Você está na página 1de 197

Universidade Estadual de Campinas Faculdade de Engenharia Eltrica e de Computao

Controlador Nebuloso de Arquitetura Simplificada Estudo de Caso: Acionamento de Motor de Induo Trifsico

Autor: Mrio Eduardo Bordon Orientador: Osas Valente de Avilez Filho

Tese de Doutorado apresentada Faculdade de Engenharia Eltrica e de Computao como parte dos requisitos para obteno do ttulo de Doutor em Engenharia Eltrica. rea de concentrao: Eletrnica, Microeletrnica e Optoeletrnica.

Banca Examinadora
Edwin Avolio, Dr. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . FEB/UNESP Elnatan Chagas Ferreira, Dr. . . . . . . . . . . . . . . . . . FEEC/UNICAMP Ivan Nunes da Silva, Dr. . . . . . . . . . . . . . . . . . . . . . . . . . . EESC/USP Jos Carlos Rossi, Dr. . . . . . . . . . . . . . . . . . . . . . . . . . . FEIS/UNESP Osas Valente de Avilez Filho, Dr. . . . . . . . . . . . . FEEC/UNICAMP

Campinas, SP Outubro de 2004

ii Ficha Catalogrfica

FICHA CATALOGRFICA ELABORADA PELA BIBLIOTECA DA REA DE ENGENHARIA - BAE - UNICAMP

B644c

Bordon, Mrio Eduardo Controlador nebuloso de arquitetura simplificada estudo de caso: acionamento de motor de induo trifsico / Mrio Eduardo Bordon. --Campinas, SP: [s.n.], 2004. Orientador: Osas Valente de Avilez Filho. Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eltrica e de Computao. 1. Controle digital. 2. Controle em tempo real. 3. Lgica difusa. 4. Redes neurais (Computao). 5. Motores eltricos de induo. I. Avilez Filho, Osas Valente de. II. Universidade Estadual de Campinas. Faculdade de Engenharia Eltrica e de Computao. III. Ttulo.

ii

iii Dedicatria

Dedico este trabalho Comunidade Jesus Maria Jos e minha Famlia, em especial Lucia, Filipe e Isabela cujas oraes, alegria e amor incondicional, tm sido decisivos em todos os momentos de minha vida.

iii

iv

iv

v Agradecimentos

Este trabalho no teria sido possvel sem a ajuda e contribuio de vrias pessoas: Osas Valente de Avilez Filho Edwin Avolio e Ivo Reis Fontes Maurcio Jos Bordon Alceu Ferreira Alves Todos os Amigos do Dee-Feb-Unesp

vi

vi

vii Resumo - Abstract

Resumo
O objetivo deste trabalho foi o desenvolvimento de um controlador digital simples e eficiente, utilizando conceitos de lgica nebulosa, aplicado no acionamento de um motor de induo trifsico. Trata-se de um trabalho de engenharia aplicada, que apresenta o projeto de um controlador nebuloso de arquitetura simplificada, que emprega uma estrutura padronizada para representao das funes de pertinncia e permite efetuar a ponderao dos termos lingsticos. Para avaliar o desempenho deste controlador, foi implementado um sistema para acionamento do motor de induo, com freqncia de operao controlada e limitao de corrente, capaz de gerar em tempo real, um perfil de freqncia adequado, sempre que um novo valor para freqncia de operao seja estabelecido. No projeto deste controlador, optou-se pela utilizao de um sistema digital de baixo custo, baseado em microcontroladores de 8 bits, mesmo assim, os resultados obtidos superaram as expectativas, comprovando a viabilidade operacional deste controlador nebuloso de arquitetura simplificada, para acionamento do motor de induo, evitando que a corrente ultrapasse o limite estipulado e impedindo o desligamento desnecessrio do sistema. Palavras-Chave: Controle Digital, Lgica Nebulosa, Motor de Induo e Redes Neurais.

Abstract
This work presents a new approach of a simple and efficient digital controller, which uses the fuzzy logic concepts to drive a three-phase induction motor in a practical engineering application. In order to represent the membership functions and carry out the weighting up of linguistic terms a custom structure was used in the fuzzy logic controller. The performance evaluation of the digital controller was verified using a new strategy of induction motor drive for speed control and input current restriction. This fuzzy logic controller with simplified architecture applied in a real time speed control assures the current restriction and the normal operation of the induction motor. The control strategy operates in closed loop and has a dynamic gain adjustment that provides the soft start requirements. The closed loop frequency control allows to adjust the desired value of the rotation frequency, while the closed loop current control assures that current doesn't cross the limit stipulated for motor drive. The versatility of this digital controller based on low cost 8 bits microcontrollers can be verified from the results presented. The accuracy and time response could be compared to the other conventional systems using scalar or vector techniques. Key-Words: Digital Control, Fuzzy Logic, Induction Motors and Neural Networks.

vii

viii

viii

ix Sumrio

Sumrio
Sumrio ......................................................................................................................................... ix Lista de Figuras .......................................................................................................................... xiii Lista de Tabelas ......................................................................................................................... xvii Trabalhos Publicados ................................................................................................................. xix Captulo 1 ....................................................................................................................................... 1 Contexto e Motivao.................................................................................................................... 1 1.1 Introduo ............................................................................................................................. 1 1.2 Objetivo do Trabalho ............................................................................................................ 5 1.3 Apresentao......................................................................................................................... 7 1.3.1 Descrio dos Captulos................................................................................................ 7 1.3.2 Descrio dos Apndices .............................................................................................. 8 Captulo 2 ....................................................................................................................................... 9 Controlador Nebuloso de Arquitetura Simplificada.................................................................. 9 2.1 Introduo ............................................................................................................................. 9 2.2 Variveis de Entrada........................................................................................................... 10 2.3 Varivel de Sada ................................................................................................................ 12 2.4 Procedimentos de Fuzzificao .......................................................................................... 15 2.4.1 Fuzzificao com Inferncia Direta ............................................................................ 16 2.4.2 Fuzzificao com Inferncia Indireta.......................................................................... 17 2.5 Procedimentos de Defuzzificao....................................................................................... 18 2.5.1 Defuzzificao com Inferncia Direta ........................................................................ 19 2.5.2 Defuzzificao com Inferncia Indireta ...................................................................... 22 2.6 Simulao Computacional .................................................................................................. 25 2.6.1 Resultados de Simulao Computacional ................................................................... 26 2.6.2 Controle Nebuloso com Inferncia Direta .................................................................. 27 2.6.3 Controle Nebuloso com Inferncia Indireta................................................................ 31 2.7 Controlador Neuro-Nebuloso ............................................................................................. 35 2.7.1 Operador de Agregao .............................................................................................. 36 2.7.2 Controle Direto com Funo Quadrtica .................................................................... 38 2.7.3 Controle Direto com Funo Exponencial.................................................................. 40 2.7.4 Controle Indireto com Funo Quadrtica.................................................................. 42 2.7.5 Controle Indireto com Funo Exponencial ............................................................... 44 Captulo 3 ..................................................................................................................................... 47 Acionamento de Mquinas Eltricas de Induo ..................................................................... 47 3.1 Introduo ........................................................................................................................... 47 3.2 Motores de Induo Trifsicos ........................................................................................... 48 3.3 Descrio do Sistema de Controle ...................................................................................... 50 3.3.1 Unidade de Controle ................................................................................................... 51 3.3.2 Circuito Gerador de Pulsos ......................................................................................... 51 3.3.3 Inversor de Tenso Trifsico....................................................................................... 52 3.3.4 Motor de Induo Trifsico......................................................................................... 52 3.4 Estratgias de Controle ....................................................................................................... 53 3.4.1 Controle Proporcional Integral Derivativo ................................................................. 54 3.4.2 Controle Nebuloso com Inferncia Direta .................................................................. 56
ix

x Sumrio

3.4.3 Controle Nebuloso com Inferncia Indireta ................................................................ 59 3.4.4 Estratgia de Controle Neuro-Nebulosa ...................................................................... 62 3.5 Simulao Computacional................................................................................................... 66 3.5.1 Simulao do Motor de Induo.................................................................................. 67 3.5.2 Simulao do Motor de Induo com Inversor ........................................................... 69 3.5.3 Simulao do Sensor de Corrente................................................................................ 71 3.5.4 Simulao do Sensor de Corrente com Inversor ......................................................... 72 3.5.5 Motor de Induo com Perfil de Freqncia Senoidal ................................................ 73 3.5.6 Sensor de Corrente com Perfil de Freqncia Senoidal .............................................. 74 Captulo 4...................................................................................................................................... 75 Implementao do Sistema de Controle..................................................................................... 75 4.1 Introduo............................................................................................................................ 75 4.2 Descrio do Sistema de Controle ...................................................................................... 76 4.2.1 Inversor de Tenso ...................................................................................................... 76 4.2.2 Motor de Induo ........................................................................................................ 76 4.2.3 Gerador Sncrono......................................................................................................... 76 4.2.4 Sensor de Corrente....................................................................................................... 77 4.2.5 Torqumetro Rotativo .................................................................................................. 77 4.2.6 Tacmetro Digital........................................................................................................ 77 4.3 Circuitos Condicionadores de Sinais................................................................................... 77 4.3.1 Sinal de Controle ......................................................................................................... 78 4.3.2 Sinal de Conjugado...................................................................................................... 78 4.3.3 Sinal de Corrente ......................................................................................................... 79 4.3.4 Sinal de Freqncia ..................................................................................................... 79 4.4 Sistema de Aquisio de Dados .......................................................................................... 80 4.4.1 Placa de Aquisio de Dados ...................................................................................... 80 4.4.2 Sinais de Entrada e Sada............................................................................................. 81 4.5 Apresentao de Resultados................................................................................................ 82 4.5.1 Motor de Induo e Gerador Sncrono ........................................................................ 82 4.5.2 Controle Proporcional Integral Derivativo .................................................................. 87 4.5.3 Controle Nebuloso com Inferncia Direta................................................................... 96 4.5.4 Controle Nebuloso com Inferncia Indireta .............................................................. 105 4.5.5 Estratgia de Controle Neuro-Nebulosa .................................................................... 114 Captulo 5.................................................................................................................................... 123 Anlise de Resultados e Concluso........................................................................................... 123 5.1 Introduo.......................................................................................................................... 123 5.2 Anlise de Resultados ....................................................................................................... 125 5.2.1 Tempo de Resposta do Motor de Induo ................................................................. 125 5.2.2 Comportamento do Sistema de Controle................................................................... 127 5.3 Concluso .......................................................................................................................... 130 5.3.1 Estratgias de Controle.............................................................................................. 131 5.3.2 Trabalhos Futuros ...................................................................................................... 132 Apndice 1................................................................................................................................... 133 Lgica Nebulosa ......................................................................................................................... 133 1.1 Introduo.......................................................................................................................... 133 1.2 Fundamentos da Lgica Nebulosa .................................................................................... 134 1.3 Descrio de Sistemas e Processos ................................................................................... 141
x

xi Sumrio

1.4 Sistemas de Controle Nebulosos....................................................................................... 147 1.4.1 Interface de Fuzzificao .......................................................................................... 148 1.4.2 Base de Conhecimento.............................................................................................. 148 1.4.3 Base de Dados ........................................................................................................... 148 1.4.4 Procedimento de Inferncia ...................................................................................... 149 1.4.5 Interface de Defuzzificao ...................................................................................... 149 1.4.6 Operador de Agregao ............................................................................................ 149 1.5 Projeto de Controladores Nebulosos................................................................................. 149 Apndice 2 .................................................................................................................................. 151 Redes Neurais Artificiais........................................................................................................... 151 2.1 Introduo ......................................................................................................................... 151 2.2 Elemento Linear Adaptativo............................................................................................. 151 2.3 Cerebellar Model Articulation Controller......................................................................... 154 2.4 Transformaes Presentes no CMAC............................................................................... 155 2.4.1 Transformao SM................................................................................................ 155 2.4.2 Transformao MA ............................................................................................... 157 2.4.3 Transformao AYe............................................................................................... 158 2.5 Treinamento do CMAC .................................................................................................... 158 2.6 Requisitos de Memria ..................................................................................................... 159 2.7 CMAC Alternativo ........................................................................................................... 160 2.8 CMAC Pesos Discretos .................................................................................................... 162 Apndice 3 .................................................................................................................................. 165 Mquinas Eltricas de Induo ................................................................................................ 165 3.1 Introduo ......................................................................................................................... 165 3.2 Motores de Induo Trifsicos ......................................................................................... 165 3.3 Modelo Matemtico do Motor de Induo ....................................................................... 166 3.4 Conversor de Freqncia .................................................................................................. 169 3.5 Modelo Matemtico do Conversor ................................................................................... 169 Referncias Bibliogrficas ........................................................................................................ 173 Bibliografia Complementar ...................................................................................................... 177

xi

xii

xii

xiii Lista de Figuras

Lista de Figuras
Sumrio ......................................................................................................................................... ix Lista de Figuras .......................................................................................................................... xiii Lista de Tabelas ......................................................................................................................... xvii Trabalhos Publicados ................................................................................................................. xix Captulo 1 ....................................................................................................................................... 1 Contexto e Motivao.................................................................................................................... 1 Figura 1.1 Varivel Lingstica Temperatura............................................................................. 2 Captulo 2 ....................................................................................................................................... 9 Controlador Nebuloso de Arquitetura Simplificada.................................................................. 9 Figura 2.1 Funes de Pertinncia da Entrada (x) .................................................................... 11 Figura 2.2 Funes de Pertinncia da Entrada (y) .................................................................... 11 Figura 2.3 Pesos Associados Varivel de Sada .................................................................... 13 Figura 2.4 Funes de Pertinncia da Varivel de Sada.......................................................... 13 Figura 2.5 Controle com Inferncia Direta (1o Caso)............................................................... 15 Figura 2.6 Controle com Inferncia Indireta (2o Caso) ............................................................ 15 Figura 2.7 Grfico dos Pesos com Funo Linear (1o Caso) .................................................... 20 Figura 2.8 Variveis Cartesianas com Funo Linear (1o Caso) .............................................. 21 Figura 2.9 Aes de Controle com Funo Linear (1o Caso) ................................................... 21 Figura 2.10 Grfico dos Pesos com Funo Linear (2o Caso) .................................................. 23 Figura 2.11 Variveis Cartesianas com Funo Linear (2o Caso) ............................................ 24 Figura 2.12 Aes de Controle com Funo Linear (2o Caso) ................................................. 24 Figura 2.13 Resposta do Sistema de Segunda Ordem h(t) ....................................................... 26 Figura 2.14 Controle com Inferncia Direta (1o Caso)............................................................. 27 Figura 2.15 Resposta do Sistema (1o Caso, Kp=1.0)................................................................ 28 Figura 2.16 Aes de Controle (1o Caso, Kp=1.0) ................................................................... 28 Figura 2.17 Resposta do Sistema (1o Caso, Kp=2.0)................................................................ 29 Figura 2.18 Aes de Controle (1o Caso, Kp=2.0) ................................................................... 29 Figura 2.19 Resposta do Sistema (1o Caso, Kp=3.0)................................................................ 30 Figura 2.20 Aes de Controle (1o Caso, Kp=3.0) ................................................................... 30 Figura 2.21 Controle com Inferncia Indireta (2o Caso) .......................................................... 31 Figura 2.22 Resposta do Sistema (2o Caso, Kp=0.5)................................................................ 32 Figura 2.23 Aes de Controle (2o Caso, Kp=0.5) ................................................................... 32 Figura 2.24 Resposta do Sistema (2o Caso, Kp=1.0)................................................................ 33 Figura 2.25 Aes de Controle (2o Caso, Kp=1.0) ................................................................... 33 Figura 2.26 Resposta do Sistema (2o Caso, Kp=1.5)................................................................ 34 Figura 2.27 Aes de Controle (2o Caso, Kp=1.5) ................................................................... 34 Figura 2.28 Procedimento de Treinamento............................................................................... 36 Figura 2.29 Procedimento de Estimao .................................................................................. 36 Figura 2.30 Memria do Controlador Neuro-Nebuloso ........................................................... 37 Figura 2.31 Arquitetura do Controlador Neuro-Nebuloso........................................................ 37 Figura 2.32 Pesos com Funo Quadrtica (1o Caso)............................................................... 38 Figura 2.33 Rede Neural com Funo Quadrtica (1o Caso).................................................... 39 Figura 2.34 Aes de Controle com Funo Quadrtica (1o Caso) .......................................... 39 Figura 2.35 Pesos com Funo Exponencial (1o Caso) ............................................................ 40
xiii

xiv Lista de Figuras

Figura 2.36 Rede Neural com Funo Exponencial (1o Caso).................................................. 41 Figura 2.37 Aes de Controle com Funo Exponencial (1o Caso) ........................................ 41 Figura 2.38 Pesos com Funo Quadrtica (2o Caso) ............................................................... 42 Figura 2.39 Rede Neural com Funo Quadrtica (2o Caso) .................................................... 43 Figura 2.40 Aes de Controle com Funo Quadrtica (2o Caso) .......................................... 43 Figura 2.41 Pesos com Funo Exponencial (2o Caso)............................................................. 44 Figura 2.42 Rede Neural com Funo Exponencial (2o Caso).................................................. 45 Figura 2.43 Aes de Controle com Funo Exponencial (2o Caso) ........................................ 45 Captulo 3...................................................................................................................................... 47 Acionamento de Mquinas Eltricas de Induo...................................................................... 47 Figura 3.1 Diagrama do Sistema de Controle ........................................................................... 50 Figura 3.2 Estratgia de Controle PID ...................................................................................... 55 Figura 3.3 Controle Nebuloso com Inferncia Direta ............................................................... 56 Figura 3.4 Funes de Pertinncia das Entradas (1o Caso) ....................................................... 57 Figura 3.5 Funes de Pertinncia da Varivel de Sada (1o Caso) .......................................... 58 Figura 3.6 Controle Nebuloso com Inferncia Indireta............................................................. 59 Figura 3.7 Funes de Pertinncia das Entradas (2o Caso) ....................................................... 60 Figura 3.8 Funes de Pertinncia da Varivel de Sada (2o Caso) .......................................... 61 Figura 3.9 Estratgia de Controle Neuro-Nebulosa .................................................................. 62 Figura 3.10 Funes de Pertinncia das Entradas ..................................................................... 63 Figura 3.11 Conjunto de Pesos com Funo No-Linear.......................................................... 64 Figura 3.12 Rede Neural Artificial com Funo No-Linear.................................................... 65 Figura 3.13 Aes de Controle com Funo No-Linear.......................................................... 65 Figura 3.14 Corrente de Partida do Motor de Induo.............................................................. 68 Figura 3.15 Conjugado de Partida do Motor de Induo .......................................................... 68 Figura 3.16 Tenso e Corrente de Regime do Motor de Induo ............................................. 68 Figura 3.17 Corrente de Partida do Motor de Induo com Inversor ....................................... 70 Figura 3.18 Conjugado de Partida do Motor de Induo com Inversor.................................... 70 Figura 3.19 Tenso e Corrente de Regime do Motor de Induo com Inversor ....................... 70 Figura 3.20 Resposta de Sensor de Corrente na Partida ........................................................... 71 Figura 3.21 Resposta de Sensor de Corrente em Regime ......................................................... 71 Figura 3.22 Resposta de Sensor de Corrente na Partida com Inversor ..................................... 72 Figura 3.23 Resposta de Sensor de Corrente em Regime com Inversor ................................... 72 Figura 3.24 Perfil de Freqncia Senoidal com Inversor.......................................................... 73 Figura 3.25 Tenso e Corrente do Motor de Induo com Inversor ......................................... 73 Figura 3.26 Tenso de Entrada do Motor de Induo com Inversor......................................... 74 Figura 3.27 Corrente de Entrada do Motor de Induo com Inversor ...................................... 74 Captulo 4...................................................................................................................................... 75 Implementao do Sistema de Controle..................................................................................... 75 Figura 4.1 Diagrama em Blocos do Sistema de Controle ......................................................... 75 Figura 4.2 Corrente de Partida e Freqncia de Rotao (Ensaio PD) ..................................... 83 Figura 4.3 Conjugado de Carga e Freqncia de Rotao (Ensaio PD) ................................... 83 Figura 4.4 Corrente de Partida: Valor Instantneo e Valor Eficaz (Ensaio CE) ....................... 84 Figura 4.5 Corrente de Regime: Valor Instantneo e Valor Eficaz (Ensaio CE)...................... 84 Figura 4.6 Corrente de Partida e Freqncia de Rotao (Ensaio PDex) ................................. 85 Figura 4.7 Conjugado de Carga e Freqncia de Rotao (Ensaio PDex)................................ 85 Figura 4.8 Corrente de Partida: Valor Instantneo e Valor Eficaz (Ensaio CEex) ................... 86
xiv

xv Lista de Figuras

Figura 4.9 Corrente de Regime: Valor Instantneo e Valor Eficaz (Ensaio CEex).................. 86 Figura 4.10 Sistema de Controle Proporcional Integral Derivativa.......................................... 87 Figura 4.11 Resultado de Simulao com Matlab (Ensaio PID08) .......................................... 89 Figura 4.12 Resultado Prtico obtido em Laboratrio (Ensaio PID08).................................... 89 Figura 4.13 Resultado de Simulao com Matlab (Ensaio PID12) .......................................... 90 Figura 4.14 Resultado Prtico obtido em Laboratrio (Ensaio PID12).................................... 90 Figura 4.15 Resultado de Simulao com Matlab (Ensaio PID16) .......................................... 91 Figura 4.16 Resultado Prtico obtido em Laboratrio (Ensaio PID16).................................... 91 Figura 4.17 Resultado de Simulao com Matlab (Ensaio PID08ex) ...................................... 93 Figura 4.18 Resultado Prtico obtido em Laboratrio (Ensaio PID08ex)................................ 93 Figura 4.19 Resultado de Simulao com Matlab (Ensaio PID12ex) ...................................... 94 Figura 4.20 Resultado Prtico obtido em Laboratrio (Ensaio PID12ex)................................ 94 Figura 4.21 Resultado de Simulao com Matlab (Ensaio PID16ex) ...................................... 95 Figura 4.22 Resultado Prtico obtido em Laboratrio (Ensaio PID16ex)................................ 95 Figura 4.23 Sistema de Controle Nebuloso com Inferncia Direta .......................................... 96 Figura 4.24 Resultado de Simulao com Matlab (Ensaio NiD08).......................................... 98 Figura 4.25 Resultado Prtico obtido em Laboratrio (Ensaio NiD08) ................................... 98 Figura 4.26 Resultado de Simulao com Matlab (Ensaio NiD12).......................................... 99 Figura 4.27 Resultado Prtico obtido em Laboratrio (Ensaio NiD12) ................................... 99 Figura 4.28 Resultado de Simulao com Matlab (Ensaio NiD16)........................................ 100 Figura 4.29 Resultado Prtico obtido em Laboratrio (Ensaio NiD16) ................................. 100 Figura 4.30 Resultado de Simulao com Matlab (Ensaio NiD08ex).................................... 102 Figura 4.31 Resultado Prtico obtido em Laboratrio (Ensaio NiD08ex) ............................. 102 Figura 4.32 Resultado de Simulao com Matlab (Ensaio NiD12ex).................................... 103 Figura 4.33 Resultado Prtico obtido em Laboratrio (Ensaio NiD12ex) ............................. 103 Figura 4.34 Resultado de Simulao com Matlab (Ensaio NiD16ex).................................... 104 Figura 4.35 Resultado Prtico obtido em Laboratrio (Ensaio NiD16ex) ............................. 104 Figura 4.36 Sistema de Controle Nebuloso com Inferncia Indireta...................................... 105 Figura 4.37 Resultado de Simulao com Matlab (Ensaio NiI08) ......................................... 107 Figura 4.38 Resultado Prtico obtido em Laboratrio (Ensaio NiI08)................................... 107 Figura 4.39 Resultado de Simulao com Matlab (Ensaio NiI12) ......................................... 108 Figura 4.40 Resultado Prtico obtido em Laboratrio (Ensaio NiI12)................................... 108 Figura 4.41 Resultado de Simulao com Matlab (Ensaio NiI16) ......................................... 109 Figura 4.42 Resultado Prtico obtido em Laboratrio (Ensaio NiI16)................................... 109 Figura 4.43 Resultado de Simulao com Matlab (Ensaio NiI08ex) ..................................... 111 Figura 4.44 Resultado Prtico obtido em Laboratrio (Ensaio NiI08ex) ............................... 111 Figura 4.45 Resultado de Simulao com Matlab (Ensaio NiI12ex) ..................................... 112 Figura 4.46 Resultado Prtico obtido em Laboratrio (Ensaio NiI12ex) ............................... 112 Figura 4.47 Resultado de Simulao com Matlab (Ensaio NiI16ex) ..................................... 113 Figura 4.48 Resultado Prtico obtido em Laboratrio (Ensaio NiI16ex) ............................... 113 Figura 4.49 Sistema com Estratgia de Controle Neuro-Nebulosa ........................................ 114 Figura 4.50 Resultado de Simulao com Matlab (Ensaio NeN08) ....................................... 116 Figura 4.51 Resultado Prtico obtido em Laboratrio (Ensaio NeN08)................................. 116 Figura 4.52 Resultado de Simulao com Matlab (Ensaio NeN12) ....................................... 117 Figura 4.53 Resultado Prtico obtido em Laboratrio (Ensaio NeN12)................................. 117 Figura 4.54 Resultado de Simulao com Matlab (Ensaio NeN16) ....................................... 118 Figura 4.55 Resultado Prtico obtido em Laboratrio (Ensaio NeN16)................................. 118
xv

xvi Lista de Figuras

Figura 4.56 Resultado de Simulao com Matlab (Ensaio NeN08ex).................................... 120 Figura 4.57 Resultado Prtico obtido em Laboratrio (Ensaio NeN08ex) ............................. 120 Figura 4.58 Resultado de Simulao com Matlab (Ensaio NeN12ex).................................... 121 Figura 4.59 Resultado Prtico obtido em Laboratrio (Ensaio NeN12ex) ............................. 121 Figura 4.60 Resultado de Simulao com Matlab (Ensaio NeN16ex).................................... 122 Figura 4.61 Resultado Prtico obtido em Laboratrio (Ensaio NeN16ex) ............................. 122 Captulo 5.................................................................................................................................... 123 Anlise de Resultados e Concluso........................................................................................... 123 Figura 5.1 Tempo de Resposta do Motor de Induo com Inversor de Tenso...................... 126 Figura 5.2 Comportamento do Sistema de Controle com Corrente de Partida 16A ............... 127 Figura 5.3 Comportamento do Sistema de Controle com Corrente de Partida 12A ............... 128 Figura 5.4 Preciso do Sistema para Diferentes Estratgias de Controle ............................... 129 Apndice 1................................................................................................................................... 133 Lgica Nebulosa ......................................................................................................................... 133 Figura 1.1 Funes de Pertinncia .......................................................................................... 135 Figura 1.2 Varivel Lingstica Temperatura ......................................................................... 138 Figura 1.3 Regra de Inferncia Composicional....................................................................... 140 Figura 1.4 Mecanismo de Inferncia....................................................................................... 141 Figura 1.5 Funo Descrita por Equao Matemtica ............................................................ 141 Figura 1.6 Funo Descrita por Regras Lingsticas Exatas................................................... 142 Figura 1.7 Funo Descrita por Regras Lingsticas Nebulosas............................................. 145 Figura 1.8 Funo Descrita por Rede Neural Artificial .......................................................... 146 Figura 1.9 Estrutura Bsica de um Controlador Nebuloso...................................................... 148 Apndice 2................................................................................................................................... 151 Redes Neurais Artificiais ........................................................................................................... 151 Figura 2.1 Elemento Linear Adaptativo Padro...................................................................... 151 Figura 2.2 Funes Tpicas de Ativao de Sada .................................................................. 152 Figura 2.3 Exemplo de Elemento Linear Adaptativo.............................................................. 153 Figura 2.4 Hiperplano Separador ............................................................................................ 153 Figura 2.5 Modelo Simplificado do Cerebelo......................................................................... 155 Figura 2.6 Funes de Quantizao ........................................................................................ 156 Figura 2.7 Conjunto S e Regio Ativa para S=(X0,Y0)........................................................... 160 Apndice 3................................................................................................................................... 165 Mquinas Eltricas de Induo ................................................................................................ 165 Figura 3.1 Diagrama Fasorial.................................................................................................. 166 Referncias Bibliogrficas......................................................................................................... 173 Bibliografia Complementar ...................................................................................................... 177

xvi

xvii Lista de Tabelas

Lista de Tabelas
Sumrio ......................................................................................................................................... ix Lista de Figuras .......................................................................................................................... xiii Lista de Tabelas ......................................................................................................................... xvii Trabalhos Publicados ................................................................................................................. xix Captulo 1 ....................................................................................................................................... 1 Contexto e Motivao.................................................................................................................... 1 Captulo 2 ....................................................................................................................................... 9 Controlador Nebuloso de Arquitetura Simplificada.................................................................. 9 Tabela 2.1 Representao Binria das Variveis de Entrada.................................................... 10 Tabela 2.2 Representao Binria da Varivel de Sada .......................................................... 12 Tabela 2.3 Valor dos Pesos Associados Varivel de Sada ................................................... 13 Tabela 2.4 Fuzzificao com Inferncia Direta ........................................................................ 16 Tabela 2.5 Fuzzificao com Inferncia Indireta...................................................................... 17 Tabela 2.6 Defuzzificao da Varivel de Sada ...................................................................... 18 Tabela 2.7 Termos Lingsticos com Inferncia Direta ........................................................... 19 Tabela 2.8 Aes de Controle com Inferncia Direta............................................................... 20 Tabela 2.9 Termos Lingsticos com Inferncia Indireta ......................................................... 22 Tabela 2.10 Aes de Controle com Inferncia Indireta .......................................................... 23 Tabela 2.11 Aes de Controle com Funo Quadrtica.......................................................... 38 Tabela 2.12 Aes de Controle com Funo Exponencial ....................................................... 40 Tabela 2.13 Aes de Controle com Funo Quadrtica.......................................................... 42 Tabela 2.14 Aes de Controle com Funo Exponencial ....................................................... 44 Captulo 3 ..................................................................................................................................... 47 Acionamento de Mquinas Eltricas de Induo ..................................................................... 47 Tabela 3.1 Fuzzificao com Inferncia Direta ........................................................................ 57 Tabela 3.2 Aes de Controle com Inferncia Direta............................................................... 58 Tabela 3.3 Fuzzificao com Inferncia Indireta...................................................................... 60 Tabela 3.4 Aes de Controle com Inferncia Indireta ............................................................ 61 Tabela 3.5 Fuzzificao com Controle Neuro-Nebuloso.......................................................... 63 Tabela 3.6 Aes de Controle com Funo No-Linear........................................................... 64 Captulo 4 ..................................................................................................................................... 75 Implementao do Sistema de Controle .................................................................................... 75 Tabela 4.1 Caractersticas da Placa de Aquisio de Dados..................................................... 81 Tabela 4.2 Caractersticas dos Sinais de Entrada e Sada......................................................... 81 Tabela 4.3 Ensaios com Motor de Induo e Gerador Sncrono .............................................. 82 Tabela 4.4 Ensaios com Controle Proporcional Integral Derivativo ........................................ 87 Tabela 4.5 Ensaios com Controle Nebuloso com Inferncia Direta......................................... 96 Tabela 4.6 Ensaios com Controle Nebuloso com Inferncia Indireta .................................... 105 Tabela 4.7 Ensaios com Estratgia de Controle Neuro-Nebulosa .......................................... 114 Captulo 5 ................................................................................................................................... 123 Anlise de Resultados e Concluso .......................................................................................... 123 Tabela 5.1 Resoluo da Placa de Aquisio de Dados ......................................................... 123 Tabela 5.2 Representao das Variveis de Entrada do Controlador ..................................... 124 Tabela 5.3 Representao das Variveis de Sada do Controlador......................................... 124
xvii

xviii Lista de Tabelas

Apndice 1................................................................................................................................... 133 Lgica Nebulosa ......................................................................................................................... 133 Apndice 2................................................................................................................................... 151 Redes Neurais Artificiais ........................................................................................................... 151 Tabela 2.1 Funo Reproduzida.............................................................................................. 153 Apndice 3................................................................................................................................... 165 Mquinas Eltricas de Induo ................................................................................................ 165 Referncias Bibliogrficas......................................................................................................... 173 Bibliografia Complementar ...................................................................................................... 177

xviii

xix Trabalhos Publicados

Trabalhos Publicados
[01] M. E. BORDON, I. N. DA SILVA, A. N. DE SOUZA, Design of a Fuzzy Controller with Simplified Architecture, Proceedings of the VI Brazilian Symposium on Neural Networks, Rio de Janeiro, Brasil, 2000. M. E. BORDON, I. N. DA SILVA, E. AVOLIO, Design of a Neuro-Fuzzy Controller with Simplified Architecture, International Journal of Neural Systems, 11, (3), 229-235, 2001. M. E. BORDON, E. AVOLIO, I. N. DA SILVA, A. N. DE SOUZA, Design of a Simplified Neuro-Fuzzy System Based on CMAC Architectures, Proceedings of the 5th World Multi-Conference on Systemics, Cybernetics and Informatics, Orlando, USA, 2001. M. E. BORDON, O. V. AVILEZ FILHO, E. AVOLIO, A New Strategy of Induction Motor Drive Using Fuzzy Logic for Real Time Speed Control and Input Current Restriction, Anais da VI Conferncia Internacional de Aplicaes Industriais, Joinville, Brasil, 2004.

[02]

[03]

[04]

xix

xx

xx

1 Contexto e Motivao

Captulo 1 Contexto e Motivao


1.1 Introduo
A lgica nebulosa foi desenvolvida por Zadeh durante a dcada de 1960. Seu artigo publicado em 1965 pela Universidade da Califrnia, em Berkeley, revolucionou o conceito de lgica com a criao dos sistemas nebulosos (ZADEH, 1965). Os recursos tecnolgicos disponveis no eram capazes de automatizar as atividades relacionadas a problemas que compreendessem informaes ambguas, no passveis de serem processadas atravs da lgica booleana. Era preciso algo mais do que simplesmente dois valores possveis, dois estados diferentes no eram suficientemente representativos. O trabalho desenvolvido por Zadeh combina lgica multivalorada, teoria probabilstica, inteligncia artificial e redes neurais artificiais para que possa representar o pensamento humano, ou seja, ligar a lingstica e a inteligncia humana, pois muitos conceitos contendo informaes vagas e incertas, so melhores definidos por palavras do que por matemtica. A lgica nebulosa a lgica que suporta os modos de raciocnio que so aproximados ao invs de exatos, ou ainda, de forma mais abrangente, pode ser aceita como a melhor maneira de representao do raciocnio humano, que parcial e aproximado em sua essncia. Os sistemas nebulosos utilizam tcnicas para o tratamento de informaes qualitativas de uma forma rigorosa. Derivada do conceito de conjuntos nebulosos, a lgica nebulosa constitui a base pra o desenvolvimento de mtodos e algoritmos de modelagem e controle de processos, permitindo a reduo da complexidade de projeto e implementao, tornando-se uma alternativa para a soluo de problemas de controle e modelagem de sistemas. Esta forma de estruturao do raciocnio capaz de tomar decises racionais mesmo estando em um ambiente de incertezas e imprecises, onde dados desta natureza e at mesmo conflitantes so tratados. A tecnologia advinda da teoria dos conjuntos nebulosos e da lgica nebulosa tem permitido a aplicao destas tcnicas em diversas reas do conhecimento, tendo como exemplos os sistemas de controle nebulosos, os quais podem possibilitar um controle mais acurado, alm de um desempenho estvel e robusto (LEE, 1990).

