Universidade Federal do Rio Grande do Norte

Centro de Tecnologia
Programa de Ps-Graduao em Engenharia Eltrica e Computao

CONTROLE FUZZY ESPACIALMENTE DIFERENCIADO

PARA UM SISTEMA DE IRRIGAO

Rafaelle de Aguiar Correia Feliciano

Natal-RN
2012
 RAFAELLE DE AGUIAR CORREIA FELICIANO

CONTROLE FUZZY ESPACIALMENTE DIFERENCIADO

PARA UM SISTEMA DE IRRIGAO

Dissertao de Mestrado apresentada ao

Programa de Ps-Graduao em Engenharia
Eltrica e Computao da Universidade
Federal do Rio Grande do Norte (rea de
Concentrao: Automao e Sistemas) como
parte dos requisitos para obteno do ttulo de
Mestre em Cincias de Engenharia Eltrica e
Computao.

Orientador: Prof. Dr. Fbio Meneghetti

Ugulino de Arajo

Natal-RN
2012
 UFRN / Biblioteca Central Zila Mamede
Catalogao da Publicao na Fonte

Feliciano, Rafaelle de Aguiar Correia

Controle fuzzy espacialmente diferenciado para um sistema de irrigao.
/ Rafaelle de Aguiar Correia Feliciano. Natal, RN, 2013.
120 f. : il.

Orientador: Prof. Dr. Fbio Meneghetti Ugulino de Arajo.

Dissertao (Mestrado) Universidade Federal do Rio Grande do

Norte. Centro de Tecnologia. Programa de Ps-Graduao Engenharia
Eltrica e da Computao.

1. Lgica fuzzy Dissertao. 2. Sistema de irrigao - Dissertao. 3.

Controle fuzzy Dissertao. 4. Umidade de solo Dissertao. 5. ZigBee
Dissertao. 6. N sensor sem fio Dissertao. I. Arajo, Fbio
Meneghetti Ugulino de. II. Universidade Federal do Rio Grande do Norte.
III. Ttulo.

RN/UF/BCZM CDU 0004.312

Controle Fuzzy Espacialmente Diferenciado para um Sistema de Irrigao

Rafaelle de Aguiar Correia Feliciano

Dissertao de Mestrado aprovada em 20 de dezembro de 2012 pela banca examinadora

composta pelos seguintes membros:

Prof. Dr. Fbio Meneghetti Ugulino de Arajo (Orientador) DCA/UFRN

Prof. Dr. Andr Laurindo Maitelli DCA/UFRN

Prof. Dr. Oscar Gabriel Filho PRH-PB20

Aos meus alunos do Curso Tcnico em
Eletrnica do IFPB, que me inspiraram a
buscar a qualificao acadmica como forma
de melhorar minha prtica pedaggica para o
ensino de Engenharia.
 Agradecimentos

A Deus, por permitir que esse sonho se concretizasse.

Ao meu orientador, Professor Dr. Fbio Meneghetti Ugulino de Arajo, por
compartilhar seus conhecimentos tcnicos, pela generosidade com seu tempo de orientao e
sua amizade; agradeo imensamente por acolher minhas ideias e pelo privilgio de ter sido
sua orientanda.
Aos meus amigos, companheiros de mestrado e minha famlia durante o estgio
acadmico na UFRN, Professores Mrcio Emanuel, Marclio Onofre Filho e Marcos Meira. A
estes ltimos, idealizadores do Projeto MINTER, obrigada pela dedicao para o
desenvolvimento desta ps-graduao, pelo incentivo ao meu trabalho e, principalmente, pela
amizade fortalecida nos momentos de convvio fraterno em Natal.
Aos amigos, Professores Mrcio Emanuel, Jos Aniceto e Jobson Silva, e Vitor Atade,
pelas orientaes tcnicas e contribuies valiosas no desenvolvimento da infraestrutura deste
trabalho.
Aos colegas do IFPB, Francisco Marconi e Kennedy, pelas conversas sobre controle e
irrigao; Valdith, James e Manoel Filho, pelo emprstimo de recursos laboratoriais; Seu
Assis, Seu Antnio da Marcenaria e Eduardo (eletrotcnico), pelos trabalhos de apoio e
montagem do experimento.
UFCG, na pessoa do Professor Euler Macedo, pelo emprstimo dos sensores de
umidade do solo e pelas conversas tcnicas.
Aos companheiros minteristas, Professores Jos Nedcio, Roberto de Castro, Emanuel
Guerra, Antnio Dlia, Leonardo Telino, Fbio Lima, Guilherme Rgis, Jailton Moreira,
Fernando Hilton, Ivo Oliveira, pela companhia nos grupos de estudo e pela convivncia
amiga.
Aos Professores Dr. Andrs Ortiz Salazar, Dr. Jos Bezerra de Menezes e Dr. Luiz
Marcos Garcia Gonalves, respectivamente, Coordenadores Acadmico e Operacional do
Projeto MINTER e Coordenador do PPgEEC, pela conduo desta ps-graduao
UFRN/IFPB/CAPES.
Aos demais professores do Projeto MINTER, em especial aos Professores Dr. Andr
Laurindo Maitelli e Dr. Anderson Cavalcanti, por contriburem para o encaminhamento deste
projeto acadmico e pelo ensino dos conhecimentos essenciais para este trabalho.
 Ao Professor Dr. Oscar Gabriel Filho, por aceitar fazer parte da banca de defesa do
mestrado.
A CAPES, SETEC, UFRN e IFPB, em especial aos gestores do IFPB, o Magnfico
Reitor Professor Joo Batista de Oliveira, a Pr-Reitora de Pesquisa, Inovao e Ps-
Graduao, Professora Dra. Nelma Mriam e o Diretor do Campus Joo Pessoa, Professor Dr.
Joabson Nogueira, pela articulao e apoio ao programa MINTER de aperfeioamento e ps-
graduao.
Aos meus familiares, meu esposo Antonio Feliciano, meu filho Antonio Neto, meus
pais Ronaldo e Marluce, minha irm Raquel Cristina, minha irm espiritual Mara, minhas
filhas do corao Juliana, Raphaela e Natlia e meus netos do corao Jlia e Joo, pelo
carinho, pelo amparo, por compreenderem as horas dedicadas ao estudo e por vibrarem pelas
minhas conquistas.
 Resumo

Projetos de irrigao tradicionais no determinam localmente a disponibilidade de gua no

solo. Assim, podem ocorrer ciclos irregulares de irrigao: alguns insuficientes, o que provoca
dficit de gua; outros em demasia, o que causa falta de oxigenao nas plantas. Devido
natureza no-linear do problema e do ambiente multivarivel de processos de irrigao, a
lgica fuzzy sugerida como substituta aos sistemas comerciais de irrigao tipo ON-OFF
com temporizao pr-definida. Outra limitao das solues comerciais que os processos
de irrigao no atendem s diferentes necessidades hdricas dos ciclos de crescimento das
culturas nem s mudanas nas variveis climticas. Dessa maneira, para atender necessidades
agrcolas baseadas em localizao, indicado monitorar dados ambientais usando sensores
sem fio, interligados a um sistema de controle inteligente. Isso mais evidente em aplicaes
de agricultura de preciso. Este trabalho apresenta o desenvolvimento terico e experimental
de um sistema de controle fuzzy espacialmente diferenciado para um sistema de irrigao,
baseado no sensoriamento da umidade do solo com ns sensores sem fio. A arquitetura do
sistema de controle modular: um sistema supervisrio fuzzy determina o set point de
umidade do solo da regio de atuao do n sensor (de acordo com o conjunto solo-planta-
clima) e outro fuzzy, embarcado no n sensor, faz o controle local e atua no sistema de
irrigao. O sistema de controle fuzzy foi simulado com a ferramenta de programao
SIMULINK e foi construdo experimentalmente como sistema embarcado em um
dispositivo mvel SunSPOTTM operando com ZigBee. Modelos de controladores foram
desenvolvidos e avaliados em diferentes combinaes de variveis de entrada e base de regras
de inferncia.

Palavras-chave: Controle fuzzy. Sistema de irrigao. Umidade do solo. ZigBee. N sensor

sem fio.
 Abstract

Traditional irrigation projects do not locally determine the water availability in the soil. Then,
irregular irrigation cycles may occur: some with insufficient amount that leads to water
deficit, other with excessive watering that causes lack of oxygen in plants. Due to the non-
linear nature of this problem and the multivariable context of irrigation processes, fuzzy logic
is suggested to replace commercial ON-OFF irrigation system with predefined timing. Other
limitation of commercial solutions is that irrigation processes either consider the different
watering needs throughout plant growth cycles or the climate changes. In order to fulfill
location based agricultural needs, it is indicated to monitor environmental data using wireless
sensors connected to an intelligent control system. This is more evident in applications as
precision agriculture. This work presents the theoretical and experimental development of a
fuzzy system to implement a spatially differentiated control of an irrigation system, based on
soil moisture measurement with wireless sensor nodes. The control system architecture is
modular: a fuzzy supervisor determines the soil moisture set point of each sensor node area
(according to the soil-plant set) and another fuzzy system, embedded in the sensor node, does
the local control and actuates in the irrigation system. The fuzzy control system was simulated
with SIMULINK programming tool and was experimentally built embedded in mobile
device SunSPOTTM operating in ZigBee. Controller models were designed and evaluated in
different combinations of input variables and inference rules base.

Keywords: Fuzzy control. Irrigation system. Soil moisture. ZigBee. Wireless sensor node.
 Lista de Figuras

Figura 1.1 - Diagrama do sistema de controle fuzzy ................................................................. 22

Figura 2.1 Componentes do solo com mdias gerais (METED, 2012) .................................. 25
Figura 2.2 Tringulo das classes texturais de solo (FALKER, 2008) ................................... 25
Figura 2.3 Espao poroso em solo arenoso vs. solo argiloso (METED, 2012) ..................... 26
Figura 2.4 Condies gerais da umidade do solo (METED, 2012) ....................................... 26
Figura 2.5 Cc e Pm para diferentes classes de solo (FALKER, 2008) .................................. 29
Figura 2.6 Representao do conjunto zero ....................................................................... 34
Figura 2.7 Representao do nmero ou conjunto fuzzy QUASE ZERO ............................. 34
Figura 2.8 Sadas discretas defuzzificadas (adaptada de SANDRI E CORREA, 1999) ....... 38
Figura 2.9 Hardware bsico de um n sensor ....................................................................... 38
Figura 3.1 Esquema ilustrativo do sistema experimental ....................................................... 42
Figura 3.2 Foto do sistema de controle de irrigao.............................................................. 43
Figura 3.3 Foto da amostra de solo coletada em canavial (Santa Rita-PB)........................... 44
Figura 3.4 Sensor capacitivo ECH2O modelo EC-5 (DECAGON, 2011) ............................ 46
Figura 3.5 Sensor capacitivo ECH2O modelo EC-10 (DECAGON, 2011)........................... 46
Figura 3.6 Dispositivo SunSPOTTM (ARAJO JNIOR, 2011).......................................... 47
Figura 3.7 Distribuio de pinos de entrada e sada .............................................................. 48
Figura 3.8 Eletrovlvula ou vlvula-solenoide utilizada como atuador ................................ 49
Figura 3.9 Circuito de interface SunSPOT-Eletrovlvula ..................................................... 49
Figura 3.10 Foto do circuito de acionamento da eletrovlvula ............................................. 49
Figura 4.1 Diagrama do sistema fuzzy para controle de umidade do solo ............................ 51
Figura 4.2 Modelo de inferncia fuzzy para set point de umidade do solo ............................ 52
Figura 4.3 Termos lingusticos e funes de pertinncia da varivel TSOLO ...................... 54
Figura 4.4 Termos lingusticos e funes de pertinncia da varivel TPLAN-Z .................. 55
Figura 4.5 Termos lingusticos e funes de pertinncia da varivel TPLAN-Y.................. 56
Figura 4.6 Variao de KC (baseado em CARAMORI, 2006) .............................................. 57
Figura 4.7 Termos lingusticos e funes de pertinncia da varivel ESTAG ...................... 58
Figura 4.8 Termos lingusticos e funes de pertinncia da varivel ATEMP ..................... 58
Figura 4.9- Termos lingusticos e funes de pertinncia da varivel AUMD ........................ 59
Figura 4.10 - Termos lingusticos e funes de pertinncia da varivel RUMD ..................... 59
Figura 4.11 Arquitetura do controle em JAVATM (ARAJO JR., 2011) ............................. 61
Figura 5.1 Diagrama de blocos do sistema fuzzy 1 no SIMULINK ..................................... 67
Figura 5.2 Variao de KC da cana-de-acar [adaptado de SILVA et al. (2012)] ............... 68
Figura 5.3 Variao de ESTAG (KC) via Signal Builder do SIMULINK ............................ 68
Figura 5.4 Perfil do set point (areia/cana-de-acar) 6 regras ............................................ 69
Figura 5.5 Perfil do set point (areia/cana-de-acar) 12 regras .......................................... 70
Figura 5.6 Funo senoidal contnua para a varivel ATEMP .............................................. 71
Figura 5.7- Perfil do set point (areia/cana-de-acar) ATEMP senoidal 6 regras ................ 71
Figura 5.8 - Perfil do set point (areia/cana-de-acar) ATEMP senoidal 8 regras ............... 72
Figura 5.9 - Perfil do set point (areia/cana-de-acar) ATEMP senoidal 12 regras ............. 72
Figura 5.10 - Perfil do set point (areia/cana-de-acar) para CT07, CT08 e CT09 ................. 73
Figura 5.11 Set point quantizado (areia/cana-de-acar) 12 regras.................................... 74
Figura 5.12 Perfil do set point (argila-arenosa/cana-de-acar) 12 regras ......................... 75
Figura 5.13 Perfil do set point (argila-arenosa /cana-de-acar) 24 regras ........................ 75
Figura 5.14 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 12 regras .......... 76
Figura 5.15 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 16 regras ........... 77
Figura 5.16 Destaque do perfil de RUMD e mnimos de ATEMP senoidal ......................... 77
Figura 5.17 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 24 regras ........... 78
Figura 5.18 Set point quantizado (argila-arenosa/cana-de-acar) 24 regras ..................... 79
Figura 5.19 - Diagrama de blocos do sistema de controle solo 1 .......................................... 80
Figura 5.20 - Diagrama de blocos do sistema de controle solo 2 .......................................... 81
Figura 5.21 Resposta simulada do solo 1 (arenoso) ao controle fuzzy-TSK ......................... 82
Figura 5.22 - Detalhes da resposta simulada do solo 1 ao controle fuzzy-TSK........................ 83
Figura 5.23 Resposta real do solo 1 (arenoso) ao controle fuzzy-TSK .................................. 84
Figura 5.24 Resposta real do solo 1com filtro de mdia mvel ............................................ 85
Figura 5.25 Sinal de controle fuzzy-TSK ao processo-solo 1 ................................................ 85
Figura 5.26 Curva sugerida para a resposta real do sistema-solo 1....................................... 86
Figura 5.27 Resposta simulada do solo 2 (argila-arenosa) ao controle fuzzy-TSK ............... 86
Figura 5.28 - Detalhes da resposta simulada do solo 2 ao controle fuzzy-TSK........................ 87
Figura 5.29 Sinal de controle simulado ao processo-solo 2 .................................................. 88
Figura 5.30 Resposta real do solo 2 (argila-arenosa) ao controle fuzzy-TSK ....................... 88
Figura 5.31 - Resposta real do solo 2 com filtro FIR de mdia mvel ..................................... 89
Figura 5.32 Sinal de controle fuzzy-TSK ao processo-solo 2 ................................................ 89
Figura 5.33 Curva sugerida para a resposta real do sistema-solo 2....................................... 90
Figura 6.1 Esquema ilustrativo de um ambiente de teste multissensor ................................. 94
Figura 7.1 Coleta de amostra de solo no municpio de Santa Rita-PB.................................. 95
Figura 7.2 Coleta de amostra de solo no municpio de Sap-PB .......................................... 95
Figura 7.3 Material e montagem para calibrao do Sensor ECH2O EC-5 ........................... 97
Figura 7.4 Pesagem do conjunto recipiente-solo-sensor ....................................................... 97
Figura 7.5 Medio de umidade do solo e potencial eltrico do Sensor ECH2O EC-5......... 98
Figura 7.6 Curva de calibrao do sensor EC-10 .................................................................. 99
Figura 7.7 - Curva de calibrao do sensor EC-5 ..................................................................... 99
Figura 7.8 Resposta do solo 1 (arenoso) ao degrau unitrio de vazo ................................ 107
Figura 7.9 - Polinmio interpolador para a resposta do solo 1 ao degrau .............................. 108
Figura 7.10 - Reta tangente ao ponto de inflexo da resposta ao saldo (solo 1) .................... 108
Figura 7.11 Resposta do solo 2 (argila-arenosa) ao degrau unitrio de vazo .................... 109
Figura 7.12 - Polinmio interpolador para a resposta do solo 2 ao degrau ............................ 110
Figura 7.13 Reta tangente ao ponto de inflexo da resposta ao saldo (solo 2).................... 110
 Lista de Tabelas

Tabela 2.1 - Classificao das partculas do solo (GOMES, 1994) ......................................... 25

Tabela 3.1 Resumo dos dados das amostras de solo coletadas ............................................. 44
Tabela 3.2 Constante dieltrica de materiais ......................................................................... 45
Tabela 3.3 Especificaes tcnicas dos sensores EC-5 e EC-10 (DECAGON, 2010) .......... 45
Tabela 3.4 Caractersticas eltricas dos pinos de entrada/sada ............................................ 48
Tabela 4.1 Valores de Pm e Cc (OTTONI FILHO, 2003) .................................................... 53
Tabela 4.2 Valores de Pm e Cc para texturas de solo siltosas (FALKER, 2008).................. 53
Tabela 4.3 Profundidade efetiva das razes (GOMES, 1994; PIRES et al., 1999) ................ 54
Tabela 4.4 Dficit hdrico tolervel para diferentes culturas................................................. 56
Tabela 4.5 Termos lingusticos da varivel TPLAN-Y ......................................................... 56
Tabela 4.6 Valores mdios de KC (GOMES, 1994; MARIANO, 2008) ............................... 57
Tabela 4.7 Termos lingusticos da varivel ESTAG ............................................................. 58
Tabela 4.8 Termos lingusticos e UD Mamdani para varivel RUMD ................................. 60
Tabela 4.9 Termos lingusticos e funes de pertinncia da varivel UERR........................ 64
Tabela 4.10 Termos lingusticos e funes de pertinncia da varivel DERR...................... 64
Tabela 4.11 Matriz de associao das regras de inferncia fuzzy-TSK ................................. 65
Tabela 4.12 Coeficientes tericos das funes paramtricas Sugeno ................................... 65
Tabela 5.1 Coeficiente KC mdio para cana-de-acar (Silva et al., 2012) .......................... 68
Tabela 5.2 Parmetros do cenrio de teste CT01 .................................................................. 69
Tabela 5.3 Parmetros do cenrio de teste CT04 .................................................................. 71
Tabela 5.4 Parmetros do cenrio de teste CT10 ................................................................... 74
Tabela 5.5 Termos Sugeno das funes paramtricas de sada ............................................. 90
Tabela 7.1 Dados da coleta das amostras de solo .................................................................. 96
Tabela 7.2 Dados da anlise laboratorial das amostras de solo coletadas ............................. 96
Tabela 7.3 Base de regras do fuzzy Mamdani Solo arenoso e ATEMP constante ........... 101
Tabela 7.4 Base de regras do fuzzy Mamdani Solo arenoso e ATEMP senoidal ............. 102
Tabela 7.5 Base de regras do fuzzy Mamdani Solo argila-arenosa e ATEMP constante . 103
Tabela 7.6 - Base de regras do fuzzy Mamdani Solo argila-arenosa e ATEMP senoidal .... 105
 Lista de Smbolos e Abreviaturas

atm Atmosfera (unidade de medida de Presso)

A/D Analgico para Digital
ADR Amplitude Domain Reflectometry
o
C Grau Celsius
CAD Capacidade de gua Disponvel
cb Centibar (unidade de medida de Presso)
Cc Capacidade de Campo
CLP Controlador Lgico Programvel
Das Densidade Aparente do Solo
dBm Decibel miliwatt
Ds Densidade do Solo
DTA Disponibilidade Total de gua
Embrapa Empresa Brasileira de Pesquisa Agropecuria
ET Evapotranspirao
ETp Evapotranspirao Potencial Diria
eSPOT Placa-me do SunSPOTTM
FDR Frequency Domain Reflectometry
FFD Full Function Device
FIR Finite Impulse Response (filtro digital de resposta ao impulso finita)
FP Funo de Pertinncia
FT Funo de Transferncia
Fuzzy-TSK Sistema Fuzzy modelo Takagi-Sugeno-Kang
g Grama
3
g/cm Grama por centmetro cbico
GA Genetic Algorithm
GHz Giga (109) Hertz
GPS Global Positioning System
IA Inteligncia Artificial
IBGE Instituto Brasileiro de Geografia e Estatstica
IEEE Institute of Electrical and Electronics Engineers
IEEE 802.11 Padro IEEE para Protocolo de Redes sem Fio Wi-Fi
IEEE 802.15.1 Padro IEEE para Protocolo de Redes sem Fio Bluetooth
IEEE 802.15.4 Padro IEEE para Protocolo de Redes sem Fio ZigBee
IFPB Instituto Federal de Educao, Cincia e Tecnologia - Paraba
ISM Industrial, Scientific and Medical (Radio Band)
J2ME Java To Platform Micro Edition
JVM Java Virtual Machine (Mquina Virtual Java)
k Kilo (103)
Kc Crop coefficient
kbps Kilobits por segundo
KD Ganho derivative
kg/m3 Quilograma por metro cbico
KP Ganho proporcional
kPa Kilo Pascal
l Litro
LED Light Emitting Diode (Diodo Emissor de Luz)
LI-ION Lithium-Ion (tipo de bateria de ons de Ltio)
LIS Laboratrio de Irrigao e Salinidade da UFCG
LR-WPAN Low-Rate Wireless Personal Area Network
m Metro
m2 Metro Quadrado
m3 Metro Cbico
MAC Media Access Control
ml Mililitro
mm Milmetro
MHz Mega (106) Hertz
NBR Norma Brasileira de Referncia
Po Presso que atua sobre a gua Padro
Pa Pascal (unidade de medida de Presso)
PHY Physical Layer
PD Proporcional-Derivativo
PID Proporcional-Integral-Derivativo
Pm Ponto de Murcha ou Murchamento
PMP Ponto de Murcha Permanente
PVC PolyVinyl Chloride (Policloreto de Vinila, tipo de material plstico)
PWM Pulse Width Modulation
RFD Reduced Function Device
RMS Root Mean Square (Raiz Mdia Quadrtica = valor eficaz)
RS-485 Recommended Standard 485 (padro de comunicao serial TIA/EIA-485)
RSSF Rede de Sensores Sem Fio
SunSPOTTM Sun Small Programmable Object Technology
TAS Tenso da gua do Solo
TDR Time Domain Reflectometry
TR Tempo de Rega
USB Universal Serial Bus
UWB Ultra Wide Band
UFCG Universidade Federal de Campina Grande
VCA Tenso de Corrente Alternada
VCC Tenso Corrente Contnua
W Watt
Wi-Fi Wireless Fidelity
WPAN Wireless Personal Area Network
Densidade Volumtrica
Potencial de gua no Solo
Sumrio

1. Introduo 18
1.1 Motivao do trabalho 18

1.2 Reviso bibliogrfica 20

1.3 Objetivos do trabalho 22

1.4 Contedo dos captulos 23

2. Fundamentao terica 24
2.1 Sistemas de irrigao 24

2.1.1 O solo 24
2.1.2 Relao solo/gua/clima/planta 26
2.1.3 Tcnicas de medio de parmetros para irrigao 30
2.2 Sistemas inteligentes com lgica fuzzy 32

2.2.1 Princpios da lgica fuzzy 33

2.2.2 Estrutura bsica de um controlador fuzzy 35
2.3 Sensores sem fio 38

2.3.1 Padro IEEE 802.15.4/ZigBee 40

2.4 Comentrios e concluso 41

3. Estrutura experimental 42
3.1 Ambiente de teste e o sistema de irrigao 42

3.2 Amostras de solo 43

3.3 Sensores 44

3.4 Dispositivo mvel ZigBee 47

3.5 Atuadores 48

3.2 Comentrios e concluses 50

4. Modelamento dos sistemas fuzzy 51

4.1 Sistema fuzzy para referncia de umidade do solo 51
 4.1.1 Variveis do Sistema Fuzzy Mamdani 53
4.2 Sistema de controle em ambiente J2ME 60

4.2.1 Modelagem do processo-solo 62

4.2.2 Controle fuzzy-TSK 63
4.3 Comentrios e concluses 65

5. Resultados obtidos 66
5.1 Cenrios de teste set point 66

5.2 Controle embarcado em J2ME 79

5.2.1 Controlador fuzzy-TSK 82

5.3 Comentrios e concluses 91

6. Concluses e perspectivas 92
6.1 Estudos futuros 93

7. Anexos 95
Anexo I Coleta e anlise das amostras de solo 95

Anexo II - Calibrao dos Sensores ECH2O EC-5 e EC-10 97

Anexo III Base de regras do fuzzy para set point de umidade do solo 101

Anexo IV Resposta do sistema-solo ao degrau 107

Referncias 112
 18

1. Introduo

O uso da irrigao j conhecido como um dos responsveis pelo aumento da produo

agrcola e pela maior rentabilidade aos produtores rurais. Contudo, o manejo de irrigao
majoritariamente operado por seres humanos habituados anlise qualitativa das necessidades
do solo e das culturas (BERNARDO, 1987; ZHANG et al., 1996; YUSOFF et al., 2007).
Segundo Lima (2007), tradicionalmente os projetos de irrigao no controlam
localmente a disponibilidade de gua no solo. A ausncia dessa informao pode ocasionar
erros na frequncia de irrigao, por insuficincia ou demasia. Os ciclos irregulares de
irrigao so responsveis pelo dficit de gua nas plantas, e o prejuzo do desenvolvimento
da plantao pode ser irreversvel (BERNARDO, 1987; RESENDE et al., 1988; YUSOFF et
al., 2007).
Em contrapartida, o excesso de irrigao (over-watering, over-spraying) acarreta a
saturao do solo, a falta de oxigenao das plantas, o escoamento de nutrientes e
fertilizantes, alm do prprio desperdcio de gua (LIMA, 2007).
Assim, primordial o uso de um sistema de controle automtico de irrigao e o
estabelecimento da dotao hdrica adequada s condies climticas, aos tipos de solo e
demanda de cada cultura (YUSOFF et al., 2007). Uma alternativa o emprego de controle
inteligente aplicado irrigao de preciso e ao controle da umidade ideal do solo durante
todo o ciclo de desenvolvimento vegetativo (LIMA, 2007). Alm da utilizao eficiente dos
recursos hdricos, essa estratgia implicar a diminuio de mo de obra humana, reduo do
consumo de energia e custos operacionais, bem como a minimizao dos impactos ambientais
(BERNARDO, 1987; ZHANG et al., 1996).

