Escolar Documentos
Profissional Documentos
Cultura Documentos
2009
CONTROL DIFUSO
La Lgica Difusa en los ltimos aos ha conseguido una gran fama debido a la gran variedad de sus aplicaciones, las cuales van desde el control de procesos industriales complejos como la construccin de artefactos electrnicos de uso domstico y de entretenimiento. Actualmente la lgica difusa ha tenido un gran crecimiento debido al gran dinero que se mueve por las patentes y a que es un campo abierto para la investigacin. En el siguiente trabajo se explica las diferencias entre lgica difusa y control difuso, y las partes principales de un controlador difuso.
[Escribir texto]
Pgina 0
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
CONTROL DIFUSO
Carrera de Ing. Electrnica U.P.S
Orden de Temas 1. Introduccin, 2.Controlador Difuso, 3. Estructura de un Controlador Difuso, 4.Tipos de Controladores Difusos, 5. Control Difuso En Sistemas con Retroalimentacin, 6.Conclusiones y 7. Bibliografa. 1. INTRODUCCION
El desarrollo del control difuso tiene, su origen en los sistemas basados en reglas para la toma de decisiones y en la lgica difusa para la evaluacin de aquellas. Los controladores difuso como cualquier otro, toma los valores de las variables de entrada, realizan algn procedimiento con ellas, deciden como modificar las variables de salida y lo realizan, afectando estas ltimas a la planta. La diferencia esencial es que no procesan ecuaciones ni tablas, procesan reglas para decidir como cambiar las salidas segn las variables de entrada. Esto lo hace una tecnologa muy accesible, ya que las reglas est ms cerca del sentido comn que de las ecuaciones y los modelos.
ES aumente el
Tal tipo de procesamiento est mucho ms cercano al razonamiento del experto humano.
2. CONT OL
OR DIFUSO
Un controlador de l gica difusa puede incluir reglas empricas, y que es especialmente til en el operador controlado por las plantas. Tomemos, por ejemplo, un controlador de l gica difusa tpica . Si el error es Neg y el cambio en el error es Neg entonces la salida es NB 2. Si el error es Neg y el cambio en el error es cero, entonces la salida es NM El valor de entrada Neg es un t rmino lingstico corto para la palabra Negative, el valor de la salida NB significa 'Big Negative y NM' 'para Negative Medium. El ordenador es capaz de ejecutar las normas y calcular una seal de control en funci n del error en la entrada y el cambio en el error. El conjunto de reglas se llaman reglas base. Las reglas estn en el conocido formato if-then y, oficialmente el if-side se llama la condici n y el then-side entonces es llamado la conclusi n (con ms frecuencia, tal vez, es llamado el antecedent consequent o condicion - accion). [ ]
Si cambia un punto de funcionamiento no lineal de la planta, puede ser posible cambiar los parmetros del controlador de acuerdo a cada punto de funcionamiento. Esto se conoce como la programaci n de ganancia (gain schudeling). Un controlador de la programaci n de ganancia contiene un controlador lineal cuyos parmetros se modifican en funci n del punto de operaci n de un modo preprogramado, pero el problema es que se requiere un conocimiento profundo de la planta, pero a menudo es una buena manera de compensar la no linealidad y las variaciones de los parmetros.
Control difuso nos permite tambi n evitarnos realizar un modelo matemtico que puede ser difcil y costoso de obtener, por lo cual un buen modelo de
gina 2
aproximaci n es til, adems las reglas difusas se utilizan tambi n para corregir los parmetros de ajuste en el control adaptativo de los parmetros del sistema (fig. 2).
TEORIA DE CONTROL II
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
3.1. PREPROCESAMIENTO
El preprocesamiento es el proceso que se realiza a la seal de medicin antes de ingresar al controlador difuso, a continuacin se muestran ejemplos de preprocesamiento.
y
y y y
Fig 3 Diagra a de Bloques de un Controlador Di uso [4]
Cuanti i a in en relacin con la toma de muestras o redondeo a enteros, en si es un medio para reducir los datos, pero si la cuantificacin tiene demasiados rangos el controlador puede oscilar en torno a la referencia o incluso se vuelva inestable. La nor aliza in o la reduccin en un rango de norma en particular; de filtrado para eliminar el ruido la diferenciacin y la integracin o sus equivalencias discretos.