2 Contexto e Motivao

Atravs da lgica nebulosa, um sistema pode ser representado atravs de conceitos imprecisos tais como: rpido, baixo e pequeno. Essa caracterstica responsvel pela facilidade na extrao do conhecimento de um sistema a partir de observaes realizadas sobre este. Alm disso, na lgica nebulosa existe a possibilidade de se empregar probabilidades lingsticas, tais como: provvel, altamente provvel e improvvel, interpretadas como dados nebulosos manipuladas pela aritmtica nebulosa. Em contraste com a lgica clssica, o conceito de possibilidade interpretado usando subconjuntos nebulosos no universo dos reais. Na teoria de conjuntos clssica, um elemento pertence ou no pertence um conjunto, enquanto que na teoria de conjuntos nebulosa, sugere-se que alguns elementos so mais membros de um conjunto do que outros. O ndice de pertinncia usado para caracterizar o quanto cada elemento pertence ao conjunto em questo, podendo assumir qualquer valor no intervalo de 0 a 1, sendo que o valor 0 indica uma completa excluso e um valor 1 representa uma completa incluso, ou seja, a funo caracterstica contnua no seu domnio (ZADEH, 1973). Para expressar conceitos atravs da linguagem natural comum o uso de elementos qualitativos ao invs de valores quantitativos. Estes conceitos podem ser capturados pela definio de variveis lingsticas. Uma varivel lingstica tem por caracterstica assumir valores dentro de um conjunto de termos lingsticos, ou seja, palavras ou frases. Assim, ao invs de assumir instncias numricas, estas variveis assumem instncias lingsticas. Por exemplo, uma varivel lingstica Temperatura poder assumir como valor um dos termos do conjunto {baixa, mdia, alta}. Para se atribuir um significado aos termos lingsticos, associa-se a cada um destes termos um conjunto nebuloso definido sobre um universo de discurso comum. A Figura 1.1 ilustra os termos lingsticos da varivel lingstica Temperatura, onde

Temp representa o ndice de pertinncia de cada termo lingstico. Temp


1 baixa mdia alta

25

50

75 Temperatura( C)

Figura 1.1 Varivel Lingstica Temperatura

3 Contexto e Motivao

A forma mais comum de expressar o conhecimento especialista por meio de regras do tipo condio-ao. Neste caso, um conjunto de condies que descreve uma parcela observvel das entradas de um sistema associado com uma ao de controle que ir manter ou levar o sistema para a condio de operao desejada. Tipicamente, uma condio uma proposio lingstica relacionada com o valor de alguma varivel de entrada, como por exemplo temperatura muito alta. Da mesma maneira, uma tpica ao de controle uma descrio lingstica do tipo aumente a vazo. A idia de representar o conhecimento por meio de um conjunto de termos lingsticos associados s variveis de entrada e sada de um processo absorvida nos sistemas de inferncia nebulosa. As aes de controle so expressas de forma similar para cada varivel de controle, onde regras do tipo se-ento so freqentemente usadas e chamadas de declaraes condicionais nebulosas ou simplesmente regras nebulosas (PEDRYCZ & GOMIDE, 1998). Nos sistemas que utilizam inferncia nebulosa, os valores de entrada so normalizados e convertidos para uma representao nebulosa. Este procedimento denominado de fuzzificao das variveis de entrada. As regras do sistema nebuloso sero executadas em paralelo, criando uma regio nebulosa para cada varivel de sada. A criao desta regio nebulosa a partir das regras ativas do sistema conhecida como procedimento de agregao. Depois do processamento das regras de inferncia, as regies nebulosas so convertidas em valores no nebulosos, determinando o valor de cada varivel de sada. O procedimento de se converter uma regio nebulosa em um nmero real conhecido por defuzzificao. Em uma base de regras, quando mais de uma regra acionada, as contribuies das diversas regras so combinadas pelo operador de agregao. Depois do processo de agregao, tem-se como resultado um conjunto nebuloso representativo da sada do sistema de inferncia nebulosa, no entanto, este conjunto nebuloso deve ser convertido para um valor real. A ao de controle resultante obtida atravs da unio de todas as regras nebulosas ativas. O valor final, ou seja, aquele que ser apresentado pelas sadas do sistema nebuloso, ser determinado pelo procedimento de defuzzificao. Existem diversos mtodos para se realizar a defuzzificao, tais como, a mdia dos mximos, o centro de massa e o centro de rea. Durante a fase de desenvolvimento um sistema de inferncia nebulosa depende da especificao de alguns parmetros operacionais. Dentre os parmetros relacionados com a sua estrutura pode-se citar o nmero de funes de pertinncia para cada entrada e para cada sada, o nmero de regras nebulosas, bem como a definio de cada uma das regras.
3

4 Contexto e Motivao

A determinao destes parmetros pode ser realizada pelo uso de associaes empricas, no entanto, muitos processos no fornecem subsdios adequados determinao correta dos parmetros estruturais do sistema nebuloso a ser desenvolvido. De modo geral, os sistemas de inferncia nebulosa possuem propriedades peculiares que os tornam atrativos em diversas aplicaes. Alm de serem capazes de incorporar conceitos lingsticos, os sistemas de inferncia nebulosa so tambm aproximadores universais, capazes de mapearem as relaes entre as entradas e sadas de um dado sistema. Essas duas propriedades podem ser utilizadas para diferenciar dois tipos principais de sistemas de inferncia nebulosa (GUILLAUME, 2001). O primeiro tipo de sistema de inferncia nebulosa possui seu foco direcionado para a habilidade de modelar a linguagem natural inerente lgica nebulosa. Este tipo de sistema de inferncia nebulosa contm regras nebulosas definidas a partir de uma base de conhecimento especialista. Tais sistemas so conhecidos como sistemas nebulosos especialistas ou sistemas de controle nebulosos. (MANDANI & ASSILIAN, 1975). O uso desse primeiro tipo de sistema de inferncia nebulosa, devido sua estruturao, oferece robustez adequada aos propsitos de controle ou mesmo modelagem, pois os mesmos permitem a incorporao gradual de regras sua base de conhecimento sem haja perda de generalidade ou inconsistncia no resultado final. Outro tipo de sistema de inferncia nebulosa pode ser identificado como sendo aqueles que incorporam o treinamento fazendo uso de um conjunto de dados onde esto paralelizadas as variveis de entrada com suas respectivas sadas. Desta forma, pode-se observar que este segundo tipo de sistema de inferncia nebulosa definido com base nos dados coletados do sistema ao qual se deseja modelar (TAKAGI & SUGENO, 1985). Takagi e Sugeno esto entre os primeiros pesquisadores a proporem novas estruturas de sistemas de inferncia nebulosa adequadas utilizao de algoritmos de treinamento e sintonia, baseados em padres de ajuste para sua definio. Os mtodos de ajuste de sistemas de inferncia nebulosa so compostos de duas etapas. A primeira etapa responsvel pela otimizao estrutural e a segunda etapa dedicada ao ajuste paramtrico do sistema nebuloso. A otimizao estrutural do sistema de inferncia nebulosa pode abordar aspectos como a determinao do nmero de funes de pertinncia para cada entrada, bem como sua topologia. A maioria dos mtodos de otimizao estrutural foca a gerao da base de regras a qual pode ser decomposta em dois passos principais: induo de regras e reduo da base de regras.
4

5 Contexto e Motivao

Alm da otimizao estrutural, um sistema de inferncia nebulosa possui muitos outros parmetros que podem ser ajustados como os parmetros das funes de pertinncia de entrada e a ponderao de cada regra nebulosa. Este procedimento de ajuste de parmetros conhecido como otimizao paramtrica de sistemas de inferncia nebulosa. Mais recentemente, podem-se observar expressivos avanos no desenvolvimento de metodologias de otimizao estrutural. Destacam-se as tcnicas de otimizao que empregam ferramentas computacionais como algoritmos genticos e redes neurais artificiais, resultando em modelos hbridos neuro-nebulosos (GUILLAUME, 2001).

1.2

Objetivo do Trabalho
O objetivo deste trabalho foi o desenvolvimento de um controlador nebuloso simples e

eficiente para aplicaes industriais. Durante o projeto deste controlador optou-se pela utilizao de um sistema digital de baixo custo baseado em microcontroladores de 8 bits, levando-se em conta todas as limitaes impostas pela arquitetura destes microcontroladores. Mesmo assim, os resultados prticos obtidos neste trabalho foram alm da expectativa comprovando a viabilidade operacional deste controlador nebuloso de arquitetura simplificada. A estrutura simplificada do controlador nebuloso considerando microcontroladores com arquitetura de 8 bits, determinou a execuo de procedimentos padronizados de fuzzificao das variveis de entrada e defuzzificao da varivel de sada com as aes de controle previamente calculadas e armazenadas em memria. Um operador de agregao desenvolvido especificamente para este controlador nebuloso determina o valor de todas as aes de controle. Trata-se de uma expresso matemtica capaz de mapear superfcies planas que podem ser armazenadas em 64 kbytes de memria. Cada posio de memria pode ser endereada pela combinao binria gerada a partir dos valores digitais das variveis de entrada x e y. O valor armazenado em cada posio de memria corresponde varivel de sada z, constituindo uma estrutura de dados do tipo z=f(x,y), onde z representa uma ao de controle usada na composio da varivel de controle, segundo um procedimento de inferncia previamente estabelecido. Portanto, o tempo de resposta deste controlador nebuloso de arquitetura simplificada, operando em malha fechada depende de uma simples operao de acesso memria de dados, onde esto armazenadas todas as possveis aes de controle, geradas a partir de procedimentos de inferncia nebulosa baseada em conhecimento especialista.
5

6 Contexto e Motivao

Para verificar a eficincia do controlador nebuloso foi implementado em laboratrio um sistema digital para acionamento de um motor de induo com controle de freqncia de rotao e limitao de corrente em tempo real. O objetivo principal desta aplicao foi o estudo de novas estratgias de controle digital para acionamento de motores de induo com perfil de freqncia gerado em tempo real e independente do modelo matemtico do motor de induo. Informando ao sistema de controle o valor da freqncia de rotao e o valor limite da corrente de entrada do motor de induo, a estratgia de controle determina em tempo real, o perfil de freqncia adequado, garante que o limite de corrente no seja ultrapassado e ainda evita o desligamento desnecessrio do sistema durante o acionamento do motor de induo. Para tanto, so necessrias duas malhas de controle, uma para o controle da freqncia de rotao e outra para o controle da corrente de entrada. Devido utilizao de duas malhas de controle digital existe a necessidade da composio de duas aes de controle provenientes de duas malhas de controle diferentes a fim de se obter uma ao de controle combinada. Uma nica ao de controle pode ser obtida por meio de operaes de inferncia a partir de informaes referentes ao erro relativo freqncia de rotao e ao erro relativo corrente de entrada do motor de induo, no entanto, a superfcie a ser mapeada no plana. Considerando que a expresso matemtica usada no procedimento de defuzzificao atua como um mecanismo de interpolao linear, ento, no possvel mapear superfcies no-planas. Uma rede neural artificial do tipo CMAC (Cerebellar Model Articulation Controller) foi utilizada como mecanismo de interpolao no-linear capaz de mapear superfcies no-planas geradas a partir de procedimentos de inferncia nebulosa. O uso da arquitetura CMAC foi muito interessante pois esta rede neural artificial pode ser mapeada na mesma estrutura de memria usada no controlador nebuloso desenvolvido neste trabalho (ALBUS, 1975). Portanto, uma rede neural artificial usada como um mecanismo de interpolao capaz de mapear em memria as aes de controle combinadas substituindo duas malhas de controle por apenas uma. Usar uma rede neural artificial com arquitetura CMAC como um mecanismo de interpolao pode no ser vivel do ponto de vista computacional mas, alm de atuar como um mecanismo de interpolao esta rede neural artificial pode ser usada como um mecanismo de inferncia transformando este controlador digital em um controlador neuro-nebuloso. Por outro lado, uma rede neural artificial do tipo CMAC tambm pode ser usada como um mecanismo de estimao capaz de estimar a freqncia de escorregamento de um motor de induo a partir de medidas de corrente, tenso e freqncia, efetuadas durante o acionamento.
6

7 Contexto e Motivao

1.3

Apresentao
A apresentao deste trabalho feita atravs de captulos e apndices. Nos captulos,

esto descritos os procedimentos adotados durante o projeto do controlador nebuloso, definio das estratgias de controle e implementao do sistema de controle para acionamento de um motor de induo trifsico. Nos apndices, esto detalhados conceitos importantes de lgica nebulosa, redes neurais artificiais, mquinas eltricas de induo e simulao computacional. Trata-se de um trabalho de engenharia aplicada que utiliza conhecimentos especficos de diversas reas com o objetivo de desenvolver um controlador digital simples e eficiente visando aplicaes industriais. Para tanto, foram usadas teorias amplamente conhecidas de vrias reas da engenharia eltrica, tais como: sistemas eletrnicos de medida e controle, automao eletrnica de processos industriais, mquinas eltricas de induo, sistemas microprocessados, redes neurais artificiais, lgica nebulosa, tratamento de sinais, aquisio dados e programao.

1.3.1

Descrio dos Captulos


No Captulo 1, apresenta-se uma descrio sucinta do trabalho com destaque para os

motivos que levaram sua realizao considerando o projeto de um controlador nebuloso de arquitetura simplificada e sua aplicao em diferentes estratgias de controle para acionamento de motores de induo trifsicos, discutindo como e porque a lgica nebulosa e as redes neurais artificiais foram utilizadas durante o desenvolvimento deste trabalho. No Captulo 2, apresenta-se o projeto detalhado do controlador nebuloso de arquitetura simplificada, o tratamento das variveis de entrada e sada e os procedimentos de fuzzificao e defuzzificao. Para validar o projeto do controlador apresenta-se uma simulao computacional utilizando uma funo de transferncia de segunda ordem e, no final do captulo, apresenta-se a rede neural artificial CMAC atuando como um operador de agregao. No Captulo 3, apresenta-se o projeto de um sistema de controle para acionamento do motor de induo considerando diferentes estratgias de controle e a simulao computacional dos modelos matemticos do motor de induo trifsico e do sensor de corrente. Neste trabalho, foram implementadas e devidamente simuladas as estratgias de controle: proporcional integral derivativa, controle nebuloso direto e indireto e controle neuro-nebuloso.

8 Contexto e Motivao

No Captulo 4, apresenta-se a descrio do sistema de controle digital construdo em laboratrio, o projeto dos circuitos condicionadores de sinais e do sistema de aquisio de dados. Os resultados obtidos durante os ensaios do motor de induo acoplado a um gerador sncrono e acionado por um inversor de tenso do tipo PWM (Pulse Width Modulation) sujeito a diferentes estratgias de controle, tambm so apresentados neste captulo. No Captulo 5, apresenta-se uma anlise completa dos resultados obtidos considerando o desempenho das diferentes estratgias de controle comparando resultados prticos e simulados, destacando vantagens e desvantagens do sistema de controle proposto. A concluso do trabalho e a perspectiva de novos estudos visando a implementao de um mecanismo para estimao da freqncia de escorregamento, tambm so apresentados neste captulo.

1.3.2

Descrio dos Apndices


No Apndice 1, apresenta-se o conceito de lgica nebulosa e sua aplicao na descrio

de sistemas e processos em geral. Os fundamentos da lgica nebulosa e os conceitos de interface de fuzzificao, base de conhecimento, base de dados, procedimentos de inferncia, interface de defuzzificao e operadores de agregao, so apresentados. Todos os assuntos abordados neste apndice foram extrados de um artigo publicado por (GOMIDE & GUDWIN, 1994). No Apndice 2, apresenta-se o conceito de redes neurais artificiais tipo FeedForward, Hopfield e CMAC (Cerebellar Model Articulation Controller). Fundamentos sobre os elementos lineares adaptativos, as funes tpicas de ativao e os mtodos de treinamento baseados em mnimos quadrados, so apresentados. Um estudo detalhado das redes neurais artificiais do tipo CMAC foi extrado da dissertao de mestrado publicada por (BORDON & TEIXEIRA, 1995). No Apndice 3, apresenta-se o conceito de mquinas eltricas de induo e conversores de freqncia, o modelo matemtico de um motor de induo baseado nas equaes de Park e o modelo matemtico de um inversor de tenso do tipo PWM (Pulse Width Modulation) baseado em sries de Fourier. O modelo de um motor de induo trifsico acionado por um inversor de tenso foi extrado da dissertao de mestrado publicada por (FONTES & SZAJNER, 1993).

9 Controlador Nebuloso de Arquitetura Simplificada

Captulo 2 Controlador Nebuloso de Arquitetura Simplificada


2.1 Introduo
O tratamento de um sistema de controle atravs de equaes diferenciais que descrevem o comportamento esttico ou dinmico deste sistema representa uma ferramenta matemtica de suma importncia. No entanto, muito difcil identificar as equaes diferenciais que descrevem com exatido o comportamento de sistemas complexos com mltiplas variveis pois, segundo Zadeh, quando a complexidade de um sistema aumenta a possibilidade de descrever este sistema atravs de equaes matemticas diminui. Uma alternativa vivel o uso de mecanismos de inferncia baseados em regras de controle ativadas a partir de informaes consistentes, advindas de termos lingsticos associados s variveis de entrada do sistema (ZADEH, 1973). As regras de controle so estabelecidas a partir de um conjunto de condies que descrevem o comportamento do sistema e atravs de uma base de conhecimento consistente possvel determinar uma relao precisa entre varveis de entrada e aes de controle. Deste modo, as variveis de entrada so desmembradas em conjuntos discretos de termos lingsticos, devidamente ponderados, estabelecendo um significado preciso s situaes de entrada. As aes de controle, decorrentes do conjunto de termos lingsticos associados s variveis de entrada, so obtidas a partir de procedimentos de inferncia e regras simblicas da inteligncia artificial devidamente interpretada segundo a lgica nebulosa (GOMIDE & GUDWIN, 1994). Uma base de conhecimento consistente determina todas as regras de controle a serem implementadas de modo eficaz e preciso. Se a base de conhecimento no consistente, preciso recorrer a mecanismos capazes de incorporar novos conhecimentos. As redes neurais artificiais so usadas na formao de bases de conhecimento consistentes e podem ser incorporadas aos sistemas de controle baseados em lgica nebulosa. Muitas vezes, as redes neurais so utilizadas para acrescentar novas informaes base de conhecimento tendo como parmetro algum ndice de mrito que deve ser otimizado. Um controlador neuro-nebuloso representa uma alternativa vivel para descrio de sistemas complexos pois as limitaes de ambas as abordagens so tratadas de modo a criar sistemas mais eficientes (OLIVEIRA et al., 1994).

10 Controlador Nebuloso de Arquitetura Simplificada

Apresenta-se a seguir o projeto de um controlador nebuloso de uso geral com arquitetura simplificada, que utiliza um algoritmo com rotinas especficas para aquisio de dados e controle. Trata-se de um sistema digital que pode ser implementado em microcomputador equipado com placa de aquisio de dados ou atravs de um circuito eletrnico dedicado construdo a partir de microcontroladores e conversores de 8, 12 ou 16 bits.

2.2

Variveis de Entrada
A interface de fuzzificao recebe as variveis analgicas de entrada geradas por um

elemento sensor e um circuito de referncia e fornece as variveis digitais equivalentes usando um conversor analgico digital de 8 bits. As variveis de entrada x e y do controlador nebuloso codificadas atravs de um nico byte podem variar dentro do intervalo discreto [0:255]. A partir das variveis de entrada x e y, possvel determinar os termos lingsticos e os ndices de pertinncia dos conjuntos nebulosos de entrada. Os conjuntos nebulosos de entrada so padronizados segundo uma representao binria adequada que associa a cada termo lingstico de entrada um peso w inteiro positivo, conforme indicado na Tabela 2.1. Tabela 2.1 Representao Binria das Variveis de Entrada Peso ndice de Pertinncia Representao Fator wx ou wy Binria fx ou fy x ou y [0:1] 256 .######## [0:255]256 [0:2] 128 #.####### [0:127]128 [0:4] 64 ##.###### [0:63]64 [0:8] 32 ###.##### [0:31]32 [0:16] 16 ####.#### [0:15]16 [0:32] 8 #####.### [0:7]8 [0:64] 4 ######.## [0:3]4 [0:128] 2 #######.# [0:1]2 Os fatores fx e fy atuam como divisores das variveis de entrada x e y e atravs de uma simples operao de diviso ocorre o processo de fuzzificao. O quociente indica o(s) peso(s) associado(s) ao conjunto lingstico de entrada, enquanto que o resto indica o(s) ndice(s) de pertinncia correspondente(s). Considerando fatores fx e fy iguais a 64, os ndices de pertinncia

x e y sero digitalizados com 6 bits significativos e resoluo igual a 0.015625 unidades.

10

11 Controlador Nebuloso de Arquitetura Simplificada

Como exemplo, a Figura 2.1 apresenta a varivel de entrada x e a Figura 2.2 apresenta a varivel de entrada y, ambas variando no intervalo discreto [0:255], com pesos wx e wy variando no intervalo discreto [0:4] e ndices de pertinncia x e y variando no intervalo contnuo [0:1]. Para uma entrada x=83 e uma entrada y=175, obtm-se os seguintes resultados:
x 83 = = 1.296875 = ( 01.010011 )2 f x 64

x
0 1

Parte inteira: 1
1 2 3

Resto: 0.296875
4

wx

0 0 64

83 128 192 256

Figura 2.1 Funes de Pertinncia da Entrada (x) Para a entrada x=83, esto ativos os termos lingsticos de peso wxa=1, com ndice de pertinncia xa=0.703125 e, peso wxb=2, com ndice de pertinncia xb=0.296875.

y
0 1

y 175 = = 2.734375 = ( 10.101111 )2 fy 64


Parte inteira: 2
1 2 3

Resto: 0.734375
4

wy

0 0 64 128

175 192 256

Figura 2.2 Funes de Pertinncia da Entrada (y) Para a entrada y=175, esto ativos os termos lingsticos de peso wya=2, com ndice de pertinncia ya=0.265625 e, peso wyb=3, com ndice de pertinncia yb=0.734375.

11

12 Controlador Nebuloso de Arquitetura Simplificada

Portanto, a arquitetura simplificada deste controlador nebuloso permite o tratamento das variveis de entrada segundo um padro lgico de representao que no pode ser modificado. Assim, o universo de discurso de cada varivel de entrada o conjunto de termos lingsticos e at mesmo os conjuntos nebulosos so elementos estticos do controlador nebuloso.

2.3

Varivel de Sada
A interface de defuzzificao gera a varivel de sada z a partir de um conjunto de regras

de controle decorrentes de operaes de inferncia. A varivel de sada z do controlador nebuloso codificada atravs de um nico byte pode variar dentro do intervalo discreto [-127:127]. As regras de controle e as respectivas aes de controle so determinadas a partir dos conjuntos nebulosos de entrada considerando uma representao binria que associa a cada termo lingstico de entrada, um peso w inteiro positivo ou negativo, conforme a Tabela 2.2. Tabela 2.2 Representao Binria da Varivel de Sada Peso ndice de Pertinncia Representao Fator wz fz Binria z [-1:1] 128 [0:127]128 .####### [-2:2] 64 [0:63]64 #.###### [-4:4] 32 [0:31]32 ##.##### [-8:8] 16 [0:15]16 ###.#### [-16:16] 8 [0:7]8 ####.### [-32:32] 4 [0:3]4 #####.## [-64:64] 2 [0:1]2 ######.# O fator fz define o ganho do controlador nebuloso e seu valor depende dos fatores fx e fy definidos durante os procedimentos de fuzzificao. Para fatores fx e fy iguais a 64 e pesos wx e wy variando dentro do intervalo discreto [0:4], o valor do fator fz ser igual a 32 com peso wz variando dentro no intervalo discreto [-4:4]. Assim, os pesos wz associados s regras de controle podem assumir valores inteiros positivos, negativos e nulos, conforme a Tabela 2.3. A cada par ordenado (wx ,wy) est associado um valor de peso wz=f(wx ,wy), neste caso, so considerados 25 pares ordenados com os respectivos pesos associados s regras de controle: 10 valores positivos, 10 valores negativos e 5 valores iguais a zero. A Figura 2.3 mostra os pesos associados s regras de controle, decorrentes de operaes lgicas de inferncia.

12

13 Controlador Nebuloso de Arquitetura Simplificada

Tabela 2.3 Valor dos Pesos Associados Varivel de Sada Valores Positivos: Valores Negativos: wz (0,4) = 4 wz (4,0) = -4 wz (0,3) = wz (1,4) = 3 wz (3,0) = wz (4,1) = -3 wz (2,0) = wz (3,1) = wz (4,2) = -2 wz (0,2) = wz (1,3) = wz (2,4) = 2 wz (0,1) = wz (1,2) = wz (2,3) = wz (3,4) = 1 wz (1,0) = wz (2,1) = wz (3,2) = wz (4,3) = -1 Valores Iguais a Zero: wz (0,0) = wz (1,1) = wz (2,2) = wz (3,3) = wz (4,4) = 0 wy
wz (0,4) wz (0,3) wz (0,2) wz (0,1) wz (0,0)
0

4 3

wz (1,4) wz (1,3) wz (1,2) wz (1,1) wz (1,0)


1

wz (2,4) wz (2,3) wz (2,2) wz (2,1) wz (2,0)


2

wz (3,4) wz (3,3) wz (3,2) wz (3,1) wz (3,0)


3

wz (4,4) wz (4,3) wz (4,2) wz (4,1) wz (4,0)


4

wx

Figura 2.3 Pesos Associados Varivel de Sada Considerando fator fz igual a 32, o ndice de pertinncia z ser digitalizado com 5 bits na parte fracionria, 2 bits na parte inteira, 1 bit de sinal e resoluo igual a 0.03125 unidades, para uma varivel de sada z dentro do intervalo [-127:127], conforme indicado na Figura 2.4.

z
wz

-4

-3

-2

-1

-128

-96

-64

-32

32

64

96

128

Figura 2.4 Funes de Pertinncia da Varivel de Sada

13

14 Controlador Nebuloso de Arquitetura Simplificada

A partir de clculos matemticos elementares possvel obter para cada combinao de entrada, o valor da varivel de sada z correspondente. A equao (2.1) representa os clculos matemticos elementares utilizados durante os procedimentos de defuzzificao.

z = ( xa + ya ) w z ( w ,w ) + ( xb ) w z ( w ,w ) + ( yb ) w z ( w ,w ) - w z ( w ,w ) xb ya xa yb xa ya xa ya fz

(2.1)

Com auxlio de procedimentos simplificados de fuzzificao possvel determinar os pesos associados aos termos lingsticos ativos, com seus respectivos ndices de pertinncia e determinar as regras de controle ativas, decorrentes de operaes bsicas de inferncia. Para uma entrada x igual a 83, esto ativos os termos lingsticos de peso wxa=1, com ndice de pertinncia xa=0.703125 e peso wxb=2, com ndice de pertinncia xb=0.296875. Para uma entrada y igual a 175, esto ativos os termos lingsticos de peso wya=2, com ndice de pertinncia ya=0.265625 e peso wyb=3, com ndice de pertinncia yb=0.734375. Com x igual a 83 e y igual a 175, esto ativas regras de controle com os seguintes pesos:
wz( w wz( w wz( w
xa ,w ya ) xb ,w ya ) xa ,w yb )

= w z ( 1 ,2 ) = 1 = w z ( 2 ,2 ) = 0 = w z ( 1 ,3 ) = 2

O fator fz igual a 32 define uma ao de controle Ac dentro do intervalo [-127:127]. Substituindo os valores na equao (2.1), possvel determinar o valor de uma ao de controle.

z = ( 0.703125 + 0.265625 )w z ( 1 ,2 ) + ( 0.296875 )w z ( 2 ,2 ) + ( 0.734375 )w z ( 1 ,3 ) - w z ( 1 ,2 ) fz z = ( 0.96875 )( 1 ) + ( 0.296875 )( 0 ) + ( 0.734375 )( 2 ) - ( 1 ) = 1.4375 fz


Ac = 1.4375 32 = 46

Cada ao de controle Ac alterada por uma constante proporcional Kp, pode ser utilizada na composio da varivel de controle Vc, conforme indicado na equao (2.2).

Vc( n ) = Vc( n-1 ) + Ac( n ) Kp

(2.2)

A varivel de controle Vc deve ser representada com pelo menos 16 bits, para garantir a preciso do controlador, mesmo usando um conversor digital analgico de 8 ou 12 bits.
14

15 Controlador Nebuloso de Arquitetura Simplificada

2.4

Procedimentos de Fuzzificao
Durante os procedimentos de fuzzificao, o controlador nebuloso toma as variveis de

entrada, faz um escalonamento para condicionar os valores de entrada, transformando nmeros em conjuntos normalizados de modo que possam se tornar instncias de variveis lingsticas. O projeto de um controlador nebuloso depende da definio de alguns parmetros por parte do projetista. Dado um processo, alguns parmetros so fixos dentro de condies normais de operao sendo que outros precisam ser alterados periodicamente. Os parmetros fixos so chamados de parmetros estruturais e os variveis so chamados parmetros ajustveis. A arquitetura simplificada do controlador nebuloso desenvolvido neste trabalho permite estruturar automaticamente os conjuntos nebulosos de entrada. Os procedimentos de fuzzificao so simplificados, os limites de atuao do controlador padronizados e todas as aes de controle previamente calculadas. A representao binria de entrada determina a preciso do controlador nebuloso e depende do circuito digital utilizado para sua implementao. Durante os procedimentos de fuzzificao foram considerados dois casos distintos para configurao do sistema de controle em funo das variveis de entrada. No primeiro caso, utiliza-se a inferncia direta pois as variveis de entrada so obtidas diretamente, a partir do elemento sensor e do circuito de referncia.
Vd Controle Processo Vc Va Nebuloso Industrial Va ,Vd h(S)

Figura 2.5 Controle com Inferncia Direta (1o Caso)

No segundo caso, utiliza-se a inferncia indireta pois as variveis de entrada so obtidas indiretamente, atravs do clculo do erro fundamental e do gradiente do erro.
Vd Controle Processo Vc Va Nebuloso Industrial h(S) E , E

Figura 2.6 Controle com Inferncia Indireta (2o Caso)

15

16 Controlador Nebuloso de Arquitetura Simplificada

2.4.1

Fuzzificao com Inferncia Direta


Neste caso, as variveis de entrada do sistema de controle so: Va valor atual, obtido a

partir de um elemento sensor e Vd valor desejado, obtido atravs de um circuito de referncia. Estas variveis podem ser digitalizadas e expressas no formato binrio, usando apenas um byte sem bit de sinal, podendo variar de 0.0 a 127.5 com resoluo mnima de 0.5 unidades. A combinao binria (00000000)2 corresponde ao valor mnimo:
0.0.

A combinao binria (11111111)2 corresponde ao valor mximo: 127.5. Considerando-se que as variveis de entrada Va e Vd so representadas pelas variveis cartesianas x e y e que os fatores fx e fy so iguais a 64, deve-se ento, estabelecer cinco termos lingsticos para descrever cada varivel de entrada com os respectivos pesos wx e wy associados a cada termo lingstico, conforme indicado na Tabela 2.4.
Tabela 2.4 Fuzzificao com Inferncia Direta Varivel de Varivel Termo Peso Entrada Cartesiana Lingstico Associado Va ou Vd x ou y Va ou Vd wx ou wy [0:31.5] [0:63] Muito Baixo 0 [0:63.5] [0:127] Baixo 1 [32:95.5] [64:191] Mdio 2 [64:127.5] [128:255] Alto 3 [96:127.5] [192:255] Muito Alto 4

Por exemplo, para as variveis de entrada Va ou Vd iguais a 50, esto ativos os termos lingsticos Baixo e Mdio, sendo que a varivel cartesiana x ou y equivalente igual a 100. O procedimento de fuzzificao determina quais so os pesos wx ou wy associados aos termos lingsticos que esto ativos e seus respectivos ndices de pertinncia x ou y. Atravs de uma simples operao de diviso (10064) igual a 1.5625, sabe-se que esto ativos os termos lingsticos de peso wa igual a 1, com ndice de pertinncia a igual a 0.4375 e peso wb igual a 2, com ndice de pertinncia b igual a 0.5625.

16

17 Controlador Nebuloso de Arquitetura Simplificada

2.4.2

Fuzzificao com Inferncia Indireta


Neste caso, as variveis de entrada do sistema de controle so: E erro fundamental, dado

pela diferena algbrica Vd-Va e E gradiente do erro, dado pela diferena algbrica E(n)-E(n-1). Estas variveis podem ser digitalizadas e expressas no formato binrio, usando apenas um byte com um bit de sinal, podendo variar de -127 a 127 com resoluo mnima de 1 unidade. A combinao binria (11111111)2 corresponde ao valor mnimo: -127. A combinao binria (01111111)2 corresponde ao valor mximo: 127. Considerando-se que as variveis de entrada E e E so representadas pelas variveis cartesianas x e y e que os fatores fx e fy so iguais a 64, deve-se ento, estabelecer cinco termos lingsticos para descrever cada varivel de entrada com os respectivos pesos wx e wy associados a cada termo lingstico, conforme indicado na Tabela 2.5.
Tabela 2.5 Fuzzificao com Inferncia Indireta Varivel Peso Varivel de Termo Cartesiana Associado Entrada Lingstico x ou y wx ou wy E ou E E ou E [-127:-64] [-127:-64] Muito Negativo -2 [-127:0] [-127:0] Negativo -1 [-63:63] [-63:63] Zero 0 [0:127] [0:127] Positivo 1 [64:127] [64:127] Muito Positivo 2

Por exemplo, para as variveis de entrada E ou E iguais a -28, esto ativos os termos lingsticos Negativo e Zero, sendo que a varivel cartesiana x ou y equivalente igual a -28. O procedimento de fuzzificao determina quais so os pesos wx ou wy associados aos termos lingsticos que esto ativos e seus respectivos ndices de pertinncia x ou y. Atravs de uma simples operao de diviso (-2864) igual a -0,4375, sabe-se que esto ativos os termos lingsticos de peso wa igual a 0, com ndice de pertinncia a igual a 0.5625 e peso wb igual a -1, com ndice de pertinncia b igual a 0.4375.

