Академический Документы
Профессиональный Документы
Культура Документы
Tema 4
3. Estructura bsica de un sistema basado en reglas difusas (SBRD) . 4. Tipos de sistemas basados en reglas difusas. 5. Arquitectura detallada.
1. Interfaz de Fuzzificacin. 2. Base de Conocimiento.
1. Base de Datos. 2. Base de Reglas.
3. Motor de inferencia en un SBRD tipo Mamdani. 4. Interfaz de defuzzificacin. 5. Motor de inferencia en un SBRD tipo TSK.
Sistemas Difusos
Tema 4
Objetivos:
- Conocer la estructura bsica y funcionamiento de un Sistema Basado en Reglas Difusas. - Clasificar los sistemas basados en reglas difusas en base a su estructura y a la estructura de regla difusa utilizada. - Conocer ventajas e inconvenientes de cada uno de los tipos de sistemas basados en reglas difusas. - Conocer distintas opciones de diseo para la interfaz de fuzzificacin. - Percibir las cuestiones generales que se plantean en el proceso de derivacin de reglas. - Comprender el proceso de inferencia en un sistema difuso para control. - Conocer las definiciones de distintos mtodos de defuzzificacin y el significado de cada uno de ellos. - Comprender el funcionamiento global de un sistema difuso para control.
Sistemas Difusos
Tema 4
1.- Introduccin.
Aplicaciones: Modelado de sistemas: o Obtencin de modelos que representan realidades complejas. o Control:
Plantas industriales complejas Control en lnea Sistemas de navegacin con perturbaciones
Clasificacin: deteccin de patrones, diagnstico mdico, ... Sistemas expertos: ayuda a la decisin, recuperacin de informacin, planificadores financieros, ... Minera de datos y descubrimiento de informacin (Knowledge discovery and data mining): extraccin del conocimiento intrnseco contenido en grandes bases de datos con reglas de asociacin difusas.
Sistemas Difusos
Tema 4
Control difuso:
o Las entradas, salidas y respuesta de control se especifican con trminos similares a los utilizados por un experto en control. o No se requiere un modelo del sistema. o Aprendizaje y ajuste automtico fcil de realizar.
PROCESO CONTROLADO
Condiciones
Sistemas Difusos
Tema 4
Acciones
MO DULO DEFUZZIFICADO R
(DESEMBORRONADOR)
Valor difuso
Valor exacto
BASE DE DATO S
Sistemas Difusos
Tema 4
Percepcin
Anlisis
Cliente 1 FSQL
Cliente n FSQL
Sistemas Difusos
Tema 4
Objetivo:
o Informacin no explcita. o Previamente desconocida. o Potencialmente til.
Ejemplo: Reglas de asociacin [Agrawal et al., 1993].
o Relacionan tems. (p.e., {leche, arroz} canela) o Medidas para importancia y precisin.
o Datos dispersos (alta granularidad). o Informacin de muy diversas fuentes, heterognea. o Atributos susceptibles de fuzzificacin.
Sistemas Difusos
Tema 4
X1
Bajo
Medio
Alto
X2
Bajo Medio Alto
Y
Interfaz de Fuzificacin Mecanismo de Inferencia Interfaz de Defuzificacin
Entrada escalada
Salida escalada
Sistemas Difusos
Tema 4
Base de Reglas
Interfaz de Fuzzificacin
Mecanismo de Inferencia
Interfaz de Defuzzificacin
Base de Datos
Realiza el proceso de razonamie nto para estimar la salida en funcin de la entrada
Sistemas Difusos
Tema 4
10
Tema 4
SI X1 es Alto y X2 es Bajo ENTONCES Y=f(X1,X2) Ventajas: Incrementan la precisin. Mayor eficiencia computacional. Facilidad para el anlisis del sistema. Garantizan la continuidad de la superficie de salida. Inconvenientes: El consecuente es una frmula matemtica y no proporciona un marco natural para representar conocimiento humano. Limitan la representacin de los principios de la lgica difusa.
11
Sistemas Difusos
Tema 4
12
Tema 4
El valor ntido se convierte en un conjunto difuso tipo singleton. o Es la opcin ms sencilla y la ms utilizada. o Adecuado cuando la medicin de las variables de estado es fiable.
1
x0
Se genera un conjunto difuso con centro el valor ntido y un soporte acorde con la incertidumbre de la medicin.
1
x0-
x0
x0 +
13
Tema 4
Est formada por la Base de Reglas y la Base de Datos. Parmetros de diseo implicados:
Eleccin de las variables de estado del proceso y de control del mismo. Eleccin del conjunto de trminos lingsticos para las variables de estado y de control. Eleccin de la estructura del antecedente y consecuente de las reglas. Derivacin del conjunto de reglas.
Formas de obtencin de la base de conocimiento: 1. A travs de experiencia experta, conocimiento de ingeniera de control o acciones de un operador de control experimentado.
Experto capaz de describir de forma lingstica sus reglas de decisin (factores de escala, semntica de los conjuntos difusos, operadores implicados, etc.). A partir de un cuestionario realizado al experto. Informacin extrada a partir de la observacin de las acciones de control de un operador.
2. Obtencin basada en un modelo difuso. 3. Obtencin basada en aprendizaje automtico (mtodos ad hoc, computacin evolutiva, redes neuronales, clustering, etc.).
