Controlador Fuzzy Discreto Embarcado em DSP para a Regulação da Tensão Terminal de Conversores Elevadores CC-CC

Controlador Fuzzy Discreto Embarcado em DSP para a

Regulação da Tensão Terminal de Conversores

Elevadores CC-CC

Giovani Guarienti Pozzebon; Ricardo Quadros Machado

Departamento de Engenharia Elétrica

Escola de Engenharia de São Carlos – Universidade de São Paulo São Carlos, Brasil

pozzebon@sc.usp.br; rquadros@sc.usp.br

Resumo— Neste trabalho é proposto um sistema de controle fuzzy experimental para a regulação de tensão de saída de um conversor CC-CC elevador de tensão utilizado como interface entre uma fonte CC e o link CC de conversores multiníveis. O controle fuzzy empregado foi desenvolvido de forma que ele pudesse ser embarcado em um processador do tipo DSP sem grandes custos computacionais e de memória para aplicações em tempo real. Para que este tipo de controle possa sem utilizado em outras aplicações, a metodologia de projeto é apresentada em detalhes no trabalho. Para a validação do método proposto, foram realizadas simulações computacionais e por fim o algoritmo para o controle da tensão terminal foi testado em uma plataforma experimental. Os resultados obtidos mostram a funcionalidade e a aplicabilidade do controlador fuzzy.

I. INTRODUÇÃO

Crucial para o desempenho dos conversores é a escolha do método de controle. Além dos métodos tradicionais no domínio da freqüência, os quais são predominantemente utilizados em projetos de controladores, outra possibilidade é empregar o raciocínio heurístico baseado na experiência humana da planta [1]-[3]. Tal experiência é normalmente coletada na forma de regras e declarações lingüísticas. Aqui, a lógica fuzzy tem um papel importante na elaboração do controlador que regula as tensões de saídas de conversores elevadores de tensão.

Neste trabalho, os conversores elevadores de tensão, operando em modo contínuo, são utilizados como interface entre as fontes CC, constituídas por transformadores mais retificadores não-controlados, e o link CC dos conversores CC-CA multinível. As fontes CC têm a função de representar fontes alternativas de energia, e os conversores do tipo boost são utilizados não só para aumentar as tensões CC, mas também para suprir transitórios de energia requerida pela conexão de cargas locais no lado CA, minimizando os distúrbios de corrente no alimentador. Se for o caso, também podem ser utilizados em um sistema fotovoltaico, juntamente

com um algoritmo de rastreamento do ponto de máxima potência (MPPT) incorporado ao controle para que seja possível entregar para a rede a potência máxima definida pela fonte CC [4], [5]. Assim, a combinação de fontes, conversores CC mais conversores CC-CA multiníveis irá configurar um sistema de geração distribuída que irá se conectar a rede de distribuição e transferir potência para a mesma. Mas, vale ressaltar que, neste trabalho, só será abordado o controle e o comportamento dos conversores CC inseridos no sistema multinível submetido a conexões e desconexões de carga.

Outro ponto importante que deve ficar claro é que o objetivo deste trabalho não é fazer um estudo comparativo entre o sistema de controle fuzzy proposto e os controladores clássicos e bem conhecidos como PI (proporcional integral) e PID (proporcional integral derivativo) que além de se mostrarem eficientes em quase todas as aplicações de controle de conversores, são relativamente simples de se programar. O objetivo aqui é apresentar a aplicação prática e o desenvolvimento de um sistema de controle fuzzy discreto que possui um baixo custo computacional e que também requer um espaço em memória reduzido podendo ser embarcado não só em plataformas DSP, mas também em simples microcontroladores.

