Está en la página 1de 171

PROYECTO INTEGRADOR DE LA

CARRERA DE INGENIERA NUCLEAR


Controladores basados en lgica difusa
y loops de conveccin natural caticos
Germn Theler
Ing. Eugenio Urdapilleta
Co-Director
Dr. Fabin J. Bonetto
Co-Director
San Carlos de Bariloche
Junio de 2007
Instituto Balseiro
Universidad Nacional de Cuyo
Comisin Nacional de Energa Atmica
Argentina
Dedicado a mis padres y a todos los que, como ellos,
aportan su granito de arena para que el mundo sea
cada da un poquito mejor. . .
Resumen
Los circuitos termouidodinmicos de conveccin natural estn cobrando es-
pecial importancia en el diseo de reactores nucleares avanzados, debido a
que la conveccin natural suministra un sistema eciente de remocin de ca-
lor completamente pasivo. Sin embargo, bajo ciertas condiciones, estos siste-
mas presentan inestabilidades que pueden llegar a poner en riesgo la segu-
ridad integral del reactor. Por otro lado, los controladores basados en lgica
difusa proveen un entorno ideal para atacar problemas de control altamen-
te no lineales. En este trabajo desarrollamos un software que implementa un
control basado en lgica difusa, y estudiamos su aplicacin a loops de con-
veccin natural caticos. Analizamos numricamente el control lingstico del
loop conocido como el problema de Welander en condiciones tales que, de no
existir el control, el caudal de circulacin presentara un comportamiento ines-
table no peridico. Diseamos tambin un controlador difuso a partir de un
modelo matemtico de Takagi y Sugeno para un loop de conveccin natural
en geometra toroidal para estabilizar un comportamiento catico de Lorenz.
Finalmente, mostramos resultados experimentales obtenidos en un loop rec-
tangular de conveccin natural.
Palabras clave: CAOS, CIRCULACIN NATURAL, CONVECCIN NA-
TURAL, CONTROL, CONTROL LINGSTICO, LGICA DIFUSA, LORENZ,
TAKAGI-SUGENO, TERMOSIFN, WELANDER
Abstract
The study of natural circulation loops is a subject of special concern for the
engineering design of advanced nuclear reactors, as natural convection provi-
des an efcient and completely passive heat removal system. However, under
certain circumstances thermal-uid-dynamical instabilities may appear, threa-
tening the reactor safety as a whole. On the other hand, fuzzy logic contro-
llers provide an ideal framework to approach highly non-linear control pro-
blems. In the present work, we develop a software-based fuzzy logic controller
and study its application to chaotic natural convection loops. We numerically
analyse the linguistic control of the loop known as the Welander problem in
such conditions that, if the controller were not present, the circulation ow
would be non-periodic unstable. We also design a Takagi-Sugeno fuzzy con-
troller based on a fuzzy model of a natural convection loop with a toroidal
geometry, in order to stabilize a Lorenz-chaotic behaviour. Finally, we show
experimental results obtained in a rectangular natural circulation loop.
Keywords: CHAOS, CONTROL, FUZZY LOGIC, LINGUISTIC CONTROL,
LORENZ ATTRACTOR, NATURAL CIRCULATION, NATURAL CONVECTION,
TAKAGI-SUGENO, THERMOSYFON, WELANDER
Contenidos
1. Introduccin 1
2. Lgica difusa 5
2.1. Conceptos introductorios . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1. Conjuntos clsicos . . . . . . . . . . . . . . . . . . . . . . 6
2.1.2. Variables lingsticas . . . . . . . . . . . . . . . . . . . . . 7
2.2. Conjuntos difusos . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3. Funciones de membresa . . . . . . . . . . . . . . . . . . . . . . . 10
2.4. Deniciones difusas adicionales . . . . . . . . . . . . . . . . . . . 12
2.5. Operaciones difusas . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6.1. Relaciones difusas . . . . . . . . . . . . . . . . . . . . . . 17
2.6.2. Composicin . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6.3. El problema inverso . . . . . . . . . . . . . . . . . . . . . 21
3. Controladores lingsticos difusos 23
3.1. El problema del control . . . . . . . . . . . . . . . . . . . . . . . . 23
3.1.1. Esquemas a lazo abierto . . . . . . . . . . . . . . . . . . . 25
3.1.2. Esquemas a lazo cerrado . . . . . . . . . . . . . . . . . . . 25
3.1.3. Control por variables de estado . . . . . . . . . . . . . . . 26
3.1.4. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.5. Controladores digitales . . . . . . . . . . . . . . . . . . . 27
3.2. El controlador difuso . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.2.1. Estructura interna . . . . . . . . . . . . . . . . . . . . . . 31
3.2.2. Interfaz realdifuso . . . . . . . . . . . . . . . . . . . . . . 32
3.2.3. Reglas lingsticas . . . . . . . . . . . . . . . . . . . . . . 33
3.2.4. Mecanismo de inferencia . . . . . . . . . . . . . . . . . . 35
3.2.5. Interfaz difusoreal . . . . . . . . . . . . . . . . . . . . . . 42
4. Diseo de un controlador lingstico 44
4.1. El software MELON . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2. Cintica puntual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2.1. Controlador lingstico difuso . . . . . . . . . . . . . . . 47
4.2.2. Descripciones lingsticas . . . . . . . . . . . . . . . . . . 47
4.2.3. Reglas lingsticas . . . . . . . . . . . . . . . . . . . . . . 48
4.2.4. Conjuntos difusos asociados . . . . . . . . . . . . . . . . 49
4.2.5. Implementacin y resultados . . . . . . . . . . . . . . . . 50
4.2.6. Anlisis de los resultados . . . . . . . . . . . . . . . . . . 51
4.3. Tanque mezclador . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.3.1. Variables lingsticas . . . . . . . . . . . . . . . . . . . . . 55
4.3.2. Control independiente . . . . . . . . . . . . . . . . . . . . 56
4.3.3. Control combinado . . . . . . . . . . . . . . . . . . . . . . 56
4.3.4. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.3.5. Control por variables de estado . . . . . . . . . . . . . . . 58
4.4. La rueda loca de Lorenz . . . . . . . . . . . . . . . . . . . . . . . 61
4.4.1. Las reglas del juego . . . . . . . . . . . . . . . . . . . . . . 62
4.4.2. Comportamiento sin control . . . . . . . . . . . . . . . . 63
4.4.3. Control difuso lingstico . . . . . . . . . . . . . . . . . . 64
5. El loop de Welander 66
5.1. Loops de conveccin natural . . . . . . . . . . . . . . . . . . . . . 67
5.1.1. La aproximacin de Boussinesq . . . . . . . . . . . . . . . 67
5.1.2. Balance de momento . . . . . . . . . . . . . . . . . . . . . 69
5.1.3. Balance de energa . . . . . . . . . . . . . . . . . . . . . . 71
5.1.4. El trmino de fuente . . . . . . . . . . . . . . . . . . . . . 73
5.2. El problema de Welander . . . . . . . . . . . . . . . . . . . . . . 74
5.3. Anlisis matemtico . . . . . . . . . . . . . . . . . . . . . . . . . 75
5.3.1. Ecuaciones de balance . . . . . . . . . . . . . . . . . . . . 75
5.3.2. Adimensionalizacin . . . . . . . . . . . . . . . . . . . . . 77
5.3.3. Estado estacionario . . . . . . . . . . . . . . . . . . . . . . 79
5.3.4. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.3.5. Explicacin fsica de la inestabilidad . . . . . . . . . . . . 81
5.4. Solucin numrica . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.4.1. Esquema en diferencias nitias . . . . . . . . . . . . . . . 82
5.5. Control difuso lingstico . . . . . . . . . . . . . . . . . . . . . . 83
5.5.1. El sistema a controlar . . . . . . . . . . . . . . . . . . . . . 83
5.5.2. Estabilizacin del estado estacionario . . . . . . . . . . . 83
5.5.3. El controlador C1 . . . . . . . . . . . . . . . . . . . . . . . 85
5.5.4. El controlador C2 . . . . . . . . . . . . . . . . . . . . . . . 88
5.5.5. El controlador C3 . . . . . . . . . . . . . . . . . . . . . . . 88
6. Controladores difusos de Takagi-Sugeno 93
6.1. Sistemas difusos funcionales . . . . . . . . . . . . . . . . . . . . . 93
6.2. Sistemas difusos de Takagi-Sugeno . . . . . . . . . . . . . . . . . 94
6.3. Sistemas dinmicos de Takagi-Sugeno . . . . . . . . . . . . . . . 95
i
6.3.1. Sistemas discretos . . . . . . . . . . . . . . . . . . . . . . 98
6.4. Compensacin distribuida en paralelo . . . . . . . . . . . . . . . 99
6.4.1. Estabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.4.2. Diseo de un controlador difuso de T-S . . . . . . . . . . 102
7. El lazo toroidal 105
7.1. Descripcin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
7.2. Anlisis matemtico . . . . . . . . . . . . . . . . . . . . . . . . . 106
7.2.1. Adimensionalizacin . . . . . . . . . . . . . . . . . . . . . 107
7.2.2. Estado estacionario . . . . . . . . . . . . . . . . . . . . . . 109
7.2.3. Anlisis de Fourier . . . . . . . . . . . . . . . . . . . . . . 110
7.2.4. Puntos jos y estabilidad . . . . . . . . . . . . . . . . . . 113
7.3. Diseo de un controlador difuso . . . . . . . . . . . . . . . . . . 117
7.3.1. Perturbacin del punto jo . . . . . . . . . . . . . . . . . 118
7.3.2. Modelo difuso de T-S . . . . . . . . . . . . . . . . . . . . . 120
7.3.3. Diseo del controlador . . . . . . . . . . . . . . . . . . . . 120
8. Loop experimental 127
8.1. Instrumentacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.1.1. Adquisicin . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.2. El loop rectangular . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.3. Resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
8.3.1. Caudal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
8.3.2. Temperatura con dos calefactores . . . . . . . . . . . . . . 133
8.3.3. Temperatura con cuatro calefactores . . . . . . . . . . . . 135
8.4. Anlisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
9. Conclusiones 138
9.1. Trabajos futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
A. Evaluacin econmica 141
A.1. Distribucin temporal de las tareas . . . . . . . . . . . . . . . . . 141
A.2. Estimacin de costos . . . . . . . . . . . . . . . . . . . . . . . . . 142
B. Documentacin del software MELON 145
B.1. Quick-start: controlador difuso proporcional . . . . . . . . . . . 146
B.2. Opciones de la lnea de comandos . . . . . . . . . . . . . . . . . 146
B.3. Sintaxis del cdigo fuzzy . . . . . . . . . . . . . . . . . . . . . . . 147
B.3.1. Deniciones generales . . . . . . . . . . . . . . . . . . . . 148
B.3.2. Seleccin de operadores . . . . . . . . . . . . . . . . . . . 148
B.3.3. Denicin de variables lingsticas . . . . . . . . . . . . . 148
B.3.4. Denicin de lmites . . . . . . . . . . . . . . . . . . . . . 149
B.3.5. Denicin de vectores lingsticos . . . . . . . . . . . . . 150
ii
B.3.6. Denicin de matrices . . . . . . . . . . . . . . . . . . . . 150
B.3.7. Denicin de valores lingsticos . . . . . . . . . . . . . . 150
B.3.8. Reglas difusas . . . . . . . . . . . . . . . . . . . . . . . . . 151
C. Cdigos fuzzy 152
C.1. Captulo 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
C.1.1. Cintica puntual . . . . . . . . . . . . . . . . . . . . . . . 152
C.1.2. Tanque mezclador combinado . . . . . . . . . . . . . . . 152
C.1.3. Rueda loca . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
C.2. Captulo 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
C.2.1. Controlador C3 . . . . . . . . . . . . . . . . . . . . . . . . 154
C.3. Captulo 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
C.3.1. Sistema de Lorenz . . . . . . . . . . . . . . . . . . . . . . 155
C.4. Captulo 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
C.4.1. Estabilizador del punto jo de inters . . . . . . . . . . . 156
Referencias 157
iii
CAPTULO I
Introduccin
Para una inteligencia que conociera en un momento dado todas
las fuerzas que actan en la naturaleza y la situacin de los seres
de que se compone [. . . ] nada le sera incierto y tanto el futuro
como el pasado estaran presentes ante su vista.
Pierre-Simon Laplace, 1812
La industria nuclear mundial deber afrontar grandes desafos en el mediano
plazo, ya que las necesidades mundiales de energa elctrica indican que la
capacidad instalada deber incrementarse notablemente. Ms an, considera-
ciones econmicas y de impacto ambiental sugieren que sera conveniente que
aumente la cuota de energa nuclear en el mercado elctrico. Por otro lado, es-
tudios de seguridad en el diseo conceptual de los reactores nucleares avanza-
dos proponen utilizar sistemas de control y seguridad completamente pasivos
con el objetivo de lograr un reactor inherentemente seguro.
Existe entonces una tendencia a disear sistemas primarios de extraccin
de energa basados en conveccin natural, por lo que es necesario un estudio
detallado de los fenmenos termouidodinmicos asociados a este efecto. En
particular, interesa analizar las condiciones bajo las cuales existen inestabilida-
des que puedan amenazar la seguridad del reactor.
La cita con la que comenzamos este captulo fue extrada del libro Teora
Analtica de las Probabilidades, escrito en un momento de la historia de la ciencia
en el cual la mecnica empezaba a perlarse como la disciplina que explicara
nalmente el completo y minucioso funcionamiento del universo, anhelo que
el hombre sostiene desde la Grecia clsica. Si es que en verdad es posible en-
contrar una manera de describir el comportamiento tanto de los ms grandes
astros como de los ms pequeos tomos a travs de ecuaciones diferencia-
les, entonces nada nos sera incierto y tanto el futuro como el pasado estaran
presentes ante nuestra vista. Lamentablemente para Laplace y para todos
nosotros vinieron luego malas noticias.
Como bien cita Bruno Ruy en la introduccin de su tesis de maestra (2006),
todo lo que nos rodea es complejo y no lineal. Y hoy sabemos que la mayora
de los sistemas no lineales presentan un comportamiento catico, palabra que
aparece en el ttulo de este trabajo y que suele despertar cierto inters tanto
en el mbito acadmico como fuera de l. Luego de la publicacin del trabajo
de Edward Lorenz (1963) sobre ujo determinstico no peridico, revivi en la
comunidad cientca ocupada hasta el momento con la mecnica cuntica
el inters por el estudio de los sistemas dinmicos que haban comenzado Hen-
ri Poincar y Aleksandr Lyapunov entre otros en el siglo XIX.
El anlisis moderno de los sistemas dinmicos durante los ltimos cuaren-
ta aos, soportado en parte por la disponibilidad de computadoras digitales,
ha aportado una gran cantidad de resultados matemticos realmente notables.
El trmino caos introducido por Li y Yorke (1975) para referirse al com-
portamiento no peridico acotado y a la sensibilidad a condiciones iniciales ha
dado lugar a la meditica teora del caos, sobre la cual hablan los actores en las
pelculas y en la que se basan los estudios sobre el poder destructivo de las
mariposas.
Por otro lado, el ttulo de este Proyecto Integrador contiene la idea de l-
gica difusa, concepto cuya concepcin es tambin relativamente reciente y fue
concebido originalmente por Lofti Zadeh en 1965. Se trata de una teora mate-
mtica que extiende la lgica bivaluada tradicional y que en cierto modo
propone acercarse a la forma de razonar de los seres humanos, que est muy
lejos de ser una combinacin lisa y llana de ceros y unos.
La teora de la lgica difusa ha probado tener aplicaciones en amplios es-
pectros, por ejemplo en el campo de la inteligencia articial y en la toma de
decisiones asistida (Tarrazo, 2004). Y ciertamente una de las reas que ms se
ha enriquecido con la lgica difusa es la teora de control, pues resulta sta una
forma alternativa y a la vez poderosa de atacar cierta clase de problemas (Yen
et al., 1995), muy difciles de resolver utilizando tcnicas tradicionales.
Existen muchas situaciones en las cuales el control automtico de un siste-
ma no resulta una tarea sencilla de ingeniera, cuando sin embargo un opera-
dor humano es capaz de lograr un objetivo de control. Por ejemplo, no es ne-
cesario pensar en vnculos holnomos, ciclos termodinmicos o funciones de
transferencia para poder conducir un automvil. La lgica difusa provee un
entorno ideal para resolver problemas de forma ms parecida al razonamiento
humano que a la estricta matemtica de los sistemas articiales, ya que es po-
sible disear un controlador an sin tener un modelo matemtico explcito de
la planta.
Uno de los problemas susceptibles de ser atacados con lgica difusa es cier-
tamente el control de sistemas caticos. Y sucede adems que los circuitos de
conveccin natural presentan bajo ciertas condiciones un comportamien-
i
to no peridico y con alta sensibilidad a condiciones iniciales
1
. En este trabajo
intentamos entonces resolver el problema del control de loops de conveccin
natural con herramientas de lgica difusa.
En el captulo 2 realizamos una introduccin a la teora de lgica difusa y
sentamos la base matemtica sobre la que basamos los controladores difusos
que desarrollamos. El captulo 3 comienza con una breve resea de las ideas
del control lineal y contina presentando la estructura y el esquema de funcio-
namiento de un controlador lingstico, para mejor observar las diferencias y
ventajas del control difuso sobre el control tradicional. En el captulo 4 ilustra-
mos el proceso de diseo de un controlador difuso aplicado a tres problemas
simples. Comenzamos con el estudio del control de un reactor modelado con
cintica puntual, seguimos controlando un tanque mezclador de uidos y ter-
minamos con la aplicacin de control lingstico a un sistema fsico sencillo
pero que presenta comportamiento catico.
Introducimos el estudio de la conveccin natural en el captulo 5 donde
analizamos las caractersticas generales de los loops. Prestamos luego especial
atencin a un caso particular conocido como el problema de Welander (1967),
al que aplicamos una accin de control lingstica para obtener un caudal de
circulacin estable en condiciones donde de otra forma existiran oscilaciones
caticas.
El captulo 6 describe un tipo de controladores difusos diferentes conocidos
como controladores de Takagi-Sugeno, los cuales utilizan un modelo difuso
para lograr una accin de control satisfactoria. Ilustramos su funcionamiento
estabilizando un punto jo inestable del sistema catico de Lorenz. Pasamos
luego al captulo 7 donde estudiamos un loop de conveccin natural con una
geometra toroidal. All mostramos que es posible describir razonablemente
bien el problema termouidodinmico con un sistema de tres ecuaciones dife-
renciales que resulta ser un caso particular del sistema de Lorenz, por lo que
aplicamos las ideas de control de Takagi-Sugeno para controlar el loop.
Finalmente, concluimos esta tesis presentando resultados experimentales
obtenidos en un circuito conveccin natural. Hemos diseado un sistema de
adquisicin de datos y construido un loop rectangular de seccin transversal
circular, cuyo comportamiento temporal estudiamos en el captulo 8.
El objetivo de este trabajo es estudiar los principios bsicos de la apari-
cin de las inestabilidades termouidodinmicas que existen en los circuitos
conveccin natural. De la misma manera, la investigacin y el desarrollo de
controladores basados en lgica difusa a partir de los principios matemticos
bsicos nos provee una potente herramienta con la que atacar un amplio es-
pectro de problemas no lineales. En particular, en este trabajo relacionamos
1
No debera esto sorprendernos, ya que el primer sistema catico presentado originalmente
por Lorenz (1963) est inspirado en ujos atmosfricos de conveccin natural.

estas dos lneas de investigacin diferentes, proponiendo tcnicas control di-


fuso como una forma de atacar el problema de las oscilaciones en sistemas
termohidrulicos de circulacin natural.

CAPTULO II
Lgica difusa
All traditional logic habitually assumes that precise symbols
are being employed. It is therefore not applicable to this
terrestrial life, but only to an imaginated celestial existence.
Bertrand Russell, 1923
Comenzamos esta tesis con un breve desarrollo de la teora matemtica en la
que se basan los controladores difusos que son el centro de atencin de este
trabajo. Como suele suceder en la mayora de los desarrollos matemticos, el
conjunto de pasos lgicos que encadena una denicin con un teorema cierta-
mente no es el nico posible. Existen muchas maneras de introducir los con-
ceptos y enunciar resultados, pero pensamos que la que sigue es una de las ms
intuitivas. De hecho esta teora es un compendio de desarrollos propuestos en
diferentes publicaciones y la que mejor se ajusta al caso.
La teora de lgica difusa o fuzzy logic fue originalmente introducida por
Zadeh (1965) como una herramienta matemtica para atacar problemas cuyas
deniciones son algo subjetivas, pero que juegan un papel preponderante en la
forma de pensar del ser humano. Por ejemplo, conceptos como un nmero r
mucho mayor que la unidad carecen de una denicin precisa, pero a la vez
resultan claves para aplicar una aproximacin que permita resolver un proble-
ma.Sin embargo no podemos armar que cualquier nmero r sea mayor que
uno.
La idea detrs de esta teora es extender las deniciones y operaciones so-
bre conjuntos clsicos para aplicarlas al concepto central de esta nueva rama,
los conjuntos difusos o fuzzy sets. Con el objetivo de que esta tesis sea lo ms
autocontenida posible, en este captulo desarrollamos la base terica con la que
fundamentamos las aplicaciones ingenieriles objeto del presente trabajo. Como
esta seccin resulta bastante aburrida, recomendamos que el lector lea rpida-
mente este captulo un rpido skim ser suciente y vuelva aqu cada vez
que necesite refrescar un concepto que sea utilizado ms adelante.
2.1. Conceptos introductorios
Dado que como era de esperar toda la literatura existente est escrita en el
idioma ingls, los trminos acuados segn el estado del arte actual constan de
palabras inglesas. Como no est muy claro cul es la mejor traduccin al cas-
tellano de trminos como overall implied set o defuzzication, en la denicin de
un concepto escribimos entre parntesis el trmino original en ingls cuando
haya lugar a dudas o ambigedades.
2.1.1. Conjuntos clsicos
Ya hemos dicho que la lgica difusa extiende en algn sentido la teora cl-
sica de conjuntos. Comenzamos entonces con la denicin de conjunto en el
sentido tradicional.
Denicin 2.1. Un conjunto clsico (crisp set) ( es una coleccin de (posible-
mente innitos y no-numerables) objetos c. Decimos entonces que c es un ele-
mento del conjunto (, y lo simbolizamos c (.
Denicin 2.2. Los conjuntos y 1 son iguales ( = 1) si todo elemento
c pertenece tambin a 1, y viceversa.
Un conjunto puede ser denido en forma extensional enumerando cada uno
de sus elementos, o en forma intencional enunciando una propiedad comn y
nica de todos sus elementos.
Ejemplo 2.1. Sean los conjuntos (
1
= 1. 2. 3 y (
2
= rr N r 3.
Ambos contienen los mismos elementos (por lo tanto son iguales), pero
(
1
fue denido en forma extensional y (
2
en forma intencional.
La denicin 2.1 nada dice sobre qu son los elementos c. En particular nos
interesan los conjuntos cuyos elementos c son innitos nmeros reales, por lo
que en estos casos no tenemos ms remedio que denir conjuntos intencional-
mente.
Denicin 2.3. El conjunto o es un subconjunto (subset) de ( si todos los ele-
mentos de o tambin pertenecen a (. En smbolos o (.
Ejemplo 2.2. El conjunto N de los nmeros naturales en un subconjunto
del conjunto R de los nmeros reales. Escribimos N R.
0
2.1.2. Variables lingsticas
La ventaja sobresaliente de la lgica difusa es que al igual que las perso-
nas maneja variables lingsticas, tal como la ya mencionada belleza, en
forma conveniente para su tratamiento matemtico. Este concepto es de vital
importancia en las aplicaciones de la lgica difusa. Slo para estar a tono con la
nomenclatura aceptada y no por una conveniencia semntica pues es cues-
tin de llamar de otra forma a lo que entendemos por dominio denimos lo
siguiente.
Denicin 2.4. El universo de discurso (universe of discourse) l de la variable r
es el dominio sobre el cual r est denida.
En este trabajo nos interesan los universos de discurso que son un subcon-
junto de los nmeros reales R, dado que la mayora de las variables con las
que trabajamos estn acotadas a un intervalo [. ] de la recta real. Adems,
aunque la denicin 2.4 es general, nos restringimos a trabajar con dominios
compactos.
Si bien los conceptos de variable lingstica y valor lingstico deberan re-
sultar intuitivos y un par de ejemplos bastaran para su comprensin, siguien-
do el espritu acadmico del trabajo, intentamos dar dos deniciones corrien-
do el riesgo de llegar a un sistema tautolgico, pero conando en que el atento
lector podr salir luego de unas pocas iteraciones.
Denicin 2.5. Dada una variable real r denida en un universo de discur-
so l, llamamos variable lingstica r al concepto asociado a r que slo puede
tomar valores lingsticos, a denir a continuacin.
Denicin 2.6. Sea r una variable lingstica denida sobre el universo de
discurso l. El conjunto (clsico) de valores arbitrarios que r puede tomar es

\ =
i
: i = 1. 2. . . . . `
y cada uno de los elementos de

\ se llama valor lingstico (linguistic value).

Amenudo los valores lingsticos que una variable lingstica puede tomar
son adjetivos que describen de alguna manera una propiedad de la variable.
Los siguiente ejemplos ayudarn a comprender mejor estas ltimas dos de-
niciones.
Ejemplo 2.3. La variable lingstica j =presin denida sobre el uni-
verso de discurso 1 = [0 Pa. ) puede tomar los valores lingsticos

j = baja. normal. alta


Ejemplo 2.4. Sea / [0. /
max
] la altura del nivel de agua lquida en el
circuito secundario del generador de vapor de un reactor nuclear. Si hay
mucho lquido, el ttulo del vapor generado ser bajo y el sistema de con-
trol har un trip
1
de turbina para no arruinar sus labes. Por otro lado, si
hay poca agua en fase lquida la extraccin de calor del circuito prima-
rio ser pobre y el sistema de seguridad provocar un scram
2
del reactor
ante un aumento de la temperatura del refrigerante. Denimos entonces
una variable lingstica altura sobre / que pueda tomar los siguientes
valores lingsticos:
altura = inaceptablemente baja. peligrosamente baja.
baja. normal. alta. peligrosamente alta
inaceptablemente alta
2.2. Conjuntos difusos
Luego de examinar los ejemplos anteriores queda la sensacin de que los valo-
res lingsticos propuestos son extremadamente arbitrarios y subjetivos. Ade-
ms cabe preguntarse, cundo es la altura / peligrosamente alta? Necesi-
tamos una manera de cuanticar en forma heurstica el signicado de valores
lingsticos. La forma en la que la lgica difusa trata esta cuestin, es el pun-
to central de la teora y las dos deniciones que siguen son claves para este
desarrollo.
Denicin 2.7. Sea r una variable lingstica denida a partir de la variable
real r l, y sea uno de los posibles valores lingsticos que r puede to-
mar. La funcin j
v
(r): l [0. 1] que describe la certeza subjetiva pero no
aleatoria de que r pueda ser clasicada lingsticamente por se llama fun-
cin de membresa (membership function).
1
Esto implica la desconexin mecnica al generador elctrico y un bypass del vapor genera-
do directamente al condensador, poniendo fuera de servicio la central.
2
Un scram es la insercin de emergencia de las barras de control en el ncleo del reactor,
apagndolo (si tenemos suerte).
8
Denicin 2.8. Dados un valor lingstico aplicable a la variable lingstica r
sobre el universo de discurso l y una funcin de membresa j
v
, denimos el
conjunto difuso (fuzzy set) \
v
como
\
v
=

(r. j
v
(r)) : r l

esto es, un conjunto clsico cuyos elementos son pares r. j


v
(r) que repre-
sentan la certeza de que el valor real r pueda ser clasicado lingsticamente
como .

No confundir la denicin 2.7 con una distribucin de probabilidad. Una


funcin de membresa caracteriza la certeza de que el contenido de la va-
riable tradicional n pueda ser clasicada lingsticamente como , y no hay
ninguna naturaleza probabilstica detrs de este concepto ni estamos lidiando
con fenmenos aleatorios. Slo se trata de cuanticar matemticamente ideas
naturalmente imprecisas y subjetivas. Adems j
v
(r) es una funcin y no una
densidad en el sentido de que si u = u(r) es un cambio de variables de r a u,
debe ser
j
v
(r) = j
v
(u)
punto a punto, y en general
j
v
(r) dr = j
v
(u) du
En cierta forma, la denicin 2.8 resulta una generalizacin de la deni-
cin 2.1 en la que j
C
slo puede tomar dos valores cero ( ) o uno ().
Ejemplo 2.5. El conjunto clsico ( = [0. 1] puede ser escrito como con-
junto difuso. En efecto, sea
j
C
(r) =

1 si 0 r 1,
0 de otra manera.
1
1
2
0
x

C
entonces el conjunto difuso
1 =

r. j
C
(r)

: r R

coincide con el conjunto clsico (.


o
2.3. Funciones de membresa
Teniendo as la idea de conjunto difuso, podemos ahora ahondar un poco ms
en el ejemplo 2.3, acercndonos a la forma de atacar los problemas con las
herramientas de lgica difusa. En principio, cualquier funcin que est deni-
da en un intervalo de inters del universo de discurso podra utilizarse como
funcin de membresa para caracterizar a un conjunto difuso. Sin embargo,
propiedades tales como derivabilidad suelen simplicar el anlisis matem-
tico posterior. Por otro lado, existen algunas funciones particularmente tiles
desde el punto de vista del esfuerzo computacional a la hora de operar con
conjuntos difusos. La utilizacin de uno u otro tipo de funcin adems de
los parmetros caractersticos depende del caso particular a analizar.
Ejemplo 2.6. (Fontanini, 1988) Podramos denir el conjunto difuso luz
azul en el universo de las longitudes de onda visibles, cuya funcin
de pertenencia podra ser la siguiente funcin arbitraria
0
600 400 450 500 550 650 650
1
0.5

[nm]
()
Es verdad que podramos no estar de acuerdo en la posicin exacta
del punto en el cual la funcin vale uno. O podramos argumentar que
la funcin debera tener un ancho mitad ligeramente ms pequeo. Pero
ciertamente todos sabemos qu es lo que signica luz azul, y nadie ubi-
cara el centro de la funcin en 600 nm. Si bien a nivel de detalles existen
cuestiones subjetivas de por medio, la idea global es bastante objetiva.
Ejemplo 2.7. La presin nominal a la salida del generador de vapor de
la Central Nuclear Atucha I es j = 4.5 MPa. A primer orden, una dismi-
nucin (aumento) de 100 kPa implica una disminucin (aumento) de la
1o
potencia generada en el turbogrupo de 10 MW. Con esto en mente, po-
demos denir las funciones de membresa que caracterizan los conjun-
tos difusos correspondientes a los valores lingsticos baja, normal y
alta como sigue:
4.4 4.5 4.6
1
4.3
p
[MPa] 4.7
0
(p)
normal
baja
alta
Vemos que las funciones de membresa propuestas en el ejemplo no son
derivables en una cantidad nita de puntos. De todas maneras, este tipo de
funciones lineales a trozos suelen muy tiles a la hora de minimizar tiempos de
clculo y son ampliamente utilizadas en las aplicaciones de los controladores
basados en lgica difusa.
Ejemplo 2.8. Supongamos que tenemos que clasicar subjetivamen-
te a una persona segn su edad con tres variables lingsticas. Para
eso construimos tres conjuntos difusos denidos sobre el universo de las
edades cuyas funciones de membresa podran ser
0

0
0.2
0.4
0.6
0.8
1
20 40 60
jven
hasta ah noms
vieja
edad [aos]
100 80
11
donde
j
jven
(r) =
1
1 + exp[c
1
(r c
1
)]
j
maso
(r) =
1
1 +

xc
2
a
2

2b
2
j
vieja
(r) =
1
1 + exp[c
3
(r c
3
)]
Sin embargo, los resultados sern prcticamente los mismos si utiliza-
mos funciones de membresa lineales a trozos
0

0
0.2
0.4
0.6
0.8
1
20 40 60
hasta ah noms
vieja
edad [aos]
100 80
jven
que, adems de reducir sensiblemente el esfuerzo computacional, permi-
ten disear fcilmente conjuntos de variables lingsticas cuyas funcio-
nes de membresa sumen la unidad idnticamente en todo el universo de
discurso, propiedad que probar ser til ms adelante.
2.4. Deniciones difusas adicionales
Denicin 2.9. Un conjunto difuso 1 l es vaco si y slo si la funcin de
membresa se anula idnticamente en todo el universo de discurso l.
Denicin 2.10. El soporte de un conjunto difuso 1 denido sobre un universo
de discurso l es el conjunto clsico de elementos r l tales que j
F
(r) 0.
1i
Denicin 2.11. Los elementos r

l tales que j
F
(r

) = se llaman puntos
de corte (-cut). En particular, si = 0.5, r

se llama punto de cruce (crossover


point).
Denicin 2.12. La altura (heigth) del conjunto difuso 1 es el mximo valor
que toma la funcin de membresa j
F
(r) en el universo de discurso, esto es
max
xU
j
F
(r).
Denicin 2.13. Un conjunto difuso 1 es normal (normal) si su altura es igual
a la unidad.
Denicin 2.14. Se dice que un conjunto difuso 1 est normalizado (normali-
zed) si su funcin de membresa j
F
(r) presenta un comportamiento de inters
slo en el intervalo [1. 1] de la variable r.
Denicin 2.15. 1 es convexo (convex) si
j
F

r
1
+ (1 )r
2

mn

j
F
(r
1
). j
F
(r
2
)

para cualquier [0. 1] y r


1
. r
2
l.
Segn algunos autores por ejemplo Lee (1990a) para que un conjunto
difuso 1 sea asignable a una variable lingstica, debe ser normal y conve-
xo. Sin embargo, en la prctica se utilizan funciones de membresa no convexas
tales como gaussianas sin mayores inconvenientes (Passino y Yurkovich, 1998).
En este trabajo no restringimos de forma alguna el tipo de membresa que un
valor lingstico pueda llegar a tener asociado.
Denicin 2.16. Un singlete (singleton) es un conjunto difuso cuya funcin de
membresa es igual a cero excepto en un punto aislado : l donde vale
exactamente uno.
Sean 1 y G dos conjuntos difusos denidos sobre el mismo universo de
discurso l y con funciones de membresa que denotamos con j
F
(r) y j
G
(r)
respectivamente.
Denicin 2.17. Los conjuntos 1 y G son iguales si
1 = G j
F
(r) = j
G
(r) r l

Denicin 2.18. 1 es un subconjuto difuso (fuzzy subset) de G si


1 G j
F
(r) j
G
(r) r l

Denicin 2.19. El complemento del conjunto difuso 1 es el conjunto difuso



1
tal que su funcin de membresa es
j
F
(r) = 1 j
F
(r)

1
j
F
j
G
j
G
j
F
j
r
Figura 2.1: Representacin grca de la unin de dos conjuntos difusos
2.5. Operaciones difusas
Nuevamente, sean 1 y G dos conjuntos difusos denidos sobre el mismo uni-
verso de discurso l.
Denicin 2.20. La unin 1 G de los conjuntos 1 y G es el conjunto difuso
cuya funcin de membresa j
FG
(r) es
j
FG
(r) = max

j
F
(r). j
G
(r)

= j
F
(r) j
G
(r)

El conjunto difuso dado por la denicin 2.20 es el mnimo conjunto en el


sentido del denicin 2.18, que contiene tanto a 1 como a G. De all la utiliza-
cin del operador mximo (gura 2.1). En efecto, sea ( = 1 G. Entonces (
contiene tanto a 1 como a G, dado que
max

j
F
(r). j
G
(r)

j
F
(r)
y
max

j
F
(r). j
G
(r)

j
G
(r)
Adems, si 1 es un conjunto difuso que contiene tanto a 1 como a G en-
tonces debe ser
j
D
(r) j
F
(r)
j
D
(r) j
G
(r)
1
j
F
j
j
G
r
j
F
j
G
Figura 2.2: Representacin grca de la interseccin de dos conjuntos difusos
por lo tanto
j
D
(r) max

j
F
(r). j
G
(r)

lo que implica que ( 1.


