manuel mazo y marta marrón. departamento de electrónica 1 fundamentos de control borroso
TRANSCRIPT
Manuel Mazo y Marta Marrón. Departamento de Electrónica 1
Fundamentos de Control BorrosoFundamentos de Control Borroso
Manuel Mazo y Marta Marrón. Departamento de Electrónica
2
Control borroso: Elementos básicosControl borroso: Elementos básicos
Bor
rosi
fica
ción
(Fu
zzif
icat
ion
)
Base conocimientio(Rule-base)
Mecanismo inferencia(Inference mechanism)
Des
bor
rosi
fica
ción
(Def
uzz
ific
atio
n)
Proceso(Process)
Controlador Borroso (Fuzzy Controller)
Reference Input
r(t)
Inputsu(t)
Outputsy(t)
Inputs e(t)
Entradas borrosificadas
Conclusiones borrosas
com
par
ador
Manuel Mazo y Marta Marrón. Departamento de Electrónica
3
Tener un conocimiento exhaustivo de la planta. Tener claras las especificaciones de diseño (son similares
a las de un control convencional). Elección de las entradas y salidas del controlador
borroso. Elección de las técnicas de pre-procesamiento de entradas
y post-procesamiento de las salidas. Diseño de cada uno de los cuatro bloques del controlador
borroso. Evaluar el comportamiento (utilizando técnicas
matemáticas, simulación y experimentación). Hay que tener presente que un controlador borroso es un control no lineal.
Control borroso: ProcedimientoControl borroso: Procedimiento
Manuel Mazo y Marta Marrón. Departamento de Electrónica
4
Acciones básicas Acciones básicas Diseño de un controlador borroso Diseño de un controlador borroso Fase 1Fase 1 Objetivo: Péndulo invertidoObjetivo: Péndulo invertido
u
y
2l
Pénduloinvertido
Reference Input
r(t)
Inputsu(t)
Outputsy(t)
Objetivo: actuando sobre el carro con una fuerza u(t) mantener la barra con y(t)=0 (posición vertical).
El controlador borroso debe automatizar el comportamiento que un experto humano utilizaría para alcanzar el “objetivo”.
Manuel Mazo y Marta Marrón. Departamento de Electrónica
5
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 2 Elección de entradas y salidasFase 2 Elección de entradas y salidas
Entradas: el experto humano determina qué entradas le ayudarán a tomar decisiones sobre la acción del controlador. En este caso p.ej.: e(t) = r(t)-y(t), de(t)/dt En general: e(t), de(t)/dt, ∫e(t)dt
Salida: fuerza aplicada al móvil u(t). Valor de la referencia [r(t)]: parece lógico que r(t) =0.
ControladorBorroso
Pénduloinvertidod/dt
r eu y_
+
El experto, a partir de su conocimiento dela planta, es el que realiza la descripción lingüística para el diseño del controlador
Manuel Mazo y Marta Marrón. Departamento de Electrónica
6
Variables y valores lingüísticos: Variables: “error”, “cambio de error”, “fuerza aplicada” Valores (para cada variable): “neg. grande” (NG), “neg. pequeño”
(NP), “cero” (CE) , “pos. pequeño” (PP), “pos. grande” (PG).
Reglas básicas: La cuantificación lingüística que el experto hace conduce a las reglas básicas (if-then). En general, con “m” entradas y “p” valores lingüisticos para cada una se tienen pm reglas básicas.
