Utilize este identificador para referenciar este registo: http://hdl.handle.net/10773/18041
Título: Type-2 fuzzy logic: uncertain systems' modeling and control
Outros títulos: Modelação e controlo de sistemas com incertezas baseados em lógica difusa de tipo-2
Autor: Antão, Rómulo José Magalhães Martins
Orientador: Martins, Rui Manuel Escadas Ramos
Mota, Alexandre Manuel Moutela Nunes da
Palavras-chave: Engenharia electrotécnica
Controlo automático
Lógica fuzzy
Inteligência artificial
Data de Defesa: 2016
Editora: Universidade de Aveiro
Resumo: A última fronteira da Inteligência Artificial será o desenvolvimento de um sistema computacional autónomo capaz de "rivalizar" com a capacidade de aprendizagem e de entendimento humana. Ainda que tal objetivo não tenha sido até hoje atingido, da sua demanda resultam importantes contribuições para o estado-da-arte tecnológico atual. A Lógica Difusa é uma delas que, influenciada pelos princípios fundamentais da lógica proposicional do raciocínio humano, está na base de alguns dos sistemas computacionais "inteligentes" mais usados da atualidade. A teoria da Lógica Difusa é uma ferramenta fundamental na suplantação de algumas das limitações inerentes à representação de informação incerta em sistemas computacionais. No entanto esta apresenta ainda algumas lacunas, pelo que diversos melhoramentos à teoria original têm sido introduzidos ao longo dos anos, sendo a Lógica Difusa de Tipo-2 uma das mais recentes propostas. Os novos graus de liberdade introduzidos por esta teoria têm-se demonstrado vantajosos, particularmente em aplicações de modelação de sistemas não-lineares complexos. Uma das principais vantagens prende-se com o aumento da robustez dos modelos assim desenvolvidos comparativamente àqueles baseados nos princípios da Lógica Difusa de Tipo-1 sem implicar necessariamente um aumento da sua dimensão. Tal propriedade é particularmente vantajosa considerando que muitas vezes estes modelos são utilizados como suporte ao desenvolvimento de sistemas de controlo que deverão ser capazes de assegurar o comportamento ótimo de um processo em condições de operação variáveis. No entanto, o estado-da-arte da teoria de controlo de sistemas baseada em modelos não tem integrado todos os melhoramentos proporcionados pelo desenvolvimento de modelos baseados nos princípios da Lógica Difusa de Tipo-2. Por essa razão, a presente tese propõe-se a abordar este tópico desenvolvendo uma metodologia de síntese de Controladores Preditivos baseados em modelos Takagi-Sugeno seguindo os princípios da Lógica Difusa de Tipo-2. De modo a cumprir este objetivo, quatro linhas de investigação serão debatidas neste trabalho.Primeiramente proceder-se-á ao desenvolvimento de uma metodologia de treino de Modelos Difusos de Tipo-2 simplificada, focada em dois paradigmas: manter a clareza dos intervalos de incerteza introduzidos sobre um Modelo Difuso de Tipo-1; assegurar a validade dos diversos modelos localmente lineares que constituem a estrutura Takagi- Sugeno, de modo a torná-los adequados a métodos de síntese de controladores baseados em modelos. O modelo desenvolvido é tipicamente utilizado para extrapolar o comportamento do sistema numa janela temporal futura. No entanto, quando usados em aproximações de sistemas não lineares, os modelos do tipo Takagi-Sugeno estabelecem um compromisso entre exatidão e complexidade computacional. Assim, é proposta a utilização dos princípios da Lógica Difusa de Tipo-2 para reduzir a influência dos erros de modelação nas estimações obtidas através do ajuste dos intervalos de incerteza dos parâmetros do modelo. Com base na estrutura Takagi-Sugeno, um método de linearização local de modelos não-lineares será utilizado em cada ponto de funcionamento do sistema de modo a obter os parâmetros necessários para a síntese de um controlador otimizado numa janela temporal futura de acordo com os princípios da teoria de Controlo Preditivo Generalizado - um dos algoritmos de Controlo Preditivo mais utilizado na indústria. A qualidade da resposta do sistema em malha fechada e a sua robustez a perturbações serão então comparadas com implementações do mesmo algoritmo baseadas em métodos de modelação mais simples. Para concluir, o controlador proposto será implementado num System-on-Chip baseado no core ARM Cortex-M4. Com o propósito de facilitar a realização de testes de implementação de algoritmos de controlo em sistemas embutidos, será apresentada também uma plataforma baseada numa arquitetura Processor-In-the-Loop, que permitirá avaliar a execução do algoritmo proposto em sistemas computacionais com recursos limitados, aferindo a existência de possíveis limitações antes da sua aplicação em cenários reais. A validade do novo método proposto é avaliada em dois cenários de simulação comummente utilizados em testes de sistemas de controlo não-lineares: no Controlo da Temperatura de uma Cuba de Fermentação e no Controlo do Nível de Líquidos num Sistema de Tanques Acoplados. É demonstrado que o algoritmo de controlo desenvolvido permite uma melhoria da performance dos processos supramencionados, particularmente em casos de mudança rápida dos regimes de funcionamento e na presença de perturbações ao processo não medidas.