17

18 Controlador Nebuloso de Arquitetura Simplificada

2.5

Procedimentos de Defuzzificao
Durante o processo de defuzzificao, procedimentos de inferncia processam os dados

nebulosos de entrada, junto com as regras de controle, de modo a inferir as aes de controle nebuloso, aplicando o operador de agregao adequado. A interface de defuzzificao transforma regras de controle nebulosas em aes de controle no-nebulosas. Estas aes de controle derivam de um conjunto de regras de controle decorrentes de operaes de inferncia obtidas a partir de uma base de conhecimento consistente. Uma base de conhecimento consiste de um conjunto de regras de controle decorrentes de operaes bsicas de inferncia que podem caracterizar uma estratgia de controle e suas metas. Para dar incio ao procedimento de defuzzificao preciso estabelecer um conjunto de regras de controle nebuloso capaz de descrever com exatido as aes de controle como uma funo das variveis de entrada x e y do controlador nebuloso. O procedimento de defuzzificao apresentado na Tabela 2.6, permite determinar todos os valores da varivel de sada z a partir dos pesos wx , wy e wz associados aos termos lingsticos ativos e seus respectivos ndices de pertinncia x , y e z. Considerando o fator fz igual a 32, atravs da equao (2.1) possvel calcular todos os valores atribudos varivel de sada z que corresponde a uma ao de controle Ac, utilizada na composio da varivel de controle Vc, conforme indicado na equao (2.2).
Tabela 2.6 Defuzzificao da Varivel de Sada Termo Ao de Peso Varivel de Lingstico Associado Controle Sada Ac Ac wz (zfz) [-127:-96] [-3.96875:-3] Subtrair 4 -4 [-127:-64] [-2.96875:-2] Subtrair 3 -3 [-95:-32] [-1.96875:-1] Subtrair 2 -2 [-63:0] [-0.96875:0] Subtrair 1 -1 [-31:31] [-1.96875:1.96875] Manter 0 [0:63] [0:1.96875] Somar 1 1 [32:95] [1:1.96875] Somar 2 2 [64:127] [2:3.96875] Somar 3 3 [96:127] [3:3.96875] Somar 4 4

18

19 Controlador Nebuloso de Arquitetura Simplificada

2.5.1

Defuzzificao com Inferncia Direta


Neste caso, o conjunto de regras e aes de controle definido a partir das variveis de

entrada Va e Vd. A informao apresentada na Tabela 2.7 corresponde ao conjunto de termos lingsticos associados s variveis de entrada Va e Vd e s aes de controle Ac, resultantes da aplicao de todas as combinaes de entrada possveis.
Tabela 2.7 Termos Lingsticos com Inferncia Direta Valor Desejado Ao de Controle Valor Atual Vd wy Ac Va wx Muito Baixo 0 Muito Baixo 0 Manter Muito Baixo 0 Baixo 1 Somar 1 Muito Baixo 0 Mdio 2 Somar 2 Muito Baixo 0 Alto 3 Somar 3 Muito Baixo 0 Muito Alto 4 Somar 4 Baixo 1 Muito Baixo 0 Subtrair 1 Baixo 1 Baixo 1 Manter Baixo 1 Mdio 2 Somar 1 Baixo 1 Alto 3 Somar 2 Baixo 1 Muito Alto 4 Somar 3 Mdio 2 Muito Baixa 0 Subtrair 2 Mdio 2 Baixo 1 Subtrair 1 Mdio 2 Mdio 2 Manter Mdio 2 Alto 3 Somar 1 Mdio 2 Muito Alto 4 Somar 2 Alto 3 Muito Baixo 0 Subtrair 3 Alto 3 Baixo 1 Subtrair 2 Alto 3 Mdio 2 Subtrair 1 Alto 3 Alto 3 Manter Alto 3 Muito Alto 4 Somar 1 Muito Alto 4 Muito Baixo 0 Subtrair 4 Muito Alto 4 Baixo 1 Subtrair 3 Muito Alto 4 Mdio 2 Subtrair 2 Muito Alto 4 Alto 3 Subtrair 1 Muito Alto 4 Muito Alto 4 Manter Muito Baixo Baixo Mdio Alto Muito Alto MB B M A MA

wz 0 1 2 3 4 -1 0 1 2 3 -2 -1 0 1 2 -3 -2 -1 0 1 -4 -3 -2 -1 0

19

20 Controlador Nebuloso de Arquitetura Simplificada

Conforme a Tabela 2.8, todos os pesos associados s aes de controle com inferncia direta podem ser mapeados atravs da representao grfica indicada na Figura 2.7.
Tabela 2.8 Aes de Controle com Inferncia Direta

Ac
x 0 64 128 192 256 wx 0 1 2 3 4

Va

y wy wz MB B M A MA

0 0 MB 0 -1 -2 -3 -4

Vd 64 128 1 2 B M 1 2 0 1 -1 0 -2 -1 -3 -2

192 3 A 3 2 1 0 -1

256 4 MA 4 3 2 1 0

Controle Nebuloso com Funo Linear

wz wx wy Figura 2.7 Grfico dos Pesos com Funo Linear (1o Caso)

Os valores exatos da varivel de sada (zfz) e das aes de controle Ac, previamente calculados e armazenados em 64 kbytes de memria, podem ser mapeados pela representao grfica indicada na Figura 2.8 e Figura 2.9, respectivamente. Um valor atribudo varivel de sada z corresponde a uma ao de controle Ac usada na composio da varivel de controle Vc.

20

21 Controlador Nebuloso de Arquitetura Simplificada

zfz x y Figura 2.8 Variveis Cartesianas com Funo Linear (1o Caso)

Ac Va Vd Figura 2.9 Aes de Controle com Funo Linear (1o Caso)

21

22 Controlador Nebuloso de Arquitetura Simplificada

2.5.2

Defuzzificao com Inferncia Indireta


Neste caso, o conjunto de regras e aes de controle definido a partir das variveis de

entrada E e E. A informao apresentada na Tabela 2.9 corresponde ao conjunto de termos lingsticos associados s variveis de entrada E e E e s aes de controle Ac, resultantes da aplicao de todas as combinaes de entrada possveis.
Tabela 2.9 Termos Lingsticos com Inferncia Indireta Gradiente do Erro Ao de Controle Erro Fundamental Ac E wx wy E Muito Negativo -2 Muito Negativo -2 Subtrair 4 Muito Negativo -2 Negativo -1 Subtrair 3 Muito Negativo -2 Zero 0 Subtrair 2 Muito Negativo -2 Positivo 1 Subtrair 1 Muito Negativo -2 Muito Positivo 2 Manter Negativo -1 Muito Negativo -2 Subtrair 3 Negativo -1 Negativo -1 Subtrair 2 Negativo -1 Zero 0 Subtrair 1 Negativo -1 Positivo 1 Manter Negativo -1 Muito Positivo 2 Somar 1 Zero 0 Muito Negativo -2 Subtrair 2 Zero 0 Negativo -1 Subtrair 1 Zero 0 Zero 0 Manter Zero 0 Positivo 1 Somar 1 Zero 0 Muito Positivo 2 Somar 2 Positivo 1 Muito Negativo -2 Subtrair 1 Positivo 1 Negativo -1 Manter Positivo 1 Zero 0 Somar 1 Positivo 1 Positivo 1 Somar 2 Positivo 1 Muito Positivo 2 Somar 3 Muito Positivo 2 Muito Negativo -2 Manter Muito Positivo 2 Negativo -1 Somar 1 Muito Positivo 2 Zero 0 Somar 2 Muito Positivo 2 Positivo 1 Somar 3 Muito Positivo 2 Muito Positivo 2 Somar 4 Muito Negativo Negativo Zero Positivo Muito Positivo MN N Z P MP

wz -4 -3 -2 -1 0 -3 -2 -1 0 1 -2 -1 0 1 2 -1 0 1 2 3 0 1 2 3 4

22

23 Controlador Nebuloso de Arquitetura Simplificada

Conforme a Tabela 2.10 todos os pesos associados s aes de controle com inferncia indireta podem ser mapeados atravs da representao grfica indicada na Figura 2.10.
Tabela 2.10 Aes de Controle com Inferncia Indireta

Ac
x -128 -64 0 64 128 wx -2 -1 0 1 2

y -128 wy -2 wz MN MN -4 N -3 Z -2 P -1 MP 0

-64 -1 N -3 -2 -1 0 1

0 0 Z -2 -1 0 1 2

64 1 P -1 0 1 2 3

128 2 MP 0 1 2 3 4

Controle Nebuloso com Funo Linear

wz wx wy Figura 2.10 Grfico dos Pesos com Funo Linear (2o Caso)

Os valores exatos da varivel de sada (zfz) e das aes de controle Ac, previamente calculados e armazenados em 64 kbytes de memria, podem ser mapeados pela representao grfica indicada na Figura 2.11 e Figura 2.12, respectivamente. O valor atribudo varivel de sada z corresponde a uma ao de controle Ac usada na composio da varivel de controle Vc.

23

24 Controlador Nebuloso de Arquitetura Simplificada

zfz x y Figura 2.11 Variveis Cartesianas com Funo Linear (2o Caso)

Ac E

E
Figura 2.12 Aes de Controle com Funo Linear (2o Caso)

24

25 Controlador Nebuloso de Arquitetura Simplificada

2.6

Simulao Computacional
Para simular uma aplicao prtica do controlador nebuloso de arquitetura simplificada,

foi usado um aplicativo computacional elaborado com o programa MATLAB. Este aplicativo computacional inclui detalhes especficos de um sistema de controle digital implementado com circuitos integrados microcontroladores de 8 bits da famlia Intel-8051. As operaes lgicas e aritmticas so efetuadas considerando as limitaes impostas pela arquitetura de 8 bits dos microcontroladores da famlia Intel-8051. Assim, a estrutura bsica do controlador nebuloso representada genericamente por uma funo do tipo z=f(x,y), pode ser implementada atravs de memrias semicondutoras com capacidade para armazenar 64 kbytes de informao, utilizando um barramento de endereo de 16 bits. O endereamento da memria feito diretamente atravs das variveis de entrada x e y, codificadas usando um byte para cada varivel, segundo a representao binria apresentada na
Tabela 2.1. A varivel de entrada x fornece o byte menos significativo e a varivel de entrada y

fornece o byte mais significativo. Os valores atribudos varivel de sada z so representados pela informao binria armazenada na memria endereada por x e y. Considerando que a varivel de sada z pode assumir valores positivos ou negativos, a varivel de controle Vc depende do comportamento dinmico da varivel de sada z=f(x,y). Como cada valor da varivel de sada z corresponde a uma ao de controle Ac, usada na composio da varivel de controle Vc, possvel implementar um controlador nebuloso com ao de controle do tipo PI (Proporcional Integral) ou PID (Proporcional Integral Derivativa). Como uma ao de controle em malha fechada se resume a uma simples operao de acesso memria, o tempo de amostragem no limitado pelo tempo de execuo do algoritmo de controle, pois o mesmo pode ser executado na mesma freqncia de operao do sistema de aquisio de dados ou dos conversores analgico digital e digital analgico. Para demonstrar a funcionalidade deste controlador, foram levantados alguns resultados de aplicao, obtidos atravs de simulaes feitas em microcomputador tendo como parmetro de referncia uma funo de transferncia de segunda ordem. Durante a simulao computacional, o controlador nebuloso opera com 1.0ms de tempo de amostragem, no entanto, este controlador pode operar com tempo de amostragem de 100s.

25

26 Controlador Nebuloso de Arquitetura Simplificada

2.6.1

Resultados de Simulao Computacional


A equao (2.3) mostra a funo de transferncia h(S) usada nas simulaes. Trata-se de

um sistema de segunda ordem com parmetros n=100 e 2n=125 devidamente ajustados para permitir uma operao em malha fechada com tempo de amostragem igual a 1.0ms.

n2 h( S ) = 2 S + 2 n S + n 2

(2.3)

A Figura 2.14 apresenta a resposta do sistema de segunda ordem h(t) para uma entrada do tipo degrau unitrio aplicada no instante de 100ms com constante de amortecimento =0.625, tempo de estabilizao de 150ms e sobre-sinal menor que 10% do valor de regime permanente.

h(t)

t(s) Figura 2.13 Resposta do Sistema de Segunda Ordem h(t)

Apresentam-se a seguir os resultados de simulao utilizando o programa MATLAB. Os grficos mostram a resposta do sistema e as aes de controle correspondentes para ambos os casos e diferentes valores da constante proporcional Kp, conforme a equao (2.2).

26

27 Controlador Nebuloso de Arquitetura Simplificada

2.6.2

Controle Nebuloso com Inferncia Direta


Neste caso, as variveis de entrada do controlador nebuloso so: Va valor atual, obtido

atravs de um elemento sensor e Vd valor desejado, obtido atravs de um circuito de referncia, caracterizando um sistema de controle do tipo PI, conforme indicado na Figura 2.14.
Vd Controle Processo Vc Va Nebuloso Industrial Va ,Vd h(S)

Figura 2.14 Controle com Inferncia Direta (1o Caso)

Apresentam-se a seguir os resultados obtidos atravs de simulao computacional. Neste caso, o erro de regime corresponde resoluo mnima de 0.5 unidades, conforme Tabela 2.4. A Figura 2.15 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia direta e constante proporcional Kp=1.0. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal maior que 10% do valor desejado Vd. A Figura 2.16 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=1.0. Assim, para Va=0 e Vd=64 corresponde uma ao de controle Ac=1.0 e para Va=32 e Vd=64 corresponde uma ao de controle Ac=0.5. A Figura 2.17 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia direta e constante proporcional Kp=2.0. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal maior que 20% do valor desejado Vd. A Figura 2.18 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=2.0. Assim, para Va=0 e Vd=64 corresponde uma ao de controle Ac=2.0 e para Va=32 e Vd=64 corresponde uma ao de controle Ac=1.0. A Figura 2.19 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia direta e constante proporcional Kp=3.0. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal maior que 30% do valor desejado Vd. A Figura 2.20 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=3.0. Assim, para Va=0 e Vd=64 corresponde uma ao de controle Ac=3.0 e para Va=32 e Vd=64 corresponde uma ao de controle Ac=1.5.

27

28 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.15 Resposta do Sistema (1o Caso, Kp=1.0)

Acfz

t(s) Figura 2.16 Aes de Controle (1o Caso, Kp=1.0)

28

29 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.17 Resposta do Sistema (1o Caso, Kp=2.0)

Acfz

t(s) Figura 2.18 Aes de Controle (1o Caso, Kp=2.0)

29

30 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.19 Resposta do Sistema (1o Caso, Kp=3.0)

Acfz

t(s) Figura 2.20 Aes de Controle (1o Caso, Kp=3.0)

30

31 Controlador Nebuloso de Arquitetura Simplificada

2.6.3

Controle Nebuloso com Inferncia Indireta


Neste caso, as variveis de entrada do controle nebuloso so: E erro fundamental, dado

pela diferena algbrica Vd-Va e E gradiente do erro, dado pela diferena algbrica E(n)-E(n-1), caracterizando um sistema de controle do tipo PID, conforme indicado na Figura 2.21.
Vd Controle Processo Vc Va Nebuloso Industrial h(S) E , E

Figura 2.21 Controle com Inferncia Indireta (2o Caso)

Apresentam-se a seguir os resultados obtidos atravs de simulao computacional. Neste caso, o erro de regime corresponde resoluo mnima de 1 unidade, conforme Tabela 2.5. A Figura 2.22 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia indireta e constante proporcional Kp=0.5. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal menor que 1% do valor desejado Vd. A Figura 2.23 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=0.5. Assim, para E=64 e E=64 corresponde uma ao de controle Ac=1.0 e para E=32 e E=32 corresponde uma ao de controle Ac=0.5. A Figura 2.24 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia direta e constante proporcional Kp=1.0. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal maior que 5% do valor desejado Vd. A Figura 2.25 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=1.0. Assim, para E=64 e E=64 corresponde uma ao de controle Ac=2.0 e para E=32 e E=32 corresponde uma ao de controle Ac=1.0. A Figura 2.26 apresenta a resposta do sistema operando em malha fechada utilizando controle nebuloso com inferncia direta e constante proporcional Kp=1.5. O tempo de resposta do sistema menor que 100ms e o mximo sobre-sinal maior que 10% do valor desejado Vd. A Figura 2.27 mostra as aes de controle decorrentes da operao em malha fechada considerando uma constante proporcional Kp=1.5. Assim, para E=64 e E=64 corresponde uma ao de controle Ac=3.0 e para E=32 e E=32 corresponde uma ao de controle Ac=1.5.

31

32 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.22 Resposta do Sistema (2o Caso, Kp=0.5)

Acfz

t(s) Figura 2.23 Aes de Controle (2o Caso, Kp=0.5)

32

33 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.24 Resposta do Sistema (2o Caso, Kp=1.0)

Acfz

t(s) Figura 2.25 Aes de Controle (2o Caso, Kp=1.0)

33

34 Controlador Nebuloso de Arquitetura Simplificada

Va Vd

t(s) Figura 2.26 Resposta do Sistema (2o Caso, Kp=1.5)

Acfz

t(s) Figura 2.27 Aes de Controle (2o Caso, Kp=1.5)

34

35 Controlador Nebuloso de Arquitetura Simplificada

2.7

Controlador Neuro-Nebuloso
Atualmente, a possibilidade de manusear sistemas de controle complexos, com auxlio

de controladores baseados em lgica nebulosa, combinados com as redes neurais artificiais que possuem capacidade de treinamento e adaptao, tem propiciado o desenvolvimento de novos sistemas e controladores neuro-nebulosos. Este trabalho apresenta uma estrutura simplificada de um controlador nebuloso, com possibilidade real de combinao com uma rede neural artificial baseada no CMAC (Cerebellar Model Articulation Controller) (ALBUS, 1975). Considerando que os procedimentos de fuzzificao e defuzzificao so executados antecipadamente, ento, o controlador neuro-nebuloso deve operar com informaes previamente armazenadas em memria, deste modo, a determinao de uma ao de controle se resume a uma simples consulta de dados armazenados em memria. Portanto, a arquitetura deste controlador admite o uso de uma rede neural artificial capaz de armazenar em memria, as informaes relativas s aes de controle. A estrutura mais adequada uma rede neural baseada no CMAC, capaz de armazenar dados numa estrutura do tipo z=f(x,y) (KRAFT & CAMPAGNA, 1990). Para que a rede neural do tipo CMAC possa armazenar dados em uma estrutura do tipo
z=f(x,y) necessrio considerar uma abordagem discreta para representao dos pesos utilizados

no armazenamento de dados, visando uma reduo da memria fsica requerida pela rede neural. Considerando a representao binria padro, usada no controlador nebuloso apresentado neste trabalho, possvel implementar uma rede neural do tipo CMAC com pesos discretos, obtendo um controlador neuro-nebuloso que combina a inferncia da lgica nebulosa com a capacidade de treinamento e adaptao das redes neurais artificiais (BORDON & TEIXEIRA, 1995). Com auxlio de memrias semicondutoras, possvel armazenar as aes de controle decorrentes da ativao das regras de controle. Considerando as aes de controle devidamente armazenadas em memria, as mesmas podem ser modificadas ou otimizadas, com auxlio de procedimentos de treinamento e adaptao, inerentes s redes neurais artificiais. Dado um conjunto de regras consistente, uma operao em malha fechada se resume a um simples acesso para leitura de uma nica posio de memria (BORDON at al., 2001). Apresenta-se a seguir o projeto de um controlador neuro-nebuloso de uso geral com arquitetura simplificada. Trata-se de um sistema digital implementado em microcomputador com placa de aquisio dados ou atravs de circuitos integrados microcontroladores.

35

36 Controlador Nebuloso de Arquitetura Simplificada

A estrutura bsica do controlador neuro-nebuloso pode ser implementada com circuitos integrados microcontroladores de 8 bits da famlia Intel-8051. Seu princpio de funcionamento consiste basicamente de procedimentos de treinamento, estimao e controle em malha fechada. A Figura 2.28 representa o procedimento de treinamento que assimila todas as regras de controle enquanto a Figura 2.29 representa o procedimento de estimao que gera as aes de controle.

Micro Controlador

Memria z=f(x,y) y

Regras de Controle

Memria da Rede Neural Artificial

Figura 2.28 Procedimento de Treinamento Micro Controlador Memria z=f(x,y) y Aes de Controle

Memria do Controlador Nebuloso

Figura 2.29 Procedimento de Estimao

2.7.1

Operador de Agregao
Considerando um procedimento de defuzzificao padronizado, para uma dada funo

z=f(x,y) representando uma superfcie genrica gerada por uma funo no-linear, no possvel

utilizar o operador de agregao representado pela equao (2.1). Para um dado conjunto de pesos associados a uma superfcie no-linear, outro operador de agregao deve ser utilizado, neste caso, emprega-se uma rede neural artificial baseada no
CMAC, que pode ser implementada na mesma estrutura z=f(x,y), usada no controlador nebuloso

de arquitetura simplificada desenvolvido neste trabalho. Para estimar todas as aes de controle z=f(x,y) preciso executar o procedimento de estimao caracterstico do CMAC, no entanto, antes do procedimento de estimao, necessrio recorrer ao processo de treinamento, que demanda um custo computacional elevado, devido estrutura de armazenamento usada no CMAC.

36

37 Controlador Nebuloso de Arquitetura Simplificada

Durante o processo de treinamento todas as regras de controle sero armazenadas numa estrutura do tipo z=f(x,y) que constitui a rede neural artificial. Com as informaes previamente armazenadas na rede neural, durante o processo de estimao, todas as aes de controle sero estimadas e armazenadas numa estrutura do tipo z=f(x,y) que constitui o controlador nebuloso. A Figura 2.30 apresenta a estrutura de memria do controlador neuro-nebuloso com a rede neural artificial associada ao controlador nebuloso de arquitetura simplificada. A Figura 2.31 apresenta a arquitetura bsica do controlador neuro-nebuloso utilizando microcontroladores da famlia Intel-8051 e memrias semicondutoras de 64 kbytes.

Rede Neural Artificial x0


F0-FF E0-EF D0-DF C0-CF B0-BF A0-AF 90-9F 80-8F 70-7F 60-6F 50-5F 40-4F 30-3F 20-2F 10-1F 00-0F

Controlador Nebuloso x0

y0

y0

Figura 2.30 Memria do Controlador Neuro-Nebuloso Via Dados 8 bits Rede Neural 64kbytes Latch Processo Industrial Intel 8051 Via End. 16 bits Memria Programa 64kbytes

Controle Nebuloso 64kbytes

Memria Dados 64kbytes

Figura 2.31 Arquitetura do Controlador Neuro-Nebuloso

37

38 Controlador Nebuloso de Arquitetura Simplificada

2.7.2

Controle Direto com Funo Quadrtica


A Tabela 2.11 apresenta os pesos associados s aes de controle Ac mapeados atravs

da representao grfica da Figura 2.32, usando funo quadrtica e inferncia direta.


Tabela 2.11 Aes de Controle com Funo Quadrtica Vd

Ac
x 0 64 128 192 256 wx 0 1 2 3 4

Va

y wy wz MB B M A MA

0 64 128 192 256 0 1 2 3 4 MB B M A MA 0.00 0.25 1.00 2.25 4.00 -0.25 0.00 0.25 1.00 2.25 -1.00 -0.25 0.00 0.25 1.00 -2.25 -1.00 -0.25 0.00 0.25 -4.00 -2.25 -1.00 -0.25 0.00

Controle Neuro-Nebuloso com Inferncia Direta

wz wx wy Figura 2.32 Pesos com Funo Quadrtica (1o Caso)

A Figura 2.33 apresenta a rede neural CMAC atuando como um operador de agregao, enquanto que a Figura 2.34 mostra as aes de controle decorrentes do processo de estimao.

38

39 Controlador Nebuloso de Arquitetura Simplificada

z f z x y Figura 2.33 Rede Neural com Funo Quadrtica (1o Caso)

zfz x y Figura 2.34 Aes de Controle com Funo Quadrtica (1o Caso)

39

40 Controlador Nebuloso de Arquitetura Simplificada

2.7.3

Controle Direto com Funo Exponencial


A Tabela 2.12 apresenta os pesos associados s aes de controle Ac mapeados atravs

da representao grfica da Figura 2.35, usando funo exponencial e inferncia direta.


Tabela 2.12 Aes de Controle com Funo Exponencial Vd

Ac
x 0 64 128 192 256 wx 0 1 2 3 4

Va

y wy wz MB B M A MA

0 64 128 192 256 0 1 2 3 4 MB B M A MA 0.00 1.72 2.73 3.44 4.00 -1.72 0.00 1.72 2.73 3.44 -2.73 -1.72 0.00 1.72 2.73 -3.44 -2.73 -1.72 0.00 1.72 -4.00 -3.44 -2.73 -1.72 0.00

Controle Neuro-Nebuloso com Inferncia Direta

wz wx wy Figura 2.35 Pesos com Funo Exponencial (1o Caso)

A Figura 2.36 apresenta a rede neural CMAC atuando como um operador de agregao, enquanto que a Figura 2.37 mostra as aes de controle decorrentes do processo de estimao.

40

41 Controlador Nebuloso de Arquitetura Simplificada

z f z x y Figura 2.36 Rede Neural com Funo Exponencial (1o Caso)

z f z x y Figura 2.37 Aes de Controle com Funo Exponencial (1o Caso)

41

42 Controlador Nebuloso de Arquitetura Simplificada

2.7.4

Controle Indireto com Funo Quadrtica


A Tabela 2.13 apresenta os pesos associados s aes de controle Ac mapeados atravs

da representao grfica da Figura 2.38, usando funo exponencial e inferncia direta.


Tabela 2.13 Aes de Controle com Funo Quadrtica

Ac
x -128 -64 0 64 128 wx -2 -1 0 1 2

y wy wz MN N Z P MP

-128 -64 0 64 128 -2 -1 0 1 2 MN N Z P MP -4.00 -2.25 -1.00 -0.25 0.00 -2.25 -1.00 -0.25 0.00 0.25 -1.00 -0.25 0.00 0.25 1.00 -0.25 0.00 0.25 1.00 2.25 0.00 0.25 1.00 2.25 4.00

Controle Neuro-Nebuloso com Inferncia Indireta

wz wx wy Figura 2.38 Pesos com Funo Quadrtica (2o Caso)

A Figura 2.39 apresenta a rede neural CMAC atuando como um operador de agregao, enquanto que a Figura 2.40 mostra as aes de controle decorrentes do processo de estimao.

42

43 Controlador Nebuloso de Arquitetura Simplificada

z f z x y Figura 2.39 Rede Neural com Funo Quadrtica (2o Caso)

z f z x y Figura 2.40 Aes de Controle com Funo Quadrtica (2o Caso)

43

44 Controlador Nebuloso de Arquitetura Simplificada

2.7.5

Controle Indireto com Funo Exponencial


A Tabela 2.14 apresenta os pesos associados s aes de controle Ac mapeados atravs

da representao grfica da Figura 2.41, usando funo exponencial e inferncia direta.


Tabela 2.14 Aes de Controle com Funo Exponencial

Ac
x -128 -64 0 64 128 wx -2 -1 0 1 2

y wy wz MN N Z P MP

-128 -64 0 64 128 -2 -1 0 1 2 MN N Z P MP -4.00 -3.44 -2.73 -1.72 0.00 -3.44 -2.73 -1.72 0.00 1.72 -2.73 -1.72 0.00 1.72 2.73 -1.72 0.00 1.72 2.73 3.44 0.00 1.72 2.73 3.44 4.00

Controle Neuro-Nebuloso com Inferncia Indireta

wz wx wy Figura 2.41 Pesos com Funo Exponencial (2o Caso)

A Figura 2.42 apresenta a rede neural CMAC atuando como um operador de agregao, enquanto que a Figura 2.43 mostra as aes de controle decorrentes do processo de estimao.

44

45 Controlador Nebuloso de Arquitetura Simplificada

z f z x y Figura 2.42 Rede Neural com Funo Exponencial (2o Caso)

z f z x y Figura 2.43 Aes de Controle com Funo Exponencial (2o Caso)

45

46

46

47 Acionamento de Mquinas Eltricas de Induo

Captulo 3 Acionamento de Mquinas Eltricas de Induo


3.1 Introduo
Com o advento da microeletrnica, pode-se perceber que os sistemas de controle esto mais eficientes e confiveis devido aos componentes eletrnicos de ltima gerao. Atualmente, possvel implementar um sistema de controle digital, capaz de executar algoritmos complexos atuando em tempo real. Da mesma forma, a teoria de controle digital permitiu que as tcnicas de ajuste de parmetros desenvolvidas anteriormente, sejam utilizadas na prtica propiciando bons resultados nas implementaes microcontroladas (KALMAN, 1958). Na indstria, diversos processos empregam mquinas e ferramentas cuja caracterstica principal o acionamento com velocidade varivel. Na sua maioria, os acionamentos industriais usam mquinas eltricas que so mais resistentes, mais confiveis e possuem custos reduzidos. Para controlar a velocidade destes acionamentos, muitos mtodos tm sido investigados, indo desde sistemas mecnicos e pneumticos at sistemas eltricos e eletrnicos que utilizam motores de corrente contnua ou motores de induo (SMITH & DAVISON, 1972). Tradicionalmente, o controle preciso de velocidade dos acionamentos era feito atravs de mquinas de corrente contnua, empregando um conjunto de trs mquinas eltricas. Com o advento da eletrnica de potncia, este arranjo pde ser substitudo por uma nica mquina de corrente contnua. Nas aplicaes com controle de velocidade empregam-se motores de corrente contnua com excitao independente, cuja velocidade pode ser controlada variando-se a tenso de alimentao do circuito de armadura (KRISHNAN & RAMASWAMI, 1974). O uso de motores de induo representa uma grande vantagem, tendo em vista seu custo de manuteno reduzido, alm de serem normalizados e poderem ser utilizados em ambientes agressivos, onde o uso de motores convencionais de corrente contnua implicaria em custos mais elevados. Sempre foi desejo dos fabricantes e usurios, controlar a velocidade dos motores de induo por meios eltricos mas as tcnicas de acionamento dos motores de induo somente tornaram-se viveis, graas ao desenvolvimento tecnolgico alcanado na produo de semicondutores de potncia e circuitos integrados dedicados (KRAUSE & LIPO, 1969).

47

48 Acionamento de Mquinas Eltricas de Induo

Os sistemas de controle utilizados no acionamento de motores de induo baseiam-se em modelos pr-determinados, onde os parmetros eltricos da mquina de induo so bem conhecidos. Normalmente, estes modelos so estticos pois o algoritmo de controle no est preparado para adaptar-se s mudanas de carga ou s alteraes de parmetros, quando o motor de induo est sujeito a diferentes regimes de operao (NELSON et al., 1969). Genericamente, o acionamento do motor de induo, operando em velocidade varivel, exige conhecimento preciso de variveis e parmetros da mquina eltrica para garantir respostas dinmicas rpidas e precisas, alm de proporcionar um bom desempenho em regime estacionrio. O emprego de tcnicas de acionamento de alto desempenho para motores de induo um procedimento desejvel do ponto de vista da aplicao e sua implementao em tempo real tem sido viabilizada devido evoluo das teorias de controle (JOETTEN & MAEDER, 1983).

3.2

Motores de Induo Trifsicos


Geralmente, as mquinas e ferramentas usadas nos processos industriais, so acionadas

por motores de induo trifsicos. Neste tipo de mquina eltrica, para uma variao contnua e precisa da velocidade, a freqncia e a tenso de entrada devem ser variveis, neste caso, os circuitos inversores devem ser usados para sintetizar um sistema trifsico de tenso e freqncia variveis, mantendo-se constante a relao entre tenso e freqncia, para que o fluxo magntico presente no entreferro do motor de induo, seja mantido constante. Nesta condio de operao, as translaes obtidas nas curvas de conjugado ocorrem ao mesmo tempo em que se preserva o conjugado mximo disponvel no eixo do motor de induo (LIPO, 1971). Como o motor de induo apresenta parmetros variantes no tempo a manuteno do nvel de eficincia do sistema de controle depende do uso de tcnicas de estimao e ajuste de parmetros. Atualmente, significativos avanos tm ocorrido no desenvolvimento de sistemas de controle que usam tcnicas de estimao e ajuste de parmetros, otimizando o desempenho dos acionamentos que empregam motores de induo (MATSUO & LIPO, 1985). Devido ao comportamento no-linear do motor de induo existe uma forte motivao para o uso de sistemas baseados em lgica nebulosa e redes neurais artificiais na implementao de novas estratgias de controle. Um controlador neuro-nebuloso agrega a lgica nebulosa e as redes neurais artificiais em um nico dispositivo eletrnico capaz de controlar sistemas com comportamento dinmico e caracterstica no-linear, propiciando um alto grau de desempenho.
48

49 Acionamento de Mquinas Eltricas de Induo

O objetivo principal deste trabalho o desenvolvimento de sistemas de controle para acionamento de mquinas e ferramentas industriais. Dentre esses sistemas de controle destaca-se o controle digital de velocidade de motores de induo trifsicos utilizando tcnicas especiais baseadas em lgica nebulosa e redes neurais artificiais. As tcnicas especiais utilizadas neste trabalho permitem controlar a velocidade do motor de induo sujeito a diferentes condies de carga, sem conhecimento prvio do modelo matemtico correspondente. Este trabalho considera as estratgias de controle utilizadas em acionamentos industriais, mais precisamente, as tcnicas de acionamento de motores de induo que utilizam inversores de tenso baseados em modulao do tipo PWM (Pulse Width Modulation). Envolve ainda o estudo de novas estratgias de controle digital baseado em mtodos automticos de ajuste de parmetros, proporcionando ao algoritmo de controle uma estrutura dinmica capaz de adaptar-se s diversas situaes de funcionamento dos motores de induo trifsicos (ADAMS & FOX, 1972). Para tanto, foi desenvolvido um sistema digital dedicado ao controle dos inversores de tenso do tipo PWM, constitudo por circuitos eletrnicos conectados a um microcomputador, responsvel pela superviso e operao do sistema. Com os recursos disponveis no laboratrio foi possvel implementar um conjunto para ensaios e testes operacionais, visando a avaliao do comportamento do sistema usando tcnicas convencionais de controle de velocidade de motores de induo acionados por inversores de tenso do tipo PWM (STARR & LOON, 1980). Com os resultados obtidos nos testes e ensaios operacionais, foi possvel avaliar o uso de novas estratgias de controle digital baseadas em tcnicas de ajuste de parmetros. Inicialmente, o estudo das novas estratgias de controle foi feito atravs de simulao computacional usando o programa MATLAB. A partir da simulao computacional foi obtido um conjunto preliminar de informaes com o qual chegou-se soluo mais adequada dentro das caractersticas do sistema de acionamento e controle proposto, viabilizando o projeto de um controlador digital de velocidade para motores de induo trifsicos (KRAUSE & THOMAS, 1965). A implementao deste sistema de controle digital envolveu a utilizao de diversos componentes, circuitos eletrnicos e programas aplicativos, requerendo um novo conjunto para ensaios e testes operacionais, dada a complexidade caracterstica dos sistemas digitais de controle de motores de induo, envolvendo aquisio de dados em tempo real. Portanto, este trabalho vem contribuir com os meios necessrios para o desenvolvimento de estratgias de controle direcionadas para utilizao de microcontroladores de 8 bits, empregando novas metodologias de controle digital adequadas s caractersticas do processo a ser controlado.
49

50 Acionamento de Mquinas Eltricas de Induo

O uso de microcontroladores tem como objetivo a simplificao do hardware e software, normalmente estruturados a partir de microcomputadores, o que torna o sistema de controle mais caro e complexo enquanto que os microcontroladores permitem a implementao de um sistema mais simples e menos dispendioso. Por outro lado, o uso de microcontroladores traz uma srie de limitaes, reduzindo a capacidade de processamento e armazenamento de dados. Com o uso de vrias estruturas em paralelo pode-se melhorar sensivelmente a capacidade de processamento e armazenamento disponvel nos microcontroladores (ATHANI & DESHPANDE, 1980).

