Control por Lógica

Difusa
8AV2

Hernández Sánchez José Martín

Maravilla Licona Ulises
Martínez Sánchez Eliseo
Martínez Servín Felipe Carmelo
Morales Pérez Kevin
“ALGO”

¿Cuándo decimos que algo es poco, mucho, nada o

todo?

Usando la teoría de conjuntos…

¿Cómo se clasificaría a un grupo de personas de

acuerdo a su estatura?
 Conjuntos
Clásicos (Certeros) Difusos
➢ Los altos y los bajos ➢ No existe la Exclusión
➢ Escoger un criterio ➢ Sino un grado de PERTENENCIA

0.1
0.3
0.5
0.7
0.9

0.1 0.3 0.5 0.7

BAJOS ALTOS 0.9

criterio
 Lógica Clásica Lógica Difusa
Verdadero Falso Parcialmente Verdadero Parcialmente Falso

Veracidad ∈{0, 1} Veracidad ∈[0.0, 1.0}

“Para la lógica difusa no existe la verdad ni la mentira, sólo

versiones parciales de estas”

Esto permite juzgar bajo cierta incertidumbre y tomar una

decisión mediante un proceso de interpolación entre los
extremos
Lógica Difusa

1. Asigna un grado de pertenencia a conjuntos dentro

de dos valores contextualizados y referidos entre sí
2. Es un método para formalizar el razonamiento
aproximado del ser humano
 FUZZY SYSTEMS

Los sistemas difusos trabajan con información que no es

exacta

La variables de entrada son borrosas, pero se asocian a un

conjunto difuso determinado por cierto valor lingüístico
 “A medida que aumenta la complejidad, las declaraciones
precisas pierden significado y las declaraciones significativas
pierden precisión…”

“Por lo tanto, el ‘pensamiento difuso’ puede no ser deplorable,

después de todo, si hace posible la solución de problemas
demasiado complejos para un análisis preciso”

Lotfi A. Zadeh
 La única condición

Estrictamente se necesitan reglas Si y Entonces

provenientes de un experto

Un controlador difuso es un tomador de decisiones artificial,

recopila datos, los compara con una referencia y decide qué
señal garantiza los objetivos de desempeño.
 x
No
m
br
e
de
la

T(x)
Va
Ar ia r
Li reg bl
Pu
ng lo e
üí
va ed st de
ria en ic Té
bl s os rm
e er in
va os
lo
r es

U
de
Un la
iv
D so
er
de efin
la e l Di
va s a sc
ria ca ur
bl ra so
e ct
er
G
ís
tic
Variable Lingüística

Gr as
a m
P át
T( rod ic
x) uc a
e Si
lo
s nt
té ác
rm tic
in a
os
Formada por una quíntupla LV=( x, T(x), U, G, M)

Re
gl
A as
a sig Se
co na m
nj n
un té án
to rm tic
s in as
di os
fu d
so e
s T(
en x)
U
Ejemplo
Considerar una variable lingüística “X” llamada Edad
 Componentes del Controlador
difuso
1. Conjunto de Reglas IF-THEN: contiene una cuantificación
lógica difusa de la descripción lingüística del experto sobre
cómo lograr un buen control.
2. Mecanismo/Motor de Inferencia: emula la toma de
decisiones del experto al interpretar y aplicar el
conocimiento
 Componentes del Controlador
difuso
3. Interfaz de Fuzzificación: convierte las entradas del
controlador en información que el mecanismo de inferencia
puede usar fácilmente.

4. Interfaz de Defuzzificación: convierte las conclusiones del

mecanismo de inferencia en entradas reales para el proceso.
 Ventajas
- Los procesos de control son demasiado complejos para
analizarlos mediante técnicas cuantitativas convencionales.
- En un LFC la estrategia de control está representada por
múltiples reglas difusas y, por lo tanto, es fácil representar
sistemas complejos y sistemas no lineales.
- La estrategia de control está modelada por términos
lingüísticos y, por lo tanto, es “fácil” representar el
conocimiento humano.
 Tres Tipos de Controladores Difusos
Mamdani Sugeno Tsukamoto

MOTOR DE REGLAS
FUZZIFICADOR DEFUZZIFICADOR
INFERENCIA DIFUSAS

Es el acervo del
Toma valores Toma los niveles de conocimiento Convierte la salida
numéricos de un pertenencia y lingüístico que difusa del motor de
sensor y los ayudada por la base permite resolver el inferencia (ilegible
convierte en de reglas genera la problema por un actuador) a
valores “difusos” salida del sistema son reglas tipo una señal adecuada
legibles por el difuso IF-THEN en forma
mecanismo de MIMO
inferencia
Cuantificación del conocimiento difuso

Funciones de pertenencia:

● Si e (t) = −π / 2, entonces µ (−π / 2) = 0, lo que indica que

estamos seguros de que e (t) = −π / 2 no es "posible".

