Você está na página 1de 151

Jos Homero Feitosa Cavalcanti

LGICA FUZZY APLICADA S ENGENHARIAS












Jos Homero Feitosa Cavalcanti
Hiran de Melo
Ccero da Rocha Souto
Mnica Tejo Cavalcanti




Dezembro de 2012
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
LGICA FUZZY APLICADA S ENGENHARIAS
1
Jos Homero Feitosa Cavalcanti et ali
PREFCIO


Jos Homero Feitosa Cavalcanti tem interesses no uso de sistemas inteligentes em rob-
tica. Ele usou sistemas baseados em Lgica Fuzzy desde o incio da dcada de 1990 quando
ele cursava o doutorado (defendido em 1995) na rea de controle do Departamento de Enge-
nharia Eltrica na antiga UFPB em Campina Grande, PB. Durante a elaborao da sua tese de
doutorado e observando os pndulos, ele e os seus orientadores projetaram um controlador
hbrido, baseado na Lgica Fuzzy e nas Redes Neurais Artificiais, para o posicionamento in-
vertido do pndulo simples. Devido a interao cientfica entre o Professor Jos Homero Fei-
tosa Cavalcanti e os participantes do NEUROLAB, foi decidido que esses colegas participari-
am, cada um, na elaborao de um captulo sobre a aplicao prtica da Lgica Fuzzy basea-
dos nas suas experincias no NEUROLAB. Esta uma verso provisria do livro Lgica
Fuzzy aplicada s engenharias
Este livro possui cinco captulos (captulos 1 a 5) escritos pelo Professor Jos Homero
Feitosa Cavalcanti que versam sobre a base computacional e matemtica de sistemas que u-
sam a Lgica Fuzzy.
O Professor Jos Homero Feitosa Cavalcanti escreveu o captulo 6 que representa na
Lgica Fuzzy as notas musicais. Usa-se a altura das FPs.
Este livro possui um captulo (captulo 7) escrito em conjunto com o Professor Ccero
Rocha Souto usando a defuzzyficao contnua. Os Sistemas complexos, tais como os sis-
temas representados por pndulos ou o corpo humano, podem ser modelados matematicamen-
te como sistemas de mais de um grau de liberdade. Podem ser citados como sistemas comple-
xos os pndulos e os sistemas robticos que usam ligas com memria de forma. Ccero Rocha
Souto apresenta um sistema desenvolvido para a anlise e a implementao de sistemas usan-
do materiais atuadores de ligas com memria de forma (LMF). O sistema utiliza as ferramen-
tas da lgica Fuzzy e um simulador do comportamento de mudana de forma de uma viga, e
se prope um sistema Fuzzy para control-la. Usa-se a CG das FPs para identificar a LMF.
Este livro possui um captulo (captulo 8) escrito em conjunto com a Professora Mnica
Tejo Cavalcanti baseado na aplicao da defuzzyficao contnua. Durante a elaborao da
sua tese de doutorado (defendida em 2011) ela observou a possibilidade de usar a Lgica
Fuzzy na anlise sensorial. Aps estudos sobre o funcionamento de sistemas para a anlise
sensorial de amostras, ela desenvolveu um sistema Fuzzy para a definio e gradao das ca-
ractersticas das amostras, e para a anlise e deciso sobre os dados obtidos da anlise senso-
rial. Usa-se o valor final da CG das FPs para escolher a amostra.
Este livro possui um captulo (captulo 9) escrito em conjunto com o Professor Hiran de
Melo defuzzyficao lgica e agrupamento. O Professor defendeu a sua tese de doutorado
na rea de previso de sinais, especificamente sobre a previso da posio de um peso sobre
uma placa vibratria. Hiran de Melo responsvel por um captulo que aborda estados de sis-
temas e a previso de valores em sries temporais representadas como variveis da Lgica
Fuzzy. Usa-se a posio das FPs para representar elementos da srie temporal.
Este livro possui um captulo (captulo 10) escrito para representao e anlise de um
manipulador robtico. Usa-se a inclinao da FP para representar manipuladores de n elos.
O texto deste livro possui nove captulos, ordenados em uma seqncia lgica da estru-
tura da Lgica Fuzzy. No corpo de cada captulo h a fundamentao terica, exerccios teri-
cos e prticos, proposies de cdigos em linguagem C, solues implementadas no ambiente
LGICA FUZZY APLICADA S ENGENHARIAS
2
Jos Homero Feitosa Cavalcanti et ali
MATLAB e as obras de referncia utilizadas. No final apresentado um apndice com a rela-
o das publicaes citadas e sugeridas neste livro.
Neste livro, aps alguns captulos sobre a base da Lgica Fuzzy, apresentam-se os resul-
tados obtidos no desenvolvimento de sistemas Fuzzy, no laboratrio NEUROLAB, na rea
de sistemas no lineares. Apresentam-se as caractersticas de um sistema Fuzzy para anlise
de acordes musicais, um sistema Fuzzy para anlise sensorial, um sistema Fuzzy para previ-
so de sries temporais, e um sistema Fuzzy para anlise e controle de sistemas com memria
de forma.
Este livro usa os recursos de multimdia disponveis nos microcomputadores e tabletes
atuais. O autor escolhe algumas figuras dos captulos para fazer a animao montando um
filme que apresenta dinamicamente o traado das curvas nas figuras. O livro armazenado em
*.pdf e os filmes em *.wmv. Durante a leitura do livro o leitor pode ativar um conjunto de
filmes preparados sobre o desenvolvimento e gerao de algumas figuras.
Dados de Catalogao na publicao (CIP) Internacional, (Cmara do Livro, Brasil)
Cavalcanti, Jos Homero Feitosa, 1950
Cavalcanti, Mnica Tejo, 1980
Ccero Rocha Souto, 1965
Hiran de Melo, 1955
LGICA FUZZY APLICADA S ENGENHARIAS
Joo Pessoa PB, 2012
Bibliografia: Lgica Fuzzy; Controladores Fuzzy; Msica; Anlise sensorial; Memria
de forma; Posicionamento; Previso de sries temporais.


LGICA FUZZY APLICADA S ENGENHARIAS
3
Jos Homero Feitosa Cavalcanti et ali
SUMRIO

1 INTRODUO
1.1 Introduo 8
1.2 A lgica de Ariststeles 8
1.3 A lgica Fuzzy de Zadeh 11
1.4 Descrio dos captulos 12

2 A LGICA FUZZY - DEFINIO
2.1 Introduo 14
2.2 Anlise de um Sistema usando a Lgica Fuzzy 14
2.3 Sensao trmica, variveis lgicas 15
2.4 Sensao trmica, variveis contnuas 17
2.5 Funes de pertinncias, retas 20
2.6 Funes de pertinncias, sigmides 22
2.7 Definio da Lgica Fuzzy 23
2.8 Concluso 27


3 AS FUNES DE PERTINNCIAS
3.1 Introduo 28
3.2 O traado das funes de pertinncias triangulares 28
3.3 O alvo nas funes de pertinncia 31
3.4 Operaes bsicas da Lgica Fuzzy 32
3.5 A defuzzyficao lgica 36
3.6 Uma reta intercepta as funes de pertinncias 37
3.7 A Lgica Fuzzy de Mamdani 40
3.8 Concluso 40


4 DEFUZZYFICAO LGICA NA REA DE CONTROLE
4.1 Introduo 41
4.2 Controle de temperatura 41
4.3 Identificao Fuzzy da planta 43
4.4 Controle fuzzy inverso da temperatura 51
4.5 O controlador inverso positivo e negativo 55
4.6 O controlador proporcional ao erro 57
4.7 O controlador Fuzzy de Furohashi 61
4.8 O controlador Fuzzy de Mandani 64
4.9 Concluso 69
5 A DEFUZZYFICAO CONTNUA E A ADAPTAO FUZZY
5.1 Introduo 70
5.2 A defuzzyficao contnua 73
5.3 Adaptao dos parmetros Fuzzy 76
5.4 Muda valores dos pesos das funes de pertinncia 77
5.5 Concluso 81
LGICA FUZZY APLICADA S ENGENHARIAS
4
Jos Homero Feitosa Cavalcanti et ali

6 A ESCALA JUSTA MUSICAL
6.1 Introduo 83
6.2 A escala justa 83
6.3 A escala justa e a Lgica Fuzzy 85
6.4 Acorde duplo, operao OR 87
6.5 Acorde duas notas, operao AND 89
6.7 A fatorao duas notas, operao OR e MENOS 90
6.7 O Acorde triplo 94
6.8 Concluso 98

7 ANLISE DE SISTEMAS COM MEMRIA DE FORMA
7.1 Introduo 99
7.2 Aplicaes das LMFs 98
7.3 A histerese em LMFs, experimental 99
7.4 A histerese em LMFs e a Lgica Fuzzy 100
7.5 Controle das LMFs 103
7.6 Controle usando a Lgica Fuzzy 104
7.7 Controle direto do comprimento da LMF 109
7.8 Anlise experimental 110
7.9 Concluso 115

8 ANLISE SENSORIAL

8.1 Introduo 117
8.2 Caractersticas da lgica Fuzzy 118
8.3 A Anlise Sensorial e a Lgica Fuzzy 119
8.4 Anlise sensorial da faveleira usando a Lgica Fuzzy 122
8.5 Concluso 124

9 AGRUPAMENTOS E PREVISO
9.1 Introduo 125
9.2 Radiao solar 125
9.3 Varivel fuzzy da radiao solar 125
9.4 Varivel fuzzy da radiao solar, agrupamento 126
9.5 Varivel fuzzy da radiao solar, fuzzyficao 130
9.6 Concluso 133

10 POSICIONAMENTO DE UM MANIPULADOR ROBTICO
10.1 Introduo 134
10.2 Manipulador de nico elo 134
10.3 Manipulador de dois elo 136
10.4 Manipulador de trs elo 138
10.6 Concluso 144
LGICA FUZZY APLICADA S ENGENHARIAS
5
Jos Homero Feitosa Cavalcanti et ali
APNDICE A - REFERNCIAS BIBLIOGRFICAS
A.1 Introduo 145
A.2 Descrio da bibliografia consultada 147
A.3 Bibliografia consultada e referenciada 148











LGICA FUZZY APLICADA S ENGENHARIAS
6
Jos Homero Feitosa Cavalcanti et ali
FIGURAS
1 INTRODUO
2 A LGICA FUZZY
2.1 Aquecimento de um termmetro 5
2.2 Temperatura no termmetro 6
2.3 Temperatura na sala, gradao 6
2.4 Sensao trmica na sala 7
2.5 Sensao trmica na sala, gradao e lgica 8
2.6 Sensao trmica na sala, lgica 8
2.7 Sensao trmica na sala, T_alta 9
2.8 Sensao trmica na sala, T_baixa 9
2.9 Sensao trmica na sala, funes de pertinncias 10
2.10 Sensao trmica na sala, positiva e prxima de zero grau 10
2.11 Sensao trmica na sala, positiva e negativa 11
2.12 Sensao trmica na sala, retas 11
2.13 Sensao trmica na sala, retas e extenso 11
2.14 Sensao trmica na sala, trapzios 12
2.15 Sensao trmica na sala 12
2.16 Funes de pertinncias 12
2.17 Sensao trmica na sala, exerccio 12
2.18 Funo sigmide 13
2.19 Derivada da funo sigmide 14
2.20 Funo sigmide decrescente 15
2.21 Funo sino 15
2.21 Altura versus idade 16
2.22 Altura do homem, gradao e lgica 17
2.23 Varivel Fuzzy idade 17
2.24 Idade versus altura 18
2.25 Funo de pertinncia da idade 18

3 A DEFUZZYFICAO LGICA
3.1 Diagrama de entrada de um sistema Fuzzy 21
3.2 Funes de pertinncia 22
3.3 Funes de pertinncia, altura 23
3.4 Desenho das funes de pertinncias e do alvo 24
3.5 Fuzzyficao e defuzzyficao lgica 25
3.6 Desenho dos alvos 26
3.7 defuzzyficao contnua, o centro de gravidade 26
4 DEFUZZYFICAO LGICA NA REA DE CONTROLE
4.1 Uma planta no linear 35
4.2 Temperatura no termmetro 35
4.3 Modelos dos identificadores discretos e Fuzzy 36
4.4 Detalhes do identificador Fuzzy 37
4.5 Variao da temperatura 38
4.6 Entradas e sadas da planta, regime transitrio 38
4.7 Relao entre U(t), alvo e funes de pertinncias 39
4.8 Funes de pertinncia 40
LGICA FUZZY APLICADA S ENGENHARIAS
7
Jos Homero Feitosa Cavalcanti et ali
4.9 Temperaturas referncias 40
4.10 Temperaturas referncias, exerccio 42
4.11 Indicao da temperatura 42
4.12 Identificao do sistema trmico 43
4.13 Temperaturas referncias 43
4.14 Projeto do controlador Fuzzy 44
4.15 Detalhes do controlador Fuzzy inverso 44
4.16 Dinmica direta e inversa da planta 45
4.17 Identificao do sistema trmico, exerccio 46
4.18 Controladores tradicionais 46
4.19 Controle inverso a nveis variveis 47
4.20 Controle da temperatura, positiva e negativa 47
4.21 Controladores tradicionais 48
4.22 Os controladores lineares 48
4.23 O controlador PID 48
4.24 Funes de pertinncias, proporcional ao erro 49

5 A DEFUZZYFICAO CONTNUA





LGICA FUZZY APLICADA S ENGENHARIAS
8
Jos Homero Feitosa Cavalcanti et ali
CAPTULO 1


INTRODUO


1.1 INTRODUO
Devido avanada automatizao dos processos e o uso de robs no quotidiano humano
e nas fbricas, os cursos padres de engenharia decidiram formarem engenheiros com o co-
nhecimento bsico de inteligncia artificial. Este livro versa sobre a Lgica Fuzzy, algumas
vezes denominada lgica nebulosa, e a sua aplicao em sistemas no lineares. Neste captulo
so analisados sucintamente o princpio da lgica, a representao de conhecimento e a solu-
o de problemas usando a heurstica e a Lgica Fuzzy.
1.2 A LGICA DE ARISTSTELES
O filsofo e matemtico grego Aristteles nasceu em Estagira prximo de Pela, a capital
da Macednia na Grcia, ele viveu de 384 a 322 a.C. e morreu em Eubeia. O matemtico A-
riststeles considerado o fundador da cincia da lgica. Suas obras contm o primeiro estu-
do formal conhecido da lgica, que foi incorporado posteriormente lgica formal.





Uma das bases do pensamento de Aristteles a lgica, assim chamada posteriormente.
Aristteles preferia a designao analtica no lugar do nome lgica. Para Aristteles, a
lgica um instrumento, uma introduo para as cincias e para o conhecimento.
A lgica a arte de orientar o pensamento nas suas vrias direes para impedir o ho-
mem de cair no erro, disse o filsofo Aristteles.
LGICA FUZZY APLICADA S ENGENHARIAS
9
Jos Homero Feitosa Cavalcanti et ali
Ariststeles criou um conjunto de regras rgidas para que concluses sobre questes
fossem aceitas como corretas ou logicamente vlidas.
O uso da lgica de Aristteles induz uma linha de raciocnio lgico baseado em premis-
sas e concluses. Por exemplo, se estabelecido que um ser vivo mortal:
todo ser vivo mortal" ( considerado como premissa 1).
Ao mesmo tempo constatado que a mulher Sarah:
"Sarah um ser vivo" (considerado como premissa 2).
Usando-se a lgica de Aristteles conclui-se que "Sarah um ser vivo", isto :
"Sarah mortal".
Esse tipo de lgica conhecido como Lgica Binria ou Lgica Clssica, isto , uma
declarao falsa ou verdadeira, no podendo ser ao mesmo tempo parcialmente verdadeira e
parcialmente falsa.
A seguir, so apresentados algumas definies e alguns termos geralmente utilizados no
estudo da lgica (Copi, 1968).
A lgica, a cincia das leis do pensamento.
A lgica, a cincia do raciocnio.
Pensamento, qualquer processo mental que se produz na psique de uma pessoa.
Silogismo, um argumento que consiste em duas premissas e uma concluso. O silogis-
mo dedutivo, parte do universal para o particular.
A lgica pode ser feita usando-se o modus ponens (latim), que o modo afirmativo,
ou o modus tollens (latim), que o modo negativo.
Modus ponens (em latim significa modo de afirmar) um dos modos dos silogismos
condicionais. Uma das formas formais de representar o modus ponens mostrada abaixo.
Se P ento Q.
P portanto Q.
O argumento tem duas premissas. A primeira premissa a condio "se - ento", signi-
fica que P implica Q. A segunda premissa que P verdadeiro seguido da concluso. A se-
guir apresenta-se um exemplo da lgica modus ponens.
Se chover (P), ento fico em casa (Q).
Chove (P).
Ento fico em casa (Q).
Uma das formas formais de representar o modus tollens (em latim significa modo que
nega) o nome formal para a prova indireta.
Se P ento Q.
Q falso portanto P falso.
O argumento tem duas premissas. A primeira premissa a condio se-ento, nomea-
damente que P implica Q. A segunda premissa que Q falso. Destas duas premissas pode
ser logicamente concluido que P tem de ser falso. Explica-se com: se P fosse verdadeiro, en-
to Q seria verdadeiro, pela premissa 1, mas no , pela premissa 2.
A seguir apresenta-se um exemplo da lgica modus tollens.
Se existe fogo aqui (P), ento aqui tambm h oxignio (Q).
LGICA FUZZY APLICADA S ENGENHARIAS
10
Jos Homero Feitosa Cavalcanti et ali
No h oxignio aqui (falso Q).
Ento aqui no h fogo (falso P).
As falcias (falsas causas) so mtodos incorretos de raciocnio. Diz-se que o argumen-
to falaz. Uma falcia um modo de raciocnio que parece correto, mas que, quando exami-
nado cuidadosamente, no o . Uma dos exemplos interessantes a falcia do equvoco:
O fim de uma coisa a sua perfeio (considerado como premissa 1)
a morte o fim da vida (considerado como premissa 2)
Usando-se a lgica de Aristteles conclui-se que
a morte a perfeio da vida (considerado como concluso)
Os engenheiros e advogados utilizam uma forma de raciocnio dirigido denominado in-
ferncia. Define-se inferncia como um processo pelo qual se chega a uma proposio. Defi-
ne-se proposio como o significado de uma sentena ou orao declarativa.
Regras bsicas de inferncia so apresentadas na seguinte equao lgica:
X A (premissa)
A B (argumento, A est contido em B)
ento X B (concluso)
A concluso de um argumento a proposio que se afirma com base nas outras propo-
sies. As proposies que so enunciadas como prova (ou a razo para aceitar a concluso)
so as premissas desses argumentos.
As seguintes palavras so indicadores de premissas: porque, desde que, pois que, como,
dado que, tanto mais que, pela razo de que.
As palavras mostradas a seguir so indicadores de concluso: portanto, d, logo, assim,
conseqentemente, segue-se que, pode-se inferir, pode-se concluir.
Argumentos so dedutivos (termos vlidos e invlidos) e indutivos (melhor ou pior, usa
a probabilidade). A induo parte do particular para o universal. Dessa forma, se forem ver-
dadeiras as premissas, a concluso, logicamente, tambm ser.
1.3 A LGICA FUZZY DE ZADEH
A teoria dos Conjuntos Tradicionais foi criada a partir da Lgica Clssica. Constata-se
que a classificao verdadeira ou falsa da Lgica Clssica no adequada em muitas si-
tuaes. Por exemplo, um copo tem ou no tem gua. Se ele tem gua, qual a quantidade? Es-
se tipo de problema muito difcil de ser solucionado usando a Lgica Clssica, pois meio
copo dgua no pode ser ao mesmo tempo parcialmente verdadeiro e parcialmente falso.
Considere um controlador de temperatura com as gradaes de temperatura bem defini-
das. Pode-se considerar 35C como quente, mas 34,9C como frio. Por outro lado, num con-
junto Fuzzy, as transies entre as temperaturas so graduais, associa-se um grau ao elemento
entre '0' (frio) e '1' (quente). Sob o ponto de vista de conforto trmico, indiferente se a tem-
peratura da sala estiver a 26C ou a 25C.
Zadeh (1965, 1973 e 1988) atualmente professor da Universidade de Berkeley na Cali-
frnia, nascido na Tchecolosvquia (em1993, a Tchecoslovquia foi dividida em dois pases,
a Repblica Checa e a Repblica Eslovaca) e naturalizado ingls. O professor Zadeh props a
Lgica Fuzzy para resolver os problemas de lgica incompatveis com a Lgica Clssica.
LGICA FUZZY APLICADA S ENGENHARIAS
Em meados da dcada de 1960,
cos disponveis eram incapazes de automatizar as ati
tureza industrial, biolgica ou qumica, que compreendessem situaes ambguas, no pass
veis de processamento atravs da lgica computacional fundamentada na lgica booleana.
Procurando solucionar esses problemas o
mindo os conceitos dos conjuntos Fuzzy, revolucionando o assunto com a criao de sistemas
Fuzzy.
A Lgica Fuzzy baseada na teoria dos Conjuntos Fuzzy. Entretanto, na Lgica Fuzzy,
uma premissa varia em grau de verdade de 0 a 1, o que leva a ser parcialmente verdadeira
ou parcialmente falsa.
A Lgica Fuzzy (Lgica Difusa ou Lgica Nebulosa), tambm pode ser definida, como
a lgica que suporta os modos de raciocnio que so aproximados ao invs de exatos
cnio exato o que estamos naturalmente acostumados a trabalhar.
A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e gerar respo
tas baseadas em informaes vagas, ambguas e qualitativamente incompletas e imprecisas.
Neste aspecto, os sistemas de base Fuzzy tm habilidade de raciocinar de forma semelhante
dos humanos. Seu comportamento representado de maneira muito simples e natural, levando
construo de sistemas compreensveis e de fcil manuteno.
A Lgica Fuzzy uma ferramenta capaz de capturar informaes vagas, em geral de
critas em uma linguagem natural e convert
o pelos computadores de hoje em dia. Considere a seguinte frase:
Se o sol forte e a circulao do a
alta.
Os termos forte, pequena
tao dessas informaes vagas se d atravs do uso de conjuntos Fuzzy. Devido a esta pr
priedade e a capacidade de realizar inferncias, a Lgica Fuzzy tem encontrado grandes apl
caes nas seguintes reas: Sistemas Especialistas; Computao com Palavras; Raciocnio
Aproximado; Linguagem Natural; Identificao e Controle de Processos; Robtica; Model
mento de Sistemas Parcialmente Abertos; Reconhecimento de Padres
da de Deciso.
Usando a Lgica Fuzzy
sor no conjunto dos "bons professores". Esse grau alcanado imediatamente sem nenhuma
anlise consciente sobre os fatores que influem nessa deciso.
O grau de associao no probabilidade, mas uma medida da compatibilidade do obj
to com o conceito representado pelo conjunto Fuzzy. Suponha
GICA FUZZY APLICADA S ENGENHARIAS
11
Jos Homero Feitosa Cavalcanti et ali
Em meados da dcada de 1960, o professor Zadeh observou que os recursos tecnolg
cos disponveis eram incapazes de automatizar as atividades relacionadas a problemas de n
tureza industrial, biolgica ou qumica, que compreendessem situaes ambguas, no pass
veis de processamento atravs da lgica computacional fundamentada na lgica booleana.
Procurando solucionar esses problemas o professor Zadeh publicou em 1965 um artigo res
mindo os conceitos dos conjuntos Fuzzy, revolucionando o assunto com a criao de sistemas

A Lgica Fuzzy baseada na teoria dos Conjuntos Fuzzy. Entretanto, na Lgica Fuzzy,
de verdade de 0 a 1, o que leva a ser parcialmente verdadeira
A Lgica Fuzzy (Lgica Difusa ou Lgica Nebulosa), tambm pode ser definida, como
a lgica que suporta os modos de raciocnio que so aproximados ao invs de exatos
estamos naturalmente acostumados a trabalhar.
A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e gerar respo
tas baseadas em informaes vagas, ambguas e qualitativamente incompletas e imprecisas.
pecto, os sistemas de base Fuzzy tm habilidade de raciocinar de forma semelhante
dos humanos. Seu comportamento representado de maneira muito simples e natural, levando
construo de sistemas compreensveis e de fcil manuteno.
a ferramenta capaz de capturar informaes vagas, em geral de
critas em uma linguagem natural e convert-las para um formato numrico, de fcil manipul
o pelos computadores de hoje em dia. Considere a seguinte frase:
e a circulao do ar pequena, ento a temperatura da sala
pequena e muito alta trazem consigo informaes vagas. A represe
tao dessas informaes vagas se d atravs do uso de conjuntos Fuzzy. Devido a esta pr
alizar inferncias, a Lgica Fuzzy tem encontrado grandes apl
caes nas seguintes reas: Sistemas Especialistas; Computao com Palavras; Raciocnio
Aproximado; Linguagem Natural; Identificao e Controle de Processos; Robtica; Model
rcialmente Abertos; Reconhecimento de Padres e Processos de Tom
um aluno no teria dificuldade em assinalar um grau ao profe
sor no conjunto dos "bons professores". Esse grau alcanado imediatamente sem nenhuma
se consciente sobre os fatores que influem nessa deciso.
O grau de associao no probabilidade, mas uma medida da compatibilidade do obj
to com o conceito representado pelo conjunto Fuzzy. Suponha-se que Jos tenha 48 anos, num
Jos Homero Feitosa Cavalcanti et ali
Zadeh observou que os recursos tecnolgi-
vidades relacionadas a problemas de na-
tureza industrial, biolgica ou qumica, que compreendessem situaes ambguas, no pass-
veis de processamento atravs da lgica computacional fundamentada na lgica booleana.
Zadeh publicou em 1965 um artigo resu-
mindo os conceitos dos conjuntos Fuzzy, revolucionando o assunto com a criao de sistemas
A Lgica Fuzzy baseada na teoria dos Conjuntos Fuzzy. Entretanto, na Lgica Fuzzy,
de verdade de 0 a 1, o que leva a ser parcialmente verdadeira
A Lgica Fuzzy (Lgica Difusa ou Lgica Nebulosa), tambm pode ser definida, como
a lgica que suporta os modos de raciocnio que so aproximados ao invs de exatos. O racio-
A fora da Lgica Fuzzy deriva da sua habilidade em inferir concluses e gerar respos-
tas baseadas em informaes vagas, ambguas e qualitativamente incompletas e imprecisas.
pecto, os sistemas de base Fuzzy tm habilidade de raciocinar de forma semelhante
dos humanos. Seu comportamento representado de maneira muito simples e natural, levando
a ferramenta capaz de capturar informaes vagas, em geral des-
las para um formato numrico, de fcil manipula-
a temperatura da sala muito
trazem consigo informaes vagas. A represen-
tao dessas informaes vagas se d atravs do uso de conjuntos Fuzzy. Devido a esta pro-
alizar inferncias, a Lgica Fuzzy tem encontrado grandes apli-
caes nas seguintes reas: Sistemas Especialistas; Computao com Palavras; Raciocnio
Aproximado; Linguagem Natural; Identificao e Controle de Processos; Robtica; Modela-
Processos de Toma-
um aluno no teria dificuldade em assinalar um grau ao profes-
sor no conjunto dos "bons professores". Esse grau alcanado imediatamente sem nenhuma
O grau de associao no probabilidade, mas uma medida da compatibilidade do obje-
se que Jos tenha 48 anos, num
LGICA FUZZY APLICADA S ENGENHARIAS
12
Jos Homero Feitosa Cavalcanti et ali
sistema Fuzzy pode-se definir o nmero 0.3 como a compatibilidade de Jos com a definio
do conjunto Fuzzy dos homens jovens. Esse nmero 0.3 no a probabilidade de Jos ser um
homem jovem, pois ele j tem sua idade definida de 48 anos.
Neste livro, inicialmente, sero estudados como representar sistemas fsicos usando a
Lgica Fuzzy. A seguir, sero estudadas as defuzzyficaes lgicas e contnuas. Sero apre-
sentados exemplos da identificao da dinmica (direta e inversa) de plantas no lineares u-
sando sistemas Fuzzy e sero estudados sucintamente controladores Fuzzy.

1.4 DESCRIO DOS CAPTULOS
Este livro foi escrito em nove captulos. Nos captulos sero descritos e analisados pro-
gramas computacionais escritos na linguagem C do ambiente MATLAB.
No captulo 1, aps alguns comentrios sobre a Lgica de Ariststeles e a Lgica Fuzzy
de Zadeh, descrevem-se os contedos dos captulos deste livro.
No captulo 2, inicialmente faz-se a anlise Fuzzy de um sistema trmico desenvolvido
para simulao de uma planta de primeira ordem. Faz-se uma anlise sucinta das variveis
Fuzzy dos tipos lgicas e contnuas e definem-se as funes de pertinncias dos sistemas
Fuzzy. Por ltimo, aps a definio formal da Lgica Fuzzy conclui-se o captulo.
No captulo 3 apresentam-se as principais caractersticas intuitivas usadas no desenvol-
vimento da Lgica Fuzzy, ser mostrado o traado das funes de pertinncias triangulares
seguido das operaes bsicas e a defuzzyficao lgica no conjunto Fuzzy. Por ltimo,
ser comentado sucintamente a Lgica Fuzzy de Mandani.
No captulo 4 apresentada a defuzzyficao lgica na rea de controle. O controla-
dor Fuzzy, o identificador e o controlador fuzzy inverso que usam funes de pertinncias nas
formas de retas e sigmides.
No captulo 5 apresentado o controlador de Furohashi, baseado num controlador fuzzy
tradicional e usando funes de pertinncias nas formas de retas e sigmides.
No captulo 6 apresenta-se a defuzzyficao contnua. Analisam-se as formas de a-
daptao dos parmetros Fuzzy, e se apresentam exemplos de treinamento dos parmetros do
sistema Fuzzy.
No captulo 7 estudam-se as caractersticas bsicas usadas no projeto e implementao
de um Sistema de Fuzzy desenvolvido para um sistema radiao solar. Estudam-se o Agru-
pamento e a fuzzyficao dos dados da radiao solar. Por ltimo feito um estudo sucinto
de previso de sries temporais com nfase em vibraes de vigas.
No captulo 8 prope-se e estuda-se o desenvolvimento de um sistema Fuzzy para a A-
nlise Sensorial de dados, e se faz a anlise sensorial de sementes da faveleira usando a Lgi-
ca Fuzzy.
No captulo 9 apresentam-se os conceitos bsicos e as caractersticas de ligas de mem-
ria de forma. Analisam-se as caractersticas das ligas de memria de forma e as representa e
controla usando a Lgica Fuzzy.


LGICA FUZZY APLICADA S ENGENHARIAS
13
Jos Homero Feitosa Cavalcanti et ali
CAPTULO 2



A LGICA FUZZY - DEFINIO
2.1 INTRODUO
Inicialmente faz-se a anlise intuitiva de um sistema Fuzzy desenvolvido para a simula-
o de uma planta de primeira ordem representada por um sistema trmico. A seguir, aps
uma anlise sucinta das variveis Fuzzy lgicas e contnuas apresenta-se a definio formal da
Lgica Fuzzy. Aps a apresentao de dois outros sistemas Fuzzy, conclui-se este captulo
com a sua anlise e a descrio do captulo seguinte.
2.2 ANLISE DE UM SISTEMA USANDO A LGICA FUZZY
Nesta seo feita a anlise de uma planta de primeira ordem sob a tica de um sistema
Fuzzy.
Na Fig.2.1 apresenta-se a representao simplificada de um circuito utilizado para o a-
quecimento de um termmetro. Neste circuito R representa uma resistncia eltrica (acoplada
ao corpo do termmetro) que esquenta com a passagem da corrente eltrica i, aquecendo o
termmetro. A temperatura em R depende diretamente da corrente i.
O termmetro representado na cor verde com gradaes na cor vermelha. A chave li-
ga/desliga representada por S1, mostrada esquerda da Fig.2.1. A chave S1 pode estar no
estado desligado (valor lgico 0) ou ligado (valor lgico 1). Na Fig.2.1 a chave S1 est
desligada, implicando uma corrente i nula no circuito, o que no esquenta a resistncia R.

Fig.2.1 Aquecimento de um termmetro
Na Fig.2.2 apresenta-se a curva da variao da temperatura no termmetro obtida a par-
tir da simulao do circuito da Fig.2.1. Considere-se que a temperatura do ambiente est em
torno de zero graus, ou T
a
=0
o
C. Na abscissa representa-se o tempo t com instantes indicados
por t
0
e t
1
. Na ordenada apresentam-se o valor lgico do estado da chave S1 e a temperatura
sobre a resistncia R.
Na Fig.2.2 pode-se observar que a chave S1 permanece fechada no intervalo de tempo
entre t
0
e t
1
, e aps t
1
, ela aberta.
Na Fig.2.2 a linha tracejada na cor azul representa o valor lgico do estado da chave S1
que pode ser S1=1 (intervalo para t
0
<t<t
1
) ou S1=0 (intervalo t>t
1
).

+
-
R
i S1 i
0
o
C
100
o
S1 desligada
S1 ligada
LGICA FUZZY APLICADA S ENGENHARIAS
14
Jos Homero Feitosa Cavalcanti et ali
No instante t=t
0
, ao ser fechada a chave S1, a temperatura do termmetro aumenta at
um valor prximo de T=50
o
C numa forma semelhante apresentada na curva da Fig.2.2. No
instante t=t
1
, ao ser aberta a chave S1, a corrente ser i=0 e a temperatura do termmetro di-
minui na direo de T
a
=0
o
C na forma apresentada na Fig.2.2.


Fig.2.2 Temperatura no termmetro (filmecap2fig2.wmv)
2.3 SENSAO TRMICA, VARIVEIS LGICAS
Supondo-se que o circuito de aquecimento e o termmetro estejam numa sala e que a
temperatura da sala seja igual do termmetro, pode-se perguntar o seguinte: qual a sensao
trmica de uma pessoa dentro da sala? bvio que se pode considerar que, para uma tempera-
tura muito alta ou muito baixa, a sensao trmica na sala seja desagradvel. Pode-se conside-
rar uma sensao trmica agradvel quando a sala estiver numa temperatura considerada m-
dia pelos seus ocupantes.
Na Fig.2.3 (repetio da Fig.2.2 com modificaes) apresenta-se a curva da variao da
temperatura da sala em que foram indicadas faixas de temperaturas. Uma faixa para a tempe-
ratura considerada baixa (BAIXA), uma outra faixa para a temperatura mdia (MDIA) e
uma terceira para indicar temperatura alta (ALTA).
Na anlise da Fig.2.3 considera-se que as temperaturas sero BAIXA para a faixa de
temperatura abaixo de 20
o
C (cor azul). As temperaturas sero consideradas ALTA para a fai-
xa de temperatura acima de 40
o
C (cor vermelha). A faixa de temperatura entre 20
o
C e 40
o
C
considerada temperatura MDIA (cor amarela).

Fig.2.3 Temperatura na sala, gradao
0 20 40 60 80 100 120 140 160 180 200
0
10
20
30
40
50
60
T
e
m
p

o
C
S1="0"
S1="1"
t0 t1 t(s)
0 20 40 60 80 100 120 140 160 180 200
0
10
20
30
40
50
60
T
e
m
p

o
C
S1="0"
S1="1"
t0 t1 t(s)
BAIXA
MEDIA
ALTA S1="0"
S1="1"
t0 t1 t(s)
BAIXA
MEDIA
ALTA S1="0"
S1="1"
t0 t1 t(s)
BAIXA
MEDIA
ALTA
S1="0"
S1="1"
t0 t1 t(s)
BAIXA
MEDIA
ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
15
Jos Homero Feitosa Cavalcanti et ali
Podem ser definidas trs variveis lgicas para indicar a sensao trmica de uma pes-
soa numa sala: BAIXA, MDIA e ALTA. Essas variveis podem representar variveis lin-
gusticas na Lgica Fuzzy. Essas variveis lgicas tero valor lgico 1 quando a temperatu-
ra estiver nas faixas apresentadas na Fig.2.3.
Analisando-se o grfico da Fig.2.3, considerando que no incio da anlise as variveis
lgicas tem o valor zero (BAIXA=0, MEDIA=0 e ALTA=0), e havendo variao na
temperatura, o valor lgico das variveis sero BAIXA=1 quando Temp<17
o
C; MEDI-
A=1 quando 40
o
C>Temp>20
o
C e ALTA=1 quando Temp>40
o
C. Baseado nesta anlise
intuitiva podem ser traadas curvas para representarem a sensao trmica de uma pessoa na
sala.
Na Fig.2.4 apresentam-se as trs curvas das variveis lgicas (BAIXA, MDIA e AL-
TA) traadas para indicarem a sensao trmica das pessoas. Observe-se que a abscissa o
valor da temperatura e a ordenada o valor lgico da sensao trmica (ou o valor de BAI-
XA, MDIA e ALTA). Essas variveis lgicas so conhecidas como variveis liguisticas,
pois representam a nossa interpretao intuitiva da temperatura num ambiente.
O valor da varivel ser BAIXA=1 para Temp<20
o
C (representado na cor vermelha
na Fig.2.4). O valor da varivel ser MEDIA=1 para 20
o
C<Temp<40
o
C (representado na
cor azul na Fig.2.4). O valor da varivel ser ALTA=1 para Temp>40
o
C (representado na
cor verde na Fig.2.4).

Fig.2.4 Sensao trmica na sala
2.3 EXERCCIOS Variveis lgicas
2.3.1)Desenhe na Fig.2.5 as curvas T_baixssima e T_altssima nos dois grficos mostrados
na Fig.2.5. Defina as faixas de variao das temperaturas.

0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
BAIXA MEDIA ALTA
0 20 40 60 80 100 120 140 160 180 200
-20
-10
0
10
20
30
40
50
60
70
80
T
e
m
p

o
C
S1="0"
S1="1"
t0 t1 t(s)
S1="0"
S1="1"
t0 t1 t(s)
LGICA FUZZY APLICADA S ENGENHARIAS
16
Jos Homero Feitosa Cavalcanti et ali

Fig.2.5 Sensao trmica na sala, gradao e lgica
2.4 SENSAO TRMICA, VARIVEIS CONTNUAS
Associando-se o termo conforto sensao trmica (varivel Fuzzy conforto), pode-
se considerar que o ocupante da sala ter maior conforto quando a temperatura da sala for
mdia e a varivel lgica MEDIA for associado o valor lgico 1, ou MEDIA=1.
Observa-se intuitivamente, na Fig.2.6, que as variveis lgicas BAIXA, MDIA e AL-
TA apresentam uma atribuio do conforto da sala muito brusca. Por exemplo, a temperatura
BAIXA at 20
o
C (BAIXA=1) variando de 1 a 0 em Temp=20
o
C, enquanto a varivel
MEDIA varia de 0 para 1. Geralmente, os ocupantes da sala no sentem uma mudana
brusca da sensao trmica.
Um outro exemplo, uma variao entre BAIXA=1 e MDIA=0 para BAIXA=0 e
MDIA=1, ou vice versa, no so sentidas bruscamente pelos ocupantes da sala em
Temp=20
o
C ou em Temp=40
o
C.
Analisando-se ainda a Fig.2.6 pode-se considerar que os ocupantes da sala sintam al-
gum grau de conforto (MEDIA=1) para variaes de temperatura abaixo e prximo de 20
o
C
(Temp=19,5
o
C apresentando valores decrescentes), ou para variao de temperatura acima de
40
o
C (Temp=40,5
o
C apresentando valores crescentes).
Essa considerao sugere o uso de funes contnuas na descrio da variao de tem-
peratura na sala. Essas funes contnuas possuem traados semelhantes curva da tempera-
tura mostrada na Fig.2.2.


