ESCUELA SUPERIOR POLITCNICA DE

CHIMBORAZO

FACULTAD DE INFORMTICA Y ELECTRNICA

ESCUELA DE INGENIERIA ELECTRNICA EN

CONTROL Y REDES INDUSTRIALES

TEMA: LOGICA BORROSA

ASIGNATURA: CONTROL INTELIGENTE

PROFESOR: DR. JESUS RODRIGUEZ

ESTUDIANTES: CODIGO:
YANDRI CASTILLO 103

FECHA: 14/06/2016
 ESCUELA SUPERIOR POLITCNICA DEL CHIMBORAZO

FIE - EIECONTROL

Lgica Borrosa o Difusa

LOGICA BORROSA

Se fundamenta en reglas y guarda

MANDANI analoga con la teora de conjuntos.
La Lgica Difusa o borrosa, utiliza
expresiones que no son totalmente
ciertas ni completamente falsas, es
decir, que pueden tomar un valor
cualquiera de veracidad.
Para ampliar ANFIS (sistemas de
TAKASI SUGENO KAN informacin borrosas neutro
extractivas).

La tcnica esencial de la lgica difusa

Se basa en cuatro conceptos fundamentales:
- Conjuntos difusos.- son conjuntos con fronteras uniformes o suaves.
- Variables lingsticas.- Son variables cuyos valores son descritos
cualitativamente y cuantitativamente por un conjunto difuso.
- Distribuciones de posibilidad.- restricciones impuestas en el valor de una
variable lingstica al asignarle un conjunto difuso.
- Reglas difusas si-entonces.- un esquema de representacin del conocimiento
para describir una proyeccin funcional o una frmula lgica que generaliza
una implicacin en la lgica de dos valores.

La diferencia entre estas dos tcnicas

Sugeno, o Takagi-Sugeno-Kang, el mtodo de inferencia borrosa es similar al mtodo
de Mamdani en muchos aspectos. Las dos primeras partes del proceso de inferencia
difusa, fuzzificando las entradas y aplicando el operador difuso, son los mismos. La
principal diferencia entre Mamdani y Sugeno es que las funciones de pertenencia de
salida Sugeno son bien lineal o constante.

Tcnica TSK
Una regla tpica en un modelo difuso Sugeno tiene la forma:
Si la entrada 1 = x y Entrada 2 = y, a continuacin, la salida es z = ax + y + bc. Para un modelo
de Sugeno de orden cero, el nivel de salida z es una constante (a = b = 0).
 ESCUELA SUPERIOR POLITCNICA DEL CHIMBORAZO

FIE - EIECONTROL

Universo del Discurso

= () = 6 6 + 5 5 + 4 4 + 3 3 + 2 2 + 1 1 + 0

Error cuadrtico medio

1
2 )2
= ( Min ( 2 ) se encuentran los

=1 parmetros
X F(X) Y

Nota: Elementos de Elementos del

conjunto de partida. conjunto de llegada

DOMINIO RANGO

Nota:
Una regla para el entrenamiento del ANFIS es evitar el solapamiento para facilitar los
clculos.
 ESCUELA SUPERIOR POLITCNICA DEL CHIMBORAZO

FIE - EIECONTROL

M2= 0,7 (Grados de pertenecia )

Fuzzyficacin:
Determina el grado de verdad que pertenece al universo del discurso y consiste en dar
un grado de verdad respecto a una funcin de pertenencia.

Regla:
La Suma de los grados de verdad siempre debe dar la unidas 1, independientemente si
se solapan o no.

= 0,4
= 0,6
Desfuzzyficacin:
Hay que saber los singlentones, el entrenamiento es ms veloz porque el denominador
es 1
1 1 + 2 2
() =
1 2
= 1
() = 1 1 + 2 2
() = (0.4) (0.5) + (0.6) (3)
() = 2

Reglas de Solapamiento
1. Fuzzyficar
2. Desfuzzyficar
 ESCUELA SUPERIOR POLITCNICA DEL CHIMBORAZO

FIE - EIECONTROL

= + +1 +1

3. Funcin de Costo

1
)2
= (

=1

4. De manera general se empleara una funcin de costo J

= 2

)2
= 1 ( Sumatoria del error.

=
=1| | Para ir ms rpido matemticamente

Matriz de singlentones.
1
2
= 3
4
[5]
= (, )

Para encontrar singlentones.

Forma iterativa de encontrar los singlentones empleando el gradiente decreciente.

= ((1 + )) Encontrar la deviacin absoluta de la

funcin de costo respecto al parmetro
Ci

= ((1 + )) Busca la funcin de costo con Ci en

decremento

=
=

= 1 1
= 2 2

Valores de C

=
1. Primero hay que hallar
1. Segundo determino los nuevos Ci
 ESCUELA SUPERIOR POLITCNICA DEL CHIMBORAZO

FIE - EIECONTROL

Sistemas Tipo Mamdani

En la figura se muestra la configuracin bsica de un sistema tipo Mamdani, en un sistema
difuso tipo Mamdani se distinguen las siguientes partes:

Fuzzificador
La entrada de un sistema de lgica difusa tipo Mamdani normalmente es un valor
numrico proveniente, por ejemplo, de un sensor; para que este valor pueda ser
procesado por el sistema difuso se hace necesario convertirlo a un "lenguaje" que el
mecanismo de inferencia pueda procesar. Esta es la funcin del fuzzyficador, que toma
los valores numricos provenientes del exterior y los convierte en valores "difusos" que
pueden ser procesados por el mecanismo de inferencia. Estos valores difusos son los
niveles de pertenencia de los valores de entrada a los diferentes conjuntos difusos en
los cuales se ha dividido el universo de discurso de las diferentes variables de entrada al
sistema.

Mecanismo de inferencia difusa

Teniendo los diferentes niveles de pertenencia arrojados por el fuzzyficador, los mismos
deben ser procesados para generar una salida difusa. La tarea del sistema de inferencia
es tomar los niveles de pertenencia y apoyado en la base de reglas generar la salida del
sistema difuso.

Base de Reglas Difusas

La base de reglas es la manera que tiene el sistema difuso de guardar el conocimiento
lingstico que le permiten resolver el problema para el cual ha sido diseado. Estas
reglas son del tipo IF-THEN. Una regla de la base de reglas o base de conocimiento tiene
dos partes, el antecedente y la conclusin. En un sistema difuso tipo Mamdani tanto el
antecedente como el consecuente de las reglas estn dados por expresiones lingsticas.

Defuzzyficador
La salida que genera el mecanismo de inferencia es una salida difusa, lo cual significa
que no puede ser interpretada por un elemento externo (por ejemplo un controlador)
que solo manipule informacin numrica. Para lograr que la salida del sistema difuso
pueda ser interpretada por elementos que solo procesen informacin numrica, hay
que convertir la salida difusa del mecanismos de inferencia; este proceso lo realiza el
defuzzyficador. La salida del mecanismo de inferencia es un conjunto difuso, para
generar la salida numrica a partir de este conjunto existen varias opciones como el
Centro de Gravedad y los Centros Promediados entre otros.