ANLISE DE ESTABILIDADE DE SISTEMAS FUZZY USANDO FUNES DE LYAPUNOV

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

sendo z(t) IR um sinal disponvel denominado vetor

premissa, x(t) IRn o vetor de estados, Ak IRnn
representam as matrizes dos modelos locais e hk (z(t))
so as funes de pertinncia de cada um dos modelos locais. As funes de pertinncia satisfazem as seguintes propriedades:
k R , hk (z(t)) 0, e

r


hk (z(t)) = 1,

(3)

k=1

sendo R o conjunto de nmeros inteiros dados por

{1, 2, . . . , r}. Apenas por facilidade de notao, de
agora em diante vamos denotar hk (z(t)) por hk .
As condies de estabilidade obtidas com (1) dependem explicitamente das derivadas temporais das funes de pertinncia (3), e para convert-las em LMI
necessrio impor limites nos seus valores. Esta caracterstica afeta diretamente a ecincia da tcnica, e representa o ponto chave deste trabalho. Em [27], os autores conseguiram relaxar as condies de estabilidade,
considerando as seguintes propriedades de funes de
pertinncia:
r


hk = 1

k=1

r


h k = 0

(4)

h k .

(5)

k=1

h r =

r1

k=1

Usando (5), eles encontraram condies de estabilidade

menos conservadoras que as obtidas com uma CQLF.
No entanto, a propriedade (5) foi pouco explorada.
Neste trabalho vericado que a propriedade (5)
pode ser melhor aproveitada se permitirmos ao projetista atuar nas LMIs de acordo com o problema a ser

resolvido. A nova estrutura adiciona graus de liberdade

ao problema, melhorando a regio de estabilidade encontrada pelas LMIs. A ecincia do novo mtodo
ilustrada atravs da soluo numrica de exemplos.
2. ANLISE DE ESTABILIDADE DE SISTEMAS
FUZZY TS
Ao longo do texto a notao M 0 (M 0)
usada para representar matrizes denidas (semidenidas) positivas. De modo equivalente a notao
M 0 (M 0) representa matrizes denidas (semidenidas) negativas.
A estabilidade do sistema (2) pode ser vericada
usando o mtodo direto de Lyapunov. Normalmente, as
condies de estabilidade so obtidas empregando uma
CQLF.
Lema 1 O sistema fuzzy (2) globalmente estvel, se
existir uma matriz simtrica P IRnn , satisfazendo
as seguintes LMIs:
(6)

P 0,
PAk +

Ak P

0,

k R.

(7)

Prova: Para mais informaes consulte [28].

O Lema 1 foi um dos primeiros critrios usados
para a anlise de estabilidade de sistemas fuzzy TS.
Contudo, j conhecido na literatura que o Lema 1
conduz a resultados conservadores e que em certos casos no possvel encontrar uma matriz P satisfazendo
as LMIs (6) e (7) [16]. A m de solucionar esse problema, alguns autores comearam a usar a FLF (1) na
anlise de estabilidade. Em [27] os autores apresentaram condies menos conservadoras para a estabilidade
do sistema (2), considerando a propriedade (5). O principal resultado citado abaixo.
Lema 2 Seja k , k R , nmeros reais positivos
conhecidos. Assumindo que |h k | k , k R , o
sistema fuzzy (2) globalmente estvel, se existir matrizes simtricas Pk IRnn , k R , satisfazendo as
seguintes LMIs:
Pk 0,

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

Prova: Para mais informaes consulte [27].

da propriedade (5):

A ecincia dos Lemas 1 e 2 so vericadas na soluo de um exemplo numrico.

EXEMPLO 1
Considere um sistema fuzzy TS (2), representado pelos seguintes modelos locais [23]:

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

A estabilidade do sistema acima foi vericada com os

Lemas 1 e 2 para vrios valores dos parmetros a e
b. Para a soluo numrica das LMIs foram usados os
pacotes YALMIP toolbox [19] e SeDuMi [25] do
MATLAB, tambm foi suposto que k = 0.85, k
R . Os resultados encontrados para a anlise de estabilidade podem ser vistos na Figura 1.

h k = 0 h i =

k=1

h k , i R .

