Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• A = { ( x, µA (x) ) | x X }
• µA (x) = 1 – (x / 3) 1
Grados de membresía
0,8
0,6
0,4
0,2
0
0 0,5 1 1,5 2 2,5 3 3,5
Números inferiores a 3
INTERSECCIÓN (AND)
• µC (x) = min( µA (x), µB (x) ) = µA (x) µB (x)
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
UNION (OR)
• µC (x) = max( µA (x), µB (x) ) = µA (x) µB (x)
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
COMPLEMENTO (NOT)
• µÃ (x) = 1 - µA (x)
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
1,2 1,2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 2 4 6 8 10 0 2 4 6 8 10
F. M. TRIANGULAR
• Una FM triangular se especifica mediante tres parámetros { a, b,
c }, de la siguiente forma:
0, xa
x a
, a xb
triángulo( x; a, b, c) b a
cx
, b xc
c b
0, cx
x a c x
triángulo( x; a, b, c) max min , ,0
ba cb
F. M. TRAPEZOIDAL
• Una FM trapezoidal se especifica mediante cuatro parámetros {
a, b, c, d }, de la siguiente forma:
0, xa
x a
, a xb
b a
trapecio( x; a, b, c, d ) 1, b xc
d x
d c , c x d
0, dx
• Utilizando operadores min y max, la expresión anterior se
puede expresar como sigue:
x a d x
trapecio( x; a, b, c, d ) max min ,1, ,0
ba d c
F. M. GAUSIANA Y TIPO CAMPANA
• Una FM gausiana se especifica con dos parámetros { c, }; c
representa el centro de la FM y determina su anchura.
2
1 x c
2
gauss( x; c, ) e
• Una FM del tipo campana generalizada (o FM tipo campana) se
caracteriza mediante tres parámetros { a, b, c }; donde c y a
definen el centro y el ancho de la FM, respectivamente,
mientras que el parámetro b controla las pendientes en los
puntos de cruce.
1
campana( x; a, b, c)
2b
xc
1
a
FORMAS DE ONDA
• Las FM que se muestran en la figura corresponden a las
definidas por los siguientes valores: triángulo(x; 6, 7, 9),
trapecio(x; 5, 6, 8, 10), gauss(x; 0.7, 3) y campana(x; 1.5, 5, 3).
SINGLETON
• Un conjunto difuso que contiene un único elemento, x0, es denominado
una singularidad difusa o fuzzy singleton.
• µs(x) = 0 si x x0 µs(x) = 1 si x = x0
µs(x)
x0
REGLAS DIFUSAS IF....THEN
• Los conjuntos y los operadores difusos son los sujetos y
predicados de la lógica difusa. Las reglas if-then son usadas
para formular las expresiones condicionales que abarca la
lógica difusa
• if x is A then y is B
•La defusificación.
ESTRUCTURA DEL SISTEMA
Regla 1
Entrada 1
Regla 2
Regla 3
Salida
Entrada 2
Regla 4
BAJO(T) = 1 - ( T / 10 )
ALTO(T) = T / 10
FUSIFICACIÓN DE LAS ENTRADAS
10
Entrada no difusa = 5
REGLAS DEL SISTEMA
Regla 1: if X es BAJO and Y es BAJO then Z es ALTO
Regla 2: if X es BAJO and Y es ALTO then Z es BAJO
Regla 3: if X es ALTO and Y es BAJO then Z es BAJO
Regla 4: if X es ALTO and Y es ALTO then Z es ALTO
BAJO ALTO
1 1
0,9 0,9
0,8 0,8
0,7 0,7
0,6 ALTO 0,6 ALTO
u(X)
u(Y)
0,5 BAJO 0,5 BAJO
0,4 0,4
S S
0,3 0,3
0,2 0,2
0,1 0,1
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
X Y
METODO DE IMPLICACION
•Un consecuente es un conjunto difuso representado por una
función de membresía, en nuestro caso tiene asignada dos, las
cuales son:
Z = { BAJO, ALTO }
•Hay dos métodos conocidos que son las mismas funciones
usadas por el método AND: min (mínimo), que trunca el
conjunto difuso de salida, y el PROD (producto), el cual escala
al conjunto difuso de salida.
