Identificao e Controle Fuzzy de uma Planta Didtica de Nvel

Adelson Siqueira Carvalho (IFF Campos) adelsonsc@gmail.com

Adriellen Lima de Sousa (IFF Campos) adriellenlima@gmail.com
Leonardo do Esprito Santo Francisco (IFF Campos) leo_nardo_es@hotmail.com
RESUMO
Neste trabalho utilizada uma abordagem experimental para a identificao de uma planta
experimental de controle de nvel utilizando modelos autorregressivos. Como ser demonstrado, esta
metodologia fornece uma representao satisfatria do sistema, e possui maior praticidade se
comparada a tcnicas mais clssicas de modelagem. No presente trabalho ainda descrito o projeto
de um controlador de nvel de lquido baseado em Lgica Fuzzy, que, devido sua caracterstica de
tomadas de decises prximas ao ser humano, oferece uma soluo que atende aos requisitos de
desempenho e estabilidade deste sistema. A validao do modelo bem como do controlador Fuzzy, foi
viabilizada atravs da realizao de uma integrao entre o mdulo de aquisio de dados ADAM-
6022 e o software de engenharia Matlab, utilizando-se a opo de comunicao atravs do protocolo
de comunicao de dados OPC que o mesmo dispe.
Palavras-chave: Controle de nvel. Modelos autorregressivos. Lgica Fuzzy. OPC.

1. INTRODUO
Ao longo dos anos o homem buscou desenvolver tcnicas e equipamentos que
substitussem o seu trabalho de forma a aumentar a segurana de seu ambiente profissional,
obter maior qualidade e rapidez na produo. Todas essas caractersticas aliadas ao benefcio
econmico provenientes de sua utilizao tornaram o controle automtico indispensvel em
vrias operaes industriais.
Visando a um maior rendimento produtivo nas indstrias, os profissionais tm buscado
inspirao no funcionamento da mente humana para solucionar problemas complexos, de
acordo comFilho et al. (2002). A lgica Fuzzy uma destas tcnicas inteligentes que simula
modos de raciocnio aproximados e manipula o conhecimento do especialista para a soluo de
problemas.
O presente trabalho apresenta a implementao de umcontrolador Fuzzy emuma Planta
Experimental de Controle de Nvel composta por dois tanques. Deseja-se obter resultados
satisfatrios para o controle do nvel de um dos tanques, de forma que este seja controlado a
partir da utilizao desta classe de controladores, que tem sido utilizada em vrios outros
trabalhos cientficos.
O controlador Fuzzy trata do relacionamento entre entradas e sadas agregando vrios
parmetros que so descritos de forma lingstica, o que faz com que o mesmo seja capaz de
proporcionar umdesempenho satisfatrio aos sistemas, proporcionando um controle que no
requer clculos ou equaes complexas, de acordo comVale (2007).




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
2
Alm do projeto do controlador, descrita a utilizao de modelos autorregressivos
para realizar a identificao de uma Planta Experimental de Controle de Nvel. Esta abordagem
fornece uma representao matemtica confivel por considerar as no-linearidades do sistema
a partir da utilizao de um conjunto de dados oriundos do sistema real. Segundo Carvalho
(2008) apud Aguirre (2000), a identificao de sistemas visa obter um modelo matemtico que
explique, ao menos de forma aproximada, a relao de causa e efeito presente nos dados.
A construo do modelo autorregressivo, bem como o projeto do controlador Fuzzy,
foram possveis devido utilizao do protocolo de comunicao de dados OPC (OLE for
Process Control), atravs do software Matlab, onde se estabelece uma relao cliente/servidor
entre o mesmo e a planta fsica.
2. OBJETO DE ESTUDO: PLANTA EXPERIMENTAL DE CONTROLE DE NVEL
O objeto de estudo do presente trabalho a Planta Experimental de Controle de Nvel
apresentada na Figura 1, que formada por uma estrutura metlica mvel onde os
equipamentos esto afixados. A planta possui o controlador ADAM 6022 que suporta duas
malhas PID. Neste trabalho, entretanto, suas funes de controle sero desabilitadas, visto que
o controle ser efetuado no software Matlab. O equipamento servir como um mdulo
universal de aquisio de dados. O objetivo do sistema controlar o nvel do fluido contido no
tanque TQ-01. Para mant-lo constante, necessrio que a vazo de fluido que entra neste
tanque, fornecida pela bomba MB-102 seja igual vazo que escoa para o tanque TQ-02.





VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
3

Figura 1 - Planta experimental de controle de nvel
3. FERRAMENTAL TERICO
3.1 MODELOS AUTORREGRESSIVOS
A utilizao dos modelos autorregressivos no contexto industrial se explica devido sua
capacidade de descrever o comportamento dinmico de um processo o qual seja impossvel ou
extremamente complexo sua descrio atravs de mtodos tradicionais. Essa descrio
geralmente realizada matematicamente, atravs da estimao de parmetros, que serve para
determinar os coeficientes do modelo a partir dos dados obtidos experimentalmente. De acordo
com Carvalho (2008), estes modelos foram utilizados inicialmente por pesquisadores da rea de
modelagem para a previso de problemas de sries temporais e de controle. Com o passar do
tempo este modelo foi utilizado por vrios pesquisadores da rea industrial, que a partir de seu
formato primrio incluam novas variaes.
Os modelos ARMAX (Auto-Regressive Moving Average with eXogenous inputs)
incluem dinmicas de distrbios, como pode ser visualizado na Figura 2. Geralmente, estes so
utilizados em sistemas nos quais os distrbios presentes no processo so relevantes, segundo
com Carvalho (2008).




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
4

Figura 2 Diagrama de blocos do modelo ARMAX

A(q
-1
)y(t) =B(q
-1
)u(t-nk) +C(q
-1
)e(t),
onde C(q
-1
): polinmio na varivel q, simboliza a mdia mvel e possui a seguinte
forma:
C(q
-1
)=1 +c
1
q
-1
++c
nc
q
-nc

nc: ordem do polinmio C(q
-1
);
Desta forma, os modelos ARX so representados por:

y(t)+a
1
y(t-1)+...+a
na
y(t-na)=b
1
u(t-nk)+b
2
u(t-nk-1)++b
nb
u(t-nk-
nb+1)+e(t)+c
1
e(t-1)+...+c
nc
e(t-n
c
)
Muitas so as aplicaes que os modelos ARMAX possibilitam e, devido simplicidade
em sua utilizao podem fornecer uma significativa proposta de metodologia na soluo de
problemas industriais que necessitam de representaes matemticas dos processos.
3.2 TEORIA FUZZY
A teoria Fuzzy uma tcnica de inteligncia artificial que tm se tornado uma
alternativa vivel para aplicaes em controle de processos. Um controlador Fuzzy procura
simular o raciocnio lgico humano para resolver os problemas. Utiliza o conhecimento do
especialista para modelar o funcionamento do sistema de controle, atravs da utilizao de
regras, relacionando as variveis de entrada e sada da planta. Esta tcnica trata informaes
qualitativas e no valores exatos, os valores so descritos lingisticamente, o que possibilita a
existncia de valores imprecisos e aproximados, segundo Coelho e Almeida (2003).
Se comparada a outras tcnicas de controle, a teoria Fuzzy possui uma fase de
elaborao do projeto simples, no sendo necessria utilizao de equaes matemticas
complexas ou tabelas, tarefas estas que consomem grande parte do tempo de projeto em outras
tcnicas de controle que as utilizam.
Um sistema lgico Fuzzy, representado na Figura 3, demonstra como a entrada
modificada, atravs da etapa de fuzzificao e, segue etapa de inferncia, onde ocorre a
tomada de deciso do sistema, combase em regras pr-determinadas, a partir de onde se tem os
valores difusos de sada que sero decodificados na etapa de defuzzificao.




