Escolar Documentos
Profissional Documentos
Cultura Documentos
Mxico
Facultad de Ingeniera
Sistemas Difusos
Tema 2
Alumnos:
Grupo: 1
Introduccin
El captulo siguiente trata de abarcar todos los fundamentos necesarios de
la lgica difusa, de tal forma que estos conceptos puedan ser aplicados en
el siguiente tema.
= {, , , , , }
En el ejemplo anterior se define un conjunto A con las primeras 5 letras del abecedario.
Figura 2.6 Diagrama de Venn de la operacin Diferencia. Cabe mencionar que dicha
operacin no es conmutativa (no se obtiene el mismo resultado de operar A|B que B|A).
Propiedades
Con las operaciones con conjuntos clsicos vienen algunas propiedades
matemticas que son importantes para la manipulacin de los conjuntos,
estas propiedades que estn definidas para los conjuntos clsicos son muy
similares a las propiedades para conjuntos difusos que veremos ms
adelante.
A continuacin se definen las propiedades como conmutatividad,
asociatividad, distributividad, idempotencia, entre otros (de la ecuacin 2.6-
2.12).
Conmutatividad AB=BA
AB=BA (2.6)
Asociatividad A (B C) = (A B) C
A (B C) = (A B) C (2.7)
Distributividad A (B C) = (A B) (A C)
A (B C) = (A B) (A C) (2.8)
Idempotencia AA=A
AA=A (2.9)
Identidad A=A
AU=A
A=
AU=U (2.10)
Transitividad (2.11)
Involucin =
A (2.12)
Principio de DMorgan
= (2.15)
= (2.16)
De forma ms general
1 2 = 1
2
(2.17)
1 2 = 1
2
(2.18)
Ejemplo 2.3 Definicin de un conjunto difuso (discreto) como una coleccin de objetos. De
forma general un conjunto difuso (discreto) se puede denotar de la siguiente manera:
(1 )
(2 )
( )
= { + + } = { } (2.23)
1 2
Donde:
Es el conjunto difuso A
()
= { } (2.25)
Obtencin de la funcin de pertenencia de una funcin triangular (Fig. 2.6).
() 3 < 5
() = { () 5 7
0
Al momento de obtener la ecuacin a(x) y b(x) debemos recordar cmo se obtiene la ecuacin
de la recta (ecuacin 2.26)
= ( ) (2.26)
Donde:
Aplicando las ecuacin anterior (2.26) a los valores de la fig. 2.7 se tiene que:
<
() = { (2.27)
0
Existen otras funciones bsicas o tpicas que se suelen usar por facilidad de
computacin y dado que su funcin de pertenencia se puede obtener
igualmente de una forma sencilla (sus graficas se observan de la fig. 2.8-
2.12 Y sus ecuaciones 2.28-2.32).
Funcin sigmoidal
Definida por sus lmites inferior a, superior b y el valor m o punto de
inflexin, tales que a < b.
El crecimiento es ms lento cuanto mayor sea la distancia a-b. Para el caso
concreto de = ( + )2 que es lo usual, se obtiene la siguiente grfica,
con su correspondiente funcin de pertenencia:
Funcin trapezoidal
Definida por sus lmites inferior a, superior d y los lmites de soporte inferior
b y superior c, tal que < < < , cuya representacin y funcin de
pertenencia pueden generalizarse de la siguiente forma:
1
() = (2.29)
{ 0
1 <
() = { (2.30)
0
Funcin gaussiana
Esta funcin es la tpica campana de Gauss y cuanto mayor es el valor de
k, ms estrecha es dicha campana.
2
() = () (2.32)
(0 ) [ (0 ), (0 )]
Figura 2.14a y 2.14b La figura 2.14a es un conjunto convexo mientras que la figura 2.14b
no lo es
Unin = () () = ( , ) (2.33)
Interseccin = () () = ( , ) (2.34)
Complemento () = 1 () (2.35)
Diferencia | = () () = ( , ) (2.36)
1)
2)
3)
4) 5)
|
1)
2)
3) 4)
|
5)
|
1 3
3<5
2 2
() = { 1 + 7 5 7 (2.39)
2 2
0
1 5
5<7
2 2
() = { 1 + 9 7 9 (2.40)
2 2
0
Si graficamos las dos funciones de pertenencia se obtiene una grfica como la siguiente:
El resultado de la unin seria la lnea continua entre los dos conjuntos por lo que se debe
de buscar el punto donde las rectas del conjunto difuso A y el B se intersectan para esto
igualamos las ecuaciones en cuestin.