•El grado de verdad de la premisa de cada regla es computada
y aplicada al consecuente de cada regla. Este resultado es un
subconjunto difuso que será asignado a cada variable de salida
correspondiente. Nosotros aplicamos en este ejemplo el método
de Mamdani ó método de inferencia MIN-MAX. Para cada regla
hacemos el MIN entre el nivel de disparo y la función de
membresía de la variable de salida indicada en el consecuente.
METODO DE IMPLICACION
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
R1 R2
1 1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
0 0
0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
R3 R4
METODO DE AGREGACION
•Agregación o composición es el proceso por el cual los conjuntos
difusos que representan las salidas de cada regla son combinadas
en un único conjunto difuso.
•La salida del proceso de agregación es un conjunto difuso para
cada salida variable.
•Los dos métodos más conocidos son: max (máximo) y sum
(suma).
•Lo más común cuando usamos la función 'min' en el método de
implicación es corresponder con la función 'max' en el método de
agregación.
•De igual manera si elegimos la función 'prod' para el método de
implicación, es usual hacerlo corresponder con la función 'sum'
para el método de agregación.
METODO DE AGREGACION
•En el proceso de composición o agregación, todos los
subconjuntos difusos son combinados para dar un único conjunto
de salida, esto se logra haciendo el MAX de las funciones
mostradas en los gráficos anteriores, obteniéndose la siguiente
figura:
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 1 2 3 4 5 6 7 8 9 10
Composición
DEFUSIFICACION
•La entrada para el proceso de defusificación es un conjunto difuso
(la salida de la etapa de agregación) y la salida es un simple
número concreto. Los sistemas del mundo real requieren un
resultado numérico.
Centro de gravedad
DEFUSIFICACION
Forma continua
•Para calcular el algoritmo del centro de gravedad (cog, siglas en
ingles) dividimos al Momento de la función por el Area de la función:
Forma discreta
•Se divide la función en partes iguales y se calcula haciendo la
sumatoria de todos los puntos de la siguiente manera:
A’
Elementos del dominio X
3 4 5 6 7
A 0 0,5 1 0,5 0
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
7
0,1
0 5
3 4 5 3
6 7
EJEMPLO
Harold Romo
Introducción
Representaciones de G(s):
– Polos-ceros:
– Constantes de tiempo:
4.2 Control convencional Vrs. Fuzzy
Análisis de Sistemas:
– Estabilidad –
crecimiento acotado /
oscilación amortiguada.
– Respuesta Transciente.
– Respuesta de Estado
Estacionario.
4.2 Control convencional Vrs. Fuzzy
Diseño. – objetivo
– Si Kp aumenta, la velocidad de
respuesta del sistema aumenta,
el error de SS disminuye pero no
se elimina.
– Si Kd aumenta, el factor de
amortiguamiento aumenta,
reduce el sobreimpulso, pero es
sensible al ruido (nunca usar
derivador solo).
– Si Ki aumenta, el error de SS
disminuye, pero el sistema tiende
a ser inestable (nunca usar solo).
4.3 Controlador Lógico Difuso FLC
4.3 Controlador Lógico Difuso FLC
Fuzificación:
Defuzificación:
Defuzificación:
– Para una misma entrada, pueden actuar varias
reglas if – then simultáneamente.
– Pero cada regla tiene asociado un peso, así una
misma entrada puede pertenecer a diferentes
conjuntos fuzzy con diferentes valores de
pertenencia.
Ej. Un valor de temperatura: Temp=80oc, puede
pertenecer al subconjunto muy alta con =0.8 o
pertenecer al subconjunto media con =0.3
4.3 Controlador Lógico Difuso FLC
Defuzificación:
– Ej. cont….
If very high then acción 1.
If medium then acción 2.
La acción 1 es definida por el conjunto Fuzzy 1, y
La acción 2 es definida por el conjunto Fuzzy 2.
Y la agregación de los dos conjuntos forman un tercer
conjunto Fuzzy F.
– Así, la salida del modulo de razonamiento fuzzy
puede involucrar más de dos conjuntos fuzzy.
F = U Fi , i=1,2,…,k
4.3 Controlador Lógico Difuso FLC
Defuzificación:
– Asumiendo que el
soporte de F es
X={ x1, x2,…}, xi X,
F(xi)=wi.
– Este valor dice que tan
buena es la salida.
– La defuzificación se
aplica en F para
determinar la mejor
salida.
