Escolar Documentos
Profissional Documentos
Cultura Documentos
FUZZY
Flvio A. Faria1 , Geraldo N. Silva1 , Vilma A. de Oliveira2
1
Instituto de Biocincias Letras e Cincias Exatas, UNESP - Univ Estadual Paulista, Departamento de Cincia da
Computao e Estatstica, So Jos do Rio Preto, So Paulo, Brasil, aviof15@yahoo.com.br, gsilva@ibilce.unesp.br.
2
Escola de Engenharia de So Carlos, USP - Universidade de So Paulo, Departamento de Engenharia Eltrica, So Carlos,
So Paulo, Brasil, vilma@sc.usp.br.
Abstract: A fuzzy Lyapunov function approach for stability analysis of continuous-time Takagi-Sugeno fuzzy
systems is proposed. The method is based on solution of Linear Matrix Inequalities, which can be efciently solved by convex programming techniques, and
can outperform other results available in the literature.
Numerical examples illustrate the efciency of the proposed method.
Keywords: Stability analysis, Fuzzy Lyapunov functions, Linear Matrix Inequalities (LMIs).
1. INTRODUO
Devido a sua complexidade, sistemas dinmicos
no-lineares so difceis de serem analisados. Uma maneira de facilitar o projeto de controle para sistemas
no-lineares represent-los por modelos fuzzy Takagi
Sugeno [26]. A ideia bsica do projeto consiste na representao de um sistema no-linear como uma combinao fuzzy de sistemas lineares (modelos locais),
que descrevem o comportamento do sistema no-linear
em diferentes pontos do espao de estados. Dependendo da escolha dos modelos locais e dos parmetros da combinao fuzzy (conhecidos como, funes
de pertinncia) o modelo fuzzy pode fornecer uma representao aproximada [31] ou exata [29] do sistema
no-linear. Nos ltimos anos, houve um crescente interesse em pesquisas e aplicaes de sistemas fuzzy
[1, 15, 17]. A anlise de estabilidade e o projeto de
controladores um dos conceitos mais importantes em
sistemas fuzzy e normalmente feito usando LMIs. A
soluo de problemas de otimizao com restries descritas por LMIs, pode ser realizada com softwares de
programao semi-denida, tais como, o LMISol [9],
ou os pacotes LMI control toolbox [14] e SeDuMi
[25] do MATLAB. Nesses softwares, a soluo tima
encontrada usando algoritmos com tempo de convergncia polinomial. Alm disso, projetos baseados em
LMIs podem ser, em geral, estendidos para tratar sistemas que possuem incertezas nos parmetros da planta
ou que estejam sujeitos a falhas estruturais [2, 3, 6
8, 1013, 24].
Normalmente, as condies de estabilidade so obtidas empregando o mtodo direto de Lyapunov, e a
maioria dos trabalhos encontrados na literatura usam
uma funo quadrtica de Lyapunov (do ingls, Common Quadratic Lyapunov Function (CQLF)) para garantir a estabilidade do sistema [4, 5, 18, 20, 28, 30].
Contudo, j conhecido na literatura que CQLFs
conduzem a resultados conservadores e que em certos casos no possvel encontrar uma CQLF para um
sistema fuzzy estvel [16]. Consequentemente, alguns
autores tm explorado o uso de funes de Lyapunov
alternativas para obter condies de estabilidade menos conservadoras. Dentre as vrias opes encontradas na literatura, as funes de Lyapunov fuzzy (do ingls, Fuzzy Lyapunov Functions (FLFs)), tm ganhado
muito destaque [2123, 27]. As FLFs so representadas
por:
V (x(t)) =
r
hk (z(t))x(t) Pk x(t),
(1)
k=1
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
266
sendo Pk , matrizes denida positivas. Esta metodologia consiste em encontrar CQLFs distintas para cada
um dos modelos locais, e ento, gerar a funo global
de Lyapunov a partir de uma combinao fuzzy dessas CQLFs. A particularidade deste mtodo, que a
combinao fuzzy da funo global de Lyapunov realizada com a mesma funo de pertinncia do modelo
fuzzy TS. Dessa forma, a atuao da funo de Lyapunov ocorre na mesma proporo que a ativao dos
modelos locais.
