Vous êtes sur la page 1sur 42

Controlador difuso MI BC

Inteligência artificial aplicada a automação


Ementa Bibliografía
n
MATLAB
Avalaições
Ementa
- Introdução aos fundamentos e aplicações de
Inteligência Artificial. Histórico e princípios
de Inteligência Artificial. Representação do
conhecimento. Sistemas Especialistas.
Tópicos em Inteligência Artificial: Lógica
Fuzzy, Redes Neurais Artificiais.
Identificação de sistemas de controle
usando agentes inteligentes. Estudo de
casos.
Avalaicões

- Dois provas: 10 pontos (P1 + P2 ) / 2


- Um projeto: Desenhos de sistemas
neuro-difusos usando o MATLAB.

Segunda feira: teoría.


Sábado: simulação com MATLAB.
Curso de Lógica Difusa

- Curso de Lógica difusa


- Introdução. Arquitetura. Funções de
membresías.
- Desenhos de sistemas difusos usando o
MATLAB.
- Casos de estudos.
Lógica Difusa
(Fuzzy Logic)

 - É uma forma de modelar a


incerteza natural da linguagem
humana aplicada à teoria dos
conjuntos.
 - Desenvolvido por Lofti Zadeth
da Universidade de Berkeley em
torno de l960.
Lógica Difusa aplicada al control

Estructura de un sistema difuso

Base de
conhecimentos
GE
r Motor de
fuzificaçao Defuzificaçao
inferência
GR
y
GU
u
r – sinal de referençao Processo
y – sinal controlado
u – sinal manipulada
Vantagens oferecidas pela técnica de
lógica fuzzy

- Ultrapassa as dificuldades
matemáticas na modelagem de
sistemas com um alto grau de não-
linearidade. Reúne-se mais
firmemente as leituras imprecisas do
controle nos parâmetros de
retroalimentracion, tais como a
corrente e a tensão de corrente
contínua. Matemática e lógica fuzzy
software são simples de desenvolver
e flexível para cada modificação.
Como são utilizados os critérios
estatísticos na realização de sua
pesquisa experimental?

Um sistema de lógica fuzzy é


composto por três blocos
principais: mecanismo
fuzificacion e inferência de
Defuzificacion máquina de
inferência.
Estágio Fuzificaçao
É a transformação das variáveis dadas pelos
sensores das variáveis de processo de linguagem
do tipo que compõem as partições definidas no
universo em discussão. Valores dos pertences de
conjuntos difusos para os valores medidos são
obtidos.

Máquina de inferência
É o conjunto de procedimentos para tomar
medidas de controle pelo uso de regras
lingüísticas e implicações.
Base de conhecimento
Composta de banco de dados e com base
nas regras. Banco de dados caracteriza-se
as regras de controle difuso; a base de
regras permitem a tomada de ações de
controle. As regras de controle de
operam com a seguinte estrutura: se <
condição > Então < ação >
Defusificaçao
É a transformação das ações de controle do tipo
linguístico a quantitativamente ou determinista,
que permitem um bom funcionamento dos
atuadores de sistema de controle, que fazem
parte do mundo real e não o universo difuso em
discussão.
Identificação do modelo difuso

1.Descrição do sistema o processo


2. Processo de aprendizagem.
3. Identificação da estrutura. (I/O)
EXEMPLO: PROCEDIMENTO DIFUSO
PARA UMA MÁQUINA DE LAVAR
ROUPA
Objetivo: Selecione a roupa por tipo e grau de sujidade.

Sujeira Tempo de lavagem

Tipo de roupa
Funções de membresías

Sujeira (triângulo de tipo): tipo de M G pequeno, médio e


grande P de vestuário (triângulo de tipo): pequeno P, M meia,
gordos ga. Tempo de lavagem (triângulo de tipo): C, M média
curta, longa L

Tempo de lavagem
Sujeira

Tipo de roupa
Regras
As regras do controlador difuso para o controle do tempo de
lavagem de vestuário definem intuitivamente se (se) a sujeira é
elevada e o tipo de roupa e é oleosa então então o tempo de
lavagem é longo.

