Controle Fuzzy para Posicionamento de um

Pndulo Invertido
Moiss Duarte Filho
moisesdfilho@yahoo.com.br
UENF
Helga Giovanna Carvalho Fonseca Mendes de Jesus
helgagiovanna@uol.com.br
UENF
Jacqueline Magalhes Rangel Cortes
jmrc@uenf.br
UENF
Adelson Siqueira Carvalho
adelsonsc@gmail.com
IFF
Geraldo Galdino de Paula Junior
galdino@uenf.br
UENF

Resumo:Este trabalho visa apresentar o projeto de um controlador fuzzy para o sistema do pndulo
invertido sobre um carro que reaja a perturbaes de forma rpida. O pndulo invertido se destaca, no
s por suas diversas aplicaes, como controle da atitude de satlites ou a trajetria de foguetes e msseis,
mas por ser um sistema inerentemente instvel, sendo no-linear e multivarivel. Para este trabalho,
props-se o controle da posio angular do pndulo atravs da lgica fuzzy, com a permanncia deste na
posio vertical e com reao rpida e satisfatria a perturbaes externas. Utiliza-se o programa
MATLAB por possuir um desempenho de simulao considerado bom para o sistema de controle e
fornecer meios computacionais de desenvolvimento de controladores fuzzy atravs de uma interface
grfica. Tais controladores podem ter seu desempenho verificado atravs da ferramenta Simulink, que
fornece um ambiente de simulao para sistemas dinmicos. Os resultados obtidos utilizam as
ferramentas citadas anteriormente como suporte. Foi estabelecida a construo de um controlador, e
mostra-se a metodologia de construo e ajustes, o melhoramento do mesmo nos testes realizados, e ao
final do trabalho, os resultados dos desempenhos do mesmo.
Palavras Chave: Pndulo Invertido - Controle Fuzzy - Lgica Fuzzy - Controlador -

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

1. INTRODUO
O exemplo do sistema de controle de um pndulo invertido, o qual ser abordado neste
trabalho, um problema clssico, que pode ser encontrado em Astrom e Furuta (1996),
Romero e Orces (2007) e nos demais autores referenciados, referente ao uso de malhas de
controle com realimentao, especialmente para sistemas instveis. A razo do interesse para
estudos da tecnologia de controle para esse tipo de sistema que ele pode exemplificar as
dificuldades prticas relacionadas com aplicaes de sistemas de controle no mundo real. O
modelo em estudo semelhante aos utilizados para estabilizao de foguetes em vo, no
posicionamento de guindastes especiais, como exemplos. Ele um mecanismo com
caractersticas dinmicas inerentemente instveis e representa uma plataforma til para o
estudo de outras aplicaes tambm.
A proposta deste trabalho utilizar a lgica fuzzy para projetar e implementar um
controlador que equilibre o pndulo na posio vertical sem se importar com o
posicionamento do carro, robusto a perturbaes externas. Como o surgimento da teoria de
conjuntos fuzzy, proposta por Zadeh (1965), permitiu que uma nova abordagem de pesquisa
na rea de controle fosse inserida, com a possibilidade da criao de projetos de controladores
independentes da especificao completa do modelo matemtico da planta, ela veio ser a base
de estudo para este trabalho. Buscou-se utilizar a lgica fuzzy pela sua habilidade de modelar
processos multivariveis e no-lineares, no tendo a necessidade de toda a informao da
planta.
2. MATERIAIS E MTODOS
2.1. APRESENTAO DO EQUIPAMENTO
O atuador deste equipamento um motor de corrente contnua. Esse tipo de motor
utilizado com frequncia em sistemas servomecnicos, visto que possui como caractersticas o
ajuste de velocidade e pode ser controlado com alta preciso e flexibilidade. A tenso mxima
destinada para esse motor de +/- 2,5V.
O tipo de sensor utilizado para fazer a medio da posio do carro e da posio
angular do pndulo o encoder. Esse um transdutor que converte movimento angular ou
linear em pulsos digitais eltricos. No caso do pndulo usado um encoder incremental. A
explicao dos encoders do equipamento pndulo pode ser mais bem encontrada no trabalho
de Castro (2008), pois no a proposta de estudo deste trabalho. As informaes provenientes
dos encoders so enviadas para o computador atravs de um conversor A/D de 11 bits, o que
justifica o uso de ganhos aps as leituras de posio angular do pndulo registradas no
captulo referente aos resultados utilizados neste trabalho. Este conversor possui um perodo
de amostragem de 1ms, e o encoder do pndulo faz a leitura da posio deste em radianos e o
encoder da posio do carro realiza a leitura em metros. No incio de cada teste os sensores
assumem posio inicial igual a zero, independente de onde se encontrem o carro e o pndulo.
2.2. LGICA FUZZY
Nesta parte do trabalho apresentado um breve estudo sobre os fundamentos da lgica
fuzzy, com a explicao da sua finalidade, representao de valores e subconjuntos fuzzy.
2.2.1. O ESPECIALISTA
Segundo Huaman (2003), existem duas fontes principais de informaes consideradas
na engenharia: os sensores que oferecem medidas numricas das variveis de interesse, e os
especialistas que fornecem instrues de ordem lingustica e descries qualitativas do