Nas seções a seguir serão mostrados, de uma forma simples e entendível, os procedimentos adotados para o desenvolvimento do controlador fuzzy. Na sequência, serão mostrados alguns resultados de simulações e resultados práticos, que mostram a validação do método proposto e também a funcionalidade e a aplicabilidade do controlador fuzzy. Vale salientar que a aplicabilidade deste método não se restringe a controle de conversores, mas pode esta ser estendida a outras plantas mais complexas e difíceis de modelar matematicamente. Vale lembrar que praticamente todas as funções não lineares podem ser modeladas através de algoritmos fuzzy, o facilita o trabalho de um projetista e torna a lógica fuzzy interessante e vantajosa [6]-[8].

Figura 1. Diagrama de blocos do sistema de controle fuzzy para os

conversores CC-CC. Figura 2. Funções de pertinência para o erro e a variação do erro. II. SYSTEMA DE CONTROLE FUZZY

Na literatura existem diversos trabalhos que reportam o uso da lógica fuzzy para controle de conversores [9]-[11]. Porém, alguns deles apresentam apenas resultados computacionais e outros não mostram em detalhes a implementação prática do controlador fuzzy em um DSP.

O sistema de controle fuzzy embarcado e otimizado proposto neste trabalho foi projetado com a intenção de reduzir o espaço em memória requerido no DSP e também reduzir os esforços computacionais para aplicações em tempo real. Isto foi possível através de uma metodologia que combina dois métodos distintos, porém efetivos, propostos nos trabalhos [12] e [13]. O primeiro para controle de conversores e o segundo para utilizar sistemas fuzzy embarcados. Em [12], se desconhece a forma de como as funções de pertinência são geradas e embarcadas no processador, porém, o trabalho utiliza um método de inferência tabelada que fornece valores singletons na sua saída, e isto possui um custo computacional bem reduzido. Já em [13], é mostrado em detalhes uma metodologia bastante simples para a construção das funções de pertinência triangulares dentro de um processador. Porém, o método de defuzificação adotado pelos autores ainda possui um custo computacional elevado, pois é feito através do cálculo do centro de gravidade da figura geométrica. Portanto, utilizando-se o que esses dois trabalhos têm de melhores, foi possível construir um sistema de controle fuzzy para o a regulação da tensão de saída dos conversores elevadores do tipo boost, conforme o diagrama de blocos apresentado na Fig.1. A seguir será apresentada a descrição completa do sistema proposto.

A. Projeto do Controlador Fuzzy

O diagrama de blocos apresentado na Fig. 1 apresenta o sistema de controle fuzzy da tensão dos conversores boost. O controlador fuzzy está divido em cinco módulos: fuzzificação, base de dados, base de regras, tomada de decisão e defuzzificação. As entradas do controlador são o erro, ε, e a variação do erro, ∆ε, definidas em (1) e (2).

ε = υο − υσ (1)

∆ε = εκ − εκ−1 (2)

Em (1), υο é a tensão de saída atual, υσ é a tensão de referência e κ representa o índice dos valores amostrados no κ-ésimo ciclo de chaveamento.

A saída do controlador fuzzy é a chamada razão cíclica ou duty cycle, definida por

δκ = δκ−1 + η.∆δκ , (3)

onde ∆δκ é a mudança da razão cíclica inferida pelo controlador fuzzy no κ-ésimo tempo de amostragem e η é o fator de ganho do controlador fuzzy que simplesmente representa a máxima mudança da razão cíclica. Ajustando-se η pode-se mudar o ganho efetivo do controlador.

