Controlador de pontes rolantes. Sistemas de Inferência Fuzzy - Exemplos. Soluções anteriores (clássicas): Manual. Automáticas:

Transcrição

1 Controlador de pontes rolantes Pontes rolantes: usadas para carregar e descarregar navios em portos Sistemas de Inferência Fuzzy - Exemplos pegam containers com cabos flexíveis montados na cabeça da ponte a cabeça da ponte rolante move em uma barra horizontal quando a cabeça começa mover, o container começa a balançar balançar não é problema durante o transporte mas um container não pode ser solto enquanto balança. Problema: descarregar o container com segurança (sem soltá-lo enquanto está balançando) no menor tempo possível Soluções possíveis (simples): posicionar a cabeça da ponte rolante exatamente sobre a posição de descarga e esperar até que o container pare de balançar mover o container lentamente tal que nunca balance tomam muito tempo... Soluções anteriores (clássicas): Manual operador humano controla a velocidade do motor da ponte rolante (deve compensar a oscilação ao mesmo tempo que tenta atingir o objetivo a tempo) Automáticas: controlador linear PID controlador baseado em modelos

2 Estratégia de controle lingüística: (extraída das ações do operador humano): 1) Comece com potência média; 2) Se você já começou a mover e está longe do alvo, ajuste a potência do motor tal que o container fique um pouco atrás da cabeça da ponte rolante; 3) Se você está perto do alvo, reduza a velocidade tal que o container fique um pouco a frente da cabeça da ponte rolante; 4) Quando o container estiver bem perto da posição alvo, aumente a potência do motor; 5) Quando o container estiver sobre o alvo e o balanço for zero, pare o motor. Implementação da estratégia linguística Variáveis de entrada (medidas por sensores): distância (entre a cabeça da ponte rolante e o alvo) ângulo (inclinação do cabo quando o container balança) Variável de saída: potência do motor Regras 1) SE distância = longe E ângulo = zero ENTÃO potência = positivo_médio 2) SE distância = longe E ângulo = negativo_pequeno ENTÃO potência = 3) SE distância = médio E ângulo = negativo_pequeno ENTÃO potência = 4) SE distância = médio E ângulo = negativo_grande ENTÃO potência = positivo_médio 5) SE distância = perto E ângulo = positivo_pequeno ENTÃO potência = negativo_médio Regras (continuação) 6) SE distância = perto E ângulo = zero ENTÃO potência = negativo_médio 7) SE distância = perto E ângulo = negativo_pequeno ENTÃO potência = positivo_médio 8) SE distância = zero E ângulo = positivo_pequeno ENTÃO potência = negativo_médio 9) SE distância = zero E ângulo = zero ENTÃO potência = zero

3 Variáveis e termos linguísticos Distância longe, média, perto, zero, muito_longe Ângulo Funções de pertinência - Distância muito_longe zero perto médio longe positivo_grande, positivo_pequeno, zero, negativo_pequeno, negativo_grande Potência positivo_grande, positivo_médio, zero, negativo_médio, negativo_grande Distância Funções de pertinência - Ângulo negativo_grande zero negativo_pequeno positivo_grande positivo_pequeno Funções de Pertinência - potência negativo_alto negativo_médio zero positivo_médio Ângulo Potência do motor (kw)

4 Exemplo Distância = 12 muito_longe zero perto médio longe Ângulo = +4 negativo_grande zero positivo_grande negativo_pequeno positivo_pequeno médio(12) = 0.9 longe(12) = zero(-4) = 0.2 negativo_pequeno(-4) = 0.8 Regras habilitadas ao disparo 1) SE distância = longe E ângulo = zero ENTÃO potência = positivo_médio 2) SE distância = longe E ângulo = negativo_pequeno ENTÃO potência = 3) SE distância = médio E ângulo = negativo_pequeno ENTÃO potência = longe longe médio Inferência 0.2 zero -4 0 negativo_pequeno negativo_pequeno m i n m i n positivo_médio 0.8 m 0.8 i n positivo_médio 0.8 resultado Defuzificação: centro de máximos 22,4 valor típico de positivo_médio = 8 valor típico de = 27 CoM =((*8)+(0.8*27))/( )=22,4

