UNIVERSIDADE FEDERAL DO AMAZONAS

FACULDADE DE TECNOLOGIA

MESTRADO EM ENGENHARIA ELÉTRICA

Relatório de controle e sistemas inteligentes

Marenice Melo de Carvalho

MANAUS-AM

2020
SUMÁRIO

1. Introdução ................................................................................................................ 3

2. Fuzzy para sensação térmica.................................................................................. 4

3. Comparação entre sistemas fuzzy e não fuzzy...................................................... 8

4. Modelo fuzzy Sugeno duas-entradas e uma-saída................................................ 9

5. Conclusão ............................................................................................................... 11

6. Referências Bibliográficas .................................................................................... 12

 1. Introdução

Este relatório apresenta três exercícios sobre sistemas de inferência fuzzy que
abordam o modelo fuzzy de Mandani e o modelo fuzzy de Takagi-Sugeno.
 2. Fuzzy para sensação térmica
Este exercício utiliza um sistema fuzzy para determinar a qual a temperatura que
uma pessoa sente sob certa condição climática. Essa sensação térmica está relacionada
com a velocidade que o calor é removido do corpo da pessoa, quanto maior é a velocidade
de que o calor é removido menor é a sensação térmica.

Para realizar esse sistema fuzzy é utilizado o modelo fuzzy de Mandani que foi
proposto como primeira tentativa para controlar para controlar uma combinação de
máquina a vapor e caldeira por um conjunto de regras de controle linguístico obtidas de
operadores humanos experientes.

De forma semelhante é preciso definir um conjunto de regras de controle

linguístico para esse sistema de resfriamento pelo vento. Então um especialista verifica
que a sensação térmica possui dois parâmetros: temperatura real e a velocidade do vento.
A partir disto para o primeiro parâmetro de temperatura foi identificado quatro conjuntos
fuzzy, Frio, Fresco, Aquecido e Quente, e para o parâmetro de velocidade foi identificado
três conjuntos fuzzy como velocidade Baixa, Normal e Alta. Todos esses conjuntos
apresentam funções de pertinência triangulares, podemos observar as variáveis de entrada
apresentadas na figura 1 e figura 2.

Figura 1: Conjunto fuzzy do universo de temperatura

 Figura 2: Conjuntos fuzzy do universo velocidade do vento.

Além desses conjuntos dos parâmetros de entrada foram identificados outros

cinco conjuntos fuzzy caracterizados no universo de saída do discurso, eles são Severo,
Ruim, Normal, Suave e Inativo são mostrados na figura 3.

Figura 3: Conjunto fuzzy no universo de resfriamento do vento

 É possível observar na curva de saída que os conjuntos extremos são saturam em
um, isto ocorre devido a etapa de desfuzificação. Vemos também que a saída é uma
variável dependente enquanto as entradas são variáveis independentes. Então as entradas
podem ser definidas em qualquer valor, mas a saída corresponde a um intervalo restrito.

Para finalizar a especificação do sistema o especialista propôs 12 regras para determinar

a sensação térmica, cada regra é uma combinação para os parâmetros de temperatura e
velocidade do vento.

Agora o sistema fuzzy está completamente especificado (ou seja, especificamos todas as
premissas e conjuntos fuzzy consequentes, juntamente com a base de regra). Observe que
existem 12 regras, uma para cada combinação de TEMPERATURA e VELOCIDADE
DO VENTO. Este tipo de base de regra é considerado completo. Para maior concisão, a
base de regra pode ser tabulada como na Tabela 3.1:

1. Se a temperatura estiver fria e a velocidade do vento estiver baixa, então a sensação

térmica está SUPORTÁVEL.

2. Se a temperatura estiver fria e a velocidade do vento for normal, então a sensação

térmica é RUIM.

3. Se a temperatura estiver fria e a velocidade do vento estiver alta, então a sensação

térmica é SEVERO.

4. Se a temperatura estiver fresca e a velocidade do vento estiver baixa, então a sensação

térmica é LEVE.

5. Se a temperatura estiver fresca e a velocidade do vento estiver normal, então a

sensação térmica é SUPORTÁVEL.

6. Se a temperatura estiver fresca e a velocidade do vento estiver alta, então a sensação

térmica é RUIM.

7. Se a temperatura estiver aquecida e a velocidade do vento estiver baixa, então a

sensação térmica é INATIVO.

8. Se a temperatura estiver aquecida e a velocidade do vento estiver normal, então a

sensação térmica é LEVE.
9. Se a temperatura estiver aquecida e a velocidade do vento estiver alta, então a sensação
térmica é SUPORTÁVEL.

10. Se a temperatura estiver quente e a velocidade do vento estiver baixa, então a

sensação térmica é INATIVO.

11. Se a temperatura estiver quente e a velocidade do vento estiver normal, então a

sensação térmica é INATIVO.

