Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Logica Difusa en La Vida Diaria
Logica Difusa en La Vida Diaria
Frases como: "Nos vemos luego", "un poco más", "no me siento muy bien", son
expresiones difusas, decimos que son difusas porque la difusificación surge de las
diferentes interpretaciones que damos a "luego", "un poco más", "muy bien". Por
ejemplo "luego", para el análisis de fenómenos rápidos en ingeniería puede ser del
orden de nanosegundos, pero para paleontólogos del orden de miles de años. Como
se puede observar la magnitud del orden es relativa, por lo tanto si se emplea una
unidad difusa (fuzzy), hay que tener bien claro el contexto donde se esta utilizando
para así encontrar un punto de referencia y una unidad de medida.
de la misma manera podemos caer en una ambigüedad de modo que no nos quede
claro si A es más rápido que C o si C es más rápido que A; por tanto no se tiene
una medida de la velocidad de A, B ó C.
Figura 1. Ejemplo de enunciados difusos.
Recordemos que "lógica es la ciencia que estudia las leyes, los modos y las
formas del razonamiento". De esta forma la "lógica difusa estudia las leyes, los
modos y las formas del razonamiento aproximado".
Lógica difusa proporciona un medio para enfrentar situaciones del mundo real,
situaciones complejas y dinámicas, que son más fácilmente caracterizadas por
palabras que por matemáticas.
SISTEMAS DIFUSOS.
Hasta este momento ya tenemos una idea de lo que es la lógica difusa, pero ¿de
donde surge el término fuzzy?, ¿Quién lo introdujo?, veamos:
En la década de los años veinte del siglo pasado, J. Lukasiewicz desarrolló los
principios de la lógica multivaluada, cuyos enunciados pueden tener valores de
verdad comprendidos entre el 0 (falso) y el 1 (cierto) de la lógica binaria clásica. En
1965 Lofti A. Zadeh, aplicó la lógica multivaluada a la teoría de conjuntos,
estableciendo la posibilidad de que los elementos pudieran tener diferentes grados
de pertenencia a un conjunto. Zadeh introdujo el término fuzzy (difuso) y
desarrollo un álgebra completa para los conjuntos difusos.
Gracias a que la lógica difusa se enfrenta con éxito a situaciones del mundo real,
ha encontrado aplicaciones en una gran variedad de campos, de las cuales las más
trascendentales se han dado en el área de control con el diseño e implementación
de controladores difusos (Fuzzy Logic Control), iniciado por los trabajos de
Mamdami y Assilian en los años setenta.
CONCEPTOS BASICOS.
A los objetos (si los hay) que forman un conjunto, les llamamos "elementos" de
dicho conjunto. En la teoría de conjuntos que estamos recordando, trabajaremos a
veces con varios conjuntos cuyos elementos son todos del mismo tipo, es decir,
pertenecen todos a un mismo conglomerado de cosas al que podremos llamar
conjunto universal.
Función de membresía.
Como ya se mencionó la pertenencia o membresía es una relación que vincula a
cada elemento con un conjunto. En otra palabras, en un conjunto bien definido
(lógica clásica), la pertenencia o no pertenencia de un elemento x a un conjunto A
se describe mediante la función característica A (x) donde:
La lógica difusa trabaja con conjuntos a los cuales llamamos conjuntos difusos,
estos conjuntos están definidos por sus funciones de pertenencia, la cual expresa la
distribución de verdad de una variable.
D = {(x D (x) ) | x U}
1 and 1 1
1 and 0 0
0 and 1 0
0 and 0 0
Como ya se dijo, en lógica difusa se emplean conjuntos así que aquí también
contamos con operaciones de complemento, unión e intersección. Cuando a dos
variables difusas se les aplica una operación de "unión" (que en lógica binaria es
equivalente a una operación OR), el resultado se obtiene tomando el valor más
grande de entre las variables de entrada, max(x1, x2, …, xn). Por ejemplo, sí A=0.5,
B=0.7 y C=A OR B, entonces C = max(0.5, 0.7) = 0.7.
x’= 1-x
Ejemplo: Sean las expresiones difusas A (x1) AND B (x2), evaluadas en x1= 2
y x2= 2 con funciones de pertenencia: A (x1= 2)=.72 y B (x2= 4)=.45. Así:
A (x1) AND B (x2) = min(.72,.45) =.45
para el complemento:
A (x1=2) = 1-.72 = .72
Ahora, asumamos que A y B son dos conjuntos difusos cuyas funciones de
membresía son A y B respectivamente, así, definimos las siguientes operaciones:
A (x) = 1 - A (x)
La figura 6 muestra las gráficas de la función de membresía de dos conjuntos
difusos y sus conjuntos complementos.
donde la función min{} selecciona el valor mínimo de los grados de membresía que
tiene el mismo elemento x en los conjuntos A y B. En la figura 8 se muestra la
gráfica de la función de membresía de la intersección de dos conjuntos difusos.
