NOVOS RESULTADOS SOBRE A ESTABILIDADE E CONTROLE DE SISTEMAS

NO-LINEARES UTILIZANDO MODELOS FUZZY E LMI

Marcelo Carvalho Minhoto Hilton Cleber Pietrobom**

Teixeira* hilton@ele.ita.cta.br
marcelo@dee.feis.unesp.br
Edvaldo Assuno*
edvaldo@dee.feis.unesp.br

*Universidade Estadual Paulista, DEE/FEIS/UNESP

CP 31, 15.385-000 Ilha Solteira SP Brasil
**Instituto Tecnolgico de Aeronutica, ITA/IEE/IEES
12.228-900 - So Jos dos Campos - SP

RESUMO So apresentadas condies relaxadas para o estu-
do da estabilidade de sistemas no-lineares, contnuos e discre-
tos no tempo, descritos por modelos fuzzy. Uma anlise terica
demonstra que o mtodo proposto fornece resultados melhores
ou iguais que os outros mtodos descritos na literatura. Simu-
laes digitais ilustram este fato. Estes resultados so tambm
utilizados no projeto de reguladores fuzzy. Para isso sistemas
no-lineares so representados pelos modelos fuzzy propostos
por Takagi-Sugeno. Alm disso, as anlises de estabilidade e
problemas de projetos de sistemas de controle so descritos co-
mo problemas de Desigualdades Matriciais Lineares (em ingls,
Linear Matrix Inequalities (LMI)), que podem ser resolvidos efi-
cientemente na prtica por tcnicas de programao convexa. As
tcnicas de projeto tambm permitem a especificao do transi-
trio atravs da taxa de decaimento e a especificao de restri-
es nos sinais de controle e nas sadas. O projeto e a simulao
do controle de um pndulo invertido ilustram o sistema de con-
trole estudado.
Keywords: Fuzzy control, nonlinear systems, stability, regula-
tors, LMIs.
ABSTRACT Relaxed conditions for the stability study of non-
linear, continuous and discrete-time systems given by fuzzy mo-
dels are presented. A theoretical analysis shows that the pro-
posed method provides better or at least the same results of the
methods presented in the literature. Digital simulations exem-
plify this fact. These results are also used for the fuzzy regulators
design. The nonlinear systems are represented by the fuzzy mo-
dels proposed by Takagi and Sugeno. The stability analysis and
the design of controllers are described by LMIs (Linear Matrix
Inequalities), that can be solved efficiently by convex program-
ming techniques. The specification of the decay rate, constraints
on control input and output are also described by LMIs. Finally,
0 Artigosubmetido em 07/12/1998
1a. Reviso em 23/04/1999; 2a. Reviso em 04/10/1999
Aceito sob recomendao da Eda. Consa. Profa. Dra. Sandra
Aparecida Sandri
the proposed design method is applied in the control of an inver-
ted pendulum.
1 INTRODUO
O primeiro passo no projeto de um sistema de controle a cons-
truo de um modelo verdadeiro do sistema dinmico que ser
controlado. O modelo verdadeiro ser utilizado nas simulaes
para verificar o desempenho do controlador projetado e deve in-
cluir todas as caractersticas relevantes do processo. Normal-
mente o modelo verdadeiro muito complicado para o projeto de
sistemas de controle. Assim, necessita-se de um modelo simpli-
ficado, denominado modelo de projeto, vide (Friedland, 1996)
para maiores detalhes. O modelo de projeto deve capturar as ca-
ractersticas essenciais do processo. A tcnica mais comum para
a obteno de um modelo de projeto para plantas no-lineares
sem dvida a linearizao da planta em um ponto de operao
de interesse. Com este mtodo o modelo de projeto em geral
um sistema linear invariante no tempo e o projeto de controla-
dores relativamente simples em muitos casos. Entretanto, este
modelo de projeto descreve bem a dinmica do sistema somen-
te em uma certa vizinhana em torno do ponto de operao no
qual o sistema foi linearizado. Assim, nos casos onde o sistema
pode operar em regies distantes do ponto de operao, este mo-
delo de projeto no , em geral, adequado. Neste caso deve-se
adotar um modelo de projeto mais sofisticado, que considere adi-
cionalmente a dinmica da planta em regies distantes do ponto
de operao mencionado. Uma possvel soluo para este pro-
blema a representao da planta no-linear por modelos fuzzy
Takagi-Sugeno (T-S) ou Takagi-Sugeno-Kang (T-S-K) (Takagi
and Sugeno, 1985), (Sugeno and Kang, 1988). A idia destes
modelos consiste da descrio aproximada de um sistema no-
linear como a combinao de um certo nmero de modelos li-
neares invariantes no tempo locais, que descrevem aproximada-
mente o comportamento deste sistema em diferentes pontos do
seu espao de estados. Desta forma, pode-se interpretar a tcni-
ca tradicional de linearizao em apenas um ponto de operao

Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 37
como um caso particular dos modelos fuzzy T-S-K, consistindo
apenas de um modelo local. Esta classe de modelos de proje-
to permite que o engenheiro utilize o seu conhecimento sobre
o sistema que vai ser controlado, na definio do nmero dos
modelos locais e dos pontos ou regies nas quais estes modelos
locais sero definidos.
O modelo global do sistema obtido atravs da combinao
fuzzy destes modelos lineares locais. A idia que para cada
modelo linear local seja projetado um controle de realimenta-
o linear. O controlador global resultante, que no-linear em
geral, uma combinao fuzzy de cada controlador linear indi-
vidual.
Mais significativamente, as anlises de estabilidade e o projeto
de controle so reduzidos a problemas descritos por LMIs (Boyd
et al., 1994). Numericamente, os problemas de LMIs podem ser
resolvidos muito eficientemente por meio de algumas ferramen-
tas poderosas disponveis na literatura de programao matem-
tica (Boyd et al., 1994). Portanto, a interpretao das anlises de
estabilidade e problemas de projeto de controle como problemas
descritos por LMIs equivalente a encontrar solues para os
problemas originais.
Durante a ltima dcada o controle fuzzy tem atrado grande
ateno e muitas aplicaes tm sido feitas, por exemplo, na
anlise de novos sistemas de controle para automveis (Will
et al., 1997) e controle de elevadores de alta velocidade (Tanaka,
Nishimura and Wang, 1998).
significa que S uma matriz simtrica positiva definida (semi-
definida), S > T (S  T) significa que S T > 0 (S T  0),
e W = 0 significa que W uma matriz nula, isto , seus ele-
mentos
Pr so todos iguais a zero. utilizada a seguinte notao:
i<j , que significa, para r = 3,
3
X
aij ,a 12 a
+ 13 + 23 a :
i<j
2 MODELO FUZZY TAKAGI-SUGENO
No mtodo de projeto proposto, uma dada planta no-linear
representada pelo modelo fuzzy Takagi-Sugeno (Takagi and Su-
geno, 1985). Este mtodo de modelagem fuzzy simples e natu-
ral. As dinmicas do sistema so capturadas por um conjunto de
implicaes fuzzy que caracterizam relaes locais no espao de
estados. A principal caracterstica de um modelo Takagi-Sugeno
a descrio das dinmicas locais de cada implicao fuzzy (re-
gra) por um modelo de sistema linear. O modelo fuzzy global do
sistema obtido pela combinao fuzzy dos modelos do sistema
linear.
Especificamente, o sistema fuzzy Takagi-Sugeno descrito pelas
regras fuzzy SE-ENTO, que representam localmente relaes
lineares entre a entrada e a sada de um sistema.
A descrio local da planta dinmica a ser controlada est dispo-
nvel nos termos dos modelos lineares locais:

A anlise da estabilidade de sistemas de controle fuzzy um Sistema Fuzzy Contnuo (SFC):

dos conceitos mais importantes em sistemas de controle fuzzy.
possvel projetar teoricamente um controlador fuzzy se for x_ (t) = Ai x(t) + Bi u(t);
disponvel um bom critrio para a anlise da estabilidade ade- y(t) = Ci x(t);
sendo i = 1; 2; : : : ; r, o vetor estado x(t) 2 R , o vetor entrada
quado a estes sistemas. Recentemente muitos esforos tm sido n

u(t) 2 R m , o vetor sada y(t) 2 R q , Ai 2 R nn , Bi 2 R nm

feitos nesta rea (Tanaka and Sugeno, 1992), (Tanaka and Sa-
no, 1994), (Cao et al., 1997b), (Cao et al., 1997a), (Tanaka, Ikeda
qn
and Wang, 1998). e Ci 2 R . A informao acima ento fundida com as
regras SE-ENTO disponveis, onde a i-sima regra pode ter a
Este artigo trata das questes de estabilidade e projeto de con- forma:
troladores fuzzy. So apresentados estudos e novas condies
suficientes sobre a estabilidade de sistemas fuzzy utilizando o
mtodo direto de Lyapunov, mais ralaxadas que aquelas existen-
tes at o momento. Regra i : SE z1 (t) Mi1 E ::: E zp (t) Mip ;

x_ (t) = Ai x(t) + Bi u(t)
ENTO (1)
Novos mtodos de projeto baseados em LMIs para reguladores y(t) = Ci x(t):
fuzzy so construdos usando a Compensao Distribuda Para-
lela (CDP) (Tanaka and Sugeno, 1992), (Wang et al., 1996) e as
novas condies para estabilidade. Exemplos de projeto para sis- Tem-se que Mij , j = 1; 2; : : : ; p o conjunto fuzzy j da regra
temas no-lineares demonstram a utilidade das novas condies i e z1 (t); : : : ; zp (t) so as variveis premissas. Seja ij (zj (t)) a
de estabilidade e os mtodos de projeto baseados em LMIs. funo de pertinncia do conjunto fuzzy Mij , e seja
A Seo 2 apresenta o modelo fuzzy proposto por Takagi- p
Y
Sugeno. A Seo 3 introduz o regulador fuzzy e suas questes wi (z(t)) = ij (zj (t)); z(t) = [z1(t) z2 (t) : : : zp (t)]:
de estabilidade utilizando o modelo fuzzy Takagi-Sugeno. So j =1
apresentados tambm novos resultados para a estabilidade e pro-
Como ij (zj (t))  0 tem-se, para i = 1; 2; : : : ; r,
jetos descritos por LMIs para reguladores fuzzy contnuos no
tempo, enfocando a estabilidade do sistema, a taxa de decaimen-
to e restries na entrada e sada de controle. apresentado um r
X
exemplo de aplicao. Na Seo 4 so discutidos os resultados wi (z(t))  0 e wi (z(t)) > 0:
apresentados. No Apndice so apresentados os novos resulta- i=1
dos obtidos para sistemas discretos no tempo.

Neste artigo, MT a transposta da matriz M, S > 0 (S  0) Uma escolha natural para a obteno de um modelo fuzzy
Takagi-Sugeno para sistemas no-lineares adotar z(t) = x(t),

38 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000
sendo x(t) o vetor de estado do sistema no-linear. Um exemplo um compensador para cada regra do modelo fuzzy. Para cada
na Seo 3.7 ilustra esta idia. regra, so utilizadas tcnicas de projeto de controle linear. O
controlador fuzzy global resultante, que no-linear em geral,
Desta forma, dado um par (x(t); u(t)), o sistema fuzzy resultan- uma combinao fuzzy de cada controlador linear individual.
te tido como a mdia ponderada dos modelos locais, e tem a A CDP oferece um procedimento para projetar um controlador
forma: para o modelo fuzzy Takagi-Sugeno, onde cada regra de con-
trole projetada a partir da correspondente regra de um modelo
Pr
Takagi-Sugeno da planta. O controlador fuzzy projetado com-
i z(t))(A x(t) + B u(t))
x_ (t) =
i=1 w (P i i partilha os mesmos conjuntos de regras com o modelo fuzzy nas
r
i=1 w i (z(t)) partes premissas. Para o modelo fuzzy (1), sendo i = 1; 2; : : : ; r,
Xr o regulador fuzzy via CDP tem a seguinte estrutura:
= i (z(t))(Ai x(t) + Bi u(t)) (2)
i=1 Regra i : SE z1 (t) Mi1 E ::: E zp (t) Mip ;
! !
Xr Xr ENTO u(t) = Fi x(t):
= i (z(t))Ai x(t) + i (z(t))Bi u(t)
i=1 i=1 Portanto, de forma anloga efetuada na obteno de (2), o con-
= A()x(t) + B()u(t): trolador fuzzy dado por
Pr
i=1 wi (z(t))Fi x(t)
O sistema no forado (u(t) = 0) definido como segue: u(t) = Pr
i=1 w (z(t))
i
Pr r
i=1 wi (z(t))Ai x(t) X
x_ (t) = Pr = i (z(t))Fi x(t)
i=1 w (z(t))
i (5)
r i=1
X
= i (z(t))Ai x(t): (3) = F()x(t):
i=1
O objetivo do projeto do regulador fuzzy determinar os ganhos
A sada para ambos os casos, forado e no forado, dada por de realimentao locais Fi nas partes conseqentes. Para a lei
Pr de controle (5), a equao (2) dada por (6) (Tanaka, Ikeda and
i=1 wi (z(t))Ci x(t)
y(t) = Pr Wang, 1998), tendo em vista (4):
i=1 w (z(t))
i
Xr Sistema Controlado Fuzzy Contnuo (SCFC):
= i (z(t))Ci x(t) r X
r
X
=
i=1
C()x(t):
x_ (t) = f g
i (z(t))j (z(t)) Ai Bi Fj x(t) (6)
i=1 j =1
Xr
Para i = 1; 2; : : : ; r; = 2i (z(t))Gii x(t) +
i=1
wi (z(t)) Xr 
Gij + Gji

i (z(t)) = Pr : i (z(t))j (z(t)) x(t);
i=1 w (z(t))
i +2
2
i<j

Note que, para i = 1; 2; : : : ; r;

r
X Gij
i (z(t))  0 e
i (z(t)) = 1:
i=1
Os modelos fuzzy Takagi-Sugeno tm sido teis na descrio
aproximada de sistemas no-lineares. Na Seo 3.7 este fato
ilustrado no controle de um pndulo invertido. bem conheci-
do que sistemas fuzzy aditivos F : R ! R , como o modelo
n p
fuzzy TSK, podem aproximar uniformemente qualquer funo
contnua f : U  R ! R em um domnio compacto (fe-
n p
chado limitado) U (Kosko, 1997). No caso do modelo fuzzy
TSK, quanto maior o nmero de modelos locais, melhor ser a
aderncia do modelo equao diferencial no-linear da planta.
3 PROJETO DE REGULADORES COM MO-
DELOS FUZZY TAKAGI-SUGENO
sendo
Ai Bi Fj :
=
(4)
3.1 Condies para a Estabilidade de Regu-
ladores Fuzzy
As condies suficientes para a estabilidade de sistemas fuzzy
contnuos e discretos no tempo so derivadas usando funes
Lyapunov quadrticas do tipo V (x(t)) = xT (t)Px(t) (Tanaka
and Sugeno, 1992). Os principais resultados para o SCFC es-
to descritos abaixo. No Apndice so apresentados resultados
similares para sistemas fuzzy discretos no tempo.
Lema 1 O ponto de equilbrio x = 0 do sistema fuzzy contnuo
descrito por (3) assintoticamente estvel globalmente se existe
uma matriz simtrica positiva definida comum P tal que

Utilizou-se o conceito de Compensao Distribuda Paralela ATi P + PAi < 0

(CDP) para projetar controladores fuzzy para estabilizar siste-
mas no-lineares descritos por modelos fuzzy. A idia projetar para i = 1; 2; : : : ; r; isto , para todos os subsistemas.

Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 39
Prova: Segue diretamente da aplicao da funo de Lyapunov simtrica positiva definida comum P e uma matriz simtrica se-
V (x(t)) = xT (t)Px(t). mipositiva definida comum Q tais que

Para a apresentao dos resultados para a estabilidade do sis- GTii P + PGii + (s 1)Q <0 (7)
tema forado, ser utilizada a definio do nmero de regras
ativas: o sistema fuzzy (6) possui r regras e para um certo para todo i = 1; : : : ; r e
z (t) = z0 o nmero de regras ativas igual ao nmero de ter-  
Gij + Gji T

Gij + Gji

mos 1 (z0 ); : : : ; r (z0 ) no nulos. Por exemplo, na Figura 1 P+P Q  0; i < j (8)
as regras ativas para z1 (t)  a, z1 (t) 2 (a; b), z1 (t) = b,
2 2

z1 (t) 2 (b; c), z1 (t) = c, z1 (t) 2 (c; d), z1 (t)  d so res- para todo i; j = 1; : : : ; r excetuando-se os pares (i; j ) tais que
pectivamente as regras 1; 1 e 2; 2; 2 e 3; 3; 3 e 4; 4. Assim o i (z(t))j (z(t)) = 0; 8z(t).
nmero de regras ativas menor ou igual a dois.
Prova: Vide (Tanaka, Ikeda and Wang, 1998).

3.2 Novos Resultados para a Estabilidade

6
 z 2 (z1 ) 3 (z1 ) 4 (z1 ) de Reguladores Fuzzy
1( 1)
1
A
A
A
Para analisar a estabilidade do sistema de controle fuzzy pre-
A
A
A
ciso encontrar uma matriz simtrica positiva definida comum P
A
A
A

A

A
A que satisfaa as condies de um dos Lemas 1-3. Portanto, quan-

A
A
A to mais conservativas forem as condies de estabilidade, mais

A
A
A difcil ser encontrar a matriz P, se no impossvel. Nesta seo
0
A
A
A - so obtidas novas condies de estabilidade, mais relaxadas que
a b c d z1 (t) as descritas na Seo 3.1. O Teorema 1 apresenta novas condi-
es para os sistemas contnuos no tempo.
Figura 1: Exemplo de um conjunto de 4 regras fuzzy:
1 (z1 (t)), 2 (z1 (t)), 3 (z1 (t)), 4 (z1 (t)) 2 [0; 1] e Teorema 1 Assuma que o nmero de regras que esto ativas
1 (z1 (t)) + 2 (z1 (t)) + 3 (z1 (t)) + 4 (z1 (t)) = 1: para todo t menor ou igual a s, sendo 1 < s  r. Considere
i; j = 1; : : : ; r, sendo i < j e defina
Observe que na Figura 1 (z1 (t))3 (z1 (t))
1, = Qj = GTjj P + PGjj ; (9)
1 (z1 (t))4 (z1 (t)) = 2 (z1 (t))4 (z1 (t)) = 0; 8 z1 (t) 2 R .    
Gij + Gji T Gij + Gji
A existncia deste fato tambm foi explorada no estudo da Qij = P+P ; (10)
estabilidade, como ser visto nos Lemas 2 e 3. 2 2
8
< 0; se i (z(t))j (z(t)) = 0; 8z(t);
Lema 2 O ponto de equilbrio x = 0 do sistema de controle Qtij = (11)
:
fuzzy contnuo descrito por (6) assintoticamente estvel glo- Q + Pij ; caso contrrio.
Qij
balmente se existe uma matriz simtrica positiva definida comum Ento, o ponto de equilbrio x = 0 do sistema de controle fuzzy
P tal que contnuo descrito por (6) assintoticamente estvel globalmente
GTii P + PGii < 0 se existe uma matriz simtrica positiva definida comum P, uma
matriz simtrica positiva semidefinida comum Q e matrizes si-
para todo i = 1; : : : ; r e mtricas semidefinidas positivas Pij tais que
    2
Gij + Gji T Gij + Gji Q1 + (s 1)Q Qt12 :::
2
P+P
2
 0; i < j 6 Qt12 Q2 + (s 1)Q :::
6
Qt = 6 .. .. ..
4
para todo i; j ; : : : ; r excetuando-se os pares (i; j ) tais que . . .
= 1
i (z(t))j (z(t)) = 0; 8z(t). Qt1r Qt2r :::
3
::: Qt1r
::: Qt2r 7
7
Prova: Segue diretamente do Lema 1. .. .. 7 < 0:
. . 5
Essas condies para estabilidade, em geral, so robus- : : : Qr + (s 1)Q
tas (Tanaka and Sano, 1994) e conservativas. Foram propostas (12)
em (Tanaka, Ikeda and Wang, 1998) novas condies relaxando
as condies descritas anteriormente.
Prova: Considere uma candidata a funo Lyapunov V (x(t)) =
xT (t)Px(t), onde P = PT > 0. De (6) e das condies (9) e
Lema 3 Assuma que o nmero de regras que esto ativas para (10) tem-se
todo t menor ou igual a s, sendo 1 < s  r. O ponto de equi- r
X
lbrio x = 0 do sistema de controle fuzzy contnuo descrito por V
_ (x( )) t = 2i (z(t))xT (t)Qi x(t) +
(6) assintoticamente estvel globalmente se existe uma matriz i=1

40 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000
 r
X sendo
+ 2 i (z(t))j (z(t))xT (t)Qij x(t) (13)
2 3
i<j (s 1)Q :::
Q Q
r
X 6 Q (s 1)Q : : : Q 7
= 2i (z(t))xT (t)Qi x(t) + Qt0 = 6
6 .. .. .. ..
7
7: (15)
4 . . . . 5
i=1
r
X Q Q ::: (s 1)Q
+2 i (z(t))j (z(t))xT (t)(Qij Q)x(t) +
i<j
r Agora ser demonstrado que, se r = s, ento Qt0  0 e desta
forma Qt0 pode ser removida para a obteno da condio Qt <
X
+2 i (z(t))j (z(t))xT (t)Qx(t):
i<j 0. Como Q = QT  0, ento existe L tal que Q = LT L. De
(15), obtm-se (16). Ento cada matriz do lado direito de (16)
No Corolrio 4 de (Tanaka, Ikeda and Wang, 1998) foi demons- semidefinida positiva e assim, Qt0  0, o que conclui a prova.
trado que
r
X r
X Observao 1 conveniente registrar que o caso r = s = 2
i (z(t))j (z(t))  0:
1
2i (z(t)) 2
i=1
s 1
i<j
o mais abordado nos exemplos de aplicao de sistemas de
controle com modelos TSK, por exemplo (Teixeira and Zak,
1999), (Tanaka, Ikeda and Wang, 1998), (Ma et al., 1998), (Cao
Desta forma, tendo em vista as equaes (11) e (13) , et al., 1997b), (Cao et al., 1997a).

