CURSO DE ENGENHARIA DE CONTROLE E AUTOMAO

HELGA GIOVANNA CARVALHO FONSECA MENDES DE JESUS MOISS DUARTE FILHO

CONTROLE FUZZY PARA POSICIONAMENTO DE UM PNDULO INVERTIDO

Campos dos Goytacazes/RJ JULHO/2010

HELGA GIOVANNA CARVALHO FONSECA MENDES DE JESUS MOISS DUARTE FILHO

CONTROLE FUZZY PARA POSICIONAMENTO DE UM PNDULO INVERTIDO

Monografia

apresentada

ao

Instituto

Federal

Fluminense Campus Campos-Centro como requisito parcial para concluso do Curso de Engenharia de Controle e Automao

Orientador: Prof. Msc. Adelson Siqueira Carvalho

Campos dos Goytacazes/RJ JULHO/2010

iii

AGRADECIMENTOS
Gostaramos de agradecer primeiramente a Deus pela oportunidade de ter nos dado vida e sade para completar esse curso. Se no fosse a graa e misericrdia dEle, no saberamos onde estaramos. Aos nossos pais, familiares e amigos, por ter incentivado e apoiado neste caminhar a fim de conquistar o sucesso to almejado que a concluso do curso. Simplesmente amamos vocs. Ao nosso orientador, Prof. Adelson Siqueira Carvalho, pela pacincia e dedicao ao aceitar o nosso tema e nos ajudar em momentos difceis. Aos amigos e colegas de turma, em especial Adriellen e Leonardo, pelas ajudas relevantes que ofereceram a este trabalho. professora Vnia Cristina Alexandrino Bernardo, pelo carinho, ateno e ajuda dispostos principalmente a mim (Moiss) em momentos cruciais de deciso. Aos professores participantes da banca, que engrandeceram a finalizao deste trabalho. Ao Instituto Federal Fluminense, por ter nos concedido a oportunidade de termos um curso de qualidade; mesmo diante das muitas dificuldades encontradas, sempre esteve pronto a colaborar com a construo do curso.

iv

Ora, ao Rei eterno, imortal, invisvel, ao nico Deus, seja honra e glria para todo o sempre. Amm. (I carta de Paulo a Timteo, cap. 1, verso 17)

RESUMO

medida que avanam os anos, novas tecnologias so descobertas e usadas nas diversas reas de controle. Elas tm se destacado por sua capacidade de aprendizagem e habilidade de tomar decises e modelar como pensa o especialista do processo, embora a maioria dos processos industriais, em geral, utilize a teoria clssica, mesmo sendo complexos, no-lineares e multivariveis. Nesta perspectiva, a Lgica fuzzy tem se mostrado mais eficaz para lidar com as imprecises, uma vez que ela captura dados vagos, oriundos de uma linguagem natural e os transforma em dados numricos, matematicamente analisveis. Este trabalho visa apresentar o projeto de um controlador fuzzy para o sistema do pndulo invertido sobre um carro que reaja
a perturbaes de forma rpida.

Utiliza-se o programa MATLABTM por possuir um

desempenho de simulao considerado bom para o sistema de controle e fornecer meios computacionais de desenvolvimento de controladores fuzzy atravs de uma interface grfica. O pndulo invertido se destaca, no s por suas diversas aplicaes, como controle da atitude de satlites ou a trajetria de foguetes e msseis, mas por ser um sistema inerentemente instvel, sendo no-linear e multivarivel. Para este trabalho, props-se o controle da posio angular do pndulo atravs da lgica fuzzy, com a permanncia deste na posio vertical e com reao rpida e satisfatria a perturbaes externas. Tais controladores podem ter seu desempenho verificado atravs da ferramenta SimulinkTM, que fornece um ambiente de simulao para sistemas dinmicos. Os resultados obtidos utilizam as ferramentas citadas anteriormente como suporte. Foi estabelecida a construo de dois controladores, e mostra-se a metodologia de construo e ajustes, o melhoramento do mesmo nos testes realizados, e ao final do trabalho, os resultados dos desempenhos dos mesmos.

Palavras-chave: Pndulo invertido. Controle fuzzy. Lgica fuzzy.

vi

ABSTRACT

As the years advance, new technologies are discovered and used in the various areas of control. They have stood out by their learning capacity and ability to make decisions and by the way they shape how the expert thinks the process, although most industrial processes, in general, use the classical theory, even though they are complex, nonlinear and multivariable. Within this, the Fuzzy Logic has proved more effective in dealing with the inaccuracies, as it captures data vacancies, arising from a natural language and turns them into digital data, mathematically analyzable. This work presents the design of a controller fuzzy system for inverted pendulum on a car that reacts quickly to disturbances. It was used the MATLABTM program for having a performance simulation considered good for the control system and providing computational means for developing controllers fuzzy through a graphical interface. The inverted pendulum stands out not only by its various applications, such as control of satellite attitude or the trajectory of missiles and rockets, but for being an inherently unstable system, being non-linear and multivariable. For this work, it was proposed the control of the angular position of the pendulum through the fuzzy logic staying in a vertical position and having quick and satisfactory response to external disturbances. Such drivers can have their performance verified using Simulink TM tool, which provides a simulation environment for dynamic systems. The obtained results used the tools previously mentioned as their support. It was established to build two controllers, and it shows the methodology of construction and adjustments, their improvement on the performed tests and at the end of the work, the results of the performance thereof.

Keywords: Inverted Pendulum. Fuzzy Control. Fuzzy Logic.

vii

SUMRIO
AGRADECIMENTOS ........................................................................................................ iii RESUMO ............................................................................................................................. v Lista de Figuras ................................................................................................................... ix Lista de Tabelas .................................................................................................................. xi INTRODUO .................................................................................................................. 12 - Apresentao ................................................................................................................ 12 - Objetivos ...................................................................................................................... 13 - Justificativa .................................................................................................................. 14 - Estrutura do trabalho .................................................................................................. 14 1 - FUNDAMENTAO TERICA ................................................................................ 16 1.1 - Apresentao do Kit Pndulo ................................................................................ 16 1.2 - O uso da Ferramenta MATLABTM ....................................................................... 19 1.2.1 - O ambiente de controle para o pndulo.......................................................... 19 1.2.2 - A inferncia no MATLABTM......................................................................... 211 1.3 - Lgica fuzzy ............................................................................................................ 22 1.3.1 - Finalidade da Lgica fuzzy .............................................................................. 22 1.3.2 - O especialista ................................................................................................... 23 1.3.3 - Representao de valores fuzzy ....................................................................... 24 1.3.4 - Subconjuntos fuzzy .......................................................................................... 25 1.4 - Controle fuzzy ......................................................................................................... 28 1.4.1 Funcionamento e objetivo do controle fuzzy .................................................. 29 1.4.2 - Estrutura do controlador baseado na lgica fuzzy ......................................... 30 1.4.3 - Fuzzificao do controlador fuzzy ................................................................... 30 1.4.4 - Escolha das variveis e termos lingsticos .................................................... 31 1.4.5 - Base de conhecimento ...................................................................................... 33 1.4.6 - Defuzzificao do controlador fuzzy ............................................................... 35 1.4.7 - Caractersticas gerais de um controlador fuzzy.............................................. 37 2 - ESTADO DA ARTE ..................................................................................................... 39 3 - MATERIAIS E MTODOS ......................................................................................... 46 3.1 - Criao da planta do processo ............................................................................... 46 3.2 - Elaborao das funes de pertinncia ................................................................. 48

viii

3.3 - Controlador de 11 regras ....................................................................................... 51 3.4 - Controlador de 21 regras ....................................................................................... 53 4 - RESULTADOS ............................................................................................................. 59 4.1 - Controlador de 11 regras ....................................................................................... 59 4.2 - Controlador de 21 regras ....................................................................................... 61 5 CONSIDERAES FINAIS E SUGESTES PARA TRABALHOS FUTUROS.... 64 5.1 - Sugestes para trabalhos futuros........................................................................... 65 REFERNCIAS ................................................................................................................. 66

ix

Lista de Figuras
Figura 1: Pndulo Invertido .............................................................................................. 13 Figura 2: Foto do Kit Pndulo Digital da Feedback, que se encontra no LAI. ................ 16 Figura 3: Viso geral do sistema de controle do kit Pndulo. .......................................... 17 Figura 4: Estrutura mecnica do kit. ................................................................................ 18 Figura 5: Etapas do algoritmo de controle do pndulo atravs do MATLAB TM. ........... 20 Figura 6: Explicao para o uso da Lgica fuzzy no MATLABTM. .................................. 21 Figura 7: Conjunto fuzzy da temperatura mdia. a = 10, b = 40 e m = 25. ...................... 26 Figura 8: Definio da funo de pertinncia triangular; (HUAMAN, 2003)................ 27 Figura 9: Definio da funo de pertinncia trapezoidal; (HUAMAN, 2003). ............. 27 Figura 10: Funo de pertinncia trapezoidal; a = 0.25, b = 1.75, m = 0.75 e n = 1.25; (HUAMAN, 2003). .................................................................................................... 28 Figura 11: Diagrama de blocos da estrutura bsica de um controlador fuzzy (PIRES, 2007). ........................................................................................................................... 30 Figura 12: Janela do Editor FIS do MATLABTM para controle fuzzy. ............................ 32 Figura 13: Janela do Editor de funo de pertinncia do MATLAB TM, que mostra a varivel erro de posio do pndulo, com os tipos de funo de pertinncia e seus parmetros. ................................................................................................................. 33 Figura 14: Diferena entre os mtodos Centride e Mediatriz. ....................................... 36 Figura 15: Mtodo Mediatriz de defuzzificao, (GOUDEN et al., 2009)........................ 37 Figura 16: Princpio de funcionamento e construo do Friction Pendulum em operao. Fonte: Earthquake Protection Systems, Inc. ............................................................... 40 Figura 17: Fotos do Friction Pendulum, e de aplicaes como a ponte Benicia-Martinez e o Aeroporto Internacional de So Francisco. ............................................................ 41 Figura 18: SegwayTM e esquema de um pndulo invertido duplo (SILVA, 2009). ......... 42 Figura 19: Planta de processo do kit Pndulo Invertido. ................................................. 46 Figura 20: Zona de ao do algoritmo de controle. .......................................................... 47 Figura 21: Nova planta de processo do kit Pndulo. ........................................................ 48 Figura 22: Funes de pertinncia da varivel de entrada erro de posio angular do pndulo. .................................................................................................................... 49 Figura 23: Funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo. .................................................................................................. 49 Figura 24: Funes de pertinncia da varivel de entrada posio do pndulo. ......... 50

Figura 25: Esboo do pndulo invertido. .......................................................................... 50 Figura 26: Funes de pertinncia para a varivel de sada Tenso. ........................... 52 Figura 27: Nova configurao das funes de pertinncia da varivel de sada Tenso. ..................................................................................................................................... 52 Figura 28: Grfico da superfcie do controlador fuzzy de 11 regras. ............................. 533 Figura 29: Funes de pertinncia da varivel de entrada erro de posio angular do pndulo, para o controlador de 21 regras................................................................ 54 Figura 30: Funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo, para o controlador de 21 regras. .......................................... 544 Figura 31: Funes de pertinncia da varivel de entrada posio do pndulo. ......... 54 Figura 32: Funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras. .................................................................................................................... 56 Figura 33: Nova configurao das funes de pertinncia da varivel de entrada erro de posio angular do pndulo, para o controlador de 21regras. ........................... 56 Figura 34: Nova configurao das funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo, para o controlador de 21 regras. ..................................................................................................................................... 57 Figura 35: Nova configurao para as funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras. ...................................................................... 57 Figura 36: Outra configurao para as funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras. ...................................................................... 58 Figura 37: Grfico da superfcie do controlador fuzzy de 21 regras. ............................... 58 Figura 38: Grfico de resultado para o controlador de 11 regras. .................................. 59 Figura 39: Grfico de desempenho para o controlador de 11 regras. Diferena entre a posio angular do pndulo e o set-point. .................................................................. 60 Figura 40: Grfico de resultado para o controlador de 21 regras. .................................. 61 Figura 41: Novo grfico de resultado para o controlador de 21 regras. .......................... 62 Figura 42: Grfico de desempenho para o controlador de 21 regras. Diferena entre a posio angular do pndulo e o set-point. .................................................................. 63

xi

Lista de Tabelas
Tabela 1: Primeiro conjunto de regras para o controlador fuzzy. Epp= varivel erro de posio angular do pndulo; Ep= varivel variao do erro de posio angular do pndulo. ............................................................................................................... 51 Tabela 2: Segundo conjunto de regras para o controlador fuzzy. Epp= varivel erro de posio angular do pndulo; Ep= varivel variao do erro de posio angular do pndulo. ............................................................................................................... 55 Tabela 3: Controladores com seus respectivos valores de MSE. ...................................... 63

