Proyecto Final IA

Universidad Autnoma de
San Luis Potos

Facultad de Ingeniera

Ingeniera en Mecatrnica

Proyecto Final de Inteligencia Artificial

Tema: "Control y gestin de una planta tipo
invernadero, utilizando Logica Difusa"

Integrantes del Equipo

Edgar Ivn Castillo Martnez
Luis Miguel Almazn Cerda
Mauricio Enrique Segura Alvarado

Fecha de Entrega: 31 de mayo de 2012
Universidad Autnoma de San Lus Potos
________________________________________________________________________________

1
Inteligencia Artificial
Introduccin
La lgica difusa representa la forma en que los humanos proponemos una solucin a algn
problema en el cul no existe un valor o estado exacto que represente dicho resultado. Para poder
entender de mejor manera sta definicin, veremos las diferencias entre la lgica tradicional y la
lgica difusa.
La lgica convencional presenta solo dos valores para definir si un evento se lleva acabo o no, el
1 y 0. stos estados indican que si el evento se lleva acabo se tiene el 100 porciento del valor
de salida para activar el estado, y presenta un 0 porciento si el evento no se lleva acabo. sta
situacin nos afecta en el sentido de que no podemos expresar un estado intermedio, por
ejemplo: al expresar el siguiente enunciado la llave est medio abierta, al querer representar
este estado en la lgica convencional se nos hace imposible ya que no podemos expresar un 50
porciento que equivale a un estado de 0.5.
La lgica difusa a diferencia de la lgica convencional, nos permite representar estados
intermedios de pertenencia de un estado a un evento, teniendo valores de membresa para las
variables difusas que se utilizan. Por ejemplo: al expresar el mismo enunciado la llave est medio
abierta, podemos expresar que la llave est 0.5 abierta, e incluso se pueden expresar ms valores
como 0.3 abierta o 0.7 abierta. Esto nos permite controlar el estado de salida de un sistema de
manera ms precisa e incluso nos permite controlar sistemas que hubieran sido imposibles de
controlar si ste tipo de representaciones. stos temas se tratarn en ste proyecto.

________________________________________________________________________________

2

Antecedentes
El concepto de lgica difusa apareci en 1965, en la Universidad de California en Berkeley, y fu
introducido por Lotfi A. Zadeh. Las lgicas difusas, son esencialmente lgicas multivaluadas que
extienden a las lgicas clsicas. Estas ltimas imponen a sus enunciados nicamente valores falso
o verdadero. Bien que stas han modelado satisfactoriamente a una gran parte del razonamiento
natural, es cierto que el razonamiento humano utiliza valores de verdad que no necesariamente
son tan deterministas. Por ejemplo, al calificar que el cielo es azul uno est tentado a graduar
qu tan azul, en efecto, es el cielo, e igualmente, si un vehculo se mueve rpido, tambin se
est obligado a considerar qu tan rpido es el vehculo, aunque esto ltimo no implique
necesariamente cuantificar la velocidad del vehculo con toda precisin.

Las lgicas difusas procuran crear aproximaciones matemticas en la resolucin de ciertos tipos de
problemas. Pretenden producir resultados exactos a partir de datos imprecisos, por lo cual son
particularmente tiles en aplicaciones electrnicas o computacionales. El adjetivo difuso
aplicado a ellas se debe a que los valores de verdad no-deterministas utilizados en ellas tienen, por
lo general, una connotacin de incertidumbre. Un vaso medio lleno, independientemente de que
tambin est medio vaco, no est lleno completamente ni est vaco completamente. Qu tan
lleno puede estar es un elemento de incertidumbre, es decir, de difusidad, entendida esta ltima
como una propiedad de indeterminismo. Ahora bien, los valores de verdad asumidos por
enunciados aunque no son deterministas, no necesariamente son desconocidos. Por otra parte,
desde un punto de vista optimista, lo difuso puede entenderse como la posibilidad de asignar ms
valores de verdad a los enunciados que los clsicos falso o verdadero. As pues, reiteramos, las
lgicas difusas son tipos especiales de lgicas multivaluadas.