12. Se a temperatura estiver quente e a velocidade do vento estiver alta, então a sensação
térmica é LEVE.

Este tipo de base de regra é considerado completo. Para maior concisão, a base de regra
pode ser tabulada como na Tabela 1:

Tabela 1: Sensação térmica correspondente as várias combinações de temperatura e velocidade do vento.

Velocidade do vento
Sensação térmica
Baixo Normal Alta
Frio Suportável Ruim Severo
Fresco Leve Suportável Ruim
Temperatura
Aquecido Inativo Leve Suportável
Quente Inativo Inativo Leve
 3. Comparação entre sistemas fuzzy e não fuzzy

Neste segundo exercício vamos observar a curva das funções de pertinência para
sistemas fuzzy e não fuzzy. O conjunto fuzzy é determinado pelo modelo fuzzy de
Sugeno.

𝑆𝑒 𝑋 é 𝒑𝒆𝒒𝒖𝒆𝒏𝒐 𝑒𝑛𝑡ã𝑜 𝑌 = 0.1𝑋 + 6.4.

{ 𝑆𝑒 𝑋 é 𝒎é𝒅𝒊𝒐 𝑒𝑛𝑡ã𝑜 𝑌 = −0.5𝑋 + 4.
𝑆𝑒 𝑋 é 𝒍𝒂𝒓𝒈𝒐 𝑒𝑛𝑡ã𝑜 𝑌 = 𝑋 − 2.

As variáveis linguísticas pequeno, médio e largo podem ser interpretadas como

conjuntos fuzzy ou não. Desta forma podemos ter as seguintes funções de pertinência.

Figura 4: Funções de pertinência. (a) Sistema não fuzzy. (b) Sistema fuzzy.

Como o sistema não fuzzy possui regras não suaves a curva de saída será
representada por três retas lineares. Já o sistema fuzzy apresentará uma saída suave visto
que o conjunto de regras fuzzy é suave, a figura 5 ilustra as saídas dos sistemas.

Figura 5: Curvas de Entrada/Saída. (a) Sistema não fuzzy. (b) Sistema fuzzy
 4. Modelo fuzzy Sugeno duas-entradas e uma-saída

Neste segundo exercício vamos observar um modelo fuzzy Sugeno de duas

entradas e uma saída, torna-se interessante quando o modelo de uma única entrada gerar
um comportamento complexo. conjunto do modelo fuzzy Sugeno de duas entradas e uma
saída com quatro regras é expresso como:

𝑆𝑒 𝑋 é 𝒑𝒆𝒒𝒖𝒆𝒏𝒐 𝑒 𝑌 é 𝒑𝒆𝒒𝒖𝒆𝒏𝒐 𝑒𝑛𝑡ã𝑜 𝑍 = −𝑋 + 𝑌 + 1.

𝑆𝑒 𝑋 é 𝒑𝒆𝒒𝒖𝒆𝒏𝒐 𝑒 𝑌 é 𝒍𝒂𝒓𝒈𝒐 𝑒𝑛𝑡ã𝑜 𝑍 = −𝑌 + 3.
{
𝑆𝑒 𝑋 é 𝒍𝒂𝒓𝒈𝒐 𝑒 𝑌 é 𝒑𝒆𝒒𝒖𝒆𝒏𝒐 𝑒𝑛𝑡ã𝑜 𝑍 = −𝑥 + 3.
𝑆𝑒 𝑋 é 𝒍𝒂𝒓𝒈𝒐 𝑒 𝑌 é 𝒍𝒂𝒓𝒈𝒐 𝑒𝑛𝑡ã𝑜 𝑍 = 𝑋 + 𝑌 + 2.

As funções de pertinência das entradas X e Y são mostradas da figura 6 e o

resultado da superfície entrada-saída é apresentada na figura 7, é uma superfície composta
por quatro planos, cada um especificado por uma equação de saída das regras fuzzy.

Figura 6: Funções de pertinência das entradas X e Y.

Figura 7: Superfície entrada-saída
 5. Conclusão
Foram realizados três exercícios em relação aos sistemas de inferência Fuzzy. O
primeiro exercício abordou o modelo fuzzy de Mandani e o segundo e terceiro exercício
abordou o modelo fuzzy de Takagi-Sugeno. O modelo de fuzzy de Mandani segue um
conjunto de regra composicional de inferência estritas dentro do seu mecanismo, já o
modelo de Takagi-Sugeno é diferente apesar de ainda ser empregado combinações dos
conjuntos fuzzy a saída é feita por uma média ponderada ou uma soma ponderada.
 6. Referências Bibliográficas

Jang, J.S.R, Sun, C.T, Mizutani, E. Neuro-Fuzzy and Soft Computing – A

Computational Approach to Learning and Machine Intelligence. Prentice-Hall.