Para tornar o controle mais eficiente computacionalmente, as variáveis ε e ∆ε são descritas por conjuntos fuzzy de valores singletons, o que quer dizer que os valores medidos dessas variáveis são utilizados no processo de inferência sem serem fuzzificadas. Portanto, as regras fuzzy podem ser criadas baseadas no conhecimento especialista do processo de controle, que é tratado linguisticamente dentro de uma estrutura “if-then”. Como conseqüência, é dispensável o conhecimento detalhado ou preciso do modelo matemático que representa a planta de controle. Dessa forma, as regras fuzzy são representadas da forma

Ri: IF ε is Ai and ∆ε is Bi, ΤΗΕΝ δκ is Ci . (4)

Onde Ai e Bisão subconjuntos fuzzy em seus universos de

discurso e Cié um valor fuzzy singleton. Para simplificar o

sistema de controle fuzzy, foram utilizadas funções de pertinência triangulares simétricas e cada universo de discurso foi dividido em cinco subconjuntos: PB (Positive Big), PS (Positive Small), ZE (Zero), NS (Negative Small) e NB (Negative Big). A divisão dos subconjuntos fuzzy e as funções de pertinência são mostradas na Fig. 2. As variáveis lingüísticas do sistema de controle fuzzy, ε e ∆ε estão normalizadas em um universo de discurso comum com valores entre [−1, 1]. Desta forma, é possível mapear todas as variáveis de entrada simultaneamente com um único conjunto de funções [7] e também, para qualquer combinação de ε e ∆ε, um máximo de quatro regras serão ativadas, portanto, o tempo de processamento computacional pode ser reduzido.

Figura 4. Determinação do valor de pertinência paralelo ao vetor discreto.

Figura 3. Determinação do valor de pertinência antiparalelo ao vetor

discreto. Figura 5. Determinação das linhas dos conjuntos fuzzy ativos. embarcado em um processador de ponto flutuante modelo

TMS320F28335 da Texas Instruments, o qual contém um conversor digital analógico (ADC) de 12 bits. Os valores de conversão do ADC variam de 0 a 4095 para entradas analógicas que variam de 0 a 3V. Desta forma, o sistema fuzzy foi desenvolvido para operar com variáveis inteiras para minimizar ainda mais o esforço computacional. O universo de discurso, limitado ao intervalo [−1, 1], foi transladado para o intervalo [0, 4095], representado por valores do tipo inteiros. Além disso, a criação de funções de pertinência simétricas e triangulares para todas as variáveis lingüísticas (ε e ∆ε) é possível através de uma única função rampa linear e discreta a ser armazenada no espaço de memória do DSP, composta por um vetor de 819 posições com valores normalizados variando de 0 a 1. Através desta função linear é possível determinar qualquer outra linha paralela ou antiparalela pertencente à função de pertinência, como mostra a Fig. 3 [13].

Considerando um valor arbitrário x1 pertencente ao intervalo [λ, λ+818]. O valor de pertinência pode ser obtido acessando-se o índice (α) do vetor, que é calculado por uma simples subtração do x1 por λ, como mostra a expressão (5).

α = x1 − λ (5)

Da mesma forma, é possível determinar o valor de pertinência da função linear antiparalela, como mostra a Fig.4 [13]. Assim, considere um valor arbitrário x1 situado no

intervalo [λ, λ+818]. O cálculo do índice do vetor, que retorna o valor de pertinência da linha antiparalela transladada, pode ser feito através da seguinte expressão (6).

α = (λ + 818) − x1 (6)

Das expressões (5) e (6), é possível se obter o valor de pertinência de qualquer variável lingüística através de uma simples indexação computacional, como mostra a Fig. 5 [13].

Lembrando que a função dos conversores elevadores de tensão controlados pela lógica fuzzy é de regular as tensões dos barramentos CC de um sistema multinível trifásico. Considerando que a topologia de conversores multinível é formada por dois módulos inversores H-bridge em cada fase de modo a configurar uma estrutura em cascata, então cada um desses módulos é um conectado a um conversor elevador do tipo boost. Nesta aplicação existem dois valores de referência para as tensões de saída: 60 V e 120 V. Assim, o sistema de medição e condicionamento dos sinais para das tensões é calibrado para fornecer em suas saídas 1.5 V, equivalente a 50% da escala limite do conversor AD do DSP, quando as tensões dos conversores atingirem as suas referências (60 Vou 120 V). Em valores inteiros, a conversão de 1.5 V é igual a 2048, que é exatamente o centro do universo de discurso e isto significa que o erro de tensão é zero.

