UNIVERSIDADE FEDERAL DE OURO PRETO ESCOLA DE MINAS COLEGIADO DO CURSO DE ENGENHARIA DE CONTROLE E AUTOMAO CECAU

Universidade Federal de Ouro Preto

GABRIEL CYPRIANO LINHARES

CONTROLE DAS CONDIES DE CONFORTO TRMICO NUM AMBIENTE UTILIZANDO LGICA FUZZY

MONOGRAFIA DE GRADUAO EM ENGENHARIA DE CONTROLE E AUTOMAO

Ouro Preto, 2010

GABRIEL CYPRIANO LINHARES

CONTROLE DAS CONDIES DE CONFORTO TRMICO NUM AMBIENTE UTILIZANDO LGICA FUZZY

Monografia apresentada ao Curso de Engenharia de Controle e Automao da Universidade Federal de Ouro Preto como parte dos requisitos para a obteno do Grau de Engenheiro de Controle e Automao.

Orientador: Henor Artur de Souza

Ouro Preto Escola de Minas UFOP Julho/2010

" medida que a complexidade aumenta, as declaraes precisas perdem relevncia e as declaraes relevantes perdem preciso." Lotfi Zadeh

Eu chamo isso de problema da falta de correspondncia: o mundo cinza, mas a cincia preta e branca. Falamos em termos de zeros e uns, mas a verdade se encontra entre eles. Bart Kozko

RESUMO

O controle da temperatura do ar no interior de um ambiente visa assegurar ambientes confortveis para as pessoas viverem ou trabalharem, uma vez que baixos nveis de conforto tm um efeito direto no desempenho das atividades e na produtividade dos ocupantes e tambm na sade dos mesmos. No desenvolvimento de um sistema para regulao do clima interno em um ambiente se deve levar em considerao requisitos por vezes conflitantes, como a obteno das condies de conforto e a minimizao do consumo de energia para o condicionamento. O controle fuzzy uma alternativa prtica para esse problema, uma vez que ele fornece um mtodo conveniente para a construo de controladores no-lineares por meio da utilizao de conhecimento, alm de apresentar caractersticas de flexibilidade e uso intuitivo e tolerar uma quantidade razovel de impreciso e incerteza. Neste trabalho, desenvolvido um modelo matemtico que representa as trocas trmicas entre o ambiente interno e o ambiente externo atravs dos elementos de fechamento, levando em considerao as fontes internas de calor. Para a regulao da temperatura do ar interno, so desenvolvidos trs sistemas de controle baseados em lgica fuzzy: um que controla o fator de sombreamento da janela, regulando a quantidade de radiao solar incidente (modelo 1); um que controla o ngulo de abertura, regulando a corrente de ar da ventilao natural (modelo 2) e um terceiro que utiliza a combinao dos dois primeiros (modelo 3). As simulaes so realizadas no software MATLAB/Simulink e, de acordo com os resultados obtidos, observa-se que os sistemas de controle 1 e 3 conseguem controlar satisfatoriamente a temperatura do ar interno, assegurando as condies desejadas de conforto humano.

Palavras-chave: ambiente construdo, modelagem matemtica, simulao numrica, controle fuzzy, conforto trmico

ABSTRACT

The control of indoor air temperature aims to ensure suitable working and living spaces to people, since the lack of comfort directly affects the performance and the productivity of the occupants. In the design of a indoor thermal conditions regulation system, conflicting requirements must be considered, such as the achievement of comfortable conditions and the minimization of auxiliary energy consumption. Fuzzy control is a practical alternative for this problem, since it provides a convenient method for constructing nonlinear controllers via the use of knowledge. Besides, it presents flexibility, intuitive use and tolerance to a reasonable amount of imprecision, vagueness and uncertain. In this work, a mathematical model representing the energy flows through the envelope of a building is developed. In order to regulate the indoor air temperature, three fuzzy control systems are designed: one that changes the window shading, regulating the amount of solar radiation that reaches the window (model 1); one that vary the window opening angle, regulating the air flow due to natural ventilation (model 2) and another one that uses both control actions (model 3). Simulations are accomplished via MATLAB/Simulink and results show that models 1 and 3 control the indoor air temperature in a satisfactory way, ensuring the desired human comfort conditions.

Keywords: indoor environment, mathematical modelling, numerical simulation, fuzzy control, thermal comfort

LISTA DE ABREVIATURAS HVAC Heating, Ventilation and Air Conditioning Aquecimento, Ventilao e Condicionamento de Ar PID Proportional, Integral and Derivative Proporcional, Integral e Derivativo PI Proportional and Integral Proporcional e Integral PD Proportional and Derivative Proporcional e Derivativo ASHRAE American Society of Heating, Refrigerating and Air Conditioning Engineers Sociedade Americana de Engenheiros em Aquecimento, Refrigerao e Condicionamento de Ar PMV Predicted Mean Vote Voto Mdio Estimado MIMO Multiple-Inputs/Multiple-Outputs Mltiplas Entradas e Mltiplas Sadas MISO Multiple-Inputs/Single-Output Mltiplas Entradas e Uma Sada LQG Linear Quadratic Gaussian Linear Quadrtico Gaussiano P Proportional Proporcional D Derivative Derivativo I Integral Integral SVD Singular Value Decomposition Decomposio Singular de Valor ZE Zero Zero PS Positive Small Positivo Pequeno NS Negative Small Negativo Pequeno COA Center of Area Centro de rea SOM Smallest of Maximum Primeiro Mximo MOM Mean of Maximum Mdia dos Mximos IEEMS Indoor Environment Energy Management System Sistema Integrado de Gerenciamento de Energia de um Ambiente Interno HCS Hierarchical Collaborative Structure Estrutura Colaborativa Hierrquica

LISTA DE SMBOLOS c calor especfico (J/(kg.C)) massa especfica (kg/m3) k condutividade trmica (W/(m.C)) mar massa do ar interno (kg) car calor especfico do ar a presso constante (J/kg C) Ta temperatura do ar interno (K) Qconv taxa de calor devido conveco entre o ar interno e uma superfcie (W) Qvidro taxa de calor atravs do vidro da janela (W) Qvent taxa de calor devido ventilao (W) Qint taxa de calor devido aos ganhos internos (W) ar massa especfica do ar (kg/m3) Vsala volume da sala (m3) Avidro rea envidraada da janela (m) vidro transmissividade do vidro Fs fator de sombreamento I radiao solar incidente (W/m) Uvidro coeficiente global de transferncia de calor em relao ao vidro (W/(m C)) Te temperatura do ar externo (K) he coeficiente convectivo de troca de calor associado ao ar externo (W/(m C)) ha coeficiente convectivo de troca de calor associado ao ar interno (W/(m C)) vazo volumtrica de ar da ventilao natural (m/s) Aef rea efetiva da janela (m2) ngulo de abertura da janela (rad) Vef velocidade mdia efetiva do ar interno (m/s) vext velocidade do ar externo (m/s) T diferena de temperatura entre o ambiente interno e o ambiente externo (K) Ti temperatura da superfcie i (K) Ai rea da superfcie interna i (m2) mi massa do elemento de fechamento i (kg) ci calor especfico do elemento de fechamento i (J/(kg C)) n nmero de camadas do elemento

Qcond taxa de calor de conduo atravs dos elementos de fechamento (W) Qrad taxa de calor de radiao entre duas superfcies (W) Ui coeficiente de global de transferncia de calor (W/(m C)) Tarsol temperatura ar-sol (K) absortividade Fij fator de forma entre as superfcies i e j constante de Stefan-Boltzmann (W/m K4)

LISTA DE FIGURAS FIGURA 1.1 Esquema de um sistema de controle de ambiente FIGURA 2.1 Funo de pertinncia triangular FIGURA 2.2 Funo de pertinncia trapezoidal FIGURA 2.3 Funo de pertinncia gaussiana FIGURA 2.4 Funo de pertinncia sino generalizado FIGURA 2.5 Funo de pertinncia sigmide FIGURA 2.6 Funo de pertinncia polinomial PI FIGURA 2.7 Funo de pertinncia do conjunto de pessoas jovens FIGURA 2.8 Principais t-normas FIGURA 2.9 Principais t-conormas FIGURA 2.10 Implicaes: i) Mamdani, ii) Larsen, iii) Gdel FIGURA 2.11 Varivel lingstica temperatura FIGURA 2.12 Estrutura de um controlador fuzzy FIGURA 2.13 Funes de pertinncia FIGURA 2.14. Implicao FIGURA 2.15. Agregao FIGURA 2.16 Metodologia de desenvolvimento FIGURA 3.1 Projeto de um sistema de controle FIGURA 3.2 Identificao da dinmica do processo ou planta FIGURA 3.3 Identificao do comportamento do operador de controle FIGURA 3.4 Respostas do ndice PMV para uma edificao FIGURA 3.5 Configurao bsica do controlador fuzzy FIGURA 3.6 Esquema simplificado do sistema de controle fuzzy adaptativo FIGURA 3.7 Sinal de sada (PMV) FIGURA 3.8 Comportamento do PMV e da potncia do ventilador FIGURA 3.9 Evoluo do voto estimado mdio (PMV) FIGURA 3.10 Evoluo da temperatura interna FIGURA 3.11 Evoluo da potncia do atuador FIGURA 3.12 Esquema de controle para iluminao e temperatura FIGURA 3.13 Esquema do loop de iluminao FIGURA 3.14 Esquema do loop de temperatura

17 23 23 24 24 24 24 24 25 25 26 27 28 32 33 33 36 41 45 45 49 50 51 52 53 54 54 54 56 56 57

FIGURA 4.1 Planta do segundo pavimento do prdio FIGURA 4.2 Perspectiva do modelo FIGURA 4.3 Representao grfica do ambiente analisado FIGURA 4.4 Representao grfica do ambiente analisado FIGURA 4.5 Camadas da parede externa FIGURA 4.6 Camadas da parede interna FIGURA 4.7 Camadas do telhado FIGURA 4.8 Volume de controle esquemtico do ambiente. FIGURA 4.9 Retngulos alinhados paralelos FIGURA 4.10 Retngulos perpendiculares com um vrtice comum FIGURA 4.11 Modelo da planta FIGURA 4.12 Perfil de temperatura externa para um dia tpico de vero FIGURA 4.13 Variao temporal da radiao solar FIGURA 4.14 Perfil de temperatura do ar interno FIGURA 4.15 FIS Editor: Janela principal do Toolbox FIGURA 4.16 Janela de edio das funes de pertinncia FIGURA 4.17 Janela de edio de regras FIGURA 4.18 Janela de visualizao das regras FIGURA 4.19 Janela de visualizao da superfcie de sada FIGURA 4.20 Sistema de controle 1: controle por sombreamento FIGURA 4.21 Funo de pertinncia para radiao-solar FIGURA 4.22 Funo de pertinncia para temperatura-interna FIGURA 4.23 Funes de pertinncia para sombreamento FIGURA 4.24 Superfcie de sada do controlador FIGURA 4.25 Superfcie de sada do controlador FIGURA 4.26 Perfis de temperatura interna e externa FIGURA 4.27 Sinal de sada do controlador: fator de sombreamento FIGURA 4.28 Taxa de calor devido a perturbaes FIGURA 4.29 Temperatura interna mediante perturbao FIGURA 4.30 Sistema de controle 2: controle por ventilao natural FIGURA 4.31 Funes de pertinncia para temperatura interna FIGURA 4.32 Funes de pertinncia para temperatura externa FIGURA 4.33 Funes de pertinncia para abertura da janela

60 60 60 61 61 61 61 64 67 68 69 71 71 71 74 74 75 76 76 77 78 78 78 78 79 80 80 80 81 81 82 82 82

FIGURA 4.34 Superfcie de sada do controlador FIGURA 4.35 Superfcie de sada do controlador FIGURA 4.36 Perfis de temperatura interna e externa FIGURA 4.37 Sinal de sada do controlador: ngulo de abertura FIGURA 4.38 Temperatura interna mediante perturbao FIGURA 4.39 Sistema de controle 3: controle por sombreamento e ventilao natural FIGURA 4.40 Perfis de temperatura interna e externa FIGURA 4.41 Fator de sombreamento FIGURA 4.42 ngulo de abertura da janela FIGURA 4.43 Temperatura interna mediante perturbao

83 83 84 85 85 86 86 87 87 87

LISTA DE QUADROS Quadro 2.1 Principais mtodos de defuzzificao Quadro 2.2 Passos iniciais no desenvolvimento de um controlador fuzzy Quadro 4.1 Modelos de controle propostos

34 35 72

LISTA DE TABELAS Tabela 2.1 Principais t-normas e t-conormas Tabela 2.2 Principais operadores de implicao Tabela 4.1 Propriedades termofsicas dos elementos de fechamento Tabela 4.2 Dados utilizados e valores das constantes nas equaes Tabela 4.3 Valores calculados Tabela 4.4 Fatores de forma calculados

25 26 62 69 70 70

SUMRIO

1 1.1 1.2 1.3 1.4 2 2.1 2.2 2.2.1 2.2.2 2.2.3 2.3 2.3.1 2.3.2 2.3.3 2.3.3.1 2.3.3.2 2.3.3.3 2.3.3.4 2.3.4 2.3.5 3 3.1 3.2 3.3 3.4 3.5 3.6 3.7 4

INTRODUO Objetivo Metodologia Justificativa Estrutura do trabalho FUNDAMENTOS DE LGICA FUZZY Lgica clssica e lgica fuzzy Teoria dos conjuntos fuzzy Funes de pertinncia Operaes bsicas dos conjuntos fuzzy Variveis lingsticas Controladores fuzzy Interface de fuzzificao Base de conhecimento Mecanismo de inferncia Modelo clssico Modelo de interpolao Comparao entre os modelos de Sugeno e Mamdani Exemplo de uma inferncia fuzzy Interface de defuzzificao Metodologia de projeto de controladores fuzzy CONTROLE DE UM AMBIENTE Condies de Conforto Modelagem Modelagem fuzzy Modelagem convencional comparada modelagem fuzzy Tcnicas convencionais de controle Controle fuzzy Aplicaes utilizando controle fuzzy

16 18 18 19 19 20 20 21 22 24 25 27 27 28 30 30 31 31 32 33 34 38 38 40 42 44 45 47 48 59 59 62 69 69 72 73 77

APLICAO: ESTUDO DO COMPORTAMENTO TRMICO DE UM AMBIENTE 4.1 Estudo de caso - ambiente analisado 4.2 Modelo matemtico 4.3 Simulao 4.3.1 Dados de entrada 4.3.2 Projeto dos sistemas de controle 4.3.2.1 Ferramenta de projeto 4.3.2.2 Sistema de controle 1: controle por sombreamento

4.3.2.3 Sistema de controle 2: controle por ventilao 4.3.2.4 Sistema de controle 3: controle por sombreamento e ventilao 5 CONCLUSES REFERNCIAS

81 85 88 90

1 INTRODUO

Existe atualmente um crescente interesse mundial no projeto de edificaes com baixo consumo de energia. A busca pelo desenvolvimento sustentvel leva os projetistas de edificaes em direo a utilizao de estratgias passivas de condicionamento para maximizar o desempenho trmico do ambiente e minimizar o uso de plantas mecnicas, especialmente em sistemas de refrigerao. Muita ateno tem sido focada em tirar vantagem e fazer uso da radiao solar para o aquecimento natural e da ventilao natural para o resfriamento passivo (EFTEKHARI; MARJANOVIC, 2003; DOUNIS; CARAISCOS, 2009; KOLOKOTSA et al., 2005).

A envoltria da edificao desempenha um papel importante no controle da transmisso de calor entre o espao interno e o espao externo. Sua principal funo atuar como um modificador passivo do clima de forma a manter um ambiente interno mais adequado para habitao do que o ambiente externo. Entretanto, a envoltria da edificao dificilmente consegue garantir sozinha que as condies internas sejam sempre confortveis para os ocupantes ou adequadas para os propsitos a que se destinam os espaos internos, especialmente durante perodos de condies externas desfavorveis (UNDERWOOD; YIK, 2004).

As propriedades da envoltria da edificao, especialmente de suas partes transparentes, tm influncia significante na interao entre os ambientes interno e externo, em funo destes elementos transmitirem em grande proporo a radiao solar incidente. A radiao solar e tambm a temperatura externa so parmetros que influenciam as condies trmicas internas de um ambiente por meio de perdas e ganhos trmicos e entrada de luz na edificao. O uso correto de fontes de energia naturais pode melhorar o desempenho ambiental de uma edificao (KRISTL et al., 2008).