Un controlador difuso opera por repeticin de un ciclo formado de los siguientes cuatro pasos: 1.- Se realizan las mediciones de todas las variables que representan condiciones relevantes del proceso controlado. 2.- Las mediciones son convertidas en conjuntos difusos apropiados para expresar mediciones inciertas (mediciones fuzzycadas). 3.- Este paso es llamado fuzzycation. Las mediciones fuzzycadas son usadas por el proceso de inferencia para evaluar las reglas de control almacenadas en las base de reglas difusas. El resultado de esta evaluacin es un conjunto difuso (o varios conjuntos difusos) denido sobre el universo de posibles acciones. 4.- El conjunto o conjuntos difusos encontrados en el paso 3 son convertidos en un solo valor crisp o en un vector de valores crisp. Esta conversin es llamada defuzzycation. Los valores defuzzycados
"
3.2. FUZZYFICATION
Esta es la primera parte del proceso, donde luego del procedimiento convencional de adquirir los valores de las variables del sistema y calcular otras, se procede a calcular el grado de pertenencia de tales variables a todos los posibles conjuntos fuzzy (fuzzy inputs) que se le han asignado. La fuzzycation permite minimizar posibles cambios pequeos en las variables de entrada. Por ejemplo, si se miden 25 grados de temperatura, sta puede variar mientras se efecta la inferencia, por lo que puede ser ms conveniente considerar que la temperatura es aproximadamente 25 grados. Tambin permite minimizar los posibles errores al adquirir los datos asi como suavizar el comportamiento del sistema ampliando el rango de la variable, es decir, se mide una temperatura de 25 grados lo cual puede indicar caliente, un valor cercano a 25 grados puede indicar casi caliente de tal forma que puedan considerarse valores cercanos a 25 grados dndoles un grado de pertenencia.
Pgina 3
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
Ca io de Error Pos Zero Neg Pos Zero Neg Pos Zero Neg
Salida
Zero NM NB PM Zero NM PB PM Zero
3.3.1. For atos de Reglas: Bsicamente, un controlador de lingstica contiene normas sobre un formato Si-Entonces, sino que este puede presentarse en diferentes formas. En muchos sistemas, las normas que se presentan al usuario final son similares a las siguientes.
1. Si el error es Neg y el cambio en el error es Neg entonces la salida es Neg NB 2. Si el error es Neg y el cambio en el error es Zero, entonces la salida es NM 3. Si el error es Neg y el cambio en el error es Pos entonces la salida es Zero 4. Si el error es Zero y el cambio en el error es Neg entonces la salida es NM 5. Si el error es Zero y el cambio en el error es Zero, entonces la salida es cero 6. Si el error es Zero y el cambio en el error es Pos entonces la salida es PM 7. Si el error es POS y el cambio en el error es Neg entonces la salida es Zero 8. Si el error es POS y el cambio en el error es Zero, entonces la salida es PM 9. Si el error es POS y el cambio en el error es Pos entonces la salida es PB [4]. Los nombres de Zero, Pos, Neg son las etiquetas de conjuntos difusos, as como NB, NM, PB y PM (negativo grandes, medianas negativo, positivo grandes, y positiva mediana , respectivamente). El mismo conjunto de normas podra ser presentado en un formato relacional, una representacin ms compacta.
Cabe destacar, sin embargo, que el formato relacional supone implcitamente que el trmino de enlace entre las entradas siempre es lgica y - o lgica o, siempre que es la misma operacin con todas las normas y no una mezcla de enlace. Un tercer formato es el formato lingstico de la tabla.
Error
Neg NM Zero
Neg NB NM Zero
Esto es an ms compacto. Las variables de entrada estn dispuestas a lo largo de los ejes, y la variable de salida se encuentra dentro de la tabla. A este formato tambin se le denomina plano fase lingstica. Para dar cabida a varios productos, un arreglo anidado es concebible. Una regla con varias salidas tambin podra dividirse en varias reglas con una salida.
