Entendendo a Lógica Fuzzy Aplicada a Controle de Processos e a Sistemas de Decisão

OBJETIVO

Descrever como os sistemas de controle difuso, sistemas de suporte à decisão baseados na teoria de conjuntos difusos e lógica difusa podem ser aplicados a sistemas ou processos industriais. O objetivo é tornar familiares os sistemas inteligentes de controle e de suporte à decisão capazes de lidarem com o conhecimento imperfeito (incertezas, imprecisão ou vago). A apresentação reflete questões técnicas e práticas numa forma balanceada.

PÚBLICO ALVO

Destinado a todos os profissionais que se interessam pelas áreas de sistemas de controle, sistemas de suporte à decisão ou que sejam do campo de sistemas inteligentes (inteligência artificial), além daqueles que manipulam informações com incertezas.

INSTRUTOR : Ernesto Araújo

DURAÇÃO : 2 dias (16 h) - Diurno

EXPECTATIVAS DE RESULTADOS

• Entender os fundamentos da teoria de conjuntos difusos e lógica difusa; os módulos do controlador difuso (fuzificação, mecanismos de inferência, defuzificação); a relação entre controladores clássicos PID e controladores baseados em regras difusas; as técnicas para construção de regras e controladores adaptativos difusos; as estruturas de modelo dos controladores difusos: relacional, Lingüístico (Mamdani), interpolativo (Takagi-Sugeno e Tsukamoto), fuzzy gain-scheduling controller (controlador fuzzy com escalonamento de ganhos);
• Analisar as características de estabilidade e não-linearidades de sistemas difusos;
• Considerar aspectos práticos no desenvolvimento e implementação de controladores difusos;
• Aplicar estes conceitos no projeto de controladores difusos para satisfazer especificações predeterminadas;
• Projetar sistemas inteligentes de controle e suporte à decisão baseados em conhecimento expressos através de linguagem natural;
• Projetar sistemas inteligentes de controle e suporte à decisão baseados em dados de entrada e saída de processos industriais.

DESCRIÇÃO

A descrição de sistemas dinâmicos, através da teoria de conjuntos e lógica difusa, tem recebido uma considerável atenção da comunidade industrial. Modelos difusos podem ser entendidos como modelos lógicos que estabelecem uma relação qualitativa entre as variáveis do modelo. A natureza baseada em regras dos modelos difusos permite representar as informações expressas na linguagem humana e permite também o processamento tanto da informação numérica quanto simbólica. Conseqüentemente, métodos de controle e decisão baseados na lógica difusa podem ser uma importante fonte de aplicações de sistemas inteligentes, principalmente para o projeto de sistemas de controle inteligentes, sistemas especialistas (baseados em conhecimento) e sistemas de suporte à decisão.

Estas questões serão abordadas inicialmente, apresentando os conceitos de controle não-lineares, baseados em modelos difusos, através dos fundamentos da teoria de conjuntos difusos e lógica difusa para, em seguida, mostrar:

• A. Como estes sistemas de controle baseados em regras podem ser projetados;
• B. Como selecionar as estruturas de modelo dos controladores difusos (relacional, Lingüístico (Mamdani), interpolativo (Takagi-Sugeno e Tsukamoto));
• C. Como utilizar controladores difusos com escalonamento de ganhos (fuzzy gain-scheduling controller);
• D. Como utilizar a análise não-linear para o estudo da análise de estabilidade.

Será mostrado também como a análise de engenharia voltada a aplicações pode ser empregada para avaliar as vantagens e desvantagens do controle difuso, aplicadas em processos industriais. Este curso será concluído com uma avaliação dos tópicos avançados para construir sistemas híbridos (Soft Computing), proporcionando uma compreensão das ultimas técnicas de sintonia dos controladores difusos.

PROGRAMA

1.   Por que utilizar controle inteligente fuzzy, sistemas de suporte a decisão fuzzy e raciocínio aproximado?

1.1. Principais aplicações e origem da teoria de conjuntos difusos e lógica difusa vantagens e desvantagens;

1.2. Controle difuso;

1.3. Princípio da incompatibilidade;

1.4. Conjuntos difusos, incertezas e informação: Definições, operações e propriedade.              

2.     Manipulação dos conjuntos difusos.

2.1. Relação difusa X Gráficos difusos;

2.2. Regra composicional de inferência;

2.3. Princípios da extensão, conjunção e projeção            

3.    Lógica difusa e modelos baseados em regras difusas.

3.1. SE-ENTÃO;

3.2. Raciocínio aproximado;

3.3. Mecanismos de inferência;

3.4. Regras de mapeamento difuso;

3.5. Regras de implicação difusa;

3.6. Modelo Mamdani baseado em regras;

3.7. Modelo Takagi-Sugeno baseado em regras.

4.    Controle difuso não-linear.

4.1. Estrutura do controlador difuso;

4.2. Controlador relacional;

4.3. Controlador Lingüístico (Arquitetura Mamdani);

4.4. Controlador interpolativo (Arquitetura Takagi-Sugeno e Tsukamoto);

4.5. Controlador com escalonamento de ganhos (fuzzy gain-scheduling controller);

4.6. Controle Difuso X Controladores PID.     

5.   Projeto de sistemas inteligentes de controle e análise não-linear para avaliação de estabilidade.

6.    Sistemas de suporte a decisão baseados na lógica fuzzy.

6.1. Raciocinando em ambientes com incertezas;

6.2. Sistemas especialistas difusos baseados em conhecimento expressos através de linguagem natural.

 7.  Sistemas inteligentes de controle e de suporte à decisão baseados em dados de entrada e saída de processos industriais.

7.1. Soft Computing : construindo sistemas híbridos.