Está en la página 1de 4

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas Vega, de Control Diego Híbridos.

1

diegovega159@gmail.com

Universidad de las Fuerzas Armadas “ESPE”

Departamento de Energía y Mecánica.

Aplicación de Control Híbrido Control difuso de PID de un brazo de articulación flexible con Incertidumbres de cargas que varían en el tiempo.

Resumen- El presente artículo describe la implementación de

un sistema de control PID combinado con control difuso para

un brazo robótico de articulación flexible con valores de

incertidumbre que impiden implementar un control

convencional, esta combinación describe a un controlador

híbrido, que combina potentes herramientas computacionales

y las características de la retroalimentación propias del PID.

La lógica difusa se utiliza en esta aplicación para controlar los

grandes niveles de incertidumbre que se presentan

constituyéndose en un sistema robusto que proporciona

resultados satisfactorios. Inicialmente se aplica el control PID

controlando al robot el cual es accionado por un motor de

corriente continua, para los cual se sometió a pruebas para

luego aplicar el control difuso. [1]

Abstract- This paper describes the implementation of a PID

control system combined with control for a flexible articulated

robotic arm with uncertainty values that prevent the

implementation of a conventional control. This combination

describes a hybrid controller that combines powerful

computational tools and the characteristics of The PID

feedback. Fuzzy logic is used in this application to control the

large levels of uncertainty that presents itself as a robust

system that offers satisfactory results. Initially the PID control

is applied controlling the robot which is driven by a DC

motor, for which it was tested and then applied the diffuse

control. [1]

Palabras claves-Robot de articulación flexible, control difuso,

control PID, incertidumbre, retroalimentación, híbrido.

I.

INTRODUCCIÓN

en este caso.

La gran aplicación del Control Inteligente se debe a su gran

adaptación, aprendizaje y capacidad de responder a

circunstancias con gran incertidumbre de manera precisa. El

éxito de este control se debe al apoyo computacional y al

desarrollo de las diferentes técnicas de inteligencia artificial

como sistemas expertos basados en los conocimientos del

operador, lógica difusa para manejo de imprecisiones, redes

neuronales con su capacidad de aprendizaje entre otros.

En la actualidad se han desarrollado diferentes aplicaciones de

control difuso como máquinas de vapor, plantas de agua

caliente, pilotos automáticos para buques [2]. El gran manejo

de niveles de incertidumbre, semejantes a las condiciones de

un humano al momento de decidir hacen que el control difuso

se esté expandiendo en la actualidad.

El control de un robot se constituye en uno de los más

populares dentro del área de control, por su gran aplicación en

los más exigentes procesos, la dificultad de controlar un brazo

robótico radica en que lo complejo que resulta expresar el

modelo matemático de la planta, las numerosas variables que

intervienen en el proceso y que dificultan encontrar el

modelado pueden ser la inercia, momentos, fricción,

coeficientes de amortiguamiento, oscilaciones entre otros, por

lo que se rrecurre a técnicas de control inteligente. [1]

En este trabajo se mejora el desempeño del control del brazo

robótico mediante el uso de un control PID y el uso Reglas

basadas en la lógica difusa. A través de pequeños cambios de

los valores de los tres coeficientes del control que se

determinan por los procedimientos clásicos de afinación, sobre

la base de un conjunto de regla se obtiene mejoras

considerables del rendimiento del controlador como menor

exceso, respuesta más rápida y eficiente. [2]

La implementación de sistemas de control inteligente se han

convertido en tendencia en últimos años debido a las

exigentes condiciones de control que están surgiendo, el

control inteligente está desplazando a los sistemas de control

convencional debido a la capacidad que poseen de controlar

procesos complejos aun sin tener el conocimiento de la

función matemática que describa a la planta, sin embargo este

método prodigioso de control se fortalece al combinase con

otras técnicas de control. La implementación de la técnica de

retroalimentación del PID tradicional con otras técnicas de

control inteligente se está posesionando en los más exigentes

procesos debido a su condición de corrección del error, dando

lugar a una nueva técnica de control llamada control híbrido,

II.

