UNIVERSIDADE FEDERAL DE OURO PRETO UFOP

ESCOLA DE MINAS EM
COLEGIADO DO CURSO DE ENGENHARIA DE
CONTROLE E AUTOMAO CECAU









CONTROLE FUZZY PI DE TEMPERATURA NUM
MODELO DE EDIFICAO EM ESCALA REDUZIDA






MONOGRAFIA DE GRADUAO EM ENGENHARIA DE CONTROLE E
AUTOMAO




IVES SOARES DE OLIVEIRA




Ouro Preto, 2008

IVES SOARES DE OLIVEIRA




CONTROLE FUZZY PI DE TEMPERATURA NUM
MODELO DE EDIFICAO EM ESCALA REDUZIDA






Monografia apresentada ao Curso de Engenharia
de Controle e Automao da Universidade
Federal de Ouro Preto como parte dos requisitos
para a obteno de Grau em Engenheiro de
Controle e Automao.





Orientador: Henor Artur de Souza
Co-orientador: Ronilson Rocha





Ouro Preto
Escola de Minas UFOP
Julho / 2008




ii
SUMRIO


RESUMO iv
ABSTRACT v

I INTRODUO 1
1.1 Descrio do problema 3
1.2 Objetivo 3
1.3 Metodologia 3
1.4 Estrutura do trabalho 4
II CONTROLE FUZZY 5
2.1 Lgica fuzzy vs. modelagem matemtica 6
2.2 Seleo do controlador correto 8
2.3 Aplicaes bem sucedidas de controle fuzzy 10
III A LGICA FUZZY 13
3.1 Fundamentos da lgica fuzzy 13
3.1.1 O conjunto nebuloso 13
3.1.2 Funes de pertinncia 14
3.1.3 Definio matemtica de um conjunto nebuloso 15
3.1.4 Operadores lgicos 15
3.1.5 Regras se-ento 17
3.2 Inferncia em sistemas nebulosos 17
3.2.1 Fuzzificando as entradas 18
3.2.2 Aplicando os operadores nebulosos 18
3.2.3 Aplicando o mtodo de implicao 20
3.2.4 Agregando as sadas 20
3.2.5 Defuzzificando 22
IV MODELO DO CONTROLADOR FUZZY PI 23
4.1 Inferncia nebulosa de Sugeno 23
4.2 Princpio matemtico do controlador fuzzy PI 24
4.2.1 Fuzzificao 27
4.2.2 Regras de controle fuzzy 27
iii
4.2.3 Defuzzificao 28
4.3 Validao do modelo 32
4.4 Sintonia do controlador fuzzy PI 37
V ESTUDO DE CASO 39
5.1 O objeto de estudo 39
5.2 Proposta do sistema de controle 40
5.2.1 Microcontrolador PIC16F877A 42
5.2.2 Sensor LM35 43
5.2.3 Cooler 44
5.3 Montagem do sistema de controle 44
5.4 Desenvolvimento do software de controle 46
5.5 Resultados obtidos 47
VI CONCLUSES 52
VII REFERNCIAS BIBLIOGRFICAS 53
ANEXO I 56



















iv
RESUMO


O uso de aquecimento e/ou resfriamento artificiais de ar em edificaes consome uma grande
quantidade de energia em todo o mundo, especialmente em pases desenvolvidos, onde as
edificaes so responsveis por 1/3 da energia consumida. No Brasil, por exemplo, o uso do
ar condicionado e a iluminao so responsveis por 48 % do consumo de energia eltrica no
setor de edifcios comerciais e pblicos. Desse modo importante que haja uma integrao
entre um ambiente interno confortvel com um consumo mnimo de energia. Nesse contexto
as tcnicas de controle utilizadas em ambientes, como o controle da temperatura e umidade do
ar, desempenham um papel primordial, principalmente naqueles ambientes que necessitam de
aquecimento e/ou resfriamento de ar. Neste trabalho estuda-se, implementa-se e analisa-se um
sistema de controle fuzzy PI da temperatura interna de um ambiente construdo, visando obter
condies adequadas de conforto ao usurio. Por meio da lgica fuzzy possvel adicionar a
um controlador PI a experincia de um especialista no processo, obtendo-se um controlador
fuzzy PI. O princpio matemtico do controlador fuzzy PI descrito detalhadamente
objetivando a determinao de sua lei de controle. O sistema de controle proposto
implementado em tempo real, utilizando-se um modelo de uma edificao em escala reduzida.
No projeto do sistema de controle utiliza-se um microcontrolador com a funo de calcular a
entrada necessria ao processo a fim de se obter as condies adequadas de conforto no
ambiente construdo. O sistema de controle proposto apresentou desempenho adequado,
mostrando-se robusto com relao s perturbaes impostas intencionalmente no ambiente e
apresentando desempenho similar ao controlador PI.

Palavras-chave: controle fuzzy, controle PI, controle inteligente, conforto trmico.









v
ABSTRACT


The use of artificial heating and/or air cooling in constructions consumes a great amount of
energy in the whole world, in countries especially developed, where the constructions are
responsible for 1/3 of the consumed energy. In Brazil, for example, the use of conditional air
and the illumination are responsible for 48% of the consumption of electric energy in the
sector of commercial and public buildings. In this manner it is important that it has integration
between a comfortable internal environment with a minimum consumption of energy. In this
context the used techniques of control in environments, as the control of the temperature and
humidity of air, play a primordial role, mainly in those environments that need heating and/or
air cooling. In this work it is studied, implemented and analyzed a fuzzy PI control system of
the internal temperature of a constructed environment, aiming at to get adequate conditions of
comfort to the user. Through the fuzzy logic is possible to add to a PI controller the experience
of a specialist in the process, getting it a fuzzy PI controller. The mathematical principle of the
fuzzy PI controller is described at great length objectifying the determination of its control
law. The proposed control system is implemented in real time, using a model of a construction
in reduced scale. In the project of the control system a microcontroller (programmable
integrated circuit) whose function is to calculate the necessary entry to the process in order to
get the adequate conditions of comfort in the constructed environment. The proposed control
system presented an adequate performance, revealing robust with regard to the disturbances
imposed intentionally in the environment and presenting similar performance to the PI
controller.

Keywords: fuzzy control, PI control, intelligent control, thermal comfort.









1
I. INTRODUO

O estudo do conforto ambiental envolve a sensao de bem estar do ser humano dentro do
ambiente construdo. Este conforto influenciado por parmetros climticos externos, tais
como a radiao solar e as caractersticas do ar, como a umidade relativa, a presso, a
velocidade e a temperatura, e tambm pelas cargas trmicas internas, como as atividades
humanas, as lmpadas e os equipamentos. As condies internas de conforto de um ambiente
so ditadas basicamente pelo valor da temperatura e umidade relativa do ar (SOUZA et al,
2003).

A avaliao do desempenho trmico de uma edificao consiste em verificar se as condies
do ambiente interno so satisfatrias quanto ao conforto trmico proporcionado aos
ocupantes. o bem-estar em um ambiente que determina o grau de satisfao e o conforto das
habitaes. Sendo assim, uma edificao com um condicionamento deficiente e/ou
inadequado provoca nas pessoas sintomas desagradveis, tais como cansao, desnimo, falta
de concentrao nas atividades desempenhadas e sadas freqentes do local de trabalho,
levando a pessoa a um grau de insatisfao com relao ao ambiente onde se encontra
(AKUTSU, 1998; TRIBESS et al, 1997; PINTO; SOUZA; FREITAS, 2001).

No Brasil, as condies climticas de vero so predominantes e, portanto, a avaliao
trmica nas edificaes deve ser equacionada para obter-se um conforto trmico das
habitaes para este tipo de clima. Esta avaliao pode ser obtida de uma forma aproximada
por meio de uma modelagem matemtica das trocas trmicas nos componentes das
edificaes, considerando condies permanentes, com uma observao in loco do ambiente
j construdo e de uma forma mais geral por meio da simulao computacional do
comportamento trmico de ambientes ainda no pr-projeto. O uso da simulao numrica para
a avaliao do desempenho trmico de edificaes uma ferramenta importante, pois permite
uma maior liberdade ao projetista na seleo dos elementos de fechamento a serem utilizados
na edificao. A anlise numrica permite a obteno da resposta global e dinmica das
edificaes em relao s interaes trmicas existentes.

Para manter as condies desejadas de conforto humano no ambiente construdo, necessrio
o uso de um sistema de controle, projetado para atender os pr-requisitos de projeto. Estes
pr-requisitos podem estar relacionados, por exemplo, manuteno da temperatura e/ou
2
umidade do ambiente em torno de uma referncia estabelecida pelo projetista. No entanto, ao
se projetar um sistema de controle, imprescindvel em algumas ocasies o conhecimento do
modelo matemtico do processo. Porm, a natureza completamente indiferente aos nossos
esforos em modelar matematicamente seus processos, e freqentemente, possvel que um
operador humano seja capaz de controlar diversos sistemas sem compreender a matemtica,
ou todos os detalhes fsicos envolvidos. Esse operador , no entanto, inteligentemente capaz
de manejar variveis de entrada que influenciem as sadas do processo. Essa capacidade do
operador humano evidenciou um novo enfoque na teoria de processos (complexos) industriais
onde o conceito de inteligncia artificial, por meio da emulao de caractersticas do
comportamento humano no controle de processos surgiu como uma alternativa de controle e
modelagem (SIMES; SHAW, 2007).

Segundo Simes e Shaw (2007), a inteligncia artificial abrange uma famlia de ferramentas
para utilizao em problemas complexos, e as tcnicas de controle fuzzy tm se mostrado bem
fundamentadas e desenvolvidas.

Segundo Cheng (2001), a teoria dos sistemas fuzzy abre uma perspectiva para lidar com
informaes subjetivas de conforto humano, provendo meios para representar e manipular
matematicamente os ndices qualitativos ou julgamentos subjetivos muito usados em estudos
de conforto ambiental e resolver racionalmente os problemas de avaliao de desempenho de
um dado ambiente construdo.

Ao contrrio dos controladores convencionais em que o algoritmo de controle descrito
analiticamente por equaes algbricas ou diferenciais, por meio de um modelo matemtico,
no controle fuzzy utilizam-se de regras lgicas no algoritmo de controle, com a inteno de
descrever numa rotina a experincia humana, intuio e heurstica para controlar o processo.
Os controladores nebulosos so robustos e de grande adaptabilidade, incorporando
conhecimento que outros sistemas nem sempre conseguem acomodar (ZADEH
1
, 1965, apud
SANDRI; CORREA, 1999). Tambm so versteis, principalmente quando o modelo fsico
complexo e de difcil representao matemtica (SANDRI; CORREA, 1999).



1
ZADEH, L. A. Fuzzy Sets, Information and Control. 1965, v. 8, p. 338-353.

3
1.1. Descrio do problema

O desafio deste trabalho desenvolver um sistema de controle fuzzy de temperatura capaz de
manter a temperatura interna do ambiente em escala reduzida em um valor constante. O
controlador fuzzy desenvolvido ser baseado em um controlador PI, resultando em um
controlador fuzzy PI.

Um controlador de temperatura deve ser utilizado com a finalidade de manter a temperatura
do ambiente constante em um valor pr-estabelecido e realizar a compensao das perdas de
calor do sistema para o meio ambiente. O sistema deve possuir um atuador de resfriamento de
tal forma que fornea uma massa de ar necessria para a diminuio da temperatura interna do
ambiente.

1.2. Objetivo

Estudar, implementar e analisar um sistema de controle fuzzy PI de temperatura num modelo
de edificao em escala reduzida.

1.3. Metodologia

As tarefas desenvolvidas durante a pesquisa podem ser divididas em trs etapas:

Formulao de uma base terica;
Implementao prtica baseada na teoria;
Anlise dos resultados por comparao do sistema de controle fuzzy PI com um
sistema de controle PI.

