[pt] MODELAGEM E CONTROLE NEURO-FUZZY DE SISTEMAS DINÂMICOS
[en] NEURO-FUZZY MODELLING AND CONTROL OF DYNAMIC SISTEMS
| dc.contributor | RICARDO TANSCHEIT | |
| dc.contributor | MARLEY MARIA BERNARDES REBUZZI VELLASCO | |
| dc.creator | GIOVANE QUADRELLI | |
| dc.date | 2002-06-19 | |
| dc.date.accessioned | 2022-09-21T21:40:11Z | |
| dc.date.available | 2022-09-21T21:40:11Z | |
| dc.identifier | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=2701@1 | |
| dc.identifier | https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=2701@2 | |
| dc.identifier | http://doi.org/10.17771/PUCRio.acad.2701 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12032/41902 | |
| dc.description | [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. | |
| dc.description | [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. | |
| dc.language | pt | |
| dc.publisher | MAXWELL | |
| dc.subject | [pt] REDE NEURAL | |
| dc.subject | [pt] CONTROLADOR NEURO-FUZZY DE COEFICIENTES VARIAVEIS | |
| dc.subject | [pt] LOGICA FUZZY | |
| dc.subject | [en] NEURAL NETWORKS | |
| dc.subject | [en] NEURO-FUZZY CONTROLLER WITH VARIABLE COEFFICIENTS | |
| dc.subject | [en] FUZZY LOGIC | |
| dc.title | [pt] MODELAGEM E CONTROLE NEURO-FUZZY DE SISTEMAS DINÂMICOS | |
| dc.title | [en] NEURO-FUZZY MODELLING AND CONTROL OF DYNAMIC SISTEMS | |
| dc.type | TEXTO |
Files in this item
| Files | Size | Format | View |
|---|---|---|---|
|
There are no files associated with this item. |
|||