Control Fuzzy

B. D. Rivera
Departamento de Elctrica y Electrnica
Universidad de las Fuerzas Armadas - ESPE
Sangolqu, Ecuador
bdrivera@espe.edu.ec

Abstract The following is an informative article about

fuzzy control. It discloses another type of logic to perform
certain control systems in which can be helpful using this
method. This type of control is perhaps not a lot of
knowledge for students because is something different from
the conventional, so it is very important to know the
conditional logic on which it is based as it is a more realistic
and interesting logic.
Index TermsSensor, fuzzy logic, control, transducer,
conditional logic, true conditions.

ResumenEl siguiente es un artculo informativo acerca

del control fuzzy. Se da a conocer otro tipo de lgica para
realizar el control de ciertos sistemas en los que puede ser
de gran ayuda el empleo de este mtodo. Este tipo de control
talvez no es de mucho conocimiento para los estudiantes por
ser algo diferente al convencional por lo que es muy
importante conocer la lgica condicional en la que se basa
ya que es una lgica ms real e interesante.
Palabras ClaveSensor, lgica difusa, control, lgica
condicional, condiciones verdaderas.

I. INTRODUCCIN
Hoy en da en la industria, en las casas, en establecimientos
y en diferentes lugares con tecnologa se tienen sistemas que
ofrecen diferentes tipos de servicios y ayuda a la gente. Son tan
variados dichos elementos que van desde un sistema automtico
para controlar la temperatura, como tambin de seguridad para
accionar alarmas, en la industria para que las mquinas hagan
determinada accin, en la agricultura para controlar el riego o el
ambiente y as muchas otras aplicaciones ms.
Todos estos escenarios son controlados por diferentes
dispositivos, y para hacer el control del sistema se debe tener en
cuenta algunos aspectos como son las variables, el diseo de la
planta, los sensores, los actuadores, entre otros. Se debe analizar
el comportamiento del sistema o la planta , hacer una correcta
medicin de las variables y as poder realizar un diseo de
control eficiente. Es aqu cuando surgen los diferentes tipos de
control. Y en este contexto surgi el control fuzzy, o control
basado en lgica difusa.

Este tipo de control es diferente a los ya conocidos porque

no se centra en analizar la planta y realizar el diseo mediante
modelos matemticos, si no que se basa en una lgica ms real,
una lgica condicional que es ms parecida a la lgica del ser
humano, es decir algo ms real.
El estado del arte de este artculo est dividido en 4 partes
fundamentales en donde podemos conocer ms acerca de cmo
trabaja la lgica fuzzy, los procesos que debe cumplirse para
realizar este tipo de control, los aspectos importantes a
considerar, las reglas para tener en cuenta y las conclusiones que
obtuvimos acerca de este importante tema.
.
II. ESTADO DEL ARTE
Se ha investigado acerca del control fuzzy y se ha
encontrado informacin muy relevante debido a que este tema
es muy importante e interesante. Este tipo de control es diferente
al que ya conocemos por lo que es sustancial llegar a aprender
acerca del mismo y poder entenderlo ya que ayudar mucho para
la realizacin de sistemas bajo ciertos tipos de condiciones.
Entre los artefactos o dispositivos en los que se aplica lgica
difusa, estn los automviles, las lavadoras, las secadoras y se
ha encontrado un artculo de Samir Kouro y Rodrigo Musalem,
en el cual describen un ejemplo de control que permite regular
el ngulo de elevacin de un helicpetro.
Por lo ya mencionado es importante el estudio de este tema
y el conocimiento de este artculo, para seguir haciendo
aplicaciones interesantes que nos puedan ayudar debido a que
este tipo de control ayuda mucho en sistemas no lineales.
A. Sistemas Basados en Reglas
El desarrollo del fuzzy control tiene, su origen en los
sistemas basados en reglas para la toma de decisiones y en la
fuzzy logic para la evaluacin de aquellas. Los controladores
fuzzy, al igual que otros, toman los valores de las variables
de entrada, realizan algn procedimiento con ellas, deciden
como modificar las variables de salida y lo realizan,
afectando estas ltimas a la planta. La diferencia escencial es
que no procesan ecuaciones ni tablas, procesan reglas para
decidir como cambiar las salidas. Esto lo hace una tecnologa
muy accesible, ya que las reglas estn ms cerca del sentido
comn que de las ecuaciones y los modelos. Este mtodo de
procesamiento de reglas est vinculado con los sistemas
expertos, uno de los frutos tangibles de la Inteligencia
Artificial (IA). Estos sistemas nacieron como consecuencia