1 7 1 5
+ =
2 2 2 2
Para encontrar en valor de x donde se intersectan se debe despejar x por lo que operando:
7 5 1 1
+ = +
2 2 2 2
12
=
2
=6
1 3
3<5
2 2
1 7
+ 5<6
2 2
() = 1 5
6<7
2 2
1 9
+ 79
2 2
{ 0
2)
El resultado de la interseccin seria la lnea continua entre los dos conjuntos por lo que
se debe de buscar el punto donde las rectas del conjunto difuso A y el B se intersectan
para esto igualamos las ecuaciones en cuestin pero dado que se tienen que igualar las
mismas rectas del inciso anterior ya sabemos que el resultado es x=6. Por lo que
determinamos la funcin de pertenencia de la operacin unin entre los dos conjuntos:
1 5
5<6
2 2
() = 1 7
+ 67
2 2
{ 0
3)
Para poder obtener la funcin de pertenencia se aplica el cmo definimos la operacin por
lo que quedara de la siguiente forma:
1 3 1 5
1( ) 3<5 + 3<5
2 2 2 2
() = 1 7 = 1 5
1 ( + ) 5 7 57
2 2 2 2
{ 1 { 1
1 5 1 7
1( ) 5<7 + 5<7
2 2 2 2
() = 1 9 = 1 7
1 ( + ) 79 79
2 2 2 2
{ 1 { 1
4) A
|B
5)
|
Propiedades
En cuanto a las propiedades en los conjuntos difusos en estos se cumplen
las propiedades de conmutatividad, asociatividad, distributividad,
idempotencia, identidad, transitividad e involucin (como se observa en las
siguientes ecuaciones 2.41-2.47).
Conmutatividad
B
=B
A
A =
(2.41)
Asociatividad (B
A
C) = (A
B
)
C
(B
A
C) = (A
B
)
C (2.42)
Distributividad (B
A
C) = (A
B
) (A
C)
(B
A
C) = (A
B
) (A
C) (2.43)
Idempotencia A
A =A
A
A =A
(2.44)
Identidad =A
A
U=A
A
=
A
U=U
A (2.45)
Transitividad
(2.46)
Involucin =
A
(2.47)
1 1 1 1
= { + + + }
2 3 4 5
Por lo tanto
0 0 0 0
= { + + + }
2 3 4 5
Por lo tanto
Principio de DMorgan
=
(2.48)
=
(2.49)
De forma ms general
1
2 =
1
2
(2.50)
1
2 =
1
2
(2.51)
Relaciones
En el caso de la relacin, se trata de la correspondencia que existe entre dos
conjuntos: a cada elemento del primer conjunto le corresponde al menos un
elemento del segundo conjunto. De cierta forma las relaciones son producto
bsicamente de algunas operaciones como el producto cartesiano, la
operacin composicin y propiedades de equivalencia. Las relaciones son
fundamentales en campos de ingeniera, ciencia y matemticas. Tambin
las relaciones estn estrechamente relacionadas con la lgica, el
razonamiento aproximado y los sistemas basados en reglas. Este tema ser
de mucha utilidad en temas posteriores. Como en los conceptos anteriores
primero se ver para conjuntos clsicos y posteriormente para conjuntos
difusos.
Producto cartesiano
El producto cartesiano est definido de la siguiente forma:
Sean dos universos (conjuntos) X y Y:
= {(, )| , }
= {0, 1} = {, , }
Ejemplo 2.9 A partir de la funcin caracterstica de la ecuacin 2.52 obtener una matriz
que indique que elementos del producto cartesiano XxY, pertenecen a la relacin R.
