CONTROLADOR INTELIGENTE NEURO-FUZZY(ANFIS) PARA CALDEIRA DE DESTILARIA

Abstract

Este trabalho propõe o desenvolvimento de um controlador neurofuzzy (ANFIS) para otimizar o controle de temperatura em uma caldeira de destilação, combinando redes neurais e lógica fuzzy para criar um sistema adaptativo. Segundo Jang, Sun e Mizutani (1997), a arquitetura ANFIS é ideal para sistemas dinâmicos, pois une o aprendizado das redes neurais à lógica fuzzy, permitindo maior precisão e adaptabilidade. A metodologia inclui a modelagem matemática da caldeira, coleta de dados no Google Colab e treinamento do modelo no MATLAB, utilizando o ANFIS Editor. Dados pré-processados foram utilizados, com variáveis de entrada como erro (SP - PV), processo (PV) e derivada, e uma saída manipulada (MV). Funções de pertinência gaussianas e o treinamento híbrido com 1.000 épocas garantiram um desempenho robusto. A configuração mais enxuta (três entradas e uma saída) demonstrou equilíbrio entre simplicidade e precisão, validando a eficácia do modelo em condições dinâmicas e não lineares. O projeto prevê a implementação prática do controlador em uma plataforma Arduino para validação em condições reais. Essa etapa é fundamental para demonstrar a aplicabilidade do controlador no ambiente industrial, assegurando maior eficiência energética, menor intervenção manual e maior estabilidade. Os resultados confirmam o potencial dos sistemas neurofuzzy na automação industrial, como sugerido por Zimmermann (2001), destacando sua relevância para modernizar processos em setores como química, petroquímica e alimentício.