CONCLUSÕES E PERSPECTIVAS
Este trabalho apresentou o projeto de um controlador Fuzzy-PI aplicado em um caso servo para controle de pH em uma planta na indústria petrolífera. O sistema foi simulado no Simulink/MatLab®.
Foram feitas revisões bibliográficas acerca de vários controladores lineares e não lineares, e algumas técnicas foram empregadas no projeto e em sua análise. Além disso, foram feitas pesquisas sobre aplicações de controle fuzzy.
Tomou-se como uma das principais referências o modelo do Projeto REDICONT, de autoria de pesquisadores da UFRN, UFBA e UFPA com apoio do CENPES/PETROBRAS que emprega Controladores Regulatórios Não Lineares em Processos Utilizados na Indústria do Petróleo. Mostrou-se o esquema de um processo de controle do pH adotado nesse projeto e dois controladores nele desenvolvidos.
Buscou-se definir alguns critérios para a escolha do tipo de controlador a ser empregado em função da planta, elencando alguns trabalhos que utilizaram estratégia semelhante à empregada no controlador Fuzzy-PI que foi simulado. Adotou-se no sistema o Modelo de Hammerstein, em que a não linearidade estática antecede a dinâmica da planta, a fim de regular o índice do pH.
Os resultados obtidos com controlador Fuzzy-PI foram comparados com controladores PI e PI Escalonado através de gráficos, dos overshoots, dos tempos de acomodação e de três índices de avaliação de desempenho. Nos índices IAE e ITAE, o controlador Fuzzy-PI apresentou melhores resultados, em todas as referências, que o PI e o PI Escalonado. No índice de Goodhart, os controladores PI e PI Escalonado apresentaram valores melhores em alguns pontos de operação do que o Fuzzy-PI, porque este último usa sinais de controle de maior amplitude nessas referências.
Observou-se que os tempos de acomodação e os overshoots foram melhores, na maioria dos pontos de operação, no controlador Fuzzy-PI. Os testes desse controlador apresentaram bons resultados, e, em alguns aspectos, se mostraram melhores em comparação com o PI e o PI Escalonado.
A partir dos dados obtidos nas simulações, verificou-se que a atuação do controlador
64 CAP. 7 CONCLUSÕES E PERSPECTIVAS
compatíveis com os desejados. Portanto, pode-se afirmar que a estratégia utilizada em função do seu desempenho é bastante satisfatória e viável.
Outra contribuição deste trabalho é a metodologia empregada para fazer a sintonia manual dos parâmetros das FPs de saída do controlador Fuzzy-PI – TSK tendo um ponto de partida.
Para trabalhos futuros, sugere-se a inclusão de novas funções de pertinência no erro e/ou na variação do erro como busca da melhoria dos tempos de resposta e dos índices de avaliação de desempenho, especialmente o de Goodhart.
Uma proposta de continuidade é a aplicação dos controladores PI, PI Escalonado e o
Fuzzy-PI no caso regulatório, isto é, quando se impõe uma perturbação na planta e se
comparam as respostas obtidas com esses três controladores.
Aponta-se também para o uso de técnicas híbridas, como Algoritmos Genéticos e
Neurofuzzy, para sintonia automática dos parâmetros das funções de pertinência, ou Fuzzy
com ganho adaptativo, permitindo a sintonia de acordo com o processo.
A troca dos controladores clássicos pelos algoritmos de controle mais complexos é uma tendência para um melhor desempenho do controle de plantas industriais, especialmente em sistemas com não linearidades acentuadas. O Fuzzy-PI utilizado demonstrou que o tratamento de parte dessas não linearidades é alcançável, e os resultados obtidos revelam a viabilidade do uso desse tipo de controlador.
65
REFERÊNCIAS
ARAÚJO, F. M. U. Controladores Automáticos Inteligentes com Aplicações em
Isolamento de Vibrações Mecânicas. 2002. 151 f. Tese (Doutorado em Ciências) – Instituto
Tecnológico de Aeronáutica (ITA), São José dos Campos, São Paulo, Brasil, 2002.
ÅSTRÖM, K. J.; HÄGGLUND, T. Revisiting the Ziegler-Nichols Step Response Method
for PID Control. Journal of Process Control, 14, p. 635-650, 2004.
