Utilização de Técnicas de
Inteligência Artificial no Controle
de Sistemas
Anderson Vinícius de Medeiros
Utilização de Técnicas de Inteligência
Artificial no Controle de Sistemas
Orientador: Prof. Dr. André Laurindo Maitelli
Co-orientador: Prof. Dr. Fábio Meneghetti
Ugulino de Araújo
Universidade Federal do Rio Grande do Norte
Centro de Tecnologia
Centro de Ciências Exatas e da Terra
Departamento de Engenharia de Computação e Automação
Departamento de Matemática e Informática Aplicada
Curso de Engenharia de Computação
2
Roteiro
Introdução
Motivação
 Áreas de Concentração

Lógica e Controle Fuzzy
Definição
 Princípios da Lógica Fuzzy
 Controle Fuzzy

3
Roteiro
Algoritmos Genéticos
Princípios Biológicos
 Representação Cromossômica
 Avaliação e Seleção
 Reprodução

Sistemas Inteligentes Híbridos
Redes Neurais
 Sistemas Especialistas

4
Roteiro
Sistemas Dinâmicos
Sistema para Isolamento de Vibrações
 Ball and Beam

Design Automático do Controlador Fuzzy
Definição das Funções de Pertinência
 Geração e Otimização da Base de Regras

Resultados Experimentais
Conclusões
5
Introdução
Motivação
As técnicas tradicionais de controle podem ter
dificuldade e/ou impossibilidade de atingir níveis
desejados de eficiência
Sistemas cuja dinâmica é extremamente complexa,
não completamente formalizada
Um sistema computacional é implementado para
agir, durante o controle da planta em questão, tal
qual o faria um especialista humano
Introdução
7
Motivação
Dificuldade na definição de parâmetros do
controlador fuzzy
Possibilidade de compensação de
deficiências entre abordagens
Ampla literatura apontando benefícios de
sistemas inteligentes híbridos
Introdução
8
Áreas de Concentração
Ferramentas de Otimização

Algoritmos Genéticos, Busca Tabu, Simulated
Annealing, método GRASP, Ant Systems, Redes
Neurais
Algoritmos genéticos: métodos dinâmicos
de busca baseados em mecanismos de
evolução e seleção naturais, em metáfora à
biologia genética
Introdução
9
Áreas de Concentração
Técnicas de Controle

Controle Fuzzy, Adaptativo, Robusto,
Estocástico, Neural
Controle fuzzy: fornece uma metodologia
eficaz para um tratamento transparente do
problema
Introdução
10
Áreas de Concentração
Após a definição dessas duas áreas
principais de concentração, controle fuzzy e
algoritmos genéticos, apresentam-se os
sistemas dinâmicos utilizados nos
procedimentos experimentais
Sistema eletromecânico para supressão de
vibrações
 Planta didática Ball and Beam

Modelo matemático dos sistemas
Introdução
11
Lógica e Controle Fuzzy
Definição
Uma lógica que suporta os modos de
raciocínio que são aproximados, ao invés de
exatos, como estamos naturalmente
acostumados a trabalhar
Ferramenta capaz de capturar informações
vagas, aproximadas, em geral descritas em
uma linguagem natural e expressá-las de
uma maneira sistemática
Lógica e Controle Fuzzy
13
Princípios da Lógica Fuzzy
Seus fundamentos advêm da teoria dos
conjuntos fuzzy, criada por Lofti Zadeh
Variável lingüística

Mnemônicos: erro, temperatura ou variação da
pressão
Termos lingüísticos

Quantificadores: aproximadamente zero,
positivo pequeno, grande negativo
Lógica e Controle Fuzzy
14
Princípios da Lógica Fuzzy
Fuzzificação

Informações captadas por sensores são convertidas em
números fuzzy, através das variáveis lingüísticas,
representadas por funções de pertinência
Lógica e Controle Fuzzy
15
Princípios da Lógica Fuzzy
Inferência

Aplicação do conhecimento especialista sobre o processo,
através de uma base de regras que orienta a ação do
controlador (seguindo o paradigma modus ponens )
Lógica e Controle Fuzzy
16
Princípios da Lógica Fuzzy
Defuzzificação

