Escolar Documentos
Profissional Documentos
Cultura Documentos
Tema da Aula:
Estrutura da aula
1 Anlise do Controle Realimentado (Feedback) 2 Controle por Alimentao Direta (Feedfoward); 3 Controle por Razo; 4 Controle em Cascata; 5 Controle Seletivo e Override; 6 Controle por Faixa Dividida (Split Range); 7 Controle Adaptativo; 8 Controle Neural; 9 Controle Nebuloso (Fuzzy).
Para este exemplo, ignoramos a resposta dinmica do carro e consideramos apenas o comportamento em regime permanente. Alm disso, assumimos que o intervalo de velocidades considerado pode ser aproximado por relaes lineares.
5
Combinando as mesmas,
ycl = 100r 100 ycl 5w 101ycl = 100r 5w ycl = 100 5 r w 101 101 r 5w + 101 101
ecl =
Este erro vai sendo reduzido a medida que o ganho da malha for ampliado. Se considerarmos novamente uma velocidade de referncia de 65 mph e compararmos as velocidades com um 1% do grau, o erro percentual na velocidade de sada dado por,
65 100 65 100 5 101 101 101 % erro = 100 65 100 101 5 101 = 100 101 65 100
10
= 0.0769%
11
12
2 Controle Feedfoward
Em contraste com o controle realimentado, o controle por alimentao direta (Feedfoward) mede as variveis de perturbao e toma aes corretivas antes que as mesmas afetem o processo. Diagramas de blocos simplificados dos controles feedfoward e realimentado so mostrados ao lado. No controle feedfoward, qualquer distrbio corrigido imediatamente, antes de afetar a varivel controlada. Alm disso, o controle feedfoward no utiliza a varivel controlada, pois de outra forma constituiria um controle realimentado. Este ponto importante, porque mostra como possvel controlar uma varivel sem a necessidade de uma medio da mesma.
13
2 Controle Feedfoward
Apesar das melhorias apresentadas pelo controle feedfoward, o mesmo possui algumas desvantagens: As variveis de distrbio precisam ser medidas on-line. O que impraticvel em vrias aplicaes. A qualidade do controle depende da preciso no modelo do processo. Em particular, precisamos saber como a varivel controlada responde a mudanas nos distrbios e na varivel manipulada. A seguir, ilustramos uma aplicao do controle feedfoward num processo industrial.
14
2 Controle Feedfoward
O diagrama instrumental ao lado exibe a aplicao da tcnica feedback ao controle de nvel do lquido de uma caldeira. Este sistema de controle mede o nvel do lquido em ebulio e usa o mesmo para ajustar a taxa de alimentao de gua. Como resultado da pequena capacidade lquida do cilindro da caldeira, este controle bastante sensvel a variaes bruscas na varivel de perturbao, a taxa de fluxo de vapor. Outra dificuldade que grandes valores de ganhos de controle no podem ser usados porque a medio do nvel exibe flutuaes para liquido em ebulio. Portanto, grandes ganhos de controle tendem a amplificar o rudo e produzir variaes indesejveis na taxa de alimentao de gua. 15
2 Controle Feedfoward
O diagrama instrumental abaixo exibe a aplicao da tcnica feedfoward ao controle de nvel do lquido de uma caldeira. Neste sistema, a taxa de fluxo de vapor medida e o controlador ajusta a taxa de fluxo de gua de forma a equilibrar a demanda de vapor. Observa-se que a varivel controlada, o nvel de lquido, no medida. Uma outra alternativa seria a medio da presso de vapor no lugar do fluxo do mesmo.
16
2 Controle Feedfoward
Na prtica, o controle feedfoward freqentemente usado em combinao com o controle feedback. Neste caso, o controle feedfoward usado para reduzir os efeitos dos distrbios medidos, enquanto o controle feedback compensa a imprecises no modelo do processo,erros de medio e distrbios no mensurados. Uma configurao tpica ilustrada no diagrama instrumental ao lado, onde as sadas dos controladores so adicionadas e esta combinao aplicada vlvula de controle.
