You are on page 1of 99

UNIVERSIDADE FEDERAL DE MINAS GERAIS

ESCOLA DE ENGENHARIA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA ELTRICA
CONTROLE FUZZY PARA SISTEMAS TAKAGI-SUGENO:
CONDIES APRIMORADAS E APLICAES
Belo Horizonte
03 de outubro de 2008
UNIVERSIDADE FEDERAL DE MINAS GERAIS
ESCOLA DE ENGENHARIA
PROGRAMA DE PS-GRADUAO EM ENGENHARIA ELTRICA
CONTROLE FUZZY PARA SISTEMAS TAKAGI-SUGENO:
CONDIES APRIMORADAS E APLICAES
Dissertao apresentada ao Programa de Ps-
Graduao em Engenharia Eltrica da Univer-
sidade Federal de Minas Gerais como requisito
parcial para a obteno do grau de Mestre em
Engenharia Eltrica.
LEONARDO AMARAL MOZELLI
Orientador: Reinaldo Martinez Palhares
Belo Horizonte
03 de outubro de 2008
Agradecimentos
Em primeiro lugar agradeo a minha famlia. Em especial, aos meus pais Ftima e Paulo
por sempre me guiarem por caminhos corretos, mesmo quando no foi possvel percorr-los
comigo. Sem vocs nada disso seria possvel.
Sou muito grato tambm ao professor Reinaldo por me acolher sob sua valorosa orientao,
compartilhando seus conhecimentos na rea de controle que decididamente foram importantes
para minha trajetria.
Registro meu agradecimento aos docentes e funcionrios do Programa de Ps-Graduao
em Engenharia Eltrica (PPGEE). Em especial, meu obrigado aos professores Leonardo Trres
e Eduardo Mendes, cujos conhecimentos contriburam para este trabalho. Agradeo banca
examinadora pelas fecundas discusses e sugestes que aprimoraram esta dissertao.
Agradeo tambm aos vrios colegas do PPGEE. Muito obrigado aos companheiros de
pesquisa tambm orientados pelo professor Reinaldo: Cludio, Fernando, Gustavo e Marcos
Flvio. Aos colegas do Grupo de Otimizao e Projeto Assistido por Computador (GOPAC)
e do grupo de Modelagem, Anlise e Controle de Sistemas No-Lineares (MACSIN) agradeo
pelo companheirismo e por tornarem a pesquisa bem mais divertida. Em especial: Alexandre,
Dalmy, Felipe e Miguel. Aos amigos de outros grupos de pesquisa: Manoel e Francisco.
Obrigado ao PPGEE e UFMG pela infra-estrutura oferecida tanto na minha graduao
quanto no mestrado. Presto reconhecimento ao fomento do Conselho Nacional de Desenvol-
vimento Cientco e Tecnolgico (CNPq).
Aos meus amigos, aos meus pais, Dbora e, especialmente, Letcia devo gratido pelo
incentivo, pacincia, conana e carinho. Muito obrigado por compreenderem a importncia
deste projeto para mim, mesmo sem entender muito quando eu falava sobre ele.
i
Resumo
Neste trabalho, so propostas novas condies, rigorosas e sistemticas, para anlise e projeto
de sistemas de controle fuzzy baseados em modelos Takagi-Sugeno, levando em considerao
no apenas garantia de estabilidade como tambm desempenho em malha fechada.
No-linearidades, incertezas paramtricas e distrbios so desaos presentes, em maior ou
menor grau, na grande maioria de processos a serem controlados. Quando tais questes se
tornam relevantes, sistemas fuzzy Takagi-Sugeno so muito teis devido a sua capacidade de
modelar, aproximadamente ou com exatido, dinmicas no-lineares sobre domnios compac-
tos por meio da combinao de modelos lineares, localmente vlidos.
A metodologia de projeto baseada no controle em espao de estados, estruturada se-
gundo os princpios de estabilidade no sentido de Lyapunov, a teoria de sistemas fuzzy e os
fundamentos de controle robusto. Tais critrios podem ser formulados como desigualdades
matriciais lineares, cuja soluo obtida de forma eciente por meio de diversos pacotes
computacionais. Os resultados so comparados com a literatura atual em exemplos compu-
tacionais. Finalmente, o uso efetivo dos resultados testado em um experimento de bancada
baseado no oscilador catico de Chua.
ii
Abstract
In this work, new rigorous and systematic conditions for analysis and design of fuzzy control
systems based in Takagi-Sugeno models are proposed, that guarantee not only stability but
also performance in closed-loop.
Nonlinearities, parametric uncertainties and disturbances are challenges, in one degree
or another, to almost every control system design nowadays. When such issues start to
matter, Takagi-Sugeno fuzzy systems are very useful due to its ability to represent, precisely or
approximately, any nonlinear dynamics over a compact domain by resorting to a combination
of several local linear models.
The project methodology is based on state-space control, aggregating stability in the Lya-
punov sense, fuzzy systems theory, and fundamentals of robust control. Such criteria are
recast as Linear Matrix Inequalities, which can be eciently solved by means of several com-
putational toolboxes. The results are compared with the current literature in some numeric
examples. Finally, the eectiveness is tested in a practical experiment based on Chuas chaotic
oscillator.
iii
Sumrio
1 Introduo 1
1.1 Organizao do Texto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Fundamentos Fuzzy 3
2.1 Conjuntos Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Pertinncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1.2 Operaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.1.3 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Variveis Lingsticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Lgica Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3.1 Regras Se-Ento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4 Sistemas de Inferncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.1 Etapa de Inferncia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Modelo Fuzzy Takagi-Sugeno . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5.1 Aspectos de Modelagem . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Desigualdades Matriciais Lineares 16
3.1 Conceitos Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.1 Conjuntos Convexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.2 Funes Convexas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.3 Problemas de Otimizao . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.4 Otimizao Convexa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Forma Geral das LMIs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Estabilidade e Controle de Sistemas Fuzzy 22
4.1 Estabilidade de Sistemas Dinmicos . . . . . . . . . . . . . . . . . . . . . . . 22
4.1.1 Estabilidade no Sentido de Lyapunov . . . . . . . . . . . . . . . . . . . 23
4.1.2 Mtodo Direto de Lyapunov . . . . . . . . . . . . . . . . . . . . . . . . 24
4.2 Estabilidade de Sistemas TS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.2.1 Projeto de Controle Fuzzy Baseado em LMIs . . . . . . . . . . . . . . 27
4.3 Critrios de Desempenho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3.1 Critrio de Desempenho H

. . . . . . . . . . . . . . . . . . . . . . . 31
4.3.2 Controle H

no Domnio do Tempo . . . . . . . . . . . . . . . . . . . 32
iv
5 Critrios de Estabilidade e de Estabilizao Quadrticos 35
5.1 Conservadorismo da Abordagem Quadrtica Tradicional . . . . . . . . . . . . 35
5.2 Condies H

Aprimoradas: Caso Quadrtico . . . . . . . . . . . . . . . . . 36


5.2.1 Anlise da Norma H

. . . . . . . . . . . . . . . . . . . . . . . . . . . 36
5.2.2 Sntese de Controladores H

. . . . . . . . . . . . . . . . . . . . . . . 40
5.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3.1 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3.2 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.3.3 Discusso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6 Critrios de Estabilidade e de Estabilizao No-Quadrticos 44
6.1 Existncia de Funes de Lyapunov Quadrticas . . . . . . . . . . . . . . . . 44
6.1.1 Alternativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.2 Condies H

Aprimoradas: Caso No-Quadrtico . . . . . . . . . . . . . . . 47


6.2.1 Anlise da Norma H

. . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2.2 Sntese de Controladores H

. . . . . . . . . . . . . . . . . . . . . . . 51
6.3 Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.1 Exemplo 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.2 Exemplo 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.3 Exemplo 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.3.4 Exemplo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
7 Resultados Prticos 55
7.1 Problema de Sincronismo e Transmisso de Informaes . . . . . . . . . . . . 55
7.2 Plataforma PCCHUA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
7.2.1 Modelagem Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
7.3 Procedimento da Sntese . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
7.4 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.4.1 Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
7.4.2 Sinal Senoidal Puro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7.4.3 Sinal de Baixa Freqncia combinado com Sinais de Alta Freqncia . 67
7.4.4 Sinais com Freqncias e com Amplitudes Prximas . . . . . . . . . . 67
8 Consideraes Finais 71
8.1 Propostas de Continuidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
A Lemas 74
B Complemento de Schur 76
C Produo Bibliogrca 77
Referncias Bibliogrcas 78
v
Lista de Figuras
2.1 Pertinncia de indivduos com relao estatura. . . . . . . . . . . . . . . . . . . 5
2.2 Operaes com conjuntos fuzzy. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Exemplos de valores lingsticos. . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4 Diagrama esquemtico do sistema de inferncia. . . . . . . . . . . . . . . . . . . . 11
2.5 Diagrama esquemtico da etapa de inferncia. . . . . . . . . . . . . . . . . . . . . 12
3.1 Conjuntos no R
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Exemplos de funes tais que C R. . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.1 Interpretao geomtrica de estabilidade . . . . . . . . . . . . . . . . . . . . . . . 24
4.2 Diagrama de blocos do controle H

. . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Interpretaes da norma H

para sistemas lineares SISO. . . . . . . . . . . . . . 32


7.1 Diagrama esquemtico do circuito de Chua. . . . . . . . . . . . . . . . . . . . . . 57
7.2 Caracterstica da condutncia do diodo de Chua. . . . . . . . . . . . . . . . . . 58
7.3 Diagrama esquemtico do experimento de transmisso de informaes. . . . . . . 59
7.4 Funes de pertinncia: regra 1 (linha cheia); regra 2 (linha pontilhada). . . . . . 61
7.5 Comparao entre a curva real do diodo e a curva segundo o modelo fuzzy. . . . 61
7.6 Sries do mestre e do escravo no estado v
c
1
. . . . . . . . . . . . . . . . . . . . . . 65
7.7 Erro de sincronismo no estado v
c
1
durante o primeiro experimento. . . . . . . . . 66
7.8 Primeiro experimento: sinais transmitido e recuperado. . . . . . . . . . . . . . . . 66
7.9 Primeiro experimento: sinal transmitido (pontilhado) e ltrado (cheio). . . . . . . 67
7.10 Erro de sincronismo no estado v
c
1
durante o segundo experimento. . . . . . . . . 67
7.11 Segundo experimento: sinais transmitido e recuperado. . . . . . . . . . . . . . . . 68
7.12 Segundo experimento: sinal transmitido (pontilhado) e ltrado (cheio). . . . . . . 68
7.13 Erro de sincronismo no estado v
c
1
durante o terceiro experimento. . . . . . . . . 69
7.14 Terceiro experimento: sinais transmitido e recuperado. . . . . . . . . . . . . . . . 70
7.15 Terceiro experimento: sinal transmitido (pontilhado) e ltrado (cheio). . . . . . . 70
vi
Lista de Tabelas
5.1 Ganhos do controlador PDC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Valores de
min
para diferentes parmetros: abordagens quadrticas . . . . . . . 43
6.1 Valor timo
min
da norma H

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
6.2 Valores de
min
para diferentes parmetros: abordagens no-quadrticas . . . . . 53
6.3
min
calculado de acordo com . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
7.1 Parmetros do circuito de Chua. . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.2 Ganhos de sincronizao obtidos com o uso do Teorema 14 . . . . . . . . . . . . . 64
vii
Lista de Smbolos
:= igual por denio
existe
para todo
pertence a
est contido em; subconjunto de
unio
interseco
Z conjunto dos nmeros inteiros
R conjunto dos nmeros reais
C conjunto dos nmeros complexos
R
n
espao vetorial de dimenso n
parte real do argumento
parte imaginria do argumento
X

subconjunto formado por elementos de X com parte real negativa


X
+
subconjunto formado por elementos de X com parte real positiva
X
0

subconjunto formado por X X


+
X
0
+
subconjunto formado por X X

1 conjunto formado por 1, 2, , r Z


+
o conjunto formado por 1, 2, , s Z
+
conjunto fuzzy

i
j
j-simo conjunto fuzzy da regra i
(A) espectro de A; conjunto dos autovalores de A

i
(A)
i-simo autovalor de A
(A) conjunto dos valores singulares de A

max
(A) maior valor singular de A
A
1
inversa de A
A

transposta de A
A 0 A denida negativa; (A) C

A _ 0 A semidenida negativa; (A) C


0

I, I
n
matriz identidade, matriz identidade de ordem n n
k varivel tempo discreto; k Z
0
+
q
i
k
i-sima varivel premissa
viii
q
k
vetor com as variveis premissas

i
j
(q
i
k
) grau de pertinncia de q
i
k
em
i
j
w
i
[q
k
] grau de ativao da regra i
h
i
[q
k
] funo de pertinncia normalizada da regra i
h
i
abreviao para h
i
[q
k
]
h
+
i
abreviao para h
i
[q
k+1
]
l
2
[0, ) espao de Lebesgue discreto
| | norma euclidiana do argumento
| |
2
norma l
2
do argumento
|T(s)|

norma H

da matriz de transferncia T(s)


diag matriz bloco diagonal, cujos blocos so dados pelo argumento
co envelope ou casca convexa do argumento
termos transpostos em matrizes simtricas
,
min
custo garantido H

, valor timo do custo garantido H

ix
Acrnimos
TS Takagi-Sugeno
LMI Desigualdade Matricial Linear, Linear Matrix Inequality
BMI Desigualdade Matricial Bilinear, Bilinear Matrix Inequality
SISO Uma Entrada, Uma Sada, Single Input Single Output
MIMO Mltiplas Entradas, Mltiplas Sadas, Multiple Input Multiple Output
PCCHUA Prottipo de Controle do circuito de Chua
ITVC Transmisso de Informao Via Controle, Information Transmission Via Control
x
Captulo 1
Introduo
Aps dcadas de desenvolvimento e de questionamentos (Zadeh, 2008), os sistemas fuzzy
so hoje uma realidade que abrange diversos campos do conhecimento: sistemas de energia
(Bhende et al., 2006); telecomunicaes (Aoul et al., 2004); robtica (Hagras, 2004); siste-
mas automotivos (Khiar et al., 2007); processos qumicos e industriais (Horiuchi e Kishimoto,
2002; Bonissone et al., 1995); medicina (Seker et al., 2003; Teodorescu et al., 1998).
Uma das linhas de aplicao que se beneciou desta teoria desde o princpio foi o campo de
controle (Mamdani, 1974). Isto se deve, em grande parte, ao fato de que, em maior ou menor
extenso, os sistemas reais e as plantas industriais possuem no-linearidades, parmetros
variantes no tempo e erros de modelagem, sofrendo muitas vezes com perturbaes sobre as
quais no h muita informao.
Com o aumento da complexidade dos sistemas e a exigncia de critrios de projeto cada vez
mais restritivos as tcnicas de controle tradicional podem no ser sucientes. Neste cenrio,
o controle fuzzy baseado em modelos Takagi-Sugeno uma alternativa muito interessante.
Sistemas TS so capazes de representar, de forma aproximada ou exata, dinmicas no-
lineares quaisquer como a combinao de modelos lineares vlidos localmente. Em geral, so
menos complexos do que outras classes de modelos fuzzy (Johansen et al., 2000), facilitando
aspectos de identicao e modelagem.
Ao contrrio das estratgias originais, baseadas em heurstica e no conhecimento do proje-
tista (Mamdani, 1974), trabalhos pioneiros como de Tanaka e Sugeno (1990) mostraram que
o controle fuzzy de modelos TS pode ser feito de maneira rigorosa, seguindo metodologias
que podem ser reproduzidas de forma sistemtica, garantindo alm da estabilidade diversos
critrios de desempenho em malha fechada.
Ademais, como ocorreu em diversas reas de controle a partir dos anos 90 (Boyd et al.,
1994; Palhares e Gonalves, 2007), a teoria de controle fuzzy foi inuenciada pela busca por
metodologias de projetos que pudessem ser tratadas por meio de desigualdades matriciais
lineares, como pode ser visto em (Wang et al., 1996). Tais condies podem ser resolvidas de
forma eciente por meio de diversos pacotes computacionais disponveis e permitem tratar de
maneira bastante elegante diversos critrios de desempenho.
Devido a essas razes, o controle baseado em modelos TS predomina no contexto das
1
1. Introduo 2
pesquisas com controle fuzzy, embora sejam bastante estudadas abordagens neuro-fuzzy e o
controle fuzzy adaptativo (Feng, 2006).
Progressivamente, as condies LMI propostas em (Wang et al., 1996) foram aprimoradas,
motivadas por diversos objetivos: ampliar a gama de sistemas aos quais podem ser aplicadas
(Teixeira et al., 2003; Johansson et al., 1999; Tanaka et al., 2003); produzir controladores com
melhor desempenho em malha-fechada (Nguang e Shi, 2006); reduzir custo computacional das
LMIs (Delmotte et al., 2007).
Esta dissertao se insere no contexto de promover condies LMI de anlise e sntese
segundo o critrio de desempenho H

que sejam menos conservadoras. Almeja-se obter


condies abrangentes (ou seja, que possam ser aplicadas aos mais diversos sistemas TS),
mas que ao mesmo tempo estabeleam resultados aprimorados, garantindo melhor ndice de
desempenho.
Os resultados so aplicados ao problema de sincronizao de osciladores acoplados. Em-
bora o estudo desse problema tenha desdobramentos importantes no campo das comunicaes
(Tse et al., 2005) (mais recentemente tambm tem sido discutida sua aplicao na modela-
gem de sistemas dinmicos, veja (Trres, 2007)), aqui o interesse se d por testar na prtica
as estratgias de controle desenvolvidas. Como em outros trabalhos (Liao e Huang, 1999;
Millerioux e Daafouz, 2001; Morgl e Solak, 1996), a sincronizao obtida em uma estru-
tura semelhante ao projeto de um observador de estados robusto. Todavia, enquanto tais
estratgias se limitam a sistemas lineares por partes, os resultados obtidos aqui, como em
(Lian et al., 2001a,b; Tanaka et al., 1998b), so mais genricos pois baseiam-se na aborda-
gem TS. Resultados prticos foram obtidos, merecendo destaque pois outros trabalhos de
sincronismo de sistemas caticos via abordagem fuzzy, como (Lian et al., 2001a), se limitam
a simulaes numricas.
1.1 Organizao do Texto
O texto divido em 3 blocos. A primeira parte faz uma reviso de literatura e rene os
conhecimentos bsicos que servem como suporte para esta dissertao, buscando tornar a
leitura encerrada em si mesma. O Captulo 2 apresenta uma breve introduo aos sistemas
fuzzy, desde a teoria de conjuntos at a modelagem Takagi-Sugeno. O Captulo 3 trata de
aspectos de otimizao e apresenta tambm as chamadas Desigualdade Matriciais Lineares,
importantes ferramentas de projeto. Encerrando esse primeiro bloco, o Captulo 4 apresenta
os conceitos de estabilidade de sistemas dinmicos e os resultados tradicionais para o projeto
rigoroso de sistemas de controle fuzzy baseados em modelos TS.
Os resultados propostos para o projeto de controladores fuzzy formam o segundo bloco.
As condies de projeto baseadas em LMIs dividem-se em dois captulos: no Captulo 5 esto
as condies quadrticas e no captulo 6 as chamadas condies no-quadrticas.
Finalmente, os resultados experimentais so mostrados no captulo 7. Alguns testes de
transmisso de informaes so mostrados para comprovar a ecincia das estratgias propos-
tas. As concluses vm no Captulo 8, junto com propostas de continuidade da pesquisa.
Captulo 2
Fundamentos Fuzzy
A teoria de sistemas fuzzy uma abordagem para a resoluo de problemas complexos nos
quais existe a necessidade de mecanismos que tratem informaes imprecisas por meio de raci-
ocnio aproximado. Ao longo das ltimas dcadas, houve um desenvolvimento substancial dos
conjuntos e sistemas fuzzy, sendo aplicados em sistemas de controle, modelagem de sistemas
dinmicos, predio de sries temporais, reconhecimento de padres, inteligncia articial, at
mesmo em medicina, logstica de transportes ou economia. Neste captulo, as noes bsicas
desta teoria sero brevemente apresentadas enfatizando a modelagem fuzzy Takagi-Sugeno,
foco principal das ferramentas de controle desenvolvidas nesta dissertao.
2.1 Conjuntos Fuzzy
A noo de conjuntos fuzzy foi introduzida por Zadeh (1965) como uma alternativa para tratar,
de maneira formal, problemas de carter subjetivo que tipicamente envolvam informaes
vagas e imprecisas, que necessitem de um raciocnio aproximado, ou ainda para lidar com
problemas nos quais h tanto dados numricos quanto conhecimento na forma lingstica.
Seja X determinado universo de discurso, no qual representa-se um elemento genrico
por x, e um determinado conjunto designado por A. Na teoria clssica de conjuntos, um
dado elemento tem carter binrio: o elemento pertence (x A) ou no pertence (x , A) ao
conjunto.
Atravs de uma funo caracterstica f
A
possvel denir esta propriedade, fazendo o
mapeamento dos elementos do universo de discurso no conjunto binrio 0, 1:
f
A
(x) : X 0, 1 f
A
(x) =
_
_
_
1 se e somente se x A
0 se e somente se x , A
(2.1)
Caso o problema em questo seja discriminar no universo Z quais so os nmeros primos, o
conceito clssico suciente, pois existe uma denio bastante rigorosa de numerais primos.
Contudo, no caso em que X denido como R e A representa o conjunto dos nmeros muito
maiores que a, o problema se torna muito subjetivo.
Por um lado, essa subjetividade est ligada ao fato de que, dependendo do contexto, o
3
2. Fundamentos Fuzzy 4
critrio que dene quais so os nmeros muito maiores que a pode mudar. Os exemplos a
seguir tentam ilustrar essa questo.
Seja um sistema dinmico linear, estvel e de 3
a
ordem com a seguinte funo de transfe-
rncia:
G(s) =
K
(s
2
+ 2
n
s + 1)(s + 1)
, (2.2)
onde se verica a existncia de um plo real e outro par de plos, que podem ser complexos
conjugados ou reais dependendo do valor de
n
.
Na prtica, verica-se que quando
[1/[ 10[
n
[ (2.3)
o desempenho do sistema pode ser aproximado pelo desempenho de um sistema de segunda
ordem (Dorf e Bishop, 1998). Neste caso especco, possvel considerar uma relao de dez
vezes como muito maior.
Em contrapartida, considere um transistor de juno bipolar. A relao entre as correntes
de coletor i
c
e emissor i
e
dada segundo (Sedra e Smith, 1998, cap. 4):
i
c
=

