1.

Introduccin
La Lgica Difusa o Borrosa, a pesar de su corta historia, presenta un crecimiento muy rpido, ya
que es capaz de resolver problemas relacionados con la incertidumbre de la informacin o del
conocimiento, proporcionando un mtodo formal para la expresin del conocimiento en forma
entendible y compresible por los humanos.
Las bases tericas de la Lgica Difusa, en las que estn basados los controladores borrosos estn
mucho ms cerca de la manera de razonar de los humanos y del lenguaje natural, que los sistemas
lgicos tradicionales. Bsicamente, proporciona un medio efectivo de captar ms fcilmente la
naturaleza inexacta del mundo real.
La matemtica de los conjuntos difusos, como su nombre lo indica, trabaja con conjuntos que no
tienen lmites bien definidos, es decir, la transicin entre la pertenencia y la no pertenencia de una
variable a un conjunto es gradual. Se caracteriza por las funciones de pertenencia que dan
flexibilidad a la modelacin utilizando expresiones lingsticas tales como mucho, poco, leve,
severo, escaso, suficiente, caliente, fro, joven.
Los usuarios aceptan con relativa facilidad e inters las aplicaciones basadas en Lgica Difusa, por
el paralelismo con su propio razonamiento y por la capacidad de explicacin de las conclusiones.
El xito de la aplicacin de la Lgica Difusa se debe, fundamentalmente, a la capacidad de la
misma de utilizar modelos de conceptos ambiguos para reducir la complejidad intuitiva de un
proceso, de manera que permite realizar operaciones de control, al menos de un modo
aproximado o heurstico, sobre procesos no lineales o variantes en el tiempo.
La Lgica Difusa es una herramienta moderna y una de sus aplicaciones ms importantes es el
Control de Procesos Industriales. Se sale del tradicional esquema de control de lazo realimentado
y del rgido modo de pensar de los programas de una microcomputadora para comenzar a
emplear variables lingsticas muchas veces consideradas imprecisas. Aun cuando parece ser
sinnimo de imprecisin, la Lgica








2. Planteamiento del Problema
La Lgica Difusa sirve para resolver problemas en este caso lo plantearemos un ejemplo:
Se necesita controlar los movimientos estacionarios de un pequeo carro en espacio determinado.
El carro tendr que estacionar siempre en el mismo lugar desde un punto diferente cada vez que
se inicie el sistema de control. El carro se desplazara dentro del rea delimitada por un rectngulo
y un espacio de estacionamiento.
Una consideracin del sistema es que el auto se puede estacionar en reversa o de frente pero no
paralelo.

Figura 1. rea del sistema.

Lo que debemos hacer a continuacin es asignar variables.
Variables de Entrada
Para las variables de entrada se consideraron 3 sensores infrarrojos, dos de ellos irn colocados en
las paredes laterales de la figura 2, con el nombre de L
1
y L
2
, respectivamente, y un tercer sensor
(S
3
) ir colocado en la parte delantera del carro para detectar si hay o no pared enfrente de l. Los
dos primeros sensores tienen la caracterstica de poder sensar a lo largo de toda la pared
correspondiente a cada uno, el tercero slo sensar en lnea recta. Se consider un cuarto sensor
(Pang) que nos determinar la posicin angular a la cual se encuentra el carro en un plano de
referencia exclusivo de este sensor.
G
a
r
a
g
e


Figura 2. Ubicacin de sensores dentro del rea del sistema de control.
La gramtica que determina los valores y asignacin de nombres de variable de cada uno de los
sensores mencionados anteriormente se presentan a continuacin.
Para los sensores ubicados en el lado superior e inferior, respectivamente, del rea de trabajo, se
tiene:

* +

* +
Donde Cerca representa el valor mnimo del sensor y Lejos representa el mximo valor obtenido
por los sensores.
Variables de Salida
Las variables de salida estarn representadas por actuadores, que para este caso, se utilizarn dos
motores, un motor reductor (MR) que proporciona el avance y retroceso y un motor paso a paso
(MPAP), que proporcione el giro del carro. La gramtica de los motores es la siguiente:
* +
* +
La funcin de pertenencia asignada a la gramtica de la variable de salida del MPAP se muestra en
la figura 7. El dominio refiere a los ngulos a los que puede girar, tomando en cuenta que se tiene
una limitacin mecnica al girar las llantas. Este dominio es de [-45, 45].


