Escolar Documentos
Profissional Documentos
Cultura Documentos
SÃO PAULO
2017
FELIPE LOPES SUZART
SÃO PAULO
2017
ESTA PAGINA DEVERÁ CONTER A FICHA CATALOGRÁFICA ELABORADA PELA(S)
BIBLIOTECÁRIA(S) DA INSTITUIÇÃO.
ESTE ITEM DEVERÁ SER IMPRESSO NO VERSO DA PÁGINA ANTERIOR (FOLHA DE ROSTO)
FELIPE LOPES SUZART
___________________________
Felipe Lopes Suzart
Banca examinadora:
_______________________________________
Daniel Barbuto Rossato
Mestre em Engenharia Elétrica
Faculdade de Tecnologia Senai Mariano Ferraz
______________________________________
Douglas da Serra Ogata
Especialista em Automação e Controle
Faculdade de Tecnologia Senai Mariano Ferraz
______________________________________
Rogério Souza de Lacerda
Especialista em Estatística Aplicada
Faculdade de Tecnologia Senai Mariano Ferraz
A Deus, pela plenitude da vida, por nos dar saúde, força, coragem de encarar
desafios.
Aos meus pais e familiares, pelo exemplo de vida e por nunca terem medido
esforços para que um dia pudésse chegar até aqui. Pela educação, amor e carinho.
Ao Prof° Me. Daniel Barbuto Rossato, pela permanente motivação,
disponibilidade, confiança, dedicação e paciência, durante o andamento do projeto
de formação acadêmica.
Aos colegas que conquistamos durante o curso, pelos momentos de
dificuldade e de alegria que passamos juntos e por tornarem cada momento ao
longo destes anos inesquecíveis.
“Suba o primeiro degrau com fé. Não é
necessário que você veja toda a escada.
Apenas dê o primeiro passo.”.
Martin Luther King
RESUMO
This paper aims at the use of artificial intelligence tools, fuzzy logic in this
case, in railway systems to solve problems such as traction control and braking of
trains, which involves a multivariable process with non-linearities such as railway
railroad adhesion, for which controlllers based on fuzzy logic shows an excellent
alternative to current complex controllers. A supervisory system also based on fuzzic
logic approach is applied to optimize the traffic control system of trains, decreasing
the waiting time at the stations, a problem that directly affects thousands of people
every day in the metropolis.
Μ0 [ ] Coeficiente de Adesão.
1 INTRODUÇÃO ................................................................................................... 27
2 REVISÃO BIBLIOGRÁFICA.............................................................................. 29
5.1 Levantamento curvas de adesão para trilho seco e molhado .................... 133
5.2 Aceleração ao setpoint de 150 Km/h para condição de trilho seco ............ 134
5.3 Aceleração ao setpoint de 150 Km/h para condição de trilho molhado ...... 141
5.4 Redução de velocidade de 150 Km/h para 40 Km/h condição de trilho seco
148
7.2 Setpoint via em velocidade limitada e trem a frente acelerando. ............... 167
1 INTRODUÇÃO
1.3 Justificativa
2 REVISÃO BIBLIOGRÁFICA
Os trens de unidade elétrica (TUE) são compostos por oito carros, sendo:
B C
Inversor
Rf Lf
Vsa Isa
1
Freqüência
Taxa de do estator Medição de
Modulação Velocidade
Fmax
0
Freqüência de + + Freqüência do motor
Escorregamento
Fmin
Saída em mA
Caso a taxa de freio desejado não seja atingida com os freios dinâmicos é
então aplicado os freios eletropneumáticos ou atrito. Os freios por atrito são
constituídos de circuitos eletropneumáticos que são controlados eletronicamente
para que os freios sejam ativados ao mesmo tempo para todos os vagões, conforme
figura 13. Em caso de falha no sistema pneumático, seja por vazamento de ar, perda
de pressão, ou em caso de perda de energia da rede aérea, o sistema possui um
sistema de baterias independente que, em caso de falha, automaticamente os
atuadores aplicam a frenagem por atrito no trem (NASCIMENTO, 2012),
(SPIRYAGIN et al., 2016).
Figura 15 - Colisão de dois trens na cidade de Bad Aibling, Alemanha em 2016, acidente devido
inibição do sistema de sinalização
Figura 21 - Princípio de funcionamento Contador de Eixo (a); Contador de eixo instalado no trilho (b)
O sistema de baliza funciona por rádio frequência, cada CDV possui uma
baliza (transponder) codificada de acordo com área limitada pelo circuito de via. Ao
passar pelas balizas, o trem informa sua localização, direção e velocidade a um
sistema central, que compara as informações do trem e do transponder e com base
no plano de vias determina a posição do trem, conforme mostrado na figura 22.
(BUENO; CRUS; SANTOS, 2007).
Fonte:CPTM, 2010
53
Fonte:BARNA, 2012
𝐹𝑎𝑑 = 𝜇 × 𝑁 = 𝜇 × 𝑀𝑔 (1)
lineares e não lineares de um certo ponto, e a região instável onde se torna difícil
manter o contato rodeiro trilho, conforme mostra a figura 32 (PICHLÍK; ZDENEK,
2014).
Figura 37 - Conjunto de Maçãs Grandes e pequenas, na teoria dos conjuntos fuzzy existe um grau de
pertinência de cada elemento a um determinado conjunto, função pertinência
1 𝑠𝑒 𝑒 𝑠𝑜𝑚𝑒𝑛𝑡𝑒 𝑠𝑒 𝑥 ∈ 𝑆
𝑓𝑠(𝑥) = { } (2)
0 𝑠𝑒 𝑒 𝑠𝑜𝑚𝑒𝑛𝑡𝑒 𝑠𝑒 𝑥 ∉ 𝑆
discreta, no caso na forma continua pode ser representada por uma função
matemática, conforme figuras 39 a 47. (ROSSATO, 2015), (SIMÕES; SHAW,2007).
1, xa
1 − 2 x − a , a x a + b
2
b−a 2
f ( x, a , b ) = (5)
b−x a+b
2 , x b
b−a 2
0, x b
1 1
f ( x, , c) = − ( x −c )
f ( x, , c) = 1 −
1+ e (6) 1 + e − ( x−c ) (7)
(a) (b)
1
Curva1= f ( x, a, c) = , para x 4
1 + e − ( x −c ) (8)
Curva 2 = f (x, , c ) = 1 −
1
, para x 4
1 + e − ( x −c ) (9)
Figura 42 - Função Sino-PI,composta por duas sigmoides uma crescente e outra decrescente
f (x, a, b, c ) =
1
x−c
2b
1+
a (10)
67
2
1 x −c
−
gaussmf ( x; , c) = e 2
(11)
0, xa
x−a
, a x b
b−a
f (x, a, b, c, d ) = 1, b x c
d − x , c x d (12)
d − c
0, d x
68
x−a d − x
trapmf ( x; a, b, c, d ) = max min ,1, ,0
b−a d −c (13)
0, xa
x − a
, a x b
f (x, a, b, c ) = b − a
c − x , b x c
c − b
0, c x (14)
x−a c− x
trimf ( x; a, b, c) = max min , ,0
b−a c−b (15)
A escolha da função pertinência pode ser de várias funções, não existe uma
regra específica, mas, quanto mais próxima à função de pertinência µs se comportar
com o modelo físico melhor será a estabilidade e controle do sistema. As funções
apresentadas são consagradas em algumas aplicações como.(ROSSATO, 2015).
▪ Modelagem Dinâmica, Problema de Filas, Qualificadores de frequência
(alguns) – função pertinência– Sigmoide e Curva Z.
▪ Qualificadores de Quantidade (alguns) – função de pertinência – Gaussiana.
▪ Engenharia de Processos, uso comum em controle – função de pertinência –
Triangular e Trapezoidal.·.
