Você está na página 1de 53

Electricidad

Electrnica
Y Automatizacin

Aplicaciones de control inteligente


Automatismo industrial
Docente: Braulio Martnez R.
Aplicaciones de control Inteligente
Introduccin
Simulacin: Es el proceso de disear un modelo de un
sistema real y llevar a trmino experiencias con l, con la
finalidad de comprender el comportamiento del sistema o
evaluar nuevas estrategias dentro de los
lmites impuestos por un cierto criterio o un conjunto de ellos
para el funcionamiento del sistema.

Esquema de simulacin tpico en Simulink


Aplicaciones de control Inteligente
Objetivos

Control con Lgica Difusa:


Introduccin
Teora y Conceptos Bsicos
Metodologa de fuzificacin y defuzuficacin
Ejemplos
Simulaciones de Sistemas de Control
Aplicaciones de control Inteligente
Introduccin

Las bases de la lgica difusa fueron


presentadas alrededor de 1965 por Lofti
Zadeh, profesor de la Universidad de
California de Berkley.
Contraviniendo los conceptos de la lgica
clsica, donde un elemento se marca
nicamente como perteneciente o no a un
conjunto, propone el concepto de
pertenencias parciales a conjuntos que
denomin difusos.
Aplicaciones de control Inteligente
Introduccin

1965: Propuesta por el profesor Lofti Zadeh, en la


Universidad de Berkeley.
Dcada de los 70: Primeras aplicaciones
(Mamdani, regulacin de motor a vapor).
Dcada de los 80: Aplicaciones industriales.
(Operacin de un tren en Senday, Japn, TakagiSugeno).
Dcada de los 90: Primeros productos de
consumo: Cmara, Lavadoras, etc.
Aplicaciones de control Inteligente
Diferencias entre la lgica clsica y la lgica difusa

La lgica clsica define valores exactos,


en la lgica difusa pueden haber valores
intermedios o aproximados.
Se basa en el conocimiento emprico del
proceso, bajo el cual se definen reglas
lingsticas.
Permite trabajar con informacin que
posee alto grado de imprecisin, al
contrario que la lgica tradicional.
Entre otras.
Aplicaciones de control Inteligente
Caracterizacin de conjuntos difusos (Conceptos
Bsicos)

Universo: Coleccin de objetos de los que


se hablar en una lgica especfica. Por
ejemplo, el universo de lo nmeros naturales
o el universo de las edades.

Conjunto: Coleccin de elementos que


existen dentro de un universo.
Aplicaciones de control Inteligente
Caracterizacin de conjuntos difusos (Conceptos
Bsicos)
Variable lingstica: Es aquella nocin o concepto que
calificarn de forma difusa (ejemplo: la altura, la edad, el
error la variacin del error, etc.). Se aplica el adjetivo
"lingstica porque define caractersticas mediante el
lenguaje hablado.
Valor lingstico: Son diferentes clasificaciones que se
efecta sobre la variable lingstica: en el caso de la altura, es
posible dividir el universo de discurso en los diferentes valores
lingsticos: bajo, mediano y alto. Cada valor lingstico
tendr un conjunto difuso asociado, de forma que se habla
de los conjuntos difusos bajo, alto, etc. asociados a la
variable lingstica altura.
Aplicaciones de control Inteligente
Caracterizacin de conjuntos difusos (Conceptos
Bsicos)
Aplicaciones de control Inteligente
Funciones de pertenencia

Las funciones de pertenencia son una forma de


representar grficamente un conjunto difuso sobre un
universo.
Sea el universo, un conjunto difuso y una funcin
de pertenencia (o membresa) tal que:

= [0,1]

Entonces:
= { , : }
Aplicaciones de control Inteligente
Funciones de pertenencia

Algunas de las funciones de pertenencia ms utilizadas


son:
Funcion gamma

Funcion L
Aplicaciones de control Inteligente
Funciones de pertenencia

Funcion lamda o triangular

Funcion PI o trapezoidal
Aplicaciones de control Inteligente
Funciones de pertenencia

