| A. Ciências Exatas e da Terra - 2. Ciência da Computação - 6. Inteligência Artificial e Redes Neurais |
|
| OTIMIZAÇÃO DO CONSUMO EM LOCOMOTIVAS: UMA ABORDAGEM REATIVA |
|
Pâmela de Assis Beltrani - Aluna do curso de Ciência da Computação - PUCPR
Fabrício Enembreck - Prof. Dr/Orientador - Escola Politécnica - PUCPR
|
|
|
|
| INTRODUÇÃO: |
| Está sendo desenvolvido no laboratório de Agente de Softwares da PUCPR o projeto CAT (Condução Automática de Trens) com o objetivo de desenvolver ferramentas computacionais utilizando Inteligência Artificial para possibilitar o controle seguro e eficiente de uma composição férrea. |
|
| OBJETIVO DO TRABALHO: |
| O objetivo deste projeto consiste em desenvolver um controlador automático e reativo de trem com o mínimo de modelagem matemática e integrá-lo ao equipamento de simulação presente no laboratório de agentes na PUCPR. |
|
| MÉTODOS: |
| Para o desenvolvimento deste trabalho foi feita uma revisão bibliográfica sobre o assunto, a aquisição dos dados e a seleção dos cenários da simulação, a implementação do controlador reativo e a avaliação deste controlador. Essa sequência foi necessária, pois para conduzir um trem são utilizadas regras de condução muito diferentes das utilizadas para a condução de outros meios de transporte graças ao sistema de folgas presente entre os vagões e a presença de um sistema de frenagem composto por freios que utilizam regras de aplicação e soltura diferentes entre si. Além disso, durante a etapa de aquisição e implementação foi necessário construir um novo software para capturar novos dados que não estavam disponíveis no início do projeto. A partir disso foi possível começar a especificação e a codificação do projeto durante a etapa de implementação para finalmente ser possível obter os dados e avaliar o desempenho deste agente. |
|
| RESULTADOS E DISCUSSÃO: |
| A partir dos dados obtidos é possível observar que a condução feita por um humano ainda é mais eficiente para a redução do consumo de combustível. Ao final dos experimentos o agente apresentou 88,956% do tempo com condução ótima enquanto o humano apresentou 90,528%. Entretanto, com relação ao conforto de condução (uso das folgas) a diferença foi de apenas 0,03% entre o agente e o humano. Dessa forma, o agente se mostrou capaz de conduzir de maneira reativa, o que é algo que não havia sido feito anteriormente utilizando o mínimo de modelagem matemática. |
|
| CONCLUSÕES: |
| A construção de um agente reativo para a condução de trens se demonstra um desafio interessante, porém com o entendimento dos conceitos necessários foi possível construir um agente com um desempenho interessante, comparável ao desempenho de um condutor humano. |
|
|
| Palavras-chave: Inteligência Artificial, Agentes Reativos, Otimização de Consumo de Combustíveis. |