Control Fuzzy PDF

28/6/2020
LÓGICA FUZZY
Lógica que permite manejar y procesar ciertos tipos de
información en los cuales se manejen términos inexactos,
imprecisos o subjetivos, de una manera similar a como lo hace
el cerebro humano.
Es una extensión de la lógica tradicional (Booleana)
Fue investigada, por primera vez, a mediados de los años
sesenta en la Universidad de Berkeley por el Ingeniero Lofty A.
CONTROL FUZZY Zadeh, 1965.
La idea que se esconde tras ella y sus orígenes remonta hasta
2.500 años atrás, cuando los filósofos Griegos, Aristóteles
Ph.D. Alvaro Aguinaga Barragán entre ellos, consideraban que existían ciertos grados de
veracidad y falsedad.
28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 1 28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 2
1 2
LÓGICA FUZZY LÓGICA FUZZY
3 4

La lógica borrosa o difusa se basa en lo relativo
de lo observado. A diferencia de la lógica clásica
o bivalente, que toma solo dos valores posibles Logica
verdadero o falso a una proposición, la lógica
difusa toma varios valores de verdad posibles.
Clasico Difuso
La lógica difusa permite representar de forma
matemática conceptos o conjuntos imprecisos,
tales como días fríos, meses calurosos, Manipulacion simbolica Manipulacion simbolica y calculos numericos
personas altas, sueldos bajos etc. Por tales
ejemplo la lógica difusa se adapta mejor al
mundo real, puede comprender y funcionar con Razonamiento Exacto Razonamiento Aproximado
expresiones, del tipo "hace mucho calor", "no es
muy alto", "el ritmo del corazón está un poco
acelerado", etc.
5 6
1
28/6/2020

La lógica difusa o borrosa (Fuzzy logic) se basa en la idea que
en un instante dado, no es posible precisar el valor de una
variable, sino tan solo conocer el grado de pertenencia a cada
uno de los conjuntos en que se ha participado el rango de
variación de la variable.
El grado de pertenencia se cuantifica mediante la función de
pertenencia, que generalmente se escoge de una forma
trapezoide.
Ejemplo de funciones de pertenencia:
TB: Temperatura baja.
TM: Temperatura media.
TA: Temperatura alta.
7 8

Las matemáticas generadas por estas teorías son consistentes Los conjuntos difusos se pueden ver como una extensión de los
conjuntos “clásicos” para representar conceptos no bien definidos
y la lógica difusa puede ser una generalización de la lógica
clásica. Conjuntos clásicos – se puede determinar sin ambigüedad si algo es
miembro o no del conjunto (el conjunto es claro y preciso)
La estadística mide la probabilidad que un evento futuro
ocurra, cuando la lógica difusa mide la ambigüedad de eventos
que ya han ocurrido.
Es esta probablemente una elipse, o es ambiguamente una
elipse
9 10

Conjuntos Difusos
• En un conjunto difuso el límite no está bien
definido, los miembros pueden tener un
grado de membresía en cualquier nivel
desde completamente miembro hasta no-
miembro
• Elemplos:
– Jugadores de tenis
– Personas altas
– Números pequeños
11 12
2
28/6/2020
13 14
15 16

Un conjunto no tiene límites claramente definidos o Una FM triangular se especifica mediante tres parámetros { a, b, c }, de
precisos. la siguiente forma:
 0, xa
La transición de la pertenencia o no-pertenencia de x  a
, a xb
un elemento, es gradual, y esta transición está  b  a
triángulo( x; a, b, c)  
cx
caracterizada por funciones de membresía.  , b xc
c b
A = { ( x, µA (x) ) | x ꞓ X }  0, cx
Utilizando operadores min y max, la expresión anterior se puede

donde µA (x) se conoce como la función de expresar como sigue:
membresía
  xa c x 
X es llamado el universo de discurso triángulo( x; a, b, c )  max min , ,0 
 ba c b 
x son los elementos de ese universo
17 18
3
28/6/2020

Una FM trapezoidal se especifica mediante cuatro parámetros { a, b, c, d }, Una FM gausiana se especifica con dos parámetros { c,  }; c
de la siguiente forma: representa el centro de la FM y σ determina su anchura:
 0, xa
x a
 , a xb 1  x  c  2
b  a
  
trapecio ( x; a, b, c, d )   1, b xc 2   
gauss ( x; c, )  e
d  x
d  c , c  x  d Una FM del tipo campana generalizada (o FM tipo campana) se
 0, dx
 caracteriza mediante tres parámetros { a, b, c }; donde c y a definen el
centro y el ancho de la FM, respectivamente, mientras que el
Utilizando operadores min y max, la expresión anterior se puede parámetro b controla las pendientes en los puntos de cruce:
expresar como sigue:
1
  x a d  x  campana ( x; a, b, c) 
trapecio( x; a, b, c, d )  max min ,1, ,0  xc
2b
 ba d c  1
a
19 20