Fig.2.6 Sensao trmica na sala, lgica
Analisando-se a nossa forma intuitiva de sentir a temperatura pode-se considerar que a
sensao de conforto trmico sentida numa sala pelos seus ocupantes gradativa e no brusca.
Na anlise da varivel contnua que define a temperatura de uma sala podem-se definir
funes de conforto para as variveis lingusticas, no caso T-baixa, T-media e T-alta. Algu-
mas dessas novas funes tm traados semelhantes aos da curva da temperatura apresentadas
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
BAIXA MEDIA ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
17
Jos Homero Feitosa Cavalcanti et ali
na Fig.2.2 na forma de funes exponenciais. Elas possuem um valor mximo igual a um e
um valor mnimo igual a zero. Na Lgica Fuzzy essas curvas so denominadas de funes de
pertinncia, uma funo de pertinncia para cada varivel Fuzzy.
A anlise do traado de T-alta(Temp) pode ser feita da seguinte maneira (ver a Fig.2.7):
para Temp>40
o
C a sensao de desconforto na sala pode ser considerada mxima tal que T-
alta(60)=1. Quando a temperatura vai diminuindo e se aproximando de Temp=40
o
C a sensa-
o de desconforto vai diminuindo at um valor menor que um, tal que T-alta(40)0.5. Consi-
derando-se que a temperatura continua a diminuir a varivel T-alta vai se tornar zero quando
Temp20
o
C. Observe-se que o traado de T-alta assemelha-se ao traado da curva da tempe-
ratura da Fig.2.2 para t>t
0
.

Fig.2.7 Sensao trmica na sala, T_alta
A anlise do traado de T-baixa(Temp) pode ser feita em etapas(ver a Fig.2.8). Primei-
ro, para Temp=0
o
C a sensao de desconforto pode ser considerada mxima tal que
T_baixa(0)=1. Segundo, quando a temperatura vai aumentando e se aproximando de
Temp=20
o
C a sensao de desconforto vai diminuindo at um valor menor que um, tal que
T_baixa(20)0.5. Terceiro, considerando-se que a temperatura continua a aumentar a varivel
T-baixa vai se tornar zero quando Temp40
o
C. Observe-se que o traado de T-baixa um
pouco diferente do traado da curva da temperatura da Fig.2.2 para t>t
1
.

Fig.2.8 Sensao trmica na sala, T_baixa
A anlise do traado de T-media(Temp) pode ser feita da seguinte maneira (ver a
Fig.2.9): para Temp<20
o
C e Temp>40
o
C a sensao de desconforto pode ser considerada
mxima tal que T-media(Temp)<0.5. Considerando-se Temp>40
o
C, e que a temperatura vai
diminuindo e se aproximando de Temp=40
o
C, a sensao de desconforto vai diminuindo at
um valor menor que um, tal que T-media(40)0.5. Considerando-se Temp<20
o
C, e que a
temperatura vai aumentando e se aproximando de Temp=20
o
C, a sensao de desconforto vai
diminuindo at um valor menor que um, tal que T-media(20)0.5. A varivel T-media=1
quando Temp30
o
C.
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
LGICA FUZZY APLICADA S ENGENHARIAS
18
Jos Homero Feitosa Cavalcanti et ali
A funo T-media formada por duas outras funes. O traado de T-mdia de 10
o
C at
30
o
C semelhante ao traado da curva T-alta, e que o traado de T-mdia de 30
o
C at 50
o
C
semelhante ao traado da curva T-baixa.
T-baixa, T-media e T-alta so funes que so associadas ao conforto da temperatura da
sala (funes que pertencem ao conforto da sala). Elas so representadas por uma varivel de-
nominada varivel do conforto da sala que foi denominada por Zadeh (1965) de varivel
Fuzzy. Elas tambm podem ser representadas como funes de pertinncia.


Fig.2.9 Sensao trmica na sala, funes de pertinncias (filmecap2fig9.wmv)
2.4 EXERCCIOS Sensao trmica, variveis contnuas
2.4.1)Indique as gradaes e desenhe na Fig.2.10 as curvas T-mnima, T-baixa, T-media, T-
alta e T-quente (exponencial).

Fig.2.10 Sensao trmica na sala, positiva e prxima de zero grau
2.4.2)Indique as gradaes e desenhe na Fig.2.10 as curvas T-neg-baixa, T-neg-media e T-
neg-alta, T-mnima, T-baixa, T-media e T-alta (exponencial). A palavra neg significa tempe-
ratura abaixo de zero ou negativa.

0
o
C Temp
NEG-ALTA NEG-MEDIA NEG-BAIXA MINIMA BAIXA MDIA ALTA
1
0

Fig.2.11 Sensao trmica na sala, positiva e negativa
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
-10 0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
MINIMA BAIXA MEDIA ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
19
Jos Homero Feitosa Cavalcanti et ali
2.5 FUNES DE PERTINNCIAS, RETAS
Na Fig.2.12 apresentam-se os desenhos das funes de pertinncia da varivel Fuzzy
conforto trmico na forma de exponenciais. Geralmente, os projetistas usam funes de perti-
nncia na forma triangular como pode ser visto na Fig.2.12. As retas substituem as curvas ex-
ponenciais. Observe-se que so necessrias duas retas para a funo de pertinncia T-mdia.

Fig.2.12 Sensao trmica na sala, retas
A funo de pertinncia T-alta, devido ao intervalo de operao, algumas vezes necessi-
ta de mais uma reta na sua definio, como pode ser visto na Fig.2.13, T-alta=1 para
Temp>60
o
C.

Fig.2.13 Sensao trmica na sala, retas e extenso
Os projetistas tambm usam funes de pertinncia na forma de trapzio como pode ser
visto na Fig.2.14. Nesta figura T-media=1 para 25
o
C<Temp>35
o
C e T-alta=1 para
Temp>60
o
C

Fig.2.14 Sensao trmica na sala, trapzios (filmecap2fig14.wmv)
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
LGICA FUZZY APLICADA S ENGENHARIAS
20
Jos Homero Feitosa Cavalcanti et ali
2.5 EXERCCIOS Funes de pertinncias, retas
2.5.1)Desenhe na Fig.2.15 as curvas T-baixa, T-media e T-alta usando uma reta para T-baixa,
duas retas para T-media (Funo de pertinncia triangular) e uma reta para T-alta. Respeite os
pontos de transio de 20
o
C e 40
o
C.

Fig.2.15 Sensao trmica na sala
2.5.2)Desenhe na Fig.2.16 as curvas T-baixa, T-media e T-alta usando duas retas para T-
baixa, duas retas para T-media e duas retas para T-alta. Respeite os pontos de transio de
20
o
C e 40
o
C.


Fig.2.16 Funes de pertinncias
2.5.3)Desenhe na Fig.2.17 as curvas T-minima, T-baixa, T-media e T-alta usando duas retas
para T_baixa, duas retas para T_media e duas retas para T_alta. Respeite os pontos de
transio.

Fig.2.17 Sensao trmica na sala, exerccio

0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
BAIXA MEDIA ALTA
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
BAIXA MEDIA ALTA
-10 0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
MINIMA BAIXA MEDIA ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
21
Jos Homero Feitosa Cavalcanti et ali
2.6 FUNES DE PERTINNCIAS, SIGMIDES
As representaes usando retas no so indicadas quando se necessita de uma nica
funo para representar a FP. A funo Sigmide, representada como SIG(.), possui a funo
de ativao de sada do tipo sigmide (ver na cor vermelha esquerda da Fig.2.18 com
Z
i
(t)=1/(1+e
-5.Yi(t)
)). A funo sigmide crescente, para -<Y
i
(t)< e o valor da sua sada
varia entre 0 e 1.
SIG(.) = Z
i
(t) =
) t ( Y
i
e . 1
. 1

+
(2.1)
A funo sigmide representada pela eq.2.1 e a sua derivada (ver na cor vermelha
direita da Fig.2.18) mostrada na eq.2.2.
Z
i
(t)=SIG'(.) =
(t) dY
(t) dZ
i
i
= SIG(.).(1.-SIG(.)) (2.2)

Fig.2.18 Funo sigmide Derivada da funo sigmide
A funo sigmide decrescente representada pela eq.2.3 e mostrada esquerda da
Fig.2.19. A sigmide decrescente mostrada direita da Fig.2.19.
SIGD(.) = 1-SIG(.)=
) (
) (
. 1
t Y
t Y
i
i
e
e

+
(2.3)

Fig.2.19 Sigmide decrescente Funo inversa da sigmide
Numa representao das funes de pertinncias (FP) de variveis Fuzzy usando as fun-
es sigmides, para representar a funo T-alta usa-se a funo Sigmide (SIG(.)). Para re-
presentar a funo T-mdia usa-se a derivada da funo sigmide multiplicada por quatro
(4*Zi(t)). Para representar a funo T-baixa usa-se a eq.2.3.
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Yi(t)
Zi(t)
SIGMOIDE
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.05
0.1
0.15
0.2
0.25
Yi(t)
Zi(t)
Derivada da SIGMOIDE
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1-Yi(t)
Zi(t)
SIGMOIDE DECRESCENTE
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
Yi(t)
Zi(t)
INVERSA da SIGMOIDE
LGICA FUZZY APLICADA S ENGENHARIAS
22
Jos Homero Feitosa Cavalcanti et ali
A funo de pertinncia da funo Sino possui a funo de ativao de sada do tipo si-
no (ver o seu traado na cor vermelha na Fig.2.20 e eq.2.4). Na eq.2.4 o parmetro indica a
largura e o deslocamento da funo sino. Os parmetros da funo sino usados no traado da
curva mostrada na Fig.2.20 foram definidos com os seguintes valores: =0 e =1.
Z
i
(t) =
2
i
) (t) (Y
e
+
(2.4)

Fig.2.20 A funo sino
2.6 EXERCCIOS FUNES DE PERTINNCIA, SIGMIDES
2.5.1)Desenhe na Fig.2.21 as curvas T-mnima, T-baixa, T-media e T-alta usando a funo
sigmide, a sigmide decrescente e a derivada da sigmide para T-baixa, trs retas para T-
media e T-alta. Repita o exerccicio usando a funo sino.

Fig.2.21 Sensao trmica na sala
2.7 DEFINIO DA LGICA FUZZY
O cientista tcheco naturalizado ingls Lofti A. Zadeh (1965, 1988) introduziu e desen-
volveu a teoria da Lgica Fuzzy e do raciocnio aproximado. A Lgica Fuzzy pode ser vista
como uma extenso da lgica de multivalores. Ela modela o modo impreciso do raciocnio
humano que capaz de tomar decises racionais num ambiente com incerteza e impreciso. O
seu poder mais expressivo que no limite, ela contm a lgica de dois valores, ou Lgica Bo-
oleana.
Os Conjuntos Fuzzy so ferramentas que podem ser usadas na manipulao de concei-
tos vagos e particularmente, Sistemas Fuzzy ou Sistemas Inteligente, representam os esforos
na direo da emulao da capacidade humana.
Na teoria clssica dos conjuntos, os conjuntos so ditos "crisp", de tal forma que um da-
do elemento do universo em discurso (domnio) pertence ou no pertence ao referido conjun-
to. Na teoria dos conjuntos Fuzzy existe um grau de pertinncia de cada elemento a um de-
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Yi(t)
Zi(t)
SINO
-10 0 10 20 30 40 50 60 70
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
MINIMA BAIXA MEDIA ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
23
Jos Homero Feitosa Cavalcanti et ali
terminado conjunto. Este conceito parece ser bastante natural e facilmente percebido ao exa-
minarmos a lista de conjuntos abaixo:
conjunto dos nmeros naturais ( c )
conjunto dos caracteres ASCII ( c )
conjuntos dos nmeros naturais muito maiores do que dez ( f )
conjunto dos clientes com alta renda ( f )
Existe claramente uma diferena fundamental entre os conjuntos marcados com "c" e os
conjuntos marcados com "f". Por exemplo, considere-se um caractere, pode-se afirmar sem
dvida se esse caractere pertence ou no pertence ao conjunto dos caracteres ASCII. Essa
questo no to simples quando se lida, por exemplo, com o conjunto dos homens altos.
Uma pessoa que tenha 1,74m de altura seria considerada como pertencente a esse conjunto? E
uma outra com 1,75m? V-se claramente que no existe uma fronteira bem definida separan-
do os elementos do conjunto dos homens altos dos elementos do conjunto dos homens no
altos.
A seguir apresenta-se a definio formal da Lgica Fuzzy (Zadeh, 1965).
Se Y uma varivel que toma valores num universo U, ento a distribuio de pos-
sibilidade associada com Y pode ser vista como uma condio elstica nos valores que
podem ser atribudos a Y. Por exemplo, se F um subconjunto Fuzzy de U caracteriza-
do pela funo de pertinncia f: U [0,1], ento a declarao Y F traduzido numa
distribuio de possibilidade para Y sendo igual a F. Pode-se escrever:
Possibilidade (Y=u)= f(u)
O conjunto Fuzzy A definido como o par ordenado A={x, A(x)}
Onde x X e 0 A(x) 1. A funo de pertinncia (x) descreve o grau a que o
objeto x pertence ao conjunto A. A(x)=0 representa nenhuma pertinncia e A(x)=1,
representa pertinncia total.
Observe-se que a teoria da possibilidade independente da teoria da probabilidade e dos
conjuntos Fuzzy. A teoria da possibilidade uma teoria matemtica para tratar de determina-
dos tipos de incerteza e uma alternativa a teoria de probabilidade. O professor Lotfi Zadeh
props a teoria da possibilidade em 1978 como uma extenso de sua teoria de jogos.
Uma distribuio de possibilidade um conjunto Fuzzy com pelo menos uma funo de
pertinncia. Todos os nmeros Fuzzy so distribuio de possibilidade.
2.7 EXERCCIO DEFINIO DA LGICA FUZZY
2.7.1)Um copo dgua pode estar cheio, vazio ou meio. Explique usando a Lgica Fuzzy.

2.7.2)Qual a diferena entre possibilidade e probabilidade?

2.7.3) Na Fig.2.22 desenhada a curva da altura de um homem versus a sua idade. Observe-se
que no grfico o homem cresce at aproximadamente 2.0m at a idade de 20 anos. Verifique
se correta a gradao da altura do homem em relao altura, BAIXA, MDIA e ALTA.
Desenhe as as funes de pertinncia triangulares para esta varivel fuzzy na Fig.2.23.
LGICA FUZZY APLICADA S ENGENHARIAS
24
Jos Homero Feitosa Cavalcanti et ali

Fig.2.22 Altura versus idade

Fig.2.23 Altura do homem, gradao e lgica
2.7.4) Refaa o exerccio 2.7.3 para a representao da idade de um homem (MENINO,
RAPAZ e HOMEM).

2.7.5) Quais so as variveis lingusticas, variveis lgicas e as funes de pertinncias dos
sistemas Fuzzy dos exerccios 2.7.3 e 2.7.4?

2.7.6)Deduza e apresente as equaes das retas das funes de pertinncia mostradas na
Fig.2.24.
0 10 20 30 40 50 60 70 80 90 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8
2
A
l
t
u
r
a
Idade
BAIXA
MEDIA
ALTA
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
MEDIA BAIXA ALTA
LGICA FUZZY APLICADA S ENGENHARIAS
25
Jos Homero Feitosa Cavalcanti et ali

Fig.2.24 Sensao trmica na sala, retas
2.7.7)Deduza e apresente os valores dos parmetros da sigmide (1-SIG(x,,)), da sigmide
decrescente (1-SIG(x,,)) das funes de pertinncias mostradas na Fig.2.25.

Fig.2.25 Sensao trmica na sala, contnua
2.2.8)Quais os valores das ordenadas na interseo da reta em negrito (denominada alvo) com
as curvas das funes de pertinncia Z(X), P(X), M(X) e G(X) mostradas nas Fig.2.26
esquerda? Qual das funes de pertinncia possui o maior (e o menor) valor na interseo
com essa reta?

Fig.2.26 Funes de pertinncias triangulares e o alvo
2.2.9)Quais os valores das ordenadas na interseo da reta em negrito (denominada alvo) com
as curvas das funes de pertinncia Z(X), P(X), M(X) e G(X) mostradas nas Fig.2.27? Qual
das funes de pertinncia possui o maior (e o menor) valor na interseo com essa reta?
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
Temp
o
C
T-baixa T-mdia T-alta
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
LGICA FUZZY APLICADA S ENGENHARIAS
26
Jos Homero Feitosa Cavalcanti et ali

Fig.2.27 Funes de pertinncias exponencias e o alvo

2.2.10)Projete a funo de pertinncia mM(x) da Fig.2.27 usando a funo sino com
M(x)=exp(-(x-)2)). Qual o valor de ?. O que acontece com M(x) com a variao de e ?
2.8 CONCLUSO
Neste captulo, aps a anlise de um sistema trmico usando a Lgica Fuzzy com vari-
veis lgicas e contnuas. A seguir apresentaram-se sucintamente as caractersticas de algumas
funes de ativao que podem ser usadas como funes de pertinncia. Analisaram-se os ti-
pos de funes de pertinncias baseadas em retas e em sigmides. Finalmente apresentou-se
uma definio formal da Lgica Fuzzy.








0 10 20 30 40 50 60
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
X
BAIXA(X) MEDIA(X) ALTA(X)
LGICA FUZZY APLICADA S ENGENHARIAS
27
Jos Homero Feitosa Cavalcanti et ali
CAPTULO 3



A LGICA FUZZY E AS FUNES DE PERTINNCIA
3.1 INTRODUO
Neste captulo apresentam-se detalhes da programao de um sistema Fuzzy usando
funes de pertinncia triangular. Inicia-se o captulo analisando as variveis Fuzzy e a
fuzzyficao, faz-se a simulao e o traado de funes de pertinncias triangulares. A se-
guir, analisa-se a defuzzyficao lgica e contnua. Descrevem-se as operaes bsicas da
Lgica Fuzzy e se conclui o captulo com comentrios sobre este e o prximo captulo.
3.2 O TRAADO DAS FUNES DE PERTINNCIAS TRIANGULARES
Nesta seo considera-se que cada varivel Fuzzy possui um conjunto de funes de
pertinncia (i(X)), representadas num universo X, que geralmente exprimem o conjunto de
variveis lingsticas do sistema, onde cada funo de pertinncia possui uma varivel lgica
associada (ver a seo 2.7 deste livro).
Na Fig.3.1, esquerda, apresenta-se a entrada X de um sistema genrico Fuzzy. A en-
trada X aplicada individualmente sobre quatro funes de pertinncia Z(X), P(X), M(X) e
G(X). A seguir, essas aplicaes so agrupadas como pode ser visto no centro da Fig.3.1. Es-
sas funes de pertinncia representam variveis lingsticas Fuzzy (Zero, Pequeno, Mdio e
Grande).

FUZZYFI CAO
OPERAES
LGICAS
DEFUZZYFI CAO
REGRAS FUZZY
SADAS Z P M G
LOGICAS
Z(X)


P(X)




M(X)




G(X)
X
FUNES DE AGRUPAMENTO
PERTINNCIA CG
Z P M G

Y
DE FUZZYFI CAO
CENTRO DE
GRAVIDADE
X
CG


Fig.3.1 Diagrama simplificado de um sistema Fuzzy
Os resultados obtidos das aplicaes de X nas quatro funes de pertinncias (denomi-
nado Y, centro da Fig.3.1) so aplicados (operaes matemticas) a variveis lgicas e discre-
tas associadas a cada funo de pertinncia (lado direito da Fig.3.1).
Na Fig.3.2 apresentam-se as curvas das funes de pertinncia (i(X)) obtidas usando
um programa escrito no ambiente MATLAB (MATLAB, 2007). A abscissa das curvas da
Fig.3.2 representa o universo de discurso da varivel X a ser fuzzyficada (0<=X<=330).
As retas das funes de pertinncia esto desenhadas em diferentes cores na Fig.3.2.
LGICA FUZZY APLICADA S ENGENHARIAS
28
Jos Homero Feitosa Cavalcanti et ali
A funo de pertinncia Z(x) desenhada na cor azul escuro e representa a varivel lin-
gustica Z (zero), traada para valores de X prximo de zero.
A funo de pertinncia P(x) desenhada na cor vermelha, representa a varivel lingus-
tica P (pequeno), traada para valores de X pequenos.
A funo de pertinncia M(x) desenhada na cor verde e representa a varivel lingusti-
ca M (mdio), traada para valores mdios de X.
A funo de pertinncia G(x) desenhada na cor azul claro e representa a varivel lin-
gustica G (grande), traada para valores grandes de X.

Fig.3.2 Funes de pertinncia
As funes de pertinncias da Fig.3.2 so representadas por duas retas, exceto Z(x) que
representada por uma reta. Os traados das retas das funes de pertinncia so feitas com
duas variveis auxiliares na forma da eq.3.1, onde R(x) a ordenada da reta, decliv a decli-
vidade e onde o deslocamento da reta. Na eq.3.1 0R(x)1.
R(x)=decliv.x+onde (3.1)
O programa pesos.m (Prog.3.1) usado para definir os parmetros (onde, peso, decliv
e maximo) para o traado das retas das funes de pertinncia triangular.
Prog.3.1 Pesos dos parmetros das funes de pertinncias
%pesos.m
%Funes de pertinencias (FP) triangulares
pontox=330; %Pontos eixo X
numfp=4; %numero FP
cth=100; %constante_altura
%Posiao da FP
onde(1)=1;onde(2)=100;onde(3)=200;onde(4)=300;
%Peso da FP
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
%declividade
decliv(1)=1.;decliv(2)=1.;decliv(3)=1.5;decliv(4)=1.;
%altura
maximo(1)=1.;maximo(2)=1.;maximo(3)=1.;maximo(4)=1.;

O programa triangsemcg.m (Prog.3.2) usado para desenhar as funes de pertinncias
triangulares.
Prog.3.2 Desenho das funes de pertinncias
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
LGICA FUZZY APLICADA S ENGENHARIAS
29
Jos Homero Feitosa Cavalcanti et ali
%triangsemcg.m
%Obtem os parametros das funoes de pertinncias
pesos
%altura das FPs vetor das FPs
altura(1:numfp)=cth*maximo(1:numfp);curva(1:numfp,1:pontox)=0.;
for i=1:numfp
for j=1:pontox
if(j<onde(i))curva(i,j)=altura(i)-decliv(i)*onde(i)+decliv(i)*j;end
if(j>=onde(i))curva(i,j)=altura(i)+decliv(i)*onde(i)-decliv(i)*j;end
if(i==numfp & j>onde(numfp))curva(i,j)=altura(i);end
if(curva(i,j)<0)curva(i,j)=0.;end
if(curva(i,j)>altura(i))curva(i,j)=altura(i);end
end
end
%normaliza o vetor das FPs
curva=curva/cth;
t=1:pontox;
tt=t/pontox;%Abscissa entre 0 e 1
plot(tt,curva(1,t),'b',tt,curva(2,t),'r',tt,curva(3,t),'g',tt,curva(numfp,t),'c','LineWidth',3)
text(20,0.96,'Z P M G')
text(300,-0.07,'X')
3.2 EXERCCIOS - O traado das funes de pertinncias
3.2.1)Quantos parmetros definem uma reta da funo de pertinncia? Quantos parmetros
so associados a uma funo de pertinncia triangular?
3.2.2)Verifique se a associao de cada parmetro do Prog.3.1 nos desenhos das funes de
pertinncias mostrados na Fig.3.2 so corretas.
3.2.3) Na Fig.3.3 apresentam-se as funes de pertinncia padro obtidas com os pesos e a
abscissa modificados. Associe cada declarao do Prog.3.2 aos desenhos das funes de
pertinncias mostrados na Fig.3.3 usando o conjunto de valores mostrados no programa
pesosm.m (Prog.3.1 modificado).
Prog.3.1 Pesos dos parmetros das funes de pertinncias, modificados
%pesosm.m
pontox=330; numfp=4; cth=100;
%Posiao da FP
onde(1)=1;onde(2)=100;onde(3)=200;onde(4)=300;
%Peso da FP
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
%declividade
decliv(1)=1.;decliv(2)=0.7;decliv(3)=1.5;decliv(4)=1.;
%altura
maximo(1)=1.;maximo(2)=0.7;maximo(3)=0.9;maximo(4)=1.;

LGICA FUZZY APLICADA S ENGENHARIAS
30
Jos Homero Feitosa Cavalcanti et ali

Fig.3.3 Funes de pertinncia, altura (cap3filmefig3.avi)
3.2.4)Sugira relaes entre aplicaes e os parmetros das funes de pertinncias.
3.2.5)Trace uma curva passando sobre a extremidade superior das funes de pertinncia da
Fig.3.5.
3.2.6)Prove que o Teorema de Kolmogorov tambm pode ser usado para Sistemas Fuzzy. O
matemtico A. N. Kolmogorov (Kurkova, 1995) no seu teorema de superposio provou que
uma funo contnua multi varivel pode ser decomposta numa superposio finita de funes
contnuas de menor nmero de variveis. A frmula de Kolmogorov apresentada na eq.3.2
com x1, ..., xn representando as variveis, q e pq representando funes contnuas de
nica varivel.
A frmula de Kolmogorov claramente se assemelha a uma rede neural de duas camadas.
(3.2)
Hecht-Nielsen (1987), para provar a capacidade de uma RNMC aproximar arbitraria-
mente bem alguma funo contnua, sugeriu a utilizao do teorema da superposio de Kol-
mogorov. Outro pesquisador, Funahashi (1989), utilizando o teorema da superposio de
Kolmogorov, argumentando que as funes do tipo degrau, construdas utilizando alguma
funo sigmide crescente, so capazes de aproximar alguma funo contnua num intervalo
fechado com alguma preciso, derivou que uma RNMC com duas camadas pode aproximar
este tipo de funo.
3.3 O ALVO NAS FUNES DE PERTINNCIAS
Na Fig.3.2 pode-se observar que se podem associar uma ou mais ordenadas aos pontos
da abscissa. Nesta seo, define-se alvo como qualquer ponto escolhido na abscissa das cur-
vas das funes de pertinncias. No centro da Fig.3.4, desenhada com o programa poealvo.m
(Prog.3.3), est desenhada uma reta na cor preta indicando a abscissa X da varivel alvo=0.5.
Prog.3.3 Programa poealvo.m
%poealvo.m
%Funes de pertinencias triangulares
%Desenha uma reta perpendicular abscissa em alvo
%Abscissa 0<=X<=1
alvo=0.5;ondealvo=alvo*pontox;
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
onde(1) onde(2) onde(3) onde(4) X
maximo(1) maximo(4)
maximo(2)
maximo(3)
decliv(1) decliv(2) decliv(3) decliv(4)

+
= =

=
1 n 2
1 q
n
1 p
p n 2 1
) x ( pq q ) x ,..., x , f(x
LGICA FUZZY APLICADA S ENGENHARIAS
31
Jos Homero Feitosa Cavalcanti et ali
triangsemcg
l1=[alvo alvo];l2=[0. 1.];line(l1,l2,'Color','black','LineWidth',3)
if(ondealvo>0.)
corta(1:numfp)=curva(1:numfp,ondealvo);
end
corta
Na abscissa da Fig.3.4, indicada pelo alvo (alvo=0.5 e X=pontox*alvo=160), a reta per-
pendicular abscissa corta as curvas Z(X), P(X), M(X) e G(X) nas ordenadas 0., 0.4, 0.6 e 0.,
respectivamente. No alvo M(X) possui a maior ordenada, tal que M(alvo)> P(alvo)>Z(alvo) e
Z(alvo)=G(alvo). A funo de pertinncia M(X) definida como a varivel Fuzzy vencedora.

Fig.3.4 Desenho das funes de pertinncias e do alvo
O clculo do valor da funo de pertinncia da varivel Fuzzy denominado fuzzyfi-
cao. A fuzzyficao avalia o grau de pertinncia da entrada numrica fornecida (X) ge-
rando variveis Fuzzy. A seguir ocorre uma ativao das regras Fuzzy formando um conjunto
de sada, que ser defuzzyficado.
Na Fig.3.4 v-se que a reta alvo cruza a curva da funo de pertinncia M(X) numa or-
denada maior que o cruzamento da reta alvo sobre a funo de pertinncia P(X). A defuzzy-
ficao a transformao da varivel Fuzzy numa varivel lgica ou contnua. Na fase de
defuzzyficao considera-se que M(x) a funo de pertinncia vencedora.
3.3 EXERCCIOS - O traado dos alvos
3.3.1)O programa Prog.3.3 usado para indicar e calcular os valores das interseces de uma
reta perpendicular abscisse, cruzando as funes de pertinncia triangular. Teste o Prog.3.3
para alvo=0.3; 0.35; 0.4; 0.45; 0.5; 0.55; 0.6; 0.65 e 0.7. Quais os vales da varivel corta em
cada alvo? Qual a varivel Fuzzy vencedora em cada alvo?
3.4 OPERAES BSICAS DA LGICA FUZZY
Nesta seo sero analisadas as operaes bsicas da Lgica Fuzzy. Elas so operadas
diretamente sobre as funes de pertinncias que descrevem a varivel Fuzzy. As operaes
bsicas usam os parmetros (onde, peso, decliv e maximo) para o traado das retas das fun-
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
LGICA FUZZY APLICADA S ENGENHARIAS
32
Jos Homero Feitosa Cavalcanti et ali
es de pertinncia triangular descritos na seo 3.2. As operaes bsicas da Lgica Fuzzy
so denominadas comparao, contido, unio, interseco e complemento.
3.4.1 Comparao
Comparao: A==B
A==B se A(x)=B(x) x X
L-se A varivel Fuzzy A igual a varivel Fuzzy se todos os pontos da curva A
(associado varivel Fuzzy A) igual a todos os pontos da curva B (associado varivel
Fuzzy B). Na Fig.3.5 apresentam-se as curvas das funes de pertinncia A(x)e B(x). A
curva pontilhada representa A(x) e a contnua representa B(x). Observe-se que as duas cur-
vas so iguais.

Fig.3.5 Comparao.
3.4.2 Contido
Contido: BA
BA se A(x)>B(x) x X
L-se A varivel Fuzzy B est contida em A se todos os pontos da curva B (associado
varivel Fuzzy B) tem um valor menor que todos os pontos da curva (associado vari-
vel Fuzzy A). A curva pontilhada representa A(x) e a contnua representa B(x). Na Fig.3.6
apresentam-se as curvas das funes de pertinncia A(x) e B(x). A curva em negrito repre-
senta BA.

Fig.3.6 Contido

3.4.3 Unio
Unio: AB

B(x)

A(x)
x


B(x) A(x)
x
LGICA FUZZY APLICADA S ENGENHARIAS
33
Jos Homero Feitosa Cavalcanti et ali
A(x)B(x) = max(A(x), B(x)) x X
L-se A unio da varivel Fuzzy A com a varivel Fuzzy B ser a varivel A se naque-
le ponto A(x)>B(x), ela ser a varivel B se naquele ponto A(x)<B(x). Na Fig.3.7 apre-
sentam-se as curvas das funes de pertinncia A(x) e B(x). A curva em negrito representa
AB.

Fig.3.7 Unio
3.4.4 Interseo
Interseo: AB
A(x)B(x) = min(A(x), B(x)) x X
L-se A interseco da varivel Fuzzy A com varivel Fuzzy B ser a varivel A se
naquele ponto A(x)<B(x), ela ser a varivel B se naquele ponto A(x)>B(x).
Na Fig.3.8 apresentam-se as curvas das funes de pertinncia A(x)e B(x). A curva
em negrito representa AB.

Fig.3.8 Interseo
3.4.5 Complemento
Complemento: A
-1

A
-1
(x) = 1- A(x) x X
L-se O complemento da varivel Fuzzy A, representada por A(x), ser uma nova
funo de pertinncia A
-1
(x)=1-A(x). Na Fig.3.9 apresentam-se as curvas das funes de
pertinncia A(x) e
-1
(x). A curva em negrito representa A
-1
(x).

B
(x)
A
(x)
x

B
(x)
A
(x)
x
LGICA FUZZY APLICADA S ENGENHARIAS
34
Jos Homero Feitosa Cavalcanti et ali

Fig.3.9 Complemento
3.4.6 Subtrao
Subtrao: A-B. Seja A(x)-B(x) = (A(x) - B(x)) x X
L-se A subtrao da varivel Fuzzy A da varivel Fuzzy B ser A(x)-B(x), se na-
quele ponto A(x)>B(x), seno ser zero.
EXERCCIOS 3.4 Operaes bsicas
3.4.1) Sugira um sistema que use a Lgica Fuzzy e necessite da funo comparao.
Sugesto: Comparar impresses digitais.

3.4.2) Sugira um sistema que use a Lgica Fuzzy e necessite da funo contido. Sugesto:
projete um sistema em que as funes de pertinncia possam se mover na abscissa. Havendo a
ocorrncia da funo contido, uma das funes de pertinncia deve ser retirada.

3.4.3) Sugira um sistema que use a Lgica Fuzzy e necessite da funo unio. Sugesto:
projete o sistema do conforto da temperatura.

3.4.4) Sugira um sistema que use a Lgica Fuzzy e necessite da funo interseco. Sugesto:
projete um sistema em que as funes de pertinncia possam se mover na abscissa e que
represente o mnimo de ndices de desempenhos.

3.4.5) Sugira um sistema que use a Lgica Fuzzy e necessite da funo complemento.
Sugesto: lembre-se dos sistemas que possuem perguntas do tipo de quem Maria no
gosta?.

3.4.6)Qual a diferena entre as operaes dos conjuntos Fuzzy CONTIDO e UNIO? Mostre
graficamente.

3.4.7) Usando a Fig.3.10 mostre graficamente as operaes de unio, interseco e
complemento de A(x) e B(x).



A
(x)

A
-1
(x)
x
LGICA FUZZY APLICADA S ENGENHARIAS
35
Jos Homero Feitosa Cavalcanti et ali

Fig.3.10 Operaes grficas nas funes de pertinncia
3.5 A DEFUZZYFICAO LGICA
Na seo anterior viu-se que o clculo do valor da funo de pertinncia da varivel
Fuzzy denominado fuzzyficao.
A fuzzyficao avalia o grau de pertinncia da entrada numrica fornecida (X), onde
ocorre uma ativao das regras Fuzzy formando um conjunto de sada, que ser defuzzyfica-
do para gerar um resultado numrico de sada (Y).
O clculo da funo de pertinncia vencedora da varivel Fuzzy denominado fuzzy-
ficao, que pode ser definido como o processo de se calcular o valor lgico das funes de
pertinncia das variveis Fuzzy.
A defuzzyficao a transformao de uma varivel do conjunto Fuzzy numa vari-
vel do conjunto discreto.
Na Fig.3.11, desenvolvida a partir da Fig.3.1, ilustra-se a fuzzyficao e a defuzzyfi-
cao lgica usando a UNIO como operao da Lgica Fuzzy.
As operaes inicialmente so feitas entre as funes de pertinncia da varivel Fuzzy
(ver o centro da Figura 2). Os resultados obtidos (Y) so aplicados a variveis lgicas e dis-
cretas associadas a cada funo de pertinncia. Observe-se que so atribudas variveis lgi-
cas (ZL, PL, ML e GL) s funes de pertinncias(Z(X), P(X), M(X) e G(X)).
A atribuio final de valores lgicos s variveis lgicas denominado defuzzyfica-
o lgica.


Z(X)


P(X)




M(X)




G(X)
X
FUNES DE AGRUPAMENTO
PERTINNCIA
Z P M G

Y
X
FUZZYFI CAO
OPERAES LGICAS
INFERNCIA
DEFUZZYFI CAO
REGRAS FUZZY
SADAS ZL PL ML GL
LOGICAS

Fig.3.11 Fuzzyficao e defuzzyficao lgica

1 2 3 4 5 6 x
A(x)

1 2 3 4 5 6 x

B(x)

LGICA FUZZY APLICADA S ENGENHARIAS
36
Jos Homero Feitosa Cavalcanti et ali
Na Fig.3.12 apresentam-se quatro funes de pertinncias triangulares com dois alvos.
Os dois alvos possuem duas retas (cores preta e azul) perpendiculares abscissa que cruzam
as funes de pertinncia. Os clculos dos valores das ordenadas nestes pontos determinam a
fuzzyficao. Lembrar que as funes de pertinncias apresentadas na Fig.3.12 foram tra-
adas usando os parmetros onde, peso, decliv e Maximo descritos no programa Prog.3.1.
A reta (cor preta) traada sobre o alvo1=0.5 atinge as funes de pertinncia P(X) e
M(X) nas ordenadas P(0.5)=0.4 e M(0.5)=0.5. A reta (cor preta) no atinge Z(X) e G(X), con-
sidera-se que Z(0.5)=0. E G(0.5)=0.
A reta (cor azul) traada sobre o alvo2=0.85 atinge as funes de pertinncia P(X) e
M(X) nas ordenadas M(0.85)=0.28 e G(0.85)=0.72. A reta (cor azul) no atinge Z(X) e P(X),
considera-se que Z(0.85)=0. E P(0.85)=0.
Definem-se ZL, PL, ML e GL como variveis lgicas. No incio da defuzzyficao
lgica atribuem-se os seguintes valores lgicos s variveis lgicas: ZL=0, PL=0,
ML=0 e GL=0.
Usando-se a operao Fuzzy Unio, PM tal que P(x)M(x) = max(P(x), (x)) x
X tal que:
A unio da varivel Fuzzy P com a varivel Fuzzy M ser a varivel P se naquele pon-
to P(x)>M(x), ela ser a varivel M se naquele ponto P(x)<M(x).
No alvo=0.5 calcula-se M(0.5)>P(0.5). Ento M(X) a funo de pertinncia vencedo-
ra, tornando ML=1 (ZL=0, PL=0, e GL=0).
Usando-se a operao Fuzzy Unio, MG tal que M(x)G(x) = max(M(x), G(x)) x
X tal que:
A unio da varivel Fuzzy M com a varivel Fuzzy G ser a varivel M se naquele
ponto M(x)>G(x), ela ser a varivel G se naquele ponto M(x)<G(x).
No alvo=0.85 calcula-se G(0.85)>M(0.85). Ento G(X) a funo de pertinncia ven-
cedora, tornando GL=1 (ZL(X)=0, PL=0, ML=0).

Fig.3.12 Desenho dos alvos
3.6 UMA RETA INTERCEPTA AS FUNES DE PERTINNCIAS
Supor uma funo crescente definida como y=f(X)=X, traada com o programa poere-
ta.m (Prog.3.4) na cor amarela na Fig.3.13.
Prog.3.4 Pe uma reta nas FPs, poereta.m
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
Z(X) P(X) M(X) G(X)
X alvo1 alvo2
LGICA FUZZY APLICADA S ENGENHARIAS
37
Jos Homero Feitosa Cavalcanti et ali
%poereta
triangsemcg
hold
%normaliza o vetor das FPs
for j=1:pontox
reta(j)=j/pontox;end
curva=curva/cth;
t=1:pontox;tt=t/pontox;
plot(tt,reta(t),'y',tt,curva(1,t),'b',tt,curva(2,t),'r',tt,curva(3,t),'g',tt,curva(numfp,t),'c','LineWidth',
3)
text(0.1,1.06,'Z P M
G','Color','r')
text(0.95,-0.07,'X')
text(0.8,0.9,'y=X')
%Desenha uma reta perpendicular abscissa em alvo
alvo1=0.1578;alvoy=0.505;
l1=[alvo1 alvo1];l2=[0. alvoy];line(l1,l2,'Color','black','LineWidth',2)
l1=[0. alvo1];l2=[1. 1.];line(l1,l2,'Color','blue','LineWidth',8)
alvo2=0.4688;
l1=[alvo2 alvo2];l2=[0. alvoy];line(l1,l2,'Color','black','LineWidth',2)
l1=[alvo1 alvo2];l2=[1. 1.];line(l1,l2,'Color','red','LineWidth',8)
alvo3=0.78125;
l1=[alvo3 alvo3];l2=[0. alvoy];line(l1,l2,'Color','black','LineWidth',2)
l1=[alvo2 alvo3];l2=[1. 1.];line(l1,l2,'Color','green','LineWidth',8)
alvo4=1.;
l1=[alvo3 alvo4];l2=[1. 1.];line(l1,l2,'Color','cyan','LineWidth',8)
hold

Na Fig.3.13 apresentam-se retas perpendiculares abscissa (cor preta) traadas nos pon-
tos de interseco entre as funes de pertinncia.
As retas nas interseces entre Z(X) e P(X), P(X) e M(X) e M(X) e G(X) foram traa-
das nas abscissas alvoZP=0.1578, alvoPM=0.4688; e alvoMG=0.78125), com ordenada vari-
ando de 0. a 0.505.
Nos pontos alvoZP, alvoPM e alvoMG no existe funo de pertinncia vencedora. U-
sando a defuzzyficao lgica, observam-se: para X<alvoZP a funo vencedora a Z(X);
para alvoZP<X<alvoPM a funo vencedora a P(X); para alvoPM<X<alvoMG a funo
vencedora a M(X); para X>alvoMG a funo vencedora a G(X).
As variveis lgicas associadas a cada funo de pertinncia esto indicadas (valores
lgicos 1) nas cores das funes de pertinncias (Zl(azul), Pl(vermelho), Ml(verde) e
Gl(azul claro)).
Na Fig.3.13 a reta amarela corta as funes de pertinncias coincidentemente nos pontos
(0.24;0.24), (0.45;0.4), (0.47;0.47), (0.72:0.72) e (0.91;0.91). Esses pontos podem ser usados
no vetor dos pesos das funes de pertinncias.
LGICA FUZZY APLICADA S ENGENHARIAS
38
Jos Homero Feitosa Cavalcanti et ali

Fig.3.13 Desenho dos alvos e sadas lgicas
3.5 EXERCCIOS A defuzzyficao lgica
3.5.1)Na Fig.3.15 faa a defuzzyficao lgica para as seguintes abscissas: alvo=0.3; 0.35;
0.4; 0.45; 0.5; 0.55; 0.6; 0.65 e 0.7.
3.5.2)Explique a razo da reta na cor amarela cortar as funes de pertinncias nos pontos em
que a abscissa igual ordenada na Fig.3.13.
3.5.3)Sugerir um controlador usando a defuzzyficao lgica.
3.5.4)Na Fig.3.14 apresentam-se as curvas de defuzzyficao usando a funo de unio, na
cor magenta. Explique a relao dos patamares com os pesos. Quais so os valores dos pesos?

