Documentos de Académico
Documentos de Profesional
Documentos de Cultura
del sistema
Respuesta
Condiciones
de entrada
v1 z1
(crisp)
(crisp)
v2 z2
vn zm
3
U2.3 SISTEMAS CON INCERTIDUMBRE
PROCESO DE INFERENCIA
Aplicar Aplicar
Fuzzyficar
operadores método de
entradas
fuzzy implicación
Defuzzyficar Componer
salidas salidas
4
U2.3 SISTEMAS CON INCERTIDUMBRE
Válvula Entrada 2
Caudal de
entrada Alto
Niveles de
referencia
Normal Correcto
180º
Bajo
Caudal de
Salida salida
0º 360º
Cerrada Abierta
5
U2.3 SISTEMAS CON INCERTIDUMBRE
Se considera
que el valor del
No caudal está
Abre
Cierra cambia rápido
directamente
rápido relacionado con
Cierra Abre
lento lento la posición de la
válvula.
Reglas de inferencia 7
U2.3 SISTEMAS CON INCERTIDUMBRE
Defuzzyficación
Fuzzyficación
entrada de un tanque de reserva
para mantener un nivel fijo. Máquina de Inferencia
Condiciones estacionarias 8
U2.3 SISTEMAS CON INCERTIDUMBRE
Defuzzyficación
Reglas
Fuzzyficación
entrada de un tanque de reserva
para mantener un nivel fijo. Máquina de Inferencia
Defuzzyficación
Reglas
Fuzzyficación
entrada de un tanque de reserva
para mantener un nivel fijo. Máquina de Inferencia
al
Nivel u d
Ca
11
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Un controlador fuzzy (FLC) es un tipo
especial de Sistema de Inferencia Fuzzy
(FIS), donde:
• las variables de entrada son del tipo
«error del sistema» o variaciones de
estos;
• las variables de salida son las acciones
de control del sistema, o variaciones de
estas;
• las salidas no van al usuario sino a otro
sistema (planta).
12
U2.3 SISTEMAS CON INCERTIDUMBRE
Teoría de Controladores
Ley general de control discreta
~
~
~
~
uk+1
F.I.S. Proceso
~
~
~
~
Expresada como variación de la acción de control:
13
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Características generales
• El propósito de un controlador fuzzy (FC) es
mantener las condiciones de operación de un
proceso, según las especificaciones.
• Incorpora conocimiento de un experto humano
sobre como manipular el proceso.
• En muchos casos, no se conoce la expresión
analítica que describe al proceso.
• Usualmente, la entrada al controlador no es la
variable directa, sino el error (e) entre ésta y un
valor de referencia (r) establecido como punto de
control.
• La salida del controlador (u) es una señal que
representa al acción a aplicar cuando el valor
medido (y) se desvía del valor de referencia (r).
14
U2.3 SISTEMAS CON INCERTIDUMBRE
v1
Variables
u
v2 Planta
x
vn
Sistema de Sistema a
Inferencia Fuzzy controlar 15
U2.3 SISTEMAS CON INCERTIDUMBRE
e=r-x
(set-point)
Sistema de Sistema a
Error
Controladores Fuzzy
Clasificación general
ìModelo Takagi - Sugeno : utilizan
ï ecuaciones en el consecuente
ï
ï de las reglas.
Según su estructura í
ïModelo Mamdani : utilizan variables
ï lingüísticas en el consecuente
ï
î de las reglas.
17
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Criterio general de diseño
• Identificar el proceso y comprender el problema.
• Determinar las variables de entrada y variables de
salida (para los controladores fuzzy usualmente
son estándares → error, acción de control).
• Definir particiones de las variables y asociar
funciones de pertenencia.
• Adquirir conocimiento experto y volcarlo en una
base de reglas IF-THEN.
• Implementar el prototipo con su correspondiente
motor de inferencia (fuzzy en este caso).
• Definir datos de prueba (con resultados).
• Comprobar prototipo→modificar, ajustar, reemplazar.
