Utilização do Controle Fuzzy nos Sistemas de Ar
Condicionado em Edificios Automatizados.
AJessandro La Neve
Herbert R do N. Costa
Pós-Graduação - Departamento Engenharia Elétrica.
Faculdade Engenharia Industrial - FEl
Av. Castelo Branco 3972 - S. B. Campo Cep: 09850-901
e_mail: alaneve@cci .fei.br
Abstrat: Buildings automation allows the control of the main services that a building offers, like : display of light,
electric systern, air conditioning system etc. We have studied the air conditioning system , in particular, describing
its shaping and we've taken from this mathematic model some information in order to descrihe a more efficient
control of this procedure. Our main objective in this study is to build a Fuzzy Simulator for the study of the
behavior of electric energy consume in Air Conditioning Systems, in automated buildings.
Resumo: A automação de Edifícios possibilita o controle dos principais serviços oferecidos em um edifício como
Iluminação. Elétrica. Ar Condicionado etc. Estudamos, em particular, o Ar Condicionado, descrevendo sua
modelagem e retirando desse modelo matemático informações para descrever um controle mais eficaz desse
processo . O principal objetivo foi a construção de um Simulador Fuzzy para o estudo do Comportamento do
Consumo de Energia Elétrica em Sistemas de Ar Condicionado, em Edifícios Automatizados.
1. Introdução.
2. Lógica Fuzzy aplicada ao Controle de Edifícios.
Durante muito tempo houve correlações entre
os processos existentes na Automação de Edifícios e os
processos industriais. Se compararmos a automação
existente em alguns setores industriais (automação de
processos) e a aplicada em Condicionamento
AmbientaL Iluminação e Automatismo na Área
Elétrica, processos importantes dentro dos edifícios,
verificamos que os requisitos de maior distribuição do
controle e o aumento da complexidade dos algoritmos
são comuns. Porém. temos funções desempenhadas
pelos Sistemas de Automação de Edificios que não têm
paralelos na automação industrial. Tais funções estão
relacionadas, em sua grande maioria, à área de
segurança. onde a preocupação é voltada para: Circuito
Fechado de Televisão (C.F. T.V.), Controle de Acesso ,
Central de Detecção e Combate a Incêndio, Sistema de
Identificação Automática de Visitantes etc.
Analisando os principais processos da
Automação de Edifícios. foi estudado o Ar
Condicionado e os algoritmos de controle aplicados a
esse processo, visando a redução do consumo de
energia e manter as condições de conforto. Para
obtenção de um controle eficaz do Ar Condicionado foi
aplicado um algoritmo baseado na Lógica Fuzzy .
Os conceitos da Lógica Fuzzy tiveram sua
origem nos trabalhos do Prof. Lotfi A. Zadeh, em
1965, na Universidade da Califórnia, Berkeley [DUB
80a J. Podemos dizer que a inteligência humana tem a
característica de "nebulosidade", pois tem a capacidade
de resumir os fatos observados e, mesmo tendo uma
grande capacidade para informações adquiridas, pode
selecionar as mais importantes.
Na teoria clássica de conjuntos, podemos
afirmar que um elemento pertence a um conjunto ou
não . ou seja, temos sempre a condição de falso ou
verdadeiro (lógica bivalorizada).
O Professor Zadeh, como mencionado em
Dubois [DUB 80bJ, Gomide [GOM 92] e [MOT 91J,
propôs uma caracterização mais ampla, na medida em
que sugere que alguns elementos são mais membros de
um conjunto do que outros. O fator de pertinência ou
fator de certeza pode, então, assumir qualquer valor
entre O e 1, sendo que o valor O indica uma completa
exclusão e um valor 1 representa completa pertinência.
