Está en la página 1de 9

0

2009

CONTROL DIFUSO
La Lgica Difusa en los ltimos aos ha conseguido una gran fama debido a la gran variedad de sus aplicaciones, las cuales van desde el control de procesos industriales complejos como la construccin de artefactos electrnicos de uso domstico y de entretenimiento. Actualmente la lgica difusa ha tenido un gran crecimiento debido al gran dinero que se mueve por las patentes y a que es un campo abierto para la investigacin. En el siguiente trabajo se explica las diferencias entre lgica difusa y control difuso, y las partes principales de un controlador difuso.

[Escribir texto]

Pgina 0

Juan Astudillo-Gustavo Delgado Cuenca-Ecuador 20/11/2009

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

CONTROL DIFUSO
Carrera de Ing. Electrnica U.P.S

RESUMEN 1.1. LOGICA DIFUSA


La Lgica Difusa en los ltimos aos ha conseguido una gran fama debido a la gran variedad de sus aplicaciones, las cuales van desde el control de procesos industriales complejos como la construccin de artefactos electrnicos de uso domstico y de entretenimiento. Actualmente la lgica difusa ha tenido un gran crecimiento debido al gran dinero que se mueve por las patentes y a que es un campo abierto para la investigacin. En el siguiente trabajo se explica las diferencias entre lgica difusa y control difuso, y las partes principales de un controlador difuso. En los aos 60 el Profesor Lotfi Zadeh, de la Universidad de California en Berkeley, introdujo y desarrollo su teora de los conjuntos difusos, donde la idea de pertenencia de un elemento a un determinado conjunto no era pertenece o no pertenece, sino que pertenece en un cierto grado. Las funciones que vinculan al elemento con su grado de pertenencia, se llaman membership functions. Basndose sobre esta idea, se construy nuevamente toda la teora de conjuntos, redefiniendo inclusiones, uniones, operadores lgicos (AND, OR), otras operaciones y sus propiedades. [3] La lgica difusa dio nuevas alternativas respecto de la lgica tradicional, puesto que, al evaluar una proposicin, ya no es verdadera o falsa sino que la misma tiene un cierto grado de veracidad.

Orden de Temas 1. Introduccin, 2.Controlador Difuso, 3. Estructura de un Controlador Difuso, 4.Tipos de Controladores Difusos, 5. Control Difuso En Sistemas con Retroalimentacin, 6.Conclusiones y 7. Bibliografa. 1. INTRODUCCION
El desarrollo del control difuso tiene, su origen en los sistemas basados en reglas para la toma de decisiones y en la lgica difusa para la evaluacin de aquellas. Los controladores difuso como cualquier otro, toma los valores de las variables de entrada, realizan algn procedimiento con ellas, deciden como modificar las variables de salida y lo realizan, afectando estas ltimas a la planta. La diferencia esencial es que no procesan ecuaciones ni tablas, procesan reglas para decidir como cambiar las salidas segn las variables de entrada. Esto lo hace una tecnologa muy accesible, ya que las reglas est ms cerca del sentido comn que de las ecuaciones y los modelos.

1.2. CONTROLADORES DIFUSOS.


En control difuso se utilizan sistemas basados en reglas, que emplean lgica difusa, como elemento central. Dado su estado, y los valores de las variables de entrada, estos sistemas evalan el grado de veracidad de cada regla, y as, toman decisin sobre los cambios a realizar en las variables de salida. Una vez actualizadas las mismas, estas producirn un cambio sobre la planta, luego se vuelven a obtener los valores de las variables de entrada, comenzando un nuevo ciclo. Al utilizar este tipo de resolucin de problemas, es importante observar que lo que se est procesando no son ya ecuaciones, nmeros o tablas crudas Pgina 1

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

INGENIERIA ELEC R NICA

SI la temperat ra es baja E T ciclo de acti idad del calefactor

ES aumente el

Tal tipo de procesamiento est mucho ms cercano al razonamiento del experto humano.