12

INTRODUO

- Apresentao O uso de sistemas de controle automticos tem encontrado espao bastante difundido no avano das aplicaes industriais, pois estes atuam como elementos que proporcionam o progresso e o desenvolvimento da automao. Junto a isto, soma-se o surgimento da Engenharia de Controle e Automao, que tem se tornado um campo no mnimo excitante e intrigante, no qual se podem aplicar diversos conhecimentos, e dentre esses, os de controle, os quais sero abordados, em parte, neste presente trabalho. O exemplo do sistema de controle de um pndulo invertido, o qual ser abordado neste trabalho, um problema clssico, que pode ser encontrado em Astrom e Furuta (1996), Romero e Orces (2007) e nos demais autores referenciados, referente ao uso de malhas de controle com realimentao, especialmente para sistemas instveis. A razo do interesse para estudos da tecnologia de controle para esse tipo de sistema que ele pode exemplificar as dificuldades prticas relacionadas com aplicaes de sistemas de controle no mundo real. O modelo em estudo semelhante aos utilizados para estabilizao de foguetes em vo, no posicionamento de guindastes especiais, como exemplos. Ele um mecanismo com caractersticas dinmicas inerentemente instveis e representa uma plataforma til para o estudo de outras aplicaes tambm. O pndulo invertido um processo no qual est sujeito a cair a qualquer tempo, a no ser que uma fora adequada seja aplicada ao carro de suporte da base, o que resulta em uma acelerao em uma determinada direo para que o mesmo se equilibre na posio vertical.

13

Figura 1: Pndulo Invertido

Este sistema um dispositivo fsico que se constitui geralmente de uma barra cilndrica, a qual livre para movimentar-se em torno de um ponto fixo. Ele montado em um carro livre para mover na direo horizontal, acionado por um motor que exerce uma fora varivel no deslocamento do mesmo. Como j dito, a haste tende a cair, pois sua posio vertical uma condio de equilbrio instvel. Para se fazer o controle dessa posio, exercese a fora varivel do motor para contrabalanar a dinmica natural do pndulo. A proposta deste trabalho utilizar a lgica fuzzy para projetar e implementar um controlador que equilibre o pndulo na posio vertical sem importar com o posicionamento do carro. Como o surgimento da teoria de conjuntos fuzzy, proposta por Zadeh em 1965, permitiu que uma nova abordagem de pesquisa na rea de controle fosse inserida, com a possibilidade da criao de projetos de controladores independentes da especificao completa do modelo matemtico da planta, ela veio ser a base de estudo para este trabalho. Os procedimentos de pesquisas tiveram como fonte dezenas de artigos e livros que esto referenciados no captulo 2 de Estado da Arte. Houve a necessidade de trs semanas de experimentos e simulaes no laboratrio para se obter resultados e aprimorar os mesmos.

- Objetivos Projetar, implementar e testar um sistema baseado em lgica fuzzy para controle do sistema do pndulo na posio invertida (vertical para cima), robusto a perturbaes externas. Como objetivo intermedirio pode-se destacar o domnio do ferramental terico acerca de controle fuzzy.

14

- Justificativa O presente trabalho se deu pelo desejo de se obter um controlador fuzzy para o kit Pndulo Digital da Feedback, encontrado no Laboratrio de Automao Industrial (LAI), com o controle de sua posio angular, primeiramente. Buscou-se utilizar a lgica fuzzy pela sua habilidade de modelar processos multivariveis e no-lineares, no tendo a necessidade de toda a informao da planta. Tambm houve o interesse neste sistema por causa de suas fortes aplicaes com sistemas reais, tais como os que sero abordados aqui, quais sejam o de controle da trajetria de foguetes ou o de veculos como SegwayTM. - Estrutura do trabalho Este trabalho conta com a seguinte diviso de captulos, para a melhor compreenso do leitor: Introduo: Essa seo fornece uma introduo sobre os assuntos que sero abordados ao longo da monografia, com a descrio de forma sucinta dos objetivos, da motivao e a justificativa para este trabalho.

Captulo 1 Fundamentao terica: Este captulo divide-se em duas partes: a primeira apresenta o kit do pndulo invertido, seu funcionamento e comunicao com o MATLABTM. Na segunda parte, feito um estudo sobre lgica e controle fuzzy, sendo possvel encontrar seus fundamentos e definies.

Captulo 2 Estado da Arte: H descrio dos trabalhos que utilizam a lgica fuzzy e aplicaes para o pndulo invertido. Este captulo tem o intuito de mostrar a ampla aplicabilidade e eficincia deste tipo de controle e fornecer subsdios para este e demais trabalhos.

15

Captulo 3 Materiais e Mtodos: Neste captulo, aborda-se a elaborao dos tipos de controladores feitos, com suas funes de pertinncia, regras utilizadas e a explicao da construo da planta do processo.

Captulo 4 Resultados: So apresentados, nesta seo, os testes feitos no laboratrio com o pndulo invertido e os respectivos grficos de desempenhos dos controladores implementados.

Captulo 5 Consideraes finais e Sugestes para trabalhos futuros: Inseriram-se, neste momento, as concluses obtidas aps as simulaes efetuadas com os controladores fuzzy no pndulo invertido, com a apresentao tambm de sugestes de pesquisas para trabalhos futuros.

16

1 - FUNDAMENTAO TERICA

Este captulo divide-se em duas partes, para melhor entendimento do leitor: a primeira apresenta o kit do pndulo invertido, seu funcionamento e comunicao com o MATLABTM, e na segunda parte, feito um estudo sobre lgica e controle fuzzy, sendo possvel encontrar seus fundamentos e definies.

1.1 - Apresentao do Kit Pndulo O kit Pndulo Digital 33-200 (Unidade Mecnica) e 33-201 (Controle) da Feedback encontra-se no Laboratrio de Automao Industrial, sala B143, do IFF Campus Campos Centro, e pode ser visto nas figuras 2 e 3 a seguir.

Figura 2: Foto do Kit Pndulo Digital da Feedback, que se encontra no LAI.

Como mostrado na figura 2 e na 3, o kit Pndulo Digital composto de sensores de posio, atuador (motor DC (corrente contnua)), chave de fim de curso e o computador, onde se processa a comunicao do algoritmo de controle. Nota-se, na figura 3, que a seta no sentido computador-interface ilustra a informao enviada pelo computador, proveniente de um conversor D/A (Digital-Analgico), para o atuador do kit, o que mostra como processado o controle realizado no algoritmo. Esta informao acionar o atuador, e este realiza a tarefa definida no algoritmo de controle. A seta no sentido interface-computador

17

mostra as informaes provenientes dos sensores de posio do carro e de posio angular do pndulo enviando-as para o atuador. Depois, so remetidas para o computador, atravs de um conversor A/D (Analgico-Digital), onde se compara a ao ordenada pelo algoritmo com a sada adquirida.

Figura 31: Viso geral do sistema de controle do kit Pndulo.

A estrutura mecnica pode ser verificada na figura 4, onde apresentada a posio das peas mecnicas, dos sensores e do atuador.

Extrado de: Feedback Instrument Ltd, Manual: 33-935/936-1V60, 2002.

18

Figura 42: Estrutura mecnica do kit.

Segundo o manual do kit 3, a tenso que enviada para o motor DC faz com que o carro se movimente ao longo do trilho, orientado por uma correia. Em cada extremidade do trilho (ou haste horizontal), existe uma chave limitadora ou fim de curso, para restringir o espao de percurso do carro, j que a trajetria percorrida curta. A ao dessa interromper o fornecimento de energia para o circuito quando o carro passar por ela, ao final do trilho, evitando uma sobrecarga no motor e possveis prejuzos para o mesmo. Na figura 4, tambm est indicado como ocorre a movimentao do pndulo, que est acoplado ao centro do carro e move-se livremente durante o seu deslocamento. O atuador deste kit um motor de corrente contnua, como j citado. Esse tipo de motor utilizado com frequncia em sistemas servomecnicos, visto que possui como caractersticas o ajuste de velocidade e pode ser controlado com alta preciso e flexibilidade. A tenso mxima destinada para esse motor de +/- 2,5V. O tipo de sensor utilizado para fazer a medio da posio do carro e da posio angular do pndulo o encoder. Esse um transdutor que converte movimento angular ou linear em pulsos digitais eltricos. No caso do pndulo usado um encoder incremental. A explicao dos encoders do kit pndulo pode ser mais bem encontrada no manual da Feedback e tambm
2 3

Idem. Extrado de: Feedback Instrument Ltd, Manual: 33-935/936-1V60, 2002.

19

no trabalho de Castro (2008), pois no a proposta de estudo deste trabalho. As informaes provenientes dos encoders so enviadas para o computador atravs de um conversor A/D de 11 bits, o que justifica o uso de ganhos aps as leituras de posio angular do pndulo registradas no captulo 3 referente aos Materiais e Mtodos utilizados neste trabalho. Este conversor possui um perodo de amostragem de 1ms, e o encoder do pndulo faz a leitura da posio deste em radianos e o encoder da posio do carro realiza a leitura em metros. No incio de cada teste os sensores assumem posio inicial igual a zero, independente de onde se encontrem o carro e o pndulo.

1.2 - O uso da Ferramenta MATLABTM Mostra-se nesta seo o ambiente necessrio para a implementao do controle para o sistema pndulo invertido em software, e o funcionamento da inferncia fuzzy.

1.2.1 - O ambiente de controle para o pndulo

O controlador implementado em um computador usando ferramentas do software da Mathworks TM. Dentre estes, destacam-se: - MATLABTM, que um conjunto de ferramentas elaboradas para resolver problemas matemticos. Ele contm vrias caixas de ferramentas especializadas, as quais so feitas por contribuies dos colaboradores da Mathworks, que fazem com que o software resolva vrias funes e problemas em diferentes reas especficas, dentre elas, as de controle de processos. - SimulinkTM, que um sistema de grficos para modelagem de processos. Ele possui uma forma de diagrama de blocos que se ligam por uma linha de conexo que mostra como as informaes fluem de um bloco para outro. Estes realizam funes especficas e podem ser encontrados como blocos padres na biblioteca do sistema, ou elaborados pelo usurio. - Realtime Workshop, o qual gera um cdigo em C para o diagrama de blocos elaborado no SimulinkTM. - Compilador C, que compila e comunica o cdigo gerado pelo Realtime Workshop para produzir um programa executvel, comunicando-se com a planta atravs do Realtime Windows Target.

20

- Realtime Windows Target, o qual se comunica com o programa executvel fazendo a atuao no algoritmo de controle e interfaceando-se com a planta atravs de uma placa de aquisio de dados. Ele controla os dados nos dois sentidos de fluxo de sinal, ou de e para o modelo (agora um programa executvel), e de e para a placa de aquisio de dados (entrada e sada). Quando o programa encontra-se em execuo, o usurio pode alterar os parmetros no diagrama de blocos elaborado no SimulinkTM, com uso do Realtime Workshop e com isso altera-se tambm o programa executvel. Ao se estabelecer uma mudana na estrutura do diagrama de blocos, por exemplo, retirar ou acrescentar algum bloco, o programa precisa ser compilado novamente. Na figura 5, so mostradas as etapas do algoritmo de controle no MATLABTM.

