Escolar Documentos
Profissional Documentos
Cultura Documentos
ndice
Introduccin Resea histrica Estado actual Fundamentos de lgica borrosa Control borroso Aplicacin sencilla Controlador borroso multivariable Implementaciones electrnicas (documentacin)
Introduccin
Tratamos de abordar el razonamiento impreciso Manejamos informacin cualitativa Todo es cuestin de grado. Se contrapone a la lgica clsica Para analizar fenmenos y sistemas complejos, que las personas somos incapaces de describir con precisin, pero aun as es posible el estudio La vaguedad es sustancial en el pensamiento humano La lgica borrosa permite usar el lenguaje ordinario como lenguaje de descripcin de problemas
Introduccin (II)
No por borroso es menos til Una informacin borrosa puede tener mayor inters que una concreta
CUIDADO!
Introduccin (III)
Estamos acostumbrados a resolver problemas sin tener una descripcin concreta. Por ejemplo: manejar un automvil Lgica clsica: bievaluada (si/no, 0/1, on/off) Lgica borrosa: afirmaciones con cierto grado de vaguedad. La temperatura est un poco alta, apretar un poco el acelerador, etc. Teora matemtica muy completa Actitudes:
Despreciada por algunos por poco rigurosa Para otros es la solucinn de todos los problemas
Lgica borrosa
Representacin imprecisa del conocimiento 1 Hasta ahora los modelos 0.7 matemticos trabajaban con valores concretos. Por ejemplo: Temperatura es baja si < 25 y alta en otro 0.1 caso 0 Pero el operador humano usa expresiones vagas: es moderadamente alta baja buena alta
10
Temperatura
40
Hitos importantes
1973. Mamdani: Control de mquina de vapor 1977. Ostergaard: Intercambiado de calor y molino de cemento 1980. Tong: Tratamiento de aguas residuales 1983. Hirota, Predrycz: Conjuntos borrosos probabilsticos 1983. Takagi y Sugeno. Derivacin de reglas 1984. Sugeno y Murakami. Aparcamiento de un trailer 1985. Kiszka y Gupta: Estabilidad de sistemas borrosos 1985. Togai y Watanabe: Chip borroso 1986. Yamakawa: Hardware de un controlador borroso 1988. Dubois y Prade: Razonamiento aproximado
Lgica borrosa
La esencia de la lgica borrosa Conjuntos borrosos Operaciones y relaciones Representacin del conocimiento Reglas
Conjuntos borrosos
Decimos que un subconjunto A de un conjunto convencional X es borroso cuando un elemento x pertenece al subconjunto A en cierto grado. La funcin que proporciona el grado de pertenencia del elemento x se llama funcin de pertenencia Universo de discurso: conjunto convencional X que contiene a todos los elementos de A Eb general el conjunto est normalizado: su funcin de pertenencia est entre 0 y 1 Existe una correspondencia unvoca entre la funcin de pertenencia y el conjunto borroso
Funciones de pertenencia
Ejemplo: Ser viejo. Universo de discurso: R Funcin de pertenencia normalizada entre 0 y 1
1
0.7
0.1
20
80
20
65
80
Operaciones y relaciones
La lgica borrosa es una teora matemtica muy completa con sus operaciones (lgicas y algebraicas), relaciones y propiedades Tres operaciones bsicas:
unin interseccin complemento
Relaciones:
inclusin doble negacin Leyes de De Morgan
~A B
Relaciones
Relacin de inclusin: el conjunto A est incluido en B si: A(x) <= B(x) para todo x perteneciente a X A(x) es la funcin de pertenencia del conjunto A Ley de la doble negacin: el complemento del complemento de A es A Leyes de De Morgan:
Complemento de la unin es la interseccin de los complementos ~(A+B) = ~A * ~B Complemento de la interseccin es la unin de los complementos ~(A*B) = ~A + ~B
Cuidado! no es igual que la lgica clsica: la unin de un conjunto y su complemento no es igual al total
Las relaciones borrosas ligan proposiciones borrosas sobre sujetos diferentes: x es A & y es B En general se puede decir que el conocimiento es un conjunto de proposiciones y relaciones
Reglas de modificacin
Reglas de modificacin: el predicado puede modificarse, ejemplo: de pequeo a muy pequeo. Palabras como muy, bastante, etc son modificadores. Usuales:
muy A: A^2 ms o menos A: 1/sqrt(A)
ms o menos A A
muy A
Reglas de composicin
