Universidade Federal da Paraı́ba

Centro de Energias Alternativas e Renováveis

Departamento de Engenharia Elétrica
Disciplina: Automação Inteligente

Avaliação 02 - Lógica Fuzzy - Parte 01

Relatório referente a prova 02 - automação inteligente
Gabryel Martins Raposo de Alencar

João Pessoa - Paraı́ba

2024
Lista de Figuras
Figura 1 Desenvolvimento no Matlab . . . . . . . . . . . . . . . . . . . . . . . . 9
Figura 2 Regras para número de pessoas. . . . . . . . . . . . . . . . . . . . . . . 10
Figura 3 Regras para tamanho do cômodo. . . . . . . . . . . . . . . . . . . . . . 10
Figura 4 Regras para temperatura atmosférica. . . . . . . . . . . . . . . . . . . 10
Figura 5 Regras para temperatura do quarto. . . . . . . . . . . . . . . . . . . . 10
Figura 6 Regras para capacidade de refrigeração. . . . . . . . . . . . . . . . . . 10
Figura 7 Regras para potência consumida. . . . . . . . . . . . . . . . . . . . . . 10
Figura 8 Regras para posição de inclinação. . . . . . . . . . . . . . . . . . . . . 10
Figura 9 Regras para velocidade do ventilador. . . . . . . . . . . . . . . . . . . . 11
Figura 10 Superfı́cie para tamanho cômodo, número de pessoas e capacidade de
refrigeração. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Figura 11 Superfı́cie para tamanho cômodo, número de pessoas e temperatura do
quarto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Figura 12 Superfı́cie para tamanho cômodo, temperatura atmosférica e tempera-
tura do quarto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Figura 13 Superfı́cie para tamanho cômodo, temperatura atmosférica e velocidade
do ventilador. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Figura 14 Superfı́cie para temperatura atmosférica, número de pessoas e capacidade
de refrigeração. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Figura 15 Modelo matlab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Figura 16 Regras para número de pessoas. . . . . . . . . . . . . . . . . . . . . . . 13
Figura 17 Regras para tamanho do cômodo. . . . . . . . . . . . . . . . . . . . . . 13
Figura 18 Regras para temperatura atmosférica. . . . . . . . . . . . . . . . . . . 13
Figura 19 Regras para temperatura do quarto. . . . . . . . . . . . . . . . . . . . 14
Figura 20 Regras para capacidade de refrigeração. . . . . . . . . . . . . . . . . . 14
Figura 21 Regras para potência consumida. . . . . . . . . . . . . . . . . . . . . . 14
Figura 22 Regras para posição de inclinação. . . . . . . . . . . . . . . . . . . . . 14
Figura 23 Regras para velocidade do ventilador. . . . . . . . . . . . . . . . . . . . 15
Figura 24 Resultados Modelo python . . . . . . . . . . . . . . . . . . . . . . . . . 15
Figura 25 Implementação sistema fuzzy através do Simulink. . . . . . . . . . . . . 16
Figura 26 Resultados dia tı́pico . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

I
Sumário
Lista de Figuras I

1 Revisão Bibliográfica sobre o Artigo 5

1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Proposta de Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Regras de Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Resultados e Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

2 Implementação 8
2.1 Em python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 No simulink . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Emulação dia tı́pico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

3 Resultados 17

4 Conclusão 18

Referências 19
1 Revisão Bibliográfica sobre o Artigo
1.1 Introdução
O artigo ”FUZZY LOGIC SIMULATIONS FOR A SMART AIR CONDITIONING
SYSTEM”, proposto por (K; RAMATHILAGAM, 2022), apresenta uma abordagem
inovadora para automatizar o controle de sistemas de ar condicionado utilizando técnicas
de lógica fuzzy. Ele destaca a importância dos sistemas de ar condicionado na vida diária
e sua evolução ao longo do tempo, culminando na proposta de um sistema inteligente
capaz de ajustar automaticamente suas configurações para otimizar o conforto térmico e a
eficiência energética.