5 Exemplo Sistema que avalia Consumo de carros em função dos atributos: Potência Peso Aceleração Regras fuzzy: Controlador fuzzy de tráfego R1: SE Potência é potente E peso é pesado E aceleração é lento, ENTÃO consumo é não econômico. R2: SE Potência é pouco potente E peso é leve E aceleração é rapido, ENTÃO consumo é econômico. R3: SE Potência é pouco potente E peso é pesado E aceleração é medio, ENTÃO consumo é médio. R4: SE Potência é potente E peso é medio E aceleração é lento, ENTÃO consumo é médio. R5: SE Potência é potente E peso é medio E aceleração é médio, ENTÃO consumo é médio. Problema de controle de fluxo de veículos em um cruzamento: comprimento do ciclo: período de tempo requerido por uma seqüência completa de sinais fase verde: estado que dá luz verde (direito de passagem) a uma das direções tempo da fase verde: duração da fase verde Objetivo da estratégia de controle: mudar o tempo de verde ( e consequentemente o comprimento do ciclo) em função do tráfego que chega tal que os veículos dividam o cruzamento mais eficientemente. Características consideradas: layout físico, taxas de fluxo de veículos, conversões, movimentos de pedestres, etc.

6 Caracterização do estado de um cruzamento Controlador de tráfego - componentes Variáveis de entrada: Chegada de veículos na luz verde Tamanho da fila na luz vermelha sensores sensores Módulo Adaptativo Máquina de estados Variável de decisão: tempo de verde Estimador fila chegada Controlador Fuzzy Interface das luzes de tráfego Componentes Controlador fuzzy Sensores: dois conjuntos espaçados por uma distância d em cada faixa Estimador: calcula a velocidade do veículo e estima a taxa de chegada e o tamanho da fila controlador: calcula o tempo de verde de acordo com as condições de tráfego Máquina de estados: controla a seqüência de estados que o controlador de tráfego deve passar módulo adaptativo: muda os parâmetros do controlador para ajustar seu desempenho interface: responsável pelo circuito que liga e desliga as luzes de acordo com as decisões do controlador Decide se deve estender o tempo de luz verde dependendo da quantidade de carros que chegam na direção com luz verde e do tamanho da fila que forma nas outras direções Variáveis de entrada: chegada - taxa de chegada de veículos na luz verde fila - tamanho da fila de carros nas direções com luz vermelha Variável de saída: extensão - extensão do tempo de luz verde até um limite máximo

7 Conjuntos de termos chegada: quase_nenhuma, pouca, muita, demais Funções de pertinência FILA muito_pequena pequena média grande CHEGADA quase_nenhuma pouca muita demais fila: muito_pequena, pequena, média, longa Q(veículos) A(veículos) extensão: muito_curta, curta, média, longa EXTENSÃO muito_curta curta média longa E(segundos) Regras do controlador fuzzy chegada fila quase_nenhuma pouca muita demais muito_pequena muito_curta curta média longa pequena muito_curta muito_curta curta média média muito_curta muito_curta muito_curta curta longa muito_curta muito_curta muito_curta muito_curta R1: Se chegada é quase_nenhuma e fila é muito_pequena então extensão é muito_curta A tabela mostra 16 regras mas apenas 11 são necessárias Sistema adaptativo Adapta o controlador para diferentes condições de tráfego: Ajusta o universo das funções de pertinência da variável de saída modificando o limite superior da variável Monitor baseado em regras: estrutura semelhante a do controlador com variáveis de entrada: fila residual no fim da fase verde universo de discurso D em número de veículos variação da fila durante a fase verde universo de discurso V em número de veículos

8 saída: variação no limite superior da variável de saída universo de discurso U em segundos define quanto expandir ou comprimir as funções de pertinência da variável extensão com limite superior restrito ao intervalo [4, 20] muito_curta curta média longa pequena Funções de pertinência - sistema adaptativo média grande pequena média grande 10 D(veículos) 10 V(veículos) muito_curta 10 E(segundos) curta média longa decrementar manter incrementar 20 E(segundos) U(segundos) Regras do sistema adaptativo Variação da fila pequena média grande pequena diminuir diminuir diminuir Fila residual média aumentar manter diminuir grande aumentar aumentar manter