Sie sind auf Seite 1von 54

SISTEMAS DE CONTROL

AUTOMTICO FUZZY
Preparado por: Ing.-Mg. Herman Aroca
FUNDAMENTOS DE LGICA DIFUSA

Lofti Zadeh padre


De la lgica fuzzy

V V

F F
EJEMPLOS

Defina los siguientes conceptos:


Algunas mujeres jvenes son inteligentes

Algunos hombres maduros son responsables.

Sgueme de cerca.

El automvil est limpio.

Otros ejemplos . . . . . . .
CUNDO USAR LGICA DIFUSA?

(Sur, Omron, 1997)


En procesos complejos, si no existe un modelo de solucin sencillo.
En procesos no lineales.
Cuando haya que introducir la experiencia de un operador experto que se
base en conceptos imprecisos obtenidos de su experiencia.
Cuando ciertas partes del sistema a controlar son desconocidas y no pueden
medirse de forma fiable (con errores posibles).
Cuando el ajuste de una variable puede producir el desajuste de otras.
En general, cuando se quieran representar y operar con conceptos que tengan
imprecisin o incertidumbre (como en las Bases de Datos Difusas).
CUNDO NO USAR LGICA DIFUSA?

Si puedes resolver el problema con otra tcnica ms sencilla.


APLICACIONES

(Sur, Omron, 1997; Zimmermann, 1993):


Control de sistemas: Control de trfico, control de vehculos
(helicpteros...), control de compuertas en plantas hidroelctricas, centrales
trmicas, control en mquinas lavadoras, control de metros (mejora de su
conduccin, precisin en las paradas y ahorro de energa), ascensores...
Prediccin y optimizacin: Prediccin de terremotos, optimizar horarios...
Reconocimiento de patrones y Visin por ordenador: Seguimiento de
objetos con cmara, reconocimiento de escritura manuscrita, reconocimiento
de objetos, compensacin de vibraciones en la cmara
Sistemas de informacin o conocimiento: Bases de datos, sistemas expertos
CONCEPTO DE FUNCIONES DE MEMBRESA

Grafique el conjunto difuso de aquellas personas con edades cercanas a los 50


aos.

30 50 70 30 50 70
OTRAS FUNCIONES DE MEMBRESA

TRIANGULAR

1.0

0.5

0.0
0 50 100
FUNCIONES DE MEMBRESA

TRAPEZOIDAL

1.0

0.5

0.0
0 50 100
FUNCIONES DE MEMBRESA

GAUSSIANA

1.0

0.5

0.0
0 50 100
FUNCIONES DE MEMBRESA

SIGMOIDE

1.0

0.5

0.0
0 50 100
EJEMPLO: ESTATURA DE LAS PERSONAS

CONTRASTE ENTRE LGICA BINARIA Y LGICA DIFUSA


VARIABLES LINGSTICAS

EJEMPLO: VARIABLES LINGSTICAS PARA LA VELOCIDAD DE UN VEHCULO

Se pueden extraer otras variables lingsticas: DP, D, DG, MP, M, MG, RP, R, RG
SISTEMA DE CONTROL AUTOMTICO
FUZZY
FUNCIONAMIENTO

La fusificacin tiene como objetivo convertir valores reales en valores


difusos.
La base de conocimiento contiene el conocimiento asociado con el dominio de
la aplicacin y los objetivos del control.
La inferencia relaciona los conjuntos difusos de entrada y salida para
representar las reglas que definirn el sistema mediante el uso de
condiciones.
La defusificacin realiza el proceso de adecuar los valores difusos generados
en la inferencia en valores reales, que posteriormente se utilizarn en el
proceso de control.
FUZZIFICACIN

Dicha transformacin de las seales de entrada, se realiza mediante las


funciones de membresa
BASE DE CONOCIMIENTO O MEMORIA
ASOCIATIVA FUZZY (F.A.M)
All se encuentran redactadas las reglas de funcionamiento del cerebro
fuzzy, a travs de sentencias If then
El tamao de la FAM depender del nmero de combinaciones posibles de las
entradas (dependiendo del nmero de variables lingsticas definidas)
Si el tamao de la FAM es grande, tericamente el controlador se
transformar en un pequeo cerebro humano, capaz de razonar, pero a costa
de un mayor esfuerzo computacional.
Ejemplo:
INFERENCIA

La inferencia relaciona matemticamente las diferentes reglas que son


activadas por alguna seal de entrada, normalmente mediante la operacin
MNIMO ().
DEFUZZIFICACIN: MTODO DEL
CENTROIDE
Aplica para la seal de salida del controlador difuso.
Control Fuzzy tipo Mandami versus
Takagi-Sugeno
CONTROLADOR BS-2300

CONTROLADOR PID CON SINTONIZADOR FUZZY


TIPOS DE CONTROL FUZZY

CONTROL
FUZZY

FUZZY FUZZY P, PI, PD


CONVENCIONAL Y PID
CONTROLADOR FUZZY TIPO P Y PD

TIPO P:
TIPO P
TIPO PD
TIPO PD
Otra variante (T. Brehm; S. Rattan, IEEE)
CONTROLADOR FUZZY PI

Aplicar una integral a la entrada del controlador fuzzy:


TIPO PI (T. Brehm; S. Rattan, IEEE): considerando como entrada al FLC la
integral del error.
CONTROLADOR PID FUZZY
PID FUZZY CON 5 VARIABLES LINGUSTICAS
EJEMPLO 1:

Controlar un proceso, cuya funcin de transferencia est dado por:

Compare con un controlador PI convencional.


EJERCICIO 2: CONTROL FUZZY PARA UN
INVERNADERO (ejercicio hecho a la medida)
DECLARANDO VARIABLES DE ENTRADA
DEFINIENDO FUNCIONES DE MEMBRESA
VARIABLE DE CONTROL: SALIDA
BASE DE CONOCIMIENTO O F.A.M
SOMETIENDO A PRUEBA EL
CONTROLADOR CON MATLAB
FUZZYFICACIN
REGLAS ACTIVADAS
DEFUZZYFICACIN POR MTODO DEL CENTROIDE

SALIDA: bajar la calefaccin en 1,2 C


EJERCICIO 3.

Realizar lo mismo que lo anterior, pero ahora considere que la seal del
controlador va dirigida hacia una vlvula que va de 0% hasta 100% de
apertura.
EJERCICIO 4: ejercicio prctico con
modelo real de una planta
Se tiene un sistema de control de nivel para un estanque, cuya funcin de
transferencia fue obtenida en terreno:

1
=
30 + 1

Disee un controlador: PD y PI fuzzy que permita controlar el proceso de


nivel.
EJERCICIO 5: IDENTIFICACIN DE
SISTEMAS Y POSTERIOR DISEO FUZZY
Se tiene un proceso industrial que se requiere controlar mediante un control
fuzzy. Este proceso consiste en un sistema de bombeo, en donde se requiere
controlar la presin y mantenerlo a un valor seguro de funcionamiento de 18
[psi]. Para ello, el ingeniero dispone de las siguientes mediciones realizadas
en terreno:
HZ Psi
5 0
10 3,2
15 6,6
20 9,3
25 12,1
30 15
35 17,9
40 22
45 24
50 26
Uso de System Identification Tools de
Matlab
Una vez obtenida la funcin de transferencia del sistema mediante MATLAB,
se procede a disear el control fuzzy.