Control Avanzado..

Alta dimensionalidad del proceso

Variacin con el tiempo de las caractersticas
del sistema
No linealidad en el comportamiento del proceso.
Objetivos de control demasiado complejos
Condiciones de alarma rigurosa

..Control Avanzado

Modelamiento pobre de la dinmica del proceso.

Restricciones operativas del proceso.
Probabilidad de falla en sensores y actuadores.

Lgica difusa (Fuzzy Logic)

Control basado en reglas que dicta la

experiencia
Se aplica a sistemas difciles de modelar
Lgica difusa = estimador de una funcin
basado en asociaciones lingusticas (E/S)

Historia

400 A.C. Leyes del pensamiento, Ley del medio

excludo = Lgica binaria.
Herclito y posteriormente Platn proponen que la cosas
pueden tener un valor distinto a verdadero o falso.
1900s: Luckasiewicz propone una lgica ternaria de
(verdadero, falso, posible), luego cuaternaria y
finalmente de infinitos valores de verdad.

Historia

1965 Fuzzy set (Prof.. Lotti A. Zadeh, UCB)

1966 Fuzzy Logic (Dr.. Peter N. Marinos, Bell Labs.)
1972 Fuzzy Measure (Prof.. Michino Sugeno, TIT)
1974 Fuzzy Logic Controller for Steam Engine (Prof.. E.H.
Mamdani, Queen Mary College, London Univ.)
1980 Control of Cement-Kiln with Monitor Capability
(F.L. Smidth, Denmark)
1987 Automatic Train Operation for Sendal Subway
(Hitachi)
1988 Stock Trading Expert System (Yamaichi Sequrity)
1989 Life (Laboratory for Internacional Fuzzy Engineering)
5

Lgica difusa

La lgica difusa o borrosa (Fuzzy logic) se basa en que

en un instante dado, no es posible precisar el valor de
una variable X, sino tan solo conocer el grado de
pertenencia a cada uno de los conjuntos dentro del
rango de variacin de la variable.

Conjunto difuso

Un subconjunto difuso F de un conjunto A es un par

ordenado en el conjunto, cuyo primer elemento es un
elemento a de A, y e segundo elemento es un nmero
real entre 0 y 1, llamado el grado de pertenencia
(membresia) de a en F.
El conjunto A es llamado universo en discurso.
El mapeo entre los elementos de A y los grados de
pertenencia en f es una funcin, llamada la funcin de
pertenencia de F.
Los subconjuntos difusos son usualmente representados
por sus funciones de pertenencia.
7

Conjunto difuso

Sea X = [0,10] el universo de discurso

Sea A = [5,8] subconjunto de X
A = { 0,
1,
0

0 < x < 5,
5x8
8 < x < 10}

Conjunto difuso

B = {conjunto de gente joven}

B = [0,20]
Fuzificacin y grados de pertenencia

Conjunto difuso
Grado de pertenencia: (0.0: falso 1.0: verdadero)
Ejm.: Javier es alto
alto(x) = {

0,
(h(x)-1,50)/0,60
1,

h(x) < 1,50 m,

1,50 m h(x) 2,10 m,
h(x) > 2,10 m }

1,0

0,5

0,0
0,60

1,20

1,80

2,40

altura h(x), m

10

Otros ejemplos

32,5
1
= 0,75
fro

tibio

caliente

0
20

25

30

35 C

Fuzzyficacin de la temperatura 32,5 C

11

Otros ejemplos

1,3
1

= 0,65
baja

alta

0
0,5

1,5

2 bar

Fuzzyficacin de la presin 1,3 bar

12

Operaciones And, Or

13

Operaciones Negacin

14

Operaciones Max, Min

15

...Lgica Difusa

El controlador procesa una estrategia basada en reglas.

Luego de la fuzificacin la entrada construye las
premisas para la inferencia ejecutada por la operacin
de composicin.
Un valor explcito para la salida es seleccionado por la
etapa de defuzificacin.

16

Estructura del controlador

Variables lingsticas describen entradas y salidas en

forma cualitativa
Set difuso para variables (lenguaje difuso)
El comportamiento cualitativo del controlador se
describe en base a reglas (conocimiento del experto)
Uso de mtodos para traducir reglas en relaciones
difusas.

