Relatório Referente À Controladores Pid Fuzzy PDF

INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA DO PAR
CURSO DE ENGENHARIA DE CONTROLE E AUTOMAO
RELATRIO SOBRE CONTROLADORES

PID, PD+KI E PI+PD FUZZY
Trabalho elaborado como parte integrante da

avaliao da disciplina Lgica e Controle
Fuzzy, sob orientao do Prof. Andr
Ferreira, no primeiro semestre de 2013.
Rodrigo Alberto Farias Pena Mat. 2008310030

Rosinaldo de Jerusalm da Costa Farias - Mat.: 2010310033
11 de Agosto de 2013
1 OBJETIVOS:
O presente relatrio tem como objetivo reproduzir os resultados obtidos no artigo de
ZHAO, TOMIZUKA & ISAKA [2], bem como analisar e comparar o desempenho de
Controladores PID sintonizados a partir do segundo mtodo de Ziegler-Nichols e do mtodo de
Kitamori, com os Controladores PID Fuzzy, PD Fuzzy juntamente com um controle integral com
ganho fuzzy, e PD Fuzzy em conjunto com PI Fuzzy.
2 INTRODUO TERICA:
Controladores PID so ferramentas essenciais na automao industrial, a flexibilidade
de controle os tornam versteis para serem aplicados em diversos processos [1],
principalmente quando estes ltimos apresentam um comportamento relativamente linear.
Vrias abordagens na literatura tratam sobre mtodos de sintonia desses controladores, seja
ele utilizando parmetros fixos, como o Mtodo de Ziegler-Nichols em Malha Fechada
(segundo mtodo), baseado no ganho e perodo crtico [1], ou com Ganho Programado atravs
de um Sistema de Inferncia Fuzzy [2]. Este segundo mtodo possui vantagens considerveis
sobre aqueles com parmetros fixos por se adaptar s condies e peculiaridades da planta, e
seu sucesso est diretamente relacionado ao grau de conhecimento que se tem ou que se
espera do processo, pois aqui entra em ao o critrio dos sistemas especialistas, onde a
informao do operador essencial para a elaborao do controlador.
Este relatrio est dividido em trs partes principais: a primeira parte analisa os
resultados da sintonia de um Controlador PID utilizando o segundo mtodo de Ziegler-Nichols,
o Mtodo de Kitamori e a sintonia de Controladores com Ganho Programado utilizando um
Sistema de Inferncias Fuzzy para o Controle PID Fuzzy. As duas etapas seguintes abordam,
respectivamente, o Controlador PD Fuzzy juntamente com um controle integral com ganho
fuzzy, e o controlador PD Fuzzy em conjunto com o PI Fuzzy. Os resultados foram obtidos a
partir da simulao para um algoritmo escrito em Matlab. Foram utilizados os mesmos
Sistemas de Segunda, Terceira e Quarta Ordem presentes no artigo de ZHAO [2]. Ao final,
existe uma abordagem sobre os resultados e concluses advindas da anlise dos
controladores.
PARTE I - CONTROLADOR PID FUZZY:

3 O MTODO DE ZIEGLER-NICHOLS E O MTODO DE KITAMORI:
3.1 - SINTONIA DO SISTEMA DE SEGUNDA ORDEM UTILIZANDO O MTODO DE
ZIEGLER-NICHOLS:
O segundo Mtodo de Ziegler-Nichols, ou Mtodo em Malha Fechada [3] baseia-se em
se aumentar gradativamente apenas a parte Proporcional (Ganho Proporcional) de um
controlador at se atingir uma oscilao sustentada (para sistemas onde no se tem muito
conhecimento do processo). Para sistemas onde o processo j foi identificado e conhecido,
2
essa situao se resume em se observar o ponto onde o lugar geomtrico das razes cruza o
eixo imaginrio do Plano S. A partir desse ponto e em ambos os casos anteriores teremos o
ganho e o perodo crtico, com essas grandezas e utilizando a Tabela 3.1 podemos obter os
parmetros do controlador.
CONTROLADOR
P
PI
PID
KC
0,5. KU
0,4. KU
0,6. KU
TI
0,8.TU
0,5.TU
TD
0,125. TU
Tabela 3.1 Parmetros do Regulador obtidos pelo Mtodo de Ziegler-Nichols em Malha Fechada.
A planta de segunda ordem presente no artigo de ZHAO [2] corresponde ao Sistema

3.1 a seguir, que possui um atraso de transporte a ser considerado quando da representao
em cdigo fonte.
( )
Sistema 3.1
Em Matlab, a representao dos vetores do numerador e denominador sem considerar

o atraso de transporte pode ser inserida pelo seguinte cdigo (todo o cdigo fonte executvel
em Matlab neste relatrio ser descrito em fonte Courier New, em letras azuis):
num=1;
den=conv([1 1],[1 1]);
A Aproximao de Pad para representar o atraso de transporte (atraso este que no

pode simplesmente ser descartado) pode ser acrescentada pelos comandos:
g=2; %ENTRADA - grau do polinmio no denominador.
teta = 0.5; %ENTRADA - teta o ndice ao qual est elevado o exponente do
%numerador.
[np,dp]=pade(teta,g); % Funo de transferncia para a aproximao de Pad.
Devemos escolher um taxa de amostragem que atenda teoria de amostragem de

Shanon abordada por FADALI [4]. Para a planta em questo, ele ser Ts = 0,01 segundos.
Observou-se que amostragens de at 0,05 segundos podem ser adotadas sem maiores
comprometimentos para a resposta do controlador e da planta. A base de tempo total,
presente em todos os grficos da simulao, ser a mesma do artigo, no caso 14 segundos.
Importante notar que a quantidade de amostras, para este caso, ser de 1.400. Esse fragmento
ficaria conforme mostrado a seguir:
Ts = 0.01;
T= 14;
Juntando os dois sistemas (Planta sem o atraso e a Aproximao de Pad para

representar o atraso de transporte), teremos o sistema G1(s) sistema 3.1, representados na
forma de vetores [ndig,ddig], que tero grande utilidade quando das iteraes no lao for
para se verificar a sada do sistema.
[n,d]=series(num,den,np,dp);
Os sistemas analgico e digital para esta planta, representados em linhas de cdigo

por Gma e Gmd, respectivamente, podem ser calculados conforme a seguir (a terceira linha
indica o sistema digital na forma de vetores e a quarta o sistema em malha fechada):
Gma=tf(n,d);
Gmd=c2d(Gma,Ts);
[ndig,ddig]=tfdata(Gmd,'v');
Gmdmf=feedback(Gmd,1);
Esses sistemas foram, respectivamente:

e
Sistema 3.2
Sistema 3.3
A resposta do sistema em malha fechada indica a presena de erro (Figura 3.2), fato
que no havia sido observado em malha aberta (Figura 3.1), isto significa que ao menos o
sistema precisa de um controlador para correo deste parmetro.
Sistema Original - Resposta a um Degrau Unitrio em Malha Fechada
0.6
0.5
0.8
0.4
0.6
0.3
Amplitude
Amplitude
Sistema Original - Resposta a um Degrau Unitrio em Malha Aberta

1.2
0.4
0.2
0.2
0.1
-0.2
-0.1
tempo (sec)
tempo (sec)
Fig. 3.1 Resposta do sistema a um degrau unitrio (em

malha aberta).
Fig. 3.2 Resposta do sistema a um degrau unitrio (em

malha fechada).
Precisamos encontrar o perodo crtico e o ganho crtico para prosseguir na anlise.

Como a planta conhecida, basta encontrar os parmetros para o Lugar Geomtrico das
Razes (Figura 3.3) no ponto de cruzamento com o eixo imaginrio do Plano S.
rlocus(Gma);grid;
O ganho crtico imediato do grfico (Figura 3.3) e vale Ku = 4,68. O perodo crtico
pode facilmente ser determinado:
Equao 3.1
Dessa maneira, utilizando-se a ltima coluna da Tabela 3.1, podemos facilmente

determinar o controlador PID [1].
%1.6.1 CONTROLADOR PID Ziegler Nichols:
kp=2.808; %Ganho proporcional do controlador PID
ti=1.64; %Tempo integral do controlador PID
td=0.41; %Tempo derivativo do controlador PID
ncpid=[kp*td*ti kp*ti kp];
dcpid=[ti 0];
Juntando esse controlador com a planta, teremos o sistema por ora representado por
GmaPID (contnuo) e GmdPID (discreto).
[npc]=conv(n,ncpid);
[dpc]=conv(d,dcpid);
GmaPID=tf(npc,dpc);
GmdPID=c2d(GmaPID,Ts);
Sistema 3.4
Sistema 3.5
3.2 SINTONIA DO SISTEMA DE SEGUNDA ORDEM UTILIZANDO O MTODO DE

KITAMORI:
O Mtodo de Kitamori [2] envolve um algoritmo especfico para determinar os
parmetros KP, TI e TD do controlador. Para os sistemas estudados por Zhao esses valores j
esto disponveis (exceo do sistema de terceira ordem que no foram calculados devido
baixa taxa de amortecimento). No sistema de segunda ordem, esses parmetros valem: KP =
2,212, TI = 2,039 e TD = 0,519. Igualmente como visto para o Controlador Ziegler-Nichols,
podemos montar no Matlab nosso controlador Kitamori:
%1.6.2 - CONTROLADOR PID Kitamori:
kpkt=2.212; %Ganho proporcional do controlador PID
tikt=2.039; %Tempo integral do controlador PID
tdkt=0.519; %Tempo derivativo do controlador PID
ncpidkt=[kpkt*tdkt*tikt kpkt*tikt kpkt];
dcpidkt=[tikt 0];
%1.7.2 - PLANTA COM CONTROLADOR PID Kitamori:
[npckt]=conv(n,ncpidkt);
[dpckt]=conv(d,dcpidkt);
GmaPIDkt=tf(npckt,dpckt);
GmdPIDkt=c2d(GmaPIDkt,Ts);
De posse desses dois Sistemas (Ziegler-Nichols e Kitamori), podemos traar sua reposta
em malha fechada a um degrau unitrio (Figura 3.4), onde se observa que o erro de regime
5
permanente foi corrigido, pode-se tambm notar que relativamente o Controlador Kitamori
possui melhores condies de desempenho.
%1.8 - SISTEMA ORIGINAL COM CONTROLADOR PID - RESPOSTA EM MALHA FECHADA A
%UM DEGRAU UNITRIO:
GMPID=feedback(GmdPID,1);
GMPIDkt=feedback(GmdPIDkt,1);
[ndigMF2,ddigMF2]=tfdata(GMPID,'v');
[ndigMF2ktma,ddigMF2ktma]=tfdata(GmdPIDkt,'v');
[ndigMF2kt,ddigMF2kt]=tfdata(GMPIDkt,'v');
step(GMPID,'y');
hold on
step(GMPIDkt,'b');
[ykt,xkt]=step(GMPIDkt,T);
title('Sistema Original com Controlador PID - Resposta a um Degrau Unitrio em
Malha Fechada');
xlabel('tempo ');ylabel('Amplitude');grid;
legend('Resposta a um Degrau com PID Ziegler-Nichols','Resposta a um Degrau
com PID Kitamori');
100 0.15
Root Locus
100
0.105
0.07
0.044
80
80
1.2
0.21
60
60
System: Gma
40 Gain: 4.68
Pole: -1.04e-009 + 1.92i
Damping: 5.42e-010
20 Overshoot (%): 100
Frequency (rad/sec): 1.92
20 0.55
0.8
Amplitude
40 0.32
Imaginary Axis
Sistema Original com Controlador PID - Resposta a um Degrau Unitrio em Malha Fechada
1.4
0.02
0
-20 0.55
20
-40 0.32
40
-60
0.4
Resposta a um Degrau com PID Ziegler-Nichols
0.2
Resposta a um Degrau com PID Kitamori
60
0.21
-80
0.15
-100
-15
0.6
80
0.105
-10
0.07
0.044
0.02
1000
-5
-0.2
10
Real Axis
tempo (sec)
Fig. 3.3 LGR da planta para verificao do ganho e

perodo crtico.
Fig. 3.4 Resposta em malha fechada a um degrau unitrio

para a planta com os controladores Ziegler-Nichols (em
verde) e Kitamori (em azul).
4 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PID FUZZY:

Iremos agora partir para o Sistema de Inferncia Fuzzy para o Controlador PID [2,7],
composto pelos Conjuntos Fuzzy para as Entradas e Sadas com suas respectivas Funes de
Pertinncia, e as Regras de Inferncia Fuzzy.
4.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS:

De acordo com o artigo de MANN, HU & GOSINE [8], iremos precisar das grandezas
Erro e Derivada do Erro como entradas para o Controlador PID Fuzzy. As faixas de valores sero
essenciais para atender as especificaes de desempenho, influenciando decisivamente na

sintonia do controlador.
Para a entrada de erro [chamado em cdigo fonte de e(k)] e utilizando o Fuzzy Logic
Tolbox do Matlab [9,10], possvel criar os conjuntos Fuzzy para as entradas. Primeiro
determinamos a faixa de valores (o fator de escala) mxima para o conjunto (no exemplo, uma
faixa particular vai de -1,6 a 1,6):
%2.4 - CRIAO DOS CONJUNTOS FUZZY PARA A ENTRADA DE ERRO 'e':
ee16=1.6;ee=ee16;
a=newfis('PIDFUZZY');
a.input(1).name='e(k)';
a.input(1).range=[-ee ee];
Depois definimos as Funes de Inferncia Fuzzy [2] para essa entrada (NB, NM, NS,
ZO, OS, PM e PB), conforme mostrado a seguir (observe que o espaamento feito
automaticamente de acordo com a faixa de valores escolhida anteriormente):
a.input(1).mf(1).name='NB';
a.input(1).mf(1).type='trapmf';
a.input(1).mf(1).params=[-ee -ee -0.75*ee -0.5*ee];
...................................................
a.input(1).mf(7).name='PB';
a.input(1).mf(7).params=[0.5*ee 0.75*ee ee ee];
Da mesma maneira, definimos a faixa de valores para a entrada Derivado do Erro

