Estruturação e Desenvolvimento de

Slides:



Advertisements
Apresentações semelhantes
Introdução à Programação: uma Abordagem Funcional PD I – Engenharia Elétrica Prof.ª Claudia Boeres 2008/2.
Advertisements

Viviane Torres da Silva
Data: 10 a 12 de fevereiro de 2009 e
Amintas engenharia.
Lógica Matemática e Computacional 7 – Introdução à Programação Lógica
Introdução à Programação uma Abordagem Funcional Programação I Prof.ª Claudia Boeres CT VII - Sala 32 Departamento de Informática Centro.
Lógica Difusa (Fuzzy). Lógica tradicional x Lógica difusa Lógica tradicional (Aristóteles) –Uma proposição = dois estados possíveis (V ou F) –Pode ser.
Lógica Fuzzy Aplicada a Sistemas de Diagnóstico
Introdução a Sistemas Fuzzy no Matlab e uso do Simulink
Sistemas especialistas Fuzzy
Ronaldo Gilberto de Oliveira
Inteligência Artificial Alex F. V. Machado. Tecnologia de Processamento da Informação que envolve processos de raciocínio, aprendizado e percepção. Winston.
Sistemas Baseados em Lógica Fuzzy
Raciocínio Viviane Torres da Silva
Lógica Fuzzy (Lógica Nebulosa)
Raciocínio Aproximado
Introdução à Lógica Nebulosa
Interfaces Caligráficas (Computação Gráfica 2 – Bloco2/2002)
5. MODELAGEM: PLANTAS E PROCESSOS - 1
Curso Superior de Tecnologia em Automação Industrial Prof. Leo Weber
4. TEORIA DOS CONJUNTOS FUZZY - 1
Projeto de um controlador de temperatura
Modelagem e simulação de sistemas
Inteligência Artificial
INTRODUÇÃO À PROGRAMAÇÃO
CAPÍTULO Equações dinâmicas de um robô
Simulação de Sistemas Prof. MSc Sofia Mara de Souza AULA2.
Inteligência Artificial
Universidade do Extremo Sul Catarinense - UNESC
Princípios e Conceitos de Software(v2)
INTRODUÇÃO À PROGRAMAÇÃO
Modelagem, Análise e Decisão em Sistemas de Transporte Ferroviário
ROBÓTICA Helder Anibal Hermini.
ROBÓTICA Helder Anibal Hermini.
Programação Avançada Prof. Natalia Castro Fernandes
INTELIGÊNCIA ARTIFICIAL
INF 1771 – Inteligência Artificial
Rogério Vargas Sistemas Fuzzy Rogério Vargas
Pêndulo invertido com Lógica Fuzzy
Tópicos especiais em controle inteligente e distribuído Professor: Jorge Dantas de Melo Rafael Marrocos Magalhães.
Uma Abordagem Híbrida Fuzzy-Bayesiana para Modelagem de Incertezas
Marcílio C. P. de Souto DIMAp/UFRN
1 Conjuntos Difusos/Conjuntos Nebulosos/Fuzzy Sets Introdução Roberto Tadeu Raittz.
INTELIGÊNGIA COMPUTACIONAL
Introdução à Lógica Matemática
Matemática Discreta I BCC101 Introdução. 2 Bibliografia, Slides, Exercícios etc Bibliografia: Richard Hammack: Book of Proof Velemann: How to Prove it.
Sistemas Nebolosos (Fuzzy)
Extração de Regras de RNA Wilian Soares Lacerda Fevereiro de 2003.
Fábio de Azevedo Soares
INTRODUÇÃO À PROGRAMAÇÃO EM LÓGICA Profa. Joseluce de Farias Cunha
Programação Evolutiva e Lógica Fuzzy
Campus de Caraguatatuba Aula 2: Introdução a Tecnologia de BD
Métodos Formais.
Sistemas Microprocessados e Microcontrolados
CALCULADORA INTERVALAR PARA OPERAÇÕES ARITMÉTICAS EM JAVA
Universidade de São Paulo
Lógicas Difusas e Sistemas Difusos
Escola Politécnica da Universidade de São Paulo Engenharia Elétrica Programa de Pós Graduação Corômetro Classificação de Jogadores de Futebol pelo reconhecimento.
Programação de Computadores - 1
– Tópicos em Controle e Automação Victor Rafael R. Celestino
Lógica Nebulosa (Fuzzy Logic)
Conjuntos Fuzzy Histórico
Lógica para Computação
Professora Michelle Luz
Introdução à Engenharia de Computação
Sistemas de Controle III N8SC3
ITA - Instituto Tecnológico de Aeronáutica Arquiteturas Programáveis de uma Máquina de Inferência Fuzzy em Tecnologia CMOS Autor: Leonardo Mesquita Orientador:
INTRODUÇÃO THOBER CORADI DETOFENO, MSC. Aula 01 JOINVILLE 2015 Universidade do Estado de Santa Catarina – CCT/UDESC.
Ciência da Computação Modelos Evolucionários e Tratamento de Incertezas Aula 07 Inferência Difusa Sistemas de Controle Difuso Max Pereira.
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 08 Conjuntos Difusos Max Pereira.
Transcrição da apresentação:

