Tema 4.

Ejemplo Control Difuso

IA Inteligencia Artificial
5o informatica
http://ccia.ei.uvigo.es/docencia/IA
enero 2011

FJRP 2011 ccia IA

Tareas tpicas en el dise

no de sistemas basados en
l
ogica difusa

1. Identificar las variables del dominio

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

2. Identificar los terminos ling

usticos vinculados a cada variable y sus
respectiva definicion
Definir las particiones difusas de cada variable (etiquetas ling
usticas).
Definir las funciones grado de verdad asociadas a cada etiquetas ling
usticas.
Habitualmente se pretendera que las particiones definidas 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
usticas (consecuente).

4. Seleccionar la implementaci
on y los parametros de los operadores
difusos a utilizar. (parametrizar el funcionamiento
num
erico)

mnimo + maximo
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 (, , ):

Activaci
on de reglas: normalmente se considerara que una regla difusa se activa si el grado
de verdad de su antecedente es 0.

d) Agregaci
on de las salidas de las reglas difusas (OR): maximo, suma acotada,
...
e) Operadores de fuzzyficaci
on (singleton, triangular, ...) y desfuzzyficacion (centro de masas, media maximos, ...)

FJRP 2011 ccia IA

Ejemplo: control difuso de una calefacci

on
Descripci
on: Se pretende controlar la calefaccion de un invernadero/edificio/etc a
partir de los parametros de temperatura y humedad del mismo. La finalidad 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 precicion de centesimas.
Se cuenta con un sensor de humedad con un rango de funcionamiento entre 0 % y 100 % de
humedad relativa, con una precicion de centesimas.
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
usticas: muy baja (MB), baja(B), normal (N), alta(A),
muy alta(MA)

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

FJRP 2011 ccia IA

(b) Variables de control

Variacion de temperatura
Se asumen 7 etiquetas ling
usticas: 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 Variacion de temperatura.

Temp.
MB
B
N
A
MA

FJRP 2011 ccia IA

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

(c) Par
ametros de la inferencia difusa
Se usaran los siguientes operadores:
Conectiva AND (): mnimo.
Conectiva OR (vee): maximo
Implicaci
on difusa (): Mamdani
Modus ponens difuso: min-max (composicion de conj. difuso con relacion difusa)
Agregaci
on de las salidas difusas de las reglas activadas: OR (maximo)
Operador de fuzzyficaci
on: singleton
Operador de desfuzzificaci
on: centro de masas
Nota:
El uso del implicador de Mamdani (fP Q (x, y) = min{fP (x), fQ (y)}) junto con la
fuzzyficacion usando conjuntos singleton simplifica la aplicacion del modus ponens difuso.
Para aplicar una regla sobre conjuntos singleton bastara con seleccionar un -corte
del conjunto difuso vinculado al consecuente.
Para reglas AND: ese -corte tomara como valor el menor valor de verdad de la
interseccion 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 %
Fuzzyficaci
on (singleton)

El valor singleton Temperatura=19,5 o C se co-

El valor singleton Humedad=65 % se corresponde

rresponde con un grado de verdad 0, 1 para el

con un grado de verdad 0, 5 para el valor difuso

valor difuso Temperatura Baja(B) y con un grado

Humedad Alta(A) y con un grado de verdad 0, 33

de verdad 0, 75 para el valor difuso Temperatura

para el valor difuso Humedad MuyAlta(MA)

Normal(N)

Reglas activadas

Temp

MB

MB
B
N
A
MA

SN
M
M
M
BP

Humedad
B
N
A
SN
M
M
M
BN

SG
SP
M
BP
BN

FJRP 2011 ccia IA

SG
SP
M
BP
BG

MA
SG
SN
BP
BN
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

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

Modus ponens difuso

FJRP 2011 ccia IA

Agregaci
on y desfuzzyficaci
on

Variable de control
Salida: bajar la calefaccion 2,125 oC

FJRP 2011 ccia IA