LAB.

CONTROL 2

CONTROL Y LOGICA DIFUSA

1.- OBJETIVOS:

Permite trasladar o capturar conocimiento vago/impreciso de expertos.

Simple y fcil de implementar.
Puede no requerir del modelo matemtico del sistema a controlar.
Comportamiento suave de los controladores.

2.- MARCO TEORICO:

La logica difusa es una extension de la logica tradicional (Booleana) que utiliza conceptos
de pertenencia de sets mas parecidos a la manera de pensar humana
El concepto de un subset difuso fue introducido por L.A. Zadeh en 1965 como una
generalizacin de un subset exacto (crisp subset) tradicional.
Los subsets exactos usan lgica Booleana con valores exactos como por ejemplo la lgica
binaria que usa valores de 1 o 0 para sus operaciones.

Funcin de pertenencia (o membresa)

El valor asignado por F (x) corresponde al grado en el cual el valor x tiene el atributo F.
Visto de otra manera la funcin F (x) nos indica cual es el grado de pertenencia de x al
atributo F. La funcin F (x) se llama la funcin de pertenencia del atributo F.
La funcin tiene que ver con un grado de ambigedad sobre la caracterstica de la variable
que se est midiendo pero no es una probabilidad
 LAB. CONTROL 2

METODO DE MANDANI:

Ebrahim Mamdani demostr1 que es posible tal diseo al introducir el primer controlador difuso en
1975, aplicado al control de una maquina de vapor en combinacin con una caldera, el cual en
control clsico es considerado como un sistema altamente no lineal y difcil de controlar.

Para modelar se emplea un Sistema de Inferencia Difusa (FIS, del Ingls Fuzzy Inference System), el
cual se basa en reglas del tipo IF-THEN y Razonamiento Difuso. Al FIS tambin se le conoce como
sistema basado en reglas difusas, sistema experto difuso, modelo difuso, o simplemente sistema
difuso.

SISTEMA DE INFERNCIA DIFUSA:

La estructura bsica de un FIS consiste de tres componentes:

Una base de reglas (en general, del tipo IF-THEN) Una base de datos, la cual define las MFs usadas
en las reglas difusas.

Un mecanismo de razonamiento, el cual a partir de reglas y hechos, permite obtener una salida
razonable o conclusin.

ESTRUCTURA DE UN CONTROLADOR DIFUSO

 LAB. CONTROL 2

ALGUNOS TIPOS DE FUNCIONES DE PERTENENCIA, DIFUSA.

1. Triangular.

2. , gamma Tipo 1

3. Trapezoidal, tipo 1
 LAB. CONTROL 2

3.- TRABJO PRACTICO:

teniendo un sistema mecanico :

para lo cual el sistema de etrada sera el error en q tiempo el sensor estabilizara el cursor para un
voltaje q sera tambien la salida.

Utilizaramos el metodo de MANDANI.

Sistema de control:

Funcin de transferencia:
() +1
= 2
() + 3105 + 21010

Definicin de las Reglas de control

Si el error es negativo grande, entonces el voltaje es negativo grande

Si el error es negativo pequeo, entonces el voltaje es negativo pequeo
Si el error es cero, entonces el voltaje es cero
Si el error es negativo pequeo, entonces el voltaje es negativo pequeo
Si el error es positivo grande, entonces el voltaje es positivo grande

Para el error (entrada):

M(ENG) = trapmf(e;-20,20,10,-5)

M(ENP) = trimf(e;-10,-5,0)

M(EC) = trimf(e;-5,0,5)

M(EPP) = trimf(e;0,5,10)

M(EPG) = triapmf(e;5,10,20,20)
 LAB. CONTROL 2

Para el voltaje (salida):

M(VNG) = trapmf(e;-12,-12,-6,-3)

M(VNP) = trimf(e;-6,-3,0)

M(VC) = trimf(e;-3,0,3)

M(VPP) = trimf(e;0,3,6)

M(VPG) = triapmf(e;3,6,12,12)

Utilizamos el mtodo de MANDAMI

Entrada: error

Salida: voltaje

Ventana: fuzzy logic designer

Reglas de control:

Si el error es negativo grande(ENG), entonces el voltaje es negativo grande (VNG)