Estruturação e Desenvolvimento de Controladores Nebulosos Helder Anibal Hermini hermini@fem.unicamp.br

Conteúdo Programático Introdução História Fundamentos de Lógica Nebulosa Estruturação básica de Controladores Nebulosos Exemplos de desenvolvimento de Sistemas Nebulosos Fuzzy Control-Implementações de Controladores Nebulosos em sistemas Robóticos Aspectos construtivos de Controladores Nebulosos (Software e Hardware) Conclusões finais

Introdução

Por que usar lógica Nebulosa? Conceitualmente é simples de entender Flexível Tolerante a imprecisão dos dados de entrada Modela funções não-lineares de complexidade arbitrária Aproveita o conhecimento de peritos Pode ser combinada com técnicas de controle convencionais É embasada na linguagem natural

Aplicações A implementação do Controle Nebuloso é recomendável para: Processos muito complexos, cuja modelagem matemática seria de difícil desenvolvimento; Processos que apresentem alto grau de não linearidade ; Se o processamento de conhecimento especialista lingüisticamente formulado for executado.

Aplicações A implementação do Controle Nebuloso não é recomendável quando: O processo apresentar resultados satisfatórios a partir da aplicação de técnicas apresentadas pelas teorias do controle convencional; Um sistema que tenha solução a partir de um modelo matemático simples e adequado; O problema não for solucionável.

Exemplos de Aplicações Reais Controle automático de comportas de hidroelétricas (Tokio Electric Pow.); Controle de robôs (Hirota, Fuji Electric, Toshiba, Omron); Controle de Próteses mioelétricas ativas; Sistemas de ar condicionado (Mitsubishi, Sharp); Controle de eficiencia e estabilidade de motores automotivos (Nissan);

História

História Desenvolver mais............ “FUZZY LOGIC” foi desenvolvida em 1965 pelo Lotfi A. Zadeh, professor de Ciência da Computação da Universidade da California em Berkeley. Desenvolver mais............

Fundamentos de Lógica Nebulosa

Fundamentos de Lógica Nebulosa A lógica nebulosa é uma extensão da convencional (Booleana) que maneja o conceito de verdade parcial --valores de verdade entre “absolutamente certo” e “absolutamente falso”

(membership function) Fundamentos de Lógica Nebulosa Função de Pertinência (membership function) Curva que define o grau de pertinência (entre 0 e 1) do valor de entrada. TALL (m = 1.0) Not TALL (m = 0.0) Definitely a TALL person (m = 0.95) Really not very TALL at all (m = 0.30)

Tipos de Função de Pertinência Fundamentos de Lógica Nebulosa Tipos de Função de Pertinência

Fundamentos de Lógica Nebulosa Operações Lógicas Lógica Booleana Lógica Nebulosa

Fundamentos de Lógica Nebulosa Operações Lógicas

Fundamentos de Lógica Nebulosa Operações Lógicas: Exemplo União Função de pertinência A Função de pertinência B Sobreposição gráfica das funções de pertinência Interseção

Diagrama de inferencia nebulosa Fundamentos de Lógica Nebulosa Diagrama de inferencia nebulosa

