SIMULACIN DE SISTEMA DIFUSO PARA EL

CONTROL DE VELOCIDAD DE UN MOTOR C.D

I.S.C Coronel Lemus Martha Esmeralda Estudiante de Maestra del ITZ.,

esmeralda_coronel@hotmail.com y M.C. Hernndez Reyes Jos Antonio Catedrtico del Instituto
Tecnolgico de Zacatepec, Morelos, jantoniohr@hotmail.com

RESUMEN. En este trabajo se presenta el desarrollo de un controlador difuso de la velocidad de un

motor de CD ante variaciones en el par de carga (Ver figura 1).. El trabajo se desarrolla a nivel de
simulacin empleando el software MATLAB 5.3 (Simulink y la herramienta fuzzy logic). El mtodo de
inferencia empleado es la Implicacin de Mandani.

Palabras clave. Simulacin, Lgica difusa, Control difuso, Motor CD

I. INTRODUCCIN. Limpiadoras de Alfombras

En los ltimos aos los sistemas difusos (SDs) se Reconocimiento de Patrones:

han venido consolidando como una herramienta til Reconocimiento de Voz
para tratar y modelar sistemas complejos y no lineales. Visin por computadora
Especialmente en reas como el control, el Reconocimiento ptico de Caracteres
procesamiento de imgenes, la robtica y la
electrnica de consumo, los SDs han sido
incorporados en un gran nmero de productos y Aplicaciones Industriales:
procesos [11] [12]. Navegacin Automtica de Robots
Operacin de Plantas de Cemento
Las tcnicas de inteligencia artificial se han Control de Hornos de Vidrio
convertido en una herramienta fundamental para Control de Reactores Nucleares
abordar problemas complejos incluyendo el rea de
Control Automtico [1]. El Control Automtico ha
desempeado una funcin vital en el avance de la
Ingeniera y de la Ciencia. Adems de su extrema
importancia en los sistemas de vehculos espaciales,
guiado de misiles, robtica etc., el control automtico
se ha vuelto una parte importante e integral de los Medicina:
procesos modernos industriales y de manufactura.[4]
Diagnostico Medico
La inteligencia artificial tiene varias ramas, entre Diagnostico de Rayos-X
ellas se encuentra la Lgica Difusa. A diferencia de la
Herramientas de Endoscopia
Lgica Convencional, en donde slo son posibles los
Control de Presin sangunea
valores de falso o verdadero, la Lgica Difusa permite
definir valores intermedios en un intento por aplicar un
El Control Difuso se introdujo a comienzos de los
modo de pensamiento similar al del ser humano [5].
aos 70 como un intento para disear controladores
para sistemas que son estructuralmente difciles de
La representacin de conocimiento impreciso via
modelar, debido a su naturaleza no lineal y a otras
conceptos y variables lingsticas es la belleza
complejidades en la obtencin del modelo. Durante los
fundamental que existe detrs de la logica difus, ahora
ltimos aos el Control Difuso ha emergido como una
se empieza a programar en leguaje natural existiendo
de las reas de mayor investigacin [2].
un universo de aplicaciones en la actualidad, como se
puede observar :[3]
Por otra parte, los motores de CD son muy usados
en nuestros das en diferentes reas como: industria
Aplicaciones en el hogar:
automotriz, medicina, electrodomsticos, robtica,
Lavadoras Automticas
NASA, etc
Aire Acondicionado
Hornos de Microondas
Refrigeradores

David Jurez Romero, J. Crispn Zavala-Daz,(eds.). AGECOMP2004, Memorias del 3er Congreso de Cmputo AGECOMP, UAEM,
Mxico, ISBN(e) 968-878-205-X, pp. 25 - 34
 26 Coronel Lemus Martha Esmeralda y Hernndez Reyes Jos Antonio