3.3

Descrio do Sistema de Controle


Todas as estratgias de controle para o acionamento de motores de induo trifsicos

utilizadas neste trabalho, foram implementadas no mesmo sistema de controle digital. Diferentes algoritmos so utilizados para fechar as malhas de controle de freqncia e controle de corrente. Os componentes que fazem parte do sistema de controle apresentado no diagrama em blocos da Figura 3.1 podem ser melhor compreendidos com uma breve descrio de cada um indicando suas principais caractersticas e limitaes, evidenciando o princpio de funcionamento de cada elemento e apresentando as alternativas de implementao do sistema de controle.
Controle de Freqncia x y z Fr Fd Fc Fr Fd Ie Id Unidade de Controle Ie Id Ic x y z Controle de Corrente Ie - Corrente de Entrada Id - Corrente Desejada Ic - Controle de Corrente Vc - Varivel de Controle Vc Gerador de Pulsos a b c Ie Inversor de Tenso Motor de Induo Fr

Fr - Freqncia de Rotao Fd - Freqncia Desejada Fc - Controle de Freqncia

Figura 3.1 Diagrama do Sistema de Controle

50

51 Acionamento de Mquinas Eltricas de Induo

3.3.1

Unidade de Controle
Esta unidade responsvel pela implementao das estratgias de controle, executando

algoritmos especficos e previamente estabelecidos, propiciando o gerenciamento efetivo de todas as tarefas necessrias para o acionamento de motores de induo trifsicos. A unidade de controle pode ser implementada a partir de um microcomputador usando linguagem de programao adequada ou atravs de um circuito dedicado composto de memrias semicondutoras e um microcontrolador de 8 bits da famlia Intel-8051. Esta unidade possui elementos para aquisio de sinais analgicos e processamento de sinais digitais. Os sinais mais importantes so: a freqncia desejada Fd, a freqncia de rotao
Fr, a corrente desejada Id, a corrente de entrada Ie e as variveis de controle Fc, Ic e Vc.

A unidade de controle gerencia efetivamente duas malhas fechadas: a malha de controle de freqncia, responsvel pelo ajuste de velocidade do motor de induo e a malha de controle de corrente, responsvel pela limitao de corrente de entrada do motor de induo. A malha principal a malha de controle de freqncia sendo que a malha de controle de corrente, atua como um elemento de ajuste dinmico de ganho, regulando a ao da malha de controle de freqncia. A limitao de corrente no determina o desligamento do sistema de acionamento pois no se trata de um simples circuito de proteo. Trata-se de um elemento capaz de controlar a corrente mxima de operao do motor de induo trifsico.

3.3.2

Circuito Gerador de Pulsos


O gerador de pulsos pode ser implementado com o circuito integrado Philips-4752, que

utiliza o processo de modulao por largura de pulsos em dupla borda. Trata-se de circuito eletrnico puramente digital que permite um controle total da tenso de alimentao e da freqncia de operao, com uma freqncia de chaveamento que sempre um mltiplo inteiro da freqncia sintetizada pelo circuito inversor de tenso (STARR & LOON, 1980). Como resultado prtico, pode-se obter excelente balanceamento de freqncia e tenso, reduzida perda nos motores de induo e otimizao do contedo harmnico. O controle feito atravs do ajuste da freqncia de dois sinais digitais: um sinal responsvel pelo valor da tenso nominal e outro responsvel pelo valor da freqncia sintetizada pelo inversor PWM.

51

52 Acionamento de Mquinas Eltricas de Induo

3.3.3

Inversor de Tenso Trifsico


Um conversor de freqncia o equipamento mais adequado para controlar a velocidade

dos motores de induo. Atravs dos inversores possvel alimentar este tipo de mquina eltrica com tenso e freqncia variveis, mantendo constante a relao tenso/freqncia. O circuito inversor de tenso alimentado por uma fonte de tenso primria obtida a partir de um retificador no-controlado com filtro capacitivo. Possui uma configurao em ponte trifsica e emprega modulao por largura de pulsos de borda dupla (HOLTZ, 1994). Normalmente, este circuito utiliza dispositivos semicondutores do tipo IGBT (Insulated Gate Bipolar Transistor) para o chaveamento e opera-se em modo contnuo sendo que, a qualquer instante existem sempre trs dispositivos de chaveamento em estado de conduo. Pode-se utilizar na implementao de um sistema de controle e acionamento de motores de induo, um circuito inversor de tenso comercial, com entrada de controle independente, para que o controlador possa atuar efetivamente sem nenhum tipo de interferncia.

3.3.4

Motor de Induo Trifsico


O motor de induo trifsico usado neste trabalho possui os seguintes dados de catlogo:

potncia nominal Pn=1.0Cv, tenso nominal Vn=220V, conjugado nominal Tn=4.0Nm, corrente nominal In=3.8A, freqncia nominal Fn=60Hz e momento de inrcia Jo=0.0015kgm2. Trata-se de uma mquina eltrica de induo trifsica fabricada pela empresa Weg com rotor do tipo gaiola de esquilo, modelo 80-1190 de 4 plos, isolamento classe B, proteo IP-54, categoria N, fator de potncia 0.75, fator de servio 1.15 e rendimento de 70%. Os parmetros do circuito eltrico equivalente, obtidos em laboratrio, so os seguintes: resistncia do estator Rs=9.8, resistncia do rotor Rr=5.7, indutncia do estator Ls=12.54mH, indutncia do rotor Lr=18.71mH e indutncia de magnetizao Lm=312.75mH. Estes parmetros foram levantados atravs de ensaio em vazio e ensaio com rotor bloqueado e seus valores foram utilizados nas simulaes computacionais apresentadas neste trabalho. Quando um motor de induo alimentado por um circuito inversor de tenso trifsico, mantendo-se constante a relao tenso/freqncia, possvel controlar a velocidade de operao deste tipo de mquina eltrica, utilizando um perfil de velocidade adequado.

52

53 Acionamento de Mquinas Eltricas de Induo

3.4

Estratgias de Controle
O presente trabalho apresenta uma metodologia de ajuste dinmico de velocidade de um

motor de induo trifsico, acionado por um inversor de tenso do tipo PWM, utilizando controle digital e planejamento de ganho. Trata-se de um sistema de controle que opera em malha fechada, monitorando em tempo real a freqncia de rotao do motor de induo e procurando minimizar ou anular as diferenas em relao freqncia de operao desejada. Este sistema de controle utiliza uma varivel auxiliar para determinar as condies de operao do motor de induo e estabelecer o ajuste automtico de um parmetro de controle, relacionado com o planejamento de ganho em malha fechada. A varivel auxiliar utilizada a corrente de entrada do motor de induo e para efeito de planejamento de ganho, a corrente de entrada sempre comparada com um mltiplo da corrente nominal do motor de induo visando limitao da corrente de entrada. O acionamento em malha fechada permite que um novo e adequado perfil de freqncia seja obtido sempre que um novo valor de freqncia desejada seja estabelecido, pois as condies de operao do motor de induo trifsico, podem ser estimadas a partir de informaes precisas obtidas atravs de aquisio de dados em tempo real. Deste modo, pode-se a qualquer instante de operao do motor de induo, aumentar ou diminuir a freqncia desejada, promover considerveis variaes de carga, limitando a corrente de entrada do motor de induo, mantendo o erro de regime praticamente nulo. Deve-se notar que as estratgias de controle apresentadas neste trabalho, no utilizam modelos matemticos para determinar as condies de operao do motor de induo, muito pelo contrrio, necessitam apenas de informaes relativas aos dados de placa do motor de induo. Como o valor eficaz da corrente de entrada do motor de induo, decorre de uma medida auxiliar, uma estrutura computacional baseada em redes neurais artificiais pode armazenar as informaes relativas ao valor da corrente de entrada, durante um processo de treinamento e, posteriormente, estas informaes podem ser resgatadas durante um processo de estimao. A utilizao de um sistema de controle digital baseado em aquisio de dados em tempo real, representa uma soluo interessante do ponto de vista prtico, mas acaba sendo um pouco mais complexo, quando comparado com as solues normalmente adotadas para acionamento e controle de motores de induo, usando inversores de tenso do tipo PWM.

53

54 Acionamento de Mquinas Eltricas de Induo

Este trabalho procura apresentar novas alternativas de controle digital de velocidade de motores de induo, inserindo inovaes no que diz respeito s possibilidades de controle em malha fechada, usando lgica nebulosa para formulao de uma estratgia de controle alternativa que possa substituir a estratgia de controle PID (KRIKELIS & FASSOIS, 1984). Os algoritmos de controle podem ser implementados usando linguagem de mquina de um microcontrolador de 8 bits da famlia Intel-8051 ou ainda usando linguagem de alto nvel de um microcomputador tipo PC equipado com placa de aquisio de dados. As limitaes decorrentes da digitalizao das varveis de entrada e sada so inerentes e dizem respeito preciso numrica e ao fundo de escala uma vez que estes valores dependem do nmero de bits utilizados na representao numrica das grandezas fsicas envolvidas. Apresentam-se a seguir as estratgias de controle digital proporcional integral derivativa e as novas estratgias de controle nebulosas e neuro-nebulosas desenvolvidas neste trabalho, visando implementao de um sistema de controle digital, simples e eficiente.

3.4.1

Controle Proporcional Integral Derivativo


A estratgia de controle PID (Proporcional Integral Derivativo) determina a varivel de

controle Vc que ajusta a freqncia da tenso sintetizada pelo circuito inversor de tenso PWM. O ganho de malha fechada deste sistema de controle ajustado periodicamente em funo da corrente de entrada do motor de induo, conforme indicado na Figura 3.2. O algoritmo de controle PID efetua os clculos das parcelas de controle proporcional, integral e derivativa. Sabendo que o tempo de amostragem interfere no ganho do controlador, o mesmo foi ajustado com base na dinmica do sistema de acionamento. Os tempos Ti e Td foram mantidos iguais a 1 para garantir a compatibilidade com as demais estratgias de controle. O erro de freqncia Er obtido a partir da diferena entre a freqncia desejada Fd e a freqncia de rotao Fr medida no eixo do motor de induo e, em seguida, calculam-se as parcelas de controle proporcional e derivativa. Somando-se estas duas parcelas, obtm-se uma varivel de controle Fc, responsvel pelo ajuste da freqncia de rotao Fr. O erro de corrente Ei obtido a partir da diferena entre a corrente desejada Id e a corrente de entrada Ie medida na alimentao do motor de induo e, em seguida, calculam-se as parcelas de controle proporcional e derivativa. Somando-se estas duas parcelas, obtm-se uma varivel de controle Ic, responsvel pela limitao da corrente de entrada Ie.
54

55 Acionamento de Mquinas Eltricas de Induo

Controle de Freqncia x y z Fr Fd Fc Fr Fd Ie Id Unidade de Controle Ie Id Ic x y z Controle de Corrente Vc

Er( n ) = Fd( n ) - Fr( n )


Fc( n ) = Er( n ) + Td ( Er( n ) - Er( n-1 ) ) T

(3.1)

Gerador de Pulsos

a b c

Ie Inversor de Tenso Motor de Induo Fr

Ei( n ) = Id ( n ) - Ie( n )
Ic( n ) = Ei( n ) + Td ( Ei( n ) - Ei( n-1 ) ) T

(3.2)

Figura 3.2 Estratgia de Controle PID

A freqncia de rotao Fr do motor de induo obtida em tempo real com auxlio de um tacmetro digital. Atravs de um circuito conversor de freqncia para tenso possvel obter um sinal analgico proporcional freqncia de rotao do motor de induo. A corrente de entrada Ie do motor de induo obtida em tempo real com auxlio de um sensor de efeito Hall. Atravs de um circuito somador retificador de preciso possvel obter um sinal analgico proporcional corrente de entrada do motor de induo. A varivel de controle Fc responsvel pelo ajuste da freqncia de rotao dada pela equao (3.1). A varivel de controle Ic responsvel pela limitao da corrente de entrada dada pela equao (3.2). A varivel de controle Vc responsvel pelo fechamento das duas malha de controle dada pela equao (3.3) que representa a ao integral do controle PID.
Vc( n ) = Vc( n-1 ) + T ( Fc( n ) Ic( n ) )Kp Ti

(3.3)

Os tempos de integrao Ti e derivao Td, o tempo de amostragem T e a constante de proporcionalidade Kp, determinados segundo mtodos clssicos de ajuste de parmetros, podem interferir no comportamento esttico e dinmico do sistema de acionamento do motor de induo alterando os valores de erro de regime, tempo de resposta e sobre-sinal.

55

56 Acionamento de Mquinas Eltricas de Induo

3.4.2

Controle Nebuloso com Inferncia Direta


A estratgia de controle nebulosa com inferncia direta gera a varivel de controle Vc,

responsvel pelo ajuste de freqncia da tenso sintetizada pelo circuito inversor de tenso PWM. O ganho de malha fechada deste sistema de controle ajustado periodicamente em funo da corrente de entrada do motor de induo trifsico, conforme indicado na Figura 3.3. O algoritmo de controle de inferncia direta executa os procedimentos de fuzzificao das variveis de entrada Fr, Fd, Ie, Id e defuzzificao das variveis de sada Fc e Ic. O ajuste do controlador obtido atravs de procedimentos bsicos de inferncia utilizados na formulao de regras de controle consistentes e depende do tempo de amostragem T.
Controle de Freqncia x y z Fr Fd Fc Fr Fd Ie Id Unidade de Controle Ie Id Ic x y z Controle de Corrente Vc Gerador de Pulsos a b c Ie Inversor de Tenso Motor de Induo Fr

Fc( n ) = f ( Fd ( n ) , Fr( n ) )

(3.4)

Ic( n ) = f ( Id( n ) , Ie( n ) )

(3.5)

Figura 3.3 Controle Nebuloso com Inferncia Direta

O algoritmo de controle de freqncia de inferncia direta utiliza as variveis de entrada: freqncia desejada Fd e freqncia de rotao Fr, gerando a varivel de controle Fc. O algoritmo de controle de corrente de inferncia direta utiliza as variveis de entrada: corrente desejada Id e corrente de entrada Ie, gerando a varivel de controle Ic.
Vc( n ) = Vc( n-1 ) + ( Fc( n ) Ic( n ) )Kp

(3.6)

56

57 Acionamento de Mquinas Eltricas de Induo

Considerando a representao binria apresentada na Tabela 2.1, para fx e fy iguais a 64, a fuzzificao usando inferncia direta feita como indicado na Tabela 3.1 e Figura 3.4.
Tabela 3.1 Fuzzificao com Inferncia Direta Peso Termo Varivel Entradas Fr ou Fd Ie ou Id Cartesiana Lingstico Associado wx ou wy Associado x ou y [Hz] [A] [0:16] [0:4] [0:64] Muito Baixo 0 [0:32] [0:8] [0:128] Baixo 1 [16:48] [4:12] [64:192] Mdio 2 [32:64] [8:16] [128:256] Alto 3 [48:64] [12:16] [192:256] Muito Alto 4

x , y
0 1 1 2 3 4

wx ,wy

0 0 64 128 192 256

x,y

Figura 3.4 Funes de Pertinncia das Entradas (1o Caso)

Com a varivel de entrada Fr igual a 20Hz, temos a varivel x igual a 80. Atravs de uma simples diviso (xfx), com fx igual a 64, define-se que esto ativos os termos lingsticos:
Baixo com peso wxa igual a 1, com ndice de pertinncia xa igual a 0.75. Mdio com peso wxb igual a 2, com ndice de pertinncia xb igual a 0.25.

Pois, (8064) igual a 1.25. Com a varivel de entrada Fd igual a 60Hz, temos a varivel y igual a 240. Atravs de uma simples diviso (yfy), com fy igual a 64, define-se que esto ativos os termos lingsticos:
Alto com peso wya igual a 3, com ndice de pertinncia ya igual a 0.25. Muito Alto com peso wyb igual a 4, com ndice de pertinncia yb igual a 0.75.

Pois, (24064) igual a 3.75.

57

58 Acionamento de Mquinas Eltricas de Induo

Considerando a representao binria indicada na Tabela 2.2, para um fator fz igual a 32, a defuzzificao com inferncia direta feita como indicado na Tabela 3.2 e Figura 3.5.
Tabela 3.2 Aes de Controle com Inferncia Direta

Fc,Ic
x 0 64 Fr,Ir 128 192 256 wx 0 1 2 3 4

y wy wz MB B M A MA

0 0 MB 0 -1 -2 -3 -4

Fd,Id 64 128 1 2 B M 1 2 0 1 -1 0 -2 -1 -3 -2

192 3 A 3 2 1 0 -1

256 4 MA 4 3 2 1 0

z
-4 -3 -2 -1 0 1 2 3 4

wz

-128

-96

-64

-32

32

64

96

128

Figura 3.5 Funes de Pertinncia da Varivel de Sada (1o Caso)

Para x igual a 80 e y igual a 240 esto ativas as regras com os seguintes pesos wz:

wz ( w wz ( w wz ( w

xa ,w ya ) xb ,w ya ) xa ,w yb )

= w z ( 1,3 ) = 2 = w z ( 2 ,3 ) = 1 = w z ( 1,4 ) = 3

Atravs da equao (2.1) pode-se determinar o valor da varivel de sada (zfz).

z = ( xa + ya ) w z ( w ,w ) + ( xb ) w z ( w ,w ) + ( yb ) w z ( w ,w ) - w z ( w ,w ) xa ya xb ya xa yb xa ya fz

( 0.75 + 0.25 )( 2 ) + ( 0.25 )( 1 ) + ( 0.75 )( 3 ) - ( 2 ) = 2.5


Para um fator fz igual a 32 pode-se calcular o valor da varivel de controle Fc.
Fc = 2.5 32 = 80

58

59 Acionamento de Mquinas Eltricas de Induo

3.4.3

Controle Nebuloso com Inferncia Indireta


A estratgia de controle nebulosa com inferncia indireta gera a varivel de controle Vc,

responsvel pelo ajuste de freqncia da tenso sintetizada pelo circuito inversor de tenso PWM. O ganho de malha fechada deste sistema de controle ajustado periodicamente em funo da corrente de entrada do motor de induo trifsico, conforme indicado na Figura 3.6. O algoritmo de controle de inferncia indireta executa procedimentos de fuzzificao das variveis de entrada Er, Er, Ei, Ei e defuzzificao das variveis de sada Fc e Ic. O ajuste do controlador obtido atravs de procedimentos bsicos de inferncia utilizados na formulao de regras de controle consistentes e depende do tempo de amostragem T.
Controle de Freqncia x y z Er Er Fc Fr Fd Ie Id Unidade de Controle Ei Ei Ic x y z Controle de Corrente Vc Gerador de Pulsos a b c Inversor de Tenso

Er( n ) = Fd( n ) - Fr( n )

Fc( n ) = f ( Er( n ) , Er( n ) )

(3.7)

Er( n ) = ( Er( n ) - Er( n-1 ) )


Ie Motor de Induo Fr

Ei( n ) = Id ( n ) - Ie( n )

Ic( n ) = f ( Ei( n ) , Ei( n ) )

(3.8)

Ei( n ) = ( Ei( n ) - Ei( n-1 ) )

Figura 3.6 Controle Nebuloso com Inferncia Indireta

O algoritmo de controle de freqncia de inferncia indireta usa as variveis de entrada: erro de freqncia Er e gradiente do erro de freqncia Er, gerando a varivel de controle Fc. O algoritmo de controle de corrente de inferncia indireta usa as variveis de entrada: erro de corrente Ei e gradiente do erro de corrente Ei, gerando a varivel de controle Ic.
Vc( n ) = Vc( n-1 ) + ( Fc( n ) Ic( n ) )Kp (3.9)

59

60 Acionamento de Mquinas Eltricas de Induo

Considerando a representao binria apresentada na Tabela 2.1, para fx e fy iguais a 64, a fuzzificao usando inferncia indireta feita como indicado na Tabela 3.3 e Figura 3.7.
Tabela 3.3 Fuzzificao com Inferncia Indireta Peso Termo Varivel Entradas Er ou Er Ei ou Ei Cartesiana Lingstico Associado wx ou wy Associado x ou y [Hz] [A] [-64:-32] [-16:-8] [-128:-64] Muito Negativo -2 [-64:0] [-16:0] [-128:0] Negativo -1 [-32:32] [-8:8] [-64:64] Zero 0 [0:64] [0:16] [0:128] Positivo 1 [32:64] [8:16] [64:128] Muito Positivo 2

x , y
-2 1 -1 0 1 2

wx ,wy

0 -128

-64

64

128

x,y

Figura 3.7 Funes de Pertinncia das Entradas (2o Caso)

Com a varivel de entrada Er igual a 24Hz, temos a varivel x igual a 48. Atravs de uma simples diviso (xfx), com fx igual a 64, define-se que esto ativos os termos lingsticos:
Zero com peso wxa igual a 0, com ndice de pertinncia xa igual a 0.25. Positivo com peso wxb igual a 1, com ndice de pertinncia xb igual a 0.75.

Pois, (4864) igual a 0.75. Com a varivel de entrada Er igual a -8Hz, temos a varivel y igual a -16. Atravs de uma simples diviso (yfy), com fy igual a 64, define-se que esto ativos os termos lingsticos:
Negativo com peso wya igual a -1, com ndice de pertinncia ya igual a 0.25. Zero com peso wyb igual a 0, com ndice de pertinncia yb igual a 0.75.

Pois, (-1664) igual a -0.25.

60

61 Acionamento de Mquinas Eltricas de Induo

Considerando a representao binria indicada na Tabela 2.2, para um fator fz igual a 32, a defuzzificao com inferncia indireta feita como indicado na Tabela 3.4 e Figura 3.8.
Tabela 3.4 Aes de Controle com Inferncia Indireta

Er,Ei

Fc,Ic
x -128 -64 Er,Ei 0 64 128 wx -2 -1 0 1 2

y -128 wy -2 wz MN MN -4 N -3 Z -2 P -1 MP 0

-64 -1 N -3 -2 -1 0 1

0 0 Z -2 -1 0 1 2

64 1 P -1 0 1 2 3

128 2 MP 0 1 2 3 4

z
-4 -3 -2 -1 0 1 2 3 4

wz

-128

-96

-64

-32

32

64

96

128

Figura 3.8 Funes de Pertinncia da Varivel de Sada (2o Caso)

Para x igual a 80 e y igual a 240 esto ativas as regras com os seguintes pesos wz:

wz( w wz( w wz( w

xa ,w ya ) xb ,w ya ) xa ,w yb )

= w z ( 0 ,-1 ) = -1 = w z ( 1,-1 ) = 0 = wz ( 0 , 0 ) = 0

Atravs da equao (2.1) pode-se determinar o valor da varivel de sada (zfz).

z = ( xa + ya ) w z ( w ,w ) + ( xb ) w z ( w ,w ) + ( yb ) w z ( w ,w ) - w z ( w ,w ) xa ya xb ya xa yb xa ya fz ( 0.25 + 0.25 )( -1 ) + ( 0.75 )( 0 ) + ( 0.75 )( 0 ) - ( -1 ) = 0.5


Para um fator fz igual a 32 pode-se calcular o valor da varivel de controle Fc.
Fc = 0.5 32 = 16

61

62 Acionamento de Mquinas Eltricas de Induo

3.4.4

Estratgia de Controle Neuro-Nebulosa


Devido ao uso de duas malhas de controle, necessrio fazer uma composio de duas

aes de controle Fc e Ic, a fim de se obter uma nica varivel de controle Vc. Uma rede neural do tipo CMAC pode ser usada como mecanismo de inferncia capaz de mapear em memria a composio de todas as aes de controle necessrias para o acionamento do motor de induo, substituindo as duas malhas de controle por apenas uma, capaz de gerar as aes de controle Ac em funo do erro de freqncia Er e do erro de corrente Ei. O algoritmo de controle neuro-nebuloso, executa os procedimentos de fuzzificao das duas variveis de entrada Er, Ei e defuzzificao da varivel de sada Ac. O ajuste do controlador neuro-nebuloso obtido atravs de procedimentos bsicos de inferncia utilizados na formulao de regras de controle consistentes e depende do tempo de amostragem T. A estratgia de controle neuro-nebulosa, utiliza as aes de controle Ac, para gerar uma varivel de controle Vc, responsvel pelo ajuste de freqncia da tenso sintetizada pelo inversor de tenso PWM. O ganho de malha fechada deste sistema de controle ajustado periodicamente em funo da corrente de entrada do motor de induo, conforme indicado na Figura 3.9.
Controle Neuro Nebuloso x y z Er Ei Ac Fr Fd Ie Id Unidade de Controle Er Ei Ac x y z Rede Neural Artificial Figura 3.9 Estratgia de Controle Neuro-Nebulosa Vc Gerador de Pulsos a b c Ie Inversor de Tenso Motor de Induo Fr

Er( n ) = Fd( n ) - Fr( n ) Ei( n ) = Id ( n ) - Ie( n )

Ac( n ) = f ( Er( n ) , Ei( n ) )

(3.10)

62

63 Acionamento de Mquinas Eltricas de Induo

Considerando a representao binria apresentada na Tabela 2.1, para fx e fy iguais a 64, a fuzzificao com controle neuro-nebuloso foi feita como indicado na Tabela 3.5 e Figura 3.10.
Tabela 3.5 Fuzzificao com Controle Neuro-Nebuloso Peso Termo Varivel Entradas Abs(Er) Abs(Ei) Cartesiana Lingstico Associado Associado wx ou wy x ou y [Hz] [A] [0:16] [0:4] [0:64] Muito Baixo 0 [0:32] [0:8] [0:128] Baixo 1 [16:48] [4:12] [64:192] Mdio 2 [32:64] [8:16] [128:256] Alto 3 [48:64] [12:16] [192:256] Muito Alto 4

x , y
0 1 1 2 3 4

wx ,wy

0 0 64 128 192 256

x,y

Figura 3.10 Funes de Pertinncia das Entradas

As variveis de entrada Er, Ei e a varivel de sada Ac, so consideradas em termos absolutos para garantir a preciso do controlador neuro-nebuloso. Portanto, o sinal Sc das aes de controle Ac depende do sinal do erro de freqncia Sr e do sinal do erro de corrente Si.

Sc( n ) = ( Sr( n ) Si( n ) )

(3.11)

O valor da varivel de controle Vc obtido periodicamente, a partir do valor absoluto das aes de controle Ac, conforme indicado na equao (3.12).
Vc( n ) = Vc( n-1 ) + ( Sc( n ) Ac( n ) )Kp (3.12)

O sinal Sc das aes de controle Ac, determinado pelo sinal resultante da combinao lgica dos sinais Sr e Si, determinado atravs da equao (3.11).

63

64 Acionamento de Mquinas Eltricas de Induo

Apresenta-se na Tabela 3.6 a composio de todas as aes de controle necessrias para o acionamento do motor de induo usando uma nica malha de controle. Considera-se apenas o valor absoluto das aes de controle Ac em funo do erro de freqncia Er e erro de corrente Ei. Os valores dos pesos wz associados varivel de sada z foram determinados atravs de operaes de inferncia baseadas em conhecimento especialista, conforme indicado na Figura 3.11.
Tabela 3.6 Aes de Controle com Funo No-Linear Abs(Ei) Abs(Ac) y 0 64 128 192 256 wy 0 1 2 3 4 x wx wz MN N Z P MP 0 0 MN 0 0 0 0 0 64 1 N 0 1 2 3 4 Abs(Er) 128 2 Z 0 2 4 6 8 192 3 P 0 3 6 9 12 256 4 MP 0 4 8 12 16 Controle Neuro-Nebuloso

wz wx wy Figura 3.11 Conjunto de Pesos com Funo No-Linear

A Figura 3.12 apresenta a rede neural CMAC atuando como um operador de agregao, enquanto que a Figura 3.13 mostra as aes de controle decorrentes do processo de estimao.
64

65 Acionamento de Mquinas Eltricas de Induo

z x y Figura 3.12 Rede Neural Artificial com Funo No-Linear

z x y Figura 3.13 Aes de Controle com Funo No-Linear

65

66 Acionamento de Mquinas Eltricas de Induo

3.5

Simulao Computacional
Para avaliar as estratgias de controle desenvolvidas neste trabalho, foram elaborados

modelos matemticos detalhados e precisos do motor de induo, do inversor de tenso trifsico e dos algoritmos de controle. Estes modelos foram implementados em microcomputador usando um aplicativo computacional, elaborado com o programa MATLAB, para simulao do sistema de controle operando em malha fechada com alterao peridica de parmetros. Este aplicativo computacional inclui os detalhes especficos de um sistema de controle digital implementado com microcontroladores de 8 bits da famlia Intel-8051. As operaes lgicas e aritmticas so efetuadas considerando as limitaes impostas pela arquitetura de 8 bits. A estrutura bsica do controlador nebuloso representada genericamente por uma funo z=f(x,y), pode ser implementada em memrias semicondutoras com capacidade para armazenar 64 kbytes, usando barramento de dados de 8 bits e barramento de endereos de 16 bits. O modelo dinmico do motor de induo apresentado no Apndice 3 utiliza um sistema de equaes diferenciais no-lineares, pois o efeito de acoplamento entre as fases do estator e do rotor do motor de induo depende da posio angular do rotor em relao ao estator. Este efeito de acoplamento torna os coeficientes das equaes diferenciais variveis. Para evitar um sistema de equaes diferenciais com coeficientes variveis pode-se usar uma transformao de coordenadas atravs de um sistema de referncia adequado que torna os coeficientes das equaes diferenciais constantes. O modelo dinmico do motor de induo adota um sistema de referncia d-q girando na velocidade do campo girante, usando as transformaes de coordenadas baseadas nas equaes de Park (KRAUSE & THOMAS, 1965). No modelo dinmico do inversor as tenses de fase so representadas atravs do produto algbrico de tenses obtidas para operao em onda quadrada e um trem de pulsos de amplitude unitria. Os pulsos so distribudos simetricamente em relao a componente fundamental usando modulao PWM com borda dupla e taxa de pulsos varivel (ADAMS & FOX, 1972). Neste mtodo, so estabelecidos pulsos de controle cuja forma de onda caracterizada pela utilizao de ngulos de comutao pr-determinados de modo que o contedo harmnico possa ser controlado, eliminando-se os elementos indesejveis. No modelo dinmico do inversor a gerao dos pulsos de controle obedece s relaes entre freqncia sintetizada e freqncia portadora utilizadas no circuito integrado Philips-4752 (STARR & LOON, 1980).

66

67 Acionamento de Mquinas Eltricas de Induo

3.5.1

Simulao do Motor de Induo


Os modelos matemticos para simulao computacional, foram elaborados segundo o

desenvolvimento apresentado no Apndice 3 e implementados em microcomputador usando um aplicativo computacional desenvolvido com o programa MATLAB. O motor de induo trifsico usado neste trabalho possui os seguintes dados de catlogo: potncia nominal Pn=1.0Cv, tenso nominal Vn=220V, conjugado nominal Tn=4.0Nm, corrente nominal In=3.8A, freqncia nominal Fn=60Hz e momento de inrcia Jo=0.0015kgm2. Trata-se de uma mquina eltrica de induo trifsica fabricada pela empresa Weg com rotor do tipo gaiola de esquilo, modelo 80-1190 de 4 plos, isolamento classe B, proteo IP-54, categoria N, fator de potncia 0.75, fator de servio 1.15 e rendimento de 70%. Os parmetros do circuito eltrico equivalente, obtidos em laboratrio, so os seguintes: resistncia do estator Rs=9.8, resistncia do rotor Rr=5.7, indutncia do estator Ls=12.54mH, indutncia do rotor Lr=18.71mH e indutncia de magnetizao Lm=312.75mH. Um gerador sncrono conectado a uma carga resistiva representada por um conjunto de lmpadas incandescentes capazes de dissipar at 750W de potncia ativa usado como uma carga mecnica acoplada ao eixo do motor de induo. Com este gerador sncrono possvel obter um conjugado de carga Tc diretamente proporcional freqncia de rotao Fr. Trata-se de um alternador trifsico fabricado pela empresa Kohlbach, modelo FK600 de
4 plos, isolamento classe B, proteo IP-21. Os dados de catlogo do gerador sncrono trifsico

so os seguintes: tenso nominal de 220V, corrente nominal 10.5A, potncia nominal de 4.0kVA, fator de potncia 0.85, freqncia nominal 60Hz e rendimento de 85%. Este gerador sncrono possui momento de inrcia Jc=0.045kgm2 e gera um conjugado de carga Tc controlado atravs da corrente de excitao do circuito de campo do gerador. A corrente de excitao Ic ajustada para proporcionar um conjugado de carga Tc equivalente ao conjugado nominal do motor de induo, operando com freqncia nominal de 60Hz. Apresentam-se a seguir os resultados da simulao computacional do motor de induo ligado direto na rede de alimentao e acoplado ao gerador sncrono. Considera-se para efeito de simulao duas situaes distintas para operao do conjunto motor-gerador.
a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.

67

68 Acionamento de Mquinas Eltricas de Induo

Fr(Hz)

Fr(Hz)

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.14 Corrente de Partida do Motor de Induo

Fr(Hz)

Fr(Hz)

Te(Nm) a) t(s) b)

Te(Nm) t(s)

Figura 3.15 Conjugado de Partida do Motor de Induo

Ve(V)

Ve(V)

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.16 Tenso e Corrente de Regime do Motor de Induo

68

69 Acionamento de Mquinas Eltricas de Induo

3.5.2

Simulao do Motor de Induo com Inversor


Os modelos matemticos para simulao computacional foram elaborados segundo o

desenvolvimento apresentado no Apndice 3 e implementados em microcomputador usando um aplicativo computacional desenvolvido com o programa MATLAB. O modelo matemtico do inversor de tenso usado neste trabalho baseado no circuito integrado Philips-4752, especialmente desenvolvido para o acionamento de motores de induo trifsicos, capaz de gerar os pulsos para chaveamento dos dispositivos semicondutores. O circuito integrado Philips-4752 utiliza uma modulao por largura de pulsos de borda dupla fornecendo um conjunto de pulsos complementares aos seis elementos do circuito inversor com uma seqncia de fase apropriada capaz de produzir uma tenso trifsica simtrica. Trata-se de um circuito digital onde a freqncia de chaveamento sempre um mltiplo inteiro da freqncia sintetizada pelo inversor. Isto resulta em um excelente balanceamento de fase e tenso reduzindo as perdas nos motores de induo trifsicos. O modelo matemtico desenvolvido neste trabalho reproduz as principais caractersticas operacionais do inversor de tenso utilizado na implementao prtica do sistema de controle e acionamento do motor de induo trifsico acoplado ao gerador sncrono. No laboratrio foi utilizado um inversor de tenso do tipo PWM, fabricado pela empresa
Telemecanique, modelo ALTIVAR, com uma tenso nominal de 220V, potncia nominal 3.0kW,

freqncia nominal 60Hz e freqncia de sada varivel de 7Hz at 85Hz. Nos ensaios realizados em laboratrio, este inversor de tenso foi capaz de suportar uma corrente de partida de at 16A, acionando o conjunto motor-gerador descrito anteriormente, como pode ser verificado nos resultados prticos apresentados no Captulo 4. Para efeito de comparao a simulao computacional do inversor de tenso admite a possibilidade de realizar uma partida em 60Hz. Na prtica esta operao no pode ser realizada pois o inversor no suporta a corrente mxima de partida do motor de induo. Apresentam-se a seguir os resultados da simulao computacional do motor de induo acoplado ao gerador sncrono e acionado pelo inversor de tenso. Durante a operao do conjunto motor-gerador duas situaes distintas foram consideradas:
a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.

