Baixe o app para aproveitar ainda mais
Prévia do material em texto
Metodos Matematicos Aplicados á Engenharia de Produção Atividade Extruturada CONTROLE DA UMIDADE EM AMBIENTES UTILIZANDO CONTROLADOR FUZZY Eduardo Horminio de Medeiros Filho RA: 2010.02.167.48-5 São Paulo 2015 LISTA DE FIGURAS Figura 1 Conjunto idade ................................................................................................. 10 Figura 2 Esquema de um controlador fuzzy ................................................................... 13 Figura 3 Exemplo funções de pertinência ...................................................................... 15 Figura 4 modelo paralelo ................................................................................................ 19 Figura 5 Exemplo de Painel Frontal ............................................................................... 19 Figura 6 Sistema Supervisório ........................................................................................ 21 Figura 7 Arquitetura cliente-servidor do OPC ............................................................... 23 Figura 8 Almemno FHA646-E1 ..................................................................................... 24 Figura 9 Desenho e foto de um motor CC de 2 pólos .................................................... 25 Figura 10 Motor CC - Mabushi Universal ..................................................................... 26 Figura 11 Ponte H com relés .......................................................................................... 27 Figura 12 Placa NI USB-6009 da National Instruments ................................................ 28 Figura 13 Umidificador Ultrasônico .............................................................................. 28 Figura 14 Sistema de controle ........................................................................................ 29 Figura 15 Sistema de controle ........................................................................................ 30 Figura 16 Sistema de controle com o umidificador ........................................................ 31 Figura 17 Sistema de controle com o umidificador ........................................................ 32 Figura 18 AMR WinControl .......................................................................................... 32 Figura 19 Programação: Erro e Desvio do Erro ............................................................. 33 Figura 20 Programação do controlador .......................................................................... 34 Figura 21 Programação da geração dos sinais A e B ..................................................... 35 Figura 22 Sistema Supervisório ...................................................................................... 36 Figura 23 Função de Pertinência: Erro ........................................................................... 38 Figura 24 Função de Pertinência: Desvio do Erro 43 ..................................................... 39 Figura 25 Método das regras .......................................................................................... 40 Figura 26 Exemplo de função de pertinência testada ..................................................... 41 Figura 27 Variação PV e SP ........................................................................................... 42 Figura 28 Função de pertinência do erro 46 ................................................................... 43 Figura 29 Relação Umidade (PV) e SP em relação ao tempo ........................................ 44 Figura 30 Relação Temperatura (PV) e SP em relação ao tempo .................................. 45 Sumário 1.INTRODUÇÃO ............................................................................................................. 5 1.1 Objetivo ............................................................................................................. 6 1.2 Metodologia ....................................................................................................... 6 1.3 Exemplificação do método ................................................................................ 7 1.4 Estrutura do trabalho .......................................................................................... 7 2. LÓGICA FUZZY ......................................................................................................... 8 2.1 Fundamentos da Lógica Fuzzy ............................................................................... 8 2.2 Aplicação da Lógica Fuzzy .................................................................................. 11 2.3 Fuzzificação .......................................................................................................... 13 2.4 Inferência fuzzy e Base de regras ......................................................................... 15 2.5 Defuzzificação ...................................................................................................... 17 3. LABVIEW .................................................................................................................. 18 3.1 Metodologia de Programação ............................................................................... 18 3.2 Sistema Supervisório ............................................................................................ 19 3.3 Comunicação OPC ............................................................................................... 21 4. MATERIAIS E MÉTODOS ....................................................................................... 24 4.1. Sensor .................................................................................................................. 24 4.2 Motor de corrente contínua................................................................................... 25 4.3 Sinais Digitais ....................................................................................................... 27 4.4 Umidificador ......................................................................................................... 