Aplicacin de la lgica difusa tipo dos en

una planta didctica en control

de procesos industriales,
respecto de las variables nivel y ujo
Gustavo Adolfo Daz*
gustavo.diaz@sena.edu.co

Jess Alfonso Lpez Sotelo**

jalopez@uao.edu.co

Eduardo Caicedo Bravo***

ecaicedo@univalle.edu.co.

Fecha de recepcin: 16-02-2009 Fecha de seleccin: 21-04-2009 Fecha de aceptacin: 11-04-2009

ABSTRACT OPC and for the control of variables

We report the use of fuzzy logic Process ow and level
type 1 and 2 for industrial process
control, as well as the implementa- KEY WORDS
tion of an industrial PLC (PLC) and PLC, Fuzzy logic type 1, Fuzzy logic
comparisons across the parameters of type 2, Neural networks, Fuzzy Logic
performance ISE, IAE, control effort. system , OPC Server.
Matlab software is used to develop
the machines, a type of fuzzy infer- RESUMEN
ence and two kinds Mandami, which Se presenta el uso de la lgica fuzzy
helped get the parameters that were tipo 1 y 2 para el control de procesos
sent through a multilayer neural industriales, as como la implemen-
network to the PLC, the utility of the tacin en un autmata programable

* Profesor de la Universidad Icesi e Instructor del Centro de Electricidad y Automotizacin Industrial

C.E.A.I. del Sena Regional Valle del Cauca.
** Profesor de la Universidad del Valle.
*** Profesor de la Universidad del Valle.

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 13
industrial (PLC) y las comparacio-
nes a travs de los parmetros de
desempeo EFC y IAE. Se utiliza el
software Matlab para desarrollar las
mquinas de inferencia fuzzy tipo
uno y dos tipo Mandami, las cuales
permitieron obtener los parmetros
que se enviaron a travs de una red
neuronal multicapa al PLC , con la
utilidad del OPC y para el control
14 SISTEMAS
& TELEMTICA
de las variables de proceso, ujo y
nivel.
PALABRAS CLAVE
Autmata programable, lgica difusa
tipo 1, lgica difusa tipo 2, redes neu-
ronales, servidor OPC.
Clasicacin Colciencias: Tipo 5
Vol. 7 No. 13 Enero - Junio de 2009
1. INTRODUCCIN concretos que puedan ser manipula-
En Colombia el uso de las tecnologas dos por los ordenadores.
para el control de procesos como el Los conjuntos difusos tipo-2 se usan
PLC es muy cotidiano y no se cono- para modelar incertidumbre e impre-
cen mayores avances en lo referente cisin. Los conjuntos difusos tipo-2
al control de procesos con la lgica fueron originalmente propuestos por
difusa tipo 2. Zadeh en 1975 y son esencialmente
En la dcada pasada, los sistemas conjuntos difusos - difusos en los que
difusos han desplazado a las tecno- los grados de pertenencia son conjun-
logas convencionales en muchas tos difusos tipo-1. En lo referente a
aplicaciones cientcas y sistemas de control de procesos con lgica difusa
ingeniera, especialmente en los siste- tipo 2 en nuestro pas existe muy poca
mas de control y el reconocimiento de informacin y se quiere comparar
patrones. La misma tecnologa difusa, con los controladores tradicionales,
en la forma de razonamiento aproxi- logrando visualizar las diferencias
mado, est tambin resurgiendo en entre la tipo 1 y la tipo 2.
la tecnologa de informacin, donde
En este paradigma, tambin tiene un
proporciona soporte de decisiones y
especial valor la variable del tiempo,
sistemas expertos con las capacidades
ya que los sistemas de control pueden
de razonamiento poderosos, limitados
necesitar retroalimentarse en un es-
a un mnimo de reglas.
pacio concreto de tiempo, pueden ne-
Los sistemas de lgica difusa estn cesitarse datos anteriores para hacer
muy extendidos en la tecnologa una evaluacin media de la situacin
cotidiana, por ejemplo en cmaras en un periodo anterior.
digitales, sistemas de aire acondicio-
La utilizacin de sistemas difusos
nado, lavarropas, etc. Los sistemas
tipo dos en control est justicada
basados en lgica difusa imitan la
cuando existe un alto nivel de incer-
forma en que toman decisiones los
tidumbre, y en estos casos se trata de
humanos, con la ventaja de ser mu-
encontrar mejores resultados que la
cho ms rpidos. Estos sistemas son
lgica difusa tradicional.
generalmente robustos y tolerantes
a imprecisiones y ruidos en los datos En este trabajo se plantea la teora
de entrada. y conceptos bsicos de lgica difusa
Tipo 2, as como la estructura de
En la aplicacin de la lgica difusa se
un controlador difuso tipo 2 con sus
tiene la intencin de imitar el razona-
componentes; la implementacin en
miento humano en la programacin
una planta de procesos didctica del
de computadoras. Con la lgica con-
SENA (variables nivel y ujo) y las
vencional, las computadoras pueden
conclusiones de la experimentacin
manipular valores estrictamente
en dicha plataforma.
duales, como verdadero/falso, s/no o
ligado/desligado. En la lgica difusa No se encontraron trabajos similares
se usan modelos matemticos para en plantas reales para control de
representar nociones subjetivas, procesos como nivel y ujo (u otras
como caliente/tibio/fro, para valores variables), pues los autores de estas