Funcin S

Funcin Z (opuesta de la s)

Funcion PI
Aplicaciones de control Inteligente
Funciones de pertenencia Ejemplo

A continuacin se muestra un ejemplo de conjuntos


difusos:
Aplicaciones de control Inteligente
Esquema de control difuso
Aplicaciones de control Inteligente
Esquema de control difuso

Pasos para diseo de un controlador Difuso:


Definicin de universo
Definicin de conjuntos
Definicin de variables y valores lingsticos
Definicin de reglas
Fuzificacin
Inferencia
Defuzificacin
Aplicaciones de control Inteligente
Reglas para Inferencia

Proceso realizado para convertir un valor tradicional


lgico, binario, decimal, y/o exacto, en un valor o
cantidad difusa.
Por lo general son definidas por expertos en la materia en
base al conocimiento emprico del proceso.

Son del tipo:


IF (condicin 2) AND (condicin 2) THEN (resultado)
Ejemplo de regla para control de temperatura:
Aplicaciones de control Inteligente
Fuzificacin

Proceso realizado para convertir un valor tradicional lgico,


binario, decimal, y/o exacto, en un valor o cantidad difusa.

Entonces el grado de membresa para un ahorro de 55 ser de:


0.25 % de ahorros bajos, 0.75 % de ahorros regular y 0 % de
"ahorros altos.
Aplicaciones de control Inteligente
Inferencia

La inferencia es el proceso mediante el cual se genera un


mapeo para asignar a una entrada una salida utilizando
lgica difusa.
El proceso de inferencia provee las bases para la toma de
decisiones del sistema. Este proceso involucra la utilizacin
de funciones de pertenencia y las reglas generadas en la
base de conocimiento.

Existen diferentes mtodos de inferencia, los ms


comunes son de Mamdani y Takagi-SugenoKang.
Aplicaciones de control Inteligente
Inferencia Utilizando Mamdani

El mtodo Mamdani (o min-max) utiliza reglas


tipo si-entonces (if-else). Una regla de la base de
reglas o base de conocimiento tiene dos partes,
el antecedente y la conclusin.
En un sistema difuso tipo Mamdani tanto el
antecedente como el consecuente de las reglas
estn dados por expresiones lingsticas
Aplicaciones de control Inteligente
Inferencia utilizando Mamdani

Reglas utilizando inferencia tipo Mamdani


Aplicaciones de control Inteligente
Inferencia utilizando Takagi-Sugeno-Kang

En los sistemas tipo Sugeno, los valores que arrojan


los consecuentes de las diferentes reglas que se han
activado en un momento determinado ya son valores
numricos por lo que no necesitan una etapa de
Defuzificacin.
Las reglas de la base del conocimiento de un sistema
Sugeno son diferentes a las de los sistemas Mamdani
pues el consecuente de estas reglas ya no es una
etiqueta lingstica, sino que es una funcin de la
entrada que tenga el sistema en un momento dado.
Aplicaciones de control Inteligente
Inferencia Utilizando Takagi-Sugeno

Reglas utilizando inferencia tipo Takagi Sugeno - Kang


Aplicaciones de control Inteligente
Reglas de fuzificacion, para propina en restaurant

Ejemplo de fuzificacin, para propina en un restaurant


Aplicaciones de control Inteligente
Defuzificacin

Transforma el conjunto de valores de salida de un sistema


de control, en un valor numrico de acuerdo a un mtodo
que tiene una gran influencia sobre el comportamiento
del controlador.
Existen diferentes mtodos de Defuzificacin:
Centro de rea o Centro de Gravedad (el ms utilizado)
Centro de Sumas
Centro de rea Mayor
Primero de Mximos
Medio de Mximos
Altura.
Entre otros.
Aplicaciones de control Inteligente
Reglas de fuzificacion, para propina en restaurant

1. Centro de rea o centro de gravedad

Para evitar calcular la integral numrica, se realiza una discretizacin


de la salida:
Aplicaciones de control Inteligente
Reglas de fuzificacion, para propina en restaurant

