EJEMPLO

DISEÑO DE CONTROLADOR
LÓGICO DIFUSO
MsC. OSCAR MANUEL DUQUE
CONTROL INTELIGENTE
 INTRODUCCION
 Son evidentes las dificultades que se presentan cuando se deben
obtener modelos analíticos que describan y controlen procesos
complejos, poco o mal definidos; en estos casos los métodos de la
teoría de control son complejos o en algunos casos difíciles de
aplicar para asegurar un control automático. Ante estas situaciones
las técnicas del control fuzzy constituyen una alternativa y/o
complemento de las técnicas convencionales.
 Esta técnica de control inteligente se fundamenta en el uso de la
Lógica Fuzzy creada por Lofti Zadeh, mediante la cual se pueden
construir modelos de razonamiento humano (razonamiento
aproximado) que reflejen el carácter vago (impreciso) y cualitativo
que este tiene. De forma que sin procesos matemáticos detallados
(en algunos casos), se pueden implementar controladores
industriales, para manejar las reglas heurísticas que un operador
humano establece al controlar un proceso industrial.
SINTETIZAR UN CLD – PI
1. PLANTEAMIENTO DEL
PROBLEMA

Dado un sistema de
control.

Entrenar una FUZZY que

se comporte el
controlador PI.

Figura 1. Planteamiento del problema de un

tanque.
2.1 DEFINICION DEL UNIVERSO DE DISCURSO

El universo de discurso será el rango de los posibles valores que pueden tomar
las entradas y las salidas, las cuales pertenecen a diversos conjuntos difusos
regidas sobre este domino ordinario. El universo de discurso puede estar
definido matemáticamente sobre la recta real.

Se utilizó el error y el error acumulado como entradas para el CLD,

entendiéndose que ellas van a ser el universo de discurso. Además, para poder
definir este universo de discurso, debe tenerse en cuenta el error mínimo, error
máximo, la tolerancia y la resolución (que depende del transmisor). Una
aproximación de ello es que el error máximo es el set point.

El universo de discurso para la salida, es el rango en que varía la señal de

control cuyo valor máximo está limitado por el actuador físico (la válvula) y el
valor mínimo depende del modelo de la planta. Entonces, el universo de
discurso para la salida esta entre 0 y 5 Voltios.
Figura 1. Respuesta del transmisor con el
controlador PI
Figura 2. Comportamiento del Error
obtenido con el PI
Figura 3. Comportamiento del DeltaError
obtenido con el PI
Figura 4. Comportamiento de la señal de
control U obtenido con el PI
 2.2 DEFINICION DE LAS VARIABLES
LINGÜÍSTICAS
Una de las características de los conjuntos difusos es la habilidad para la representación de
algunos conceptos, a través de las variables lingüísticas. En este caso, la variable lingüística
no es más que una variable con un universo de discurso sobre los posibles valores del error y
el error acumulado.
El error puede variar dependiendo cómo es su comportamiento ante la señal de control y el
comportamiento de la planta. Por lo tanto, definimos para la variable lingüística ERROR,
cinco valores lingüísticos: NEGATIVO GRANDE (NG), NEGATIVO PEQUEÑO (NP), CERO (Z),
POSITIVO PEQUEÑO (PP), POSITIVO GRANDE (PG). De igual forma definimos para el ERROR
ACUMULADO, los siguientes: NEGATIVO GRANDE (NG), NEGATIVO PEQUEÑO (NP), CERO (Z),
POSITIVO PEQUEÑO (PP), POSITIVO GRANDE (PG).
Para la variable lingüística de salida se nombró como Señal de Control, U, y de la misma
forma definimos cinco valores lingüísticos, ya que los niveles de voltaje del controlador
pueden cambiar en distintos niveles, ellos son: MUY BAJO (MB), BAJO (B), MEDIO (M), MUY
ALTO (MA), ALTO (A).
 2.3 DEFINICION DE LOS CONJUNTOS
DIFUSOS Y FUNCIONES DE MENBRESIA.
La experiencia nos dice que la categorización utilizada para nuestro
entendimiento clásico de los fenómenos físicos no reduce nuestra
incertidumbre o ambigüedad cuando expresamos, es decir, un conjunto
difuso esta definido sobre el universo de discurso, pero se extiende el
rango de la función característica sobre todo el intervalo unitario.

