Universidade Federal de Lavras

Departamento de Automática

- PSI 531 -
Sistemas Fuzzy

Prof. Daniel Leite

E-mail: daniel.leite@ufla.br
2/2021

1/53
Summary

Applications examples

• A01 – Levitating ball

• A02 – Recognition of weeds for precision farming
• A03 – Ball and beam
• A04 – Recommender system for e-commerce
• A05 – Time series prediction
• A06 – Parkinson telemonitoring
• A07 – Autonomous robot navigation
• A08 – Hurricane track forecasting
• Other applications
2/53
A01 - Levitating ball

• Ping-pong ball, tube, duct fan

• Ultrasonic sensor within the tube provides feedback. Infrared
sensor, parallel to the tube, provides reference
• Goal: make the ball hover smoothly at a desired position by
controlling the fan speed
• The setup is that of a classic
feedback loop

http://www.markbowers.org/#/levitating-ball/

3/53
4/53
FIS Inputs

• 1: Ball’s position relative to the center

• 2: Ball’s speed

5/53
FIS Output

• 1: Motor speed → affects the ball

“Negative high”: causes the ball to drop quickly
“Negative low”: less quickly, …
Defuzzification: weighted-average method

6/53
Table look-up

Ap1.mp4

7/53
Conclusion

• Constructing and tuning a fuzzy controller

• Levitating ping-pong ball
• Difficulties with sensors and aerodynamics issues
• Can serve as a demonstration platform

8/53
A02 – Recognition of weeds for precision farming

• Reduce herbicide use from

the spatial distribution of
weeds
• Image capture system
• Fuzzy decision-making: determines
where and how much
herbicide to spray
Cornfields of the Macdonald Campus
Experimental Farm of McGill University

Yang, C.C., et al. Recognition of weeds with image processing and their use with fuzzy
logic for precision farming. Canadian Agricultural Engineering 42(4), 195–200, 2000.

9/53
Method

• Green objects in each image were identified using a greenness

method that compares red, green, and blue intensities

• Inputs to the fuzzy system

– Weed coverage
– Weed patch (distribution)
• Output
– Herbicide application rate

10/53
• Trial-and-error approach to set
triangular and trapezoidal fuzzy
sets ‘to reduce development and
execution time’
• 9 rules

11/53
Results

• Fuzzy strategy could reduce herbicide application by 5 to 24%;

On/Off strategy resulted in a reduction of 15 to 64%

12/53
Conclusion

• Precision farming herbicide application system

• Conventional method applies herbicide uniformly across field
• Proposed method processes images taken from cornfields.
Fuzzy system controls herbicide sprayer based on weed map
• Effective weed control, cost reduction, minimization of soil and
water pollution

13/53
A03 – Ball and beam

• State-space model based on

first principles
• Takagi-Sugeno fuzzy model

14/53
 Rule example and experimental setup

Y.-H. Chang, W.-S. Chan, C.-W. Chang. “TS fuzzy model-based adaptive dynamic surface
control for ball and beam system.” IEEE Trans. Industrial Electronics, 60(6), 2013.

15/53
Comparative results

16/53
Conclusion

• Adaptive T-S fuzzy controller for ball and beam system

• Estimation of uncertainty bounds for improved robustness and
smoothness
• Guaranteed closed-loop stability

Ap2a.mp4 (Ball and beam)

Ap2b.mp4 (Ball and plate)

17/53
A04 – Recommender system

• E-commerce
(online shopping)
• Problem: show the best
products to satisfy
buyers needs
• Preference of costumers
→ Laptop suggestions
Expert Fuzzy System

Ojokoh, B.; et al. “A Fuzzy Logic Based Personalized Recommender System.” Int.
Journal of Computer Science and Info. Technology & Security, Vol. 2, No. 5, 2012

18/53
Input interface

• Inputs: 12
• 50 laptops
– Acer
– Dell
– HP
– Sony
– Toshiba

19/53
Output interface

20/53
Conclusion

• Fuzzy expert system to recommend laptops

• Help buyers to make decisions; improve satisfaction
• Make online shopping more interesting and profitable to
buyers and sellers
• Recommendation score given by the users/buyers can be used
as feedback to improve the fuzzy system performance

21/53
A05 – Time series prediction

Electricity load
• predict future power demand
• important for scheduling, power exchange...
• forecast errors can be risky

Streamflow
• predict stream flow for operation planning
• power systems, water resources
• social and economic impact

Leite, D.; Costa, P.; Gomide, F. “Interval-based evolving

modeling” IEEE ESDIS Workshop, pp. 1-8, 2009
22/53
Method

• Interval-based evolving modeling

Rules Ri governing information granule γi

lji, Lji, j = 1, ..., n lower and upper bounds of xj

uki, Uki, k = 1, ..., m lower and upper bounds of yk
pki, k = 1, ..., m local functions associated with granule γi