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
5

Figura 3 Sistema Fuzzy. Adaptado de Henriques (1999)
A etapa de fuzzificao consiste da traduo dos valores de entrada em valores Fuzzy
verbais, geralmente provenientes de sensores e dispositivos existentes na planta industrial. Esta
parte do sistema lgico Fuzzy inclui a definio das funes de pertinncia e variveis
lingsticas, bem como a determinao do universo de discurso de cada uma destas variveis.
As variveis lingsticas Fuzzy devem ser escolhidas a partir das variveis fsicas de
processo sobre as quais as regras de controle so aplicadas. A varivel lingstica uma
varivel cujos valores podem ser os nomes para os conjuntos Fuzzy, segundo Gomide e
Gudwin (1994). Funes de pertinncia so funes que descrevem os sistemas dinmicos
atravs de modelos Fuzzy.
A etapa de inferncia Fuzzy aquela que utiliza regras do tipo se antecedente...ento
conseqente com o objetivo de produzir uma sada Fuzzy que ser utilizada para fins de clculo
da varivel de sada para o processo (VALE, 2007).
As regras do controlador definiro quais sero as sadas, tomadas pelo controlador, cada
vez que observar uma determinada combinao nos valores de entrada. Na fase de projeto do
controlador, devem ser elaboradas as regras para o mesmo. Para isto necessrio que o
projetista conhea o comportamento natural do processo a ser controlado e que saiba
claramente quais aes deseja que o mesmo tome em face das diversas condies que as
variveis de entrada possamassumir.
A defuzzificao consiste na transformao das variveis Fuzzy produzidas pela
mquina de inferncia emvariveis reais que sero enviadas ao processo. Dentre os mtodos
mais utilizados esto o centro dos mximos, mdia dos mximos e o centro de massa.
4. METODOLOGIA
4.1 IDENTIFICAO DO SISTEMA
Neste trabalho desejou-se obter uma representao matemtica para a Planta
Experimental de Controle de Nvel atravs da utilizao de um modelo autorregressivo do tipo
ARMAX. As variveis nvel do tanque e vazo da bomba sero relacionadas para a
composio do conjunto de dados necessrios estimao do modelo.
A estimao consiste em identificar parmetros que, relacionados entre si, forneam um




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
6
modelo matemtico de um sistema que tenha validade para simular seu comportamento em
vrias reas de pesquisa onde no seja possvel a utilizao da planta real como, por exemplo,
em simulao virtual.
Os valores medidos de nvel, num range de 0 a 100 % da varivel que so recebidos
pelo mdulo ADAM 6022, so convertidos atravs do conversor A/D em uma faixa de 0 a
65535 respectivamente, sabendo-se que o conversor possui resoluo de 16 bits. Como a sada
analgica do mdulo ADAM 6022 possui conversor D/A de 12 bits, a faixa de trabalho est
entre 0 e 4095.
Foi utilizada uma entrada em forma de onda quadrada de amplitude mxima de 2700 e
mnima de 1200, com perodo de 80 segundos, para estimular o sistema. A configurao no
Simulink utilizada apresentada na Figura 4.


Figura 4 Identificao do sistema
O bloco Repeating Sequence Stair1 fornece o estmulo de entrada em forma de onda
quadrada ao bloco OPC Write, que por sua vez escreve sobre a planta esses valores. Alm
disso, esse estmulo ser enviado ao workspace do Matlab atravs do bloco To workspace1, na
varivel Estimulo que ser usada posteriormente.
O comportamento do sistema ser registrado a partir da leitura que o bloco OPC Read
faz do mesmo e semelhantemente ao estmulo de entrada, ser enviado ao workspace do Matlab
atravs do bloco To workspace2 na varivel chamada Resposta.
Os dados geralmente so separados em duas partes, uma para teste e outra para
validao. O conjunto de testes utilizado para a elaborao do modelo, isto , para a
estimao dos parmetros do modelo, enquanto o conjunto de validao serve como uma
amostra do sistema real que deve ter suas respostas comparadas quelas obtidas pelo modelo a
uma determinada entrada de acordo com Carvalho (2008).
Neste trabalho, os dados foramseparados emdois conjuntos A1 e A2, no workspace do
Matlab, como segue:
A1=[Resposta(1:2:243) Estimulo(1:2:243)];
A2=[Resposta(2:2:244) Estimulo(2:2:244)];
Estes conjuntos so, cada umdeles, formados por duas colunas sendo a primeira a
varivel Resposta e a segunda a varivel Estimulo. Ambos os conjuntos foram extrados do
conjunto total de dados e formados de forma intercalada. O conjunto A2 foi utilizado para os
testes enquanto A1 usado para a validao.
Os valores das ordens escolhidos para os coeficientes do modelo foram [1 1 1 0]. Este
conjunto foi escolhido primeiramente por se tratar de ordens mais simples, podendo vir a ser