2. CONT OL

OR DIFUSO

Un controlador de l gica difusa puede incluir reglas empricas, y que es especialmente til en el operador controlado por las plantas. Tomemos, por ejemplo, un controlador de l gica difusa tpica . Si el error es Neg y el cambio en el error es Neg entonces la salida es NB 2. Si el error es Neg y el cambio en el error es cero, entonces la salida es NM El valor de entrada Neg es un t rmino lingstico corto para la palabra Negative, el valor de la salida NB significa 'Big Negative y NM' 'para Negative Medium. El ordenador es capaz de ejecutar las normas y calcular una seal de control en funci n del error en la entrada y el cambio en el error. El conjunto de reglas se llaman reglas base. Las reglas estn en el conocido formato if-then y, oficialmente el if-side se llama la condici n y el then-side entonces es llamado la conclusi n (con ms frecuencia, tal vez, es llamado el antecedent consequent o condicion - accion). [ ]

Fig 2 Control Adaptativo Implementado Lgica D ifusa [4]

Si cambia un punto de funcionamiento no lineal de la planta, puede ser posible cambiar los parmetros del controlador de acuerdo a cada punto de funcionamiento. Esto se conoce como la programaci n de ganancia (gain schudeling). Un controlador de la programaci n de ganancia contiene un controlador lineal cuyos parmetros se modifican en funci n del punto de operaci n de un modo preprogramado, pero el problema es que se requiere un conocimiento profundo de la planta, pero a menudo es una buena manera de compensar la no linealidad y las variaciones de los parmetros.

2.1. CRITERIOS DE ESTABILIDAD


Es relativamente sencillo comprobar la estabilidad en sistemas lineales, por ejemplo, la comprobaci n de que todos los valores propios no se encuentren en la parte derecha del plano complejo. Para los sistemas no lineales, y sistemas difusos que son a menudo no lineales, el concepto de estabilidad es mucho ms complejo. Un sistema no lineal se dice que es asint ticamente estable si, cuando se inicia cerca de un equilibrio, que convergen a la misma. Incluso si slo se mantiene cerca del equilibrio, sin converger a l, se dice que es estable (en el sentido de Lyapunov). [5] Para comprobar las condiciones de estabilidad es mucho ms difcil con los sistemas no lineales, en parte porque el comportamiento del sistema tambin est influida por las amplitudes de la seal, aparte de las frecuencias.

SI antecedente ENTONCES consecuente o SI condici n ENTONCES acci n.


En la siguiente grafica se observa un controlador difuso. (Fig )

Fig 1 Controlador Difuso [1]

Control difuso nos permite tambi n evitarnos realizar un modelo matemtico que puede ser difcil y costoso de obtener, por lo cual un buen modelo de

Ensayo Realizado o J an Astudillo y ustavo Delgado

gina 2

si regl s, es decir se procesan cosas tales como:

aproximaci n es til, adems las reglas difusas se utilizan tambi n para corregir los parmetros de ajuste en el control adaptativo de los parmetros del sistema (fig. 2).

 

TEORIA DE CONTROL II

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

3. ESTRUCTURA DE UN CONTROLADOR DIFUSO


No existe un procedimiento de diseo de control difuso, como el lugar geomtrico de races, el diseo de la respuesta de frecuencia, o mrgenes de estabilidad, ya que las normas son a menudo no lineales. En el diagrama de bloques de la figura 3, el controlador difuso est entre un bloque de preprocesamiento y un bloque de postprocesamiento.

representan acciones de control tomadas por el controlador difuso.

3.1. PREPROCESAMIENTO
El preprocesamiento es el proceso que se realiza a la seal de medicin antes de ingresar al controlador difuso, a continuacin se muestran ejemplos de preprocesamiento.
y

y y y
Fig 3 Diagra a de Bloques de un Controlador Di uso [4]

Cuanti i a in en relacin con la toma de muestras o redondeo a enteros, en si es un medio para reducir los datos, pero si la cuantificacin tiene demasiados rangos el controlador puede oscilar en torno a la referencia o incluso se vuelva inestable. La nor aliza in o la reduccin en un rango de norma en particular; de filtrado para eliminar el ruido la diferenciacin y la integracin o sus equivalencias discretos.

