Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- Lógica Difusa -
Javier Silva Gallegos
Electricidad y Electrónica
Automatización Industrial
Introducción
• La lógica difusa fue creada para emular la lógica humana y tomar
decisiones acertadas a pesar de la información.
• Es una herramienta flexible que se basa en reglas lingüísticas dictadas por
expertos.
• La lógica difusa proporciona un marco matemático que permite modelar la
incertidumbre de los procesos cognitivos humanos de forma que pueda ser
tratable por un computador.
• Por ejemplo, la velocidad de un automóvil es una variable que puede tomar
distintos valores lingüísticos, como “alta”, “media” o “baja”.
• En otras palabras, la lógica difusa es un conjunto de principios matemáticos
basados en grados de membresía o pertenencia, cuya función es modelar
información. Pretende producir resultados exactos a partir de datos
imprecisos.
Introducción
¿Por qué usar un sistema difuso?:
• Permite automatizar un proceso que controla un trabajador. Sistema difuso
permite traspasar la experiencia de una persona hacia un controlador.
• Si el trabajador hace juicios con base a su criterio y experiencia, y estos
juicios se realizan en forma lingüística (como “alto, “lento”, “bajo”, etc.) se
puede notar que un sistema convencional no maneja este tipo de entradas,
mientas que el sistema difuso si lo hace. Permite procesar información con
incertidumbre.
• No es necesario conocer un modelo matemático del sistema real, por lo
tanto se pueden controlar sistemas no lineales sin linealizaciones ni
aproximaciones.
• Otra ventaja es que permite control MIMO, a diferencia del PID que es
simplemente SISO.
Introducción
Aplicaciones:
• Control de posición de puente Grúa de transporte
de material, donde se utiliza la posición deseada y
el balanceo de la grúa.
• No se utiliza PID porque hay 2 variables de
entrada.
• Control de la generación de electricidad, donde se
pretende generar potencias estables y a la vez se
pretende reducir las emisiones de contaminantes y
tóxicos..
• La basura cambia su poder calórico, por ende la
temperatura cambia constantemente, lo que afecta la
generación de electricidad.
• Nuevamente, no es posible utilizar PID.
Introducción
Aplicaciones:
• Aerogeneradores. El ángulo de las hélices
afecta la generación de energía, pero si el
viento aumenta demasiado se dañan los
instrumentos.
• El control pretende maximizar la generación de
electricidad y aumentar la vida útil del equipo.
• El metro de Sendai, Japón, fue un exitoso caso
de aplicación de control Difuso, se logró la
conducción más suave nunca antes realizada, la
precisión de frenada fue de 7 cm, las
aceleraciones y desaceleraciones fueron muy
suaves, el número de cambios de marcha se
redujo a un tercio de las conducción humana y
además se tuvo un ahorro de energía del 10%.
Introducción
Aplicaciones:
• Existen innumerables aplicaciones tanto a nivel industrial como
comercial, además encontramos:
• Planta de aguas caliente en Holanda, intercambiadores de calor en Dinamarca,
control de horno cementero en Dinamarca, control de planta de purificación de
agua en Japón, etc.
• Hoy en día existen muchos aparatos electrónicos que funcionan con
este tipo de controladores, tales como:
• Control de A/C, foco automático de cámaras fotográficas, lavadoras/secadoras,
aspiradoras, microondas, ventiladores, mejora en la eficiencia del uso de
combustibles en motores, control de ascensores, etc.
Introducción
Partes de un
controlador difuso:
Lógica Booleana y Difusa
• Conjunto Convencional: Se define
como aquel conjunto que sólo tiene
dos grados de pertenencia, 0 ó 1.
Conjunto Difuso
Conjuntos Difusos
• Un Conjunto Difuso F Es aquel donde la pertenencia de sus elementos queda
caracterizado por una función de inclusión 𝜇𝐹 que toma valores en el rango [0,1],
es decir, 𝜇𝐹 : 𝑈 → [0,1], siendo 𝑈 el universo de discurso. 𝜇𝐹 (𝑢) representa el
grado en el que 𝑢 ∈ 𝑈 pertenece al conjunto difuso 𝐹.
• Variable Lingüística: Es aquella noción o concepto que vamos a calificar de
forma difusa, la cual adopta valores con palabras que permiten describir el estado
de un objeto o fenómeno; estas palabras se pueden representar mediante conjuntos
difusos. Una variable numérica toma valores numéricos, por ejemplo: edad = 65,
mientras que una variable lingüística toma valores lingüísticos, por ejemplo: edad
es “viejo”.
