gico

Instituto Tecnolo
De La Laguna
n de Estudios de Posgrado e Investigacio
n
Divisio

Control Inteligente

Tarea 4: Control Difuso

Adaptable aplicado a un
ndulo
sistema carro-pe
Alumno:
Wismark Z.
Casta
non Pastrana

Profesor:
Dr. Miguel Angel
LLama Leal

7 de junio de 2015

Control Inteligente

1.

2. Desarrollo

Introduccin

El trabajo esta succionado en en 3 partes principales la primera muestra la explicacin

acerca del controlador desarrollado, en esta seccin se muestra el desarrollo de cada una de
las partes del controlador: ley de control, ley de adaptacin, sistemas difusos, etc. La segunda
parte del trabajo muestra los parmetros calculados y seleccionados para cada elemento del
controlador. La ultima seccin muestra los resultados obtenidos al simular el controlador para
la planta propuesta. Dichas simulaciones fueron echas en el paquete Simulink de MATLAB r

1.1.

Objetivo

El objetivo del presente trabajo es aplicar la metodologa del control difuso adaptable
indirecto a una planta no lineal, para ste caso nuestra planta ser el sistema carro-pndulo.
1.1.1.

Objetivos especficos

Establecer una ley de control

Disear Una ley de adaptacin difusa
Disear el sistema difuso
Simular
-

2.
2.1.

Desarrollo
Control Difuso Adaptable Indirecto

Dado que un sistema difuso es un aproximador universal de funciones [3], se puede utilizar
para identificar una planta y desarrollar un control adaptable difuso indirecto para controlar
esa planta.
Dado un sistema No lineal en la forma
x(n) = f (x) + g(x) u
y=x

(1)

Control Inteligente

2. Desarrollo

donde
iT

x =

x1 x2 . . . xn

x =

x x . . . xn1

iT

xn representa la nesima derivada de x

u = seal de control
y = salida de la planta
La ley de control propuesta que linealiza la planta es dada por
i
1 h
(n)
f (x) + k T e + ym
g(x)

u =
ym

(2)

es la referencia deseada, por lo que

(n)
ym
es su nesima derivada
e = ym y ; e = ym x

iT

e =

e e . . . e(n1)

kn kn1 . . . k1

iT

La ecuacin de lazo cerrado se obtiene sustituyendo (2) en (1)

(

(n)

= f (x) + g(x)

i
1 h
(n)
f (x) + k T e + ym
g(x)

(n)
x(n) = k T e + ym
(n)
x(n) = k T e + xm
(n)
0 = k T e + xm
x(n)

{z

en

0 = k T e + en
k T e + en = 0

Ecuacin dif. de orden n

e(n) + k1 e(n1) + + kn e = 0

(3)

dado que f (x) y g(x) se suponen desconocidos, el controlador difuso adaptable las aproximar mediante las funciones fb(x) y gb(x) por lo que la ley de control adaptable difusa por
linealizacin entrada-salida se convierte en
u = uI
i
1 h b
(n)
uI =
f (x) + k T e + ym
gb(x)

(4)

La ecuacin de lazo cerrado se obtiene sustituyendo (4) en (1) y algunas manipulaciones

en

= k T e + fb(x|f ) f (x) + [ gb(x|g ) g(x) ] uI

(5)

Control Inteligente

2.2.

2. Desarrollo

Diseo de los aproximadores difusos

Se utilizar un sistema difuso con inferencia producto, conectiva entre premisas AN D y

defusificador centro promedio.
p1
p2
X
X

fb(x|f ) =

l1=1

p2
X

l1=1

l2=1

p1
p2
X
X

gb (x|g ) =

l1=1

...

l2=1
p1
X

pn
X

(l1 ,l2 ,...,ln )

yf

...

l2=1
p1
X

p2
X

l1=1

l2=1

Ali (xi )
i

i=1

ln=1

...

pn
X

n
Y

pn
X

n
Y

ln=1

i=1

Ali (xi )
i

(l1 ,l2 ,...,ln )

yg

n
Y

B li (xi )
i

i=1

ln=1

...

