Você está na página 1de 22

LA LOGICA DIFUSA I.

- Introduccin
La lgica borrosa es una rama de la inteligencia artificial que se funda en el concepto "Todo es cuestin de grado" , lo cual permite manejar informacin vaga o de difcil especificacin si quisiramos hacer cambiar con esta informacin el funcionamiento o el estado de un sistema especifico. Es entonces posible con la lgica borrosa gobernar un sistema por medio de reglas de 'sentido comn' las cuales se refieren a cantidades indefinidas. Las reglas involucradas en un sistema borroso, pueden ser aprendidas con sistemas adaptativos que aprenden al ' observar ' como operan las personas los dispositivos reales, o estas reglas pueden tambin ser formuladas por un experto humano. En general la lgica borrosa se aplica tanto a sistemas de control como para modelar cualquier sistema continuo de ingeniera, fsica, biologa o economa. La lgica borrosa es entonces definida como un sistema matemtico que modela funciones no lineales, que convierte unas entradas en salidas acordes con los planteamientos lgicos que usan el razonamiento aproximado. Se fundamenta en los denominados conjuntos borrosos y un sistema de inferencia borroso basado en reglas de la forma " SI....... ENTONCES...... ", donde los valores lingsticos de la premisa y el consecuente estn definidos por conjuntos borrosos, es as como las reglas siempre convierten un conjunto borroso en otro

II.- Concepto
Es un tipo de lgica que reconoce ms que simples valores verdaderos y falsos. Con lgica difusa, las proposiciones pueden ser representadas con grados de veracidad o falsedad. Por ejemplo, la sentencia "hoy es un da soleado", puede ser 100% verdad si no hay

nubes, 80% verdad si hay pocas nubes, 50% verdad si existe neblina y 0% si llueve todo el da. La Lgica Difusa ha sido probada para ser particularmente til en sistemas expertos y otras aplicaciones de inteligencia artificial. Es tambin utilizada en algunos correctores de voz para sugerir una lista de probables palabras a reemplazar en una mal dicha. La Lgica Difusa, que hoy en da se encuentra en constante evolucin, naci en los aos 60 como la lgica del razonamiento aproximado, y en ese sentido poda considerarse una extensin de la Lgica Multivaluada. La Lgica Difusa actualmente est relacionada y fundamentada en la teora de los Conjuntos Difusos. Segn esta teora, el grado de pertenencia de un elemento a un conjunto va a venir determinado por una funcin de pertenencia, que puede tomar todos los valores reales comprendidos en el intervalo [0,1]. La Lgica Difusa (llamada tambin Lgica Borrosa por otros autores) o Fuzzy Logic es bsicamente una lgica con mltiples valores, que permite definir valores en las reas oscuras entre las evaluaciones convencionales de la lgica precisa: Si / No, Cierto / Falso, Blanco / Negro, etc. Se considera un sper conjunto de la Lgica Booleana. Con la Lgica Difusa, las proposiciones pueden ser representadas con grados de certeza o falsedad. La lgica tradicional de las computadoras opera con ecuaciones muy precisas y dos respuestas: Si o no, uno o cero. Ahora, para aplicaciones de computadores muy mal definidas o sistemas vagos se emplea la Lgica Difusa. Por medio de la Lgica Difusa pueden formularse matemticamente nociones como un poco caliente o muy fro, para que sean procesadas por computadoras y cuantificar expresiones humanas vagas, tales como "Muy alto" o "luz brillante". De esa forma, es un intento de aplicar la forma de pensar humana a la programacin de los computadores. Permite tambin cuantificar aquellas descripciones imprecisas que se usan en el lenguaje y las transiciones graduales en electrodomsticos como ir de agua sucia a agua limpia en una lavadora, lo que permite ajustar los ciclos de lavado a travs de sensores. La habilidad de la Lgica Difusa para procesar valores parciales de verdad ha sido de gran ayuda para la ingeniera. En general, se ha aplicado a: Sistemas expertos. Verificadores de ortografa, los cuales sugieren una lista de palabras probables para reemplazar una palabra mal escrita. Control de sistemas de trenes subterrneos. La lgica difusa ha cobrado una fama grande por la variedad de sus aplicaciones, las cuales van desde el control de complejos procesos industriales, hasta el diseo de dispositivos artificiales de deduccin

