Estrutura ANFIS modificada para identificação e controle de plantas com ampla faixa de operação e não linearidade acentuada

In this work a modification on ANFIS (Adaptive Network Based Fuzzy Inference System) structure is proposed to find a systematic method for nonlinear plants, with large operational range, identification and control, using linear local systems: models and controllers. This method is based on multiple model approach. This way, linear local models are obtained and then those models are combined by the proposed neurofuzzy structure. A metric that allows a satisfactory combination of those models is obtained after the structure training. It results on plant s global identification. A controller is projected for each local model. The global control is obtained by mixing local controllers signals. This is done by the modified ANFIS. The modification on ANFIS architecture allows the two neurofuzzy structures knowledge sharing. So the same metric obtained to combine models can be used to combine controllers. Two cases study are used to validate the new ANFIS structure. The knowledge sharing is evaluated in the second case study. It shows that just one modified ANFIS structure is necessary to combine linear models to identify, a nonlinear plant, and combine linear controllers to control this plant. The proposed method allows the usage of any identification and control techniques for local models and local controllers obtaining. It also reduces the complexity of ANFIS usage for identification and control. This work has prioritized simpler techniques for the identification and control systems to simplify the use of the methodNeste trabalho propõe-se uma modificação na estrutura neurofuzzy ANFIS (Adaptive Network Based Fuzzy Inference System) para a obtenção de um método sistemático para identificação e controle de plantas com ampla faixa de operação e não linearidade acentuada, a partir de técnicas lineares de identificação e controle. Este método se baseia na metodologia de múltiplos modelos. Dessa forma, obtêm-se modelos lineares locais e esses são combinados pela estrutura neurofuzzy proposta. Uma métrica que permite combinar adequadamente esses modelos é obtida após o treinamento dessa estrutura, resultando na identificação global da planta. Para cada um desses modelos é projetado um controlador. O controle global é obtido a partir da combinação dos sinais dos controladores locais. Essa mistura é feita pelo ANFIS modificado. A modificação na arquitetura do ANFIS permite o compartilhamento do conhecimento adquirido pelo treinamento da estrutura empregada na combinação de modelos locais. Assim não se faz necessário o treinamento da estrutura empregada na mistura de controladores. Avaliaram-se as estruturas modificadas através de dois estudos de caso. Verificou-se que é possível treinar apenas um ANFIS, para a obtenção de uma métrica que permita a combinação adequada dos modelos lineares, válidos localmente, e essa estrutura, já ajustada, pode ser aplicada na combinação de controladores lineares, projetados para cada um dos modelos, resultando em um sistema de controle que satisfaz as especificações de desempenho previamente estabelecidas. O método proposto possibilita a utilização de quaisquer técnicas de identificação e controle para a obtenção dos modelos e controladores locais, e a redução da complexidade de utilização do ANFIS para identificação e controle. Neste trabalho priorizaram-se as técnicas mais simples de identificação e controle de sistemas de forma a simplificar a utilização do métod