(11)

k=1
k=i

Considerando a propriedade (11) pode-se obter uma

generalizao do Lema 2. O resultado proposto no
prximo teorema.
Teorema 1 Seja k , k R , nmeros reais positivos conhecidos. Assumindo que |h k | k , k R ,
o sistema fuzzy (2) globalmente estvel, se para algum ndice xo i R , existir matrizes simtricas
Pk IRnn , k R , satisfazendo as seguintes LMIs:
Pk 0,

(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

Figure 1 Regies de estabilidade dos Lemas 1 () e 2

().

Observao 1 A diminuio da conservabilidade do

Lema 2 obtida com a LMI (9). Essa LMI permite que
algumas das matrizes Pk , k R , sejam iguais.
Agora, ns vamos mostrar que a LMI (9) pode ser
generalizada. Para tanto, considere a seguinte extenso

+ 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)

Da Propriedade (11) obtm-se

h k Pk = h i Pi +

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

Agora, substituindo (15) em V (x(t)) e considerando a

hiptese |h k | k , k R , conclui-se que
V (x(t)) x(t)

P +

r
r

1
h hk A Pk + Ak P
2 =1 k=1


+ Pk A + P Ak x(t).

A ecincia do Teorema 1 vericada na soluo de

outro exemplo numrico.
EXEMPLO 2
Considere o sistema fuzzy do Exemplo 2 de [21]:

(16)

Dessa forma, quando as LMIs (13) e (14) so factveis,

tem-se que (16) negativa para todo x(t) = 0. Portanto, quando as LMIs (12)-(14) so factveis, existe
uma funo escalar (1) satisfazendo as condies de
Lyapunov ao longo das trajetrias do sistema (2).
Logo, o sistema (2) globalmente estvel.

A1 =




0
1
0
a
, A2 =
,
0.06 1
1.94 1


0
b
,
A3 =
0.5 1.5

sendo a [2 10] e b (0 10]. O sistema vericado

com o Teorema 1 considerando k = 0.3, k R . As
regies de estabilidade obtidas com o Teorema 1 podem
ser vistas na Figura 3.

A ecincia do Teorema 1 vericada na soluo

do Exemplo 1. Na Figura 2 pode-se ver a regio de
estabilidade do Exemplo 1 obtida com o Teorema 1.

10
9
8
7

150

6
5
4
3

100

1
0

50

10

Figure 3 Regies de estabilidade do Teorema 1 para i =

1 (), i = 2 () e i = 3 ().

0
10

Figure 2 Regies de estabilidade do Lema 2 () e do

Teorema 1 para i = 3 ().

Pela Figura 2 pode-se observar que o Teorema 1 ()

obtm uma regio de estabilidade maior que o Lema 2
(). Assim, a generalizao da LMI (13) capaz de
melhorar as condies de estabilidade do Lema 2. A
Figura 2 ilustra a regio de estabilidade do Teorema 1
para o caso i = 3, durante as simulaes foi vericado
que a escolha desse ndice tem grande inuncia na regio de estabilidade do teorema. Neste exemplo, o caso
i = 4 equivalente ao Lema 2 (). Tambm foi vericado neste exemplo, que a melhor regio de estabilidade
do Teorema 1 a encontrada com o ndice i = 3.
Observao 2 Para obter a melhor regio de estabilidade do Teorema 1 necessrio testar todos os ndices i R . No Exemplo 1 foram testados os ndices
i = 1, 2, 3 e 4.

