CONTROLE DE UM SISTEMA PNDULO INVERTIDO USANDO CONTROLADORES INTELIGENTES

Vinicius Belmuds Vasconcelos belmuds_eng@hotmail.com Gustavo Maia de Almeida gmaia@ifes.edu.br Marco Antnio de Souza Leite Cuadros marcoantonio@ifes.edu.br Rogrio Passos Pereira Amaral rogeriop@ifes.edu.br Instituto Federal do Esprito Santo, Unidade Serra, Coordenadoria de Automao Industrial. Rodovia ES-010 Km 6,5 - Manguinhos 29173087 Serra Esprito Santo Resumo: O controle PID est presente atualmente em 90% das aplicaes industriais (ASTROM & HAGGLUND, 2001), porm, o controle de sistemas utilizando este mtodo no robusto o suficiente para determinadas aplicaes quando se trata de sistemas instveis em malha aberta. Este artigo apresenta um estudo comparativo de mtodos de controles avanados usando lgica Fuzzy, Neuro-Fuzzy e Algoritmos Genticos para sintonizar um controlador PID usados para controlar um sistema instvel tipo pndulo invertido na posio vertical. O pndulo consiste em uma vara rgida com um eixo de rotao perpendicular direo de movimento do carro a qual ela est apoiada. Foi utilizado o Simulink do Matlab para simulao do processo e apresentao dos resultados. Palavras-Chave: Pndulo invertido, Controlador Fuzzy, Controlador Neuro-Fuzzy, Controlador PID, Algoritmo Gentico. 1. INTRODUO

Desde o aparecimento do primeiro mtodo de sintonia para controladores, que foi proposto por (ZIEGLER & NICHOLS, 1942), vrias tcnicas de ajuste de PID tm sido propostas na literatura. As diversas tcnicas que surgiram tm por objetivo obter os melhores valores dos parmetros do controlador para rastrear trajetrias ou rejeitar perturbaes. Essa busca se deve ao fato de que, quanto mais estvel for uma planta industrial maior ser a rentabilidade de uma empresa. Isto porque um processo estvel implica em produtos de melhor qualidade, diminuio do reprocessamento, economia de matria prima dentre outros fatores altamente importantes para o mercado, que altamente competitivo. O controlador PID uma excelente tcnica de controle quando se trata de plantas de baixa complexidade, porm quando se trata de plantas que possuem uma complexidade maior, necessrio a implementao de tcnicas de controle avanadas. Diante deste fato, o estudo do campo de sistemas inteligentes tem avanado muito nos ltimos anos e a sua

implementao em algumas atividades industriais tem recebido destaques, como por exemplo, em sistemas que no se tem a modelagem precisa do processo. Os controladores Fuzzy, Neuro-Fuzzy pertencem ao grupo de controladores baseado em inteligncia artificial por se basear na transferncia de conhecimento humano sobre o problema, desta forma, ao contrrio dos controladores clssicos, esses controladores dispensam o conhecimento do modelo matemtico da planta a ser controlada. O PID Gentico depende do modelo da planta, porm utiliza um sistema de busca inteligente dos parmetros timos baseado na seleo de indivduos mais evoludos de uma gerao. Em virtude de todas essas caractersticas que colocam os controladores inteligentes em grau de importncia alta no controle de processos, neste trabalho apresentada a comparao da sintonia de um pndulo invertido usando os controladores inteligentes citados acima. Este trabalho foi desenvolvido durante o segundo semestre letivo de 2011 dentro da disciplina de Controle Inteligente e est dividido da seguinte forma: A seo 1 apresentou a introduo do trabalho, na seo 2 ser detalhado o sistema do pndulo invertido. Na seo 3 ser abordado o Controlador Fuzzy. O Controlador Neuro-Fuzzy ser apresentada na seo 5, a seo 6 mostra o algoritmo gentico utilizado para a sintonia do controlador PID. Na seo 7 sero mostrados os resultados apresentados e na seo 8 sero apresentadas as concluses.

2.