Figura 54: Etapas do algoritmo de controle do pndulo atravs do MATLABTM.

Aps a apresentao da comunicao das ferramentas do MATLABTM e o pndulo, ser mostrado como ocorre o processamento da inferncia fuzzy na seo a seguir.

Extrado de: Feedback Instrument Ltd, Manual: 33-935/936-0V61, 2002.

21

1.2.2 A inferncia fuzzy no MATLABTM

A inferncia fuzzy (Fuzzy Inference Systems (FIS)) o processamento onde se mapeia uma dada entrada a uma sada usando lgica fuzzy. O mapeamento, em seguida, fornece uma base em que decises podem ser feitas, ou padres discernidos. O processo de inferncia envolve todas as peas para o controle fuzzy, ou seja, as Funes de Pertinncia, as operaes lgicas e as Bases de Regras. O FIS tem sido aplicado com xito em campos tais como controle automtico, classificao de dados, anlises de decises, sistemas especialistas e viso artificial. Com o uso das ferramentas da Lgica fuzzy do MATLABTM, podem-se criar e editar sistemas de inferncia fuzzy com o uso de ferramentas grficas ou funes com linhas de comando ou ger-los com o uso de tcnicas adaptativas neuro-fuzzy, etc. A caixa de ferramentas tambm permite que o usurio execute os seus prprios programas em C diretamente. Isto possvel graas ao Motor de Inferncia fuzzy, que l os sistemas fuzzy guardados em uma sesso do MATLABTM. Pode-se personalizar o motor para a construo de inferncia fuzzy em seu prprio cdigo. Todo o cdigo fornecido compatvel com ANSI C.

Figura 65: Explicao para o uso da Lgica fuzzy no MATLABTM.

As explicaes citadas anteriormente verificam-se melhor na figura 6, onde: 1 - Sistema de Inferncia fuzzy, 2 - Plataforma do motor fuzzy, 3 - Toolbox para a Lgica fuzzy e 4 Arquivos MATLABTM (com extenso .m) escritos pelo prprio usurio e outras
5

Extrado de: Fuzzy Logic Tool Box Users Guide. Disponvel em http://www.mathworks.com/access/helpdesk/help/pdf_doc/fuzzy/fuzzy.pdf. Acessado em 18/06/2010.

22

ferramentas. Elas foram dadas para melhor entendimento do funcionamento da ferramenta fuzzy do MATLABTM e a sua comunicao com o software. Na seo a seguir, sero explicados a lgica e o controle fuzzy, com seus respectivos funcionamentos, definies e parmetros.

1.3 - Lgica fuzzy

Nesta parte do trabalho apresentado um breve estudo sobre os fundamentos da lgica fuzzy, com a explicao da sua finalidade, representao de valores e subconjuntos fuzzy.

1.3.1 - Finalidade da Lgica fuzzy

O controle automtico desempenha um papel fundamental no avano da engenharia e da cincia. Ele tem se tornado parte integrante dos modernos processos industriais e de produo, sendo essencial em operaes na indstria tais como controle de presso, temperatura, umidade, vazo e outros. Alm disso, de extrema importncia em sistemas da indstria aeroespacial, automotiva, manufatureira, em sistemas robticos e similares, o que traz meios para otimizar o desempenho dos sistemas dinmicos, melhorando a produtividade e diminuindo o trabalho rduo de vrias rotinas de operaes manuais repetitivas. Qualquer aplicao computacional que execute tarefas, consideradas pelos seres humanos como inteligentes, pode ser denominada um sistema baseado em inteligncia artificial (CAMPOS e SAITO, 2004). Este se interessa em modelar e implementar em computadores, programas que tenham algumas das caractersticas do pensar e decidir do ser humano, que so o raciocnio, a deciso e o aprendizado. Portanto, assim como nos seres humanos, o desempenho de um sistema artificial depende dos conhecimentos adquiridos e estruturados para facilitar a soluo de certo problema. Os sistemas inteligentes tm sido muito utilizados na rea de controle, automao e otimizao de processos. Estes sistemas abrangem algumas sries de tcnicas, tais como os sistemas especialistas, os baseados na lgica fuzzy ou difusa, as redes neurais e os algoritmos genticos. Apesar de terem diferentes fundamentos e aplicaes, eles possuem um

23

denominador comum: o fato de se originarem na tentativa de imitar uma caracterstica do ser humano ou da natureza. O principal objetivo desses sistemas reproduzir artificialmente a inteligncia humana e da natureza ainda no modelados de maneira fenomenolgica. Como exemplo, eles so capazes de auxiliar os operadores no: diagnstico e deteco de falhas, e na execuo de procedimentos, evitando erros humanos, paradas das unidades e, principalmente, acidentes. A inteligncia destes sistemas obtida atravs da extrao dos conhecimentos dos especialistas da rea, pois ainda existem dificuldades para dot-los de uma lgica de aprendizagem automtica.

1.3.2 - O especialista

Segundo Huaman (2003), existem duas fontes principais de informaes consideradas na engenharia: os sensores que oferecem medidas numricas das variveis de interesse, e os especialistas que fornecem instrues de ordem lingustica e descries qualitativas do sistema. Para se tornar um especialista em uma rea, estima-se que sejam necessrios pelo menos 10 anos de estudos e prticas, e a memorizao de pelo menos umas 10000 regras do domnio em questo. Segundo Pinker (1998), o especialista necessita de muitos conhecimentos de forma a realizar uma pesquisa seletiva e resolver problemas atravs de poucas tentativas. Ele capaz de reconhecer uma situao e fornecer uma resposta. No entanto, ele encontra dificuldade para descrever os passos que foram usados para se chegar a uma concluso. Por isso, o desempenho de um sistema artificial depende dos conhecimentos adquiridos e estruturados para facilitar a soluo de um certo problema, assim como o desempenho dos seres humanos em solucionar problemas. Nos sistemas inteligentes, os conhecimentos necessrios soluo de determinado problema so adquiridos e organizados em uma base de conhecimentos atravs de regras e/ou procedimentos.

24 1.3.3 - Representao de valores fuzzy

Em (MIRANDA et al, 2003), encontra-se que em meados da dcada de 20, J. Lukasiewicz, filsofo polons, desenvolveu os princpios da lgica multivalorada, cujos enunciados podem ter valores de verdade compreendidos entre 0 (falso) e 1 (verdadeiro) da lgica binria clssica. Em 1965, Lotfi A. Zadeh aplicou este princpio de Lukasiewicz teoria de conjuntos, estabelecendo a possibilidade de que os elementos poderiam ter diferentes graus de pertinncia a um conjunto. A teoria de subconjuntos fuzzy nasceu da constatao de que quando a complexidade de um sistema aumenta, nossa habilidade para concluir fatos e tomar decises que sejam ao mesmo tempo precisos e significativos, tende a diminuir at um limite a partir do qual preciso e relevncia passam a ser caractersticas quase excludentes (ZADEH, 1973). Esta teoria criou um sistema que permitiu representar de forma matemtica e lgica conhecimentos complexos, incertos, contraditrios e incompletos, podendo assim inferir concluses e gerar respostas baseadas em informaes muitas vezes vagas ou imprecisas. Neste aspecto, os sistemas fuzzy podem raciocinar semelhantemente aos seres humanos, tendo comportamento representado de maneira simples e intuitiva, levando construo de sistemas compreensveis e de fcil manuteno. Os modelos matemticos elaborados para um processo real e complexo nem sempre representaro a realidade em sua totalidade. Os conhecimentos deste processo podero ser incompletos e possuir diversas fontes de incertezas. Entende-se por modelo matemtico de um sistema dinmico como um conjunto de equaes que representa com preciso ou, pelo menos, razoavelmente bem a dinmica do sistema (OGATA, 2003). Dependendo da perspectiva adotada, um sistema pode ter vrios modelos matemticos. Os modelos baseados na lgica fuzzy so uma simplificao do processo real (CAMPOS e SAITO, 2004). Entretanto, estes sistemas permitiram mudar o paradigma clssico da teoria de controle de processos. Ao invs de se obter um modelo para o processo e a partir da projetar um controlador com desempenho razovel, estes sistemas se propem modelar diretamente como o ser humano controlaria este processo. O controle fuzzy permite imitar o operador humano tendo como base uma representao descritiva e experimental do processo. Assim, ele tenta produzir as aes de controle desejadas dos modelos da operao do sistema, ao invs de fazer uso dos modelos do

25 prprio processo como em outras tcnicas clssicas de controle, pois, ultimamente, a teoria clssica de controle, que trata somente de sistemas com uma entrada e uma sada, tornou-se insuficiente para sistemas com mltiplas entradas e sadas, segundo Ogata (2003). A teoria do controle fuzzy permitiu representar os conhecimentos sobre a operao dos processos de uma maneira sistemtica e lgica em um sistema de controle. Ela uma ponte para aproximar a lgica executada pela mquina ao raciocnio humano. Um sistema fuzzy capaz de capturar informaes vagas descritas em uma linguagem natural (variveis lingusticas) e convert-las para um formato numrico, de fcil manipulao pelo computador, possuindo assim, habilidades no manuseio de informaes qualitativas e imprecisas, o que resulta em um desempenho estvel e robusto, conforme explica Huaman (2003). Apesar do nome fuzzy (do ingls: difuso, nebuloso), esta teoria se apia em um conjunto de axiomas e regras precisas e rigorosas, que permitem um encadeamento ou um raciocnio lgico de proposies. Este adjetivo decorre da aptido desta teoria para exprimir e representar noes do cotidiano que so muitas vezes qualitativas, incertas, nebulosas e subjetivas.

1.3.4 - Subconjuntos fuzzy

Este conceito de subconjuntos fuzzy foi introduzido de forma a evitar passagens bruscas entre duas classes de elementos, e a permitir que os mesmos no pertenam completamente nem a uma, nem a outra classe, ou melhor, que os elementos possam pertencer parcialmente a cada uma das classes. Os subconjuntos fuzzy respondem a necessidade da representao de conhecimentos imprecisos e/ou incompletos, seja porque eles so expressos numa linguagem natural por um observador humano, o qual no capaz de fornecer maiores precises, seja porque eles so oriundos da leitura de instrumentos que podem possuir erros de medio. Conforme explicitado em vrias literaturas, dente elas Huaman (2003) e Campos e Saito (2004), um subconjunto clssico A de X definido por uma funo caracterstica , que assume o valor 0 para os elementos de X que no pertencem a

A, e 1 para aqueles que pertencem a A:

26
A:

{0,1} onde

A=

{0 se x

A, 1 se x

A}

J um subconjunto fuzzy A de X definido por uma funo caracterstica , chamada de funo de pertinncia, que associa a cada elemento de X um grau
A (x)

compreendido entre 0 e 1, com o qual X pertence a A:

A:

[0,1] ,

O conceito central da teoria dos conjuntos fuzzy que a funo de pertinncia como na teoria da probabilidade, pode ter um valor entre 0 e 1 (BURNS, 2001). Na figura 7,

possui uma relao linear com o eixo x, chamado de universo

de discurso U. Neste caso, mostrado um conjunto fuzzy em forma triangular.

Figura 7: Conjunto fuzzy da temperatura mdia. a = 10, b = 40 e m = 25.

Os subconjuntos fuzzy mais encontrados na literatura cientfica so aqueles que possuem uma funo de pertinncia regular, isto , sem mudanas bruscas ou repentinas, que mostram a passagem progressiva da no-satisfao para a satisfao da propriedade qual elas esto associadas. Subconjuntos fuzzy so comumente representados por funes triangulares simtricas por darem bons resultados e o esforo computacional razoavelmente simples. Na figura 8, definida a funo de pertinncia triangular, onde m o valor modal, e a e b so os limites superior e inferior, respectivamente.