Existen aplicaciones de motores de CD en los que se 1, x A

requiere tener un control adecuado del mismo, por
ejemplo, el control de servomotores de modelismo, que
son los que se usan en aviones, coches y vehculos a
escala de control remoto. Esos son los motores ms
utilizados en el desarrollo de robots animatronics, con
fines de entretenimiento (en el cine, como
exposiciones), y tienen una aplicacin muy importante
en reas de investigacin espacial, subacuatica, etc.,
solo por mencionar algunas aplicaciones de control. [1]
En este trabajo se presenta el desarrollo de un
controlador difuso para el control de la velocidad de un
motor de CD ante variaciones en el par de carga (Ver
figura 1).
Motor Velocid
Volta
je ad
constan
Par de catrg
ea
Figura 1. Perturbacin en el par de carga, velocidad
constante.
Este artculo ha sido organizado de la siguiente
forma: En la seccin II se definen los fundamentos de
lgica difusa y la estructura de un sistema difuso. En la
seccin III se presentan de manera breve los
fundamentos de los sistemas de control. En la seccin
IV se muestran los resultados de la simulacin del
controlador difuso. La seccin V expresa las
conclusiones y el trabajo a futuro.
II.FUNDAMENTOS DE LGICA DIFUSA
La lgica difusa es una metodologa que proporciona
una manera simple y elegante de obtener una conclusin
a partir de informacin de entrada, ambigua, imprecisa,
o incompleta, en general la lgica difusa modela como
una persona toma decisiones basada en informacin con
las caractersticas mencionadas, en esto se diferencia de
la lgica convencional, que trabaja con informacin bien
definida y precisa.
En las teoras tradicionales se obliga a que las
representaciones del mundo real que se realizan encajen
dentro de modelos muy precisos, tomando la
imprecisin como un factor de distorsin.
A ( x) = (1)
0, x A
Dicha funcin es llamada funcin de membresa de
A, y esta definida para todos los elementos del universo,
esta funcin hace un mapeo de todo el universo U a su
conjunto de evaluacin de dos elementos {0,1}, esto se
escribe:
A ( x) : U {0,1} (2)
II.III CONJUNTOS DIFUSOS
La lgica difusa trabaja con conjuntos a los cuales
llamamos conjuntos difusos, estos conjuntos estn
definidos por sus funciones de pertenencia, la cual
expresa la distribucin de verdad de una variable [2].
Un conjunto difuso se puede definir
matemticamente al asignar a cada posible individuo
que existe en el universo de discurso, un valor que
representa su grado de pertenencia o membresa en el
conjunto difuso. Este grado de membresa indica cuando
el elemento es similar o compatible con el concepto
representado por el conjunto difuso.
Ejemplo: Supongamos que tenemos tres conjuntos
de tipos de estaturas de personas con valores dentro de
los siguientes rangos:
Baja = (130-160 cm.)
Media = (160-180 cm.)
Alta = (180-200 cm.)
En la Figura 2 a) tenemos una representacin
utilizando conjuntos clsicos. En esta representacin
una persona que mida 180 cm. Es considerada de
estatura media, y en cambio una persona con 181 cm. ya
no. Vemos que esto no corresponde con la realidad.
En la figura 2 b) Se observa que existe un grado de
pertenencia a los conjuntos difusos. As, una persona
que tenga una estatura de 172 cm. Pertenecera en un
40% ( MEDIA(172)=04) al conjunto de personas con
estatura media y en un 10% ( ALTA(172)=010) al de
estatura alta.

II.I CONJUNTOS CLSICOS

Baja Media Alta Baja Media Alta
1 1
Los conjuntos en la teora clsica son altamente
restrictivos en el sentido de que un elemento o pertenece
o no pertenece a un conjunto dado.

En otras palabras, en un conjunto bien definido

130 160 180 200 130 150 160 170 180 200
(lgica clsica), la pertenencia o no pertenencia de un
elemento x a un conjunto A se describe mediante la Estatura (cm) Estatura (cm)

funcin caracterstica A (x) donde:[1] a) Conjuntos clsicos b) Conjuntos difusos

Figura 2. Ejemplo de conjuntos

 Simulacin de sistema difuso para el control de velocidad de un motor C.D. 27

Como podemos ver, los conjuntos difusos son un

A B
instrumento adecuado para modelar los predicados
inexactos de los lenguajes naturales. [6] 1 1