Essa generalização aumenta o poder de expressão da
função característica (lógica multi-valorizada). Para
expressar a idéia de que uma temperatura tem seu
325
valor por volta de 25 °C. o autor usa uma função de
pertinência triangular. como na Figura 2.1. com o pico
em 25 0C. para sugerir a idéia de que quanto mais
perto do número de 25 "C mais ele se identifica com o
conceito representado.
r
A
1
o
25
Figura 2.1 - Função de Pertinência
A partir dos conceitos do prof. Zadeh. foram
elaboradas técnicas para aplicação da lógica fuzzy em
diversas áreas da automação. como : Controle de
Motores, Controle de Temperatura de Reatores,
Controle de Temperatura em Sistema de Ar
Condicionado, Controle de Fornos Industriais etc
ICHA 90J. IBAR 93J. lEVA 89J. IMAM 811 e ITER
91 J. Dizemos que a elaboração do controle de diversos
processos. utilizando a Lógica FULZY. é uma
ferramenta poderosa. visto que onde há dificuldade na
elaboração de um modelo matemático consistente do
processo a ser automatizado ou a aplicação de um
modelo matemático é inviável. seja pela complexidade
ou pela dificuldade de resolução desse modelo em um
tempo de processamento viável. podemos utilizar
outras técnicas para resolução da automação desse
processo. uma dessas técnicas é a Lógica Fuzzy.
A maioria das aplicações do Controle Fuzzy
segue os algoritmos propostos por Madani e King
IALM 931, IDUB 80cJ e [EVA 89J. A Figura 2.2.
mostra o diagrama de um Controlador Fuzzy proposto
por Madani [ALM 93]. Esse diagrama se tomou
genérico [BAR 93]. [DUB 80dl e [MAR 911.
Basicamente. podemos dizer que as partes de um
Controle Fuzzy são : a interface de Fuzzificação. a Base
de conhecimento. o Mecanismo de Inferência e a
interface de Defuzzificação.
3. Construção do Simulador Fuzzy
A construção do Simulador Fuzzy é
constituída de duas partes: a primeira é o estudo e a
implementação do algoritmo de Controle utilizando a
Lógica Fuzzy: a segunda parte é a construção de um
programa que fornecerá as variáveis de entrada para o
Controlador Fuzzy e. também . receberá as vari áveis de
saída do Controlador.
O algoritmo de Controle utilizando Lógica
Fuzzy foi desenvolvido dentro de um ambiente de
desenvolvimento de aplicações Fuz7.Y (SDAF) I HI
.91al O algoritmo de Controle Fuzzy foi obtido com a
definição das regras de controle das vari áveis de
entrada e saída e as funções de pertinência. A Figura
3.1 mostra um diagrama da arquitetura do Simulador.
Neste diagrama exemplificamos as etapas de
construção do Simulador. Primeiro. temos o ambiente
de desenvolvimento (SDAF) IHI 93b]. este software é
constituído de vários recursos para construção do
Controle Fuzzy. Dentre esses recursos. podemos citar
os processos de fuzzificação e defuzzificação. bem
como os Mecanismos de Infer ência das Regras de
Controle .
Após a construção do algoritmo de Controle
FlUZY no SDAF. o mesmo é codificado. compilado e é
gerado um código execut ável para o módulo MCI ou
Controlador Fuzzy. Este modelo recebe todas as
informações do "processo" e o controla. Para nós. o
"processo" será o Consumo de Energia nos Sistemas
de Ar
Condicionado Central
em
Edificios
Automatizados.
O nosso trabalho será a execução da
simulação deste "processo" e a geração do controle
para o Sistema do Ar Condicionado. Teremos um
programa que transmite. recebe e analisa os dados
gerados pelo Controlador Fuzzy que foi construído no
SDAF.
PC
I
Ambiente de
Desenvolvimento
Biblioteca
de
Comumcaçâo
•
MCI
I
Controlador
Fuzzy
SDAF
Biblio teca
de
BASE
DE
REGRAS
Co rnurucaç âo
(USUARIO) •
(SENSORES} - - -
B
Figura 2.2 - Estrutura do Controle Fuzzy,
Programa que processa os da dos
ruci ars e os resultados da SImulação
Figura 3.1. Diagrama da Arquitetura do Simulador
Fuzzy.
