Академический Документы
Профессиональный Документы
Культура Документы
ISSN: 0378-0524
Artculo Invitado
D. Guzmn, V. M. Castao1*
1. Centro de Fsica Aplicada y Tecnologa Avanzada. Universidad Nacional Autnoma de Mxico,
Campus Juriquilla, 76000, Quertaro, Mxico
Abstract
Fuzzy logic is a mathematical tool that mimics the way humans manage and pro-
cess information. It is a method of great simplicity for processing of information,
decision making and process control. This article discusses the basic concepts
and applications, and analyses pros and cons of this methodology.
I. Introduccin
El concepto de lgica difusa fue concebido a mediados de los aos sesentas por
Lofti Zadeh, ingeniero elctrico iran y profesor de la Universidad de California, en
Berkeley, quien en 1965 publica el primer artculo de lgica difusa llamado Fuzzy
Sets [1], donde se dan a conocer por primera vez los conceptos de esta tcnica.
Ms tarde, en 1974 Ebrahim Mamdani aplica los conceptos de lgica difusa en
el control de procesos y desarrolla el primer control difuso para la regulacin de un
motor de vapor [2].
En 1985 Takagi y Sugeno aportan a la teora del control difuso un nuevo
mtodo llamado Takagi-Sugeno-Kang (TSK), como alternativa del mtodo Mamdani.
La unin de los conceptos de lgica difusa desarrollados por Zadeh y el rea
de control de procesos encuentra numerosas aplicaciones en la industria, medicina,
aeronutica, electrnica [5, 6, 9], etc., e incluso en los ltimos aos, en el mundo de los
aparatos electrodomsticos.
El eje X es la temperatura.
Tabla 1.
Reglas de lgica difusa
Temperatura Descripcin
Figura 9. Defuzzyficacin
donde,
Tabla 2.
Notacin del diagrama a bloques.
Notacin Descripcin
La entrada del controlador es el error y la variacin del error, ya que con ellos
se puede determinar el comportamiento del sistema. Sus funciones de membresa se
definen como se muestra en la figura 12. El error y la variacin del error en el caso del
invernadero tomarn valores de 20 a 20Vcd.
donde,
Tabla 3.
Notacin de la funcin de membresa del error.
Notacin Descripcin
MN Muy negativo
PN Poco negativo
Z Cero
PP Poco positivo
MP Muy positivo
La salida del control difuso que controlar la vlvula de paso del aire caliente,
tiene la funcin de membresa de la Figura 13. Se modific la funcin de salida de la
Figura 4 para tener un mejor desempeo del controlador:
Arquitectura Mamdani
Donde tanto FRO como ABRIR son conjuntos difusos, X son los atributos
observables o mesurables del sistema (temperatura) y Z son los atributos controlables
del sistema (vlvula). De las siguientes expresiones y la Figura 14 se derivan las reglas
difusas que se muestran en la Tabla 4.
4. dE(t) es negativa cuando el error anterior es mayor que el error actual y se tiene
una grfica de pendiente positiva.
5. dE(t) es positiva cuando el error anterior es menor que el error actual y se tiene
una grfica de pendiente negativa.
Tabla 4.
Conjunto de reglas difusas para una arquitectura Mamdani.
dE(t)= E(t)-E(t-T)
MN PN Z PP MP
donde A es un conjunto difuso, X son los atributos observables o mesurables del sistema,
Z son los atributos controlables del sistema y Y es una ecuacin de salida lineal.
Para la solucin del problema invernadero las ecuaciones de salida tendrn la
siguiente forma [4]:
Se analizar el caso ms sencillo donde ki1 y ki2 son cero y la salida u(t) es
nicamente una constante, cuyos valores se elegirn de acuerdo a la experiencia del
experto en el proceso y se muestran en la Tabla 5.
Tabla 5.
Conjunto de reglas difusas para una Arquitectura TSK
dE(t)= E(t)-E(t-T)
MN PN Z PP MP
MN -1
PN -.05
E(t)
Z -1 -.5 0 0.5 1
PP 0.5
MP 1
Conclusiones y perspectivas
Una vez obtenida la simulacin del sistema no es fcil determinar que cambios
se necesitan hacer en las funciones de membresa, reglas difusas, mtodos de
inferencia y defuzzyficacin para poder obtener un resultado de salida desea-
do. Esto se complica an ms por la no linealidad del controlador difuso.
Anexo 1.
Simulacin de las reglas difusas del control de temperatura en matlab
Referencias
[2] Mamdani, E. H., Application of fuzzy algorithms for control of simple dynamic plant,
Academic Press: Neva York, 1974.
[3] Takagi, T.; Sugeno, M., IEEE Transactions on System, Man, and Cybernetics 1985, ,
15, 116-132.
[4] Yen; Langari, R., Fuzzy Logic: Intelligence, control, and information, Prentice Hall:
Nueva York, 1998.
[5] Altrock, C. V., Fuzzy Logic and NeuroFuzzy Applications Explained, Prentice Hall:
Nueva York, 1995.
[6] Godoy, R. S.. Diseo y Construccin de un prototipo para una prtesis de mano y su
control utilizando alambres con memoria de forma como actuadotes de movimiento,
Tesis Doctoral, CINVESTAV, pp. 64-75, 1997.
[7] So, Wing-Chi; Tse, Chi K.; Lee, Yim Shu, IEEE Transactions on Power Electronics
1996, 11, 24-26S.
[8] Pirrello, L.; Yliniemi, L.; Leivisk, K. Development of a Fuzzy Logic Controller
for a Rotary Dryer with Self-Tuning of Scaling Factor. University of Oulu,
Control Engineering Laboratory, Report A No. 17, 2001, 15-18.