La lgica difusa ha tenido aplicaciones de suma relevancia en el procesamiento electrnico de
datos. En determinadas reas de conocimiento, a sus enunciados se les asocia valores de verdad
que son grados de veracidad o falsedad, mucho ms amplios que los meros verdadero y falso.
En un sistema deductivo se distingue enunciados de entrada y enunciados de salida. El
objetivo de todo sistema manejador de una lgica difusa es describir los grados de los enunciados
de salida en trminos de los de entrada. Ms an, algunos sistemas son capaces de refinar los
grados de veracidad de los enunciados de salida conforme se refinan los de los de entrada. Por
estas propiedades es que ciertos sistemas de lgica difusa aparentan una labor de aprendizaje, y
son excelentes mecanismos de control de procesos.
Desde el punto de vista tecnolgico, la lgica difusa se encuadra en el rea de la llamada
Inteligencia Artificial y ha dado origen a sistemas expertos de tipo difuso y a sistemas de control
automtico.
Conjuntos difusos.
La mayora de los fenmenos que encontramos cada da son imprecisos, es decir, tienen implcito
un cierto grado de difusidad en la descripcin de su naturaleza. Esta imprecisin puede estar
asociada con su forma, posicin, momento, color, textura, o incluso en la semntica que describe
lo que son. En muchos casos el mismo concepto puede tener diferentes grados de imprecisin en
________________________________________________________________________________

3
diferentes contextos o tiempo. Un da clido en invierno no es exactamente lo mismo que un da
clido en primavera. La definicin exacta de cuando la temperatura va de templada a caliente es
imprecisa -no podemos identificar un punto simple de templado, as que emigramos a un simple
grado, la temperatura es ahora considerada caliente. Este tipo de imprecisin o difusidad asociado
continuamente a los fenmenos es comn en todos los campos de estudio: sociologa, fsica,
biologa, finanzas, ingeniera, oceanografa, psicologa, etc.
Conceptos imprecisos.
Aceptamos la imprecisin como una consecuencia natural de ''la forma de las cosas en el mundo''.
La dicotoma entre el rigor y la precisin del modelado matemtico en todo los campos y la
intrnseca incertidumbre de ''el mundo real'' no es generalmente aceptada por los cientficos,
filsofos y analistas de negocios. Nosotros simplemente aproximamos estos eventos a funciones
numricas y escogemos un resultado en lugar de hacer un anlisis del conocimiento emprico. Sin
embargo procesamos y entendemos de manera implcita la imprecisin de la informacin
fcilmente. Estamos capacitados para formular planes, tomar decisiones y reconocer conceptos
compatibles con altos niveles de vaguedad y ambigedad. considere las siguientes sentencias:
. La temperatura est caliente
. La inflacin actual aumenta rpidamente
. Los grandes proyectos generalmente tardan mucho
. Nuestros precios estn por abajo de los precios de la competencia
. IBM es una compaa grande y agresiva
. Alejandro es alto pero Ana no es bajita
Estas proposiciones forman el ncleo de nuestras relaciones con ''la forma de las cosas en el
mundo''. Sin embargo, son incompatibles con el modelado tradicional y el diseo de sistemas de
informacin. Si podemos incorporar estos conceptos logramos que los sistemas sean potentes y se
aproximen ms a la realidad.
Pero, es la imprecisin un concepto artificial utilizado para aumentar o disminuir en uno o ms las
propiedades de los fenmenos? o es una parte intrnseca del fenmeno en s mismo?.
Esta es una pregunta importante ya que es la parte fundamental de las medidas de la teora
difusa. Como veremos la fusificacin es independiente de cualquier capacidad para medir, ya que
un conjunto difuso es un conjunto que no tiene lmites bien definidos. Un conjunto difuso tiene
muchas propiedades intrnsecas que afectan la forma del conjunto, su uso y como participa en un
modelo. Las propiedades ms importantes de un conjunto difuso son las concernientes a las
dimensiones verticales del conjunto difuso (altura y normalizacin) y las dimensiones horizontales
(conjunto soporte y cortes "alpha").
La altura de un conjunto difuso es como mximo un grado de pertenencia y es una cota cercana al
concepto de normalizacin. La superficie de la regin de un conjunto difuso es el universo de
valores. Todos estos conceptos se tratarn ms adelante. Es decir un conjunto difuso A se
considera como un conjunto de pares ordenados, en los que el primer componente es un nmero
en el rango [0,1] que denota el grado de pertenencia de un elemento u de U en A, y el segundo
________________________________________________________________________________

4
componente especifica precisamente quin es se elemento de u. En general los grados de
pertenencia son subjetivos en el sentido de que su especificacin es una cuestin objetiva. Se
debe aclarar que aunque puede interpretarse como el grado de verdad de que la expresin ''u A''
sea cierta, es ms natural considerarlo simplemente como un grado de pertenencia.