Tradução do valor lingüístico para um valor numérico
correspondente à ação do controlador, que pode
representar funções como ajustar a posição de um
botão ou acionar uma válvula
m
 niui
1
u s  im
 ni
i1
Lógica e Controle Fuzzy
17
Controle Fuzzy
•Identificação da dinâmica da planta ou processo
•Identificação do comportamento do operador especialista.
Lógica e Controle Fuzzy
18
Controle Fuzzy
Utilização de um banco de conhecimento empírico
para se alcançar os resultados almejados
Um número maior de variáveis pode ser
observado sem aumentar muito a complexidade do
projeto
Desenvolvimento mais rápido de um protótipo do
sistema de controle
Uma falha parcial do sistema não deteriora a
performance do controlador como um todo
Lógica e Controle Fuzzy
19
Algoritmos Genéticos
Princípios Biológicos
Baseados nas teorias da Evolução Darwiniana
(Charles R. Darwin, 1809-1882) e da Seleção
Natural (Gregor Mendel, 1822-1884)
A variabilidade entre indivíduos em uma
população de organismos que se reproduzem
sexualmente é produzida pela mutação e pela
recombinação genética
Um processo de mudanças graduais que adaptam e
transformam os indivíduos de acordo com as
exigências ambientais
Algoritmos Genéticos
21
Princípios Biológicos
Os indivíduos mais aptos irão sobreviver por um
período de tempo mais longo e deixarão uma
herança genética mais intensa na população
É um modelo de aproximação gradual para
evolução - não permite saltos evolucionários ou
macro-mutações
A abordagem computacional implementa os
diferentes processos do fenômeno biológico e
simula o compartilhamento de ADN através da
manipulação direta do cromossomo
Algoritmos Genéticos
22
Representação Cromossômica
Os cromossomos são compostos por genes,
dígitos alfanuméricos, que serão, tal como na
biologia, alterados quando da reprodução. Cada
indivíduo é uma possível solução do problema.
Algoritmos Genéticos
23
Avaliação e Seleção
Explicitar quais cromossomos representam
as melhores configurações para a solução
do problema em questão
O cálculo da função de avaliação possibilita
a determinação da adaptabilidade de cada
indivíduo da população, indicando quanto
um indivíduo está adaptado aos aspectos
modelados matematicamente pela função de
avaliação
Algoritmos Genéticos
24
Avaliação e Seleção
Os métodos de seleção são projetados para
escolher preferencialmente indivíduos com
maiores notas de aptidão, embora não
exclusivamente
Algoritmos Genéticos
25
Reprodução
A reprodução é a fase do algoritmo genético
em que os indivíduos filho são gerados com
o objetivo de completar a nova geração
A reprodução é a fase do algoritmo genético
em que os indivíduos filho são gerados com
o objetivo de completar a nova geração
Recombinação
 Mutação

Algoritmos Genéticos
26
Reprodução
Recombinação

A técnica da recombinação consiste na troca de material
genético entre os pais, gerando dois candidatos a filhos
Algoritmos Genéticos
27
Reprodução
Mutação

A motivação para a existência do operador de mutação
é a introdução de diversidade na população
Algoritmos Genéticos
28
Condições de Parada
Estagnação da evolução da população
Repetibilidade do melhor indivíduo
Quantidade máxima de gerações
Determinação da solução ótima
Algoritmos Genéticos
29
Sistemas Inteligentes Híbridos
Redes Neurais
Sistemas paralelos distribuídos compostos por
unidades de processamentos simples que
computam determinadas funções matemáticas
Sistemas Inteligentes Híbridos
31
Redes Neurais
Em 1988 os pesquisadores Takagi e Hayashi
proporam a primeira abordagem para a criação
automática de funções de pertinência usando redes
neurais
As redes neurais podem ser vistas como uma
generalização de sistemas fuzzy, devido ao fato de
agregar a operação de criação de uma superfície
controle de multidimensional
Sistemas Inteligentes Híbridos
32
Redes Neurais
Três etapas para a implementação de um
sistema fuzzy baseado em uma rede neural:
Realizar o agrupamento dos dados de entrada e
decidir o número de regras
 Estabelecer os limites entre essas partições
 Identificar dos conseqüentes do sistema fuzzy