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 15
investigaciones se limitan a simula-
ciones en software como Matlab.
2. CONTENIDO
2.1 Sistemas de lgica difusa
tipo 2
Terminologa de FS Tipo 2
Variable primaria
La variable principal de inters se
denomina variable primaria y se de-
nota con letras como y signican
temperatura, presin, nivel, etc.
Pertenencia primaria
Cada valor de la variable primaria
tiene una banda (i.e. un intervalo)
de valores de pertenencia, se denota
Variable secundaria
Cada elemento de la pertenencia pri-
maria se llama variable secundaria y
se nota , ejemplo
Grado secundario
Es el peso (probabilidad) asignada
a cada variable secundaria, escrita
as
FS Tipo2
Un FM tridimensional con ternas
donde , , es denido mediante
, donde
Funcin de pertenencia secun-
daria para
Una funcin de pertenencia secunda-
ria para , es una FS tipo 1 para
tambin llamado un corte vertical. En
la Figura 2.1 grca insertada arriba
y denotada con a.
16 SISTEMAS
& TELEMTICA
Huella de incertidumbre
de )
Es la unin de todas las pertenen-
cias primarias; el dominio D de ;
el rea entre y ;
Por ejemplo la regin sombreada en
la Figura 2.1.
MF bajo de : o
Es la banda de abajo de ). Por
ejemplo en la Figura 2.1 la lnea trian-
gular inferior de la regin sombreada
que representa la ). Tambin
se puede decir que es el lmite inferior
de una ). [Liang, 2000]
Diferencia entre lgica difusa
T1 y T2
La diferencia fundamental entre la
lgica difusa tipo1 y tipo 2 est en su
denicin: Un conjunto difuso A en
puede ser representado como un
conjunto de pares ordenados de ele-
mentos , y su valor de pertenencia
est dado por:
A={ , | }
Donde U es el universo del discurso
continuo (por ejemplo, todos los n-
meros reales: U = R)
Un conjunto difuso tipo 2 es de-
notado por y es caracterizado
por una funcin de pertenencia
donde y
la ecuacin
Luego se puede armar que existe
incertidumbre en la lgica difusa
T2 tanto en la variable primaria
como en la secundaria (ver Figura
2.1), mientras que en la lgica T1 no
existe incertidumbre en la variable
primaria.
Vol. 7 No. 13 Enero - Junio de 2009
MF Superior de : o Si
donde esta notacin significa que
Es la banda superior de ). Por todos los grados secundarios son
ejemplo en la Figura 2.1 la lnea trian- iguales a 1 para todos los posibles
gular superior de la regin sombreada valores de ).
que representa la ). Tambin
se puede decir que es el lmite supe- FLS T2
rior de una ). Sistema de lgica difusa tipo 2 repre-
Intervalo FS T2 sentado en la Figura 2.2 y compuesto
Un intervalo denotado FS IT2, es una por cuatro componentes, que all se
FM tridimensional, con todos sus gra- detallan [Mendel, 2007].
dos secundarios iguales a 1 y descrita La lgica difusa Tipo 2 proporciona
completamente por su FOU. una medida de dispersin que capta

Figura 2.1
Funcin de perte-
nencia triangular

!LGNCONTACTOVISUAL

)NCERTIDUMBREACERCADEL )NCERTIDUMBREACERCADEL
PUNTOFINALIZQUIERDO PUNTOFINALDERECHO

&,34IPO

0ROCESANDOLASALIDA

2EGLAS
Y
$EFUSIFICADOR
3ALIDA
.UEVA
&USIFICADOR
X
.UEVAS
4IPO2EDUCTOR
%NTRADAS
#ONJUNTO4IPO
2EDUCTOR4

$IFUSO
)NFERENCIA Figura 2.2.
#ONJUNTODEENTRADA Componentes
de un FLS Tipo 2

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 17
los efectos de las incertidumbres.
Esto parece ser lo ms fundamental
para el diseo de sistemas que in-
cluye valores de incertidumbre tales
como la media y la varianza.
Un FLS T2 basado en reglas contiene
cuatro componentes: reglas, fusica-
cin, motor de inferencia y procesador
de salida, que estn interconectados,
como lo muestra la Figura 2.2. Una
vez que las reglas han sido estableci-
das, el FLS puede ser visto como un
mapeo de entradas a salidas (El cami-
no slido de la Figura 2.2, de entradas
jas a salidas jas) y su mapeo puede
ser expresado como . Esta
clase de FLS es muy utilizado en
aplicaciones de ingeniera de lgica
difusa (FL), tal como un controlador
y una seal procesada, y es tambin
conocida como un controlador difuso
o Sistema difuso T2 (o T1).
Las reglas son la cabeza de un
FLS, ellas pueden ser provistas por
un experto o sacadas de datos num-
ricos. En este caso las reglas pueden
ser expresadas como una coleccin
de declaraciones de la forma Si- En-
tonces.
La parte Si de una regla es su ante-
cedente, y la parte Entonces es su
consecuente. Las FSs estn asociadas
con trminos que aparecen en los
antecedentes o consecuentes de las
reglas, y con las entradas y salidas de
las FLS. Las MFs son utilizadas para
describir esas FSs, y ellas pueden ser
T1 o T2.
Este ltimo nos permite cuanticar
los diferentes tipos de incertidum-
bres que pueden ocurrir en un FLS
[Mendel, 2007].
Cuatro formas en las que la incerti-
dumbre puede ocurrir son:
18 SISTEMAS
& TELEMTICA
1) Las palabras que se utilizan en los
antecedentes y los consecuentes
en las reglas pueden signicar
diferentes cosas para diferentes
personas.
2) Los consecuentes obtenidos por
votacin de un grupo de expertos
suelen ser diferentes para la mis-
ma regla, porque los expertos no
siempre estn de acuerdo.
3) Solamente formacin de datos
ruidosos son habilitados por sin-
tonizacin (optimizacin) de los
parmetros de un ITS FLS.
4) Mediciones de ruido activan el
FLS.
Un FLS que est descrito comple-
tamente en trminos de FS T1 es
llamado una FLS T1, mientras que
una FLS que est descrita usando FS
T2 es llamado FLS T2. FLSs T1 no
pueden directamente manejar estas
incertidumbres, porque ellos usan
FSs T1 que son seguros (ciertos),
pues no consideran incertidumbre
en los valores de las variables ni en
las funciones de pertenencia. Los
FLSs T2, por otra parte, son muy
tiles en circunstancias donde es
difcil determinar con exactitud una
MF para una FS; por lo tanto ellas
pueden ser utilizadas para manejar
esas incertidumbres.
Retornando a la Figura 2.2 del FLS,
el fuzicador mapea nmeros jos
en FSs. El necesita activar las reglas
que estn en trminos de variables
lingsticas, las cuales tienen FSs
asociadas con ellas. Las entradas
para el FLS antes de ser fuzzicadas
pueden ser determinadas (ejemplo
mediciones perfectas) o indetermi-
nadas (ejemplo mediciones de ruido).
Vol. 7 No. 13 Enero - Junio de 2009
 $ISPARANDOELCLCULODELINTERVALO &X X X

X
&
&/5&
X #ALCULANDOLASALIDADELAREGLA
&

FX
MIN &/5'
&X X
X 2EGLA$ISPARADA
FX
MIN &/5"

&/5&
& X

X
&

X
X

Figura 2.3 Inferencia de FLS T2: intervalo de disparo de salida a la

regla FOU

Las funciones de pertenencia FM es un intervalo. El intervalo disparo

para FS T2 nos permiten manejar est dado por:
cualquier tipo de medicin [Mendel,
2007]. .

