IMPLEMENTAÇÃO E ANÁLISE DE CONTROLADOR FUZZY PARA SISTEMAS DIN MICOS COM INTELIGÊNCIA ARTIFICIAL

Autor: Maurício Ferreira Fernandes

RESUMO

Os sistemas de controle são constituídos por um conjunto de dispositivos, tais como sensores, controlador e atuadores, cujo principal objetivo é fazer com que, a partir de um sinal de controle adequado, o valor da variável de processo de um sistema dinâmico siga um dado sinal de referência. Este valor estabelece valores desejados para a saída do sistema com o objetivo de otimizar o funcionamento de um determinado processo. O controlador fuzzy é uma técnica de Inteligência Artificial, e um exemplo de controlador inteligente que se baseia na lógica fuzzy, a qual permite a aplicação do conhecimento humano na solução de problemas com incertezas, como as não linearidades e atrasos de transporte, tão comuns em sistemas dinâmicos. Este projeto tem como principal objetivo implementar e analisar o desempenho deste tipo de controlador em um sistema didático de nível. O intuito é amadurecer o conhecimento de controladores fuzzy para que esta técnica possa ser utilizada em problemas de controle da região, como em apiários, posicionamento de placas fotovoltaicas, estufas, entre outros. O projeto encontra-se em andamento, sendo apresentados neste trabalho os resultados parciais da construção do sistema didático de nível. 

PALAVRAS-CHAVE: Inteligência Artificial. Sistema de nível. Sistema de controle. Controle fuzzy. Supervisão.

ABSTRACT

Control systems consist of a set of devices, such as sensors, controllers, and actuators, whose main objective is to ensure that the process variable of a dynamic system follows a given reference signal through an appropriate control signal. This reference value establishes the desired output to optimize the performance of a particular process. Fuzzy controllers, a type of artificial intelligence technique, are intelligent controllers based on fuzzy logic, allowing the application of human knowledge to solve problems involving uncertainties, such as nonlinearities and transport delays common in dynamic systems. This project aims to implement and analyze the performance of such controllers in a didactic level system. The goal is to enhance the understanding of fuzzy controllers to enable their application in regional control problems, such as beekeeping, photovoltaic panel positioning, and greenhouse management. The project is currently in progress, with partial results of the didactic level system construction presented in this paper.

KEYWORDS: Artificial Intelligence, Level System, Control System, Fuzzy Control, Supervision

1 INTRODUÇÃO

Os controladores fuzzy originaram-se a partir das pesquisas de E. H. Mandani (MANDANI, 1976) e L. Zadeh (ZADEH, 1965). Neste tipo de controlador inteligente são utilizadas regras lógicas com a intenção de descrever a experiência e a intuição humana para controlar um processo. A lógica fuzzy expressa as leis operacionais de um sistema de controle por meio de termos linguísticos, ao invés de equações matemáticas (ARAÚJO JÚNIOR, 2007). Os controladores fuzzy são robustos e possuem grande adaptabilidade, incorporando conhecimento que outros sistemas não conseguem acomodar (GUERRA, 1998). 

Na literatura, podem ser encontrados diversos trabalhos que comprovam o interesse pelo estudo dos controladores fuzzy em diferentes sistemas: posicionamento de placas fotovoltaicas (CANTONI, 2017), sistema eólico (ROCHA, 2017), controle de pH (ONOFRE FILHO, 2011), controle de nível de líquidos (LUNA FILHO, 2002), entre outros.

Neste trabalho pretende-se projetar controladores fuzzy, uma técnica de inteligência artificial, para serem aplicados em um tanque de múltiplas seções em acrílico (LINHARES, 2015) e analisar o controlador para diferentes bases de regras e ajustes, assim como o seu desempenho com o de controladores PID, fazendo uso de diferentes índices de avaliação de controladores (OGATA, 1998).

Este projeto é considerado uma etapa inicial de estudo do controlador inteligente do tipo fuzzy, uma técnica de inteligência artificial. Com o aprofundamento desse conhecimento, pretende-se no futuro aplicá-lo a problemas reais da região e/ou do próprio campus Pau dos Ferros, tais como controle de apiários, otimização da geração de energia solar, controle em estufas, entre outros.

