10/09/2016

Inteligncia Artificial
Aplicada a Controle e Automao

www.unisal.br

Prof. Carlos Renato Meneghetti

Inteligncia Artificial:
Pode ser definida como o ramo da cincia da computao que
se ocupa da automao do comportamento inteligente;
Sistemas Inteligentes: So sistemas que fornecem respostas que
solucionam problemas, tais respostas s situaes especficas
destes problemas, mesmo que sejam novas ou inesperadas;

10/09/2016

Escopo:
Abordar conceitos de Sistemas Inteligentes com aplicaes diretas no
controle e automao de processos;
Lgica Fuzzy;
Sistemas de Inferncia Fuzzy;
Controladores Fuzzy;
Redes Neurais;
Perceptron;
Regras de Aprendizado.
Aplicaes de Redes Neurais em Controle e Automao.

Relembrando: PID

10/09/2016

Relembrando: PID

Fuzzy

Sadas

Entradas

Fuzzy : Estrutura Bsica

10/09/2016

Fuzzy : Estrutura Bsica

Fuzzy Aplicaes/Variaes

10/09/2016

Fuzzy Aplicaes/Variaes

Fuzzy Aplicaes/Variaes

10/09/2016

Fuzzy Aplicaes/Variaes

Princpios da Lgica Fuzzy:

Bivalncia: dois valores, dois estados 0 ou 1, ligado ou desligado, certo ou
errado....
Multivalncia: algo pode estar 20% certo e 80% errado...40% quente e 60% Frio...
o mundo analgico e no digital...

10/09/2016

Princpios da Lgica Fuzzy:

Numero Real Zero
Ou zero ou no

conjunto Zero

0 100% zero
1
0% zero

-0,5 -0,4 -0,3 -0,2 -0,1

0,1
0
(Zero)

0,2

0,3

0,4

-0,5

Princpios da Lgica Fuzzy:

Numero Real Zero
Ou zero ou no

conjunto Zero

0 100% zero

Mas algumas vezes na prtica:

0,01 quase zero

-0,5 -0,4 -0,3 -0,2 -0,1

1
0% zero

0,1
0
(Zero)

0,2

0,3

0,4

-0,5

10/09/2016

Princpios da Lgica Fuzzy:

Nmeros Fuzzy
0 100% zero

Conjunto: Quase Zero

1

-0,5 -0,4 -0,3 -0,2 -0,1

0,1
0
(Zero)

0,2

0,3

0,4

-0,5

Princpios da Lgica Fuzzy:

Nmeros Fuzzy
0 100% zero

Conjunto: Quase Zero

1

0,1 50% zero

0,2 0% zero

-0,5 -0,4 -0,3 -0,2 -0,1

0,1
0
(Zero)

0,2

0,3

0,4

-0,5

10/09/2016

Princpios da Lgica Fuzzy:

Nmeros Fuzzy

Temperatura
Muito Baixa

Baixa

10

30

Mdia

Alta

Muito Alta

X
Y
0

20

40

50

60

70

80

90

63 graus
X% Alta e Y% Muito Alta

Princpios da Lgica Fuzzy:

Implicao Lgica e Regras de Inferncia
Se (causa1=A) E (causa2=B) ENTO (efeito=C)
Onde: A, B e C so conjuntos.
Exemplo:
Se (TI = Muito Alta) E (TE = Muito Baixa) ENTO (VE=Fechada)
TI = temperatura interna onde Muito Alta o conjunto que define o grau da temperatura Muito Alta
TE = temperatura externa onde Muito Baixa o conjunto que define o grau da temperatura Muito Baixa
VE = Vlvula de Entrada onde Fechada define o grau do fechamento da vlvula.

10/09/2016

Princpios da Lgica Fuzzy:

Fuzzificao e Defuzzificao Natural
O ser humano conjuntos de informao, por exemplo Baixa,
Media e Alta de forma natural.
As maquinas necessitam de valores reais...
So os processos de Fuzzificao e Defuzzificao

Definies Bsicas - Conjuntos Clssicos(Nitidamente Definido)

Representao da Informao:
numeros _ menores _ que _ 30 = {x | x < 30}

1 se x 1,80m
Altos =

0 se x < 1,80m

10

10/09/2016

Definies Bsicas - Conjuntos Clssicos(Nitidamente Definido)

Funo de Incluso:
Um conjunto clssico A, definido em um universo de discurso X pode ser definido pela sua funo de
incluso, podendo ser descrita da seguinte forma

1 se x A
X A ( x) =

0 se x A

Definies Bsicas - Conjuntos Clssicos(Nitidamente Definido)

Funo de Incluso:
Exemplo:

1 se x 1,80m
Altos =

0 se x < 1,80m

Grau de incluso

1,0

=1

=0

1,8

11

10/09/2016

Definies Bsicas - Conjuntos Clssicos(Nitidamente Definido)

Operaes bsicas com conjuntos:

Exemplo: Assumimos que A e B pertencem aos inteiros

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso)

1,0
Grau de incluso

=1

0,5

=0
0

1,7

1,8

1,9

12

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso)

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso) - Exemplo
Exemplo: Um professor classificou os alunos bons com definies nebulosas de acordo com as notas.
Onde X o conjunto de notas e A o conjunto nebuloso de alunos bons:
X = {0, 0,5, 1, 1,5, 2, 2,5....10}
A = {(6,5 , 0,25), (7 , 0,5), (7,5 , 0,75), (8 , 1), (8,5 , 0,75), (9 , 0,5), (9,5 , 0,25)}

Por definio: O conjunto nebuloso A definido em X, pode ser expresso da seguinte forma:

A = {( x, A ( x)) | x X }

13

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso) - Exemplo

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia - Unimodal

No

14

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia : Triangular

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia : Trapezoidal
0
x x1
x 2 x1

Tra ( x) = 1
x4 x
x 4 x3
0

x1 x x 2
x 2 < x < x3
x3 x x 4

x > x 4

x < x1

15

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso) Exerccio
Seguindo o exemplo do mdia(altura)

Monte as funes de pertinncia para:

baixo(altura)
alto(altura)

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia (Funo de Incluso) Exerccio (resposta)
0

alto (altura ) = 5 altura 8,5

1

se 1,7 altura 1,9

se altura > 1,9

se altura < 1,7

se altura < 1,5

se altura > 1,7

baixo (altura ) = 5 altura + 8,5 se 1,5 altura 1,7

16

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia:
Exerccio 2 Monte as funes de pertinncia para os conjuntos fuzzy abaixo:

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia: Exerccio 2 (respostas)
Temp < 15
0

Temp + 15

15 Temp 0

15

0 < Temp < 20

MBaixa (Temp) = 1
35 Temp 20 Temp 35

15

Temp > 35
0

Temp 20

Baixa (Temp) = 15
50 Temp

15

Temp < 20

20 Temp 35

35 Temp 50

Temp > 50

0
Temp < 35

Temp 35

35 Temp 50

Media (Temp ) = 15

65 Temp

50 Temp 65
15

0
Temp > 65
0
Temp < 50

Temp 50

50 Temp 65

15
Alta (Temp ) =

80 Temp

65 Temp 80
15

0
Temp > 80
Temp < 65
0

Temp 65

65 Temp 80

15

80 < Temp < 100

MAlta (Temp) = 1
115 Temp 100 Temp 115

15

Temp > 115

0

17

10/09/2016

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia:
Exerccio 3 D a funo de pertinncia e calcule o respectivo grau de pertinncia se:

a)Temp=10
b)Temp=23
c)Temp=32
d)Temp=48
e)Temp=65
f)Temp=77
g)Temp=92

Definies Bsicas - Conjuntos Nebulosos

Funo de Pertinncia:
Exerccio 3 D a funo de pertinncia e calcule o respectivo grau de pertinncia se:
Temp(t)={MBaixa;Baixa;Media;Alta;Malta}
a)Temp(10)={1;0;0;0;0}
b)Temp(23)={0,8;0,2;0;0;0}
c)Temp(32)={0,2;0,8;0;0;0}
d)Temp(48)={0;0,13;0,867;0;0}
e)Temp(65)={0;0;1;0;0}
f)Temp(77)={0;0;0;0,2;0,8}
g)Temp(92)={0;0;0;0;1}

18

10/09/2016

Operaes de Conjuntos Fuzzy (Bsico)

Inferncia Fuzzy

Entrada

Fuzzyficao

Sada Fuzzy

Inferncia
Fuzzy

Base de Regras:
Defuzzyficao

Sada

19

10/09/2016

Inferncia Fuzzy

Inferncia Fuzzy

20

10/09/2016

Inferncia Fuzzy

Inferncia Fuzzy

21

10/09/2016

Inferncia Fuzzy

Inferncia Fuzzy Exemplo e Tipos

22

10/09/2016

Inferncia Fuzzy Exemplo e Tipos

And => Min

And => Min

Implicao => Min

And => Prod

Inferncia Fuzzy Exemplo e Tipos

Or => Max

Implicao => Min

Or => Probor

(y = a + b ab)

23

10/09/2016

Inferncia Fuzzy Exemplo e Tipos

And => Min
Or => Max

Implicao => Min

And => Min

Or => Max

Inferncia Fuzzy Exemplo e Tipos

And => Min
Implicao => Min
Or => Max

And => Min

Implicao => Prod
Or => Max

24

10/09/2016

Agregao

SUM

MAX

PROBOR

Defuzzificao
Processo que converte a sada fuzzy, inferida
e agregada, em um nmero real.

25

10/09/2016

Defuzzificao

Mtodos:
Centroide: Retorna o centro da rea(centro de massa) abaixo da
curva.
Bisector: Retorna o ponto onde a rea dividida em duas sub-regies
de reas iguais. (pode ou no coincidir com a centroide)
MOM, SOM e LOM: Retornam respectivamente a Mdia o Mnimo e o
Mximo dos Mximos

Defuzzificao

Centroide

Bisector

MoM

LoM

SoM

26

10/09/2016

Controle Fuzzy-PI

Fuzzy

Sistema

Implementao do Controle Fuzzy

- Definio da estrutura:

27

10/09/2016

Implementao do Controle Fuzzy

- Definio das Entradas e Sadas:

Implementao do Controle Fuzzy

- Tabela de Regras Fuzzy:
DErro-

DErro

Eneg

Erro
Ezero

Epos

PV < SP

DErro+

Erro+

DEneg
DEzero
DEpos

ErroPV > SP

Se Erro+
PV < SP
Se Erro-
PV > SP

28

10/09/2016

Implementao do Controle Fuzzy

- Tabela de Regras Fuzzy:
DErro-

DErro

SP > PV

PV = abaixo

PV = acima
Eneg

Erro
Ezero

Epos

DEneg

Sneg

Sneg

Szero

DEzero

Sneg

Szero

Spos

DEpos

Szero

Spos

Spos

DErro+

Erro+

ErroSP < PV

Se Erro+
SP > PV
Se Erro-
SP < PV

Implementao do Controle Fuzzy

- Regras:

29

10/09/2016

Implementao do Controle Fuzzy

- Regras:

Implementao do Controle Fuzzy

- Superfcie:

30

10/09/2016

Prximos passos
-Implementao do controle no Simulink

31

10/09/2016

32