Conjuntos, Lógica e Controle Fuzzy

L ogica Fuzzy 1 / 72
Conjuntos, Logica e Controle Fuzzy

Parte III: Controle Fuzzy
Eduardo Camponogara
Departamento de Automa cao e Sistemas
Universidade Federal de Santa Catarina
DAS-5341: Inteligencia Articial Aplicada a C&A
Sumario
Sumario
Introdu cao
Controle fuzzy em detalhes
Implementa cao de um controlador fuzzy
Introdu cao
Sumario
Introdu cao
Introdu cao
Introdu cao
Sistemas de controle fuzzy
Embora a logica fuzzy tenha se tornado bem conhecida na

area de controle automatico, ha rea coes adversas que
consideraram a logica fuzzy como uma logica pouco
formalizada.
Talvez outra denicao desta logica teria sido mais apropriada.
A logica fuzzy pode ser vista como uma forma de se realizar

uma interface com processos analogicos, que permite o
tratamento gradual de sinais contnuos ate sinais discretos
manipulados por maquinas digitais.
Introdu cao
Introdu cao
Sistemas de controle fuzzy
Como exemplo, considere um sistema de freios ABS dirigido

por um micro-controlador.
O micro-controlador deve tomar decisoes baseado na

temperatura dos freios, velocidade e outras variaveis do
sistema.
A variavel temperaturapode ser categorizada em faixas de

estados, tais como: frio, meio frio, nominal, mornoe
quente.
A denicao da fronteira entre estes estados nao e clara.

Introdu cao
Introdu cao
Sistemas de controle fuzzy: princpios
A denicao da fronteira entre estes estados nao e clara.
Um limiar poderia ser denido para diferenciar mornode

quentemas isto levaria a uma mudanca descontnua quando
o valor de entrada atravessa o limiar.
A alternativa e assumir estados fuzzy, isto e, fazer com que os

estados mudem gradualmente de um estado para o proximo.
Poderamos denir estados de temperatura usandofun coes de

pertinenciatais como as indicadas na gura abaixo.
Introdu cao
Introdu cao
T
0
T
1
T
2
T
3
T
4
T
5
T
6
0
1
frio meio frio nominal morno quente
Figura: Funcoes de pertinencia para conjuntos fuzzy de temperatura.
Introdu cao
Introdu cao
Sistemas de controle fuzzy: princpios
Com este esquema, os estados das variaveis de entrada nao

tem saltos abruptos de um estado para o proximo.
`
A medida que a temperatura muda, ela perde valor de
pertinencia em um conjunto fuzzy enquanto aumenta o grau
de pertinencia ao proximo conjunto fuzzy.
Em qualquer instante, o valor da temperatura dos freios sera

um grau de pertinencia com respeito a dois conjuntos fuzzy:
60%nominale 40%mornoou 70%nominale 30%meio frio,
por exemplo.
Introdu cao
Introdu cao
Entrada-sada
As variaveis de entrada em um sistema de controle fuzzy sao

em geral mapeadas para o sistema por meio de funcoes de
pertinencia semelhantes às vistas acima.
O processo de conversao de valores de entrada precisos para

valores fuzzy e conhecido por fuzzicacao.
Introdu cao
Introdu cao
Tratamento de chaves
Um sistema de controle pode tambem ter varios tipos de

chaves ( switches), ou entradas on-o, alem de entradas
analogicas, e tais chaves sempre terao como valor 1 ou 0.
O esquema proposto acima pode trata-las como funcoes fuzzy

simplicadas que assumem valor 0 ou 1.
Introdu cao
Introdu cao
Regras
Dados mapeamentosdas variaveis de entrada para funcoes de
pertinencia e valores verdade, um micro-controlador entao pode
tomar decisoes sobre a a cao a ser tomada baseado em um conjunto
deregras, cada uma delas da forma:
Se temperatura (do freio) e morna e velocidade e nao
muito rapida entao pressao (do freio) e ligeiramente
reduzida
Introdu cao
Introdu cao
Regras
No exemplo acima, as duas variaveis de entrada sao