BARRADO, A.; VÁZQUEZ, R.; LÁZARO, A.; PLEITE, J.; VAZQUEZ, J.; OLIAS, E. New
DCDC Converter with Low Output Voltage and Fast Transient Response. In: IEEE
APPLIED POWER ELECTRONICS CONFERENCE (APEC), 3., 2003. Proceedings… Miami, Florida, USA: [s.n.], 2003.
BARROS, L. S.; MOURA, D. F. P.; MOTA, W. S. Métodos Matriciais para Linearização e
Representação no Espaço de Estados de Sistemas Elétricos de Potência Contendo Máquinas de Indução Duplamente Alimentadas Operando como Geradores Eólicos. In:
SIMPÓSIO BRASILEIRO DE SISTEMAS ELÉTRICOS (SBSE), Campina Grande. Anais... Campina Grande, Paraíba: [s.n.], 2006.
BAZANELLA, A. S.; GOMES DA SILVA JR, J. M. Sistemas de Controle: princípios e métodos de projeto. Porto Alegre: Editora da UFRGS, 2005.
BELLMAN, R. E.; ZADEH, L. A. Decision Making in a Fuzzy Environment. Management
Science 17, 1970.
CAMPOS, M. M.; SAITO, K. Sistemas Inteligentes em Controle e Automação de
Processos. Rio de Janeiro: Moderna, 2004.
CAMPOS, R. C. C. Projeto e Construção de Planta Piloto de Neutralização de pH e
Proposta de Metodologia para Incorporação de Informações Auxiliares na Identificação NARX Racional. 2007. 158 f. Dissertação. Programa de Pós-Graduação em Engenharia do
Centro Universitário do Leste de Minas Gerais – UNILESTE-MG, 2007.
CARDOSO, M.; SANTOS, O. Controle avançado com Controladores Programáveis para
Automação (PACs). In: CONFERÊNCIA TECNOLÓGICA SOBRE PROJETO GRÁFICO
DE SISTEMAS, 2009. Disponível em:
<65itt://download.ni.com/pub/branches/latam/brazil/controle_avancado_com_controladores.p df>. Acesso em: 10 ago. 2011.
CARVALHO, M. A. Controlador Neurofuzzy com Aprendizado On-Line: Teoria e Aplicação na Indústria de Petróleo. Dissertação (Mestrado) — UFMG, março 2010.
CASILLO, D. S. S. Controle Preditivo Não Linear baseado no Modelo de Hammerstein
com Prova de Estabilidade. 2009. Dissertação (Mestrado). Programa de Pós-Graduação em
Engenharia Elétrica da Universidade Federal do Rio Grande do Norte-UFRN, 2009.
CASTANHO, M. J. P.; PEIXOTO, M. S. Congresso Brasileiro de Sistemas Fuzzy. Minicurso: Teoria dos Conjuntos Fuzzy no MatLab. 2010.
66 CAP. 7 REFERÊNCIAS
CAVALCANTI, A. L. O.; MAITELLI, A. L.; FONTES, A. B. A Phase Margin Metric for
Multi-Model Multivariable MPC. In: IEEE MEDITERRANEAN CONFERENCE ON
CONTROL AND AUTOMATION, 16., 2008, Ajaccio, France. Proceedings… pp. 1874– 1879, Ajaccio, France, 2008.
CHEN, D.; SEBORG, D. E. Design of Decentralized PI Control Systems Based on
Nyquist Stability Analysis. Journal of Process Control, v. 13, pp. 27-39, 2003.
CHO, K. H.; YEO, Y. K.; KIM, J. S.; KOH, S. T. Fuzzy Model Predictive Control of
Nonlinear pH Process. Korean J. Chem. Eng., v. 16, pp. 208-214, 1999.
COSTA, W. T.; NEPOMUCENO, E. G.; NETO, O. M. Controle nebuloso de sistemas não-
lineares via método Takagi-Sugeno: uma abordagem didática usando Simulink. In:
CONGRESSO BRASILEIRO DE AUTOMÁTICA (CBA), 15., 2004, Gramado-RS. Anais... Gramado: UFRGS, 2004.
DORF, R. C.; BISHOP, Robert H. Sistemas de controle modernos. Rio de Janeiro: LTC, 2001.
FACCIN, F. Abordagem Inovadora no Projeto de Controladores PID. 2004. Dissertação (Mestrado), PPEQ/UFRGS, Porto Alegre, Rio Grande do Sul, Brasil, 2004.
FENG WAN; HUILAN SHANG; LI-XIN WANG. Adaptive Fuzzy Control of A pH
Process. In: IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS. 2006,
Vancouver, BC, Canada. Proceedings... Vancouver: [s.n.], pp. 2377-2384, 2006.
