1

Lgica Difusa
Boris Barzallo
bbarzallo@est.ups.edu.ec
Catalina Punin
cpunin@est.ups.edu.ec

ResumenEn el presente documento se detalla el uso de

la teora de Lgica Difusa por medio de las herramientas de
Labview y Matlab, con el fin de modelar una funcin impuesta
al inicio. Se compara los resultados del modelamiento grfico de
la funcin con la tabulacion de la grfica inicial.
Index TermsFuzzy, funcin, ingreso, reglas, salidas.

I.

I NTRODUCCIN

Una de las disciplinas matemticas con mayor nmero de

seguidores actualmente es la llamada lgica difusa o borrosa,
que es la lgica que utiliza expresiones que no son ni totalmente ciertas ni completamente falsas, es decir, es la lgica
aplicada a conceptos que pueden tomar un valor cualquiera de
veracidad dentro de un conjunto de valores que oscilan entre
dos extremos, la verdad absoluta y la falsedad total. Conviene
recalcar que lo que es difuso, borroso, impreciso o vago no
es la lgica en s, sino el objeto que estudia: expresa la falta
de definicin del concepto al que se aplica. La lgica difusa
permite tratar informacin imprecisa, como estatura media o
temperatura baja, en trminos de conjuntos borrosos que se
combinan en reglas para definir acciones: si la temperatura
es alta entonces enfriar mucho. De esta manera, los sistemas
de control basados en lgica difusa combinan variables de
entrada, definidas en trminos de conjuntos difusos, por medio
de grupos de reglas que producen uno o varios valores de
salida.
II.

x
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

y(x)
2
5.3195
8.5518
11.7411
14.9037
18.0477
21.1779
24.2974
27.4082
30.5119
33.6095
36.7019
39.7898
42.8738
45.9542
Cuadro I

TABULACIN DE DATOS DE LA FUNCIN

D ESARROLLO

Como punto de partida se escoge una funcin cualquiera que

sea lineal, se realiza un script en matlab la cual nos permita
graficar dicha funcin y obtener una tabulacin de 15 valores,
para esta x es variable de entrada y y es variable de salida.
Por lo tanto la funcin a emplearse es la siguiente:
y(x) = x2/5 + 3x2 2

Figura 1. Ventana principal de Fuzzy en Matlab

(1)

Realizando la tabulacion de los 15 valores de ingreso, se

obtiene los siguientes resultados

II-A.

Matlab

Al ingresar el comando Fuzzy en Matlab se desplegara

la siguiente ventana, donde encontramos los 3 bloques que
definirn la funcin a aproximar.

Al ingresar en el bloque Input1 aparece la siguiente sub

ventana, donde se agrega los valores de ingreso que para
nuestro caso ser los valores de x. En total se utilizan 15 datos
cuyas grficas son del tipo Gaussiana con la misma abertura.

Figura 2. Ventana de Ingresos de Fuzzy

Figura 5. Grfica final de Fuzzy

Luego de aadir los ingresos al bloque Fuzzy, se agrega

las salidas que para este ejercicio sern 15 datos en total,
estos datos tendrn grficas Gaussianas cuyas aberturas se irn
ajustando de acuerdo a la grfica final de modo que se ajuste
a la funcin original.

Figura 4. Reglas de Fuzzy

Figura 3. Ventana de Salidas de Fuzzy

Ahora se incrementa las reglas en Fuzzy, puesto que el

resultado final es una funcin en 2 dimensiones, para cada
valor de ingreso abra una salida, el compendio de reglas
quedara de la siguiente manera.

Finalmente se obtiene una grfica resultante de los ingresos,

salidas y reglas impuestas en Fuzzy, ya que en las reglas se
dispuso para cada ingreso una salida se genera una funcin
lineal en 2 dimensiones con el rango planteado al inicio del
ejercicio.
Para comparar los resultados de Fuzzy en Matlab y los
resultados de Labview se utiliza la tabulacin de la funcin
en Matlab, la siguiente imagen es una comparacin entre las
grficas obtenidas.

Figura 9. Grfica final de Fuzzy

Figura 7. Grficas de las entradas

Figura 8. Grficas de las salidas

Figura 10. Grfica final de Fuzzy

reglas que componen el sistema; con este nos permite crear

un sistema interactivo entre los parmetros anteriores.
Como resultado se obtuvo la siguiente curva, que es la
aproximacin de la funcin mediante lgica difusa diseada
en Labview.
IV.

Figura 6. Comparacin de grficos

III.

L ABVIEW

Por medio de la herramienta Labview, se procede analizar

un VI para el diseo de la lgica difusa de la funcin
preestablecida al inicio, a continuacin se detallara los bloques
que constituyen dicho modelamiento.
Se inicia diseando el tipo de grficas de las entradas,
como se ve a continuacin, el bloque esta comprendido por
una funcin triangular, la cual es modificable sus parmetros
mediante el ingresos de constantes que dar forma final a las
grficas de entrada.
Para disear las salidas se realiza el mismo procedimiento
que en las entradas, para este caso tambin se eligi una grfica
triangular con sus parmetros definidos como lo vemos en la
siguiente imagen.
Como bien se haba mencionado, el diseo de la lgica difusa comprende, entradas, salidas y reglas. Las determinacin
de las reglas en Labview se disean como se indica en la
siguiente imagen, donde mediante una igualdad nos indica la
posicin o numero de la regla.
En el VI, se establece mediante el bloque
NI_Fuzzy_Logic_API el ingreso de entradas, salidas y

C ONCLUSIONES

En la aproximacin mediante la utilizacin de Fuzzy en

Matlab se debe modificar el tipo de las grficas tanto de las
entradas como de las salidas, con la utilizacin de las grficas
gaussianas se genera la aproximacin de la funcin ms suave
y se refleja en la imagen final. Es inevitable que al final de la
grfica aparezca una curva, esto es debido a que es el final de
la tabulacin pero es corregida cambiando el tipo de grficas
de las salidas o entradas.
Analizando las grficas finales de Labview y Fuzzy, es
evidente que la aproximacin de Labview es ms exacta que
la de Fuzzy.

Figura 11. Grfica final de Fuzzy

Definir las funciones de membership adecuadas para nuestras aplicaciones o seales, garantiza la compatibilidad o
proximidad con las curva que deseamos, es importante ir
manipulando para ver con cual hay mayor semejanza. La
reglas se deben colocar en un orden cclico, as se irn
desarrollando cada una de estas de acuerdo a como fueron
creadas. Para levantar el vi en labview se debe verificar que
este instalado el toolking PID Fuzzy Logic, este permite
hacer un uso adecuado para nuestras aplicaciones, ya que se
visualiza en tiempo real.
R EFERENCIAS
[1] Klir, G., & Yuan, B. (1995). Fuzzy sets and fuzzy logic (Vol. 4). New
Jersey: Prentice Hall.
[2] Lee, C. C. (1990). Fuzzy logic in control systems: fuzzy logic controller.
II. Systems, Man and Cybernetics, IEEE Transactions on, 20(2), 419-435.