II.IV FUNCIONES DE PERTENENCIA 0 4 5 6 7 8 9 x 0 3 4 5 x

La funcin de pertenencia se establece de una manera Conjunto A Conjunto B

arbitraria, basndonos en la experiencia del usuario y
contexto del problema, adems, pueden tomar formas
distintas, aunque en la prctica generalmente se eligen Figura 4 Conjuntos A y B
algunas de las siguientes figuras:
La figura 5 muestra la operacin AND (Y)
del conjunto difuso A y el nmero difuso B
(x) (x)
(el resultado es la lnea )

A B
(a) x (b) x
(x) (x) 1

(c) x (d) x
Figura 3. Funciones de membresa ms utilizadas. 0 4 5 6 7 8 9 x
(a).Triangular, (b).Forma de Campana, (c).Monotonica,
(d).Trapezoidal. Figura 5 Operacin de AND de conjuntos difusos A y
B

II.V OPERACIONES DE CONJUNTOS

DIFUSOS
La operacin OR (O) del conjunto difuso A
con ell conjunto difuso B se muestra en la
Como ya se dijo, en la lgica difusa se emplean figura 6 (nuevamente, es la lnea ).
conjuntos, as que contamos con operaciones de
A B
complemento unin e interseccin. Cuando a dos
variables difusas se les aplica una operacin de unin
(que en la lgica binaria es equivalente a una operacin
OR), el resultado se obtiene tomando el valor mas 1
grande de entre las variables de entrada, max
( x1, x 2 ,....., x n ).

Para el caso de la interseccin (que equivale a la 0 4 5 6 7 8 9 x

operacin AND) el valor resultante de la operacin
corresponde al mnimo valor de alguna de las entradas: Figura 6 Operacin de OR de conjuntos difusos A y
B
( x1, x 2 ,....., x n ).

En la operacin complemento (equivale a una En la figura 7 se muestra un ejemplo de la

operacin NOT), se toma el valor que completamente a
1, de esta forma: [7]
negacin. La lnea es la NEGACION del
conjunto difuso A.
x, = 1 x (3)

A fin de aclarar esto, mostraremos el

siguiente ejemplo. Sea A un intervalo difuso
entre 5 y 8, y B un nmero difuso entorno a 4.
Las figuras correspondientes se muestran en
la figura 4: [8]
 28 Coronel Lemus Martha Esmeralda y Hernndez Reyes Jos Antonio

A
palabras, este mtodo asigna el centro del rea de la
salida difusa final al valor defuzificados.

1
El centro de rea tambin es llamado centro de
gravedad o centroide.

Centro de rea (COA)

0 4 5 6 7 8 9 x
c z j
1
Figura 7 Complemento de conjunto difuso A

El principal beneficio de la lgica difusa es que con

ella se puede describir el comportamiento de un sistema, 0 z1 z2 z3 z4.........zq
mediante simples relaciones si-entonces o if-then Figura 8. Mtodo de defusificacin de Centro de
estas permiten describir el conjunto de reglas que rea (COA).
utilizara un ser humano para controlar el proceso con
toda la imprecisin que poseen los lenguajes naturales y, Por lo tanto, en la figura 9 de muestra el diagrama
solo a partir de estas reglas, generan las acciones que general de una sistema difuso.
realizan el control. Por esta razn, tambin se les
denominan controladores lingsticos.
Re

II.VI ESTRUCTURA DE SISTEMA

DIFUSO Fuzzifica Defuzzifica

Un sistema difuso consta de: y

X
Maquina de
a) Etapa de fuzificacin: Esta etapa se encarga de la inferencia difusa

transformacin de las variables controladas Conj. Difusos en

Conj. Difusos en
entregadas por el proceso, en variables de tipo
lingsticas. Como resultado de la fuzzificacin se Figura 9 Diagrama general de un sistema difuso
obtiene valores lingsticos medidos.
b) Reglas: Contiene las reglas difusas que encierran el
conocimiento necesario por la solucin del
En la figura 9 se describe lo pasos que se siguen para
problema de control. Las reglas de control constan poder realizar un sistema difuso, esto es, si tenemos una
de reglas si <condiciones> entonces <acciones>.
entrada (valor numrico), se puede representar este valor
c) Mquina de inferencia: Realiza la tarea de calcular con una variable lingstica de un peso dado, despus se
las variables de salida a partir de las variables de
realiza la evaluacin de las reglas que son las que
entrada, mediante las reglas y la inferencia difusa, gobiernan el sistema difuso [1], por ltimo se vuelve a
entregando conjuntos difusos de salida. En el
pasar de una variable lingstica a un valor numrico.
presente trabajo se implemento el mtodo de
inferencia de Madani [4].
d) Defuzificacin: El resultado de la inferencia difusa
es retraducido de un concepto lingstico a una
salida fsica gracias al proceso de defuzificacin.

