Catedra de Inteligencia Artificial

Trabajo de Laboratorio: Resolución de problemas de ingeniería

Tema 3: Grúas de contenedores

Resumen - Grúas de contenedores se utilizan para cargar

y descargar contenedores y fuera de envío en la mayoría de
los puertos (Figura 3). Recogen contenedores individuales
con cables flexibles que se montan en la cabeza de la grúa.
La cabeza de la grúa se mueve sobre una pista horizontal.
Cuando un contenedor se recogió y la cabeza de la grúa
comienza a moverse, el contenedor comienza a balancearse.
Mientras influencia no es ningún problema durante el
transporte, un contenedor de vaivén no puede ser puesto en
libertad.

Índices –Biblioteca de aplicaciones difusas. Aplicaciones
Técnicas. Diseño Práctico. Grúas.
I. INTRODUCCIÓN
En los últimos años, los diseñadores de sistemas se
han enfrentado a un debate bastante polémico acerca de
una nueva tecnología de diseño llamado "Fuzzy Logic".
Algunos seguidores de la lógica difusa se han lanzado
como la "bala mágica" para cada tipo de problema de
ingeniería y se han hecho afirmaciones salvajes y no
admitidos en sus publicaciones. Esto ha suscitado
escepticismo entre los especialistas en ingeniería de
control y causó alguna para condenar por completo la
lógica difusa como una moda comercialización de
ningún valor técnico.
A diferencia de los EE.UU., en Asia y en Europa el
debate sobre la lógica difusa ha sido mucho menos
fanático y se mantuvo más cerca de los beneficios reales
de la tecnología. Aquí, la lógica difusa es considerada
como una de las muchas herramientas necesarias para
crear soluciones de sistemas de una forma rápida,
rentable y transparente. No más, pero no menos que eso.
Para un estudio detallado de cómo se utiliza la lógica
difusa en el diseño del sistema en Europa, véase [2].
Figura 1: Al transportar módulos de hormigón para
puentes y túneles por una grúa, el balanceo de la carga
debe ser controlado. Un controlador de lógica difusa
puede utilizar la experiencia de un operador de la grúa
humana y ponerla directamente a trabajar.
Para ilustrar cómo la lógica fuzzy resuelve
problemas del mundo real, y compararla cabeza a
cabeza con las técnicas de diseño convencionales , se
utiliza el estudio de caso de un controlador de la grúa
contra la inclinación lateral . Esta aplicación en el
mundo real fue seleccionado por varias razones:
• A diferencia de otras aplicaciones del mundo real
técnicos, las obras de un controlador de la grúa se
pueden entender en minutos
• Cuando todavía era un problema "simple", técnicas
de ingeniería convencionales tienen dificultades para
dar con una solución práctica para ello, sin embargo, la
lógica difusa proporciona rápidamente una buena
solución
• Muchas implementaciones exitosas de controlador
de lógica difusa basados grúa prueban las afirmaciones
hechas en este artículo

En este artículo, se hace la hipótesis de que está

familiarizado con el concepto de la lógica difusa. Si no
es así, consulte la introducción del practicante en [1].

