Sie sind auf Seite 1von 38

FUZZY

CONTROLADOR
FUZZY

Fuzzificador

Mecanismo
de inferencia

Base del
conocimiento
Fuzzy

Defuzzificador

FUZZIFICADOR
Convierte la entrada crisp en una variable
linguistica usando las funciones de
pertenencia almacenadas en la base del
conocimiento Fuzzy

La base del conocimiento es la manera que tiene el sistema


difuso de guardar el conocimiento lingstico que le permite
BASE
DEL CONOCIMIENTO
resolver
el problema
para el cual ha sido diseado.

DIFUSO
Las
reglas almacenadas en la base del conocimiento son del
tipo IF-THEN.
Una regla de la base del conocimiento tiene dos partes, el
antecedente y la conclusin

MECANISMO DE
INFERENCIA
El mecanismo de inferencia procesa los niveles de
pertenencia arrojados por el fuzzificador y apoyado
en las reglas del tipo IF - THEN almacenadas en la base
del conocimiento genera la salida del sistema difuso.

MECANISMO DE
INFERENCIA
Usando las reglas deltipo If-Then convierte
la entrada fuzzy en una salida fuzzy .

REGLAS DIFUSAS
Las reglas difusas representan el conocimiento y la estrategia de
control.
La inferencia difusa es necesaria para calcular el resultado de las
variables de salida.
Se obtiene un conjunto difuso de salida por cada
regla.(Ej: Mandani)
La salida del sistema se obtiene agregando los conjuntos
difusos de salida de cada regla

AGREGADO
Cuando se evalan las reglas se obtienen tantos conjuntos
difusos como reglas existan,
Para defuzzificar es necesario agrupar estos conjuntos.
A esta etapa se le llama agregado
Existen varios criterios para realizar este paso.
Un criterio muy empleado es el de agrupar los conjuntos
inferidos mediante la operacin max.

DEFUZZIFICADOR
Convierte la salida fuzzy del mecanismo de
inferencia en una variable crisp

ESTRUCTURA DE UN
CONTROLADOR CON
LGICA DIFUSA
El controlador tiene como entradas a la referencia y a la
salida del proceso.
Como salida del controlador tenemos a las variables que se
conectan a la entrada de los actuadores.
Normalmente las variables de entrada (referencia y salida del
proceso)necesitan un preprocesamiento

PREPROCESADO
Las operaciones comunes aqu son:
Escalamiento,
Conversin a digital,
Eliminacin de ruido
Obtencin de la seal de error,
Derivacin e integracin de seal de error

POST-PROCESADO
La salida tambin puede requerir
algn tipo de procesamiento.
A este procesamiento se le llama
post-procesado.

ESQUEMA GENERAL
CONTROLADOR DIFUSO

ESQUEMA GENERAL
CONTROLADOR DIFUSO

EJEMPLO
Consideremos el diseo de un controlador fuzzy para
controlar el nivel de un estanque de agua el cual se regula a
mediante una vlvula de flujo.

EJEMPLO

EJEMPLO

EJEMPLO

EJEMPLO

MTODOS DE
CONTROL DIFUSO
Modelo Mandani
Modelo Sugeno
Modelo Tsukamoto

MODELOS
La diferencia principal entre los modelos es en las
consecuencias de las reglas y en los mtodos de
defuzzificacin

MODELO
MANDANI
Utiliza un conjunto de reglas linguisticas de control
obtenidas de la experiencia de operadores humanos
expertos

Utiliza una combinacin Max-Min .

ESQUEMA DEL RAZONAMIENTO

DEFUZZIFICADOR
Convierte la salida fuzzy del mecanismo de
inferencia en una variable crisp usando funciones
de pertenencia similares a las utilizadas por el
fuzzificador
Los metodos usuales para la defuzzificacin son
los cinco siguientes:

Centroid of area (COA)


Bisector of area (BOA)
Mean of maximum (MOM)
Smallest of maximum (SOM)
Largest of maximum (LOM)

MTODOS
En el mtodo de centro de rea (COA) la
salida responde a la ecuacin

y :Funcin de pertenencia del conjunto de salida Y, cuya variable de


salida es y.
S :rango de integracin

MTODOS

Bisector de rea (BOA). La salida es el valor que separa el rea bajo la


curva en dos sub-reas iguales.[
El mtodo de la media de mximo (MOM, middle of maximum). La salida
es el valor medio de los valores cuyas funciones de membresa alcanzan el
valor mximo.
El mtodo del mximo ms chico (SOM, smallest of maximum). La salida
es el mnimo valor de todos aquellos que generan el valor ms alto de la
funcin de membresa.
El mtodo del mximo ms grande (LOM, largest of maximum). La salida
es el mximo valor de todos aquellos que generan el valor ms alto de la
funcin de membresa.

DEFUZZIFICADOR

EJEMPLO

R1 : If X is small then Y is small


R2 : If X is medium then Y is medium
R3 : If X is large then Y is large

X = input [10, 10]


Y = output [0, 10]

Se utiliz combinacin min-max y mtodo del centroide.

Overall input-output curve

MODELO
SUGENO
Conocido tambin como modelo TSK
(Takagi, Sugeno y Kang)
Genera las reglas Fuzzy a partir de un
conjunto dado de datos input- ouput

REGLAS FUZZY,
MODELO TSK

If x is A and y is B then z = f(x, y)

Fuzzy

Crisp

EJEMPLOS
R1: if X is small and Y is small then z = x +y +1
R2: if X is small and Y is large then z = y +3
R3: if X is large and Y is small then z = x +3
R4: if X is large and Y is large then z = x + y + 2

ESQUEMA DEL
RAZONAMIENTO

R1: If X is small then Y = 0.1X + 6.4


R2: If X is medium then Y = 0.5X + 4
R3: If X is large then Y = X 2

EJEMPLO

X = input [10,

R1: If X is small then Y = 0.1X + 6.4


R2: If X is medium then Y = 0.5X + 4
R3: If X is large then Y = X 2

EJEMPLO

X = input [10,

MODELO
TSUKAMOTO
La funcin consecuente es un conjunto
difuso con una funcin monotnica
Cada regla tiene un ouput exacto.
Se agregan los ouputs de cada regla
usando el promedio ponderado

MODELO
TSUKAMOTO

R1: If X is small then Y is C1


R2: If X is medium then Y is C2
R3: if X is large then Y is C3

EJEMPLO

RESUMEN
MODELOS FUZZY

If <antecedente> then <consecuente>.


Estilo similar para
Modelo Fuzzy Mamdani
Modelo Fuzzy Sugeno
Modelo Fuzzy Tsukamoto

Estilo diferente para


Modelo Fuzzy Mamdani
Modelo Fuzzy Sugeno
Modelo Fuzzy Tsukamoto