Tempo de lavagem
Sujeira

Tipo de roupa
Regras
O grau de solo é determinado pela transparência da água. O
tipo de roupa é determinado a partir do momento da saturação.
Neste caso, o tempo de saturação é definido como o tempo em
que a transparência da água tende a zero. Por exemplo, o
gordurosas roupas demorar mais para chegar a tempo de
saturação, desde que a gordura é menos solúvel.

Sujeira Tempo de lavagem

Tipo de roupa
Estruturas do algoritmo difusa
Estrutura, funções de controlador fuzzy
pertences são obtidas a partir
Diagrama do controlador difuso
Resposta do sistema
Identificação do modelo difuso
- Regulação da aprendizagem
através da aplicação de carga tipo
ventilador com água líquida. Cabe
a aprendizagem com um tipo de
carga com densidades variáveis de
polpas fã de fluido. Mudança de
coordenadas usando as variáveis
do plano de fundo. Identificação da
estrutura, dividindo o espaço de
entrada.
Identificação do modelo difuso
- 1º passo: discretização do espaço
de entrada. 2º passo: atribuindo
um valor de densidade para cada
candidato, sector ou cluster. Passo
3: calcular o melhor sector. Etapa
final: associando uma janela para
cada sector.
Configurações de regra
Fuzzy
Modelo Mamdani
Rulebases
Funções de membresías
Inteligência artificial aplicada no

controle inteligente da energía
Controle Inversor

Controlador difuso MI BC

Motor Bomba
Sistema de transporte de Hidromezcla

qi

m(t)
h(t)
qo
O software de algoritmo
difusa
Regras
Funções de membresías
Configurações difusas
Superfícies curvas
Erro obtido no modelo de
aprendizagem e o inferido
Instalação experimental em
Moa ISMM.
PLC
S5 95- U

V.V.F
Principais linhas de pesquisa
 Modelagem de acionamento elétricos na
indústria. Avaliação da eficiência em
unidades com variadores de velocidade.
Introdução de controle inteligente no
diagnóstico de unidades.
 Identificação padrões utilizando
processamento digital de imagens.
Principais projetos
 Introdução de supervisor inteligente no
diagnóstico de unidades de agentes da
companhia neuro-fuzzy.
 Desenvolvimento de um mapa virtual de
manutenção de motores elétricos com
base em padrões cognitivos neuro-fuzzy
para o diagnóstico de acionamentos com
variadores de velocidade.
 Utilização de sistemas de informação
geográfica GIS para o prognóstico do
consumo de energía da cidade.
Controle inteligente de energia
 Identificación experimental.
 Simulación de algoritmos
basado en Inteligencia Artificial.
 Validación de los esquemas de
control usando Automatas
Programables y variadores de
velocidad.
Producto: Software de aplicación
Conclução
- O curso de Inteligencia Artificial tem
os cursos de Lógica difusa ou fuzzy e
curso de Redes Neurais.
- A Lógica Difusa ou nebulosa é uma
forma de representação e modelação dos
sistemas para superar as incertezas
matemáticas.
- A lógica difusa acredita com certeza
no mundo real.
Bibliografía
- BABUSKA, R., "Fuzzy Modelling for Control", KAP,
1998.
- ROJAS PURON, L. D. Apostila de Sistemas
Inteligentes. UEA. 2014.
- OLIVEIRA JUNIOR, H.A. Lógica Difusa: Aspectos
Práticos e Aplicações. Interciência, 1999.
- SIMÕES, M.G.; SHAW, I.S. Controle e Modelagem
Fuzzy. Edgard Blücher, 2007.
- WEBER, L.; KLEIN, P.A.T. Aplicação da Lógica Fuzzy
em Software e Hardware. ULBRA, 2003.
- ZIMMERMANN, Hans J. Fuzzy Set Theory and Its
Applications Kluwer Nijhoff Publishing,1988.
Tarefa
-Projetar um sistema inteligente que pode
selecionar corretamente a quantidade de
detergente para lavar a roupa na máquina de
lavar.
.

Vous aimerez peut-être aussi