[D_e(k)], e as respectivas Funes de Inferncia Fuzzy.
de008=0.08;de=de008;
a.input(2).name='D_e(k)';
a.input(2).range=[-de de];
a.input(2).mf(1).name='NB';
a.input(2).mf(1).params=[-de -de -0.75*de -0.5*de];
...................................................
a.input(2).mf(7).name='PB';
a.input(2).mf(7).params=[0.5*de 0.75*de de de];
Aps essa etapa, fazemos a impresso do grfico atravs do comando plotmf para
observar os resultados (Figuras 4.1 e 4.2).
GRFICO DAS FUNES DE PERTINNCIA PARA A ENTRADA 1 - ERRO

NM
NS
ZO
PS
PM
GRFICO DAS FUNES DE PERTINNCIA PARA A ENTRADA 2 - DERIVADA DO ERRO
PB
NB
0.8
0.8
Grau de Pertinncia
Grau de Pertinncia
NB
0.6
0.4
0.2
NM
NS
ZO
PS
PM
PB
0.6
0.4
0.2
0
-1.5
-1
-0.5
0
0.5
Entrada 1 - ERRO NORMALIZADO e(k)
1.5
-0.08
Fig. 4.1 Funes de Pertinncia para a Entrada de Erro
-0.06
-0.04
-0.02
0
0.02
0.04
0.06
Entrada 2 - DERIVADA DO ERRO NORMALIZADO De(k)
0.08
Fig. 4.2 Funes de Pertinncia para a Entrada Derivada

do Erro.
4.2 CRIAO DOS CONJUNTOS FUZZY PARA AS SADAS:

Zhao utiliza como conjuntos lgicos para a sada Kp e Kd duas funes customizadas
cujo desenvolvimento no Fuzzy Logic Tolbox tornar-se-ia contraproducente. Iremos adotar
funes gaussianas facilmente implementadas dentro do Tolbox para facilitar o
desenvolvimento do algoritmo, isso significa que os resultados sero levemente diferentes, o
que no os invalida, at porque a repetio exata dos resultados de Zhao significa acesso a
todos os parmetros adotados em seu artigo, fato pouco prtico. Dessa maneira, as funes de
pertinncia para Kp ficariam como:
a.output(1).name='Kp-linha';
a.output(1).range=[0 1];
a.output(1).mf(1).name='Small';
a.output(1).mf(1).type='gbellmf';
a.output(1).mf(1).params=[0.101 0.594 0.00129];
a.output(1).mf(2).name='Big';
a.output(1).mf(2).type='gbellmf';
a.output(1).mf(2).params=[0.101 0.594 0.99871];
A funo de pertinncia para a sada Kd seria semelhante, alternando-se no algoritmo

apenas a sada de (1) para (2). As Figuras 4.3 e 4.4 mostram tais funes, que apresentaram
uma aproximao satisfatria aos grficos das utilizadas por Zhao.
A terceira sada representada pela constante alfa que ir influenciar no grau de
magnitude do ganho integral (Ki). Zhao utiliza quatro funes singleton para representar alfa
(S, MS, M e B). Aqui, por simplicidade, iremos utilizar funes trapezoidais de larguras de base
bem estreitas, conforme descrito no algoritmo a seguir. A Figura 4.5 mostra o grfico das
funes de pertinncia de alfa.
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 1 - Kp-linha

Small
1
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Kd-linha
Big
Small
1
0.8
Grau de Pertinncia
Grau de Pertinncia
0.8
Big
0.6
0.4
0.2
0.6
0.4
0.2
0
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Sada 1 - GANHO PROPORCIONAL NORMALIZADO Kp-linha
Fig. 4.3 Funo de Pertinncia para a sada Kp.
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
Sada 2 - GANHO DERIVATIVO NORMALIZADO Kd-linha
Fig. 4.4 Funo de Pertinncia para a sada Kd.
%2.6.2 - FUNO DE PERTINNCIA PARA A SADA Alfa:

a.output(3).name='Alfa';
a.output(3).range=[1.5 5.5];
a.output(3).mf(1).name='S';
a.output(3).mf(1).type='trapmf';
a.output(3).mf(1).params=[1.97 1.97 2.03 2.03];
................................................
a.output(3).mf(4).name='B';
a.output(3).mf(4).type='trapmf';
a.output(3).mf(4).params=[4.97 4.97 5.03 5.03];
4.3 CRIAO DAS REGRAS DE INFERNCIA FUZZY:

O prximo passo criar as Regras de Inferncia Fuzzy. Elas obedecem experincia
dos especialistas quanto s sadas Kp, Kd e alfa, e esto descritas nas Tabelas 4.1, 4.2 e 4.3,
respectivamente. Sua implementao no Matlab bastante simples usando linhas de
comando. A regra a seguir, por exemplo, corresponde a:
- Antecedentes: So as funes das entradas que sero acionadas, no caso a funo 4 para a
entrada de Erro (ZO) e a funo 1 para a entrada Derivada do Erro (NB);
- Consequentes: So as funes a serem acionadas na sada, no caso a funo 1 para Kp (Small),
a funo 2 para Kd (Big) e a funo 4 para alfa (B);
- Peso: o peso a ser atribudo regra;
- Conexo: Corresponde lgica realizada entre as duas entradas, no caso 1 significa uma
lgica AND. As Figuras 4.6, 4.7 e 4.8 correspondem aos grficos dessas trs funes em razo
das entradas de Erro e Derivado do Erro.
%2.7 - CRIAO DAS REGRAS DE INFERNCIA FUZZY:
a.rule(22).antecedent=[4 1];
a.rule(22).consequent=[1 2 4];
a.rule(22).weight=1;
a.rule(22).connection=1;
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 3 - Alfa

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 1 - Kp-linha
MS
PERTINNCIA PARA A SADA 1 - Kp-linha
Grau de Pertinncia
0.8
0.6
0.4
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35
0.3
0.08
0.06
0.04
1.5
0.02
0.2
1
0
0.5
-0.02
0
-0.04
-0.5
-0.06
-1
-0.08
-1.5
0
1.5
2.5
3
3.5
4
Sada 3 - CONSTANE ALFA
4.5
5.5
Fig. 4.6 Grfico da sada Kp em razo do Erro e da

Derivada do Erro.
Fig.4.5 Funes de pertinncia para a sada alfa (sada 3).
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 3 - Alfa
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Kd-linha
PERTINNCIA PARA A SADA 3 - Alfa
PERTINNCIA PARA A SADA 2 - Kd-linha
0.7
0.65
0.6
0.55
0.5
0.45
0.4
0.35
4.5
3.5
2.5
2
0.08
0.3
0.06
0.04
0.04
0.5
-0.02
1
0
1
0
1.5
0.02
-0.02
-0.08
-1.5
-1.5
Fig. 4.7 Grfico da sada Kp em razo do Erro e da

Derivada do Erro.
NB
NM
NS
ZO
OS
PM
PB
-1
-0.08
-0.5
-1
-0.06
-0.5
-0.06
0
-0.04
0
-0.04
0.5
e(k)
1.5
0.02
0.06
NB
B
S
S
S
S
S
B
NM
B
B
S
S
S
B
B
Fig. 4.8 Grfico da sada alfa em razo do Erro e da

Derivada do erro.
NS
B
B
B
S
B
B
B
D_e(k)
ZO
B
B
B
B
B
B
B
PS
B
B
B
S
B
B
B
PM
B
B
S
S
S
B
B
PB
B
S
S
S
S
S
B
Tabela 4.1 Regras de Sintonia do Especialista Fuzzy para a sada Kp a partir das entradas e(k) e D_e(k).
e(k)
NB
NM
NS
ZO
OS
PM
PB
NB
S
B
B
B
B
B
S
NM
S
B
B
B
B
B
S
NS
S
S
B
B
B
S
S
D_e(k)
ZO
S
S
S
B
S
S
S
PS
S
S
B
B
B
S
S
PM
S
B
B
B
B
B
S
Tabela 4.2 Regras de Sintonia do Especialista Fuzzy para a sada Kd a partir das entradas e(k) e D_e(k).
10
PB
S
B
B
B
B
B
S
e(k)
NB
NM
NS
ZO
OS
PM
PB
NB
2
3
4
5
4
3
2
NM
2
3
3
4
3
3
2
NS
2
2
3
3
3
2
2
D_e(k)
ZO
2
2
2
3
2
2
2
PS
2
2
3
3
3
2
2
PM
2
3
3
4
3
3
2
PB
2
3
4
5
4
3
2
Tabela 4.3 Regras de Sintonia do Especialista Fuzzy para a sada alfa a partir das entradas e(k) e D_e(k).
5 O CONTROLADOR PID FUZZY PARA O SISTEMA DE SEGUNDA ORDEM:

Para criar o Controlador Fuzzy para o sistema de segunda ordem, devemos
previamente definir os parmetros iniciais. Como o sistema ganhou dois polos com a
aproximao de pad, poderamos pensar em um lao for iniciando-se na contagem 5, no
entanto, a adoo no mesmo lao da planta com os controladores convencionais, tanto de
Ziegler-Nichols quanto de Kitamori, adicionou mais um polo na origem para eliminar o erro de
regime. Assim, o lao for principal precisar iniciar na contagem 6 para atender a todas as
ordens de recursividade dos controladores.
5.1 DEFINIO DOS PARMETROS INICIAIS:

Devemos definir o Ganho Crtico e o Perodo Crtico, de onde derivar os valores
mnimos e mximos da excurso de Kp e Kd nas sadas do Sistema de Inferncia Fuzzy, assim se
garante a estabilidade da planta. Quanto ao sinal de entrada para os controladores
convencionais (Ziegler-Nichols e Kitamori) e por ser um degrau, basta defini-lo como valendo a
unidade, importante aqui observar que este valor perdurar por todas as interaes. Devemos
tambm definir as sadas iniciais, elas devero seguir a sada sem o controlador, pois o
algoritmo, devido sua recursividade, no tem como calcular esses valores. Assim, as linhas de
cdigo no Matlab ficariam:
% 3.PARMETROS INICIAIS DO SISTEMA DE SEGUNDA ORDEM:
Ku=4.69;
%Ganho Crtico
Tu=3.2725;
%Perodo Crtico
Kpmin=0.32*Ku;
%Excurso Mnima de Kp
Kpmax=0.6*Ku;
%Excurso Mxima de Kp
Kdmax=0.15*Ku*Tu;
%Excurso Mnima de Kd
Kdmin=0.08*Ku*Tu;
%Excurso Mxima de Kd
% SINAIS NA INTERAO 1 DO CONTROLADOR PID ZIEGLER-NICHOLS:

ym7(1)=y(1);
%Sinal de Sada Inicial para a planta com Ziegler-Nichols
u7(1)=1;
%Sinal de Entrada para o controlador Ziegler-Nichols
% SINAIS NA INTERAO 1 DO CONTROLADOR PID KITAMORI
ym7kt(1)=y(1); %Sinal de Sada Inicial para a planta com Kitamori
u7kt(1)=1;
O Erro, a Soma do Erro e a Derivada do Erro iniciais, usados na primeira interao do

algoritmo do controlador, tambm devem ser definidos, igualmente como o sinal de sada da
11
primeira interao, que como descrito no pargrafo anterior e devido recursividade do

algoritmo, deve permanecer igual sada da planta sem o controlador. Por ltimo e no
menos importante est o sinal de entrada [uma(1)]: poderamos pensar em um degrau
unitrio como feito para as entradas das plantas com controladores Ziegler-Nichols e
Kirtamori, mas no o . A malha est aberta e devemos agora fech-la para seguir o diagrama
da Figura 5.1, o que significa que o sinal de entrada corresponde ao sinal de erro, ou seja, a
entrada [u(k)] menos a sada [ym(1)], como a entrada um degrau, o sinal de erro ser
uma(1)=1-ym(1). E assim, o algoritmo ficar descrito como:
% SINAIS DA INTERAO 1 PARA O CONTROLADOR LGICO FUZZY:
yma(1)=y(1);
%Sinal de Sada;
uma(1)=1-ym(1); %Malha de entrada (Fechando a Malha);
% SINAIS DE ERRO, DERIVADA DO ERRO E SOMA DO ERRO PARA O CLF:
ema(1)=1-yma(1);
%Sinal de Erro;
D_ema(1)=0;
%Sinal Derivada do Erro;
sema(1)=0;
%Sinal Soma do Erro;
Sinal de
Erro
Sinal de
Controle
CONTROLADOR PID
FUZZY
Sinal de
Entrada
PLANTA OU
PROCESSO
Sinal de
Sada
Fig. 5.1 Sistema de Controle PID Fuzzy em malha fechada. O Sinal de Erro corresponde diferena entre a
referncia (Sinal de Entrada) e a sada real (Sinal de Sada).
No primeiro lao for (lao auxiliar) que servir como auxlio ao lao principal e
abranger a recursividade necessria para a ordem do controlador, indo da contagem 2 a 5,
devemos definir os parmetros iniciais dos Controladores Ziegler-Nichols e Kitamori, os sinais
de erro, derivada do erro, soma do erro, e os sinais de entrada e sada do Controlador Lgico
Fuzzy, conforme descritos nos pargrafos anteriores. E alm destes, devem ser definidos os
parmetros do Controlador Lgico Fuzzy, que nestas primeiras iteraes sero constantes. E
assim teremos:
for m=2:5;
ym7(m)=ym(m);
%Sinal de Sada Inicial para a planta com Ziegler-Nichols
u7(m)=1;
uma(m)=1-yma(m-1); %Malha de entrada (Fechando a Malha);
yma(m)=y(m);
%Sinal de Sada;
ema(m)=1-yma(m);
%Sinal de Erro;
D_ema(m)=ema(m)-ema(m-1);
%Sinal Derivada do Erro;
sema(m)=ema(m)+sema(m-1);
%Sinal Soma do Erro;
ym7kt(m)=ym(m); %Sinal de Sada Inicial para a planta com Kitamori
u7kt(m)=1;
Kpma(m)=2.453;
Kdma(m)=1.227;
alfama(m)=2;
Kima(m)=1.977;
%
%
%
%
Parmetro
Parmetro
Parmetro
Parmetro
inicial
inicial
inicial
inicial
de
de
de
de
Kpma do CLF
Kdma do CLF
alfama do CLF
Kima do CLF
Tima(m)=(Kpma(m))/(Kima(m)); % Parmetro inicial de Tima do CLF