1. Centro de rea o centro de gravedad (continuacin).


Inconvenientes :
El clculo del conjunto difuso agregado es costoso.
No tiene en cuenta el hecho de que dos reas se solapen
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

1. Acceso:
Para acceder al toolbox fuzzy se debe digitar la
palabra fuzzy en la lnea de comandos y luego oprimir
enter. En el caso de encontrar un error, por no hallarse
cargado el toolbox se debe agregar el CD de
instalacin de Matlab. El men al cual se debera
acceder es el siguiente:
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

En el Men 1, se podr modificar los mtodos de los operadores


lgicos and y or, los mtodos de implicacin, de agregacin y de
Defuzificacin.
En el Men 2, se podr cambiar el nombre de la variable que se
encuentre seleccionada, por ejemplo, modificar el nombre
input1 por flujo de agua.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

Para elegir el tipo de modelo a usar, Sugeno o Mamdani,


se debe acceder al men File -> New FIS -> Mamdani
(Sugeno).
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab
Para agregar alguna variable, ya sea de entrada o de salida, se
debe seleccionar el men Edit -> Add Variable -> Input (Output).

Al agregar una variable, es posible visualizarla en el men


grfico.
La variable actualmente seleccionada aparece enmarcada en
rojo.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab
Las funciones de pertenencia, tanto para las variables de
entrada como para las de salida, se modifican en un men
especial Membership Function Editor que aparece al hacer
doble click en la variable de inters.

Editor de Funciones de Pertenencia, Membership Editor


Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

En el Men 1, se puede modificar el rango de la funcin de


pertenencia, en el cual la estar definida.
En el Men 2, es posible modificar el nombre de la funcin
de pertenencia, los parmetros de la funcin de
pertenencia y tambin su forma, la cual est seleccionada
triangular en este caso, siendo sta la ms comn.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

Para poder modificar las reglas del modelo se debe acceder al


Rule Editor, haciendo doble click sobre el modelo.

Editor de Reglas, Rule Editor


Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab
Segn el nmero de variables de entrada y salida que existan y su
funciones de pertenencia ser el nmero de reglas que es posible
generar.

En el Men 1 se selecciona el valor que toma la primera variable de


entrada, en el Men 2, el valor que toma la segunda variable de
entrada (si es necesario es posible negarla marcando not).

En el Men 3, se selecciona el tipo de conexin lgica entre ambos


valores seleccionados (and, or), finalmente, en el Men 4, se
selecciona la salida que deber entregar el controlador para los
valores de entrada ya indicados. Luego, se presiona el botn Add
rule, y la regla es agregada.

Para Eliminar una regla basta seleccionarla y apretar el botn Delete


rule. Para modificarla se debe hacer click en el botn Change rule.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

Para poder implementar el controlador es necesario guardar el


trabajo realizado en 1 a 4, con el men File -> export to -> Disk
(del FIS Editor), guardando as el trabajo.

Luego, es necesario importar el archivo al workspace, para que


luego Matlab lo pueda reconocer y pueda ser implementado en
Simulink, para eso se debe acceder al men File -> export to ->
workspace.

Si se desea trabajar con un modelo ya guardado se debe


importar desde el men fuzzy primero, y luego exportarlo al
workspace.
Luego de esta etapa, se debe cargar el controlador en Simulink,
lo cual se hace dentro de un bloque llamado fuzzy logic
controller.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

Bloque Fuzzy Logic Controller


Para implementar el controlador difuso, se hace doble
click en el bloque Fuzzy Logic Controller, y se escribe el
nombre del archivo con que se guard el controlador.
Aplicaciones de control Inteligente
Utilizacin del toolbox de lgica difusa en Matlab

Simule el ejemplo del restaurant sobre la propina que se le


entregar al mesero, tomando en cuenta los siguientes
parmetros:

Entradas del Sistema:


Variable lingstica 1: Servicio dado por el mozo
Valores lingsticos: Pobre, bueno, excelente
(calificacin entre 0 a 7).
Variable lingstica 2: Comida
Valores lingsticos: Rancia, buena, excelente
(calificacin entre 0 a 7).
Salida del Sistema:
Variable lingstica 1: Propina
Valores lingsticos: Poca, promedio, generosa (entre
2 a 10 mil pesos).
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Ejemplo:
Utilizando el FIS EDITOR y SIMULINK, sintonice la funcin de
transferencia que se muestra a continuacin realizando la
simulacin de esta.

