SEMINARIO DE CONTROL DIFUSO, MARZO 2004 1

Sintonizaci on Difusa de un PID para Robots

Manipuladores
P. Reynoso Mora y D. Mocencahua Mora
Facultad de Ciencias de la Electr onica
Benem erita Universidad Aut onoma de Puebla
ResumenEl desempe no de cualquier controlador PID de-
pende de los par ametros especcos del sistema. Una vez que
estos par ametros cambian, es requerida una cantidad signicativa
de esfuerzo para que las ganancias puedan ser sintonizadas
manualmente. Solo pocos robots dise nados convencionalmente
est an habilitados para ser insensibles a los cambios de par ametros
en el robot. En tales sistemas, las ganancias son usualmente
muy grandes con el prop osito de suprimir los efectos del
cambio de carga y perturbaciones. La soluci on a este problema
consiste del desarrollo de m etodos de control adaptable que
controle los movimientos globales del robot y simult aneamente
corrija los errores. Yo presento un procedimiento simple para
la sintonizaci on difusa de las ganancias KP , KI y KD de un
controlador PID. Este procedimiento varia las ganancias del
PID de acuerdo a la conguraci on actual del robot y asume
valores de ganancias grandes solo cuando son necesarias. La
efectividad del controlador se demuestra a trav es de simulaciones
en computadora para un brazo de dos grados de libertad.
I. INTRODUCCI

ON
L
os manipuladores est an constituidos por mecanismos en
cadenas cinem aticas abiertas y son sistemas acoplados
altamente no lineales, de ah la dicultad para controlarlos.
Hoy en da, los controladores PID convencionales aun son
ampliamente utilizados en el control de robots debido a su
simplicidad y desempe no satisfactorio para el seguimiento
de trayectorias que varan lentamente. Sin embargo, cuando
los par ametros del robot tales como masa e inercia no son
conocidos con precisi on o si estos varan bajo diferentes
condiciones de operaci on, un controlador PID convencional
podra no trabajar satisfactoriamente. Puesto que la carga es
ignorada, es difcil seleccionar par ametros jos, con los cuales
se mantenga un buen desempe no en todo el espacio de trabajo.
En los robots comerciales el movimiento es transmitido desde
los accionadotes hacia los eslabones mediante reducciones, ya
sea por engranes o por bandas [13]. El uso de reducciones
efectivamente incrementa el par o fuerza producido por los
accionadotes, y por lo tanto, estos son capaces de desplazar
eslabones con gran masa y en principio, lograr altos valores
de aceleraci on en eslabones ligeros. La teora de control
moderna ha probado ser muy efectiva en resolver problemas
cuando el sistema est a bien denido pero esta falla con
algunos procesos complejos debido a la no linealidad y a la
propiedad de variaci on en el tiempo del sistema. Sin embargo,
a menudo los operadores humanos controlan exitosamente
P. Reynoso es miembro del grupo de caos y control no lineal de la FCE-
BUAP.
estos sistemas complejos. Luego entonces es l ogico dise nar
un controlador que est a basado sobre la experiencia de un
operador humano. La esencia del control difuso es explotar
este conocimiento del operador humano. En a nos recientes,
la l ogica difusa ha encontrado muchas aplicaciones en pro-
ductos de consumo(e.g., camcoders, lavadoras, TV de color,
etc...), en la industria automotriz(e.g., sistemas de manejo de
dispositivos, suspensiones inteligentes, etc...) y otros sistemas
de control industriales. El control difuso ofrece una soluci on
simple pero robusta que puede trabajar con un amplio rango
de par ametros del sistema y perturbaciones mayores [1], [2].
Se ha demostrado que el control difuso proporciona una
herramienta poderosa para la sintonizaci on de algoritmos de
control basados sobre aproximaciones de teora de control
convencional [3]. Esta combinaci on de teora convencional y
control difuso ha recibido una gran atenci on en a nos recientes,
[4], [5], [6]. En vista de esto y de la aplicabilidad del
control PID a robots manipuladores, presento algunas reglas
simples para sintonizar las ganancias del PID. La efectividad
del controlador se demuestra a trav es de simulaciones en
computadora para un brazo de dos grados de libertad. El resto
de este documento est a organizado como sigue. Los conceptos
b asicos del modelo din amico de robots y el controlador basado
en reglas difusas se discuten en la secci on II. La sintonizaci on
difusa para robots manipuladores se desarrolla en la secci on
III y las conclusiones en la secci on IV.
II. CONCEPTOS B