Como pode ser observado na Fig. 5, os termos lingüísticos NB e PB consistem de funções trapezoidais. Considerando que o valor da base superior é um valor constante e coincide com o valor de pertinência máxima que é igual a 1, a seguinte condição de teste é aplicada: “se x1 é menor que 410 ou maior que 3686, então µ(x) = 1.0”. Os valores 410 e 3686 foram determinados de acordo com a escolha de um fator de normalização βε que determina os limites controláveis de υσ − βε a υσ + βε das tensões de saída. Fora destes limites, assume-se que o erro de tensão e seja saturado e classificado em um dos dois subconjuntos fuzzy extremos, PB ou NB.

Outro termo que precisa ser ajustado para melhorar a condição de operação do conversor é o fator de normalização da variação do erro, denominado β∆ε. Este termo determina o fator de amortecimento da resposta transitória. Um β∆ε grande resulta em uma resposta oscilatória, enquanto que um β∆ε pequeno produz uma resposta amortecida [12].

A escolha de η (fator de ganho do controlador), βε e β∆ε depende da constante de tempo do filtro de saída do conversor. O parâmetro η é simplesmente a máxima mudança da razão cíclica. Normalmente, βε é determinado primeiro, depois η é sintonizado até se obter o tempo de subida (rise time) desejado. Neste caso, βε assume um valor de 1638 para todos os conversores, que é aproximadamente 80% do valor de referência (2048). Mais adiante, através de simulações e testes experimentais, serão definidos os valores de β∆ε e η com a finalidade de se obter respostas adequadas dos conversores.

A derivação das regras do controle fuzzy é heurística e é baseada nos mesmo critérios adotados por [12]. Por exemplo, quando a tensão de saída de um conversor está longe do valor de set point, a mudança da razão cíclica deve ser grande para levar a saída ao valor de set point rapidamente. Quando a saída de um conversor está perto do valor de set point e está se aproximando rapidamente, a razão cíclica deve ser mantida constante para evitar a presença de overshoot; ou quando o valor de set point é atingido e a saída é estável, a razão cíclica permanece inalterada. Quando a saída está acima do valor de

set point, o sinal da mudança da razão cíclica deve ser

negativo. Assim, de acordo com este critério, uma tabela de regras é determinada, conforme a Tab. I. Os valores desta tabela são valores singleton normalizados da mudança da razão cíclica. Dessa forma, se a magnitude da mudança inferida é 1, a razão cíclica irá mudar consideravelmente, porém limitada por η.

TABELA I. TABELA DE REGRAS DO CONTROLADOR FUZZY. ∆ε ∆ε∆ε ∆ε NB NS ZE PS PB PB -0.30 -0.35 -0.45 -0.65 -1.00 PS 0.00 -0.10 -0.20 -0.35 -0.50 ZE 0.20 0.10 0.00 -0.10 -0.20 NS 0.50 0.35 0.20 0.10 0.00 εεεε NB 1.00 0.65 0.45 0.35 0.30

O resultado inferido de cada regra consiste do produto lógico entre o fator de peso ωi e o grau de mudança do da

razão cíclica, Ci. O fator de peso ωi é obtido aplicando-se o

operador de Mamdani, ou seja, o método dos mínimos, devido a sua simplicidade computacional. Este método de implicação determina os mínimos entre os valores de pertinência µε(ε0) e µ∆ε(∆ε0), fazendo

ωi = min{ µε(ε0), µ∆ε(∆ε0)}. (7)

Onde ε0 e ∆ε0 são as entradas singletons do erro de tensão e da variação do erro; Ci é o valor obtido na tabela de regras

(Tab.I), que mostra o mapeamento do espaço do produto de ε e ∆ε para Ci. Portanto, a saída singleton inferida de cada regra

pode ser determinada por:

ρi = min{ µε(ε0), µ∆ε(∆ε0)}. Ci = ωi. Ci. (8)

Onde ρi denota a mudança da razão cíclica inferida pela

i-ésima regra.