2 REFERENCIAL TEÓRICA

Os controladores fuzzy, uma técnica de inteligência artificial, são confiáveis e robustos, apresentando maior imunidade a perturbações externas, desgastes e envelhecimento de equipamentos do sistema do que os controladores clássicos (SIMÕES e SHAW, 2004).

Um sistema fuzzy, como uma aplicação de inteligência artificial, é composto por quatro etapas: fuzzificação, base de regras, mecanismo de inferência e defuzificação. Inicialmente ocorre a fuzzificação, onde as entradas são convertidas em valores linguísticos, com o uso de funções de pertinência. Posteriormente, ocorre a inferência, etapa em que as regras são criadas, combinando graus de pertinência para formar as variáveis de saída. Por fim, o conjunto fuzzy passa pelo processo de defuzificação, para obtenção da variável de saída.

A estrutura de um controlador fuzzy é apresentada na Figura 1, um controlador em malha fechada em que em sua unidade de processamento principal se encontra um sistema fuzzy, demonstrando a aplicação da inteligência artificial.

Figura 1: Estrutura de um controlador fuzzy.

Fonte: Extraída de Onofre Filho (2011).

A partir do sinal de referência e de medições do processo, são geradas informações de entrada do controlador fuzzy.  Essas informações passam pela etapa de fuzzificação. As informações linguísticas são então processadas de acordo com a base de regras fuzzy e o mecanismo de inferência e, posteriormente, são defuzzificadas, definindo a saída do controlador fuzzy, que pode ser do tipo direta ou incremental (ONOFRE FILHO, 2011).

3 METODOLOGIA

A fim de atingir os objetivos definidos para este projeto de pesquisa, pretende-se utilizar um processo de desenvolvimento iterativo e incremental para gerenciamento de projetos e desenvolvimento ágil, chamado Scrum.

O Scrum é uma metodologia ágil para gestão e planejamento de projetos. Nele, os projetos são divididos em ciclos tipicamente mensais chamados de Sprints, em que se trabalha para realizar objetivos mensais bem específicos. Isso permite uma rápida e contínua verificação do projeto em desenvolvimento. A essa metodologia estão associados testes de controle, validação de funcionalidades e reuniões semanais.

Este projeto de pesquisa é dividido em três etapas principais — revisão bibliográfica do tema, desenvolvimento e resultados e publicações. Na fase de desenvolvimento espera-se construir o sistema dinâmico de nível (hardware e software), efetuar simulações em MATLAB®, projetar e sintonizar o controlador fuzzy para o estudo de caso. Na etapa de resultados, pretende-se analisar os resultados comparativamente com o de controladores PID, documentar os códigos-fontes e elaborar artigo científico para publicação dos resultados.

4 RESULTADOS esperados e Discussões

Como resultado desse projeto, espera-se ter a implementação de um controlador fuzzy baseado em inteligência artificial (IA) que forneça a base de conhecimento necessária para utilizá-lo em diferentes aplicações por meio de pequenos ajustes, tais como inclusão de novas variáveis linguísticas, modificação de bases de regras e de funções de pertinência.

O projeto inclui a construção de um sistema físico de nível que será utilizado como estudo de caso, podendo ser utilizado em outras pesquisas na área de identificação, controle, otimização e desenvolvimento de softwares de supervisão, demonstrando o potencial da IA na melhoria de sistemas de controle.

A Figura 2 apresenta o sistema de tanque de múltiplas seções já construído durante o desenvolvimento desse projeto. A seção inferior do sistema possui 10 cm de altura e área de seção transversal de 25 cm². As seções central e superior apresentam, respectivamente, altura de 10 cm e 12 cm, com áreas de seção transversal de 36 cm² e 49 cm². No fundo do tanque há um orifício de escoamento e o posicionamento de um sensor de pressão, que fornece um sinal de tensão relacionado com a altura da coluna líquida no interior do tanque, integrando componentes que facilitam a aplicação da inteligência artificial no controle de nível.

Figura 2. Sistema de tanque de múltiplas seções: tanque, partes eletrônicas e

software de comunicação (sistema supervisório).

Fonte: Autoria própria.