temperatura (do freio)evelocidadecujos valores sao
denidos como conjuntos fuzzy.
A variavel de sada, pressao (do freio), e tambem denida

como um conjunto fuzzy que pode assumir valores como
estatica, ligeiramente aumentada, ligeiramente reduzidae
assim por diante.
Introdu cao
Introdu cao
Regras
A regra parece estranha ja que aparentemente a mesma poderia ser
utilizada sem fazer uso da logica fuzzy, mas devemos lembrar que a
decisao e baseada em um conjunto de regras.
Introdu cao
Introdu cao
Regras
Todas as regras aplicaveis sao invocadas utilizando fun coes de

pertinencia e valores verdade obtidos a partir das entradas,
com o objetivo de se chegar ao resultado da regra.
Este resultado sera mapeado em uma funcao de pertinencia e

valor verdade para controle da variavel de sada.
Estes resultados sao combinados para dar uma resposta exata

(do ingles, crisp), ou seja, o valor exato da pressao, em um
processo conhecido comodefuzzicacao.
Introdu cao
Introdu cao
Sistema especialista fuzzy
A combina cao de opera coes fuzzy e inferencia baseada em regras
dene umsistema especialista fuzzy.
Introdu cao
Introdu cao
Controle classico
Sistemas de controle classico sao baseados em um modelo

matematico segundo o qual o sistema de controle e descrito
atraves de uma ou mais equacoes diferenciais, as quais
denem a resposta do sistema às entradas.
Tais sistemas sao freq uentemente implementados como

controladores PID (proportional-integral-derivative).
Eles sao produto de decadas de analise te orica e

desenvolvimento tecnologico, sendo altamente ecazes.
Introdu cao
Introdu cao
Controle PID
Se controladores PID e outras tecnicas de controle classico sao tao
bem desenvolvidos, por que devemos nos preocupar com controle
fuzzy?
Introdu cao
Introdu cao
Razoes para controle fuzzy
Controle fuzzy tem algumas vantagens:
Em varios casos, o modelo matematico do processo nao

existe, nao e conhecido ou e muito complexo de ser obtido ou
implementado em maquinas computacionais.
Em tais situacoes, um sistema baseado em regras empricas

pode ser mais ecaz.
Introdu cao
Introdu cao
Logica fuzzy: base para o controle
Alem disso, logica fuzzy e bem estudada e apropriada para

implementa coes de baixo custo computacional, com sensores
de baixo custo e utilizando conversores analogico-digitais de
baixa resolucao.
Tais sistemas tambem podem ser expandidos/aperfeicoados

ao se adicionar regras que venham a melhorar o desempenho.
Em muitos casos, controle fuzzy pode ser usado para melhorar

sistemas de controle ja existentes, adicionando uma camada
de controle inteligente acima do metodo de controle atual.
Sumario
Introdu cao
Controle fuzzy
Projeto conceitual
O projeto conceitual de controladores fuzzy e bastante

simples.
Tais controladores consistem de um estagio de entrada

(fuzzicacao), um estagio de processamento (inferencia) e
um estagio de sada (defuzzicacao), conforme ilustra a
gura abaixo.
Arquitetura de um controlador fuzzy
fornecidas por especialistas ou
extradas de dados numericos
para ativar
as regras
entradas
precisas
fuzzicacao defuzzica cao
regras
inferencia
mapeia conjuntos fuzzy em conjuntos fuzzy
determina a ativacao e combinacao de regras
conjuntos fuzzy conjuntos fuzzy
de sada
de entrada
sada
precisa
precisa
fornece sada
Controle fuzzy
Projeto conceitual
O projeto conceitual de controladores fuzzy e bastante simples.
O estagio de entrada mapeia sensores e outras entradas

