Erick

Disponível somente no TrabalhosFeitos
  • Páginas : 2 (385 palavras )
  • Download(s) : 0
  • Publicado : 12 de dezembro de 2012
Ler documento completo
Amostra do texto
OBJETIVO:
Desenvolver um controlador PID e avaliar os ganhos o impacto das variações junto a variável de saída do processo(sintonia).Desenvolver um controlador fuzzy com o melhor estágio deentrada, de processamento, e de saída. Comparar os dois controladores através da perturbação,os critérios de tempo de subida,tempo de estabilização,offset,overshot e por fim identificar qual o melhorcontrolador para o trabalho desejado.
INTRODUÇÃO:
* REDES NEURAIS:
Fonte de motivação para diversos desenvolvimentos tecnológicos (ex.: robôs) e fornecem dicas para o desenvolvimento de algoritmos deaprendizado e adaptação. Os mecanismos neurais são capazes de lidar com tarefas complicadas sem que tenham que desenvolver um modelo matemático e nem um modelo do ambiente em que operam. Desenvolvesistemas computacionais capazes de imitar tarefas intelectuais complexas, tais como a resolução de problemas, o reconhecimento e classificação de padrões, os processos indutivos e dedutivos. Seu sistemade processamento de informações desenvolve a partir de modelos matemáticos simplificados dos neurônios biológicos.
Redes neurais são inspiradas em um modelo biológico da inteligência humana océrebro, considerado o mais fascinante processador e tem a capacidade de processamento e armazenamento de informações.
* LÓGICA NEBULOSA:
A teoria dos conjuntos Fuzzy foi inicialmente proposta porZadeh em 1965.No final dos anos 70 foi utilizada por Mandani para controlar processos complexos(Fuzzy Control), no final dos anos 80 foi aplicada na industria, e no anos 90 aplicações comerciais edomésticas.
A lógica fuzzy é a lógica baseada na teoria dos conjuntos fuzzy. Ela difere dos sistemas lógicos tradicionais em suas características e seus detalhes. Nesta lógica, o raciocínio exatocorresponde a um caso limite do raciocínio aproximado, sendo interpretado como um processo de composição de relações nebulosas.
Outras características da lógica fuzzy podem ser : nos sistemas lógicos...
tracking img