Lgica Difusa

Conjuntos Ordinarios

En la teora convencional de conjuntos un elemento es o no miembro de un conjunto,

cuando usamos lgica booleana dicho elemento tiene un valor cierto o falso. Bajo estas
condiciones, trminos como pesado no tienen ningn sentido, y slo tienen sentido las
premisas que se definen de forma precisa y cuantificable.

Un conjunto ordinario que tambin puede denominarse como conjunto tajante, crips o
clsico, es un conjunto para el cual un elemento o es o no es miembro. El valor de verdad
de estos conjuntos ordinarios puede expresarse en cualquiera de dos extremos: CIERTO (o
1), si el elemento es miembro, o FALSO (o 0) si no lo es.

(x)

5 8
x

Figura 1: Conjunto Ordinario

x 1 si x es mi embro
: X 0,1
x 0 si x no es miembro

Lgica Difusa

En 1965, Lotfi Zadeh de la Universidad de California en Berkeley, present una

publicacin donde formalmente define la teora de conjuntos difusos a partir de la cual
deriv la lgica difusa [9]. Con este concepto de grado de verdad, la lgica tradicional se
extiende en dos formas:
Primero, los conjuntos son nombrados de forma cualitativa (empleando trminos
lingsticos tales como alto, tibio, cerca, etc. ). A los elementos de estos conjuntos
as denominados se les asigna una membresa variable. Por ejemplo, un objeto tiene una
masa de 100Kg. y otro de 105Kg, ambos pueden ser miembros del conjunto pesado, sin
embargo el cuerpo de 105Kg tendr un mayor grado de membresa. Segundo, cualquier
accin o salida resultante en una premisa cierta y ejecuta una accin tal que refleja a que
premisa es cierta.

La Lgica Difusa es una herramienta que permite mejora el desempeo de los sistemas
convencionales al agregarle algunas caractersticas no corrientemente consideradas,
incorporndolas en sus modelos. Dichas caractersticas, tales como vaguedades,
imprecisiones o inconsistencias, consideradas como poco cientficas son ahora factores de
gran utilidad en la operacin de los procesos y en la toma de decisiones.

El lenguaje que usamos esta lleno de expresiones y trminos vagos como pocos,
muchos, mas, mediano, no obstante no tenemos problemas en comunicarnos y cada
da tomamos decisiones importantes basadas en este tipo de informacin vaga y general.

Mucho del poder de la lgica difusa proviene de la habilidad para derivar conclusiones y
generar respuestas basadas en informacin vaga, ambigua, incompleta e imprecisa. En este
aspecto los sistemas difusos tienen una capacidad de razonamiento muy similar a la
humana. De hecho, el comportamiento de los sistemas difusos puede representarse en
forma muy natural y simple.

Con la incorporacin de estas incertidumbres se logra emular en gran medida los

mecanismos de razonamiento humano lo que implica que los modelos de los sistemas sean
ms simplificados eliminando la necesidad de usar un modelado matemtico riguroso en
los problemas que no pueden definirse fcilmente por modelos matemticos prcticos.

En un conjunto difuso, la pertenencia de un elemento al conjunto se expresa como un valor

correspondiente entre cero y uno [0,1], dependiendo de su cercana al conjunto.

2
 (x)

5 8
x

Figura 2: Conjunto Difuso

: X 0,1

Los conjuntos ordinarios pueden representarse grficamente por un rectngulo (funcin de

membresa, pertenece o no al conjunto), mientras que en los conjuntos difusos las
funciones de membresa pueden representarse por un trapezoide o por otros tipos de
funciones como funciones triangulares, gaussianas o funciones tipo campana.

Figura 3: Funciones de Membresa, conjuntos difusos

3
En la figura 4 los puntos A y D definen los puntos que limitan el inicio y fin de una
funcin de membresa. Los puntos B y C definen el rango de valores para los que se tiene
el ms alto grado de membresa. A diferencia de los conjuntos ordinarios, las funciones de
membresa pueden solaparse. La cantidad de solapamiento representa la interrelacin entre
las funciones de membresa.
Grado de Membresia

B C F

D
A E D G
Unidades de Ingenieria

Figura 4: Solapamiento de Funciones de Membresa

Conjunto Difuso

Dado X, una coleccin de objetos, por ejemplo, X n , llamado el universo de discurso.