9
= 2
+ 2,4 + 9

Sistema de segundo orden con:


= 3 = 0,4
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Primero se realiza la simulacin de lazo abierto y lazo


cerrado, obteniendo la informacin importante para la
elaboracin de la Lgica Difusa:

LAZO ABIERTO

LAZO CERRADO
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Curvas
Time Series Plot: Time Series Plot: Time Series Plot:
1.4 1 1

1.2 0.9
0.5

1 0.8

0
0.8 0.7
data

data

data
0.6 0.6
-0.5

0.4 0.5

-1
0.2 0.4

0 -1.5
0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8
Time (seconds) Time (seconds) Time (seconds)

LAZO ABIERTO ERROR DERIVADA ERROR


Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Con esta informacin configuramos el FIS EDITOR


Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

ENTRADAS
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Salida
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Luego las reglas


Una vez diseadas las reglas,
se puede ver la curva de
reglas
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Luego se exporta a FILE y a ToWORKSPACE y se carga


en el bloque FUZZY de SIMULINK
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

CURVA DE RESPUESTA Y VISOR DE REGLAS CON FUZZY

Time Series Plot:


1.4

1.2

0.8

data
0.6

0.4

0.2

0
0 1 2 3 4 5 6
Time (seconds)
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Un sistema para control de altura de lquido de un estanque


tiene el siguiente esquema:
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa
El sistema posee una altura mxima de 1 metro. Adems considere que el
3
flujo mximo entregado es de 40 Litros/m (0.00067 )
La ganancia del actuador esta dada por la expresin

0.00067
= =
12
Considere un sensor ideal.

Se solicita:
Realizar la simulacin y validacin del sistema en lazo abierto.
Establecer los conjuntos, variables y valores lingsticos de entrada y
salida del sistema.
Establecer funciones de pertenencia segn el proceso.
Establecer las reglas de fuzificacin.
Simular el lazo de control cerrado del sistema realimentado con el
controlador difuso diseado.
Aplicaciones de control Inteligente
Ejercicio de aplicacin Logica difusa
La evolucin de la temperatura de una habitacin, viene dada por la
siguiente ecuacin diferencial:

Donde:
: Es la temperatura que se produce en la habitacin C.
: Actuador del sistema como PWM, 0 1.
: Constante de trmica efectiva de tiempo (obtenida como promedio
de todas las temperaturas de la casa), su valor es de 64 s.
: Temperatura final (Temperatura ambiente), a la cual llega la casa
cuando el calefactor est apagado, con un valor de 25 C.
: Aumento de temperatura del calefactor, la cual es multiplicada por
una seal con duty cycle variable de 11,1 C.
Aplicaciones de control Inteligente
Ejercicio de aplicacin Lgica difusa

Se solicita:
Realizar la simulacin y validacin del sistema en lazo
abierto.
Establecer los conjuntos, variables y valores lingsticos
de entrada y salida del sistema.
Establecer funciones de pertenencia segn el proceso.
Establecer las reglas de fuzificacin.
Simular el lazo de control cerrado del sistema
realimentado con el controlador difuso diseado.
Referencias:
Inteligencia Artificial con aplicaciones a la ingeniera, autor Dr. Pedro
Ponce Cruz. Derechos reservados Alfaomega Grupo Editor, S.A.
de C.V., Mxico.
Redes neuronales y sistemas borrosos
Redes neuronales artificiales: Enfoque Practico

Docente: Braulio Martnez R.