ANÁLISE MATEMÁTICA DE MODELOS FUZZY TAKAGI-SUGENO NO

DOMÍNIO DA FREQUÊNCIA VIA TRANSFORMADA DISCRETA DE FOURIER

C ARLOS C. T. F ERREIRA

Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (IFMA)

Departamento de Eletroeletrônica
Av. Getúlio Vargas, 04 - Campus São Luís Monte Castelo, Cep: 65030-005 - São Luís (MA)- Brazil
ccteixeira@ifma.edu.br

RESUMO. A análise matemática de modelos Fuzzy Takagi-Sugeno (TS) no domínio da frequência via Transformada
Discreta de Fourier (TDF) é proposta nesse artigo. Os principais conceitos sobre os sistemas de inferência Fuzzy e
modelos Fuzzy Takagi-Sugeno (TS) são apresentados. Inspirando-se na definição clássica de resposta em frequência,
uma formulação para obtenção da resposta em frequência de modelos Fuzzy Takagi-Sugeno (TS) é desenvolvida. O
procedimento baseia-se nos conceitos e propriedades da Função de Resposta em Frequência (FRF), obtida a partir da
Transformada Discreta de Fourier (TDF) dos dados experimentais de entrada/saída do modelo Fuzzy Takagi-Sugeno
(TS).

PALAVRAS-CHAVE: Resposta em frequência, Sistemas de inferência fuzzy, Modelos fuzzy Takagi-Sugeno, Transfor-
mada discreta de fourier.

ABSTRACT. The mathematical analysis of Takagi-Sugeno (TS) Fuzzy model in the frequency domain via Discrete
Fourier Transform (DFT) is proposed in this paper. The main concepts of Fuzzy inference systems and Takagi-Sugeno
(TS) Fuzzy models are presented. Inspired by the classic definition of frequency response, a formulation for obtaining
the frequency response of Takagi-Sugeno (TS) Fuzzy model is developed. The procedure is based on the concepts
and properties of the Frequency Response Function (FRF) obtained from the Discrete Fourier Transform (DFT) of the
input/output experimental data of Takagi-Sugeno (TS) Fuzzy model.

KEYWORDS: Frequency response, Fuzzy inference systems, Takagi-Sugeno fuzzy models, Discrete fourier transform.

1 INTRODUÇÃO trada em uma faixa de interesse e estuda-se a resposta

Os métodos de resposta em frequência foram desen-
volvidos durante o período de 1930 − 1940 por Harry
Nyquist (1889 − 1976) (NYQUIST, 1932), Hendrik
Bode (1905 − 1982) (BODE, 1940), Nathaniel B. Ni-
chols (1914 − 1997) (NICHOLS, 1947), e muitos ou-
tros. Desde então, a resposta em frequência é um mé-
todo clássico para a obtenção de modelos de sistemas
lineares e invariantes no tempo, além de ser uma téc-
nica amplamente utilizada tanto para o projeto quanto
para análise de sistemas de controle. Pelo termo res-
posta em frequência, entende-se a resposta em regime
estacionário de um sistema quando submetido a uma
entrada senoidal. Nos métodos clássicos de resposta
em frequência, varia-se a frequência do sinal de en-
ARTIGO CONVIDADO: submetido em 03/02/2014; re-
visado em 21/02/2014. Artigo aceito sob recomendação do
Editor-Chefe Prof. Dr. Ginalber L. O. Serra.
em frequência resultante.
Inspirando-se na definição clássica de resposta
em frequência, este artigo apresenta uma formula-
ção para a obtenção da resposta em frequência de
modelos dinâmicos Fuzzys Takagi-Sugeno (TS). Esse
procedimento não necessita de teste de convergência,
condições de simetria ímpar, convolução, modulação
e filtragens especiais. O procedimento baseia-se nos
conceitos e propriedades da Função de Resposta em
Frequência (FRF), obtida a partir da Transformada
Discreta de Fourier (TDF) dos dados experimentais
de entrada/saída do modelo dinâmico Fuzzy Takagi-
Sugeno (TS).
O artigo está organizado da seguinte forma: na se-
ção 2, os conceitos sobre sistemas de inferência Fuzzy
e modelos Fuzzy Takagi-Sugeno (TS) são discutidos.
Na seção 3, a formulação clássica da resposta em

