Identificao e Controle Fuzzy de uma Planta Didtica de Nvel

Adelson Siqueira Carvalho (IFF Campos) adelsonsc@gmail.com Adriellen Lima de Sousa (IFF Campos) adriellenlima@gmail.com Leonardo do Esprito Santo Francisco (IFF Campos) leo_nardo_es@hotmail.com

RESUMO
Neste trabalho utilizada uma abordagem experimental para a identificao de uma planta experimental de controle de nvel utilizando modelos autorregressivos. Como ser demonstrado, esta metodologia fornece uma representao satisfatria do sistema, e possui maior praticidade se comparada a tcnicas mais clssicas de modelagem. No presente trabalho ainda descrito o projeto de um controlador de nvel de lquido baseado em Lgica Fuzzy, que, devido sua caracterstica de tomadas de decises prximas ao ser humano, oferece uma soluo que atende aos requisitos de desempenho e estabilidade deste sistema. A validao do modelo bem como do controlador Fuzzy, foi viabilizada atravs da realizao de uma integrao entre o mdulo de aquisio de dados ADAM6022 e o software de engenharia Matlab, utilizando-se a opo de comunicao atravs do protocolo de comunicao de dados OPC que o mesmo dispe.

Palavras-chave: Controle de nvel. Modelos autorregressivos. Lgica Fuzzy. OPC.

1. INTRODUO Ao longo dos anos o substitussem o seu trabalho de obter maior qualidade e rapidez econmico provenientes de sua vrias operaes industriais.

homem buscou desenvolver tcnicas e equipamentos que forma a aumentar a segurana de seu ambiente profissional, na produo. Todas essas caractersticas aliadas ao benefcio utilizao tornaram o controle automtico indispensvel em

Visando a um maior rendimento produtivo nas indstrias, os profissionais tm buscado inspirao no funcionamento da mente humana para solucionar problemas complexos, de acordo com Filho et al. (2002). A lgica Fuzzy uma destas tcnicas inteligentes que simula modos de raciocnio aproximados e manipula o conhecimento do especialista para a soluo de problemas. O presente trabalho apresenta a implementao de um controlador Fuzzy em uma Planta Experimental de Controle de Nvel composta por dois tanques. Deseja-se obter resultados satisfatrios para o controle do nvel de um dos tanques, de forma que este seja controlado a partir da utilizao desta classe de controladores, que tem sido utilizada em vrios outros trabalhos cientficos. O controlador Fuzzy trata do relacionamento entre entradas e sadas agregando vrios parmetros que so descritos de forma lingstica, o que faz com que o mesmo seja capaz de proporcionar um desempenho satisfatrio aos sistemas, proporcionando um controle que no requer clculos ou equaes complexas, de acordo com Vale (2007).

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

2 Alm do projeto do controlador, descrita a utilizao de modelos autorregressivos para realizar a identificao de uma Planta Experimental de Controle de Nvel. Esta abordagem fornece uma representao matemtica confivel por considerar as no-linearidades do sistema a partir da utilizao de um conjunto de dados oriundos do sistema real. Segundo Carvalho (2008) apud Aguirre (2000), a identificao de sistemas visa obter um modelo matemtico que explique, ao menos de forma aproximada, a relao de causa e efeito presente nos dados. A construo do modelo autorregressivo, bem como o projeto do controlador Fuzzy, foram possveis devido utilizao do protocolo de comunicao de dados OPC (OLE for Process Control), atravs do software Matlab, onde se estabelece uma relao cliente/servidor entre o mesmo e a planta fsica. 2. OBJETO DE ESTUDO: PLANTA EXPERIMENTAL DE CONTROLE DE NVEL O objeto de estudo do presente trabalho a Planta Experimental de Controle de Nvel apresentada na Figura 1, que formada por uma estrutura metlica mvel onde os equipamentos esto afixados. A planta possui o controlador ADAM 6022 que suporta duas malhas PID. Neste trabalho, entretanto, suas funes de controle sero desabilitadas, visto que o controle ser efetuado no software Matlab. O equipamento servir como um mdulo universal de aquisio de dados. O objetivo do sistema controlar o nvel do fluido contido no tanque TQ-01. Para mant-lo constante, necessrio que a vazo de fluido que entra neste tanque, fornecida pela bomba MB-102 seja igual vazo que escoa para o tanque TQ-02.