Si el error es negativo pequeo(ENP), entonces el voltaje es negativo pequeo(VNP)
Si el error es cero(EC), entonces el voltaje es cero (VC)
Si el error es positivo pequeo(EPP), entonces el voltaje es positivo pequeo (VPP)
Si el error es positivo grande(EPG), entonces el voltaje es positivo grande (VPG)
 LAB. CONTROL 2

Ruler editor
 LAB. CONTROL 2

Entradas:

Salidas:
 LAB. CONTROL 2

Resultados:
 LAB. CONTROL 2

En simulink:

Aqu de vemos guardar de (fuzzy logic designer) en el matlab para utilizar los datos en simuling con
funcin de entrada escalon

En salida tenemos:

Despus de un tiempo la curva se estabiliza

Segundo mtodo:

Programando un scrip:
clc, clear all, close all,

paso = 0.01;

%semantica de error de posicion

e = -20:paso:20;
ENG = trapmf(e,[-20 -20 -10 -5]);
ENP = trimf(e,[-10 -5 -0]);
EC = trimf(e,[-5 0 5]);
EPP = trimf(e,[0 5 10]);
EPG = trapmf(e,[5 10 20 20]);
subplot(3,1,1), plot(e,ENG,e,ENP,e,EC,e,EPP,e,EPG,'LineWidth',5)
set(gca,'FontSize',18), legend('ENG','ENP','EC','EPP','EPG')
xlabel('Error'), ylabel('\mu(Error)')
 LAB. CONTROL 2

%semantica de accion de control

v = -12:paso:12;
VNG = trapmf(v,[-12 -12 -6 -3]);
VNP = trimf(v,[-6 -3 0]);
VC = trimf(v,[-3 0 3]);
VPP = trimf(v,[0 3 6]);
VPG = trapmf(v,[3 6 12 12]);
subplot (3,1,2), plot(v,VNG,v,VNP,v,VC,v,VPP,v,VPG,'LineWidth',5)
set(gca,'FontSize',18), legend('VNG','VNP','VC','vPP','VPG')
xlabel('voltage'), ylabel('\mu(voltage)')
axis([-12 12 0 1])

e0 = 9; %Error leido
n = find(e==e0);
subplot(3,1,1), hold on, plot(e0,ENG(n),'*',e0,ENP(n),'*',e0,EC(n),...
'*',e0,EPP(n),'*',e0,EPG(n),'*','LineWidth',5), hold off

% %Fusificar e interferncia difusa de mandami

B1 = min(VNG,ENG(n));
B2 = min(VNP,ENP(n));
B3 = min(VC,EC(n));
B4 = min(VPP,EPP(n));
B5 = min(VPG,EPG(n));
B = max(B1,max(B2,max(B3,max(B4,B5))));
subplot(3,1,3), plot(v,B,'LineWidth',5)
set(gca,'FontSize',18), legend('V')
axis([-12 12 0 1])

% Defusificacion
vo = defuzz(v,B,'centroid')
hold on, plot(vo*ones(1,3),[0 0.5 1],'r','LineWidth',5)

ENTONCES TENEMOS:

vo =

7.5219
 LAB. CONTROL 2

1
ENG

(Error)
0.5 ENP
EC
0 EPP
-20 -15 -10 -5 0 5 10 15 EPG20
Error
1
(voltage)

VNG
0.5 VNP
VC
0 vPP
-10 -5 0 5 10 VPG
voltage
1
V
0.5

0
-10 -5 0 5 10

4.-CONCLUSIONES:

La funcin bsica de la base de reglas es representar, de manera estructurada, la accin de

control de un operador de proceso experimentado y/o ingeniero de control, con la forma
de un conjunto de reglas de produccin.
Los parmetros de diseo que se involucran en la construccin de la base de reglas
incluye: eleccin de las variables de estado del proceso y las variables de salida de control;
eleccin de los contenidos de las reglas de antecedente y consecuente; eleccin de
conjuntos (rangos de valores lingsticos) para la variable de estado del proceso y la
variable de salida de control; derivacin del conjunto de reglas.
La tarea del sistema de inferencia es tomar los niveles de pertenencia y en combinacin
con la base de reglas, entonces generar la salida del sistema difuso.

5.-BIBLIOGRAFIA:

http://dep.fie.umich.mx/~fornelas/data/uploads/pres_controldifuso.pdf
http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/maza_c_ac/capitulo2.pdf
FUZZY LOGIC DESIGNER
FUZZY TOOLBOX