(como chaves) para funcoes de pertinencia apropriadas e
valores verdade.
O estagio de processamento invoca as regras apropriadas e

gera os resultados para cada uma, depois combina os
resultados das regras.
Finalmente, o estagio de sada converte o resultado da

combina cao em um valor de sada preciso para controle.
Controle fuzzy
Aspectos
O formato de funcao de pertinencia mais comum e o

triangular, embora curvas trapezoidais e tipo sino sejam
tambem empregadas, o n umero e localiza cao das curvas
desempenha papel mais crtico.
Muitas vezes, um n umero entre tres e sete curvas e suciente

para cobrir a faixa dos valores de entrada, ou ouniverso de
discursodentro do jargao da logica fuzzy.
O estagio de processamento e baseado em uma colecao de

regras logicas da forma se-entao, onde a parte do se e
chamada deantecedentee a parte do entao e conhecida por
conseq uente.
Sistemas de controle fuzzy tipicamente tem dezenas de regras.

Controle fuzzy
Exemplo de regra
Considere a regra para um termostato:
se (temperatura e fria) entao (aquecedor e alto)
Controle fuzzy
Exemplo de regra
Esta regra usa o valor verdade datemperaturade entrada,

que e um certo valor defria, para gerar um resultado em um
conjunto fuzzy para a sada doaquecedor, que e um valor
alto.
Este resultado e utilizado com o resultado de outras regras

para gerar um valor composto exato para a sada (do ingles,
crisp composite output).
Obviamente, quanto maior o grau de verdade defria, maior

o grau de verdade dealto, embora isto nao signica
necessariamente que a sada xara o aquecedor no estado
alto, ja que esta e apenas uma entre varias regras.
Controle fuzzy
Uso de modicadores
Em alguns casos, as funcoes de pertinencia podem ser alteradas
por meio demodicadoresque sao equivalentes a adjetivos.
Controle fuzzy
Modicadores tpicos
Modicadores tpicos incluem:
1. em torno;
2. proximo de;
3. muito;
4. ligeiramente;
5. extremamentee
6. um pouco, entre outros.
Essas opera coes podem ter denicoes precisas, mas podem variar
de uma implementa cao para outra.
Controle fuzzy
Mais sobre modicadores
Como visto, o modicador muitoeleva ao quadrado o valor

da funcao de pertinencia uma vez que as funcoes de
pertinencia tem valor sempre menor que 1, o efeito e de
estreitar a funcao de pertinencia.
O modicador extremamenteeleva ao cubo a funcao de

pertinencia, estreitando ainda mais a funcao de pertinencia.
Por outro lado, o modicador um poucoalarga a funcao de

pertinencia tomando a raiz quadrada.
Controle fuzzy
Antecedentes em regras fuzzy
Na pratica, as regras fuzzy tem varios antecedentes que sao
combinados usando operadores fuzzy, tais comoe, ouenao,
mesmo que as denicoes possam variar:
e: em uma denicao bem popular, simplesmente assume o menor
valor verdade de seus antecessores; e
nao: este operador tipicamente subtrai o valor da funcao de
pertinencia de 1, dando dessa forma a funcaocomplemento.
Controle fuzzy
Denindo resultado da regra
Ha diferentes maneiras de se denir o resultado de uma regra.
Mas uma das mais comuns e mais simples e por meio do

metodo de inferenciamax-min.
Esta passa os valores verdade gerados pelas premissas à

funcao de pertinencia de sada.
Controle fuzzy
Processamento
Regras podem ser resolvidas em paralelo via hardware ou

seq uencialmente via software.
Os resultados de todas essas regras que foram disparadas sao

defuzzicadospara valores exatos por meio de um dentre
varios metodos.
Ha dezenas de metodos propostos na teoria, cada um com

vantagens e desvantagens.
Controle fuzzy
Centroide
O metodocentroidee bastante popular, no qual ocentro de

massado resultado prove o valor exato.
Outro metodo e o metodo daaltura, que toma o valor da

maior contribuicao.
O metodocentroidefavorece a regra com maior area,

enquanto o metodo daalturaobviamente da preferencia à
sada de maior valor.
Controle fuzzy
Exemplo
O exemplo a seguir ilustra a inferenciamax-mine

defuzzicacao por meio do metodocentroidepara um
sistema com variaveis de entrada x, y e z, alem de uma
variavel de sada .
Os procedimentos de inferencia e de defuzzicacao sao