3.3.2. Conectores: En matemticas, las sentencias estn relacionadas con las palabras y, o, si-entonces (o implica, y si y slo si, o modificaciones con la palabra no. Estas cinco son llamados enlace.
El ms importante es, probablemente, de multiplicacin de los difusos y en lugar de mnimos. Hasta ahora la mayora de los ejemplos slo tienen
Ca
Pgina 4
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
contenido y operaciones, pero una regla como ''Si el error es muy Neg y no Zero o el cambio en el error es cero, entonces .. .'' tambin es posible. Los conectores and y la or se define siempre en pares, por ejemplo,
3.3.3. Las funciones de pertenencia: Cada elemento en el universo es un miembro de un conjunto difuso de algn grado, tal vez incluso cero.
En conjuntos difusos a los elementos se les asigna un grado de pertenencia, de tal manera que la transicin de la pertenencia a la no pertenencia es gradual y no abrupta. El conjunto de elementos que tienen una composicin distinta de cero se llama el apoyo del conjunto difuso. La funcin que vincula un nmero a cada elemento x del universo se llama la funcin de pertenencia u(x).
'
&
A ! _ x, u ( x ) a
Ec 3
El punto x pertenece al universo y u (x) es su grado de pertenencia hacia a A. Esto nos permite que: Los clculos sean ms simples; es posible conducir la seal de control a sus valores extremos, y puede ser en realidad una forma ms intuitiva a escribir las reglas.
3.4.1. Agregacin La operacin de agregacin se utiliza para calcular el grado de cumplimiento. Una regla, por ejemplo la regla 1, generar un valor de pertenencia difusa u e1 procedentes del error y un valor de pertenencia u ce1 procedentes del cambio en la medicin de error. La agregacin es su combinacin,
Pgina 5
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
De manera similar para las otras normas. La agregacin es equivalente a fuzzification, cuando slo hay una entrada al controlador. La agregacin es a veces tambin llamado el cumplimiento de la norma.
u!
u(s ) s u (s )
i i i i
Ec 5
3.4.2. De activacin. La activacin de una regla es la deduccin de la accin, posiblemente por reduccin de su valor especifico.
El grado de confianza est determinado por el diseador, o un programa de aprendizaje tratando de adaptar las normas relacin entrada-salida.
Este mtodo tiene una complejidad computacional relativamente buena, y x es diferenciable con respecto a los nicos s.
3.5.3. Bisectriz de rea (BOA): Este mtodo recoge la abscisa de la lnea vertical que divide el rea bajo la curva en dos mitades iguales.
Max x u ! x u ( x )dx ! u ( x )dx Min x
3.5. DEFUZZIFICACIN
El resultado conjunto difuso debe ser convertido a un nmero que puede ser enviado al proceso como una seal de control. Esta operacin se denomina Defuzzificacin. Existen varios mtodos Defuzzificacin, continuacin se numeran algunos: a
Ec 6
Aqu x es el punto de funcionamiento en el universo, u(x), es su composicin, Min es el valor ms a la izquierda del universo, y Max es el valor ms a la derecha. Su complejidad computacional es relativamente alto, y puede ser ambigua.
3.5.1. Centro de gravedad (COG) El valor de la produccin crujiente x es la abscisa en el centro de gravedad del conjunto difuso,
u!
u( x ) x u( x )
i i i i
3.5.4. La media de los mximos (MOM) un enfoque intuitivo es elegir el punto con la mayor posibilidad.. Puede ocurrir, sin embargo, que existan varios puntos, y una prctica comn es tomar la media de los mximos (MOM).
Este mtodo no tiene en cuenta la forma del conjunto difuso, pero la complejidad computacional es relativamente buena.[4]
Ec 4
Donde xi es un punto de funcionamiento en un universo discreto, y u( xi ) , es su valor de pertenencia en la funcin de pertenencia. La expresin puede ser interpretada como la media ponderada de los elementos. Para el caso continuo, sustituir las sumatorias por integrales. Es un mtodo muy utilizado aunque su complejidad computacional es relativamente alto.
3.5.5. Mximo de la izquierda (LM), y el mximo ms a la derecha (RM) Otra posibilidad es elegir el mximo de la izquierda (LM), o el mximo de la derecha (RM). En el caso de un robot, por ejemplo, debe elegir entre izquierda o derecha para evitar un obstculo delante de l. 3.6. POSTPROCESAMIENTO
Postprocesamiento tambin es relevante, en si es convertir los valores de salida de la defuzzificacin en valores entendibles para la planta.
3.5.2. Centro de gravedad de mtodo nicos Si las funciones de pertenencia de las conclusiones son nicos, el valor de salida es :
Pgina 6
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
El bloque de postprocesado a menudo contiene una ganancia de salida que pueden ser ajustadas.
De hecho este conjunto de reglas produce exactamente la misma accin de control lineal como un controlador proporcional con una ganancia uno, operando sobre la seal de error. Esto no representa ninguna ventaja. Sin embargo, la ganancia del controlador puede ser no lineal cambiando las reglas
INGENIERIA ELECTRONICA
TEORIA DE CONTROL II
Regla 6: SI {error S} AND {rango de salida LP } ENTONCES {control LN} Regla 7: SI {error S} AND {rango de salida LN } ENTONCES {control LP} Este conjunto de reglas aproxima las acciones de control proporcional y derivativa pero solamente cuando el error es pequeo. Estudiando un controlador lineal convencional con retroalimentacin del rango de cambio, es posible conformar conjuntos de reglas para imitarlo. Por ejemplo la ley de control convencional proporcional derivativa es: dy (t ) Ec 7 u (t ) ! k p e(t ) k d dt Donde kp es la ganancia proporcional y kd es la ganancia de retroalimentacin derivativa. A partir de esta ecuacin, es posible deducir un conjunto equivalente simple de reglas difusas, como sigue: Regla 1: SI {error N} ENTONCES {control N} Regla 2: SI {error N} ENTONCES {control S} Regla 3: SI {error P} ENTONCES {control P} Regla 4: SI {error P} ENTONCES {control S} AND {cambio de P} AND {cambio de N} AND {cambio de N} AND {cambio de P}
6. CONCLUSIONES
En el presente ensayo se ha realizado una breve descripcin de los controladores difusos, sistemas de control cuyo funcionamiento est basado en la evaluacin de reglas utilizando lgica difusa. Se pudo apreciar la sencillez en la implementacin del sistema, ya que al describir el comportamiento del controlador mediante reglas, no es necesario realizar una modelizacin exacta, sino que basta con entender conceptualmente su comportamiento, contar con un modelo muy simplificado o con un operador experimentado que pueda describir cmo realiza la tarea de control manualmente. Esta caracterstica lo hace particularmente apropiado para sistemas no lineales, cuya modelizacin por los mtodos tradicionales suele ser compleja, En un controlador de lgica difusa de los datos de medicin pasa a travs de un pre-procesamiento de bloques, un controlador y un bloque de postprocesamiento. Preprocesamiento consiste en una escala lineal o no lineal, as como una cuantificacin utilizando las funciones de pertenencia. El post-procesamiento consiste en una reduccin de las medidas de control a las unidades de ingeniera.
El control difuso correspondiendo a este conjunto de reglas es una aproximacin no detallada del comportamiento de un controlador con accin proporcional derivativa. Con estas cuatro reglas, la calidad del control que puede alcanzarse seria pobre. Los pobres resultados de este conjunto de reglas pueden mejorarse si se agregan mas niveles de fuzzificacin para alcanzar una aproximacin mas cercana a la verdadera ley de control.
7. BIBLIOGRAFIA
[1] PASSINO, STEPHEN YURKOVICH, Fuzzy Control. [2] JAIRO ESPINOZA, JOOS VANDEWALLE, VINCENT WERTZ , Fuzzy Logic, Identification and Predictive Control. [3] HUAGUANG ZHANG, DERONG LIU, Fuzzy Modeling and Fuzzy Control [4] JAN JANTZEN, Foundations of Fuzzy Control [5] KAZUOTANAKA, HIROSHI OHTAKE, AND HUAO.WANG, A Descriptor System Approach to Fuzzy Control System Design via Fuzzy Lyapunov Functions.
Pgina 8