Base de conocimiento:
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 3 variables, valores, reglasFase 3 variables, valores, reglas
“Fuerza”
u(t)
“Cambio de error”
NG NP CE PP PG
“error”
NG PG PG PG PP CE
NP PG PG PP CE NP
CE PG PP CE NP NG
PP PP CE NP NG NG
PG CE NP NG NG NG
Manuel Mazo y Marta Marrón. Departamento de Electrónica
7
Diseño de un controlador borrosoDiseño de un controlador borroso Ejemplos de reglasEjemplos de reglas
u
u
u
If error es CE and cambio de error es PP Then fuerza es NP
If error es PG and cambio de error es NP Then fuerza es NP
If error es NG and cambio de error es NG Then fuerza es PG
e<0e>0 de/dt>0
de/dt<0
de/dt>0
de/dt<0Criterio de signos
Manuel Mazo y Marta Marrón. Departamento de Electrónica
8
- π/2 -π/4 π/4 π/2 e(t), (rad)
NG NP CE PP PG
- π/4 -π/8 π/16 π/8 π/4 de(t)/dt, (rad/sec)
NG NP CE PP PG
-30 -20 -10 10 20 30 u(t), (N)
NG NP CE PP PG
Diseño de un controlador borroso Diseño de un controlador borroso Fase 4 Funciones de pertenenciaFase 4 Funciones de pertenencia
Se debe tener presente que –π/2≤e(t) ≤π/2
Manuel Mazo y Marta Marrón. Departamento de Electrónica
9
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 5 Fase 5 BorrososificaciónBorrososificación
Determina para cada valor natural de las entradas el grado en que pertenecen a cada valor lingüístico: funciones de pertenencia.
La entrada del borrosificador es siempre un valor numérico (limitado al universo de discurso de la variable de entrada) y la salida es un grado de pertenencia ( μi(x) siempre en el intervalo de 0 a 1).
Ejemplo:
Borrosificador(Tipo: singleton)
e(t) = e1(t) = π/4
e(t) = e2(t) = 0
e(t) = e3(t) = - π/4
μPP [e1(t)]= 1, μPG [e1(t)]= μCE [e1(t)]= 0
μCE [e2(t)]= 1, μPP [e2(t)]= μNP [e2(t)]= 0
μNP [e3(t)]= 1, μCE [e3(t)]= μNG [e3(t)]= 0
e(t)=π/8
- π/2 -π/4 π/4 π/2 e(t), (rad)
NG NP CE PP PG
μCE = μPP =0.5,
μNG = μNP = μPG = 0 0.5
1.0
Manuel Mazo y Marta Marrón. Departamento de Electrónica
10
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 6Fase 6 Mecanismo de inferencia Mecanismo de inferencia
- π/4 -π/8 π/16 π/8 π/4 de(t)/dt, (rad/sec)
NG NP CE PP PG
Reglas activas las que tienen premisas:
“error es CE” “cambio de error es CE”“cambio de error es PP”
- π/2 -π/4 π/4 π/2 e(t), (rad)
NG NP CE PP PG
“Fuerza”
u(t)
“Cambio de error”
NG NP CE PP PG
“error”
NG PG PG PG PP CE
NP PG PG PP CE NP
CE PG PP CE NP NG
PP PP CE NP NG NG
PG CE NP NG NG NG
Reglas activas
Ejemplo de determinación qué reglas están activas. Caso e(t) =0 y de(t)/dt =(3π)/32
Manuel Mazo y Marta Marrón. Departamento de Electrónica
11
μpremisa (1)= mín {1, 0.25}=0.25
-π/8 π/16 π/8 de(t)/dt
CE
-π/4 π/4 e(t)
CE
μCE(ei),μCE (dei/dt)
0.25
Premisa(1): “If error es CE and cambio de error es CE”
Premisa(2): “If error es CE and cambio de error es PP” μpremisa (2)= mín {1, 0.75}=0.75
π/16 π/8 π/4 de(t)/dt -π/4 π/4 e(t)
CE
μCE(ei),0.75
PP
μPP (dei/dt)
Conectiva and: mínimo
Conectiva and: mínimoEjemplo de cuantificación de las premisas de las reglas. Caso e(t) =0 y de(t)/dt =(3π)/32
Diseño de un controlador borrosoDiseño de un controlador borroso Fase 6 Fase 6 Mecanismo de inferenciaMecanismo de inferencia