Neste exemplo a melhor soluo do Teorema 1 foi

encontrada com o ndice i = 1 (), neste caso, a regio de estabilidade do Teorema 1 maior que a regio
do Lema 2 (). Observe tambm que neste exemplo o
Lema 2 obtm a pior regio de estabilidade dentre todos
os ndices i = 1, 2 e 3. Desta forma, a generalizao do
Teorema 1 oferece mais liberdade ao projetista na hora
de vericar a estabilidade do sistema fuzzy (2).
3. CONCLUSES
Neste trabalho foram propostas condies menos
conservadoras para a anlise de estabilidade de sistemas fuzzy TS. Os resultados so obtidos diretamente
de uma generalizao do mtodo apresentado em [27].
Essa nova metodologia permite que o projetista altere
as restries LMI, responsveis pela anlise de estabilidade, durante a soluo do exemplo. A vericao da
estabilidade de um sistema fuzzy (2) com o Teorema 1
realizada avaliando as LMIs para um determinado ndice i. Para encontrar a melhor regio de estabilidade

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667

269

necessrio avaliar todos os ndices i R . Desta forma,

pode ser complicado encontrar a melhor regio de estabilidade em sistemas que possuem muitos modelos locais.
Uma extenso deste trabalho consiste na busca de
condies timas para a escolha do ndice i.
AGRADECIMENTOS
Os autores agradecem ao CNPq1 e FAPESP2 pelo
apoio nanceiro.
REFERENCES
[1] N. S. D. Arrifano, V. A. Oliveira, R. A. Ramos,
N. G. Bretas, and R. V. Oliveira. Fuzzy stabilization of power systems in a co-generation scheme
subject to random abrupt variations of operating
conditions. IEEE Transactions on Control Systems Technology, 15(2):384393, 2007.
[2] E. Assuno, F. A. Faria, and M. C. M. Teixeira.
Controle robusto de sistemas lineares sujeitos
falhas estruturais usando realimentao derivativa.
In Proceedings of the 7th Brazilian Conference on
Dynamics, Control and Applications, Presidente
Prudente, 2008. UNESP. 6p.
[3] E. Assuno, F. A. Faria, and M. C. M. Teixeira.
D -estabilidade de sistemas descritores sujeitos a
falhas estruturais usando realimentao da derivada dos estados. In Anais do 17 o Congresso
Brasileiro de Automtica, volume 1, Juiz de Fora,
2008. SBA. 6p. (Artigo 38448).
[4] E. Assuno, F. A. Faria, M. C. M. Teixeira, and
R. Cardim. Realimentao da derivada dos estados em sistemas fuzzy Takagi Sugeno. In Anais do
8 o Simpsio Brasileiro de Automao Inteligente,
Florianpolis, 2007. [s.n.]. 6p. (Artigo 29542).
[5] E. Assuno, F. A. Faria, M. C. M. Teixeira, and
R. Cardim. Projeto de controladores fuzzy usando
realimentao da derivada dos estados. In Anais
do 9 o Simpsio Brasileiro de Automao Inteligente, Braslia, 2009. [s.n.]. 6p. (Artigo 54485).
[6] E. Assuno, M. C. M. Teixeira, F. A. Faria,
N. A. P. da Silva, and R. Cardim. Robust statederivative feedback LMI-based designs for multivariable linear systems. International Journal of
Control, 80(8):12601270, 2007.
1