Fig.3.14 defuzzyficao Lgica (cap3filmefig14.avi)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
y=X
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL
PL
ML
GL
LGICA FUZZY APLICADA S ENGENHARIAS
39
Jos Homero Feitosa Cavalcanti et ali
3.7 A LGICA FUZZY DE MAMDANI
Nesta Seo ser feita uma sucinta descrio da Lgica Fuzzy desenvolvida por Man-
dami (Mamdani, 1981), e no captulo 5 deste livro ser analisado o controlador Fuzzy de
Mandani.
Na teoria clssica, os conjuntos so denominados "crisp" e um dado elemento do uni-
verso em discurso (domnio) pertence ou no pertence ao referido conjunto.
O sistema de Mamdami espera que cada entrada crisp (um nmero real, ou par de nme-
ros reais) faa corresponder uma sada crisp.
Os mdulos que seguem indicam a metodologia para a construo desta funo:
1) O mdulo de fuzzificao modela matematicamente a informao das variveis de
entrada por meio de conjuntos Fuzzy. A cada varivel de entrada devem ser atribudos termos
lingsticos que representam os estados desta varivel e, a cada termo lingstico, deve ser
associado um conjunto Fuzzy por uma funo de pertinncia;
2) O mdulo da base de regras constitui o ncleo do sistema. neste mdulo onde se
guardam as variveis e suas classificaes lingsticas;
3) O mdulo de inferncia onde se definem quais so os conectivos lgicos usados pa-
ra estabelecer a relao Fuzzy que modela a base de regras. deste mdulo que depende o
sucesso do sistema Fuzzy j que ele fornecer a sada (controle) Fuzzy a ser adotado pelo con-
trolador a partir de cada entrada Fuzzy; e
4) O mdulo de defuzzificao traduz o estado da varivel de sada Fuzzy para um
valor numrico.
importante ressaltar que existem diferentes mtodos de inferncia Fuzzy com diferen-
tes propriedades. O Fuzzy Logic toolbox do MATLAB oferece duas opes: O Mtodo de
Mamdami e o Mtodo de Sugeno (Sugeno, 1985). Analogamente, existem diversos mtodos
de defuzzificao.
Para um melhor entendimento destes e de outros mtodos de inferncia e de defuzzyfi-
cao, sugere-se a leitura do livro de Pedrycz & Gomide (1998).
3.8 CONCLUSO
Neste captulo apresentaram-se exemplos de variveis Fuzzy que usam funes de per-
tinncia do tipo triangular e exponencial seguido de alguns exerccios que ajudam no enten-
dimento das caractersticas dessas funes.

LGICA FUZZY APLICADA S ENGENHARIAS
40
Jos Homero Feitosa Cavalcanti et ali
CAPTULO IV


A DEFUZZYFICAO LGICA NA REA DE CONTROLE


4.1 INTRODUO
Neste captulo, aps algumas consideraes sobre a fuzzyficao e a defuzzyfica-
o, analisa-se a aplicao da Lgica Fuzzy na identificao e controle de plantas no linea-
res representadas por um sistema trmico. Usa-se a forma da defuzzyficao lgica no de-
senvolvimento do identificador e do controlador inverso. Por ltimo, apresentam-se resultados
experimentais e de simulaes obtidos com o controlador Fuzzy de Furuhashi e de Mandami.
4.2 CONTROLE DE TEMPERATURA
Nesta seo rever-se o sistema de controle de temperatura, descrito nos captulos 2 e 3
deste livro, e o define como uma planta no linear.
O esquema de uma planta no linear (Narenda & Parthasarathy, 1990) (Narenda & Mu-
khopadhyay, 1992) apresentada esquerda da Fig.4.1. O esquema da planta apresenta o
controlador e a planta representada por um termmetro e o seu ambiente, representado por um
paraleleppedo.
O controlador se compe de um circuito desenvolvido para abrir e fechar uma chave di-
gital na qual passa uma corrente (i) usada no aquecimento de uma resistncia (R). A resistn-
cia est acoplada a um paraleleppedo que representa o ambiente a ter a temperatura controla-
da. No ambiente (dentro do paraleleppedo hipottico) coloca-se um termmetro que usado
para medir a temperatura.
Geralmente deseja-se que a temperatura de um corpo (representada pelo paraleleppedo
esquerda da Fig.4.1) permanea num valor (graus centgrados) estipulado pelo operador.
O CONTROLADOR responsvel pela gerao da corrente i no circuito da resistncia
R usando algum algoritmo de ativao ou desativao da chave S1. O algoritmo baseado na
temperatura do termmetro e da temperatura referncia.
Na Fig.4.1, direita, apresenta-se um diagrama do controlador de temperatura. No dia-
grama f(U,Y,t) representa uma funo no linear e o bloco com -1 representa a realimenta-
o de Y(t).
Considera-se que a entrada U(E,t)E da planta dependente do tempo e da tenso E, e
pode variar linearmente entre dois valores, por exemplo E=0V e E=12V, tal que 0.U(t)1.
Os valores de U(t) so conseguidos usando modulao PWM (Pulse Width Modulation) ou
uma fonte de tenso de nvel controlado. O valor de sada Y=f(U,Y) funo da entrada U(t)
e de valores anteriores de Y(t).
LGICA FUZZY APLICADA S ENGENHARIAS
41
Jos Homero Feitosa Cavalcanti et ali

+
-
R
i S1
0
o
C
100
o
C
CONTROLADOR
U(t)
Y(t)


Y(t)=f(U,Y,t)
PLANTA NO
LINEAR
U(t)
U(t)
t
U(t)
Y(t)

Fig.4.1 Uma planta no linear
Na Fig.4.2 apresenta-se a curva da variao da temperatura no termmetro obtida a par-
tir da simulao do circuito da Fig.4.1 (ver o captulo2 deste livro). Acompanha este livro o
filme filmecap4fig2.wmv que ilustra a varia~]ao da temperatura no termmetro.


Fig.4.2 Temperatura no termmetro (filmecap4fig2.wmv)
A funo representativa da planta (Y(t)) pode ser descrita pela equao discreta no tem-
po (eq.4.1), em que Y(t) depende do valor atual da entrada e dos valores anteriores da entrada
e da sada. A funo f(U,Y,t) conhecida como a dinmica direta da planta, e possui uma -
nica entrada U(t) e uma nica sada Y(t).
Se a planta inversvel (admite uma inversa), deve existir uma funo g(U,Y,t), tal que
U(t) pode ser calculado utilizando a eq.4.2. A funo g (U,Y,t) conhecida como a funo da
dinmica inversa da planta.
Y(t+1) = f(Y(t),...Y(t-n+1);U(t),...,U(t-n+1)) (4.1)
U(t) = g(Y(t),...Y(t-n+1);U(t-1),...,U(t-n+1)) (4.2)
No sistema trmico da Fig.4.1 os parmetros so considerados concentrados, o que e-
quivale a dizer que o corpo do termmetro est na mesma temperatura. O ambiente em que se
encontra o termmetro est com temperatura homognea, significa que as temperaturas so
funes do tempo e no da posio no corpo do termmetro.
O sistema trmico (Kuo, B.C., 1985) pode ser representado pela equao diferencial
eq.4.3. Nesta equao Y representa a temperatura de um objeto e U representa a fonte de calor
ou frio colocado no objeto.
Y=-.Y+.U (4.3)
0 20 40 60 80 100 120 140 160 180 200
0
10
20
30
40
50
60
T
e
m
p

o
C
S1="0"
S1="1"
t0 t1 t(s)
LGICA FUZZY APLICADA S ENGENHARIAS
42
Jos Homero Feitosa Cavalcanti et ali
Define-se
RiC
1
= , parmetro que representa a condutividade trmica do objeto.
A capacitncia trmica C do ambiente do termmetro dada pela eq.4.4. Supe-se que
existe somente uma fonte de fluxo de calor do objeto para o termmetro.
(4.4)
Na simulao do sistema trmico na forma de equaes diferenciais usou-se Euler na
forma discreta. (ver a eq.4.5). A equao diferena da planta foi desenvolvida usando-se y
k
=Y
e u
k
=u tal que f(u
k
,y
k
)=(-y
k
+u
k
) e =. A equao diferena obtida e usada na simulao
mostrada na eq.4.6.
y
k+1
=y
k
+.f(u
k
,y
k
) (4.5)
y
k+1
=y
k
+.(u
k
-y
k
) (4.6)
A equao diferena (a eq.4.6) pode ser representada na forma da eq.4.7.
y
k+1
=a.y
k
+.u
k
(4.7)

EXERCCIO 4.2 Equao diferena
4.2.1)Deduza a eq.4.6 usando a equao de Euler.
4.2.2)Prove que a eq.4.6 pode ser representada na forma da eq.4.7.
4.2.3)Prove que uma funo na forma 1-e
-t
representa a curva da Fig.4.2 na subida da
temperatura.
4.2.4)Prove que uma funo na forma e
-t
representa a curva da Fig.4.2 na descida da
temperatura.
4.3 IDENTIFICAO FUZZY DA PLANTA
O projeto de identificadores Fuzzy, baseado no modelo da planta, pode ser descrito na
forma mostrada esquerda da Fig.4.3. Nesta figura o bloco superior representa a planta ou o
termmetro a ser aquecido ou resfriado. O bloco inferior representa a aplicao da Lgica
Fuzzy na identificao da dinmica direta da planta, denominado identificador Fuzzy.
Atribui-se uma varivel Fuzzy, denominada TEMPf, planta. A identificao da planta
no ambiente Fuzzy mostrada direita da Fig.4.3.

Y(t)=f(U,Y,t)
AQUECEDOR
U(t)
IDENTIFICADOR
FUZZY
Yf(t)

+


Yf
TEMPf
Uf
IDENTIFICADOR
FUZZY
Yif

+


Fig.4.3 Modelos dos identificadores discreto e Fuzzy
Na Fig.4.4 apresentam-se detalhes do IDENTIFICADOR FUZZY. Observe-se que o
IDENTIFICADOR FUZZY recebe na sua entrada o valor discreto U(t). Internamente, o valor
de U(t) fuzzyficado, a seguir analisado na forma Fuzzy.
dt
dT
C q =
LGICA FUZZY APLICADA S ENGENHARIAS
43
Jos Homero Feitosa Cavalcanti et ali
O valor defuzzyficado na forma de variveis lgicas apresentado na sada do I-
DENTIFICADOR FUZZY. O valor de Yf(t) obtido de tabelas com entradas acionadas pelos
valores lgicos das funes de pertinncias.


FUZZYFI CAO
DEFUZZYFI CAO
REGRAS FUZZY
ZL PL ML GL
Z(X)


P(X)




M(X)




G(X)
U(t)
FUNES DE AGRUPAMENTO
PERTINNCIA
Z P M G

Uf
X
CG

TABELAS
Yf(t)

Fig.4.4 Detalhes do identificador Fuzzy
O projeto de identificadores Fuzzy, baseado no modelo da planta, pode ser formulado
em quatro etapas descritas a seguir.
Etapa 1, nesta etapa calcula-se por simulao os valores de entrada e sada da planta.
Na Fig.4.2, vista anteriormente, apresenta-se a variao na sada da planta, conseguida
excitando a planta (Y(t)) com valores discretos U(t)=1. (0<t<100) seguido de U(t)=0.
(100<t<200). Esta curva denominada representao direta da dinmica da planta.
Etapa 2, nesta etapa faz-se a anlise e se definem os nveis para a fuzzyficao da va-
rivel Fuzzy Tempf (ver a Fig.4.3).
Na Fig.4.5, esquerda, apresenta-se a curva da sada da planta (Y(t)) com valores dis-
cretos U(t)=1. (0<t<200) obtida da simulao do sistema trmico. Definiu-se U4=U(t)=1 co-
mo valor fixo na entrada da planta. Considera-se o valor final de Y(t) como Y4=10. (valores
normalizados).
No centro da Fig.4.5 apresenta-se um grfico com os valores das entradas U(t) usadas
na simulao do sistema trmico. Na Fig.4.5, na parte central, so mostrados retas traadas na
cor azul representando U1, U2, U3 e U4. A cada Ui (U1, U2, U3 e U4) associado uma curva
Y(t).
Na Fig.4.4, direita, apresenta-se as curvas Y(t) (em funo de U1, U2, U3 e U4) obti-
das a partir das entradas apresentadas no centro da Fig.4.5. Na figura so mostrados retas na
cor vermelha representando Y1, Y2, Y3 e Y4. As curvas das funes Y1(t), Y2(t), Y3(t) e
Y4(t) so traadas na cor preta.
LGICA FUZZY APLICADA S ENGENHARIAS
44
Jos Homero Feitosa Cavalcanti et ali

Fig.4.5 Variao da temperatura (filmecap4fig5.wmv)
Etapa 3, nesta etapa definem-se as funes de pertinncias da varivel Fuzzy temperatu-
ra. Na Fig.4.6 apresentam-se as curvas de Y(t) com (Y1=3., Y2=0., Y3=0. e Y4=0.) e entra-
das U(t) dadas por (U4=1, U3=0.6, U2=0.3 e U1=0.), obtidas para 0<t<=200s. No intervalo
de tempo de 200s<t<400, as entradas foram mudadas para U(t) (U4=0, U3=0., U2=0. e
U1=0.). As curvas Y1(t), Y2(t), Y3(t) e Y4(t) so representadas nas cores azul, vermelha,
verde e azul claro, respectivamente.
Definem-se quatro funes de pertinncias para a varivel Fuzzy TEMPf associadas as
curvas Y(t) e suas entradas U(t) que podem ser vistas na Fig.4.6 direita. Os mximos das
funes de pertinncias ocorrem aproximadamente nas abscissas dos valores Yi.

Fig.4.6 Entradas e sadas da planta, regime transitrio(filmecap4fig6.wmv)
0 100 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
Y1
Y2
Y3
Y4
0 100 200
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t(s)
U
U1
U2
U3
U4
0 100 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
Y1
Y2
Y3
Y4
0 50 100 150 200 250 300 350 400
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
Y2
Y3
Y1
Y4
LGICA FUZZY APLICADA S ENGENHARIAS
45
Jos Homero Feitosa Cavalcanti et ali
Na Fig.4.7 as quatro funes de pertinncias so denominadas Z(X), P(X), M(X) e
G(X). Associaram-se Z(X) a Y1(t), P(X) a Y2(t), M(X) a Y3(t) e G(X) a Y4(t). Os pontos
mximos das funes de pertinncia (Y1, Y2, Y3 e Y4) foram escolhidos para igualarem os
valores finais de Y(t) nas abscissas U1=0.15, U2=0.3 e U1=0.6, e U4=1. Na Fig.4.7 as inter-
seces entre as funes de pertinncias foram denominadas alvo1, alvo2 e alvo3 (apontados
com retas nas cores rosa choques).


Fig.4.7 Relao entre U(t), alvo e funes de pertinncias
Observe-se que nos pontos alvo1, alvo2 e alvo3 no existe funo de pertinncia vence-
dora (ver captulo 3 deste livro). Os pontos denominados alvo so usados na defuzzyficao
lgica como pontos de mudana dos valores lgicos das funes de pertinncias.
Associam-se varveis lgicas s funes de pertinncia: ZL para Z(X), PL para P(X),
ML para M(X) e GL para G(X). Antes da anlise lgica ZL=PL=ML=GL=0 (valor lgico
0). Aps a anlise lgica uma das variveis lgicas ter o valor lgico 1.
Na Fig.4.8, usando a defuzzyficao lgica baseada na operao Fuzzy UNIO (ver
captulo 3 deste livro), tal que Z(x) P(x) M(x)G(x)= max(Z(X),P(X),M(x), G(x)) x
X, na forma mostrada na Tabela 4.1.
Tabela 4.1 Defuzzyficao lgica
ZL=0; PL=0; ML=0; GL=0;
if(X<alvo1)ZL=1; %A funo vencedora a Z(X);end
if(alvo1<=X<alvo2)PL=1; %A funo vencedora a P(X);end
if(alvo2<=X<alvo3)ML=1; %A funo vencedora a M(X);end
if(X>=alvo3)GL=1; %A funo vencedora a G(X);end
Na construo da Fig.5.1, a cada ponto da abscissa calculada a ordenada usando a ope-
rao Fuzzy UNIO usando a Tabela 4.1. Na Fig.4.8 as variveis lgicas associadas a cada
funo de pertinncia esto indicadas (valores lgicos 1) nas cores azul, vermelho, verde e
azul claro (ver a seo 3.6 e a Fig.3.14 deste livro).
Na Fig.4.8 desenharam-se degraus crescentes (na cor rosa choque) em cada intervalo
entre os alvos. No projeto do identificador Fuzzy algumas vezes associam-se valores aos pe-
sos das funes de pertinncias dos degraus. Associou-se a Z(X) o peso W(1)=0.15 (ver a or-
denada de Z(X)); a P(X) o peso W(2)=0.3 (ver a ordenada de P(X)); a M(X) o peso W(3)=0.6
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X alvo1 alvo2 alvo
LGICA FUZZY APLICADA S ENGENHARIAS
46
Jos Homero Feitosa Cavalcanti et ali
(ver a ordenada de M(X)) e a G(X) o peso W(4)=1 (ver a ordenada de G(X)). Usou-se uma
nova varivel contnua denominada R(X) e a Tabela 4.2 para calcular o seu valor.
Tabela 4.2 Clculo de R(X)
for X=0:1
if(ZL==1) R(X)=0.15; %A funo vencedora a Z(X);end
if(ZL==1) R(X)=0.30; %A funo vencedora a P(X);end
if(ZL==1) R(X)=0.60; %A funo vencedora a M(X);end
if(ZL==1) R(X)=1.00; %A funo vencedora a G(X);end
end


Fig.4.8 Funes de pertinncia (cap3filmefig14.avi)
Na Fig.4.9, esquerda, apresenta-se o esquema do identificador Fuzzy. No identificador
Fuzzy da planta os pesos W(1), W(2), W(3) e W(4) das funes de pertinncias podem ser
considerados os valores U1, U2, U3 e U4 da entrada da planta. Algumas vezes o valor deseja-
do na sada da planta, denominado Yr (referncia), no coincide com os valores Y1, Y2, Y3 e
Y4. Na Fig.4.9, direita, apresentam-se as curvas Y1, Y2, Y3 e Y4 comparadas com Yr1,
Yr2, Yr3 e Yr4. A diferena entre Yr e Y definida como o erro E.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
R(X)
R(X)
R(X)
alvo1 alvo2 alvo
LGICA FUZZY APLICADA S ENGENHARIAS
47
Jos Homero Feitosa Cavalcanti et ali

Y(t)=f(U,Y,t)
AQUECEDOR
U(t)
IDENTIFICADOR
FUZZY
Yf

Fig.4.9 Temperaturas referncias (cap4filmefig9.avi)
Os valores de Y(t) e U(t) podem ser representados na forma da tabela 4.2, na forma de
funes de pertinncias (Z(X), P(X), M(X) e G(X)) e variveis Fuzzy (Uf e Yf).
Tabela 4.2 Tabela Fuzzy da planta
VARIVEIS FUZZY Z(X) P(X) M(X) G(X)
Uf ZL PL ML GL
Yf ZL PL ML GL
Usando-se a Tabela 4.2 podem-se definir regras Fuzzy para a identificao da dinmica
da planta, mostradas na Tabela 4.3. Na Tabela 4.2 Yf representa um dos valores lgicos das
funes de pertinncias de Y(t).

Tabela 4.3 Regras Fuzzy da identificao da planta
if (Uf==ZL)Yf=ZL;end
if (Uf==PL)Yf=PL;end
if (Uf==ML)Yf=ML;end
if (Uf==GL) Yf=GL;end
A partir da Tabela 4.3 pode-se fazer a Tabela 4.4 da defuzzyficao na forma numri-
ca.
Tabela 4.4 Defuzzyficao na forma numrica
ZL PL ML GL
U(t) U1=0.15 U2=0.3 U3=0.6 U4=1.
Y(t) Y1=3. Y2=6. Y3=12. Y4=20.
A partir da Tabela 4.4 podem ser definidas as regras da defuzzyficaomostradas na
Tabela 4.5.
Tabela 4.5 Regras Fuzzy da defuzzyficao
if (Uf==ZL)U1=0.15; end
if (Uf==PL)U2=0.3; end
if (Uf==ML)U3=0.6; end
0 20 40 60 80 100 120 140 160 180 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
Yr2
E2=Yr2-Y2
Yr3
E3=Yr3-Y3
Yr1 E1=Yr1-Y1
Yr4 E4=Yr4-Y4
LGICA FUZZY APLICADA S ENGENHARIAS
48
Jos Homero Feitosa Cavalcanti et ali
if (Uf==GL)U4=1.0; end

if (Yf==ZL)Y1=3.; end
if (Yf==PL)Y1=6.;end
if (Yf==ML)Y1=12.;end
if (Yf==GL)Y4=20.;end

EXERCCIO 4.3
4.3.1)Refaa as Fig.4.7 e Fig.4.8 para U1=0.2; U2=0.45; U3=0.9 e U4=1.
4.3.2)Coloque na Fig.4.10 as temperaturas referncias Yr1=5; Yr2=11; Yr3=13; Yr4=19.
Apresente os erros finais.

Fig.4.10 Temperaturas referncias, exerccio
4.3.3)Supor que inicialmente U(t)=0. e Y(t)=0., e Yr=14 (valores constantes). Analise o
seguinte algoritmo. Desenhe na Fig.4.10 as curvas de Yr e Y(t) desenvolvidas com este
algoritmo.
FUZZYFICAO DEFUZZYFICAO
if (Y(t)<Yr)Uf=GL; end
if (Y(t)>=Yr)Uf=ZL; end
if (Uf==GL)U(t)=1.; end
if (Uf==ZL)U(t)=0.; end



Fig.4.11 Indicao da temperatura
0 20 40 60 80 100 120 140 160 180 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
E2=Yr2-Y2
E3=Yr3-Y3
E1=Yr1-Y1
E4=Yr4-Y4
0 20 40 60 80 100 120 140 160 180 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U
Y
Y2
Y3
Y1
Y4
LGICA FUZZY APLICADA S ENGENHARIAS
49
Jos Homero Feitosa Cavalcanti et ali
4.3.4)Quantos nveis (e funes de pertinncias) so necessrios para representar a dinmica
direta de uma planta com um erro menor que 10%?
4.3.5)Projete um sistema Fuzzy com nveis escolhidos logicamente quando o erro for maior
ou menor que zero. Use Yr=15.
4.3.6)Usando a Fig.4.12 preencha a Tabela 4.6 mostrada abaixo com os valores do
identificador Fuzzy.
Tabela 4.6
Uf ZE PP PM PG
U(t)
Y(t)

Fig.4.12 Identificao do sistema trmico
4.3.7) Usando a Fig.4.12 apresente as regras usadas para a identificao do sistema trmico.
4.3.8)Na Tabela 4.7 a linha Y(t) foi denominada linha da referncia (Yr(t). Preencha a linha
U(t) para que os valores de Y(t) final iguale com os valores de Yr(t).
Tabela 4.7
Uf e Yf ZE PP PM PG
U(t)
Yr(t) 2. 5 8 10.
4.3.9) Suponha que a Tabela 4.8 represente um sistema Fuzzy com Yr(t) representando a
referncia da temperatura. Desenhe na Fig.4.13 as temperaturas de referncia e calcule os
erros finais das aproximaes de Yr(t) e Y(t).
Tabela 4.8
Uf e Yf ZE PP PM PG
U(t) 0.2 0.5 0.8 1.
Yr(t) 3. 5 7 10.
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X alvo1 alvo2 alvo3
LGICA FUZZY APLICADA S ENGENHARIAS
50
Jos Homero Feitosa Cavalcanti et ali

Fig.4.13 Temperaturas referncias

4.4 CONTROLE FUZZY INVERSO DA TEMPERATURA
O projeto de controladores Fuzzy, baseado no modelo inverso da planta, pode ser des-
crito na forma da Fig.4.14, direita (DAzzo & Houpis, 1988)(Kuo, 1985) (Ogata, 1998).
Na Fig.4.14 o bloco esquerda representa a identificao Fuzzy da dinmica da planta
ou o termmetro a ser aquecido. O bloco direita representa a aplicao da Lgica Fuzzy no
controle da temperatura da planta.

Y(t)=f(U,Y,t)
AQUECEDOR
U(t)
CONTROLADOR
FUZZY INVERSO
Uf(t)


+

Yf
TEMPf
U(t)
CONTROLADOR
FUZZY INVERSO
Uf(t)


+


Y(t)=f(U,Y,t)
AQUECEDOR
U(t)
CONTROLADOR
FUZZY
Yr

Fig.4.14 Projeto do controlador Fuzzy
0 20 40 60 80 100 120 140 160 180 200
0
1
2
3
4
5
6
7
8
9
10
t(s)
Y
Y1=2 e U1=0.2
Y2=5 e U2=0.5
Y3=8 e U3=0.8
Y4=10 e U4=1.
LGICA FUZZY APLICADA S ENGENHARIAS
51
Jos Homero Feitosa Cavalcanti et ali

FUZZYFI CAO
DEFUZZYFI CAO
REGRAS FUZZY
ZL PL ML GL
Z(X)


P(X)




M(X)




G(X)
Yr(t)
FUNES DE AGRUPAMENTO
PERTINNCIA
Z P M G

Yrf
X
CG

TABELAS
Uf(t)

Fig.4.15 Detalhes do controlador Fuzzy inverso
A curva da temperatura no termmetro mostrada na Fig.4.16, esquerda. Y(t) repre-
senta a ordenada, e representada por U o tempo na abscissa. direita da Fig.4.16 apresenta-
se a curva da inversa de Y(t), o grfico foi traado usando a entrada U da planta em funo da
sua sada Y. Esta curva denominada a representao inversa da planta.

Fig.4.16 Dinmica direta e inversa da planta
Usando-se os resultados obtidos na identificao direta da planta projeta-se o controla-
dor Fuzzy inverso. Usando-se a Tabela 4.2 podem-se definir regras Fuzzy para a identificao
da dinmica inversa da planta. Na Tabela 4.8 apresenta-se a Tabela 4.2 usando Yr(t) no lugar
de Y(t). A identificao inversa mostrada na Tabela 4.9, e os valores obtidos so apresenta-
dos na Tabela 4.10.
Tabela 4.8 Tabela dinmica inversa da planta
VARIVEIS FUZZY Z(X) P(X) M(X) G(X)
Uf ZL PL ML GL
Yrf ZL PL ML GL

0 50 100 150 200
0
1
2
3
4
5
6
7
8
9
10
t(s),U
T
e
m
p
e
r
a
t
u
r
a
,

Y
0 5 10
0
20
40
60
80
100
120
140
160
180
200
Y
U
LGICA FUZZY APLICADA S ENGENHARIAS
52
Jos Homero Feitosa Cavalcanti et ali
Tabela 4.9 Regras Fuzzy da identificao da planta
if (Yfr==ZL)Uf=ZL;end
if (Yrf==PL)Uf=PL;end
if (Yrf==ML)Uf=ML;end
if (Yrf==GL)Uf=GL; end
Tabela 4.10 Regras Fuzzy da defuzzyficao
if (Uf==ZL)U1=0.15; end
if (Uf==PL)U2=0.3; end
if (Uf==ML)U3=0.6; end
if (Uf==GL)U4=1.0; end

EXERCCIO 4.4
4.4.1)Usando a Fig.4.17 preencha a Tabela 4.11 com os valores do controlador Fuzzy inverso.
Tabela 4.11
Uf ZE PP PM PG
U(t)
Y(t)

Fig.4.17 Identificao do sistema trmico, exerccio (cap4fig12.m)
4.4.2) Usando a Fig.4.17 apresente as regras usadas para a identificao do controlador
inverso do sistema trmico.
4.4.3)Apresenta-se na Fig.4.18 os resultados obtidos usando o controlador Fuzzy inverso para
diferentes Yr. Apresente as tabelas de fuzzyficao e defuzzyficaousada no controle da
temperatura. Rode no ambiente MATLAB o programa abaixo. No programa indique as
variveis que representam a entrada do controlador, a temperatura e a temperatura referncia.
Explique o porqu deste controlador usar o erro definido como a diferena entre a
temperatura referncia e a temperatura.
PROG.4.4
%controle de temperatura
clear all;clf;subplot(111)
pu=0.;t=1:200;
ref(1:60)=15;ref(61:120)=5.;ref(121:160)=19;ref(161:200)=12;
nivel=4;
uc=1.;puu(1:200)=0.; ucc(1:200)=0.;
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X alvo1 alvo2 alvo3
LGICA FUZZY APLICADA S ENGENHARIAS
53
Jos Homero Feitosa Cavalcanti et ali
'Acione a figura'
pause
%U=0.3 0.5 0.8 1. Y=6 10 16 20
for m=1:200
if(ref(m)==0.)uc=0.;end
if(ref(m)>0. & ref(m)<6)uc=0.3;end
if(6<=ref(m) & ref(m)<10)uc=0.5;end
if(10<=ref(m) & ref(m)<16)uc=0.8;end
if(16<=ref(m))uc=1.;end
ucc(m)=uc;pu=pu+0.1*(20*uc-pu);
puu(m)=pu;
subplot(111),plot(t,puu,'r',t,ref,'b',t,ucc,'g','LineWidth',3)
xlabel('t(s),U(verde) Y(verm) Yr(azul)'),ylabel('Y,U')
text(100,1.5,'U');
pause(0.01)
end

Fig.4.18 Controle da temperatura, Yr varivel(cap4fig18filme)
4.4.4)Apresenta-se na Fig.4.19 os resultados obtidos usando o controlador Fuzzy inverso para
diferentes Yr para nveis variveis. Quantos so os nveis da temperatura referncia?
Apresente as tabelas de fuzzyficao e defuzzyficao usadas no controle da temperatura.
Rode no ambiente MATLAB o programa abaixo. No programa indique as variveis que
representam a entrada do controlador, a temperatura e a temperatura referncia. Verifique e
explique se este controlador usa o erro definido como a diferena entre a temperatura
referncia e a temperatura.
PROG.4.5
%cap4fig19.m
%controle de temperatura, niveis e erros
clear all;clf;subplot(111)
pu=0.;t=1:200;
ref(1:60)=15;ref(61:120)=5.;ref(121:160)=19;ref(161:200)=12;
nivel=4;
uc=1.;puu(1:200)=0.; ucc(1:200)=0.;
'Acione a figura'
pause
for m=1:200
if(pu>ref(m))nivel=nivel-1;
if(nivel<1)nivel=1;end
end
if(pu<ref(m))nivel=nivel+1;
if(nivel>4)nivel=4;end
end
uc=nivel/4;ucc(m)=uc;
pu=pu+0.1*(20*uc-pu);
puu(m)=pu;
0 20 40 60 80 100 120 140 160 180 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U(verde) Y(verm) Yr(azul)
Y
,
U
U
LGICA FUZZY APLICADA S ENGENHARIAS
54
Jos Homero Feitosa Cavalcanti et ali
subplot(111),plot(t,puu,'r',t,ref,'b',t,ucc,'g','LineWidth',3)
xlabel('t(s),U(verde) Y(verm) Yr(azul)'),ylabel('Y,U')
text(100,1.5,'U');
pause(0.01)
end


Fig.4.19 Controle inverso a nveis variveis(cap4fig19filme)
4.5 O CONTROLADOR INVERSO POSITIVO E NEGATIVO
Pode-se usar o controlador Fuzzy inverso para plantas definidas em valores positivos e
negativos. Na Fig.4.20 apresentam-se detalhes da planta para valores de entrada positivos e
negativos.
Na Fig.4.20, na parte superior esquerda, inicia-se com Y=0 e colocado um pulso de
tenso no controlador representado por U=1 (Y=f(U)). Na parte superior, direita, apresenta-
se a inversa da funo da temperatura obtida (U=f(Y)).
Na Fig.4.20, na parte inferior esquerda, inicia-se com Y=0 e colocado um pulso de
tenso no controlador representado por U=-1 (Y=f(U)). Na parte superior, direita, apresenta-
se a inversa da funo da temperatura obtida (U=f(Y)).

Fig.4.20 Temperaturas positivas e negativas
Na Fig.4.21 apresenta-se a montagem das curvas positivas e negativas da temperatura e
da sua inversa. As temperaturas foram calculadas a partir de Y=0 usando U=1 e a seguir, Y=0
e usando-se U=-1.
0 20 40 60 80 100 120 140 160 180 200
0
2
4
6
8
10
12
14
16
18
20
t(s),U(verde) Y(verm) Yr(azul)
Y
,
U
U
0 50 100 150 200
0
5
10
t(s),U
T
e
m
p
e
r
a
t
u
r
a
,

Y
0 5 10
0
50
100
150
200
Y
U
0 50 100 150 200
-10
-8
-6
-4
-2
0
t(s),U
T
e
m
p
e
r
a
t
u
r
a
,

Y
-10 -5 0
0
50
100
150
200
Y
U
LGICA FUZZY APLICADA S ENGENHARIAS
55
Jos Homero Feitosa Cavalcanti et ali

Fig.4.21 Dinmica direta e inversa da planta
Na Fig.4.22 apresenta-se o grfico das funes de pertinncias associadas varivel
Fuzzy do controlador Fuzzy inverso positivo e negativo. Observe-se que as funes de perti-
nncias P(X), M(X) e G(X) so copiadas no lado negativo como NP(X), NM(X) e NG(X).
Observe-se que s existe um nico Z(X).

Fig.4.22 Funes de pertinncias
Usando-se a Tabela 4.12 podem-se definir regras Fuzzy para a identificao da dinmi-
ca inversa da planta. Na Tabela 4.12 apresenta-se a Tabela 4.2 usando Yr(t) no lugar de Y(t).
A identificao inversa mostrada na Tabela 4.9, e os valores obtidos so apresentados na
Tabela 4.10.
Tabela 4.12 Tabela dinmica inversa da planta
VARIAVEIS
FUZZY
NG(X) NM(X) NP(X) Z(X) P(X) M(X) G(X)
Uf NGL NML NPL ZL PL ML GL
Yrf NGL NML NPL ZL PL ML GL
0 50 100 150 200 250 300 350 400
-10
-8
-6
-4
-2
0
2
4
6
8
10
t(s),U
T
e
m
p
e
r
a
t
u
r
a
,

Y
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X) NG(X) NM(X) NP(X)
X
LGICA FUZZY APLICADA S ENGENHARIAS
56
Jos Homero Feitosa Cavalcanti et ali
Tabela 4.13 Regras Fuzzy da identificao da planta
if (Yrf==NGL)Uf=NGL; end
if (Yrf==NML)Uf=NML;end
if (Yrf==NPL)Uf=NPL;end
if (Yfr==ZL)Uf=ZL;end
if (Yrf==PL)Uf=PL;end
if (Yrf==ML)Uf=ML;end
if (Yrf==GL)Uf=GL; end
Tabela 4.14 Regras Fuzzy da defuzzyficao
if (Uf==NGL)U=-1.; end
if (Uf==NML)U=-0.6; end
if (Uf==NPL)U=-0.3;
end if (Uf==ZL)U1=0.; end
if (Uf==PL)U2=0.3; end
if (Uf==ML)U3=0.6; end
if (Uf==GL)U4=1.0; end
Usando-se os resultados obtidos na identificao direta da planta projeta-se o controlador
Fuzzy inverso BASEADO NO CONTROLADOR INVERSO APRESENTADO NA Fig.4.18.
Apresenta-se na Fig.4.23 os resultados obtidos usando o controlador Fuzzy inverso positivo e
negativo para diferentes Yr.
%controle de temperatura
clear all;clf;subplot(111)
pu=0.;t=1:500;
ref(1:60)=15;ref(61:120)=5.;ref(121:160)=21;ref(161:200)=12;
ref(201:260)=-13;ref(261:320)=-7.;ref(321:360)=-19;ref(361:400)=14;
ref(401:430)=-2;ref(421:440)=-14;ref(441:470)=4;ref(471:500)=20;
uc=1.;puu(t)=0.; ucc(t)=0.;
'Acione a figura'
pause
%U=0.3 0.5 0.8 1. Y=6 10 16 20
for m=1:500
if(ref(m)<0.3 & ref(m)>-3)uc=0.;end
if(-3>=ref(m) & ref(m)>-10)uc=-0.5;end
if(-10>=ref(m) & ref(m)>-16)uc=-0.8;end
if(-16>=ref(m))uc=-1.;end

if(3<=ref(m) & ref(m)<10)uc=0.5;end
if(10<=ref(m) & ref(m)<16)uc=0.8;end
if(16<=ref(m))uc=1.;end
ucc(m)=uc;pu=pu+0.1*(20*uc-pu);
puu(m)=pu;
subplot(111),plot(t,puu,'r',t,ref,'b',t,ucc,'g','LineWidth',3)
xlabel('t(s),U(verde) Y(verm) Yr(azul)'),ylabel('Y,U')
text(100,1.5,'U');
pause(0.01)
end


LGICA FUZZY APLICADA S ENGENHARIAS
57
Jos Homero Feitosa Cavalcanti et ali

Fig.4.23 Controle da temperatura, positiva e negativa(cap4fig23filme)
EXERCCIOS 4.5
4.5.1)Modificar o programa mostrado PROG4.4 para o controlador Fuzzy inverso positivo e
negativo para diferentes Yr. Rode o programa e obtenha uma curva semelhante curva da
Fig.4.23.

4.5.2)Modificar o programa mostrado PROG4.5 para o controlador Fuzzy inverso positivo e
negativo para diferentes Yr e diferentes nveis. Rode o programa e obtenha uma curva
semelhante curva da Fig.4.19.

4.6 O CONTROLADOR PROPORCIONAL AO ERRO
Nesta seo ser estudado um controlador proporcional ao erro definido como a dife-
rena entre um valor de referncia e a sada da planta.
Os controladores tradicionais usam uma arquitetura em malha fechada na forma mos-
trada na Fig.4.24. Define-se a sada da planta como Y, e um valor de referncia para a sada
da planta como Yr. Define-se um erro observado na sada da planta e definido como E=Yr-Y.
O controlador denominado C e a planta P (representados em Laplace).
Devido a realimentao no sistema, define-se a funo de transferncia em malha fe-
chada como H=PC/(1+PC). Define-se o controlador como C=(1/P)(H/(1-H)).
Observe-se que o erro E calculado na entrada do bloco C, portanto o sinal de controle
calculado diretamente sobre o erro E=Yr-Y.