17
x K= y
a varivel controlada no lugar de variveis individuais. As variveis x e y so variveis fsicas. Neste sentido, o controle por razo pode ser implementado atravs das duas formas seguintes.
18
x
y
c=K
r
m
Controlador
Se x a varivel manipulada, o ganho varia com a varivel y. Assim, o elemento divisor includo na malha fechada faz o processo variar de forma no-linear.
dK 1 = dx y
19
m
Controlador
c=x e
r = Ky
y
Estao de Razo
20
um Rm = dm
A sada do elemento divisor enviada ao controlador de razo (RC), o qual compara a razo calculada Rm com a razo desejada Rd e portanto, ajusta a taxa de fluxo manipulada u.
21
Observa-se em ambos os Mtodos I e II, que a varivel de distrbio d medida. Logo, o controle por razo , em essncia, um tipo de controle feedfoward.
22
4 Controle em Cascata;
De acordo com as concluses obtidas at agora, o controle feedback no toma aes corretivas enquanto a varivel controlada no sofrer os efeitos dos distrbios. Por outro lado, o controle feedfoward oferece melhorias quando comparado com o feedback. Entretanto, o controle feedfoward requer que os distrbios sejam medidos explicitamente e que o modelo da planta esteja disponvel para efetuar o clculo da sada do controlador. Uma abordagem alternativa, que pode melhorar significativamente a resposta dinmica aos distrbios, emprega um ponto de medio secundria e uma realimentao secundria. O ponto de medio secundria est localizado de modo que reconhece a condio de distrbio mais cedo do que a varivel controlada, embora no seja necessrio medir a perturbao. Esta abordagem denomina-se controle em cascata. Este tipo de controle particularmente til quando distrbios so associados a varivel manipulada ou quando o elemento de controle final exibe comportamento no-linear.
23
4 Controle em Cascata;
Um esquema de controle denominado cascata quando a sada de um controlador pode ser usada para manipular a referncia de outro controlador. Cada controlador tem sua prpria entrada, mas apenas o controlador primrio (mestre) tem uma referncia independente e apenas o controlador secundrio (escravo) tem a sada do processo. A varivel manipulada, o controle secundrio, e sua medio constitui uma malha fechada no interior de uma malha primria (veja figura abaixo).
q2
Processo Secundrio
c2 c2
q1
Primrio
m2
Controlador Secundrio
c1
e2
r2 = m1 Controlador e1
Primrio
r1
24
4 Controle em Cascata;
As principais vantagens do controle em cascata so: Os distrbios q2 so corrigidos pelo controlador secundrio antes de possam influenciar a varivel primria. Variaes de ganho na parte secundria do processo so superadas dentro de sua prpria malha. O atraso de fase na parte secundria do processo reduzida de forma mensurvel pela malha secundria. Isto melhora a velocidade de resposta da malha primria. A malha secundria permite uma exata manipulao do fluxo de massa ou energia pelo controlador primrio. Todavia, preciso reconhecer que o controle em cascata no pode ser implementado a menos que uma varivel intermediria adequada possa ser medida. Muitos processos no podem ser facilmente quebrados dessa forma.
25
4 Controle em Cascata;
A seguir, apresenta-se um exemplo onde o controle em cascata pode ser vantajoso. Um sistema de controle feedback convencional apresentado abaixo, onde o mesmo aplicado ao problema de controle da temperatura de um forno. Admita que o controle realize um trabalho satisfatrio de regulao da temperatura do leo quente a despeito dos distrbios na taxa de fluxo de leo ou na temperatura do leo frio. Entretanto, se ocorrer um distrbio na presso de combustvel de abastecimento de gs, o fluxo de gs vai mudar, o que perturba a operao do forno e altera temperatura do leo quente. S ento o controlador de temperatura (TC) comea a tomar medidas corretivas ajustando o fluxo de gs combustvel. Desta forma, o controle feedback pode resultar em respostas muito lentas a mudanas na presso de combustvel de abastecimento de gs. Este distrbio est claramente associado a varivel manipulada.
