1

Universidad de Guadalajara
Centro Universitario de los Valles

Ingeniería en Mecatrónica

Reporte del proyecto:

Practica 6. Control Difuso Sugeno.

Presentado por:
Rogelio Cadena Delgado.

Profesor
Dr. Gerardo Ortiz Torres

Ameca, Jalisco, Noviembre 1, 2023.

 2

Índice

CONTENIDO
Índice ................................................................................................................................. 2
1. Introducción ................................................................................................................... 3
1.1 Planteamiento del proyecto .................................................................................. 3
1.2 Objetivos .............................................................................................................. 4
1.3 Metodología. ........................................................................................................ 4
1.3.1 Operación del sistema. ...................................................................................... 4
2. Diseño ............................................................................................................................ 6
3. Implementación ............................................................................................................. 7
4. Conclusiones ................................................................................................................ 19
Referencias....................................................................................................................... 20
 3

1. Introducción

El control difuso, derivado de la lógica difusa, ha surgido como un instrumento vital para
modelar sistemas complejos y no lineales en variados campos de la ingeniería y ciencias
aplicadas. A diferencia de los modelos matemáticos convencionales, este control se basa en
conjuntos difusos y reglas lingüísticas, facilitando una representación intuitiva y adaptable
de sistemas que no siempre se pueden describir con precisión. En este contexto, destaca el
modelo Sugeno, propuesto por Takagi y Sugeno en 1985, que se ha establecido como una
alternativa al método de Mamdani. Mientras que Mamdani se basa en conjuntos difusos para
sus conclusiones, el modelo Sugeno genera una salida definida por una función matemática,
usualmente lineal o constante, de sus entradas. Esta particularidad confiere al controlador
Sugeno una notable eficiencia computacional, haciéndolo idóneo para situaciones en tiempo
real. Además, gracias a que sus resultados son funciones matemáticas, la defuzzificación, es
decir, la transformación de una salida difusa en una clara, resulta sencilla y directa.

1.1 Planteamiento del proyecto

El objetivo de este proyecto es investigar la efectividad de un sistema de control basado
en el control sugeno. Con la creciente demanda de sistemas de control preciso en aplicaciones
de ingeniería, se hace necesario explorar técnicas que permitan una respuesta eficiente y
confiable. Los motores de corriente continua (CD) son ampliamente utilizados en diversas
aplicaciones debido a sus características de control de velocidad y posicionamiento. Sin
embargo, controlar con precisión la posición de un motor puede presentar desafíos,
especialmente en sistemas que requieren una respuesta rápida y exacta en diferentes
condiciones de operación.
 4

1.2 Objetivos

Objetivo general
El proyecto consiste en planificar, construir y someter a prueba un sistema de control con
lógica difusa para conseguir un posicionamiento exacto de un motor de corriente continua,
La meta es aumentar la resistencia y flexibilidad del sistema ante variaciones y complejidades
como las no linealidades y cambios en la carga además de diseñar e implementar un sistema
de control basado en el modelo difuso Sugeno para el posicionamiento de un motor de CD,
logrando una rotación precisa en un rango de -180 a 180 grados.

Objetivo particular
Se analizará el comportamiento dinámico del motor para identificar sus características y
eventuales perturbaciones. A partir de este análisis, se diseñará un conjunto de reglas difusas
adaptadas a las particularidades del motor para el controlador Sugeno. Luego, se
implementará dicho controlador y se llevarán a cabo pruebas en un entorno real para
comprobar su efectividad. Finalmente, se comparará el rendimiento del controlador Sugeno
con otros sistemas de control, evaluando aspectos como la precisión, el tiempo de respuesta
y su robustez ante interferencias externas.

1.3 Metodología.
1.3.1 Operación del sistema.

2 Definición de Parámetros:
2.3 Establecimiento del rango de error de ángulo: [−π,π].
2.4 Determinación del rango de voltaje: [−12,12][−12,12] V.
3 Modelado del Motor de DC:
3.3 Obtención de la ecuación diferencial que representa la dinámica del motor.
3.4 Identificación de posibles perturbaciones y no linealidades del sistema.
4 Diseño Preliminar del Controlador Difuso:
4.3 Establecimiento de las variables de entrada (Error y Error derivado) y salida
(Voltaje de control) para el controlador.
4.4 Definición de conjuntos difusos y funciones de membresía para cada variable.
5 Configuración en MATLAB:
5.3 Inicialización del Toolbox de Fuzzy Logic en MATLAB.
 5

5.4 Integración del modelo del motor y configuración de los parámetros del
controlador en el entorno de simulación.

5.4.1 Etapas del proyecto

6 Preparación:
6.3 Revisión de la literatura y documentación sobre el controlador Takagi-Sugeno
y el Toolbox de MATLAB.
6.4 Configuración inicial del entorno de MATLAB y familiarización con las
herramientas.
7 Diseño y Configuración:
7.3 Creación de conjuntos difusos y definición de reglas basadas en la lógica
Takagi-Sugeno en MATLAB.
7.4 Simulación inicial para verificar la correcta configuración y diseño del
controlador.
8 Simulación y Análisis:
8.3 Ejecución de diversas simulaciones, modificando condiciones iniciales,
perturbaciones y parámetros para evaluar el desempeño del controlador.
8.4 Análisis de los resultados de las simulaciones para identificar áreas de mejora
o ajustes necesarios.
9 Optimización y Ajustes:
9.3 Modificación y afinación de las reglas difusas, funciones de membresía o
parámetros del controlador según los resultados obtenidos.
9.4 Nueva serie de simulaciones para validar las optimizaciones realizadas.
10 Documentación y Conclusiones:
10.3 Elaboración de un informe que detalle la metodología empleada, los
resultados obtenidos, las conclusiones y las recomendaciones para futuras
implementaciones o mejoras.
10.4 Presentación y discusión de los resultados con pares o supervisores
 6