27

Figura 8: Definio da funo de pertinncia triangular; (HUAMAN, 2003).

Outra funo comumente encontrada e tambm representada neste trabalho a trapezoidal, cuja definio se encontra na figura 9 a seguir:

Figura 9: Definio da funo de pertinncia trapezoidal; (HUAMAN, 2003).

Um exemplo de funo trapezoidal pode ser visto na figura 10:

28

Figura 10: Funo de pertinncia trapezoidal; a = 0.25, b = 1.75, m = 0.75 e n = 1.25; (HUAMAN, 2003).

Outras funes incluem triangulares no-simtricas, gaussianas e curvas em forma de sino. (BURNS, 2001). Na prxima seo, sero tratados os assuntos referentes ao controle fuzzy, o qual tambm servir de base para este trabalho.

1.4 - Controle fuzzy Nesta seo insere-se o estudo sobre o controle fuzzy, com a apresentao de seu funcionamento e objetivos, sua estrutura bsica, com as definies para fuzzificao, defuzzificao, base de conhecimentos e escolha das variveis e termos lingsticos, e tambm apresentam-se suas caractersticas gerais.

29 1.4.1 Funcionamento e objetivo do controle fuzzy

Os critrios para se especificar um controlador baseado na teoria de controle clssica, conforme Phillips e Harbor (1997), podem envolver as seguintes caractersticas (porm no esto resumidas a elas): - rejeio a distrbios; - erros de regime estacionrio; - caractersticas da resposta transitria; - sensibilidade s mudanas de parmetros da planta. O controlador baseado na lgica fuzzy no necessita de um modelo analtico completo do processo, como j explicitado anteriormente. Ele calcula as suas aes em funo de uma base de conhecimento heurstica de como se deve controlar este processo. O controle fuzzy na realidade uma funo no-linear entre as variveis de entrada e de sada do controlador, que exprime os conhecimentos que os especialistas (operadores e/ou engenheiros) possuem da operao do processo. Este controle permite generalizar e inferir dentro do universo de inferncia ou discurso de cada varivel controlada. Ele contm um conjunto de regras, todas ativadas em paralelo ou simultaneamente. Assim, trabalha com inferncia associativa paralela, ou seja, quando uma entrada fornecida, o controlador dispara as regras paralelamente, com diferentes graus de ativao, para inferir um resultado ou sada (MACHADO, 2007). Ele pode, desta forma, considerar vrios critrios de desempenho simultaneamente, podendo ser escritos de uma forma matemtica ou mesmo lingustica. Os objetivos do controlador em questo podem ser os seguintes, dentre outros: - controlar e operar automaticamente processos complexos, no-lineares e multivariveis, com desempenho pelo menos equivalente ao dos operadores; - respeitar as especificaes e restries operacionais; - ser simples, robusto e operar em tempo real, obedecendo ao Princpio da Parcimnia6.

Princpio proposto por Ockam, filsofo ingls do sculo XVII, que enuncia que se existe mais de uma explicao para uma dada observao, devemos adotar aquela mais simples. Extrado de: http://adi38.bio.ib.usp.br/sbg2k/prinpar.html. Acessado em 4/06/10.

30 1.4.2 - Estrutura do controlador baseado na lgica fuzzy

Uma arquitetura geral para um controlador baseado na lgica fuzzy mostrada na figura 11:

Figura 11: Diagrama de blocos da estrutura bsica de um controlador fuzzy (PIRES, 2007).

Os principais elementos de uma arquitetura geral de um controlador fuzzy mostrada na figura 11 so: a fuzzificao, a base de regras fuzzy (conhecimento), mquina de inferncia fuzzy (sistema Deciso) e a defuzzificao.

1.4.3 - Fuzzificao do controlador fuzzy

Segundo Serra (2001), a interface de fuzzificao desempenha as seguintes funes: - mudana de escala, ou seja, uma normalizao da entrada, que mapeia os valores fsicos das variveis de estado do sistema controlado (varivel de entrada) em um universo de discurso normalizado (domnio normalizado); - converso do valor da varivel de entrada em um conjunto fuzzy, de modo a torn-lo compatvel com a representao por conjunto fuzzy da varivel de estado do sistema na regra antecedente. Assim, a interface de fuzzificao funciona da seguinte forma:

31 A=F(x0) onde x0 um valor preciso em um universo U, A um conjunto fuzzy definido no mesmo universo U e F um operador fuzzificador. Ainda com base em Serra (2001), h duas possibilidades para seleo de F: a. Fuzzificao Singleton: A um conjunto fuzzy Singleton com suporte x0, isto , com a seguinte funo de pertinncia: A(x) b.

1, se

x x0

0, caso contrrio

Fuzzificao no-Singleton ou Fuzzificao aproximada: Neste caso,

quando x = x0, F(x0)=1 e a pertinncia dos valores restantes decrescem medida que vo se distanciando de x0. Dentre essas possibilidades para escolha de operador fuzzificador, a mais comumente encontrada no meio acadmico a Singleton.

1.4.4 - Escolha das variveis e termos lingsticos

De acordo com Machado (2007), um conceito fundamental ao se trabalhar com conjuntos fuzzy o de varivel lingustica. Entende-se por varivel um identificador que pode assumir um, dentre vrios valores e, deste modo, uma varivel pode assumir um valor lingustico dentre vrios outros em um conjunto de termos lingusticos. Aps a definio das variveis controladas e manipuladas do sistema para a elaborao de um controle fuzzy, deve-se definir para cada varivel o seu universo de discurso e o nmero de valores lingusticos necessrios. Cada varivel lingustica recebe um nome e atributos que a definem como sendo de entrada ou de sada. Tambm definido o range de valores possveis para cada varivel, sendo o padro inicial definido com +/- 1 (valores normalizados). Cada valor lingustico deve ser definido pela sua funo de pertinncia. Isto de grande importncia, pois um nmero muito grande desses valores sobrecarrega o sistema, porque implicaria um nmero maior de regras a serem definidas e executadas. Por outro lado, um nmero grande deste tipo de valor possibilita uma resposta e um ajuste mais fino do controle. Esta seleo deve ser bem feita e estruturada pelo especialista, visando ao melhor controle com simplicidade de elaborao.

32 Para cada varivel lingustica, inserida no controlador fuzzy, escolhe-se o nmero de termos ou valores lingusticos, o tipo de funo de pertinncia para cada termo e os parmetros que caracterizam cada funo de pertinncia. O editor de controle fuzzy do MATLABTM pode ser verificado na figura 12; e seu editor de funes de pertinncia, na figura 13:

Figura 12: Janela do editor FIS do MATLABTM para controle fuzzy.

33

Figura 13: Janela do Editor de funo de pertinncia do MATLABTM, que mostra a varivel erro de posio do pndulo, com os tipos de funo de pertinncia e seus parmetros.

1.4.5 - Base de conhecimento

A base de conhecimento onde se encontra o conhecimento do especialista transformado para um conjunto de regras de controle fuzzy. Ela possui as informaes a respeito dos universos de discurso, dos valores lingusticos e das funes de pertinncia de todas as variveis envolvidas no sistema. Contm tambm o conjunto de regras, que associam as variveis lingusticas de entrada com as de sada. Pode-se afirmar que esta base de um controlador fuzzy o crebro do sistema, onde est localizada a inteligncia do mesmo (CAMPOS e SAITO, 2004). Uma regra de controle fuzzy uma declarao condicional da forma IF (conjunto de condies satisfeitas) e THEN (conjunto de consequncias que podem ser inferidas). O antecedente uma condio em seu domnio de aplicao, o consequente uma ao de controle a ser aplicada no sistema controlado e tanto o antecedente como o consequente so inter-relacionados com conceitos fuzzy, ou seja, termos lingusticos.

34 Assim, a base de conhecimento composta por dois componentes: Base de dados (conhecimento) e Base de regras (sistema Deciso). A base de dados contm as definies das funes de pertinncia dos conjuntos fuzzy, especificando o significado das variveis lingsticas. A base de regras constituda pela compilao de regras fuzzy que representa o conhecimento do especialista. O estilo de regras condicionais fuzzy geralmente chamado regra do tipo Mandani, pois Mandani (1976) foi o primeiro quem o usou em uma regra fuzzy para controlar uma planta de usina a vapor (BURNS, 2001). Mandani utilizou regras em que o consequente uma outra varivel fuzzy, enquanto Sugeno (SUGENO 1988, apud SOUZA, 2006) usou regras cuja concluso uma funo polinomial das entradas. As duas regras a seguir mostram, respectivamente, as expresses genricas dos dois tipos citados: IF X1 A1 e e Xn An THEN Y B IF X1 A1 e e Xn An THEN Y= p0 + p1X1 + ... + pnXn O levantamento dos conhecimentos necessrios elaborao desta base a parte mais importante para o desenvolvimento de um controlador fuzzy. Se no for bem realizada, o desempenho futuro do controlador poder estar comprometido. Existem vrios mtodos para a aquisio do conhecimento: - obteno manual; - modelagem do comportamento do operador; - leis fsicas que regem a dinmica da planta; - conhecimentos heursticos imprecisos obtidos de especialistas. Geralmente no existe um mtodo para determinar o nmero mnimo de regras fuzzy necessrias ao controle do processo. A soluo fica escrava do desempenho desejado, dos nmeros de valores lingusticos escolhidos e de outros aspectos qualitativos que possam existir no processo. As regras de controle fuzzy so declarativas e no sequenciais, ou seja, a ordem em que se expressam no importante. Como medida preventiva para a manuteno do controlador, recomenda-se agrupar as regras de acordo com as variveis de suas premissas, como exemplo dado a seguir: 1. If (erro_posicao_pendulo is Z) and (variacao_erro_pendulo is Z) then (TENSAO is Z) 2. If (erro_posicao_pendulo is PN) and (variacao_erro_pendulo is Z) then (TENSAO is PN)

35 3. If (erro_posicao_pendulo is MN) and (variacao_erro_pendulo is Z) then (TENSAO is MN) Onde Z zero, PN pouco negativo e MN muito negativo.

1.4.6 - Defuzzificao do controlador fuzzy

A defuzzificao o procedimento para mapear de um conjunto de inferncia fuzzy, que possui variveis lingusticas, para um conjunto de valores reais, que ser o sinal de sada de controle. O sistema de inferncia produz uma quantidade de conjuntos fuzzy de sada igual ao nmero de regras contidas na base de conhecimento. Esta interface transforma a ao de controle lingustica, baseada nos conjuntos fuzzy obtidos, em uma sada numrica. Dentre os mtodos de defuzzificao abordados na literatura, tem-se: Centro de rea ou Centro de gravidade, Centro de somas, Centro de rea mxima, Meio do mximo, Bisector, entre outros. O mtodo de defuzzificao utilizado neste trabalho foi o Bisector, ou Mediatriz, no portugus. Este mtodo a linha vertical que divide a regio em duas sub-regies de rea igual. , s vezes, coincidente com a linha centride, mas nem sempre, como se pode verificar na figura 14.

36

Figura 147: Diferena entre os mtodos Centride e Mediatriz.

A equao para se encontrar a rea correspondente ao mtodo Mediatriz, segundo Gouden et al (2009), :

E a aplicao da equao pode ser verificada graficamente na figura 15, que segue:

Extrado de: www.mathworks.com/products/fuzzylogic/demos.html?file=/products/demos/shipping/fuzzy/defuzzdm.ht ml. Acessado em 03/06/10.

37

Figura 15: Mtodo Mediatriz de defuzzificao, (GOUDEN et al., 2009).