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

sistema. Nos sistemas inteligentes, os conhecimentos necessrios soluo de determinado
problema so adquiridos e organizados em uma base de conhecimentos atravs de regras e/ou
procedimentos.
2.2.2. REPRESENTAO DE VALORES FUZZY
A teoria de subconjuntos fuzzy nasceu da constatao de que quando a complexidade
de um sistema aumenta, nossa habilidade para concluir fatos e tomar decises que sejam ao
mesmo tempo precisos e significativos, tende a diminuir at um limite a partir do qual
preciso e relevncia passam a ser caractersticas quase excludentes (ZADEH, 1973).
Os modelos baseados na lgica fuzzy so uma simplificao do processo real
(CAMPOS e SAITO, 2004). Entretanto, estes sistemas permitiram mudar o paradigma
clssico da teoria de controle de processos. Ao invs de se obter um modelo para o processo e
a partir da projetar um controlador com desempenho razovel, estes sistemas se propem
modelar diretamente como o ser humano controlaria este processo. O controle fuzzy permite
imitar o operador humano tendo como base uma representao descritiva e experimental do
processo. Assim, ele tenta produzir as aes de controle desejadas dos modelos da operao
do sistema, ao invs de fazer uso dos modelos do prprio processo como em outras tcnicas
clssicas de controle, pois, ultimamente, a teoria clssica de controle, que trata somente de
sistemas com uma entrada e uma sada, tornou-se insuficiente para sistemas com mltiplas
entradas e sadas, segundo Ogata (2003).
2.2.3. SUBCONJUNTOS FUZZY
Este conceito de subconjuntos fuzzy foi introduzido de forma a evitar passagens
bruscas entre duas classes de elementos, e a permitir que os mesmos no pertenam
completamente nem a uma, nem a outra classe, ou melhor, que os elementos possam pertencer
parcialmente a cada uma das classes. Os subconjuntos fuzzy respondem a necessidade da
representao de conhecimentos imprecisos e/ou incompletos, seja porque eles so expressos
numa linguagem natural por um observador humano, o qual no capaz de fornecer maiores
precises, seja porque eles so oriundos da leitura de instrumentos que podem possuir erros de
medio.
2.3. CONTROLE FUZZY
Nesta seo insere-se o estudo sobre o controle fuzzy, com a apresentao de seu
funcionamento e objetivos, sua estrutura bsica, com as definies para fuzzificao,
defuzzificao, base de conhecimentos e escolha das variveis e termos lingsticos, e
tambm apresentam-se suas caractersticas gerais.
2.3.1. FUNCIONAMENTO E OBJETIVO DO CONTROLE FUZZY
Os critrios para se especificar um controlador baseado na teoria de controle clssica,
conforme Phillips e Harbor (1997), podem envolver as seguintes caractersticas (porm no
esto resumidas a elas): rejeio a distrbios; erros de regime estacionrio; caractersticas da
resposta transitria; sensibilidade s mudanas de parmetros da planta.
O controlador baseado na lgica fuzzy no necessita de um modelo analtico completo
do processo, ele calcula as suas aes em funo de uma base de conhecimento heurstica de
como se deve controlar este processo.O controle fuzzy na realidade uma funo no-linear
entre as variveis de entrada e de sada do controlador, que exprime os conhecimentos que os
especialistas (operadores e/ou engenheiros) possuem da operao do processo. Este controle
permite generalizar e inferir dentro do universo de inferncia ou discurso de cada varivel

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

controlada. Ele contm um conjunto de regras, todas ativadas em paralelo ou
simultaneamente. Assim, trabalha com inferncia associativa paralela, ou seja, quando uma
entrada fornecida, o controlador dispara as regras paralelamente, com diferentes graus de
ativao, para inferir um resultado ou sada (MACHADO, 2007). Os objetivos do controlador
em questo podem ser os seguintes, dentre outros: controlar e operar automaticamente
processos complexos, no-lineares e multivariveis, com desempenho pelo menos equivalente
ao dos operadores; respeitar as especificaes e restries operacionais; ser simples, robusto e
operar em tempo real, obedecendo ao Princpio da Parcimnia 1.
2.3.2. ESTRUTURA DO CONTROLADOR BASEADO NA LGICA FUZZY
Uma arquitetura geral para um controlador baseado na lgica fuzzy mostrada na
figura 1:

Figura 1: Diagrama de blocos da estrutura bsica de um controlador fuzzy (PIRES, 2007).

Os principais elementos de uma arquitetura geral de um controlador fuzzy mostrada na

figura 1 so: a fuzzificao, a base de regras fuzzy (conhecimento), mquina de inferncia
fuzzy (sistema Deciso) e a defuzzificao.
2.3.3. FUZZIFICAO DO CONTROLADOR FUZZY
Segundo Serra (2001), a interface de fuzzificao desempenha as seguintes funes:
mudana de escala, ou seja, uma normalizao da entrada, que mapeia os valores fsicos das
variveis de estado do sistema controlado (varivel de entrada) em um universo de discurso
normalizado (domnio normalizado); converso do valor da varivel de entrada em um
conjunto fuzzy, de modo a torn-lo compatvel com a representao por conjunto fuzzy da
varivel de estado do sistema na regra antecedente. Assim, a interface de fuzzificao
funciona da seguinte forma: A=F(x0), onde x0 um valor preciso em um universo U, A um
conjunto fuzzy definido no mesmo universo U e F um operador fuzzificador.

Princpio proposto por Ockam, filsofo ingls do sculo XVII, que enuncia que se existe mais de uma
explicao para uma dada observao, devemos adotar aquela mais simples. Extrado de: http://adi38.bio.ib.usp.br/sbg2k/prinpar.html. Acessado em 24/02/13.