Y
PLANTA
P
U(t)
CONTROLADOR
C
Yr
E


H=PC/(1+PC) e C=(1/P)(H/(1-H))
Fig.4.24 Controladores tradicionais
0 50 100 150 200 250 300 350 400 450 500
-20
-15
-10
-5
0
5
10
15
20
25
t(s),U(verde) Y(verm) Yr(azul)
Y
,
U
U
LGICA FUZZY APLICADA S ENGENHARIAS
58
Jos Homero Feitosa Cavalcanti et ali
O projeto de controladores lineares Fuzzy, baseado no modelo linear da planta, foi de-
senvolvido a partir dos controladores tradicionais como pode ser visto na Fig.4.25. Observe-
se que se necessita do erro definido como E=Yr-Y.

Y(t)=f(U,Y,t)
AQUECEDOR
U(t)
CONTROLADOR
P, PD, PI ou PID
Yr
E E


Fig.4.25 Os controladores lineares
Na Fig.4.26 apresenta-se o diagrama de controladores dos tipos P, PI, PD e PID e uma
planta, todos representados na forma de transformada de Laplace. Calculou-se K
p
K
D
e K
i
se-
guindo o projeto de cancelamento e alocao de plos de Guillemin-Truxall que gera um
G
c
(s) (funo de transferncia do controlador) que conduz a uma funo de transferncia total
do sistema dentro das especificaes desejadas [D'Azzo, 1988].
O sistema de controle de temperatura pode ser feito com um controlador do tipo P e PI.
A equao usada no controlador P mostrada na eq.4.8. Usando-se a transformada Z pode-se
mostrar que o controlador PI na forma discreta (cancelamento de zeros e plos) pode ser des-
crito pela funo transferncia da eq.4.9.


BLOCO DA
PLANTA
Yr(s)
Y(s)
+1) +1) +1) +1) (s
K
p
+s.K
d
+K
i
/s
E(s)

+
_
U(s)
BLOCO DO
CONTROLE

Fig.4.26 Controlador PID

U
k
= K
p
E
k
(4.8)
U(t+1) = (Kp+Kd/T)E(t) - (Kd/T)E(t-1) (4.9)
Gc(z)=Kp+KiT/(z-1)=[Kpz+(KiTs-Kp)]/(z-1) (4.10)
U(t+1) = U(t) + KpE(t) + (KiTs-Kp)E(t-1) (4.11)
Uk = Uk + KpEk + (KiTs-Kp)Ek-1 (4.12)

O controlador inverso pode ser adaptado para uso em controladores do tipo P, propor-
cional ao erro (U
k
= K
p
E
k
), usam-se os mesmos valores de controle da Fig.4.23. Neste caso,
como o erro pode ser positivo ou negativo, usa-se a funo de pertinncia mostrada na
Fig.4.27. O resultado obtido no controle com nveis positivos e negativos mostrado na
Fig.4.28, semelhante ao apresentado na Fig.4.23.
LGICA FUZZY APLICADA S ENGENHARIAS
59
Jos Homero Feitosa Cavalcanti et ali

Fig.4.27 Funes de pertinncias, proporcional ao erro

Fig.4.28 Controle da temperatura, proporcional ao erro
Tabela 4.12 Tabela Fuzzy do erro da planta
NG(X) NM(X) NP(X) Z(X) P(X) M(X) G(X)
-1. -0.8 -0.5 0.3 0.5 0.8 1.
O controlador inverso pode ser adaptado para uso em controladores do tipo PI, propor-
cional e integral ao erro (U(t+1) = U(t) + KpE(t) + (KiTs-Kp)E(t-1)), usam-se os mesmos va-
lores de controle da Fig.4.23 e uma aproximao para o sistema PI dada por U(t+1) = U(t) +
KpE(t). Neste caso, como o erro pode ser positivo ou negativo, usa-se a funo de pertinncia
mostrada na Fig.4.27. O resultado obtido no controle com nveis positivos e negativos mos-
trado na Fig.4.29, semelhante ao apresentado na Fig.4.23. O grfico apresentado esquerda
refere-se a Tabela 4.9, o grfico direita refere-se a Tabela 4.10.
Tabela 4.13 Tabela Fuzzy do erro da planta
NG(X) NM(X) NP(X) Z(X) P(X) M(X) G(X)
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X) NG(X) NM(X) NP(X)
X
0 50 100 150 200 250 300 350 400
-20
-15
-10
-5
0
5
10
15
20
t(s),U(verde) Y(verm) Yr(azul)
Y
,
U
U
LGICA FUZZY APLICADA S ENGENHARIAS
60
Jos Homero Feitosa Cavalcanti et ali
-1. -0.8 -0.5 0.3 0.5 0.8 1.
Tabela 4.14 Tabela Fuzzy do erro da planta
NG(X) NM(X) NP(X) Z(X) P(X) M(X) G(X)
-0.2 -0.16 -0.1 0.06 0.1 0.16 0.2


Fig.4.29 Controle proporcional e integral ao erro (cap4fig29filme)
EXERCCIO 4.6
4.6.1)Sugerir como usar a tabela 4.13 no controle Fuzzy de posio de um pndulo.
4.6.2)Usando as Tabelas 4.13 e 4.14 teste o seguinte programa para o controle da temperatura.
PROG4.6
%cap4fig29.m controle de temperatura
clear all;clf;subplot(111)
pu=0.;t=1:400;
ref(1:60)=15;ref(61:120)=5.;ref(121:160)=19;ref(161:200)=12;
ref(201:260)=-15;ref(261:320)=-5.;ref(321:360)=-19;ref(361:400)=12;
nivel=4;
uc=0.;duc=0.;puu(t)=0.; ucc(t)=0.; erros(t)=0.;
'Acione a figura'
pause
%U=0.3 0.5 0.8 1. Y=6 10 16 20
for m=1:400
erro=ref(m)-pu;erros(m)=erro;
if(erro==0.)duc=0.;end
if(erro<0. & erro>-6)duc=-0.03;end
if(-6>=erro & erro>-10)duc=-0.05;end
if(-10>=erro & erro>-16)duc=-0.08;end
if(-16>=erro)duc=-0.1;end
if(erro>0. & erro<6)duc=0.03;end
if(6<=erro & erro<10)duc=0.05;end
if(10<=erro & erro<16)duc=0.08;end
if(16<=erro)duc=0.1;end
uc=uc+2*duc;ucc(m)=uc;pu=pu+0.1*(20*uc-pu);puu(m)=pu;
subplot(111),plot(t,puu,'r',t,ref,'b',t,ucc,'g',t,erros,'y','LineWidth',3)
xlabel('t(s),U(verde) Y(verm) Yr(azul) erro(amar)'),ylabel('Y,U')
text(100,1.5,'U');
pause(0.01)
end
4.6.3)Uma figura tridimensional obtida de uma matriz de duas dimenses. Por exemplo,
acoplando-se duas tabelas do tipo da Tabela 4.13 obtem-se uma curva tridimensional como se
0 50 100 150 200 250 300 350 400
-40
-30
-20
-10
0
10
20
30
40
t(s),U(verde) Y(verm) Yr(azul) erro(amar)
Y
,
UU
0 50 100 150 200 250 300 350 400
-30
-20
-10
0
10
20
30
40
t(s),U(verde) Y(verm) Yr(azul) erro(amar)
Y
,
U
U
LGICA FUZZY APLICADA S ENGENHARIAS
61
Jos Homero Feitosa Cavalcanti et ali
pode ver na Fig.4.30. Calcular e apresentar a curva tridimensional da superfcie de controle
para as tabelas 4.13 e 4.14. Usar o programa abaixo, a Tabela 4.15 e a Fig.4.30.
Tabela 4.15

%cap4fig30.m
clear all;clf
trid2=[-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9
-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9
-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9
-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9
-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9
-0.9 -0.7 -0.4 -0.4 0.0 0.4 0.7 0.7 0.9];
mesh(trid2)
box off;grid off


Fig.4.30 Superfcie de controle
Yr
Y
<
^
0
2
4
6
8
10
0
2
4
6
-1
-0.5
0
0.5
1
LGICA FUZZY APLICADA S ENGENHARIAS
62
Jos Homero Feitosa Cavalcanti et ali
4.7 O CONTROLADOR FUZZY DE FURUHASHI
Nesta seo apresenta-se um modelo clssico de um controlador Fuzzy. O modelo
Fuzzy da inversa da dinmica da planta foi proposto por Furuhashi et alii (1992) e estudado
por Kosko (1996). Na Fig.4.31 apresenta-se o esquema simplificado do controlador de Furu-
hashi.
No controlador de Furuhashi Yr(t) representa o valor da referncia que a varivel Y(t)
deve seguir. U(t) representa o valor que deve ser imposto entrada da planta para que ela
mude o valor Y(t) da sua sada. Yrf, Yf e Uf representam os valores Fuzzy das variveis
Yr(t), Y(t) e U(t), respectivamente.


FUZZYFICAO
REGRAS
IF - THEN
DEFUZZY-
FICAO
Yr(t)
Yrf
Uf
U(t)


PLANTA
Y(t)

Fig.4.31 Controlador de Furuhashi
Na Fig.4.32 apresenta-se a descrio dos blocos do controlador de Furuhasi usando os
blocos Fuzzy estudados no captulo 4 deste livro para o controle da temperatura do sistema
trmico. Na Fig.4.32, esquerda na cor azul, apresenta-se a curva da temperatura referncia
(Yr) que deve seguir a temperatura no ambiente (Y). Na Fig.4.32, ao centro, apresenta-se uma
representao simplificada do controlador de Furuhashi. Na Fig.4.32, direita, apresenta-se a
curva da temperatura referncia (Yr, na cor azul) que deve seguir a temperatura no ambiente
(Y, na cor vermelha) usando o controle representado por U (na cor verde).



FUZZYFICAO
REGRAS
IF - THEN
DEFUZZY-
FICAO
Yr(t)
Yrf
Uf
Uf(t)


Fig.4.32 Controlador Fuzzy Inverso de Furuhashi
Na Fig.4.33 apresentam-se as funes de pertinncias do sistema trmico.

Fig.4.33 Funes de pertinncia de Furuhashi
A cada valor de U(t) foi associado uma varivel lingstica (fuzzyficao) representa-
da pela varivel Uf, a cada valor de Y(t) foi associado uma varivel lingstica (fuzzyfica-
o) representada pela varivel Yf.
0 50 100 150 200 250 300 350 400
-20
-15
-10
-5
0
5
10
15
20
t(s)
Y
r
0 50 100 150 200 250 300 350 400
-20
-15
-10
-5
0
5
10
15
20
t(s),U(verde) Y(verm) Yr(azul)
Y
,U
U
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Z(X) P(X) M(X) G(X) NG(X) NM(X) NP(X)
X alvo1 alvo2 alvo3 alvo4 alvo1 alvo2 alvo3 alvo4
LGICA FUZZY APLICADA S ENGENHARIAS
63
Jos Homero Feitosa Cavalcanti et ali
A fuzzyficao foi feita usando variveis lingsticas Fuzzy do tipo PG (positivo
grande), PM (positivo mdio), PP (positivo pequeno), ZE (zero), NG (negativo grande), NM
(negativo mdio), NP (negativo pequeno).
Tabela 4.15 Tabela Fuzzy da planta
VARIVEIS
FUZZY
NG(X) NM(X) NP(X) NZ(X) PP(X) PM(X) PG(X)
Uf NGL NML NPL ZL PPL PML PGL
Yf NGL NML NPL ZL PPL PML PGL

Na Tabela 4.16 apresentam-se os valores discretos de U(t) e Y(t) bem como os valores
lingsticos de Uf. Os valores numricos de U(t) e Y(t) so representados como pesos e po-
dem ser modificados durante a adaptao do sistema Fuzzy.
Tabela 4.16 Defuzzyficao na forma numrica
NGL NML NPL ZL PPL PML PGL
U(t) -0.9 -0.6 -0.3 0.0 0.3 0.6 0.9
Y(t) -18 -12 -6 0.0 6 12 18
As curvas das funes de pertinncia de Yrf so as mesmas das de Yf. Na Fig.4.29 a-
presentam-se as funes de pertinncia da varivel Fuzzy traadas para valores positivos de
Y(t). Aps a fuzzyficao dos valores de referncia (Yr(t)) da planta no mdulo FUZZY-
FICAO deve ser escolhida a funo de pertinncia que melhor represente o valor Yr(t).
Isso significa escolher uma das variveis linguistica (Z(t), P(t), M(t) e G(t)) que melhor repre-
sente o ponto Yr(t). Isso feito atribuindo uma varivel lgica a cada uma das variveis lin-
guistica (Z(t), P(t), M(t) e G(t)). Essa escolha feita utilizando o operador unio, descrito na
seo xxx, na forma mostrada na eq.4.1.
Yrf = NG(t)NM(t)NP(t)ZE(t)PP(t)PM(t)PG(t) (4.1)
Por exemplo, supondo-se que foram atribuidos valores lgicos 0 s variveis lgicas
Z, P, M e G que so associadas funes de pertinncia (Z(t), P(t), M(t) e G(t)).
Na Fig.4.34 apresentam-se as funes de pertinncia de Yrf. Na mesma figura apresen-
ta-se uma reta perpendicular abscissa e que passa por Yr1. Observe-se que a funo de per-
tinncia M(t) tem o maior valor no ponto Yr1. Portanto, aps a operao de unio no conjunto
Fuzzy, as variveis lgicas tero os seguintes valores: Z=0; P=0; M=1 e G=0.

Fig.4.34 Defuzzyficao
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Z(X) P(X) M(X) G(X) NG(X) NM(X) NP(X)
X alvo1 alvo2 alvo3 alvo4 alvo1 alvo2 alvo3 alvo4
LGICA FUZZY APLICADA S ENGENHARIAS
64
Jos Homero Feitosa Cavalcanti et ali
Na quarta etapa, o valor Uf defuzzyficado no mdulo DEFUZZYFICAO que gera
valores discretos (U(t)) de controle. No controle Fuzzy Inverso utiliza-se a Tabela 4.3 para o
clculo de Uf. Para qualquer valor Fuzzy Yrf a Uf ser associado o mesmo valor Fuzzy.
Tabela 4.17
Yrf NG NM NP ZE PP PM PG
Uf NG NM NP ZE PP PM PG

A partir da Tabela 2 montam-se as regras mostradas abaixo. O valor de U(t) defuzzyfi-
cado equivale ao valor numrico da Tabela 1 na linha de U(t). Por exemplo, para Uf=P o va-
lor escolhido para U(t) ser U(t)=0.3.
Regra 1)if Yrf is NG then Uf is NG;
Regra 2)if Yrf is NM then Uf is NM;
Regra 3)if Yrf is NP then Uf is NP;
Regra 4)if Yrf is ZE then Uf is ZE;
Regra 5)if Yrf is PP then Uf is PP;
Regra 6)if Yrf is PM then Uf is PM;
Regra 7)if Yrf is PG then Uf is PG;


EXERCCIOS 4.7
4.7.1)Utilize as funes de pertinncia representar Yr e U na forma tridimensional, ver a
Fig.4.30.


Figura 4.30 Superfcie de controle - regras
4.8 O CONTROLADOR FUZZY DE MANDANI
Diversos controladores Fuzzy j foram implementados e exaustivamente testados
(Mamdani & Gaines, 1981). O controlador Fuzzy de Mamdani uma ferramenta capaz de
processar uma forma Fuzzy de informao. Ele construdo a partir de um conjunto de regras
ou de implicaes if - then Fuzzy do tipo {if premissa
1
and premissa
2
... and premissa
n

then conseqncia
i
}.
0
2
4
6
8
10
0
2
4
6
-1
-0.5
0
0.5
1
LGICA FUZZY APLICADA S ENGENHARIAS
65
Jos Homero Feitosa Cavalcanti et ali
premissa
i
representa uma condio no conjunto Fuzzy definido para uma quantidade
relativa planta,
conseqncia
i
representa a ao de controle expressada como um conjunto Fuzzy e de-
finida no intervalo de variao da entrada da planta.
No projeto do controlador Fuzzy requerido a fixao das variveis da premissa e a de-
finio das funes de pertinncia ao conjunto Fuzzy usado no controlador.
Usualmente uma planta requer um controle na forma de quantidade real e no na forma
Fuzzy (DAzzo & Houpis, 1988)(Ogata, 1988). O controlador Fuzzy de Mamdani utiliza dois
dispositivos para transformar uma varivel da forma real para a forma Fuzzy e vice versa. Es-
ses dispositivos so o fuzzyficador ("fuzzyfier") que precede o controlador Fuzzy para associ-
ar um valor lingstico a uma quantidade real, e o defuzzyficador ("defuzzyfier") que segue
o controlador Fuzzy e associa um nmero real a um conjunto Fuzzy.
Na Fig.5.1 mostrada a arquitetura tpica de um controlador baseado nas regras Fuzzy
de Mamdani & Gaines (1991). Na Fig.5.1, define-se r(t) como o sinal de referncia, define-
se o erro na sada da planta como E(t)=r(t)-(t), e a variao do erro como CE(t) = E(t)-E(t-
1) (Kosko, 1996) (Gomide & Gudwin, 1995).
As entradas do controlador Fuzzy so duas variveis Fuzzy. Uma delas definida como o
erro entre o valor desejado e o atual da sada da planta (Ef), e a outra como a diferena entre
os dois ltimos erros (CEf). Essas variveis so obtidas pela transformao das variveis dis-
cretas E(t) e CE(t) em variveis Fuzzy, que em seguida so escaladas para valores exigidos
pelo bloco de regras de controle. A sada U
f
do controlador Fuzzy novamente escalado para
a representao de nmeros determinsticos U(t) a ser usado no controle da planta.


U(t)
INFERNCIA
REGRAS
DE
CONTROLE
Z
-1

FUZZYFICA U
f

r(t)


CE(t)
CE
f

E(t)
E
f

+
-
(t)

E(t) e CE(t)
PLANTA DEFUZZYFI-
CA U
f



Fig.4.31 Controlador Fuzzy de Mamdani
O conjunto das regras usado por um controlador lgico Fuzzy geralmente armazenado
como uma tabela usando variveis lingsticas Fuzzy do tipo PG (positivo grande), PM (posi-
tivo mdio), PP (positivo pequeno), ZE (zero), NG (negativo grande), NM (negativo mdio),
NP (negativo pequeno). Quando a varivel discreta somente positiva usam-se as seguintes
variveis lingsticas Z, P, M e G em lugar de PZ, PP, PM e PG.
O projeto de controladores Fuzzy, baseado no esquema convencional de controladores
do tipo PD (proporcional e derivativo), pode ser formulado em trs etapas:
1)Definio do conjunto Fuzzy para representar o domnio discreto do erro (E(t)), varia-
o dos erros (CE(t)), e entrada da planta (U(t)). Na Fig.4.32 so mostradas as curvas tpicas,
numa forma triangular, da funo de pertinncia E
f
(em p.u.) em toda a faixa de variao de
E(t) (-1E(t)1).
LGICA FUZZY APLICADA S ENGENHARIAS
66
Jos Homero Feitosa Cavalcanti et ali

Fig.4.32 Funes de pertinncia, Ef
2)Converso do conjunto Fuzzy escolhido e do algoritmo de controle lingstico numa
tabela com as sadas discretas do controlador.
A construo do controlador Fuzzy feito em etapas a partir das regras heursticas ob-
servadas no controlador padro PD.
As Tabelas 1 e 2 representam tabelas tpicas encontradas em controladores Fuzzy.
Na Tabela 4.20 apresentam-se as variveis lingsticas de Yrf e Uf . Observe-se que as
variveis lingsticas so iguais.
Tabela 4.20
Yrf NG NM NP ZE PP PM PG
Uf NG NM NP ZE PP PM PG

Na Tabela 2 a primeira linha representa a varivel Fuzzy variao do erro ou CE
f
, que
pode ser NG, NM, NP, ZE, PP, PM e PG. As colunas representam a varivel Fuzzy erro ou
E
f
, que pode ser NG, NM, NP, ZE, PP, PM e PG.
A construo da Tabela 2 pode ser feita em etapas.
Na primeira etapa, na Tabela 4.22 abaixo s so apresentados os valores de Uf para
CEf=ZE equivalente aos valores do controlador fuzzy inverso da TABELA 1 considerando o
valor da varivel de sada igual a zero (Y(t)=0) tal que E(t) = Yr(t)-Y(t) = Yr(t). A regra fuzzy
1 explica esta etapa.
if CEf = ZE then Uf = Ef
Tabela 4.22
Cef

Uf
NG NM NP ZE PP PM PG
NG NG
NM NM
Ef NP NP
ZE ZE
PP PP
PM PM
PG PG

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Z(X) P(X) M(X) G(X) NG(X) NM(X) NP(X)
X alvo1 alvo2 alvo3 alvo4 alvo1 alvo2 alvo3 alvo4
LGICA FUZZY APLICADA S ENGENHARIAS
67
Jos Homero Feitosa Cavalcanti et ali
Na TABELA 3 apresenta-se o segundo passo no desenvolvimento da TABELA do con-
trolador fuzzy. Considera-se E=0 e que CE diferente de zero. Considera-se que se E=0 ento
se a variao dos erros PP, ZE ou NP a ao de controle deve ser Uf=ZE. Isto significa uma
espcie de filtro. No caso de CEf=PM, PG, NM ou NG o valor da variao do erro deve ser
considerado. Heuristicamente assumiu-se que Uf para esses valores fuzzy deve ser equivalen-
te a um nvel menor do que o nvel do CEf para valores positivos, e equivalente a um nvel
maior do que o nvel do CEf para valores negativos.
if Ef = ZE and nvelCef>PP then Uf = nivelCEf+1
if Ef = ZE and nvelCef<NP then Uf = nivelCEf-1
Tabela 4.23
Cef

Uf
NG NM NP ZE PP PM PG
NG NG
NM NM
Ef NP NP
ZE NM NP ZE ZE ZE PP PM
PP PP
PM PM
PG PG

No terceiro caso so construdas as outras clulas da Tabela usando as relaes apresen-
tadas abaixo. Na TABELA 4 apresenta-se a Tabela de controle desenvolvida.
if CEf != ZE and Ef != ZE then
if Ef = P and CEf=P then Uf = nivelEf+1
if Ef = P and CEf=N then Uf = nivelEf
if Ef = N and CEf=N then Uf = nivelEf-1
if Ef = N and CEf=P then Uf = nivelEf



Tabela 4.24
CEf


Uf
NG NM NP ZE PP PM PG
NG NG NG NG NG NG NG NG
NM NG NG NG NM NM NM NM
Ef NP NM NM NM NP NP NP NP
ZE NM NP ZE ZE ZE PP PM
PP PP PP PP PP PM PM PM
PM PM PM PM PM PG PG PG
PG PG PG PG PG PG PG PG

Analisando-se a Tabela 4.24 v-se que se pode desenvolver regras Fuzzy a partir dela. A
seguir apresentam-se as regras obtidas da Tabela 4.24.
LGICA FUZZY APLICADA S ENGENHARIAS
68
Jos Homero Feitosa Cavalcanti et ali
Regra 1)if Ef is PG and CEf is algum, then Uf is PG;
Regra 2)if Ef is PM and CEf is negativo ou ZE, then Uf is PM;
Regra 3)if Ef is PP and CEf is ZE, then Uf is PP;
Regra 4)if Ef is ZE and CEf is ZE, then Uf is ZE;
Regra)if Ef is NP and CEf is ZE, then Uf is NP;
Regra 6)if Ef is NM and CEf is positivo ou ZE, then Uf is NM;
Regra 7)if Ef is NG and CEf is algum, then Uf is NG;

Na Tabela 5 so mostrados os valores discretos atribudos s variveis lingsticas de
Uf.
Tabela 4.25
Uf NG NM NP ZE PP PM PG
U(t) -0.9 -0.6 -0.4 0. 0.4 0.6 0.9

Na Fig.5.3 apresenta-se o diagrama em trs dimenses da superfcie de controle gerada
pelo controlador Fuzzy baseado nas REGRAS da Tabela 6 e com os valores discretos apre-
sentados na TABELA Na figura, o eixo x representa a variao no erro, o eixo y representa o
erro, e o eixo z representa U(t). Observe-se a variao nos valores de U(t) devido s regras
Fuzzy se apresentam na forma de nveis.
x
y
z

Fig.4.33 Superfcie de controle - regras
EXERCCIOS 4.8
4.8.1)Utilize as funes de pertinncia do tipo sigmide para representar o erro (E) e a
variao do erro (CE). Na Fig.5.4 so apresentados as curvas das funes de pertinncia E e
CE ( -3E3 e -3CE3) e os valores de cada nvel de U(t) obtidos da Tabela 7.
LGICA FUZZY APLICADA S ENGENHARIAS
69
Jos Homero Feitosa Cavalcanti et ali

Figura 5.4 Funes de pertinncia
4.8.2)Apresente o diagrama em trs dimenses da superfcie de controle gerada pelo
controlador Fuzzy. Os valores de E e CE foram representados como mostrado na Fig.5.
Foram utilizados 20 valores de E variando entre 3 e 3, e 20 valores de CE variando ente 0.4
e 0.4, para cada um desses valores, a unio das funes de pertinncia de E e CE indicaram o
vencedor como mostrado na TABELA 3. Observe-se que a definio dos nveis em U(t)
diferente do diagrama tridimensional mostrado na Fig.5.3, as diferenas entre as duas curvas
devem-se as funes de pertinncia do tipo sigmide e ao nmero de pontos desenhados.
x
Y
z

Fig.4.34 Superfcie de controle - Sigmide
4.9 Concluso
Apresentaram-se sucintamente alguns conceitos da Lgica Fuzzy e a sua aplicao na
rea de identificao e controle. Foram mostrados resultados experimentais e de simulaes
obtidos com o controlador Fuzzy inverso. Foram mostrados resultados experimentais e de si-
mulaes obtidos com o controlador Fuzzy de Furuhashi e de Mandami.

NM NS ZO ZO ZO PS PM
NB NM NM NS NS NS NS
NB NB NB NM NM NM NM
NB NB NB NB NB NB NB
PS PS PS PS PM PM PM
PM PM PM PM PB PB PB
PB PB PB PB PB PB PB
CE
E
<
^
LGICA FUZZY APLICADA S ENGENHARIAS
70
Jos Homero Feitosa Cavalcanti et ali
CAPTULO 5



A DEFUZZYFICAO CONTNUA E A ADAPTAO FUZZY

5.1 INTRODUO
Neste captulo estuda-se a aplicao da lgica Fuzzy na representao de funes cont-
nuas seguida do estudo e adaptao de parmetros de sistemas Fuzzy. Inicia-se com a apre-
sentao sucintamente algumas caractersticas matemticas dos sistemas Fuzzy com nfase no
modelo do centro de gravidade (CG). Aps a apresentao de algumas funes simuladas com
o modelo CG, apresenta-se a adaptao de alguns parmetros de sistemas FUZZY.
5.2 A DEFUZZYFICAO CONTNUA
A DEFUZZYFICAO a transformao de uma varivel do conjunto Fuzzy numa
varivel do conjunto lgico ou discreto. Nos sistemas de controles mostrados no captulo 4
deste livro que usa a defuzzyficao lgica, a ao de controle feita com o valor determi-
nstico U(t), obtido a partir de Uf lido de uma tabela.
Na Fig.5.1, reapresentao da Fig.4.1, apresentam-se detalhes do IDENTIFICADOR
FUZZY que recebe na sua entrada o valor discreto U(t). Internamente, o valor de U(t)
fuzzyficado, a seguir analisado na forma Fuzzy, o valor defuzzyficado na forma de va-
riveis lgicas apresentado na sada do IDENTIFICADOR FUZZY. O valor de Yf(t) obti-
do de tabelas com entradas acionadas pelos valores lgicos das funes de pertinncias.

FUZZYFI CAO
DEFUZZYFI CAO
REGRAS FUZZY
Z P M G
WZ WP WM WG

Z(X)


P(X)




M(X)




G(X)
Y(t)
FUNES DE AGRUPAMENTO
PERTINNCIA
Z P M G

Yrf
X
CG

CENTRO DE GRAVIDADE
Yf(t)

Fig.5.1 Detalhes do controlador Fuzzy inverso
Revendo a seo 4.3 deste livro, onde na Fig.4.8 mostrado o grfico obtido da de-
fuzzyficao lgica baseada na operao Fuzzy UNIO, tal que Z(x) P(x) M(x)G(x)=
max(Z(X),P(X),M(x), G(x)) x X, na forma mostrada na Tabela 5.1 (cpia da Tabela 4.1).
Na construo da Fig.5.1, a cada ponto da abscissa calculada a ordenada usando a operao
Fuzzy UNIO usando a Tabela 5.1.
Tabela 5.1 Defuzzyficao lgica
LGICA FUZZY APLICADA S ENGENHARIAS
71
Jos Homero Feitosa Cavalcanti et ali
ZL=0; PL=0; ML=0; GL=0;
if(X<alvo1)ZL=1; %A funo vencedora a Z(X); end
if(alvo1<=X<alvo2)PL=1; %A funo vencedora a P(X);end
if(alvo2<=X<alvo3)ML=1; %A funo vencedora a M(X);end
if(X>=alvo3)GL=1; %A funo vencedora a G(X);end
Na Fig.5.2 apresenta-se o grfico obtido da defuzzyficao na forma digital de y=f(t)
onde se calcula R(X) para 0<X<1. Na figura desenharam-se degraus crescentes (na cor rosa
choque) em cada intervalo entre os alvos. No projeto do identificador Fuzzy algumas vezes
associam-se valores aos pesos das funes de pertinncias dos degraus. Associou-se a Z(X) o
peso W(1)=0.15 (ver a ordenada de Z(X)); a P(X) o peso W(2)=0.3 (ver a ordenada de P(X));
a M(X) o peso W(3)=0.6 (ver a ordenada de M(X)) e a G(X) o peso W(4)=1 (ver a ordenada
de G(X)). Usou-se uma nova varivel contnua denominada R(X) e a Tabela 5.2 para calcular
o seu valor. R(X) uma funo descontnua. Na Tabela 5.3 apresenta-se a tabela de entrada e
sada da planta obtida a partir da Tabela 5.2.
Tabela 5.2 Clculo de R(X)
for X=0:1
if(ZL==1) R(X)=0.15; %A funo vencedora a Z(X);end
if(PL==1) R(X)=0.30; %A funo vencedora a P(X);end
if(ML==1) R(X)=0.60; %A funo vencedora a M(X);end
if(GL==1) R(X)=1.00; %A funo vencedora a G(X);end
end



Tabela 5.3 Defuzzyficao na forma numrica
ZL
X<alvo1
PL
alvo1<X
e X<alvo2
ML
alvo2<X
e X<alvo3
GL
Alvo3<X

U(t) U1=0.15 U2=0.3 U3=0.6 U4=1.
R(X) U1 U2 U3 U4



Fig.5.2 Defuzzyficao lgica
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
R(X)
R(X)
R(X)
alvo1 alvo2 alvo3
LGICA FUZZY APLICADA S ENGENHARIAS
72
Jos Homero Feitosa Cavalcanti et ali
Neste captulo ser apresentada uma forma de defuzzyficao contnua, isto , R(X)
uma funo contnua. Na prxima seo sero apresentados alguns teoremas sobre modelos
desenvolvidos para a defuzzyficao contnua.
5.3 O MODELO ADITIVO PADRO
Antes da anlise da defuzzyficao contnua sero apresentadas algumas definies e
alguns teoremas descritos por Kosko (Kosko 1996).
Kosko (Kosko 1996) define o modelo aditivo padro (SAM, Standard Adaptive Model)
para o sistema Fuzzy aditivo:
F:R
n
R
p

Se for calculado F(x) R
p
como a centride de B e de x Rn. Como a centride de B e
x Rn aciona cada regra da inferncia atravs de escalonamento ou produto:
F(x)=centride(B)
Kosko tambm apresenta o teorema SAM (standard adaptive model): Suponha que o
sistema Fuzzy F:R
n
R
p
um modelo aditivo padro, ento F(x) uma soma convexa das m
partes do conjunto das centrides:
F(x)=


Kosko (Kosko, 1966) segue com o teorema da aproximao Fuzzy:
Um sistema Fuzzy aditivo F:xY aproxima uniformemente f:xY se x compacto e f
contnua.
Existem diferentes mtodos para a defuzzyficao de variveis Fuzzy: Centride,
primeiro dos mximos (first-of-maxima), meio dos mximos (middle-of-maxima) e crit-
rio mximo.
5.4 O MTODO DO CENTRO DE GRAVIDADE
A estratgia de defuzzyficao de sistemas fuzzy aditivos mais utilizado a estratgia
do centro de gravidade (CG).
No mtodo CG o valor determinstico calculado para R(x) dado pela eq.5.1, onde U(t)
o valor defuzzyficado,
i
(x) o valor da funo de pertinncia no ponto t, e w
i
o valor dis-
creto (peso) atribudo varivel lingistica associada a
i
(x).

=
=
=
k
i
i
k
i
i i
t
w t
t U
1
1
) (
* ) (
) (

(5.1)
O traado das funes de pertinncia de forma triangular foi feito usando as informa-
es das suas declividades e a posio dos seus valores mximos. Alm disso, a cada funo
de pertinncia foi associado um peso para ser usado durante a defuzzyficao (usando a
eq.5.1). A seguir no Programa 1, apresenta-se o pseudo cdigo do MATLAB que define os
valores padres dessas variveis.
O traado das funes de pertinncia foi feito com o cdigo escrito para o MATLAB
apresentado no Prog.5.2. A abscissa representada por 330 pontos. Foram calculados os valo-
LGICA FUZZY APLICADA S ENGENHARIAS
73
Jos Homero Feitosa Cavalcanti et ali
res para as quatro curvas das funes de pertinncia (curva(1:4,1:330)) e para a curva da de-
fuzzyficao(curva(5,1:330)).
A varivel curva() inicialmente zerada. A varivel altura() indica o valor 100 para a al-
tura da funo de pertinncia que depois ser normalizada para valores entre zero e um. As
variveis acima e abaixo referem-se eq.5.1. No ambiente MATLAB o smbolo ~= significa
valores diferentes, o smbolo == significa valores iguais, etc.
Na Fig.5.3 so escolhidos trs pontos denominados alvo1, alvo2 e alvo3. Esses pontos
so usados para o clculo de CG(X). Na Tabela 5.4 apresentam-se os valores de Z(X), P(X),
M(X) e G(X) em cada um dos alvos. Usando-se a eq.5.1 para calcular CG(x), obtem-se a l-
tima coluna da Tabela 5. Na Fig.5.3 apresentam-se os resultados obtidos para os trs alvos..

Tabela 5.4 Defuzzyficao na forma numrica
ALVOS Z(X) P(X) M(X) G(X) CG(X)
W w1=0.15 w2=0.3 w3=0.6 w4=1.
alvo1=0.2 0.37 0.64 0. 0. 0.245
alvo2=0.4 0. 0.72 0.28 0. 0.384
alvo3=0.7 0. 0. 0.76 0.24 0.7515


Fig.5.3 Defuzzyficao contnua
Na Fig.5.4, naparte superior, apresenta-se a curva de defuzzyficao contnua usando
o mtodo de centro da gravidade, para 0<X<1 usando peso(1)=uc1=0.15; peso(2)=uc2=0.3;
peso(3)=uc3=0.6; peso(4)=uc4=1.
Na Fig.5.4, na parte inferior, usou-e peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1..
Os valores da abscissa utilizados para calcular o valor CG(X) variam entre 0. e 1.1.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
R(X)
R(X)
R(X)
alvo1 alvo2 alvo3
O
O
O
LGICA FUZZY APLICADA S ENGENHARIAS
74
Jos Homero Feitosa Cavalcanti et ali


Figura 5.4 Defuzzyficao contnua
EXERCCIOS 5.4
5.4.1)Calcule as funes vencedoras e os valores de defuzzyficao usando o centro de
gravidade para os seguintes alvos: 0.1, 0.3 e 0.5.
5.3 TIPOS DE FUNES IDENTIFICADAS
As funes de pertinncias identificadas so ligadas diretamente com as funes que se
deseja simular. Na Fig.5.5 apresentam-se algumas funes contnuas que se pode obter com
quatro funes de pertinncias.

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
R(X)
R(X)
R(X)
alvo1 alvo2 alvo3
O
O
O
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
R(X)
R(X)
R(X)
alvo1 alvo2 alvo3
O
O
O
LGICA FUZZY APLICADA S ENGENHARIAS
75
Jos Homero Feitosa Cavalcanti et ali

Fig.5.5 Formas das curvas CG(X)
5.3.1 Exerccios
5.3.1)Calcule as funes vencedoras e os valores de defuzzyficao usando o centro de
gravidade para os seguintes alvos: 0.1, 0.3 e 0.5 e pesos (peso(1)=0.01; peso(2)=0.2;
peso(3)=0.5; peso(4)=1.;).
5.3.2)Observado-se a Fig.5.5 e utilizando o programa fuzzy (existente no disquete que
acompanha este livro) sugira novos valores da Tabela 2 tal que CG(X) se aproxime da funo
tangente hiperblica. Faa o mesmo modificando a declividade e a posio das funes de
pertinncia.
5.3.3)Trace funo exponencial crescente, decrescente, sigmide e tangente hiperblica. Veja
a figura abaixo, Fig.5.6.

alvo X

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(1)=0.01;peso(2)=0.65;peso(3)=0.93;peso(4)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(4)=0.01;peso(3)=0.65;peso(2)=0.93;peso(1)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(4)=0.01;peso(3)=0.1;peso(2)=0.4;peso(1)=1.;
0 50 100 150 200 250 300 350 400 450
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G GG
X
peso(1)=0.01;peso(2)=0.65;peso(3)=0.93;peso(4)=0.65;peso(5)=0.01;
LGICA FUZZY APLICADA S ENGENHARIAS
76
Jos Homero Feitosa Cavalcanti et ali

Fig.5.6 Funo contnua Fuzzy
5.4 ADAPTAO DOS PARMETROS DO SISTEMA FUZZY
O problema da adaptao mudar as funes de pertinncia (os seus parmetros, o pe-
so, a inclinao e o centro da funo) para mudar a funo de pertinncia vencedora (defuzy-
ficao lgica) ou a forma de CG(X).
No livro (Cavalcanti 2012) foram apresentados diversos exemplos iterativos para se a-
char a raiz de uma funo usando os Mtodos da Iterao Linear e o Mtodo de Newton.
Tambm foi mostrada a regra delta que utiliza o erro observado entre a sada desejada da
planta e a saida atual da planta.
A planta pode ser representada por uma varivel fuzzy e a sua adaptao pode ser feita
na forma apresentada na Fig.5.7 com Erro=Y(.)-Yf(.).O smbolo indica o fator de adaptao
(0< <1).


Y(.)
PLANTA
+
-

IDENTIFICADOR
FUZZY
Yf(.)
U(.)
Erro=Y(.)-Yf(.)

Fig.5.7 Adaptao de uma funo fuzzy
Usando-se a regra delta e definindo os pesos como W, na eq.5.1 apresenta-se a equao
para a adaptao do peso da funo de pertinncia.
Por exemplo, na defuzzyficao Fuzzy discutida no captulo 4 deste livro, a eq.5.1 s
deve ser usada na funo de pertinncia vencedora aps a operao de unio no conjunto
fuzzy.
W
k+1
= W
k
+ .Erro (5.1)

Sabe-se que aumentando o valor do peso aumenta-se o valor da funo obtida na de-
fuzzyficao com o centro de gravidade.
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
77
Jos Homero Feitosa Cavalcanti et ali
Na Fig.5.8 apresentam-se duas curvas obtidas da defuzzyficao usando o centro de
gravidade para diferentes valores dos pesos. Os pesos das curvas 2 e 3 (P(t) e M(t)) foram
mudados de peso(2)=0.2 e peso(3)=0.5 para peso(2)=0.3 e peso(3)=0.7. Observe-se que a
curva da defuzzyficao (curva 2) mudou. Ela aumentou o seu valor em relao curva 1
nas regies das funes de pertinncia P(t) e M(t).