natural del desarrollo de esta disciplina, ya que era necesario

agregar a los programas ese conocimiento y experiencia, que
el experto humano tiene para resolver un determinado
problema. Estos programas de computadora, utilizan
conocimiento y algn tipo de mecanismo de inferencia para
resolver un tipo de problema en especial, con el objetivo de
obtener resultados parecidos a los del experto humano, no
slo en cuanto a la conclusin final, sino tambin a la forma
en que se llega a la misma.[1]
Este conocimiento consta de hechos y heurstica,
siendo los primeros la informacin pblica y generalmente
disponible, para la resolucin de un problema en particular,
mientras que la heurstica, es ms privativa del experto, es
justamente ese conocimiento en particular que lo hace
destacarse en su tarea. Cuando este conocimiento est
expresado como reglas del tipo SI antecedente ENTONCES
consecuente o SI condicin ENTONCES accin entonces se
dice que es un sistema basado en reglas.
En cuanto al mecanismo de inferencia, es la parte de
control del programa, encargada de procesar las reglas
contenidas en la base de conocimiento, tomando en cuenta
los nuevos datos y el estado del sistema, y producir como
resultado, un nuevo cambio en el estado del mismo para as
comenzar un nuevo ciclo

B. Fuzzy Logic
A mediados de la dcada del 60 se introdujo una teora
donde la idea de pertenencia de un elemento a un
determinado conjunto no era ya pertenece o no pertenece,
sino que pertenece en un cierto grado. Las funciones que
vinculan al elemento con su grado de pertenencia, se llaman
membership functions. Basandose sobre esta idea, se
construy nuevamente toda la teora de conjuntos,
redefiniendo inclusin, unin, operadores lgicos ( AND,
OR ), otras operaciones y sus propiedades. En lo referente a
la lgica, aparecen nuevas alternativas respecto de la lgica
tradicional, puesto que, al evaluar una proposicin, ya no es
verdadera o falsa sino que la misma tiene un cierto grado de
veracidad, y que a su vez depende del grado de veracidad de
sus premisas. De aqu que al utilizar fuzzy logic en la
evaluacin de reglas, todas las reglas cuyas premisas tengan
algn grado de veracidad, influirn tambin en cierto grado
a la solucin del problema. Es decir toda regla que sepa algo
opine.[3]
C. Controladores Fuzzy
Los controladores fuzzy, igual que otros
controladores, toman el valor de las variables de entrada,
procesan, y actan sobre sus salidas a fin de controlar la
planta. En fuzzy control se utilizan sistemas basados en
reglas, que emplean fuzzy logic, como elemento central.
Dado su estado, y los valores de las variables de entrada,
estos sistemas evalan la veracidad de cada regla, y as,
toman decisin sobre los cambios a realizar en las variables
de salida. Una vez actualizadas las mismas, estas producirn

un cambio sobre la planta, luego se vuelven a obtener los

valores de las variables de entrada, comenzando un nuevo
ciclo..
SI la temperatura es baja ENTONCES aumente el
ciclo de actividad del calefactor
Tal tipo de procesamiento est mucho mas cercano al
razonamiento del experto humano, ya que permite realizar
operaciones entre palabras como mas bajo, subir un poquito
etc.
Este proceso cclico puede ser dividido en tres grandes
partes, fuzzification, evaluacin de reglas y defuzzification.