O PNDULO INVERTIDO

O pndulo invertido um sistema instvel e de alto grau de complexidade, um conceito muito difundido na rea de automao e robtica j que o seu estudo pode ser aplicado a vrios campos do conhecimento, como por exemplo, na medicina com estudo do modo de andar do ser humano, tendendo a se instabilizar quando um passo dado antes que o outro p toque ao cho. Outro exemplo o controle de altitude de um foguete na fase de lanamento, no qual o objetivo do controle estabilizar o foguete na posio vertical. A posio vertical do pndulo invertido instvel pelo fato de que ele tende a se afastar desta posio, de um lado ou para o outro, a menos que seja aplicada uma fora de controle adequada (OGATA,1988). O sistema do pndulo invertido tratado neste trabalho consiste em uma haste articulada (pndulo) presa a um carro mvel que sofre a ao de uma fora horizontal, essa fora a responsvel pela movimentao do carro e consequente equilbrio do pndulo em sua posio vertical. 2.1. O Modelo Matemtico A Figura 1 mostra o esquema do pndulo invertido usado neste trabalho:

Figura 1: Pndulo invertido sobre o carro. Sendo x a posio do carrinho, o ngulo do pndulo com a vertical, F a fora aplicada ao carro. A Tabela 1 apresentam os dados das constantes usadas neste problema: Tabela 1: Dados usados para o pndulo invertido Smbolo Significado Valor(SI) M Massa do carro 0.5 Kg M Massa do pndulo 0.1Kg B Frico do carro 0.1 N.s/m I Inrcia do pndulo 0.006 Kg. m2 L Altura do centro de massa 0.3 m Admite-se que o centro de gravidade da haste do pndulo encontra-se no seu centro geomtrico. As foras que atuam na direo horizontal no carro geram a seguinte equao diferencial: (1) Somando as foras no diagrama do corpo livre do pndulo na direo horizontal, obtmse a seguinte equao diferencial: (2) Substituindo (2) em (1) tem-se: (3) Analisando as foras verticais do pndulo, tem-se:

(4) Calculando a soma dos momentos no centroide do pndulo, temos: (5) Combinando (5) e (4) tem-se: (6) Fazendo a linearizao do modelo, aplicando a sries de Taylor e a transformada de Laplace tem-se o seguinte sistema mostrado na Equao 7. de equaes: (7)

Onde:

3.

O CONTROLADOR FUZZY

O crescente interesse pela aplicao da teoria de conjuntos Fuzzy em controle de processos deve-se ao fato dos processos industriais complexos apresentarem dificuldades significativas no controle automtico em razo das no linearidades, do comportamento variante no tempo, da baixa qualidade das medidas disponveis, dos altos nveis de rudo, etc (REZENDE, 2003). Esses problemas que ocorrem ao tentar controlar sistemas no lineares e complexos podem ser resumidos no Princpio da Incompatibilidade(ZADEH, 1965). A lgica Fuzzy derivada da lgica clssica, porm, difere desta quanto ao entendimento da classificao das variveis. Enquanto na lgica clssica existe apenas verdadeiro ou falso, na lgica Fuzzy existem valores intermedirios para essa classificao, desta forma pode-se classificar as variveis estudadas em conjuntos com grau de pertinncia que variam de 0 a 1. Neste trabalho com o pndulo invertido, criou-se 2 conjuntos com dados de entradas que so a posio angular do pndulo e a sua derivada da posio, ou seja, a velocidade angular. A sada o sinal desejado que atuar no controle do pndulo, ou seja, a fora horizontal aplicada ao carro. Na Tabela 2 encontram-se as variveis de entrada e sada usada no controlador assim como o seu range:

Entradas Sada

Tabela 2: Variveis usadas no controlador Fuzzy Variveis Range Posio [-0.8 0.8] Velocidade Angular [-4 4] Fora [-24 24]

O limite mximo da posio foi definida como 45 que equivalem a 0.8 rad, a velocidade angular mxima do pndulo foi definida como 4 rad/seg, e como um motor ir girar o pndulo, a sua sada foi definida como 24 V( supondo um motor com esta especificao). Abaixo encontram-se as figuras que representam as funes de pertinncia geradas com o Matlab, os limites das funes foram definidos por testes e os melhores resultados encontrados para este estudo esto mostrados abaixo:

(a) (b) Figura 2: Funes de pertinncia para (a) posio e (b) velocidade angular.

Figura 3: Funes de pertinncia para a fora horizontal aplicada ao carro.