automtica, pasando por la construccin de artefactos electrnicos de uso domstico y de entretenimiento, as como tambin de sistemas de diagnstico. De hecho, desde hace ya, al menos, dcada y media, la expedicin de patentes industriales de mecanismos basados en la lgica difusa tiene un crecimiento sumamente rpido en todas las naciones industrializadas del orbe. Se ha considerado de manera general que el concepto de lgica difusa apareci en 1965, en la Universidad de California en Berkeley, introducido por Lotfi A. Zadeh. Las lgicas difusas, pues de hecho hay que hablar de ellas en plural, son esencialmente lgicas multivaluadas que extienden a las lgicas clsicas. Estas ltimas imponen a sus enunciados nicamente valores falso o verdadero. Bien que stas han modelado satisfactoriamente a una gran parte del razonamiento natural'', es cierto que el razonamiento humano utiliza valores de verdad que no necesariamente son tan deterministas''. Por ejemplo, al calificar que el cielo es azul'' uno est tentado a graduar qu tan azul'', en efecto, es el cielo, e igualmente, si un vehculo se mueve rpido'', tambin se est obligado a considerar qu tan rpido es el vehculo, aunque esto ltimo no implique necesariamente cuantificar la velocidad del vehculo con toda precisin. Las lgicas difusas procuran crear aproximaciones matemticas en la resolucin de ciertos tipos de problemas. Pretenden producir resultados exactos a partir de datos imprecisos, por lo cual son particularmente tiles en aplicaciones electrnicas o computacionales. El adjetivo difuso'' aplicado a ellas se debe a que los valores de verdad no-deterministas utilizados en ellas tienen, por lo general, una connotacin de incertidumbre. Un vaso medio lleno, independientemente de que tambin est medio vaco, no est lleno completamente ni est vaco completamente. Qu tan lleno puede estar es un elemento de incertidumbre, es decir, de difusidad, entendida esta ltima como una propiedad de indeterminismo. Ahora bien, los valores de verdad asumidos por enunciados aunque no son deterministas, no necesariamente son desconocidos. Por otra parte, desde un punto de vista optimista, lo difuso puede entenderse como la posibilidad de asignar ms valores de verdad a los enunciados que los clsicos falso'' o verdadero''. As pues, reiteramos, las lgicas difusas son tipos especiales de lgicas multivaluadas. Las lgicas difusas han tenido aplicaciones de suma relevancia en el procesamiento electrnico de datos. En determinadas reas de conocimiento, a sus enunciados se les asocia valores de verdad que son grados de veracidad o falsedad, mucho ms amplios que los meros verdadero'' y falso''. En un sistema deductivo se distingue enunciados de entrada'' y enunciados de salida''.