Manuel Mazo y Marta Marrón. Departamento de Electrónica
12
Diseño de un controlador borrosoDiseño de un controlador borroso Fase 6 Fase 6 Mecanismo de inferenciaMecanismo de inferencia
π/16
π/8
π/4- π/4
π/4
- π/4
e(t), (rad)
d
d te t ra d( ) , ( / sec )
prem isa
En tanto el valor de las entradas cambien con el tiempo, lo harán los valores de las funciones de pertenencia, y por tanto los valores de las funciones de pertenencia multidimensional de
las premisas de las reglas
Función de pertenencia de la premisa 2
Manuel Mazo y Marta Marrón. Departamento de Electrónica
13
If error es CE and cambio de error es CE then fuerza es CE
-π/4 π/4 e(t)
CE
μCE(ei),μCE (dei/dt)
0.25
-10 10 u(t)
CE
-π/8 π/16 π/8 de(t)/dt
If error es CE and cambio de error es PP then fuerza es NP
-π/4 π/4 e(t)
CE
μCE(ei),0.75
PP
μPP (dei/dt)
-20 -10 10 u(t)
NP
μ regla_1(u)= mín {μ permias(1) , μ CE (u)}
μ regla_2(u)= mín {μ permias(2) , μ NP(u)}
0.25
0.75
Diseño de un controlador borroso Diseño de un controlador borroso Fase 7Fase 7 Obtención de conclusiones Obtención de conclusiones
Manuel Mazo y Marta Marrón. Departamento de Electrónica
14
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 8 Desborrosificación: COGFase 8 Desborrosificación: COG
ub
crisp i reg la ii
reg la ii
_
_
.6 8 1
CE
0.25
-10 10 u(t)
NP 0.75
-20 -10 10 u(t)
bi= centro de la función de pertenencia.
μregla_i = área bajo las funciones de pertenencia: μregla_1(u) y μregla_2(u)
-20 -10 10 u(t), (N)
NP CE 0.75
0.25μregla_i
u=-6.81
Manuel Mazo y Marta Marrón. Departamento de Electrónica
15
En este caso se puede ver que se cumple:
En la práctica hay que tener presente los límites mínimo y máximo de las variables de actuación.
Esos limites dependen tanto de las funciones de pertenencia definidas como del desborrosificador utilizado.
2 0 2 0ub
crisp i reg la ii
reg la ii
_
_
-30 -20 -10 10 20 30 u(t), (N)
NG NP CE PP PG
Diseño de un controlador borrosoDiseño de un controlador borrosoValores extremos de las salidasValores extremos de las salidas
Manuel Mazo y Marta Marrón. Departamento de Electrónica
16
μpremisa (i) ub
crisp i prem isa ii
p rem isa ii
( )
( )
.7 5
-20 -10 10 u(t), (N)
NP CE 0.75
0.25
-7.5
μpremisa(i)
Diseño de un controlador borrosoDiseño de un controlador borrosoFase 8 Desborrosif.: Centros ponderadosFase 8 Desborrosif.: Centros ponderados
CE
-10 10 u(t)
NP μregla_2(u) = 0.75μNP(u)
-20 -10 10 u(t)
μregla_1(u) = 0.25μCE(u)0.75
0.25
mín
prod
Manuel Mazo y Marta Marrón. Departamento de Electrónica
17
Control Borroso: ResumenControl Borroso: Resumen
2. If and Then
1. If and Then
Entrada 1 Entrada 2 …..
Salida
InferenciaPremisa
Agr
egac
ión
Desborrosificación
Manuel Mazo y Marta Marrón. Departamento de Electrónica 18
Aspectos formales de la Aspectos formales de la
Lógica BorrosaLógica Borrosa
Manuel Mazo y Marta Marrón. Departamento de Electrónica
19
Variables lingüísticas y valoresVariables lingüísticas y valores
Las entradas ei y salidas ui del sistema borroso pertenecen a dominios precisos (crisp) denominados “universo de discurso” Ei e Ui.