Implementação do Controle Fuzzy
4.2 Variáveis relacionadas
Condicionado.
Analisando os modelos adotados para estimar
o Consumo de Energia em sistema de Ar
Condicionado. foram escolhidas as variáveis de
entrada do Simulador. Estas variáveis foram divididas
em dois grupos: o primeiro grupo. onde as variáveis
são colocadas como parâmetros de ajuste ou calibração
do sistema a ser simulado [PEI 90 I e o segundo. em
que as variáveis estão relacionadas à operação do
edificio. sem alteração na configuração fisica das
instalações de Ar Condicionado.
Para
analisarmos
o
Comportamento
Energético dos Sistemas de Ar Condicionado através
dos Sistemas de Controle. que monitoram e controlam
os seus equipamentos. escolhemos a variável Consumo
de Energia no Sistema de Ar Condicionado.
Analisando as curvas de consumo de energia
das edificações automatizadas em Marte [MAR 92].
chegamos a algumas conclusões sobre os valores de
consumo e suas variações durante um dia . Essas
variações serão consideradas na elaboração da curva de
pertinência da variável relacionada ao consumo. Os
pontos de operação dos valores de Consumo de
Energia por Área serão tratados como margens de Erro
sobre um Ponto de Operação definido pelo usuário do
Simulador. Assim . teremos no Simulador a entrada de
um Ponto de Operação ("Set-Point") e o Simulador vai
trabalhar para manter o Consumo o mais próximo do
"Set-Point" definido pelo usuário. Mostramos na
Figura -l.Ll as curvas de pertinência com relação ao
Erro-Consumo de Energia.
Foram utilizadas as formas' triangulares e
trapezoidais para mostrar as funções de pertinência.
Além disto . temos a possibilidade de trocar as curvas,
pois o ambiente onde desenvolvemos o Simulador
permite as alterações das curvas, bem como a
construção de curvas mais apropriadas ao processo
controlado. Isto mostra a capacidade do algoritmo de
Controle Fuzzy de ser ajustado conforme o aumento do
conhecimento que se tem do processo.
4.2.1 Erro - Temperatura da Água Gelada (Erro
TAG)'
Foi escolhida a variável Erro T AG, pois ela
representa a variação existente entre a Temperatura da
Água Gelada fixada no "Chiller" ("Set-Point") e a
temperatura lida na saída do "Chiller" para os
elementos secundários ("Fan-Coils") . A Temperatura
da Água Gelada. que está sendo enviada pela Unidade
Central de Refrigeração ("Chiller") para os
equipamentos secundários "Fan-Coils", traz a
informação das necessidades de refrigeração do ar ,
requeridas pelos ambientes. O fluxo de Água Gerada
que passa pelas serpentinas dos "Fan-Coils", na
maioria dos projetos, estão na faixa de 5 °C e 8°C.
Esta baixa temperatura faz com que o Ar insuflado
pelos ventiladores dos "Fan-Coils" saiam no ambiente
a uma temperatura entre 12°C a 18°C. Então,
podemos dizer que o controle da vazão na água gelada
ou o controle da temperatura desta água está
diretamente relacionado ao Consumo de Energia no
Sistema de Ar Condicionado, pois a variação da
temperaturas nas "Zonas de Conforto" vão determinar
a redução ou o aumento do fluxo de água gelada que
passa pelos "Fan-Coils" . Temos na figura 4.2.1.1 a
função de pertinência da variável de entrada Erro
TAG.
j
I'-+- N
LI
I
NS
1--.-. ZE I
CIl
c
I---im" - rs l
L )< A- I
c..