zj =1
j c (z j )
Z = *
q
(4)

j =1
c (z j )

donde q es el nmero de niveles de cuantizacin

de salida, zj es la suma de las salidas de control en
el nivel de cuantizacin j y c ( z j ) representa los
valores de la funcin de membresa en c. En otras Figura 10 Mquina de inferencia difusa.
 Simulacin de sistema difuso para el control de velocidad de un motor C.D. 29

Base de

III FUNDAMENTOS DE SISTEMAS DE conocimiento

CONTROL
Variable de
Vel. Motor Motor
Un sistema de control es un arreglo de componentes Variables salida
fsicos conectados de tal manera que el arreglo se pueda entrada Fuzificacin de Defuzificacin
inferencia
manipular, dirigir o regular a s mismo o a otro sistema. Error Voltaje

Los sistemas de control son muy comunes en todos

los sectores industriales, desde el control de calidad de Figura 12 Estructura de controlador difuso
productos industriales, lneas de ensamblaje automtico,
control de mquinas herramientas hasta el control por
computadora, etc., incluso los sistemas de control La planta que se va a controlar, es un motor CD,
econmico pueden resolverse con enfoques de la teora donde su modelo en forma linealizada, se tomo de (9) y
de control [10]. consiste de las siguientes ecuaciones.
Los sistemas de control se clasifican en dos grandes
categoras:
Rf 1 0
Sistemas de lazo abierto.- Es aquel en el cual la 0 L
If

Lf I f
accin de control es independiente de la salida. Vea
= + f
Va

K1 B
la figura 11.(a)
1 T
Sistemas de lazo cerrado.- Es aquel en el cual la 0 L
accin de control es en cierto modo dependiente de J J J
la salida, estos sistemas se llaman comnmente,
sistemas de control por retroalimentacin. Vea la (5)
figura 11 (b). donde:

K1 es igual al producto Laf Ia

Controlad Proce Va = Voltaje de armadura, voltios
y Ia = Corriente de armadura, amperios
( Ra = Resistencia de armadura, ohmios
La = Inductancia de armadura, henrios
Laf = Inductancia mutua de velocidad, henrios
Controlad Proce J = Momento de inercia del motor, kg-m2
+ u y B = Coeficiente de friccin viscosa, kg-m2/s
TL = Par externo aplicado al motor, N-m
( = Velocidad angular del motor, rad/seg
Fig. 11 Sistemas de control de lazo abierto y de lazo
cerrado. Nota: r = referencia, e = error, u = control, y = Los valores utilizados, para el
salida proceso desarrollo de este trabajo son

En este trabajo se emplea un sistema de control en La = 0.012 henrios

lazo cerrado. Ra = 0.6 ohmios
A partir del uso del software MATLAB se llev a K = 1.8
cabo la simulacin del control difuso, para el control de J = 1.2 kg-m2
velocidad del motor CD. B = 0.35 kg-m2/s

V. RESULTADOS DE LA SIMULACION Base de

conocimiento

El controlador difuso propuesto en este trabajo se

presenta en la figura 12. r +
- Fuzificacin
Motor
de Defuzificacin Planta
inferencia
y

Variable
controlada

Figura 14.Esquema de control de lazo cerrado

 30 Coronel Lemus Martha Esmeralda y Hernndez Reyes Jos Antonio

El esquema de control de lazo cerrado que muestra Negativo Cerca0 Positivo

todos las partes involucradas se muestra a continuacin. 1

El objetivo del control es lograr que:

0.5
y (t ) r (t ) : pequeo
donde : 0
1 T -0.5 -0.4 -0.3 -0.2 -0.1 0 0.1 0.2 0.3 0.4 0.5
(t ) = lim (t ) dT
T T 0
Figura 17 Funciones de membresa de variable de
entrada error.
donde: r(t) es la velocidad que deseada
en el motor. La salida del controlador es el voltaje, el cual se ha
y(t) es la velocidad que desarrolla el dividido en cinco funciones de pertenencia (Ver figura
motor. 18).
t es la variable tiempo.
VMB VB VM VG VMG
Como en todo lazo de control, se debe especificar 1
claramente cules sern las variables de entrada y salida
que se quiere relacionar a travs del controlador.
0.5

El controlador difuso empleado en este trabajo se

presenta a continuacin.
0 50 100 150 200

Vel. de Motor
Controlador Voltaje Figura 18.- Funciones de membresa de variable de
Error difuso salida Voltaje.

Figura 15 conjuntos de controlador difuso

En las reglas se tiene una representacin implcita del
modelo, por cuanto de ellas se puede deducir
En el controlador difuso se tienen dos variables de
entrada: velocidad de motor y error. La velocidad del aproximadamente el comportamiento del proceso.
motor tiene 5 funciones de membresa (Ver figura 16).
Una forma muy comn de representar las reglas
difusas, es mediante una representacin en forma de
Mnima Regular Media Alta Mxima
matriz, conteniendo dos antecedentes que en este caso
1 son Vel. Motor y Error y un consecuente llamado
Voltaje.
0.5
Vel.Motor / Error Neg Cerca 0 Pos

Min VMB VMB VB

0 Reg VMB VM VM
0 20 40 60 80 100 120
Med VB VG VG
Alta VM VMG VMG
Figura 16. Funciones de Membresa de la variable de
Max VG VMG VMG
entrada velocidad del motor.

La variable de error presenta 3 funciones de Figura 17 Matriz de control.

membresa (Ver figura 17).
Donde:

Vel.Motor (Var.Entrada 1):

Min = Mnima
Reg = Regular
Med= Media
 Simulacin de sistema difuso para el control de velocidad de un motor C.D. 31

Alta = Alta 12
Max. Mxima
10

Error (Var. de Entrada 2):

8
Vel.
Neg= Negativo Motor 6
Cerca 0 = Cerca de cero
Pos= Positivo. 4

0 1 2 3 4 5 6 7 8 9 10
Segundos
Voltaje (Var. Salida):
Figura 20. Simulacin de control PID sin par de
VMB= Voltaje muy bajo carga con una velocidad de referencia de 11 rad/seg
VB= Voltaje bajo
VM= Voltaje medio En la figura 21 se muestra el resultado de control
VG = Voltaje grande PID convencional, para una velocidad de referencia de
VMG= Voltaje muy grande. 11 rad/seg y al 6.2 segundos el sistema se perturba con
un par de carga de 25 N.m, se observa que los efectos
Con el objetivo de comparar el desempeo del de la perturbacin desaparecen a los 9.6 segundos.
controlador propuesto se realiz la simulacin de
control PID convencional.
12

Las pruebas se realizaron utilizando el software 10

MATLAB con la herramienta Simulink, ver esquema de
control PID en la figura 19. 8

Vel.
Motor 6

0 1 2 3 4 5 6 7 8 9 10
Segundos

Figura 21 Simulacin de control PID con una

velocidad de referencia de 11 rad/seg y un par de carga
de 25 N.m

Figura 19 Esquema de control PID convencional.

Al realizar la simulacin de control PID
convencional, con una velocidad de referencia de 11
rad/seg sin par de carga, como se observa en la figura
20, a los 6.1 segundos la velocidad se regul.
Simulacin del controlador difuso:
En la figura 22 se muestra el controlador difuso total,
el cual se implemento utilizando la herramienta
Simulink de Matlab 5.3.
 32 Coronel Lemus Martha Esmeralda y Hernndez Reyes Jos Antonio

Figura 21 Simulacin de control difuso con una

velocidad de referencia de 11 rad/seg y un par de carga
de 25 N.m

V Conclusin:

El controlador difuso propuesto en este artculo,

establece un conjunto de reglas de inferencias basadas
en el error, se pudo observar que la recuperacin de la
velocidad ante la accin de un par de carga es
relativamente muy rpida en tan solo 0.1 segundos, por
lo tanto esta demostrado que su desempeo es
Figura 22. Esquema de control difuso propuesto
satisfactorio, contra los resultados obtenidos al
implantar el control PID convencional.