● Si e (t) = π / 8, entonces µ (π / 8) = 0.5, lo que indica que

estamos a medias de que e (t) = π / 8 es "posibilidad" (solo

estamos a mitad de camino, ya que también podría ser
"Cero" con cierto grado de certeza: este valor está en un
"área gris" en términos de interpretación lingüística).

● Si e (t) = π / 4, entonces µ (π / 4) = 1.0, lo que indica que

estamos absolutamente seguros de que e (t) = π / 4 es lo

que queremos decir con "possmall".
La función de pertenencia cuantifica, de manera continua, si los valores de e (t) pertenece a (son
miembros de) el conjunto de valores que son "posibles", y por lo tanto cuantifica el significado de la
afirmación lingüística "el error es posible". Es por eso que se llama una función de pertenencia.

Para algunas aplicaciones alguien puede

argumentar que estamos absolutamente
seguros de que cualquier valor de e (t)
cerca de π/4 todavía es "pequeño" y solo
cuando te alejas lo suficiente de π/4
perdemos la confianza de que es
"posible". Una forma de caracterizar esta
comprensión del significado de "posible"
es a través de la función de pertenencia
en forma de trapecio funcionar en la
Figura 2.7 (a).
tipos de funciones de membresía
Operaciones borrosas
Fuzzificación
Reglas Borrosas
Reglas Borrosas
Inferencia Borrosa
Defusificación
Defusificación
Toma de decisión
 En resumen

● Vemos que dependiendo de la aplicación y el diseñador (experto), son

posibles muchas opciones diferentes de funciones de membresía.
● Sin embargo, es importante señalar aquí que, en su mayor parte, la
definición de una función de pertenencia es subjetiva más que objetiva.
● Es decir, simplemente lo cuantificamos en una manera que tiene
sentido para nosotros, pero otros pueden cuantificar lo de una manera
diferente.
● El conjunto de valores que se describe como µ como "positivo
pequeño" se llama un "conjunto difuso".
Esta función de pertenencia es simplemente
una representación alternativa para el
intervalo en la línea real π / 8 ≤ e (t) ≤ 3π / 8,
e indica que este intervalo de números
representa "posiblemente".

Claramente, esta caracterización de

conjuntos nítidos es simplemente otra forma
de representar un intervalo normal (conjunto)
de números reales.
Controlador difuso [1]
Diagrama de bloques de un sistema de control con lógica
difusa [2]
Elección de las entradas y salidas
del controlador difuso
Consideremos a un humano en un sistema de lazo
cerrado cuya responsabilidad es controlar un péndulo
invertido, el operador propone lo siguiente:

e(t)=r(t)-y(t)
Lazo de control difuso
Diagramas de control con ganancias
 Matching:
Determinando qué
reglas usar.
Buscamos explicar cómo opera el mecanismo de inferencia de la figura. El proceso de
inferencia generalmente involucra dos pasos.

1. Las premisas de todas la reglas son comparadas con las entradas del controlador para
determinar cuáles reglas aplicar de acuerdo a la situación actual.
2. Las conclusiones (qué acciones de control tomar) son determinadas usando las reglas
que han sido establecidas para aplicar en el momento actual.
Cuantificación de premisas a través de Lógica Difusa

If error is zero and change-in-error is possmall Then

force is negsmall
 Considerando todos los valores posibles para e(t) y d(e(t)

Si escogemos valores de e(t) y d(e(t)) el valor de la certeza de la premisa representará qué

tan seguros estamos de que la regla mencionada anteriormente es aplicable para especificar
la fuerza de entrada a la planta.
Determinando qué reglas están disponibles
Utilizando la tabla, encontramos que las reglas que están disponibles son:

1. If error is zero and change-in-error is zero Then force is zero

2. If error is zero and change-in-error is possmall Then force is negsmall
Ejemplo Utilizando Matlab

Modelado inverso de la cinemática de un brazo

robótico
¿Que es la cinemática inversa?
¿Porqué utilizar control difuso?

Que es ANFIS?
Generación de Datos
Generación de datos
Construyendo y entrenando Redes
ANFIS
Validación de las redes ANFIS
Resultados
Resultados
¡GRACIAS!