ESPECIFICACIONES DE DISEÑO.

Las especificaciones de diseño de un controlador pueden

variar dependiendo de la naturaleza de la planta, los cuales se

dan a continuación ejemplos. [3]

Diseñar un controlador robusto que mantenga las

variables del proceso razonablemente cerca de los valores

deseados.

Diseñe un controlador donde las variables de proceso

puedan seguir las variaciones en los puntos de ajuste.

Diseñar un controlador que mantenga variables de

proceso dentro de un rango. [3]

Automatización Industrial Mecatrónica

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos.

2

Se establece dos tipos de parámetros para controladores PID

difusos, uno es los niveles de pertinencia y el otro son el

conjunto de reglas difusas, además que se debe usar un

algoritmo de defuzzificación para el controlador, para lo cual

se puede utilizar diferentes métodos como el de inferencia

simplificada, centroide entre otros. [4]

El control del brazo robotico de articulación flexible con

cargas variables en el tiempo, con incertidumbres

significativas propuesto como un sistema de control híbrido

PID difuso contiene las siguientes características. [1]

Conserva la estructura del PID convencional, pero tiene

valores de ganancias no constantes, además las constantes

de ganancia proporcional, Integral y derivativa son

funciones no lineales de sus señales de entrada. Estas

características conforman un control robusto, que se

puede adaptar a diferentes circunstancias del proceso, con

un tiempo de respuesta más rápido y eficiente. [1]

El controlador está diseñado bajos las condiciones de un

controlador PID digital, desde el cual se aplica las reglas

de control difuso, de esta manera se genera un sistema

matemáticamente riguroso. [1]

Las funciones de membresía son funciones triangulares

con sólo cuatro reglas de la lógica difusa para cada uno de

los componentes del control PID. [1]

La fuzzificación, las reglas de control y el proceso de

defuzzificación están incorporados como un sistema

embebido al final del lazo del sistema de control,

acelerando el proceso de control. [1]

Se aplica las reglas del control difuso If Then que son las

 

más

generales,

y

pueden

ser

aplicadas

a diferentes

sistemas.

Se puede realizar un ajuste de la constante integral de

 

manera independiente para corregir el error en estado

estacionario. [1]

 

A

continuación

se

describirá

brevemente

el

desarrollo

matemático

 

III. DESARROLLO MATEMÁTICO.

  • A. Parte difusa PD

La salida del controlador analógico PD analógico en función

de la frecuencia es:

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos

Aplicando el desarrollo para expresarla en forma discreta se

obtiene

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos
  • B. Parte difusa I

La salida del controlador analógico PD analógico en función

de la frecuencia es:

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos

Aplicando el desarrollo para expresarla en forma discreta se

obtiene

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos
  • C. Combinación del PID con el control difuso.

Matemáticamente se obtiene combinado algebraicamente las

dos partes descritas anteriormente.

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos

Esta ecuación describe al controlador PID difuso.

  • D. Fuzzificación, reglas de control, defuzzificación.

1.

Fuzzificación.

El diseño del controlador híbrido PID difuso consta de dos

componentes. Una parte difusa PD y una parte difusa I las

cuales se ilustran en la siguiente figura. [1]

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 2 Se establece dos tipos

Figura 1: El sistema de control convencional PD + I de tiempo continuo.

Se realiza la fuzzificación de manera independiente de los dos

componentes del control PID difuso y luego se combinan los

componentes, de igual manera se establecen las reglas y el

proceso de defuzzificación. [1]

El controlador fuzzy PD emplea dos entradas: el promedio de

la señal de error y la velocidad de cambio de la señal de error.

A continuación se ilustran las respectivas funciones de

membresía tanto de la entrada como de la salida. [1]

Automatización Industrial Mecatrónica

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos.

3

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 2: Función de membresía de la entrada del componente PD.

En la figura anterior se ilustra la respectiva función de

membresía tipo trapezoidal de la entrada del componente PD

del controlador Híbrido con un nivel de pertenencia de 0.5.