G
a
r
a
g
e

L1
L2
S3
Pared superior
P
a
r
e
d

d
e
r
e
c
h
a

Pared inferior
P
a
r
e
d

i
z
q
u
i
e
r
d
a

3. Marco terico
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e incluso
puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho calor", "no es muy
alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de cualidad
para nuestras inferencias (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 trapezoidales, lineales y curvas.
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 sencillos, verstiles y eficientes. 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.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente manera:

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas, comentadas
anteriormente. 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.
Los conjuntos difusos fueron introducidos por primera vez en 1965; la creciente disciplina de la
lgica difusa provee por s misma un medio para acoplar estas tareas. En cierto nivel, la lgica
difusa puede ser vista como un lenguaje que permite trasladar sentencias sofisticadas en lenguaje
natural a un lenguaje matemtico formal. Mientras la motivacin original fue ayudar a manejar
aspectos imprecisos del mundo real, la prctica temprana de la lgica difusa permiti el desarrollo
de aplicaciones prcticas. Aparecieron numerosas publicaciones que presentaban los fundamentos
bsicos con aplicaciones potenciales. Esta frase marc una fuerte necesidad de distinguir la lgica
difusa de la teora de probabilidad. Tal como la entendemos ahora, la teora de conjuntos difusos y
la teora de probabilidad tienen diferentes tipos de incertidumbre. En 1994, la teora de la lgica
difusa se encontraba en la cumbre, pero esta idea no es nueva, para muchos, estuvo bajo el
nombre de lgica difusa durante 25 aos, pero sus orgenes se remontan hasta 2,500 aos. An
Aristteles consideraba que existan ciertos grados de veracidad y falsedad. Platn haba
considerado ya grados de pertenencia.
En el siglo XVIII el filsofo y obispo anglicano Irlands, George Berkeley David Hume describieron
que el ncleo de un concepto atrae conceptos similares. Hume en particular, crea en la lgica del
sentido comn, el razonamiento basado en el conocimiento que la gente adquiere en forma
ordinaria mediante vivencias en el mundo. En Alemania, Immanuel Kant, consideraba que solo los
matemticos podan proveer definiciones claras, y muchos principios contradictorios no tenan
solucin. Por ejemplo la materia poda ser dividida infinitamente y al mismo tiempo no poda ser
dividida infinitamente. Particularmente la escuela americana de la filosofa llamada pragmatismo
fundada a principios de siglo por Charles Sanders Peirce, cuyas ideas se fundamentaron en estos
conceptos, fue el primero en considerar ''vaguedades'', ms que falso o verdadero, como forma de
acercamiento al mundo y a la forma en que la gente funciona.
La idea de que la lgica produce contradicciones fue popularizada por el filsofo y matemtico
britnico Bertrand Russell, a principios del siglo XX. Estudio las vaguedades del lenguaje,
concluyendo con precisin que la vaguedad es un grado. El filsofo austriaco Ludwing
Wittgenstein estudi las formas en las que una palabra puede ser empleada para muchas cosas
que tienen algo en comn. La primera lgica de vaguedades fue desarrollada en 1920 por el
filsofo Jan Lukasiewicz, visualiz los conjuntos con un posible grado de pertenencia con valores
de 0 y 1, despus los extendi a un nmero infinito de valores entre 0 y 1. En los aos sesentas,
Lofti Zadeh invent la lgica difusa, que combina los conceptos de la lgica y de los conjuntos de
Lukasiewicz mediante la definicin de grados de pertenencia.
Conjuntos difusos
Existen conceptos que no tienen lmites claros, es por eso que surge la necesidad de trabajar con
conjuntos difusos. Un conjunto difuso se encuentra asociado por un valor lingstico que est
definido por una palabra, etiqueta lingstica o adjetivo.
En los conjuntos difusos la funcin de pertenencia puede tomar valores del intervalo entre 0 y 1, y
la transicin del valor entre cero y uno es gradual y no cambia de manera instantnea como pasa
con los conjuntos clsicos. Un conjunto difuso en un universo en discurso pude definirse con la
siguiente ecuacin:
{(

())| }
Dnde:

,- es la funcin de

() es el grado de pertenencia de la variable x y U es el

universo discurso. Entre mas cerca este A del valor 1 mayor ser la pertenencia del objeto x al
conjunto A
Funciones de pertenencia
Las funciones de pertenencia nos permiten representar grficamente un conjunto difuso. En el eje
x (abscisas) se representa el universo en discurso, mientras que en el eje y (ordenadas) se
sitan los grados de pertenencia en el intervalo [0,1].
Para definir un conjunto difuso, se puede utilizar cualquier funcin, sin embargo, hay ciertas
funciones que son ms frecuentemente usadas debido a su simplicidad matemtica, entre ellas
podemos mencionar las funciones tipo triangular, trapezoidal, parablicas y gaussiana.
Este proyecto se enfoca al uso de funciones triangulares y trapezoidales ya que son estas las que
representan los conjuntos del control que se propone, la funcin de pertenencia de un elemento x
se puede calcular de la siguiente manera ecuacin [2] para funciones triangulares y ecuacin para
funciones trapezoidales:
()
{

Funcin de pertenencia del conjunto triangular
()
{

Funcin de pertenencia del conjunto trapezoidal



1. Control Difuso
El control difuso es una alternativa prctica para resolver una variedad de complejas aplicaciones
de control, ya que propone un mtodo para construir controles no lineales a travs de informacin
heurstica. Al desarrollar un controlador difuso es posible prescindir de la rigidez matemtica y
transmitir el raciocinio humano a un sistema. El diagrama a bloques de un control difuso se
muestra en la figura 2.4, y est compuesto de los siguientes 4 elementos:

Fusificacin
La fusificacin tiene como objetivo convertir valores crisp o valores reales en valores difusos. En la
fusificacin se asignan grados de pertenencia a cada una de las variables de entrada con relacin a
los conjuntos difusos previamente definidos utilizando las funciones de pertenencia asociadas a
los conjuntos difusos.
Base de Conocimiento
La base de conocimiento contiene el conocimiento asociado con el dominio de la aplicacin y los
objetivos del control. En esta etapa se deben definir las reglas lingsticas de control que realizarn
la toma de decisiones que a su vez decidirn la forma en la que debe actuar el sistema.
Inferencia
La inferencia es el proceso mediante el cual se genera un mapeo para asignar a una entrada una
salida utilizando lgica difusa. El proceso de inferencia provee las bases para la toma de decisiones
del sistema. Este proceso involucra la utilizacin de funciones de pertenencia y las reglas
generadas en la base de conocimiento. Existen diferentes mtodos de inferencia, los ms comunes
son los de Mamdani y Takagi- Sugeno-Kang.
Defusificacin
Despus de la inferencia, tendremos una conclusin difusa, una variable lingstica cuyos valores
han sido asignados por grados de pertenencia, sin embargo usualmente necesitamos un escalar
que corresponda a estos grados de pertenencia, ha este proceso se le llama defusificacin. En la
defusificacin se utilizan mtodos matemticos simples como el mtodo del Centroide, mtodo
promedio mximo, mtodo del promedio ponderado y mtodo de membresa del medio del
mximo.

4. Aplicaciones
Aplicaciones generales.
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:
1. Sistemas de control de acondicionadores de aire
2. Sistemas de foco automtico en cmaras fotogrficas
3. Electrodomsticos familiares (frigorficos, lavadoras...)
4. Optimizacin de sistemas de control industriales
5. Sistemas de escritura
6. Mejora en la eficiencia del uso de combustible en motores
7. Sistemas expertos del conocimiento (simular el comportamiento de un experto humano)
8. Tecnologa informtica
9. Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto, por
ejemplo, existe el lenguaje FSQL.
En general, en la gran mayora de los sistemas de control que no dependen de un S/No.
Lgica difusa en inteligencia artificial
En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de una
variedad de problemas, principalmente los relacionados con control de procesos industriales
complejos y sistemas de decisin en general, la resolucin y la compresin de datos. Los sistemas
de lgica difusa estn tambin muy extendidos en la tecnologa cotidiana, por ejemplo en cmaras
digitales, sistemas de aire acondicionado, lavarropas, etc. Los sistemas basados en lgica difusa
imitan la forma en que toman decisiones los humanos, con la ventaja de ser mucho ms rpidos.
Estos sistemas son generalmente robustos y tolerantes a imprecisiones y ruidos en los datos de
entrada. Algunos lenguajes de programacin lgica que han incorporado la lgica difusa seran por
ejemplo las diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.

Consiste en la aplicacin de la lgica difusa con la intencin de imitar el razonamiento humano en
la programacin de computadoras. Con la lgica convencional, las computadoras pueden
manipular valores estrictamente duales, como verdadero/falso, s/no o ligado/desligado. En la
lgica difusa, se usan modelos matemticos para representar nociones subjetivas, como
caliente/tibio/fro, para valores concretos que puedan ser manipuladas por los ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los sistemas de
control pueden necesitar retroalimentarse en un espacio concreto de tiempo, pueden necesitarse
datos anteriores para hacer una evaluacin media de la situacin en un perodo anterior.

5. Conclusiones y recomendaciones
Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de control
basado en lgica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo as las
transiciones de estados fundamentales en el entorno fsico que controle. Por ejemplo, si el aire
acondicionado se encendiese al llegar a la temperatura de 30, y la temperatura actual oscilase
entre los 29-30, nuestro sistema de aire acondicionado estara encendindose y apagndose
continuamente, con el gasto energtico que ello conllevara. Si estuviese regulado por lgica
difusa, esos 30 no seran ningn umbral, y el sistema de control aprendera a mantener una
temperatura estable sin continuos apagados y encendidos.
Tambin est la indecisin de decantarse bien por los expertos o bien por la tecnologa
(principalmente mediante redes neuronales) para reforzar las reglas heursticas iniciales de
cualquier sistema de control basado en este tipo de lgica.


6. Bibliografa y webgrafia
Curso Introductorio de Conjuntos y Sistemas Difusos (Lgica Difusa y Aplicaciones), por el Dr. Jos
Galindo G., Universidad de Mlaga (Espaa)
Othoniel Hernndez Ovando (2012), Lgica Difusa Aplicada al Estacionamiento de un Carro de:
http://es.slideshare.net/OthonielHernandezOvando/lgica-difusa-aplicada-al-estacionamiento-de-
un-carro
Sistema Expertos y Lgica Difusa de:
http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/maza_c_ac/capitulo2.pdf
Roberto Supo Hallasi (2003), Lgica difusa
dehttp://www.unjbg.edu.pe/coin2/pdf/01040502003.pdf