Generalmente Ei e Ui coinciden con el conjunto de números reales.
e E i n
u U i mi i
i i
, , , . . . . . . . ,
, , , . . . . . . . ,
1 2 3
1 2 3
e1
e2
...
en
u1
u2
...
um
En
trad
as (
cris
p)
Sali
das
(cr
isp)
Bor
rosi
fica
ción
(Fu
zzif
icat
ion
)
Base conocimientio(Rule-base)
Mecanismo inferencia(Inference mechanism)
Des
bor
rosi
fica
ción
(Def
uzz
ific
atio
n)
Controlador Borroso (conjunto borroso)
Entradas borrosificadas
Conclusiones borrosas
~u i~e i
e e b o rro sific a d o r
u u d esb o rro sifica d o ri i
i i
~ :~ :
Manuel Mazo y Marta Marrón. Departamento de Electrónica
20
~e i definida sobre el universo de discusión Ei puede tomar
~A i
j
La variable
cualquiera de los valores del conjunto
~A i
~{
~: , , . . . }A A j Ni i
ji 1 2
~A i
j ~A i
~u q definida sobre el universo de discusión Uq puede tomar
~A i
j
La variable
cualquiera de los valores del conjunto
~A i
~{
~: , , . . . }B B p Mq q
pq 1 2
~B q
p ~B q
~e i Ejemplo: si representa la variable velocidad, se puede tener el conjunto lingüístico (valores):
~{
~ ~ ~} { , , }, , ,A A A A len to m ed io rap ido1 1
112
13
Variables lingüísticas y valoresVariables lingüísticas y valores
Manuel Mazo y Marta Marrón. Departamento de Electrónica
21
Tipos: SISO, SIMO, MISO, MIMO
Ejemplo de MIMO:
Equivalente con MISO:
If e es A and e es A and and e es A then u es B and u es Bj kn n
l r s~ ~ ~ ~ ~ ~ ~ ~ ~ ~1 1 2 2 1 1 2 2
If e es A and e es A and and e es A then u es B
If e es A and e es A and and e es A then u es B
j kn n
l r
j kn n
l r
~ ~ ~ ~ ~ ~ ~ ~
~ ~ ~ ~ ~ ~ ~ ~1 1 2 2 1 1
1 1 2 2 2 2
ReglasReglas
Manuel Mazo y Marta Marrón. Departamento de Electrónica
22
Si Ei es el universo de discurso de la variable , con valores
lingüísticos definidos por , la función μ(ei) asociada a
los valores que mapea la correspondencia entre el
universo de discurso Ei y el conjunto de valores reales [0,1],
se conoce como función de pertenencia.
La función de pertenencia describe la certeza (certidumbre) con que una variable lingüística puede ser catalogada como
El conjunto borrosos asociado a la función de pertenencia se expresa:
~e i~ ~A Ai
ji
~A i
j
~e i~A i
j
A i
ij e( )
~{( , ( ))} : }A e e e Ei
ji A i i i
ij
Conjuntos borrosos, Conjuntos borrosos, Funciones de pertenenciaFunciones de pertenencia
Manuel Mazo y Marta Marrón. Departamento de Electrónica
23
Función de pertenencia:
Definición: Sea Ei el conjunto de discurso de la variable , con valores
definidos por La función μ(ei) asociada a los valores que
establece la correspondencia entre Ei y el conjunto de valores reales [0, 1]
se conoce como función de pertenencia.
¿Qué describe?: la certeza (certidumbre) con que una variable lingüística
puede ser catalogada como .
Funciones de pertenencia.