= {1, 2} = {, }
= {(1, ), (2, )}
De lo anterior podemos deducir que por lo tanto la matriz quedara:
1
= 1 0
2 [ ]
0 1
Este ejemplo fue para conjuntos clsicos (discretos)
= {(, )| 2, , }
0 0 0 0 1 1 1 1
= [0 0 0 0] (2.53) = [1 1 1 1] (2.54)
0 0 0 0 1 1 1 1
0 0 0 0 1 1 1 1
Podemos definir las operaciones para relaciones de la siguiente forma:
Unin (. ): (, ) = [ (, ), (, )] (2.55)
Interseccin (. ): (, ) = [ (, ), (, )] (2.56)
Complemento (, ): (, ) = 1 (, ) (2.57)
Contencin (, ): (, ) (, ) (2.58)
Identidad (2.59)
Composicin
Dado tres conjuntos A, B, C y dos relaciones R y S, el concepto de
composicin consiste en que si existe una relacin R entre el conjunto A y
B, y tambin existe una relacin S entre B y C que se aplican de forma
sucesiva, a travs de la composicin se puede obtener una relacin directa
entre A y C.
(, ) = ( (, ) (, ))
= (max-producto)
(, ) = ( (, ) (, ))
3 4 1 0 1
1 1 2
0 1
1 0 1 0
= 2 = 2
[0 0 0 1] 3 [0 0]
3 0 1
0 0 0 0 4
0 0
1) = (max-min)
11 12
= = [21 22 ]
31 32
11 12
= = [21 22 ]
31 32
0 1
= = [0 0]
0 0
Propiedades de las relaciones
Las propiedades de conmutatividad, asociatividad, distributividad,
involucin e idempotencia tambin se cumplen para las relaciones con
conjuntos clsicos. As tambin se cumplen el principio de DMorgan, el
axioma del medio excluido y el de contradiccin.
Relaciones difusas
Las relaciones difusas cumplen con la definicin de las relaciones clsicas
a los elementos de un conjunto se le asignan al menos uno de otro conjunto,
tambin se utiliza el producto cartesiano entre los dos conjuntos usados.
Sin embargo el grado de pertenencia de la relacin entre los pares de los dos
conjuntos no se mide con una funcin caracterstica si no con una funcin
de pertenencia que determina ese grado de pertenencia dentro de un
intervalo entre [0,1]. Por lo tanto una relacin difusa es una asignacin de
un espacio cartesiano XxY donde una funcin de pertenencia designa el
grado de pertenencia de la relacin en un intervalo de [0,1] entre los pares
ordenados de los conjuntos usado (, ).
Producto Cartesiano
El producto cartesiano en conjuntos difusos est definida:
(, ) = () = min( (), ())
(1 , 1 ), (1 , 2 ), (1 , 3 ), (1 , 4 ),
(2 , 1 ), (2 , 2 ), (2 , 3 ), (2 , 4 ),
=
(3 , 1 ), (3 , 2 ), (3 , 3 ), (3 , 4 ),
{ (4 , 1 ), (4 , 2 ), (4 , 3 ), (4 , 4 ) }
1 2 3 4
1 0.5 0.7 0.2 0.4
11 12 13 14
2 23 24 = [0.5 0.5 0.2 0.4]
(, ) = (, ) = 22
3 [21 32 33 34 ] 0.3 0.3 0.2 0.3
4 31
41 42 43 44 0.2 0.2 0.2 0.2
= ( ( ), ( ))
Unin (. ): (, ) = [ (, ), (, )]
(2.60)
Interseccin (. ): (, ) = [ (, ), (, )]
(2.61)
Complemento (, ): (, ) = 1 (, )
(2.62)
Contencin (, ): (, ) (, )
(2.63)
Composicin
El concepto de composicin en relaciones difusas es exactamente el mismo
que en las relaciones clsicas. Igualmente existen dos tipos de operaciones
de composicin, una llamada composicin max-min y la otra composicin
max-producto, que se definen a continuacin:
= (max-min)
(, ) = ( (, ) (, ))
= (max-producto)
(, ) = ( (, ) (, ))
Ejemplo 2.13 A partir de las relaciones R y S que a continuacin se definen, realizar los
dos tipos de composicin = (max-min) y = (max-producto).