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
7
modificado caso no fosse atingida uma representao satisfatria da planta. Esta configurao,
contudo, apresentou um bomdesempenho no sendo necessrio experimentar modelos com
ordem mais elevadas.
Os coeficientes do modelo autorregressivo foramobtidos atravs do Matlab utilizando-
se a seguinte linha de comando:
m=armax (A2,[1 1 1 0]),
O modelo encontrado :
0.34031 z
z - 0.95767
De posse do modelo, deve-se certificar-se de que ele sirva para representar outros
conjuntos de dados provenientes do mesmo sistema, o que ser possvel atravs da validao
deste modelo. A importncia da validao consiste no fato de a maioria dos sistemas reais
serem no-lineares, o que no garante que o modelo obtido realmente seja uma representao
til do sistema. O comando do Matlab que fornece as respostas do modelo a uma determinada
entrada proveniente da planta o predict. O comando utilizado da seguinte forma:
y=predict (m,A1),
onde y retornar a resposta do modelo a esta entrada, que armazenada em um vetor e
este sobreplotado com a planta real, como pode ser visto na Figura 5.

Figura 5 Sada do sistema comparada ao modelo
Atravs da Figura 5 pode-se observar que o modelo encontrado apresentou um grau de
aderncia considervel em relao planta real, significando que este pode ser utilizado para
substituir o mesmo em situaes nas quais se torna invivel sua utilizao devido
impossibilidade de parada de produo para realizao de testes, que poderiam resultar em
danos mesma. Alm disso, a utilizao do modelo traz o benefcio de diminuio do tempo no
qual os testes so realizados atravs dos ambientes virtuais de simulao, o que traz resultados
mais rapidamente do que seria caso fosse utilizada a planta real.
4.2. CONTROLE
O presente trabalho comprometeu-se a elaborar umcontrolador Fuzzy para o sistema de




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
8
nvel de lquido em questo. Os testes deste controlador foram realizados diretamente na planta.
Como variveis lingsticas para a entrada do controlador Fuzzy foram definidas o erro de
nvel e a variao do erro do nvel. A varivel lingstica erro obtida atravs da diferena
entre o valor do SP e o valor da VP. A variao do erro obtida comparando-se o erro no
instante atual com o erro no instante anterior, que foi obtido utilizando-se um bloco de atraso
no Simulink. Como varivel lingstica de sada foi definida a vazo da bomba que
influenciada pela rotao da bomba.
Um esquemtico da configurao desenvolvida no Simulink segue na Figura 6, com um
set point em degrau de 50%.

Figura 6 Diagrama de blocos do Simulink para controle da planta
Este controlador foi projetado com cinco funes de pertinncia para a varivel
lingstica de entrada erro. So elas: neg, Pneg, zero, Ppos e pos, como podem ser
vistas na Figura 7, e sete funes de pertinncia para a varivel lingstica de sada vazo da
bomba. So elas: baixa, Pbaixa, MPbaixa, cte, MPalta, Palta e alta, que podem ser
visualizadas na Figura 8.

Figura 7 - Funes de pertinncia da varivel erro

Figura 8 - Funes de pertinncia da varivel vazo de sada




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
9
A utilizao da variao do erro como varivel lingstica da entrada permite ao
controlador antecipar uma ao corretiva, pois ao considerar o erro no instante anterior pode
perceber para onde os valores da varivel esto tendendo, isto , ao comparar o valor atual com
o anterior o controlador capaz de perceber o aumento ou decrscimo do valor do erro.
A Figura 9 mostra a disposio das funes de pertinncia da variao do erro. So
elas: mneg, neg, zero, pos e mpos. importante ressaltar que esta varivel foi utilizada
apenas para aumentar a preciso do controlador na regio onde a varivel erro zero, isto ,
o range da variao do erro abrange apenas os valores cuja diferena entre o instante atual e
anterior esteja concentrada na funo de pertinncia central da varivel erro.