El objetivo de todo sistema manejador de una lgica difusa es describir los grados de los enunciados de salida en trminos de los de entrada. Ms an, algunos sistemas son capaces de refinar los grados de veracidad de los enunciados de salida conforme se refinan los de los de entrada. Por estas propiedades es que ciertos sistemas de lgica difusa aparentan una labor de aprendizaje, y son excelentes mecanismos de control de procesos. Desde el punto de vista tecnolgico, las lgicas difusas se encuadran en el rea de la llamada Inteligencia Artificial y han dado origen a sistemas expertos de tipo difuso y a sistemas de control automtico. . PARA PODER ENTENDER MEJOR LA LOGICA DIFUSA, DIVIDEREMOS ALGUNOS ELEMENTOS INTERNOS DE ESTA: Conjuntos difusos La mayora de los fenmenos que encontramos cada da son imprecisos, es decir, tienen implcito un cierto grado de difusidad en la descripcin de su naturaleza. Esta imprecisin puede estar asociada con su forma, posicin, momento, color, textura, o incluso en la semntica que describe lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisin en diferentes contextos o tiempo. Un da clido en invierno no es exactamente lo mismo que un da clido en primavera. La definicin exacta de cuando la temperatura va de templada a caliente es imprecisa -no podemos identificar un punto simple de templado, as que emigramos a un simple grado, la temperatura es ahora considerada caliente. Este tipo de imprecisin o difusidad asociado continuamente a los fenmenos es comn en todos los campos de estudio: sociologa, fsica, biologa, finanzas, ingeniera, oceanografa, psicologa, etc. Conceptos imprecisos Aceptamos la imprecisin como una consecuencia natural de ''la forma de las cosas en el mundo''. La dicotoma entre el rigor y la precisin del modelado matemtico en todos los campos y la intrnseca incertidumbre de ''el mundo real'' no es generalmente aceptada por los cientficos, filsofos y analistas de negocios. Nosotros simplemente aproximamos estos eventos a funciones numricas y escogemos un resultado en lugar de hacer un anlisis del conocimiento emprico. Sin embargo procesamos y entendemos de manera implcita la imprecisin de la informacin fcilmente. Estamos capacitados para formular planes, tomar decisiones y reconocer

conceptos compatibles con altos niveles de vaguedad y ambigedad. Considere las siguientes sentencias:

. . . . . .

La temperatura est caliente La inflacin actual aumenta rpidamente Los grandes proyectos generalmente tardan mucho Nuestros precios estn por abajo de los precios de la competencia IBM es una compaa grande y agresiva Alejandro es alto pero Ana no es bajita

Estas proposiciones forman el ncleo de nuestras relaciones con ''la forma de las cosas en el mundo''. Sin embargo, son incompatibles con el modelado tradicional y el diseo de sistemas de informacin. Si podemos incorporar estos conceptos logramos que los sistemas sean potentes y se aproximen ms a la realidad. Operaciones En la lgica Booleana tradicional, los conjuntos son considerados como sistemas bivalentes con sus estados alternando entre inclusin y exclusin. La caracterstica de la funcin discriminante refleja este espacio bivaluado. Esto indica que la funcin de pertenencia para el conjunto A es cero si x no es un elemento en A y la funcin de pertenencia es si x es un elemento en A. Dado que existen solamente dos estados, la transicin entre estos dos estados es siempre inmediata. La pertenencia de estos conjuntos est siempre totalmente categorizada y no existe ambigedad o dicotoma acerca de la pertenencia. Existen 4 operaciones bsicas de conjuntos en esta lgica: unin, interseccin, complemento y unin exclusiva. Al igual que en los conjuntos convencionales, existen definiciones especficas para combinar y especificar nuevos conjuntos difusos. Este conjunto de funciones tericas provee las herramientas fundamentales de la lgica. En el caso usual, con las operaciones comunes de interseccin, unin y complemento, el conjunto de conjuntos de U forman un lgebra booleana, es decir se cumplen las condiciones de asociatividad, conmutatividad, elementos neutros, dem potencia, absorcin, distributividad, complemento y las leyes de Morgan. Las tres operaciones mencionadas se pueden extender de varias formas a conjuntos difusos, de modo que al restringirlas a los conjuntos usuales, coincidan con las comunes. Estas extensiones resultantes satisfacen en forma general slo a algunas de las condiciones listadas anteriormente, y para mantener la vigencia de alguna, ser obligatorio sacrificar a otras. En el sistema se opt por