+ 1
i
e
,
onde o ganho de corrente de emissor comum. Valores tpicos de nesses componentes
so 100. De acordo com a aplicao, considerar um ganho 10 no ser signicativo na
relao das correntes, i.e., uma ordem de grandeza a mais no ser considerada muito maior.
Alm da subjetividade imposta pelo contexto, outra diculdade com a noo tradicional
de conjuntos a necessidade de se denir um limiar rigoroso para separar elementos em
conjuntos.
Retomando o exemplo do sistema dinmico mostrado em (2.2), seja A o conjunto dos
sistemas dinmicos onde h dominncia de plos, ou seja, cujos elementos satisfazem (2.3).
Somente quando h uma relao de dez vezes entre mdulo do plo dominado e do produto
entre coeciente de amortecimento e freqncia natural tem-se que x A. Contudo, em um
sistema onde a relao de 9,9 vezes no se considerar dominncia dos plos, mesmo que a
resposta dinmica se assemelhe muito a de um sistema no qual h relao de 10 vezes.
Os exemplos acima servem para ilustrar as limitaes da noo clssica de conjuntos,
justicando a necessidade de um conceito mais abrangente. Vrios so os exemplos que
motivam o uso de sistemas fuzzy, sendo que muitos podem ser vistos em (Tsoukalas e Uhrig,
1997; Jang et al., 1997; Tanscheit et al., 2007). Na seqencia os fundamentos dos conjuntos
fuzzy sero apresentados formalmente.
2.1.1 Pertinncia
Um conjunto fuzzy F caracterizado por uma funo de pertinncia (funo caracterstica ou
funo de compatibilidade) f
F
(x) que associa a cada elemento do universo de discurso X um
2. Fundamentos Fuzzy 5
nmero no intervalo real [0, 1]. Sua representao feita por meio de um conjunto de pares
ordenados (Tsoukalas e Uhrig, 1997)
F = (x, f
F
(x)), x X.
Desta forma, a dicotomia da concepo clssica, na qual um elemento x pertence ou no
pertence a um conjunto abandonada, cedendo lugar ao conceito de pertinncia. O valor
atribudo pela funo caracterstica f
F
(x) indica o grau de pertinncia de x ao conjunto F.
Aproximando-se da unidade, maior o grau de pertinncia de x em F.
Considere a tarefa de classicar um grupo de indivduos em relao a altura (Jang et al.,
1997). Segundo a concepo clssica, possvel adotar como mtrica que indivduos altos
so aqueles cuja estatura superior ou igual a 2 m. A funo caracterstica teria o padro
mostrado na Figura 2.1.a. Segundo essa classicao, um indivduo com 2,01 m alto ao
passo que um indivduo medindo 2 cm a menos no faz parte do mesmo conjunto. Tal critrio
no parece razovel.
Contudo, segundo a concepo de grau de pertinncia, pode-se atribuir valores decrescentes
de pertinncia medida em que a estatura reduz: f
F
(2) = 1, f
F
(1,9) = 0,9, f
F
(1,65) = 0,5,
f
F
(1) = 0, como ilustrado pela Figura 2.1.b. Neste caso, indivduos com 1,99 m possuem um
alto grau de pertinncia ao conjunto de indivduos altos.
1 1.2 1.4 1.6 1.8 2 2.2
0
0.2
0.4
0.6
0.8
1
estatura (m)
f
F
(a) pertinncia clssica
1 1.2 1.4 1.6 1.8 2 2.2
0
0.2
0.4
0.6
0.8
1
estatura (m)
f
F
(b) pertinncia fuzzy
Figura 2.1: Pertinncia de indivduos com relao estatura.
2.1.2 Operaes
Com base nessa concepo de conjuntos, Zadeh (1965) deniu tambm em seu trabalho semi-
nal algumas propriedades e operaes com conjuntos fuzzy. Tais resultados buscam estender
os conceitos da teoria ordinria de conjuntos, incluindo-a como caso particular.
Unio: o conjunto U a unio de F e S (U = F S) caso
f
U
(x) = max(f
F
(x), f
S
(x)) = f
F
(x) f
S
(x).
2. Fundamentos Fuzzy 6
0
0.2
0.4
0.6
0.8
1
A B
(a) conjuntos fuzzy A e B
0
0.2
0.4
0.6
0.8
1
(b) complemento de A
0
0.2
0.4
0.6
0.8
1
(c) A B
0
0.2
0.4
0.6
0.8
1
(d) A B
Figura 2.2: Operaes com conjuntos fuzzy.
O conjunto U representa o menor conjunto fuzzy que contm F e S. Se um conjunto D
contm F e S ento tambm contm a unio de ambos.
Interseco: o conjunto I a interseco de F e S (I = F S)
f
I
(x) = min(f
F
(x), f
S
(x)) = f
F
(x) f
S
(x).
Logo, I o maior conjunto fuzzy que est contido em F e S. Como no caso dos conjuntos
clssicos, A e B sero disjuntos se A B = .
Complemento: o complemento de um conjunto F denotado por F

denido por
f
F
(x) = 1 f
F
(x).
Note que estes operadores funcionam exatamente como seus correspondentes da teoria de
conjuntos ordinria, quando a funo caracterstica dada por (2.1). interessante ressaltar
que propriedades dos conjuntos ordinrios como distributividade, associatividade, comuta-
tividade, involuo, leis transitiva e de De Morgan tambm valem para as operaes com
conjuntos fuzzy (Jang et al., 1997; Tanscheit et al., 2007).
A Figura 2.2 ilustra os operadores apresentados at aqui. Tais operadores foram apre-
sentados da mesma forma que Zadeh (1965) props originalmente. Existem outros operado-
res adotados para conjuntos fuzzy, denominados norma triangular (normas-t) e co-norma
2. Fundamentos Fuzzy 7
triangular (co-normas-t ou normas-s) (Jang et al., 1997, cap. 2)(Tsoukalas e Uhrig, 1997,
cap. 3)(Tanscheit et al., 2007). interessante notar que dependendo da norma escolhida,
algumas propriedades dos conjuntos ordinrios no so vlidas para conjuntos fuzzy.
2.1.3 Terminologia
A seguir enuncia-se parte da terminologia de conjuntos fuzzy que ser utilizada ao longo do
texto. Consulte (Jang et al., 1997; Tsoukalas e Uhrig, 1997; Pedrycz e Gomide, 1998) para
uma lista completa.
Conjunto Vazio: um conjunto fuzzy vazio (F = ) sse
1
sua funo de pertinncia
nula em X.
Igualdade: dois conjuntos fuzzy F e S so iguais (F = S) sse f
F
(x) = f
S
(x) x X.
Subconjunto: F um subconjunto de S sse f
F
f
S
. Assim F S indica que F est
contido em S (F um subconjunto de S).
Suporte
2
: subconjunto de X para o qual f
F
(x) > 0.
Normalidade: Um conjunto fuzzy dito normal caso seu suporte no seja vazio.
Ponto de Cruzamento
3
: Um ponto x
c
de A para o qual a funo de pertinncia 0,5
chamado ponto de cruzamento. Ou seja, x
c
x[f
A
(x) = 0,5.
Partio: Segundo (Nguyen et al., 2003), parties so conjuntos fuzzy que juntos de-
nem um universo de discurso. Para denir formalmente o conceito de partio, considere
F
0
, F
1
, , F
n
conjuntos fuzzy normais denidos em um universo de discurso X, sendo
f
F
0
, f
F
1
, , f
F
n
suas respectivas funes de pertinncia. Esses conjuntos sero parties de
X se x X

n
i=1
f
F
i
(x) = 1.
2.2 Variveis Lingsticas
Por varivel lingstica, entende-se uma varivel cujos valores so nomes ou sentenas (Zadeh,
1975), ao invs de assumirem apenas valores especcos como ocorre com variveis numricas.
Os nomes e sentenas, por sua vez, so conjuntos fuzzy.
Por exemplo, a temperatura de uma sala uma varivel lingstica. Se por um lado
possvel express-la com preciso em termos de um valor na escala Celsius, caso seja me-
dida por meio de um termmetro, tambm vivel inform-la de maneira menos precisa,
expressando-a por meio de palavras (quente, fria, muito fria) que traduzem uma percepo
particular, subjetiva.
O valor de uma varivel lingstica (denominado valor lingstico ou valor fuzzy) uma
sentena composta por termos primrios (no exemplo da temperatura: alta, baixa, mdia); por
conectivos lgicos (e, ou, no); e de modicadores (muito, pouco, extremamente). Utilizando
conectivos e modicadores, novos valores lingsticos so obtidos a partir dos termos primrios.
Por exemplo, pode-se dizer que a temperatura da sala no muito fria. Cada valor lingstico
1
Abreviao para se e somente se
2
Um conjunto fuzzy cujo suporte um nico elemento chamado de conjunto singleton
3
Em ingls, crossover points
2. Fundamentos Fuzzy 8
por sua vez representado por meio de um conjunto fuzzy, com sua respectiva funo de
pertinncia.
Quando um valor lingstico formado apenas por termos primrios, denomina-se valor
primrio. Quando o valor lingstico formado por termos primrios mais conectivos ou
modicadores, denomina-se valor composto (Tsoukalas e Uhrig, 1997, cap. 5).
Na Figura 2.3a so mostrados dois valores fuzzy primrios para a varivel temperatura.
J na Figura 2.3b outro valor lingstico para temperatura mostrado, um valor composto.
0 5 10 15 20 25 30 35 40 45
0
0.2
0.4
0.6
0.8
1
temperatura (

C)
p
e
r
t
i
n

n
c
i
a
Fria Quente
(a) valores primrios
0 5 10 15 20 25 30 35 40 45
0
0.2
0.4
0.6
0.8
1
temperatura (

C)
p
e
r
t
i
n

n
c
i
a
No Quente e No Fria
(b) valor composto
Figura 2.3: Exemplos de valores lingsticos.
Segundo (Tsoukalas e Uhrig, 1997, cap. 5), uma varivel lingstica composta pelo seu
nome (no exemplo anterior temperatura); pelos possveis valores fuzzy (lingsticos) que pode
assumir (exemplo: alta, baixa, muito alta, etc.), os quais so nomes (rtulos) de conjuntos
fuzzy; pelo universo de discurso; e, nalmente, pelas funes de pertinncia que associam um
grau de pertinncia a cada elemento do universo de discurso.
Variveis lingsticas servem tanto para caracterizar fenmenos complexos via uma abor-
dagem vaga, quando so identicadas atravs de seus valores fuzzy, ou servem para uma
caracterizao quantitativa e precisa, quando se utiliza as funes de pertinncia. Esta ca-
racterstica dual das variveis lingsticas as tornam convenientes para abordar problemas de
forma quantitativa ou qualitativa (Tsoukalas e Uhrig, 1997).
2.3 Lgica Fuzzy
O desenvolvimento da lgica fuzzy seguiu passos semelhantes aos da teoria de conjuntos fuzzy,
na medida em que se buscou fazer com ambos uma extenso dos conceitos clssicos.
Na lgica tradicional, a forma bsica de se chegar a uma concluso atravs de silogismos.
Em um silogismo, existem duas premissas a partir das quais se pode deduzir uma concluso.
Tradicionalmente, a lgica segue o modus ponendo ponens
4
, no qual o fato de se constatar
a veracidade da premissa A implica na veracidade de B, pois h uma outra premissa que
estabelece que A implica em B (A B).
4
Do Latim: modo que arma armando. Tambm chamado de modus ponens
2. Fundamentos Fuzzy 9
Por exemplo, considere que a premissa A signica que a temperatura da gua 100

C
e que B indica que a gua est fervendo. Ento caso seja verdade que a temperatura da
gua 100

C tambm ser verdade que a gua est fervendo. O conceito segue a estrutura
a seguir:
premissa (regra): se x A, ento y B (A B)
premissa (fato): x A
concluso: y B
Todavia, em diversas situaes prticas a lgica adotada de forma aproximada. Considere
a implicao (Jang et al., 1997) se o tomate est vermelho, ento ele est maduro. Se na
premissa estabelecido que o tomate est quase todo vermelho ento plausvel inferir que
o tomate est quase maduro. Contudo, a estrutura da lgica tradicional no permite essa
concluso.
Esta forma de raciocnio aproximado sumarizada da forma a seguir:
premissa (regra): se x A, ento y B (A B)
premissa (fato): x A

concluso: y B

sendo que A

e B

so prximos a A e B, respectivamente. Logo, a regra se x A, ento


y B associa uma funo de pertinncia f
AB
(x, y) que mensura o grau de veracidade
(similaridade) da implicao. No exemplo ilustrativo do tomate, quanto mais vermelho ele
for, ser considerado mais maduro. Este procedimento de deduo lgica conhecido como
raciocnio fuzzy, raciocnio aproximado ou modus ponens generalizado (Jang et al., 1997).
2.3.1 Regras Se-Ento
Regras Se-Ento e o raciocnio fuzzy formam o cerne da vasta gama de sistemas fuzzy encon-
trados na literatura (Jang et al., 1997). Uma regra Se-Ento (tambm conhecida como regra
fuzzy, implicao fuzzy ou proposio condicional fuzzy) tem a seguinte forma
R :
_
_
_
Se x A
Ento y B
(2.4)
onde R identica a regra; A e B so variveis lingsticas; x, y so elementos dos universos
de discurso X, Y , respectivamente. Normalmente, denomina-se a proposio x A como
antecedente, enquanto y B chamado conseqente (ou concluso); x chamada de varivel
premissa.
Na concepo tradicional, ativa-se (dispara-se) uma regra Se-Ento somente quando a
varivel premissa x exatamente igual ao antecedente. Neste caso, a inferncia produzida
ser: y exatamente igual ao conseqente.
2. Fundamentos Fuzzy 10
Na concepo fuzzy, a regra Se-Ento disparada quando houver um grau de similaridade
no nulo entre a varivel premissa e o antecedente. Como resultado, infere-se uma concluso
que mantenha algum grau de similaridade com o conseqente da regra. Nota-se, mais uma
vez, que os conceitos tradicionais esto embutidos na teoria fuzzy. Se a varivel premissa x
possui total similaridade com o antecedente A ento a concluso ser que y o prprio B.
Uma regra fuzzy pode possuir mais de um antecedente. Um exemplo simples dado a
seguir:
R :
_
_
_
Se x A e z C
Ento y B
(2.5)
Neste caso, a maneira de inferir uma concluso bem mais elaborada. A concluso depende
tanto da similaridade de x em A, quanto da similaridade de z em C. Alm disso, depende da
relao entre ambos antecedentes, bem como da relao deles com o conseqente.
Por exemplo, considere um veculo trafegando em uma estrada. Uma regra com mltiplos
antecedentes para inferir sobre a velocidade adequada do carro pode ser: se a curva fechada
ou a pista est molhada, ento dirija em baixa velocidade.
No caso de pista seca, quanto mais fechada for a curva, menor deve ser a velocidade.
Em outras palavras, quanto maior for a pertinncia da varivel curva no conjunto fuzzy
fechada, maior dever ser a pertinncia da velocidade no conjunto baixa.
Se o carro viaja pela mesma curva porm com pista molhada, por questo de segurana,
a velocidade dever ser ainda menor. Neste caso a pertinncia da velocidade no conjunto
baixa ser afetada tambm pelo valor lingstico da varivel pista.
Existem diversas conguraes que denem como os antecedentes interagem entre si e
com o conseqente da regra para produzir uma concluso. Tais conguraes so chamadas
mecanismos de inferncia e podem ser vistos com maiores detalhes em (Jang et al., 1997;
Tsoukalas e Uhrig, 1997; Pedrycz e Gomide, 1998).
2.4 Sistemas de Inferncia
Sistemas de inferncia so ferramentas computacionais utilizadas nas mais diversas reas
da Engenharia e agregam os conceitos de conjuntos fuzzy, variveis lingsticas e raciocnio
aproximado, processando dados por meio de mecanismo de inferncia. A estrutura bsica de
um sistema de inferncia mostrada na Figura 2.4.
Sistemas de inferncia normalmente, embora no seja obrigatrio, recebem como entrada
valores precisos
5
. Isto ocorre pois, na prtica, os dados de entrada so obtidos por meio de
medies ou observaes. necessrio portanto a etapa chamada fuzzicao, que transforma
entradas precisas em conjuntos fuzzy.
Aps a interpretao das entradas pelo mecanismo de inferncia, etapa identicada como
inferncia na Figura 2.4, necessrio fornecer uma informao precisa. No caso de um sistema
5
Tambm chamadas entradas crisp
2. Fundamentos Fuzzy 11
PSfrag replacemen
Entradas
Precisas Precisas
Sadas
Conjuntos Conjuntos ou Funes
Fuzzy Fuzzy
Fuzzificao
Regras
Defuzzificao
Inferncia
Figura 2.4: Diagrama esquemtico do sistema de inferncia.
de controle, por exemplo, o sistema de inferncia deve fornecer planta dados ou sinais num-
ricos precisos. O estgio de defuzzicao extrai de um conjunto fuzzy um valor signicativo
da informao produzida na etapa de inferncia (Tanscheit et al., 2007).
2.4.1 Etapa de Inferncia
No estgio de inferncia ocorrem as operaes com conjuntos fuzzy ao longo de regras Se-
Ento para processar, por meio de um mecanismo de inferncia, as informaes da entrada e
produzir uma concluso.
A inferncia pode ser resumida em quatro etapas (Jang et al., 1997). Em uma primeira
instncia, so avaliados os graus de compatibilidade das variveis premissas com seus res-
pectivos antecedentes nas regras Se-Ento. Considerando o caso da regra (2.4), isto signica
atribuir uma pertinncia da varivel x no conjunto A.
Em seguida, necessrio determinar a fora (grau) de ativao de uma regra. O grau de
ativao da regra dado pela combinao dos graus de compatibilidade das variveis premissas
com seus antecedentes. Na regra (2.5) cada antecedente (x A), (z C), produz um grau
de compatibilidade, f
A
(x), f
C
(z). De acordo com os conectivos lgicos presente na premissa
da regra e do tipo de norma adotada, obtm-se um grau de ativao para a regra R, veja na
Figura 2.5 denotado por
r
. Caso em (2.5), por exemplo, fosse utilizado o conectivo ou o
resultado produzido seria diferente.
Com base no grau de ativao determina-se o conseqente produzido por uma determinada
regra, chamado conseqente induzido. Considere novamente a regra (2.5). Se o grau de
ativao desta regra 1, signica que o conseqente produzido o prprio B. Ademais, de
acordo com o grau de ativao, o conseqente ter um grau de pertinncia em B, i.e, y B

.
No raro um sistema de inferncia possui mais de uma regra. Cada regra produz um
conseqente e o resultado global da etapa inferncia depender da combinao desses con-
seqentes. Esta etapa chamada de agregao, a qual tem por resultado um conjunto fuzzy
(funo de pertinncia) ou uma funo.
2. Fundamentos Fuzzy 12
Antecedente 1
Antecedente 2
Antecedente r
Conseqente 1
Conseqente 2
Conseqente r

r
Regra 1
Regra 2
Regra r
Agregao
Figura 2.5: Diagrama esquemtico da etapa de inferncia.
2.5 Modelo Fuzzy Takagi-Sugeno
O modelo fuzzy Takagi-Sugeno (TS) consiste em um sistema de inferncia capaz de descrever,
de forma exata ou aproximada, sistemas dinmicos no-lineares por meio de um conjunto
de sistemas dinmicos lineares, localmente vlidos, interpolados de forma suave, no-linear e
convexa. Embora originalmente proposto por Takagi e Sugeno (1985), o modelo TS tambm
conhecido na literatura como modelo Takagi-Sugeno-Kang (TSK). Isto se deve aos traba-
lhos subsequentes de Sugeno e Kang (1986) relacionados a metodologias desenvolvidas para
identicao desse tipo de modelo. Pela primazia histrica, adotar-se- nesta dissertao a
nomenclatura modelo TS.
Em termos de modelagem, sabe-se que os modelos TS tm a capacidade de aproximar uni-
formemente funes quaisquer em um domnio compacto (Zeng et al., 2000; Tanscheit et al.,
2007; Tanaka e Wang, 2001; Ying, 2000). Em outras palavras, modelos TS tm a capacidade
de aproximao universal.
Alm disso, uma vantagem sobre outros modelos fuzzy o fato dos conseqentes serem
sistemas dinmicos, demandando uma menor quantidade de regras Se-Ento, o que facilita
substancialmente a tarefa de identicao de modelos (Johansen et al., 2000). Sob o ponto
de vista de controle, modelos TS permitem conciliar tcnicas de controle no-linear e, ao
mesmo tempo, estender de forma rigorosa resultados da teoria de controle de sistemas lineares
(Teixeira e Assuno, 2007).
Considere um sistema dinmico no-linear a tempo discreto, descrito pelas equaes a
seguir:
x
k+1
= f(x
k
) +g(u
k
) (2.6)
y
k
= h(x
k
)
2. Fundamentos Fuzzy 13
sendo x
k
R
n
o vetor de estados; u
k
R
m
o vetor de entradas; y
k
R
q
a sada medida; o
perodo de amostragem entre x
k+1
e x
k
dado por t.
O modelo TS dado por um conjunto de r regras Se-Ento:
R
i
:
_

_
Se q
1
k

i
1
e q
2
k

i
2
e e q
s
k

i
s
Ento
x
k+1
= A
i
x
k
+B
i
u
k
y
k
= C
i
x
k
(2.7)
tal que R
i
, i 1, denota a i-sima regra fuzzy. Na regra R
i
as variveis lingsticas so
representadas por
i
j
, j o; q
j
k
Q, j o, denotam as variveis premissas avaliadas no
instante k; Q o universo de discurso; A
i
, B
i
e C
i
so matrizes reais de dimenso apropriada,
representando o modelo local da regra R
i
.
As variveis premissas podem ser funes dos estados, distrbios externos ou condies de
operao. Em geral, as varveis premissas no so funes do vetor de entradas para evitar
um processo complicado para defuzzicao de controladores fuzzy (Tanaka e Wang, 2001).
Para simplicar a notao, as variveis premissas so agrupadas no vetor
q
k
=
_
q
1
k
q
2
k
q
s
k
_
. (2.8)
Na premissa das regras, avalia-se o grau de compatibilidade de q
j
k
aos respectivos conjuntos
fuzzy das variveis lingsticas
i
j
, obtendo-se graus de pertinncia
i
j
(q
j
k
).
O grau de ativao do antecedente da regra R
i
dado por
w
i
[q
k
] =
s

j=1

i
j
(q
j
k
). (2.9)
Portanto, a norma-t adotada para determinar o grau de ativao do antecedente o
produto algbrico das pertinncias. Vale ressaltar que necessrio que ao menos uma regra
do modelo esteja ativa, garantindo as seguintes propriedades
w
i
[q
k
] 0,
r

i=1
w
i
[q
k
] > 0. (2.10)
O conseqente induzido por cada regra R
i
uma ponderao do modelo local
consequente induzido i
_
_
_
w
i
[q
k
] (A
i
x
k
+B
i
u
k
)
w
i
[q
k
]Cix
k
(2.11)
A etapa de agregao simplesmente dada pela mdia ponderada das regras. Assim o
modelo TS nal dado por
2. Fundamentos Fuzzy 14
x
k+1
=
r

i=1
h
i
[q
k
] (A
i
x
k
+B
i
u
k
) (2.12)
y
k
=
r

i=1
h
i
[q
k
]C
i
x
k
,
sendo que a ponderao normalizada de cada regra dada por:
h
i
[q
k
] =
w
i
[q
k
]

r
i=1
w
i
[q
k
]
, (2.13)
que satisfaz a propriedade de combinao convexa
r

i=1
h
i
[q
k
] = 1, h
i
(q
k
) 0 i 1. (2.14)
Portanto, o modelo TS busca modelar a dinmica no-linear em (2.6) por meio da in-
terpolao de modelos dinmicos lineares. Como as funes de pertinncia, geralmente, so
no-lineares e possuem derivadas contnuas (Tanaka e Wang, 2001), o modelo resultante
uma combinao convexa de modelos locais que suave e no-linear.
2.5.1 Aspectos de Modelagem
Em modelagem matemtica, possvel obter modelos tanto a partir de dados coletados de
entrada e sada, quanto a partir da fsica do processo (Aguirre, 2004). Com modelos TS no
diferente.
Desde os trabalhos pioneiros na rea de identicao de modelos TS, realizados por
Sugeno e Kang (1986), muitas metodologias foram desenvolvidas para identicao de sis-
temas TS. Na seqncia uma pequena reviso bibliogrca dentro deste vasto universo
apresentada.
Basicamente, as etapas necessrias para identicar um modelo TS so: seleo de entradas
relevantes; escolha da estrutura do modelo, que envolve determinar quantidade de regras, tipo
de funes de pertinncia e tipo de conseqente; e estimao de parmetros, das funes de
pertinncia e dos conseqentes.
Em (Saez e Zuiga, 2005; Hadjili e Wertz, 2000) a questo da seleo de entradas relevan-
tes na modelagem abordada. Em (Saez e Zuiga, 2005) utilizada anlise de sensibilidade
para eliminar alguns desses descritores. J em (Hadjili e Wertz, 2000) a relao das entradas
com as parties fuzzy usada como critrio de eliminao.
Para escolha de estrutura, Nounou e Nounou (2005) utilizam uma abordagem com ml-
tiplos modelos TS baseados na representao dos dados em diferentes escalas de tempo. Em
(Casillas et al., 2005), uma abordagem via algoritmos genticos usada para obter uma estru-
tura de modelo TS que mantenha um compromisso entre requisitos conitantes: desempenho
de predio e capacidade de interpretao do modelo.
2. Fundamentos Fuzzy 15
Com relao ao ajuste de parmetros, Teixeira e Assuno (2007) apresentam um mtodo
para obter sistemas lineares locais em pontos que no so a origem. No trabalho de Machado
(2003), tcnicas de otimizao so empregadas para ajustar funes de pertinncia, de modo
a minimizar o erro de modelagem entre a planta e o modelo TS. Em (Johansen et al., 2000)
discute-se a questo de modelos locais que no possuem pontos de equilbrio nas parties
onde so vlidos, dando enfoque em mtodos de regresso para ajuste. Em (Du e Zhang,
2008), adota-se uma abordagem generalizada, buscando realizar o ajuste simultneo das trs
etapas de identicao: descritores de entrada, estrutura das regras e parmetros das funes
de pertinncia.
Uma outra abordagem para modelagem, bastante sistemtica, que permite a represen-
tao exata, local ou global, de sistemas no-lineares em um domnio compacto proposta
por Taniguchi et al. (2001), conhecida como abordagem de no-linearidade setorial
6
. Nesse
mtodo, 2
N
modelos so gerados para representar N no-linearidades do sistema.
6
Do ingls sector nonlinearity approach
Captulo 3
Desigualdades Matriciais Lineares
Embora a histria da relao entre LMIs e anlise de sistemas dinmicos remonte mais de
um sculo (Boyd et al., 1994), foi a partir dos anos 90 que descries LMIs despontaram
como ferramentas poderosas para resolver problemas de controle (Palhares e Gonalves, 2007),
inclusive para sistemas fuzzy, impulsionadas pelo desenvolvimento de algoritmos ecientes de
otimizao convexa. Neste captulo alguns conceitos de otimizao, LMIs e sua aplicao em
controle sero discutidos
1
.
3.1 Conceitos Preliminares
O objetivo desta seo apresentar alguns conceitos de anlise convexa que sero teis
para a discusso sobre LMIs. Tais conceitos podem ser vistos com maiores detalhes
em (Scherer e Weiland, 2005). Uma referncia completa sobre o tema o livro de
Boyd e Vandenberghe (2004).
3.1.1 Conjuntos Convexos
Um conjunto C convexo se um segmento de reta entre dois pontos quaisquer de C est intei-
ramente em C. Formalmente, C convexo se dados quaisquer x
1
, x
2
C (Scherer e Weiland,
2005):
x := x
1
+ (1 )x
2
C [0, 1]. (3.1)
A Figura 3.1 ilustra conjuntos convexo e no-convexo no R
2
.
Um ponto x que satisfaa (3.1) chamado de combinao convexa de x
1
e x
2
. De forma
genrica
x :=
p

j=1

j
x
j
,
p

j=1

j
= 1,
j
0, (3.2)
1
Este breve captulo apenas coleta resultados bsicos sobre anlise convexa, de forma a tornar a leitura
encerrada em si mesma. Leitores familiares com esse assunto podem deixar de l-lo
16
3. Desigualdades Matriciais Lineares 17
Convexo No-Convexo
Figura 3.1: Conjuntos no R
2
.
uma combinao convexa de x
1
, x
2
, , x
p
.
Portanto, um conjunto convexo sse contm todas as combinaes convexas de seus pontos
(Boyd e Vandenberghe, 2004).
A casca convexa de um conjunto C, representada por co C, o menor conjunto convexo
que contm C. Isto signica que co C o conjunto de todas as combinaes convexas dos
pontos de C.
3.1.2 Funes Convexas
Uma funo f : C R
n
R convexa se o domnio de f um conjunto convexo C, tal que
para quaisquer x, y C e [0, 1], tem-se que
f(x + (1 y)) f(x) + (1 )f(y). (3.3)
A Figura 3.2a mostra uma funo convexa f : R R. Note que nesse caso uma funo
convexa sempre encontra-se abaixo do segmento que une dois pontos x e y. Uma funo g
cncava se g convexa.
Uma outra interpretao para convexidade dada a seguir. Considere um intervalo arbi-
trrio [

,
+
] C, sendo
m
seu ponto mdio. Uma funo convexa caso
f(
m
)
f(

) +f(
+
)
2
,
para todo
m
e [

,
+
].
3.1.3 Problemas de Otimizao
Um problema de otimizao tem a estrutura a seguir (Boyd e Vandenberghe, 2004):
3. Desigualdades Matriciais Lineares 18
f(x)
f(y)
(a) funo convexa
f(x)
f(y)
(b) funo no-convexa
Figura 3.2: Exemplos de funes tais que C R.
minimize f
0
(x),
sujeito a f
i
(x) 0, i = 1, 2, . . . , m,
h
i
(x) = 0, i = 1, 2, . . . , p.
(3.4)
sendo x R
n
a varivel a ser otimizada; f
0
: R
n
R a funo objetivo; f
i
so as restries
de desigualdade, enquanto h
i
so restries de igualdade.
O conjunto S = y [ f
i
(y) 0, i = 1, 2, . . . m e h
i
(y) = 0, i = 1, 2, . . . , p chamado
conjunto factvel. Um ponto x chamado soluo factvel se x S, ao passo que o ponto x

chamado soluo tima quando f


0
(x

) o menor valor da funo objetivo no conjunto S.