17

Estructura del controlador

r
FUZIFICACION

REGLAS

DEFUZIFIC

PLANTA

18

Aplicacin

y es la variable de proceso y u es la variable

manipulada.
f1 ,..., fn son las funciones de pertenencia asociados a
las variables lingsticas V1 ,..., Vn.
c1 ...,cn son los valores de certeza respectivos.
U1 ,..., Um son los valores representativos de las
variables lingsticas W1 ,..., Wm.
d1 ,..., dm son los valores de confianza correspondientes

19

Aplicacin

Si la temperatura esta alta y creciendo ENTONCES

debe aumentarse bastante el agua de refrigeracin

20

Velocidad

21

Angulo

22

Velocidad angular

23

Reglas

|
angulo
|
veloc | NA
NB
C
PB
PA
----------+-----------------------------v
NA
|
NA
.
NB
|
NB
C
a
C
| NA
NB
C
PB
PA
n
PB
|
C
PB
g
PA
|
PA

24

Motor de inferencia Mandami

Utiliza reglas difusas para obtener la respuesta del

sistema difuso ante una determinada entrada
Inferencia basada en reglas individuales:
}

Aplicar la entrada a la primera regla, a la segunda y as

sucesivamente. Posteriormente las salidas de las reglas se unen
para obtener una nica salida.

Inferencia basada en la composicin:

}

Calcular la relacin difusa que representa el significado de toda

la base de reglas para aplicar la entrada a esa relacin difusa
global.

25

Motor de inferencia Mandami

Parmetros de diseo para el motor de inferencia

Eleccin del tipo de motor de inferencia
}
}

Basado en reglas individuales

Basado en la composicin de reglas

Eleccin de la representacin del significado de las

reglas difusas
}

}
}

Operadores de conjuncin, disyuncin, complemento,

modificadores lingsticos, segn el caso
Operador de implicacin
Operador de agregacin de reglas

26

defuzificacin

La defuzificacin transforma el conjunto difuso de salida

en un valor explicito (ntido).
Supongamos que tenemos m reglas difusas
}

Si x1 es A1 (k) x2 es A2 (k) ... xn es An (k) y es B(k) con k = 1,

2, ..., m.

Si introducimos unos valores de entrada:

}

A1*, A2*, .., An*, obtenemos como salida los conjuntos difusos:
B(1), B(2), ..., B(m)

Unimos todas las salidas: B

B(K) y es B
Objetivo: averiguar cul es el valor ntido B* que mejor
representa a B
27

28

29

30

31

32

Resultado de aplicar reglas

33

Defuzificacin

El centro de gravedad del polgono se calcula con la

formula:

34

Otros ejemplos

32,5

Reglas de inferencia:
Si el agua est caliente y la presin es alta:
min(0,75, 0,65) = 0,65

= 0,75
fro

tibio

caliente

entonces... (regla, base de conocimiento)

20
25
30
Fuzzyficacin de la temperatura 32,5 C

35 C

1,3

baja

Si el agua est caliente o la presin es alta:

max(0,75, 0,65) = 0,75

= 0,65

alta

0,5
1
1,5
Fuzzyficacin de la presin 1,3 bar

alta

2 bar

Valor de
salida
0,25
0,5
0,75
Defuzzyficacin de regla SI-ENTONCES

35

Aplicaciones

Los Sistemas difusos, pueden ser usados para

estimaciones, toma de decisiones y mecanismos de
Sistemas de control como son: aire acondicionado,
control de automviles y algunos trabajos inteligentes
como controladores de procesos industriales.

36

Algunas aplicaciones

Control (robtica, automatizacin, artefactos elctricos)

Sistemas de Informacin (DBMS, bsqueda de
informacin)
Reconocimiento de patrones (procesamiento de
imgenes, visin artificial)
Apoyo de decisiones (HMI adaptiva)

37

Ejm.: Acondicionamiento de aire en

centros de cmputo

Control preciso de temperatura y humedad

Minimizacin de ciclos de compresin y expansin
Aprovechamiento del aire fro de la maana
Sistema de control simple, directo y econmico

38