Revista INNOVER, volume 1, número 1, Março 2014 77

Análise Matemática de Modelos Fuzzy Takagi-Sugeno no Domínio da Frequência via Transformada Discreta de Fourier
frequência de sistemas lineares é apresentada. Em
seguida, na seção 4, desenvolve-se um formalismo
para a obtenção da resposta em frequência de mode-
los Fuzzy Takagi-Sugeno (TS) a partir da Transfor-
mada Discreta de Fourier dos dados experimentais de
entrada/saída. Por fim, na seção 5, apresenta-se as
considerações finais.
2 SISTEMAS DE INFERÊNCIA FUZZY E
MODELOS FUZZY TAKAGI-SUGENO (TS)
A teoria de sistemas Fuzzy foi proposta por Lofti A.
Zadeh (ZADEH, 1965; ZADEH, 1973), como uma
forma de processar informação vaga, imprecisa ou
linguística e, desde 1970, apresenta crescente apli-
cação. Ela estabelece a base para representar o co-
nhecimento e desenvolver os mecanismos essenciais
para inferir decisões sobre as ações apropriadas que
devem ser tomadas em um problema real. Segundo
Wang (WANG, 1997), existem na literatura dois tipos
de justificativa para a utilização da teoria de sistemas
Fuzzy:
• O mundo real é muito complexo para ser des-
crito precisamente; portanto, aproximações (ou
fuzzificações) devem ser introduzidas com o in-
tuito de se obter modelos razoáveis;
• À medida que se avança para a era da infor-
mação, o conhecimento humano se torna cada
vez mais importante. Desse modo, precisa-se de
uma teoria que possa formular o conhecimento
humano, de uma forma sistemática, bem como
incrementar esse conhecimento em sistemas.
Para alcançar essa combinação, a questão chave é
como transformar a base de conhecimento humano
em uma formulação matemática. Essencialmente, o
que um sistema Fuzzy realiza é essa transformação.
Por exemplo, ainda que se saiba o modelo exato de
um sistema térmico de aquecimento, pode-se descre-
ver o seu comportamento da seguinte forma: "Se apli-
carmos mais tensão elétrica no sistema térmico En-
tão a temperatura do sistema aumenta", onde os ter-
mos ’mais’ e ’aumenta’ são considerados termos lin-
guísticos que, embora não sejam precisos, são infor-
78 Revista INNOVER, volume 1, número 1, Março 2014
mações importantes a respeito do sistema térmico de
aquecimento.
De fato, para muitos problemas de modelagem
e/ou controle, um especialista pode determinar um
conjunto de regras eficientes, partindo de descrições
linguísticas do sistema dinâmico. Os modelos ma-
temáticos clássicos não podem incorporar as descri-
ções linguísticas diretamente em suas formulações.
Contudo, os sistemas Fuzzy são ferramentas podero-
sas para atingir esse objetivo, visto que a estrutura
lógica das regras facilita o entendimento e a análise
do problema em questão de forma qualitativa. As
pesquisas sobre sistemas Fuzzy desenvolveram-se em
duas direções principais. A primeira é a abordagem
linguística ou qualitativa, em que o sistema Fuzzy é
construído a partir de uma coleção de regras (pre-
posições). Já a segunda configura-se numa aborda-
gem quantitativa e está relacionada à teoria de siste-
mas clássica e moderna. A combinação de informa-
ções qualitativa e quantitativa, que constitui a prin-
cipal motivação para o uso de sistemas inteligentes,
deu origem a várias contribuições sobre modelagem
(CAI; ZHANG, 2008), (HUANG; HO, 2007).
Este artigo foca somente os sistemas Fuzzy base-
ados em regras, isto é, sistemas cujas relações entre
variáveis são representadas por meio de base de re-
gras Fuzzy SE-ENTÃO, da forma:
SE <Antecedente> ENTÃO <Consequente>.
Dependendo da estrutura particular da proposição
do consequente, destacam-se dois tipos de modelos
Fuzzy:
• Modelo Fuzzy Mamdani ou Linguístico
(ZADEH, 1973), (MAMDANI, 1977), no qual
tanto o antecedente quanto o consequente são
proposições Fuzzy;
• Modelo Fuzzy Takagi-Sugeno (TS)
(TAKAGI; SUGENO, 1985), em que o conse-
quente é uma expressão dinâmica funcional das
variáveis linguísticas do antecedente, em vez de
uma proposição Fuzzy.
A seguir, detalha-se o modelos Fuzzy Takagi-
Sugeno (TS), objeto de estudo desse artigo.
 C ARLOS C. T. F ERREIRA