14
Sistemas Difusos 5.2.1. Base de Datos. Proporciona la informacin necesaria para el funcionamiento del mdulo de fuzzificacin, de defuzzificacin y de la Base de Reglas. Definicin de los conjuntos difusos: Define la semntica de cada variable lingstica:
Bajo
Tema 4
Factores de escala
Medio Alto Medio Bajo Medio Alto
X1 X2 Y
Alto
Tambin se pueden definir factores de escalado para extender o reducir el universo de discurso, as como cambiar la sensibilidad:
15
Sistemas Difusos 5.2.2.- Base de Reglas. Representa de forma estructurada la poltica de control experto. Se deben determinar los siguientes aspectos: o Qu variables de estado y de control se considerarn. o Qu estructura tendr la regla difusa.
Tema 4
o Qu conjunto de reglas (en su representacin simblica) se utilizar. Posibilidades de eleccin de las variables: o Imitar los controladores P, PI, PD y PID: Variables de entrada al controlador: el error: e la sumatoria del error a lo largo del tiempo:
e(i) i=1
la variacin del error: e Salidas del controlador: la salida del sistema: u la variacin de la salida del sistema: u Usar variables propias del proceso de las que se puede conseguir su valor a travs de una medicin.
16
Tema 4
Ejemplo: Base de reglas para el controlador difuso de una aspiradora. Objetivo: Regular la fuerza de aspiracin Variables de entrada?
Cantidad de suciedad: {muy sucio, sucio, algo sucio, casi limpio, limpio}
Variable de control?
Fuerza: {muy fuerte, fuerte, normal, dbil, muy dbil}
17
Tema 4
Se puede mejorar el rendimiento incluyendo ms informacin. Variables de entrada? Cantidad de suciedad: {muy sucio, sucio, algo sucio, casi limpio, limpio} Tipo de superficie: {madera, caucho, alfombra} Variable de control? Fuerza: {muy fuerte, fuerte, normal, dbil, muy dbil} Propuesta 2 de base de reglas:
Limpio Madera Caucho Alfombra Mu y dbil Mu y dbil Dbil Casi limpio Mu y dbil Dbil Normal Algo sucio Dbil Normal Normal Sucio Normal Fuerte Fuerte Mu y sucio Fuerte Mu y fuerte Mu y fuerte
Amplificador
Circuito
Contador de tiempo
M otor de v entilacin
18
Sistemas Difusos 5.3.- El motor de inferencia en un SBRD Mamdani Utiliza reglas difusas para obtener la respuesta del sistema difuso ante una determinada entrada Hay dos formas de realizar este proceso: 1. Inferencia basada en reglas individuales:
Tema 4
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. 2. 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. Esquema simplificado de un motor de inferencia basado en reglas individuales: 1. Disparo de reglas: Una regla se dispara si el grado de emparejamiento del antecedente de la regla con la entrada es mayor que cero. a. Clculo del grado de aplicabilidad. Antecedente con una variable. Antecedente con ms de una variable. b. Escalado o corte de la salida difusa.
19
Sistemas Difusos 5.3.- El motor de inferencia en un SBRD Mamdani 2. Agregacin de las salidas (si es necesaria)
Emparejamie nto: 0.4 = min(0.75 , 0.4)
Tema 4
Escalado de la salida
Agregacin de las salidas
Tema 4
La defuzzificacin transforma el conjunto difuso de salida en un valor ntido. Supongamos que tenemos m reglas difusas:
Si x1 es A 1(k) x2 es A 2(k) ... xn es A n(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
k =1 m
Objetivo: averiguar cul es el valor ntido B* que mejor representa a B. a) Centro de rea o centro de gravedad. b) Centro de sumas. c) Centro de mayor rea. d) Mtodo de la altura. e) Primero del mximo, ltimo del mximo y media de los mximos.
21
Sistemas Difusos 5.4.- El interfaz de defuzzificacin. a) Centro de rea o centro de gravedad. B* = yB '( y )dy
Tema 4
B '( y )dy
Para evitar calcular la integral numrica, se realiza una discretizacin de la salida: Y = {y1 , y2 ,, yl }
B* =
Inconvenientes: El clculo del conjunto difuso agregado es costoso. No tiene en cuenta el hecho de que dos reas se solapen.
unin
22
Tema 4
B* =
Considera la contribucin de cada rea de forma independiente. El mtodo del centro de rea toma la unin de los B(k) mientras que este mtodo toma la suma de los conjuntos. De esta forma, si un rea se repite, se considera de nuevo, evitando el problema de solapamiento visto anteriormente. No requiere el clculo del conjunto difuso de salida
23
Tema 4
Requiere la definicin del punto umbral (primer punto de un conjunto difuso con grado de pertenencia mximo).
B* =
x0 Cambio de entrada x1 20 21
24
Sistemas Difusos 5.5.- El Motor de Inferencia en un SBRD tipo TSK. Reglas del tipo: SI x1 es A1 y x2 es A2 y ... y xn es An ENTONCES y = f(x1 , x2, ..., xn) En general f(x1, ..., xn) = a0 + a1x1 + ... + an xn
Tema 4
El antecedente se procesa igual que el de las reglas tipo Mamdani. Para una entrada especfica, el resultado de disparar una regla es un valor ntido. Finalmente los valores ntidos obtenidos al dispararse distintas reglas se combinan para obtener una nica salida (mximo, media aritmtica ponderada, etc.).
Salida R5: (5.5, 0.5) Salida = (4.4 0.6 + 5.5 0.5) / (0.6 + 0.5) = 4.9
25