Un conjunto difuso F en X se caracteriza por una funcin de membresa : X 0,1

donde x representa el grado de membresa de x X en el conjunto Difuso F. Un

conjunto difuso puede verse como una generalizacin del concepto de un conjunto
ordinario, cuya funcin de membresa solo toma dos valores 0,1 .

Supngase que alguien quiere describir la funcin sen(x), cuando la variable x se encuentra
cercana a . Utilizando un conjunto difuso con los elementos x, x , se proponen las
siguientes duplas

3
C (0, 0.0072) , ( , 0.2912), ( , 1) , ( , 0.2912), (2 , 0.0072 )
2 2

4
es decir, el punto 0 tiene un grado de pertenencia de 0.0072, el punto /2 de 0.2912, el
punto de 1 etc. Para este ejemplo se utiliz una funcin de pertenencia (FP) del tipo
gaussiana (con centro en y de anchura 1) la cual es obtenida utilizando la ecuacin
siguiente, y se ilustra en la figura. Si el valor de x es menor a cero o mayor a 2, entonces,
el grado de pertenencia es cero ya que no est dentro del rango de la variable que se quiere
describir, es decir, no est cerca de .
2
1 x c

gauss(x , c , ) e 2

Figura 4: Funcin de pertenencia para una funcin seno.

Variables Lingsticas
La unidad de representacin fundamental del conocimiento en el razonamiento aproximado
es la nocin de variable lingstica. Una variable lingstica es aquella en la cual sus
valores son palabras o sentencias en un lenguaje natural o artificial. Por ejemplo, la edad es
una variable lingstica si sus valores son lingsticos ms que numricos, por ejemplo
joven, no tan joven, muy joven, bastante joven, viejo, no muy viejo, etc., ms
que valores numricos como 21 aos, 22 aos, 23, etc.
En el razonamiento aproximado es usual tener la siguiente estructura asociada con la
nocin de variable lingstica

X ; LX ; D X ; M X

5
Donde :
X denota la variable lingstica, por ejemplo, la edad, temperatura, altura, etc., LX es el
conjunto de los valores lingsticos que puede tomar la variable X. (Un valor lingstico
denota un smbolo para una propiedad en particular de X). DX es el dominio sobre el cual la
variable lingstica X toma sus valores cuantitativos. MX es una funcin semntica que
proporciona una interpretacin del valor lingstico en trminos de los elementos
cuantitativos de DX , es decir
M X : LX LX

L X es un conjunto difuso definido sobre DX .

Ejemplo: Siguiendo el ejemplo anterior, se define la variable lingstica X que puede tomar
los siguientes valores lingsticos:

3
L X cercanocero(CC ), cercano (C ), cercano (C )cercano (C 3 ), cercano2 (C 2 )
2 2 2 2

El dominio DX sobre la variable lingstica X toma sus valores en el intervalo [0, 2].

La funcin semntica MX que proporciona una interpretacin del valor lingstico en

trminos de los elementos cuantitativos de DX , son lo conjuntos difusos descritos en la
figura (2.3).

6
 Figura 5: Representacin de las valores lingsticos de la funcin seno.

Se puede representar en forma ms compacta la variable lingstica X como:

X ; CC , C , C , C 3 , C 2 ; 0,2 ; CC , C , C , C 3 , C 2
2 2 2 2

Operaciones sobre conjuntos Difusos

Las operaciones en conjuntos difusos ms comunes incluyen la interseccin, la unin y el

complemento.