Puede notarse adems que:
a) Mientras ms prximo est (u) a el valor 1, se dice que u pertenece ms a A (de modo que 0 y 1
denotan la no pertenencia y la pertenencia completa, respectivamente).
b) Un conjunto en el sentido usual es tambin difuso pues su funcin caracterstica u es tambin
una funcin u [0,1]; o sea que los conjuntos difusos son una generalizacin de los conjuntos
usuales.
Ejemplo: Sea U =11, 2, 3, 4, 5, 6, 7, 8, 9, entonces los conjuntos definidos a continuacin son
difusos:
POCOS = (0.4/1, 0.8/2, 1/3,0 .4/4)
VARIOS = (0.5/3, 0.8/4, 1/5, 1/6,0 .8/7, 0.5,8)
MUCHOS =(0.4/6, .6/7,0 .8/8, 0.9/9,1/10)
Note que el elemento 4 pertenece en grado .4 al conjunto POCOS, en grado .8 al conjunto VARIOS
y en grado .0 a MUCHOS. Zadeh ha hecho algunas extensiones a los conceptos de conjuntos
difusos ordinarios que se han explicado; por ejemplo los conjuntos difusos de nivel-m y los
conjuntos difusos tipo-n. Para un conjunto difuso de nivel-m se considera como su universo de
discusin al conjunto de conjuntos difusos de nivel-(m-1), sobreentendiendo que los conjuntos
difusos de nivel-1 son conjuntos difusos ordinarios. Para los conjuntos difusos tipo-n, los valores
de las funciones de pertenencia son conjuntos difusos de tipo-(n-1) del intervalo [0,1] (en lugar de
ser puntos de [0,1]). Tambin los conjuntos difusos tipo-1 son equivalentes a los conjuntos difusos
ordinarios.
Operaciones.
En la lgica Booleana tradicional, los conjuntos son considerados como sistemas bivalentes con sus
estados alternando entre inclusin y exclusin. La caracterstica de la funcin discriminante refleja
este espacio bivaluado
Esto indica que la funcin de pertenencia para el conjunto A es cero si x no es un elemento en A y
la funcin de pertenencia es si x es un elemento en A. Dado que existen solamente dos estados, la
transicin entre estos dos estados es siempre inmediata. La pertenencia de estos conjuntos est
siempre totalmente categorizada y no existe ambigedad o dicotoma acerca de la pertenencia.
Existen 4 operaciones bsicas de conjuntos en esta lgica: unin, interseccin, complemento y
unin exclusiva. Al igual que en los conjuntos convencionales, existen definiciones especficas para
________________________________________________________________________________

5
combinar y especificar nuevos conjuntos difusos. Este conjunto de funciones tericas provee las
herramientas fundamentales de la lgica. En el caso usual, con las operaciones comunes de
interseccin, unin y complemento, el conjunto de conjuntos de U forman un lgebra booleana, es
decir se cumplen las condiciones de asociatividad, conmutatividad, elementos neutros, dem
potencia, absorcin, distributividad, complemento y las leyes de Morgan.
Las tres operaciones mencionadas se pueden extender de varias formas a conjuntos difusos, de
modo que al restringirlas a los conjuntos usuales, coincidan con las comunes. Estas extensiones
resultantes satisfacen en forma general slo a algunas de las condiciones listadas anteriormente, y
para mantener la vigencia de alguna, ser obligatorio sacrificar a otras. En el sistema se opt por
extender las operaciones en el sentido clsico, es decir, dados dos conjuntos difusos A y B, se
definen las operaciones extendidas de la siguiente forma
Dado que los conjuntos difusos no se particionan en el mismo sentido que los conjuntos
Booleanos, estas operaciones son aplicadas al nivel de pertenencia, como una consecuencia de los
conjuntos difusos. Decidir si un valor es o no es miembro de cualquier conjunto difuso en
particular, requiere algunas nociones de cmo esta construido el conjunto, del universo y de los
lmites de ste.
Las etiquetas lingsticas y operadores.
El centro de las tcnicas de modelado difuso es la idea de variable lingstica. Desde su raz, una
variable lingstica es el nombre de un conjunto difuso. Si tenemos un conjunto difuso llamado
''largo'' ste es una simple variable lingstica y puede ser empleada como una regla-base en un
sistema basado en la longitud de un proyecto en particular Si duracin-proyecto es largo entonces
la-terminacin-de-tareas es DECRECIENTE; Una variable lingstica encapsula las propiedades de
aproximacin o conceptos de imprecisin en un sistema y da una forma de computar adecuada.
Esto reduce la aparente complejidad de describir un sistema que debe concordar con su
semntica. Una variable lingstica siempre representa un espacio difuso.
Lo importante del concepto de variable lingstica es su estimacin de variable de alto orden ms
que una variable difusa. En el sentido de que una variable lingstica toma variables difusas como
sus valores. En el campo de la semntica difusa cuantitativa al significado de un trmino "x" se le
representa como un conjunto difuso M(x) del universo de discusin. Desde este punto de vista,
uno de los problemas bsicos en semntica es que se desea calcular el significado de un trmino
compuesto
La idea bsica sugerida por Zadeh es que una etiqueta lingstica tal como ''muy'', ''ms o menos'',
''ligeramente'', etc... puede considerarse como un operador que acta sobre un conjunto difuso
asociado al significado de su operando. Por ejemplo en el caso de un trmino compuesto ''muy
alto'', el operador ''muy'' acta en el conjunto difuso asociado al significado del operando ''alto''.
Una representacin aproximada para una etiqueta lingstica se puede lograr en trminos de
combinaciones o composiciones de las operaciones bsicas explicadas en la seccin anterior. Es
importante aclarar que se har mayor nfasis en que estas representaciones se proponen
principalmente para ilustrar el enfoque, ms que para proporcionar una definicin exacta de las
________________________________________________________________________________