0,8
-- -
- - - -
'
- - -
-
- -
i
:: 0,6
- - - - -
- - - - - - -
-
:
- - - - -
- - -
-
0,4
- - -
Erro-Consumo
-2
Figura
Ar
No processo do Ar Condicionado, há dois
conjuntos de parâmetros: parâmetros de desempenho e
parâmetros operacionais do modelo apresentado. Os
parâmetros de desempenho são utilizados no modelo
para os cálculos das variáveis e seus valores em
determinado intervalo Esses parâmetros dependem
muito da configuração física dos Sistema de Ar
Condicionado. Já os parâmetros operacionais são
variáveis que podem ser modificadas nos Sistemas de
Ar Condicionado, sem que haja necessidade de
mudanças físicas no sistema. Basicamente, os
parâmetros operacionais são usados nas simulações das
propostas de Conservação de Energia e dentre esses
parâmetros estão as variáveis nesse trabalho [FEl 90]
e [ASH 85] .
Variável relacionada ao Consumo de Energia.
I
ao Sistema de
-1
o
&ro Agua Gelada
Função de Pertinência - Erro-Consumo
1
z
H
::=
1::==1
_____ A.
=-_-:---:--=-_=----::_-:----=:-----::::-:-::::'
Figura 4.2.1.1 - Função de Pertinência - Erro TAG.
327
aplicações Fuzzy, como já comentamos anteriormente.
As funções de pertinência descritas anteriormente
podem ser alteradas no ambiente de desen volvimento
de aplicação Fuzzy. Podemos também testar outras
condições de controle.
4.2.3 Erro - Temperatura da Água de Condensação
(Erro TAC>.
Esta variável mede o Erro existente entre o
"Set-Point" da Água de Condensação fixado nas Torres
de Arrefecimento e a Temperatura da Água de
Condensação na saída das Torres. A escolha desta
variável foi devida a sua estreita relação com a
Temperatura de Água Gelada e o Coeficiente de
Eficiência das Unidades Centrais de Refrigeração. pois
a água que passa pelos condensadores transporta o
calor retirado do ambiente através da água gelada. A
troca do calor (cargas térmicas) entre o ambiente e o ar
refrigerado no interior do edificio é repassado para a
água gelada. Esta troca do calor. entre ar refrigerado e
água gelada, acaba sendo enviada ao ar externo através
da Torre de Arrefecimento [CRE 90]. A Figura ·U .3.1
mostra a função de pertinência adotada para a variável
de entrada Erro TAC.
4.2.5 Variáveis de Saída do Simulador Fuzzy
Para efetuarmos o controle do Consumo de
Energia Elétrica no Sistema de Ar Condicionado.
escolhemos a variá vel de saída do Simulador Fuzzy,
como sendo o ponto de operação dos controladores.
que controlam a temperatura nos ambientes
condicionados do edificio. Adotamos o ponto de
operação dos controladores como sendo igual nas
diversas áreas do edificio. Com relação às diferenças
nas condições de conforto de cada "Zona de Conforto"
do edificio. as mesmas serão tratadas pelos
controladores locais de cada ambiente.
A partir da análise do "processo" Ar
Condicionado e a interferência dos Sistemas de
Automação no controle e monitoração do mesmo. foi
escolhida a variável TSC como a principal variável de
saída do Simulador Fuzzy. A variável TSC represent a
a Temperatura de "Set-Point" normalizada para os
controladores responsá veis pela manutenção das
condições de conforto nos ambientes. Trabalharemos
com as partições da variável TSC dividida em faixas
de temperatura. representando os parâmetros que serão
enviados aos controladores dos "Fan-Coils" Os
controladores recebem estes parâmetros e será escopo
deles ajustar a vazão de água gelada para atender às
temperaturas estipuladas para o conforto dos
ambientes. através do Sistema de Automação de
Edificios que estará implementando o algoritmo de
Controle Fuzzy. Os intervalos e as faixas de
temperatura dos "Set-Point" dos controladores foram
definidos a partir dos estudos para Avaliação de um
Ambiente Térmico desenvolvidos pela ASHRAE
(American Society of Heating Refrigerating and
Air-Conditioning Engineers) e Fanger [IPT 89J . O
método de Fanger estabelece uma escala de sensação
térmica envolvendo vários níveis . Esses níveis
representam uma medida da variação das condições de
conforto no ambiente e para medir o afastamento das
condições de conforto no ambiente é usado um índice
denominado Índice de Atividade Térmica (l.A. T).