B. Método de Defuzzificação

Depois de se obter todos os resultados singletons, o próximo passo é defuzzificar os resultados de forma que um valor crisp de mudança da razão cíclica possa ser obtido. Neste caso, o método utilizado para a defuzzyficação é o cálculo do centro de gravidade. Portanto, a mudança resultante da ração cíclica pode ser obtida fazendo

ρ = ∆δκ = (∑Ν ρi )/(∑Ν ωi ) = (∑Ν ωi.Ci )/(∑Ν ωi ). (9)

Onde N é o número máximo de regras ativadas.

Em um exemplo genérico, o mecanismo de inferência para uma amostra é graficamente ilustrado na Fig. 6. Neste exemplo, ε pertence à NB e NS enquanto que ∆ε pertence à ZE e PS. Assim, quatro regras são ativadas conforme as combinações mostradas na Fig. 6. Para cada um dos casos, são calculados os fatores de peso ωi utilizando a implicação de

Mamdani (operação de mínimo) e também são obtidos os valores singletons correspondentes Ci da tabela de regras. Depois de determinar todos os valores das regras ativadas pelas variáveis ε e ∆ε, a mudança da razão cíclica inferida é calculada utilizando a equação (9), que para o exemplo foi obtido ρ = 0.3214. Portanto, a mudança efetiva da razão cíclica no instante de tempo amostrado é 0.3214.η.

III. _OS CONVERSORES BOOST E A ESTRUTURA MULTINÍVEL

O conversor multinível que terá a tensão contínua regulada pelos conversores elevadores apresenta dois módulos H-bridge em cascata assimétrica por fase, possuindo valores de tensão diferentes nos seus respectivos barramentos de corrente contínua. A estrutura multinível mais conversores elevadores de tensão está representada na forma monofásica na Fig. 7. Nesta figura, SA e SB são as fontes de entrada, os módulos A e B são conversores H-bridges que conectados em série geram uma tensão de saída US(t) a fim de alimentar uma carga ou configurar um sistema de geração distribuída conectado a rede de distribuição.

A Tab. 2 mostra os parâmetros dos circuitos que foram utilizados tanto nas simulações como na construção experimenta dos conversores. A tensão eficaz fase-neutro de saída do conversor multinível é de 127 V/60 Hz.

TABELA II. PARÂMETROS DOS CIRCUITOS DOS CONVERSORES.

Parâmetro Boost A Boost B

Indutância LA, LB 10 mH 5 mH

Capacitor de saída CA, CB 1360 µF 1360 µF

NB NS ZE PS NB NS NB NS NB NS 0.45 PS ZE PS ZE PS ZE 0.35 0.20 0.10 0.10 0.20 0.35 0.45 Centro de gravidade = 0.3214 Mínimo Mínimo Mínimo Mínimo 410 410 410 410 1229 1229 1229 1229 2048 2048 2048 2048 1229 1229 1229 1229 2048 2048 2048 2048 2867 2867 2867 2867 3686 3686 3686 3686 0.2 0.4 0.6 0.8 1.0 ( ) ( ) ( ) ( ) Ri Ri Ri Ri Ri Ri Ri Ri C C C C C Defuzzificação

Figura 7. Gráficos ilustrando o mecanismo de inferência para as 4 regras ativadas de um exemplo hipotético e o método de defuzzificação através do

cálculo do centro de gravidade.

C

ar

ga

F

ont

es

Figura 6. Estrutura multinível monofásica em cascata assimétrica. IV. _RESULTADOS

O algoritmo de controle fuzzy aplicado a regulação da tensão de saída de conversores elevadores é agora testado através de simulações e também de forma experimental. Os testes experimentais foram realizados em uma plataforma multinível construída em laboratório onde os conversores CC foram utilizados para regular os links CC do conversor multinível.

