UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

EXTENSIN LATACUNGA
Nombre: Clinton Semanate
Fecha: 30/05/2016
CONTROL FUZZY DE TIPO SUGENO

Introduccin
El modelado y la identificacin son etapas importantes en el diseo de sistemas de control.
Para satisfacer los requerimientos de calidad en los productos, el sistema de control debe
garantizar la operacin del proceso con un buen desempeo sobre un rango amplio de
condiciones de operacin. Cuando se considera la totalidad del rango de operacin, la
mayora de los procesos exhiben un comportamiento fuertemente no lineal y por lo tanto no
pueden ser descriptos empleando modelos lineales convencionales. De aqu surge la
necesidad de obtener modelos de sistemas no lineales en forma rpida y sencilla, y que
adems puedan ser utilizados para los distintos controladores de alto desempeo. Por lo
cual se presenta una metodologa para la obtencin de un modelo borroso que tiene la
caracterstica que se pueda emplearse en tales controladores, Control Fuzzy tipo Sugeno.

Desarrollo
Sugeno propuso el diseo de controladores difusos a partir de encontrar un modelo difuso
de la planta que relacionara las entradas con sus salidas. Una vez que ya se ha diseado un
modelo difuso de la planta, es posible generar un controlador que parte de la salida deseada
para determinar la entrada necesaria en el sistema, con un proceso de deduccin inversa.
(Cruz, 2010)
El modelo borroso propuesto por Takagi y Sugeno puede representar o modelar toda clase
de sistemas estticos o dinmicos no lineales. En este modelo las reglas son de la forma
(Miguel Pea, 2009)

Ri : Si: x es A i( x)
entonces : y i=f i (x) (1)
x=[x 1 . X M ]

son las entradas del sistema, y i es la salida de cada regla y

A i (x) es un conjunto borroso M-dimensional. La estructura del consecuente de cada
regla est definida por f i ( x ) . En general se elige una funcin lineal de las entradas, esto
es (Miguel Pea, 2009)
Donde

f i ( x )= pi0 + pi1 x 1 +. . .+ p iM x M

(2)

donde pij son escalares. La salida del modelo se obtiene a travs del promedio pesado de
la salida de cada regla

w i ( x1 , , x M ) yi

y= i=1L

(3)

w ( x1 , , x M )
i

i=1

donde w i es el grado de verdad (valor de pertenencia) de la regla i - sima. El modelo

borroso de Takagi-Sugeno est basado en una "particin borrosa" del espacio de entrada y
se lo puede interpretar como una extensin de la linealizacin por sectores. La identificacin
de la estructura de las premisas consiste en encontrar los diferentes conjuntos borrosos que
dividen el espacio de entrada. (Miguel Pea, 2009)
Descripcin del Mtodo de Identificacin
El modelo borroso propuesto es del tipo usado por Takagi y Sugeno (1), El consecuente
presenta funciones lineales (no borrosas) de las entradas del modelo como (2). Se usan
funciones de normalizacin sobre las entradas y la salida, resultando (Miguel Pea, 2009)

Ri : Si: x es A i( xn )
entonces : y i=f i ( x n )
La salida del modelo, y n , se calcula como el promedio pesado de la contribucin de cada
regla
L

w i ( xn ) yi

y= i=1L

wi ( xn )
i=1

donde L es el nmero de reglas y w i es el grado de cumplimiento (Grado de pertenencia)

de la i - sima regla. La entradas y salida normalizadas se obtienen como

x n=g x ( x ) , y n=g y ( y)
Las funciones de normalizacin tienen como objetivo obtener la estructura del modelo e
incrementar el desempeo del mismo. Estas realizan una correccin de escala y una
correccin estadstica de los datos. La funcin de normalizacin de salida debe tener
inversa. La ilustracin muestra el esquema implementado. (Miguel Pea, 2009)

Ilustracin 1 Esquema del modelo usado

Diferencias entre Mamdani y Sugeno

Mtodo Sugeno

Es computacionalmente eficiente.
Funciona bien con las tcnicas lineales (por ejemplo, el control PID).
Funciona bien con la optimizacin y tcnicas de adaptacin.
Se ha garantizado la continuidad de la superficie de salida.
Es muy adecuado para el anlisis matemtico. (INC, 2011)

Mtodo Mamdani

Es intuitivo.
Tiene una amplia aceptacin.
Es muy adecuado para la intervencin humana.

Mamdani y Sugeno en Matlab

El primer paso consiste en elegir el tipo de controlador a crear, las posibilidades ofrecidas
son: (ROSARIO, 2011)

Controlador Mamdani
Controlador Sugeno

Una vez establecido el tipo de controlador es posible ajustar la definicin de los diferentes
mtodos algebraicos que el controlador utilizar para calcular sus salidas. Los ajustes
posibles son los siguientes: (ROSARIO, 2011)

Los tipos de funciones de pertenencia que este editor permite son los siguientes:

Recomendacin Para la utilizacin del Sistema Sugeno

Para sistemas no Lineales y donde el sistema tenga su modelo matemtico sea muy
complejo de determinar.

Conclusin
El sistema Sugeno es una representacin ms compacta y computacionalmente eficiente que un
sistema de Mamdani. El sistema Sugeno se presta a la utilizacin de tcnicas de adaptacin para la
construccin de modelos difusos. Estas tcnicas de adaptacin se pueden utilizar para personalizar
las funciones de pertenencia de modo que el sistema difuso mejores modelos de los datos.

Bibliografa
Cruz, P. P. (2010). Inteligencia Artifiial con Aplicaciones de Ingenieria.
Mexico: AlphaOmega.
INC, M. W. (15 de 09 de 2011). Matlab. Obtenido de Math Works:
http://es.mathworks.com/help/fuzzy/comparison-of-sugeno-andmamdani-systems.html?s_tid=gn_loc_drop
Miguel Pea, H. A. (23 de 11 de 2009). MODELADO E IDENTIFICACIN CON
UN MODELO BORROSO. Obtenido de Articula Cientifico:
http://citeseerx.ist.psu.edu/viewdoc/download?
doi=10.1.1.218.9042&rep=rep1&type=pdf
ROSARIO, U. N. (12 de 10 de 2011). Control Fuzzy. Obtenido de
http://usuarios.fceia.unr.edu.ar/~spastel/2011%20TP3%20%20Control%20Fuzzy.pdf