Escolar Documentos
Profissional Documentos
Cultura Documentos
2 Controle Nebuloso - Texto
2 Controle Nebuloso - Texto
Angelo – N9 – IAA
A lógica nebulosa, ou “fuzzy” tem sido cada vez mais usada para automatizar processos,
como o controle de plantas industriais e no auxílio à decisão em sistemas que utilizam
informações fornecidas por seres humanos. Por exemplo, tem-se a lógica nebulosa em
aplicações que vão do controle de eletrodomésticos ao controle de satélites, do mercado
financeiro à medicina. O número de aplicações tende a crescer, pois a lógica nebulosa
permite a inclusão da experiência humana na construção do sistema controlador [1]. A
lógica nebulosa (também chamada de lógica difusa ou lógica “fuzzy”) permite que
requerimentos complexos possam, muitas vezes, ser implementados em controladores
simples, de fácil manutenção e baixo custo. O uso de sistemas construídos desta maneira,
chamados de controladores difusos ou controladores nebulosos, é especialmente
interessante quando o modelo matemático está sujeito a incertezas [2] [3] [4] [5].
𝑑
e(t) = r(t) − y(t) e 𝑑𝑡
𝑒(𝑡)
como sendo as variáveis sobre a qual as decisões são tomadas. Certamente, existem
muitas outras escolhas (como, por exemplo, a integral do erro), mas esta escolha é
suficiente para a presente demonstração.
1
IFSP – prof. Angelo – N9 – IAA
Depois que todas as entradas e saídas são definidas, podemos especificar o sistema de
controle difuso, para tal, deve-se obter uma descrição de como controlar o processo. O
sistema de controle é mostrado na figura acima.
Descrições linguísticas
Suponha-se que o perito humano fornece uma descrição em português de como melhor
controlar a planta. Usam-se “variáveis linguísticas” para descrever as entradas e saídas do
controlador. Para o pêndulo invertido,
Suponha, por exemplo, que "erro", "mudança no erro", e "força" possam assumir os
seguintes valores: “negativo grande”, “negativo pequeno”, “zero”, “positivo pequeno” e
“positivo grande”.
As variáveis linguísticas e seus valores permitem ao perito expressar suas ideias sobre o
controle do processo de tomada de decisão. Recordamos que nesta aplicação de pêndulo
invertido r=0 e e=r–y de modo a que:
𝑑 𝑑 𝑑
e=–y e 𝑒 =− 𝑦 , pois 𝑟 = 0.
𝑑𝑡 𝑑𝑡 𝑑𝑡
2
IFSP – prof. Angelo – N9 – IAA
Base de Regras
Esta regra quantifica a situação (a) da figura acima, na qual o pêndulo tem um ângulo
positivo grande e está se movendo no sentido horário, então devemos aplicar uma força
forte e positiva (à direita) para que possamos tentar colocar o pêndulo na direção correta.
Esta regra quantifica a situação (b) da figura acima na qual o pêndulo tem ângulo quase
zero com a vertical (uma quantificação linguística de zero não implica que e (t) = 0
exatamente) e está se movendo para a esquerda, portanto devemos aplicar uma pequena
força negativa (à esquerda) para neutralizar o movimento (uma força positiva poderia
resultar no pêndulo passando da posição desejada).
Esta regra quantifica a situação (c) da figura acima, na qual o pêndulo está longe e à
esquerda da vertical e está em movimento em direção ao centro, portanto deve-se aplicar
uma pequena força negativa (para a esquerda) para auxiliar o movimento, mas não uma
grande força, uma vez que o pêndulo já está se movendo na direção correta.
Cada uma das três regras listadas acima é uma “regra linguística”, pois é formada
3
IFSP – prof. Angelo – N9 – IAA
Continuando com a descrição acima, poderíamos escrever as regras para todos os casos
possíveis do problema do pêndulo. Nota-se que, uma vez que especificamos um número
finito de variáveis linguísticas e valores linguísticos, há apenas um número finito de
regras possíveis. Para o problema do pêndulo, com duas entradas e cinco valores
linguísticos para cada uma delas, há 52 = 25 regras possíveis.
𝑑
“mudança no erro” 𝑒
𝑑𝑡
“força” u negativa negativa positiva positiva
zero
grande pequeno pequeno grande
positiva positiva positiva positiva
negativo grande zero
grande grande grande pequeno
positiva positiva positiva negativa
negativo pequeno zero
grande grande pequeno pequeno
“erro” positiva positiva negativa negativa
zero zero
e grande pequeno pequeno grande
positiva negativa negativa negativa
positivo pequeno zero
pequeno pequeno grande grande
negativa negativa negativa negativa
positivo grande zero
pequeno grande grande grande
Funções de pertinência
Para entender a maneira como as funções de pertinência operam pode-se realizar uma
análise de caso, na qual se mostra como interpretar os vários valores de e(t):
• Se e(t) = π/4, então, μ (π/4) = 1; indicando que estamos absolutamente certos de que
e(t) = π/4 é o que queremos dizer com “positivo pequeno”.