Sistemas Inteligentes Híbridos
33
Redes Neurais
Estrutura conexionista para implementação
de regras nebulosas e inferência
Sistemas Inteligentes Híbridos
34
Sistemas Especialistas
São sistemas computacionais que procuram atingir
soluções em determinados problemas do mesmo
modo que especialistas humanos
A arquitetura comumente utilizada envolve regras
de produção, com a possibilidade do uso de
conectivos lógicos em seus antecedentes e
atribuição de graus de confiança a seus
conseqüentes.
Sistemas Inteligentes Híbridos
35
Sistemas Especialistas
Método baseado na existência de um
modelo que descreva adequadamente a
planta a ser controlada
Esse modelo é usado para analisar a
resposta da planta a um sinal de controle
ligeiramente diferente daquele efetivamente
aplicado num dado instante
Sistemas Inteligentes Híbridos
36
Sistemas Especialistas
Registrar as regras que foram ativadas durante a
fase de inferência
Utilizando o modelo do sistema, é realizada a
simulação de sua resposta à aplicação de uma
regra imediatamente inferior (e depois superior)
àquela efetivamente aplicada
Caso uma resposta melhor seja obtida, a regra é
atualizada
Sistemas Inteligentes Híbridos
37
Sistemas Dinâmicos
Sistema para
Isolamento de Vibrações
Sistemas Dinâmicos
39
Sistema para
Isolamento de Vibrações
Uma alavanca bi-apoiada em um sistema
dotado de rigidez e amortecimento. O apoio
central conta com um servoposicionador
que atua sobre o sistema provendo
deslocamentos verticais que são usados para
cancelar as vibrações provenientes da base,
isolando a carga útil que está apoiada na
extremidade livre da alavanca.
Sistemas Dinâmicos
40
Sistema para
Isolamento de Vibrações
•Comportamento dinâmico da parte mecânica do sistema:
q2 
 mT21  T22   k1 cos(q 2 )T11  T12 
TD
q1 
 k 2 T11  T12   k1 cos(q 2 )T21  T22 
TD
•Modelo do servoatuador:
xu (t ) xu (t )



Tm m (t )   m (t )  kmea (t )  Tm

(t )  kmea (t )
LP
LP
Sistemas Dinâmicos
41
Sistema para
Isolamento de Vibrações
Tempo de acomodação, para uma faixa de  2,0%
da referência, de aproximadamente 15 segundos.
Tempo de subida de 0 a 100% é acima de 22
segundos
Modelo matemático discretizado, com um período
de amostragem de 0,01 s, utilizando o método de
Tustin:
8,208.10-6 z5 - 5,818.10-6 z 4 - 2,394.10-5 z3  3,327.10-5 z 2 - 1,15.10-5 z  1,768.10-7
G( z ) 
z 6 - 5,578z5  12,963z 4 - 16,062z3  11,19z 2 - 4,156z  0,643
Sistemas Dinâmicos
42
Ball and Beam
Sistemas Dinâmicos
43
Ball and Beam
É composta de uma trave móvel, sustentada por
um servo mecanismo ao qual está acoplado um
motor DC e um jogo de engrenagens, e outra trave
de apoio a uma bola de referência
É composta por duas malhas de controle, a
primeira fornecendo um valor de ângulo de
referência para a trave móvel e a segunda gerando
um valor de tensão para o motor DC no servo
mecanismo
Sistemas Dinâmicos
44
Ball and Beam
•Equação dinâmica da rolagem da bola:
5
2
s x   g
7
•Relacionar entre o ângulo  do servo e
a tensão V aplicada no motor:
 ( s)
1

V ( s) s(0,0026s  0,1081)
•Planta instável em malha aberta
Sistemas Dinâmicos
45
Design Automático do
Controlador Fuzzy
Definição das
Funções de Pertinência
Representação das funções de pertinência (erro e
variação do erro ) por seus pontos notáveis
Design Automático do Controlador Fuzzy
47
Definição das
Funções de Pertinência
Configuração do algoritmo genético:
população de 200 indivíduos
 indivíduos com representação binária
englobando seis variáveis
 cromossomo com 108 genes
 recombinação de dois pontos
 critério de convergência: estagnação da
evolução da população

Design Automático do Controlador Fuzzy
48
Geração e Otimização
da Base de Regras
Normalmente
Entrevista a um especialista sobre o sistema
 Análise de uma base de dados (utilizando
métodos de data mining)
 Extrair o conjunto de regras de inferência de
uma rede neurofuzzy