ilustrados na gura abaixo.
Inferencia max-min
A
B
C
D
E
F
x
y
z
A
(x)
B
(y)
C
(z)
regra-1: se x e A entao e D
regra-2: se y e B entao e E
regra-3: se z e C entao e F
= centroide (valor exato)
Controle fuzzy
Defuzzica cao
Note que e padrao em logica fuzzy para designar valor

verdade.
Observe ainda que cada regra da um valor verdade para uma

funcao de pertinencia de uma variavel de sada.
Na defuzzicacaocentroide, os valores sao combinadores via

operador ou, ou seja, o valor maximo e usado e estes nao
sao adicionados, os resultados sao entao processados por meio
do calculo centroide.
Controle fuzzy
Sistemas de controle
Sistemas de controle fuzzy sao baseados em metodos empricos,
basicamente um metodo metodico de tentativa e erro.
Controle fuzzy
Sistemas de controle
O processo geral pode ser caracterizado pelos passos a seguir:
documente as especicacoes operacionais do sistema, as

entradas e sadas.
determine conjuntos fuzzy para as entradas.
dena um conjunto de regras.
escolha um metodo de defuzzicacao.
execute o sistema sobre um conjunto de teste, fazendo ajustes

quando necessario.
nalize a documentacao e implemente o sistema de controle.

Controle fuzzy
Exemplo
Como um exemplo, considere o projeto de um controlador

fuzzy para uma turbina.
O diagrama de blocos do sistema de controle pode ter a forma

dada na gura abaixo.
Controle fuzzy
temperatura
pressao
valvula
frio
meio frio
nominal
morno
quente
se T e frio
se T e frio
se T e frio
se T e frio
e P e fraco
entao valvula e P
3
e P e baixo
entao valvula e P
2
e P e ok
entao valvula e Z
e P e forte
entao valvula e N
2
fraco
baixo
ok
forte
alto
d
e
f
u
z
z
i
c
a
r
outras regras
Controle fuzzy
Ha duas variaveis de entrada (temperatura e pressao) e uma

variavel de sada (a abertura da valvula).
A opera cao da turbina pode ser revertida, logo a abertura da

valvula pode ser positiva ou negativa.
Os mapeamentos em conjuntos fuzzy estao indicados na

gura abaixo.
Controle fuzzy
Temperatura
T
0
T
1
T
2
T
3
T
4
T
5
T
6
T
7
T
8
T
9
frio meio frionominal morno
quente
0
0
1
1
Pressao
P
0
P
1
P
2
P
3
P
4
P
5
P
6
P
7
P
8
P
9
fraco baixo ok forte
alto
Controle fuzzy
Regulagem da valvula
A abertura da valvula e regulada pelos valores:
N
3
: negativo alto.
N
2
: negativo medio.
N
1
: negativo pequeno.
Z: zero.
P
1
: positivo pequeno.
P
2
: positivo medio.
P
3
: positivo grande.
Controle fuzzy
O conjunto de regras inclui como as abaixo
Regra 1: se temperatura e fria e pressao e fraca entao

valvula e P
3
.
Regra 2: se temperatura e fria e pressao e baixa entao

valvula e P
2
.
Regra 3: se temperatura e fria e pressao e ok entao valvula e

Z.
Regra 4: se temperatura e fria e pressao e forte entao

valvula e N
2
.
Controle fuzzy
Comentarios
Na pratica, o controlador aceita entradas e os mapeia em valores
verdade por meio das funcoes de pertinencia.
Entao esses mapeamentos alimentam as regras.
Se a regra estabelece uma opera caoeentre os mapeamentos

de duas variaveis de entrada, como os exemplos acima
ilustram, o menor valor das duas e utilizado como valor
verdade da combina cao.
Se a regra estabelece uma opera caoou, entao o maximo e

utilizado.
Controle fuzzy
Comentarios
A sada apropriada e escolhida e designada um valor de

pertinencia no nvel de verdade da premissa.
Os valores verdade sao entao defuzzicados.