23/53
Online learning

• Creates and updates granules and rules

• Refines and deletes rules
• Chooses model granularity
• Merges granules
• Detect outliers
• Covers gaps
• Approximates function

24/53
Data

Electricity load
• 304 daily average: May 1st, 2000 - February 28th, 2001
• 3 inputs: 𝑥(𝑘 − 2), 𝑥(𝑘 − 1), 𝑥(𝑘) (MW/h)
• 1 output: 𝑥(𝑘 + 1) (MW/h)

Streamflow
• 3640 weekly average from 1931 to 2000 (Fortaleza River)
• 3 inputs: 𝑥(𝑘 − 2), 𝑥(𝑘 − 1), 𝑥(𝑘) (m3/s)
• 1 output: 𝑥(𝑘 + 1) (m3/s)

25/53
26/53
Conclusion

• Rule-based modeling and prediction approach

• Online learning algorithm
• Provides numeric and interval outputs
• Interval output comes with linguistic description

27/53
A06 – Parkinson telemonitoring

• Parkinson’s disease: neurodegenerative disorder

• A symptom: vocal impairment (dysphonia)
• 5875 biomedical voice measurements
• 42 early-stage patients
• 16 inputs: amplitude/frequency speech signal
• Output: Unified Parkinson’s disease rating
scale (UPDRS)

Leite, D.; Costa, P.; Gomide, F. “Evolving Granular Neural Networks from Fuzzy
Data Streams.” Neural Networks 38, 1-16, 2013

28/53
Tsanas, A.; et al. “Accurate telemonitoring of Parkinson’s disease progression by
non-invasive speech tests.” IEEE Trans. on Biomedical Engineering, 2009

29/53
Method

• Evolving fuzzy neural

network
– Online learning from
fuzzy data
– Fuzzy granulation
– Fuzzy neuron

30/53
Attribute selection

• Leave one-variable out method

→ Improves accuracy, speeds up learning, and provides
easier-to-interpret models

31/53
32/53
Comparative results

Neuro-Fuzzy
Fuzzy

33/53
Conclusion

• Evolving fuzzy neural network

• Uncertain data stream processing
• Remote monitoring of the evolution of the UPDRS score
• Accuracy and model interpretability (help experts)

34/53
A07 – Autonomous robot navigation

• Go to goal and obstacle

avoidance
• Reactive control problem
• Adaptive fuzzy driver
• Unknown environment

Leite, D.; Gomide, F. “Evolving Linguistic Fuzzy Models from Data Streams.” In:
Combining Experimentation and Theory, Springer – Berlin, 209-223, 2012

35/53
Fuzzy model

• Rules

• Membership functions

36/53
Results

Fuzzy

Neuro-fuzzy

37/53
Granular output

38/53
Conclusion

• Adaptive fuzzy controller

• Robust obstacle avoidance
• Learning from stream of sensor data
• Combine Mamdani and Takagi-Sugeno FIS

39/53
A08 – Hurricane track forecasting

• Evolving fuzzy model

• 6-hour prediction of
tropical cyclone tracks
• Katrina, Sandy, Wilma
• Satellite images from the
National Hurricane Center

Soares, E.; Camargo, H.; Camargo, S.; Leite, D.; “Incremental Gaussian Granular
Fuzzy Modeling Applied to Hurricane Track Forecasting.” IEEE World Congress on
Computational Intelligence, 8p. Jul. 2018
40/53
Method: FBeM-G

• Gaussian fuzzy evolving model

– Online incremental learning
– Gaussian Fuzzy granulation
– Recursive Least Squares

41/53
Ensemble of models

• TEDA Predict
(data clouds)
• eTS
(fuzzy clusters)
• xTS
(fuzzy clusters)

42/53
43/53
Conclusion

• Accurate predictions of Sandy, Wilma and Katrina

• Particularities: enclosure and linguistic description

• Use of ‘best track’ info not allowed in real-time (latitude,

longitude, pressure, maximum sustained wind, and wind
radii in different quadrants within a 12-hour time window)
• Competitive with current equational models?

Sandy.mp4

44/53
Other applications

• Automatic transmission, cruise control • Rice cookers, dish washers

• Air conditioners, cameras • Meteorology
• Smart traffic light • Production and inventory planning
• Inverted pendulum control • Fuzzy optimization
• Natural resources management • Medical diagnosis
• Assistive technologies • Pac-Man (ghost rules)
• Video games, toys and entertainment • Hazards and disasters
• Robot soccer • Information retrieval and extraction
• Industrial process monitoring • Libraries
• Economical risk quantification • Marketing and costumer relations
• Prediction of interest rates, market volatility • Biomedicine
• Music rhythm recognition • Military
• Image processing • Transportation and shipping

45/53
I SSF Program - 2015

[1] “Sistemas Fuzzy para Previsão Comportamental do Mercado de Ações”.

Flávio de Morais, Júnior Alvarenga, Danielle Alcântara
[2] “Agrupamento Fuzzy para Predição de Níveis de Conforto Térmico de
Codornas de Postura”. André Amaro
[3] “Modelagem Fuzzy para Previsão da Temperatura em Cidades com
Padrões Climáticos Diferenciados”. Vania Mota
[4] “Aplicação de Sistemas Fuzzy para Identificação de Parâmetros de
Funções de Transferência”. Bruno Fonseca, Henrique Barbosa
[5] “Previsão da Demanda de Energia da UFLA via Modelo Fuzzy”. Rudney
Amaral, Mateus Vieira, Márcio Santana
[6] “Aplicação de Sistemas Fuzzy na Produção de Biochar”. Danieli Barros
[7] “Rede Neural Granular Evolutiva Fuzzy Aplicada ao Monitoramento da
Doença de Parkinson”. Daniel Leite

46/53
II SSF Program - 2016

[8] “Aplicação de Sistemas Fuzzy para Tomada de Decisão no Mercado Financeiro”. José
Wiler
[9] “Previsão de Temperatura Mensal Utilizando Redes Neuro-Fuzzy Evolutivas”. Eduardo
Soares, Vania Mota
[10] “Modelagem Fuzzy NARX para Estimação da Velocidade de UGVs”. Eduardo Zampieri,
Pedro Braz
[11] “Métodos de Agrupamento Fuzzy para Reconhecimento de Padrões de Conforto
Térmico de Frangos de Corte”. Kleber Carvalho, Gabriel Cambraia
[12] “Controle Fuzzy Tipo Mamdani de Sistema Ball and Plate”. Pedro Siqueira, Laís Ramos
[13] “Detecção de Spam via Algoritmos de Agrupamento Fuzzy”. Ricardo Pouças, Stella
Dornellas
[14] “Métodos de Agrupamento Fuzzy para Reconhecimento de Padrões de Afundamento
de Tensão”. Erick Nagata
[15] “Classificação de Ritmos Musicais Baseada em Sistemas de Regras Fuzzy”. Vancley
Simão, Mônica Canaan
[16] “Classificação Fuzzy dos Índices IGC e RUF de Universidades”. Carlos Eduardo Correia,
Cássio Monte
[17] “Predição de Fundo de Poço: Problema Petrobrás”. Thiago Ribeiro, Rennan Alves

47/53
III SSF Program - 2017/1
[18] “Previsão Fuzzy NARX da Demanda de Energia Residencial”. Carlos Rufino, Marielle Jordane
[19] “Controle Lateral e Longitudinal de Veículo Autônomo baseado em Sistema Fuzzy”. André
Braga, João Paulo Tavares
[20] “Classificação de Perfil de Condutores baseada em Sistema Neuro-Fuzzy ANFIS”. Andrey
Souza
[21] “Regressor Fuzzy para Estimação de Requerimento Enérgico Metabólico de Gado”. Robson
Lima
[22] “Previsão Fuzzy de Precipitação e Implicações na Geração de Energia”. Levitan Cambraia
[23] “Rede Neuro-Fuzzy ANFIS Aplicada à Navegação de Veículo Autônomo em Ambiente
Desconhecido Variante no Tempo”. Eduardo Vilela, Jordan Almeida
[24] “Sistema de Monitoramento e Controle Fuzzy para Climatização de Ambientes”. Lucas
Oliveira, Cosme Silva
[25] “Sistema Fuzzy Takagi-Sugeno para Imputação de Dados Faltantes”. Cristiano Garcia
[26] “Default de Crédito: Aplicação de Sistemas Fuzzy para Classificação de Empresas”. José
Willer
[27] “Rede Neuro-Fuzzy para Estimação do Grau de Parkinson baseada em Sintomas Não-
Motores”. Nayara Janice, Stella Dornelas

48/53
IV SSF Program - 2017/2

[28] “Análise de Dados de Língua Eletrônica baseada em Algoritmos Fuzzy”. Luiz Paulo
[29] “Classificação e Detecção de Ilhamento Utilizando Sistema de Inferência Fuzzy”. Rayane
Guimarães
[30] “Controle Cinemático de um Robô Móvel utilizando Controlador Fuzzy para Seguir
Trajetórias”. Luan Mendes
[31] “Clusterização Fuzzy Incremental Bottom-up a partir de Fluxos de Dados”. Tamyres Pereira
[32] “Classificação Fuzzy das Condições de Conforto Ambiental em um Galpão Cunícula com
Lanternim”. Maria Alice Silva
[33] “Comparação de Detectores Neural e Fuzzy de Direção da Propagação do Sinal Sonoro”.
William Machado
[34] “Sistema de Inferência Fuzzy Aplicado à Diagramas de Decisões para Gestão da
Manutenção”. Lucas Oliveira
[35] “Previsão Fuzzy de Série Temporal de Precipitação de Chuva”. Jampierre Rocha
[36] “Controlador Fuzzy Mamdani para TORCS”. Luiz Carlos Brandão

49/53
V SSF Program - 2018/1

[37] Comparação entre rede neuro-fuzzy ANFIS-Subtractive Clustering e rede neural

MLP-Levemberg-Marquardt para Detecção de Câncer de Mama, Leomar Marques
[38] Rede Neuro-Fuzzy Adaptativa para Detecção de Arestas em Imagem, Paulo
Roberto Marques
[39] Controle Fuzzy Takagi-Sugeno da Temperatura do Processo de Torra do Café,
Daniele Oliveira
[40] Clusterização Fuzzy C-Means e Gustafsson-Kessel para Reconhecimento de
Padrões em Imagens, Anderson Pereira
[41] Imputação Online de Dados Faltantes via Sistema Fuzzy Granular, Cristiano Garcia
[42] Modelo Fuzzy Gaussiano Recursivo aplicado à Estimação de Rotas de Ciclones
Tropicais, Eduardo Soares, Daniel Leite

50/53
VI SSF Program - 2019/2
[43] Comparação de redes neuro-fuzzy ANFIS e Fuzzy ARTMAP para previsão de doença no
cafeeiro. Thiago Andrade
[44] Sistemas neuro-fuzzy ANFIS para estimativa e previsão do volume de madeira em plantios
de Eucalyptos grandis. Rafael Menali
[45] Processamento de linguagem natural via Word2Vec para extração de variáveis e projeto de
modelo fuzzy para classificação de texto. Rafael Sousa, Fernanda Silva, Aleson Chaves
[46] Métodos Fuzzy Evolutivos Não-Supervisionados para Clusterização de Fluxos de Dados EEG
gerados por Potencial Visual Evocado. Danyellen Gonçalves
[47] Variações do método Mountain Clustering aplicado a bases de dados médicas. Franciele
Ferreira, Thiago Souza
[48] Seleção de portifólio de investimentos utilizando rede neuro-fuzzy ANFIS. Obede Carvalho
[49] Unsupervised Fuzzy eIX: evolving Internal-eXternal fuzzy clustering. Charles Aguiar
[50] Métodos de clusterização fuzzy para aprendizado não-supervisionado dos termos
antecedentes de redes neuro-fuzzy ANFIS. Alexandre Tavares, Pedro Henrique Nunes
[51] Previsão neuro-fuzzy ANFIS-NARX de radiação solar horária. Edlaine Andrade, Marcus
Moreira
[52] Abordagens não-supervisionadas de modelagem fuzzy baseadas em filtro notch, landmark
windows, e seleção de atributos PCA para reconhecimento de múltiplas faltas em linhas de
transmissão. Gabriel Fonseca, Frederico Mota
51/53
VII SSF Program - 2020/2
[53] Detecção de Faltas em Hidrogeradores via Sistema Fuzzy e Neural. Bruno M. R. Oliveira
[54] Sistema Neuro-Fuzzy Adaptativo ANFIS para Previsão de Séries Temporais Financeiras.
Rodrigo M. S. Zacaroni
[55] Algoritmos Não-Supervisionados para Suporte à Tomada de Decisão e Diagnóstico de
Covid-19 usando Dados de Tomografia. Luis O. Santos, Taís Alvarenga
[56] Identificação automática de dados espúrios no Cadastro Ambiental Rural com o uso de
Rede Neuro-Fuzzy Adaptativa. Fernando E. M. Borges
[57] Rede Neuro-Fuzzy e Modelo SARIMA para Previsão de Commoditie Agrícola. Nélio L.
Freire Jr.
[58] Projeto de Sistemas de Inferência Fuzzy Mamdani e Takagi-Sugeno para Previsão do
Desempenho de Conversão Alimentar de Frangos de Corte. Marcelo Bahuti
[59] Seleção Evolucionária de Atributos para Estimação de Estoque de Carbono via Modelo
Neuro-Fuzzy GA-DENFIS. Evandro Miranda
[60] Segmentação Fuzzy para Estimação da Quantidade de Grãos Processados em
Equipamento de Classificação. Henrique G. G. Silva

52/53
Observação
Este material refere-se às notas de aula do curso PSI-
531, Sistemas Fuzzy, do Programa de Pós-Graduação em
Engenharia de Sistemas e Automação da UFLA. Ele não
substitui as referências recomendadas. Este material
não pode ser reproduzido sem autorização dos autores.
Quando autorizado, seu uso é exclusivo para ensino em
instituições sem fins lucrativos.

53/53