Sistemas pouco estudados ou processos cuja
dinâmica não é conhecida nem
representável através de termos lingüísticos
Design Automático do Controlador Fuzzy
49
Geração e Otimização
da Base de Regras
Configuração do algoritmo genético:
a população consistiu de 400 indivíduos
 um cromossomo foi constituído por 25 genes
 alelos possíveis: os números de 0 a 6
 operador de mutação (com taxa de ocorrência
de 5%) e de recombinação uniforme (com taxa
de ocorrência de 100%)
 critério de convergência: estagnação da
evolução da população

Design Automático do Controlador Fuzzy
50
Integração dos Métodos
Abordagem paralela
A fusão de dois processos estocásticos
impossibilitaria a evolução no desenvolvimento
individual deles. Nenhum dos componentes
teria uma referência fixa a seguir
 Caso a evolução de duas populações ocorresse
paralelamente, cada indivíduo de uma
população deveria ser combinado com todos os
outros da outra população

Design Automático do Controlador Fuzzy
51
Integração dos Métodos
Intercalação da aplicação dos algoritmos genéticos
otimizando as funções de pertinência e a base de
regras de inferência
O conjunto inicial das funções de pertinência é
estabelecido manualmente
Ativa-se o processo de geração das regras de
inferência
Efetua-se o processo de otimização das funções de
pertinência para a base de regras encontrada
Design Automático do Controlador Fuzzy
52
Resultados Experimentais
Ball and Beam
São necessários quatro processos de geração e
otimização dos parâmetros do controlador fuzzy
Resultados Experimentais
54
Ball and Beam
Sinal de referência: 0,2m
Oscilação de 5%
0.24
0.20
0.16
0.12
0.08
0.04
0
0
1
2
Resultados Experimentais
3
4
5
6
7
8
9
10
55
Ball and Beam
Sinal de controle (controlador fuzzy-PD)
4
3
2
1
0
-1
-2
-3
-4
0
1
2
Resultados Experimentais
3
4
5
6
7
8
9
10
56
Ball and Beam
Funções de pertinência para a variável erro
Resultados Experimentais
57
Ball and Beam
Resposta da planta para o controlador fuzzy-fuzzy
0.24
0.20
0.16
0.12
0.08
0.04
0
0
1
Resultados Experimentais
2
3
4
5
6
7
8
9
10
58
Ball and Beam
Sinal de controle aplicado para o controlador
fuzzy-fuzzy
4
3
2
1
0
-1
-2
-3
0
1
Resultados Experimentais
2
3
4
5
6
7
8
9
10
59
Ball and Beam
Base de regras para a malha interna do sistema
Resultados Experimentais
60
Sistema para
Isolamento de Vibrações
Sobre-sinal de 11%
Tempo de acomodação de 1,5s, para 2%.
Resultados Experimentais
61
Sistema para
Isolamento de Vibrações
Sinal de controle aplicado (em Volts)
Resultados Experimentais
62
Sistema para
Isolamento de Vibrações
Base de regras de inferência
Resultados Experimentais
63
Sistema para
Isolamento de Vibrações
Redução de 9,1% do sobre-sinal
Redução de 6,7% no tempo de acomodação
Resultados Experimentais
64
Sistema para
Isolamento de Vibrações
Funções de pertinência otimizadas
Resultados Experimentais
65
Sistema para
Isolamento de Vibrações
Evolução da população para a geração da
base de regras
Resultados Experimentais
66
Conclusões
Conclusões
Corroboração da eficiência da aplicação de
sistemas baseados em lógica fuzzy
Confirmação dos algoritmos genéticos
como uma ferramenta eficaz na resolução
de problemas de otimização
Identificação da viabilidade da fusão de
sistemas inteligentes, unindo os pontos
fortes de um para compensar lacunas de
outro
68
Conclusões
Mesmo considerando o ambiente ideal de
simulação do controlador e as
simplificações durante a modelagem dos
sistemas dinâmicos manipulados, estima-se
que abordagens análogas podem ser
utilizadas para aplicações práticas em outras
áreas de estudo
69
Utilização de Técnicas de Inteligência
Artificial no Controle de Sistemas
Anderson Vinícius de Medeiros
Orientador: Prof. Dr. André Laurindo Maitelli
Co-orientador: Prof. Dr. Fábio Meneghetti
Ugulino de Araújo
70
Download

Utilização de Técnicas de Inteligência Artificial no Controle de