Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CARACTERSTICAS Y
APLICACIONES
AUTOR
Ing. Ailn Sabad Hernndez
Universisdad de las Ciencias Informticas
Ciudad de la Habana. Cuba
Resumen
Resumen
Con este trabajo se pretende exponer las carctersticas fundamentales de la Lgica
Difusa, el desarrollo de la misma y plantear sus conceptos bsicos. Tiene como fin
ampliar el expectro de conocimientos de los lectores sobre el tema a partir de la
exposicin de ventajas y desventajas del uso de la Lgica Difusa en el control
automtico de procesos.
Indice
ndice
1. Introduccin.................................................................................. 1
2. Surgimiento y desarrollo de la Lgica Difusa............................... 4
3. Caracterizacin de la Lgica Difusa............................................. 7
4. Conceptos bsicos de la Lgica Difusa......................................... 11
4.1.Funciones de Pertenencia Tpicas .......................................... 17
4.2.Operaciones bsicas entre Conjuntos Difusos....................... 22
5. En cuales situaciones resulta beneficioso emplear un Controlador
Difuso?.......................................................................................... 25
6. Algunos ejemplos de aplicaciones................................................. 26
6.1.Aplicacin en robtica........................................................... 28
7. Ventajas y desventajas................................................................... 30
8. Conclusiones ................................................................ 32
9. Bibliografa..................................................................................... 33
Introduccin
1. Introduccin
La Lgica Difusa o Borrosa, a pesar de su corta historia, presenta un crecimiento muy
rpido, ya que es capaz de resolver problemas relacionados con la incertidumbre de la
informacin o del conocimiento, proporcionando un mtodo formal para la expresin
del conocimiento en forma entendible y compresible por los humanos [2].
Las bases tericas de la Lgica Difusa, en las que estn basados los controladores
borrosos estn mucho ms cerca de la manera de razonar de los humanos y del
lenguaje natural, que los sistemas lgicos tradicionales. Bsicamente, proporciona un
medio efectivo de captar ms fcilmente la naturaleza inexacta del mundo real.
La matemtica de los conjuntos difusos, como su nombre lo indica, trabaja con
conjuntos que no tienen lmites bien definidos, es decir, la transicin entre la
pertenencia y la no pertenencia de una variable a un conjunto es gradual. Se
caracteriza por las funciones de pertenencia que dan flexibilidad a la modelacin
utilizando expresiones lingsticas tales como mucho, poco, leve, severo, escaso,
suficiente, caliente, fro, joven[3].
Los usuarios aceptan con relativa facilidad e inters las aplicaciones basadas en
Lgica Difusa, por el paralelismo con su propio razonamiento y por la capacidad de
explicacin de las conclusiones.
El xito de la aplicacin de la Lgica Difusa se debe, fundamentalmente, a la
capacidad de la misma de utilizar modelos de conceptos ambiguos para reducir la
complejidad intuitiva de un proceso, de manera que permite realizar operaciones de
control, al menos de un modo aproximado o heurstico, sobre procesos no lineales o
variantes en el tiempo.
La Lgica Difusa es una herramienta moderna y una de sus aplicaciones ms
importantes es el Control de Procesos Industriales. Se sale del tradicional esquema de
control de lazo realimentado y del rgido modo de pensar de los programas de una
microcomputadora para comenzar a emplear variables lingsticas muchas veces
consideradas imprecisas. An cuando parece ser sinnimo de imprecisin, la Lgica
Introduccin
Difusa est basada en una disciplina fuertemente rigurosa que permite describir
exactamente un Sistema de Control sin utilizar complicadas expresiones matemticas.
A esta nueva rama del Control Automtico es a la que se le llama Inteligencia
Artificial o simplemente Control Inteligente, dentro del cual se destaca la Lgica
Fuzzy o Difusa el cual es un algoritmo muy utilizado en la actualidad.
Asimismo, el control borroso, originado a partir de una lgica de conceptos vagos e
imprecisos, se utiliza en la mayora de los casos para la aproximacin de funciones
precisas, deterministas, contradiciendo con ello el espritu inicial de la Lgica Difusa
en control de procesos.[4].
Una de las principales metas en control inteligente de procesos industriales es la
construccin de sistemas borrosos que controlen con garanta sistemas complejos de
alta dimensionalidad, mediante implementaciones generales, robustas y fcilmente
entendibles por el usuario.
Lo que los sistemas industriales complejos tienen en comn es la presencia de una
elevada incertidumbre que hace que las estrategias usuales basadas en modelos y
principios de equivalencia cierta no sean tcnicamente aplicables [4].