ASICOS
II-.1. Modelo Din amico de Robots Manipuladores: La
ecuaci on din amica de un robot manipulador de n grados de
libertad puede ser expresada como una ecuaci on diferencial
no lineal de segundo orden [13],
M(q) q + C(q, q) + G(q) = (1)
donde es un vector de entradas de n 1 que representa
los pares aplicados a cada articulaci on, q, q y q R
n
son
la posici on, velocidad y aceleraci on respectivamente. M(q)
R
nn
es la matriz de inercia, C(q, q) R
n
es el vector no
lineal de las fuerzas centrfugas y de coriolis y G(q) R
n
es
el vector de pares gravitacionales.
El objetivo de control es forzar al vector de estados de
la planta, q(t) = [q(t), q(t), ..., q
n1
]
T
R
n
, siga a una
trayectoria deseada q
d
(t) = [q
d
(t), q
d
(t), ..., q
n1
d
]
T
R
n
.
Permitanos denir el error de seguimiento q(t) como
SEMINARIO DE CONTROL DIFUSO, MARZO 2004 2
_
_
q(t)

q(t)

q(t)
_
_
=
_
_
q
d
(t) q(t)
q
d
(t) q(t)
q
d
(t) q(t)
_
_
(2)
El problema es as dise nar una ley de control la cual
asegure que q 0 como t o hacer que la posici on
q(t) y la velocidad q(t) sigan las trayectorias deseadas. La ley
de control para articulaciones independientes PID se puede
escribir en forma de vector como sigue
= q
d
+ K
P
q + K
V

q + K
I
_
T
0
qdt (3)
donde K
P
es la matriz de ganancia proporcional, K
V
es
la matriz de ganacia derivativa y K
I
es la matriz de ganancia
integral.
II-.2. Conjuntos Difusos y Control con L ogica Difusa:
En esta secci on se presenta un resumen de los conceptos
b asicos de conjuntos difusos y l ogica difusa. La discusi on
presentada aqu no es exhaustiva es solo un medio para motivar
la presentaci on del material de este documento. Una discusi on
m as detallada se puede encontrar en [9], [10] y [14].
Los conjuntos difusos, introducidos en [14], permiten la
posibilidad de un grado de membresa; esto es, cualquiera de
los valores entre 0 y 1 incluyendo 0 y 1 pueden ser asignados
a un conjunto particular.
Denici on 1 (Conjuntos Difusos) Un conjunto difuso A
j
i
en
un universo de discurso U
i
est a caracterizado por una funci on
de membresa
A
j
i
la cual toma valores en el intervalo [0, 1]
es decir

A
j
i
= U [0, 1]
Un conjunto difuso puede ser visto como una generalizaci on
de los conceptos de un conjunto ordinario cuya funci on de
membresa solo toma dos valores [0, 1]. De este modo un
conjunto difuso A
j
i
en U
i
puede ser representado como un
conjunto de pares ordenados de un elemento gen erico u
i
y el
grado de su funci on de membresia:
A
j
i
= {(u
i
,
A
j
i
)u U}.
Si U
i
es continuo, un conjunto difuso A
j
i
puede ser escrito
como
A
j
i
=
_
u

A
j
i
(u
i
)
u
i
.
Si U
i
es discreto, un conjunto difuso A
j
i
puede ser escrito
como
A
j
i
=

A
j
1
(u
1
)
u
1
+

A
j
2
(u
2
)
u
2
+ . . . =
j

i=1

A
j
i
(u
i
)
u
i
.
Aunque la funci on de membresa puede tomar cualquier
forma conveniente sobre el intervalo [0, 1], la funci on
triangular
_
trapezoidal que muestra la gura 1 es la m as am-
pliamente utilizada debido a su simplicidad. Las reglas difusas
combinan dos o m as conjuntos difusos de entrada, llamados las
premisas, y asocia con ellas una salida o consecuencia. Las
premisas son combinadas por medio de operadores que son
an alogos a las conjuntivas l ogicas usuales AND, y OR.
Un ejemplo de una regla difusa es IF la respuesta es lenta
THEN incrementa K
P
. Usando la notaci on anterior, la regla
general puede ser escrita como:
R
j
: IF x
1
is A
j1
AND . . . AND x
n
is A
j
jn
THEN z
j
is B
j
donde x
i
(j = 1, 2, . . . , N) son las variables de entrada
del sistema difuso, z es la variable de salida del sistema
difuso, y A
jn
y B
j
son los t erminos ling usticos resultantes
del encendido de las reglas difusas [14].
Denici on 2 (Uni on) La uni on de conjuntos difusos A
1
i
y
A
2
i
, los cuales est an denidos sobre el universo de discurso U
es un conjunto difuso denotado como A
1
i
A
2
i
, con funci on de
membresa denida por:
M aximo:

A
1
i
A
2
i
= max(
A
1
i
(u
i
),
A
2
i
(u
i
)) : u
i
U
i
Denici on 3 (Intersecci on) La intersecci on de conjuntos
difusos A
1
i
y A
2
i
, los cuales est an denidos sobre el universo
de discurso U es un conjunto difuso denotado como A
1
i
A
2
i
,
con funci on de membresa denida por:
Mnimo:

A
1
i
A
2
i
= min(
A
1
i
(u
i
),
A
2
i
(u
i
)) : u
i
U
i
Denici on 4 (Desfusicaci on) La desfusicaci on es el
c alculo de valores num ericos duros como salida del contro-
lador basada sobre resultados simb olicos. El valor duro puede
ser calculado por diferentes aproximaciones. Uno de los m as
sencillos y ampliamente usados es el m etodo del centro de area
COA, que genera el centro de gravedad de la distribuci on de
posibilidad de una acci on de control. En el caso de un universo
discreto, este m etodo se mantiene como
z

COA
=

n
j=1

C
(z
j
)z
j

n
j=1

C
(z
j
)
(4)
donde
C
(z
j
) es el j valor de la funci on de membresa de
salida.
III. SINTONIZACI

ON DIFUSA DEL PID
Los controladores PID que est an en operaci on en robots
industriales necesitan de monitoreo continuo y ajustes puesto
que pudieron haber sido sintonizados impropiamente. Esto es
debido a la ley de retroalimentaci on local del control PID, el
cual es aplicado independientemente a cada articulaci on. Los
controladores PID son lineales, esto es que la ecuaci on del
PID asume relaciones lineales. Sin embargo, la din amica del
robot manipulador es no lineal, luego entonces debe tenerse
un cuidado especial para compensar las no linealidades y el
controlador PID por si mismo no es suciente. A menudo
los operadores humanos experimentados manejan esto e-
cientemente. La esencia del control difuso es explotar el
conocimiento del operador humano.
SEMINARIO DE CONTROL DIFUSO, MARZO 2004 3
Fig. 1. Membresa de los conjuntos difusos usados en las reglas de control.
Los controladores difusos hacen uso de la siguiente infor-
maci on difusa de las entradas: el error q , y el cambio del
error

q. Con esta informaci on el controlador difuso ajustar a los
valores de ganancias K
FP
, K
FV
y K
FI
de acuerdo con las
reglas difusas las cuales est an basadas sobre la experiencia de
los ingenieros de control.
Para simplicar el dise no del sintonizador difuso del PID, la
variable de entrada debe ser fusicada. Estas variables difusas
estan dadas por
E = G
q
f( q),
CE = G

q
f(

q),
donde G
q
y G

q
son factores de escalamiento, y el fusicador
emphf( ) es un operador que mapea a los datos duros a
conjuntos difusos. Las entradas del sintonizador difuso son
E y CE. Los controladores difusos est an basados sobre un
conjunto de implicaciones de frases ling usticas que represen-
tan la acci on requerida tomada por un operador humano o
un dise nador experimentado. De los resultados de simulaci on
y experimentales he obtenido una cantidad signicativa de
informaci on heurstica sobre como sintonizar el controlador
PID. Esta informaci on es leda en la base de reglas de un
sintonizador difuso y es usada para asegurar que el controlador
PID est a sintonizado apropiadamente en todos los tiempos.
La forma de una frase de implicaci on ling ustica es:
IF E is A
j
AND CE is B
j
THEN K is Z
j
donde j = 1, . . . , n y n es el n umero de reglas y E y CE
son los vectores de las entradas difusas y K
j
es el vector de
las salidas difusas y A
j
, B
j
y Z
j
son vectores de calicadores
ling usticos donde los elementos son valores ling usticos, tales
como:
q =

q =
_

_
PB = Positivo Grande
PS = Positivo Peque no
ZE = Zero
NS = Negativo Peque no
NB = Negativo Grande
(5)
con la ayuda de la teora de subconjuntos difusos los valores
difusos de todos los elementos de E y CE pueden ser expresa-
dos por sus funciones de membresa. La fusicaci on singleton
y las funciones de membresa triangulares y sim etricas sobre
las entradas y salidas del controlador fueron empleadas en este
documento para facilitar los c alculos (gura 1). He elegido
usar cinco funciones de membresa para cada entrada como
muestra la gura 1 donde los universos de discurso son
[1,6, 1,6] radianes el error de la posici on y el cambio del
error.
Algunas reglas para tal sistema difuso son:
Si ambos q y