Tdma(m)=Kdma(m)/Kpma(m);
% Parmetro inicial de Tdma do CLF
end
12
5.2 DEFINIO DO LAO PRINCIPAL:

De posse da definio de todos os parmetros iniciais necessrios, partimos para a
escrita do lao for principal. O primeiro sinal que devemos definir a sada da planta com o
controlador PID Ziegler-Nichols. A funo de transferncia em malha fechada com este
controlador (definida no algoritmo como GMPID), vale:
Sistema 5.1
Como iremos precisar dos vetores do numerador e denominador, fazemos a gravao,
respectivamente, como ndigMF2 e ddigMF2. Importante notar que o parmetro ndigMF2[1]
nulo e no iremos utiliz-lo.
[ndigMF2;ddigMF2]
[0
0.0102
-0.0418
0.0643
-0.0439
0.0112]
[1.0000
-4.8523
9.4151
-9.1315
4.4268
-0.8581]
Como GMPID a relao da sada pela entrada, podemos escrever:
Escrevendo o sistema de maneira literal, teremos:
Como estamos interessados em saber qual o estado atual da sada (ym7), podemos
deduzir que:
(
)
Passando
para o segundo membro, teremos:

(
)
)
(
(
)
)
(
(
)
)
)
(
)
Equao 5.1
Importante observar que todos os outros sistemas presentes no lao sero deduzidos
dessa maneira. Assim, escrevendo o algoritmo na forma dos termos dos vetores do numerador
e denominador de GMPID, teremos:
%Plata completa em MF (PID ZIEGLER-NICHOLS):
ym7(m)=ndigMF2(2)*u7(m-1)+ndigMF2(3)*u7(m-2)+ndigMF2(4)*u7(m3)+ndigMF2(5)*u7(m-4)+ndigMF2(6)*u7(m-5)-ddigMF2(2)*ym7(m-1)-ddigMF2(3)*ym7(m2)-ddigMF2(4)*ym7(m-3)-ddigMF2(5)*ym7(m-4)-ddigMF2(6)*ym7(m-5);
%Planta com
Controlador ZN
u7(m)=1; %Sinal de Entrada (Degrau unitrio)
13
Esta mesma deduo podemos aplicar planta com Controlador Kitamori, ou ento,
como no h alternncia nos parmetros do controlador, podemos simplesmente plotar o
sinal ykt.
O prximo passo definir o Sinal de Controle Fuzzy [2] e a sada da planta com este
controlador. O Sinal de Controle Fuzzy vale:
( )
( )
()
( )
Equao 5.2
Uma vez calculado o sinal de controle, podemos aplicar na entrada da planta

(conforme podemos observa na Figura 5.1, onde o sinal de controle o sinal de entrada da
planta). E assim, aplicando a mesma deduo realizada para obter a equao 5.1, o sinal de
sada da planta com controlador pode ser obtida. Os dois sinais ento (de Controle Fuzzy e a
sada final da planta) ficariam descritas como:
% Resposta do sistema com Controlador Lgico Fuzzy
uma(m)=(Kpma(m-1)*ema(m-1))+((Kima(m-1)*Ts)*(sema(m-1)))+((Kdma(m1)/Ts)*(D_ema(m-1))); %Sinal de Controle Fuzzy
Equao 5.3
yma(m)=ndig(2)*uma(m-1)+ndig(3)*uma(m-2)+ndig(4)*uma(m-3)+ndig(5)*uma(m4)-ddig(2)*yma(m-1)-ddig(3)*yma(m-2)-ddig(4)*yma(m-3)-ddig(5)*yma(m-4);
%Sinal de Sada
Equao 5.4
Importante observar que a primeira iterao deste algoritmo utilizar parmetros fixos
definidos anteriormente e no valores calculados pelo Sistema de Inferncias Fuzzy. A prxima
etapa definir os valores de Erro, Derivado do Erro e Soma do Erro a cada iterao. Esses
valores sero ento usados nas prximas iteraes do algoritmo tanto pelo sinal de controle
quanto pelo Sistema de Inferncias Fuzzy para calcular os parmetros Kp, Ki e alfa. E assim
teremos:
%Sinais do Sistema de Inferncias Fuzzy e do Controlador:
ema(m)=1-yma(m);
%Sinal de Erro.
D_ema(m)=ema(m)-ema(m-1);
%Sinal Derivado do Erro.
sema(m)=ema(m)+sema(m-1);
%Sinal Soma do Erro.
[e1ma]=evalfis([ema(m) D_ema(m)], a);
%Sinais de Entrada para o Sistema
de Inferncias Fuzzy.
O ltimo passo do lao for envolve a definio dos sinais de sada do Sistema de
Inferncia Fuzzy que sero usados nas prximas iteraes do algoritmo para clculo do sinal de
controle e anlise do comportamento dos parmetros ao longo do tempo. Importante
observar que os valores de sada do Sistema de Inferncias Fuzzy (normalizados) para Kp, Ki e
Kd so convertidos para valores reais, dentro da faixa de excurso mnima e mxima definidos
antes das iteraes.
%Sinais de Controle em Malha Aberta:
Kpma(m)=(Kpmax-Kpmin)*e1ma(1)+Kpmin;
Kdma(m)=(Kdmax-Kdmin)*e1ma(2)+Kdmin;
Kima(m)=(Kpma(m)^2)/(e1ma(3)*Kdma(m));
Tima(m)=(Kpma(m))/(Kima(m));
Tdma(m)=Kdma(m)/Kpma(m);
end
14
%Kp
%Kd
%Ki
%Ti
%Td
da
da
da
da
da
prxima
prxima
prxima
prxima
prxima
iterao
iterao
iterao
iterao
iterao
A Figura 5.2 mostra os resultados da simulao, onde podemos notar visualmente

melhorias nos parmetros de resposta para o Sistema com Controlador Lgico Fuzzy
comparativamente aos de Ziegler-Nichols e Kitamori quanto ao sobressinal percentual e tempo
de subida. Importante observar que este no o melhor resultado obtido, e sim um dos que
mais se assemelharam s simulaes de Zhao. Outros resultados particulares podem ser
observados com mudanas nas faixas de excurso das entradas. A Figura 5.3 mostra o
comportamento dos parmetros Ki, Ti e Td. As Figuras 5.4, 5.5, 5.6 e 5.7 mostram,
respectivamente, os sinais de Controle, de Erro, Derivada do Erro e Soma do Erro. A tabela 5.1
mostra as especificaes obtidas com o Controlador PID Fuzzy.
Parmetros do Controlador Fuzzy
GRFICO FINAL
3
1.4
1.2
2.5
1
2
AMPLITUDE
AMPLITUDE
0.8
0.6
0.4
Kp
Ti
Td
1.5
1
CONTROLADOR PID ZIEGLER-NICHOLS
CONTROLADOR PID KITAMORI
CONTROLADOR PID FUZZY
0.2
0.5
0
-0.2
500
1000
QUANTIDADE DE AMOSTRAS
1500
Fig. 5.2 Resposta a um degrau unitrio para os sistemas

com controlador PID Ziegler-Nichols (em vermelho),
Kitamori (em verde) e Fuzzy (Azul).
200
400
600
800
1000
1200
1400
Fig. 5.3 Comportamento dos parmetros Kp, Ti e Td do

Controlador Lgico Fuzzy ao longo das iteraes.
Sinal de Cotrole do Controlador Fuzzy
Sinal de Erro do Controlador Fuzzy
3.5
1.2
3
1
2.5
AMPLITUDE
AMPLITUDE
0.8
Sinal de Controle
2
1.5
1
0.6
Sinal de Erro
0.4
0.5
0.2
0
0
-0.5
-1
200
400
600
800
1000
1200
-0.2
1400
200
400
600
800
1000
1200
1400
Fig. 5.5 - Sinal de Erro do Controlador PID Fuzzy.

Fig. 5.4 Sinal de Controle do Controlador PID Fuzzy.
Sinal Soma do Erro do Controlador Fuzzy
-3
90
80
70
-2
60
AMPLITUDE
AMPLITUDE
100
Sinal Derivada do Erro do Controlador Fuzzy
x 10
-4
-6
50
Sinal Soma do Erro
40
Sinal Derivada do Erro

30
-8
20
-10
10
-12
0
-14
200
400
600
800
1000
1200
1400
Fig. 5.6 Sinal Derivado do Erro do Controlador PID Fuzzy.
200
400
600
800
1000
1200
1400
Fig. 5.7 Sinal Soma do Erro do Controlador PID Fuzzy.
15
Controlador PID Kitamori

Parmetro
Desempenho
Kp = 2,212
Yos = 6,71%(@2,05 seg.)
Ti = 2,039
Ts = 2,73 seg.
Td = 0,519
Tr = 1,39 seg.
Controlador PID Fuzzy

Desempenho
Yos = 6,19%(@1,64 seg.)
Ts = 5,15 seg.
Tr = 1,22 seg.
Tabela 5.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols e Kitamori para o Sistema de
Segunda Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida
(ambos em segundos).
6 O CONTROLADOR FUZZY PARA O SISTEMA DE TERCEIRA ORDEM:

Grande parte da abordagem realizada anteriormente para o Sistema de Segunda
Ordem vlida para o Sistema de Terceira Ordem proposto por Zhao, de forma que
evitaremos aqui ser repetitivo quanto ao assunto. Vamos apontar apenas as diferenas.
6.1 SINTONIA DO SISTEMA DE TERCEIRA ORDEM UTILIZANDO O MTODO DE ZIEGLERNICHOLS:

O Sistema de Terceira Ordem a ser analisado o mesmo utilizado por Zhao. O que
significa que no precisaremos nos preocupar com atraso de transporte. A taxa de
amostragem a ser escolhida ser de 0,01 segundos (igual ao caso anterior) e a base de tempo
visualizvel nos grficos ser de 30 segundos, o que significa que teremos 3.000 amostras.
Dessa forma, os sistemas Analgico e Digital sero representados como:
e
(
Sistema 6.1
)
Sistema 6.2
Novamente, a resposta em malha fechada indica a presena de erro, e precisamos

assim inserir um controlador para minimizar esse inconveniente (Figura 6.2). Para tal,
precisamos encontrar o Ganho Crtico e o Perodo Crtico, que se torna simples por possuirmos
conhecimento sobre a planta (Figura 6.3). Dessa maneira, teremos que Ku = 3,71 e Tu = 2,0601.
0.7
0.9
0.6
0.8
0.5
0.7
0.6
Amplitude
Sistema de
Segunda
Ordem
Controlador PID Ziegler-Nichols

Parmetro
Desempenho
Kp = 2,808
Yos = 32,3%(@2,01 seg.)
Ti = 1,64
Ts = 4,79 seg.
Td = 0,41
Tr = 1,22 seg.
Amplitude
Processo
0.5
0.4
0.3
0.4
0.3
0.2
0.2
0.1
0.1
0
10
15
tempo (sec)
10
tempo (sec)
Fig. 6.1 Resposta a um degrau unitrio em malha aberta

para o sistema de terceira ordem.
Fig. 6.2 Resposta a um degrau unitrio em malha fechada

para o sistema de terceira ordem.
16
De posse do ganho e perodo crtico e levando-se em considerao a Tabela 3.1, os

parmetros do controlador PID Ziegler-Nichols ficam descritos como:
%1.6.1 - CONTROLADOR PID Ziegler Nichols:
%Numerador do Controlador PID
dcpid=[ti 0];
%Denominador do Controlador PID
E assim, as Plantas Contnua e Discreta com o Controlador PID Ziegler-Nichols sero:

e
Sistema 6.3
Sistema 6.4
Finalmente, podemos traar a resposta a um degrau unitrio, em malha fechada, da

planta com o controlador Ziegler-Nichols e observar que o erro de regime foi mitigado (Fig.
6.4).
Root Locus
0.17
0.08