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

2.3.4. ESCOLHA DAS VARIVEIS E TERMOS LINGUSTICOS
De acordo com Machado (2007), um conceito fundamental ao se trabalhar com
conjuntos fuzzy o de varivel lingustica. Entende-se por varivel um identificador que pode
assumir um, dentre vrios valores e, deste modo, uma varivel pode assumir um valor
lingustico dentre vrios outros em um conjunto de termos lingusticos.
Aps a definio das variveis controladas e manipuladas do sistema para a elaborao
de um controle fuzzy, deve-se definir para cada varivel o seu universo de discurso e o nmero
de valores lingusticos necessrios. Cada varivel lingustica recebe um nome e atributos que
a definem como sendo de entrada ou de sada. Tambm definido o range de valores
possveis para cada varivel, sendo o padro inicial definido com +/- 1 (valores
normalizados).
Cada valor lingustico deve ser definido pela sua funo de pertinncia. Isto de
grande importncia, pois um nmero muito grande desses valores sobrecarrega o sistema,
porque implicaria um nmero maior de regras a serem definidas e executadas. Por outro lado,
um nmero grande deste tipo de valor possibilita uma resposta e um ajuste mais fino do
controle. Esta seleo deve ser bem feita e estruturada pelo especialista, visando ao melhor
controle com simplicidade de elaborao.
2.3.5. BASE DE CONHECIMENTO
A base de conhecimento onde se encontra as informaes a respeito dos universos de
discurso, dos valores lingusticos e das funes de pertinncia de todas as variveis
envolvidas no sistema. Contm tambm o conjunto de regras, que associam as variveis
lingusticas de entrada com as de sada. Pode-se afirmar que esta base de um controlador fuzzy
o crebro do sistema, onde est localizada a inteligncia do mesmo (CAMPOS e SAITO,
2004).
Uma regra de controle fuzzy uma declarao condicional da forma IF (conjunto de
condies satisfeitas) e THEN (conjunto de consequncias que podem ser inferidas). O
antecedente uma condio em seu domnio de aplicao, o consequente uma ao de
controle a ser aplicada no sistema controlado e tanto o antecedente como o consequente so
inter-relacionados com conceitos fuzzy, ou seja, termos lingusticos.
Assim, a base de conhecimento composta por dois componentes: Base de dados
(conhecimento) e Base de regras (sistema Deciso). A base de dados contm as definies
das funes de pertinncia dos conjuntos fuzzy, especificando o significado das variveis
lingsticas. A base de regras constituda pela compilao de regras fuzzy que representa o
conhecimento do especialista.
O estilo de regras condicionais fuzzy geralmente chamado regra do tipo Mandani,
pois Mandani (1976) foi o primeiro quem o usou em uma regra fuzzy para controlar uma
planta de usina a vapor (BURNS, 2001).
As regras de controle fuzzy so declarativas e no sequenciais, ou seja, a ordem em
que se expressam no importante. Como medida preventiva para a manuteno do
controlador, recomenda-se agrupar as regras de acordo com as variveis de suas premissas,
como exemplo dado a seguir:
1. If (erro_posicao_pendulo is Z) and (variacao_erro_pendulo is Z) then (TENSAO is Z)
2. If (erro_posicao_pendulo is PN) and (variacao_erro_pendulo is Z) then (TENSAO is PN)

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

3. If (erro_posicao_pendulo is MN) and (variacao_erro_pendulo is Z) then (TENSAO is MN).
(Onde Z zero, PN pouco negativo e MN muito negativo).
2.3.6. DEFUZZIFICAO DO CONTROLADOR FUZZY
A defuzzificao o procedimento para mapear de um conjunto de inferncia fuzzy,
que possui variveis lingusticas, para um conjunto de valores reais, que ser o sinal de sada
de controle.
O sistema de inferncia produz uma quantidade de conjuntos fuzzy de sada igual ao
nmero de regras contidas na base de conhecimento. Esta interface transforma a ao de
controle lingustica, baseada nos conjuntos fuzzy obtidos, em uma sada numrica. Dentre os
mtodos de defuzzificao abordados na literatura, tem-se: Centro de rea ou Centro de
gravidade, Centro de somas, Centro de rea mxima, Meio do mximo, Bisector, entre outros.
O mtodo de defuzzificao utilizado neste trabalho foi o Bisector, ou Mediatriz, que
foi escolhido por tentativa-e-erro. Este mtodo a linha vertical que divide a regio em duas
sub-regies de rea igual. , s vezes, coincidente com a linha centride, mas nem sempre.
2.3.7. CARACTERSTICAS GERAIS DE UM CONTROLADOR FUZZY
Um controlador fuzzy geralmente robusto em relao s variaes nos parmetros do
processo, em funo do processo de codificao. Uma outra caracterstica que no h
necessidade de escrever uma regra para cada situao possvel ou todas as regras possveis
para uma dada aplicao, uma vez que as sadas podem ser avaliadas em funo das regras
mais prximas. Isto decorre do fato da varivel lingustica ser definida por uma funo de
pertinncia que cobre uma faixa de valores das variveis de entrada. Portanto, uma regra que
faa uso desta varivel lingustica voltada para toda uma faixa de valores. Isso permite ao
controlador certo poder de generalizao e a diminuio do nmero de regras necessrias para
cobrir todo o universo das entradas.
Obviamente, para problemas simples, a soluo tima do ponto de vista econmico
continuar sendo o uso de controladores do tipo PID (Proporcional-Integral-Derivativo). De
fato, o controlador PID clssico um algoritmo simples e comprovadamente robusto. Estimase que mais de 85% das malhas de controle de uma planta de processo industrial, como as da
rea petroqumica, utilizam este controlador, pois possui somente trs parmetros a serem
ajustados (CAMPOS e SAITO, 2004) e o controlador fuzzy possui maior complexidade e
nmero maior de parmetros a serem ajustados. Entretanto, para problemas mais complexos,
o controlador fuzzy pode vir a ser uma soluo mais adequada, pois permitir a operao do
sistema em uma regio maior de funcionamento, ou mais prxima dos limites de operao do
processo.
2.4. REVISO DA LITERATURA
Nesta seo, ser mostrado, de forma breve, de que modo est a pesquisa no meio
acadmico com a utilizao de controles avanados para o pndulo invertido. O trabalho no
visou esgotar o assunto, mas criar uma boa base de pesquisa para este e para os futuros.
Como j mencionado, o pndulo invertido um sistema intrinsecamente instvel e
complexo para se analisar por meio de seu modelo matemtico completo, por isso vrios
pesquisadores abordam este sistema atravs de diversas formas de controle. Dentre algumas
aplicaes que utilizam os conceitos relacionados ao estudo do pndulo, uma relativamente
recente o controle da oscilao de arranha-cus, encontrado em Ribeiro (2007). As
construes de grandes alturas tendem a apresentar o inconveniente de se tornarem