28 5. SISTEMA DE CONTROLE ...................................................................................... 29 5.1 Coleta e transmissão de dados .............................................................................. 31 5.2 Programação no LabVIEW .................................................................................. 33 5.3 Interface ................................................................................................................ 35 5.4 Controlador ........................................................................................................... 35 6. RESULTADOS .......................................................................................................... 41 7. CONSIDERAÇÕES FINAIS ..................................................................................... 44 REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................... 46 5 1. INTRODUÇÃO A atual exigência quanto à qualidade de vida e respeito aos direitos dos seres humanos vem sendo cada vez maior. Tais exigências estão presentes em todos os ambientes de trabalho, compras, estudos, por fim, nos ambientes onde os seres humanos passam maior parte da sua vida. As exigências do bem-estar englobam um conceito amplo que abarca desde os fatores necessários à manutenção da sua saúde física, até aqueles responsáveis pelo seu sentimento de satisfação. A qual está ligada ao confortotérmico do ambiente e a qualidade do ar, considerando a temperatura do ambiente, umidade relativa e a velocidade relativa do ar. A preocupação científica do homem com o seu conforto térmico é muito antiga, um exemplo disso é a obra "History and Art of Warming and Ventilation Rooms and Buildings", escrita por Walter Bernan e publicada em 1845. Nela o autor prevê que a criação e o controle de ambientes climáticos artificiais assumirão a dimensão de uma ciência que contribuirá para o desenvolvimento da humanidade, para a preservação da saúde e para a longevidade do ser humano (RUAS, 1999). Algumas pesquisas, comprovaram que o conforto térmico está estritamente relacionado com o equilíbrio térmico do corpo humano e que esse equilíbrio é influenciado por fatores ambientais e pessoais. Assim, há ambientes em que as condições são favoráveis ao equilíbrio térmico do corpo humano e o homem sente-se bem disposto e há outros em que as condições são desfavoráveis, provocam indisposição, diminuem a sua eficiência no trabalho e aumentam a possibilidade da ocorrência de acidentes (RUAS, 1999). No Brasil, em virtude de haver predominância de climas quentes e úmidos, especial atenção deve ser dada à comprovada influência do desconforto térmico na disposição para o trabalho. Sob esse aspecto, convém ressaltar que as condições térmicas dos ambientes laborais não dependem só do clima, mas também do calor introduzido pelas atividades desenvolvidas e pelos equipamentos envolvidos nos processos, bem como pelas características construtivas do ambiente e a sua capacidade 6 de manter condições internas adequadas no que se refere ao conforto térmico das pessoas (RUAS, 1999). Portanto, este é um momento que é preciso controlar as variáveis do conforto térmico, com a finalidade de proporcionar um maior conforto humano no ambiente construído. Esse trabalho será enfocado nos estudos da relação da umidade no conforto térmico. Sendo o Brasil um país predominantemente de clima úmido. Para isso, é necessário o uso de um sistema de controle capaz de atender o pré-requisito do projeto.Necessitaria, portanto de uma lógica capaz de atender as imprecisões do problema, assim, chegou-se ao uso da Lógica Fuzzy, pois controladores nebulosos são robustos e de grande adaptabilidade, incorporando conhecimento que outros sistemas nem sempre podem se adequar. 1.1 Objetivo Tem-se como objetivo, desenvolver um controlador fuzzy de umidade capaz de manter a umidade interna do ambiente em um determinado valore, a partir do abrir e fechar da janela para controlar a ventilação natural deste ambiente. 1.2 Metodologia O trabalho foi formulado em uma base teórica sobre controladores nebulosos, a partir da qual foi implementada uma aplicação na prática. A prática foi desenvolvida em uma célula de madeira em escalda reduzida, em forma de caixa, na qual tinha duas aberturas laterais opostas simulando janelas. Usou-se um motor de corrente contínua de 12 volts, para abrir e fechar as janelas, além de um sensor de umidade, uma placa de aquisição, uma ponte "H", e um umidificador. No LabVIEW foi projetado o controlador fuzzy e um Sistema Supervisório. 7 1.3 Exemplificação do método Na montagem, o sensor mede a umidade do ar dentro da célula, via OPC(OLE for Process Control) o valor é exportado para o software LabVIEW, este utiliza a leitura para executar a ação do controlador fuzzy, retornando uma resposta de 0 a 1 (representando 0% a 100%), que é enviada à placa de aquisição de dados e transforma em sinais digitais que é enviado para a ponte H, que faz o chaveamento e inversão do motor de corrente contínua que atua na abertura das janelas. 1.4 Estrutura do trabalho De maneira a facilitar o entendimento dos problemas relacionados e da solução proposta, o presente trabalho é dividido em sete capítulos. No Capítulo 1 é feita uma breve introdução aos conceitos do trabalho, explicitando a origem do trabalho, bem como seus objetivos a serem cumpridos e a importância do presente estudo. No Capítulo 2 são explicitados os tipos de sensores no mercado e seu funcionamento. No Capítulo 3 é apresentada uma breve explicação do funcionamento dos motores de correntes contínua, e a apresentação do modelo, além de explicar seu funcionamento. No Capítulo 4 apresenta-se a base teórica sobre Lógica fuzzy e no Capítulo 5 apresenta- se o software LabVIEW, demonstrando como é utilizado. No Capítulo 6 é apresentado o sistema de controle elaborado nesse trabalho e explicado seu funcionamento e no Capítulo 7 é demonstrado os resultados obtidos no trabalho. 