Reglas para asignar funciones de pertenencia a predicados compuestos Disyuncin: (x es A) (x es B) Conjuncin: (x es A) y (x es B) Implicacin: Si (x es A) entonces (y es B) Ya tenemos una forma de representar el conocimiento mediante las reglas borrosas. Ahora habr que ver cmo tomar las decisiones: Control Borroso
Control borroso
Introduccin Ejemplo ilustrativo (pndulo) Reglas de control borroso Mtodos de inferencia Diseo de controladores borrosos Caractersticas del control borroso Aplicaciones del control borroso Problemas de implementacin prctica
Medida
Control borroso
El control es el mayor campo de aplicacin de la lgica borrosa Utilidad en el caso de problemas de control complejos donde no existe un modelo preciso del proceso y la informacin disponible es de carcter cualitativo. Ejemplo: si la cantidad de oxgeno es baja, abrir ligeramente la vlvula de combustible Procesos de elevada complejidad que el operador humano resuelve satisfactoriamente. Ejemplo: automvil Idea: usar la experiencia de operacin del control manual para el diseo del sistema de control
Reglas
Los sistemas de control borroso permiten describir el conjunto de reglas que usara un ser humano y generar a partir de ellas las acciones de control Posee la misma imprecisin de los lenguajes naturales (por eso se llaman tambin controladores lingsticos) El algoritmo de control se establece como un conjunto de relaciones borrosas entre las variables que condicionan el proceso y la actuacin El algoritmo es un conjunto de expresiones como: SI condiciones ENTONCES acciones
Reglas
Ejemplo: SI temperatura es baja ENTONCES vlvula es pequea
Las variables de condicin sern las variables del proceso (temperatura, posicin, etc.) o valores relacionados (error, incremento del error, tendencia, etc.). La variable de salida es la accin de control (o su incremento). Por ejemplo: incrementar ligeramente el caudal de combustible
Antecedente
Consecuente
MV
Desemborronado
Valores lingsticos
Cada valor que puede tomar la variable se representa por un conjunto borroso con funcin de pertenencia
triangular trapezoidal campana de Gauss definida por el usuario
La eleccin depende del conocimiento que se tenga del proceso La ms comn es la trapezoidal (sencillez):
Tramos 0 + tramos 1 + rectas.
Proceso de inferencia
De todas las reglas, en cada instante se puede activar una, varias o ninguna Adems, la(s) que se active lo har(n) en distinto grado segn el valor de activacin de los antecedentes Proceso de inferencia
1: Calcular valor que toma la funcin de pertenencia de cada antecedente 2: Encontrar los resultados de la inferencia de cada regla 3: Encontrar el resultado de la inferencia completa en funcin de las de cada regla
Inferencia
Para calcular el resultado de cada regla, al operador Y se le asigna el valor mnimo y al O el mximo Ejemplo: SI x1 es A11 Y x2 es A21 ENTONCES y es B1 SI x1 es A12 Y x2 es A22 ENTONCES y es B2 A11 A12 B2
....
A21 A22 x1
B1
....
x2
....
x1 Regla 2 A11 A12
A21 x2
A22
B1
B2
....
El consecuente de esta regla es y B2 en cierto grado (min)
....
x1
A21 x2
A22
B1
B2
....
y
Mtodo de inferencia
El resultado de cada regla es una nueva funcin de pertenencia modificada segn el grado de certeza de los antecedentes Por ejemplo: la salida y de las reglas anteriores depende de si se trunca B1 B2 (quedaran trapecios de altura el mnimo de los antecedentes) o se escalan (quedaran tringulos cuyo vrtice superior estara definido por dicho valor) B1 B2 grado de cumplimiento de antecedentes y
Consecuentes: fijar los parmetros de las funciones de pertenencia. (Normalmente la salida del controlador borroso es ya el propio actuador) Problema: determinar antecedentes. Recurrir a expertos. Intentar que concreten el conocimiento con reglas SI ... ENTONCES
Problemas de implementacin
Desarrollar un entorno de programacin adecuado. Cmo manejar trminos lingsticos? Definicin de los conjunto borrosos (funciones de pertenencia) Construccin de la base de conocimientos Cmo aprovechar la experiencia del operador? ES LO MS DIFICIL. No hay a priori unas normas claras de sintona. A veces prueba y error. Interface hombre-mquina. Debe ser suficientemente flexible