1.1 Motivao do trabalho

A motivao para o desenvolvimento deste trabalho est associada a dois aspectos. Do

ponto de vista socioeconmico, o Brasil necessita ampliar a rea de culturas irrigadas.
importante desenvolver sistemas de controle de irrigao eficazes, flexveis, de alta
durabilidade e de baixo custo que sejam viveis para o mdio produtor rural brasileiro.
Dados do ltimo Censo Agropecurio publicado pelo IBGE (BRASIL, 2006) informam
que apenas 6,3% dos estabelecimentos rurais do Brasil empregam algum mtodo de irrigao
 19

e 61,5% deles no receberam orientao tcnica para implantao do referido mtodo. As

propriedades rurais que adotam tcnicas de irrigao correspondem a menos de 8% da rea
total de lavouras existentes no pas (BRASIL, 2006).
Do ponto de vista tecnocientfico, tcnicas de controle e sensoriamento objetivam
contribuir com novas alternativas s limitaes dos produtos comerciais para irrigao. Bahat
et al. (2000) e Lima (2007) destacam que diversas solues comerciais operam com poltica
de irrigao peridica e controles pr-definidos de temporizao. Esses sistemas ainda
dependem da experincia do agricultor ou da presena de profissionais tcnicos para a tomada
de deciso sobre quando e quanto irrigar.
Os controladores comerciais tipo ON-OFF tambm no atendem s necessidades
hdricas das culturas ao longo do tempo, no consideram as mudanas nas variveis climticas
e nem os ciclos de crescimento vegetativo (GOMES, 1994; LIMA, 2007). Bernardo (1987),
Bahat et al. (2000) e Yusoff et al. (2007) destacam que o volume necessrio de gua e o
momento da irrigao dependem de parmetros de natureza agrcola (tipo de planta, tipo de
solo, estgio de crescimento da plantao, evapotranspirao etc.) e de natureza fsica
(temperatura, umidade relativa do ar, velocidade do vento, umidade do solo etc.). Os
parmetros agrcolas so fixos por ciclo de irrigao, no entanto, os fsicos so variveis e
devem ser medidos ao longo do processo de irrigao para determinar as alteraes no
volume de gua a ser aplicado.
Ainda, o uso de mtodos clssicos de controle por realimentao, como PID, no
apresenta resultados satisfatrios para o tratamento do aspecto temporal das variveis de solo-
gua-planta-clima, em especial, devido s caractersticas no-lineares de sensores utilizados
(XIAHONG et al., 2009).
Dessa maneira, o uso da lgica nebulosa ou fuzzy indicado como substituto
operacionalizao de sistemas comerciais de irrigao tipo ON-OFF (ZHANG et al., 1996;
BAHAT et al., 2000; LIMA, 2007; YUSOFF et al., 2007; ZHAO et al., 2007; XIAOHONG et
al., 2009). Sistemas de controle fuzzy se mostram apropriados tanto pela natureza nebulosa do
problema quanto do ambiente multivarivel de processos de irrigao.
Aliada aos sistemas de controle fuzzy, a instrumentao com sensores sem fio se
apresenta como uma soluo tecnolgica de crescente aplicabilidade em irrigao de preciso.
Suas caractersticas de mobilidade, flexibilidade, adaptabilidade (a qualquer tipo de relevo
topogrfico e cultura agrcola) e reduo de custos operacionais permitem a instalao
massiva de sensores na zona radicular das plantas (LIMA, 2007; KIM et al., 2008).
No entanto, h escassa literatura que envolva sistemas inteligentes fuzzy e sensores sem
fio em agricultura de preciso. Este trabalho apresenta o desenvolvimento terico e
 20

experimental de um sistema de controle fuzzy espacialmente diferenciado para um sistema de

irrigao, baseado no sensoriamento da umidade do solo com ns sensores sem fio, e analisa
seu desempenho.

1.2 Reviso bibliogrfica

Diversas pesquisas na rea de sistemas de controle tm sido efetuadas com o propsito

de automatizar o manejo de irrigao (SAWADOGO et al., 1998; BAHAT et al., 2000;
LITRICO AND FROMION, 2006; YUSOFF et al., 2007; WEYER, 2008; AGUILAR et al.,
2009; DURSUN AND OZDEN, 2010). Sistemas de controle em malha aberta trabalham com
parmetros pr-definidos de temporizao e vazo. Sistemas de controle em malha fechada
utilizam alguns dos parmetros de natureza fsica (temperatura, umidade relativa do ar,
umidade do solo, velocidade do vento etc.) para decidir o quantitativo de recursos hdricos a
serem aplicados (BAHAT et al., 2000).
Em virtude da natureza nebulosa dos parmetros de sistemas de irrigao, Zhang et al.
(1996), Bahat et al. (2000), Lima (2007), Yusoff et al. (2007), Zhao et al. (2007) e Xiaohong
et al. (2009) sugerem sistemas inteligentes com lgica fuzzy aplicados ao controle de
processos de irrigao.
Zhang et al. (1996) investigam a eficincia de um controle de irrigao com lgica fuzzy
face s no-linearidades e atrasos de resposta de sensores de umidade do solo. O controle
fuzzy de Zhang et al. (1996) determina o momento da irrigao baseado no potencial de gua
no solo, medido indiretamente por sensores de umidade do solo.
Bahat et al. (2000) simulam um sistema fuzzy modular composto por um subsistema de
set point de umidade do solo, um estgio que modela a funo de evaporao do solo e um
subsistema para controle da abertura de eletrovlvulas. O subsistema fuzzy que define o set
point da umidade do solo utiliza 4 (quatro) variveis de entrada (temperatura, umidade do ar,
velocidade do vento e oramento hdrico).
Xiaohong et al. (2009) implementaram um sistema fuzzy para controlar um sistema de
irrigao composto de sensores de umidade do solo, uma rede de tubos e eletrovlvulas, com
comunicao ZigBee. O controlador fuzzy, proposto por Lima (2007), objetiva manter o
potencial matricial da gua no solo por meio do controle da vazo e da velocidade de um
conjunto motobomba. Yusoff et al. (2007) comparam controladores fuzzy baseados nos
modelos de inferncia Mamdani e Takagi-Sugeno-Kang (TSK), aplicados em um sistema de
irrigao de gramados.
 21

A plataforma para irrigao de preciso em citricultura, desenvolvida por Torre-Neto et

al. (2007), empregou sensores de umidade do solo e temperatura do ar. Em Torre-Neto
(2002), foram utilizados um pluvimetro e sondas enterradas no solo contendo sensores de
temperatura e tensimetros de presso para medio do potencial matricial do solo.
Kim et al. (2008) apresenta um sistema de irrigao varivel baseado em uma rede de
sensores sem fio georreferenciada por GPS (Global Positioning System). O sistema de
controle com CLP (Controlador Lgico Programvel) monitora a umidade e a temperatura do
solo, a umidade relativa e a temperatura do ar, a precipitao, a velocidade e direo do vento
e a radiao solar.
Comparando os trabalhos mencionados, pode-se afirmar que a definio das variveis
do processo feita para melhor caracterizar as necessidades de dotao hdrica das culturas
sem comprometer a complexidade do controlador fuzzy. Tambm se verifica que o parmetro
umidade do solo (soil moisture) est presente em todos os trabalhos aqui referenciados, o que
corrobora com seu uso neste trabalho de pesquisa.
Em sistemas de controle reais para agricultura de preciso, o projeto de sensoriamento
(tipos e quantitativo de sensores, topologia de distribuio, tecnologia de comunicao e custo
de implantao) um ponto relevante a ser considerado. Trabalhos de controle de irrigao
realizados pela Embrapa apresentam solues tecnolgicas baseadas em sensoriamento sem
fio (TORRE-NETO, 2001; TORRE-NETO, 2002; TORRE-NETO et al., 2003; TORRE-
NETO et al., 2007).
Torre-Neto (2001; 2002) apresenta um sistema automatizado de irrigao com sondas
de solo interligadas em rede via barramento serial multiponto padro RS-485. A comunicao
entre a estao em campo e o escritrio central feita por meio de um enlace de rdio de 900
MHz. Outra soluo idealizada por Torre-Neto et al. (2007) trata da instrumentao sem fio
para identificar zonas de manejo em citricultura com diferentes necessidades hdricas. Uma
rede de sensores de umidade e da temperatura do solo usada para irrigao de preciso
espacialmente varivel.
Pesquisas recentes (ZHANG et al., 2007; KIM et al., 2008; XIAOHONG et al., 2009;
ZHOU et al., 2009) demonstram a eficincia de sensores sem fio aplicados agricultura de
preciso por agregar, s facilidades de instalao, mobilidade e manuteno, as caractersticas
de autoformao (self-forming), autorregenerao (self-healing), autoconfigurao (self-
configuration) e escalabilidade.
A rede de sensores de Zhou et al. (2009) construda com padro ZigBee para
monitoramento da temperatura e umidade do ar em uma cultura de cogumelos comestveis na
 22

China. Os ns atuadores recebem sinais de controle para atuar em motobombas e em vlvulas

eletromagnticas.
Zhang et al. (2007) compara os padres ZigBee, Bluetooth e Wi-Fi nos quesitos custo,
taxa de dados, nmero de ns, consumo de corrente e autonomia da bateria para monitorao
e controle de temperatura, luminosidade e umidade em uma estufa. Outras referncias
(MALAFAYA et al., 2005; FERNANDES; 2010) tambm indicam o uso do padro IEEE
802.15.4/ZigBee para comunicao entre ns sensores e dispositivos de controle em redes que
demandam baixa taxa de transferncia de dados, baixo custo e baixo consumo de energia.
Verificam-se, nas diferentes referncias comentadas, esforos de pesquisa em controle
inteligente aplicados agricultura de preciso ou em instrumentao sem fio, separadamente.
Contudo, o presente trabalho identifica oportunidades para o desenvolvimento de um sistema
fuzzy para controle de irrigao, integrado a um dispositivo de sensoriamento sem fio baseado
na tecnologia ZigBee.

1.3 Objetivos do trabalho

Este trabalho tem como objetivo principal o projeto e a construo de um sistema

supervisrio fuzzy integrado a um controle fuzzy embarcado em um dispositivo sensor sem fio,
para atuar em um sistema de irrigao. Assim, o supervisor fuzzy define uma referncia de
umidade do solo, de acordo com as necessidades de cada cultura vegetal e particularidades do
ambiente monitorado, e o sistema fuzzy embarcado realiza o controle para que a referncia
seja alcanada.
O sistema de irrigao espacialmente diferenciado formado por 2 (dois) subsistemas
fuzzy, como visto no diagrama da Figura 1.1:

Figura 1.1 - Diagrama do sistema de controle fuzzy

Variveis
Fuzzy 1 Set Point da Erro Fuzzy 2 Sinal de Sistema de
Agrcolas +
Supervisrio Controle Irrigao
e Umidade do Solo - Controle
Fsicas

Umidade do Solo Medida

N Sensor
 23

O presente trabalho possui os seguintes objetivos especficos:

projetar um sistema supervisrio fuzzy e um controle fuzzy para um sistema de

irrigao em diferentes amostras de solo;
utilizar diferentes sensores para o monitoramento de umidade do solo para o sistema
de controle de irrigao;
desenvolver alguns modelos do supervisor fuzzy em cenrios/arquiteturas com
diferentes combinaes de variveis de entrada e regras de inferncia;
embarcar o sistema de controle em dispositivo-sensor mvel e avaliar dados
coletados;

1.4 Contedo dos captulos

Os demais captulos deste documento seguem uma sequncia lgica para apresentao
da fundamentao terica, da construo experimental, do modelamento proposto e dos
resultados obtidos. No captulo 2, so introduzidos conceitos de sistemas de irrigao, da
relao solo/gua/clima/planta, de sistemas de controle inteligente com lgica fuzzy e sensores
sem fio. O captulo 3 detalha os elementos da construo experimental, assim como os
dispositivos sensores e atuadores escolhidos. A modelagem dos subsistemas fuzzy e os
critrios para a escolha das variveis de entrada e de sada esto no captulo 4. O captulo 5
apresenta os resultados obtidos e os comparativos. As concluses e estudo futuro deste
trabalho aparecem no captulo 6.
 24

2. Fundamentao terica

Neste captulo, sero descritos fundamentos tericos relevantes para o entendimento

deste trabalho de pesquisa. Inicialmente, sero introduzidos conceitos de sistemas de
irrigao, as caractersticas do solo, as relaes entre solo/gua/clima/planta e as tcnicas
utilizadas na medio de parmetros fsicos na agricultura. Em seguida, ser apresentada uma
breve descrio de sistemas inteligentes baseados na lgica fuzzy, com nfase em seus
princpios e a estrutura bsica de um controlador nebuloso. Finalmente, as caractersticas
bsicas, os padres de comunicao e os aspectos de dispositivos sensores sem fio da
tecnologia ZigBee sero descritos de forma sucinta.

2.1 Sistemas de irrigao

A relevncia da gua para as plantas indiscutvel. Contudo, a disponibilidade da gua

para uso e consumo no est equiparada ao seu grau de importncia para os seres vivos do
planeta.
Assim, o uso da gua em sistemas de irrigao requer uma aplicao eficiente. O
conhecimento das inter-relaes entre solo-gua-clima-planta e o manejo de irrigao so
questes-chave no planejamento e operao de projetos de irrigao (BERNARDO, 1987).
A seo seguinte introduzir alguns conceitos sobre solo e parmetros de sistemas de
irrigao e, em seguida, apresentar algumas tcnicas de medio das grandezas necessrias
ao seu controle.

2.1.1 O solo

O solo constitudo de partculas slidas (minerais e matria orgnica) e espao poroso

(ar e gua) (GOMES, 1994). Os espaos vazios ou poros ocupam aproximadamente 50% do
volume total do solo, de acordo com as partculas minerais presentes em sua composio.
Assim, o grau de preenchimento do espao poroso do solo com gua que determina o
seu teor de umidade (METED, 2012). A Figura 2.1 ilustra essa diviso de espaos.
 25

Figura 2.1 Componentes do solo com mdias gerais (METED, 2012)

Classificao textural do solo - Segundo Lima (2007), est relacionada dimenso

das partculas minerais existentes na sua composio, conforme descrio da Tabela 2.1.

Tabela 2.1 - Classificao das partculas do solo (GOMES, 1994)

Partculas Dimetros mdios (mm)

Argila <0,002
Silte 0,002 0,05
Areia fina 0,05 0,2
Areia grossa 0,2 2,0
Cascalho >2,0

As classes de textura do solo so determinadas pela sua caracterstica fsica ou

composio granulomtrica, diretamente associada s propores existentes de argila, silte e
areia.
A Figura 2.2 apresenta o tringulo de classificao textural dos solos brasileiros, com as
treze classes ainda comumente utilizadas na literatura (GOMES, 1994; FALKER, 2008),
embora a Embrapa tenha adotado uma classificao mais complexa a partir de 2006 com o
novo Sistema Brasileiro de Classificao de Solos (EMBRAPA, 2006).

Figura 2.2 Tringulo das classes texturais de solo (FALKER, 2008)

 26

2.1.2 Relao solo/gua/clima/planta

Para o dimensionamento de um projeto de irrigao, existe a necessidade de se conhecer

algumas propriedades fsicas do conjunto solo-gua-clima-planta. Como o estudo
aprofundado desse tema est alm do escopo deste trabalho, a fundamentao terica
apresentada se restringe aos termos necessrios para o entendimento deste trabalho.

Umidade do solo - Corresponde ao teor percentual de gua contida em uma amostra

de solo. Solos argilosos, com partculas minerais e poros muito pequenos, oferecem um
espao poroso maior que os solos arenosos e, por isso, possuem maior porcentagem de gua
retida, como apresentado na Figura 2.3 (METED, 2012).

Figura 2.3 Espao poroso em solo arenoso vs. solo argiloso (METED, 2012)

Quando o espao poroso do solo est totalmente preenchido com gua, diz-se que o solo
est saturado. O excesso de gua drenado para camadas mais profundas do solo at que se
torna desprezvel. Nessa situao, dito que o solo atingiu a Capacidade de Campo (Cc)
(GOMES, 1994; SILVA, 2007; METED, 2012).
medida que ocorre o processo de evapotranspirao, as razes das plantas absorvem
gua do solo at que a Tenso da gua do Solo (TAS) tal que no conseguem mais retirar
gua. Nesse ponto, diz-se que o solo alcanou o Ponto de Murchamento (Pm) ou Ponto de
Murcha Permanente (PMP). A Figura 2.4 ilustra os estados descritos anteriormente.

Figura 2.4 Condies gerais da umidade do solo (METED, 2012)

 27

Potencial ou Tenso da gua do Solo (TAS) - Zhang et al. (1996) afirmam que a
umidade do solo pode ser representada pelo Potencial ou Tenso de gua do Solo (TAS) ou o
estado de energia da gua no solo () (ZAZUETA AND XIN, 1994; PEREIRA et al., 2006;
METED, 2012).

Sistemas baseados em TAS so bastante empregados no manejo de irrigao: Zhang et al.

(1996) usaram sensores de temperatura e de umidade do solo (tipo resistivo) para a definio
do valor de ; Oliveira et al. (1999) analisaram o efeito do TAS para o manejo de irrigao
da cultura do algodoeiro; em Yusoff et al. (2007), tensimetros so utilizados para medir a
tenso hdrica do solo como indicativo da umidade do solo e da necessidade de irrigao;
Lima (2007) descreve que o potencial funo da posio e condio interna da gua em
certo ponto e proporcional umidade do solo, sendo medido experimentalmente com
tensimetros ou instrumentos de presso/vcuo. As unidades do TAS () so o Pascal (presso
em Pa) ou Centibar (presso em cb).
Ponto de Murchamento (Pm) ou Ponto de Murcha Permanente (PMP) -
Qualitativamente, representa a condio mnima de umidade do solo ou o teor mnimo de
gua armazenada no solo, abaixo do qual as plantas podem sofrer deficincia hdrica
irreversvel, ou seja, murcham e no recuperam a turgidez (BERNARDO, 1987; LIMA, 2007;
OLIVEIRA E RAMOS; 2008). Como exemplo, Yusoff et al. (2007) estabeleceram o
momento de ativao da irrigao para quando o teor da umidade do solo for imediatamente
superior ao Pm (wilting point).

o Determinao do Pm Embora o Pm seja dependente do tipo de solo em questo,

considera-se, para fins prticos, que o teor de umidade correspondente aquele obtido
em amostras de solo submetidas a uma presso de 15 atm ( 1500 kPa), at que no
haja mais escoamento de gua da amostra (Bernardo, 1987; Gomes, 1994; OLIVEIRA
E RAMOS, 2008).

Capacidade de Campo (Cc) ou do solo - Definida como a quantidade mxima de

gua retida pelo solo, aps ocorrer a drenagem do excesso dgua da irrigao pela ao
gravitacional (GOMES, 1994; LIMA, 2007; OLIVEIRA E RAMOS, 2008). Kim et al. (2008)
definiram a localizao dos sensores de sua rede de monitoramento com base nos diferentes
valores de Cc do solo (field capacity). Para Oliveira e Ramos (2008), a condio mais
favorvel para as plantas absorverem gua e nutrientes se estabelece quando a umidade do
solo atinge o valor de Cc.
 28

o Determinao da Cc Embora Cc possa ser determinada em campo, comum

utilizarem-se procedimentos em laboratrio como o extrator de Richards
(BERNARDO, 1987; OLIVEIRA E RAMOS, 2008). Para fins prticos, a literatura
estabelece valores de Cc para cada tipo de solo (GOMES, 1994; LIMA, 2007;
OLIVEIRA E RAMOS, 2008). Em solos siltosos e arenosos, a umidade
correspondente Cc aquela obtida na tenso de 10 kPa ( 0,1 atm). Para solos
argilosos em geral, Cc obtido em 33 kPa ( 1/3 atm) e, em solos muito argilosos e
orgnicos, o valor de Cc obtido em 100 kPa ( 1 atm).

Contedo e disponibilidade de gua no solo - Conforme o contedo hdrico do

solo, as plantas extraem nutrientes e gua com maior ou menor facilidade. medida que o
solo seca, as foras de reteno (adeso e coeso) do solo aumentam, prendem as molculas de
gua, e as plantas tm mais dificuldade em retir-las. Assim, nem toda gua encontrada no
solo est disponvel para as plantas, e a diminuio da umidade do solo implica reduo dessa
disponibilidade (GOMES, 1994; LIMA, 2007; OLIVEIRA E RAMOS, 2008).
Na literatura (BERNARDO, 1987; LIMA, 2007; YUSOFF et al., 2007; OLIVEIRA E
RAMOS, 2008), a gua disponvel no solo est compreendida entre os valores de umidade
correspondentes a Cc e o Pm. Assim, as dotaes hdricas dos sistemas de irrigao devem
manter a faixa de gua disponvel no solo (ou umidade do solo) entre os valores de Cc e Pm
(GOMES, 1994; LIMA, 2007).

o Clculo da gua disponvel no solo ou Disponibilidade Total de gua (DTA) A

DTA corresponde lmina dgua armazenada numa camada de solo de 1 cm de
espessura entre os teores de umidade Cc e Pm (BERNARDO, 1987; OLIVEIRA E
RAMOS, 2008). O clculo dado por,

.( )
= . (2.1)

em que: Ds a densidade de solo.

Observa-se na Figura 2.5 os diferentes teores de umidade Pm e Cc para vrias classes
texturais de solo.
 29

Figura 2.5 Cc e Pm para diferentes classes de solo (FALKER, 2008)

Cc

Pm

No presente trabalho, a varivel fuzzy para o TIPO-DE-SOLO (TSOLO)

representada por termos lingusticos associados aos teores de umidade Cc das texturas de solo
mais populares (arenoso, mdio, siltoso, argiloso, muito-argiloso). Os termos da varivel fuzzy
para a referncia de UMIDADE-DO-SOLO (RUMD) esto distribudos no intervalo [Pm,
Cc].

Lmina de gua - Segundo Oliveira e Ramos (2008), diz respeito altura da camada
que resulta da aplicao de certo volume de gua numa rea especfica. Ento, a quantidade
de gua aplicada no solo, por processos de irrigao, expressa em milmetros.

( ) ( )
( )= = (2.2)
( ) ( )

Densidade do solo (Ds) - a relao entre a massa de uma amostra de solo seco e o
seu volume, conforme definido por Oliveira e Ramos (2008). O valor da densidade do solo
indicativo de seu nvel de compactao, bem como de sua textura e estrutura.

= (g/cm3 ou kg/m3) (2.3)
!

o Densidade aparente do solo (Das) - Em Lima (2007), Das (parmetro adimensional)

a densidade do solo relativo densidade da gua. A densidade da gua a 4o C de 1
g/cm3.
 30

Evapotranspirao (ET) - a combinao dos processos de evaporao

(vaporizao da gua de superfcies) e transpirao (perda de gua atravs das folhas),
responsveis por uma parcela da perda hdrica nos vegetais. Outra parte perdida por meio
dos processos de escoamento (deslocamento de guas superficiais) e percolao
(deslocamento da gua atravs do solo (YUSOFF et al., 2007).

ET uma das variveis fuzzy de entrada do controlador proposto por Yusoff et al.
(2007) para determinar o momento e o volume de gua requerido para irrigao. Em seu
trabalho, Bahat et al. (2000) propuseram um modelo de 1 ordem para determinar a umidade
do solo, a partir da evapotranspirao do solo e do volume de gua liberado por uma
eletrovlvula.

2.1.3 Tcnicas de medio de parmetros para irrigao

Existem inmeras tcnicas para medir as diversas propriedades fsicas do conjunto solo-
gua-clima-planta. Contudo, para o propsito deste trabalho, sero apresentados alguns dos
mtodos mencionados na literatura e mais difundidos na prtica (BERNARDO, 1987; LIMA,
2007; OLIVEIRA E RAMOS, 2008).

Determinao da poca de irrigao

Bernardo (1987) enumera 5 (cinco) mtodos tradicionais para determinao da poca de

irrigao:

o Medio da deficincia de gua na planta - Anlise da turgescncia (turgor vegetal)

ou teor de umidade do vegetal;

o Pelos sintomas de deficincia de gua na planta - Visualmente identificadas por meio

do enrolamento da folha, de sua colorao etc.;

o Medio da evapotranspirao - Baseada nos processos de evapotranspirao ou

evaporao das plantas realizada com tanques apropriados;

o Pelo clculo do Turno de Rega (TR) - Mtodo mais utilizado nos projetos de irrigao
temporizada. A equao que o representa dada por:

( ). .#.$
"= . (2.4)
.% &
 31

em que: Cc a capacidade de campo, Pm o ponto de murchamento permanente, Das a

densidade aparente do solo, Z a profundidade do sistema radicular da cultura que ser
irrigada, ETp a evapotranspirao potencial diria em mm/dia e f um ndice dependente
do tipo de cultura e possui intervalo [0,3; 0,7]. O TR dado em dias.

o Medio do percentual de umidade dos solo ou Tenso da gua do Solo (TAS) - Um

dos mtodos mais usados para determinar, diariamente, a necessidade de irrigao. Quando
o limite do teor de umidade do solo (% de umidade ou % de gua disponvel) for atingido,
a irrigao iniciada. Para cada tipo de cultura vegetal, ciclo de crescimento e tipo de solo,
haver limites distintos.

