Fuzzy Logic - Sistema de Controle
A lógica difusa é aplicada com grande sucesso em várias aplicações de controle. Quase todos os produtos de consumo têm controle difuso. Alguns dos exemplos incluem o controle da temperatura ambiente com a ajuda de ar condicionado, sistema antifreagem usado em veículos, controle de semáforos, máquinas de lavar, grandes sistemas econômicos, etc.
Por que usar a lógica fuzzy em sistemas de controle
Um sistema de controle é um arranjo de componentes físicos projetados para alterar outro sistema físico de modo que esse sistema exiba certas características desejadas. A seguir estão algumas razões para usar a Lógica Fuzzy em Sistemas de Controle -
Ao aplicar o controle tradicional, é necessário saber sobre o modelo e a função objetivo formulada em termos precisos. Isso torna muito difícil a aplicação em muitos casos.
Ao aplicar a lógica fuzzy para controle, podemos utilizar a experiência e a experiência humana para projetar um controlador.
As regras de controle fuzzy, basicamente as regras IF-THEN, podem ser mais bem utilizadas no projeto de um controlador.
Suposições no Design de Controle Lógico Fuzzy (FLC)
Ao projetar o sistema de controle difuso, as seguintes seis suposições básicas devem ser feitas -
The plant is observable and controllable - Deve-se presumir que as variáveis de entrada, saída e estado estão disponíveis para observação e controle.
Existence of a knowledge body - Deve-se presumir que existe um corpo de conhecimento com regras linguísticas e um conjunto de dados de entrada-saída a partir do qual as regras podem ser extraídas.
Existence of solution - Deve-se presumir que existe uma solução.
‘Good enough’ solution is enough - A engenharia de controle deve buscar uma solução "boa o suficiente" em vez de uma solução ótima.
Range of precision - O controlador de lógica difusa deve ser projetado dentro de uma faixa aceitável de precisão.
Issues regarding stability and optimality - As questões de estabilidade e otimização devem ser abertas no projeto do controlador de lógica difusa, em vez de abordadas explicitamente.
Arquitetura de Controle de Lógica Fuzzy
O diagrama a seguir mostra a arquitetura do Fuzzy Logic Control (FLC).
Principais componentes do FLC
A seguir estão os principais componentes do FLC, conforme mostrado na figura acima -
Fuzzifier - O papel do fuzzifier é converter os valores de entrada nítidos em valores fuzzy.
Fuzzy Knowledge Base- Armazena o conhecimento sobre todas as relações fuzzy de entrada-saída. Ele também tem a função de pertinência que define as variáveis de entrada para a base de regra difusa e as variáveis de saída para a planta sob controle.
Fuzzy Rule Base - Armazena o conhecimento sobre o funcionamento do processo de domínio.
Inference Engine- Atua como um kernel de qualquer FLC. Basicamente, ele simula decisões humanas realizando raciocínios aproximados.
Defuzzifier - O papel do defuzzificador é converter os valores fuzzy em valores nítidos provenientes do mecanismo de inferência fuzzy.
Etapas para projetar FLC
A seguir estão as etapas envolvidas na concepção do FLC -
Identification of variables - Aqui, as variáveis de entrada, saída e estado devem ser identificadas da planta que está sendo considerada.
Fuzzy subset configuration- O universo de informações é dividido em vários subconjuntos difusos e a cada subconjunto é atribuído um rótulo linguístico. Sempre certifique-se de que esses subconjuntos difusos incluam todos os elementos do universo.
Obtaining membership function - Agora obtenha a função de pertinência para cada subconjunto difuso que obtivemos na etapa acima.
Fuzzy rule base configuration - Agora formule a base de regra difusa atribuindo relação entre a entrada e a saída difusa.
Fuzzification - O processo de fuzzificação é iniciado nesta etapa.
Combining fuzzy outputs - Ao aplicar o raciocínio aproximado difuso, localize a saída difusa e mescle-os.
Defuzzification - Finalmente, inicie o processo de defuzzificação para formar uma saída nítida.
Vantagens do Controle de Lógica Fuzzy
Vamos agora discutir as vantagens do Controle de Lógica Fuzzy.
Cheaper - Desenvolver um FLC é comparativamente mais barato do que desenvolver um modelo baseado ou outro controlador em termos de desempenho.
Robust - Os FLCs são mais robustos do que os controladores PID devido à sua capacidade de cobrir uma ampla gama de condições operacionais.
Customizable - Os FLCs são personalizáveis.
Emulate human deductive thinking - Basicamente, o FLC é projetado para emular o pensamento dedutivo humano, o processo que as pessoas usam para inferir conclusões a partir do que sabem.
Reliability - FLC é mais confiável do que o sistema de controle convencional.
Efficiency - A lógica fuzzy proporciona mais eficiência quando aplicada no sistema de controle.
Desvantagens do Controle de Lógica Fuzzy
Vamos agora discutir quais são as desvantagens do Fuzzy Logic Control.
Requires lots of data - O FLC precisa de muitos dados para serem aplicados.
Useful in case of moderate historical data - FLC não é útil para programas muito menores ou maiores do que dados históricos.
Needs high human expertise - Esta é uma desvantagem, pois a precisão do sistema depende do conhecimento e experiência dos seres humanos.
Needs regular updating of rules - As regras devem ser atualizadas com o tempo.