aula1 inteligenciaartificial

BC MIControlador difuso

Inteligência artificial aplicada a automação

Ementa

MATLAB

Bibliografían

Avalaições

Ementa

- Introdução aos fundamentos e aplicações de Inteligência Artificial. Histórico e princípios de Inteligência Artificial. Representação do conhecimento. Sistemas Especialistas. Tópicos em Inteligência Artificial: Lógica Fuzzy, Redes Neurais Artificiais. Identificação de sistemas de controle usando agentes inteligentes. Estudo de casos.

Avalaicões

- Dois provas: 10 pontos (P1 + P2 ) / 2- Um projeto: Desenhos de sistemas neuro-difusos usando o MATLAB.

Segunda feira: teoría.Sábado: simulação com MATLAB.

Curso de Lógica Difusa

- Curso de Lógica difusa- Introdução. Arquitetura. Funções de membresías.- Desenhos de sistemas difusos usando o MATLAB.- Casos de estudos.

Lógica Difusa(Fuzzy Logic)

- É uma forma de modelar a - É uma forma de modelar a incerteza natural da linguagem incerteza natural da linguagem humana aplicada à teoria dos humana aplicada à teoria dos conjuntos. conjuntos.

- Desenvolvido por Lofti Zadeth - Desenvolvido por Lofti Zadeth da Universidade de Berkeley em da Universidade de Berkeley em torno de l960.torno de l960.

Lógica Difusa aplicada al control

Estructura de un sistema difusoEstructura de un sistema difuso

GE

GR

fuzificaçao

Base de conhecimentos

Motor de inferência

GU

Processo

Defuzificaçaor

y

ur – sinal de referençaoy – sinal controladou – sinal manipulada

Vantagens oferecidas pela técnica de lógica fuzzy

- - Ultrapassa as dificuldades Ultrapassa as dificuldades matemáticas na modelagem de matemáticas na modelagem de sistemas com um alto grau de não-sistemas com um alto grau de não-linearidade. Reúne-se mais linearidade. Reúne-se mais firmemente as leituras imprecisas do firmemente as leituras imprecisas do controle nos parâmetros de controle nos parâmetros de retroalimentracion, tais como a retroalimentracion, tais como a corrente e a tensão de corrente corrente e a tensão de corrente contínua. Matemática e lógica fuzzy contínua. Matemática e lógica fuzzy software são simples de desenvolver software são simples de desenvolver e flexível para cada modificação.e flexível para cada modificação.

Como são utilizados os critérios estatísticos na realização de sua

pesquisa experimental?

Um sistema de lógica fuzzy é Um sistema de lógica fuzzy é composto por três blocos principais: composto por três blocos principais: mecanismo fuzificacion e inferência mecanismo fuzificacion e inferência de Defuzificacion máquina de de Defuzificacion máquina de inferência.inferência.

Estágio Fuzificaçao É a transformação das variáveis dadas pelos

sensores das variáveis de processo de linguagem do tipo que compõem as partições definidas no universo em discussão. Valores dos pertences de conjuntos difusos para os valores medidos são obtidos.

Máquina de inferência

É o conjunto de procedimentos para tomar medidas de controle pelo uso de regras lingüísticas e implicações.

Base de conhecimento Composta de banco de dados e com base

nas regras. Banco de dados caracteriza-se as regras de controle difuso; a base de regras permitem a tomada de ações de controle. As regras de controle de operam com a seguinte estrutura: se < condição > Então < ação >

Defusificaçao

É a transformação das ações de controle do tipo linguístico a quantitativamente ou determinista, que permitem um bom funcionamento dos atuadores de sistema de controle, que fazem parte do mundo real e não o universo difuso em discussão.

Identificação do modelo difuso

1.Descrição do sistema o processo

2. Processo de aprendizagem.

3. Identificação da estrutura. (I/O)

EXEMPLO: PROCEDIMENTO DIFUSO PARA UMA MÁQUINA DE LAVAR ROUPA

Sujeira

Tipo de roupa

Tempo de lavagem

Objetivo: Selecione a roupa por tipo e grau de sujidade.

Funções dos pertences

Sujeira

Tipo de roupa

Tempo de lavagem

Sujeira (triângulo de tipo): tipo de M G pequeno, médio e grande P de vestuário (triângulo de tipo): pequeno P, M meia, gordos ga. Tempo de lavagem (triângulo de tipo): C, M média curta, longa L

Rulebases

Sujeira

Tipo de roupa

Tempo de lavagem

As regras do controlador difuso para o controle do tempo de lavagem de vestuário definem intuitivamente se (se) a sujeira é elevada e o tipo de roupa e é oleosa então então o tempo de lavagem é longo.

