Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2017-10-02T23:37:05Z No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2017-10-09T19:35:05Z (GMT) No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) / Made available in DSpace on 2017-10-09T19:35:05Z (GMT). No. of bitstreams: 1 MarioSergioFreitasFerreiraCavalcante_DISSERT.pdf: 1474530 bytes, checksum: 63366d89a6b7c054fb6dc9f83148e4c4 (MD5) Previous issue date: 2017-06-27 / Industrialmente, diversas estrat?gias e algoritmos de controle j? s?o utilizadas e registradas na literatura. Entre as t?cnicas existentes, os controladores fuzzy destacam-se pela sua capacidade de tratar de severas n?o linearidades presentes em plantas reais e por conseguir representar o conhecimento especialista, que ? impreciso e inexato matematicamente. Este trabalho estudou dois tipos de controladores fuzzy existentes, baseados no modelo Sugeno, sendo fuzzy tipo-1, aqui classificado como fuzzy convencional, e o fuzzy tipo-2. Devido a complexidade em sintonizar controladores fuzzy que apresentam uma grande quantidade de par?metros, esse trabalho se prop?e a testar diferentes m?todos de otimiza??o meta-heur?sticos para a sintonia de controladores. Para validar os controladores obtidos foi utilizado um servo motor-DC da Quanser, um problema de controle que requer precis?o e velocidade na corre??o do erro de segmento da refer?ncia. Com o intuito de comparar o comportamento dos controladores, otimizou-se um controlador PI para cada um dos sistemas. Para quantificar e qualificar cada controlador foram utilizados tr?s ?ndices de avalia??o, ITEA, IEA e o ?ndice de Goodhart, este ?ltimo utilizado por levar em considera??o tamb?m o sinal de controle aplicado na planta. Pela an?lise dos resultados obtidos, o controlador fuzzy tipo-2 apresentou ganho significativo para o controle dessa planta, quando otimizado com o m?todo PSO. Pelos resultados, pode-se tamb?m inferir que o algoritmo das formigas n?o mostrou-se adequado para esse problema, com a fun??o de avalia??o proposta. / Differents stategies and control algorithms are already tested and registered by industry. Among the existing techniques, fuzzy controllers stand out for their ability to deal with nonlinearities present in real plants. Another fuzzy also allows to best represent expert knowledge, which is mathematically inaccurate. This proposal studied the two types of fuzzy controllers, based on Sugeno Model, the fuzzy type-1 is classified as conventional fuzzy and fuzzy type-2. In this study is used optimization techniques seeking to tune controllers in order to solve one of the biggest problem in fuzzy logic, its tunning. Ant colony, particle swarm and genetic algorithm are used and evaluated to this problem. A servo motor-dc is used to validate fuzzys controllers and pi controller obtained by optimization tecniques. In order to quantify and qualify each controller, three indices were used IEA, ITEA and Goodhart index. The results obtained prove that the type-2 fuzzy controller presented significant gain for the control of this plant, when optimized with the PSO method. From the results, it can also be inferred that the ant algorithm was not adequate for this problem, with the proposed evaluation function.