A execuo do trabalho foi baseada no seguinte roteiro de atividades:

Estudo de como desenvolver, na prtica, um sistema de controle nebuloso (fuzzy) que
seja baseado em um controlador PI;
4
O desenvolvimento do sistema de controle foi dividido em trs etapas realizadas na
seguinte ordem: obteno da lei de controle do controlador fuzzy PI, validao do
modelo do controlador e montagem do sistema de controle;
Sintonia do controlador;
Coleta das respostas da planta por um sistema de aquisio de dados;
Anlise dos resultados obtidos.

1.4. Estrutura do trabalho

Para uma melhor compreenso do trabalho, a monografia foi dividida em 6 captulos e mais a
lista de referncias bibliogrficas e um anexo.

No Captulo 1 apresenta-se uma introduo, uma descrio do problema proposto e uma
apresentao dos objetivos e da metodologia adotada para o desenvolvimento do trabalho.

No Captulo 2 apresenta-se uma breve introduo sobre controle nebuloso e aborda-se o
problema de se modelar matematicamente sistemas reais e quando se utilizar controle
nebuloso, e apresenta-se algumas aplicaes bem sucedidas de controle fuzzy.

No Captulo 3 aborda-se os fundamentos da lgica fuzzy e no Captulo 4 versa-se sobre o
sistema de controle desenvolvido, seus componentes, sua montagem, o modelo matemtico do
controlador, e o desenvolvimento do software de controle.

No Captulo 5 apresenta-se os resultados obtidos e como se os obteve e no Captulo 6 tm-se
as concluses do trabalho.

Finalmente apresenta-e as referncias bibliogrficas e um anexo apresentando o cdigo fonte
do software desenvolvido para o microcontrolador.





5
II. CONTROLE FUZZY

Os sistemas de controle fornecem resposta a uma determinada entrada de acordo com sua
funo de transferncia. Os assim chamados sistemas inteligentes so aqueles que fornecem
respostas que solucionam problemas, em situaes at mesmo novas ou inesperadas, fazendo
com que o comportamento destes sistemas seja nico, podendo at ser considerado criativo
(SIMES; SHAW, 2007).

At o presente momento, a capacidade criativa dos seres humanos est muito alm da
possibilidade de soluo que as mquinas computacionais proporcionam, devido ao fato de
que as pessoas raciocinam de forma incerta, imprecisa, difusa ou nebulosa, enquanto que as
mquinas e computadores so movidos por raciocnio preciso e binrio. A eliminao de tal
restrio faria com que as mquinas fossem inteligentes, isto , pudessem raciocinar da
mesma maneira imprecisa, como os seres humanos. Tal forma de raciocnio chamada em
ingls por fuzzy e utilizada como sinnimo de incerto, impreciso, difuso ou nebuloso.

A caracterstica especial da lgica fuzzy (tambm referida como lgica nebulosa e em alguns
casos por teoria de possibilidades) a de representar uma forma inovadora de manuseio de
informaes imprecisas. A lgica fuzzy prov um mtodo de traduzir expresses verbais,
vagas, imprecisas e qualitativas, comuns na comunicao humana em valores numricos. Isso
abre as portas para se converter a experincia humana em uma forma compreensvel pelos
computadores. Assim, a tecnologia possibilitada pela lgica fuzzy tem um imenso valor
prtico, tornando possvel a incluso da experincia de operadores humanos e/ou especialistas
em um processo, os quais controlam processos e plantas industriais, em controladores
computadorizados, possibilitando estratgias de tomadas de deciso em problemas
complexos.

A teoria fuzzy pode tambm ser agregada aos sistemas de redes neurais, os chamados sistemas
neurofuzzy, que aumentam a capacidade de aprendizado por meio de interface com dados
numricos. Informaes vagas, incertas, qualitativas, comunicaes verbais, capacidade de
aprendizado e de formulao de estratgias de tomada de deciso so caractersticas humanas,
portanto, a teoria fuzzy, redes neurais e redes neurofuzzy so freqentemente referidas como
inteligentes, devido a fato de emularem a inteligncia humana. O sucesso mundialmente
reconhecido, de sistemas de modelagem e controle baseados em lgica fuzzy, em aplicaes
6
industriais, tem comprovado sua utilizao como mais uma ferramenta (ou tecnologia) para as
disciplinas de engenharia de controle industrial, manufatura, comunicao homem-mquina e
em sistemas de tomadas de deciso.

2.1. Lgica fuzzy vs. modelagem matemtica

O enfoque tradicionalmente utilizado em engenharia de controle o de se obter um modelo
idealizado do processo a ser controlado, geralmente na forma de equaes diferenciais ou
equaes de diferena. Para tais descries normalmente se utilizam de transformadas de
Laplace ou Z. Com o intuito de se obter modelos matemticos simples, certas restries so
feitas; assumindo-se, por exemplo, que o processo linear, ou seja, que variaes nas entradas
produzem variaes proporcionais nas sadas. Ao se assumir a propriedade de linearidade,
pode-se utilizar tcnicas extremamente poderosas e conhecidas na rea de engenharia e
tecnologia, com solues analticas ideais. Entretanto, sistemas no-lineares no possuem uma
teoria geral para soluo analtica, e muitas vezes necessitam ser linearizados em torno de um
ponto de operao. Outra restrio muito utilizada em anlises de sistemas lineares que os
parmetros de processo no se alteram, ou seja, que o sistema seja invariante no tempo, apesar
de na realidade ocorrer deteriorao dos componentes dos sistemas com o passar do tempo,
alm de impactos ambientais, tais como influncias de temperatura e presso. Devido a tais
simplificaes, o projetista em geral encontra srias dificuldades no desenvolvimento de uma
descrio matemtica significativa e realista de um processo industrial.

O parque industrial atual utiliza 80% de controladores baseados em PID; j controladores
multivariveis complexos, baseados em controle moderno avanado, tm menor
representatividade. Por outro lado, deve-se enfatizar que os controladores PID so lineares, e
no so adequados para aplicaes em plantas extremamente no-lineares. Uma observao
feita recentemente em pesquisa sobre o assunto que na maioria das instalaes industriais
atuais os controladores PID no esto propriamente sintonizados, tendo sido encontrados
muitas vezes operando em modo manual. Uma anlise poderia ser feita para se concluir se os
operadores no teriam perdido sua pacincia com a necessidade de constantes reajustes e
sintonias, pois por sua prpria natureza os controladores PID no so apropriados para
controlar plantas no-lineares, alm de no possibilitar uma interao com esses operadores.

7
Certamente diversos desenvolvimentos tericos foram e tm sido relevantes para se alcanar o
nvel tecnolgico atual na rea de controle automtico, na qual muitas contribuies foram
feitas baseadas na teoria de controle moderno. Os que aplicam tal conhecimento devem ser
capazes de compreender processos estocsticos, lgebra multivarivel e processamento digital
de sinais, dentre outros tpicos. No entanto, o conhecimento necessrio para se projetar,
implementar e manter um sistema de controle desse porte est muito alm do que necessrio
para se operar sistemas PID em plantas industriais. Na realidade, parece que os controladores
PID representam exatamente o mximo da teoria compreensvel pela maioria dos operadores
de plantas industriais, enquanto que equipamentos que utilizam teoria de controle
multivarivel necessitam de pessoal com um nvel maior de compreenso matemtica.

A propriedade fundamental de controladores inteligentes, especialmente os controladores
fuzzy, de serem baseados em experincia de operadores humanos e/ou especialistas em um
determinado processo industrial, em vez de utilizarem de modelos matemticos, fazendo com
que o treinamento de operadores e tcnicos de manuteno seja muito mais fcil e barato, e
pessoal menos qualificado possa ser utilizado para operar uma planta industrial. Esse fator,
por si s, pode se tornar um argumento poderoso ao se decidir pela adoo de controladores
fuzzy em certas aplicaes especficas.

Na metodologia convencional de projeto de sistemas de controle, FIG. 2.1, o que modelada
a planta ou processo que est sendo controlado. Esse procedimento chamado por
identificao de sistemas, onde o sistema assumido como linear, ou aproximadamente
linear, caracterizado por um conjunto de equaes diferenciais, cuja soluo indicaria ao
controlador como os parmetros deveriam ser ajustados para um determinado comportamento
do sistema (tais como, amortecimento, sobre-sinal, velocidade de resposta, tempo de
acomodao e erro em regime permanente).

Por outro lado, em muitos sistemas no adequados ao controle automtico, operadores
humanos esto sendo empregados, e a metodologia de projeto est focalizada no
comportamento dos operadores, isto , como eles ajustariam os parmetros de controle para
um determinado conjunto de circunstncias. Por exemplo, em metodologia fuzzy o operador
cujo modelo est sendo identificado; enquanto ele est controlando o sistema, FIG. 2.2.
Assim, o controlador fuzzy, baseado no modelo identificado do operador humano, torna-se um
modelo lgico da forma com que o operador raciocina ao manipular o sistema.
8

FIGURA 2.1 Identificao da dinmica do processo ou planta
FONTE: SIMES; SHAW, 2007


FIGURA 2.2 Identificao do comportamento do operador de controle
FONTE: SIMES; SHAW, 2007

2.2. Seleo do controlador correto

A utilizao de controle inteligente no pode ser vista como uma soluo para o controle em
todos os processos mais complexos, sendo incorreta a atitude de simplesmente trocar todos os
controladores convencionais por controladores fuzzy. H diversas anlises que devem ser
feitas ao se decidir qual controlador deve ser utilizado (SIMES; SHAW, 2007).

Se a planta ou o processo que est sendo controlado no completamente linear, porm a no
linearidade entre a entrada e a sada conhecidamente uma funo suave, sem
descontinuidades, ou se apesar do processo ser no linear ele operar em um ponto fixo, em
torno do qual, variaes pequenas so lineares, a soluo com controladores PID ainda uma
excelente soluo custo/benefcio. Em tais condies, os controladores PID podem controlar
9
plantas, mesmo com dinmica desconhecida, uma vez que a componente P representa o erro
de realimentao instantneo, a componente I representa a integral do erro que contribui para
a histria passada da realimentao e a componente D representa a derivada do erro, a qual
tende a antecipar o comportamento futuro do erro de realimentao.

Se os parmetros de cada componente so sintonizados para o desempenho especfico da
planta, a ao do controlador ser satisfatria. A tarefa de sintonia implica na mtua
otimizao de caractersticas de resposta, tais como amortecimento, sobre-sinal, tempo de
acomodao e erro em regime permanente. A propriedade de linearidade (ou quase-
linearidade) garante que as trs estratgias individuais de controle (P + I + D) possam ser
combinadas em uma forma aditiva, fazendo com que a malha de realimentao consiga
compensar, por mudanas nos parmetros da planta, rudo e alteraes ambientais, enquanto
que a ocorrncia de no-linearidade impe uma certa interao entre tais fenmenos, podendo
tornar difcil a sintonia, ou at mesmo impossvel. Assim o controlador PID representa trs
estratgias de controle, que dinamicamente ajustam o comportamento do sistema por meio do
erro da malha de realimentao.

Devido a fato dos controladores PID serem de entrada-nica e sada-nica, e maioria das
plantas e processos industriais serem multivariveis por natureza, verifica-se que cada
varivel controlada necessita de seu prprio controle e valor de referncia. Da a necessidade
de um sistema de controle supervisrio, capaz de ajustar os valores de referncia em vrias
malhas de controle. H diversos casos em que a mudana no setpoint (referncia) deve ser
feita baseada em decises tomadas pela observao das sadas dos processos, tarefa
tipicamente realizada por operadores humanos. Alm disso, muito freqente que processos e
plantas possuam dinmica sujeita variao de parmetros, faixa de variao de variveis de
controle muito larga, fazendo com que os pontos de operao se desloquem devido s essas
caractersticas. Nesse caso os controladores PID no conseguem fornecer um desempenho
satisfatrio.