Intercepcin

Sean dos conjuntos difusos A y B, la intercepcin A B de A y B es un conjunto difuso en

X con una funcin de membresa definida para todo x X por

A B x min A x , B x

7
 (x)

Figura 6: Interseccin Difusa

Unin

La unin de A B de A y B es un conjunto difuso en X con una funcin de membresa

definida para todo x X por

A B x max A x , B x

(x)

Figura 7: Unin Difusa

Complemento

~
El complemento A de A es un conjunto difuso en X con una funcin de membresa
definida para todo x X por

A~ x 1 A x

8
 (x)

Figura 8: Complemento Difuso

Las funciones que definen la unin y la interseccin pueden generalizarse a condicin de

cumplir ciertas restricciones. Las funciones que cumplen estas condiciones se conocen
respectivamente como Conorma Triangular (T-Conorma) y Norma Triangular (T-Norma).
Algunas de las ms usadas son:

T-Norma, denotada por *, es una funcin de [0,1]x[0,1] a [0,1], la cual incluye la

Intercepcin Difusa, el Producto Algebraico, el producto Acotado y el Producto Drstico
definidos como:

Mnimo: T a, b min a, b

Producto Algebraico: T a, b ab

Producto Acotado: T a, b max 0, a b 1

a si b 1

Producto Drstico: T a, b b si a 1
0 en otro caso

La T-Conorma, denotada por +, es una funcin de [0,1]x[0,1] a [0,1], la cual incluye la

unin difusa, suma algebraica, suma acotado y suma drstica definidas como:

Mximo: T a, b max a, b

9
 Suma Algebraica: T a, b a b ab

Suma Acotada: T a, b min 1, a b

a si b 0

Suma Drstica: T a, b b si a 0
1 en otro caso

Particiones Difusas: es un subconjunto de los conjuntos difusos que se han definido para
la variable X. Una particin de X es uno de los subconjuntos que pueden formarse con los
elementos (trminos) de LX. Una particin es completa si para todos los valores posibles de
X existe en la particin un conjunto con pertenencia no nula. Se dice que dos conjuntos
difusos estn solapados si su interseccin es no nula; de este modo, el solapamiento de un
conjunto difuso es la relacin del nmero de elementos que comparte con otros conjuntos
de la misma particin, respecto del nmero total de elementos que lo forman.

Inferencia Difusa: Al igual que en la lgica clsica, la lgica difusa se ocupa del
razonamiento formal con proposiciones, pero a diferencia de sta, los valores de las
proposiciones pueden tomar valores intermedios entre verdadero y falso. El objeto de la
lgica difusa es proporcionar un soporte formal al razonamiento basado en el lenguaje
natural, cuya caracterstica es un razonamiento de tipo aproximado, que hace uso de unas
proposiciones que a su vez expresan informacin de carcter imprecisa.

Relacin Difusa: Sean U y V dos universos de discurso. Una relacin difusa R es un

conjunto difuso en el producto de espacio UxV, es decir, R tiene la funcin membresa
R u , v , donde u U y v V.

Composicin Supremo Estrella: Sean R y S relaciones difusas en UxV y VxW,

respectivamente. La composicin Supremo estrella de R y S es una relacin difusa
denotada por R o S definida por:

RS u, w supvV R u, v S s, w

10
donde u U, w W y * es un operador de la clase T-norma. R o S es un conjunto difuso
en UxW.

Las reglas difusas son bsicamente del tipo IF-THEN (Si-Entonces) y expresan una
relacin o proposicin difusa. En lgica difusa el razonamiento no es preciso, sino
aproximado, es decir, se puede inferir de una regla una conclusin aunque el antecedente
no se cumpla plenamente.
Existen dos mtodos bsicos de inferencia entre reglas o leyes de inferencia, el Modus
Ponens Generalizado (GMP) y el Modus Tolens Generalizado (GMT) que representan
extensiones o generalizaciones del razonamiento clsico.