1.2
0.28
Imaginary Axis
1.4
0.38
System: Gma
Gain: 3.71
Pole: -0.000357 + 3.05i
Damping: 0.000117
Overshoot (%): 100
Amplitude
3
0.5
2
0.8
0.6
2
0.64
0.4
0.8
1
0.2
0.94
0
-1.5
-1
-0.5
0.5
1.5
Real Axis
10
12
tempo (sec)
Fig. 6.3 Lugar Geomtrico as Razes para o Sistema de

Terceira Ordem.
Fig. 6.4 Resposta da planta de terceira ordem com o

controlador Ziegler-Nichols (em malha fechada) a um
degrau unitrio.
7 O SISTEMA DE INFERNCIA FUZZY PARA O CONTROLADOR PID DE TERCEIRA ORDEM:

O Sistema de Inferncias Fuzzy para o Controlador PID de Terceira Ordem similar
quele visto para o sistema de Segunda Ordem, diferenciando-se deste ltimo apenas na faixa
de Complincia dos Sinais de Erro e Derivado do Erro.
8 O CONTROLADOR PID FUZZY PARA O SISTEMA DE TERCEIRA ORDEM:

Simples verificar que o Sistema de Terceira Ordem ganhou um polo na origem com a
adoo do Controlador PID Ziegler-Nichols, o que significa que a contagem do lao principal
iniciar-se- em 5.
8.1 DEFINIO DOS PARMETROS INICIAIS PARA O SISTEMA DE TERCEIRA ORDEM:
A definio dos parmetros iniciais, tanto para os que antecedem quanto aqueles
presentes no lao auxiliar, so semelhante ao descrito no Sistema de Segunda Ordem,
17
diferenciando-se apenas nos valores numricos em razo de agora termos uma planta com Ku
e Tu diferentes, e tambm pelo fato de no termos adotado o Controlador Kitamori.
8.2 DEFINIO DO LAO PRINCIPAL PARA O SISTEMA DE TERCEIRA ORDEM:

A principal mudana em relao ao Sistema anterior, conforme descrito, deve-se
Ordem do Sistema, que como no possui atraso de transporte e a ele foi acrescentado um polo
na origem com a incluso do Controlador, deve-se iniciar o lao principal na contagem 5. Dessa
maneira teremos que:
for m=5:(T/Ts)
ym7(m)=ndigMF2(2)*u7(m-1)+ndigMF2(3)*u7(m-2)+ndigMF2(4)*u7(m3)+ndigMF2(5)*u7(m-4)-ddigMF2(2)*ym7(m-1)-ddigMF2(3)*ym7(m-2)ddigMF2(4)*ym7(m-3)-ddigMF2(5)*ym7(m-4); %Planta com Controlador ZN
O mesmo acontece com o sinal de sada da planta com o controlador PID Fuzzy:
yma(m)=ndig(2)*uma(m-1)+ndig(3)*uma(m-2)+ndig(4)*uma(m-3)-ddig(2)*yma(m1)-ddig(3)*yma(m-2)-ddig(4)*yma(m-3); %Sinal de Sada
Na Figura 8.1 temos os resultados da simulao, dela podemos perceber as melhorias

introduzidas pelo Controlador PID Fuzzy comparativamente ao de Ziegler-Nichols. Novamente
lembramos que este trabalho no tem a finalidade de achar a melhor sintonia do Controlador,
e sim reproduzir os resultados de Zhao dentro de uma faixa aceitvel de tolerncia. Melhores
sintonias podem ser conseguidas com mudanas nas faixas de valores dos sinais de entrada do
Sistema de Inferncias Fuzzy. Na Figura 8.2 temos a excurso dos parmetros Ki, Ti e Td ao
longo do perodo analisado, e nas Figuras 8.3, 8.4, 8.5 e 8.6 temos, respectivamente, o
comportamento dos sinais de Controle, de Erro, Derivada do Erro e Soma do Erro. J a tabela
8.1 faz uma comparao das especificaes obtidas com o Controlador PID Ziegler-Nichols e
PID Fuzzy.
GRFICO FINAL
1.4
2
1.2
1.8
1.6
1.4
AMPLITUDE
AMPLITUDE
0.8
0.6
1.2
Kp
Ti
Td
1
0.8
0.6
0.4
0.4
0.2
0.2
0
500
1000
1500
2000
2500
3000
500
1000
1500
2000
2500
3000

Controlador Lgico Fuzzy para o Sistema de Terceira Ordem
ao longo das iteraes.

de terceira com controlador PID Ziegler-Nichols (em
vermelho) e PID Fuzzy (Azul).
18
1.2
1.8
0.8
Sinal de Controle
AMPLITUDE
AMPLITUDE
1.6
1.4
1.2
0.6
0.2
0.8
500
1000
1500
2000
2500
-0.2
3000
Fig. 8.3 Sinal de Controle para o Sistema de Terceira

Ordem com Controlador PID Fuzzy.
-3
Sinal de Erro
0.4
500
2500
3000
Fig. 8.4 - Sinal de Erro do Controlador PID Fuzzy para a

planta de Terceira Ordem.
x 10
1000
1500
2000

90
80
70
AMPLITUDE
AMPLITUDE
60
-2
-4
-6
40
Sinal Soma do Erro
30
-8
20
-10
-12
50
10
500
1000
1500
2000
2500
3000
Fig. 8.5 Sinal Derivada do Erro para o Sistema de Terceira

Ordem.
Processo
Sistema de
Terceira Ordem
500
1000
1500
2000
2500
3000
Fig. 8.6 Sinal Soma do Erro para o Sistema de Terceira

Ordem.

Parmetro
Desempenho
Kp = 2,808
Yos = 16,7%(@1,17 seg.)
Ti = 1,64
Ts = 6,64 seg.
Td = 0,41
Tr = 0,725 seg.

Desempenho
Yos = 9,25%(@3,1 seg.)
Ts = 5,25 seg.
Tr = 1,16 seg.
Tabela 8.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols e PID Fuzzy para o Sistema de
Terceira Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida
9 O CONTROLADOR FUZZY PARA O SISTEMA DE QUARTA ORDEM:

Igualmente como comentado para o Sistema de Terceira Ordem, uma parcela
significativa da abordagem realizada no Sistema de Segunda Ordem se aplica ao de Quarta, de
forma que, novamente, concentrar-nos-emos em apontar apenas diferenas em relao a tal
abordagem.
9.1 - SINTONIA DO SISTEMA DE QUARTA ORDEM UTILIZANDO O MTODO DE ZIEGLERNICHOLS:

O Sistema de Quarta Ordem proposto por Zhao no possui atraso de transporte. O
tempo de amostragem escolhido foi de 0,01 segundos e a base de tempo visualizvel nos
19
grficos foi de 10 segundos, resultando em um total de 1.000 amostras. Assim, teremos

sistemas Analgico e Digital iguais a:
e
Sistema 9.1
Sistema 9.2
Constata-se que h a necessidade de se inserir um Controlador planta em razo de

erro em regime permanente (Fig. 9.2). O Lugar Geomtrico das Razes serve para indicar o
Ganho e o Perodo Crtico (Fig. 9.3), parmetros a partir dos quais ser necessrio implantar
um controlador. E assim, Ku = 5,12 e Tu = 2,70827.
0.7
0.9
0.6
0.8
0.5
0.7
Amplitude
Amplitude
0.6
0.5
0.4
0.3
0.4
0.3
0.2
0.2
0.1
0.1
0
tempo (sec)
tempo (sec)
Fig. 9.1 Resposta a um degrau unitrio em malha aberta

para o sistema de quarta ordem.
Fig. 9.2 Resposta a um degrau unitrio em malha fechada

para o sistema de quarta ordem.
Com o Ganho e o Perodo Crtico obtidos do LGR e usando-se a Tabela 3.1, os

parmetros e as Plantas Contnua e Discreta para o Controlador Ziegler-Nichols sero:
%1.6.1 - CONTROLADOR PID Ziegler Nichols:
dcpid=[ti 0];
, Planta Contnua e
(
, Planta Discreta
Sistema 9.3
Sistema 9.4
9.2 SINTONIA DO SISTEMA DE QUARTA ORDEM UTILIZANDO O MTODO DE

KITAMORI:
Utilizando os parmetros determinados por Zhao para o Controlador Kitamori (KP =
2,357, TI = 1,649 e TD = 0,414), podemos montar nosso controlador no Matlab, e de posse dos
dois Sistemas (Ziegler-Nichols e Kitamori), traar a resposta, em malha fechada, a um degrau
unitrio (Figura 9.4). Novamente, notamos uma mitigao do erro de regime permanente e a
relativa melhoria nas especificaes de projeto do Controlador Kitamori.
20
%1.6.2 - CONTROLADOR PID Kitamori:

kpkt=2.357; %Ganho proporcional do controlador PID
tikt=1.649; %Tempo integral do controlador PID
tdkt=0.414; %Tempo derivativo do controlador PID
ncpidkt=[kpkt*tdkt*tikt kpkt*tikt kpkt];
dcpidkt=[tikt 0];
%1.7.2 - PLANTA COM CONTROLADOR PID Kitamori:

[npckt]=conv(n,ncpidkt);
[dpckt]=conv(d,dcpidkt);
GmaPIDkt=tf(npckt,dpckt);
GmdPIDkt=c2d(GmaPIDkt,Ts);
Root Locus
1.4
5
0.81
4
0.7
0.56
0.4
0.2
0.9
1.2
3
0.955
1
8
0
-1
System: Gma
Gain: 5.12
Pole: 0.000372 + 2.32i
Damping: -0.00016
Overshoot (%): 100
0.988
7
Amplitude
Imaginary Axis
0.8
0.6
0.988
Resposta a um Degrau com PID Kitamori
-2
0.4
0.955
-3
-4
0.2
0.9
0.81
-5
-8
0.7
-6
0.56
-4
0.4
-2
0.2
0
Real Axis
tempo (sec)
Fig. 9.3 Lugar Geomtrico as Razes para o Sistema de

Quarta Ordem.
Fig. 9.4 Resposta, em malha fechada, a um degrau

unitrio para a planta de quarta ordem com os
controladores Ziegler-Nichols (em verde) e Kitamori (em
azul).
10 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PID DE QUARTA ORDEM:

Novamente, a nica diferena do Sistema de Inferncias Fuzzy para Planta de Quarta
Ordem em relao s anteriores se deve faixa de Complincia dos Sinais de Erro e Derivada
do Erro.
11 O CONTROLADOR PID FUZZY PARA O SISTEMA DE QUARTA ORDEM:

De maneira semelhante ao Sistema de Terceira Ordem, o de Quarta ganhou um polo
na origem em razo da incluso do Controlador PID convencional (Ziegler-Nichols ou Kitamori),
e dessa maneira, o lao principal necessita ser iniciado na contagem 6.
11.1 DEFINIO DOS PARMETROS INICIAIS PARA O SISTEMA DE QUARTA ORDEM:

Novamente, a definio dos parmetros iniciais dos valores do lao auxiliar e os que
antecedem esse lao so semelhantes ao Sistema de Segunda Ordem, diferenciando-se apenas
em suas grandezas numricas por agora apresentarem valores diferentes para Ku e Tu.
21
11.2 DEFINIO DO LAO PRINCIPAL PARA O SISTEMA DE QUARTA ORDEM:

Conforme explicado anteriormente, o lao principal dever-se- iniciar na contagem 6.
Utilizando-se o mesmo procedimento adotado para obter a Equao 5.1 do Sistema de
Segunda Ordem, podemos determinar a sada da planta com os Controladores PID ZieglerNichols, Kitamori e Fuzzy, conforme script a seguir:
%Plata completa em malha fechada (Controlador PID ZIEGLER-NICHOLS + Planta
de quarta ordem):
ym7(m)=ndigMF2(2)*u7(m-1)+ndigMF2(3)*u7(m-2)+ndigMF2(4)*u7(m3)+ndigMF2(5)*u7(m-4)+ndigMF2(6)*u7(m-5)-ddigMF2(2)*ym7(m-1)-ddigMF2(3)*ym7(m2)-ddigMF2(4)*ym7(m-3)-ddigMF2(5)*ym7(m-4)-ddigMF2(6)*ym7(m-5); %Planta com
Controlador ZN
%Plata completa em malha fechada (Controlador PID CONVENCIONAL KITAMORI +
Planta de quarta ordem):
ym7kt(m)=ndigMF2kt(2)*u7kt(m-1)+ndigMF2kt(3)*u7kt(m2)+ndigMF2kt(4)*u7kt(m-3)+ndigMF2kt(5)*u7kt(m-4)+ndigMF2kt(6)*u7kt(m-5)ddigMF2kt(2)*ym7kt(m-1)-ddigMF2kt(3)*ym7kt(m-2)-ddigMF2kt(4)*ym7kt(m-3)ddigMF2kt(5)*ym7kt(m-4)-ddigMF2kt(6)*ym7kt(m-5);
% Resposta do sistema com controlador Fuzzy:
yma(m)=ndig(2)*uma(m-1)+ndig(3)*uma(m-2)+ndig(4)*uma(m-3)+ndig(5)*uma(m4)-ddig(2)*yma(m-1)-ddig(3)*yma(m-2)-ddig(4)*yma(m-3)-ddig(5)*yma(m-4); %Sinal
de Sada
A Figura 11.1 apresenta o resultado das simulaes, inferindo-se as melhorias das

especificaes de projeto com a adoo do Controlador PID Fuzzy. Lembramos novamente que
no objetivo deste trabalho encontrar a melhor sintonia para o controlador em questo. A
Figura 11.5 mostra o comportamento dos parmetros do controlador durante todo o perodo
de observao. As Figuras 11.2, 11.3, 11.4 e 11.6 mostram, respectivamente, os Sinais de
Controle, de Derivada do Erro, Erro e Soma do Erro. J a Tabela 11.1 traa uma comparao
das especificaes obtidas com os trs Controladores.
GRFICO FINAL
1.4
1.2
2.5
AMPLITUDE
AMPLITUDE
Sinal de Controle
0.8
0.6
0.4