2.1 Modelos Fuzzy Takagi-Sugeno (TS) pontos dados. De fato, a coleção de todas as combina-
O sistema de inferência TS, originalmente proposto ções convexas de pontos no conjunto constitui a casca
por (TAKAGI; SUGENO, 1985), apresenta no conse- convexa. Mais formalmente, dado um número finito
quente uma expressão dinâmica funcional das variá- de pontos f 1 , f 2 , . . . , f l em um espaço vetorial real,
veis linguísticas do antecedente. A i
[i=1,2,...,l]
 -ésima uma combinação convexa desses pontos é um ponto
regra, em que l representa o número de regras, é dada da forma
por
R(i) : γ 1f 1 + γ 2f 2 + . . . + γ lf l (3)
i i
SE x̃1 é F{1,2,...,p x̃ }|x̃1 E . . . E x̃n é F{1,2,...,p x̃n }|x̃n
1
onde o número real γ i satisfaz γ i ≥ 0 and γ 1 + γ 2 +
ENTÃO yi = fi (x̃) (1) . . .+γ l = 1. No modelo Fuzzy TS, o grau de ativação
hi (x̃), para a regra i, é dada por
onde o número total de regras é l = px̃1 × . . . × px̃n .
O vetor x̃ = [x̃1 , . . . , x̃n ]T ∈ ℜn contém as variáveis
linguísticas do antecedente, onde T representa o hi (x̃) = µiF{x̃ } ⋆ µiF{x̃ } ⋆ . . . ⋆ µiF{x̃n } (4)
1 2
operador para matriz transposta. Cada variável
linguística tem seu próprio universo de discurso
onde ⋆ é qualquer Norma-T (WANG, 1997). O grau
Ux̃1 , . . . , Ux̃n , particionado por conjuntos Fuzzy
de ativação normalizado, é dado por:
representando seus termos linguísticos, respecti-
vamente. Na i-ésima regra, a variável x̃{1,2,...,n}
i
pertence ao conjunto Fuzzy F{x̃ 1 ,...,x̃n }
com um grau hi (x̃)
i
de pertinência µF{x̃ ,...,x̃n } definido por uma função de γ i (x̃) = l
. (5)
1 X
pertinência µi{x̃1 ,...,x̃n } : ℜ → [0, 1], com µiF{x̃ ,...,x̃n } ∈ hr (x̃)
1
{µiF1|{x̃ ,...,x̃n } , µiF2|{x̃ ,...,x̃n } , . . . , µiFp|{x̃ ...,,x̃n } }, onde r=1
1 1 1
p{x̃1 ,...,x̃n } é o número de partições do universo de
discurso associado a variável linguística x̃1 , . . . , x̃n . Esta normalização implica em
A saída do modelo Fuzzy Takagi-Sugeno (TS),
dada por l
X
γ i (x̃) = 1. (6)
l
X k=1
y(x̃, γ) = γi (x̃)fi (x̃), (2)
i=1 De acordo com a definição de Combinação Con-
vexa, as Eq. (4)-(6) demonstram que a saída do mo-
é uma combinação convexa das expressões dinâmicas
delo Fuzzy TS é uma Combinação Convexa das ex-
funcionais fi (x̃).
pressões dinâmicas funcionais f i (x̃) como exigido
na Eq. (2). Em outras palavras, pode ser obser-
2.1.1 Definição de Combinação Convexa vado que o sistema Fuzzy TS, que pode representar
A combinação convexa é definida como uma combi- qualquer modelo dinâmico complexo, pode ser con-
nação linear de pontos (que podem ser vetores, esca- siderado como uma classe de sistemas onde γ i (x̃)
lares, ou mais genericamente pontos em um espaço denota uma decomposição de variáveis linguísticas
afim) onde todos os coeficientes são não-negativos e [x̃1 , . . . , x̃n ]T ∈ ℜn para uma região geométrica po-
a soma resulta em 1. Todas as possíveis combina- litópica no espaço do consequente, baseado nas ex-
ções convexas estará no interior da casca convexa dos pressões funcionais f i (x̃).