Conselho Nacional de Desenvolvimento Cientco e Tecnol-

gico

[7] R. Cardim, M. C. M. Teixeira, E. Assuno,

and F. A. Faria. Control designs for linear systems using state-derivative feedback. In Systems, Structure and Control, pages 128. InTeh, Vienna, Austria, 2008. http://books.
i-techonline.com/book.php?id=73.
[8] E. R. P. da Silva, M. C. M. Teixeira, E. Assuno, and F. A. Faria. Controle robusto de sistemas
no-lineares sujeitos a falhas estruturais. In Proceedings of the 8th Brazilian Conference on Dynamics, Control and Applications, Bauru, 2009.
UNESP. 6p.
[9] M. C. de Oliveira, D. P. Farias, and
J. C. Geromel.
LMISol, Users guide.
UNICAMP, Campinas-SP, Brazil,
1997.
http://www.dt.fee.unicamp.br/
~mauricio/software.html.
[10] F. A. Faria, E. Assuno, and M. C. M. Teixeira.
Realimentao da derivada dos estados em sistemas descritores usando LMIs. In Proceedings
of the 6th Brazilian Conference on Dynamics,
Control and Their Applications, pages 737742,
So Jos do Rio Preto, 2007. UNESP.
[11] F. A. Faria, E. Assuno, and M. C. M.
Teixeira.
Realimentao da derivada dos
estados em sistemas multivariveis lineares usando LMIs.
Controle & Automao, 20(1):8393,
2009.
doi:
10.1590/S0103-17592009000100008.
[12] F. A. Faria, E. Assuno, M. C. M. Teixeira, and
R. Cardim. Robust state-derivative feedback LMIbased designs for linear descriptor systems. Mathematical Problems in Engineering, 2010:115,
2009. doi:10.1155/2010/927362.
[13] F. A. Faria, E. Assuno, M. C. M. Teixeira,
R. Cardim, and N. A. P. da Silva. Robust statederivative pole placement LMI-based designs for
linear systems. International Journal of Control,
82(1):112, 2009.
[14] P. Gahinet, A. Nemirovski, A. J. Laub, and
M. Chilali. LMI control toolbox - For use with
MATLAB. The Math Works Inc., 1995.
[15] J. P. Hwang and E. Kim. Robust tracking control
of an electrically driven robot: Adaptive fuzzy logic approach. IEEE Transactions on Fuzzy Systems, 14(2):232247, 2006.

[16] M. Johansson, A. Rantzer, and K.-E. Arzn.

Pie-

Fundao de Amparo Pesquisa do Estado de So Paulo

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667

270

cewise quadratic stability of fuzzy systems. IEEE

Transactions on Fuzzy Systems, 7(6):713722,
1999.

of systems and its applications to modeling and

control. IEEE Transactions on Systems, Man, and
Cybernetics, 15(1):116132, 1985.

[17] E. Kim. Output feedback tracking control of robot

manipulators with model uncertainty via adaptive
fuzzy logic. IEEE Transactions on Fuzzy Systems,
12(3):368378, 2004.

[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.

[28] K. Tanaka and H. O. Wang. Fuzzy control systems

design and analysis: A linear matrix inequality
approach. John Wiley and Sons, 2001.

[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.

[29] T. Taniguchi, K. Tanaka, H. Ohatake, and H. O.

Wang. Model construction, rule reduction, and
robust compensation for generalized form of
Takagi-Sugeno fuzzy systems. IEEE Transactions
on Fuzzy Systems, 9(4):525537, 2001.
[30] M. C. M. Teixeira, E. Assuno, and R. G. Avellar. On relaxed LMI-based designs for fuzzy regulators and fuzzy observers. IEEE Transactions
on Fuzzy Systems, 11(5):613623, 2003.

[31] M. C. M. Teixeira and S. H. Zak.

Stabilizing
controller design for uncertain nonlinear systems
using fuzzy models. IEEE Transactions on Fuzzy
Systems, 7(2):133142, 1999.

[22] L. A. Mozelli, R. M. Palhares, and E. M. A.

M. Mendes F. O. Souza. Reducing conservativeness in recent stability conditions of ts fuzzy systems. Automatica, 45:15801583, 2009.
[23] B.-J. Rhee and S. Won. A new fuzzy lyapunov function approach for a takagi-sugeno fuzzy
control system design. Fuzzy Sets and Systems,
157:12111228, 2006.
[24] F. Q. Rossi., E. Assuno, M. C. M. Teixeira,
and F. A. Faria. Controladores robustos usando
LMI para sistemas de suspenso de automvel sujeito a falhas. In Proceedings of the 8th Brazilian Conference on Dynamics, Control and Applications, Bauru, 2009. UNESP. 6p.
[25] J.F. Sturm. Using SeDuMi 1.02, a MATLAB toolbox for optimization over symmetric cones. Optimization Methods and Software, 1112:625653,
1999. http://citeseer.ist.psu.edu/
sturm99using.html.
[26] T. Takagi and M. Sugeno. Fuzzy identication

Proceedings of the 9th Brazilian Conference on Dynamics Control and their Applications
Serra Negra, SP - ISSN 2178-3667

271