Un controlador difuso opera por repeticin de un ciclo formado de los siguientes cuatro pasos: 1.- Se realizan las mediciones de todas las variables que representan condiciones relevantes del proceso controlado. 2.- Las mediciones son convertidas en conjuntos difusos apropiados para expresar mediciones inciertas (mediciones fuzzycadas). 3.- Este paso es llamado fuzzycation. Las mediciones fuzzycadas son usadas por el proceso de inferencia para evaluar las reglas de control almacenadas en las base de reglas difusas. El resultado de esta evaluacin es un conjunto difuso (o varios conjuntos difusos) denido sobre el universo de posibles acciones. 4.- El conjunto o conjuntos difusos encontrados en el paso 3 son convertidos en un solo valor crisp o en un vector de valores crisp. Esta conversin es llamada defuzzycation. Los valores defuzzycados

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

"

3.2. FUZZYFICATION
Esta es la primera parte del proceso, donde luego del procedimiento convencional de adquirir los valores de las variables del sistema y calcular otras, se procede a calcular el grado de pertenencia de tales variables a todos los posibles conjuntos fuzzy (fuzzy inputs) que se le han asignado. La fuzzycation permite minimizar posibles cambios pequeos en las variables de entrada. Por ejemplo, si se miden 25 grados de temperatura, sta puede variar mientras se efecta la inferencia, por lo que puede ser ms conveniente considerar que la temperatura es aproximadamente 25 grados. Tambin permite minimizar los posibles errores al adquirir los datos asi como suavizar el comportamiento del sistema ampliando el rango de la variable, es decir, se mide una temperatura de 25 grados lo cual puede indicar caliente, un valor cercano a 25 grados puede indicar casi caliente de tal forma que puedan considerarse valores cercanos a 25 grados dndoles un grado de pertenencia.

Pgina 3

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

3.3. REGLAS BASE Error


Las reglas base pueden usar una o varias variables, por lo cual los controladores difusos se pueden aplicar a sistemas (MIMO) y a sistemas (SISO). El problema SISO tpico es la de regular una seal de control basado en una seal de error. El controlador puede realmente necesitar tanto el error, el cambio en el error y el error acumulado como datos, pero la vamos a llamar de un solo lazo de control, porque en principio los tres se forman a partir del error de medicin. Neg Neg Neg Zero Zero Zero Pos Pos Pos

Ca io de Error Pos Zero Neg Pos Zero Neg Pos Zero Neg

Salida
Zero NM NB PM Zero NM PB PM Zero

Ta la 1 For ato Relacional [4]

3.3.1. For atos de Reglas: Bsicamente, un controlador de lingstica contiene normas sobre un formato Si-Entonces, sino que este puede presentarse en diferentes formas. En muchos sistemas, las normas que se presentan al usuario final son similares a las siguientes.
1. Si el error es Neg y el cambio en el error es Neg entonces la salida es Neg NB 2. Si el error es Neg y el cambio en el error es Zero, entonces la salida es NM 3. Si el error es Neg y el cambio en el error es Pos entonces la salida es Zero 4. Si el error es Zero y el cambio en el error es Neg entonces la salida es NM 5. Si el error es Zero y el cambio en el error es Zero, entonces la salida es cero 6. Si el error es Zero y el cambio en el error es Pos entonces la salida es PM 7. Si el error es POS y el cambio en el error es Neg entonces la salida es Zero 8. Si el error es POS y el cambio en el error es Zero, entonces la salida es PM 9. Si el error es POS y el cambio en el error es Pos entonces la salida es PB [4]. Los nombres de Zero, Pos, Neg son las etiquetas de conjuntos difusos, as como NB, NM, PB y PM (negativo grandes, medianas negativo, positivo grandes, y positiva mediana , respectivamente). El mismo conjunto de normas podra ser presentado en un formato relacional, una representacin ms compacta.

Cabe destacar, sin embargo, que el formato relacional supone implcitamente que el trmino de enlace entre las entradas siempre es lgica y - o lgica o, siempre que es la misma operacin con todas las normas y no una mezcla de enlace. Un tercer formato es el formato lingstico de la tabla.

Error

Neg NM Zero

Neg NB NM Zero

Ta la 2 For ato Linguistico [4]

Esto es an ms compacto. Las variables de entrada estn dispuestas a lo largo de los ejes, y la variable de salida se encuentra dentro de la tabla. A este formato tambin se le denomina plano fase lingstica. Para dar cabida a varios productos, un arreglo anidado es concebible. Una regla con varias salidas tambin podra dividirse en varias reglas con una salida.