No presente trabalho, o sistema de controle fuzzy foi baseado no mtodo de medio do

percentual de umidade do solo. No item a seguir, esto descritas sucintamente as tcnicas
mais usuais de medio dos parmetros associados ao referido mtodo.

Medio da umidade do solo

Existem mtodos diretos e indiretos para determinar a umidade do solo, como os

mtodos gravimtricos, termogravimtricos, eletromtricos, tensiomtricos, tcnicas de
radiao, propriedades trmicas e mtodos qumicos (BERNARDO, 1987; LIMA, 2007).
Alguns dos mais simples e mais adotados em irrigao esto citados abaixo:

o Mtodos Gravimtrico e Termogravimtrico - Mtodos diretos baseados na pesagem de

amostras do solo e processos de secagem em estufa em laboratrio.

a) Mtodo-padro de estufa (padronizado pela NBR 06457)

& ' ) ! & * #

% = . =& . (2.5)
* ( ) +

em que: Pa = peso da amostra do solo antes da secagem, Ps = peso da amostra do solo

seca a 105o C e Pr = peso do recipiente que acondiciona a amostra.

o Mtodo Tensiomtrico - Mtodo direto para determinao da tenso da gua no solo e

indireto para o percentual de gua no solo. Quando a umidade do solo diminui, a gua
do recipiente tubular de um tensimetro transferida para o solo por meio de uma
cpsula porosa e provoca uma suco nele (GOMES, 1994).

o Mtodo Eletromtrico - Mtodo indireto baseado em funes no-lineares de grandezas

eltricas (condutividade eltrica e constante dieltrica do solo) detectadas por
eletrodos/sondas/ponteiras enterrados no solo.
 32

a) Mtodo de Bouyoucos - Baseado na variao da resistncia eltrica (condutividade

eltrica) entre dois eletrodos inseridos em um bloco de gesso que absorve ou perde
umidade ao ser enterrado no solo. O sensor de baixo custo, de fcil fabricao e
faixa de resposta de 50 a 1500 kPa;

b) Mtodo de Colman - baseado no mesmo princpio de variao da resistncia eltrica

do mtodo de Bouyoucos. O diferencial est no uso de eletrodos inseridos em um
bloco de fibra de vidro e a presena de um termistor, inserido no bloco, para deteco
da temperatura do solo;

c) Tcnicas Dieltricas ou com Reflectometria TDR (Time Domain Reflectometry),

FDR (Frequency Domain Reflectometry) e ADR (Amplitude Domain Reflectometry)
- Estimam o contedo de gua no solo a partir da velocidade de propagao e
atenuao de ondas ou pulsos eletromagnticos atravs do solo. Esses valores
dependem da constante dieltrica do solo que est associada ao contedo de gua
existente (LIMA, 2007; ZHAO et al., 2007).

Pelo exposto, os mtodos gravimtrico, termogravimtrico e tensiomtrico so pouco

indicados para sensoriamento remoto e automao de sistemas de irrigao no-assistidos.
Neste trabalho, foi utilizado o mtodo eletromtrico de medio de umidade do solo com o
emprego de sensores capacitivos.
A seguir, sero tratados os princpios e caractersticas de sistemas inteligentes fuzzy para
o entendimento das escolhas do trabalho realizado.

2.2 Sistemas inteligentes com lgica fuzzy

Quando possvel obter-se modelos matemticos lineares para caracterizar processos

dinmicos, usual a utilizao de tcnicas clssicas bem conhecidas em Engenharia de
Controle. Entretanto, h processos que no podem ser bem caracterizados por modelos
lineares ou com dinmica no completamente conhecida, como as relaes do sistema
solo/gua/clima/planta.
Nesses casos, o controle PID (Proporcional-Integral-Derivativo) pouco adequado e a
abordagem fuzzy ou a lgica nebulosa empregada para traduzir a experincia de operadores
humanos, expressando informaes verbais, vagas e imprecisas, como valores numricos
compreensveis por sistemas computacionais. A estratgia de controle fuzzy no exige
conhecimentos complexos de matemtica e suas implicaes lgicas, do tipo SE <condio>
 33

ENTO <ao>, modelam o sistema e descrevem as relaes entre as variveis do processo a

ser controlado (SHAW E SIMES, 1999; JANTZEN, 2007).
A seguir, so apresentados os princpios bsicos da lgica fuzzy e a estrutura bsica de
controladores nebulosos.

2.2.1 Princpios da lgica fuzzy

A utilizao de valores binrios ou bivalentes, como verdadeiro ou falso, faz parte da

lgica clssica e no reflete a multivalncia do mundo real analgico. Em contraste a essa
lgica booleana bivalente, a lgica nebulosa ou fuzzy possibilita a expresso de graus de
verdade ou pertinncia em um intervalo numrico [0,1], suportando o raciocnio no exato e as
quantidades imprecisas comuns na comunicao humana (SHAW E SIMES, 1999; LIMA,
2007; CASTANHO E PEIXOTO, 2010).

Funo de Pertinncia (FP)

Na teoria de conjuntos clssica, a pertinncia de um elemento x a um conjunto A

indicada pela relao , e expressa por uma funo de pertinncia bivalente A(x):

,
. (,) = /
,
(2.6)

Na lgica fuzzy, emprega-se a ideia de grau de pertinncia ou pertinncia parcial de

elementos a um determinado conjunto, desenvolvida por Zadeh (1965). Assim, a transio
entre a pertinncia (grau de pertinncia 100% ou 1) e a no-pertinncia (grau de pertinncia
0% ou 0) de elementos a um conjunto gradual. Essa transio representada por uma funo
contnua ou discreta, denominada funo de pertinncia A(x), com valores dentro do
intervalo [0,1].

Nmeros, conjuntos e variveis fuzzy

A representao grfica de um nmero real uma linha bem definida sobre o eixo
horizontal de um plano cartesiano, a exemplo do nmero zero na Figura 2.6. linha
desenhada no valor 0 pode-se atribuir um conjunto ZERO, cujos elementos pertencem
completamente (grau de pertinncia 1) ou no (grau de pertinncia 0) a ele (SHAW E
SIMES, 1999).
 34

Figura 2.6 Representao do conjunto zero

Grau de Pertinncia ao
conjunto ZERO ( ZERO)

1 --

-3 -2 -1 0 1 2 3

A representao grfica de um termo lingustico denominado QUASE ZERO pode ser

uma rea triangular finita, como a da Figura 2.7. Portanto, diferente do conjunto ZERO que
uma abstrao matemtica de rea nula e valores bivalentes, o QUASE ZERO considerado
um nmero ou conjunto fuzzy, pois o grau de pertinncia de seus membros varia
gradativamente.

Figura 2.7 Representao do nmero ou conjunto fuzzy QUASE ZERO

Grau de Pertinncia ao conjunto

QUASE ZERO ( QUASE ZERO)

1 --

-3 -2 -1 0 1 2 3

Em sistemas do mundo real, informaes imprecisas so codificadas por termos ou

conceitos lingusticos como QUASE ZERO ou MUITO LENTO, usados para definir o estado
de variveis lingusticas ou fuzzy. Essa representao denomina-se codificao fuzzy ou
fuzzificao dos valores exatos de uma varivel. Em contrapartida, a converso de valores
fuzzy em nmeros reais chama-se decodificao fuzzy ou defuzzificao.

Universo de discurso

Shaw e Simes (1999) e Jantzen (2007) definem universo de discurso como um

conjunto de elementos finitos ou o intervalo numrico que contempla todos os possveis
valores reais de um conjunto fuzzy.

Sistema de inferncias fuzzy

O raciocnio humano executa conexes entre causas e efeitos, ou entre condies e

consequncia, ao resolver problemas ou tomar decises. Essas implicaes lgicas do crebro
 35

humano so traduzidas pela lgica fuzzy na forma de regras de inferncia, elaboradas com
nmeros e conjuntos fuzzy:

SE <condio=A> ENTO <ao=B> (2.7)

SE <calor=MUITO FORTE> ENTO <ligar ar condicionado=MUITO FRIO>

As inferncias que modelam as relaes entre as variveis de entrada (condies) e de

sada (ao) formam a base de regras do processo a ser controlado.

2.2.2 Estrutura bsica de um controlador fuzzy

De modo geral (SHAW E SIMES, 1999; ARAJO, 2004; JANTZEN, 2007;

CASTANHO E PEIXOTO, 2010), um controlador que emprega lgica fuzzy possui uma
configurao bsica composta de 3 (trs) blocos funcionais que representam a transformao
de valores numricos do mundo real para o domnio fuzzy:

Interface de codificao fuzzy ou fuzzificao - Mapeia valores numricos (no-fuzzy)

das variveis de entrada para valores de um dos termos lingusticos do conjunto fuzzy. Cada
termo lingustico est definido por uma funo de pertinncia.

o Funes de pertinncia - Funo numrica grfica ou tabulada que atribui graus ou

valores de pertinncia fuzzy para valores discretos de uma varivel. As funes de
pertinncia mais comuns e mais fceis de serem geradas so a triangular e a trapezoidal,
embora existam outras funes como a gaussiana, sigmide e spline cbico (SHAW E
SIMES, 1999; LIMA, 2007).

o Vetor de possibilidades - O mapeamento de um valor numrico real x para o domnio

fuzzy produzir um vetor de possibilidades p com m elementos, que so os graus de
pertinncia fuzzy de x em relao a cada termo lingustico representado pela respectiva
funo de pertinncia.

Sistema de inferncia fuzzy - Consiste de uma base de dados composta das funes de
pertinncia associadas aos termos lingusticos fuzzy, uma base de regras que caracterizam os
objetivos do sistema de controle e uma lgica de tomada de decises. O sistema de inferncia
gera as aes de controle (consequentes) inferidas de acordo com as condies de entrada
(antecedentes).

o Controladores fuzzy clssicos ou baseados em regras - Baseiam-se em condies que

implicam uma determinada ao ou consequncia. Um modelo muito conhecido o
 36

Mamdani, cuja implementao possui 4 (quatro) processos: fuzzificao das variveis

de entrada, avaliao de regras, agregao/combinao das sadas das regras e
defuzzificao (YUSOFF et al., 2007). A forma geral de inferncia ou associao lgica
fuzzy dada por:

SE <condio=A> ENTO <concluso=B> (2.8)

ou
SE <antecedente> ENTO <conseqente>

Em um sistema fuzzy multientradas e multissadas empregam-se a agregao dos

conjuntos de entrada e a combinao dos conjuntos de sada por meio de operadores de
implicao fuzzy (SANDRI E CORREA, 1999). Segundo Shaw e Simes (1999), as t-
normas min e produto so os operadores de interseo (E ou AND) mais comuns
utilizados na composio ou agregao dos vrios conjuntos fuzzy de entrada.

A famlia de operadores denominados t-conormas ou s-normas utilizada para

implementar a operao de unio (OU ou OR) de conjuntos fuzzy (SANDRI E
CORREA, 1999). A s-norma max um dos operadores mais prticos e comuns para a
composio ou combinao das sadas fuzzy de cada regra de inferncia (SHAW E
SIMES, 1999).

O subsistema 1 deste trabalho baseado no controle fuzzy clssico, modelo

Mamdani, com 6 (seis) variveis de entrada, operador de interseo (agregao) min, e
com 1 (uma) varivel de sada, operador de unio (combinao) max.

o Controladores fuzzy paramtricos ou por interpolao - Utilizam um mtodo fuzzy

hbrido baseado em regras com uma componente matemtica (SHAW E SIMES,
1999). Um modelo muito conhecido o de Takagi-Sugeno-Kang (TSK) (TAKAGI
AND SUGENO, 1985; SUGENO AND KANG, 1988), cujo consequente da regra
uma combinao linear das variveis de entrada parametrizada por coeficientes
constantes (SANDRI E CORREA, 1999). O formato genrico de uma inferncia na
forma paramtrica dado por:

0% ( = , = ,, 3 = 3 ) %4 6 = #( , ,, 3) (2.9)
ou
0% ( = , = ,, 3 = 3 ) %4 6 = + ++ 3 3 (2.10)
 37

em que: ek a k-sima varivel de entrada, Ak o k-simo termo lingustico, si a

varivel de sada da i-sima regra da base de conhecimento do controlador fuzzy e o
coeficiente aik faz parte do conjunto de parmetros a ser identificado para cada regra.

O subsistema 2 deste trabalho baseado no controle fuzzy-TSK paramtrico cujo

consequente uma combinao linear de 2 (duas) variveis de entrada (erro e variao
do erro da umidade do solo).

Decodificao fuzzy ou defuzzificao - Converte valores fuzzy de sada, inferidos pela

base de regras, em um valor discreto numrico a ser aplicado como sinal de controle nos
processos reais (SANDRI E CORREA, 1999; JANTZEN, 2007). Essa interface de
decodificao utilizada nos controladores fuzzy clssicos. Alguns dos mtodos de
defuzzificao mais utilizados esto descritos a seguir:

o Centro-de-rea ou Centro-de-Gravidade ou Centroide (C-o-A: Centre of Area) - A

sada discreta o centro de gravidade da rea formada pela unio de todas as
contribuies dos termos de sada fuzzy, gerados pelas regras de inferncia (SHAW E
SIMES, 1999). O clculo feito pela mdia ponderada da pertinncia dos elementos
desse conjunto, conforme equao (2.11) (JANTZEN, 2007).

, .. (, )
= . (, )
(2.11)

Em que: xi a posio do centroide da funo de pertinncia individual e c (xi) a

rea da funo de pertinncia do conjunto concluso C. Neste trabalho, a sada do
sistema supervisrio fuzzy utiliza o mtodo centroide.

o Bissetor-de-rea (B-o-A: Bisector of Area) - Encontra a abscissa da linha vertical que

particiona a rea sob a funo de pertinncia do conjunto fuzzy de concluso em duas
sub-regies de igual tamanho (JANTZEN, 2007). Ocasionalmente, pode coincidir com
o centroide da rea.

o Mdia-dos-Mximos ou Soluo Mais Plausvel (M-o-M: Mean of Maxima) - A sada

defuzzificada a mdia aritmtica de todos os mximos, mesmo que cada funo de
pertinncia tenha mais de um.

o Primeiro ou Menor Mximo (Smallest of Maximum - S-o-M) O valor de sada

defuzzificada corresponde ao ponto onde o grau de pertinncia da funo associada
(rea formada pela unio de todas as contribuies de regras) atinge o primeiro valor
mximo.
 38

A Figura 2.8 apresenta a rea resultante das contribuies das regras de um sistema
fuzzy e os resultados dos valores defuzzificados para os mtodos descritos anteriormente.

Figura 2.8 Sadas discretas defuzzificadas (adaptada de SANDRI E CORREA, 1999)

1_
0.8 _ C-o-A
0.6 _ B-o-A
0.4 _ M-o-M
0.2 _ S-o-M
0_
-10 -8 -6 -4 -2 0 2 4 6 8 10

2.3 Sensores sem fio

As Redes de Sensores Sem Fio (RSSF) integram dispositivos autnomos, denominados

ns, com capacidade de sensoriamento do ambiente, de processamento e armazenamento da
informao coletada e de transmisso de dados via rdio no modo multi-hop (LOUREIRO et
al., 2003).

Figura 2.9 Hardware bsico de um n sensor

Unidade de Comunicao Unidade de Sensoriamento

Transceptor
Sensores Conversor A/D
Coprocessador

Unidade de Processamento
Unidade de Alimentao
Bateria Processador Memria

Os ns de rede possuem diferentes dimenses de acordo com a aplicao, no entanto,

apresentam uma estrutura bsica comum, conforme ilustrado na Figura 2.9 (AKYILDIZ et al.,
2002; LOUREIRO et al., 2003; DARGIE AND POELLABAUER, 2010).
Os dispositivos mveis podem ter funcionalidades especficas, de acordo com o
programa embarcado: ns sensores (produzem sinais mensurveis para as mudanas fsicas do
ambiente monitorado), ns atuadores (executam uma ao de controle no objeto monitorado)
e ns transdutores (agregam as duas funcionalidades anteriores) (LOUREIRO et al., 2003).
Em relao hierarquia de rede, os ns podem ser classificados em ns coordenadores
(desempenham funes administrativas para estabelecimento e manuteno da rede), ns
 39

sorvedouros ou sink (recebem dados das medies efetuados pelos outros ns), ns gateway
(proveem comunicao entre ns de diferentes grupos ou clusters) e os end-device (ns
sensores ou dispositivos finais).
A literatura (AKYILDIZ et al., 2002; LOUREIRO et al., 2003; KIM et al., 2008;
FERNANDES, 2010) indica os padres IEEE 802.11 (Wi-Fi), IEEE 802.15.1 (Bluetooth) e
IEEE 802.15.4 (ZigBee) como os protocolos de comunicao mais utilizados pelas redes de
sensores por atenderem aos requisitos de simplicidade operacional, alcance, conservao de
energia, baixo custo e taxa de transmisso de dados.

Aspectos gerais

As redes de sensores sem fio se distinguem por caractersticas como a distribuio

massiva de ns sensores, a capacidade de auto-organizao e autoconfigurao da rede, o
esforo cooperativo entre ns de rede para realizao de tarefas, o processamento e
armazenamento local de dados, a facilidade de comunicao distncia, topologia varivel e
instalao em locais de difcil acesso. A seguir, so enumerados alguns aspectos e
particularidades dessas redes, citados por Loureiro et al. (2003):

o o endereamento dos sensores deve ser usado quando for relevante identificar a
localizao dos dados coletados pelos ns;

o algumas aplicaes, como agricultura de preciso, restringem a mobilidade dos

sensores, uma vez que os sensores no podem se mover em relao ao sistema onde
coletam os dados;

o a escalabilidade uma caracterstica intrnseca das redes de sensores sem fio e

permite que a quantidade de sensores instalados atinja valores da ordem de milhares
de ns, como em aplicaes de monitoramento ambiental;
o a escolha dos protocolos de comunicao e algoritmos de gerenciamento da rede deve
considerar a limitao de energia disponvel para as entidades consumidoras
(processador, sensor e interface de rdio) presentes em um n sensor.

Nas redes de automao industrial, a demanda de comunicao entre os ns sensores e

dispositivos de controle plenamente atendida com tecnologias de baixa taxa de transferncia
de dados, baixa latncia e baixo consumo de energia para preservar a vida til das baterias
(MALAFAYA et al., 2005). Fernandes (2010) destaca que o uso de padres de rede do tipo
LR-WPAN (Low Rate - Wireless Personal Area Network), como o IEEE 802.15.4/ZigBee,
 40

atende aos requisitos citados anteriormente, necessrios para aplicao com sensoriamento
remoto de que trata este trabalho.
O n sensor utilizado neste trabalho o dispositivo SunSPOTTM (Sun Small
Programmable Object Technology) da Sun Microsystems, Inc., que opera como um n de
rede sem fio IEEE 802.15.4 (SUN MICROSYSTEMS, 2009).

2.3.1 Padro IEEE 802.15.4/ZigBee

O padro IEEE 802.15.4 foi desenvolvido pelo Institute of Electrical and Electronics
Engineers (IEEE) para redes WPAN (Wireless Personal Area Network). As especificaes
desse padro contemplam a camada fsica (PHY) e a camada de controle de acesso ao meio
(MAC). O protocolo ZigBee foi desenvolvido pela ZigBee Alliance, a partir dos servios
oferecidos pela norma do IEEE. Outros servios foram adicionados como os de rede, de
segurana e de aplicao (FERNANDES, 2010).

Caractersticas da LR-WPAN/IEEE 802.15.4/ZigBee

A literatura (MALAFAYA et al., 2005; ZHOU et al., 2009; FERNANDES, 2010)

destaca as seguintes caractersticas das redes LR-WPAN:

o so definidas 3 (trs) topologias de rede para o padro ZigBee: estrela (star), prov
maior tempo de operao para as baterias; malha (mesh), possui maior nvel de
confiabilidade e escalabilidade; e rvore (tree), combina benefcios das topologias
anteriores;
o as taxas de transmisso de dados permitidas so 20 kbps, 40 kbps, 100 kbps e 250
kbps;
o as bandas de frequncia disponveis para a tecnologia ZigBee esto na faixa ISM
(Industrial, Scientific and Medical). A canalizao utilizada est nas faixas de 868
MHz, 915 MHz, 2,4 GHz e bandas UWB (Ultra Wide Band);
o existem 2 (dois) tipos de dispositivos funcionais: o RFD (Reduced-Function Device) e
o FFD (Full-Function Device). O primeiro opera com funes reduzidas e em
aplicaes muito simples (tipo liga-desliga), que utilizam as menores taxas de dados e
poucos recursos de processamento e memria. Os dispositivos FFD usam todas as
funes disponveis e podem operar em 3 (trs) classes: dispositivo final (end-device),
roteador (router) ou coordenador da rede (coordinator);
o o padro ZigBee permite um mximo de 65.535 ns por coordenador;
 41

o a durao das baterias utilizadas pelos dispositivos ZigBee varia de 100 (cem) a 1.000
(mil) dias, e o alcance mximo de 100 (cem) metros;

2.4 Comentrios e concluso

Foram introduzidos os fundamentos tericos relevantes para o desenvolvimento da

pesquisa proposta. As inter-relaes entre solo/gua/clima/planta e algumas tcnicas de
medio de parmetros fsicos na agricultura foram apresentadas. Os princpios da lgica
fuzzy e a estrutura bsica de um controlador nebuloso foram descritos, enfatizando as
caractersticas que devero ser usadas adiante. Finalmente, alguns aspectos dos ns sensores
sem fio e itens do padro IEEE 802.15.4/ZigBee foram abordados, uma vez que foram
aplicados ao sistema fuzzy embarcado deste trabalho.
Com o embasamento terico visto, o captulo seguinte descreve a construo
experimental do sistema inteligente fuzzy espacialmente diferenciado para um sistema de
irrigao. Ser apresentada uma breve descrio dos dispositivos de hardware, sensores e
atuadores utilizados no projeto do controlador.
 42

3. Estrutura experimental

Este captulo apresenta a estrutura experimental do sistema inteligente com lgica fuzzy
espacialmente diferenciado para controle de um sistema de irrigao. As subsees
descrevem, na sequncia, o ambiente de teste e o sistema de irrigao construdo, as amostras
de solo coletadas, os sensores utilizados no experimento, o dispositivo sensor sem fio e o
elemento atuador usados no controle do conjunto solo-planta.

3.1 Ambiente de teste e o sistema de irrigao

O sistema de irrigao experimental foi instalado no IFPB (Campus Joo Pessoa) e se

compe de recipientes que acondicionam as amostras de solo, sensores de umidade do solo,
dispositivos mveis SunSPOTTM e um circuito de acionamento do atuador, de acordo com
representao na Figura 3.1.

Figura 3.1 Esquema ilustrativo do sistema experimental

As amostras de solo foram colocadas em recipientes feitos de tubo de PVC, com 30

cm de dimetro e 50 cm de altura. Cada cilindro e sua respectiva base foram perfurados para
permitir a evaporao e o escoamento da gua. Para simular a ao da radiao solar no
processo de secagem natural do solo, foi instalada uma lmpada infravermelha de secagem
220VCA/250W. A montagem do ambiente de teste simplificado est ilustrada na Figura 3.2.
 43

Figura 3.2 Foto do sistema de controle de irrigao

Em cada recipiente de PVC, foi colocada uma amostra de solo distinta e um sensor de
umidade do solo diferente (sensores Decagon EC-5 e EC-10), de forma a criar um ambiente
espacialmente diferenciado. Em relao alimentao DC/AC do experimento, foram
utilizadas 3 (trs) tipos de fonte de tenso: uma fonte de 12VCC (modelo ATX de
microcomputadores) para o circuito de acionamento do atuador, uma fonte regulvel digital
simtrica 0-30VCC (Instrutherm FA-3030) para alimentao dos sensores e a tenso
monofsica de rede 220VCA para a eletrovlvula.
As especificidades das amostras de solo coletadas, dos sensores de umidade do solo, do
circuito de acionamento, do atuador e do dispositivo mvel SunSPOTTM ZigBee sero
apresentadas nas sees seguintes.

3.2 Amostras de solo

Segundo a Embrapa (2009), a amostragem do solo demanda cuidados especiais, para

que no se comprometa a validade tcnica dos procedimentos que identificam suas
caractersticas fsico-qumicas.
Squiba et al. (2011) indicam que, para a amostra do solo representar fielmente essas
caractersticas, amostras simples devem ser retiradas de pontos distintos do terreno, para
posteriormente serem misturadas e formar uma amostra composta. No entanto, para o
propsito desta pesquisa, foram coletadas apenas amostras simples de ponto nico, retiradas
com p de jardinagem, em reas rurais de alguns municpios do estado da Paraba, conforme
ilustrado na Figura 3.3.
 44

Figura 3.3 Foto da amostra de solo coletada em canavial (Santa Rita-PB)

A Tabela 3.1 apresenta um resumo dos dados das amostras de solo coletadas.

Tabela 3.1 Resumo dos dados das amostras de solo coletadas

Amostra Tipo de solo Local da coleta

1 Areia Zona Rural de Santa Rita (PB)
2 Argila-arenosa Zona Rural de Sap (PB)

As amostras foram submetidas anlise fsico-qumica, realizada pelo Laboratrio de

Irrigao e Salinidade (LIS) da UFCG. A referida anlise indicou as propriedades utilizadas
(granulometria, classe textural, condutividade eltrica) para a varivel de entrada TSOLO
(TIPO-DE-SOLO) do sistema fuzzy Mamdani e para a escolha da equao de calibrao dos
sensores instalados. Os dados da anlise de cada amostra de solo esto no Anexo I deste
documento.