8 2. LÓGICA FUZZY Com a necessidade de meios mais flexíveis, ele sugeriu uma teoria alternativa de conjuntos, na qual a mudança da pertinência para a não pertinência fosse gradual. Assim, surgiram os conjuntos Fuzzy. Os conjuntos fuzzy têm como característica representar de forma inovadora o tratamento de informações imprecisas, diferentemente da teoria de probabilidades, concedendo um método de traduzir expressões verbais, vagas, imprecisas e qualitativas, comuns na comunicação humana em valores numéricos, possibilitando assim, uma maneira de converter a experiência humana em uma forma compreensível pelo computador. Esses conjuntos permitem um grande valor prático à tecnologia pelo enfoque fuzzy, tornando possível a inclusão da experiência humana, em controladores computadorizados, e proporcionam estratégias de tomadas de decisão em problemas complexos ou que exijam tempo de solução reduzido. Com o desenvolvimento desses estudos teóricos, foi possível possibilitar a busca de interpretação de fenômenos não quantitativos e vagos, sendo, porém, necessário buscar mecanismos para inferência a partir desses dados. Como os sistemas lógicos são intimamente relacionados com conjuntos, o passo seguinte foi dado em direção à construção de uma lógica capaz de adequar os conjuntos fuzzy ao raciocínio do senso comum. Tal sistema denomina-se Lógica Fuzzy. A Lógica Fuzzy difere da teoria clássica do filósofo grego Aristóteles, a qual estabelece apenas a pertinência ou não pertinência. Possibilita uma forma de interpretação de fenômenos não quantitativos e vagos. Braga; Baneto e Machado (1995 apud SILVA, 2005) definen a Lógica Fuzzy como, uma tentativa de se aproximar a precisão característica da matemática à inerente imprecisão do mundo real, nascida no desejo profundo de se conhecer melhor os processos mentais do raciocínio. 2.1 Fundamentos da Lógica Fuzzy Para Zadeh a teoria usual de conjuntos era por demais rígidas, para considerar fenômenos do dia a dia, já que, os sistemas especializados, nos quais estava interessado em implementar, eram softwares interativos, capazes de tomar suas próprias decisões, a 9 partir da teoria usual de conjuntos, admitindo apenas decisões binárias, o "verdadeiro" e o "falso". A partir dos estudos sobre conjuntos fuzzy já realizados, Zadeh viu a possibilidade de adequar os conjuntos fuzzy aos "padrões" dos sistemas lógicos já consagrados com a finalidade de interpretar os fenômenos não quantitativos e vagos. Na Lógica Clássica, o valor verdade de uma proposição assumirá, somente, o valor falso (0) ou o valor verdadeiro (1) e, necessariamente, terá que assumir um desses dois, não havendo outra possibilidade. Já na Lógica Fuzzy, o valor verdade de uma proposição, pode ser um subconjunto fuzzy de qualquer conjunto parcialmente ordenado. Geralmente é adotado o [0,1], que é o intervalo fechado de números reais. Assim, na Lógica Fuzzy, não existem apenas o verdadeiro (1) e falso (0), mas umainfinidade de valores verdades, os quais são expressões linguísticas interpretadas como subconjuntos fuzzy do intervalo unitário por exemplo: falso, muito falso, um pouco falso, mais ou menos falso, um pouco verdadeiro, pouco verdadeiro, muito verdadeiro, verdadeiro, etc. Na Lógica Clássica, os predicados são termos exatos como: igual a, maior que, ímpar, primo, etc. Na Lógica Fuzzy, os predicados são termos subjetivos, indefinidos ou “nebulosos” como: magro, alto, úmido, quente, velho, etc. Outro aspecto que difere as duas lógicas é quanto aos quantificadores, que na Lógica Clássica existem apenas os Segundo Cruz (1996), a idéia de Zadeh se torna interessante, na medida em que associa a cada elemento de um conjunto certo número real do intervalo [0,1]. Cada conjunto corresponde a um predicado lógico e os elementos do conjunto aos objetos que satisfazem o predicado. Pode-se dizer que esse número é o grau de verdade do objeto satisfazendo o predicado. De acordo com Zadeh, a passagem da pertinência para não pertinência teria uma caracterização mais ampla, fazendo com que essa passagem seja de forma mais lenta e gradual, sugerindo que alguns elementos são mais pertinentes que outros. Tal fator pode assumir valores entre 0 e 1, sendo que "0" implica em completa exclusão e o "1" implica em completa pertinência. Ao invés de valores quantitativos, os conceitos são expressos por elementos qualitativos como: “muito”, “não muito”, “mais ou menos”, “pouco quente”, “pouco 10 baixo”. Esses elementos são resgatados por meio de variáveis linguísticas, que assumem valores dentro de um conjunto de termo linguísticos, ou seja, palavras e frases, ao invés de assumirem valores numéricos. Por exemplo, a valores no conjunto [mínima (MI), muito baixa (MB), pouco baixa (PB), média (MD), pouco alta (PA), muito alta (MA), máxima (MX)]. Uma exemplificação do conceito de conjunto fuzzy e a abordagem booleana, está representado na Figura 2.1, e mostra o exemplo clássico da idade de uma pessoa. Observa-se, na abordagem booleana, que as transições entre os conjuntos “jovem” e “adulto”, e entre os conjuntos “adulto” e “idoso”, são bruscas. Uma pessoa que passar dos 24 anos e 11 meses para os 25 anos e um dia, saí de uma categoria de “jovem” diretamente para “adulto”. Essa abordagem é incompatível com a lógica de pensamento humano. Já na abordagem fuzzy, vê-se que as transições são suaves, sendo que o indivíduo a partir dos 18 anos deixa de ser 100% “jovem” e começa a pertencer parcialmente aos conjuntos “jovem” e “adulto”. É importante observar o conceito de grau de pertinência, que define o “quanto” uma variável pertence a um determinado conjunto, variando geralmente no intervalo [0, 1]. Figura 2.1 Conjunto idade: (a) abordagem booleana e (b) abordagem fuzzy [0,1], [0,1] é o intervalo de números reais e fA é denominado o conjunto verdade de A. Dessa forma definido, pode-se identificar o conjunto fuzzy A com a função fA, ou seja, Figura 1 Conjunto idade 11 Por exemplo, seja V = {x1, x2, x3, x4} . Então um conjunto fuzzy A poderia ser do tipo: conjunto fuzzy A possui um valor verdade em [0,1] e que A é formado por pares e, também chamado de “grau de aderência” ou “grau de pertinência”, do elemento x1 é 0,3, ou seja, fA( x1 ) = 0,3. Por convenção, os elementos que tiverem grau de aderência (valor verdade) igual a zero, não precisam ser representados no conjunto, que é o caso do elemento x3, ou seja, é, negar uma frase A de valor lógico (grau de ir outros valores- verdade e não somente falsa (0) ou verdadeira (1). Na Lógica Clássica, um elemento ou pertence a um conjunto ou não. Dado um conjunto diante, denota- 2.2 Aplicação da Lógica Fuzzy Em seus trabalhos, Zadeh, demonstra a capacidade de tal teoria de interpretar os fenômenos não exatos do dia-a-dia, comprovando sua aplicabilidade. Segundo Cruz (1996), apesar de os matemáticos não considerarem a Lógica fuzzy como uma Lógica Matemática nos padrões atuais, ou seja, não é uma teoria consistente e completa, pois deixa de satisfazer algumas propriedades da Lógica Clássica, isso não inviabiliza Lógica Fuzzy como uma teoria matemática perfeitamente aplicada. 