Revista INNOVER, volume 1, número 1, Março 2014 79

Análise Matemática de Modelos Fuzzy Takagi-Sugeno no Domínio da Frequência via Transformada Discreta de Fourier

3 RESPOSTA EM FREQUÊNCIA DE SISTE- Supondo que a entrada do sistema dinâmico in-

MAS LINEARES certo, dos sub-modelos lineares e invariantes no
Um sistema linear submetido a um sinal de entrada tempo, e do modelo dinâmico Fuzzy Takagi-Sugeno
senoidal, de frequência ω, apresenta na sua saída um (TS) é uma senoide de amplitude unitária do tipo
sinal também senoidal, de mesma frequência, porém
de amplitude e fase diferentes, conforme mostra o di- u(k) = sin(ωkTs ) (7)
agrama de blocos da Fig. 1.
onde Ts é o intervalo de amostragem e ω é a frequên-
cia da senoide.
A partir da formulação de Euler
(OPPENHEIM A. S. WILLSKY, 1998), dada
Figura 1: Diagrama de blocos para obtenção da resposta em
por
frequência de sistemas lineares.

onde: Ts é o intervalo de amostragem,

 ω é a ejωkTs = cos(ωkTs ) + j sin(ωkTs ) (8)
jωTs 
frequência
 da senoide, Y = H(e
 ) e φ =
arg H(ejωTs )
4 RESPOSTA EM FREQUÊNCIA DE MO-
DELOS FUZZY TAKAGI-SUGENO (TS)
Agora, a partir do diagrama de blocos da Fig. 2, con-
sidere o sistema dinâmico incerto, a sua decomposi-
ção em sub-modelos lineares e invariantes no tempo
e a concatenação desses sub-modelos numa única es-
trutura de modelo Fuzzy Takagi-Sugeno (TS), obtida
através da combinação convexa dos sub-modelos li-
neares e invariantes no tempo.
Figura 2: Diagrama de blocos para obtenção da resposta em
frequência do modelo Fuzzy TS.
80 Revista INNOVER, volume 1, número 1, Março 2014
pode-se reescrever a entrada senoidal, de frequência
ω, dos sub-modelos lineares e invariantes no tempo,
e do modelo dinâmico Fuzzy Takagi-Sugeno (TS)
como segue
ejωkTs − e−jωkTs
u(k) = sin(ωkTs ) = (9)
2j
√
onde j = −1, Ts é o intervalo de amostragem e ω é
a frequência da senoide.
A saída correspondente a cada sub-modelo linear
é dada por
∞
X
i i
y (k, ν ) = Yτi u(k − τ ) (10)
τ =0
onde i = 1, 2, . . . , l, é um índice que caracte-
riza o sub-modelo linear no espaço do consequente
da i-ésima regra do modelo dinâmico Fuzzy Takagi-
Sugeno (TS), ν i é o i-ésimo ponto de operação es-
pecífico, u(k − τ ) = 0 para todos os valores de
k − τ < 0 e a condição inicial é assumida ser zero.
A Eq. (10) mostra que a contribuição para a saída
em um sub-modelo linear, W i (z, ν i ), no tempo k para
uma entrada aplicada no tempo k e entradas anterio-
res k − 1, k − 2, . . . são ponderadas pela sequência
de resposta ao pulso (parâmetros de Markov). Subs-
tituindo a Eq. (9) na Eq. (10), resulta
 C ARLOS C. T. F ERREIRA

uma combinação das saídas dos sub-modelos linea-

∞
X res e invariantes no tempo, ou seja
y i (k, ν i ) = Yτi sin[ω(k − τ )Ts ]
τ =0
l
∞
1 X i h jω(k−τ )Ts
X
γ i y i (k, ν i )
i
i
y (k, ν ) i
= Yτ e − e−jω(k−τ )Ts ỹ(k, ν) =
2j τ =0 i=1
∞
ejωkTs X i −jωτ Ts
∞
e−jωkTs X i jωτ Ts ỹ(k, ν) = γ 1 y 1 (k, ν 1 ) + γ 2 y 2 (k, ν 2 ) + . . . + γ l y l (k, ν l )
y i (k, ν i ) = Yτ e − Yτ e ỹ(k, ν) = γ 1 W 1 (z, ν 1 ) sin ωkTs + φ1 (ν i ) +
   