3.3 Sensores

Para o sensoriamento da umidade do solo, foram utilizados 2 (dois) sensores capacitivos

da Decagon Devices, Inc. (DECAGON, 2011) e foram realizados procedimentos de
calibrao especfica para o tipo de solo no qual estavam inseridos, conforme as
recomendaes do fabricante.
 45

A seguir, esto descritas as caractersticas tcnicas bsicas de cada tipo/modelo de

sensor:

Sensores capacitivos ECH2O modelos EC-5 e EC-10

O uso de sondas de capacitncia tem se destacado como mtodo indireto para

determinao da umidade do solo por aliarem baixo custo e boa exatido (TARDIF, 2003;
BORIM E PINTO, 2006; MIRANDA et al., 2007; RGO SEGUNDO, 2010). Os sensores
capacitivos ECH2O EC-5 e EC-10 da Decagon Devices, Inc. medem a constante dieltrica do
solo e determinam indiretamente o contedo volumtrico de gua (Volumetric Water Content
VWC). Como a constante dieltrica da gua significativamente maior que a do ar e dos
minerais presentes no solo, a variao da constante dieltrica do solo indica o teor de gua
presente (vide Tabela 3.2).

Tabela 3.2 Constante dieltrica de materiais

Material Constante dieltrica (ou permissividade relativa )*

Vcuo 1
Ar 1,0006
Areia seca 2,5
Silte seco 3,5
Minerais 12
gua destilada 80
*
Segundo Miranda et al. (2007) e Rgo Segundo (2010)

Os sensores da Decagon fornecem leituras de potencial eltrico em mV proporcionais

constante dieltrica do conjunto solo-gua-ar e, portanto, umidade volumtrica do solo
(MIRANDA et al., 2007). A seguir, esto descritas as especificaes tcnicas dos sensores
ECH2O EC-5 e EC-10:

Tabela 3.3 Especificaes tcnicas dos sensores EC-5 e EC-10 (DECAGON, 2010)

Especificao EC-5 EC-10

Tempo de medio 10 ms 10 ms
Preciso 0,02 m3/m3 ( 2%)* 0,02 m3/m3 ( 2%)*
Resoluo 0,001 m3/m3 0,002 m3/m3
Faixa de medio 0-Saturao 0-40% VWC
Alimentao 2,5VCC-3,6VCC@10mA 2,5VCC@2mA a 5VCC@7mA
Sada 10-40% da Tenso de Excitao 10-40% da Tenso de Excitao
Dimenses 8,9cm x 1,8cm x 0,7cm 14,5cm x 3,17cm x 0,15cm
* Com calibrao especfica de solo
 46

As Figuras 3.4 e 3.5 ilustram os sensores capacitivos utilizados neste trabalho.

Figura 3.4 Sensor capacitivo ECH2O modelo EC-5 (DECAGON, 2011)

Figura 3.5 Sensor capacitivo ECH2O modelo EC-10 (DECAGON, 2011)

Para obteno da curva de calibrao, os procedimentos utilizados basearam-se nos

descritos na literatura (MIRANDA et al., 2007; LEITE et al., 2007; DECAGON, 2010). O
estudo foi conduzido no Laboratrio de Materiais de Construo I do IFPB (Campus Joo
Pessoa) com as amostras de solo I e II, descritas na seo 3.2.
Os detalhes da calibrao especfica dos sensores capacitivos EC-5 e EC-10, por tipo de
solo, bem como os dados, o grfico da curva e a equao obtidos esto no Anexo II deste
documento.

Outros sensores

Para a definio da referncia de umidade do solo, outras grandezas fsicas podem ser
medidas. O dispositivo sem fio SunSPOTTM, utilizado neste trabalho (descrito na seo 3.4),
possui um conjunto de sensores embarcados (sensor de temperatura, sensor de luminosidade e
acelermetro) para serem utilizados em aplicaes diversas. No entanto, como o objetivo
deste trabalho a utilizao apenas dos sensores de umidade do solo, foram utilizados funes
 47

matemticas conhecidas para caracterizar as variveis climticas, em substituio a sensores

reais.

3.4 Dispositivo mvel ZigBee

O sistema de comunicao sem fio utilizado do tipo LR-WPAN, construdo com o

dispositivo SunSPOTTM (Sun Small Programmable Object Technology) da Sun
Microsystems, Inc., que opera como um n de rede sem fio IEEE 802.15.4 (SUN
MICROSYSTEMS, 2009). A Figura 3.6 apresenta a plataforma de hardware que contm um
processador principal ARM920T de 32 bits, operando como mquina virtual JAVATM Squawk
(JVM Java Virtual Machine).

Figura 3.6 Dispositivo SunSPOTTM (ARAJO JNIOR, 2011)

A comunicao de rede com os dispositivos SunSPOTTM d-se por meio de um rdio

transceptor com antena integrada, compatvel com padro 802.15.4, operando na faixa de 2,4
GHz a 2,4835 GHz (faixa no-licenciada), potncia de transmisso variando de -24dBm a
0dBm, sensibilidade de recepo de -90 dBm e taxa efetiva de bits de 250 kbps.
Estes dispositivos possuem 2 (duas) configuraes (SUN MICROSYSTEMS, 2009):
- Estao-base (basestation) faz o papel de gateway entre outros elementos SunSPOTTM
e o computador (host workstation). Esse n alimentado via conexo USB diretamente ao
computador, por isso no possui bateria. Tambm no tem placa de aplicao com sensores;
- N eSPOT ou n-sensor, possui bateria recarregvel de LI-ION e a placa eDEMO
(placa-filha) com acelermetro de 3 (trs) eixos, sensor de luz ambiente, sensor de
temperatura, 8 (oito) LEDs tricolores, 2 (duas) chaves tipo push-buttons, 6 (seis) entradas
analgicas A0-A5, 5 (cinco) portas gerais de entrada/sada D0-D4 e 4 (quatro) sadas
especiais H0-H3 (Figura 3.7 e Tabela 3.4).
 48

Figura 3.7 Distribuio de pinos de entrada e sada

Sada do pulso +3VCC para atuador

Entrada do sinal do sensor

Tabela 3.4 Caractersticas eltricas dos pinos de entrada/sada

Pino Descrio Tenso/Corrente

SW1 Chave push-button VCC (+3V)

SW2 Chave push-button VCC (+3V)

VCC Sada especial +3VCC 100 mA

V+5V Sada especial +5VCC 100 mA

VH Entrada especial +4.5VCC at 18VCC

A0-3 4 Entradas analgicas 10bits, 0VCC at +3VCC

D0-4 5 Entradas/Sadas programveis -

H0-3 4 Sadas high-voltage 0 VCC at VH 125 mA

GND Terra -

Para este trabalho, foi estabelecida a seguinte configurao para os pinos de entrada e
sada: pino A2, entrada do sinal do sensor de umidade do solo em mV; pino H0, sada do
pulso de +3VCC para o circuito atuador.

3.5 Atuadores

O subsistema de controle fuzzy-TSK dever atuar sempre que houver uma diferena (ou
erro) entre o set point e a umidade do solo medida. O sinal de controle ser aplicado no
atuador do sistema fsico de irrigao e, neste experimento, foi utilizada uma vlvula-
solenoide de mquina de lavar roupa, como a ilustrada na Figura 3.8.
 49

Figura 3.8 Eletrovlvula ou vlvula-solenoide utilizada como atuador

O sinal de controle do subsistema fuzzy 2 ser um pulso de durao varivel enviado

pelo controlador embarcado no SunSPOTTM ao circuito de acionamento da vlvula-solenoide
(Figura 3.9). A durao do pulso em segundos igual a 10 (dez) vezes o valor da tenso
calculada pelo controlador fuzzy-TSK.

Circuito de acionamento da eletrovlvula ou vlvula-solenoide

Como a tenso de acionamento das eletrovlvulas de 220 VCA (RMS) e o sinal de

controle aplicado pelo SunSPOTTM um sinal PWM de amplitude +3 VCC , foi necessria a
construo de um circuito de interface entre esses dispositivos. A Figura 3.9 apresenta o
esquema e os componentes do circuito de acionamento da eletrovlvula.

Figura 3.9 Circuito de interface SunSPOT-Eletrovlvula

pino H0

Figura 3.10 Foto do circuito de acionamento da eletrovlvula

 50

Quando o pino de sada do SunSPOTTM (H0) envia o pulso de controle, o transistor

BC337 conduz, fazendo com que circule uma corrente pela bobina do rel +12VCC/10A-
220VCA. Os terminais de contatos do rel se fecham e a eletrovlvula acionada. Os diodos
de proteo D1 (1N4007) e D2 (1N4148) so usados para proteger o transistor e o
SunSPOTTM, respectivamente, de correntes reversas.

3.2 Comentrios e concluses

Foram descritos o arranjo experimental e os dispositivos empregados no sistema

inteligente para controle espacialmente diferenciado de um sistema de irrigao. As amostras
de solo coletadas foram indicadas. A tecnologia e as caractersticas dos sensores de umidade
do solo foram mostradas. A escolha dos atuadores foi baseada nas dimenses da infraestrutura
do experimento e no custo final do trabalho de pesquisa.
Apresentadas as definies e os ajustes da implementao experimental, o captulo
seguinte discorrer sobre a arquitetura do sistema de controle fuzzy, as escolhas das variveis
de entrada e sada e as diferentes bases de regras.
 51

4. Modelamento dos sistemas fuzzy

Este captulo apresenta a arquitetura do sistema fuzzy para controle espacialmente

diferenciado de um sistema de irrigao, conforme diagrama da Figura 4.1. A primeira seo
descreve o subsistema fuzzy Mamdani para definio da referncia (set point) da umidade do
solo de acordo com as necessidades hdricas do conjunto solo-planta. Ser, tambm, detalhada
a escolha das variveis de entrada e sada do citado modelo de inferncia. Na seo seguinte,
sero apresentados os parmetros do subsistema de controle fuzzy-TSK para seguimento da
referncia de umidade do solo estabelecida.

Figura 4.1 Diagrama do sistema fuzzy para controle de umidade do solo

Variveis RUMD Erro

Fuzzy 1 Fuzzy 2 Sinal de Sistema de
Agrcolas + Irrigao
Supervisrio - Controle Controle
e Set Point da UERR
Fsicas Umidade do Solo

SUMD
Umidade do Solo Medida
N Sensor

4.1 Sistema fuzzy para referncia de umidade do solo

Segundo Gomes (1994), o projeto de um sistema de irrigao requer o conhecimento

das particularidades do conjunto solo-planta-clima para definir as dotaes hdricas
suportadas pelo solo e que, simultaneamente, satisfaam as necessidades das culturas em seus
diversos estgios de desenvolvimento. Assim, estes aspectos agronmicos bsicos nortearam
a arquitetura do sistema fuzzy Mamdani que define o set point de umidade do solo:

Determinao da quantidade de gua suportada pelo solo

Depende das caractersticas fsicas e hdricas do solo e do tipo de planta a ser

cultivada. Na prtica, a quantidade de gua suportada pelo solo est associada Lmina de
Irrigao Lquida Mxima (Llm), relacionada a Capacidade de campo (Cc) e o Ponto de
murchamento (Pm) do solo. Os parmetros Cc e Pm so caractersticas fsicas associadas s
 52

classes texturais do solo. Outros parmetros importantes so a profundidade efetiva das razes
(ZR) e o dficit hdrico tolervel de umidade (Y) suportado pela planta, parmetros inerentes
espcie vegetal cultivada.
As variveis TSOLO (TIPO-DE-SOLO), representada pela caracterstica fsica Cc,
TPLAN-Z (TIPO-DE-PLANTA-RAIZ), representada pelo parmetro ZR, e TPLAN-Y
(TIPO-DE-PLANTA-DEFICIT-HIDRICO), que representa o parmetro Y, foram definidas
como variveis de entrada do sistema fuzzy Mamdani. O parmetro Pm no foi utilizado uma
vez que a varivel TPLAN-Y garantir que o set point de umidade de solo no atingir o
ponto de murchamento.

Determinao das necessidades hdricas das plantas segundo seu desenvolvimento

Depende do tipo de cultura e das condies climticas da regio de plantio. Na prtica,

os conhecimentos da Necessidade de Irrigao Lquida (Nl) e da Lmina de Irrigao Lquida
Mxima (Llm) permitem a determinao da frequncia de irrigao ou Turno de Rega (TR) a
ser aplicado. O parmetro Nl depende da Evapotranspirao Potencial da cultura (ETp), do
Coeficiente de Cultivo (KC) e da disponibilidade hdrica da regio. Neste trabalho, a varivel
fuzzy ESTAG (ESTGIO-DE-CRESCIMENTO-DA-PLANTA) representa a variao do
Coeficiente de Cultivo KC (associado a ETp) ao longo do desenvolvimento da planta e as
variveis fuzzy ATEMP (TEMPERATURA-DO-AR) e AUMD (UMIDADE-DO-AR)
representam as condies climticas da regio.

Neste trabalho, a umidade do solo definida dinamicamente de acordo com as

necessidades hdricas da planta, em diferentes tipos de solo, estgios de crescimento e
condies climticas. Com o set point de umidade do solo determinado, o controle fuzzy
atuar sobre o sistema de irrigao, objetivando seguir a referncia.

Figura 4.2 Modelo de inferncia fuzzy para set point de umidade do solo
 53

Em resumo, as variveis de entrada do subsistema fuzzy sero relacionadas quantidade

de gua suportada pelo solo (TSOLO, TPLAN-Z), s necessidades hdricas das plantas
(TPLAN-Y, ESTAG) e s condies climticas da regio (ATEMP, AUMD) e determinaro
a varivel de sada RUMD (REFERENCIA-DE-UMIDADE-DO-SOLO) ou o set point de
umidade do solo, segundo o modelo de inferncia ilustrado na Figura 4.2.

4.1.1 Variveis do Sistema Fuzzy Mamdani

a) Variveis de entrada
a.1) TSOLO (TIPO-DE-SOLO): As dotaes hdricas dos sistemas de irrigao devem
manter a faixa de gua disponvel no solo entre os valores de Pm e Cc, para evitar dficit
hdrico ou saturao (GOMES, 1994; LIMA, 2007). Assim, o Universo de Discurso (UD) dos
termos da varivel TSOLO foi baseado nos valores de Cc de diversas texturas de solo
(Tabelas 4.1 e 4.2), para evitar que a defuzzificao do sistema gerasse uma sada prxima do
Pm ou uma dotao hdrica fuzzy muito aqum da necessidade da planta.

Tabela 4.1 Valores de Pm e Cc (OTTONI FILHO, 2003)

Textura Pm Cc Referncia
Areia 2,4 9,0 Salter & Williams (1965b, apud Ottoni Filho, 2003)
Areia 3,0 14,5 Choudhury & Millar (1981, apud Ottoni Filho, 2003)
Areia/Areia franca 4,0 13,7 Salter & Williams (1965b, apud Ottoni Filho, 2003)
Areia/Areia franca 6,1 19,9 Oliveira & Melo (1971, apud Ottoni Filho, 2003)
Areia franca/Areia 3,3 10,3 Macedo et al. (1998, apud Ottoni Filho, 2003)
Areia franca 5,1 17,6 Choudhury & Millar (1981, apud Ottoni Filho, 2003)
Franco arenosa 8,7 17,0 Fabian & Ottoni Filho (2000, apud Ottoni Filho, 2003)
Franco argilo arenosa 11,0 24,0 Macedo et al. (1998, apud Ottoni Filho, 2003)
Franco argilo siltosa 18,5 34,5 Salter & Williams (1965b, apud Ottoni Filho, 2003)
Franco argilosa 16,3 30,1 Salter & Williams (1965b, apud Ottoni Filho, 2003)
Argila 20,0 28,0 Arajo Filho (1992, apud Ottoni Filho, 2003)
Muito argilosa 23,5 31,3 Arajo Filho (1992, apud Ottoni Filho, 2003)
Muito argilosa 23,0 36,0 Freire (1979, apud Ottoni Filho, 2003)
Muito argilosa 36,6 47,0 Medina & Oliveira (1987, apud Ottoni Filho, 2003)

Os valores de Cc para solos siltosos foram baseados nos indicados por Falker (2008).

Tabela 4.2 Valores de Pm e Cc para texturas de solo siltosas (FALKER, 2008)

Textura Pm Cc Referncia
Argilo-siltosa 19,2 39,9 Falker (2008)
Franco-argilo-siltosa 18,7 39,8 Falker (2008)
Siltosa 17,2 38,4 Falker (2008)
Franco-siltosa 16,0 35,3 Falker (2008)
 54

Os termos lingusticos de TSOLO so {CC-ARE, CC-MED, CC-SILT, CC-ARG, CC-

MARG}, indicativos das classes texturais mais popularmente conhecidas dos tipos de solo
brasileiros, respectivamente: arenoso, mdio, siltoso, argiloso e muito argiloso. O uso dos
valores de Capacidade de Campo (Cc) para definir o UD desses termos remete ao conceito
de disponibilidade de gua (DT) para a planta.
As funes de pertinncia dos termos da varivel TSOLO esto representadas na Figura
4.3:

Figura 4.3 Termos lingusticos e funes de pertinncia da varivel TSOLO

a.2) TPLAN-Z (TIPO-DE-PLANTA-RAIZ): Essa varivel fuzzy est associada

profundidade do sistema radicular da planta no solo, ou, Profundidade Efetiva das razes da
planta (ZR) onde se concentram 80% de suas razes. A Tabela 4.3 mostra valores de ZR para
alguns tipos de cultura (GOMES, 1994; PIRES et al., 1999).

Tabela 4.3 Profundidade efetiva das razes (GOMES, 1994; PIRES et al., 1999)

Cultura Gomes (1994) Pires et al. (1999)

Abacaxi 30-60 20-70
Hortalias (ex. alface) 20-40 10-15
Arroz - 10-25
Algodo 80-180 30
Cana-de-acar 50-100 70
Ctricos (ex. laranja) 90-150 60
Melancia 100-150 -
Melo 70-100 -
Milho 60-120 40
Morango - 30
Tomate 60-120 50
 55

A relevncia desse parmetro evidenciada por Gomes (1994): (...) esta profundidade
efetiva determina a espessura da camada de solo que utilizada no clculo da lmina de gua
nos projetos dos sistemas de irrigao (...). Assim, quanto maior a profundidade ZR, maior a
necessidade de dotao hdrica. Os termos lingusticos para a varivel TPLAN-Z sero
associados aos intervalos de ZR, conforme representao das funes de pertinncia abaixo:

Figura 4.4 Termos lingusticos e funes de pertinncia da varivel TPLAN-Z

Os valores do UD que definem cada termo lingustico esto distribudos numa escala de
[0,180], conforme mdia dos valores descritos na Tabela 4.3. Os intervalos para cada tipo so:
RAIZ-CURTA = [0,60]; RAIZ-MEDIA = [40,100]; RAIZ-LONGA = [70,180].

a.3) TPLAN-Y (TIPO-DE-PLANTA-DFICIT-HDRICO): O dficit hdrico tolervel (Y)

representa a tolerncia das plantas reduo do contedo de gua no solo, mantendo, ainda,
sua capacidade de absoro de gua (GOMES, 1994). Y dado pela porcentagem entre a
Capacidade de gua Disponvel (CAD), no teor limite de umidade do solo (UY), e a
Disponibilidade Total de gua (DT). Quanto maior o valor de Y, maior a resistncia da planta
diminuio do contedo de gua no solo e menor a necessidade de dotao hdrica (ou
menor lmina dgua).
Dessa forma, considera-se como premissa para determinao da referncia de umidade
do solo que:

UY RUMD Cc, (4.1)

em que: UY a umidade do solo crtica de acordo com o parmetro Y da planta, Cc teor de

umidade do solo na Capacidade de Campo e RUMD a varivel fuzzy de sada que estabelece
o set point da umidade do solo.
A equao (4.2) estabelece a relao entre os referidos parmetros:

UY = Cc Y.(Cc-Pm) (4.2)
 56

A Tabela 4.4 mostra valores de Dficit Hdrico Tolervel para alguns tipos de cultura.

Tabela 4.4 Dficit hdrico tolervel para diferentes culturas

Dficit Hdrico Tolervel (%)

Cultura
Gomes (1994)
Alface 35
Cana-de-acar 15
Feijo 50
Laranja 35
Melo 20
Milho 40
Morango 10
Tomate 45

Exemplificando para o tomate: a absoro de gua pelas suas razes fica comprometida
quando a retirada maior que 45% (Y = 45) da capacidade de gua disponvel (CAD) no solo
(CARAMORI, 2006). Os termos lingusticos para a varivel TPLAN-Y so {Y-MBAIXO,
Y-BAIXO, Y-MEDIO, Y-ALTO}. Os significados esto descritos na Tabela 4.5 e as funes
de pertinncia esto ilustradas na Figura 4.5:

Tabela 4.5 Termos lingusticos da varivel TPLAN-Y

Y-MBAIXO Y (Dficit Hdrico Tolervel) Muito Baixo

Y-BAIXO Y (Dficit Hdrico Tolervel) Baixo
Y-MEDIO Y (Dficit Hdrico Tolervel) Mdio
Y-ALTO Y (Dficit Hdrico Tolervel) Alto

Figura 4.5 Termos lingusticos e funes de pertinncia da varivel TPLAN-Y

 57

Neste trabalho, o UD dos termos lingusticos dessa varivel corresponde ao intervalo de

[0.1,0.6], conforme valores indicados na literatura (GOMES, 1994; CARAMORI, 2006).

a.4) ESTAG (ESTGIO-DE-CRESCIMENTO-DA-PLANTA): Em geral, a planta tem um

aumento progressivo de consumo hdrico at o perodo de florao e frutificao. Assim, para
atender apropriadamente demanda de gua da planta, necessrio que se conhea o
fenmeno da evapotranspirao da cultura (GOMES, 1994).
O Coeficiente de Cultivo KC exprime a relao entre a evapotranspirao potencial ou
mxima (ETP) e a evapotranspirao de referncia (ETO). Assim, quanto maior o coeficiente
KC, maior a necessidade de dotao hdrica no perodo associado.
A varivel fuzzy ESTAG est associada ao coeficiente KC, que assume diferentes
valores de acordo com o tipo de cultura e a fase de crescimento da planta, como visto na
Figura 4.6.

Figura 4.6 Variao de KC (baseado em CARAMORI, 2006)

KC

1,10-1,30

0,5-0,7
0,3-0,4

Germinao Crescimento Florao Maturao tempo (dias)

A Tabela 4.6 apresenta os valores mdios de KC dados em funo de alguns tipos de

cultura e de seu perodo vegetativo (GOMES, 1994; MARIANO, 2008).

Tabela 4.6 Valores mdios de KC (GOMES, 1994; MARIANO, 2008)

Plantio-Germinao Crescimento Florao Maturao

Cultura
Perodo 1 Perodo 2 Perodo 3 Perodo 4
Alface 0,45 0,60 1,00 0,90
Cana-de-acar 0,50 1,00 1,10 0,65
Ctricos (ex. laranja) 0,65 0,70 0,70 0,65
Melo 0,45 0,75 1,00 0,75
Milho 0,40 0,80 1,15 1,00
Tomate 0,45 0,75 1,15 0,80
 58

Os termos lingusticos para a varivel ESTAG foram definidos de acordo com as faixas
de valores de KC em cada perodo de crescimento vegetativo. O UD est distribudo no
intervalo de [0.25,1.15]. Os termos fuzzy so {KC-MBAIXO, KC-BAIXO, KC-QMEDIO,
KC-MEDIO, KC-ALTO}, cujos significados esto descritos na Tabela 4.7 e cujas funes de
pertinncia esto ilustradas na Figura 4.7.

Tabela 4.7 Termos lingusticos da varivel ESTAG

KC-MBAIXO KC (Coeficiente de cultivo) Muito Baixo
KC-BAIXO KC (Coeficiente de cultivo) Baixo
KC-QMEDIO KC (Coeficiente de cultivo) Quase Mdio
KC-MEDIO KC (Coeficiente de cultivo) Mdio
KC-ALTO KC (Coeficiente de cultivo) Alto

Figura 4.7 Termos lingusticos e funes de pertinncia da varivel ESTAG

a.5) ATEMP (TEMPERATURA-DO-AR): Essa varivel fuzzy est associada temperatura

do ar (em graus Celsius), medida na regio da cultura em questo. Os termos lingusticos para
a varivel ATEMP so {MFRIO, FRIO, MEDIO, QUENTE, MQUENTE}, cujo UD
corresponde a valores distribudos numa escala de [0,45]. A representao das funes de
pertinncia est ilustrada na Figura 4.8:

Figura 4.8 Termos lingusticos e funes de pertinncia da varivel ATEMP

 59

a.6) AUMD (UMIDADE-DO-AR): Essa varivel fuzzy est associada umidade relativa do
ar (em porcentagem), medida na regio da cultura vegetativa em questo.

Figura 4.9- Termos lingusticos e funes de pertinncia da varivel AUMD

Os termos lingusticos para a varivel AUMD so {AR-SECO, AR-MEDIO, AR-

UMIDO, AR-MUMIDO}, cujas funes de pertinncia esto na Figura 4.9. O UD
corresponde a valores distribudos num intervalo de [0,100].

b) Varivel de sada
b.1) RUMD (REFERNCIA-DE-UMIDADE-DO-SOLO): A varivel fuzzy de sada
RUMD estabelece a referncia de umidade do solo (set point) para o controlador 2. Como o
sistema fuzzy 1 utiliza o modelo Mamdani, o UD dessa varivel foi definido de forma a
estabelecer que a dotao hdrica seja igual ou superior ao valor crtico de umidade do solo
(UY) suportada pela planta e inferior ao mximo suportado pelo solo (Cc). Esses valores
foram baseados na equao (4.2). A representao das funes de pertinncia est Figura
4.10.

Figura 4.10 - Termos lingusticos e funes de pertinncia da varivel RUMD

 60

Os termos lingusticos de RUMD so {UMD-MBAIXA, UMD-BAIXA, UMD-

QMEDIA, UMD-MEDIA, UMD-ALTA, UMD-MALTA}. O significado dos termos e os
valores do UD esto indicados na Tabela 4.8.