1.5
0.5
0.2
0
0
200
400
600
800
1000
1200
QUANTIDADE DE AMOSTRAS PARA UM PERODO DE AMOSTRAGEM DE 0,01 segundos
-0.5
0
100
200
300
400
500
600
700
800
900 1000
QUANTIDADE DE AMOSTRAS PARA UM PERODO DE AMOSTRAGEM DE 0,01 segundo

de quarta ordem com controlador PID Ziegler-Nichols (em
vermelho), PID Kitamori (em verde) e PID Fuzzy (em azul).
Fig. 11.2 Sinal de Controle para o Sistema de Quarta

Ordem com Controlador PID Fuzzy.
22
-3
x 10

1.2
-2
0.8
AMPLITUDE
AMPLITUDE
-4
-6
0.6
0.4
Sinal de Erro
-8
0.2
-10
-12
0
100
200
300
400
500
600
700
800
900 1000
-0.2
0
100
200
300
400
500
600
700
800
900 1000
Fig. 11.3 Sinal Derivada do Erro para o Sistema de Quarta

Ordem.
Fig. 11.4 - Sinal de Erro do Controlador PID Fuzzy para a

planta de Quarta Ordem.
90
80
2.5
70
1.5
60
AMPLITUDE
AMPLITUDE
Kp
Ti
Td
50
40
30
Sinal Soma do Erro
20
0.5
10
0
0
100
200
300
400
500
600
700
800
900 1000
0
0
100
200
300
400
500
600
700
800
900 1000

Controlador Lgico Fuzzy para o Sistema de Quarta Ordem
ao longo das iteraes.
Processo
Sistema
de
Quarta
Ordem

Parmetro
Desempenho
Kp = 3,072
Yos = 33,2%(@1,68 seg.)
Ti = 1,352
Ts = 5,18 seg.
Td = 0,338
Tr = 1 seg.
Fig. 11.6 Sinal Soma do Erro para o Sistema de Quarta

Ordem.

Parmetro
Desempenho
Kp = 2,357
Yos = 11,2%(@2,05 seg.)
Ti = 1,649
Ts = 3,64 seg.
Td = 0,414
Tr = 1,18 seg.

Desempenho
Yos = 3,436%(@3,56 seg.)
Ts = 4 seg.
Tr = 1,16 seg.
Tabela 11.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols, PID Kitamori e PID Fuzzy para
o Sistema de Quarta Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de
subida (ambos em segundos).
PARTE II - CONTROLADOR PD FUZZY EM CONJUNTO COM CONTROLE INTEGRAL COM GANHO

FUZZY:
Algumas mudanas sutis so observadas entre o Controlador PD Fuzzy com Controle
Integral com Ganho Fuzzy quando comparado ao Controlador PID Fuzzy. Nesta parte do
relatrio iremos abordar essas mudanas.
12 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PD FUZZY EM CONJUNTO

COM CONTROLE INTEGRAL COM GANHO FUZZY:
23
12.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS E SADAS:

As entradas de Erro e Derivada do Erro que compem o Sistema de Inferncias Fuzzy
para o Controlador PD Fuzzy em Conjunto com Controle Integral com Ganho Fuzzy so
semelhantes estrutura dos sistemas vistos anteriormente, diferenciando-se apenas na
Complincia desses sinais. Esta mesma condio se aplica ao sinal de sada de Controle
Proporcional-Derivativo (Upd), que, igualmente como as duas entradas do Sistema de
Inferncias, possui sete funes igualmente espaadas dentro do espao amostral desse sinal,
sendo triangulares as cinco funes centrais e trapezoidais as duas funes localizadas nas
extremidades (Figura 12.1).
A sada de Controle Proporcional com Ganho Fuzzy (Ki Fuzzy) apresenta uma leve
diferena, ela formada por apenas trs funes igualmente espaadas dentro de sua
Complincia. A funo central triangular, enquanto que as duas funes extremas so
trapezoidais. Importante observar que esse sinal excursiona dentro de uma faixa de valores
maiores ou iguais a zero. A Figura 12.2 apresenta o grfico das funes de pertinncia para
essa sada.
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 1 - Upd
NM
NS
AZ
PS
PM
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Ki Fuzzy
PB
PS
0.8
0.8
Grau de Pertinncia
Grau de Pertinncia
NB
0.6
0.4
0.4
0.2
0
-1.5
-1
-0.5
0
0.5
1
Sada 1 - SINAL DE CONTROLE Upd
1.5
Fig. 12.1 Funo de Pertinncia para a sada Upd

Fuzzy.
PB
0.6
0.2
-2
PM
0.001 0.002 0.003 0.004 0.005 0.006 0.007 0.008 0.009

Sada 2 - GANHO INTEGRAL Ki FUZZY
0.01
Fig. 12.2 Funo de Pertinncia para a sada Ki

Fuzzy.

As regras de inferncia Fuzzy que relacionam os conjuntos Fuzzy das entradas e sadas
embasada na experincia dos especialistas e esto descritas nas Tabelas 12.1 e 12.2. As
Figuras 12.3 e 12.4 representam, respectivamente, os grficos das funes de pertinncia para
as sadas Kpd e Ki-Fuzzy. Importante observar que a sada 2 (sinal Ki Fuzzy) depende apenas da
entrada 1 (sinal de erro), conforme pode ser observado no grfico que intencionalmente
adicionamos a entrada Derivada do Erro.
e(k)
NB
NM
NS
AZ
PS
PM
PB
NB
NB
NB
NB
NB
NM
NS
AZ
NM
NB
NB
NM
NS
NS
AZ
PS
NS
NB
NB
NM
NS
AZ
PS
PM
D_e(k)
ZO
NM
NM
NS
AZ
PS
PM
PM
PS
NM
NS
AZ
PS
PM
PB
PB
PM
NS
AZ
PS
PM
PB
PB
PB
Tabela 12.1 Regras de Sintonia do Especialista Fuzzy para a sada Upd a partir das entradas e(k) e D_e(k).
24
PB
AZ
PS
PM
PB
PB
PB
PB
NB
PS
Ki Fuzzy
NM
PM
e(k)
AZ
PB
NS
PM
PS
PM
PM
PM
PB
OS
Tabela 12.2 Regras de Sintonia do Especialista Fuzzy para a sada KI Fuzzy a partir da entrada e(k).
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 1 - Kpd
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Ki fuzzy
PERTINNCIA PARA A SADA 2 - Ki fuzzy
PERTINNCIA PARA A SADA 1 - Kpd
-3
1.5
1
0.5
0
-0.5
-1
-1.5
x 10
8
7
6
5
4
3
2
0.4
0.4
0.2
1
0.5
0
-0.2
Entrada 2 - DER. DO ERRO De(k)
0.2
-1
-0.2
-0.5
-0.4
0.5
Entrada 2 - DER. DO ERRO De(k)
Entrada 1 - ERRO e(k)
Fig. 12.3 Grfico da sada Kpd Fuzzy em razo do Erro e da

Derivada do Erro para o Controlador (PD+Ki) Fuzzy.
-0.5
-0.4
-1
Fig. 12.4 Grfico da sada Ki Fuzzy em razo do Erro para o

Controlador (PD+Ki) Fuzzy. Intencionalmente se deixou a
entrada Derivada do Erro em um dos eixos para se indicar
que esse sinal no possui nenhuma influncia dessa
entrada.
13 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE SEGUNDA ORDEM:

Poucas mudanas existem no algoritmo do Controlador (PD+Ki) Fuzzy em relao ao
PID Fuzzy, as quais detalharemos a seguir:

Em linhas gerais, os parmetros iniciais a serem definidos, tanto os que compem o
lao auxiliar quanto os que antecedem esse lao, so semelhantes aos vistos para o
Controlador PID Fuzzy do Sistema de Segunda Ordem, a nica diferena se deve agora
ausncia de Kp, Kd e seus derivados. Em substituio a esses aparecero os sinais Upd e Ki. A
princpio, no existe preocupao em escolher valores iniciais, desde que eles estejam dentro
de suas respectivas faixas de complincia, estabelecidas pelo Sistema de Inferncias Fuzzy. At
porque, no decorrer das iteraes, eles convergiro para grandezas determinadas pelo
algoritmo. E assim:
% 3.1.1 - DEFINIO DOS PARMETROS INICIAIS:
............................................
Upd(1)=1;
Kif(1)=0.004;
.............
for m=2:5;
.........
Upd(m)=1;
Kif(m)=0.004;
end
25

A diferena significativa no lao principal se deve novamente substituio dos
parmetros Kp, Kd e seus derivados pelos sinais Upd e Ki. Importante observar que as excurses
mnima e mxima desses sinais sero determinadas pela complincia das sadas no Sistema de
inferncias Fuzzy, escolhidos pelo usurio. Dessa maneira, valores demasiadamente elevados
levaro a planta a uma situao de instabilidade. Outra mudana importante se deve ao sinal
de controle [11], que ser definido como:
( )
( )
()
Equao 13.3
E assim, temos:
for m=6:(T/Ts)
.........................................
% Resposta do sistema em malha aberta
uma(m)=Upd(m-1)+Kif(m-1)*(sema(m-1));
.........................................
%Sinais de Controle Fuzzy:
Upd(m)=e1ma(1);
Kif(m)=e1ma(2);
%Sinal de Controle Fuzzy
A Figura 12.5 representa os resultados da simulao. Comparativamente aos

Controladores PID Ziegler-Nichols e Kitamori, podemos notar uma relativa melhoria nas
especificaes de projeto quanto ao sobressinal percentual. O controlador (PD+Ki) Fuzzy ainda
possui uma leve desvantagens quanto ao tempo de assentamento e tempo de subida ao ser
comparado ao mtodo de Kitamori, que podem ser reduzidas com ajustes na complincia dos
parmetros de entrada e sada do Sistema de Inferncias Fuzzy. Novamente, lembramos que a
melhor sintonia do Controlador (PD+Ki) Fuzzy foge ao objetivo deste relatrio. As Figuras 12.6,
12.7, 12.8, 12.9 e 12.10 representam, respectivamente, os sinais de sada Ki e Udp e os sinais de
Controle, de Erro e Derivada do Erro. A Tabela 13.1 faz uma comparao entre os trs
controladores (PID Ziegler-Nichols, Kitamori e PD+Ki-Fuzzy).
-3
GRFICO FINAL
1.4
x 10
Kif
0.8
AMPLITUDE
AMPLITUDE
1.2
10
0.6
0.4
6
5
0.2
-0.2
0
500
1000
1500
QUANTIDADE DE AMOSTRAS PARA UM PERODO DE AMOSRAGEM DE 0,01 segundo
2
0
200
400
600
800
1000
1200
1400

de segunda ordem com controlador PID Ziegler-Nichols (em
vermelho), PID Kitamori (em verde) e PD+Ki Fuzzy (em azul).
Fig. 12.6 Sinal Ki fuzzy para o Sistema de Segunda Ordem

com Controlador PD+Ki Fuzzy.
26
Upd
Sinal de Controle Fuzzy
1.2
1.25
1.2
1.15
AMPLITUDE
AMPLITUDE
0.8
0.6
0.4
0.2
1.1
1.05
1
0.95
0.9
-0.2
0
200
400
600
800
1000
1200
1400
0.85
0
200
400
600
800
1000
1200
1400
Fig. 12.7 Sinal Udp para o Sistema de Segunda Ordem

Fig. 12.8 Sinal de Controle para o Sistema de Segunda

Ordem com Controlador PD+Ki Fuzzy.
-3
Sinal de Erro (entrada menos a sada)

1.2
AMPLITUDE
AMPLITUDE
0.6
0.4
0.2
-4
-6
-10
-0.2
0
200
400
600
800
1000
1200
1400
-12
0
200
400
600
800
1000
1200
1400
Fig. 12.9 Sinal de Erro para o Sistema de Segunda Ordem

Sistema de
Segunda
Ordem
-2
-8

Parmetro
Desempenho
Kp = 2,808
Yos = 32,3%(@2,01 seg.)
Ti = 1,64
Ts = 4,79 seg.
Td = 0,41
Tr = 1,22 seg.
0.8
Processo
x 10
Fig. 12.10 Sinal Derivada do Erro para o Sistema de

Segunda Ordem com Controlador PD+Ki Fuzzy.