Controle fuzzy
Exemplo
Como exemplo, suponha que a temperatura esta no estado

fria, e que a pressao esta nos estados baixoe ok.
Os valores de pressao garantem que apenas as regras 2 e 3

irao disparar.
A regra 2 e avaliada conforme ilustra a primeira gura a

seguir.
A regra 3 e avaliada conforme ilustra a segunda gura.

Controle fuzzy
0
0
0
0
1
1
1
T
P
P
2
entrada: temperatura
entrada: pressao
sada: abertura da valvula
min max
0, 48
0, 57
0, 48e0, 57 = 0, 48
frio
baixo
Controle fuzzy
0
0
0
0
1
1
1
T
P
Z
entrada: temperatura
entrada: pressao
sada: abertura da valvula
min max
0, 48
0, 25
0, 48 e 0, 25 = 0, 25
frio
ok
Controle fuzzy
Sobre as regras
As sadas das regras 2 e 3 sao entao combinadas como mostra

a gura abaixo.
A sada combinada sera entao implementada, ajustando a

abertura da valvula, e o ciclo de controle sera entao repetido
para produzir o proximo valor.
Defuzzicacao
0
0
0
0
0
0
1
1
1
Z
Z
abertura da valvula: regra 2
abertura da valvula: regra 3
abertura da valvula nal (defuzzicacao)
min
min
min
max
max
max
abertura
P
2
P
2
Sumario
Introdu cao
Implementa cao do Controlador
Sobre o controlador
Considere a implementa cao de um controlador realimentado
(feedback controller) simples. Um conjunto fuzzy e denido para a
entrada (variavel de erro) erro, para a varia cao derivada do erro a
partir do erro anterior (variavel delta) bem como a variavel de
sada (sada), como segue:
LP: valor positivo alto
SP: valor positivo pequeno
ZE: zero
SN: valor negativo pequeno
LN: valor negativo grande

Implementacao
Se o erro varia de 1 a +1, com o conversor analogico digital

tendo precisao de 0, 25,
entao o conjunto fuzzy para as variaveis de entrada (e, neste

caso, tambem para a variavel de sada) pode ser descrito
atraves de uma tabela,
onde os valores de erro, deltae sadaaparecem na linha

superior,
enquanto os valores das funcoes de pertinencia sao dados nas

linhas abaixo, como mostra a tabela abaixo.
Fun coes de pertinencia
\variavel -1 -0,75 -0,50 -0,25 0 0,25 0,50 0,75 1
LP
0,0 0,0 0,0 0,0 0,0 0,0 0,3 0,7 1,0
SP
0,0 0,0 0,0 0,0 0,3 0,7 1,0 0,7 0,3
ZE
0,0 0,0 0,3 0,7 1,0 0,7 0,3 0,0 0,0
SN
0,3 0,7 1 0,7 0,3 0,0 0,0 0,0 0,0
LN
1,0 0,7 0,3 0,0 0,0 0,0 0,0 0,0 0,0
Observacao
A tabela acima simplesmente da o valor de pertinencia para

cada conjunto fuzzy (LPaLN),
em termos dos valores com rela cao aos valores dados na

linha superior.
Observacao

E importante salientar que para as variaveis erroe deltaos
valores da linha superior sao usados para gerar os valores ,
enquanto que para a variavel de sada, os valores sao usados

para gerar os valores da linha superior.
Base de regras
Suponha que o sistema fuzzy tenha a seguinte base de regras
fuzzy:
regra 1: se erro = ZE e delta = ZE entao sada = ZE
regra 2: se erro = ZE e delta = SP entao sada = SN
regra 3: se erro = SN e delta = SN entao sada = LP
regra 4: se erro = LP ou delta = LP entao sada = LN

Sobre regras
Estas regras sao tpicas de aplicacoes de controle,
onde os antecedentes consistem da combina cao logica dos

sinais deerroe delta,
enquanto o conseq uente e um comando de controle.