Inteligencia Artificial – Ingeniería en Computación - EC5 Página 1 de 5

 II. CONTROL CON UNA SOLA VARIABLE
Antes de comenzar con el estudio de caso , primero
vamos a aclarar algunos conceptos básicos de ingeniería
de control. Control de bucle cerrado implica sobre todo
manteniendo una cifra única constante. Esto podría ser
una corriente eléctrica, el flujo de masa de un líquido, o
la temperatura de una habitación. Para mantener una
constante temperatura ambiente, un sensor suministra el
valor de la temperatura real de la habitación. La
diferencia entre la temperatura real y la temperatura
deseada de la habitación es el error de temperatura. El
objetivo del regulador es conseguir que el error de
temperatura a cero, y para hacer esto, puede encender o
apagar un calentador o un aparato de aire
acondicionado. Estos controladores se denominan
controladores de tipo "ON-OFF". Si la variable de
comando del proceso es continua, tal como con un
control de calor gradual, se utiliza un controlador de
tipo llamado " proporcional". Esto implementa una
estrategia de control que calcula su producción - la
variable de comandos del proceso - mediante la
multiplicación del error con un factor constante.
Muchos de los procesos del mundo real implican un
retraso de tiempo. Cuando se controla la temperatura
ambiente y el calentador se pone a ON, se toma un
tiempo antes de que el calor llegue al sensor. Debido a
que el controlador recibe la variable de la temperatura
ambiente medida con un retraso de tiempo, puede sobre-
reaccionar y aplicar más calor que lo que en realidad se
han requerido para obtener el error de temperatura a
cero. Esto puede causar una oscilación no deseada de la
temperatura ambiente. Para compensar este efecto, "
proporcional a la diferencia " (PD) Controladores de
tipo se utilizan que añadir la derivada del error
multiplicado por un factor constante para el error. "
Proporcional- Integral - Diferencial " (PID) , escriba
controladores también considerar la integral del error y
agregarlo a la señal de salida . Esto asegura que el error
eventualmente llegar a cero, porque incluso una muy
desplazamiento en el valor de error pequeño serán
compensados como su integral finalmente eleva a un
valor alto en el tiempo.
Debido ON-OFF, controladores proporcionales, y
tipo PID sólo utilizan el error o señales derivadas del
Inteligencia Artificial – Ingeniería en Computación - EC5
error como entrada y la variable de comandos del
proceso como de salida, se les llama " los controladores
de un solo lazo". Estos tipos de controladores son
fáciles de programar y fácil de ajustar en la mayoría de
las aplicaciones. La sustitución de tales tipos de
controlador por un controlador de lógica difusa sólo
ofrece un mejor rendimiento en los casos en que el
controlador convencional no hacer frente así a las no
linealidades de un proceso bajo control [1, pp 82] .
III. CONTROL DE VARIABLES MÚLTIPLES
Un mucho mayor potencial de lógica difusa se
encuentra en el hecho de que también puede facilitar el
diseño de sistemas de control de múltiples variables. En
un bucle de control multivariable, la estrategia de
control no sólo tiene en cuenta una variable de entrada,
tales como errores, pero los diferentes tipos de variables
medidas. En el caso del termostato de ambiente, una
estrategia de control multi-variable podría tener en
cuenta tanto el error de temperatura y humedad del aire
ambiente para establecer las variables de mando de
calefacción y aire acondicionado.
Figura 2: En muchas aplicaciones, mantener una
única figura de la constante de proceso es relativamente
fácil y puede ser facilitada por los controladores PID
convencionales.
Sin embargo, para optimizar el punto del proceso de
la operación, un controlador supervisor modifica los
valores de ajuste de los controladores PID. El enfoque
de la ingeniería de control convencional requeriría de
modelado matemático riguroso, mientras que el enfoque
de la lógica difusa puede atajo mediante el empleo de la
experiencia del operador en su lugar.
Para tratar con múltiples variables de entrada, un
controlador debe asumir un modelo matemático del
proceso a controlar. Para que la estrategia de control de
termostato de ambiente de múltiples variables, dicho
Página 2 de 5
modelo matemático puede ser la humedad y la relación va a suceder, pero se necesita, con mucho, demasiado
temperatura describir las condiciones confortables. En tiempo. Un barco de contenedores tiene que ser cargada
la mayoría de aplicaciones del mundo real, la relación y descargada en una cantidad mínima de tiempo por
matemática entre las diferentes variables no se puede razones de costo. La otra opción es coger el recipiente y
describir fácilmente. Por lo tanto el control multi- sólo se mueven tan lento que ninguna influencia se
variable no es comúnmente utilizado por los produce nunca. De nuevo, esto funciona en un día no -
profesionales. viento, pero sin embargo, también toma demasiado
tiempo. Una alternativa es construir grúas de
Otras áreas de aplicación donde se utiliza una
contenedores en donde los cables adicionales fijar la
estrategia de control de múltiples variables incluyen el
posición del recipiente durante el funcionamiento. Sólo
control de proceso continuo, tal como se encuentra en
muy pocas grúas hacen uso de esta debido a la mucho
los alimentos o en la industria química. Mantener cifras más alto costo de la solución.
individuales de los procesos constantes es fácil en la
mayoría de los casos. Sin embargo, el control del punto
de funcionamiento óptimo para la planta no implica
múltiples variables. Debido a las dificultades que
entraña con derivar modelos matemáticos, control
automatizado es rara y operadores humanos a menudo
ajustar los puntos de ajuste de los controladores PID
individuales. Este tipo de control multi- variable
también se conoce como control de " supervisión" ya
que la estrategia de control multivariable analiza y
supervisa los puntos de ajuste de los lazos de control
subyacentes.