2j τ =0 2j τ =0   h i
(8) . . . + γ l W l (z, ν l ) sin ωkTs + φl (ν l )
 

γ 1 W 1 (z, ν 1 ) sin(ωkTs ) cos[φ1 (ν 1 )] + sin[φ1 (ν 1 )]

 
ỹ(k, ν) =
 
cos(ωkTs )} + . . . + γ l W l (z, ν l ) {sin(ωkTs )
 
A partir da definição de Função de Resposta em o
cos[φl (ν l )] + sin[φl (ν l )] cos(ωkTs )
Frequência (FRF) (JUANG, 1994), em que
( l )
X 
γ i W i (z, ν i ) cos[φi (ν i )] sin(ωkTs ) +

ỹ(k, ν) =
∞ ∞
X
−jωτ Ts
X
−τ jωTs i=1
W (z) = Yτ e = Yτ z , z=e (9)
l
( )
τ =0 τ =0 X
i
 i i 
 i i
+ γ W (z, ν ) sin[φ (ν )] cos(ωkTs )

i=1
e aplicando-se a Eq. (9) na Eq. (11), resulta em
ỹ(k, ν) = A sin (ωkTs + θ) (1)

ejωkTs i e−jωkTs i ∗
y i (k, ν i ) = W (z, ν i ) − W (z, ν i )
2j 2j
y i (k, ν i ) =
 i
W (z, ν i ) sin ωkTs + φi (ν i )
   Em que:

em que "*"significa complexo conjugado e ainda ( )2

l
•
X
i
 i i 
 i i
A= γ W (z, ν ) cos[φ (ν )]
 +
 q i=1
W (z, ν i ) = (Real [W i (z, ν i )])2 + (Imag [W i (z, ν i )])2
 i
(8) 1
( l
)2 
X 2
γ i W i (z, ν i ) sin[φi (ν i )] 
 
+
i=1

l
( )
Imag W i (z, ν i )
 
X
i
i i
 i i
 −1
 i i 
 i i
φ (ν ) = arg W (z, ν ) = tan (9) − γ W (z, ν ) sin[φ (ν )]

Real [W i (z, ν i )]
• θ = arctan (
l
i=1
)
X
i
 i i 
 i i
γ W (z, ν ) cos[φ (ν )]

A função complexa i=1

 
W i (z, ν i ) = W i ejωTs , ν i , −π ≤ ωTs ≤ π (10)
4.1 Função de Resposta em Frequência do Mo-
é a função de transferência no tempo discreto de delo Fuzzy Takagi-Sugeno (TS) a partir de
i
cada sub-modelo linear, W (z, ν )

i i=1,...,l
, calculada Dados de Entrada/Saída
no ponto z = ejωTs . A função de resposta de frequência do modelo dinâ-
A Eq. (10) revela que a saída em regime per- mico Fuzzy Takagi-Sugeno (TS), W̃ (z, ν), em dife-
manente de cada sub-modelo linear, W i (z, ν i ), para rentes frequências, pode ser determinada a partir dos
uma entrada senoidal, é também uma senoide de sinais amostrados de entrada u(k) e de saída ỹ(k, ν) e
mesma frequência ω, mas com amplitude modifi- do cálculo da decomposição de suas séries de Fourier
cada pelo valor absoluto de W i (z, ν i ) e defasada de (JUANG, 1994). A Fig. 3 mostra um procedimento
arg[W i (z, ν i )] radianos. para a obtenção da Função de Resposta em Frequên-
Portanto, a saída em regime permanente do mo- cia do modelo dinâmico Fuzzy Takagi-Sugeno (TS) a
delo Fuzzy Takagi-Sugeno (TS), quando aplicada partir da Transformada Discreta de Fourier dos dados
uma entrada senoidal, de frequência ω, resulta em de entrada/saída.

