SOMI XV

DID 9
CONGRESO NACIONAL DE INSTRUMENTACION
AMBIENTE DE DESARROLLO INTERACTIVO PARA LOGICA DIFUSA
A. Ferreyra, R. Fuentes
1
UAM-Azcapotzalco, Depto de Electrnica:
Av. San Pablo 180, Col Reynosa Tamaulipas,
Deleg. Azcapotzalco C.P. 02200, Mxico D.F. Tel. 5 318 95 46.
Email: fra@correo.azc.uam.mx
RESUMEN
En el presente trabajo se muestra una herramienta diseada para la implementacin,
evaluacin y enseanza de la lgica y el control difuso, que nos permitir: realizar aplicaciones
en diferentes reas, fomentar la actualizacin y ampliacin del conocimiento de la lgica
difusa, desarrollar nuevas tcnicas de diseo en diferentes procesos de control, eludir
obstculos constantes en el manejo directo de las seales analgicas, realizar la evaluacin y
el ajuste de la estrategia de control en tiempo real, hacer uso de todos los tipos diferentes de
funciones de membresa utilizadas en el diseo de controladores; adems de proporcionarnos
las mejores caractersticas posibles para poder explotar plenamente la lgica y el control
difuso.
ABSTRACT
In this work, we present a tool developed for implementation, evaluation and teaching of fuzzy
logic and fuzzy control that it will allow us: to carry out applications for different areas, to
increase interest in knowledge of fuzzy logic and develop new design techniques in different
control processes, to avoid constant obstacles in the direct handling of analog signals, to carry
out evaluation and adjustment of the control strategy in real time, to use different membership
functions for controllers design; besides providing us the best features to take advantages of
fuzzy logic and fuzzy control.
1. INTRODUCCION
Hoy en da existen herramientas tanto de hardware como de software especialmente diseadas
para la implementacin, evaluacin y enseanza del control difuso, las cuales presentan
mltiples ventajas ya que los lenguajes de programacin que se utilizan para su construccin
-a diferencia de los lenguajes tradicionales- tienen la capacidad para procesar conjuntos
difusos; sin embargo su alto costo y su difcil acceso reducen su utilizacin provocando que
estas herramientas solo estn al alcance de unos cuantos. En Mxico al igual que en otros
pases, esto a provocado una pobre investigacin y explotacin de dicha lgica; en las
universidades por ejemplo, la lgica difusa es poco conocida, debido entre otras cosas a que
estas herramientas no se encuentran al alcance de la mayora de estudiantes y acadmicos.
Es clara la necesidad de crear herramientas de software econmicas que hagan que la lgica
difusa sea fcil de aprender y aplicar. Herramientas que proporcionen la ayuda necesaria en
todos los pasos de diseo, simulacin y prueba de un control difuso. Herramientas en donde se
pueda mostrar como se desea que las salidas del control se relacionen con las entradas,
simplemente dibujando figuras geomtricas como tringulos o trapecios y escribiendo reglas en
un idioma simple. Herramientas que mediante la simulacin, generen grficas que representen
el comportamiento del control difuso y que permitan alterar ese comportamiento con solo
cambiar los dibujos y las reglas. Herramientas que sean especialmente valiosas para el
desarrollo de prototipos, y que puedan ser utilizadas por cualquier persona sin necesidad de
que esta sea un programador experto. El ambiente de desarrollo para lgica difusa que se
presenta en este trabajo (Fuzzy-UAM) trata de cubrir todo los requisitos mencionados
anteriormente.

1
Centro de instrumentos-UNAM, Apdo. Postal 70-186, Coyoacan, 04510, Mxico D.F.
Tel. (52) 56 22 86 08 (ext 109). Fax (52)56 22 86 53. Email: fuentesr@aleph.cinstrum.unam.mx
SOMI XV
DID 9
CONGRESO NACIONAL DE INSTRUMENTACION
2. CONTROL DIFUSO: Un proceso de tres pasos
Fusificacin, Mecanismo de inferencia (Evaluacin de Reglas) y Defusificacin (figura 1).
Figura
2.1 Fusificacin
La fusificacin es un proceso de conversin realizado por Fuzzy-UAM para convertir datos
medidos del mundo real (entradas del sistema) a un valor lingstico en el mundo de la lgica
utilizan las funciones de membresa de las variables
lingsticas para calcular el grado de pertenencia (grado de verdad) para cada termino en un
; este es el primer paso en
difuso y debe de ser realizado para cada variable de entrada, el resultado es utilizado como
entrada al mecanismo de inferencia.