Figura 8. Función de membresía y operación de intersección de los
conjuntos difusos A y B.
Variables lingüísticas.
Estrictamente, una variable lingüística esto formada por cinco partes (x, T(x), U,
G, M) donde:
x: nombre de la variable.
Si desde el sensor se lee una señal sin ruido, entonces la etapa de difusificación
determina su correspondiente grado de pertenencia a una o varias de las entradas
lingüísticas, como se muestra en la figura 13(a). Pero si la señal de entrada contiene
ruido, esta debe modelarse utilizando una función de membresía triangular, en
donde el vértice del triángulo es la media obtenida del sensor, y la base su
desviación estándar. Así para estos casos, la difusificación consiste en encontrar la
intersección entre el grado de pertenencia y la distribución del dato sensado.
lo que es lo mismo:
El tercer método trata con el modelo difuso del proceso, aquí se configura el
modelo de una planta como una aproximación utilizando implicaciones que
describen los posibles estados del sistema. En este método se desarrolla un modelo
y se construye un controlador difuso para controlar el modelo difuso, lo descrito
anteriormente es similar a lo que se hace en teoría de control clásica. Aquí, por
ende, se necesita identificar la estructura y los parámetros del proceso. Por
ejemplo:
SI x1 es , x2 es , …, ENTONCES y =
Como ya se mencionó, debido a que las reglas diseñadas para los controladores
difusos tienen correspondencia parcial y por consecuencia los antecedentes pueden
traslaparse, usualmente más de una regla de control puede llevarse a cabo. La
metodología empleada para decidir cual regla de control va a aplicarse recibe el
nombre de proceso de solución del conflicto. En el siguiente ejemplo asumimos que
se tienen dos reglas para ilustrar el proceso:
que sus valores de verdad se representan por (x0) y B1(y0) para la regla 1,
para la regla 2:
Lo anterior significa que como resultado del valor obtenido en los sensores x0 y
y0, la regla 1 recomienda una acción de control que corresponde al valor de la
DECODIFICANDO LA SALIDA:
DESDIFUSIFICACION.
En esta etapa se produce la acción de control no difusa, que es representada por
la función de membresía de la acción de control. Existen varios métodos para
llevar a cabo estrategias de desdifusificación, pero los más utilizados son:
Método de desdifusificación de TSUKAMOTO.
Sí empleamos una función de membresía monotónica , entonces la acción de
control puede calcularse mediante:
Asumimos que se produce una acción de control con una función de membresía
dada por C. El método de centro del área calcula el centro de gravedad de la
distribución para la acción de control. Asumiendo un universo de discurso
discreto:
Regla 1: SI X es A1 y Y es B1 ENTONCES Z es C1
Regla 2: SI X es A2 y Y es B2 ENTONCES Z es C2
Supongamos que x0 y y0 son las lecturas obtenidas de los sensores para las
variables difusas X y Y, y las siguientes son sus funciones de membresía:
Además supóngase que se los valores obtenidos de las mediciones son x0 = 4 y y0 =
8. En el presente ejemplo ilustraremos como calcular:
y
El valor para la regla 1 se obtiene de:
INTRODUCCION.
* Para producir una acción de control suave, cada conjunto debe traslaparse un
poco sobre los conjuntos vecinos. El traslapamiento debe ser entre 10% y 50% del
espacio ocupado por el conjunto vecino. La suma de las membresías de los puntos
verticales del traslapamiento siempre debe ser igual o menor a 1:
Figura 20. Traslape de las particiones de los conjuntos difusos.(a). Partición difusa
traslapada correctamente. (b). Partición difusa traslapada incorrectamente.
*La densidad de los conjuntos difusos debe ser mayor alrededor del punto
óptimo de control del sistema y menor conforme aumenta la distancia a ese
punto.
Las reglas de control difusas conectan los valores de entrada con las propiedades
de la salida del modelo. Están expresadas como proposiciones condicionales:
v es T
Número de reglas.
Para diseñar una base de reglas se utiliza una matriz que cubre todas las
posibles combinaciones de las entradas.