En muchos casos existe incertidumbre en el modelo del proceso, que puede ser por
escaso conocimiento sobre el mismo, disponindose solo de un modelo intuitivo que
describe comportamientos de orden bajo, a escalas de tiempo grandes. En otras
ocasiones, la incertidumbre del modelo recae, an conociendo bien las ecuaciones que
lo describen, en los parmetros del mismo, que son conocidos de forma aproximada.
El modelado de la imprecisin mediante conjuntos difusos ha permitido tratar estos
problemas [4].
Clasificacin de las fuentes de incertidumbre [5]:
1. Informacin imprecisa
Deficiencias de la informacin
Introduccin
Informacin incompleta
Informacin errnea
Modelo incompleto
Modelo inexacto
Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad si no hay
nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve
todo el da [7].
Por medio de la Lgica Difusa pueden formularse matemticamente nociones como:
un poco caliente o muy fro, para que sean procesadas por computadoras y cuantificar
expresiones humanas vagas, tales como "Muy alto" o "luz brillante". De esa forma, es
un intento de aplicar la forma de pensar humana a la programacin digital
permitiendo cuantificar aquellas descripciones imprecisas que se usan en el lenguaje y
las transiciones graduales.
Los esquemas de razonamiento utilizados son "esquemas de razonamiento
aproximado", que intentan reproducir los esquemas mentales del cerebro humano en
el proceso de razonamiento. Estos esquemas consistirn en una generalizacin de los
esquemas bsicos de inferencia en Lgica Binaria (silogismo clsico).
Tan importante es la seleccin de un esquema de razonamiento como su
representacin material, ya que el objetivo final es poder desarrollar un procedimiento
analtico concreto para el diseo de controladores "heursticos", que nos permita
inferir el control adecuado de un determinado proceso en funcin de un conjunto de
reglas "lingsticas", definidas de antemano tras la observacin de la salida y normas
de funcionamiento de ste[12].
La Lgica Difusa trata de crear aproximaciones matemticas en la resolucin de
ciertos tipos de problemas. Pretende producir resultados exactos a partir de datos
imprecisos, por lo cual es particularmente til en aplicaciones electrnicas o
computacionles. Est definida como un sistema matemtico que modela funciones no
lineales, que convierte unas entradas en salidas acordes con los planteamientos
lgicos que usa el razonamiento aproximado[11].
La Lgica Difusa ha cobrado fama por la variedad de sus aplicaciones. En general se
aplica tanto a sistemas de control de complejos procesos industriales como para
modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa[7].
Figura 1.2 Representacin grfica de la funcin de pertenencia del conjunto " caliente".
Sin embargo, realmente no se puede tener una definicin exacta de cundo un valor de
temperatura pasa del conjunto fro a caliente.
Aceptamos la imprecisin como una consecuencia natural de la forma de las cosas
en el mundo. Simplemente se aproximan estos eventos a funciones numricas y se
escoge un resultado en lugar de hacer un anlisis del conocimiento emprico.
Consideremos las siguientes sentencias:
Este tipo de
proposiciones forman
Si se pudieran incorporar estos conceptos se lograra que los sistemas sean potentes y
se aproximen ms a la realidad [7].
Los conjuntos clsicos se definen mediante un predicado que da lugar a una clara
divisin del Universo de Discurso X en los valores "Verdadero" y "Falso". Sin
embargo, el razonamiento humano utiliza frecuentemente predicados que no se
pueden reducir a este tipo de divisin: son los denominados predicados difusos.
La teora de conjuntos difusos propone la extensin del concepto de pertenencia para
que admita graduacin entre la no-pertenencia y la pertenencia total al conjunto. La
fusificacin es independiente de cualquier capacidad para medir, ya que, un conjunto
difuso, es un conjunto que no tiene lmites bien definidos y es tambin una funcin
que asocia a cada objeto del universo un valor en el intervalo [0,1].
Para el ejemplo del conjunto caliente es imposible dar al conjunto una definicin
clsica, ya que su correspondiente predicado no divide claramente el universo de las
temperaturas en conjuntos fro o caliente. La manera ms apropiada de dar
solucin a este problema es considerar que la pertenencia o no pertenencia de un
elemento x al conjunto, no es absoluta sino gradual, definindose este conjunto como
un Conjunto Difuso [11].
Por tanto, se relajara la separacin estricta entre stos conjuntos, permitiendo la
pertenencia Si o NO al conjunto pero suavizando su funcin de pertenencia con frases
del tipo: pertenece un poco menos a o casi pertenece a. Es decir, ya no
adoptar valores en el conjunto discreto {0,1} (lgica booleana), sino en el intervalo
cerrado [0,1] como se aprecia en la Figura 1.3.