extender las operaciones en el sentido clsico, es decir, dados dos conjuntos difusos A y B, se definen las operaciones extendidas de la siguiente forma Dado que los conjuntos difusos no se particionan en el mismo sentido que los conjuntos Booleanos, estas operaciones son aplicadas al nivel de pertenencia, como una consecuencia de los conjuntos difusos. Decidir si un valor es o no es miembro de cualquier conjunto difuso en particular, requiere algunas nociones de cmo esta construido el conjunto, del universo y de los lmites de ste. Las etiquetas lingsticas y operadores El centro de las tcnicas de modelado difuso es la idea de variable lingstica. Desde su raz, una variable lingstica es el nombre de un conjunto difuso. Si tenemos un conjunto difuso llamado ''largo'' ste es una simple variable lingstica y puede ser empleada como una reglabase en un sistema basado en la longitud de un proyecto en particular Si duracin-proyecto es largo entonces la-terminacin-detareas es DECRECIENTE; Una variable lingstica encapsula las propiedades de aproximacin o conceptos de imprecisin en un sistema y da una forma de computar adecuada. Esto reduce la aparente complejidad de describir un sistema que debe concordar con su semntica. Una variable lingstica siempre representa un espacio difuso. Lo importante del concepto de variable lingstica es su estimacin de variable de alto orden ms que una variable difusa. En el sentido de que una variable lingstica toma variables difusas como sus valores. En el campo de la semntica difusa cuantitativa al significado de un trmino "x" se le representa como un conjunto difuso M(x) del universo de discusin. Desde este punto de vista, uno de los problemas bsicos en semntica es que se desea calcular el significado de un trmino compuesto La idea bsica sugerida por Zadeh es que una etiqueta lingstica tal como ''muy'', ''ms o menos'', ''ligeramente'', etc... puede considerarse como un operador que acta sobre un conjunto difuso asociado al significado de su operando. Por ejemplo en el caso de un trmino compuesto ''muy alto'', el operador ''muy'' acta en el conjunto difuso asociado al significado del operando ''alto''. Una representacin aproximada para una etiqueta lingstica se puede lograr en trminos de combinaciones o composiciones de las operaciones bsicas explicadas en la seccin anterior. Es importante aclarar que se har mayor nfasis en que estas representaciones se proponen principalmente para ilustrar el enfoque, ms que para

proporcionar una definicin exacta de las etiquetas lingsticas. Zadeh tambin considera que las etiquetas lingsticas pueden clasificarse en dos categoras que informalmente se definen como sigue: Tipo I: las que pueden representarse como operadores que actan en un conjunto difuso: ''muy'', ''ms o menos'', ''mucho'', ''ligeramente'', ''altamente'', ''bastante'', etc. y, Tipo II: las que requieren una descripcin de cmo actan en los componentes del conjunto difuso (operando): ''esencialmente'', ''tcnicamente'', ''estrictamente'', ''prcticamente'', ''virtualmente'', etc... En otras palabras, las etiquetas lingsticas pueden ser caracterizadas cmo operadores ms que construcciones complicadas sobre las operaciones primitivas de conjuntos difusos.

III.- Operaciones bsicas de lgica difusa


Dados dos conjuntos difusos A y B en el mismo universo X, con funciones de pertenencia uA y uB respectivamente, se pueden definir las siguientes operaciones bsicas: Unin. La funcin de pertenencia de la unin de A y B se define como:

Interseccin. La funcin de pertenencia de la interseccin de A y B es:

Complemento. La funcin de pertenencia del complemento de A se define Como:

Producto universos cartesiano funcin de

cartesiano. Dados los conjuntos difusos A1, ..., An con X1, ..., Xn respectivamente, se define el producto como un conjunto difuso en X1...Xn con la siguiente pertenencia:

Segn Mamdani (1974).

Segn Larsen (1980).

IV.- Tipos de Modelos


MODELOS DIFUSOS LINGSTICOS Estos modelos se basan en un conjunto de reglas heursticas donde las variables lingsticas de las entradas y salidas se representan por conjuntos difusos. La siguiente figura muestra las principales componentes de un modelo difuso lingstico: interfaz de fusificacin, base de conocimiento, motor de inferencia e interfaz de defusificacin.

