Controle realimentado (ou retroativo) de sistemas dinâmicos é um conceito antigo com muitas características que têm evoluído ao longo do tempo.
A ideia central é que a saída de um sistema pode ser medida e retransmitida a um controlador usado para fazer o controle. Comprovou-se que um sinal de realimentação pode ser usado para controlar uma vasta variedade de sistemas dinâmicos, incluindo, por exemplo, aeronaves e discos rígidos para armazenamento de dados. Para alcançar um bom controle, existem quatro requisitos básicos:
- O sistema deve ser sempre estável;
- A saída do sistema deve rastrear o sinal de comando na entrada;
- A saída do sistema não deve responder a entradas de distúrbio;
- Esses requisitos devem ser cumpridos, mesmo se o modelo utilizado no projeto não for totalmente preciso, ou se a dinâmica do sistema físico mudar ao longo do tempo ou devido a mudanças ambientais.
Considere o controle de navegação do automóvel, que é um dispositivo projetado para manter o veículo em uma velocidade constante. A variável de saída do sistema é a velocidade do veículo. A variável de entrada é o torque de saída do motor, que é regulada pelo acelerador.
Uma maneira simples de projetar um controle de navegação é bloquear a aceleração quando o motorista ativa o controle de navegação. No entanto, em terrenos acidentados, o veículo frenará quando o carro subir e acelerará quando ele descer. Esse tipo de controlador utiliza um sistema chamado de Controle em malha aberta porque não há conexão direta entre a saída do sistema e suas entradas.
Em um sistema de Controle em malha fechada, um elemento de realimentação monitora constantemente a velocidade do veículo e ajusta o acelerador conforme necessário para manter a velocidade desejada. Este sinal de realimentação compensa as variações provocadas por fatores externos como mudança na inclinação do solo ou velocidade do vento.
Uma aplicação notável do controle dinâmico é no voo tripulado. Os irmãos Wright fizeram seus primeiros voos de teste bem-sucedidos em 17 de dezembro, 1903 onde era percebível a habilidade deles em controlar seus voos por curtos períodos (além da habilidade de produzir sustentação de um aerofólio, que já era conhecida). O controle do avião era necessário para voos seguros.
Na Segunda Guerra Mundial, a teoria de controle era uma parte importante dos sistemas de controle de incêndio, sistemas de orientação e eletrônica. A corrida espacial dependia, também do controle preciso de espaço naves. Apesar de tudo é visto um crescente uso da teoria de controle em áreas como a Economia e Sociologia.
Controlador proporcional integral derivativo, controlador PID ou simplesmente PID, é uma técnica de controle de processos que une as ações derivativa, integral e proporcional, fazendo assim com que o sinal de erro seja minimizado pela ação proporcional, zerado pela ação integral e obtido com uma velocidade antecipativa pela ação derivativa.
É baseado na resposta da modelagem matemática de uma malha de processo a ser controlada.
Na prática os PID são encontrados no interior de controladores eletrônicos chamados "single-loop", muitas vezes com microprocessadores, e também através de software em Controladores programáveis e outros equipamentos de controle.
Os controladores contínuos podem controlar os processos de quatro formas distintas:
- Controle Proporcional (P);
- Controle Integral (PI);
- Controle Derivativo (PD);
- Controle Proporcional Integral Derivativo (PID).
Estes quatro modos de controle são também designados de ações de controle, cada uma delas reagindo de forma distinta ao erro presente nos sistemas. O controle proporcional ajusta a variável de controle de forma proporcional ao erro. O controle integral ajusta a variável de controle baseando-se no tempo em que o erro acontece. O controle derivativo ajusta a variável de controle tendo como base a taxa de variação do erro. A combinação destes tipos de controle forma o controlador conhecido na indústria como PID.
Em ciência da computação e campos relacionados, redes neuronais artificiais (RNAs) são modelos computacionais inspirados pelo sistema nervoso central de um animal (em particular o cérebro) que são capazes de realizar o aprendizado de máquina bem como o reconhecimento de padrões. Redes neurais artificias geralmente são apresentadas como sistemas de "neurônios interconectados, que podem computar valores de entradas", simulando o comportamento de redes neurais biológicas.
Por exemplo, uma rede neural para o reconhecimento de escrita manual é definida por um conjunto de neurônios de entrada que podem ser ativados pelos pixels de uma imagem de entrada. Os dados adquiridos por essa ativação dos neurônios são então repassadas, ponderadas e transformadas por uma função determinada pelo designer da rede, a outros neurônios. Este processo é repetido até que, finalmente, um neurônio de saída é ativado. Isso determina que caractere foi lido.
Assim como outros métodos de aprendizado de máquina, sistemas que aprendem a partir dos dados, redes neurais têm sido usadas para resolver uma grande variedade de tarefas que são difíceis de resolver utilizando programação baseada em regras comuns, incluindo visão computacional e reconhecimento de voz.
A lógica fuzzy foi introduzida nos meios científicos em 1965, e hoje ela é elemento fundamental em diversos sistemas, sendo considerada uma técnica de excelência no universo computacional. Possui também enorme aceitação na área de controle de processos.
O conceito fuzzy pode ser entendido como uma situação em que não é possível responder simplesmente "sim" ou "não". Mesmo conhecendo as informações necessárias sobre a situação, dizer algo entre "sim" e "não", como "talvez" ou "quase", torna-se mais apropriado.
Diferente da Lógica Booleana que admite apenas valores booleanos, ou seja, verdadeiro ou falso, a lógica difusa ou fuzzy, trata de valores que variam entre 0 e 1. Assim, uma pertinência de 0.5 pode representar meio verdade, logo 0.9 e 0.1, representam quase verdade e quase falso, respectivamente.