Iterative Fuzzy Design for Identification and Control

Abstract

Muitos problemas envolvendo conhecimento humano são difíceis de encaixar em models e controlar na vida real sem uso lógica difusa, muitas das vezes a lógica difusa e algoritmos difusos tem custos computacionais elevados que requerem muita capacidade de processamento para executarem ou requerem conhecimentos prévios sobre o sistema que queremos identificar ou controlar o que os torna pouco apropriados para tarefas mais fáceis e pouco versáteis.A dissertação presente adota um método de criar uma base de regras difusas automaticamente para identificar o sistema [Rezaee and Zarandi,2010] sem qualquer conhecimento prévio sobre a estrutura dos dados e propõe um método iterativo de automaticamente criar uma base de regras difusas que age como um controlador de lógica difusa (FLC) tendo apenas um dataset do sistema sobre operação. O método termina assim que a performance seja melhor que a desejada ou complexidade máxima da estrutura de controlo seja atingida.O algoritmo adaptado de [Rezaee and Zarandi, 2010] foi testado em problemas de referência populares e os resultados mostram que a performance do algoritmo é melhor e consegue identificar sistemas em circunstâncias semelhantes comparada com outros métodos na literatura. O algoritmo adaptado para controlo foi testado em duas plantas: um reator de tanque de agitação contínua (CSTR) e uma experiência real de controlo composta por dois motores DC. Os resultados mostram que o algoritmo é capaz de controlar as duas plantas com sucesso.O algoritmo da dissertação foi desenvolvido em ambiente Matlab. Durante o desenvolvimento da dissertação foi escrito um artigo científico sobre a parte de controlo difuso com a autoria conjunta do Prof. Jérôme Mendes e Prof. Rui Araújo.

Many problems involving human knowledge are hard to model and control in real life without the use of fuzzy logic, and often fuzzy algorithms have heavy computing costs that require heavy hardware to run or require previous knowledge about the system we want to identify or control which makes them not appropriate for easier tasks and gives them low versatility.The present thesis adopts a method to automatically create a fuzzy rule base to identify the system [Rezaee and Zarandi, 2010] without any previous knowledge about the structure of the data and proposes an iterative method to automatically create a fuzzy rule base that acts as a Fuzzy Logic Controller (FLC) having only one dataset of the system under operation. The method stops once a performance better than the target controller or a maximum control structure complexity are achieved.The adapted algorithm from [Rezaee and Zarandi, 2010] was tested on popular benchmarks and the results showed that the algorithm performed better and can identify systems in similar circumstances compared to other approaches in the literature. The algorithm adapted to control was tested on two plants: a continuous-stirred tank reactor (CSTR) and a real control setup composed by two DC motors. The results showed that the algorithm is capable of controlling both plants with success.The algorithm of this thesis was developed in matlab environment. During the development of this thesis a scientific paper about the fuzzy control of this thesis was written under joined authorship of Prof. Jérôme Mendes and Prof. Rui Araújo.