12 Existem diversas áreas que estão sendo beneficiadas pelo uso da Lógica Fuzzy, a exemplo: em câmeras de vídeo, são aplicados ao foco automático e ao controle da íris da câmera; em máquinas de lavar com a utilização de sensores de temperatura da água, concentração de detergente, peso das roupas, nível de água, etc; em fornos de microondas, com informações obtidas a partir de sensores; em aparelhos de ar-condicionado com o controle da umidade e temperatura; manutenção de motores elétricos, verificação das condições de vibração dos motores com a finalidade de estabelecer procedimentos de manutenção. Para Barbosa (1995), a aplicação da Lógica Fuzzy no controle de motores CC, facilitou, sensivelmente, o desenvolvimento de tais aparelhos, tornando-os mais precisos, capazes de interpretar com mais exatidão os fenômenos elétricos de um motor. Especialistas em programação, como Tanaka e Mizumoto (1974), consideram a Lógica Fuzzy, no que diz respeito aos modelos matemáticos, muito mais adequada a programação, sugerindo softwares fuzzy de fácil entendimento, capazes de serem usados em várias simulações reais. Nas teorias de controle clássica e moderna, o primeiro passo para implementar um controlador é a determinação do modelo matemático que descreve o processo. Este procedimento requer que se conheça detalhadamente o processo a ser controlado, o que nem sempre é factível em processos complexos (ZADEH, 1965). Os controladores fuzzy são robustos, versáteis e de grande adaptabilidade. Se um operador humano for capaz de articular sua estratégia de ação por meio de um conjunto de regras da forma SE ENTÃO, então pode ser possível a implementação de um algoritmo computacional fuzzy. Um Sistema Fuzzy (SF) é tipicamente composto dos seguintes blocos funcionais (FIGURA 2.2Figura ): Fuzzificação; Base de regras; Inferência fuzzy; Defuzzificação. 13 2.3 Fuzzificação O processo de conversão da entrada numérica em conjuntos difusos é chamado de Fuzzificação. É uma operação que tem papel fundamental, já que em grande parte das aplicações de lógica difusa os dados são numéricos, sendo necessário fuzzificar este em conjuntos. As funções de pertinência fuzzy representam os aspectos fundamentais de todas as ações teóricas e práticas dos sistemas fuzzy. Uma função de pertinência é uma função numérica gráfica ou tabulada que atribuem valores de pertinência fuzzy para valores discretos de uma variável. (SIMÕES; SHAW, 2007). Figura 2 Esquema de um controlador fuzzy Fonte: TANSCHEIT, 1992 Segundo Turksen (1984 apud SILVA, 2005), as funções de pertinência são definidas com base nos seguintes métodos: Avaliação e dedução subjetivas: como os conjuntos fuzzy pretendem geralmente modelar a percepção e o conhecimento das pessoas, eles podem ser determinados por 14 meio de procedimentos de cognição simples ou sofisticados. Num contexto simples, pessoas desenham ou especificam curvas de pertinência diferentes, apropriadas ao problema apresentado. Em casos mais complexos as pessoas podem ser submetidas a testes para fornecer dados para a determinação dos graus de pertinência; Formas ad hoc: enquanto existe uma infinidade de formas possíveis de funções de pertinência, as mais reais operações de controle fuzzy derivam de um pequeno conjunto de tipos de curvas, como, por exemplo, os conjuntos fuzzytriangulares. Isto simplifica o problema, já que neste caso basta escolher o valor central e a inclinação das retas de ambos os lados do conjunto fuzzy. Conversão de freqüências ou probabilidades: às vezes, as informações tomadas na forma de histogramas de freqüências ou mesmo outras curvas de probabilidade são usadas como base para a construção da função de pertinência. Cabe destacar que funções de pertinência não são necessariamente probabilidades; Mensuração física: muitas aplicações da Lógica Fuzzy são mensurações físicas, mas quase nenhuma mede diretamente os graus de pertinências. Na construção de um modelo fuzzy, o momento mais crítico é justamente a escolha da forma de cada conjunto, pois determina a correspondência entre os dados de entrada e os seus conceitos linguísticos correspondentes. As funções de pertinência podem assumir diversos formatos e as principais funções matemáticas são: triangular, trapezoidal, gaussiana, sigmoidal. Segundo Shaw e Simões (2007) as funções mais utilizadas são as triangulares e trapezoidais, por serem mais fácil de implementação. Na Figura 2.3 apresenta-se um exemplo de funções de pertinência para uma variável chamada erro. 15 Figura 3 Exemplo funções de pertinência Fonte: TANSCHEIT, 1992 2.4 Inferência fuzzy e Base de regras Após a fuzzificação, onde as variáveis linguisticas são representadas, a etapa seguinte é a descrição das situações nas quais há reações, ou seja, a determinação das regras SE-ENTÃO. O lado SE (IF) de uma regra contém uma ou mais condições, chamadas antecedentes que constituem uma premissa; o lado ENTÃO (THEN) contém uma ou mais ações chamadas conseqüentes. Durante o processo de fuzzificação são calculados os graus de pertinência que são os antecedentes na base de regras. Cada antecedente tem um grau de pertinência indicado para ele como resultado da Fuzzificação. A intensidade das saídas difusas da regra, são calculadas com base em valores dos antecedentes durante a avaliação das regras (a inferência). A forma mais geral de uma regra lingüística é: SE premissa ENTÃO conseqüência (2.9) 16 Para Driankov; Hellendooru