El GMP se conoce como razonamiento directo y puede resumirse as:

Conocimiento Hecho Consecuencia

Si x es A Entonces y es B x es A' y es B'

Donde A, A', B y B' son conjuntos difusos. La Relacin que puede tambin ser expresada
como: B'=A' o R

El GMT se conoce como razonamiento inverso y se resumen en:

Conocimiento Hecho Consecuencia

Si x es A Entonces y es B y es B' x es A'

Lo que se expresa como A'= B' o R

Implicacin Difusa: Si se definen dos conjuntos A y B en U y V, respectivamente, una

implicacin difusa de A en B, que se indica con, BA es una relacin difusa en UxV, que
puede definirse por algunas de las siguientes funciones de inclusin empeladas en lgica
difusa:

11
Reglas Difusas: definen las relaciones entre los conjuntos difusos de entrada y las salidas,
estas reglas reflejan como una persona piensa del proceso, tanto en forma lgica como
lingstica. Cada regla tiene la forma de una sentencia:

SI condicin ENTONCES efecto

la porcin correspondiente al SI llamada antecedente o premisa, especifica la condicin

que deber cumplirse. La porcin ENTONCES, o consecuente, especifica la consecuencia
del antecedente. El siguiente es un ejemplo de la aplicacin de la regla:

SI masa ES pesada ENTONCES fuerza ES mayor

es posible formar reglas lgicas ms complejas al utilizar operadores lgicos. La sentencia

SI...ENTONCES, junto con los operadores lgicos, pueden formar la gran mayora de las
relaciones requeridas en sistemas y procesos de control.

12
Clases de Sistemas Lgicos Difusos

Los sistemas lgicos difusos pueden clasificarse en tres categoras: Los Sistemas Lgicos
Difusos Puros, los Sistema Lgico de Takagi y Sugeno y finalmente los Sistemas Lgicos
Difusos con Fusificador y Defusificador.

Sistemas Lgicos Difusos Puros

Los Sistemas Lgicos Difusos Puros tienen una base de reglas difusas que consiste en una
coleccin de reglas SIENTONCES, y un motor de deduccin difusa que utiliza stas
reglas difusas para determinar un mapa del conjunto difuso desde la entrada del universo
de discurso U n hacia un conjunto difuso en el universo de salida V n basado en
los principios lgicos difusos. La regla SIENTONCES tienen la siguiente forma:

R l : SI x1 es F1l & & xn es Fnl ENTONCESY es G l (2.6)

donde Fi l y G l son conjuntos difusos, x x1 xn U y Y V son entradas y salida

T

de las variables lingsticas, respectivamente, y l 1,M , siendo M el numero de reglas.

Cada regla difusa SIENTONCES de la forma (2.6) define un conjunto difuso
F1l Fnl G l en el espacio U V . El principio usado en el motor de inferencia difusa
es el llamado Composicin Supremo Estrella.

Composicin Supremo Estrella: Sea A la entrada de un Sistema Lgico Difuso Puro, la

salida para cada regla difusa SIENTONCES es un conjunto difuso A R l en V cuya
funcin de membresa es:

A R y sup xU A x F F G x, y
l
1
l
n
l l (2.7)

donde es un operador. A representa la funcin de membresa del conjunto difuso U .

La salida Sistema Lgico Difuso Puro es un conjunto difuso A R 1 R M en V , es

13
una combinacin de los M conjuntos difusos de la ecuacin (2.7), esta salida viene dada
por:

A R R y A R y A R
1 M 1 M y (2.8)

donde el operador + es el operador T-conorma que puede indicar max o suma

algebraica.

Base de
Reglas
Difusas

Motor de
Conjuntos Conjuntos
Inferencia
Difusos en Difusos en
Difusa
U V

Figura 9: Sistemas Lgicos Difusos Puro

El Sistema Lgico Difuso Puro constituye una parte esencial de los sistemas Lgicos
Difusos. Es una estructura general cuya informacin lingstica suministrada por expertos
humanos es cuantificada, y los principios lgicos difusos son empleados para hacer uso
sistemtico de la informacin lingstica.

La Base de Reglas Difusas consiste en una coleccin de las reglas SIENTONCES de la

forma dada en la ecuacin (2.6). El motor de inferencia difusa interpreta las reglas difusas
SIENTONCES desde un conjunto difuso en U U1 U 2 U n hacia conjuntos difusos

en V .

