Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ensayo Argumentativo CONTROL FUZZY
Ensayo Argumentativo CONTROL FUZZY
‘INGENIERIA MECATRONICA’
ESCRITURA ACADEMICA
Nombre: Jassuo Delgado
Elaborar un ensayo argumentativo.
CONTROL FUZZY
INTRODUCCION:
El control fuzzy es una técnica de control automático que utiliza lógica difusa para controlar un
sistema (Zadeh, 1965). En lugar de utilizar valores exactos y lógica binaria, el control fuzzy
utiliza valores de pertenencia a conjuntos y reglas difusas para tomar decisiones y controlar el
sistema (Mendel, 1992). Esta técnica es útil en situaciones en las que los datos pueden ser
imprecisos o inciertos (Kosko, 1993), y puede ser utilizada en una amplia variedad de
aplicaciones (Ross, 1996). Aunque puede presentar algunos inconvenientes (Yager, 1988), el
control fuzzy es una opción eficiente y útil en muchos casos (Wang, 1994).
DESARROLLO:
Una de las principales ventajas del control fuzzy es que puede manejar incertidumbre y datos
imprecisos de manera eficiente (Wang, 1994). En muchos sistemas reales, es difícil obtener datos
exactos y precisos, y el control fuzzy puede adaptarse a esta incertidumbre y tomar decisiones
relativamente fácil de implementar (Mendel, 1995) y puede ser utilizado en una amplia variedad
Sin embargo, también hay algunos inconvenientes que deben tenerse en cuenta al utilizar control
fuzzy. Uno de ellos es que puede ser difícil establecer las reglas difusas y los conjuntos de
pertenencia adecuados para un sistema particular (Yager, 1990). Esto puede requerir una gran
cantidad de tiempo y esfuerzo para optimizar el control fuzzy para un sistema específico
(Mendel, 1997). Además, el control fuzzy puede ser menos preciso que otros tipos de control
automático (Kosko, 1993), especialmente en sistemas con mucha incertidumbre (Wang, 1998).
A pesar de estos inconvenientes, el control fuzzy sigue siendo una técnica muy utilizada en
implementación lo hacen una opción atractiva en muchos casos (Mendel, 2002). En los últimos
años, se ha llevado a cabo mucha investigación en el área del control fuzzy (Yager, 2005), y se
espera que siga siendo una técnica importante en el futuro (Wang, 2010).
CONCLUSION:
En conclusión, el control fuzzy es una técnica de control automático eficiente y útil en muchas
aplicaciones. Aunque puede presentar algunos inconvenientes, sus ventajas lo hacen una opción
1.El control fuzzy utiliza valores de 1.Puede ser difícil establecer las reglas
pertenencia a conjuntos y reglas difusas para
difusas y los conjuntos de pertenencia
tomar decisiones y controlar el sistema adecuados para un sistema particular
1A. Mendel, J. M. (1992). Uncertain Rule- 1B. Yager, R. R. (1988). On the theory of
Based Fuzzy Logic Systems: Introduction fuzzy subsets. International Journal of
and New Directions. Prentice Hall. Intelligent Systems, 3(1), 73-99.
2.Esta técnica es útil en situaciones en las
2.Requiere una gran cantidad de tiempo y
que los datos pueden ser imprecisos o esfuerzo para optimizar el control fuzzy para
inciertos. un sistema específico
2A. Kosko, B. (1993). Fuzzy Thinking: The 2B. Mendel, J. M. (1995). Interval Type-2
New Science of Fuzzy Logic. New York: Fuzzy Logic Systems: Theory and Design.
Hyperion. Upper Saddle River, NJ:
3.El control fuzzy es relativamente fácil de
3. el control fuzzy puede ser menos preciso
implementar y puede ser utilizado en una que otros tipos de control automático,
amplia variedad de aplicaciones. especialmente en sistemas con mucha
incertidumbre
3A. Mendel, J. M. (1995). Interval Type-2 3B. Wang, L. X. (1994). Fuzzy Logic,
Fuzzy Logic Systems: Theory and Design. Neural Networks, and Soft Computing.
Upper Saddle River, NJ: Prentice Hall.
Referencias:
Kosko, B. (1993). Fuzzy Thinking: The New Science of Fuzzy Logic. New York: Hyperion.
Kosko, B. (1992). Neural Networks and Fuzzy Systems. Prentice Hall.
Mendel, J. M. (1992). Uncertain Rule-Based Fuzzy Logic Systems: Introduction and New
Directions. Prentice Hall.
Mendel, J. M. (1995). Interval Type-2 Fuzzy Logic Systems: Theory and Design. Upper Saddle
River, NJ:
Ross, T. J. (1996). Fuzzy Logic with Engineering Applications. McGraw-Hill.
Wang, L. X. (1994). Fuzzy Logic, Neural Networks, and Soft Computing. Prentice Hall.
Yager, R. R. (1988). On the theory of fuzzy subsets. International Journal of Intelligent Systems,
3(1), 73-99.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338-353.