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

Figura 1 - Planta experimental de controle de nvel

3. FERRAMENTAL TERICO 3.1 MODELOS AUTORREGRESSIVOS A utilizao dos modelos autorregressivos no contexto industrial se explica devido sua capacidade de descrever o comportamento dinmico de um processo o qual seja impossvel ou extremamente complexo sua descrio atravs de mtodos tradicionais. Essa descrio geralmente realizada matematicamente, atravs da estimao de parmetros, que serve para determinar os coeficientes do modelo a partir dos dados obtidos experimentalmente. De acordo com Carvalho (2008), estes modelos foram utilizados inicialmente por pesquisadores da rea de modelagem para a previso de problemas de sries temporais e de controle. Com o passar do tempo este modelo foi utilizado por vrios pesquisadores da rea industrial, que a partir de seu formato primrio incluam novas variaes. Os modelos ARMAX (Auto-Regressive Moving Average with eXogenous inputs) incluem dinmicas de distrbios, como pode ser visualizado na Figura 2. Geralmente, estes so utilizados em sistemas nos quais os distrbios presentes no processo so relevantes, segundo com Carvalho (2008).

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

Figura 2 Diagrama de blocos do modelo ARMAX

A(q-1)y(t) =B(q-1)u(t-nk) + C(q-1)e(t), onde C(q-1): polinmio na varivel q, simboliza a mdia mvel e possui a seguinte forma: C(q-1)= 1 + c1q-1++cncq-nc nc: ordem do polinmio C(q-1); Desta forma, os modelos ARX so representados por: y(t)+a1y(t-1)+...+anay(t-na)=b1u(t-nk)+b2u(t-nk-1)++bnbu(t-nknb+1)+e(t)+c1e(t-1)+...+cnce(t-nc) Muitas so as aplicaes que os modelos ARMAX possibilitam e, devido simplicidade em sua utilizao podem fornecer uma significativa proposta de metodologia na soluo de problemas industriais que necessitam de representaes matemticas dos processos. 3.2 TEORIA FUZZY A teoria Fuzzy uma tcnica de inteligncia artificial que tm se tornado uma alternativa vivel para aplicaes em controle de processos. Um controlador Fuzzy procura simular o raciocnio lgico humano para resolver os problemas. Utiliza o conhecimento do especialista para modelar o funcionamento do sistema de controle, atravs da utilizao de regras, relacionando as variveis de entrada e sada da planta. Esta tcnica trata informaes qualitativas e no valores exatos, os valores so descritos lingisticamente, o que possibilita a existncia de valores imprecisos e aproximados, segundo Coelho e Almeida (2003). Se comparada a outras tcnicas de controle, a teoria Fuzzy possui uma fase de elaborao do projeto simples, no sendo necessria utilizao de equaes matemticas complexas ou tabelas, tarefas estas que consomem grande parte do tempo de projeto em outras tcnicas de controle que as utilizam. Um sistema lgico Fuzzy, representado na Figura 3, demonstra como a entrada modificada, atravs da etapa de fuzzificao e, segue etapa de inferncia, onde ocorre a tomada de deciso do sistema, com base em regras pr-determinadas, a partir de onde se tem os valores difusos de sada que sero decodificados na etapa de defuzzificao.