Una desventaja importante de los sistemas lgicos difusos es que sus entradas y sus salidas
son conjuntos difusos mientras que en la mayora de los sistemas usados en ingeniera las
entradas y las salidas son variables con valores reales.

14
Sistemas Lgicos de Takagi y Sugeno

Este modelo no considera las reglas SI...ENTONCES de la forma dada en la ecuacin 2.1,
Takagi y Sugeno proponen utilizar las siguientes reglas difusas Si entonces:

Ll : SI x1 es F1l & & xn es Fnl ENTONCES y l clo c1l x1 cln xn (2.9)

donde Fi l son conjuntos difusos, ci son parmetros reales, y l es la salida del sistema que

produce la regla Ll , y l 1M . Este esquema considera las reglas donde la parte SI es

difusa pero la parte ENTONCES esta bien definida (la salida es una combinacin lineal de

las variables de entrada). Para un vector de entrada de valores reales x x1 xn , la

T

salida y(x) es el promedio de los pesos de y l :

w y
M i i

y ( x) i 1
(2.10)
w
M i
i 1

donde el peso wi implica el valor total verdadero de la premisa de la regla Ll para la

entrada y se calcula como:

n
wi F x (2.11)
i

La configuracin del sistema difuso de Takagi y Sugeno se muestra en la siguiente figura

L l :SI x 1 es F1l & & x n es F nl

ENTONCES
y l
c ol c 1l x 1 c nl x n

Promediador
De Pasos

L M :SI x 1 es F1M & & x n es FnM

ENTONCES
y M
c oM c 1M x 1 c nM x n

Figura 10: Configuracin bsica del Sistema Difuso de Takagi y Sugeno

15
La ventaja de este tipo de Sistema lgico Difuso es que provee una ecuacin compacta del
sistema (2.9), y por lo tanto, los mtodos paramtricos y de determinacin de orden pueden
usarse para estimar los parmetros c il y el orden M. Como desventaja de ste Sistema
Lgico difuso es que la parte ENTONCES de la regla no es difusa, por lo que no est
provista de la estructura natural para incorporar las reglas difusas suministradas por los
expertos.

Sistemas Lgicos Difusos con Fusificador y Defusificador

Este es el sistema lgico difuso que ms se adapta a los problemas de ingeniera, donde las
entradas y las salidas son variables con valores reales. Este modelo incluye un fusificador a
la entrada para convertir las variables reales a variables lingsticas y un defusificador para
convertir las variables lingsticas a valores reales. La base de reglas y el motor de
inferencia difusa son anlogos al presentado en el Sistema Lgico Difuso Puro. Entre las
principales ventajas que presenta este sistema se tienen: Prev una estructura natural para
incluir las reglas difusas SI...ENTONCES, las entradas y salidas son valores reales y
pueden escogerse libremente: el motor de inferencia difusa, el fusificador y el
defusificador.

Base de
Reglas
Difusas

Motor de
Fusificador Inferencia Desfusificador
Difusa

Figura 11: Configuracin bsica del Sistema Lgico Difuso con Fusificador y
Defusificador

Como se puede observar en la figura, el Sistema Lgico difuso con Fusificador y

Defusificador consta de las siguientes partes:

Base de reglas difusas

16
 Motor de deduccin difusa
Fusificador
Defusificador.

la base de reglas difusas consiste en una coleccin de reglas difusas SIENTONCES de la

forma (2.6)

Motor de Inferencia Difusa: Las reglas difusas SIENTONCES son interpretadas como
una aplicacin difusa F1l Fnl G l en U V . Sea A un conjunto difuso en U que es
la entrada al motor de inferencia difusa, entonces cada regla SIENTONCES determina
un conjunto difuso B en V usando la composicin Supremo estrella:

B y sup xU F F G x, y A x
1
l l
n
l (2.13)

Fusificador: realiza una transformacin desde un conjunto ordinario x x1 xn U a

T

un conjunto difuso A en U . Los valores de entrada provenientes de los sensores se

codifican de tal forma que quedan en trminos de las etiquetas lingsticas utilizadas en la
generacin de las reglas.