69

70 Acionamento de Mquinas Eltricas de Induo

Fr(Hz)

Fr(Hz)

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.17 Corrente de Partida do Motor de Induo com Inversor

Fr(Hz)

Fr(Hz)

Te(Nm) a) t(s) b)

Te(Nm) t(s)

Figura 3.18 Conjugado de Partida do Motor de Induo com Inversor

Ve(V)

Ve(V)

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.19 Tenso e Corrente de Regime do Motor de Induo com Inversor

70

71 Acionamento de Mquinas Eltricas de Induo

3.5.3

Simulao do Sensor de Corrente


Todas as estratgias de controle implementadas neste trabalho dependem do sensor de

corrente, o qual fornece um sinal analgico equivalente ao valor eficaz da corrente de fase do motor de induo. Este sinal obtido atravs de um circuito eletrnico muito simples, composto de sensores de efeito Hall, retificadores de preciso usando amplificadores operacionais e filtros capacitivos. Apresentam-se a seguir alguns resultados da simulao computacional do sensor de corrente, considerando o motor de induo ligado rede de alimentao.

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.20 Resposta de Sensor de Corrente na Partida

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.21 Resposta de Sensor de Corrente em Regime a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.
71

72 Acionamento de Mquinas Eltricas de Induo

3.5.4

Simulao do Sensor de Corrente com Inversor


O tempo de resposta do sensor de corrente aproximadamente 20ms. Este valor garante

que o sistema de controle operando em malha fechada atue como um circuito de proteo capaz de limitar a corrente de entrada Ie do motor de induo e impedir o desligamento desnecessrio do sistema de controle, tendo como referncia, valores mltiplos da corrente nominal In do motor de induo. Apresentam-se a seguir alguns resultados da simulao computacional do sensor de corrente, considerando o motor de induo acionado pelo inversor de tenso PWM.

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.22 Resposta de Sensor de Corrente na Partida com Inversor

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.23 Resposta de Sensor de Corrente em Regime com Inversor a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.
72

73 Acionamento de Mquinas Eltricas de Induo

3.5.5

Motor de Induo com Perfil de Freqncia Senoidal


Para poder avaliar o comportamento dinmico do motor de induo acoplado ao gerador

sncrono acionado pelo inversor de tenso, foi aplicada uma tenso de alimentao com perfil de freqncia do tipo senoidal. A partir dos resultados obtidos atravs de simulao computacional pode-se verificar a validade dos modelos matemticos utilizados neste trabalho. Apresentam-se a seguir as curvas de freqncia do estator Fe (campo girante), freqncia do rotor Fr, freqncia de escorregamento Fs=Fe-Fr, tenso de entrada Ve e corrente de entrada Ie.

Fe(Hz) Fr(Hz)

Fe(Hz) Fr(Hz)

Fs(Hz)

Fs(Hz)

a)

t(s)

b)

t(s)

Figura 3.24 Perfil de Freqncia Senoidal com Inversor

Ve(V)

Ve(V)

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.25 Tenso e Corrente do Motor de Induo com Inversor a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.
73

74 Acionamento de Mquinas Eltricas de Induo

3.5.6

Sensor de Corrente com Perfil de Freqncia Senoidal


O circuito eletrnico que faz parte do sensor de corrente utilizado neste trabalho, opera

como um detector de envoltria do sinal de corrente, afetado por um ganho operacional ajustvel e devidamente calibrado, para fornecer um sinal analgico equivalente ao valor eficaz da corrente de entrada do motor de induo trifsico acionado por inversor de tenso PWM. Apresentam-se a seguir as formas de onda de tenso e corrente de entrada com seus respectivos sinais analgicos equivalentes aos valores eficazes obtidos atravs de simulao computacional.

Ve(V)

Ve(V)

a)

t(s)

b)

t(s)

Figura 3.26 Tenso de Entrada do Motor de Induo com Inversor

Ie(A)

Ie(A)

a)

t(s)

b)

t(s)

Figura 3.27 Corrente de Entrada do Motor de Induo com Inversor a) gerador sncrono operando sem corrente de excitao no circuito de campo. b) gerador sncrono operando com corrente de excitao no circuito de campo.
74

75 Implementao do Sistema de Controle

Captulo 4 Implementao do Sistema de Controle


4.1 Introduo
Devido necessidade de avaliar a estratgia de controle proporcional integral derivativo e as novas estratgias de controle nebuloso e neuro-nebuloso, foi implementado em laboratrio um sistema de controle digital para acionamento de um motor de induo acoplado a um gerador sncrono, utilizando um inversor de tenso do tipo PWM. Este sistema de controle e acionamento permitiu a realizao de ensaios operacionais de partida e regime com conjugado de carga ajustvel. A aquisio de dados em tempo real garante a possibilidade de efetuar a aquisio e o armazenamento da corrente de entrada, do conjugado de carga e da freqncia de rotao do conjunto motor-gerador. Apresenta-se na Figura 4.1 o diagrama em blocos do sistema de controle e acionamento implementado em laboratrio detalhando todos os elementos necessrios para testar, analisar e avaliar as estratgias de controle apresentadas no Captulo 3.
1. Inversor de Tenso 2. Motor de Induo 3. Gerador Sncrono 1 4. Sensor de Corrente 5. Torqumetro Rotativo 6. Tacmetro Digital Tratamento do Sinal de Sada b Sistema de Aquisio de Dados b Tratamento dos Sinais de Entrada c Sistema de Controle Usando 2 Microcomputador 5 6 Figura 4.1 Diagrama em Blocos do Sistema de Controle d 3 c d Carga

a) Sinal de Controle b) Sinal de Corrente c) Sinal de Conjugado d) Sinal de Freqncia

75

76 Implementao do Sistema de Controle

4.2

Descrio do Sistema de Controle


O sistema de controle implementado em laboratrio composto por um inversor de

tenso, duas mquinas eltricas trifsicas (o motor de induo e o gerador sncrono), um sensor de corrente, um torqumetro rotativo e um tacmetro digital. Ainda fazem parte do sistema os circuitos para tratamento de sinais, aquisio de dados e execuo de algoritmos de controle. Apresenta-se a seguir a descrio dos elementos que integram o sistema de controle.

4.2.1

Inversor de Tenso
No laboratrio foi utilizado um inversor de tenso do tipo PWM, fabricado pela empresa

Telemecanique, modelo ALTIVAR, com uma tenso nominal de 220V, potncia nominal 3.0kW,

freqncia nominal 60Hz e freqncia de sada varivel de 7Hz at 85Hz. Este inversor de tenso capaz de suportar uma corrente de partida de aproximadamente 16A.

4.2.2

Motor de Induo
Um motor de induo trifsico fabricado pela empresa Weg, modelo 80-1190 de 4 plos,

foi usado nos ensaios realizados em laboratrio. Os dados do motor de induo so os seguintes: potncia nominal Pn=1.0Cv, tenso nominal Vn=220V, conjugado nominal Tn=4.0Nm, corrente nominal In=3.8A, freqncia nominal Fn=60Hz e momento de inrcia Jo=0.0015kgm2.

4.2.3

Gerador Sncrono
Um alternador trifsico fabricado pela empresa Kohlbach, modelo FK-600 com 4 plos,

foi utilizado como carga acoplada ao eixo do motor de induo. Os dados do gerador sncrono so os seguintes: tenso nominal de 220V, corrente nominal 10.5A, potncia nominal de 4.0kVA, freqncia nominal de 60Hz, fator de potncia 0.85 e rendimento de 85%. Este alternador trifsico possui momento de inrcia Jc=0.045kgm2 e gera um conjugado de carga Tc proporcional freqncia de rotao Fr, controlado pela corrente de excitao Ic, a qual pode ser ajustada para gerar um conjugado de carga Tc equivalente ao conjugado nominal do motor de induo, operando com freqncia nominal de 60Hz.
76

77 Implementao do Sistema de Controle

4.2.4

Sensor de Corrente
O sensor de corrente usado neste trabalho foi fabricado pela empresa Nana Electronics,

modelo NNC-20CTA. Trata-se de um sensor de corrente de efeito Hall com circuito amplificador alimentado por tenso simtrica de 15V, capaz de medir uma corrente instantnea de at 100A e fornecer um sinal de sada de at 4.0V, com tempo de resposta de 15s e preciso de 1%.

4.2.5

Torqumetro Rotativo
Trata-se de um equipamento fabricado pela empresa Sodmex, modelo MT-103, capaz de

medir o torque com a deformao de dispositivos Strain Gage ligados em ponte de Wheatstone. Principais caractersticas: escala nominal de 50Nm, tenso de alimentao de 10V, consumo de corrente mximo de 30mA, tenso de sada nominal de 20mV e rotao mxima de 2000rpm.

4.2.6

Tacmetro Digital
O tacmetro digital usado para medir freqncia de rotao, foi fabricado pela Hohner,

modelo BC tipo incremental, capaz de gerar 1000 pulsos pticos por rotao, com uma tenso de alimentao de 5V, consumo de corrente mximo de 90mA, rotao mxima de 6000rpm e um sinal de sada do tipo onda quadrada padro TTL, com freqncia mxima de 100kHz.

4.3

Circuitos Condicionadores de Sinais


Para operao normal do sistema de controle necessrio o tratamento dos sinais de

entrada provenientes dos elementos sensores e o tratamento do sinal de sada aplicado na entrada de controle do inversor de tenso. Estes sinais devem ser devidamente amplificados e equalizados para compatibilizar as caractersticas de entrada e sada dos elementos do sistema. Um circuito dedicado efetua o condicionamento dos sinais de entrada para que o sistema de aquisio de dados possa converter os sinais analgicos em sinais digitais equivalentes. De modo anlogo, o sistema de aquisio converte o sinal digital de sada em um sinal analgico que devidamente condicionado atua como varivel de controle do inversor de tenso. Apresentam-se a seguir as caractersticas dos sinais de entrada e sada do sistema de controle.
77

78 Implementao do Sistema de Controle

4.3.1

Sinal de Controle
A execuo de um algoritmo de controle especfico provoca uma atualizao peridica

da varivel de controle, a qual deve ser representada internamente com pelo menos 16 bits para garantir a preciso do algoritmo de controle. Trata-se de um sinal digital que deve ser convertido para um sinal analgico atravs de um conversor D/A de 12 bits, antes de ser usado como um sinal de controle do circuito inversor de tenso trifsico. Devido s caractersticas desfavorveis da entrada de controle do circuito inversor de tenso trifsico que possui baixa impedncia de entrada, foi necessrio implementar um circuito para tratamento do sinal de controle com resposta totalmente linear, capaz fornecer uma corrente de at 500mA e isolar rudos de chaveamento com picos de at 50V. Assim, o sinal de controle foi isolado galvanicamente atravs do acoplador ptico 4N-25 e reconstitudo usando o amplificador operacional TCA-0372. Para garantir a linearidade do sinal de controle, o sinal analgico aplicado na entrada do acoplador ptico recuperado na base do foto-transistor e amplificado para um valor proporcional freqncia da tenso sintetizada pelo circuito inversor na razo de 8Hz ou 240rpm por Volt.

4.3.2

Sinal de Conjugado
Para medir o torque no eixo do motor de induo foi utilizado um torqumetro rotativo

que fornece um sinal analgico de 20mV equivalente a um conjugado nominal de 50Nm. Devido ao baixo valor de tenso foi necessrio implementar um circuito amplificador diferencial para tratamento do sinal analgico usando o amplificador operacional LF-353. O sinal de conjugado no foi usado no sistema de controle, pois o motor de induo apresenta um conjugado nominal de 4.0Nm e um com conjugado mximo de partida de 12Nm, enquanto que o torqumetro rotativo possui um fundo de escala de 50Nm. Trata-se de um sinal de baixa qualidade proporcional ao conjugado instantneo na razo de 200mV por Nm. Portanto, o sinal de conjugado foi usado apenas para avaliar o comportamento do motor de induo trifsico e comparar com os resultados obtidos em simulao computacional, usando os modelos matemticos desenvolvidos neste trabalho, considerando o motor de induo ligado na rede de alimentao ou acionado pelo inversor de tenso.

78

79 Implementao do Sistema de Controle

4.3.3

Sinal de Corrente
O sinal de corrente obtido atravs do sensor de efeito Hall diretamente proporcional

ao valor instantneo da corrente de fase motor de induo. Este sinal analgico passa por um circuito condicionador composto de um amplificador-retificador de preciso, implementado com o amplificador operacional LF-353 e em seguida passa por um simples filtro capacitivo de 47F, para diminuir o rudo provocado pelo chaveamento do circuito inversor de tenso. Este sinal de corrente fundamental para operao do sistema de controle digital que possui uma malha de controle de corrente atuando como um circuito de proteo ativo, limitando a corrente de entrada do motor de induo e evitando o desligamento desnecessrio do sistema de acionamento que tem como funo principal o controle da freqncia de rotao. Portanto, com tempo de resposta de aproximadamente 20ms, temos na sada do circuito condicionador um sinal de tenso que corresponde corrente de fase do motor de induo na razo de 200mV por Ampre. Trata-se de um sinal analgico que deve ser convertido para um sinal digital equivalente, usando o conversor A/D de 12 bits da placa de aquisio.

4.3.4

Sinal de Freqncia
Com a finalidade de medir e controlar a freqncia de rotao Fr do motor de induo,

foi utilizado um tacmetro digital com sinal de sada do tipo onda quadrada padro TTL. Para traar as curvas apresentadas nos resultados prticos foi implementado um circuito conversor de freqncia para tenso, usando o circuito integrado VFC-032 fabricado pela Burr-Brown. O circuito conversor capaz de fornecer um sinal de tenso proporcional freqncia de rotao, na razo de 62.5mV por Hz. Este sinal de tenso usado como sinal de realimentao na malha de controle de freqncia, trata-se de um sinal analgico que deve ser convertido para um sinal digital equivalente, usando um conversor A/D de 12 bits da placa de aquisio. Os sinais de corrente e freqncia so utilizados em um sistema de controle digital que opera em malha fechada, monitorando em tempo real a corrente de entrada e a freqncia de rotao, procurando anular as diferenas em relao freqncia desejada e limitar o valor da corrente de entrada. As estratgias de controle apresentadas neste trabalho no utilizam modelos matemticos para determinar as condies de operao do motor de induo.

79

80 Implementao do Sistema de Controle

4.4

Sistema de Aquisio de Dados


No sistema de controle implementado em laboratrio, utiliza-se um microcomputador

equipado com placa de aquisio de dados para executar os algoritmos de controle, no entanto, o sistema de controle foi concebido para ser implementado usando um sistema dedicado baseado em microcontroladores, equipado com circuitos condicionadores e conversores de sinais. Inicialmente, foi implementado em laboratrio o prottipo de um sistema de controle dedicado utilizando os seguintes circuitos integrados: microcontrolador MCS-80C31, memrias semicondutoras 28C256 e 62C256, decodificador 74LS373, conversores ADC-0804, DAC-7801 e VFC-032, amplificadores operacionais LF-353 e TCA-0372 e acoplador ptico 4N-25. O primeiro algoritmo testado no prottipo foi o algoritmo com estratgia de controle do tipo PID, que no apresentou resultados satisfatrios devido a dificuldade de alterar e avaliar sistematicamente o algoritmo de controle. Portanto, para tornar o sistema de controle digital mais flexvel, a soluo foi utilizar um microcomputador equipado com placa de aquisio de dados e elaborar os algoritmos de controle emulando as funes bsicas do circuito prottipo. O microcomputador utilizado neste trabalho estava equipado com um microprocessador
Pentium III de 550MHz, sistema operacional Windows 98-SE e uma placa de aquisio de dados Advantech modelo PCL-711. A linguagem de programao usada na elaborao dos algoritmos

de controle foi a linguagem C++ que permite trabalhar diretamente com as variveis na forma binria, emulando as operaes lgicas e aritmticas do microcontrolador MCS-80C31.

4.4.1

Placa de Aquisio de Dados


A placa de aquisio de dados que equipa o microcomputador utilizado neste trabalho,

foi fabricada pela Advantech, modelo PCL-711, com barramento de comunicao ISA de 8 bits, que funciona a partir da leitura e escrita em endereos especficos de entrada e sada. Portanto, com algumas linhas de programao possvel acessar todos os recursos da placa. Esta placa de aquisio de dados utiliza 16 endereos consecutivos de entrada e sada, que permitem acessar todos os recursos da placa de aquisio, com endereo base configurado a partir de pequenas chaves lgicas. Apresentam-se na Tabela 4.1 os recursos disponveis na placa de aquisio de dados e as caractersticas bsicas das suas entradas e sadas.

80

81 Implementao do Sistema de Controle

Tabela 4.1 Caractersticas da Placa de Aquisio de Dados PCL-711 Nmero de Canais Nmero de Bits Tipo de Conversor Tempo de Converso Faixa de Operao PCL-711 Nmero de Canais Padro de Sinal Entradas Analgicas Sada Analgica 08 12 AD-574 25s -5V a 5V Entradas Digitais 16 TTL 01 12 AD-7541 30s 0 a 10V Sadas Digitais 16 TTL

Obs.: Nas entradas analgicas so considerados apenas os 8 bits mais significativos.

4.4.2

Sinais de Entrada e Sada


Os sinais analgicos de entrada da placa de aquisio de dados so: conjugado de carga,

corrente de entrada e freqncia de rotao. J o sinal analgico de sada corresponde varivel de controle do circuito inversor de tenso. Estes sinais so devidamente isolados, amplificados e equalizados, atravs de circuitos condicionadores que definem a razo operacional e o fundo de escala, adequados para operao de controle em malha fechada. Apresentam-se na Tabela 4.2 as caractersticas bsicas dos sinais de entrada e sada da placa de aquisio de dados.
Tabela 4.2 Caractersticas dos Sinais de Entrada e Sada Sinal Analgico Conjugado Corrente Freqncia Controle Razo Operacional 200mV por Newton metro 200mV por Ampre 62.5mV por Hertz 8Hz ou 240rpm por Volt Fundo de Escala 5V 5V 5V 10V 25Nm 25A 80Hz 2400rpm

Obs.: O sinal de conjugado no utilizado para operao em malha fechada.

81

82 Implementao do Sistema de Controle

4.5

Apresentao de Resultados
Nesta seo, apresentam-se os resultados obtidos nas simulaes computacionais e nos

ensaios prticos realizados em laboratrio. Estes resultados permitem avaliar o comportamento do motor de induo trifsico, operando com diferentes situaes de carga e comparar a resposta do sistema utilizando diferentes estratgias e parmetros operacionais de controle. O conjunto utilizado nos ensaios prticos realizados em laboratrio composto de um motor de induo trifsico, ligado direto na rede ou acionado por um inversor de tenso, sempre acoplado a um gerador sncrono conectado a uma carga resistiva representada por um conjunto de trs lmpadas incandescentes ligadas em tringulo, lmpadas de 250W com tenso de 220V. Esta carga resistiva capaz de dissipar at 750W de potncia, considerando que a tenso de sada do gerador sncrono trifsico determina a potncia dissipada nas lmpadas. A tenso de sada do gerador ajustada atravs da corrente de excitao do circuito de campo para proporcionar um conjugado de carga Tc equivalente ao conjugado nominal do motor de induo, operando com freqncia nominal de 60Hz. A corrente de excitao Ic controlada atravs de uma fonte de tenso, podendo ser interrompida com auxlio de um circuito interruptor para que o motor de induo possa operar com carga nominal ou em vazio.

4.5.1

Motor de Induo e Gerador Sncrono


Apresenta-se na Tabela 4.3 um resumo dos ensaios prticos realizados em laboratrio,

para verificar a resposta do sensor de corrente e o comportamento do motor de induo ligado direto na rede e acoplado ao gerador sncrono. Nos ensaios a seguir, considera-se o circuito de campo do gerador sncrono operando com ou sem corrente de excitao.
Tabela 4.3 Ensaios com Motor de Induo e Gerador Sncrono Gerador Sncrono Resultados Prticos Figuras 4.2 e 4.3 4.4 e 4.5 4.6 e 4.7 4.8 e 4.9

Corrente de Excitao Caracterstica do Ensaio Cdigo do Ensaio Ausente Partida Direta PD Ausente Corrente Eficaz CE Presente Partida Direta PDex Presente Corrente Eficaz CEex

82

83 Implementao do Sistema de Controle

Ensaio PD - Partida Direta Motor de Induo Ligado Direto na Rede Gerador Sncrono sem Corrente de Excitao

1-> Freqncia [16Hz/div] 2-> Corrente [10A/div]

Tempo [100ms/div]

Figura 4.2 Corrente de Partida e Freqncia de Rotao (Ensaio PD)

1-> Freqncia [16Hz/div] 2-> Conjugado [5Nm/div]

Tempo [100ms/div]

Figura 4.3 Conjugado de Carga e Freqncia de Rotao (Ensaio PD)

83

84 Implementao do Sistema de Controle

Ensaio CE - Corrente Eficaz Motor de Induo Ligado Direto na Rede Gerador Sncrono sem Corrente de Excitao

1-> 2-> Corrente [5A/div]

Tempo [50ms/div]

Figura 4.4 Corrente de Partida: Valor Instantneo e Valor Eficaz (Ensaio CE)

1-> 2-> Corrente [2A/div]

Tempo [10ms/div]

Figura 4.5 Corrente de Regime: Valor Instantneo e Valor Eficaz (Ensaio CE)

84

85 Implementao do Sistema de Controle

Ensaio PDex - Partida Direta Motor de Induo Ligado Direto na Rede Gerador Sncrono com Corrente de Excitao

1-> Freqncia [16Hz/div] 2-> Corrente [10A/div]

Tempo [100ms/div]

Figura 4.6 Corrente de Partida e Freqncia de Rotao (Ensaio PDex)

1-> Freqncia [16Hz/div] 2-> Conjugado [5Nm/div]

Tempo [100ms/div]

Figura 4.7 Conjugado de Carga e Freqncia de Rotao (Ensaio PDex)

85

86 Implementao do Sistema de Controle

Ensaio CEex - Corrente Eficaz Motor de Induo Ligado Direto na Rede Gerador Sncrono com Corrente de Excitao

1-> 2-> Corrente [5A/div]

Tempo [50ms/div]

Figura 4.8 Corrente de Partida: Valor Instantneo e Valor Eficaz (Ensaio CEex)

1-> 2-> Corrente [2A/div]

Tempo [10ms/div]

Figura 4.9 Corrente de Regime: Valor Instantneo e Valor Eficaz (Ensaio CEex)

86

87 Implementao do Sistema de Controle

4.5.2

Controle Proporcional Integral Derivativo


Apresenta-se na Figura 4.10 o sistema de controle, com motor de induo acionado por

inversor de tenso PWM, acoplado ao gerador sncrono, usando estratgia de controle PID.
Controle de Freqncia x y z Fr Fd Fc Fr Fd Ie Id Ie Unidade de Controle Ie Id Ic x y z Controle de Corrente Vc Inversor de Tenso Motor de Induo Fr Gerador Sncrono
Circuito de Campo

Er( n ) = Fd( n ) - Fr( n )


Fc( n ) = Er( n ) + Td ( Er( n ) - Er( n-1 ) ) T

Ch

Ei( n ) = Id ( n ) - Ie( n )
Ic( n ) = Ei( n ) + Td ( Ei( n ) - Ei( n-1 ) ) T

Figura 4.10 Sistema de Controle Proporcional Integral Derivativa


Vc( n ) = Vc( n-1 ) + T ( Fc( n ) Ic( n ) )Kp Ti

(4.1)

Na Tabela 4.4 apresentam-se as caractersticas bsicas das simulaes computacionais e dos ensaios prticos realizados em laboratrio. Nos ensaios e simulaes, considera-se o circuito de campo do gerador sncrono trifsico operando com ou sem corrente de excitao.
Tabela 4.4 Ensaios com Controle Proporcional Integral Derivativo Gerador Sncrono Motor de Induo Resultados Prticos e Simulados Cdigo do Ensaio PID08 PID12 PID16 PID08ex PID12ex PID16ex Figuras 4.11 e 4.12 4.13 e 4.14 4.15 e 4.16 4.17 e 4.18 4.19 e 4.20 4.21 e 4.22

Corrente de Excitao Limite de Corrente Ausente (2In) 08A Ausente (3In) 12A Ausente (4In) 16A Presente (2In) 08A Presente (3In) 12A Presente (4In) 16A

87

88 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se resultados prticos e simulados usando estratgia de controle proporcional integral derivativa para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.11 at Figura 4.16 considera-se o gerador sncrono trifsico operando sem corrente de excitao no circuito de campo, portanto, o motor de induo trabalha em vazio e o tempo de resposta em vazio menor que o tempo de resposta com carga. A Figura 4.11 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.12 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.13 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.14 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.15 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.16 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle proporcional integral derivativa considera o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar uma ausncia de sobre-sinal na freqncia de rotao Fr e uma diminuio no tempo de resposta do motor de induo, quando comparado com as estratgias de controle do tipo proporcional integral. O tempo de resposta do motor de induo inversamente proporcional ao valor limite da corrente de entrada Ie, assim, o tempo de resposta para um valor limite de 8A aproximadamente duas vezes maior que o tempo de resposta para um valor limite de 16A. Nas figuras a seguir pode-se observar uma pequena diferena no tempo de resposta do motor de induo, na comparao entre os resultados prticos e simulados, devido aos modelos matemticos, principalmente, o modelo do inversor de tenso PWM.

88

89 Implementao do Sistema de Controle

Ensaio PID08 - Controle PID Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.11 Resultado de Simulao com Matlab (Ensaio PID08)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.12 Resultado Prtico obtido em Laboratrio (Ensaio PID08)

89

90 Implementao do Sistema de Controle

Ensaio PID12 - Controle PID Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.13 Resultado de Simulao com Matlab (Ensaio PID12)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.14 Resultado Prtico obtido em Laboratrio (Ensaio PID12)

90

91 Implementao do Sistema de Controle

Ensaio PID16 - Controle PID Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.15 Resultado de Simulao com Matlab (Ensaio PID16)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.16 Resultado Prtico obtido em Laboratrio (Ensaio PID16)

91

92 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se os resultados prticos e simulados usando estratgia de controle proporcional integral derivativa para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.17 at Figura 4.22 considera-se o gerador sncrono trifsico operando com corrente de excitao no circuito de campo, portanto, o motor de induo trabalha com carga e o tempo de resposta com carga maior que o tempo de resposta em vazio. A Figura 4.17 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.18 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.19 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.20 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.21 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.22 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle proporcional integral derivativa considera o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar uma ausncia de sobre-sinal na freqncia de rotao Fr e uma diminuio no tempo de resposta do motor de induo, quando comparado com as estratgias de controle do tipo proporcional integral. O tempo de resposta do motor de induo inversamente proporcional ao valor limite da corrente de entrada Ie, assim, o tempo de resposta para um valor limite de 8A aproximadamente duas vezes maior que o tempo de resposta para um valor limite de 16A. Nas figuras a seguir pode-se observar uma pequena diferena no tempo de resposta do motor de induo, na comparao entre os resultados prticos e simulados, devido aos modelos matemticos, principalmente, o modelo do inversor de tenso PWM.

92

93 Implementao do Sistema de Controle

Ensaio PID08ex - Controle PID Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.17 Resultado de Simulao com Matlab (Ensaio PID08ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.18 Resultado Prtico obtido em Laboratrio (Ensaio PID08ex)

93

94 Implementao do Sistema de Controle

Ensaio PID12ex - Controle PID Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.19 Resultado de Simulao com Matlab (Ensaio PID12ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.20 Resultado Prtico obtido em Laboratrio (Ensaio PID12ex)

94

95 Implementao do Sistema de Controle

Ensaio PID16ex - Controle PID Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.21 Resultado de Simulao com Matlab (Ensaio PID16ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.22 Resultado Prtico obtido em Laboratrio (Ensaio PID16ex)

95

96 Implementao do Sistema de Controle

4.5.3

Controle Nebuloso com Inferncia Direta


Apresenta-se na Figura 4.23 o sistema de controle, com motor de induo acionado por

inversor de tenso PWM, acoplado ao gerador sncrono, usando estratgia de controle NiD.
Controle de Freqncia x y z Fr Fd Fc Fr Fd Ie Id Ie Unidade de Controle Ie Id Ic x y z Controle de Corrente Vc Inversor de Tenso Motor de Induo Fr Gerador Sncrono
Circuito de Campo

Fc( n ) = f ( Fd ( n ) , Fr( n ) )

Ch

Ic( n ) = f ( Id( n ) , Ie( n ) )

Figura 4.23 Sistema de Controle Nebuloso com Inferncia Direta Vc( n ) = Vc( n-1 ) + ( Fc( n ) Ic( n ) )Kp (4.2)

Na Tabela 4.5 apresentam-se as caractersticas bsicas das simulaes computacionais e dos ensaios prticos realizados em laboratrio. Nos ensaios e simulaes, considera-se o circuito de campo do gerador sncrono trifsico, operando com ou sem corrente de excitao.
Tabela 4.5 Ensaios com Controle Nebuloso com Inferncia Direta Gerador Sncrono Motor de Induo Resultados Prticos e Simulados Cdigo do Ensaio NiD08 NiD12 NiD16 NiD08ex NiD12ex NiD16ex Figuras 4.24 e 4.25 4.26 e 4.27 4.28 e 4.29 4.30 e 4.31 4.32 e 4.33 4.34 e 4.35

Corrente de Excitao Limite de Corrente Ausente (2In) 08A Ausente (3In) 12A Ausente (4In) 16A Presente (2In) 08A Presente (3In) 12A Presente (4In) 16A

96

97 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se resultados prticos e simulados usando estratgia de controle nebulosa com inferncia direta para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.24 at Figura 4.29 considera-se o gerador sncrono trifsico operando sem corrente de excitao no circuito de campo, portanto, o motor de induo trabalha em vazio e o tempo de resposta em vazio menor que o tempo de resposta com carga. A Figura 4.24 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.25 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.26 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.27 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.28 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.29 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle nebulosa com inferncia direta no trata o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar a ocorrncia de sobre-sinal na freqncia de rotao Fr. O sobre-sinal ocorre para uma corrente de entrada Ie com valor limite maior que 12A ou para uma freqncia de escorregamento Fs maior que 20Hz. Na Figura 4.28 pode-se observar um instante de desacelerao (Fs<0), provocado pela estratgia de controle nebulosa com inferncia direta, na tentativa de reverter o sobre-sinal que ocorre na freqncia de rotao do motor de induo, durante o transitrio de partida. Na Figura 4.29 pode-se observar uma diferena significativa presente na forma de onda da corrente de entrada Ie, durante o instante de desacelerao (Fe<Fr), comparando resultados prticos e simulados, devido a simplificao dos modelos matemticos.

97

98 Implementao do Sistema de Controle

Ensaio NiD08 - Controle NiD Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.24 Resultado de Simulao com Matlab (Ensaio NiD08)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.25 Resultado Prtico obtido em Laboratrio (Ensaio NiD08)

98

99 Implementao do Sistema de Controle

Ensaio NiD12 - Controle NiD Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.26 Resultado de Simulao com Matlab (Ensaio NiD12)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.27 Resultado Prtico obtido em Laboratrio (Ensaio NiD12)

99

100 Implementao do Sistema de Controle

Ensaio NiD16 - Controle NiD Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.28 Resultado de Simulao com Matlab (Ensaio NiD16)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.29 Resultado Prtico obtido em Laboratrio (Ensaio NiD16)

100

101 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se resultados prticos e simulados usando estratgia de controle nebulosa com inferncia direta para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.30 at Figura 4.35 considera-se o gerador sncrono trifsico operando com corrente de excitao no circuito de campo, portanto, o motor de induo trabalha com carga e o tempo de resposta com carga maior que o tempo de resposta em vazio. A Figura 4.30 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.31 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.32 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.33 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.34 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.35 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle nebulosa com inferncia direta no trata o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar a ocorrncia de sobre-sinal na freqncia de rotao Fr. O sobre-sinal ocorre para uma corrente de entrada Ie com valor limite maior que 12A ou para uma freqncia de escorregamento Fs maior que 20Hz. Na Figura 4.34 pode-se observar um instante de operao em vazio (Fs=0), gerado pela estratgia de controle nebulosa com inferncia direta, na tentativa de reverter o sobre-sinal que ocorre na freqncia de rotao do motor de induo, durante o transitrio de partida. Na Figura 4.35 pode-se observar uma diferena significativa presente na forma de onda da corrente de entrada, durante o instante de operao em vazio (Fe=Fr), comparando resultados prticos e simulados, devido a simplificao dos modelos matemticos.

101

102 Implementao do Sistema de Controle

Ensaio NiD08ex - Controle NiD Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.30 Resultado de Simulao com Matlab (Ensaio NiD08ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.31 Resultado Prtico obtido em Laboratrio (Ensaio NiD08ex)

102

103 Implementao do Sistema de Controle

Ensaio NiD12ex - Controle NiD Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.32 Resultado de Simulao com Matlab (Ensaio NiD12ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.33 Resultado Prtico obtido em Laboratrio (Ensaio NiD12ex)

103

104 Implementao do Sistema de Controle

Ensaio NiD16ex - Controle NiD Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.34 Resultado de Simulao com Matlab (Ensaio NiD16ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.35 Resultado Prtico obtido em Laboratrio (Ensaio NiD16ex)

104

105 Implementao do Sistema de Controle

4.5.4

Controle Nebuloso com Inferncia Indireta


Apresenta-se na Figura 4.36 o sistema de controle, com motor de induo acionado por

inversor de tenso PWM, acoplado ao gerador sncrono, usando estratgia de controle NiI.
Controle de Freqncia x y z Er Er Fc Fr Fd Ie Id Ie Unidade de Controle Ei Ei Ic x y z Controle de Corrente Vc Inversor de Tenso Motor de Induo Fr Gerador Sncrono
Circuito de Campo

Er( n ) = Fd( n ) - Fr( n )

Fc( n ) = f ( Er( n ) , Er( n ) )

Er( n ) = ( Er( n ) - Er( n-1 ) )

Ch

Ei( n ) = Id ( n ) - Ie( n )

Ei( n ) = ( Ei( n ) - Ei( n-1 ) )

Ic( n ) = f ( Ei( n ) , Ei( n ) )

Figura 4.36 Sistema de Controle Nebuloso com Inferncia Indireta Vc( n ) = Vc( n-1 ) + ( Fc( n ) Ic( n ) )Kp (4.3)

Apresenta-se na Tabela 4.6 os resultados obtidos nas simulaes computacionais e nos ensaios prticos realizados em laboratrio. Nos ensaios e simulaes, considera-se o circuito de campo do gerador sncrono trifsico, operando com ou sem corrente de excitao.
Tabela 4.6 Ensaios com Controle Nebuloso com Inferncia Indireta Gerador Sncrono Motor de Induo Resultados Prticos e Simulados Cdigo do Ensaio NiI08 NiI12 NiI16 NiI08ex NiI12ex NiI16ex Figuras 4.37 e 4.38 4.39 e 4.40 4.41 e 4.42 4.43 e 4.44 4.45 e 4.46 4.47 e 4.48

Corrente de Excitao Limite de Corrente Ausente (2In) 08A Ausente (3In) 12A Ausente (4In) 16A Presente (2In) 08A Presente (3In) 12A Presente (4In) 16A

105

106 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se resultados prticos e simulados usando estratgia de controle nebulosa com inferncia indireta para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.37 at Figura 4.42 considera-se o gerador sncrono trifsico operando sem corrente de excitao no circuito de campo, portanto, o motor de induo trabalha em vazio e o tempo de resposta em vazio menor que o tempo de resposta com carga. A Figura 4.37 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.38 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.39 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.40 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.41 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.42 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle nebulosa com inferncia indireta considera o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar uma ausncia de sobre-sinal na freqncia de rotao Fr e uma diminuio no tempo de resposta do motor de induo, quando comparado com as estratgias de controle do tipo proporcional integral. O tempo de resposta do motor de induo inversamente proporcional ao valor limite da corrente de entrada Ie, assim, o tempo de resposta para um valor limite de 8A aproximadamente duas vezes maior que o tempo de resposta para um valor limite de 16A. Nas figuras a seguir pode-se observar uma pequena diferena no tempo de resposta do motor de induo, na comparao entre os resultados prticos e simulados, devido aos modelos matemticos, principalmente, o modelo do inversor de tenso PWM.