1
1 2
1 1 2 3
= 0.7 0.5
= 0.9 0.6 0.2
2 [ ] 2 [ ]
0.8 0.4 0.1 0.7 0.5
1) = (max-min)
12 13
= [11
22 23 ]
21
2) = (max-producto)
12 13
= [11
22 23 ]
21
No cumplen con estos axiomas que involucran a las matices de nula relacin
y completa relacin, O y E respectivamente.
Implicaciones difusas
Otras implicaciones difusas
Estas son otras implicaciones difusas que existen sobre una relacin difusa
basado de la forma IF , THEN o = . Ahora que conoces las
operaciones de implicacin difusa vlida para valores de .
Ahora se definen otras formas de hacer la implicacin para una relacin
difusa
definida en un producto cartesiano XxY:
Implicacin clsica
(, ) = [ () (), 1 ()]
(, ) = [ (), 1 ()]
Implicacin de Mamdani
(, ) = [ (), ()]
Implicacin de Lukasiewicz
(, ) = [1, 1 () + ()]
Implicacin correlacin-producto
(, ) = [ () ()]
Implicacin broweriana
1 () ()
(, ) = {
()
Lgica difusa
El concepto de lgica difusa es muy comn, est asociado con la manera
en que las personas perciben el medio, por ejemplo ideas relacionadas con
la altura de una persona, velocidad con la que se mueve un objeto, la
temperatura dominante en una habitacin, cotidianamente se formulan de
manera ambigua y depende de quin percibe el efecto fsico o qumico, ser
su enunciado acerca de tal fenmeno.
Los conjuntos difusos definen justamente estas ambigedades, y son una
extensin de la teora clsica de conjuntos, donde un elemento pertenece o
no a un conjunto, tal elemento tiene solo 2 posibilidades, pertenecer o no,
un elemento es bi- valuado y no se definen ambigedades.
Con conjuntos difusos se intenta modelar la ambigedad con la que se
percibe una variable. Los conjuntos difusos son la base para la lgica
Booleana. Con los conjuntos difusos se realizan afirmaciones lgicas del
tipo si- entonces, definindose estas con Lgica Difusa.
Razonamiento aproximado
Mediante el curso de conjuntos difusos es posible dotar de significado
matemtico a proporciones como este coche es pequeo, Pedro es muy
alto o el crecimiento es lento utilizando lo modificadores lingsticos
(muy, poco, demasiado, algo, extremadamente, etc.) para adaptar los
calificativos y utilizacin del conocimiento impreciso aparece el concepto
de variable lingstica.
Mucha veces, la programacin clsica no es suficiente para que un sistema
para que un sistema realice funciones complejas. Cuando un sistema no ha
sido programado explcitamente para realizar una funcin y se le pide que
la realice, el sistema tiene que razonar. Por ejemplo, si el sistema conoce los
siguientes hechos: Estirada es una jirafa, las jirafas son mamferos y le
formulamos la pregunta: Es estirado un mamfero?, el sistema debe
razonar para dar una respuesta. Cuando el nmero de hecho y reglas
aumenta, el sistema tiene que poder verificar gran cantidad de hechos que
surgen en las etapas de razonamiento.
Fuzzificacin
El control difuso siempre involucra este proceso de Fuzzificacin, esta
operacin se realiza en todo instante de tiempo, es la puerta de entrada al
sistema de inferencia difusa. Es un procedimiento matemtico en el que se
convierte un elemento del universo de discurso en un valor en cada
funcin de membresa a las cuales pertenece.
Para comprender mejor veamos la figura anterior, la cual nos muestra los
siguientes datos:
Reglas difusas
Los controladores difusos usan reglas, estas combinan uno o ms
conjuntos difusos de entrada llamados antecedentes o premisas y le
asocian un conjunto difuso de salida llamado consecuente o consecuencia.
Involucran a conjunto difusos, lgica difusa e inferencia difusa. A estas
reglas se les llama reglas difusas o fuzzy rules. Son afirmaciones del tipo
SI-ENTONCES. Los conjuntos difusos del antecedente se asocian mediante
operaciones lgicas difusas AND, OR, etc.