1.2 Proposta de Design

O sistema proposto baseia-se na utilização de sensores infravermelhos (IR) e sonar
para determinar o número de pessoas no ambiente e o tamanho da sala, respectivamente.
Esses dados são processados por um sistema de lógica fuzzy, que ajusta automaticamente
a temperatura, a capacidade de resfriamento, o consumo de energia, a posição das pás e a
velocidade do ventilador, visando otimizar o conforto térmico e a eficiência energética.

1.3 Regras de Fuzzy

A função principal do artigo demonstrando o ar condicionado é resfriar o ambiente
usando a menor quantidade de corrente possı́vel, levando em consideração o tamanho do
ambiente, o número de pessoas nele, a temperatura externa e sua capacidade. Para o
sistema inteligente que é construı́do utilizando fuzzy, existem 27 regras para entrada e
saı́da. A tabela abaixo apresenta as regras de fuzzy desenvolvidas no estudo:

5
S.No N. Of Room Atmospheric Room Cooling Power Tilts Fan
Person Size Temp. Temp. Capacity Consumption Position speed
1 Less Small Cold Low Very cold Low Low Low
2 Less Medium Warm Medium Cold Medium Centre Medium
3 Less Large Hot High warm High High Fast
4 Normal Small Cold Low Very cold Low Low Low
5 Normal Medium Warm Medium Cold Medium Centre Medium
6 Normal Large Hot High warm High High Fast
7 More Small Cold Low Very cold Low Low Low
8 More Medium Warm Medium Cold Medium Centre Medium
9 More Large Hot High warm High High Fast
10 Less Small Cold Low Very cold Low Low Low
11 Normal Small Warm Medium Cold Medium Centre Medium
12 More Small Hot High warm High High Fast
13 Less Medium Cold Low Very cold Low Low Low
14 Normal Medium Warm Medium Cold Medium Centre Medium
15 More Medium Hot High warm High High Fast
16 Less Large Cold Low Very cold Low Low Low
17 Normal Large Warm Medium Cold Medium Centre Medium
18 More Large Hot High warm High High Fast
19 Less Less Cold Low Very cold Low Low Low
20 Normal Normal Cold Medium Cold Medium Centre Medium
21 More More Cold High warm High High Fast
22 Less Less Warm Low Very cold Low Low Low
23 Normal Normal Warm Medium Cold Medium Centre Medium
24 More More Warm High warm High High Fast
25 Less Less Hot Low Very cold Low Low Low
26 Normal Normal Hot Medium Cold Medium Centre Medium
27 More More Hot High warm High High Fast

Tabela 1: Regras Lógica Fuzzy.

Desse modo, os parâmetros de entrada para fuzzy que são o número de pessoas, tamanho
do ambiente e temperatura atmosférica são medidos através de sensores.

Sensor de Infravermelho

O sensor de infravermelho na placa de lógica detecta a presença de pessoas no ambiente.

Essa informação é então inserida no sistema de lógica difusa, que calcula a temperatura
ideal do ambiente com base no número de pessoas presentes. Por exemplo, se duas pessoas
entrarem, a temperatura ambiente é mantida em 24°C; se entrarem quatro pessoas, a
temperatura cai para 20°C, mantendo um nı́vel confortável para a fisiologia humana.

6
SONAR

O sistema utiliza o SONAR integrado à placa de lógica para determinar o tamanho do

ambiente. Com base nessa informação, a lógica difusa fornece a direção da inclinação da
aleta e a velocidade do ventilador. Por exemplo, em um ambiente grande, a inclinação
da aleta e a velocidade do ventilador são altas, enquanto em um ambiente pequeno, a
inclinação é baixa e a velocidade do ventilador depende do número de pessoas presentes.

Condição Atmosférica

O sistema também faz uso de sensores de temperatura e umidade externos para medir as
condições atmosféricas. Esses dados são inseridos no sistema de lógica difusa, que controla
se o ambiente deve ser mantido em uma temperatura baixa ou alta. Por exemplo, se a
temperatura ambiente estiver baixa, a temperatura interna do ambiente será ligeiramente
mais alta para manter o conforto. Se a temperatura ambiente for 30°C, a temperatura
interna desejada é de 24°C.