106

107 Implementao do Sistema de Controle

Ensaio NiI08 - Controle NiI Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.37 Resultado de Simulao com Matlab (Ensaio NiI08)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.38 Resultado Prtico obtido em Laboratrio (Ensaio NiI08)

107

108 Implementao do Sistema de Controle

Ensaio NiI12 - Controle NiI Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.39 Resultado de Simulao com Matlab (Ensaio NiI12)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.40 Resultado Prtico obtido em Laboratrio (Ensaio NiI12)

108

109 Implementao do Sistema de Controle

Ensaio NiI16 - Controle NiI Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.41 Resultado de Simulao com Matlab (Ensaio NiI16)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.42 Resultado Prtico obtido em Laboratrio (Ensaio NiI16)

109

110 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se os resultados prticos e simulados usando estratgia de controle nebulosa com inferncia indireta para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.43 at Figura 4.48 considera-se o gerador sncrono trifsico operando com corrente de excitao no circuito de campo, portanto, o motor de induo trabalha com carga e o tempo de resposta com carga maior que o tempo de resposta em vazio. A Figura 4.43 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.44 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.45 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.46 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.47 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.48 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle nebulosa com inferncia indireta considera o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar uma ausncia de sobre-sinal na freqncia de rotao Fr e uma diminuio no tempo de resposta do motor de induo, quando comparado com as estratgias de controle do tipo proporcional integral. O tempo de resposta do motor de induo inversamente proporcional ao valor limite da corrente de entrada Ie, assim, o tempo de resposta para um valor limite de 8A aproximadamente duas vezes maior que o tempo de resposta para um valor limite de 16A. Nas figuras a seguir pode-se observar uma pequena diferena no tempo de resposta do motor de induo, na comparao entre os resultados prticos e simulados, devido aos modelos matemticos, principalmente, o modelo do inversor de tenso PWM.

110

111 Implementao do Sistema de Controle

Ensaio NiI08ex - Controle NiI Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.43 Resultado de Simulao com Matlab (Ensaio NiI08ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.44 Resultado Prtico obtido em Laboratrio (Ensaio NiI08ex)

111

112 Implementao do Sistema de Controle

Ensaio NiI12ex - Controle NiI Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.45 Resultado de Simulao com Matlab (Ensaio NiI12ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.46 Resultado Prtico obtido em Laboratrio (Ensaio NiI12ex)

112

113 Implementao do Sistema de Controle

Ensaio NiI16ex - Controle NiI Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.47 Resultado de Simulao com Matlab (Ensaio NiI16ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.48 Resultado Prtico obtido em Laboratrio (Ensaio NiI16ex)

113

114 Implementao do Sistema de Controle

4.5.5

Estratgia de Controle Neuro-Nebulosa


Apresenta-se na Figura 4.49 o sistema de controle, com motor de induo acionado por

inversor de tenso PWM, acoplado ao gerador sncrono, usando estratgia de controle NeN.
Controle Neuro Nebuloso x y z Er Ei Ac Fr Fd Ie Id Ie Unidade de Controle Er Ei Ac x y z Rede Neural Artificial Vc Inversor de Tenso Motor de Induo Fr Gerador Sncrono
Circuito de Campo

Er( n ) = Fd( n ) - Fr( n ) Ei( n ) = Id ( n ) - Ie( n )

Ch

Sc( n ) = ( Sr( n ) Si( n ) )

Ac( n ) = f ( Er( n ) , Ei( n ) )

Figura 4.49 Sistema com Estratgia de Controle Neuro-Nebulosa Vc( n ) = Vc( n-1 ) + ( Sc( n ) Ac( n ) )Kp (4.4)

Apresenta-se na Tabela 4.7 os resultados obtidos nas simulaes computacionais e nos ensaios prticos realizados em laboratrio. Nos ensaios e simulaes, considera-se o circuito de campo do gerador sncrono trifsico, operando com ou sem corrente de excitao.
Tabela 4.7 Ensaios com Estratgia de Controle Neuro-Nebulosa Gerador Sncrono Motor de Induo Resultados Prticos e Simulados Cdigo do Ensaio NeN08 NeN12 NeN16 NeN08ex NeN12ex NeN16ex Figuras 4.50 e 4.51 4.52 e 4.53 4.54 e 4.55 4.56 e 4.57 4.58 e 4.59 4.60 e 4.61

Corrente de Excitao Limite de Corrente Ausente (2In) 08A Ausente (3In) 12A Ausente (4In) 16A Presente (2In) 08A Presente (3In) 12A Presente (4In) 16A

114

115 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se os resultados prticos e simulados obtidos utilizando estratgia de controle digital neuro-nebulosa para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.50 at Figura 4.55 considera-se o gerador sncrono trifsico operando sem corrente de excitao no circuito de campo, portanto, o motor de induo trabalha em vazio e o tempo de resposta em vazio menor que o tempo de resposta com carga. A Figura 4.50 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.51 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.52 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.53 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.54 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.55 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle neuro-nebulosa no trata o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar a ocorrncia de um sobre-sinal na freqncia de rotao do motor Fr. O sobre-sinal ocorre para uma corrente de entrada Ie com valor limite maior que 12A ou para uma freqncia de escorregamento Fs maior que 20Hz. Na Figura 4.54 pode-se observar um instante de desacelerao (Fs<0), provocado pela estratgia de controle digital neuro-nebulosa, na tentativa de reverter o sobre-sinal que ocorre na freqncia de rotao do motor de induo, durante o transitrio de partida. Na Figura 4.55 pode-se observar uma diferena significativa presente na forma de onda da corrente de entrada Ie, durante o instante de desacelerao (Fe<Fr), comparando resultados prticos e simulados, devido a simplificao dos modelos matemticos.

115

116 Implementao do Sistema de Controle

Ensaio NeN08 - Controle NeN Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.50 Resultado de Simulao com Matlab (Ensaio NeN08)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.51 Resultado Prtico obtido em Laboratrio (Ensaio NeN08)

116

117 Implementao do Sistema de Controle

Ensaio NeN12 - Controle NeN Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.52 Resultado de Simulao com Matlab (Ensaio NeN12)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.53 Resultado Prtico obtido em Laboratrio (Ensaio NeN12)

117

118 Implementao do Sistema de Controle

Ensaio NeN16 - Controle NeN Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono sem Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.54 Resultado de Simulao com Matlab (Ensaio NeN16)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.55 Resultado Prtico obtido em Laboratrio (Ensaio NeN16)

118

119 Implementao do Sistema de Controle

Nas figuras a seguir apresentam-se os resultados prticos e simulados obtidos utilizando estratgia de controle digital neuro-nebulosa para acionamento de um motor de induo acoplado a um gerador sncrono trifsico e alimentado atravs de um inversor de tenso. Da Figura 4.56 at Figura 4.61 considera-se o gerador sncrono trifsico operando com corrente de excitao no circuito de campo, portanto, o motor de induo trabalha com carga e o tempo de resposta com carga maior que o tempo de resposta em vazio. A Figura 4.56 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.57 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 8A para corrente de entrada Ie. A Figura 4.58 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.59 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 12A para corrente de entrada Ie. A Figura 4.60 apresenta o resultado da simulao computacional utilizando o programa
MATLAB enquanto que a Figura 4.61 apresenta o resultado prtico correspondente obtido em

laboratrio, considerando uma limitao de 16A para corrente de entrada Ie. Nas figuras correspondentes aos resultados obtidos atravs de simulao computacional pode-se observar o comportamento dinmico da freqncia de escorregamento Fs representada pela diferena entre a freqncia do estator Fe e a freqncia do rotor Fr. A corrente de entrada Ie apresenta um comportamento dinmico muito semelhante ao da freqncia de escorregamento Fs, portanto, pode-se concluir que durante o transitrio de partida, a corrente de entrada do motor de induo depende da freqncia de escorregamento. A estratgia de controle neuro-nebulosa no trata o gradiente do erro de freqncia Er, portanto, nos resultados obtidos pode-se observar a ocorrncia de um sobre-sinal na freqncia de rotao do motor Fr. O sobre-sinal ocorre para uma corrente de entrada Ie com valor limite maior que 12A ou para uma freqncia de escorregamento Fs maior que 20Hz. Na Figura 4.60 pode-se observar um instante de operao em vazio (Fs=0), gerado pela estratgia de controle digital neuro-nebulosa, na tentativa de reverter o sobre-sinal que ocorre na freqncia de rotao do motor de induo, durante o transitrio de partida. Na Figura 4.61 pode-se observar uma diferena significativa presente na forma de onda da corrente de entrada, durante o instante de operao em vazio (Fe=Fr), comparando resultados prticos e simulados, devido a simplificao dos modelos matemticos.

119

120 Implementao do Sistema de Controle

Ensaio NeN08ex - Controle NeN Limite de Corrente - 08 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.56 Resultado de Simulao com Matlab (Ensaio NeN08ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.57 Resultado Prtico obtido em Laboratrio (Ensaio NeN08ex)

120

121 Implementao do Sistema de Controle

Ensaio NeN12ex - Controle NeN Limite de Corrente - 12 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.58 Resultado de Simulao com Matlab (Ensaio NeN12ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.59 Resultado Prtico obtido em Laboratrio (Ensaio NeN12ex)

121

122 Implementao do Sistema de Controle

Ensaio NeN16ex - Controle NeN Limite de Corrente - 16 Ampres Motor de Induo Acionado por Inversor Gerador Sncrono com Corrente de Excitao

Fe(Hz) Fr(Hz)

Fs(Hz)

Ie(A)

t(s)

Figura 4.60 Resultado de Simulao com Matlab (Ensaio NeN16ex)

1-> Freqncia [16Hz/div] 2-> Corrente [5A/div]

Tempo [500mS/div]

Figura 4.61 Resultado Prtico obtido em Laboratrio (Ensaio NeN16ex)

122

123 Anlise de Resultados e Concluso

Captulo 5 Anlise de Resultados e Concluso


5.1 Introduo
Apresenta-se neste captulo a anlise dos resultados obtidos em laboratrio utilizando um motor de induo trifsico, ligado direto na rede de alimentao ou acionado por um inversor de tenso, acoplado a um gerador sncrono trifsico, conectado a uma carga resistiva capaz de dissipar at 750W de potncia ativa. A tenso de sada do gerador sncrono foi ajustada atravs da corrente de excitao aplicada no circuito de campo, para proporcionar carga nominal ao motor de induo, operando com freqncia de 60Hz. A corrente de excitao do circuito de campo do gerador foi controlada atravs do ajuste de uma fonte de tenso e podia ser interrompida para o motor de induo operar em vazio, sempre acoplado ao gerador sncrono. Na implementao do sistema de controle foi utilizado um microcomputador equipado com placa de aquisio de dados e circuitos condicionadores de sinais analgicos. Na elaborao dos algoritmos de controle, considerou-se um sistema digital concebido para ser implementado com o microcontrolador MCS-80C31 da famlia Intel-8051. Com a placa de aquisio de dados
PCL-711 foi possvel estabelecer a preciso adequada para converter as variveis analgicas de

entrada e sada em variveis digitais equivalentes, conforme indicado na Tabela 5.1.


Tabela 5.1 Resoluo da Placa de Aquisio de Dados Placa de Aquisio de Dados Variveis Preciso de Clculo Resoluo Sinal Entradas Fr [Hz] Ie [A] Sada Vc [Hz]

80 1024 12 Bits

25 1024 12 Bits

80 2048 12 Bits
+

A resoluo proporcionada pela placa de aquisio de dados no a mesma adotada nas estratgias de controle, tendo em vista a arquitetura simplificada do controlador digital, baseada em microcontroladores de 8 bits, na qual foram implementados os algoritmos de controle.
123

124 Anlise de Resultados e Concluso

Apresenta-se na Tabela 5.2 a resoluo adotada nas diferentes estratgias de controle e a preciso de clculo decorrente da representao binria das variveis de entrada do controlador.
Tabela 5.2 Representao das Variveis de Entrada do Controlador Proporcional Nebulosa de Nebulosa de Neuro Estratgias de Integral Inferncia Inferncia Nebulosa Controle Derivativa Direta Indireta Variveis de Er,Er Ei,Ei Fr,Fd Ie,Id Er,Er Ei,Ei Abs(Er) Abs(Ei) [Hz] [A] [Hz] [A] Entrada [Hz] [A] [Hz] [A] 64 16 64 16 64 16 64 16 Preciso de Clculo 128 128 256 256 128 128 256 256 Resoluo 8 Bits 8 Bits 8 Bits 8 Bits 8 Bits 8 Bits 8+1 Bits 8+1 Bits Sinal
+ +

Apresenta-se na Tabela 5.3 a resoluo adotada nas diferentes estratgias de controle e a preciso de clculo decorrente da representao binria das variveis de sada do controlador.
Tabela 5.3 Representao das Variveis de Sada do Controlador Proporcional Nebulosa de Nebulosa de Estratgia de Neuro Integral Inferncia Inferncia Controle Nebulosa Derivativa Direta Indireta Varivel de Sada Fc Ic Fc Ic Fc Ic Abs(Ac) 4 4 4 4 4 4 16 Preciso de Clculo 128 128 128 128 128 128 256 Resoluo 8 Bits 8 Bits 8 Bits 8 Bits 8 Bits 8 Bits 8+1 Bits Sinal

A estratgia de controle nebulosa de inferncia direta apresenta a melhor preciso de clculo, pois opera somente com valores positivos nas entradas do controlador digital, enquanto que as demais estratgias de controle operam com valores positivos e negativos, incluindo o bit de sinal na representao binria das variveis de entrada do controlador. Na estratgia de controle neuro-nebulosa, o sinal da varivel de sada deve ser tratado separadamente, devido necessidade de manter os 8 bits significativos da representao binria, para minimizar os erros de interpolao gerados pela rede neural artificial. A preciso de clculo utilizada na obteno das variveis de sada do controlador, no afeta a preciso global do sistema de controle digital, que depende apenas da resoluo adotada na representao binria das variveis de entrada do controlador digital.
124

125 Anlise de Resultados e Concluso

5.2

Anlise de Resultados
Para avaliar as estratgias de controle foram realizados vrios ensaios prticos utilizando

diferentes algoritmos de controle, considerando o motor induo sempre acoplado ao um gerador sncrono, com seu circuito de campo operando com uma corrente de excitao ajustada para proporcionar carga nominal ao motor de induo. Os ensaios prticos foram realizados utilizando controle proporcional integral derivativo, controle nebuloso e controle neuro-nebuloso. Para diferentes estratgias de controle, valores mltiplos da corrente nominal do motor de induo foram aplicados na entrada de corrente desejada Id. As curvas apresentadas no final do Captulo 4, mostram a resposta do motor de induo para um degrau de 8Hz a 60Hz, aplicado na entrada de freqncia desejada Fd, com limitao de corrente de 8A, 12A ou 16A. O inversor de tenso PWM utilizado nos ensaios prticos bastante antigo e o rudo gerado pelo chaveamento dos transistores muito elevado, como pode ser observado nas curvas de corrente eficaz, no entanto, o sistema de controle foi capaz de ajustar a freqncia de rotao e sustentar a limitao da corrente de entrada do motor de induo trifsico. Os resultados dos ensaios prticos do acionamento do motor de induo foram obtidos em laboratrio, considerando diferentes condies de partida, utilizando como carga um gerador sncrono trifsico, cujo conjugado resistente varia linearmente com a freqncia de rotao do motor. Portanto, quando o motor de induo, acoplado ao gerador sncrono, atinge a freqncia nominal 60Hz, o conjugado de carga tambm atinge o valor nominal 4.0Nm.

5.2.1

Tempo de Resposta do Motor de Induo


O tempo de resposta do motor de induo depende, principalmente, do valor da corrente

de partida que o circuito de acionamento capaz de suprir, assim, quando o motor de induo est ligado direto na rede eltrica de alimentao o tempo de resposta o menor possvel, por outro lado, o acionamento do motor de induo com freqncia varivel no possvel. Com a utilizao de um inversor de tenso possvel controlar a freqncia de rotao do motor de induo, no entanto, o tempo de resposta depende da capacidade de corrente do inversor de tenso. Neste trabalho, foi utilizado um inversor de tenso capaz de fornecer uma corrente de partida de at quatro vezes o valor eficaz da corrente nominal do motor de induo.

125

126 Anlise de Resultados e Concluso

Deste modo, foi possvel avaliar o tempo de resposta do motor de induo, acionado por um inversor de tenso, com auxlio de um controlador digital operando em malha fechada, capaz de controlar a freqncia de rotao e a corrente fornecida pelo inversor de tenso ao motor de induo, utilizando diferentes estratgias de controle. Apresentam-se na Figura 5.1 os resultados obtidos atravs de simulao computacional, mostrando o tempo de resposta do motor de induo para diferentes condies de operao e diferentes estratgias de controle. O tempo de resposta do motor de induo ligado direto na rede eltrica de alimentao, acoplado ao gerador sncrono com conjugado resistente equivalente ao conjugado nominal do motor de induo em 60Hz, sem nenhum tipo de estratgia de controle, aproximadamente igual a 1.0 segundo, para uma corrente de partida maior que 20A eficazes.

d a e c

Fr(Hz) a) Controle PID b) Controle Nebuloso Direto c) Controle Nebuloso Indireto d) Controle Neuro-Nebuloso e) Ligado Direto na Rede

t(s) Figura 5.1 Tempo de Resposta do Motor de Induo com Inversor de Tenso

O tempo de resposta do motor de induo acionado por um inversor de tenso PWM, acoplado ao gerador sncrono com conjugado resistente equivalente ao conjugado nominal do motor de induo, utilizando as estratgias de controle proporcional integral derivativo, nebulosa de inferncia direta, nebulosa de inferncia indireta e neuro-nebulosa, aproximadamente igual a
1.5 segundos, para uma corrente de partida limitada em 16A eficazes.
126

127 Anlise de Resultados e Concluso

5.2.2

Comportamento do Sistema de Controle


O comportamento do sistema de controle depende, principalmente, da estratgia de

controle utilizada no acionamento do motor de induo, portanto, quando o sistema de controle permite uma corrente de partida igual a 16A, possvel avaliar os parmetros de especificao da curva caracterstica de um sistema de segunda ordem, tais como: constante de tempo, tempo de subida, tempo de pico, tempo de acomodao, valor de pico e sobre-sinal. Para valores de corrente de partida em torno de 8A, a curva caracterstica do sistema no permite avaliar todos os parmetros de especificao de um sistema de segunda ordem, assim, apresenta-se a seguir, as curvas caractersticas do sistema de controle, para valores de corrente de partida de 12A e 16A, considerando as diferentes estratgias de controle. A Figura 5.2 mostra as curvas caractersticas do sistema de controle para acionamento do motor de induo, com corrente de partida limitada em 16A, obtidas atravs de simulao computacional, considerando diferentes estratgias de controle, para um degrau de 8Hz a 60Hz, aplicado na entrada de referncia do controlador digital, no instante de 1.5 segundos.

d a c

Fr(Hz)

a) Controle PID b) Controle Nebuloso Direto c) Controle Nebuloso Indireto d) Controle Neuro-Nebuloso

t(s) Figura 5.2 Comportamento do Sistema de Controle com Corrente de Partida 16A

127

128 Anlise de Resultados e Concluso

A Figura 5.3 mostra as curvas caractersticas do sistema de controle para acionamento do motor de induo, com corrente de partida limitada em 12A, obtidas atravs de simulao computacional, considerando diferentes estratgias de controle, para um degrau de 8Hz a 60Hz, aplicado na entrada de referncia do controlador digital, no instante de 1.5 segundos.

b a c

Fr(Hz)

a) Controle PID b) Controle Nebuloso Direto c) Controle Nebuloso Indireto d) Controle Neuro-Nebuloso

t(s) Figura 5.3 Comportamento do Sistema de Controle com Corrente de Partida 12A

Considerando o comportamento do sistema controle digital, para uma corrente de partida limitada em 16A, fica evidente a ao de controle derivativa, presente nas estratgias de controle proporcional integral derivativa e nebulosa de inferncia indireta, evitando a ocorrncia de sobresinal sem comprometer o tempo de resposta, conforme indicado na Figura 5.2. Por outro lado, para uma corrente de partida limitada em 12A, o sobre-sinal presente nas estratgias de controle nebulosa de inferncia direta e neuro-nebulosa no tem valor significativo, portanto, o tempo de resposta do motor de induo melhora sensivelmente, conforme indicado na Figura 5.3. Outro fator que interfere no tempo de resposta do motor de induo e no comportamento do sistema de controle o tempo de amostragem usado no controlador digital operando em malha fechada. Nos ensaios realizados em laboratrio o tempo de amostragem usado foi T=1.0ms, que corresponde ao valor mnimo possvel, limitado pelo ambiente de desenvolvimento.
128

129 Anlise de Resultados e Concluso

A Figura 5.4 mostra as curvas de regime das estratgias de controle para acionamento do motor de induo, com corrente de partida limitada em 12A, obtidas atravs de simulao computacional, considerando as estratgias de controle proporcional integral derivativa, nebulosa de inferncia direta, nebulosa de inferncia indireta e neuro-nebulosa, para um sinal degrau de
8Hz a 60Hz aplicado na entrada de referncia do controlador digital, no instante de 1.5 segundos.

b a) Controle PID b) Controle Nebuloso Direto c) Controle Nebuloso Indireto d) Controle Neuro-Nebuloso d

Fr(Hz)

a t(s) Figura 5.4 Preciso do Sistema para Diferentes Estratgias de Controle

A preciso do sistema de controle digital depende da estratgia de controle adotada para acionamento do motor de induo. A estratgia de controle nebulosa de inferncia direta mais precisa, sendo capaz de atuar com a preciso de 0.25Hz manipulando apenas valores positivos de freqncia de rotao Fr e corrente de entrada Ie. As estratgias de controle proporcional integral derivativa, nebulosa de inferncia indireta e neuro-nebulosa, atuam com uma preciso de 0.50Hz manipulando valores positivos e negativos de erro de freqncia Er e erro de corrente Ei. Como a estratgia de controle neuro-nebulosa utiliza apenas uma malha de controle, est sujeita aos rudos presentes no sinal de corrente, provocados pelo chaveamento dos dispositivos semicondutores do inversor de tenso, conforme indicado na Figura 5.4. Os erros de interpolao gerados pela rede neural artificial tambm afetam a estratgia de controle neuro-nebulosa.
129

130 Anlise de Resultados e Concluso

5.3

Concluso
Considerando as tcnicas de controle vetorial para acionamento de mquinas eltricas de

induo, mais eficientes e precisas que as tcnicas de controle escalar, o objetivo principal deste trabalho foi o desenvolvimento de um controlador digital simples e eficiente, utilizando conceitos de lgica nebulosa, aplicado no acionamento de mquinas eltricas industriais, sem a necessidade de recorrer aos modelos matemticos das mquinas. Trata-se de um trabalho de pesquisa aplicada, que apresenta o projeto de um controlador digital de arquitetura simplificada, que permite reduzir o tempo de processamento necessrio para a parametrizao de um sistema de controle nebuloso, utilizando uma estrutura padronizada para representao das funes de pertinncia e ponderao dos termos lingsticos, relacionados com as variveis de entrada e sada de controlador nebuloso. Para avaliar o desempenho deste controlador, foi implementado um sistema digital para acionamento de motor de induo, com controle da freqncia de rotao e limitao da corrente de entrada, capaz de gerar em tempo real, um perfil de freqncia adequado, sempre que um novo valor da freqncia de operao seja estabelecido, impedindo que a corrente de entrada ultrapasse o limite estipulado, evitando o desligamento desnecessrio do sistema. Nesta aplicao prtica destacam-se as novas estratgias de controle desenvolvidas e as contribuies oferecidas aos usurios de mquinas eltricas de induo. Pelos resultados prticos obtidos, pode-se verificar a versatilidade e a confiabilidade de um sistema de controle digital de baixo custo, baseado em microcontroladores de 8 bits da famlia Intel-8051. O microcontrolador
MCS-80C31 capaz de acessar vrios blocos de 64 kbytes de memria de dados que armazenam

todas as aes de controle. Os algoritmos de controle so armazenados em 64 kbytes de memria especficos para programas escritos na linguagem do microcontrolador. O uso de microcontroladores mais poderosos, com arquitetura de 16 ou 32 bits, no pode ser descartada, tendo em vista as aplicaes industriais que exigem sistemas de controle mais eficientes e precisos. Considerando microcontroladores com arquitetura de 16 bits, o controlador nebuloso desenvolvido neste trabalho teria maior capacidade para armazenar dados e executar operaes lgicas e aritmticas com maior rapidez e preciso, no entanto, a implementao do controlador nebuloso considerando microcontroladores com arquitetura de 32 bits, implicaria na utilizao de memrias com grande capacidade de armazenamento.

130

131 Anlise de Resultados e Concluso

5.3.1

Estratgias de Controle
Inicialmente, foram desenvolvidas as estratgias de controle digital do tipo nebulosa de

inferncia direta e nebulosa de inferncia indireta, que foram comparadas com uma estratgia de controle do tipo proporcional integral derivativa, para demonstrar a possibilidade de se utilizar as novas estratgias, sem comprometer o tempo de resposta e a preciso do sistema. O clculo de todas as aes de controle feito atravs um nico operador de agregao, representado por uma simples expresso algbrica, que atua como um mecanismo de interpolao linear, capaz de mapear apenas superfcies planas. Com auxlio de uma rede neural artificial do tipo CMAC, que atua como um mecanismo de interpolao no-linear, pode-se implementar um controlador neuro-nebuloso capaz de mapear superfcies no-planas. Considerando que estas estratgias de controle possuem duas malhas de realimentao, uma para controle da freqncia de rotao e outra para controle da corrente de entrada, uma nova estratgia de controle do tipo neuro-nebulosa foi desenvolvida. Usando uma nica malha de controle a partir das varveis de entrada erro de freqncia
Er e erro de corrente Ei, esta nova estratgia de controle apresentou timos resultados como pode

ser observado na Figura 5.2 que mostra a resposta do sistema de controle para uma corrente de entrada limitada em 16A e na Figura 5.4 que mostra a preciso das quatro estratgias de controle digital desenvolvidas neste trabalho de engenharia aplicada. Todas as estratgias de controle podem ser utilizadas para determinar o menor tempo de acelerao, respeitando os limites de operao do motor de induo e principalmente, respeitando a capacidade de corrente do inversor de tenso. Por outro lado, o procedimento de desacelerao do motor de induo depende do memento de inrcia da carga. Como o momento de inrcia do gerador sncrono 30 vezes maior que o momento de inrcia do motor de induo, o procedimento de desacelerao torna-se muito complexo para as estratgias de controle desenvolvidas neste trabalho, sendo necessrio estimar o valor da corrente de entrada em funo do valor da freqncia de escorregamento. Apresenta-se a seguir proposta de trabalhos futuros considerando a importncia de se estimar a corrente de entrada Ie do motor de induo a partir da freqncia de escorregamento, sendo possvel tambm estimar a freqncia de escorregamento Fs a partir da corrente de entrada do motor de induo, evitando o uso de sensores mecnicos.

131

132 Anlise de Resultados e Concluso

5.3.2

Trabalhos Futuros
A utilizao de redes neurais artificiais de estrutura simplificada, como o caso CMAC,

pode auxiliar na estimao da corrente de entrada, a partir da freqncia de escorregamento, ou ainda, na estimao da freqncia de escorregamento, a partir da corrente de entrada. Trata-se do desenvolvimento de um controlador adaptativo, capaz de simplificar o sistema de aquisio de dados, descartando uma das variveis de entrada, durante o acionamento do motor de induo. A estrutura da rede neural baseada no CMAC implementada em linguagem de mquina, fica residente na memria de programa do microcontrolador, usando a memria de dados para armazenar informaes durante o um processo de treinamento, considerando diversas condies de operao do motor de induo, visando obter um conjunto de informaes consistente. A primeira possibilidade seria armazenar a corrente de entrada Ie em funo da varivel de controle Vc e da freqncia de escorregamento Fs, durante o processo de treinamento, para obter Ie=f(Vc,Fs) durante o procedimento de estimao, descartando a aquisio de corrente. A segunda possibilidade seria armazenar a freqncia de escorregamento Fs em funo da varivel de controle Vc e da corrente de entrada Ie, durante o processo de treinamento, para obter Fs=f(Vc,Ie) durante o procedimento de estimao, descartando a aquisio de freqncia. Alguns estudos foram realizados no sentido de desenvolver um controlador adaptativo, mas existe a dificuldade de estabelecer os ensaios necessrios para obter um conjunto de dados consistente, considerando todas as possibilidades de acionamento de um motor de induo. Um exemplo de utilizao do controlador adaptativo seria durante o procedimento de desacelerao, onde preciso estimar a corrente de entrada a partir da freqncia de escorregamento. Considerando a primeira possibilidade, para obter o valor de Ie=f(Vc,Fs), o processo de treinamento ocorre durante o procedimento de acelerao, deste modo, a informao armazenada pode ser utilizada durante o procedimento de desacelerao, assumindo que a corrente de entrada varia da mesma forma, permitindo que todas estratgias de controle desenvolvidas neste trabalho sejam utilizadas durante os procedimentos de acelerao e desacelerao.

132

133 Lgica Nebulosa

Apndice 1 Lgica Nebulosa


1.1 Introduo
A lgica nebulosa a lgica baseada na teoria dos conjuntos nebulosos que difere dos sistemas lgicos tradicionais em suas caractersticas e seus detalhes. Nesta lgica, o raciocnio exato corresponde a um caso limite do raciocnio aproximado, interpretado como um processo de composio de relaes nebulosas. O valor verdade de uma proposio pode ser um subconjunto nebuloso de qualquer conjunto parcialmente ordenado, ao contrrio dos sistemas lgicos binrios, onde o valor verdade s pode assumir dois valores: verdadeiro 1 ou falso 0. Nos sistemas lgicos multivalores o valor verdade de uma proposio pode ser um elemento de um conjunto finito ou uma relao booleana. Na lgica nebulosa, os valores verdade so expressos lingisticamente, (pouco verdade, verdade, muito verdade,...), onde cada termo lingstico interpretado como um subconjunto nebuloso do intervalo unitrio. Nos sistemas lgicos clssicos, os predicados so exatos e o modificador mais utilizado a negao enquanto que na lgica nebulosa os predicados so nebulosos (alto, mdio, baixo,...) e uma variedade de modificadores de predicados so possveis (muito, mais ou menos,...). Estes modificadores so essenciais para gerao de termos lingsticos consistentes
(muito alto, mais ou menos perto,...). Nos sistemas lgicos clssicos existem somente os

quantificadores existenciais e universais. A lgica nebulosa admite, em adio, uma ampla variedade de quantificadores (pouco, vrios, usualmente,...). Na lgica nebulosa existe a opo adicional de se utilizar probabilidades lingsticas
(provvel, altamente provvel, improvvel, etc...), interpretadas como nmeros nebulosos e

manipuladas atravs da aritmtica nebulosa. Em contraste com a lgica clssica, o conceito de possibilidade interpretado a partir de subconjuntos nebulosos (ZADEH, 1988). Nas teorias de controle clssica e moderna o primeiro passo para implementar o controle de um processo, derivar o modelo matemtico que descreve o processo. Este procedimento, requer que se conhea detalhadamente o processo a ser controlado, o que nem sempre factvel se o processo muito complicado (ZADEH, 1973).

133

134 Lgica Nebulosa

As teorias de controle existentes se aplicam a uma grande variedade de sistemas, onde o processo bem definido. Vrias tcnicas de controle, tais como: controle linear multivarivel (DOYLE & SKIN, 1981), sistemas lineares estocsticos (BERTSEKAS, 1976), estimao de estado a partir de medidas ruidosas e classes de problemas no-lineares determinsticos, foram criadas e aplicadas com sucesso em um grande nmero de problemas bem postulados. Entretanto, todas estas tcnicas de controle no so capazes de resolver problemas reais cuja modelagem matemtica impraticvel. Por exemplo, em diversas situaes um volume considervel de informaes essenciais s conhecido a priori de forma qualitativa. Do mesmo modo, os critrios para avaliao de desempenho de sistemas s esto disponveis na forma de termos lingsticos. Assim, este panorama leva a imprecises e falta de exatido que inviabilizam a maioria das teorias de controle utilizadas at agora. A teoria de modelagem e o controle nebuloso (LEE, 1990) so tcnicas para se manusear informaes qualitativas de uma maneira rigorosa. Tais tcnicas consideram o modo como a falta de exatido e a incerteza so descritas e, fazendo isso, tornam-se suficientemente poderosos para manipular de maneira conveniente os conhecimentos adquiridos. A teoria de controle nebuloso trata do relacionamento entre entradas e sadas, agregando vrios parmetros de processo e de controle. Portanto, esta teoria permite a considerao de processos mais complexos, de modo que os sistemas de controle resultantes proporcionam um resultado mais acurado, alm de um desempenho estvel e robusto. A grande simplicidade de implementao de sistemas de controle baseados em lgica nebulosa pode reduzir a complexidade de um projeto a um ponto em que problemas anteriormente intratveis tornaram-se solucionveis. A utilizao da lgica nebulosa em sistemas de controle de processos em tempo real atravs de computadores ou microcomputadores das mais convenientes pois no envolve nenhum problema computacional srio.

1.2

Fundamentos da Lgica Nebulosa


Nesta seo sero apresentadas idias bsicas sobre a teoria de conjuntos e a lgica

nebulosa visando modelagem e o desenvolvimento de sistemas de controle. Apesar de exigir uma complexa base formal sustentando sua utilizao na modelagem e controle de sistemas e processos, ser evidenciado aqui somente o necessrio para o entendimento da teoria bsica de controle nebuloso (PEDRYCS & GOMIDE, 1998).
134

135 Lgica Nebulosa

Na teoria clssica de conjuntos, um elemento ou pertence a um conjunto ou no pertence a um conjunto. Portanto, dado um universo de discurso U e um elemento particular xU, o ndice de pertinncia A(x) com respeito a um conjunto A dado por:
A ( x ) = 1 se x A A ( x ) = 0 se x A

(1.1)

A funo A(x) chamada de funo caracterstica na teoria clssica de conjuntos.

A ( x ) : U {0 ,1}

(1.2)

Freqentemente, uma generalizao desta idia usada, por exemplo, para manipulao de dados com erros limitados. Todos os nmeros dentro de um erro percentual tero ndices de pertinncia iguais a 1 e todos os demais ndices de pertinncia iguais a 0. Para o caso preciso, o ndice de pertinncia 1 somente no nmero exato e 0 para todos os demais casos.