Sobre regras
As regras podem ser um pouco difceis de serem interpretadas.
Por exemplo, o que a regra 1 diz e que se o valor deerro

pertencer ao conjunto fuzzy ZE e o sinal delta(ou varia cao
do ultimo sinal de erro) pertencer ao conjunto fuzzy ZE, entao
a sada de controle tambem pertence ao conjunto fuzzy ZE.
O que torna confuso e que a atribuicao de valores numericos a

cada regra nao da, pelo menos diretamente, um valor preciso
para o sinal de sada.
Sobre regras
O valor de sada e denido pela regra 1 como ZE.
Analisando os valores fuzzy, a tabela mostra que ZE tem seu

maximo para o valor 0da linha superior da tabela e,
portanto, a regra sempre da uma sada 0.
Similarmente, a regra 2 da uma sada para SN ou 0, 5, a

regra 3 sempre da sada LP ou 1 e a regra 4 da a sada LN ou
-1.
Devemos nos lembrar que o valor de sada nal e uma

combina caodas sadas dessas quatro regras,
ponderadas por meio de valores e computados de acordo

com as regras de calculo usando o metodo centroide:
4
i =1
(i )sada(i )
4
i =1
(i )
onde (i ) e o valor verdade da regra i , cujo computo e
ilustrado nas guras acima.
A expressao acima consiste do processo de defuzzicacao.

Suponha que em um certo momento tenhamos:
erro = 0, 25
delta = 0, 5
Fun coes de pertinencia para o caso erro = 0, 25
delta = 0, 5
\variavel erro=0,25 delta=0,50
LP
0,0 0,3
SP
0,7 1,0
ZE
0,7 0,3
SN
0,0 0,0
LN
0,0 0,0
Regra 1
Estes valores sao repassados às regras para se obter os valores de
sada. Para a regra 1, temos:
regra 1: se erro=ZE e delta=ZE entao sada=ZE
A ponderacao para a sada, (1)
, e produzida com o simples

calculo:
(1) = min(0, 7, 0, 3) = 0, 3
E como mencionado acima, a sada desta regra e sempre 0:
sada(1) = 0
Regra 2
As outras regras nos dao:
regra 2: se erro=ZE e delta=SP entao sada=SN
(2) = min(0, 7, 1) = 0, 7
sada(2) = -0,5
regra 3: se erro=SN e delta=SN entao sada=LP
(3) = min(0, 0, 0, 0) = 0, 0
sada(3) = 1
regra 4: se erro=LP ou delta=LP entao sada=LN
(4) = max(0, 0, 0, 3) = 0, 3
sada(4) = -1
Metodo centroide
A computa cao do centroide entao leva aos valores:
sada =
(1)sada(1) + (2)sada(2) + (3)sada(3) + (4)sada(4)
(1) + (2) + (3) + (4)
=
0, 3 0 + 0, 7 0, 5 + 0 1 + 0, 3 1
0, 3 + 0, 7 + 0 + 0, 3
=
0 0, 35 + 0, 0 0, 3
1, 3
=
0, 65
1, 3
= 0, 5
Diculdades
Contudo, a parte mais difcil esta em descobrir quais regras
produzem bons resultados na pratica.
Sobre o metodo centroide
Para entender o computo do centroide, lembramos que o centroide
e denido como a soma de todos os momentos (localiza cao vezes
massa) em torno do centro de gravidade e forcando a soma para
zero (a soma dos momentos deve ser nula).
Entendendo o metodo centroide
Entao se x
0
e o centro de gravidade, x
i
a localiza cao de cada
massa e m
i
a massa, isto nos da a equacao:
0 = (x
1
x
0
) m
1
+ (x
2
x
0
) m
2
+ . . . + (x
n
x
0
) m
n
= (x
1
m
1
+ x
2
m
2
+ . . . + x
n
m
n
) x
0
(m
1
+ m
2
+ . . . + m
n
)
e da segue que:
x
0
(m
1
+ m
2
+ . . . + m
n
) = x
1
m
1
+ x
2
m
2
+ . . . + x
n
m
n
Entendendo o metodo centroide
Assim chegamos à equacao:
x
0
=
x
1
m
1
+ x
2
m
2
+ . . . + x
n
m
n
m
1
+ m
2
+ . . . + m
n
No nosso caso, os valores correspondem às massas e os valores
de x correspondem às sadas das regras.
Logica Fuzzy
Fim!
Obrigado pela presen ca.