Estruturação de Sistemas Nebulosos

Estrutura básica de Sistemas Nebulosos Classificação Estimar uma medida com maior precisão Entradas Abruptas Aplicação das regras Fuzificação das variáveis Defuzificação das variáveis Atribuir Graus de pertinência Definir Funções de Pertinência Saída Abrupta

EXEMPLOS DE DESENVOLVIMENTO DE SISTEMAS NEBULOSOS Estruturação de Sistemas Nebulosos

Exemplo de Aplicação I “O problema da gorjeta” VERSÃO BÁSICA: Se qualificassemos de 0 a 10 o serviço de un restaurante (10=excelente), de quanto deveria ser a gorjeta? VERSÃO EXTENDIDA: Se qualificassemos de 0 a 10 o serviço e a comida (10=excelente), de quanto deveria ser a gorjeta?

Processo de Inferência Nebulosa (Fuzzy inference process) “O problema da gorjeta” CASO GERAL Um Exemplo Específico Serviço Gorjeta Entrada Saída REGRAS SE o serviço é ruím ENTÃO a gorjeta é baixa SE o serviço é bom ENTÃO a gorjeta é média SE o serviço é excelente ENTÃO a gorjeta é alta Termos de Entrada (interpretados) Termos de Atribuídos (atribuídos) Serviço é interpretado como ruim, bom, excelente. Gorjeta é atribuído como baixa, média, alta.

Implementação de um Sistema Nebuloso Passo 1: Fuzificação das entradas

Passo 2: Aplicar operadores nebulosos Implementação de um Sistema Nebuloso Passo 2: Aplicar operadores nebulosos

2. Aplicar operador Or (max) 3. Aplicar o Operador de inferência (min) Implementação de um Sistema Nebuloso Passo 3: Aplicar método de inferencia Antecedente Conseqüênte 1. Entradas Nebulosas 2. Aplicar operador Or (max) 3. Aplicar o Operador de inferência (min) Resultado da implicação IF o serviço é excelênte OR a comida é deliciosa THEN gorjeta = generosa serviço = 3 comida = 8 Entrada 1 Entrada 2

4. Aplicar método de agregação (max) Resultado da agregação Passo 4: Agregar todas as saídas 1 IF o serviço está ruim OR a comida está rançosa THEN gorjeta = baixa 4. Aplicar método de agregação (max) 2 IF o serviço está bom THEN gorjeta = média 3 IF serviço é excelente OR comisa é deliciosa THEN gorjeta = alta serviço = 3 comida = 8 Entrada 1 Entrada 2 Resultado da agregação

Resultado da defuzificação Implementação de um Sistema Nebuloso Passo 5: Desfuzificação 5. defuzificar a saída agregada (método da centróide) Resultado da defuzificação

“Sistema de Controle de temperatura de Aquecedor de Ambientes” Exemplo de Aplicação II “Sistema de Controle de temperatura de Aquecedor de Ambientes” Desenvolver tópicos...

Exemplo de Aplicação II Desenvolver tópicos...

Exemplo de Aplicação II Desenvolver...

IMPLEMENTAÇÕES DE CONTROLADORES NEBULOSOS EM SISTEMAS ROBÓTICOS FUZZY CONTROL IMPLEMENTAÇÕES DE CONTROLADORES NEBULOSOS EM SISTEMAS ROBÓTICOS

ROBÓTICA CONTROLE DE PRÓTESES MIOELÉTRICAS DE MEMBROS SUPERIORES Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

ROBÓTICA Controle de Próteses Mioelétricas de Membros Inferiores Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

ROBÓTICA Controle de Força de Servo-Motores Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

ROBÓTICA (Modelo do Pendulo Simples Invertido) Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

ROBÓTICA (Modelo do Pendulo duplo Invertido) Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

ROBÓTICA Sistema de Controle de foco de Câmaras Tópicos a serem abordados Descrição do problema Descrição da Estratégia e da estrutura do Controlador Nebuloso Objetivo da Ação de Controle Sistema de Controle Definição das Variáveis de Entrada e de Saída Desenvolvimento do programa fonte Resposta Entrada/Saída Análise dos resultados obtidos

Aspectos construtivos de Controladores Nebulosos SOFTWARE E HARDWARE

Conclusões Finais