ADMINISTRACIÓN

Y NEGOCIOS

Laboratorio de Control de Inteligencia Artificial

Simulación Helicóptero

NOMBRE: Alexander Javier Collants Trigo

CARRERA: Automatización y Control Industrial
ASIGNATURA: Control Con Inteligencia Artificial
PROFESOR: Samuel Jose Cruz Plaza
FECHA: 02/07/2022
1 Introducción
A continuación, se da a conocer un ejemplo de una planta tipo Helicóptero donde su principal función es
mantenerse estable modificando la velocidad de un motor de acorde al caso, para esto utilizaremos el
software Matlab con su herramienta de Simulink primero controlándolo con un PID auto sintonización y
después imitar el comportamiento del PID con lógica difusa

2 Simulación
2.1 Simulink
Para esto se empieza a incluir un bloque de escalón unitario, la planta, un scope, la retroalimentación
negativa

Para seguir incluimos el bloque de PID y lo auto sintonizarlo

Para auto sintonizarlo procedemos a abrir el bloque e ingresamos en el menú de TUNE

Al ingresar a este menú se abre una nueva ventana en el cual procedemos a iniciarlo con el botón UPDATE
BLOCK con esto el menú de PID se modifica ingresando los valores necesarios para que la planta funcione
de la forma idónea, con esta información empezaremos a crear el bloque Fuzzy logic
Se puede observar que en 4 segundos se estabiliza con un sobre impulso de 8% con estos datos tenemos
que imitarlo con el Fuzzy logic

2.2 Fuzzy logic

Se empieza abriendo el menú de Fuzzy en Command Windows en donde se programan las entradas en este
caso programaremos 2 entradas, error y derivada del error, las denominamos como gaussianas y
denominamos el rango de (-1 ; 1) esto lo aplicamos a las 2 entradas y la salida
Después de esto aplicamos las reglas las cuales denominaremos 9 en total ya que tenemos 3 variables en
cada entrada ya que cada una de las combinaciones provocan 9 salidas
2.2.1 Tabla de funciones de membresía

Funciones IF-THEN Derivada Baja Derivada Media Derivada Alta

Error Bajo Salida Baja Salida Baja Salida Media
Error Medio Salida Baja Salida Media Salida Alta
Error Alto Salida Media Salida Alta Salida Alta

Con esta tabla obtenemos las Reglas que aplicaremos al control Fuzzy Logic dando que tenemos errores
pequeños negativos representados como Error Bajo, tenemos errores pequeños positivos representados
como Error Alto y por último tenemos el punto de equilibrio de las 2 como Error Medio

2.3 Simulink con Fuzzy Logic

Se puede observar que al ingresar el nuevo bloque de Fuzzy Logic al controlador de la planta, se obtiene
un sobre impulso menor estimado en un 3% y un tiempo de estabilización aproximado a los 4 segundos
2.4 Conclusiones

Se puede observar que al comparar los 2 sistemas de control para la planta de un modelo a escala de un
helicóptero se puede imitar o incluso mejorar los resultados de un PID a través de la lógica difusa dando
que no sea necesario tener valores tan precisos para un PID si tienes el conocimiento necesario para la
lógica difusa, ya que entendiendo como funciona la planta a controlar y con paciencia para poder generar
la tabla de reglas para el bloque estarías listo para crear el control difuso