FONSECA, C. A. G. Algoritmos Genéticos para Otimização de uma Arquitetura de
Controle Inteligente Hierárquico. Dissertação (Mestrado), PpgEE/UFRN, Natal, Rio
Grande do Norte, Brasil, 2005.
FONSECA, D. A. M. Interpolação Não-Linear de Controladores PI Utilizando Lógica
Fuzzy. 2008. Trabalho de Conclusão de Curso de Engenharia de Computação da UFRN,
2008.
FONSECA, M. O.; SEIXAS FILHO, C.; TORRES, B. S. Avaliação de Desempenho e
Auditoria de Malhas de Controle. Revista InTech Brasil, n. 63, p. 32-35, 2004.
FONTES, A. B.; SANTOS, M. B.; SOUZA, R. A. R.; ACHY, A. R. A. Projeto REDICONT – Projeto e Implementação de Controladores Regulatórios Não-Lineares em Processos
Utilizados na Indústria do Petróleo. Relatório da Modelagem do Sistema, 2007.
FONTES, A. B.; SANTOS, M. B.; SOUZA, R. A. R.; ACHY, A. R. A.; MAITELLI, A. L.; CAMPOS, M. C. M. M. Técnicas de Controle Aplicadas em um Processo de Controle de
pH. In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, 17., Juiz de Fora-MG. Anais...
Juiz de Fora: [s.n.], 2008.
FONTES, A. B.; GARCIA, M. R. S.; SANTOS, M. B.; CAMPOS, M. C. M. M.; SOUZA, R. A. R.; ACHY, A. R. A. Técnicas de controle não-linear aplicadas em um processo de
controle de pH pelo modelo fenomenológico. In: CONGRESSO RIO AUTOMAÇÃO, 5.,
REFERÊNCIAS 67
FUENTE, M. J.; ROBLES, C.; CASADO, O.; TADEO, F. Fuzzy Control of a
Neutralization Process. IEEE International Conference on Control Aplications, pp. 1032-
1037, 2002.
GHEE, N. T.; KUMARESAN, S.; LIAU CHUNG FAN, L. C. Fuzzy PID Controller to
Control the pH Neutralization Process. Student Conference on Research and Development
Proceedings, Shah Alam, Malaysia, 2002.
GODER, D.; PELLETIER, W. R. V2 architecture provides ultra-fast transient response in switch mode power supplies. In: Proceedings HFPC, Las Vegas, USA, pp. 16-23, 1996.
GOMIDE, F. A. C.; GUDWIN, R. R. Modelagem, controle, sistemas e lógica fuzzy. SBA
Controle e Automação, vol. 4, n. 3, 1994.
GOODHART, S. G.; BURNHAM, K. J.; JAMES, D. J. G. Bilinear self-tuning control of a
high temperature heat treatment plant. IEE Proceedings – Control Theory and
Applications, vol. 141, n. 1, pp. 13-18, January, 1991.
GUSTAFSSON, T. Modeling of pH for control. Ind. Eng. Chem. Res., 34820-827, 1995. HENSON, M.; SEBORG, D. Adaptive input-output linearization of a pH neutralization
process. Int. J. Adapt. Control and Signal Proc., 11, pp. l71-200, 1997.
INGIMUNDARSON, A.; HÄGGLUND, T. Performance Comparison Between PID and
Dead-Time Compensating Controllers. Journal of Process Control, 12, pp. 887-895, 2002.
KELKAR, B.; POSTLETHWAITE, B. Fuzzy-Model Based pH Control. IEEE, 1994. KLATT, K.; ENGELL, S. Nonlinear control of neutralization process by gain-scheduling
trajectory control. Ind. Eng. Chem. Res., 35:3511-3518.
KWAKERNAAK, H.; SIVAN, R. Linear Optimal Control Systems. New York: Wiley- Interscience, 1972. ISBN-13: 9780471511106.
LIN, J.; YU, Cheng-Ching, Automatic tuning and gain scheduling for pH control.
Chemical Engineer Science, vol. 48, n. 18, pp. 3159-3171, 1993.
LOH, A.; LOOI, K.; FONG, K. Neural network modelling and control strategies for pH
process. Journal of Process Control, pp. 6355-362, 1995.
MAIA, C. A.; RESENDE, P. Um Controlador Neural Gain Scheduling para Plantas Não-
lineares. SBA Controle & Automação, 9(3):135-140, 1998.