Expresión de conjunto borroso: El conjunto borroso asociado a la función de pertenencia se expresa como:
Conjuntos borrosos, Conjuntos borrosos, Funciones de pertenenciaFunciones de pertenencia
~e i~ ~A Ai
ji
~A i
j
~e i~A i
j
A i
ij e A u e e Ei
j
i A i i iii , :
μ
ei
Manuel Mazo y Marta Marrón. Departamento de Electrónica
24
Gaussian membership functions
Left
Centers
Right
L
L
L
L
e
if e c
e co th erw ise
( )ex p
1
1
2
2
( ) ex pee c
1
2
2
R
R
R
R
ee c
if e c
o th erw ise
( )ex p
1
2
1
2
1
ecL
ec
1
cR e
1
Conjuntos borrosos, Conjuntos borrosos, Funciones de pertenenciaFunciones de pertenencia
Manuel Mazo y Marta Marrón. Departamento de Electrónica
25
Conjuntos borrosos, Conjuntos borrosos, Funciones de pertenenciaFunciones de pertenencia
Triangular membership functions
Left
Centers
Right
L
L
L
L
e
if e c
c eo therw ise
( )m ax ,
.
1
0 10 5
C e
e cif e c
c eo therw ise
( )
m ax ,.
m ax ,.
0 10 5
0 10 5
R
R
RR
e
e cif e c
o therw ise
( )m ax ,
.
0 10 5
1
ωL
ecL
1
1
e
ωω
cc-ω/2 c+ω/2
ωR
ecR
1
Manuel Mazo y Marta Marrón. Departamento de Electrónica
26
A A A i A i i i
i i i ie e e E1 2 1 2
min{ ( ), ( ): }
AND: La intersección de dos conjuntos borrosos definidos en el universo de discurso Ei , es el conjunto borroso con función de pertenencia: Mínimo:
Producto:
Las dos funciones anteriores se suelen denominar “norma
triangular” y se expresan como:
A Ai i1 2
A i A i
i ie e1 2( ) * ( )
A Ai i1 2,
Funciones de lógicasFunciones de lógicas
A A A i A i i i
i i i ie e e E1 2 1 2
{ ( ) ( ): }
Manuel Mazo y Marta Marrón. Departamento de Electrónica
27
A A A i A i i i
i i i ie e e E1 2 1 2
max{ ( ), ( ): }
OR: La unión de dos conjuntos borrosos , definidos en el universo de discurso Ei , es el conjunto borroso con función de pertenencia:
Máximo:
Suma:
Las dos funciones anteriores se suelen denominar “co-norma
triangular” y se expresan como:
A Ai i1 2
A i A i
i ie e1 2( ) ( )
A Ai i1 2,
Funciones de lógicasFunciones de lógicas
A A A i A i A i A i i i
i i i i i ie e e e e E1 2 1 2 1 2
{ ( ) ( ) ( ) ( ): }
Manuel Mazo y Marta Marrón. Departamento de Electrónica
28
Funciones de lógicasFunciones de lógicas
Complemento (NOT): El complemento de un conjunto borroso con función de pertenencia :
Producto cartesiano: Es una operación en la que intervienen conjuntos borrosos con diferentes universos de discurso, resultando la siguiente función de pertenencia:
A i1
A i
ie1 ( )
A i A i
i ie e1 11( ) ( )
A xA x xA n A A A nj k
nl j k
nle e e e e e
1 2 1 21 2 1 2......
( , , . . . . ) ( ) * ( ) * . . . . . . . .* ( )
Manuel Mazo y Marta Marrón. Departamento de Electrónica
29
Base de conocimientoBase de conocimiento
La base de conocimiento ha de ser: Completa: todas las posibles entradas del controlador han de tener su
conclusión. Consistente: no puede haber conflicto entre conclusiones de
diferentes reglas.
Número de reglas: Si todas las posibles premisas participan en las reglas, y el conjunto de reglas contempla todas las posibles combinaciones de premisas, el número de reglas es:
Ejemplo: n = 2, N1= 4, N2=6, número de reglas =24
N um ero de reg las N
n num ero de en tradas
N num ero de funciones de pertenencia
ii
n
i
1
" " ,
Manuel Mazo y Marta Marrón. Departamento de Electrónica
30
BorrosificaciónBorrosificación ( )
Aifu z x
( )A
i
iifu z x
x e
x e
1
0
1 1 1 1 1
…….