Caso no houver funo objetivo, o problema de otimizao torna-se um problema de
factibilidade:
encontre x,
sujeito a f
i
(x) 0, i = 1, 2, . . . , m,
h
i
(x) = 0, i = 1, 2, . . . , p.
(3.5)
O problema de factibilidade busca determinar se as restries so consistentes. A resposta,
caso o problema seja factvel, um ponto qualquer do conjunto factvel.
Um mnimo local uma soluo factvel x
0
que minimiza f
0
para pontos em uma vizi-
nhana no conjunto factvel. Isto , se existir > 0 tal que
f(x
0
) f(x), x S [ |x x
0
| < ,
ento x
0
um mnimo local de f
0
.
Formalmente, o mnimo local a soluo do seguinte problema na varivel z
2
min f
0
(z),
s.a f
i
(z) 0, i = 1, 2, . . . , m,
h
i
(z) = 0, i = 1, 2, . . . , p,
|z x
0
| .
. (3.6)
2
Note que para simplicar a notao, abrevia-se minimize por min e sujeito a por s.a
3. Desigualdades Matriciais Lineares 19
A seguir os problemas de otimizao convexa sero considerados, cujas propriedades os
tornam bastante especiais dentro do panorama geral de otimizao.
3.1.4 Otimizao Convexa
Um problema de otimizao convexa tem a seguinte forma
min f
0
(x),
s.a f
i
(x) 0, i = 1, 2, . . . , m,
c

i
x = b
i
, i = 1, 2, . . . , p.
(3.7)
Um problema de otimizao convexa tem como funo objetivo e restries de desigual-
dade funes convexas. Alm disso, as restries de igualdade so ans. Uma propriedade
fundamental de otimizao convexa a relao entre otimalidade local e global, enunciada a
seguir.
Lema 1 (Boyd e Vandenberghe (2004)) Considere um conjunto convexo no-vazio C e
f : C R uma funo convexa. Ento:
O conjunto

C C no qual f atinge seu mnimo convexo
Qualquer mnimo local tambm um mnimo global de f
Essa propriedade, ausncia de mnimos locais, um dos atrativos de otimizao convexa.
Outra caracterstica muito interessante, estabelecida pelo seguinte lema, o fato de que
limitantes superiores para funes convexas podem ser determinados a partir de subconjuntos
de seu domnio.
Lema 2 (Scherer e Weiland (2005)) Seja S
0
um conjunto qualquer e considere f : S R
uma funo convexa, cujo domnio S := coS
0
. Assim, f(x) x S se e somente se
f(x) x S
0
.
Esse lema estabelece uma maneira para se determinar um limitante para f. Ao se vericar
que f(x) nos elementos de S
0
garante-se que majora f em todo seu domnio. No caso
em que S
0
um conjunto nito, esse lema tem grande apelo prtico, pois basta realizar um
conjunto nito de testes para se vericar que f(x) , x S. Assim

0
:= sup
xS
f(x) = max
xS
0
f(x).
Mais adiante, ser visto que estas caractersticas peculiares da otimizao convexa so
muito teis para formular diversos problemas de controle baseados em LMIs, inclusive para
sistemas fuzzy Takagi-Sugeno.
3. Desigualdades Matriciais Lineares 20
3.2 Forma Geral das LMIs
Uma LMI uma desigualdade na forma a seguir (Boyd et al., 1994; Palhares e Gonalves,
2007):
F(x) = F
0
+
m

i=1
x
i
F
i
_ 0, (3.8)
sendo que x R
n
uma varivel e as matrizes F
i
= F

i
R
nn
, i = 0, 1, . . . , m so dadas.
A desigualdade pode ser estrita tambm. A grosso modo, uma LMI uma desigualdade com
elementos matriciais e simtrica. Um conjunto de LMIs pode ser interpretado como uma
nica LMI
diagF
1
(x), F
2
(x), . . . , F
k
(x) _ 0 :=
_

_
F
1
(x) _ 0,
F
2
(x) _ 0,
.
.
.
F
k
(x) _ 0
. (3.9)
Normalmente, LMIs no so apresentadas na forma cannica (3.8). Considere o seguinte
exemplo (Palhares e Gonalves, 2007)
X = X

_ I, > 0. (3.10)
Neste caso X R
22
uma varivel matricial, simtrica, que deve ser denida positiva e
ainda (X) . A desigualdade (3.10) pode ser colocada na forma (3.8) adotando-se o vetor
x = [x
1
x
2
x
3
]

como varivel
X =
_
x
1
x
2
x
2
x
3
_
=
_
1 0
0 0
_
x
1
+
_
0 1
1 0
_
x
2
+
_
0 0
0 1
_
x
3
=
3

i=1
F
i
x
i
_ I.
Tradicionalmente, a notao mais compacta como em (3.10) adotada para expressar uma
LMI. Neste caso, indica-se que (3.10) uma LMI na varivel matricial X.
Ao longo desta dissertao, LMIs iro surgir em dois problemas de otimizao convexa.
No primeiro, busca-se determinar a factibilidade de um conjunto de LMIs
encontre x,
s.a F(x) _ 0.
(3.11)
Aqui F(x) indica um conjunto de LMIs, pois, como visto em (3.9), podem ser agrupa-
das como uma nica LMI. Neste caso, busca-se determinar uma soluo x que torne F( x)
verdadeira, i.e., uma soluo factvel.
Outro problema de otimizao consiste em minimizar uma funo objetivo linear, sujeita
a restries do tipo LMI
3. Desigualdades Matriciais Lineares 21
min c

x,
s.a F(x) _ 0.
(3.12)
Tais problemas de otimizao envolvendo LMIs so tratveis tanto do ponto de vista
terico quanto prtico. Embora no haja uma soluo analtica geral, como ocorre com a
maioria de problemas de otimizao convexa, eles podem ser resolvidos numericamente com
garantia de se obter uma soluo, caso esta exista. Alm disso, consegue-se obter um valor
para a funo objetivo cuja distncia at o valor timo pode ser pr-determinada (Boyd et al.,
1994).
Atualmente, existem diversos pacotes de otimizao disponveis para resolver LMIs
(Palhares e Gonalves, 2007). O LMI Control Toolbox, pacote desenvolvido por Gahinet et al.
(1995) para uso exclusivo no programa computacional de clculo numrico MATLAB, de-
dicado para a resoluo de problemas de controle que envolvam LMIs. Outro pacote para
MATLAB, voltado para a resoluo de problemas de otimizao restritos a cones de matrizes
simtricas, chama-se SeDuMi, cuja implementao se deve a Strum (1999). Existem diversos
pacotes auxiliares que fazem a interface do SeDuMi para a resoluo de LMIs, dentre os quais
um dos mais populares o Yalmip (Lfberg, 2004).
Captulo 4
Estabilidade e Controle de Sistemas
Fuzzy
O controle fuzzy surgiu como uma abordagem independente de modelos e baseada em heu-
rsticas, obtendo bastante sucesso aps os trabalhos pioneiros de Mamdani e Assilian (1975).
Atualmente, destaca-se o controle fuzzy baseado em modelos, no qual os modelos TS tm pa-
pel fundamental. Neste escopo, possvel projetar, de forma sistemtica, sistemas de controle
que garantem no s estabilidade mas tambm restries de desempenho em malha-fechada.
Neste captulo apresenta-se essa abordagem mais rigorosa de controle fuzzy.
4.1 Estabilidade de Sistemas Dinmicos
Na primeira parte deste captulo, o objetivo apresentar alguns conceitos fundamentais que
embasam a anlise de estabilidade e o projeto de controladores de sistemas TS.
Sistemas dinmicos podem ser representados por um conjunto de n equaes diferenciais
(ou equaes de diferenas, no caso de tempo discreto)
x = f
c
(x, t) contnuo,
x
k+1
= f
d
(x
k
, k) discreto,
(4.1)
sendo x R
n
o vetor de estados; f
c
: R
n
R
+
R
n
e f
d
: R
n
Z
+
R
n
funes no-
lineares, chamadas tambm de campos vetoriais. Uma trajetria do sistema uma seqncia
de valores x(t) ou x
k
, que o mesmo descreve partindo da condio inicial x(0) ou x
0
.
Nesta parte do captulo a discusso ir se restringir a sistemas contnuos, mas os conceitos
tambm so vlidos para tempo discreto. Para simplicar a notao, f indicar tanto f
c
quanto f
d
, que car claro pelo contexto.
Esse sistema dito autnomo quando a equao (4.1) no depende do tempo, i.e.,
x = f(x). (4.2)
Do contrrio o sistema chamado no-autnomo.
Uma classe de pontos especiais no campo vetorial vetorial f so chamados pontos de
22
4. Estabilidade e Controle de Sistemas Fuzzy 23
equilbrio. O estado x
e
um ponto de equilbrio (ou ponto xo, no caso discreto) se uma
vez que se tem x(t) = x
e
, a trajetria permanece indenidamente em x
e
(Slotine e Li, 1991).
Formalmente, isto indica que
x = 0 contnuo,
x
k+1
= x
k
discreto.
(4.3)
4.1.1 Estabilidade no Sentido de Lyapunov
Uma questo fundamental acerca de sistemas dinmicos e que remonta mais de cem anos
(Jury, 1996) o conceito de estabilidade. Nesse aspecto, um dos conceitos mais difundidos
de estabilidade no sentido de Lyapunov (1992).
Basicamente, um sistema estvel quando seu comportamento resiste a perturbaes. Em
outras palavras, quando existe estabilidade a trajetria de um sistema permanece prxima a
um ponto de equilbrio, caso ela comece prximo desse.
Denio 1 (Estabilidade) O ponto de equilbrio x
e
estvel se r > 0, > 0 tal que
|x(0) x
e
| |x(t) x
e
| r, t 0.
Do contrrio o ponto de equilbrio instvel.
Segundo essa noo, estabilidade implica que, se as condies iniciais se encontram em
uma bola de raio , centrada em x
e
, ento as trajetrias resultantes caro connadas inde-
nidamente a uma bola de raio r, centrada tambm em x
e
. Nota-se que estabilidade como
denida aqui um conceito local.
Denio 2 (Atratividade) O ponto de equilbrio x
e
atrativo se d > 0 tal que
|x(0) x
e
| d lim
t
|x(t) x
e
| 0.
Um ponto atrativo quando existe uma bola de raio d, centrada em x
e
, tal que trajetrias
cujas condies iniciais partem dessa regio convergem para o ponto de equilbrio.
Note que atratividade no implica em estabilidade e vice-versa. O fato de uma trajetria
convergir assintoticamente para o equilbrio no garante que a mesma permaneceu sempre
prxima ao equilbrio. Por outro lado, um ponto de equilbrio considerado estvel mesmo
que a trajetria no convirja para ele. Todavia, um ponto de equilbrio pode ser atrativo e
estvel.
Denio 3 (Estabilidade Assinttica) O ponto de equilbrio x
e
assintoticamente est-
vel se estvel e atrativo.
Estabilidade assinttica implica que trajetrias que comeam na vizinhana de um ponto
de equilbrio iro tender ao mesmo porm mantendo-se prximas, a medida que o tempo tende
ao innito. A Figura 4.1 ilustra todos esses conceitos para o caso em que x R
2
.
4. Estabilidade e Controle de Sistemas Fuzzy 24
a
b
c
x
e
x(0)

r
Figura 4.1: Interpretao geomtrica de estabilidade: a) estvel; b) assintoticamente estvel;
c) instvel.
O conjunto de pontos B := x R
n
[ lim
t
x x
e
chamado de bacia de atrao
ou regio de convergncia. Desta forma interessante classicar um ponto de equilbrio
assintoticamente estvel como local ou global.
Denio 4 (Estabilidade Global) Se a estabilidade assinttica vale para quaisquer esta-
dos iniciais, ento diz-se que o ponto de equilbrio globalmente assintoticamente estvel.
Um sistema globalmente assintoticamente estvel quando sua bacia de atrao todo
o domnio de f. Garantir estabilidade assinttica global um requisito importante ao se
projetar um sistema de controle, principalmente quando ele pode partir de condies iniciais
quaisquer.
4.1.2 Mtodo Direto de Lyapunov
Em (Lyapunov, 1992) foram desenvolvidos mtodos para vericar a estabilidade de sistemas
dinmicos. Aqui dar-se- enfoque ao mtodo direto de Lyapunov, chamado tambm de se-
gundo mtodo de Lyapunov. Contudo, antes de apresentar o mtodo so necessrias algumas
denies.
Denio 5 Uma funo escalar contnua w : R
n
R, w(0) = 0 semidenida positiva sse
w(x) 0, x R
n
0 (4.4)
Caso a desiguladade seja estrita, ento w ser denida positiva.
Alternativamente, uma funo g dita semidenida (denida) negativa caso g seja se-
midenida (denida) positiva.
4. Estabilidade e Controle de Sistemas Fuzzy 25
Teorema 1 (Estabilidade Global de Sistemas Autnomos (Slotine e Li, 1991))
O sistema dinmico autnomo (4.2) globalmente estvel, se existe uma funo escalar
V : R
n
R tal que
V denida positiva
V possui derivada de primeira ordem


V denida negativa
V a medida em que |x|
Observao 1 Uma funo escalar que atenda a todos os requisitos do Teorema 1 chamada
de funo de Lyapunov.
Observao 2 Uma funo escalar que satisfaz o ltimo requisito do Teorema 1 chamada
de funo radialmente ilimitada.
O mtodo direto de Lyapunov pode ser visto como uma extenso matemtica de uma
observao fsica: se a energia total de um sistema dissipada continuamente, ento este
sistema deve se acomodar em um ponto de equilbrio (Slotine e Li, 1991). Neste caso, a
analogia que se faz que funo de energia dada por V (x), sempre positiva, e sua derivada
temporal ao longo das trajetrias,

V (x) < 0, representa a dissipao desta energia.
A grande valia deste mtodo est no fato de que pode ser aplicado a sistemas dinmicos
quaisquer. Ao se escolher uma funo candidata (radialmente ilimitada e denida positiva)
e se constatar que sua derivada ao longo do sistema denida negativa, garante-se ento
estabilidade. Portanto, a concluso acerca da estabilidade advm da observao da variao
de uma funo escalar (Slotine e Li, 1991).
Contudo, o segundo mtodo de Lyapunov no fornece um procedimento para se determinar
uma funo de Lyapunov. Existem diversas estratgias para a construo de funes que
comprovam estabilidade, porm caso seja selecionada uma funo especca que no atende ao
Teorema 1, nenhuma concluso pode ser obtida sobre a estabilidade/instabilidade do sistema
1
.
Na seqencia do captulo, demonstra-se como possvel aplicar o mtodo direto de Lyapu-
nov a sistemas TS. Ser visto tambm que o uso de LMIs pode ser uma alternativa bastante
interessante para se construir funes de Lyapunov numericamente.
4.2 Estabilidade de Sistemas TS
Considere novamente o sistema TS mostrado em (2.12) porm em malha aberta:
x
k+1
=
r

i=1
h
i
[q
k
]A
i
x
k
. (4.5)
1
Isto ocorre pois o segundo mtodo de Lyapunov um conjunto de condies sucientes
4. Estabilidade e Controle de Sistemas Fuzzy 26
A proposta de Tanaka e Sugeno (1990), para investigar a estabilidade deste sistema, con-
siste em escolher uma funo candidata da forma
V (x
k
) = x

k
Px
k
, (4.6)
tal que P = P

. Essa funo possui derivadas contnuas e radialmente ilimitada. Sua


variao no tempo dada por
V (x
k
) = V (x
k+1
) V (x
k
)
= x

k+1
Px
k+1
x

k
Px
k
= x

k
A

(q)PA(q)x
k
x

k
Px
k
= x

k
_
A

(q)PA(q) P
_
x
k
, (4.7)
sendo A(q) :=

r
i=1
h
i
[q
k
]A
i
.
Caso as condies a seguir sejam satisfeitas
P = P

0 (4.8)
x

k
_
A

(q)PA(q) P
_
x
k
< 0 (4.9)
ento o sistema (4.5) globalmente assintoticamente estvel. A primeira restrio garante
que V (x
k
) uma funo denida positiva, primeira condio do Teorema 1, enquanto a outra
restrio garante que V (x
k
) denida negativa, terceira condio do Teorema 1.
A princpio, parecem necessrios innitos testes para se vericar se uma dada matriz P
atende restrio (4.9), pois A(q) depende de q Q, sendo Q um universo de discurso. O
universo pode possuir um nmero innito de elementos, por exemplo no caso em que Q R
(Lian et al., 2006).
Contudo, isto no preciso, pois modelos TS so combinaes convexas de sistemas din-
micos lineares. Note que A(q) := coA
1
, A
2
, . . . , A
r
por causa da propriedade de combinao
convexa das funes de pertinncia
2
. Desta forma
f(q) := x

k
_
A

(q)PA(q) P
_
x
k
,
uma funo convexa. Relembrando o Lema 2, para assegurar que f(q) < 0, q basta
vericar se f(q) < 0, q
0
, onde := co
0
.
Como no caso dos modelos TS
0
um conjunto de r modelos locais, substitui-se a
condio (4.9) por um nmero nito de testes:
x

k
_
A

i
PA
i
P
_
x
k
< 0, i 1. (4.10)
2
Relembre (2.14)
4. Estabilidade e Controle de Sistemas Fuzzy 27
Esse resultado permite enunciar o Teorema a seguir, sobre a estabilidade de sistemas TS:
Teorema 2 (Tanaka e Sugeno (1990)) O sistema TS (4.5) globalmente assintotica-
mente estvel se existir uma matriz P = P

0 tal que
A

i
PA
i
P 0, i 1. (4.11)
Embora as condies apresentadas por Tanaka e Sugeno (1990) se apliquem a quaisquer
sistemas TS por meio de r + 1 testes na varivel matricial P, uma metodologia sistemtica
e geral para se determinar P no foi apresentada poca. Alguns trabalhos usavam mto-
dos heursticos para determinar as matrizes da funo de Lyapunov (Tanaka e Sugeno, 1992;
Tanaka e Sano, 1993), enquanto Kawamoto et al. (1992) desenvolveu um mtodo analtico
para sistemas TS de segunda ordem, i.e., x R
2
.
Somente mais tarde, com o advento de algoritmos ecientes e de diversos pacotes para
resoluo de LMIs essa carncia foi suprida. Como mostrado em alguns artigos dos autores
Wang et al. (1996), o Teorema 2 pode ser reescrito como um problema de factibilidade de
LMIs:
Teorema 3 (Tanaka e Wang (2001)) O sistema TS (4.5) globalmente assintoticamente
estvel se existe soluo para o seguinte problema
encontre P
s.a P 0
A

i
PA
i
P 0, i = 1, 2, . . . , r
(4.12)
Este resultado foi bastante relevante no sentido de sistematizar a anlise de estabilidade
de sistemas TS. Mesmo assim, ele se mostra ainda mais interessante quando se deseja projetar
um sistema de controle fuzzy.
4.2.1 Projeto de Controle Fuzzy Baseado em LMIs
Uma estratgia amplamente adotada para controle baseado em modelos TS consiste na cha-
mada compensao paralela distribuda (PDC). Embora o conceito tenha sido desenvolvido
em trabalhos anteriores, veja um apanhado histrico em (Tanaka e Wang, 2001), foi a partir
do trabalho de Wang et al. (1995) que essa denominao foi empregada.
Em linhas gerais, o controlador PDC uma combinao fuzzy de controladores locais
usando a mesma estrutura de inferncia da planta:
R
i
:
_
_
_
Se q
1
k

i
1
e q
2
k

i
2
e e q
s
k

i
s
Ento u
k
= K
i
x
k
(4.13)
resultando no seguinte sinal de controle:
u
k
:=
r

i=1
h
i
[q
k
]K
i
x
k
. (4.14)
4. Estabilidade e Controle de Sistemas Fuzzy 28
O controlador PDC um tipo particular de realimentao de estados, parametrizada
segundo as mesmas funes de pertinncia que o modelo TS.
Considerando o controlador (4.14), o sistema TS (2.12) assume a seguinte forma em malha-
fechada
3
x
k+1
=
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
] (A
i
+B
i
K
j
) x
k
(4.15)
=
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]G
ij
x
k
(4.16)
onde G
ij
:= A
i
+B
i
K
j
.
A idia inicial ao se empregar o controle PDC (Wang et al., 1995) era projetar ganhos K
i
que garantissem estabilidade e desempenho para os subsistemas G
ii
e, numa etapa posterior,
vericar se o sistema em malha-fechada obtido globalmente estvel. Uma vez que o sistema
(4.15) autnomo, as mesmas idias do Teorema 2 podem ser aplicadas para a malha fechada.
Contudo, caso no se garanta estabilidade, o procedimento deve reiniciar com um conjunto
de controladores diferente.
A abordagem via LMIs dispensa etapas sucessivas de tentativa e erro pois os ganhos K
i
podem ser vistos como variveis matriciais. A soluo para o problema de factibilidade das
LMIs ser dada por um conjunto de ganhos que estabilizam o sistema, bem como a matriz de
Lyapunov que garante a estabilidade global do sistema em malha fechada. Este procedimento
foi proposto por Wang et al. (1996).
Escolhendo outra vez (4.6) como funo de Lyapunov candidata e considerando a forma
em malha fechada (4.15) tem-se que
V (x
k
) = x

k
_
_
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]
_
G

ij
PG
ij
P

_
_
x
k
(4.17)
= x

k
_
_
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]
__
K

j
B

i
+A

i
_
P A
i
+B
i
K
j
P

_
_
x
k
Segundo o mtodo direto de Lyapunov, para garantir estabilidade suciente que
G

(q, q)PG(q, q) P 0, P 0, (4.18)


3
Relembre as propriedades das funes de pertinncias normalizadas. De acordo com (2.14), tem-se que
r
X
i=1
r
X
j=1
h
i
h
j
A
i
=
r
X
j=1
h
j
| {z }

r
X
i=1
h
i
A
i
!
=
r
X
i=1
h
i
A
i
1
4. Estabilidade e Controle de Sistemas Fuzzy 29
tal que G(q, q) :=

r
i=1

r
j=1
h
i
[q
k
]h
j
[q
k
]G
ij
.
A expresso (4.18) no uma LMI, devido s multiplicaes entre as variveis matriciais
K
i
e P. Contudo, utilizando manipulaes algbricas possvel modic-la para se tornar
uma. Multiplicando (4.18) direita e esquerda por X := P
1
conduz a:
XG