• Se e(t) = π/2, então, μ (π/2) = 0; indicando que estamos certos de que e(t) = π / 2 não é
“positivo pequeno”.
4
IFSP – prof. Angelo – N9 – IAA
• Se e(t) = π/8, então, μ (π/8) = 0,5; indicando que estamos meio certos de que e(t) = π/8
é “positivo pequeno”. (estamos apenas meio certos, uma vez que também poderia ser
“zero” com algum grau de certeza, ou seja, este valor está em uma “zona cinzenta” em
termos de interpretação linguística).
• Se e (t) = π¸ então, μ (π) = 0, indicando que estamos certos de que e(t) = π não é
“positivo pequeno” (na verdade, é “positivo grande”).
5
IFSP – prof. Angelo – N9 – IAA
Nebulização ou “Fuzzificação”
𝑑 𝑑
𝜇𝑧𝑒𝑟𝑜 ( 𝑒(𝑡)) = 0,5 e 𝜇𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑝𝑒𝑞𝑢𝑒𝑛𝑜 ( 𝑒(𝑡)) = 0,5
𝑑𝑡 𝑑𝑡
2. As conclusões (que especificam quais ações tomar) são determinadas usando as regras
aplicadas ao momento atual. As conclusões são caracterizadas com um conjunto nebuloso
que representa o grau de certeza dos valores que a entrada da planta deve receber.
Para realizar a inferência é preciso primeiro ponderar cada uma das regras com. Para isso,
quantificamos as premissas das regras, usando a correspondência de cada uma das
entradas do controlador. Veja a regra abaixo:
Se o erro é zero E a mudança no erro é positiva pequena Então força é negativa pequena.
A quantificação da premissa é feita pela avaliação da lógica “E” (operação que combina
os dois termos linguísticos).
𝑑
Vamos supor que e(t) = π/8 e 𝑑𝑡
𝑒(𝑡) = π/32. Pela figura da próxima página teremos:
6
IFSP – prof. Angelo – N9 – IAA
𝑑
𝜇𝑧𝑒𝑟𝑜 (𝑒(𝑡)) = 0,5 e 𝜇𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑝𝑒𝑞𝑢𝑒𝑛𝑜 (𝑑𝑡 𝑒(𝑡)) = 0,25
Para esses valores, qual a quantificação premissa: “erro é zero E mudança no erro é
negativa pequena”? Vamos denotar essa certeza por μ premissa. Existem várias maneiras de
definir isso, mas aqui vamos usar o valor mínimo, que define:
Ou seja, o mínimo entre os dois valores de pertinência. Qual o sentido desse valor? O
sentido é que, se não estamos muito certos sobre a verdade de uma declaração, não
podemos ter mais certeza sobre a veracidade dessa declaração "E" a outra declaração.
Dizemos que uma regra está ativa se sua premissa μpremissa > 0. Assim, o mecanismo de
inferência procura determinar quais as regras são relevantes para a situação atual. No
passo seguinte, o mecanismo de inferência irá combinar as recomendações de todas as
regras para chegar a uma única conclusão.
𝑑
e(t) = 0 e 𝑒(𝑡)= π/8 − π/32 (= 0.294)
𝑑𝑡
A figura acima mostra as funções de pertinência para as entradas e indica com linhas
𝑑
verticais os valores para e(t) e 𝑑𝑡 𝑒(𝑡). Observe que μzero(e(t)) = 1, e que todas as outras
7
IFSP – prof. Angelo – N9 – IAA
funções de pertinência para a entrada e(t) estão com seus valores iguais a zero. Para a
𝑑 𝑑 𝑑
entrada 𝑑𝑡 𝑒(𝑡), vemos que μzero(𝑑𝑡 𝑒(𝑡)) = 0,25 e μpositivo pequeno(𝑑𝑡 𝑒(𝑡)) = 0,75 e que todas
as outras funções de pertinência estão em zero. Isto implica que as regras que têm a
premissa, “erro é zero”, “mudança no erro é zero” e “mudança no erro é positiva
pequena” estão ativadas. Quais as regras são essas? Usando a tabela da página 4, observa-
se que temos apenas duas regras ativadas:
2. Se o erro é zero E a mudança no erro é positiva pequena Então a força é negativa pequena.
Determinando conclusões
Para determinar as conclusões derivadas do conjunto de regras que estão ativadas vamos
primeiro considerar as recomendações de cada regra de forma independente e depois
combinar todas as recomendações para determinar a força que deve ser aplicada no carro
que carrega o pêndulo invertido.