A. Resultados de Simulações

Nas simulações foi incorporado um sistema de retenção de amostra de ordem zero (zero-order hold) na mesma freqüência de chaveamento do PWM, 9600 Hz, equivalendo à freqüência de amostragem do conversor A/D de uma plataforma DSP. Os parâmetros dos circuitos dos conversores estão listados na Tab. 2. Os valores das capacitâncias e indutâncias utilizadas nas simulações são os mesmos valores dos elementos reais que foram utilizados para montagem do protótipo experimental. O controlador possui uma única entrada que é o erro de tensão e uma única saída que é a razão cíclica. Esta última é a entrada de um modulador PWM que utiliza uma função triangular como portadora a fim de produzir o sinal de chaveamento do conversor em questão. Neste caso um único controlador fuzzy é utilizado para todos os conversores.

O desempenho do controlador foi testado através de simulações com mudanças de carga sendo possível então verificar a regulação dos conversores. A tabela de regras do controlador também é a mesma para todos os conversores. Já o fator de ganho η, os fatores de normalização βε do erro ε e os fatores de normalização β∆ε da variação do erro ∆ε foram ajustados para determinar o melhor ponto de operação dos conversores.

A Fig. 8 mostra a tensão de entrada, a tensão de saída, e a corrente no indutor para a regulação do conversor A em uma tensão de referencia na saída de 120 V, tendo na sua entrada uma tensão de 48 V. Após entrar em regime, a carga conectada nos terminais de saída varia de 600 W para 1200 W no instante t = 0.7 s e volta para 600 W em t = 1.4 s. A Fig. 9 mostra a regulação do conversor B com uma referência de 60V para a tensão de saída, tendo em sua entrada 24 V, com a carga variando de 300 W para 600 W em t = 0.7 s e voltando para 300 W em t = 1.4 s.

A Tab. III mostra os valores não normalizados dos parâmetros η (fator de ganho), βε (fator de normalização do erro) e β∆ε (fator de normalização da variação do erro) utilizados no controlador fuzzy.

TABELA III. PARÂMETROS, E DO CONTROLADOR FUZZY.

Boost A Boost B

η 0.003 0.004

βε 96 V 48 V

β∆ε 24 V 12 V

B. Resultados Experimentais

O controlador fuzzy proposto foi elaborado em um sistema discreto utilizando um processador digital de sinal (DSP) da Texas Instruments TMS320F28335. Para a montagem do conjunto conversor boost mais módulo H-bridge mostrado na Fig. 7, foi utilizado um módulo comercial da Semicron. Para isto, para cada conjunto, foram feitas algumas modificações nos módulos originais, conforme a Fig. 10. A capacitância equivalente C1=960µF e o indutor L foram conectados

Figura 8. Conversor boost-A -120 V - submetido a variações de carga.

Figura 9. Conversor boost-B -60 V - submetido a variações de carga.

Vac

Figura 10. Disposição de um conversor boost junto ao módulo de retificação e módulo inversor.

externamente aos módulos. Já a capacitância C2=1360µF, as chaves de potência e a ponte retificadora são localizadas internamente ao módulo. Veja que diferentemente das simulações, não foram utilizadas fontes CC nas entradas e sim retificadores não controlados conectados aos enrolamentos secundários de 3 transformadores com as tensões nos primários reguladas por um variac. A regulação do variac é feita de modo a se obter, nas entradas dos conversores, valores de tensões que se aproximam os utilizados nas simulações

Assim, para cada fase do conversor multinível foram utilizados dois módulos. Todos os conversores foram testados experimentalmente utilizando uma freqüência de chaveamento de 9600 Hz (mesma freqüência de chaveamento do módulo B que compõe o multinível), totalizando 6 conversores, dois para cada fase conversores (três regulando 60V e outros três regulando 120V). Mas, a fim de simplificação, serão apresentados apenas resultados de uma das fases, ou seja, de dois modelos, como nas simulações.