MAMDANI, E. H. Advances in linguistic synthesis of fuzzy controllers. International
Journal of Man-Machine Studies, vol. 8, pp. 669-678, 1976.
MICHAEL, A.; DALE, E. S. Adaptive Nonlinear Control of a pH Neutralization Process.
IEEE Transactions on Control Systems Technology, vol. 2, n. 3, pp. 169-182, 1994.
68 CAP. 7 REFERÊNCIAS
OGATA, Katsuhiko. Engenharia de controle moderno. Rio de Janeiro: Prentice-Hall do Brasil, 1985.
PALANCAR, M.; ARAGÓN, J.; MIGUENS, J.; TORRECILLA J. Application of a model
reference adaptive control system to pH control, effects of lag and delay time. Ind. Eng.
Chem. Res., 35, pp. 4100-4110, 1996.
PARAKEH, M.; DESAI, M.; LI, H.; RHINEHART, R. RIn-Line Control of Nonlinear pH
Neutralization Based On Fuzzy Logic. IEEE Transactions on Components, Packaging and
Manufacturing Tecnology, Part A, vol. 17, n. 2., 1994.
PASSINO, K. M.; YURKOVICH, S. Fuzzy Control. Menlo Park, California: Addison- Wesley, 1998. ISBN 0-201-18074-X
PIAZZI, A.; VISIOLI, A. Improved PI Control via Dynamic Inversion. In: IFAC WORLD CONGRESS, Barcelona, Spain, 2002.
PIRES, A. V. Controladores baseados em técnicas de inteligência computacional:
Análise, projeto e aplicação. 2007. Dissertação (Mestrado) – Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Minas Gerais, Belo Horizonte- MG, 2007. REZNIK, L.; GHANAYEM, O.; BOURMISTROV, A. PID plus fuzzy controller structures
as a design base for industrial applications. Engineering Applications of Artificial
Intelligence 13, pp. 419-430, 2000.
SALGADO, N. E. G. Ajuste de Controladores por Optimização Não Linear
Multiobjectivo. 2008. Dissertação (Mestrado) – Departamento de Electrónica,
Telecomunicações e Informática, Universidade de Aveiro, Aveiro, Portugal, 2008.
SANCHEZ, E. C. M. Controle por Aprendizado Acelerado e Neuro-Fuzzy de Sistemas
Servo-Hidráulicos de Alta Frequência. 2009. Dissertação (Mestrado) – Pontifícia
Universidade Católica do Rio de Janeiro (PUC-Rio), Rio de Janeiro, 2009.
SÁNCHEZ-SOLANO, S.; CABRERA, A. J.; BATURONE, I.; MORENO-VELO, F. J.; BROX, M. FPGA Implementation of Embedded Fuzzy Controllers for Robotic Applications,
IEEE Transactions on Industrial Electronics, vol. 54, n. 4., 2007.
SANDRI, S.; CORREA, C. Lógica nebulosa. In: ESCOLA DE REDES NEURAIS, 5., 1999, São José dos Campos. Anais... São José dos Campos: ITA, 1999. p.73-90.
SANTOS, J. E. S. Sistemas de Controle Preditivos Não-Lineares: Análise, Projeto e Simulação. 2007. Tese (Doutorado em Engenharia Elétrica) – PPGEEL/UFSC, Florianópolis, 2007.
SOTO, A.; ALOU, P.; COBOS, J. A. Non-Linear Digital Control Breaks Bandwidth
Limitations. Proceedings of Applied Power Electronics Conference, APEC, Dallas, USA.
2006.
TADEO, F.; HOLOHAN, A.; VEGA, P. -Optimal regulation of a pH control plant. Computers and Chemical Engineering, vol. 22, Supplement 1, 24 May 1998 , pp. 459-466.
REFERÊNCIAS 69
VALE, M. R. B. G.; CERQUEIRA, A. C. T.; FONSECA, D. G. V.; MAITELLI, A. L.; ARAÚJO, F. M. U. Estimation and Compensation of Actuators Non-Linearities: Dead- zone estimation and inverse compensation on Control Valves in a pH Neutralization Process. 2009
VALE, M. R. B. G.; FONSECA, D. G. V.; MAITELLI, A. L.; ARAÚJO, F. M. U. Controle
Adaptativo por Modelo de Referência Aplicado em uma Planta de Neutralização de PH.