3.3.2. Conectores: En matemticas, las sentencias estn relacionadas con las palabras y, o, si-entonces (o implica, y si y slo si, o modificaciones con la palabra no. Estas cinco son llamados enlace.
El ms importante es, probablemente, de multiplicacin de los difusos y en lugar de mnimos. Hasta ahora la mayora de los ejemplos slo tienen

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

Ca

io de Error Zero Pos NM Zero Zero PM PM PB

Pgina 4

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

contenido y operaciones, pero una regla como ''Si el error es muy Neg y no Zero o el cambio en el error es cero, entonces .. .'' tambin es posible. Los conectores and y la or se define siempre en pares, por ejemplo,

a and b = min(a,b) a or b = max(a,b) o a and b = ab a or b = a+b-ab

minimo maximo producto algebraico producto algebraico o suma probabilistica


Fig 4 Ejemplos de algunas Funciones de Pertenencia [4]

Ta la 3 For as para Definir los Conectores [4]

Modificadores: Un modificador de la lingstica, es una operacin que modifica el significado de un trmino.


Por ejemplo, en la frase ''muy cerca de 0'', la misma palabra modifica cerca de 0, que es un conjunto difuso. Un modificador es, pues, una operacin en un conjunto difuso. El modificador muy o very puede ser definido como la raz cuadrada de la siguiente funcin de pertenencia, es decir: very a ! a 2 Ec 1

Algunos ejemplos de los modificadores de otros extremedamente a ! a 3 ligeramente a ! a 1/3 a !s very a ! a


2

algo a ! mas o menos de a y nocerca de a

3.3.3. Las funciones de pertenencia: Cada elemento en el universo es un miembro de un conjunto difuso de algn grado, tal vez incluso cero.
En conjuntos difusos a los elementos se les asigna un grado de pertenencia, de tal manera que la transicin de la pertenencia a la no pertenencia es gradual y no abrupta. El conjunto de elementos que tienen una composicin distinta de cero se llama el apoyo del conjunto difuso. La funcin que vincula un nmero a cada elemento x del universo se llama la funcin de pertenencia u(x).

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

'

&

Estrictamente hablando, un conjunto difuso D es un conjunto de pares ordenados

A ! _ x, u ( x ) a

Ec 3

El punto x pertenece al universo y u (x) es su grado de pertenencia hacia a A. Esto nos permite que: Los clculos sean ms simples; es posible conducir la seal de control a sus valores extremos, y puede ser en realidad una forma ms intuitiva a escribir las reglas.

3.4. PROCESO DE INFERENCIA DIFUSA


Ec 2 Las normas reflejan la estrategia que la seal de control debe ser una combinacin del error de referencia y el cambio en el error, es decir se refiere a la siguiente cifra. Los casos del error y el cambio en el error son indicados por las lneas verticales en la primera y segunda columnas de la tabla. Para cada regla, el motor de inferencia mira hacia arriba los valores de pertenencia a la condicin de la regla.[1]

3.4.1. Agregacin La operacin de agregacin se utiliza para calcular el grado de cumplimiento. Una regla, por ejemplo la regla 1, generar un valor de pertenencia difusa u e1 procedentes del error y un valor de pertenencia u ce1 procedentes del cambio en la medicin de error. La agregacin es su combinacin,
Pgina 5

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

De manera similar para las otras normas. La agregacin es equivalente a fuzzification, cuando slo hay una entrada al controlador. La agregacin es a veces tambin llamado el cumplimiento de la norma.

u!

u(s ) s u (s )
i i i i

Ec 5

3.4.2. De activacin. La activacin de una regla es la deduccin de la accin, posiblemente por reduccin de su valor especifico.
El grado de confianza est determinado por el diseador, o un programa de aprendizaje tratando de adaptar las normas relacin entrada-salida.

Este mtodo tiene una complejidad computacional relativamente buena, y x es diferenciable con respecto a los nicos s.

3.5.3. Bisectriz de rea (BOA): Este mtodo recoge la abscisa de la lnea vertical que divide el rea bajo la curva en dos mitades iguales.
Max x u ! x u ( x )dx ! u ( x )dx Min x

3.5. DEFUZZIFICACIN
El resultado conjunto difuso debe ser convertido a un nmero que puede ser enviado al proceso como una seal de control. Esta operacin se denomina Defuzzificacin. Existen varios mtodos Defuzzificacin, continuacin se numeran algunos: a

Ec 6

Aqu x es el punto de funcionamiento en el universo, u(x), es su composicin, Min es el valor ms a la izquierda del universo, y Max es el valor ms a la derecha. Su complejidad computacional es relativamente alto, y puede ser ambigua.