Devido ao fato de a quantidade de energia disponvel na natureza variar o tempo todo, e como a ventilao natural induzida por foras que so de uma natureza incerta, ou seja, variveis, h necessidade de se controlar a corrente de ar resultante e regular automaticamente a envoltria da edificao de forma a obter bons resultados (KRISTL et al., 2008; EFTEKHARI; MARJANOVIC, 2003).

17

Frequentemente, as janelas so equipadas com diferentes sistemas de sombreamento flexveis, que permitem variar sua rea, de forma a controlar a radiao solar e a luz natural. Em alguns casos, vidros de alta tecnologia (eletrocrmico, fotocrmico, etc.) so usados, onde caractersticas ticas podem ser mudadas. Para regular a corrente de ar e a troca de ar interno, utiliza-se a abertura das janelas para ventilao natural ou sistemas de ventilao mecnica. Pode-se ter ainda sistemas auxiliares de aquecimento/resfriamento. Geralmente, todos esses sistemas so manipulados manualmente pelos usurios da edificao, de forma a assegurar condies de conforto interno. Por outro lado, o controle automtico das aberturas e/ou elementos de sombreamento mostra-se como uma nova oportunidade de controle indireto dos parmetros do ambiente interno de acordo com as condies externas (FIG. 1.1) (SKRJANC et al.., 2001; DOUNIS; CARAISCOS, 2009).

FIGURA 1.1 Esquema de um sistema de controle de ambiente Fonte: SKRJANC et al., 2001.

Avanos no campo da inteligncia artificial tm mostrado que o uso de tcnicas inteligentes para a automao de aberturas e elementos de sombreamento pode reduzir o consumo de energia e tambm pode manter as condies climticas internas em uma faixa de variao desejada. Apesar da aplicao de mtodos de inteligncia artificial na automao de edificaes ainda estar em sua fase inicial, muitos estudos tm sido conduzidos nos ltimos anos. Na maioria desses estudos o foco est na formulao de algoritmos para guiar dispositivos de sombreamento externos, de acordo com as demandas do usurio, levando em conta a economia de energia e o conforto interno. Na maioria dos casos, controladores baseados em lgica fuzzy so utilizados por causa de suas caractersticas de flexibilidade e uso intuitivo (KRISTL et al., 2008).

18

Um sistema inteligente de gerenciamento de energia e conforto tem como objetivos: a) alto nvel de conforto: obter a zona de conforto a partir da preferncia do usurio, e garantir um alto nvel de conforto (trmico, qualidade do ar e iluminamento); b) economia de energia: combinar o controle das condies de conforto com uma estratgia de economia de energia; c) resposta tima das variveis controladas, evitando sobresinais (overshootings) e oscilaes que podem causar perda de energia (KOLOKOTSA et al., 2001).

1.1 Objetivo

Estudar e analisar um sistema de controle da temperatura de um ambiente, utilizando lgica fuzzy, de forma a minimizar o consumo de energia para o condicionamento e garantir condies internas confortveis para o usurio.

O desenvolvimento deste estudo compreende os seguintes objetivos especficos: a) fundamentao de uma base terica em lgica fuzzy e controle fuzzy; b) anlise das interaes trmicas no ambiente interno e modelo matemtico das mesmas; c) definio dos parmetros e desenvolvimento do sistema de controle fuzzy; d) simulao numrica do modelo via MATLAB/Simulink; e) anlise da resposta do sistema de controle proposto.

1.2 Metodologia

Este estudo compreende: (a) balano de energia para as interaes trmicas entre o ambiente interno e o ambiente externo; (b) desenvolvimento do modelo de simulao do ambiente; (c) projeto do sistema de controle e (d) simulao numrica utilizando o sistema de controle proposto, via as ferramentas MATLAB/Simulink.

19

1.3 Justificativa O excesso de calor afeta a sade e o bem-estar das pessoas, podendo causar inquietao e perda de concentrao e, dessa forma, influenciar na sua produtividade. As situaes de desconforto podem ser prejudiciais criando efeitos psicolgicos sobre uma pessoa num determinado ambiente, alm de efeitos no corpo humano, como alterao nos batimentos cardacos e aumento da sudao. A sensao de conforto trmico est relacionada com as trocas de calor entre o corpo humano e o ambiente, e quanto mais agradveis forem as condies de conforto no ambiente, mais otimizada poder ser a tarefa realizada nesse local (FONTANELLA, 2009). Os requisitos de conforto esto ligados s condies de temperatura interna, e estas precisam ser controladas. Ao mesmo tempo, faz-se necessrio reduzir o consumo de energia para o condicionamento da edificao. Um sistema de controle baseado em lgica fuzzy lida naturalmente com o conceito fuzzy de conforto e bem adequado para fornecer decises em tempo real, garantindo conforto e uso racional de energia.

1.4 Estrutura do trabalho

No captulo 1 apresenta-se uma breve introduo, assim como o objetivo, a metodologia adotada e a justificativa do trabalho.

No captulo 2 so abordados os fundamentos da lgica fuzzy, incluindo a teoria dos conjuntos fuzzy, os componentes estruturais e a metodologia de projeto de controladores fuzzy.

No captulo 3 apresentam-se os conceitos das condies de conforto em um ambiente. So mostrados tambm alguns aspectos de modelagem convencional, modelagem fuzzy, controle convencional e controle fuzzy. Apresenta-se ainda uma reviso bibliogrfica sobre a aplicao da lgica fuzzy no controle das condies de conforto trmico de ambientes. No captulo 4 apresenta-se o modelo fsico e matemtico do ambiente e o modelo desenvolvido no MATLAB/Simulink. So mostrados tambm os sistemas de controle fuzzy desenvolvidos e os resultados obtidos das simulaes. No captulo 5 so mostradas as concluses do trabalho e logo a seguir as referncias.

2 FUNDAMENTOS DE LGICA FUZZY A teoria dos conjuntos fuzzy foi desenvolvida por Zadeh (1965), Mamdani1 (1975 apud CHENG, 2001), Sugeno2 (1972 apud CHENG, 2001) entre outros pesquisadores. Inicialmente a teoria foi aplicada com sucesso na rea de controle e logo difundida em outras reas como: inteligncia artificial, robtica, interface homem-mquina, base de dados, confiabilidade, medicina, cincias sociais, lingstica e psicologia.

Atualmente, devido ao sucesso do desenvolvimento de controladores no-lineares baseados na inferncia ou lgica fuzzy, a maior parte dos estudos se limita a esta rea e muitos autores utilizam o termo lgica fuzzy como sinnimo da Teoria dos Sistemas Fuzzy (CHENG, 2001).

Tomando como base os trabalhos de Passino e Yurkovich (1998), Sandri e Correa (1999), Cheng (2001) e Shaw e Simes (2007), descreve-se a fundamentao terica da lgica fuzzy nas prximas sees.

2.1 Lgica clssica e lgica fuzzy

A base lgica da matemtica clssica binria, de forma que a definio de um dado conceito tem que ser exata. Segundo a teoria clssica de conjunto, em relao a um conjunto A, um elemento x pode adquirir somente um de dois estados, precisamente definidos: x A ou x A.

Na matemtica clssica todos os conceitos precisam ser definidos com clareza e exatido, sendo que a lgica binria utilizada para julgar se uma proposio verdadeira ou falsa. Conceitos como grande, pequeno, gordo, magro, bonito, alto, claro, escuro, quente e barulhento so vagos e imprecisos. Os conjuntos tais como conjunto de nmeros grandes, conjunto de macacos gordos, conjunto de mulheres bonitas e conjunto de locais silenciosos, so conjuntos cujos contornos no so claramente definidos.

MAMDANI, E. H.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of Man-Machine Studies, v. 7, n. 1, p.1-13, 1975. 2 SUGENO, M. Fuzzy Measure and Fuzzy Integrals. Journal of Automation and Control, v.8 , n.2, p.218-226, 1972.

21

Esses conceitos geralmente no adquirem valores absolutos de verdadeiro ou falso e, por serem subjetivos, sua interpretao varia de pessoa para pessoa.

As teorias baseadas na matemtica clssica constroem modelos matemticos precisos, objetivos, exatos, frios, duros e que funcionam bem para fenmenos naturais simples e isolados ou problemas bem-definidos. Todavia, no so adequados aos problemas reais, geralmente mal-definidos devido a sua complexidade e a constante presena de subjetividade humana. Como exemplo, pode-se citar o modelamento dos conceitos subjetivos de frio e quente. Uma temperatura abaixo de 15C intuitivamente seria considerada frio e uma temperatura acima de 25C seria considerada quente. Entre as duas temperaturas, existe uma transio. Como a definio do contorno do conjunto e do elemento, de acordo com a matemtica clssica, tem que ser exata, no possvel modelar a regio de transio compreendida entre 15C e 25C. A temperatura de 20C s pode ser frio ou quente, e somente um dos dois. Porm, de acordo com a lgica fuzzy, uma temperatura de 20C um estado intermedirio, considerado como mais ou menos frio ou mais ou menos quente, com um grau de pertinncia de 50% (CHENG, 2001).

2.2 Teoria dos conjuntos fuzzy

A teoria dos sistemas fuzzy um conjunto de metodologias que permitem processar informaes vagas, indeterminadas. Do ponto de vista prtico, a teoria tem como objetivos o desenvolvimento de mtodos simples e robustos para aproveitar ativamente os dados incompletos, incertos, vagos, que geralmente so descartados pelos mtodos clssicos. Dentro do contexto da teoria dos sistemas fuzzy, o termo fuzzy, tambm chamado de nebuloso ou difuso, pode ser interpretado como contorno mal definido.

A Teoria dos Conjuntos Fuzzy o fundamento de toda a teoria dos sistemas fuzzy e consiste numa extenso da teoria clssica de conjuntos. De acordo com o princpio da extenso, as operaes da matemtica clssica podem ser estendidas aos seus correspondentes na matemtica fuzzy. Esse tipo de abordagem particularmente adequado ao estudo de fenmenos determinsticos em que h variveis de natureza subjetiva. Assim, em um sistema

22

cuja descrio matemtica (equaes governantes e condies de contorno) do fenmeno a ser estudado conhecida, pode-se fuzzific-lo e realizar avaliaes em que um ou vrios parmetros so subjetivos.

2.2.1 Funes de pertinncia Um conjunto fuzzy A do conjunto universal X definido pela sua funo de pertinncia A (x) dada por: A : X [0,1] (2.1)

Uma funo de pertinncia uma curva que define como cada ponto no espao de entrada mapeado em um grau de pertinncia de 0 a 1, ou seja, uma funo de pertinncia A (x) expressa o grau que um elemento x membro do conjunto fuzzy A. Quanto mais o valor de A (x) se aproxima de 1, maior ser o grau de pertinncia do elemento ao conjunto A. Os valores da funo de pertinncia so indicadores de tendncias atribudas subjetivamente por algum e, portanto, dependem do contexto no qual so definidos. A definio de funo de pertinncia de conceitos subjetivos torna possvel a manipulao matemtica destes. A funo pode ser uma curva arbitrria cujo formato definido pelo projetista, levando em considerao a simplicidade, convenincia, velocidade e eficincia. A nica condio que uma funo de pertinncia tem que satisfazer que ela varie entre 0 e 1. O subconjunto fuzzy A pode ser representado por meio de pares x (elemento) e A (x) (grau de pertinncia do elemento), da seguinte forma: A = {(x, A (x)) / x X}

(2.2)

Pode-se observar que se a funo de pertinncia A (x) assumir somente os valores 0 ou 1, ela fica equivalente a uma funo caracterstica (que expressa o grau de pertinncia do elemento em relao a um conjunto clssico). Neste caso, o conjunto A torna-se um conjunto binrio. Desta maneira, fica claro que: (a) funo de pertinncia uma generalizao de funo caracterstica; (b) conjunto fuzzy A uma generalizao de conjunto binrio A;

23

(c) conjunto binrio regido pela lgica binria, enquanto que em um conjunto fuzzy a lgica multivarivel.

Existem vrios tipos de funes de pertinncia. Elas so basicamente construdas a partir de funes bsicas: funo linear por partes, funo de distribuio gaussiana, curva sigmide e curvas polinomiais quadrticas e cbicas.

As funes de pertinncia mais simples so compostas por linhas retas. Desse tipo, a mais simples a funo triangular (FIG. 2.1). Outra funo linear a trapezoidal, que uma funo triangular truncada, com o seu topo achatado (FIG. 2.2). As funes de pertinncia gaussiana e sino generalizado constituem mtodos populares para especificar conjuntos fuzzy, uma vez que so suaves e de notao concisa (FIG. 2.3 e 2.4). A funo de pertinncia sigmide uma funo aberta esquerda ou direita (FIG. 2.5). H ainda diversas outras funes de pertinncia, como as baseadas em curvas polinomiais e as derivadas de combinaes de curvas (FIG. 2.6). Nas figuras 3.1 a 3.6, o eixo vertical corresponde ao grau de pertinncia dos valores do eixo horizontal no conjunto fuzzy (JANG; GULLEY, 1995).

Um exemplo simples de funo de pertinncia o conjunto de pessoas jovens. Apesar de estar relacionada com a idade, no h uma faixa definida de idades que correspondam exatamente juventude, sendo esta definio totalmente subjetiva. Um beb com um ano de idade certamente pertence a este conjunto (A (x)=1), enquanto uma pessoa de 90 anos certamente no pertence (A (x) = 0). Uma funo de pertinncia razovel para esse conjunto mostrada na figura 2.7. Pode-se notar que uma pessoa de 40 anos tem um grau de pertinncia de 9% ao grupo jovem.

FIGURA 2.1 Funo de pertinncia triangular Fonte: JANG; GULLEY, 1995

FIGURA 2.2 Funo de pertinncia trapezoidal Fonte: JANG; GULLEY, 1995

24

FIGURA 2.3 Funo de pertinncia gaussiana Fonte: JANG; GULLEY, 1995

FIGURA 2.4 - Funo de pertinncia sino generalizado Fonte: JANG; GULLEY, 1995

FIGURA 2.5 Funo de pertinncia sigmide Fonte: JANG; GULLEY, 1995

FIGURA 2.6 Funo de pertinncia polinomial Fonte: JANG; GULLEY, 1995

FIGURA 2.7 Funo de pertinncia do conjunto de pessoas jovens Fonte: Adaptada de CHENG, 2001

2.2.2 Operaes bsicas dos conjuntos fuzzy

As operaes bsicas entre dois conjuntos fuzzy A e B so definidas por meio da sua funo de pertinncia. Na teoria dos conjuntos fuzzy, a interseco e a unio so implementados por

25

famlias de operadores denominados de t-normas e t-conormas respectivamente (DUBOIS 3; PRADE, 1988 apud SANDRI; CORREA, 1999). As principais t-normas e t-conormas so mostradas na tabela 2.1 e representadas graficamente nas figuras 2.8 e 2.9. Vale ressaltar que as t-normas e t-conormas se reduzem aos operadores clssicos de unio e interseco quando os conjuntos so convencionais. O principal operador de negao dado por A(x) = 1A(x).
Tabela 2.1 Principais t-normas e t-conormas

t-normas min(A(x), B(x)) A(x).B(x) min(A(x) + B(x) 1, 0) A(x), se B(x) = 1 B(x), se A(x) = 1 0, seno

t-conormas max(A(x), B(x)) A(x) + B(x) A(x).B(x) min(A(x) + B(x), 1) A(x), se B(x) = 0 B(x), se A(x) = 0 1, seno

nome Zadeh Probabilstica Lukasiewicz Weber

Fonte: SANDRI; CORREA, 1999

FIGURA 2.8 Principais t-normas Fonte: SANDRI; CORREA, 1999

FIGURA 2.9 Principais t-conormas Fonte: SANDRI; CORREA, 1999

Os operadores de implicao so utilizados para modelar as regras de inferncia do tipo SE <premissa> ENTO <concluso> e os principais so mostrados na tabela 2.2 e ilustrados na figura 2.10. As t-normas no so implicaes propriamente ditas, mas so muito empregadas na prtica como implicaes.

DUBOIS, D; PRADE, H. Possibility Theory. Plenum Press, New York, 1988.