En la Figura 2.3 el clculo para FLS Es entonces t-normado con

T2. Ahora cuando , la y es t-normado con
lnea vertical para , intercepta Cuando es
) en el intervalo triangular, y la t-norma es el mnimo,
entonces el resultado de la regla dis-
parada FOU es la FOU trapezoidal.
; y, para
[Mendel, 2001]
, la lnea vertical para
intercepta ) en todos Dos representaciones muy im-
los puntos en el intervalo portantes para FS T2
Se puede ver que el conjunto difuso
se puede representar de dos maneras
Dos salidas de nivel son calculadas, diferentes utilizando los cortes verti-
un disparo nivel bajo ), y un dis- cales y las funciones embebidas as:
paro de nivel superior, ) donde Representacin corte vertical
)=min (2-1)
y )=min. Es muy utilizado en computacin
Lo ms importante de esta gura Representacin corte ondulado
que se puede ver es el resultado de
(2-2)
operaciones entrada y antecedente

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 19
Las representaciones de cortes verti-
cales son muy importantes y bsicas
para realizar los clculos (computacio-
nes), mientras que las representacio-
nes de cortes ondulados son bsicas
para derivaciones tericas. La ltima
es conocida como el teorema de la re-
presentacin (RT) de John Mendel. La
unin de todos los cortes verticales y la Figura 2.4 Conjunto T1 resultado- regla para
unin de todas las FSs embebidas T1 todas las combinaciones
cubren la totalidad de la FOU. el antecedente se descompone en sus
T1 FSs embebidas y el consecuen-
A pesar de que la RT es muy til
te es descompuesto en sus T1 FSs
para los desarrollos tericos, an no
embebidas. Cada uno de los
es til para clculos debido a que el
caminos acta como una inferencia
nmero de conjuntos embebidos en
T1. Cuando se toma la unin de todos
la unin pueden ser muy grandes o
los resultados de las reglas de con-
astronmicos. [Mendel, 2007].
juntos T1, el resultado es el conjunto
Normalmente, la RT se utiliza para disparos de la regla de conjuntos T2.
llegar a la estructura de un resultado Lo ltimo que se toma es el lmite infe-
terico (Ejemplo, la unin de dos FS rior y superior porque cada uno de los
IT2). Despus en la prctica se en- conjuntos de los resultados regla
cuentran los algoritmos para calcular T1 est enlazado. Para hallar una fr-
la estructura. mula para se requiere calcular
los lmites superior e inferior y ellos
Por un FS IT2, la RT establece que
solamente involucran FOUs inferiores
una IT2 FS es la unin de todos los
y superiores, funciones de pertenencia
FSs T1 embebidos (incorporados) que
de antecedentes y consecuentes. As
cubren su FOU. [Mendel, 2007].
se puede extender esta grca para
La importancia de este resultado es reglas que tienen ms de un antece-
que nos permite obtener todo acerca dente o ms reglas y a otras tipos de
de FSs IT2 o sistemas utilizando ma- Fuzzicacin [Mendel, 2007].
temticas de FS T1. Esto resulta en
Comparacin de Desfuzzica-
un tremendo ahorro en tiempo.
cin T1 y T2
Matemticas de Sistemas difu- Ahora se puede apreciar cmo el
sos T1 para FS IT2 mtodo utilizado para realizar la
Desfuzzicacin en un Sistema difuso
En orden para ver el rbol de la Figura
tipo 1 es similar al utilizado en un
2.4 se hace un enfoque a una sola regla
sistema difuso tipo 2.
.Si
tiene un antecedente y un consecuente Desfuzzicacin de un sistema
y es activada por un nmero nico. La difuso T1
clave para utilizar las matemticas de
Se calcula el Centroide de cada uno de
FS T1 para obtener una salida de la
los consecuentes de reglas del FS T1.
regla FS IT2 est en un grco como
Se llama
el de la Figura 2.3 Se puede ver que

20 SISTEMAS
& TELEMTICA Vol. 7 No. 13 Enero - Junio de 2009
a. Se calcula el disparo de ni- Centroide de un FS IT2 y su
vel para cada regla. Se llama clculo Algoritmo de Karnik-
Mendel
b. Se hace el siguiente clculo Sea la FOU la mostrada en la Figura
2.5 usando el RT (Tipo reductor), se
calcula el Centroide de todas las FSs
(2-3)
T1 embebidas, algunas de las cuales
son mostradas con diferentes colores
Desfuzzicacin en un sistema en la grca. Porque cada uno de los
difuso T2 centroides es un nmero nito, este
Los pasos seguidos para la Desfuzzi- conjunto de clculos conduce a un con-
cacin de un sistema Difuso Tipo junto de centroides que es llamado el
2 son: Centroide de , . tiene dos
a. Clculo del Centroide de cada uno valores uno pequeo y uno grande
de los consecuentes de las reglas , as .
de FS IT2, usando el algoritmo As, para calcular es necesario
KM (Karnik - Mendel). Este se
solamente calcular . Se calcula
llamar as:
utilizando dos algoritmos ite-
(2-4) rativos llamados Algoritmos Karnik-
Mendel. Se puede notar que
Clculo del intervalo de disparo de
cada regla. Este se llamar as: Cl = Min (Centroide de todas FSs T1
embebidos en Fou(B))
(2-5)

b. Se calcula "Y

,

(2-6), donde es la solucin para

el siguiente problema de minimiza-
Y
cin [Mendel, 2001]
Figura 2.5 FOU y sus FSs T1 embebidos

(2-7)
El valor de se calcula as:

Este problema es solucionado utili-

zando el algoritmo KM, y es
la solucin del siguiente problema
de maximizacin, el cual se resuelve
utilizando el algoritmo KM
(2-9)
(2-8) Uno de los algoritmos KM calcula el
punto al cambiar a L, esto se muestra
en la Figura 2.6.