Denicin 2.21. La interseccin 1 G es el conjunto difuso cuya funcin de
membresa es
j
FG
(r) = mn

j
F
(r). j
G
(r)

= j
F
(r) j
G
(r)

De la misma manera que para la unin, se puede probar fcilmente que


la interseccin de 1 y G es el mayor conjunto difuso que es contenido tanto
por 1 como por G (gura 2.2). Tal como en el caso clsico, 1 y G son disjuntos
si 1 G es vaco.
Si bien las deniciones 2.20 y 2.21 fueron las utilizadas originalmente por
Zadeh (1965), existen otras formas de denir estas operaciones sobre conjuntos
difusos. Por completitud listamos algunas de ellas, propuestas por Lee (1990b),
en las tablas 2.1. En particular, volveremos a utilizar el producto como opera-
dor interseccin en el captulo 6.
2.5.1. Propiedades
Se puede demostrar calculando las funciones de membresa correspondientes
punto a punto, que los operadores negacin, unin y mnimo denidos en la
seccin anterior cumplen las siguientes propiedades
1j
Nombre propuesto Denicin de
mximo 1 G = maxj
F
. j
G

suma probabilstica 1 + G = j
F
+ j
G
j
F
j
G
suma acotada 1 G = mn1. j
F
+ j
G

suma drstica 1 . G =

j
F
j
G
= 0
j
G
j
F
= 0
1 j
F
. j
F
0
Nombre propuesto Denicin de
mnimo 1 G = mnj
F
. j
G

producto 1 G = j
F
j
G
producto acotado 1 G = max0. j
F
+ j
G
1
producto drstico 1 G =

j
F
j
G
= 1
j
G
j
F
= 1
0 j
F
. j
F
< 1
Tablas 2.1: Deniciones alternativas de los operadores unin e interseccin
Propiedad conmutativa
1 = 1 (2.1)
1 = 1 (2.2)
Propiedad asociativa
(1 () = ( 1) ( (2.3)
(1 () = ( 1) ( (2.4)
Propiedad distributiva
( ( 1) = (( ) (( 1) (2.5)
( ( 1) = (( ) (( 1) (2.6)
Leyes de Morgan
( 1) =



1 (2.7)
( 1) =



1 (2.8)
Las restantes operaciones denidas en las tablas 2.1 no satisfacen estas
propiedades idnticamente. Sin embargo, poseen otro tipo de caractersti-
cas que las hacen tiles en diferentes aplicaciones. De todas maneras, para los
nes prcticos podemos aceptar que cumplen estas propiedas en forma aproxi-
mada sin cometer errores catastrcos.
10
2.6. Relaciones
En su forma ms vaga y elemental, una relacin es un conjunto clsico de pares
ordenados (r. n) A ) en los que a cada elemento r A le corresponde
un elemento n ) . Est claro que esto resulta poco riguroso, y no estamos
considerando conceptos ms avanzados como inyectividad o sobreyectividad.
Sin embargo, una vez ms, elegimos el camino de la intuicin para introducir
los conceptos que siguen.
2.6.1. Relaciones difusas
El primer paso que debemos dar para llegar a las relaciones difusas (fuzzy rela-
tions) es introducir la idea de certeza de relacin entre dos elementos.
Denicin 2.22. Una relacin difusa binaria (binary fuzzy relation) 1 est ca-
racterizada por una funcin de membresa j
R
(r. n) que da la certeza de que el
par (r. n) sea representado por la relacin 1.
Ejemplo 2.9. (Zadeh, 1965) La relacin denotada por r n con r. n R
puede ser descripta por un conjunto difuso R
2
cuya funcin de mem-
bresa j
A
(r. n) podra tomar los siguientes (y subjetivos) valores repre-
sentativos
j
A
(10. 5) = 0
j
A
(100. 10) = 0.7
j
A
(100. 1) = 1
Ejemplo 2.10. Si queremos expresar la relacin r n, entonces construi-
mos una extensin bidimensional de la funcin de membresa gaussiana
j
(xa)
(r) = exp

(r c)
2
2
2

0
0.5
1

A
a
x
1
correspondiente a la relacin r c, reemplazando la constante c por la
variable n
j
(xy)
(r. n) = exp

(r n)
2
2
2

0
1
x
y
En general, una relacin de dimensin : puede ser asociada a un conjunto
difuso 1 en el espacio A
1
A
2
A
n
con una funcin de membresa
j
F
(r
1
. r
2
. . . . . r
n
).
2.6.2. Composicin
En el dominio de los reales, dada una cierta funcin 1(r) : R R y un nmero
c R, es fcil calcular / R como
/ = 1(c) (2.9)
Si lo que tenemos ahora es un relacin difusa binaria 1 A ) y un
conjunto difuso A y queremos calcular el conjunto difuso 1 ) que 1
genera a partir de , utilizamos la siguiente denicin.
Denicin 2.23. Dados dos conjuntos difusos A, 1 ) y una relacin
difusa binaria 1 A ) , la funcin de membresa del conjunto difuso 1 es
j
B
(n) = max
x

mn

j
A
(r). j
R
(r. n)

=
x

j
A
(r) j
R
(r. n)

(2.10)
frmula que se conoce como composicin sup-star o max-min. En el campo de
los conjuntos difusos escribimos
1 = 1

18
a
b = f(a)
f(x)
x
y
(a) Relacin entre x e y R
f(x)
a a a a + a
x
y
f(a + a)
b = f(a)
f(a a)
(b) Relacin entre dos inter-
valos de la recta real
Figura 2.3: Cmo relacionamos dos variables en el campo real
Veamos si podemos justicar la sorprendente frmula sup-star. Volviendo a
la ecuacin (2.9), es claro que en este caso cannico tanto c. / como la relacin
1(r) que las relaciona estn unvoca y exactamente determinadas (gura 2.3a).
Si ahora tenemos una incerteza c sobre la variable c, todava podemos en-
contrar un intervalo [1(c c). 1(c +c)] ) para la variable n (gura 2.3b).
El paso al campo difuso mantiene esta idea. Sea un conjunto difuso en
el universo de discurso A y 1 una relacin binaria en A ) con una funcin
de membresa j
R
(r. n) conocida (gura 2.4a). Queremos encontrar el conjunto
difuso 1 ) que resulta de aplicarle la relacin 1 al conjunto , es decir
1 = 1
Para eso, dada la funcin de membresa j
A
(r) (gura 2.4b) construimos la
extensin cilndrica bidimensional
c(r. n) = j
A
(r)
que vemos en la gura 2.4c. La interseccin difusa de c(r. n) con j
R
(r. n) (gu-
ra 2.4d)
j
cR
(r. n) = mn

c(r. n). j
R
(r. n)

= mn

j
A
(r). j
R
(r. n)

es la extensin difusa del rea sombreada en la gura 2.3b. Finalmente, proyec-


tando el producto c(r. n) j
R
(r. n) sobre el eje n, es decir tomando el mximo
para todo r
1o
1
0
y
x

R
(x, y)
(a) Funcin de membresa de la relacin R,
que por simplicidad es igual a la del ejem-
plo 2.10.
0
0.5
1
x

A
(b) Funcin de membresa del conjunto difu-
so A.
0
1
x
y
c(x, y)
(c) Extensin bidimensional c(x, y) del con-
junto difuso A.
0
1
c
R
y
x
(d) Interseccin c(x, y)
R
(x, y).
1

B
y
0.5
0
(e) Conjunto difuso B que resulta de la proyec-
cin sobre el eje y de la interseccin c(x, y)

R
(x, y).
Figura 2.4: Pasos a seguir para la justicacin de la frmula sup-star (2.10)
io
j
B
(n) = max
x

mn

j
A
(r). j
R
(r. n)

obtenemos la funcin de membresa del conjunto difuso 1 de la gura 2.4e,


que coincide con la ecuacin (2.10) de la denicin 2.23.
Proposicin 2.1. La composicin sup-star es distributiva con respecto a los ope-
radores unin e interseccin.
(1
1
1
2
) = ( 1
1
) ( 1
2
) (2.11)
(1
1
1
2
) = ( 1
1
) ( 1
2
) (2.12)
Demostracin. Por ejemplo, para el operador unin
(1
1
1
2
) =
x

j
A
(j
R
1
j
R
2
)

utilizando la propiedad (2.5)

x
[j
A
(j
R
1
j
R
2
)] =
x
[(j
A
j
R
1
) (j
A
j
R
2
)]
=
x
[j
A
j
R
1
]
x
[j
A
j
R
2
]
= ( 1
1
) ( 1
2
)

Denicin 2.24. Dadas dos relaciones difusas binarias 1 y 1, la relacin que


resulta de componer ambas relaciones tiene como funcin de membresa
j
FR
= max

mn

j
F
(r. ). j
R
(. n)

Proposicin 2.2. La composicin de relaciones es asociativa


( 1) 1 = (1 1)
2.6.3. El problema inverso
Supongamos ahora que conocemos los dos conjuntos difusos A y 1 )
tales que
1 = 1
y queremos calcular la funcin de membresa de la relacin j
R
(r. n). Para ga-
nar en simplicidad y sin perder generalidad al menos en los casos de aplica-
cin ingenieril vamos a suponer tambin que j
R
(r. n) existe y es nica.
i1
Proposicin 2.3. Si A y 1 ) son dos conjuntos difusos conocidos tales
que
1 = 1
entonces
j
R
(r. n) = j
A
(r) j
B
(n)
= mn

j
A
(r). j
B
(n)

Demostracin. Como supusimos que j


R
(r. n) existe y es nica, si mostramos
que la funcin propuesta es solucin, probaremos la proposicin. La funcin
j
R
(r. n) buscada debe ser tal que se satisfagan simultneamente las relaciones
j
B
(n) =
x

j
A
(r) j
R
(r. n)

j
A
(r) =
y

j
B
(n) j
R
(r. n)

ya que el razonamiento que justica la denicin 2.23 debe ser simtrico en


y 1. En efecto, reemplazando la solucin propuesta en la ecuacin (2.10)
j
B
(n) = max
x

mn

j
A
(r). j
R
(r. n)

= max
x

mn

j
A
(r). mn

j
A
(r). j
B
(n)

= max
x

mn

j
A
(r). j
B
(n)

= j
B
(n)
y
j
A
(r) = max
y

mn

j
B
(n). j
R
(r. n)

= max
y

mn

j
B
(n). mn

j
A
(r). j
B
(n)

= max
y

mn

j
B
(n). j
A
(r)

= j
A
(r)

ii
CAPTULO III
Controladores lingsticos
difusos
Just as we know only the surface of the globe, but not the
great solid mass of its interior, so we know empirically of
things and of the world generically nothing but their
phenomenal appearance, i.e., the surface.
Arthur Schopenhauer, 1851
Una vez introducida la teora de lgica difusa, estudiamos ahora la estructura
y el funcionamiento de los controladores difusos basados en reglas lingsticas.
La caracterstica sobresaliente de estos controladores reside en que no es nece-
sario disponer de un modelo matemtico del sistema a controlar, sino que el
proceso de diseo consiste en la bsqueda y enunciacin de reglas cualitativas
y coloquiales de causa y efecto. Este entorno es ideal para atacar una amplia
gama de problemas inherentemente no lineales y de dinmica complicada.
Comenzamos delineando las ideas ms bsicas y elementales sobre las que
se basa la teora de control clsica para denir una nomenclatura consistente
para lo que resta del trabajo. Si bien la idea es una vez ms que esta te-
sis sea lo ms autocontenida posible, es altamente conveniente alguna clase de
experiencia en el campo del control lineal para poder apreciar el salto cualita-
tivo que este tipo de controladores presentan, ya que es imposible ahondar en
muchos detalles de inters que quedarn slo como referencias a la amplia li-
teratura disponible sobre el tema (Dorf, 2001; Franklin y Powell, 2001; Franklin
et al., 1990).
3.1. El problema del control
En general, el comportamiento natural de un sistema no es apropiado para
resolver un problema o proceso de inters. Esto es, si r(t) R
n
es el com-
portamiento deseado del sistema en cuestin e y(t) es el real, en general se-
r r(t) = y(t) para cualquier t. El problema central de la teora de control es
entonces encontrar la manera de modicar la respuesta natural de un sistema
de forma tal de que y(t) sea tan parecido a r(t) como sea posible.
Denicin 3.1. Llamamos planta a un sistema fsico real cuyo comportamiento
queremos controlar mediante alguna cantidad de parmetros de control.
El esquema estndar para atacar el problema del control es utilizar un con-
trolador que opere sobre las entradas de la planta con el objeto de lograr que
sta responda de forma satisfactoria. Para ello necesitamos tener un modelo
matemtico de la planta a controlar bajo la forma de una o ms ecuaciones
diferenciales.
Denicin 3.2. Una planta es lineal si dadas dos funciones x
1
(t) y x
2
(t) que
satisfacen el model matemtica de la planta, entonces cualquier combinacin
lineal
c x
1
(t) + / x
2
(t)
tambin la satisface.
Denicin 3.3. Una planta es invariante en el tiempo si dada una funcin x(t)
solucin de la ecuacin diferencial con condicin inicial x(t < 0) = x
0
, ante
una nueva condicin inicial x
0
(t < ) = x
0
la nueva solucin x(t) es tal que
x(t) = x(t )

Denicin 3.4. Una planta es LTI (Linear Time Invariant) si es al mismo tiempo
lineal e invariante en el tiempo.
Lo que sigue sirve para ponernos de acuerdo y adoptar una nomenclatura
estndar.
Denicin 3.5. Una planta con una entrada y una salida se llama sistema SISO
(Single Input-Single Output).
Denicin 3.6. Una planta con ms de una entrada y ms de una salida llama
sistema MIMO (Multiple Input-Multiple Output).
i
3.1.1. Esquemas a lazo abierto
En la gura 3.1 mostramos una planta que por simplicidad y sin prdida de
generalidad tomamos SISO siendo controlada a lazo abierto. La salida n(t)
del controlador que a su vez es la entrada de la plantadebe ser tal que n(t)
aproxime a :(t) tanto como sea posible. Los esquemas a lazo abierto presen-
tan una serie de inconvenientes que los hacen prcticamente intiles en aplica-
ciones reales, excepto en casos cannicos. Es por ello que slo interesan desde
un punto de vista acadmico como herramienta para desarrollar la teora de
esquemas ms complejos, como el que estudiamos en la siguiente seccin.
De todas maneras, conviene esbozar los principios bsicos del control li-
neal. Para una planta G arbitraria, la salida n(t) depende tanto de la entrada de
control n(t) como de todos los estados anteriores de la planta. En particular, si
tenemos una planta lineal e invariante en el tiempo se puede demostrar (Dorf,
2001) que la salida n(t) es el producto de convolucin
n(t) =


0
n(t) o(t ) d (3.1)
donde o(t) es una funcin lineal llamada respuesta impulsiva, que se calcula a
partir de la ecuacin diferencial con la que se modela el comportamiento tem-
poral de la planta. La til propiedad de la transformada de Laplace de conver-
tir productos de convolucin en productos usuales nos induce a transformar
ambos miembros de la ecuacin (3.1) para obtener
) (:) = l(:) G(:) (3.2)
que nos da la idea bsica sobre la cual se apoya la slida teora del control
lineal. Llamamos a la funcin compleja G(:): C C, la funcin de transferen-
cia de la planta, y su estudio en el plano complejo es el objeto de la teora de
control clsico.
3.1.2. Esquemas a lazo cerrado
Prcticamente la totalidad de las aplicaciones de control se basan en esquemas
a lazo cerrado (gura 3.2). La ventaja decisiva que estos sistemas presentan con
respecto a los lazos abiertos reside bsicamente en el hecho de que la accin de
r(t) u(t)
controlador planta
y(t)
Figura 3.1: Esquema de control clsico estndar a lazo abierto
ij
u(t)

y(t)
controlador planta
y

(t)
conversor
r(t) m(t)
Figura 3.2: Esquema de control clsico estndar a lazo cerrado
control n(t) depende de la salida n(t) de la planta. De esta forma, la sensibi-
lidad a perturbaciones externas e incertezas en los modelos de planta se ve
drsticamente reducida, contribuyendo de esta forma a mejorar la estabilidad
global del lazo de control.
Como vemos en la gura 3.2, aparecen nuevos componentes con respecto
al esquema a lazo abierto. En particular el bloque conversor tiene la funcin
de adaptar unidades en el caso general de que las unidades de n(t) no sean
iguales a las de :(t), y el operador resta ( genera una seal proporcional al
error. El costo extra que estos componentes adicionales implican es compensa-
do en forma ms que satisfactoria por las ventajas de este tipo de esquema con
respecto a los lazos abiertos.
Nuevamente haciendo referencia al diagrama cannico de la gura 3.2
ya que es el que recibe un exhaustivo tratamiento en la literatura vemos que
el controlador recibe como entrada el error actual :(t) = :(t) n(t) y calcula
una accin n(t) de tal forma de que se cumplan ciertos requisitos de diseo
normalmente que [:(t)[ sea lo ms chico posible. Pero en el caso general de una
planta MIMO, la entrada del controlador es un vector :-dimensional m(t) que
puede contener una medida del error como en el caso antes discutido o
bien los valores de referencia :(t) y estado actual n(t) por separado. La accin
de control u(t) claramente tiene que tener dimensiones y unidades compati-
bles con la entrada de la planta y el conversor debe ajustar una vez ms las
dimensiones y unidades de y(t), justamente para poder cerrar el lazo.
3.1.3. Control por variables de estado
Si la planta a controlar es del tipo MIMO, la teora de control utilizando trans-
formadas de Laplace llamada control clsico deja de ser aplicable, al me-
nos directamente. El control por variables de estado puede lidiar con esta clase
de problemas, ya que se trata de denir un vector de estado x de dimensin :
que describa de alguna manera el estado instantneo de la planta que debe
ser necesariamente LTI y escribir su evolucin temporal como
i0
x = Ax + Bu
y = Hx + J u (3.3)
u = Kx
donde y R
m
es la salida de la planta, u R

es la accin de control y A. B. H. J
y K son matrices constantes de dimensin apropiada.
Escribiendo la evolucin temporal de un sistema LTI en la forma (3.3) pode-
mos aprovechar la teora existente sobre sistemas dinmicos Solari et al. (1996).
Esta manera de encarar el problema se conoce como control moderno a pe-
sar de que el estudio de los sistemas dinmicos mediante jacobianos data del
siglo XIX en una nueva muestra de la falta de originalidad de los ingenieros
en lo que a nombres se reere.
3.1.4. Estabilidad
Una de las caractersticas ms importantes de un controlador es su estabilidad,
en el sentido de asegurar que tanto la accin de control como la respuesta de
la planta se mantengan acotadas en el tiempo, es decir, no aumenten indeni-
damente. Este es uno de los asuntos ms importantes de la teora de control
lineal, cuyos resultados principales citamos sin demostracin.
Denicin 3.7. Un sistema es BIBO-estable (Bounded Input-Bounded Ouput) si
para cualquier entrada u(t) acotada entonces la salida y(t) tambin se mantie-
ne acotada para todo tiempo t
[u[ < ` [y[ < 1 t

Teorema 3.1. Un sistema LTI SISO continuo es BIBO-estable si su funcin glo-


bal de transferencia continua G(:) tiene todos sus polos en el semiplano iz-
quierdo del plano complejo :, excluyendo el eje imaginario.
Teorema 3.2. Un sistema LTI MIMO es BIBO-estable si todos los autovalores
de la matriz [A + BK] tienen componente real estrictamente negativa.
3.1.5. Controladores digitales
Hasta el momento hemos hablado de controladores continuos en los que todas
las funciones del tiempo estn denidas para todo t. Existen algunas ocasiones
en los que es conveniente utilizar controladores discretos que acceden a algn
observable de la planta slo en instantes t = /1 con / Z y 1 el perodo de
i

e
k
DAC ZOH
r
k
u

(t) y(t) u
k
y
k
digital
controlador
continua
planta
ADC
Figura 3.3: Lazo cerrado de un controlador digital con un retenedor de orden cero
muestreo. Llamamos a stos, controladores discretos. Adems suele suceder
que el procesamiento de este observable se realiza mediante una representa-
cin binaria. Estamos en presencia entonces de controladores digitales, en los
que tanto el tiempo como la accin de control estn discretizados. En particu-
lar, los controladores que diseamos en los captulos que siguen entran en esta
categora, ya que utilizamos una computadora digital para la implementacin
del control sobre las simulaciones numricas (captulos 47). Si bien podemos
suponer que la representacin por coma otante de 64 bits est virtualmente
exenta de errores de round-off, en el captulo 8 utilizamos una placa de ad-
quisicin que posee un conversor ADC de 12 bits de resolucin, por lo que el
truncamiento de los datos no es un tema menor.
La principal caracterstica de este tipo de control es el hecho de que las
funciones reales que describen el comportamiento de la planta dejan de ser
funciones del tiempo y pasan a ser sucesiones de nmeros racionales. Pero
los procesos fsicos de inters ciertamente son continuos, por lo que hay que
convertir de alguna manera la sucesin de nmeros n
k
a una funcin denida
para todo tiempo n

(t). La forma ms comn de hacer esto y la que vamos


a utilizar en este trabajo es mediante un retenedor de orden cero, conocido
como ZOH por sus siglas en ingls (gura 3.3)
n

(t) = n
k
para /1 t < (/ + 1)1 (3.4)
Existe una teora anloga al control clsico basado en la transformada dis-
creta Zeta sobre el plano complejo . (Franklin et al., 1990) con algunos tiles
resultados que conviene tener en cuenta.
Teorema 3.3. (de Shanon) Para poder reconstruir una seal continua de valor
medio nulo sin perder la componente de Fourier de frecuencia es necesario
muestrear dicha seal a una frecuencia
s
2 .
Corolario 3.3. Para no perder ninguna componente de una seal de valor me-
dio nulo, la frecuencia de muestreo
s
debe ser al menos el doble de la mayor
frecuencia
F
de inters. Si
F
es la frecuencia de ancho de banda,
N
= 2
F
se llama frecuencia de Nyquist.
i8
Figura 3.4: Efecto de aliasing de frecuencias. Dos seales de frecuencias 0.1 Hz y 0.9 Hz toman el
mismo valor en los instantes de muestreo con T = 2 seg.
seal original
reconstruccin
con ZOH
aproximacin
T
2
(T)/2
Figura 3.5: Una seal de frecuencia muestreada con un perodo T y reconstruida con un ZOH se
puede aproximar por un retardo de fase igual a (T)/2.
Proposicin 3.4. Una seal sinusoidal de frecuencia muestreada con un pe-
rodo 1 y retenida a orden cero puede ser aproximada por una seal sinusoidal
de frecuencia retrasada (1)2 radianes con respecto a la original .
El teorema 3.3 y su corolario tienen que ver con el efecto de aliasing de
frecuencias ilustrado en la gura 3.4. All queda claro que por un conjunto
dado de puntos discretos pueden pasar innitas funciones senoidales. Por otro
lado, vemos la idea de la proposicin 3.4 en la gura 3.5.
Teniendo todos estos conceptos en cuenta, si en un problema en particular
elegimos un perodo de muestreo lo sucientemente corto digamos un or-
den de magnitud ms pequeo que el tiempo caracterstico del transitorio ms
rpido del problema podemos olvidarnos del hecho de que estamos traba-
jando con controladores discretos y bsicamente utilizar las ideas del control
continuo sin cometer mayores errores.
3.2. El controlador difuso
El diseo de un controlador estndar utilizando la teora de control lineal ne-
cesita que la planta a controlar satisfaga simultneamente las siguientes dos
condiciones:
io
i. el diseador debe disponer de un modelo matemtico bajo la forma de
una o ms ecuaciones diferenciales, que describa aunque ms no sea
de forma aproximada el comportamiento temporal de la planta
ii. la planta debe ser LTI
Claramente, si nada sabemos acerca de una planta, poco podremos hacer en
haras de controlarla. Sin embargo, existen casos en los cuales si bien no cono-
cemos a ciencia cierta las ecuaciones diferenciales que describen un sistema,
disponemos de un conocimiento cualitativo fruto de la ms bsica intuicin, o
simplemente de la experiencia y conocimientos acumulados por haber traba-
jado con sistemas de la misma clase.
Con la idea de contrarrestar la falta de un modelo matemtico (y a su vez
poder prescindir de la condicin LTI) es que aparecieron los controladores di-
fusos, basados en la teora de lgica difusa y cambiando de forma radical el
paradigma del diseo de controladores. Algn tiempo ms tarde, Takagi y Su-
geno (1985) descubrieron otra interesante aplicacin de este tipo de controla-
dores para el caso en que se satisface la primera pero no la segunda de las
condiciones, y que estudiamos en profundidad en el captulo 6.
En este captulo prestamos atencin a los controladores difusos lingsticos,
que persiguen bsicamente el mismo objetivo que un controlador estndar. Es-
to es, buscamos que una planta dada se comporte tal como esperamos y no de
cualquier manera. De esta forma, si los miramos como cajas negras, no exis-
tiran mayores diferencias entre un controlador tradicional y un controlador
difuso, excepto tal vez que el segundo no cumple necesariamente las condicio-
nes de linealidad. La diferencia esencial reside en la forma de evaluar la accin
de control u(t) en funcin de los observables de la planta y(t).
En el caso tradicional, a partir de la teora de control lineal, basndonos en
la respuesta impulsiva o(t) de la planta y en su transformada de Laplace G(:)
que provienen de algn modelo matemtico disponible obtenemos una
funcin lineal que relaciona la entrada del controlador :(t) con la accin de
control n(t). Notamos que debido a la ecuacin (3.1) y teniendo en cuenta que
la nomenclatura planta o controlador es slo funcional es decir, mate-
mticamente tienen las mismas caractersticas la salida n(t) del controlador
no depende solamente del valor instantneo de :(t) sino tambin de sus esta-
dos anteriores.
Denicin 3.8. Un controlador lingstico difuso (linguistic fuzzy controller
1
)
es un mapeo posiblemente no lineal entre una entrada m(t) R
n
y una
1
Tambin llamado por algunos autores fuzzy logic controller o simplemente fuzzy controller
(Passino y Yurkovich, 1998). Sin embargo es conveniente hacer una diferencia explcita entre
los controladores difusos lingsticos y los controladores difusos de Takagi-Sugeno.
o
lingsticas
reglas
inferencia
mecanismo de
f
u
z
z
i

c
a
t
i
o
n
d
e
f
u
z
z
i

c
a
t
i
o
n
controlador
o
p
e
r
a
d
o
r
r(t)
y(t)
m(t)
planta
y(t) u(t)
Figura 3.6: Esquema general de aplicacin de un controlador difuso
accin de control u(t) R
m
que no depende del tiempo y en el cual la forma
de relacionar m(t) con u(t) es a travs de reglas lingsticas.
En la gura 3.6 vemos el esquema ms general de aplicacin de un controla-
dor difuso, junto con la relacin entre las partes principales que intervienen en
el ujo de informacin dentro del mismo. Adiferencia de la gura 3.2 donde la
entrada :(t) del controlador lineal era la diferencia entre el observable n(t) y
la referencia :(t), en el caso general dejamos que haya un operador que decida
la forma de la seal m(t) en funcin de r(t) e y(t), tal vez dependiendo de los
estados anteriores y recuperando as la memoria propia de los controladores
lineales.
3.2.1. Estructura interna
Un controlador difuso decide la mejor accin de control u(t) en funcin de los
datos disponibles en el vector m(t) segn una base de conocimiento que toma
la forma de reglas lingsticas. Para obtener una imagen mental del funcio-
namiento de estos controladores, conviene dividirlos internamente en cuatro
subsistemas, a saber
i. Una interfaz realdifusa (fuzzication interface) que convierte la entrada
m R
n
en : variables lingsticas.
ii. Una base de reglas lingsticas (rule-base) que cuantica el conocimiento
necesario para controlar la planta utilizando lgica difusa.
iii. Un mecanismo de inferencia (inference mechanism, inference engine o fuzzy
inference module) que decide cul es la mejor accin en funcin del estado
actual y de la informacin almacenada en la base de reglas.
1
iv. Una interfaz difusareal (defuzzication interface) que convierte las con-
clusiones lingsticas del mecanismo de inferencia en una accin de con-
trol u R
m
.
3.2.2. Interfaz realdifuso
Dado que un controlador difuso trabaja utilizando lgica difusa, necesita una
forma de convertir las entradas reales en conjuntos difusos para poder operar
sobre ellos. El proceso de conversin de valores numricos : ` R en
conjuntos difusos se llama fuzzication.
Denicin 3.9. Sea r un nmero real en algn universo de discurso A R de
inters y A

el conjunto (clsico) de todos los posibles conjuntos difusos que


se pueden denir sobre A. El operador fuzzication f : A A

es tal que
f(r) = r
es un conjunto difuso.
Sea r R la entrada real al controlador que queremos convertir en un
conjunto difuso. En la mayora de los casos no tenemos razn para pensar que
existe una incerteza en r, por lo que suena lgico utilizar como estrategia de
fuzzication el siguiente operador.
Denicin 3.10. El operador singleton s( r) devuelve un conjunto difuso tipo
singleton con una funcin de membresa
s( r) = j(r) =

1 si r = r,
0 de otra manera
x
x
1
0

Si bien podramos intentar construir una funcin de membresa que incluya


alguna incerteza digamos una gaussiana con alguna desviacin estndar o
una funcin triangular cuando la variable real r est sujeta a ruido aleatorio,
la experiencia demuestra que no es conveniente utilizarlas dado que agregan
una gran complejidad computacional al problema sin justicar plenamente su
aplicacin. Por lo tanto, en este trabajo nos adherimos a la costumbre y en las
interfaces realesdifusas de los controladores que diseamos utilizamos siem-
pre el operador singleton.
i
3.2.3. Reglas lingsticas
La principal diferencia y notable ventaja en muchos aspectosentre los con-
troladores tradicionales y los controladores lingsticos difusos radica en la
forma de expresar la informacin necesaria para poder controlar la planta. Es-
ta informacin est almacenada en una base de conocimiento que contiene un
conjunto clsico de reglas lingsticas del tipo causa-efecto IF THEN
2
que relacionan condiciones lingsticas con acciones de control, tambin lin-
gsticas.
Ejemplo 3.1. Tcitamente utilizamos ciertos conocimientos o intuiciones
que se pueden escribir como reglas lingsticas
IFtengo hambre THENcomo un chorizo
IFla mina es muy linda THENme olvido e intento con otra
IFestoy llegando a la esquina THENpiso un poco el freno
IFla potencia es baja THENsaco un poco las barras de control
IFla temperatura del refrigerante es alta THENhago un scram
IFel nivel del presurizador es alto y aumenta la presin en la
contencin THENla vlvula de alivio est abierta (TMI)
Pero para poder tratar matemticamente esta informacin lingstica con
las ideas del captulo anterior necesitamos restringir an ms la forma semn-
tica que las reglas deben adoptar. En general, la base de conocimiento sobre la
estrategia de control se almacena en una serie de reglas del tipo
IF :
1
IS
. .. .
clusula 1
AND AND :
n
IS1
. .. .
clusula n
. .. .
premisa
THEN n
i
ISC
. .. .
consecuencia
(3.5)
donde las :
j
son variables lingsticas con su correspondiente conjunto di-
fuso asociado que provienen de la entrada del controlador, . 1 y ( son
conjuntos difusos y las n
j
son variables lingsticas cuyo conjunto difuso re-
presentan la mejor accin de control a tomar cuando se satisfacen las condi-
ciones de la premisa. Esta restriccin no es tan limitante como a primera vista
podra parecer. Mostraremos en la seccin 3.2.4.3 que la regla (3.5) es comple-
tamente general y puede contener la misma informacin que las reglas ms
relajadas del ejemplo 3.1.
2
Los puristas de la Real Academia Espaola de Lenguas debern disculpar a este que es-
cribe, pero cosas del orden de SIENTONCES son decididamente horribles.

3.2.3.1. Del origen de las reglas


Ya hemos dicho que la diferencia radical que los controladores difusos presen-
tan con respecto a las tcnicas tradicionales de control es la forma de expresar
y almacenar cualitativa y cuantitativamente la informacin necesaria para lo-
grar la accin de control necesaria. Adems, es interesante notar los diferentes
caminos que el diseador puede tomar a la hora de recopilar o elegir el mejor
conjunto de reglas lingsticas para una dada aplicacin.
Tanto las reglas como los conjuntos difusos que representan valores lings-
ticos (. 1 y ( en la regla (3.5)) forman la base de conocimiento. stos puede
provenir bsicamente de cuatro fuentes.
i. de la experiencia y conocimiento del diseador sobre la dinmica y la in-
geniera de control de la planta. La teora de conjuntos difusos y la reglas
de causa-efecto intentan emular de alguna manera la forma de pensar del
ser humano y por ello constituyen un ambiente ideal con el cual analizar
cualitativamente y formular lingsticamente el conocimiento necesario
para lograr el objetivo de control.
ii. a partir de la observacin de un operador humano en accin o de la reca-
bacin de la informacin necesaria de tal como la indagacin lisa y llana.
Sucede que en muchos casos la interaccin hombre-mquina necesaria
no slo es demasiado complicada como para lograr modelos matemti-
cos satisfactorios, sino tambin que la informacin necesaria para lograr
el control no es manejado por el diseador. Por ejemplo, el conocimien-
to cualitativo sobre la mejor estrategia de control de la temperatura en
una incubadora para bebs est en poder de los mdicos, pero cierta-
mente depender del ingeniero lograr la implementacin de un contro-
lador. Operadores experimentados pueden controlar otros procesos sin
siquiera sospechar qu quiere decir la sigla ODE. En efecto, no es nece-
sario pensar en vnculos holnomos, ciclos termodinmicos o funciones
de transferencia para poder conducir un automvil. Sin embargo s son
necesarios arduos aos de penurias en una escuela de ingeniera para
lograr nalmente el control automtico.
iii. teniendo un modelo matemtico difuso es posible cuanticar mediante
reglas difusas la utilizacin de diferentes estrategias aproximadas de con-
trol lineal segn puedan ser aplicadas al estado instantneo de la planta.
Como ya hemos dicho, este punto es nuestro tema de estudio en el cap-
tulo 6.
iv. utilizando mtodos de aprendizaje tales como redes neuronales o algo-
ritmos genticos capaces de modicar y adaptar dinmicamente la base
de conocimiento para lograr la mejor estrategia de control.

3.2.3.2. Consistencia y completitud


Dos aspectos muy importantes a tener en cuenta en el diseo de la base de
conocimientos son los de consistencia y completitud, conceptos algo difciles
de cuanticar dado que estamos tratando con variables lingsticas y no con
nmeros reales. Con la palabra consistencia nos referimos a que queremos que
no haya contradicciones entre las reglas de la base. Es decir, si para una dada
entrada una regla dice que hay que tomar cierta accin de control mientras que
otra dice que hay que hacer exactamente lo contrario, las reglas no son consis-
tentes. Por otro lado, la completitud se reere a que la base de conocimiento
debe dar al menos una recomendacin lingstica para cada posible entrada
que pueda tener el controlador.
3.2.4. Mecanismo de inferencia
En esta seccin mostramos de qu forma podemos utilizar la base de reglas
lingsticas para inferir una conclusin difusa. Dada la regla lingstica
IF r IS THEN n IS1 (3.6)
donde r A es una variable lingstica que representa el estado de la planta
y proviene de aplicar algn operador fuzzication a la variable real r, n ) es
una variable lingstica aplicable a una accin de control, y y 1 son valores
lingsticos, todos ellos con un conjunto difuso asociado. Puesta de esa forma,
la regla (3.6) est dando una relacin de implicancia. Es decir, si r es exactamente
igual al conjunto difuso , entonces n debe ser exactamente igual a 1. En efecto, la
regla (3.6) implica una relacin difusa 1 en A) entre y 1 ya que podemos
escribir, utilizando la notacin del captulo 2
1 = 1
Esta implicacin llamada modus ponens (Jang y Sun, 1995; Lee, 1990b)
funciona en forma rigurosa cuando la lgica es bivaluada. Sin tener en cuenta
lo que le dijo la tortuga a Aquiles (Carroll, 1895), vamos a suponer que esta
manera de inferir conclusiones funciona
antecedente 1 (hecho) r IS
antecedente 2 (regla) IF r IS THEN n IS1
consecuencia (conclusin) n IS1
Pero sucede que el hecho de que la variable r sea exactamente igual al con-
junto difuso es en verdad casi imposible. Lo que en realidad sucede es que r
es aproximadamente igual al conjunto difuso . Entonces el razonamiento l-
gico nos dice que n debe ser aproximadamente igual a 1
j
antecedente 1 (hecho) r IS

antecedente 2 (regla) IF r IS THEN n IS1


consecuencia (conclusin) n IS1

con

un conjunto difuso parecido a y 1

un conjunto difuso parecido a 1.