26

Tabela 2.2 Principais operadores de implicao

implicao max(1 A(x), B(x)) min(1 A(x) + B(x), 1) 1, se A(x) B(x) 0, seno 1, se A(x) B(x) B(x), seno min (B(x)/ A(x)), se A(x) B(x) 1, seno 1 A(x) + A(x) . B(x) max(1 A(x), min(A(x), B(x))) min(A(x), B(x)) A(x). B(x)
Fonte: SANDRI; CORREA, 1999

Nome Kleene-Diemes Lukasiewicz Rescher-Gaines Sharp Brower-Gdel Goguen Reichenbach Estocstica Zadeh-Wilmott Mamdani Larsen

FIGURA 2.10 Implicaes: i) Mamdani, ii) Larsen, iii) Gdel Fonte: SANDRI; CORREA, 1999

2.2.3 Variveis lingsticas

Uma varivel lingstica possui valores que no so nmeros, mas sim palavras ou frases na linguagem natural. Esses valores so nomes de conjuntos fuzzy, especificados em um determinado universo. As variveis lingusticas permitem que a linguagem da modelagem fuzzy expresse a semntica usada por especialistas. Por exemplo, a temperatura de um dado sistema poderia ser uma varivel lingstica que assume valores baixa, mdia, alta, etc. Estes valores so descritos por intermdio de conjuntos fuzzy (FIG. 2.11).

Os modificadores lingsticos modificam os conjuntos fuzzy, gerando expresses lingsticas. Como exemplos de modificadores, tm-se: muito, pouco, levemente, extremamente, mais ou menos, bastante.

27

FIGURA 2.11 Varivel lingstica temperatura Fonte: GOMIDE; GUDWIN; 1994

2.3 Controladores fuzzy

Em geral, o controlador fuzzy um tipo de estrutura de controle no-linear, e deste modo possui o potencial de configurar um sistema de controle com desempenho equivalente ou superior s estratgias de controle linear (COELHO; ALMEIDA; COELHO, 2003).

As leituras dos sensores e os sinais de entrada dos atuadores no pertencem linguagem da lgica fuzzy e, portanto, converses entre valores numricos e valores lingsticos devem ser realizadas. Para que essas converses ocorram, o controlador fuzzy possui etapas denominadas fuzzificao e defuzzificao, posicionadas na sua entrada e na sua sada, respectivamente. Assim, a fuzzificao responsvel por transformar as medidas obtidas pelos sensores em conjuntos fuzzy enquanto a defuzzificao responsvel por transformar os conjuntos obtidos na sada do controlador em valores que pertenam a sistemas analgicos de controle para o processo.

O controlador fuzzy possui quatro componentes principais: a base de regras, o mecanismo de inferncia, a interface de fuzzificao e a interface de defuzzificao. A sua estrutura mostrada na figura 2.12. 2.3.1 Interface de fuzzificao A interface de fuzzificao realiza a converso dos valores de entrada numricos, que normalmente advm de sensores ou dispositivos de entrada computadorizados, em valores

28

nebulosos. Em outras palavras, os valores de entrada so fuzzificados, com a transformao da entrada numrica em conjuntos fuzzy, para que possam se tornar instncias de variveis lingsticas. Estes valores de entrada devem se situar dentro de intervalos estabelecidos pelo projetista (universos de discurso) e estar de acordo com as funes de pertinncia definidas.

Controlador Fuzzy

Base de Conhecimento (Base de Dados e Base de Regras)

valores numricos

Interface de Fuzificao

entradas fuzzy

Mecanismo de Inferncia

sadas fuzzy

Interface de Defuzificao

aes de controle

FIGURA 2.12 Estrutura de um controlador fuzzy Fonte: Adaptada de EFTEKHARI; MARJANOVIC, 2003

Geralmente, os universos de discurso das variveis de entrada e sada do sistema so os universos reais. Na prtica, cada universo restrito a um intervalo relacionado com os possveis valores mximos e mnimos das variveis de entrada e sada. Estes valores podem ser ajustados levando-se em considerao a dinmica e o intervalo de amostragem. A integridade da base de dados deve ser assegurada e os universos de discurso dos conjuntos fuzzy devem cobrir toda a faixa de valores possveis para as variveis (GUERRA, 1998).

Nesta etapa, devem ser definidas as variveis lingsticas e a quantidade necessria de variveis para atender o sistema. Os seguintes passos devem ser seguidos: i. analisar quais variveis sero utilizadas para efetuar o controle, ou seja, quais as variveis de entrada do controlador; ii. iii. iv. estabelecer o universo de discurso de cada uma dessas variveis; definir o formato das funes de pertinncia; nomear cada varivel lingstica e obter as funes de pertinncia de acordo com o universo de discurso.

2.3.2 Base de conhecimento

A base de conhecimento possui uma base de dados e uma base de regras, e aloja o conhecimento que caracteriza a estratgia de controle e seus objetivos. Ela faz o papel de um

29

especialista do processo a ser controlado. A base de dados aloca as definies a respeito da discretizao e normalizao dos universos de discurso, bem como as definies das funes de pertinncia. A base de regras formada por regras do tipo SE-ENTO, na forma:

se x A ento y B

(2.3)

Onde x e y so variveis lingusticas e A e B so valores lingsticos definidos pelos conjuntos fuzzy nos respectivos universos de discurso. A parte se da regra (x A) denominada antecedente (ou premissa) enquanto a parte ento (y B) chamada de conseqente (ou concluso). As premissas so relacionadas por conectivos lgicos, dados pelo operador de conjuno e e pelo operador de disjuno ou. Geralmente, as regras tm o formato de um sistema de mltiplas entradas e mltiplas sadas (Multiple Inputs/Multiple Outputs MIMO), mas que pode ser transformado em vrios sistemas de mltiplas entradas e uma sada (Multiple Inputs/ Single Output MISO). Exemplos:

MIMO: se x1 A1 e x2 A2 e x3 A3 ento y1 B1 e y2 B2 MISO: se x1 A1 e x2 A2 ento y1 B1

(2.4) (2.5)

A sada ser a ao a ser tomada pelo controlador fuzzy todas as vezes em que se observar uma determinada combinao dos valores de entrada.

No projeto de um controlador fuzzy, h a necessidade de que a base de regras seja completa, contemplando a quantidade de regras necessrias para mapear totalmente as combinaes dos termos das variveis, de forma a garantir que ao menos uma regra seja disparada para qualquer entrada. A base de regras deve ser consistente, para que no ocorra contradies, alm de possuir uma interao entre as regras, gerenciada pela funo de implicao de modo a contornar as situaes de ciclo.

30

2.3.3 Mecanismo de inferncia

O mecanismo de inferncia (tambm chamado de mquina de inferncia, procedimento de inferncia ou mdulo de inferncia fuzzy) processa as regras, juntamente com os dados de entrada, e infere as aes de controle de acordo com o estado do sistema, por meio do operador de implicao. Esse procedimento consiste em: i. verificar o grau de compatibilidade entre os fatos e as clusulas nas premissas das regras; ii. iii. determinar o grau de compatibilidade global da premissa de cada regra; determinar o valor da concluso, de acordo com o grau de compatibilidade da regra com os dados e a ao de controle constante na concluso (precisa ou no); iv. agregar os valores obtidos como concluso nas vrias regras para obter uma ao de controle global.

Os controladores fuzzy so classificados de acordo com o mecanismo de inferncia. Existem dois tipos de controladores: os modelos clssicos e os modelos de interpolao, que se diferenciam quanto forma de representao dos termos na premissa, quanto representao das aes de controle e quanto aos operadores utilizados para implementao do sistema.

2.3.3.1 Modelo clssico

Neste tipo de modelo, a concluso de cada regra especifica um termo fuzzy dentro de um conjunto fixo de termos, geralmente conjuntos fuzzy convexos, representados por funes triangulares, trapezoidais ou em forma de sino. Aps os dados serem fuzzificados, o sistema obtm um conjunto fuzzy de valores de concluso que representa uma ordenao das aes de controle aceitveis naquele momento. Em seguida, a interface de defuzzificao seleciona uma ao de controle global. Os modelos clssicos mais comuns so o modelo de Mamdani e o modelo de Larsen.

31

2.3.3.2 Modelo de interpolao

Os modelos de interpolao apresentam uma concluso por meio de uma funo estritamente monotnica, geralmente diferente para cada regra. Os modelos mais comuns so o modelo de Takagi-Sugeno e o modelo de Tsukamoto. No modelo de Takagi-Sugeno, a funo uma combinao linear das entradas, tendo como parmetros um conjunto de constantes. No modelo de Tsukamoto geralmente a funo do tipo no-linear, tendo como domnio os possveis graus de compatibilidade entre cada premissa e as entradas. Em ambos os esquemas, obtm-se para cada regra um nico valor para a varivel de controle. Finalmente, uma ao de controle global obtida, fazendo-se uma mdia ponderada dos valores individuais obtidos, onde cada peso o prprio grau de compatibilidade entre cada premissa da regra e as entradas, normalizado.

2.3.3.3 Comparao entre os modelos de Sugeno e Mamdani

O Fuzzy Logic Toolbox do MATLAB trabalha com dois mtodos de inferncia fuzzy: o mtodo de Sugeno e o mtodo de Mamdani.

Considerando o aspecto estrutural, estes mtodos diferem principalmente quanto ao conseqente das regras, ou seja, a parte conclusiva das regras de controle (equao 2.3). O mtodo de Mamdani utiliza conjuntos fuzzy enquanto o mtodo de Takagi-Sugeno emprega funes lineares como consequentes. Assim, pode-se dizer que as regras de controle de Mamdani so mais intuitivas linguisticamente, enquanto as regras de Takagi-Sugeno apresentam maior poder de interpolao com um nmero reduzido de regras de controle. Ambos os tipos de controladores fuzzy tem sido aplicados na resoluo de problemas prticos de controle de forma eficiente (YING4, 1998 apud COELHO; ALMEIDA; COELHO, 2003).

O mtodo de Sugeno computacionalmente eficiente, funciona bem com tcnicas lineares (controle PID por exemplo), tcnicas adaptativas e tcnicas de otimizao. Alm disso, tem continuidade garantida na superfcie de sada e bem adequado para anlise matemtica. Em contrapartida, o mtodo de Mamdani intuitivo, possui ampla aceitao e bem adequado para entradas humanas (JANG; GULLEY, 1995).
4

YING, H. The Takagi-Sugeno fuzzy controllers using the simplified linear control rules are nonlinear variable gain controllers. Automatica, v. 34, n. 2, p. 157-167, 1998

32

2.3.3.4 Exemplo de uma inferncia fuzzy

Considere as funes de pertinncia mostradas na figura 2.13 e as regras de inferncia das equaes 2.6 e 2.7. As variveis de entrada do controlador fuzzy so vc1 e vc2, que podem assumir os valores ZE e PS e a varivel de sada vm, que pode assumir os valores NS e ZE. Em sistemas de controle, ZE pode ser interpretado como Zero, PS como Positivo Pequeno (Positive Small) e NS como Negativo Pequeno (Negative Small).

REGRA 1: SE vc1 = PS E vc2 = ZE ENTO vm = NS REGRA 2: SE vc1 = ZE E vc2 = ZE ENTO vm = ZE

(2.6) (2.7)

FIGURA 2.13 Funes de pertinncia Fonte: VALE, 2007

Dado um valor para a varivel fuzzy vc1, ela ir interceptar as funes de pertinncia ZE e PS em pontos diferentes em relao ao eixo vertical (). O ponto onde cada funo de pertinncia for cortada representa um grau de pertinncia, dado de acordo com o valor correspondente ao eixo vertical (). O mesmo acontece com a varivel fuzzy vc2. Estes graus de pertinncia so importantes para poder achar a sada que ir ser defuzzificada. Aps determinar o grau de pertinncia das variveis controladas 1 e 2 nas respectivas funes de pertinncia, devem-se aplicar as t-normas e t-conormas.

Considerando o modelo clssico de Mamdani, utilizam-se as t-normas e as t-conormas de Zadeh, no qual primeiramente deve-se encontrar o mnimo (conectivo e), segundo as regras de interseco fuzzy. Esta operao chamada de implicao e ilustrada na figura 2.14. Aps a implicao, realizada a operao de agregao, que consiste em combinar as sadas das regras (reas hachuradas apresentadas na figura 2.14) utilizando o operador max" (conectivo

33

ou), segundo as regras de unio fuzzy. O resultado dessa operao mostrado na figura 2.15, cuja rea hachurada corresponde sada que ser defuzzificada na etapa seguinte.

FIGURA 2.14. Implicao Fonte: VALE, 2007

FIGURA 2.15. Agregao Fonte: VALE, 2007

2.3.4 Interface de defuzzificao Nos controladores do tipo clssico, a interface de defuzzificao utilizada para obter uma nica ao de controle precisa a partir do conjunto fuzzy resultante do procedimento de inferncia. Assim, a defuzzificao uma transformao inversa que traduz a sada do domnio fuzzy para o domnio numrico. Os mtodos mais utilizados so: Centro de rea (Center of Area - COA), Primeiro Mximo (Smallest of Maximum - SOM) e Mdia dos Mximos (Mean of Maximum - MOM) (Quadro 2.1). Existem ainda outros mtodos de defuzzificao, que se diferenciam em termos de velocidade e eficincia, que devem ser analisados em conjunto com os requisitos de projeto.

34

Quadro 2.1 Principais mtodos de defuzzificao

Mtodo

Descrio Calcula o centride da rea composta que representa o termo de sada fuzzy, composto pela composio de todas as contribuies de regras. Como o

Centro de rea (COA)

clculo do centride envolve integrao numrica, h um aumento de complexidade e certo esforo computacional. Outros problemas desse mtodo ocorrem quando as funes de pertinncia no possuem sobreposio e quando mais de uma regra tem a mesma sada fuzzy, havendo uma sobreposio de reas que no devidamente contabilizada.

Primeiro mximo (SOM)

Encontra o valor de sada por meio do ponto em que o grau de pertinncia da distribuio da ao de controle atinge o primeiro valor mximo. Este mtodo menos intenso computacionalmente em relao ao mtodo do centride. Encontra o ponto mdio entre os valores que tm o maior grau de pertinncia inferido pelas regras. Apesar de apresentar um baixo custo computacional, no muito implementado em computao para fins de controle pelo fato de resultar valores discretos, descontnuos.

Mdia dos mximos (MOM)

Aps aplicar o mtodo escolhido, a sada real obtida, sendo este o valor que dever ser aplicado na planta para conseguir o resultado esperado do sistema de controle.

Os controladores fuzzy do tipo interpolao no necessitam de uma interface de defuzzificao, uma vez que os valores precisos para as entradas do processo controlado j so obtidos diretamente.

2.3.5 Metodologia de projeto de controladores fuzzy

A metodologia de desenvolvimento tem como objetivo formalizar e estruturar um procedimento para a concepo do projeto. Inicialmente so realizadas anlises iniciais do modelo e nos passos seguintes so realizadas simulaes por meio de uma ferramenta computacional apropriada. Deve-se levar em considerao que a anlise do processo de fundamental importncia, e que o entendimento da estrutura do sistema bem como a identificao de sua dinmica em termos das entradas e sadas so fundamentais para o desenvolvimento do controlador fuzzy (GUERRA, 1998).

35

Segundo Guerra (1998), controladores fuzzy tendem a seguir um mesmo ciclo de desenvolvimento bsico, conforme apresentado na figura 2.16. De maneira geral, pode-se assumir que existem quatro passos iniciais: (a) definio do modelo e das caractersticas operacionais, (b) definio dos conjuntos fuzzy, (c) definio do comportamento do controle e (d) determinao do mtodo de defuzzificao (Quadro 2.2).
Quadro 2.2 Passos iniciais no desenvolvimento de um controlador fuzzy

Passo Definio do modelo e das caractersticas operacionais

Descrio Estabelece as particularidades da arquitetura do sistema (como sensores e atuadores) e tambm define as propriedades operacionais especficas do controlador fuzzy em questo. Garante que cada varivel seja associada a conjuntos previamente

Definio dos conjuntos fuzzy

identificados e dentro do domnio de cada varivel lingstica. De forma a garantir melhor suavidade e estabilidade, cada conjunto fuzzy pode se superpor aos conjuntos adjacentes. Envolve a escrita das regras que atrelam as variveis de entrada s propriedades de sada do modelo. A base de regras est associada

Definio do comportamento do controle

com a estrutura do controlador e a sua construo a etapa mais difcil e crucial no projeto. O projetista tem que definir que informaes devem ser utilizadas no algoritmo de controle, que operaes estas informaes devem sofrer, e que elementos de sada do processo devem ser obtidos a partir do sistema.