(q, q)X
1
G(q, q)X X 0.
Fazendo as transformaes de variveis M
i
:= K
i
X, tem-se que
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]
__
M

j
B

i
+XA

i
_
X
1
A
i
X +B
i
M
j
X

0,
condies ainda no lineares, pois persistem multiplicaes de variveis. Recorrendo-se ao
complemento de Schur, entretanto, possvel obter uma expresso LMI equivalente:
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]
_
X M

j
B

i
+XA

i
A
i
X +B
i
M
j
X
_
0.
Uma vez que as condies so convexas, basta vericar um nmero nito de testes
_
X M

j
B

i
+XA

i
A
i
X +B
i
M
j
X
_
0, i, j 1.
Caso seja possvel determinar matrizes X e M
i
, tem-se a garantia de que o sistema (4.15)
se torna estvel por meio do controlador (4.14). Haja vista que X 0 (veja as propriedades
do complemento de Schur no Apndice B) os ganhos do controlador so obtidos fazendo
K
i
= M
i
X
1
.
O Teorema a seguir resume o procedimento para projetar controladores PDC para sistemas
TS:
Teorema 4 (Wang et al. (1996)) O sistema TS (4.15) torna-se globalmente assintotica-
mente estvel pelo controlador (4.14) se existe soluo para o seguinte problema
encontre X = X

, M
i
, i = 1, 2, . . . , r
s.a
_
X M

j
B

i
+XA

i
A
i
X +B
i
M
j
X
_
0, i, j = 1, 2, . . . , r
(4.19)
Os procedimentos descritos neste captulo foram responsveis por tornar a anlise de
sistemas de controle fuzzy mais rigorosa, do ponto de vista da garantia de estabilidade. Por
outro lado, o advento de formas ecientes para resolver LMIs causou grande impacto na teoria
de controle como um todo, repercutindo tambm no controle fuzzy. Com isso, a metodologia
para projeto de controladores fuzzy pde ser encarada de maneira sistemtica, de tal forma que
os conceitos apresentados neste captulo aplicam-se a quaisquer sistemas TS. Tudo isso ressalta
a importncia dos trabalhos realizados desde (Tanaka e Sugeno, 1990) at (Wang et al., 1996)
que despertaram o interesse da comunidade de controle sobre o tema.
4. Estabilidade e Controle de Sistemas Fuzzy 30
Embora seja possvel aplicar tais conceitos a sistemas TS genricos, nem sempre a me-
todologia factvel e, por se tratarem de condies sucientes, no possvel concluir sobre
estabilidade ou estabilizao de um sistema TS caso falhem. Por esses motivos, grande parte
dos trabalhos subseqentes buscou determinar metodologias LMI aprimoradas e que sejam
factveis quando as condies tradicionais falham (Feng, 2006). Esse tpico ser abordado nos
captulos seguintes.
4.3 Critrios de Desempenho
A inerente exibilidade da abordagem via LMIs permite o projeto de controladores que, alm
de estabilidade, asseguram desempenho especco em malha-fechada (Tanaka e Wang, 2001).
Muito embora no exista a noo de plos em sistemas no-lineares, possvel impor
restries com relao a resposta temporal de um sistema TS atravs de uma forma anloga
quela feita para sistemas lineares. Neste caso, um sistema TS (4.15) pode ser visto como
uma dinmica do tipo
x
k+1
= G(q)x
k
onde a matriz G(q) varia, de forma no-linear, de acordo o vetor de variveis premissas q.
No caso linear, possvel alocar os plos do sistema em malha fechada em pontos desejados
do semiplano complexo esquerdo. J para sistemas TS, busca-se connar os autovalores das
innitas matrizes G(q) em sub-regies do semiplano complexo esquerdo. Formalmente, dene-
se
q Q (G(q)) ,
sendo C

. Uma matriz que satisfaz esta condio chamada T-estvel (Gonalves et al.,
2006b). Quando as regies so convexas e simtricas com relao ao eixo real so chamadas
regies LMI (Palhares e Gonalves, 2007). Perceba que, segundo esta abordagem, estabele-
cido um desempenho mnimo para o sistema, pois, no pior caso, os autovalores de G(q) cam
no limite das regies LMIs.
O projeto de controladores em regies LMIs generalizadas foi realizado para sistemas
fuzzy por (Nguang e Shi, 2006; Assawinchaichote e Nguang, 2006). J em (Tanaka et al.,
1998a; Teixeira et al., 2000) o enfoque dado na taxa de decaimento, que se trata de uma
regio LMI especca.
Muitas vezes necessrio limitar a amplitude da entrada de controle, devido a limitaes
dos atuadores ou para evitar efeitos de saturao. Restries sobre os sinais de entrada
e sada podem ser incorporadas no projeto de controladores fuzzy, como por exemplo em
(Tanaka et al., 1998a; Teixeira et al., 2000).
Os ndices de desempenho H
2
e H

esto relacionados com a reduo dos efeitos de


distrbios sobre sadas de interesse nos sistemas de controle e tambm podem ser considerados,
de forma isolada ou no contexto do controle misto, para sistemas fuzzy. O controle H

, que
4. Estabilidade e Controle de Sistemas Fuzzy 31
ser visto em detalhes mais adiante, visa reduzir os efeitos de sinais de distrbio sobre os quais
no se conhece detalhes (Palhares e Peres, 2001), ou seja, sinais incertos. J a abordagem H
2
mais adequada quando se conhece a densidade espectral dos distrbios, sendo tratada via
LMIs para sistemas fuzzy em (Wu e Cai, 2004; Wu, 2007).
Esses critrios de desempenho so conitantes, sendo necessrio estabelecer um compro-
misso entre ambos no problema de controle misto H
2
/H

(Gonalves et al., 2006a). Embora


seja um problema de carter multiobjetivo, possvel trat-lo exclusivamente por meio de
LMIs como mostrado em (Chen et al., 2000; Wu et al., 2006). A idia xar um dos custos
associados s abordagens H
2
ou H

e em seguida determinar o valor timo do outro, de


forma iterativa at se determinar o conjunto soluo, desde que se tenha condies convexas.
Outra vantagem bastante atrativa do uso de LMIs em controle fuzzy a capacidade de se
projetar controladores que atendam diversos requisitos de projeto concomitantemente, como
pode ser visto em (Tanaka et al., 1998c). Uma referncia bastante completa o livro de
Tanaka e Wang (2001), no qual a maioria dos critrios discutidos aqui so abordados, exceto
alguns tipos de regies LMIs.
4.3.1 Critrio de Desempenho H

Na abordagem de controle H

busca-se reduzir o efeito de entradas desconhecidas w, que


atuam como distrbio nas sadas z do sistema, por meio de um critrio de desempenho no
domnio da freqncia.
Em um sistema linear, como o da Figura 4.2, a relao entre esses sinais pode ser ex-
pressada por meio de uma funo (matriz) de transferncia T
zw
(s), que pode ser mensurada
segundo diversas normas. Conseqentemente, tais normas servem tambm como medida da
relao entre os sinais de entrada e sada.
u
z
y
w
H
K
Figura 4.2: Diagrama de blocos do controle H

.
A norma H

usada para sistemas estveis:


|T
zw
(s)|

:= sup
w

max
[T
zw
(j)], (4.20)
sendo a medida do supremo do mximo valor singular de T
zw
(s). Para sistemas SISO possvel
apresentar duas representaes geomtricas para a norma H

: o raio do menor crculo que


4. Estabilidade e Controle de Sistemas Fuzzy 32
envolve o diagrama de Nyquist ou o valor de pico do diagrama de Bode, veja Figura 4.3.
1.5 1 0.5 0 0.5 1 1.5
1.5
1
0.5
0
0.5
1
1.5


T
zw
(s)

I
m
Re
(a) Diagrama de Nyquist
10
1
10
0
10
1
40
35
30
25
20
15
10
5
0
5
10
T
zw
(s)

d
B
(b) Diagrama de Bode
Figura 4.3: Interpretaes da norma H

para sistemas lineares SISO.


O problema consiste em se determinar controladores que obtenham o valor timo (
min
)
ou garantam um valor prescrito () da norma H

. Em um ambiente de incerteza, no qual


se tem pouca ou nenhuma informao sobre o contedo espectral dos sinais que perturbam a
planta, esta estratgia vem bem a calhar, pois garante-se um desempenho mnimo mesmo no
pior caso.
Considere o caso SISO e o diagrama de Bode da Figura 4.3. Neste caso, existe um sinal
harmnico puro
0
cuja amplicao na sada de interesse do sistema a maior dentre todos,
o que se entende como pior caso. Se o sistema em malha fechada tem um custo garantido para
a noma H

, ento toda a curva do diagrama de Bode car limitada por . O controlador


achata, ou melhor, conforma a curva do diagrama de Bode garantindo uma relao entrada-
sada menor que . Caso o distrbio no contenha uma componente
0
, a relao entrada-
sada ser ainda menor que . Portanto, a losoa do controle H

de se preparar para o
pior e buscar o melhor desempenho para o pior caso possvel.
4.3.2 Controle H

no Domnio do Tempo
Considere o sistema no-linear e discreto a seguir.
x
k+1
= f(x
k
, w
k
) (4.21)
z
k
= h(x
k
, w
k
).
sendo z
k
R
p
um sinal de sada de interesse, chamada tambm de sada calculada ou sada
de desempenho, e w
k
R
q
so entradas de distrbio com energia nita, i.e., w
k
l
2
[0, ).
Como o critrio H

denido como uma norma de funes de transferncia, no direta


sua extenso para sistema no-lineares. Contudo, no domnio do tempo, a norma H

est
relacionada razo entre a norma l
2
dos sinais de sada z e a norma l
2
dos sinais de distrbio
w, segundo:
4. Estabilidade e Controle de Sistemas Fuzzy 33
sup
w=0
|z|
2
|w|
2

2
. (4.22)
Essa relao entre entrada-sada chamada de ganho induzido l
2
(Zhou et al., 1995). No
contexto de sistemas lineares estveis, a equivalncia entre domnio do tempo e da freqncia
estabelecida pelo Bounded Real Lemma (BRL) (Zhou et al., 1995; Scherer e Weiland, 2005;
Palhares e Gonalves, 2007). Em (Lin e Byrnes, 1996) apresentado um anlogo do BRL
para sistemas no-lineares.
No domnio do tempo, o controle H

se resume ao problema de se determinar contro-


ladores que garantam simultaneamente: estabilidade assinttica ao sistema (4.21) quando se
encontra livre de perturbaes (w
k
= 0); ganho induzido entre entrada e sada menor ou igual
a , para condies iniciais nulas. O valor ser um limitante superior para a norma H

4
.
Com base nesses resultados, possvel estabelecer o seguinte ndice de desempenho que
ser til nos captulos seguintes como forma para instrumentalizar o projeto de controladores
via LMIs.
Teorema 5 Considere que w
k
l
2
[0, ) e que > 0. Seja V uma funo diferencivel,
denida positiva e radialmente ilimitada que soluo da desigualdade a seguir:
1

:= V (x
k
) +z

k
z
k

2
w

k
w
k
< 0. (4.23)
onde V (x
k
) a variao temporal dessa funo ao longo do sistema (4.21). Ento o sistema
(4.21) assintticamente estvel quando w
k
= 0 e possui como limitante superior da norma
H

para condies iniciais nulas.


Demonstrao 1 Se V soluo de (4.23) resulta que
V (x
k
) < 0.
Portanto, V uma funo de Lyapunov que assegura a estabilidade do sistema (4.21).
Por outro lado, considera-se a desigualdade a seguir:

k=0
_
V (x
k
) +z

k
z
k

2
w

k
w
k
_
< 0.
Observa-se que:
4
Ainda que a norma H

seja denida para funes de transferncia e no exista para sistemas no-


lineares, em muitos trabalhos adota-se como sinnimos norma H

e o ganho induzido l
2
. Por simplicidade,
nesta dissertao, ambos os termos so usados indistintamente
4. Estabilidade e Controle de Sistemas Fuzzy 34

k=0
V (x
k
) =

k=0
_
x

k+1
Px
k+1
x

k
Px
k
_
= x

0
Px
0
+x

1
Px
1
x

1
Px
1
+x

2
Px
2
x

2
Px
2
+x

3
Px
3
+x

Px

= x

Px

0
Px
0
= V (x

) V (x
0
) (4.24)
Sem perda de generalidade, pode-se supor condies iniciais nulas, x
0
= 0. Portanto,
V (x
0
) = 0 resultando em
x

Px

k=0
_
z

k
z
k

2
w

k
w
k
_
< 0. (4.25)
Como o sistema estvel, segue que
lim
N
x

N
Px
N
0, (4.26)
pois o distrbio no persistente, uma vez que w
k
l
2
[0, ). Finalmente, isso conduz a:

k=0
_
z

k
z
k

2
w

k
w
k
_
< 0
|z
k
|
2

2
|w
k
|
2
< 0. (4.27)
Portanto o ganho induzido l
2
do sistema limitado por
2
, concluindo a demonstrao.
Observao 3 O critrio 1

denominado ndice de desempenho H

(Palhares et al., 2001,


2005), onde em (4.23) aparece explicitamente a taxa de variao de uma funo de Lyapunov.
Com base na denio do ndice de desempenho H

, possvel obter resultados para


anlise e sntese baseados em LMIs. Alguns trabalhos pioneiros sobre o critrio de desem-
penho H

, usando LMIs, podem ser vistos em (Han e Feng, 1999; Hong e Langari, 2000;
Cao e Frank, 2000).
Captulo 5
Critrios de Estabilidade e de
Estabilizao Quadrticos
Nos captulos anteriores os princpios de modelagem fuzzy Takagi-Sugeno e de estabilidade de
sistemas dinmicos no sentido de Lyapunov foram apresentados. Foi mostrado que as questes
de estabilidade e de estabilizao no contexto TS podem ser tratadas de forma eciente como
problemas de otimizao convexa, particularmente por meio da soluo de LMIs. Tambm
foi visto que as questes de desempenho em malha fechada podem fazer parte do projeto
de controladores fuzzy via LMIs. Neste captulo, o enfoque voltado para critrios menos
conservadores para analisar estabilidade ou projetar controladores fuzzy para sistemas TS.
5.1 Conservadorismo da Abordagem Quadrtica Tradicional
O critrio proposto por Tanaka e Sugeno (1992) dene um conjunto de condies para ins-
peo da estabilidade de sistemas TS, resultado que foi aplicado para o projeto de regulado-
res fuzzy em (Wang et al., 1996). Tais resultados denem um arcabouo completo para, de
maneira sistemtica, inferir estabilidade ou projetar controladores estabilizantes atravs da
soluo de LMIs.
No obstante, tal critrio apresenta desvantagens. Por constiturem um conjunto de condi-
es sucientes, mesmo quando no so satisfeitas, um sistema TS pode ser estvel ou mesmo
estabilizvel. Do ponto de vista numrico, um aumento no nmero de regras acarreta em
maior complexidade das LMIs, podendo tornar invivel determinar sua soluo, ainda que
exista. Esta questo torna-se ainda mais crucial quando, alm de estabilidade, o projeto do
controlador fuzzy envolve critrios de desempenho em malha-fechada.
Neste contexto, uma srie de trabalhos buscou reduzir o conservadorismo numrico
da abordagem quadrtica, podendo ser destacados (Tanaka et al., 1998a; Kim e Lee, 2000;
Teixeira et al., 2000, 2003; Fang et al., 2006). O princpio comum nestas abordagens consiste
na adio de variveis matriciais de folga
1
nas condies de estabilidade. Do ponto de vista
analtico, as novas condies de estabilidade quadrticas equivalem ou majoram o critrio pa-
1
Do ingls slack matrix variables
35
5. Critrios de Estabilidade e de Estabilizao Quadrticos 36
dro, de tal forma que se tais condies LMI so atendidas, conseqentemente so satisfeitas
as condies originais. Do ponto de vista prtico, as variveis adicionais que so introduzidas
facilitam determinar factibilidade das LMIs, pois introduzem novos graus de liberdade no
problema de otimizao. O preo pago um aumento do custo computacional.
Outra forma de reduzir o conservadorismo consiste na aplicao de transformaes ma-
triciais para introduzir variveis matriciais adicionais, como realizado em (Delmotte et al.,
2007) para sistemas contnuos e em (Wu, 2004), para sistemas a tempo discreto com falha
em atuadores. O critrio de estabilidade preservado, mas as variveis usadas para calcular
controladores no mais dependem da matriz P da funo de Lyapunov. Tal desacoplamento
feito por intermdio das novas variveis introduzidas, conhecidas tambm como multiplica-
dores matriciais. Os autores de Oliveira e Skelton (2002); de Oliveira (2004) apresentam um
discusso interessante sobre os multiplicadores no contexto de sistemas lineares com incertezas
politpicas.
Mais recentemente, em (Sala e Arino, 2007; Montagner et al., 2007) condies LMIs ne-
cessrias e sucientes foram desenvolvidas para estabilidade de sistemas TS baseadas em
funo de Lyapunov quadrtica. Todavia, ambos apresentam condies assintticas, pois as
LMIs dependem de certos parmetros, os quais devem ser sucientemente grandes para que
as condies se tornem exatas (necessrias e sucientes). Embora seja bastante interessante
a obteno de condies necessrias e sucientes, ainda existem algumas diculdades funda-
mentais com a funo de Lyapunov quadrtica, que sero discutidas em detalhes no captulo
seguinte. Ademais, resta a questo de como incluir critrios de desempenho em termos de
condies necessrias e sucientes, sobretudo critrios conitantes.
5.2 Condies H

Aprimoradas: Caso Quadrtico


Nesta seo dois tipos de resultados sero apresentados. Primeiramente, so dadas as condi-
es que servem para determinar limitantes superiores para a norma H

de sistemas fuzzy
estveis. Em seguida, sero apresentados resultados de sntese, que fornecem o procedimento
para se obter controladores fuzzy que provem um custo garantido da norma H

em malha
fechada.
5.2.1 Anlise da Norma H

Considere o sistema TS (4.5), reescrito da seguinte forma:


x
k+1
=
r

i=1
h
i
[q
k
] (A
i
x
k
+B
i
u
k
+E
i
w
k
) (5.1)
z
k
=
r

i=1
h
i
[q
k
] (C
i
x
k
+D
i
u
k
+F
i
w
k
)
sendo z
k
R
p
a sada de desempenho e w
k
R
q
um sinal de distrbio, que afeta tanto a
5. Critrios de Estabilidade e de Estabilizao Quadrticos 37
dinmica do sistema quanto essa sada.
Existem duas formas usuais de se analisar o desempenho H

de um sistema estvel. Um
objetivo consiste em encontrar
min
, o menor valor para o custo garantido l
2
entre o distrbio
w
k
e a sada calculada z
k
. Por outro lado, tambm possvel determinar se o sistema atende
a um valor prescrito de desempenho dado por .
Com relao a estabilidade, pode-se analisar, pelos procedimentos fornecidos a seguir,
tanto sistemas em malha aberta como sistemas em malha fechada, cujos ganhos do controlador
PDC so especicados de antemo.
Partindo do resultado mostrado no Teorema 5, possvel obter as condies LMI apre-
sentadas em (Cao e Frank, 2000). Contudo, se for adotado o procedimento de Teixeira et al.
(2003), que permite a introduo de matrizes de folga, possvel obter resultados menos con-
servadores para a anlise do desempenho H

. Aqui, reduo do conservadorismo tem dois


signicados: obter um menor valor da norma H

para um dado sistema, quando comparado


a outros valores obtidos em procedimentos baseados na funo de Lyapunov quadrtica; ou
obter solues factveis para os casos em que outros mtodos falham.
O teorema a seguir fornece condies sucientes para determinar se o custo garantido H

de um sistema TS estvel pelos menos .


Teorema 6 Seja > 0 um valor dado. O sistema TS (5.1) estvel com norma H

dada
por , para condies iniciais nulas, caso existam matrizes simtricas X, T
ijt
, R
it
e matrizes
quaisquer S
ijt
, i, j, t 1 que satisfazem o problema a seguir:
encontre X, T
ijt
, S
ijt
, R
it
, i, j, t = 1, 2, . . . , r
s.a T
ijt
_ 0,
t
0,
(5.2)
sendo

t
:=
_

_
Q
11
Z
1t

Q
12
+N
21t
Q
22
Z
2t

.
.
.
.
.
.
.
.
.
.
.
.

Q
1r
+N
r1t

Q
2r
+N
r2t
Q
rr
Z
rt
_

_
, (5.3)
Q
ij
:=
_

_
X
0
2
I
G
ij
X E
i
X
M
ij
X F
i
0 I
_

_
, (5.4)

Q
ij
:=
1
2
(Q
ij
+Q
ji
) , G
ij
:= A
i
+B
i
K
j
, M
ij
:= C
i
+D
i
K
j
, (5.5)
e ainda:
N
ijt
:=
_
T
ijt
+W
ijt
+S
ijt
S

ijt
se i < j
T
jit
+W
jit
S
jit
+S

jit
se i > j
(5.6)
5. Critrios de Estabilidade e de Estabilizao Quadrticos 38
W
ijt
:=
_
R
ij
, se i = t ou j = t
0, se i ,= t e j ,= t
(5.7)
Z
it
:=
_

_
R
it
, se i < t
R
ti
, se i > t
0, se i = t
(5.8)
Demonstrao 2 Considere a notao:
(q) :=
r

i=1
h
i
[q
k
]
i
. (5.9)
Assim possvel denir:
G(q, q) := A(q) B(q)K(q) (5.10)
M(q, q) := C(q) D(q)K(q) (5.11)
Considere como funo de Lyapunov candidata V (x
k
) = x

k
Px
k
. Logo, para o sistema
(5.1), o ndice de desempenho H

dado por
1

= x

k
G

(q, q)PG(q, q)x


k
+x

k
G

(q, q)PE(q)w
k
+w

k
E

(q)PG(q, q)x
k
+w

k
E

(q)PE(q)w
k
x

k
Px
k

2
w

k
w
k
+x

k
M

(q, q)M(q, q)x


k
+x

k
M

(q, q)F(q)w
k
+w

k
F

(q)M(q, q)x
k
+w

k
F

(q)F(q)w
k
, (5.12)
que pode ser reescrito na forma aumentada
1

(q, q), (5.13)


sendo que

:= [x

k
w

k
] e ainda:
(q, q) :=
_
G

(q, q)PG(q, q) P +M

(q, q)M(q, q)
F

(q)M(q, q) +E

(q)PG(q, q)
2
I +F

(q)F(q) +E

(q)PE(q)
_
.
Para assegurar que 1

< 0 suciente que (q, q) 0. Aplicando-se complemento de


Schur, essa desigualdade equivale a

(q, q) 0 sendo que:

(q, q) :=
_

_
P
0
2
I
PG(q, q) PE(q) P
M(q, q) F(q) 0 I
_

_
.
De acordo com as propriedades do complemento de Schur (veja Apndice B), ao se garantir
5. Critrios de Estabilidade e de Estabilizao Quadrticos 39
que

(q, q) 0, simultaneamente, tem-se que P 0, garantindo que a funo candidata
denida positiva.
Como P 0, essa matriz no-singular, sendo possvel denir a transformao de con-
gruncia S := diagX, I, X, I, tal que X := P
1
. Logo

(q, q) 0
S

(q, q)S

(q, q) 0
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]

ij
0
r

i=1
h
i
[q
k
]

ii
+
r

i<j
h
i
[q
k
]h
j
[q
k
]
_

ij
+

ji
_
0 (5.14)
sendo que

ij
:=
_

_
X
0
2
I
G
ij
X E
i
X
M
ij
X F
i
0 I
_

_
. (5.15)
Deste ponto em diante, aplica-se o resultado proposto por Teixeira et al. (2003), para se
obter condies mais relaxadas. Considere que

S
ijt
e T
ijt
_ 0, i, j, t 1 so matrizes anti-
simtricas e simtricas, respectivamente, com dimenso apropriada. Assim tem-se que

(q, q)
r

t=1
h
t
[q
k
]
_
_
_
r

i=1
h
i
[q
k
]

ii
+
r

i<j
h
i
[q
k
]h
j
[q
k
]
_

ij
+

ji
_
+T
ijt
+

S
ijt
_
_
_
=
r

t=1
h
t
[q
k
]
_
[q
k
]

[q
k
]
_
(5.16)
sendo que [q
k
] :=
_
h
1
[q
k
]I h
2
[q
k
]I h
r
[q
k
]I
_
e ainda

t
:=
_

11t
. . .
1
2
_

12t
+

21t
_
+T
21t
+

S
21t

22t
. . .
.
.
.
.
.
.
.
.
.
.
.
.
1
2
_

r1t
+

1rt
_
+T
r1t
+

S
r1t
1
2
_

r2t
+

2rt
_
+T
r2t
+

S
r2t

rrt
_

_
.
Pela denio de matriz anti-simtrica e possvel fazer

S
ijt
:= S

ijt
S
ijt
, sendo S
ijt
matrizes quaisquer.
5. Critrios de Estabilidade e de Estabilizao Quadrticos 40
Aplicando o Lema 4 (vide apndice A) tem-se que
r

t=1
h
t
[q
k
]
_
[q
k
]