Como pode ser observado nas figuras acima, foram escolhidas 3 funes de pertinncias triangulares para as variveis de entrada e 5 para a de sada. As regras geradas foram deduzidas a partir do conhecimento prvio sobre a manipulao do problema: 4. O CONTROLADOR NEURO-FUZZY

A lgica Neuro-fuzzy uma tecnologia de inteligncia artificial que gera regras diretamente de dados numricos e associa probabilidades a estas regras. A lgica NeuroFuzzy combina a lgica Fuzzy com o aprendizado e capacidade adaptativas de redes neurais. Dessa forma traz os benefcios tanto de sistemas de redes neurais quanto de sistemas de lgica Fuzzy, removendo assim, as desvantagens individuais ao combinar as caractersticas comuns e produzindo sistemas Fuzzy com habilidade de aprender e se adaptar ao mundo real. Um sistema neuro-fuzzy um sistema que usa um algoritmo de aprendizado derivado ou inspirado em teoria de redes neurais para determinar seus parmetros, conjuntos e regras fuzzy, atravs do processamento de exemplos de dados. Devido a essas caractersticas, os sistemas Neuro-Fuzzy apresentam inmeras vantagens, as quais, algumas esto listadas abaixo: Tratamento de qualquer tipo de informao (numrica, lingustica, lgica, etc.); Gerenciamento impreciso, parcial, vago ou informao imperfeita; Capacidade de auto-aprendizado, de auto-organizao e de auto-direcionamento; Sem necessidade de conhecimento anterior de relacionamento de dados; Imitao humana do processo de tomada de deciso; Etc... Dada a importncia das redes neuro-fuzzy, tambm foi implementado um controlador deste tipo ao problema do pndulo invertido. Neste trabalho apresentado um sistema hbrido, ANFIS (Adaptative-Network-Based Fuzzy Inference System), que combina a capacidade de aprendizagem das redes neurais com a facilidade de interpretao dos sistemas Fuzzy. Para a modelagem do controlador neuro-fuzzy, foram utilizados os dados de entrada e sada do controlador fuzzy projetado, o dados carregados no command window do Matlab foram exportados para o ANFISEDIT gerando uma matriz 868 x 3 para treinar a rede. O nmero de funes de pertinncias escolhidos para cada dado de entrada foi 5 do tipo gaussiana linear e foi escolhido um total de 60 pocas. O resultado dos dados testados aps o treinamento mostrado na figura abaixo:

Figura 5: Dados testado Observa-se pela Figura 5 que foi gerado um timo modelo para o controlador neurofuzzy proposto. 5. O CONTROLADOR PID GENTICO

Os algoritmos genticos so uma tcnica de inteligncia artificial de busca baseada na teoria da evoluo de Darwin. Essa tcnica baseia-se nos mecanismos de seleo de indivduos utilizados na natureza, onde apenas os mais aptos de uma populao sobrevivem adaptando-se mais facilmente s mudanas que so produzidas no meio ambiente (BARONE, 2003). Foram inicialmente propostos pelo Professor John Holland, em 1992, na universidade de Michigan. A ideia central foi tentar imitar algumas etapas do processo de evoluo natural das espcies, incorporando-as a um algoritmo computacional. O ponto de referncia foi gerar, a partir de uma populao de cromossomos, outros novos, com propriedades genticas superiores s de seus antecedentes, onde os cromossomos so as possveis solues de um problema. As principais caractersticas de um algoritmo gentico, segundo MITCHELL(1996), so: Manter uma populao de solues para um determinado problema; Possuir um processo de seleo de indivduos, baseado no grau de adaptao de cada um; Possuir operadores genticos, para gerar novos indivduos para a populao. Desta forma os algoritmos genticos tm se mostrado uma excelente ferramenta na busca de solues timas para problemas, inclusive, no caso deste trabalho, na rea de controle de processos sintonizando PIDs. Portanto, a utilizao dos algoritmos genticos no problema do pndulo invertido se d, neste trabalho, atravs da procura dos parmetros timos de sintonizao de um controlador PID.

Para sintonizar o controlador PID usando algoritmos genticos, foi utilizado um conjunto de programas criados no MatLab. Para iniciar a simulao utilizaram-se os seguintes parmetros e procedimentos: Foi ajustado um intervalo de [0 110] para o Kp Foi ajustado um intervalo de [0 5] para o Ki Foi ajustado um intervalo de [0 25] para o Kd Escolheu-se um nmero de geraes igual a 3 com tamanho da populao igual a 30. Aps rodar o algoritmo, os resultados gerados para os parmetros de sintonizao, Kp, Ki e Kd foram de 105, 4.6 e 23.48 respectivamente. 6. RESULTADOS Os resultados obtidos tm por finalidade avaliar o desempenho, assim como a robustez dos controladores utilizados para o problema do pndulo invertido, comparando-os. Abaixo esto mostradas os diagramas de bloco para o controlador Fuzzy, o neuro-fuzzy e para o PID gentico, respectivamente:

Figura 6: Diagrama de bloco da planta com o controlador Fuzzy e Neuro-Fuzzy

Figura 7: Diagrama de bloco da planta com o PID Gentico

 importante observar que o controlador fuzzy possui como entrada, alm da referncia que no caso zero(pndulo na posio vertical), a derivada da posio angular, ou seja, a velocidade angular. Os sinais do tipo impulso discreto funcionam como uma perturbao no sistema, eles foram dados tanto na direo positiva do deslocamento angular quanto na direo negativa. Abaixo encontram-se os grficos gerados com o Simulink para analisar o comportamento de cada controlador. O distrbio tipo impulso unitrio negativo foi gerado em 6 segundos e um positivo foi gerado em 1 segundo.