Determinao do mtodo de defuzzificao

Fonte: GUERRA, 1998.

Fornece o valor da ao de controle procurada. Deve-se determinar qual o mtodo mais adequado ao modelo, de forma a se obter uma resposta satisfatria.

No projeto de controladores fuzzy, faz-se necessrio a definio de alguns parmetros (GOMIDE; GUDWIN, 1994). Levando em considerao um determinado processo, dentro das condies normais de operao, alguns dos parmetros so fixos enquanto outros precisam ser alterados at que uma resposta adequada seja obtida. Eles so classificados em estruturais e de sintonizao, respectivamente.

36

FIGURA 2.16 Metodologia de desenvolvimento Fonte: GUERRA, 1998

Os parmetros estruturais englobam: nmero de variveis de sada; nmero de variveis de entrada; variveis lingsticas; funo de pertinncia; intervalos de discretizao e normalizao; estrutura da base de regras; conjunto bsico de regras.

Os parmetros de sintonizao representam: domnio das funes de pertinncia; suporte dos conjuntos fuzzy.

37

A sintonia do controlador a etapa posterior definio das funes de pertinncia e da base de regras. A sintonia correta de um controlador fuzzy um procedimento sofisticado e difcil, devido ao fato do controlador fuzzy apresentar grande flexibilidade, sendo o seu comportamento determinado por um grande nmero de parmetros que regulam as funes de pertinncia e o mecanismo de inferncia. Isso requer certo esforo do projetista na obteno do melhor desempenho do controlador. Existem vrios mtodos para sintonizar um controlador fuzzy, como utilizar mecanismos automticos de adaptao e aprendizado (como redes neurais) para o ajuste dos parmetros. Contudo, na maioria dos processos, isto ainda realizado por tentativa e erro.

Basicamente, o ajuste de um controlador fuzzy realizado durante a fase de simulao, por meio da escolha da forma e da localizao timas para as funes de pertinncia e do melhor conjunto de regras.

3 CONTROLE DE UM AMBIENTE

A definio de conforto vaga e subjetiva, variando de acordo com cada pessoa e com o tipo de atividade em que eles esto engajados. Desse modo, a regulao do clima em um ambiente um problema multidimensional que no possui uma soluo nica. Devem-se considerar requisitos por vezes conflitantes, tais como a minimizao do consumo de energia e a realizao das condies de conforto. O mesmo resultado pode ser alcanado ao se empregar diferentes subsistemas, tais como ventilao, refrigerao, aquecimento auxiliar etc., e consequentemente o problema de corrigir as condies do ambiente corresponde inicialmente a um problema duplo: (a) a interpretao do requisito de conforto, e (b) a tomada de deciso sobre qual subsistema utilizar em um momento particular (FANGER, 1970).

A implementao de um sistema de lgica fuzzy especialista se adequa bem ao problema, uma vez que ele pode fornecer decises em tempo real. Esta estratgia captura as regras de operao da planta (processo) na forma de uma base de conhecimento, ou seja, um conjunto de regras lgicas que seriam aplicadas se um homem estivesse operando o controle da edificao.

3.1 Condies de Conforto

O controle e o monitoramento das condies climticas internas representam uma tarefa preminente com o objetivo de assegurar ambientes confortveis para as pessoas viverem ou trabalharem, uma vez que a falta de (ou pouco) conforto tem um efeito direto na produtividade dos usurios (CALVINO et al., 2004; KOLOKOTSA et al., 2001).

As exigncias de conforto humano esto associadas a condies adequadas de iluminao (conforto visual), de rudo (conforto acstico), do ambiente trmico (conforto trmico) e da qualidade do ar interno.

O conforto visual determinado pelo nvel de iluminao (medido em lux) e pelo controle do ofuscamento solar.

39

O controle da qualidade do ar interno pode ser indicado pela concentrao de dixido de carbono (CO2) em uma edificao. A concentrao de CO2 vem da presena dos ocupantes da edificao e de vrias outras fontes de poluio, funo do perfil de ocupao.

O problema de rudo ocorre quando um som qualquer interfere nas atividades humanas que esto sendo exercidas em um ambiente. O conforto acstico dos usurios de uma edificao obtido reduzindo-se o rudo no interior de uma edificao a um nvel aceitvel, e pode ser alcanado por meio do isolamento acstico adequado do sistema de fechamento externo que evita rudos areos vindos do exterior, do isolamento acstico adequado entre ambientes e de rudos causados por impacto e equipamentos (BIES; HANSEN, 2003; BISTAFA, 2006).

O conforto trmico pode ser definido como o estudo dos efeitos provocados pelo clima no corpo humano. Em um ambiente considerado termicamente confortvel, uma pessoa apresenta uma neutralidade trmica, no sentindo nenhum tipo de sensao trmica (frio ou calor) (FANGER, 1970; ISO7730:2005; ASHRAE55:2004).

No que diz respeito ao problema de conforto trmico em ambientes, as solues de controle que promovem as melhores condies de conforto podem ser divididas em duas abordagens: as que usam os valores de temperatura e umidade relativa internas do ambiente e as que usam de forma explcita o conceito de conforto trmico, utilizando-se de alguns ndices disponveis na literatura, como o ndice PMV (Predictive Mean Vote - Voto Mdio Estimado). (FANGER, 1970; PRADO, 2010).

O ndice PMV estima o voto mdio de sensao trmica em uma escala padro para um grande grupo de pessoas. Ele baseado em um modelo terico combinado com os resultados de experimentos de aproximadamente 1300 indivduos, levando em considerao variveis ambientais e parmetros individuais como taxa metablica do corpo humano e resistncia trmica da vestimenta (FANGER, 1970). A ASHRAE 55: 2004 desenvolveu um ndice de conforto trmico utilizando a escala: -3 para muito frio, -2 para frio, -1 para pouco frio, 0 para neutralidade, +1 para pouco quente, +2 para quente e +3 para muito quente.

40

3.2 Modelagem

O estudo e o projeto de controladores eficientes de um ambiente requerem um conhecimento a priori (baseado em deduo terica em vez de observao emprica) dos modelos de clima do ambiente. Estes modelos esto associados com as condies externas (como radiao solar, temperatura do ar externa, velocidade do vento, etc.), e com as aes atuantes realizadas (como ventilao, refrigerao, aquecimento, entre outros) (SALGADO; CUNHA, 2005).

Na literatura, tcnicas para modelagem de processos reais so classificadas em duas categorias principais: modelagem fsica e identificao de sistemas. Uma baseada nas leis da fsica envolvidas no processo e a outra baseada na anlise dos dados de entrada e sada e a partir de experincia emprica (LJUNG5, 1987 apud SALGADO; CUNHA, 2005).

A modelagem e a simulao so estratgias valiosas no projeto de sistemas de controle em diferentes reas. A rea de edificaes inteligentes uma rea bem atrativa. Ela lida com vrias estratgias que possibilitam condies de conforto dentro das edificaes. Dentre elas, condies de conforto trmico e luminoso so muito importantes, ento a ateno precisa ser dada tambm para o projeto dos sistemas de controle correspondentes.

Um projeto de sistema de controle pode ser um processo complexo (FIG. 3.1). A estratgia de controle, e especialmente a modelagem e a simulao, possuem vrias caractersticas importantes (ZUPANCIC et al., 2004): a) elas possuem caractersticas de procedimentos cclicos e iterativos; b) as experincias dos projetistas tem um papel importante; c) em todas as fases o objetivo final do modelo deve ser considerado; d) o modelista precisa estar ciente de hipteses, simplificaes e restries; e) no existem solues universais.

Skrjanc et al. (2001) apresentam e discutem as principais vantagens e desvantagens de dois tipos de modelagem: terica e experimental. A modelagem terica baseada em balanos de energia, descrevendo o modelo por equaes diferenciais. Baseado no modelo terico, um simulador complexo implementado no ambiente MATLAB/Simulink. Na modelagem
1

LJUNG, L. System identification theory for the user. Englewood Cliffs, NJ: Prentice-Hall, 1987.

41

experimental, obtida com base em medies realizadas na planta in loco, investigam um modelo fuzzy, representado por relaes no lineares entre as variveis de entrada e sada obtidas pelo mtodo de otimizao dos mnimos quadrados.

Modelagem Conhecimento terico, medies, ... Validao Resposta temporal Modelo de Simulao Equaes Modelo matemtico Sistema real Modelagem

Simulao

Projeto do sistema de controle

Teste com simulao

Implementao

FIGURA 3.1 Projeto de um sistema de controle Fonte: ZUPANCIC et al., 2004.

A principal vantagem da modelagem terica o modelo independente de parmetros, que simula plantas diferentes com parmetros diferentes. Neste caso possvel simular o comportamento de diferentes materiais de fechamento, orientaes, localizaes geogrficas, posies e nmeros de janelas e perodos do ano. As desvantagens da modelagem terica esto relacionadas a condies de contorno complexas e tambm as hipteses simplificativas, que so necessrias devido ao comportamento desconhecido de certos mecanismos na dinmica do processo de troca trmica.

No que diz respeito modelagem experimental, a principal desvantagem que, para se obter um bom modelo para o sistema, devem ser realizadas medies em todo o domnio. Porm, essa no uma desvantagem real em comparao ao modelo terico, que tem que ser validado em todas as regies da planta na qual utilizado para simulao. Pode-se dizer ainda que um

42

nmero muito grande de dados de entrada pode ser impraticvel de se medir, sendo necessrio que se faa uma interpolao entre tais medidas. Um estudo cuidadoso tambm deve ser feito de forma a avaliar se os instrumentos de medio cobrem as faixas de valores de entrada e sada (SHAW; SIMES, 2007).

Quando o processo apresenta certa complexidade, os modelos geralmente so simplificados, por meio da utilizao de algumas restries. Sistemas no-lineares, por exemplo, no possuem uma teoria geral para soluo analtica e muitas vezes necessitam ser linearizados em torno de um ponto de operao. Existem tcnicas muito poderosas e conhecidas na rea de engenharia, com solues analticas ideais, por meio das quais se pode assumir que o processo seja linear, ou seja, que variaes nas entradas produzam variaes proporcionais nas sadas. Apesar de ocorrer deteriorao dos componentes dos sistemas com o passar do tempo, alm de influncias ambientais, pode-se utilizar a restrio de que o sistema seja invariante no tempo, ou seja, que os parmetros do processo no se alteram. Assim, devido a essas e outras simplificaes realizadas na modelagem, o projetista geralmente encontra dificuldades no desenvolvimento de uma descrio matemtica do processo, de forma significativa e prximo da realidade, podendo ignorar informaes importantes, resultando em reajustes e ressintonia dos controladores na operao do processo real. As causas de tais dificuldades podem ser classificadas como: a) fenmenos fsicos parcialmente compreendidos; b) valores imprecisos de parmetros; c) dimenso e complexidade do modelo; d) distrbios externos (SHAW; SIMES, 2007).

3.3 Modelagem fuzzy

A noo de preciso matemtica tem sido to fortemente enraizada na cultura tecnolgica que, at os meados da dcada de 60 e incio de 70, nenhum engenheiro ou cientista respeitado ousaria desafiar tal conceito. Entretanto, os engenheiros voltados para as aplicaes prticas concluram que, por causa das diversas simplificaes feitas devido s limitaes fsicas, torna-se contraditria a busca cada vez maior de preciso na modelagem matemtica (SHAW; SIMES, 2007).

A teoria dos conjuntos fuzzy fornece estratgias por meio das quais se pode chegar a um resultado mais coerente, ao utilizar o conceito de satisfatrio no lugar de timo, e assim os

43

problemas de otimizao passam a ser tratados sob um enfoque mais realista. Alm disso, no estudo de conforto ambiental, o conceito de satisfao pode ser adotado como uma escala em comum de avaliao ou otimizao quando os itens de conforto trmico, luminoso e acstico, por exemplo, so considerados simultaneamente (CHENG, 2001).

Condies de fronteira no-lineares, caractersticas variantes no tempo e um ambiente fsico complexo criam muitas dificuldades no desenvolvimento de um modelo matemtico (sistemas de equaes diferenciais). A estratgia de lgica fuzzy um mtodo poderoso para descrever sistemas dinmicos complexos, uma vez que simplifica o sistema e tolera uma quantidade razovel de impreciso, vagueza e incerteza durante a fase de modelagem. Alm disso, essa tcnica pode proporcionar uma soluo mais apropriada e sem a necessidade de um modelo matemtico preciso (LAH; ZUPANCIC; KRAINER, 2005).

Na anlise qualitativa de conforto ambiental, as informaes lingsticas apresentam vagueza prpria da linguagem natural. Alm disso, ndices de conforto ambiental, que expressam as sensaes dos usurios, possuem caractersticas subjetivas, de natureza nebulosa (fuzzy). Como a condio de conforto diferente para pessoas diferentes e depende do trabalho que realizado no ambiente, a mesma pode ser representada pelo conceito de fuzzy (CHENG, 2001).

A teoria dos conjuntos fuzzy permite o uso de conceitos lingsticos para representar valores quantitativos e pode ser empregado para descrever o clima de um ambiente na estratgia de identificao de sistemas. A estrutura bsica usada nessa estratgia envolve uma coleo de regras SE-ENTO (ZADEH6, 1996 apud SALGADO; CUNHA, 2005).

Vrios mtodos para a identificao de modelos fuzzy tem sido apresentados na literatura. Muitos deles podem automaticamente gerar relaes de regras fuzzy a partir de dados reais e fazer a otimizao dos parmetros de funes de pertinncia dos conjuntos fuzzy ao combinar lgica fuzzy com tcnicas de aprendizado de redes neurais, formando os sistemas neurofuzzy (DUBOIS7; PRADE, 1980; WANG8, 1997 apud SALGADO; CUNHA, 2005).

ZADEH, L. Fuzzy logic = computing with words. IEEE Transactions on Fuzzy Systems, v. 4, n. 2, p. 103111, 1996. 7 DUBOIS, D.; PRADE, H. Fuzzy sets and systems: theory and application. New York: academic press, 1980. 8 WANG, L. X. A course in fuzzy systems and control. Englewood Cliffs, NJ: Prentice-Hall PTR, 1997.

44

Comparado com a modelagem matemtica tradicional, a modelagem fuzzy processa algumas vantagens diferentes, tais como o mecanismo de inferncia em termos de entendimento humano, a capacidade de obter informao lingstica de um especialista humano e combinla com os valores numricos e a habilidade de aproximar funes no lineares complexas com modelos simples. Assim, uma estimao subjetiva da informao utilizada reduz a complexidade de um sistema fuzzy.

3.4 Modelagem convencional comparada modelagem fuzzy

Simes e Shaw (2007) fazem uma comparao entre a modelagem convencional e a modelagem fuzzy. No projeto convencional de sistemas de controle, feita a modelagem do processo que se deseja controlar por meio de um conjunto de equaes diferenciais. Na figura 3.2 representa-se um sistema convencional de controle, onde r(k) representa a entrada de referncia do sistema (set point), y(k) a varivel de sada do sistema, u(k) o sinal de controle e c(k) representa a realimentao do sinal de sada no sistema. Geralmente, o sistema assumido como linear, ou aproximadamente linear e, com base no modelo, o controlador ajusta os parmetros para um determinado comportamento do sistema (tais como, amortecimento, sobre-sinal, velocidade de resposta, tempo de acomodao e erro em regime permanente). Todavia, existem muitos sistemas que no possuem um controle automtico, sendo empregados operadores humanos para o controle do processo. Nesse caso, a metodologia de projeto foca no comportamento dos operadores, ou seja, na forma como eles realizariam os ajustes dos parmetros de controle para um determinado conjunto de circunstncias.

A modelagem fuzzy uma metodologia onde quem modelado o operador enquanto ele est controlando o sistema (FIG.3.3). Assim, pode-se dizer que o controlador fuzzy baseado no modelo identificado do operador humano, tornando-se um modelo lgico da forma com que o operador raciocina ao manipular o sistema. Os problemas de controle automtico passam a ter um novo enfoque a partir dessa mudana de ponto de vista de modelagem do sistema fsico para o operador humano (SHAW; SIMES, 2007).

45

FIGURA 3.2 Identificao da dinmica do processo ou planta Fonte: SHAW; SIMES, 2007.