Os valores adotados para as faixas de
Temperatura da variá vel TSC são dados de projeto das
instalações dos Sistemas de Ar Condicionado e
análises da equação de Fanger. descrita acima . Esses
dados são usados nos algoritmos dos Sistemas de
Automação de Edificios e podem ser trocados de
acordo com as necessidades dos usuários finais [ASH
851. [1FT 881 e ISAU 89J , A Figura ·U .-U ilustra a
função de pertinência da variáv el TSC.
''I -'-NL]
_NS i
l--Á-zE!
,
-2
-4
I
l 4E- ps I
o
2
I_ PL i
4
Erro agua de Condensação
Figura 4.2.3.1- Função de Pertinência - Erro TAC.
4.2,4 Erro na Carga Térmica
Esta variável foi escolhida. pois a mesma traz
a totalidade do ganho de calor absorvido pelo edificio .
bem como o calor produzido dentro do próprio edificio .
É grande o número de variáveis que
interferem no comportamento de um edificio. Isto
toma dificil um equacionamento preciso para a
determinação do Consumo de Energia. bem como o
conforto térmico , mas para os Sistemas de Controle. a
determinação da Carga térmica é muito importante.
pois a mesma é um resumo de todas as variáveis
envolvidas no Comportamento Termodinâmico do
edificio fAKU 89] .
A figura 4.2.4.1 mostra as funções de pertinência
adotadas para a variável de entrada Erro na Carga
Térmica.
°1>.
====/- ====- - - _- .
.- - - - -
0,2
o - - - /
-30
-20
-10
. ..
u
o
...
.
10
B'ro carga Térmica
_
20
30
I
i
I !
'---flR l i
; ---.- A L
I
·-- - -.1 1
i
Figura 4.2,4.1. Função de Pertinência Erro Carga
Térmica.
Após a definição das variáveis de entrada e
suas respectivas funções de pertinência. podemos
introduzi-las no ambiente de desenvolvimento de
32X
II
I
,I
I
I
c 08
-
:: o:ô . - .,0,4
o.. 0,2
--
°.
-
- -
- -
-2
!
-
-
-
- -
-
-
- -
- -
-3
-
- -
°
-1
-
-
- - -
-
- - - -
2
Fator- TSC
i
-.-FS
- --
-
1
Liga-Desliga e Controle com PID.Na Figura 4.2.7.1
temos o gráfico do Comportamento do Consumo de.
Energia para os Controles tipo Liga-Desliga, Controle
tipo PIO e a Simulação Fuzzy.
- - , - -- - - -
3
•
-'Jf-LV
--ar
TAG
TAG
-+--f'vO
Figura 4.2.4;1 - Função de Pertinência - TSC.
.... NS
ZE
TN:.
4.2.6 Regras de Controle
A partir da escolha das variáveis de entrada e
saída do Controlador Fuzzy, foram definidas as regras
de controle do Controlador, Este Conjunto de Regras é
baseado na experiência obtida com as implantações dos
Sistemas de Automação de Edificios e no
conhecimento das pessoas que operam os
equipamentos dos Sistemas de AI Condicionado.
Podemos dizer que são nestas regras que misturamos o
conhecimento experimental dos -operadores ao
equacionamento matemático do AI Condicionado.
Trabalhamos com 5 (cinco) conjuntos de meta-regras
que representam um resumo de todas as regras usadas
no algoritmo de Controle Fuzzy. Através dessas metaregras foi gerada uma combinação de regras, que
colocamos no algoritmo de controle construído no
SDAF. A Figura 4.2.6.1. mostra um esboço da Tabela
das Regras de Controle, onde é mostrado como foi
construída essa tabela das regras .
( NL1i
.....J
I
CorgoTínricaC MSI
NS
ZE
PS
ZE
P5
CorgoT _ C PS I
I
L.
i
,
TN:. i ....