r
X O teorema a seguir e o Exemplo 1 mostraro que os resultados
V_ (x(t))  2i (z(t))xT (t)(Qi + (s 1)Q)x( ) + t apresentados neste trabalho so mais gerais do que os dispon-
i=1 veis na literatura.
r
X
+2 i (z(t))j (z(t))xT (t)(Qij Q)x(t)
i<j Teorema 2 Se as condies do Lema 3 so satisfeitas, ento as
r
X condies do Teorema 1 tambm sero.
 2i (z(t))xT (t)(Qi + (s 1)Q)x( ) + t
i=1
r
X Prova: Das condies do Lema 3, equaes (9) e (10), ento
+2 i (z(t))j (z(t))xT (t)Qtij x(t) quando Qtij = Qij Q + Pij pode-se escolher Pij = Qij +
i<j Q  0. Ento, da equao (11), Qtij = 0;. Desta forma, de
=
T
x (t)[1 I 2 I : : : r I] (12),
2 2
Q1 + (s 1)Q Qt12 ::: Q1 + (s 1)Q 0 :::
6 Qt12 Q2 + (s 1)Q : : : 6 0 Q2 + (s 1)Q :::
:6
6 .. .. .. Qt 6
=6 .. .. ..
4 . . . 4 . . .
Qt1r Qt2r ::: 0 0 :::
32 3
::: Qt1r 1 I 3
::: Qt2r 76 2 I 7 ::: 0
76 7
.. .. 76 .. 7 x(t); ::: 0 7
7
. . 54 . 5 .. .. 7 <0
5
: : : Qr + (s 1)Q r I . .
nn
: : : Qr + (s 1)Q
sendo I a matriz identidade, I 2 R . Ento, da equao (12),
V_ (x(t)) < 0 para x(t) 6= 0. e a prova est concluda.

Corolrio 1 Se r = s, ento pode-se adotar Q = 0 nas condi- Observao 2 O resultado descrito no Corolrio 1 resulta em
es do Teorema 1. simplificao das LMIs propostas no Teorema 1. Estas simpli-
ficaes no produzem um ganho significativo no procedimen-
Prova: Como s=r, ento existe z(t) tal que todas as r regras esto to numrico da soluo das LMIs consideradas. As justificati-
ativas, ou seja, vas para a apresentao deste Colorrio, foi a demonstrao
que para r = s o mtodo proposto no necessita da varivel
Q, sendo que esta varivel foi acrescentada seguindo as idi-
i (z(t))j (z(t)) 6= 0; 8 i; j = 1; 2; : : : ; r: as expostas em (Tanaka, Ikeda and Wang, 1998). Assim, para
r = s, o mtodo proposto totalmente independente dos re-
Nesta situao, de (11) e (12) tem-se sultados expostos em (Tanaka, Ikeda and Wang, 1998). Estas
2 3
Q1 Q12 + P12 : : : Q1r + P1r observaes so vlidas para o caso discreto apresentado no
6 Q12 + P12 Q2 : : : Q2r + P2r 7
0 Apndice, trocando-se Q por Y.
Qt = 6
6 .. .. .. ..
7
7 + Qt ;
4 . . . . 5
Q1r + P1r Q2r + P2r : : : Qr Os exemplos a seguir comparam o critrio de estabilidade pro-
(14) posto neste trabalho com o proposto em (Tanaka, Ikeda and

Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 41
 2 3 2 3 2 3
Q Q 0 0 ::: 0 Q 0 Q 0 ::: 0 Q 0 0 0 ::: Q
6 Q
6 Q 0 0 ::: 0 7 6
7 6 0 0 0 0 ::: 07
7
6
6 0 0 0 0 ::: 0 7
7
6 0 0 0 0 ::: 6 Q
0 7 6
7 0 Q 0 ::: 07 7 6 0 0 0 0 ::: 0 7
Qt0 =
6
6 0 0 0 0 ::: 0 7+6 0 0 0 0 ::: 0 7+ : : : +
6
6 0 0 0 0 :::
7
0 7
6 7 6 7 6 7
6 .. .. .. .. .. .. 7 6 .. .. .. .. .. .. 7 6 .. .. .. .. .. .. 7
4 . . . . . . 5 4 . . . . . . 5 4 . . . . . . 5
0 0 0 ::: 0 0 0 0 0 0 ::: 0 Q 0 0 0 ::: Q
2 3 2 3 2 3
0 0 0 0 ::: 0 0 0 0 0 ::: 0 0 0 ::: 0 0 0
60
6 Q Q 0 ::: 07
7
60
6 Q 0 0 ::: Q7
7
60
6 0 ::: 0 0 0 7
7
60
6 Q Q 0 ::: 0 7
7
60
6 0 0 0 ::: 0 7
7
6.
6.
.. .. .. .. .. 7
: : : 7 + : : : + 6. . . . . . 7
+ 60 0 0 0 ::: 0 7 + + 60 0 0 0 ::: 0 7
6
6. .. .. .. ..
7
.. 7
6
6. .. .. .. .. ..
7
7
60
6 0 ::: 0 0 0 7
7
4 .. . . . . .5 4 .. . . . . . 5 40 0 ::: 0 Q Q5
0 0 0 0 ::: 0 0 Q 0 0 ::: Q 0 0 ::: 0 Q Q
    T
Q Q LT LT
e
Q Q
=
LT LT
: (16)

Wang, 1998). Para os dois exemplos abaixo, os ganhos de re-

alimentao F1 e F2 , para cada valor de a e b, so determinados
selecionando-se [ 2 2] como autovalores para os dois mode-
los locais na CDP no caso contnuo e [1=2 1=2] no caso discre-
to. As LMIs foram solucionadas com o software LMISol, vide
(Oliveira et al., 1997). As Figuras 2 e 3 mostram as reas fact-
veis para o caso contnuo e discreto, respectivamente.

Exemplo 1: Caso Contnuo

Considere o SFC onde r = s = 2. Neste caso utilizou-se os

resultados do Corolrio 1.
80
   
2 10 1
A1 =
1 0
; B1 = 0
; 60

    40

A2 =
a 10
; B2 = b :
1 3 0 20
a

0
A Fig. 2 mostra a rea factvel para os dois mtodos, variando-se
a e b na regio coberta pela figura. 20

Exemplo 2: Caso Discreto

40

Considere o SFD onde r = s = 2. Neste caso utilizou-se os

60
resultados do Corolrio 2 (vide Apndice).
    80
2 10 1
A1 = ; B1 = ;
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5

1 0 0
b

   
A2 =
a 10
; B2 = b : Figura 2: rea factvel do mtodo proposto em (Tanaka, Ike-
1 0 65 ; 0 da and Wang, 1998) indicada por () e rea factvel do m-
todo proposto neste artigo indicada por (
).
A Fig. 3 mostra a rea factvel para os dois mtodos, variando-se
a e b na regio coberta pela figura.
observado nestas figuras que as condies apresentadas
por (Tanaka, Ikeda and Wang, 1998) levam a resultados mais
conservativos para ambos os casos contnuo e discreto pois sua
rea factvel menor. Estes resultados, aliados aos Teoremas 2 e
4, mostram que os critrios de estabilidade propostos neste tra-
balho so mais gerais do que os apresentados em (Tanaka, Ikeda
and Wang, 1998).

