7/24/2019 Paper Control Fuzzy

1/3

Control Fuzzy

B. D. RiveraDepartamento de Elctrica y Electrnica

Universidad de las Fuerzas Armadas - ESPESangolqu, Ecuadorbdrivera@espe.edu.ec

AbstractThe following is an informative article about

fuzzy control. It discloses another type of logic to perform

certain control systems in which can be helpful using this

method. This type of control is perhaps not a lot of

knowledge for students because is something different from

the conventional, so it is very important to know the

conditional logic on which it is based as it is a more realistic

and interesting logic.

I ndex TermsSensor, fuzzy logic, control, transducer,

conditional logic, true conditions.

ResumenEl siguiente es un artculo informativo acerca

del control fuzzy. Se da a conocer otro tipo de lgica para

realizar el control de ciertos sistemas en los que puede ser

de gran ayuda el empleo de este mtodo. Este tipo de control

talvez no es de mucho conocimiento para los estudiantes por

ser algo diferente al convencional por lo que es muy

importante conocer la lgica condicional en la que se basa

ya que es una lgica ms real e interesante.

Palabras ClaveSensor, lgica difusa, control, lgica

condicional, condiciones verdaderas.

I.INTRODUCCIN

Hoy en da en la industria, en las casas, en establecimientosy en diferentes lugares con tecnologa se tienen sistemas queofrecen diferentes tipos de servicios y ayuda a la gente. Son tanvariados dichos elementos que van desde un sistema automtico

para controlar la temperatura, como tambin de seguridad paraaccionar alarmas, en la industria para que las mquinas hagandeterminada accin, en la agricultura para controlar el riego o elambiente y as muchas otras aplicaciones ms.

Todos estos escenarios son controlados por diferentesdispositivos, y para hacer el control del sistema se debe tener encuenta algunos aspectos como son las variables, el diseo de la

planta, los sensores, los actuadores, entre otros. Se debe analizarel comportamiento del sistema o la planta , hacer una correctamedicin de las variables y as poder realizar un diseo decontrol eficiente. Es aqu cuando surgen los diferentes tipos decontrol. Y en este contexto surgi el control fuzzy, o control

basado en lgica difusa.

Este tipo de control es diferente a los ya conocidos porqueno se centra en analizar la planta y realizar el diseo mediantemodelos matemticos, si no que se basa en una lgica ms real,una lgica condicional que es ms parecida a la lgica del serhumano, es decir algo ms real.

El estado del arte de este artculo est dividido en 4 partesfundamentales en donde podemos conocer ms acerca de cmotrabaja la lgica fuzzy, los procesos que debe cumplirse para

realizar este tipo de control, los aspectos importantes aconsiderar, las reglas para tener en cuenta y las conclusiones queobtuvimos acerca de este importante tema.

.

II.ESTADO DEL ARTE

Se ha investigado acerca del control fuzzy y se haencontrado informacin muy relevante debido a que este temaes muy importante e interesante. Este tipo de control es diferenteal que ya conocemos por lo que es sustancial llegar a aprenderacerca del mismo y poder entenderlo ya que ayudar mucho parala realizacin de sistemas bajo ciertos tipos de condiciones.

Entre los artefactos o dispositivos en los que se aplica lgica

difusa, estn los automviles, las lavadoras, las secadoras y seha encontrado un artculo de Samir Kouro y Rodrigo Musalem,en el cual describen un ejemplo de control que permite regularel ngulo de elevacin de un helicpetro.

Por lo ya mencionado es importante el estudio de este temay el conocimiento de este artculo, para seguir haciendoaplicaciones interesantes que nos puedan ayudar debido a queeste tipo de control ayuda mucho en sistemas no lineales.

A.Sistemas Basados en Reglas

El desarrollo del fuzzy control tiene, su origen en lossistemas basados en reglas para la toma de decisiones y en lafuzzy logic para la evaluacin de aquellas. Los controladores

fuzzy, al igual que otros, toman los valores de las variablesde entrada, realizan algn procedimiento con ellas, decidencomo modificar las variables de salida y lo realizan,afectando estas ltimas a la planta. La diferencia escencial esque no procesan ecuaciones ni tablas, procesan reglas paradecidir como cambiar las salidas. Esto lo hace una tecnologamuy accesible, ya que las reglas estn ms cerca del sentidocomn que de las ecuaciones y los modelos. Este mtodo de

procesamiento de reglas est vinculado con los sistemasexpertos, uno de los frutos tangibles de la InteligenciaArtificial (IA). Estos sistemas nacieron como consecuencia

7/24/2019 Paper Control Fuzzy

2/3

natural del desarrollo de esta disciplina, ya que era necesarioagregar a los programas ese conocimiento y experiencia, queel experto humano tiene para resolver un determinado

problema. Estos programas de computadora, utilizanconocimiento y algn tipo de mecanismo de inferencia pararesolver un tipo de problema en especial, con el objetivo deobtener resultados parecidos a los del experto humano, noslo en cuanto a la conclusin final, sino tambin a la forma

en que se llega a la misma.[1]Este conocimiento consta de hechos y heurstica,

siendo los primeros la informacin pblica y generalmentedisponible, para la resolucin de un problema en particular,mientras que la heurstica, es ms privativa del experto, es

justamente ese conocimiento en particular que lo hacedestacarse en su tarea. Cuando este conocimiento estexpresado como reglas del tipo SI antecedente ENTONCESconsecuente o SI condicin ENTONCES accin entonces sedice que es un sistema basado en reglas.

En cuanto al mecanismo de inferencia, es la parte decontrol del programa, encargada de procesar las reglascontenidas en la base de conocimiento, tomando en cuentalos nuevos datos y el estado del sistema, y producir comoresultado, un nuevo cambio en el estado del mismo para ascomenzar un nuevo ciclo

B.Fuzzy Logic

A mediados de la dcada del 60 se introdujo una teoradonde la idea de pertenencia de un elemento a undeterminado conjunto no era ya pertenece o no pertenece,sino que pertenece en un cierto grado. Las funciones quevinculan al elemento con su grado de pertenencia, se llamanmembership functions. Basandose sobre esta idea, se

construy nuevamente toda la teora de conjuntos,redefiniendo inclusin, unin, operadores lgicos ( AND,OR ), otras operaciones y sus propiedades. En lo referente ala lgica, aparecen nuevas alternativas respecto de la lgicatradicional, puesto que, al evaluar una proposicin, ya no esverdadera o falsa sino que la misma tiene un cierto grado deveracidad, y que a su vez depende del grado de veracidad desus premisas. De aqu que al utilizar fuzzy logic en laevaluacin de reglas, todas las reglas cuyas premisas tenganalgn grado de veracidad, influirn tambin en cierto gradoa la solucin del problema. Es decir toda regla que sepa algoopine.[3]

C.Controladores Fuzzy

Los controladores fuzzy, igual que otroscontroladores, toman el valor de las variables de entrada,

procesan, y actan sobre sus salidas a fin de controlar laplanta. En fuzzy control se utilizan sistemas basados enreglas, que emplean fuzzy logic, como elemento central.Dado su estado, y los valores de las variables de entrada,estos sistemas evalan la veracidad de cada regla, y as,toman decisin sobre los cambios a realizar en las variablesde salida. Una vez actualizadas las mismas, estas producirn

un cambio sobre la planta, luego se vuelven a obtener losvalores de las variables de entrada, comenzando un nuevociclo..

SI la temperatura es baja ENTONCES aumente el

ciclo de actividad del calefactorTal tipo de procesamiento est mucho mas cercano al

razonamiento del experto humano, ya que permite realizaroperaciones entre palabras como mas bajo, subir un poquito

etc.Este proceso cclico puede ser dividido en tres grandes

partes, fuzzification, evaluacin de reglas y defuzzification.

