentao, teoria


de sistemas no-lineares e de identificao de sistemas, controle digital.
conceitos de teoria de estabilidade e identificao de sistemas, desenvolvidos
nos ltimos anos, so tambm fundamentais para controle adaptativo.
o primeiro sistema adaptativo foi comercializado nos anos 80, sendo que
praticamente todas as implementaes prticas geralmente envolvem ajuste de
parmetros de controladores simples, como controladores PID.
no se trata de uma rea de atuao madura, sendo que muitos algoritmos e
abordagens contm aspectos empricos. No entanto, evidente o incremento
em desempenho apresentado por certos controladores adaptativos frente a
alternativas no-adaptativas.
hoje possvel recorrer a poderosos microprocessadores (processadores
digitais de sinais - PDS) e eletrnica de potncia.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 15

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

3.1 Tipos de Controle Adaptativo

tcnicas de controle adaptativo podem tambm ser vistas como uma forma
automtica de realizar tarefas que engenheiros de controle normalmente
executam visando obter parmetros adequados para controladores.

3.1.1 Controle Adaptativo por Modelo de Referncia

um mtodo direto, pois as regras de ajuste indicam como os parmetros do


controlador devem ser ajustados.
foi originalmente concebido como uma soluo para problemas de controle de
vo, naturalmente formulado como um problema de servomecanismo.
existem duas idias bsicas envolvidas em sua concepo:
1. o objetivo do sistema em malha fechada formulado como um problema de
seguimento de modelo;

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 16


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

2. os parmetros do controlador so ajustados por processos iterativos (por


exemplo, pelo mtodo do gradiente), usando uma taxa de adaptao.

Figura 1 - Exemplo de uma tcnica de controle adaptativo por modelo de referncia

como ajustar o controlador sabendo que o erro est definido depois do


processo (planta)? tcnicas de anlise de sensibilidade

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 17

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

infelizmente, no h resultados gerais referentes estabilidade do sistema. A


estabilidade vai depender do sinal de entrada e da taxa de adaptao. Em
muitos casos, os sistemas so estveis para taxas de adaptao suficientemente
pequenas.

3.1.2Reguladores Auto-Ajustveis

um mtodo indireto, pois aqui os parmetros do modelo da planta so


ajustados e os parmetros do controlador so obtidos por procedimentos de
projeto.
existem dois mdulos bsicos:
1. estimador recursivo de parmetros da planta (identificao de sistemas);
2. procedimento de projeto do controlador.
atuao iterativa: a cada instante discreto de tempo, um passo completo de
cada mdulo executado.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 18


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

Figura 2 - Exemplo de uma tcnica de controle adaptativo do tipo regulador auto-ajustvel

definio pragmtica de controle adaptativo (CHALAM, 1987): Um sistema de


controle adaptativo deve prover continuamente o estado do processo, ou seja,
identific-lo; deve comparar o desempenho do sistema com o considerado
timo ou desejvel e decidir adapt-lo de modo que ele tenda a apresentar o
desempenho desejado; e finalmente realizar o ajuste propriamente dito.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 19

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

4 Controle Inteligente

desenvolvimentos em teoria de controle timo, controle robusto e controle


adaptativo tm expandido de forma significativa o conceito de automao e
ampliado a factibilidade de controle automtico na prtica.
no entanto, as tcnicas envolvidas geralmente dependem da existncia de um
modelo matemtico para a planta e o controlador, alm de requerer formas
estruturadas de representao e lgica clssica.
tcnicas de controle inteligente, por sua vez, buscam gerar aes de controle
efetivas sem recorrer a tais hipteses.
alguns atributos de sistemas de controle inteligente:
aprendizado automtico
auto-reconfigurao
mecanismos de inferncia

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 20


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

elaborao e uso de planejamentos


mecanismos de tomada de deciso
habilidade para extrair as informaes mais relevantes de bases de dados
no-rotuladas, no-estruturadas e ruidosas
um sistema de controle inteligente deve apresentar, portanto, um alto grau de
autonomia:
detectando alteraes na planta ou no ambiente;
tomando decises mesmo na presena de informaes incompletas ou
conflitantes, provenientes de mltiplos sensores;
gerando modelos ou representaes qualitativas;
gerando aes apropriadas para modificar o desempenho do sistema
frente a eventos inesperados;
reconfigurando o sistema na presena de falhas internas;

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 21

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

integrando vrias funes de controle: identificao de plantas, adaptao,


incorporao de perturbaes e incertezas nos modelos.
qual a forma mais eficaz de representar conhecimento em uma mquina?
inicialmente, conhecimento estava associado a uma lista de propriedades
das coisas;
apenas no sculo 19 foi feita a associao de conhecimento a redes de
proposies, resultando primeiramente na lgica proposicional, e ento na
lgica de predicados;
hoje: semitica computacional
a semitica estuda os aspectos bsicos dos fenmenos da cognio e da
comunicao. A cognio trata da apreenso e compreenso dos fenmenos
que ocorrem no ambiente e a comunicao trata de estudar como os
fenmenos apreendidos e compreendidos podem ser transmitidos entre os
seres inteligentes (Peirce, 1990).