[q
k
]
_
=
r

t=1
h
t
[q
k
]
_
[q
k
]
_

t
+H
_

[q
k
]
_
=
r

t=1
h
t
[q
k
]
_
[q
k
]
t

[q
k
]
_
(5.17)
sendo que
t
denido em (5.3). Portanto, para garantir que o sistema tem norma H

dada por , suciente vericar que


t
0, t = 1, 2, . . . , r, pois as condies em (5.17) so
convexas, concluindo a demonstrao.
O prximo resultado uma modicao do teorema anterior. Se antes o objetivo era
vericar se o sistema tem desempenho H

dado por , agora o objetivo investigar o valor


timo, isto , o menor valor possvel para .
Teorema 7 O sistema TS (5.1) estvel com valor timo da norma H

dado por
min
=

, para condies iniciais nulas, caso existirem matrizes simtricas X, T


ijt
, R
it
e matrizes
quaisquer S
ijt
, i, j, t 1 que satisfazem o problema a seguir:
min
X,R
ij
,T
ijt
,S
ijt
,

s.a T
ijt
_ 0,
t
0,
(5.18)
sendo que
t
denida como em (5.3), porm trocando-se
2
por em (5.4).
Demonstrao 3 Basta fazer a troca de varivel
2
:= em (5.15). Como as condies so
convexas, o valor timo de produz o valor mnimo do limitante superior da norma H

.
5.2.2 Sntese de Controladores H

No procedimento de sntese, determina-se os ganhos do controlador PDC que garante um


valor de projeto para a norma H

do sistema em malha-fechada. Tambm possvel


determinar os ganhos do controlador que minimiza a norma H

. A metodologia do projeto
assemelha-se ao procedimento de anlise, na medida em que depende da soluo de problemas
de factibilidade ou de minimizao.
O teorema a seguir apresenta condies LMI para projetar os ganhos do controlador fuzzy
que garante estabilidade e desempenho em malha-fechada.
Teorema 8 Seja > 0 um valor dado. O sistema TS (5.1) estabilizvel pelo controlador
PDC (4.14) e possui desempenho em malha-fechada, para condies iniciais nulas, dado por
, caso existam matrizes simtrica X, T
ijt
, R
it
e matrizes quaisquer M
i
, S
ijt
, i, j, t 1 que
satisfazem o problema a seguir:
encontre X, M
i
, T
ijt
, S
ijt
, R
it
, i, j, t = 1, 2, . . . , r
s.a T
ijt
_ 0,
t
0,
(5.19)
5. Critrios de Estabilidade e de Estabilizao Quadrticos 41
sendo
t
,

Q
ij
, N
ijt
, W
ijt
e Z
it
como em (5.3), (5.5), (5.6), (5.7) e (5.8), respectivamente,
porm:
Q
ij
:=
_

_
X
0
2
I
A
i
X +B
i
M
j
E
i
X
C
i
X +D
i
M
j
F
i
0 I
_

_
. (5.20)
Caso exista soluo, os ganhos do controlador so obtidos fazendo-se K
i
= M
i
X
1
.
Demonstrao 4 A demonstrao segue os passos mostrados para o Teorema 6, porm fa-
zendo a troca de variveis M
i
:= K
i
X nas matrizes (5.15).
Usando LMIs tambm possvel obter o controlador que minimiza o valor da norma H

do sistema em malha-fechada. O teorema a seguir apresenta condies LMI para projetar os


ganhos do controlador fuzzy que garante estabilidade e o desempenho timo
min
em malha-
fechada.
Teorema 9 O sistema TS (5.1) estabilizvel pelo controlador PDC (4.14) e possui desempe-
nho timo em malha-fechada, para condies iniciais nulas, dado por , caso existam matrizes
simtricas X, T
ijt
, R
it
e matrizes quaisquer M
i
, S
ijt
, i, j, t 1 que satisfazem o problema a
seguir:
min
X,M
i
,R
ij
,T
ijt
,S
ijt
,

s.a T
ijt
_ 0,
t
0,
(5.21)
sendo
t
,

Q
ij
, N
ijt
, W
ijt
e Z
it
como em (5.3), (5.5), (5.6), (5.7) e (5.8), respectivamente.
As matrizes Q
ij
so denidas como em (5.20), porm considerando
2
= .
Caso exista soluo, os ganhos do controlador so obtidos fazendo-se K
i
= M
i
X
1
e o
valor timo da norma H

dada por
min
=

.
Demonstrao 5 A demonstrao segue os passos mostrados para o Teorema 6, porm fa-
zendo a troca de variveis M
i
:= K
i
X e :=
2
nas matrizes (5.15) para eliminar o produto
das variveis de deciso.
Observao 4 Para alguns sistemas, medida que se aproxima do valor timo
min
, ganhos
elevados podem ser obtidos, o que se trata de uma patologia do controle H

. Para contornar
esse problema, o mtodo proposto por Palhares et al. (1998) permite obter valores sub-timos
muito prximos de
min
, sem incorrer no problema de altos ganhos.
5.3 Resultados
Por meio de alguns exemplos numricos possvel determinar o grau de reduo no conser-
vadorismo obtido com as relaxaes propostas neste captulo.
5. Critrios de Estabilidade e de Estabilizao Quadrticos 42
5.3.1 Exemplo 1
Neste exemplo, retirado de Wang e Feng (2004), um controlador fuzzy H

deve ser projetado


para estabilizar o sistema TS de 3 regras, cujas matrizes so:
A
1
=
_
1 0,1
0,5 1
_
, A
2
=
_
0,5 0,6
0,6 0,5
_
, A
3
=
_
1 0,5
0,1 1
_
B
1
= B
2
=
_
0
1
_
, B
3
=
_
1
0
_
, E
1
= E
2
=
_
0
0,1
_
, E
3
=
_
0,1
0
_
C
1
= C
3
=
_
1 0
_
, C
2
=
_
1 0
_
, D
1
= D
3
= 1, D
2
= 1.
Segundo Wang e Feng (2004), estratgias baseadas na funo de Lyapunov quadrtica,
como por exemplo (Cao e Frank, 2000), no so capazes de determinar um controlador para
o sistema. Contudo, aplicando-se o Teorema 8 possvel determinar um controlador cujos
ganhos so mostrados na Tabela 5.1 e que garante um custo =0,5.
Tabela 5.1: Ganhos do controlador PDC
Ganho Valor
K
1
[0,1883 -1,0310]
K
2
[-0,7550 -0,3170]
K
3
[-0,2889 -1,1985]
5.3.2 Exemplo 2
O exemplo a seguir foi tomado de (Gao et al., 2005). Considere o sistema TS com matrizes
A
1
=
_
1 +a 0,5
1 0
_
, A
2
=
_
1 0,5
1 0
_
, B
1
=
_
1
1 b
_
, B
2
=
_
2
1
_
,
E
1
=
_
0,2
0,3
_
, E
2
=
_
0,5
0,1
_
, C
1
=
_
1 0,5
_
, C
2
=
_
0,5 1
_
,
D
1
= 1, D
2
= 0,5, F
1
= 0,4, F
2
= 0,2,
vetor de estados x
k
:= [x
1
k
x
2
k
] e funes de pertinncia
h
1
[q
k
] = (1 sin(x
1
k
))/2, h
2
[q
k
] = (1 + sin(x
1
k
))/2,
sendo, a varivel premissa q
k
o estado x
1
k
.
Considere que os ganhos do controlador PDC sejam
K
1
=
_
0.65 0.30
_
, K
2
=
_
0.87 0.11
_
. (5.22)
O objetivo deste exemplo determinar o valor mnimo da norma H

quando o sistema
5. Critrios de Estabilidade e de Estabilizao Quadrticos 43
encontra-se em malha fechada. A Tabela 5.2 mostra o resultado obtido para diversos valores
do parmetro a, quando b = 0.
Tabela 5.2: Valores de
min
para diferentes parmetros: abordagens quadrticas
a 0,0 0,2 0,4 0,6

min
com (Cao e Frank, 2000, Teo. 2) 1,8110 2,0385 2,7014 21,6282

min
com (Gao et al., 2005, Lema 2) 1,8141 2,0403 2,6983 9,6492

min
com Teorema 7 1,8107 2,0361 2,5716 5,9496
5.3.3 Discusso
Esses dois exemplos ilustram que por meio da metodologia proposta consegue-se obter solues
factveis mesmo quando outros mtodos falham, como ca evidenciado pelo Exemplo 1.
Na comparao com outros mtodos tambm factveis, Exemplo 2, foi possvel determinar
os menores custos garantidos. Em casos extremos, o limitante da norma H

chega a ser entre


1,5, a 3,5, vezes menor do que de outras metodologias.
Captulo 6
Critrios de Estabilidade e de
Estabilizao No-Quadrticos
Neste captulo sero vistos critrios de estabilidade no-quadrticos, uma classicao que se
deve ao uso de funes de Lyapunov candidatas que no so do tipo V (x
k
) = x

k
Px
k
. Ao
invs de considerar uma nica funo de Lyapunov, vlida em todas as parties do universo
de discurso, mais funes so combinadas. O enfoque do captulo voltado para as funes
de Lyapunov dependentes de parmetros, tambm conhecidas como funes de Lyapunov
no-quadrticas, parametrizadas ou fuzzy.
6.1 Existncia de Funes de Lyapunov Quadrticas
Embora o trabalho de Tanaka et al. (1998a), como diversos outros que vieram mais tarde
tambm baseados em condies quadrticas, tenha sido capaz de aprimorar o desempenho
numrico das condies LMIs apresentadas em (Tanaka e Sugeno, 1992; Wang et al., 1996),
o conservadorismo da abordagem quadrtica ainda eminente. Uma das razes desse conser-
vadorismo remanescente o fato de que condies como a do Teorema 2 s levam em conta a
propriedade de combinao convexa das funes de pertinncia, negligenciando informaes
estruturais relevantes das mesmas (Johansson et al., 1999).
Outra questo, demonstrada no trabalho de Johansson e Rantzer (1998); Johansson et al.
(1999), que mesmo para alguns sistemas TS estveis no existe funo de Lyapunov qua-
drtica (FLQ) do tipo V (x
k
) = x

k
Px
k
.
Mesmo com o desenvolvimento de condies baseadas na FLQ que so, simultaneamente,
necessrias e sucientes, como em (Sala e Arino, 2007; Montagner et al., 2007), a concluso
acerca da estabilidade de um sistema ainda no denitiva. Outro tipo de funo, que no
seja a FLQ, pode existir, certicando a estabilidade do sistema. A linha de trabalho em
(Sala e Arino, 2007; Montagner et al., 2007) ir apenas garantir que no existe uma funo
quadrtica nica que assegura estabilidade do sistema TS.
44
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 45
6.1.1 Alternativas
Antes dos trabalhos de (Johansson et al., 1999), j havia o interesse por alternativas para a
abordagem quadrtica tradicional. Em (Cao et al., 1997) j havia idias de como utilizar ml-
tiplas funes de Lyapunov, que combinadas garantissem a estabilidade global de um sistema
TS. A funo de Lyapunov empregada nesses trabalhos foi denominada por Johansson et al.
(1999) como funo de Lyapunov por partes (FLPP):
V (x
k
) := x

k
P
i
x
k
, x
k
X
i
, (6.1)
sendo que X
i
so parties do universo de discurso, normalmente escolhidas como subespaos
do R
n
, cujas premissas so combinaes dos estados x
k
.
A diviso dos subespaos X
i
feita de acordo com as interaes entre as funes de
pertinncia. Normalmente, essa separao feita de acordo com o nmero de regras ativas.
Por exemplo, se em determinado subespao duas funes de pertinncia so normais, ento
dene-se a partio X
j
. Se adjacente a essa regio apenas uma das funes de pertinncia
tem suporte vazio, outra partio X
k
ser denida.
Motivados pelos resultados de Cao et al. (1997) e Johansson et al. (1999), muitos trabalhos
buscaram desenvolver a teoria e aplicaes em controle da funo de Lyapunov por partes
(Borne e Dieulot, 2005; Feng, 2003; Feng et al., 2005; Feng, 2006).
Contudo, uma diculdade da abordagem com funo de Lyapunov por partes a necessi-
dade de se garantir que a combinao das vrias funes resulte em uma funo global sempre
decrescente ao longo do tempo. Isto se torna bastante crtico na fronteira das parties. Em
(Cao et al., 1997) a soluo encontrada foi exigir certas condies de fronteira que so verica-
das a posteriori. J Johansson et al. (1999) adotaram LMIs extras que foram a continuidade
da funo nas fronteiras, eliminando vericaes posteriores. Recentemente, Borne e Dieulot
(2005) desenvolveram condies para sistemas particulares que garantem que a funo sem-
pre decrescente ao deixar uma partio mais afastada do equilbrio em direo a outra mais
prxima, relaxando a restrio de continuidade.
A funo de Lyapunov por partes muito apropriada quando o modelo TS ativa poucas
regras ao mesmo tempo. Contudo, essa condio no vale para modelos obtidos atravs da
abordagem de no-linearidade setorial (Kruszewski et al., 2007).
Outra alternativa o uso da chamada funo de Lyapunov dependente de parmetros
(FLDP):
V (x
k
) := x

k
r

i=1
h
i
[q
k
]P
i
x
k
, (6.2)
sendo que h
i
[q
k
] so as mesmas funes de pertinncia usadas para modelar o sistema TS cuja
estabilidade (controle) deseja-se analisar (realizar). Esta funo dada como a combinao
fuzzy de funes quadrticas vlidas localmente. Note que, ao contrrio da funo de Lya-
punov por partes, caso as funes de pertinncia possuam pelo menos derivada temporal de
primeira ordem, ento a FLDP ao menos (
1
.
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 46
A terminologia para esse tipo de funo na literatura recente bastante diversicada:
funo de Lyapunov fuzzy (Tanaka et al., 2003, 2007; Wu e Zhang, 2007); funo dependente
de ponderao fuzzy (Choi e Park, 2003); funo de Lyapunov no-quadrtica (Ding et al.,
2006; Kruszewski et al., 2007); funo de Lyapunov de base dependente (Zhou et al., 2005,
2007).
Antes de sua aplicao em sistemas fuzzy, esse tipo de funo foi adotada no contexto de
controle robusto de sistemas lineares incertos (Gahinet et al., 1996; Haddad e Chellaboina,
1997; de Oliveira et al., 1999), identicada como funo de Lyapunov dependente de parme-
tros. Enquanto para sistemas fuzzy a funo ponderada segundo as funes de pertinncia,
para sistemas lineares adota-se os parmetros incertos. Portanto, a nomenclatura funo
de Lyapunov dependente de parmetros mais coerente para identic-la independente do
contexto sendo, portanto, adotado nesta dissertao.
Perceba que tanto a FLPP quanto a FLDP so baseadas na combinao de vrias funes,
quebrando o paradigma da matriz nica usada na abordagem tradicional, o que reduz consi-
deravelmente o conservadorismo. Alm disso, em ambos os casos levada em considerao a
estrutura do modelo TS.
Todavia, a FLDP apresenta vantagens com relao a FLPP:
Caso as funes de pertinncia sejam pelo menos (
1
, as garantias de continuidade e de
decaimento j lhe so inerentes, dispensando condies complementares para vericao
(Tanaka et al., 2003)
So convenientes para modelos obtidos a partir da abordagem de no-linearidade setorial
(Tanaka et al., 2003; Kruszewski et al., 2007)
Na FLPP o resultado pode ser inuenciado pela escolha das parties. J na FLDP
outras informaes estruturais so consideradas (nmero de regras, funes de pertinn-
cia), aprimorando a anlise.
No obrigatrio que as funes locais x

k
P
i
x
k
na FLDP sejam funes de Lyapunov. A
exigncia que se faz que a combinao fuzzy das mesmas seja uma funo de Lyapunov
Tanaka et al. (2003). No caso da FLPP isso no ocorre.
Uma desvantagem da FLDP ocorre na elaborao de condies LMI para sistemas cont-
nuos. Como a derivada temporal da FLDP contm informao a respeito das derivadas das
funes de pertinncia, deve-se adotar limites pr-estabelecidos para a derivada das funes
de pertinncia (Tanaka et al., 2003, 2007). Isso gera maior diculdade na sua aplicao, pois
os limites dessas derivadas devem ser escolhidos adequadamente.
No caso discreto, o mesmo problema no acontece no procedimento de obteno das LMIs,
haja vista que a taxa de variao mxima do sistema est subordinada taxa de amostragem.
Isso no signica que a abordagem para sistemas discretos seja menos conservadora do que
a abordagem para sistemas contnuos. Escolher uma taxa de amostragem t elevada pode
tornar as LMIs no factveis, o que equivale, no anlogo contnuo, a se escolher limitantes
grandes para as derivadas das funes de pertinncia.
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 47
O caso discreto mais atrativo, pois o procedimento para se obter LMIs direto. A questo
da taxa de variao do sistema est embutida na modelagem e no na etapa de anlise ou
projeto via LMIs, justicando o fato de que grande parte dos trabalhos para sistemas TS
baseados na FLDP foi desenvolvida para tempo discreto, veja por exemplo (Choi e Park,
2003; Ding et al., 2006; Guerra e Vermeiren, 2004; Kruszewski et al., 2007; Wu e Zhang, 2007;
Zhou et al., 2005, 2007).
As mesmas tcnicas usadas para reduzir o conservadorismo no contexto de FLQ podem ser
adotadas para FLDP. Em (Guerra e Vermeiren, 2004), por exemplo, feito o desacoplamento
das variveis de deciso e tambm a introduo de variveis de folga, com base nos resultados
de de Oliveira et al. (1999) e de Kim e Lee (2000), respectivamente.
6.2 Condies H

Aprimoradas: Caso No-Quadrtico


Nesta seo sero apresentadas condies LMI menos conservadoras, fundamentadas na funo
de Lyapunov dependente de parmetros (6.2), para analisar sistemas TS estveis ou para
projetar controladores fuzzy com desempenho H

garantido.
6.2.1 Anlise da Norma H

A mesma metodologia adotada para o caso quadrtico pode ser estendida para a FLDP,
conferindo as mesmas propriedades vantajosas de reduo do conservadorismo. Alm disso,
adota-se tambm tcnicas de introduo de multiplicadores matriciais (de Oliveira e Skelton,
2002; de Oliveira, 2004), que permitem a separao de algumas variveis de deciso com
relao a matrizes da dinmica do sistema.
O teorema a seguir fornece condies sucientes para analisar se a norma H

de um
sistema TS estvel limitada por .
Teorema 10 Seja > 0 um valor dado. O sistema TS (5.1) estvel com norma H

dada
por , para condies iniciais nulas, caso existam matrizes simtricas X
i
, T
ijt
, R
it
e matrizes
quaisquer L, S
ijt
, i, j, t 1 que satisfazem o problema a seguir:
encontre X
i
, L, T
ijt
, S
ijt
, R
it
, i, j, t = 1, 2, . . . , r
s.a T
ijt
_ 0,
t
0,
(6.3)
sendo que

t
:=
_

_
Y
1t
Z
1t
. . .
Y
21t
+W
21t
Y
2t
Z
2t
. . .
.
.
.
.
.
.
.
.
.
.
.
.
Y
r1t
+W
r1t
Y
r2t
+W
r2t
. . . Y
rt
Z
rt
_

_
, (6.4)
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 48
Y
it
:=
_

i

0
2
I
G
ii
E
i
X
t

J
ii
F
i
0 I
_

_
, Y
ijt
:=
_

_
1
2
(
i
+
j
)
0
2
I
1
2
(G
ij
+G
ji
)
1
2
(E
i
+E
j
) X
t

1
2
(J
ij
+J
ji
)
1
2
(F
i
+F
j
) 0 I
_

_
(6.5)

i
:= X
i
L L

, (6.6)
G
ij
:= A
i
L +B
i
K
j
L, J
ij
:= C
i
L +D
i
K
j
L. (6.7)
e as matrizes N
ijt
, W
ijt
e Z
it
so denidas em (5.6), (5.7) e (5.8), respectivamente.
Demonstrao 6 Seja a FLDP em (6.2) uma funo candidata. Considere o ndice de
desempenho (4.23) para o sistema (5.1). O sistema estvel com norma H

dada por se
1

:= V (x
k
) +z

k
z
k

2
w

k
w
k
< 0, (6.8)
sendo que
V (x
k
) = x

k+1
r

t=1
h
+
t
P
t
x
k+1
x

k
r

i=1
h
i
P
i
x
k
. (6.9)
De acordo com (5.1), obtm-se a descrio aumentada a seguir
1

=
r

t=1
h
+
t
r

i=1
r

j=1
r

l=1
r

v=1
h
i
h
j
h
l
h
v

__
G

ij
J

ij
E

i
F

i
__
P
t
0
0 I
__
G
lv
E
l
J
lv
F
l
_

_
P
i
0
0
2
I
__
,
(6.10)
sendo := [x

k
w

k
]

, G
ij
:= A
i
B
i
K
j
e J
ij
:= C
i
D
i
K
j
.
Dena

ab
:=
_
G
ab
E
a
J
ab
F
a
_
,

P
a
:=
_
P
a
0
0 I
_
,

P
a

_
P
a
0
0
2
I
_
(6.11)
Logo, (6.10) equivale a
1

t=1
h
+
t
r

i=1
r

j=1
r

l=1
r

v=1
h
i
h
j
h
l
h
v
_

ij

P
t

lv


P
i
_

t=1
h
+
t
r

i=1
r

j=1
r

l=1
r

v=1
h
i
h
j
h
l
h
v
1
8
_
(
ij
+
ji
)

P
t
(
lv
+
vl
) + (
lv
+
vl
)

P
t
(
ij
+
ji
) 8

P
i
_
. (6.12)
Aplicando o Lema 3 (vide apndice A)
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 49
1

t=1
h
+
t
r

i=1
r

j=1
r

l=1
r

v=1
h
i
h
j
h
l
h
v
1
8
_
(
ij
+
ji
)

P
t
(
ij
+
ji
) + (
lv
+
vl
)

P
t
(
lv
+
vl
) 8

P
i
_

t=1
h
+
t
r

i=1
r

j=1
h
i
h
j
1
4
_
(
ij
+
ji
)

P
t
(
ij
+
ji
) 4

P
i
_

t=1
h
+
t
_
r

i=1
h
2
i
_

ii

P
t

ii


P
i
_
+2
r

i<j
h
i
h
j
_
(
ij
+
ji
)

P
t
(
ij
+
ji
)
2


P
i
_
_
_
_
(6.13)
Dene-se tambm:

abc
:=
_
G

ab
P
c
G
ab
P
a
+J

ab
J
ab

E

a
P
c
G
ab
+F

a
J
ab

2
I +E

a
P
c
E
a
+F

a
F
a
_
, (6.14)
e reescreve-se (6.13) como
1

^ :=

t=1
h
+
t
_
_
r

i=1
h
2
i

iit
+ 2
r

i<j
h
i
h
j
_

ijt
+

jit
_
2
_
_
. (6.15)
Caso

iit
0 e

ijt
0 (i < j, i, j, t 1), garante-se que ^ < 0 e tambm que 1

< 0,
devido a relao estabelecida em (6.15).
Neste ponto, as tcnicas para reduo de conservadorismo so empregadas. Aplicando o
complemento de Schur a

abc
:

abc
:=
_

_
P
a

0
2
I
P
c
G
ab
P
c
E
a
P
c

J
ab
F
a
0 I
_

_
. (6.16)
Dene-se um multiplicador matricial L R
nn
(veja os detalhes em Daafouz e Bernussou
(2001); de Oliveira et al. (1999); de Oliveira e Skelton (2002)).
Em (6.15), substitui-se

abc
por

abc
e aplica-se em seguida as seguintes transformaes:
1

S
2
_
S
1
(^) S

2
, (6.17)
sendo que
S
1
:= diagP
1
a
, I, P
1
c
, I, S
2
diagL

P
a
, I, I, I, (6.18)
para se obter
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 50
1

<

^ =

t=1
h
+
t
_
_
r

i=1
h
2
i

iit
+ 2
r

i<j
h
i
h
j
_

ijt
+

jit
_
2
_
_
, (6.19)
tal que:

abc
:=
_

_
L

X
a
L
0
2
I
G
ab
L E
a
X
c

J
ab
L F
a
0 I
_

_
, X
a
:= P
1
a
. (6.20)
Aplicando o lema L

X
a
L (X
a
+L

+L), segue que

^ /:=

t=1
h
+
t
_
_
r

i=1
h
2
i

iit
+ 2
r

i<j
h
i
h
j
_

ijt
+

jit
_
2
_
_
(6.21)
sendo

abc
:=
_

_
X
a
L

L
0
2
I
G
ab
L E
a
X
c

J
ab
L F
a
0 I
_

_
. (6.22)
Finalmente, a mesma metodologia aplicada no caso quadrtico pode ser adotada.
Considera-se que T
ijt
_ 0 e

S
ijt
, (i, j, t 1) so matrizes simtricas e anti-simtricas,
respectivamente:
/

t=1
h
+
t
_
_
r

i=1
h
2
i

iit
+ 2
r

i<j
h
i
h
j
_

ijt
+

jit
2
+T
ijt
+

S
ijt
_
_
_

t=1
h
+
t
[q
k
]

[q
k
], (6.23)
sendo que

t
:=
_

11t
. . .
1
2
_

12t
+

21t
_
+T
21t
+

S
21t

22t
. . .
.
.
.
.
.
.
.
.
.
.
.
.
1
2
_

r1t
+

1rt
_
+T
r1t
+

S
r1t
1
2
_

r2t
+

2rt
_
+T
r2t
+

S
r2t

rrt
.
_

_
Aplicando o Lema 4 (vide apndice A) segue que
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 51
/ =

t=1
h
+
t
[q
k
]
_

t
+H
_

[q
k
]
=

t=1
h
+
t
[q
k
]
t

[q
k
], (6.24)
tal que
t
denido em (6.4).
Para garantir / < 0 suciente que
t
0, t = 1, 2, . . . , r, pois a restrio em (6.24)
convexa. As relaes estabelecidas em (6.21), (6.15) e (6.8) implicam que o sistema TS
estvel em (5.1) tem norma H

limitada por , concluindo a demonstrao.