▪ Comparação
A == B se A(x) = B(x) x X - ou seja, a variável Fuzzy A é igual a B, se
todos os pontos da curva µA são iguais a todos os pontos da curva µB, figura
48. (CAVALCANTI et al., 2012).
▪ Contido
B A se A(x) B(x) x X - ou seja, a variável Fuzzy B está contida em A
se todos os pontos da curva µB tem um valor menor que todos os pontos da
curva µA, figura 49. (CAVALCANTI et al., 2012).
▪ União
A B se A(x) B(x) = max (A(x), B(x)) x X - ou seja, a união da variável
Fuzzy A com B será a variável A, se naquele ponto µA(x)>µB(x), ela será a
variável B se naquele ponto µA(x)<µB(x), conforme figura 50. (CAVALCANTI
et al., 2012).
▪ Interseção
A B se A(x) B(x) = min (A(x), B(x)) x X - ou seja, a interseção da
variável Fuzzy A com B será a variável A, se naquele ponto µA(x)<µB(x), ela
será a variável B se naquele ponto µA(x)>µB(x), mostrado na figura 51.
(CAVALCANTI et al., 2012).
▪ Complemento
será uma nova função de pertinência, figura 52. (CAVALCANTI et al., 2012).
▪ Propriedades
A B = B A
Comutatividade
A B = B A (18)
( A B ) C = A (B C )
Associatividade
A (B C ) = ( A B ) C (19)
A (B C ) = ( A B ) ( A C )
Distributividade
A (B C ) = ( A B ) ( A C ) (20)
A A = A
Idem potência
A A = A (21)
▪ Tópicos Avançados
Figura 54 - Particionamento do Espaço de entrada representado por duas variáveis de entrada com
três regras estabelecidas
2.4.6 Fuzzificação
2.4.7 Defuzzificação
x . (x )
i A i
Y= i =0
n
(x )
i =0
A i
(22)
Figura 64 - Exemplos de configurações comerciais para trem EMU , onde carros motores M e carros
reboques T
𝑑𝑣
∑𝐹 = 𝑚 ×𝑎 = 𝑚 × (23)
𝑑𝑡
como uma função com variáveis de entrada como a aplicação dos freios, topografia
da via e características do sistema de tração. Pela segunda lei de Newton as forças
resultantes em um trem são a Ft – força de tração ou frenagem aplicada ao trem e
as forças de resistência Fr que se opõem ao movimento do trem, a figura 66 ilustra
a atuação de forças em um trem. (SPIRYAGIN et al., 2014), (LOZANO et al., 2012),
(PIRES, 2002).
Ft Fr
Logo através das forças agindo no trem conforme descrito na figura 66, temos
a equação 24:
𝑑𝑣
𝐹𝑡 − 𝐹𝑟 = 𝑚 × 𝜉 × 𝑎 = 𝑚 × 𝜉 × 𝑑𝑡 (24)
Tipo de Veículo ξ
1,06 à
Trem Completo 1,10
1,02 à
Carro Motor e Reboques 1,04
1,15 à
Adesão
Locomotivas 1,30
1,08 à
Carro Motor 1,14
1,05 à
Vagão 1,12
𝑑𝑣 𝐽 𝑑𝜔𝑒
𝑚×𝜉× + ∑𝑛𝑖=1 × = ∑𝑛𝑖=1 𝐹𝑎𝑑𝑖 − 𝐹𝑟 (25)
𝑑𝑡 𝑅𝑟 𝑑𝑡
∑ 𝐹𝑟 = 𝑅𝑛 + 𝑅𝑎 (26)
𝑅𝑛 = 𝐴 + 𝐵 × 𝑉 + 𝐶 × 𝑉 2 (27)
500
𝑅𝑎 = [(𝑅𝑔 + ) × (𝑚 + 𝑚𝑟)] (28)
𝑅
.
Na equação de Davis, equação 27, o termo A é independente da velocidade,
dependendo somente da massa do veículo é do número de eixos, o segundo termo
B da equação depende da velocidade, devido a resistências de fricção, em algumas
companhias de trens esse termo pode ser descartado devido ser muito baixo, o
terceiro e último termo C, esta relacionado a aerodinâmica do trem. A equação 28
leva em consideração os fatores da Resistências acidentais como rampa e curvas,
os termos referentes a esta resistências não são em função da velocidade, por isto
em trechos lineares sem inclinações ou curvas pode-se descartar estes termos. O
modelo adotado para os coenficientes são considerados para um trem de
passageiros, os coeficiente da equação de Davis, segundo Boschetti e Mariscotti
(2012), pode ser simplificada como mostrado nas equações 29, 30 e 31, afim de se
simplificar a modelagem. (SPIRYAGIN et al., 2014), (BOSCHETTI; MARISCOTTI,
2012).
Com base nestas equações foi obtido o modelo para o trem, conforme figura
68, os termos da equação do modelo são calculados no script do programa de
simulação, conforme figura 69.
Figura 68 - Modelo Completo do trem
𝐹𝑎𝑑 = 𝜇 × 𝑄𝑟 (1)
𝑉𝑠 = 𝑉 − 𝑉𝑤 (34)
Condição de
µ0 A B KA KS
Contato
Seco 0,47 0,44 0,70 0,60 0,15
Molhado 0,30 0,38 0,10 0,29 0,09
𝐹𝑎𝑑
μ= (35)
𝑄𝑟
Com base nas equações 33, 34 e 35 foi obtido o modelo para o coeficiente de
adesão , conforme figura figura 72, os termos da equação do modelo são calculados
no script do programa de simulação, conforme figura 73.
𝑑𝜔𝑒
J× + B × 𝜔𝑒 = Tt − Fai × R r (36)
𝑑𝑡
95
𝑇𝑚
𝐹𝑡 = 𝜂𝑡 × 𝐾𝑔×𝑅𝑟 (37)
2.𝑄.𝜇 𝑘𝑎.𝜀
𝐹𝑎𝑑 = [1+(𝑘𝑎.𝜀)2 + tan−1(𝑘𝑠. 𝜀)] (38)
𝜋
𝐺×𝜋×𝑎×𝑏×𝑘×𝐶1
𝜀= (39)
4×𝑄×𝜇
𝑘𝑎 +𝑘𝑠
𝑘= (40)
2
𝑎 2 𝑎
𝐶1 = 0,32955. (𝑏) + 0,48538. (𝑏) + 3,4992 (41)
3 3𝜋.𝑁.(𝑘1 +𝑘2 )
𝑎 = 𝑚√ (42)
4.𝑘3
3 3𝜋.𝑁.(𝑘1 +𝑘2 )
𝑏 = 𝑛√ (43)
4.𝑘3
100
1−𝜗𝑡 2
𝑘1 = (44)
𝐸𝑟
1−𝜗𝑟 2
𝑘2 = (45)
𝐸𝑡
1 1 1 1 1
𝑘3 = 2 [𝑟 + 𝑟′ + 𝑟 + 𝑟′ ] (46)
1 1 2 2
1 1 1
𝐴 = 2 [𝑟 + 𝑟 ] (47)
1 2
1 1 1
𝐵 = 2 [𝑟′ + 𝑟′ ] (48)
1 2
𝐴 1
𝑛 (𝐵) = 𝑚 (𝐴⁄𝐵) (49)
1 𝑡𝑟 𝐸
𝐺 = 2 [1+𝜗 +] (50)
𝑡𝑟
𝑘𝑔×𝑅𝑟×2×𝜋
𝑉 = 𝜔𝑚 × (52)
60
103
O carro motor será tratado como um único vagão considerando o número total
de motores para o trem série 8000 da CAF- CPTM, o esforço aplicado pelos motores
é igualmente dividido entre os eixos, o diâmetro dos rodeiros iguais, o conjunto de
transmissão possui rendimento ideal, a massa do trem permanece invariável, nas
simulações propostas é considerada a massa total da unidade do trem, as massas
consideradas para simulação do controlador será utilizada com o trem vazio,
utilizados em testes realizados em fábrica, conforme especificação do projeto básico
do trem série 8000. O perfil de via utilizado foi baseado em condição ideal, não
foram considerados aspectos como rampas e curvas e paradas entre estações, que
não condizem com o aspecto real de operação, sem condições e desgastes de
trilhos e condições ambientais de acordo com o proposto no modelo gerado, o
modelo obtido pode ser visto na figura 84, os dados do trem foram retirado de
relatórios e memoriais de cálculo de tração e frenagem do trem série 8000, alguns
dados disponíveis para conhecimento público são mostrado no anexo A , assim
como os scripts completos no apêndice A.