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

vulnerveis a aes de ventos, o que causa oscilaes desagradveis; e, em alguns locais,
tornam-se at mesmo perigosas. Uma soluo implementada foi instalar grandes contrapesos
mveis no topo destes edifcios de forma que, com o auxlio de acionamentos hidrulicos, eles
possam se mover de um lado para o outro, o que compensa a ao da fora do vento e reduz,
deste modo, a amplitude do movimento da estrutura.
De acordo com Silva (2009), modelos biomecnicos do modo de caminhar dos seres
humanos tm aplicaes em muitas reas como esportes, fabricao de calados, robtica, etc.
A posio ereta estvel de um homem ao caminhar se aproxima muito de um pndulo
invertido pivotado em suas articulaes. O resultado desta modelagem conhecido como
Pndulo Invertido Humano (HIP - Human Inverted Pendulum). Outros autores que abordaram
esta aplicao, por exemplo, so Mochizuki e Amadio (2003).
Dentro da rea de lgica fuzzy aplicada ao pndulo invertido, encontram-se vrios
trabalhos publicados. Miranda et al. (2003) tiveram como objetivo estudar as noes bsicas
sobre os conjuntos fuzzy e compar-las com os conjuntos clssicos e tambm representar o
conhecimento de um especialista num determinado domnio e a arquitetura de um sistema de
controle difuso com a inferncia de Mamdani, e com isso complementar a codificao de um
sistema de controle fuzzy, usando linguagem C, aplicado ao controle do equilbrio de um
pndulo invertido simplificado.
Ribeiro (2007) construiu um sistema de controle de um pndulo invertido com o uso
de componentes simples, para obter uma aplicao prtica onde se testaram e foram
comparadas diversas estratgias de controle alternativas. J Romero e Orces (2007)
implementaram um controlador PID (Proporcional-Integral-Derivativo) para o pndulo
invertido.
Campos (2008) props um levantamento das aplicaes de controladores fuzzy na
PETROBRAS. Um controlador multivarivel fuzzy para otimizao da operao de uma
plataforma de produo de petrleo foi implementada na P-19, localizada na Bacia de
Campos-RJ. Este sistema foi implementado acima do supervisrio, lendo dados brutos e
atuando na planta atravs do mesmo. O principal objetivo deste controlador proporcionar
um nvel extra de controle para a planta, evitando que a mesma atinja os pontos de trip do
sistema de segurana; pois, neste caso, a produo ser interrompida, com todas as perdas
associadas. Outra aplicao foi um controlador fuzzy alocando a carga dos fornos da unidade
de Destilao, tendo como objetivo otimizar a planta, respeitando as restries e estabilizar o
processo, considerando as interaes entre as diversas variveis. Outras aplicaes
interessantes so encontradas ainda neste artigo.
Costa et al. (2009) apresentam a implementao didtica de uma metodologia para
controle fuzzy de sistemas no-lineares. Primeiramente, uma planta no-linear, o atrator de
Lorenz representado com o modelo nebuloso Takagi-Sugeno. Em seguida, empregado um
controlador nebuloso usando o conceito de Compensao Paralela Distribuda. Por fim,
implantam-se estes conceitos no SimulinkTM a fim de obter uma melhor visualizao e
compreenso da aplicao de um projeto de controlador nebuloso. A principal idia do
modelo nebuloso T-S dividir um sistema no-linear em sistemas lineares por partes a partir
de regras nebulosas. Para cada regra nebulosa, projetado um controlador nebuloso capaz de
garantir estabilidade ao sistema. Souza (2006) tambm aborda o problema de modelagem e
controle de uma classe de sistemas no-lineares utilizando modelos fuzzy Takagi-Sugeno,
como tambm Tavares et al (2006).
Morais et al. (2005) tiveram por finalidade o estudo da construo e comparao de
dois controladores: o PID (Proporcional-Integral-Derivativo) e o fuzzy. O primeiro por sua
funcionalidade, enorme utilizao e simplicidade de implementao. O segundo por