Funciones de pertenencia
ei
A i
ie1 ( )
A ii
e3 ( ) A i
ie6 ( )
( ) ex p
A
i
ifu z x a
x e
2
Borrosificadorsingleton
ei ( )
Aifu z x
Borrosificadorno singleton
ei ( )
Aifu z x
Manuel Mazo y Marta Marrón. Departamento de Electrónica
31
Mecanismo de inferenciaMecanismo de inferencia
1. Determinar el alcance de las regalas relevantes para cada situación de las “n” entradas (matching o correspondencia): Obtener las reglas activas de la base de conocimiento. Calcular la función de pertenencia de la premisa de la regla activa.
Para un borrosificador la certidumbre asociada a la premisa de la regla “i” se expresa mediante el producto cartesiano:
2. Establecer las conclusiones en función de las entradas y de las reglas de la base de conocimiento (paso de inferencia).
i n A A A ne e e e e ej knl( , , . . . . ) ( ) * ( ) * . . . . . . . .* ( )1 2 1 2
1 2
B q i n B q
qi
qpu e e e u im o( ) ( , , . . . ) * ( ); * m in 1 2
B q B q B q B qq q q qRu u u u im o( ) ( ) ( ) . . . . . . ( ); m ax 1 2
(1)
(2)
Manuel Mazo y Marta Marrón. Departamento de Electrónica
32
DesborrosificaciónDesborrosificación
Objetivo: calcular la salida “uqcrisp” a partir de cada una de las
reglas implicadas o a partir de todas simultaneamente.
Si se hace a partir de las conclusiones de las reglas individualmente procesadas (1), los métodos más utilizados son COG y ponderación de centros.
En el caso de implicación simultánea de las reglas (2), el “Criterio Máximos” es el más utilizado.
Manuel Mazo y Marta Marrón. Departamento de Electrónica
33
Desborrosificación: COGDesborrosificación: COG Sea una base de conocimiento con R reglas. Sea bp
q el centro del conjunto borroso de la función de pertenencia implicada por la regla (j, k, ….. l; p)i, y el área de dicha función de pertenencia:
La salida es:
B q
qp u( )
B q q
uqp
q
u du( )
u
b u du
u duqcrisp
iq
B q q
ui
R
B q q
ui
R
qi
q
qi
q
( )
( )
1
1
La función de pertenencia de los términos del consecuente de las reglas no se saturan en los extremos para asegurar un valor finito de la salida Hay que asegurar que el denominador sea distinto de cero
B q q
ui
R
qi
q
u du( )
1
0
Manuel Mazo y Marta Marrón. Departamento de Electrónica
34
DesborrosificaciónDesborrosificaciónPonderación de centrosPonderación de centros
El cálculo de la salida se obtiene a partir de los centros de las funciones de pertenencia de los consecuentes de las reglas implicadas y el valor máximo de certeza de tales funciones de pertenencia.
Siendo el valor máximo de la función de pertenencia del consecuente “q” afectado por la regla “i”.
su p { ( )}u B qq qi u
u
b u
uqcrisp
iq
u B qi
R
u B qi
R
q qi
q qi
su p { ( )}
su p { ( )}
1
1
su p { ( )}u B qi
R
q qi u
1
0
Manuel Mazo y Marta Marrón. Departamento de Electrónica
35
DesborrosificaciónDesborrosificaciónEjemplosEjemplos
B q
qu1 ( )
…. b1 b2 b3 bi bN uq
B q
qu1 ( )
B qqN u( )
B qq
u2 ( )
…. b1 b2 b3 bi bN uq
B q
qu2 ( )
B qqN u( )
Manuel Mazo y Marta Marrón. Departamento de Electrónica
36
DesborrosificaciónDesborrosificaciónCriterio MáximoCriterio Máximo
Esta estrategia tiene en cuenta todos los conjuntos borrosos implicados simultáneamente.
