[pt] Este trabalho apresenta procedimentos de modelagem e
controle neuro-fuzzy de sistemas dinâmicos. Neste contexto,
é proposta e avaliada a utilização simultânea da
abordagem neuro-fuzzy em todo o sistema de malha fechada
controlador-planta.Na modelagem da planta, o espaço de
entrada do sistema dinâmico é inicialmente dividido em um
número de regiões de operação fuzzy onde modelos de ordem
reduzida (ARMAX) representam o comportamento do sistema
dinâmico. A saída completa do sistema - modelo global - é
obtida através da conjunção das saídas dos modelos locais
usando uma rede neuro-fuzzy.No controle da planta, é
proposto um novo controlador neuro-fuzzy chamado
Controlador Neuro-fuzzy de Coeficientes Variáveis (CNFCV),
que tem como objetivos melhorar a robustez do sistema de
controle a perturbações e a geração automática da
variável manipulada, que é uma dificuldade normalmente
encontrada em controladores neurais ou neuro-fuzzy. Esse
controlador é originado dos modelos de redes neurais de
Mellem (1997) e Velloso (1999), e utiliza redes neuro-fuzzy
para a geração dos coeficientes variáveis de um modelo ARMA
da variável manipulada. Apesar de juntar modelos de
séries temporais com a abordagem neuro-fuzzy, o CNFCV tem
como função não a previsão, mas sim o controle de uma
planta ou processo.Para avaliar o desempenho do CNFCV são
utilizados, como meios de comparação,controladores neuro-
fuzzy conhecidos - FALCON-H Fuzzy Adaptive Learning Control
Network with Hybrid Learning e NEFCON Neuro-Fuzzy
Controller - e o tradicional controlador PID Proporcional-
Integral-Derivativo.As plantas utilizadas são uma planta
linear Bobinador, uma planta linearizada Pêndulo Invertido
e uma planta não linear %CO2. A escolha de tais plantas
deve-se ao fato de serem utilizadas e modeladas em
aplicações práticas e em trabalhos acadêmicos. Os
resultados obtidos com o CNFCV são analisados e comparados
aos proporcionados pelas outras estruturas.Ao final são
apresentadas conclusões e sugestões para trabalhos futuros. / [en] In this work procedures for neuro-fuzzy modelling and
control of dynamic systems are reviewed and a new structure
is proposed. In this, modelling and closed-loop control are
performed simultaneously by using a neuro-fuzzy approach.
In the modelling stage the input space of a dynamic system
(plant) is initially divided into a number of fuzzy
operating regions within which reduced order models are
able to represent the system. The complete system model
output - the global model - is obtained through the
conjunction of the outputs of the local models.
A new structure, called Neuro-Fuzzy Controller with
Variable Coefficients (NFCVC) is proposed and evaluated.
Its main objectives are to improve the system s robustness
and to provide automatic generation of the manipulated
variable in order to overcome a difficulty of neural and
neuro-fuzzy controllers in general. The NFCVC is originated
from models proposed by Mellem (1997) and Velloso (1999)
and makes use of neuro-fuzzy networks to generate variable
coefficients of an ARMA model. Despite combining times
series models with a neuro-fuzzy approach, the main
function of NFCVC is to perform the control of the
plant.In order to evaluate the performance of NFCVC two
well-known neuro-fuzzy controllers - FALCON-H (Fuzzy
Adaptive Learning Control Network with Hybrid
Learning) and the NEFCON (Neuro-Fuzzy Controller) - as well
as the traditional PID controller are used as means of
comparison.A linear plant (Rotor Winder), a linearized
plant (Inverted Pendulum) and a nonlinear plant (%CO2) are
used in the experiments. These plants are well-known and
generally used in practical applications and/or academic
works. The results for the NFCVC are analyzed and compared
to those obtained with the others structures.
Finally, conclusions and suggestions for future work are
presented.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:2701 |
| Date | 19 June 2002 |
| Creators | GIOVANE QUADRELLI |
| Contributors | RICARDO TANSCHEIT, MARLEY MARIA BERNARDES REBUZZI VELLASCO |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0027 seconds