3.5.1. Centro de gravedad (COG) El valor de la produccin crujiente x es la abscisa en el centro de gravedad del conjunto difuso,

u!

u( x ) x u( x )
i i i i

3.5.4. La media de los mximos (MOM) un enfoque intuitivo es elegir el punto con la mayor posibilidad.. Puede ocurrir, sin embargo, que existan varios puntos, y una prctica comn es tomar la media de los mximos (MOM).
Este mtodo no tiene en cuenta la forma del conjunto difuso, pero la complejidad computacional es relativamente buena.[4]

Ec 4

Donde xi es un punto de funcionamiento en un universo discreto, y u( xi ) , es su valor de pertenencia en la funcin de pertenencia. La expresin puede ser interpretada como la media ponderada de los elementos. Para el caso continuo, sustituir las sumatorias por integrales. Es un mtodo muy utilizado aunque su complejidad computacional es relativamente alto.

3.5.5. Mximo de la izquierda (LM), y el mximo ms a la derecha (RM) Otra posibilidad es elegir el mximo de la izquierda (LM), o el mximo de la derecha (RM). En el caso de un robot, por ejemplo, debe elegir entre izquierda o derecha para evitar un obstculo delante de l. 3.6. POSTPROCESAMIENTO
Postprocesamiento tambin es relevante, en si es convertir los valores de salida de la defuzzificacin en valores entendibles para la planta.

3.5.2. Centro de gravedad de mtodo nicos Si las funciones de pertenencia de las conclusiones son nicos, el valor de salida es :

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

Pgina 6

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

El bloque de postprocesado a menudo contiene una ganancia de salida que pueden ser ajustadas.

difusas, lo cual puede ser muy til en aplicaciones especiales.

4. TIPOS DE CONTROLADORES DIFUSOS


Los controladores difusos se pueden clasicar en dos tipos: Controladores de tipo Mamdani y Controladores de tipo Takagi-Sugeno. La principal diferencia entre estos controladores radica en la consecuencia de las reglas. Para el controlador tipo Mamdani, se basa en un conjunto difuso y para el tipo Takagi-Sugeno es una funcin lineal de las entradas y no un conjunto difuso. A continuacin se explicara el controlador de tipo Takagi-Sugeno.

5.2. CONTROL DIFUSO PROPORCIONAL DERIVATIVO.


En este caso el controlador difuso opera sobre la seal de error e(t) y la derivada de la seal de salida y produce una salida del defuzzificador que es la seal de control u(t). Como se observo en temas anteriores el controlador difuso se basa en dos seales: el error y el rango de cambio de la salida. En este contexto es importante resaltar que el controlador difuso no contiene elementos dinmicos. Todos los componentes dinmicos estn afuera del controlador y son obtenidos mediante una medicin directa del sistema o por medio del procesamiento de las seales de entrada y salida del sistema. La derivada de la salida puede estar disponible como una medicin directa o a travs de un observador de los estados del sistema. Despus de la fuzzificacin del error y el rango de la salida, las reglas difusas se aplican a las variables recin fuzzificadas. El rol de la retroalimentacin del rango en un controlador convencional es reducir la accin de control si la salida est cambiando muy rpido. Esto reduce la posibilidad de que la salida sobrepase el valor de referencia deseado r(t). Usando este principio, las reglas difusas pueden ser escritas para evitar estos eventos. Por ejemplo, en el conjunto de reglas que se muestra abajo, las primeras cinco reglas proveen control proporcional difuso. Las reglas 6 y 7 tratan de compensar cambios rpidos cuando el error es pequeo, generando un componente de control que reducir el rango de cambio en la salida del sistema. Regla 1: Regla 2: Regla 3: Regla 4: Regla 5: SI {error LP} ENTONCES {control LP} SI {error MP} ENTONCES {control MP} SI {error S } ENTONCES {control S} SI {error MN} ENTONCES {control MN} SI {error LN} ENTONCES {control LN} Pgina 7

5. CONTROL DIFUSO EN SISTEMAS CON RETROALIMENTACIN


Una aplicacin popular de la lgica difusa es el control de lazos simples, normalmente controlados usando controladores PID. La lgica difusa copia la accin del controlador PID con algunas modificaciones para manejar el comportamiento no lineal. En la figura 1 se muestra como un sistema difuso podra reemplazar un controlador convencional con retroalimentacin.