Para realizar la fusificacin se debe de contar con las funciones de membresa (FMs) de las
variables de entrada, estas representan grficamente, el grado para el cual el valor real de una
lingsticos que pertenecen a una variable lingstica.
Una de las primeras ventajas que tiene Fuzzy-UAM con respecto a la mayora de las
mas comnmente utilizadas en el diseo de controles difusos, como son: la FM triangular, la
experimentar con los diferentes comportamientos que puede obtener de la respuesta del
control si selecciona una u
2.2 Mecanismo de inferencia
El mecanismo de inferencia (tambin llamado modulo de motor de inferencia o inferencia
la fabricacin de decisiones del experto, para interpretar y aplicar el conocimiento sobre como
controlar mejor la planta o proceso.
SOMI XV
DID 9
CONGRESO NACIONAL DE INSTRUMENTACION
Figura 2. Tipos de funciones de membresa que maneja el Fuzzy-UAM
2.2.1 Reglas de control
Las reglas de control son relaciones que se utilizan para expresar la relacin existente entre los
conceptos imprecisos y el comportamiento que gobierna al sistema que se quiere controlar, el
experto debe desarrollar todo un conjunto de estas reglas --tantas como sean necesarias--
para lograr una buena descripcin del sistema a controlar. Cada regla tiene la forma de una
declaracin IF THEN. La parte IF de la regla contiene una o ms condiciones, llamadas
antecedentes. La parte THEN de la regla contiene una o ms acciones, llamadas
consecuencias. Los antecedentes de las reglas corresponden directamente al grado de
membresa (entrada difusa) calculada durante el proceso de fusificacin.
Estas reglas de control en Fuzzy-UAM se generan
de manera automtica evitando al diseador la
engorrosa tarea de la creacin de las mismas. La
cantidad de reglas depende de todas las posibles
combinaciones que se puedan dar entre las
funciones de membresa de la entrada y la salida;
por ejemplo si tenemos dos variable de entrada y
una de salida todas con 3 FM cada una, se
generaran un total de 27 (3x3x3=27) reglas de
control (Figura 3). Cada una de estas reglas
cuentan con un grado de soporte o prioridad, el cual
indica que regla contribuir en mayor o menor parte
a la salida generada por el sistema en determinado
momento; la asignacin de estos grados de soporte
depende de la experiencia del diseador en el
proceso de control. El grado de soporte permite no
ser tan radical en la evaluacin de las reglas ya que
permite tener una evaluacin parcial de las mismas.
Una caracterstica importante que presenta este bloque es que no deja que el usuario elimine
reglas de manera definitiva ya que solo las puede desactivar asignndoles un valor para el
grado de soporte de 0. Todas las reglas desactivadas aparecen con un color diferente a las
reglas que han sido activadas.
2.2.2 Operadores difusos
Los antecedentes de cada una de las reglas generadas por Fuzzy-UAM, son relacionadas con
algn tipo de Operador difuso (ver figura 3). Generalmente en el diseo de controles difusos
son utilizados como mnimo 2 operadores: el operador AND (interseccin) para el mnimo, el
operador OR (unin) para el mximo; la seleccin del operador depende en gran parte del
sistema de inferencia a utilizar. Fuzzy-UAM ofrece la oportunidad de poder seleccionar
diferentes operadores difusos (figura 4) y con esto experimentar con diferentes sistemas de
inferencia.
Triangula
r
Trapezoidal
Campana Gaussiana
Figura 3.- Reglas de control
generadas con Fuzzy-UAM
SOMI XV
9
CONGRESO NACIONAL DE INSTRUMENTACION
2.3 Defusificacin
El resultado final del sistema lgico difuso es la
determinacin de un valor de salida real que pueda ser
utilizado por tu aplicacin o proceso de control. El valor
difuso (salida difusa) es convertido a un valor real (salidas
del sistema) en el proceso de Defusificacin. Existen
varios mtodos diferentes de Defusificacin utilizados en
los sistemas de lgica difusa. Cada mtodo de
Defusificacin utiliza una formula matemtica para
calcular la salida final basado en la fuerza de todas las
reglas lgicas que han sido disparadas. Las variables en las formulas son grados de
membresa de entrada y salida.
Para realizar la Defusificacin se debe de contar con las funciones de membresa de la variable
de salida. En Fuzzy -UAM, las funciones de membresa utilizadas para los conjuntos difusos de
salida difieren de las funciones de membresa utilizadas para los conjuntos difusos de entrada.