El valor 1 representa que el elemento pertenece ntidamente al conjunto, el valor 0
representa la no pertenencia absoluta al conjunto, y los dems valores indican una
pertenencia parcial al conjunto.
0 si x a
(x)
2. Funcin Triangular:
Definido por sus lmites (inferior a y superior b), y el valor modal m, tal que a<m<b.
0
( x a ) /( m a )
(x)
(b x) /(b m)
si x a
si x a, m
si x m, b
si x b
3. Funcin G (gamma):
Definida por su lmite inferior a y el valor k>0.
(x)
1 e
k ( xa )2
si x a
si x a
(
x
a
)
/( m a )
(x)
si x a
si x ( a, m)
si x m
(x)
0
2
2 ( x a ) /(b a )
2
1 2 ( x b) /(b a)
1
si x a
si x a, m
si x m, b
si x b
5. Funcin Gaussiana:
Definida por su valor medio m y el valor k>0. Es la tpica campana de Gauss. Cuanto
mayor es k, ms estrecha es la campana.
(x) e k ( xm )
6. Funcin Trapezoidal:
Definida por sus lmites inferior a y superior d, y los lmites de su soporte, b y c,
inferior y superior respectivamente.
0
( x a) /(b a)
si x a o x d
si x a, b
1
(d x) /(d c)
(x)
si x b, c
si x (b, d )
1
1 k ( x m) 2
En casos particulares, el Trapecio Extendido puede ser de gran utilidad. ste permite
gran expresividad aumentando su complejidad.
(Am) = [(A)]m
Sean A y B dos intervalos difusos. La unin entre estos dos intervalos es el conjunto
C = A B C = A or B (C) = (A) (B)
6. Interseccin
Se considera que un elemento pertenece al conjunto interseccin de dos conjuntos si
pertenece a ambos. La interseccin de los conjuntos difusos A y B es el conjunto
difuso C y se escribe como:
Difuso?
Despus de casi 30 aos de investigacin, la Lgica Difusa ha demostrado sus
posibilidades de aplicacin en Ingeniera Prctica. Las ecuaciones resultan poco
prcticas en algunos casos: sistemas no lineales o dinmicamente complejos, o
algunos con combinaciones de entrada y salida inusuales. Por el contrario, la
proposicin difusa usa la pericia de la intuicin humana para resolver el problema,
resultando ideal para el modelado y el control de los sistemas antes mencionados.
En contraste con los si/no o verdadero/falso de la lgica tradicional, permiten
considerar grados en las caractersticas consideradas en los problemas de Ingeniera,
incluso, aun cuando no se disponga de modelos matemticos rigurosos.
Por tanto son muy utilizados para el control en [13]:
problemas de clasificacin
reconocimiento de patrones
procesado de seal
bases de datos
razonamiento temporal
entre las estaciones, parando con precisin sin sacudir fuertemente a los
pasajeros). Aplicado por Hitachi en el metro de Sendai (julio de 1987).
6. Control de mquinas de perforacin de tneles.
7. Control de ascensores (Mitsusbishi-Elec., Hitachi, Fuji Tech) que mejoran la
eficiencia en el procedimiento manual que siempre se presenta cuando grandes
grupos esperan para usar el ascensor al mismo tiempo.
8. Procesado de imgenes y reconocimiento de caracteres como nmeros de cheques
bancarios utilizando un sensor CCD y un microcontrolador.
9. Correctores de voz para sugerir un listado de probables palabras para sustituir a
una mal dicha.
10. Prediccin de terremotos
11. Reconocimiento de patrones y visin por ordenador (seguimiento de objetos con
cmara, reconocimiento de escritura manuscrita, reconocimiento de objetos).
12. Control de cierre de compuertas en presas (Chile).
13. Control de secaderos de hojas de tabaco (Cuba).
14. Control de balanceo en puentes gra.
Existen distintos tipos o formas de incertidumbre [Saffiotti, 1997]. As, si se dice que
"el robot se encuentra en el almacn" se est proporcionando una informacin
imprecisa, pues no se da una nica posicin del robot. Si la informacin que se
proporciona es que "el robot se encuentra aproximadamente en el centro del almacn",
esta informacin es vaga ya que la posicin proporcionada no es exacta. Por ltimo, la
sentencia "el robot estaba ayer en la posicin (2, 3)" suministra una informacin no
fiable, en tanto que puede que el robot ya no est en esa posicin. En los tres casos la
informacin se puede calificar como incierta ya que no es posible conocer con
exactitud la posicin real actual del robot.