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 3: Función de membresía de la salida del componente PD.

En la figura 3 se ilustra la respectiva función de membresía

tipo trapezoidal de la entrada del componente PD del

controlador Híbrido con un nivel de pertenencia de 1. [1]

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 4: Función de membresía de la entrada del componente I.

del error y a la variación del error para definir las reglas del

control fuzzy. [1]

3.

Defuzzificación

Finalmente se realiza el proceso de defuzzificación para que se

pueda procesar el valor la señal de control, para esta etapa se

procede a recurrir al método del centroide que es el más

utilizado a nivel general. [1]

IV. DESARROLLO DEL EXPERIMENTO.

Como componentes de la planta se utilizó un brazo robótico

de enlace flexible accionado por un motor de cc, utilizado para

girar una barra de aluminio de 12 pulgadas que es la parte del

brazo, además se utiliza una computadora para el control. [1]

Para este experimento se realizó primero la implementación de

un control PID convencional, el cual no fue capaz de satisfacer

las condiciones de diseño, este control fue inestable con un

gran número de oscilaciones. En la siguiente figura se ilustra

el resultado del control PID. [1]

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 6: Resultado del control PID convencional al Robot.

En la figura 4 se ilustra la respectiva función de membresía

tipo trapezoidal de la entrada del componente I del controlador

Híbrido con un nivel de pertenencia de 0.5. [1]

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 5: Función de membresía de la salida del componente I.

En la figura 5 se ilustra la respectiva función de membresía

tipo trapezoidal de la entrada del componente I del controlador

Híbrido con un nivel de pertenencia de 1. [1]

  • 2. Reglas del Control Fuzzy.

Usando los componentes de las entradas de las partes I difuso

y PD difuso se establecen las reglas de control utilizando la

sentencia If Then, se debe considerar a la entrada de la señal

Los resultados del control PID fueron mucho más

satisfactorias y cumplieron con las exigencias del control del

brazo robótico. Las curvas de respuestas para diferentes

condiciones se ilustran a continuación.

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 3 Figura 2: Función de

Figura 7: Resultado del control PID difuso al brazo robótico.

Automatización Industrial Mecatrónica

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos.

4

Universidad de las Fuerzas Armadas. Vega, Diego. Sistemas de Control Híbridos. 4 Figura 8: Resultado del

Figura 8: Resultado del control PID difuso al brazo robótico.

V.

CONCLUSIONES.

El control de un brazo robótico representa un proceso

complicado de implementar debido a la naturaleza de su

funcionamiento y al sin número de elementos que

intervienen en el , de tal forma que la aplicación de un

control PID convencional no es capaz de satisfacer las

exigentes condiciones de control, sin embargo al

combinarlo con el control inteligente difuso se puede

aprovechar su potente característica de retroalimentación

para manejar el error del sistema con un control difuso

con capacidad de adaptación y aprendizaje para obtener

un control robusto que fue capaz de satisfacer las

condiciones de control de un brazo robótico.

El control PID convencional se consolido en su momento

como el método de control más popular empleado en la

industria, sin embargo los exigentes procesos que han

surgido en la actualidad debido al desarrollo tecnológico

lo está desplazando, de tal manera que para que este

método pueda perdurar necesita adaptarse a los distintos

controles inteligentes.

VI. REFERENCIAS

[1]

. M. Heidar , M. Dave , . F. Denny y C. Guanrong ,

«Fuzzy PID Control of a Flexible-Joint Robot Arm with

Uncertainties from Time-Varying Loads,» Brief Papers,

vol. VOL 5, nº 3, p. 8, 1997.

[2] T. Spyros y P. Nikolaos, «Incremental Fuzzy Expert PID

Control,» Transactions on Industrial Electronics, vol. 37,

nº 5, p. 7, 1990.

[3] A. K.J. y H. T., «The future of PID control,» Pergamon, p.

13, 2001.

[4] «A General Practical Design Method for Fuzzy PID

Control from Conventional PID Control,» Tsukuba, p. 4,

2006.

Automatización Industrial Mecatrónica