Este trabalho prope condies de estabilidade menos conservadoras que s apresentadas em [27]. O estudo realizado considerando modelos fuzzy TS dados
por:
r
x(t)
=
hk (z(t))Ak x(t),
(2)
k=1
r
hk (z(t)) = 1,
(3)
k=1
hk = 1
k=1
r
h k = 0
(4)
h k .
(5)
k=1
h r =
r1
k=1
P 0,
PAk +
Ak P
0,
k R.
(7)
k R,
(8)
(9)
Pk Pr 0, k R {r},
1
P + Pk A + A Pk + P Ak + Ak P 0,
2
k , (10)
sendo k, R e P =
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
r1
k (Pk Pr ).
k=1
267
da propriedade (5):
4
4
5 4
A1 =
,
A2 = 3b 2 3a 4 ,
1
a
5
5
3
4
2 4
,
A3 = 2b 3 2a 6 , A4 =
b 2
5
5
h k = 0 h i =
k=1
h k , i R .
(11)
k=1
k=i
(12)
k R,
(13)
Pk Pi 0, k R {i},
1
P + Pk A + A Pk + P Ak + Ak P 0,
2
k , (14)
sendo k, R e P =
k (Pk Pi ).
k=1
k=i
Prova: A prova deste teorema segue diretamente da demonstrao do Lema 2 e ser apresentada neste texto
apenas para facilitar o entendimento do trabalho.
Quando a LMI (12) factvel, segue que a FLF (1)
positiva para qualquer vetor x(t) = 0, sendo x(t)
IRn . Alm disso, a derivada temporal da FLF (1) ao
longo das trajetrias do sistema (2), dada por
150
100
V (x(t)) = x(t)
50
k=1
+ x(t)
0
10
= x(t)
k=1
+ x(t)
= x(t)
Pela Figura 1 pode-se observar que o Lema 2 () obtm uma regio de estabilidade maior que o Lema 1 ().
Dessa forma, as condies de estabilidade do Lema 2
so menos conservadoras que as do Lema 1.
h k Pk
= x(t)
x(t) + x(t)
hk Pk
k=1
x(t) + x(t)
hk Pk
k=1
h k Pk +
k=1
h k Pk
1
h k Pk +
2
k=1
hk Pk
k=1
h A
=1
r
r
k=1
k=1
x(t)
h hk A Pk + Pk A x(t)
r
=1 k=1
h hk A Pk + Ak P
h k Pk =
k=1
k=i
x(t)
x(t)
hk Pk
+ Pk A + P Ak
x(t)
h A
=1
r
=1 k=1
r
h k (Pk Pi )
k=1
k=i
h k Pi +
x(t).
h k Pk
k=1
k=i
(15)
k=1
k=i
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
268
P +
r
r
1
h hk A Pk + Ak P
2 =1 k=1
+ Pk A + P Ak x(t).
(16)
A1 =
0
1
0
a
, A2 =
,
0.06 1
1.94 1
0
b
,
A3 =
0.5 1.5
10
9
8
7
150
6
5
4
3
100
1
0
50
10
0
10
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
269
gico
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
270
[27] K. Tanaka, T. Hori, and H. O. Wang. A multiple lyapunov function approach to stabilization
of fuzzy control systems. IEEE Transactions on
Fuzzy Systems, 11(4):582589, 2003.
[18] E. Kim and H. Lee. New approaches to relaxed quadratic stability condition of fuzzy control
systems. IEEE Transactions on Fuzzy Systems,
8(5):523534, 2000.
[19] J. Lfberg.
YALMIP : A toolbox for modeling and optimization in MATLAB.
In
Proceedings of the CACSD Conference, Taipei, 2004. http://control.ee.ethz.ch/
~joloef/wiki/pmwiki.php.
[20] V. F. Montagner, R. C. L. F. Oliveira, and P. L. D.
Peres. Necessary and sufcient LMI conditions to
compute quadratically stabilizing state feedback
controllers for Takagi-Sugeno systems. In Proceedings of the 2007 American Control Conference,
pages 1113, New York, 2007.
[21] L. A. Mozelli, R. M. Palhares, and G. S. C.
Avellar. A systematic approach to improve multiple lyapunov function stability and stabilization conditions for fuzzy systems. Information
Sciences, 179:11491162, 2009.
Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667
271