1.4.7 - Caractersticas gerais de um controlador fuzzy

Um controlador dito robusto se ele insensvel s variaes nos parmetros do processo a ser controlado. Um controlador fuzzy geralmente robusto em relao s variaes nos parmetros do processo, em funo do processo de codificao. Outra caracterstica importante a sua capacidade de operar com variveis de entrada ruidosa (ou seja, variveis com baixa potncia e alta frequncia). Um dos critrios para medir a capacidade de supresso dos rudos consiste em calcular a razo entre o valor mdio da entrada dividido pela sua varincia (me/ ao de controle (sada) dividido pela sua varincia (ms/ aumenta (
e), s). e),

e o valor mdio da

Um controlador capaz de

manter o valor da ltima frao quase constante, quando a varincia do sinal de entrada considerado robusto em relao aos rudos. Mais detalhes sobre a robustez do controlador fuzzy utilizado neste trabalho podem ser encontrados no captulo 3, que trata dos Materiais e Mtodos empregados para a elaborao do mesmo. Foi utilizado o mtodo MSE para avaliao da robustez do controlador, que tambm ser mais bem explicado no captulo 4, o qual trata dos resultados obtidos. Um controlador fuzzy geralmente dito robusto em relao aos rudos, j que sua ao de controle calculada em funo de vrias regras que no so afetadas da mesma forma pelos rudos. Uma outra caracterstica que no h necessidade de escrever uma regra para cada situao possvel ou todas as regras possveis para uma dada aplicao, uma vez que as

38 sadas podem ser avaliadas em funo das regras mais prximas. Isto decorre do fato da varivel lingustica ser definida por uma funo de pertinncia que cobre uma faixa de valores das variveis de entrada. Portanto, uma regra que faa uso desta varivel lingustica voltada para toda uma faixa de valores. Isso permite ao controlador certo poder de generalizao e a diminuio do nmero de regras necessrias para cobrir todo o universo das entradas. Obviamente, para problemas simples, a soluo tima do ponto de vista econmico continuar sendo o uso de controladores do tipo PID (Proporcional-IntegralDerivativo). De fato, o controlador PID clssico um algoritmo simples e comprovadamente robusto. Estima-se que mais de 85% das malhas de controle de uma planta de processo industrial, como as da rea petroqumica, utilizam este controlador, pois possui somente trs parmetros a serem ajustados (CAMPOS e SAITO, 2004) e o controlador fuzzy possui maior complexidade e nmero maior de parmetros a serem ajustados. Entretanto, para problemas mais complexos, o controlador fuzzy pode vir a ser uma soluo mais adequada, pois permitir a operao do sistema em uma regio maior de funcionamento, ou mais prxima dos limites de operao do processo. Segundo Antnio (2004), algumas outras vantagens do controle fuzzy que ele flexvel, pois para cada dado sistema, possvel alterar a parametrizao ou a configurao do sistema sem necessariamente comear o processo do incio; pode modelar funes no-lineares de grande complexidade, podendo, ainda, utilizar tcnicas adaptativas; e pode ser aliado s tcnicas de controle convencionais, sem as substituir, de modo a simplificar a sua implementao.

39

2 - ESTADO DA ARTE

Neste captulo, ser mostrado, de forma breve, de que modo est a pesquisa no meio acadmico com a utilizao de controles avanados para o pndulo invertido. O trabalho no visou esgotar o assunto, mas criar uma boa base de pesquisa para este e para os futuros. De acordo com Ribeiro (2007), durante os trs ltimos sculos, o pndulo foi o mais confivel medidor de tempo, sendo substitudo, nas ltimas dcadas, por oscilaes atmicas ou eletrnicas. Para isso, um relgio de pndulo deve ter a amplitude do movimento sempre constante, apesar de as perdas por atrito afetarem todo o sistema em si. Pequenas variaes na amplitude, como 4 ou 5, fazem um relgio adiantar cerca de quinze segundos por dia, o que no tolervel mesmo sendo um relgio caseiro. Para manter a amplitude constante, necessrio contrabalanar com pesos ou molas, fornecendo energia adicional que compensa as perdas devidas ao atrito. Como j mencionado, o pndulo invertido um sistema intrinsecamente instvel e complexo para se analisar por meio de seu modelo matemtico completo, por isso vrios pesquisadores abordam este sistema atravs de diversas formas de controle. Dentre algumas aplicaes que utilizam os conceitos relacionados ao estudo do pndulo, uma relativamente recente o controle da oscilao de arranha-cus, encontrado em Ribeiro (2007). As construes de grandes alturas tendem a apresentar o inconveniente de se tornarem vulnerveis a aes de ventos, o que causa oscilaes desagradveis; e, em alguns locais, tornam-se at mesmo perigosas. Uma soluo implementada foi instalar grandes contrapesos mveis no topo destes edifcios de forma que, com o auxlio de acionamentos hidrulicos, eles possam se mover de um lado para o outro, o que compensa a ao da fora do vento e reduz, deste modo, a amplitude do movimento da estrutura. Assim, foram desenvolvidas vrias tcnicas para proteo de edifcios em regies onde ocorrem terremotos. Segundo a Earthquake Protection Systems, Inc.8 (Sistemas de Proteo contra Terremotos), foi desenvolvido, na dcada de 80, um conceito original de um mecanismo para proteo ssmica denominada mancais Friction Pendulum. Ele pode ser utilizado na proteo de edifcios, pontes e instalaes industriais contra abalos
8

Disponvel em http://www.earthquakeprotection.com/TechnicalCharacteristicsofFPBearngs.pdf. Acessado em 21/06/2010.

40 ssmicos. So utilizadas duas placas metlicas, uma plana e a outra convexa. Uma esfera colocada entre as placas, em cada ponto de sustentao da estrutura, permite que o conjunto seja protegido e mova-se suavemente sobre a base de apoio no solo durante os tremores de um possvel terremoto. Exemplos do funcionamento podem ser verificados na figura 16 e algumas aplicaes do Friction Pendulum podem ser vistas, na figura 17, como a Ponte Benicia-Martinez, Baa de Suisun (Califrnia, EUA), e o Aeroporto Internacional de So Francisco (Califrnia, EUA).

Figura 169: Princpio de funcionamento e construo do Friction Pendulum em operao. Fonte: Earthquake Protection Systems, Inc.

Extrado de:Earthquake Protection Systems, Inc.

www.earthquakeprotection.com/TechnicalCharacteristicsofFPBearngs.pdf. Acessado em 21/06/2010.

41

Figura 1710: Fotos do Friction Pendulum, e de aplicaes como a ponte Benicia-Martinez e o Aeroporto Internacional de So Francisco.

De acordo com Silva (2009), modelos biomecnicos do modo de caminhar dos seres humanos tm aplicaes em muitas reas como esportes, fabricao de calados, robtica, etc. A posio ereta estvel de um homem ao caminhar se aproxima muito de um pndulo invertido pivotado em suas articulaes. O resultado desta modelagem conhecido como Pndulo Invertido Humano (HIP - Human Inverted Pendulum). Outros autores que abordaram esta aplicao, por exemplo, so Mochizuki e Amadio (2003). Ainda, segundo o mesmo autor (SILVA, 2009), a maioria dos trabalhos desenvolvidos com o pndulo desenvolvida com a haste articulada presa a um carro mvel sobre um trilho. Contudo, possvel encontrar sistemas com mais de um grau de liberdade como o Double inverted pendulum, encontrado em Yi et al. (2002), ou onde o movimento do carro no est limitado a somente um eixo como o veculo de duas rodas baseado no pndulo invertido. H tambm o SegwayTM, uma verso comercial desse sistema.

10

Extradas, respectivamente, de: sdvc.kaist.ac.kr/pics/pcd/2fp1.htm; california.construction.com/images/0508_city-hall3.jpg; www.aaroads.com/california/images680/i680_benicia-martinez_bridge_view.jpg; en.academic.ru/dic.nsf/enwiki/156055. Acessado em 03/06/2010.

42

Figura 18: SegwayTM e esquema de um pndulo invertido duplo (SILVA, 2009).

Astrom e Furuta (1996) apresentam um outro tipo de abordagem para o levantamento do pndulo, que chamado de swing-up, e seu equilbrio. O controle obtido pela informao da energia do pndulo ao invs dos dados da sua posio e velocidade. O comportamento global da operao de levantamento da haste completamente caracterizado pela razo entre a mxima acelerao do pndulo e a acelerao da gravidade. Dentro da rea de lgica fuzzy aplicada ao pndulo invertido, encontram-se vrios trabalhos publicados. Miranda et al. (2003) tiveram como objetivo estudar as noes bsicas sobre os conjuntos fuzzy e compar-las com os conjuntos clssicos e tambm representar o conhecimento de um especialista num determinado domnio e a arquitetura de um sistema de controle difuso com a inferncia de Mamdani, e com isso complementar a codificao de um sistema de controle fuzzy, usando linguagem C, aplicado ao controle do equilbrio de um pndulo invertido simplificado. Silva (2009) desenvolveu um controlador fuzzy para o pndulo invertido e o comparou com um controlador PID (Proporcional-Integral-Derivativo), fazendo relaes entre o desempenho dos mesmos, o que no foi o objetivo deste trabalho. Ribeiro (2007) construiu um sistema de controle de um pndulo invertido com o uso de componentes simples, para obter uma aplicao prtica onde se testaram e foram comparadas diversas estratgias de controle alternativas. J Romero e Orces (2007)

43 implementaram um controlador PID (Proporcional-Integral-Derivativo) para o pndulo invertido. No trabalho de Wal (1995), apresentam-se vrias aplicaes da lgica fuzzy na indstria, com um panorama das vrias formas que ela pode ser usada para melhorar o controle industrial. Ele mostra como exemplo a contribuio da lgica fuzzy incorporada ao hardware de um controlador industrial (PID), sem que o operador tenha qualquer conhecimento a priori do sistema a ser controlado. Outro exemplo a como a superviso implementada em software e melhora o funcionamento de um forno de sinterizao por meio de uma sutil combinao de gesto de prioridades e calendrio por desvio controlado. Alvarez e Castro (2002) apresentam um modelo de desenvolvimento baseado em ferramentas de inteligncia artificial e as tcnicas de controle PID (ProporcionalIntegral-Derivativo) clssico. O sistema apresenta um mtodo fuzzy e um PID que foram ajustados por algoritmos genticos. A interao destas tcnicas comparou um tipo de controle fuzzy com um outro tipo de controle. Como simulao dos resultados, implementou-se o controlador num pndulo invertido real. Olvera e Lpez (1995) tambm usam mtodos de ajustes das funes de pertinncia e regras de um controlador fuzzy mediante o uso de algoritmos genticos e implementam isto num pndulo invertido. Campos (2008) props um levantamento das aplicaes de controladores fuzzy na PETROBRAS. Um controlador multivarivel fuzzy para otimizao da operao de uma plataforma de produo de petrleo foi implementada na P-19, localizada na Bacia de Campos-RJ. Este sistema foi implementado acima do supervisrio, lendo dados brutos e atuando na planta atravs do mesmo. O principal objetivo deste controlador proporcionar um nvel extra de controle para a planta, evitando que a mesma atinja os pontos de trip do sistema de segurana; pois, neste caso, a produo ser interrompida, com todas as perdas associadas. Outra aplicao foi um controlador fuzzy alocando a carga dos fornos da unidade de Destilao, tendo como objetivo otimizar a planta, respeitando as restries e estabilizar o processo, considerando as interaes entre as diversas variveis. Outras aplicaes interessantes so encontradas ainda neste artigo. Costa et al. (2009) apresentam a implementao didtica de uma metodologia para controle fuzzy de sistemas no-lineares. Primeiramente, uma planta no-linear, o atrator de Lorenz representado com o modelo nebuloso Takagi-Sugeno. Em seguida,