104
𝑡−𝑡𝑎𝑡𝑟𝑎𝑠𝑜
−
𝑃𝑐𝑖𝑙𝑖𝑛 = 𝑝0 + (𝑃𝑣𝑎𝑙𝑖𝑛 − 𝑝0 ) × (1 − 𝑒 𝑡𝑎𝑐 ) (54)
𝑡−𝑡𝑎𝑡𝑟𝑎𝑠𝑜
−
𝑃𝑐𝑖𝑙𝑖𝑛 = 𝑝0 × 𝑒 𝑡𝑒𝑥 (55)
𝑃𝑐𝑖𝑙𝑖𝑛 = 𝑝0 (56)
16
𝑉+100 𝑃𝑓𝑟𝑒𝑖𝑜× +100
𝑔
𝛼 = 0,6 × 5×𝑉+100 × 86 (61)
𝑃𝑓𝑟𝑒𝑖𝑜× +100
𝑔
𝑃𝑐𝑖𝑙
𝑖𝑛
𝑃𝑓𝑟𝑒𝑖𝑜 𝑎𝑐 = (𝑃𝑐𝑖𝑙𝑖𝑛 × 𝐴𝑝𝑖𝑠𝑡𝑎𝑜 − 𝐹𝑚𝑜𝑙𝑎 × 𝑃𝑚𝑎𝑥 ) × 𝑏𝑠 × 𝑏𝑟 × 𝑖𝑟𝑜𝑑𝑒𝑖𝑟𝑜 (63)
𝐹𝑡×𝑉
𝑃𝑡𝑟𝑎çã𝑜 = (65)
3,6
Os inversores de tração são formados por uma ponte de seis IGBT´s que
fazem a conversão da tensão de Linha da rede aérea DC do trem para a tensão
alternada trifásica controlada para os motores de tração, conforme figura 89, o
controle de modulação vetorial, permite um excelente controle do torque com um
elevado grau de precisão. (SPIRYAGIN et al., 2016).
109
𝐾
𝐺(𝑠) = 𝜏 𝑠+1 (66)
O modelo proposto não pode ser utilizado para julgar analises de precisão, o
contato trilho e rodeiros possuem características que não são constantes, condições
de vias irregulares, a distribuição dos pesos do trem entre os rodeiros não serem
iguais, o torque aplicado aos motores pode não ser distribuído igualmente entre os
motores e as forças de componentes laterais e verticais afetam o sistema de tração
e freio, o sistema de frenagem dos trens prioriza a frenagem dinâmica dos trens,
devido a falta de dados não foi possível realizar a modelagem do freio, sendo
realizado nas simulações apenas a frenagem por atrito, os sensores de velocidade
do rodeiro e trem não foram modelados devido a falta de informações do fabricante
e devido serem de segredo industrial. Mas o modelo oferece um ponto de partida
para estudos e modelagens de trens. (SPIRYAGIN et al., 2016)
113
Figura 97 – Exemplo de configuração das variáveis de entrada e suas variáveis fuzzy para o projeto
do Controlador Fuzzy no Matlab
Figura 101 – Configuração das variáveis para o projeto do Controlador Fuzzy no Matlab
Figura 102 – Configuração das variáveis da saída de Tração do Controlador Fuzzy PI Simples
Figura 103 – Configuração das variáveis fuzzy da saída de Freio do Controlador Fuzzy PI Simples
Figura 111 - Configuração das variáveis da saída de Tração do Controlador Fuzzy PI Slip
Figura 112 - Configuração das variáveis da saída de Freio do Controlador Fuzzy PI Slip
Figura 119 - Configuração da variável ddu do Controlador Fuzzy PI baseado na adesão máxima
Figura 120 - Configuração das variáveis da saída de Tração do Controlador Fuzzy PI baseado na
adesão máxima
Figura 121 - Configuração das variáveis da saída de Freio do Controlador Fuzzy PI baseado na
adesão máxima
Figura 122 - Configuração da base de regras do Controlador Fuzzy PI baseado na adesão máxima
Figura 123 - Controlador Fuzzy PI baseado na adesão máxima conectado ao Trem Série 8000
0.25
Amplitude[]
0.2
0.15
0.1
0.05
0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Velocidade de Escorregamento [m/s]
Figura 125 – Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Simples trilho seco
Velocidade Controlador Fuzzy PI Simples
200
Velocidade Rodeiro
Velocidade Trem
150
Velocidade [Km/h]
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 126 –Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Simples trilho seco
0.4
1
Aceleração[m/s2]
0.2
Jerk[m/s3]
0
0.5
-0.2
-0.4
0
-0.6
-0.5 -0.8
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 127 – Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Simples trilho seco
50
-50
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Fonte: SIMULINK, 2017
Figura 128 – Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Simples trilho seco
8
20
Velocidade[m/s]
Amplitude [%]
6
15
4
10
2
5
0
-2 0
0 50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 129 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples trilho seco
-0.2
-0.4
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Saída de Tração Saída de Frenagem
0.8 0.06
Amplitude []
0.6
Amplitude []
0.04
0.4
0.02
0.2
0 0
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 130 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Slip trilho seco
Velocidade Rodeiro
Velocidade Trem
150
Velocidade [Km/h]
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 131 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Slip trilho seco
0.8 0.2
Aceleração[m/s2]
0.15
0.6
Jerk[m/s3]
0.1
0.4
0.05
0.2
0
0 -0.05
-0.2 -0.1
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 132 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Slip trilho seco
60
Amplitude[]
40
20
-20
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 133 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Slip trilho seco
2 6
5
Velocidade[m/s]
1.5
Amplitude []
4
1
3
0.5
2
0 1
-0.5 0
0 50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 134 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples trilho seco
Saída Controlador Fuzzy PI Slip
0.4
Esforço de Tração
0.2 Esforço de Freio
Amplitude[]
-0.2
-0.4
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Saída de Tração Saída de Frenagem
0.8 1
0.6 0.5
Amplitude []
Amplitude []
0.4 0
0.2 -0.5
0 -1
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 135 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI baseado na adesão
máxima trilho seco
Velocidade Controlador Fuzzy PI baseado no coeficiente de adesão
200
Velocidade Rodeiro
Velocidade Trem
150
Velocidade [Km/h]
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
.