Cualquier intento para controlar un sistema dinmico necesita utilizar algn
conocimiento o modelo del sistema a controlar. En el caso de la robtica el sistema
est formado por el propio robot y el entorno en que ste opera. Aunque normalmente
se puede obtener el modelo del robot, no ocurre lo mismo cuando se considera al
robot situado en un entorno no estructurado. Los entornos estn caracterizados por
una fuerte presencia de incertidumbre debida, por ejemplo, a la existencia de personas
que se desplazan, objetos que pueden cambiar de posicin, nuevos obstculos, etc.
Adems, existen numerosos factores que pueden conducir a un sistema de robtica a
un estado errneo durante la ejecucin de una secuencia de tareas: errores sensoriales,
factores debidos al ambiente de trabajo, informacin imprecisa del proceso,
informacin errnea, etc. En este sentido, la Lgica Difusa incorpora al sistema la
7. Ventajas y Desventajas.
Ventajas:
El control borroso ofrece varios beneficios a los controladores industriales [2]:
Relaciona entradas y salidas, sin tener que entender todas las variables,
permitiendo que el sistema pueda ser ms confiable y estable que uno con
un sistema de control convencional.
Es importante sealar, que los sistemas basados en la Lgica Difusa requieren mayor
simulacin y una excelente depuracin y prueba antes de pasar a ser operacionales.
Desventajas [18]
No hay actualmente un anlisis matemtico riguroso que garantice que el uso
de un sistema experto difuso, para controlar un sistema, d cmo resultado un
sistema estable.
8. Conclusiones
La teora de los Conjuntos Difusos y sus ulteriores desarrollos, constituyen modelos
que resultan especialmente tiles para tratar con la incertidumbre de manera ms
"natural" y ms "humana" que la lgica y la teora de conjuntos clsicas.
La Lgica Difusa surgi debido a la necesidad de solucionar problemas complejos
con informacin imprecisa para los cuales la lgica tradicional no era suficiente. Es
un lenguaje que permite trasladar sentencias sofisticadas del lenguaje natural a un
lenguaje matemtico formal.
Los Conjuntos Difusos, como su nombre lo indica, no tienen lmites bien definidos, es
decir, la transicin entre la pertenencia y la no pertenencia de una variable a un
conjunto es gradual. Para representar formalmente la incertidumbre de este tipo de
enunciados se definen variantes de la Lgica Clsica en la que los valores de verdad
no se limitan solamente a Verdadero y Falso.
Se caracteriza por Funciones de Pertenencia que dan la flexibilidad a la modelacin
utilizando expresiones lingsticas tales como mucho, poco, leve, severo, escaso,
suficiente, caliente, fro, joven.
Un elemento puede pertenecer a varios Conjuntos Difusos a la vez aunque con
distinto grado y, en este caso, no se puede decir, tratndose de Conjuntos Difusos, que
pertenece a un nico conjunto de manera rotunda.
Bibliografa
9. Bibliografa
[1] - Aguado Behar, A. Temas de Identificacin y Control Adaptable. Instituto de
Ciberntica, Matemtica y Fsica, La Habana, Cuba, 2000.
[2] - http://www.puntolog.com/actual/articulos/aplicacion.htm, Cursos Virtuales de
logstica 2004. Ejemplos de aplicaciones.
[3] - Carreo, M., Cardona, O., Campos, A. Sistema Experto para la toma de
decisiones de habitabilidad y reparabilidad en edificios despus de un sismo.
Asociacin Colombiana de Ingenieria Ssmica, Colombia, 2003.
[4] - Sala, A., Pic, J., Bondia, J. Tratamiento de la incertidumbre en modelado y
control borrosos. Universidad Politcnica de Valencia, 2000.
[5]- Milln, E. Ampliacin de Ingeniera de Conocimiento. Razonamiento
Aproximado, Universidad de Bogot, Colombia, 1999.
[6] - http://www.puntolog.com/actual/articulos/historia.htm. Cursos Virtuales de
logstica 2004. Breve historia de la Lgica Borrosa.
[7] - http://personales.ya.com/casanchi/mat/difusa01.htm, La lgica difusa, Yuliana
Corzo, Porlamar, Venezuela.
[8] - http://www.ucm.es/info/eurotheo/diccionario/S/sistemas_difusos.htm, Sistemas
difusos, Julin Velarde Lombraa, Universidad de Oviedo.
[9] - http://www.dei.uc.edu.py/tai2000/logica/3.htm, Que es la Logica Difusa?
[10]
http://www.puntolog.com/actual/articulos/uni_santiago2.htm,
Conjuntos
Bibliografa