Tabela 4.8 Termos lingusticos e UD Mamdani para varivel RUMD

Termo Descrio UD
UMD-MBAIXA Umidade Muito Baixa [5,10 ]
UMD-BAIXA Umidade Baixa [8,14]
UMD-QMEDIA Umidade Quase Mdia [13,20]
UMD-MEDIA Umidade Mdia [18,25]
UMD-ALTA Umidade Alta [23,30]
UMD-MALTA Umidade Muito Alta [28,38]

Definio das regras de inferncia

A existncia de mltiplas variveis fuzzy de entrada, associadas s diversas funes de

pertinncia por varivel, pode gerar um nmero demasiadamente grande de regras de
inferncia e comprometer o tempo de processamento do controlador. Por isso, foi decidido
que as regras de inferncia do sistema fuzzy 1 deveriam utilizar apenas termos lingusticos
aplicveis s amostras de solo coletadas, s caractersticas da cultura vegetal escolhida e s
condies climticas da regio Nordeste.
Em relao s variveis climticas AUMD e ATEMP, foram realizadas simulaes
com dois cenrios distintos: cenrios com valores mdios constantes para a umidade relativa e
a temperatura do ar, para simplificar a base de regras, e cenrios onde a varivel ATEMP foi
caracterizada como uma funo senoidal variante no tempo, cujo offset era igual ao valor
mdio utilizado nos cenrios anteriores. As diversas bases de regras no modelo Mamdani
esto descritas no Anexo III deste documento.

4.2 Sistema de controle em ambiente J2ME

O subsistema de controle 2 baseado no trabalho de Arajo Jr. (2011), que prope uma
soluo desenvolvida em JAVATM/J2ME para controladores embarcados em dispositivos
mveis. A escolha da plataforma JAVATM/J2ME est relacionada sua portabilidade para
diferentes plataformas de hardware e sistemas operacionais, bem como pela flexibilidade para
desenvolvimento de aplicaes a serem executadas em dispositivos mveis (ARAJO JR.,
2011; JAVA, 2011).
 61

A estratgia de controle fuzzy-TSK, implementada por Arajo Jr. (2011), denominada

FuzzME e foi projetada com arquitetura modular. Existe uma interface grfica para
construo e sintonia do controlador (executada em computador desktop) e um sistema que
gera o cdigo para o controlador embarcado (executado em dispositivo mvel com suporte a
J2ME). A Figura 4.11 ilustra a comunicao entre os referidos mdulos de software da
soluo FuzzME.

Figura 4.11 Arquitetura do controle em JAVATM (ARAJO JR., 2011)

Sistema Desktop Sistema Embarcado

Interface Grfica Arquivo XML
Classes Grficas Classes do Controlador Fuzzy
Arquivo XML Classe de Acesso ao Hardware

A customizao dos controladores embarcados para o subsistema 2 foi desenvolvida

diretamente via cdigo J2ME, utilizando o ambiente de desenvolvimento Net Beans 6.9.1.
Devido modularidade de construo do sistema em JAVA, a classe responsvel pelo acesso
ao hardware do SunSPOTTM a mesma para ambos os controladores (ARAJO JR., 2011).
Assim, foram aproveitados os pacotes de cdigo-fonte e as classes JAVATM pr-
existentes: classes para comunicao com o hardware do SunSPOTTM, para interface com
sistema SunSPOTTM base-desktop e classes implementadas para o controlador fuzzy-TSK,
criadas por Arajo Jr. (2011).
Para viabilizar a comunicao entre os subsistemas fuzzy 1 (desenvolvido no
SIMULINK) e o fuzzy 2 (gerado em cdigo JAVATM), foram implementadas as seguintes
adaptaes:
criao da classe msocket para implementao de socket de comunicao de dados
entre as linguagens MATLAB e JAVATM (script msocket.m);
insero do bloco S-Function para comunicao on-line de dados de sada do
SIMULINK para o MATLAB (script msocket-sfunction.m);
criao de interface em JAVATM (public interface SetpointListener.java) para
recebimento do valores dinmicos do perfil de referncia do sistema-solo enviados
pelo MATLAB;
criao de thread para temporizao e acionamento da eletrovlvula conforme sinal
de controle de tenso;
plotagem dos grficos da referncia de umidade do solo (set point), valor medido
de umidade do solo (varivel de processo) e o sinal de controle de tenso (varivel
de controle) via ambiente MATLAB.
 62

As variveis de entrada e de sada e as caractersticas dos referidos sistemas de controle

do subsistema 2 sero discutidas nas sees seguintes.

4.2.1 Modelagem do processo-solo

Embora o ajuste dos parmetros de um controlador fuzzy no dependa do conhecimento

exato do processo a ser controlado, nem da existncia de um modelo matemtico que o
caracterize, este trabalho utilizou um modelo simplificado do processo-solo, conforme
sugesto de Bazanella e Silva Jr. (2005). O objetivo de tal deciso foi facilitar a etapa de
simulao do comportamento do referido controlador, antes da implementao real do sistema
de controle embarcado.
Assim, segundo os referidos autores, o clculo das grandezas que caracterizam
minimamente o processo pode ser realizado atravs do mtodo da resposta ao degrau,
determinado empiricamente por Ziegler e Nichols (1942).
Nesse trabalho, cada amostra de solo foi submetida a um ensaio em malha aberta,
conforme indicado pelo mtodo ZIEGLER-NICHOLS (ZN) (BAZANELLA E SILVA JR.,
2005; ARAJO, 2007), aplicando-se uma vazo unitria de 1ml/s (varivel manipulada) e
coletando-se os dados da resposta a esta entrada.

Identificao do sistema-solo

O modelo matemtico mais simples, sugerido por Ziegler e Nichols (1942), para
caracterizar esse processo representado por uma Funo de Transferncia (FT) de ordem
1 com atraso de transporte, conforme apresentada em (4.3).

:( ) =
= <( ) = (4.3)
;( ) >

=.
(4.4)

em que: L o atraso aparente, T a constante de tempo dominante, a o ganho integral

equivalente e K o ganho do processo. Para os processos-solo deste trabalho, a entrada
U(s) a vazo (ml/s) e a sada Y(s) a umidade do solo (%).
A partir da resposta ao degrau de vazo e da utilizao de diferenciao numrica por
diferenas finitas centrais, foi determinado o ponto de inflexo da curva de resposta
(HORNBECK, 1975; BARROSO et al., 1988; ARAJO, 2007). A tangente ao referido
 63

ponto utilizada para obter-se os parmetros L, a, K e T das funes de transferncia

simplificadas.
A equao (4.5) apresenta a FT obtida para o solo S1 (arenoso),

@,A
<( ) = (4.5)
+B >

Para o solo S2 (argila-arenosa), a FT obtida ,

@
<( ) = @
(4.6)
ACD >

A partir das equaes (4.5) e (4.6) foi empregada uma aproximao de Pad de
primeira ordem, segundo indicao de Aguirre (2004). Para definir as aproximaes de
Pad dos sistemas-solo deste trabalho, foi utilizado o programa MATLAB.
Para o cenrio com solo 1 (arenoso), a FT com aproximao de Pad

@,A > , @ C ( , @D+ )

<, ( ) = == (4.7)
+B >C,C + > , @D+ ( > , @D+ )( > , BAD)

em que o ganho esttico do processo K1 = -0,016434.

Para o cenrio com solo 2 (argila-arenosa), a FT com aproximao de Pad ,

@ > , AC + ( , + D)
<, ( ) = == (4.8)
ACD >D,+ D > , + D ( > , + D)( > , CD )

em que o ganho esttico do processo K2 = -0,0061308.

Os detalhes da obteno das curvas de resposta ao degrau pelo mtodo Ziegler-Nichols e

das funes de transferncia dos processos-solo esto no Anexo IV deste documento.

4.2.2 Controle fuzzy-TSK

Variveis de entrada e de sada

a) Varivel de entrada UERR (ERRO-UMIDADE): Essa varivel representa o erro ou a

diferena entre a referncia de umidade do solo (RUMD) e o valor medido da umidade
(SUMD). A Tabela 4.9 apresenta os valores dos termos lingusticos de UERR {UERR-
NEG, UERR-ZERO, UERR-POS}, representativos dos intervalos erro-negativo, erro-zero
e erro-positivo, respectivamente.
 64

Tabela 4.9 Termos lingusticos e funes de pertinncia da varivel UERR

Vrtice A Vrtice B Vrtice C

Funo
Solo 1 Solo 2 Solo 1 Solo 2 Solo 1 Solo 2
UERR-NEG -600 -600 -0,5 -1 -0,05 -0,05
UERR-ZERO -0,15 -0,25 0 0 1,5 2
UERR-POS 1 1 2 2 600 600

Para reduzir a complexidade do cdigo em JAVATM e a facilidade de sua construo, as

funes de pertinncia so do tipo triangular.

b) Varivel de entrada DERR (DERIVADA-ERRO-UMIDADE): Representa a derivada ou

a variao do erro entre a referncia de umidade do solo (RUMD) e o valor medido da
umidade (SUMD). Para o controlador fuzzy-TSK, os termos lingusticos de DERR so
{DERR-NEG, DERR-ZERO, DERR-POS}, representativos dos intervalos derivada-erro-
negativo, derivada-erro-zero e derivada-erro-positivo, respectivamente. Novamente, as
funes de pertinncia so do tipo triangular para cada termo e esto representadas na
Tabela 4.10.

Tabela 4.10 Termos lingusticos e funes de pertinncia da varivel DERR

Vrtice A Vrtice B Vrtice C

Funo
Solo 1 Solo 2 Solo 1 Solo 2 Solo 1 Solo 2
DERR-NEG -50 -50 -0,02 -0,075 -0,005 -0,015
DERR-ZERO -0,03 -0,05 0 0 0,03 0,05
DERR-POS 0,005 0,015 0,02 0,075 50 50

c) Varivel de sada TENSO: Na sada desse controlador, foram associadas 3 (trs)

funes paramtricas que definem os valores discretos relativos durao do pulso (+3V) que
dispara o circuito de acionamento da eletrovlvula. A funo paramtrica geral est
demonstrada em (4.9):

Sugeno-i = a0 + a1.UERR + a2.DERR (4.9)

Os valores otimizados dos coeficientes a0, a1 e a2, para cada sistema-solo, sero
apresentados junto com os resultados das simulaes no captulo 5.
 65

Regras de inferncia

Conforme exposto no item 4.2, este trabalho utilizou as mesmas classes JAVATM para a
lgica fuzzy desenvolvidas em Arajo Jr. (2011). Assim, as 9 (nove) regras de inferncia do
controlador so o resultado da combinao das 3 (trs) FP da entrada UERR e das 3 (trs) FP
da entrada DERR. A Tabela 4.11 apresenta a matriz de associao das regras desse
controlador e a Tabela 4.12 indica os coeficientes tericos das equaes paramtricas
utilizadas nas simulaes do sistema de controle fuzzy-TSK .

Tabela 4.11 Matriz de associao das regras de inferncia fuzzy-TSK

Erro/Derivada-Erro DERR-NEG DERR-ZERO DERR-POS

UERR-NEG Sugeno-0 Sugeno-0 Sugeno-0

UERR-ZERO Sugeno-1 Sugeno-1 Sugeno-1
UERR-POS Sugeno-2 Sugeno-2 Sugeno-2

Tabela 4.12 Coeficientes tericos das funes paramtricas Sugeno

Solo Coeficiente Sugeno-0 Sugeno-1 Sugeno-2

S1 (arenoso) a1 (KP) 0 0,048 0,048
a2 (KD) 0 5 4,5
a0 (offset) 0 0,095 0,082
S2 (argila-arenosa) a1 (KP) 0 0,062 0,062
a2 (KD) 0 12 12
a0 (offset) 0 0,225 0,24

4.3 Comentrios e concluses

As caractersticas do sistema inteligente para controle espacialmente diferenciado de um

sistema de irrigao foram apresentadas. Foram discutidos o modelo Mamdani e as premissas
para definio das variveis fuzzy para o sistema fuzzy supervisrio. Os elementos do
subsistema de controle, modelo fuzzy-TSK foram descritos.
O captulo a seguir apresenta as simulaes de diferentes configuraes dos referidos
subsistemas de controle de acordo com as necessidades hdricas de cada conjunto solo-planta.
Sero discutidos os resultados e as escolhas das arquiteturas dos controladores para serem
embarcados no dispositivo mvel SunSPOTTM.
 66

5. Resultados obtidos

A seo inicial deste captulo descreve os diferentes cenrios de testes e os resultados

das simulaes do subsistema fuzzy Mamdani para definio da referncia de umidade do
solo. A etapa de simulao computacional proporcionou a sintonia das funes de pertinncia
e o teste de variadas combinaes das regras de inferncia.
A seo seguinte apresenta as respostas do subsistema 2 embarcado no dispositivo
mvel SunSPOTTM, quando o controlador do tipo fuzzy Takagi-Sugeno-Kang (TSK).

5.1 Cenrios de teste set point

O subsistema fuzzy 1, modelo de inferncia Mamdani, foi implementado no Fuzzy Logic

Toolbox e SIMULINK, do programa computacional MATLAB. Foram idealizados
cenrios de teste para 1 (um) tipo de planta (cana-de-acar), cultivada em 2 (dois) tipos de
solo distintos (arenoso e argila-arenosa), conforme amostras analisadas e especificadas na
seo 3.2.
Cada cenrio foi testado com diferentes bases de regras, que variaram de 6 (seis) a 48
(quarenta e oito) inferncias, de acordo com o acrscimo dos termos lingusticos relevantes
para a combinao final da sada fuzzy (defuzzificao). As bases de regras de inferncias de
todos os cenrios esto detalhadas no Anexo III.
A Figura 5.1 apresenta um dos diagramas de blocos desenvolvidos no SIMULINK
para a modelagem do set point de umidade do solo. Os resultados das simulaes esto
descritos ao longo desta seo.
 67

Figura 5.1 Diagrama de blocos do sistema fuzzy 1 no SIMULINK

Tipo de Solo
Amostra 1 - Solo Arenoso - Canavial - Fuzzy 1 MAMDANI 12R Seno - Controle TSK-SunSPOT
13.42

TSOLO

T ipo de Planta/Raiz
75

T PLAN-Z Display - RUMD

Scope ESTAG - Cana-de-Acar

Estgio de Crescimento da Planta RUMD

To Workspace
Signal
RUMD Quantizada
ESTAG
ESTAG - Cana-de-Acar
T o Workspace1
msocket-sfunction
RUMD

T emperatura do Ar ATEMP
Saturation Cc - Pm Quantizer S-Function
Fuzzy #1 MAT LAB-SIMULINK-SUNSPOT
T o Workspace2
Set Point de Umidade RUMD_QTZ
ATEMP
To Workspace3
29

Offset AT EMP Scope - ATEMP

Umidade Relativa do Ar
Ref RUMD
65

AUMD

T ipo de Planta/Deficit Hdrico

0.15

T PLAN-Y
 68

Parmetros gerais dos cenrios de teste

A escolha do tipo de vegetal, neste caso a cana-de-acar, define valores constantes

para as variveis de entrada TPLAN-Y e TPLAN-Z, cujos valores so 0,15 e 75 cm,
respectivamente. A varivel fuzzy ESTAG, associada s fases de crescimento vegetativo da
cana-de-acar, assume a variao mdia temporal do coeficiente KC de acordo com a Tabela
5.1 e o grfico da Figura 5.2.

Tabela 5.1 Coeficiente KC mdio para cana-de-acar (Silva et al., 2012)

KC mdio Perodo 1 Perodo 2 Perodo 3 Perodo 4

Cana-de-Acar 0,65 0,85 1,00 1,10 1,00 0,85

Figura 5.2 Variao de KC da cana-de-acar [adaptado de SILVA et al. (2012)]

Como o ciclo vegetativo da cana-de-acar no Nordeste de 12 a 14 meses (ASSIS et

al., 2004; SILVA et al., 2012), inicialmente, o tempo de simulao do sistema fuzzy 1 foi
definido igual a 365 (trezentos e sessenta e cinco) segundos para representar o perodo de 1
(um) ano. O grfico da varivel ESTAG, construdo com o bloco Signal Builder do
SIMULINK, est ilustrado na Figura 5.3.

Figura 5.3 Variao de ESTAG (KC) via Signal Builder do SIMULINK

Fuzzy01_P1S1_Mamdani62/ESTAG - Cana-de-Acar : Group 1

1.2
ESTAG (cana-de-acar)
1.1

0.9

0.8

0.7

0 50 100 150 200 250 300 350

Time (sec)
 69

As variveis correspondentes s condies climticas ATEMP e AUMD foram,

inicialmente, definidas com valores mdios constantes, respectivamente 29o C e 65%.
Posteriormente, alguns cenrios de teste foram simulados considerando a varivel ATEMP
como uma funo senoidal, com offset de 29o C e variao de 4o C (BAHAT et al., 2000).

Cenrios de teste com solo arenoso

Como foram considerados 2 (dois) tipos de solo para cultivo da cana-de-acar, arenoso
(amostra 1) e argila-arenosa (amostra 2), a varivel TSOLO foi definida de acordo com a
caracterstica fsica Cc dos referidos solos. Os cenrios de teste CT01 a CT09 foram
realizados considerando TSOLO para solo arenoso, cujo valor 13,42 (CC-ARE) foi obtido da
anlise laboratorial do LIS/UFCG.

Cenrio de Teste 01 CT01

A Tabela 5.2 apresenta os parmetros e valores utilizados nests cenrio.

Tabela 5.2 Parmetros do cenrio de teste CT01

SOLO/PLANTA TSOLO TPLAN-Y TPLAN-Z ESTAG AUMD ATEMP

Arenoso/Canavial 13.42 (Cc) 0.15 75 Fig. 5.3 65 29
KC-QMEDIO
Y-MBAIXO
TERMOS FUZZY CC-ARE RAIZ-MEDIA KC-MEDIO AR-UMIDO QUENTE
Y-BAIXO
KC-ALTO
N REGRAS = 06

O resultado obtido para a varivel fuzzy de sada RUMD est apresentado na Figura 5.4.

Figura 5.4 Perfil do set point (areia/cana-de-acar) 6 regras

14

13.5

13

12.5
U m id a d e d e S o lo % (R U M D )

12

11.5

11

10.5

10

9.5

8.5

8
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)
 70

Cenrio de Teste 02 CT02

s regras criadas no cenrio CT01, foram utilizadas mais 6 (seis) inferncias, uma vez
que foi acrescentado o termo lingustico {RAIZ-LONGA} da varivel TPLAN-Z. O
resultado obtido para a varivel fuzzy de sada RUMD est apresentado na Figura 5.5.

Figura 5.5 Perfil do set point (areia/cana-de-acar) 12 regras

14

13.5

13

12.5
U m id a d e d e S o lo % (R U M D )

12

11.5

11

10.5

10

9.5

8.5

8
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrio de Teste 03 CT03

A partir do cenrio CT02, foram adicionadas mais 12 (doze) inferncias, relativas ao

acrscimo do termo fuzzy {MQUENTE} da varivel ATEMP. No entanto, o perfil da varivel
fuzzy de sada RUMD permaneceu o mesmo da Figura 5.5. Ao se comparar os cenrios
anteriores, observa-se que a adio de termos lingusticos e de novas regras suavizou o perfil
do set point de umidade do solo e elevou ligeiramente os valores dos intervalos flat do
grfico.

Cenrios de teste com ATEMP senoidal

Para aproximar os cenrios simulados s condies climticas da regio Nordeste, a

varivel de entrada ATEMP foi configurada como uma funo senoidal contnua, em
conformidade com Bahat et al. (2000). A funo seno escolhida tem frequncia de 0,0349
rad/s (2/180s), amplitude de 4o C e offset de 29o C, para representar as variaes de
temperatura durante 180 (cento e oitenta) dias ou 6 (seis) meses na regio Nordeste. A Figura
5.6 ilustra o grfico da varivel ATEMP.
 71

Figura 5.6 Funo senoidal contnua para a varivel ATEMP

32

31

30
Tem peratura M dia (oC)

29

28

27

26
0 50 100 150 200 250 300 350 400
Tempo simulao (s)

Cenrio de Teste 04 CT04

A base de regras desse cenrio foi construda utilizando os mesmos termos lingusticos
do antecedente do cenrio CT01, mas os termos consequentes foram modificados para tratar a
variao senoidal de ATEMP. Os parmetros desse cenrio esto na Tabela 5.3.

Tabela 5.3 Parmetros do cenrio de teste CT04

SOLO/PLANTA TSOLO TPLAN-Y TPLAN-Z ESTAG AUMD ATEMP

Senoidal
Arenoso/Canavial 13.42 (Cc) 0.15 75 Fig.5.3 65
(Fig. 5.6)
KC-QMEDIO
Y-MBAIXO
TERMOS FUZZY CC-ARE RAIZ-MEDIA KC-MEDIO AR-UMIDO QUENTE
Y-BAIXO
KC-ALTO
N REGRAS = 06

O resultado obtido para a varivel fuzzy de sada RUMD est apresentado na Figura 5.7.

Figura 5.7- Perfil do set point (areia/cana-de-acar) ATEMP senoidal 6 regras

13.5

13

12.5

12
U m id ad e d e S o lo % (R U M D )

11.5

11

10.5

10

9.5

8.5
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)
 72

Cenrio de Teste 05 CT05

s regras criadas no cenrio anterior, foram utilizadas mais 2 (duas) inferncias, ao ser
acrescentado o termo lingustico {MEDIO} da varivel ATEMP. As novas regras
contemplaram os valores mnimos da referida funo senoidal ocorridos nos instantes de
mximos de ESTAG {KC-ALTO}. O resultado obtido para a varivel fuzzy de sada RUMD
est apresentado na Figura 5.8.

Figura 5.8 - Perfil do set point (areia/cana-de-acar) ATEMP senoidal 8 regras

13.5

13

12.5

12
U m id a d e d e S o lo % (R U M D )

11.5

11

10.5

10

9.5

8.5
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrio de Teste 06 CT06

Partindo do cenrio CT05, foram inseridas mais 4 (quatro) inferncias ao ser

acrescentado o termo lingustico {MQUENTE} da varivel ATEMP.

Figura 5.9 - Perfil do set point (areia/cana-de-acar) ATEMP senoidal 12 regras

13.5

13

12.5

12
U m id a d e d e S o lo % (R U M D )

11.5

11

10.5

10

9.5

8.5
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)
 73

As novas regras contemplaram os valores mximos da referida funo senoidal. Tais

valores de temperatura ocorreram em intervalos de ESTAG pertencentes aos termos {KC-
ALTO, KC-MEDIO}. O resultado obtido para a varivel fuzzy de sada RUMD est
apresentado na Figura 5.9.

Cenrios de Teste 07 a 09 CT07 a CT09

Os cenrios CT07 (18 regras), CT08 (20 regras) e CT09 (24 regras) contm inferncias
que contemplam o termo lingustico {RAIZ-LONGA} da varivel TPLAN-Z, combinado
com os termos {MEDIO, QUENTE, MQUENTE} da varivel ATEMP. O resultado obtido
para a varivel fuzzy de sada RUMD o mesmo do cenrio anterior, CT06, e est ilustrado
na Figura 5.10.

Figura 5.10 - Perfil do set point (areia/cana-de-acar) para CT07, CT08 e CT09
13.5

13

12.5

12
U m id a d e d e S o lo % (R U M D )

11.5

11

10.5

10

9.5

8.5
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Ao se fazer a comparao com todos os cenrios de teste (CT01 a CT09) para o

conjunto solo arenoso/cana-de-acar, verifica-se que a varivel climtica ATEMP, quando
representada por uma funo senoidal, altera significativamente o perfil do set point de
umidade do solo. No entanto, dos grficos de RUMD para ATEMP senoidal, apenas os dos
cenrios CT06 a CT09 apresentam o mesmo perfil.
Assim, foi definido que o cenrio CT06 (12 regras) seria utilizado para fins de
implementao real do sistema de controle embarcado (set point mais adequado para solo-
planta-clima e base de regras com menor complexidade).
O citado perfil foi submetido aos seguintes blocos da biblioteca SIMULINK:
quantizador (intervalo de quantizao = 1), para criar degraus de umidade do solo, e bloco
saturador, para limitar os valores mximo e mnimo de RUMD aos teores de umidade Cc e
Pm do solo arenoso. O perfil quantizado est ilustrado na Figura 5.11.
 74

Figura 5.11 Set point quantizado (areia/cana-de-acar) 12 regras

13.5

13

12.5

12
U m id a d e d e S o lo % (R U M D )

11.5

11

10.5

10

9.5

8.5
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Importante ressaltar que, nesse cenrio escolhido, a referncia de umidade do solo se

aproxima mais do teor da capacidade de campo (Cc) do solo arenoso, uma vez que a cana-de-
acar pertence ao grupo de plantas com baixa tolerncia deficincia hdrica.

Cenrios de teste com solo argila-arenosa

Para o tipo de solo argila-arenosa (amostra 2), a varivel TSOLO foi definida de acordo
com o valor de Cc igual a 28,45 (CC-SILT;CC-ARG), obtido da anlise laboratorial do
LIS/UFCG. Os cenrios de teste CT10 a CT19 foram realizados para esse novo conjunto solo-
planta.

Cenrio de Teste 10 CT10

A Tabela 5.4 apresenta os parmetros e valores utilizados nesse cenrio:

Tabela 5.4 Parmetros do cenrio de teste CT10

SOLO/PLANTA TSOLO TPLAN-Y TPLAN-Z ESTAG AUMD ATEMP

Argila-arenosa/Canavial 28.45 (Cc) 0.15 75 Fig. 5.3 65 29
KC-QMEDIO
CC-SILT Y-MBAIXO RAIZ- AR-
TERMOS FUZZY KC-MEDIO QUENTE
CC-ARG Y-BAIXO MEDIA UMIDO
KC-ALTO
N REGRAS = 12

O resultado obtido para a varivel fuzzy de sada RUMD est apresentado na Figura
5.12.
 75

Figura 5.12 Perfil do set point (argila-arenosa/cana-de-acar) 12 regras

27
26.5
26
25.5
25
U m id a d e d o s o lo % (R U M D )

24.5
24
23.5
23
22.5
22
21.5
21
20.5
20
19.5
19
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrio de Teste 11 CT11

s regras criadas no cenrio CT10, foram utilizadas mais 12 (doze) inferncias, uma
vez que foi acrescentado o termo lingustico {RAIZ-LONGA} da varivel TPLAN-Z. O
perfil obtido para a varivel fuzzy RUMD em CT11 quase o mesmo do cenrio anterior,
exceo do degrau inicial, e est apresentado na Figura 5.13.