FIGURA 3.3 Identificao do comportamento do operador de controle Fonte: SHAW; SIMES, 2007.

3.5 Tcnicas convencionais de controle

Controle o processo cujo objetivo fazer com que uma dada varivel de um sistema dinmico se comporte de maneira desejada. A linha de controle pode ser subdividida em funo do tipo de controlador e do sistema dinmico em linear ou no-linear, determinstico ou estocstico, adaptativo, robusto, catico, entre outras. Existem numerosos mtodos de controle convencional para a construo de controladores para sistemas dinmicos. Alguns desses mtodos so: a) Controle proporcional integral derivativo (PID): apresenta trs estratgias de controle: a componente P, representando o erro de realimentao instantneo, a componente I, representando a integral do erro que contribui para a histria passada da realimentao e a componente D, representando a derivada do erro, a qual tende a antecipar o comportamento futuro do erro de realimentao. Mais de 90% dos controladores em operao atualmente so controladores PID

46

(ou alguma outra forma como controladores P ou PI). Esta tcnica frequentemente vista como simples, confivel e fcil de entender. b) Controle clssico: compensao por avano-atraso (lead-lag), mtodos de Bode e Nyquist, projeto no lugar das razes do sistema entre outros. c) Mtodos de espao de estados: retroalimentao de estado (state feedback), observadores entre outros. d) Controle timo: regulador quadrtico linear, uso do princpio mnimo de Pontryagin ou programao dinmica entre outros. e) Controle robusto: mtodos H2 ou H, teoria de realimentao quantitativa, loop shaping etc. f) Mtodos no-lineares: linearizao por realimentao, mtodo de Lyapunov, controle em modo deslizante, backstepping etc. g) Controle adaptativo: modelo de referncia adaptativa, reguladores autosintonizveis, controle adaptativo no-linear etc. h) Controle estocstico: controle de varincia mnima, mtodo LQG (linear quadratic gaussian), controle estocstico adaptativo etc. i) Sistemas de eventos discretos: redes Petri, controle supervisrio, anlise de perturbao infinitesimal etc.

Basicamente, estas tcnicas convencionais de projetos de sistema de controle oferecem diferentes formas de utilizar informao de modelos matemticos na obteno de um bom controle. s vezes, elas no levam em considerao certas informaes heursticas 9 previamente no desenvolvimento do projeto, mas podem utilizar heurstica para sintonizar o controlador. Infelizmente, a utilizao de algumas tcnicas de controle convencionais pode levar ao desenvolvimento de leis de controle irreais em certos casos, como quando o engenheiro no entende completamente a planta e apenas toma o modelo matemtico como referncia. Alm disso, no controle convencional, heursticas teis so ignoradas porque elas no se adequam a uma estrutura matemtica, e isto pode causar problemas (PASSINO; YURKOVICH, 1998).

Heurstica vem da palavra grega heuriskein que significa descobrir. Heurstica trata-se de um mtodo sem comprovao matemtica, que utiliza alguma forma de conhecimento para orientar a busca da soluo de um problema. Embora a explorao seja feita de forma algortmica, o progresso obtido pela avaliao puramente emprica do resultado.

47

3.6 Controle fuzzy

O controle fuzzy uma alternativa prtica para uma variedade de aplicaes de controle desafiadoras uma vez que ele fornece um mtodo conveniente para a construo de controladores no-lineares por meio da utilizao de informao heurstica. Tal informao pode vir de um operador que atua como um controlador human-in-the-loop, ou seja, um operador humano que atua e interfere na malha de controle de um processo. Na metodologia de projeto de controle fuzzy, pede-se a este operador, que gastou um longo tempo aprendendo a melhor forma de como controlar o processo, para escrever um conjunto de regras de controle para serem incorporadas em um controlador fuzzy de forma a emular o processo de sua tomada de deciso. Em outros casos, a informao heurstica pode vir de um engenheiro de controle que tenha estudado a dinmica da planta, utilizando modelagem matemtica, simulao, anlise e desenvolvimento de algoritmos de controle, e escrito um conjunto de regras de controle que fazem sentido. Da mesma forma, tal experincia carregada no controlador fuzzy para automatizar os processos de inferncia e aes a serem tomadas (PASSINO; YURKOVICH, 1998).

Um sistema especialista com entendimento parcial dos requisitos faz uma utilizao muito fraca dos recursos, assim como um homem pouco treinado faria. Consequentemente, quanto mais complexas so as edificaes, com muitos espaos e muitos subsistemas, mais apropriado o sistema de lgica fuzzy, uma vez que o nmero de requisitos de conforto e o nmero de subsistemas a ser utilizados aumentam (DOUNIS; MANOLAKIS, 2001).

Os sistemas de controle fuzzy so relativamente fceis de serem entendidos e utilizados na prtica, e o conhecimento matemtico no to complexo como parece primeira vista. Contudo, o projetista de controladores fuzzy necessita compreender as imprecises e incertezas que ocorrem em processos e plantas industriais e como elas afetam as aplicaes usuais da teoria de controle moderno, possibilitando a aferio da relevncia e confiabilidade dos resultados obtidos por meio da aplicao da teoria da lgica fuzzy (SHAW; SIMES, 2007).

Os controladores fuzzy possibilitam um alto nvel da adaptabilidade do sistema a locais especficos. Seu funcionamento transparente; eles so ajustveis para a maneira de pensar e

48

aos processos de percepo humana. O projeto de um sistema de controle fuzzy derivado do conhecimento do processo real e baseado principalmente em experimentao, em tcnicas de tentativas e erro. A qualidade do controlador fuzzy pode ser medida somente em relao a critrios tais como exatido, adequao, eficincia e convenincia no uso (LAH; ZUPANCIC; KRAINER, 2005).

Um controlador fuzzy pode ser projetado para se comportar conforme os raciocnios dedutivo ou indutivo. O raciocnio dedutivo o processo pelo qual as pessoas realizam inferncia de concluses baseadas em informaes conhecidas. A lgica fuzzy pode capturar esse conhecimento em um sistema de controle fuzzy, possibilitando a implementao de um controlador computacional com desempenho equivalente ao do operador humano. O raciocnio indutivo o processo pelo qual o aprendizado e generalizao ocorrem por meio de exemplos particulares provenientes da observao do comportamento do processo numa situao dinmica, ou variante no tempo. Esse tipo de raciocnio geralmente relacionado com controle fuzzy adaptativo. Assim, quando uma situao encontrada repetidamente, os controladores fuzzy adaptativos sabero como gerenciar o problema (SHAW; SIMES, 2007).

3.7 Aplicaes utilizando controle fuzzy

Kolokotsa et al. (2001) apresentam e avaliam estratgias de controle para o ajuste e preservao da qualidade do ar, conforto trmico e visual para os ocupantes das edificaes atrelados a reduo no consumo de energia. O sistema de controle fuzzy integra as preferncias do usurio enquanto este se encontra como uma parte dinmica da estratgia de controle. Para propsitos de comparao, um controlador fuzzy PD (proporcional derivativo) no-adaptativo, um fuzzy PID no-adaptativo, um fuzzy PD adaptativo e um controlador fuzzy ON-OFF so desenvolvidos. Estes controladores so comparados com o controlador ON-OFF convencional. Os critrios de comparao so: a resposta das variveis controladas, o consumo e o custo da energia. As entradas para qualquer controlador so: o ndice de conforto resultante do voto dos usurios (PMV), que caracteriza a condio de conforto trmico, a concentrao de CO2, que caracteriza a qualidade do ar interno, e o nvel de iluminamento interno, que caracteriza o conforto visual.

49

As simulaes so feitas no ambiente MATLAB/Simulink. Todos os controladores so aplicveis em qualquer edificao, sem a necessidade de levar em considerao caractersticas especficas da edificao e sem quaisquer modificaes estrutura do controlador. Alm disso, eles respondem bem sob distrbios e so facilmente programados e executados. Tanto o consumo de energia quanto as respostas das variveis so melhorados se o controlador fuzzy PD adaptativo for utilizado. A reduo do consumo de energia, comparado ao controle ONOFF convencional, feito pela eliminao de sobre-sinais (overshootings) e oscilaes que contribuem para um aumento significante de desperdcio de energia. Nos casos onde as tcnicas de inteligncia artificial propostas no puderam ser facilmente aplicadas, o controle ON-OFF otimizado, usando o ndice PMV como varivel de controle, uma boa opo. Esses resultados so apresentados na figura 3.4, na qual os autores explicitam o ndice PMV em funo do tempo.

FIGURA 3.4 Respostas do ndice PMV para uma edificao, utilizando (a) controlador fuzzy PD adaptativo, (b) controlador fuzzy PD no-adaptativo, (c) controlador fuzzy PID no-adaptativo e (d) controlador ON-OFF Fonte: KOLOKOTSA et al., 2001

50

Eftekhari e Marjanovic (2003) desenvolveram um controlador fuzzy para edificaes naturalmente ventiladas. Eles descrevem o processo de designar um controle supervisrio para fornecer conforto trmico e distribuio adequada de ar dentro de uma sala-teste naturalmente ventilada por apenas um lado. As entradas para o controlador so a velocidade e a direo do vento e as temperaturas interna e externa. A sada a posio da abertura.

Em espaos naturalmente ventilados a temperatura e a velocidade do ar variam significantemente com a posio e a forma das suas distribuies tambm varia com as condies externas e com a posio da janela ou outro elemento de controle de corrente de ar. Levando em considerao a complexidade do problema, um sistema de controle baseado em regras mais apropriado. O esquema tpico do controlador fuzzy (REZNIK10, 1997 apud EFTEKHARI; MARJANOVIC, 2003) utilizado mostrada na figura 3.5.

Controlador Fuzzy
Funes de pertinncia de entrada Funes de pertinncia de sada

Base de Conhecimento Tabela de regras

Interface de Fuzificao

entradas fuzzy

Mecanismo de Inferncia

sadas fuzzy

Interface de Defuzificao

entradas crisp Sala ventilada naturalmente Temperaturas interna e externa e velocidade do vento

Sada crisp posio da abertura da janela

FIGURA 3.5 Configurao bsica do controlador fuzzy Fonte: EFTEKHARI; MARJANOVIC, 2003

O elemento de controle no caso de ventilao natural apenas a posio da abertura. Como qualquer outro elemento de controle de ventilao, ele deve ter alguma posio nominal prdeterminada que deve se correlacionar com os requisitos mnimos de ventilao. Em funo da posio, a rea das aberturas (sada) pode aumentar ou diminuir, permitindo mais ou menos quantidade de ar para entrar no espao, dependendo das condies ambientais. O sistema tem como objetivo tomar a deciso correta sobre como mover as persianas de acordo
6

RESNIK, L. Fuzzy Controllers. Oxford: Newnes, 1997.

51

com as condies do ambiente. Para condies de vero, enquanto a temperatura externa for menor do que a interna, o ar externo deve entrar para permitir o resfriamento.

So desenvolvidos dois modelos de controladores: um que utiliza trs funes de pertinncia para a temperatura externa e posio da abertura da janela e outro que utiliza mais funes de pertinncia e, consequentemente, maior nmero de regras. Ambos os controladores so capazes de responder s mudanas nas condies externas ao ajustar as posies da abertura da janela, porm o modelo com maior nmero de funes de pertinncia fornece melhor ao de controle.

Calvino et al. (2004) descrevem um controlador fuzzy adaptativo para controlar sistemas de ar condicionado. Eles utilizam o ndice PMV (caracterizado por caractersticas no-lineares) como varivel de controle e no fazem a modelagem dos ambientes interno e externo. O esquema de controle mostrado na figura 3.6. Apesar da variabilidade das condies climticas externas, a regulao apresenta um comportamento estvel, permitindo um controle efetivo e rpido das condies de conforto do ambiente interno.

PMVreal fluxo de calor PMVref controlador fuzzy edificao equipamento sistema PMVreal

rede adaptativa FIGURA 3.6 Esquema simplificado do sistema de controle fuzzy adaptativo Fonte: CALVINO et al., 2004.

As principais variveis envolvidas no controle so: a potncia fornecida ao equipamento de ar condicionado; o fluxo de calor fornecido ao ambiente interno (que o distrbio do sistema); o sinal que representa o erro entre o PMV obtido com o controle PID (PMV real) e o valor de referncia do PMV (PMVref). Os parmetros de taxa metablica, resistncia trmica das roupas das pessoas e presso parcial de vapor so assumidos constantes. Ao aplicar o controle Fuzzy-PID ao sistema, por meios de uma simulao, encontra-se um valor de PMV prximo

52

de zero, sem variaes significantes e com pequenos sobre-sinais (overshoots). Na figura 3.7 mostra-se o ndice PMV em funo do tempo, obtido pelos autores.

FIGURA 3.7 - Sinal de sada (PMV) Fonte: CALVINO et al, 2004.

O sinal PMV utilizado para atuar no ventilador. Alm disso, a fuzzificao do sinal possibilita o gerenciamento do fenmeno no-linear, como aqueles representados pelo parmetro PMV e pela relao entre o ambiente interno e a resposta do sistema HVAC (Heating, Ventilation and Air Conditioning Aquecimento, Ventilao e Condicionamento de Ar).

Os resultados de uma aplicao deste tipo de controle so mostrados na figura 3.8, onde est explicitado a potncia e o ndice PMV versus tempo. O ndice PMV foi iniciado com o valor 1, o que induz o valor mximo de potncia do ventilador (100%). Quando o valor medido do PMV entra na faixa de conforto (PMV > -0,5), o sistema de regulao reduz a potncia do ventilador. Pode-se notar tambm que h um atraso na resposta do sistema de regulao: isto pode ser definido como a inrcia trmica do sistema regulao-equipamento-edificao. O PMV mantido na faixa de conforto mesmo na presena ocasional de distrbios, como a abertura repentina de uma janela (mostrado no tempo 12h).

53

FIGURA 3.8 Comportamento do PMV e da potncia do ventilador Fonte: CALVINO et al., 2004.

Prado (2010), a partir do modelo de um ambiente construdo, analisa as caractersticas trmicas internas e as variveis climticas locais para a formulao de regras de controle baseado no ndice de conforto mdio estimado PMV. O sistema de controle proposto utiliza dois controladores PID em paralelo: um faz o controle convencional da umidade interna do ar, enquanto outro controlador realimentado com o PMV e atua variando a temperatura do ambiente para gerar o PMV ideal para os ocupantes. So utilizadas diferentes condies de ocupao na edificao de forma a analisar o desempenho dos controladores. Nas figuras 3.9 a 3.11 so apresentados os resultados obtidos nas simulaes, considerando uma atividade leve, onde se pode observar um desempenho adequado do sistema de controle proposto, uma vez que as variveis desejadas foram adequadamente controladas sob as condies estabelecidas.

Kolokotsa et al. (2005) apresentam a arquitetura, os algoritmos e os resultados de desempenho de um sistema integrado de gerenciamento de energia de um ambiente interno (Indoor Environment Energy Management System, IEEMS) em edifcios. Um controlador fuzzy desenvolvido e testado com a tarefa principal de manter o conforto interno na edificao dando prioridade a tcnicas passivas e assim minimizando o consumo de energia. Os requisitos de conforto dos usurios so monitorados por meio de um sistema de smart card e regulados utilizando o controlador fuzzy. A economia de energia, alcanada pela operao do IEEMS, mais do que 30% comparada ao sistema de controle convencional.

54

FIGURA 3.9 Evoluo diria do voto estimado mdio (PMV) Fonte: PRADO, 2010

FIGURA 3.10 Evoluo diria da temperatura interna Fonte: PRADO, 2010

FIGURA 3.11 Evoluo diria da potncia do atuador Fonte: PRADO, 2010

55

Santos et al. (2005) investigam a aplicao da lgica fuzzy para implementar um sistema de controle especialista, baseado em regras, que promove a racionalizao inteligente de energia no condicionamento trmico predial e ao mesmo tempo mantm a sensao de conforto trmico. O conjunto de regras fuzzy permite efetuar um controle adequado da grande variao da carga trmica do ambiente climatizado ao longo do dia, tratando informaes como condies climticas externas, presena de pessoas na sala e intensidade luminosa. Ao se utilizar o controle fuzzy, constata-se uma economia de 25% em comparao com o controle on-off utilizado nos aparelhos de ar condicionado.