• Universo de discurso: Rango de valores que pueden tomar los elementos que
poseen la propiedad expresada por la expresada por la variable lingüística.
• Valor Lingüístico: Son las diferentes clasificaciones que efectuamos sobre la
variable lingüística. Por ejemplo, si hablamos de altura podría ser “bajo”,
“mediano” y “alto”.
Conjuntos Difusos
Representación de conjunto difuso discreto:
En forma General un conjunto
difuso discreto viene dado por:
𝜇𝐴 𝑋1 𝜇𝐴 𝑋2
𝐴= + +⋯
𝑋1 𝑋2
𝜇𝐴 𝑋𝑖
𝐴=
𝑋𝑖
0.2 0.4 0.8 0.2 0.6 Donde la suma denota la unión de
𝐴={ + + + + }
𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 los elementos.
Conjuntos Difusos
Representación de conjunto difuso Continuo:
• Un conjunto convencional
continuo se define por una
función característica, la cual se
conoce como función de
pertenencia.
• La integral denota la unión de los
𝜇𝐴 𝑋 elementos.
𝐴=
𝑋
Conjuntos Difusos
Ejemplo: Considerar la variable lingüística “Altura de los seres humanos” que toma
valores en el universo de discurso 𝑈 = 1.4, 2.5 , vamos a hacer una clasificación
difusa de los seres humanos en tres conjuntos difusos (valores lingüísticos): bajos,
medianos y altos.
Conjuntos Difusos
• Altura: Se define la altura de un conjunto difuso
como el valor más grande de su función de
pertenencia.
• Núcleo: Es el conjunto nítido de elementos que
tienen grado de pertenencia 1.
𝑁ú𝑐𝑙𝑒𝑜 𝐴 = 𝑥 ∈ 𝑋 / 𝜇𝐴 𝑥 = 1
• Punto de Cruce: Elemento 𝑥 de U para el cual
𝜇 𝑥 = 0.5.
• Soporte: Es el conjunto de todos los valores de 𝑈
para los que 𝜇𝐹 𝑢 > 0.
𝑆𝑜𝑝𝑜𝑟𝑡𝑒 𝐴 = {𝑥 ∈ 𝑋 / 𝜇𝐴 > 0}
• Frontera: Conjunto de elementos que toman
valores de membresía (grados de pertenencia)
mayores que 0 y menores que 1.
0 < 𝜇𝐴 𝑥 < 1
Funciones de Membresía
• Para representar los grados de pertenencia de cada uno de los
elementos que conforman un conjunto difuso, lo más natural es extraer
los datos de los fenómenos que se va a representar y con ellos definir
la forma de la función de membresía.
• Existen funciones de membresía convencionales y no convencionales
que permiten realizar un mapeo de un universo nítido a un universo
difuso (grados de memebresía entre 0 y 1), entre estas se destacan:
• Saturación (gamma) , Hombro(L) , triangular, trapecio o PI, sigmoidal.
Funciones de Membresía
Función saturación (𝚪):
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
𝜇 𝑥 = , 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑚
𝑚−𝑎
1, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑚
Función hombro (L):
1, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑚−𝑥
𝜇 𝑥 = , 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 < 𝑚
𝑚−𝑎
0, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑚
Funciones de Membresía
Función triangular (𝝀):
Triangular es adecuada para definir situaciones en las que se tiene un valor
óptimo central, el cual se va perdiendo conforme que uno se aleja de él.
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 ≤ 𝑚
𝑚−𝑎
𝜇 𝑥 = 𝑏−𝑥
, 𝑝𝑎𝑟𝑎 𝑚 < 𝑥 ≤ 𝑏
𝑏−𝑚
0, 𝑝𝑎𝑟𝑎 𝑥 > 𝑏
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑝𝑎𝑟𝑎 𝑎 < 𝑥 ≤ 𝑏
𝑏−𝑎
𝜇 𝑥 = 1, 𝑝𝑎𝑟𝑎 𝑏 < 𝑥 ≤ 𝑐
𝑑−𝑥
, 𝑝𝑎𝑟𝑎 𝑐 < 𝑥 ≤ 𝑑
𝑑−𝑐
0, 𝑝𝑎𝑟𝑎 𝑥 > 𝑑
Comando Matlab: y = trapmf(x,[a b c])
Funciones de Membresía
Función Sigmoidal (S):
• Similar a la función saturación, con la diferencia que los cambios de
pertenencia a cierto conjunto no son tan drásticos, por lo que se apega
más a la realidad.