pn
X

n
Y

ln=1

i=1

(6)

B li (xi )
i

Para desarrollar el comportamiento adaptable separamos la ecuacin (6) en una parte fija
y otra variable; esto es:
Qn

fb (x|f ) = fT (x) ;

(x) R

gb (x|g ) = gT (x) ;

(x) R

i=1

pi

Qn

pi

i=1

donde
n
Y

l1 ,l2 ,...,ln (x) =

l1=1
p1
X

p2
X

l1=1

l2=1

n
Y

ln=1

i=1

...

l1=1
p1
p2
X
X
l1=1

l2=1

...

pn
X

n
Y

l1 ,l2 ,...,ln (x) =

Ali (xi )
!

Ali (xi )
i

B li (xi )
i

pn
X

n
Y

ln=1

i=1

B li (xi )
i

mientras que las partes variables estn dadas por fT y gT ; es decir, por las funciones de
membresa de salida y l1 ,l2 ,...,ln de cada uno de los sistemas difusos fb y gb. Lo que vara es la
posicin de los impulsos

Control Inteligente

2. Desarrollo

Figura 1: Funcin de membresa de salida

2.3.

Diseo de la ley de adaptacin

Los parmetros f y g se obtienen con una ley de adaptacin calculada a partir del
mtodo de Lyapunov
Sea

A=

0
1
0
0
0
0
1
0

0
0
0
0
kn kn1
y;

0
0
0
0

0
1
k1

e=

e e en1

e =

e e en

b=

0
1

entonces la ec. de lazo cerrado (5) se puede escribir como:

i

e = A e + b { fb (x | f ) f (x) + [ gb (x | g ) g(x) ] uI }
{z

|
h

sumndole
i

(7)

fb (x | f ) fb (x | f ) + gb (x | g ) gb (x | g ) uI
h

e = A e + b { fb (x | f ) fb (x | f ) + gb (x | g ) gb (x | g ) uI +
h

+ fb (x | f ) f (x) + gb (x | g ) g(x) uI
|

{z

fb (x | f ) f (x) + gb (x | g ) g(x)

(8)

donde se define como el error de aproximacin mnimo siendo fb (x|f ) y gb (x|g ) los mejores
aproximadores de f (x) y g(x) respectivamente y f y g los parmetros de aproximacin
ptimos
e = A e + b

nh

fb (x | f ) fb (x | f ) + gb (x | g ) gb (x | g ) uI +
4

Control Inteligente

2. Desarrollo

e = A e + b

 

f f

T

(x) +



g g

T

(x) uI +
(9)

el objetivo es determinar el mecanismo de adaptacin tal que f f y g g de tal

forma que el error de lazo cerrado e sea mnima. Se propone la siguiente funcin candidata
de Lyapunov

V (e, f , g ) =

T 

T 

1 T
1 
1 
e P e+
f f
f f +
g g
g g
2
2 1
2 2

(10)

donde P es una matriz simtrica y definida positiva que satisface la ecuacin de Lyapunov
AT P + P A = Q

(11)

uI , 1 y 2 son constantes positivas, por lo tanto V (e, f , g ) es una funcin definida

positiva. La derivada temporal de V a lo largo de la trayectoria del sistema de lazo cerrado
es:
T
T
1 
1 T
1
1 
V (e, f , g ) =
e P e + eT P e +
f f f +
g g g
2
2
1
2

(12)

sustituyendo la ecuacin de lazo cerrado (9) en (12)

i
T h
1 
1
V (e, f , g ) = eT P e + eT P b +
f f
f + 1 eT P b (x) + . . .
2
1


h
i
T
1
... +
g g
g + 2 eT P b (x) uI
(13)
2

V (e, f , g ) es definida negativa si:

f = 1 eT P b (x)
g = 2 eT P b (x) uI
si es suficientemente pequeo, lo cual depende de un buen diseo de los aproximadores
difusos fb y gb.

Control Inteligente

2. Desarrollo

Figura 2: Diagrama a bloques

2.4.
2.4.1.

Simulacin
Modelo del carro- pndulo y sus parmetros

El este trabajo solo se muestra el modelo del carro pndulo en ecuaciones de estados. La
informacin completa se encuentra en [1]. Dicho modelo es el siguiente
x 1
x2
0
x
[x 2 sin x + sin x cos x ]
2

4
3
3
3
=
+
u
x 3

0
x4
x 4
[ 2 x4 2 sin x3 cos x3 + sin x3 ]
x3

donde
=m+M
= ml2 + I
= ml
= mgl
1
=
2 cos2
x1 = x
x2 = x
x3 =
x4 =

(14)

Control Inteligente

2.4.2.

2. Desarrollo

Parmetros para el controlador

El programa del controlador para su simulacin se llevo a cabo mediante el paquete

Simulink dentro del software MATLAB r . Los valores para los diversos parmetros as como
para los elementos de los sistemas difusos presentes en el trabajo se mencionan a continuacin.
Ganancias de las ecuaciones lineales
"

kp
kd

1
= 20
seg 2
"
#
1
= 15
seg

Matriz P
"

800 50
P =
50 3.35
Constantes de adaptacin

1 = 50
2 = 0.0000001;
Sistema difuso
Se empleo un sistema difuso para las aproximaciones de las funciones. El sistema difuso
tienen como entradas la velocidad y posicin del pndulo. Para formar cada sistema difuso
se emplearon 3 funciones de pertenencia triangulares para los elementos intermedios y para
7

Control Inteligente

3. Resultados

los extremos se usaron 2 funciones de pertenencia pseudotrapezoidales. Las mismas funciones

de pertenencia se usaron para los 2 sistemas del sistema. Dichos sistemas se muestran en la
figura 3.

Figura 3: Funciones de pertenencia de entrada

Cada sistema difuso cuenta con 3 sistemas difusos. La particin del universo de discurso
fueron seleccionados como
px = 23, 15, 0, 15, 23[grad]
px = 115, 75, 0, 75, 115 [grad/s]

3.

Resultados

Las siguientes imgenes muestran los resultados de los comportamientos de las diferentes
variables de inters en el sistema.

Control Inteligente

3. Resultados

Posicin del Pndulo

0
20
40

[grad]

60
80
100
120
140
160
180

10
t [seg]

12

14

16

18

20

16

18

20

Figura 4: Posicin del pndulo

Psicin del Carro

0

2000

x [m]

4000

6000

8000

10000

10
t [seg]

12

14

Figura 5: Posicin del carro

Control Inteligente

4.

4. Conclusiones

Conclusiones

Se puede observar que el rendimiento en simulacin no es para nada aceptable, sin embargo
se realizaron demacradas simulaciones en las que se modifico el controlador y adems se
variaron los diversos parmetros que afectan el rendimiento del controlador, y an as no se
logro obtener la respuesta deseada del sistema ante la excitacin de la salida u del controlador.
Por esta razn se decidi colocar los resultados de simulacin obtenidos del sistema diseado
en Simulink con los valores paramtricos obtenidos en [1]. En un trabajo posterior seria ideal
revisar el cdigo escrito en este trabajo para descartar errores en ecuaciones o en la escritura
del modelo de la planta.

10

Referencias
[1] Hugo Centeno,ontrol adaptale de sistemas mecatrnicos: Aplicacin experimental a
un carro pendulo y a un robot de 2 g.d.l.",Instituto Tecnolgico de la Laguna, Apdo.
Postal 49, Adm. 1 Torren Coahuila, MXICO, 2008.
[2] Miguel A. Llama, Rafael Kelly, and Victor Santibaez,and Hugo Centeno An Adaptive Fuzzy Controller for Robot Manipulators: Theory and Experimentation, Instituto Tecnolgico de la Laguna, Apdo. Postal 49, Adm. 1 Torren Coahuila,
27001, MXICO
[3] L. X. Wang, A course in fuzzy systems and control, Prentice-Hall International,Inc.
1997.