1.4 Resultados e Conclusão

A simulação do sistema de lógica fuzzy foi realizada utilizando o software MATLAB.
Foram fornecidos quatro entradas e cinco saı́das do sistema de lógica fuzzy, as quais
foram produzidas em termos de funções de pertinência. A análise dos resultados permitiu
observar a relação entre as variáveis de entrada e saı́da do sistema de ar condicionado,
evidenciando como o número de pessoas no ambiente, o tamanho da sala e a temperatura
ambiente influenciam nas configurações do sistema.
O sistema proposto representa um avanço significativo em relação aos sistemas de ar
condicionado convencionais, ao utilizar técnicas de lógica fuzzy para ajustar automatica-
mente suas configurações com base nas condições ambientais. Essa abordagem promete
melhorar o conforto térmico dos usuários e reduzir o consumo de energia, contribuindo
para uma maior eficiência energética e sustentabilidade ambiental.

7
2 Implementação
Este relatório apresenta o desenvolvimento e implementação da lógica fuzzy presente
no artigo ”FUZZY LOGIC SIMULATIONS FOR A SMART AIR CONDITIONING
SYSTEM”.

• Questão 1) Implementar o artigo de “FUZZY LOGIC SIMULATIONS

FOR A SMART AIR CONDITIONING SYSTEM”, que contém o de-
talhamento das variáveis de entrada e saı́da, a forma de fuzzyficar e
defuzzyficar, inferência do tipo Mamdani e base de regras. Reproduzir a
superfı́cie de regras e realizar as simulações de acordo com o artigo.

Para tanto, o sistema Mamdani foi implementado no matlab em um primeiro momento,

gerando o arquivo .fis enviado em anexo utilizando o toolbox ”fuzzyLogicDesigner”em que
podemos visualizar os as variáveis de entrada e graus de pertinência:

Tabela 2: Dados para variáveis de entrada

Variável Classificação Valores

Número de Pessoas Less [0, 0, 5]
Normal [2, 5, 8]
More [5, 10, 10]
Tamanho do Cômodo Small [0, 0, 100]
Medium [40, 100, 160]
Large [100, 200, 200]
Temperatura Atmosférica Cold [15, 15, 30.5]
Warm [22, 30.5, 39]
Hot [30.5, 45, 45]

8
 Para as variáveis de saı́da temos que:

Tabela 3: Dados para variáveis de saı́da

Variável Classificação Valores

Temperatura do Quarto Low [16, 16, 23]
Medium [19, 23, 27]
High [23, 30, 30]
Capacidade de Refrigeração Very Cold [3500, 3500, 4600]
Cold [4100, 4850, 5600]
Warm [5400, 6200, 6200]
Potência Consumida Low [1100, 1100, 1440]
Medium [1275, 1540, 1820]
High [1725, 2000, 2000]
Posição de Inclinação Low [0, 0, 12.5]
Centre [4, 15.5, 27]
High [19, 30, 30]
Velocidade do Ventilador Low [600, 600, 840]
Medium [678, 900, 1140]
Fast [960, 1200, 1200]

Desse modo, utilizando a 2 foram realizadas as regras do fuzzy e podemos observar a

seguir:

Figura 1: Desenvolvimento no Matlab

9
 Desse modo, temos o sistema com 3 inputs e 5 outputs, com um total de 27 regras
inclusas. A seguir podemos ver as entradas e saı́das com seus graus de pertinência em
gráfico:

Figura 2: Regras para número de pes- Figura 3: Regras para tamanho do

soas. cômodo.

Figura 4: Regras para temperatura atmosférica.

Figura 5: Regras para temperatura do Figura 6: Regras para capacidade de re-

quarto. frigeração.

Figura 7: Regras para potência consu- Figura 8: Regras para posição de in-
mida. clinação.