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

proporcionar a possibilidade de superviso inteligente baseada apenas em informaes
qualitativas sobre a operao do sistema. Ambos so aplicados ao sistema do pndulo
invertido. Diferentemente disto, Widjaja (1996) descreve um procedimento de sntese de
controlador fuzzy e utiliza-se de estratgias de controle LQR para modelagem do controle e
aplica isto tambm no sistema pndulo invertido.
Com respeito ao trabalho de Zavala et al (2009), apresenta-se um estudo experimental
de um controlador fuzzy projetado em um microcontrolador PIC. O controlador
implementado como uma alternativa para o problema do controle de um equipamento pndulo
invertido em uma plataforma mvel que pode mover-se somente em duas direes (esquerda e
direita) para mostrar o seu desempenho. Ele apresenta a descrio da estrutura do sistema,
tanto de hardware desenvolvido como o algoritmo de controle. O controlador do sistema pode
funcionar como um sistema mnimo ou, ainda, ser conectado a um computador para analisar
graficamente a evoluo de variveis no tempo, em um ambiente Windows. O trabalho mostra
os resultados obtidos atravs da aplicao deste tipo de controle para o pndulo invertido e a
reao do estado estvel aos choques externos.
Existem ainda muitos outros trabalhos relacionados com o controle fuzzy e o pndulo
invertido, os quais podem servir de base para estudo do caso tratado neste trabalho. Dentre
alguns importantes, podem-se citar Cavalcanti et al. (1999), que falam do posicionamento do
pndulo invertido utilizando algoritmos genticos; Gonalves (2006), o qual utiliza filtros de
Kalman para simulao e controle do pndulo; Li e Xu (2009) que tambm fazem uso de
controle fuzzy, assim como Quadrelli et al. (2003), os quais tratam do controle das plantas
no-lineares. Minhoto et al. (2000) fazem uso de modelos fuzzy e LMI para controle de
sistemas no-lineares tendo com exemplo o pndulo invertido.
2.5. DESENVOLVIMENTO DO CONTROLADOR
Ser apresentado nesta seo, como foi a elaborao do controlador fuzzy para o
pndulo invertido, seus ajustes e peculiaridades encontradas ao longo da execuo do
trabalho.
2.5.1. CRIAO DA PLANTA DO PROCESSO
Com base em trabalhos realizados a literatura, este trabalho optou por utilizar como
base de incio os modelos fornecidos pelo prprio fabricante do equipamento e fazer as
alteraes necessrias com o controle fuzzy neles. Estes j possuam diagramas de blocos no
SimulinkTM para leitura da posio do carro e da posio do pndulo.
Fez-se necessria a incluso de dois blocos de ganho na planta, para codificar as
leituras dos encoders do carro e do pndulo para a leitura do programa, pois necessria a
mudana de range dos conversores A/D (Analgico-Digital) e D/A (Digital-Analgico), que
so de 11 bits, para radianos e metros, para uma melhor leitura dos dados. O ganho inserido
no sinal do carro foi de 0.156/2048, para transformar a medida da posio do carro em metros,
e o ganho inserido no sinal do pndulo foi de -2 /2048, para transformar a medida da
posio do pndulo em radianos. Isto foi verificado nos manuais do fabricante, e aps estudos
feitos e pesquisas realizadas.
Inicialmente, foi proposta a incluso de duas variveis de entrada no controlador fuzzy
para o Pndulo invertido, sendo elas o erro de posio angular do pndulo e o erro de
posio do carro. Obteve-se xito na construo de controladores fuzzy para o pndulo com
o problema do Guindaste, em que ele controlado com a haste voltada para baixo. Porm, o
mesmo xito encontrado para o controlador do Guindaste no pode ser obtido para o
controlador do Pndulo.

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

Foi necessria a insero de novas variveis, que foram a variao do erro de
posio do pndulo (Epp), a qual faz a diferena entre o erro de um dado instante T (ET)
e o erro no instante anterior T-1 (ET-1), ficando Epp = E T ET-1; e a posio do
pndulo, para indicar ao controlador se o pndulo se encontra esquerda do ponto central da
haste horizontal ou direita do mesmo. A incluso desta ser mais abordada na elaborao
das funes de pertinncia. Tambm foi necessria a retirada da leitura de posio do carro, j
que o objetivo do trabalho o controle de posio angular do pndulo invertido e pela
dificuldade encontrada em trabalhar com esta varivel.
O componente set-point, que o que se deseja para a varivel de processo e tem como
objetivo definir o comportamento do ponto de operao a ser aplicado no processo ao longo
de todo o perodo de simulao, ficou estabelecido como 6,28 rad, que representa o pndulo
na posio vertical.
Ento, o modelo do processo do equipamento Pndulo ficou assim demonstrado na
figura 2:

Figura 2: Planta de processo para controle do Pndulo.

Pode-se notar que foi inserido um bloco de atraso no tempo, unit delay, para fazer a
diferena entre os instantes dos erros, a fim de se obter a varivel variao do erro de posio
do pndulo.
2.5.2. ELABORAO DAS FUNES DE PERTINNCIA
O primeiro controlador estabelecido para este trabalho foi feito com o uso de trs
funes de pertinncia para cada varivel, sendo elas Negativo (NEG), Positivo (POS) e Zero
(Z). Elas foram definidas por meio de simulaes e inspees feitas de acordo com o
equipamento, com a organizao eficaz e suave das variveis para o movimento do pndulo.
Dietrich (2008) apud Silva (2009) determina empiricamente que o domnio mximo
para o valor da varivel de entrada erro de posio angular do pndulo de 45, que
equivale a 0.8 rad, como utilizado no controlador fuzzy que Silva (2009) implementou.
Neste trabalho, utiliza-se o range, ou domnio, para esta varivel de 0.7 rad, segundo
inspees atravs de leituras nos grficos obtidos da posio do pndulo no MATLAB TM.
Para a entrada variao do erro de posio angular do pndulo, foi estabelecido
como limites aceitveis o dobro do domnio da varivel anterior, ou seja, 1.5 rad.
Houve a necessidade da insero desta varivel, pois ao se construir o conjunto de
regras para este primeiro controlador, encontrou-se certa dificuldade para se estabelecer a