La pregunta que queremos responder es cmo calculamos el conjunto 1

si
conocemos

y la regla (3.6).
Denicin 3.11. Sean ,

y 1 conjuntos difusos en A, A e ) respectiva-


mente. Supongamos que la regla IF r IS THEN n IS1 se puede expresar
como una relacin difusa binaria 1 en A ) . Entonces el conjunto difuso 1

inducido por r IS y la regla 1 es


1

1
o en forma equivalente
j
B
(n) = max
x

mn

j
A
(r). j
R
(r. n)

=
x

j
A
j
R
(r. n)

(3.7)

3.2.4.1. Una regla con una clusula y una consecuencia


Dada la ya conocida regla lingstica
IF r IS THEN n IS1 (3.8)
y el hecho de que r IS

, calculamos la funcin de membresa del conjunto di-


fuso 1

inferido utilizando la ecuacin (3.7). En principio no conocemos a priori


la funcin de membresa j
R
(r. n) de la relacin 1. Sin embargo, recordando la
proposicin 2.3, resulta
j
R
(r. n) = j
A
(r) j
B
(n) (3.9)
Reemplazando la ecuacin (3.9) en la (3.7) tenemos
j
B
(n) =
x

j
A
(r)

j
A
(r) j
B
(n)

Como la interseccin es asociativa (propiedad (2.4)) y adems j


B
no depen-
de de r, escribimos
j
B
(n) =
x

j
A
(r) j
A
(r)

j
B
(n)
= u j
B
(n)
0
x y
mn
B

B
A
A

w
Figura 3.7: Interpretacin grca de la inferencia de una regla con una clusula
donde hemos denido el valor
u =
x

j
A
(r) j
A
(r)

= max
x

mn

j
A
(r). j
A
(r)

que llamamos intensidad de disparo (ring strength) de la regla, y nos da una


idea de qu tan aplicable es la regla (3.8) cuando r IS

. Podemos hacer una in-


teresante interpretacin grca de este resultado con la ayuda de la gura 3.7.
Calculamos la intensidad de disparo u como el mximo de la interseccin en-
tre y

, y luego truncamos la funcin de membresa j


B
(n) a la altura u. La
funcin de membresa as obtenida es el conjunto difuso inferido a partir del
hecho r IS

y la regla (3.8).
3.2.4.2. Una regla con dos clusulas y una consecuencia
Si tenemos ahora la regla lingstica
IF r IS AND n IS1 THEN . IS( (3.10)
entonces el razonamiento difuso que tenemos que hacer es
antecedente 1 (hecho) r IS

AND n IS1

antecedente 2 (regla) IF r IS AND n IS1 THEN . IS(


consecuencia (conclusin) . IS(

En el sentido clsico, la palabra clave AND implica una conjuncin o in-


terseccin de conjuntos. Es claro entonces que siendo (3.10) una regla difusa
lingstica, la premisa debe ser la interseccin difusa de ambas clusulas. Ade-
ms, la regla (3.10) implica una relacin difusa 1 en el espacio A) 2, y no

mn

y
B
B

A
A

C
w
1
w
2
w
z
Figura 3.8: Interpretacin grca de la inferencia de una regla con dos clusulas
es difcil ver que la funcin de membresa j
R
(r. n. .) resulta de generalizar la
ecuacin (3.9)
j
R
(r. n. .) = j
A
(r) j
B
(n) j
C
(.) (3.11)
Calculamos entonces el conjunto difuso (

inferido utilizando en la frmu-


la sup-star (2.10) la interseccin difusa de ambas clusulas en la premisa y la
funcin de membresa de la relacin ternaria (3.11)
j
C
(.) =
x,y

j
A
(r) j
B
(n)

j
R
(r. n. .)

=
x,y

j
A
(r) j
B
(r)

j
A
(r) j
B
(n) j
C
(.)

Recordando las propiedades asociativa (2.4) y conmutativa (2.2) de la ope-


racin interseccin
j
C
(.) =
x,y

j
A
(r) j
B
(n) j
A
(r) j
B
(n)

j
C
(.)

j
A
(r) j
A
(r)

j
B
(n) j
B
(n)

j
C
(.)
= u
1
u
2
j
C
(.)
De esta manera, hemos logrado escribir la intensidad de disparo u como la
interseccin en el sentido del operador mnimo de cada una de las intensi-
dades de disparo de las clusulas que componen la premisa. Vemos la simple
interpretacin grca en la gura 3.8.
3.2.4.3. Muchas reglas con muchas consecuencias
La regla (3.5) es general en el sentido de que es posible escribir condiciones
ms complicadas como varias reglas de la forma (3.5). En efecto, la regla
8
IF r IS
1
OR r IS
2
THEN n IS1
es lgicamente equivalente a
IF r IS
1
THEN n IS1
IF r IS
2
THEN n IS1
Por otro lado, en lugar de
IF r IS THEN n IS1 AND . IS(
podemos escribir
IF r IS THEN n IS1
IF r IS THEN . IS(
Supongamos que tenemos que realizar el siguiente razonamiento
antecedente 1 (hecho) r IS

AND n IS1

antecedente 2 (regla 1) IF r IS
1
AND n IS1
1
THEN . IS(
1
antecedente 3 (regla 2) IF r IS
2
AND n IS1
2
THEN . IS(
2
consecuencia (conclusin) . IS(

Acabamos de mostrar que dos reglas lingsticas son lgicamente equiva-


lentes a una sola regla en la cual la premisa es la unin OR lgico de las
clusulas. Por lo tanto la relacin 1 con la que relacionamos la salida . con
las entradas r e n es la unin difusa de las relaciones individuales 1
1
y 1
2
.
Entonces el conjunto difuso inferido es
(

= (

) (1
1
1
2
)
Utilizando la propiedad distributiva (2.11) de la composicin sup-star de-
mostrada en la proposicin 2.1, podemos escribir
(

) 1
1

) 1
2

que resulta ser la unin difusa de los conjuntos difusos inferidos por cada una
de las reglas, cuya interpretacin grca dibujamos en la gura 3.9 y donde la
generalizacin a : clusulas y : reglas es inmediata.
Si utilizamos como operador fuzzicador el operador singleton (deni-
cin 3.10), el esfuerzo computacional necesario para calcular el conjunto
difuso inferido por todas las reglas es sensiblemente menor que en el caso ge-
neral, como podemos ver en la gura 3.10
o
z
C
1
C

1
mn

y
A
2
C
2
C

2
z
B
2
A
1
B
1
z

= C

1
C

2
A

Figura 3.9: Interpretacin grca de la inferencia de dos reglas con dos clusulas cada una
o
mn

y
C
2
C

2
z
B
2
z

A
2
A
1
B
1
B

z
C
1
C

1
C

= C

1
C

2
Figura 3.10: Simplicacin del esfuerzo computacional utilizando conjuntos difusos singletes
1
3.2.5. Interfaz difusoreal
Las conclusiones a las que llega el mecanismo de inferencia son conjuntos difu-
sos denidos sobre algn universo de discurso. Pero como la accin de control
es un nmero real, debemos convertir estos conjuntos difusos a valores reales.
Denicin 3.12. Sea 2

el conjunto clsico de todos los conjuntos difusos que


se pueden denir sobre el universo de discurso 2 R. Dado un conjunto
difuso . 2

, un operador defuzzication d: 2

2 es tal que
d( .) = .
es un nmero real.
En particular, vamos a denir dos operadores que son los ms utilizados
en las aplicaciones de control difuso.
Denicin 3.13. Dado un conjunto difuso . 2 que resulta ser la unin
de : conjuntos difusos .
i
, cada uno de ellos con funcin de membresa j
i
(.)
integrable 1
1
, el operador centro de gravedad g( .) (center of gravity, COG) de-
vuelve la posicin del momento de primer orden de los : conjuntos difusos .
i
g( .) =
n

i=1

. j
i
(.) d.
n

i=1

j
i
(.) d.
(3.12)

En la denicin 3.13 el operador coincide con el centro de gravedad usual


del conjunto difuso .
g( .) =

. j
z
(.) d.

j
z
(.) d.
slo si los : conjuntos difusos son disjuntos. Dado que computacionalmente
es ms eciente el clculo de la ecuacin (3.12) que del centro de gravedad real
especialmente si se trabaja con funciones de membresa lineales a trozos
utilizamos la primera en las aplicaciones de control difuso.
Denicin 3.14. Dado un conjunto difuso . 2 que resulta ser la unin
de : conjuntos difusos .
i
, cada uno de ellos alcanzando una altura /
i
(de-
nicin 2.12) en el punto .
i
del universo de discurso, el operador promedio de
centros p( .) (center average, CAV) devuelve el nmero real
i
p( .) =
n

i=1
.
i
/
i
n

i=1
/
i
(3.13)
En el caso de que el i-simo conjunto difuso alcance la altura /
i
en un inter-
valo [.
i
1
. .
i
2
] tomaremos .
i
= (.
i
1
+ .
i
2
)2.
En cualquiera de los dos casos anteriores hay que prestar especial atencin
de que tanto el denominador de la ecuacin (3.12) como el de la (3.13) no
se anule para cualquier posible entrada del controlador.
.
j
COG
CAV
Figura 3.11: Resultados de los dos operadores defuzzication de inters sobre el conjunto difuso infe-
rido en la gura 3.9.
Existen otros operadores tales como el operador bisector de rea o la media
del mximo (Lee, 1990b; Jang y Sun, 1995), pero que no son utilizados usual-
mente en controladores lingsticos, por lo que en este trabajo nos unimos a
la costumbre general y usamos uno de los dos operadores denidos. En el ca-
ptulo 6 vamos a introducir un nuevo operador defuzzication til para otro
tipo de controladores difusos que no son lingsticos pero que no es nece-
sario discutir en este momento. A modo de ilustracin, en la gura 3.11 vemos
los dos resultados de aplicar uno u otro operador al conjunto inferido en la
gura 3.9.

CAPTULO IV
Diseo de un controlador
lingstico
Steve Jobs: Its a pleasure to meet you, Professor Knuth.
Ive read all of your books.
Donald Knuth: I seriously doubt that. Youre full of shit.
Meeting at Apple Inc., 1983
Ciertamente el proceso de diseo de un controlador lingstico para un proble-
ma en particular depende del caso de estudio. Pero sucede tambin que existen
una cantidad de conceptos tiles que resultan comunes e igualmente aplicables
en diferentes circunstancias. En este captulo ilustramos el proceso de diseo
que vamos a utilizar en captulos posteriores en sistemas de relativa comple-
jidad, atacando tres problemas simples de dicultad creciente y siguiendo la
metodologa propuesta por Passino y Yurkovich (1998). En el primer caso im-
plementamos un controlador difuso proporcional, y vemos que recuperamos
esencialmente los resultados de los controladores proporcionales lineales. Lue-
go diseamos dos controladores lingsticos para regular el punto de trabajo
de un tanque mezclador utilizando dos aproximaciones diferentes, y analiza-
mos los resultados. Ms an, desarrollamos un controlador utilizando la teora
de control lineal por variables de estado para explicitar la diferencia en la mate-
mtica involucrada en uno y otro caso. Terminamos mostrando los resultados
obtenidos al aplicar control lingstico en el problema altamente no-lineal de
la rueda de Lorenz y dando la idea fundamental del control basado en lgica
difusa.
Software
de simulacin
fuzzy
Cdigo
MELON
Software
Hardware
de adquisicin
Puerto
paralelo
v
e
c
to
r
d
e
e
s
ta
d
o
a
c
c
i
n
d
e
c
o
n
tr
o
l
a
c
c
i
n
d
e
c
o
n
tr
o
l
v
e
c
to
r
d
e
e
s
ta
d
o
v
e
c
t
o
r

d
e

e
s
t
a
d
o
a
c
c
i

n

d
e

c
o
n
t
r
o
l
Figura 4.1: Esquema de las interrelaciones entre el software que implementa el control difuso, el
cdigo con las reglas lingsticas y los potenciales sistemas a controlar.
4.1. El software MELON
Para implementar el control difuso hemos desarrollado un cdigo computacio-
nal
1
bautizado con el llamativo nombre de MELON. Este software interpreta
un archivo de texto que llamamos cdigo fuzzy que contiene la base de
reglas lingsticas, la informacin sobre conjuntos difusos asociados a los va-
lores lingsticos y otras deniciones tales como la frecuencia de muestreo y
el operador defuzzication. El software puede actuar directamente sobre una
planta fsica mediante una placa de adquisicin o un puerto paralelo estndar,
o bien comunicarse con otros procesos que simulen numricamente el compor-
tamiento en tiempo real de una planta mediante recursos de memoria compar-
tida, named pipes o archivos regulares (gura 4.1). Dejando los detalles del
cdigo fuzzy para el Apndice B, notamos aqu que al implementar el con-
trolador en una computadora digital necesariamente debemos tener en cuenta
las consideraciones sobre control discreto hechas en la seccin 3.1.5. Ms an,
al simular numricamente las ecuaciones diferenciales que describen la planta
estamos discretizando en el tiempo una solucin naturalmente continua. Sin
embargo en todos los casos tomamos un paso de integracin mucho menor
que el perodo de muestreo del controlador, por lo que a los nes prcticos
podemos suponer que la planta se comporta efectivamente como un sistema
continuo.
1
Bajo licencia GNU.
j
Variable Descripcin
: Poblacin neutrnica

ctrl
Reactividad introducida por el sistema de control

ext
Reactividad introducida por perturbaciones externas
Constante de tiempo caracterstica del reactor

i
Fraccin de generacin de neutrones del precursor i
(=

i
) Fraccin total de neutrones retardados

i
Constante de decaimiento del i-simo precursor
c
i
Concentracin del i-simo precursor
Tabla 4.1: Descripcin de las variables de las ecuaciones de cintica puntual (4.1)
4.2. Cintica puntual
Dado que este es un proyecto integrador de la carrera de Ingeniera Nuclear,
en lugar de utilizar como primer ejemplo de aplicacin de un controlador el
ya gastado pndulo invertido caso tratado extensamente en la bibliografa
existente (Passino y Yurkovich, 1998, cap 2) vamos a controlar la potencia
generada en un reactor nuclear modelado con las tambin gastadas, pero
no tanto ecuaciones de cintica puntual. Fontanini (1988) ha realizado un
exhaustivo tratamiento difuso de este problema, conformando una referencia
que denitivamente vale la pena consultar.
Es posible demostrar (Henry, 1975; Duderstadt y Hamilton, 1976) que, bajo
ciertas condiciones ms generales de lo que se suele suponer, el comportamien-
to temporal de la poblacin neutrnica :(t) en el ncleo de un reactor nuclear
cumple ecuaciones de cintica puntual a ` grupos de precursores

d:
dt
=

ctrl
(t) +
ext
(t)

:(t) +
N

j=1

j
c
j
(t)
dc
i
dt
=

i

:(t)
i
c
i
(t) para i = 1. . . . . `
(4.1)
Dejamos tanto la derivacin como el tratamiento exhaustivo para las refe-
rencias sobre fsica de reactores, pues un desarrollo completo escapara a los
alcances de este trabajo. El parmetro de control que nos interesa es la reac-
tividad
ctrl
introducida por las barras de control, que es justamente la accin
de control que queremos implementar lingsticamente para lograr la potencia
deseada. En particular, vamos a resolver el sistema de ecuaciones (4.1) a seis
grupos de precursores con condiciones iniciales estacionarias
0

:(0) = :
0
c
i
(0) =

i

:
0
(4.2)
4.2.1. Controlador lingstico difuso
Intentar controlar un reactor nuclear con un controlador lingstico difuso ten-
dra al menos dos irrefutables crticas. La primera es que sera gastar plvora
en chimangos ya que si bien las ecuaciones (4.1) no son lineales, si las reactivi-
dades introducidas no dependen fuertemente del tiempo, es posible linealizar-
las alrededor de un punto de equilibrio y utilizando la teora de control clsico
mostrar (Lewins, 1978) que un simple controlador clsico proporcional es
suciente, incluso para casos ms generales con efectos de realimentacin por
potencia y acoplamiento termohidrulico a orden cero. La segunda es que nin-
guna autoridad de regulacin nuclear que est medianamente dentro de sus
cabales otorgara una licencia de operacin a un reactor cuyo mecanismo de
control de potencia dependa de reglas lingsticas subjetivas. Sin embargo, y
aunque haya trabajos al respecto (Akin y Altin, 1991; Boroushaki et al., 2003),
aqu buscamos otros objetivos que son investigar cmo podemos fabricar un
controlador lingstico difuso, estimar numricamente qu resultados pode-
mos llegar a obtener y ver cmo dependen estos resultados de los parmetros
de diseo.
4.2.2. Descripciones lingsticas
Lo primero que tenemos que hacer es denir las variables lingsticas que van
a intervenir en el problema del control y entender qu rol cumplen dentro del
esquema. En principio suponemos que slo nos interesa realizar un control
proporcional a la diferencia entre la potencia real y la potencia deseada, por lo
que la entrada (real) al controlador ser precisamente esta diferencia. Por otro
lado tenemos que el nico parmetro de control de la planta es la reactividad,
que va a ser la accin (real) de control (gura 4.2). Entonces necesitamos slo
dos variables lingsticas
error : :
sp
rho
ctrl
donde entendemos que :
sp
2
es la potencia deseada, de tal forma que cuando
la variable error es negativa, el error es por defecto y viceversa.
2
sp = setpoint

controlador
difuso
DAC+ZOH
ADC
n
k
1
cintica
puntual

ext
(t)
n(t)

ctrl
(t) e
k
n
sp
k
Figura 4.2: Esquema de control difuso para las ecuaciones de cintica puntual
Una vez que tenemos las variables lingsticas, necesitamos denir qu va-
lores lingsticos pueden stas tomar. Lo ms elemental que podemos escribir
sin perder la fsica del problema es
error = negativo. cero. positivo
rho = negativa. cero. positiva
Si bien hay dos valores lingsticos que tienen el identicador cero, siem-
pre podemos eliminar la ambigedad teniendo en cuenta el universo de
discurso sobre el cual el valor lingstico est denido y el entorno en el que
se usa.
4.2.3. Reglas lingsticas
A continuacin debemos explicitar la informacin intuitiva que uno tiene so-
bre el control de un reactor nuclear como reglas lingsticas con la forma dis-
cutida en la seccin 3.2.3, utilizando las variables y los valores lingsticos que
acabamos de denir. Sin necesidad de pensar en un sistema de siete ecuacio-
nes diferenciales ordinarias acopladas ni en una ecuacin integro-diferencial
en derivadas parciales en siete variables sino que teniendo solamente una idea
cualitativa sobre las posibles soluciones de las ecuaciones (4.1), podemos decir
que si la potencia es menor (mayor) que el setpoint tenemos que introducir
(quitar) reactividad. Si la potencia es la deseada, la reactividad debe ser ce-
ro. Luego, slo tres reglas lingsticas deberan ser sucientes para lograr el
objetivo de control
IFerror ISnegativo THENrho ISpositiva
IFerror IScero THENrho IScero
IFerror ISpositivo THENrho ISnegativa
(4.3)
8
4.2.4. Conjuntos difusos asociados
Lo nico que nos falta para completar el diseo del controlador lingstico di-
fuso es denir cuantitativamente qu quiere decir cada una de las variables y
valores lingsticos que aparecen en el conjunto de reglas (4.3). Vamos a utili-
zar como operador fuzzication el operador singleton (denicin 3.10) por lo
que la funcin de membresa del conjunto difuso asociado a la variable error es
nula en todo el universo de discurso excepto en el punto : :
sp
, donde vale
uno.
Con respecto a los valores lingsticos, a priori no tenemos un valor real ca-
racterstico para cada valor lingstico, excepto tal vez para cero. Es decir, po-
demos interpretar en un principio que un error del 2 % es signicativo, mien-
tras que en una segunda etapa tal vez nos demos cuenta de que en realidad un
error es signicativo recin cuando se acerca al 10 %. Por ello, resulta conve-
niente la prctica comn de denir conjuntos difusos sobre una variable nor-
malizada al intervalo [1. 1] (denicin 2.14) y luego aplicarle una ganancia
cuyo valor nal depender del proceso de diseo al evaluar las recomen-
daciones de las reglas difusas. De esta forma, nos adherimos a la costumbre
y asignamos los conjuntos difusos normalizados y casi estndares para mu-
chos problemasde las guras 4.3 a los seis valores lingsticos del problema.
cero positivo negativo j
0
0.5
1
-2 -1 0 1 2
(a) Entrada normalizada
cero positivo negativo
j
0
0.5
1
-2 -1 0 1 2
(b) Salida normalizada
Figuras 4.3: Funciones de membresa de los conjuntos difusos asociados a los valores lingsticos de
inters, normalizados al intervalo [1, 1].
Notamos que aunque todas las funciones de membresa son lineales a tro-
zos, existe una diferencia esencial entre los conjuntos difusos asociados a una
y otra variable. En la gura 4.3a, las funciones de membresa de los conjun-
tos negativo y positivo valen uno para errores normalizados de mdulo mayor
que uno. Esto se explica teniendo en cuenta que en principio el error no est
acotado, y no sabemos a priori con qu valores reales de errores nos vamos a
encontrar. Por otro lado, en la gura 4.3b vemos que las funciones de mem-
bresa tienden a cero en los extremos del universo de discurso. En general esto
debe ser as para conjuntos difusos denidos sobre variables que son la salida
o
del controlador ya que existe al menos un operador defuzzication en parti-
cular el operador COG de la denicin 3.13 que opera sobre conjuntos cuya
funcin de membresa debe ser integrable 1
1
. Adems, estos conjuntos difu-
sos representan una accin de control bien denida, por lo que una funcin de
membresa que valga uno en ms de un punto carecera de sentido fsico.
Otra propiedad interesante de los conjuntos difusos de las guras 4.3 es
que para cualquier valor de , las funciones de membresa de entrada suman
idnticamente la unidad. Esto implica que, si utilizamos el operador fuzzica-
tion singleton, nos aseguramos de que las intensidades de disparo de todas las
reglas tambin sumen uno, garantizando la completitud de la base de conoci-
miento del controlador.
El hecho de que los conjuntos difusos denidos sobre las variables de sa-
lida del controlador tengan un rea nita implica necesariamente que la
accin de control estar limitada a un intervalo dado del universo de discurso,
independientemente del operador defuzzication utilizado.
4.2.5. Implementacin y resultados
Quedan todava algunos parmetros a ajustar para nuestro controlador difu-
so. Por ejemplo las ganancias /
err
y /

con las que escaleamos las variables,


la frecuencia de muestreo del controlador discreto y el operador defuzzica-
tion. Adems, en este problema en particular y por cuestiones de seguridad
necesitamos limitar la tasa de insercin de reactividad.
La ganancia /
err
es la inversa del valor real del error que queremos mapear
al punto = 1 de la gura 4.3a. Arbitrariamente tomamos en un principio
/
err
= 0.25 teniendo en cuenta que la condicin inicial es tambin en forma
arbitraria :
0
= 100. Por otro lado, la ganancia /

es el valor real de reactivi-


dad que hacemos coincidir con el valor normalizado = 1, esto es, el mdulo
la mxima reactividad posible. Suponiendo que estamos haciendo un control
no de potencia, hacemos /

= 150 10
5
= 150 pcm.
Para elegir la frecuencia de muestreo 1 = 2 tenemos que tener en cuenta
que los fenmenos debidos a los neutrones instantneos son del orden de .
Utilizando como referencia el reactor RA-6 del Centro Atmico Bariloche, este
tiempo es aproximadamente igual a

= 0.013 seg
por lo que tomando 1 = 200 Hz nos aseguramos de estar por encima del do-
ble de la frecuencia de ancho de banda estimada, condicin necesaria para
satisfacer el teorema 3.3 de Shanon. Siguiendo con la referencia al reactor RA-
6, limitamos adems la derivada de la accin de control a 20 pcm seg
1
. En
jo
75
100
125
150
175
0 50 100 150 200 250
p
o
t
e
n
c
i
a

[
U
A
]
potencia
setpoint
150
100
50
0
50
100
150
0 50 100 150 200 250
r
e
a
c
t
i
v
i
d
a
d

[
p
c
m
]
tiempo [seg]

ctrl

ext
Figura 4.4: Seguimiento de una rampa de potencia con insercin de dos reactividades externas tipo
escaln.
una primera instancia utilizamos como operador defuzzication el COG (de-
nicin 3.13), pero ms adelante investigamos las diferencias con el operador
CAV (denicin 3.14).
Resolviendo numricamente las ecuaciones (4.1) con las condiciones ini-
ciales (4.2) e implementando el controlador lingstico difuso obtenemos la
evolucin temporal tanto para la potencia :(t) como para el esfuerzo de con-
trol
ctrl
(t) que mostramos en la gura 4.4, para una rampa de potencia y una
perturbacin de reactividad externa
ext
por escalones. En los dos instantes en
los que se inserta una reactividad externa vemos que efectivamente acta la
limitacin en la tasa de insercin de reactividad de control.
4.2.6. Anlisis de los resultados
Teniendo ya los resultados bsicos de la gura 4.4 vamos a analizar cmo va-
ran stos en funcin de la ganancia /
err
. Veremos tambin de qu forma inuye
la eleccin del operador defuzzication en el comportamiento del controlador.
4.2.6.1. Sensibilidad a la ganancia
En la gura 4.5 mostramos no ya la evolucin temporal de la potencia :(t),
sino su diferencia con el setpoint :(t) :
sp
(t), para tres valores de ganancia
j1
30
20
10
0
10
20
0 50 100 150 200 250
e
r
r
o
r

e
n

l
a

p
o
t
e
n
c
i
a

[
U
A
]
0.25
0.025
2.5
r
e
a
c
t
i
v
i
d
a
d

[
p
c
m
]
tiempo
2.5
0.25
0.025
0
50 0 100 150 200 250
50
100
150
Figura 4.5: Sensibilidad del resultado a la ganancia en el error
/
err
=

2.5
0.25
0.025
Vemos que recuperamos el resultado general del control lineal (Dorf, 2001)
de que para mayores ganancias logramos menores errores de estado estacio-
nario, a costa de un mayor overshoot.
4.2.6.2. Operador defuzzication
Una forma til de visualizar el comportamiento de un controlador SISO es a
travs de un mapa de entrada-salida en el cual colocamos la variable de entra-
da en las abscisas y la variable de salida en las ordenadas. Resulta interesante
construir este mapa para el controlador difuso que estamos diseando (gu-
ra 4.6) y analizar cmo vara con el operador defuzzication.
Si utilizamos el operador CAV, obtenemos un comportamiento esencial-
mente lineal entre los puntos /
1
err
= 4, y un efecto de saturacin en los
extremos. Esto se asemeja al mapa entrada-salida de un controlador clsico
proporcional, lo que explica el comportamiento del error de estado estaciona-
rio discutido anteriormente.
Vemos tambin que con el operador COG, si bien el efecto de la saturacin
es exactamente igual que en el caso del CAV, el comportamiento del controla-
dor en el intervalo de inters deja de ser exactamente lineal sino que presenta
ji
-0.002
-0.001
0.000
0.001
0.002
-4 -2 0 2 4
error [UA]
CAV
COG con 3 valores
COG con 5 valores
r
e
a
c
t
i
v
i
d
a
d
Figura 4.6: Mapa del controlador difuso para k
err
= 0,25
una curiosa desviacin. Ms an, si en lugar de usar slo tres valores lings-
ticos posibles para cada variable construimos un controlador que posea cinco
valores para la entrada y cinco para la salida (gura 4.7), con las correspon-
dientes cinco reglas lingsticas, la desviacin observada es menor.
4.3. Tanque mezclador
Pasemos ahora a un segundo ejemplo de diseo de un controlador basado en
reglas lingsticas. Analicemos el caso del control del mezclado de dos ujos
j
0
0.5
1
-1.5 -1 -0.5 0 0.5 1 1.5
(a) Entrada normalizada
0
0.5
1
1.5 1 0.5 0 0.5 1 1.5
j
(b) Salida normalizada
Figura 4.7: La resolucin del universo de discurso mejora pasando de tres a cinco valores lingsticos
j
h
u
u
c
u
f
Q
T
Q
c Q
f
T
c
T
f
A
Figura 4.8: Esquema del tanque mezclador
en un tanque buffer como el ilustrado en la gura 4.8. Si bien este sistema
resulta un tanto ms pedestre que el caso de la poblacin neutrnica en un
reactor nuclear, es interesante abordarlo ya que por un lado se trata de una
planta MIMOy hay varias aproximaciones posibles para su solucin. Adems,
al tratarse bsicamente de ujos de agua a diferente temperatura controlados
por vlvulas que en el fondo no son ms que simples canillas cualquiera
que haya intentado darse una ducha en esos celosos baos de hotel tendr
la intuicin necesaria para lograr controlar la situacin. Como paso adicional,
esta vez vamos a comparar el proceso de diseo difuso basado principalmente
en descripciones y conocimientos lingsticos aunque esta vez necesitamos
efectivamente un par de ecuaciones con las tcnicas de control por variable
de estado, que requieren una matemtica signicativamente ms complicada.
Tenemos dos caudales, uno caliente a temperatura 1
c
y otro fro a 1
f
, regu-
lados por sendas vlvulas de apertura n
c
y n
f
[0. 1] entrando al tanque, y un
caudal de salida C a una temperatura 1. Por uno de los dos caos de entra-
da puede circular un caudal msico mximo C
f
y C
c
respectivamente, con la
vlvula correspondiente totalmente abierta (n = 1). El objetivo de control es
obtener a la salida una temperatura 1
sp
y un caudal C
sp
dados, regulando la
apertura de las dos vlvulas de entrada.
La vlvula de salida est ja en un valor n tal que el setpoint de caudal
que depende de la cantidad de masa que haya en el tanque se logra con
una altura /
sp
. Vamos a suponer que las vlvulas presentan una relacin lineal
apertura-caudal, de tal manera que si C
x
es el mximo caudal que se obtendra
j
con la apertura mxima n
x
= 1, el caudal instantneo es n
x
C
x
.
4.3.1. Variables lingsticas
Para mejor utilizar el conocimiento intuitivo que tenemos sobre canillas y agua
caliente, conviene referenciar las descripciones lingsticas al estado de equi-
librio deseado, de forma tal de poder hacer corresponder el adjetivo un tanto
subjetivo caliente a la condicin objetiva en la cual la temperatura de la mez-
cla est por encima del setpoint. Planteando una simple conservacin de masa
y energa para la situacin estacionaria
C
f
n
f
0
+ C
c
n
c
0
= C
sp
C
f
1
f
n
f
0
+ C
c
1
c
n
c
0
= C
sp
1
sp
obtenemos fcilmente las aperturas de equilibrio, por ejemplo con el mtodo
de Cramer
n
f
0
=

C
sp
C
c
C
sp
1
sp
C
c
1
c

C
f
C
c
C
f
1
f
C
c
1
c

=
C
sp
(1
c
1
sp
)
C
f
(1
c
1
f
)
(4.4)
n
c
0
=

C
f
C
sp
C
f
1
f
C
sp
1
sp

C
f
C
c
C
f
1
f
C
c
1
c

=
C
sp
(1
sp
1
f
)
C
c
(1
c
1
f
)
(4.5)
Una vez calculado el punto de equilibrio, denimos las variables lings-
ticas del problema con sus correspondientes valores lingsticos con res-
pecto a este estado
temperatura 1 1
sp
= fra. ok. caliente
caudal CC
sp
= bajo. ok. alto
ufra n
f
n
f
0
= cerrada. normal. abierta
ucaliente n
c
n
c
0
= cerrada. normal. abierta
donde utilizamos una vez ms los conjuntos difusos normalizados de la gu-
ra 4.3 para caracterizar los valores lingsticos.
jj
4.3.2. Control independiente
Lo primero que se nos puede ocurrir es intentar controlar la temperatura con
una vlvula y el caudal con otra, sin tener en cuenta la interrelacin entre los
dos efectos. Por ejemplo, si queremos controlar el caudal con la vlvula fra y la
temperatura con la vlvula caliente necesitamos seis simples reglas lingsticas
que salen sin pensar demasiado
IFcaudal ISalto THENufra IScerrada
IFcaudal ISok THENufra ISnormal
IFcaudal ISbajo THENufra ISabierta
IFtemperatura ISfra THENucaliente ISabierta
IFtemperatura ISok THENucaliente ISnormal
IFtemperatura IScaliente THENucaliente IScerrada
4.3.3. Control combinado
El controlador independiente de la seccin anterior contiene reglas muy sim-
ples, pero ciertamente no tiene en cuenta la correlacin entre las variables del
problema. En efecto, para tomar una correcta accin de control un operador in-
teligente debera tener en cuenta todas las posibles combinaciones de caudales
y temperaturas.
Dada una condicin de caudal y temperatura particular para jar ideas
digamos caudal chico y temperatura caliente nos preguntamos cul es la
mejor combinacin de salida que podramos elegir. Como queremos disminuir
la temperatura, la vlvula fra debe estar ms abierta que la caliente. Por otro
lado, el caudal es pequeo as que alguna vlvula debe estar ms abierta que
de lo normal para aumentar de esta forma la altura / y ganar presin en la
salida. Las reglas lingsticas que representan esta situacin son
IFcaudal ISbajo AND temperatura IScaliente THENufra ISabierta
IFcaudal ISbajo AND temperatura IScaliente THENucaliente ISnormal
Para no olvidarnos de ninguna combinacin y asegurar la completitud de
la base de reglas es til hacer el diagrama de rbol esbozado en la gura 4.9,
donde completamos las dieciocho reglas lingsticas con las que implementa-
mos el controlador difuso.
4.3.4. Resultados
En las guras 4.10 podemos observar el comportamiento de ambos controla-
dores lingsticos con las mismas ganancias para las variables normalizadas
y . Las temperaturas fras y calientes son 20

C y 80

C respectivamente, y el
caudal inicial mayor corresponde a una condicin inicial donde el nivel /
0
es
j0
caudal temperatura
f
r

a
ok
c
a
l
i
e
n
t
e
ucaliente ISabierta
ufra IScerrada
ucaliente ISnormal
ucaliente IScerrada
ufra ISnormal
ufra ISabierta
temperatura
f
r

a
ok
c
a
l
i
e
n
t
e
ucaliente ISabierta
ufra ISnormal
ucaliente ISabierta
ucaliente ISnormal
ufra ISabierta
ufra ISabierta
temperatura
f
r

a
ok
c
a
l
i
e
n
t
e
ucaliente ISnormal
ufra IScerrada
ucaliente IScerrada
ucaliente IScerrada
ufra IScerrada
ufra ISnormal
ok
c
h
i
c
o
g
r
a
n
d
e
Figura 4.9: rbol lgico para asegurar la completitud de un conjunto de reglas lingsticas
mayor que el nominal por haber quedado el tanque lleno en la nalizacin de
un hipottico proceso anterior.
Para lograr la descripcin lingstica del problema hemos tenido que plan-
tear un par de ecuaciones, cosa que sucede las ms de las veces. Es decir, es casi
imposible resolver completamente un problema recurriendo a argucias cuali-
tativas y la verdad es que la rigurosa matemtica se nos aparece de una u otra
manera. Sin embargo, un sistema de dos ecuaciones algebraicas lineales resulta
francamente trivial frente al desarrollo matemtico de la seccin que sigue.
Es claro en las guras 4.10 que la mayor complejidad del controlador com-
binado ha probado no ser en vano pues el efecto del control es ms satisfactorio
para esta estrategia, medido tanto en tiempo de establecimiento, overshoot o
esfuerzo de control. Podemos explicar cualitativamente la desviacin inicial
del caudal en la primera de las guras 4.10. Como el uido est ms fro que el
setpoint, uno de los controladores pide abrir la canilla caliente. Pero al abrir la
canilla caliente est aumentando la cantidad de agua en el tanque, aumentan-
do ms an el caudal de salida.
Corroboramos tambin una regla casi general de la profesin segn la cual
j
3.0
3.5
0 40 80 120
2.5
2.0
c
a
u
d
a
l
[
k
g
s
e
g