44 empregado um controlador nebuloso usando o conceito de Compensao Paralela Distribuda. Por fim, implantam-se estes conceitos no SimulinkTM a fim de obter uma melhor visualizao e compreenso da aplicao de um projeto de controlador nebuloso. A principal idia do modelo nebuloso T-S dividir um sistema no-linear em sistemas lineares por partes a partir de regras nebulosas. Para cada regra nebulosa, projetado um controlador nebuloso capaz de garantir estabilidade ao sistema. Souza (2006)
tambm aborda o problema de modelagem e controle de uma classe de sistemas no-

lineares utilizando modelos fuzzy Takagi-Sugeno, como tambm Tavares et al (2006). Morais et al. (2005) tiveram por finalidade o estudo da construo e comparao de dois controladores: o PID (Proporcional-Integral-Derivativo) e o fuzzy. O primeiro por sua funcionalidade, enorme utilizao e simplicidade de implementao. O segundo por proporcionar a possibilidade de superviso inteligente baseada apenas em informaes qualitativas sobre a operao do sistema. Ambos so aplicados ao sistema do pndulo invertido. Diferentemente disto, Widjaja (1996) descreve um procedimento de sntese de controlador fuzzy e utiliza-se de estratgias de controle LQR para modelagem do controle e aplica isto tambm no sistema pndulo invertido. No artigo de Yi e Yubazaki (2000) descreveram um novo controlador fuzzy para a estabilizao do sistema pndulo invertido tendo como base o Mdulo de Regras de Simples Entradas (SIRMs: Single Input Rule Modules), dinamicamente conectados por um modelo de inferncia fuzzy. O controlador fuzzy tem quatro pontos de entrada, cada um com uma SIRM e um dinmico grau de importncia. O SIRMs e os graus de importncia dinmicos so projetados de tal forma que o controle angular do pndulo tenha prioridade sobre o controle da posio do carro. claro que o controlador fuzzy desempenha o controle angular e o controle de posio do carro em paralelo, e a alternncia entre os dois controles realizado automaticamente pelo ajuste dos graus de importncia dinmicos de acordo com as situaes de controle. Os resultados das simulaes mostram que o controlador fuzzy proposto tem uma alta capacidade de generalizao para estabilizar completamente uma ampla gama de sistemas de pndulos invertidos. Isto se relaciona, em parte, com o presente trabalho, pois o mesmo deu prioridade ao controle de posio angular do pndulo na base de regras. Com respeito ao trabalho de Zavala et al (2009), apresenta-se um estudo experimental de um controlador fuzzy projetado em um microcontrolador PIC. O controlador implementado como uma alternativa para o problema do controle de um

45 equipamento pndulo invertido em uma plataforma mvel que pode mover-se somente em duas direes (esquerda e direita) para mostrar o seu desempenho. Ele apresenta a descrio da estrutura do sistema, tanto de hardware desenvolvido como o algoritmo de controle. O controlador do sistema pode funcionar como um sistema mnimo ou, ainda, ser conectado a um computador para analisar graficamente a evoluo de variveis no tempo, em um ambiente Windows. O trabalho mostra os resultados obtidos atravs da aplicao deste tipo de controle para o pndulo invertido e a reao do estado estvel aos choques externos. Castaos e Carrera (2004) propuseram um esquema simples que leva o pndulo do ponto de equilbrio estvel ao de equilbrio instvel, com o controle de posio do carro que faz o pndulo entrar em ressonncia, e ao entrar na posio vertical, muda para um sistema de regulao do pndulo. Para a elaborao dos controladores, usou-se o controle por LQR discreto. Eles mostram resultados por simulaes e como resultado dessa experincia, foi implementado o controle num pndulo invertido, para comprovao dos algoritmos de controle. Existem ainda muitos outros trabalhos relacionados com o controle fuzzy e o pndulo invertido, os quais podem servir de base para estudo do caso tratado neste trabalho. Dentre alguns importantes, podem-se citar Cavalcanti et al. (1999), que falam do posicionamento do pndulo invertido utilizando algoritmos genticos; Gonalves (2006), o qual utiliza filtros de Kalman para simulao e controle do pndulo; Li e Xu (2009) que tambm fazem uso de controle fuzzy, assim como Quadrelli et al. (2003), os quais tratam do controle das plantas no-lineares. Minhoto et al. (2000) fazem uso de modelos fuzzy e LMI para controle de sistemas no-lineares tendo com exemplo o pndulo invertido. No prximo captulo, poder se ver a construo do controlador fuzzy utilizado, e dos Materiais e Mtodos usados para tal.

46

3 MATERIAIS E MTODOS

Ser apresentado, neste captulo, como foi a elaborao do controlador fuzzy para o pndulo invertido, seus ajustes e peculiaridades encontradas ao longo da execuo do trabalho.

3.1 - Criao da planta do processo Com base em trabalhos realizados no Laboratrio de Automao Inteligente (LAI) do IFF Campus Campos-Centro, este trabalho optou por utilizar como base de incio os modelos fornecidos pelo prprio fabricante do kit Pndulo Invertido e fazer as alteraes necessrias com o controle fuzzy neles. Estes j possuam diagramas de blocos no SimulinkTM para leitura da posio do carro e da posio do pndulo, como pode ser verificado na figura 19:

Figura 19: Planta de processo do kit Pndulo Invertido.

Fez-se necessria a incluso de dois blocos de ganho na planta, para codificar as leituras dos encoders do carro e do pndulo para a leitura do programa, pois necessria a mudana de range dos conversores A/D (Analgico-Digital) e D/A (Digital-Analgico), que so de 11 bits, para radianos e metros, para uma melhor leitura dos dados. O ganho inserido no sinal do carro foi de 0.156/2048, para transformar a medida da posio do carro em metros, e o ganho inserido no sinal do pndulo foi de

47 -2 /2048, para transformar a medida da posio do pndulo em radianos. Isto foi verificado nos manuais do kit, aps estudos feitos no LAI, em pesquisa em relatrios 11 e trabalhos encontrados no mesmo, como visto no captulo 1. Inicialmente, foi proposta a incluso de duas variveis de entrada no controlador fuzzy para o Pndulo invertido, sendo elas o erro de posio angular do pndulo e o erro de posio do carro, como pode ser visto na figura 19. Isto se deu com base em outros trabalhos realizados com o kit do pndulo invertido no LAI. Obteve-se xito na construo de controladores fuzzy para o pndulo com o problema do Guindaste, em que ele controlado com a haste voltada para baixo. Porm, o mesmo xito encontrado para o controlador do Guindaste no pode ser obtido para o controlador do Pndulo. Foi necessria a insero de novas variveis, que foram a variao do erro de posio do pndulo ( Epp), a qual faz a diferena entre o erro de um dado instante T (ET) e o erro no instante anterior T-1 (ET-1), ficando Epp = E
T

ET-1; e a

posio do pndulo, para indicar ao controlador se o pndulo se encontra esquerda do ponto central da haste horizontal ou direita do mesmo. A incluso desta ser mais abordada no item 3.2, na elaborao das funes de pertinncia. Tambm foi necessria a retirada da leitura de posio do carro, j que o objetivo do trabalho o controle de posio angular do pndulo invertido e pela dificuldade encontrada em trabalhar com esta varivel. O componente set-point, que o que se deseja para a varivel de processo e tem como objetivo definir o comportamento do ponto de operao a ser aplicado no processo ao longo de todo o perodo de simulao, ficou estabelecido como 6,28 rad, que representa o pndulo na posio vertical, como pode ser verificado na figura 20 a seguir:

Figura 2012: Zona de ao do algoritmo de controle.

11

ARAJO et al (2008). Relatrio do estudo do modelo, identificao e simulao do sistema de controle digital de rejeio ao distrbio de posio do kit pndulo digital. Documento interno do Laboratrio de Automao Industrial (LAI) - Instituto Federal Fluminense Campus Centro. Campos dos Goytacazes, RJ.

48

Ento, o novo modelo do processo do kit Pndulo ficou assim demonstrado na figura 21:

Figura 21: Nova planta de processo do kit Pndulo.

Pode-se notar que, alm da retirada da leitura da posio do carro, foi inserido um bloco de atraso no tempo, unit delay, para fazer a diferena entre os instantes dos erros, a fim de se obter a varivel variao do erro de posio do pndulo.

3.2 - Elaborao das funes de pertinncia O primeiro controlador estabelecido para este trabalho foi feito com o uso de trs funes de pertinncia para cada varivel, sendo elas Negativo (NEG), Positivo (POS) e Zero (Z). Elas foram definidas por meio de simulaes e inspees feitas de acordo com o kit do Pndulo, com a organizao eficaz e suave das variveis para o movimento do pndulo. Dietrich (2008 apud SILVA, 2009) determina empiricamente que o domnio mximo para o valor da varivel de entrada erro de posio angular do pndulo de 45, que equivale a 0.8 rad, como utilizado no controlador fuzzy que Silva (2009) implementou. Aqui, neste trabalho, utiliza-se o range, ou domnio, para esta varivel de 0.7 rad, segundo inspees atravs de leituras nos grficos obtidos da posio do pndulo no MATLABTM. Para esta varivel, foram criadas as seguintes funes de pertinncia:
12

Extrado de: Feedback Instrument Ltd, Manual: 33-935/936-1V60, 2002.

49

Figura 22: Funes de pertinncia da varivel de entrada erro de posio angular do pndulo.

Para a entrada variao do erro de posio angular do pndulo, foi estabelecido como limites aceitveis o dobro do domnio da varivel anterior, ou seja, 1.5 rad. Ela pode ser verificada tambm na figura 23:

Figura 23: Funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo.

E para a varivel de entrada posio do pndulo, criaram-se as seguintes funes de pertinncia:

50

Figura 24: Funes de pertinncia da varivel de entrada posio do pndulo.

Houve a necessidade da insero desta varivel, pois ao se construir o conjunto de regras para este primeiro controlador, encontrou-se certa dificuldade para se estabelecer a sada do controlador quando o erro de posio angular do pndulo era Zero. Descobriu-se que era necessrio saber, para este caso especfico, se a haste do pndulo se encontrava esquerda do set-point estabelecido ou direita, para se inferir as regras de sada, como pode ser verificado na figura 25.

Figura 25: Esboo do pndulo invertido.

Nota-se pela figura 25 que, direita do ponto central da haste horizontal, a tenso atuante positiva e vice-versa, e o * na figura indica que o pndulo decrementa direita da posio vertical, ou set-point, isto , ele diminui o seu valor de posio em radianos no sentido horrio e aumenta (ou incrementa) no sentido anti-horrio.

51 importante ressaltar que, ao iniciar uma simulao no kit, necessrio que o pndulo esteja colocado na posio vertical invertida, pois o controlador fuzzy criado controla o mesmo nesta posio, mas no o conduz at ela, se ele estiver em sua posio normal, que para baixo. Assim, baseado no movimento do pndulo invertido e na leitura das posies do carro, que esquerda do ponto central da haste horizontal, obtm-se tenso negativa, e direita, obtm-se tenso positiva, o primeiro conjunto de regras obtido apresentado na tabela de inferncia 1.

3.3 - Controlador de 11 regras

Epp Epp
NEG NEG Z POS NEG NEGE/POSD PG Z NEG Z PG POS NEG NEGE/POSD PG

Tabela 1: Primeiro conjunto de regras para o controlador fuzzy. Epp= varivel erro de posio angular do pndulo; Epp= varivel variao do erro de posio angular do pndulo.

Este primeiro conjunto de regras obtido teve 11 regras e ficou caracterizado por isso, pois aps simulaes feitas, passou por alteraes nas funes de pertinncia de suas variveis. Nota-se que quando a varivel erro de posio angular do pndulo Zero, h duas sadas na tabela: uma considerando o pndulo na esquerda, como, por exemplo POSE, e outra considerando o pndulo na direita, POS D. Esta tabela de inferncia mostra a ao de sada do controlador para as possveis situaes encontradas no kit Pndulo Invertido. Para a sada do controlador fuzzy do pndulo invertido, criou-se a varivel Tenso, com domnio de 2 V, respeitando-se os limites de tenso do kit.

52

Figura 26: Funes de pertinncia para a varivel de sada Tenso.

