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
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:
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.
Rua das Palmeiras 795 / Sala 605
Edif. Palm Center - Santa Lúcia
CEP 29.056-930 - Vitória - ES
TELEFAX:
© 2018 - Todos os direitos reservados.
Produzido pela IMPACTA WEB