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

sada do controlador quando o erro de posio angular do pndulo era Zero. Descobriu-se
que era necessrio saber, para este caso especfico, se a haste do pndulo se encontrava
esquerda do set-point estabelecido ou direita, para se inferir as regras de sada. direita do
ponto central da haste horizontal, a tenso atuante positiva e vice-versa, ou seja, o pndulo
decrementa direita da posio vertical, ou set-point, isto , ele diminui o seu valor de
posio em radianos no sentido horrio e aumenta (ou incrementa) no sentido anti-horrio.
importante ressaltar que, ao iniciar uma simulao no equipamento, necessrio que o
pndulo esteja colocado na posio vertical invertida, pois o controlador fuzzy criado controla
o mesmo nesta posio, mas no o conduz at ela, se ele estiver em sua posio normal, que
para baixo.
Assim, baseado no movimento do pndulo invertido e na leitura das posies do carro,
que esquerda do ponto central da haste horizontal, obtm-se tenso negativa, e direita,
obtm-se tenso positiva.
2.5.3. CONTROLADOR DE 11 REGRAS
Este primeiro conjunto de regras obtido teve 11 regras e ficou caracterizado por isso,
pois aps simulaes feitas, passou por alteraes nas funes de pertinncia de suas
variveis.
Notou-se que quando a varivel erro de posio angular do pndulo Zero, h duas
sadas na tabela: uma considerando o pndulo na esquerda, como, por exemplo POSE, e
outra considerando o pndulo na direita, POS D. Para a sada do controlador fuzzy do
pndulo invertido, criou-se a varivel Tenso, com domnio de 2 V, respeitando-se os
limites de tenso do equipamento. Como j dito anteriormente na seo de fundamentao
terica, o mtodo de defuzzificao utilizado para os controladores do pndulo foi o
Mediatriz, aps longos experimentos realizados com o equipamento e descoberta emprica
que este mtodo era o que melhor se encaixava no objetivo proposto.
2.5.4. CONTROLADOR DE 21 REGRAS
Logo aps a elaborao do primeiro controlador de 11 regras, observou-se a
necessidade de se obter um controlador com melhor desempenho. Decidiu-se, ento, inserir
cinco funes de pertinncia em cada varivel do controlador, o que resultou nestas: Muito
Negativo (MN), Pouco Negativo (PN), Zero (Z), Pouco Positivo (PP) e Muito Positivo (MP).
E manteve-se a varivel posio do pndulo com o mesmo formato, conforme explicao
abordada anteriormente sobre sua insero no controlador. Apresenta-se este segundo
conjunto de regras de inferncia obtido:

Epp

Epp
MN
PN
Z
PP
MP

MN
MN
PNE/PPD
MP

PN
PN
PNE/PPD
PP

Z
MN
PN
Z
PP
MP

PP
PN
MNE/MPD
PP

MP
MN
MNE/MPD
MP

Figura 3: Conjunto de regras para o controlador fuzzy. Epp= varivel erro de posio angular do pndulo;
Epp= varivel variao do erro de posio angular do pndulo.

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

Para desenhar uma tabela de inferncia com as bases de regras, utiliza-se uma matriz
que cubra todas as possveis combinaes das entradas, como j visto anteriormente. Esta
tcnica bem conveniente e encontrada em vrios autores, como por exemplo, em Beristain
(2000) e em Sousa e Francisco (2010). Dela, podem derivar-se todas as regras que iro formar
uma base completa. Porm, pode-se verificar que a tabela anterior possui 21 regras, que
caracteriza o nome do controlador, no foi totalmente preenchida. Isto se deu visto que as 21
regras atendem satisfatoriamente o objetivo proposto, que de controlar o pndulo na posio
vertical, e por limitaes da verso do software MATLABTM e da configurao do
computador agregado ao equipamento.
Pode-se notar novamente que quando a varivel erro de posio angular do pndulo
Zero, h duas sadas na tabela para a ao de controle, que leva em considerao a posio
do pndulo em relao ao set-point.
E depois de algumas simulaes feitas com alteraes nos formatos das funes das
variveis de entrada e sada, chegou-se a melhores desempenhos, com as seguintes mudanas
efetuadas:

Figura 4: Funes de pertinncia da varivel de entrada erro de posio angular do pndulo.

Figura 5: Funes de pertinncia da varivel de entrada variao do erro de posio angular do pndulo.

E dentre essas variaes feitas, tambm variaram as funes de pertinncia da varivel

de sada Tenso, onde se obteve, para cada nova formatao mostrada a seguir, um novo
tipo de controlador:

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

Figura 6: Funes de pertinncia para a varivel de sada Tenso do controlador de 21 regras.

A superfcie no-linear de controle para este controlador de 21 regras se portou da

seguinte maneira:

Figura 7: Grfico da superfcie do controlador fuzzy de 21 regras.

Muitos autores fazem uso do estudo da superfcie de controle para escolher os seus
controladores, como pode ser visto em Hussein et al. (2007) e em Wal (1995). O grfico de
superfcie do controlador de 21 regras sofreu mudanas com as variaes realizadas nos
parmetros dos controladores. A superfcie aqui demonstrada teve o objetivo de visualizar a
no-linearidade que controladores fuzzy obtiveram neste trabalho.
3. RESULTADOS
Verificam-se, neste captulo, os resultados obtidos atravs das simulaes feitas com
os controladores e o xito encontrado a partir dos mesmos.
Nota-se no grfico adiante, alguns picos de vibraes. Eles so entradas em distrbios,
mostradas pelas setas, feitas manualmente no pndulo, para verificar o desempenho e a
qualidade do controlador. Com isso, percebeu-se que a capacidade do sistema em compensar
distrbios externos foi satisfatria. Com o pndulo numa posio estvel, o mesmo foi
manualmente movido de sua posio de equilbrio. A reao do sistema foi registrada e o
resultado indicou que o controlador capaz de compensar estes distrbios dentro de
determinada faixa de perturbao.
Para se estabelecer um rigor maior para a robustez do controlador, foi utilizado um
mtodo de desempenho, com o auxlio do MATLABTM, chamado MSE. MSE (Medium
Squared Error) um tipo de funo de desempenho usado para avaliao de dados. Ele faz
essa medio de acordo com a mdia dos erros ao quadrado. Quanto menor for o valor do
MSE, melhor ser o desempenho para o problema em questo. possvel encontrar o uso

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

deste mtodo em vrios autores, por exemplo, Cun et al. (1990). No caso do controlador do
pndulo invertido, a diminuio do valor do MSE significa que menor a diferena entre a
posio do pndulo e o set-point, pois com o resultado dessa diferena que calculado o
MSE. O controlador fuzzy de 21 regras para o pndulo invertido foi o que mais sofreu
variaes neste trabalho e que tambm se mostrou satisfatrio nas simulaes dos seus
variados tipos. Odesempenho pode ser verificado pelo grfico do resultado expresso na figura
8 a seguir:

Figura 8: Grfico de resultado para o controlador de 21 regras.

