4o. SBAI – Simpósio Brasileiro de Automação Inteligente, São Paulo, SP, 08-10 de Setembro de 1999 GERAÇÃO DO CONJUNTO DE REGRAS DE INFERÊNCIA PARA UM CONTROLADOR NEBULOSO USANDO ALGORITMOS GENÉTICOS Yván J. Túpac, Marco Aurélio Pacheco, Marley Vellasco, Ricardo Tanscheit ICA – Departamento de Engenharia Elétrica - PUC-RIO Rua Marquês de São Vicente 225, Gávea. Caixa Postal 380021 CEP 22453-900 – Rio de Janeiro RJ {yvantv , marco , marley , ricardo}@ele.puc-rio.br Resumo: Este artigo descreve um processo de aprendizado baseado em Algoritmos Genéticos, com o objetivo de obter o conjunto ótimo de regras de inferência para um sistema de controle nebuloso. O sistema é aplicado para controlar o posicionamento de um motor DC. Para a evolução foi utilizado um Algoritmo Genético tradicional, obtendo-se resultados satisfatórios. Palavras Chaves: Controle Nebuloso, Algoritmos Genéticos, Aprendizado de Regras. Abstract: This paper describes a Genetic Algorithm learning process. Its objective is to find the optimal inference rules set of a fuzzy control system. The system is applied to the positional control of a DC Motor. In the evolution process, a traditional Genetic Algorithm was used. The results obtained were satisfactory. Keywords: Fuzzy Control, Genetic Algorithms, Rules Learning. 1 INTRODUÇÃO Os sistemas baseados em regras nebulosas se apresentam como uma ferramenta importante para a modelagem de sistemas complexos. Controladores são considerados na atualidade como uma das mais freqüentes aplicações dos sistemas baseados em regras nebulosas. Nesses controladores, os conjuntos de regras expressam, de forma qualitativa, a experiência dos operadores especialistas e também o conhecimento das estratégias de controle [1]. A construção das regras nebulosas é um dos maiores problemas no desenvolvimento de sistemas baseados em lógica nebulosa. Geralmente, as regras são obtidas a partir da experiência de especialistas na operação do sistema. Todavia, a representação do conhecimento de um especialista em regras do tipo se-então é difícil, devido à possibilidade de se inserir regras não utilizadas, incoerentes e contraditórias. Uma alternativa atraente de solução às formas clássicas de aquisição de conhecimento é o uso de técnicas de aprendizado, baseadas na busca de soluções, para a obtenção automática do conjunto de regras. Assim, Algoritmos Genéticos (GA) [2] aparecem como uma opção que apresenta alto desempenho na obtenção de sistemas evolutivos e adaptáveis, com capacidade de aprendizado. O processo de evolução é baseado na busca paralela do comportamento ótimo, a partir de um conjunto de possíveis exemplos de comportamento gerados de forma aleatória. Aplicando uma fórmula de avaliação, Algoritmos Genéticos podem atingir uma solução satisfatória, minimizando o erro da resposta do sistema segundo um comportamento padrão estabelecido a priori. O propósito deste artigo é mostrar a capacidade dos Algoritmos Genéticos no processo de aprendizado do conjunto ótimo de regras de inferência que leve o controlador nebuloso a obter um padrão ótimo de resposta. 2 SISTEMA DE CONTROLE Uma representação do processo de controle considerado neste projeto é mostrada na figura 1. Trata-se de um telescópio de 48” [3], o qual pode se mexer em três eixos: azimutal, polar e declinação. Este estudo envolveu o controle de apenas um eixo: Declinação. CONTROLADOR FUZZY Erro Voltagem MOTOR E PLANTA (Declinação) Set Point ) (t θ r ) (t R r ) (t E r Figura 1. Sistema de Controle O sistema de controle desenvolvido é baseado em Lógica Nebulosa [1][4], a qual depende de um conjunto de regras que descreva a estratégia do controle. O objetivo do controle é fazer com que o telescópio atinja o valor ) (t R , que representa o ponto de referência (“setpoint”) fornecido para o controlador, isto é, fazer com que o ângulo de