La función característica de un conjunto difuso es llamada la función

de membresía, la cual indica un grado con el que elemento pertenece
a un conjunto difuso. El grado de membresía es el grado con que un
elemento pertenece a un conjunto difuso, este depende del contexto
bajo el cual se esta considerando la definición de conjuntos.
Figura 5. Definición de Error
Figura 6. Definición de Delta-Error
Figura 7. Definición del Mando, señal de
control (V)
2.4 DEFINICION DE REGLAS DIFUSAS
La lógica fuzzy para dar un razonamiento a los sistemas a partir de información incierta,
utiliza el llamado razonamiento aproximado el cual asigna conjuntos difusos como variables y
de esta forma representarlos en sentencias o proposiciones lingüísticas. Para entender como
funciona un sistema difuso recurre a los mecanismos de inferencia, los cuales son
procedimientos seguidos para obtener un conclusión a partir de una entrada dada en un
modelo difuso.

El mecanismo de inferencia basado en razonamiento aproximado sigue un proceso deductivo

llamado modus ponens generalizado, el cual declarando previamente las variables lingüísticas
como proposiciones de entrada, conteniendo relaciones entre ellas, deducimos en los
conjuntos difusos para obtener proposiciones inferidas a la salida.

El modelado lingüístico es una de las características más importantes usando reglas de

decisión de la forma SI-ENTONCES.
SI E es B entonces E es D

En la cual se establece una relación difusa integrada como

una intersección de los conjuntos difusos B y D. Para luego,
por medio de un procedimiento de inferencia min-max
(mapeo que define una transformación del valor difuso de
entrada en un difuso de salida), de tal forma que obtienen
grados de disparo que dan relevancia de la regla misma.

Esta planta es de tipo MISO (múltiple entrada-una salida),

para ello los antecedentes en este caso el error y su cambio
necesitan relacionarse por medio de un operador ”y” (and)
que interpreta una intersección difusa.
 Señal de Delta-error
control U
PG PP Z NG NP
PG MA MA MA MA MA
PP A A A A A
Error Z Z Z Z Z Z
NG B B B B B
NP MB MB MB MB MB
3. COMPORTAMIENTO DE LA PLANTA CON EL
CLD
Figura 9. Diagrama de bloques de la planta con el CLD.
Figura 10. Señal del transmisor que
representa la altura en términos de voltaje.
Figura 11. Error en el domino de tiempo
con el CLD
Figura 12. Delta de error en el dominio del
tiempo con el CLD
Figura 13. Señal de control U en el dominio
del tiempo con el CLD
ASIGNACIÓN
EN GRUPO DE DOS PERSONAS, REALICE USANDO LA GUÍA COMO REALIZAR UN CLD Y
UNA RNA CON SIMULINK LAS SIGUIENTES ACTIVIDADES:
1. REALICE EN SIMULINK LA IMPLEMENTACIÓN DEL EJERCICIO ANTERIOR, ESTABLEZCA
SI EL CONTROLADOR ESTA BIEN DISEÑADO, JUSTIFIQUE LOS ERRORES O DISCREPANCIAS
QUE ENCUENTRE Y REALICE LA RESPECTIVA CORRECCIÓN (ARGUMENTANDO TODAS LAS
MODIFICACIONES REALIZADAS)
2. MODIFIQUE LOS VALORES DE ALTURA Y DE FLUJO DE ENTRADA Y DE SALIDA DE LA
SIGUIENTE MANERA:
FLUJO DE ENTRADA= ULTIMO NÚMERO DE CEDULA DEL ESTUDIANTE 1 DEL GRUPO
ALTURA=10+ULTIMO NÚMERO DE CEDULA DEL ESTUDIANTE 2 DEL GRUPO
TENGA PRESENTE QUE DEBE MODIFICAR EL FLUJO DES ALIDA
DISEÑE UN CONTROLADOR FUZZY DE RANGO DE SET POINT AMPLIO (RANGO DE
VARIACIÓN DEL SET POINT), SE JUSTIFICARÁ LA SELECCIÓN DE LOS UNIVERSOS DE
DISCURSO Y SUS RANGOS (EVIDENCIAS DE CÓMO SE ESTABLECIERON), LOS
CONJUNTOS-VARIABLES LINGÜÍSTICAS Y SUS RANGOS, LA REGLAS, EL UNIVERSO DE
SALIDA-CONJUNTOS Y RANGOS, SIMULACIÓN, VALIDACIÓN ANTE MILTIPLES SET
POINTS DENTRO DEL RANGO ESTABLECIDO.
SE DEBERA REALIZAR UN INFORME JUSTIFICANDO EL CUMPLIMIENTO DE LOS PUNTOS Y
SE ENVIARA A CORREO DEL DOCENTE JUNTO CON LAS SIMULACIONES EN LA FECHA
ESTABLECIDA.