2 1

Figura 5.8 Modificao dos pesos
Na Fig.5.9 apresentam-se dois traados da funo de pertinncia triangular M(.). A de-
clividade da funo M(.) maior na curva2 do que na curva 1.
Observa-se na Fig.5.9 que diminuindo-se a declividade das retas da funo de pertinn-
cia aumenta-se o valor da funa de pertinncia num alvo fixo. Isto , o valor da funo de
pertinncia inversamente proporcional declividade das retas.
Usando-se a regra delta e definindo decliv como a varivel das declividades das funes
de pertinncia, na eq.5.2 apresenta-se a equao para a adaptao do declividade da funo de
pertinncia. A eq.5.2 s deve ser usada na funo de pertinncia vencedora aps a operao
de unio no conjunto fuzzy.
decliv
k+1
= decliv
k
- .Erro (5.2)

2 1

Figura 5.9 Adaptao da declividade
LGICA FUZZY APLICADA S ENGENHARIAS
78
Jos Homero Feitosa Cavalcanti et ali
Na Fig.5.10 apresentam-se dois traados da funo de pertinncia triangular M(.). O
deslocamento da funo M(.) maior na curva 2 do que na curva 1 (em relao abscissa ze-
ro).
Observa-se que o valor da funo de pertinncia inversamente proporcional posio
das retas do lado esquerdo do tringulo. Observa-se tambm que o valor da funo de perti-
nncia diretamente proporcional posio das retas do lado direito do tringulo. Usando-se
a regra delta e definindo onde
k
como a varivel das posies das funes de pertinncia ob-
tm-se duas equaes para a adaptao da funo de pertinncia na forma de tringulo.
Na eq.5.3 apresenta-se a equao para a adaptao da posio no caso diretamente pro-
porcional, e na q.5.4 apresenta-se a equao para a adaptao da posio no caso inversamen-
te proporcional. As eq.5.3 e eq.5.4 s devem ser usadas na funo de pertinncia vencedora
aps a operao de unio no conjunto fuzzy.

1 2

Fig.5.11 Adaptao da posio
b
k+1
= b
k
+ .Erro (5.3)
b
k+1
= b
k
- .Erro (5.4)
EXERCCIOS
5.3.1) Os valores da funo pertinncia so limitados entre zero e um enquanto que o valor da
varivel discreta ilimitado e podendo ser positivo ou negativo (0F(x) 1 e -<x<). Na
Fig.5.11 apresentam-se as curvas das funes de pertinncia triangulares em funo da
varivel x que pode ser positiva ou negativa. Utilizando o programa Fuzzy (ver Apndice B)
que acompanha este livro faa o seguinte:
5.3.2)A partir da posio inicial, aumente a declividade de G para que a reta alvo no corte a
curva da funo de pertinncia G.
5.3.3)A partir da posio inicial, diminua o valor mximo de M para que a funo vencedora
seja a G.
5.3.4)A partir da posio inicial, decremente o alvo para que a funo vencedora seja a P.
5.3.5)Utilizando o programa Fuzzy apresentar a seqncia de pesos, declividades e posies
de tal forma que a curva de defuzzyficao, calculada usando o centro de gravidade (curva na
cor preta), coincida com a curva tracejada que quase igual a defuzificao da inversa dos
pontos apresentados na curva de defuzzyficao na cor preta.

LGICA FUZZY APLICADA S ENGENHARIAS
79
Jos Homero Feitosa Cavalcanti et ali


Fig.5.11 Adaptao de funes de pertinncia
5.4 MUDA VALORES DOS PESOS DAS FUNES DE PERTINNCIA
Na Fig.5.2 apresenta-se a tela principal do programa FUZZY_BASE obtidas usando os
pesos das curvas das funes de pertinncias 2 e 3 (P(t) e M(t)) iguais a peso(2)=0.2 e pe-
so(3)=0.5. Para esses pesos, obteve-se a curva de defuzzyficao na cor preta e indicada
pelo nmero 1 na Fig.5.2. A seguir, os pesos dessas curvas foram mudados para pe-
so(2)=0.3 e peso(3)=0.7, para esses valores obteve-se a curva de defuzzyficao na cor pre-
ta e indicada pelo nmero 2 na Fig.5.2. Observe-se que a curva da defuzzyficao (curva
2) mudou em relao a curva 2. Ela aumentou o seu valor em relao curva 1 nas regies
das funes de pertinncia P(t) e M(t).

Figura 5.2 Mudana nos pesos
Na Fig.5.3 apresenta-se a tela principal do programa FUZZY escrito no ambiente MA-
TLAB com as posies das curvas das funes de pertinncia 2 e 3 mudadas de onde(2)=100
e onde(3)=200 para onde(2)=120 e onde(3)=240. Para os deslocamentos iniciais, obteve-se a
curva de defuzzyficao na cor preta e indicada pelo nmero 1 na Fig.5.3. A seguir, u-
sando-se os novos valores de deslocamento, obteve-se a curva de defuzzyficao na cor
preta e indicada pelo nmero 2 na Fig.5.3. Observe-se que a curva da defuzzyficao
(curva 2) mudou em relao a curva 1.
LGICA FUZZY APLICADA S ENGENHARIAS
80
Jos Homero Feitosa Cavalcanti et ali

2
1

Figura 5.3 Mudana nas posies
Na Fig.5.2 apresenta-se a tela principal do programa FUZZY escrito no ambiente MA-
TLAB com o seguinte programa mudapeso. As inclinaes das curvas 2 e 3 foram mudados
DE decliv(2)=1. e decliv(3)=1. para decliv(2)=1.3 e decliv(3)=0.7 (ver as mudanas nas incli-
naes de P(t) e M(t)). Observe-se que a curva da defuzzyficao (curva 2) mudou nas re-
gies das funes de pertinncia P(t) e M(t) (curva 2).

Figura 5.4 Mudana na declividade
A frmula para o clculo do CG de sistemas Fuzzy com duas variveis (E e CE) apre-
sentada nas eq.5.1 e eq.5.2. Inicialmente, na eq.5.1, calcula-se o CG da varivel Fuzzy CE
com w
ij
representando os valores de U(t) mostrados na TABELA 3. Na eq.5.2, utilizando os
valores calculados na eq.5.5, calculado o valor o CG da varivel Fuzzy E, que o valor de
U(t).

=
=

=
k
1 j
j
k
1 j
ij j
j
) t (
w ) t (
W (5.1)
LGICA FUZZY APLICADA S ENGENHARIAS
81
Jos Homero Feitosa Cavalcanti et ali

=
=

=
k
1 i
i
k
1 i
i i
) t (
W ) t (
) t ( U (5.2)
5.5 Concluso
Neste captulo apresentaram-se programas, escritos para o MATLAB, desenvolvidos
para anlise das funes da Lgica Fuzzy. Por ltimo, apresentaram-se dois exemplos de a-
grupamentos usando a Lgica Fuzzy.

LGICA FUZZY APLICADA S ENGENHARIAS
82
Jos Homero Feitosa Cavalcanti et ali
CAPTULO 6



A ESCALA JUSTA MUSICAL

6.1 INTRODUO
Neste captulo estuda-se a aplicao da lgica Fuzzy na anlise e representao de acor-
des musicais da escala justa.
6.2 A ESCALA JUSTA
Este captulo uma verso didtica do captulo 18 (A ESCALA JUSTA E A LGICA
FUZZY) do livro Msica e Vibrao de Jos Homero Feitosa Cavalcanti, publicado no blog
neurolab.eng.br.
Neste captulo pretende-se representar numericamente e simbolicamente as notas musi-
cais e os acordes usando-se as notas musicais da escala justa. Baseado nas propostas das notas
musicais de Pitgoras, apresentam-se na Fig.6.1 vm-se os tamanhos das cordas de uma viola
para as notas musicais DO, RE, MI, FA, SOL, LA e SI.
Esta diviso das cordas permitiu a gerao de notas musicais com frequncias propor-
cionais aos comprimentos das cordas.

RE MI FA SOL LA SI DO
8/9 4/5 3/4 2/3 3/5 8/15 1/2
DO 1
DO

RE

MI

FA

SOL

LA

SI

DO

Fig.6.1 Comprimento das cordas na escala justa
Na literatura musical (Henrique, L. L., Acstica Musical, Fundao Calouste Gulben-
kian, Lisboa Portugal, 2002) encontra-se que a escala natural ou justa foi proposta por Giosef-
fo Zarlino no sculo XVI. A escala de Zarlino foi bastante usada na renascena.
Na determinao da frequncia das notas musicais usa-se a equao de Mersenne,
eq.6.1. Mersenne foi um grande cientista francs do sculo XVII que usou uma equao que
considera a frequncia de vibrao de uma corda inversamente proporcional ao comprimento
(a) e ao raio (r) da corda.
LGICA FUZZY APLICADA S ENGENHARIAS
83
Jos Homero Feitosa Cavalcanti et ali
.
T
. .
f
r a
n
2
=
6.1
Na Tab.6.1 apresenta-se a Tabela das Justas obtida a partir da definio das notas musi-
cais usando a escala justa. Na primeira linha da tabela apresentam-se as notas musicais. Na
segunda linha apresentam-se as frequncias em Hertz das notas musicais. Na terceira linha
apresenta-se DIV, uma frao das freqncias das notas musicais (DIV) obtidas usando a esca-
la justa e o nmero de ouro da msica (CM=11), definido como MDC=CM=11. Nas quarta e
quinta linhas vm-se os divisores de DIV=FREQ/CM apresentados de formas diferente. Defi-
ne-se o EXPOENTE MUSICAL da nota como sendo esses expoentes, mostrado na sexta linha
da tabela.
Observe-se que no se colocou o nmero primo 11 como divisor da frequncia da nota
musical, que so divisveis por 2; 3; 5 e 11. Nesta relao falta o nmero sete que ser estuda-
da a sua incluso na escala justa no livro Msica e Vibrao de Jos Homero Feitosa Caval-
canti.
Tabela 6.1 TABELA DAS JUSTAS (CM=11)
NOTAS DO RE MI FA SOL LA SI
FREQ=DIV*CM 264 297 330 352 396 440 495
DIV 24 27 30 32 36 40 45
DIV 2.2.2.3 3.3.3 2.3.5 2.2.2.2 2.2.3.3 2.2.2.5 3.3.5
DIV 2
3
.3
1
.5
0
2
0
.3
3
.5
0
2
1
.3
1
.5
1
2
5
. 3
0
.5
0
2
2
.3
2
. 5
0
2
3
. 3
0
.5
1
2
0
.3
2
.5
1

EXP. MUS 310 030 111 500 220 301 021
A representao dos nmeros musicais assemelha-se aos nmeros da base decimal. Por
exemplo, analisando-se a nota musical DO, obtem-se para o DIV:
na base decimal, DIV=24=2*10
1
+4*10
0
;
na base dos expoentes, DIV=24=5
0
*3
1
*2
3
...
Observa-se que h uma troca de somas por multiplicaes, veja aqui neste clculos:
2*10
1
+4*10
0
= 2
2
*5+2
2
=2
2
(1+5) = 2
2
(6) = 2
2
(2
1
*3
1
)=2
3
*3
1
=5
0
*3
1
*2
3
...
Na representao exponencial observe-se a forma do desaparecimento do cinco e o apa-
recimento do trs, sugerindo a ocorrncia de uma transformada. Conjectura-se que o nosso
crebro associa automaticamente o expoente musical nota musical, consequncia do nosso
crebro associar o comprimento de uma corda s notas musicais, como estudou Pitgoras.
Pode-se representar as notas musicais numa estrela de sete pontas na forma mostrada na
Fig.6.2. Nesta figura usam-se os expoentes das notas musicais descritos na Tab.6.1. Lembran-
do-se que DO=1(310), RE=2(030), MI=3(111), FA=4(500), SOL=5(220), LA=6(301) e
SI=7(021) na representao dos expoentes musicais (ver captulo 16 (16 AS ESTRELAS E O
SINCRONISMO) do livro Msica e Vibrao de Jos Homero Feitosa Cavalcanti). A estre-
la de sete pontas representa os acordes das notas musicais.
LGICA FUZZY APLICADA S ENGENHARIAS
84
Jos Homero Feitosa Cavalcanti et ali

Fig.6.2 A estrela das setes notas musicais
6.2 EXERCCIOS A escala justa
6.2.1)Faa uma descrio sucinta das contribuies musicais de Pitgoras, Mersenne e Zarli-
no.
6.2.2)Quais so as notas musicais na escala justa? Quais so as frequncias das notas musicais
na escala justa? O que significa uma oitava acima nas notas musicais?
6.2.3)Por que foi inventada a escala temperada? Na escala temperada quais so as notas musi-
cais? Qual a equao usada no clculo das frequncias das notas musicais da escala tempera-
da?
6.2.4)O que so teras e quintas na msica? Use a estrela de sete pontas para explicar as teras
e as quintas.
6.2.5)Usando as frequncias das notas musicais calcule os valores dos expoentes musicais.
6.2.6)A frequncia de uma nota musical pode ser representada em quantas formas diferentes?
Use a Tab.6.1.
6.2.7)Apresente as notas musicais na forma de senides. Analise e implemente no MATLAB
o seguinte programa. Explique a forma de se calcular a frequncia das notas musicais.
% do re mi fa sol la si do
%FREQ2/CM 24 27 30 32 36 40 45 48 X 11
clear all;figure(1);clf;subplot(111);amostra=11025;
freqdo=11*24;freqre=11*27;freqmi=11*30;
freqfa=11*32;freqsol=11*36;freqla=11*40;freqsi=11*45;
divre=amostra/freqre;divmi=amostra/freqmi;
divfa=amostra/freqfa;divsol=amostra/freqsol;divla=amostra/freqla;
divsi=amostra/freqsi;divdo=amostra/freqdo;
for im=1:amostra
nota1(im,1)=sin(2*pi*im/divdo);
nota2(im,1)=sin(2*pi*im/divre);
nota3(im,1)=sin(2*pi*im/divmi);
nota4(im,1)=sin(2*pi*im/divfa);
nota5(im,1)=sin(2*pi*im/divsol);
nota6(im,1)=sin(2*pi*im/divla);
nota7(im,1)=sin(2*pi*im/divsi);
nota8(im,1)=sin(2*2*pi*im/divdo);
nota9(im,1)=nota1(im,1)+nota2(im,1)+nota3(im,1)+nota4(im,1)+nota5(im,1)+nota6(im,1)+nota7(im,1)+nota8(im,1);
end
t=1:300;
subplot(221),plot(t,nota1(t),'b',t,nota2(t),'r','LineWidth',2)
xlabel('DO (cor azul) RE (cor vermelha)')
title('NOTAS MUSICAIS')
subplot(222),plot(t,nota3(t),'b',t,nota4(t),'r','LineWidth',2)
xlabel('MI (cor azul) FA (cor vermelha)')
title('NOTAS MUSICAIS')
subplot(223),plot(t,nota5(t),'b',t,nota6(t),'r','LineWidth',2)
xlabel('SOL (cor azul) LA (cor vermelha)')
subplot(224),plot(t,nota7(t),'b',t,nota8(t),'r','LineWidth',2)
xlabel('SI (cor azul) DO (oitava acima, cor vermelha)')
DO 310
RE 030
MI 111
FA 500
SOL 220
LA 301 SI 021
LGICA FUZZY APLICADA S ENGENHARIAS
85
Jos Homero Feitosa Cavalcanti et ali
%
pause
F1=abs(fft(nota9));F1(1:600)=F1(2:601);t=1:600;
subplot(111),plot(t,F1(t),'b','LineWidth',2)
xlabel('Harmonicas DO3+RE+MI+FA+SOL+LA+SI+DO4')

6.2.8)Usando o programa do Ex.6.2.7 explique as formas de ondas da Fig.6.3. Usando a
Fig.6.4 explique o grfico das frequncias das notas musicais.

Fig.6.3 Formas de ondas das notas musicais

Fig.6.4 Frequncias das notas musicais
6.3 A ESCALA JUSTA E A LGICA FUZZY
Nesta seo estuda-se a aplicao da Lgica Fuzzy na msica, e se associa os compo-
nentes da Lgica Fuzzy s notas musicais da escala justa. Observa-se que os expoentes da no-
tas musicais podem representar as notas musicais. Esses expoentes podem ser representados
como funes de pertinncias associando ao expoente da nota musical uma funo de perti-
nncia.
Na Fig.6.5 apresentam-se as funes de pertinncias usadas nas notas musicais. Aps
anlises nos termos das funes de pertinncias, decidiu-se, na representao das funes de
pertinncias, trocar-se Z(x) por 2(x), P(x) por 3(x) e M(x) por 5(x) nas funes de pertinn-
0 50 100 150 200 250 300
-1
-0.5
0
0.5
1
DO (cor azul) RE (cor vermelha)
NOTAS MUSICAIS
0 50 100 150 200 250 300
-1
-0.5
0
0.5
1
MI (cor azul) FA (cor vermelha)
NOTAS MUSICAIS
0 50 100 150 200 250 300
-1
-0.5
0
0.5
1
SOL (cor azul) LA (cor vermelha)
0 50 100 150 200 250 300
-1
-0.5
0
0.5
1
SI (cor azul) DO (oitava acima, cor vermelha)
0 100 200 300 400 500 600
0
1000
2000
3000
4000
5000
6000
Harmonicas DO3+RE+MI+FA+SOL+LA+SI+DO4
LGICA FUZZY APLICADA S ENGENHARIAS
86
Jos Homero Feitosa Cavalcanti et ali
cias. Usou-se a amplitude da onda triangular na representao dos expoentes (mltiplos de
0.2). Isto foi feito no intuito de representar visualmente as funes de pertinncias das notas
musicais. Nesta figura representa-se a nota musical NOTA=2
5
*3
5
*5
5
, uma nota musical ine-
xistente.

Fig.6.5 Funes de pertinncias dos expoentes
A partir da tabela das justas traaram-se as funes de pertinncias das notas musicais.
Na Fig.6.6 apresenta-se o conjunto de funes de pertinncias associadas s notas musicais da
escala justa (DO, RE, MI, FA, SOL, LA e SI). A amplitude da funo de pertinncia n*0.2,
onde n representa o expoente da nota musical.


0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA DO 310 (2*2*2*3*11=24*11Hz)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA RE 030 (3*3*3*11=27*11Hz)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA MI 111 (2*3*5*11=30*11Hz)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA FA 005 (2*2*2*2*2*11=32*11Hz)
LGICA FUZZY APLICADA S ENGENHARIAS
87
Jos Homero Feitosa Cavalcanti et ali


Fig.6.6 As funes de pertinncias das notas musicais
Prope-se que esta representao Fuzzy das notas musicais possa ser usada por deficien-
tes auditivos, em que cada nota musical representada pela sua funo de pertinncia. Na
Fig.6.7 apresentam-se as notas musicais representadas pelas funes de pertinncias (FP).
NOTA
FREQ(Hz)
EXP.MUS.
DO
264
(310)
RE
297
(030)
MI
330
(111)
FA
352
(500)
SOL
396
(220)
LA
440
(301)
SI
495
(021)
FP














Fig.6.7 As notas musicais e suas FPs
6.3 EXERCCIOS A escala justa e a Lgica Fuzzy
6.3.1)Faa um programa para traar as funes de pertinncias (FPs) da Fig.6.4.
6.3.2)Qual a relao entre a altura do tringulo da FP e o EXPMUS?
6.3.3)Refaaa a tabela da Fig.6.5 no ambiente MATLAB.
6.3.4)A FP padro Z(x), P(x) e M(x) foram associadas a que FPs na anlise musical?
6.3.5)Apresente as FPs das oitavas superiores do DO e do SI.
6.4 ACORDE DUPLO, OPERAO OR
Nesta seo discute-se a anlise aritmtica dos acordes duplos das notas musicais usan-
do a Lgica Fuzzy. Observe-se que o nmero de acordes duplos possveis dado por
NA=A
7
2
=21, obtido com o arranjo (probabilidade e estatsitica) das notas em dois acordes.
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA SOL 022 (2*2*3*3*2*11=36*11Hz)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA LA 301 (2*2*2*5*11=40*11Hz)
0 100 200 300 400 500 600 700
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
2(X) 3(X) 5(X)
NOTA SI 021 (3*3*5*11=45*11Hz)
LGICA FUZZY APLICADA S ENGENHARIAS
88
Jos Homero Feitosa Cavalcanti et ali
Na anlise dos acordes usam-se os expoentes musicais da tabela das justas e a repetio
das senides, que pode ser vista na Tab.6.2.
Na Tab.6.2, na linha da nota DO, o valor DIV das notas feita em relao ao DIV=24
da nota DO. Na coluna da nota RE tem-se DIV
RE
=(9/8)DIV
DO
=27, e assim para as demais
colunas e linhas. Esses nmeros so obtidos a partir das fraes das cordas de Pitgoras. De-
ve-se associar ao ciclo da nota musical o maior ciclo a nota musical com menor frequncia.
Tab.6.2 - TABELA DAS REPETIES
REFs DO24 RE27 MI30 FA32 SOL36 LA40 SI45
DO 1 9/8 5/4 4/3 3/2 5/3 15/8
RE 8/9 1 10/9 32/27 4/3 40/27 5/3
MI 4/5 9/10 1 16/15 6/5 4/3 3/2
FA 27/32 15/16 1 9/8 5/4 45/32
SOL 2/3 5/6 8/9 1 10/9 5/4
LA 3/5 27/40 4/5 9/10 1 9/8
SI 8/15 3/5 2/3 32/45 4/5 8/9 1
O acorde DOMI bem conhecido (na Tab.6.2 DIV
MI
=(5/4)DIV
DO
=(5/4)24=30). Con-
siste em se executar num instrumento musical, ao mesmo tempo, as notas DO e MI. Na
Fig.6.6 podem-se ver as formas de ondas obtidas aps serem teclados D e MI simultanea-
mente (curvas obtidas do livro Msica e Vibrao).
No grfico superior da Fig.6.8 pode-se ver, na cor azul a nota musicaal DO, na cor ver-
melha a nota musical MI, e o acorde DOMI na cor preta. Na figura inferior vm-se as harm-
nicas das notas DO (264Hz) e MI(330Hz). Observe-se (veja a seta) que aps 4 ciclos da nota
DO e 5 ciclos da nota MI as curvas das duas notas passam por zero.


Fig.6.8 Acorde DO e MI
A anlise da gerao do acorde DOMI por etapas, at a sua representao usando a L-
gica Fuzzy, feita a seguir.
Na tabela das justas retiram-se os expoentes musicais das notas DO e MI (DO(310) e
MI(111)), a seguir denota-se o acorde das notas DO e MI como DOMI, reescreve-se o acorde
DO e MI na forma:
0 50 100 150 200 250 300 350 400 450 500
-2
-1
0
1
2
DO (cor azul) MI (cor vermelha) DO+MI(preto)
ACORDE DOMI
0 50 100 150 200 250 300 350 400
0
1000
2000
3000
4000
5000
6000
Harmonicas DO+MI
LGICA FUZZY APLICADA S ENGENHARIAS
89
Jos Homero Feitosa Cavalcanti et ali
DOMI
op
=DO(310) op MI(111)
A palavra op representa uma operao lgica Fuzzy sobre os expoentes musicais das
notas DO e MI, obtido da observao dos expoentes musicais da Tab.6.1. Uma anlise sucinta
dos expoentes verifica-se que:
A nota MI(111) possui os trs algarismos do seu nmero exponencial com valores dife-
rentes de zero, pois 30=2
1
*3
1
*5
1
. O expoente musical da nota musical RE(030) referente ao
expoente trs o nico diferente de zero, pois 27=2
0
*3
3
*5
0
. O expoente musical da nota mu-
sical FA(500) referente ao nmero dois o nico diferente de zero, pois 32=2
5
*3
0
*5
0
. Isto
sugere um certo padro que pode ser usado na anlise dos acordes.
Inicialmente decidiu-se usar o operador op para encontrar o maior expoente entre as du-
as notas musicais, por exemplo:
DOMI
op
=DO(310) op MI (111)= 311
A atribuio ao acorde DOMI
op
os maiores expoentes pode ser feito usando a operao
lgica Fuzzy OU (op=OU). Isto significa a grosso modo que os termos do expoente musical
do acorde DOMI
OU
foram obtidos retirando o maior algarismo dos expoente musicais das du-
as notas.
Na Fig.6.9 apresenta-se a tabela dos acordes duplos, obtidos com operao OU, junto
com um grfico das funes de pertinncias dos acordes.
TABELA DOS ACORDES DUPLOS operao OU
NOTAS DO(310) RE(030) MI(111) FA(500) SOL(220) LA(301) SI(021)
DO(310) X 330

DORE 330

311

DOMI 331

510

DOFA 510

320

DOSOL 320

311

DOLA 311

321

DOSI 321

RE(030) X 131

REMI 131

530

REFA 530

230

RESOL 230

331

RELA 331

031

RESI 031

MI(111) X 511

MIFA 511

221

MISOL 221

311

MILA 331

121

MISI 121

FA(500) X 520

FASOL 520

501

FALA 501

521

FASI 521

SOL(220) X 321

SOLLA 321

221

SOLSI 221

LA(301) X 321

LASI 321

Fig.6.9 Acordes duplos OR e funes de pertinncias
A cada acorde duplo associado um novo expoente musical. Este novo expoente musi-
cal representa uma operao lgica Fuzzy entre duas notas musicais.
LGICA FUZZY APLICADA S ENGENHARIAS
90
Jos Homero Feitosa Cavalcanti et ali
O resultado obtido (expoente musical e funes de pertinncias) mostrado na Fig.6.9
pode ser usado numa melodia no lugar do acorde das duas notas. Por exemplo, o acorde DO-
MI
OU
da Fig.6.9 foi obtido com a soma das formas de ondas das notas musicais
DO(FREQ=24*11) e MI(FREQ=30*11).
A partir dos resultados obtidos sugere-se uma outra forma de se executar o acorde DO-
MI usando uma nica nota musical, DOMI
OU
=120*11.
6.4 EXERCCIOS Acorde duplo, operao OU
6.4.1)Reveja a definio da operao lgica Fuzzy OU.
6.4.2)Usando-se a Tab.6.2 calcule as demais frequncias das notas musicais usando um trecho
da Tab.6.2 mostrada na Fig.6.10.
REFs DO24 RE27 MI30 FA32 SOL36 LA40 SI45
DO 1 9/8 5/4 4/3 3/2 5/3 15/8
FREQ 264
DIV 24
Fig.6.10 Relao de frequncias

6.4.3)Faa um programa no MATLAB para traar as funes de pertinncias da Fig.6.9. Use
o seguinte trecho de programa para calcular DIV da nota musical conhecendo-se o EXPMUS.
Qual a dimenso da varivel pauta? O que as variveis nota e pauta representam? O que ar-
mazenado em qexp?

pauta=[3 1 0
0 3 0
1 1 1
5 0 0
2 2 0
3 0 1
0 2 1];
d2=pauta(nota,1);d3=pauta(nota,2);d5=pauta(nota,3);
qexp=2^d2*3^d3*5^d5;

6.4.4)Explique o seguinte trecho de programa usado para calcular o acorde OU de duas notas
(as notas so indicadas nas variveis hoje e antes).
pauta=[3 1 0
0 3 0
1 1 1
5 0 0
2 2 0
3 0 1
0 2 1];
d2=pauta(hoje,1);d3=pauta(hoje,2);d5=pauta(hoje,3);
if(d2<pauta(antes,1))d2=pauta(antes,1);end
if(d3<pauta(antes,2))d3=pauta(antes,2);end
if(d5<pauta(antes,3))d5=pauta(antes,3);end
qexp=2^d2*3^d3*5^d5;

6.5 ACORDE DUPLO - OPERAO AND
A seguir decidiu-se usar o operador op para encontrar o menor expoente entre as duas
notas musicais, por exemplo:
DOMI
AND
=DO(310) op MI (111)= 110
A atribuio ao acorde DOMI os menores expoentes pode ser feito usando a operao
lgica Fuzzy AND (op=AND). Isto significa a grosso modo que os termos do expoente musi-
cal do acorde DOMI
AND
foram obtidos retirando o menor algarismo dos expoente musicais
das duas notas.
LGICA FUZZY APLICADA S ENGENHARIAS
91
Jos Homero Feitosa Cavalcanti et ali
Na operao LGICA FUZZY interseco (AND) comparam-se dois nmeros musi-
cais, o menor o vencedor. Obtem-se um nmero que representa a intensidade do acorde. Na
Fig.6.11 apresenta-s a tabela dos acordes duplos obtida com operao Lgica Fuzzy AND.
TABELA DOS ACORDES DUPLOS - AND
NOTAS DO(310) RE(030) MI(111) FA(500) SOL(220) LA(301) SI(021)
DO(310) X 010

DORE 010

110

DOMI 110

300

DOFA 300

210

DOSOL 210

300

DOLA 300

010

DOSI 010

RE(030) X 010

REMI 010

000

REFA 000

020

RESOL 020

000

RELA 000

020

RESI 020

MI(111) X 100

MIFA 100

110

MISOL 110

100

MILA 100

011

MISI 011

FA(500) X 200

FASOL 200

300

FALA 300

000

FASI 000

SOL(220) X 200

SOLLA 200

020

SOLSI 020

LA(301) X 001

LASI 001

Fig.6.11 Acordes duplos AND e funes de pertinncias
O resultado obtido (expoente musical e funes de pertinncias) mostrado na Fig.6.8
pode ser usado numa melodia no lugar do acorde das duas notas. Por exemplo, o acorde DO-
MI da Fig.6.8 foi obtido com a soma das formas de ondas das notas musicais
DO(FREQ=24*11) e MI(FREQ=30*11). Sugere-se uma outra forma de se executar o acorde
DOMI usando uma nica nota musical, DOMI
AND
=6*11.
6.5 EXERCCIOS Acorde duplo, operao AND
6.5.1)Reveja a definio da operao lgica Fuzzy AND.
6.5.2)Explique o seguinte trecho de programa usado para calcular o acorde AN de duas notas
(as notas so indicadas nas variveis hoje e antes).
pauta=[3 1 0
0 3 0
1 1 1
5 0 0
2 2 0
3 0 1
0 2 1];
d2=pauta(hoje,1);d3=pauta(hoje,2);d5=pauta(hoje,3);
if(d2>pauta(antes,1))d2=pauta(antes,1);end
if(d3>pauta(antes,2))d3=pauta(antes,2);end
if(d5>pauta(antes,3))d5=pauta(antes,3);end
qexp=2^d2*3^d3*5^d5;

LGICA FUZZY APLICADA S ENGENHARIAS
92
Jos Homero Feitosa Cavalcanti et ali
6.6 A FATORAO, OR e MENOS
Uma outra aplicao da anlise do acorde duplo usando a Lgica Fuzzy a anlise da
repetio das senides. A partir da Fig.6.7, e analisando o acorde DOMI, obtem-se:
DOMI
OU
=DO(310)OUMI(111)=120=311=2
3
*3
1
*5
1
=(2
3
*3
1
*5
0
*5
1
e 2
1
*3
1
*5
1
*2
2
).
DOMI
OU
=DO(310)OUMI(111)=120=311=2
3
*3
1
*5
1
=( 24

*5
1
e 30

*2
2
).
Analisando-se a Tab.6.2 (valor 5/4, indicado na linha DO e coluna MI) e comparando
com o acorde DOMI
OU
, v-se que os valores encontrados (os nmeros 5
1
e 2
2
na cor verme-
lha) indicam os nmeros de ciclos em que as senides das notas musicais DO e MI se repe-
tem. Esta anlise pode ser feita para os demais acordes musicais.
A partir dessas anlises conclui-se que se pode usar a operao subtrao da LGICA
FUZZY para encontrar o nmero de repeties de cada senoide no acorde, veja a Tab.6.2.
Observou-se, aps alguns testes, que a operao lgica MENOS se mostrou adequada
ao clculo dos ciclos de repetio das notas musicais.
MENOS: A-B. Seja A(x)-B(x) = (A(x) - B(x)) x X
L-se A subtrao da varivel Fuzzy A da varivel Fuzzy B ser A(x)-B(x), se na-
quele ponto A(x)>B(x), seno ser zero.
Na operao LGICA FUZZY deseja-se encontrar o numero de ciclos de cada nota no
acorde para se repetirem. Usando-se a operao lgica MENOS entre os expoentes musicais
do acorde e da nota encontra-se a repetio das curvas.
A anlise do acorde DORE
OU
=330 feita em etapas. Obtem-se da Tab.6.2 o valor 8/9.
Define-se para o acorde DORE ciclosDO=8 e ciclosRE=9. Usando-se a Lgica Fuzzy e a ope-
rao Lgica Fuzzy MENOS, obtem-se:
ciclosDO=330 MENOS 310=020 (020=3
2
, nove ciclos)
ciclosRE=330 MENOS 030=300 (300=2
3
, oito ciclos)
Na Fig.6.9 ilustram-se as operaes lgicas.

DORE 330
MENOS

DO 310
=

ciclosDO=020


DORE 330
MENOS

RE 030
=

ciclosRE=300

Fig.6.9 Ciclos do acorde DORE
O mesmo ocorre para os acordes DOMI, DOFA, etc. O mesmo pode ser feito no clcu-
lo das repeties baseadas em RE, MI, FA, SOL e SI. Na Fig.6.10 apresenta-see a tabela dos
ciclos dos acordes duplos e das repeties (intervalos harmnicos) junto com as funes de
pertinncias.



LGICA FUZZY APLICADA S ENGENHARIAS
93
Jos Homero Feitosa Cavalcanti et ali
TABELA DOS CICLOS DOS ACORDES DUPLOS
DO(310) RE(030) MI(111) FA(500) SOL(220) LA(301) SI(021)
DO X 330(8/9)

ciclosDO=020


ciclosRE=300

311(4/5)

ciclosMI 200
ciclosDO 001

510(3/4)

ciclosFA 010
ciclosDO 200

320(2/3)

ciclosSOL 100
ciclosDO 010

311(3/5)

ciclosLA 010
ciclosDO 001

321(8/15)

ciclosSI 300
ciclosDO 011

RE X 131(9/10)

ciclosMI 101
ciclosRE 020

530(27/32
)

ciclosMI 500
ciclosRE 030

230(3/4)

ciclosSOL 200
ciclosRE 010

331(27/40
)

ciclosLA 301
ciclosRE 030

031(3/5)

ciclosSI 001
ciclosRE 010

MI X 511(15/16
)

ciclosFA 110
ciclosMI 400

221(5/6)

ciclosSOL 001
ciclosMI 110

311(3/4)

ciclosLA 010
ciclosMI 200

121(2/3)

ciclosSI 100
ciclosMI 010

FA X 520(8/9)

ciclosSOL 300
ciclosFA 020

501(4/5)

ciclosLA 001
ciclosFA 200

521(32/45
)

ciclosSI 500
ciclosFA 021

SOL X 321(9/10)

ciclosLA 020
ciclosSOL 101

221(4/5)

ciclosSI 200
ciclosSOL 001

LA X 321(8/9)

ciclosSI 020
ciclosLA 300

Fig.6.10 Ciclos dos acordes duplos
6.6 EXERCCIOS A fatorao OR e MENOS
6.6.1)Reveja a definio da operao lgica Fuzzy MENOS.
6.6.2)

LGICA FUZZY APLICADA S ENGENHARIAS
94
Jos Homero Feitosa Cavalcanti et ali
6.7 O ACORDE DUPLO E A UNIO DOS ACORDES
Nesta seo ser mostrada a tabela da unio dos ciclos dos acordes duplos. Definindo
cDORE=ciclosDO OU ciclosRE, na forma mostrada na Fig.6.11 obtem-se a tabela da unio
dos ciclos dos acordes duplos mostrada na Fig.6.12.

ciclosDO=020
OR

ciclosRE=300
=

cDORE 320

Fig.6.11 Operao cDORE
TABELA DA UNIO DOS CICLOS DOS ACORDES DUPLOS

DO(310) RE(030) MI(111) FA(500) SOL(220) LA(301) SI(021)
DO X 330(8/9)320

320

311(4/5)201

201

510(3/4)210

210

320(2/3)110

110

311(3/5)011

011

321(8/15)311

311

RE X 131(9/10)121

121

530(27/32)530

530

230(3/4)210

210

331(27/40)331

331

031(3/5)011

011

MI X
511(15/16)410

410

221(5/6)111

111

311(3/4)210

210

121(2/3)110

110

FA

X 520(8/9)320

320

501(4/5)201

201

521(32/45)521

521

SOL

X 321(9/10)121

121

221(4/5)201

201

LA
X
321(8/9)320

320

Fig.6.12 Unio dos ciclos dos acordes duplos
6.7 EXERCCIOS Acorde duplo, unio dos acordes
6.7.1)Explique a construo tabela da unio dos ciclos dos acordes duplos da Fig.6.12.

6.8 O ACORDE TRIPLO
O nmero de acordes possveis usando duas notas diferentes dado por A
7
2
=21, obtido
com arranjo. O acorde de trs notas com 7 notas tem-se A
7
3
=35 possibilidades com notas dife-
rentes. No clculo dos intervalos harmnicos segue-se o mesmo padro do acorde de duas no-
tas, calcula-se o OR dos expoentes das trs notas.
Na figura superior da Fig.6.13 pode-se ver, na cor azul a nota musicaal DO, na cor ver-
melha a nota musical MI, na cor amarela a nota musical SOL, e o acorde DOMISOL na cor
preta. Na figura inferior vm-se as harmnicas das notas DO (264Hz), MI(330Hz) e
SOL(396Hz). Observe-se (veja a seta) que aps 8 ciclos da nota DO, 9 ciclos da nota MI e 10
ciclos da nota SOL as curvas das duas notas passam por zero.
LGICA FUZZY APLICADA S ENGENHARIAS
95
Jos Homero Feitosa Cavalcanti et ali

Fig.6.13 Acorde DO, MI e SOL
-A partir da tabela da unio dos acordes duplos (mostrada na Fig.6.7) foi feita a tabela
da unio dos acordes triplos mostrada na Tab.6.3.
Tab.6.3 TABELA DA UNIO DOS ACORDES TRIPLOS
RE030 MI111 FA500 SOL220 LA301 SI(021)
DO310 DO RE
MI FA SOL LA SI
331 530 330 331 331
DO MI
FA SOL LA SI
510 320 311 321
DO FA
SOL LA SI
520 511 521
DO SOL
LA SI
321 321
DO LA
SI
321

RE X RE MI
FA SOL LA SI
531 231 331 131
RE FA
SOL LA SI
530 531 531
RE SOL
LA SI
331 231
RE LA
SI
331

MI X MI FA
SOL LA SI
521 511 521
MI SOL
LA SI
321 221
MI LA
SI
321

FA X FA SOL
LA SI
521 521
FA LA
SI
521

SOL X SOL LA
SI
321

Fig.6.14 Unio dos ciclos dos acordes triplos

Baseado na Fig.6.12 foi feita a Tab.6.5. Um dos elementos da Tab.6.5 mostrado na
Fig.6.15.