1
]
control combinado
setpoint
control independiente
80
60
40
20
0 40 120 80
t
e
m
p
e
r
a
t
u
r
a
[

C
]
0
0.5
1
0 40 80 120
u
f
0
0.5
1
0 40 80 120
u
c
tiempo [seg]
Figuras 4.10: Resultados de las dos estrategias de control lingstico
el esfuerzo de ingeniera no suele ser lineal con los resultados. Una pequea
mejora insume grandes cantidades de recursos y al menos desde un punto
de vista econmico no siempre se justica dar el siguiente paso que todos
quisiramos dar.
4.3.5. Control por variables de estado
Con el propsito de comparar el proceso de diseo del controlador lingstico
que acabamos de realizar con el diseo segn la teora tradicional de control
lineal, vamos a mostrar qu es lo que deberamos haber hecho si no tuvisemos
disponibles las herramientas que desarrollamos en los captulos 2 y 3. Como
ya dijimos, el sistema de la gura 4.8 con el que estamos trabajando es MIMO
por lo que vamos a utilizar la teora de control por variables de estado.
Lo primero que tenemos que hacer es denir cules son las variables que
van a componer nuestro vector de estado x. Si siguiramos el razonamiento
j8
realizado en la seccin 4.3.1 pondramos la temperatura 1 de la mezcla y el
caudal C de salida. Sin embargo, resulta matemticamente ms simple denir
el vector de estado x en funcin de la temperatura 1 y de la masa :instantnea
que hay en el tanque. Adems, de esta forma podramos medir :simplemente
con un detector de nivel y convertir la altura / a masa con una sencilla relacin
lineal.
Ahora debemos desarrollar un modelo simple para poder escribir el com-
portamiento dinmico de la planta de la forma (3.3). La conservacin de masa
en estado no estacionario nos dice que su derivada es la diferencia entre lo que
entra y lo que sale
d:
dt
= n
f
C
f
+ n
c
C
c
C
s
(4.6)
A primer orden, el caudal de salida es proporcional a la raz cuadrada de la
altura /, mediante alguna constante de proporcionalidad. Adems dado que
: va lineal con la altura /, el caudal de salida tambin resulta proporcional a
la raz de la masa, C
s
= /
s

:. Reemplazando en (4.6)
d:
dt
= n
f
C
f
+ n
c
C
c
/
s

: (4.7)
La conservacin de energa, con c
p
independiente de la temperatura es
d
dt

:c
p
1

= n
f
C
f
c
p
1
f
+ n
c
C
c
c
p
1
c
C
s
c
p
1
:1 + :

1 = n
f
C
f
1
f
+ n
c
C
c
1
c
/
s

:1
:

1 = n
f
C
f
1
f
+ n
c
C
c
1
c
/
s

:1 :1
Reemplazando : de (4.7) obtenemos la segunda ecuacin para el modelo
:

1 = n
f
C
f
(1
f
1) + n
c
C
c
(1
c
1)

1 =
1
:

n
f
C
f
(1
f
1) + n
c
C
c
(1
c
1)

(4.8)
Sea el de estado x = [:1]
T
y el vector de control u = [n
f
n
c
]
T
. Hemos
logrado escribir la evolucin temporal de la planta como
x = F(x. u) (4.9)
En particular,
F(x. u) =

n
f
C
f
+ n
c
C
c
/
s

:
1
m

n
f
C
f
(1
f
1) + n
c
C
c
(1
c
1)

(4.10)
jo
El sistema de ecuaciones (4.9) claramente es no lineal, por lo que en prin-
cipio no podemos aplicar la teora de control por variable de estado. Necesita-
mos llevar el sistema de ecuaciones a la forma (3.3). Para eso desarrollamos en
serie de Taylor a primer orden alrededor del punto jo (x = x
sp
. u = u
0
)
x
sp
= F(x
sp
. u
0
) = 0 (4.11)
ya hallado en (4.4) y (4.5), de forma tal de que si prestamos atencin a las
desviaciones x y u con respecto al estado de equilibrio
x = x
sp
+ x
u = u
0
+ u
podemos escribir
x = A x + B u
donde los elementos de las matrices jacobianas A y B son
c
ij
=
1
i
r
j

x
sp
,u
0
/
ij
=
1
i
n
j

x
sp
,u
0
Para la funcin (4.10) resultan
A =

1
2
/
s

:
sp
0
0
1
:
sp

n
f
0
C
f
+ n
c
0
C
c

B =

C
f
C
c
C
f
:
sp

1
f
1
sp

C
c
:
sp

1
c
1
sp

El paso siguiente es encontrar una matriz K de 22 para elegir la accin de


control u como
u = K x
de manera tal que el sistema de ecuaciones linealizado quede como
x = [A + BK] x
0o
y la matriz caracterstica [A+BK] tenga sus autovalores
1
y
2
en algn lugar
conveniente del plano complejo, tpicamente en el semieje real negativo.
La complejidad algebraica que presenta el problema de elegir cuatro cons-
tantes reales /
ij
de tal manera que la matriz [A+BK] tenga dos autovalores
dados hace muy difcil encontrar una solucin analtica. De todas formas toda-
va podemos imaginarnos que stas son dos ecuaciones para cuatro incgnitas,
por lo que la solucin no es nica.
Queda a nuestro criterio como diseadores la forma nal de la matriz K
que resolver por n el problema. Ciertamente no est muy claro cul es la
mejor combinacin de cuatro nmeros reales con los que llenar la matriz K, y
lo nico que podemos hacer en primera instancia es hacer un proceso iterativo
de prueba y error. En principio este dilema tambin se nos presenta a la hora
de elegir las ganancias de las variables adimensionales y , pero en el caso
difuso casi podramos decir que la ms bsica intuicin es suciente para en-
contrar las ganancias ptimas. En el caso del control por variables de estado,
la intuicin debe seguir un camino bastante ms complicado.
4.4. La rueda loca de Lorenz
El ltimo ejemplo de este captulo es un simptico e indefenso experimento de
laboratorio originalmente propuesto por Malkus durante la dcada de 1970 en
el MIT (Gleick, 1987) y ampliamente estudiado tanto en forma terica (Ko-
l y Gumbs, 1992; Gleick, 1987; Strogatz, 1994) como experimental (Theler,
2004), conocido como Lorenz waterwheel. El nombre tiene que ver con el sis-
tema dinmico propuesto justamente por Edward Lorenz en su paper seminal
de 1963 y con el que ciertamente nos volveremos a encontrar de una forma me-
nos ortogonal con una relacin verdaderamente importante con el hilo del
desarrollo en lo que resta de este trabajo.
En estas pocas pginas nos contentamos con dar una vez ms un pa-
norama cualitativo sobre este ilustrativo y a la vez sorprendente sistema di-
nmico y su control lingstico. Bsicamente consta de un arreglo de alguna
cantidad de recipientes en particular ocho en la disposicin experimental de
la gura 4.11 vinculados por la parte superior de forma que puedan pivotar
libremente, y equiespaciados en el permetro de una circunferencia que puede
girar alrededor de un eje con rozamiento. Los recipientes tienen un pequeo
agujero en la base y un ujo de agua es inyectado verticalmente y coincidente
con el centro de rotacin.
Cuando el caudal de alimentacin es pequeo, los recipientes se vacan an-
tes de que el volumen de agua acumulado pueda vencer el rozamiento, por lo
que eventualmente el sistema alcanzar un estado de reposo. Si aumentamos
un poco el ujo, los vasos se llenan y se vacan aproximadamente con la misma
01
Figura 4.11: Versin experimental de la rueda catica de Lorenz en Theler (2004), con la tapa delantera
dibujada transparente para poder apreciar la distribucin de los recipientes.
tasa, la rueda adquiere un rgimen estable y gira con velocidad constante en
uno de los dos sentidos posibles. Pero si el ujo es todava mayor, el compor-
tamiento de la rueda adquiere un carcter aperidico y depende fuertemente
de las condiciones iniciales.
4.4.1. Las reglas del juego
El estudio de las propiedades dinmicas de la rueda de Lorenz es puramente
acadmico y hasta podramos decir, en efecto ldico
3
. Por ello, el control de
este sistema plantea un desafo interesante que nos interesa aceptar, ms por
curiosidad que por utilidad. Fijemos entonces las reglas del juego.
i. el objetivo de control es lograr que la rueda gire en un sentido determi-
nado, digamos arbitrariamente en sentido horario.
ii. teniendo en mente una eventual implementacin real del controlador
aprovechando la disposicin experimental disponible (Theler, 2004), el
nico parmetro de control es caudal de agua y la nica variable obser-
vable es la posicin angular instantnea de la rueda.
iii. en todo momento el caudal debe estar en el rango de inestabilidad, de
tal manera de que si se apaga el control automtico debe recuperarse el
comportamiento catico
3
En el extrao sentido que el demasiado trato con las ciencias suele darle a este trmino.
0i
0 50 100 150 200
v
e
l
o
c
i
d
a
d

[
U
A
]
tiempo [seg]
(a) Q = 10 10
6
m
3
s
1
0 50 100 150 200
v
e
l
o
c
i
d
a
d

[
U
A
]
tiempo [seg]
(b) Q = 50 10
6
m
3
s
1
0 50 100 150 200
v
e
l
o
c
i
d
a
d

[
U
A
]
tiempo [seg]
(c) Q = 180 10
5
m
3
s
1
Figuras 4.12: Tres comportamientos diferentes segn el caudal de agua
4.4.2. Comportamiento sin control
Slo para tener una idea de qu es lo que esperamos controlar, veamos cul es
la respuesta natural de la rueda, calculada numricamente teniendo en cuen-
ta el torque instantneo que produce la distribucin de agua en los vasos en
cada instante de tiempo. La forma ms til de visualizar qu es lo que est su-
cediendo es gracar la velocidad angular

en funcin del tiempo. Segn sea
la intensidad del caudal de agua, encontramos en las guras 4.12 los tres posi-
bles comportamientos ya discutidos. Las guras 4.12a y 4.12b resultan bastante
aburridas, por lo que es claro que el caso que nos interesa controlar es el de la
gura 4.12c. Tenemos las reglas del juego y las herramientas de la lgica difusa.
Para ganar slo nos falta el conocimiento experto, una chispa de originalidad
y algo de la siempre imprescindible y bienvenida suerte.
0
4.4.3. Control difuso lingstico
La nica variable que podemos medir es la posicin instantnea de la rueda,
pero nadie nos impide derivar dos veces esta variable y tener as informacin
sobre su velocidad y aceleracin. La velocidad

nos dice si estamos logrando
el objetivo de

0 en el momento, y la aceleracin

nos da una idea de qu
tanto estaremos logrndolo en instantes posteriores. El objetivo es, por un lado,
invertir el sentido de giro si la velocidad es negativa y por el otro mantenerlo
si la rueda est girando en sentido horario.
La siguiente pregunta es cmo lograrlo operando sobre el caudal de agua,
sin violar la regla nmero tres. Quien haya pasado largas semanas en el labo-
ratorio de Fsica Experimental I intentando medir la velocidad de la rueda en
funcin del tiempo para diferentes caudales podr dar algunas pautas genera-
les que puedan llegar a servir para construir un controlador lingstico difuso
que logre dicho objetivo. Despus de alguna cantidad nada despreciable de
intentos, ajustes, insultos y nalmente suerte, hemos construido una base de
reglas lingsticas y conjuntos difusos asociados que logra el objetivo de con-
trol como podemos observar en las guras 4.13 y 4.14 (apndice C).
Resulta interesante estudiar el mapa generado por este conjunto de re-
glas (gura 4.15). Esta supercie asocia a cada par (

.

) un caudal de control,
y es bsicamente lo que el diseador busca: la accin de control en funcin de
los observables. Si hubisemos utilizado la teora de control lineal, esta super-
cie sera un plano y las ganancias elegidas corresponderan a las diferentes
pendientes posibles. Podramos haber construido esta funcin a partir de la
inspeccin y anlisis de las ecuaciones diferenciales que modelan la planta.
Existen muchas otras posibles aproximaciones al problema del control, mu-
chas de las cuales se basan en ingeniosas formas de atacar matemticamente
el sistema (Prez, 2006). Y aqu est la idea fundamental del control lings-
tico, pues se trata de ir construyendo la relacin entre la accin de control y
los observables slo con informacin cualitativa. No podemos armar que la
supercie de la gura 4.15 sea ni la nica ni la mejor accin de control para
este caso de hecho seguramente est lejos de serlo pero es cierto que slo
utilizamos conocimiento cualitativo para modelar la intrincada supercie de
control.
0
v
e
l
o
c
i
d
a
d
inicio del control
0 50 100 150 200
c
a
u
d
a
l
Figura 4.13: El controlador difuso logra ganar el juego casi instantneamente
v
e
l
o
c
i
d
a
d
inicio del control
0 50 100 150 200
c
a
u
d
a
l
Figura 4.14: En algunos casos le toma un par de minutos lograr el objetivo
4
2
0
2
4
1
0,5
0
0,5
1
velocidad
[rad/seg]
a
c
e
l
e
r
a
c
i

n
[
r
a
d
/
s
e
g 2
]
2
4
0
4 10
4
3 10
4
2 10
4
1 10
4
c
a
u
d
a
l
[
m
3
/
s
e
g
]
Figura 4.15: Supercie de control construida lingsticamente
0j
CAPTULO V
El loop de Welander
It is by logic that we prove, but
by intuition that we discover.
Henry Poincar
Los circuitos de conveccin natural tienen un particular inters desde el punto
de vista del diseo de reactores nucleares avanzados, debido a la tendencia a
reducir los sistemas activos de control y seguridad con el objetivo de alcanzar
un reactor inherentemente seguro. Y como justamente un circuito de convec-
cin natural provee una forma completamente pasiva de refrigerar un ncleo,
es especialmente importante realizar un anlisis detallado de la fsica que go-
bierna este tipo de lazos termouidodinmicos.
Una de las caractersticas ms interesantes de estos loops es el hecho de que
bajo ciertas condiciones, su evolucin temporal puede presentar un compor-
tamiento inestable de tipo catico, con oscilaciones no peridicas y alta sen-
sibilidad a condiciones iniciales (Welander, 1967). Este resultado no debera
sorprendernos ya que el primer sistema determinstico de ujo no peridico
(Lorenz, 1963) que comenz el estudio moderno de los sistemas dinmicos, se
basa justamente en un modelo simplicado de conveccin natural en la atms-
fera.
Los sistemas dinmicos caticos presentan un interesante desafo para el
diseo de controladores, ya que debido a su dinmica intrnsecamente no li-
neal resulta muy difcil atacarlos con la teora clsica de control. Es por eso
que es ste un campo propicio para los controladores basados en lgica difu-
sa, que pueden tratar problemas no lineales de forma natural desde su mis-
ma concepcin. Comenzamos estudiando el loop conocido como el problema
de Welander, presentado poco tiempo despus del trabajo de Lorenz como el
primer ejemplo de un circuito de conveccin natural de comportamiento no
peridico, el cual es tomado como el caso simplicado ms representativo de
caos en circuitos termohidrulicos en la literatura.
5.1. Loops de conveccin natural
Antes de estudiar detalladamente los casos particulares de loops de convec-
cin natural, es conveniente seguir el pedaggico camino que va lo de general a
lo particular y hacer aqu consideraciones sobre las caractersticas generales de
estos problemas. En principio, un circuito termouidodinmico de conveccin
natural tiene como objetivo establecer un caudal para refrigerar el ncleo de
un reactor nuclear, por ejemplo prescindiendo de componentes activos tales
como bombas, utilizando slo los efectos boyantes como fuerza impulsora. Es
necesario para ello crear un gradiente vertical negativo de densidades que
excepto para agua entre cero y cuatro grados centgrados corresponde tam-
bin a un gradiente negativo de temperaturas. Para lograr esto en un circuito
cerrado debemos ubicar una fuente de calor en la parte inferior del mismo y
una fuente fra en la parte superior, que es la conguracin caracterstica de
los circuitos basados en conveccin natural.
5.1.1. La aproximacin de Boussinesq
Si bien el principio fsico de la aparicin de la conveccin natural es la existen-
cia de variaciones en la densidad de un uido inmerso en un campo gravtatrio,
no es necesario aplicar las complicadas ecuaciones de Navier-Stokes con una
densidad dependiente del tiempo para resolver un fenmeno de este tipo. En
el problema termouidodinmico asociado, debido a que los cambios de den-
sidad por temperatura son lo sucientemente pequeos, es posible suponer
una densidad media constante excepto en el trmino de la contribucin de la
fuerza boyante al ujo de momento lineal. En particular, desarrollando la den-
sidad a primer orden en la temperatura de mezcla
(1) =
0
[1 (1 1
0
)] (5.1)
donde
0
es la densidad del uido a la temperatura de referencia 1
0
y el coe-
ciente de expansion trmica, obtenemos la llamada aproximacin de Bous-
sinesq (Incropera y Dewitt, 2002; Kaka y Yener, 1995). Dado que asumimos
densidad constante excepto slo en un trmino de la ecuacin de momento, la
ecuacin de continuidad unidimensional a lo largo del loop

t
+
u
:
= 0
se satisface slo si la velocidad media u es la misma en todo el circuito e inde-
pendiente de la posicin axial :.
0
Variable Descripcin
Densidad a la temperatura 1
0
Coeciente de expansin isobrico
1 Temperatura de mezcla
u Velocidad media del uido
: Coordenada axial a lo largo del loop
: Radio del conducto
rea transversal del conducto
1 Permetro mojado
j Presin
o
s
Componente de la gravedad en la direccin del eje del loop

w
Esfuerzo de corte en la pared
1 Longitud completa del loop
c Calor especco a presin constante
Difusividad trmica
Viscosidad cinemtica
/ Conductividad del uido
/ Coeciente de transferencia trmica
Emisividad de cuerpo gris
Constante de Stefan-Boltzmann
1

Temperatura ambiente
Re Nmero de Reynolds (2u:)()
Ra Nmero de Rayleigh (o1:
3
)()
Pr Nmero de Prandtl
Gr Nmero de Grashof RaPr
Nu Nmero de Nusselt (2/:)/
Tabla 5.1: Variables y nmeros adimensionales que intervienen en el anlisis general de loops de
conveccin natural.
08
u
o
o
s
1

w
d
:
j(:)
j(: + d:)

Figura 5.1: Flujo de momento en un elemento de uido genrico


5.1.2. Balance de momento
Para el elemento diferencial de uido de la gura 5.1, el balance unidimensio-
nal de momento en una coordenada : a lo largo del eje del loop es

du
dt
d: =
j
:
d: o
s
(:)d:
w
1 d: (5.2)
Asumiendo la validez de la aproximacin de Boussinesq y suprimiendo el
subndice cero en la densidad, reemplazamos la expresin (5.1) para la densi-
dad en el segundo trmino del miembro derecho de la ecuacin (5.2)

du
dt
d: =
j
:
d: [1 (1(:) 1
0
)] o
s
(:)d:
w
1 d: (5.3)
En los circuitos termohidrulicos existen elementos tales como codos o
vlvulas que se suelen tomar como objetos puntuales cuyo efecto es provo-
car una prdida de carga j en una distancia innitesimal, a los cuales se les
asigna un factor /
i
de prdida puntual
/
i
=
j
i
1
2
u
2
Como el resultado neto de esta idealizacin es una discontinuidad en la
presin j(:), hay que prestar especial atencin al primer trmino del miem-
bro derecho de la ecuacin (5.3). En efecto, la derivada de la presin no es
una funcin regular sino una distribucin, ya que resulta ser la suma de una
0o
funcin T(:) y deltas de Dirac centradas en las posiciones :
i
de las prdidas
puntuales
j
:
= T(:)

i
1
2
/
i
u
2
(:
i
) (5.4)
Por otro lado, para explicitar la forma del esfuerzo de corte en la pared
w
es conveniente utilizar el factor de Fanning
1
1 denido como (White, 1999;
Kundu, 1990)
1 =

w
1
2
u
2
(5.5)
que depende del nmero de Reynolds y de la rugosidad de la pared del tubo.
En general, 1 tiene una dependencia con el nmero de Reynolds de la forma
1(Re) =
c
Re
b
(5.6)
con c y / constantes adimensionales apropiadas, segn sea el ujo laminar o
turbulento.
Con estas consideraciones, podemos escribir el balance de momento dife-
rencial como

du
dt
d: =

T(:) +

1
2
/
i
u
2
(:
i
)

d:
[1 (1(:) 1
0
)] o
s
(:)d:
1
2
1(Re) u
2
1 d:
Teniendo en cuenta que

p
s
d: = 0 y

o
s
(:) d: = 0, podemos integrar por
trozos a lo largo de la longitud completa 1 del loop cerrado
1
du
dt
=
1
2
u
2

/
i
+

L
0
o
s
(:)

1(:) 1
0

d:
1
2
1(Re) u
2
11
y obtener una expresin explcita para la derivada temporal de la velocidad
media
du
dt
=

1

L
0
o
s
(:)

1(:) 1
0

d:
1
2

1(Re) +
1
1

/
i

u
2
En general y debido a razones de simetra, la velocidad puede ser tanto po-
sitiva como negativa. Para reproducir matemticamente el hecho fsico segn
1
Para ujo newtoniano laminar en conductos cerrados, el factor de Fanning resulta igual a
la cuarta parte del factor de Darcy.
o
cwT(s + ds)
cwT(s)
w
h
prd
[T(s) T

]
k
T
s

s+ds
k
T
s

s
o(s)
d
s
[T(s) T

]
4
Figura 5.2: Mecanismos de transferencia de energa en un elemento diferencial de uido
el cual los efectos viscosos siempre se oponen al movimiento, reescribimos el
ltimo trmino de forma tal de que tenga siempre el signo opuesto a u
du
dt
=

1

L
0
o
s
(:)

1(:) 1
0

d:
1
2

1(Re) +
1
1

/
i

u [u[ (5.7)
5.1.3. Balance de energa
La ecuacin (5.7) depende de la temperatura de mezcla 1(:) por lo que como
en todos los problemas de conveccin naturalen la descripcin completa del
problema aparecen las ecuaciones de momento acopladas con las de energa y
viceversa. En la gura 5.2 ilustramos los mecanismos de transferencia segn
los cuales un elemento diferencial de uido puede ganar o perder energa, te-
niendo en cuenta explcitamente que en general existir una fuente o sumidero
que aportar un trmino o(:) a travs de la pared lateral. La conservacin de
energa es entonces
c
1
t
d: = cu
1
:
d: + /

:

1
:

d:
/
prd
1 [1(:) 1

] d: 1

1(:)
4
1
4

d: +o(:)1 d:
que volvemos a escribir como
c

1
t
+ u
1
:

= o(:) +/

2
1
:
2
/
prd

1(:) 1

1
4
1
4

(5.8)
1
Para saber en qu casos es posible simplicar el problema teniendo en cuen-
ta slo los mecanismos de transferencia de calor que realmente interesan y
despreciar aquellos que slo complican el tratamiento matemtico sin aportar
nada a la fsica del sistema, vamos a adimensionalizar la ecuacin (5.8) e ins-
peccionar los parmetros que afectan a cada uno de sus trminos. La forma
ms conveniente de elegir las variables adimensionales depende del problema
particular que estemos analizando, y de hecho sern levemente diferentes en
los captulos que siguen de acuerdo al loop con el que trabajemos. En forma
general, siguiendo a Kaka y Yener (1995) proponemos
u =
1
Gr
u
: =
1
1
:
=
Gr
1
2
t
=
1 1

1
0
1

de forma tal que la ecuacin (5.8) adimensionalizada queda

11
Ra

+ u

=
1
/(1
0
1

)
o(:) +

11

:
2

4
11
Nu
prd

1
/(1
0
1

1
4
() 1
4

(5.9)
Inspeccionando y estimando el mdulo de cada uno de los trminos del
miembro derecho de (5.9) y comparando cada uno de stos con el trmino de
fuente, podemos estimar cules son los mecanismos de transferencia de ener-
ga relevantes para el problema en particular. Ms an, prestando atencin s-
lo al miembro derecho de (5.9) pues en el miembro izquierdo reside la fsica
del problema y ambos trminos son claramente necesarios para reproducir el
efecto convectivo y multiplicando por /(1
0
1

) (1o)
1
obtenemos
1 +

11
2
/(1
0
1

)
o(:)

:
2

4
11
/(1
0
1

)
1o(:)
Nu
prd


o(:)

1
4
1
4

(5.10)
de forma tal que ahora el proceso de simplicacin consiste en comparar cada
uno de los trminos con respecto a la unidad. Vemos claramente que mientras
mayor sea el trmino de fuente o(:), ms factible resulta despreciar los efectos
de la conductividad del uido y de las prdidas al medio ambiente. Justamen-
te, dado que desde el punto de vista ingenieril nos interesa intercambiar una
i
gran potencia, para los loops de conveccin natural de inters suele suceder
que podemos despreciar todos los trminos que estn sumando a la unidad
en la ecuacin (5.10). Para un caso simplicado, podemos experimental o
numricamente disminuir las prdidas por conveccin y radiacin hacia el
ambiente y conservar el fenmeno de inestabilidad que luego analizamos.
Estos tres efectos conduccin, prdidas por conveccin y prdidas por
radiacin contribuyen a estabilizar la solucin ya que tienden a homogenei-
zar la distribucin de temperatura. Su estudio detallado (Ferreri y Ambrosini,
1998, 2000, 2002; Jiang y Shoji, 2003; Zanocco, 2005) es realmente importante
en el anlisis de las inestabilidades no deseadas en un sistema unidimensional
de conveccin natural o en el anlisis de seguridad termohidrulico de reac-
tor nuclear avanzado. Pero en este trabajo nos interesa generar inestabilidades
ad hoc para luego controlarlas, por lo que no nos interesa en absoluto tener en
cuenta posibles mecanismos de estabilizacin.
En la ecuacin (5.9) hemos despreciado implcitamente un trmino que
debera aparecer desde el momento en que comenzamos el balance de
energa, pues no hemos tenido en cuenta la disipacin viscosa en el seno del
uido. Sin embargo esta suposicin es vlida, ya que para lograr una disipa-
cin viscosa apreciable es necesario tener grandes velocidades, las cuales su
vez corresponden a grandes potencias intercambiadas. Por lo tanto, la disipa-
cin viscosa es despreciable en todo momento frene a los trminos de inter-
cambio.
Las ecuaciones planteadas no contemplan un eventual cambio de fase del
uido de trabajo bajo ciertas condiciones de presin y temperatura, pro-
ceso que introducira una notable complejidad y que escapa largamente tanto
los alcances de la presente tesis. En el resto de este trabajo slo tendremos en
cuenta ujo de una fase.
5.1.4. El trmino de fuente
La funcin o(:) representa matemticamente tanto la potencia transmitida
desde la fuente caliente hacia el uido como la potencia extraida por la fuente
fra. Fsicamente, es posible transferir energa jando directamente el ujo de
potencia o bien ajustando la temperatura de la fuente o del sumidero para jar
indirectamente la potencia a travs de la diferencia de la temperatura entre el
seno del uido y el reservorio. Usualmente se estudia el caso en el que la fuente
controla el ujo de calor y el sumidero regula su temperatura fra, debido prin-
cipalmente a que es la condicin ms fcil de reproducir experimentalmente.
Sin embargo, cualquier condicin de ujo de calor y salto de temperatura es
posible para un loop arbitrario.

Heater
Cooler
(a) El problema fsico original
Sumidero
Fuente
(b) Abstraccin para el anlisis mate-
mtico
Figura 5.3: Loop de circulacin natural conocido como el problema de Welander
5.2. El problema de Welander
El problema que nos interesa estudiar en este captulo fue originalmente intro-
ducido hace ya cuarenta aos por Welander (1967) y es uno de los primeros
trabajos realizados sobre inestabilidad de tipo catica en loops de conveccin
natural, justamente poco tiempo despus del paper seminal de Lorenz (1963)
sobre ujo determinstico aperidico. El sistema de estudio es un circuito ce-
rrado de conveccin natural de seccin transversal circular con la geometra
de la gura 5.3a. La implementacin fsica bsica consiste en dos piernas adia-
bticas verticales unidas entre s por dos secciones prcticamente horizontales
donde se produce la transferencia de energa entre el sistema y la fuente de
calor en la parte inferior, y el sumidero en la parte superior.
El trmino de fuente planteado originalmente por Welander corresponde a
ujo de calor debido a diferencia de temperatura. Esto es, suponemos que tan-
to la fuente como el sumidero de calor pueden ceder o absorber una cantidad
arbitraria de calor segn la ley de Newton

= /(1
s
1)
sin modicar su temperatura 1

, donde 1 es la temperatura de mezcla del


uido en el punto de la transferencia y / el coeciente de transferencia de calor.
Una de las principales simplicaciones de este planteo que mantendremos

ciertamente es el e considerar al coeciente / constante e independiente del


nmero de Reynolds.
5.3. Anlisis matemtico
Vamos a analizar el problema siguiendo el tratamiento propuesto por Ferreri
y Ambrosini (1998), el cual presenta una leve variacin con respecto al original
extendiendo los resultados a condiciones ms generales de ujo. La caracte-
rstica distintiva del problema de Welander radica en suponer que la longi-
tud / de intercambio de calor con las fuentes es innitesimal, correspondiento
matemticamente a deltas de Dirac en las ecuaciones, y esquemticamente a
la gura 5.3b. Esto nos permite escribir estos intercambios como condiciones
de contorno en lugar de introducir inhomogeneidades en las ecuaciones di-
ferenciales, simplicando el anlisis a costa de alejarnos ligeramente de una
hipottica implementacin experimental. Ms an, suponemos que no existen
prdidas de carga puntuales a lo largo del circuito.
Con el anlisis que sigue tratamos de mantener la lnea de variables y adi-
mensionalizaciones que suelen aparecer en las publicaciones sobre el proble-
ma particular. Y aunque no mantengamos la nomenclatura utilizada en la sec-
cin 5.1, el espritu del anlisis sigue siendo el mismo.
5.3.1. Ecuaciones de balance
Para un loop de seccin transversal circular de dimetro 1 = 2:, la conserva-
cin de momento en un elemento diferencial de uido en la coordenada o es
:
2
du
dt
do =
j
o
:
2
do o(o):
2
do +
+o(o) (1(o) 1
0
):
2
do 2:
w
do (5.11)
donde las variables estn descriptas en la tabla 5.2.
Reemplazando la expresin (5.5) en la ecuacin de conservacin momen-
to (5.11), teniendo en cuenta que el trmino de rozamiento debe tener siempre
signo opuesto a u e integrando a lo largo de la longitud 1 del loop obtenemos
du
dt
=

1

o(o) (1 1
0
) do
1(Re)
:
u[u[ (5.12)
Siguiendo el desarrollo propuesto por Ferreri y Ambrosini (1998), multipli-
camos por el rea transversal y reemplazamos la dependencia explcita del
factor de Fanning con el nmero de Reynolds (5.6) para obtener
j
Variable Descripcin
Coeciente de expansin isobrico
u Velocidad media
Densidad a la temperatura 1
0
1 = 2: Dimetro del conducto

w
Esfuerzo de corte en la pared
o(o) Componente de la gravedad en la direccin del eje del loop
1 Longitud total del loop
C Caudal volumtrico
1 Temperatura de mezcla del uido
/ Longitud de intercambio de calor
j Viscosidad dinmica
= :
2
Area transversal del conducto
/ coeciente de transferencia trmica
1
w
= 2: Permetro mojado
c Calor especco a presin constante
Tabla 5.2: Descripcin de las variables de las ecuaciones de conservacin de momento (5.13) y de
energa (5.14).
dC
dt
+
c1
16

1
j

1b
C[C[
1b
=

1

o(o) (1 1
0
) do (5.13)
donde 1 es el factor de resistencia al ujo laminar utilizado en el trabajo origi-
nal de Welander (1967) denido como
1 = 32
j
1
2
Por otro lado, la ecuacin para la conservacin de energa teniendo en
cuenta que las piernas son adiabticas y despreciando el trmino de conducti-
vidad es
1
t
+
C

1
o
=

0 en las piernas
1
w

/
c
(1
s
1(o)) en el heater y en el cooler
(5.14)
Las temperaturas 1
s
es 1
heater
o 1
cooler
segn corresponda y ambas son cons-
tantes en la aproximacin de Welander. Para simplicar el tratamiento mate-
mtico que sigue denimos
0
1
0
=
1
heater
+ 1
cooler
2
1 =
1
heater
1
cooler
2
Welander propone que dada una distribucin inicial de temperaturas an-
tisimtrica con respecto a la fuente y al sumidero, la antisimetra se conserva
durante toda la evolucin temporal posterior. Ms an, arma que es posible
mostrar que el sistema alcanza asintticamente el estado de antisimetra para
una condicin inicial arbitraria. En efecto, en las simulaciones numricas que
a continuacin describimos observamos este til resultado, por lo que vamos
a utilizar esta interesante propiedad ms adelante.
5.3.2. Adimensionalizacin
Siguiendo el tratamiento de Ferreri y Ambrosini (1998), adimensionalizamos
las variables que intervienen en el problema de la siguiente manera
: =
o
12
=
t
1(2/)
=
C
/
=
1 1
0
1
donde para simplicar la notacin hemos llamado
=
1
w

/
c
Siguiendo la abstraccin de la gura 5.3b, no podramos tomar estrictamen-
te / 0 pues ni ni estaran bien denidas. Sin embargo, todava podemos
al menos analticamente hacer que el producto / se mantenga constante
haciendo al mismo tiempo que . Fsicamente, esto es consistente con el
hecho de que para transferir una cantidad nita de energa en una distancia
innitesimal a travs de una diferencia de temperatura nita, es necesario un
coeciente de transferencia trmico / innito.
Las ecuaciones (5.13) y (5.14) adimensionalizadas son

d
d
=

1
0
d: [[
1
para 0

:
= 0 para 0 < : < 1 y 0
(5.15)
donde los parmetros adimensionales que controlan completamente el sistema
de ecuaciones son
= 2 /
=
o11
2(/)
2
=
c
16

1/
j

1b
11
2 /
Al expresar el sistema de ecuaciones resultante en la forma (5.15) hemos
utilizado tanto la propiedad de antisimetra ya discutida como el hecho
de que la proyeccin de la gravedad sobre el diferencial de arco tiene el mismo
mdulo pero diferente signo en cada una de las piernas. De esta manera, slo
es necesario prestar atencin a lo que sucede en el intervalo (0 < : < 1).
Para completar la formulacin del problema necesitamos especicar con-
diciones iniciales y de contorno. Est claro que si nos hubisemos quedado
con la gura 5.3a e intentado resolver el circuito completo no necesitaramos
condiciones de contorno, al precio de tener que lidiar con una incmoda in-
homogeneidad. Sin embargo, resulta ms sencillo trabajar con la ecuacin de
energa homognea incorporando la fuente y el sumidero como condiciones de
contorno en los extremos de la pierna. Utilizando argumentos de transferencia
de calor es posible mostrar que stas resultan
(0
+
. ) +(1

. ) =

1 + (1

. )

1 exp (1)

para 0

1 + (0
+
. )