5.1. CONTROL DIFUSO PROPORCIONAL.


Una versin muy simple de un controlador proporcional difuso es la siguiente: Regla 1: Regla 2: Regla 3: Regla 4: Regla 5: SI {error LN} ENTONCES {control LN} SI {error MN} ENTONCES {control MN} SI {error S} ENTONCES {control S} SI {error MP} ENTONCES {control MP} SI {error LP} ENTONCES {control LP}

De hecho este conjunto de reglas produce exactamente la misma accin de control lineal como un controlador proporcional con una ganancia uno, operando sobre la seal de error. Esto no representa ninguna ventaja. Sin embargo, la ganancia del controlador puede ser no lineal cambiando las reglas

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

INGENIERIA ELECTRONICA

TEORIA DE CONTROL II

Regla 6: SI {error S} AND {rango de salida LP } ENTONCES {control LN} Regla 7: SI {error S} AND {rango de salida LN } ENTONCES {control LP} Este conjunto de reglas aproxima las acciones de control proporcional y derivativa pero solamente cuando el error es pequeo. Estudiando un controlador lineal convencional con retroalimentacin del rango de cambio, es posible conformar conjuntos de reglas para imitarlo. Por ejemplo la ley de control convencional proporcional derivativa es: dy (t ) Ec 7 u (t ) ! k p e(t )  k d dt Donde kp es la ganancia proporcional y kd es la ganancia de retroalimentacin derivativa. A partir de esta ecuacin, es posible deducir un conjunto equivalente simple de reglas difusas, como sigue: Regla 1: SI {error N} ENTONCES {control N} Regla 2: SI {error N} ENTONCES {control S} Regla 3: SI {error P} ENTONCES {control P} Regla 4: SI {error P} ENTONCES {control S} AND {cambio de P} AND {cambio de N} AND {cambio de N} AND {cambio de P}

6. CONCLUSIONES
En el presente ensayo se ha realizado una breve descripcin de los controladores difusos, sistemas de control cuyo funcionamiento est basado en la evaluacin de reglas utilizando lgica difusa. Se pudo apreciar la sencillez en la implementacin del sistema, ya que al describir el comportamiento del controlador mediante reglas, no es necesario realizar una modelizacin exacta, sino que basta con entender conceptualmente su comportamiento, contar con un modelo muy simplificado o con un operador experimentado que pueda describir cmo realiza la tarea de control manualmente. Esta caracterstica lo hace particularmente apropiado para sistemas no lineales, cuya modelizacin por los mtodos tradicionales suele ser compleja, En un controlador de lgica difusa de los datos de medicin pasa a travs de un pre-procesamiento de bloques, un controlador y un bloque de postprocesamiento. Preprocesamiento consiste en una escala lineal o no lineal, as como una cuantificacin utilizando las funciones de pertenencia. El post-procesamiento consiste en una reduccin de las medidas de control a las unidades de ingeniera.

El control difuso correspondiendo a este conjunto de reglas es una aproximacin no detallada del comportamiento de un controlador con accin proporcional derivativa. Con estas cuatro reglas, la calidad del control que puede alcanzarse seria pobre. Los pobres resultados de este conjunto de reglas pueden mejorarse si se agregan mas niveles de fuzzificacin para alcanzar una aproximacin mas cercana a la verdadera ley de control.

7. BIBLIOGRAFIA
[1] PASSINO, STEPHEN YURKOVICH, Fuzzy Control. [2] JAIRO ESPINOZA, JOOS VANDEWALLE, VINCENT WERTZ , Fuzzy Logic, Identification and Predictive Control. [3] HUAGUANG ZHANG, DERONG LIU, Fuzzy Modeling and Fuzzy Control [4] JAN JANTZEN, Foundations of Fuzzy Control [5] KAZUOTANAKA, HIROSHI OHTAKE, AND HUAO.WANG, A Descriptor System Approach to Fuzzy Control System Design via Fuzzy Lyapunov Functions.

Ensayo Realizado por Juan Astudillo y Gustavo Delgado

Pgina 8

También podría gustarte