0 50 100 150 200 250 300 350 400 450 500
-3
-2
-1
0
1
2
3
DO (azul) MI (vermelha) SOL(amarelo) DO+MI+SOL(preto)
ACORDE DOMI
0 50 100 150 200 250 300 350 400 450 500
0
1000
2000
3000
4000
5000
6000
Harmonicas DO+MI+SOL
LGICA FUZZY APLICADA S ENGENHARIAS
96
Jos Homero Feitosa Cavalcanti et ali







CICLO 1



CICLO2


CICLO3


UNIO


DO RE
MI FA SOL LA SI
8 24 6 24 8
9 27 8 27 9
10 32 9 40 15

ciclosDO=020
ciclosRE=300
ciclosMI=101
cDOREMI=321

ciclosDO=310
ciclosRE=030
ciclosFA=500
DOREFA=530

ciclosDO=110
ciclosRE=300
ciclosSOL=020
cDORESOL=32

ciclosDO=310
ciclosRE=030
ciclosLA=301
cDORELA=301

ciclosDO=300
ciclosRE=020
ciclosSI=011
cDORESI=321


Fig.6.14 Elemento DORE da Tab.6.4
Tab.6.4 - TABELA DOS CICLOS DOS ACORDES TRIPLOS
RE MI FA SOL LA
DO DO RE
MI FA SOL LA SI
8 24 6 24 8
9 27 8 27 9
10 32 9 40 15
DO MI
FA SOL LA SI
12 4 12 8
15 5 15 10
16 6 20 15
DO FA
SOL LA SI
6 3 24
8 4 32
9 5 45
DO SOL
LA SI
6 8
9 12
10 15
DO LA
SI
24
40
45
RE X RE MI
FA SOL LA SI
27 9 27 9
30 10 30 10
32 12 40 15
RE FA
SOL LA SI
27 27 27
32 32 32
36 40 45
RE SOL
LA SI
27 3
36 4
40 5
RE LA
SI
27
40
45
MI X MI FA
SOL LA SI
15 15 30
16 16 32
18 20 45
MI SOL
LA SI
8 32
9 36
10 45
MI LA
SI
6
8
9
FA X FA SOL
LA SI
8 32
9 36
10 45
FA LA
SI
32
40
45
SOL X SOL LA
SI
36
40
45
6.8 EXERCCIOS Acorde triplo
6.8.1)Explique o seguinte trecho de programa usado para calcular o acorde de tres notas (as
notas so indicadas nas variveis hoje, antes e anterior). Explique as declaraes exx=exp(-
in/amost4) e notaacorde(in,1)=exx*sin(2.*pi*in/divnota);
Amostra=11025;amost4=3000;
pauta=[3 1 0
0 3 0
1 1 1
5 0 0
2 2 0
3 0 1
0 2 1];
d2=pauta(hoje,1);d3=pauta(hoje,2);d5=pauta(hoje,3);
if(d2<pauta(antes,1))d2=pauta(antes,1);end
if(d3<pauta(antes,2))d3=pauta(antes,2);end
if(d5<pauta(antes,3))d5=pauta(antes,3);end
if(d2<pauta(anterior,1))d2=pauta(anterior,1);end
if(d3<pauta(anterior,2))d3=pauta(anterior,2);end
if(d5<pauta(anterior,3))d5=pauta(anterior,3);end
qexp=2^d2*3^d3*5^d5;
LGICA FUZZY APLICADA S ENGENHARIAS
97
Jos Homero Feitosa Cavalcanti et ali
[tr qexp]
tabnotas(cnt,7)=qexp;
freqnota=qexp*11;divnota=amostra/freqnota;
for in=1:amostra
exx=exp(-in/amost4);
notaacorde(in,1)=exx*sin(2.*pi*in/divnota); %nota musical
end
6.8.2)
6.9 Montagem
A vantagem de se usar o expoente musical que quanto menor for o expoente musical
Montou-se um tema de uma fuga usando acordes duplos e triplos. Na Fig.6.15 apresen-
tam-se os resultados obtidos na execuo do tema usando diferentes representaes para os
acordes duplos e triplos. Na parte superior da Fig.6.15 apresenta-se um desenho do teclado de
um piano. Na parte central e inferior apresentam-se as formas de ondas dos dois canais stereos
do som do tema acompanhado da nota musical (crculos).
O mesmo tema executado quatro vezes. A primeira usando acordes duplos e triplos
definidos como a adio das notas musicais (ver as Fig.6.7 e Fig.6.13). A segunda usa acordes
duplos e triplos representados pela operao OU da Lgica Fuzzy (ver as Fig.6.7 e Fig.6.14).
A terceira usa acordes duplos e triplos representados pela operao AND da Lgica Fuzzy
(ver as Fig.6.7 e Fig.6.14).
Na Fig.6.16 apresenta-se a execuo num piano das notas musicais da primeira parte do
tema.

Fig.6.15 Tema musical usando acordes duplos e triplos (4 tipos)


-1.5 -1 -0.5 0 0.5 1 1.5 2
0
0.2
0.4
0.6
0.8
A MUSICA DOS PLANETAS
4
0 2 4 6 8 10 12 14
x 10
4
-10
-5
0
5
10
SI1
RE2
FA2
LA2
DO3
MI3
SOL3
SI3
RE4
Acordes 12 e 123 - OR 2 - AND 2 - OR 2 e 3
o
o
o
o
o O
oO
oO
oO
o
o O
oO
oO
oO
oO
oO
oO
o
o
o
o
o O
oO
oO
oO
o
o O
oO
oO
oO
oO
oO
oO
o
o
o
o
o O
oO
oO
oO
o
o O
oO
oO
oO
oO
oO
oO
o
o
o
o
o O
oO
oO
oO
o
o O
oO
oO
oO
oO
0 2 4 6 8 10 12 14
x 10
4
-20
-10
0
10
20
SI1
RE2
FA2
LA2
DO3
MI3
SOL3
SI3
RE4
1
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o o
o
o
o
o
o
o
o
o
o
Tema dos acordes Tema dos acordes
Tema dos acordes Tema dos acordes
LGICA FUZZY APLICADA S ENGENHARIAS
98
Jos Homero Feitosa Cavalcanti et ali



Fig.6.16 Tema musical usando acordes duplos e triplos, primeiro tema
6.10 Concluso
A vantagem de se usar o expoente musical que quanto menor for o expoente musical
obtido da operao lgica Fuzzy MENOS, mais cedo ocorre a coincidncia entre as duas no-
tas. Conjectura-se que o nosso crebro associa o acorde com as operaes lgicas Fuzzy OU e
Fuzzy MENOS, quanto menor o valor obtido maior a afinidade entre as notas. Considera-se
esta uma forma de se quantificar o belo da msica, e uma tcnica geral que pode ser usada
por msicos e engenheiros.


Tema dos acordes Tema dos acordes
Tema dos acordes Tema dos acordes
Tema dos acordes
LGICA FUZZY APLICADA S ENGENHARIAS
99
Jos Homero Feitosa Cavalcanti et ali
CAPTULO VII

ANLISE DE SISTEMAS COM MEMRIA DE FORMA
CCERO DA ROCHA SOUTO



7.1 INTRODUO
Atuadores desenvolvidos com ligas com memria de forma (LMF) esto sendo utiliza-
dos cada vez mais devido ao grande nmero de aplicaes na engenharia, principalmente na
rea da bio-engenharia. Isso porque essas ligas possuem a capacidade de recuperar sua forma,
mudar sua rigidez ou ainda gerar fora quando submetidas determinada variao de tempe-
ratura (Duerig et alii, 1990) (Furuya & Shimada, 1990) (Nascimento et alii, 2004) (Kreith,
1977). Essas caractersticas possibilitam o uso de LMFs em robtica, na msica (afinao au-
tomtica de instrumentos musicais), em prteses humanas do tipo dedos, braos, etc.
As ligas mais comuns no mercado so o NiTi, o CuAlNi e o CuAlZn. Estas ligas tm
efeito de memria de forma (EMF) ou comportamento superelstico e devem essas proprie-
dades a uma transformao reversvel austenite-martensite-austenite.
Neste captulo apresenta-se a anlise e a implementao de sistemas usando materiais
atuadores de ligas com LMF usando a Lgica Fuzzy. Inicialmente, faz-se uma anlise sucinta
da forma das LMFs, a seguir, analisa-se a mudana da forma obtida com a variao de par-
metros fsicos. No meio deste captulo se apresenta um modelo, utilizando a Lgica Fuzzy,
para estimar e controlar o comportamento de recuperao de um fio com memria de forma,
Por ltimo, usando resultados experimentais obtidos de um fio com memria de forma de Ni-
Ti, faz-se um identificador Fuzzy da variao do comprimento de uma LMF em funo da
temperatura.
7.2 FORMAS DAS LMFS
Na Fig.7.1 esquerda podem-se ver duas ligas usando materiais atuadores de ligas com
memria de forma sendo que a liga superior est numa temperatura t0>t1. Observe-se que a
liga superior apresenta um maior comprimento.


T0 > T1
T1
T0

Fig.7.1 Ligas LMF
Diversas aplicaes podem utilizar vigas LMF, que possibilita diversas montagens. Na
Fig.7.2 apresenta-se o desenho tridimensional de uma viga com comprimento varivel. Apli-
cando-se adequadamente uma corrente LMF ela muda a sua temperatura e muda o seu com-
primento. A liga LMF pode ser treinada para variar o seu comprimento (Duerig et alii, 1990)
(Furuya & Shimada, 1990) (Nascimento et alii, 2004) (Kreith, 1977).
LGICA FUZZY APLICADA S ENGENHARIAS
100
Jos Homero Feitosa Cavalcanti et ali
A liga LMF apresenta um ciclo de histerese, causada pelo atraso entre a corrente de a-
quecimento e a deflexo.
A histerese a tendncia de um material ou sistema de conservar suas propriedades na
ausncia de um estmulo que as gerou. Podem-se encontrar diferentes manifestaes desse
fenmeno. A palavra "histerese" deriva do grego antigo , que significa 'retardo'.


Fig.7.2 Liga LMF com comprimento varivel
Na Fig.3 apresenta-se uma viga com forma varivel (forma de arco). Aplicando-se uma
corrente LMF ela muda a sua temperatura e muda sua forma. A forma da viga LMF pode
ser mudada at se tornar uma arroela como pode ser vista na Fig.7.4.

Fig.7.3 Mudana da forma da viga LMF


Fig.7.4 Arroela e suas fases
EXERCCIOS 7.2 Formas das LMFs
7.2.1)Atribua uma varivel Fuzzy ao comprimento duma viga LMF. Use a defuzzyficao
contnua e as funes de pertinncias da Fig.7.5.

Fig.7.5 Funes de pertinncias
0 0.2 0.4 0.6 0.8 1 1.2 1.4
-1
-0.5
0
0.5
1
1.5
2
0 0.2 0.4 0.6 0.8 1 1.2 1.4
-1
-0.5
0
0.5
1
1.5
2
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8
0.8
0.85
0.9
0.95
1
1.05
1.1
1.15
1.2
1.25
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45
0.85
0.9
0.95
1
1.05
1.1
1.15
1.2
1.25
1.3
1.35
-0.05 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35
0.9
0.95
1
1.05
1.1
1.15
1.2
1.25
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
101
Jos Homero Feitosa Cavalcanti et ali
7.2.2)O efeito histerese entre a tenso e temperatura versus deslocamento pode ser visto na
Fig.7.6 esquerda (corrente na cor azul, por unidade) (deflexo na cor vermelha, por unida-
de). Explique o que significa histerese (curva na cor vermelha) mostrada direita da Fig.7.6.

Fig.7.6 Histerese, Comprimento versus Tenso da seo da viga
7.2.3) Na Fig.7.7 direita apresenta-se uma viga linear com liga de forma de cinco sees
numeradas de L1 a L5. Cada seo mede 0.2m. As sees esto posicionadas com ngulos de
0
o
da base a L1, de L1 a L2, at de L4 a L5. O que ocorre quando a LMF aquecida?

Fig.7.7 Sees de uma viga
7.2.4) Uma viga pode ser considerada um paraleleppedo que necessita de um tempo para ser
aquecido ou ser resfriado (ver a parte Fig.7.9). Na Fig.7.8 apresenta-se um circuito usado no
controle da temperatura de uma LMF. Observando-se diversos trabalhos verificou-se que os
autores usam como forma de controle da temperatura da liga (aquecimento pelo efeito joule) a
corrente eltrica.

+
-
R
I S1
20
o
C
50
o
C
LIGA

Fig.7.8 Aquecimento da LMF
7.3 ANLISE DE UM SISTEMA DE PRIMEIRA ORDEM
Nos captulos anteriores deste livro foi visto como se controlar um sistema de primeira
ordem mostrado na eq.7.1. Considere-se o sistema trmico da Fig.7.9 controlando o compri-
mento de uma LMF usando temperatura. Suponha-se que uma liga LMF na temperatura T es-
teja num ambiente de temperatura T
L
. Sabendo-se que a resistncia trmica do fluxo de calor
para a liga LMF Ri, utilizando a equao do calor obtm-se a Eq.1.
500 1000 1500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Corrente e deflexo
0 0.2 0.4 0.6 0.8
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
histerese
-0.01 0 0.01
-1
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0
L
M
F
L1
L2
L3
L4
L5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
corrente (A)
d
e
fo
rm
a

o
(m
m
)
LGICA FUZZY APLICADA S ENGENHARIAS
102
Jos Homero Feitosa Cavalcanti et ali
x
C R
y
C R
y
i i
1 1
'
.
+ = (7.1)
Na Fig.7.9, parte superior, mostram-se dois circuitos que geram corrente em funo da
tenso (E=12V) numa viga hipottica. Os circuitos geram corrente na forma de degrau e na
forma linear.
Na Fig.7.9, na parte inferior, podem-se ver duas curvas da variao da temperatura da
liga devido aos fluxos de calor gerados pelo circuito aquecedor. A primeira curva ( esquerda)
foi obtida usando a tenso E na forma de um degrau. A segunda curva ( direita) foi obtida
usando a tenso E na forma linear.

+
-
R
I S1
LIGA
I
t

+
-
R
I S1
LIGA
I
t


Fig.7.9 Variao da temperatura da LMF
EXERCCIOS 7.3 Anlise de um sistema de primeira ordem
7.3.1)Use o seguinte programa para gerar as curvas da Fig.7.9 com entrada degrau. Explique
os vetores temper(), linear() e degrau. Considere o sistema simtrico, conhecendo-se as entra-
das e sadas de um dos deois degraus, como claculado o outro degrau? Qual dos vetores fo-
ram plotados? Este sistema est em por unidade, qual a tenso referncia? possivel traar
a curva da histerese deste sistema?
%fig79e.m Entradaa degrau
clear all;figure(1);subplot(111)
temp=0.;
for j=1:300
onde=1;
temp=temp+0.02*(onde-temp);
temper(j)=temp;
linear(j)=j/300;
end
for j=1:300
onde=0;
temp=temp+0.02*(onde-temp);
temper(300+j)=temp;
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es
Ed
Es=1 Ed=0
T
e
m
p
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es Ed
Es=1 Ed=0
T
e
m
p
LGICA FUZZY APLICADA S ENGENHARIAS
103
Jos Homero Feitosa Cavalcanti et ali
linear(300+j)=1-j/300;
end
t=1:600;
degrau(1:300)=1.;degrau(301:600)=0.;
plot(t,temper(t),'k',t,degrau(t),'g','LineWidth',3);
text(100,0.95,'Es');text(400,0.05,'Ed');
xlabel('Es=1 Ed=0');ylabel('Temp')
7.3.2)Use o seguinte programa para gerar as curvas da Fig.7.9 com entrada linear. Explique os
vetores temper() e linear().
%fig79d.m Entrada linear
clear all;figure(1);subplot(111)
temp=0.;
for j=1:300
linear(j)=j/300;
onde=j/300;
temp=temp+0.02*(1.1*onde-temp);if(temp>1.)temp=1.;end
temper(j)=temp;
end
for j=1:300
onde=1.-j/300;
temp=temp+0.02*(1.1*onde-temp); if(temp>1.)temp=1.;end
temper(300+j)=temp;
linear(300+j)=1-j/300;
end
t=1:600;
degrau(1:300)=1.;degrau(301:600)=0.;
plot(t,temper(t),'k',t,linear(t),'g','LineWidth',3);
text(100,0.5,'Es');text(400,0.5,'Ed');
xlabel('Es=1 Ed=0');ylabel('Temp')
pause
plot(linear,temper,'r','LineWidth',3),title('Histerese - entrada linear')
xlabel('Corrente Linear');ylabel('Temperatura')

7.3.3)Na parte superior da Fig.7.10 apresentam-se as curvas (parte superior) das funes de
pertinncias e das CG(X) para uma LMF com temperatura linear. Considere o sistema sim-
trico, conhecendo-se as entradas e sadas de um dos deois degraus, como claculado o outro
degrau? A histerese da Fig.7.10 (inferior) plotada com qual declarao do programa
fig9d.m? Qual a relao da Fig.7.10 com a forma da LMF? Modifique no programa fig79d.m
as seguintes declaraes temp=temp+0.02*(1.1*onde-temp); para estreitar e enlarguecer a
curva de histerese. O que ocorre com as dimenses da LMF quando elas possuem histerese
estreita e larga?

0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
104
Jos Homero Feitosa Cavalcanti et ali

Fig.7.10 Histerese, temperatura versus corrente linear
7.3.4)Trace as curvas de histerese para as seguintes curvas da variao da temperatura em
funo de corrente linear(Fig.7.11).

Fig.7.11 Variao linear da temperatura da LMF
7.3.5)Explique o uso da abscissa da FP no traado da histerese usando degrau de corrente.
7.3.6)Faa um programa no ambiente MATLAB para traar os grficos da Fig.7.12. Trace as
curvas de histerese para as curvas da variao da temperatura em funo de um degrau de cor-
rente (Fig.7.12).

Fig.7.12 Variao em degrau da temperatura da LMF
7.3.7)O seguinte trecho de programa traa a CG e as FPs da Fig.7.10. %peso(1)=0.01; pe-
so(2)=0.2; peso(3)=0.5;peso(4)=1.;%peso(4)=0.01; peso(3)=0.5; peso(2)=0.8; peso(1)=1.;.
Mostre que no necessrio calcular a CG da dirita, usar 1-Cgesquerda.

7.4 ANLISE FUZZY DA TEMPERATURA - LINEAR
A partir da anlise das curvas da variao da temperatura de uma LMF (ver a Fig.7.9)
foram desenvolvidos funes de pertinncias Fuzzy capazes de identificar as caractersticas da
variao de temperatura das LMF.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Histerese - entrada linear
Corrente Linear
T
e
m
p
e
r
a
t
u
r
a
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es Ed
Es=1 Ed=0
T
e
m
p
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es Ed
Es=1 Ed=0
T
e
m
p
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es Ed
Es=1 Ed=0
T
e
m
p
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
105
Jos Homero Feitosa Cavalcanti et ali
Nesta seo ser feita a identificao da CG com entrada de corrente na forma linear na
forma mostrada na Fig.7.9 (acima e abaixo direita).
No captulo 5.4 deste livro, ADAPTAO DOS PARMETROS DO SISTEMA
FUZZY, discute-se adaptao de sistemas Fuzzy a funes no lineares. O problema da adap-
tao modificar as funes de pertinncia (os seus parmetros, o peso, a inclinao e o cen-
tro da funo de pertinncia), calcular a funo de pertinncia vencedora (na defuzyficao
lgica) e a forma de CG(X), e comparar com a funo no linear. Essas etapas so feitas itera-
tivamente at que CG(X) se aproxime da funo no linear.
A Fig.7.12 (esquerda) uma cpia da Fig.5.5, onde se apresentam quatro formas de on-
das de CG(X). As formas de ondas das primeira e da terceira figuras so parecidas com as
formas de ondas da direita da Fig.7.12.

Fig.7.13 Formas das curvas CG(X) e curva da corrente linear
Na Fig.7.14 apresentam-se as representaes Fuzzy das variaes de temperatura na
LMF. esquerda apresenta-se a representao Fuzzy (forma de CG(x)) da temperatura cres-
cente (Tcresce), no centro apresenta-se a representao Fuzzy da temperatura decrescente
(Tdecresce=1-Tcresce), e a direita a histerese. Nas tabelas apresentam-se os valores dos pa-
rmetros das funes de pertinncias usadas no traado da Fig.7.14.

Fig.7.14 Funo contnua Fuzzy da temperatura da viga
Tab.7.1 Funes de pertinncias da temperatura crescente
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(1)=0.01;peso(2)=0.65;peso(3)=0.93;peso(4)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(4)=0.01;peso(3)=0.65;peso(2)=0.93;peso(1)=1.;
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
Z(X) P(X) M(X) G(X)
X
ZL PL ML GL
R(X)
peso(4)=0.01;peso(3)=0.1;peso(2)=0.4;peso(1)=1.;
0 100 200 300 400 500 600
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Es Ed
Es=X/300 Ed=1-(X-300)/300
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Linear versus saida
LGICA FUZZY APLICADA S ENGENHARIAS
106
Jos Homero Feitosa Cavalcanti et ali
TIPO PARMT FP1 FP2 FP3 FP4 COR CG
PESO 0.01 0.2 0.5 1.
DECLIVIDADE 1. 1. 1. 1.
POSIO 1 100 200 300 PRETA

Tab.7.2 Funes de pertinncias da temperatura decrescente
TIPO PARMT FP1 FP2 FP3 FP4 COR CG
PESO 1. 0.9 0.6 0.01
DECLIVIDADE 1. 1. 1. 1.
POSIO 1 100 200 300 PRETA
7.6 IDENTIFICAO DA LMF - anlise
Na Fig.7.15 esquerda, apresenta-se o diagrama usado na identificao Fuzzy e contro-
le da dinmica da planta. direita, apresenta-se a superposio da CG com a dinmica da
planta (usa-se 1-CG).

Yf
TEMPf
U(t)
CONTROLADOR
FUZZY
Uf(t)


+

Fig.7.15 Identificao
Observe-se que existem erros entre CG e a sada da planta que pode ser visto na
Fig7.15. Na construo das funes de pertinncias da Fig.7.15 usaram-se os conjuntos de
pesos, declividades e posies das FPs apresentados na Tab.7.3. Esses pesos so diretamente
proporcionais ao valor de CG em cada intervalo
Tab.7.3 FPs das CGs da Fig.7.15
TIPO PARMT FP1 FP2 FP3 FP4 COR CG
PESO 0.01 0.1 0.4 0.9 MAGENTA
PESO 0.01 0.2 0.5 1. PRETA
PESO 0.01 0.3 0.6 1. AZUL
CLARO
DECLIVIDADE 1. 1. 1. 1.
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
107
Jos Homero Feitosa Cavalcanti et ali
POSIO 1 100 200 300
ALTURA 1 1 1 1
7.7 IDENTIFICAO DA LMF - algoritmo
O problema da adaptao mudar as funes de pertinncia (os seus parmetros, o pe-
so, a inclinao e o centro da funo) para mudar a funo de pertinncia vencedora (defuzy-
ficao lgica) ou a forma de CG(X).
No treinamento das funes de pertinncias, neste trabalho, s foram treinados os pesos
(Wi na Eq. (1)). Desenvolveu-se o seguinte algoritmo para o treinamento dos pesos (peso e
pesod na Tabela 1) (Kuo, 1985) (Lima et alii, 1994).
Na Fig.7.16 define-se o erro como a diferena entre a referncia e o valor de sada da
planta (Eq.7.1). Define-se o ndice de desempenho na Eq. 7.2. A reduo do erro quadrtico
feita usando o mtodo descendente por etapas (steepest descent), ou a regra delta generali-
zada. O erro deve ser reduzido a partir da modificao dos pesos das funes de pertinncias
do sistema FUZZY. Neste mtodo, o usurio deve atribuir valores iniciais aleatrios aos pesos
W das funes de pertinncias do sistema FUZZY. Os pesos so iterativamente calculados
pela Eq. 7.3 (Cavalcanti, 2001) que representa a regra delta generalizada (Humelhart, 1986).
Definem-se como o parmetro que controla a estabilidade e a razo de convergncia do
treinamento e (I(W
k
)) como o valor do gradiente do ndice de desempenho no ponto W
k
.
Ef=Y(t)-Yf(t) (7.1)
I=E
2
=Ef
2
(7.2)
W
k+1
=W
k
+(-(I(W
k
))= W
k
+(-(I(W
k
)/W) (7.3)
Desenvolvendo a Eq. 7.3 utilizando as Eq. 7.1 e Eq. 7.2 obtm-se o valor utilizado no
treinamento da FUZZY que dado pela Eq.7.4. O termo /W pode ser considerado o algo-
ritmo de treinamento das funes de pertinncias, o termo /Y o jacobiano da planta.
Supe-se que esses termos so conhecidos e positivos, pois a curva CG(X) sempre crescen-
te, e a curva da deformao sempre crescente acompanhando a corrente, apresenta-se o al-
goritmo de treinamento dos pesos das funes de pertinncia do sistema FUZZY na Eq. 7.5.
(I(W
k
)/W)=-E./W=-E./Y.Y/W (7.4)
W
k+1
=W
k
+(-(I(W
k
)/W)= W
k
+(E. /Y.Y/W)= W
k
+.E (7.5)
A seguir, treinaram-se os pesos das funes de pertinncias para igualar a sada contnua
do sistema FUZZY ao comprimento (ou deflexo) da liga LMF (CG(X)=Yf(t)->Y(t)). Na
Fig.7.13 apresentam-se os resultados obtidos para uma entrada em degrau de tenso.
Na Fig.7.13, na cor preta a variao linear da temperatura, na cor azul a variao expo-
nencial da temperatura, na cor vermelha a temperatura eficaz para alongamento da viga, e o
degrau da tenso aplicada na cor verde.
LGICA FUZZY APLICADA S ENGENHARIAS
108
Jos Homero Feitosa Cavalcanti et ali

Fig.7.16 Modificao dos pesos iter=5
Usou-se o seguinte programa. Foram modificados os pesos 2 a 4 a cada iterao.
%fig716.m
%Identifica a funao de temperatura
clear all;clf;figure(1);subplot(111)
onde(1)=1;onde(2)=100;onde(3)=200;onde(4)=300;
%peso(1)=0.01;peso(2)=0.45;peso(3)=0.8;peso(4)=0.9;
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
decliv(1)=1.;decliv(2)=1.;decliv(3)=1.;decliv(4)=1.;
numfp=4;altura(1:4)=100;curva(1:4,1:330)=0.;
for i=1:4
for j=1:330
if(j<onde(i))curva(i,j)=altura(i)-decliv(i)*onde(i)+decliv(i)*j;end
if(j>=onde(i))curva(i,j)=altura(i)+decliv(i)*onde(i)-decliv(i)*j;end
if(i==4 & j>onde(4))curva(i,j)=altura(i);end
if(curva(i,j)<0)curva(i,j)=0.;end
if(curva(i,j)>altura(i))curva(i,j)=altura(i);end
end
end
%Temperatura exponencial e primeira CG
temp=0.;
for j=1:330
reta(j)=j/300;if(reta(j)>1)reta(j)=1;end
temp=temp+0.01*(1.35*reta(j)-temp);if(temp>1)temp=1;end
temper(j)=temp;
acima=peso(1)*curva(1,j)+peso(2)*curva(2,j)+peso(3)*curva(3,j)+peso(4)*curva(4,j);
abaixo=(curva(1,j)+curva(2,j)+curva(3,j)+curva(4,j));
curva(5,j)=1.;
if(abaixo~=0.)curva(5,j)=acima/abaixo;end
end
tt=1:330;t=tt;
plot(tt,curva(5,t),'k',tt,curva(1,t)/100,'b',tt,curva(2,t)/100,'b',tt,curva(3,t)/100,'b',tt,curva(4,t)/100,'b','LineWidth',1)
text(20,0.96,'Z P M G')
text(300,-0.07,'X');
hold
plot(tt,curva(5,t),'k','LineWidth',2);
plot(tt,temper(tt),'r','LineWidth',3);
pause
%%%%%%%%%%%%IDENTIFICACAO %%%%%%
for ve=1:5 %5 iteraoes
for tv=1:330
lmf=temper(tv);
% if(tv<onde(1)+100)
% peso(1)=peso(1)-(curva(numfp+1,tv)-lmf)*0.005;
% end
if(tv>onde(1)+100 && tv<=onde(2)+100)
peso(2)=peso(2)-(curva(numfp+1,tv)-lmf)*0.005;
end
if(tv>onde(2)+100 && tv<onde(3)+100)
peso(3)=peso(3)-(curva(numfp+1,tv)-lmf)*0.005;
end
if(tv>=onde(3)+100)
peso(4)=peso(4)-(curva(numfp+1,tv)-lmf)*0.005;
end
end
fazcg;
plot(tt,curva(5,t),'b','LineWidth',1);pause
end
plot(tt,curva(5,t),'b','LineWidth',2);hold
EXERCCIOS 7.7 IDENTIFICAO DA LMF SIMULADA algoritmo
7.7.1)Testar o programa da fig16.m.
7.7.2)Apresentar o grfico obtido na identificaao Fuzzy da variao da temperatura decres-
cente (semelhante ao grfico da Fig.7.16). Comparar com a Fig.7.17. Considere o sistema si-
mtrico, conhecendo-se as entradas e sadas de um dos dois degraus, como claculado o outro
degrau?
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
109
Jos Homero Feitosa Cavalcanti et ali
%fig7162.m
%Identifica a funao de temperatura
clear all;clf;figure(1);subplot(111)
onde(1)=1;onde(2)=100;onde(3)=200;onde(4)=300;
peso(1)=0.01;peso(2)=0.3;peso(3)=0.6;peso(4)=0.9;
%peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
decliv(1)=1.;decliv(2)=1.;decliv(3)=1.;decliv(4)=1.;
numfp=4;altura(1:4)=100;curva(1:4,1:330)=0.;
for i=1:4
for j=1:330
if(j<onde(i))curva(i,j)=altura(i)-decliv(i)*onde(i)+decliv(i)*j;end
if(j>=onde(i))curva(i,j)=altura(i)+decliv(i)*onde(i)-decliv(i)*j;end
if(i==4 & j>onde(4))curva(i,j)=altura(i);end
if(curva(i,j)<0)curva(i,j)=0.;end
if(curva(i,j)>altura(i))curva(i,j)=altura(i);end
end
end
%Temperatura exponencial e primeira CG
temp=0.;
for j=1:330
reta(j)=j/300;if(reta(j)>1)reta(j)=1;end
temp=temp+0.01*(1.35*reta(j)-temp);if(temp>1)temp=1;end
temper(j)=temp;
acima=peso(1)*curva(1,j)+peso(2)*curva(2,j)+peso(3)*curva(3,j)+peso(4)*curva(4,j);
abaixo=(curva(1,j)+curva(2,j)+curva(3,j)+curva(4,j));
curva(5,j)=1.;
if(abaixo~=0.)curva(5,j)=acima/abaixo;end
end
tt=1:330;t=tt;
plot(tt,curva(5,t),'k',tt,curva(1,t)/100,'b',tt,curva(2,t)/100,'b',tt,curva(3,t)/100,'b',tt,curva(4,t)/100,'b','LineWidth',1)
text(20,0.96,'Z P M G')
text(300,-0.07,'X');
hold
plot(tt,curva(5,t),'k','LineWidth',3);
plot(tt,temper(tt),'r','LineWidth',3);
plot(tt,1-curva(5,t),'k','LineWidth',3);
plot(tt,1-temper(tt),'r','LineWidth',3);

pause
%%%%%%%%%%%%IDENTIFICACAO %%%%%%
for ve=1:5 %5 iteraoes
for tv=1:330
lmf=temper(tv);
% if(tv<onde(1)+100)
% peso(1)=peso(1)-(curva(numfp+1,tv)-lmf)*0.005;
% end
if(tv>onde(1)+100 && tv<=onde(2)+100)
peso(2)=peso(2)-(curva(numfp+1,tv)-lmf)*0.005;
end
if(tv>onde(2)+100 && tv<onde(3)+100)
peso(3)=peso(3)-(curva(numfp+1,tv)-lmf)*0.005;
end
if(tv>=onde(3)+100)
peso(4)=peso(4)-(curva(numfp+1,tv)-lmf)*0.005;
end
end
fazcg;
plot(tt,curva(5,t),'b','LineWidth',1);pause
plot(tt,1-curva(5,t),'b','LineWidth',1);pause
end
hold


0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X 0 10 20 30 40 50 60 70 80 90 100
20
22
24
26
28
30
32
34
36
38
40
T
e
m
p
o
C
Temp(azul) tensao(verde)
S1=0
S1=1
LGICA FUZZY APLICADA S ENGENHARIAS
110
Jos Homero Feitosa Cavalcanti et ali

Fig.7.17 Treinamento das FPs, inicio na cor vermelha
7.8 ANLISE DA DEFLEXO EXPERIMENTAL DA LMF
Aps a montagem de um sistema de anlise de LMFs foram obtidas informaes sobre
a variao do comprimento das LMFs devido a variao da sua temperatura. Nesta seo con-
sidera-se que a histerese, observada traando-se a variao no comprimento das barras em
funo da tenso, deve-se ao atraso no aquecimento do material. O aquecimento ocorre com a
passagem da corrente eltrica. Considera-se que existe um limite mximo e mnimo da tempe-
ratura, valores acima e abaixo desses limites no mudam o comprimento da viga.
Os testes e resultados experimentais obtidos na elaborao da liga LMF foram realiza-
dos no Laboratrio Multidisciplinar de Materiais e Estruturas Ativas LaMMEA), da UFCG
em Campina Grande. A partir de testes experimentais observou-se que o comprimento da viga
podia variar entre 80mm<=comp<=83.5mm e a deflexo: 0.5<def<3.5mm.
Um sinal de entrada triangular com amplitude 0,8A e frequncia de 1 Hz foi criado com
o objetivo de aquecer e resfriar a LMF a um determinado nmero de ciclos desejado. Esse si-
nal determina o comportamento da LMF com relao ao seu encurtamento e alongamento. A
carga utilizada foi de 0,50 Kg o que corresponde a uma trao de 144,4 MPa.
Obteve-se um conjunto de dados de uma viga LMF. Na Fig.7.8 apresentam-se os dados
obtidos experimentalmente. A partir de testes experimentais observou-se que o comprimento
da viga podia variar entre 80mm<=comp<=83.5mm e a deflexo: 0.5<def<3.5mm.
Analisando-se a Fig.7.18 de cima para baixo e da esquerda para a direita.
Na primeira figura, apresenta-se o trem de pulsos da tenso aplicada sobre a LMF, re-
presentada em p.u. com E=12V.
Na segunda figura, apresenta-se o trem de pulsos da corrente induzida na LMF, repre-
sentada em ampere. A relao entre a corrente e a tenso V=Ri.
Na terceira figura, apresenta-se o trem de pulsos da deflexo da LMF. Usou-se uma viga
LMF de 80mm. A deflexo em mm.
Na quarta figura, apresentam-se os trens de pulsos da tenso aplicada sobre a LMF e a
deflexo ocorrida.
0 50 100 150 200 250 300 350
0
0.2
0.4
0.6
0.8
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.2
0.4
0.6
0.8
1
Z P M G
X
20 22 24 26 28 30 32 34 36 38 40
20
22
24
26
28
30
32
34
36
38
LGICA FUZZY APLICADA S ENGENHARIAS
111
Jos Homero Feitosa Cavalcanti et ali
Na quinta figura, apresentam-se os trens de pulsos da corrente aplicada sobre a LMF e a
deflexo ocorrida.
Na sexta figura, apresenta-se a curva da histerese de um pulso obtido da tenso aplicada
sobre a LMF.

Fig.7.18 Ativao experimental de uma LMF
Na Fig.7.19 ( esquerda) apresentam quatro ciclos do sinal de corrente de aquecimento
gerado (grfico de cor preta) e o sinal correspondente ao deslocamento sofrido pela LMF de-
vido o aquecimento e resfriamento (grfico de cor vermelha). Na Fig.7.19, direita, apresen-
ta-se a normalizao (prximo a um) do grfico esquerda.

Fig.7.19 Comportamento da LMF depois de quatro ciclos automticos.
A seguir, no intuito de observar a ocorrncia de histerese, foi traada a reposta em for-
ma de deslocamento da amostra testada. Na Fig.7.20 apresenta-se a curva que relaciona a cor-
rente eltrica que proporciona aquecimento e resfriamento com a deformao sofrida pela
LMF (def versus cor). Este grfico comprova o comportamento histertico tpico das ligas de
memria de forma.
0 2000 4000 6000
0
0.5
1
Tensao
0 2000 4000 6000
0
0.5
1
Corrente
0 2000 4000 6000
0
2
4
Deflexao
0 0.2 0.4 0.6 0.8
0
2
4
corrente eltrica (A)
d
e
f
o
r
m
a

o

(
m
m
)
0 2000 4000 6000
0
2
4
Corrente e deflexao
0 2000 4000 6000
0
2
4
Tensao e deflexao
0 1000 2000 3000 4000 5000
0
0.5
1
1.5
2
2.5
3
3.5
4
cor(preta) def(verm) Tempo(S)
c
o
r
r
e
n
t
e
(
A
)
,

d
e
f
o
r
m
a

o
(
m
m
)
0 1000 2000 3000 4000 5000
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
cor(preta) def(verm)
LGICA FUZZY APLICADA S ENGENHARIAS
112
Jos Homero Feitosa Cavalcanti et ali

Fig.7.20 Histerese
Na parte superior da Fig.7.21 apresentam-se os resultados experimentais obtidos (pon-
tos de 501 a 1500) para uma entrada linear de tenso (correntes crescente e decrescente na cor
azul), e uma deflexo (cor vermelha) na LMF. direita apresenta-se a curva de histerese ob-
tida traando-se a curva deflexo versus corrente.
Na parte inferior da Fig.7.21 apresentam-se os resultados obtidos considerando o siste-
ma simtrico, a parte da corrente decrescente foi traado a partir das entradas e sadas da cor-
rente crescente. Observe-se a descontinuidade na gerao dos pontos da corrente descrescente.
Portanto, a LMF no simtrica.

Fig.7.21 Variao da corrente e da deflexo na LMF
7.10 IDENTIFICAO DA LMF EXPERIMENTAL
Devido a assimetria da LMF decidiu-se usar dois sistemas fuzzy para identificar a LMF.
Na Fig.7.22 esquerda, podem-se definir dois intervalos, um na subida, (pontos
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
2
2.5
3
3.5
4
4.5
5
5.5
6
6.5
corrente (A)
d
e
f
o
r
m
a

o

(
m
m
)
500 600 700 800 900 1000 1100 1200 1300 1400 1500
0
0.2
0.4
0.6
0.8
1
Corrente e deflexo
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
histerese
500 600 700 800 900 1000 1100 1200 1300 1400 1500
0
0.2
0.4
0.6
0.8
1
Corrente e deflexo
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.2
0.4
0.6
0.8
1
histerese
LGICA FUZZY APLICADA S ENGENHARIAS
113
Jos Homero Feitosa Cavalcanti et ali
501<=X<1000), e outro na descida (pontos 1001<=x<1500). Esses valores podem ser usados
na adaptao das funes de pertinncias dos dois sistemas FUZZY.


1 2 3 4 1
Fig.7.22 Comportamento da LMF depois de alguns ciclos (normalizado)
Usou-se o conjunto de dados da Fig.7.22 esquerda para identificar a LMF na forma
mostrada na Fig.7.23. Aps alguns testes de simulaes, resultados no apresentados neste
trabalho, decidiu-se usar o sistema FUZZY com dois conjuntos de funes de pertinncias,
cada um com dez funes de pertinncias, numeradas de 1 a 10 (ver a Tabela 7.3).
Tab.7.3 Identificao da LMF
FP1 FP2 FP3 FP4 FP5 FP6 FP7 FP8 FP9 FP10
Peso 0.1 0.1 0.1 0.15 0.15 0.15 0.15 0.53 0.53 1.
Pesod 1. 1. 1. 0.93 0.93 0.93 0.93 0.65 0.65 0.1
Onde 30 80 130 180 230 280 330 380 430 480
inclin 2 2 2 2 2 2 2 2 2 2
altura 1 1 1 1 1 1 1 1 1 1

Usando-se a Tabela 1 e o conjunto de dados mostrados direita da Figura (5), foram
montados dois sistemas FUZZY, um para representar a variao de def com o crescimento da
corrente, e o outro, para a diminuio da corrente. Inicialmente foram usados os pesos dados
na Tabela 1 para gerar a curva CG(X).
Na parte superior da Fig.7.23 apresentam-se as funes de pertinncias obtidas com os
pesos usados em temperatura crescente (peso()) e decrescente (pesod()) mostrados na Tab.7.3.
Os lugares dos mximos das funes de pertinncia so mostrados na varivel onde(). Todas
as FPs possuem a mesma altura e mesma inclinao.
O resultado obtido na primeira iterao (considera-se uma iterao a apresentao dos
500 pontos de entrada do sistema FUZZY). Os resultados obtidos so mostrados na Fig.7.23.
Observe-se que os dois sistemas FUZZY no representam corretamente o sistema da liga
LMF (CG(X), ou Yf(t) diferente de Y(t)).

0 1000 2000 3000 4000 5000
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
cor(preta) def(verm)
500 1000 1500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
cor(preta) def(verm)
LGICA FUZZY APLICADA S ENGENHARIAS
114
Jos Homero Feitosa Cavalcanti et ali

Fig.7.23 Os dois conjuntos das funes de pertinncias
Usando-se os pesos da Tab.7.3 e o algoritmo de treinamento dos pesos das funes de
pertinncias apresentado na Eq. (6), foram treinadas as funes de pertinncias para simular o
sistema da liga LMF.
No treinamento das funes de pertinncias, neste trabalho, s foram treinados os pesos
(Wi na Eq. (1)), ver a seo 7.4. A seguir, treinaram-se os pesos das funes de pertinncias
para igualar a sada contnua do sistema FUZZY ao comprimento (ou deflexo) da liga LMF
(CG(X)=Yf(t)->Y(t)).
Na Fig.7.24, parte superior apresentam-se as identificaes da LMF na subida e descida.
Na parte inferior apresenta-se a variao do erro mdio quadrtico a cada iterao. Resultados
obtidos com o treinamento dos sinais da LMF mostrado na Fig.7.