• Documentar durante todo el proceso
18
U2.3 SISTEMAS CON INCERTIDUMBRE
Referencias
Controladores FuzzyParámetros
(set points) del sistema
Esquema
e
general
Variables Variables
e errores de control controladas
e
Controlador Planta
r u y
z -1
Tipo ì
u(k) = K e(k)
P
í con u0 = 0 y KI = KD = 0
P î Äu(k) = K P Äe(k)
Controladores Fuzzy
Configuración de Variables de entrada
• Usualmente se opera con
~
~
el error (tipo P): ek
r +- F.I.S.
r = referencia
xk = var. medida xk
~
~
...
ek = error → ek = r – xk ek-1
k = tiempo discreto
~
~
r z -1 - ek
+- F.I.S.
• O variación del error xk
ek +
(tipo D):
~
~
...
ek = ek – ek-1 ek-1
z -1 = retardo
~
~
r z -1 - ek
+-
+ F.I.S.
ek ek
• O ambos (tipo PD): xk
... 20
~
~
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Configuración de Variables de entrada
• También se puede operar con la velocidad de
variación del error (aceleración):
ek-2
r = referencia ek-1
Δ
-
k = tiempo discreto z -1
~
~
+
Δ2e
xk = var. medida ek-1 - k
F.I.S.
+
ek = error → ek = r – xk r + z -1 - e
Δ k
~
~
- +
ek = ek – ek-1 e k
xk
...
ek = ek – ek-1
2
~
~
z -1 z -1
• O la suma de errores r -
F.I.S.
(tipo I): k-n
+-
ek + E
Se
E = å ek xk
~
~
...
k 21
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Configuración de Variables de salida
• Se puede trabajar con la variable de control
directa:
~
~
~
~
uk+1 = var. de control
k = tiempo discreto
uk+1
F.I.S. Proceso
• O variación de control:
~
~
~
~
uk
z = retardo
-1
~
~
~
~
uk+1 = uk+1 – uk z -1
-
uk+1
F.I.S. + Proceso
~
~
~
~
uk+1
22
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Funciones de Aplicable a ek || ek || uk+1
pertenencia
• Las variables se
particionan en
forma regular,
sobre un universo
estándar o
particular,
usualmente con
funciones
triángulo. Se
pueden aplicar
funciones hombro
en los extremos.
23
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Base de reglas
• Tienen estructura uniforme. Pueden relacionar
todas las particiones con todas las variables de
entrada. Conectivo usual → AND
Regla i : IF x1 is F1i and... and x n is Fni THEN u is G i
Como base
Como tabla
relacional Como
matriz
asociativa
24
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Mecanismo/motor de inferencia
• En cada instante discreto, realiza una proyección
de un conjunto fuzzy de entrada en un conjunto
fuzzy de salida, aplicando las reglas
Regla
activa
Entradas crisp
composición 25
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
e(k) e(k) Controlador
KN1
Δ
e(k) fuzzy u(k)
z -1 -
+
KN2 PI SISO
Z NG NP Z PP PG
PP NP Z PP PP PG
PG Z PP PG PG PG Salida
variación
Tabla de MacVicar- de acción
Whelan para cinco de control.
particiones.
26
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Diagrama ontrol del nivel de
agua en un tanque. Doble controlador Fuzzy/PID.
Controlador PID
Sistema a controlar
Conmutador
Sistema de
Inferencia Fuzzy
Controladores Fuzzy
Ejemplo 2: Mezclador de caudales en línea (flow mixer)
con dos variables de entrada (apertura válvula fría xf y
caliente xc), y dos de salida (caudal F y temperatura T).
xf xc
Controladores Fuzzy
Ejemplo 2: Mezclador de caudales en línea (flow mixer)
con dos variables de entrada y dos de salida.
29
U2.3 SISTEMAS CON INCERTIDUMBRE
4 PI Fuzzy SISO
Controladores Fuzzy
acoplados
Ejemplo 2:
Modelo
experimental
30
U2.3 SISTEMAS CON INCERTIDUMBRE
Controladores Fuzzy
Ejemplo 2: Resultados.
Prueba experimental:
función escalón en k=40
min para la referencia de
temperatura TREF ,
manteniendo constante
la referencia de caudal
FREF (Fig. a)
Luego, se mantiene
constante la referencia
de temperatura TREF y se
aplica la función escalón
sobre la referencia de
caudal FREF en k=60 min
(Fig. b).
31