Parmetro
Desempenho
Kp = 2,212
Yos = 6,71%(@2,05 seg.)
Ti = 2,039
Ts = 2,73 seg.
Td = 0,519
Tr = 1,39 seg.
Controlador PD+Ki-Fuzzy
Desempenho
Yos = 0,241%(@7,26 seg.)
Ts = 2,89 seg.
Tr = 1,93 seg.
Tabela 13.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols, Kitamori e PD+Ki-Fuzzy. Yos
refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida (ambos em segundos).
14 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE TERCEIRA ORDEM:

Desnecessrio tecer aqui qualquer comentrio a respeito da montagem do algoritmo
para o Controlador PD+Ki-Fuzzy para a planta de Terceira Ordem, trata-se na verdade das
junes de abordagens que j realizamos anteriormente, principalmente as explicaes sobre
o Controlador PID Fuzzy para a Planta de Terceira Ordem em conjunto com o Controlador
PD+Ki-Fuzzy para a Planta de Segunda Ordem. A Figura 14.1 mostra os resultados da simulao,
onde se percebem melhorias significativas nas especificaes de projeto, embora se tenha
comprometido o tempo de subida, o que no invalida os ganhos obtidos. As Figuras 14.2, 14.3,
14.4, 14.5 e 14.6 representam, respectivamente, os sinais de sada Ki e Udp e os sinais de
Controle, de Erro e Derivada do Erro. A Tabela 14.1 faz uma comparao entre os
controladores PID Ziegler-Nichols e o PD+Ki-Fuzzy.
27
-3
GRFICO FINAL
1.4
1.2
Kif
AMPLITUDE
AMPLITUDE
x 10
0.8
0.6
0.4

6
5
4
3
0.2
0
0
500
1000
1500
2000
2500
3000
1
0
500
1000
1500
2000
2500
3000
Fig. 14.2 Sinal Ki fuzzy para o Sistema de Terceira Ordem


de terceira ordem com controlador PID Ziegler-Nichols (em
vermelho) e PD+Ki Fuzzy (em azul).
Upd
1.8
1.8
1.6
1.6
1.4
1.4
AMPLITUDE
AMPLITUDE
1.2
0.8
0.6
1.2
1
0.8
0.4
0.6
0.2
0.4
0
-0.2
0.2
0
500
1000
1500
2000
2500
3000
0
500
1000
1500
2000
2500
3000
Fig. 14.3 Sinal Udp para o Sistema de Terceira Ordem com

Controlador PD+Ki Fuzzy.

-3

1.2
x 10
0.8
AMPLITUDE
AMPLITUDE
-2
0.6
0.4
-4
-6
0.2
-8
-0.2
0
500
1000
1500
2000
2500
3000
-10
0
500
1000
1500
2000
2500
3000
Fig. 14.5 Sinal de Erro para o Sistema de Terceira Ordem

Processo
Sistema de
Terceira Ordem

Terceira Ordem com Controlador PD+Ki Fuzzy.

Parmetro
Desempenho
Kp = 2,808
Yos = 16,7%(@1,17 seg.)
Ti = 1,64
Ts = 6,64 seg.
Td = 0,41
Tr = 0,725 seg.
Controlador PD+KI Fuzzy

Desempenho
Yos = 0,678%(@7,26 seg.)
Ts = 5,31 seg.
Tr = 2,63 seg.
Tabela 14.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols e PD+Ki-Fuzzy para o Sistema de
Terceira Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida
28
15 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE QUARTA ORDEM:

Em consonncia com a descrio realizada para o sistema anterior, a elaborao do
algoritmo para o Controlador PD+Ki-Fuzzy na Planta de Quarta Ordem, em linhas gerais, baseiase na juno dos comentrios realizados para o Controlador PID Fuzzy para a Planta de Quarta
Ordem e o Controlador PD+Ki-Fuzy para a Planta de Segunda Ordem, de forma que julgamos
aqui fazer comentrio ou observaes adicionais. Na Figura 15.1 temos os resultados da
simulao, onde praticamente no se nota sobressinal percentual para a resposta com o
Controlador PD+Ki-Fuzzy. As Figuras 15.2, 15.3, 15.4, 15.5 e 15.6 representam, respectivamente,
os sinais de sada Ki e Udp e os sinais de Controle, de Erro e Derivada do Erro. A Tabela 15.1 faz
uma comparao entre os controladores PID Ziegler-Nichols, PID Kitamori e o PD+Ki-Fuzzy.
-3
GRFICO FINAL
1.4
14
1.2
x 10
Kif
12
AMPLITUDE
AMPLITUDE
10
0.8
0.6
6
0.4
0.2
200
400
600
800
1000
1200

de Quarta ordem com controlador PID Ziegler-Nichols (em
vermelho), PID Kitamori (em verde) e PD+Ki Fuzzy (em azul).
100
200
300
400
500
600
700
800
900
1000
Fig. 15.2 Sinal Ki fuzzy para o Sistema de Quarta Ordem

Upd
1.4
1.4
1.2
1.3
1
1.2
AMPLITUDE
AMPLITUDE
0.8
0.6
1.1
0.4
0.9
0.2
0.8
-0.2
100
200
300
400
500
600
700
800
900
0.7
1000
Fig. 15.3 Sinal Udp para o Sistema de Quarta Ordem com

Controlador PD+Ki Fuzzy.
100
200
300
400
500
600
700
800
900
1000

-3

1.2
x 10
0.8
AMPLITUDE
AMPLITUDE
-2
0.6
0.4
-4
-6
0.2
-8
-0.2
100
200
300
400
500
600
700
800
900
-10
1000
Fig. 15.5 Sinal de Erro para o Sistema de Quarta Ordem

100
200
300
400
500
600
700
800
900
1000

29
Processo
Sistema
de
Quarta
Ordem

Parmetro
Desempenho
Kp = 3,072
Yos = 33,2%(@1,68 seg.)
Ti = 1,352
Ts = 5,18 seg.
Td = 0,338
Tr = 1 seg.

Parmetro
Desempenho
Kp = 2,357
Yos = 11,2%(@2,05 seg.)
Ti = 1,649
Ts = 3,64 seg.
Td = 0,414
Tr = 1,18 seg.
Controlador PD+KI Fuzzy

Desempenho
Yos = 1,383%(@4,03 seg.)
Ts = 1,8 seg.
Tr = 1,45 seg.
Tabela 15.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols, PID Kitamori e PD+Ki-Fuzzy para
o Sistema de Quarta Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de
subida (ambos em segundos).
PARTE III - CONTROLADOR PD FUZZY EM CONJUNTO COM PI FUZZY:

Explorar de forma detalhada a Estrutura Lgica do Algoritmo para o Controlador PD
Fuzzy em Conjunto com PI Fuzzy tornaria este relatrio um tanto quanto repetitivo, visto que
este controlador possui certa semelhana ao Controlador PD+Ki-Fuzzy abordado anteriormente.
Dessa maneira, faremos apenas ressalvas nos pontos que realmente apresentam uma
diferena significativa.
16 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PD EM CONJUNTO COM PI

FUZZY:
16.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS E SADAS:

As entradas de Erro e Derivada do Erro e as Sadas PD e PI que compe o Sistema de
Inferncias Fuzzy do Controlador PD+PI Fuzzy so semelhantes s estruturas dos sistemas
vistos anteriormente, novamente diferenciando-se destes somente na faixa de complincia do
sinal. Todos esses quatro conjuntos lgicos so compostos por sete funes igualmente
espaadas dentro do espao amostral do sinal, com as duas extremas sendo trapezoidais e as
cinco centrais sendo triangulares (Fig. 16.1).

Novamente, as regras de inferncia Fuzzy que fazem a relao dos Conjuntos Fuzzy das
Entradas com as Sadas so baseadas na experincia dos especialistas. Para a sada PD Fuzzy,
elas obedecem ao mesmo princpio do sinal que foi chamado de Udp visto para o Controlador
PD+Ki-Fuzzy (Tabela 12.1). J o sinal PI unidimensional e depende apenas da Entrada de Erro
(Tabela 16.1). A Figura 16.2 mostra o grfico das funes de pertinncia para essa sada, onde
intencionalmente se deixou a entrada Derivada do Erro em um dos eixos para indicar que essa
entrada no exerce nenhuma influncia sobre o sinal PI.
UPI
NB
NB
NM
NM
NS
NS
e(k)
AZ
AZ
PS
PS
PM
PM
Tabela 16.1 Regras de Sintonia do Especialista Fuzzy para a sada PI Fuzzy a partir da entrada e(k).
30
PB
PB
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - PI Fuzzy

NB
NM
NS
AZ
PS
PM
GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - PI Fuzzy
PB
-3
PERTINNCIA PARA A SADA 2 - PI Fuzzy
Grau de Pertinncia
0.8
0.6
0.4
0.2
x 10
-5
0.04
0.02
1
0.5
-0.02
-0.01 -0.008 -0.006 -0.004 -0.002
0 0.002 0.004 0.006 0.008 0.01
Sada 2 - PI Fuzzy
Entrada 2 - DERIVADA DO ERRO De(k)
Fig. 16.1 Funo de Pertinncia para a sada PI Fuzzy

(Sinal UPI).
-0.5
-0.04
-1
Fig. 16.2 Grfico da sada PI Fuzzy em razo do Erro para

o Controlador (PD+PI) Fuzzy. Intencionalmente se deixou a
entrada Derivada do Erro em um dos eixos para se indicar
que a sada no possui nenhuma influncia dessa entrada.
17 O CONTROLADOR (PD+PI) FUZZY PARA O SISTEMA DE SEGUNDA ORDEM:

De maneira semelhante aos casos vistos anteriormente, poucas mudanas so
observadas no algoritmo do Controlador PI+PD Fuzzy quando relacionado ao PID Fuzzy e PD+Ki
Fuzzy. Estas diferenas so observadas a seguir.

Comparativamente aos controladores vistos anteriormente, a nica mudana
significativa que envolve o desenvolvimento do algoritmo para o Controlador PI+PD Fuzzy,
tanto no lao auxiliar quanto aos parmetros que antecedem esse lao, a definio dos sinais
iniciais Proporcional-Derivativo (pd), Proporcional-Integral (pi) e a Soma Acumulada do Sinal
Proporcional-Integral (spi). Novamente, em razo do algoritmo fazer tais grandezas
convergirem para determinados valores, no existem preocupaes restritivas quanto
escolha de amplitudes iniciais, desde que elas estejam dentro da faixa de Complincia desses
sinais. E assim teremos:
% 3.1.1 - DEFINIO DOS PARMETROS INICIAIS:
............................................
pd(1)=1;
pi(1)=0.004;
spi(1)=0;
for m=2:5;
.................
pd(m)=1;
pi(m)=0.004;
spi(m)=pi(m)+spi(m-1);
end

Alm da definio dos sinais de controle Proporcional-Derivativo (pd), ProporcinalIntegral (pi) e a Soma Acumulada do Sinal Proporcional-Integral (spi), os dois primeiros obtidos
do Sistema de Inferncias Fuzzy e o terceiro proveniente de uma simples soma acumulada,
31
outra mudana comparativa aos Sistemas anteriores se d com o Sinal de Controle [8], agora
definido como:
( )
( )
( )
Equao 17.1
E assim, temos:
for m=6:(T/Ts)
................................................
uma(m)=pd(m-1)+spi(m-1);
%Sinal de Controle Fuzzy
.....................................................
pd(m)=e1ma(1);
pi(m)=e1ma(2);
spi(m)=pi(m)+spi(m-1);
end
Na Figura 17.3 temos os resultados da simulao. Em comparao aos Controladores

PID Ziegler-Nichols e Kitamori, notamos uma relativa melhoria nas especificaes de projeto
quanto ao Sobressinal Percentual e ao Tempo de Assentamento, embora isto tenha significado
a necessidade de um maior Tempo de Subida, o que de certa forma no invalida os ganhos.
Lembramos que esta apenas uma das possibilidades de sintonia do controlador e que obter
melhores resultados quanto possvel est fora dos objetivos deste relatrio. As Figuras 17.4,
17.5, 17.6, 17.7 e 17.8 representam, respectivamente, os sinais de sada UPI e UPD e os sinais de
Controle, de Erro e Derivada do Erro. A Tabela 17.1 faz uma comparao entre os trs
controladores (PID Ziegler-Nichols, Kitamori e PI+PD Fuzzy).
-3
GRFICO FINAL
1.4
10
x 10
PI Fuzzy
1.2
8
1
AMPLITUDE
AMPLITUDE
6
0.8
0.6
0.4
2
0.2

0
-0.2
0
500
1000
1500
-2
0
200
400
600
800
1000
1200
1400

de segunda ordem com controlador PID Ziegler-Nichols (em
vermelho), PID Kitamori (em verde) e PI+PD Fuzzy (em azul).
Fig. 17.4 Sinal PI fuzzy para o Sistema de Segunda Ordem

com Controlador PI+PD Fuzzy.
PD Fuzzy
1.2
1.2
1.15
1
1.1
1.05
AMPLITUDE
AMPLITUDE
0.8
0.6
0.4
1
0.95
0.9
0.85
0.2
0.8
0
0.75
-0.2
0
200
400
600
800
1000
1200
1400
0.7
0
200
400
600
800
1000
1200
1400
Fig. 17.6 Sinal de Controle para o Sistema de Segunda

Ordem com Controlador PI+PD Fuzzy.
Fig. 17.5 Sinal PD Fuzzy para o Sistema de Segunda Ordem

32
-3

1.2
AMPLITUDE
AMPLITUDE
0.6
0.4
0.2
-2
-4
-6
-8
-10
-0.2
0
200
400
600
800
1000
1200
1400
-12
0
200
400
600
800
1000
1200
1400
Fig. 17.7 Sinal de Erro para o Sistema de Segunda Ordem


Parmetro
Desempenho
Kp = 2,808
Yos = 32,3%(@2,01 seg.)
Ti = 1,64
Ts = 4,79 seg.
Td = 0,41
Tr = 1,22 seg.

Segunda Ordem com Controlador PI+PD Fuzzy.