Este primeiro controlador de 11 regras funcionou razoavelmente bem com as funes de pertinncia mostradas anteriormente. E aps vrias simulaes feitas com alteraes nos formatos das funes das variveis de entrada e sada, chegou-se a um controlador mais apurado, com as seguintes mudanas efetuadas na varivel de sada Tenso, apresentadas na figura 27:

Figura 27: Nova configurao das funes de pertinncia da varivel de sada Tenso.

Uma das grandes vantagens do controlador fuzzy que o mesmo possui uma lei de controle no-linear. Ao desenhar-se a superfcie de controle do controlador de 11 regras do pndulo, pode-se verificar que a funo no-linear, pois o grfico se mostra em 3 dimenses, e no em duas como costumeiramente acontece nas superfcies dos controladores clssicos, como o PID (Proporcional-Integral-Derivativo). A superfcie do controlador de 11 regras mostrada na figura 28, onde as variveis de entrada (erro de posio angular do pndulo e variao do erro de posio angular do pndulo)

53 percorrem os seus respectivos universos de discurso, e calculada para cada entrada, a varivel de sada do controlador (Tenso).

Figura 28: Grfico da superfcie do controlador fuzzy de 11 regras.

Muitos autores fazem uso do estudo da superfcie de controle para escolher os seus controladores, como pode ser visto em Hussein et al. (2007) e em Wal (1995). Os grficos de desempenho deste controlador e as comparaes entre suas variaes sero vistos no captulo 4. Como j dito anteriormente no captulo de fundamentao terica, o mtodo de defuzzificao utilizado para os controladores do pndulo foi o Mediatriz, aps longos experimentos realizados com o equipamento e descoberta emprica que este mtodo era o que melhor se encaixava no objetivo proposto.

3.4 - Controlador de 21 regras Logo aps a elaborao do primeiro controlador de 11 regras, observou-se a necessidade de se obter um controlador com melhor desempenho. Decidiu-se, ento, inserir cinco funes de pertinncia em cada varivel do controlador, o que resultou nestas: Muito Negativo (MN), Pouco Negativo (PN), Zero (Z), Pouco Positivo (PP) e Muito Positivo (MP). E manteve-se a varivel posio do pndulo com o mesmo formato, conforme explicao abordada anteriormente sobre sua insero no controlador.

54 Inicialmente, as variveis de entrada ficaram com as seguintes funes de pertinncia:

Figura 29: Funes de pertinncia da varivel de entrada erro de posio angular do pndulo, para o controlador de 21 regras.

Figura 30: Funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo, para o controlador de 21 regras.

Figura 31: Funes de pertinncia da varivel de entrada posio do pndulo.

55

Este segundo conjunto de regras obtido teve a seguinte tabela de inferncia:

Epp
MN PN Z MN PN PNE/PPD PNE/PPD PP MP PN Z PP MP PN MNE/MPD PP MP MNE/MPD PP MP MN

Epp

MN PN Z PP MP

MN

Tabela 2: Segundo conjunto de regras para o controlador fuzzy. Epp= varivel erro de posio angular do pndulo; Epp= varivel variao do erro de posio angular do pndulo.

Para desenhar uma tabela de inferncia com as bases de regras, utiliza-se uma matriz que cubra todas as possveis combinaes das entradas, como j visto anteriormente. Esta tcnica bem conveniente e encontrada em vrios autores, como por exemplo, em Beristain (2000) e em Sousa e Francisco (2010). Dela, podem derivarse todas as regras que iro formar uma base completa. Porm, pode-se verificar que a tabela anterior possui 21 regras, que caracteriza o nome do controlador, no foi totalmente preenchida. Isto se deu visto que as 21 regras atendem satisfatoriamente o objetivo proposto, que de controlar o pndulo na posio vertical, e por limitaes da verso do software MATLABTM e da configurao do computador agregado ao kit. Pode-se notar novamente que quando a varivel erro de posio angular do pndulo Zero, h duas sadas na tabela para a ao de controle, que leva em considerao a posio do pndulo em relao ao set-point. Para a varivel de sada Tenso, foram criadas as seguintes funes de pertinncia:

56

Figura 32: Funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras.

Este segundo controlador de 21 regras tambm funcionou razoavelmente bem, com as funes de pertinncia mostradas anteriormente. E depois de algumas simulaes feitas com alteraes nos formatos das funes das variveis de entrada e sada, chegou-se a melhores desempenhos, com as seguintes mudanas efetuadas:

Figura 33: Nova configurao das funes de pertinncia da varivel de entrada erro de posio angular do pndulo, para o controlador de 21regras.

57

Figura 34: Nova configurao das funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo, para o controlador de 21 regras.

E dentre essas variaes feitas, tambm variaram as funes de pertinncia da varivel de sada Tenso, onde se obteve, para cada nova formatao mostrada a seguir, um novo tipo de controlador:

Figura 35: Nova configurao para as funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras.

58

Figura 36: Outra configurao para as funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras.

A superfcie no-linear de controle para este controlador de 21 regras se portou da seguinte maneira:

Figura 37: Grfico da superfcie do controlador fuzzy de 21 regras.

Tanto o grfico de superfcie do controlador de 21 regras quanto o de 11 regras sofreram mudanas com as variaes realizadas nos parmetros dos controladores. As superfcies aqui demonstradas foram dos primeiros controladores elaborados e tiveram o objetivo de visualizar a no-linearidade que controladores fuzzy obtiveram neste trabalho.

59

4 - RESULTADOS
Verificam-se, neste captulo, os resultados obtidos atravs das simulaes feitas com os controladores e o xito encontrado a partir dos mesmos.

4.1 - Controlador de 11 regras Como primeiro controlador utilizado para o pndulo invertido, o de 11 regras se comportou de maneira satisfatria desde o primeiro estabelecido, e aps variaes feitas e simuladas, chegou-se ao seguinte resultado expresso na figura 38:

Figura 38: Grfico de resultado para o controlador de 11 regras.

Pode-se notar que h o controle para a posio do pndulo. Muito embora haja vibraes no grfico, o controlador fuzzy consegue atuar e trazer o pndulo para a posio de set-point. Notam-se tambm, neste grfico e nos posteriores, alguns picos de vibraes. Eles so entradas em distrbios, mostradas pelas setas, feitas manualmente no pndulo, para verificar o desempenho e a qualidade do controlador. Com isso, percebeu-se que a capacidade do sistema em compensar distrbios externos foi

60 satisfatria. Com o pndulo numa posio estvel, o mesmo foi manualmente movido de sua posio de equilbrio. A reao do sistema foi registrada e o resultado indicou que o controlador capaz de compensar estes distrbios dentro de determinada faixa de perturbao. Para se estabelecer um rigor maior para a robustez do controlador, foi utilizado um mtodo de desempenho, com o auxlio do MATLABTM, chamado MSE. MSE (Medium Squared Error) um tipo de funo de desempenho usado para avaliao de dados. Ele faz essa medio de acordo com a mdia dos erros ao quadrado. Quanto menor for o valor do MSE, melhor ser o desempenho para o problema em questo. possvel encontrar o uso deste mtodo em vrios autores, como por exemplo, Cun et al. (1990). No caso do controlador do pndulo invertido, a diminuio do valor do MSE significa que menor a diferena entre a posio do pndulo e o set-point, pois com o resultado dessa diferena que calculado o MSE. Para o controlador em questo, o valor do MSE encontrado foi 0.9978. O grfico da diferena entre a posio do pndulo e o seu set-point, para melhor entendimento para a validao do de 11 regras, pode ser visto na figura 39:

Figura 39: Grfico de desempenho para o controlador de 11 regras. Diferena entre a posio angular do pndulo e o set-point.

O controlador fuzzy de 11 regras para o pndulo invertido se mostrou til, pois alcanou o objetivo de manter a posio do pndulo junto ao seu set-point, e serviu

61 como base para a construo e verificao do controlador de 21 regras, o qual ser abordado na seo a seguir.

4.2 - Controlador de 21 regras O controlador fuzzy de 21 regras para o pndulo invertido foi o que mais sofreu variaes neste trabalho e que tambm se mostrou satisfatrio nas simulaes dos seus variados tipos. Dois tipos com bons desempenhos podem ser verificados pelo grfico do resultado expresso nas figuras 40 e 41 a seguir:

Figura 40: Grfico de resultado para o controlador de 21 regras.

62

Figura 41: Novo grfico de resultado para o controlador de 21 regras.

Tambm para este controlador foi utilizado o teste de desempenho MSE. Dentre as variaes feitas, pode verificar-se com o clculo do MSE que a diferena entre a posio do pndulo e o set-point diminuiu. Este apresentou valores decrescentes de 0.8921, 0.7533 e 0.6448. O grfico da diferena entre a posio do pndulo e o set-point para o ltimo valor de MSE citado ficou da seguinte forma:

63

Figura 42: Grfico de desempenho para o controlador de 21 regras. Diferena entre a posio angular do pndulo e o set-point, em AZUL.

Os controladores de 21 regras se mostraram com melhores desempenho e robustez, pois obtiveram boa rejeio a distrbios feitos manualmente no pndulo. Nota-se isso tambm pela diminuio do valor do erro MSE entre o controlador de 11 regras e os de 21 regras, como pode ser verificado na tabela 3 abaixo:
CONTROLADORES

Alteraes realizadas 1 2 3 4

11 regras 0.9978 -

21 regras 0.8921 0.7533 0.6448

Tabela 3: Controladores com seus respectivos valores de MSE.

64

5 CONSIDERAES FINAIS E SUGESTES PARA TRABALHOS FUTUROS

O surgimento de diferentes abordagens da rea de inteligncia artificial motivo de grande interesse, pois se nota uma crescente pesquisa nesse campo, nas ltimas dcadas, pois a possibilidade de conseguir modelos to ou mais robustos e eficientes quanto aos que utilizam controle clssico para a resoluo de diversos problemas, mostra-se como uma atraente opo, embora no seja o foco deste trabalho a comparao com o controle clssico. Os comentrios obtidos, em pesquisa de artigos, monografias e dissertaes sobre o pndulo invertido e o seu controle so frequentes, mas geralmente se mostram superficiais no que diz respeito parte prtica e normalmente apresentam-se com o intuito de ilustrar os conceitos tericos. Foram encontradas vrias abordagens diferentes para modelagem e controle para o sistema do pndulo. Os resultados encontrados neste trabalho indicam o potencial da utilizao da lgica e controle fuzzy na implementao de experincias prticas em sistemas de controle de processos multivariveis, inerentemente instveis, no triviais, que apresentam no-linearidade e com certo grau de complexidade. As simulaes realizadas com o kit em laboratrio apresentaram resultados satisfatrios e so relativamente prticos de serem reproduzidos, pois a validao experimental foi cumprida. Como visto neste trabalho, os controladores fuzzy permitem o controle de sistemas por meio de informaes qualitativas, sem a expressa necessidade de modelar o sistema. Assim, sistemas de dinmica multivarivel e no-linear podem ter um controle eficiente sem a necessidade de linearizao do sistema. O objetivo proposto a implementao e testes com o controlador - foi alcanado, no que diz respeito ao controle de posio do pndulo, o qual se apresentou satisfatoriamente em dois tipos de controladores obtidos e com vrios tipos de variaes nos mesmos. De acordo com as anlises e os resultados demonstrados neste trabalho, pode-se concluir que os controladores utilizados so de grande interesse, pois minimizam o esforo humano na elaborao dos mesmos, por obterem resultados satisfatrios e por serem estruturas que no apresentam necessidade do modelo do processo.

65 Este trabalho visou apresentar novos campos de pesquisa para o controle de processos, no s valendo-se das novas tcnicas avanadas, mas com o entendimento de que tambm tanto o controle convencional como o avanado precisam servir de base firme e bem fundamentada para o engenheiro de controle e automao.