6
etiquetas lingsticas. Zadeh tambin considera que las etiquetas lingsticas pueden clasificarse
en dos categoras que informalmente se definen como sigue:
Tipo I: las que pueden representarse como operadores que actan en un conjunto difuso: ''muy'',
''ms o menos'', ''mucho'', ''ligeramente'', ''altamente'', ''bastante'', etc. y,
Tipo II: las que requieren una descripcin de cmo actan en los componentes del conjunto difuso
(operando): ''esencialmente'', ''tcnicamente'', ''estrictamente'', ''prcticamente'', ''virtualmente'',
etc...
En otras palabras, las etiquetas lingsticas pueden ser caracterizadas cmo operadores ms que
construcciones complicadas sobre las operaciones primitivas de conjuntos difusos.
Ejemplos de etiquetas tipo I.
De acuerdo a ste punto de vista y sabiendo que el lenguaje natural es muy rico y complejo,
tomamos el operador ''muy'' que podemos caracterizar con un significado de que an cuando no
tenga validez universal sea slo una aproximacin. Asumimos que si el significado de un trmino x
es un conjunto difuso A, entonces el significado de muy X.
Ms y menos
Se pueden definir etiquetas lingsticas artificiales, por ejemplo: ms, menos, que son instancias
de lo que puede llamarse acentuador y desacentuador respectivamente, cuya funcin es
proporcionar ligeras variantes de la concentracin y la dilatacin.
Los exponentes se eligen de modo que se de la igualdad aproximada: mas mas x = menos muy x, y
que, adems, se pueden utilizar para definir etiquetas lingsticas cuyo significado difiere
ligeramente de otras, ejemplo:
Mas o menos
Otra etiqueta lingstica interesante es ''ms o menos'' que en sus usos ms comunes como ''ms
o menos inteligente'', ''ms o menos rectangular'' etc, juega el papel de difusificador.
Ligeramente
Su efecto es dependiente de la definicin de proximidad u ordenamientos en el dominio del
operando. Existen casos, sin embargo, en los que su significado puede definirse en trminos de
etiquetas lingsticas tipo I, bajo la suposicin de que el dominio del operando es un conjunto
ordenado linealmente.
Clase de
________________________________________________________________________________

7
Es una etiqueta lingstica que tiene el efecto de reducir el grado de pertenencia de los elementos
que estn en el ''centro'' (grados de pertenencia grandes) de una clase x e incrementa el de
aquellos que estn en su periferia (grados de pertenencia pequeos).
Regular
Es una etiqueta que tiene el efecto de reducir el grado de pertenencia de aquellos elementos que
tienen tanto un alto grado de pertenencia al conjunto como de aquellos que lo tienen pequeo, y
slo aumenta el grado de pertenencia de aquellos elementos que tienen un grado de pertenencia
cercano.
Etiquetas tipo II.
Su caracterizacin envuelve una descripcin de forma que afectan a los componentes del
operando, y por lo tanto es ms compleja que las del tipo I. En general, la definicin de una
etiqueta de este tipo debe formularse como un algoritmo difuso que envuelve etiquetas tipo I. Su
efecto puede describirse aproximadamente como una modificacin de los coeficientes de
ponderacin de una combinacin convexa. Como la magnitud de las ponderaciones es una medida
del atributo asociado, intuitivamente una etiqueta de este tipo tiene el efecto de aumentar las
ponderaciones de los atributos importantes y disminuir los que relativamente no lo son.