A
(a) 1 1

A
(b) 1

A
(c)

U x x

U x

Figura 1.1 Funes de Pertinncia

Como proposto por (ZADEH, 1965), uma caracterizao mais ampla, na medida em que sugere que alguns elementos so mais membros de um conjunto do que outros, o ndice de pertinncia pode ento assumir qualquer valor real entre 0 e 1, sendo que o valor 0 indica uma completa excluso e o valor 1 representa completa pertinncia. Esta generalizao aumenta o poder de expresso da funo caracterstica. Assim, para expressar a idia de que uma temperatura tem seu valor por volta de 25C, pode-se utilizar uma funo de pertinncia triangular, com pico em x igual a 25, para sugerir a idia de que quanto mais perto de 25, mais se identifica o conceito representado.
135

136 Lgica Nebulosa

Finalmente, seja U um conjunto de objetos denominados genericamente por x. O conjunto U chamado de universo de discurso, podendo ser contnuo ou discreto. Um conjunto nebuloso A em um universo de discurso U definido pela funo de pertinncia A(x) que assume valores dentro do intervalo [0,1].

A ( x ) : U 0 ,1

(1.3)

O conjunto suporte de um conjunto nebuloso A o subconjunto dos pontos x de U tal que A(x)>0. Um conjunto nebuloso cujo conjunto suporte um nico ponto de U com A(x) igual 1 chamado de um conjunto nebuloso unitrio. Sejam A e B dois conjuntos nebulosos em U com funes de pertinncia A(x) e B(x), respectivamente. As operaes de conjuntos tais como a unio AB e a interseco AB so definidas pelo sistema de equaes (1.4) e o complemento dado pela equao .
A B ( x ) = A ( x ) s B ( x ) A B ( x ) = A ( x ) t B ( x )

(1.4)

Onde:

t - uma norma triangular (norma-t) e s - uma co-norma triangular (norma-s).

A( x ) = 1 A( x )
Uma norma triangular uma funo para qualquer (x,y,z,w)[0,1], tal que:
t : 0 ,1 0 ,1 0 ,1

(1.5)

Satisfazendo as seguintes propriedades:


(i) (ii) (iii) (iv) ( x t w ) ( y t z ) se ( x y ) e ( w z )
( x t y)=( y t x)

(x t y)t z= x t ( y t z) ( x t 0 )= 0 e ( x t 1)= x

136

137 Lgica Nebulosa

Uma co-norma triangular uma funo, para qualquer (x,y,z,w)[0,1], tal que:
s : 0 ,1 0 ,1 0 ,1

Satisfazendo as seguintes propriedades:


(i) (ii) (iii) (iv)
( x s w ) ( y s z ) se ( x y ) e ( w z )

( x s y)=( y s x) (x s y) s z= x s ( y s z)
( x s 0 )= x e ( x s 1)= 1

Exemplos de normas-t podem incluir o mnimo e o produto algbrico e exemplos de normas-s podem incluir o mximo e a soma limitada . Assim, se A1,A2,...,An so conjuntos nebulosos em U1,U2,...,Un ento uma relao nebulosa representada por um conjunto nebuloso em U1U2...Un expresso da seguinte maneira, para (u1,...,un)U1U2...Un.
R = ( u1 , ...,un ), R ( u1 , ...,un )

(1.6)

Se R e P so relaes segundo a lgica nebulosa em UV e VW respectivamente, ento a composio de R e P uma relao denotada por R o P definida para uU, vV e wW.
R o P = ( u,w ), supv ( R ( u,v ) t P ( v ,w )

(1.7)

Para expressar os mais diversos conceitos muito comum a utilizao de elementos qualitativos ao invs de valores quantitativos. Elementos tpicos incluem (mais ou menos, alto,
no muitos, mdio,...). Estas idias so capturadas pela definio de varivel lingstica. Uma

varivel lingstica tem por caracterstica assumir valores de um conjunto de termos lingsticos, ou seja, palavras ou frases. Portanto, ao invs de assumir instncias numricas, a varivel lingstica temperatura poder assumir como valor um dos membros do conjunto (baixa, mdia, alta). Para atribuir um significado aos termos lingsticos, associa-se cada um deles a um conjunto nebuloso definido sobre um universo de discurso comum.

137

138 Lgica Nebulosa

temp
1 baixa mdia alta

25

50

75 temperatura( C)

Figura 1.2 Varivel Lingstica Temperatura

A forma mais comum de expressar o conhecimento por meio de regras lgicas do tipo
(condio-ao). Nestas regras, um conjunto de condies descrevendo uma parcela observvel

das sadas do processo associado com uma ao de controle que dever manter ou levar o processo s condies de operao desejadas. Tipicamente, uma condio uma proposio, envolvendo variveis lingsticas, sobre o valor de alguma das variveis de entrada, como por exemplo (o erro grande e positivo). De modo anlogo, uma tpica ao de controle uma descrio que envolve variveis lingsticas, como por exemplo (aumente um pouco a vazo). A idia geral representar o conhecimento por meio de um conjunto de regras nas quais as condies so dadas a partir de um conjunto de termos lingsticos associados s variveis de entrada/sada do processo que so variveis de entrada/sada do controlador/modelo. As aes de controle ou as sadas do modelo so expressas de modo similar para cada varivel de controle ou sada. Regras do tipo (se-ento) so chamadas declaraes condicionais ou simplesmente regras nebulosas. Dependendo do propsito ser controle ou modelagem, podem ser chamadas ainda de regras de controle ou regras de modelagem. Uma regra nebulosa interpretada como uma relao nebulosa Ri, definida como:
Se (x Ai) e (y Bi) ento (z Ci)
Ri ( u,v ,w ) = Ai and Bi Ci ( u,v ,w ) = Ai ( u )and Bi ( v ) Ci ( w )

(1.8)

Onde:

Ai and Bi um conjunto nebuloso AiBi em UV; Ai and BiCi uma relao nebulosa em UVW e () denota o operador nebuloso de implicao.

138

139 Lgica Nebulosa

Considerando regras nebulosas do tipo AB, alguns exemplos de operadores nebulosos de implicao incluem segundo (LEE, 1990):
R1 (x,y) = A (x) B (y) R2 (x,y) = A (x) B (y)

(1.9)

Em um sistema nebuloso, representando um modelo ou um controlador, cada regra expressa por uma relao nebulosa. Assim, o comportamento do sistema caracterizado pelo conjunto das relaes nebulosas associadas s regras, e o sistema como um todo ser ento representado por uma nica relao nebulosa, que representa uma combinao de todas as relaes nebulosas provenientes das diversas regras:
R = agreg( R1 , R2 , ..., Ri , ..., Rn ) (1.10)

Usualmente, o operador de agregao interpretado como um operador de unio, usando a operao max, embora exista uma ampla classe de operadores de agregao. Em lgica nebulosa uma importante regra de inferncia decorrente do modus ponens generalizado. Uma regra nebulosa interpretada pela lei de inferncia composicional, sugerida por (ZADEH, 1973).
Fato: Regra: Conseqncia: (x A) Se (x A) ento (y B) (y B)

Nesta abordagem, uma regra nebulosa se (x A) ento (y B), descrita como AB, transformada em uma relao nebulosa RAB. Assim, para uU e vV, temos:

R
Onde:

A B

( u,v ) = min( A ( u ), B ( v ))

(1.11)

min o operador de implicao.

Dado um fato (x A) ou simplesmente A e uma regra nebulosa descrita como AB, a lei de inferncia composicional de Zadeh diz que B igual a A o RAB.

B' ( v ) = maxu min( A' ( u ), R

A B

( u,v ))

(1.12)

139

140 Lgica Nebulosa

Esta a lei de inferncia min-max, cuja interpretao grfica apresentada a seguir na


Figura 1.3, onde a interseco dada pela norma-t min e a projeo em V pelo operador max.

Esta lei constituda de duas etapas: a interseco das extenses cilndricas de A, com RAB, e a projeo desta interseco em V. Em geral, a regra da composio expressa por:

B' ( v ) = supu A' ( u ) t R


V

A B

( u,v )

(1.13)

RAB B A RAB U

Figura 1.3 Regra de Inferncia Composicional

Quando mais de uma regra acionada, as contribuies das diversas regras aps a inferncia so combinadas pelo operador de agregao. Por exemplo, supondo-se que B1,...,Bn so os resultados derivados das diversas regras acionadas, todos relacionados com a mesma varivel lingstica, ento o resultado combinado B dado pela seguinte expresso:
B' = Bi
i n

(1.14)

Onde:

representa o operador de agregao do tipo unio.

Apresenta-se na Figura 1.4 o processo de inferncia do tipo min-max quando existem duas regras AiBi e AjBi. O fato de entrada representado pelo conjunto nebuloso A.

140

141 Lgica Nebulosa

Ai Ai

Bi Bi

Aj Aj

Bj Bj

Figura 1.4 Mecanismo de Inferncia

1.3

Descrio de Sistemas e Processos


Para modelar um sistema necessrio descrever o comportamento do mesmo para

anlise de desempenho, simulao computacional ou projeto de controladores. Desta forma, podem ser consideradas trs categorias de representao de sistemas: equaes matemticas, regras nebulosas (lingsticas) e redes neurais artificiais (YAMAKAWA, 1993).

Figura 1.5 Funo Descrita por Equao Matemtica

141

142 Lgica Nebulosa

Equaes relacionais ou diferenciais descrevem a dinmica e/ou a cintica de sistemas (ou o conhecimento sobre o sistema) em uma forma muito conveniente. Se a relao entre a entrada x e a sada f(x) do sistema ou a relao entre a causa x e a resposta f(x) obtida como mostrado na Figura 1.5, ento f(x) descrita por f(x)=(x)2. A descrio de um sistema a partir de uma equao matemtica de grande importncia, no entanto, muito difcil identificar a equao que descreve exatamente o comportamento do sistema, especialmente em casos de sistemas complexos e com mltiplas variveis. Em adio, tambm muito difcil reescrever a equao quando a relao entre x e f(x) varia aleatoriamente. Portanto, esta descrio no apropriada para a maioria dos sistemas complexos tais como: sistemas no-lineares e sistemas variantes no tempo. O Princpio de Incompatibilidade de
Zadeh, diz que: medida que a complexidade do sistema aumenta, a possibilidade de descrever

um sistema com equaes matemticas diminui.

Figura 1.6 Funo Descrita por Regras Lingsticas Exatas

Uma outra abordagem apresentada na Figura 1.6, consiste em descrever a relao entre a entrada x e a sada f(x), atravs de regras do tipo Ri, para (i=1,...,N).
Regra Ri Se x Ai ento f(x) Bi

142

143 Lgica Nebulosa

Onde x representa a varivel independente e f(x) representa a varivel dependente, sendo


Ai e Bi constantes lingsticas e N o nmero de dados experimentais que descrevem a funo.

Quando Ai e Bi so constantes lingsticas com valores numricos exatos, conforme os sistemas clssicos da inteligncia artificial, teramos o seguinte:
Regra R01 Regra R02 Regra R03 Regra R04 Regra R05 Regra R06 Regra R07 Regra R08 Regra R09 Regra R10 Regra R11 Se x -5 ento f(x) 25 Se x -4 ento f(x) 16 Se x -3 ento f(x) 09 Se x -2 ento f(x) 04 Se x -1 ento f(x) 01 Se x 0 ento f(x) 00 Se x 1 ento f(x) 01 Se x 2 ento f(x) 04 Se x 3 ento f(x) 09 Se x 4 ento f(x) 16 Se x 5 ento f(x) 25

A vantagem deste tipo de abordagem a facilidade de mudar a descrio do sistema. Por exemplo, quando apenas uma variao local verificada, basta modificar os valores das regras correspondentes, pois as regras so independentes umas das outras. Assim, a descrio do sistema atravs de regras apropriada para sistemas com aprendizagem e sistemas adaptativos. Por outro lado, existem tambm algumas desvantagens, quando dado que x igual a 4 a concluso obtida f(x) igual a 16 a partir do casamento entre o dado x igual a 4 e o antecedente da regra R10. Este , essencialmente, o procedimento bsico de inferncia em sistemas baseados em regras da inteligncia artificial clssica. Contudo, se dado que x igual a 4.5 nada pode ser inferido a partir do conjunto de regras mencionado pois, no existe nenhuma regra com antecedente x igual a 4.5. Isto mostra que os sistemas clssicos binrios so pouco eficientes em relao ao conhecimento impreciso, com rudo, ou com variao em dados de entrada, e que necessrio uma enorme quantidade de regras (base de conhecimento) para se obter um resultado ou desempenho significativo. Conseqentemente, este tipo clssico de inferncia demanda tempo devido a necessidade de se verificar o casamento entre um dado de entrada e uma base de regras muito grande.

143

144 Lgica Nebulosa

Este mecanismo de inferncia no apropriado para manusear regras contraditrias pois, poderia produzir concluses tambm contraditrias a partir de um mesmo dado de entrada. Estas desvantagens tambm esto presentes nos sistemas clssicos de inteligncia artificial, baseados no processamento simblico e no no processamento do significado dos termos lingsticos. Alternativamente, poderamos utilizar estas mesmas regras, mas interpretando-as como regras nebulosas. Neste caso, Ai e Bi seriam termos lingsticos associados varivel x, cada um destes termos associados a um conjunto nebulosos a fim de se estabelecer seu significado. Deste modo, poderamos descrever a relao entre a entrada x e a sada f(x) por:
Regra R01 Regra R02 Regra R03 Regra R04 Regra R05 Regra R06 Regra R07 Regra R08 Regra R09 Regra R10 Regra R11 Se x entorno de -5 ento f(x) entorno de 25 Se x entorno de -4 ento f(x) entorno de 16 Se x entorno de -3 ento f(x) entorno de 09 Se x entorno de -2 ento f(x) entorno de 04 Se x entorno de -1 ento f(x) entorno de 01 Se x entorno de 0 ento f(x) entorno de 00 Se x entorno de 1 ento f(x) entorno de 01 Se x entorno de 2 ento f(x) entorno de 04 Se x entorno de 3 ento f(x) entorno de 09 Se x entorno de 4 ento f(x) entorno de 16 Se x entorno de 5 ento f(x) entorno de 25

Neste caso, a relao precisa entre a entrada x e a sada f(x), apresentada na Figura 1.6
fuzzificada, passando a ser tratada como uma relao contnua. A Figura 1.7 mostra esta relao

nebulosa, que fornece valores razoveis para qualquer dado no universo de discurso, atravs de mecanismos de inferncia nebulosa e defuzzificao. Os mecanismos de inferncia nebulosa e o procedimento de defuzzificao, proporcionam uma forma razovel e simples de interpolao, com muito menos dados e dados no exatos. A inferncia nebulosa apresenta um comportamento similar ao descrito por funes matemticas. Ainda mais, muito mais fcil elaborar novas regras nebulosas do que equaes matemticas, quando as caractersticas do sistema ou processo so variantes no tempo. Em geral, somente umas poucas regras so adicionadas ou revisadas independentemente das outras regras, no caso de equaes matemticas, vrios parmetros devem ser avaliados simultaneamente.

144

145 Lgica Nebulosa

Figura 1.7 Funo Descrita por Regras Lingsticas Nebulosas

As principais caractersticas dos modelos nebulosos de sistemas e processos so: a) apropriada para descrever sistemas complexos com uma razovel quantidade de conhecimento; b) facilita a seleo das variveis lingsticas e os correspondentes valores a serem usados nas regras nebulosas; c) possibilita a memorizao o conhecimento utilizando uma categoria relativamente pequena de palavras; d) permite a comunicao dos modelos com projetistas e analistas devido ao uso da linguagem natural. Deve-se notar que, enquanto a inferncia baseada na regra de inferncia modus ponens nos sistemas clssicos de inteligncia artificial baseada somente em processamento simblico, a inferncia nebulosa, usando raciocnio aproximado, baseada tanto no processamento simblico como no processamento do significado. As regras lingsticas nebulosas podem representar um conhecimento explicitamente e este conhecimento deve ser utilizado, explicitamente, para inferncia. As redes neurais artificiais, ao contrrio, representam tanto o conhecimento como a inferncia, implicitamente.

145

146 Lgica Nebulosa

Portanto, as regras lingsticas nebulosas representam o conhecimento estruturado enquanto as redes neurais artificiais representam, em geral, o conhecimento no estruturado. Existem, no entanto, classes de redes neurais artificiais nebulosas que permitem a deteco do conhecimento e sua estrutura (FIGUEIREDO et al., 1993). Finalmente, uma alternativa para modelar e controlar um sistema complexo, consiste em descrev-lo atravs de um conjunto de parmetros, cujo exemplo tpico so as redes neurais artificiais. Uma rede neural artificial composta por um nmero finito de elementos simples interconectados, cada elemento realizando uma operao de agregao, conforme o modelo fsico de um neurnio. Assim, quando Wij o peso atribudo ao sinal de uma entrada ei para o j-simo neurnio, j e sj so respectivamente, o limiar e o sinal de sada do j-simo neurnio e o sinal de sada sj tipicamente dado pela seguinte expresso:
n s j = h w ij ei j i

(1.15)

Onde:

h em geral uma funo de agregao sigmoidal. h( x ) = 1 1 + exp( x ) (1.16)

Figura 1.8 Funo Descrita por Rede Neural Artificial

146

147 Lgica Nebulosa

Usando este modelo de neurnio, a relao existente entre x e f(x) pode ser caracterizada por uma rede neural artificial. Tanto os pesos Wij como os limiares j podem ser obtidos atravs inmeras iteraes de aprendizado utilizando algoritmos computacionais clssicos de propagao retroativa, como o mtodo dos mnimos quadrados entre outros. Uma rede neural artificial capaz de realizar interpolaes de forma similar ao caso da inferncia nebulosa. Contudo, em geral, muito difcil de entender, apenas pela observao do conjunto de parmetros, como a rede neural se comporta. Alm disso, existem problemas para determinao da topologia mais apropriada para o problema em questo, bem como problemas de convergncia durante o processo de aprendizagem. Se o sistema est sujeito a variaes de comportamento, uma nova aprendizagem deve ser executada para se obter um novo conjunto de pesos e limiares correspondentes e, muitas vezes, os resultados no so razoveis. Isto , existe uma maior dificuldade em projetar sistemas para modelo e controle com redes neurais artificiais do que com sistemas nebulosos. Esta uma das razes pela qual os sistemas nebulosos tm sido mais populares na soluo de problemas prticos do que as redes neurais artificiais. No entanto, pesquisa recente vem gerando classes de sistemas neuro-nebulosos, onde as vantagens e desvantagens de ambas as abordagens so tratadas de forma a criar sistemas mais eficientes tanto do ponto de vista da soluo de problemas, quanto da anlise e projeto dos mesmos (GOMIDE & ROCHA, 1992).

1.4

Sistemas de Controle Nebulosos


A idia bsica em controle nebuloso, modelar as aes a partir de conhecimento

especialista, ao invs de, necessariamente, modelar o processo em si. Este procedimento nos leva a uma abordagem diferente dos mtodos convencionais de controle de processos, desenvolvidos atravs de modelos matemticos dos processos, de modo a derivar as aes de controle como uma funo dependente do estado do processo. A motivao para esta nova abordagem veio de casos onde o conhecimento especialista de controle era disponvel, seja por meio de operadores ou projetistas, e os modelos matemticos envolvidos muito complexos. A Figura 1.9 apresenta a estrutura de um processo com controlador nebuloso, indicando seus componentes bsicos para operao em malha fechada: a interface de fuzzificao, a base de conhecimento, a base de dados, o procedimento de inferncia e a interface de defuzzificao.

147

148 Lgica Nebulosa

Controlador Nebuloso Base de Dados Base de Conhecimento

Interface de Fuzzificao

Procedimento de Inferncia

Interface de Defuzzificao

Sensores

Processo

Atuadores

Figura 1.9 Estrutura Bsica de um Controlador Nebuloso

1.4.1

Interface de Fuzzificao
A interface de fuzzificao toma os valores analgicos das variveis de entrada, gerados

por circuitos sensores, e faz um escalonamento para condicionar os valores numricos de entrada a universos de discurso normalizados. Portanto, o procedimento de fuzzificao consiste em transformar os valores numricos de entrada em conjuntos nebulosos, de modo que possam se tornar instncias de variveis lingsticas.

1.4.2

Base de Conhecimento
A base de conhecimento consiste de um conjunto de regras, caracterizando a estratgia

de controle e suas metas, modelando as aes de controle a partir de conhecimento especialista, obtido atravs da experincia prtica dos engenheiros e operadores que observam o processo, adquirindo o conhecimento necessrio sobre seu comportamento esttico e dinmico.

1.4.3

Base de Dados
A base de dados armazena todas as informaes necessrias para as discretizaes dos

universos de discurso, as parties nebulosas dos espaos de entrada e sada, as definies das funes de pertinncia e as operaes lgicas e aritmticas executadas pelo controle.
148

149 Lgica Nebulosa

1.4.4

Procedimento de Inferncia
O procedimento de inferncia processa os dados nebulosos de entrada, junto com o

conjunto de regras nebulosas, de modo a inferir as aes de controle, aplicando o operador de implicao e as regras de inferncia da lgica nebulosa, de acordo com a base de conhecimento disponvel. Apenas uma base de conhecimento consistente, permite o procedimento de inferncia adequado s necessidades do processo, garantindo a eficincia do controlador.

1.4.5

Interface de Defuzzificao
A interface de defuzzificao transforma as aes de controle nebulosas inferidas em

aes de controle no-nebulosas, utilizando um operador de agregao adequado. Em seguida, efetua um escalonamento, de modo a compatibilizar os valores normalizados com os valores reais dos universos de discurso das variveis de sada do controlador nebuloso. As variveis de sada interferem na ao dos circuitos atuadores, responsveis pelo controle do processo.

1.4.6

Operador de Agregao
Aps a inferncia da ao de controle nebulosa, necessria a determinao de uma

ao de controle no-nebulosa, que melhor represente a deciso nebulosa, para ser efetivamente enviada ao controle do processo atravs dos circuitos atuadores. Apesar de no haver nenhum procedimento sistemtico para escolha da estratgia de defuzzificao, as mais comuns incluem: o critrio do mximo, que escolhe o ponto onde a funo inferida tem seu mximo; a mdia dos mximos, que representa o valor mdio dentre todos os pontos de mximo e o mtodo do centro de rea, que retorna o centro de rea da funo inferida.

1.5

Projeto de Controladores Nebulosos


Durante o projeto de controladores nebulosos, necessria a definio de parmetros a

partir da experincia do projetista, ou atravs de observaes e experimentos prticos. Dado um processo, alguns dos parmetros so fixos, dentro das condies normais de operao, sendo que outros precisam ser alterados visando o ajuste do controlador nebuloso.
149

150 Lgica Nebulosa

Os parmetros fixos so chamados de parmetros estruturais enquanto que os variveis so chamados de parmetros de sintonizao.
Parmetros Estruturais:

a) Variveis de entrada e sada b) Operaes lgicas e aritmticas c) Variveis lingsticas d) Funes de pertinncia e) Intervalos de discretizao f) Conjunto de regras
Parmetros de Sintonizao:

a) Universo de discurso das variveis b) Parmetros das funes de pertinncia c) Ganho e off-set das entradas e sadas A sintonizao uma das etapas mais custosas do projeto de um controlador nebuloso. A grande flexibilidade que decorre da existncia de muitos parmetros exige um grande esforo por parte do projetista para obter o melhor desempenho do controlador. Esta sintonizao feita por meio de busca, o que caracteriza uma atividade tpica de inteligncia artificial. De acordo com o conhecimento que se tem sobre o processo a ser controlado, a tcnica de projeto do controlador nebuloso dever ser mais ou menos elaborada. Quando se tem pouco conhecimento sobre o processo, deve-se adotar uma metodologia de projeto mais conservadora, de modo a evitar um mau comportamento do controlador nebuloso. necessrio que alguns cuidados sejam observados pelo projetista. Em primeiro lugar, deve-se verificar se realmente necessrio o uso de um controlador nebuloso. Caso o processo possa ser controlado por um controlador convencional, sem grandes transtornos, este poder constituir uma boa soluo. Se os controladores convencionais no so apropriados devido a complexidade do processo, deve-se considerar o uso dos controladores nebulosos. Mesmo com pouco conhecimento sobre o processo, pode-se considerar o uso de um controlador nebuloso.

150

151 Redes Neurais Artificiais

Apndice 2 Redes Neurais Artificiais


2.1 Introduo
Uma RNA (Rede Neural Artificial) consiste basicamente de uma arquitetura especfica para processamento de informaes estruturadas segundo as redes neurais biolgicas que possui habilidades de identificao de funes e classificao de padres. Conforme as redes neurais biolgicas as redes neurais artificiais assimilam informaes pela tcnica de tentativa e erro. Todas os tipos de RNA possuem capacidade de generalizao, ou seja, podem apresentar solues satisfatrias nas situaes para as quais no houve aprendizado. Outra caracterstica importante das RNA a de no perder a informao j armazenada caso ocorra uma destruio total de uma parte da rede. Isto pode ser verificado no funcionamento normal do sistema nervoso humano se alguns milhes de neurnios sejam anulados (HOPFIELD, 1982).

2.2

Elemento Linear Adaptativo


O elemento bsico de uma RNA o neurnio artificial inspirado no modelo do neurnio

biolgico idealizado por (MCCULLOCH & PITTS, 1943). A Figura 2.1 mostra o neurnio artificial chamado ADALINE (Adaptive Linear Element) inspirado no neurnio biolgico.
X0=1 X1 X2 X3 Xn Figura 2.1 Elemento Linear Adaptativo Padro W1 W2 W3 Wn W0 S f(S) Y

Os elementos do vetor de entrada X=[X1X2...XN]T podem pertencer a conjuntos com valores contnuos ou discretos. O peso W0 determina a sada do neurnio quando a entrada X0=1.
151

152 Redes Neurais Artificiais

A funo f(S) de sada do neurnio do tipo no decrescente com domnio real. A sada
Y pertence ao intervalo [0,1] quando se deseja que o neurnio responda com sinais de reforo

numa maior ou menor intensidade. A sada Y pertence ao intervalo [-1,1] quando o neurnio tiver que assumir carter de reforo ou de inibio numa forma mais ou menos intensa. A Figura 2.2 mostra alguns exemplos de funes de sada de ADALINE.
Y=f(S)=(1+sgn(S)) 1 0 S -1

Y=f(S)=sgn(S) 1 S

Y=f(S)=(1+tgh(S)) 1 0 S

Y=f(S)=tgh(S) 1 S -1

Figura 2.2 Funes Tpicas de Ativao de Sada

A sada do neurnio computada atravs da equao (2.1) apresentada a seguir:

S = W0 + (Wi X i )
i=1

(2.1)

A equao (2.1) representa um hiperplano no RN, onde W=[W1W2...WN]T define um vetor ortogonal. Portanto, o peso W0 corresponde ao termo independente da equao geral do hiperplano separador e proporciona seu deslocamento em relao origem, sendo importante para sistemas dedicados a classificao de padres. A Figura 2.3 apresenta um ADALINE com duas entradas e trs pesos classificando os pontos de treinamento (padres) de acordo com as sadas desejadas.

152

153 Redes Neurais Artificiais

X0=1 W0 X1 X2 W1 S W2 sgn(S) Y

Figura 2.3 Exemplo de Elemento Linear Adaptativo

A Tabela 2.1 define a funo a ser reproduzida pelo ADALINE da Figura 2.3.
Tabela 2.1 Funo Reproduzida Ponto de Entrada Sada Desejada (Y) (X1,X2) (+1,+1) (+1) (+1) (+1,1) (+1) (1,1) (1,+1) (1)

A Figura 2.4 apresenta um hiperplano separador para os valores desejados da sada Y.


X2 (1,+1) (+1,+1)

Sada (1)

X1

Sada (+1)

(1,1)

(+1,1)

Figura 2.4 Hiperplano Separador

O hiperplano separador da Figura 2.4 pode ser representado pela seguinte equao:
153

154 Redes Neurais Artificiais

W2 X 2 + W1 X 1 + W0 = 0

(2.2)

Note que as sadas descritas na Tabela 2.1 definem uma funo linearmente separvel. Segundo Widrow e Lehr qualquer funo linearmente separvel, com N variveis, pode ser bem reproduzida por um ADALINE com N entradas (WIDROW & LEHR, 1990). Em geral, um nico ADALINE no resolve os problemas mais complexos. Uma soluo vivel consiste em organizar vrios ADALINES de modo a formar uma camada ou ainda, vrias camadas, construindo estruturas chamadas MADALINE. Portanto, outras arquiteturas de RNA devem ser utilizadas para resolver problemas mais complexos. Uma RNA tipo FeedForward aquela onde a informao segue um nico sentido desde a entrada at a sada. Uma RNA tipo Hopfield uma rede recorrente construda por conexes entre ADALINES em uma mesma camada. Outra forma alternativa conectar a sada de uma
RNA do tipo FeedForward s entradas de um ou mais neurnios desta mesma RNA.

2.3

Cerebellar Model Articulation Controller


Albus desenvolveu uma arquitetura de rede neural artificial baseada em estudos neuro-

fisiolgicos de cerebelos de mamferos com um sistema motor aprimorado, tais como o homem. O CMAC (Cerebellar Model Articulation Controller) capaz de reproduzir funes no-lineares, de mltiplas entradas e mltiplas sadas, definidas num conjunto compacto, isto , num conjunto fechado e limitado (ALBUS, 1975). Os comandos vindos de centros de informao de nveis mais altos do crebro e as informaes sobre membros e juntas do sistema motor entram no cerebelo atravs das fibras musgosas. As clulas granulares transformam os vetores de entrada em subconjuntos de fibras paralelas ativas. Os pesos das sinapses ajustveis correspondentes s fibras paralelas ativas produziro a sada do cerebelo. As clulas de Purkinje somaro os estmulos positivos diretamente enquanto que os estmulos negativos sero somados atravs das clulas em cesto e das clulas estreladas. Durante o processo de treinamento as sinapses ajustveis so controladas pelas fibras trepadeiras trazendo informaes de aprendizado. A Figura 2.5 representa o modelo neuro-fisiolgico do cerebelo de um mamfero com sistema motor aprimorado.

154

155 Redes Neurais Artificiais

Fibras Paralelas Ativas Clula em Cesto Sinapses Clulas Granulares Clula de Purkinje Sinapses Clula Estrelada Ajuste das Sinapses Figura 2.5 Modelo Simplificado do Cerebelo Fibra Trepadeira
Informaes de Aprendizado

Informaes de Alto Nvel

Fibras Musgosas
Informaes de Membros

Sada

2.4

Transformaes Presentes no CMAC


Cada vetor de entrada do CMAC possui o seguinte formato S=[S1S2...SN]T. A sada um

escalar, porm, P estruturas operando sobre o mesmo conjunto de entrada devem gerar o vetor de valores estimados Ye. Portanto, o CMAC fornece uma sada estimada Ye=h(S) sendo a funo
h(S) decomposta em trs transformaes distintas descritas a seguir: SMAYe

Sendo:

S o vetor de entrada da rede, M a varivel vetorial intermediria, A o vetor de clulas de associao e Ye o vetor de sada estimada.

2.4.1

Transformao SM
Cada vetor de entrada S=[S1S2...SN]T composto por N variveis que podem assumir

valores contnuos ou discretos. A faixa de variao de cada Si, com i{1,2,...,N}, quantizada atravs de C funes de quantizao {q1,q2,...,qC} em D intervalos, sendo que h sobreposio de uma parte do intervalo de quantizao entre duas funes adjacentes.

155

156 Redes Neurais Artificiais

A Figura 2.6 mostra um exemplo para N=2 e D=4 onde Si representado com resoluo unitria no intervalo de 0 a 9, sendo cada varivel discretizada por C=3 funes de quantizao.

S2 l2 h2 d2 g2 c2 j2 f2 b2 i2 q3 q2 M2 q1 q1 q2 M1 q3 a1 e1 i1 b1 f1 j1 c1 g1 k1 d1 h1 l1 a2 5 4 3 2 1 0 0 1 2 3 4 5 6 7 9 S1 9 8 7

Figura 2.6 Funes de Quantizao

A cada varivel Si est associado um vetor Mi com C elementos discretos que so os campos de recepo dados por {q1,q2,...,qC}. Para todo valor inteiro de Si existe um nico vetor
Mi, tal que, Mi=[q1(Si)q2(Si)...qC(Si)]T. Para S=[S1S2]T, com S1=S2=5, teremos: q1(S1)=q1(5)=c1 q2(S1)=q2(5)=g1 q3(S1)=q3(5)=j1 q1(S2)=q1(5)=c2 q2(S2)=q2(5)=g2 q3(S2)=q3(5)=j2 M2=[c2 g2 j2]T M1=[c1 g1 j1]T

156

157 Redes Neurais Artificiais

Com a transformao SM a informao de um nico vetor S transmitida para N vezes C canais de dados discretos atravs das funes {q1,q2,...,qC} aplicadas em S. Portanto, pequenas variaes em S podem produzir alteraes em M mas no em todos os seus elementos. Com isso, a dois vetores de entrada prximos em S, correspondero canais coincidentes, mas no a todos. Isto confere ao CMAC a capacidade de generalizao que importante para armazenamento e recuperao de informaes, quando duas situaes apresentam semelhanas que podem ser no coincidentes.

2.4.2

Transformao MA
No modelo proposto na Figura 2.5, a seleo de fibras paralelas ativas, feita pelas

clulas granulares, simulada no CMAC pela concatenao dos vetores discretos Mi a fim de se obter o vetor de clulas de associao. No exemplo ilustrado pela Figura 2.6, cada um dos C=3 elementos dos vetores discretos M1 e M2 podem assumir D=4 valores diferentes resultantes das funes de quantizao {q1,q2,q3}. Deste modo, a formao de um par ordenado devido aplicao de q1 em S1 e S2, onde o primeiro elemento pertence a {a1,b1,c1,d1} e o segundo elemento pertence a {a2,b2,c2,d2}, oferece na prtica 16 diferentes possibilidades de arranjo. A concatenao das primeiras posies de M1 e M2 pode gerar 16 resultados diferentes, isto , deve haver 16 clulas de associao e, por conseguinte, 16 pesos associados, sendo que somente uma selecionada. Analogamente, teremos 16 pesos associados aplicao de q2 e q3 em S1 e S2, o que resulta em um nmero total de pesos dado por Z=48. Portanto, a concatenao de N vetores discretos Mi, produz um vetor A=[A1A2...AZ]T de clulas de associao com C elementos selecionados aos quais se atribui valor 1 enquanto os demais elementos so zerados. Os elementos selecionados em A formam o conjunto chamado Ai. Dois vetores de entrada S1 e S2 muito prximos, a ponto de pertencerem aos mesmos intervalos de quantizao, tero iguais conjuntos Ai, isto , A1=A2 e h(S1)=h(S2). Quando S1 e S2 forem prximos sem pertencerem aos mesmos intervalos de quantizao, ento, a interseco de A1 e A2 ter menos de C elementos e h(S1) ser diferente de h(S2) devido s clulas de associao ativas que no so comuns. Quando S1 e S2 forem distantes, os conjuntos
A1 e A2 sero disjuntos e h(S1) ser independente de h(S2).

157

158 Redes Neurais Artificiais

2.4.3

Transformao AYe
As sinapses entre as clulas granulares e a clula de Purkinje contribuem de forma a

estimular a ao caracterstica desta, enquanto que as sinapses entre as clulas granulares e as clulas em cesto e estreladas inibem a ao caracterstica da clula de Purkinje. O algoritmo do CMAC gera a sada, somando os elementos do vetor W=[W1W2...WZ]T escolhidos pelas clulas no nulas do vetor A. Portanto, o j-simo elemento do vetor de sada Ye, para j{1,2,...,P} calculado atravs da equao (2.3).

Y j e = ( AkW jk )
k =1

(2.3)

A transformao SA usada no clculo de P elementos Yje do vetor Ye, cada um deles resultante de uma transformao AYe. Logo, existe um vetor Wj para cada sada do CMAC.