Os parâmetros do circuito utilizados no protótipo experimental são exatamente os mesmos utilizados nas simulações, Tab. II. Entretanto, por se tratar de um sistema real que possui certo amortecimento em seus componentes não considerados em simulações, o fator de ganho η foi ajustado novamente para se obter uma melhor resposta transitória, fazendo η = 0.002 para todos os conversores. Os valores de βε

e β∆ε permaneceram os mesmos das simulações. O desempenho dos conversores foi verificado quando os mesmos já estavam conectados aos links CC dos inversores multiníveis e as cargas foram conectadas no lado CA. Junto aos links CC foram conectadas resistências fixas de 1kΩ/50W. Os resultados a seguir são de dois conversores boost, um regulando 60 V e outro regulando 120 V em seus terminais de saída.

A Fig. 11 mostra a resposta transitória de um conversor boost (Boost A) regulando 120 V em seus terminais de saída conectando-se uma carga de 500 W no lado CA, de acordo com o diagrama da Fig. 7. Já a Fig. 12 mostra a responta do mesmo conversor, porém quando ocorre a retirada desta mesma carga de 500 W. Do mesmo modo que as Figs. 11 e 12, a Fig. 13 e a Fig. 14 mostram a tensão de saída e a corrente no indutor dos conversores de 60 V (Boost B). A primeira diz respeito à conexão de uma carga de 500 W no lado CA e a segundo mostra a regulação do conversor quando esta carga é desconectada.

Na etapa experimental, as formas de onda das tensões de entrada dos conversores CC-CC não foram coletadas já que estas dependiam da regulação de um variac na entrada podendo ser alteradas em situações diversas. No entanto, foi obtida a tensão CA fase-neutro medida nos terminais de saída do conversor multinível (representada por US(t) na Fig. 7) e a corrente na carga de 500 W.

V

I

Figura 11. Resultado experimental do conversor boost 120 V para conexão de carga (500W): tensão de saída (50 V/div) e corrente no indutor (10 A/div);

Figura 12. Resultado experimental do conversor boost 120 V para retirada de carga (500W): tensão de saída (50 V/div) e corrente no indutor (10 A/div);

horizontal: 200 ms/div.

I

V

Figura 13. Resultado experimental do conversor boost 60 V para retirada de carga (500W): tensão de saída (50 V/div) e corrente no indutor (10 A/div);

horizontal: 100 ms/div.

Figura 14. Resultado experimental do conversor boost 60 V para retirada de carga (500W): tensão de saída (50 V/div) e corrente no indutor (10 A/div);

horizontal: 200 ms/div.

Figura 15. Resultado experimental do inversor multinível em inserção de carga: tensão de fase US (200 V/div) e corrente na carga Icarga (10 A/div).

Horizontal: 100 ms/div.

U

I

Figura 16. Resultado experimental do inversor multinível em retirada de carga: tensão de fase US (200 V/div) e corrente na carga Icarga (10 A/div).

Horizontal: 200 ms/div.

A Fig. 15 mostra a tensão de saída do conversor multinível e a corrente na carga quando há a inserção de uma carga de 500 W e a Fig. 16 mostra a tensão de saída e a corrente na carga quando há a retirada da carga. Assim, pode-se perceber que os conversores regulados através de um controlador fuzzy apresentaram uma boa regulação e que as respostas transitórias foram mais amortecidas do que as respostas obtidas através das simulações.

