Evolutionary Learning of Fuzzy Controllers

Detalhes bibliográficos
Autor(a) principal: Freitas, Joao Miguel Malva
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/86374
Resumo: Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
id RCAP_e2b7990aaf8ff19bf0e51fbd407e6259
oai_identifier_str oai:estudogeral.uc.pt:10316/86374
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Evolutionary Learning of Fuzzy ControllersAprendizagem Evolutiva de Controladores DifusosControlo DifusoAprendizagem OnlineControlo Difuso AdaptativoControlo Difuso EvolutivoInteligência ComputacionalFuzzy ControlOnline learningAdaptive Fuzzy ControlEvolving Fuzzy ControlComputational IntelligenceDissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e TecnologiaControladores inteligentes são hoje um importante aspecto no controlo de processos industriais e, particularmente, o controlador de lógica difusa com capacidades de aprendizagem é um caso de estudo muito interessante, devido ao seu formato e características únicas.Com o intuito de controlar sistemas com múltiplas entradas e uma saída foram estudados algoritmos de controlo difuso com uma componente adaptativa, por outras palavras, com a capacidade de adaptar a regras e parâmetros existentes no controlador e com uma componente evolutiva, por outras palavras, com a capacidade de modificar a estrutura do controlador com a adição de novas regras, obtidas através do uso de informação da saída e entradas do sistema. Adicionalmente, o controlador deve ser capaz de alterar sua estrutura ao mesmo tempo que controla o sistema, sem necessidade de treino prévio, e também controlar sistemas desconhecidos sem conhecimento do modelo e dinâmica do sistema. Após algumas pesquisas foi escolhido um algoritmo com as características mencionadas que serviu de base para o algoritmo apresentado nesta dissertação.Neste trabalho são apresentados os fundamentos de Controladores Difusos, a arquitectura e funcionamento do algoritmo proposto, sendo mencionado as melhorias às falhas detectadas do algoritmo original que foi estudado. A importância e influência de vários parâmetros do algoritmo proposto são também analisados em detalhe.De forma a validar e demonstrar a capacidade do algoritmo proposto, foi testado e analisado o seu desempenho no controlo de diversos sistemas simulados com múltiplas entradas e uma saída, assim como num sistema real composto por dois motores DC acoplados. Em todos os sistemas testados foram induzidas perturbações, tendo sido analisada a resposta do algoritmo proposto.Nowadays, intelligent controllers are an important aspect in the control of industrial processes and the particular Fuzzy Logic Controller with learning capabilities are a specially interesting subject of study, due to its format and characteristics.In order to control systems with multiple inputs and one output it was studied fuzzy control algorithms with an adaptive component, in other words, with the capacity to adapt the existing controller rules and parameters and with an evolving component, in other words, with the capacity to modify the controller structure with the addition of new rules, using the historical data about the controlled system. Furthermore, the control system must be able to change its structure at the same time is controlling the system, don't need to do offline training and also be able to control unknown systems without previous knowledge of the model and dynamics of the systems. After some research, an algorithm with the mentioned characteristics was chosen and served as the basis for the algorithm proposed in this dissertation.In this work are presented the concepts of Fuzzy Controllers, the architecture and structure of the proposed algorithm, being mentioned the improvements to the detected faults of the original algorithm that was studied. The importance and influence of several parameters of the proposed algorithm are also analysed in detail.In order to validate and demonstrate the capacity of the proposed algorithm, it was tested and analysed its performance in the control of several simulated systems with multiple inputs and one output, as well as in a real non-linear system based on two-coupled DC motors. All tested system were also subjected to perturbations, being analysed the response of the proposed algorithm.2018-05-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/86374http://hdl.handle.net/10316/86374TID:202219801engFreitas, Joao Miguel Malvainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2020-01-28T10:27:43Zoai:estudogeral.uc.pt:10316/86374Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:07:32.175759Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Evolutionary Learning of Fuzzy Controllers
Aprendizagem Evolutiva de Controladores Difusos
title Evolutionary Learning of Fuzzy Controllers
spellingShingle Evolutionary Learning of Fuzzy Controllers
Freitas, Joao Miguel Malva
Controlo Difuso
Aprendizagem Online
Controlo Difuso Adaptativo
Controlo Difuso Evolutivo
Inteligência Computacional
Fuzzy Control
Online learning
Adaptive Fuzzy Control
Evolving Fuzzy Control
Computational Intelligence
title_short Evolutionary Learning of Fuzzy Controllers
title_full Evolutionary Learning of Fuzzy Controllers
title_fullStr Evolutionary Learning of Fuzzy Controllers
title_full_unstemmed Evolutionary Learning of Fuzzy Controllers
title_sort Evolutionary Learning of Fuzzy Controllers
author Freitas, Joao Miguel Malva
author_facet Freitas, Joao Miguel Malva
author_role author
dc.contributor.author.fl_str_mv Freitas, Joao Miguel Malva
dc.subject.por.fl_str_mv Controlo Difuso
Aprendizagem Online
Controlo Difuso Adaptativo
Controlo Difuso Evolutivo
Inteligência Computacional
Fuzzy Control
Online learning
Adaptive Fuzzy Control
Evolving Fuzzy Control
Computational Intelligence
topic Controlo Difuso
Aprendizagem Online
Controlo Difuso Adaptativo
Controlo Difuso Evolutivo
Inteligência Computacional
Fuzzy Control
Online learning
Adaptive Fuzzy Control
Evolving Fuzzy Control
Computational Intelligence
description Dissertação de Mestrado Integrado em Engenharia Electrotécnica e de Computadores apresentada à Faculdade de Ciências e Tecnologia
publishDate 2018
dc.date.none.fl_str_mv 2018-05-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/86374
http://hdl.handle.net/10316/86374
TID:202219801
url http://hdl.handle.net/10316/86374
identifier_str_mv TID:202219801
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133966504034304

Registros relacionados