(x)

Funcion de Membresia
1

Figura: Funcin de membresa correspondiente a un sensor

Fusificador nico: A es un fusificador nico con soporte en x para x U , si A x 1

para x x y A x 0 para x x

Fusificador Mltiple: A x 1 y A x decrece desde 1 como x se aleja de x , una

funcin de este tipo es por ejemplo:
17

A x exp
x x T x x
siendo es un parmetro que caracteriza la forma de
2
A x .

Defusificador: En esta etapa se produce la accin de control no difusa, que es representada

por la funcin de membresa de la accin de control. Realiza una transformacin desde un
conjunto difuso en V hacia un conjunto ordinario y V. Existen por lo menos tres posibles
escogencias para transformacin:

Defusificador Mximo: Este mtodo considera nicamente la accin de control sugerida

por la regla cuya conclusin fue evaluada con el valor de verdad ms alto. El punto de
desdifusificacin encontrado por este mtodo es el que se encuentra donde la salida difusa
final alcanza su valor mximo por primera vez, en el sentido de los valores crecientes del
eje horizontal. Se define como:

y arg sup yV B y (2.14)

donde B y es dado por B y B1 y B2 y BM y .

(x) (x)
Maximo
Maximo

1 1

x x

Figura: Mtodo de desdifusificacin de Criterio del Mximo

18
Defusificador de Centro Promedio: Este mtodo es sensible al resultado de todas las
reglas al momento de hacer la desdifusificacin, lo que produce una salida de control ms
suave. Se define como:

y Bl y
l l

y i 1 (2.15)
y
M
l
Bl
i 1

donde y es el centro del conjunto difuso G l , que es el punto V donde Gl y alcanza su

l

mximo valor y Gl y esta dado por la ecuacin 2.13

En otras palabras, este mtodo asigna el centro del rea de la salida difusa final al valor
desdifusificado. El centro de rea tambin es llamado centro de gravedad o centroide.

El mtodo de centro del rea calcula el centro de gravedad de la distribucin para la accin
de control. Asumiendo un universo de discurso discreto:

Centro de Area

Figura 14. Mtodo de desdifusificacin de Centro de Promedio

Defusificador de Centro Promedio Modificado: Se define como:

M
l Bl y
l

y
l
y
i 1
(2.16)
M
Bl y
l

l

i 1

19
donde l es un parmetro que caracteriza el ancho de la funcin de G y .
l

Mtodo de la media del mximo

Aqu el valor para llevar a cabo la accin de control se obtiene tomando el promedio de los
valores de membresa mximos, es decir, este mtodo genera como valor desdifusificado la
media de todos los valores que alcanzan el mismo mximo en la salida difusa final.

(x) (x)
Media
Del Media
Maximo Del
Maximo
1 1

x x

Figura 15. Mtodo de desdifusificacin de Media del Mximo

se calcula:

y
j

j 1
y
l

donde l es el nmero de valores cuya funcin de membresa es mximo.

20
El pndulo invertido: El problema consiste en equilibrar un bastn sobre una plataforma
mvil que puede moverse en dos nicas direcciones, a la izquierda o a la derecha. Luego,
pera equilibrar el bastn hay que mover el mvil en una direccin y con cierta velocidad de
forma que contrarreste el movimiento en base al ngulo respecto a la vertical y la
velocidad de movimiento del bastn.

Angulo

Velocidad
(Fuerza)

Fuerza
d/dt FLC
Dif

Primero, se definen las particiones de las variables difusas tanto para la entrada como para
las salidas. Ante todo, nosotros tenemos que definir cual es la velocidad del carro: alta,
baja, etc. Esto se hace para especificar las funciones pertenecientes al conjunto difuso:

NA - negativo alto (celeste)

NB - negativo bajo (verde)
C - cero (rojo)
PB - positivo bajo (azul)
PA - positivo alto (morado)

21
Lo mismo se hace para el ngulo entre la plataforma y el baston, adems de la velocidad
angular de este ngulo:

Aprciese que, para hacerlo ms fcil, se supone que al principio el bastn est en una
posicin cercana a la central y un ngulo mayor de, digamos, 45 grados en cualquier
direccin no pueda - por definicin - ocurrir.