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).
21 22

Operaciones Difusas: Desarrollar las operaciones INTERSECCIÓN (AND)
difusas en los siguientes ejemplos de diagramas de
1,2
la verdad 1
1,2
1
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2
1,2 0 0
1,2
1 1 0 2 4 6 8 10 0 2 4 6 8 10
0,8 0,8
0,6 0,6
0,4 0,4
0,2 0,2 1,2 1,2
0 0 1 1
0 2 4 6 8 10 0,8 0,8
0 2 4 6 8 10
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
23 24
4
28/6/2020

UNION (OR) COMPLEMENTO (NOT)
1,2 1,2 1,2 1,2

1 1 1 1
0,8 0,8 0,8 0,8
0,6 0,6 0,6 0,6
0,4 0,4
0,4 0,4
0,2 0,2
0,2 0,2
0 0
0 0
0 2 4 6 8 10 0 2 4 6 8 10
0 2 4 6 8 10 0 2 4 6 8 10
1,2 1,2
1,2 1,2
1 1
1 1
0,8 0,8
0,8 0,8
0,6 0,6
0,6 0,6
0,4 0,4
0,2 0,2 0,4 0,4
0 0 0,2 0,2
0 2 4 6 8 10 0 2 4 6 8 10 0 0
0 2 4 6 8 10 0 2 4 6 8 10
25 26
27 28
29 30
5
28/6/2020

El producto cartesiano es usado para definir una relación entre dos o Los conjuntos y los operadores difusos son los sujetos y
más conjuntos (sean ordinarios o difusos). predicados de la lógica difusa. Las reglas if-then son usadas
El producto cartesiano es denotado como AxB y es definido como: para formular las expresiones condicionales que abarca la
lógica difusa
if x is A then y is B
Una relación difusa R de A y B es un subconjunto difuso de AxB,
donde R(a, b) es la función de membresía de R. Donde A y B son los valores lingüísticos definidos por los
conjuntos definidos en los rangos de los universos de discurso
llamados X e Y, respectivamente.
R también puede ser representado como una matriz, depositando
cada elemento de R(a, b): La parte if de la regla ´x es A´ es llamada el antecedente o
premisa, mientras la parte then de la regla ´y es B´ es llamada
la consecuencia o conclusión
31 32
33 34

Las INFERENCIAS difusas en control Fuzzy deben tener el
siguiente formato:
Si x es A entonces y es B
x  A’ µAB
y  B’
µA’ µB’
R
35 36
6
28/6/2020

Defuzificación Defuzificación
• La “salida” de una regla difusa es un • Defuzificación aritmética – dos formas
conjunto difuso básicas:
• En muchas aplicaciones es necesario – Valor máximo
1
transformar esta salida: – Centro de área (o de momentos)
– Aproximación lingüística – se transforma en
una descripción “verbal”
– Defuzificación aritmética – se extrae un valor
escalar que represente al conjunto difuso 0
X
37 38

La entrada para el proceso de defusificación es un Comúnmente se usa para toma de decisiones en presencia de
conjunto difuso (la salida de la etapa de agregación) y datos o conocimientos inciertos.
la salida es un simple número concreto. Los sistemas
Reconocimiento de patrones ambiguos .
del mundo real requieren un resultado numérico.
Como un componente de sistemas expertos difusos
El método más popular de defusificación es el cálculo
del centro de gravedad ó centroide, el cual retorna el Se usa en aplicaciones tales como:
centro del área bajo la curva. Al igual que en los pasos • En control de sistemas lineales y no lineales.
anteriores existen más métodos de cálculo.
• Para modelar sistemas lineales y no lineales.
• En diagnostico y aislamiento de fallas en sistemas en tiempo
real y análisis de datos fuera de línea.
• Para tomar una decisión completa.
39 40
APLICACIONES LÓGICA Y CONTROL FUZZY APLICACIONES LÓGICA Y CONTROL FUZZY