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 21
 FOUB FOUB
1 1

Y Y
L R

Figura 2.6 La FS T1 embebida de color rojo Figura 2.7 La FS T1 embebida de color rojo
es usada para calcular es usada para calcular

Adems se puede notar que: la operacin unin, as el Centroide

Cr = Max (Centroide de todas las embebi-
das FSs T1 en Fou(B)
El anlisis muestra que se calcula
as:
(2-10)
El otro algoritmo KM calcula el otro
punto al cambiar a R, esto se muestra
en la Figura 2.7. Referidos a la Figura
2.2 se observa que la salida del bloque
de inferencia es procesada por la sali-
da del procesador que consiste de dos
etapas, la del Tipo reductor
(TR) y la Desfuzzicacin.
del FS T1 resultante es calculado. Lo
anterior es llamado Desfuzzicacin
Centroide. Alternativamente, como
la operacin unin es computacional-
mente costosa, cada disparo de nivel
puede ser combinado con el Centroide
de su consecuente, por medio de un
clculo distinto de Centroide, llamado
Centro de conjuntos de Desfuzzi-
cacin. El T2 anlogo de esas dos
clases de Desfuzzicacin es llamado
Centroide TR y Centro de conjuntos
TR, el resultado para un FS IT2 es
un intervalo jo . En
la Figura 2.8 se puede apreciar este
tipo de computacin en FLS T2.
En la Figura 2.8 se puede apreciar
que el ltimo clculo realizado es el
4IPO2EDUCTOR42 $EFUSIFICACIN
$ISPARODE.IVEL&,

Todos los mtodos TR son %LSUPERIOR

FJX

extensiones T2 de mtodos %NTRADA

-2EGLAS yi (x)
$ISPARADAS
de Desfuzzicacin T1, cada X
FJX (j=1,...,M)
uno de los cuales es basado %LINFERIOR
AVG
y(x)

en el tipo de clculo del #ENTRODE y (x)

#ENTROIDESDELOS #ONJUNTOS42
Centroide. Por ejemplo, en CONSECUENTES&3)4
5SAALGORITMO
los FLS T1, todos los dispa- yj
--

&INALIZQUIERDA
ros de regla de salida ja
pueden ser combinados por #ONSECUENTES
5-&SY,-&S
!SOCIADASCON
REGLASDISPARADAS
yj (j=1,...,M)
&INALDERECHA

Figura 2.8
Computaciones en un FLS IT2
-EMORIA
que usa Centro de conjuntos TR

22 SISTEMAS
& TELEMTICA Vol. 7 No. 13 Enero - Junio de 2009
promedio de , es decir Vlvula de descarga del primer
LCV102
/2 (2-10) tanque
[Mendel, 2002].

3. PLATAFORMA DE Platina de orificio para la variable

ujo
EXPERIMENTACIN
La experimentacin se realiz en una
planta de procesos del SENA, en el
centro CEAI de la ciudad de Cali. Un LT101 Elemento visualizador de Nivel
diagrama de procesos se muestra en
la Figura 3.1.
Tanque que se utiliza en control de
nivel

FT100

L T 101 Tanque de recirculacin del agua

T K 102
LC V 100
L C V 102

Se dispone de dos equipos de control,

los cuales permiten realizar las prue-
S V 100 bas directamente sobre la planta o
en forma remota. La lnea punteada
IC que va del transmisor FT100 al PLC
P 100 T K 100
indica que se le enviar la seal para
Figura 3.1. Diagrama de proceso. que ste establezca el control sobre la
vlvula y por ende sobre la variable.
En la Figura 3.1 se puede apreciar el
diagrama de procesos de la platafor- 4. REDES NEURONALES
ma de experimentacin.
Debido al problema que conlleva la
La simbologa de los elementos que implementacin de los controladores
aparecen en el grco es la siguien- difusos FLS T1 y T2 en el PLC, hubo
te: la necesidad de hacer uso de una red
neuronal para que aprendiera la sa-
SP Controlador lgico programable
PLC lida de los controladores (Supercie
en ) y a travs de una rutina se
FT100 enviara al controlador lgico progra-
Transmisor de nivel FT100 mable PLC.
Para poder enviarle los parmetros
de la supercie al PLC (utilizando el
Vlvula electrnica de control OPC), se emple una rutina llamada
LCV 100
Neuronal. Esta rutina es llamada
por el programa principal (Main-
Bomba que suministra la materia Routine) y enva la supercie re-
prima
P 100 presentada en estas ecuaciones para