Interfaz de fusificacin. Este elemento transforma las variables de entrada del modelo (u) en variables difusas. Para esta interfaz se deben tener definidos los rangos de variacin de las variables de entrada y los conjuntos difusos asociados con sus respectivas funciones de pertenencia. Base de conocimientos. Contiene las reglas lingsticas del control y la informacin referente a las funciones de pertenencia de los conjuntos difusos. Estas reglas lingsticas, tienen tpicamente la siguiente forma:

Donde A, B y C son los conjuntos difusos de las variables de entrada u1 y u2, y de la variable de salida y respectivamente. Existen varias formas de derivar las reglas (Lee, 1990), entre las que destacan las basadas en: - La experiencia de expertos y el conocimiento de ingeniera de control. La base de reglas se determina a partir de entrevistas con el operador o a travs del conocimiento de la dinmica del proceso. - La modelacin del proceso. Los parmetros de la base de conocimiento se obtienen a partir de datos de entrada y salida del proceso. Motor de inferencia. Realiza la tarea de calcular las variables de salida a partir de las variables de entrada, mediante las reglas del controlador y la inferencia difusa, entregando conjuntos difusos de salida. Por ejemplo, dada una base de conocimiento con n reglas del tipo:

La secuencia de clculos que realiza el motor de inferencia incluye:

- Determinar el grado de cumplimiento Wi de cada regla a partir de los grados de pertenencia de las variables de entrada obtenidos en la etapa de fusificacin, es decir:

Debido a que las premisas de la reglas estn unidos por operadores AND, definidos como la interseccin de conjuntos difusos. Para cada regla se tiene una consecuencia "y es Ci", que tiene asociado una funcin de pertenencia uCi. Por lo tanto, se tiene un conjunto de salida C'i, cuya funcin de pertenencia es:

Donde Wi es el grado de cumplimiento para la regla i. - Para evaluar el conjunto total de reglas, se unen los conjuntos difusos C'i resultantes de cada regla, generndose un conjunto de salida con la siguiente funcin de pertenencia:

De esta forma, se obtiene una salida difusa del controlador, con una funcin de pertenencia uC'. Interfaz de defusificacin. Este elemento provee salidas discretas y determinsticas a partir de los conjuntos difusos C' obtenidos como resultado de la inferencia. Existen diferentes mtodos de defusificacin, algunos de los cuales se describen a continuacin: - Mtodo del mximo. La salida corresponde al valor para el cual la funcin de pertenencia uC' alcanza su mximo. - Media del mximo. La salida es el promedio entre los elementos del conjunto C' que tienen un grado de pertenencia mximo. - Centro de rea. Genera como salida el valor correspondiente al centro de gravedad de la funcin de pertenencia del conjunto de salida C'. En particular, los modelos dinmicos difusos lingsticos, se pueden expresar como:

donde yi es la salida de la regla i.

Ejemplo
Modelacin de las acciones de control de un operador de un horno cementero. En la siguiente figura se presenta un diagrama del proceso, donde el carbn proveniente de un molino, alimenta una tolva y es transportado hacia el horno. El ventilador primario sirve para mantener la llama en la zona de coccin.

La mezcla, que permite la formacin de los compuestos del cemento, se desplaza desde la parte posterior del horno (derecha de la figura) en contracorriente al flujo de calor, calcinndose y cocindose, hasta

obtenerse el clinker o producto final del horno que pasa posteriormente al enfriador. El ventilador de induccin sirve para succionar los gases producidos en la combustin.

El diagrama muestra las variables de entrada y de salida del proceso: - el flujo de alimentacin del carbn (CS), - la velocidad del ventilador de induccin (BF) y - la velocidad del horno (KS).

