• Se hacen uso de las herramientas Fuzzy logic toolbox y ANFIS de MATLAB
• Esquema de procesado de mezclado.
• Controlar el nivel del tanque 2 en lazo abierto, alcance su estado estable
bajo posibles perturbaciones en las entradas Fo y F2 DISEÑO DEL SISTEMA DE INFERENCIA DIFUSO • Se definen 3 conjuntos difusos, dos de entrada Fo y F2, y uno de salida TABLAS • Fo y f2 se les asigna 5 particiones difusos con sus respectivas variables linguisticas y una función de membresía de tipo trinagular centrada en torno al punto central. TABLAS • Para el conjunto difuso de salida H2 se definen 25 funciones de membresia tipo constante, dadas por perturbaciones arbritarias al sistema tipo sugeno. Funciones de membresía Tipo triangular para los conjuntos difusos de entrada Fo y F2 Funciones de membresía Tipo constante para el conjunto difuso de salida H2 Reglas difusas • Combinar los dos conjuntos difusos de entrada para obtener las reglas difusas de tipo IF-THEN, como se presenta. • Bases de reglas difusas Editor de reglas difusas Visor de reglas difusas • En estas se manipulan los valores de entrada del sistema, para observar de esta manera los valores de salida dados por el funcionamiento del sistema de inferencia difusa sin entrenar Entrenamiento del sistema de inferencia difusa • Con la herramienta ANFIS se entrena al sistema:
– La estructura de la red muestra las conexiones entre las variables de
entrada y sus interacciones con las reglas.
– Al ser comparadas con los datos de entrenamiento cambiaran su valor
y por lo tanto los pesos para disminuir de esta manera el error del sistema.
– Este proceso es el entrenamiento.
Modelo estructural de la red neuronal para el proceso Modelo de la red dado por ANFIS para esta aplicación Editor de ANFIS • Los datos de entrenamiento se obtienen del proceso e introducidos al workspace • En el editor de ANFIS se tiene los datos de entrenamiento ya cargados y fijados las características globales del algoritmo de aprendizaje. Carga y gráfica en el sistema difuso Sirve para probar estos datos con los datos de entrenamiento Entrenamiento de los datos Para ajustar los rangos de las variables linguisticas