Mientras las funciones de membresa de
entrada pueden ser representadas en la forma
de tringulos, trapecios, campanas y
gaussianas; las funciones de membresa de
salida son representadas con un solo punto
llamado Singleton (aun cuando en las
interfaces de usuario aparecen como
tringulos). Un Singleton tiene un valor discreto
con un grado de membresa de 1.0.
Los Singletons son utilizados como conjuntos
de salida ya que proporcionan un mtodo ms
rpido para calcular valores de salida reales,
con lo que se minimizan los requerimientos de
calculo. Ya que el Fuzzy UAM ha sido
diseado primeramente para sistemas de control, el Mtodo de los Singletons es utilizado para
permitir que el Fuzzy UAM tenga una mayor velocidad en aplicaciones de tiempo real. En la
figura 5, se muestra tres funciones de membresa para la variable de salida Velocidad: Lenta,
Media y Alta. La funcin de membresa Lenta es definida con una forma triangular pero en
realidad es definida como un Singleton con un valor de 50 (lnea gruesa), Media con un valor
de 100, y Alta con un valor de 150.
3. METODOLOGA PARA EL DISEO DE CONTROL DIFUSO
La metodologa de diseo que ha sido utilizada en la mayoria de las aplicaciones, es precedida
por los siguientes pasos: Diseo del sistema, Optimizacin fuera de lnea (Off-line),
Optimizacin en lnea (On-line) y la Implementacin.
3.1 Diseo del sistema
En este paso se cubre: la definicin de las variables lingsticas, los tipos de funciones de
membresa a utilizar, la creacin de las reglas de control y la identificacin del mtodo de
Defusificacin apropiado para la aplicacin.
3.2 Optimizacin fuera de lnea
En este paso del desarrollo, se simula y prueba el prototipo diseado en el primer paso. La
tecnologa que aqu se utiliza depende en gran parte del tipo de aplicacin. El paso de
optimizacin fuera de lnea es completamente soportado por fuzzy-UAM, ya que ofrece
herramientas de simulacin grficas en 2D y 3D muy potentes que le dan al diseador un
panorama general y claro del comportamiento de la estrategia de control (figura 6). Por si esto
no fuera suficiente, Fuzzy-UAM tambin ofrece diferentes formas para realizar simulacin
interactiva de la estrategia de control, en donde se puede modificar los valores de las entradas
y observar que valor de salida se obtiene (ver figura 7).
Figura 4. Operadores Difusos
Figura 5. Funciones de membresa
para la variable de salida VELOCIDAD.
SOMI XV
DID 9
CONGRESO NACIONAL DE INSTRUMENTACION
3.3 Optimizacin en lnea
optimizacin en lnea resulta ser de gran importancia; ya que a travs de este paso de diseo
se puede realizar el ajuste fino de los parmetros del control.
lnea de los sistema de control difuso, ya que
mundo real a travs del puerto serial de la PC
(Figura 8)
Despus de concluir los pasos anteriores,
puedes implementar los sistemas de lgica
Dependiendo del hardware, existen diferentes
tcnicas de implementacin, entre las que se
microcontroladores comerciales. En este
ultimo paso Fuzzy-UAM te permite realizar la
depende grandemente de la plataforma de
hardware utilizada por el diseador. La
serial de la PC.
4. CONCLUSION
interactiva que ha sido creada como apoyo
para estimular la enseanza y el aprendizaje
herramienta que permitir crear, personalizar y
modificar sus estrategias de control; adems
control bajo un ambiente muy amigable, sin
desquiciarse con algoritmos muy grandes y
ambiente de desarrollo practico e interesante que pretende alcanzar un desarrollo basto en el
campo de Control, inicialmente universitario, seguido por el campo industrial.
Figura 6. Herremientas de grafica de 2D y 3D que
Figura 8. Configuracin del puerto serial
para la optimizacin en linea.
SOMI XV
DID 9
CONGRESO NACIONAL DE INSTRUMENTACION
1. Li-Xin Wang, A COURSE IN FUZZY SYSTEMS AND CONTROL., Prentice Hall.,
2. Li-Xin Wang, ADAPTIVE FUZZY SYSTEMS AND CONTROL, Prentice Hall., 1994.
3. Hung T. Nguyen, FUZZY SYSTEMS, Kluwer Academic Publishers, 1998.
4. Ronald R. Yager ESSENTIALS OF FUZZY MODELING AND CONTROL, John Wiley,1994.