42 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000
 50 As condies acima so LMIs que devem ser aplicadas quando
40
r 6= s. Quando r = s, levando-se em conta os resultados do Co-
rolrio 1, pode-se por simplicidade utilizar as mesmas condies
30 descritas acima, considerando-se Y = 0.
20

10
3.4 Taxa de Decaimento
importante considerar no somente a estabilidade, mas tam-
a

0
bm outros desempenhos do sistema controlado tais como velo-
10
cidade de resposta, restries no controle da entrada e sada. A
20 velocidade de resposta est relacionada com a taxa de decaimen-
to, isto , o maior expoente Lyapunov.
30
Do Teorema 1, para uma candidata da funo Lyapunov
40
V (x(t)) = xT (t)Px(t) ento V_ (x(t)) < 0 se Qt < 0, sendo
50
0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
Qt dada em (12). Agora, utilizando-se o resultado da equao
b (4) tem-se que
2 32 3
Figura 3: rea factvel do mtodo proposto em (Tanaka, Ike- P P ::: P 1 I
da and Wang, 1998) indicada por () e rea factvel do m- 6 P P ::: P 76 2 I 7
todo proposto neste artigo indicada por (
).
P = [1 I 2 I : : : r I] 6
6 . .. ..
76
.. 7 6 ..
7
7:
4 . . . . . 54 . 5
P P ::: P r I
3.3 Novos Resultados para o Projeto de Re-
guladores Fuzzy Utilizando LMIs Logo, a condio que V_ (x(t))  2 V (x(t)) (Tanaka, Ikeda
and Wang, 1998) para toda trajetria satisfeita para
Para as novas condies de estabilidade propostas neste trabalho, 2 3
o problema de projeto para determinar os ganhos de realimenta- P P ::: P
o Fi , para i = 1; : : : ; r, pode ser definido por meio de LMIs 6 P P ::: P 7
como segue: Qt + 2 6
6 . .. ..
7
.. 7 < 0;
4 . . . . . 5
Encontre X, Y, Pij e Mi para i; j = 1; 2; : : : ; r, sendo i < j, P P ::: P
satisfazendo X > 0, Y  0, Pij  0 e
ou seja
2 3
C11 C12 : : : C1r 2
Q1 + (s 1)Q + 2 P Qt12 :::
6
6 C12 C22 : : : C2r 7
7 6 Qt Q2 + (s 1)Q + 2 P : : :
6 .. .. .. .. 7 < 0; (17) 6
6
12
4 . . . . 5 .. .. ..
4 . . .
C1r C2r : : : Crr Qt Qt2r :::
1r
3
sendo ::: Qt1r
::: Qt 2r
7
7
Cjj = Aj X Bj Mj + XATj MTj BTj + (s 1)Y ; .. .. 7 < 0; (18)
. . 5
8 : : : Qr + (s 1)Q + 2 P
>
> 0; se i (z(t))j (z(t)) = 0; 8z(t);
>
>
< sendo
Cij 1
Ai X Bi Mj + Aj X Bj
Mi + XATi + 8
=
>
>
2
MTj BTi + XATj MTi BTj Y + Pij ; < 0; se i (z(t))j (z(t)) = 0; 8z(t);
Qtij
>
>
: =
caso contrrio: :
Qij Q + Pij + 2 P; caso contrrio
As condies acima so LMIs com respeito s variveis X, Y, e > 0. Portanto, o maior limite inferior para a taxa de decai-
Pij e Mi e so obtidas diretamente do Teorema 1. Pode-se en- mento que pode ser encontrado usando uma funo Lyapunov
contrar uma matriz simtrica positiva definida X, uma matriz quadrtica obtido resolvendo-se o seguinte problema de otimi-
simtrica semidefinida positiva Y, matrizes simtricas semide- zao dos autovalores generalizado (GEVP) (Boyd et al., 1994)
finidas positivas Pij e Mi satisfazendo as LMIs ou determinar em P e :
que X, Y, Pij e Mi no existem. Este um problema de fac-
tibilidade. Se existe soluo, os ganhos de realimentao Fi , Maximize e encontre X, Y, Pij , M1 ; : : : ; Mr sujeito a X > 0,
uma P comum e uma Q comum podem ser obtidas da seguinte Y  0, Pij  0 e
2 3
forma:
C011 C012 : : : C01r
6 C012 C022 : : : C02r 7
P = X 1 ; Fi = Mi X 1
e Q = PYP; 6
6 .. .. ..
7
7 < 0; (19)
4
.. 5
. . . .
a partir das solues X, Y e Mi . C01r C02r : : : C0rr
Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 43
sendo 3.7 Exemplos de Aplicao
C0jj = Aj X Bj Mj + XATj MTj BTj +( s 1)Y + 2 X; Considere o problema do equilbrio e balano de um pndulo
8 invertido sobre um carro. As equaes de movimento para o
>
> 0; se i (z(t))j (z(t)) = 0; 8z(t); pndulo invertido, de acordo com (Ma et al., 1998), so
>
>
<
C0ij Ai X Bi Mj + Aj X B T x_ 1 = x2

j Mi + XAi +
1
=
>
>
2
T T T T
Mj Bi + XAj Mi Bj T Y + 2 X + Pij ; ; 10
>
> x_ 2 = [ f (M + m)x2
:
caso contrrio: [(M + m)(J + ml 2 ) m2 l2 cos2 x1 ] 1
m2 l2x22 (sen x1 ) cos x1 + f0 mlx4 cos x1 +
Novamente, os ganhos de realimentao Fi , uma P comum e +(M + m)mgl sen x1 ml(cos x1 )u] (24)
uma Q comum podem ser obtidas da seguinte forma: x_ 3 = x4
1;0
P = X 1 ; Fi = Mi X 1
e Q = PYP; x_ 4 = [f mlx cos x1
[(M + m)(J + ml 2 ) m2 l2 cos2 x1 ] 1 2
a partir das solues X, Y e Mi . +(J + ml )mlx2 sen x1 f0 (J + ml2 )x4 +
2 2

m2 gl2 (sen x1 ) cos x1 + (J + ml2 )u]

3.5 Restrio da Entrada
sendo que x1 o ngulo (rad) do pndulo com relao ao eixo
Assuma que a condio inicial x(0) conhecida. A restrio vertical, x2 a velocidade angular (rad/s), x3 o deslocamento
k u(t) k2   imposta para todo tempo t  0 se as LMIs (m) do carro, e x4 a velocidade (m/s) do carro, g=9,8 m=s2
a acelerao da gravidade, m a massa (kg) do pndulo, M
 
x(0)T a massa (kg) do carro, f0 o coeficiente de atrito (N/(m/s)) do
x(0)
1
X
0 (20) carro, f1 o coeficiente de atrito (N/(rad/s)) do pndulo, l o
comprimento (m) do centro de massa da haste at a sua base,
e   J o momento de inrcia (kgm2 ) do pndulo em torno do seu
X MTi
Mi 2 I
0 (21) centro de massa, e u a fora (N) aplicada no carro. Escolheu-
se M=1,3282 kg, m=0,22 kg, f0 =22,915 N/(m/s), f1 =0,007056
forem satisfeitas (vide (Boyd et al., 1994) e (Tanaka, Ikeda and N/(rad/s), l=0,304 m, J=0,004963 kgm2 .
Wang, 1998)), sendo X = P 1 e Mi = Fi X.
Para projetar o controlador fuzzy deve-se ter um modelo fuzzy
Um problema de projeto de reguladores fuzzy estveis satisfa- que represente as dinmicas da planta no-linear. Portanto,
zendo a restrio da entrada pode ser definido como segue: primeiro representa-se o sistema pelo modelo fuzzy Takagi-
Sugeno. Aqui aproximou-se o sistema atravs das seguintes duas
Encontre X, Y, Pij e Mi para i; j = 1; 2; : : : ; r, sendo i < j , regras do modelo fuzzy, como efetuado em (Ma et al., 1998):
satisfazendo X > 0, Y  0 (se r 6= s), Pij  0, (17), (20) e
(21). Regra 1 (P lanta) : SE x1 (t) est em torno de 0;

x_ (t) = A1 x(t) + B1 u(t)
Para ambos os casos contnuo e discreto (veja Apndice), se r = ENTO
y(t) = C1 x(t):
s, pelos Corolrios 1 e 2, pode-se adotar Y = 0.
Regra 2 (P lanta) : SE x1 (t) est em torno de