0, 𝑝𝑎𝑟𝑎 𝑥 ≤ 𝑎
𝑥−𝑎 2 𝑎+𝑐
2 , 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤
𝜇 𝑥 = 𝑐−𝑎 2
𝑥−𝑎 2 𝑎+𝑐
1−2 , 𝑝𝑎𝑟𝑎 ≤𝑥≤𝑐
𝑐−𝑎 2
1, 𝑝𝑎𝑟𝑎 𝑥 ≥ 𝑐
1 a: Pendiente
𝜇 𝑥; 𝑎, 𝑥0 = x0: punto cruce Comando Matlab: y = sigmf(x,[a x0])
1+ 𝑒 −𝑎 𝑥−𝑥0
Funciones de Membresía
Función Singleton:
Es una función de membresía que
toma el valor de 1 sólo cuando 𝑥 =
𝑎. Similar al impulso.
1, 𝑠𝑖 𝑥 = 𝑎
𝜇 𝑥 =
0, 𝑠𝑖 𝑥 ≠ 𝑎
Es útil en sistemas borrosos simples
para definir conjuntos borrosos de
las particiones de las variables de
salida, pues, permite simplificar los
cálculos y requiere menos memoria
para almacenar la base de regla.
Funciones de Membresía
Función Gaussiana:
• Posee cambios no tan drásticos,
pero es muy similar a la
triangular.
• Matemáticamente se define
como:
1 𝑥−𝑥0 2
−
𝜇 𝑥; 𝜎, 𝑥0 = 𝑒 2 𝜎
𝐷𝑜𝑛𝑑𝑒:
𝜎 = 𝑎𝑛𝑐ℎ𝑜
𝑥0 = 𝑐𝑒𝑛𝑡𝑟𝑜
Comando Matlab: y = gaussmf(x,[sig x0])
Funciones de Membresía
Campana Generalizada: 1
Efecto del cambio de a
a = 0.5
• Posee cambios no tan drásticos, 0.9 a=1
a=5
pero es muy similar a la gaussiana 0.8
elementos. 0.6
0.5
• Matemáticamente se define como:
1 0.4
𝜇 𝑥; 𝜎, 𝑥0 = 0.3
𝑥 − 𝑥0 2𝑏
1+ 0.2
𝑎
𝐷𝑜𝑛𝑑𝑒: 0.1
0
a: Ancho, b: pendiente, 𝑥0 : centro. -10 -8 -6 -4 -2 0 2 4 6 8 10
elementos. 0.6
1 0.4
𝜇 𝑥; 𝜎, 𝑥0 =
𝑥 − 𝑥0 2𝑏 0.3
1+
𝑎 0.2
𝐷𝑜𝑛𝑑𝑒: 0.1
𝜇𝐴𝑥𝐵 𝑥, 𝑦 = min 𝜇𝐴 𝑥 , 𝜇𝐵 𝑦
Relaciones Difusas
Producto cartesiano:
Ejemplo: Sean los siguientes conjuntos: A, el cual representa la
Velocidad Alta de un carro y B, el cual representa la gravedad de los
accidentes.
0 0.1 0.5 0.8 1 1
𝐴= + + + + +
0 40 80 100 120 140
0.8 0.8 0.9 1
𝐵= + + +
1 2 3 4
Relaciones Difusas
Producto cartesiano:
• El producto cartesiano permite relacionar ambos conjuntos de la
siguiente manera:
0 0 0 0 0
Velocidad (Km/hr)
40 0.1 0.1 0.1 0.1
80 0.5 0.5 0.5 0.5
100 0.8 0.8 0.8 0.8
120 0.8 0.8 0.9 1
140 0.8 0.8 0.9 1
1 (Volcar) 2 (Salir calle) 3 (Lateral) 4 (Frontal)
Gravedad Accidente
Relaciones Difusas
Producto cartesiano: clc, clear all
x = 0:100; %UD venta moderada
Ejemplo. Calcular el producto VMF = gbellmf(x,[20, 3, 50]);
y = 0:1000; %UD Diversidad
cartesiano de los siguientes elementos. DMF = sigmf(y,[0.01 500]);
%Producto Cartesiano
Conjunto (U.D) Función Parámetros
for i=1:101
Venta moderada Campana general A = 20, b=3, centro for j=1:1001
[0,100] = 50 mR(i,j)=min(VMF(i),DMF(j));
end
Diversidad Sigmoide A = 0.01, centro = end
Ofertada [1,1000[ 500
[X,Y] = meshgrid(0:1000,0:100);
mesh(X,Y,mR);
Relaciones Difusas
Composición Entre Relaciones Difusas:
• La composición para funciones viene dada como la siguiente figura: