RISI 1(1), 83-86 (2004) RISI 1(1), 83-86 (2004) Rev. investig. sist. inform.

Facultad de Ingeniera de Sistemas e Informtica Universidad Nacional Mayor de San Marcos ISSN: 1815-0268 (impreso)

HUGO VEGA

SIMULACIN DE CONDUCCIN DE UN MVIL USANDO LGICA DIFUSA

Hugo Vega*

Resumen La Lgica Difusa es una rama de la inteligencia artificial que trata de simular el modo cmo los humanos procesamos la informacin para la toma de decisiones. Esta teora naci en los aos 60 como la Lgica del Razonamiento Aproximado y desde entonces viene reforzndose paralelamente al desarrollo de las grandes velocidades de los procesos electrnicos. La simulacin de conducir un vehculo hacia un estacionamiento especfico, es un problema que ha intentado resolverse de muchos modos. El presente trabajo aporta una solucin ptima basada en Lgica Difusa. En l se podr apreciar secuencialmente y de modo didctico los diferentes pasos requeridos para la solucin de problemas en Lgica Difusa. Palabras clave: Lgica Difusa, valores lingsticos, funcin de pertenencia, simulacin. MOBILE CAR CONDUCTION SIMULATION USING FUZZY LOGIC Abstract The fuzzy logic is a topic of the Artificial Intelligence that tries to simulate the way of how the human beings process the information to deside wath to do. This theory was born in the 60's as approximate reasoning logic and since then, it comes being reinforced parallel to the development of the big speeds of the electronic processes. The simulation of leading a vehicle towards a specific parking, is a problem that has tried to be solved by many ways. The present work contributes an ideal solution based on fuzzy logic, in it you can see in a didactic way the different steps needed to solution of problems in Fuzzy Logic. Key words: Fuzzy Logic, linguistic values, belonging function, simulation.

1. INTRODUCCIN Este trabajo resuelve el problema del desplazamiento de un mvil (CARRITO) desde una ubicacin inicial hasta una ubicacin final de estacionamiento.

La meta de la simulacin es la de ubicar nuestro vehculo en un estacionamiento especfico, en medio de otros vehculos y en forma paralela. Nuestro vehculo puede empezar de cualquier posicin y orientacin en el parque de estacionamiento, como puede apreciarse en la figura N. 1.

* Docente de la Facultad de Ingeniera de Sistemas e Informtica, Universidad Nacional Mayor de San Marcos, Lima-Per. E-mail: hugovegahuerta@hotmail.com

FISI-UNMSM

83

S IMULACIN DE CONDUCCIN DE UN MVIL USANDO LGICA DIFUSA

Figura N. 1. Posicin Inicial del Mvil. II. FUNDAMENTACIN TERICA Segn los conceptos de Biologa, los seres humanos poseemos cinco sentidos. Hablando isomrficamente, podemos decir que somos una mquina equipada con cinco sensores y provistos de una red neuronal que conduce la informacin captada por nuestros sentidos hacia una unidad central llamada Cerebro, donde la informacin es procesada, generndose reaccin o un estmulo de respuesta[8]. Cuando al comunicarnos nos referimos a la informacin que percibimos por nuestros cinco sentidos, usamos expresiones tales como: "hace MUCHO fro", "est un POCO amargo", "est BIEN lejos", "te escucho MUY bajo", etc. Es decir que para expresarnos, por lo general no usamos valores numricos continuos, sino valores lingsticos llamados DIFUSOS, y en base a este tipo de valores tomamos nuestras decisiones, por ejemplo, cuando una persona comienza asentir "MUCHO fro", entonces toma la decisin de abrigarse. Por ello se dice que nuestra mente trabaja con una lgica basada en trminos difusos, y a ello se le conoce con el nombre de LGICA DIFUSA, conocida tambin como LGICA BORROSA [3]. La lgica difusa es un tipo de lgica que reconoce una gama de valores ms all que simples valores de falso o verdadero. Con ella las proposiciones pueden ser representadas con grados de veracidad o falsedad. Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad si no hay nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve todo el da. La lgica difusa ha sido probada para ser particularmente til en sistemas expertos y otras aplicaciones de inteligencia artificial. Es tambin utilizada en el reconocimiento y correccin de voz para sugerir una lista de probables palabras a reemplazar por una mal dicha. La lgica tradicional de las computadoras opera con ecuaciones muy precisas y tan slo dos respuestas: falso o verdadero (0,1), pero con la Lgica Difusa, las proposiciones pueden ser representadas con grados de certeza o falsedad [4]. Por medio de la Lgica Difusa, se puede formular matemticamente nociones como "muy caliente", "poco fro", "muy alto" o "bien brillante", para que sean procesadas por la computadora y de ese modo se puedan cuantificar el grado de verdad o falsedad de dichas expresiones humanas vagas o difusas. De esa forma, se intenta aplicar la forma de pensar del ser humano a la programacin de los computadores. El potencial de la Lgica difusa para procesar valores parciales de verdad ha sido de gran ayuda para el desarrollo de la ingeniera. En general, se ha aplicado a sistemas expertos, verificadores de ortografa, los mismos que sugieren una lista de palabras probables para reemplazar una palabra mal escrita, control de sistemas de trenes subterrneos, etc [5,6]. III. METODOLOGA En esta parte explicaremos paso a paso el planteamiento de la solucin de nuestro problema [5].