Fonte: SIMULINK, 2017
Figura 136 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI baseado na adesão
máxima trilho seco
0.8
0.15
Aceleração[m/s2]
0.6
Jerk[m/s3]
0.1
0.4
0.05
0.2
0 0
-0.2 -0.05
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 137 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI baseado na adesão máxima
trilho seco
60
Amplitude[]
40
20
-20
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 138 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI baseado na adesão
máxima trilho seco
Velocidade de Escorregamento Slip por Rodeiro
2 7
6
1.5
5
Velocidade[m/s]
Amplitude [%]
1 4
0.5 3
2
0
1
-0.5 0
0 50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 139 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
baseado na adesão máxima trilho seco
Esforço de Freio
0
-0.5
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Saída de Tração Controlador Saída de Frenagem
0.5 1
Amplitude []
Amplitude []
0 -1
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 140 – Comparação Controladores Aceleração Setpoint 150 Km/h para trilho seco
150
Velocidade [Km/h]
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 141- Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Simples trilho molhado
200
150
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 142 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Simples trilho molhado
0.2
1
Aceleração[m/s2]
0
Jerk[m/s3]
0.5 -0.2
0 -0.4
-0.6
-0.5
-0.8
-1 -1
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 143 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Simples trilho molhado
50
-50
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 144 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Simples trilho
molhado
80
30
Velocidade[m/s]
Amplitude [%]
60
20
40
10
20
0
0
-10 -20
0 50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 145 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples trilho molhado
Esforço de Freio
0
-0.5
0 20 40 60 80 100 120 140 160 180 200
Saída de Tração Tempo [s]
1 Saída de Frenagem
1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 146 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Slip trilho molhado
200
Velocidade Rodeiro
Velocidade Controlador Fuzzy PI Slip Velocidade Trem
150
Velocidade [Km/h]
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 147 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Slip trilho molhado
0.8 0.2
Aceleração[m/s2]
0.15
0.6
Jerk[m/s3]
0.1
0.4
0.05
0.2
0
0 -0.05
-0.2 -0.1
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 148 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Slip trilho molhado
60
Amplitude[]
40
20
-20
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 149 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Slip trilho molhado
2 6
5
Velocidade[m/s]
Amplitude [%]
1.5
4
1
3
0.5
2
0 1
-0.5 0
0 50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 150 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples trilho molhado
Esforço de Freio
0
-0.5
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Saída de Tração Saída de Frenagem
0.5 1
Amplitude []
Amplitude []
0 -1
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 151 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI baseado na adesão
máxima trilho molhado
100
50
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 152 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI baseado na adesão
máxima trilho molhado
Aceleração Jerk
1.2 0.2
1 0.15
Aceleração[m/s2]
0.8
0.1
Jerk[m/s3]
0.6
0.05
0.4
0
0.2
0 -0.05
-0.2 -0.1
50 100 150 200 50 100 150 200
Tempo [s] Tempo [s]
Figura 153 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI baseado na adesão máxima
trilho molhado
60
Amplitude[]
40
20
-20
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Figura 154 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI baseado na adesão
máxima trilho molhado
6
1.5
5
Velocidade[m/s]
Amplitude [%]
1 4
0.5 3
2
0
1
-0.5 0
0 50 100 150 200 50 100 150 200
Tempo [s]
Tempo [s]
Figura 155 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
baseado na adesão máxima trilho molhado
Saída Controlador Fuzzy PI baseado no coeficiente de adesão
0.5
Esforço de Tração
Amplitude[]
Esforço de Freio
0
-0.5
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Saída de Tração Saída de Frenagem
0.5 1
Amplitude []
Amplitude []
0 -1
0 50 100 150 200 0 50 100 150 200
Tempo [s] Tempo [s]
Figura 156 - Comparação Controladores Aceleração Setpoint 150 Km/h para trilho molhado
250
Velocidade [Km/h]
200
150
Velocidade Rodeiro sem controle slip
Velocidade Trem sem controle slip
100
Velocidade Rodeiro com controle slip
Velocidade Trem com controle slip
50
Velocidade Rodeiro controle adesão
Velocidade Trem controle adesão
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
.
148
Figura 157 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Simples para redução de
velocidade trilho seco
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 158 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Simples para redução de
velocidade trilho seco
Aceleração Controlador Fuzzy PI Simples Jerk Controlador Fuzzy PI Simples
1.5 0.4
0.2
1
Aceleração[m/s2]
0
Jerk[m/s3]
0.5
-0.2
0 -0.4
-0.6
-0.5
-0.8
-1 -1
100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 159 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Simples para redução de
velocidade trilho seco
50
Amplitude[]
-50
-100
-150
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 160 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Simples para
redução de velocidade trilho seco
8 20
Velocidade[m/s]
Amplitude [%]
6 15
4 10
2 5
0 0
-2 -5
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 161 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples para redução de velocidade trilho seco
Esforço de Freio
0
-0.5
0 50 100 150 200 250 300 350 400 450 500
Saída de Tração Tempo [s]
1 Saída de Frenagem
1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 162 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Slip para redução de
velocidade trilho seco
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 163 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Slip para redução de
velocidade trilho seco
Aceleração Controlador Fuzzy PI Slip Jerk Controlador Fuzzy PI Slip
1 0.2
0.15
0.5
Aceleração[m/s2]
0.1
Jerk[m/s3]
0.05
0
0
-0.05
-0.5
-0.1
-1 -0.15
100 200 300 400 500 100 200 300 400
Tempo [s] Tempo [s]
Figura 164 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Slip para redução de
velocidade trilho seco
Erro e Variação de Erro Controlador Fuzzy PI Slip
100
Erro
Variação de Erro
50
Amplitude[]
-50
-100
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 165 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Slip para redução
de velocidade trilho seco
Velocidade de Escorregamento Slip por Rodeiro
2.5 8
2
6
Velocidade[m/s]
Amplitude [%]
1.5
4
1
2
0.5
0
0
-0.5 -2
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 166 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI Slip
para redução de velocidade trilho seco
-0.5
0 50 100 150 200 250 300 350 400 450 500
Saída de Tração Tempo [s]
1 Saída de Frenagem
1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 167 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI baseado na adesão
máxima para redução de velocidade trilho seco
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 168 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI baseado na adesão
máxima para redução de velocidade trilho seco
Aceleração Jerk
1 0.2
0.5 0.1
Aceleração[m/s2]
Jerk[m/s3]
0 0
-0.5 -0.1
-1 -0.2
100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 169 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI baseado na adesão máxima
para redução de velocidade trilho seco
Erro e Variação de Erro Controlador Fuzzy PI baseado no coeficiente de adesão
100
Erro
Variação de Erro
50
Amplitude[]
-50
-100
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 170 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI baseado na adesão
máxima para redução de velocidade trilho seco
1.5 6
Velocidade[m/s]
Amplitude [%]
1 4
0.5 2
0 0
-0.5 -2
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 171 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
baseado na adesão máxima para redução de velocidade trilho seco
Saída Controlador Fuzzy PI baseado no coeficiente de adesão
1
Esforço de Tração
Amplitude[]
-0.5
0 50 100 150 200 250 300 350 400 450 500
Saída de Tração Tempo [s]
1 Saída de Frenagem
1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 172 - Comparação Controladores Redução de Velocidade Setpoint 150 Km/h para 40 Km/h
com trilho seco
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 173 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Simples para redução de
velocidade trilho molhado
200
150
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 174 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Simples para redução de
velocidade trilho molhado
1
0.5
Aceleração[m/s2]
Jerk[m/s3]
0.5
0
0
-0.5
-0.5
-1 -1
100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 175 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Simples para redução de
velocidade trilho molhado
50
Amplitude[]
-50
-100
-150
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 176 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Simples para
redução de velocidade trilho molhado
80
30
Velocidade[m/s]
Amplitude [%]
60
20
40
10
20
0
0
-10 -20
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 177 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
Simples para redução de velocidade trilho molhado
-0.5
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Amplitude []
0.6
0.4 0.5
0.2
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 178 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI Slip para redução de
velocidade trilho molhado
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Fonte: SIMULINK, 2017
Figura 179 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI Slip para redução de
velocidade trilho molhado
0.5 0.1
Jerk[m/s3]
0 0
-0.5 -0.1
-1 -0.2
100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 180 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI Slip para redução de
velocidade trilho molhado
-50
-100
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Fonte: SIMULINK, 2017
158
Figura 181 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI Slip para redução
de velocidade trilho molhado
6
Velocidade[m/s]
Amplitude [%]
2
4
1
2
0
0
-1 -2
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 182 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI Slip
para redução de velocidade trilho molhado
Esforço de Tração
0.5 Esforço de Freio
0
-0.5
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Saída de Tração Saída de Frenagem
1 1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 183 - Gráficos de Velocidade Rodeiro e Trem Controlador Fuzzzy PI baseado na adesão
máxima para redução de velocidade trilho molhado
100
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Fonte: SIMULINK, 2017
Figura 184 - Gráficos de Aceleração e Jerk do Trem Controlador Fuzzy PI baseado na adesão
máxima para redução de velocidade trilho molhado
Aceleração Jerk
1 0.2
Aceleração[m/s2]
0.5 0.1
Jerk[m/s3]
0 0
-0.5 -0.1
-1 -0.2
100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 185 - Gráficos de Erro e Variação do Erro Controlador Fuzzy PI baseado na adesão máxima
para redução de velocidade trilho seco
-50
-100
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Fonte: SIMULINK, 2017
160
Figura 186 - Gráficos Velocidade de Escorregamento e Slip Controlador Fuzzy PI baseado na adesão
máxima para redução de velocidade trilho molhado
1.5 6
Velocidade[m/s]
Amplitude [%]
1 4
0.5 2
0 0
-0.5 -2
0 100 200 300 400 500 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 187 - Gráficos Saída Controlador e Setpoint de Tração e Frenagem Controlador Fuzzy PI
baseado na adesão máxima para redução de velocidade trilho molhado
-0.5
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Saída de Tração Saída de Frenagem
1 1
Amplitude []
Amplitude []
0.5 0.5
0 0
0 100 200 300 400 500 0 100 200 300 400 500
Tempo [s] Tempo [s]
Figura 188 - Comparação Controladores Redução de Velocidade Setpoint 150 Km/h para 40 Km/h
com trilho molhado
250
Velocidade Rodeiro sem controle slip
Velocidade Trem sem controle slip
Velocidade [Km/h]
50
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Figura 194 - Controlador Fuzzy Supervisório conectado ao controlador do Trem Série 8000
80
60
40
20 Velocidade Trem
Velocidade Trem com controle fuzzy
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Fonte: SIMULINK, 2017
40
20
Velocidade Trem
Velocidade Trem com controle fuzzy
0
0 20 40 60 80 100 120 140 160 180 200
Tempo [s]
Fonte: SIMULINK, 2017
A variável de entrada foi simulado com variação de setpoint enviado pela via
ao controlador de bordo do trem, de VMA para VL, conforme a condição operacional
na figura 199, foram obtidos as curvas para as velocidades dos trens, ilustrado na
figura 200.