Uma das mais importantes caractersticas de controladores fuzzy a habilidade em se executar
controle multiobjetivos, mesmo com requisies conflitantes, de forma se obter um bom
compromisso na estratgia de controle. Um exemplo pode ser dado: um elevador de uma
ponte-rolante, muito utilizado para transporte de cargas em portos, onde o continer suspenso
em uma corrente deve ser transferido do navio para um vago de um trem. De uma forma
10
simplificada, as duas variveis de entrada de tal controlador so: a distncia entre o navio e o
vago, o ngulo da corrente onde a carga se balanar, enquanto que a varivel de sada a
potncia do motor que impulsiona a carga de sua posio inicial at o seu destino. Um
operador humano observa ambas as variveis, simultaneamente, e ajusta a velocidade de
transferncia por meio de um controlador do motor, de forma a se obter o deslocamento do
material o mais rapidamente possvel, e mantendo o ngulo de balano dentro de limites
razoveis. Usando-se sensores apropriados, um controlador fuzzy de duas entradas e uma
sada capaz de emular a ao de controle multi-objetiva do operador humano. Seria muito
difcil se utilizar um controlador PID de entrada e sada nicas, para tal propsito multi-
objetivo.

Segundo Simes e Shaw (2007), um nmero considervel de controladores fuzzy so
atualmente utilizados em aplicaes operacionais, onde executam apenas algumas das funes
de um controlador convencional. A razo que os microcontroladores tm se tornado cada
vez menores, mais poderosos, e fceis de serem programados, com programas que executam
funes fuzzy em muitas aplicaes.

2.3. Aplicaes bem sucedidas de controle fuzzy

Os fundamentos tericos dos conjuntos nebulosos propostos por Zadeh
1
(1965 apud
COELHO; ALMEDIA; COELHO, 2003), como uma forma alternativa de se modelar
sistemas complexos e difceis de serem descritos por tcnicas convencionais, motivaram
inicialmente a validao dos controladores nebulosos por Mamdani e Assilian
2
(1975 apud
COELHO; ALMEIDA; COELHO, 2003).
Atualmente, uma grande variedade de produtos industriais e comerciais, baseados em lgica
nebulosa est disponvel. Exemplos tpicos incluem produtos de consumo direto tais como
mquinas de lavar roupas (Sanyo), mquinas de lavar louas (Hitachi), geladeiras (Sharp), ar
condicionados (Mitsubishi), fornos de microondas (Sanyo), cmeras de vdeo (Canon,
Panasonic), aspiradores de p (Matsushita), etc. Na indstria automotiva destaca-se,
transmisso automtica (Nissan, Lexus), injeo eletrnica, suspenso ativa, veculos auto-

1
ZADEH, L. A. Fuzzy Sets, Information and Control. 1965, v. 8, p. 338-353.

2
MAMDANI, E.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy logic
controller. International Journal of Man Machine Studies. 1975, v. 7, p. 1-13.

11
guiados e robs mveis (NASA, IBM), etc. Na linha de automao predial pode-se citar o
controle de grupos de elevadores (Hitachi, Toshiba), controle de motores (Hitachi), sistema
de ventilao de tneis urbanos (Toshiba), controle de trfego urbano e controle de partida e
parada de trens urbanos e metrs (Sendai, Tokio), etc (COELHO; ALMEIDA; e COELHO,
2003).

Outras aplicaes bem sucedidas de controle nebuloso podem ser encontradas na literatura:
Chiu (1998) debate algumas maneiras de se utilizar controle nebuloso, tais como, em controle
supervisrio, seleo de aes discretas de controle, entre outras. Schwartz et al (1994)
discutiram algumas aplicaes do controle nebuloso. Coelho, Almeida e Coelho (2003) citam
as primeiras aplicaes de controladores nebulosos e as atuais, inclusive em controladores
lgico programveis.

Na literatura, destacam-se aplicaes da lgica fuzzy no controle de robs manipuladores.
Malki et al (1997) projetaram um controlador fuzzy PID no controle de uma junta flexvel em
um brao robtico com caractersticas no-lineares e parmetros variveis, tornado-se assim o
controle deste brao um tanto complicado. Neste experimento, utilizaram dois mtodos de
controle: controlador PID convencional e controlador fuzzy PID, ambos sob as mesmas
condies. O controlador PID convencional foi incapaz de guiar satisfatoriamente o brao
robtico (com uma carga no-linear) sob qualquer combinao entre os ganhos de controle.
Um grfico da sada do sistema, com os ganhos do controlador PID que proporcionaram os
melhores resultados mostrado na FIG. 2.3. Entretanto, o controlador fuzzy PID controlou o
sistema satisfatoriamente, FIG 2.4. Tang, Chen e Lu (2001) tambm aplicaram um
controlador fuzzy em um brao robtico; entretanto tal controlador no possui o termo
derivativo (D), sendo caracterizado por um controlador fuzzy PI. Deixando de lado as
aplicaes em robs, Ying, Siler e Buckley (1990) analisaram o desempenho de um
controlador fuzzy PI em sistemas lineares de primeira e segunda ordem, mas tambm em um
sistema no-linear.

12

FIGURA 2.3 Desempenho do controlador PID convencional no sistema robtico
FONTE: Adaptada de MALKI et al, 1997


FIGURA 2.4 Desempenho do controlador fuzzy PID no sistema robtico
FONTE: Adaptada de MALKI et al, 1997



13
III. A LGICA FUZZY

3.1. Fundamentos da lgica fuzzy

A lgica fuzzy tem a capacidade de a partir de informaes vagas, obter um valor numrico,
que possa ser tratado pelos computadores. Trata-se de uma lgica que trabalha com
raciocnios aproximados, ao invs de exatos, como se costuma na lgica clssica.

Na matemtica clssica, os conceitos devem ser definidos de forma clara e precisa. No
entanto, no dia a dia isso nem sempre acontece. Os conceitos frio, quente, claro e escuro, por
exemplo, so bem vagos. Dessa forma, com o intuito de representar essas informaes vagas e
imprecisas, Zadeh
1
(1965 apud CHENG, 2001) props o conceito de conjuntos nebulosos
(fuzzy sets) em 1965.

3.1.1. O conjunto nebuloso

Formalmente, um conjunto nebuloso A do universo de discurso definido por uma funo
de pertinncia [ ] 1 , 0 :
A
. Essa funo associa a cada elemento x de o grau ( ) x
A
, com
o qual x pertence a A (ZADEH
1
, 1965, apud SANDRI; CORREA, 1999). A funo de
pertinncia ( ) x
A
indica o grau de compatibilidade entre x e o conceito expresso por A:

( ) 1 = x
A
indica que x completamente compatvel com A
( ) 0 = x
A
indica que x completamente compatvel com A
( ) 1 0 < < x
A
indica que x parcialmente compatvel com A, com grau ( ) x
A

(3.1)

Um conjunto A da teoria dos conjuntos clssica pode ser visto como um conjunto nebuloso
especfico, denominado usualmente de crisp, para o qual { } 1 , 0 :
A
, ou seja, a
pertinncia do tipo tudo ou nada, sim ou no, e no gradual como para os conjuntos
nebulosos.


1
ZADEH, L. A. Fuzzy Sets, Information and Control. 1965, v. 8, p. 338-353.

14
Com o intuito de deixar clara a diferena entre estes conceitos, considere o conceito
adolescente. Um conjunto crisp no exprime completamente o conceito de adolescente, pois
uma pessoa com 12 anos e 11 meses seria considerada completamente incompatvel com este
conceito. J um conjunto nebuloso permite exprimir que qualquer pessoa com idade entre 13 e
17 anos um adolescente, acima de 19 ou abaixo de 11 no considerado adolescente, e no
intervalo [11,13] (respectivamente [17,19]) considerado tanto mais adolescente quanto mais
prxima de 13 (respectivamente de 17) sua idade.

3.1.2. Funes de pertinncia

Uma funo de pertinncia uma curva que define o grau de pertinncia (valor entre 0 e 1) de
cada entrada. Um dos exemplos mais comuns usados para exemplificar um conjunto nebuloso
o conjunto das pessoas altas. Caso este conjunto seja clssico, pode-se dizer que as pessoas
com mais de 1,80 m so consideradas como altas. Seria dessa forma um conjunto falho, haja
vista que uma pessoa com 1,79 m no seria considerada alta. Trata-se de mais um exemplo
em que a utilizao de conjuntos nebulosos de grande valia, FIG. 3.1.


FIGURA 3.1 A funo de pertinncia altura
Fonte: Adaptada de FUZZY, 1995

Na curva mostrada na FIG. 3.1, o eixo vertical est representado pelos graus de pertinncia,
definidos no intervalo de 0 a 1 e o eixo horizontal representa a altura de cada pessoa. A
funo de pertinncia representada no interior do retngulo, sendo esta que associa cada
entrada (altura) com uma sada (grau de pertinncia). Observe que uma pessoa com um grau
15
de pertinncia de 0,95 considerada alta, entretanto uma com um grau de 0,30 j dita como
no to alta.

3.1.3. Definio matemtica de um conjunto nebuloso

Um conjunto nebuloso A do conjunto universal X definido pela sua funo de pertinncia
( ) x
A
.

( ) { } 1 0 , = = x X x A
A

(3.2)

( ) [ ] 1 , 0 : X x
A

(3.3)

A funo de pertinncia ( ) x
A
expressa o grau que um elemento x membro do conjunto
nebuloso A. Quanto mais o valor de ( ) x
A
se aproxima de 1, maior ser o grau de pertinncia
do elemento ao conjunto A.

Assim como no caso de conjuntos clssicos, definem-se aos conjuntos nebulosos operaes
como unio e interseo de conjuntos nebulosos. Entretanto, para conjuntos nebulosos tem-se:

X A A
C


(3.4)


C
A A
(3.5)

onde A
C
indica o complemento do conjunto A, X indica o conjunto universo e indica o
conjunto vazio.

3.1.4. Operadores lgicos

A lgica nebulosa uma generalizao da lgica booleana, ou seja, mantendo-se o grau de
pertinncia de cada elemento nos extremos de 1 (completamente verdadeiro) e 0
(completamente falso), a lgica booleana pode ser utilizada, FIG. 3.2.

16
FIGURA 3.2 Os operadores lgicos aplicados na lgica clssica
Fonte: FUZZY, 1995

Deve-se lembrar que na lgica fuzzy as entradas assumem valores entre 0 e 1. Dessa forma,
deve-se usar uma funo que preserve os resultados conforme mostrados na FIG. 3.2,
fazendo-se assim uma generalizao da lgica booleana.

Para o operador AND (E), usa-se o operador min (mnimo). Isso resolve o problema da
sentena A AND B, onde A e B so limitados pelo intervalo (0,1). Usando o mesmo raciocnio,
substitui-se o operador OR (OU) pelo operador max (mximo). Finalizando, a operao NOT
A (NO A) equivalente operao 1-A, FIG. 3.3.


FIGURA 3.3 Os operadores lgicos aplicados na lgica nebulosa
Fonte: FUZZY, 1995




17
3.1.5. Regras se-ento

Os conjuntos nebulosos (fuzzy sets) e os operadores nebulosos (fuzzy operators) so usados
juntamente com as regras do tipo se-ento para formular as sentenas fundamentais ao
raciocnio nebuloso. Uma simples regra do tipo se-ento assume a seguinte forma,

se x A ento y B (3.6)

onde A e B so valores lingsticos definidos pelos conjuntos nebulosos nos universos X e Y,
respectivamente. A parte se da regra, ou seja, x A denominada antecedente enquanto a
parte ento, ou seja, y B chamada de conseqente. Observe a frase,

Se o servio bom ento a gorjeta mediana. (3.7)

A palavra bom representada como um nmero entre 0 e 1, ou seja, o antecedente uma
interpretao que retorna um nmero entre 0 e 1. J a palavra mediana representada como
um conjunto nebuloso e assim, o conseqente designa o conjunto nebuloso B varivel de
sada y.