Para se obter o valor timo da norma H

, basta modicar o problema de otimizao do


Teorema 10 para a forma a seguir:
Teorema 11 O sistema TS (5.1) estvel com valor timo da norma H

dado por
min
=

, para condies iniciais nulas, caso existirem matrizes simtricas X


i
, T
ijt
, R
it
e matrizes
quaisquer L, S
ijt
, i, j, t 1 que satisfazem o problema a seguir:
min
L,X
i
,R
ij
,T
ijt
,S
ijt
,

s.a. T
ijt
_ 0,
t
0,
(6.25)
sendo que
t
denido como em (6.4) a menos da troca de
2
por em (6.5).
Demonstrao 7 Basta fazer a troca de varivel linearizante
2
:= em (6.20). Como as
condies so convexas, o valor timo de produz o valor mnimo do limitante superior da
norma H

.
6.2.2 Sntese de Controladores H

As condies LMI para projeto de controlador PDC, baseadas na FLDP, podem ser facilmente
obtidas a partir dos resultados de anlise, da mesma maneira que foi demonstrado para o caso
das condies quadrticas.
O teorema a seguir apresenta condies sucientes que garantem estabilidade e um de-
sempenho de pior caso , para a norma H

, do sistema em malha fechada.


Teorema 12 Seja > 0 um valor dado. O sistema TS (5.1) estabilizvel pelo controlador
PDC (4.14) e possui desempenho em malha-fechada, para condies iniciais nulas, dado por
, caso existam matrizes simtricas X
i
, T
ijt
, R
it
e matrizes quaisquer L, M
i
, S
ijt
, i, j, t 1
que satisfazem o problema a seguir:
encontre L, X
i
, M
i
, T
ijt
, S
ijt
, R
it
, i, j, t = 1, 2, . . . , r
s.a T
ijt
_ 0,
t
0,
(6.26)
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 52
sendo
t
, Y
it
, Y
ijt
,
i
, N
ijt
, W
ijt
e Z
it
denidas como em (6.4), (6.5), (6.6), (5.6), (5.7) e
(5.8), respectivamente, porm:
G
ij
:= A
i
L +B
i
M
j
, M
ij
:= C
i
+D
i
M
j
. (6.27)
Caso exista soluo, os ganhos do controlador so obtidos fazendo-se K
i
= M
i
L
1
.
Demonstrao 8 A demonstrao segue os passos mostrados para o Teorema 10, porm
fazendo a troca de variveis M
i
:= K
i
L nas matrizes (6.22).
Reformulando o problema de factibilidade do Teorema 12 em um problema de minimiza-
o, pode-se obter o controlador PDC que garante estabilidade e o valor timo da norma H

do sistema em malha-fechada:
Teorema 13 O sistema TS (5.1) estabilizvel pelo controlador PDC (4.14) e possui de-
sempenho timo em malha-fechada, para condies iniciais nulas, dado por , caso existam
matrizes simtricas X
i
, T
ijt
, R
it
e matrizes quaisquer L, M
i
, S
ijt
, i, j, t 1 que satisfazem
o problema a seguir:
min
L,X
i
,M
i
,R
ij
,T
ijt
,S
ijt
,

s.a. T
ijt
_ 0,
t
0,
(6.28)
sendo
t
,
i
, G
ij
, J
ij
, N
ijt
, W
ijt
e Z
it
denidas como em (6.4), (6.6), (6.27), (5.6), (5.7) e
(5.8), respectivamente. As matrizes Y
it
, Y
ijt
so denidas como em (6.5), porm considerando

2
= .
Caso exista soluo, os ganhos do controlador so obtidos fazendo-se K
i
= M
i
L
1
e o
valor timo da norma H

dada por
min
=

.
Demonstrao 9 A demonstrao segue os passos mostrados para o Teorema 10, porm
fazendo a troca de variveis linearizantes M
i
:= K
i
L e :=
2
nas matrizes (6.22) para
eliminar o produto das variveis de deciso .
Observao 5 Note que os Teoremas 6-9 so casos particulares dos Teoremas 10-13, respec-
tivamente. Basta fazer P
i
= P, i 1 e L = P para se obter as mesmas condies LMI.
Portanto, os teoremas baseados na FLDP iro produzir resultados melhores, ou no mnimo
iguais, aos dos teoremas baseados na FLQ.
Observao 6 Os resultados no-quadrticos tm tambm como vantagem o fato de que as
matrizes do sistema esto separadas das matrizes da FLDP, tornando o problema menos
restrito. Alm disso, a matriz L usada para se obter o controlador no precisa ser simtrica,
como no caso quadrtico em que o controlador depende de X.
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 53
Tabela 6.1: Valor timo
min
da norma H

Abordagem
min
(Zhou et al., 2005, Teorema 2) 0,5360
(Zhou et al., 2007, Teorema 1) 0,8328
(Zhou et al., 2007, Teorema 2) 0,7472
Teorema 11 0,5139
Tabela 6.2: Valores de
min
para diferentes parmetros: abordagens no-quadrticas
a 0,0 0,2 0,4 0,6

min
com (Gao et al., 2005) 1,3244 1,5277 2,0395 5,5236

min
com Teorema 11 1,3231 1,4667 1,8400 5,2001
6.3 Resultados
As estratgias no-quadrticas propostas neste captulo so comparadas com resultados da
literatura. Por meio de exemplos numricos possvel determinar o grau de reduo no
conservadorismo obtido.
6.3.1 Exemplo 1
Considera-se novamente o Exemplo 5.3.1. Aplicando o Teorema 13, o valor timo da norma
H

obtido 0,1216, enquanto (Wang e Feng, 2004) consegue determinar 2,1.


6.3.2 Exemplo 2
Este exemplo retirado de Zhou et al. (2005). Aqui o objetivo determinar o valor timo da
norma H

do sistema TS (5.1) em malha aberta, cujas matrizes locais so:


A
1
=
_
0, 291 1
0 0, 95
_
, A
2
=
_
0, 1 0
1 0, 2
_
, E
1
=
_
0, 1
0, 1
_
, E
2
=
_
0, 1
0, 1
_
C
1
=
_
0, 1 0, 1
_
, C
2
=
_
0, 09 0, 05
_
, F
1
=
_
0, 5
_
, F
2
=
_
0, 5
_
.
Os resultados obtidos segundo o Teorema 11, (Zhou et al., 2005, Teorema 2) e Zhou et al.
(2007) so mostrados na Tabela 6.1. As abordagens quadrticas (Cao e Frank, 2000) e aquela
baseada no Teorema 7, por exemplo, no so factveis. Com a abordagem baseada no Teo-
rema 11 obtm-se o menor valor da norma H

.
6.3.3 Exemplo 3
Novamente o Exemplo 5.3.2 considerado, porm utilizando abordagens no-quadrticas. Os
resultados so mostrados na Tabela 6.2, na qual se nota que o melhor resultado obtido
segundo o Teorema 11.
6. Critrios de Estabilidade e de Estabilizao No-Quadrticos 54
Tabela 6.3:
min
calculado de acordo com
(Zhou et al., 2007, Teo. 3) (Zhou et al., 2007, Teo. 4) Teo. 9 Teo. 13
0,01000 0,0167 0,0167 0,0167 0,0167
0,10000 0,0168 0,0169 0,0168 0,0168
0,50000 0,0175 0,0192 0,0175 0,0171
1,00000 0,0200 0,3322 0,0190 0,0180
1,01459 0,0202 99,949 0,0191 0,0180
1,43200 8,7340 - 0,0257 0,0203
1,45000 - - 0,0265 0,0205
1,50000 - - 0,0290 0,0209
1,75000 - - 0,0794 0,0250
1,90000 - - - 0,0309
2,00000 - - - 0,0394
2,03069 - - - 0,1819
2,03070 - - - 0,5279
2,22999 - - - 0,9158
2,30000 - - - -
6.3.4 Exemplo 4
Seja o sistema TS do exemplo retirado de (Zhou et al., 2007):
A
1
=
_
1
1 0, 5
_
, A
2
=
_
1
1 0, 5
_
, B
1
=
_
5 +
2
_
, B
2
=
_
5
2
_
,
C
1
= C
2
=
_
0, 1 0, 05
_
, D
1
= D
2
= 0, 5, F
1
= F
2
=
_
0, 01 0, 01
_
.
Controladores so projetados para garantir o valor timo da norma H

para diversos
valores do parmetro . A Tabela 6.3 resume os resultados obtidos. Note que para todas as
estratgias
min
cresce medida que o parmetro aumenta. Aqui foi includo tambm o
resultado obtido pela condio quadrtica do Teorema 9.
Para [[ < 0,5 todas as abordagens testadas encontram limitantes muito prximos.
Quando prximo de 1, o desempenho de (Zhou et al., 2007, Teorema 4) se degrada,
enquanto as outras abordagens conseguem determinar valores pequenos de
min
.
Contudo, nota-se claramente que ambas abordagens propostas nesta dissertao, quadr-
tica e no-quadrtica, so factveis para valores maiores de e tambm proporcionam melhor
atenuao de distrbios, vide os valores em negrito da Tabela 6.3, quando comparadas com
resultados recentes de Zhou et al. (2007). Vale destacar o grau de reduo no conservado-
rismo obtido, pois mesmo a abordagem proposta nesta dissertao baseada na FLQ foi capaz
de gerar melhores resultados que uma abordagem baseada na FLDP como em (Zhou et al.,
2007).
Captulo 7
Resultados Prticos
Neste captulo, o uso efetivo das estratgias de controle fuzzy H

desenvolvidas ao longo
desta dissertao testado em uma bancada experimental. Na plataforma PCCHUA
(Trres e Aguirre, 2005), so implementados sistemas de controle digital e de aquisio de
dados que permitem realizar, em tempo real, experimentos de sincronismo e controle com o
circuito oscilador de Chua. Esse sistema serve como referncia para testar diversas estratgias
de controle no-linear, devido a sua rica dinmica e comportamento catico.
7.1 Problema de Sincronismo e Transmisso de Informaes
Inicialmente, sejam a seguir dois sistemas dinmicos no-lineares:
Mestre:
_
x
k+1
= f
_
x
k

+w
k
y
k
= h
_
x
k
,
Escravo:
_
x
k+1
= f
_
x
k

+u
k
y
k
= h
_
x
k
,
(7.1)
sendo x
k
, x
k
R
n
os vetores de estados dos sistemas mestre e escravo, respectivamente; a
transio dos estados feita segundo o mapeamento f : R
n
R
n
; y
k
, y
k
R
m
so sadas
medidas, mapeadas de acordo com h : R
n
R
m
; u
k
R
n
um sinal de entrada que pode
atuar sobre a dinmica do escravo; w
k
R
p
um sinal de distrbio externo.
Sincronizao pode ser denida como uma condio alcanada quando mestre e escravo
descrevem, simultaneamente, uma trajetria idntica no espao de estados. Devido a efeitos de
carga, rudos, interferncias e at mesmo por questes estruturais, isto pode no ser possvel.
Por outro lado, sincronizao robusta pode ser vista como uma sincronizao de alta
qualidade e quase-idntica, na qual garante-se que a distncia entre as trajetrias ca limitada
por uma quantidade mesmo na presena de perturbaes externas:
lim
k
| x
k
x
k
| . (7.2)
Uma alternativa para se garantir sincronizao robusta guiar um dos sistemas, o escravo,
55
7. Resultados Prticos 56
para a mesma trajetria do outro sistema por meio de uma ao de controle proporcional
diferena entre as sadas dos sistemas
u
k
= g
_
y
k
y
k

. (7.3)
Essa lei de controle serve ento para minimizar o erro de sincronizao, e
k
:= x
k
x
k
. O
objetivo da sincronizao robusta pode ser interpretado como determinar uma lei de controle
que seja capaz de garantir a estabilidade assinttica da dinmica do erro de sincronismo:
e
k+1
= f
_
x
k

f
_
x
k

u
k
+w
k
e
k+1
= f
_
x
k

f
_
x
k

g
_
h
_
x
k

h
_
x
k
_
+w
k
O estudo da sincronizao de sistemas caticos desenvolveu-se intensamente ao longo das
ltimas dcadas, impulsionado pelos trabalhos pioneiros de Fujisaka e Yamada (1983) e de
Pecora e Carroll (1990), nos quais evidncias tericas e prticas, respectivamente, demonstra-
ram a viabilidade do sincronismo.
Uma das reas da engenharia que se beneciou desse estudo foi o campo das comuni-
caes. A motivao inicial era transmitir informao de forma segura usando osciladores
caticos que possussem banda larga, pois so caracterizados por exibirem padres similares
a sinais de rudo, embora sejam determinsticos, e tambm pela diculdade em sua predio.
A idia era us-los como portadores que escondessem sinais de informao em sua dinmica
(Kocarev et al., 1992). Inserindo um sinal de informao no sistema mestre como uma per-
turbao aditiva, um novo par de equaes dinmicas obtido:
Transmissor: x
k+1
= f
_
x
k

+i
k
Receptor: x
k+1
= f
_
x
k

+u
k
(7.4)
O sinal de informao pode ser recuperado no sistema escravo por meio de uma tcnica de
demodulao coerente, caso a sincronizao robusta seja estabelecida. Todavia, para garantir
que a transmisso da informao esteja imune a ataques, outras condies devem ser analisadas
(Anstett et al., 2006).
Outra motivao em comunicao usando certos sinais caticos, proporcionada pelo am-
plo espectro
1
, o aumento da robustez com relao transmisso de informao em faixas
estreitas de freqncia, que sofre com os efeitos de cancelamento de sinal, em virtude da pro-
pagao multi-caminho, intensicada em ambientes fechados, e tambm da interferncia em
faixas de freqncia especcas (Kolumbn et al., 1997).
Ainda dentro do contexto de comunicao, merece destaque o uso de sinais caticos em
sistemas de criptograa (Anstett et al., 2006; Zhang e Min, 2005). Um dos resultados mais
interessantes talvez seja o sincronismo de lasers em comunicaes pticas (VanWiggeren e Roy,
1998).
1
Essa no uma propriedade geral de sistemas caticos. Vrios sinais caticos so de banda estreita
7. Resultados Prticos 57
Recentemente, foi mostrado em (Trres, 2007) uma nova aplicao em engenharia para o
sincronizao de sistemas, particularmente no campo da identicao de sistemas. Neste caso,
mostra-se que a diferena entre a dinmica exibida por um modelo discreto e os dados coletados
para identic-lo pode ser avaliada como um subproduto do procedimento de sincronizao.
Nesta dissertao, contudo, o interesse pelo problema de sincronismo de osciladores para
transmisso de informaes no se d, exclusivamente, pelos seus desdobramentos prticos.
Na verdade, os experimentos iro servir para vericar o uso efetivo das tcnicas de controle
H

propostas em um ambiente real, sujeito a variaes paramtricas, distrbios e rudos.


Como proposto em (Trres e Aguirre, 2004), o princpio da transmisso de informao via
controle (ITVC) estabelece que qualquer controlador que garanta sincronizao idntica, ou
quase-idntica, capaz de atuar como um demodulador e recuperar a informao contida no
mestre. Portanto, nesta dissertao, adota-se a transmisso de informaes como um ndice
para mensurar a qualidade da estratgia de controle fuzzy. No ser avaliado se a estratgia
ecaz apenas pelo erro de sincronizao obtido, mas tambm pela capacidade de recuperao
de informao.
7.2 Plataforma PCCHUA
O circuito oscilador de Chua (Matsumoto, 1984; Chua et al., 1986), Figura 7.1, composto
por 4 elementos lineares (indutor, dois capacitores e um resistor) e um elemento no-linear,
denominado diodo de Chua. Este circuito foi desenvolvido com a nalidade de se produzir
um experimento de laboratrio capaz de demonstrar, na poca, que caos um fenmeno fsico
presente na natureza e no apenas presente em simulaes computacionais, como observado
por Lorenz (1963).
C
1
C
2
R
L
i
d
(t)
i
l
(t)
v
c
1
(t)
v
c
2
(t)
Figura 7.1: Diagrama esquemtico do circuito de Chua.
O sistema tornou-se uma referncia para estudos de controle no-linear devido presena
de comportamento catico e, principalmente, pela facilidade de implementao na prtica.
Possui 3 pontos de equilbrio instveis e sua trajetria, no espao de estados, ca connada
em um atrator estranho de dupla volta (Chua et al., 1986). A dinmica do sistema descrita
por uma equao diferencial de terceira ordem, mostrada a seguir:
7. Resultados Prticos 58
dv
c
1
(t)
dt
=
1
C
1
_
1
R
[v
c
2
(t) v
c
1
(t)] G(v
c
1
(t))
_
dv
c
2
(t)
dt
=
1
C
2
_
1
R
[v
c
1
(t) v
c
2
(t)] +i
l
_
di
l
(t)
dt
=
1
L
[v
c
2
(t) R
0
i
l
(t)] (7.5)
onde o vetor de estados representado por x = [v
c
1
v
c
2
i
l
]

que so, respectivamente, as


tenses sobre os capacitores e a corrente no indutor.
A dinmica no-linear se deve ao fato da resistncia do diodo depender da tenso aplicada,
de acordo com a funo G(v
c
1
(t)), que tem comportamento linear por partes. Quando a tenso
ca limitada a E V, a condutncia do diodo igual a G
a
e fora desse intervalo de tenso
assume o valor G
b
. A linha cheia da Figura (7.2) ilustra a condutncia.
G
a
G
b
d
E
-E -d
i
d
(t)
v
c
1
(t)
Figura 7.2: Caracterstica da condutncia do diodo de Chua.
No laboratrio do grupo de pesquisa MACSIN encontra-se uma implementao fsica do
circuito de Chua, na qual o papel do indutor substitudo por um circuito emulador contendo
amplicadores operacionais. Alm do oscilador, encontra-se todo um aparato de controle
digital e aquisio de dados formando a chamada plataforma PCCHUA (Trres e Aguirre,
2005).
De forma esquemtica, a estrutura da plataforma PCCHUA pode ser visualizada na Fi-
gura 7.3. Nesta montagem existe um acoplamento unidirecional entre os osciladores, sendo
que y(t) e y(t), so as sadas de mestre e escravo, respectivamente. Existem duas fontes de
7. Resultados Prticos 59
corrente que atuam sobre as tenses dos capacitores, comandadas por sinais de tenso. A
corrente do indutor controlada por meio de uma fonte de tenso, comandada tambm por
tenso. Os sinais so adquiridos por meio de trs canais de converso A/D
2
com 12 bits de
resoluo, a uma taxa de amostragem mxima de 1 kHz. Com relao aos atuadores, existem
dois canais D/A, para as fontes de corrente, com resoluo de 10 bits, e um canal para a fonte
de tenso, com resoluo de 8 bits.
+
+ -
+ + +
+
-
C
1
C
1
C
2
C
2
R R
L
L
i
d
(t) i
d
(t)
i(t)
(t)
u
1
(t)
u
2
(t)
u
3
(t)
y(t) y(t)
Transmitter Receiver
Controller
Figura 7.3: Diagrama esquemtico do experimento de transmisso de informaes.
Na plataforma PCCHUA, apenas um circuito est disponvel, servindo tanto como mestre
quanto como escravo. Quando congurado como mestre, ele pode oscilar livremente ou ento
oscilar perturbado por com sinais de escolhidos. As perturbaes so adicionadas na dinmica
utilizando os prprios atuadores de corrente e tenso. A srie temporal do mestre pode ento
ser gravada em um arquivo no computador do PCCHUA.
Na congurao escravo possvel congurar diversas estratgias de controle, incluindo
o controle fuzzy H

proposto neste trabalho. Tambm possvel utilizar os dados de sries


temporais previamente guardadas no computador e realizar os experimentos de sincronismo.
Informaes adicionais podem ser vistas no trabalho de Trres e Aguirre (2005), onde a pla-
taforma apresentada em detalhes, incluindo aspectos construtivos.
7.2.1 Modelagem Fuzzy
Um modelo fuzzy para esse oscilador bastante direto, dada sua caracterstica linear por
partes. Como a caracterstica no-linear depende da tenso no capacitor C
1
, esta ser a
varivel premissa, q := v
c
1
(t). Embora existam trs regies lineares de operao na dinmica
do diodo, apenas dois modelos locais so utilizados, devido simetria da curva de condutncia.
No primeiro modelo, para baixas tenses em mdulo, assume-se G
a
como valor de condu-
tncia para o diodo de Chua, conforme est destacado na Figura 7.2 por uma linha pontilhada.
Para denir o universo de discurso da premissa, necessrio assumir que a tenso sobre o
capacitor C
1
limitada. Como a dinmica ca connada em um atrator dupla volta, conforme
mostram a teoria (Chua et al., 1986) e a prtica (Trres e Aguirre, 2005), assume-se que os
valores extremos de tenso so d. O universo de discurso ento dado por q [d, d].
O segundo modelo linear captura a dinmica de forma exata no extremo do universo
de discurso e de forma aproximada na sua vizinhana. Isso ca mais claro ao se observar
2
A/D: analgico-digital. D/A: digital-analgico
7. Resultados Prticos 60
na Figura 7.2 a outra linha pontilhada que intercepta a curva do diodo nos pontos d e
cruza a origem. A condutncia para esse modelo dada por G = (G
b
+
(G
a
G
b
)E
d
). Essa
estratgia de modelagem baseada nas equaes do sistema est mostrada em maiores detalhes
em (Wang et al., 1996).
A seguir so apresentadas ambas as regras Se-Ento formuladas:
R
1
:
_

_
Se v
c
1
(t)
1
(prximo de zero)
Ento
x(t) = A
1
x(t) +B
1
u(t) +E
1
w(t)
y(t) = C
1
x +D
1
w(t)
(7.6)
R
2
:
_

_
Se v
c
1
(t)
2
(valores altos de tenso em mdulo)
Ento
x(t) = A
2
x(t) +B
2
u(t) +E
2
w(t)
y(t) = C
2
x +D
2
w(t)
(7.7)
A informao a ser transmitida i(t) injetada na equao que descreve a variao tem-
poral de v
c
1
(t) do oscilador mestre, como mostrado na Figura 7.3. Todavia, salienta-se que
plataforma PCCHUA bastante verstil, permitindo perturbao em todos os estados. Ma-
tematicamente, essa perturbao corresponde a uma modicao nas equaes diferenciais
que governam a dinmica do oscilador. Assim, o sinal y(t) usado como portador e serve
de referncia para sincronizao com o oscilador escravo. Esse sinal pode ser corrompido por
rudos ou interferncias (t).
A discretizao da planta foi necessria uma vez que a estratgia de controle PDC foi
formulada para sistemas discretos. O procedimento de discretizao seguiu o mtodo proposto
por Mendes e Billings (2002). Nesse trabalho, mostra-se que possvel usar o mtodo de
discretizao de Euler para sistemas caticos preservando os pontos xos do sistema. Logo as
matrizes do sistemas so dadas por:
A
1
:=
_

