O Desenvolvimento de Controladores PI e FUZZY Para Controle de Motor CC

Desenvolvimento de controladores PI e FUZZY para controle de motor CC

II DESENVOLVIMENTO (Continuação)

O algoritmo de controle e a IHM do processo foram desenvolvidos através do software MatLab R2010a, e de sua ferramenta Simulink e do Toolbox fuzzy, sendo este último especificadamente utilizado para o desenvolvimento do controlador fuzzy.

[pic 1]O diagrama em blocos desenvolvido para o sistema de controle do motor implementado nesta aplicação pode ser observado através da figura x.

Figura x – Diagrama em blocos do sistema de controle

O controle fuzzy desenvolvido, denotado pelo bloco Fuzzy Logic Controler da figura xx, foi implementado através do uso do toolbox fuzzy do software MatLab, como já dito anteriormente. As etapas desenvolvidas no algoritmo do controlador fuzzy podem ser observadas através da figura xxx.

[pic 2]

Figura xx – Algoritmo do Controlador Fuzzy

        

De acordo com a figura xx, o controlador fuzzy utiliza

como entrada os sinais do erro, que passam pelo processo de fuzzificação. A fuzzificação prevê o mapeamento do domínio de números reais para o domínio fuzzy. Nesta etapa os dados de entrada são classificados de acordo com seu grau de inserção em

relação as funções de pertinência estabelecidas para o universo de discurso das variáveis em questão. Tanto para o erro quanto para sua variação, foram definidas 5 funções de pertinência triangulares e 2 trapezoidais. Tais funções podem ser visualizadas através da figura xxxx e xxxxx. Deve ser lembrado que as variáveis erro e variação do erro foram normalizadas em relação ao sinal de referência do sistema.         

[pic 3]

Figura x – Função de pertinência do erro

[pic 4]

Figura x – Função de pertinência da variação do erro

As funções de pertinência dos sinais de erro e variação do erro podem ser observadas através da Tabela x.

[pic 5]

Figura x – Funções de pertinência do Erro e Erro[pic 6]

Após a etapa da fuzzificação, a informação do erro da variação do erro pode apresentar inclusão em uma ou duas funções de pertinência, por exemplo, um dado erro pode assumir de 0,25 no conjunto Negativo Médio e 0,75 no conjunto Pouco Negativo, sendo assim, essas informações são combinadas a fim de gerar uma informação única a ser processada pelo controlador, esta etapa é chamada de agregação. O operador utilizado para a agregação foi o operador máximo, isto é, prevalecerá  a função de pertinência que apresentar  o maior valor de inclusão.

Finalizado o processo de agregação, o processo de inferência é realizado através do mapeamento das funções de pertinência das variáveis de entrada, resultantes no processo de agregação, nas funções de pertinência do universo de discurso de saída do controlador. Tal mapeamento é efetuado através de expressões lingüísticas do tipo:

Se ERRO = PM e Erro = ZE Então Potência = PM[pic 7]

Vale a pena lembrar que é nesta etapa que se encontra toda a ‘inteligência’ do controlador. A base de regras implementada pelo controlador fuzzy pode ser observada através da Tabela x.