Escolar Documentos
Profissional Documentos
Cultura Documentos
CONTROL 2
1.- OBJETIVOS:
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.
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.
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.
1. Triangular.
2. , gamma Tipo 1
3. Trapezoidal, tipo 1
LAB. CONTROL 2
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.
Sistema de control:
Funcin de transferencia:
() +1
= 2
() + 3105 + 21010
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
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)
Entrada: error
Salida: voltaje
Reglas de control:
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:
Segundo mtodo:
Programando un scrip:
clc, clear all, close all,
paso = 0.01;
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
% 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:
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