26
4 Controle em Cascata;
A figura abaixo mostra uma configurao de controle em cascata para o forno, o qual consiste de uma malha de controle primrio (utilizando TT e TC) e uma malha de controle secundrio que controla a presso por PT e PC. A medio primria da temperatura do leo quente, a qual utilizada pelo controlador primrio TC para estabelecer o set-point do controlador secundrio. A medio secundria a presso de gs combustvel, a qual transmitida para controlador escravo PC. Se um distrbio ocorrer na presso de alimentao, o controlador de presso vai reagir rapidamente para assegurar a presso de gs combustvel em seu set-point. A melhoria consiste no controle da vlvula ser ajustado to logo a mudana na presso de alimentao seja detectada.
27
29
Fechado 0
0.5
Quando a temperatura muito baixa, necessrio suprir com calor. O aquecedor, portanto, tem seu valor mximo quando a varivel medida zero. Este por sua vez decai Vlvula de linearmente at a metade do intervalo, onde resfriamento nenhum aquecimento oferecido. Por outro lado, o resfriamento aplicado quando quando 1 a varivel do processo est acima do valor mdio, o qual amplificado.
30
7 Controle Adaptativo
Um problema de controle de processos requer inevitavelmente uma sintonia on-line do controlador para garantir um grau de controle satisfatrio. Se as condies operacionais do processo ou do ambiente mudarem significativamente, o controlador deve ser reajustado. Se estas mudanas ocorrem freqentemente, ento o controle adaptativo deve ser considerado. Por definio, um controlador adaptativo um controlador com parmetros ajustveis e um mecanismo para ajustar estes parmetros. Um controlador adaptativo pode ser interpretado como um sistema que possui duas malhas. Uma delas um feedback convencional, com o processo e o controlador. A outra malha de ajuste dos parmetros (figura ao lado).
31
Controle
Sinal de controle
Planta
7 Controle Adaptativo
Auto-ajuste X Adaptao Opinies divergentes ocorrem quanto ao correto modo de descrever o mecanismo de ajuste automtico. Esta principalmente uma questo de nomenclatura. Por exemplo, o mecanismo de ajuste pode ser dito para oferecer uma adaptao ou uma sintonia automtica. Desta forma, a terminologia: sistema auto-ajustvel e sistema adaptativo. Em essncia, ambos os termos transmitem a mesma idia. Entretanto, por razes histricas eles podem apresentar diferentes significados. Especificamente, a idia de mecanismo auto-ajustvel foi originalmente concebida com o significado de manipular a sintonia inicial de um controlador. Assim, aps a sintonia inicial, o mecanismo de ajuste no mais solicitado e pode ser desabilitado. Por outro lado, um mecanismo de adaptao no sofre suspenso e pode fornecer um meio de continuamente se adaptar s freqentes mudanas.
32
8 Controle Neural
As redes neurais artificiais originaram-se a partir de tentativas de construir modelos simples para a atividade neural no crebro e as tentativas de conceber dispositivos que poderiam reconhecer padres e realizar tarefas simples de aprendizagem. Um modelo simplificado do Neurnio: Um diagrama simplificado do neurnio mostrado na figura abaixo. O sistema tem vrias entradas e uma sada. Se a sada y e as entradas so u1, u2, ..., um a relao entrada-sada descrita por
u1 u2
un
33
8 Controle Neural
onde os nmeros wi so chamados de pesos. A funo f denominada sigmide. Tal funo pode ser representada por,
e x e x f ( x ) = x x e +e
onde um parmetro. Este modelo de um neurnio consiste numa funo nolinear.