Em geral, a entrada de uma regra do tipo se-ento o valor atual para a varivel de entrada
(nesse caso, servio) e a sada um conjunto nebuloso (nesse caso, mediana). Essa sada
ento convertida para um valor real (nmero), processo que denominado defuzzificao.

3.2. Inferncia em sistemas nebulosos

A inferncia nebulosa um processo que define quais decises devem ser tomadas, gerando
aes de controle, FIG. 3.4.

No diagrama mostrado na FIG. 3.4, o processo de inferncia em sistemas nebulosos flui da
esquerda para a direita, de duas entradas para uma nica sada. A estrutura em paralelo das
regras um dos mais importantes aspectos da lgica nebulosa. O processo de inferncia em
sistemas nebulosos dividido em cinco partes principais: fuzzificao das variveis de
entrada, aplicao dos operadores nebulosos (AND ou OR) no antecedente, implicao do
18
antecedente com o conseqente, agregao dos conseqentes com as regras e por fim a
defuzzificao.

FIGURA 3.4 Viso geral do processo de inferncia em sistemas nebulosos
Fonte: Adaptada de FUZZY, 1995

3.2.1. Fuzzificando as entradas

O primeiro passo determinar o grau de pertinncia de cada entrada a cada conjunto nebuloso
por meio das funes de pertinncia. Antes que cada regra possa ser analisada, necessrio
que as entradas sejam fuzzificadas de acordo com cada varivel lingstica, FIG. 3.5.

Como um exemplo, mostra-se na FIG. 3.5 como a comida de um restaurante (avaliada em
uma escala de 0 a 10) qualificada por meio da funo de pertinncia deliciosa. V-se que
a comida avaliada em 8 corresponde a um grau de pertinncia de 0,7, dado pela funo de
pertinncia deliciosa.

3.2.2. Aplicando os operadores nebulosos

Na seo anterior, as entradas foram fuzzificadas e o grau em que cada parte do antecedente
satisfaz cada regra foi determinado. Entretanto, se o antecedente de uma regra for composto
por mais de uma parte, um operador nebuloso deve ser aplicado com o intuito de obter um
nmero que representa o resultado do antecedente para aquela regra. As entradas de um
19
operador nebuloso so dois ou mais graus de pertinncias das variveis de entrada que foram
fuzzificadas. A sada um valor, FIG. 3.6.


FIGURA 3.5 O processo de fuzzificao
Fonte: Adaptada de FUZZY, 1995

FIGURA 3.6 O uso do operador nebuloso OR
Fonte: Adaptada de FUZZY, 1995

No exemplo mostrado na FIG. 3.6, as duas partes do antecedente (servio excelente e
comida deliciosa) tiveram graus de pertinncia 0,0 e 0,7 respectivamente. O operador
nebuloso OR simplesmente seleciona o mximo dos dois valores, 0,7, e assim a anlise da
regra fica completa.


20
3.2.3. Aplicando o mtodo de implicao

Antes de aplicar o mtodo de implicao, deve-se prestar ateno ao peso de cada regra. Toda
regra possui um peso (nmero entre 0 e 1), que aplicado ao nmero dado pelo antecedente.
Geralmente este peso tem valor 1 e dessa forma ele no tem efeito no processo de implicao.

Agora que cada regra tem seu peso, o mtodo de implicao pode ser implementado. A
entrada para o processo de implicao um nmero obtido pelo antecedente, e a sada um
conjunto nebuloso, FIG. 3.7. O processo de implicao aplicado a cada regra.

FIGURA 3.7 Aplicao do operador de implicao min
Fonte: Adaptada de FUZZY, 1995

No exemplo mostrado na FIG. 3.7, foi aplicado o operador de implicao min (mnimo), que
descarta um pedao da funo de pertinncia generosa.

3.2.4. Agregando as sadas

A inferncia nebulosa o processo que determina que decises devam ser tomadas a respeito
do processo. Essas decises so inferidas com base no teste de todas as regras de inferncia.
Sendo assim, essas regras devem ser combinadas de alguma maneira antes que alguma
deciso seja tomada.
21
A agregao o processo pelos quais os conjuntos nebulosos, que representam a sada de
cada regra, so combinados em um nico conjunto. A agregao ocorre apenas uma vez para
cada varivel de sada. A entrada do processo de agregao uma lista de funes de sada
truncadas, retornadas pela implicao de cada regra. A sada um conjunto nebuloso, FIG.
3.8.

FIGURA 3.8 Aplicao do mtodo de agregao max
Fonte: Adaptada de FUZZY, 1995

No exemplo mostrado na FIG. 3.8, trs regras foram colocadas com o intuito de mostrar como
a sada de cada regra combinada, agregada, em um nico conjunto nebuloso cuja funo de
pertinncia especifica um peso para cada valor de sada, nesse caso, a gorjeta. Na agregao,
foi usado o operador de agregao max, que combina os mximos de cada funo de
pertinncia, gerando assim, uma nica funo, nesse caso, mxima.



22
3.2.5. Defuzzificando

A entrada do processo de defuzzificao um conjunto nebuloso, o que foi agregado no
processo anterior, e a sada um nmero, FIG. 3.9. Esta sada pode representar uma ao de
controle precisa sobre o sistema a ser controlado.


FIGURA 3.9 O processo de defuzzificao
Fonte: Adaptada de FUZZY, 1995

Como mtodo de defuzzificao, fez o uso do centride (COA), o mais popular dos mtodos
de defuzzificao, o qual retorna o centro da rea abaixo da curva.

A seleo do mtodo est relacionada diretamente com as caractersticas do processo
controlado e o comportamento de controle necessrio. Alguns mtodos, como o mtodo da
mdia dos mximos (MOM), se assemelham o efeito de um controlador bang-bang, podem
conduzir a aes de controle inadequadas ao modo de operao (por exemplo, produzindo
solavancos) e, assim, causar danos de ordem prtica em equipamentos como os atuadores
(SANDRI; CORREA, 1999).

Existem ainda outros mtodos de defuzzificao, apresentando diferenas em termos de
velocidade e eficincia, caractersticas que devem ser analisadas em conjunto com os
requisitos do projeto.

23
IV. MODELO DO CONTROLADOR FUZZY PI

Para a aplicao do controlador fuzzy PI em um sistema real necessria a determinao da
lei de controle. Esta lei relacionar as entradas do controlador com a sua sada. Trata-se de
uma frmula matemtica, que ser inserida em um microcontrolador para que este calcule a
sada do controlador objetivando o controle da temperatura do ambiente.

4.1. Inferncia nebulosa de Sugeno

O processo de inferncia nebulosa discutido no captulo 3 conhecido como o mtodo de
inferncia nebulosa de Mamdani, sendo esta a metodologia mais comum. Esta seo discute o
mtodo de inferncia nebulosa de Sugeno ou Takagi-Sugeno-Kang, introduzido em 1985 e
que similar ao mtodo de Mamdani em vrios aspectos. As duas primeiras partes do
processo de inferncia nebulosa, ou seja, fuzzificao das entradas e aplicao dos operadores
nebulosos so avaliados da mesma maneira para ambos os mtodos de inferncia nebulosa. A
principal diferena entre os mtodos de Mamdani e Sugeno que para este mtodo, o grau de
pertinncia da sada do controlador ser regido por uma funo linear ou simplesmente ser
uma constante (FUZZY, 1995).

Uma regra tpica em um modelo nebuloso de Sugeno tem a forma:

Se entrada 1 = x e entrada 2 = y, ento sada z = ax + by + c (4.1)

Para um modelo de Sugeno de ordem zero, o nvel da sada z uma constante (a = b = 0). O
nvel da sada z
i
de cada regra determinado pela sua multiplicao com um peso w
i
da regra.
Por exemplo, para uma regra que contenha um AND com entrada 1 = x e entrada 2 = y, o peso
definido por

( ) ( ) ( ) y F x F AND w
i 2 1
, = (4.2)

onde ( ) .
2 , 1
F so as funes de pertinncia das entradas 1 e 2. A sada final do sistema a
mdia ponderada da sada de cada uma das regras de inferncia, ou seja,

24
Sada

=
=
=
N
i
i
N
i
i i
w
z w
final
1
1
(4.3)

Como se v a representao do sistema de Sugeno mais compacta e computacionalmente
eficiente comparada ao sistema de Mamdani, razes estas pelas quais o controlador fuzzy PI
projetado utilizar a inferncia nebulosa de Sugeno. Veja a seguir as vantagens de ambos os
mtodos de inferncia nebulosa:

Vantagens do mtodo de Sugeno:
o Computacionalmente eficiente;
o Trabalha bem com tcnicas lineares (ex.: controle PID);
o Trabalha bem com tcnicas adaptativas e de otimizao;
o Garante uma curva de sada contnua;
o Bem adequado anlise matemtica.

Vantagens do mtodo de Mamdani:
o intuitivo;
o Largamente utilizado;
o Bem adequado ao raciocnio humano.

4.2. Princpio matemtico do controlador fuzzy PI

Descreve-se nesta seo o princpio matemtico para o projeto do controlador fuzzy PI,
incluindo a fuzzificao, a base de regras do controlador e a defuzzificao. No projeto usa-se
como base o controlador PI convencional.

A sada de um controlador PI analgico convencional no domnio de Laplace dada por:

( ) ( ) s E
s
K
K s u
c
i c
p PI

|
|

\
|
+ = (4.4)

25
onde
c
p
K e
c
i
K so os ganhos proporcional e integral, respectivamente, e ( ) s E representa o
sinal de erro.

A equao (4.4) pode ser transformada na sua forma discreta aplicando a transformao
bilinear dada por:

(

=
1
1 2
z
z
T
s
(4.5)

onde T o tempo de amostragem. Assim, a equao (4.4) resulta em:

( ) ( ) z E
z
z T K
K z u
c
i c
p PI

|
|

\
|

+
+ =
1
1
2
(4.6)

Colocando a equao (4.6) em funo de potncia negativas de z , obtm-se:

( ) ( ) z E
z
z T K
K z u
c
i c
p PI

|
|

\
|

+
+ =

1
1
1
1
2
(4.7)

Multiplicando ambos os lados da equao (4.7) por ( )
1
1

z obtm-se:

( ) ( ) ( ) ( ) ( ) z E z
T K
z K z z u
c
i c
p PI

|
|

\
|
+ + =
1 1 1
1
2
1 1 (4.8)

No plano z (domnio de tempo discreto) a varivel
n
z

multiplicando ( ) z Y significa no
tempo a varivel ( ) kT y atrasada nT segundos, onde T o tempo de amostragem. Assim,
calculando-se a Tranformada Z Inversa da equao (4.8), obtm-se a seguinte equao de
diferenas:

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) T nT e nT e
T K
T nT e nT e K T nT u nT u
c
i c
p PI PI
+ + =
2
(4.9)

26
Dividindo a equao (4.9) por T e rearranjando-a obtm-se:

( ) ( ) ( ) T nT e K nT r K nT u
i PI
+ = (4.10)

onde
c
i i
K K = e
2
T
K K K
c
i
c
p
+ = , com:

( )
( ) ( )
T
T nT u nT u
nT u
PI PI
PI

= (4.11)

e

( )
( ) ( )
T
T nT e nT e
nT r

= (4.12)

Admitindo um ganho de controle nebuloso
u
K chega-se lei de controle do controlador fuzzy
PI, dada por:

( ) ( ) ( ) nT u K T nT u nT u
PI u PI PI
+ =
(4.13)

O controlador fuzzy PI um controlador digital, como se v na FIG. 4.11, onde ( ) nT sp o
set-point (entrada de referncia) e ( ) nT y a sada do processo a ser controlado.