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 22


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

ciberntica: tratamento unificado de controle e informao nos organismos


vivos e nas mquinas (WIENER, 1948).
em ALBUS (1991), inicia-se um processo de sistematizao dos sistemas
inteligentes, na tentativa de se criar uma teoria matemtica que alicerce as
diversas reas que utilizam direta ou indiretamente a inteligncia humana
como fonte de inspirao para a resoluo de problemas de engenharia.

Julgamento de
Valor (JV)

Percepo Gerao de
Sensorial (PS) Comportamento (GC)

Modelo do
Ambiente (MA)

Sensores Atuadores

Ambiente

Figura 3 - Mdulos de um Sistema Inteligente (ALBUS; 1991)

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 23

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

Turing, Von Neumann, Minsky, McCarthy inteligncia artificial


investigao mais profunda acerca do corpo humano e seu sistema de controle
motor, com estimativas mais realistas acerca do poder do crebro humano.
inteligncia computacional (ZURADA et al., 1994): conciliar aspectos de
sistemas inteligentes com aspectos de sistemas computacionais.
objetivos bsicos da inteligncia computacional:
1. desenvolvimento do crebro artificial: projetar sistemas computacionais
com capacidade de processamento semelhante ao crebro humano;
2. uso mais eficaz do computador convencional: explorar as arquiteturas
computacionais hoje existentes na implementao de solues mais
poderosas para problemas de grande complexidade, empregando algoritmos
inspirados em mecanismos sabidamente adotados por sistemas inteligentes.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 24


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

4.1 Estudo de casos

redes neurais e controle de processos

Operador u y
Humano Planta

Informao
Sensorial

-
um +

X : :
: :

BP e = um-u

Figura 4 - Arquitetura de um controle baseado em redes neurais para imitar um operador humano

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 25

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

r u y
x : : Planta
: :

atrasos

x : :
: :

BP
+

Figura 5 - Arquitetura para o projeto de controladores no caso de plantas no-lineares desconhecidas:


Retropropagao do erro de sada

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 26


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

navegao autnoma (inteligncia emocional)

alvo

obstculo
veculo
autnomo

controle nebuloso
variveis: T (temperatura), u (entrada de calor)
projetar um controlador nebuloso que mantenha a temperatura de um
tanque constante

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 27

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

5 Referncias
Controle Clssico
BLACK, H.S. Inventing the negative feedback amplifier, IEEE Spectrum, pp. 54-60, 1977.
LEVIS, A.H., MARCUS, S.I., PERKINS, W.R., KOKOTOVIC, P., ATHANS, M., BROCKETT, R.W. & WILLSKY, A.S.
Challenges to Control: A Collective View, Report of the Workshop Held at the University of Santa Clara on
September 18-19, 1986, IEEE Transactions on Automatic Control, vol. AC-32, no. 4, pp. 275-285, 1987.

Controle Robusto
BERNSTEIN, D.S. & HADDAD, W.M. LQG control with an H performance bound: A Riccati equation approach, IEEE
Transactions on Automatic Control, vol. 34, no. 3, pp. 293-305, March 1989.
DAILEY, R.L. Lesson Seven: Robust Control, in Masten, M.K. (ed.) Modern Control Systems, IEEE Press, 1995.
DOYLE, J.C., FRANCIS, B.A. & TANNENBAUM, A.R. Feedback Control Theory, Macmillan Publishing Company, 1992.
DOYLE, J.C., GLOVER, K., KHARGONEKAR, P.P. & FRANCIS, B.A. State-Space Solutions to Standard H2 and H Control
Problems, IEEE Transactions on Automatic Control, vol. 34, no. 8, pp. 831-847, August 1989.
FRANCIS, B.A. A Course in H Control Theory, Lecture Notes in Control and Information Sciences, vol. 88, Springer-
Verlag, 1987. (primeiro livro na rea de controle H)
IGLESIAS, P.A. & GLOVER, K. State-space approach to discrete-time H control, International Journal of Control, vol.
54, no. 5, pp. 1031-1073, 1991.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 28


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

KAMINER, I., KHARGONEKAR, P.P. & ROTEA, M.A. Mixed H2/H Control for Discrete-time Systems via Convex
Optimization, Automatica, vol. 29, no. 1, pp. 57-70, January 1993.
KWAKERNAAK, H. Robust Control and H-Optimization - Tutorial Paper, Automatica, vol. 29, no. 2, pp. 255-273,
March 1993.
PERES, P.L.D., GEROMEL, J.C. & BERNUSSOU, J. Quadratic Stabilizability of Linear Uncertain Systems in Convex-
bounded Domains, Automatica, vol. 29, no. 2, pp. 491-493, March 1993.
SCHERER, C. H-Control by State-Feedback and Fast Algorithms for the Computation of Optimal H-Norms, IEEE
Transactions on Automatic Control, vol. 35, no. 10, pp. 1090-1099, October 1990.
ZAMES, G. Feedback and Optimal Sensitivity: Model Reference Transformations, Multiplicative Seminorms, and
Approximate Inverses, IEEE Transactions on Automatic Control, vol. 26, no. 2, pp. 301-320, April 1981.
(formulao original H para sistemas SISO)
ZHOU, K. & DOYLE, J.C. Essentials of Robust Control, Prentice Hall, 1998.

Controle Adaptativo
ASTRM, K.J. Theory and Applications of Adaptive Control - A Survey, Automatica, vol. 19, pp. 471-486, 1983.
ASTRM, K.J. Lesson 9: Adaptive Control, in Masten, M.K. (ed.) Modern Control Systems, IEEE Press, 1995.
ASTRM, K.J. & WITTENMARK, B. Adaptive Control, 2nd edition, Addison Wesley Publishing Company, 1995.
ASTRM, K.J. & WITTENMARK, B. On Self-Tuning Regulators, Automatica, vol. 9, pp. 185-199, 1973.
CHALAM, V. Adaptive Control Systems, Marcel Dekker, 1987.
LANDAU, Y.D. Adaptive Control: The Model Reference Approach, New York: Marcel Dekker, 1979.
LJUNG, L. System Identification - Theory for the User, Prentice Hall, 1987.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 29

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

NARENDRA, K.S. & ANNASWAMY, A.M. Stable Adaptive Systems, Prentice Hall, 1989.
ORTEGA, R. & TANG, Y. Robustness of Adaptive Controllers - A Survey, Automatica, vol. 25, no. 5, pp. 651-677, 1989.
WHITAKER, H.P., YAMRON, J. & KEZER, A. Design of model-reference adaptive control systems for aircraft, Report R-
164, Instrumentation Laboratory, MIT, Cambridge, 1958.
WITTENMARK, B., ASTRM, K.J. Pratical Issues in the Implementation of Self-tuning Control, Automatica, vol 20, pp.
595-605, 1984.

Controle Inteligente
ALBUS, J.S. Outline for a Theory of Intelligence, IEEE Trans. on Systems, Man, and Cybernetics, vol. 21, no. 3, pp.
473-509, May/June 1991.
ANTSAKLIS, P.J. (ed.) Special issue on neural networks in control systems, IEEE Control Systems Magazine, vol. 10, n.
3, April 1990.
BARTO, A.R. Connectionist learning for control: An overview, in T. Miller, R.S. Sutton & P.J. Werbos (eds.) Neural
Networks for Control, Cambridge: MIT Press, 1990.
BILLINGS, S.A., JAMALUDDIN, H.B. & CHEN, S. Properties of neural networks with applications to modelling non-linear
dynamical systems, International Journal of Control, vol. 55, no. 1, pp. 193-224, 1992.
BROWN, M. & HARRIS, C. Neurofuzzy Adaptive Modelling and Control, Prentice Hall, 1994.
CHEN, F.-C. & KHALIL, H.K. Adaptive control of nonlinear systems using neural networks, International Journal of
Control, vol. 55, no. 6, pp. 1299-1317, 1992.
COX, E. The Fuzzy Systems Handbook, Academic Press/Morgan Kaufmann, Paperback, 750 pages, October 1998.
HAYKIN, S., Neural Networks - A Comprehensive Foundation, 2nd edition, Prentice Hall, 1999.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 30