2.5

Treinamento do CMAC
Numa tentativa de imitar o mecanismo de adaptao das sinapses no cerebelo, utiliza-se

o algoritmo dos mnimos quadrados para atualizar os pesos correspondentes a uma sada errnea. Suponha que o CMAC deva reproduzir a funo Yj=f(Si) com SiS. Deste modo, o
CMAC deve fornecer uma funo Yje=h(Si) to prximo de Yj=f(Si) quanto possvel.

Sendo a preciso requerida para cada par Yj e Yje, quando (YjYje), no necessrio modificar nenhum peso, pois a informao j est armazenada. Porm, quando (YjYje)>, necessrio somar a cada peso que contribuiu para Yje a quantidade:

1 (Y j Y j e ) C

(2.4)

Vetorialmente, esta lei de treinamento recursivo pode ser descrita pela equao a seguir:

Wj

( t +1 )

= Wj

(t )

1 (Y j Y j e )( t ) C

(2.5)

Devido sua capacidade de generalizao, torna-se desnecessrio treinar o CMAC em pontos muito prximos em S, o que permite usar um conjunto reduzido de pontos de treinamento para assimilar o comportamento da funo Y=f(S).
158

159 Redes Neurais Artificiais

Obviamente, o processo de adaptao deve ser repetido vrias vezes para ajustar os pesos eventualmente compartilhados pelos pontos de treinamento. No CMAC, a habilidade de obter Y1eY2e para S1S2 depende de quantos pesos so compartilhados pelas duas sadas e de quanto os dois conjuntos de pesos diferem entre si. At ento, no havia sido publicada uma comprovao formal da convergncia deste processo de treinamento. Segundo (PARKs & MILITZER, 1992) o algoritmo pode convergir para um nico ponto, um ciclo limite de pontos ou para uma mnima zona de captura. A demonstrao baseada na interpretao geomtrica do algoritmo proposto por Albus.

2.6

Requisitos de Memria
O CMAC apresenta a desvantagem de requerer uma grande quantidade de memria

quando se trabalha com muitas entradas e sadas. O tamanho da memria requerida pelo CMAC dado pelo nmero de sadas P e pelo nmero de clulas de associao Z. Do mesmo modo, Z depende do nmero de funes de quantizao C e do nmero de intervalos de quantizao D, relativos a cada uma das N variveis de entrada. A memria fsica associada ao exemplo apresentado na Figura 2.6 deve armazenar um vetor de pesos W com P vezes Z igual a 48 elementos. Aumentando uma entrada e uma sada, mantendo C=3 e D=4 o nmero de elementos do vetor de pesos W deve ser P vezes Z igual 384. Uma forma de se reduzir a memria fsica do CMAC emprega o cdigo Hash. Este procedimento baseia-se em computar os endereos dos elementos de um pequeno vetor de pesos atravs de um gerador de nmeros pseudoaleatrios que usa o endereo de uma clula de associao como argumento (WONG & SIDERIS, 1992). Embora o cdigo Hash resolva o problema do tamanho da memria fsica necessria, podem ocorrer colises e o mesmo peso pode ser endereado para duas clulas de associao distintas. Este peso ser somado duas vezes, diminuindo a preciso da representao numrica. Por outro lado, para S1 e S2 afastados, ocorre uma generalizao indesejada o que interfere na convergncia do processo de treinamento, ou seja, o sistema pode ficar instvel conforme a entrada aplicada. Esses dois efeitos indesejveis podem ser minimizados aumentando a quantidade de intervalos de quantizao e a quantidade de pesos, pois a sobreposio ser menor devido ao maior nmero de possibilidades de endereamento.

159

160 Redes Neurais Artificiais

2.7

CMAC Alternativo
Uma estrutura modificada para o CMAC aplicada na soluo de problemas em que no

necessria uma grande quantidade memria foi proposta por (KRAFT & CAMPAGNA, 1990). Considerando a funo Y=f(S), divide-se o vetor de entrada S em Z intervalos conforme a Figura 2.7. A cada clula associa-se um elemento numrico que corresponde ao peso e o vetor de entrada S pertence a um nico intervalo Ak, para k{1,2,...,Z}.
S2

Y0

X0 Figura 2.7 Conjunto S e Regio Ativa para S=(X0,Y0)

S1

Para um dado vetor de entrada S, a estrutura modificada fornece uma sada estimada
Ye=h(S) obtida pela mdia aritmtica dos pesos contidos numa regio centrada na clula Ak, que

ser chamada de regio ativa. A regio ativa determinada pelo vetor de entrada S e por um nmero natural B que representa a quantidade de intervalos tomados no sentido crescente e decrescente do eixo de cada varivel de entrada e centrados na clula Ak.

160

161 Redes Neurais Artificiais

O conceito de regio ativa no CMAC proposto por Kraft e Campagna muito similar ao conceito de conjunto de clulas de associao selecionadas no CMAC proposto por Albus. Por analogia, representaremos a quantidade de clulas da regio ativa atravs da equao (2.6), onde o nmero N representa a quantidade de elementos do vetor de entrada. Assim, na Figura 2.7, B=2, N=2 e a regio ativa possui 25 clulas.

C = ( 2B + 1 )N

(2.6)

Dessa forma, se tomarmos valores de entrada S1 e S2 prximos, as respectivas regies ativas podem ter at C clulas em comum e Y1e idntico a Y2e. medida que S1 se afasta de S2 as regies ativas tm cada vez menos clulas em comum e Y1e diferente de Y2e. Do mesmo modo do CMAC original, a taxa de generalizao depende do parmetro C. Genericamente, a sada dessa nova configurao dada pela equao (2.7), onde WRa representa um peso associado a qualquer clula pertencente regio ativa.
e YRa =

1 C

W
Ra

Ra

(2.7)

O treinamento consiste em modificar os pesos de forma que o valor Ye se aproxime de Y, quando S representado por um conjunto finito de pontos. A regra de treinamento baseada no algoritmo dos mnimos quadrados e pode ser representada pela equao (2.8).

W Ra

( t +1 )

= WRa

(t )

e + (YRa YRa )

(t )

(2.8)

Onde o termo WRa um peso da regio ativa e o coeficiente a taxa de aprendizado, geralmente 0< 1. Este procedimento deve ser repetido para todos os pontos de treinamento. Esta estrutura pode ser implementada facilmente quando no se requer muitos intervalos na partio feita em S. Sua maior desvantagem a no utilizao de uma tcnica para reduo do nmero de pesos. Observando a complexidade do problema a ser abordado e a quantidade de intervalos necessrios, esta estrutura pode ser generalizada para mais de duas variveis de entrada. Se desejarmos reproduzir P sadas, podemos utilizar P estruturas em paralelo.

161

162 Redes Neurais Artificiais

2.8

CMAC Pesos Discretos


De forma geral, o controle digital envolve a converso analgico-digital de dados, com

isso, as variveis amostradas e as aes de controle ficam restritas a conjuntos finitos de valores discretos, obtidos a partir de um conversor analgico digital.
Kraft e Campagna abordaram a representao numrica dos pesos em ponto fixo com a

finalidade de reduo da memria de dados e aumento da velocidade de processamento, em detrimento da preciso. Porm, cada peso era armazenado utilizando sempre dois bytes e a memria fsica era reduzida devido ao uso do cdigo Hash, principalmente. Para restringir os pesos e a sada do CMAC a conjuntos arbitrrios de valores discretos, uma nova proposta foi apresentada por (BORDON & TEIXEIRA, 1995). Na representao numrica dos pesos e dos valores de sada pode ser usado um nmero de bits previamente especificado dentro da faixa de 1 a 16 bits. Neste caso, no necessrio discretizar as variveis de entrada pois a escolha dos campos de recepo feita por funes de sada discretas. Supondo que um peso W[Wm,Wm] seja aproximado para um dos seus (2m+1) valores discretos ento, o menor incremento w ser calculado atravs da equao (2.9):

w =

W m W m 2m

(2.9)

Portanto, para cada peso W[Wm ,Wm] ser associado um nmero inteiro indicado por
v{m,m+1,...,0,...,m1,m}, ao qual corresponde o valor do peso discreto Wv mais prximo do

valor amostrado, conforme a equao (2.10) apresentada a seguir:

Wv = Wo + v w

(2.10)

Escolhendo b bits para representar os (2m+1) valores inteiros de v, deve-se obedecer a relao apresentada pela equao (2.11) para que m seja corretamente especificado.

2m = 2 b 1

(2.11)

De maneira anloga, supondo que a sada desejada para o CMAC, representada por
Y[Yn ,Yn], seja aproximada para um dos seus (2n+1) valores discretos, o menor incremento y

correspondente ser calculado atravs da seguinte equao:


162

163 Redes Neurais Artificiais

y =

Yn Yn 2n

(2.12)

Portanto, para cada valor Y[Yn ,Yn] ser associado um nmero inteiro indicado por
u{n,n+1,...,0,...,n1,n}, ao qual corresponde o valor da sada discreta Yu mais prximo do

valor amostrado, conforme a equao apresentada a seguir:

Yu = Yo + u y

(2.13)

Escolhendo b bits para representar os (2n+1) valores inteiros de u, deve-se obedecer a relao apresentada pela equao (2.14) para que n seja corretamente especificado.

2n = 2 b 1

(2.14)

O prximo passo descrever a sada do CMAC com pesos discretos, atravs de um algoritmo de treinamento, a partir dos nmeros inteiros v e u que definem os pesos e as sadas, respectivamente, executando as operaes com nmeros de ponto fixo.

Wm W m = a (Yn Y n )

(2.15)

A equao (2.15), vlida para a 1, garante que os pesos tenham maior liberdade durante o processo de treinamento. Alm disso, para W0=Y0=0 pode-se afirmar que:
m w = a ( n y )

(2.16)

Se este algoritmo de treinamento for aplicado ao CMAC de Kraft e Campagna, a sada


Y ser dada pela soma dos pesos da regio ativa e se este algoritmo de treinamento for aplicado
e

ao CMAC de Albus, a sada Ye ser dada pela soma dos pesos das posies no nulas de um vetor de clulas de associao. Portanto, a sada do CMAC com pesos discretos, para a verso de Kraft e Campagna ou para a verso de Albus, dada pelas equaes (2.17) ou (2.18), respectivamente.

Y e = (Wv k ) = (Wo + vk w )
k =1 k =1

(2.17)

Y e = C Wo + w ( v k )
k =1

(2.18)

163

164 Redes Neurais Artificiais

Para uma taxa de generalizao C, atravs da equao (2.18) pode-se definir o valor de
So como a soma dos C nmeros inteiros vk, para k{1,2,...,C}, dada pela seguinte equao:

So = ( v k )
k =1

(2.19)

Assim, a sada do CMAC com pesos discretos pode ser representada a equao a seguir:

Y e = C Wo + w So

(2.20)

A partir dos inteiros (v1,v2,...,vC) para os quais a sada Ye do CMAC discreto coincide com a melhor aproximao discreta da sada desejada para o CMAC, segue que:

Y e = C Wo + w So = Yo + u y
( a n )u y = ( a n ) w So ( m u ) w = ( a n ) w So ( m u ) = ( a n ) So

(2.21)

So =

mu an

(2.22)

A equao (2.22) mostra o valor da soma de nmeros inteiros So quando a convergncia para um ponto de treinamento ocorre. Assim, o erro inteiro correspondente ao do j-simo ponto de treinamento, durante a t-sima iterao do processo de treinamento, dado pela equao:

j( t ) =

m ( u ) ( So j )( t ) an j (t )

(2.23)

Por analogia a regra de Widrow-Hoff, pode-se escrever o algoritmo de atualizao dos pesos discretos do CMAC, onde (0< 1) a constante de aprendizado.

vk ( t + 1 ) = vk ( t ) +

( j )( t )

(2.24)

Portanto, a memria requerida para o armazenamento de informaes no CMAC com pesos discretos reduzida devido ao fato de que, armazenar um nmero inteiro vk utilizando representao em ponto fixo com 16 bits, ou menos, requer uma memria menor do que um nmero representado em ponto flutuante que necessita de, pelo menos, 32 bits.

164

165 Mquinas Eltricas de Induo

Apndice 3 Mquinas Eltricas de Induo


3.1 Introduo
As mquinas de corrente contnua tm sido largamente usadas em aplicaes de controle de velocidade enquanto que as mquinas de corrente alternada tm sido tradicionalmente usadas em aplicaes de velocidade constante, onde as caractersticas de estado estacionrio so as mais importantes. O comportamento dinmico de uma mquina de corrente alternada complexo, por envolver no somente o controle direto de magnitudes de corrente e tenso, mas tambm da freqncia eltrica e da posio relativa entre os fluxos magnticos. No entanto, apesar das mquinas de corrente contnua apresentarem um comportamento dinmico mais simples, quando comparadas com alguns tipos de mquinas de corrente alternada, so inferiores em vrios aspectos fsicos e operacionais, tais como: confiabilidade, custo, peso, manuteno, potncia e velocidade. Portanto, dentre as mquinas de corrente alternada destacamse as mquinas eltricas de induo por serem mais robustas e confiveis.

3.2

Motores de Induo Trifsicos


Nos motores de induo trifsicos uma corrente eltrica trifsica balanceada fornecida

diretamente aos enrolamentos do estator e por ao de um transformador, outra corrente eltrica trifsica induzida nos enrolamentos do rotor. Portanto, existe um acoplamento entre as fases do estator e do rotor que varia de acordo com a posio do rotor, implicando em um aumento de complexidade na descrio do comportamento dinmico do motor de induo, que passa a ser baseado em equaes diferenciais com coeficientes variantes no tempo. Sempre que se possa garantir um suprimento balanceado de potncia eltrica trifsica, o que ocorre quando o motor alimentado via conversores de tenso ou corrente, pode ser descrito pela teoria dos eixos d-q. Neste caso, as variveis passam a ser representadas em um sistema bifsico composto por eixos ortogonais mutuamente desacoplados, um denominado eixo direto d e outro denominado eixo em quadratura q, constituindo um sistema de referncia d-q.

165

166 Mquinas Eltricas de Induo

A adoo de um novo sistema de eixos de referncia d-q girando velocidade sncrona, permite representar parmetros que variam senoidalmente em funo do tempo, como grandezas constantes, conduzindo obteno de modelos matemticos mais simples para o motor induo, ainda que baseados em equaes diferenciais com coeficientes variantes no tempo.

3.3

Modelo Matemtico do Motor de Induo


Um motor de induo representado por meio de um sistema de equaes diferenciais

no-lineares, devido ao efeito de acoplamento entre as fases do estator e do rotor, que depende da posio angular do rotor em relao ao estator. Este efeito de acoplamento torna os coeficientes das equaes diferenciais variveis. A fim de evitar a resoluo de um sistema de equaes diferenciais com coeficientes variveis, utiliza-se uma transformao de coordenadas com um sistema de referncia adequado, que torna os coeficientes das equaes diferenciais constantes. O mtodo para fazer esta transformao o das equaes de Park, que utiliza a teoria dos eixos d-q, os quais podem ser definidos para um sistema de referncia girante ou estacionrio. Com um sistema de referncia estacionrio os eixos ds e qs so fixos no estator enquanto que os eixos de e qe podem girar com a velocidade do rotor ou com a velocidade sncrona, sendo o mais recomendado para analisar o comportamento de um motor de induo trifsico alimentado por um circuito conversor de freqncia (KRAUSE & THOMAS, 1965).
bs

eixo qe

e e= e t
cs eixo de eixo ds Figura 3.1 Diagrama Fasorial as eixo qs

166

167 Mquinas Eltricas de Induo

A transformao das tenses vas, vbs, vcs de um sistema trifsico equilibrado em tenses
vsds, vsqs, vsos de um sistema de referncia estacionrio, dada pelo sistema de equaes (3.1) e

sua transformao inversa pelo sistema de equaes (3.2).


s sin( ) 1 vqs vas cos( ) s vbs = cos( 120 ) sin( 120 ) 1 vds s vcs cos( + 120 ) sin( + 120 ) 1 vos
s cos( ) cos( 120 ) cos( + 120 ) vas vqs s 2 sin( ) sin( 120 ) sin( + 120 ) v vds = bs 3 s 1 v 1 1 vos 2 cs 2 2

(3.1)

(3.2)

Nos sistemas de equaes (3.1) e (3.2) para igual a 0, o eixo qs coincide com o eixo as. Portanto, o sistema de equaes (3.3) apresenta as tenses do sistema trifsico, enquanto que o sistema de equaes (3.4) mostra as tenses referidas aos eixos estacionrios ds e qs.
v = v s qs as 1 s vbs = 2 vqs 1 s vcs = 2 vqs +

3 vs 2 ds 3 vs 2 ds

(3.3)

s vqs = 2 vas 1 vbs 1 vcs = vas 3 3 3 s vds = 1 vbs + 1 vcs 3 3

(3.4)

As tenses referidas aos eixos estacionrios ds e qs so transformadas para os eixos d-q que giram na velocidade sncrona, atravs do sistema de equaes (3.5). A transformao inversa das tenses referidas aos eixos estacionrios ds e qs efetuada pelo sistema de equaes (3.6).
s s vqs = vqs cos( e t ) vds sin( e t ) s s vds = vqs sin( e t ) + vds cos( e t )

(3.5)

s vqs = vqs cos( e t ) + vds sin( e t ) s vds = vds cos( e t ) vqs sin( e t )

(3.6)

167

168 Mquinas Eltricas de Induo

As tenses do estator e rotor da mquina de induo operando como motor, referidas ao sistema de referncia que gira na velocidade sncrona so dadas pelas equaes (3.7) e (3.8).
vqs = Rs iqs + d qs + e ds dt vds = Rs ids + d ds e qs dt

(3.7)

vqr = Rr iqr + d qr + ( e r )dr dt vdr = Rr idr + d dr ( e r )qr dt

(3.8)

Considerando-se as indutncias prprias e mtuas do rotor e do estator obtidas atravs do sistema de equaes (3.9), as expresses dos fluxos concatenados quando referidas ao sistema de referncia utilizado, so dadas pelo sistema de equaes (3.10).
Ls = Lls + Lm Lr = Llr + Lm

(3.9)

qs qr ds dr

= Lls iqs + Lm ( iqs + iqr ) = Llr iqr + Lm ( iqs + iqr )


(3.10)

= Lls ids + Lm ( ids + idr ) = Llr idr + Lm ( ids + idr )

O conjugado eletromagntico Te desenvolvido pelo motor de induo determinado pela equao (3.11). Com o motor de induo operando com conjugado de carga Tc o comportamento dinmico do sistema descrito pela equao (3.12), onde J representa o momento de inrcia do rotor e da carga e p o nmero de plos do motor de induo.
Te = 3 ( dr iqs qr ids ) p 4
(3.11)

Te Tc = J 2 d r p dt

(3.12)

168

169 Mquinas Eltricas de Induo

3.4

Conversor de Freqncia
O mtodo mais adequado para controlar a velocidade dos motores de induo, o que

utiliza os conversores de freqncia, uma vez que atravs dos mesmos possvel alimentar os motores de induo, com tenso e freqncia variveis, de modo que seja mantida constante a relao tenso e freqncia. Mantendo-se constante a relao tenso e freqncia, ao mesmo tempo em que se evita a saturao do fluxo, mantm-se inalterado o conjugado mximo do motor de induo trifsico. Desta forma, possvel obter a velocidade de operao desejada, impondose o perfil de acelerao mais adequado, de modo o propiciar partidas mais suaves. Quando o conversor de freqncia alimentado por fonte de tenso fixa, configura-se um inversor de tenso. Neste tipo de inversor os dispositivos semicondutores de potncia sempre permanecem polarizados diretamente devido tenso de alimentao, portanto, necessrio o uso de comutao forada quando se emprega tiristores como elementos de chaveamento. Como alternativa possvel o uso de comutao natural quando se empregam transistores de potncia. Uma das tcnicas mais usadas para gerao dos pulsos de comutao dos dispositivos semicondutores, a modulao por largura de pulsos PWM (Pulse Width Modulation) com eliminao de harmnicas. Neste mtodo, so estabelecidos os pulsos de controle cuja forma de onda caracterizada pelo uso de ngulos de comutao predeterminados, de tal forma que o contedo harmnico possa ser controlado, eliminando-se os elementos indesejveis.

3.5

Modelo Matemtico do Conversor


A operao do motor de induo alimentada por um inversor de tenso do tipo PWM,

pode ser analisada a partir da modelagem do inversor de onda quadrada. A tenso de fase na sada do inversor de onda quadrada pode ser representada de forma aproximada por uma srie de
Fourier. Para operao balanceada, a tenso da fase a representada pela equao (3.13), onde Vd representa a tenso contnua fornecida pela fonte de tenso (KRAUSE & LIPO, 1969).

Em operao normal as tenses de fase na sada do inversor podem ser consideradas como um sistema trifsico e simtrico de tenses, formado pelas componentes fundamentais e suas harmnicas. Analogamente, as tenses das fases b e c so obtidas a partir da equao (3.13), substituindo-se (et), por (et-(2/3)) e (et+(2/3)), respectivamente.

169

170 Mquinas Eltricas de Induo

2 vas = cos( e t ) + 1 cos( 5 e t ) + 1 cos(7 e t ) + ... Vd 5 7

(3.13)

A amplitude da componente fundamental e suas harmnicas podem ser determinadas a partir do valor instantneo da tenso de alimentao do inversor Vd. Transformando-se estas tenses segundo o sistema de referncia d-q, que gira na velocidade sncrona, atravs do sistema de equaes (3.5) e (3.6), obtm-se o novo sistema de equaes (3.14) apresentado a seguir.
v = 2 1 + 2 cos( 6 t ) 2 cos( 12 t ) + ... V e e 35 143 d qs 2 12 24 vds = 35 sen( 6 e t ) 143 sen( 12 e t ) + ... Vd

(3.14)

g = 1 + 2 cos( 6 t ) 2 cos( 12 t ) + ... e e 35 143 qs g = 12 sen( 6 t ) 24 sen( 12 t ) + ... e e 143 ds 35

(3.15)

A velocidade de rotao do sistema de referncia d-q sncrono, depende da velocidade angular da componente fundamental da tenso aplicada ao estator do motor de induo, que por sua vez, est relacionada com a freqncia de comutao do circuito inversor. Os termos da srie de Fourier do sistema de equaes (3.14) podem ser definidos como duas variveis atravs do sistema de equaes (3.15). Assim, as tenses de alimentao do motor de induo, quando referidas ao sistema de referncia d-q, passam a ser representadas atravs do sistema de equaes (3.16) a partir das funes de chaveamento gqs e gds.

2 vqs = gqsVd 2 vds = gdsVd

(3.16)

Para a operao do inversor em modo PWM, as tenses de fase do motor de induo so representadas pelo produto das tenses com forma de onda quadrada e um trem de pulsos de amplitude unitria, modulados em largura de pulso (ADAMS & FOX, 1972). Uma forma de simulao deste sistema apresentada a seguir, sendo que algumas modificaes foram introduzidas de forma a tornar possvel a anlise do comportamento do sistema motor mais inversor empregando-se taxa de pulsos varivel (HOLTZ, 1994).
170

171 Mquinas Eltricas de Induo

Neste modelo foi utilizado um trem de pulsos distribudos simetricamente em relao a componente fundamental da tenso sintetizada, cujo perodo Te dado pela equao (3.17), onde

e igual freqncia angular instantnea de operao do inversor e Np representa o nmero de


pulsos contidos dentro de um perodo da componente fundamental da tenso sintetizada.

Te = 2 e N p

(3.17)

A largura de pulsos nominal Tb obtida a partir do nmero de pulsos Np e do perodo da freqncia angular nominal b, conforme apresentado na equao (3.18).

Tb = 2 b N p

(3.18)

Pode-se estabelecer uma relao entre a freqncia angular instantnea e de operao do motor de induo e a freqncia angular nominal b, atravs da equao (3.19).
k = e b

(3.19)

Verifica-se facilmente que a relao entre a largura do pulso Tb e seu perodo T mantm a mesma relao k. Desta forma, medida que varia a freqncia angular da tenso de sada do inversor, varia na mesma proporo, a relao entre a largura do pulso e seu perodo. Considerando que o valor mdio das tenses de fase na sada do inversor depende desta relao, torna-se possvel assim manter constante o fluxo no entreferro do motor, de modo que quando o inversor estiver operando na freqncia angular nominal do motor de induo, atinge-se o modo de chaveamento onde predomina a forma de onda quadrada. O trem de pulsos pode ser representado matematicamente pela srie de Fourier, atravs da equao (3.20).
Pm = k +
n=1

n ( 1 )

2 sen n k b N p ( t ) sen n k b N p t N p n b

(3.20)

Incorporando-se Pm, como um fator de modulao s expresses das tenses vqs e vds do inversor de onda quadrada, representadas pelo sistema de equaes (3.16), obtm-se o sistema de equaes (3.21) que representa as tenses referidas no sistema d-q para o inversor PWM.

2 vqs = gqsVd Pm 2 vds = gdsVd Pm

(3.21)

171

172

172

173 Referncias Bibliogrficas

Referncias Bibliogrficas
[01] [02] ADAMS, R. D.; FOX, R. S. Several Modulation Techniques for a Pulse Width Modulated Inverter. IEEE Transactions on Industry Applications, Vol. 8, 1972. ALBUS, J. S. A New Approach to Manipulator Control: The Cerebellar Model Articulation Controller. Journal of Dynamic Systems, Measurement and Control, American Society of Mechanical Engineers, Vol. 97, September 1975. ATHANI, V. V.; DESHPANDE, S. M. Microprocessor Control of a Three-Phase Inverter in Motor Speed Control System. IEEE Transactions on Industrial Electronics and Control Instruments, Vol. 27, 1980. BERTSEKAS, D. P. Dynamic Programming and Stochastic Control. Mathematics in Science and Engineering, Vol. 125, Academic Press, 1976. BORDON, M. E.; SILVA, I. N.; AVOLIO, E. Design of a Neurofuzzy Controller with Simplified Architecture. International Journal of Neural Systems, Vol. 11, pp. 229-235, 2001. BORDON, M. J.; TEIXEIRA, M. C. Improving Memory Requirement Using Cerebellar Model Articulation Controller with Discrete Weights. Proceedings of International Fuzzy Association World Congress, pp.599-602, July 1995. BORDON, M. J.; TEIXEIRA, M. C. Sistemas de Controle Automtico Baseados no Cerebellar Model Articulation Controller, Dissertao de Mestrado, Faculdade de Engenharia de Ilha Solteira, Unesp, 121 p., 1995. DOYLE, J. C.; SKIN, G. Multivariable Feedback Design Concept for Classical Modern Synthesis. IEEE Transactions on Automatic Control, Vol. 26, 1981. FIGUEIREDO, M.; GOMIDE, F.; PEDRYCZ, W. Fuzzy Neural Network: Structure and Learning. Proceedings of 5th IFSA World Congress, Seul, Corea, 1993. FONTES, I. R.; SZAJNER, J. Controle de Velocidade de Motor de Induo Trifsico Alimentado por Inversor PWM atravs de Microcomputador, Dissertao de Mestrado, Faculdade de Engenharia Eltrica, Unicamp, 137 p., 1993. GOMIDE, F. ; GUDWIN, R. Modelagem, Controle, Sistemas e Lgica Fuzzy. SBA Controle & Automao, Vol. 5, pp. 97-115, 1994. GOMIDE, F.; ROCHA, A. A Neurofuzzy Controller. Proceedings of International Conference on Fuzzy Logic and Neural Network, Furokawa, Japan, 1992. GUILLAUME, S. Designing Fuzzy Inference Systems from Data: An Interpretability Review. IEEE Transactions on Fuzzy Systems, Vol. 9, 2001. HOLTZ, J. Pulse Width Modulation for Electronic Power Conversion. Proceedings of IEEE Special Issue on Power Electronics and Motion Control, Vol. 82, 1994. HOPFIELD, J. Neural Networks and Physical Systems with Emergent Collective Computional Abilities. Proceedings of National Academy Sciences, Vol. 79, 1982.
173

[03]

[04] [05]

[06]

[07]

[08] [09] [10]

[11] [12] [13] [03] [14]

174 Referncias Bibliogrficas

[15]

JOETTEN, R.; MAEDER, G. Control Methods for Good Dynamic Performance Induction Motor Drives Based on Current and Voltages as Measured Quantities. IEEE Transactions on Industry Applications, Vol. 19, pp. 356-363, 1983. KALMAN, R. E. Design of a Self Optimizing Control System. Transactions on American Society of Mechanical Engineers, Vol. 80, pp. 468-478, 1958. KRAFT, L. G.; CAMPAGNA, D. P. A Comparison between CMAC Neural Network Control and Traditional Adaptive Control Systems, IEEE Control System Magazine, pp.36-43, April 1990. KRAUSE, P. C.; LIPO, T. A. Analysis and Simplified Representations of a RectifierInverter Induction Motor Drive. IEEE Transactions on Power Apparatus and Systems, Vol. 88, pp. 588-596, 1969. KRAUSE, P. C.; THOMAS, C. H. Simulation of Symmetrical Induction Machinery. IEEE Transactions on Power Apparatus and Systems, Vol. 84, 1965. KRIKELIS, N. J.; FASSOIS, S. D. Microprocessor Implementation of PID Controllers and Lead-Lag Compensators. IEEE Transactions on Industrial Electronics, Vol. 31, 1984. KRISHNAN, T.; RAMASWAMI, B. A Fast Response DC Motor Speed Control System. IEEE Transactions on Industry Applications, Vol. 10, pp. 643-651, 1974. LEE, C. Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part I and Part II. IEEE Transactions on Systems, Man and Cybernetics, Vol. 20, pp. 404-435, 1990. LIPO, T. A. The Analysis of Induction Motor with Voltage Control by Symmetrical Triggered Thyristors. IEEE Transactions on Power Apparatus and Systems, Vol. 90, pp. 515-525, 1971. MANDANI, E. H.; ASSILIAN, S. An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller. International Journal of Man-Machine Studies, Vol. 7, pp. 1-13, 1975. MATSUO, T.; LIPO, T. A. A Rotor Parameter Identification Scheme for VectorControlled Induction Motor Drives. IEEE Transactions on Industry Applications, Vol. 21, pp. 624-632, 1985. MCCULLOCH, W. S.; PITTS, W. A logical Calculus of the Ideas Immanent in the Nervous Activity. Bulletin of Mathematical Biophysics, Vol. 5, pp. 115-133, 1943. NELSON, R. H.; LIPO, T. A.; KRAUSE, P. C. Stability Analysis of Symmetrical Induction Machinery. IEEE Transactions on Power Apparatus and Systems, Vol. 88, pp. 553-562, 1969. OLIVEIRA, M.; FIGUEIREDO, M.; GOMIDE, F. A. C. A Neurofuzzy Approach for Autonomous Control. Proceedings of International Conference on Fuzzy Logic, Neural Nets and Soft Computing, Fukuoka, Japan, 1994. PARKS, C.; MILITZER, J. A Comparison of Five Algorithms for the Training of CMAC Memories for Learning Control Systems, Automatica Journal of International Federation of Automatic Control, Vol. 28, N. 05, 1992.

[16] [17]

[18]

[19] [20]

[21] [22] [23]

[24]

[25]

[26] [27]

[28]

[29]

174

175 Referncias Bibliogrficas

[30] [31] [32] [33]

PEDRYCZ, W.; GOMIDE, F. An Introduction to Fuzzy Sets Analysis and Design, Massachusetts Institute Technology Press, Massachusetts, USA, 1998. SMITH, H. W.; DAVISON, E. J. Design of Industrial Regulators. Proceedings of IEE, Vol. 119, pp. 1210-1216, 1972. STARR, B. G.; LOON, J. C. LSI Circuit for AC Motor Speed Control. Electronic Components and Applications, Vol. 2, August 1980. TAKAGI, T.; SUGENO, M. Fuzzy Identification of System and its Application to Modeling and Control. IEEE Transactions on Systems, Man and Cybernetics, Vol. 15, pp. 116-132, 1985. WIDROW, B.; LEHR, M. A. 30 Years of Adaptive Neural Networks: Perceptron, Madaline and Backpropagation. Proceedings of IEEE, Vol. 78, September 1990. WONG, F. W.; SIDERIS, A. Learning Convergence in the Cerebellar Model Articulation Controller. IEEE Transactions on Neural Networks, Vol. 03, 1992. YAMAKAWA, T. A Fuzzy Inference Engine in Nonlinear Analog Mode and Its Application to a Fuzzy Logic Control. IEEE Transactions on Neural Networks, Vol. 4, pp. 496-522, 1993. ZADEH, L. A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes. IEEE Transactions on Systems, Man and Cybernetics, Vol. 3, pp. 28-44, 1973. ZADEH, L. A. Fuzzy Sets. Information and Control, Vol. 8, pp. 338-353, 1965. ZADEH, L. A. Fuzzy Logic. IEEE Computer, Vol. 21, pp. 83-92, April 1988.

[34] [35] [36]

[37]

[38] [39]

175

176

176

177 Bibliografia Complementar

Bibliografia Complementar
[01] [02] [03] [04] [05] [06] [07] ADVANTECH COMPANY, PCL 711 PC MultiLab Card User's Manual, Advantech Company, 51 p., September, 1990. INTEL CORPORATION, MCS 80C31 CHMOS Single Chip 8 Bit Microcontroller, Intel Corporation Literature Sales, 16 p., January, 1995. INTEL CORPORATION, MCS 51 Microcontroller Family User's Manual, Intel Corporation Literature Sales, 334 p., February, 1994. KRISHNAN, R. Electric Motor Drives Modeling Analysis and Control, New Jersey: Prentice-Hall, 2001, 626 p. ISBN 0-13-091014-7. KUO, B. C. Automatic Control Systems, New Jersey: Prentice-Hall, 1995, 897 p. ISBN 0-13-0304759-8. MOTOROLA INCORPORATED, 4N 25 Optoisolator Transistor Output in Motorola Optoelectronics Device Data, Motorola Literature Distribution, 6 p., 1995. MOTOROLA INCORPORATED, AN 571A Isolation Techniques Using Optical Couplers in Motorola Optoelectronics Device Data, Motorola Literature Distribution, 10 p., 1995. MOTOROLA INCORPORATED, TCA 0372 Dual Power Operational Amplifier in Motorola Analog IC Device Data, Motorola Literature Distribution, 8 p., 1999. NANA ELECTRONICS, NNC 20CTA Hall Current Sensor with Amplifier, Nana Electronics Company, 35 p., 1990. NATIONAL SEMICONDUCTOR, ADC 0804 CMOS 8 Bit Microprocessor Compatible Analog to Digital Converter, National Semiconductor Corporation, 16 p., August, 1997. NATIONAL SEMICONDUCTOR, LF 353 Wide Bandwidth Dual JFET Input Operational Amplifier, National Semiconductor Customer Support Center, 14 p., December, 2003. TEXAS INSTRUMENTS, DAC 7801 CMOS 12 Bit Microprocessor Compatible Digital to Analog Converter, Texas Instruments Incorporated, 19 p., February, 2004. TEXAS INSTRUMENTS, VFC 032 Voltage to Frequency and Frequency to Voltage Converter, Texas Instruments Incorporated, 9 p., October, 2003. ZADEH, L. A. Fuzzy Logic. IEEE Computer, Vol. 21, pp. 83-92, April 1988.

[08] [09] [10]

[11]

[12] [13] [14]

177