FIGURA 4.11 Sistema de controle fuzzy PI

A seguir, apresenta-se o procedimento padro no projeto de controladores nebulosos, o qual
consiste na fuzzificao, no estabelecimento da base de regras e na defuzzificao.
27
4.2.1. Fuzzificao

Pela equao (4.10) observa-se que o controlador PI digital emprega duas entradas:
( ) T nT e K
i
(erro atrasado multiplicado por uma constante) e ( ) nT r K (taxa de variao
do sinal de erro multiplicada por uma constate). Desse modo, o controlador fuzzy PI
empregar as mesmas entradas do controlador PI em virtude de aquele controlador ser uma
derivao deste.

As funes de pertinncia das entradas do controlador fuzzy PI so apresentadas na FIG. 4.12.


FIGURA 4.12 Funes de pertinncia das entradas do controlador fuzzy PI
Fonte: Adaptada de MALKI et al, 1997

Por meio da FIG. 4.12 possvel obter equaes para o clculo do grau de pertinncia de cada
entrada. Para isto, basta observar que as funes de pertinncia so retas. Assim, de posse de
dois pontos de cada funo de pertinncia (reta) e aplicando a equao da reta obtm-se as
seguintes equaes:

( )
L
L T nT e K
p e
i
2
+
=
( )
L
L T nT e K
n e
i
2
+
=
( )
L
L nT r K
p r
2
+
=
( )
L
L nT r K
n r
2
+
=
(4.14)

4.2.2. Regras de controle fuzzy

Utilizando as funes de pertinncia anteriormente mencionadas, estabelecem-se as regras de
controle para o controlador fuzzy PI:

28




(R1) Se ( ) n e T nT e = E (AND) n r nT r = ) ( ento sada-PI = n o
(R2) Se ( ) n e T nT e = E (AND) p r nT r = ) ( ento sada-PI = z o
(R3) Se ( ) p e T nT e = E (AND) n r nT r = ) ( ento sada-PI = z o
(R4) Se ( ) p e T nT e = E (AND) p r nT r = ) ( ento sada-PI = p o
(4.15)

Nas regras de controle estabelecidas, sada-PI a sada do controlador fuzzy PI ( ) nT u ,
p e significa erro positivo e p o significa sada positiva, etc. Alm do mais, E (AND)
representa o operador lgico AND de Zadeh definido por ( ) { }
B A
min B A , = . As quatro
regras definidas na equao (4.14), juntas, geram as aes de controle para a lei de controle do
controlador fuzzy PI.

A formulao das regras de controle pode ser entendida como se segue. Para a regra 1 (R1), a
condio n e (erro negativo) implica que a sada do processo ( ) nT y est acima da referncia
( ) nT sp , e n r (taxa do erro negativa) implica que ( ) ( ) nT y T nT y < , ou seja, a sada do
processo est aumentando, distanciando ainda mais da referncia. Assim, ( ) nT u deve ser
negativo para que se diminua a sada do processo. Similarmente, para a regra 2 (R2), uma vez
que a sada do processo est acima da referncia mas diminuindo, nenhuma ao de controle
necessria neste caso, pois o processo por si s est caminhando para a referncia; assim
( ) nT u deve ser zero. As regras 3 e 4 so determinadas de maneira similar.

4.2.3. Defuzzificao

Neste processo utiliza-se como mtodo de defuzzificao o centro de massa para defuzzificar
a ao de controle incremental ( ) nT u da lei de controle do controlador fuzzy PI, equao
(4.13), como mostrado na equao (4.16):

( )

entrada da a pertinnci de grau

ente correspond sada entrada da a pertinnci de grau
nT u (4.16)

29
Para a avaliao da equao (4.16), o intervalo de valores das duas entradas (erro e taxa de
variao do erro) decomposto em vinte regies (ICs), FIG. 4.13. As regras de controle (R1)
(R4) juntamente com as funes de pertinncia e as regies IC, so usadas para calcular a
lei de controle apropriada para cada regio.


FIGURA 4.13 Regies das combinaes possveis entre as entradas
Fonte: Adaptada de TANG; CHEN; LU, 2001

Considere a localizao de ( ) T nT e K
i
e ( ) nT r K na regio IC1. Nesta regio,
( ) T nT e K
i
est compreendido no intervalo [ ] L , 0 e ( ) nT r K no intervalo [ ] 0 , L . Assim,
analisando a FIG. 4.12 tem-se que 5 , 0 > p e , 5 , 0 < n e , 5 , 0 < p r e 5 , 0 > n r para pontos
situados na regio IC1. Nesta mesma regio observa-se que ( ) ( ) nT r K T nT e K
i
> e
conseqentemente, por uma anlise na FIG. 4.12 v-se que n r p e > e n e p r > . Assim,
ordenando os graus de pertinncia das entradas na ordem decrescente, observa-se que para
pontos situados na regio IC1 tem-se que:

p e n r p r n e < < <
(4.17)

De posse da equao (4.17) v-se que na regra 1 a aplicao do operador lgico AND de
Zadeh acarreta:

{ } n e n r n e min n r taxa AND n e erro = =
)
`

= = ,
(4.18)
30
Portanto, a regra 1 (R1) produz:

n o ente correspond sada da a pertinnci de grau o

n e a selecionad entrada da a pertinnci de grau o
(R1)
,

(4.19)

Similarmente, na regio IC1, as regras (R2) (R4), juntamente com o operador lgico AND
de Zadeh, produzem:

z o ente correspond sada da a pertinnci de grau o

n e a selecionad entrada da a pertinnci de grau o
(R2)
,

(4.20)

z o ente correspond sada da a pertinnci de grau o

n r a selecionad entrada da a pertinnci de grau o
(R3)
,

(4.21)

p o ente correspond sada da a pertinnci de grau o

p r a selecionad entrada da a pertinnci de grau o
(R4)
,

(4.22)

Pode ser verificado que as equaes (4.19) a (4.22) so vlidas tanto para a regio IC1 como
para a IC2. Assim, nestas regies, segue-se que a equao (4.16) origina,

( )
p r n r n e n e
p o p r z o n r z o n e n o n e
nT u

+ + +
= (4.23)

Como j foi dito, o controlador fuzzy PI projetado utilizar a inferncia nebulosa de Sugeno
para gerar as aes de controle. Assim, assumir que os graus de pertinncia da sada do
controlador sero constantes, dadas por:

L p o = L n o = 0 = z o
(4.24)

Utilizando as equaes (4.14) e (4.24) calcula-se a equao (4.23). Assim, obtm-se:

31
( )
( ) ( )
( ) ( ) [ ] nT r K T nT e K
T nT e K L
L
nT u
i
i
+

=
2 2

(4.25)

Utilizando o mesmo procedimento descrito anteriormente verifica-se que para as regies IC5
e IC6:

( )
( ) ( )
( ) ( ) [ ] nT r K T nT e K
T nT e K L
L
nT u
i
i
+
+
=
2 2

(4.26)

Nota-se que ( ) 0 T nT e nas regies IC5 e IC6. Combinando as equaes (4.25) e (4.26),
obtm-se uma nica equao (4.27), vlida para as quatro regies IC1, IC2, IC5 e IC6:

( )
( ) ( ) [ ]
( ) ( ) T nT e K L
nT r K T nT e K L
nT u
i
i

+
=
2 2

(4.27)

Trabalhando da mesma maneira para as outras regies da FIG. 4.13, obtm-se as seguintes
frmulas para as vinte regies:


( )
( ) ( ) [ ]
( ) ( ) T nT e K L
nT r K T nT e K L
nT u
i
i

+
=
2 2

em IC1, IC2, IC5 e IC6 (4.28)

( )
( ) ( ) [ ]
( ) ( ) nT r K L
nT r K T nT e K L
nT u
i

+
=
2 2

em IC3, IC4, IC7 e IC8 (4.29)
( ) ( ) [ ] L nT r K nT u + =
2
1
em IC9 e IC10 (4.30)
( ) ( ) [ ] L T nT e K nT u
i
+ =
2
1
em IC11 e IC12 (4.31)
( ) ( ) [ ] L nT r K nT u =
2
1
em IC13 e IC14 (4.32)
( ) ( ) [ ] L T nT e K nT u
i
=
2
1
em IC15 e IC16 (4.33)
( ) 0 = nT u em IC18 e IC20 (4.34)
( ) L nT u = em IC17 (4.35)
( ) L nT u = em IC19 (4.36)

32
As equaes (4.28) a (4.36) avaliam a sada do controlador fuzzy PI. Estas equaes iro ditar
qual dever ser o incremento na ao de controle anterior de tal forma que se controle a
temperatura interna do ambiente.

4.3. Validao do modelo

Obtida a lei de controle para o controlador fuzzy PI, verifica-se se as equaes (4.28) a (4.36)
so realmente vlidas para o controlador em questo. Admitindo valores para as entradas do
controlador, a sua validao foi realizada pela comparao da sada obtida pelo controlador
fuzzy PI calculada por meio das equaes (4.28) a (4.36) e com a sada obtida por meio da
caixa de ferramentas Fuzzy Logic Toolbox, disponvel no programa MATLAB.

Primeiramente, deve-se entrar no Fuzzy Logic Toolbox com os dados referentes ao
controlador fuzzy PI, FIG. 4.14. Nesta figura, observa-se o erro e taxa como as variveis de
entrada e como sada, uma funo f(u), em virtude da utilizao do mtodo de Sugeno de
inferncia nebulosa. Na mesma figura, observam-se o mtodo min para o operador lgico
AND e o mtodo wtaver, ou seja, o centro de massa como mtodo de defuzzificao. Adotou-
se o intervalo [-1,1] para todas as trs variveis, ou seja, L = 1. Com relao s constantes K
e
i
K , estas foram igualadas a um.


FIGURA 4.14 Definio das variveis de entrada e sada, dos operadores lgicos e do
mtodo de defuzzificao no Fuzzy Logic Toolbox
33
Deve-se tambm entrar com as funes de pertinncia para cada varivel do controlador
nebuloso, FIG. 4.15, 4.16 e 4.17.


FIGURA 4.15 Funes de pertinncia para a entrada erro no Fuzzy Logic Toolbox


FIGURA 4.16 Funes de pertinncia para a entrada taxa no Fuzzy Logic Toolbox
34

FIGURA 4.17 Funes de pertinncia para a sada no Fuzzy Logic Toolbox

Por fim, entra-se com as regras de controle (R1) (R4) no Fuzzy Logic Toolbox, FIG. 4.18.


FIGURA 4.18 Regras de controle (R1) (R4) no Fuzzy Logic Toolbox
35
Com todos os dados inseridos no Fuzzy Logic Toolbox, deve-se comparar a sada obtida pelo
toolbox, FIG. 4.19, com a obtida pelas equaes (4.28) a (4.36) para um mesmo conjunto de
variveis de entrada. Considera-se inicialmente o erro e a taxa sendo nulos e calcula-se a sada
do controlador com o auxlio das equaes em questo. Observa-se que para estes valores das
variveis de entrada, deve-se utilizar a equao (4.28) no clculo da sada ( ) nT u . Assim:

( )
( ) ( ) [ ]
( ) ( )
0
2 2
=

+
=
T nT e K L
nT r K T nT e K L
nT u
i
i

(4.37)

Observa-se na FIG. 4.19 que a sada do controlador tambm nula, o que condiz com o
resultado obtido na equao (4.37). A interpretao fsica deste resultado tambm
condizente com a realidade, pois se o erro nulo e a taxa tambm, isso quer dizer que o
sistema est estvel em sua referncia (setpoint); sendo assim no h a necessidade de um
incremento na sada de controle.