V. CONCLUSÃO

O presente trabalho apresentou uma metodologia de projeto e aplicação de um controlador fuzzy discreto a ser embarcado em um DSP ou microcontrolador. Os métodos adotados neste trabalho servem como base para qualquer outra aplicação de um sistema fuzzy, principalmente quando não é possível modelar ou se obter matematicamente uma função de transferência que represente a planta em questão. Além disso, o procedimento utilizado para a representação e das funções

de pertinência e para o método de defuzzificação é atrativo em aplicações de controle em tempo real por não requerer muito espaço em memória de um processador e um por possuir um baixo custo computacional no processo de defuzzificação por utilizar valores singletons tabelados.

Neste contexto, para a validação do método proposto, foram realizadas simulações computacionais de regulação da tensão de conversores boost com conexões e retiradas de carga. Depois disso, controlador fuzzy foi então aplicado experimentalmente para a regulação de tensão de saída de um conversor CC-CC elevador de tensão utilizado como interface entre uma fonte CC e o link CC de um conversor multinível. Os resultados obtidos mostram que o controlador foi capaz de regular as tensões de saída dos conversores em situações com transitórios de carga.

REFERENCES

[1] B. K. Bose, "Expert system, fuzzy logic, and neural network applications in power electronics and motion control," Proceedings of

the IEEE, vol. 82, pp. 1303-1323, 1994.

[2] G. C. D. Sousa and B. K. Bose, "A fuzzy set theory based control of a phase-controlled converter DC machine drive," IEEE Transactions on

Industry Applications, vol. 30, pp. 34-44, 1994.

[3] L. A. Zadeh, "Outline of a New Approach to the Analysis of Complex Systems and Decision Processes," IEEE Transactions on Systems, Man

and Cybernetics, vol. SMC-3, pp. 28-44, 1973.

[4] F. A. Farret, and M. G. Simões, Integration of Alternative Sources of

Energy: Wiley Inter-Science, 2006.

[5] T. Esram and P. L. Chapman, "Comparison of Photovoltaic Array Maximum Power Point Tracking Techniques," IEEE Transactions on

Energy Conversion, vol. 22, pp. 439-449, 2007.

[6] I. A. N. Shaw and M. G. Simoes. Controle e modelagem fuzzy, Edgard Blucher, 1999.

[7] M.G. Simoes and N. N. Franceschetti, "Fuzzy optimisation based control of a solar array system, "Electric Power Applications, IEE

Proceedings -, vol.146, no.5, pp.552-558, Sep 1999.

[8] B.M. Mohan and A. Sinha, "A simplest fuzzy PID controller: analytical structure and stability analysis,"India Annual Conference, 2004.

Proceedings of the IEEE INDICON 2004. First, vol., no., pp. 288- 293,

20-22, Dec. 2004.

[9] L. Guo, J.Y. Hung and R.M. Nelms, "Comparative evaluation of linear PID and fuzzy control for a boost converter," Industrial Electronics

Society, 2005. IECON 2005. 31st Annual Conference of IEEE, vol., no.,

pp. 6 pp., 6-10 Nov. 2005.

[10] A. Rubaai and M.F. Chouikha, "Design and analysis of fuzzy controllers for DC-DC converters," First International Symposium on

Control, Communications and Signal Processing, 2004., vol., no., pp. 479- 482, 2004.

[11] N.F.N. Ismail, I. Musirin, R. Baharom and D. Johari, "Fuzzy logic controller on DC/DC boost converter," 2010 IEEE International

Conference on Power and Energy (PECon), vol., no., pp.661-666, Nov. 29 2010-Dec. 1 2010.

[12] S. Wing-Chi, C. K. Tse, and L. Yim-Shu, "Development of a fuzzy logic controller for DC/DC converters: design, computer simulation, and experimental evaluation," IEEE Transactions on Power

Electronics, vol. 11, pp. 24-32, 1996.

[13] M. Suetake, I. N. da Silva, and A. Goedtel, "Embedded DSP-Based Compact Fuzzy System and Its Application for Induction-Motor V/f Speed Control," IEEE Transactions on Industrial Electronics, vol. 58, pp. 750-760, 2011.