Parmetro
Desempenho
Kp = 2,212
Yos = 6,71%(@2,05 seg.)
Ti = 2,039
Ts = 2,73 seg.
Td = 0,519
Tr = 1,39 seg.
Controlador PD+PI Fuzzy

Desempenho
Yos = 0,224%(@3,29 seg.)
Ts = 2,48 seg.
Tr = 1,87 seg.
Tabela 17.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols, Kitamori e PI+PD Fuzzy. Yos
refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida (ambos em segundos).
18 O CONTROLADOR (PI+PD) FUZZY PARA O SISTEMA DE TERCEIRA ORDEM:

O algoritmo para o Controlador PI+PD Fuzzy para o Sistema de Terceira Ordem
derivado da juno daqueles desenvolvidos para o PID Fuzzy para a Planta de Terceira Ordem
em conjunto com o Controlador PI+PD Fuzzy para a Planta de Segunda Ordem, de forma que
consideramos desnecessrio aqui fazer comentrio adicionais. Na Figura 18.1 temos os
resultados da simulao, onde notamos melhorias quanto ao Tempo de Acomodao e
Sobressinal Percentual comparativa ao Controlador PID Ziegler-Nichols. As Figuras 18.2, 18.3,
18.4, 18.5 e 18.6 representam, respectivamente, os sinais de sada UPI e UPD e os sinais de
Controle, de Erro e Derivada do Erro. A Tabela 18.1 faz uma comparao entre os
controladores PID Ziegler-Nichols e PI+PD Fuzzy.
-3
GRFICO FINAL
1.4
1.2
AMPLITUDE
AMPLITUDE
Sistema de
Segunda
Ordem
0.8
Processo
x 10
0.8
0.6
0.4
x 10
PI Fuzzy
1
CONTROLADOR PD+PI FUZZY
0.2
0
0
500
1000
1500
2000
2500
3000
-1
0
500
1000
1500
2000
2500
3000

de Terceira ordem com controlador PID Ziegler-Nichols (em
vermelho) e PI+PD Fuzzy (em azul).
Fig. 18.2 Sinal PI fuzzy para o Sistema de Terceira Ordem

33

1.4
1.3
0.8
1.2
AMPLITUDE
AMPLITUDE
PD Fuzzy
1.2
0.6
0.4
1.1
0.2
0.9
0.8
-0.2
0
500
1000
1500
2000
2500
3000
0.7
0
500
1000
1500
2000
2500
3000

Fig. 18.3 Sinal PD Fuzzy para o Sistema de Terceira Ordem

-3

1.2
x 10
-1
0.8
AMPLITUDE
AMPLITUDE
-2
0.6
0.4
-3
-4
-5
0.2
-6
0
-7
-0.2
-8
0
500
1000
1500
2000
2500
3000
0
500
1000
1500
2000
2500
3000
Fig. 18.5 Sinal de Erro para o Sistema de Terceira Ordem

Processo
Sistema de
Terceira Ordem

Terceira Ordem com Controlador PI+PD Fuzzy.

Parmetro
Desempenho
Kp = 2,808
Yos = 16,7%(@1,17 seg.)
Ti = 1,64
Ts = 6,64 seg.
Td = 0,41
Tr = 0,725 seg.
Controlador PI+PD Fuzzy

Desempenho
Yos = 1,285%(@6,87 seg.)
Ts = 4,87 seg.
Tr = 3,93 seg.
Tabela 18.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols e PI+PD Fuzzy para o Sistema
de Terceira Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo de subida
19 O CONTROLADOR PI+PD FUZZY PARA O SISTEMA DE QUARTA ORDEM:

Para concluir esta parte de simulaes e em conformidade com os sistemas
apresentados anteriormente, o algoritmo para o Controlador PI+PD Fuzzy para a Planta de
Quarta Ordem derivado da juno entre aqueles desenvolvidos para o Controlador PID Fuzzy
para a Planta de Quarta Ordem em conjunto com o Controlador PI+PD Fuzzy para a Planta de
Segunda Ordem, sendo assim desnecessrio fazer comentrios adicionais. Na Figura 19.1
temos os resultados da simulao, onde notamos melhorias quanto ao Tempo de Acomodao
e Sobressinal Percentual comparativa ao Controlador PID Ziegler-Nichols e PID Kitamori. As
Figuras 19.2, 19.3, 19.4, 19.5 e 19.6 representam, respectivamente, os sinais de sada UPI e UPD
e os sinais de Controle, de Erro e Derivada do Erro. A Tabela 19.1 faz uma comparao entre os
controladores PID Ziegler-Nichols, PID Kitamori e PI+PD Fuzzy.
34
-3
12
1.2
10
AMPLITUDE
AMPLITUDE
GRFICO FINAL
1.4
0.8
0.6
0.4

x 10
0.2
0
0
200
400
600
800
1000
1200
-2
0
100
200
300
400
500
600
700
800
900 1000
Fig. 19.2 Sinal PI fuzzy para o Sistema de Quarta Ordem


de Quarta ordem com controlador PID Ziegler-Nichols (em
vermelho), PID Kitamori (em verde) e PI+PD Fuzzy (em azul).
PD Fuzzy
1.2
1.5
1.4
0.8
1.3
AMPLITUDE
AMPLITUDE
PI Fuzzy
0.6
0.4
1.2
1.1
0.2
0.9
0.8
0
100
200
300
400
500
600
700
800
900 1000
-0.2
0
100
200
300
400
500
600
700
800
900 1000

Fig. 19.3 Sinal PD Fuzzy para o Sistema de Quarta Ordem

-3

1.2
x 10
0.8
AMPLITUDE
AMPLITUDE
-2
0.6
0.4
-4
-6
0.2
-8
-0.2
0
100
200
300
400
500
600
700
800
900 1000
-10
0
100
200
300
400
500
600
700
800
900 1000
Fig. 19.5 Sinal de Erro para o Sistema de Quarta Ordem

Processo
Sistema
de
Quarta
Ordem

Parmetro
Desempenho
Kp = 3,072
Yos = 33,2%(@1,68 seg.)
Ti = 1,352
Ts = 5,18 seg.
Td = 0,338
Tr = 1 seg.


Parmetro
Desempenho
Kp = 2,357
Yos = 11,2%(@2,05 seg.)
Ti = 1,649
Ts = 3,64 seg.
Td = 0,414
Tr = 1,18 seg.
Controlador PI+PD Fuzzy

Desempenho
Yos = 0,626%(@2,21 seg.)
Ts = 1,78 seg.
Tr = 1,46 seg.
Tabela 19.1 Especificaes de desempenho obtidas utilizando os controladores PID Ziegler-Nichols, PID Kitamori e PI+PD Fuzzy
para o Sistema de Quarta Ordem. Yos refere-se ao sobressinal percentual, Ts corresponde ao tempo de assentamento e Tr o tempo
de subida (ambos em segundos).
35
20 DISCUSSES E CONCLUSES:
20.1 Da Comparao Dos Controladores Fuzzy:
O Controlador PID Fuzzy, comparativa aos Controladores PD+KI Fuzzy e PI+PD Fuzzy,
apresentou simplicidade de sintonia quando o objetivo foi uma melhoria significativa nas trs
especificaes de projeto (Sobressinal Percentual, Tempo de Subida e de Assentamento),
porm possui a desvantagem de uma maior quantidade de regras quando desenvolvido
diretamente do Tolbox do Matlab, fato que pode ser mitigado com o desenvolvimento de
algoritmos com linhas de comando dentro dessa estrutura computacional, diminuindo a
complexidade. Uma de suas melhores vantagens comparativas se deve velocidade de
resposta, no entanto, em razo da ligao de proporcionalidade existente entre os trs
ganhos, impondo uma restrio ao controlador, determinadas condies de desempenho so
realizadas a custa de outras. Este Controlador foi o que apresentou um Sinal de Controle mais
suave possvel (sem mudanas bruscas ou solavancos).
O Controlador PI+PD Fuzzy apresentou umas das implementaes mais simples, sua
sintonia tambm no resulta em complexidade acentuada quando comparada ao Controlador
PID Fuzzy, no entanto apresentou dificuldade em se atender simultaneamente s trs
especificaes do pargrafo anterior, principalmente quanto ao Tempo de Subida, que ao se
ter como objetivo principal de desempenho, apresentou um sinal muito ruidoso medida que
se aumentava a Complincia do Sinal PD de sada. Sua principal vantagem encontrada durante
as simulaes foi a diminuio do Sobressinal Percentual, ideal em sistemas onde se deseje
uma condio mnima de flutuao em relao a um valor de referncia, como os casos de
Sistemas de Energia Eltrica e Potncia.
O Controlador PD+KI Fuzzy apresentou simplicidade de desenvolvimento e
desempenho semelhante ao PI+PD Fuzzy, no entanto foi o que apresentou maiores
dificuldades de sintonia, com uma tendncia instabilidade para os casos de faixas
inadequadas das variveis de entrada e sada do Sistema de Inferncias Fuzzy. Tambm
durante as simulaes foi o sistema que apresentou maiores rudos no sinal de controle, com
mudanas bruscas em determinadas circunstncias.
OBS: As discusses e concluses desse item (20.1) referem-se aos resultados experimentais
obtidos com as trs plantas analisadas (segunda, terceira e quarta ordem). Dessa forma, tais
concluses no podem ser generalizadas para todos os sistemas, muito menos podem ser
tomados como caractersticas dos controladores em questo.
20.2 Da Comparao dos Controladores Fuzzy em Relao aos PID Ziegler-Nichols e Kitamori:
A simplicidade de Sintonia do Controlador Ziegler-Nichols imbatvel face ao PID
Kitamori e PID Fuzzy e suas variaes. No entanto, esta sintonia deve ser vista como ponto de
partida, pois comparativamente o controlador que apresenta a pior sintonia.
O PID Kitamori excelente quando o assunto tornar o sinal de sada o mais suave
possvel com um sobressinal e um tempo de assentamento aceitveis. Possui restries,
36
conforme visto, de uso em determinados sistemas com amortecimento muito pequeno, como
constatado para o sistema de terceira ordem. Por outro lado, a sintonia deste controlador
envolve um algoritmo complexo e contraproducente.
Os Controladores PID Fuzzy apresentam uma complexidade de sintonia superior ao de
Ziegler-Nichols, no entanto, possui uma melhor relao custo-benefcio quando o critrio
atender s trs especificaes simultaneamente. Comparativamente ao Controlador Kitamori,
possui excelente desempenho na velocidade de resposta e sobressinal percentual, no entanto,
apresenta restries para superar este Controlador em termos de menores oscilaes ao longo
de uma resposta a um degrau.
Os Controladores PD+KI Fuzzy e o PI+PD Fuzzy so excelentes quando o assunto
diminuir as oscilaes da resposta a um degrau (resposta transiente), superando tanto os
Controladores PID Ziegler-Nichols quanto o Kitamori. Dessa maneira, conseguiu-se uma
diminuio muito significativa no sobressinal percentual e no Tempo de Assentamento. No
entanto, tais desempenhos foram realizados custa de uma resposta mais lenta (um Tempo
de Subida maior).
20.3 Do Controlador PID Fuzzy:

As Faixas de Sintonia escolhidas para o Controlador PID Fuzzy, conforme observaes
durante as simulaes, foram:
a) Planta de Segunda Ordem (arquivo relacionado script2pidee16de008):

- Complincia da Entrada de Erro: -1,6 a 1,6;
- Complincia da Entrada Derivada do Erro: -0,08 a 0,08;
b) Planta de Terceira Ordem (arquivo relacionado script3pidee16de02):

c) Planta de Quarta Ordem (arquivo relacionado script4pidee24de008):

- Complincia Entrada de Erro: -2,4 a 2,4;
37
O aumento gradual da faixa de Entrada da Derivada do Erro em relao aos valores

acima resultou em uma melhoria da resposta em regime permanente, atingindo-se mais
rapidamente o valor final. No entanto, tal especificao foi conseguida a custa de um maior
sobressinal percentual e uma maior oscilao em torno da referncia, o que caracterizou uma
relao de compromisso;
O aumento gradual da faixa Entrada de Erro resultou em uma diminuio no
sobressinal percentual, no entanto, a planta apresentou um maior tempo para entrar em
regime permanente, tornando-se mais lenta.
20.4 Do Controlador PD+KI Fuzzy:

As Faixas de Sintonia escolhidas para o Controlador PD+KI Fuzzy, conforme
observaes durante as simulaes, foram:
a) Planta de Segunda Ordem (arquivo relacionado script2pdkfee11de03ud17kf0011):

- Complincia da Sada PD (UPD): -1,7 a 1,7;
- Complincia da Sada KI: 0 a 0,011;
b) Planta de Terceira Ordem (arquivo relacionado script3pdkfee10de002ud32kf001):

- Complincia da Entrada de Erro: -1 a 1;
c) Planta de Quarta Ordem (arquivo relacionado script4pdkfee12de004ud24kf0015):