La salida es el punto del universo de discurso de salida para el que la función de pertenencia del conjunto borroso Bq es el máximo.
Donde arg supx{μ(x)} devuelve el valor de x para el cual la función μ(x) presenta un máximo.
Ejemplo:
u uqcrisp
u B qq qi {arg su p { ( )}}
-20 -10 10 20 uq
μregla_1
uqcrisp = -20
μregla_2μregla_3 μregla_4
Manuel Mazo y Marta Marrón. Departamento de Electrónica
37
DesborrosificaciónDesborrosificaciónCentro de áreasCentro de áreas
Al igual que la estrategia del “criterio maximo”, tiene en cuenta todos los conjuntos borrosos implicados simultáneamente.
La salida, ucrisp, se elige como el centro del área del universo de discurso de salida.
Para un universo de salida continuo, el centro del área es:
Un inconveniente de esta estrategia es que computacionalmente es caro.
uu u du
u duqcrisp
q B q qu
B q qu
( )
( )
B q qu q
q
u du( ) 0
Manuel Mazo y Marta Marrón. Departamento de Electrónica
38
2. If and Then
1. If and Then
Entrada 1 Entrada 2 …..
Salida
InferenciaPremisa
Agr
egac
ión
Desborrosificación
Sistemas tipo MandaniSistemas tipo Mandani
Manuel Mazo y Marta Marrón. Departamento de Electrónica
39
Sistemas tipo Takagi-SugenoSistemas tipo Takagi-Sugeno
El elemento diferenciador de un sistema tipo Takagi-Sugeno radica en la expresión del consecuente de las reglas de la base de conocimiento.
En los sistemas tipo Sugeno el consecuente es una función (o varias funciones de salida caso de sistemas SIMO, MIMO) de las variables de entrada.
Generalmente la función fi (consecuente) se reduce a una constante o una relación lineal de las entradas.
Ejemplo:
if u es A and u es A and and u es A T hen f u u uj kn n
li n1 1 2 2 1 2. . . . . . . . ( , , . . . . . , )
f a a u a u a n rea lesi i i n n i j 1 0 1 1, , , ,. . . . . . ; º
Manuel Mazo y Marta Marrón. Departamento de Electrónica
40
Sistemas tipo Takagi-SugenoSistemas tipo Takagi-Sugeno
Para la evaluación AND se suelen utilizar operadores mínimo o producto.
Para la desborrosificación se suele utilizar:
Ejemplo:
uf
crisp i prem isa ii
R
prem isa ii
R
( )
( )
1
1
If e es A then f e
If e es A then f e
1 11
1 1
1 12
2 1
2
1
uf f
f fcrisp
1 1 2 2
1 21 1 2 2
e1=0: ucrisp =(2+0)0.5 + (1+0) 0.5 =1.5
e1≥1: ucrisp =1+e1
e1≥1: ucrisp =2+e1
-1 1 e1
1μ1 μ2
Manuel Mazo y Marta Marrón. Departamento de Electrónica
41
Sistemas tipo Sugeno: ResumenSistemas tipo Sugeno: Resumen
2. If and Then
1. If and Then
Entrada 1 Entrada 2 …..
Salida
InferenciaPremisa
Agr
egac
ión
Desborrosificación
Manuel Mazo y Marta Marrón. Departamento de Electrónica
42
Comparación: Comparación: Sugeno vs MamdaniSugeno vs Mamdani
Ventajas sistema Sugeno: Eficiente en términos de computación. Funciona bien con técnicas lineales (PID por ejemplo). Funciona bien con técnicas de optimización y adaptativas Garantiza la continuidad en la superficie de salida del sistema. Se adapta mejor al análisis matemático.
Ventajas sistema Mamdani: Es más intuitivo. Está ampliamente aceptado. Se adapta mejor al lenguaje humano.