 =3;
x_ (t) = A2 x(t) + B2 u(t)
3.6 Restrio da Sada ENTO
y(t) = C2 x(t):
Assuma que a condio inicial x(0) conhecida. A restrio
k y(t) k2   imposta para todo tempo t  0 se as LMIs A lei de controle resultante
 
x(0)T Regra 1 (Controlador): SE x1 (t) est em torno de 0;
x(0)
1
X
0 (22)
ENTO u(t) = F1 x(t):
e  
Regra 2 (Controlador): SE x1 (t) est em torno de  =3;
X XCTi ENTO u(t) = F2 x(t);
Ci X 2 I
0 (23)
sendo
forem satisfeitas (vide (Boyd et al., 1994) e (Tanaka, Ikeda and 2 3 2 3
Wang, 1998)), sendo X = P 1 . ;
00 10 ; ; 0;0
00 ;
00

A1 = 64 a021 a22 0;0 a24 b2

6 7 6 7
Um problema de projeto de reguladores fuzzy estveis satisfa- ;0 0;0 0;0 1;0
7;
5 B1 = 64 0;0
7;
5
zendo a restrio da sada pode ser definido como segue: a41 a42 0;0 a44 b4
 
Encontre X, Y, Pij e Mi para i; j = 1; 2; : : : ; r, sendo i < j , C1 = ;
; 0;0 ;
00 ;
00 10
satisfazendo X > 0, Y  0 (se r 6= s), Pij  0, (17), (22) e
(M + m)mgl f (M + m) f ml
(23). a21 = ; a22 = 1 ; a24 = 0 ;
a a a
Para ambos os casos contnuo e discreto (veja Apndice), se r = m2 gl2 f1 ml f0 (J + ml2)
s, pelos Corolrios 1 e 2, pode-se adotar Y = 0. a41 = ; a42 = ; a44 = ;
a a a
44 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000
 ml J + ml2
; b4 =
b2 = ; obtidos. Para efeito de comparao a Fig. 4 apresenta tambm
a a outros resultados de simulaes referentes aos prximos exem-
a = (M + m)(J + ml2 ) m2 l2; plos.

Exemplo 4 - Taxa de Decaimento: Pode ser visto no Exemplo 3

2 3 2 3 que o tempo de estabilizao do sistema t  = 6s. Na prtica,
00 ; 1;0 00; 0;0 ;
00
6 a0 a022 ; a024 7 6 b02 7 importante especificar a resposta transitria. O problema de
A2 = 6 21
4 0;0 0;0
00
0;0 1;0 5
7 ; B2 = 6
4 0;0
7;
5 projeto que considera a taxa de decaimento neste caso definido
a041 a042 0;0 a044 b04
como segue:
  Maximize e encontre X, P12 , M1 e M2 sujeito a X >
C2 = 0;0 0;0 1;0 0;0 ;
P12  0 e (19), sendo Y = 0.
0,

p
3 (M + m)mgl f (M + m)
a021 = ; a022 = 1 0
3
; Quando = 1;5 < max , obtm-se pelo LMISol as matrizes
 a0
2
p 2 2a X, P12 , M1 e M2 que solucionam as LMIs acima. Ento foram
f ml cos(=3) 0 3 3 m gl cos(=3)
a024 = 0 0 ; a41 = ; obtidas as matrizes do controlador:
a 2 a0  
F1 = ;
1587 4244 ;
315 4873 ;
466 1611 ;
413 3526 ;
f ml cos(=3) 0 f (J + ml2)
a042 = 1 0 ; a44 = 0 0 ;  
a a F2 = ;
2874 8561 ;
572 7537 ;
846 8954 ;
732 0994 :
ml cos(=3) 0 J + ml2
b02 = ; b4 = ; As linhas contnuas na Fig. 4 mostram as respostas de x1 (t) e
a0 a0
u(t), sendo que o tempo de estabilizao t 
= 2;7s. O controla-
a0 = (M + m)(J + ml2) m2 l2 [cos(=3)]2 : dor projetado diminuiu o tempo de estabilizao do sistema, mas
exigiu uma alta amplitude da entrada de controle.
Um procedimento metdico para a determinao dos modelos
locais apresentado em (Teixeira and Zak, 1999). Neste exemplo no foi utilizado max = 2;03 pois os ganhos
de realimentao obtidos neste caso praticamente no so im-
As funes de pertinncia para as regras da planta 1 e 2 so res- plementveis.
pectivamente:
1 (x1 (t)) = Exemplo 5 - Taxa de Decaimento+Restrio na Entrada de Con-
   trole: Pode ser verificado no Exemplo 4 que maxt k u(t) k2 =
;
1 0 ;
1 0
2704;01. Na prtica existe uma limitao da entrada de controle.
;
1 0
;
1 0+ e 7;0[x1 (t) =6] ;
1 0+ e 7;0[x1 (t)+=6]
importante considerar no somente a taxa de decaimento mas
e tambm a restrio na entrada de controle. O problema de pro-
2 (x1 (t)) = 1 1 (x1 (t)): jeto que considera a taxa de decaimento e a restrio na entrada
de controle definido como segue:
Como r = s = 2, os projetos descritos a seguir consideram
Maximize e encontre X, P12 , M1 e M2 sujeito a X > 0,
P12  0, (19), (20) e (21), sendo Y = 0,  = 200 e x(0) =
os resultados do Corolrio 1. Estes projetos foram realizados
utilizando o software LMISol (Oliveira et al., 1997). Todas si-
[0;96 0 0 0]T .
mulaes apresentadas nos prximos exemplos empregaram o
modelo no-linear do pndulo descrito em (24) e foram feitas Note que 0;96 rad corresponde a 55 .
com o MATLAB.
Quando = max = 0;85, a partir das matrizes obtidas pelo
Exemplo 3 - Estabilidade: Primeiro projetou-se um regula- LMISol foram calculadas as matrizes do controlador:
dor fuzzy estvel considerando-se a taxa de decaimento nula,  
utilizando-se os resultados descritos na Seo 3.3, para o SCFC. F1 = 100 4075; ;
19 4875 ;
12 0272 ;
36 3688 ;
O problema de projeto do sistema fuzzy contnuo neste caso  
definido como segue:
F2 = 191 6522; ;
38 7406 ;
23 0668 ;
49 0006 :