Lah, Zupancic e Krainer (2005) lidam com o controle da resposta dinmica de temperatura e iluminao de um ambiente em condies em tempo real. O objetivo harmonizar o comportamento trmico e visual de uma edificao, regulando os fluxos de energia atravs da sua envoltria. Os fluxos de energia so controlados com a variao da geometria da janela, realizada com o posicionamento automtico de uma persiana externa a janela, com base nas condies de tempo externas.

O modelo real da edificao, uma cmara de teste equipada adequadamente, construdo para o desenvolvimento de todo o sistema de controle fuzzy para a variao da geometria da janela, que permite a investigao e experimentao na rea de iluminao, aquecimento e refrigerao e possibilita o estudo das influncias de intervenes de elementos de sombreamento mveis (movable shades).

O algoritmo composto de duas malhas gerais, uma de iluminao e uma de temperatura (FIG. 3.12). A malha de iluminao contm um controlador fuzzy e um controlador PID auxiliar (FIG. 3.13). A malha de temperatura contm dois controladores fuzzy de temperatura, de vero e de inverno e um controlador PID auxiliar (FIG. 3.14). Cada malha pode agir independentemente ou podem estar ligadas para agirem simultaneamente.

De forma a descobrir o comportamento trmico e de iluminao da cmara de teste com o posicionamento automtico da persiana, vrios experimentos so realizados e o sistema influenciado pelas mudanas nos valores de referncia (setpoint) de iluminao e temperatura e pela radiao solar global e temperatura do ar externo.

56

O algoritmo de controle, baseado na experimentao, progressivamente ajustado e otimizado, com nfase no projeto e otimizao dos controladores fuzzy. A averiguao de valores e ajustes timos dos conjuntos fuzzy com regras uma tarefa muito complexa, tendo em mente a harmonizao trmica e de iluminao. Quando ambos os requisitos esto presentes, o posicionamento da persiana muito inconstante em perodos curtos de tempo. A tendncia a harmonizao e otimizao de todos os parmetros livres no esquema de controle, para obter movimentos suaves da persiana, que possibilita alcanar o perfil de setpoint de temperatura e iluminao e eliminar os distrbios externos (temperatura externa e radiao solar global).

FIGURA 3.12 Esquema de controle para iluminao e temperatura Fonte: LAH; ZUPANCIC; KRAINER, 2005.

FIGURA 3.13 Esquema do loop de iluminao Fonte: LAH, ZUPANCIC; KRAINER, 2005.

57

FIGURA 3.14 Esquema do loop de temperatura Fonte: LAH; ZUPANCIC; KRAINER, 2005.

Salgado e Cunha (2005) lidam com a modelagem e simulao de uma estufa aplicando uma nova tcnica de modelagem fuzzy que organiza automaticamente um sistema fuzzy em uma Estrutura Colaborativa Hierrquica (HCS Hierarchical Collaborative Structure). Geralmente, a base de regras resultante do sistema fuzzy contm um conjunto grande de regras sem nenhuma organizao, onde todas as regras so colocadas no mesmo lugar. Neste contexto, esses autores propem um mtodo para organizar a informao do sistema fuzzy simples em uma estrutura hierrquica de n subsistemas fuzzy, que mantm a preciso do modelo e, simultaneamente, permite a sua interpretabilidade. A modelagem fuzzy hierrquica um mtodo promissor para identificar modelos fuzzy de sistemas com muitas variveis de entrada e/ou com diferentes inter-relaes de complexidade. A informao contida nos conjuntos das regras SE-ENTO transferida para outros subsistemas HCS fuzzy, utilizando um novo algoritmo SLIM-HCS. O resultado uma estrutura HCS que mantm a exatido do sistema fuzzy original e melhora a leitura do modelo, reduzindo (caso necessrio) o nmero de regras essenciais para descrever o sistema. No processo final, cada sub-modelo reflete o comportamento de um sub-modelo fsico real (como vazamento de ar, ventilao etc.). Alm disso, esta metodologia permite as modificaes das estruturas hierrquicas (ao adicionar ou remover um sub-modelo ou ao adicionar ou remover regras) a qualquer momento, sem que seja necessrio repetir todo o processo de identificao e usar todos os dados coletados.

Gouda, Danaher e Underwood (2006) desenvolvem um novo controlador fuzzy semiadaptativo (quasi-adaptative) para o aquecimento de um ambiente em edifcios com condicionamento passivo (energia solar), que reage positivamente aos efeitos de atraso das entradas de energia solar, oferecendo boa robustez e comissionamento mnimo. O controlador

58

desenvolvido em duas etapas. Uma rede neural avano-atraso utilizada para prever a temperatura interna do ar, na qual um algoritmo de decomposio singular de valor (SVD, Singular Value Decomposition) usado para remover os dados altamente correlacionados das entradas da rede neural, de forma a reduzir a estrutura da rede. O controlador fuzzy ento projetado para ter duas entradas: sendo a primeira entrada o erro entre a temperatura de referncia (set point) e a temperatura do ar interno e a segunda a temperatura do ar interno prevista. Os resultados, comparados com simulaes validadas com controle proporcional integral PI convencional, confirmam que o controlador proposto consegue desempenho superior e superaquecimento reduzido quando comparado com o mtodo de controle convencional. Uma outra vantagem que o controlador fuzzy semi-adaptativo pode ser implementado com montagem simples, enquanto que o controlador convencional requer o processo complexo de sintonia de parmetros.

Stuck (2006) estuda as condies de conforto trmico e luminoso em um ambiente construdo. De forma a garantir o conforto trmico, utiliza um controlador PI para o controle da temperatura, devido a sua velocidade de resposta e simplicidade de construo. Para o controle da luminosidade foi utilizado um controlador fuzzy. Os resultados obtidos, por meio de simulao no MATLAB/Simulink, encontram-se dentro da faixa de valores esperada.

Oliveira (2008) realiza anlise e implementao de um sistema de controle da temperatura interna de um ambiente construdo, visando obter o conforto do usurio. Para isso, desenvolvido um controlador fuzzy PI, implementado em tempo real, utilizando-se um modelo de uma edificao em escala reduzida e um microcontrolador PIC16F877A como dispositivo de controle. O sistema de controle proposto apresenta desempenho adequado, um pouco superior ao de um controlador PI convencional, garantindo condies adequadas de conforto no ambiente construdo.

4 APLICAO: ESTUDO DO COMPORTAMENTO TRMICO DE UM AMBIENTE

As caractersticas climticas num ambiente construdo provocam sensaes no usurio e, posteriormente, a sua adaptao a esse ambiente. Na anlise de conforto ambiental, deve-se levar em considerao a resposta fisiolgica do usurio. Pode-se dizer que, quanto menor for o esforo de adaptao do usurio, maior ser a sua sensao de conforto (FANGER, 1970).

Para manter as condies desejadas de conforto trmico em um ambiente, necessrio o uso de um sistema de controle que atenda aos pr-requisitos de projeto, relacionados manuteno da temperatura interna em torno de uma referncia estabelecida pelo projetista. Contudo, ao se projetar um sistema de controle, o conhecimento do modelo matemtico do processo muito importante e imprescindvel em algumas ocasies. De acordo com o modelo matemtico do processo, pode-se analisar o comportamento e a dinmica do processo estudado (SANTOS, 2007; OLIVEIRA, 2008).

4.1 Estudo de caso - ambiente analisado

O ambiente analisado o Laboratrio de Transferncia de Calor e Massa da Escola de Minas/Universidade Federal de Ouro Preto, situado no complexo laboratorial da Escola de Minas. Na figura 4.1, mostrada a planta do segundo pavimento do prdio de laboratrios, no qual o ambiente analisado corresponde zona 3. Na figura 4.2 mostrada uma perspectiva do segundo andar. Nas figuras 4.3 e 4.4 representa-se graficamente o ambiente estudado, de forma simplificada, indicando as superfcies.

O fechamento externo (superfcie 1), at uma altura de 0,85 m, composto por trs camadas: uma de laminado cermico, uma de bloco celular e uma de reboco, com 5 mm, 10 cm e 25 mm de espessura, respectivamente (FIG. 4.5). O restante do fechamento externo composto por uma janela, com altura de 1 m e uma veneziana metlica tambm com altura de 1 m (FIG. 4.4). A janela de vidro, com 3 mm de espessura e a veneziana de alumnio, com 1 mm de espessura. As paredes internas (superfcies 2, 3 e 4) tambm so compostas por trs camadas: uma de reboco, uma de bloco celular e outra de reboco, com 25 mm, 10 cm e 25 mm de espessura, respectivamente (FIG. 4.6).

60

A cobertura (superfcie 5) composta de uma telha sanduche com trs camadas: uma de 5 mm de ao, outra de 35 mm de isolante e outra de 5 mm de ao (FIG. 4.7). O piso de concreto (superfcie 6), com 15 cm de espessura.

FIGURA 4.1 Planta do segundo pavimento do prdio Fonte: GOMES et al., 2008

FIGURA 4.2 Perspectiva do modelo Fonte: GOMES et al., 2008

sala adjacente

ambiente externo

7,5 m

10 m sala adjacente

FIGURA 4.3 Representao grfica do ambiente analisado

corredor

61

ambiente externo

ambiente externo

5
1m 1m 0,85 m veneziana 3,45 m janela parede

6
10 m sala adjacente inferior

FIGURA 4.4 Representao grfica do ambiente analisado

laminado cermico

bloco celular

bloco celular

reboco

reboco

5 mm

100 mm

25 mm

25 mm

100 mm

25 mm

FIGURA 4.5 Camadas da parede externa

FIGURA 4.6 Camadas da parede interna

5 mm

ao

35 mm

isolante

5 mm

ao

FIGURA 4.7 Camadas do telhado

As propriedades termofsicas dos materiais utilizados so mostradas na tabela 4.1, onde c o calor especfico (J/(kg.C)), a massa especfica (kg/m 3) e k a condutividade trmica (W/(m.C)).

reboco

corredor

62

Tabela 4.1 - Propriedades termofsicas dos elementos de fechamento

Materiais Ao Isolante Laminado cermico Bloco celular Reboco Alumnio Vidro Concreto
Fonte: NBR 15220: 2005.

(kg/m) 7.800 40 2.000 650 2.100 2.700 2.500 2.400

k (W/(m.C)) 55 0,03 1,05 0,16 1,15 230 0,9 1,75

cp (J/(kg.C)) 460 1.670 920 963 1.000 880 840 1.000

4.2 Modelo matemtico

Em sistemas trmicos ocorrem processos onde as variveis esto relacionadas ao armazenamento e transporte de calor. Nestes sistemas, a transferncia de calor pode ocorrer por trs formas distintas: conduo, conveco e radiao.

Processos trmicos so inerentemente sistemas a parmetros distribudos, ou seja, suas variveis mudam de valor conforme a localizao das mesmas no processo. Para simplificar alguns problemas, admite-se que o sistema trmico possa ser controlado com preciso utilizando-se apenas alguns pontos de medio. Para propsitos de simulao, um sistema pode ser aproximado por parmetros concentrados, onde as variaes espaciais so desprezadas (SANTOS et al., 2005).

Nesse trabalho, as seguintes suposies so consideradas: a) Toda a massa do ar interno suposto ter uma temperatura uniforme. Na realidade, a temperatura do ar no espao interno uma funo dependente da posio, mas a temperatura utilizada nos clculos uma mdia da temperatura de toda a massa de ar. b) As variaes de temperatura nas direes ao longo das superfcies so desprezadas, assim os problemas de conduo atravs dos elementos da envoltria podem ser tratados como unidimensionais. c) O perfil de radiao solar incidente considerado o mesmo para a fachada externa e cobertura.

63

d) O calor devido infiltrao de ar proveniente do vazamento de ar atravs de rachaduras ou pequenas aberturas em janelas e portas desprezado. e) As propriedades dos materiais (, c e k) so consideradas constantes, admitindo-se um valor mdio. f) No existe gerao de calor dentro dos materiais. g) A umidade do ar interno no levada em considerao. h) A capacitncia trmica e a absortividade do vidro da janela so desprezveis.

O balano de energia leva em considerao as trocas trmicas entre o ambiente externo e o ambiente interno atravs dos elementos de fechamento e das fontes internas de calor que dependem do perfil de ocupao do ambiente juntamente com os equipamentos existentes e a iluminao interna. Assim, a temperatura do ar interno influenciada por um nmero de fatores, tais como fluxos de calor atravs das paredes, piso, teto e janela, ventilao e ganhos de calor devido s cargas internas.

Os fluxos de energia atravs da envoltria da edificao ocorrem de forma dinmica. As propriedades da envoltria da edificao tm influncia significante na interao entre as condies de energia interna e externa, no sentido de fluxos trmicos. As respostas trmicas da edificao correspondem majoritariamente radiao solar e a temperatura externa (MARKUS11; MORRIS, 1990 apud LAH; ZUPANCIC; KRAINER, 2005).

Os dados climticos necessrios para a simulao so a temperatura do ar externo e a radiao solar incidente. A avaliao de desempenho do ambiente e dos sistemas de controle temperatura realizada considerando-se dias tpicos de vero, uma vez que no Brasil as condies climticas de vero so predominantes. Um dia tpico de vero representa um dia com freqncia de ocorrncia 10%, isto , 10% dos dias do perodo de vero apresentam temperatura mxima diria de 3 0C mais elevada que o maior valor entre as mdias mensais da temperatura mxima diria (AKUTSU, 1998).

11

MARKUS, T.A.; MORRIS, E.N. Buildings, climate and energy. Strath-clyde: Universisty of Glasgow, 1990

64

Nesse estudo, o balano de energia considerando as interaes trmicas entre ambiente interno e externo dado por (FIG. 4.8):

Qconv Qconv Qvent Qvidro Qar Qint Qconv

Qconv

FIGURA 4.8 Volume de controle esquemtico do ambiente.

(4.1) onde mar a massa do ar interno (kg), car o calor especfico do ar a presso constante (J/kg C), Ta a temperatura do ar interno (K), Qconv a taxa de calor devido conveco entre o ar interno e uma superfcie (W), Qvidro a taxa de calor atravs do vidro da janela (W), Q vent a taxa de calor devido ventilao (W), Qint a taxa de calor devido aos ganhos internos (W). A massa do ar interno dada pela equao:

(4.2) onde ar a massa especfica do ar (kg/m3) e Vsala o volume da sala (m3). O calor que passa atravs da janela composto pela transmisso de radiao solar e pela conduo de calor atravs do vidro:

(4.3) onde Avidro a rea envidraada da janela (m), vidro transmissividade do vidro, Fs o fator de sombreamento, I a radiao solar incidente (W/m), U vidro o coeficiente global de transferncia de calor em relao ao vidro (W/(m C)) e Te a temperatura do ar externo (K).

65

O coeficiente global de transferncia de calor no vidro pode ser calculado por meio da equao 4.4: (4.4)

onde he o coeficiente convectivo de troca de calor associado ao ar externo (W/(m C)), ha o coeficiente convectivo de troca de calor associado ao ar interno (W/(m C)).

A taxa de calor de ventilao ocorre devido ventilao natural e determinada pela vazo de ar que passa pela abertura da janela, conforme a equao 4.5.

(4.5) onde a vazo volumtrica de ar da ventilao natural (m/s). De acordo com Liem12 et al. (1989 apud DOUNIS; MANOLAKIS, 2001) essa vazo pode ser obtida a partir das seguintes equaes: (4.6) (4.7) (4.8) onde Aef a rea efetiva da janela (m2), o ngulo de abertura da janela (rad), Vef a velocidade mdia efetiva do ar interno (m/s), v ext a velocidade do ar externo (m/s), e T a diferena de temperatura entre o ambiente interno e o ambiente externo (K).

O calor transferido por conveco entre cada superfcie interna i da edificao e o ar interno dado por: (4.9) onde Ti a temperatura da superfcie i (K) e Ai a rea da superfcie interna i (m2). As superfcies internas so apresentadas nas figuras 4.3 e 4.4.

12

LIEM, S. H et al.. Passive building-control system. CEC-project pastor, Delft University of Technology, 1989.

66

Admitindo a hiptese de que a temperatura no sistema de fechamento (paredes, piso e teto) s varia com o tempo, ela pode ser obtida a partir do balano de energia na superfcie interna da parede: (4.10)

onde mi a massa do elemento de fechamento i (kg) e c i o calor especfico do elemento de fechamento i (J/(kg C)).

Como a massa dada pelo produto da massa especfica pelo volume (equao 4.11), e levando em considerao que alguns elementos de fechamento apresentam camadas compostas, o balano de energia resulta na equao 4.12.