Para este controlador foi utilizado o teste de desempenho MSE. Dentre as variaes
feitas, pode verificar-se com o clculo do MSE que a diferena entre a posio do pndulo e o
set-point diminuiu. Este apresentou valores decrescentes de 0.8921, 0.7533 e 0.6448. O
grfico da diferena entre a posio do pndulo e o set-point para o ltimo valor de MSE
citado ficou da seguinte forma:

Figura 9: Grfico de desempenho para o controlador de 21 regras. Diferena entre a posio angular do pndulo
e o set-point.

Os controladores de 21 regras se mostraram com melhores desempenho e robustez,

pois obtiveram boa rejeio a distrbios feitos manualmente no pndulo. Nota-se isso tambm
pela diminuio do valor do erro MSE entre o controlador de 11 regras e os de 21 regras,
como pode ser verificado abaixo:

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

Tabela 1: Controladores com seus respectivos valores de MSE.
CONTROLADORES

Alteraes realizadas
1
2
3
4

11 regras
0.9978
-

21 regras
0.8921
0.7533
0.6448

4. CONCLUSES
Os comentrios obtidos, em pesquisa de artigos, monografias e dissertaes sobre o
pndulo invertido e o seu controle so frequentes, mas geralmente se mostram superficiais no
que diz respeito parte prtica e normalmente apresentam-se com o intuito de ilustrar os
conceitos tericos. Foram encontradas vrias abordagens diferentes para modelagem e
controle para o sistema do pndulo.
Os resultados encontrados neste trabalho indicam o potencial da utilizao da lgica e
controle fuzzy na implementao de experincias prticas em sistemas de controle de
processos multivariveis, inerentemente instveis, no triviais, que apresentam nolinearidade e com certo grau de complexidade. As simulaes realizadas com o equipamento
em laboratrio apresentaram resultados satisfatrios e so relativamente prticos de serem
reproduzidos, pois a validao experimental foi cumprida.
Como visto neste trabalho, os controladores fuzzy permitem o controle de sistemas por
meio de informaes qualitativas, sem a expressa necessidade de modelar o sistema. Assim,
sistemas de dinmica multivarivel e no-linear podem ter um controle eficiente sem a
necessidade de linearizao do sistema. O objetivo proposto a implementao e testes com o
controlador - foi alcanado, no que diz respeito ao controle de posio do pndulo, o qual se
apresentou satisfatoriamente no controlador obtido e com vrios tipos de variaes no mesmo.
De acordo com as anlises e os resultados demonstrados neste trabalho, pode-se concluir que
os controladores utilizados so de grande interesse, pois minimizam o esforo humano na
elaborao dos mesmos, por obterem resultados satisfatrios e por serem estruturas que no
apresentam necessidade do modelo do processo.
Este trabalho visou apresentar novos campos de pesquisa para o controle de
processos, no s valendo-se das novas tcnicas avanadas, mas com o entendimento de que
tambm tanto o controle convencional como o avanado precisam servir de base firme e bem
fundamentada para os pesquisadores e engenheiros da rea.
REFERNCIAS
ASTROM, K. J.; FURUTA, K. Swinging Up a Pendulum by Energy Control. In: 13th World Congress of
IFAC. Vol. G. San Francisco, CA, EUA. 1996.
BERISTAIN, L. J. Algunas Aplicaciones de Logica Difusa a Teoria del Control. Dissertao de Mestrado do
Curso de Cincias com especialidade em Sistemas Digitais. Instituto Politcnico Nacional, Tijuana, B. C.,
Mxico. 2000.
BURNS, R. S. Advanced Control Engineering. Traduo dos autores. 1a ed. Woburn, MA, EUA: ButterworthHeinemann, 2001.
CAMPOS, M. M. de; SAITO, K. Sistemas inteligentes em controle e automao de processos. Rio de Janeiro:
Editora Cincia Moderna Ltda., 2004.
CAMPOS, M. C. M. M. de. Artigo: Aplicaes de Controladores fuzzy na Petrobras. 2008.