10
 Figura 9: Regras para velocidade do ventilador.

O sistema de lógica fuzzy controla o ar condicionado, ajustando a saı́da com base em

entradas especı́ficas. O visualizador de superfı́cie 3D mostra:
1. À medida que o número de pessoas aumenta, a temperatura ambiente aumenta,
enquanto o tamanho da sala aumenta, a temperatura ambiente diminui. A lógica mantém
a temperatura fria.
2. Mais pessoas e salas maiores aumentam a capacidade de refrigeração. A lógica
difusa mantém a capacidade correta.
3. O aumento da temperatura atmosférica e do tamanho da sala aumenta a velocidade
do ventilador. A lógica difusa mantém a temperatura moderada, controlando a velocidade
do ventilador.

Figura 10: Superfı́cie para tamanho Figura 11: Superfı́cie para tamanho
cômodo, número de pessoas e capacidade cômodo, número de pessoas e tempera-
de refrigeração. tura do quarto.

Figura 12: Superfı́cie para tamanho Figura 13: Superfı́cie para tamanho
cômodo, temperatura atmosférica e tem- cômodo, temperatura atmosférica e velo-
peratura do quarto. cidade do ventilador.

11
Figura 14: Superfı́cie para temperatura atmosférica, número de pessoas e capacidade de
refrigeração.

Podemos observar os resultados para as entradas [5,100,30.5] na figura 15.

Figura 15: Modelo matlab

Nesse modelo para as entradas [5,100,30.5] tivemos as respostas de:

• Temperatura do quarto: 23

• Capacidade de refrigeração: 4850

• Potência consumida: 1540

• Posição de inclinação: 15.5

• Velocidade do ventilador: 678

12
2.1 Em python
• Questão 2) A partir do sistema fuzzy implementado, gerar 2 versões em
script (MATLAB ou PYTHON) e MATLAB/simulink.

A implementação em python se deu utilizando a biblioteca scikit fuzzy no google colab.

Utilizando os mesmos critérios foram definidas as variáveis de entrada: Número de pessoas,
tamanho do cômodo e temperatura atmosférica.
Para tanto, foram posteriormente criadas as funções de pertinência de entrada e saı́da
utilizando a mesma biblioteca e, por fim, as regras de controle.
Podemos identificar as regras de pertinência nos gráficos a seguir que foram plotados
utilizando a biblioteca matplotlib.
Para as entradas temos os seguintes gráficos:

Figura 16: Regras para número de pes- Figura 17: Regras para tamanho do
soas. cômodo.

Figura 18: Regras para temperatura atmosférica.

13
 Para as saı́das temos os seguintes gráficos:

Figura 19: Regras para temperatura do Figura 20: Regras para capacidade de
quarto. refrigeração.

Figura 21: Regras para potência consu- Figura 22: Regras para posição de in-
mida. clinação.

14
 Figura 23: Regras para velocidade do ventilador.

Podemos observar os resultados para as entradas [5,100,30.5] na figura 24.

Figura 24: Resultados Modelo python

O código python foi enviado em anexo junto ao relatório.

15
2.2 No simulink
Portanto, nessa seção será apresentada a aplicação utilizando o sistema fuzzy no
simulink. Sendo assim, a figura 25 ilustra as três variáveis de entrada - número de pessoas,
tamanho do cômodo e temperatura atmosférica - juntamente com as cinco variáveis de
saı́da - temperatura do quarto, capacidade de refrigeração, posição de inclinação, velocidade
do ventilador e potência consumida - do sistema fuzzy.

Figura 25: Implementação sistema fuzzy através do Simulink.

Desse modo, as três implementações obtiveram os mesmos resultados que os do artigo,

sendo os códigos implementados com sucesso.

2.3 Emulação dia tı́pico

• Questão 3) Emule o funcionamento de um dia tı́pico, com diferente
número de pessoas, e temperatura ambiente. Fixe o tamanho do quarto.
A partir do resultado, análise a INTERPRETABILIDADE dos resultados.
Procure artigos/material bibliográfico que permitam auxiliar a análise da
interpretabilidade fuzzy.

Para essa questão, foi considerado uma sala comercial com dois atendentes fixos de
50m2 , onde o fluxo de pessoas varia aleatóriamente e a temperatura atmosférica varia a
cada hora, considerando a análise durante o perı́odo das 8h até as 18h da tarde. Desse
modo, considerando que a aplicação do sistema no equipamento de refrigeração tem por
objetivo controlar seu funcionamento de modo a obter a maior economia de energia possı́vel
durante um dia tı́pico, temos os valores variados na tabela 4.

16
 Tabela 4: Valores de entrada.

Hora Núm Pessoas Temp Atmosférica (◦ C)

8:00 2 27
9:00 3 28
10:00 8 29
11:00 4 29.5
12:00 7 30.7
13:00 5 31
14:00 3 31.4
15:00 5 31.6
16:00 6 31.8
17:00 4 31
18:00 3 31.2

Fonte: Autoria própria.

3 Resultados
Na parte de resultados era necessário realizar a emulação de um dia tı́pico como no
artigo. Após a simulação utilizando os valores de entrada da tabela 5 foram obtidas as
seguintes respostas:

Hora Temp. do Quarto Cap. Refrigeração Pot. Consumida Posição de Inclinação Vel. do Ventilador

8:00 21.15 3927.78 1532.04 14.71 885.07

9:00 21.92 4447.43 1549.93 15.05 881.99
10:00 23.33 4850.00 1497.80 15.63 925.02
11:00 22.86 4654.30 1576.78 14.63 885.07
12:00 23.97 4850.00 1491.10 16.39 902.84
13:00 23.20 4850.00 1535.36 15.64 888.34
14:00 21.92 4447.43 1582.04 14.49 889.06
15:00 23.43 4850.00 1523.13 15.82 892.62
16:00 23.85 4850.00 1497.80 16.27 903.10
17:00 22.86 4654.30 1585.62 14.50 888.34
18:00 21.92 4447.43 1586.71 14.41 887.41

Tabela 5: Regras Lógica Fuzzy.

O código python enviado em anexo apresenta tal simulação. A seguir são demonstrados
os outputs a medida que a hora passa durante o dia do estabelecimento comercial.

17
 Figura 26: Resultados dia tı́pico

Desse modo, é possı́vel analisar as seguintes presmissas:

• A velocidade do ventilador aumenta à medida que é aumentada a quantidade de

pessoas e a temperatura atmosférica.

• A temperatura do quarto aumenta à medida que aumenta a quantidade de pessoas e

a temperatura atmosférica.

• A capacidade de refrigeração aumenta à medida que aumenta a quantidade de pessoas

e a temperatura atmosférica.

• A posição de inclinação aumenta à medida que a temperatura atmosférica e o número

de pessoas são aumentados.

4 Conclusão
Por fim, após a análise e implementação do artigo ”Fuzzy Logic Simulations for a
Smart Air Conditioning System”, os resultados obtidos nas questões iniciais revelaram-se
satisfatórios. Através do mesmo código, foi possı́vel realizar uma avaliação detalhada
do comportamento de um dia tı́pico em um ambiente simulado, proporcionando uma
compreensão mais profunda do controle de sistemas de climatização inteligentes.

18
 Um dos aspectos mais destacáveis dessa experiência foi a aprendizagem obtida com a
aplicação da lógica fuzzy. Ao utilizar essa abordagem, percebemos como a modelagem
da incerteza e imprecisão inerentes ao comportamento humano e ao ambiente pode ser
essencial para a eficiência e adaptabilidade de sistemas de controle.

Referências
K, R.; RAMATHILAGAM, S. Fuzzy logic simulations for a smart air conditioning system.
PREPRINT, 11 2022. Version 1 available at Research Square ⟨https://doi.org/10.21203/
rs.3.rs-1996880/v1⟩.

19