The development of an autonomous system capable of matching human knowledge and learning capabilities embedded in a compact yet transparent way has been one of the most sought milestones of Artificial Intelligence since the invention of the first mechanical general purpose computers. Such accomplishment is yet to come but, in its pursuit, important contributions to the state-of-the-art of current technology have been made. Fuzzy Logic is one of such, supporting some of the most used frameworks for embedding human-like knowledge in computational systems. The theory of Fuzzy Logic overcame some of the difficulties that the inherent uncertainty in information representations poses to the development of computational systems. However, it does present some limitations so, aiming to further extend its capabilities, several improvements over its original formalization have been proposed over the years such as Type-2 Fuzzy Logic - one of its most recent advances. The additional degrees of freedom of Type-2 Fuzzy Logic are showing greater potential to supplant its original counterpart, especially in complex non-linear modeling tasks. One of its main outcomes is its capability of improving the developed model’s robustness without necessarily increasing its dimensionality comparatively to a Type-1 Fuzzy Model counterpart. Such feature is particularly advantageous if one considers these model as a support for developing control systems capable of maintaining a process’s optimal performance over changing operating conditions. However, state-of-the art model-based control theory does not seem to be taking full advantage of the improvements achieved with the development of Type-2 Fuzzy Logic based models. Therefore, this thesis proposes to address this problem by developing a Model Predictive Control system supported by Interval Type-2 Takagi- Sugeno Fuzzy Models. To accomplish this goal, four main research directions are covered in this work.Firstly, a simpler method for training a Type-2 Takagi-Sugeno Fuzzy Model focused on two main paradigms is proposed: maintaining a meaningful interpretation of the uncertainty intervals embedded over an estimated Type-1 Fuzzy Model; ensuring the validity of several locally linear models that constitute the Takagi-Sugeno structure in order to make them suitable for model-based control approaches. Based on the developed model, a multi-step ahead estimation of the process behavior is extrapolated. However, as Takagi-Sugeno Fuzzy Models establish a trade-off between accuracy and computational complexity when used as a non-linear process approximation, it is proposed to apply the principles of Type-2 Fuzzy Logic to reduce the influence of modeling uncertainties on the obtained estimations by adjusting the model parameters’ uncertainty intervals. Supported by the developed Type-2 Takagi-Sugeno Fuzzy Model, a locally linear approximation of each current operation point is used to obtain the optimal control law over a prediction horizon according to the principles of Generalized Predictive Control - one of the most used Model Predictive Control algorithms in Industry. The improvements in terms of closed loop tracking performance and robustness to unmodeled operation conditions are then assessed comparatively to Generalized Predictive Control implementations based on simpler modeling approaches. Ultimately, the proposed control system is implemented in a general purpose System-on-a-Chip based on a ARM Cortex-M4 core. A Processor-In-the-Loop testing framework, developed to support the implementation of control loops in embedded systems, is used to evaluate the algorithm’s turnaround time when executed in such computationally constrained platform, assessing its possible limitations before deployment in real application scenarios. The applicability of the new methods introduced in this thesis is illustrated in two simulated processes commonly used in non-linear control benchmarking: the Temperature Control of a Fermentation Reactor and the Liquid Level Control of a Coupled Tanks System. It is shown that the developed control system achieves an improved closed loop performance of the above mentioned processes, particularly in the cases of quick changes in the operation regime and in presence of unmeasured external disturbances.
Descrição: Doutoramento em Engenharia Eletrotécnica
URI: http://hdl.handle.net/10773/18041
Aparece nas coleções: UA - Teses de doutoramento
DETI - Teses de doutoramento

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Type-2 Fuzzy Logic Uncertain Systems Modeling and Control.pdf3.22 MBAdobe PDFVer/Abrir


FacebookTwitterLinkedIn
Formato BibTex MendeleyEndnote Degois 

Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.