CONTROL INTELIGENTE TALLER N°1

Calvache Christian
Control Inteligente
Ingeniería Electrónica
Institución Universitaria Cesmag
calvachechristian@hotmail.com.

Resumen- En este trabajo se considera el problema de la

estabilización por realimentación del denominado sistema
Oscilador Traslacional con Actuador Rotacional (sistema
−360 < 𝑥(𝑡) < 360
TORA), por sus siglas en inglés, por lo tanto, se presenta −2𝜋 < 𝑥(𝑡) < 2𝜋
el diseño y la simulación de un controlador fuzzy con
retroalimentación derivativa; para a ello se realiza el Una vez establecido el valor del error, se define la
diseño del controlador difuso y la simulación, a través de
la herramienta computacional MatLab, teniendo en referencia que en este caso es , y el experto decide un
cuenta variables lingüísticas, funciones de membrecía, tiempo de 𝑡 = 2𝑠 por lo que a cada punto del error debe
premisas y el método de centro de gravedad, además el ser divido entre el tiempo establecido, por ende los
ajuste de un sistema PID para la implementación de varias valores derivada del error se mantienen en el siguiente
pruebas en la simulación. Finalmente se realizó una
comparación con el trabajo previo realizado sobre este rango:
tema y así conocer el funcionamiento de cada etapa
presente en el diseño. −180 < 𝑥(𝑡) < 180
−𝜋 < 𝑥(𝑡) < 𝜋
Palabras Clave- Automatismos, Control fuzzy, PID
Una vez calculado los valores del error y la derivada del
error se continua a la normalización.
I. INTRODUCCIÓN
El campo de la electrónica en esta época es muy amplio, En la figura 1 se observa los valores de error y derivada
y además se encuentra en un crecimiento exponencial. del error normalizados entre 0 y 1, además se encuentran
Los diferentes procesos sean industriales, mecánicos, de los picos en los cuales se encuentran las variables
medición, requieren diferentes etapas, pero en el proceso lingüísticas.
se ve latente un error que en cierta medida afecta el
resultado; resaltando a los Para la grafica de fuerza el experto define la fuerza en
sistemas de control los cuales ayudan con la 10N, por lo que la grafica toma estos nuevos valores,
modificación continua de variables del sistema ayudando como se muestra en la figura 2.
a que su error sea cada vez menor y se vaya ajustando a
las necesidades deseadas.
b. Tabla de reglas y variables lingüísticas:
El objetivo de este informe es dar a conocer los pasos de
un controlador para el sistema TORA, el cual debe pasar En el diseño propuesto para realizar la tabla de reglas se
por diferentes etapas como variables lingüísticas, tabla de requieren unas variables, las cuales se denominan
reglas, funciones de membrecía, entre otras; todo lo variables linguisticas expuestas a continuacion:
mencionado anteriormente será complementado con lo
visto en clase, detalladamente sobre control difuso y PID.  Negbig Nb = -3
Los procesos serán descritos a lo largo del desarrollo de  Negmed Nm = -2
este informe, teniendo como objetivo fundamental el  Negsmall Ns = -1
diseño y simulación del controlador fuzzy.  Zero Z = 0
 Possmall Ps = 1
 Posmed Pm = 2
II. DISEÑO DEL CONTROLADOR  Posbig Pb = 3

a. Definición de rango de trabajo.

Para la definición de rangos se estableció el valor del

error en:
De la lista anterior se deduce la siguiente tabla: 𝑦11 = −3𝑥 + 9 Pm
𝑦12 = 3𝑥 − 8 Pb
Derivada del Error
-3 -2 -1 0 1 2 3
-3 3 3 3 3 2 1 0
-2 3 3 3 2 1 0 -1
E
r -1 3 3 2 1 0 -1 -2
r 0 3 2 1 0 -1 -2 -3
o
1 2 1 0 -1 -2 -3 -3
r
2 1 0 -1 -2 -3 -3 -3
3 0 -1 -2 -3 -3 -3 -3
Table 1 Tabla de reglas
Figure 2 Grafica µ(𝑓) 𝑣𝑠 𝑈(𝑁)
Con la tabla anterior, el control decide que acción tomar
con respecto a cada variable. La grafica de fuerza es utilizada para la ubicación de las
premisas y ver la confiabilidad de la certeza.
c. Funciones de membrecía
d. Programación y simulación en Matlab
Como lo dicho anteriormente los valores fueron
normalizados por lo que las funciones y ecuaciones de Para el diseño del controlador se utilizó una herramienta
membrecía para este control, están dadas por la figura 1, matemática llamada Matlab, la cual nos ayuda a simular
a la cual se le calculo el valor de cada pendiente como se calcular y pronosticar las premisas del sistema, también
observa a continuación. es muy útil para la obtención de la función de
transferencia, cabe resaltar que los valores ingresados
para la matriz A y B, fueron calculados a través de la
matriz de estados la cual se expresa de la siguiente
manera:

𝑥̇ = 𝐴. 𝑥̇ + 𝐵. 𝑈

En donde, 𝑈 es llamado vector de entradas, 𝐴 es la matriz

de estados y 𝐵 es la matriz de entrada. Estos valores se
Figure 1 Grafica µ(𝑓) 𝑣𝑠 𝑒(𝑟𝑎𝑑)
los ingresa en el siguiente código para obtener la función
de transferencia:
Para el cálculo de las pendientes, se utilizó la ecuación de
la recta, la cual está definida como:
A=[0 1 0 0;-4/3 0 0 0; 0 0 0 1; 2/3 0 0 0];
𝑦 = 𝑚𝑥 + 𝑏
B=[0;-2/3;0;4/3];
𝑦1 − 𝑦0
𝑚=
𝑥1 − 𝑥0 C=[0 0 1 0];

Una vez realizadas las operaciones correspondientes se D=0;

dedujeron las siguientes ecuaciones:
[num,dem]=ss2tf(A,B,C,D);
𝑦6 = −3𝑥 − 8 Nb
𝑦5 = 3𝑥 + 9 Nm tf(num,dem)
𝑦4 = −3𝑥 − 1 Nm
𝑦3 = 3𝑥 + 2 Ns
𝑦2 = −3𝑥 Ns El código anterior nos da la siguiente función de
𝑦1 = 3𝑥 + 1 Z transferencia.
𝑦7 = −3𝑥 + 1 Z
𝑦8 = 3𝑥 Ps
𝑦9 = −3𝑥 + 2 Ps 1.333 s^2 + 1.333
𝑦10 = 3𝑥 − 1 Pm s 4 + 1.333 s2

Una vez obtenida la función de transferencia se realiza la
simulación en simulink, como se muestra en la siguiente
figura.
 La ventaja de un controlador difuso es juntar el
lenguaje de maquina con el lenguaje común y
diseñar sistemas de control.
 No es recomendable aumentar en exceso el
tiempo del integrador, ya que si se aumenta
demasiado se produce un fenómeno conocido
como enrollamiento.

 Es importante realizar bien la tabla de reglas ya

que si no esta en perfecto orden, el controlador
tomara una acción errónea.

 Si no se realiza bien la normalización cada valor,

las ecuaciones de membrecía se alterarán
haciendo mal la toma de decisiones en la tabla
reglas.

Figure 3 Simulación entrada, controlador PID, controlador

fuzzy

Una vez completado el diseño de la simulación, se

continua a programar el MATLAB function, en el cual
esta toda la programación la tabla de reglas, la toma de
decisiones, premisas, funciones de membrecía, entre
otras. Para finalizar con la visualización del sistema.
Como se observa en la siguiente figura.

Figure 4 Pulso, Control PID, Control Fuzzy

III. CONCLUSIONES

 Las ganancias que están presentes en la

simulación, son utilizadas para la normalización
de los valores de entrada tanto para el error como
para la derivada del error.