Escolar Documentos
Profissional Documentos
Cultura Documentos
Palavras chave: Automação Industrial, Automação de Os controladores Fuzzy tem seu conceito funcional
Processos, Controlador Fuzzy, Mamdani, Sugeno. bastante simplificado, resumindo-se em três etapas distintas:
“Fuzzificação”, “Base de conhecimento”, “Inferência” e
I. INTRODUÇÃO “Defuzzificação”.
A lógica fuzzy foi introduzida nos meios científicos em 1) A fuzzificação é a etapa onde é realizada a conversão de
meados de 1965 por Lofti Asker Zadeh, através da publicação uma entrada em conjunto Fuzzy, ou seja , é realizada a
do artigo Fuzzy Sets no Jornal Information and Control. Hoje atribuição dos valores de pertinência a os valores lógicos
ela é elemento fundamental em diversos sistemas, sendo booleanos (verdade ou falso).
considerada uma técnica de excelência no universo Na fuzzificação podem-se usar vários tipos de funções de
computacional. Possui também enorme aceitação na área de pertinência, entre elas a triangular, trapezoidal e tipo sino.
controle de processos. O conceito fuzzy pode ser entendido 2) A base de conhecimento é o passo onde são “guardadas”
como uma situação em que não é possível responder as variáveis e suas classificações linguísticas.
simplesmente "sim" ou "não". Mesmo conhecendo as 3) A etapa de inferência, também conhecida como etapa de
informações necessárias sobre a situação, dizer algo entre análise das regras, é onde é realizada toda a validação das
"sim" e "não", como "talvez" ou "quase", torna-se mais regras estabelecidas para o controle e unindo, através de um
apropriado. cálculo arbitral, média ou máxima, por exemplo, os valores
Nos últimos anos, os controladores fuzzy estão se tornando correspondentes aos resultados da regra aplicada.
cada vez mais populares por sua fácil e rápida implementação. Existem diferentes métodos de inferência, os mais
Com o avanço das tecnologias, podemos encontrar no conhecidos são: Mamdani e Sugeno.
mercado, controladores que utilizam dessa tecnologia, tendo No método de Mamdani a implementação de cada regra é
um alto índice de confiabilidade. feita mediante a definição de operadores para o processamento
A disponibilidade de recursos computacionais de alta do antecedente da regra e da função de implicação que irá
Performance possibilita o uso de ferramentas que definir o seu consequente.
necessitam de um custo computacional alto, reduzindo um O método de Sugeno oferece uma simplificação do método
problema com alto grau de complexidade de implementação de Mamdani, onde o consequente de cada regra é definido
para um de menor grau. como uma função das variáveis linguísticas de entrada. O
Neste trabalho foi desenvolvida a implementação de um Sugeno dispensa o processo de desfuzificação.
sistema de controle de uma aeronave (Figura 1) através de dois 4) Por último a defuzzificação, nesta etapa é realizada a
controladores fuzzy, sendo um baseado no modelo de conversão dos resultados das aplicações das regras em valor de
Mamdani e o outro no modelo de Sugeno e está dividido nas saída para um dispositivo de controle específico. Este valor é
seguintes seções: Teoria de controladores fuzzy, calculado através de técnicas matemáticas para se determinar
Desenvolvimento, Resultados, Conclusão e Referências o melhor valor a ser utilizado.
bibliográficas.
Abril/2014
2
Os ranges foram determinados em cima de uma análise DENG = Derivada Erro Negativo Grande = [-4 -3
empírica. Observou-se no primeiro caso que: -0.742];
reduzir a faixa do erro zero (EZ), Figura 2, melhorava o DENP = Derivada Erro Negativo Pequeno = [-1.5 -1 0];
desempenho do controlador; DEZ = Derivada Erro Zero = [-0.75 0 0.75];
trabalhar com a faixa de atuação das funções de DEPP = Derivada Erro Positivo Pequeno = [0 1 1.5];
pertinência assimétricas piorou o índice de desempenho; DEPG = Derivada Erro Positivo Grande = [0.742 3 4];
estender a base da das funções de pertinência que
representam os maiores erros: ENG, ENP, EPP e EPG, Com as faixas das variáveis definidas e aplicando na teoria
Figura 2, ajudou a reduzir índice de desempenho IAE; de Mamdani, chegou-se aos resultados da tabela a seguir:
Houve também variação perceptível do desempenho Na saída “SAIDA”, estão presentes as variáveis e suas
quando se variou, de forma simétrica, a faixa da função de respectivas faixas:
pertinência DZ, Figura 3, que representa a derivada zero,
deixando-a com a base menor. Porém, diferente do ERRO,
no DERRO, piorou o índice IAE.
Reduzir a base da das funções de pertinência que
representam variações mais altas da derivada do erro,
piorou o índice IAE. Estendê-la, piorou ainda mais.
Reduziu-se então o tamanho das funções de pertinência da Figura 4 – Variável de saída
dos estremos e notou-se que muito pouco afetou o
desempenho do controle. Esta foi desconsiderada em
experimentos mais a frente demonstrados.
3
UZ = [-0.5 0 0.5];
UPP = [0 0.5 1];
UPG = [0.5 1 1.5]
AND ENG ENP EZ EPP EPG Figura 14 – Variáveis de saída: output1 (Sugeno)
DEN G M P M G
DEZ M P Z P M
DEP G M P M G
IV. RESULTADOS
VI. REFERÊNCIAS