34
8 Controle Neural
Redes Neurais Artificiais: Modelos mais complicados podem ser obtidos atravs da conexo de neurnios como exposto na figura abaixo. Este sistema chamado de rede neural. Nesta rede, os neurnios que recebem diretamente as entradas da rede constituem o que se chama de camada de entrada. Os neurnios que recebem como entradas as sadas daqueles da camada de entrada constituem a segunda camada e assim sucessivamente at a camada final que a camada de sada. As camadas internas que no so nem de entrada e nem de sada so geralmente referidas como camadas ocultas.
u1 u2 u3 u4
y1 y2
35
8 Controle Neural
Aprendizagem: Observa-se que existem vrios parmetros (pesos) numa rede neural. Assumindo que existam n neurnios numa camada, se todos os neurnios esto conectados, n2 parmetros so requeridos para descrever as conexes entre duas camadas. Outra propriedade das redes neurais so seus algoritmos de aprendizado. Este algoritmos permitem o clculo deste parmetros (pesos). Os parmetros so tipicamente obtidos de forma recursiva atravs de um dado valor de entrada para a funo e um valor desejado de sada. Os pesos so ajustados de modo que os dados so encontrados. Um novo par de entrada-sada dado e os parmetros so ajustados novamente. O procedimento repetido at que um bom ajuste seja obtido para um conjunto razovel de dados. Este procedimento denomina-se treinamento. Um mtodo bastante popular de treinamento de redes neurais o Back-Propagation.
36
8 Controle Neural
Aplicao em Sistemas de Controle: Um dos problemas encontrados na utilizao de redes neurais artificiais no controle de sistemas dinmicos a seleo das informaes necessrias para o treinamento. A figura abaixo mostra que inicialmente, os sinais u(.) que originam a resposta y(.) adequada podem no ser conhecidos. Nesse caso, utilizando-se, por exemplo, o algoritmo Back-Propagation juntamente com uma rede multi-camadas, necessita-se de um mecanismo para gerar ut(.) que poderia, ento, compor os pares (e(.),ut(.)) para treinamento da rede.
u1t
e1 e2
t u2
u1 u2
y1
Planta
y2
Uma alternativa para gerar ut(.) utilizar um controlador convencional, de forma que a rede neural possa copiar as suas caractersticas.
37
Controlador Neural
8 Controle Neural
Aplicao em Sistemas de Controle: Uma outra possibilidade utilizar o conceito de aprendizado por reforo, onde a rede neural gera aes u(.) aleatrias e o resultado, avaliado por um crtico, realimentado para ajuste dos pesos da rede, em um mecanismo de punio ou recompensa. Sinal de Reforo
r1 r2 e1 e2
u1 u2
Crtico
Planta
y1 y2
Controlador Neural
38
9 Controle Fuzzy
A Lgica Fuzzy: A lgica Booleana trata com quantidades que so verdadeiras ou falsas e tem se mostrado como importante ferramenta para auxiliar a automatizao de raciocnio. Porm, quando os problemas se tornam mais complexos, fica muito difcil ou at impossvel represent-los usando sentenas que admitem apenas valores verdadeiros ou falsos. Assim, a lgica fuzzy, introduzida por Zadeh em 1965, prope, que no lugar desses nicos valores, sejam usados vrios na faixa de zero at um, representando uma variao entre a completa falsidade e a verdade absoluta. Na lgica fuzzy, a representao destes valores realizada por variveis lingsticas e associa-se s mesmas funes de pertinncia, as quais assumem valores entre 0 e 1.
39
9 Controle Fuzzy
Conjuntos Fuzzy: Considere a temperatura de uma sala T como uma varivel lingstica com trs classificaes possveis: Quente, OK e Frio. Uma possvel classificao seria dado por, Quente: se T > 24 oC OK: se 18 oC <= T <= 24 oC Frio: se T < 18 oC Entretanto, estas classes de limites so arbitrrias e inapropriadas. Por exemplo, podemos classificar temperaturas de 23.5 oC como OK e 24.5 oC como Quente ?
40
9 Controle Fuzzy
Conjuntos Fuzzy: Uma classificao mais apropriada baseada no conceito de conjuntos fuzzy. Na teoria dos conjuntos fuzzy, uma varivel fsica como uma temperatura convertida em uma categoria lingstica como Quente pelo uso de uma funo de pertinncia, . A figura abaixo mostra funes de pertinncia para as trs categorias de temperatura. Cada limitado entre zero e um. Uma caracterstica da teoria dos conjuntos fuzzy que uma varivel fsica pode simultaneamente pertencer a mais de uma categoria. Como exemplo, a figura indica que quando T = 22 oC, a temperatura da sala considerada ambas Quente e OK com Quente = 0.33 e OK = 0.67, respectivamente. O valor de chamado de grau de pertinncia.