_
1 T/(RC
1
) TG
a
/C
1
T/(RC
1
) 0
T/(RC
2
) 1 T/(RC
2
) T/C
2
0 T/L 1 TR
0
/L
_

_
,
A
2
:=
_

_
1 T/(RC
1
) TG/C
1
T/(RC
1
) 0
T/(RC
2
) 1 T/(RC
2
) T/C
2
0 T/L 1 TR
0
/L
_

_
,
B
(1,2)
=
_

_
1
1
1
_

_
, E
(1,2)
=
_

_
0,001
0
0
_

_
, C
(1,2)
=
_

_
1
0
0
_

, D
(1,2)
= [0,0001],
sendo que T o perodo de amostragem.
As matrizes A
1,2
descrevem a dinmica linearizada em torno dos pontos de operao 0
e d para o sistema discreto. J as matrizes B
(1,2)
indicam a direo de atuao do sinal
de controle, enquanto as matrizes E
(1,2)
e D
(1,2)
modelam o rudo no sistema e na sada,
7. Resultados Prticos 61
respectivamente. Considera-se que o sinal de controle ir atuar sobre todos os estados do
sistema e que o rudo mais signicativo no estado v
c
1
(t).
As funes de pertinncia foram escolhidas segundo (Wang e Tanaka, 1996) e so repro-
duzidas na Figura 7.4. Nota-se que so funes complementares.
6 4 2 0 2 4 6
0
0.2
0.4
0.6
0.8
1
Figura 7.4: Funes de pertinncia: regra 1 (linha cheia); regra 2 (linha pontilhada).
Outros mtodos poderiam ser aplicados na escolha da funo de pertinncia, mas a mode-
lagem adotada consegue representar de maneira exata a caracterstica do diodo. Na Figura 7.5
a linha representa a caracterstica real do diodo e os pontos assinalados com indicam o
resultado da modelagem. Parte dos parmetros do circuito foi medida e o restante estimado
segundo o processo descrito em (Aguirre et al., 2005) utilizando Filtro de Kalman Unscented.
Os parmetros so mostrados na Tabela 7.1.
6 4 2 0 2 4 6
3
2
1
0
1
2
3
x 10
3
v
c
1
i
d
Figura 7.5: Comparao entre a curva real do diodo e a curva segundo o modelo fuzzy.
7.3 Procedimento da Sntese
Os resultados desenvolvidos para controle H

podem ser adaptados ao problema de sin-


cronizao de sistemas. Com base nas duas regras fuzzy (7.6) e (7.7), desenvolvidas para
7. Resultados Prticos 62
Tabela 7.1: Parmetros do circuito de Chua.
Parmetros Valores
C
1
30,14 F
C
2
185,6 F
L 52,28 H
R 1673
R
0
0
G
a
-0,801 mS
G
b
-0,365 mS
E 1,74 V
d 6 V
representar a dinmica do circuito de Chua, a dinmica do erro de sincronismo em (7.4) pode
ser escrita na forma TS a seguir:
e
k+1
=
r

i=1
h
i
[q
k
]A
i
e
k
+E
i
w
k
u
k
, (7.8)
y
k
=
r

i=1
h
i
[q
k
]C
i
e
k
+D
i
w
k
. (7.9)
Recordando, o erro de sincronizao dado por e
k
:= x
k
x
k
R
n
; as perturbaes so
w
k
R
p
; o sinal de controle u
k
R
n
; a sada medida do sistema dada por y
k
R
m
.
Um controlador PDC pode ser usado para se obter sincronismo, no lugar da lei de controle
no-linear em (7.3):
u
k
:=
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
]L
i
_
C
j
e
k
+D
j
w
k
_
, (7.10)
sendo L
i
R
nm
os ganhos do controlador.
Combinando (7.8) e (7.10), a forma TS para a dinmica do erro de sincronizao dada
por:
e
k+1
=
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
][A
i
L
i
C
j
]e
k
+ [E
i
L
i
D
j
]w
k
. (7.11)
Dene-se tambm uma sada de desempenho z
k
R
l
, para avaliar e ponderar a interao
entre erro de sincronizao e distrbio:
z
k
=
r

i=1
h
i
[q
k
]
i
e
k
+
i
w
k
. (7.12)
A dinmica do erro de sincronizao c ca ento da forma a seguir:
7. Resultados Prticos 63
c :=
_

_
e
k+1
=
r

i=1
r

j=1
h
i
[q
k
]h
j
[q
k
][A
i
L
i
C
j
]e
k
+ [E
i
L
i
D
j
]w
k

z
k
=
r

i=1
h
i
[q
k
]
i
e
k
+
i
w
k

(7.13)
O controlador deve manter o erro de sincronizao sempre limitado, para atingir estabili-
zao robusta, e minimizar os efeitos dos distrbios na sada calculada. Para isso, o critrio
de desempenho H

bastante adequado, pois, em uma aplicao prtica, existe alto grau


de incerteza com relao ao padro espectral da perturbao que afeta o sistema. Busca-se
ento minimizar o ganho induzido entre o distrbio w
k
e a sada calculada z
k
.
Observao 7 As matrizes
i
e
i
so escolhas ad hoc de acordo com as caractersticas do
problema. Portanto a sada calculada z
k
serve como um parmetro de ajuste no controle H

,
sendo possvel ponderar perturbaes em determinadas direes com maior relevncia que em
outras. Da mesma forma possvel dar maior importncia a alguns estados do que a outros.
Observao 8 Note que a estrutura de controle para sincronismo assemelha-se bastante com
a estrutura de um observador de estados. Ambas estruturas compartilham o mesmo objetivo:
fazer com que um sistema siga a mesma trajetria no espao de estados que outro sistema.
O teorema a seguir estabelece o procedimento para sntese de controladores, via LMIs, que
garantem estabilidade assinttica da dinmica c, alm do custo garantido mnimo da norma
H

, para condies iniciais nulas.


Teorema 14 Considere a dinmica do erro de sincronizao em (7.13). Caso existam ma-
trizes simtricas X, T
ijt
, R
it
e matrizes quaisquer M
i
, S
ijt
que satisfaam o problema a seguir
min
X,M
i
,R
ij
,T
ijt
,S
ijt
,

s.a T
ijt
_ 0,
t
0,
(7.14)
onde

t
:=
_

_
V
1
Z
1t

V
12
+N
21t
V
2
Z
2t

.
.
.
.
.
.
.
.
.
.
.
.
V
1r
+N
r1t
V
2r
+N
r2t
V
r
Z
rt
_

_
V
i
:=
_

_
X
Y
ii
X
0 H

ii
I

i
0
i
I
_

_
, V
ij
:=
_

_
X
O
ij
X
0 U

ij
I

ij
0
ij
I
_

_
, (7.15)
Y
ij
:= XA
i
M
i
C
j
, H
ij
:= XE
i
M
i
D
j
, (7.16)
7. Resultados Prticos 64
O
ij
:=
Y
ij
+Y
ji
2
, U
ij
:=
H
ij
+H
ji
2
, (7.17)

ij
:=

i
+
j
2
,
ij
:=

i
+
j
2
, (7.18)
tal que N
ijt
, W
ijt
, Z
it
so denidas em (5.6), (5.7) e (5.8), respectivamente, ento os ganhos
do controlador que garante sincronizao robusta com valor timo =

da norma H

so
dados por L
i
:= X
1
M
i
.
Demonstrao 10 A demonstrao foi publicada com detalhes em (Mozelli et al., 2007) e
segue passos similares ao da demonstrao do Teorema 9.
7.4 Experimentos
A transmisso de informao investigada no contexto do princpio ITVC (Trres e Aguirre,
2004) para averiguar a eccia das estratgias de controle propostas em uma situao prtica.
O sinal de controle ser usado para sincronizar os osciladores mestre e escravo com o objetivo
de atuar como um demodulador e recuperar informao. As matrizes que determinam a sada
de desempenho foram selecionadas sendo

1,2
=
_

_
1 0 0
0 1 0
0 0 1
_

_
,
1,2
=
_
0 0 0
_
.
Aplicando o Teorema 14 no pacote LMI Control Toolbox do Matlab

, foram calculados
os ganhos de sincronizao mostrados na Tabela 7.2. O controlador PDC obtido garante
que a norma H

do sistema em malha fechada limitada por = 9, 061 10


4
quando
considerado um perodo de amostragem T = 10 ms.
Tabela 7.2: Ganhos de sincronizao obtidos com o uso do Teorema 14
L
1
L
2
u
1
1,066810
2
9,471010
1
u
2
2,9186 2,9188
u
3
5,442210
5
5,408410
5
A plataforma PCCHUA permite o uso de uma vasta gama de sinais para serem inseridos
na dinmica do circuito. Alguns experimentos so detalhados a seguir.
7.4.1 Metodologia
A metodologia dos experimentos seguiu o mesmo padro, trocando-se apenas o sinal trans-
mitido. Congurado como mestre, o circuito trabalha durante 90 s e os dados so coletados.
No intervalo de 15 s a 75 s o sinal de informao injetado no oscilador mestre apenas em
v
c
1
. O resultado ca guardado em um arquivo.
7. Resultados Prticos 65
Em seguida, o circuito reiniciado na congurao escravo, partindo de condies iniciais
aleatrias. Os dados armazenados so carregados e servem de referncia para o controlador. O
circuito trabalha em malha aberta durante 15 s, momento em que se ativa o sinal de controle.
A transmisso de informaes ocorre na janela de 30 s at 90 s. O sistema ainda funciona em
malha fechada por mais 15 s, nalizando um total de 120 s de teste que cam guardados em
outro arquivo.
7.4.2 Sinal Senoidal Puro
No primeiro teste foi transmitido um sinal senoidal puro de 0,5 Hz e 0,12 mV de amplitude.
A Figura 7.6 ilustra as sries temporais do mestre e do escravo no estado v
c
1
. O erro de
sincronismo muito pequeno, como se observa na Figura 7.7. Esse erro corresponde a menos
de 1% do maior erro permitido (quando as tenses nos osciladores esto nos limites do universo
de discurso com sinais trocados).
0 20 40 60 80 100 120
6
4
2
0
2
4
6
tempo (s)
t
e
n
s

o
(
V
)
(a) srie do mestre
0 20 40 60 80 100 120
6
4
2
0
2
4
6
tempo (s)
t
e
n
s

o
(
V
)
(b) srie do escravo
Figura 7.6: Sries do mestre e do escravo no estado v
c
1
.
Os sinais transmitido e recuperado (que o sinal de controle) so apresentados na Fi-
gura 7.8. Aps aplicar um ltro digital passa-baixas Butterworth de segunda ordem, com
freqncia de corte f
c
= 1 Hz, o sinal obtido mostrado na Figura 7.9.
7. Resultados Prticos 66
20 30 40 50 60 70 80 90 100
0.6
0.4
0.2
0
0.2
0.4
0.6
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.7: Erro de sincronismo no estado v
c
1
durante o primeiro experimento.
40 41 42 43 44 45 46 47 48 49 50
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(a) sinal transmitido
40 41 42 43 44 45 46 47 48 49 50
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(b) sinal de controle
Figura 7.8: Primeiro experimento: sinais transmitido e recuperado.
7. Resultados Prticos 67
40 41 42 43 44 45 46 47 48 49 50
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.9: Primeiro experimento: sinal transmitido (pontilhado) e ltrado (cheio).
Destaca-se que a pequena defasagem, na Figura 7.9, entre os sinais original e recuperado
se deve a resposta em atraso de fase do ltro passa-baixas.
7.4.3 Sinal de Baixa Freqncia combinado com Sinais de Alta
Freqncia
Desta vez o sinal transmitido uma combinao: onda quadrada de 0,5 Hz e 0,16 mV; senide
de 2 Hz e 0,08 mV; e uma onda dente-de-serra de 4 Hz e 0,04 mV. O erro de sincronizao foi
de 1,5%, mostrado na Figura 7.10. O ltro utilizado tem a mesma topologia do anterior,
porm f
c
= 10 Hz.
30 40 50 60 70 80 90 100 110 120
0.6
0.4
0.2
0
0.2
0.4
0.6
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.10: Erro de sincronismo no estado v
c
1
durante o segundo experimento.
7.4.4 Sinais com Freqncias e com Amplitudes Prximas
O ltimo resultado mostra a transmisso da combinao de 3 sinais com amplitudes e freqn-
cias prximas. Um sinal senoidal (1,2 Hz/0,08 mV), dente-de-serra (1,3 Hz/0,12 mV) e onda
quadrada (2,1 Hz/0,08 mV). O erro de sincronizao encontra-se na Figura 7.13, limitado
aproximadamente em 4%.
7. Resultados Prticos 68
36 36.2 36.4 36.6 36.8 37 37.2 37.4 37.6 37.8 38
4
2
0
2
4
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(a) sinal transmitido
36 36.2 36.4 36.6 36.8 37 37.2 37.4 37.6 37.8 38
4
2
0
2
4
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(b) sinal de controle
Figura 7.11: Segundo experimento: sinais transmitido e recuperado.
36 36.2 36.4 36.6 36.8 37 37.2 37.4 37.6 37.8 38
4
2
0
2
4
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.12: Segundo experimento: sinal transmitido (pontilhado) e ltrado (cheio).
7. Resultados Prticos 69
30 40 50 60 70 80 90 100 110 120
0.6
0.4
0.2
0
0.2
0.4
0.6
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.13: Erro de sincronismo no estado v
c
1
durante o terceiro experimento.
O oscilador escravo tem a mesma dinmica do mestre e uma vez que se obtm sincro-
nizao, em ambiente livre de distrbios, permanecero assim indenidamente. Contudo a
informao inserida no mestre no faz parte da dinmica natural de ambos sistemas. Logo o
controlador tem um trabalho extra, proporcional complexidade do sinal transmitido, para
fazer com que o sistema escravo siga uma dinmica articial. Embora o erro tenha sido
cerca de 4 vezes maior do que nos outros experimentos, o sinal transmitido tem um padro
bem mais complexo, conforme revela a comparao das Figuras 7.9, 7.12 e 7.15.
Mesmo assim, o controlador consegue recuperar a informao de forma eciente, preser-
vando as caractersticas de amplitude e variao do sinal original. Portanto, a qualidade do
resultado da ao de controle no pode ser medida apenas pelo erro de sincronismo, mas sim
pela qualidade da transmisso de informao obtida.
7. Resultados Prticos 70
35 35.5 36 36.5 37 37.5 38 38.5 39 39.5 40
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(a) sinal transmitido
35 35.5 36 36.5 37 37.5 38 38.5 39 39.5 40
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
(b) sinal de controle
Figura 7.14: Terceiro experimento: sinais transmitido e recuperado.
35 35.5 36 36.5 37 37.5 38 38.5 39 39.5 40
2
1
0
1
2
x 10
4
tempo (s)
t
e
n
s

o
(
V
)
Figura 7.15: Terceiro experimento: sinal transmitido (pontilhado) e ltrado (cheio).
Captulo 8
Consideraes Finais
When the only tool you have is a
hammer, everything begins to look
like a nail.
Lotfi Asker Zadeh
1
Embora o incio do desenvolvimento dos sistemas fuzzy tenha sido marcado pela contro-
vrsia e tambm, porque no dizer, pela grande resistncia da comunidade cientca, veja
um interessante panorama histrico com depoimentos em (Zadeh, 2008), no cenrio atual so
uma realidade para diversos campos do conhecimento.
Em engenharia de controle, no raro o carter no-linear, incerto ou variante no tempo de
um sistema deve ser levado em considerao, sobretudo medida que critrios de desempenho
mais restritivos so exigidos.
Nesse panorama, as ferramentas tradicionais so preteridas e o controle fuzzy se apresenta
como uma alternativa vivel. Controle fuzzy abarca uma vasta quantidade de metodologias,
mas o controle baseado em modelos dominante, atualmente, tanto do ponto de vista de
pesquisa quanto de aplicao (Feng, 2006).
Como visto nos Captulos 2 a 4, estratgias de controle fuzzy baseadas em modelos TS so
bastante atrativas. Se por um lado tais modelos tm capacidade de aproximao universal, por
outro o projeto de controladores bastante sistemtico, principalmente quando combinado
capacidade de anlise e sntese proporcionada por LMIs. Uma vez que se tem em mos um
modelo TS que represente a dinmica de interesse, possvel garantir que o sistema controlado
estvel, no sentido de Lyapunov, e possui um desempenho em malha fechada garantido.
Contudo, embora trabalhos pioneiros como o de Wang et al. (1996) tenham dado um passo
decisivo para consolidar a sistematizao no projeto de controle, eles no so uma resposta
denitiva. Nem sempre possvel garantir a factibilidade da metodologia de projeto para
certos sistemas TS ou mesmo algumas restries de desempenho.
Nesse sentido, a presente dissertao se rene aos esforos de diversas pesquisas
(Choi e Park, 2003; Wang e Feng, 2004; Gao et al., 2005; Feng et al., 2005; Zhou et al., 2005;
1
Quando a nica ferramenta que se tem um martelo, tudo comea a se parecer com um prego.
71
8. Consideraes Finais 72
Nguang e Shi, 2006; Wu e Zhang, 2007; Zhou et al., 2007) na busca por condies menos con-
servadoras para anlise e projeto de controladores H

.
Por meio da combinao de tcnicas de controle fuzzy e de controle robusto linear via
LMIs, foi possvel elaborar uma srie de condies menos conservadoras tanto para anlise
quanto para sntese de controladores. A seqencia de exemplos numricos dos Captulos 5 e
6 demonstra a melhoria obtida sobre outras abordagens da literatura. Em certos casos, as
metodologias propostas nesta dissertao foram factveis mesmo quando outras alternativas
da literatura falharam. Em outros exemplos, a comparao mostra que as metodologias
propostas foram capazes de obter um melhor desempenho da norma H

.
Outro aspecto de destaque desta dissertao, so os resultados prticos obtidos com o
problema de sincronismo e de transmisso de informaes com osciladores caticos. Tal estudo
tem grandes desdobramentos prticos, seja para sistemas de comunicao (Tse et al., 2005)
ou, mais recentemente, para modelagem de sistemas dinmicos (Trres, 2007). Apesar disso,
o problema de sincronismo foi investigado, nesta dissertao, com o objetivo de ilustrar que
as metodologias propostas podem, de fato, ser aplicadas na prtica.
Em (Trres e Aguirre, 2004), o princpio ITVC estabelece que apenas com um sincronismo
de alta qualidade (idntico ou quase-idntico) entre osciladores caticos possvel recuperar
informao. No Captulo 7 testes de transmisso com diversos sinais de informao foram
realizados sendo que o controlador projetado sempre foi capaz de recuper-los, comprovando
que a estratgia de controle ecaz.
Resultados prticos para esse problema foram obtidos desde a dcada de 90
(Pecora e Carroll, 1990; Kocarev et al., 1992). Contudo, a novidade desta dissertao obt-
los usando controle fuzzy, j que outros trabalhos relacionados limitam-se a resultados de
simulao (Lian et al., 2001a,b).
Embora no tenha sido um objetivo desta pesquisa, nota-se que o controlador obtido pela
metodologia proposta consegue melhor desempenho na recuperao de informao do que
outras abordagens. O controlador com estrutura PI de Trres e Aguirre (2004) no capaz
de recuperar informao nos Exemplos 7.4.3 e 7.4.4, por exemplo.
Ademais, a grande vantagem da metodologia proposta fato de ser sistemtica e adequada
para sistemas no-lineares. Em contrapartida, por exemplo, a sintonia de controladores PI
para sistemas no-lineares feita com escolhas ad-hoc e heursticas particulares para um
dado sistema.
Uma parcela da contribuio desta dissertao, Captulos 5 e 7, encontra-se publicada em
(Mozelli et al., 2006, 2007).
8.1 Propostas de Continuidade
Como trabalhos futuros, pretende-se abordar solues para o uso da funo de Lyapunov
dependente de parmetros no caso contnuo, de forma a estender os bons resultados obtidos
com essa funo na verso a tempo discreto.
Outras questes de desempenho podem ser tratadas de forma eciente, como por exemplo
8. Consideraes Finais 73
o problema de controle misto H
2
/H

e tambm sobre o comportamento da resposta transiente


do controlador (tempo de acomodao, sobre-sinal), por meio da incorporao de regies LMI.
Um tpico muito interessante, sobretudo do ponto de vista prtico, o tratamento de siste-
mas no-lineares com retardo no tempo, uma vez que atrasos surgem com bastante freqncia
em sistemas dinmicos nos quais ocorre propagao/transporte de energia, massa ou infor-
mao, degradando desempenho ou mesmo acarretando em instabilidade.
Apndice A
Lemas
Neste apndice podem ser vistos lemas e propriedades que so adotadas ao longo da disser-
tao.
Lema 3 Se P 0, ento
A

i
PA
j
+A

j
PA
i
_ A

i
PA
i
+A

j
PA
j
. (A.1)
Demonstrao 11 Note que
P 0 (A
i
A
j
)

P(A
i
A
j
) _ 0,
conduzindo a
A

i
PA
i
A

i
PA
j
A

j
PA
i
+A

j
PA
j
_ 0
A

i
PA
i
+A

j
PA
j
_ A

i
PA
j
+A

j
PA
i
concluindo a demonstrao.
Lema 4 Considere que h
i
[q
k
] (i 1) satisfazem (2.14) e sejam R
ij
(i < j, i, j 1) matrizes
simtricas de dimenso apropriada. Dena:
H :=
_

_
H
11
1
2
(h
1
[q
k
] +h
2
[q
k
])R
12
. . .
1
2
(h
1
[q
k
] +h
r
[q
k
])R
1r
1
2
(h
1
[q
k
] +h
2
[q
k
])R
12
H
22
. . .
1
2
(h
2
[q
k
] +h
r
[q
k
])R
2r
.
.
.
.
.
.
.
.
.
.
.
.
1
2
(h
1
[q
k
] +h
r
[q
k
])R
1r
1
2
(h
2
[q
k
] +h
r
[q
k
])R
2r
. . . H
rr
_

_
,
(A.2)
sendo
74
A. Lemas 75
H
ii
:=
r

j=1
j>1
h
j
[q
k
]R
ij

r

j=1
j<i
h
j
[q
k
]R
ji
. (A.3)
Desta forma, obtm-se que
[q
k
]H

[q
k
] = 0 (A.4)
sendo que
[q
k
] :=
_
h
1
[q
k
] h
2
[q
k
] . . . h
r
[q
k
]
_
.
Demonstrao 12 A demonstrao do Lema 4 pode ser encontrada em (Teixeira et al.,
2003, Apndice A).
Apndice B
Complemento de Schur
Considere uma matriz M formada por quatro blocos
M =
_
A B
C D
_
sendo D quadrada e no-singular. O complemento de Schur de D em M, denotado por (M/D)
denido por (Palhares e Gonalves, 2007):
(M/D) := ABD
1
C.
Considere uma matriz simtrica
M = M

=
_
M
1
M
2
M

2
M
3
_
,
e os seguintes complementos de Schur
(M/M
1
) = M
3
M

2
M
1
1
M
2
(M/M
3
) = M
1
M

2
M
1
3
M
2
.
Neste caso, so vlidas duas propriedades interessantes (Palhares e Gonalves, 2007):
M 0 sse M
1
0 e (M/M
1
) 0
Se M
1
0, ento M = M

0 sse (M/M
1
) 0
que valem tambm para M
3
e (M/M
3
).
76
Apndice C
Produo Bibliogrca
Parte dos resultados obtidos nesta dissertao, bem como trabalhos relacionados desenvolvido
no perodo do mestrado, foram publicados em 1 congresso e 2 peridicos. A lista da produo
bibliogrca pessoal encontra-se a seguir:
Peridicos
Mozelli, L. A.; Campos, C. D.; Palhares, R. M.; Trres, L. A. B. e Men-
des, E. M. A. M. (2007). Chaotic Synchronization and Information Transmission Expe-
riments: A Fuzzy Relaxed H