Figura 5.13 Perfil do set point (argila-arenosa /cana-de-acar) 24 regras

27
26.5
26
25.5
25
U m id a d e d o s o lo % (R U M D )

24.5
24
23.5
23
22.5
22
21.5
21
20.5
20
19.5
19
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrios de Teste 12 e 13 CT12 e CT13

Os cenrios CT12 (36 regras) e CT13 (48 regras) contm inferncias que contemplam o
termo lingustico {MQUENTE} da varivel ATEMP, combinado com os termos {RAIZ-
MEDIA, RAIZ-LONGA} da varivel TPLAN-Z. O resultado obtido para a varivel fuzzy de
sada RUMD o mesmo do cenrio anterior, CT11, j ilustrado na Figura 5.13.
 76

Cenrios de teste com ATEMP senoidal

Os cenrios a seguir, CT14 a CT19 (solo argila-arenosa), apresentam o comportamento

do subsistema fuzzy 1 quando a varivel de entrada ATEMP configurada como uma funo
senoidal contnua (Figura 5.6). A funo seno apresenta as mesmas caractersticas
anteriormente utilizadas.

Cenrio de Teste 14 CT14

A base de regras desse cenrio foi construda utilizando os mesmos parmetros, termos
lingusticos e consequentes do cenrio CT10. O resultado obtido para a varivel fuzzy de sada
RUMD est apresentado na Figura 5.14.

Figura 5.14 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 12 regras

27

26

25

24
U m id a d e d o s o lo % (R U M D )

23

22

21

20

19

18

17
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Foi observado que o perfil do set point de umidade do solo apresentava uma discreta
depresso, destacada na Figura 5.14, no associada aos instantes de mnimo da funo
senoidal ATEMP. Esta ocorrncia peculiar foi causada pelas contribuies dos conjuntos
fuzzy de sada e foi eliminada aps a realizao de ajustes nas funes de pertinncia dos
termos das regras especficas.

Cenrio de Teste 15 CT15

s regras criadas no cenrio CT14 foram utilizadas mais 4 (quatro) inferncias, ao ser
acrescentado o termo lingustico {MEDIO} da varivel ATEMP para contemplar os valores
mnimos da referida funo senoidal. No cenrio CT15, algumas depresses no perfil
ocorreram com maior destaque, no entanto, as mesmas coincidem com os instantes de valor
mnimo da varivel ATEMP. Tal fato, indica intervalos de reduo do teor desejado de
 77

umidade do solo em virtude da diminuio da temperatura. O perfil resultante para a varivel

fuzzy de sada RUMD est apresentado na Figura 5.15.

Figura 5.15 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 16 regras

27
26.5
26
25.5
25
U m id a d e d o s o lo % (R U M D )

24.5
24
23.5
23
22.5
22
21.5
21
20.5
20
19.5
19
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

A Figura 5.16 destaca essas alteraes no perfil de umidade do solo juntamente aos
momentos de mnimo da funo senoidal da varivel ATEMP.

Figura 5.16 Destaque do perfil de RUMD e mnimos de ATEMP senoidal

30 32
29
28
27
26
U m id a d e d o s o lo % (R U M D )

T e m p e ra t u ra C (A T E M P )
25 30
24
23
22
21
ATEMP senoidal
20 28
19
18
17
16
15 26
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrio de Teste 16 CT16

Em CT16 foram inseridas mais 8 (oito) inferncias ao cenrio anterior, ao ser

acrescentado o termo lingustico {MQUENTE} da varivel ATEMP para contemplar os
valores mximos da referida funo senoidal. Tais valores de temperatura ocorreram em
intervalos de ESTAG pertencentes aos termos {KC-ALTO, KC-MEDIO}.
 78

O resultado obtido para a varivel fuzzy de sada RUMD est apresentado na Figura
5.17.

Figura 5.17 Set point (argila-arenosa/cana-de-acar) ATEMP senoidal 24 regras

30
29.5
29
28.5
28
27.5
27
26.5
U m id a d e d o s o lo (R U M D )

26
25.5
25
24.5
24
23.5
23
22.5
22
21.5
21
20.5
20
19.5
19
18.5
18
0 50 100 150 200 250 300 350 400
Tempo de simulao (s)

Cenrios de Teste 17 a 19 CT17 a CT19

Os cenrios CT17 (36 regras), CT18 (40 regras) e CT19 (48 regras) contm inferncias
que contemplam o termo lingustico {RAIZ-LONGA} da varivel TPLAN-Z, combinado
com os termos {MEDIO, QUENTE, MQUENTE} da varivel ATEMP. O resultado obtido
para a varivel fuzzy de sada RUMD o mesmo do cenrio anterior, CT16 (24 regras), e j
est ilustrado na Figura 5.17.
Ao ser feita a comparao entre todos os cenrios de teste (CT10 a CT019) para o
conjunto solo argila-arenosa/cana-de-acar, verifica-se que a varivel climtica ATEMP,
quando representada por uma funo senoidal, altera significativamente o perfil do set point
de umidade do solo. No entanto, dos grficos de RUMD para ATEMP senoidal, apenas os
dos cenrios CT16 a CT19 apresentam o mesmo perfil.
Assim, foi definido que o cenrio CT16 (24 regras) seria utilizado para fins de
implementao real do sistema de controle embarcado, tanto por gerar o set point mais
adequado para o conjunto solo-planta-clima como por possuir a base de regras com menor
complexidade.
O citado perfil foi submetido aos seguintes blocos da biblioteca SIMULINK:
quantizador (intervalo de quantizao = 2), para criar degraus de umidade do solo, e bloco
saturador, para limitar os valores mximo e mnimo de RUMD aos teores de umidade Cc e
Pm do solo arenoso.
 79

O perfil quantizado est ilustrado na Figura 5.18.

Figura 5.18 Set point quantizado (argila-arenosa/cana-de-acar) 24 regras

30
29.5
29
28.5
28
27.5
27
U m id a d e d o s o lo (R U M D )

26.5
26
25.5
25
24.5
24
23.5
23
22.5
22
21.5
21
20.5
20

0 50 100 150 200 250 300 350 400

Tempo de simulao (s)

Importante ressaltar que, nesse cenrio escolhido, a referncia de umidade do solo se

aproxima mais do teor da capacidade de campo (Cc) do solo argila-arenosa, uma vez que a
cana-de-acar pertence ao grupo de plantas com baixa tolerncia deficincia hdrica.

5.2 Controle embarcado em J2ME

Antes de implementar os controladores em cdigo JAVATM e embarc-los no

dispositivo mvel SunSPOTTM, foram realizadas simulaes para ajustar os parmetros dos
referidos sistemas de controle, a partir dos valores tericos apresentados no captulo 4.
Conforme informado na seo 5.1, os perfis quantizados gerados nos cenrios de teste
CT06 (solo arenoso) e CT16 (solo argila-arenosa) foram utilizados como referncia para os
sistemas de controle em malha fechada. O tempo de simulao foi redefinido para 80.000
(oitenta mil) segundos de forma a manter a proporcionalidade com o atraso de transporte da
FT dos sistemas-solo. As funes que definem as variveis ESTAG e ATEMP tambm
foram redimensionadas de acordo.
Nas sees a seguir, esto apresentados os resultados das aes simuladas e reais da
estratgia de controle fuzzy-TSK, modelada no captulo anterior. A Figura 5.19 ilustra o
diagramas de blocos do sistema de controle completo (set point com fuzzy Mamdani +
controle com fuzzy-TSK) para o processo-solo 1 e a Figura 5.20 para o processo-solo 2.
 80

Figura 5.19 - Diagrama de blocos do sistema de controle solo 1

Tipo de Solo
Amostra 1 (Solo Arenoso) - Set Point -> Fuzzy MAMDANI 12R - Controle -> Fuzzy-TSK
13.42

TSOLO

Tipo de Planta/Raiz

75
Sinal de controle
TPLAN-Z Display - RUMD UERR

Scope ESTAG - Cana-de-Acar To Workspace5 Vazao

Controle
Estgio de Crescimento da Planta RUMD
To Workspace6
To Workspace
Signal Erro (UERR)
Ref Erro -9.4s+0.09261
ESTAG 10
ESTAG - Cana-de-Acar
572s2 +6.635s+0.009852 Sada - Fuzzy-TS
To Workspace1 RUMD Quantizada Saturation Saturation
Gain
RUMD du/dt Controlador Fuzzy-TSK Tenso > 0 Eletrovalvula FT Solo 1 (Pad) Sensor (16%)
RUMD_QTZ
Temperatura do Ar ATEMP Derivada do Erro (DERR)
Saturation Cc - Pm Quantizer SUMD
To Workspace3
Fuzzy #1
To Workspace2
Set Point de Umidade To Workspace4
ATEMP Umidade do solo medida

29 Ref RUMD

Offset ATEMP Scope - ATEMP

Umidade Relativa do Ar

65

AUMD

Tipo de Planta/Deficit Hdrico

0.15

TPLAN-Y
 81

Figura 5.20 - Diagrama de blocos do sistema de controle solo 2

Tipo de Solo
Amostra 2 ( Solo Argila-arenosa) - Set point -> Fuzzy MAMDANI 24R - Controle -> Fuzzy-TSK
28.45

TSOLO

Tipo de Planta/Raiz

75 Sinal de controle
TPLAN-Z Display - RUMD
UERR
Scope ESTAG - Cana-de-Acar
To Workspace5 Controle
Estgio de Crescimento da Planta RUMD
To Workspace6
To Workspace
Signal Erro (UERR)
REF Erro -9s+0.04615
ESTAG - Cana-de-Acar ESTAG 10
RUMD Quantizada 1468s2 +8.528s+0.005128 Sada - Fuzzy-TS
To Workspace1 Saturation Gain Saturation
RUMD du/dt Controlador Fuzzy-TSK Tenso > 0 Eletrovalvula FT Solo 2 (Pad) Sensor (29%)
RUMD_QTZ
Temperatura do Ar ATEMP Derivada do erro (DERR)
Saturation Cc - Pm Quantizer To Workspace3 SUMD
To Workspace2 Fuzzy #1
Set Point de Umidade To Workspace4
ATEMP
Umidade do solo medida
29 Ref RUMD

Offset ATEMP Scope - ATEMP

Umidade Relativa do Ar

65

AUMD

Tipo de Planta/Deficit Hdrico

0.15

TPLAN-Y
 82

5.2.1 Controlador fuzzy-TSK

As Figuras a seguir ilustram as respostas simuladas e reais dos sistemas-solo 1 e 2

estratgia de controle fuzzy-TSK. A Figura 5.21 ilustra as curvas da referncia, da resposta
simulada do processo-solo 1 e do sinal de controle fuzzy-TSK aps o bloco saturador (Vlimiar
= 2V).

Figura 5.21 Resposta simulada do solo 1 (arenoso) ao controle fuzzy-TSK

14
13
12
11
10
U m id a d e d o s o lo (% )

9
Referncia
8
Sada do sistema-solo #1
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8
Tempo de simulao (s) 4
x 10

2.5

2
S in al d e c ont role (V )

1.5

0.5

0
0 1 2 3 4 5 6 7 8
Tempo de simulao (s) 4
x 10

No ocorre sobressinal no incio do perfil de referncia e a resposta do referido sistema-

solo apresenta comportamento subamortecido nas transies crescentes de nvel de referncia.
Verifica-se que o erro de regime permanente e no se anula em nenhum dos trechos do perfil
de referncia, mas estvel. O valor de e varia entre 0,013 (e% = 0,14% em relao ao set
point de 9%) e 0,74 (e% = 5,7% em relao ao set point de 13%).
 83

No segundo grfico da Figura 5.21, verifica-se que o sinal de controle aplicado para
abertura da eletrovlvula no apresenta oscilaes nos trechos relativos ao regime
permanente. Os picos de tenso, referentes ao limiar de 2 V, ocorrem nas transies
crescentes de referncia que demandam os maiores esforos de controle.
A Figura 5.22 apresenta os detalhes da resposta simulada ao citado controle,
particularmente, o degrau inicial e as alteraes intermedirias de nvel do processo-solo
arenoso.

Figura 5.22 - Detalhes da resposta simulada do solo 1 ao controle fuzzy-TSK

10

7
Um idade do s olo (% )

6 Referncia
Sada do sistema-solo 1
5

0
0 500 1000 1500 2000 2500 3000 3500 4000
Tempo de simulao (s)

14

13

12
Um idade do solo (% )

11
Referncia
Sada do sistema-solo 1
10

8
0.8 0.9 1 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8
Tempo de simulao (s) 4
x 10

14

13

12
U m idade do s olo (% )

Referncia
Sada do sistema-solo 1
11

10

8
7.5 7.55 7.6 7.65 7.7 7.75 7.8 7.85 7.9 7.95 8
Tempo de simulao (s) 4
x 10
 84

A Figura 5.22 mostra que nas transies decrescentes do set point h presena de
sobressinal, cujo valor mximo de 8% na transio do nvel 12% para 11% de umidade do
solo. Nota-se, finalmente, que a estratgia fuzzy-TSK simulada no acompanha a referncia
do sistema-solo 1 em todos os trechos, pois o coeficiente a0 (offset) deste controlador no
executa a mesma ao integral do erro que o parmetro correspondente de um controle PID.
Para a implementao real com o sistema embarcado no dispositivo SunSPOTTM, foi
definida uma faixa de operao de 9% para 11% como referncia do nvel de umidade do
solo. A Figura 5.23 ilustra o comportamento do processo-solo 1 para o controlador fuzzy-TSK
embarcado.

Figura 5.23 Resposta real do solo 1 (arenoso) ao controle fuzzy-TSK

Sinal original
25
23

21

19

17
U m id a d e d o s o lo (% )

15

13

11

1
0 100 200 300 400 500 600 700
Tempo (s)

Observa-se no grfico da Figura 5.23 que a resposta do sistema experimental apresenta

picos considerados como rudo de medio. Tal rudo indica a presena de falhas da
montagem experimental como mau contato, solda fria, interferncia eletromagntica etc. Por
esta razo, foi aplicada a tcnica de filtragem no recursiva de tempo discreto (FIR) nos dados
coletados, mais especificamente o filtro de mdia mvel, para minimizar a variabilidade do
sinal devido ao excesso de rudo (OPPENHEIM E WILLSKY, 2010). A forma geral de um
filtro FIR de mdia mvel representada pela equao (5.1),

EF G = (4>H> ) H
3I 4 ,F + 3G (5.1)

em que: a sada y[n] a mdia dos valores vizinhos a x[n] contidos no intervalo x[n-N] at
x[n+M], x[n] a n-sima amplitude do sinal medido (n-sima entrada do filtro), N o limite
inferior e M o limite superior da janela de amostragem.
 85

Foi definido que o filtro FIR de mdia mvel teria janela de amostragem igual a 3
(N=M=3) e a equao (5.2) foi aplicada duas vezes aos dados medidos da Figura 5.23

,F G>,F G>,F G>,F G>,F > G>,F > G>,F > G

EF G = 3I ,F + 3G = (5.2)
B B

A Figura 5.24 apresenta o sinal duplamente filtrado e a Figura 5.25 mostra a curva do sinal
de controle fuzzy-TSK:

Figura 5.24 Resposta real do solo 1com filtro de mdia mvel

Sinal com 2 Filtro FIR de mdia mvel (Janela=3)
25
23

21

19

17
U m id a d e d o s o lo (% )

15

13

11

1
0 100 200 300 400 500 600 700
Tempo (s)

O valor mdio de e -0,41 no trecho do set point de 9% (e% = -4,4%) e igual a -0,63 no
trecho do set point de 11% (e% = -5,7%). Verifica-se, assim, que o erro de regime permanente
e no se anula em nenhum dos trechos do perfil de referncia, mas, pode-se considerar que o
sistema de controle fuzzy-TSK real consegue seguir a referncia de umidade do solo.

Figura 5.25 Sinal de controle fuzzy-TSK ao processo-solo 1

Sinal de controle ps-saturador com FIR (Janela=3)

2

1.5

1
S inal de c ontrole (V )

0.5

-0.5

-1
0 100 200 300 400 500 600 700
Tempo (s)
 86

Verifica-se que h esforo de controle mais destacados nas transies crescentes de

referncia. No entanto, o seguimento do set point de 9% apresenta quase o mesmo nvel de
sinal de controle que para o degrau de 11%. Isto se d porque o controlador percebe uma
amplitude do degrau igual a 2% em ambos os casos, uma vez que o sistema 1 j estava com
umidade de solo inicial prxima de 7%. Como e no nulo, a curva do sinal de controle
apresenta algumas oscilaes nos trechos relativos ao regime permanente.
Outro ponto a destacar que o sistema-solo real apresenta sobressinal discreto nas
transies crescentes de nvel de referncia. O primeiro sobressinal de 5,7% (trecho do set
point de 9%) e o segundo sobressinal de 6,6% (trecho do set point de 11%). A Figura 5.26
apresenta a curva de resposta gerada pelo toolbox cftool do MATLAB e destaca os valores
citados.

Figura 5.26 Curva sugerida para a resposta real do sistema-solo 1

16
15
14
13 X: 495
Y: 11.73
12
11 X: 166
Um idade do s olo (% )

Y: 9.511
10
9
8
7
6
5
4
3 Pontos da medio
Curva de resposta polinomial
2
Referncia
1
0
0 100 200 300 400 500 600 700
Tempo (s)

A Figura 5.27 apresenta as curvas do sinal de referncia, da resposta simulada do processo-

solo 2 .

Figura 5.27 Resposta simulada do solo 2 (argila-arenosa) ao controle fuzzy-TSK

30
28
26
24
22 Referncia
20 Sada do sistema-solo #2
Um idade do s olo (% )

18
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7 8
Tempo de simulao (s) 4
x 10
 87

A resposta do referido sistema-solo tambm apresenta comportamento subamortecido nas

transies crescentes de nvel de referncia (como para o solo 1). observado que o erro de
regime permanente e diferente de zero em todos os trechos do perfil de referncia, mas
estvel. O valor de e varia entre -0,04 (e% = -0,2% em relao ao set point de 20%) e +1,23
(e% = +4,4% em relao ao set point de 28%). Nas transies decrescentes do set point h
presena de sobressinal, cujo valor mximo de 8,7% na transio do nvel 26% para 24% de
umidade do solo.
A Figura 5.28 ilustra os detalhes da resposta simulada do solo 2 ao controle fuzzy-TSK.

Figura 5.28 - Detalhes da resposta simulada do solo 2 ao controle fuzzy-TSK

22

20

18

16 Referncia
Sada do sistema-solo #2
Umidade do solo (% )

14

12

10

0
0 1000 2000 3000 4000 5000 6000
Tempo de simulao (s)

30

28

26
Umidade do solo (%)

24

22 Referncia
Sada do sistema-solo #2

20

18

16
0.8 1 1.2 1.4 1.6 1.8 2
Tempo de simulao (s) 4
x 10

30

28

26
Umidade do solo (%)

24

22 Referncia
Sada do sistema-solo #2

20

18

16
7.5 7.55 7.6 7.65 7.7 7.75 7.8 7.85 7.9 7.95 8
Tempo de simulao (s) 4
x 10
 88

A Figura 5.29 ilustra o sinal de controle fuzzy-TSK aps o bloco saturador (Vlimiar = 2V).

Figura 5.29 Sinal de controle simulado ao processo-solo 2

3

2.5

2
S inal de c ontrole (V )

1.5

0.5

0
0 1 2 3 4 5 6 7 8
Tempo de simulao (s) 4
x 10

O sinal de controle aplicado, ilustrado na Figura 5.29, no apresenta oscilaes nos trechos
relativos ao regime permanente. Igualmente ao ocorrido com o sinal de controle aplicado ao
processo-solo 1, os picos de tenso, referentes ao limiar de 2 V, ocorrem nas transies
crescentes de referncia que demandam os maiores esforos de controle.
Nota-se, que a estratgia fuzzy-TSK simulada no acompanha a referncia do sistema-solo
2 em todos os trechos, assim como ocorreu para o solo 1. O coeficiente a0 (offset) deste
controlador no executa a mesma ao integral do erro que o parmetro correspondente de um
controle PID. Para o sistema de controle real embarcado no dispositivo SunSPOTTM, foi
definida uma faixa de operao de 20% para 24% como referncia do nvel de umidade do
solo.
A Figura 5.30 mostra o comportamento real do processo-solo 2 para o controlador fuzzy-
TSK embarcado.

Figura 5.30 Resposta real do solo 2 (argila-arenosa) ao controle fuzzy-TSK

Sinal original
40

36

32

28
U m idade do s olo (% )

24

20

16

12

8
Sada real do sistema-solo #2
4 Referncia

0
0 200 400 600 800 1000 1200
Tempo (s)
 89

Similar ao ocorrido na medio do experimento anterior, picos considerados como rudo de

medio so observados no grfico da Figura 5.30. Foi aplicado o filtro FIR de mdia mvel,
com janela de amostragem igual a 3, aos dados originais medidos na sada do processo-solo 2.
O sinal duplamente filtrado est representado na Figura 5.31.

Figura 5.31 - Resposta real do solo 2 com filtro FIR de mdia mvel
Sinal com 2 filtro FIR de mdia mvel (Janela=3)
40

36

32

28
U m id a d e d o s o lo (% )

24

20

16

12

0
0 200 400 600 800 1000 1200
Tempo (s)

O valor mdio de e -1,29 no trecho do set point de 20% (e% = -6,5%) e igual a -1,78
no trecho do set point de 24% (e% = -7,4%). Como verificado para o processo-solo anterior, o
erro de regime permanente e no se anula em nenhum dos trechos do perfil de referncia,
mas, pode-se considerar que o controlador fuzzy-TSK real para o solo 2 consegue seguir a
referncia de umidade do solo.
A Figura 5.32 ilustra a curva do sinal de controle fuzzy-TSK ao processo-solo 2.

Figura 5.32 Sinal de controle fuzzy-TSK ao processo-solo 2

Sinal de controle ps-saturador com FIR (Janela=3)
4

3.5

2.5
S ina l d e c on trole (V )

1.5

0.5

-0.5

-1
0 200 400 600 800 1000 1200
Tempo (s)
 90

Verifica-se que h dois momentos de maior esforo de controle nas transies crescentes
de referncia: um correspondente tentativa de seguimento do set point de 20% de umidade
do solo e o outro ao seguimento do degrau de 24%. Como e no nulo, a curva do sinal de
controle apresenta oscilaes nos trechos relativos ao regime permanente.
O sistema-solo 2 real tambm apresenta sobressinal aceitvel nas transies crescentes de
nvel de referncia. O primeiro sobressinal de 9,9% (trecho do set point de 20%) e o
segundo de 10,3% (trecho do set point de 24%). A Figura 5.33 apresenta o aspecto sugerido
da curva de resposta (gerada pelo toolbox cftool do MATLAB) e destaca os valores citados.

Figura 5.33 Curva sugerida para a resposta real do sistema-solo 2

32
30 X: 1350
28 Y: 26.47

26
X: 592
24 Y: 21.98
22
U m id ade d o s olo (% )

20
18
16
14
12
10
8
6
Pontos da medio
4
Curva de resposta polinomial
2 Referncia
0
0 200 400 600 800 1000 1200
Tempo (s)

O controlador fuzzy-TSK assemelha-se a um controle PD, uma vez que os termos a1 e

a2 tm a mesma funo dos ganhos KP e KD , respectivamente. A Tabela 5.5 apresenta os
referidos parmetros, otimizados de forma heurstica, para os cenrios com solo S1 (arenoso)
e com solo S2 (argila-arenosa).

Tabela 5.5 Termos Sugeno das funes paramtricas de sada

Solo Coeficiente Sugeno-0 Sugeno-1 Sugeno-2

S1 (arenoso) a1 (KP) 0 0,048 0,048
a2 (KD) 0 0,5 0,5
a0 (offset) 0 0,095 0,082
S2 (argila-arenosa) a1 (KP) 0 0,062 0,062
a2 (KD) 0 0,5 0,5
a0 (offset) 0 0,225 0,24
 91

5.3 Comentrios e concluses

Os sistemas supervisrios fuzzy idealizados para os cenrios de teste dos processos-solo

arenoso e argila-arenosa foram simulados e integrados aos sistemas de controle embarcados
no dispositivo mvel SunSPOTTM. Foram definidos os parmetros dos controladores
embarcados, do tipo fuzzy-TSK, e foram mostrados os resultados da referida estratgia de
controle.
O funcionamento correto e adequado dos sistemas de controle fuzzy demonstram a
eficcia da proposta de aplic-los em agricultura de preciso espacialmente diferenciada,
conforme o propsito deste trabalho.
No entanto, o desempenho dos controladores projetados passvel de melhorias em
pesquisas futuras, uma vez que no faz parte do escopo deste trabalho buscar a sintonia tima
dos sistemas apresentados. Em cenrios que demandem o seguimento de referncia com
melhor desempenho, novas estratgias de controle podero ser testadas e discutidas para a
implementao em campo, como exemplo a utilizao de um controle PID-escalonado.
 92

6. Concluses e perspectivas

Este trabalho apresentou o desenvolvimento terico e experimental de um sistema de

controle fuzzy espacialmente diferenciado aplicado a um sistema de irrigao, baseado no
sensoriamento da umidade do solo com ns sensores sem fio. Os sistemas de controle fuzzy-
Takagi-Sugeno-Kang (TSK) para diferentes processos-solo foram simulados com a
ferramenta de programao SIMULINK e foram construdos experimentalmente como
sistemas embarcados em um dispositivo mvel SunSPOTTM operando com tecnologia de
comunicao ZigBee.
A arquitetura modular do sistema permitiu a realizao de testes para diferentes
cenrios de sistemas-solo, combinaes de variveis de entrada e base de regras de inferncia.
Desta forma, o objetivo principal proposto por este trabalho, qual seja o projeto de um sistema
fuzzy para definio de uma referncia de umidade do solo de acordo com as necessidades
hdricas de uma cultura vegetal, foi atendido. Os objetivos especficos relativos diversidade
de sensores, cenrios de teste, base de regras e uso de controladores embarcados em
dispositivos sem fio tambm foram atendidos.
Durante o desenvolvimento deste trabalho, buscou-se definir a configurao do
supervisor fuzzy com o menor nmero de regras possvel, de acordo com as variveis de
entrada do conjunto solo-planta e as variaes climticas. Contudo, importante destacar que
o subsistema fuzzy 1 (modelo Mamdani) determina dinamicamente o set point de umidade do
solo, no s conforme os parmetros de entrada estticos (tipo de solo, tipo de planta), mas,
sobretudo, de acordo com os valores dinmicos assumidos pelas variveis climticas e o
estgio de crescimento da planta.
Assim, se forem empregadas outras variveis fsicas (temperatura do solo, radiao
solar, velocidade do vento etc) e/ou se ocorrerem condies climticas diversas das tratadas
aqui, podero ser gerados diferentes perfis de referncia de umidade do solo, embora usados
os mesmos tipos de solo e plantas considerados neste trabalho.
Foi testada a estratgia fuzzy-TSK para cada processo-solo, objetivando executar o
controle embarcado no n sensor e atuar no sistema de irrigao. Os controladores foram
avaliados quanto ao overshoot (mximo sobressinal) e o erro de regime. Em todos os
resultados obtidos, o tempo de acomodao e os nveis de sobressinal foram considerados
aceitveis para os sistemas-solo de segunda ordem.
 93

Todavia, h que se registrar que o desempenho dos referidos controladores nos quesitos
erro permanente (e) e seguimento do perfil de referncia, particularmente nas mudanas de
nvel, est relacionado s condies experimentais do trabalho. Isto , o atraso de transporte
nas resposta dos processos-solo est mais evidenciado porque a dinmica dos testes est mais
acelerada do que o que ocorreria em um sistema de irrigao em campo. Caso fosse
implementado um sistema de controle fuzzy com intervalo de medio e atuao dirios, o
atraso de transporte se tornaria desprezvel.
Finalmente, o funcionamento correto e adequado dos sistemas de controle fuzzy, tanto
em simulao quanto experimentalmente, demonstram sua eficcia e viabilidade para
aplicaes em agricultura de preciso espacialmente diferenciada, conforme o propsito deste
trabalho.