Figura 9- Funes de pertinncia da varivel variao do erro
As regras elaboradas para o Controlador so apresentadas na Tabela 1:
Tabela 1. Regras do controlador
IF
ERRO
AND
VARIAO DO
ERRO
THEN
VAZO SADA
NEG -------- BAIXA
PNEG -------- PBAIXA
ZERO ZERO CTE
ZERO MPOS MALTA
ZERO POS MALTA
ZERO NEG MBAIXA
ZERO MNEG MBAIXA
PPOS --------- PALTA
POS --------- ALTA
A resposta do sistema entrada em degrau apresentada na Figura 10:




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
10

Figura 10 - Resposta da planta a um SP em degrau de 50%
Como pode ser visto, o controlador permitiu a varivel de processo nvel do tanque
alcanar o valor de setpoint e, desta forma, considerou-se a resposta satisfatria.
Depois de alcanado umdesempenho aceitvel como teste em degrau, o mesmo
controlador foi testado com entrada em onda quadrada, para analisar a capacidade do mesmo
em se manter no SP ainda que este varie bruscamente. A configurao realizada para este teste
est ilustrada na Figura 11:

Figura 11 Diagrama de blocos do Simulink para controle da planta com estmulo em onda quadrada
O resultado para este teste com entrada em onda quadrada de amplitude mxima de
50% e mnima de 20% pode ser visualizado na Figura 12:




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
11

Figura 12 - Resposta da planta a uma entrada em onda quadrada
Como demonstra a Figura 12, o sistema capaz de seguir variaes no SP quando
utilizado o controlador projetado. Pde-se considerar que o objetivo de encontrar um
controlador Fuzzy que fizesse a planta de nvel alcanar os valores pr-determinados foi,
portanto, alcanado.
5. CONCLUSO
A partir dos resultados apresentados neste trabalho, observa-se que a lgica Fuzzy
fornece desempenho satisfatrio ao tentar controlar uma Planta de Controle de Nvel. No
presente trabalho a obteno de um controlador eficiente para a planta s se fez possvel
mediante o conhecimento do funcionamento da mesma. Este trabalho apresentou os detalhes
sobre a implementao do controlador Fuzzy. Alm disso, um pouco do ferramental terico
sobre o assunto foi apresentado, constituindo uma base terica para trabalhos futuros.
6. REFERNCIAS
CARVALHO, Adelson Siqueira. Modelagem de colunas de destilao atravs de
modelos auto-regressivos. Dissertao de Mestrado em Engenharia de Produo - Campos
dos Goytacazes, RJ - Universidade Estadual do Norte Fluminense UENF, 2008.
COELHO, Leandro dos Santos, ALMEIDA, Otaclio. Projeto e estudo de caso da
implementao de um sistema de controle nebuloso. Revista Controle & Automao, Vol.14
no.1, 2003.
FILHO, Fernando de Melo Luna, GOSMANN, Hugo Leonardo, BAUCHSPIESS,
Adolfo. Controle fuzzy para sistema de nvel de lquidos. XIV Congresso Brasileiro de
Automtica. Natal- RN, 2002.
GOMIDE, Fernando Antonio Campos, GUDWIN, Ricardo Ribeiro. Modelagem,
controle, sistemas e lgica fuzzy. SBA Controle & Automao, Vol.4, n3. 1994.




VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010
12
HENRIQUES, Luis Oscar de Arajo Porto. Compensao das oscilaes de torque
de um acionamento de relutncia chaveado utilizando tcnicas de controle neuro fuzzy.
Dissertao de Mestrado em Cincias de Engenharia Eltrica - Rio de J aneiro, RJ . UFRJ,
1999.
VALE, Marcelo Roberto Bastos Guerra. Anlise comparativa do desempenho de um
controlador fuzzy acoplado a um PID neural sintonizado por um algoritmo gentico com
controladores inteligentes convencionais. Dissertao de Mestrado em Engenharia Eltrica e
de computao. UFRN, 2007.