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

Figura 3 Sistema Fuzzy. Adaptado de Henriques (1999)

A etapa de fuzzificao consiste da traduo dos valores de entrada em valores Fuzzy verbais, geralmente provenientes de sensores e dispositivos existentes na planta industrial. Esta parte do sistema lgico Fuzzy inclui a definio das funes de pertinncia e variveis lingsticas, bem como a determinao do universo de discurso de cada uma destas variveis. As variveis lingsticas Fuzzy devem ser escolhidas a partir das variveis fsicas de processo sobre as quais as regras de controle so aplicadas. A varivel lingstica uma varivel cujos valores podem ser os nomes para os conjuntos Fuzzy, segundo Gomide e Gudwin (1994). Funes de pertinncia so funes que descrevem os sistemas dinmicos atravs de modelos Fuzzy. A etapa de inferncia Fuzzy aquela que utiliza regras do tipo se antecedente...ento conseqente com o objetivo de produzir uma sada Fuzzy que ser utilizada para fins de clculo da varivel de sada para o processo (VALE, 2007). As regras do controlador definiro quais sero as sadas, tomadas pelo controlador, cada vez que observar uma determinada combinao nos valores de entrada. Na fase de projeto do controlador, devem ser elaboradas as regras para o mesmo. Para isto necessrio que o projetista conhea o comportamento natural do processo a ser controlado e que saiba claramente quais aes deseja que o mesmo tome em face das diversas condies que as variveis de entrada possam assumir. A defuzzificao consiste na transformao das variveis Fuzzy produzidas pela mquina de inferncia em variveis reais que sero enviadas ao processo. Dentre os mtodos mais utilizados esto o centro dos mximos, mdia dos mximos e o centro de massa. 4. METODOLOGIA 4.1 IDENTIFICAO DO SISTEMA Neste trabalho desejou-se obter uma representao matemtica para a Planta Experimental de Controle de Nvel atravs da utilizao de um modelo autorregressivo do tipo ARMAX. As variveis nvel do tanque e vazo da bomba sero relacionadas para a composio do conjunto de dados necessrios estimao do modelo. A estimao consiste em identificar parmetros que, relacionados entre si, forneam um

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

6 modelo matemtico de um sistema que tenha validade para simular seu comportamento em vrias reas de pesquisa onde no seja possvel a utilizao da planta real como, por exemplo, em simulao virtual. Os valores medidos de nvel, num range de 0 a 100 % da varivel que so recebidos pelo mdulo ADAM 6022, so convertidos atravs do conversor A/D em uma faixa de 0 a 65535 respectivamente, sabendo-se que o conversor possui resoluo de 16 bits. Como a sada analgica do mdulo ADAM 6022 possui conversor D/A de 12 bits, a faixa de trabalho est entre 0 e 4095. Foi utilizada uma entrada em forma de onda quadrada de amplitude mxima de 2700 e mnima de 1200, com perodo de 80 segundos, para estimular o sistema. A configurao no Simulink utilizada apresentada na Figura 4.

Figura 4 Identificao do sistema

O bloco Repeating Sequence Stair1 fornece o estmulo de entrada em forma de onda quadrada ao bloco OPC Write, que por sua vez escreve sobre a planta esses valores. Alm disso, esse estmulo ser enviado ao workspace do Matlab atravs do bloco To workspace1, na varivel Estimulo que ser usada posteriormente. O comportamento do sistema ser registrado a partir da leitura que o bloco OPC Read faz do mesmo e semelhantemente ao estmulo de entrada, ser enviado ao workspace do Matlab atravs do bloco To workspace2 na varivel chamada Resposta. Os dados geralmente so separados em duas partes, uma para teste e outra para validao. O conjunto de testes utilizado para a elaborao do modelo, isto , para a estimao dos parmetros do modelo, enquanto o conjunto de validao serve como uma amostra do sistema real que deve ter suas respostas comparadas quelas obtidas pelo modelo a uma determinada entrada de acordo com Carvalho (2008). Neste trabalho, os dados foram separados em dois conjuntos A1 e A2, no workspace do Matlab, como segue: A1=[Resposta(1:2:243) Estimulo(1:2:243)]; A2=[Resposta(2:2:244) Estimulo(2:2:244)]; Estes conjuntos so, cada um deles, formados por duas colunas sendo a primeira a varivel Resposta e a segunda a varivel Estimulo. Ambos os conjuntos foram extrados do conjunto total de dados e formados de forma intercalada. O conjunto A2 foi utilizado para os testes enquanto A1 usado para a validao. Os valores das ordens escolhidos para os coeficientes do modelo foram [1 1 1 0]. Este conjunto foi escolhido primeiramente por se tratar de ordens mais simples, podendo vir a ser