Fig 1. Diagrama de Bloques Control Fuzzy[4]

1) Fuzzification.
Esta es la primera parte del proceso, donde luego del
procedimiento convencional de adquirir los valores de las
variables del sistema y calcular otras, se procede a calcular el
grado de pertenencia de tales variables a todos los posibles
conjuntos fuzzy ( fuzzy inputs ) que se le han asignado.
Tomando como ejemplo una variable temperatura, con un valor
de 20c, se cuantifica su grado de pertenencia a los conjuntos
representados con las siguientes etiquetas lingisticas,
muy_baja, baja, templada, alta y muy_alta. Son las membership
functions las que permiten cuantificar los conceptos que
representan las etiquetas.
En el grfico se puede observar la membership function para
la fuzzy input baja, y el valor de pertenencia para 20c.

Fig2. Membership Function para input baja

Si ahora se realiza el mismo procedimiento para muy_baja, se

ver que tambin, para 20c, es parcialmente muy_baja.

Fig 3. Memebership Function para input muy baja

Al finalizar este proceso, queda asignado a cada fuzzy input, el

grado de pertenencia del valor actual de la variable que le
corresponde.

Una vez actualizada la variable de salida, se est en condiciones

de comenzar un nuevo ciclo.[3]

2) Evaluacin de Reglas.
Una vez realizada la fuzzification, se est en condiciones de
evaluar los antecedentes de las reglas, obteniendo el grado de
verdad o peso, para cada una de ellas. Si se tiene una regla
como la siguiente: SI la temperatura es baja ENTONCES
aumente el ciclo de actividad del calefactor. El peso de la regla
estar dado por la veracidad de su antecedentes. Se asigna
directamente como peso, el grado de pertenencia del valor ledo
de temperatura a la etiqueta lingstica baja.[2]

III. CONCLUSIONES

3) Desifuzzification.
Para el ejemplo se tomar la forma ms simple de
membership function, esta es la que considera a un solo
elemento del universo de discurso perteneciente totalmente al
conjunto. Este tipo de funciones se denominan singleton.

Se pudo apreciar la facilidad en la implementacin del

sistema, ya que al describir el comportamiento del controlador
mediante reglas, no es necesario realizar una modelizacin
exacta, sino que basta con entender conceptualmente su
comportamiento. Esta caracterstica lo hace particularmente
apropiado para sistemas muy alineales, cuya modelizacin por
los mtodos tradicionales suele ser compleja, acelerando la
puesta en el mercado del producto.
Se ha realizado una breve descripcin de los controladores
fuzzy, sistemas de control cuyo funcionamiento est basado en
la evaluacin de reglas utilizando fuzzy logic
Se comprob la robustez de los controladores fuzzy, ya que
es posible describir reglas para todo el rango de variacin de las
variables de entrada.
Se observ, que mediante el mtodo de evaluacin de reglas,
resultan acciones de control suaves, una de las principales
caractersticas de los fuzzy controllers.
REFERENCIAS

Fig 4. Representacin desifuzzification

A cada fuzzy output, se le asign el mximo valor de verdad

o peso de las reglas que la mencionan como consecuente. Ahora
quedan varias fuzzy outputs para cada variable de salida, cada
una con su valor de verdad, o grado de aplicabilidad, pero cul
es el nuevo valor de la variable de salida ?. Una forma simple y
efectiva de determinarlo es realizando un promedio ponderado
entre todas las fuzzy outputs que le corresponden a una variable
de salida. Para el caso en que las membership functions no sean
singletons, se procede en forma similar, pero considerando las
superficies de las fuzzy outputs, afectadas por su valor de
aplicabilidad, y tomando el centro de gravedad de las mismas
como el nuevo valor de la variable de salida en consideracin.

[1] Creating Fuzzy Micros, James M. Sibigtroth, Embedded Systems

Programming, Dec. 91.
.
[2] Fuzzy Logic for Embedded Microcontrollers, J. Sibigtroth,
Circuit Cellar INK, March 95.

[3] Fuzzy Mathematical Techniques with Applications. Abraham

Kandel. Florida State University. Addison-Wesley Publishing
CompanyFuzzy.

[4] Universidad de Oviedo, Control Fuzzy [En Lnea].

Available:
http://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy
.pdf. [ltimo Acceso 16/11/2015].