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 23
establecer el control sobre la planta
de procesos ya sea nivel o ujo.
La red neuronal implementada en los
FLC T1 y T2 es una red elemental
articial con diez neuronas en cada
una de las dos capas ocultas, como se
puede apreciar en la Figura 4.1.
Las entradas de la red neuronal son el
error y la derivada del error represen-
tados por y , los pesos sinpticos
y los pesos
La salida est representada por la
funcin salida .
Las ecuaciones (4-2) a (4-5) describen
el proceso de la red neuronal.
(4-1)
(4-2)
(4-3)
(4-4)
(4-5)
Figura 4.1. Red neuronal aplicada al FLC T1
En la grca de la red Neuronal se
puede observar que cada capa oculta
tiene 10 neuronas. La funcin de las
24 SISTEMAS
& TELEMTICA
neuronas es la del aprendizaje de la
salida de FLS T2 o T1 (Supercie) que
relaciona las entradas con la salida.
[Melin 2002]
Parmetros de desempeo
Para la respuesta en lazo cerrado
de un sistema de control por com-
putador se utilizarn los mismos
criterios de desempeo que nor-
malmente se usan en el ajuste de
las constantes del controlador PID.
Estos son:
Integral del cuadrado del error
(4-6)
Integral del valor Absoluto del
error
(4-7)
Integral del tiempo multiplicado
por el valor absoluto del error
(4-8)
Esfuerzo de control
. (4-9)
IAE es la integral del valor absoluto
del error y se medir en porcentaje,
as como el EFC.
El parmetro EFC, mide el promedio
del esfuerzo de la variable mani-
pulada MV en porcentaje [Melin,
2002]
La seleccin de los criterios depende
del tipo de respuesta deseada. El
error contribuye de manera distinta
para cada criterio, as que para un
error grande se incrementa el valor
del ISE ms que IAE, puesto que en
el ISE se suman los cuadrados de los
errores mientras que en el IAE se
suman los valores absolutos de los
errores.
Vol. 7 No. 13 Enero - Junio de 2009
El ISE responde a favor con peque- Diagrama de pasos que se utiliza-
os rebosamientos en cambios de ron en la implementacin de los
carga, pero ISE dar ms tiempos controladores FLS T1 o FLS T2 en
largos. En ITAE el tiempo aparece Nivel y en ujo en el PLC
como un factor y por lo tanto ITAE
penaliza fuertemente los errores Aplicacin de logica difusa T2
que se producen con retraso en el en control de procesos Industriales

tiempo, pero ignora los errores que

ocurren temprano en el tiempo. Di- Control
seando y utilizando ITAE nos dar
tiempo corto, pero es el ms largo En linea
rebasamiento de los tres criterios
considerados. Con el criterio IAE
Diseo en matlab
dar un resultado intermedio. La del controlador
seleccin de un criterio depende del difusa tipo 1 a 2

tipo de respuesta deseada.

Diseo de la red
En este trabajo de grado se usarn neuronal

solamente los criterios de desempeo

Entrenamiento
IAE y EFC. de la red neuronal

Otros valores importantes que se Aplicacin en el Rutinas trans y

tienen en cuenta en este documento PLC server Rutrans

son:
Implementacin Software RSlink
en el PLC y Rslogix
: Tiempo en el que la variable de
proceso (medido en minutos) alcanza
Sintonizacin del
una estabilidad segn los criterios de control
control.
Conclusiones
: Tiempo en el cual la variable al-
canza por primera vez la referencia Figura 4.2 Diagrama de bloques de proce-
SP. dimiento para la implementacin del control
difuso
Constante de ganancia del error
que se logra cuando el sistema es En la Figura 4.2 se puede apreciar
estable. los pasos utilizados en la implemen-
tacin de los controladores difusos
: Constante de la derivada del T1 y T2 a travs de la red neuronal
error que se logra cuando el sistema en el PLC.
es estable.
5. IMPLEMENTACIONES Y
: Constante de la salida del siste- RESULTADOS
ma cuando se logra la estabilidad. 5.1 Descripcin del controlador
: Valor medido en porcentaje del Difuso T1 implementado para
sobrepaso de la variable de proceso Nivel
respecto de la referencia SP Para controlar la planta respecto
de la variable nivel se implement

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 25
un controlador difuso FLS Tipo 1
Mamdani, teniendo como variables
de entrada, el error y la derivada del
error y como salida la apertura de la
vlvula LCV100 de la Figura 2.8.
Para la fuzzicacin de la variable
Error y derivada del error se utili-
zaron funciones de pertenencia Gaus-
sianas Tipo 1. Se declararon 25 reglas
entre las entradas y la salida, que
El conjunto de fuzzicacin asociado
a la variable Error se presenta
en la Figura 5.2 con 5 funciones de
pertenencia Gaussianas T1 (con las
etiquetas lingsticas, MuNeg, Neg,
Cero, Pos y MuPos,) teniendo en
cuenta el intervalo de incertidumbre
de la variable.
MuNeg
1 Neg cero Pos MuPos

Grados de pertenencia
se desglosarn ms adelante. Para 0.8
la salida se utilizaron dos funciones 0.6
de pertenencia Tipo 2 trapezoidales 0.4

y 3 triangulares. La estructura, los 0.2

conjuntos asociados y las reglas se 0

-50 -40 -30 -20 -10 0 10 20 30 40 50
presentan a continuacin. La Figura Error

5.1 representa la estructura del FLS Figura 5.2 Funciones de pertenencia para FLS
T1 para el control de nivel. T1 para el Error

El conjunto de fuzzicacin asociado

a la variable Derivada del error se
puede apreciar en la Figura 5.3, en
Error (5) Fuzzy T1 DosVar Jul9 1
la cual se ha determinado con cinco
(mamdani)
funciones de pertenencia Gaussia-
25 rules nas (con las etiquetas lingsticas,
valvula (5)
MNegativo, PocNega, Cero, PocPos
DerError (5)
y MuPositivo,).

Figura 5.1 Sistema difuso FLS T1 con 2 entra- MNegativo PocNega cero PocPos MPositivo
das y 1 salida para el control de nivel
Irados de pertenencia

0.8

En el sistema FLS T1 se aprecia 0.6

que las entradas Error y DerError 0.4

estn representadas en la fuzzica- 0.2

cin con 5 funciones de pertenencia 0

Gaussianas tipo 1 y la salida con 3 -0.1 -0.08 -0.06-0.04 -0.02 0 0.02 0.04 0.06 0.08 0.1
Error

triangulares y 2 trapezoidales tipo 1. Figura 5.3 Funciones de Pertenencia para la

Se han implementado 25 reglas entre
las entradas y la salida y el conectivo
lgico utilizado para el enlace es y.
[King, 1999]
En el sistema FLS T1 se aprecia que
las entradas Error y DerError estn
representadas en la fuzzicacin con
5 funciones de pertenencia Gaussia-
nas tipo 1 y la salida con 3 triangu-
lares y 2 trapezoidales tipo 1.
variable DerError del FLS T1
El conjunto de fuzzicacin asociado
a la salida vlvula (apertura) se
puede ver en la Figura 5.4, con 3 fun-
ciones de pertenencia triangulares
(con etiquetas lingsticas CerrSuav,
Nocambio y AbreSuav) y 2 funciones
trapezoidales (con etiquetas lings-
ticas (CerrRap y AbreRap).