Revista INNOVER, volume 1, número 1, Março 2014 81

Análise Matemática de Modelos Fuzzy Takagi-Sugeno no Domínio da Frequência via Transformada Discreta de Fourier

L−1
1X T 2πk
U ∗ (k) = u (σ)ej( L )σ (4)
L σ=0

A Transformada Discreta de Fourier (DFT) do si-

nal de saída amostrado referente ao modelo Fuzzy
Takagi-Sugeno (TS), ỹ(τ, ν), é dada por

L−1
1X 2πk
Ỹ (k, ν) = ỹ(τ, ν)e−j( L )τ (5)
L τ =0

A partir da Transformada Discreta de Fourier de

Entrada/Saída do modelo Fuzzy Takagi-Sugeno (TS),
a Função de Resposta em Frequência (FRF) pode ser
calculada por

Ỹ (k, ν)U ∗ (k)

W̃ (z, ν) = (6)
Figura 3: Procedimento para obtenção da Função de Res- U(k)U ∗ (k)
posta em Frequência (FRF) do modelo dinâmico Fuzzy Takagi-
Sugeno (TS) a partir de Dados de Entrada/Saída. ou

L−1 L−1
A Transformada Discreta de Fourier (DFT) do si- 1 XX 2πk
ỹ(τ, ν)uT (σ)e−j( L )(τ −σ)
nal de entrada amostrado, u(τ ), (τ = 0, 2, . . . , L − 1) L 2
τ =0 σ=0
é dada por: W̃ (z, ν) = L−1
(7)
1 X L−1
−j( 2πk
X
T )(τ −σ)
u(τ )u (σ)e L
L2
τ =0 σ=0
L−1
1X 2πk
U(k) = u(τ )e−j( L )τ (2)
L τ =0 Na Eq. (7), a Função de Resposta em Frequência
(FRF) do modelo Fuzzy Takagi-Sugeno (TS), a partir
onde L é o número total de pontos amostrados. Uma de dados experimentais de entrada/saída, em termos
vez que a sequência u(τ ) é real, a seguinte equação de seu módulo e fase, é dada por
deve ser satisfeita:  
W̃ (z, ν) =
 

U(−k) = U ∗ (k) (3) 

L−1 L−1

 1 XX
 
2πk
ỹ(τ, ν)uT (σ)e−j( L )(τ −σ) 

 2
L
onde "*"significa complexo conjugado. Dessa forma,

τ =0 σ=0
(8)
 
 1 L−1 L−1
 
o complexo conjugado da Transformada Discreta de XX
T −j( 2πk )(τ −σ)

Fourier (DFT) do sinal de entrada amostrado aplicado

 2 u(τ )u (σ)e L

 L

τ =0 σ=0

ao modelo Fuzzy Takagi-Sugeno (TS), u(τ ), é dado
por e

82 Revista INNOVER, volume 1, número 1, Março 2014

 C ARLOS C. T. F ERREIRA

W̃ (z, ν) = arctan JUANG, J. N. Applied System Identification. [S.l.]:


L−1
 Prentice Hall, 1994.
 1 X L−1X 2πk 
T −j( L )(τ −σ) 
(σ)e

 ỹ(τ, ν)u 
MAMDANI, E. H. Application of fuzzy logic to ap-
 L2

 


τ =0 σ=0
Imag L−1 L−1
proximate reasoning using linguistic synthesis. Com-
 1 X X u(τ )uT (σ)e−j( 2πk
 

 L
)(τ −σ) 

 puters, IEEE Transactions on, C-26, n. 12, p. 1182–
 L2
 
1191, Dec 1977.

τ =0 σ=0
  (9)
L−1 L−1
 1 XX 2πk 
NICHOLS, N. B. Theory of servomechanisms. New
ỹ(τ, ν)uT (σ)e−j( L )(τ −σ) 

 
2
 
L
 
York: McGraw-Hill, 1947.

τ =0 σ=0
Real L−1 L−1
 1 XX T −j( 2πk

)(τ −σ)  NYQUIST, H. Regeneration theory. Bell Systems Te-
 


 L2
 u(τ )u (σ)e L 


τ =0 σ=0 chnical Journal, 1932.

