Introduccin al Control Borroso

Carlos Bordns Alba

Dpto. Ingeniera de Sistemas y Automtica Escuela Superior de Ingenieros. Universidad de Sevilla

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

Un mvil de 1.500 kg se acerca a t con una aceleracin de 9.8 m/s2

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

10 es BAJA en grado 0.7 10 es BUENA en grado 0.1 10 es ALTA en grado 0

Puede ser BAJA y BUENA a la vez con distinto grado

Breve resea histrica

Lgica borrosa propuesta por Lofti Zadeh en los aos sesenta (Teora de conjuntos borrosos, 1965) Aplicaciones al control, aos setenta: Mamdani y Tong Actualidad: extendido en electrodomsticos y electrnica de consumo: lavadoras, aire acondicionado, cmaras de fotos y vdeo, etc. Mucho campo abierto pues son sistemas no-lineales
Anlisis de estabilidad Sintonizacin

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

La esencia de la lgica borrosa

La lgica borrosa soporta modos de razonamiento aproximado La mayora del razonamiento humano (en particular el sentido comn) es as. La imprecisin no hace referencia a errores en medidas ni a variables aleatorias. No son incertidumbres ni ruidos en las medidas; es algo conceptual

Lgica borrosa vs. tradicional

Verdad: en clsica, verdadero o falso (bievaluada). En borroso: verdadero, bastante verdadero, no muy falso, etc. Predicados: en clsica son ntidos: par, mayor que. Ahora pueden ser: barato, joven, alto Modificadores: en clsica: no. Diversos modificadores para definir una variable lingstica: muy, bastante, ms o menos Cuantificadores. En clsica slo el universal (para todo) y el existencial (existe). En borrosa: muchos, pocos, algunos, la mayora.

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

Edad oficial Conjunto ntido

0.1

20

80

20

65

80

Formas tpicas de F. pertenencia

Triangular Trapezoidal Gaussiana Sigmoidal

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

Operaciones de la lgica borrosa

Unin: unin de las funciones de pertenencia Interseccin: idem Complemento: funcin de pertenencia = 1 - original

~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

Representacin del conocimiento

Las proposiciones borrosas son afirmaciones sobre un objeto que incluyen predicados borrosos Se pueden hacer varias afirmaciones sobre un objeto: x es un nmero pequeo, la lgica borrosa es sencilla y muy til En general: x es A & x es B ...
A y B son predicados borrosos (tambin variables borrosas o lingsticas) & representa cualquier ligadura, conjuncin, disyuncin o implicacin

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

Introduccin al control borroso

Llevar la salida del proceso a un valor deseado con las acciones de control calculadas tomando la decisin en base a una descripcin borrosa del proceso

Salida Proceso Acciones de control Controlador Borroso Comportamiento deseado

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

Funcionamiento del controlador

Funcionamiento: se le proporciona el valor de las variables de entrada y se obtiene el valor de las de salida, calculado mediante un mtodo de inferencia borrosa Los mtodos de inferencia deben ser sencillos y rpidos (diferente a sistemas expertos) Al final se debe sacar un valor concreto PV
Emborronado

Base conocimientos Motor de inferencia

MV
Desemborronado

Variable lingsticas en control

Las variables borrosas (o lingsticas) pueden aparecer en antecedentes y consecuentes Normalmente toman valores como:
NG: Negativo grande NM: Negativo mediano NP: Negativo pequeo CE: Cero PP: Positivo pequeo PM: Positivo mediano PG: Positivo grande

El general una variable borrosa no toma ms de siete trminos lingsticos

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.

Fcil de calcular el valor borroso dada la variable y viceversa

Ejemplos de reglas de control

Antecedentes y consecuentes expresados como reglas borrosas
Ejemplo: variables de entrada el error y su derivada, variable de salida la accin de control R1: SI error PG Y der_error PP ENTONCES control PG R2: SI error CE Y der_error NP ENTONCES control PP Variables de entrada: temperatura actual, temperatura anterior y oxgeno en un secadero; salidas: velocidad de giro, caudal de fuel y velocidad de los ventiladores SI temp_act BAJA Y oxi ESCASO Y temp_ant BAJA ENTONCES giro REDUCIR Y caudal REDUCIR Y ventilador REDUCIR

Ejemplo reglas de control (II)

Aunque los antecedentes se expresen como relaciones borrosas, los consecuentes se pueden expresar mediante funciones analticas Ejemplo: SI x PG Y z PM ENTONCES y=f(x,z)

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

Inferencia de cada regla

Regla 1 A11 A12
El consecuente de esta regla es B1 en cierto grado

....
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

Resultante de cada regla

La inferencia de cada regla depende de El operador: si es Y se toma el mnimo, si O el mximo La eleccin de la forma del consecuente (saturar o escalar) El mtodo de inferencia: centroide u otros El resultado de cada regla es un rea, no un valor concreto que se pueda enviar al proceso

Resultante de todas las reglas

El resultado de cada regla es un rea, no un valor concreto Hay que desemborronar: conseguir un valor concreto en funcin de todas las reas El del centroide es el mtodo ms usado: el resultado final es el centro de gravedad de las reas B1 B2

valor concreto de la salida

Diseo de controladores borrosos

Disear equivale a escribir las reglas, determinando antecedentes y consecuentes Antecedentes:
Seleccionar la informacin de entrada que se va a incluir Fijar las particiones borrosas Fijar la forma y parmetros de las funciones de pertenencia

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

Caractersticas del control borroso

Es un control lgico. Usa expresiones SI ... ENTONCES con relaciones lgicas (Y/O) Es un control disperso. A diferencia de los controladores normales basados en una sola ecuacin, permite la coexistencia de controladores con lgicas distintas y la ejecucin en paralelo Es un control lingstico. Usa un lenguaje cualitativo, fcil de entender que permite aprovechar el conocimiento del experto sobre el proceso

Control Borroso. Aplicaciones

Intercambiadores de calor Hornos de cemento Secaderos de pulpa Pulp drum drying Evaporadores Tratamiento de aguas Reactores nucleares Procesos biotecnolgicos Control de trfico Manipuladores Robots mviles Frementadores Electrnica de consumo Operacin de trenes Gras de contenedores Control de vuelo

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

Introduccin al Control Borroso

Carlos Bordns Alba
Dpto. Ingeniera de Sistemas y Automtica Escuela Superior de Ingenieros. Universidad de Sevilla