Entre as não linearidades contidas nesse estudo de caso, a mais evidente decorre da equação de Bernoulli para escoamento em pequenos orifícios. Essa não linearidade torna-se ainda mais acentuada devido à diferença das áreas de seção transversal dos paralelepípedos que constituem o tanque. Outro ponto relevante é a existência de transições abruptas entre cada uma das seções do tanque.

Além dos tanques, há uma bomba de corrente contínua para succionar a água do reservatório para o interior do tanque; sensor de pressão MPX5010; um Arduino para efetuar o acionamento da bomba, a leitura do sensor e comunicar-se com um computador caso desejado; e um computador que fornecerá ao usuário a possibilidade de acompanhar e interagir com o sistema em operação. 

A parte de software do sistema de nível envolve a configuração e programação do Arduino, o estabelecimento de comunicação entre Arduino e computador e o desenvolvimento do sistema supervisório na linguagem C#.

5 CONSIDERAÇÕES FINAIS

O projeto encontra-se em desenvolvimento, tendo sido atendidas as etapas de pesquisa bibliográfica e desenvolvimento do sistema dinâmico de estudo de caso. A principal dificuldade encontrada na elaboração do sistema foi o estabelecimento da comunicação e a troca de dados entre o Arduino e o sistema de supervisão desenvolvido em C#. Para solucionar o problema, foi desenvolvido um protocolo simples para evitar a perda de dados e o envio de comandos para o Arduino.

Nas próximas etapas do projeto, pretende-se aprimorar o sistema de supervisão, adicionando a ele uma quantidade maior de funcionalidades de interação com o sistema físico e, claro, desenvolver o controlador fuzzy baseado em inteligência artificial (IA) adequado para o sistema e efetuar a análise comparativa entre o mesmo e os tradicionais controladores PID, baseando-se em índices de avaliação.

REFERÊNCIAS

ARAÚJO JÚNIOR, J. M. Técnicas de inteligência artificial para a geração dinâmica de set points para uma coluna de destilação. 2007. 81 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2007.

CANTONI, A. Avaliação do desempenho de um algoritmo fuzzy para posicionamento de placas fotovoltaicas. 2017. 93 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) – Universidade Tecnológica Federal do Paraná, Curitiba/PR, 2017.

GUERRA, Rodrigo. Projeto e simulação do controle de atitude autônomo de satélites usando lógica nebulosa. São José dos Campos: (Mestrado em Engenharia e Tecnologia Espaciais/Mecânica Espacial e Controle) – Instituto Nacional de Pesquisas Espaciais, v. 190, 1998.

LINHARES, L. L. S. Critério de correntropia no treinamento de redes fuzzy wavelet neural networks para identificação de sistemas dinâmicos não lineares. 2015. 110 f. Tese (Doutorado em Engenharia Elétrica e de Computação) – Pós-Graduação em Engenharia Elétrica e de Computação (PPgEEC), Universidade Federal do Rio Grande do Norte, Natal, 2015.

LUNA FILHO, F. M.; GOSMANN, H. L.; BAUCHSPIESS, A. Controle fuzzy para sistema de nível de líquidos. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA (CBA), Natal/RN, 2002.

MAMDANI, Ebrahim H. Advances in the linguistic synthesis of fuzzy controllers. International Journal of Man-Machine Studies, v. 8, n. 6, p. 669-678, 1976.

ONOFRE FILHO, M. P. Lógica fuzzy para controle de pH em um processo petrolífero. 2011. 76 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2011.

OGATA, K. Engenharia de controle moderno. 3. ed. Rio de Janeiro: LTC, 1998.

ROCHA, M. M. Estudo de um controlador fuzzy aplicado a um sistema eólico de velocidade variável conectado à rede elétrica. 2017. 76 f. Dissertação (Mestrado em Sistemas de Comunicação e Automação) - Universidade Federal Rural do Semiárido, Mossoró, 2017.

SIMÕES, M. G.; SHAW, I. S. Controle e modelagem fuzzy. 2. ed. São Paulo: Edgard Blucher, 2004.

ZADEH, L. A. Fuzzy sets. Information and control, v. 8, n. 3, p. 338-353, 1965.