26 SISTEMAS
& TELEMTICA Vol. 7 No. 13 Enero - Junio de 2009
 CerrRapro
1
CerrSuav Nocambio abreSuav abreRap desempeo. Se logra que el error
Grados de pertenencia
0.8 de estado estacionario sea cero y el
0.6 tiempo de establecimiento es de 6.22
0.4
minutos, ya que la curva PV tiene
0.2
dos oscilaciones antes de alcanzar el
0
estado estacionario. Sin embargo el
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 sistema es estable. El sobrepaso MP
Valvula
es de 1% respecto del SP.
Figura 5.4 Funciones de pertenencia para
la salida del FLS T1 para el control de la Tabla 5.1 Parmetros de desempeo del
planta FLS T1
FLS IAE % EFC % Tss Ts MP %
Resultados obtenidos al imple- T1 7.629 25.733 6.2min 1 min 1
mentar FLS T1 del sistema real
5.2 Descripcin del controlador
Con los datos tomados del PLC cuan-
Difuso T2 implementado
do se aplica el controlador FLS T1 a
la planta de procesos se construye la Para controlar la planta respecto de
grca de la Figura 5-5, que relaciona la variable nivel se implement un
las curvas de las variables PV, MV controlador difuso Tipo 2 Mamdani,
y SP. teniendo como variables de entrada,
el error y la derivada del error y
Para el anlisis de los datos se cal- como salida la apertura de la vlvula
culan los parmetros de desempeo LCV100 de la Figura 2.8.
IAE y EFC, adems de las constantes
como el tiempo de establecimiento Para la fuzzicacin de la variable
tiempo subida (Alcance de la Error y derivada del error se
referencia por primera vez) , el utilizaron funciones de pertenencia
sobrepaso (MP), el error de estado Gaussianas Tipo 2. Hubo necesidad
estacionario ( ), constante del de establecer, segn la informacin
error ( constante de la derivada extractada de un experto, 25 reglas
del error ( , y constante de salida que relacionan la entrada y la salida,
( Estos valores se muestran en que se desglosarn ms adelante.
la Tabla 5-1. Para la salida se utilizaron dos fun-
ciones de pertenencia Tipo 2 trapezoi-
Controlador difuso T1 de Nivel con dos variables
60 dales y 3 triangulares. La estructura,
SP
40
PV SP los conjuntos asociados y las reglas
MV 20 MV se presentan a continuacin en la
PV 0
Figura 5.6 [Castro, 2006]
0 500 1000 1500 2000 2500 3000
(Min)
Comportamiento del error en el tiempo (Minutos)
40

20

-20
0 500 1000 1500 2000 2500 3000

Figura 5.5 Respuesta de la planta de nivel al

controlador difuso FLS T1
En la Tabla 5-1 se pueden apreciar Figura 5.6 Sistema Tipo 2; Dos entradas, una
los resultados de los parmetros de salida y 25 reglas

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 27
El conjunto de fuzzicacin asociado (con etiquetas lingsticas CerrSuav,
a la variable Error se presenta en Nocambio y AbreSuave) y 2 funciones
la Figura 5.7 con cinco funciones de trapezoidales (con etiquetas lings-
pertenencia Gaussianas (con las eti- ticas (cerrRap y AbrRap) [Castro,
quetas lingsticas, MuNeg, Negat, 2006]
Cero, Posi y MuPos,) teniendo en
cuenta el intervalo de incertidumbre
de la variable. Se utiliz la herra-
mienta Interval Type-2 Fuzzy Logic
Toolbox autorizada por el doctor
Oscar Castillo, profesor de posgrado
del Instituto Tecnolgico de Tijuana,
en Mxico.
MuNeg Negat Cero Posi MuPos
Figura 5.9 Fuzzicacin de la salida vl-
vula
0.9
0.8
0.7 Respuesta en el tiempo del sis-
0.6
0.5
tema real
0.4
0.3
Despus de implementar el con-
0.2
0.1
trolador difuso T2 en el autmata
0
-50 -40 -30 -20 -10 0 10 20 30 40 50
programable se toman los datos rela-
cionados con la referencia (Set point
Figura 5.7 Fuzzicacin de la entrada El SP), la variable manipulada (el nivel
Error
MV) y la variable del proceso (PV),
El conjunto de fuzzicacin asociado del PLC y se graca la respuesta en el
a la variable Derivada del error se tiempo: En la Figura 5.10 se aprecian
puede apreciar en la Figura 5.8, en la los resultados.
cual se ha tenido en cuenta despus
Controlador difuso T2 de Nivel con dos variables
de varias pruebas cinco funciones de 60
SP PV
pertenencia Gaussianas (con las eti- 40
SP
MV MV
quetas lingsticas, MuNeg, PoNega, 20

Cero, PoPos y MuPos,) . PV 0

0 200 400 600 800 1000 1200 1400 1600 1800
(Min)
Comportamiento del error en el tiempo (Minutos)
40
PV
20
SP
MV
0

-20
0 200 400 600 800 1000 1200 1400 1600 1800

Figura 5.10 Respuesta en el tiempo de la

planta segn FLS T2 para nivel

Figura 5.8 Fuzzicacin de la entrada Deri- Para el anlisis de los datos se cal-
vada del Error
culan los parmetros de desempeo
El conjunto de fuzzicacin asociado IAE y EFC, adems del tiempo de es-
a la salida vlvula (apertura) se tablecimiento tiempo de alcan-
puede ver en la Figura 5.9, con 3 fun- ce de la referencia , el sobrepaso
ciones de pertenencia triangulares (MP), el error de estado estacionario