1 exp (1[[)

para < 0
(5.16)
Finalmente, las condiciones iniciales son arbitrarias. Pero dado que utiliza-
mos la propiedad de antisimetra en la deduccin de las ecuaciones, la distri-
bucin inicial debe ser necesariamente antisimtrica tambin

(0) =
0
(:. 0) =
0
(:) para 0 < : < 1
(:. 0) =
0
(: 1) para 1 < : < 2
(5.17)
8
Las ecuaciones (5.15), (5.16) y (5.17) especican completamente el problema
adimensional de Welander, extendido a ujo turbulento. Es interesante notar
que existen slo tres parmetros adimensionales que controlan el comporta-
miento del sistema. El primero, depende solamente de la ley de friccin (5.6)
particular y es, de alguna manera, el menos susceptible de ser variado externa-
mente, por lo que no le dedicaremos mayor atencin a los efectos del anlisis.
Incluso se puede demostrar que este parmetro es igual a la unidad para el
caso de ujo laminar, por lo que no es considerado en absoluto en el trabajo
original de Welander. El siguiente, , representa las contribuciones a la fuerza
boyante debido a las diferentes densidades, siendo proporcional a la diferen-
cia de temperaturas 21 entre la fuente fra y la fuente caliente. Finalmente
contiene informacin sobre las fuerzas disipativas que se oponen al movimien-
to del uido. Es la dependencia de las propiedades del sistema con estos dos
ltimos parmetros lo que nos interesa estudiar para entender tanto la fsica
como la evolucin temporal del problema.
5.3.3. Estado estacionario
En los problemas de conveccin natural en general, sucede que la solucin tri-
vial de reposo es estable para parmetros de control tpicamente el nmero
de Rayleigh menores que un cierto umbral, a partir del cual se produce una
bifurcacin de tipo pitchfork. Ms interesante que estudiar la solucin trivial re-
sulta analizar tanto la magnitud de los puntos crticos creados en la bifurcacin
como la dependencia de su estabilidad con los parmetros del problema.
Utilizando argumentos de simetra, es fcil ver que una solucin estacio-
naria dada del problema de Welander, digamos con
1
0 tiene una solucin
simtrica asociada
2
=
1
< 0. En haras de la simplicacin, prestaremos
atencin slo a las soluciones con caudal positivo. Es posible mostrar que la
solucin estacionaria

de la ecuacin de momento del sistema (5.15) satisface


la relacin implcita
2(

() + (

= 1 exp (1

0 (5.18)
Adems, se puede ver que dada una solucin estacionaria

, la distribu-
cin de temperaturas debe ser homognea en cada una de las piernas, con
igual valor absoluto

en ambas pero con diferente signo, e idnticamente


igual a

=
1 exp

1
|q

1 + exp

1
|q

|
(5.19)
o
5.3.4. Estabilidad
El hecho de que encontremos una solucin estacionaria no necesariamente im-
plica que el sistema efectivamente la alcance en un tiempo nito, o siquiera
tienda asintticamente a ella. Debemos agregar a la existencia de la solucin la
condicin de que sta sea estable, en el sentido de que el punto en el espacio
de las fases que la representa atraiga rbitas que pasen en algn entorno del
punto jo.
Un anlisis exhaustivo de la dependencia de la estabilidad de la solucin
estacionaria

dada por la relacin (5.18) escapara a los objetivos del captulo


(Ambrosini et al., 2003), por lo que en la gura 5.4 presentamos un mapa de
estabilidad de la solucin estacionaria, con los dos parmetros de inters y
para constante, como un resultado del trabajo de Ferreri y Ambrosini (1998).
0
1
2
3
4
5
6
0 100 200 300
estable
inestable

Figura 5.4: Mapa de estabilidad para la solucin estacionaria q


s
positiva con = 1,75 (Ferreri y Ambro-
sini, 1998)
La zona estable indica que, para tiempos grandes, el sistema alcanzar un
caudal y una distribucin de temperaturas estacionarios dados por las ecua-
ciones (5.18) y (5.19). Pero si la combinacin de parmetros y cae dentro de
la zona inestable de la gura 5.4, el punto jo correspondiente a la solucin es-
tacionaria y correspondientemente el punto jo simtrico es inestable. Sin
embargo, es posible mostrar que tanto () como (:. ) estn acotadas para
todo . Ms an, el exponente de Lyapunov de la evolucin temporal de ()
es positivo para el ejemplo numrico de la seccin 5.5 es
2
= 3.5 10
4
lo
que implica que el comportamiento del sistema es efectivamente catico.
2
El hecho de que el exponente de Lyapunov sea tan pequeo tiene que ver con que la
dinmica de los procesos trmicos suele ser bastante lenta comparada con otros sistemas din-
micos. Pero denitivamente el exponente de Lyapunov es positivo, lo que implica separacin
exponencial de condiciones iniciales cercanas.
8o
5.3.5. Explicacin fsica de la inestabilidad
Es til reproducir aqu la explicacin cualitativa de la aparicin de las inestabi-
lidades introducida por Welander en su paper. Un aumento del caudal causara
en principio un aumento de la friccin y, por lo tanto, una disminucin de la
fuerza boyante neta, ya que el calentamiento por unidad de longitud de uido
se vera disminuida. Intuitivamente, podramos pensar que es posible alcanzar
siempre un movimiento estacionario. Sin embargo, estos dos fenmenos pue-
den no estar en fase y existe la posibilidad de que comiencen a amplicarse
sus efectos, produciendo oscilaciones de amplitud creciente.
En particular, podemos explicar el efecto de inversin de ujo con la ayuda
del concepto de warm pocket propuesto por Welander, que se basa en la depen-
dencia de la efectividad de las fuentes con el caudal instantneo. En efecto,
cuando el caudal es pequeo hay un volumen de uido que pasa mucho tiem-
po cerca de la fuente caliente e incrementa localmente su temperatura. Cuando
este volumen se dirige a una de las piernas que estn mas fras que el warm
pocket el caudal aumenta sensiblemente debido a que este volumen tender
a subir rpidamente. Al llegar a la parte superior, su velocidad ser bastante
grande y pasar rpidamente por la fuente fra, de manera que su temperatu-
ra ser esencialmente la misma al ingresar a la pierna opuesta, con el efecto
neto de una reduccin en la fuerza boyante y la disminucin de la velocidad
del uido. De esta manera, el warm pocket llegar hasta la parte inferior de
loop con una velocidad pequea y consecuentemente la anomala volver a
producirse. Ms an, es posible que la desaceleracin que produce el volu-
men caliente al ingresar en la pierna descendente sea tan grande que el uido
comience a moverse en direccin opuesta a la original.
5.4. Solucin numrica
Para obtener la evolucin temporal completa del problema a partir de sus con-
diciones iniciales es necesario implementar un mtodo numrico. Pero en lu-
gar de resolver el sistema (5.15) conviene aplicar el esquema numrico sobre
las ecuaciones dimensionales (5.13) y (5.14) originales a lo largo de todo loop,
ya que el hecho de que estas ecuaciones sean inhomogneas no complica sen-
siblemente el algoritmo. Adems, al tener en cuenta cada variable dimensional
por separado es posible introducir una accin de control sobre alguno de los
parmetros individuales, por ejemplo la temperatura de la fuente caliente. Ms
an, de esta manera podemos incluir condiciones iniciales no necesariamente
antisimtricas, como por ejemplo la razonable condicin de que la temperatura
sea la misma en todo el loop e igual a la temperatura ambiente.
81
5.4.1. Esquema en diferencias nitias
Por completitud, mostramos a continuacin nuevamente las ecuaciones dife-
renciales dimensionales y el esquema numrico en diferencias nitas utiliza-
do. Dividiendo la longitud total incluyendo heater y cooler del loop en `
nodos equiespaciados de longitud o, la ecuacin de momento
dC
dt
=

1

L
0
o(o)(1 1
0
) do
c1
16

1
j

1b
C[C[
1b
implementada con el conocido mtodo de Euler explcito y resolviendo la in-
tegral con el mtodo de los trapecios
3
queda, para el paso de tiempo :
C
n+1
= C
n
+

1
N1

i=1

o
i
(1
i
n
1
0
) + o
i+1
(1
i+1
n
1
0
)
2

2cj
1
2

1
j

1b
C
n
[C
n
[
1b

t
La ecuacin en derivadas parciales de conservacin de energa
1
t
+
C

1
o
=

0 en las piernas
1
w

/
c
(1
s
1) en el heater y en el cooler
merece algo ms de atencin. Luego de algunos intentos, encontramos que
el esquema en diferencias nitas que mejor funciona para este problema en
particular es el upwind explcito de segundo orden (Press et al., 1992)
1
i
n+1
= 1
i
n
(

1
i
n
1
i1
n

+
1
2
((( 1)

1
i
n
21
i1
n
+ 1
i2
n

+o
i
(1
i
n
)t
para 0
1
i
n+1
= 1
i
n
(

1
i
n
1
i+1
n

+
1
2
((( 1)

1
i
n
21
i+1
n
+ 1
i+2
n

+o
i
(1
i
n
)t
para < 0
donde ( es el nmero de Courant
3
Si al lector le choca que alguien utilice el mtodo explcito de Euler para resolver una
ODE en el ao 2007, tiene todo el derecho a indignarse. Pero un anlisis exhaustivo (Ferreri
y Ambrosini, 1998) revela que esta aproximacin es suciente para producir los resultados
esperados. Ms an, basta pensar en la precisin obtenida al integrar la distribucin de tem-
peraturas con el mtodo de los trapecios en 100 nodos para justicar el hecho de resolver la
ecuacin diferencial con Euler.
8i
( =
C
n

t
o
y o
i
(1
i
n
) es el trmino de fuente
o
i
(1
i
n
) =

1
w

/
c

1
heater
1
i
n

si el nodo i est en el heater


1
w

/
c

1
cooler
1
i
n

si el nodo i est en el cooler


0 si el nodo i est en alguna de las piernas
5.5. Control difuso lingstico
Hemos mostrado que para ciertas combinaciones de los parmetros y , la
solucin de estado estacionario del problema de Welander se hace inestable y
el sistema presenta un comportamiento aperidico de caractersticas caticas.
A continuacin diseamos un controlador difuso lingstico para lograr una
condicin de caudal estacionario estable.
5.5.1. El sistema a controlar
En la gura 5.5 mostramos el loop terico que vamos a controlar mediante la
temperatura 1
heater
de la fuente caliente. Si bien este circuito no corresponde
exactamente al problema de Welander discutido en el cual la transferencia de
calor se hace en una longitud / innitesimal, esperamos que el anlisis mate-
mtico realizado en la seccin 5.3 sea aplicable con algn margen de error al
caso de la gura 5.5, donde el parmetro a controlar es la temperatura 1
heater
de la fuente caliente
4
5.5.2. Estabilizacin del estado estacionario
Sabemos que en el problema de Welander, para cada combinacin de , y
existe una solucin de caudal

estacionario. Por lo tanto, esperamos que para


una dada condicin de 1 en el problema de la gura 5.5 haya slo un valor de
caudal dimensional C

solucin de las ecuaciones estacionarias. Suponiendo


que este caudal est dado por la relacin (5.18), para este caso resulta
4
Al elegir como accin de control T
heater
estamos controlando actuando sobre el parme-
tro del mapa de estabilidad de la gura 5.4. No hay razones para pensar que no es posible
lograr el objetivo de control actuando sobre , por ejemplo introduciendo una vlvula. Tal vez
sea ste un tema de estudio para trabajos futuros.
8
+
h
h
T
heater
D

L 2
L
2
= 2.5 m
/ = 0.5 m
1 = 30 mm
/ = 1000
W
m
2
K
1
cooler
= 20

C
1
heater
= 60

C
= 700
= 3.21
= 1.75
1 =
0,075
Re
0,25
T
cooler
Figura 5.5: El circuito de conveccin natural a controlar

= 5.5
C

= 6.1 10
5
m
3
s
1
(5.20)
con una distribucin de temperaturas antisimtrica e igual a
1

(o) =

41.8

C en la pierna ascendente
38.2

C en la pierna descendente
(5.21)
Dado que para los parmetros adimensionales resultantes = 700, = 3.21
con = 1.75 correspondiendo a la ley de friccin de Blasius el mapa de
estabilidad de la gura 5.4 predice que la solucin estacionaria es inestable,
esperamos observar una oscilacin catica al resolver el problema con las con-
diciones iniciales (5.20) y (5.21). En efecto, vemos en la gura 5.6 tanto la ines-
tabilidad del estado estacionario como el comportamiento oscilatorio caracte-
rstico de los sistemas caticos.
Antes de sentarnos a disear un controlador, tenemos que jar claramente
los objetivos que perseguimos. Ya hemos dicho que para cada condicin de 1
habr un caudal C

estacionario, por lo que si nuestra meta es que el sistema


se establezca en un caudal dado C
sp
tendremos que buscar aquella diferen-
cia de temperaturas 1
sp
correspondiente. Para simplicar, supongamos que
efectivamente el setpoint deseado es la solucin de estado estacionario corres-
pondiente al problema de la gura 5.5 con la fuente caliente a una temperatura
8
0
10
0 1000 2000 3000
tiempo [seg]
Q
s
10
Q

1
0
5
[
m
3
s

1
]
Figura 5.6: Inestabilidad de las condiciones estacionarias (5.20) y (5.21) del sistema sin controlar
igual a 60

C, esto es, C
sp
= 6.1 10
5
m
3
s
1
(ecuacin (5.20))
5
Ms an, dada la simetra del problema, si C

es una solucin estacionaria,


entonces el valor de caudal C

correspondiente al sentido opuesto de circu-


lacin tambin es solucin. Queremos poder elegir entonces no slo el mdulo
sino tambin el signo del setpoint C
sp
. Elegimos arbitrariamente el signo posi-
tivo, que corresponde a un ujo en la gura 5.5 en el sentido de las agujas del
reloj.
5.5.3. El controlador C1
Ya en condiciones de disear un primer controlador lingstico, debemos se-
guir los pasos generales esbozados en el captulo 4. Por un lado, la accin de
control ser sobre la temperatura 1
heater
de la fuente caliente ya que es, de todos
los parmetros listados en la gura 5.5, el ms susceptible de ser controlado ex-
perimentalmente. Por otro lado, elegimos como variable observable el caudal
instantneo C(t) y su derivada

C(t) con respecto al tiempo. Mostramos los
conjuntos difusos asociados a estos tres valores lingsticos en las guras 5.7 y
las reglas lingsticas en la tabla 5.3, que conforman el primer controlador lin-
gstico difuso para el problema de Welander, que llamaremos controlador C1.
Este primer controlador lingstico difuso estabiliza la solucin estaciona-
ria en el sentido de que el sistema controlado a lazo cerrado atrae rbitas en
el espacio de fases cercanas al punto jo [C

. 1

(o)] antes inestable, asinttica-


mente hacia otro punto [C

. 1

(o)] diferente al anterior pero cercano. En efecto,


esto es lo que observamos en la gura 5.8 donde gracamos la evolucin tem-
poral a partir de las mismas condiciones iniciales con las que calculamos la
gura 5.6, pero donde a partir de un cierto instante acta la accin de control
sobre 1
heater
.
Sin embargo, el control obtenido no es satisfactorio para condiciones ini-
5
Si no fuera este el setpoint deseado, bastara con buscar la temperatura de fuente caliente
nominal con la que efectivamente se alcanza el caudal de estado estacionario que buscamos.
8j
0
0.5
1
1 0.5 0 0.5 1
cero pos_grande
ok
pos_chico
pos_muychico
neg_chico
neg_grande

q 10
4
[m
3
s
1
]
(a) q
negativo
cero
positivo
0
0.5
1
1 0.5 0 0.5 1

q 5 10
5
[m
3
s
2
(b) qpunto
0
0.5
1
0 0.2 0.4 0.6 0.8 1
muy_chica
chica
ok
grande
gigante
T
heater
10
2
[

C]

(c) temp
Figuras 5.7: Funciones de membresa de los valores lingsticos del controlador C1
IFq ISneg_grande AND qpunto ISnegativo THENtemp is muy_chica
IFq ISneg_grande AND qpunto IScero THENtemp is muy_chica
IFq ISneg_grande AND qpunto ISpositivo THENtemp is chica
IFq ISneg_chico AND qpunto ISnegativo THENtemp ISmuy_chica
IFq ISneg_chico AND qpunto IScero THENtemp ISchica
IFq ISneg_chico AND qpunto ISpositivo THENtemp ISchica
IFq IScero AND qpunto ISnegativo THENtemp ISchica
IFq IScero AND qpunto IScero THENtemp ISok
IFq IScero AND qpunto is positivo THENtemp ISok
IFq ISpos_muychico AND qpunto ISnegativo THENtemp ISok
IFq ISpos_muychico AND qpunto IScero THENtemp ISok
IFq ISpos_muychico AND qpunto ISpositivo THENtemp ISgrande
IFq ISpos_chico AND qpunto ISnegativo THENtemp ISchica
IFq ISpos_chico AND qpunto IScero THENtemp ISchica
IFq ISpos_chico AND qpunto ISpositivo THENtemp ISmuy_chica
IFq ISok AND qpunto ISnegativo THENtemp ISchica
IFq ISok AND qpunto IScero THENtemp ISok
IFq ISok AND qpunto ISpositivo THENtemp ISgrande
IFq ISpos_grande AND qpunto ISnegativo THENtemp ISgigante
IFq ISpos_grande AND qpunto IScero THENtemp is grande
IFq ISpos_grande AND qpunto ISpositivo THENtemp is grande
Tabla 5.3: Reglas lingsticas del controlador difuso C1
80
inicio del control
50
60
70
0 400 800 1200
4
5
6
7
T
h
e
a
t
e
r
[

C
]
tiempo [seg]
Q

1
0
5
[
m
3
s

1
]
Figura 5.8: Estabilizacin de las condiciones de estado estacionario mediante una accin de control
sobre T
heater
.
inicio del control
0 1000 2000 3000 4000
10
0
10
Q

1
0
5
[
m
3
s

1
]
inicio del control
0 1000 2000 3000 4000
tiempo [seg]
10
0
10
Q

1
0
5
[
m
3
s

1
]
Figuras 5.9: El controlador C1 no cumple con los objetivos de diseo para condiciones iniciales gene-
rales.
8
ciales ms generales que no estn en un entorno del punto jo estable a lazo
cerrado [C

. 1

(o)]. Por ejemplo, para una condicin inicial de caudal cercano


al reposo y una distribucin inicial de temperaturas homognea e igual a 25

C
en todo el loop, obtenemos las evoluciones temporales de las guras 5.9 para
dos instantes diferentes de comienzo de actuacin del control.
En un caso el estado estacionario efectivamente es alcanzado, pero slo de-
bido a que el sistema pas circunstancialmente por un estado susceptible de
ser atrado por el punto jo estable a lazo cerrado. Vemos de todas maneras
que la mayor parte del tiempo, el caudal C tiene el sentido deseado.
Observando el otro caso ilustrado, es claro que el objetivo de control no es
alcanzado de ninguna manera. No slo el caudal estacionario obtenido es el
correspondiente a alguna temperatura 1
heater
que ciertamente no es aquella a
la que hemos asignado al valor lingstico ok en la gura 5.7c, sino que tiene
el sentido opuesto al deseado. Ciertamente necesitamos mejorar el controla-
dor, utilizando informacin sobre la distribucin de temperaturas, que hasta
el momento hemos ignorado.
5.5.4. El controlador C2
Para la segunda versin del controlador que identicamos como C2 tene-
mos en cuenta informacin sobre la temperatura del uido en el punto medio
de la pierna ascendente. En la gura 5.9 sucede que el sistema controlado a la-
zo cerrado tiene una solucin estacionaria con un caudal negativo que resulta
estable, situacin que no deseamos en absoluto.
Con el objetivo de inestabilizar esta solucin, agregamos a la base de cono-
cimiento del controlador lingstico la regla
IFq ISneg_grande AND termocupla ISchica THENtheater ISgrande (5.22)
que inyecta una gran cantidad de energa cuando el sistema alcanza el punto
no deseado de trabajo. En efecto, vemos en la gura 5.10 que dada una condi-
cin inicial de caudal y temperaturas cercana a la situacin errnea, el contro-
lador C1 estabiliza el sistema en dicho punto, mientras que el controlador C2
que tiene las mismas reglas que C1 ms la regla (5.22) es capaz de llevar el
caudal al valor positivo C
sp
.
5.5.5. El controlador C3
Luego de una nada despreciable cantidad de simulaciones, pruebas y errores,
encontramos que la regla
IFq ISok AND termocupla ISok THENtheater ISok (5.23)
88
10
0
10
0 500 1000 1500 2000
tiempo [seg]
controlador C1
controlador C2
Q

1
0
5
[
m
3

1
]
Figura 5.10: El controlador C2 logra inestabilizar la solucin de velocidad negativa no deseada
ayuda a estabilizar el setpoint. Adems, la reversin del ujo cuando el caudal
es negativo mejora ligeramente si reemplazamos las tres reglas lingsticas del
controlador C1
IFq ISpos_muychico AND qpunto ISnegativo THENtheater ISok
IFq ISpos_muychico AND qpunto IScero THENtheater ISok
IFq ISpos_muychico AND qpunto ISpositivo THENtheater ISgrande
por una nica regla
IFq ISpos_muychico THENtheater ISchica (5.24)
Ciertamente, el caso en el cual el caudal es muy cercano a cero es crtico
en el sentido de que hay una porcin de uido que pasa mucho tiempo en
contacto con la fuente de calor y genera un warm pocket que tiende a inesta-
bilizar el caudal. La regla (5.24) hace que la fuente entregue poca potencia en
esta situacin para intentar minimizar el efecto del warm pocket.
No podemos mostrar matemticamente que el controlador lingstico C3
estabiliza el problema catico de Welander para una condicin inicial arbitra-
ria. De todas maneras hemos realizado trescientas simulaciones a partir de una
condicin inicial de temperatura uniforme e igual a la temperatura ambiente
con una pequea perturbacin de caudal inicial, aplicando la accin de control
en diferentes momentos de la evolucin y comprobamos que el controlador C3
logra el objetivo de control en todos los casos. En particular, en las guras 5.11
y 5.12 mostramos cuatro casos que ilustran el comportamiento general del loop
de Welander controlado lingsticamente.
Como vemos en la gura 5.13, la accin de control y por lo tanto tam-
bin la temperatura media es tal que el sistema se mantiene siempre
dentro de la zona de inestabilidad de la gura 5.4. Es por eso que si, una
vez alcanzado el estado estacionario, apagamos el controlador, el sistema se
comienza un nuevo movimiento de oscilaciones caticas, como ilustramos en
la gura 5.14.
8o
10
0
10
Q

1
0
5
[
m
3

1
]
40
60
80
0 1000 2000 3000 4000 5000
tiempo [seg]
T
h
e
a
t
e
r
[

C
]
10
0
10
Q

1
0
5
[
m
3

1
]
40
60
80
0 1000 2000 3000 4000 5000
tiempo [seg]
T
h
e
a
t
e
r
[

C
]
Figura 5.11: Resultados del control del caudal en el problema de Welander mediante una accin lin-
gstica sobre la temperatura de la fuente caliente.
oo
10
0
10
Q

1
0
5
[
m
3

1
]
40
60
80
0 1000 2000 3000 4000 5000
tiempo [seg]
T
h
e
a
t
e
r
[

C
]
10
0
10
Q

1
0
5
[
m
3

1
]
40
60
80
0 1000 2000 3000 4000 5000
tiempo [seg]
T
h
e
a
t
e
r
[

C
]
Figura 5.12: Resultados del control del caudal en el problema de Welander mediante una accin lin-
gstica sobre la temperatura de la fuente caliente.
o1
1000
2000
3000 0
1
2
3
4
5
6
0
250
500
750
1000
tiempo [seg]

Figura 5.13: Comparacin de la evolucin temporal del parmetro controlado, con el lmite de
estabilidad predicho por la gura 5.4.
10
0
10
Q

1
0
5
[
m
3

1
]
fin del control
inicio del control
40
60
80
0 500 1000 1500 2000 2500
tiempo [seg]
T
h
e
a
t
e
r
[

C
]
Figura 5.14: El sistema vuelve a tener oscilaciones caticas si una vez alcanzado el estado estacionario
el control es suprimido.
oi
CAPTULO VI
Controladores difusos de
Takagi-Sugeno
There is nothing new to be discovered in physics now. All
that remains is more and more precise measurement.
Lord Kelvin, 1900
Hasta el momento hemos utilizado sistemas difusos basados en descripcio-
nes, variables y valores lingsticos, que por comodidad histrica llamamos
sistemas difusos estndar en el sentido de que fueron cronolgicamente los
primeros en ser tratados en la literatura. Introducimos en este captulo los sis-
temas difusos de Takagi-Sugeno, que resultan ser un caso particular de los
llamados sistemas difusos funcionales. Si bien la caracterstica sobresaliente
de los controladores lingsticos es la posibilidad de atacar problemas sin la
necesidad de un modelo matemtico tradicional, la disponibilidad de un siste-
ma de ecuaciones diferenciales ordinarias que modele el comportamiento de la
planta a controlar es una situacin que contribuye en forma nada despreciable
al problema del control. Los controladores difusos de Takagi-Sugeno explo-
tan justamente la informacin que provee un modelo matemtico estndar a
la hora de controlar un sistema no lineal, por lo que tanto este captulo como
el que le sigue presentan una carga matemtica sensiblemente mayor a la que
contienen los anteriores.
6.1. Sistemas difusos funcionales
Existe una clase de sistemas difusos que presentan gran inters desde el pun-
to de vista del control debido a ciertas notables propiedades matemticas que
permiten disear controladores de estabilidad global demostrable y con relati-
vo poco esfuerzo.
Denicin 6.1. Un sistema difuso funcional provee una funcin F(x) R
m
que resulta ser la inferencia difusa de las recomendaciones de : reglas difusas
de la forma
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENF(x) = F
i
(x)
donde r
j
es el conjunto difuso singlete asociado al elemento ,-simo del vector
x R
n
y `
i
j
es un conjunto difuso de funcin de membresa j
i
j
(r
j
).
En principio no hay ninguna condicin sobre las funciones F
i
(x) recomen-
dadas por cada regla, que no tienen por qu ser entes matemticos analti-
cos sino que pueden ser objetos ms generales tales como mapeos de redes
neuronales o incluso otros sistemas difusos. La denicin 6.1 nada dice sobre
qu operador defuzzicacin debe utilizarse para la inferencia difusa sobre
la funcin F(x). Ms an, si bien hasta el momento utilizamos el operador
conjuncin mnimo, todava podemos elegir entre los diferentes operadores
propuestos de la tabla 2.1. Siguiendo el uso comn y aprovechando algunas
propiedades que nos sern de utilidad ms adelante, adoptamos como opera-
dor conjuncin el operador producto y la inferencia difusa ser tal que
F(x) =
r

i=1
u
i
(x) F
i
(x)
r

i=1
u
i
(x)
(6.1)
donde ahora las intensidades de disparo u
i
(x) estn calculadas como el pro-
ducto de las funciones de membresa j
i
j
(r
j
)
u
i
(x) =
n

j=1
j
i
j
(r
j
)
6.2. Sistemas difusos de Takagi-Sugeno
Un caso especial de sistemas difusos funcionales son los introducidos por Ta-
kagi y Sugeno (1985), en los cuales las recomendaciones individuales de cada
regla son una combinacin lineal de los elementos del vector x.
Denicin 6.2. Un sistema de Takagi-Sugeno provee una funcin F(x) R
m
que resulta ser la inferencia difusa de las : reglas
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENF(x) =
i
(x)
donde
i
es una matriz de : : operando sobre x.
o
Los sistemas difusos de Takagi-Sugeno tienen una interesante propiedad,
que enunciamos aqu a modo de teorema sin su correspondiente demostracin,
que abarca seis simpticas pginas en el libro de Tanaka y Wang (2001) sobre
control difuso.
Teorema 6.1. Dada una funcin homognea F(x) con derivadas segundas con-
tinuas y acotadas denida en un subespacio l R
n
, existe al menos un siste-
ma difuso de Takagi-Sugeno que provee una funcin F
TS
(x) tal que
max

F(x) F
TS
(x)

< c x l
para un c 0 arbitrario.
La condicin de homogeneidad sobre F(x) puede sonar muy restrictiva
como para poder utilizar este teorema en situaciones generales. Es por eso que
algunos autores dejan abierta la posibilidad de que las recomendaciones de
las reglas incluyan un trmino independiente, diferenciando as entre estos
sistemas llamados anes y los sistemas que se ajustan estrictamente a la de-
nicin 6.2, que identican como lineales. Sin embargo, es posible incluir estas
situaciones ms generales en el caso lineal transformando las coordenadas del
vector x para situar el origen en un lugar conveniente, que es el camino que
seguiremos en este trabajo.
El enunciado del teorema 6.1 bautizado con el dudoso nombre de teore-
ma de la aproximacin universal (Ying, 1998) nada dice sobre la canti-
dad de reglas y matrices necesarias para lograr la precisin c deseada, cantidad
que puede llegar a ser arbitrariamente grande. Menos an explica la forma
de encontrar los conjuntos difusos y matrices involucradas. Sin embargo, la
demostracin del teorema las ya comentadas seis pginas s da esta res-
puesta, ya que al igual que el conocido teorema de existencia y unicidad de
la solucin de una ecuacin diferencial ordinaria, se basa en la construccin
sistemtica de una aproximacin genrica. De todas maneras, en ciertos casos
un anlisis heurstico de la forma funcional de F(x) y un poco de suerte suele
bastar para encontrar una aproximacin conveniente.
6.3. Sistemas dinmicos de Takagi-Sugeno
Con el objeto de establecer una nomenclatura clara y en virtud de la comple-
titud y consistencia, damos a continuacin unas deniciones interinas por lo
que resta de la tesis y dejaremos que el lector vuelva a su concepcin original
de los siguientes trminos al nalizar la lectura.
Denicin 6.3. Llamamos sistema dinmico al problema matemtico de la
evolucin temporal de un vector de estado x R
n
expresado como
oj
dx
dt
= x(t) = F(x. u)
donde el vector u R
m
contiene parmetros de control, sujeto a las condicio-
nes iniciales
x(0) = x
0

Denicin 6.4. El espacio de las fases de un sistema dinmico


x = F(x)
es el espacio de dimensin : que genera la base cannica. Esto es, es el espacio
que tiene como coordenadas los elementos del vector de estado x. La trayecto-
ria que la solucin x(t) describe en este espacio se llama rbita.
Denicin 6.5. Llamamos punto jo a todos los puntos del espacio de las fa-
ses x

tales que
x = F(x) = 0

En la teora de sistemas dinmicos (Solari et al., 1996) se muestra que esta


denicin es ms general, en el sentido que incluye sistemas en los que apare-
cen derivadas temporales de rdenes superiores y dependencias explcitas del
tiempo, que pueden ser llevados a la forma de la denicin 6.3.
Ahora, dado que para que el sistema de ecuaciones tenga solucin nica
la funcin F(x) debe tener derivadas continuas, el tentador y siguiente paso
lgico es aproximarla con un sistema difuso funcional de Takagi-Sugeno.
Denicin 6.6. Llamamos sistema dinmico de Takagi-Sugeno a aquel cuya
derivada temporal puede escribirse como un sistema difuso funcional de la
forma
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENF(x) =
i
x + 1
i
u
a veces llamado tambin modelo difuso de Takagi-Sugeno.
La forma particular de separar la dependencia de x en x y en u es conve-
niente desde el punto de vista del control (comparar con la ecuacin (3.3)), y
es fcil ver que siempre es posible escribir un sistema dinmico de T-S en esta
forma. En efecto, sea el vector = [xu]
T
de forma tal que
o0
x = F
i
(x. u) = F
i
()
Supongamos que encontramos una representacin de T-S
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENF(x) = (
i

Escribiendo la recomendacin en funcin de submatrices de tamao apro-


piado

(
11
(
12
(
21
(
22

x
u

(
11
x (
12
u
(
21
x (
22
u

(
11
(
21

x +

(
21
(
22

u
=
i
x + 1
i
u
que queda demostrado la generalidad de la denicin 6.6.
Ejemplo 6.1. El conocido pero a la vez sorprendente sistema de ecuacio-
nes de Lorenz (1963), el cual introdujo por primera vez las ideas post-
computadoras digitales sobre comportamientos determinsticos aperi-
dicos y ejemplo pedaggico por excelencia para mostrar la concepcin
matemtica del caos en sistemas dinmicos,

r
n
.

(n r)
:r n r.
rn /.

admite una representacin difusa exacta para r en el intervalo [d. d] con


slo dos reglas
IF r IS`
1
THEN x =

0
: 1 d
0 d /

x
IF r IS`
2
THEN x =

0
: 1 d
0 d /

x
si utilizamos como funciones de membresa para `
1
y `
2
j
1
(r) =
1
2

1 +
r
d

j
2
(r) =
1
2

1
r
d

d d 0

2
(x)
1
(x)
x
o
inicial
condicin
r
n
.
Figura 6.1: rbita en el espacio de las fases del sistema de Lorenz para los parmetros = 10, b = 8/3
y r = 28 para una condicin inicial alejada del atractor.
En efecto, dado que j
1
(r) + j
2
(r) = 1, la inferencia del sistema es
x = j
1
(r)
1
x + j
2
(r)
2
x
=
1
2

1 +
r
d

0
: 1 d
0 d /

x +
1
2

1
r
d

0
: 1 d
0 d /

r + n
:r n +
1
2
(d r + d r).
1
2
(d + r d + r)n /.

x =

(n r)
:r n r.
rn /.

que es el sistema dinmico original.


6.3.1. Sistemas discretos
Existe tambin una teora anloga aplicable a mapeos discretos en lugar de
sistemas dinmicos continuos, en los que intervienen ecuaciones en diferencias
en lugar de ecuaciones diferenciales ordinarias, y que modica ligeramente
o8
algunos resultados. Sin embargo, en este trabajo continuamos trabajando con
sistemas continuos, siempre prestando atencin a las condiciones discutidas
en la seccin 3.1.5.
6.4. Compensacin distribuida en paralelo
La tcnica de control conocida como composicin distribuida en paralelo o
PDC fue introducida por Wang et al. (1995), y provee un procedimiento de di-
seo de un controlador a partir del modelo difuso de la planta. Adems resulta
un forma sistemtica y eciente de controlar sistemas caticos (Tanaka et al.,
1998). La idea consiste en compensar cada uno de los subsistemas propuestos
por las reglas difusas utilizando tcnicas de control lineal, y luego inferir una
accin de control global a partir de reglas difusas que tengan las mismas pre-
misas que las del modelo difuso y que propongan cada una la compensacin
correspondiente.
Dado el modelo difuso T-S de una planta continua
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENF(x) =
i
x + 1
i
u
la accin de control global u(x) es la inferencia del sistema difuso de T-S
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENu(x) = 1
i
x
donde las matrices 1
i
son tales que estabilizan el i-simo subsistema, calcula-
das segn la teora de control lineal por variable de estado.
6.4.1. Estabilidad
Si bien las matrices de ganancia 1
i
deben ser diseadas de forma tal de com-
pensar cada subsistema de all la palabra paralelo en la sigla PDCen forma
independiente, la estabilidad global del sistema a lazo cerrado depende de que
exista una cierta relacin entre 1
i
y 1
j
cuando i = ,. En otras palabras, el he-
cho de que cada uno de los subsistemas sea estable no garantiza la estabilidad
global del sistema.
Dentro de las muchas concepciones que podemos tener de la palabra esta-
bilidad, nos mantendremos en lnea con la llamada estabilidad de Lyapunov, que
ciertamente es diferente del concepto de estabilidad BIBO de la dencin 3.7.
Denicin 6.7. Un punto jo x

es estable si para cada c 0 existe un (c) 0


tal que, dada una condicin inicial x
0
que satisfaga [x

x
0
[ < (c), se cumpla

x(t) x

< c t 0
Ms an, el punto jo es asintticamente estable si
oo
lm
t
x(t) = x

para una condicin inicial x


0
tal que [x

x
0
[ < . Si , entonces el punto
x

es global y asintticamente estable.