Fig 1. Diagrama de Bloques Control Fuzzy[4]

1)Fuzzification.Esta es la primera parte del proceso, donde luego del

procedimiento convencional de adquirir los valores de lasvariables del sistema y calcular otras, se procede a calcular elgrado de pertenencia de tales variables a todos los posiblesconjuntos fuzzy ( fuzzy inputs ) que se le han asignado.Tomando como ejemplo una variable temperatura, con un valorde 20c, se cuantifica su grado de pertenencia a los conjuntosrepresentados con las siguientes etiquetas lingisticas,

muy_baja, baja, templada, alta y muy_alta. Son las membershipfunctions las que permiten cuantificar los conceptos querepresentan las etiquetas.

En el grfico se puede observar la membership function parala fuzzy input baja, y el valor de pertenencia para 20c.

Fig2. Membership Function para input baja

Si ahora se realiza el mismo procedimiento para muy_baja, sever que tambin, para 20c, es parcialmente muy_baja.

Fig 3. Memebership Function para input muy baja

7/24/2019 Paper Control Fuzzy

3/3

Al finalizar este proceso, queda asignado a cada fuzzy input, elgrado de pertenencia del valor actual de la variable que lecorresponde.

2)Evaluacin de Reglas.Una vez realizada la fuzzification, se est en condiciones de

evaluar los antecedentes de las reglas, obteniendo el grado deverdad o peso, para cada una de ellas. Si se tiene una regla

como la siguiente: SI la temperatura es baja ENTONCESaumente el ciclo de actividad del calefactor. El peso de la reglaestar dado por la veracidad de su antecedentes. Se asignadirectamente como peso, el grado de pertenencia del valor ledode temperatura a la etiqueta lingstica baja.[2]

3)Desifuzzification.Para el ejemplo se tomar la forma ms simple de

membership function, esta es la que considera a un soloelemento del universo de discurso perteneciente totalmente alconjunto. Este tipo de funciones se denominan singleton.

Fig 4. Representacin desifuzzification

A cada fuzzy output, se le asign el mximo valor de verdado peso de las reglas que la mencionan como consecuente. Ahora

quedan varias fuzzy outputs para cada variable de salida, cadauna con su valor de verdad, o grado de aplicabilidad, pero cules el nuevo valor de la variable de salida ?. Una forma simple yefectiva de determinarlo es realizando un promedio ponderadoentre todas las fuzzy outputs que le corresponden a una variablede salida. Para el caso en que las membership functions no seansingletons, se procede en forma similar, pero considerando lassuperficies de las fuzzy outputs, afectadas por su valor deaplicabilidad, y tomando el centro de gravedad de las mismascomo el nuevo valor de la variable de salida en consideracin.

Una vez actualizada la variable de salida, se est en condicionesde comenzar un nuevo ciclo.[3]

III.CONCLUSIONES

Se pudo apreciar la facilidad en la implementacin delsistema, ya que al describir el comportamiento del controladormediante reglas, no es necesario realizar una modelizacinexacta, sino que basta con entender conceptualmente sucomportamiento. Esta caracterstica lo hace particularmenteapropiado para sistemas muy alineales, cuya modelizacin porlos mtodos tradicionales suele ser compleja, acelerando la

puesta en el mercado del producto.Se ha realizado una breve descripcin de los controladores

fuzzy, sistemas de control cuyo funcionamiento est basado enla evaluacin de reglas utilizando fuzzy logic

Se comprob la robustez de los controladores fuzzy, ya quees posible describir reglas para todo el rango de variacin de lasvariables de entrada.

Se observ, que mediante el mtodo de evaluacin de reglas,resultan acciones de control suaves, una de las principalescaractersticas de los fuzzy controllers.

REFERENCIAS

[1] Creating Fuzzy Micros, James M. Sibigtroth, Embedded SystemsProgramming, Dec. 91.

.

[2] Fuzzy Logic for Embedded Microcontrollers, J. Sibigtroth,Circuit Cellar INK, March 95.

[3]

Fuzzy Mathematical Techniques with Applications. AbrahamKandel. Florida State University. Addison-Wesley PublishingCompanyFuzzy.

[4] Universidad de Oviedo, Control Fuzzy [En Lnea].Available:http://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdf. [ltimo Acceso 16/11/2015].

http://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdfhttp://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdfhttp://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdfhttp://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdfhttp://isa.uniovi.es/~hilario/dsac_archivos/pdf_dsac/Fuzzy.pdf