FIGURA 4.19 Sada obtida quando o erro e a taxa so nulos

36
Considere agora como variveis de entrada um erro = 0,25 e uma taxa = 0,5. Pelas regies
mostradas na FIG. 4.13, observa-se que o ponto de operao do sistema se encontra na regio
IC3, devendo-se utilizar a equao (4.29) para o clculo da sada do controlador fuzzy PI.
Assim, avaliando a equao (4.29):

( )
( ) ( ) [ ]
( ) ( )
[ ]
( )
25 , 0
5 , 0 2 2
5 , 0 25 , 0 1
2 2
=

+
=

+
=
nT r K L
nT r K T nT e K L
nT u
i

(4.38)

Observa-se na FIG. 4.20 que o valor da sada do controlador tambm 0,25, o que condiz
com o resultado obtido na equao (4.38). Outras verificaes podem ser obtidas da mesma
maneira. Conclui-se que o projeto do controlador foi realizado de maneira correta, e assim as
equaes (4.28) a (4.36) podero ser utilizadas no desenvolvimento do software de controle
para o controlador fuzzy PI.


FIGURA 4.20 Sada obtida quando o erro = 0,25 e a taxa = 0,5


37
4.4. Sintonia do controlador fuzzy PI

Com base nas equaes (4.13) e (4.28) a (4.36) observa-se que a sintonia do controlador fuzzy
PI consiste em estabelecer os valores das constantes K ,
i
K e
u
K . Para o ajuste dessas
constantes adotou-se a mesma metodologia utilizada por Ying, Siler e Buckley (1990).

Considera-se
D
K e
iD
K ganhos dinmicos, correspondentes aos ganhos K e
i
K ,
respectivamente, da equao (4.10), quando o erro e a taxa de variao do erro no so nulos.
De acordo com as equaes (4.10), (4.13), (4.28) e (4.29) v-se que:

( ) ( ) T nT e K L
K K L
K
i
u
D


=
2 2

( ) ( ) T nT e K L
K K L
K
i
u i
iD


=
2 2

(4.39)

nas regies IC1, IC2, IC5 e IC6 mostradas na FIG. 4.12, e

( ) ( ) nT r K L
K K L
K
u
D


=
2 2

( ) ( ) nT r K L
K K L
K
u i
iD


=
2 2

(4.40)

nas regies IC3, IC4, IC7 e IC8 mostradas na FIG. 4.12.

Pelas equaes (4.39) e (4.40) conclui-se que o controlador fuzzy PI corresponde a um
controlador PI no-linear cujos ganhos K e
i
K so funes no-lineares das variveis de
entrada do controlador fuzzy PI.

Para o controlador fuzzy PI, define-se dois novos ganhos: um ganho esttico (
S
K ) e um ganho
esttico integral (
iS
K ), ganhos estes avaliados considerando-se nulos o erro e a taxa de
variao do erro. De acordo com as equaes (4.39) e (4.40) v-se que:

38
4
u
S
K K
K

=
4
u i
iS
K K
K

=
(4.41)

Com o intuito de fazer uma comparao justa entre os controladores fuzzy PI e PI, os ganhos
S
K e
iS
K do controlador fuzzy PI so igualados aos ganhos
c
K e
c
i
K , respectivamente, do
controlador PI tradicional. Assim:

4
u c
K K
K

=
4
u i c
i
K K
K

=
(4.42)

Portanto, para a sintonia do controlador fuzzy PI, deve-se fazer primeiramente a sintonia do
controlador PI. Determinadas as constantes do controlador PI, ou seja,
c
K e
c
i
K , arbitra-se
um valor para
u
K e calculam-se, utilizando a equao (4.42), as constantes K e
i
K do
controlador fuzzy PI.















39
V. ESTUDO DE CASO

5.1. O objeto de estudo

O objetivo deste trabalho estudar, implementar e analisar um sistema de controle fuzzy PI de
temperatura num modelo de edificao em escala reduzida. Este modelo de edificao em
escala reduzida , especificamente, uma pequena casa construda em madeira, FIG. 5.1, 5.2,
5.3. A maquete apresenta uma largura de 62,5 cm, um comprimento de 62 cm e uma altura de
37 cm.

O modelo mostrado na FIG. 5.1 trata-se de uma maquete (escala 1:600) da casa do programa
Usiteto das Usinas Siderrgicas de Minas Gerais S.A. USIMINAS (USITETO, 2001). O
programa Usiteto iniciou-se em 1997, como resultado de uma parceria entre a Usiminas e a
Companhia de Habitao de Minas Gerais (Cohab-MG), quando foi desenvolvida a soluo
dos prdios populares. Esta iniciativa tem como proposta contribuir para a reduo do dficit
habitacional do Pas, e destinada populao com renda de at trs salrios mnimos. A casa
Usiteto, FIG. 5.4, 5.5, uma alternativa mais econmica, simples e rpida, em comparao
com o sistema convencional de construo de casas populares. Esse programa possibilita
ainda ao futuro morador construir a sua prpria casa (auto-construo) aps ser instrudo
(FRANSOZO, 2003).


FIGURA 5.1 Viso frontal e lateral da maquete
40

FIGURA 5.2 Viso traseira e lateral da maquete


FIGURA 5.3 Viso superior da maquete

5.2. Proposta do sistema de controle

Objetivando o controle de temperatura em um ambiente da maquete, desenvolve-se um
sistema de controle. Este sistema de controle fornece uma massa de ar ao ambiente de
maneira que sua temperatura estabilize num valor pr-estabelecido (setpoint).

O sistema de controle proposto composto por um sensor LM35, cooler como atuador e um
microcontrolador PIC16F877A. Estes dispositivos sero descritos brevemente ao longo deste
captulo.
Cmodo no qual ser
posicionado o sensor
de temperatura
41

FIG. 5.4 Casa do programa Usiteto
Fonte: USITETO, 2001


FIG. 5.5 Planta baixa da casa Usiteto
Fonte: USITETO, 2001

42
5.2.1. Microcontrolador PIC16F877A

Um microcontrolador um circuito integrado programvel que contm a maioria das
caractersticas de um computador, mas em tamanho limitado. Atualmente existem centenas de
diferentes tipos de microcontroladores, abrangendo dispositivos de 8 a 40 pinos, ou at 64 ou
mais pinos. um tipo de microprocessador auto-suficiente e de baixo custo, sendo muitas
vezes referenciados como computadores em tempo real embutidos. Tradicionalmente os
microcontroladores foram programados usando linguagem assembly. Hoje possvel
programar estes dispositivos usando linguagens de alto-nvel, tais como, BASIC, PASCAL,
ou C. Como resultado disto, algoritmos de controle muito complexos podem ser
implementados nos microcontroladores e como conseqncia disso o interesse em controle
digital tem aumentado rapidamente nas ltimas dcadas (IBRAHIM, 2006).

Neste trabalho utiliza-se o microcontrolador PIC16F877A, FIG. 5.6. Trata-se de um
dispositivo de 40 pinos e apresenta um barramento interno de dados de 8 bits. Suas principais
caractersticas so:

Baixo custo;
Facilidade de programao;
Grande diversidade de perifricos internos;
Memria de programa do tipo Flash;
Excelente velocidade de execuo (5 MIPS);
Baixo consumo de energia.


FIGURA 5.6 Microcontrolador PIC16F877A

43
Em geral, os microcontroladores apresentam uma pequena quantidade de memria interna,
fator que limita a sua utilizao em grandes projetos. No entanto, o microcontrolador
PIC16F877A apresenta uma quantidade de memria adequada sua utilizao no sistema de
controle proposto.

Na proposta de controle, o microcontrolador responsvel por calcular a tenso mdia a ser
entregue ao atuador, ou seja, ao cooler, de maneira que este fornea uma quantidade de ar
necessria para a manuteno da temperatura interna do ambiente em um valor pr-
estabelecido.

5.2.2. Sensor LM35

O LM35 um sensor de temperatura de preciso, FIG. 5.7, cuja tenso de sada diretamente
proporcional temperatura na escala Celsius, sendo de 10 mV/C. Este sensor no necessita
de qualquer calibrao externa para fornecer com exatido, valores de temperatura com
variaes de 0,25 C ou at mesmo 0,75 C dentro da faixa de temperatura de -55 C a 150 C.
Este sensor tem sada com baixa impedncia, tenso linear e calibrao inerente precisa,
fazendo com que seu interfaceamento com dispositivos de leitura, como LCDs e displays de
sete segmentos, seja fcil.


FIGURA 5.7 Sensor LM35

O LM35 pode ser alimentado com uma tenso de 4 a 20 V
dc
e drena apenas 60 A de sua
fonte de alimentao, acarretando assim um baixo auto-aquecimento, menor que 0,1 C ao ar
livre.
44
O sensor LM35 pode ser encontrado em vrios tipos de encapsulamento, sendo o mais comum
o TO-92, que mais se parece com um transistor, e oferece tima relao custo/benefcio, por
ser o mais barato dos modelos e propiciar a mesma preciso dos demais. A grande diversidade
de encapsulamentos se d devido alta gama de aplicaes deste circuito integrado.

5.2.3. Cooler

O cooler o atuador do sistema de controle, FIG. 5.8. Este tem como funo fornecer uma
quantidade de ar ao ambiente, de tal modo que a temperatura interna do cmodo se mantenha
constante em um valor pr-estabelecido.


FIGURA 5.8 Cooler

A potncia do cooler controlada pelo microcontrolador por meio de uma modulao por
largura de pulsos, ou seja, PWM. Consequentemente a potncia do atuador determinada pelo
ciclo de trabalho do cooler. Um cooler com um ciclo de trabalho de 100 % est girando em
sua velocidade mxima, apresentando uma tenso mdia de 12 V aplicada em seus terminais,
ao passo que com um ciclo de trabalho de 0 % o cooler se encontra parado.

5.3. Montagem do sistema de controle

A montagem do sistema de controle realizada em um protoboard, que uma placa com
milhares de furos e conexes condutoras para montagem de circuitos eltricos experimentais,
e tambm dentro da casa, FIG. 5.9. No interior da casa se encontra um sensor de temperatura,
um amplificador operacional, um cooler e duas resistncias. No protoboard se encontra o
45
microcontrolador, trs resistores, dois capacitores, um transistor, um diodo, um oscilador em
cristal, um potencimetro, dois botes e um LCD (display de cristal lquido).


FIGURA 5.9 Sistema de controle montado

Na FIG. 5.10 apresenta-se o esquema eltrico do sistema de controle. Observa-se neste
esquema eltrico que a sada do sensor de temperatura amplificada em 11 vezes. Esta
amplificao tem como intuito aumentar a preciso da medio de temperatura. Observa-se
tambm um diodo em paralelo com o cooler. Este diodo chamado de diodo de roda livre e
tem como funo proteger o transistor, uma vez que ao se desligar o cooler poder ocorrer
uma descarga eltrica direcionada ao transistor em virtude do cooler ser uma carga indutiva.
Com o diodo de roda livre esta descarga eltrica circular em torno do diodo e no mais no
transistor.

Como se v, o circuito eltrico apresenta um LCD, o qual possibilitar a leitura da
temperatura interna do ambiente, do ciclo de trabalho do cooler e da temperatura de referncia
(setpoint). O boto RESET utilizado para reinicializar o sistema de controle caso este sofra
algum problema. O boto ALTERA SETPOINT utilizado para alterar a temperatura
desejada no ambiente. O oscilador em cristal inserido no circuito tem como funo produzir
uma freqncia para o microcontrolador, sendo necessria para a execuo de suas instrues
e assim, primordial para o correto funcionamento do sistema de controle.