El porcentaje de monxido de carbono en los gases (CO), - la temperatura de los gases en la zona intermedia (RT), - el porcentaje de oxgeno en los gases (O2), - la temperatura de los gases en la zona posterior (BT) y - el porcentaje de xido nitroso en los gases (NOx). Experimentalmente, se ha comprobado que la dinmica de este sistema es no lineal, con retardos, fuertes interacciones y muy dependiente de las condiciones iniciales. A partir de la experiencia de operadores para hornos cementeros, se puede deducir, en trminos generales, que el flujo de carbn es la variable manipulada que produce el mayor efecto. Por ejemplo, un aumento de CS genera: - una disminucin de O2 y CO, y - un aumento de las temperaturas RT y BT, y del NOx. Por su parte, un aumento en BF - aumenta el O2, CO y BT, y - disminuye RT y NOx. Al aumentar KS, aumentan RT y BT. A partir de estas afirmaciones, una regla que representa las acciones de control del operador puede ser:

MODELOS DIFUSOS DE TAKAGI Y SUGENO Estos modelos se caracterizan por relaciones basadas en reglas difusas, donde las premisas de cada regla representan subespacios

difusos y las consecuencias son una relacin lineal de entrada-salida (Takagi y Sugeno, 1995). Las variables de entrada en las premisas de cada regla son relacionadas por operadores "y" y la variable de salida es funcin de las variables de estado, en general, una funcin lineal. Por lo tanto, las reglas del modelo tienen la siguiente forma:

V.- Aplicaciones
La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no existen modelos matemticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo). En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin. Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn, y cada vez se est usando en gran multitud de campos. La primera vez que se us de forma importante fue en el metro japons, con excelentes resultados. A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire Sistemas de foco automtico en cmaras fotogrficas Electrodomsticos familiares (Frigorficos, lavadoras...) Optimizacin de sistemas de control industriales Sistemas de reconocimiento de escritura Mejora en la eficiencia del uso de combustible en motores Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) Tecnologa informtica Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL. ...y, en general, en la gran mayora de los sistemas de control que no dependen de un S/No.

En el cual nosotros nos enfocaremos en los sistemas de control:

Diagrama de Bloques de un sistema basado en tcnicas de lgica difusa

Estn compuesto por los siguientes bloques:

BLOQUE DIFUSOR: bloque en el que a cada variable de entrada se le asigna un grado de pertenencia a cada uno de los conjuntos difusos que se ha considerado, mediante las funciones caractersticas asociadas a estos conjuntos difusos. Las entradas a este bloque son valores concretos de las variables de entrada y las salidas son grados de pertenencia a los conjuntos difusos considerados. BLOQUE DE INFERENCIA: bloque que, mediante los mecanismos de inferencia que veremos mas adelante, relaciona conjuntos difusos de entrada y de salida y que representa a las reglas que definen el sistema. Las entradas a este bloque son conjuntos difusos (grados de pertenencia) y las salidas son tambin conjuntos difusos, asociados a la variable de salida. DESDIFUSOR: bloque en el cual a partir del conjunto difuso obtenido en el mecanismo de inferencia y mediante los mtodos matemticos de desdifusion, se obtiene un valor concreto de la variable de salida, es decir, el resultado

Jerarqua en los Sistemas de Control

Aplicaciones de la Lgica Difusa al Control

VI.- Preguntas Frecuentes


1. cuales son las diferencias entre el sistema mandani y el sugeno? RT/ sistema Sugeno es diferente a las de los sistemas Mamdani pues el consecuente de estas reglas ya no es una etiqueta lingstica sino que es una funcin de la entrada que tenga el sistema en un momento dado. Los valores que arrojan los consecuentes de las diferentes reglas que se han activado en un momento determinado en el sistema sugeno ya son valores numricos por lo que no se necesita una etapa de defusificacin como en el sistema mandani. 2. Cul es la funcin del fuzzificador en sistema Mandani? RT/ Tomar los valores numricos provenientes del exterior y convertirlos en valores "difusos" que pueden ser procesados por el mecanismo de inferencia. 3. Qu es la lgica difusa? RT/ es una tcnica de la inteligencia computacional que permite trabajar informacin con alto grado de imprecisin, en esto se diferencia de la lgica convencional que trabaja con informacin bien definida y precisa. 4. Diga una ventaja de la lgica difusa? RT/ Una de las ventajas de la lgica difusa es la posibilidad de implementar sistemas basados en ella tanto en hardware como en software o en combinacin de ambos.