6.1 Estudos futuros

Embora os objetivos definidos no escopo deste trabaho tenham sido alcanados, existem
oportunidades de desenvolvimento de trabalhos futuros como continuao deste trabalho de
dissertao:
Uso de RSSF com controle fuzzy central gerando mltiplos set points dinmicos e com
comunicao ponto-a-ponto com o n-sensor do sistema solo-clima especfico;
Utilizao de tcnicas hbridas de lgica fuzzy e Inteligncia Artificial (IA), como
neuro-fuzzy ou fuzzy-GA (Genetic Algorithm) para aprendizado e sintonia das funes
de pertinncia do supervisor fuzzy e do controlador fuzzy-TSK;
Aplicao de outras estratgias de controle como fuzzy-PI ou fuzzy-PID escalonado
para definio dinmica dos ganhos/parmetros dos controladores conforme alteraes
do perfil de referncia de umidade do solo;
Incluso de sensor de chuva para estudar como as perturbaes climticas afetam o
comportamento do sistema fuzzy;
Aplicao da arquitetura de sistema fuzzy espacialmente diferenciado para controle de
outros insumos como fertilizantes, defensivos agrcolas, controle de temperatura e/ou
controle de umidade do ar inerentes agricultura de preciso ou outros sistemas
ambientais;
Uso de Rede de Sensores Sem Fio (RSSF) agregados ao uso de mapas
georreferenciados para aplicaes em agricultura de preciso em campos vastos;
 94

Uso de sensores/transdutores reais para as grandezas fsicas como umidade do ar,

temperatura do ar, temperatura do solo e sensores de chuva para gerao de novos
perfis de referncia de umidade do solo;
Estudo e construo de sensores de umidade do solo de baixo custo com diferentes
tecnologias de medio (TDR, resistivo, capacitivo etc); estudo e construo de
solues para autonomia energtica dos ns sensores sem fio (painis solares); estudo
do desempenho do sistema de controle para diferentes atuadores do sistema de
irrigao (ex: motobombas);
Implementao de sistema fuzzy espacialmente diferenciado com rede de ns sensores
sem fio em outros padres de comunicao, como IEEE 802.11 (Wi-Fi) ou IEEE
802.15.1 (Bluetooth), e anlise de desempenho de rede/controlador relativo a
parmetros como concorrncia entre ns, interferncia, conservao de energia e
alcance da rede.

Como sugesto para futuros estudos, um sistema de irrigao multissensor experimental

poder ter o arranjo ilustrado na Figura 6.1. Ele dever ser composto de um sistema de
tubulao hidrulica, de recipientes que acondicionaro as amostras de solo, sensores de
umidade do solo, dispositivos mveis e circuitos de acionamento dos atuadores, de acordo
com representao abaixo.

Figura 6.1 Esquema ilustrativo de um ambiente de teste multissensor

 95

7. Anexos

Anexo I Coleta e anlise das amostras de solo

Foram coletadas amostras simples, de ponto nico, retiradas com p de jardinagem em

reas rurais de alguns municpios do estado da Paraba, como apresentado nas Figuras 7.1 e
7.2.

Figura 7.1 Coleta de amostra de solo no municpio de Santa Rita-PB

Figura 7.2 Coleta de amostra de solo no municpio de Sap-PB

 96

O procedimento de coleta das amostras foi baseado nas recomendaes de Squiba et al.
(2011), e foram retiradas em profundidades variando de 10cm a 30cm, conforme Tabela 7.1.

Tabela 7.1 Dados da coleta das amostras de solo

Amostra Tipo de solo Profundidade Cultura Localizao

1 Areia 10-30 cm Canavial Zona Rural de Santa Rita (BR230 Km 44,5)
Zona Rural de Sap (PB0043 km antes de
2 Argila-arenosa 10-20 cm Abacaxi
Sap/JPASPH)

As amostras de solo coletadas foram submetidas anlise laboratorial de propriedades

fsico-qumicas, realizada pelo Laboratrio de Irrigao e Salinidade (LIS) da UFCG. A
Tabela 7.2 apresenta um quadro-resumo dos indicadores encontrados. Esses dados foram
utilizados para definio dos valores da varivel de entrada TSOLO do sistema fuzzy que
define o Set Point de umidade do solo e para escolha da equao de calibrao dos sensores
instalados. A cpia dos laudos originais est anexada a este documento.

Tabela 7.2 Dados da anlise laboratorial das amostras de solo coletadas

Amostras 1 (33002) 2 (33004)

Granulometria (%)
Areia 92,20 59,63
Silte 1,65 5,72
Argila 6,15 34,65
Classificao Textural Areia Argila Arenosa
3
Ds - Densidade do Solo (g/cm ) 1,50 1,11
3
Densidade de Partculas (g/cm ) 2,69 2,73
Porosidade % 44,24 59,34
- Umidade %
Natural 0,5 1,52
Cc (0,33 atm) 13,42 28,45
Pm (15,0 atm) 1,80 12,49
DT - gua Disponvel (Cc-Pm) 11,62 15,96
Condutividade Eltrica (mmhos/cm ou dS/m) 0,14 0,12

No laudo emitido pelo LIS/UFCG, os valores de gua Disponvel (DT) informados so

diferentes dos apresentados na literatura (GOMES, 1994). Observa-se que, na anlise fsico-
qumica realizada pelo LIS/UFCG, no foi utilizada a equao completa para definio da
grandeza DT, apenas a subtrao entre os valores Cc e Pm.
 97

Anexo II - Calibrao dos Sensores ECH2O EC-5 e EC-10

Para obteno da curva de calibrao dos sensores da EC-5 e EC-10, os procedimentos

utilizados basearam-se nos descritos na literatura (MIRANDA et al., 2007; LEITE et al.,
2007; DECAGON, 2010). O conjunto recipiente-solo-sensor foi instalado sobre uma bancada
do Laboratrio de Materiais de Construo I do IFPB (Campus Joo Pessoa), e foi utilizado
tecido de algodo, tipo fralda, como forro interno do recipiente de PVC para evitar perda de
solo (Figura 7.3).

Figura 7.3 Material e montagem para calibrao do Sensor ECH2O EC-5

O estudo foi conduzido de forma a determinar a umidade do solo pelo mtodo

gravimtrico e pelo eletromtrico. O conjunto foi pesado diariamente, em vrios horrios,
utilizando-se 2 (duas) balanas eletrnicas: balana de plataforma Lder modelo B-160, com
indicador digital LD1050, preciso de 1g, e balana de preciso Bel Engineering modelo
L10001, com preciso 0,1g (Figura 7.4).

Figura 7.4 Pesagem do conjunto recipiente-solo-sensor

 98

Foram realizadas 3 (trs) leituras em cada perodo de coleta de dados (peso e potencial
eltrico), para utilizao da mdia dos valores lidos na construo da curva de calibrao de
cada sensor. A medio do potencial eltrico de sada dos sensores EC-5 e EC-10 foi
realizada com um multmetro digital Politerm modelo VC9808, exatido (0,5%+3d). Os
sensores foram submetidos a uma excitao de entrada de 2,5 VCC, fornecida pela fonte
Instrutherm FA-3030 (Figura 7.5).

Figura 7.5 Medio de umidade do solo e potencial eltrico do Sensor ECH2O EC-5

Para obteno da curva de calibrao dos sensores, foi utilizado o programa

MATLAB e o toolbox cftool (curve fitting tool) para o ajuste da curva a uma funo linear.
Como a equao fornecida pelo fabricante utiliza a umidade volumtrica do solo em
percentual (%), necessrio que se estabelea uma relao entre a umidade volumtrica (Uv)
e a umidade gravimtrica (Ug) do solo (LIER, 2012):

) ())
;) = ())
, (7.1)

J = (;) , ), (7.2)

em que: Da a densidade da gua (g/cm3), Ds a densidade do solo (g/cm3), Ug a umidade

gravimtrica (g.g-1) e a umidade volumtrica (cm3.cm-3).
A curva de calibrao do sensor EC-10, inserido na amostra 1 (33002- Areia/Cana-de-
acar), est ilustrada na Figura 7.6, e a equao da reta que o caracteriza est descrita em
(7.3).
 99

Figura 7.6 Curva de calibrao do sensor EC-10

0.15

0.14
UMD vs. mV
0.13 UMDvol vs. mV (EC-10)
Umidade do Solo (cm3.cm-3)
0.12

0.11

0.1

0.09

0.08

0.07

0.06

0.05

360 380 400 420 440 460 480 500 520 540 560 580 600
Potencial eltrico (mV)

(cm3.cm-3) = 0,0004898 x Potencial Eltrico Medido (mV) 0,1362 (7.3)

(%)= (cm3.cm-3) x 100%

em que: a umidade ou contedo volumtrico da gua (cm3/cm3) e mV o valor da tenso

de sada do sensor. A equao da curva obtida com toolbox cftool do MATLAB obteve um
coeficiente de correlao r2 = 0,9901 (BARROSO et al., 1987).
A curva de calibrao do sensor EC-5 inserido na amostra 2 (33004 - Argila-
arenosa/Cana-de-acar), est ilustrada na Figura 7.7, e a equao da reta que o caracteriza
est descrita em (7.4).

Figura 7.7 - Curva de calibrao do sensor EC-5

0.3
0.28
0.26
0.24 UMDvol vs. mV
Umidade do solo (cm3.cm-3)

0.22 UMDvol vs. mV (EC-5)

0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
330 350 370 390 410 430 450 470 490 510 530 550 570 590600
Potencial eltrico (mV)
 100

(cm3.cm-3) = 0,001104 x Potencial Eltrico Medido (mV) 0,3637 (7.4)

(%)= (cm3.cm-3) x 100%

em que: a umidade ou contedo volumtrico da gua (cm3/cm3) e mV o valor da tenso

de sada do sensor. A referida equao foi obtida com o toolbox cftool do MATLAB com
coeficiente de correlao r2 = 0,9936 (BARROSO et al., 1987).
 101

Anexo III Base de regras do fuzzy para set point de umidade do

solo

As regras do sistema fuzzy MAMDANI para o set point de umidade do solo foram
criadas baseadas nos termos lingusticos aplicveis aos conjuntos solo-planta existentes no
experimento. Para a varivel TSOLO so utilizados os termos {CC-ARE, CC-SILT, CC-
ARG}, e a varivel TPLAN-Z usou apenas 2 (dois) termos {RAIZ-MEDIA, RAIZ-
LONGA}, de acordo com as amostras de solo coletadas em campo e o tipo de cultura
associada (cana-de-acar com profundidade mdia da raiz = 75cm).
As Tabelas 7.3 e 7.4 apresentam as regras de inferncia dos cenrios associados ao
conjunto solo arenoso/cana-de-acar. As Tabela 7.5 e 7.6 apresentam as regras de inferncia
dos cenrios associados ao conjunto solo argiloso/cana-de-acar.

Tabela 7.3 Base de regras do fuzzy Mamdani Solo arenoso e ATEMP constante

N TSOLO TPLAN-Z ESTAG ATEMP AUMD TPLAN-Y RUMD

Base de regras inicial Mamdani-06 (CT01)
1 CC-ARE RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
2 CC-ARE RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MBAIXA
3 CC-ARE RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MBAIXA
4 CC-ARE RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
5 CC-ARE RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
6 CC-ARE RAIZ-MEDIA KC-QMED QUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
Base de regras adicionais Mamdani-12 (CT02)
7 CC-ARE RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
8 CC-ARE RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
9 CC-ARE RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
10 CC-ARE RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
11 CC-ARE RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
12 CC-ARE RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
Base de regras adicionais Mamdani-24 (CT03)
13 CC-ARE RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
14 CC-ARE RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
15 CC-ARE RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
16 CC-ARE RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
17 CC-ARE RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MBAIXA
18 CC-ARE RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MBAIXA
19 CC-ARE RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
20 CC-ARE RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
21 CC-ARE RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
22 CC-ARE RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
23 CC-ARE RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
24 CC-ARE RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
 102

Tabela 7.4 Base de regras do fuzzy Mamdani Solo arenoso e ATEMP senoidal

N TSOLO TPLAN-Z ESTAG ATEMP AUMD TPLAN-Y RUMD

Base de regras inicial Mamdani-06 (CT04)
1 CC-ARE RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
2 CC-ARE RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
3 CC-ARE RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MBAIXA
4 CC-ARE RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
5 CC-ARE RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MBAIXA
6 CC-ARE RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-BAIXA

Base de regras adicionais Mamdani-08 (CT05)

7 CC-ARE RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-MBAIXA
8 CC-ARE RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-MBAIXA
Base de regras adicionais Mamdani-12 (CT06)
9 CC-ARE RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
10 CC-ARE RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
11 CC-ARE RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
12 CC-ARE RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
Base de regras adicionais Mamdani-18 (CT07)
13 CC-ARE RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
14 CC-ARE RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
15 CC-ARE RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MBAIXA
16 CC-ARE RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
17 CC-ARE RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MBAIXA
18 CC-ARE RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-BAIXA

Base de regras adicionais Mamdani-20 (CT08)

19 CC-ARE RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-MBAIXA
20 CC-ARE RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-MBAIXA

Base de regras adicionais Mamdani-24 (CT09)

21 CC-ARE RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
22 CC-ARE RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-BAIXA
23 CC-ARE RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
24 CC-ARE RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-BAIXA
 103

Tabela 7.5 Base de regras do fuzzy Mamdani Solo argila-arenosa e ATEMP constante

N TSOLO TPLAN-Z ESTAG ATEMP AUMD TPLAN-Y RUMD

Base de regras inicial Mamdani-12 (CT10)

1 CC-ARG RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
2 CC-ARG RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
3 CC-ARG RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
4 CC-ARG RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
5 CC-ARG RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
6 CC-ARG RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
7 CC-SILT RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-MALTA
8 CC-SILT RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
9 CC-SILT RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
10 CC-SILT RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
11 CC-SILT RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
12 CC-SILT RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA

Base de regras adicionais Mamdani-24 (CT11)

13 CC-ARG RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
14 CC-ARG RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
15 CC-ARG RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
16 CC-ARG RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
17 CC-ARG RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
18 CC-ARG RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
19 CC-SILT RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
20 CC-SILT RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
21 CC-SILT RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
22 CC-SILT RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-ALTA
23 CC-SILT RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
24 CC-SILT RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA

Base de regras adicionais Mamdani-36 (CT12)

25 CC-ARG RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
26 CC-ARG RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
27 CC-ARG RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
28 CC-ARG RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
29 CC-ARG RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
30 CC-ARG RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
31 CC-SILT RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-MALTA
32 CC-SILT RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
33 CC-SILT RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
34 CC-SILT RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
35 CC-SILT RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
36 CC-SILT RAIZ-MEDIA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA

Base de regras adicionais Mamdani-48 (CT13)

37 CC-ARG RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
38 CC-ARG RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
39 CC-ARG RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
40 CC-ARG RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
41 CC-ARG RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
42 CC-ARG RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
43 CC-SILT RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
 104

44 CC-SILT RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA

45 CC-SILT RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
46 CC-SILT RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
47 CC-SILT RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
48 CC-SILT RAIZ-LONGA KC-QMEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
 105

Tabela 7.6 - Base de regras do fuzzy Mamdani Solo argila-arenosa e ATEMP senoidal

N TSOLO TPLAN-Z ESTAG ATEMP AUMD TPLAN-Y RUMD

Base de regras inicial Mamdani-12 (CT14)

1 CC-ARG RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
2 CC-ARG RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
3 CC-ARG RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-QMEDIA
4 CC-ARG RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
5 CC-ARG RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
6 CC-ARG RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
7 CC-SILT RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-MALTA
8 CC-SILT RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
9 CC-SILT RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
10 CC-SILT RAIZ-MEDIA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
11 CC-SILT RAIZ-MEDIA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
12 CC-SILT RAIZ-MEDIA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA

Base de regras adicionais Mamdani-16 (CT15)

13 CC-ARG RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-QMEDIA
14 CC-ARG RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-BAIXA
15 CC-SILT RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-QMEDIA
16 CC-SILT RAIZ-MEDIA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-BAIXA

Base de regras adicionais Mamdani-24 (CT16)

17 CC-ARG RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-MALTA
18 CC-ARG RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
19 CC-ARG RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
20 CC-ARG RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
21 CC-SILT RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
22 CC-SILT RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
23 CC-SILT RAIZ-MEDIA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
24 CC-SILT RAIZ-MEDIA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA

Base de regras adicionais Mamdani-36(CT17)

25 CC-ARG RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
26 CC-ARG RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
27 CC-ARG RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
28 CC-ARG RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-ALTA
29 CC-ARG RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
30 CC-ARG RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
31 CC-SILT RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
32 CC-SILT RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
33 CC-SILT RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-MBAIXO UMD-MEDIA
34 CC-SILT RAIZ-LONGA KC-ALTO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
35 CC-SILT RAIZ-LONGA KC-MEDIO QUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
36 CC-SILT RAIZ-LONGA KC-QMEDIO QUENTE AR-UMIDO Y-BAIXO UMD-QMEDIA
Base de regras adicionais Mamdani-40(CT18)
37 CC-ARG RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-ALTA
38 CC-ARG RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-ALTA
39 CC-SILT RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-MBAIXO UMD-QMEDIA
40 CC-SILT RAIZ-LONGA KC-ALTO MEDIO AR-UMIDO Y-BAIXO UMD-QMEDIA
Base de regras adicionais Mamdani-48(CT19)
 106

41 CC-ARG RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-MALTA

42 CC-ARG RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
43 CC-ARG RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-ALTA
44 CC-ARG RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
45 CC-SILT RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
46 CC-SILT RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-MBAIXO UMD-ALTA
47 CC-SILT RAIZ-LONGA KC-ALTO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
48 CC-SILT RAIZ-LONGA KC-MEDIO MQUENTE AR-UMIDO Y-BAIXO UMD-MEDIA
 107

Anexo IV Resposta do sistema-solo ao degrau

O mtodo da resposta ao degrau permite a determinao de grandezas que caracterizam

o processo a ser controlado e o clculo dos parmetros de um controlador PID, a partir de
frmulas empricas definidas por Ziegler e Nichols (1942). Segundo Bazanella e Silva Jr.
(2005), (...) essa resposta pode ser caracterizada por trs parmetros: o atraso aparente L, o
ganho integral equivalente a e a constante de tempo dominante T. Esses parmetros
representam o modelo do processo a ser utilizado neste mtodo de ajuste (...).
Ogata (2011) e Bazanella e Silva Jr. (2005) apresentam o modelo simplificado de um
processo obtido com a resposta ao degrau, ou a funo de transferncia (FT) de ordem 1
acrescida de um atraso de transporte, como a equao (7.5) ,

=
<( ) = (7.5)
>

em que: L o atraso aparente, T a constante de tempo dominante e K o ganho do processo

calculado pela equao (7.6).

=.
(7.6)

A Figura 7.8 ilustra a resposta do processo-solo 1 (arenoso) ao ser aplicada uma vazo
unitria de 1ml/s (varivel manipulada) em malha aberta.

Figura 7.8 Resposta do solo 1 (arenoso) ao degrau unitrio de vazo

30
28
26
24
22
20
Umidade do solo (%)

Resposta vazo unitria

18
16
14
12
10
8
6
4
Entrada degrau unitrio (vazo 1ml/s)
2
0
0 500 1000 1500
Tempo (segundos)

Foi utilizado o toolbox cftool do MATLAB para obter-se um polinmio que

caracterizasse a referida curva de resposta. A equao polinomial correspondente est em
 108

(7.7) com coeficiente de correlao r2 = 0,9275 (BARROSO et al., 1987). A Figura 7.9
mostra os pontos da medio e o traado do polinmio interpolador.

#(,) = , @. ,A C, + +. D
, + C, B. +
, , , + D, +B (7.7)

Figura 7.9 - Polinmio interpolador para a resposta do solo 1 ao degrau

26

24

22

20
Umidade do solo (%)

Pontos da medio
Polinmio 4 grau
18

16

14

12

10

0 200 400 600 800 1000 1200 1400

Tempo (segundos)

A seguir, foi determinada a reta tangente ao ponto de inflexo da curva de resposta ao

degrau (Figura 7.10) pelo mtodo da Diferenciao Numrica por Diferenas Finitas Centrais,
indicado por Arajo (2007) e Hornbeck (1975).

Figura 7.10 - Reta tangente ao ponto de inflexo da resposta ao saldo (solo 1)

18
17
16
15
14
Umidade do solo (%)

13
12
Ponto de inflexo
11
10
9
L T
8
7
a
6
5
4
0 250 500 750 1000 1250 1500
Tempo (segundos)

A partir da referida reta tangente, pode-se obter os parmetros L e a. O ponto de

inflexo da citada curva ocorre aos 441,92 segundos com amplitude (umidade do solo) de
11,5%. A reta tangente a este ponto tem a equao (7.8)
 109

E= , A * + +, +C (7.8)

O valor de L 202,85 203 segundos e a = 3,315 3,3. A constante de tempo

dominante T determinada pela interseo da reta tangente com a linha correspondente ao
valor em regime permanente da curva de resposta, passado o tempo L (ARAJO, 2007;
OGATA, 2011). Nesse caso, o valor em regime permanente igual a 16,2%. Para o clculo
correto de T, considerou-se o offset da curva de resposta, y(0) = 8,6%, uma vez que a mesma
no se inicia em 0%. Logo, T = 572,13 572 s. Pela frmula (7.6), o ganho do processo K
igual a 9,35 9,4
Para o cenrio com solo 1 (arenoso), a FT ,

@,A
<( ) = (7.9)
+B >

Para o processo-solo 2 (argila-arenosa) foram adotados os mesmos procedimentos pada

identificao dos parmetros L, a e T. Foi aplicada a mesma vazo unitria em malha aberta.
Foi utilizado o toolbox cftool do MATLAB para obter-se um polinmio que caracterizasse a
curva de resposta ao degrau. A Figura 7.11 ilustra a resposta do sistema-solo 2 ao degrau de
vazo unitria de 1ml/s.

Figura 7.11 Resposta do solo 2 (argila-arenosa) ao degrau unitrio de vazo

35
34
32
30
28
26
24
Umidade do solo (%)

22 Resposta vazo unitria

20
18
16
14
12
10
8
6
4 Entrada degrau unitrio (vazo 1ml/s)
2
0
0 500 1000 1500 2000 2500 3000
Tempo (segundos)

A equao polinomial de 4 grau correspondente est em (7.10) com coeficiente de

correlao r2 = 0,8902 (BARROSO et al., 1987).

#(,) = +, +@A. ,A A, A . @
, + D, @D . C
, , @++, + @, (7.10)
 110

A Figura 7.12 mostra os pontos da medio e o traado do polinmio interpolador.

Figura 7.12 - Polinmio interpolador para a resposta do solo 2 ao degrau

34

32
Pontos da medio
30 Polinmio 4 grau

28
Umidade do solo (%)

26

24

22

20

18

16

14

0 500 1000 1500 2000 2500 3000

Tempo (segundos)

A Figura 7.13 apresenta a reta tangente ao ponto de inflexo da curva de resposta ao

degrau determinada pelo mesmo mtodo da Diferenciao Numrica por Diferenas Finitas
Centrais. A partir da referida reta tangente, pode-se obter os parmetros L, a e T.

Figura 7.13 Reta tangente ao ponto de inflexo da resposta ao saldo (solo 2)

30
29
28
27
26
Umidade do solo (%)

25
24
23
Ponto de inflexo
22
21
20
L T
19
18
a
17
16
0 250 500 750 1000 1250 1500 1750 2000 2250 2500 2750 3000
Tempo (segundos)

O ponto de inflexo da citada curva ocorre aos 984,65 segundos com amplitude
(umidade do solo) de 22,5%. A reta tangente a este ponto tem a equao (7.11)

E= , +D * + C, B+ (7.11)
 111

A partir da reta tangente, determinou-se o valor de L = 389,63 390 segundos e a =

2,38 2,4. Para o clculo da constante de tempo dominante T, considerou-se o offset da curva
de resposta, y(0) = 19,0%, e o valor em regime permanente da curva de resposta igual a
27,6%. Logo, T = 1467,9 1468 s. Pela frmula (7.6), o ganho do processo K igual a 9,03
9.
Para o cenrio com solo 2 (argila-arenosa), a FT ,
@
<( ) = @
(7.12)
ACD >

Aproximao de Pad

Segundo Aguirre (2004), no se pode modelar exatamente sistemas dinmicos reais com
L
atraso puro de tempo por meio de funes de transferncia, uma vez que a expresso
no pode ser representada como uma razo de polinmios em s com grau finito. No entanto,
pode-se utilizar uma aproximao de Pad definida por:

M ( L )
L
" ( )= (7.13)
M (L )

em que:

( >N)!
M ( ) = NI (L ) N
(7.14)
N!( N)!