28 SISTEMAS
& TELEMTICA Vol. 7 No. 13 Enero - Junio de 2009
( ).Estos valores se muestran en la
Tabla 5.2.
Tabla 5.2 Parmetros de desempeo del
FLS T2
IAE EFC Tss Ts
FLS
(%) (%) (min) (Min)
T2 5.23 24.78 3.12
La curva de la parte inferior de la Fi-
gura 5.10 muestra el comportamiento
de error durante la experimentacin,
iniciando con un valor grande del 40%
hasta llegar a ser cero en 3.12 minu-
tos. El sistema es muy estable.
La variable manipulada MV inicia
en 42% y termina en 25%, logrndo-
se con esto que la vlvula tenga un
mnimo de esfuerzo en adelante. Las
constantes en la tabla del error, de la
derivada del error y de la salida son
aquellas que tendr el sistema difuso
T2 cuando se alcanza la estabilidad.
Anlisis de los parmetros de
desempeo de los FLS T1 y T2
en nivel
Teniendo como base las tablas de
los parmetros de desempeo de los
controladores Difusos FLS T1 y T2
se puede hacer el siguiente anlisis,
segn la Tabla 5.3.
Los procesos que se desee contro-
lar de una forma precisa es ne-
cesario que presenten una etapa
de realimentacin, para reducir
en gran medida el margen de
error.
Los tiempos de establecimiento
tambin son menores en el FLS
T2 que en el T1po 2 (6.12min
respecto de 3.12 min), este tiempo
casi es duplicado por el FLS T1
respecto del T2. As el sistema
reacciona ms rpido hasta llegar
Aplicacin de la lgica difusa tipo dos en una planta didctica en control
de procesos industriales, respecto de las variables nivel y ujo
a tener un error de cero en estado
estacionario.
El esfuerzo de control es mucho
menor en el Controlador Difuso
MP Ess tipo 2, es decir la energa utilizada
por este controlador es menor
(%) (%)
1.40 1% 0 respecto del Difuso tipo 1, pues
existe una diferencia de 0.953%,
as la vlvula tiene un mejor com-
portamiento.
Respecto de los tiempos de subida
es ms rpido el controlador
tipo 1, pero en los sobrepasos los
valores son iguales 1%. Esto lo
equilibra el FLS T2 con su mejor
comportamiento al alcanzar en
menor tiempo el valor deseado,
es decir el sistema demora ms
tiempo inicialmente pero despus
logra un mejor comportamiento.
En el parmetro IAE se puede
apreciar que el Difuso tipo 2 es
menor que el tipo 5.23 contra 7.62
(Diferencia de 2.39), sin embargo
en ambos casos se obtienen muy
buenos resultados. El hecho de
que el IAE sea menor signica que
la suma de los valores absolutos
(para evitar el signo negativo)
de los errores son ms bajos y
como se suman positivos se nota
claramente que la diferencia no es
muy alta. Estos valores se pueden
apreciar en la Figura 5.11.
30,00
Parametros
del FLS1 y
25,00 T2 en control
de Nivel
20,00
Tipo 1
15,00
Tipo 2
10,00
5,00
0,00
IAE % EFC %
Figura 5.11 Parmetros de desempeo de los
controladores FLS T1 y T2 Nivel
SISTEMAS
& TELEMTICA 29
 planta, los cuales se encuentran
7,0 en una variacin constante, con
6,0
lo que un proceso muy sistemti-
5,0
4,0 Tipo 1
co puede generar mayor error,
3,0 Tipo 2 aduciendo que es mejor el control
2,0
en procesos reales (como nivel y
1,0
0,0 ujo) con muchas interferencias
Tss (min) Ts (min) MP % y dificultades en el controlador
Figura 5.12 Parmetros Tss , Ts y MP para Difuso tipo 2 que en el T1, como se
los FLS T1 y T2 en Nivel aprecia en las Figuras 5.5 y 5.10.
Lo anterior se puede armar pues
En la Figura 5.12 se pueden apreciar en la investigacin la mayora de
los parmetros de tiempos de estable- los casos fueron tratados a nivel
cimiento, tiempo de subida y sobrepa- de simulacin y no se involucran
so de los FLS de la Tabla 5-3. dentro de ellos verdaderas incer-
Tabla 5.3 Parmetros de desempeo del FLS tidumbres como las que aparecen
T1 y T2 en nivel en un proceso real.
IAE EFC Tss Ts MP Ess El desarrollo de los controladores
FLS
(%) (%) (min) (min) (%) (%)
difusos T1 y T2 resultaron ms
T1 7.629 25.733 6.2 1 1 0 econmicos en este trabajo que
T2 5.23 24.78 3.12 1.40 1 0 los convencionales (PID) por su
diseo, ya que no se necesitaron
mdulos adicionales en el PLC
6. CONCLUSIONES
(estos son obligatorios en el diseo
De acuerdo con los resultados ob-
y montaje de un PID). En la ex-
tenidos al aplicar los controladores
perimentacin solo se requiri dos
difusos tipo 1 y tipo 2, en control de
rutinas para la implementacin de
procesos industriales en la planta de
los controladores difusos T1 y T2.
experimentacin del SENA, se puede
concluir lo siguiente: Los tiempos de respuesta y esta-
blecimiento son menores en los
Los parmetros de desempeo
controladores Difuso T2 que en los
como el IAE (Integral del valor
Difuso T1, donde se observa que
absoluto del error) y el EFC (es-
reaccionan con mayor exactitud
fuerzo de control) son menores en
a problemas de incertidumbre
el controlador difuso T2 que en el
ocasionados por interferencias y
T1, como se puede apreciar en la
otros factores que en ocasiones
Tabla 5.3, lo cual implica un mejor
no son tenidos en cuenta. As
desempeo del FLS T2 en tiempo
mismo se puede armar que los
y energa necesaria.
sobrepasos mximos son iguales
El manejo de la lgica difusa tipo en ambos, como se puede apre-
2 debido a su forma de trabajo, ciar en la Tabla 5.3. Tambin se
con parmetros difusos (relativos), puede afirmar entonces que al
permite obtener una mayor versa- aplicar unas cuantas reglas a los
tilidad en el control de parmetros controladores se abarca una gran
de medicin del ujo y nivel en esta cantidad de complejidades.