Las reglas difusas son proposiciones que permiten expresar el
conocimiento que se dispone sobre la relacin entre antecedentes y
consecuentes. Para expresar este conocimiento de manera completa
normalmente se precisan varias reglas, que se agrupan formando lo que se
conoce como basa de reglas, es decir, la edicin de esta base determina
cual ser el comportamiento del controlador difuso y es aqu donde se
emula el conocimiento o experiencia del operario y la correspondiente
estrategia de control.
Junto a cada regla puede estar asociado un valor entre cero y uno que
pesa a tal regla, esto puede ser importante cuando una regla tiene menor
fuerza que otras de la base de reglas.
Existe una gran variedad de tipos de reglas, dos grandes grupos son los
que en general se emplean, las reglas de Mamdani y las reglas difusas de
Takagi- Sugeno (TS).La estructura de las reglas es la misma tanto para
controladores como para modelos, simplemente cambiaran las variables
implementadas.
Es computacionalmente eficiente
Trabaja bien con tcnicas lineales (por ejemplo como lo disponible
para controladores PID)
Trabaja bien con tcnicas de optimizacin y control adaptable
Tiene garantizada una superficie de control continua
Est bien adaptado al anlisis matemtico
Inferencia Difusa
Las reglas difusas representan el conocimiento y la estrategia de control,
pero cuando se asigna informacin especfica a las variables de entrada en
el antecedente, la inferencia difusa es necesaria para calcular el resultado
de las variables de salida del consecuente, este resultado es en trminos
difusos, es decir, que se obtiene un conjunto difuso de salida de cada
regla, que posteriormente junto con las dems salidas de reglas se
obtendr la salida del sistema.
Existe una gran cantidad de mtodos de inferencia difusa, pero hay cuatro
que generan mejores resultados en el campo del control, estos son
inferencia de Mamdani por mnimos (Mamdani mnimum inference), RM, la
inferencia del producto de Larsen (Larsen product inference), RL, la
inferencia del producto drstico (Drastic product inference) RDP y la
inferencia del producto limitado (Bounded product inference), RBP.
Agregado
Cuando se evalan las reglas se obtienen tantos conjuntos difusos como
reglas existan, para defusificar es necesario agrupar estos conjuntos, a
esta etapa se le llama agregado y existen varios criterios para realizar este
paso. Un criterio muy empleado es el de agrupar los conjuntos inferidos
mediante la operacin mx.
Defusificacin
La defusificacin es un proceso matemtico usado para convertir un
conjunto difuso en un nmero real. El sistema de inferencia difusa obtiene
una conclusin a partir de la informacin de la entrada, pero es en
trminos difusos. Esta conclusin o salida difusa es obtenida por la etapa
de inferencia difusa, esta genera un conjunto difuso pero el dato de salida
del sistema debe ser un nmero real y debe ser representativo de todo el
conjunto obtenido en la etapa de agregado, es por eso que existen
diferentes mtodos de defusificacin y arrojan resultados distintos, el ms
comn y ampliamente usado es el centroide. Con el mtodo de
defusificacin del centroide se transforma la salida difusa en un nmero
real el cual es la coordenada equis (x) del centro de gravedad de tal
conjunto difuso de salida.
Referencias:
Timothy J. Ross. (1993). Fuzzy logic and control: software and hardware
applications. Englewood Cliffs, New Jersey: Prentice Hall.
S. N. Sivanandam. (2007). Introduction to Fuzzy Logic using MATLAB.
Berlin Heidelberg New York: Springer.
J.P. Aurrand-Lions, L. Fournier, P. Jarri, et al. Application of fuzzy control
for ISIS vehicule braking. In Proceedings of Fuzzy and Neuronal Systems,
and Vehicule applications91, 1991.
Yager, R., Filev, D., Essentials of Fuzzy Modeling and Control, Wiley
Interscience, NY, 1994
Rolando Alberto Maguia Prez. (2010). Sistemas de inferencia basados en
Lgica Borrosa: Fundamentos y caso de estudio. Febrero 2017, de
Universidad Nacional Mayor de San Marcos Facultad de Ingeniera de
Sistemas e Informtica Sitio web:
http://sisbib.unmsm.edu.pe/bibvirtual/publicaciones/risi/2010_n1/v7n1
/a09v7n1.pdf