UNIVERSIDAD DE LAS FUERZAS ARMADAS – CÓDIGO: SGC.DI.

505
ESPE VERSIÓN: 1.0

DEPARTAMENTO DE CIENCIAS DE LA ENERGÍA Y FECHA ULTIMA

REVISIÓN: 11/06/20
MECÁNICA

CARRERA: MECATRÓNICA

INFORME DE LA PRÁCTICA
AUTOMATIZACIÓN PERIODO MAYO -
ASIGNATURA: INDUSTRIAL LECTIVO: SEPTIEMBRE NIVEL: 8
MECATRÓNICA 2020
PRÁCTICA
INTEGRANTE: WELLINTONG SALÁN NRC: 8540 1
N°:
LABORATORIO DONDE SE DESARROLLARÁ LA
PRÁCTICA: MECATRÓNICA
TEMA DE LA
PRÁCTICA: Diseño de control borroso mediante el software MATLAB

INTRODUCCIÓN:
Uso de software especializado para el diseño de control borroso. Matlab ofrece un toolkit para la creación
del controlador.
Fuzzy Logic Toolbox proporciona funciones de MATLAB, apps y un bloque de Simulink para analizar,
diseñar y simular sistemas basados en lógica difusa. Este producto ofrece una guía sobre los pasos para el
diseño de sistemas de inferencia difusa. Se proporcionan funciones para muchos métodos comunes,
incluidos el clustering difuso y el aprendizaje neurodifuso adaptativo.
OBJETIVOS
:
• Diseñar el control fuzzy mediante software Matlab, para el control de un horno
• realizar el diseño de los conjuntos de entrada, salida y FAM
MATERIALES:

EQUIPOS:
• Computador
• Software MATLAB

INSTRUCCIONES:

• Realice el diseño del controlador: Conjuntos de entrada, salida y FAM

ACTIVIDADES POR DESARROLLAR:

1. Ingresar el comando Fuzzy en la ventana del comand window de matlab
2. Colocamos las salidas y entradas que necesitemos y a su vez el valor de cada conjunto,
para este caso se usó la humedad y la temperatura de entrada y de salida el tiempo.

3. Ingresamos las reglas de la matriz FAM previamente ya elaboradas.

4. Analizamos las reglas viendo una superficie que el software nos da, y así revisamos la
activación de las mismas.

5. Evaluamos los valores de la salida y entrada, y a su vez su activación mediante graficas en la que
nos muestra los conjuntos y sus valores.
 RESULTADOS
OBTENIDOS:
• Mediante la herramienta Fuzzy Logic Designer se logra sacar datos concretos del funcionamiento
del sistema, los mismo que nos pueden servir para implementar físicamente en un controlador,
estos datos serán de mucha ayuda en el proyecto a realizar.
• Los datos para los sensores se pueden ver un poco afectados ya que la relación es pequeña,
pero se realizará pruebas para ver si el comportamiento de este llega a funcionar de una buena
manera.

CONCLUSIONES
:
• Observamos que las reglas que tenemos pueden ser un poco confusas ya que al tener solo
pocos datos de control, podemos llegar a tener errores, pero los datos de eso se evaluaran en
la prueba física aplicando en el horno a usar.

RECOMENDACIONE
S:
• Realizar más prácticas en torno a varios sistemas, ya que para el control fuzzy influye también la
experticia del programador en dicho control
REFERENCIAS BIBLIOGRAFICAS Y DE
LA WEB:

• Russell, S. J., & Norvig, P. (2004). Inteligencia Artificial: un enfoque moderno (No. 04; Q335,
R8y2004.).
• Zaragoza, I., Gómez, Y., Cabrera, A., Trujano, G., Campos, C., Montoya, S., ... & Valencia, I.
 (2001). Diseño y construcción de un prototipo de incubadora controlado por lógica difusa. In
Memorias II Congreso Latinoamericano de
Ingeniería Biomédica
ANEXOS: