Utilização de Técnicas de Inteligência Artificial no Controle de Sistemas Anderson Vinícius de...
Transcript of Utilização de Técnicas de Inteligência Artificial no Controle de Sistemas Anderson Vinícius de...
Utilização de Técnicas de Inteligência Artificial no
Controle de Sistemas
Anderson Vinícius de Medeiros
2
Utilização de Técnicas de Inteligência Artificial no Controle de Sistemas
Orientador: Prof. Dr. André Laurindo MaitelliCo-orientador: Prof. Dr. Fábio Meneghetti
Ugulino de Araújo
Universidade Federal do Rio Grande do Norte Centro de Tecnologia
Centro de Ciências Exatas e da TerraDepartamento de Engenharia de Computação e Automação
Departamento de Matemática e Informática AplicadaCurso de Engenharia de Computação
3
Roteiro
Introdução Motivação Áreas de Concentração
Lógica e Controle Fuzzy Definição Princípios da Lógica Fuzzy Controle Fuzzy
4
Roteiro
Algoritmos Genéticos Princípios Biológicos Representação Cromossômica Avaliação e Seleção Reprodução
Sistemas Inteligentes Híbridos Redes Neurais Sistemas Especialistas
5
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 ExperimentaisConclusões
Introdução
7
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
8
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
9
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
10
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
11
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
Lógica e Controle Fuzzy
13
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
14
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
15
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
16
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
17
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
Lógica e Controle Fuzzy
m
1i in
m
1i iuin
su
18
Controle Fuzzy
Lógica e Controle Fuzzy
•Identificação da dinâmica da planta ou processo
•Identificação do comportamento do operador especialista.
19
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
Algoritmos Genéticos
21
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
22
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
23
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
24
Avaliação e Seleção
Explicitar quais cromossomos representam as melhores configurações para a solução do problema em questãoO 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
25
Avaliação e Seleção
Os métodos de seleção são projetados para escolher preferencialmente indivíduos com maiores notas de aptidão, embora não exclusivamente
Algoritmos Genéticos
26
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
27
Reprodução
Recombinação A técnica da recombinação consiste na troca de material
genético entre os pais, gerando dois candidatos a filhos
Algoritmos Genéticos
28
Reprodução
Mutação A motivação para a existência do operador de mutação
é a introdução de diversidade na população
Algoritmos Genéticos
29
Condições de Parada
Estagnação da evolução da população
Repetibilidade do melhor indivíduo
Quantidade máxima de gerações
Determinação da solução ótima
Algoritmos Genéticos
Sistemas Inteligentes Híbridos
31
Redes Neurais
Sistemas paralelos distribuídos compostos por unidades de processamentos simples que computam determinadas funções matemáticas
Sistemas Inteligentes Híbridos
32
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
33
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
34
Redes Neurais
Estrutura conexionista para implementação de regras nebulosas e inferência
Sistemas Inteligentes Híbridos
35
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
36
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
37
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
Sistemas Dinâmicos
39
Sistema para Isolamento de Vibrações
Sistemas Dinâmicos
40
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
41
Sistema para Isolamento de Vibrações
DT
TTqkTTkq 22212112112
1
)cos(
DT
TTqkTTmq 1211212221
2
)cos(
Sistemas Dinâmicos
)()( )()()(
)()( tamP
u
P
umtammmm ekt
L
tx
L
txTekttT
•Comportamento dinâmico da parte mecânica do sistema:
•Modelo do servoatuador:
42
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:
Sistemas Dinâmicos
0,643 z 4,156-z 11,19z 16,062-z 12,963z 5,578-z
1,768.10 z 1,15.10-z 3,327.10z 2,394.10-z 5,818.10-z 8,208.10)(
23456
-7-52-53-54-65-6
zG
43
Ball and Beam
Sistemas Dinâmicos
44
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
45
Ball and Beam
gxs7
52
•Equação dinâmica da rolagem da bola:
•Relacionar entre o ângulo do servo e a tensão V aplicada no motor:
)1081,00026,0(
1
)(
)(
sssV
s
•Planta instável em malha aberta
Sistemas Dinâmicos
Design Automático do Controlador Fuzzy
47
Definição das Funções de Pertinência
Representação das funções de pertinência (erro e variação do erro ) por seus pontos notáveis
Design Automático do Controlador Fuzzy
48
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
49
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
50
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
51
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
52
Integração dos Métodos
Intercalação da aplicação dos algoritmos genéticos otimizando as funções de pertinência e a base de regras de inferênciaO 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
Resultados Experimentais
54
Ball and Beam
Resultados Experimentais
São necessários quatro processos de geração e otimização dos parâmetros do controlador fuzzy
55
Ball and Beam
Sinal de referência: 0,2m Oscilação de 5%
Resultados Experimentais
0 1 2 3 4 5 6 7 8 9 100
0.04
0.08
0.12
0.16
0.20
0.24
56
Sinal de controle (controlador fuzzy-PD)
Resultados Experimentais
Ball and Beam
0 1 2 3 4 5 6 7 8 9 10-4
-3
-2
-1
0
1
2
3
4
57
Ball and Beam
Funções de pertinência para a variável erro
Resultados Experimentais
58
Ball and Beam
Resposta da planta para o controlador fuzzy-fuzzy
Resultados Experimentais
0 1 2 3 4 5 6 7 8 9 100
0.04
0.08
0.12
0.16
0.20
0.24
59
Sinal de controle aplicado para o controlador fuzzy-fuzzy
Resultados Experimentais
Ball and Beam
0 1 2 3 4 5 6 7 8 9 10-3
-2
-1
0
1
2
3
4
60
Ball and Beam
Base de regras para a malha interna do sistema
Resultados Experimentais
61
Sistema paraIsolamento de Vibrações
Sobre-sinal de 11%Tempo de acomodação de 1,5s, para 2%.
Resultados Experimentais
62
Sistema paraIsolamento de Vibrações
Sinal de controle aplicado (em Volts)
Resultados Experimentais
63
Sistema paraIsolamento de Vibrações
Base de regras de inferência
Resultados Experimentais
64
Sistema paraIsolamento de Vibrações
Redução de 9,1% do sobre-sinalRedução de 6,7% no tempo de acomodação
Resultados Experimentais
65
Sistema paraIsolamento de Vibrações
Funções de pertinência otimizadas
Resultados Experimentais
66
Sistema paraIsolamento de Vibrações
Evolução da população para a geração da base de regras
Resultados Experimentais
Conclusões
68
Conclusões
Corroboração da eficiência da aplicação de sistemas baseados em lógica fuzzyConfirmação dos algoritmos genéticos como uma ferramenta eficaz na resolução de problemas de otimizaçãoIdentificação da viabilidade da fusão de sistemas inteligentes, unindo os pontos fortes de um para compensar lacunas de outro
69
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
70
Utilização de Técnicas de Inteligência Artificial no Controle de Sistemas
Anderson Vinícius de Medeiros
Orientador: Prof. Dr. André Laurindo MaitelliCo-orientador: Prof. Dr. Fábio Meneghetti
Ugulino de Araújo