5.1 - Sugestes para trabalhos futuros Como o sistema referido no-linear, fica aqui expresso como sugesto o uso de outras aplicaes tanto de processamento de sinais quanto de controle, como o uso de outros controladores fuzzy com diferentes funes de pertinncias e regras; uso de controle adaptativo; utilizao de controladores LQR (Linear Quadratic Regulator); de controles timos de tempo, etc. Embora no tenha sido o objetivo deste trabalho por questes de mtodo adotado, sugere-se a identificao do modelo do pndulo, como a identificao com o uso de Redes Neurais Artificiais, modelos Auto-Regressivos, etc. Adoo de projetos de controladores para outros casos especficos, como por exemplo, o controle do pndulo invertido com rastreamento de trajetria pelo carro, j que o presente trabalho no abordou esta varivel. Tambm muito vlido salientar que o kit Pndulo Invertido da FEEDBACK que se encontra no LAI est conectado a um computador que tem se tornado obsoleto. Trabalhos futuros podem estudar a ligao do kit com outro computador com melhor hardware e software, atravs de protocolo de redes, como o uso do padro OPC (Ole for Process Control) para esta comunicao. Muitos outros estudos podem ser estabelecidos com o uso do pndulo invertido. Outras sugestes podem ser encontradas no trabalho de Castro (2008), o qual se encontra tanto na biblioteca do IFF quanto no LAI. Este trabalho espera tambm servir de apoio e incentivo para outros alunos que queiram estudar e realizar trabalhos futuros com o kit do LAI, pois se deseja que os alunos do curso de Engenharia de Controle e Automao coloquem em prtica os conhecimentos que obtiveram durante o curso e utilizem o LAI para seus estudos.

66

REFERNCIAS

ALVAREZ, Carlos A.; CASTRO, Wilson G. Mdulo para Sistemas Basados en Tcnicas de Inteligencia Artificial: Aplicacin al Pndulo Invertido. 2002. ANTNIO, Lus Filipe Moleirinho. Modelo Baseado em Inferncia Difusa para a Anlise de Risco na Operao de Sistemas de Energia. Monografia do curso de Licenciatura em Engenharia Electrotcnica e de Computadores. Faculdade de Engenharia da Universidade do Porto, Portugal. 2004. ASTROM, K. J.; FURUTA, K. Swinging Up a Pendulum by Energy Control. In: 13th World Congress of IFAC. Vol. G. San Francisco, CA, EUA. 1996. BERISTAIN, Laura Jimenez. Algunas Aplicaciones de Logica Difusa a Teoria del Control. Dissertao de Mestrado do Curso de Cincias com especialidade em Sistemas Digitais. Instituto Politcnico Nacional, Tijuana, B. C., Mxico. 2000. BURNS, Roland S. Advanced Control Engineering. Traduo dos autores. 1a ed. Woburn, MA, EUA: Butterworth-Heinemann, 2001. CAMPOS, Mario Massa de; SAITO, Kaku. Sistemas inteligentes em controle e automao de processos. Rio de Janeiro: Editora Cincia Moderna Ltda., 2004. CAMPOS, Mario Csar Mello Massa de. Artigo: Aplicaes de Controladores fuzzy na Petrobras. 2008. CASTAOS, F.; CARRERA, R. Levantamiento y Control de um Pndulo Invertido con un Esquema de Control Reconfigurable. 2004. CASTRO, Leandro Santos. Projeto de controlador digital: Problema do Guindaste utilizando o kit da Feedback 33-200/33-201. Monografia do Curso Superior de

67 Tecnologia em Automao Industrial. IFF Campos Campus Centro, Campos dos Goytacazes/RJ, 2008. CAVALCANTI, Jos Homero Feitosa; ALSINA, Pablo Javier, FERNEDA, Edlson. Posicionamento de um Pndulo Invertido usando Algoritmos Genticos. SBA Controle e Automao Vol. 10, n.o 1. 1999. COSTA, Wendel T.; NEPOMUCENO, Erivelton G.; NETO, Oriane M. Controle Nebuloso de Sistemas No-Lineares via Mtodo Takagi-Sugeno: Uma Abordagem Didtica Usando SimulinkTM. Laboratrio de Sistemas e Sinais , Departamento de Eng. Eltrica, Universidade Federal de So Joo del-Rei/MG. 2009. CUN, Yann Le; DENKER, John S.; SOLLA, Sara A. Optimal Brain Damage. AT&T Bell Laboratories, Holmdel, N. J. 07733. 1990. GONALVES, Carlos Wellington Passos. Simulao e Controle de um Pndulo Duplo Invertido. Monografia do Curso de Engenharia Mecatrnica, Universidade de Braslia/DF. 2006. GOUDEN, N. Ammasai; PETER, Sabitha Ann; NALLANDULA, Himaja, KRITHIGA, S. Fuzzy logic controller with MPPT using line-commutated inverter for threephase grid-connected photovoltaic systems. Renewable Energy. Journal homepage: www.elsevier.com/locate/renene. p909-915. 2009. HUAMAN, Ivette R. Luna. Sistemas Neurais Fuzzy Aplicados em Identificao e Controle de Sistemas. Dissertao de Mestrado do curso de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP, 2003. HUSSEIN, T.; ELSHAFEI, A. L.; BAHGAT, A. Design of a Hierarchical Fuzzy Logic PSS for a Multi-Machine Power System. Proceedings of the 15th Mediterranean Conference on Control & Automation, Athens, Greece. 2007.

68 LI, Zhijun; XU, Chunquan. Adaptive Fuzzy Logic Control of Dynamic Balance and Motion for Wheeled Inverted Pendulums. Fuzzy Sets and Systems 160. p1787-1803. www.elsevier.com/locate/fss. 2009. MACHADO, Jeremias Barbosa. Modelagem e Controle Preditivo utilizando Multimodelos. Dissertao de Mestrado. Curso de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP. 2007. MANDANI, E. H. Application of Fuzzy Logic to Approximate Reasoning Using Linguistic Synthesis. Department of Eletrical and Electronic Engineering. Queen Mary College, University of London, England. p196-202. 1976. MINHOTO, Marcelo Carvalho; PIETROBOM, Hilton Cleber; ASSUNO, Edvaldo. Novos Resultados sobre a Estabilidade e Controle de Sistemas No-lineares Utilizando Modelos Fuzzy e LMI. Revista Controle & Automao, Vol 11, no. 1. 2000. MIRANDA, Pedro; VILELA, Mauro Barbosa Junior; KRONBAUER, Diego. Sistema de Controle Difuso de Mandani. Aplicaes: Pndulo Invertido e outras. Monografia do curso de Anlise de Sistemas. Universidade Federal de Mato Grosso do Sul, 2003. MOCHIZUKI, Luis; AMADIO, Alberto C. Aspectos biomecnicos da postura ereta: a relao entre o centro de massa e o centro de presso. Revista Portuguesa de Cincias do Desporto, Vol 3, n.o 3, p77-83. 2003. MORAIS, Marcelo H. Essado de; MURALIKRISHNA, Amita; GUIMARES, Lamartine Nogueira Frutuoso. Sistema de Controle PID e Nebuloso Aplicado ao Problema do Pndulo Invertido. 2005. OGATA, Katsuhiko. Engenharia de Controle Moderno. Traduo: Paulo lvaro Maya. 4. ed., 3 reimpresso 2007. So Paulo: Pearson Prentice Hall, 2003. OLVERA, M. C. Antonio Victor Meja; LPEZ, M. C. Alejandro Aceves. Optimizacin de Controladores Difusos mediante Algoritmos Genticos. XXVI

69 Reunin de Intercambio y Desarrollo Tecnolgico del Sistema ITESM. Instituto Tecnolgico y De Estudios Superiores De Monterrey, Campus Estado de Mxico. 1995. PHILIPS, C. L.; HARBOR, R. D. Sistemas de Controle e Realimentao. Traduo: L. F. Ricardo. So Paulo: Makron Books, 1997. PINKER, Steven. Como a mente funciona. Traduo: Laura Teixeira Mota. So Paulo: Companhia das Letras, 1998. PIRES, Anderson Vasconcelos. Controladores Baseados em Tcnicas de Inteligncia Computacional: Anlise, Projeto e Aplicaes. Dissertao de Mestrado, Curso de Engenharia Eltrica, Universidade Federal de Minas Gerais. 2007. QUADRELLI, G.; TANSCHEIT, R.; VELLASCO, M. M. Neuro-Fuzzy Modelling and Control of Nonlinear Dynamic Systems. Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais, Vol. 1, N.o 1, pp1-9. 2003. RIBEIRO, Ricardo. Implementao de um Sistema de Controle de um Pndulo Invertido. Dissertao de Mestrado. Curso de Engenharia Eltrica. Universidade Federal de Itajub/MG. 2007. ROMERO, Tinoco R. F.; ORCS, Pareja E. H. Modelado, Simulacin y Control de un Pndulo Invertido Usando Componentes Anlogos Simples. 8 Congreso Iberoamericano De Ingenieria Mecanica, Cusco, Peru. 2007. SERRA, Ginalber Luiz de Oliveira. Computao Evolutiva e Sistemas Fuzzy. Trabalho de Reviso bibliogrfica apresentada disciplina Computao Evolucionria, ministrada pelo prof. Dr. Von Zuben, Curso de Computao Evolucionria. Faculdade de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP. 2001. SILVA, Mozzer Antonio de Oliveira. Estudo de Tcnicas de Controle Aplicada ao Sistema Pndulo Invertido. Monografia do Curso de Engenharia de Controle e Automao. Universidade Federal de Ouro Preto/MG. 2009.

70

SOUSA, Adriellen Lima de; FRANCISCO, Leonardo do Esprito Santo. Identificao de Controle Fuzzy de uma Planta Didtica de Nvel. Monografia do Curso de Engenharia de Controle e Automao, Instituto Federal Fluminense Campus Campos Centro, RJ. 2010. SOUZA, Rafael Bellini Marques de. Projeto de Reguladores Fuzzy Takagi-Sugeno Utilizando as Condies Iniciais da Planta. Dissertao de Mestrado. Curso de Engenharia Eltrica, Universidade Estadual Paulista/SP. 2006. TAVARES, Maria Adriana; SANTOS, Rodrigo Borges; NETO, Camilo Mesquita; LOPES, Vicente Jnior. Controle de um Pndulo Invertido utilizando o Modelo Fuzzy Takagi-Sugeno. 16 Simpsio de Ps-Graduao em Engenharia Mecnica. Universidade Federal de Uberlndia/MG. 2006. WAL, A. J. van der. Application of Fuzzy Logic in Industry. Elsevier: Fuzzy Sets and Systems 74, p33-41. 1995. WIDJAJA, M.; YURKOVICH, S. Fuzzy Controller Synthesis for an Inverted Pendulum System. Control Eng. Practice, Vol. 4, No 4, pp.455-469. Elsevier Science Ltd. 1996. YI, J.; YUBAZAKI, N. Stabilization Fuzzy Control of Inverted Pendulum Systems. Artificial Intelligence in Engineering 14, p153-163. www.elsevier.com/locate.aieng. 2000. YI, Jianqiang; YUBAZAKI, Naoyoshi; HIROTA, KAORU. A New Fuzzy Controller for Stabilization of Parallel-Type Double Inverted Pendulum System. Fuzzy Sets and Systems 126, p105-119, www.elsevier.com/locate/fss. 2002. ZADEH, Lotfali Askar. Fuzzy Sets; Information and Control, v.8, n.1, p338-353. Berkeley, Califrnia, EUA. 1965.

71 ZADEH, Lotfali Askar. Outline of a New Approach to the Analysis of Complex Systems and Decision Process. IEEE Transactions on Systems, Man and Cybernetics, Vol. SMC-3, NO. 1, p28-44. 1973. ZAVALA, Salvador Ramrez; ORTIZ, Lus Arturo Gallegos; MARN, Juan Anzurez. Control de un Pndulo Invertido en Tiempo Real Usando Lgica Difusa. Facultad de Ingeniera Elctrica de la Universidad Michoacana de San Nicols de Hidalgo, Divisin de Estudios de Posgrado, Morelia, Michoacn, Mxico. 2009.