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

7 modificado caso no fosse atingida uma representao satisfatria da planta. Esta configurao, contudo, apresentou um bom desempenho no sendo necessrio experimentar modelos com ordem mais elevadas. Os coeficientes do modelo autorregressivo foram obtidos atravs do Matlab utilizandose a seguinte linha de comando: m=armax (A2,[1 1 1 0]), O modelo encontrado : 0.34031 z z - 0.95767 De posse do modelo, deve-se certificar-se de que ele sirva para representar outros conjuntos de dados provenientes do mesmo sistema, o que ser possvel atravs da validao deste modelo. A importncia da validao consiste no fato de a maioria dos sistemas reais serem no-lineares, o que no garante que o modelo obtido realmente seja uma representao til do sistema. O comando do Matlab que fornece as respostas do modelo a uma determinada entrada proveniente da planta o predict. O comando utilizado da seguinte forma: y=predict (m,A1), onde y retornar a resposta do modelo a esta entrada, que armazenada em um vetor e este sobreplotado com a planta real, como pode ser visto na Figura 5.

Figura 5 Sada do sistema comparada ao modelo

Atravs da Figura 5 pode-se observar que o modelo encontrado apresentou um grau de aderncia considervel em relao planta real, significando que este pode ser utilizado para substituir o mesmo em situaes nas quais se torna invivel sua utilizao devido impossibilidade de parada de produo para realizao de testes, que poderiam resultar em danos mesma. Alm disso, a utilizao do modelo traz o benefcio de diminuio do tempo no qual os testes so realizados atravs dos ambientes virtuais de simulao, o que traz resultados mais rapidamente do que seria caso fosse utilizada a planta real. 4.2. CONTROLE O presente trabalho comprometeu-se a elaborar um controlador Fuzzy para o sistema de

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

8 nvel de lquido em questo. Os testes deste controlador foram realizados diretamente na planta. Como variveis lingsticas para a entrada do controlador Fuzzy foram definidas o erro de nvel e a variao do erro do nvel. A varivel lingstica erro obtida atravs da diferena entre o valor do SP e o valor da VP. A variao do erro obtida comparando-se o erro no instante atual com o erro no instante anterior, que foi obtido utilizando-se um bloco de atraso no Simulink. Como varivel lingstica de sada foi definida a vazo da bomba que influenciada pela rotao da bomba. Um esquemtico da configurao desenvolvida no Simulink segue na Figura 6, com um set point em degrau de 50%.

Figura 6 Diagrama de blocos do Simulink para controle da planta

Este controlador foi projetado com cinco funes de pertinncia para a varivel lingstica de entrada erro. So elas: neg, Pneg, zero, Ppos e pos, como podem ser vistas na Figura 7, e sete funes de pertinncia para a varivel lingstica de sada vazo da bomba. So elas: baixa, Pbaixa, MPbaixa, cte, MPalta, Palta e alta, que podem ser visualizadas na Figura 8.

Figura 7 - Funes de pertinncia da varivel erro

Figura 8 - Funes de pertinncia da varivel vazo de sada

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

9 A utilizao da variao do erro como varivel lingstica da entrada permite ao controlador antecipar uma ao corretiva, pois ao considerar o erro no instante anterior pode perceber para onde os valores da varivel esto tendendo, isto , ao comparar o valor atual com o anterior o controlador capaz de perceber o aumento ou decrscimo do valor do erro. A Figura 9 mostra a disposio das funes de pertinncia da variao do erro. So elas: mneg, neg, zero, pos e mpos. importante ressaltar que esta varivel foi utilizada apenas para aumentar a preciso do controlador na regio onde a varivel erro zero, isto , o range da variao do erro abrange apenas os valores cuja diferena entre o instante atual e anterior esteja concentrada na funo de pertinncia central da varivel erro.