Fig.7.24 Os dois conjuntos das funes de pertinncias, conjunto 1
0 100 200 300 400 500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
X=cor X
X
=
c
o
r

d
e
f
(
X
)

e

C
G
(
X
)
FP1 FP2 FP3 FP4 FP5 FP6 FP7 FP8 FP9 FP10
0 100 200 300 400 500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
X=cor X
X
=
c
o
r

d
e
f
(
X
)

e

C
G
(
X
)
FP1 FP2 FP3 FP4 FP5 FP6 FP7 FP8 FP9 FP10
0 100 200 300 400 500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
X=cor X
X
=
c
o
r

d
e
f
(
X
)

e

C
G
(
X
)
FP1 FP2 FP3 FP4 FP5 FP6 FP7 FP8 FP9 FP10
0 100 200 300 400 500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
X=cor X
X
=
c
o
r

d
e
f
(
X
)

e

C
G
(
X
)
FP1 FP2 FP3 FP4 FP5 FP6 FP7 FP8 FP9 FP10
500 1000 1500
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
cor(preta) def(verm)
0 0.2 0.4 0.6 0.8 1
0
0.2
0.4
0.6
0.8
1
Experimental(verm) Simulado(azul)
0 20 40 60 80 100
0
5
10
15
erros
LGICA FUZZY APLICADA S ENGENHARIAS
115
Jos Homero Feitosa Cavalcanti et ali
Por ltimo, usando-se todas as entradas e sadas obtidas experimentalmente, mostradas
esquerda da Fig.7.22 (conjuntos numerados de 1 a 4), o sistema Fuzzy foi treinado durante
cem iteraes. Na Fig.7.25 apresentam-se os resultados obtidos para cada conjunto de treina-
mento, seguido do ndice de desempenho observado no treinamento. Observe-se as variaes
na curva dos erros e nas histereses, indicando que o sistema no aprendeu completamente a
dinmica dos quatro perodos das ligas LMF.



Fig.7.25. Erro quadrtico

7.9 CONCLUSO
Neste captulo fez-se uma anlise Fuzzy da dinmica e aplicaes das LMFs. Nele fo-
ram apresentados resultados obtidos de simulao e implementao de dois sistemas FUZZY
usados na simulao do comportamento de ligas LMF durante a sua variao de tamanho em
funo da temperatura.
Na identificao da LMF usando dados experimentais usou-se um sistema FUZZY com
dois conjuntos de funes de pertinncias, um deles para simular a dinmica do sistema com
temperatura crescente, e o outro para temperatura decrescente. Durante a simulao foram
treinados os parmetros das funes de pertinncias com uma nica entrada (conjunto de en-
trada e sada da Figura (5) direita), e com mais de uma entrada (conjunto de quatro entradas
e sadas da Figura (5) esquerda). O sistema FUZZY aprendeu com menos erros o sistema de
nica entrada.

0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
temp desl e tempcg cg
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
temp desl e tempcg cg
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
temp desl e tempcg cg
0 0.2 0.4 0.6 0.8 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
temp desl e tempcg cg
0 1000 2000 3000 4000 5000
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
cor(preta) def(verm)
0 20 40 60 80 100
0
2
4
6
8
10
12
14
erros
LGICA FUZZY APLICADA S ENGENHARIAS
116
Jos Homero Feitosa Cavalcanti et ali
CAPTULO VIII



APLICAO DA LGICA FUZZY NA ANLISE SENSORIAL
MNICA TEJO CAVALCANTI



8.1 INTRODUO
Neste captulo prope-se uma extenso ao mtodo de defuzzyficao Fuzzy do centro
de gravidade, usando o histograma das opinies dos provadores, na anlise dos dados sensori-
ais.
8.2 A ANLISE SENSORIAL
A anlise sensorial uma cincia interdisciplinar na qual se convidam avaliadores, que
se utilizam da complexa interao dos rgos dos sentidos (viso, gosto, tato e audio) para
medir ou avaliar as caractersticas sensoriais e a aceitabilidade dos produtos alimentcios e
muitos outros materiais (WATTS et al., 1992).
Os mtodos sensoriais so baseados nas respostas aos estmulos, que produzem sensa-
es cujas dimenses so: intensidade, extenso, durao, qualidade e prazer ou desprazer.
Enquanto os estmulos podem ser medidos por mtodos fsicos e qumicos, as sensaes so
medidas por processos psicolgicos. A anlise sensorial vem sendo aplicada no desenvolvi-
mento e melhoramento de produtos, controle de qualidade, estudos sobre armazenamento e
desenvolvimento de processos. Uma das exigncias da avaliao sensorial a deciso sobre a
qualidade do produto, que nos testes de escala hednica (WATTS et al., 1992) traduzida pe-
la aceitao dos alimentos. Existem alguns mtodos estatsticos desenvolvidos para a anlise
sensorial, como a analise de varincia (ANOVA), anlise de superfcie de resposta, redes neu-
rais artificiais, etc.
Neste trabalho deseja-se conhecer a mistura entre a farinha da faveleira e a protena
mais aceita (o melhor gosto representado por um adjetivo) na composio do po, e descobrir
o que teve mais influencia no gosto: a farinha da faveleira, a protena ou a concentrao deles.
Basicamente, deseja-se conhecer as opinies dos provadores sobre a mistura, isto , descobrir
se a farinha da faveleira e/ou a protena influenciaram na aceitao do po com diferentes
concentraes na mistura. Para isso foi feita uma anlise para descobrir o que o conjunto de
provadores achou do produto, isto , se eles gostaram ou no do produto.
Os organizadores da anlise prepararam um conjunto de oito pes (pequenos pedaos de
po), sendo um deles um po padro sem a faveleira, e sete pes com a faveleira em diferentes
concentraes seguindo um planejamento experimental 2
2
mais trs pontos centrais, como
mostra a Tabela 1.

Tabela 1 - Matriz do planejamento fatorial 2
2
+ 3 ponto central.
Experimentos
Variveis
Farinha da faveleira (%) Isolado protico (%)
(amostra 1) Padro - -
LGICA FUZZY APLICADA S ENGENHARIAS
117
Jos Homero Feitosa Cavalcanti et ali
(amostra 2) 1 (-1) 2,5 (-1) 0,01
(amostra 3) 2 (+1) 7,5 (-1) 0,01
(amostra 4) 3 (-1) 2,5 (+1) 0,02
(amostra 5) 4 (+1) 7,5 (+1) 0,02
(amostra 6) 5 (0) 5,0 (0) 0,015
(amostra 7) 6 (0) 5,0 (0) 0,015
(amostra 8) 7 (0) 5,0 (0) 0,015

Escolheram-se cinqenta provadores para fazerem a primeira anlise sensorial, chamada
de teste de aceitao global (s a quantidade de faveleira, farinha e protena, adicionada ao
po). Os provadores foram codificados para no influenciarem a anlise das amostras. Os au-
tores decidiram heuristicamente usar uma gradao com nove notas (progresso por graus su-
cessivos) que representam a escala do gosto dos provadores.
Durante a aferio (fase da anlise das amostras pelos provadores), cada provador codi-
ficado provou o conjunto de pes (oito pes ou oito amostras) e atribuiu uma nota variando
entre 1 e 9 ao gosto do po (notas representadas por variveis lingsticas).
Na Tabela 2 apresenta-se a escala do gosto dos provadores (adjetivos atribudos s mis-
turas) inicialmente sugerida pelos autores deste trabalho. Analisando-se a Tabela 2, v-se que
se pode fazer uma associao entre o gosto dos provadores e as variveis lingsticas utiliza-
das na Lgica Fuzzy (ver apndice A).
A cada gradao foi associado uma funo da Lgica Fuzzy (funo de pertinncia, FP)
que variam de gostei muitssimo (armazenado numa tabela e atribudo o valor 9), a desgostei
muitssimo (armazenado numa tabela e atribudo o valor 1).

Tabela 2- Adjetivos atribudos s misturas
9 Gostei muitssimo
8 Gostei muito
7 Gostei moderadamente
6 Gostei ligeiramente
5 Nem gostei/nem desgostei
4 Desgostei ligeiramente
3 Desgostei moderadamente
2 Desgostei muito
1 Desgostei muitssimo
Apndice B -Tabela 3 Opinio dos provadores
Aceitao Global
Provadores
Cdigos dos pro-
vadores
Amostras

1 2 3 4 5 6 7 8
P 1 2 3 4 5 6 7
Notas
1 201 9 5 7 6 8 4 9 7
2 202 7 8 7 9 9 9 9 9
3 203 8 8 7 8 9 8 8 8
4 204 9 8 9 7 7 6 8 7
5 205 6 6 5 7 7 6 6 5
LGICA FUZZY APLICADA S ENGENHARIAS
118
Jos Homero Feitosa Cavalcanti et ali
6 206 8 9 7 8 7 8 8 9
7 207 8 8 9 8 8 8 7 8
8 208 8 8 7 5 7 8 7 8
9 209 8 8 7 6 8 6 4 6
10 210 8 7 7 8 7 8 7 7
11 211 7 8 6 6 8 7 6 6
12 212 7 5 8 8 6 7 9 6
13 213 8 7 6 7 7 7 8 8
14 214 8 6 3 7 5 8 3 7
15 215 6 6 5 6 6 8 6 8
16 216 4 7 7 6 1 8 4 7
17 217 9 6 8 9 9 6 8 6
18 218 5 9 7 7 7 6 8 5
19 219 6 5 5 6 7 4 8 7
20 220 7 8 4 9 3 7 9 8
21 221 9 8 8 8 8 8 6 7
22 222 7 8 5 7 4 3 7 7
23 223 6 6 4 7 4 7 7 8
24 224 7 7 6 8 7 6 6 7
25 225 7 9 9 5 7 8 8 5
26 226 8 8 7 8 6 4 4 5
27 227 4 6 8 6 8 7 7 8
28 228 7 8 6 5 5 2 9 9
29 229 7 8 6 2 8 7 3 8
30 230 9 6 6 8 5 5 9 8
31 231 8 8 8 7 4 6 6 7
32 232 8 8 7 8 6 7 7 9
33 233 8 7 8 8 8 9 9 8
34 234 7 6 8 5 8 9 9 9
35 235 6 7 5 6 6 6 5 4
36 236 7 8 8 9 7 6 7 9
37 237 5 8 7 6 6 7 7 9
38 238 5 7 6 8 6 7 7 7
39 239 7 6 2 4 6 4 2 6
40 240 7 7 8 8 9 8 7 8
41 241 9 8 7 7 8 8 6 7
42 242 7 5 8 5 7 8 7 7
43 243 6 7 6 8 5 4 6 7
44 244 8 8 9 8 9 8 8 8
45 245 8 9 4 6 4 5 7 6
46 246 8 8 7 9 7 6 7 7
47 247 4 8 7 7 6 9 8 9
48 248 7 8 2 8 7 7 2 7
49 249 5 6 6 7 7 7 6 8
50 250 7 8 6 6 5 8 8 9
Mdia 7,08 7,26 6,5 6,94 6,58 6,7 6,78 7,3

LGICA FUZZY APLICADA S ENGENHARIAS
119
Jos Homero Feitosa Cavalcanti et ali

Na Tabela 3 apresenta-se o resultado obtido dos provadores. Usando-se uma analise das
mdias das notas atribudas a cada po, observou-se que o po de nmero sete teve a maior
mdia das notas, o que pode ser visto na ltima linha da Tabela 3.
Analisando-se a Tabela 3 v-se que a distribuio das anlises dos provadores sobre o
conjunto das oito amostras pode ser analisada usando um histograma das amostras em relao
a sua anlise sensorial.
No clculo do histograma das amostras define-se um vetor varivel de comprimento
nove. Contam-se as ocorrncias de cada gradao da avaliao (1 a 9) e armazenam-se os re-
sultados no vetor hist. O trecho do programa a seguir apresenta o clculo da varivel hist(1:9).
O vetor ya(1:50,1:9) o vetor do gosto dos provadores, uma das colunas da Tabela 3 do a-
pndice B.






Na Fig.5 apresentam-se os histogramas do conjunto das oito amostras. O conjunto das
amostras 1, 2, 3 e 4 so mostradas na primeira linha, o conjunto das amostras 5, 6, 7 e 8 so
mostradas na segunda linha.


Fig.5 Histograma das anlises
Analisando-se o histograma 1 da Fig.1, hist =[ 0 0 0 3 4 6 16 15 6],
verificam-se zero ocorrncias de avaliaes dos pontos 1, 2 e 3 (variveis lingsticas Desgos-
tei moderadamente, Desgostei muito e Desgostei muitssimo). Trs ocorrncias de avaliaes
do ponto 4 (Desgostei ligeiramente). Quatro ocorrncias de avaliaes do ponto 5 (Nem gos-
tei/nem desgostei), seis do ponto 6 (Gostei ligeiramente), dezesseis do ponto 7 (Gostei mode-
radamente), quinze do ponto 8 (Gostei muito) e seis do ponto 9 (Gostei muitssimo). A mes-
ma anlise pode ser feito para os demais histogramas das amostras apresentados na Fig.5.
O procedimento para verificar a aplicabilidade da lgica Fuzzy para tomada de deciso
na aceitabilidade de um produto em provas hednicas na anlise sensorial foi conduzido a
partir das hipteses de que a Lgica Fuzzy pode ser aplicada na tomada de deciso na aceita-
bilidade de um produto submetido a provas hednicas na anlise sensorial. As composies
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
5
10
15
20
25
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
Histograma
escala
O
c
o
rre
n
c
ia
s
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
escala
O
c
o
rre
n
c
ia
s
hist(1:9)=0.;
for ii=1:50
k=ya(ii,amostra);
hist(k)=hist(k)+1;
end

LGICA FUZZY APLICADA S ENGENHARIAS
120
Jos Homero Feitosa Cavalcanti et ali
caracterstica do consumidor e sensaes hednicas provocadas pelo produto, compostas
por fatores intervenientes so os entes necessrios convergncia ao conjunto decisrio. Exis-
te uma hierarquizao dos componentes intra composio. O nvel de acuidade avaliativa da
composio caracterstica do consumidor na aceitabilidade do produto diferenciado pelo
atributo sexo e idade.
Tradicionalmente, na lgica Fuzzy, uma das tcnicas usadas na anlise de dados o
cluster (agrupamento) que pode ser empregado na anlise sensorial.
O sistema sensorial Fuzzy proposto neste trabalho foi baseado em controladores em que
usualmente uma planta requer um controle na forma de quantidade real e no na forma Fuzzy,
o controlador Fuzzy de Mamdani utiliza dois dispositivos para transformar uma varivel da
forma real para a forma Fuzzy e vice versa. Esses dispositivos so o fuzzyficador ("fuzzyfi-
er") que precede o controlador Fuzzy para associar um valor lingstico a uma quantidade re-
al, e o defuzzyficador ("defuzzyfier") que segue o controlador Fuzzy e associa um nmero
real a um conjunto (Fuzzy Mamdani & Gaines, 1991).
Na Fig.8.1 apresenta-se a verso do sistema sensorial usando a Lgica Fuzzy na anlise
dos resultados sensoriais de provadores das caractersticas da mistura do po com a faveleira.
Prepara-se um grupo de provadores que recebem um conjunto de amostras. Cada provador
relata o seu gosto sobre a amostra. Pode-se chegar concluso que o produto com faveleira
fica mais doce ou mais salgado que o po puro, melhora a aparncia, etc. O usurio definir a
forma melhor das amostras sensorias.

SAL
AUCAR
APARNCIA
CONSISTNCIA

LGICA
FUZZY

RESULTADO
AMOSTRA


Fig.8.1 Diagrama geral do sistema Fuzzy.

Na anlise inicial do projeto do sistema sensorial usando a Lgica Fuzzy foram segui-
dos alguns passos comuns s pesquisas. No caso da anlise sensorial de uma nica
caracterstica da mistura pode-se considerar que um grupo de provadores analisam um con-
junto de amostras com diferentes caractersticas. As caractersticas sensoriais das amostras
podem ser descritas por adjetivos do tipo bom, ruim, etc. Portanto, uma nica caracterstica da
mistura pode ser definida por um conjunto de adjetivos, o que leva a utilizao de histogramas
centrados nos adjetivos, e com intensidade igual ao nmero de escolhas dos adjetivos pelos
provadores.
Sabendo-se que a anlise sensorial feita a partir de opinies de um certo nmero de
avaliadores (aval) para um determinado nmero de amostras (am).
Sabendo-se que as opinies dos avaliadores podem ser descritas por adjetivos, e que es-
ses adjetivos podem ser representados numericamente. Por exemplo, um sistema Fuzzy com
quatro funes de pertinncia RUIM=0.1, FRACO=0.3, MDIO=0.5, BOM=0.7 e TIMO=1
podem representar as opinies dos avaliadores.
Sabendo-se que existem diferentes amostras a serem testadas pelos avaliadores e que es-
sas amostras podem ser representadas na forma de histograma.
LGICA FUZZY APLICADA S ENGENHARIAS
121
Jos Homero Feitosa Cavalcanti et ali
Decidiu-se modificar os pesos das funes de pertinncia baseado no histograma das
amostras. As decises a serem tomadas usando a Lgica Fuzzy sobre a caracterstica da mis-
tura ser feita usando um histograma das opinies dos provadores, acoplado a curva do centro
de gravidade das funes de pertinncia do sistema usando a Lgica Fuzzy.
8.3 PROJETO DO SISTEMA SENSORIAL FUZZY
No sistema sensorial Fuzzy atribui-se uma varivel Fuzzy (S
f
) para representar a escolha
sensorial da amostra e associam-se diferentes valores lingsticos para S
f
seguindo as vari-
veis lingsticas (Gostei ligeiramente (L), Gostei (G), Gostei muito (M) e Gostei muitssimo
(A)).
Na Fig.8.3 apresentam-se as curvas obtidas na anlise Fuzzy do conjunto de dados de
uma amostra hipottica.
Na Fig.8.3, esquerda, apresenta-se um histograma obtido da anlise dos provadores de
uma amostra de uma mistura hipottica provada por cinqenta (elem=50) avaliadores. Nesta
figura a abscissa representa os adjetivos escolhidos para classificarem as misturas, e a altura
das barras do histograma indicam o nmero de provadores que escolheram aquele adjetivo.
A abordagem foi acoplar o histograma curva CG gerada com a eq.1. Por exemplo, um
histograma com elem=50 provadores, calculou-se um peso auxiliar para as
i
pe-
soh=hist/elem que deve ser adicionado a cada peso das funes de pertinncia
(
i
=
i
+pesoh
i
).
direita da Fig.8.3 apresenta-se uma figura com as funes de pertinncia e a curva
CG(X). No ttulo da figura relaciona-se um conjunto de adjetivos que representam a opinio
da amostra dos avaliadores. Observe-se que CG(X) tem uma forma aproximada de uma en-
voltria da curva dos histogramas. Na mesma figura foi desenhada a derivada de CG(X)
(dCG(X)/dX). A curva da derivada apresenta descontinuidades nos pontos entre as funes de
pertinncia e o seu valor proporcional ao nmero do histograma da amostra. Essas caracte-
rsticas observadas vo ser usadas na anlise sensorial das amostras usando a Lgica Fuzzy.

A partir das notas atribudas pelos 50 provadores para as amostras de po de forma se
montou um histograma das amostras onde um vetor varivel de comprimento nove conta as
ocorrncias em cada gradao da avaliao (de 1 a 9) e armazena-se os resultados no vetor
histograma (vetor hist) que uma matriz montada no programa. A cada gradao foi associa-
do uma funo da Lgica Fuzzy (funo de pertinncia, FP) que variam de gostei muitssimo
(armazenado numa tabela e atribudo o valor 9), a desgostei muitssimo (armazenado numa
tabela e atribudo o valor 1).
Exerc.O trecho do programa a seguir (Quadro 2) apresenta o clculo da varivel
hist(1:9). O vetor ya(1:50,1:9) o vetor das notas dos provadores.
Quadro 2 Trecho do programa para o calculo das variveis.
hist(1:9)=0.;
for ii=1:50
k=ya(ii,amostra);
hist(k)=hist(k)+1;
end

Deseja-se conhecer a melhor interao na composio do po entre a farinha e a prote-
na da faveleira (o melhor gosto representado por um adjetivo) e descobrir se acontece alguma
influncia na aceitao do po utilizando a Lgica Fuzzy. Pode-se fazer uma associao entre
LGICA FUZZY APLICADA S ENGENHARIAS
122
Jos Homero Feitosa Cavalcanti et ali
o gosto dos provadores atravs da escala hednica verbal e as variveis lingsticas utilizadas
na Lgica Fuzzy, onde a cada gradao foi associado uma funo da Lgica Fuzzy (funo de
pertinncia - FP) que variam de gostei muitssimo (armazenado numa tabela e atribudo o va-
lor 9), a desgostei muitssimo (armazenado numa tabela e atribudo o valor 1).
As curvas das funes de pertinncia da varivel Fuzzy S
f
esto representadas na cor
azul e as escolhas sensoriais das amostras na cor amarelo. Na mesma figura apresentam-se a
curva CG obtida usando a Equao 1 (cor vermelha), e a derivada da curva CG na cor verde.
Na Equao 1, a FP
i
representa o valor das FPs (0<=FP
i
<=1) e w
i
representam os pesos das
FPs. Por exemplo, a FP
1
tem o seu mximo em x=10 (abscissa), possui uma inclinao de 6.6,
e um peso igual a w
1
=0.1. Observe-se que a curva CG no depende do histograma, mas de-
pende dos vetores onde, peso e decliv.
Analisando-se o histograma da amostra 1, da Figura 4, temos hist =[ 0 0 0 3 4
6 16 15 6], conforme a Tabela 1, verificam-se zero ocorrncias de avaliaes dos pon-
tos 1, 2 e 3 (variveis lingsticas Desgostei muitssimo, Desgostei muito e Desgostei mode-
radamente), trs ocorrncias de avaliaes do ponto 4 (Desgostei ligeiramente), quatro ocor-
rncias de avaliaes do ponto 5 (Nem gostei/nem desgostei), seis do ponto 6 (Gostei ligeira-
mente), dezesseis do ponto 7 (Gostei moderadamente), quinze do ponto 8 (Gostei muito) e
seis do ponto 9 (Gostei muitssimo). A mesma anlise foi feita para os demais histogramas
das amostras.
No traado das funes de pertinncia (FPs) foram usados localizaes, pesos e declivi-
dades das retas descritas pelo trecho de programa descrito no Quadro 3. A abscissa das FPs
foi projetada para 100 pontos (variando de 1 a 100). Os mximos das FPs foram projetados
para ocorrerem nos pontos 10, 20, 30, 40, 50, 60, 70 80 e 90 da abscissa, para as escolhas (i)
de 1 a 9, respectivamente. O Quadro 3 apresenta um trecho do programa com os pesos das
FPs de 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8 e 0.9, para as escolhas de 1 a 9, respectivamente. A
declividade (decliv) das retas das FPs foi fixa e igual a 6.6.
Quadro 3 Trecho do programa para o peso e a declividade.
for i=1:9
onde(i)=10*i;
peso(i)=i/10;
decliv(i)=6.6;
end
Os resultados obtidos nos traados dos histogramas das amostras na gerao das curvas
CG e da sua derivada sero utilizados num novo mtodo para anlise sensorial das amostras.
A abordagem inicial no projeto do analisador sensorial Fuzzy foi associar o histograma
curva CG. Para cada valor representado no histograma calculou-se um novo peso, denomi-
nado pesoh=hist/elem. Onde elem o nmero de provadores (elem=50) como mostra a
Equao 1.
O programa usado para gerar os pesos foi modificado para o trecho de programa mos-
trado no Quadro 4 abaixo.
Quadro 4 Trecho do programa modificado de acordo com a Equao 2.
for i=1:9
onde(i)=10*i;
peso(i)=i/10;
pesot(i)=peso(i) + hist(i)/elem;
decliv(i)=6.6;
LGICA FUZZY APLICADA S ENGENHARIAS
123
Jos Homero Feitosa Cavalcanti et ali
end
Na Fig.8.5 apresentam-se as curvas CG das amostras considerando o clculo do CG
com histograma. Observe-se que as curvas das diferentes CGs terminam em pontos diferentes,
porem em uma mesma rea.




1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
5
10
15
20
25
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
5
10
15
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
LGICA FUZZY APLICADA S ENGENHARIAS
124
Jos Homero Feitosa Cavalcanti et ali

Fig.8.5 Resultados relativos das curvas CG das amostras (1- 8) considerando o clculo
do CG com histograma.
Na tabela 2 observa-se que o valor final de CG(X) da amostra 8 maior do que o valor
final das demais amostras, que aps estudos comparativos com os mtodos estatsticos, pode-
se confirmar que a amostra indicada (a melhor avaliada pelos provadores) aquela com a
maior CG(X).
Tabela 2 Valores finais de CG(X) das amostras
AMOSTRA CG(X) FINAL AMOSTRA CG(X) FINAL
1 1.0083 2 0.9739
3 0.9719 4 0.9907
5 0.9897 6 0.9727
7 1.0433 8 1.0616

A amostra 8, experimento 7, equivalente ao ponto central do planejamento experimental
utilizado na elaborao do po em questo, obteve maior aceitao global pelos provadores
segundo o sistema Fuzzy, pois apresentou maior centro de gravidade (CG) em relao as ou-
tras concentraes analisadas. A amostra 8 obteve aproximadamente 90% de aceitao pelos
provadores que atriburam notas superiores a 5 (nem gostei/nem desgostei) na escala hedni-
ca.
Na Fig.8.6, parte superior, apresenta-se a superfcie gerada pelas CG(X) dos oito expe-
rimentos. Observe-se que a amostra oito apresenta maior valor final de CG(X). Na Fig.8.6, na
parte inferior, apresenta-se a superfcie de dCG(X)/dX.

1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
1 2 3 4 5 6 7 8 9
0
2
4
6
8
10
12
14
16
Histograma
Amostra
O
c
o
r
r
e
n
c
i
a
s
0 50 100
0
0.2
0.4
0.6
0.8
1
1.2
1.4
CGs
Amostra
0 50 100
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Derivadas de CGs
LGICA FUZZY APLICADA S ENGENHARIAS
125
Jos Homero Feitosa Cavalcanti et ali

Fig.8.6 Superficies geradas de CG(X) e dCG(X)/dX
8.6 CONCLUSO
Apresentou-se um novo sistema de anlise sensorial baseado na Lgica Fuzzy. O ASLF
ainda est em estudo, mas pode-se observar que: os valores de onde, peso e decliv podem ser
mudados para dar maior realce a alguma regio da curva CG; pode-se desenvolver a anlise
sensorial central que pode ser usada para encontrar um ponto neutro. Por exemplo, nem est
insosso nem salgado. Est doce, no dulcssimo nem aguado.
Pode-se considerar que a ASLF uma ferramenta de auxlio aos mtodos estatsticos,
pois apresenta grficos de fcil entendimento pelo usurio. Pode-se usar um dos valores da
CG como referncia no estudo da preferncia do usurio.

0
20
40
60
80
100
1
2
3
4
5
6
7
8
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Superficie das oito CG(X)
0
20
40
60
80
100
1
2
3
4
5
6
7
8
-0.01
-0.005
0
0.005
0.01
0.015
0.02
0.025
0.03
0.035
Superficie das oito dCG(X)/dX
LGICA FUZZY APLICADA S ENGENHARIAS
126
Jos Homero Feitosa Cavalcanti et ali
CAPTULO IX


AGRUPAMENTOS E PREVISO



9.1 INTRODUO
Neste captulo apresenta-se a aplicao da Lgica Fuzzy em sistemas que usam agru-
pamentos. Neste captulo, inicialmente apresenta-se como traar as funes de pertinncia e a
defuzzyficao das funes de pertinncia. Estuda-se agrupamento (cluster) e classes usando
como exemplo dados obtidos da radiao solar. Posicionamento das FPs.
9.2 RADIAO SOLAR
Agrupamento, ou cluster, um mtodo utilizado para agrupar em conjuntos elementos
de caractersticas comuns. Aps o agrupamentos dos dados, a cada agrupamento associado
uma classe. No ambiente MATLAB existe um programa demonstrao, denominado fcmde-
mo.m, que deve ser estudado pelo aluno para entender agrupamentos ou clusters. Alm disso,
diversos autores tem estudado agrupamentos (clusters) e classes (Widrow, 1976;1985).
Nesta seo ser analisado, no sentido de agrupamento ou cluster, um conjunto de dados
relativos a radiao solar (kWh/m
2
) medida entre os anos 1700 e 1987 (288 anos). Na Fig.9.1
apresenta-se a curva obtida a partir dos dados da radiao solar com a abscissa representando
o ano, a ordenada representando a radiao solar.

Fig. 9.1 Radiao solar em funo do ano
Na Fig.9.2 apresenta-se a curva obtida a partir dos dados da radiao solar com a abs-
cissa representando o nmero da amostra, a ordenada representando a radiao solar normali-
zada entre zero e um.
1700 1750 1800 1850 1900 1950 2000
0
20
40
60
80
100
120
140
160
180
200
Ano
I
n
t
e
n
s
i
d
a
d
e
LGICA FUZZY APLICADA S ENGENHARIAS
127
Jos Homero Feitosa Cavalcanti et ali

Fig. 9.2 Radiao solar normalizada e em funo do nmero da amostra
Na Fig.9.3, parte superior, a primeira figura de cima para baixo, apresentam-se as amos-
tras da radiao solar normalizadas entre zero e um (man(1:288)).
Na segunda figura da Fig.9.3 apresenta-se o grfico da transformada de Fourier da radi-
ao solar (tfm=fft(man)).
Na terceira figura da Fig.9.3 apresentam-se as harmnicas obtidas na anlise de Fourier
das amostras (harm=abs(tfm)). A abscissa representa o nmero da harmnica, a ordenada re-
presenta a intensidade da harmnica. A harmnica nmero 26 a que apresenta a maior inten-
sidade (harm(26)=21.3636). A inversa do nmero da harmnica representa o perodo de repe-
tio dos mximos da intensidade solar. Obteve-se T 11.0769 anos.

Fig.9.3 Anlise harmnica
9.3 VARIVEL FUZZY DA RADIAO SOLAR
Na Fig.9.4, esquerda, apresentam-se os traados dos valores das radiaes solares para
os anos 1700 a 1749, a abscissa representando o ano da ocorrncia. Na Fig.9.4, direita, apre-
0 50 100 150 200 250 300
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Amostra
I
n
t
e
n
s
i
d
a
d
e

n
o
r
m
a
l
i
z
a
d
a
0 50 100 150 200 250 300
0
0.5
1
Manchas
-20 -10 0 10 20 30 40 50 60 70
-20
0
20
Transformada de Fourier
0 50 100 150
0
10
20
30
Harmnicas
LGICA FUZZY APLICADA S ENGENHARIAS
128
Jos Homero Feitosa Cavalcanti et ali
sentam-se os traados dos valores das radiaes solares com a abscissa representando o nme-
ro da amostra.
Na abscissa da Fig.9.4 a radiao solar varia entre 0 e 190.2. Na Fig.9.1 observa-se que
o valor mximo da radiao solar ocorre no ano 1957 e tem valor em torno de 190 (RS-
max=190.2). Nesta seo considera-se que o mximo da radiao solar tem a intensidade 200.
Pode-se dividir o intervalo de variao da intensidade solar em quatro partes, cada parte re-
presentando uma varivel lingstica Fuzzy na forma da Fig.9.4.
Na Fig.9.4 as amostras da radiao solar foram agrupadas em quatro nveis. O primeiro
nvel representa valores prximos de zero da radiao solar (varivel lingustica Z e funo de
pertinncia Z(t)). O segundo nvel representa os valores pequenos da radiao solar (varivel
lingustica P e funo de pertinncia P(t)). O terceiro nvel representa os valores mdios da
radiao solar (varivel lingustica M e funo de pertinncia M(t)). O nvel superior repre-
senta os valores grandes (varivel lingustica G e funo de pertinncia G(t)).

Fig.9.4 Amostras iniciais
Na Fig.9.5 apresentam-se as funes de pertinncia atribudas varivel fuzzy radiao
solar com quatro funes de pertinncia e com a abscissa variando de 0 a 200.
Na Fig.9.5 apresentada uma amostra da radiao solar, denominada ALVO, a reta tra-
ada perpendicular abscissa, na cor preta, e localizada na abscissa 170. Observe-se que na
abscissa 170 (ano 1869) a reta ALVO corta os tringulos P(t) e M(t) nas ordenadas 0.125 e
0.875, respectivamente.
Usando-se a operao de unio dos conjuntos fuzzy, pode-se encontrar a funo de per-
tinncia vencedora da amostra usando as equaes eq.9.1 e eq.9.2.
Observe-se que para a abscissa ALVO a funo de pertinncia com maior valor foi
M(t), obtida com VENCE=max(Z(170), P(170), M(170), G(170))= max(0., 0., 0.7,0.3), e a
varivel lingustica associada a funo de pertinncia vencedora foi M.
VENCE = Z P M G (9.1)
VENCE = max(Z(x), P(x), M(x), G(x)) x Intensidade Solar (9.2)

1700 1710 1720 1730 1740 1750 1760
0
20
40
60
80
100
120
140
160
180
200
Ano da Amostra
I
n
t
e
n
s
i
d
a
d
e

n
o
r
m
a
l
i
z
a
d
a
,

i
n
i
c
i
o
Z
P
M
G
0 5 10 15 20 25 30 35 40 45 50
0
20
40
60
80
100
120
140
160
180
200
Amostra
I
n
t
e
n
s
i
d
a
d
e

s
o
l
a
r

n
o
r
m
a
l
i
z
a
d
a
Z
P
M
G
LGICA FUZZY APLICADA S ENGENHARIAS
129
Jos Homero Feitosa Cavalcanti et ali

Fig.9.5 A varivel fuzzy radiao solar, uma amostra
Na Fig.9.6 apresentam-se as funes de pertinncia da varivel fuzzy radiao solar
com todas as 288 amostras da radiao solar (retas na cor preta).

Fig.9.6 A varivel fuzzy radiao solar, as 288 amostras
9.4 VARIVEL FUZZY DA RADIAO SOLAR, AGRUPAMENTO
Conhecendo-se a funo de pertinncia vencedora de cada elemento do vetor da radia-
o solar, podem-se modificar os pesos dessa funo de pertinncia vencedora considerando a
amostra vencedora.
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
130
Jos Homero Feitosa Cavalcanti et ali
O movimento das funes de pertinncia pode ser feito da direita para a esquerda e da
esquerda para a direita. Supondo-se que as funes de pertinncia Z(t) e G(t) no influem so-
bre as funes de pertinncia P(t) e M(t), pode-se seguir o algoritmo 1 para posicionar P(t) e
M(t).

Algoritmo 1
1 faa n vezes
2 acha VENCE = Z P M G
3 if VENCE==P ento
if declividade>0 then move P(t) para a esquerda
if declividade<0 3 e se P M < M ento move P(t) para a direita
4 if VENCE==M ento
if declividade<0 then move P(t) para a direita
if declividade>0 e se M P > P ento move M(t) para a esquerda

O pseudo-cdigo do algoritmo 1 escrito para o ambiente MATLAB mostrado no Pro-
grama 8. Inicialmente foram definidas as posies dos mximos de P(t) e M(t) como sendo
onde(2)=80 e onde(3)=140 como pode ser visto na Fig.9.10. A cada um dos 127 valores da
radiao solar (ver Programa 4) foi calculado o vencedor e o resultado armazenado na vari-
vel vence() (vence=1 para Z, vence=2 para P, vence=3 para M, vence=4 para G). A seguir, a
cada amostra vencedora de P(t) e de M(t), as suas posies foram deslocadas para a direita
(adio de 0.1 a onde(2) ou a onde(3)) ou para a esquerda (subtrao de 0.1 a onde(2) ou a
onde(3)).
Devido a caracterstica triangular das funes de pertinncia, a verificao da intersec-
o das duas funes de pertinncia pode ser feita usando a posio dos seus mximos (on-
de(2) e onde(3)). Na Fig.9.11 apresenta-se o resultado obtido durante o agrupamento das a-
mostras nas funes de pertinncia P(t) e M(t) durante 100 iteraes.
Programa 5
if(vence(i)==2 & i>onde(2) & onde(2)<onde(3))onde(2)=onde(2)+0.1;end
if(vence(i)==2 & i<=onde(2))onde(2)=onde(2)-0.1;end
if(vence(i)==3 & i>onde(3))onde(3)=onde(3)+0.1;end
if(vence(i)==3 & i<=onde(3) & onde(3)>onde(2))onde(3)=onde(3)-0.1;end

Fig.9.11 Agrupamento em P(t) e M(t)

LGICA FUZZY APLICADA S ENGENHARIAS
131
Jos Homero Feitosa Cavalcanti et ali

No Prog.9.1 apresentam-se os pesos das funes de pertinncias.
Prog.9.1 Pesos das funes de pertinncias
%pesos.m
pontox=330; numfp=4; cth=100;
%Posiao da FP
onde(1)=1;onde(2)=80;onde(3)=160;onde(4)=240;
%Peso da FP
peso(1)=0.01;peso(2)=0.2;peso(3)=0.5;peso(4)=1.;
%declividade
decliv(1)=1.25;decliv(2)=1.25;decliv(3)=1.25;decliv(4)=1.25;
%altura
maximo(1)=1.;maximo(2)=1.;maximo(3)=1.;maximo(4)=1.;
Por exemplo, na Fig.9.7 apresentam-se as funes de pertinncia e um conjunto de a-
mostras geradas propositalmente a partir das amostras da radiao solar da Fig.9.8. Observe-
se que os mximos de P(t) e de M(t) no esto exatamente no centro dos dois principais agru-
pamentos das amostras. A idia mover as duas funes de pertinncia para que os seus m-
ximos fiquem aproximadamente no centro dos agrupamentos. Esses dois agrupamentos for-
maro duas classes, classe P e classe M.

Fig.9.7 Amostras com dois agrupamentos
Na Fig.9.12 apresenta-se o agrupamento de duas classes com dados bidimensionais. Fo-
ram feitos dois agrupamentos, um para as amostras no eixo X (Fig.9.12c), e o outro para as
amostras do eixo Y (Fig.9.12d). O agrupamento do eixo X foi feito de uma forma semelhante
ao apresentado na Fig.9.11 usando a coordenada X do dado bidimensional como amostras. O
agrupamento do eixo Y foi feito de uma forma semelhante ao apresentado na Fig.9.11 usando
a coordenada Y do dado bidimensional como amostras. Aps o agrupamento, as duas classes
(classes I e II) foram indicadas usando retas traadas na cor vermelha.
a

I
II
b
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
0 50 100 150 200 250 300 350
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
Z P M G
X
LGICA FUZZY APLICADA S ENGENHARIAS
132
Jos Homero Feitosa Cavalcanti et ali

c
Fig.9.12 Agrupamento em duas classes com dados bidimensionais
9.5 VARIVEL FUZZY DA RADIAO SOLAR, FUZZYFICAO
O trecho de programa, escrito no pseudocdigo do MATLAB, desenvolvido para en-
contrar a varivel lingustica vencedora de todas as amostras apresentado no Programa 4
apresentado a seguir. O vetor curva() foi definido no Programa 2. A cada um dos 127 valores
da radiao solar foi calculado o vencedor e o resultado armazenado na varivel vence() (ven-
ce=1 para Z, vence=2 para P, vence=3 para M, vence=4 para G).
Programa 4
Vence(1:190)=0.;
for j=1:127
i=int16(y(j));
vence(i)=0;
if(curva(1,i)>curva(2,i))vence(i)=1;end
if(curva(2,i)>=curva(1,i) & curva(2,i)>curva(3,i))vence(i)=2;end
if(curva(3,i)>=curva(2,i) & curva(3,i)>curva(4,i))vence(i)=3;end
if(curva(4,i)>curva(3,i))vence(i)=4;end
end
Sabendo-se a funo de pertinncia vencedora de cada elemento do vetor da radiao
solar, e atribuindo-se pesos s funes de pertinncia, pode-se traar uma curva com os valo-
res fuzzyficados da radiao solar (peso(1)=0.1, peso(2)=0.3, peso(3)=0.7, peso(4)=1,). Na
Fig.9.9 apresenta-se a curva obtida da defuzzyficao da varivel fuzzy radiao solar.