Paso 1: Definicin de las variables lingsticas:

Segn el grfico de la figura N. 1, consideraremos las siguientes variables: X: Espacio horizontal donde en mvil podr desplazarse.

: (Phi) ngulo referencial del eje del vehculo cuya direccin y sentido va de la parte delantera del vehculo hacia la parte posterior, con relacin al eje horizontal; se asume que el vehculo slo puede retroceder. d : (Delta) ngulo de giro de timn del vehculo, obviamente guarda estrecha relacin con el
FISI-UNMSM

84

RISI 1(1), 83-86 (2004)

HUGO VEGA

desplazamiento del vehculo, es decir, a mayor giro del timn, mayor ser la curvatura en el desplazamiento del vehculo. Del anlisis de nuestras variables podemos concluir que X y son independientes, mientras d, que es el ngulo de giro del timn depender de X y . Ver figura 2.

simtricamente proporcionales, los mismos que se describen a continuacin. Para tener una mejor idea de los rangos mencionados, los podemos graficar de la siguiente manera. Ver figura N. 4.

Figura N. 2. Variables Independientes y Dependientes para nuestro Caso.

Valores BD AD VD VE VI AI BI

Rango 90.5 5.45 45.81 81.99 99.135 135.175 175.270

Descripcin Hacia Abajo a la Derecha Hacia Arriba a la Derecha Vertical Derecha Vertical Vertical Izquierda Hacia Arriba la Izquierda Hacia Abajo a la Izquierda

Paso 2: Definicin de rangos y valores lingsticos las variables:

a) Para la variable X (desplazamiento Horizontal del mvil): El espacio de desplazamiento horizontal variar entre 0 y 100. Este rango ha sido dividido en siete regiones simtricamente proporcionales. A cada uno de estos tramos o espacios se les ha asignado valores Lingsticos difusos, los mismos que son totalmente simtricos respecto al segmento medio o centro. Es decir, la simetra es tanto en tamao del segmento como en los valores lingsticos. A continuacin se describen en detalle los valores y rangos mencionados para la variable X. Ver figura N. 3.
MI 1 10 20 IZ 30 40 PI CE PD 50 60 DE 70 80 MD 90 100

Figura N. 4. Valores y Rangos para la Variable . c) Para la variable d (ngulo de giro del timn): El timn tendr una libertad de giro entre 60 y 60 grados. Este rango tambin ha sido dividido en siete sectores simtricamente proporcionales, los mismos que se describen a continuacin. Ver figura N. 5.
NB -60 NM NP -10 ZE PS 0 10 PM 20 30 PB 40 50 60

-50 -40 -30 -20 Valores Valores lingsticos Numricos N8 NM NP ZE PP PM P8 1 2 3 4 5 6 7

Rango -60 -34 -34 -15 -15 1.5 1.5 15 1.5 15 15 34 34 60

Descripcin Giro Negativo Grande Giro Negativo Mediano Giro Negativo Pequeo Giro Nulo o Zero Giro Positivo o Pequeo Giro Positivo o Mediano Giro Positivo o Grande

Figura N. 5. Valores y Rangos para la Variable .

Valores MI IZ PI CE PD DE MD

Rango 0.25 25.40 40.48 48.52 52.60 60.75 75.100

Descripcin Muy a la izquierda A la Izquierda Un poco a la Izquierda Al Centro Un poco a la Derecha A la Derecha Muy a la Derecha

Paso 3: Asignar funcin de pertenencia a los rangos de las variables:

La funcin de pertenencia la definimos en forma detallada en la figura N. 6.

