INTELIGENCIA ARTIFICIAL

SESION 07
CONTROL DIFUSO

CONTENIDO:

Reglas de Control 1

Método de inferencia 2

Interpretación gráfica del método de inferencia 3

Métodos de defusificación 4
LOGROS DE LA SESIÓN

Al término de la sesión, el estudiante conoce el procedimiento para obtener un

resultado de un controlador difuso, pasando por la fusificación corte y
defusificación; aplicando para ello algoritmos de programación en lenguajes de
alto nivel
 CONTROLADORES DIFUSOS: REGLAS DE CONTROL
Voltaje del motor
20 cm Sensor Posición deseada Posición
Longitud del riel +- Controlador Mecanismo del
plotter

Sensor

Error de posición
12v

Definimos de las Reglas de Control:

Si el Error es Negativo Grande entonces el Voltaje es Negativo Grande

ENG VNG
Si el Error es Negativo Pequeño entonces el Voltaje es Negativo Pequeño ENP VNP
Si el Error es Cero entonces el Voltaje es Cero EC VC
Si el Error es Positivo Pequeño entonces el Voltaje es Positivo Pequeño
EPP VPP
Si el Error es Positivo Grande entonces el Voltaje es Positivo Grande
EPG VPG
CONTROL DIFUSO: MÉTODO DE INFERENCIA
Interpretación Matemática
𝑥 𝑒𝑠 𝐴′ 𝐴′
𝑥 𝑒𝑠 𝐴1 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑦 𝑒𝑠 𝐵1 𝐵1′ = 𝐴′ ° 𝑅1 = 𝐴′ ° (𝐴1 𝑥 𝐵1 )
𝑥 𝑒𝑠 𝐴2 , 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑦 𝑒𝑠 𝐵2 𝐵2′ = 𝐴′ ° 𝑅2 = 𝐴′ ° (𝐴2 𝑥 𝐵2 )
.
. . . .
. . . .
. . .

𝑦 𝑒𝑠 𝐵′ 𝐵′ = 𝐵1′ ∪ 𝐵2′ ∪ …

Hagamos una formula general:

𝜇𝐵′ 𝑦 = ∨𝑥 𝜇𝐴′ 𝑥 ∧ 𝜇𝑅𝑖 𝑥, 𝑦 =∨𝑥 𝜇𝐴′ 𝑥 ∧ 𝜇𝐴𝑖 𝑥 ∧ 𝜇𝐵𝑖 𝑦
𝑖
= {∨𝑥 𝜇𝐴′ 𝑥 ∧ 𝜇𝐴𝑖 𝑥 } ∧ 𝜇𝐵𝑖 𝑦

Como 𝐴′ es un numero, se puede considerar una constante en un instante de tiempo, no

es un conjunto difuso, es un conjunto Singleton es por eso que podemos hacer lo
siguiente:
CONTROL DIFUSO: MÉTODO DE INFERENCIA
Considerando que 𝐴′ es un conjunto Singleton Valor de FUSIFICACIÓN

𝐴′ ∨𝑥 𝜇𝐴′ 𝑥 ∧ 𝜇𝐴𝑖 𝑥 = 𝜇𝐴𝑖 𝑥0

𝐴𝑖 𝑚í𝑛𝑖𝑚𝑜 𝑑𝑒 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛 𝐴𝑖 𝑒𝑛 𝑥0

𝜇𝐵′ 𝑦 = 𝜇𝐴𝑖 𝑥0 ∧ 𝜇𝐵𝑖 (𝑦)

𝑖

No hay necesidad de productos y composiciones

𝑥0
𝐵1′ = 𝐴′ ° 𝑅1 = 𝐴′ ° (𝐴1 𝑥 𝐵1 )
𝐵2′ = 𝐴′ ° 𝑅2 = 𝐴′ ° (𝐴2 𝑥 𝐵2 )
. .
. .
. .
𝜇𝐵1′ 𝑦 = 𝜇𝐴1 𝑥0 ∧ 𝜇𝐵1 (𝑦)
𝜇𝐵2′ 𝑦 = 𝜇𝐴2 𝑥0 ∧ 𝜇𝐵2 (𝑦)
. .
. .
. .

𝐵′ = 𝐵1′ ∪ 𝐵2′ ∪ … 𝜇𝐵′ 𝑦 = 𝜇𝐵1′ 𝑦 ∨ 𝜇𝐵2′ 𝑦 ∨ …

SOLO HAY QUE HACER FUSIFICACIÓN Y HALLAR EL

MINIMO
 MÉTODO DE INFERENCIA: INTERPRETACIÓN GRÁFICA
Regla 1

CORTAR
𝜇𝐵1′ 𝑦 = 𝜇𝐴1 𝑥0 ∧ 𝜇𝐵1 (𝑦)
𝜇𝐴1 𝑥0
𝜇𝐵2′ 𝑦 = 𝜇𝐴2 𝑥0 ∧ 𝜇𝐵2 (𝑦) 𝜇𝐵1′
. .
. .
. .

Regla 2
𝜇𝐵′ 𝑦 = 𝜇𝐵1′ 𝑦 ∨ 𝜇𝐵2′ 𝑦 ∨ …

𝜇𝐴2 𝑥0
𝜇𝐵2′

𝒙𝟎
Fusificación
MÉTODO DE INFERENCIA: INTERPRETACIÓN GRÁFICA

𝜇𝐵1′ ∪ 𝜇𝐵2′

No se puede alimentar 𝐵′
a un motor con un
conjunto difuso…Falta
el paso final
Ya puedo aplicar este
conjuntoDEFUSICAR
difuso al
motor?
MÉTODOS DE DEFUSIFICACIÓN

𝐵′
σ 𝑦 𝜇(𝑦)
Método del Centroide: 𝑦0 = 𝜇(𝑦)

𝑦0

Método de la Bisectriz: 𝑦0 divide el área en 𝐵′

dos áreas de igual tamaño

𝑦0

Método del Máximo Central (MOM): 𝑦0 es el

promedio de los maximos 𝐵′

𝑦0
MÉTODOS DE DEFUSIFICACIÓN

𝒚𝟎 = 𝒅𝒆𝒇𝒖𝒛𝒛(𝒙, 𝒎𝒇, 𝒎𝒐𝒅𝒆)

Donde x es el universo del discurso, mf es B’ y mode:
• centroid 𝐵′
Método del Más Pequeño (SOM)
• bisector
• mom Scikit fuzzy
PYTHON
• som
𝑦0
• lom

https://pythonhosted.org/scikit-fuzzy/api/skfuzzy.html#defuzz𝐵′
Método del Más Grande (LOM)
𝒚𝟎 = 𝒅𝒆𝒇𝒖𝒛𝒛(𝒙, 𝒎𝒇, 𝒎𝒐𝒅𝒆)
• centroid
• bisector Fuzzy-logic-toolkit 𝑦0
• mom GNU Octave
• som
• lom
• wtaver
• wtsum
https://octave.sourceforge.io/fuzzy-logic-toolkit/function/defuzz.html
 MUCHAS
GRACIAS!!!
por su atención…

Ing. Luis Gutiérrez Magán

Luis.magan@upn.pe