Fig.9.9 Radiao solar fuzzyficada
LGICA FUZZY APLICADA S ENGENHARIAS
133
Jos Homero Feitosa Cavalcanti et ali
9.6 A PREVISO NO CONJUNTO FUZZY
9.7 CONCLUSO
Neste captulo apresentaram-se as principais caractersticas de agrupamentos juntamente
com os conceitos de fuzzyficao e defuzzyficao. Mostrou-se como se adaptar as fun-
es de pertinncia das variveis Fuzzy no intuito de identificar o agrupamento. Por ltimo
apresentou-se a previso de sries temporais no conju8nto Fuzzy.


LGICA FUZZY APLICADA S ENGENHARIAS
134
Jos Homero Feitosa Cavalcanti et ali
CAPTULO X

POSICIONAMENTO DE UM MANIPULADOR ROBTICO


10.1 INTRODUO
Neste captulo apresenta-se a aplicao da lgica fuzzy em sistemas no lineares que re-
presentam o movimento de estruturas mecnicas.
Inicia-se com uma anlise sucinta da esttica e dinmica de manipuladores robticos de
um, dois e trs elos. A seguir, sugere-se a representao FUZZY dos elos do atuador usando
funes de pertinncias.
Na primeira representao, o atuador representado diretamente pela FP na forma de
tringulos. Na segunda representao, usa-se a curva CG(X) para representar o atuador.

10.2 O MANIPULADOR ROBTICO
Um manipulador de nico elo (L1) apresentado na Fig.10.1. Ele pode ser considerado
como composto de um peso na sua extremidade adicionado ou no ao peso do brao definido
no centro do elo.

x1 x
Z

0

y
P
0

y1
T
0

L1

Fig.10.1 Manipulador de um elo
Usando-se a letra Z para representar o comprimento do elo, considerando-se o peso do
elo dado pela eq.10.1, onde g representa a constante gravitacional, m
0
massa por compri-
mento..
P
0
=z.m
0
.g (10.1)
A partir da Fig.10.1definem-se o ngulo do elo (eq,10.2), o comprimento do elo
(eq.10.3), e as coordenada do centro do elo(eq.10.4).

0
= tg
-1
(y/x) (10.2)
Z=
2
y + x
2

(10.3)
x
1
=z.cos
0
/2 e y
1
=z.seno
0
/2 (10.4)
LGICA FUZZY APLICADA S ENGENHARIAS
135
Jos Homero Feitosa Cavalcanti et ali
Usando-se essas definies obtm-se a eq.10.5 que descreve a energia potencial V
0
do
elo L1.
V
0
=P
0
.y
1
=(P
0
.z.seno
0
)/2 (10.5)
Na eq.10.6 apresenta-se o torque T0 representado por T
0
=-V0/0 (Spong, 1986).
T
0
=P
0
.x1=(P
0
.z.cos
0
)/2 (10.6)

Nas eq.10.7 (ver a Fig.10.2 com um peso P
1
atuando na extremidade do elo L1) apre-
sentam-se os valores do vetor do peso P
1
em relao ao elo L1. O vetor P
1x
paralelo ao elo
L1 e equivale a fora exercida sobre a base do elo. O vetor P
1y
perpendicular ao elo L1.
P
1x
=P
1
.seno
0 e
P
1y
=P
1
.cos
0
(10.7)
O torque gerado pelo peso P1 no elo L1 definido como T
1
=P
1y
.z. O torque total gera-
do no elo L1 definido como Tt=T
0
+T
1
(ver a eq.10.8).
T
t
=(P
0
.z.cos
0
)/2+(P
1
.z.cos
0
)=(P
0
/2+P
1
). cos
0
(10.8)

x1 x
z

0

y
P
0

y1
P
1y

L1
P
1

P
1x

T
t


Fig.10.2 Torques do manipulador de um elo
A partir das eq(10.8) pode-se encontrar a equao diferencial que represente o movi-
mento do elo de um pndulo simples mostrado na Fig.10.3. Usando-se P
0
=z.m
0
.g , e sabendo-
se que um brao de comprimento z, o seu deslocamento dado por Comp= .z, a sua veloci-
dade por vel= '.z e a sua acelerao por a= ".z.
LGICA FUZZY APLICADA S ENGENHARIAS
136
Jos Homero Feitosa Cavalcanti et ali

z

0

P
0

T
0
=P
0x
.z
P
0y
=P
0
.cos
0

P
0x
=P
0
.sin
0

F
0
=P
0y


Fig.10.3 Torques do manipulador de um elo
O torque do pndulo simples mostrado na eq.10.10. Define-se F=ma e P
0
=z.m
0
.g. A
equao diferencial que descreve o deslocamento angular do pndulo dado na eq.10.11.
T
0
=P
0
.z.seno(
0
)/2 ou P.z= m
0
.a.z
2
=m
0 .
z
.
g.seno(
0
)/2 (10.10)
=(g/(2.z))seno(
0
) (10.11)
10.2 Exerccios
10.2.1) Quais so as variveis vetoriais e escalares apresentadas na Fig.10.1?
10.2.2) Na Fig.10.1: Quando V
0
mximo? Quando V
0
mnimo? Quando T
0
mximo?
Quando T
0
mnimo?
10.2.3) Na Fig.10.2: Quando T
t
mximo? Quando T
t
mnimo?
10.2.4) Qual a diferena entre P
1y
e T1 na Fig.10.2?
10.2.5)Fazer um programa no ambiente MATLAB para calcular T
1
, F
1
, P
1x
e P
1y
, em funo
de
1
, usando a montagem apresentada na Fig.10.3. Sugesto: Usar P
1x
=P
1
.seno
1
,


P
1y
=P
1
.cos
1
e T
1
=P
1y
.z. Onde, F
1
a fora usada para sustentar o elo L1 sob a ao do peso
P
1
.

x
z

1

y
P
1y
L1
P
1

P
1x

T
1

F1=P
1x


Fig.10.4 Manipulador de um elo com peso na sua extremidade
LGICA FUZZY APLICADA S ENGENHARIAS
137
Jos Homero Feitosa Cavalcanti et ali
10.2.6) Supor o elo representado na forma tradicional de um pndulo como mostrado na
Fig.10.3, faa um programa no MATLAB, sendo dado
0
, que calcule T
0
, F
0
, P
0x
e P
0y
. Onde
F
0
a fora necessria para sustentar o elo L0.
10.2.6)Sugira a representao de um rob de nico elo usando FP na forma de tringulos. Use
uma FP triangular, veja a Fig.10.5.
10.2.7)Sugira a representao de um rob de nico elo usando a curva CG(X) definida a partir
de FP na forma de tringulos. Use uma FP triangular, veja a Fig.10.6.

Neste captulo sugere-se que os braos robticos sejam representados diretamente nas
funes de pertinncia. Na Fig.10.5 v-se um manipulador robtico de nico acoplado a fun-
es de pertinncia. Na Fig.105 esquerda, o elo representado por uma nica funo de per-
tinncia. Na Fig.105 direita, a extremidade do elo indicada pela interseco de duas fun-
es de pertinncias.


Fig.10.5 Um brao de nico elo

Na Fig.10.6 apresenta-se o posicionamento de um nico elo ( esquerda), o seu conjun-
to de funes de pertinncias, e uma CG(X) representando o elo.

Fig.10.6 Um elo representado por FPs e CG
10.3 Manipulador de dois elos
Na Fig.10.67apresenta-se o desenho de um manipulador com dois elos. Nesta seo no
ser considerado peso externo ao elo, s ser considerado o peso total do elo. Os componentes
do primeiro elo so representados na cor vermelha. Os componentes do segundo elo so re-
presentados na cor azul. O elo entre a base e a extremidade do manipulador tem o comprimen-
to z.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
LGICA FUZZY APLICADA S ENGENHARIAS
138
Jos Homero Feitosa Cavalcanti et ali

x1 x2 x3 x
z

1

y
y3

P
1
P
2

z1

2
z2
y1
y2

Fig.10.7 Manipulador de dois elos
Considerando-se m
1
e m
2
as massas por unidade de comprimento dos elos L1 e L2, os
pesos dos elos podem ser considerados aplicados no centro do elo e dados por P
1
=m
1
.g.z
1
e
P
2
=m
2.
g.z
2.
As energias potenciais dos elos L1 e L2 so apresentadas na eq.10.12.
V
1
=P
1
.y
1
e V
2
=P
2.
y
3
(10.12)
Tal que T
2
=-V
2
/
2
e T
1
=-V
1
/1
.
Os torques gerados nas juntas 2 e 1 so os apresen-
tados na eq.10.13.
T
2
=P
2
(x
3
-x
2
) e T
1
=P
1
.x
1
+P
2.
x
3
(10.13)
As relaes apresentadas nas eq.10.14, eq.10.15 representam as abscissas e ordenadas
dos elos.
x
1
=z
1
.cos
1
/2 e x
2
= z
1
.cos
1

x
3
=x
2
+ z
3.
cos(
1
-
2
)/2= z
1
.cos
1
+ z
2.
cos(
1
-
2
)/2 (10.14)
y
1
=z
1
.seno
1
/2 e y
2
= z
1
.seno
1

y
3
=y
2
+ z
2.
seno(
1
-
2
)/2= z1.seno
1
+ z
2.
seno(
1
-
2
)/2 (10.15)
As eq.10.16 que representam as energias potenciais nas juntas 2 e 3, respectivamente.
V
2
=P
2.
y
3
= P
2.
[z
1
.seno
1
+ z
2.
seno(
1
-
2
)/2] e V
1
=P
1
.y
1
=P
1
. z
1
.seno
1
/2 (10.16)
Sabe-se que x=z1.cos1+z
2.
cos(
1
-
2
) e y=z1.seno
1
+z
2.
seno(
1
-
2
), tal que
z=sqrt(x
2
+y
2
).
As eq.10.17 e eq.10.18 representam os torques nas juntas 2 e 1, respectivamente.
T
2
=P
2.
(x
3
-x
2
) = P
2.
z
2.
cos(
1
-
2
)/2 (10.17)

T
1
=P
1
.x
1
+P
2.
x
3
=P
1
. z
1
.cos
1
/2+P
2.
[ z
1
.cos
1
+ z
2.
cos(
1
-
2
)/2]
T
1
=cos
1
(P
1
.z
1
/2+P
2.
z
1
)+T
2
= cos
1
(P
1
/2+P
2
)+T
2
(10.18)
Os clculos das equaes diferenciais para um conjunto de pndulos mostrados na sero
mostrados a seguir. Definindo-se T2=F2.z onde F2=m2.g.z2, obtem-se as eq. 10.19 e eq.
10.20 que representam as equaes diferenciais para os braos 2 e 1 do pndulo duplo.
T2=P2.z2.seno(
1
+2)/2
F2.z2=m2.a.z2 ou m2..z.z2=m2
.
z2
.
g.seno(
1+
2)/2
2={seno(
1
+2)[P3/2]}/(m2.z) (10.19)
T1= z
1
.seno
1
(P
1
/2+P
2
)+T
2

LGICA FUZZY APLICADA S ENGENHARIAS
139
Jos Homero Feitosa Cavalcanti et ali
ou F1.z1= m1..z1
2
=z
1
.seno
1
(P
1
/2+P
2
)+T
2
ou 1= {seno
1
[P
1
/2+P
2
]+T
2
}/(m
1
.z1) (10.20)
A seguir apresentam-se as equaes diferenciais para o pndulo duplo mostrados na
eq.10.21.
1= {seno
1
[P
1
/2+P
2
]+T
2
}/(m
1
.z1)
2={seno(
1
+2)[P3/2]}/(m2.z) (10.21)
10.3 Exerccios
10.3.1) Supondo-se P1=P2=1kg e q1=q2=45
o
, calcule V1,V2, T1 e T3.
10.3.2) Supondo-se que os pesos P1 e P2 esto localizados nas extremidades dos elos L1 e L2
na forma mostrada na Fig.10.8, calcule T1 e T3. Sugesto:
Defina:
T
2
=P
2
(x
2
-x
1
) e T
1
=P
1
.x
1
+P
2.
x
2

x
1
=z
1
.cos
1
e x2=x1+ z
2.
cos(
1
-
2
)= z
1
.cos
1
+ z
2.
cos(
1
-
2
)
y
1
=z
1
.seno
1
e y2=y1+ z
2.
seno(
1
-
2
)= z1.seno
1
+ z
2.
seno(
1
-
2
)
T
2
= P
2.
z
2.
cos(
1
-
2
) e T
1
= P
1
. z
1
.cos
1
+P
2.
[ z
1
.cos
1
+ z
2.
cos(
1
-
2
)]=z
1
.cos
1
.(P
1
+P
2
)+T
2

x1 x2 x

1

y2

y1
P
1
P
2

z1

2
z2
T1 T2

Figura 10.8 Pesos nas extremidades dos elos
3.3.3) Supondo-se que os elos L1 e L2 esto na forma mostrada na Fig.10.9, calcule T
1
e T
2
.
Resposta: T
2
= P
2.
z
2.
cos(
1
-
2
) e T
1
= z
1
.cos
1
.(P
1
+P
2
)+T
2
.
LGICA FUZZY APLICADA S ENGENHARIAS
140
Jos Homero Feitosa Cavalcanti et ali

x1 x2 x

1

y2






y1
P
1

z1

2

T
1

P
2
T
2

z
2


Fig.10.9 Dois elos para 2>1
10.3.4) Supondo-se dois elos concorrentes, sendo um deles com dois elos, como mostrados na
Fig.10.10.
a)Calcule o seguinte: Os torques T
1
, T
2
e T
3.

b)Calcule T
3
conhecendo-se
1
e
2.

c)Prove que se T
3
=T
1
ento z
1
.cos
1
+ z
2
.cos(
1
+
2
)=z
3
.cos
3

d)Qual o valor da fora F
3
capaz de segurar o peso P
0
? Sugesto: Use P
0
/ F
3
=seno
3
.
e) Que peso a fora F3 pode sustentar? P
0
= F
3
.seno
3

z
1

1

P
0

T
2

3

z
3

T
3

23

2

z
2

1
+
2

1
=P
0
.z1.cos
1
+T
2

2
=P
0
.z2.cos(
1
+
2
)
3
=P
0
.z3.cos
3

T
1

F
3


Fig.10.10 Elos concorrentes
Na Fig.10.11 esquerda, o elo representado por uma nica funo de pertinncia. Na
Fig.10.11 direita, a extremidade do elo indicada pela interseco de duas funes de perti-
nncias.
LGICA FUZZY APLICADA S ENGENHARIAS
141
Jos Homero Feitosa Cavalcanti et ali


Fig.10.11 Um brao de dois elo
Na Fig.10.12 apresenta-se o posicionamento de um nico elo ( esquerda), dois elos (
direita) e o seu conjunto de funes de pertinncias.

Fig.10.12 Dois elos (cor azul) representados por FPs e CG
10.4 Manipulador de trs elos
Nesta seo sero estudados os torques de manipuladores de trs elos. S sero conside-
rados os pesos dos elos. Na Fig.10.13 apresenta-se o manipulador robtico de trs elos. As
ordenadas yi no esto indicadas na Fig.10.13.

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
LGICA FUZZY APLICADA S ENGENHARIAS
142
Jos Homero Feitosa Cavalcanti et ali

x1 x2 x3 x4 x5 x
q2
y
P1 P2 P3
z1

3
z
3


1


2

Z3
Z2

Fig.10.13 Manipulador robtico de trs elos
Usaram-se os seguintes pesos para os elos: P1=m1.g.z1, P
2
=m
3.
g.z
2
e P
3
=m
3.
g.z
3.
A e-
nergia potencial de cada junta est apresentada na eq.10.18. Os torques de cada junta esto
apresentados nas eq.10.19.
V
1
=P
1
.z
1
.seno
1
/2
V
2
= P
2.
[ z
1
.seno
1
+ z
2.
seno(
1
-
2
)/2]
V
3
= P
3.
[ z
1
.seno
1
+ z
3.
seno(
1
-
2
) + z
3.
seno(
1
-
2
-
3
)/2] (10.18)
T
3
=P
3.
(x
5
-x
4
)
T
2
=P
2
(x
3
-x
2
)+P
3
(x
5
-x
2
)=P
2
(x
3
-x
2
)+P
3
(x
5
-x
4
+x
4
-x
2
) = P
2
(x
3
-x
2
)+P
3
(x
4
-x
2
)+ P
3
(x
5
-x
4
)
T
1
=P
1
.x
1
+P
2.
x
3
+P
3.
x
5
(10.19)
As eq.10.20 descrevem as posies das juntas dos elos.
x
1
=z
1
.cos
1
/2 e x
2
= z
1
.cos
1

x
3
=x
2
+ z
3.
cos(
1
-
2
)/2= z
1
.cos
1
+ z
2.
cos(
1
-
2
)/2
x
4
=x
2
+ z
3.
cos(
1
-
2
)= z
1
.cos
1
+ z
2.
cos(
1
-
2
)
x
5
=x
4
+z
3.
cos(
1
-
2
-
3
)/2= z
1
.cos
1
+ z
2.
cos(
1
-
2
)+ z
3.
cos(
1
-
2
-
3
)/2 (10.20)
Durante o clculo dos torques necessitam-se das distncias das extremidades dos elos
base do pndulo (z1,Z2 e Z3). Calculam-se Z3=sqrt(x
2
+y
2
) e Z2=sqrt(x4
2
+y4
2
) com
x4=z1cos1+ z
2.
cos(
1
-
2
) e x=z1cos1+ z
2.
cos(
1
-
2
) + z
3.
cos(
1
-
2
-
3
).
Usando-se as eq.10.19 e eq.10.20 obtm-se as eq.10.21 que descrevem os torques nas
juntas dos elos L1, L2 e L3. As eq.21 tambm podem ser obtidas a partir das eq.18 usando
V=V1+V2+V3 e T
1
=-V/
1
, T
2
=-V/
2
e T
3
=-V/
3.
T
3
= P
3.
z
3.
cos(
1
-
2
-
3
)/2
T
2
=P2
.
z2
.
cos(
1
-
2
)/2+P
3.
[z2
.
cos(
1
-
2
)+z
3.
cos(
1
-
2
-
3
)/2]=z
2.
cos(
1
-
2
)[P
3
+P
2
/2]+T
3
T
1
=P
1
.z
1
.cos
1
/2+P2
.
[z
1
.cos
1
+z2
.
cos(
1
-
2
)/2]+P
3.
[z
1
.cos
1
+z2
.
cos(
1
-
2
)+ z
3.
cos(
1
-
2
-
3
)/2]
T
1
=z
1
.cos
1
[P
3
+P
2
+P
1
/2] + T
2
(10.21)
A partir das eq(21) pode-se encontrar a equao diferencial que represente o movimen-
to dos elos. Considera-se r como a distncia entre a extremidade do elo e a base do pndulo.
Usa-se comprimento igua a Comp=.r, vel= '.r e a= ".r.
LGICA FUZZY APLICADA S ENGENHARIAS
143
Jos Homero Feitosa Cavalcanti et ali
Os clculos das equaes diferenciais para um conjunto de pndulos sero mostrados a
seguir.
O terceiro elo tem um torque dado por T3=F3.z3=m3.a.z3, a acelerao da sua extremi-
dade dada por a=
3
".Z3. O peso do elo 3 P3=m3.g.z3. A equao diferencial do elo 3
dada na eq.10.22.
T3=P3.z3.seno(
1
+
2
+
3
)/2
F3.z3= m3.a.z3=m3
.
z3
.
g.seno(
1
+
2
+
3
)/2
a=m3
.
g.seno(
1
+
2
+
3
)/2
ou
3
=(g/(2.Z3)) .seno(
1
+
2
+
3
) (10.22)
O segundo elo tem um torque dado por T2=F2.z2=m2.a.z2, a acelerao da sua extre-
midade dada por a=
2
".Z2. O peso do elo 2 P2=m2.g.z2. A equao diferencial do elo 2
dada na eq.10.23.
T2= z
2.
seno(
1
+
2
) [P
3
+P
2
/2]+T
3
F2.z2= m2.a.z2= z
2.
seno(
1
+
2
) [P
3
+P
2
/2]+T
3

a= {seno(
1
+
2
) [P
3
+P
2
/2]+T
3
}/m2
ou
2
={seno(
1
+
2
) [P
3
+P
2
/2]+T
3
}/(Z2.m2) (10.23)
O primeiro elo tem um torque dado por T1=F1.z1=m1.a.z1, a acelerao da sua extre-
midade dada por a=
1
".z1. O peso do elo 2 P1=m1.g.z1. A equao diferencial do elo 1
dada na eq.10.24.
T
1
=z
1
.seno
1
[P
3
+P
2
+P
1
/2] + T
2
F1.z1= m1.a.z1= z1
.
seno(
1
) [P
3
+P
2
+P
1
/2]+T
2

a= {seno(
1
) [P
3
+P
2
+P
1
/2]+T
2
}/m1
ou
1
={seno(
1
) [P
3
+P
2
+P
1
/2]+T
2
}/(z1.m1) (10.24)
Um pndulo de trs elos tem as seguintes equaes diferenciais:

1
={seno(
1
) [P
3
+P
2
+P
1
/2]+T
2
}/(z1.m1)

2
={seno(
1
+
2
) [P
3
+P
2
/2]+T
3
}/(Z2.m2)

3
=g.seno(
1
+
2
+
3
)/(2.Z3)={seno(
1
+
2
+
3
)[P3/2]}/(Z3.m3)
EXERCCIOS 10.4
10.4.1) Calcule o torque e a energia potencial do manipulador planar com acionamento remo-
to apresentado na Fig.10.14. [T
2
=m
2
l
c2
g.cosq
2
e T
1
=(m
1
l
c1
+m
2
l
1
)g.cosq
1
]




M1 L1
M2
L2
M2
M2
q2
q1

Fig.10.14 Manipulador com dois elos, um elo controlado remotamente
10.4.2) Calcule a energia potencial e o torque nas juntas do manipulador de cinco braos apre-
sentado na Fig.10.15. [T
1
=(m
1
l
c1
+m
3
l
c3
+m
4
l
1
)g.cos
1
e T
2
=(m
2
l
c2
+m
3
l
2
-m
4
l
c4
)g.cos
2
]
LGICA FUZZY APLICADA S ENGENHARIAS
144
Jos Homero Feitosa Cavalcanti et ali


L2 M1 L1
M2
L3 L2
L4
M2


x
q2 q1
y
z3 z1
q4 z4
z5 q5
q3


Fig.10.15 Manipulador de quatro braos
10.4.3)Na Fig.10.16 apresenta-se um brao de trs elos obtido com: onde(1)=100; on-
de(2)=200; onde(3)=300; onde(4)=400; peso(1)=0.; peso(2)=0.3; peso(3)=0.4; peso(4)=0.5;
decliv(1:4)=1.;. Trace a CG(X) para um manipulador robtico de trs elos.
10.4.4)Os resultados da Fig.3 devem ser modificados para fazer a coincidncia das duas cur-
vas (a curva preta de trs elos com a curva vermelha e azul de dois elos).

Fig.10.16 Posicionamento de dois braos
A curva do manipulador de dois elos da Fig.3 usou o conjunto de dados mostrado a se-
guir: [a1 a2 px pw py pz] = [0.5000 0.5000 0.4018 0.9000 0.4575 0.5000]. Definiu-
se a1 comp elo1, a2 comp elo2, px absc do elo1, pw absc do elo2, py ordenada do elo 1, pz
ordenada do elo2. A curva do CG define a1=sqrt(0.2^2+0.3^2) para o comp do elo1,
a2=sqrt(0.4^2+0.2^2) para o comp do elo2. Define px=0.4; pw=0.8; py=0.3 e pz=0.5. O elo 3
no deve ser considerado.
10.4.5)O problema fazer coincidir as duas curvas tendo-se a informao das coordenadas
dos elos (ver a Fig.10.17).
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
LGICA FUZZY APLICADA S ENGENHARIAS
145
Jos Homero Feitosa Cavalcanti et ali

Fig.10.17 Identifica CG(X) para os dois elos
10.5 Concluso
Neste captulo apresentou-se uma nova forma da representao de elos de manipulado-
res robticos usando a LGICA FUZZY. Usou-se a FP na forma de tringulos e a CG(X).


0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
LGICA FUZZY APLICADA S ENGENHARIAS
146
Jos Homero Feitosa Cavalcanti et ali
APNDICE A


REFERNCIAS BIBLIOGRFICAS
Albrecht, P. Anlise Numrica um Curso Moderno, Livros Tcnicos e Cientficos Editora
S/A e Editora da Universidade de So Paulo, 1973.
strm, K.J. & Wittenmark, B. Adaptive Control, Addison-Wesley Publishing Company,
USA, 1989.
BELLMAN, R.E., ZADETH, L.A. Decision-Making in a Fuzzy environment. Management
Science, v.17, n.4, p.B141-B164, 1970.
Cavalcanti, M. T.; Bora, P. S. Anlise das protenas e estudo reolgico dos isolados proticos
das amndoas da faveleira (Cnidoscolus phyllacanthus (Mart.) Pax et K. Hoffm.) com e
sem espinhos. Revista do Instituto Adolfo Lutz. v.69, p.243-251. 2010.
Cavalcanti, M. T.; Bora, P. S.; Carvajal, J. C. L. Propriedades funcionais das protenas de a-
mndoas da faveleira (Cnidoscolus phyllacanthus (Mart.) Pax et K. Hoffm.) com e sem es-
pinhos. Cincia e Tecnologia de Alimentos, v.29, p.597-602, 2009.
Cavalcanti, J.H.F, Controladores Neurais Adaptativos, Tese de Doutorado em Cincias no
Domnio da Engenharia Eltrica, Departamento de Engenharia Eltrica do CCT/UFPB
Campina Grande PB, outubro de 1994, orientadores: Gurdip Singh Deep e Antnio Mar-
cus Nogueira Lima.
Cavalcanti, J.H.F & Lima, A.M.N., & Deep, G.S., "Controlador Fuzzy de Plantas No Linea-
res", publicado nos Anais do I Simpsio Brasileiro de Automao Inteligente", UNESP,
Rio Claro, So Paulo, Brasil, setembro de 1993.
Cavalcanti, J. H. F.; SALES, E. F. Jr.; Ferneda, E. "Intelligent Control of an Inverted Pendu-
lum, II SBRN95, So Carlos, So Paulo, outubro 1995.
Cavalcanti, J.H.F & Lima, A.M.N., & Deep, G.S., Controlador Fuzzy de Plantas No Linea-
res, Anais do I Simpsio Brasileiro de Automao Inteligente", UNESP, Rio Claro, So
Paulo, Brasil, setembro de 1993, pp.534-542.
Cavalcanti, J.H.F & Lima, A.M.N., & Deep, G.S., Controlador Fuzzy/Neural de Plantas No
Lineares, 10
o
Congresso Brasileiro de Automtica, CBA'94 / 6oCLACA, Rio de Janeiro,
19-23 de setembro de 1995.
Chen, F.C. Back-Propagation Neural Networks for Nonlinear Self-Tuning Adaptive
Control, IEEE Control System Magazine, April 1990, pp.44-48.
Ccero da Rocha Souto, Antnio Almeida Silva, Jos Homero Feitosa Cavalcanti, ANLISE
E IDENTIFICAO DE SISTEMAS COMPLEXOS DE VIBRAO, Encontro Regio-
nal de Instrumentao e Mtodos Computacionais, Primeiro Encontro Regional de Ins-
trumentao e Metrologia Cientficas, ERIMC2003, dezembro de 2003 Campina
Grande PB.
Ccero da Rocha Souto, Jos Homero Feitosa Cavalcanti, TCNICA DIGITAL DE AQUI-
SIO DE DADOS PARA SINAIS DE VIBRAO MECNICA, IV Congresso Na-
cional de Engenharia Mecnica CONEM2006, Recife, PE, 2006.
LGICA FUZZY APLICADA S ENGENHARIAS
147
Jos Homero Feitosa Cavalcanti et ali
Ccero da Rocha Souto, Jos Homero Feitosa Cavalcanti, SISTEMA INTELIGENTE DE
MEDIO DE PEAS UTILIZANDO VISO DIGITAL, IV Congresso Nacional de
Engenharia Mecnica CONEM2006, Recife, PE, 2006.
Conte, S. D., Elementos de Anlise Numrica, Ed. Globo, 1971.
Copi, I. M., Introduo lgica, Editora Mestre Jou, So Paulo, Brasil, 1968.
Craig, John J., 1986, Introduction to Robotic Mechanics & Control, Addison-Wesley
Publishing Company.
DAzzo, J.J. e Houpis, C.H. Anlise e projeto de sistemas de controle lineares, Ed. Gua-
nabara, Rio de Janeiro, Brasil, 1988.
DUERIG, T. W.; STOCKEL, D.; KEELEY, A. Actuator and Work Production Devices. In
Engineering Aspects of Shape Memory Alloys. Butterworth -Heinemann, London. p.
181-193, 1990.
FURUYA, Y.; SHIMADA, H. Shape Memory Actuators for Robotic Applications . In
Engineering Aspects of Shape Memory Alloys. Butterworth-Heinemann, London. p .
338-354, 1990.
Furuhashi, T. & Horikawa, S.I. & Uchikawa, Y. "On Stability of Fuzzy Control Systems
Using a Fuzzy Modeling Method", IECON'92, Proceedings, 1992, pp.982-985.
Fuzzy Toolbox for Use with MATLAB Users guide, 2001.
Gomide. F. A. C.; Gudwin, R. R. Modelagem, Controle, Sistemas e Lgica Fuzzy. SBA
Controle & Automao. Vol.4 N
o
3. Setembro-outubro 1995. Florianpolis - Santa Cata-
rina, 1995.
Funahashi, K. On the approximate realization of continuous mappings by neural
networks, Neural Networks, v.2 n.3, p.183-192, 1989.
Hecht-Nielsen, R. 1987. Kolmogorov's mapping neural network existence theorem. In
Proceedings of the International Conference on Neural Networks, pp. III, 11-14. IEEE,
New York.
Haykin, S. Redes neurais: princpios e prtica, 2
a
. edio, Bookman, Porto Alegre, 2001.
Hebbs, D. O. The Organization of Behavior, 1950, pp.45-56.
Melo, H. de, Tese de Doutorado, Curso de Ps-Graduao em Engenharia Mecnica, na rea
Dinmica e Controle de Sistemas, Sistema de Previso Inteligente Aplicado Identifi-
cao de Parmetros em Estruturas Flexveis, Orientadores: Jos Homero Feitosa Ca-
valcanti e Jos Felcio da Silva, 14/10/2002.
Melo, H. de & Freire, R. C. S. & Silva, J. F. da & Cavalcanti, J. H. F. & Barros, A. T.,
CAPES/PROCAD Intelligent Forecast System Applied to the Identification of
Parameters in Flexible Structures, Journal of Vibration and Control 2005, pp. 201-214.
February 1, 2005, Volume 11, N
o
2.
Melo, Hiran de & Cavalcanti, Jos Homero Feitosa, 1998, Filtro Previsor Neural, XII
Brazilian Automatic Control Conference-XII CBA98, Uberlndia MG, pp.319-324.
Henrique, L. L., Acstica Musical, Fundao Calouste Gulbenkian, Lisboa Portugal, 2002
Hiran de Melo, Jos Homero Feitosa Cavalcanti, Jos Felcio da Silva, Vicente de Paulo Ro-
drigues da Silva, "Sistema de Previso Inteligente", CBRN - IV Congresso Brasileiro
de Redes Neurais, So Jos dos Campos - SP, 1999, pp.303-307.
LGICA FUZZY APLICADA S ENGENHARIAS
148
Jos Homero Feitosa Cavalcanti et ali
Hiran de Melo, Jos Homero Feitosa Cavalcanti, Jos Felcio da Silva e Everaldo Fernandes
Monteiro, An Intelligent System for Vibration Analysis, INDUSCON'2000, Porto
Alegre, RS, nov. 2000.
Hiran de Melo, Jos Homero Feitosa Cavalcanti, Jos Felcio da Silva, Roberto Pimentel,
Reduo do Tempo de Aquisio de Dados, anlise temporal, CONEM (Congresso
Nacional de Engenharia Mecnica), Joo Pessoa, PB, 2002.
Hiran de Melo, Jos Homero Feitosa Cavalcanti, Jos Felcio da Silva, Anlise de falhas em
vigas engastadas, CONEM (Congresso Nacional de Engenharia Mecnica), Joo Pes-
soa, PB, 2002.
Hiran De Melo, Raimundo C. S. Freire, Jos F. Da Silva, Jos H. F. Cavalcanti, and Alessio
T. Barros, CAPES/PROCAD Intelligent Forecast System Applied to the Identification
of Parameters in Flexible Structures, Journal of Vibration and Control 2005, pp. 201-
214. February 1, 2005, Volume 11, N
o
2.
Holland, J.H. Adaptation in Natural and Artificial Systems, The MIT Press, 1992.
Hopfield, J. J. Neural Networks and Physical Systems with Emergent Collective
Computational Abilities, 1982 Republicado por E. Sanchez-Sinencio & C. Lau,
Artificial Neural Networks, IEEE Press, New York, 1992, pp.25-29.
Humelhart, D. E. & Hinton, G. E. & Williams, R. J. Learning Representations by back-
Propagating Errors, Nature, N
o
. 323, 1986, pp.533-536.
Khalid, M. & Omatu, S., A Neural Network Controller for a Temperature Control
System, IEEE Control System, june 1992, pp.58-64.
Kingdon, J. (1993). Neural net for time serie forecasting: criteria for performance with
na application in gilt futures pricing. Neural Netwok in Capital Markets,. Anais,
Londres, London Business School.
Kosko, Bart, Additive Fuzzy Systems: from function approximation to learning, Cap.9,
Fuzzy Logic and Neural Network Handbook, publicado por C. H. Chen na McGraw-Hill,
Inc., 1996.
Kurkova, V., Kolmogorovs Theorem, publicado em Brain Theory and Neural Networks,
Editado por Arbib, M. A., The MIT Press, London, England, 1995.
Kuo, B.C., Sistemas de Controle Automtico, Prentice/Hall do Brasil, 1985.
Kreith, F.,1977, Princpios da Transmisso de Calor, Edgard Blucher LTDA.
Mamdani, E.H. & Gaines, B.R., Fuzzy Reasoning and its Applications, Academic Press
Inc., London, England, 1981.
Mamdani, E.H. & S. Assilian, S., An experiment in Linguistic Synthesis with a Fuzzy
Logic Controller, International Journal of Man-Machine Studies, vol.7, 1-13, 1977.
MATLAB Users guide, 2001.
Levin, A.U. & Narendra, K.S. Control of Nonlinear Dynamical Systems Using Neural
Networks: Controllability and Stabilization, IEEE Transactions On Neural Networks,
Vol.4 No.2, march 1993, pp.192-206.
MATLAB Application Manual, MathWorks, Inc., 2007.
PC-MATLAB for MS-DOS Personal Computers, Users Guide, Control Toolbox, MathWorks,
Inc., 1987.
LGICA FUZZY APLICADA S ENGENHARIAS
149
Jos Homero Feitosa Cavalcanti et ali
Minsky, M. & Papert, S., Perceptron, 1969. Republicado por J.A. Anderson & E. Rosenfeld,
Neurocomputing Foundations of Researchs, MIT Press, Cambridge, Massachusets,
USA, 1988. pp.161-169.
McCulloch, W. S. and Pitts, W. Logical Calculus of the Ideas Immanent in nervous
activity, publicado inicialmente em 1943. Republicado por J.A. Anderson & E.
Rosenfeld, Neurocomputing Foundations of Researchs, MIT Press, Cambridge,
Massachusets, USA, 1988. Pp.18-27.
Narenda, K.S. & Mukhopadhyay, S., Intelligent Control Using Neural Networks, IEEE
Control Systems Magazine, April 1992, pp.11-18.
Narenda, K. S. & Parthasarathy, K., Identification and Control of Dynamical Systems
Using Neural Networks, IEEE Transactions on Neural Networks, Vol.1 No.1, march
1990, pp.4-26.
Park, D. C. & El-Sharkavi, M. A. & Marks II, R. J. & Atlas, L. E. & Damborg, M. J.,
Electrical load forecasting using an Artificial Neural Network, publicado por E.
Sanchez-Sinencio & C. Lau, Artificial Neural Networks, IEEE Press, New York, 1992,
pp.516-522.
Rangwala, S.S. & Dornfeld, D.A., Learning and Optimization of Machining Operations
using Computing Abilities of Neural Networks, IEEE Trans. on Systems, Man, and
Cybernetics, Vol.19, N.2, March/April 1989, pp.299-314.
Rosenblatt, F. The Perceptron: a Probabilistic Model for Information Storage and
Organization in the Brain, Cornell Aeronautical Laboratory, Psychological Review,
v65, No. 6, pp. 386-408 1958.
Rosenfeld, E., Neurocomputing Foundations of Researchs, ed. J. Anderson e E. Rosenfeld,
MIT Press, Cambridge, Massachusets, USA, 1988.
Rumelhart, D.E. and Hinton, G.H. and Williams, R.J. Learning Internal Representations by
Error Propagation, Parallel Distributed Processing Explorations in the Microstructures
of Cognition, Vol.1, MIT Press, 1986, pp.318-362.
Ogata, K., Engenharia de Controle Moderno, traduo de Bernardo Severo, Prentice-Hall
do Brasil, 1998.
Peter Albrecht, Anlise Numrica um Curso Moderno, Livros Tcnicos e Cientficos
Editora S/A e Editora da Universidade de So Paulo, 1973.
Saunder, E. Dimensionality-Reduction Using Connectionist Networks, IEEE Transactions
on Pattern Analysis and Machine Intelligence, Vol.11, No.3, march 1989, pp.304-314.
S. D. Conte, Elementos de Anlise Numrica, Ed. Globo, 1971
Strefezza, M. & Dote, Y., Fuzzy and Neural Networks Controller, IECON'91,
Proceedings, October 1991, Kobe - Japan, pp.1437-1442.
Spong, M. W. and Vidyasagar, M. Robot Dynamics and Control, John Wiley and Sons,
New York, 1989.
Sugeno, M., An Introductory Survey of Fuzzy Control, Information Science, vol.36, 59-
83, 1985.
WATTS, B.M., YLIMAKI, G.L., JEFFERY, L.E., ELIAS, L.G. Mtodos sensoriais bsicos
para la evaluacin de alimentos. Traducin: Oficina de Traducciones, Secretaria de Esta-
do.Ottawa : Centro Internacional de Investigaciones para el Desarrollo, 1992. 170p.
LGICA FUZZY APLICADA S ENGENHARIAS
150
Jos Homero Feitosa Cavalcanti et ali
Widrow, B. &McCool, J. M. & Larimore, M. G. & Johnson Jr, C. R. Stationary and
Nonstationary Characteristics of the LMS Adaptive Filter, Proceedings of the IEEE,
Vol.64, No.8, August 1976, pp.1151-1162.
Widrow, B. & Stearns, S. D. Adaptive Signal Processing, Prentice Hall, Inc., New Jersey,
EUA, 1985.
Zadeh, L., Outline of a new approach to the analysis of complex systems and decision
processes. IEEE Trans. On Systems Man and Cybernetics, vol SMC-3, pp 28-44, 1973.
Zadeh, Lotfi A., Fuzzy Logic, IEEE Computer Mag. April 1988, pp83-93. Republicado por
J.A. Anderson & E. Rosenfeld, Neurocomputing Foundations of Researchs, MIT Press,
Cambridge, Massachusets, USA, 1988. Pp.177-195.
Zadeh, L.A. Fuzzy Sets, Information and Control, 1965, 8, pp.28-45.
Zadeh, Lotfi, A., "Fuzzy Sets as the Basis for a Theory of Possibility", Fuzzy Sets and
Systems 1:3-28, 1978.
Zimmerman, H.J. "Fuzzy Set Theory - and its Application", Kluwer Academic Publisher,
USA, 1991.

Avaliar