Figura 8: Resposta do sistema com o controlador Fuzzy

Figura 9: Resposta do sistema com o controlador Neuro-Fuzzy

Figura 10: Resposta do sistema com o controlador PID gentico.

Figura 11: Resposta do sistema com todos os controladores propostos. Observando os resultados plotados nos grficos, observa-se que os controladores projetados responderam de forma eficiente s perturbaes geradas no sistema do pndulo invertido. Observa-se que o controlador fuzzy apresentou um sobre-sinal maior que os outros 2 controladores porm respondeu muito rapidamente rejeio do distrbio com um erro de quando o distrbio aplicado foi positivo e um erro de offset igual a quando o distrbio aplicado foi negativo. O controlador Neuro-fuzzy, apresentou um sobre sinal menor que do controlador Fuzzy, porm, teve um erro de offset igual a quando aplicou-se um distrbio positivo e um de quando o distrbio aplicado foi negativo. O controlador PID gentico possui tambm uma boa rejeio ao distrbio, porm este apresentou um erro de offset

negativo igual a -0.0194 quando se aplicou um distrbio positivo e um erro de offset positivo quando o distrbio foi negativo, e apresentou tambm, um tempo de igual a resposta mais lento ao distrbio que os controladores Fuzzy e Neuro-Fuzzy. Todos os controladores responderam de forma eficiente ao retornar o pndulo para a sua posio de referncia que no caso 0, ou seja, o pndulo na posio vertical. 6. CONCLUSES

Pela anlise dos resultados obtidos, verifica-se que os controladores inteligentes so timos para o controle de sistemas instveis e com falta de linearidade. Os controladores Fuzzy e neuro-fuzzy fazem o controle do sistema por meio de informaes qualitativas e no quantitativas, gerando respostas de acordo com o conhecimento do projetista sobre o processo. O controlador utilizando a lgica dos algoritmos genticos emprega um processo adaptativo (informao corrente influencia a busca futura) e paralelo (vrias solues consideradas a cada momento) de busca de solues em problemas complexos, gerando assim a soluo que pode ser dita tima. Portanto em aplicaes onde o uso do controle clssico no apresenta solues totalmente satisfatrias, como o caso de plantas mais complexas, justifica-se o uso do controle avanado. REFERNCIAS BIBLIOGRFICAS ASTROM, K. J., & Hagglund, T. (2001). PID controllers. Theory, design and tuning. Instruments Society of America, North Carolina, USA. BARONE, Dante. Sociedades Artificiais.2. ed. Bookman, 2003. 332 p, il. HOLLAND, John Henry; Adaptation in Natural and Artificial Systens. MIT Press, Boston MA, 1992. MITCHELL, M., An Introduction to Genetic Algorithms. Cambridge, MA MIT Press., 1996. OGATA, Katsuhiko. Engenharia de Controle Moderno.3. ed. Prentice-Hall do Brasil, 1988. 813 p, il. REZENDE, Solange Oliveira. Sistemas Inteligentes Fundamentos e Aplicaes. 1. ed. Manole, 113 p, il, 2003. ZIEGLER, J.G. and NICHOLS, N.B. Optimum settings for automatic controllers. Transactions of the ASME. 64, pp. 759-768, 1942. ZADEH, L. A. "Fuzzy Sets", Information and Control, Vol. 8, pp. 338-353, 1965.

CONTROL OF AN INVERTED PENDULUM SYSTEM USING INTELLIGENT CONTROLLERS

Abstract: The PID controller is found in 90% of industrial applications nowadays (ASTROM & HAGGLUND, 2001), however, this method it isnt enough robust to be applied in control of unstable system. This paper presents a comparative study of advanced methods control using fuzzy logic, neuro-fuzzy logic and algorithms genetics to control an unstable system as inverted pendulum in the vertical position. The pendulum is a rigid rod with an axis of rotation perpendicular to direction movement of the car where its supported. To simulation of process and presentation of results was used the Simulink of Matlab. Key-words: Inverted pendulum, fuzzy controller, neuro-fuzzy controller, PID controller, genetics algorithms.