38
O aumento da Complincia do sinal de Entrada de Erro repercute em uma maior

lentido no tempo de resposta em relao referncia, aumentando o tempo necessrio para
o assentamento. Este efeito, no entanto, no muito significativo. A vantagem deste aumento
est relacionado a uma diminuio do sobressinal percentual. O aumento da amplitude do
sinal de erro tambm repercute em uma leve oscilao do sinal em torno da referncia aps
ser cruzada pela primeira vez. A diminuio do sinal de Entrada de Erro para valores abaixo da
Complincia adotada, alm de ocasionar oscilaes demasiadas da resposta, podendo lev-la
instabilidade, faz com que os valores dessa entrada extrapolem o limite da Complincia,
gerando um erro pelo algoritmo.
O aumento da Complincia do Sinal de Entrada da Derivada do Erro melhora a
velocidade de resposta da Planta, atingindo-se valores de tempos de subida muito mais
rapidamente. No entanto, preciso que tal majorao seja realizada com critrios, pois esta
atitude tambm ocasiona um aumento na oscilao da resposta em torno da referncia,
podendo tambm levar o sistema instabilidade. A diminuio do sinal da Derivada do Erro
torna a resposta mais lenta e diminui a oscilao, no entanto, a diminuio da oscilao tem
um limite, ponto a partir do qual no se nota mais influncias da Derivada do Erro.
O aumento da Complincia do Sinal de Sada de Controle Derivativo PD faz com que a
planta responda mais rapidamente, ideal tambm para melhorar a velocidade de resposta. No
entanto e diferente dos casos das entradas anteriores, essa majorao deve ser realizada de
maneira muito gradual, pois rapidamente o sinal apresenta sobressinal e uma oscilao em
torno da referncia, o que caracteriza um forte efeito derivativo. Uma observao importante
que, embora o sinal oscile, ele encontra o valor final em um tempo mais longo, no tendo
muito tendncia para lev-lo instabilidade em um tempo muito longo.
O aumento do Sinal de Sada de Ganho Integral (KI) melhora a velocidade de resposta,
no entanto, aumento as oscilaes iniciais da resposta, sendo necessria uma sintonia mais
dedicada para que no se chegue a uma condio de oscilaes muito bruscas quando a
resposta cruzar a referncia pela primeira vez. A amplitude de KI deve ser ordem de vezes
menor que a do sinal PD para que sejam amortecidas apenas pequenas oscilaes em torno do
regime permanente.
20.5 Do Controlador PI+PD Fuzzy:

As Faixas de Sintonia escolhidas para o Controlador PI+PD Fuzzy, conforme
observaes durante as simulaes, foram:
a) Planta de Segunda Ordem (arquivo relacionado script2pipdee12de004df14in0011):

39
- Complincia da Sada PI: -0,011 a 0,011;

b) Planta de Terceira Ordem (arquivo relacionado script3pipdee10de002df14in0007):

- Complincia da Entrada de Erro: -1 a 1;
c) Planta de Quarta Ordem (arquivo relacionado script4pipdee12de0029df20in0014):

- Complincia da Sada PD (UPD): -2 a 2;
Mudanas na Complincia dos Sinais de Entrada de Erro, da Derivada do Erro, de

Controle Derivativo PD e de Controle Integral PI resultam com o mesmo efeito visto na
resposta da planta para o Controlador PD+KI Fuzzy.
40
21 REFERNCIAS:
[1] ASTRM, K.J & WITTENMARK, B. Adaptive Control. Dover Publications: 2nd, 2008.
[2] ZHAO, Zhen-Yu & TOMIZUKA, Masayoshi & ISAKA, Satoru. Fuzzy Gain Scheduling of PID
Controllers. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS. VOL. 23, NO. 5.
SEPTEMBERIOCTOBER 1993.
[3] OGATA. Katsuhiko. Engenharia de Controle Moderno. LTC Livros Tcnicos e Cientficos S.
A.: 3 ed., 1998.
[4] FADALI. M. Sam. Digital Control Engineering: Analysing and Design. Academic Press &
Elsevier: 1 ed., 2009.
[5] NISE. Norman S. Engenharia de Sistemas de Controle. 5 ed. Rio de Janeiro: LTC, 2009.
[6] REZNIK. Lenid. Fuzzy Controllers. Newnes, Melbourne (Australia): 1ed., 1997.
[7] KOVACIC. Zdenko & BOGDAN. Stjepan. Fuzzy Controller Design: Theory and Applications.
Taylor & Francis Group, LLC. (Croatia): 1 ed., 2006.
[8] MANN. George K. I. & HU. Bao-Gang & GOSINE. Raymond G. Analysis of Direct Action Fuzzy
PID Controller Structures. IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICSPART
B: CYBERNETICS, VOL. 29, NO. 3, JUNE 1999.
[9] USERS GUIDE R2012a. Fuzzy Logic Tolbox: Mathwoks, 2012.
[10] AMENDOLA. Mariangela & SOUZA. Anderson Luiz de & BARROS. Lacio Carvalho. Manual
do Uso da Teoria dos Conjuntos Fuzzy no Matlab 6.5. FEAGRI & IMECC/ UNICAMP, verso II:
2005.
[11] FERREIRA, Prof. Andr. Notas de Aula (IFPA): 2013.
41
SUMRIO
1 OBJETIVOS, 2
2 INTRODUO TERICA, 2
PARTE I - CONTROLADOR PID FUZZY, 2
3 O MTODO DE ZIEGLER-NICHOLS E O MTODO DE KITAMORI, 2
3.1 - SINTONIA DO SISTEMA DE SEGUNDA ORDEM UTILIZANDO O MTODO DE
ZIEGLER-NICHOLS, 2
3.2 SINTONIA DO SISTEMA DE SEGUNDA ORDEM UTILIZANDO O MTODO DE
KITAMORI, 5
4 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PID FUZZY, 6
4.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS, 6
4.2 CRIAO DOS CONJUNTOS FUZZY PARA AS SADAS, 8
4.3 CRIAO DAS REGRAS DE INFERNCIA FUZZY, 9
5 O CONTROLADOR PID FUZZY PARA O SISTEMA DE SEGUNDA ORDEM, 11
5.1 DEFINIO DOS PARMETROS INICIAIS, 11
5.2 DEFINIO DO LAO PRINCIPAL, 13
6 O CONTROLADOR FUZZY PARA O SISTEMA DE TERCEIRA ORDEM, 16
6.1 SINTONIA DO SISTEMA DE TERCEIRA ORDEM UTILIZANDO O MTODO DE ZIEGLERNICHOLS, 16
7 O SISTEMA DE INFERNCIA FUZZY PARA O CONTROLADOR PID DE TERCEIRA
ORDEM, 17
8 O CONTROLADOR PID FUZZY PARA O SISTEMA DE TERCEIRA ORDEM, 17
8.1 DEFINIO DOS PARMETROS INICIAIS PARA O SISTEMA DE TERCEIRA ORDEM,
17
8.2 DEFINIO DO LAO PRINCIPAL PARA O SISTEMA DE TERCEIRA ORDEM, 18
9 O CONTROLADOR FUZZY PARA O SISTEMA DE QUARTA ORDEM, 19
9.1 - SINTONIA DO SISTEMA DE QUARTA ORDEM UTILIZANDO O MTODO DE ZIEGLERNICHOLS, 19
9.2 SINTONIA DO SISTEMA DE QUARTA ORDEM UTILIZANDO O MTODO DE KITAMORI,
20
42
10 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PID DE QUARTA

ORDEM, 21
11 O CONTROLADOR PID FUZZY PARA O SISTEMA DE QUARTA ORDEM, 21
11.1 DEFINIO DOS PARMETROS INICIAIS PARA O SISTEMA DE QUARTA ORDEM,
21
11.2 DEFINIO DO LAO PRINCIPAL PARA O SISTEMA DE QUARTA ORDEM, 22
PARTE II - CONTROLADOR PD FUZZY EM CONJUNTO COM CONTROLE INTEGRAL COM GANHO
FUZZY, 23
12 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PD FUZZY EM
CONJUNTO COM CONTROLE INTEGRAL COM GANHO FUZZY, 23
12.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS E SADAS, 24
13 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE SEGUNDA ORDEM, 25
14 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE TERCEIRA ORDEM, 27
15 O CONTROLADOR (PD+Ki) FUZZY PARA O SISTEMA DE QUARTA ORDEM, 29
PARTE III - CONTROLADOR PD FUZZY EM CONJUNTO COM PI FUZZY, 30
16 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PD EM CONJUNTO
COM PI FUZZY, 30
16.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS E SADAS, 30
17 O CONTROLADOR (PD+PI) FUZZY PARA O SISTEMA DE SEGUNDA ORDEM, 31
18 O CONTROLADOR (PI+PD) FUZZY PARA O SISTEMA DE TERCEIRA ORDEM, 33
19 O CONTROLADOR PI+PD FUZZY PARA O SISTEMA DE QUARTA ORDEM, 34
20 DISCUSSES E CONCLUSES, 36
20.1 Da Comparao Dos Controladores Fuzzy, 36
43
20.2 Da Comparao dos Controladores Fuzzy em Relao aos PID Ziegler-Nichols e

Kitamori, 36
20.3 Do Controlador PID Fuzzy, 37
20.4 Do Controlador PD+KI Fuzzy, 38
20.5 Do Controlador PI+PD Fuzzy, 39
21 REFERNCIAS, 40
44

Relatório Referente À Controladores Pid Fuzzy PDF

Enviado por

Dados do documento

Título original

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

Relatório Referente À Controladores Pid Fuzzy PDF

Enviado por

Direitos autorais:

Formatos disponíveis

INSTITUTO FEDERAL DE EDUCAO, CINCIA E TECNOLOGIA DO PAR

CURSO DE ENGENHARIA DE CONTROLE E AUTOMAO

RELATRIO SOBRE CONTROLADORES

Trabalho elaborado como parte integrante da

Rodrigo Alberto Farias Pena Mat. 2008310030

PARTE I - CONTROLADOR PID FUZZY:

A planta de segunda ordem presente no artigo de ZHAO [2] corresponde ao Sistema

Em Matlab, a representao dos vetores do numerador e denominador sem considerar

A Aproximao de Pad para representar o atraso de transporte (atraso este que no

Devemos escolher um taxa de amostragem que atenda teoria de amostragem de

Juntando os dois sistemas (Planta sem o atraso e a Aproximao de Pad para

Os sistemas analgico e digital para esta planta, representados em linhas de cdigo

Esses sistemas foram, respectivamente:

Sistema Original - Resposta a um Degrau Unitrio em Malha Aberta

Fig. 3.1 Resposta do sistema a um degrau unitrio (em

Fig. 3.2 Resposta do sistema a um degrau unitrio (em

Precisamos encontrar o perodo crtico e o ganho crtico para prosseguir na anlise.

Dessa maneira, utilizando-se a ltima coluna da Tabela 3.1, podemos facilmente

3.2 SINTONIA DO SISTEMA DE SEGUNDA ORDEM UTILIZANDO O MTODO DE

Resposta a um Degrau com PID Kitamori

Fig. 3.3 LGR da planta para verificao do ganho e

Fig. 3.4 Resposta em malha fechada a um degrau unitrio

4 O SISTEMA DE INFERNCIAS FUZZY PARA O CONTROLADOR PID FUZZY:

4.1 CRIAO DOS CONJUNTOS FUZZY PARA AS ENTRADAS:

essenciais para atender as especificaes de desempenho, influenciando decisivamente na

Da mesma maneira, definimos a faixa de valores para a entrada Derivado do Erro

GRFICO DAS FUNES DE PERTINNCIA PARA A ENTRADA 1 - ERRO

GRFICO DAS FUNES DE PERTINNCIA PARA A ENTRADA 2 - DERIVADA DO ERRO

Fig. 4.1 Funes de Pertinncia para a Entrada de Erro

Fig. 4.2 Funes de Pertinncia para a Entrada Derivada

4.2 CRIAO DOS CONJUNTOS FUZZY PARA AS SADAS:

A funo de pertinncia para a sada Kd seria semelhante, alternando-se no algoritmo

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 1 - Kp-linha

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Kd-linha

Fig. 4.3 Funo de Pertinncia para a sada Kp.

Fig. 4.4 Funo de Pertinncia para a sada Kd.

%2.6.2 - FUNO DE PERTINNCIA PARA A SADA Alfa:

4.3 CRIAO DAS REGRAS DE INFERNCIA FUZZY:

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 3 - Alfa

PERTINNCIA PARA A SADA 1 - Kp-linha

Entrada 2 - DERIVADA DO ERRO NORMALIZADO De(k)

Entrada 1 - ERRO NORMALIZADO e(k)

Fig. 4.6 Grfico da sada Kp em razo do Erro e da

Fig.4.5 Funes de pertinncia para a sada alfa (sada 3).

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 3 - Alfa

GRFICO DAS FUNES DE PERTINNCIA PARA A SADA 2 - Kd-linha

PERTINNCIA PARA A SADA 3 - Alfa

PERTINNCIA PARA A SADA 2 - Kd-linha

Entrada 2 - DERIVADA DO ERRO NORMALIZADO De(k)

Fig. 4.7 Grfico da sada Kp em razo do Erro e da

Entrada 2 - DERIVADA DO ERRO NORMALIZADO De(k)

Fig. 4.8 Grfico da sada alfa em razo do Erro e da

5 O CONTROLADOR PID FUZZY PARA O SISTEMA DE SEGUNDA ORDEM:

5.1 DEFINIO DOS PARMETROS INICIAIS:

% SINAIS NA INTERAO 1 DO CONTROLADOR PID ZIEGLER-NICHOLS:

O Erro, a Soma do Erro e a Derivada do Erro iniciais, usados na primeira interao do

primeira interao, que como descrito no pargrafo anterior e devido recursividade do

Tima(m)=(Kpma(m))/(Kima(m)); % Parmetro inicial de Tima do CLF

5.2 DEFINIO DO LAO PRINCIPAL:

Como GMPID a relao da sada pela entrada, podemos escrever:

Escrevendo o sistema de maneira literal, teremos:

para o segundo membro, teremos:

Uma vez calculado o sinal de controle, podemos aplicar na entrada da planta