22
Ahora las reglas que dicen qu hacer en situaciones concretas:

Considere por ejemplo que el bastn est en la posicin central (el ngulo es cero) y no se
mueve (la velocidad angular es cero). Obviamente esta es la situacin deseada, y por lo
tanto no tenemos que hacer nada (la velocidad es cero).

Consideremos otro caso: el bastn est en la posicin central como antes, pero est en
movimiento a baja velocidad en la direccin positiva. Naturalmente hay que compensar el
movimiento del bastn moviendo la plataforma en la misma direccin a baja velocidad.

De esta forma se han constituido dos reglas que pueden ponerse en una forma ms
formalizada final:

SI el ngulo es C y la velocidad angular es C ENTONCES la fuerza ser C

SI el ngulo es C y la velocidad angular es PB ENTONCES la fuerza ser PB

Podemos resumir todas las reglas aplicables en una tabla (Memoria Asociativa Difusa:
FAM):

ANGULO
NA NB C PB PA
NA NA
VELOCIDAD

NB NB C
C NA NB C PB PA
PB C PB
PA PA
FAM(Fuzzy Asociative Memory)

En este caso, la tabla es incompleta, pero puede ser suficiente para mantener en equilibrio
el bastn si el ngulo no es muy grande al igual que su velocidad. A continuacin se
muestra como estas reglas pueden aplicarse con valores concretos para el ngulo y la
velocidad angular. Para ello se definen dos valores explcitos para el ngulo y la velocidad
angular para operar con ellos.

23
Considere la siguiente situacin:

Un valor actual para el ngulo:

Un valor actual para la velocidad angular:

Las reglas que se activan son las siguiente:

SI el ngulo es C y la velocidad angular es C ENTONCES la fuerza ser C

SI el ngulo es C y la velocidad angular es NB ENTONCES la fuerza ser NB

SI el ngulo es PB y la velocidad angular es C ENTONCES la fuerza ser PB

SI el ngulo es PB y la velocidad angular es NB baja ENTONCES la fuerza ser C

Ahora mostraremos como aplicar nuestras reglas a esta situacin real. Veamos como
aplicar la regla

SI el ngulo es C y la velocidad angular es C ENTONCES la fuerza ser C

24
Nos damos cuenta que el valor real pertenece al conjunto difuso "cero" en un grado de
0.75:

Ahora la variable lingstica "velocidad angular" nos damos cuenta que nuestro valor real
pertenece al conjunto difuso "cero" en un grado de 0.4:

Como las dos partes de la condicin de nuestra regla estn unidas por una Y (operacin
lgica AND) se calcula el mn(0.75,0.4)=0.4 y cortamos el conjunto difuso "cero" de la
variable "fuerza" a este nivel (segn nuestra regla):

25
Por su parte, el resultado de la regla
SI el ngulo es C y la velocidad angular es NB ENTONCES la fuerza ser NB

El resultado de la regla

SI el ngulo es PB y la velocidad angular es C ENTONCES la fuerza ser PB

26
El resultado de la regla

SI el ngulo es PB y la velocidad angular es NB baja ENTONCES la fuerza ser C

Estas cuatro reglas solapadas desembocan en un resultado nico:

El resultado del controlador difuso es un conjunto difuso (de velocidad), as que tenemos
que escoger un valor representativo como salida final. Tomando como metodo de
desfusificacion el de centro de gravedad del conjunto difuso:

27
Como hay muchas interpretaciones de las reglas difusas SI...ENTONCES que traen como
resultado diferentes formas para el motor de inferencia difusa se debe tener presente los
siguientes criterios:

Empirismo: Como los Sistemas Lgicos Difusos se usan para incorporar

informacin lingstica, es importante que la seleccin hecha genere un apropiado
modelo del comportamiento del sistema real.
Eficiencia Computacional: Para problemas grandes o poder computacional
limitado, se debe seleccionar Sistemas Lgicos Difusos simples.

28