169
60
40
20
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
A variável de entrada foi simulado com variação de setpoint enviado pela via
ao controlador de bordo do trem, de VL para VR, considerada como restritiva devido
a proximidade entre trens, conforme a condição operacional na figura 201, foram
obtidos as curvas para as velocidades dos trens, ilustrado na figura 202.
170
20
0
0 50 100 150 200 250 300 350 400 450 500
Tempo [s]
Fonte: SIMULINK, 2017
8 CONCLUSÃO
consagradas para sintonia como IMC (internal Model Control) e Ziegler Nichols,
onde não se há necessidade de um conhecimento especifico do processo a ser
controlado, já controlador fuzzy exige do projetista um conhecimento profundo afim
de se ajustar seus parâmetros.(SIMÕES; SHAW, 2007),(ROSSATO, 2015).
O uso de Inteligência Artificial em aplicações industriais vem crescendo, hoje
com mercados mais competitivos e uma tendência a processos eficientes, torna o
uso da Lógica Fuzzy uma alternativa interessante em sistemas de sinalização e
tração ferroviária, visto que sua implementação não necessita de modelos
complexos e as ações de controle atuam de forma precisa, baseados na forma do
pensamento humano (ROSSATO, 2015).
As ações de controle são baseadas na combinação de regras do sistema de
sinalização ferroviária e de regras do controlador, o controlador pode ter a
capacidade de autoaprendizagem, testando condições limites, sem que estas
atinjam valores de instabilidade do sistema. Autores relatam que as aplicações de
Controladores Fuzzy conseguiram obter ganhos de desempenho e níveis de
eficiência energética altos, provando que o uso deste tipo de controlador se torna
interessante em sistemas de sinalização ferroviária, o que torna o estudo deste
assunto interessante na aplicação desta topologia no caótico sistema de trens da
cidade de São Paulo (SANUKI; MOTOHISA, 2004), (SIMÕES; SHAW, 2007).
173
REFERÊNCIAS
BUENO, Silvio; CRUS, Laércio Aranzana; SANTOS, Pedro Oliveira dos. Estudo de
redução de intervalo entre tens no trecho brás-barra funda através de
implementação do sistema de sinalização cbtc. 2007. 87 f. Dissertação
(Mestrado) - Curso de Especialização em Tecnologia Metroferroviária, Departamento
de Engenharia de Sistemas de Comunicações, Escola Politécnica da Universidade
de São Paulo, São Paulo, 2007.
PASSINO, Kevin M.; YURKOVICH, Stephen. Fuzzy Control. Menlo Park: Addison
Wesley Longman, 1998
CHEN, Guarong; PHAM, Trung Tat. Introductuin to Fuzzy Sets, Fuzzy Logic and
Control Systems. Houston: Crc Press, 2000.
174
SIMÕES, Marcelo Godoy; SHAW, Ian. Controle e Modelagem Fuzzy. 2. ed. São
Paulo: Fapesp, 2007.
SEBRAE (Santa Catarina). Sebrae. Informações sobre algoritmo fuzzy aplicado para
indústria têxtil. Relatório Ad Hoc, Santa Catarina, v. 1, n. 1, p.1-8, fev. 2013.
Disponível em:
<http://api.ning.com/files/D7OtuoxqP96vytUjjLLlwUoQYHicJPGZrRw7nqXXrvDhosAv
LMHag5Mu3N*o5OPqbGzTKL1U3JmkHBYC0vRA3y5cJxtH0RbQ/ApostilaAlgoritmo
FuzzyAplicadoparaIndstriaTxtil.pdf>. Acesso em: 21 dez. 2015.
CPTM. Descritivo do Sistema de Tração trem série 8500. São Paulo: Cptm, 2014.
CPTM. Descritivo dos Truques Trem série 8500. São Paulo: Cptm, 2014.
SIAHVASH, Ali; MOAVENI, Bijan. Automatic Train Control based on the Multi-Agent
Control of Cooperative Systems. The Journal Of Mathematics And Computer
Science, Tehran, Irã, v. 1, n. 4, p.1-11, dez. 2010. Mensal. Disponível em:
<http://www.tjmcs.com/includes/files/articles/Vol1_Iss4_247
257_Automatic_Train_Control_based_on_the_Multi-
Agent_Control_of_Cooperative_Systems.pdf>. Acesso em: 10 dez. 2015.
PIERS CONNOR OF PRC RAIL CONSULTING LTD.. Brakes. 2016. Disponível em:
< http://www.railway-technical.com/brake1.shtml.>. Acesso em: 20 nov. 2016.
SPIRYAGIN, Maksym et al. Design and Simulation of Rail Vehicles. Boca Raton,
Estados Unidos: Crc Press, 2014.
LOZANO, José A. et al. Railway Traction. In: PERPINYA, Xavier. Reliability and
Safety in Railway. [s.l.]: Intech, 2012. Cap. 1. p. 3-28. Disponível em:
<https://www.intechopen.com/books/reliability-and-safety-in-railway/railway-traction>.
Acesso em: 27 jul. 2016
ALLENBACH, Jean Marc. Railway Technology. [s.l.]: Epfl, 2012. 106 p. Disponível
em: <https://documents.epfl.ch/users/a/al/allenbac/www/documents/SummarET.pdf>.
Acesso em: 27 nov. 2016.
AYASSE, Jean Bernard; CHOLLET, Hugues. Whell Rail Contact. In: IWNICKI, Simon
et al. Handbook of Railway Vehicle Dynamics. [s.i.]: Crc, 2006. Cap. 4. p. 84-119.