Desarrollo

Se desarroll un modelo simplificado de una planta que emula el comportamiento de un
invernadero tomando como variables de entrada como la temperatura, la humedad, y la
luminosidad del medio ambiente controlado. Y se crearon funciones de membresa
correspondientes a cada una de las variables de entrada tratando de emular el
comportamiento de las mismas en la realidad. De la misma manera se tomaron en cuenta
las variables de salida que fueron las variables a controlar, y dichas variables fueron un
sistema de calefaccin, un sistema de enfriamiento, un sistema de iluminacin a base de
leds, y un sistema de riego con una bomba de agua; adems de que se crearon las
funciones de membresa correspondientes a cada una de las salidas.

Para el control de todas las variables se realiz un controlado difuso por medio de
labview, e implementando las funciones de membresa creadas para las variables. Dicho
controlador monitorea las variables de entrada y de acuerdo a las funciones de
membresa ingresadas realiza una accin de salida para cada una de las variables de salida
dependiendo tambin de las funciones de membresa de salida.

________________________________________________________________________________

8
Para la etapa de adquisicin de datos se utiliz una tarjeta de adquisicin de datos Marca
National, con la que se adquieren las variables de entrada y se obtienen las variables de
salida; cabe mencionar que todas las variables de salida cuentan con una etapa de
potencia debido a la baja corriente que soportan las salidas de la tarjeta de adquisicin.

Para la salida difusa del calefactor se enva un dato en voltaje el cual lo interpreta un
microcontrolador y genera una salida correspondiente en PWM para posteriormente
pasarlo a la etapa de potencia en donde se encuentra un opto acoplador el cual activa a
un triac y a su vez a un foco de 100 W y un ventilador de DC.

Para la salida difusa del ventilador se enva un paquete de datos en binario de 7bits, el
cual lo interpreta un microcontrolador y genera una salida correspondiente en PWM para
posteriormente pasarlo a la etapa de potencia en donde se encuentra un transistor BJT
utilizado como switch y conectado a un ventilador de DC.

Para la salida difusa de los leds se enva un voltaje el cual va directamente conectado a la
etapa de potencia, la cual consiste en un transistor BJT trabajando en la regin activa y
encendiendo a un arreglo de leds de alta luminosidad.

Para la salida de la bomba de agua se enva un dato en binario a la etapa de potencia, en
la cual se encuentra un transistor BTJ conectado como switch y el cual acciona un
relevador de CD, y finalmente se acciona la bomba de agua, la cual trabaja con AC.

Funciones de Membresa de Entrada:

Temperatura

________________________________________________________________________________

9
Humedad

Luminosidad

Funciones de Membresa de Salida

Calefactor

________________________________________________________________________________

10

Ventilador

Bomba de Agua

________________________________________________________________________________

11

Leds

Imgenes del
desarrollo del
proyecto

Concepcin y fabricacin
del proyecto.

________________________________________________________________________________

12

Ensamble y armado del modelo

Armado y cableado de los circuitos electrnicos.
________________________________________________________________________________

13
Controlador Arduino uno y tarjeta de adquisicin National Instruments.

Colocacin de los sensores (luz, temperatura y humedad)

________________________________________________________________________________

14

Colocacin de la manguera y aspersor de agua

Vista superior del modelo

________________________________________________________________________________

15

Vista final del modelo funcionando

________________________________________________________________________________

16

Conclusiones:

Bibliografia
http://casanchi.com/casanchi_2001/difusa01.htm
http://www.slideshare.net/CCamaleon5/logica-difusa-e-inteligencia-artificial
http://www.eumed.net/dices/definicion.php?dic=1&def=136

________________________________________________________________________________

17

Proyecto Final IA

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Proyecto Final IA

Загружено:

Авторское право:

Доступные форматы

Universidad Autnoma de

San Luis Potos

Вам также может понравиться