• Metro Sendai (Hitachi)
• Cemento Kiln (F.L. Smidth)
Productos al consumidor Sistemas
• Control de elevador (Fujitec, Hitachi, Toshiba)
• Lavadoras • Elevadores
• Carro de Sugeno
• Hornos de microondas • Trenes
• Robot de Hirota
• Procesadores de arroz • Automóviles
• Péndulo invertido de Yamakawua.
• Limpiadores al vacío (máquinas, transmisiones, frenos)
• Reactor nuclear (Hitachi, Bernard)
• Cámaras de video • controles de tráfico
• Transmisión automática (Nissan, Subaru)
• Televisores
• Control Bulldozer (Terano)
• Sistemas térmicos Sotfware
• Producción de ethanol (Filev)
• Traductores • Diagnóstico Médico
• Seguridad
• Compresión de datos
41 42
7
28/6/2020
APLICACIONES LÓGICA Y CONTROL FUZZY CONTROL FUZZY

Para el control automático es necesario plantear la planta con sus
entradas y salidas:
Reemplazo de un operador humano por un sistema experto

basado en lógica difusa
Medicina ((CADAG, Adlssnig), Arita, OMRON)

Seguridad (Yamaichi, Hitachi)
Comprobante de crédito (Zimmermann)
Asignación de daños (Yao, Hadipriono)
Diagnostico de fallas (Guangzhou)
Planeación de producción (Turksen)
43 44
CONTROL FUZZY CONTROL FUZZY

Para el control Fuzzy igualmente es necesario plantear y determinar El control Fuzzy tendrá como entradas las medidas (sensores) de
cuales son las entradas y salidas de la planta que se va a controlar. las salidas de la planta y/o parámetros relacionados
(retroalimentación); y, sus salidas actuarán sobre las entradas de la
planta que se va a controlar.
U1 X1
X1 AU1
U2
X2
X2 AU2
U3
PLANTA: X3
CONTROL
X3 AU3
Um
Xn FUZZY
Xn AUm
45 46
CONTROL FUZZY ESTRUCTURA DEL CONTROL FUZZY

El esquema del controlador Fuzzy actuando sobre la planta se Regla 1
presenta en la figura. Las referencias son parte del programa Entrada 1
(Sistema de Inferencia Fuzzy FIS).
Regla 2

Salida1
PERTURBACIONES
ENTRADAS DE SALIDAS DE Regla 3 Salida2

LA PLANTA LA PLANTA
CONTROL Entrada 2
FUZZY
ACTUADORES
PLANTA
FIS Regla 4
ORDENES
Las entradas son Las reglas son Los resultados El resultado es

números evaluadas en de las reglas un valor
MEDIDAS DE LAS
SALIDAS DE LA
PLANTA Y/O
PARÁMETROS
RELACIONADOS limitados a un paralelo usando son combinadas numérico no
rango un y defusificadas. difuso.
especifico. razonamiento
Entradas no difuso.
28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 47 difusas.
28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 48
47 48
8
28/6/2020
ESTRUCTURA DEL CONTROL FUZZY MODELACIÓN Y SIMULACIÓN

DEL CONTROL FUZZY
La modelación y simulación de
los modelos de control Fuzzy,
en el presente curso se
realizará utilizando el Toolbox
de Control Fuzzy del Matlab.
49 50
Fin de la Presentación
Ph.D. Alvaro Aguinaga Barragán
28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 51
51

Control Fuzzy PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Control Fuzzy PDF

Cargado por

Copyright:

Formatos disponibles

28/6/2020

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

Utilizando operadores min y max, la expresión anterior se puede

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

1,2 1,2 1,2 1,2

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

LÓGICA FUZZY LÓGICA FUZZY

APLICACIONES LÓGICA Y CONTROL FUZZY APLICACIONES LÓGICA Y CONTROL FUZZY

APLICACIONES LÓGICA Y CONTROL FUZZY CONTROL FUZZY

Reemplazo de un operador humano por un sistema experto

Medicina ((CADAG, Adlssnig), Arita, OMRON)

CONTROL FUZZY CONTROL FUZZY

CONTROL FUZZY ESTRUCTURA DEL CONTROL FUZZY

ENTRADAS DE SALIDAS DE Regla 3 Salida2

Las entradas son Las reglas son Los resultados El resultado es

ESTRUCTURA DEL CONTROL FUZZY MODELACIÓN Y SIMULACIÓN

Ph.D. Alvaro Aguinaga Barragán

28/6/2020 LÓGICA FUZZY - Ph.D. Álvaro Aguinaga - 2020A 51

También podría gustarte