4.3 Controlador Lógico Difuso FLC
Defuzificación:
– Existen muchos métodos. Incluso identificadas
con diferentes nombres, técnicas similares.
– El seleccionado queda a juicio del diseñador.
– Factores a tener en cuenta: Costo computacional
/ aplicación específica / etc..
– Veamos ahora algunos métodos de defuzificación
4.3 Controlador Lógico Difuso FLC
Análisis Fuzzy:
– El análisis convencional se basa en modelos
matemáticos.
En análisis fuzzy considerar:
1.- Consistencia de las Reglas If – Then.
2.- Suficiencia de Reglas – asegurar control
suave, tampoco demasiadas.
4.3 Controlador Lógico Difuso FLC
Consideraciones ….
3.- Inferir una acción de control apropiada para
cualquier estado del proceso.
4.- Asignación apropiada de conjuntos fuzzy en el
universo del discurso. El traslape de funciones de
pertenencia asegura robustez y completitud pero
podría introducir distorsión en la salida.
5.- selección adecuada de defuzificación – acción
de control suave y apropiada.
4.3 Controlador Lógico Difuso FLC
Criterios de Estabilidad.
– Habilidad del sistema para converger o
permanecer cerca de un valor de equilibrio.
– Los sistemas difusos son por lo general de
carácter no lineal, lo que hace complejo el
concepto de estabilidad.
– Un sistema No lineal es asintóticamente estable
si parte de un punto de equilibrio y vuelve a él, o
si solo se mantiene cerca de él es estable en
sentido de lyapunov.
4.3 Controlador Lógico Difuso FLC
Criterio de Estabilidad
Energética.
Finalmente:
4.3 Controlador Lógico Difuso FLC
Ejemplo: determinar la
estabilidad de un
sistema fuzzy
– Universos del discurso:
X=Y =[1,2]
– Regla de composición
max-min.
C(i,j)=max[min{(ai,:,b:,j)}]
Ejemplo: determinar la
estabilidad de un
sistema fuzzy
– Universos del discurso:
X=Y =[1,2]
– Regla de composición
max-min.
C(i,j)=max[min{(ai,:,b:,j)}]
Conclusión: Es Estable
4.4 Ejemplos de aplicaciones simplificados
X
4.4 Ejemplo 1. Maquina lavadora
Resultados de salida:
Observaciones:
1. Estas curvas pueden ajustarse en el proceso de pruebas y verificación
de resultados según el análisis del mismo.
2. Estas curvas pueden cambiar con cada diseñador y su criterio o juicio.
4.4 Ejemplo 2. Maquina aspiradora
Cap. 5 Crítica a la Lógica Difusa
Harold Romo
5.1 Introducción
Practicidad en Ingeniería.
Limitaciones en aplicaciones.
Cual es el objetivo?
5.2 Objetivos de la lógica difusa
Limitaciones:
– No resuelve problemas que no tengan soluciones
conocidas.- no hay modelo matemático.
– No tiene la habilidad para aprender funciones de
pertenencia o reglas nuevas durante o después
de resuelto el problema.
– Requiere exhaustiva validación y verificación de
resultados después de implementada la solución.
– El asunto de la estabilidad es muy delicado.
5.6 Revisión de aplicaciones ingenieriles
Pico de euforia
Percepción Adopción
gradual
Aparición de la
tecnología
Escepticismo
Tiempo
TENDENCIAS EN LAS ARQUITECTURAS
DE CONTROL
¿Porque son necesarias las redes industriales?
ENTRADAS SENSOR
Sistemas de control automático
ARQUITECTURAS DE CONTROL
Controlador
Centralizada
Sensor Actuador
Controlador
Descentralizada
1. Control
2. Mantenimiento
3. Diagnóstico
1. Planificación.
2. Seguimiento del mercado.
3. Coordinación corporativa.
4. Control de gastos, inversiones e ingresos.
Nivel Planta:
Control operativo de la planta:
Nivel campo:
Elementos de mando y control que intervienen en proceso:
Nivel sensor/actuador:
Máquinas y elementos básicos de control que intervienen en proceso:
Ventajas:
– Posibilidad de implementar, con medios automatizados, las tareas de
planificación, control y dirección de una empresa industrial.
– Posibilidad de interactuar con todos los agentes que intervienen en las cadenas
de suministro de los productos de la empresa.
– Posibilidad de intercambio de información entre automatismos que controlan
fases sucesivas en el proceso de producción.
– Facilidad de comunicación hombre-máquina que permite programar u observar
el proceso y también intervenir a través de terminales computacionales.
– Facilidad de cambios para adaptarse a la evolución tecnológica y a la
diversificación de la oferta de productos.
– Posibilidad de utilizar lenguajes de alto nivel que permitan tratar, bajo un mismo
entorno, todas y cada una de las islas automatizadas, desde la fase de diseño
hasta la fase de explotación y gestión.
Buses de campo y redes industriales
Desventajas:
– La comunicación supone una mayor complejidad técnica.
– Esta complejidad debe ser transparente al usuario, cuyo interés no se centra en
los aspectos tecnológicos sino en los de la aplicación.
– Esto requiere potenciar enormemente el software de soporte al usuario, para
que éste pueda dialogar con el sistema sin ser un experto en comunicaciones.
– Resulta difícil unificar un sistema que integre productos muy diversos de varios
fabricantes, con distintas funciones, lenguajes y prestaciones.
– En un futuro próximo se tendrá que convivir con sistemas de distintos lenguajes
y protocolos y como solución sólo se pueden proponer interfaces de
comunicación.
Clasificación de los buses de campo
Buses de alta velocidad y baja funcionalidad
• Diseñados para integrar
dispositivos simples como fines
de carrera, fotocélulas, relés y
actuadores simples, funcionando
en aplicaciones de tiempo real, y
agrupados en una pequeña zona
de la planta, típicamente una
máquina o proceso industrial.
• Ejemplos de buses:
EN 50170
dispositivo
Perfiles de
Automatización Automatización Automatización
Propósito general En empresas de procesos
SITUACIÓN ACTUAL:
Tecnología de transmisión
1) RS-485, par trenzado, dos líneas de cable o fibra óptica.
2) Velocidad en baudios: de 9.6 Kbit/seg. a 12 Mbit/seg.
Acceso al bus
1) El procedimiento entre maestros se realiza mediante el paso del testigo y entre
esclavos mediante la jerarquía maestro-esclavo.
2) Posibilidad de sistemas mono maestro y multi maestro.
3)Máximo de 126 estaciones en un bus (entre maestros y esclavos).
Comunicación
1) Par a par (transmisión de datos de usuario) o Multicast (comandos de control).
2) Transmisión cíclica de datos entre maestro-esclavo y transmisión acíclica entre
maestros.
PROFIBUS
PROFIBUS DP
Modos de operación
• Operate: Transmisión cíclica de datos de entrada y salida.
• Clear: Se leen las entradas manteniendo las salidas en estado de seguridad.
• Stop: Sólo se permite la transmisión de datos entre maestros.
Velocidad
• Se necesita sólo 1 mseg. para transmitir 512 bits de datos de entrada y 512 bits de
• datos de salida distribuidos en 32 estaciones a una velocidad de 12 Mbit/seg.
Sincronización
• Los comandos de control permiten la sincronización de entradas y salidas.
• Modo Sync: Sincroniza salidas.
• Modo Freeze: Sincroniza entradas.
Funcionalidad
• Transmisión de datos de usuario cíclica entre el maestro y el(los) esclavo(s).
• Activación o desactivación dinámica de DP esclavos de forma individual.
PROFIBUS
PROFIBUS PA
PROFIBUS-PA Conecta sistemas de automatización/sistemas de control de procesos con los
dispositivos de campo, como son los transmisores de presión, temperatura y nivel.
Cultivo de células
Purificación
ÁREAS DE PROCESO:
CIP (Clean In Place)
Temperatura Flujo
pH
Variables a
controlar, Conductividad
Presión
sensar y
4000 ENTRADAS
supervisar
/ SALIDAS
Entradas / Salidas
Foundation Fieldbus analógicas
Entradas / Salidas
Profibus DP analógicas (áreas
clasificadas)
Tecnologías de buses
seleccionados AS-i Entradas / Salidas discretas
Control y diagnóstico de
DeviceNet
variadores de
frecuencia, motores, etc.
FF
GABINETE – B2
AS-i
FF
GABINETE Cableado convencional: 238 cables
AS-i
BIOREACTOR
GABINETE Cableado bus de campo: 14 cables
CONTROLADOR Profibus DP
Topología
FIN
Gracias por su tiempo