2. Diseño

Para llevar a cabo esta práctica de implementar un sistema de control difuso para el
posicionamiento de un motor de corriente continúa utilizando MATLAB, necesitarás los
siguientes recursos y herramientas:
1.1.1 Software
1. MATLAB: Versión actualizada que soporte las últimas funcionalidades del toolbox
de Fuzzy Logic.
2. Fuzzy Logic Toolbox de MATLAB: Para el diseño, simulación y análisis del
controlador difuso.
3. Simulink (Opcional): Para una simulación más detallada y, eventualmente, para la
implementación en tiempo real del controlador.
1.1.2 Hardware
1. Motor de Corriente Continua (DC): Un motor de DC para realizar pruebas
empíricas, si la validación en el mundo real es una etapa del proyecto.
2. Sistema de Medición: Sensores de posición y, posiblemente, de velocidad y carga,
dependiendo de la complejidad del sistema a modelar.
3. Computadora: Un equipo con suficiente capacidad de procesamiento y memoria
para ejecutar simulaciones y análisis.
Utilizando estos recursos y herramientas, estarás preparado para abordar cada una de las
etapas del proyecto, desde el modelado y diseño del controlador hasta su validación y
optimización.
 7

3. Implementación

Primeramente, debemos entrar a Matlab, donde aremos un nuevo documento guardándolo

con un nombre y listo, en la parte de abajo escribiéremos la palabra fuzzy y nos desplegara
esta imagen con la que trabajaremos. En vez de poner mamdani pondremos sugeno.

Ilustración 1 ventana principal del fuzzy

Ya dentro de este nos iremos al rectángulo naranja que es la entrada donde pondremos 5
funciones de membresia, las cuales las configuraremos de la siguiente manera.

Ilustración 2 configuracion para 5 funciones de membresia

.
 8

Ya dado esto necesitaremos colocarlas y configurarlas y quedaran de la siguiente manera,

debemos cambiar la entrada que es desde -pi a pi.

Ilustración 3 cambio de -pi a pi

Ilustración 4 5 funciones
 9

Para la configuración de cada función de membresia es de la siguiente manera.

MF1

Ilustración 5 mf1

Ilustración 6 tipo sigmf

MF2

Ilustración 7mf2
 10

Ilustración 8 tipo gbellmf

MF3

Ilustración 9 mf3

Ilustración 10 tipo gbellmf

 11

MF4

Ilustración 11mf4

Ilustración 12 tipo gbellmf

MF5

Ilustración 13 mf5
 12

Ilustración 14 tipo sigmf

Cada una de las 5 tiene parámetros diferentes por eso es que cada una luse de manera
diferente y con una amplitud particular entre ellas.

Pasamos a la salida o el recuadro azul sonde de igual forma aremos 5 salidas. Cada una
con su respectiva configuración. Abriremos este recuadro en el lado aul y pondremos 5.

Ilustración 15 5 funciones de membresia en la salida.

 13

Nos deberá de quedar de esta forma. Y pasaremos a configurar de una en una.

Ilustración 16 5 funciones en la salida.

Pasaremos desde mf1 hasta mf5, en la siguientes 5 imágenes se muestra como serán
configuradas.
Mf1

Ilustración 17 tipo constante.

Mf2.

Ilustración 18 tipo lineal.

 14

Mf3

Ilustración 19 tipo lineal.

Mf4.

Ilustración 20 tipo linear

 15

Mf5

Ilustración 21 tipo constante.

Y de igual forma en la salida debemos de cambiar el universo discurso el cual será de -12
a 12.
 16

De ultimo correremos el programa y nos arrojara una grafica de esta manera. Muy similar
a la gráfica que teníamos en un principio.

Procederemos a importar el archivo y guardarlo, para poder correrlo en un archivo de

simulink posteriormente.
 17

Buscaremos el archivo de simulink previamente utilizado unas clases atrás donde

cargaremos el archivo como lo guardamos a la hora de exportar y guardarlo, en mi caso lo
llame sugeno.

Ilustración 22 diagrama de bloques en simulink

Así deberá de aparecer.

Ilustración 23 fis name del archivo

 18

De ultimo correremos el simulink y nos aparecerá una grafica la cual tendera a

estabilizarse en la subida, buscara la estabilización dentro del programa de una manera suave
y sin ningún ruido en la curvatura.

Ilustración 24 grafica en la simulación de simulink

 19

4. Conclusiones

After implementing the Sugeno Fuzzy Control for the positioning of a DC Motor in the
range of -180 to 180 degrees and from -12 to 12 V, it is concluded that this approach offers
an efficient and adaptable solution for complex systems like the motor in question. The
Sugeno model, by working with mathematical functions instead of fuzzy sets for the output,
optimizes computational efficiency, facilitating a swift response and adaptability to
variations in the system. This adaptability is crucial given the dynamic nature of the motor
and the potential disturbances it might face. Furthermore, by using a fuzzy framework, the
system can handle uncertainties and non-linearities more gracefully than traditional control
methods. Therefore, the choice of a Sugeno fuzzy controller not only enhances the accuracy
and performance of the DC Motor but also boosts its robustness and reliability in various
operating conditions.
 20

Referencias

[1] Ross, T. J. (2016). Fuzzy Logic with Engineering Applications. Wiley & Sons,
Incorporated, John.
[2] Medel, J. (2010). Control difuso usando sistemas digitales. Lulu Press, Inc.
[3] Ross, T. J. (2016). Fuzzy Logic with Engineering Applications. Wiley & Sons,
Incorporated, John.
[4] Matlab.