TAG
TAG
i
(PLl j
I
NS
ZE
PS
ZE
TAG
,-
I
NS
ZE
PS
J
L:..
CorgoTínricaC PS I
Figura 4.2.6.1 - Esboço da Tabela das Regras de
Controle
4.2.7 Simulação do Controle Fuzzy.
Esta simulação apresenta os resultados do
primeiro modelo de controle adotado pelo Simulador
Fuzzy e mostra a comparação entre o Controle tipo
Comportamento do Consumo com Controle Tipo Liga-Desliga, PIO e
Fuzzy
25_000,00
\oi
20.000,00
E
-+- C. Tipo Uga-[Ãlsl.
:= 15_000,00
,
l/l
1
TipoAD
:
-A- C. Fuzzy -
c
O '
o
10.000 ,00
.-
5_000,00
." ]
- - - - - - - - - - - - - - - - - - - - - - -, . . - -:- 1
. . • :. j
(")
Sirrufação 01
LO
Das
Figura 4.2.7.1 - Resultado da Simulação Fuzzy e comparação com controle Liga-Desliga e PID.
Controle onde as definições matemáticas das variáveis
sejam de trabalhosa resolução por técnicas clássicas de
controle.
Nos trabalhos desenvolvidos para a execução
-de um projeto de controle utilizando a Lógica Fuzzy,
5. Conclusões.
Podemos concluir neste estudo que a
utilização do Controle baseado em Lógica Fuzzy é uma
ferramenta importante na construção de Sistemas de
329
I'
Methodologies in Industrial Engineering " . pág . 29-41 ;
Eksevier Science Publishers B. V. - 1989.
[GOM 92J - Gomide, F;A.C. "Um ambiente para o
Desenvolvimento de Sistema de Controle utilizando
Lógica Nebulosa .", pág. 621-626; Congresso Brasil de '
Automática 9, - SBA - Engenharia de Softwaré Anais
S T, 2, 7 - Vitória - ES - 1992.
[BIT 93aJ - RI Tecnologia, "SDAF - Sistema de
Desenvolvimento de' Aplicações Fuzzy " Manual de
Operação, pág. 5-7 - Versão 3.0 - Doc. N: SDF03 .43ROO. Campinas - S.P - Brasil - Fev. 1993.
[BIT 93bJ - op. cit. pág. 18-32.
[IPT 88J - IPT " Tecnologia de Edificações " Editora
PINI, pág . 463-523 - IPT - Divisão de Edificações do
Instituto de Pesquisas tecnológicas - São Paulo - S.P Brasil.
[IPT 89J - lPT - "Relatório : Conforto térmico ", pág.
03-15 -1PT -Tnstituto de Pesquisas Tecnológicas - São
Paulo - S.P - Brasil - 1989.
[MAM 81J - Mamdani. E. H.: Gaines. B. R. " Fuzzy
Reasoning and lts Applications " - Academic Press.
pág. 133-148 - Londres- Inglaterra - 1981.
[MAR91J - Maruyama, Newton "Projeto eAnálise de
Controladores Fuzzy" Dissertação Mestrado em
Engenharia - Escola Politécnica da USP. pág. 18-34 São Paulo - S.P - Brasil - 1991.
[MAR 92J - Marte , Cláudio L/Costa, Herbert R N.
"A Influência de Sistemas de Automação no
Comportamento Energético das Edificações", pág. 3746: 5° Congresso Nacional de Automação Industrial 1992.
[MOT 91J - Mota. Aluizio Saiter: " Sistemas de
Raciocínio Aproximado e sua utilização em
Controladores Industriais: Um Estudo sobre os
Controladores Baseados em Regras Nebulosas" - Tese
de Mestrado - Universidade Estadual de Campinas Faculdade de Engenharia. Elétrica. pág. 48-53 Campinas - S.P - Brasil - 1991.
[PEI 90J - Peixoto, Roberto de Aguiar: Paiva, Marco
A. S. de; Chia. Chen Chanj " Modelagem e Simulação
Matemática de Sistemas Centrais de Ar Condicionado
Visando a Análise do Consumo de Energia ". pág.