30 SISTEMAS
& TELEMTICA Vol. 7 No. 13 Enero - Junio de 2009
 La implementacin del controla- se plantea como un nuevo trabajo
dor difuso T2 requiri de mayor de investigacin.
tiempo y depuracin debido a
Una desventaja, que se tuvo en la
su estructura, pues presenta in-
implementacin de los controla-
certidumbre tanto a nivel de las
dores difusos, fue el tiempo dedi-
variables primarias el error y la
cado a la depuracin y simulacin
derivada del error tanto en ujo
para lograr los mejores resultados
y nivel as como de sus variables
secundarias pertinentes (Ver en la planta de procesos.
Figuras 5.7, 5.8 y 5.9). Para la implementacin de los
Dentro de la investigacin del controladores difusos T1 y T2 se
estado del arte de este trabajo se not que los elementos tericos de
encontr que la mayora de los re- la lgica difusa tipo 2 presentan
sultados fueron obtenidos a partir un nivel de complejidad mucho
de simulaciones en un software ms alto que los de la tipo 1.
como la de Matlab y no en otras
plantas reales o similares a la del 6. EXPECTATIVAS FUTURAS
SENA. DE INVESTIGACIN
Despus del trabajo realizado que-
La realizacin de los controladores dan expectativas por cubrir, ya que
Difusos T1 y T2 requiri de la el campo es nuevo y se presentan
ayuda de un experto en la planta muchos interrogantes. Entre los fu-
de procesos del SENA para denir turos trabajos a realizar se podran
las funciones de pertenencia y las nombrar los siguientes:
reglas (se construyeron 25 reglas
para cada controlador) conables, La implementacin completa del
que relacionaran las entradas y la control difuso tipo 1 en el PLC, es
salida. decir las funciones de pertenencia
y toda la estructura del FLS T1
La implementacin de la red neu- implementada en el PLC.
ronal en el PLC se realiz para el
aprendizaje de la supercie de la Implementacin completa del
salida del controlador difuso (T1 o control difuso tipo 2 en el PLC, es
T2), que relaciona las dos entra- decir las funciones de pertenencia
das (error y derivada del error) y y toda la estructura del FLS T2
la salida (vlvula). Lo anterior se implementada en el PLC.
hizo mediante las ecuaciones 4-1 a Incorporacin de los conceptos
4-5, con dos rutinas, estableciendo de estabilidad de Liapunov en el
comunicacin directa entre Matlab control de procesos industriales, a
y el PLC mediante el driver OPC. travs de los controladores difusos
No se implementaron directa- tipo 1 y tipo 2.
mente los controladores difusos en
el PLC, porque se quera observar Realizar un desarrollo propio para
la aplicacin del aprendizaje de la la implementacin de los sistemas
red neuronal de la respuesta de difusos T2, sin utilizar los que se
los controladores mencionados, hicieron para el software Mat-
adems la implementacin directa lab.

Aplicacin de la lgica difusa tipo dos en una planta didctica en control

de procesos industriales, respecto de las variables nivel y ujo
SISTEMAS
& TELEMTICA 31
7. BIBLIOGRAFA
1. P. Melin and O. Castillo. In-
telligent control of non-linear
dynamic plants using type-2
fuzzy logic and neural networks.
Proceedings of the Annual Meet-
ing of the North American Fuzzy
Information Processing Society,
2002
2. Juan R. Castro. Interval Type-2
Fuzzy Logic Toolbox. Procee-
dings of International Seminar
on Computational Intelligence,
pp.100-108. Tijuana Institute of
Technology. October 2006
3. Q. Liang and J. Mendel, Inter-
val type-2 fuzzy logic systems:
Theory and design. IEEE Tran-
sactions Fuzzy Systems, vol. 8,
pp. 535550, 2000
4. J. Mendel. Uncertain Rule-Ba-
sed Fuzzy Logic Systems: Intro-
duction and New Directions. NJ:
Prentice-Hall, 2001.
5. Jerry M. Mendel. Type 2 Fuzzy
set and systems: An Overview.
IEEE Computational Intelligen-
ce Magazine- February 2007.
CURRCULOS
Eduardo Caicedo Bravo. Ingeniero
Electricista de la Universidad del
Valle de Cali Colombia; Mster
en Tecnologas de la Informacin
en Fabricacin y Doctor en In-
formtica Industrial de la Uni-
versidad Politcnica de Madrid,
Espaa. Director del Grupo de
Investigacin Percepcin y Siste-
mas Inteligentes, Profesor Titu-
lar de la Universidad del Valle.
Lneas de inters: Inteligencia
Articial, Robtica e Inteligencia
Computacional.
32 SISTEMAS
& TELEMTICA
Jess Alfonso Lpez. Nacido en
Cali en 1972, obtuvo su grado
como Ingeniero Electricista de la
Universidad del Valle en 1996,
posteriormente se gradu como
Magster en Automtica en la mis-
ma Universidad en el ao 1998,
recientemente obtuvo su grado
como Doctor en Ingeniera en la
Universidad del Valle en el ao
2007. Sus reas de inters son:
Las Redes neuronales articiales
y sus aplicaciones, Lgica difusa
y sus aplicaciones, Inteligencia
de enjambres y sus aplicaciones,
el control automtico, la Identi-
cacin de sistemas, la Enseanza
de la inteligencia computacional y
la enseanza del control automti-
co. Es miembro profesional de la
IEEE y pertenece a la sociedad
de inteligencia computacional de
la IEEE. Actualmente est vincu-
lado a la Universidad Autnoma
de Occidente como docente de
planta y director del programa de
Ingeniera Mecatrnica
Gustavo Adolfo Daz. Licenciado
en Matemticas de la Universidad
Santiago de Cali; Especialista
en Matemticas Avanzadas de
la Universidad Nacional; Espe-
cialista en Sistemas Digitales
y Computadoras de la Univer-
sidad del Valle; Especialista en
Automatizacin Industrial de la
Universidad del Valle; Candidato
a obtener el ttulo de Magster en
Ingenieras con nfasis en Au-
tomtica de la Universidad del
Valle. Actualmente se desempea
como Profesor H.C. de la Univer-
sidad ICESI y Profesor T.C. del
SENA Centro CEAI del Valle.
Vol. 7 No. 13 Enero - Junio de 2009