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

CASTRO, L. S. Projeto de controlador digital: Problema do Guindaste utilizando o kit da Feedback 33-200/33201. Monografia do Curso Superior de Tecnologia em Automao Industrial. IFF Campos Campus Centro,
Campos dos Goytacazes/RJ, 2008.
CAVALCANTI, J. H. F.; ALSINA, P. J., FERNEDA, E. Posicionamento de um Pndulo Invertido usando
Algoritmos Genticos. SBA Controle e Automao Vol. 10, n.o 1. 1999.
COSTA, W. T.; NEPOMUCENO, E. G.; NETO, O. M. Controle Nebuloso de Sistemas No-Lineares via
Mtodo Takagi-Sugeno: Uma Abordagem Didtica Usando SimulinkTM. Laboratrio de Sistemas e Sinais ,
Departamento de Eng. Eltrica, Universidade Federal de So Joo del-Rei/MG. 2009.
CUN, Y. L.; DENKER, J. S.; SOLLA, S. A. Optimal Brain Damage. AT&T Bell Laboratories, Holmdel, N. J.
07733. 1990.
GONALVES, C. W. P. Simulao e Controle de um Pndulo Duplo Invertido. Monografia do Curso de
Engenharia Mecatrnica, Universidade de Braslia/DF. 2006.
HUAMAN, I. R. L. Sistemas Neurais Fuzzy Aplicados em Identificao e Controle de Sistemas. Dissertao
de Mestrado do curso de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP, 2003.
HUSSEIN, T.; ELSHAFEI, A. L.; BAHGAT, A. Design of a Hierarchical Fuzzy Logic PSS for a MultiMachine Power System. Proceedings of the 15th Mediterranean Conference on Control & Automation, Athens,
Greece. 2007.
LI, Z.; XU, C. Adaptive Fuzzy Logic Control of Dynamic Balance and Motion for Wheeled Inverted
Pendulums. Fuzzy Sets and Systems 160. p1787-1803. www.elsevier.com/locate/fss. 2009.
MACHADO, J. B. Modelagem e Controle Preditivo utilizando Multimodelos. Dissertao de Mestrado. Curso
de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP. 2007.
MANDANI, E. H. Application of Fuzzy Logic to Approximate Reasoning Using Linguistic Synthesis.
Department of Eletrical and Electronic Engineering. Queen Mary College, University of London, England. p196202. 1976.
MINHOTO, M. C.; PIETROBOM, H. C.; ASSUNO, E. Novos Resultados sobre a Estabilidade e Controle
de Sistemas No-lineares Utilizando Modelos Fuzzy e LMI. Revista Controle & Automao, Vol 11, no. 1.
2000.
MIRANDA, P.; VILELA, M. B. J.; KRONBAUER, D. Sistema de Controle Difuso de Mandani. Aplicaes:
Pndulo Invertido e outras. Monografia do curso de Anlise de Sistemas. Universidade Federal de Mato Grosso
do Sul, 2003.
MOCHIZUKI, L.; AMADIO, A. C. Aspectos biomecnicos da postura ereta: a relao entre o centro de massa
e o centro de presso. Revista Portuguesa de Cincias do Desporto, Vol 3, n.o 3, p77-83. 2003.
MORAIS, M. H. E. de; MURALIKRISHNA, A.; GUIMARES, L. N. F. Sistema de Controle PID e
Nebuloso Aplicado ao Problema do Pndulo Invertido. 2005.
OGATA, K. Engenharia de Controle Moderno. Traduo: Paulo lvaro Maya. 4. ed., 3 reimpresso 2007. So
Paulo: Pearson Prentice Hall, 2003.
PHILLIPS, C. L.; HARBOR, R. D. Sistemas de Controle e Realimentao. Traduo: L. F. Ricardo. So
Paulo: Makron Books, 1997.
PIRES, A. V. Controladores Baseados em Tcnicas de Inteligncia Computacional: Anlise, Projeto e
Aplicaes. Dissertao de Mestrado, Curso de Engenharia Eltrica, Universidade Federal de Minas Gerais.
2007.
QUADRELLI, G.; TANSCHEIT, R.; VELLASCO, M. M. Neuro-Fuzzy Modelling and Control of Nonlinear
Dynamic Systems. Learning and Nonlinear Models Revista da Sociedade Brasileira de Redes Neurais, Vol. 1,
N.o 1, pp1-9. 2003.
RIBEIRO, R. Implementao de um Sistema de Controle de um Pndulo Invertido. Dissertao de Mestrado.
Curso de Engenharia Eltrica. Universidade Federal de Itajub/MG. 2007.
ROMERO, T. R. F.; ORCS, P. E. H. Modelado, Simulacin y Control de un Pndulo Invertido Usando
Componentes Anlogos Simples. 8 Congreso Iberoamericano De Ingenieria Mecanica, Cusco, Peru. 2007.
SERRA, G. L. de O. Computao Evolutiva e Sistemas Fuzzy. Trabalho de Reviso bibliogrfica apresentada
disciplina Computao Evolucionria, ministrada pelo prof. Dr. Von Zuben, Curso de Computao

Gesto e Tecnologia para a Competitividade

23.24.25 de Outubro de 2013

Evolucionria. Faculdade de Engenharia Eltrica e de Computao. Universidade Estadual de Campinas/SP.
2001.
SILVA, M. A. de O. Estudo de Tcnicas de Controle Aplicada ao Sistema Pndulo Invertido. Monografia do
Curso de Engenharia de Controle e Automao. Universidade Federal de Ouro Preto/MG. 2009.
SOUSA, A. L. de; FRANCISCO, L. do E. S. Identificao de Controle Fuzzy de uma Planta Didtica de Nvel.
Monografia do Curso de Engenharia de Controle e Automao, Instituto Federal Fluminense Campus Campos
Centro, RJ. 2010.
SOUZA, R. B. M. de. Projeto de Reguladores Fuzzy Takagi-Sugeno Utilizando as Condies Iniciais da Planta.
Dissertao de Mestrado. Curso de Engenharia Eltrica, Universidade Estadual Paulista/SP. 2006.
TAVARES, M. A.; SANTOS, R. B.; NETO, C. M.; LOPES, V. J. Controle de um Pndulo Invertido
utilizando o Modelo Fuzzy Takagi-Sugeno. 16 Simpsio de Ps-Graduao em Engenharia Mecnica.
Universidade Federal de Uberlndia/MG. 2006.
WAL, A. J. van der. Application of Fuzzy Logic in Industry. Elsevier: Fuzzy Sets and Systems 74, p33-41.
1995.
WIDJAJA, M.; YURKOVICH, S. Fuzzy Controller Synthesis for an Inverted Pendulum System. Control Eng.
Practice, Vol. 4, No 4, pp.455-469. Elsevier Science Ltd. 1996.
ZADEH, L. A. Fuzzy Sets; Information and Control, v.8, n.1, p338-353. Berkeley, Califrnia, EUA. 1965.
ZADEH, L. A. Outline of a New Approach to the Analysis of Complex Systems and Decision Process. IEEE
Transactions on Systems, Man and Cybernetics, Vol. SMC-3, NO. 1, p28-44. 1973.
ZAVALA, S. R.; ORTIZ, L. A. G.; MARN, J. A. Control de un Pndulo Invertido en Tiempo Real Usando
Lgica Difusa. Facultad de Ingeniera Elctrica de la Universidad Michoacana de San Nicols de Hidalgo,
Divisin de Estudios de Posgrado, Morelia, Michoacn, Mxico. 2009.

Powered by TCPDF (www.tcpdf.org)