In: CONFERÊNCIA INTERNACIONAL EM APLICAÇÕES INDUSTRIAIS (INDUSCON), 8., Poços de Caldas. Anais... Poços de Caldas: [s.n.], p. 6, 2008. VALE, M. R. B. G.; FONSECA, D. G. V.; PEREIRA, K. R. C.; MAITELLI, A. L.;
ARAÚJO, F. M. U.; CASILLO, D. S. S. Model Reference Adaptive Control with Inverse
Compensation Applied to a pH Plant. In: IEEE INTERNATIONAL SIMPOSIUM ON
INDUSTRIAL ELECTRONICS , Bari, Italy. Proceedings… Bari: [s.n.], pp. 244-249, 2010. VALL, O. M. M.; RADHI, M. An approach to the closed loop identification of the Wiener
systems with Variable Structure Controller using an Hybrid Neural model. In: IEEE
INTERNATIONAL SIMPOSIUM ON INDUSTRIAL ELECTRONICS (ISIE), Montreal, Canada. Proceedings… Montreal: Université du Québec, 2006. pp. 2654-2658. ISBN: 1- 4244-0496-7.
WAN, F.; SHANG, H.; WANG, L. X. Adaptive Fuzzy Control of a pH Process. In: IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS, Vancouver, BC.
Proceedings… Vancouver: [s.n.], 2006.
WANG, Q. Book Review: Auto-tuning of PID Controllers. Journal of Process Control, vol. 11, n. 1, pp. 105-107, 2001.
WELSTEAD, S. T. Neural Network And Fuzzy Logic Applications In C/C+. New York: Wiley, 1994.
ZADEH, L. A. Fuzzy Sets. Information and Control, vol. 8, n. 3, pp. 338–353, June 1965. ZHONG, Q. C.; LI, H. X. Delay-type PID controller. In: IFAC WORLD CONGRESS, 15., Barcelona, Spain. Proceedings… 2002.
ZHOU, K.; DOYLE, I.; GLOVER, K. Robust and Optimal Control. New Jersey: Prentice Hall, 1996.
ZUBEN, Von. Tópicos avançados: controle robusto, controle adaptativo e controle inteligente. DCA/FEEC/UNICAMP. Disponível em: <
71
ANEXO A
DIAGRAMA ESQUEMÁTICO DO SISTEMA DE NEUTRALIZAÇÃO
DO pH IMPLEMENTADO NO SIMULINK
®72 ANEXO A
O diagrama esquemático do Sistema de Neutralização do pH que foi implementado no Simulink® e utilizado na simulação é mostrado na figura A.1, tendo sido baseado em Fontes
et al. (2009), porém utilizando um controlador Fuzzy-PI. Os blocos principais desse Sistema estão identificados na tabela A.1.
Figura A.1 Diagrama es esquemático do Sistema de Neutralização do pH, baseado em Fontes es et al. (2009). 73
A
N
E
X
O
A
74 ANEXO A
Tabela A.1 Identificação dos blocos principais do Sistema de Neutralização do pH da figura A.1.
BLOCO IDENTIFICAÇÃO
01 Gerador de Referências 02 Controlador Fuzzy-PI 03 Atuador (válvula)
04 Relação OP_MV (Percentual de Abertura com a Variável Manipulada) 05 Planta Simplificada
06 Sensor
07 Normalização
08 Botão do índice ITAE 09 Botão do índice IAE
10 Botão do índice de GoodHart 11 Modelo da Perturbação (distúrbio)
75
ÍNDICE ONOMÁSTICO
B BELLMAN, R. E., 22 BISHOP, Robert H., 51 C COSTA, W. T., 24 D DORF, R. C., 52 FFONTES, Adhemar de Barros, 24; 36; 51; 53; 72; 73 G GOODHART, S. G., 24; 51; 52; 53; 58; 59; 60; 63; 64; 74 K KANG, G. T., 41 L
LARSEN, Henrik Legind,29 LIN, J., 38 M MAMDANI, E. H., 27; 29 N NEPOMUCENO, E. G., 24 NETO, O. M., 24 NOVÁK, V., 26 P PIRES, A. V., 27 S SUGENO, M., 29; 41 T TAKAGI, T., 29; 41 TSUKAMOTO, Y., 20 W WELSTEAD, S. T., 29 Y YU, Cheng-Ching, 38 Z
ZADEH, Lofti A. (dito) [Lotfali Askar Zadeh], 22; 25; 27