Conjuntos, Lógica e Controle Fuzzy

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Conjuntos, Lógica e Controle Fuzzy

Enviado por

Direitos autorais:

Formatos disponíveis

L ogica Fuzzy 1 / 72

Conjuntos, Logica e Controle Fuzzy

Embora a logica fuzzy tenha se tornado bem conhecida na

Talvez outra denicao desta logica teria sido mais apropriada.

A logica fuzzy pode ser vista como uma forma de se realizar

Como exemplo, considere um sistema de freios ABS dirigido

O micro-controlador deve tomar decisoes baseado na

A variavel temperaturapode ser categorizada em faixas de

A denicao da fronteira entre estes estados nao e clara.

A denicao da fronteira entre estes estados nao e clara.

Um limiar poderia ser denido para diferenciar mornode

A alternativa e assumir estados fuzzy, isto e, fazer com que os

Poderamos denir estados de temperatura usandofun coes de

Com este esquema, os estados das variaveis de entrada nao

Em qualquer instante, o valor da temperatura dos freios sera

As variaveis de entrada em um sistema de controle fuzzy sao

O processo de conversao de valores de entrada precisos para

Um sistema de controle pode tambem ter varios tipos de

O esquema proposto acima pode trata-las como funcoes fuzzy

No exemplo acima, as duas variaveis de entrada sao

A variavel de sada, pressao (do freio), e tambem denida

Todas as regras aplicaveis sao invocadas utilizando fun coes de

Este resultado sera mapeado em uma funcao de pertinencia e

Estes resultados sao combinados para dar uma resposta exata

Sistemas de controle classico sao baseados em um modelo

Tais sistemas sao freq uentemente implementados como

Eles sao produto de decadas de analise te orica e

Em varios casos, o modelo matematico do processo nao

Em tais situacoes, um sistema baseado em regras empricas

Alem disso, logica fuzzy e bem estudada e apropriada para

Tais sistemas tambem podem ser expandidos/aperfeicoados

Em muitos casos, controle fuzzy pode ser usado para melhorar

O projeto conceitual de controladores fuzzy e bastante

Tais controladores consistem de um estagio de entrada

O estagio de entrada mapeia sensores e outras entradas

O estagio de processamento invoca as regras apropriadas e

Finalmente, o estagio de sada converte o resultado da

O formato de funcao de pertinencia mais comum e o

Muitas vezes, um n umero entre tres e sete curvas e suciente

O estagio de processamento e baseado em uma colecao de

Sistemas de controle fuzzy tipicamente tem dezenas de regras.

Esta regra usa o valor verdade datemperaturade entrada,

Este resultado e utilizado com o resultado de outras regras

Obviamente, quanto maior o grau de verdade defria, maior

Como visto, o modicador muitoeleva ao quadrado o valor

O modicador extremamenteeleva ao cubo a funcao de

Por outro lado, o modicador um poucoalarga a funcao de

Ha diferentes maneiras de se denir o resultado de uma regra.

Mas uma das mais comuns e mais simples e por meio do

Esta passa os valores verdade gerados pelas premissas `a

Regras podem ser resolvidas em paralelo via hardware ou

Os resultados de todas essas regras que foram disparadas sao

Ha dezenas de metodos propostos na teoria, cada um com

O metodocentroidee bastante popular, no qual ocentro de

Outro metodo e o metodo daaltura, que toma o valor da

O metodocentroidefavorece a regra com maior area,

O exemplo a seguir ilustra a inferenciamax-mine

Os procedimentos de inferencia e de defuzzicacao sao

Note que e padrao em logica fuzzy para designar valor

Observe ainda que cada regra da um valor verdade para uma

Na defuzzicacaocentroide, os valores sao combinadores via

documente as especicacoes operacionais do sistema, as

determine conjuntos fuzzy para as entradas.

dena um conjunto de regras.