41
9 Controle Fuzzy
Cada funo de pertinncia define um conjunto fuzzy, o qual tambm referido como uma varivel lingustica. A converso de uma varivel fsica para uma varivel lingstica atravs de uma funo de pertinncia especfica um procedimento referido como fuzzificao. Controle Fuzzy: Os clculos do controle com lgica fuzzy so executados como um conjunto de regras chamado de base de regras. Como exemplo, considere uma verso fuzzy do controlador PI digital de velocidade.
t p (k ) = K C e(k ) + e(k ) I A mudana na sada do controlador no k-simo instante de amostragem, p(k) = p(k) p(k-1), depende do sinal de erro corrente e(k) e da mudana do sinal de erro e(k) = e(k) e(k-1). Para a verso do fuzzy do controlador PI, e e e so convertidos em variveis lingsticas e os clculos do controle so realizados um base de regras no 42 lugar da equao acima.
9 Controle Fuzzy
Controle Fuzzy: Os clculos do controle com lgica fuzzy so executados como um conjunto de regras chamado de base de regras. Como exemplo, considere uma verso fuzzy do controlador PI digital de velocidade. Funes de pertinncia tpicas so exibidas na figura abaixo, onde admite-se que e e e tenham funes de pertinncia idnticas para as trs variveis lingsticas: N (negativo), P (positivo) e Z (zero).
43
9 Controle Fuzzy
Controle Fuzzy: A base de regras do controle fuzzy consiste em nove regras selecionadas pelo usrio na tabela abaixo. Para cada par de valores de e e e, a correspondente entrada na tabela uma sada de controle fuzzy para aquela regra. Como exemplo, a regra 2 pode ser expressa como: Regra 2: IF e zero AND e positivo, THEN p2 = MI (aumento mdio) onde p2 denota a sada do controlador para a regra 2. Neste exemplo, existem nove sadas para o controlador fuzzy, uma para cada regra. A sada do controlador fuzzy so ento combinadas para fornecer a sada de controle p. Este procedimento chamado de defuzzificao. 44
9 Controle Fuzzy
Controle Fuzzy: A defuzzificao baseada em graus de pertinncia e conceitos da teoria de conjuntos fuzzy. Uma abordagem geral par um nmero arbitrrio de R regras e o clculo de p como uma soma ponderada das sadas do controle fuzzy.
p =
q p
i =1 i
q
i =1
onde pi a mudana na sada do controlador fuzzy para a regra i e qi a verdade para a regra i. Por definio, qi o valor mnimo de dois graus de pertinncia associados a regra i.
45
9 Controle Fuzzy
Controle Fuzzy: Como um exemplo, suponha que e = - 0.3 e e = + 0.2. Ento, a figura das funes de pertinncia indicam que e tem um grau de pertinncia de 0.3 para a varivel lingstica N e um grau de 0.7 para Z. Similarmente, e tem um grau de pertinncia de 0.2 para P e 0.8 para Z. Portanto, a verdade para a regra 2 q2 = min (0.7, 0.2) = 0.2. Os outros qi valores para as outras regras podem ser determinados da figura das funes de pertinncia de forma similar.
46
9 Controle Fuzzy
Um diagrama de blocos para o controle fuzzy mostrado na figura abaixo. O sinal de erro E convertido para um conjunto fuzzy de variveis lingsticas (fuzzificao) pela definio de funes de pertinncia. A base de regras ento aplicada ao erro fuzzificado. O procedimento de defuzzificao converte a sada do controlador fuzzy de uma base de regras para uma sada de controle P.
Em sntese, o controle fuzzy pode ser visualizado como uma metodologia de incorporar conhecimento e experincia ao projeto do sistema de controle. Ele pode ser tambm interpretado como um mtodo de projeto heurstico para controladores no-lineares.
47
OBRIGADO
48