e Reiufrauk (1996) as premissas também chamadas de antecedentes são associadas com as entradas do controlador fuzzy e formam a parte das regras representada à esquerda, enquanto as conseqüências, que também são conhecidas como ações, estão associadas às saídas dos controladores. Para exemplificar a utilização da base de regras, toma-se como exemplo o controle de uma caldeira, onde se estabelece uma relação entre a temperatura interna da unidade, com a vazão necessária de água para o seu resfriamento, o que produz as seguintes regras: SE temperatura é alta ENTÃO vazão de água é alta SE temperatura é baixa ENTÃO vazão de água é baixa SE temperatura é estável ENTÃO vazão de água é normal Aparentemente simples, o exemplo dado é capaz de manter estável a temperatura em uma caldeira, desde que os conjuntos fuzzy envolvidos tenham uma definição condizente com a realidade. O que vale observar é que para cada estado do processo é relacionada uma ação de controle (VIEIRA, 1999). Este conjunto demonstra que a base de regras fuzzy é bastante intuitiva, do ponto de vista humano. É como o clássico exemplo de estacionar um veículo em uma vaga, virando-o um pouco mais para a esquerda ou para direita. Não existe, neste caso, uma formulação matemática explícita envolvida na solução do problema, mas sim a representação de um conhecimento adquirido pelo operador, o que justifica a dificuldade encontrada pelos iniciantes em estacionar um carro e a facilidade com que os motoristas com mais prática executam as manobras necessárias (IVANQUI, 2005). 17 2.5 Defuzzificação A defuzzificação é uma operação de conversão de um conjunto fuzzy em um valor numérico. A saída do controlador nebuloso é um subconjunto nebuloso U1 do universo da saída. Como o processo requer um sinal não-nebuloso em sua entrada, deve-se fazer uma interpretação daquele conjunto nebuloso. Esta defuzzificação pode ser feita por meio de vários métodos, mas os mais consagrados são a Média dos Máximos e o Centro de Gravidade. No primeiro, a saída determinística (não-nebulosa), denominada UMOM, é obtida tomando-se a média entre os dois elementos extremos no universo que correspondem aos maiores valores das funções de pertinência. Com o Centro de Gravidade, a saída UCOG é o valor no universo que divide a área sob a curva em duas partes iguais (TANSCHEIT, 1992). O método de Defuzzificação utilizado neste trabalho foi o de centro de área com melhor desempenho. Este mostrou um menor custo computacional. 18 3. LABVIEW O LabVIEW (Laboratory Virtual Instrument Engineering Worbench) é uma plataforma computacional de harware e software utilizada para criar instrumentos personalizados para tarefas ou medição, controle, etc. Os programas em LabVIEW são chamados de instrumentos virtuais ou, simplesmente, VIs. São compostos pelo painel frontal, que contém a interface, e pelo diagrama de blocos, que contém o código gráfico do programa. O programa não é processado por um interpretador, mas sim compilado. Deste modo a sua performance é comparável à exibida pelas linguagens de programação de alto nível. A linguagem gráfica do LabVIEW é chamada "G". 3.1 Metodologia de Programação As funções são designadas por instrumentos virtuais, pois cada programa (Sub- IV) pode ser usado como sub-programa por qualquer outro ou ser executado isoladamente. O programador liga IVs com linhas de ligação e define, deste modo, o fluxo de dados. Cada IV pode assumir entradas e/ou saídas. A execução de um IV começa quando todas as entradas estão disponíveis e os resultados do processamento são então colocados nas saídas assim que a execução do sub-programa tenha terminado. Desta forma, a ordem pela qual as tarefas são executadas é definida em função dos dados. Os dados podem ser ligadas ao Painel frontal por meio de manipuladores. Por exemplo, a inserção de números pode ser dependente de um manípulo e uma variável de saída booleana pode ser realizada por um LED colocado no painel. O painel frontal do LabVIEW é um meio confortável para construir programas com uma boa interface gráfica. O programador não necessita de escrever qualquer linha de código. A apresentação gráfica dos processos aumenta a facilidade de leitura e de utilização. Uma grande vantagem em relação às linguagens baseadas em texto é a facilidade com que se cria componentes que se executam paralelamente. Na FIGURA 3.1 apresenta-se um exemplo de IV, na FIGURA 3.2 apresenta-se um exemplo de painel frontal. 19 Figura 4 modelo paralelo Figura 5 Exemplo de Painel Frontal Fonte - LabVIEW....,2013 3.2 Sistema Supervisório Com a crescente evolução dos equipamentos industriais e introdução crescente de sistemas de automação industrial, tornou-se complexa a tarefa de monitorar, controlar e gerenciar esses sistemas produtivos. 20 Dentre os muitos sistemas usados para controlar e gerenciar a produção pode-se ver nesse trabalho o SCADA (Supervisory Control & Data Aquisition Systems). Os sistemas de supervisão, SCADA, permitem que sejam monitoradas e rastreadas informações do processo produtivo. Tais informações são primeiro coletadas por meio de equipamentos de aquisição de dados, seguido da manipulação e análise destes dados e posteriormente são apresentados ao usuário. Estas informações podem ser visualizadas porintermédio das variáveis de processo (temperatura, umidade, pressão, etc), e armazenadas em bases de dados relacionadas ao processo do cliente. As análises dos dados podem ser feitas dentro do supervisório por meio de gráficos e tabelas ou fora dele pelos softwares comerciais comuns como Access, Excel, etc. Segundo Salvador e Silva (2004), os componentes físicos de um sistema de supervisão podem ser resumidos, de forma simplificada, em: sensores e atuadores, rede de comunicação, estações remotas (aquisição/controle) e de monitoração central (sistema computacional SCADA).Na FIGURA 3.3 é apresentado um exemplo de sistema supervisório: 21 Figura 6 Sistema Supervisório Fonte: SISTEMA SUPERVISÓRIO ..., 2013 3.3 Comunicação OPC A comunicação via OPC é uma tecnologia para conectar aplicações Windows e equipamentos de controle de processos. O OPC é um protocolo de comunicação aberto que permite um método consistente de acesso aos dados de inúmeros equipamentos dos mais diversos fabricantes. O método é o mesmo, independente da origem dos dados, o que vem oferecer ao usuário final uma maior liberdade na escolha dos equipamentos independentemente da disponibilidade de drivers de comunicação proprietários. O OPC é construído usando tecnologia Microsoft OLE/COM, mas a especificação OPC foi desenvolvida por uma fundação aberta, a OPC Foundation, para atender as necessidades gerais da indústria e não as necessidades específicas de alguns fabricantes de hardware e software (OPC Foundation, 1988). A especificação ainda prevê a evolução das funcionalidades ao longo do tempo e por isso, os componentes OPC podem se manter no topo das necessidades emergentes da indústria. 