Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Conjuntos Ordinarios
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
x 1 si x es mi embro
: X 0,1
x 0 si x no es miembro
Lgica Difusa
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.
2
(x)
5 8
x
: X 0,1
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
Conjunto Difuso
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
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
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].
6
Figura 5: Representacin de las valores lingsticos de la funcin seno.
X ; CC , C , C , C 3 , C 2 ; 0,2 ; CC , C , C , C 3 , C 2
2 2 2 2
Intercepcin
A B x min A x , B x
7
(x)
Unin
A B x max A x , B x
(x)
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)
Mnimo: T a, b min a, b
Producto Algebraico: T a, b ab
a si b 1
Producto Drstico: T a, b b si a 1
0 en otro caso
Mximo: T a, b max a, b
9
Suma Algebraica: T a, b a b ab
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.
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.
Donde A, A', B y B' son conjuntos difusos. La Relacin que puede tambin ser expresada
como: B'=A' o R
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:
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.
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:
A R y sup xU A x F F G x, y
l
1
l
n
l l (2.7)
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)
Base de
Reglas
Difusas
Motor de
Conjuntos Conjuntos
Inferencia
Difusos en Difusos en
Difusa
U V
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.
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:
donde Fi l son conjuntos difusos, ci son parmetros reales, y l es la salida del sistema que
w y
M i i
y ( x) i 1
(2.10)
w
M i
i 1
n
wi F x (2.11)
i
Promediador
De Pasos
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.
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
16
Motor de deduccin difusa
Fusificador
Defusificador.
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)
(x)
Funcion de Membresia
1
para x x y A x 0 para x x
(x) (x)
Maximo
Maximo
1 1
x x
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
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
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
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
se calcula:
y
j
j 1
y
l
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:
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:
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:
Ahora mostraremos como aplicar nuestras reglas a esta situacin real. Veamos como
aplicar la regla
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
26
El resultado de la regla
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:
28