μpremissa(1) = min {0,25, 1} = 0,25 (a notação μpremissa(1) representa μpremissa para a Regra 1)
que representa 0,25 de certeza de que esta regra se aplica à situação atual. A regra indica
que, se a sua premissa é verdadeira, então a sua ação deve ser tomada. A ação indicada
pela Regra 1 é a “força é zero” (isso faz sentido, pois aqui o pêndulo está equilibrado). A
função de pertinência para esta ação é mostrada na figura (a) abaixo. A função de
pertinência para a conclusão da Regra 1, denotada por μ(1), é mostrada abaixo em (b).
Vemos que a função μ(1)(u) da figura (b) acima quantifica a certeza da Regra 1 sobre o
valor que a força (u) deve assumir. É provável que (u) deva estar em uma região em torno
de zero, indicando que a força não deve ser demasiado grande na direção positiva ou
negativa. A função de pertinência μ(1)(u) quantifica a conclusão da Regra 1.
Se o erro é zero e a mudança no erro é positiva pequena Então força é negativa pequena
8
IFSP – prof. Angelo – N9 – IAA
que representa 0,75 de certeza que esta regra se aplica à situação atual. Observe que
estamos muito mais certo que a Regra 2 se aplica à situação atual do que a Regra 1. A
ação indicada pela Regra 2 é que a força seja negativa pequena (isso faz sentido, pois aqui
o pêndulo está equilibrado, mas se movendo no sentido anti-horário com uma velocidade
pequena). A função de pertinência para esta ação é mostrada na figura (a) abaixo e a
função associada à conclusão da Regra 2, que denotamos μ(2), é mostrada na figura (b).
O método mais usado para a produção deste valor é o Centro de Gravidade (COG, em
inglês). Tendo bi denotando o centro da função de pertinência da ação de Regra i (isto é,
onde ela atinge o seu pico). Para o nosso exemplo, temos:
como a área sob a função de pertinência μ(i). O método de COG calcula ucrisp por
∑𝑖 𝑏𝑖 ∫ 𝜇(𝑖)
𝑢𝑐𝑟𝑖𝑠𝑝 =
∑𝑖 ∫ 𝜇(𝑖)
Embora possa não parecer, é fácil calcular ∫ 𝜇(𝑖) para o nosso exemplo. Para o caso em
que se têm funções de pertinência triangulares simétricas com w como a largura da base,
a área de um triângulo “cortado” a uma altura de h (tais como nas figuras acima) é :
ℎ2
∫ 𝜇(𝑖) = 𝑤 (ℎ − )
2
9
IFSP – prof. Angelo – N9 – IAA
Será que esse valor para de força (6,81 Newtons para a esquerda) faz sentido? Considere
a figura abaixo, na qual temos os conjuntos difusos de saída ativados. Pode-se dizer que a
indicação numérica de “defuzzificação” por COG é uma boa representação das
conclusões a que chegaram as regras ativadas. Nota-se que o valor de ucrisp está
aproximadamente no meio dos dois conjuntos difusos.
𝑑
e(t) = 0 e 𝑒(𝑡)= π/8 − π/32 (= 0,294)
𝑑𝑡
ou seja, o pêndulo invertido está se movendo para a esquerda com uma velocidade
pequena então, faz sentido puxar o carrinho com pouca força, que é o que o controlador
nebuloso indica como ação.
Referência Bibliográfica:
[1] D. Ruan, A. J. Vander Wal, Ariën. Controlling the power output of a nuclear reactor
with fuzzy logic. Information Sciences, v. 110, n. 3-4, p. 151-177, 1998.
[2] Fuzzy Open-Loop Attitude Control for the FAST Spacecraft, San Diego - CA, Julho
1996. Proc. of the NASA AIAA, Guidance, Navigation and Control Conference.
[3] P. of the NASA AIAA, editor. AutomatedManeuver Planning Using a Fuzzy Logic
Controller, SanDiego -CA, Julho 1996. Guidance: Navigation and Control Conference.
[5] S. Chiu and S. Chand. Adaptative Traffic Signal Control Using Fuzzy Logic. The
Institute of Eletrical and Eletronics Engineers, Inc., New York, 1994.
Texto extraído e modificado do artigo: Lógica Nebulosa Sandra Sandri, Cláudio Correa
INPE V Escola de Redes Neurais, Promoção: Conselho Nacional de Redes Neurais, pp.
c073-c090, 19 de julho, 1999 - ITA, São José dos Campos – SP.
10
IFSP – prof. Angelo – N9 – IAA
11