Universidad de las Fuerzas Armadas “ESPE”

Control Inteligente
Control Difuso.
Nombre: Jordy Cevallos
Fecha: 03/07/2018
Objetivo

 Implementar un controlador fuzzy para el sistema de un péndulo invertido llevando a que su

ángulo se mantenga en 0.
Esquema de simulación para el péndulo invertido
La planta del sistema se muestra la Figura1.

Figura 1. Planta del péndulo invertido

Las ecuaciones que presenta el sistema son:

( )
2
−u−0.25 ẏ sin ( y)
9.8 sin ( y ) +cos ( y)
1.5
ÿ=
0.5 ( 43 − 13 cos ( y))
2

u̇=−100 u−100 u
Dónde: y representa el ángulo
u representa la fuerza para con la que se moverá el carro.
El esquema de que simula el comportamiento de la planta realizado en Simulink se muestra en la
Figura2.
 Figura 2. Planta: Péndulo Invertido

El esquema que se utiliza para el control difuso se muestra en la Figura3.

Figura 3. Diagrama de control difuso

Donde g0, g1 representan ganancias para el error y su derivada, estos trabajan de forma inversa es
decir si se quiere duplicar la entrada del error g0 debe ser igual a ½, a su vez se cuenta con la
ganancia h que es la que se relaciona directamente con la fuerza que se aplicara al modelo del
péndulo, esta ganancia trabaja de forma directa es decir para duplicarse esta debe ser 2.
El esquema de control difuso PD implementado en Simulink se muestra en la Figura4.
 Figura 4. Controlador difuso Simulink.

Implementación del controlador PD

Para la realización del controlador PD se utilizó el toolbox de MatLab “Fuzzy”, el cual se muestra
en la Figura5.

Figura 5. Toolbox "fuzzy"

A este se le debe añadir otra entrada ya que el sistema necesita tanto el error como la variación del
mismo al ser un controlador PD, el sistema con dos entradas se muestra en a Figura6.
 Figura 6. Toolbox fuzzy con dos entradas.

Estas entradas no están limitadas en 1 por lo cual su rango debe variar para la primera entrada entre
−π π −π π
; y la segunda entrada entre ; y su salida debe estar de igual manera limitada entre -
2 2 4 4
30° y 30° y cada una de estas debe contar con 5 conjuntos difusos: “Grande Negativo”, “Pequeño
Negativo”, “Zero”, “Pequeño Positivo”, “Grande Positivo” como se muestran en la Figura7,
Figura8 y Figura9 respectivamente.
 Figura 7. Entrada error

Figura 8. Entrada derivada del error

 Figura 9. Salida fuerza

Para que el controlador este completado se debe ingresar las 25 reglas que se muestran en la Tabla1.
Tabla 1. Tabla de reglas

Fuerza “ u ” Variación del error “ e’ ”

GN PN Z PP GP
GN GP GP GP PP Z
PN GP GP PP Z PN
Error “ e ” Z GP PP Z PN GN
PP PP Z PN GN GN
GP Z PN GN GN GN

El ingreso de las reglas se muestra en la Figura10.

 Figura 10. Ingreso de 25 reglas.

Ya generado se exporta como un archivo “.fis”, para que al momento de la simulación en el cuadro
“Fuzzy Logic Controller” se pueda cargar el mismo como muestra la Figura11.

Figura 11. Carga archivo .fis en el cuadro Fuzzy de Simulink.

Verificación de respuestas con el libro “Fuzzy Control” de Kevin Passino.

Para cada una de las simulaciones presentadas se tiene en el bloque “Integrator 1” la condición
inicial igual a 0.1 radianes que equivale a 5.73 grados y los demás con 0.
En la Figura12 se muestra la respuesta del sistema cuando las ganancias son: g=1, g0=1, y h=1.
 Figura 12.Posición y Fuerza respectivamente con g=1, g0=1 y h=1.

En la Figura13 se muestra la respuesta del sistema cuando las ganancias son: g=1, g0=0.1, y h=1.

Figura 13. Posición y Fuerza respectivamente con g=1, g0=0.1 y h=1.

En la Figura14 se muestra la respuesta del sistema cuando las ganancias son: g=2, g0=0.1, y h=1.
 Figura 14. Posición y Fuerza respectivamente con g=2, g0=0.1 y h=1.

En la Figura15 se muestra la respuesta del sistema cuando las ganancias son: g=2, g0=0.1, y h=5.

Figura 15.Figura 14. Posición y Fuerza respectivamente con g=2, g0=0.1 y h=5.