22 Os componentes OPC se classificam em duas categorias: Clientes OPC e Servidores OPC. Um Cliente OPC é tipicamente um usuário dos dados tais como uma Interface de Operação ou um Sistema supervisório (SCADA). Um Servidor OPC é uma fonte de dados que coleta ou geram dados a partir de um processo, disponibilizando-os aos Clientes OPC. O Cliente OPC interage com o Servidor OPC usando uma interface bem definida. Qualquer Cliente OPC pode se comunicar com qualquer Servidor OPC, independentemente do tipo de dispositivo e do fabricante. Essa comunicação é válida somente para OPC-DA (Data Access), uma vez que existem diferentes tecnologias OPC. Basicamente, o padrão OPC estabelece as regras para que sejam desenvolvidos sistemas com interfaces padrões para comunicação dos dispositivos de campo (controladores, sensores, etc.) com sistemas de monitoração, supervisão e gerenciamento (SCADA, MES, ERP, etc.) (DUARTE, 2006). No presente trabalho utilizou-se o servidor OPC da fabricante National Instruments, concedido juntamente com o software LabVIEW. 23 Figura 7 Arquitetura cliente-servidor do OPC Fonte ADRIANO, 2004 24 4. MATERIAIS E MÉTODOS A prática foi desenvolvida em uma célula de madeira em escalda reduzida, em forma de caixa, na qual tinha duas aberturas laterais opostas simulando janelas. Usou-se um motor de corrente contínua de 12 volts, para abrir e fechar as janelas, além de um sensor de umidade, uma placa de aquisição, uma ponte "H", e um umidificador. No LabVIEW foi projetado o controlador fuzzy e um sistema supervisório. 4.1. Sensor A variável climática a ser controlada nesse trabalho é a umidade para isso utilizou-se um conjunto de aquisição de dados que possui um sensor de umidade e um data logger. O sensor é do modelo ALMENO FHA646-E1 fabricado pela Ahlborn. Sua conexão com o computador é feita por software próprio, o AMR WinControl fabricado pela Akrobit.O data logger utilizado foi o ALMEMO 2890-9 (FIGURA 4.1) do mesmo fabricante do sensor, que possui 9 entradas de medição eletricamente isoladas.(AHLBORN, 2003; AKROBIT, 2005). O software permite uma interface com o data logger e os sensores. Nesse trabalho, a transmissão de dados do data logger para o computador foi via Bluetooth, e no software utilizou-se a função de monitoramento em tempo real e exportação de dados via servidor OPC. Figura 8 Almemno FHA646-E1 25 4.2 Motor de corrente contínua 4.2.1 Aspectos Construtivos O motor de corrente contínua é composto de duas estruturas magnéticas: Estator (enrolamento de campo ou ímã permanente) e o Rotor (enrolamento de armadura) (FIGURA 4.2 ) O estator é composto de uma estrutura ferromagnética com pólos salientes aos quais são enroladas as bobinas que formam o campo, ou de um ímã permanente. É a parte que se mantém fixa à carcaça e tem a função de conduzir o fluxo magnético. Figura 9 Desenho e foto de um motor CC de 2 pólos Fonte: HONDA, 2006 O rotor é constituído de um núcleo de ferro com enrolamentos em sua superfície que são alimentados por um sistema mecânico de comutação. Esse sistema é formado por um comutador, solidário ao eixo do rotor, que possui uma superfície cilíndrica com diversas lâminas às quais são conectados os enrolamentos do rotor; e por escovas fixas, que exercem pressão sobre o comutador e que são ligadas aos terminais de alimentação. O propósito do comutador é o de inverter a corrente na fase de rotação apropriada de forma a que o conjugado desenvolvido seja sempre na mesma direção (DIAS; LOBOSCO, 1999). 26 O enrolamento do rotor é formado por bobinas com “n” espiras. Os dois lados de cada enrolamento são inseridos em sulcos com espaçamento igual ao da distância entre dois polos do estator, de modo que quando os condutores de um lado estão sob o polo norte, os condutores do outro devem estar sob o polo sul. As bobinas são conectadas em série através das lâminas do comutador, com o fim da última conectado ao início da primeira (DIAS, 1999). 4.2.2 Motor do projeto O motor escolhido foi o Mabushi Universal (Figura 4.3 Motor CC - Mabushi Universal), um motor de vidro elétrico de carro, de 12 volts. Atendeu o objetivo proposto, além de ser facilmente acionado, controlado e implantado. Figura 10 Motor CC - Mabushi Universal Fonte: MOTOR ..., 2013 Nesse trabalho foi utilizado apenas o acionamento ON/OFF do motor. Para isso foi utilizada uma Ponte H com dois relés para fazer o chaveamento e a inversão do sentido do motor. Foram gerados dois sinais A e B para a definição dos sentidos (FIGURA 4.4). Para diminuir a velocidade de rotação do motor, fazendo com que a rotação fosse menor e acionamento mais exato, usou-se uma fonte de 5 volts. 27 4.3 Sinais Digitais Os sinais A e B são gerados a partir da placa NI USB-6009 da National Instruments(FIGURA 4.5). É uma placa de aquisição de dados com entradas e saídas analógicas e digitais, que possui uma interface vinculada ao LabVIEW. Para esse trabalho utilizou-se apenas duas saídas digitais. Figura 11 Ponte H com relés Fonte DAL COL, 2012. 