Figura 3. Valores y Rangos para la Variable X. b) Para la variable (Angulo Referencial del Vehculo): El mvil podr tener una libertad de giro total es decir de 360 grados. Pero por consideraciones del problema debe existir una distribucin simtrica respecto a la posicin vertical del mvil, por lo tanto el rango de esta variable ser desde 90 hasta los 270 grados. Este rango tambin ha sido dividido en siete sectores
FISI-UNMSM

Figura N. 6. Funciones de Pertenencias para las Variables X, ,.

85

S IMULACIN DE CONDUCCIN DE UN MVIL USANDO LGICA DIFUSA

Paso 4: Construccin de base de reglas

a) Base de reglas con valores lingsticos La base de reglas son los comandos u rdenes de movimiento que se le asigna al mvil segn la ubicacin actual y el ngulo que forma con la base. Estos valores son especificamos completamente en la figura N. 7.
MI PM NS NB NB NB NB NB IZ PM PM NM NB NB NB NB PI PM PB PB NM NM NB NB CE PM PM PB ZE NB NM NM PD PB PB PM PM NB NB NM DE PB PB PB PB PM NM NM MD PB PB PB PB PB NB NM

V. CONCLUSIONES El desarrollo del presente artculo me ha permitido incursionar en un modelo matemtico bastante abstracto y creo que he podido plasmar una aplicacin real y coherente que bien podra adaptarse a condiciones reales del mercado y la industria. VI. BIBLIOGRAFA 1. Cox Earl. "Fuzzy Fundamentals", Spectrum IEEE, October 1992. P.58-61. Descripcin de controles difusos, metodologa de diseo, cuando emplearlos y ejemplos. 2. Da Ruan (editor). Fuzzy Set Theory and Advanced Mathematical Applications. Kluwer Academic Publishers. Libro que contiene una coleccin de artculos referentes al estudio de los conjuntos difusos. 3. Dubois Didier y Prade Henri. Fuzzy Sets and Systems: Theory and Applications, Academic Press. Teora y aplicaciones de lgica difusa. 4. Bart Kosko. Neural Networks and Fuzzy Systems. A Dinamical Systems Approach to Machine Intelligence. Prentice Hall. 5. Kaufman Arnold, Gupta Madan M., Introduction to Fuzzy Artihmetic. Van Nostrand, New York, 1991. Aritmtica de nmeros difusos y teora sobre conjuntos difusos. 6. Mc Neill, Martin and Thro Ellen. Fuzzy Logic. A practical aproach. AP Profesional, 1994. Introduccn a la lgica y al control difuso. 7. Yager Ronald y Zadeh Lotfi. An Introduction to Fuzzy Logic Applications in Intelligent Systems. Kluwer Academic Publishers. Libro que contiene una coleccin de artculos sobre lgica difusa y sus aplicaciones a sistemas inteligentes. 8. Zadeh Lotfi, Kacprzyk, Janusz (editores). Fuzzy Logic for the Management of Uncertainty. John Wiley & Sons. 1992. Aplicaciones de los sistemas difusos en el manejo de incertidumbres. 9. h t t p : / / w w w . p u n t o l o g . c o m / a c t u a l / ESPECIAL_LOGICA_BORROSA/ 10. h t t p : / / w w w . d i n . u e m . b r / i a / c o n t r o l e / fuz_prin.htm

BD AD VD VE VI AI BI

Figura N. 7. Matriz de Base de Reglas con Valores Lingsticos.

b) Base de reglas con valores numricos

Los valores lingsticos que apreciamos en esta matriz deben ser reasignados a valores numricos para que pueda ser procesado por la computadora, esta equivalencia la apreciamos en la figura N. 8.
MI BD AD VD VE VI AI BI 6 3 1 1 1 1 1 IZ 6 6 2 1 1 1 1 P1 6 7 7 2 2 1 1 CE 6 6 7 4 1 2 2 PD 7 7 6 6 1 1 2 DE 7 7 7 7 6 2 2 MD 7 7 7 7 7 5 2

Figura N. 8. Matriz de Base de Reglas con Valores Numricos. IV. RESULTADOS Esta simulacin ha sido implementada en programa Matlab y podemos apreciar con sorprendente precisin como el mvil llega a su destino desde cualquier ubicacin. Ver figura N. 9.

Figura N. 9. Resultado de la simulacin de este problema hecho en MatLab.

86

FISI-UNMSM