Tema 4.

Ejemplo Control Difuso

IA Inteligencia Articial 5o inform atica http://ccia.ei.uvigo.es/docencia/IA enero 2011

FJRP 2011 ccia IA

Tareas t picas en el dise no de sistemas basados en l ogica difusa

1. Identicar las variables del dominio

Variables de estado: describen las entradas del sistema Variables de control: describen las salidas del sistema

2. Identicar los t erminos ling u sticos vinculados a cada variable y sus respectiva denici on
Denir las particiones difusas de cada variable (etiquetas ling u sticas). Denir las funciones grado de verdad asociadas a cada etiquetas ling u sticas. Habitualmente se pretender a que las particiones denidas cubran la totalidad del espacio de valores de las distintas variables Es recomendable que exista solapamiento.

3. Construir las reglas difusas que correspondan. (crear la representaci on simb olica)
Habitualmente se hace uso de las FAM (Fuzzy Association Matrix ). Se crea una FAM para cada variable de control, vinculando las posibles combinaciones de las variables de estado (antecedente) con una de sus etiquetas ling u sticas (consecuente).

4. Seleccionar la implementaci on y los par ametros de los operadores difusos a utilizar. (parametrizar el funcionamiento num erico)
m nimo + m aximo producto + suma acotada b ) Implementaci on implicaci on difusa (): Mindani, Kleene, Larsen, etc c ) Implementaci on del modus ponens difuso : max-min a) Implementaci on conectivas difusas (, , ):
de verdad de su antecedente es 0.

Activaci on de reglas: normalmente se considerar a que una regla difusa se activa si el grado

d ) Agregaci on de las salidas de las reglas difusas (OR): m aximo, suma acotada, ... e ) Operadores de fuzzycaci on (singleton, triangular, ...) y desfuzzycacion (centro de masas, media m aximos, ...)

FJRP 2011 ccia IA

Ejemplo: control difuso de una calefacci on

Descripci on: Se pretende controlar la calefacci on de un invernadero/edicio/etc a partir de los par ametros de temperatura y humedad del mismo. La nalidad es mantener controlada la temperatura e, implicitamente, la humedad.
Se cuenta con un sensor de temperatura con un rango de funcionamiento desde 0o C a 40o C y una precici on de cent esimas. Se cuenta con un sensor de humedad con un rango de funcionamiento entre 0 % y 100 % de humedad relativa, con una precici on de cent esimas. La caldera se puede controlar mediante incrementos/decrementos de temperatura, desde -15 o C a +15 o C.

(a) Variables de estado Temperatura

Se asumen 5 etiquetas ling u sticas: muy baja (MB), baja(B), normal (N), alta(A), muy alta(MA)

Humedad
Se asumen 5 etiquetas ling u sticas: muy baja (MB), baja(B), normal (N), alta(A), muy alta(MA)

FJRP 2011 ccia IA

(b) Variables de control Variaci on de temperatura

Se asumen 7 etiquetas ling u sticas: bajada grande (BG), bajada normal (BN), bajada peque na (BP), mantener (M), subida peque na (SP), subida normal (SN), subida grande (SG)

(b) Reglas difusas Se considera la siguiente FAM (Fuzzy Association Matrix ) para la variable de control Variaci on de temperatura.

Temp. MB B N A MA

Humedad MB B N A MA SN SN SG SG SG M M SP SP SN M M M M BP M M BP BP BN BP BN BN BG BG

FJRP 2011 ccia IA

(c) Par ametros de la inferencia difusa Se usar an los siguientes operadores:

Conectiva AND (): m nimo. Conectiva OR (vee): m aximo Implicaci on difusa (): Mamdani Modus ponens difuso: min-max (composici on de conj. difuso con relaci on difusa) Agregaci on de las salidas difusas de las reglas activadas: OR (m aximo) Operador de fuzzycaci on: singleton Operador de desfuzzicaci on: centro de masas
Nota: El uso del implicador de Mamdani (fP Q (x, y ) = min{fP (x), fQ (y )}) junto con la fuzzycaci on usando conjuntos singleton simplica la aplicaci on del modus ponens difuso. Para aplicar una regla sobre conjuntos singleton bastar a con seleccionar un -corte del conjunto difuso vinculado al consecuente. Para reglas AND: ese -corte tomar a como valor el menor valor de verdad de la intersecci on de los singleton de entrada con los conjuntos difusos vinculados a los antecedentes.

FJRP 2011 ccia IA

(d) Ejemplo de funcionamiento Se suponen las siguientes entradas en los sensores del sistema: Temperatura actual: 19,5 oC Humedad actual: 65 % Fuzzycaci on (singleton)

El valor singleton Temperatura=19,5 o C se corresponde con un grado de verdad 0, 1 para el valor difuso Temperatura Baja(B) y con un grado de verdad 0, 75 para el valor difuso Temperatura Normal(N)

El valor singleton Humedad=65 % se corresponde con un grado de verdad 0, 5 para el valor difuso Humedad Alta(A) y con un grado de verdad 0, 33 para el valor difuso Humedad MuyAlta(MA)

Reglas activadas
Humedad B N A SN M M M BN SG SP M BP BN SG SP M BP BG - IF THEN - IF THEN - IF THEN - IF THEN (Temperatura Variaci on es (Temperatura Variaci on es (Temperatura Variaci on es (Temperatura Variaci on es

Temp MB B N A MA

MB SN M M M BP

MA SG SN BP BN BG

es Baja AND Humedad es Alta) SubidaPeque~ na es Baja AND Humedad es MuyAlta) SubidaNormal es Nornal AND Humedad es Alta) Mantener es Nornal AND Humedad es MuyAlta) BajadaPeque~ na

FJRP 2011 ccia IA

Modus ponens difuso

FJRP 2011 ccia IA

Agregaci on y desfuzzycaci on

Variable de control Salida: bajar la calefacci on 2,125 oC

FJRP 2011 ccia IA