28 Figura 12 Placa NI USB-6009 da National Instruments Fonte NATIONAL INSTRUMENTS, 2013 4.4 Umidificador Utilizou-se um umidificador do tipo Ventisol Umidificador Ultrasônico U-03 3.5L Bivolt (FIGURA 4.6) para variar a umidade no interior da célula de madeira, e por meio disto delimitar um SET-POINT. Figura 13 Umidificador Ultrasônico 29 5. SISTEMA DE CONTROLE Nesse trabalho, foi desenvolvido um sistema de controle em uma edificação em escala reduzida com o objetivo de controlar a umidade de modo inteligente, a partir do abrir e fechar das janelas. De forma a utilizar o sistema de ventilação natural do ambiente.Para simular a ventilação utilizou-se um ventilador (FIGURA 5.1). Figura 14 Sistema de controle A proposta do sistema de controle desenvolvido é permitir que a umidade interna da célula de madeira possa estabilizar em um valor predeterminado pelo usuário (SETPOINT -SP ) . O experimento foi feita em uma mini planta de madeira (FIGURA 5.2), de dimensões 60 cm x 60 cm x 60 cm, com duas aberturas em faces opostas, de dimensões 12 cm x 12 cm (NBR 15220, ABNT, 2005). 30 Para movimentar as janelas, foi implantado dentro da mini planta o motor CC citado anteriormente (FIGURA 4.3). E para simular a variação da umidade foi implantado um umidificador no interior da mesma (FIGURA 5.3). Dependendo do comando do controlador o motor faz as janelas abrirem ou fecharem, determinando assim a corrente de ar no interior da mini planta. Figura 15 Sistema de controle 31 Figura 16 Sistema de controle com o umidificador 5.1 Coleta e transmissão de dados Para a coleta dos dados, no caso desse trabalho a umidade, foi colocado o sensor ALMEMO FHA646-E1 no interior da maquete. Esse por meio de uma cabo está conectado ao data logger ALMEMO 2890-9, o qual mostra a umidade em seu visor. Neste data logger foi colocado um adaptador Bluetooth que transmite os dados para o computador por meio dessa conexão, dados esses que são recebidos e mostrados pelo software AMR WinControl. Para transmitir os dados para o LabVIEW, onde toda a lógica foi desenvolvida, fez-se o uso da conexão OPC, compatível com os dois softwares. Para isso no LabVIEW criou-se um projeto vazio, no qual iriam ser adicionado todos os arquivos, variáveis, conexões e VI's pertencente ao projeto, como representado na FIGURA 5.4. 32 Figura 17 Sistema de controle com o umidificador Para vincular a variável umidade, que foi criada vinculada a conexão OPC, voltamos para o software AMR WinControl. Acessando a opção "New OPC Export". O Servidor OPC do LabVIEW é chamado de National Instruments. Figura 18 AMR WinControl 33 A partir disso escolhe a variável UMIDADE que havia sido criada no LabVIEW, selecionando-a e escolhendo como variável de saída "Feuchte" do software AMR WinControl, estabelecendo a conexão. 5.2 Programação no LabVIEW O primeiro passo é definir as variáveis controladas e as variáveis de controle. Estas variáveis são as entradas e as saídas, respectivamente do controlador. A umidade é a Variável de Processo (PV).Para o sistema desse trabalho, as variáveis de entrada são o Erro e a Desvio do Erro, sendo o movimento da janela a variável de saída. Será mostrado a programação completa no LabVIEW, primeiramente será ilustrado a programação em etapas e por fim como um todo. Na FIGURA 5.6 apresentam-se as variáveis Erro e Desvio do Erro calculadas a partir do valores da variável de processo a Umidade (PV) e do SetPoint (SP). O Erro é calculado pela diferença entre o SP e a PV, e o Desvio do Erro pela diferença entre o Erro atual e o erro da medida anterior. Esses valores são agregados em um array que será conectado ao bloco controlador fuzzy, como está ilustrado na FIGURA 5.7. Figura 19 Programação: Erro e Desvio do Erro 34 Figura 20 Programação do controlador Ao controlador fuzzy, além do array com os valores de entrada está conectado as informação completa da lógica fuzzy, com as variáveis linguísticas e as funções de pertinência. Na saída do bloco encontra-se a saída que de acordo do seu valor irá acionar o motor. A sigla MISO presente no bloco fuzzy significa que o controlador possui mais de uma entrada e apenas uma saída (Multiple Input Single Output). Para o acionamento do motor são gerados os sinais A e B, que de acordo com a saída do controlador que varia de 0 a 100. Esse valor é então mostrado em um indicador no formato de tanque para representar a janela, se estiver em 0 janela está aberta e em 100 janela está completamente fechada. A lógica de controle do motor CC (FIGURA 5.8) faz a divisão do valor de saída do controlador por 100 e multiplica pelo tempo que a janela leva para fechar completamente. Para chegar à posição desejada usa-se de um registrador para comparar a nova posição da janela com a posição antiga. A partir dos cálculos, o valor é interpretado pelos comparadores booleanos e enviados à placa NI USB-6009, gerando o sinal de 5V em uma das saídas, fazendo o motor movimentar em um dos sentidos. Este processo se repete até uma nova variação do sinal de saída do controlador. 35 Figura 21 Programação da geração dos sinais A e B 5.3 Interface Para melhor visualização, compreensão e manuseio com o projeto, foi desenvolvido no LabVIEW um Sistema Supervisório (FIGURA 5.9). No qual tem-se indicadores mostrando a umidade no interior da mini planta, o SetPoint a ser atingido e um tanque que simula o movimento da janela. Além de ter um botão de ajuste manual do SetPoint. Existe também um gráfico que compara a PV e o SP ao longo do tempo. 5.4 Controlador A estratégia de controle utilizada no projeto foi um controlador fuzzy, já que se tratar de um fenômeno muito impreciso e de difícil formulação matemática, ficando assim a lógica fuzzy mais apropriada. 36 Como já foi demonstrado anteriormente, em controladores fuzzy em geral as variáveis de entrada são o erro e a variação do erro. E saída a variação na saída do controlador (CO - Control Output) . Figura 22 Sistema Supervisório A partir dessas informações, foram construídas regras utilizando as entradas e a saída. Sua região de influência dependerá da abrangência dos conjuntos fuzzy das entradas, dessa maneira influencia no cálculo da ação de controle. As regras estão representadas abaixo : Quadro 5.1 Regras Linguísticas Des_erro/ Erro MN N Z P MP MN FP FP FM FM FMM N FP FP FM FMM FMM Z FN FP FM FMM FT P FN FN FMM FMM FT MP FN FN FMM FT FT Quadro 5.1 Regras Linguística 37 As regras também podem ser representadas da seguinte maneira: 1. IF 'ERRO' IS 'MN' AND 'DE' IS 'MN' THEN 'Fechamento' IS 'FP' 2. IF 'ERRO' IS 'MN' AND 'DE' IS 'N' THEN 'Fechamento' IS 'FP' 3. IF 'ERRO' IS 'MN' AND 'DE' IS 'ZERO' THEN 'Fechamento' IS 'FN' 4. IF 'ERRO' IS 'MN' AND 'DE' IS 'P' THEN 'Fechamento' IS 'FN' 5. IF 'ERRO' IS 'MN' AND 'DE' IS 'MP' THEN 'Fechamento' IS 'FN' 6. IF 'ERRO' IS 'N' AND 'DE' IS 'MN' THEN 'Fechamento' IS 'FP' 7. IF 'ERRO' IS 'N' AND 'DE' IS 'N' THEN 'Fechamento' IS 'FP' 8. IF 'ERRO' IS 'N' AND 'DE' IS 'ZERO' THEN 'Fechamento' IS 'FP' 9. IF 'ERRO' IS 'N' AND 'DE' IS 'P' THEN 'Fechamento' IS 'FN' 10. IF 'ERRO' IS 'N' AND 'DE' IS 'MP' THEN 'Fechamento' IS 'FN' 11. IF 'ERRO' IS 'ZERO' AND 'DE' IS 'MN' THEN 'Fechamento' IS 'FM' 12. IF 'ERRO' IS 'ZERO' AND 'DE' IS 'N' THEN 'Fechamento' IS 'FM' 13. IF 'ERRO' IS 'ZERO' AND 'DE' IS 'ZERO' THEN 'Fechamento' IS 'FM' 14. IF 'ERRO' IS 'ZERO' AND 'DE' IS 'P' THEN 'Fechamento' IS 'FMM' 15. IF 'ERRO' IS 'ZERO' AND 'DE' IS 'MP' THEN 'Fechamento' IS 'FMM' 16. IF 'ERRO' IS 'P' AND 'DE' IS 'MN' THEN 'Fechamento' IS 'FM' 17. IF 'ERRO' IS 'P' AND 'DE' IS 'N' THEN 'Fechamento' IS 'FMM' 18. IF 'ERRO' IS 'P' AND 'DE' IS 'ZERO' THEN 'Fechamento' IS 'FMM' 19. IF 'ERRO' IS 'P' AND 'DE' IS 'P' THEN 'Fechamento' IS 'FMM' 20. IF 'ERRO' IS 'P' AND 'DE' IS 'MP' THEN 'Fechamento' IS 'FT' 21. IF 'ERRO' IS 'MP' AND 'DE' IS 'MN' THEN 'Fechamento' IS 'FMM' 22. IF 'ERRO' IS 'MP' AND 'DE' IS 'N' THEN 'Fechamento' IS 'FMM' 23. IF 'ERRO'IS 'MP' AND 'DE' IS 'ZERO' THEN 'Fechamento' IS 'FT' 38 24. IF 'ERRO' IS 'MP' AND 'DE' IS 'P' THEN 'Fechamento' IS 'FT' 25. IF 'ERRO' IS 'MP' AND 'DE' IS 'MP' THEN 'Fechamento' IS 'FT' Os significados das siglas são: MN : Muito Negativo N : Negativo Z : Zero P : Positivo MP : Muito Positivo FP : Fecha Pouco FN : Fecha Nada FM : Fecha Médio FMM : Fecha Médio Muito FT : Fecha Tudo As funções de pertinência para as variáveis erro e desvio do erro, são representadas respectivamente na FIGURA 5.10 e na FIGURA 5.11. Figura 23 Função de Pertinência: Erro 39 Figura 24 Função de Pertinência: Desvio do Erro 43 A função de pertinência da saída do controlador, no caso o fechamento da janela é representado na FIGURA 5.12. Figura 5.12 Função de pertinência: saída do controlador Após alguns testes para saber qual o melhor método de Deffuzificação que seria utilizado, chegou-se a conclusão que o método do centro de gravidade seria o mais adequado (FIGURA 5.13). Na formação das regras foi utilizado o conector e (AND) e como forma de implicação fez-se uso do operador mínimo (Minimum). 40 Figura 25 Método das regras 41 6. RESULTADOS No trabalho foram realizados diversos teste e simulações que tinham como objetivo obter o melhor resultado possível, que seria uma proximidade do pensamento de um operador humano. Foram feitas algumas versões do controlador fuzzy, com diferentes funções de pertinência, regras, métodos de deffuzificação e diferentes "ranges". Assim foi possível observar qual o melhor controlador iria obter maior sucesso. Na figura 6.1 está representado uma das funções de pertinência testadas, usou-se curvas triangulares e trapezoidais. Figura 26 Exemplo de função de pertinência testada Depois de alguns teste notou-se que pelo fato de o ambiente testado ser pequeno, o umidificador fazia com que a umidade aumentasse rapidamente, portanto o valor do erro muitas vezes ficava maior que 5 o que levou ao aumento no range do Erro. Ficando o range do erro entre -10 e +10. Notou-se também que o sistema não funcionava muito bem em dias chuvosos, pois a umidade relativa do ar era muito alta chegando até 90%, logo não foi possível manter um SetPoint abaixo desse valor. Um exemplo disso está representado na FIGURA 6.2, onde 42 tentou-se manter a umidade em 69% porém mesmo após 10 minutos de teste não foi possível, visto que a umidade dor ar estava em 69.6%. 45 Figura 27 Variação PV e SP Após os testes serem feitos, chegou-se a conclusão que a melhor função de pertinência seria em forma triangulares, como está representado na FIGURA 6.3. Além de obter um bom desempenho, a relação entre valores das variáveis de entrada (erro e desvio do erro) e a variável de saída (fechamento) sempre remete a um valor de saída (FIGURA 6.4). 43 Figura 28 Função de pertinência do erro 46 44 7. CONSIDERAÇÕES FINAIS No trabalho apresentado faz-se o uso da estratégia de controle fuzzy na automação de controle de uma célula em escala reduzida, tendo como objetivo o controle da umidade relativa do ar no ambiente e utilizando a ventilação natural para regular a massa de ar que entra no ambiente. A partir dos testes, viu-se que o controle da umidade em um ambiente pode ser controlado por esse controlador, conforme curva mostrada na FIGURA 7.1. Controle similar também ocorreu com o controle da temperatura desenvolvido por Rocha (2012), cujo resultado é mostrado na figura 7.2. Figura 29 Relação Umidade (PV) e SP em relação ao tempo Assim mostra-se possível um controle total do ambiente, umidade e temperatura. Apesar de ter algumas perdas de desempenho em alguns momentos os resultados foram aceitáveis. 45 Enfim, a partir das respostas positivas do controle de umidade e temperatura isoladamente, sugere-se como trabalhos futuros a junção no mesmo controlador dessas duas variáveis além de poder acrescentar a luminosidade ao projeto. 49 Figura 30 Relação Temperatura (PV) e SP em relação ao tempo 46 REFERÊNCIAS BIBLIOGRÁFICAS ADRIANO, P.P., Padronização da comunicação através da tecnologia OPC. São Paulo, SoftBrasil Atumação, 2004. AHLBORN. Almemo manual, for all almemo measuring instruments V5. Ahborn Meβ- und Regelungstechnik GmbH, 4th revised edition, Holzkirchen, Germany, 2003. AKROBIT. AMR WinControl user manul. Akrobit software Frank Schimidt & Dirk Sloboda, 2002. ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 15220: Desempenho térmico de edificações, Rio de Janeiro, 2005, 92 p. BRAGA, M.J.F., BARRETO, J.M., MACHADO, M.A.S., 1995, Conceitos da Matemática Nebulosa na Análise de Risco. Rio de Janeiro, Artes & Rabiscus apud SILVA, R. A. C. Inteligência artificial aplicada à ambientes de Engenharia de Software: Uma visão geral. Universidade Federal de Viçosa, 2005. CRUZ, L. F. Sistematizações da teoria fuzzy. Dissertação de Mestrado, Universidade Estadual Paulista. Rio Claro,
Compartilhar