46

FIGURA 5.10 Esquema eltrico do sistema de controle

5.4. Desenvolvimento do software de controle

A partir do modelo do controlador, mais especificamente, de sua lei de controle, foi possvel
desenvolver o software de controle. Este software faz a leitura do sensor de temperatura, de
maneira que se possa compar-la com a temperatura desejada no ambiente. Em seguida, a
partir da lei de controle do controlador fuzzy PI, calcula o incremento necessrio na sada do
controlador para controlar a temperatura interna do ambiente. Por fim, atualiza a sada do
controlador e far a aquisio das respostas do sistema.

Desenvolveu-se o software de controle em linguagem C. Sendo assim, necessita-se de um
compilador para converter essa linguagem de alto nvel para a linguagem de mquina do
microcontrolador. Para isto, utiliza-se o ambiente de desenvolvimento PCWH IDE Compiler.
Maiores informaes sobre este compilador podem ser encontradas no site
http://www.ccsinfo.com. Utilizou-se este compilador devido a sua vasta literatura disponvel
no Brasil. A linguagem de mquina a linguagem na qual o software deve ser gravado na
memria do microcontrolador. Dessa forma, o programa convertido utiliza as instrues
disponveis no microcontrolador PIC16F877A.

Aps a compilao do software de controle, este dever ser gravado no microcontrolador.
Para isto utiliza-se o ambiente de desenvolvimento MPLAB IDE. Este ambiente gratuito e
desenvolvido pela prpria fabricante do microcontrolador PIC16F877A, ou seja, pela
47
Microchip. Maiores informaes sobre este ambiente de desenvolvimento podem ser
encontradas no site http://www.microchip.com.

O algoritmo do software de controle pode ser conferido no final deste texto, nos anexos. O
algoritmo se encontra comentado de modo a facilitar seu entendimento.

5.5. Resultados obtidos

A aquisio de dados realizada utilizando-se o mdulo NI USB-6009, FIG. 5.11, fabricado
pela National Instruments. Este mdulo possui oito entradas analgicas, duas sadas
analgicas, doze entradas/sadas digitais e um contador de 32 bits. Alm do mais o mdulo se
comunica com o computador pelo barramento USB, destacando-se assim a sua alta
portabilidade. As entradas analgicas do mdulo so de 14 bits e utilizando apenas uma destas
entradas, o mdulo NI USB-6009 capaz de fazer at 48000 amostragens por segundo,
possuindo assim um desempenho acima do necessrio para obteno dos resultados do
experimento. Para que os resultados obtidos sejam visualizados e salvos no computador
utiliza-se o software gratuito VI Logger Lite.


FIGURA 5.11 Mdulo NI USB-6009

Sabe-se que a sintonia do controlador fuzzy PI consiste em estabelecer os valores das
constantes K ,
i
K e
u
K . Nota-se, no entanto, pelas equaes (4.39) e (4.40), que a sintonia do
controlador fuzzy PI consiste tambm em estabelecer valores para o tempo de amostragem T
e para a faixa de [ ] L L, das variveis de entrada do controlador, que definida pelas funes
de pertinncia (FIG. 4.12). Admitindo-se que um sistema trmico apresenta uma resposta
48
lenta utiliza-se um tempo de amostragem de 1 s. Com relao ao parmetro L arbitra-se um
valor fixo igual a 1. Desse modo tem-se 1 = = L T .

Aps a realizao de vrios experimentos, obtiveram-se as seguintes constantes:

10 = K 1 =
i
K 40 =
u
K
(5.1)

Na FIG. 5.12 apresenta-se o comportamento da temperatura interna do ambiente sob atuao
do controlador PI. Observa-se que a temperatura se estabiliza em torno de 23,1 C, 1 min aps
a temperatura atingir 23 C, ou seja, a temperatura de referncia pr-estabelecida. Com o
objetivo de avaliar a robustez do sistema de controle, simula-se a ocorrncia de uma rpida
perturbao (ligao repentina de uma fonte interna de calor) no sistema com durao de 5 s.
Essa perturbao ocasiona um aumento instantneo da temperatura do ambiente, chegando
esta a 24,5 C. Com a atuao do sistema de controle, a temperatura do ambiente atinge a
temperatura de referncia em torno de 2,5 min aps a temperatura atingir seu pico mximo.
Esse tempo de reposta evidencia a robustez do sistema de controle, pois este reage com o
intuito de manter a temperatura em torno da referncia.

Na FIG. 5.13 apresenta-se o comportamento da temperatura interna do ambiente sob atuao
do controlador fuzzy PI. Observa-se que a temperatura se estabiliza em torno de 23,1 C, 40 s
aps a temperatura atingir 23 C, ou seja, a temperatura de referncia. Do mesmo modo
realizado no caso do controlador PI, simula-se uma rpida perturbao no sistema (em torno
de 5 s) com o objetivo de avaliar a robustez do sistema de controle. Essa perturbao ocasiona
um aumento instantneo da temperatura do ambiente, chegando esta a 24,4 C. A temperatura
do ambiente atinge a referncia em torno de 2,5 min aps a temperatura atingir seu pico
mximo, evidenciando-se a robustez do sistema de controle.

49
0 1 2 3 4 5 6
22
22.5
23
23.5
24
24.5
25
T
e
m
p
e
r
a
t
u
r
a

(

C
)
Tempo (minutos)

FIGURA 5.12 Temperatura interna do ambiente com a atuao do controlador PI

0 1 2 3 4 5 6
22
22.5
23
23.5
24
24.5
25
Tempo (minutos)
T
e
m
p
e
r
a
t
u
r
a

(

C
)

FIGURA 5.13 Temperatura interna do ambiente com a atuao do controlador fuzzy PI

Na FIG. 5.14 apresenta-se a tenso aplicada no cooler sob a atuao do controlador PI para se
efetuar o controle da temperatura do ambiente. Antes da ocorrncia de uma perturbao no
sistema, o controlador PI aumenta gradativamente a tenso no cooler com o objetivo de
50
manter a temperatura do ambiente prxima da temperatura de referncia pr-estabelecida.
Aplicada a perturbao, o controlador leva em torno de 6 s para aumentar instantaneamente a
tenso no cooler, atingindo um pico de 9,2 V, ou seja, 76 % da potncia mxima do cooler.
Cessada a perturbao a tenso no cooler volta a cair, estabilizando-se em torno de 6,2 V, ou
seja, 52 % da potncia mxima do cooler, levando um tempo de 2,5 min aps a temperatura
atingir seu pico mximo.

Na FIG. 5.15 apresenta-se a tenso aplicada no cooler sob a atuao do controlador fuzzy PI
para se efetuar o controle da temperatura do ambiente. Antes da ocorrncia de uma
perturbao no sistema, o controlador fuzzy PI aumenta gradativamente a tenso no cooler
tentando manter a temperatura do ambiente prxima da temperatura de referncia pr-
estabelecida. Aplicada uma perturbao, o controlador leva em torno de 3 s para aumentar a
tenso no cooler, atingindo um pico de 10,2 V, ou seja, 85 % da potncia mxima do cooler.
Quando cessada a perturbao, a tenso no cooler volta a cair, estabilizando-se em torno de
6,2 V, ou seja, 52 % da potncia mxima do cooler, correspondendo a um tempo de 2 min e
15 s aps a temperatura atingir seu pico mximo.

0 1 2 3 4 5 6
2
3
4
5
6
7
8
9
10
11
T
e
n
s

o

(
V
)
Tempo (minutos)

FIGURA 5.14 Tenso aplicada no cooler com a atuao do controlador PI

51
0 1 2 3 4 5 6
2
3
4
5
6
7
8
9
10
11
Tempo (minutos)
T
e
n
s

o

(
V
)

FIGURA 5.15 Tenso aplicada no cooler com a atuao do controlador fuzzy PI

De acordo com as respostas do sistema aos dois controladores observa-se que antes da
ocorrncia da perturbao o sistema com a atuao do controlador fuzzy PI leva em torno de
20 s menos que o controlador PI para a estabilizao da temperatura do ambiente em torno da
temperatura de referncia. Quando aplicada uma perturbao os controladores apresentaram
um desempenho similar, estabilizando a temperatura interna do ambiente em
aproximadamente o mesmo tempo. Com relao ao tempo de resposta dos controladores, o
controlador fuzzy PI leva em torno de 3 segundos menos que o controlador PI para reagir
perturbao; no entanto esta diferena pode ser considerada desprezvel. O mesmo se pode
dizer em relao potncia fornecida ao cooler, as quais foram similares sob a atuao de
ambos os controladores.









52
VI. CONCLUSES

Neste trabalho, desenvolve-se um controlador fuzzy PI para o controle da temperatura interna
de um ambiente em escala reduzida. Realiza-se um estudo de como implementar este sistema
de controle. Por meio deste estudo obtm-se a lei de controle do controlador fuzzy PI,
viabilizando assim a sua implementao prtica. Alm do mais desenvolvido um
controlador PI, comparando seu desempenho com o do controlador nebuloso e servindo
tambm como base para a sintonia deste controlador.

Como dispositivo de controle, utiliza-se o microcontrolador PIC16F877A. Este
microcontrolador tem como funo fazer a leitura do sensor de temperatura e calcular a
potncia a ser entregue ao atuador para que se controle a temperatura do ambiente.

A metodologia utilizada neste trabalho, isto , o estudo do princpio matemtico do
controlador fuzzy PI para o desenvolvimento de uma lei de controle para este, uma
ferramenta que pode ser utilizada para a aplicao deste sistema de controle em diversas
outras aplicaes. Destaca-se na literatura a sua aplicao em robs manipuladores; nestes
sistemas o controlador fuzzy PI apresentou um desempenho bastante superior a um
controlador PI.

Com um sistema de aquisio de dados obtm-se as respostas do sistema sob a atuao dos
controladores. Neste estudo o controlador fuzzy PI apresentou um desempenho pouco superior
ao controlador PI.

Para trabalhos futuros, sugere-se o desenvolvimento de outros controladores nebulosos, como
o fuzzy PID e o interfaceamento do microcontrolador com dispositivos que permitam no s
resfriar o ambiente, mas tambm aquec-lo. Finalmente sugere-se a aplicao do controlador
fuzzy PI em outros sistemas, principalmente nos quais os controladores PI no apresentam um
desempenho satisfatrio, com o intuito de observar se houve melhoria considervel com o uso
de sistemas de controle nebulosos.




53
VII. REFERNCIAS BIBLIOGRFICAS

AKUTSU, Maria. Mtodo para a avaliao do desempenho trmico de edificaes no
Brasil. 1998. Tese (Doutorado em Arquitetura) Programa de Ps Graduao em
Arquitetura, Faculdade de Arquitetura e Urbanismo, Universidade de So Paulo, So Paulo,
1998.

CHENG, L. Y. Informaes subjetivas no estudo do conforto ambiental Uma introduo s
abordagens baseadas na teoria dos sistemas nebulosos. In: ENCONTRO NACIONAL
SOBRE CONFORTO NO AMBIENTE CONSTRUDO, 6., 2001, Campinas.

CHIU, Stephen. Using Fuzzy Logic in Control Applications: Beyond Fuzzy PID Control.
IEEE Control Systems Magazine, Thousand Oaks, v. 18, n. 5, p. 100-104, 1998.

COELHO, L. D.; ALMEIDA, O. M.; COELHO, A. A. R. Projeto e Estudo de Caso da
Implementao de um Sistema de Controle Nebuloso. Sba: Controle & Automao
Sociedade Brasileira de Automtica, Natal, v. 14, n. 1, p. 20-29, 2003.

FRANSOZO, H. L. Avaliao do desempenho de habitaes de baixo-custo estruturadas
em ao. 2003. Teste (Mestrado em Engenharia Civil) Programa de Ps Graduao em
Engenharia Civil, Departamento de Engenharia Civil, Universidade Federal de Ouro Preto,
Ouro Preto, 2003.