BARNA, Grażyna. Matlab Simulink Model of a Braked Rail Vehicle and Its
Applications. In: CHAKRAVARTY, Subhas. Technology and Engineering
Applications of Simulink. [s.l.]: Intech, 2012. Cap. 9. p. 189-2018. Disponível em:
<https://www.intechopen.com/books/technology-and-engineering-applications-of-
simulink/matlab-simulink-model-of-a-braked-rail-vehicle-and-its-applications>.
Acesso em: 25 nov. 2016.
CRUCEANU, Cătălin. Train Braking. In: PERPINYA, Xavier. Reliability and Safety
in Railway. [s.l.]: Intech, 2012. Cap. 2. p. 29-74. Disponível em:
<https://www.intechopen.com/books/reliability-and-safety-in-railway/braking-systems-
for-railway-vehicles>. Acesso em: 25 nov. 2016.
CPTM. Memorial de Calculo de Freio de Atrito CAF Trem série 8000. São Paulo:
Cptm, 2014.
CPTM. Relatótio Técnico – TAF Sistema de Tração Combinada Trem série 8000.
São Paulo: Cptm, 2014.
179
DUARTE, Écio Naves. Mecânica do contato entre corpos revestidos. São Paulo:
Bluncher, 2016. 104 p.
MATHWORKS. INC.. Fuzzy Logic Toolbox For Use with MATLAB. 2017. ed. [s.l.]:
Mathworks, 1999. Disponível em:
<https://www.mathworks.com/help/pdf_doc/fuzzy/fuzzy.pdf>. Acesso em: 10 jan.
2017.
180
Rchopper=6.6;%Resistência do Chopper
Vchopper=3600;%Tensão do Chopper
Pnchopper=150000;%Potencia nominal Chopper
Pmaxchopper=1300000;%Potência máxima Chopper
%Motor de Tração
Pnmotor=270000;%Potência Nominal Motor em watts
Npolos=2;%Número de polos
Rmotor=0.92;%Rendimento do motor
Rpm_motor=2610;%Rotação Nominal
Ftemax=(Pmaxtracao*3.6)/Vmax; %Força de Tracao
%-------------------------------------------------------------------------%
%Dados Sistema de Frenagem Atrito
Ntfreio=0.97;%Eficiência do freio
Rdisco=0.303;%Raio Disco de Freio m
Adisco=0.08;%Area do Disco de Freio m^2
irodeiro=1;%Relação do mecanismo de freio
br=0.37;%Coeficiente Dinâmico de atrito
bs=0.3;%Coeficiente Estático de atrito
Fmola=0;%Força da mola
Apistao=0.01427;%Area do pistao m^2
po=0;%Pressão de exaustao da valvula
pmaxar=385000;%Pressão máxima do sistema Pa
Tac=1.6;%Constante da valvula
Tatraso=0.4;%Tempo de Atraso
Nfreio=64;% Numero de dispositivos de Freio.
Fretorno=500;%Força de Retorno em N
%-------------------------------------------------------------------------%
% Dados Perfil de Via
%Dados
R=500; %Raio da Curva em m
Rg=-1; %Gradiente de Incliação
%-------------------------------------------------------------------------%
%Dados Adesão
Fad0=(2*Qrodeiro*0.47)/pi;
Nr=m*g*Rr;%Força Normal e raio rodeiro
tamb=100;%Temperatura ambiente de operação
umax=Ftemax/(m*g);%Coeficiente de adesão max
cpoisson=0.3; %Coeficiente de poisson
E20=200*10^9;%Coeficiente de Young para ferro a 20ºC em Pa
Eyoungprox=0.98/E20;% Coeficiente de Young aproximado
pstrilho=0.2745;% Raio de perfil de contato com o trilho m
%Teoria de Contato de Hertz
AHertz=1/2*(1/pstrilho);% considerando apenas escorregamento longitudinal
Eyoungcalc=(((-6.7*10^(-9))*tamb^3)+((4.1*10^(-6))*tamb^2)-
(0.0011*tamb)+1.1)*E20;%Coeficiente de elasticidade de Young
Gcis=(Eyoungcalc/(2*(1+cpoisson)));%Modulo de cisalhamento
%A/B por interpolação da tabela 7.1 beta 5
%Livro Design and Simulation
BHertz=AHertz/0.002;
mHertz=11.238;
nHertz=0.0212*mHertz;
k1=(1-cpoisson^2)/Eyoungcalc;
% trilho e rodeiro mesmo material v igual
k2=k1;
k3=AHertz+BHertz;% Considerando deslocamento longitudinal
%arodeiro=0.0052;
%brodeiro=0.0164;
arodeiro=mHertz*(((3*pi*Qrodeiro*(k1+k2))/(4*k3))^(1/3));
brodeiro=nHertz*(((3*pi*Qrodeiro*(k1+k2))/(4*k3))^(1/3));
182
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%Parâmetros de Contato de Polach
%trilho seco
usseco=0.47;%Coeficente de adesão
Auseco=0.44;% Area de adesão
Buseco=0.7;%Area de escorregamento
kaseco=0.6;%Coeficiente de redução de adesão
ksseco=0.15;%Coeficente de redução de slip
%Trilho molhado
usmolhado=0.3;
Aumolhado=0.38;
Bumolhado=0.1;
kamolhado=0.29;
ksmolhado=0.09;
pstrilho=274.5;%Perfil de raio do contato do trilho aproximado
psrodeiro=0;%Perfil de raio de contato do rodeiro
k=(ka+ks)/2;
Ckalker=3.2893+(0.975/(brodeiro/arodeiro))-(0.012/(brodeiro/arodeiro)^2);%
Coeficiente delinearidade de Kalker para movimento longitudinal
%------------------------------------------------------------------------%
%Equação de Davis coeficientes
ADavis=((6.4*(mr/1000))+(8*(mc/1000)));
BDavis=((0.18*(m/1000))+(1*Ncreboque)+(0.005*Ncmotor*(Pn/1000)));
CDavis=((0.6125*Catrem*Sv)+(0.00197*Ptrem*Comprimentotrem)+(0.0021*Ptrem*2.