EA932 - Prof. Von Zuben
DCA/FEEC/Unicamp

FOGEL, D.B., FUKUDA, T. & GUAN, L. (eds.) Special Issue on Computational Intelligence, Proceedings of the IEEE,,
vol. 87, no. 9, 1999.
HARRIS, C.J., MOORE, C.G. & BROWN, M. Intelligent Control Aspects of Fuzzy Logic and Neural Nets, World
Scientific, 1993.
HUNT, K.J., SBARBARO, D., ZBIKOWSKI, R. & GAWTHROP, P.J. Neural Networks for Control Systems - A Survey,
Automatica, vol. 28, no. 6, pp. 1083-1112, 1992.
KOSKO , B. Fuzzy Engineering, Prentice Hall, 549 pages, October, 1996.
LEE, C.C. Fuzzy Logic in Control Systems: Fuzzy Logic Controllers Parts I and II, IEEE Trans. Systems, Man, and
Cybernetics, vol. 20, no. 2, pp. 404-435, 1990.
LEVIN, A. & NARENDRA, K.S. Control of nonlinear dynamical systems using neural networks: controllability and
stabilization, IEEE Trans. Neural Networks, vol. 4, no. 2, pp. 192-206. March 1993.
LI, H.-X. & GATLAND, H.B. A New Methodology for Designing a Fuzzy Logic Controller, IEEE Trans. Systems, Man,
and Cybernetics, vol. 25, no. 3, pp. 505-512, March 1995.
LIN, C.-T. & LEE, C.S.G. Neural-Network-Based Fuzzy Logic Control and Decision System, IEEE Trans. on
Computers, vol. 40, no. 12, pp. 1320-1336, December 1991.
MAEDA, M. & MURAKAMI, S. A Design for a Fuzzy Logic Controller, Information Sciences, vol. 45, pp. 315-330, 1988.
MILLS, P.M., ZOMAYA, A.Y. & TAD, M.O. Neuro-Adaptive Process Control A Practical Approach, John Wiley &
Sons, 1996.
NARENDRA, K.S. & MUKHOPADHYAY, S. Intelligent Control Using Neural Networks, IEEE Control Systems Magazine,
vol. 12, no. 2, p. 11-18, 1992.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 31

EA932 - Prof. Von Zuben


DCA/FEEC/Unicamp

NARENDRA, K.S. & MUKHOPADHYAY, S. Adaptive Control of Nonlinear Multivariable Systems Using Neural
Networks, Neural Networks, vol. 7, no. 5, pp. 737-752, 1994.
NARENDRA, K. S. & PARTHASARATHY, K. Identification and Control of Dynamical Systems Using Neural Networks,
IEEE Transactions on Neural Networks, vol. 1, no. 1, p. 4-27, 1990.
NG, G.W. Application of Neural Networks to Adaptive Control of Nonlinear Systems, John Wiley & Sons Inc., 1997.
PEDRYCZ, W. & GOMIDE, F. An Introduction to Fuzzy Sets: Analysis and Design, Complex Adaptive Systems, MIT
Press, Hardcover, 475 pages, May 1998.
PEIRCE, C.S. Semitica, Coleo Estudos, tomo 46, 2a. edio, Editora Perspectiva, Traduo parcial de: The Collected
Papers of Charles Sanders Peirce, em vrios volumes, edies e datas diversas, 1990.
SHOURESHI, R.A. Lesson 10: Intelligent Control Systems, in Masten, M.K. (ed.) Modern Control Systems, IEEE Press,
pp. 347-374, 1995.
SUGENO, M. An Introductory Survey of Fuzzy Control, Information Sciences, vol. 36, pp. 59-83, 1985.
SUYKENS, J.A.K., DE MOOR, B.L.R. & VANDEWALLE, J. Nonlinear system identification using neural state space models,
applicable to robust control design, International Journal of Control, vol. 62, no. 1, pp. 129-152, 1995.
VON NEUMANN, J. The Computer and the Brain. Yale University Press, New Haven, 1958.
WHITE, D.A. & SOFGE, D.A. Handbook of Intelligent Control Neural, Fuzzy and Adaptive Approaches, Van Nostrand
Reinhold, 1992.
WIENER, N. Cybernetics, MIT Press, Cambridge, MA, 1948.
ZURADA, J.M., MARKS II, R.J. & ROBINSON, C.J. (eds.), Computational Intelligence - Imitating Life, IEEE Press, 1994.

Tpico 10 - Tpicos Avanados: Controle Robusto, Controle Adaptativo e Controle Inteligente 32