Rulebases

Sujeira

Tipo de roupa

Tempo de lavagem

O grau de solo é determinado pela transparência da água. O tipo de roupa é determinado a partir do momento da saturação. Neste caso, o tempo de saturação é definido como o tempo em que a transparência da água tende a zero. Por exemplo, o gordurosas roupas demorar mais para chegar a tempo de saturação, desde que a gordura é menos solúvel.

Estruturas do algoritmo difusa

Estrutura, funções de controlador fuzzy pertences são obtidas a partir

Diagrama do controlador difuso

Resposta do sistema

Identificação do modelo difuso- Regulação da aprendizagem através

da aplicação de carga tipo ventilador com água líquida. Cabe a aprendizagem com um tipo de carga com densidades variáveis de polpas fã de fluido. Mudança de coordenadas usando as variáveis do plano de fundo. Identificação da estrutura, dividindo o espaço de entrada.

Identificação do modelo difuso- 1º passo: discretização do espaço

de entrada. 2º passo: atribuindo um valor de densidade para cada candidato, sector ou cluster. Passo 3: calcular o melhor sector. Etapa final: associando uma janela para cada sector.

Configurações de regra Fuzzy

Modelo Mamdani

Rulebases

Funções dos pertences

Inteligência artificial aplicada no controle inteligente da energia

BC MIControlador difuso

Controle Inversor

Bomba Motor

Sistema de transporte de Hidromezcla

qiqi

m(t)m(t)

h(t)h(t)

qo qo

O software de algoritmo difusa

Regras

Funções dos pertences

Configurações difusas

Superfícies curvas

Erro obtido no modelo de aprendizagem e o inferido

Instalação experimental em Moa ISMM.

PLC

S5 95- U

V.V.F

Principais linhas de pesquisa Modelagem de acionamento elétricos na Modelagem de acionamento elétricos na

indústria. Avaliação da eficiência em indústria. Avaliação da eficiência em unidades com variadores de velocidade. unidades com variadores de velocidade. Introdução de controle inteligente no Introdução de controle inteligente no diagnóstico de unidades. diagnóstico de unidades.

Identificação padrões utilizando Identificação padrões utilizando processamento digital de imagens.processamento digital de imagens.

Principais projetos Introdução de supervisor inteligente no Introdução de supervisor inteligente no

diagnóstico de unidades de agentes da diagnóstico de unidades de agentes da companhia neuro-fuzzy.companhia neuro-fuzzy.

Desenvolvimento de um mapa virtual de Desenvolvimento de um mapa virtual de manutenção de motores elétricos com manutenção de motores elétricos com base em padrões cognitivos neuro-fuzzy base em padrões cognitivos neuro-fuzzy para o diagnóstico de acionamentos com para o diagnóstico de acionamentos com variadores de velocidade. variadores de velocidade.

Utilização de sistemas de informação Utilização de sistemas de informação geográfica GIS para o prognóstico do geográfica GIS para o prognóstico do consumo de energía da cidade. consumo de energía da cidade.

Controle inteligente de energia Identificación experimental.Identificación experimental. Simulación de algoritmos basado en Simulación de algoritmos basado en

Inteligencia Artificial.Inteligencia Artificial. Validación de los esquemas de control Validación de los esquemas de control

usando Automatas Programables y usando Automatas Programables y variadores de velocidad.variadores de velocidad.

ProductoProducto: Software de aplicación: Software de aplicación

Conclução

- O curso de Inteligencia Artificial tem os cursos de Lógica difusa ou fuzzy e curso de Redes Neurais.- A Lógica Difusa ou nebulosa é uma forma de representação e modelação dos sistemas para superar as incertezas matemáticas.-A lógica difusa acredita com certeza no mundo real.

Bibliografía

- BABUSKA, R., "Fuzzy Modelling for Control", KAP, 1998. - ROJAS PURON, L. D. Apostila de Sistemas Inteligentes. UEA. 2014.

- OLIVEIRA JUNIOR, H.A. Lógica Difusa: Aspectos Práticos e Aplicações. Interciência, 1999.- SIMÕES, M.G.; SHAW, I.S. Controle e Modelagem Fuzzy. Edgard Blücher, 2007.- WEBER, L.; KLEIN, P.A.T. Aplicação da Lógica Fuzzyem Software e Hardware. ULBRA, 2003.- ZIMMERMANN, Hans J. Fuzzy Set Theory and ItsApplications Kluwer Nijhoff Publishing,1988.

.

Tarefa

-Projetar um sistema inteligente que pode selecionar corretamente a quantidade de detergente para lavar a roupa na máquina de lavar..