Encontre X, P12 , M1 e M2 sujeito a X > 0, P12  0 e (17), A linha pontilhada na Fig. 4 mostra a resposta x1 (t) e u(t), onde
sendo Y = 0. o tempo para estabilizar o sistema t  = 4;3s. O controlador
projetado tambm realizou a restrio da entrada pois maxt k
O software LMISol forneceu as matrizes X, P12 , M1 e M2 que u(t) k2= 180;03 < .
solucionam as LMIs acima. Ento foram obtidas as matrizes do
controlador (F1 = M1 X 1 , F2 = M2 X 1 ): Exemplo 6 - Estabilidade+Restrio na Entrada de Controle:
  Tambm possvel projetar um regulador fuzzy estvel satis-
F1 = 96 4207 ; ;
16 0122 ;
4 8356 ;
32 6352 ; fazendo a restrio da entrada de controle, para a restrio na
  entrada  = 200 e x(0) = [0;96 0 0 0]T .
F2 = 153 5370 ; ;
25 9934 ;
7 8314 ;
38 5572 :
Encontre X, P12 , M1 e M2 sujeito a X > 0, P12  0, (17),
Para ilustrar a validade da lei de controle projetada, que visou (20) e (21), sendo Y = 0,  = 200 e x(0) = [0;96 0 0 0]T .
apenas a estabilidade, foi feita a simulao digital do sistema A soluo encontrada foi
original (24) com a lei de controle (5) para r = 2, empregan-  
do F1 e F2 projetados acima. A Fig. 4 apresenta os resultados F1 = ;
68 3823 ;
13 2795 ;
9 0490  10 6
;
25 5947 ;
Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 45
 1 8

6
x1 (t) (rad)

0.5

x3 (t) (m)
4
0

2
0.5
0
1
0 1 2 3 4 5 6
2
Tempo (s) 0 5 10 15
Tempo (s)
3000
200
2000
u(t) (N)

u(t) (N)
100
1000

0 0

0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5
Tempo (s)
100
0 5 10 15

Figura 4: Respostas de x1 (t) e u(t) para condio inicial

Tempo (s)
x(0) = [0;96 0 0 0]T e considerando-se os casos: apenas esta- Figura 5: Respostas de x3 (t) e u(t) para condio inicial
bilidade (linha tracejada); apenas taxa de decaimento (linha
x(0) = [0;96 0 0 0]T e considerando-se os casos: estabili-
contnua); taxa de decaimento e restrio na entrada (linha
dade e restrio na entrada (linha tracejada); estabilidade,
pontilhada).
restrio na entrada e restrio na sada (linha contnua).

 
F2 = ;
106 1515 ;
21 5707
1 3709
A linha tracejada na Fig. 5 mostra as respostas de x3 (t) e u(t).
Pode ser verificado nesta figura que maxt k u(t) k2 = 101;47 <
.
A varivel x3 (t) possui um tempo de estabilizao muito superi-
or a 15 s. Esse tempo no mostrado na Fig. 5, sendo mostrado
na figura apenas o valor mximo que x3 (t) atinge.
Exemplo 7 - Estabilidade+Restrio na Entrada de Contro-
le+Restrio na Sada de Controle: A resposta do sistema de
controle no Exemplo 6 tem um grande valor de sada (maxt k
x3 (t) k2= 7;65) visto que a restrio na sada no considerada
no projeto de regulador fuzzy. Para melhorar a resposta, pode-se
projetar um regulador fuzzy adicionando-se a restrio na sada.
Encontre X, P12 , M1 e M2 sujeito a X > 0, P12  0, (17),
(20), (21) e (23), sendo Y = 0,  = 200,  = 3;6 e x(0) =
[0;96 0 0 0]T .
A soluo obtida foi
 
F1 = 107 5916 ; ;
21 3158
;
 10 5
;
27 0206 : 4 CONCLUSES
Este trabalho apresentou novas condies para o estudo da es-
tabilidade e projeto de reguladores, adequadas a sistemas no-
lineares descritos por modelos fuzzy de Takagi-Sugeno. Os no-
vos resultados concebidos permitem uma descrio direta em
termos de LMIs e desta forma, podem ser facilmente resolvidas
com softwares que solucionam problemas de programao semi-
definida, que apresentam caracterstica polinominal de conver-
gncia (Boyd et al., 1994). No projeto de reguladores fuzzy abor-
dado possvel especificar alm da estabilidade, a taxa de decai-
mento, restries na entrada e na sada. So apresentadas provas
tericas e simulaes digitais para validar os mtodos propostos
e finalmente, o controle completo de um pndulo invertido.
Um prosseguimento natural deste trabalho o projeto de obser-
vadores e de reguladores com observadores, com condies mais
relaxadas do que as descritas na literatura. Atualmente os auto-
res deste trabalho j esto estudando este problema.
AGRADECIMENTOS
Os autores agradecem aos revisores annimos pelos comentrios
teis e construtivos e tambm FAPESP e ao CNPq pelo apoio
;
22 7633 36 7818; ; financeiro na execuo deste trabalho.

  Referncias
F2 = 178 0852 ; ;
36 1143 ;
40 4190 45 9869; :
Boyd, S., El Ghaoui, L., Feron, E. and Balakrishnan, V. (1994).
Linear Matrix Inequalities in Systems and Control Theory,
A linha contnua na Fig. 5 mostra a resposta de x3 (t) e u(t). SIAM Studies in Applied Mathematics, USA.
Note que a resposta do sistema de controle satisfaz as restries
maxt k u(t) k2= 167;90 <  e maxt k x3 (t) k2 = 1;88 < . Cao, S. G., Rees, N. W. and Feng, G. (1997a). Further Re-
sults About Quadratic Stability of Continuous-Time Fuzzy
Em outras simulaes, com condio inicial x(0) = Control Systems , International Journal of Systems Science
[0 x2 (0) 0 0]T e ainda com o mesmo controlador, foi verificado 28(4): 397404.
que o sistema assintoticamente estvel para 5;5  x2 (0) 
5;5 . Cao, S. G., Rees, N. W. and Feng, G. (1997b). Lyapunov-
Like Stability Theorems for Discrete-Time Fuzzy Con-
Os resultados das simulaes dos exemplos acima atestam o bom trol Systems , International Journal of Systems Science
desempenho dos sistemas de controle projetados. 28(3): 297308.

46 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000
Friedland, B. (1996). Advanced Control Systems Design, (Tanaka, Ikeda and Wang, 1998):
Prentice-Hall, New Jersey 07632.
r
X
Kosko, B. (1997). Fuzzy Engineering, Upper Saddle River, New x(t + 1) = i (z(t))(Ai x(t) + Bi u(t)) =
Jersey 07458: Prentice-Hall, USA. i=1
= A()x(t) + B()u(t); (25)
Ma, X. J., Sun, Z. Q. and He, Y. Y. (1998). Analysis and Design r
X
of Fuzzy Controller and Fuzzy Observer, IEEE Transacti- y(t) = i (z(t))Ci x(t) = C()x(t): (26)
ons on Fuzzy Systems 6(1): 4151. i=1

Oliveira, M. C., Farias, D. P. and Geromel, J. C. (1997). LMISol, sendo que foi utilizada a notao x(t) = x(KT ) e x(t + 1) =

Users guide, UNICAMP, Campinas-SP, Brasil. x(KT + T ), T o perodo de amostragem, e i (z(t)), i =

1; 2; : : : ; r satisfazem (4).
Pietrobom, H. C. (1999). Controle de Sistemas No-lineares
Utilizando-se a lei de controle (5), sendo que u(t) representa
Baseados em LMI Utilizando Modelos Fuzzy, Faculdade
u(KT ), de (25) obtm-se:
de Engenharia de Ilha Solteira - UNESP, Ilha Solteira-SP.
Tese de Mestrado.