En contraste con las técnicas de diseño Figura 3: El software de simulación de una

convencionales, la lógica difusa permite el diseño de
tales estrategias de control de múltiples variables
directamente de la experiencia del operador humano o
resultados experimentales. El uso de tales
conocimientos existentes y eludir el esfuerzo de
modelado matemático riguroso, el enfoque de diseño de
lógica difusa ofrece soluciones eficientes con mayor
rapidez. Ahora la pregunta es, ¿cómo se puede poner la
experiencia del operador en un sistema de lógica difusa?
El siguiente estudio de caso de un controlador
antibalanceo para una grúa de contenedores ilustra
precisamente esto.
IV. ESTUDIO DE CASO DE LA GRÚA DE
FISCALIZACIÓN DE CONTENEDORES
Existen dos maneras ineficaces para resolver este
problema. Una es colocar la cabeza de la grúa
exactamente sobre la posición de destino, a
continuación, esperar a que el dominio amortigua a un
nivel aceptable. En un día sin viento, lo que finalmente
operación de grúa de contenedores ilustra el
funcionamiento del controlador antibalanceo Lógica
Difusa. La estrategia de control Fuzzy Logic es
conseguir primero el contenedor (amarillo) de la nave
(rojo) al blanco (coche verde) lo más rápidamente
posible. Sway es de ningún daño hasta que se alcance el
objetivo. Cuando se alcanza el objetivo, el dominio debe
ser compensada antes de la liberación del contenedor.
Por estas razones, la mayoría de las grúas de
contenedores siguen empleando los operadores
humanos para controlar la velocidad del motor. El
operador compensa simultáneamente el dominio y se
asegura la posición de destino se alcanza rápidamente .
Esta tarea no es fácil, pero un operador experto es capaz
de obtener buenos resultados.
V. MODELO DE CONTROL ALTERNATIVAS
Muchos ingenieros han tratado de automatizar esta
tarea de control en el año pasado. Trataron:

Inteligencia Artificial – Ingeniería en Computación - EC5 Página 3 de 5

 • Control Convencional PID,
• Control basado en modelos, y
• control de lógica difusa .
El control PID convencional no tuvo éxito debido a
que la tarea de control es inherentemente no lineal . Por
ejemplo , la minimización de dominio es importante
sólo cuando el contenedor está cerca de la meta . Otros
han tratado de obtener un modelo matemático de la grúa
para utilizar este en un controlador basado en modelo.
Ellos vinieron con una ecuación diferencial de quinto
grado que describe el comportamiento mecánico.
Aunque, en teoría , el diseño del controlador basado en
este modelo debería funcionar, en realidad no es así. Las
razones para esto son :
• El peso del recipiente es desconocido.
• El comportamiento del motor de la grúa es de
lejos no es tan lineal como se supone en el
modelo, y su caja de cambios implica holgura.
• La cabeza de la grúa sólo se mueve con la
fricción y sus cables implica elasticidad.
• perturbaciones tales como ráfagas de viento no
pueden ser incluidos en el modelo.
VI. UNA ESTRATEGIA DE CONTROL LINGÜÍSTICO
Por otro lado , un operador humano es capaz de
controlar una grúa sin ecuaciones diferenciales. El
operador incluso no utiliza un sensor de longitud de
cable, que una solución basada en modelo requeriría.
Una vez que se ha recogido el contenedor, el operador
inicia la grúa con la potencia del motor a medio y ver
cómo se balancea el recipiente. Dependiendo de la
reacción, se ajusta la potencia del motor para obtener el
recipiente un poco detrás de la cabeza de la grúa . En
esta posición, la velocidad máxima se puede llegar con
influencia mínima. Acercarse más a la posición de
destino, el operador reduce la potencia del motor o
incluso se aplica potencia negativa a frenar. Como tal ,
el recipiente se pone un poco por delante de la cabeza
de la grúa hasta que el recipiente casi alcanza la
posición de destino . Entonces , la potencia del motor se
incrementa de modo que la cabeza de la grúa es más de
la posición de destino y balanceo es cero . No se
Inteligencia Artificial – Ingeniería en Computación - EC5
requieren las ecuaciones diferenciales para este , y las
perturbaciones y las no linealidades son compensados
por la observación de que el operador de la posición del
contenedor .
El análisis de las acciones de la operadora revela que
el operador utiliza algunas " reglas de oro " para
describir su estrategia de control:
1. Comience con una potencia media.
2. Si a empezar y está aún muy lejos del objetivo,
ajustar la potencia del motor de modo que el recipiente
se pone un poco detrás de la cabeza de la grúa .
3. Si usted está más cerca de la meta , reducir la
velocidad para que el recipiente se pone un poco por
delante de la cabeza de la grúa .
4. Cuando el recipiente está muy cerca de la
posición de destino, encienda el motor.
5. Cuando el recipiente está sobre el objetivo y el
dominio es cero, parar el motor.
VII. LA IMPLEMENTACIÓN DE UNA ESTRATEGIA DE
CONTROL LINGÜÍSTICO
Para automatizar el control de esta grúa, se emplean
sensores para la posición de la cabeza de la grúa ("
Distancia ") y el ángulo de la influencia de contenedores
("Angle") . El uso de estos insumos para describir la
condición actual de la grúa, las cinco reglas de oro
pueden ser traducidos a una " si-entonces" formato:
1. SI Distancia = lejos y el ángulo = cero
ENTONCES Potencia = pos_medium
2a. SI Distancia = lejos y el ángulo = neg_small
ENTONCES Potencia = pos_big
2b. SI Distancia = lejos y el ángulo = neg_big
ENTONCES Potencia = pos_medium
3. SI Distancia = medio y el ángulo = neg_small
ENTONCES Potencia = neg_medium
4. SI Distancia = Cierre y ángulo = pos_small
ENTONCES Potencia = pos_medium
Página 4 de 5
 5. SI Distancia = cero y el ángulo = cero
ENTONCES Potencia = cero
Nota, la Regla 2 se ha traducido en dos reglas para
ajustarse al formato si-entonces.
Si - entonces las reglas siempre describen la
reacción a una situación determinada como:
SI ENTONCES <situation> <acción>
En el caso de la grúa de contenedores, cada situación
es identificado por dos condiciones. La primera
condición se describe el valor de la distancia, el segundo
el valor de Ángulo. Las condiciones se combinan
mediante Y , lo que representa el hecho de que ambas
condiciones tienen que ser válido para la situación
respectiva .
Una vez que haya creado un conjunto de reglas que
describen el comportamiento deseado de un sistema, la
pregunta es: ¿cómo se puede poner en práctica estas
reglas? En primer lugar, considerar el uso de un
lenguaje de programación para codificar los "si-
entonces " reglas. El problema es que usted tiene que
definir las palabras que las condiciones de las reglas de
uso. Sin embargo, no existen definiciones exactas para
estas palabras. Fuzzy Logic proporciona definiciones no
exactas de las palabras utilizadas en las reglas, como
"mucho " o "medio" y por lo tanto le permite utilizar
directamente las normas lingüísticas para el diseño de
sistemas de control.
Figura 4: Edición de Reglas Difusas
Inteligencia Artificial – Ingeniería en Computación - EC5
VIII. DISEÑO E IMPLEMENTACIÓN
El desarrollo de un sistema de lógica difusa implica una
serie de pasos de diseño:
1. Diseño de la estructura de inferencia. Especificar
cómo se relacionarán entre sí las variables de salida para
las variables de entrada por los bloques de reglas.
2. Definición de las variables lingüísticas. Ellos forman
el "vocabulario" utilizado por las reglas de lógica difusa
que expresan la estrategia de control.
3. Creación de una base de reglas de lógica difusa
inicial usando todo el conocimiento disponible sobre
cómo el sistema debe realizar.
4. Depuración fuera de línea, pruebas y verificación.
Prueba para la integridad y la no ambigüedad del
sistema. Si existen una simulación de software o datos
de la muestra del proceso, se utiliza en este paso.
5. On-Line depuración. Conectar el sistema de lógica
difusa para el proceso bajo control y analizar su
rendimiento en el funcionamiento. Debido a que la
lógica difusa permite modificar el sistema de una
manera directa de la ejecución se observa, este paso
puede acelerar rápidamente el diseño del sistema.
IX. REFERENCIAS
a. VIDEO
• http://www.fuzzytech.com/binaries/crane.avi
b. LITERATURE
[1] von Altrock, C.: "Fuzzy Logic and NeuroFuzzy
Applications Explained", Prentice Hall 1995, ISBN
0-13-368456-2.
[2] von Altrock, C.: "Fuzzy Logic Applications in
Europe", in Yen/Langari/Zadeh: "Industrial
Applications of Fuzzy Logic and Intelligent
Systems", IEEE Press 1995, p. 275-310.
[3] N.N., "The fuzzyTECH Home Page",
www.fuzzytech.com
Página 5 de 5