Proyecto Control Fuzzy, Teora Bsica.

Primero sera realizar las particiones de cada variable involucrada n el sistema, de esta particin se tendran subgrupos de acuerdo al tipo de variable.

El modelo de razonamiento estara basado en Modus Ponens Generalizado (GMP), que representa extensiones o generalizaciones del razonamiento clsico. El GMP se conoce como Razonamiento Directo.

Para la generacin de las reglas borrosas se puede usar la memoria asociativa borrosa o FAM, en donde las FAM son matrices que representan la consecuencia de cada regla definida para cada combinacin de dos entradas. Las FAM permiten realizar una representacin grficas clara de las relaciones entre dos variables lingsticas de entrada y la variable lingstica de salida, pero requiere que se indique explcitamente todas las reglas que se pueden formar con esas dos variables de entrada.

Para generar formalmente una base de reglas nos podemos basar en el formato de reglas que se conocen como de topo Mamdani, que estabiliza un sistema en torno a su punto de trabajo. Una base de reglas del tipo Mamdani nos permite expresar el conocimiento previo disponible sobre el sistema.

El dispositivo de Inferencia Borrosa son los tipos de sistemas que interpretan las reglas del tipo IF THEN de una base de reglas, con el fin de obtener de salida a partir de los actuales valores de las variables lingsticas de entrada al sistema. Existen diferentes formas de implicacin borrosa de las cuales hay que elegir la ms adecuada para el sistema.

Posteriormente hay que establecer el Borrosificador, el cual establece una relacin entre puntos de entrada no borrosos al sistema (x=(x1, ,xn)T, y sus correspondientes conjuntos borrosos.

Para el borrosificador se pueden emplear diversas estrategias como: a) Borrosificador Singleton. b) Borrosificador No Singleton. Autor: Ing. Jos Armando Prez Reynoso
Pgina 1

Proyecto Control Fuzzy, Teora Bsica.

El Borrosificador Singleton es el mtodo ms utilizado, principalmente en sistemas de control, y consiste en considerar los propios valores de entrada con funcin de pertenencia los otros en los que ( ), de modo que . ( ) se define un conjunto A que lo soporta, ,( ), y ( ) , para todos

El Borrosificador No Singleton es el mtodo de borrosificacin que utiliza una funcin exponencial del tipo siguiente: valor ( ) [ ( ) ] funcin con forma de campana, centrada en el

de entrada, de anchura

y amplitud .

Posteriormente tenemos el desborrosificador, el cual es la funcin que transforma un conjunto borroso en V, normalmente salida de un dispositivo de inferencia borrosa, en un valor no borroso .

Para el desborrosificador se utilizan diversos mtodos: a) Desborrosificador por mximo, definido como: es el punto de V en que segn ( ) ( ) ( ( )), es decir, y ( ) est definido

( ) alcanza su valor mximo, donde ( ) (La unin de los B de salida).

b) Desborrosificador por medio de centros, definido como: donde en el que representa el centro del conjunto borroso ( ) alcanza su valor mximo), y ( ) *

( (

( ))

))

(definido como el punto de V

( ) est definido segn: ( ) ( )+

Estos tipos de desborrosificadores son empleados cuando se utilizan reglas de tipo Mamdani (
()

) donde y , respectivamente, y ( )

son conjuntos borrosos en e son variables

lingsticas.

Si las reglas utilizadas son del tipo Sugeno, el valor de salida no borrosa se obtiene como medida ponderada de las salidas de cada regla. Autor: Ing. Jos Armando Prez Reynoso
Pgina 2

Proyecto Control Fuzzy, Teora Bsica.

Entre los puntos crticos a la hora del desarrollo de sistemas borrosos se encuentran: Eficiencia Computacional: Si el sistema ser aplicado en un microcontrolador de poca capacidad de clculo y poca memoria, as si la aplicacin no requiere mucho poder de clculo se pueden usar funciones de inclusin triangulares o trapezoidales frente a las exponenciales y el clculo de mximos frente a multiplicaciones. Facilidad de Adaptacin: En aplicaciones en la que se requiere que el sistema pueda realizar aprendizaje puede ser necesario que la funcin de salida ( ) sea derivable respecto de los parmetros que se han de ajustar.

Un sistema de Control Borroso basado en reglas es tambin conocido como FLC.

La estructura interna de un FLC encontramos el borrosificador, el cual realiza la conversin de valores discretos a trminos borrosos. Su salida es utilizada por el dispositivo de inferencia borrosa para aplicarla a cada una de las reglas, siguiendo el mtodo de inferencia seleccionado. La salida de este puede ser conjuntos borrosos , con , si las reglas son de tipo Sugeno.

Finalmente el desborrosificador transformar estos conjuntos borrosos en un valor no borroso .

FLC
BORROSIFICADOR

DESBORROSIFICADOR BASE DE REGLAS

DISPOSITIVO DE INFERENCIA BORROSA

Autor: Ing. Jos Armando Prez Reynoso

Pgina 3

Proyecto Control Fuzzy, Teora Bsica.

CONTROLADOR
PREPROCESADO

PREPROCESADO

FLC

Para la aplicacin en particular se estara utilizando para la base de reglas las del tipo Mamdani cuya ecuacin es:
()

Se puede usar el FAM para el desarrollo de las reglas, para el borrosificdor, inferencia borrosa y desborrosificador, bien se podra utilizar un borrosificador tipo singleton, inferencia borrosa por [ ( ) ( )] el trmino ( ) ( ) ( ), que a su regla del mnimo: vez puede ser definido por la regla del mnimo: desborrosificador por media de centros:
( ( ( ( )) ))

( )

( )

( )- y

Con un sistema con estas caractersticas, se produce la siguiente funcin de salida. * . * ( ( ( ) ( ) ( ( ))+ ))+

( )

donde

es, de nuevo, el centro borroso

Autor: Ing. Jos Armando Prez Reynoso

Pgina 4