Denicin 6.8. Dado un sistema dinmico
x = F(x)
y un punto jo x

, una funcin \ (x) : l R


n
R se llama Funcin de
Lyapunov si cumple simultneamente
\ (x)

= 0 si x = x

0 si x = x

y
d\
dt
=
n

i=1
\
r
i
1
i
(x) 0 (6.2)
en todo el dominio de denicin l.
Teorema 6.2. (de Lyapunov) Un punto jo x

es estable en l si existe una


funcin de Lyapunov \ (x). Ms an, si la desigualdad (6.2) es rigurosa, el
punto jo es asintticamente estable.
El teorema de Lyapunov nos da una base para probar la estabilidad de un
sistema difuso de Takagi-Sugeno.
Teorema 6.3. Es condicin suciente para que el origen de un sistema dinmi-
co de Takagi-Sugeno
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THEN x =
i
x
sea global y asintticamente estable, la existencia de una matriz denida posi-
tiva 1 tal que todas las matrices de prueba
1
i
= 1
i
+
T
i
1
sean denidas negativas.
Demostracin. Dado que el sistema difuso de Takagi-Sugeno es homogneo, el
origen es un punto jo. Si 1 es una matriz denida positiva, entonces
\ (x) = x
T
1x
1oo
cumple la primera condicin para ser una funcin de Lyapunov para el origen,
en R
n
. Suponiendo que las intesidades de disparo son tales que

u
i
= 1 para
simplicar la notacin, la derivada temporal de \ (x) es

\ (x) = x
T
1 x + x
T
1x
= x
T
1

u
i

x +

u
i

T
1x
Dado que 0 < u
i
1, entonces

\ (x) x
T
1

x +

T
1x
x
T
1

x +x
T

T
1x

x
T
1
i
x +x
T

T
i
1x

x
T

1
i
+
T
i
1

x
Si se cumple la hiptesis del teorema, resulta
x
T

1
i
+
T
i
1

x < 0
Luego

\ (x) < 0 y el sistema es global y asintticamente estable por el teo-
rema 6.2.
Notar que el teorema 6.3 slo da una condicin suciente pero no nece-
saria para la estabilidad. En efecto, por ms que mostremos que no exis-
te una matriz denida positiva 1 que satisfaga las condiciones del teorema,
todava puede existir otra funcin de Lyapunov tal vez no denida en to-
do R
n
diferente a la propuesta que s satisface el teorema 6.2.
Para un sistema difuso dado, en general no es sencillo encontrar una ma-
triz 1 si es que efectivamente existe que cumpla las condiciones de
estabilidad. Slo en casos triviales es posible obtener una matriz 1 por simple
inspeccin. En todo caso, este problema se suele atacar numricamente utili-
zando un mtodo de optimizacin convexa llamado Linear Matrix Inequalities
o LMI, que excede el alcance de este trabajo.
En particular nos interesa estudiar la estabilidad de una planta modelada
en forma difusa como
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THEN x =
i
x + 1
i
u
1o1
sobre la cual aplicamos un controlador difuso de Takagi-Sugeno
IF r
1
IS`
i
1
AND AND r
n
IS`
i
n
THENu = 1
i
x
Nuevamente normalizando segn

u
i
= 1, la evolucin temporal a lazo
cerrado es
x =
r

i=1
u
i
(x)

i
x + 1
i
u

=
r

i=1
u
i
(x)

i
x + 1
i
r

j=1
u
j
(x)1
j
x

=
r

i=1
r

j=1
u
i
(x)u
j
(x)

i
+ 1
i
1
j

x
Aplicando el teorema 6.3 tenemos una condicin suciente para probar la
estabilidad del sistema a lazo cerrado.
Corolario 6.4. Un sistema dinmico de Takagi-Sugeno a lazo cerrado es estable
si existe una matriz denida positiva 1 tal que todas las matrices de prueba
1
ij
= 1(
i
+ 1
i
1
j
) + (
i
+ 1
i
1
j
)
T
1
son denidas negativas.
6.4.2. Diseo de un controlador difuso de T-S
Vamos a ilustrar el proceso de diseo de un controlador difuso de Takagi-
Sugeno con un ejemplo concreto.
Ejemplo 6.2. Sea el sistema de Lorenz modicado para aceptar una en-
trada de control n tal que

r
n
.

(n r) + n
:r n r.
rn /.

El origen es un punto jo del sistema, pero es inestable para valores


del parmetro : 1. El objetivo de control es estabilizar globalmente el
origen, en el sentido de encontrar una accin de control n(x) de forma tal
que el vector de estado vaya a para al origen independientemente de la
posicin instantnea del sistema al momento de prender el controlador.
1oi
El modelo difuso de la planta es el mismo que el obtenido en el ejem-
plo 6.1, pero con teniendo ahora en cuenta el trmino de control
IF r IS`
1
THEN x =

0
: 1 d
0 d /

x +

1
0
0

n
IF r IS`
2
THEN x =

0
: 1 d
0 d /

x +

1
0
0

n
con las mismas funciones de membresa
j
1
(r) =
1
2

1 +
r
d

j
2
(r) =
1
2

1
r
d

d d 0

2
(x)
1
(x)
x
Los valores numricos de los parmetros originalmente propuestos
por Lorenz en 1963 y que todo el mundo toma como los nominales para
ilustrar el comportamiento catico son = 10, / = 83 y : = 28, por lo
que no seremos menos y nos adscribimos a la costumbre. Proponemos
un controlador por variables de estado para cada subsistema
IF r IS`
1
THENn =

/
11
/
12
/
13

x
IF r IS`
2
THENn =

/
21
/
22
/
23

x
eligiendo las ganancias /
ij
de forma tal que los autovalores de la matriz
a lazo cerrado de cada uno de los dos sistemas
(
1
+ 1
1
1
1
) =

+ /
11
+ /
12
/
13
: 1 d
0 d /

(
2
+ 1
2
1
2
) =

+ /
21
+ /
22
/
23
: 1 d
0 d /

sean negativos e iguales a, digamos (9. 10. 11)


1
. Luego de estudiar
el sistema sin controlar con los parmetros nominales encontramos que
la variable r est acotada en el intervalo [20. 20]. Haciendo d = 20, las
ganancias / para que los autovalores sean los buscados deben ser
1
El hecho de elegir los tres autovalores diferentes simplica el clculo numrico, que de
esta forma se reduce a un sistema lineal de tres ecuaciones
1o
inicio del control
condicin
inicial
z
x
y
Figura 6.2: El sistema de Lorenz con las mismas condiciones iniciales que en la gura 6.1 se aproxima
asintticamente al origen en el momento de prender el controlador
1
1
=

31.33 14.28 24.29

1
2
=

31.33 14.28 24.29

x
y
z
inicio del control
u
1o
CAPTULO VII
El lazo toroidal
Everything should be made as
simple as possible, but not simpler.
Albert Einstein
En este captulo diseamos un controlador de Takagi-Sugeno para el sistema
termohidrulico conocido como el termosifn toroidal de conveccin natural.
Mostramos que es posible encontrar un sistema de tres ecuaciones diferencia-
les ordinarias que describe razonablemente bien el comportamiento temporal
del lazo. Ms an, sucede que para ujo laminar este sistema de ecuacio-
nes es un caso particular del ya estudiado sistema de Lorenz. Es por eso que
este caso resulta particularmente susceptible de analizarse con la metodologa
propuesta en el captulo anterior y disear un controlador difuso de Takagi-
Sugeno, de forma tal de estabilizar una solucin estacionaria que de otro modo
presentara otra vez oscilaciones caticas.
7.1. Descripcin
El problema consiste en un lazo termouidodinmico circular de rea trans-
versal tambin circular (gura 7.1). El lazo est sujeto a un ujo de calor por
unidad de rea

constante la mitad inferior mientras que por otro lado, la


pared del lazo en la mitad superior es mantenida a una temperatura 1
c
cons-
tante, funcionando como sumidero de calor. Para potencias

sucientemente
grandes, el uido comenzar a circular a lo largo del lazo. Apesar de la simpli-
cidad de la geometra, la evolucin temporal de este sistema presenta una gran
complejidad y es posible mostrar tanto analtica como experimentalmente que
el termosifn toroidal presenta un comportamiento catico para ciertas combi-
naciones de parmetros (Bau y Torrance, 1981; Hart, 1985; Gorman et al., 1986).
Justamente es en este interesante caso donde queremos aplicar las tcnicas de
control difuso para lograr estabilizar las oscilaciones caticas.

1
c
o
Figura 7.1: El lazo de conveccin natural conocido como termosifn toroidal
7.2. Anlisis matemtico
Planteamos el ujo de momento lineal para un elemento de uido segn la
nomenclatura de la gura 7.2
:
2
1d
du
dt
= :
2
d1 o:
2
1cos d
w
2:1d (7.1)
Reemplazando la aproximacin de Boussinesq (5.1) en el segundo trmino
del miembro derecho de (7.1) e integrando en la variable entre 0 y 2 tenemos
2:
2

du
dt
= o:
2

2
0
(1 1
c
) cos d 4
w
: (7.2)
Suponiendo un ujo laminar de Poiseuille, el factor de Fanning es (White,
1999)

r
R
d

0
+
Figura 7.2: Elemento de uido
1o0
1 =

w
1
2
u
2
=
16
Re
D
por lo que el esfuerzo de corte
w
resulta

w
=
16
2:u

1
2
u
2
=
4u
:
(7.3)
donde hemos introducido la viscosidad cinemtica . Reemplazando la ecua-
cin (7.3) en (7.2) y dividiendo por 2:
2
, la ecuacin de momento queda
du
dt
+
8u
:
2
=
o
2

2
0
(1 1
c
) cos d (7.4)
Por otro lado, despreciando el trmino de conductividad axial en el uido,
la ecuacin de energa en el mismo elemento es
c:
2
1d

1
t
+ u
1
(1)

2:1d (1 1
c
) si 0 < <
2:1d

si < < 2
que reescribimos como
1
t
+
u
1
1

2/
c:
(1 1
c
) si 0 < <
2
c:

si < < 2
(7.5)
donde hemos introducido la capacidad calorca c del uido y el coeciente
de transferencia trmica / entre el sistema y la fuente fra.
7.2.1. Adimensionalizacin
Existen varias maneras de adimensionalizar el problema, segn la caractersti-
cas en las que estemos interesado en analizar. Por ejemplo, Ferreri y Ambrosini
(2000) han estudiado la estabilidad del termosifn toroidal prestando especial
atencin a las transiciones laminar-turbulento, por lo que han elegido expresar
la velocidad adimensional como el nmero de Reynolds. En este trabajo nos
limitamos slo a ujo laminar, por lo que proponemos una forma particular de
variables adimensionales que pueden llegar a parecer poco naturales a prime-
ra vista, pero que resultan extremadamente convenientes para simplicar una
etapa posterior del anlisis. En efecto, sean las variables
1o
r =
u
u
ref
=
2:
2
1Nu
u
=
t
t
ref
=
Nu
2:
2
t
=
1 1
c
1
ref
=
/

(1 1
c
) 0
con la difusividad trmica y el nmero de Nusselt basado en el dimetro
escritos en funcin de la conductividad trmica / del uido como
=
/
c
Nu =
2/:
/
(7.6)
Notar que
u
ref
=
1
t
ref
por lo que una vez jada la escala temporal del problema bsicamente con
el radio : de las seccin transversal la velocidad caracterstica slo depende
del radio 1 del toro.
El coeciente / aparece en la ecuacin (7.5) el mismo con el que adimen-
sionalizamos la temperatura slo en la mitad superior del toro, donde la
condicin de transferencia de calor est dada por la diferencia de temperatura
entre la pared y el seno del uido. Es posible mostrar (Incropera y Dewitt, 2002;
Kaka y Yener, 1995) que para el caso de ujo laminar de Poiseuille con condi-
cin de contorno de temperatura constante, el nmero de Nusselt es idntica-
mente Nu = 3.66. Dado que vale constantemente la ecuacin (7.6), si tomamos
las propiedades del uido a una temperatura de referencia 1
0
que puede
ser la temperatura de la fuente fra 1
c
la adimensionalizacin propuesta est
bien denida, pues el coeciente de transferencia / es constante e igual a
/ =
Nu/
2:
(7.7)
Las ecuaciones ecuaciones adimensionales que resultan son
dr
d
+ r =
Ra
4

2
0
cos d (7.8)

+ r

2 si 0 < <
2 si < < 2
(7.9)
1o8
siendo los dos nmeros adimensionales que caracterizan el problema
= 16
Pr
Nu
Ra =
:
21
o1
ref
:
3

1
Nu
Es posible que el lector se pregunte por qu el nmero contiene una
constante numrica, o por qu el nmero de Nusselt aparece explcita-
mente en la ecuacin de momento. La razn de esta extraa adimensionali-
zacin quedar ms clara algunas secciones ms adelante, cuando mostremos
que es posible transformar estas ecuaciones en derivadas parciales en un sis-
tema de ecuaciones diferenciales ordinarias. Ms an, la adimensionalizacin
propuesta es la nica que da como resultado exactamente el sistema de Lorenz.
El parmetro es proporcional al nmero de Prandtl Pr = , que fsi-
camente es la relacin entre la difusividad de momento y la difusividad tr-
mica. Dado que el nmero de Nusselt es constante, depende slo del uido.
En cambio, el nmero de Rayleigh del problema que resulta ser el nmero
de Rayleigh usual con un factor de forma :21 y un factor que introduce el
nmero de Nusselt explcitamente es proporcional al salto trmico de refe-
rencia

/, tambin constante. Por lo tanto, depende de las condiciones del


experimento y, al ser proporcional a la potencia total , es el principal parme-
tro de control.
7.2.2. Estado estacionario
Si existe una solucin con caudal estacionario r

no nulo, entonces ciertamente


la distribucin de temperaturas

() correspondiente no es trivial, ya que de-


be suceder que todo elemento de volumen, al completar una vuelta a lo largo
de los 2 radianes debe haber intercambiado una cantidad nula de calor en
condiciones diferentes de transferencia. Ms an, esta distribucin debe ser tal
que la fuerza boyante resultante sea exactamente igual a la integral del esfuer-
zo de corte en toda la pared del lazo. Anulando la derivadas con respecto al
tiempo en la ecuacin (7.9) y haciendo r = r

2
r

si 0 < <

() =

(0) exp

2
r

2
r

si < < 2

() =

() +
2
r

1oo
0
1
2
0 2

Ra = 30

Ra = 130
Ra = 10
Figura 7.3: Distribucin de temperaturas estacionaria

() para diferentes valores del nmero de


Rayleigh.
Con la condicin de periodicidad

(0) =

(2), la distribucin estaciona-


ria de temperaturas resulta (gura 7.3)

() =

2
r

exp(
2
x

1 exp(
2
x

)
si 0 < <
2
r

exp(
2
x

1 exp(
2
x

)
+
2( )
r

si < < 2
(7.10)
Reemplazando

() en la ecuacin (7.8) y realizando las integrales corres-


pondientes, obtenemos una expresin implcita para el caudal r

= Ra

1 + exp(
2
x

)
1 exp(
2
x

)


(r

)
2
+ 4
+
1
r

(7.11)
Al igual que en el captulo 5 y debido a la simetra del problema, si r = r

y () =

() es una solucin estacionaria, entonces


r = r

() =

( ) (7.12)
tambin lo es.
7.2.3. Anlisis de Fourier
En la literatura (Bau y Torrance, 1981; Hart, 1985; Gorman et al., 1986; Ehr-
hard y Mller, 1990) se arma que para los lazos de conveccin natural en
general y para este problema en particular, es posible reducir la formulacin
original en derivadas parciales utilizando anlisis de Fourier a un sistema
de ecuaciones diferenciales ordinarias de dimensin tres, desacoplado com-
pletamente del resto de los innitos modos de Fourier. Si bien este resultado es
11o
estrictamente cierto slo para condiciones iniciales particulares, a continuacin
mostramos que utilizando una aproximacin bastante razonable, la reduccin
funciona para casos ms generales. En efecto, al ser (. ) peridica 2 es po-
sible encontrar un desarrollo de Fourier de la forma
(. ) = c
0
() +

n=1
c
n
() cos(:) +

n=1
/
n
() sin(:) (7.13)
Reemplazando la forma (7.13) en la ecuacin de momento (7.8), dada la
ortogonalidad de las funciones seno y coseno para el producto interno usual,
todos trminos con : 1 se anulan al hacer la integral que aparece en el miem-
bro derecho. En particular, slo queda el modo fundamental par c
1
r + r =
Ra
4

2
0

c
0
+

n=1
c
n
cos(:) +

n=1
/
n
sin

cos d
r + r =

4
Ra c
1
Reemplazando la forma (7.13) en la ecuacin de energa (7.9)
c
0
+

n=1
c
n
cos(:) +

n=1

/
n
sin(:) + r

n=1
:c
n
sin(:) +

n=1
:/
n
cos(:)

c
0
+

n=1
c
n
cos(:) +

n=1
/
n
sin(:)

si 0 < <
2 si < < 2
(7.14)
Integrando entre 0 y 2 se anulan todos los trminos del miembro izquierdo
excepto el primero

2
0
c
0
d = 2


0
c
0
d +

n=1
c
n


0
cos(:) d +

n=1
/
n


0
sin(:) d

+
+

2 d
c
0
2 = 2

c
0
+ 2

n impar
/
n
:

+ 2
c
0
= 1 c
0

n impar
/
n
:
111
Multiplicando ahora la ecuacin (7.14) por cos(:), integrando entre 0 y 2
y prestando atencin slo a los trminos de la serie cuya integral no se anule,
tenemos
c
m

2
0
cos
2
(:) d + r :/
m

2
0
cos
2
(:) d = 2c
m


0
cos
2
(:) d
c
m
+ r :/
m
= c
m

c
m
+ r :/
m
= c
m
Anlogamente, pero multiplicando esta vez la ecuacin (7.14) por sin(:)

/
m

2
0
sin
2
(:) d r :c
m

2
0
sin
2
(:) d =
= 2

c
0


0
sin(:) d + /
m


0
sin
2
(:) d

+ 2

sin(:) d

/
m
r :c
m
=
2c
0
:

1 cos(:)

2/
m

2

2
:

1 cos(:)

/
m
r :c
m
=

/
m

4
:

c
0
+ 1

para : impar
/
m
para : par
De esta forma, hemos transformado el problema original en derivadas par-
ciales a un sistema de innitas ecuaciones diferenciales acopladas

r = r +

4
Ra c
1
c
0
= 1 c
0

n impar
/
n
:
c
n
= c
n
r :/
n

/
n
=

r :c
n
/
n

4
:

c
0
+ 1

para : impar
r :c
n
/
n
para : par
(7.15)
Es claro que en el sistema (7.15) todas las variables estn estrictamente aco-
pladas entre s. Sin embargo, si hacemos la suposicin
c
0
() = 1 (7.16)
11i
que a priori puede parecer un poco fuerte pero ms adelante mostramos que
en realidad es bastante razonable, entonces las ecuaciones para r, c
1
y /
1
se
desacoplan del resto y resulta el sistema reducido de dimensin nita

r = r +

4
Ra c
1
c
1
= c
1
r /
1

/
1
= r c
1
/
1

(7.17)
De esta forma, la evolucin temporal del caudal r depende slo de la am-
plitud del modo fundamental par c
1
, que a su vez bajo la suposicin (7.16)
est desacoplado de los armnicos superiores. Ms an, deniendo ahora dos
nuevas y previsibles variables n y . tales que
n =

4
Ra c
1
. =

4
Ra /
1
+ 2Ra
el sistema de ecuaciones (7.17) se transforma en
x =

r
n
.

(n r)
r. n + 2Ra r
rn .

(7.18)
que no es ms ni menos que el ya conocido y notable sistema de Lorenz, con
el parmetro / igual a la unidad y : = 2Ra. Podemos encontrar la amplitud
de los modos fundamentales a partir de la rbita en el espacio de las fases del
sistema dinmico (7.18) invirtiendo el cambio de variables
c
1
() =
4
Ra
n()
/
1
() =
4
Ra

.() 2Ra

7.2.4. Puntos jos y estabilidad


Si efectivamente es posible describir el comportamiento real del sistema slo
con estas tres ecuaciones diferenciales ordinarias, entonces los puntos jos del
sistema (7.18) deben coincidir con las soluciones estacionarias encontradas en
la seccin 7.2.2. Vamos a estudiar aqu los puntos jos y las bifurcaciones del
sistema de Lorenz con los parmetros particulares de este caso : = 2Ra y / = 1.
11
x

Ra
Ra

1
Ra

3
Ra

2
Figura 7.4: Diagrama esquemtico de bifurcaciones del sistema dinmico (7.18). Las lneas puras son
atractores y las lneas de trazos son repulsores. Las escalas de los ejes no guardan relacin alguna con
los valores reales.
Muchas de las propiedades dinmicas slo pueden ser estudiadas numrica-
mente, por lo que Mikhailov y Loskutov (1996, cap. 3) realizan una descrip-
cin cualitativa de la topologa del espacio de las fases para diferentes valores
del parmetro de control :. Intentamos reproducir esta descripcin con el dia-
grama de bifurcaciones de la gura 7.4 que construimos a partir del anlisis
matemtico del sistema dinmico. Por otro lado, Lahey Jr. (1992) propone un
tratamiento similar para analizar la estabilidad del lazo toroidal con condicin
de temperatura ja en toda la pared.
El sistema de ecuaciones (7.18) es homogneo, por lo que el origen Oes un
punto jo que corresponde a la solucin trivial de reposo. El jacobiano evalua-
do en el origen es
J(O) =

0
2Ra 1 0
0 0 1

cuyos autovalores son

1
= 1

2
=
( + 1)

( + 1)
2
4(1 2Ra)
2

3
=
( + 1) +

( + 1)
2
4(1 2Ra)
2
11
Para Ra = 12 el ltimo autovalor se hace cero y ocurre una bifurcacin
tipo pitchfork donde se crean dos puntos jos estables no triviales y el origen
pierde su estabilidad. Dada la simetra en las variables r e n del sistema de
Lorenz, estos dos puntos jos mantienen su simetra para cualquier valor Ra
del nmero de Rayleigh y valen
x

1
=

2Ra 1 +

2Ra 1 2Ra 1

T
(7.19)
x

2
=

2Ra 1

2Ra 1 2Ra 1

T
lo que nos est diciendo que la simetra fsica del problema se mantiene, ya
que como el coseno es una funcin par y el seno impar, el hecho de cambiar
de signo tanto de r como de n pero no de . es equivalente a realizar la
inversin propuesta en la ecuacin (7.12).
El jacobiano evaluado en el punto jo positivo x

1
es
J(x

1
) =

0
1 1

2Ra 1

2Ra 1

2Ra 1 1

(7.20)
y el polinomio caracterstico de esta matriz es

3
+ 2Ra ( + 2)
2
+ (2Ra + ) + 2(2Ra 1) (7.21)
Es posible mostrar, aplicando el criterio de estabilidad de Routh-Hurwitz
(Dorf, 2001), que el punto jo x

1
y correspondientemente x

2
es estable
para
Ra

1
=
1
2
< Ra < Ra

2
=
1
2
( + 4)
+ 2
y en Ra = Ra

2
ocurre una bifurcacin de Hopf. En efecto, para Ra = Ra

2
, la
matriz jacobiana (7.20) tiene autovalores imaginarios puros = i, con
=

2(2Ra

2
1)
+ 2
(7.22)
Para Ra = Ra

1
que existe una bifurcacin de tipo pitchfork, por lo que los
puntos jos creados x

1
y x

2
son estables. Para Ra = Ra

2
, el autovalor del
jacobiano es estrictamente imaginario. Luego, en virtud del teorema de Jo-
seph y Sattinger (1972), ocurre bifurcacin de Hopf (gura 7.4). Para otro va-
lor crtico del nmero de Rayleigh Ra

3
cuyo valor no es posible determinar
analticamente el ciclo lmite estable deja de serlo, de forma tal que para
Ra Ra

3
no existe ninguna solucin peridica estable.
11j
El sistema dinmico (7.18) es disipativo en el sentido de que contrae vo-
lmenes en el espacio de las fases ya que la traza del jacobiano es idntica-
mente igual a (+2) < 0. Por lo tanto, como para Ra Ra

3
no existen puntos
jos ni ciclos lmites estables, para tiempos largos toda rbita acotada deber
estar soportada por un conjunto de volumen cero pero de dimensin mayor
que dos, segn el teorema de Poincar-Bendixon (Solari et al., 1996). Dado que
las variables que nos interesan en los lazos de conveccin natural estn aco-
tadas, si trabajamos con un nmero de Rayleigh Ra Ra

3
vamos a encontrar
rbitas aperidicas.
Por otro lado, la solucin de estado estacionario r

2Ra 1 del sistema


de ecuaciones (7.18) no se parece mucho a la relacin implcita (7.11)
r

= Ra

1 + exp(
2
x

)
1 exp(
2
x

)


(r

)
2
+ 4
+
1
r

(7.11)
Sin embargo, para r

1 que tambin implica Ra 1 podemos apro-


ximar tanto el numerador como el denominador del miembro derecho de la
ecuacin (7.11) por su desarrollo de Taylor a primer orden
r

= Ra

1 +

1
2
x

1
2
x



(r

)
2
+ 4
+
1
r

= Ra

2
2
x

+
4
x

+
1
r

Despreciando los trminos de orden 1r

con respecto a los rdenes cero y


uno en r

, tenemos
r

= Ra

1
r

+
1
r

por lo que efectivamente recuperamos la aproximada igualdad de los pri-


meros elementos del vector x

en la ecuacin (7.19)
r

2Ra

2Ra 1
Tambin bajo la suposicin de r

1 y aproximando las exponenciales a


primer orden, la distribucin de temperatura estacionaria (7.10) se simplica a

() =

1
2
r

si 0 < <
1 +
2( 2)
r

si < < 2
(7.23)
110
de forma tal que el coeciente c

1
vale
c

1
=
1

1
2
r

cos d +

1 +
2( 2)
r

cos d

=
1

4
r

+
4
r

=
8
r

por lo que
n

=

4
Ra
8
r

= 2
Ra
r

=
2Ra

2Ra 1

2Ra

2Ra 1
Procediendo anlogamente, el coeciente /

1
resulta ser igual a cero debido
a la simetra de la funcin aproximada

(), con lo que


.

= 2Ra 2Ra 1
completando as la igualdad a menos de una unidad restando en el nme-
ro de Rayleigh elemento a elemento del punto jo positivo x

1
del sistema de
ecuaciones (7.18) con las soluciones de estado estacionario de las ecuaciones en
derivadas parciales originales discutidas en la seccin 7.2.2. Hemos demostra-
do as que la descripcin del problema original en derivadas parciales con slo
tres ecuaciones diferenciales ordinarias es razonable, al menos para Ra 1 y
en el estado estacionario.
Tanto en la ecuacin (7.23) como en la gura 7.3 vemos que para nmero
de Rayleigh grandes, la distribucin estacionaria

() es esencialmente
igual a la unidad. Esto es, el valor medio de estado estacionario es c
0
= 1,
que es el primer resultado que encontramos para tratar de justicar la suposi-
cin (7.16)
7.3. Diseo de un controlador difuso
Hemos hecho los desarrollos de las secciones 7.2.3 y 7.2.4 slo con el objeti-
vo de encontrar un modelo en ecuaciones diferenciales ordinarias para poder
aplicar las ideas de control difuso de Takagi-Sugeno. En efecto, disponemos
11
de un sistema de tres ecuaciones diferenciales ordinarias que, para Ra 1,
describen razonablemente bien la evolucin de la velocidad media y de los
coecientes de los modos fundamentales par e impar. Ms an, este sistema
resulta ser exactamente igual al sistema de Lorenz con / = 1 y : = 2Ra. Por lo
tanto, la estrategia natural para disear un controlador difuso es encontrar un
modelo de Takagi-Sugeno y a partir de l, calcular las ganancias de las matri-
ces de control por variable de estado de forma tal de estabilizar cada uno de
los subsistemas que lo componen.
Si bien vamos a disear el controlador a partir del sistema (7.18), debemos
aplicar la accin de control al sistema original formulado en las ecuaciones
en derivadas parciales (7.4) y (7.5).
El parmetro de control es la potencia total entregada por la fuente de
calor, que tiene una relacin directa con el nmero de Rayleigh del problema
y que reescribimos teniendo en cuenta por un lado el rea de transferencia de
calor 2
2
1: y por otro la ecuacin (7.7), en funcin de la potencia total como
Ra =
1
2
3
o
/
:
4
1
2
1
Nu
2
(7.24)
A partir de la construccin de un modelo difuso de Takagi-Sugeno con pa-
rmetro de control Ra vamos a disear un controlador difuso que provea una
potencia (x) de forma tal de lograr una velocidad u
sp
o en forma equiva-
lente r
sp
dada.
7.3.1. Perturbacin del punto jo
Para Ra 1 jo, hemos demostrado que la solucin estacionaria r

de las
ecuaciones (7.8) y (7.9) coincide con los puntos jos del sistema de ecuacio-
nes (7.18). Prestando atencin slo al caso de r

0, el punto jo de inters
resulta
r

2Ra 1
n

2Ra 1
.

= 2Ra 1
De esta forma, si queremos lograr una velocidad adimensional r
sp
= r

,
debemos elegir una potencia tal que el nmero de Rayleigh sea
Ra
sp
= Ra

=
r
2
sp
+ 1
2
=
(r

)
2
+ 1
2
118
Sin embargo, si Ra

es mayor que un cierto valor crtico Ra

3
, la solucin
estacionaria x

= [r

] deja de ser estable y el sistema entra en un rgimen


de caos de Lorenz.
Dado que segn la denicin 6.2 de sistema dinmico de Takagi-Sugeno
que utilizamos necesita que la planta a controlar sea homognea, debemos
trasladar el origen del espacio de las fases al punto jo x

que queremos es-


tabilizar. Dejemos entonces que tanto las variables de estado como la accin
de control puedan uctuar alrededor del punto jo de forma tal que podamos
escribir
r = r

+ r(t)
n = n

+ n(t)
. = .

+ .(t) (7.25)
Ra = Ra

+ Ra(t)
No es necesario que los apartamientos x sean pequeos, como estamos
acostumbrados a pensar en el mundo lineal. Si en el ejemplo 6.2 el vec-
tor de estado se hubiese mantenido tan cerca del origen de manera tal que la
linealizacin alrededor del punto jo logre representar razonablemente bien
la dinmica del sistema, la tcnica tradicional de control por variables de es-
tado habra sido suciente, tal como sucedi en el ejemplo del tanque de la
seccin 4.3. Sin embargo esto no es suciente para lograr un control global sin
importar en qu lugar del espacio de las fases se encuentre el sistema. Es por
eso que en este caso la notacin implica slo apartamiento en el sentido de
diferencia y no de mdulo pequeo.
El sistema (7.17) es equivalente al al (7.18) mediante el cambio de variables
propuesto slo si el nmero de Rayleigh no depende del tiempo de forma
tal que n c
1
y .

/
1
. Si queremos tener en cuenta que dRadt = 0 entonces
debemos agregar los trminos n

RaRa y .

RaRa en la expresin explcita de n
y . del sistema (7.18), respectivamente. Sin embargo, para Ra 1 y a la luz
de las aproximaciones y suposiciones que hemos utilizado hasta el momento,
podemos despreciar estos trminos.
Reemplazando (7.25) en el sistema de ecuaciones (7.18) original
r =

(n

+ n) (r

+ r)

n = (r

+ r)(.

+ .) (n

+ n) + 2(Ra

+ Ra)(r

+ r)
. = (r

+ r)(n

+ n) (.

+ .)
11o
Teniendo en cuenta que [r

] es un punto jo para Ra = Ra

x =

(n r)
r

. .

r r. n + 2Ra

r + 2Ra r

+ 2Ra r
r

n + n

r + rn .

(7.26)
Obtenemos as un nuevo sistema dinmico no-lineal debido a los trminos
cruzados r., rn y rRa, que no tienen por qu ser despreciables frente a
los dems trminos. Efectivamente el origen de este nuevo espacio de las fases
para x es un punto jo, que corresponde al setpoint x

en el espacio original.
7.3.2. Modelo difuso de T-S
Las no linealidades del sistema de ecuaciones (7.26) tienen la misma forma que
el sistema original de Lorenz, cuyo modelo difuso exacto ya encontramos en
el ejemplo 6.1. De la misma manera para r [d. d] el modelo difuso del
sistema (7.26) tiene dos reglas, con la diferencia de que esta vez tenemos que
tener en cuenta tambin la matriz que introduce la accin de control Ra. Es
fcil ver que el sistema difuso
IFr IS`
1
THEN x =

0
1 1 r

d
n

+ d 1

x +

0
2(r

+ d)
0

Ra
IFr IS`
2
THEN x =

0
1 1 r

+ d
n

d 1

x +

0
2(r

d)
0

Ra
una vez ms con las funciones de membresa
j
1
(r) =
1
2

1 +
r
d

j
2
(r) =
1
2

1
r
d

d d 0

2
(x)
1
(x)
x
representa exactamente al sistema dinmico (7.26) para r [d. d].
7.3.3. Diseo del controlador
El diseo del controlador consiste en encontrar las matrices de ganancia de
variable de estado 1
1
y 1
2
de tamao 13 tales que la accin de control
1io
Ra = 1
i
x =

/
i1
/
i2
/
i3

r
n
.

estabilice el origen de cada uno de los dos subsistemas. A lazo cerrado, el


i-simo subsistema es
x =
i
x + 1
i
Ra
= [
i
+ 1
i
1
i
] x
En virtud del teorema 3.2, queremos encontrar entonces las ganancias /
tales que
[
1
+ 1
1
1
1
] =

0
1 + 2(r

+ d)/
11
1 + 2(r

+ d)/
12
r

d + 2(r

+ d)/
13
n

+ d 1

y
[
2
+ 1
2
1
2
] =

0
1 + 2(r

d)/
21
1 + 2(r

d)/
22
r

+ d + 2(r

d)/
23
n

d 1

tengan todos sus autovalores con parte real estrictamente negativa.