Figura 9- Funes de pertinncia da varivel variao do erro

As regras elaboradas para o Controlador so apresentadas na Tabela 1: Tabela 1. Regras do controlador IF ERRO ERRO NEG PNEG ZERO ZERO ZERO ZERO ZERO PPOS POS --------------ZERO MPOS POS NEG MNEG ----------------BAIXA PBAIXA CTE MALTA MALTA MBAIXA MBAIXA PALTA ALTA AND VARIAO DO THEN VAZO SADA

A resposta do sistema entrada em degrau apresentada na Figura 10:

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

10

Figura 10 - Resposta da planta a um SP em degrau de 50%

Como pode ser visto, o controlador permitiu a varivel de processo nvel do tanque alcanar o valor de setpoint e, desta forma, considerou-se a resposta satisfatria. Depois de alcanado um desempenho aceitvel com o teste em degrau, o mesmo controlador foi testado com entrada em onda quadrada, para analisar a capacidade do mesmo em se manter no SP ainda que este varie bruscamente. A configurao realizada para este teste est ilustrada na Figura 11:

Figura 11 Diagrama de blocos do Simulink para controle da planta com estmulo em onda quadrada

O resultado para este teste com entrada em onda quadrada de amplitude mxima de 50% e mnima de 20% pode ser visualizado na Figura 12:

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

11

Figura 12 - Resposta da planta a uma entrada em onda quadrada

Como demonstra a Figura 12, o sistema capaz de seguir variaes no SP quando utilizado o controlador projetado. Pde-se considerar que o objetivo de encontrar um controlador Fuzzy que fizesse a planta de nvel alcanar os valores pr-determinados foi, portanto, alcanado. 5. CONCLUSO A partir dos resultados apresentados neste trabalho, observa-se que a lgica Fuzzy fornece desempenho satisfatrio ao tentar controlar uma Planta de Controle de Nvel. No presente trabalho a obteno de um controlador eficiente para a planta s se fez possvel mediante o conhecimento do funcionamento da mesma. Este trabalho apresentou os detalhes sobre a implementao do controlador Fuzzy. Alm disso, um pouco do ferramental terico sobre o assunto foi apresentado, constituindo uma base terica para trabalhos futuros. 6. REFERNCIAS CARVALHO, Adelson Siqueira. Modelagem de colunas de destilao atravs de modelos auto-regressivos. Dissertao de Mestrado em Engenharia de Produo - Campos dos Goytacazes, RJ - Universidade Estadual do Norte Fluminense UENF, 2008. COELHO, Leandro dos Santos, ALMEIDA, Otaclio. Projeto e estudo de caso da implementao de um sistema de controle nebuloso. Revista Controle & Automao, Vol.14 no.1, 2003. FILHO, Fernando de Melo Luna, GOSMANN, Hugo Leonardo, BAUCHSPIESS, Adolfo. Controle fuzzy para sistema de nvel de lquidos. XIV Congresso Brasileiro de Automtica. Natal- RN, 2002. GOMIDE, Fernando Antonio Campos, GUDWIN, Ricardo Ribeiro. Modelagem, controle, sistemas e lgica fuzzy. SBA Controle & Automao, Vol.4, n3. 1994.

VII SEGeT Simpsio de Excelncia em Gesto e Tecnologia 2010

12 HENRIQUES, Luis Oscar de Arajo Porto. Compensao das oscilaes de torque de um acionamento de relutncia chaveado utilizando tcnicas de controle neuro fuzzy. Dissertao de Mestrado em Cincias de Engenharia Eltrica - Rio de Janeiro, RJ. UFRJ, 1999. VALE, Marcelo Roberto Bastos Guerra. Anlise comparativa do desempenho de um controlador fuzzy acoplado a um PID neural sintonizado por um algoritmo gentico com controladores inteligentes convencionais. Dissertao de Mestrado em Engenharia Eltrica e de computao. UFRN, 2007.