853-858 ; III ENCIT - Instituto ' da Pesquisas.
Tecnológicas do Estado de São Paulo - IPT - Itapema
- S.C - Dez - 1990.
[SAU 89J - Sauer, Harry J.Jr: Howell. Ronald H. "
PrincipIes of Heating Ventilating and Air
Conditioning " - ASHRAE ( American Societyof
Heating,
Refrigerating
and
Air-Conditioning
Engineers ), pág. 8.1-8 .8 - Atlanta - EUA
[TER 91] - Terano, Toshiro: Asai. K.iyoji ; Suzano ,
Michio ; " Fuzzy Systems Theory and Its Aplications ",
pág. 87-94 ; Editora Academic Press - New York EUA - 1991.
chegamos a um tempo de desenvolvimento menor .
Além de levarmos em conta que o Controle é baseado
no conhecimento das pessoas que trabalham com os
sistema de ar condicionado e refrigeração, os
projetistas, os engenheiros de aplicação, tomando o
projeto de controle mais fácil de ser implementado.
Para os Sistema de Ar Condicionado podemos .
.dizer que a resposta do sistema obtida pelo controle
através ' da Lógica Fuzzy, permite convergir mas
rapidamente e com maior precisão para o ponto de
estabilidade desejado . Com isso são melhoradas as
condições de conforto, havendo uma redução no
consumo de energia e aumento na vida útil dos
equipamentos.
6. Referências Bibliográficas.
[AKU 89J - Akutsu, M. "Recursos para previsão do
desempenho térmico de uma edificação ", pág. 111 119 - Epusp - Simpósio Nacional de Conservação de
Energia nas Edificações -São Paulo - Brasil - 1989.
[ALM 93] - Almeida, Paulo E. M; Figueiredo, Luiz
c.; Braga, Anisio R ; Jota, Fábio G. e Araujo
Evandro O. " Ambiente Integrado para Análise ' e
Desenvolvimento de Controladores Difusos " D.F.M .G - Escola de Engenharia - Laboratório de
Controle de Processos Industriais ' - Centro de
Pesquisas e Desenv . em Engenharia Elétrica, pág. 455
- 459, Belo Horizonte - M.G - Brasil- 1990.
[ASB 85] - ASHRAE Transactions, "Simposium on
What lnputs Are Important For Building Energy
Simulations
ASHRAE ( American Society of
Heating,
Refrigerating
and
Air-Conditioning
Engineers ), pág. 589-663 -Átlanta - EUA - 1985.
[BAR 93] - Barczak, Czeeslau L.; Rosa, Leonardo
c.; Krambeak, Cleverson P.; artin, Carlos A. "
Controlador de lógica nebulosa para posicionadores em
. máquina-ferramenta "; Universidade Federal de Santa
Catarina - Depto de. Engenharia Mecânica, pág. 270 282, Florianópolis S.C - Brasil - 1994.
[CHA 90] - Chang, T.C.; Ibbs, C. Willian; "Priority
Ranking - A fuzzy Expert System for Priority Decision
Making . in
Building
Construction
Resource
Scheduking" - Building andEnviromment - pp. 253 267 - VoI. 25 - N° 3 - 1990.
[CRE 90] . - Creder, Hélio "Instalações de Ar
Condicionado ", Editora Livros Técnicos e Científicos ,
pág. 176-197 - Rio de janeiro R.J - Brasil - 1980.
[DUB 80aJ - Dubois, Didser; Prade Henri ; "Fuzzy
Sets and Sytems Theory and Applications " AcademiacPress, pág. 11-33. New York - EUA 1980.
[DUB 80b] - op. cit. pág. 53-66.
[DUB 80cJ - op. cit. pág. 357-362.
[DUB 80dJ - op. cit. pág . 81-92.
89J - Evans, Gerald W. ; Karwowski ;
[EVA
Wilhelm, Mickey R " Aplications Of Fuzzy Set
330