Para un sistema con dos entradas se asigna una entrada a cada eje de la matriz y
existirán tantas divisiones en caja eje como términos difusos tenga la variable que
le corresponde:
Sí el sistema cuenta con tres entradas se utiliza una matriz por cada término
lingüístico de la tercera variable.
INTRODUCCION
Nos limitaremos a presentar sólo la parte del trabajo desarrollado que nos
interesa y que es el diseño del controlador difuso
El PID es un controlador lineal, esto es, las ecuaciones del PID asumen valores
lineales. Sin embargo cuando la dinámica del proceso no es lineal, hay que tener
especial cuidado para compensar la no linealidad del sistema, y el controlador PID
por si mismo no es suficiente para logar esta compensación. Este "cuidado
especial" no puede ser siempre explícito ni describirse en forma de ecuaciones,
pero es frecuente tener un operador humano que lo controle de modo empírico,
como se dice "la regla del dedazo". La escencia del control difuso es explotada en
este tipo de hechos conocidos.
Los sistemas de control difuso usan las mismas entradas que un PID (ej. error
y su derivada), pero procesan la no linealidad del sistema. De aquí que el
controlador difuso puede ser usado como un controlador PID no lineal.
Las ecuaciones del movimiento del carro junto con el péndulo no son
conocidas para el controlador, el cual hace que el sistema se vea como una caja
negra. Lo que es conocido es un vector que describe el sistema paso a paso. Sí el
péndulo cae este recibe una señal de fracaso. Después de que una señal de fracaso
ha sido recibida, el sistema se inicializa a su estado inicial y un nuevo evento es
realizado. En la masa se evalúa la retroalimentación, el controlador puede realizar
su propio control y trata de poder balancear el péndulo lo mejor posible. Esto no es
pocible y no se logra balancear ya que el carro tiene únicamente dos acciones de
control y siempre se mueve a la misma velocidad así es que posiblemente sólo le
cambie de dirección al péndulo pero con suficiente fuerza para que este vuelva a
caer hacia el lado contrario haciendo así moverse al carro con una misma
velocidad pero en sentido contrario para dar por finalizado el evento.
VARIABLE DE ENTRADA.
interpretando como error grande negativo (EGN) por debajo de -25º de error y por
error grande positivo (EGP) por arriba de +25º de error.
En este punto conviene aclarar que el procesado de los datos se hizo mediante
un microcontrolador. La partición del universo de la variable error está dado en
ángulos pero como realmente lo que ve el microcontrolador son valores de voltaje
entonces se muestra la partición con valores de voltaje (digitales). En este caso se
cuenta con un convertidor analógico digital de 8 bits entonces codificamos con una
gama de valores de 0 a 255, lo cual para el error del ángulo se tiene: (0)2 -90º de
error, en (128)2 0º de error y en (255)2 +90º de error. Así la partición para el
espacio de la variable, en términos del voltaje analogo se muestra en la figura 26.
U= [0 volts, 5 volts]
U= [0, 255]
interpretando como error grande negativo (EGP) por debajo de 100 y por error
grande positivo (EGP) por arriba de 145.
Se define para rangos menores de 0.7 volts acción de control grande negativa
(GN) y para acciones de control por arriba de 4.3 volts como acción de control
grande positiva (GP) junto con sus valores intermedios acción de control mediana
(MN o MP), pequeña y cero (CR).
Las variables tanto de entrada como de salida tienen que estar íntimamente
relacionadas ya que para un error (variable de entrada) tiene que existir una
acción de control (variable de salida), dicho en otras palabras, si el péndulo cae un
poco entonces el carro se moverá poco y si cae mucho entonces el carro se moverá
más fuerte.
De esta manera ya tenemos relacionadas las dos variables, y así para una
entrada tendremos una salida, a bloques tenemos:
PRUEBAS Y RESULTADOS.
Las pruebas realizadas primeramente fueron a lazo abierto para apreciar con
que fuerza se movería el carro, para que fuera posible levanta el péndulo cuando
este callera, de esta manera se empezaron a involucrar las variables tanto de
entrada como de salida.
Todas las pruebas que se realizaron constan de una variable de entrada
(error) y de una variable de salida (acción de control) cada una descrita por siete
conjuntos. De alguna manera se modificaron para dar un ajuste de sintonía cada
vez más preciso para un mejor funcionamiento del controlador.
BIBLIOGRAFIA DE LOGICA
DIFUSA
LIBROS Y ARTICULOS