Control Approach, Circuits, Systems, and Signal Pro-


cessing, 26(4):427-449
Campos, C. D.; Palhares, R. M.; Mendes, E. M. A. M.; Trres, L. A. B. e Mo-
zelli, L. A. (2007) Experimental results on Chuas circuit robust synchronization via
LMIs, International Journal of Bifurcation and Chaos in Applied Sciences and Engi-
neering, 17(9):3199-3209
Congresso
Mozelli, L. A.; Campos,C. D.; Palhares, R. M.; Trres, L. A. B. e Mendes,
E. M. A. M.(2006) Sincronismo de Osciladores Caticos e Experimentos em Trans-
misso de Informao: Uma Abordagem H

via Modelagem Nebulosa Takagi-Sugeno ,


In Anais do XVI Congresso Brasileiro de Automtica - CBA, pp.310-315, Salvador, BA
Campos,C. D.; Palhares, R. M.; Mendes, E. M. A. M.; Trres, L. A. B. e Mozelli,
L. A.(2006) Uma Abordagem para a Sincronizao de Sistemas Caticos Baseada em
Tcnicas de Controle Robusto H

a Tempo Discreto, In Anais do XVI Congresso


Brasileiro de Automtica - CBA, pp.2016-2021, Salvador, BA
77
Referncias Bibliogrcas
Aguirre, L. A. (2004). Introduo identicao de sistemas: tcnicas lineares e no-lineares
aplicadas a sistemas reais. UFMG, 2a edio.
Aguirre, L. A.; Teixeira, B. O. S. e Trres, L. A. B. (2005). Using data-driven discrete-
time models and the unscented Kalman lter to estimate unobserved variables of nonlinear
systems. Physical Review E - Statistical, Nonlinear and Soft Matter Physics, 72(2):026226.
Anstett, F.; Millerioux, G. e Bloch, G. (2006). Chaotic cryptosystems: cryptanalysis and
identiability. IEEE Transactions on Circuits and Systems, 53(12):26732680.
Aoul, Y. H.; Nafaa, A.; Negru, D. e Mehaoua, A. (2004). Fast adaptative fuzzy AQM controller
for TCP/IP networks. In Proceedings of IEEE Global Telecommunications Conference, pp.
13191323, Dallas, TX, USA.
Assawinchaichote, W. e Nguang, S. K. (2006). Fuzzy H

output feedback control design for


singularly perturbed systems with pole placement constraints: an LMI approach. IEEE
Transactions on Fuzzy Systems, 14(3):361371.
Bhende, C. N.; Mishra, S. e Jain, S. K. (2006). TS-fuzzy-controlled active power lter for
load compensation. IEEE Transactions on Power Delivery, 21(3):14591465.
Bonissone, P. P.; Badami, V.; Chiang, K. H.; Khedkar, P. S.; Marcelle, K. W. e Schutten,
M. J. (1995). Industrial applications of fuzzy logic at General Eletric. Proceedings of the
IEEE, 38(3):450465.
Borne, P. e Dieulot, J. (2005). Fuzzy systems and controllers: Lyapunov tools for a regionwise
approach. Nonlinear Anal. Theor. Meth. Appl., 63(5-7):653665.
Boyd, S.; El Ghaoui, L.; Feron, E. e Balakrishnan, V. (1994). Linear matrix inequalities in
systems and control theory. In SIAM Studies in Applied Mathematics, volume 15. SIAM.
Boyd, S. e Vandenberghe, L. (2004). Convex Optimization. Cambridge University Press.
Campos, C. D.; Palhares, R. M.; Mendes, E. M. A. M.; Torres, L. A. B. e Mozelli, L. A. (2006).
Uma abordagem para a sincronizao de sistemas caticos baseada em tcnicas de controle
robusto H

a tempo discreto. In Anais do XVI Congresso Brasileiro de Automtica - CBA,


pp. 20162021, Salvador, Brasil.
78
Referncias Bibliogrficas 79
(2007). Experimental results on chuas circuit robust synchronization via LMIs. Inter-
national Journal of Bifurcation and Chaos in Applied Sciences and Engineering, 17(9):3199
3209.
Cao, S. G.; Rees, N. W. e Feng, G. (1997). Analysis and design for a class of complex control
systems part II: Fuzzy controller design. Automatica, 33(6):10291039.
Cao, Y.-Y. e Frank, P. (2000). Robust H

disturbance attenuation for a class of uncertain


discrete-time fuzzy systems. IEEE Transactions on Fuzzy Systems, 8(4):406415.
Casillas, J.; Cordon, O.; del M.J. Jesus e Herrera, F. (2005). Genetic tuning of fuzzy rule
deep structures preserving interpretability and its interaction with fuzzy rule set reduction.
IEEE Transactions on Fuzzy Systems, 13(1):1329.
Chen, B.-S.; Tseng, C.-S. e Uang, H.-J. (2000). Mixed H
2
/H

fuzzy output feedback control


design for nonlinear dynamic systems: an LMI approach. IEEE Transactions on Fuzzy
Systems, 8(3):249265.
Choi, D. J. e Park, P. (2003). H

state-feedback controller design for discrete-time fuzzy


systems using fuzzy weighting-dependent Lyapunov functions. IEEE Transactions on Fuzzy
Systems, 11(2):271278.
Chua, L. O.; Komuro, M. e Matsumoto, T. (1986). The double scroll family. IEEE Transac-
tions on Circuits and Systems, 33(11):10721118.
Daafouz, J. e Bernussou, J. (2001). Parameter dependent Lyapunov functions for discrete time
systems with time varying parametric uncertainties. Systems & Control Letters, 43:355359.
de Oliveira, M. C. (2004). Novos testes de estabilidade para sistemas lineares. Controle &
Automao, 15(1):1723.
de Oliveira, M. C.; Bernussou, J. e Geromel, J. C. (1999). A new discrete-time robust stability
condition. Systems & Control Letters, 37(4):261265.
de Oliveira, M. C. e Skelton, R. E. (2002). On stability tests for linear systems. In Proceedings
of the 15th IFAC World Congress, pp. 30213026, Barcelona, Espanha. IFAC.
Delmotte, F.; Guerra, T. M. e Ksantini, M. (2007). Continuous Takagi-Sugenos models:
reduction of the number of LMI conditions in various fuzzy control design technics. IEEE
Transactions on Fuzzy Systems, 15(3):426438.
Ding, B.; Sun, H. e Yang, P. (2006). Further studies on LMI-based relaxed stabilization
conditions for nonlinear systems in Takagi-Sugenos form. Automatica, 42(3):503508.
Dorf, R. C. e Bishop, R. H. (1998). Modern Control Systems. Addison Wesley, 8a edio.
Du, H. e Zhang, N. (2008). Application of evolving Takagi-Sugeno fuzzy model to nonlinear
system identication. Applied Soft Computing, 8(1):676686.
Referncias Bibliogrficas 80
Fang, C.-H.; Liu, Y.-S.; Kau, S.-W.; Hong, L. e Lee, C.-H. (2006). A new LMI-based approach
to relaxed quadratic stabilization of T-S fuzzy control systems. IEEE Transactions on Fuzzy
Systems, 14(3):386397.
Feng, G. (2003). Controller synthesis of fuzzy dynamic systems based on piecewise Lyapunov
functions. IEEE Transactions on Fuzzy Systems, 11(5):605612.
(2006). A survey on analysis and design of model-based fuzzy control systems. IEEE
Transactions on Fuzzy Systems, 14(5):676697.
Feng, G.; Chen, C.-L.; Sun, D. e Zhu, Y. (2005). H

controller synthesis of fuzzy dynamic


systems based on piecewise Lyapunov functions and bilinear matrix inequalities. IEEE
Transactions on Fuzzy Systems, 13(1):94103.
Fujisaka, H. e Yamada, T. (1983). Stability theory of synchronized motion in coupled oscillator
systems. Progress of Theoretical Physics, 69:3247.
Gahinet, P.; Apkarian, P. e Chilali, M. (1996). Ane parameter-dependent Lyapunov functi-
ons and real parametric uncertainty. IEEE Transactions on Automatic Control, 41(3):436
442.
Gahinet, P.; Nemirovski, A.; Laub, A. J. e Chilali, M. (1995). LMI Control Toolbox: for use
with Matlab. The Math Works, Inc., 1 edio.
Gao, H.; Wang, Z. e Wang, C. (2005). Improved H

control of discrete-time fuzzy systems:


a cone complementarity linearization approach. Information Sciences, 175:5777.
Gonalves, E.; Palhares, R. M. e Takahashi, R. (2006a). H
2
/H

lter design for systems with


polytope-bounded uncertainty. IEEE Transactions on Signal Processing, 54(9):36203626.
Gonalves, E. N.; Palhares, R. M.; Takahashi, R. H. C. e Mesquita, R. C. (2006b). New
approach to robust T-stability analysis of linear time-invariant systems with polytope-
bounded uncertainty. IEEE Transactions on Automatic Control, 51(10):17091714.
Guerra, T. M. e Vermeiren, L. (2004). LMI-based relaxed nonquadratic stabilization conditi-
ons for nonlinear systems in the Takagi-Sugenos form. Automatica, 40(5):823829.
Haddad, W. M. e Chellaboina, V.-S. (1997). Robust nonlinear-nonquadratic feedback control
via parameter-dependent Lyapunov functions. Nonlinear Analysis TMA, 30(6):37253736.
Hadjili, M. e Wertz, V. (2000). Takagi-Sugeno fuzzy modeling incorporating input variables
selection. IEEE Transactions on Fuzzy Systems, 10(6):728742.
Hagras, H. K. (2004). A hierarchical type-2 fuzzy logic control architecture for autonomous
mobile robots. IEEE Transactions on Fuzzy Systems, 12(4):524539.
Referncias Bibliogrficas 81
Han, Z. e Feng, G. (1999). State feedback H

controller design of fuzzy dynamic systems


using LMI techniques. In Proceedings of 1998 IEEE International Conference on Fuzzy
Systems, volume 1, pp. 538544, Anchorage, USA.
Hong, S.-K. e Langari, R. (2000). An LMI-based H

fuzzy control system design with TS


framework. Information Sciences, 123(3-4):163179.
Horiuchi, J. I. e Kishimoto, M. (2002). Application of fuzzy control to industrial bioprocess
in Japan. Fuzzy Sets and Systems, 128(1):117124.
Jang, J.-S. R.; Sun, C.-T. e Mizutani, E. (1997). Neuro-fuzzy and soft computing : a compu-
tational approach to learning and machine intelligence. Prentice Hall.
Johansen, T. A.; Shorten, R. e Murray-Smith, R. (2000). On the interpretation and identica-
tion of dynamic Takagi-Sugeno models. IEEE Transactions on Fuzzy Systems, 8(3):297313.
Johansson, M. e Rantzer, A. (1998). Computation of piecewise quadratic Lyapunov functions
for hybrid systems. IEEE Transactions on Automatic Control, 43(4):555559.
Johansson, M.; Rantzer, A. e rzn, K.-E. (1999). Piecewise quadratic stability of fuzzy
systems. IEEE Transactions on Fuzzy Systems, 7(6):713722.
Jury, E. I. (1996). Remembering four stability theory pioneers of the nineteenth century.
IEEE Transactions on Automatic Control, 41(9):12421244.
Kawamoto, S.; Tada, K.; Ishigame, A. e Taniguchi, T. (1992). An approach to stability
analysis of second order fuzzy systems. In Proceedings of the 2nd IEEE International
Conference on Fuzzy Systems, San Diego, CA.
Khiar, D.; Lauber, J.; Floquet, T.; Colin, G.; Guerra, T. M. e Chamaillard, Y. (2007). Robust
Takagi-Sugeno fuzzy controle of a spark ignition engine. Control Engineering Practice,
15:14461456.
Kim, E. e Lee, H. (2000). New approaches to relaxed quadratic stability condition of fuzzy
control systems. IEEE Transactions on Fuzzy Systems, 8(5):523534.
Kocarev, L.; Halle, K.; Eckert, K. e Chua, L. O. (1992). Experimental demonstration of
secure communication via chaotic synchronization. International Journal of Bifurcation
and Chaos in Applied Sciences and Engineering, 2(3):709713.
Kolumbn, G.; Kennedy, M. P. e Chua, L. O. (1997). The role of synchronization in digital
communications using chaos part I: Fundamentals of digital communications. IEEE
Transactions on Circuits and SystemsPart I: Fundamental Theory and Applications,
44(10):927936.
Kruszewski, A.; Guerra, T. e Labiod, S. (2007). Stabilization of Takagi-Sugeno discrete
models: towards an unication of the results. In Proceedings of International Fuzzy Systems
Conference 2007, pp. 16, London, UK.
Referncias Bibliogrficas 82
Lfberg, J. (2004). YALMIP : A toolbox for modeling and optimization in MATLAB. In
Proceedings of the CACSD Conference, Taipei, Taiwan.
Lian, K.-Y.; Chiu, C.-S.; Chiang, T.-S. e Liu, P. (2001a). LMI-based fuzzy chaotic synchro-
nization and communications. IEEE Transactions on Fuzzy Systems, 9(4):539553.
(2001b). Secure communications of chaotic systems with robust performance via fuzzy
observer-based design. IEEE Transactions on Fuzzy Systems, 9(1):212220.
Lian, K.-Y.; Tu, H.-W. e Liou, J.-J. (2006). Stability conditions for LMI-based fuzzy con-
trol from the viewpoint of membership functions. IEEE Transactions on Fuzzy Systems,
14(6):874884.
Liao, T.-L. e Huang, N.-S. (1999). An observer-based approach for chaotic synchronization
with applications to secure communications. IEEE Transactions on Circuits and Systems
Part I: Fundamental Theory and Applications, 46(9):11441150.
Lin, W. e Byrnes, C. I. (1996). H

-control of discrete-time nonlinear systems. IEEE Tran-


sactions on Automatic Control, 41(4):494510.
Lorenz, E. N. (1963). Deterministic nonperiodic ow. Journal of Atmospheric Science, 20:130
141.
Lyapunov, A. M. (1992). The general problem of stability of motion. Taylor & Francis.
traduo A. T. Fuller.
Machado, E. R. M. D. (2003). Modelagem e Controle de Sistemas Fuzzy Takagi-Sugeno. PhD
thesis, Universidade Estadual Paulista.
Mamdani, E. H. (1974). Application of fuzzy algorithms for simple dynamic plant. Proceedings
of Institute of Electrical Engineering, 121:15851588.
Mamdani, E. H. e Assilian, S. (1975). An experiment in linguistic synthesis with a fuzzy logic
controller. International Journal of Human-Computer Studies, 7:113.
Matsumoto, T. (1984). A chaotic attractor from Chuas circuit. IEEE Transactions on Circuits
and Systems, 31(12):10551058.
Mendes, E. M. A. M. e Billings, S. A. (2002). A note on discretization of nonlinear dierential
equations. Chaos, 12(1):6671.
Millerioux, G. e Daafouz, J. (2001). Global chaos synchronization and robust ltering in noisy
context. IEEE Transactions on Circuits and SystemsPart I: Fundamental Theory and
Applications, 48(10):11701176.
Montagner, V. F.; Oliveira, R. C. L. F. e Peres, P. L. D. (2007). Necessary and sucient LMI
conditions to compute quadratically stabilizing state feedback controllers for Takagi-Sugeno
systems. In Proceedings of ACC, pp. 40594064, New York, USA.
Referncias Bibliogrficas 83
Morgl, O. e Solak, E. (1996). Observer based synchronization of chaotic systems. Physical
Review E - Statistical, Nonlinear and Soft Matter Physics, 54(5):48034811.
Mozelli, L. A.; Campos, C. D.; Palhares, R. M.; Trres, L. A. B. e Mendes, E. M. A. M.
(2006). Sincronismo de osciladores caticos e experimentos em transmisso de informao:
uma abordagem H

via modelagem nebulosa Takagi-Sugeno. In Anais do XVI Congresso


Brasileiro de Automtica - CBA, pp. 310315, Salvador, Brasil.
(2007). Chaotic synchronization and information transmission experiments: a fuzzy
relaxed H

control approach. Circuits, Systems, and Signal Processing, 26(4):427449.


Nguang, S. K. e Shi, P. (2006). Robust H

output feedback control design for fuzzy dynamic


systems with quadratic T stability constraints: an LMI approach. Information Sciences,
176(15):21612191.
Nguyen, H. T.; Prasad, N. R.; Walker, C. L. e Walker, E. A. (2003). A rst course in fuzzy
and neural control. CRC Press.
Nounou, M. N. e Nounou, H. N. (2005). Multiscale fuzzy system identication. Journal of
Process Control, 15:763770.
Palhares, R.; Oliveira, S. L. C. e Peres, P. (1998). Relating two dierent approaches of H

state feedback control. Controle & Automao, 9(2):7784.


Palhares, R. e Peres, P. (2001). LMI approach to the mixed H
2
/H

ltering design for


discrete-time uncertain systems. IEEE Transactions on Aerospace and Electronic Systems,
37(1):292296.
Palhares, R. M.; Campos, C. D.; Ekel, P. Y.; Leles, M. C. R. e DAngelo, M. F. S. V. (2005).
Delay-dependent robust H

control of uncertain linear systems with time-varying delays.


Computers & Mathematics with Applications, 50(1-2):1332.
Palhares, R. M.; de Souza, C. E. e Peres, P. L. D. (2001). Robust H

ltering for uncertain


discrete-time state-delayed systems. IEEE Transactions on Signal Processing, 49(8):1696
1703.
Palhares, R. M. e Gonalves, E. N. (2007). Desigualdades matriciais lineares em controle. In
Aguirre, L. A., editor, Enciclopdia de Automtica: Controle & Automao, volume 1, pp.
155195. Blucher.
Pecora, L. M. e Carroll, T. L. (1990). Synchronization in chaotic systems. Physical Review
Letters, 64(8):821824.
Pedrycz, W. e Gomide, F. (1998). An introduction to fuzzy sets: analysis and design. MIT
Press.
Referncias Bibliogrficas 84
Saez, D. e Zuiga, R. (2005). Takagi-Sugeno fuzzy model structure selection based on new
sensitivity analysis. In Proccedings of The 14th IEEE International Conference on Fuzzy
Systems, pp. 501506. IEEE.
Sala, A. e Arino, C. (2007). Asymptotically necessary and sucient conditions for stability
and performance in fuzzy control: applications of Polyas theorem. Fuzzy Sets and Systems,
158(24):26712686.
Scherer, C. e Weiland, S. (2005). Linear matrix inequalities in control.
Sedra, A. S. e Smith, K. C. (1998). Microelectronic Circuits. Makron Books, 4a edio.
Seker, H.; Odetayo, M. O.; Petrovic, D. e Naguib, R. N. G. (2003). A fuzzy logic based-
method for prognostic decision making in breast and prostate cancers. IEEE Transactions
on Information Technology in Biomedicine, 7(2):114122.
Slotine, J.-J. E. e Li, W. (1991). Applied Nonlinear Control. Prentice Hall.
Strum, J. F. (1999). Using SeDuMi 1.02, a MATLAB toolbox for optimization over symmetric
cones. Optimization Methods and Software, 11(1-4):625653.
Sugeno, M. e Kang, G. T. (1986). Structure identication of fuzzy model. Fuzzy Sets and
Systems, 28:329346.
Takagi, T. e Sugeno, M. (1985). Fuzzy identication of systems and its applications to mo-
deling and control. IEEE Transactions on Systems, Man, and Cybernetics, 15(1):116132.
Tanaka, K.; Hori, T. e Wang, H. O. (2003). A multiple Lyapunov function approach to
stabilization of fuzzy control systems. IEEE Transactions on Fuzzy Systems, 11(4):582
589.
Tanaka, K.; Ikeda, T. e Wang, H. O. (1998a). Fuzzy regulators and fuzzy observers: relaxed
stability conditions and LMI-based designs. IEEE Transactions on Fuzzy Systems, 6(2):250
265.
(1998b). A unied approach to controlling chaos via an LMI-based fuzzy control
system design. IEEE Transactions on Circuits and SystemsPart I: Fundamental Theory
and Applications, 45(10):10211040.
Tanaka, K.; Nishimura, M. e Wang, H. O. (1998c). Multi-objective fuzzy control of high
rise/high speed elevators using LMIs. In Proceedings of the 1998 American Control Confe-
rence, volume 6, pp. 34503454, Philadelphia, PA. IEEE.
Tanaka, K.; Ohtake, H. e Wang, H. O. (2007). A descriptor system approach to fuzzy con-
trol system design via fuzzy Lyapunov functions. IEEE Transactions on Fuzzy Systems,
15(3):333341.
Referncias Bibliogrficas 85
Tanaka, K. e Sano, M. (1993). Fuzzy stability criterion of a class of nonlinear systems.
Information Sciences, 71(1-2):326.
Tanaka, K. e Sugeno, M. (1990). Stability analysis of fuzzy systems using Lyapunovs direct
method. In Proceedings of the North American Fuzzy Information Processing Society -
NAFIPS, pp. 133136, New York, USA.
(1992). Stability analysis and design of fuzzy control systems. Fuzzy Sets and Systems,
45(2):135156.
Tanaka, K. e Wang, H. O. (2001). Fuzzy Control Systems Design and Analysis: A Linear
Matrix Inequality Approach. John Wiley & Sons.
Taniguchi, T.; Tanaka, K.; Ohtake, H. e Wang, H. O. (2001). Model construction, rule
reduction, and robust compensation for generalized form of Takagi-Sugeno fuzzy systems.
IEEE Transactions on Fuzzy Systems, 9(4):525537.
Tanscheit, R.; Gomide, F. e Teixeira, M. C. M. (2007). Modelagem e controle nebuloso. In
Aguirre, L. A., editor, Enciclopdia de Automtica: Controle & Automao, volume 3, pp.
283324. Blucher.
Teixeira, M. C. M. e Assuno, E. (2007). Extenses para sistemas no-lineares. In Aguirre,
L. A., editor, Enciclopdia de Automtica: Controle & Automao, volume 1, pp. 218246.
Blucher.
Teixeira, M. C. M.; Assuno, E. e Avellar, R. G. (2003). On relaxed LMI-based designs for
fuzzy regulators and fuzzy observers. IEEE Transactions on Fuzzy Systems, 11(5):613623.
Teixeira, M. C. M.; Pietrobom, H. C. e Assuno, E. (2000). Novos resultados sobre a
estabilidade e controle de sistemas no-lineares utilizando modelos fuzzy e LMI. Controle
& Automao, 11(1):3748.
Teodorescu, H. C.; Jain, L. C. e Kandel, A. (1998). Fuzzy and Neuro-Fuzzy Systems in
Medicine. CRC.
Trres, L. A. B. (2007). Discrete-time dynamic systems synchronization: information trans-
mission and model matching. Physica D: Nonlinear Phenomena, 228:3139.
Trres, L. A. B. e Aguirre, L. A. (2004). Transmitting information by controlling nonlinear
oscillators. Physica D: Nonlinear Phenomena, 196(3-4):387406.
(2005). PCCHUA - a laboratory setup for real-time control and synchronization of
chaotic oscillations. International Journal of Bifurcation and Chaos in Applied Sciences
and Engineering, 15(8):23492360.
Tse, C. K.; Kolumbn, G. e Lau, F. C. M. (2005). Guest editorial - Special issue on applications
of chaos in communications. Circuits, Systems, and Signal Processing, 24(5):445449.
Referncias Bibliogrficas 86
Tsoukalas, L. H. e Uhrig, R. E. (1997). Fuzzy and Neural approaches in engineering. John
Wiley & Sons.
VanWiggeren, G. D. e Roy, R. (1998). Communication with chaotic lasers. Science, 279:1198
1200.
Wang, H. O. e Tanaka, K. (1996). An LMI-based stable fuzzy control of nonlinear systems
and its application to control of chaos. In Proceedigns of 5th IEEE International Conference
on Fuzzy Systems, volume 2, pp. 14331438, New Orleans, LA, USA.
Wang, H. O.; Tanaka, K. e Grin, M. F. (1995). Parallel distributed compensation of non-
linear systems by Takagi-Sugeno fuzzy model. In Proceedings of 1995 IEEE International
Conference on Fuzzy Systems, volume 2, pp. 531538, Yokohama, Japo.
(1996). An approach to fuzzy control of nonlinear systems: stability and design issues.
IEEE Transactions on Fuzzy Systems, 4(1):1423.
Wang, L. e Feng, G. (2004). Piecewise H

controller design of discrete time fuzzy systems.


IEEE Transactions on Systems, Man, and CyberneticsPart B: Cybernetics, 34(1):682
686.
Wu, H.-N. (2004). Reliable LQ fuzzy control for nonlinear discrete-time systems via LMIs.
IEEE Transactions on Systems, Man, and CyberneticsPart B: Cybernetics, 34(2):1270
1275.
(2007). Robust H
2
fuzzy output feedback control for discrete-time nonlinear systems
with parametric uncertainties. International Journal of Approximate Reasoning, 46(1):151
165.
Wu, H.-N. e Cai, K.-Y. (2004). H
2
guaranteed cost fuzzy control for uncertain nonlinear
systems via linear matrix inequalities. Fuzzy Sets and Systems, 148(3):411429.
Wu, H.-N. e Zhang, H.-Y. (2007). Reliable H

fuzzy control for a class of discrete-time


nonlinear systems using multiple fuzzy Lyapunov functions. IEEE Transactions on Circuits
and SystemsPart II: Analog and Digital Signal Processing, 54(4):357361.
Wu, S.-M.; Sun, C.-C.; Chung, H.-Y. e Chang, W.-J. (2006). Discrete H
2
/H

nonlinear
controller design based on fuzzy region concept and Takagi-Sugeno fuzzy framework. IEEE
Transactions on Circuits and SystemsPart I: Fundamental Theory and Applications,
53(12):28382848.
Ying, H. (2000). General SISO Takagi-Sugeno fuzzy systems with linear rule consequent are
universal approximators. IEEE Transactions on Fuzzy Systems, 8(6):91107.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8:338353.
(1975). The concept of a linguistic variable and its application to approximate reaso-
ning - I. Information Sciences, 8:199249.
Referncias Bibliogrficas 87
(2008). Is there a need for fuzzy logic? Information Sciences, 178(13):27512779.
Zeng, K.; Zhang, N.-Y. e Xu, W.-L. (2000). A comparative study on sucient conditions
for Takagi-Sugeno fuzzy systems as universal approximators. IEEE Transactions on Fuzzy
Systems, 8(6):773780.
Zhang, X. e Min, L. (2005). A generalized chaos synchronization based encryption algorithm
for sound signal communication. Circuits, Systems, and Signal Processing, 24(5):535548.
Zhou, K.; Doyle, J. C. e Glover, K. (1995). Robust and Optimal Control. Prentice Hall.
Zhou, S.; Feng, G.; Lam, J. e Xu, S. (2005). Robust H

control for discrete-time fuzzy


systems via basis-dependent Lyapunov functions. Information Sciences, 174(3-4):197217.
Zhou, S.; Lam, J. e Zheng, W. X. (2007). Control design for fuzzy systems based on rela-
xed nonquadratic stability and H

performance conditions. IEEE Transactions on Fuzzy


Systems, 15(2):188199.