5*(Ncreboque+Ncmotor-1)))+0.2566*2;
183
%GRÁFICOS
% Coeficiente de Adesão
t=S0(:,1); Cadesaoseco= S0(:,2); Cadesaomolhado= S0(:,3);
% subplot(2,1,1)
plot(t,Cadesaoseco,'r',t,Cadesaomolhado,'b'); xlabel('Velocidade de
Escorregamento [m/s]'); ylabel('Amplitude[]');
legend('Coeficiente de Adesão Seco','Coeficiente de Adesão Molhado');
title('Coeficiente de Adesão por Rodeiro'); grid
%#############################################################
%Controlador Fuzzy Simples
%Velocidade
t1=S1(:,1); Vrodeiro1= S1(:,3); Vtrem1=S1(:,2);
%subplot(5,2,1)
plot(t1,Vrodeiro1,'blue',t1,Vtrem1,'red'); xlabel('Tempo [s]');
ylabel('Velocidade [Km/h]');
legend('Velocidade Rodeiro','Velocidade Trem');
title('Velocidade Controlador Fuzzy PI Simples'); grid
%Aceleração do trem
t41=S42(:,1); Atrem1= S42(:,2);
subplot(1,2,1)
plot(t41,Atrem1,'r'); xlabel('Tempo [s]'); ylabel('Aceleração[m/s2]');
% legend('Aceleração do Trem');
title('Aceleração Controlador Fuzzy PI Simples'); grid
%Jerk do trem
t42=S43(:,1); Jtrem1= S43(:,2);
subplot(1,2,2)
plot(t42,Jtrem1,'r'); xlabel('Tempo [s]'); ylabel('Jerk[m/s3]');
% legend('Jerk do Trem');
title('Jerk Controlador Fuzzy PI Simples'); grid
%Escorregamento
t2=S3(:,1); Escorregamento1= S3(:,2);
subplot(1,2,1)
plot(t2,Escorregamento1,'b'); xlabel('Tempo [s]');
ylabel('Velocidade[m/s]');
% legend('Escorregamento');
title('Velocidade de Escorregamento'); grid
%Coeficiente de Adesão
t3=S4(:,1); Cadesao1= S4(:,2);
subplot(5,2,6)
plot(t3,Cadesao1,'r'); xlabel('Velocidade de Escorregamento [m/s]');
ylabel('Amplitude[]');
legend('Coeficiente de Adesão');
title('Coeficiente de Adesão por Rodeiro'); grid
%Força de Adesão
t4=S5(:,1); Fadesao1= S5(:,2);
subplot(5,2,9)
plot(t4,Fadesao1,'r'); xlabel('Tempo [s]'); ylabel('Amplitude[N]');
legend('Força de Adesão');
title('Força de Adesão por Rodeiro'); grid
%Slip
t5=S6(:,1); Slip1= S6(:,2);
subplot(1,2,2)
plot(t5,Slip1,'r'); xlabel('Tempo [s]'); ylabel('Amplitude [%]');
% legend('Slip');
title('Slip por Rodeiro'); grid
%Posição
t6=S7(:,1); Posicao1= S7(:,2);
subplot(5,2,10)
plot(t6,Posicao1,'r'); xlabel('Tempo [s]'); ylabel('Amplitude [m]');
184
legend('Posição');
title('Deslocamento do trem'); grid
%ERRO e Variação do Erro
t7=S8(:,1); Efuzzy1= S8(:,2); Defuzzy1=S8(:,3);
% subplot(5,2,2)
plot(t7,Efuzzy1,'b',t7,Defuzzy1,'r'); xlabel('Tempo [s]');
ylabel('Amplitude[]');
legend('Erro','Variação de Erro');
title('Erro e Variação de Erro Controlador Fuzzy PI Simples'); grid
%TRAÇÃO
t8=S9(:,1); Tfuzzy1= S9(:,2);
subplot(2,2,3)
plot(t8,Tfuzzy1,'r'); xlabel('Tempo [s]'); ylabel('Amplitude []');
% legend('Força de Tração Fuzzy');
title('Saída de Tração Controlador Fuzzy PI Simples'); grid
%FREIO
t9=S10(:,1); Ffuzzy1= S10(:,2);
subplot(2,2,4)
plot(t9,Ffuzzy1,'r'); xlabel('Tempo [s]'); ylabel('Amplitude []');
% legend('Força de Frenagem Fuzzy');
title('Saída de Frenagem Controlador Fuzzy PI Simples'); grid
%Saída Controlador
t10=S11(:,1); TSfuzzy1= S11(:,2); FSfuzzy1=S11(:,3);
subplot(2,2,1)
plot(t10,TSfuzzy1,'r',t10,FSfuzzy1,'b'); xlabel('Tempo [s]');
ylabel('Amplitude[]');
legend('Esforço de Tração','Esforço de Freio');
title('Saída Controlador Fuzzy PI Simples'); grid
%####################################################################
%Controlador Fuzzy Slip
%Velocidade
t11=S11(:,1); Vrodeiro2= S11(:,3); Vtrem2=S11(:,2);
%subplot(5,2,1)
plot(t11,Vrodeiro2,'blue',t11,Vtrem2,'red'); xlabel('Tempo [s]');
ylabel('Velocidade [Km/h]');
legend('Velocidade Rodeiro','Velocidade Trem');
title('Velocidade Controlador Fuzzy PI Slip'); grid
%Aceleração do trem
t43=S44(:,1); Atrem2= S44(:,2);
subplot(1,2,1)
plot(t43,Atrem2,'r'); xlabel('Tempo [s]'); ylabel('Aceleração[m/s2]');
legend('Aceleração do Trem');
title('Aceleração Controlador Fuzzy PI Slip'); grid
%Jerk do trem
t44=S45(:,1); Jtrem2= S45(:,2);
subplot(1,2,2)
plot(t44,Jtrem2,'r'); xlabel('Tempo [s]'); ylabel('Jerk[m/s3]');
legend('Jerk do Trem');
title('Jerk Controlador Fuzzy PI Slip'); grid
%Escorregamento
t12=S12(:,1); Escorregamento2= S12(:,2);
subplot(1,2,1)
plot(t12,Escorregamento2,'b'); xlabel('Tempo [s]');
ylabel('Velocidade[m/s]');
legend('Escorregamento');
title('Velocidade de Escorregamento'); grid
%Coeficiente de Adesão
t13=S14(:,1); Cadesao2= S14(:,2);
subplot(5,2,6)
plot(t13,Cadesao2,'r'); xlabel('Velocidade de Escorregamento [m/s]');
ylabel('Amplitude[]');
185
legend('Coeficiente de Adesão');
title('Coeficiente de Adesão por Rodeiro'); grid
%Força de Adesão
t14=S15(:,1); Fadesao2= S15(:,2);
subplot(5,2,9)
plot(t14,Fadesao2,'r'); xlabel('Tempo [s]'); ylabel('Amplitude[N]');
legend('Força de Adesão');
title('Força de Adesão por Rodeiro'); grid
%Slip
t15=S16(:,1); Slip2= S16(:,2);
subplot(1,2,2)
plot(t15,Slip2,'r'); xlabel('Tempo [s]'); ylabel('Amplitude [%]');
legend('Slip');
title('Slip por Rodeiro'); grid
%Posição
t16=S17(:,1); Posicao2= S17(:,2);
subplot(5,2,10)
plot(t16,Posicao2,'r'); xlabel('Tempo [s]'); ylabel('Amplitude [m]');
legend('Posição');
title('Deslocamento do trem'); grid
%ERRO e Variação do Erro
t17=S18(:,1); Efuzzy2= S18(:,2); Defuzzy2=S18(:,3);
% subplot(5,2,2)
plot(t17,Efuzzy2,'b',t17,Defuzzy2,'r'); xlabel('Tempo [s]');
ylabel('Amplitude[]');
legend('Erro','Variação de Erro');
title('Erro e Variação de Erro Controlador Fuzzy PI Slip'); grid
%TRAÇÃO
t18=S19(:,1); Tfuzzy2= S19(:,2);
subplot(2,2,3)
plot(t18,Tfuzzy2,'r'); xlabel('Tempo [s]'); ylabel('Amplitude []');
% legend('Força de Tração Fuzzy');