OPPENHEIM A. S. WILLSKY, S. H. A. V. Signals

5 CONSIDERAÇÕES FINAIS
A análise matemática de modelos Fuzzy Takagi-
Sugeno (TS) no domínio da frequência via Trans-
formada Discreta de Fourier (TDF) é proposta nesse
artigo. Mostrou-se uma formulação para obtenção
da resposta em frequência de modelos Fuzzy Takagi-
Sugeno (TS) baseado nos conceitos e propriedades
da Função de Resposta em Frequência (FRF), obtida
a partir da Transformada Discreta de Fourier (TDF)
dos dados experimentais de entrada/saída do modelo
Fuzzy Takagi-Sugeno (TS). Esta formulação é efici-
ente para a análise e projeto de sistemas de controle.
AGRADECIMENTOS
O autor agradece a FAPEMA pelo suporte financeiro
dessa pesquisa.
REFERÊNCIAS
BODE, H. W. Feedback amplifier design. Bell Sys-
tems Technical Journal, v. 19, p. 42, 1940.
CAI, K.-Y.; ZHANG, L. Fuzzy reasoning as a control
problem. Fuzzy Systems, IEEE Transactions on, v. 16,
n. 3, p. 600–614, June 2008. ISSN 1063-6706.
HUANG, H.; HO, D. W. C. Delay-dependent ro-
bust control of uncertain stochastic fuzzy systems
with time-varying delay. Control Theory Applicati-
ons, IET, v. 1, n. 4, p. 1075–1085, July 2007.
and Systems. [S.l.]: Prentice Hall, 1998.
TAKAGI, T.; SUGENO, M. Fuzzy identification of
systems and its applications to modeling and control.
Systems, Man and Cybernetics, IEEE Transactions
on, SMC-15, n. 1, p. 116–132, Jan 1985.
WANG, L. A Course in Fuzzy Systems and Con-
trol. [S.l.]: Prentice Hall PTR, 1997. ISBN
9780135408827.
ZADEH, L. Information and control. Fuzzy Sets, v. 8,
p. 333–353, 1965.
ZADEH, L. Outline of a new approach to the analy-
sis of complex systems and decision process. IEEE
Trans. Systems, Man, and Cybernetic 1, p. 28–44,
1973.
BIOGRAFIA DOS AUTORES
Carlos C. T. Ferreira. Possui dou-
torado em Engenharia Elétrica (área
de concentração: processamento da
informação; sub-área: instrumen-
tação e controle) pela Universi-
dade Federal de Campina Grande -
UFCG (2013), mestrado em Engenharia de Eletrici-
dade (área de atuação: automação e controle) pela
Universidade Federal do Maranhão - UFMA (2004),
Especialização em Engenharia de Segurança do Tra-
balho pelo Centro Federal de Educação Tecnológica
do Maranhão - CEFET/MA (2000), graduação em

Revista INNOVER, volume 1, número 1, Março 2014 83

Análise Matemática de Modelos Fuzzy Takagi-Sugeno no Domínio da Frequência via Transformada Discreta de Fourier

Engenharia Mecânica pela Universidade Estadual do

Maranhão - UEMA (1998) e graduação em Licenci-
atura Plena em Eletricidade pelo Centro Federal de
Educação Tecnológica do Maranhão - CEFET-MA
(1997). Atualmente ocupa o cargo de professor do
Ensino Básico, Técnico e Tecnológico - EBTT, no
Instituto Federal de Educação, Ciência e Tecnologia
do Maranhão - IFMA, onde ocupa a função de Pró-
reitor de Planejamento e Administração. Tem expe-
riência na área de Engenharia Mecânica e Engenha-
ria Elétrica, com ênfase em Automação e Controle
de Processos, atuando principalmente nos seguintes
temas: sistemas dinâmicos incertos, sistemas dinâmi-
cos não-lineares, sistemas Fuzzy, identificação de sis-
temas, controle robusto, controle Fuzzy, algoritmos
genéticos e controladores lógicos programáveis.

84 Revista INNOVER, volume 1, número 1, Março 2014