FUZZY Logic Toolbox Users Guide, 1995. THE MATHWORKS, Inc. Disponvel em:
<http://www.mathworks.com>. Acesso em: 13 de fev. 2008.

IBRAHIM, Dogan. Microcontroller based applied digital control. West Sussex: John
Wiley & Sons Ltd, 2006.

MALKI, H. A.; MISIR, D.; FEIGENSPAN, D.; CHEN, G. Fuzzy PID Control of a Flexible-
Joint Robot Arm with Uncertainties from Time-Varying Loads. IEEE Transactions on
Control Systems Technology, Santa Barbara, v. 5, n. 3, p. 371-378, 1997.

54
PEREIRA, Fbio. Microcontroladores PIC Programao em C. So Paulo: Editora rica
Ltda., 2003.

PEREIRA, Fbio. Microcontroladores PIC Tcnicas Avanadas. So Paulo: Editora
rica Ltda., 2002.

PINTO, M. A. V.; SOUZA, H. A.; FREITAS, M. S. R. Desempenho trmico dos painis de
vedao versus conforto trmico. Revista Construo Metlica, So Paulo, v. 11, n. 50, p.
34-38, set./out. 2001.

SANDRI, S.; CORREA, C. Lgica Nebulosa. In: ESCOLA DE REDES NEURAIS, 5., 1999,
So Jos dos Campos. Anais... So Jos dos Campos: ITA, 1999, p. c73-c90.

SCHWARTZ, D. G.; KLIR, G. J; LEWIS, H. W, III; EZAWA, Y. Applications of Fuzzy Sets
and Approximate Reasoning. Proceedings of the IEEE, Tallahassee, v. 82, n. 4, p. 482-498,
1994.

SIMES, M. G; SHAW, I. S. Controle e modelagem fuzzy. 1 ed. So Paulo: Editora
Edgard Blcher Ltda., 2007.

SOUZA, H. A.; FRANSOZO, H.L.; BRAGA, G. A.; FERNADES, W. L. Avaliao do
desempenho trmico dos sistemas de fechamento pr-fabricados utilizados na construo
estruturada em ao. In: ENCONTRO NACIONAL SOBRE CONFORTO NO AMBIENTE
CONSTRUDO, 7., 2003, Curitiba. Anais... Curitiba: ENCAC-COTEDI, 2003. p. 1236-1244.

TANG, W.; CHEN, G.; LU, R. A modified fuzzy PI controller for a flexible-joint robot arm
with uncertainties. Fuzzy Sets and Systems, Houston, v. 118 , n. 1, p. 109-119, 2001.

TRIBESS, A.; HERNANDEZ NETO, A.; VITTORINO, F.; PEANHA, M. Aspectos de
conservao de energia em ambientes condicionados. In: ENCONTRO NACIONAL SOBRE
CONFORTO NO AMBIENTE CONSTRUDO, 4., 1997, Salvador. Anais... Salvador:
ENCAC-COTEDI, 1997. p. 413-417.

55
USITETO Soluo Usiminas para habitao popular: detalhamento tcnico. Belo Horizonte:
USIMINAS. Gerncia de Desenvolvimento da Aplicao do Ao DGA. 2001. Disponvel
em: <http://www.usiminas.com.br>. Acesso em: 13 de fev. 2008.

YING, H.; SILER, W.; BUCKLEY, J. Fuzzy Control Theory: A Nonlinear Case.
Automatica, Tarrytown, v. 26, n. 3, p. 513-520, 1990.




























56
ANEXO I
CDIGO FONTE DO SOFTWARE DE CONTROLE

Apresenta-se o cdigo fonte, em linguagem C, do controlador fuzzy PI, implementado num
microcontrolador.

//=============================================================================
// Programa: implementao de um Controlador Fuzzy PI
// Autor: Ives Soares de Oliveira
//=============================================================================

// *** Diretivas do Compilador ***
#include <16F877.H>
#device adc = 10 // Utilizar converso A/D de 10 bits
// *** Configurao dos fuses ***
#fuses NOWDT, XT, NOPUT, NOPROTECT, NODEBUG, NOBROWNOUT, NOLVP, NOCPD, NOWRT
#use delay(clock = 4000000) // Define clock de 4MHz
#priority timer0, ext // Define a prioridade das interrupes

// *** Incluso do drive LCD ***
#include <LCD.C>

// *** Mtodo rpido de fazer I/O ***
#use fast_io(a)
#use fast_io(b)
#use fast_io(c)
#use fast_io(d)
#use fast_io(e)

// *** Variveis globais ***
int temp_ref = 26; // Temperatura de referncia

// *** Interrupo que garante um tempo de amostragem de 1 segundo ***
#int_timer0
void trata_tmr0() {
static int cont_timer0; // Varivel de contagem para o timer 0

set_timer0(131); // Inicializa o timer no valor 131
cont_timer0++; // Incrementa a varivel de contagem em uma unidade

if (cont_timer0 == 125) { // Ocorreram 125 interrupes (1s)?
float temp; // Temperatura
float erro; // Erro da temperatura
static float erro_anterior; // Erro anterior da temperatura
57
static float out_fuzzy_anterior; // Sada anterior do controlador Fuzzy PI
boolean control_on = 1; // Varivel que diz o estado do sistema de controle

cont_timer0 = 0; // Zera a varivel de contagem

set_ADC_channel(0); // Seleciona o canal AN0 para converso
delay_us(20); // Espera 20 microsegundos
temp = read_adc(); // L o valor no conversor A/D
temp = temp * 5000 / 1023 / 110 - 1; // Temperatura do sensor

printf(lcd_putc, "\fTemp. = %2.1f ", temp); // Mostra a temperatura no LCD
lcd_send_byte(1, 0b11011111); // Coloca o smbolo de "grau" no LCD
printf(lcd_putc, "C\n"); // Mostra o C no LCD

erro = temp_ref - temp; // Calcula o erro

if (erro >= 0.5) {
control_on = 0; // Desliga o sistema de controle
set_pwm1_duty(0); // Desliga o cooler
}

if (control_on) {
// *** Ganhos do controlador Fuzzy PI ***
const int Ki = 1;
const int K = 10;
const int Ku = 40; // Ganho de controle incremental

float out_fuzzy; // Sada do controlador Fuzzy PI
signed int16 ciclo; // Ciclo de trabalho do PWM1
float taxa; // Taxa em que o erro varia
float abs_taxa; // Mdulo da taxa
float abs_erro_ant; // Mdulo do erro anterior
float out_inc_fuzzy; // Incremento na sada do controlador Fuzzy PI

taxa = erro - erro_anterior; // Calcula a derivada do erro
erro_anterior = erro;

abs_erro_ant = abs(erro_anterior); // Calcula o mdulo do erro
abs_taxa = abs(taxa); // Calcula o mdulo da derivada do erro

// *** Calcula a sada da base de regras do controlador nebuloso ***
// *** Regies IC1, IC2, IC5 e IC6 ***
if ((K * abs_taxa <= Ki * abs_erro_ant) && (Ki * abs_erro_ant <= 1))
out_inc_fuzzy = (Ki * erro + K * taxa) / (2 * (2 - Ki * abs_erro_ant));


58
// *** Regies IC3, IC4, IC7 e IC8 ***
else if ((Ki * abs_erro_ant <= K * abs_taxa) && (K * abs_taxa <= 1))
out_inc_fuzzy = (Ki * erro + K * taxa) / (2 * (2 - K * abs_taxa));

// *** Regies IC9 e IC10 ***
else if ((Ki * erro > 1) && (K * abs_taxa < 1))
out_inc_fuzzy = 0.5 * (K * taxa + 1);

// *** Regies IC11 e IC12 ***
else if ((K * taxa > 1) && (Ki * abs_erro_ant < 1))
out_inc_fuzzy = 0.5 * (Ki * erro + 1);

// *** Regies IC13 e IC14 ***
else if ((Ki * erro < -1) && (K * abs_taxa < 1))
out_inc_fuzzy = 0.5 * (K * taxa - 1);

// *** Regies IC15 e IC16 ***
else if ((K * taxa < -1) && (Ki * abs_erro_ant < 1))
out_inc_fuzzy = 0.5 * (Ki * erro - 1);

// *** Regio IC17 ***
else if ((Ki * erro > 1) && (K * taxa > 1))
out_inc_fuzzy = 1;

// *** Regies IC19 ***
else if ((Ki * erro < -1) && (K * taxa < -1))
out_inc_fuzzy = -1;

// *** Regies IC18 e IC20 ***
else out_inc_fuzzy = 0;

// *** Calcula a sada do controlador fuzzy PI ***
out_fuzzy = out_fuzzy_anterior + Ku * out_inc_fuzzy;

ciclo = out_fuzzy; // Seta o ciclo de trabalho do cooler
ciclo = abs(ciclo); // Calcula o mdulo do ciclo de trabalho

if (ciclo > 1020) ciclo = 1020; // Saturao no mximo
if (ciclo < 255) ciclo = 255; // Saturao no mnimo

out_fuzzy = ciclo;
set_pwm1_duty(ciclo); // Seta o ciclo de trabalho para o PWM1

out_fuzzy_anterior = -out_fuzzy;


59
// *** Calcula a porcentagem do ciclo de trabalho ***
out_fuzzy = out_fuzzy / 1020 * 100;

out_fuzzy = abs(out_fuzzy);

// *** Mostra o ciclo de trabalho do PWM1 ***
printf(lcd_putc, "Ciclo = %3.1f ", out_fuzzy);
lcd_send_byte(1, 0b00100101); // Envia o smbolo de porcentagem ao LCD
}
}
}

// *** Interrupo para o funcionamento do boto que altera o setpoint ***
#int_ext
void trata_rb() {
temp_ref++; // Incrementa o setpoint em uma unidade
if (temp_ref == 31) temp_ref = 26; // Volta a 30 o setpoint
printf(lcd_putc, "\fSetpoint = %u ", temp_ref); // Mostra o setpoint no LCD
lcd_send_byte(1, 0b11011111); // Coloca o smbolo de "grau" no LCD
printf(lcd_putc, "C\n"); // Coloca a letra C no LCD
delay_ms(250); // Delay para exibio da mensagem
}

// *** Mtodo principal do programa ***
void main() {
// *** Define as direo das portas ***
set_tris_a(0b11111111);
set_tris_b(0b11111111);
set_tris_c(0b11111011);
set_tris_d(0b00001000);
set_tris_e(0b00000111);

lcd_init(); // Inicializa o display

// *** Configura o conversor A/D ***
setup_ADC_ports(AN0); // AN0, VRef+ = VDD, VRef- = VSS
setup_ADC(ADC_CLOCK_DIV_32); // Divide o clock interno por 64

// *** Configura as sadas PWM ***
setup_timer_2(T2_DIV_BY_16, 254, 1); // Frequncia de 245Hz
set_pwm1_duty(0); // Seta ciclo de trabalho em 0 para o PWM1
setup_ccp1(CCP_PWM); // Configura o CCP1 para modo PWM

// *** Configura o timer0 ***
setup_timer_0(RTCC_INTERNAL | RTCC_DIV_64); // Clock interno e prescaler de 64
set_timer0(131); // Inicia o timer 0 em 131
60
// *** Configurao da interrupo no pino Rb.0 (interrupo externa) ***
ext_int_edge(H_TO_L); // Interrupo no pino Rb.0 do nvel alto para o baixo
clear_interrupt(INT_EXT); // Limpa a interrupo externa

// Habilita interrupes
enable_interrupts(INT_TIMER0); // Interrupo do timer 0
enable_interrupts(INT_EXT); // Interrupo externa
enable_interrupts(GLOBAL); // Interrupo global

// *** Loop infinito ***
while (true) {
}
}