(4.11) (4.12)

onde n o nmero de camadas do elemento.

A taxa de calor atravs dos elementos de fechamento devido conduo dada por:

(4.13)

onde Ui o coeficiente de global de transferncia de calor (W/(m C)), calculado de acordo com a equao 4.14. (4.14)

O clculo do calor de conduo atravs dos elementos de fechamento externos baseado no conceito de temperatura ar-sol. A temperatura ar-sol combina o efeito da radiao solar, a temperatura do ar ambiente e a troca de calor de radiao de onda longa com o ambiente. Fisicamente, a temperatura ar-sol poderia ser interpretada como a temperatura das redondezas que produz o mesmo efeito de calor da radiao incidente em conjunto com a temperatura ar

67

externo. Para as fachadas externas, a temperatura T e a temperatura ar-sol (K), cuja expresso dada por: (4.15)

onde a absortividade. Para as fachadas adjacentes aos ambientes internos, foi admitida a hiptese de que a temperatura Te igual temperatura do ar externo. A troca de calor de radiao entre duas superfcies pode ser estimada pela equao 4.16.

(4.16)

onde Fij o fator de forma entre as superfcies i e j e a constante de Stefan-Boltzmann (W/m K4).

Segundo Incropera e DeWitt (2003), os fatores de forma podem ser calculados para alguns casos particulares analiticamente. Com as equaes 4.19 e 4.22 calculam-se os fatores de forma para o caso de retngulos paralelos alinhados (FIG. 4.9) e de retngulos perpendiculares com um vrtice comum (FIG. 4.10), respectivamente. Para simplificao do clculo dos fatores de forma, o formato da sala foi aproximado para o formato de um paraleleppedo, sendo A1=A2, A3=A4 e A5=A6 (FIG. 4.3 e 4.4).

FIGURA 4.9 - Retngulos alinhados paralelos

(4.17)

68

(4.18)

(4.19)

FIGURA 4.10 - Retngulos perpendiculares com um vrtice comum

(4.20)

(4.21)

(4.22)

H ainda a dissipao de calor devido s cargas internas, como lmpadas, equipamentos, ocupantes e outros materiais.

69

4.3 Simulao

O modelo matemtico foi implementado no ambiente MATLAB/Simulink. O Simulink, desenvolvido pela companhia The MathWorks, uma ferramenta altamente integrada com o MATLAB para modelagem, simulao e anlise de sistemas dinmicos. Os sistemas so construdos por blocos que representam diferentes operaes matemticas em diagramas grficos de blocos (NIELSEN et al., 2002). O modelo da planta mostrado na figura 4.11.

FIGURA 4.11 Modelo da planta

4.3.1 Dados de entrada

Os dados utilizados na simulao, parmetros considerados constantes e aqueles calculados, so apresentados nas tabelas 4.2, 4.3 e 4.4.
Tabela 4.2 Dados utilizados e valores das constantes nas equaes

Parmetros constantes Calor especfico car Coeficiente convectivo do ar interno (W/(m C)) ha Coeficiente convectivo do ar externo (W/(m C)) he Absortividade da parede externa parede_ext Absortividade da veneziana veneziana Absortividade do telhado telhado Massa especfica do ar (kg/m). a Constante de Stefan-Boltzmann. Transmissividade do vidro. vidro

1005 J/kgC 8 W/(m C) 20 W/(m C) 0,8 0,4 0,2 1,25 kg/m 5,67 x 10-8 W/m K4 0,9

70

Tabela 4.3 Valores calculados

reas A1 A1a A1b A2 A3 A4 A5 A6 Avidro 21,375 m 7,5 m 6,375 m 21,375 m 28,5 m 28,5 m 75 m 75 m 7,5 m

Massa do ar interno (ma) 295,3125 kg Volume da sala (Vsala) 236,25 m Carga interna 1000 W Velocidade mdia efetiva do ar interno (Vef) 0,3250 m/s

Coeficientes globais de transferncia de calor U1a 20 W/(m C) U1b 1,43 W/(m C) U2 1,39 W/(m C) U3 1,39 W/(m C) U4 1,39 W/(m C) U5 0,82 W/(m C) U6 7,37 W/(m C) Uvidro 5,608 W/(m C)

Tabela 4.4 Fatores de forma calculados

F11 = 0 F12 = 0,068 F13 = 0,152 F14 = 0,152 F15 = 0,314 F16 = 0,314

F21 = 0,068 F22 = 0 F23 = 0,152 F24 = 0,152 F25 = 0,314 F26 = 0,314

Fatores de forma F31 = 0,114 F41 = 0,114 F32 = 0,114 F42 = 0,114 F33 = 0 F43 = 0,128 F34 = 0,128 F44 = 0 F35 = 0,322 F45 = 0,322 F36 = 0,322 F46 = 0,322

F51 = 0,108 F52 = 0,108 F53 = 0,148 F54 = 0,148 F55 = 0 F56 = 0,487

F61 = 0,108 F62 = 0,108 F63 = 0,148 F64 = 0,148 F65 = 0,487 F66 = 0

Para o clculo da velocidade mdia efetiva do ar interno, so assumidos valores constantes de 3 m/s para vext e 5 K para T (equao 4.8). Os perfis, da temperatura externa e radiao solar, utilizados e que representam os dados para um dia tpico de vero (zona bioclimtica 3, NBR 15220:2005) so mostrados nas figuras 4.12 e 4.13.

A norma ASHRAE 55: 2004 estabelece como zona de conforto a faixa de temperatura entre 23 a 28C para dias tpicos de vero.

Inicialmente, realizada a simulao do modelo sem um sistema de controle. Assim, foram considerados a superfcie envidraada da janela sem sombreamento (Fs = 1) e sem ventilao natural (janela fechada, = 0). A sada da planta a temperatura do ar interno, mostrada na figura 4.14, na qual tambm se explicita a faixa de temperatura de conforto conforme a norma ASHRAE 55: 2004.

71

FIGURA 4.12 - Perfil de temperatura externa para um dia tpico de vero

FIGURA 4.13 - Variao temporal da radiao solar

FIGURA 4.14 - Perfil de temperatura do ar interno

72

Nota-se, nesta situao, que a temperatura do ar interno apresenta valores acima da zona de conforto entre 10h30min e 19h, conforme sugerida pelas normas de conforto. Seu comportamento segue o comportamento da temperatura externa, apresentando valores mais altos quando o ar externo possui temperaturas mais altas. Observa-se ainda um atraso trmico em relao ao pico da temperatura externa, de aproximadamente 1,5h, como resultado da massa trmica do fechamento. Pode-se dizer ainda que a radiao solar incidente a principal causa do aumento da temperatura interna.

Desta forma, observa-se que, sem um controle adequado, a temperatura do ar interno no atinge os valores desejados para se obter as condies de conforto.

4.3.2 Projeto dos sistemas de controle

So desenvolvidos trs modelos de sistema de controle fuzzy, conforme apresentado no quadro 4.1. Todos os controladores utilizam o modelo clssico de Mamdani, uma vez que suas regras de controle so mais intuitivas linguisticamente, alm dele possuir ampla aceitao. Considerando este modelo, utilizam-se os operadores de Zadeh, ou seja, mnimo para interseco (conectivo e) e mximo para unio (conectivo ou). Como operador de implicao, considera-se o operador de mnimo, enquanto como agregao utiliza-se o operador de mximo.
Quadro 4.1 Modelos de controle propostos

Modelo Modelo 1

Descrio Realiza o controle por meio do sombreamento da superfcie envidraada da janela, de forma a alterar o fluxo de calor devido radiao solar incidente. Realiza o controle por meio do ngulo de abertura da janela, de forma a aumentar ou diminuir o fluxo de calor devido ventilao natural. Conta com os dois controladores fuzzy, de sombreamento e do ngulo de abertura, funcionando em paralelo.

Modelo 2

Modelo 3

73

4.3.2.1 Ferramenta de projeto

De forma a se obter um desenvolvimento satisfatrio do projeto do controlador fuzzy, foi utilizada a ferramenta MATLAB/Fuzzy Logic Toolbox, que permite interaes integradas ao ambiente de simulao. Basicamente, o Fuzzy Logic Toolbox permite: 1. identificao das variveis de entrada e sada do modelo; 2. definio dos domnios de cada varivel lingstica do sistema; 3. edio da base de regras; 4. compilao da base de regras; 5. edio das funes de pertinncias associadas a cada termo lingstico; 6. anlise e depurao da base de regras; 7. anlise do desempenho do sistema; 8. fcil integrao ao ambiente de simulao MATLAB/Simulink.

A janela principal do Fuzzy Logic Toolbox mostra as informaes gerais sobre o sistema de inferncia (FIG 4.15). O diagrama no topo da tela mostra o nome de cada varivel de entrada e de sada, o nome do sistema e o tipo de mecanismo de inferncia utilizado. O Toolbox trabalha com dois mtodos de inferncia: o de Sugeno e o de Mamdani. Convm observar que os desenhos das funes de pertinncia nas caixas de entrada e sada so apenas de carter ilustrativo, no representando a forma real das funes de pertinncia. Existe ainda um menu de escolha dos operadores e mtodos utilizados no mecanismo de inferncia.

Para editar as funes de pertinncia (Edit/Membership Functions) tem-se uma janela que divide algumas caractersticas com a janela principal. Ela permite a visualizao e edio de todas as funes de pertinncia de entrada e sada, onde possvel modificar os nomes, os tipos e os parmetros das funes, bem como as faixas de valores de abrangncia das variveis. Na figura 4.16 mostrado um exemplo.

Ainda, no que diz respeito edio, pode-se escrever as regras do controlador (Edit/Rules) em uma terceira janela, chamada de editor de regras. Trs linguagens so disponveis para a edio das regras: verbal (verbose), simblica (symbolic), e indexada (indexed). A mais direta e de fcil compreenso a linguagem verbal. Na figura 4.17 apresentado um conjunto de regras hipotticas.

74

FIGURA 4.15 - FIS Editor: Janela principal do Toolbox

FIGURA 4.16 Janela de edio das funes de pertinncia

75

O visualizador de regras (FIG 4.18) uma janela utilizada para diagnstico, mostrando quais regras esto ativas ou como as formas das funes de pertinncia influenciam nos resultados. Cada linha uma regra e cada coluna uma varivel. O ltimo grfico da janela representa a deciso agregada para o dado sistema de inferncia. A deciso (valor numrico de sada) depende dos valores numricos de entrada para o sistema. Assim, o visualizador de regras permite a interpretao de todo o processo de inferncia fuzzy.

O visualizador de superfcies uma ferramenta que permite a avaliao da superfcie de sada de um sistema de inferncia fuzzy para uma ou duas entradas (FIG. 4.19). A superfcie pode ser manipulada de forma que se possa visualiz-la de diferentes ngulos.

FIGURA 4.17 Janela de edio de regras

76

FIGURA 4.18 Janela de visualizao das regras

FIGURA 4.19 Janela de visualizao da superfcie de sada

77

4.3.2.2 Sistema de controle 1: controle por sombreamento

O primeiro modelo um sistema de controle em malha fechada (FIG. 4.20). Neste tipo de sistema, a varivel de controle realimentada no sistema, possibilitando que as informaes sobre como ela est evoluindo sejam utilizadas para determinar o sinal de controle que deve ser aplicado ao processo em um instante especfico. A utilizao da realimentao permite aumentar a preciso do sistema, rejeitar o efeito de perturbaes externas, melhorar a dinmica do sistema e diminuir a sensibilidade do sistema a variaes dos parmetros do processo, atribuindo uma certa robustez a ele (OGATA, 2003).

FIGURA 4.20 Sistema de controle 1: controle por sombreamento

O controlador fuzzy tem como variveis de entrada a radiao solar incidente na janela e a temperatura do ar interno. A varivel de sada o fator de sombreamento da janela, que pode variar entre 0 (sombreamento mximo) e 1 (sombreamento mnimo). As variveis lingsticas criadas so radiao-solar, temperatura-interna e sombreamento, cujas funes de pertinncia so mostradas nas figuras 4.21, 4.22 e 4.23. Como mtodo de defuzzificao foi utilizado o mtodo do Centro de rea. A superfcie de sada do controlador mostrada na figura 4.24 e 4.25.

O controlador funciona da seguinte forma: quando a temperatura interna for alta e a radiao solar incidente for alta, o sombreamento da janela deve ser alto, impedindo a passagem do calor devido a essa radiao. Quando a temperatura interna for baixa, e a radiao solar for alta, a janela fica com um sombreamento baixo, de forma que a radiao solar entre no

78

ambiente para aquec-lo. Em momentos em que no h radiao solar, como noite, o sombreamento baixo.

FIGURA 4.21 - Funo de pertinncia para radiao-solar

FIGURA 4.22 - Funo de pertinncia para temperatura-interna

FIGURA 4.23 - Funes de pertinncia para sombreamento

FIGURA 4.24 Superfcie de sada do controlador

79

FIGURA 4.25 Superfcie de sada do controlador

A base de regras do controlador :

SE radiao-solar alta e temperatura-interna alta ENTO sombreamento alto. SE radiao-solar alta e temperatura-interna no alta ENTO sombreamento baixo. SE radiao-solar no alta ENTO sombreamento baixo.

(4.23) (4.24) (4.25)

Na figura 4.26 so mostrados a temperatura do ar externo, a temperatura do ar interno sem controle e a temperatura do ar interno com a aplicao do sistema de controle por sombreamento. Uma vez que a radiao solar incidente a principal causa do aumento da temperatura interna, o sombreamento da janela consegue diminuir a temperatura do ar interno consideravelmente mediante a atuao do controlador, mantendo a temperatura do ar em condies confortveis.

No teste realizado, nota-se que durante a noite, o fator de sombreamento mnimo, e conforme a intensidade da radiao solar aumenta, o fator de sombreamento tambm aumenta, chegando a um valor mximo no horrio entre 12h e 15h (FIG. 4.27).

De modo a testar a robustez do sistema do controle, uma perturbao inserida na planta. Essa perturbao representa uma taxa de calor caracterizada pelo abrir/fechar da porta, ligar/desligar lmpadas e/ou acionar equipamentos (FIG. 4.28). Observa-se que o sistema de controle ainda assim consegue manter a temperatura na faixa de conforto, com poucas variaes em relao ao sistema sem perturbao (FIG. 4.29).

80

FIGURA 4.26 Perfis de temperatura interna e externa

FIGURA 4.27 Sinal de sada do controlador: fator de sombreamento

FIGURA 4.28 Taxa de calor devido a perturbaes

81

FIGURA 4.29 Temperatura interna mediante perturbao

4.3.2.3 Sistema de controle 2: controle por ventilao natural

O segundo sistema de controle tambm realizado em malha fechada (FIG. 4.30). O controlador fuzzy possui duas entradas: a temperatura do ar interno e a temperatura do ar externo. O elemento de controle no caso de ventilao natural apenas a posio da janela, definida por meio do ngulo de abertura (sada do controlador). Assim, de acordo com as condies ambientais, a variao no ngulo de abertura implica na variao da rea das aberturas, permitindo mais ou menos quantidade de ar para entrar no espao interno.

FIGURA 4.30 Sistema de controle 2: controle por ventilao natural

As variveis lingsticas criadas so temperatura-interna, que assume os valores baixa, conforto e alta, temperatura-externa, que assume os valores baixa, mdia e alta e abertura da janela, que assume os valores fechada, normal e aberta. As funes de pertinncia de entrada e sada do controlador so mostradas na figura 4.31, 4.32 e 4.33. Como

82

mtodo de defuzzificao foi utilizado o mtodo do Centro de rea. A superfcie de sada do controlador mostrada nas figuras 4.34 e 4.35.

O sistema de controle tem como objetivo tomar a deciso correta sobre como abrir ou fechar a janela de acordo com as condies do ambiente. O ngulo de abertura varia de 0 a 45, ou seja, com ngulo 0o, a janela encontra-se fechada (sem ventilao) e com ngulo de 45 a janela encontra-se totalmente aberta (ventilao mxima). Como o mtodo de defuzzificao utilizado foi o Centro de rea, para que a sada do controlador apresente valores entre 0 e 45, a faixa de valores do universo de discurso da varivel abertura da janela ajustada para -12 a 56. Contudo, ao se utilizar esta faixa de valores, a sada pode assumir um valor mnimo de -0,676 e um valor mximo de 45,1. De forma a garantir que o ngulo de abertura da janela seja no mnimo 0 e no mximo 45, este deve passar por um bloco de saturao, cujos limites so esses valores (0 e 45).