En particular, apliquemos el control a un lazo de forma toroidal de dime-
tro de caera 2: = 30 mm y altura total 21 = 0.75 m. Sea la temperatura de
refrigeracin 1
c
= 20

C y la potencia nominal total de calentamiento en la par-


te inferior = 100 W. Para esta geometra y agua como uido de trabajo
los nmeros adimensionales que caracterizan el sistema son
Nu = 3.66 (ujo laminar de Poiseuille)
Ra

= 1385
= 29.8
La velocidad de referencia u
ref
que da la adimensionalizacin r es
u
ref
=
1
2
1Nu
:
2
= 4.5 10
4
m s
1
1i1
0.06
0.04
0.02
0
0.02
0.04
0.06
0 1000 2000 3000 4000
tiempo [seg]
w
[
m

1
]
(a) Velocidad media w en funcin del tiempo
0.25
0.50
0.75
0 1000 2000 3000 4000
tiempo [seg]
1.00
a
0
(b) Coeciente a
0
del desarrollo de Fourier de la distribucin de temperatu-
ras (, )
Figura 7.5: Evolucin temporal del lazo toroidal a la potencia nominal sin accin de control externa
por lo que el setpoint r
sp
=

2Ra

1 = 52.6 corresponde a una velocidad


real
1
u
sp
= 52.6 4.5 10
4
m s
1
= 0.023 m s
1
Apartir de una condicin inicial de temperatura homognea en todo el lazo
igual a un grado centgrado por sobre la temperatura 1
c
de la fuente fra y una
pequea perturbacin de la velocidad inicial con respecto al estado de reposo,
la evolucin temporal del sistema sin controlarresolviendo numricamente
las ecuaciones dimensionales (7.4) y (7.5) con la potencia nominal de 100 W
es la que mostramos en la gura 7.5a.
Aprovechando esta simulacin numrica, podemos darle ms crdito a la
suposicin de que c
0
() 1 con la ayuda de la gura 7.5b. All vemos
que efectivamente para tiempos grandes por ms que la velocidad tenga
una oscilacin catica, el valor medio de la distribucin de temperatura (. )
tiende a la unidad.
1
En realidad hemos elegido una potencia nominal e intentamos estabilizar la solucin de
estado estacionario. Vale el comentario al pie de la pgina 85, eligiendo ahora la potencia en
lugar de la temperatura.
1ii
200
0
200
400
300
200
100
0
100
200
300
0
200
200
n
.
r
Figura 7.6: rbita en el espacio de las fases [xy z] del sistema sin controlar, resuelto con las
ecuaciones en derivadas parciales.
Para escribir numricamente las matrices y las funciones de membresa
que conforman el modelo difuso del sistema aproximado (7.26), necesitamos
encontrar un intervalo [d. d] que soporte a la variable r. Observando la tra-
yectoria de la solucin de las ecuaciones adimensionales en derivadas parcia-
les (7.8) y (7.9) en el espacio de las fases generado por r, n y . en la -
gura 7.6 que como era de esperar se asemeja notablemente al atractor de
Lorenz, fortaleciendo an ms nuestra hiptesis de que podemos creerle al
sistema (7.18) vemos que un valor razonable para la amplitud del intervalo
es d = 200.
Teniendo de esta manera un modelo difuso del sistema dinmico (7.26),
podemos ajustar las ganancias de forma tal que las matrices a lazo cerrado
[
1
+ 1
1
1
1
] =

29.8 29.8 0
1 + 505.2 /
11
1 + 505.2 /
12
252.6 + 505.2 /
13
52.6 252.6 1

[
2
+ 1
2
1
2
] =

29.8 29.8 0
1 294.8 /
21
1 294.8 /
22
147.4 294.8 /
23
52.6 147.4 1

En particular, el controlador difuso de Takagi-Sugeno

IFr IS`
1
THENRa =

0.6 5.5 50

x
IFr IS`
2
THENRa =

0.9 9.5 45

x
(7.27)
da como resultado una accin de control Ra que segn la ecuacin (7.24)
corresponde a una perturbacin de potencia
1i
inicio del control
0.04
0.02
0
0.02
0.04
0
50
100
150
200
250
0 200 400 600 800 1000 1200 1400
tiempo [seg]
w
[
m

1
]

q
[
W
]
Figura 7.7: Evolucin de la velocidad w con la accin de control (7.27) sobre la potencia total q. La curva
en lneas de trazos corresponde al sistema con las mismas condiciones iniciales sin controlar.
= 2
3
Nu
2
/
o
1
2
:
4
Ra
que aplicada a las ecuaciones diferenciales en derivadas parciales dimensiona-
les (7.4) y (7.5) resulta en el comportamiento de la gura 7.7.
Notar que el controlador slo tiene en cuenta el modelo difuso de Takagi-
Sugeno del sistema nito de ecuaciones diferenciales para el caudal adi-
mensional y los coecientes de los modos fundamentales par e impar de la dis-
tribucin de temperaturas, bajo la suposicin de que c
0
() = 1. No es posible
asegurar que el controlador difuso pueda estabilizar las ecuaciones originales
en derivadas parciales en una situacin arbitraria.
En la gura 7.7 vemos que el controlador (7.27) efectivamente estabiliza la
solucin de estado estacionario que hemos elegido como setpoint del proble-
ma. Sin embargo, las ganancias elegidas estabilizan tambin otras soluciones
de estado estacionario que en particular no queremos alcanzar. En efecto, la r-
bita es atrada a uno de los dos puntos jos simtricos inestables sin contro-
lar pero estables a lazo cerrado del sistema de Lorenz segn sea la posicin
instantnea del vector de estado en el espacio de las fases, como vemos en la
gura (7.8).
Existe una manera de encontrar un conjunto de ganancias de forma tal de
estabilizar el setpoint pero inestabilizar el punto jo simtrico indeseado uti-
lizando el ya nombrado mtodo LMI. Sin embargo, la complejidad numri-
ca involucrada en estas desigualdades excede el alcance principalmente en
tiempo de esta tesis, por lo que recurrimos a un proceso iterativo de prueba
1i
0.06
0.04
0.02
0
0.02
0.04
0.06
0 500 1000 1500
tiempo [seg]
w
[
m

1
]
Figura 7.8: El controlador (7.27) estabiliza las dos soluciones posibles de estado estacionario, y el
sistema alcanza una u otra dependiendo del momento de accionar el control.
0.06
0.04
0.02
0
0.02
0.04
0.06
0 500 1000 1500 2000
tiempo [seg]
w
[
m

1
]
Figura 7.9: El controlador (7.28) logra inestabilizar los puntos jos no deseados
y error para corregir las ganancias de forma tal de eliminar las soluciones con
velocidad negativa. Efectivamente, modicando ligeramente la ganancia /
23
y
aplicando el controlador difuso

IFr IS`
1
THENRa =

0.6 5.5 50

x
IFr IS`
2
THENRa =

0.9 9.5 0

x
(7.28)
vemos en la gura 7.9 que logramos inestabilizar el punto jo de velocidad
negativa y realmente llegar a la velocidad de setpoint, independientemente del
estado del sistema al momento de activar el control. Sin embargo, vemos que
en este caso aumentan considerablemente tanto el overshoot como el settling
time. Nuevamente, el diseo de un control ptimo que estabilice slo aquellos
puntos jos que interesan, minimizando el esfuerzo de control y obteniendo la
mejor respuesta temporal es un problema que se puede atacar utilizando LMIs,
pero que no vamos a realizar en este trabajo.
Ms an, en las guras 7.7, 7.8 y 7.9, activamos el controlador cuando to-
dava segn la gura 7.5b- el coeciente c
0
es todava bastante menor que
la unidad, y sin embargo el controlador logra con mayor o menor ecacia
el objetivo. Esto nos est mostrando que no slo los armnicos superiores no
inuyen signicativamente en la evolucin temporal del sistema, sino que la
1ij
100
0
100
0 500 1000
tiempo [seg]

x
Ecuaciones en derivadas parciales
Sistema dinmico de orden 3
Figura 7.10: Comparacin entre los resultados de las ecuaciones en derivadas parciales y del sistema
dinmico de orden tres a partir de condiciones iniciales cercanas al estado estacionario.
suposicin (7.16) de hecho resulta ms que razonable despus de todo y que
efectivamente es posible desacoplar los dos primeros modos fundamentales
del resto. Como ltima ilustracin de la equivalencia entre las ecuaciones ori-
ginales en derivadas parciales y la aproximacin del sistema dinmico de or-
den tres mostramos en la gura 7.10 las soluciones obtenidas en ambos casos
para una condicin inicial cercana al estado estacionario sin aplicar la accin
de control.
1i0
CAPTULO VIII
Loop experimental
. . . que sin lugar a dudas resulta la esencia misma de
la naturaleza, principio de la diferenciacin de las
distintas partes que la componen.
Leo Ruspini, 2007
En este captulo presentamos los resultados obtenidos experimentalmente en
un lazo de conveccin natural rectangular inspirado en el problema de Welan-
der que, a pesar de varios intentos, no hemos podido llevar a una situacin
inestable catica. Comenzamos describiendo la instrumentacin y el sistema
de adquisicin empleado. A continuacin describimos y mostramos la evolu-
cin temporal de la temperatura en diferentes condiciones.
8.1. Instrumentacin
Las magnitudes que nos interesa monitorear en funcin del tiempo son bsi-
camente temperaturas y caudales. Para medir las primeras utilizamos termo-
cuplas tipo K, las cuales conectamos a un termmetro digital que convierte
la tensin trmica del par bimetlico del orden de los microvolts a una
diferencia de potencial numricamente igual a la temperatura en grados cen-
tgrados, expresada en milivolts. Por otro lado, medimos caudal a travs de
la diferencia de presin en un tubo de Pitot con una DP cell de alta sensibili-
dad, que tiene un rango de medicin entre 0 y 25 milmetros de columna de
agua. La seal elctrica que corresponde a la diferencia de presin es provista
por una electrnica que mide el desbalance sobre un puente de Wheatstone, y
da una tensin proporcional a la diferencia de presin, con 20 mV correspon-
diendo al fondo de escala de la DP cell. Utilizamos tambin para balancear el
puente sobre el que mide este mdulo un voltmetro de seis dgitos y un os-
ciloscopio digital en modo rolling. En la gura 8.1 mostramos la interrelacin
entre la instrumentacin.
termmetro digital
de termocuplas
osciloscopio digital
voltmetro de
seis dgitos
DP cells
mdulo lector
adquisicin
placa de
MELON
software PC
termocuplas
a las
a la DP cell
Figura 8.1: Instrumentacin y diagrama unilar de conexiones para determinar temperaturas y caudal
en funcin del tiempo.
8.1.1. Adquisicin
Para obtener la evolucin temporal de las variables implementamos un siste-
ma de adquisicin de datos por PC, utilizando para ello una placa interna de
12 bits y el mismo software de control difuso desarrollado para los captulos
anteriores y que describimos en el apndice B. La placa posee un amplicador
de ganancia seleccionable para realizar la conversin de tensin analgica a
digital, por lo que es posible hacer corresponder el fondo de escala a diferentes
tensiones. En particular, queremos medir seales del orden de los milivolts.
Pero el fondo de escala ms pequeo disponible en la placa de adquisicin
es 500 mV, lo que implica que la resolucin de la seal digitalizada no ser
la ptima. Ms an, como estamos interesados en observar caudales que even-
tualmente pueden llegar a oponerse a la direccin del Pitot, necesitamos medir
tensiones bipolares por lo que necesitamos destinar uno de los 12 bits al signo,
reduciendo ms todava la resolucin.
Por otro lado, si bien el termmetro digital puede acusar las mediciones de
hasta diez termocuplas diferentes, la eleccin de la termocupla cuya tensin
1i8
analgica es provista a la cadena de medicin externa se realiza mediante una
llave selectora manual de bajo ruido. De esta manera, podemos observar la
evolucin temporal completa de slo una temperatura a la vez. Aprovechan-
do la disponibilidad de un osciloscopio digital, enviamos no slo la seal del
mdulo para medir diferencia de presin sino tambin la salida analgica del
termmetro, de forma tal de tener una segunda forma de monitorear en tiempo
real las magnitudes medidas.
8.2. El loop rectangular
Los circuitos de conveccin natural rectangulares estn inspirados ciertamen-
te en el problema de Welander (1967). Sin embargo, justamente a partir de su
nombre ya comienzan a apartarse de la gura 5.3b dado que los intercambia-
dores de calor puntuales existen slo en la teora, por lo que los loops reales
deben tener una longitud / de intercambio nita. Sucede adems que es expe-
rimentalmente ms fcil controlar el ujo de calor que la temperatura 1
heater
en la fuente caliente, por lo que las condiciones de contorno en la parte in-
ferior son diferentes a la de la parte superior, perdiendo as la propiedad de
antisimetra del problema de Welander.
Hemos construido el loop rectangular que mostramos en la gura 8.2 con
el n de estudiar su evolucin temporal. En particular, el mismo consta de
dos tramos de PVC de 2,5 m de altura con una seccin circular de 40 mm de
dimetro, unidos entre s por dos tubos tambin de PVCde 55 mmde dimetro
y aisladas trmicamente del medio ambiente con Mexpol.
En la parte superior colocamos transversalmente una serpentina de alumi-
nio de 8 mm de dimetro y de 1 mm de espesor, por la que circula un caudal
de agua de la red aproximadamente igual a 4000 cm
3
s
1
y que funciona como
una fuente fra de temperatura 1
cooler
constante. Si bien esta temperatura es
constante durante la escala temporal de los transitorios, depende de las condi-
ciones climticas particulares al momento de realizar el experimento y puede
cambiar de uno a otro. En todos los casos observamos un valor entre 11 y 14
grados centgrados. Realizamos tambin una perforacin en el punto ms al-
to del loop, por un lado para facilitar el proceso de llenado y por otro para
igualar la presin del uido a la atmosfrica durante la operacin. Adosamos
tambin una conexin plstica para poder evacuar mejor el volumen de agua
desplazado debido a la expansin trmica. En la gura 8.3 podemos observar
el detalle la ubicacin de la serpentina, ya que hemos dibujando el cao trans-
versal transparente.
La parte inferior contiene la fuente de calor que consiste en calefactores
elctricos comerciales de 600 W de potencia nominal. Los calefactores estn
dispuestos simtricamente en dos tochos de sellador de curado por cido ac-
tico de 40 mm de dimetro y 20 mm de longitud, de forma tal que las conexio-
1io
calefactores
purga superior
flujo de agua fra
termocuplas
vlvula de purga
tubo de Pitot
purga inferior
alta presin
baja presin
Figura 8.2: El loop rectangular experimental y su instrumentacin
1o
Figura 8.3: Detalle del interior del loop en la zona superior
Figura 8.4: Detalle del interior del loop en la zona inferior
nes elctricas puedan ser alimentadas externamente. En una primera versin
del loop, ste contaba con dos calefactores, uno en cada tocho. Sin embargo,
en una segunda versin hemos instalado cuatro calefactores en total, dos a ca-
da lado. En la gura 8.4 mostramos su ubicacin en el loop y en la gura 8.5
el detalle de la disposicin de dos calefactores en uno de los tochos, tal como
result en la segunda versin. En el punto ms bajo colocamos una conexin
que funciona tanto para llenar como para vaciar el loop, y en la parte superior
del cao transversal dispusimos una vlvula para eliminar el aire que queda
atrapado en el tubo horizontal.
En una de los tramos verticales instalamos un tubo de Pitot para medir el
caudal instantneo. Como esperamos que el uido circule indistintamente en
cada uno de los dos sentidos posibles y estos medidores de caudal estn di-
seados para un sentido de circulacin particular, deberamos haber colocado
dos tubos de Pitot uno en cada pierna para mantener la simetra de forma
11
Figura 8.5: Detalle de la disposicin de los calefactores en el tocho de sellador
tal de obtener una diferencia de presin positiva en al menos uno de los tu-
bos. Sin embargo, comenzamos instalando slo uno y, ante las dicultades que
presenta la adquisicin de una seal del orden de 1 mV en un fondo de escala
de 500 mV con una precisin de 11 bits, decidimos mantener slo un Pitot y
observar slo el signo de la seal para inferir la tendencia general del ujo.
8.3. Resultados
Los resultados obtenidos no fueron los esperados, pues el objetivo original era
poner el loop en condiciones caticas para incluso, luego, poder aplicarle al-
guna de las formas de control difuso desarrolladas en captulos anteriores. En
todos los casos, el loop present condiciones de caudal de circulacin estable
para tiempos largos.
8.3.1. Caudal
El primero de los resultados del experimento fue la medicin del caudal. En
efecto, al construir el loop esperbamos poder determinar el caudal de circu-
lacin midiendo la diferencia de presin en un tubo de Pitot con una DP cell.
Estimamos tener velocidades lineales en el loop del orden de u = 0.05 m s
1
,
que corresponde a una presin de estancamiento equivalente a
/ =
u
2
2o
= 0.125 mm de H
2
O
Si bien esta diferencia de presin es extremadamente pequea, utilizamos
una DP cell de alta sensibilidad con un rango mximo de 25 mm de columna
de agua. El proceso de puesta en cero de la cadena de adquisicin es crtico
para poder determinar presiones diferenciales tan pequeas. Por eso hemos
1i
4
2
0
2
4
0 1000 2000 3000 4000 5000
t
e
n
s
i

n

m

d
u
l
o

D
P

c
e
l
l

[
m
V
]
tiempo [seg]
Figura 8.6: La medicin de caudal no result como esperamos, pues nada se puede asegurar sobre
la evolucin temporal del caudal con la cadena de adquisicin utilizada. El experimento mostrado tiene
tiempos caractersticos del orden de los 100 segundos.
calibrado el puente utilizando un voltmetro de seis dgitos y un osciloscopio
digital. Sin embargo, ni el mismo osciloscopio digital ni la placa de adquisi-
cin de 12 bits han sido tiles a la hora medir caudales reales. En la gura 8.6
mostramos la evolucin temporal de la seal provista por la electrnica del
mdulo lector de la DP cell que obtuvimos. Es claro que nada se puede asegu-
rar sobre el caudal, pues la medicin corresponde a un transitorio con tiempos
oscilatorios caractersticos del orden de los 100 segundos.
8.3.2. Temperatura con dos calefactores
Como ya mencionamos, en la primera versin experimental del circuito rec-
tangular utilizamos dos calefactores de 600 W. En las guras 8.7 y 8.8 mostra-
mos el resultado de la evolucin temporal de la temperatura en una pierna del
loop. Lo que esperbamos que sea una oscilacin catica termina siendo un
transitorio desde una temperatura fra a una temperatura ms caliente de es-
tado estacionario. Notar que el perodo de las oscilaciones estables es del
orden de 100 segundos que, teniendo en cuenta que la longitud total del loop
es 1 = 6 m, corresponde a una velocidad media del orden de los 5 centmetros
por segundo.
1
16
20
24
28
32
0 400 800 1200
t
e
m
p
e
r
a
t
u
r
a

[

C
]
tiempo [seg]
Figura 8.7: Evolucin temporal de la temperatura en una de las piernas del loop rectangular con dos
calefactores.
16
20
24
28
32
0 400 800 1200
t
e
m
p
e
r
a
t
u
r
a

[

C
]
tiempo [seg]
Figura 8.8: Evolucin temporal de la temperatura en una de las piernas del loop rectangular con dos
calefactores.
1
10
15
20
25
30
35
40
0 200 400 600 800 1000
t
e
m
p
e
r
a
t
u
r
a

[
C
]
tiempo [seg]
experimental
modelo
Figura 8.9: Evolucin temporal de la temperatura en una de las piernas con cuatro calefactores.
8.3.3. Temperatura con cuatro calefactores
Teniendo en cuenta que la gura 5.4 predice que las soluciones estacionarias
del problema de Welander con altos nmeros adimensionales son inesta-
bles, intentamos una segunda versin del loop utilizando el doble de calefac-
tores. Sin embargo, esto no termin correspondiendo al doble de potencia pues
si bien el envase de los calefactores comerciales deca explcitamente 600 W
de potencia, la resistencia hmica del conductor result ser igual a 100 en
lugar de los 80 que corresponderan a 600 W a 220 V de valor ecaz de
corriente alterna. De todas maneras, cuatro calefactores de 480 W hacen un to-
tal de 1920 W, que es una potencia bastante mayor que los 1200 W aplicados
en la versin anterior.
Por otro lado, en esta segunda versin instalamos la vlvula de purga en la
parte superior del cao transversal inferior (gura 8.4), dado que sospechba-
mos que el hecho de que pueda quedar aire atrapado en este lugar del circuito
podra contribuir a estabilizarlo. Sin embargo, nuevamente todos los resulta-
dos han mostrado que an para la nueva potencia el problema es estable. En
la gura 8.9 mostramos la temperatura en una pierna en funcin del tiempo,
junto con una prediccin del modelo terico que tiene en cuenta prdidas
carga puntuales, conduccin axial en el uido y prdidas el medio ambiente
lograda ajustando los parmetros termohidrulicos. En la gura 8.10 graca-
mos la misma temperatura pero apagando la fuente de calor en t = 0 a partir
del estado estacionario.
1j
10
15
20
25
30
35
40
0 1000 2000 3000 4000 5000
t
e
m
p
e
r
a
t
u
r
a

[
C
]
tiempo [seg]
experimental
modelo
Figura 8.10: Evolucin temporal de la temperatura en una de las piernas a partir del estado estacio-
nario, apagando la fuente de calor en t = 0.
8.4. Anlisis
La idea original del experimento era observar inestabilidades termouidodi-
nmicas. A pesar de no haber aparecido oscilaciones inestables, la construc-
cin del loop nos ha hecho ganar experiencia y aprender ciertos detalles de
implementacin a tener en cuenta para futuros trabajos experimentales. En
un primer momento y luego de obtener una solucin estable con la primera
conguracin de dos calefactores, pensamos que la potencia entregada no era
suciente para entrar dentro del margen de inestabilidad de la gura 5.4, que
si bien no se aplica rigurosamente, esperamos que sea representativa de la si-
tuacin en el loop rectangular. Es por eso que en la segunda versin instalamos
cuatro calefactores, esperando observar oscilaciones con cambio de sentido de
circulacin. Si bien el sentido del caudal depende de las perturbaciones ini-
ciales con respecto al estado de reposo y hemos logrado obtener velocidades
tanto positivas como negativas en diferentes experimentos, una vez jada la
perturbacin inicial, todos los caudales continuaron siendo estables y de sen-
tido jo.
Analizando el modelo numrico, podemos concluir que el factor ms im-
portante que contribuye a estabilizar el loop es la prdida de carga concentrada
en las obstrucciones que existen en los tramos horizontales de las caeras. Es-
to es, mirando las guras 8.3 y 8.4, la serpentina de la fuente fra y la zona
de los calefactores. Una gran prdida de carga diculta el movimiento de los
warmpockets de Welander, pues al llegar uno de stos la parte superior pierde
10
impulso y cuando efectivamente llega hasta la pierna opuesta e intenta revertir
el ujo, ya se ha creado otro warm pocket que tiende a aumentar la velocidad,
cancelando la inestabilidad.
Como conclusin general del experimento, podemos decir que afortuna-
damentees ms fcil encontrar inestabilidades caticas en modelos matem-
ticos idealizados que en circuitos termohidrulicos reales. La principal razn
de este resultado es la subestimacin de las fuerzas viscosas y de las prdidas
de cargas puntuales que existen en los loops experimentales.
1
CAPTULO IX
Conclusiones
Our knowledge can only be nite, while our
ignorance must necessarily be innite.
Karl Popper
El control basado en lgica difusa provee una forma alternativa de atacar pro-
blemas de control no lineal. En efecto, los controladores difusos lingsticos
basan su funcionamiento en reglas cualitativas de causa y efecto, que pueden
ser obtenidas sin necesidad de un modelo matemtico explcito. Este hecho
representa una ventaja notable frente a otros sistemas de control, ya que es po-
sible construir la base de reglas lingsticas a partir de un razonamiento que
ciertamente se asemeja a la forma de pensar del ser humano. Por otro lado, el
anlisis de problemas de control desde la perspectiva de los sistemas difusos
de Takagi-Sugeno aprovecha la disponibilidad de ecuaciones diferenciales y
ataca de forma natural problemas no lineales utilizando ideas de la teora de
control lineal.
El software MELON interpreta reglas difusas e inere una accin de con-
trol que puede ser aplicada tanto sobre simulaciones numricas en tiempo real
como en plantas fsicas reales a travs de puertos estndar o hardware de ad-
quisicin y control. A travs del estudio de problemas sencillos hemos desa-
rrollado una metodologa de diseo de controladores lingsticos, que aplica-
mos al anlisis y estudio del lazo de Welander. Al intentar este tipo de aproxi-
macin, hemos debido prestar especial atencin a la fsica del problema para
poder encontrar un conjunto de reglas lingsticas que logren controlar la so-
lucin de estado estacionario inestable. Por lo tanto no slo hemos logrado
el objetivo de aplicar un controlador difuso a un problema catico sino que
tambin hemos aprendido detalles de los aspectos termouidodinmicos del
problema.
Por otro lado, el software desarrollado es capaz de implementar controla-
dores difusos de Takagi-Sugeno, los cuales son especialmente aptos para atacar
problemas de control no lineales. En particular, hemos mostrado que es posible
describir razonablemente bien la evolucin temporal del caudal y de la tempe-
ratura en el lazo de conveccin natural con geometra toroidal con las simples
y conocidas ecuaciones de Lorenz. De esta manera, hemos obtenido un mo-
delo difuso de Takagi-Sugeno con el cual diseamos un controlador difuso y
logramos efectivamente estabilizar el punto jo naturalmente inestable para
nmeros de Rayleigh grandes.
Finalmente, si bien no hemos logrado observar experimentalmente las os-
cilaciones caticas que esperbamos, al construir el lazo rectangular de con-
veccin natural aprendimos ciertos detalles experimentales que seguramente
sern tiles en la construccin de nuevos loops.
9.1. Trabajos futuros
Ciertamente han quedado abiertos muchos problemas interesantes, que inten-
taremos atacar en futuros trabajos. Hemos controlado el lazo de Welander ac-
tuando sobre la temperatura de la fuente caliente, que corresponde al par-
metro . Nos interesara estudiar el problema actuando sobre el parmetro ,
por ejemplo utilizando una vlvula de regulacin. Tambin queda abierto el
estudio de lazos de conveccin natural con ebullicin subenfriada, donde los
efectos no lineales que introduce este efecto contribuyen a inestabilizar el sis-
tema. Adems, desde el punto de vista de la investigacin bsica, el estudio
y control difuso de lazos de conveccin natural experimentales es un tema de
sumo inters que no hemos podido abordar como esperbamos en este traba-
jo. De todas maneras, sabemos que debemos reducir la prdida de carga para
observar oscilaciones caticas. Una opcin para lograr esto es reemplazar los
calefactores comerciales por un sistema de calefaccin externo, por ejemplo re-
emplazando el tramo horizontal de PVC por un cao de hierro galvanizado y
arrollando un alambre de Kantal sobre el mismo.
Como hemos encontrado por un lado que la determinacin experimental
del caudal es un punto a tener en cuenta y por otro que la prdida de carga
puntual es un factor importante en la estabilidad de un lazo, estamos constru-
yendo un loop transparente con geometra de toroide de seccin transversal
anular. La pared externa transparente permitir realizar mediciones con tc-
nicas pticas tales como plano lser o lser Doppler, y el nulo interior con-
formar la fuente de calor en la semicircunferencia inferior y la fuente fra en
la superior. De esta manera, aumentamos levemente el factor de friccin de
Fanning pero no introducimos obstrucciones externas, conformando una con-
guracin que es ms susceptible de ser inestabilizada.
Pensando en el aspecto de desarrollo, el software MELON necesita ciertos
ajustes y mejoras, una de las cuales es el soporte general de placas de adquisi-
cin y control. Podramos utilizar para esto bibliotecas libres para el manejo de
este tipo de hardware. Ms an, deberamos incorporar al sistema de inferen-
1o
cia difuso del cdigo, tcnicas de optimizacin y aprendizaje dinmico basado
en redes neuronales.
Para terminar, resultara especialmente importante estudiar los problemas
de inestabilidades termouidodinmicas asociados a los efectos de la convec-
cin natural tanto para una como para dos fases en geometras reales de
reactores nucleares, que es el objetivo nal de este trabajo de investigacin y
desarrollo.
1o
APNDICE A
Evaluacin econmica
It is not from the benevolence of the butcher, the
brewer, or the baker, that we can expect our dinner,
but from their regard to their own interest.
Adam Smith, 1776
Siguiendo requerimientos de la autoridad de acreditacin universitaria que
seguramente no han sido pensados para una carrera de ingeniera atpica como
esta realizamos aqu la dudosa tarea de evaluar econmicamente un proyec-
to de investigacin y desarrollo, una vez concluido el mismo.
Este Proyecto Integrador de la Carrera de Ingeniera Nuclear ha sido reali-
zado en el Laboratorio de Cavitacin y Biotecnologa del Centro Atmico Ba-
riloche, Argentina, bajo la direccin del Dr. Fabin Bonetto y del Ing. Eugenio
Urdapilleta. El trabajo ha tenido tanto componentes de investigacin bsica
en tpicos de lgica difusa y termouidodinmica, como de desarrollo de sof-
tware y controladores no tradicionales. No est claro cmo denir parmetros
econmicos tales como tasa interna de retorno o tiempo de repago, pues si
bien las inversiones en investigacin bsica son absolutamente necesarias para
el desarrollo estratgico de un pas, la obtencin de los benecios no es di-
rectamente observable y depende de factores extremadamente complejos. Ms
an, la industria y el presupuesto nacional suelen considerar que los proyec-
tos de I+D son costos muertos, cuando en realidad sucede que los frutos de la
investigacin y el desarrollo son los factores claves que pueden llegar a dar la
diferencia competitiva necesaria para lograr efectivamente ventajas econmi-
cas tangibles.
A.1. Distribucin temporal de las tareas
Mostramos el diagrama de Gantt con la desagregacin de las tareas que rea-
lizamos para completar este Proyecto Integrador en la gura A.1. El trabajo
comenz en Agosto de 2006 y culmin en Junio de 2007, totalizando 46 sema-
nas. Sin embargo, debemos restar 14 semanas que hemos dedicado a exme-
nes, vacaciones y a la pasanta de la carrera de grado en la Central Nuclear
Atucha I. El diseo del plan curricular de la carrera contempla la dedicacin
mnima de 400 horas al Proyecto Integrador, tiempo que hemos alcanzado e
incluso sobrepasado.
A.2. Estimacin de costos
Claramente el proyecto contiene una parte de anlisis terico y otra de estu-
dios experimentales. Antes de estudiar los costos asociados a cada una de ellas,
conviene hacer consideraciones sobre el estipendio de la beca mensual del es-
tudiante que aparece como un costo jo comn a ambos aspectos. Debemos
desagregar en importe en becas de $770 durante los primeros siete meses y
de $847 en los cuatro meses restante debido a un aumento del 10 % en Marzo
de 2007. Dado que el monto de las becas es estipulado mensualmente a mes
vencido, debemos calcular el valor presente neto al comienzo del proyecto uti-
lizando una tasa de descuento mensual. Dada la tasa de descuento anual d, la
tasa de descuento mensual d
m
es
d
m
=
12

1 + d 1
De esta forma, el valor presente neto del total de las becas a Agosto de 2007
es
VPN(ago-06) = $770
7

k=1
(1 + d
m
)
k
+
$847
(1 + d
m
)
6

4

k=1
(1 + d
m
)
k
= $770
1 (1 + d
m
)
7
1 (1 + d
m
)
1
+
$847
(1 + d
m
)
6

1 (1 + d
m
)
4
1 (1 + d
m
)
1
Adoptando una tasa de descuento anual d = 0.12, el valor presente neto
resulta
VPN(ago-06) = $ 8450
Debemos prorratear este costo en forma proporcional a la fraccin de tiem-
po dedicado al proyecto. Teniendo en cuenta que las 400 horas asignadas al
proyecto constituyen el 20 % de la jornada diaria de 8 horas durante 11 meses,
el costo en concepto de becas del estudiante asignado al proyecto es nalmente
VPN a ago-06 en concepto de becas = $ 1700
1i
En las tareas de anlisis terico y numrico hemos utilizado bsicamente
un computadora de escritorio ya amortizada al momento de comenzar el tra-
bajo, por lo que no representa esto costo alguno. Sin embargo hemos utilizado
las instalaciones del Laboratorio de Cavitacin y Biotecnologa del Centro At-
mico Bariloche, cuyos costos en concepto de tasas e impuestos, limpieza, gas
natural y energa elctrica estimamos en $ 500. Ms an, hemos consultado del
orden de treinta artculos en publicaciones internacionales, cuyo costo prome-
dio es de $30 cada uno.
La instrumentacin utilizada en los estudios experimentales voltmetro
de seis dgitos, osciloscopio digital, termmetro digital, DP cell de alta sensibi-
lidad, placa de adquisicin y PC se encontraba disponible en el Laboratorio
de Cavitacin y Biotecnologa y ya haba sido amortizada antes de comenzar
los experimentos. Sin embargo hemos comprado materiales y componentes
especialmente para los dos lazos que s representan un costo directo. El gasto
total en insumos caeras y acoples, calefactores elctricos, selladores varios,
etc para la construccin de ambos experimentos es de $500.
Finalmente debemos agregar el costo que representa la cantidad de horas
de ingeniera dedicadas a consultora y revisin por parte de los directores
a lo largo del proyecto. Aunque mucho de este trabajo sobre todo el de
revisin fue realizado fuera del horario laboral, debemos tener en cuenta
sin embargo el costo de oportunidad. Estimamos que la consultora y la revi-
sin insumieron 50 horas-hombre, que a un valor de $30 la hora da un costo
de $1500.
Luego, el costo estimado del Proyecto Integrador asciende a $5100. Sin em-
bargo, si quisiramos realizar un proyecto de investigacin y desarrollo en
condiciones competitivas deberamos computar los costos de forma diferen-
te, teniendo en cuenta medidas de mercado para la hora de ingeniera y una
estimacin de horas de trabajo reales, ya que ste representa el costo ms sig-
nicativo de un proyecto de investigacin y desarrollo de estas caractersticas.
1
5
4
3
2
6
7
8
9
1
0
1
1
1
2
1
3
1
4
1
5
1
6
2
1
2
0
1
9
1
8
1
6
2
2
2
3
2
5
2
6
2
7
2
8
2
4
a
g
o
s
e
p
o
c
t
n
o
v
d
i
c
e
n
e
f
e
b
m
a
r
4
0
4
1
4
2
4
3
3
6
3
7
3
8
3
9
3
3
3
5
2
9
3
0
3
1
3
2
3
3
3
4
a
b
r
m
a
y
j
u
n
4
4
4
5
4
6
2
0
0
6
2
0
0
7
A t u c h a I
p a s a n t a e n
a g o s e p 2 0 0 6
v a c a c i o n e s
1
T
e
o
r