Se pudo observar que la recuperacin, con el PID, de

Al realizar la simulacin de control difuso con una
velocidad de referencia de 11 rad/seg sin par de carga,
como se observa en la figura 23, a los 0.4 segundos
velocidad se regulada, por lo tanto el resultado es
satisfactorio.
14
12
la velocidad ante la accin de un par es de 2.5
segundos, lo que es muy lento comparado con la
velocidad de respuesta obtenida con el controlador
difuso propuesto.
Por lo anterior, queda demostrada la eficiencia del
control difuso sobre el control PID convencional.

10 Por lo tanto la aportacin

Vel. 8
Motor Actualmente se esta trabajando para implementar este
6 controlador difuso en tiempo real, aplicado al control de
4
velocidad de un objeto mvil.

2
Referencias:

0 1 2 3 4 5 6 7 8 9
Segundos
Figura 23 Simulacin de control difuso sin par de
carga con una velocidad e referencia de 11 rad/seg
En la figura 24 se muestra el resultado del control
difuso para cuando se tiene una velocidad de referencia
de 11 rad/seg y a los 6.2 segundos el sistema es
perturbado con un par de carga de 25 N.m, se observa
que los efectos de la perturbacin desaparecen a los 6.3
segundos.
10
[1] Julio Braslavsky Control Automtico ,
Congreso Ingeniera en Automatizacin y Control
Industrial, de la Universidad Nacional de Quilmes,
Argentina, 2002
[2] WANG, Li-Xin, Adaptive Fuzzy Systems and
Control, PTR Prentice Hall, Englewood Cliffs, NJ,
1994
[3] Ing. Vctor Hugo Ponce Ponce), Diseo de
Algoritmos de Control Basados en la Lgica Difusa,
Centro de investigacin y de estudios avanzados del
Instituto Politcnico Nacional, Mxico. 1994

14 [4] Gabriel Morales Ramrez, Jos Fermi Guerrero

Castellanos, Jos Miguel Snchez Bautista, Jos Pedro
12
Snchez Santana, Robocatepetl JGX, Benemrita
10 Universidad Autnoma de Puebla, Facultad de Ciencias
de la Electrnica. 2002
8
Vel
Motor 6 [5] Manuel Ley, Oscar L..Chacn y Ernesto Vzquez,
Control de voltaje de sistemas de potencia utilizando
4
lgica difusa, (rea de Control de CFE de Baja
2 California, Mxico), (Universidad Autnoma de Nuevo
Len, Mxico), 2000
0 1 2 3 4 5 6 7 8 9 10
Segundos
 Simulacin de sistema difuso para el control de velocidad de un motor C.D. 33

[6] Faran Llorens, Lgica Multivaluadas o

Polivalentes, Universidad Politcnica Superior
de Alicante Espaa,.Departamento de Ciencia
de la Computacin e Inteligencia Artificial.
2000

[7] D. Driankov, H. Ellenwood, M. Rein frank. An

introduction to fuzzy control, Editorial Springer, 1998
 34 Coronel Lemus Martha Esmeralda y Hernndez Reyes Jos Antonio

[[8] Peter Bauer, Stephan Nouak, Roman

Winkler , "Fuzzy Logic and Fuzzy Control"
Johannes Kepler Universitt Linz Austria,
2000

[9] Ing. Salvador Saucedo Flores, Simulacin del

control difuso de un motor CD. Escuela Superior de
Ingeniera Mecnica y Elctrica (ESIME) del Instituto
Politcnico Nacional (IPN) de Mxico, 2000.

[10] Timote J. Maloney, Electrnica Moderna

Industrial, tercera edicion, Prentice Hall, 2002

[11] C. V. Altrock, Fuzzy Logic and neuro

Fuzzy applications explained, Prentice Hall, 1995.

[12] C. V. Altrock, Fuzzy Logic and

Neuro Fuzzy Technologies in Appliances
Embedded System Conference, 1999.