Para os sistemas-solo deste trabalho, foram usadas aproximaes de Pad de primeira

ordem. Para o cenrio com solo 1 (arenoso), a FT com aproximao de Pad (calculada no
MATLAB) ,

@,A > , @ C ( , @D+ )

<, ( ) = == (7.15)
+B >C,C + > , @D+ ( > , @D+ )( > , BAD)

Em que, o ganho esttico do processo K1 = -0,016434.

Para o cenrio com solo 2 (argila-arenosa), a FT com aproximao de Pad ,

@ > , AC + ( , + D)
<, ( ) = == (7.16)
ACD >D,+ D > , + D ( > , + D)( > , CD )

Em que, o ganho esttico do processo K2 = -0,0061308.

 112

Referncias

AGUILAR, J.V.; LANGARITA, P.; LINARES, L.; RODELLAR, J. Automatic Control of

Flows and Levels in an Irrigation Canal. IEEE Transactions on Industry Applications.
December, 2009. v. 45, n. 6, p. 2198-2208.

AGUIRRE, L.A. Introduo Identificaode Sistemas: Tcnicas Lineares e No-

lineares. Editora UFMG. 2. ed. Belo Horizonte, 2004.

AKYILDIZ, I.F.; SU, W.; SANKARASUBRAMANIAM, Y.; CAYIRCI, E. Wireless Sensor

Networks: A Survey. Computer Networks. 2002. v. 38, p. 393-422.

ALGEEB, A.; ALBAGUL, A.; ASSENI, A., KHALIFA, O.; JOMAH, O.S. Design and
Fabrication of an Intelligent Irrigation Control System. In: 2010. The 3rd WORLD
SCIENTIFIC AND ENGINEERING ACADEMY AND SOCIETY(WSEAS)
INTERNATIONAL CONFERENCE ON ADVANCES IN SENSORS, SIGNALS AND
MATERIALS (SENSIG 10/MATERIALS 10), Porto, Portugal. Proceedings. 2010. p. 119-
124.

ALLEN, R. Calibration of the Watermark 200SS Soil Water Potential Sensor. University
of Idaho, 2000. Disponvel em
http://www.kimberly.uidaho.edu/water/swm/calibration_watermark2.pdf. Acesso em: 10 fev.
2012.

ARAJO, F.M.U. Controle Inteligente. Apostila do Curso de Graduao em Engenharia de

Computao e Automao. Departamento de Controle e Automao, Universidade Federal do
Rio Grande do Norte (UFRN). Natal-RN, 2004.

________. Sistemas de Controle. Apostila do Curso de Graduao em Engenharia de

Computao e Automao. Departamento de Controle e Automao, Universidade Federal do
Rio Grande do Norte (UFRN). Natal-RN, 2007. Disponvel em
http://www.dca.ufrn.br/~meneghet/FTP/Controle/scv20071.pdf. Acesso em: 10 fev. 2012.

ARAJO JNIOR, M.E.U. Desevolvimento de um Ambiente para Projeto de

Controladores Fuzzy para Dispositivos Mveis. 2011. XXf. Dissertao (Mestrado em
Engenharia Eltrica e Computao) Departamento de Controle e Automao, Universidade
Federal do Rio Grande do Norte (UFRN). Natal-RN, 2011.

ASSIS, P.C.O; LACERDA, R.D.; AZEVEDO, H.M., DANTAS, J.N.; AZEVEDO, C.H.F.
Resposta dos Parmetros Tecnolgicos da Cana-de-Acar a Diferentes Lminas de Irrigao
e Adubao. Revista de Biologia e Cincias da Terra. 2004, v. 4, n. 2, 2 Semestre.

BAHAT, M.; INBAR, G.; YANIV, O.; SCHNEIDER, M. A Fuzzy Irrigation Controller
System. Engineering Applications of Artificial Intelligence. Elsevier, 2000. v. 13, p. 137-
145.
 113

BARROSO, L.C.; BARROSO, M.M.A.; CAMPOS FILHO, F.F., CARVALHO, M.L.B.;

MAIA, M.L. Clculo Numrico (com Aplicaes). Editora Harbra. 2. ed. So Paulo, 1987.
BAZANELLA, A.S.; SILVA JR, J.M.G. Sistemas de Controle: Princpios e Mtodos de
Projeto . 1. ed. Porto Alegre, RS: Editora da UFRGS, 2005.

BERNARDO, S. Manual de Irrigao. 4. ed. Viosa, MG: Imprensa Universitria, UFV,

1987.

BORIM, A.C.A.; PINTO, C.A.R. Medio de Umidade no Solo atravs de Sensores

Capacitivos. Revista de Cincias Exatas e Tecnologia. Valinhos, 2006. v. 1, n. 1.

BRASIL. Censo Agropecurio 2006. Instituto Brasileiro de Geografia e Estatstica (IBGE),

Ministrio do Planejamento, Oramento e Gesto. Disponvel em:
<http://www.ibge.gov.br/home/estatistica/economia/agropecuaria/censoagro/brasil_2006/Bras
il_censoagro2006.pdf>. Acesso em: 14 set. 2010.

______. Plano Agrcola e Pecurio 2010-2011. Ministrio da Agricultura, Pecuria e

Abastecimento (MAPA). Disponvel em: <http://www.agricultura.gov.br/>. Acesso em: 14 set.
2010.

BURGOS-ARTIZZU, X.P.; RIBEIRO, A.; SANTOS, M. Controlador Borroso Multivariable

para el Ajuste de Tratamientos em Agricultura de Precisin. Revista Iberoamericana de
Automtica e Informtica Industrial. 2007, v. 4, n. 2, p. 64-71.

CAMILLI, A.; CUGNASCA, C.E.; SARAIVA, A.M., HIRAKAWA, A.R.; CORREA, P.L.P.
From Wireless Sensors to Field Mapping: Anatomy of an Application for Precision
Agriculture. Computers and Electronics in Agriculture. Elsevier, 2007. v. 58, p. 25-34.

CAMPOS, M.C.C.; QUEIROZ, S.B. Reclassificao dos perfis descritos no Levantamento

Exploratrio-Reconhecimento de Solos do Estado da Paraba. Revista de Biologia e Cincias
da Terra. 2006, v. 6, n. 1.

CARAMORI, P.H. Zoneamento Agroclimtico das Principais Plantas Oleaginosas do

Brasil. II Simpsio do Agronegcio de Plantas Oleaginosas. ESALQ. Piracicaba. SP, 2006.
Disponvel em: http://www.iapar.br/arquivos/File/biodiesel/Zoneamento.pdf. Acesso em: 10
jan. 2012, 9h.

CARNIERI, I.M.R.S.A.; MONTE SERRAT, B.; LIMA, M.R. Quais tipos de anlises
podem ser utilizados para avaliar o solo e a nutrio das plantas? Disponvel em:
http://www.soloplan.agrarias.ufpr.br/tiposdeanalise.htm. Acesso em: 31 out. 2011, 15h30.

CASTANHO, M.J.P.; PEIXOTO, M.S. Teoria dos Conjuntos Fuzzy no Matlab. In: I
CONGRESSO BRASILEIRO DE SISTEMAS FUZZY. Minicurso. Sorocaba, SP:
novembro, 2010.

CHARD, J. Watermark Soil Moisture Sensors: Characteristics and Operating Instructions.

Crop Physiology Laboratory. Utah State University, 2002.

COBOS, D.R. Calibrating ECH2O Soil Moisture Sensors. Application Note. Decagon
Devices Inc. 2009. Disponvel em
http://www.decagon.com/assets/Uploads/CalibratingECH2OSoilMoistureProbes.pdf. Acesso
em: 6 dez. 2011, 11h27.
 114

DARGIE, W.; POELLABAUER, C. Fundamentals of Wireless Sensor Networks: Theory

and Practice. USA: Wiley Series on Wireless Communications and Mobile Computing, John
Wiley and Sons Ltd., 2010.

DECAGON. Decagon Devices, Inc. Disponvel em www.decagon.com. Acesso em: 20 ago.

2011.

______. EC-20, EC-10, EC-5 Soil Moisture Sensors Users Manual. Version 10. 2010.

DURSUN, M.; OZDEN, S. A Prototype of PC Based Remote Control of Irrigation. In: 2010
INTERNATIONAL CONFERENCE ON ENVIRONMENTAL ENGINEERING AND
APPLICATIONS (ICEEA 2010), Singapore. Proceedings. 2010, p. 255-258.

EMBRAPA Empresa Brasileira de Pesquisa Agropecuria. Sistema Brasileiro de

Classificao de Solos, 2. ed. Braslia-DF. Embrapa Informao Tecnolgica, 2006.

______. Manual de Anlises Qumicas de Solos, Plantas e Fertilizantes. 2. ed. revisada e

ampliada. Braslia-DF. Embrapa Informao Tecnolgica, 2009.

FALKER. Aplicaes do Hidrofarm. Nota de Aplicao HFM 2010, n. 1, Rev. A,

Dezembro, 2008. Disponvel em: < http://www.falker.com.br/produto_artigos.php?id=7#>.
Acesso em: 20 dez. 2010, 10h.

FAO. Crop Evapotranspiration Guidelines for Computing Crop Water Requirements.

1998. Paper 56. FAO Food and Agriculture Organization of the United Nations. Disponvel
em http://www.fao.org/docrep/X0490E/x0490e00.htm#Contents. Acesso em: 28 dez. 2011.

FERNANDES, J.D. Desenvolvimento de Sistemas Embarcados para Redes de Sensores e

Atuadores Sem Fio aplicadas em Unidades de Elevao de Petrleo do Tipo Plinger-Lift.
Dissertao (Mestrado em Cincias e Engenharia de Petrleo), Programa de Ps-Graduao
em Cincia e Engenharia de Petrleo, Universidade Federal do Rio Grande do Norte (UFRN).
Natal, 2010.

GARCIA, L.R.; LUNADEI, L.; BARREIRO, P.; ROBLA, J.I. A Review of Wireless Sensor
Technologies and Applications in Agriculture and Food Industry: State of the Art and Current
Trends. Sensors. 2009, v. 9, Issue 6, p. 4728-4750.

GOMES, H.P. Engenharia de Irrigao: Hidrulica dos Sistemas Pressurizados Asperso

e Gotejamento. Joo Pessoa-PB: Editora Universitria, UFPB, 1994.

GUNGOR, V.C.; HANCKE, G.P. Industrial Wireless Sensor Networks: Challenges, Design
Principles, and Technical Approaches. IEEE Transactions on Industrial Electronics. 2009,
v. 56, n. 10, p. 4258-4265.

HORNBECK, R.W. Numerical Methods. USA: Quantum Publishers, Inc.,1975.

IRROMETER. Irrometer Company, Inc. Disponvel em www.irrometer.com. Acesso em: 18

ago. 2011.
 115

______. Watermark Soil Moisture Sensor with Voltage Output Model 200SS-V.
Disponvel em http://www.irrometer.com/pdf/instruction%20manuals/sensors/200SS-
V%20Volt%20Output%20Instructions.pdf. Acesso em: 19 out. 2011.
JANTZEN, J. Foundations of Fuzzy Control. John Wiley & Sons Ltd., 2007.

JAVA. Site da plataforma de desenvolvimento JAVATM. Disponvel em

http://www.java.com/pt_BR/. Acesso em: 20 nov. 2011, 11h30.

KIM, Y.; EVANS, R.G.; IVERSEN, W.M. Remote Sensing and Control of an Irrigation
System using a Distributed Wireless Sensor Network. IEEE Transactions on
Instrumentation and Measurement. 2008, v. 57, Issue 7, p. 1379-1387.

KIM, Y.; EVANS, R.G. Software Design for Wireless Sensor-based Site-specific Irrigation.
Computers and Electronics in Agriculture. 2009, v. 66, p. 159-165.

LEITE, J.F.; BENETEL, G.; FERRAZ, M.R.; FARIA, L.A.; MARCHESIN, W.A.
Determinao da Umidade do Solo atravs da Metodologia Gravimtrica e do Aparelho
ECHO. 15 SIMPSIO INTERNACIONAL DE INICIAO CIENTFICA. Universidade
de So Paulo (USP), So Paulo-SP, Novembro, 2007.

LIER, Q.J.V. Clculo de alguns parmetros fsicos do solo. Nota LCE/ESALQ/USP.

Disponvel em http://www.lce.esalq.usp.br/aulas/lce200/Calculo_parametros_solo.pdf.
Acesso em: 20 jan. 2012, 9h30.

LIMA, F.M.C. Desenvolvimento de um Sistema de Controle Fuzzy do Potencial Matricial

da gua do Solo, visando Otimizao de Processos de Irrigao. Tese (Doutorado em
Engenharia Mecnica) Departamento de Engenharia Mecnica, Universidade Federal da
Paraba (UFPB), Joo Pessoa, 2007.

LITRICO, X.; FROMION, V.H. Control of an Irrigation Canal Pool With a Mixed Control
Politics. IEEE Transactions on Control Systems Technology. January, 2006. v.14, n. 1, p.
99-111.

LOUREIRO, A.A.F.; NOGUEIRA, J.M.S.; RUIZ, L.B.; MINI, R.A.F.; NAKAMURA, E.F.;
FIGUEIREDO, C.M.S. Redes de Sensores Sem Fio. In: 21 SIMPSIO BRASILEIRO DE
REDES DE COMPUTADORES. Minicurso. Maio, 2003, Natal-RN. Disponvel em:
<http://homepages.dcc.ufmg.br/~loureiro/cm/docs/sbrc03.pdf>. Acesso em: 13 set. 2010.

MAROUELLI, W.A; SILVA, H.R.; SILVA, W.L.C.; CARRIJO, O.A. Tensimetros para
Manejo da Irrigao em Hortalias. Disponvel em
http://www.cnph.embrapa.br/public/folders/tensiometro.html. Acesso em: 15 jan. 2012.

METED. Curso Bsico de Cincia Hidrolgica Estudo do Ciclo Hidrolgico.

Meteorology Education and Training University Corporation for Atmospheric Research
(UCAR). Disponvel em
http://www.meted.ucar.edu/hydro/basic/HydrologicCycle_bp/print_version/04-
surface_water.htm. Acesso em: 22 fev. 2012, 16h30.

MIRANDA, F.R.; SANTANA, M.G.S.; SOUZA, C.C. M.; OLIVEIRA, C.H.C. Calibrao do
sensor dieltrico ECH2O em dois tipos de solo. Revista de Cincias Agronmicas. v. 38, n.
3, p. 317-321, Jul.-Set., Fortaleza, Centro de Cincias Agrrias Universidade Federal do
Cear, 2007.
 116

OGATA, K. Engenharia de Controle Moderno. 5. ed. So Paulo, SP: Pearson Prentice-

Hall, 2011.

OLIVEIRA, C.A.S. Determinao da Tenso de gua em Solo Agrcola usando um

Sensor de Dissipao de Calor. Pesquisa Agropecuria Brasileira. Embrapa Informao
Tecnolgica. Braslia, 1999. v. 34, n. 8, p. 1417-1425.

OLIVEIRA, F.A; CAMPOS, T.G.S; OLIVEIRA, B.C. Efeito de Tenses de gua no Solo
sobre o Rendimento do Algodoeiro Herbceo. Pesquisa Agropecuria Brasileira. Embrapa
Informao Tecnolgica. Braslia, 1999. v. 34, n. 10, p. 1905-1911.

OLIVEIRA, R.A.; RAMOS, M.M. Manual do Irrigmetro. Viosa-MG, 2008. Disponvel

em: <http://www.irrigacerto.com.br/>. Acesso em: 10 dez. 2010.

OPPENHEIM, A.V.; WILLSKY, A.S. Sinais e Sistemas. 2. ed. So Paulo, SP: Pearson
Prentice-Hall, 2010.

OTTONI FILHO, T.B. Uma classificao fsico-hdrica dos solos. Revista Brasileira de
Cincia do Solo. Viosa, 2003. v. 27, n. 2, p. 211-222.

PEREIRA, A.B.; SHOCK, C.C.; FEIBERT, E.B.; FLOCK, R.J.; LIMA, L.; FERNANDES,
N. Monitoramento da Irrigao por Meio da Tenso da gua do Solo Guia Prtico.
Boletim Tcnico. Ponta Grossa: Editora UEPG, 2006.

PEREIRA, G.M.; MELLO, C.R. Hidrometria Aula Prtica. Notas de Aula

Departamento de Engenharia, Universidade Federal de Lavras (UFLA). Disponvel em
http://www.deg.ufla.br/site/_adm/upload/file/6_Aula%20pratica%206.pdf. Acesso em: 10
dez. 2011.

PIRES, R.C.M.; SAKAI, E.; ARRUDA, F.B.; FUJIWARA, M.; CALHEIROS, R.O. Mtodos
e Manejo da Irrigao. Centro de Ecofisiologia e Biofsica Instituto Agronmico. Contrato
FUNDAG-FEHIDRO, 1999.

RGO SEGUNDO, A.K. Desenvolvimento de Sensor de Teor de gua do Solo e de

Sistema de Controle e Automao em Malha Fechada para Uso em Irrigao.
Dissertao de Mestrado. Universidade Federal de Viosa-MG, 2010.

REICHARDT, K.; TIMM, L.C. Solo, Planta e Atmosfera Conceitos, Processos e

Aplicaes. Editora Manole: So Paulo-SP, 2004.

RESENDE, N.M.; SANTANA, D.P. Pedologia e Fertilidade do Solo: Interaes e

Aplicaes. 1. ed. Braslia-DF: MEC/ESAL/POTAFOS, 1988.

SANDRI, S.; CORREA, C. Lgica Nebulosa. In: V ESCOLA DE REDES NEURAIS.

Conselho Nacional de Redes Neurais. Minicurso. Julho, 1999. ITA, So Jos dos Campos-SP.
p. c073-c090.

SAWADOGO, S.; FAYE, R.M.; BENHAMMOU, A.; AKOUZ, K. Decentralized Adaptive

Predictive Control of Multi-reach Irrigation Canal. In: IEEE INTERNATIONAL
CONFERENCE ON SYSTEMS, MAN, AND CYBERNETICS. Proceedings. 2000, v. 5, p.
3437-3442.
 117

SHAW, I.S.; SIMES, M.G. Controle e Modelagem Fuzzy. 1. ed. So Paulo-SP: Editora
Edgard Blcher, FAPESP, 1999.

SHOCK, C.C.; FLOCK, R.; FEIBERT, E.; SHOCK, C.A.; PEREIRA, A.; JENSEN, L.
Irrigation Monitoring Using Soil Water Tension. Sustainable Agriculture
Techniques.Extension Service. Oregon State University, 2005

SHOREY, R.; ANANDA, A.; CHAN, M.C.; OOI, W.T. Mobile, Wireless, and Sensor
Networks: Technology, Applications, and Future Directions. IEEE Press, Editora John
Wiley & Sons, 2006.

SILVA, H.; CHRISTOFIDIS, D.; MAROUELLI, W.A. Situao da Irrigao no Brasil.

Ministrio da Integrao Nacional, 2005. Disponvel em:
<http://www.irrigacao.org.br/artigos/Christofidis_Situacao%20da%20Irrigacao%20no%20Br
asil%20Henoque%20Demetrios.pdf>. Acesso em: 15 set. 2010.

SILVA, T.G. F.; MOURA, M.S.B.; ZOLNIER, S.; SOARES, J.M.; VIEIRA, V.J.S.;
JNIOR, W.G.F. Requerimento hdrico e coeficiente de cultura da cana-de-acar irrigada no
semirido brasileiro. Revista Brasileira de Engenharia Agrcola e Ambiental. Campina
Grande-PB, 2012. v. 16, n. 1, p. 64-71.

SQUIBA, L.M.; MONTE SERRAT, B.; LIMA, M.R. Aprenda como coletar
adequadamente amostras de solos para anlises. Disponvel em
http://www.soloplan.agrarias.ufpr.br/coletadesolo.htm. Acesso em: 31 out. 2011, 15h40.

SUGENO, M.; KANG, G. Structure Identification of Fuzzy Model. Fuzzy Sets and Systems.
1988, v. 28, p.15-33.

SUN MICROSYSTEMS. SunTM SPOT Programmers Manual. Release v. 6.0 (Yellow).

2010.

______. SunTM SPOT Theory of Operation. Red Release 5.0. 2009.

TARDIF, R. Field Calibration of the ECH2O Soil Moisture Probes at the Brookhaven
National Laboratory/NCAR Meteorological Tower Site. National Center for Atmosheric
Research/Research Applications Program. 2003.

TANAKA, K.; SANO, M. Design of Fuzzy Controllers Based on Frequency and Transient
Characteristics. In: 2nd IEEE INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS.
Proceedings. 1993, v. 1, p.111-116.

TAKAGI, T.; SUGENO, M. Fuzzy Identification of Systems and its Application to Modeling
and Control. IEEE Transactions on Systems, Man, and Cybernetics. 1985, v. 15, p. 116-
132.

THOMAZINI, D.; ALBUQUERQUE, P.U.B. Sensores Industriais: Fundamentos e

Aplicaes. 4. ed. So Paulo-SP: Editora rica, 2007.

TORRE-NETO, A. Sistema para Irrigao de Preciso em Citricultura. Comunicado

Tcnico, n. 45, Embrapa Instrumentao Agropecuria, So Carlos-SP, Outubro, 2001.
 118

______. Sistema para Controle Espacialmente Varivel de Irrigao por Microasperso: Uma
Unidade de Demonstrao. Comunicado Tcnico, n. 50, Embrapa Instrumentao
Agropecuria, So Carlos-SP, Novembro, 2002.

______. Rede de Sensores Sem Fio e Computao Ubqua na Agropecuria. Boletim de

Pesquisa e Desenvolvimento, n. 31, Embrapa Instrumentao Agropecuria, So Carlos-SP,
Novembro, 2009.

TORRE-NETO, A.; FAUSTIN, Y.D.; LIMA, T.P.F.S.; LOPES, W.C. Sistema Automatizado
para Monitoramento de Parmetros Abiticos em Tempo Real e Aplicaes na Agricultura de
Preciso. Boletim de Pesquisa e Desenvolvimento, n. 5, Embrapa Instrumentao
Agropecuria, So Carlos-SP, Novembro, 2003.

TORRE-NETO, A.; RABELLO, L. M.; VAZ, C. M. P. Plataforma Tecnolgica para Irrigao

de Preciso em Citricultura. Boletim de Pesquisa e Desenvolvimento, n. 21, Embrapa
Instrumentao Agropecuria, So Carlos-SP, Dezembro, 2007.

TRACOM. Watermark Manual de instalao e medio do potecial de gua no solo

(umidade). Disponvel em http://tracom.com.br/novo/folhetos/44.pdf. Acesso em: 20 ago.
2011.

VELLIDIS, G.; TUCKER, M.; PERRY, C.; KVIEN, C.; BEDNARZ, C. A Real-Time
Wireless Smart Sensor Array for Scheduling Irrigation. Computer and Electronics in
Agriculture. v. 61, Issue 1, p. 44-50, April, 2008.

WEYER, Erik. Control of Irrigation Channels. IEEE Transactions on Control Systems

Technology. Vol. 16, No. 4, p. 664-675, July, 2008.

XIAOHONG, P.; MO, Z.; XIAO, L.; LIU, G. A Water-saving Irrigation System Based on
Fuzzy Control Technology and Wireless Sensor Network. In: 5th INTERNATIONAL
CONFERENCE ON WIRELESS COMMUNICATIONS, NETWORKING AND MOBILE
COMPUTING. Proceedings. Beijing, China, 2009.

YUSOFF, M.; MUTALIB, S.; RAHMAN, S. A.; MOHAMED, A. Intelligent Water Dispersal
Controller: Comparison between Mamdani and Sugeno Approaches. In: 5th
INTERNATIONAL CONFERENCE ON COMPUTATIONAL SCIENCE AND
APPLICATIONS. Proceedings. IEEE Computer Society. 2007, p. 86-93.

ZADEH, L.A. Fuzzy Sets. Information and Control. 1965, v. 8, Issue 3, p. 338-353.

ZAZUETA, F.S.; XIN, J. Soil Moisture Sensors. Bulletin 292. Florida Cooperative
Extension Service. University of Florida. 1994.

ZHANG, Q.; WU, C.; TILT, K. Application of Fuzzy Logic in an Irrigation Control System.
In: THE IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL TECHNOLOGY.
Proceedings. 1996, p. 593-597.

ZHANG, Q.; YANG, X.; ZHOU, Y.; WANG, L.; GUO, X. A Wireless Solution for
Greenhouse Monitoring and Control System based on ZigBee Technology. Journal of
Zhejiang University. 2007, v. 8, p. 1584-1587.
 119

ZHAO, Y.; BAI, C.; ZHAO, B. An Automatic Control System of Precision Irrigation for City
Greenbelt. In: 2007 SECOND IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS
AND APPLICATIONS. Proceedings. 2007, p. 2013-2016.

ZHOU, Y.; YANG, X.; WANG, L.; YING, Y. A Wireless Design of Low-cost Irrigation
System using ZigBee Technology. In: 2009 INTERNATIONAL CONFERENCE ON
NETWORKS SECURITY, WIRELESS COMMUNICATIONS AND TRUSTED
COMPUTING. Proceedings. IEEE Computer Society. 2009, v. 1, p. 572-575.

ZIEGLER, J.G.; NICHOLS, N.B. Optimum Settings for Automatic Controllers. Transactions
of the ASME. 1942, v. 64, p. 759-768.