LOGICA DIFUSA Y CONTROLADORES DIFUSOS LOGICA DIFUSA FUNCIONAMIENTO.

La lgica se adapta mejor al mundo real en el que vivimos, e incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho fro", "es muy poco", "el ritmo del corazn est un poco acelerado", etc. La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de nuestro lenguaje (en los ejemplos de arriba "mucho", "muy" y "un poco"). En la teora de conjuntos difusos se definen tambin las operaciones de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica. Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso. Las formas de las funciones de pertenencia ms tpicas son trapezoidal, lineal y curva. Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente), donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica (ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y "levemente" para la lgica difusa):

SI hace muchsimo fro ENTONCES aumento drsticamente la temperatura. SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el del centroide, en el que la salida final ser el centro de gravedad del rea total resultante. Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este caso de redes neuronales para fortalecer las futuras tomas de decisiones. Los datos de entrada suelen ser recogidos por sensores, que miden las variables de entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao. La salida final actuara sobre el entorno fsico, y los valores sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de control) seran tomadas por sensores del sistema. Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los datos de entrada, que en este caso bien podran ser la temperatura y humedad simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo del grado de la salida.

CONTROLADORES DIFUSOS.El control lgico difuso surgi en los 60 (del trabajo de Lofti A. Zadeh), como una herramienta para el control de procesos industriales complejos, radicando su importancia en que permite responder a valores intermedios, de variables, pasando de las dos opciones tradicionales de fro/caliente, alto/bajo, a opciones como Tibio y Medio por ejemplo, haciendo que los sistemas se acerquen a la forma de trabajar del cerebro humano. Por lo anterior, el diseo de controladores PID basados en lgica difusa, es motivado por la habilidad de estos de capturar estrategias cualitativas de control y ofrecer un comportamiento de control altamente flexible. Con esta forma de control, podremos lograr que los sistemas puedan ajustarse a condiciones cambiantes en ocasiones imposibles de predecir, lgico, dentro de ciertos rangos.

El controlador difuso funciona como uno convencional puesto que a partir de la entrada, por medio de algn algoritmo, genera una salida, llamndose este proceso inferencia difusa y se lleva a cabo en tres partes: , donde la seal de entrada real es convertida en un valor difuso.

En la fusificacin, la diferencia con un esquema convencional es la manera en que la variable de entrada es considerada, en lugar de usar su valor, se usan funciones de membreca. Por ejemplo, para la temperatura de una habitacin, los valores lingsticos a utilizar podran ser: fro, fresco, caluroso y caliente, pudiendo un valor de temperatura real, pertenecer a varios de estos valores con diferente grado de pertenencias, como puede verse en la figura 3. En esta figura, la lnea negra que representa una hipottica temperatura real, y tiene un grado de pertenencia a Fresco de 0.5 y a caluroso de 0.35. La evaluacin se hace con los valores anteriores y un conjunto de reglas que pudieran ser por ejemplo: condicionado y ajustar la velocidad de los ventiladores a muy baja. a es Fresca, encender el compresor pero cambiar la velocidad de los ventiladores a baja a velocidad de los ventiladores a media Si la temperatura es caliente, mantener encendido el compresor pero ajustar la velocidad de los ventiladores a velocidad alta

En la defusificacin, la salida del sistema difuso se calcula mediante el disparo de las reglas correspondientes a un valor que depende del valor de pertenencia de la entrada, por ejemplo, ajustar la velocidad de los ventiladores a baja en un grado de verdad de 0.5 y a velocidad media con un grado de verdad de 0.35. Lo anterior se puede hacer de varias maneras. Por ejemplo, se puede considerar el centro de gravedad de la figura geomtrica resultante o sea, la suma de los dos rectngulos en color gris que se muestran en la figura y de ese valor inferir la salida.

APLICACIONES DE LA LOGICA DIFUSA.La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no existen modelos matemticos precisos, para procesos altamente no lineales y cuando se envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo). En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona eficientemente el problema, cuando los problemas son lineales o cuando no tienen solucin. Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn, extendindose sus aplicaciones a multitud de campos. La primera vez que se us de forma importante fue en el metro japons, con excelentes resultados. Posteriormente se generaliz segn la teora de la incertidumbre desarrollada por el matemtico y economista espaol Jaume Gil Aluja. A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire Sistemas de foco automtico en cmaras fotogrficas Electrodomsticos familiares (frigorficos, lavadoras...) Optimizacin de sistemas de control industriales Mejora en la eficiencia del uso de combustible en motores Sistemas expertos del conocimiento (simular el comportamiento de un experto humano) Tecnologa informtica Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por ejemplo, existe el lenguaje FSQL. ...y, en general, en la gran mayora de los sistemas de control que no dependen de un S/No.