title('Saída de Tração Controlador Fuzzy PI Slip'); grid
%FREIO
t19=S20(:,1); Ffuzzy2= S20(:,2);
subplot(2,2,4)
plot(t19,Ffuzzy2,'r'); xlabel('Tempo [s]'); ylabel('Amplitude []');
% legend('Força de Frenagem Fuzzy');
title('Saída de Frenagem Controlador Fuzzy PI Slip'); grid
%Saída Controlador
t20=S21(:,1); TSfuzzy2= S21(:,2); FSfuzzy2=S21(:,3);
subplot(2,2,1)
plot(t20,TSfuzzy2,'r',t20,FSfuzzy2,'b'); xlabel('Tempo [s]');
ylabel('Amplitude[]');
legend('Esforço de Tração','Esforço de Freio');
title('Saída Controlador Fuzzy PI Slip'); grid
%####################################################################
%Controlador Fuzzy baseado no coeficiente de adesão
%Velocidade
t21=S22(:,1); Vrodeiro3= S22(:,3); Vtrem3=S22(:,2);
%subplot(5,2,1)
plot(t21,Vrodeiro3,'blue',t21,Vtrem3,'red'); xlabel('Tempo [s]');
ylabel('Velocidade [Km/h]');
legend('Velocidade Rodeiro','Velocidade Trem');
title('Velocidade Controlador Fuzzy PI baseado no coeficiente de adesão');
grid
%Aceleração do trem
t46=S47(:,1); Atrem3= S47(:,2);
subplot(1,2,1)
plot(t46,Atrem3,'r'); xlabel('Tempo [s]'); ylabel('Aceleração[m/s2]');
%legend('Aceleração do Trem');
186
[System]
Name='controlador_simples'
Type='sugeno'
Version=2.0
NumInputs=2
NumOutputs=2
NumRules=4
AndMethod='prod'
OrMethod='probor'
ImpMethod='prod'
AggMethod='sum'
DefuzzMethod='wtaver'
[Input1]
Name='e'
Range=[-80 80]
NumMFs=2
MF1='neg':'gbellmf',[80 2.5 -80]
MF2='pos':'gbellmf',[80 2.5 80]
[Input2]
Name='de'
Range=[-5 5]
NumMFs=2
MF1='neg':'gbellmf',[5 2.5 -5]
MF2='pos':'gbellmf',[5 2.5 5]
[Output1]
Name='tracao'
Range=[0 1]
NumMFs=3
MF1='tn':'constant',[-0.3]
MF2='tz':'constant',[0]
MF3='tp':'constant',[0.3]
[Output2]
Name='freio'
Range=[0 1]
NumMFs=3
MF1='fn':'constant',[-0.5]
MF2='fz':'constant',[0]
MF3='fp':'constant',[0.5]
[Rules]
2 2, 3 1 (1) : 1
2 1, 2 2 (1) : 1
1 2, 2 2 (1) : 1
1 1, 1 3 (1) : 1
189
[System]
Name='controlador_slip'
Type='sugeno'
Version=2.0
NumInputs=4
NumOutputs=2
NumRules=16
AndMethod='prod'
OrMethod='probor'
ImpMethod='prod'
AggMethod='sum'
DefuzzMethod='wtaver'
[Input1]
Name='e'
Range=[-60 60]
NumMFs=2
MF1='neg':'gbellmf',[60 2 -60]
MF2='pos':'gbellmf',[60 2 60]
[Input2]
Name='de'
Range=[-5 5]
NumMFs=2
MF1='neg':'gbellmf',[5 3 -5]
MF2='pos':'gbellmf',[5 3 5]
[Input3]
Name='slip'
Range=[0 10]
NumMFs=2
MF1='baixo':'gbellmf',[5 4 0]
MF2='alto':'gbellmf',[5 4 10]
[Input4]
Name='dslip'
Range=[-2 2]
NumMFs=2
MF1='neg':'gbellmf',[2 4 -2]
MF2='pos':'gbellmf',[2 4 2]
[Output1]
Name='tracao'
Range=[0 1]
NumMFs=5
MF1='tnn':'constant',[-0.3]
MF2='tn':'constant',[-0.2]
MF3='tz':'constant',[0]
MF4='tp':'constant',[0.2]
MF5='tpp':'constant',[0.3]
[Output2]
Name='freio'
Range=[0 1]
NumMFs=5
MF1='fnn':'constant',[-0.6]
MF2='fn':'constant',[-0.55]
MF3='fz':'constant',[0]
190
MF4='fp':'constant',[0.55]
MF5='fpp':'constant',[0.6]
[Rules]
2 2 2 2, 4 2 (1) : 1
2 2 2 1, 4 2 (1) : 1
2 2 1 2, 5 1 (1) : 1
2 2 1 1, 5 1 (1) : 1
2 1 2 2, 3 3 (1) : 1
2 1 2 1, 3 3 (1) : 1
2 1 1 2, 3 3 (1) : 1
2 1 1 1, 3 3 (1) : 1
1 2 2 2, 3 3 (1) : 1
1 2 2 1, 3 3 (1) : 1
1 2 1 2, 3 3 (1) : 1
1 2 1 1, 3 3 (1) : 1
1 1 2 2, 2 4 (1) : 1
1 1 2 1, 2 4 (1) : 1
1 1 1 2, 1 4 (1) : 1
1 1 1 1, 1 5 (1) : 1
191
[System]
Name='controlador_u'
Type='sugeno'
Version=2.0
NumInputs=4
NumOutputs=2
NumRules=16
AndMethod='prod'
OrMethod='probor'
ImpMethod='prod'
AggMethod='sum'
DefuzzMethod='wtaver'
[Input1]
Name='e'
Range=[-60 60]
NumMFs=2
MF1='neg':'gbellmf',[60 2 -60]
MF2='pos':'gbellmf',[60 2 60]
[Input2]
Name='de'
Range=[-5 5]
NumMFs=2
MF1='neg':'gbellmf',[5 3 -5]
MF2='pos':'gbellmf',[5 3 5]
[Input3]
Name='du'
Range=[-1 1]
NumMFs=2
MF1='baixo':'gbellmf',[1 2 -1]
MF2='alto':'gbellmf',[1 2 1]
[Input4]
Name='ddu'
Range=[-2 2]
NumMFs=2
MF1='neg':'gbellmf',[2 3 -2]
MF2='pos':'gbellmf',[2 3 2]
[Output1]
Name='tracao'
Range=[0 1]
NumMFs=5
MF1='tnn':'constant',[-0.3]
MF2='tn':'constant',[-0.2]
MF3='tz':'constant',[0]
MF4='tp':'constant',[0.2]
MF5='tpp':'constant',[0.3]
[Output2]
Name='freio'
Range=[0 1]
NumMFs=5
MF1='fnn':'constant',[-0.6]
MF2='fn':'constant',[-0.55]
MF3='fz':'constant',[0]
192
MF4='fp':'constant',[0.55]
MF5='fpp':'constant',[0.6]
[Rules]
2 2 2 2, 5 1 (1) : 1
2 2 2 1, 4 1 (1) : 1
2 2 1 2, 4 2 (1) : 1
2 2 1 1, 4 2 (1) : 1
2 1 2 2, 3 3 (1) : 1
2 1 2 1, 3 3 (1) : 1
2 1 1 2, 3 3 (1) : 1
2 1 1 1, 3 3 (1) : 1
1 2 2 2, 3 3 (1) : 1
1 2 2 1, 3 3 (1) : 1
1 2 1 2, 3 3 (1) : 1
1 2 1 1, 3 3 (1) : 1
1 1 2 2, 2 4 (1) : 1
1 1 2 1, 2 4 (1) : 1
1 1 1 2, 2 4 (1) : 1
1 1 1 1, 1 5 (1) : 1
193
[System]
Name='controlador_supervisor_simples_m'
Type='mamdani'
Version=2.0
NumInputs=2
NumOutputs=1
NumRules=9
AndMethod='min'
OrMethod='max'
ImpMethod='min'
AggMethod='max'
DefuzzMethod='centroid'
[Input1]
Name='ata'
Range=[-10 10]
NumMFs=3
MF1='neg':'trimf',[-20 -10 0]
MF2='zero':'trimf',[-10 0 10]
MF3='pos':'trimf',[0 10 20]
[Input2]
Name='spvia'
Range=[0 90]
NumMFs=3
MF1='vr':'trimf',[-45 -4.441e-16 45]
MF2='vl':'trimf',[0 45 90]
MF3='vma':'trimf',[45 90 135]
[Output1]
Name='velocidade'
Range=[0 103.5]
NumMFs=3
MF1='vr':'trimf',[-41.4 0 41.4]
MF2='vl':'trimf',[10.35 51.75 93.15]
MF3='vma':'trimf',[62.1 103.5 144.9]
[Rules]
3 1, 2 (1) : 1
3 2, 3 (1) : 1
3 3, 3 (1) : 1
2 1, 1 (1) : 1
2 2, 2 (1) : 1
2 3, 3 (1) : 1
1 1, 1 (1) : 1
1 2, 2 (1) : 1
1 3, 3 (1) : 1
194
4 por carro
Número de Motores:
motor
1 por carro
Número de Inversores Onix:
motor
Detalhes do trem
Fonte: Adaptado do documento Descritivo dos Truques Trem série 8500 (Projeto Básico);
CPTM (2014)