FIGURA 4.31 - Funes de pertinncia para temperatura interna

FIGURA 4.32 - Funes de pertinncia para temperatura externa

FIGURA 4.33 - Funes de pertinncia para a janela

83

FIGURA 4.34 Superfcie de sada do controlador

FIGURA 4.35 Superfcie de sada do controlador

A base de regras do controlador est esquematizada nas equaes 4.22 a 4.26:

SE temperatura-interna alta E temperatura-externa no alta ENTO janela aberta. SE temperatura-interna alta E temperatura-externa alta ENTO janela fechada. SE temperatura-interna baixa E temperatura-externa baixa ENTO janela fechada. SE temperatura-interna baixa E temperatura-externa no baixa ENTO janela aberta. SE temperatura-interna confortvel ENTO janela normal.

(4.26) (4.27) (4.28) (4.29) (4.30)

De acordo com essas regras, se a temperatura interna for alta e a temperatura externa for normal ou baixa, ento a janela aberta para que o ambiente quente seja resfriado pela ventilao. Se a temperatura interna for alta e a temperatura externa tambm, ento a janela fechada para que o ambiente quente no aumente mais a temperatura ao receber ar mais

84

quente do ambiente externo. Se a temperatura interna for baixa e a temperatura externa tambm, ento a janela fechada para que o ambiente frio no resfrie mais ao receber ar mais frio do ambiente externo. Se a temperatura interna for baixa e a temperatura externa for normal ou alta, ento a janela aberta de forma que a ventilao aquea o ambiente pela entrada de ar mais quente.

Na figura 4.36 so mostrados a temperatura do ar externo, a temperatura do ar interno sem controle e a temperatura do ar interno com a aplicao de um sistema de controle por ventilao natural. Nota-se que a temperatura do ar interno diminui durante o perodo de teste, mediante a atuao do controlador. Na figura 4.37 apresenta-se o comportamento do ngulo de abertura durante o perodo de simulao. Os resultados mostram que o controlador capaz de ajustar as posies da abertura com mudanas nas condies internas e externas. Apesar de, no horrio compreendido entre 10h30min e 15h20min, o ngulo de abertura ser mximo (45), a temperatura do ar interno atinge valores maiores do que o limite superior da zona de conforto (28C).

Da mesma forma que foi feito para o sistema de controle 1, adiciona-se perturbaes planta (FIG. 4.28). Observa-se que o sistema de controle apresenta poucas variaes em relao ao sistema sem perturbao (FIG. 4.38).

FIGURA 4.36 Perfis de temperatura interna e externa

85

FIGURA 4.37 Sinal de sada do controlador: ngulo de abertura

FIGURA 4.38 Temperatura interna mediante perturbao

4.3.2.4 Sistema de controle 3: controle por sombreamento e por ventilao natural

Esse sistema de controle uma combinao entre os sistemas de controle 1 e 2, contando com os dois controladores fuzzy anteriores funcionando em paralelo (FIG. 4.39). Agora o sistema passa a ter dois elementos de controle: o fator de sombreamento e o ngulo de abertura da janela.

Na figura 4.40 so mostrados os perfis de temperatura. A temperatura interna se mantm dentro da zona de conforto mediante a ao combinada de controle durante todo o perodo de simulao. Esse sistema de controle, alm de proporcionar o conforto trmico, renova o ar do ambiente utilizando a ventilao natural, contribuindo para a qualidade do ar interno.

86

FIGURA 4.39 Sistema de controle 3: controle por sombreamento e por ventilao natural

FIGURA 4.40 Perfis de temperatura interna e externa

Nas figuras 4.41 e 4.42 so mostrados os sinais de atuao dos elementos de controle. Observa-se que eles se comportam adequadamente, segundo as regras lingsticas dos controladores fuzzy. Assim, o fator de sombreamento mantm um sombreamento alto quando a temperatura do ar interno encontra-se alta enquanto o ngulo de abertura proporciona uma ventilao natural que varia de acordo com as temperaturas interna e externa.

O controlador apresenta um desempenho adequado, mesmo na presena das perturbaes conforme apresentado na figura 4.28, sendo pouco suscetvel a elas (FIG. 4.43).

87

FIGURA 4.41 Fator de sombreamento

FIGURA 4.42 ngulo de abertura da janela

FIGURA 4.43 Temperatura interna mediante perturbao

5 CONCLUSES

Neste trabalho faz-se um estudo do comportamento trmico de um ambiente. A anlise realizada visa a obteno de um ambiente com conforto trmico adequado aos usurios e com um baixo consumo de energia para o condicionamento quando este for necessrio. De forma a refrigerar e aquecer o ambiente, so utilizadas estratgias passivas de condicionamento, minimizando a utilizao de plantas mecnicas. Assim, faz-se o uso da ventilao natural e do sombreamento para regular os fluxos de calor que entram no ambiente.

Para efetuar o controle, so desenvolvidos trs sistemas de controle: um que controla o fator de sombreamento, variando a rea da superfcie envidraada da janela pela qual a radiao solar incide (modelo 1); um que controla o ngulo de abertura, regulando a corrente de ar da ventilao natural (modelo 2) e outro que controla tanto o ngulo quanto o fator de sombreamento (modelo 3). Os controladores desenvolvidos so baseados na lgica fuzzy, uma vez que apresentam caractersticas de flexibilidade e uso intuitivo e toleram uma quantidade razovel de impreciso, vagueza e incerteza durante a fase de modelagem.

Por meio das simulaes realizadas no MATLAB/Simulink, observa-se que os sistemas de controle 1 e 3 conseguem controlar adequadamente a temperatura do ar interno, assegurando as condies desejadas de conforto humano. Quando as aes de controle so combinadas (sistema de controle 3), alm de o conforto ser alcanado, a qualidade do ar interno melhorada devido ventilao natural. O sistema de controle 2 proporciona conforto na maior parte do tempo, porm no horrio mais quente a temperatura diminui, mas no se encontra dentro da faixa de conforto.

Mesmo na presena de perturbaes, observa-se que os sistemas de controle propostos mostraram-se robustos. Porm, somente os sistemas de controle 1 e 3, apresentam um desempenho satisfatrio controlando adequadamente a temperatura.

Por fim, este trabalho mostra a praticidade dos controladores baseados na lgica fuzzy. Os modelos de simulao desenvolvidos permitem, sem grandes alteraes, que futuros estudos possam ser conduzidos, propiciando, assim, que outros casos sejam avaliados.

89

Para trabalhos futuros, pode-se sugerir:

i)

Incluso da umidade do ar interno no balano de energia para as interaes de calor e massa entre o ambiente interno e o ambiente externo.

ii)

Realizao da modelagem do sistema por meio de identificao de sistemas e confronto com a modelagem terica.

iii) Desenvolvimento de outras estratgias de controle, como PID ou sistemas hbridos PID e Fuzzy e comparao entre elas. iv) Implementao de uma cmara de teste equipada adequadamente com sensores, para realizar medies de parmetros como velocidade do vento, temperatura do ar interno, temperatura do ar externo e radiao solar e atuadores, para movimentar a abertura das janelas e/ou elementos de sombreamento. O sistema de controle da cmara pode ser implementado com dispositivos como microcontrolador ou controlador lgico programvel (CLP).

REFERNCIAS

AKUTSU, M. Mtodo para a avaliao do desempenho trmico de edificaes no Brasil. 1998. Tese (Doutorado em Arquitetura) Programa de Ps Graduao em Arquitetura, Faculdade de Arquitetura e Urbanismo, Universidade de So Paulo, So Paulo, 1998.

ASSOCIAO BRASILEIRA DE NORMAS TCNICAS. Desempenho trmico de edificaes: NBR 15220, Rio de Janeiro, 2005, 92 p.

AMERICAN SOCIETY FOR HEATING, REFRIGERATING AND AIR CONDITIONING ENGINEERS. Thermal environmental conditions for human occupancy. ANSY/ASHRAE 55:2004. Atlanta, 2004. 26p.

BIES, D.A.; HANSEN, C.H. Engineering Noise Control: Theory and Practice. 3a. ed. London e New York: Spon Press, 2003. 719p.

BISTAFA, S.R. Acstica Aplicada ao Controle de Rudo. So Paulo Edgard Blcher, 2006. 368 p.

COELHO, L. S.; ALMEIDA, O. M.; COELHO, A. A. R. Projeto e estudo de caso da implementao de um sistema de controle nebuloso. Revista Controle & Automao, v. 14, n. 1, p. 20-29, 2003.

CALVINO, F. et al.. The control of indoor thermal comfort conditions: introducing a fuzzy adaptive controller. Energy and Buildings, v. 36, n. 2, p. 97-102, 2004.

CHENG, L. Y. Informaes subjetivas no estudo do conforto ambiental - Uma introduo s abordagens baseadas na teoria dos sistemas nebulosos. ENCAC2001 Mini-curso. LabCAD/PCC/EP/USP, 2001. In: ENCONTRO NACIONAL SOBRE CONFORTO TRMICO NO AMBIENTE CONSTRUDO, 6., 2001, Campinas SP.

DOUNIS, A. I.; CARAISCOS, C. Advanced control systems engineering for energy and comfort management in a building environment - A review. Renewable and Sustainable Energy Reviews, v. 13, n. 6-7, p. 12461261, 2009.

DOUNIS, A. I.; MANOLAKIS, D. E. Design of a fuzzy system for living space thermalcomfort regulation. Applied Energy, v. 69, n. 2, p. 119-144, 2001.

91

EFTEKHARI, M. M.; MARJANOVIC, L. D. Application of fuzzy control in naturally ventilated buildings for summer conditions. Energy and Buildings, v. 35, n. 7, p. 645655, 2003.

FANGER, P. O. Thermal Comfort, Analysis and Applications in Environmental Engineering. New York, McGraw-Hill Book Company, 1970. 245p.

FONTANELA, M. S. Percepo do Ambiente Trmico: Preferncias Subjetivas e Conforto Trmico. 2009. Dissertao (Mestrado em Engenharia Civil) Programa de PsGraduao em Engenharia Civil, Universidade Federal de Ouro Preto, Ouro Preto, 2009. GOMES, A. P. G; MARTINS, G. C. A; SPILARI, D. V; SOUZA, H. A. Thermal performance in steel-structured buildings. In: BRAZILIAN CONGRESS OF THERMAL ENGINEERING AND SCIENCES, 12., 2008, Belo Horizonte. Proceedings of ENCIT 2008. Rio de Janeiro: ABCM, 2008.

GOMIDE, F. A. C.; GUDWIN, R. R. Modelagem, Controle, Sistemas e Lgica Fuzzy. Revista da Sociedade Brasileira de Automtica, nmero especial, v. 4, n. 3, p. 97-115, 1994.

GOUDA, M. M.; DANAHER, S.; UNDERWOOD, C. P. Quasi-Adaptive fuzzy heating control of solar buildings. Building and Environment, v. 41, n. 12, p. 1881-1891, 2006.

GUERRA, R. Projeto e simulao do controle de atitude autnomo de satlites usando lgica nebulosa. 1998. Dissertao (Mestrado em Engenharia e Tecnologia Espaciais/ Mecnica Espacial e Controle) - Instituto Nacional de Pesquisas Espaciais, So Jos dos Campos, 1998.

INCROPERA, F. P.; DEWITT, D. P. Fundamentos de Transferncia de Calor e de Massa. 5 ed. Rio de Janeiro: LTC, 2003.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. Ergonomics of the thermal environment Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria - ISO 7730:2006. Germany, 2006. 59p.

KOLOKOTSA, D. et al.. Implementation of an integrated indoor environment and energy management system. Energy and Buildings, v. 37, n. 1, p. 93-99, 2005.

KOLOKOTSA, D. et al.. Advanced fuzzy logic controllers design and evaluation for buildings' occupants thermal-visual comfort and indoor air quality satisfaction. Energy and Buildings, v. 33, n. 6, p.531-543, 2001.

92

KRISTL, Z. et al.. Fuzzy control system for thermal and visual comfort in building. Renewable Energy, v. 33, n. 4, p. 694702, 2008.

INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. Ergonomics of the thermal environment Analytical determination and interpretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria - ISO 7730:2006. Germany, 2006. 59p.

JANG, J. S. R.; GULLEY, N. Fuzzy Logic Toolbox User's Guide. The Math Works Inc, 1995.

LAH, M. T.; ZUPANCIC, B.; KRAINER, A. Fuzzy control for the illumination and temperature comfort in a test chamber. Building and Environment, v. 40, n. 12, p. 1626 1637, 2005.

LIMA, F. S. Estratgia de escalonamento de controladores PID baseado em regras fuzzy para redes industriais Foundation Fieldbus usando blocos padres. 2004. Dissertao (Mestrado em Engenharia Eltrica) Programa de Ps-Graduao em Engenharia Eltrica, Universidade Federal do Rio Grande do Norte, Natal, 2004.

NIELSEN, T. R.; PEUHKURI, R. H; WEITZMANN, P; GUDUM, C. Modeling building physics in Simulink. 2002. Report. Department of Civil Engineering, Technical University of Denmark, 2002.

OGATA, K. Engenharia de Controle Moderno. 4 ed. So Paulo: Pearson Prentice Hall, 2003.

OLIVEIRA, I. S. Controle fuzzy PI de temperatura num modelo de edificao em escala reduzida. 2008. Monografia (Trabalho de Final de Curso em Engenharia de Controle e Automao). Escola de Minas, Universidade Federal de Ouro Preto, Minas Gerais, 2008.

PASSINO, K. M.; YURKOVICH, S. Fuzzy control. California, Addison-Wesley Longman, 1998.

PRADO, P. H. S. Controle da temperatura e umidade do ar num ambiente em funo do voto mdio estimado dos usurios. 2010. Relatrio final (Programa de Iniciao Cientfica PROBIC/FAPEMIG). Universidade Federal de Ouro Preto, Minas Gerais, 2010.

SALGADO, P.; CUNHA, J. B. Greenhouse climate hierarquical fuzzy modelling. Control Engineering Practice, v. 13, n. 5, p. 613-628, 2005.

93

SANDRI, S.; CORREA, C. Lgica nebulosa. In: ESCOLA DE REDES NEURAIS, 5., 1999, So Jos dos Campos. Anais... So Jos dos Campos: ITA, 1999, p. c73:c90.

SANTOS, E. A. Controle da temperatura de um ambiente utilizando redes neurais em conjunto com controlador PI. 2007. Monografia (Trabalho de Final de Curso em Engenharia de Controle e Automao). Escola de Minas, Universidade Federal de Ouro Preto, Minas Gerais, 2007.

SANTOS, R. J. et al.. Controle fuzzy para racionalizao de energia em prottipo de processo trmico predial. In: VII SIMPSIO BRASILEIRO DE AUTOMAO INTELIGENTE, 2005, So Lus.

SHAW, I. S.; SIMES M. G. Controle e Modelagem Fuzzy. 2 ed. So Paulo: Blucher, 2007.

SKRJANC, I. et al.. Theoretical and experimental fuzzy modelling of building thermal dynamic response. Building and Environment, v. 36, n. 9, p. 10231038, 2001.

STUCK, I. S. Controle do conforto luminoso e trmico de um ambiente. 2006. Monografia (Trabalho de Final de Curso em Engenharia de Controle e Automao). Escola de Minas, Universidade Federal de Ouro Preto, Minas Gerais, 2006.

UNDERWOOD, C. P.; YIK, F. W. H. Modelling Methods for Energy in Buildings. Oxford: Wiley-Blackwell, 2004.

VALE, M. R. B. G. Anlise comparativa do desempenho de um controlador fuzzy acoplado a um PID neural sintonizado por um algoritmo gentico com controladores inteligentes convencionais. 2007. Dissertao (Mestrado em Engenharia Eltrica e de Computao) Programa de Ps-Graduao em Engenharia Eltrica e de Computao, Universidade Federal do Rio Grande do Norte, Natal, 2007.

ZADEH, L. A. Fuzzy Sets. Information and Control, 8, p.338-358, 1965.

ZUPANCIC, B. et al.. Harmonization of thermal and daylight flows with modelling, simulation and control system design in buildings. In: INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY INTERFACES, 26., 2004, Cavtat. Proceedings, 2004, v. 1, p. 579-584, ISBN: 953-96769-9-1.