a

d
e

l

g
i
c
a

d
i
f
u
s
a
D
e
s
a
r
r
o
l
l
o

d
e
l

s
o
f
t
w
a
r
e

M
E
L
O
N
E
s
t
u
d
i
o

d
e

p
r
o
b
l
e
m
a
s

s
e
n
c
i
l
l
o
s
E
s
t
u
d
i
o

d
e
l

l
a
z
o

t
o
r
o
i
d
a
l
E
s
t
u
d
i
o

d
e
l

l
a
z
o

d
e

W
e
l
a
n
d
e
r
E
x
p
e
r
i
m
e
n
t
o

d
e
l

l
a
z
o

r
e
c
t
a
n
g
u
l
a
r
d e f e n s a o r a l
v a c a c i o n e s
e x m e n e s
v a c a c i o n e s
F
i
g
u
r
a
A
.
1
:
D
i
a
g
r
a
m
a
d
e
G
a
n
t
t
d
e
l
P
r
o
y
e
c
t
o
I
n
t
e
g
r
a
d
o
r
1
APNDICE B
Documentacin del software
MELON
Part of the inhumanity of the computer is that,
once it is competently programmed and working
smoothly, it is completely honest.
Isaac Asimov
El controlador MELON es un software que implementa una accin de con-
trol a partir de reglas difusas que pueden ser tanto lingsticas como reglas
de Takagi-Sugeno, o una combinacin de ambas. A la fecha de la escritura
de esta tesis Junio de 2007 slo existe una implementacin para sistemas
GNU/Linux libre y de cdigo abierto
1
, con diferentes y variables probabili-
dades de portar el cdigo a otras plataformas segn se desarrolle la carrera
profesional del autor una vez aceptado este trabajo como Proyecto Integrador
vlido para optar por el ttulo de Ingeniero Nuclear.
Bsicamente, el software interpreta un archivo de texto de ahora en ade-
lante cdigo fuzzy que contiene las deniciones de las variables lingsticas
que intervienen en las reglas, las funciones de membresa de los valores lin-
gsticos y las reglas propiamente dichas, junto con otras opciones tales como
la frecuencia de muestreo y los operadores difusos a utilizar, y opera en forma
difusa para inferir una accin de control en tiempo real. Es posible aplicar esta
accin a otros procesos locales que realicen simulaciones numricas como las
presentadas en este trabajo o a seales experimentales, ya que tanto las en-
tradas como las salidas reales (crisp) pueden ser ledas o escritas sobre named
pipes, archivos regulares, segmentos de memoria compartida o directamen-
te en puertos fsicos estndares o correspondientes a placas de adquisicin y
control
2
.
1
Justamente bajo licencia GNU, cuyo texto puede uno obtener casi aunque no lo desee. De
todas maneras, siempre es posible escribir a la FSF pidindolo de forma amable.
2
En realidad la versin actual slo contempla el modelo ADQ12B de MicroAxial que es la
placa de adquisicin con la que trabajamos en el captulo 8.
B.1. Quick-start: controlador difuso proporcional
El control difuso ms bsico que se puede realizar consiste en un controlador
lingstico de tres reglas que lee una variable error y toma una accin llamada
astutamente accion proporcional al error. El cdigo fuzzy que hace que el
software MELON realice un control difuso proporcional es
# ejemplo basico de controlador difuso proporcional
# 25-05-2007
SAMPLING FREQUENCY 10 # en Hertz
# las dos variables linguisticas leidas de pipes
VAR error INPUT PIPE /home/jeremy/error GAIN 1e-2
VAR accion OUTPUT PIPE /home/jeremy/accion GAIN 10
# las funciones de membresia de los valores linguisticos
# se dan con el valor central y el semiancho
VALUE negativo error TRIANGULAR_MIN -1 1
VALUE cero error TRIANGULAR 0 1
VALUE positivo error TRIANGULAR_MAX 1 1
VALUE negativa accion TRIANGULAR -1 1
VALUE cero accion TRIANGULAR 0 1
VALUE positiva accion TRIANGULAR 1 1
# finalmente, las reglas linguisticas
IF error IS negativo THEN accion IS positiva
IF error IS cero THEN accion IS cero
IF error IS positivo THEN accion IS negativa
B.2. Opciones de la lnea de comandos
La forma ms bsica de ejecutar el software es explicitando el archivo con el
cdigo fuzzy a leer
jeremy@cablcb6:~$ melon proporcional.fuzzy
Si no se especica ningn archivo, el software no realiza ninguna accin
jeremy@cablcb6:~$ melon
melon fuzzy controller version 0.3 dated 24-05-2007@22:28:14
error: you should specify a controller definition file!
usage: melon [file [options] | --help]
jeremy@cablcb6:~$
10
El parmetro file es el archivo que contiene el cdigo fuzzy y las opciones
disponibles son
-t secs tiempo de ejecucin, por defecto es para
siempre (o hasta Ctrl-C)
-d, -debug, -dump reporta detalles del cdigo fuzzy interpretado
para nes de depuracin
-2dmap x y reporta la curva de respuesta del controlador
para las variables x e y
-3dmap x y z reporta la supercie de respuesta en las
variables x, y y z
-m var muestra numricamente las funciones de
membresa de los valores asociados a la
variable var
-h, -help muestra una pantalla de ayuda
-q, -quiet modo silencioso, stderr queda en blanco
-v, -verbose modo verborrgico, imprime en stdout los
valores instantneos de las variables
B.3. Sintaxis del cdigo fuzzy
El cdigo fuzzy consiste en palabras clave y en parmetros denidos por el
usuario separados por un espacio simple o por un tabulador. Las palabras cla-
ve deben estar escritas estrictamente en maysculas, y al estar reservadas, no
es posible utilizar estas palabras como nombres de variables o valores. Es re-
comendable por ello escribir todas las deniciones en minsculas para evitar
todo tipo de confusiones. Ms an, no es buena idea utilizar caracteres altos
lase acentos y ees en nombres de valores o variables ya que el compor-
tamiento depender del cdigo de encoding del sistema. Todos los parmetros
que conforman una denicin deben estar en la misma lnea que la palabra cla-
ve que da comienzo a la denicin. Todas las lneas en blanco o aquellas que
comiencen con el caracter # sern ignoradas, por lo que es posible introducir
de esta manera comentarios para referencia.
Para mejor describir la sintaxis de las diferentes palabras clave que confor-
man un cdigo fuzzy, establecemos las siguientes normas de tipografa
KEYWORD palabra clave
var variable lingstica
val valor lingstico
mat matriz numrica
` nmero entero
r nmero real
x el caracter x
1
Cuando un parmetro sea opcional o se admita ms de una posiblidad,
utilizamos la nomenclatura que sigue
( KEYWORD1 | KEYWORD2) debe aparecer necesariamente una de
las palabras clave KEYWORD1 o KEYWORD2
[ KEYWORD ] la palabra clave KEYWORD es opcional
B.3.1. Deniciones generales
SAMPLING (FREQUENCY | PERIOD) r
Dene la frecuencia (perodo) de muestreo en Hertz (segundos). Esta de-
nicin es mandatoria. El software no se ejecuta si la frecuencia de muestreo no
est denida.
RUNNING_TIME r
Dene un tiempo mximo de ejecucin del controlador, en segundos. Por
defecto el controlador corre por tiempo indenido, hasta que el proceso sea
matado con una seal KILL (Ctrl-C) o equivalente. La opcin de lnea de
comandos -t sobreescribe la denicin del cdigo fuzzy.
B.3.2. Seleccin de operadores
INTERSECTION (MINIMUM | PRODUCT)
Dene el operador interseccion a utilizar. Por defecto es el operador mni-
mo.
FUZZIFICATION (SINGLETON)
Dene el operador fuzzication. Hasta el momento el nico soportado es
el operador singleton.
DEFUZZIFICATION (COG | CAV)
Dene el operador defuzzication para las reglas lingsticas. Las reglas
de Takagi-Sugeno tienen un operador defuzzication jo. El valor por defecto
es COG.
B.3.3. Denicin de variables lingsticas
VAR foo DUMMY
Dene una variable lingstica muda llamada foo.
VAR foo (INPUT | OUTPUT) (FILE | PIPE) (64BITFLOAT | ASCII)
bar [GAIN o]
Dene una variable lingstica llamada val, de entrada (salida) al controla-
dor cuyo valor crisp debe ser ledo (escrito) en el archivo regular (palabra clave
18
FILE) o named pipe (PIPE) archivo como un nmero real de coma otante
de 64 bits o en texto plano ASCII. La ganancia opcional escalea el valor real
leido (escrito) en un factor multiplicativo 1o (o) a la hora de evaluar las reglas
difusas.
VAR foo (INPUT | OUTPUT) SHARE ` [GAIN o]
Dene una variable lingstica llamada foo, de entrada (salida) al controla-
dor cuyo valor crisp debe ser ledo (escrito) en el recurso de memoria compar-
tida con identicador ` como un nmero real de coma otante de 64 bits. La
ganancia opcional escalea el valor real leido (escrito) en un factor multiplicati-
vo 1o (o) a la hora de evaluar las reglas difusas.
VAR foo (INPUT | OUTPUT) 8BITPORT 1 [SIGNED] 1 [GAIN o]
Dene una variable lingstica llamada foo, de entrada (salida) al contro-
lador cuyo valor crisp debe ser ledo (escrito) puerto estndar de 8 bits de
direccin 1, que puede ser expresado como nmero hexadecimal en la forma
0x378. Si la variable no tiene signo, el valor 255 corresponde al fondo de es-
cala 1. Si tiene signo, el valor 127 corresponde al fondo de escala +1 y el -128
a 1. La ganancia opcional escalea el valor real leido (escrito) en un factor
multiplicativo 1o (o) a la hora de evaluar las reglas difusas.
VAR foo INPUT ADQ12B 1 [SIGNED] ( 1 [GAIN o]
Dene una variable lingstica llamada foo, de entrada al controlador cuyo
valor crisp debe ser ledo como tensin en la placa de adquisicin ADQ12B
de MicroAxial cuyo puerto base es j, que puede ser expresado como nmero
hexadecimal en la forma 0x300, en el canal ( y con el fondo de escala 1 =
5. 2. 1. 0.5 V. El signo debe ser consistente con el seteo de los jumpers en la
placa. La ganancia opcional escalea el valor real leido (escrito) en un factor
multiplicativo 1o (o) a la hora de evaluar las reglas difusas.
VAR foo (DERIVATIVE | INTEGRAL) bar [GAIN o]
Dene una variable lingstica llamada foo que es igual a la derivada (in-
tegral) temporal de la variable lingstica bar. La ganancia opcional escalea el
valor crisp de la variable lingstica foo en un factor multiplicativo o.
B.3.4. Denicin de lmites
LIMIT [RATE] ABSOLUTE foo c
limita el valor absoluto de la variable lingstica foo al nmero c. Si se in-
cluye la palabra clave RATE lo que se limita es el valor absoluto de la tasa de
cambio de la variable lingstica foo en segundos
1
.
LIMIT [RATE] RANGE foo c
1
c
2
limita el valor de la variable lingstica foo al intervalo [c
1
. c
2
]. Si se incluye
la palabra clave RATE lo que se limita es el valor de la tasa de cambio de la
variable lingstica foo en segundos
1
.
1o
B.3.5. Denicin de vectores lingsticos
VECTOR vec DUMMY ` var
1
var
2
. . . var
n
Dene un vector lingstico mudo vec de dimensin ` que contiene a las
variables lingsticas var
1
, var
2
, . . . , var
n
previamente denidas.
VECTOR vec (INPUT | OUTPUT) ` (FILE | PIPE) foobar var
1
var
2
. . . var
n
Dene un vector lingstico foo de dimensin ` que contiene a las variables
lingsticasvar
1
var
2
. . . var
n
previamente denidas, cuyo valor instantneo es
ledo (escrito) en el archivo regular o named pipe foobar como un arreglo de
nmeros reales de coma otante de 64 bits yuxtapuestos.
VECTOR foo (INPUT | OUTPUT) ` SHARE ` var
1
var
2
. . . var
n
Dene un vector lingstico foo de dimensin : que contiene a las variables
lingsticas var
1
var
2
. . . var
n
previamente denidas, cuyo valor instantneo es
ledo (escrito) en el recurso de memoria compartida con identicador ` como
un arreglo de nmeros reales de coma otante de 64 bits yuxtapuestos.
B.3.6. Denicin de matrices
MATRIX foo `x` c
11
c
12
. . . c
1N
c
21
c
22
. . . c
2n
. . . c
m1
c
m2
. . . c
m3
Dene una matriz numrica foo de ` las por ` columnas cuyos elemen-
tos son los nmeros reales c
ij
, enumerados por las.
B.3.7. Denicin de valores lingsticos
VALUE val var ZERO
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa es idnticamente nula.
VALUE val var UNIT
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa es idnticamente igual a la unidad.
VALUE val var CONSTANT c
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa es idnticamente igual a la constan-
te c.
VALUE val var SINGLETON c
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa es nula en todo el dominio excepto
en el punto r = c, donde vale uno.
1jo
VALUE val var TRIANGULAR c /
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa es un tringulo simtrico centrado
en el valor r = c donde la funcin vale uno, y de semiancho b de forma tal que
tanto para r c + / como para r < c / vale cero.
VALUE val var TRIANGULAR_MIN c /
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa vale uno para x <a y decrece lineal-
mente hasta el punto r = c + /, donde vale cero para r c + /.
VALUE val var TRIANGULAR_MAX c /
Dene un valor lingstico val correspondiente al universo de discurso de
la variable var cuya funcin de membresa vale uno para r c y decrece
linealmente hasta el punto r = c / y vale cero para r < c /.
B.3.8. Reglas difusas
IF foo
1
IS bar
1
[AND . . . AND foo
n
IS bar
n
] THEN foo IS bar
Dene una regla difusa lingstica. Las variables lingsticas foo
i
y los va-
lores lingsticos bar
i
deben estar bien denidos. Ms an, los valores lin-
gsticos que aparezcan en la consecuencia deben ser del tipo TRIANGULAR
o SINGLETON.
IF foo
1
IS bar
1
[AND . . . AND foo
n
IS bar
n
] THEN u IS mat vec
Dene una regla difusa para un controlador de Takagi-Sugeno. En la con-
secuencia, u debe ser un vector lingstico de dimensin igual al producto de
la matriz numrica mat por el vector lingstico vec. Si el resultado es un esca-
lar, u debe ser un vector de dimensin uno. Cuando en un cdigo fuzzy hay al
menos una regla de tipo Takagi-Sugeno, el software utiliza automticamente
el operador producto para la interseccin difusa.
1j1
APNDICE C
Cdigos fuzzy
El modo de dar una vez en el clavo
es dar cien veces en la herradura.
Miguel de Unamuno
C.1. Captulo 4
C.1.1. Cintica puntual
# frecuencia de muestreo, en hertz
SAMPLING FREQUENCY 200
INTERSECTION MINIMUN
DEFUZZIFICATION CAV
VAR error INPUT IPC_SHARED 1285 GAIN 0.25
VAR rho OUTPUT IPC_SHARED 1286 GAIN 150e-5
LIMIT RATE ABSOLUTE rho 20e-5
VALUE negativo error TRIANGULAR_MIN -1 1
VALUE cero error TRIANGULAR 0 1
VALUE positivo error TRIANGULAR_MAX 1 1
VALUE negativa rho TRIANGULAR -1 1
VALUE cero rho TRIANGULAR 0 1
VALUE positiva rho TRIANGULAR 1 1
IF error IS negativo THEN rho IS positiva
IF error IS cero THEN rho IS cero
IF error IS positivo THEN rho IS negativa
C.1.2. Tanque mezclador combinado
SAMPLING FREQUENCY 5
VAR masa DUMMY GAIN 0.01
VAR temp DUMMY GAIN 0.1
VAR fria DUMMY GAIN 1
VAR cal DUMMY GAIN 1
LIMIT RANGE fria -0.333 0.666
LIMIT RANGE cal -0.333 0.666
VECTOR estado INPUT 2 FILE estado masa temp
VECTOR control OUTPUT 2 FILE control fria cal
VALUE neg masa TRIANGULAR_MIN -1 1
VALUE setpoint masa TRIANGULAR 0 1
VALUE pos masa TRIANGULAR_MAX 1 1
VALUE neg temp TRIANGULAR_MIN -1 1
VALUE setpoint temp TRIANGULAR 0 1
VALUE pos temp TRIANGULAR_MAX 1 1
VALUE neg fria TRIANGULAR -1 1
VALUE eq fria TRIANGULAR 0 1
VALUE pos fria TRIANGULAR 1 1
VALUE neg cal TRIANGULAR -1 1
VALUE eq cal TRIANGULAR 0 1
VALUE pos cal TRIANGULAR 1 1
IF masa IS neg AND temp IS neg THEN fria IS eq
IF masa IS neg AND temp IS neg THEN cal IS pos
IF masa IS neg AND temp IS setpoint THEN fria IS pos
IF masa IS neg AND temp IS setpoint THEN cal IS pos
IF masa IS neg AND temp IS pos THEN fria IS pos
IF masa IS neg AND temp IS pos THEN cal IS eq
IF masa IS setpoint AND temp IS neg THEN fria IS neg
IF masa IS setpoint AND temp IS neg THEN cal IS pos
IF masa IS setpoint AND temp IS setpoint THEN fria IS eq
IF masa IS setpoint AND temp IS setpoint THEN cal IS eq
IF masa IS setpoint AND temp IS pos THEN fria IS pos
IF masa IS setpoint AND temp IS pos THEN cal IS neg
IF masa IS pos AND temp IS neg THEN fria IS neg
IF masa IS pos AND temp IS neg THEN cal IS eq
IF masa IS pos AND temp IS setpoint THEN fria IS neg
IF masa IS pos AND temp IS setpoint THEN cal IS neg
IF masa IS pos AND temp IS pos THEN fria IS eq
IF masa IS pos AND temp IS pos THEN cal IS neg
C.1.3. Rueda loca
SAMPLING FREQUENCY 5
VAR pos IN IPC_SHARED 4004 GAIN 1
VAR caudal OUT IPC_SHARED 4005 GAIN 4e-4
# los dos estan entre -4 y +4
VAR velocidad DERIVATIVE pos GAIN 0.25
VAR aceleracion DERIVATIVE velocidad GAIN 1
LIMIT RATE ABSOLUTE caudal 1e-4
1j
VALUE neg_grande velocidad TRIANGULAR_MIN -0.75 0.60
VALUE neg_chica velocidad TRIANGULAR -0.1 0.2
VALUE cero velocidad TRIANGULAR 0 0.15
VALUE pos_muychica velocidad TRIANGULAR 0.1 0.2
VALUE pos_chica velocidad TRIANGULAR 0.333 0.333
VALUE pos velocidad TRIANGULAR 0.666 0.333
VALUE pos_grande velocidad TRIANGULAR_MAX 1 0.333
VALUE negativa aceleracion TRIANGULAR_MIN -1 1
VALUE cero aceleracion TRIANGULAR 0 1
VALUE positiva aceleracion TRIANGULAR_MAX 1 1
VALUE hilito caudal TRIANGULAR 0.1 0.25
VALUE chico caudal TRIANGULAR 0.25 0.25
VALUE maso caudal TRIANGULAR 0.5 0.25
VALUE grande caudal TRIANGULAR 0.75 0.25
VALUE gigante caudal TRIANGULAR 1 0.25
IF velocidad IS neg_grande AND aceleracion IS negativa THEN caudal is hilito
IF velocidad IS neg_grande AND aceleracion IS cero THEN caudal is hilito
IF velocidad IS neg_grande AND aceleracion IS positiva THEN caudal is chico
IF velocidad IS neg_chica AND aceleracion IS negativa THEN caudal IS hilito
IF velocidad IS neg_chica AND aceleracion IS cero THEN caudal IS chico
IF velocidad IS neg_chica AND aceleracion IS positiva THEN caudal IS chico
IF velocidad IS cero AND aceleracion IS negativa THEN caudal IS chico
IF velocidad IS cero AND aceleracion IS cero THEN caudal IS maso
IF velocidad IS cero AND aceleracion is positiva THEN caudal IS maso
IF velocidad IS pos_muychica AND aceleracion IS negativa THEN caudal IS maso
IF velocidad IS pos_muychica AND aceleracion IS cero THEN caudal IS maso
IF velocidad IS pos_muychica AND aceleracion IS positiva THEN caudal IS grande
IF velocidad IS pos_chica AND aceleracion IS negativa THEN caudal IS grande
IF velocidad IS pos_chica AND aceleracion IS cero THEN caudal IS grande
IF velocidad IS pos_chica AND aceleracion IS positiva THEN caudal IS gigante
IF velocidad IS pos AND aceleracion IS negativa THEN caudal IS maso
IF velocidad IS pos AND aceleracion IS cero THEN caudal IS grande
IF velocidad IS pos AND aceleracion IS positiva THEN caudal IS gigante
IF velocidad IS pos_grande AND aceleracion IS negativa THEN caudal IS grande
IF velocidad IS pos_grande AND aceleracion IS cero THEN caudal is grande
IF velocidad IS pos_grande AND aceleracion IS positiva THEN caudal is gigante
C.2. Captulo 5
C.2.1. Controlador C3
SAMPLING FREQUENCY 10
VAR q INPUT SHARE 6555 GAIN 1e4
VAR qpunto DERIVATIVE q GAIN 2e4
VAR termocupla INPUT SHARE 6660
VAR theater OUTPUT SHARE 6559 GAIN 1e2
VALUE neg_grande q TRIANGULAR_MIN -0.75 0.75
VALUE neg_chico q TRIANGULAR -0.1 0.1
1j
VALUE cero q TRIANGULAR 0 0.2
VALUE pos_muychico q TRIANGULAR 0.25 0.2
VALUE pos_chico q TRIANGULAR 0.45 0.2
VALUE ok q TRIANGULAR 0.6 0.2
VALUE pos_grande q TRIANGULAR_MAX 0.75 0.2
VALUE negativo qpunto TRIANGULAR_MIN -1 1
VALUE cero qpunto TRIANGULAR 0 1
VALUE positivo qpunto TRIANGULAR_MAX 1 1
VALUE muy_chica theater TRIANGULAR 0.4 0.1
VALUE chica theater TRIANGULAR 0.5 0.1
VALUE ok theater TRIANGULAR 0.6 0.1
VALUE grande theater TRIANGULAR 0.7 0.1
VALUE gigante theater TRIANGULAR 0.8 0.1
VALUE chica termocupla TRIANGULAR_MIN 30 10
VALUE ok termocupla TRIANGULAR 42 5
VALUE grande termocupla TRIANGULAR_MAX 50 10
IF q IS neg_grande AND termocupla IS chica THEN theater IS grande
IF q IS ok AND termocupla IS ok THEN theater IS ok
IF q IS neg_grande AND qpunto IS negativo THEN theater is muy_chica
IF q IS neg_grande AND qpunto IS cero THEN theater is muy_chica
IF q IS neg_grande AND qpunto IS positivo THEN theater is chica
IF q IS neg_chico AND qpunto IS negativo THEN theater IS muy_chica
IF q IS neg_chico AND qpunto IS cero THEN theater IS chica
IF q IS neg_chico AND qpunto IS positivo THEN theater IS chica
IF q IS cero AND qpunto IS negativo THEN theater IS chica
IF q IS cero AND qpunto IS cero THEN theater IS ok
IF q IS cero AND qpunto is positivo THEN theater IS ok
IF q IS pos_muychico THEN theater IS chica
IF q IS pos_chico AND qpunto IS negativo THEN theater IS chica
IF q IS pos_chico AND qpunto IS cero THEN theater IS chica
IF q IS pos_chico AND qpunto IS positivo THEN theater IS muy_chica
IF q IS ok AND qpunto IS negativo THEN theater IS chica
IF q IS ok AND qpunto IS cero THEN theater IS ok
IF q IS ok AND qpunto IS positivo THEN theater IS grande
IF q IS pos_grande AND qpunto IS negativo THEN theater IS gigante
IF q IS pos_grande AND qpunto IS cero THEN theater is grande
IF q IS pos_grande AND qpunto IS positivo THEN theater is grande
C.3. Captulo 6
C.3.1. Sistema de Lorenz
SAMPLING PERIOD 0.01
VAR x1 DUMMY
VAR x2 DUMMY
VAR x3 DUMMY
VAR u1 DUMMY
1jj
VECTOR x INPUT 3 SHARE 168 x1 x2 x3
VECTOR u OUTPUT 1 SHARE 169 u1
VALUE m1 x1 TRIANGULAR_MAX 20 40
VALUE m2 x1 TRIANGULAR_MIN -20 40
MATRIX F1 1x3 -31.33 -14.28 24.29
MATRIX F2 1x3 -31.33 -14.28 -24.29
IF x1 IS m1 THEN u IS F1 x
IF x1 IS m2 THEN u IS F2 x
C.4. Captulo 7
C.4.1. Estabilizador del punto jo de inters
SAMPLING PERIOD 0.1
VAR x DUMMY
VAR y DUMMY
VAR z DUMMY
VAR deltar DUMMY
VECTOR vec_x INPUT 3 SHARE 7559 x y z
VECTOR vec_r OUTPUT 1 SHARE 7558 deltar
VALUE m1 x TRIANGULAR_MAX 200 400
VALUE m2 x TRIANGULAR_MIN -200 400
MATRIX K1 1x3 -0.6 -5.5 50
MATRIX K2 1x3 -0.9 9.5 0
IF x IS m1 THEN vec_r IS K1 vec_x
IF x IS m2 THEN vec_r IS K2 vec_x
1j0
Referencias
La Biblioteca es una esfera cuyo centro
cabal es cualquier hexgono,
cuya circunferencia es inaccesible.
Jorge Luis Borges, La Biblioteca de Babel, 1941
H. Levent Akin y Vural Altin. Rule-based fuzzy logic controller for a PWR-
type nuclear power plant. IEEE Transactions on Nuclear Science, 38(2), April
1991.
W. Ambrosini, W.J.M. de Krujif, y M. Maiani. An analytical model for the
determination of stability boundaries in a natural circulation single-phase
thermosyphon loop. International journal of uid and mass ow, 24(6):853863,
December 2003.
W. Ambrosini, J. C. Ferreri, N. Forgione, y M. Buci. The effect of wall friction
in single-phase natural circulation stability at the transition between laminar
and turbulent ow. Annals of Nuclear Energy, 31:18331865, 2004.
H. H. Bau y K. E. Torrance. Transient and steady behaviour of an open
symmetrically-heated, free convection loop. International Journal of Heat and
Mass Transfer, 24:597609, 1981.
M. Boroushaki, M.Ghofrani, C. Lucas, y M. Yazdanpanah. Identication and
control of a nuclear reactor core (VVER) using recurrent neural networks
and fuzzy systems. IEEE Transactions on Nuclear Science, 50(1), feb 2003.
Lewis Carroll. What the tortoise said to achilles. Mind, 4:278280, 1895.
R. L. Devaney. An introduction to chaotic dynamical systems. Addison Wesley,
1987.
Richard C. Dorf. Modern Control Systems. Addison Wesley, 2001.
J. J. Duderstadt y L. J. Hamilton. Nuclear reactor analysis. Wiley, New York,
1976.
P. Ehrhard y U. Mller. Dynamical behaviour of natural convection in a single-
phase loop. Journal of Fluid Mechanics, 217:487518, 1990.
J. C. Ferreri y W. Ambrosini. Stability analysis of single-phase thermosyphon
loops by nite-difference numerical methods. Nuclear Engineering and Des-
ign, 201:1123, 2000.
J. C. Ferreri y W. Ambrosini. On the analysis of thermal-uid-dynamic insta-
bilities via numerical discretization of conservation equations. Nuclear Engi-
neering and Design, 215:153170, 2002.
J. C. Ferreri y W. Ambrosini. Prediction of stability of one-dimensional natural
circulation with a low diffusion numerical scheme. Annals of Nuclear Energy,
30:15051537, 2003.
J. C. Ferreri y W. Ambrosini. The effect of truncation error on the numerical
prediction of linear stability boundaries in a natural circulation single-phase
loop. Nuclear Engineering and Design, 183:5376, 1998.
Horacio Fontanini. Estudio y aplicacin de tcnicas de inteligencia articial al
diseo de controladores basados en reglas. Trabajo Especial de la Carrera de
Ingeniera Nuclear, Instituto Balseiro, 1988.
Gene F. Franklin y J. David Powell. Feedback Control of Dynamical Systems. Ad-
dison Wesley, 2001.
Gene F. Franklin, J. David Powell, y Michael L. Workman. Discrete Control of
Dynamical Systems. Addison Wesley, 1990.
James Gleick. Chaos: making a new science. Viking, New York, 1987.
M. Gorman, P. J. Widmann, y K: A: Robbins. Nonlinear dynamics of convection
loop: a quantitative comparison of experiment with theory. Physica, 19D:
255267, 1986.
J. E. Hart. A new analysis of the closed loop thermosyphon. International
Journal of Heat and Mass Transfer, 27(1):125136, 1984.
J. E. Hart. A note on the loop thermosyphon with mixed boundary conditions.
International Journal of Heat and Mass Transfer, 28(5):939947, 1985.
A. F. Henry. Nuclear reactor analysis. Cambridge, MIT, 1975.
1j8
G. F. Hewitt, G. L. Shires, y Y.V. Polezhaev. International Encyclopedia of Heat
and Mass Transfer. CRC Press, 1997.
F. Incropera y D. Dewitt. Fundamentals of Heat and Mass Transfer. Wiley, New
York, 2002.
Jyh-Shing Roger Jang y Chuen-Tsai Sun. Neuro-fuzzy modeling and control.
Proceedings of the IEEE, 83(3):378406, March 1995.
Y. Y. Jiang y M. Shoji. Flow stability in a natural circulation loop: inuences of
wall thermal conductivity. Nuclear Engineering and Design, 222:1628, 2003.
D. D. Joseph y D. H. Sattinger. Bifurcating time periodic solutions and their
stability. Archive for Rational Mechanics and Analysis, 45(2), January 1972.
Sadik Kaka y Yaman Yener. Convective heat transfer. CRC Press, 1995.
W. Kays y H. C. Perkins. Handbook of Heat Transfer. McGraw-Hill, 1973.
Miroslav Kol y Godfrey Gumbs. Theory for the experimental observation of
chaos in a rotating waterwheel. Phys. Rev. A, 45(2):626637, Jan 1992. doi:
10.1103/PhysRevA.45.626.
Pijush K. Kundu. Fluid Mechanics. Academic Press, 1990.
R. T. Lahey, Jr, editor. Applications of Fractal and Chaos Theory in the Field of
Multiphase Flow and Heat Transfer. Boiling Heat Transfer: Modern Developments
and Advances. Elsevier, 1992.
Chuen Chien Lee. Fuzzy logic in control systems: fuzzy logic controller
part I. IEEE Transactions on Systems, Man and Cybernetics, 20(2):404419, Mar-
ch/April 1990a.
Chuen Chien Lee. Fuzzy logic in control systems: fuzzy logic controller
part II. IEEE Transactions on Systems, Man and Cybernetics, 20(2):419435,
March/April 1990b.
H. J. Lee, J. B. Park, y G. Chen. Robust fuzzy control of nonlinear systems
with parametric uncertainties. IEEE Transactions on Fuzzy Systems, 9(2), April
2001.
J. Lewins. Nuclear reactor kinetics and control. Pergamon Press, 1978.
T.Y. Li y J.A. Yorke. Period Three Implies Chaos. The American Mathematical
Monthly, 82(10):985992, 1975.
Edward Lorenz. Deterministic nonperiodic ow. Journal of the Atmospheric
Sciences, 20(2):130141, 1963.
1jo
A. S. Mikhailov y A. Y. Loskutov. Foundations of Synergetics II - Chaos and Noise.
Springer, 2nd edition, 1996.
Kevin M. Passino y Stephen Yurkovich. Fuzzy Control. Addison-Wesley, 1998.
Diego Prez. Sistemas no holnomos generalizados y su aplicacin a la teora
de control automtico mediante vnculos cinemticos. Proyecto Integrador
de la Carrera de Ingeniera Mecnica, Instituto Balseiro, 2006.
William H. Press, Saul A. Teukolsky, William T. Vetterling, y Brian P. Flannery.
Numerical Recipes in Fortran. Cambrigde University Press, 2nd edition, 1992.
Bruno Ruy. Modelos matemticos para el estudio de la conformacin de
pautas culturales. Tesis de Maestra en Ciencias Fsicas, Instituto Balseiro,
2006.
H. G. Solari, M. A. Natiello, y G. B. Mindlin. Nonlinear Dynamics. Institute of
Physics Publishing Bristol and Philadelphia, 1996.
S. Strogatz. Nonlinear Dynamics and Chaos. Perseus Publishing, Cambridge,
1994.
T. Takagi y M. Sugeno. Fuzzy identication of systems and its applications to
modeling and control. IEEE Transactions on Systems, Man and Cybernetics, 15:
116132, 1985.
K. Tanaka y M. Sano. Trajectory stabilization of a model via fuzzy control.
Fuzzy Sets and Systems, 70:155170, 1995.
K. Tanaka y Hua O. Wang. Fuzzy control systems design and analysis. John Wiley
and Sons, 2001.
K. Tanaka, Ikeda T, y H. O. Wang. A unied approach to controlling chaos via
an LMI-based fuzzy control system design. IEEE Transactions on Circuits and
SystemsI: Fundamental Theory and Applications, 45(10), October 1998.
Manuel Tarrazo. Schopenhauers prolegomenon to fuzziness. Fuzzy Optimiza-
tion and Decision Making, 3:227254, 2004.
Germn Theler. La rueda catica de lorenz. Poster presentado en la materia
Fsica Experimental I, Instituto BalseiroNo Publicado, November 2004.
H. O. Wang, K. Tanaka, y M. F. Grifn. Parallel distributed copmensation of
nonlinear systems by takagi-sugeno fuzzy model. Proceedings of IEEE/IFES
95, pages 531538, 1995.
10o
P. Welander. On the oscillatory instability of a differentially heated uid loop.
Journal of Fluid Mechanics, 29(1):1730, 1967.
F. M. White. Fluid Mechanics. McGraw Hill, 4th edition, 1999.
John Yen, Reza Langari, y Lot A. Zadeh. Industrial applications of fuzzy logic
and intelligent systems. IEEE New York, 1995.
Hao Ying. General SISO takagi-sugeno fuzzy systems with linear rule conse-
quent are universal appoximators. IEEE Transactions on Fuzzy Systems, 6(4),
1998.
Lofti A. Zadeh. Fuzzy sets. Information and Control, 8:338353, 1965.
Pablo Zanocco. Dinmica de reactores auto-presurizados, refrigerados por
conveccin natural. Tesis de Doctorado en Ciencias de la Ingeniera, Ins-
tituto Balseiro, 2005.
101
Agradecimientos
El universo es una inmensa perversidad hecha de
ausencia. Uno no est en casi ninguna parte.
Alejandro Dolina
Porque veo al nal de mi rudo camino
que yo fui el arquitecto de mi propio destino.
Amado Nervo
La repeticin de conceptos que el interlocutor ya conoce ejercita ms el fastidio
que la comunicacin. Es por eso que estas dos paginitas atorrantes resultan
ms bien superuas, pues las personas a las que mucho les debo ya deberan
al menos sospechar lo que sigue. A modo de certicacin escribanil, van aqu
entonces algunas palabras sobre cosas que espero ya sean conocidas por
el que lee.
El primer y principal agradecimiento es para mis padres Adriana y Ricardo,
que a travs de la formacin de una familia hermosa han logrado un entorno
excepcional en el cual tanto yo como mis hermanos nos formamos como perso-
nas. No slo me han apoyado constantemente en todo momento ciertamente
durante estos duros tres aos, pero tambin desde que tengo uso de razn
sino que me han ofrecido muestras de cario sincero que, aunque no parez-
ca, valoro y agradezco muchsimo. Por esto y por deberles todo lo bueno que
tengo, es que este trabajo que no es ms que un smbolo de otra cosa menos
tangible que unos cuantos papeles abrochados est dedicado a ustedes.
Siguiendo la recorrida, quiero agradecer a mis hermanos Gisel y Gustavo
por haber sido parte fundamental de mi vida contribuyendo a la hermosa fa-
milia que tenemos. No podran imaginar cunto tiempo he pasado mirando la
foto de los cinco que nos sacamos en el verano y que tengo en mi fro escritorio
a 2000km de casa, ni cunta fuerza para seguir adelante me ha dado mirarlos a
ustedes dos a los ojos. Seguramente sin querer, me han ayudado a aguantar la
distancia y a lograr que esto que pareca un sueo, comience a transformarse
en realidad.
Hablando de distancia y de que ciertamente mi casa est muy lejos de aqu,
van agradecimientos para la pandilla, pues si bien en un momento de mi vida
yo pensaba que la capacidad de sorprenderme haba sido superada con creces,
no deja de aportar constantemente a la caja de las sorpresas. Es que a pesar
de ya no tener ms dieciocho, estos muchachos se las siguen arreglando muy
bien algunos con ms dicultad que otros, debido a siempre impertinentes
noviaspara no perderse una. Agradezco especial y profundamente a los cua-
tro fantsticos euge, sini, sapo y seba que han logrado burlar siquiera por
una semana los estrictos preceptos burgueses del trabajo y la responsabilidad
para compartir este momento tan importante conmigo, aunque tal vez se trate
de una estratagema para venir a esquiar y ponerse verde como en las buenas
pocas. Espero que este periplo arroje entre otras muchas cosas interesan-
te material para , pgina que me ha dado tambin mucha fuerza para
no aojar durante este largo camino.
Acadmicamente, quiero agradecer a mis compaeros de promocin por
haberme ayudado a surcar estos tres aos. Estoy seguro que van a ser exce-
lentes profesionales y les deseo lo mejor para su carrera. Tambin a mis com-
paeros del Laboratorio de Cavitacin y Biotecnologa que no slo han debi-
do escuchar durante largas jornadas gastados temas de Oasis e interminables
charlas de Dolina en contra de su voluntad, sino que tambin han colaborado
siempre que necesit una mano durante el trabajo.
Junto con el agradecimiento a todos los docentes que por una u otra cir-
cunstancia se me han aparecido en el camino comenzando por la escuela
primaria, pasando por la secundaria y culminando en el nivel universitario
y que ciertamente me han enseado cosas que no se pueden escribir en los
libros, va un pedido de perdn por no haber sido un estudiante de los ms
aplicados y por la cantidad de desilusiones que se han llevado conmigo. De
una u otra manera, todos han contribuido a mi formacin y les estoy por ello
profundamente agradecido. En particular a mis directores, que han sabido dar-
me una justa combinacin de libertad para hacer lo que me gusta y precisas
instrucciones para llegar a buen puerto.
Finalmente, agradezco a los contribuyentes que han depositado su conan-
za y su dinero en la formacin de un profesional que tratar de aportar su
humilde granito de arena para que el mundo sea cada da, un poquito mejor.
18 de junio de 2007
10