Sugeno, M. and Kang, G. T. (1988). Structure Identification of r

X
Fuzzy Model , Fuzzy Sets and Systems 28: 1533. x(t + 1) = 2i (z(t))Gii x(t) + (27)
i=1
r  
Takagi, T. and Sugeno, M. (1985). Fuzzy Identification of X Gij + Gji
Systems and Its Applications to Modeling and Control, +2 i (z(t))j (z(t)) x(t);
2
IEEE Transactions on Systems, Man, and Cybernetics i<j
15(1): 116132. sendo
Tanaka, K., Ikeda, T. and Wang, H. O. (1998). Fuzzy Regu- Gij = Ai Bi Fj :
lators and Fuzzy Observers: Relaxed Stability Conditions
and LMI-Based Designs, IEEE Transactions on Fuzzy Sys- As condies mais gerais, disponveis na literatura, objetivando
tems 6(2): 250265. o projeto de reguladores fuzzy para sistemas discretos no tempo
foram propostas por (Tanaka, Ikeda and Wang, 1998):
Tanaka, K., Nishimura, M. and Wang, H. O. (1998). Multi-
Objective Fuzzy Control of High Rise/High Speed Ele-
Lema 4 Assuma que o nmero de regras que esto ativas para
todo t menor ou igual a s, sendo 1 < s  r. O ponto de equi-
vators Using LMIs, Proceedings of the American Control
Conference, Philadelphia, PA, pp. 34503454.
lbrio x = 0 do sistema de controle fuzzy discreto descrito por
Tanaka, K. and Sano, M. (1994). A Robust Stabilization Problem (27) assintoticamente estvel globalmente se existe uma ma-
of Fuzzy Control Systems and Its Application to Backing triz simtrica positiva definida comum P e uma matriz simtrica
up Control of a Truck-Trailer, IEEE Transactions on Fuzzy semipositiva definida comum Q tais que
Systems 2(2): 119134.
GTii PGii P + (s 1)Q <0 (28)
Tanaka, K. and Sugeno, M. (1992). Stability Analysis and De-
sign of Fuzzy Control Systems, Fuzzy Sets and Systems para todo i = 1; : : : ; r e
45(2): 135156.    
Gij + Gji T Gij + Gji
P P Q  0; i < j; (29)
Teixeira, M. C. M. and Zak, S. H. (1999). Stabilizing Controller 2 2
Design for Uncertain Nonlinear Systems Using Fuzzy Mo-
dels , IEEE Transactions on Fuzzy Systems 7(2): 133142. para todo i; j = 1; : : : ; r excetuando-se os pares (i; j ) tais que
i (z(t))j (z(t)) = 0; 8z(t).
Wang, H. O., Tanaka, K. and Griffin, M. F. (1996). An Ap-
proach to Fuzzy Control of Nonlinear Systems: Stability
O Teorema 3 apresenta novas condies para o projeto de regu-
and Design Issues, IEEE Transactions on Fuzzy Systems
ladores fuzzy para sistemas discretos no tempo.
4(1): 1423.

Will, A. B., Teixeira, M. C. M. and Zak, S. H. (1997). Four Teorema 3 Assuma que o nmero de regras que esto ativas
Whell Steering Control Systems Design Using Fuzzy Mo- para todo t menor ou igual a s, sendo 1 < s  r. Considere
dels, Sixth IEEE Conference on Control Aplications, Hart- i; j = 1; : : : ; r, sendo i < j e defina
ford CT USA, pp. 7378.

Mjj = Gjj = Aj Bj Fj ; (30)

APNDICE A: REGULADORES FUZZY PARA
Gij + Gji Ai Bi Fj + Aj Bj Fi
SISTEMAS DISCRETOS NO TEMPO Mij = = ; (31)
2 2
 T 
Rij Wij
De forma anloga efetuada na Seo 2, pode-se representar sis-
temas discretos no tempo no-lineares por modelos fuzzy TSK Tij =
Wij Sij
 0; (32)

Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000 47
  
X (s 1)Y XMTjj As condies acima seguem diretamente do Teorema 3.
Njj = e (33)
Mjj X X
8 Se existe soluo, os ganhos de realimentao Fi e uma P co-
>
>
<
0; se i (z(t))j (z(t)) = 0; z(t); 8 mum podem ser obtidos da seguinte forma:
Nij =  X + Y R XMT WT 
>
>
:
ij ij ij ; caso contrrio. P = X 1 ; e Fi = Mi X 1 ;
Mij X Wij X Sij
(34) a partir das solues X e Mi .

Ento, o ponto de equilbrio x = 0 do sistema de controle As condies acima so LMIs que devem ser aplicadas quando
fuzzy discreto descrito por (27) assintoticamente estvel glo- r 6= s. Quando r = s, levando-se em conta os resultados do Co-
balmente se existe uma matriz simtrica positiva definida comum rolrio 2, pode-se por simplicidade utilizar as mesmas condies
X = P 1 , uma matriz simtrica positiva semidefinida comum descritas acima, considerando-se agora Y = 0. De forma an-
Y e matrizes semidefinidas positivas Tij tais que loga apresentada na Seo 3.3, pode-se incorporar nas LMIs
2 3 acima especificaes da taxa de decaimento e restries na en-
N11 N12 : : : N1r trada e na sada da planta (Pietrobom, 1999).
6 N12 N22 : : : N2r 7
Nt = 6
6 .. .. .. ..
7
7 > 0: (35)
4 . . . . 5
N1r N2r : : : Nrr

Prova: anloga prova do Teorema 1 e utiliza o complemento

de Schur (Boyd et al., 1994). Detalhes podem ser encontrados
em (Pietrobom, 1999).

Corolrio 2 Se r = s, ento pode-se adotar Y = 0 nas condi-

es do Teorema 3.

Prova: Similar prova do Corolrio 1.

Teorema 4 Se as condies do Lema 4 so satisfeitas, ento as

condies do Teorema 3 tambm sero.

Prova: Similar prova do Teorema 2.

Para as novas condies de estabilidade propostas neste traba-

lho, para sistemas fuzzy discretos no tempo, o problema de
projeto para determinar os ganhos de realimentao Fi , para
i = 1; : : : ; r, pode ser definido por meio de LMIs, como segue:
Encontre X, Y, Rij , Sij , Wij e Mi para i; j = 1 2 ; ; : : : ; r,
sendo i < j , satisfazendo X > 0, Y  0,
2 3
D11 D12 : : : D1r
6
6 D12 D22 : : : D2r 7
7
6 .. .. .. .. 7 >0 e (36)
4 . . . . 5
D1r D2r : : : Drr
 T 
Rij Wij
Wij Sij
 0; (37)

sendo
 
X (s 1)Y XATj MTj BTj
Djj =
Aj X Bj Mj X
;
8
>
>0; se i (z(t))j (z(t)) = 0; 8z(t);
>
>
>
>
>
>
< X + Y Rij :::
Dij =
1
2
(Ai X Bi Mj + Aj X Bj Mi ) Wij
: : : 
>
>
> : : : 12 XATi MTj BTi + XATj MTi BTj Wij T
>
>
> : : : X Sij ;
>
>
:
caso contrrio:

48 Revista Controle & Automao /Vol.11 no.01/Jan., Fev., Mar. e Abril 2000