q son cero, entonces mantener el presente
estado de control.
Si q PB y

q PB THEN sintonizar las ganancias del
controlador.
Las reglas difusas K
j
(t) generar an valores de E y CE al
tiempo t. Despu es de la implementaci on de estas reglas difusas
la salida difusa resultante ser a desfusicada para modicar
K
FP
,K
FD
y K
FI
. El esquema del controlador es el que se
muestra en la gura 2. Las ganancias de el controlador PID
son sintonizadas usando operaciones difusas
= K
FP
q + K
FD

q + K
FI
_
T
0
qdt (6)
K
FP
=

m
j=1
K
P

A
j
i
(e)

m
j=1
min(
A
1
i
(u
i
),
A
2
i
(u
i
))
(7)
K
FI
=

m
j=1
K
I

A
j
i
(
_
edt)

m
j=1
min(
A
1
i
(u
i
),
A
2
i
(u
i
))
(8)
K
FP
=

m
j=1
K
D

A
j
i
( e)

m
j=1
min(
A
1
i
(u
i
),
A
2
i
(u
i
))
(9)
donde K
P
, K
I
y K
D
son los valores iniciales del control
PID.
III-.3. Consideraciones de Dise no: En la secci on anterior
di nuestro principal marco de trabajo para el m etodo de
sintonizaci on difusa PID. Sin embargo hay algunas guas
especcas para nuestro dise no de control.
Escoger la acci on apropiada depende del estado del robot y
de los cambios de carga o condiciones de trabajo. Aunque las
ganancias con retroalimentaci on grande se necesitan para com-
pensar las incertidumbres en la simulaci on, para cuestiones
pr acticas las altas ganancias hacen al sistema inestable por los
efectos de din amicas no modeladas. De ah, es crucial hacer
que las ganancias de retroalimentaci on sean peque nas en la
medida de lo posible sin perder precisi on en el seguimiento.
Valores grandes de K
D
llevan a una mejor precisi on de
seguimiento, pero m as sensibilidad a medici on de ruido.
Adem as, valores grandes de K
D
necesitan pares grandes. El
efecto de K
P
es reducir el error de seguimiento en estado
transitorio. Cuando la trayectoria deseada a llegado a un estado
estacionario, un valor grande de K
P
solo proporciona ligera-
mente la raz on de convergencia del error de seguimiento. K
I
proporciona el control de la respuesta para setpoint. Valores
grandes de K
I
resultan en una convergencia signicativamente
m as r apida.
SEMINARIO DE CONTROL DIFUSO, MARZO 2004 4
IV. RESULTADOS DE SIMULACI

ON EN
COMPUTADORA
Con el prop osito de evaluar el esquema de control prop-
uesto, se realizaron numerosas simulaciones en computadora
sobre un robot planar de dos grados de libertad usando el
software de simulaci on SIMULINK. Fue simulado el conjunto
completo de ecuaciones diferenciales no lineales 1. Las ecua-
ciones din amicas completas est an dadas como [13]
Fig. 2. Sistema de control difuso PID para un brazo de dos g.d.l.
TABLE I
PAR AMETROS DEL MANIPULADOR
Par ametro Sin carga Con carga
l
1
0.432 m 0.432 m
l
c1
0.216 m 0.216 m
l
2
0.432 m 0.5 m
l
c2
0.216 m 0.4 m
I
1
0.247 kgm
2
0.247 kgm
2
I
2
0.177 kgm
2
0.68 kgm
2
m
1
15.91 kg 15.91 m
m
2
11.36 kg 20.00 m
M(q) =
_

1
+ 2
2
cos(q
2
)
3
+
2
cos(q
2
)

3
+
2
cos(q
2
)
3
_
C(q, q) =
_
2
2
sin(q
2
) q
2
q
1

2
sin(q
2
) q
2
2

2
sin(q
2
) q
1
q
2
_
G(q) =
_

4
sin(q
1
) +
5
sin(q
1
+ q
2
)

5
sin(q
1
+ q
2
)
_

1
= m
1
l
2
c1
+ m
2
l
2
1
+ m
2
l
2
c2
+ I
1
+ I
2

2
= l
1
m
2
l
c2

3
= m
2
l
2
c2
+ I
2

4
= g(l
c1
m
1
) + m
2
l
1

5
= gm
2
l
c2
En esta simulaci on se asumi o que el sistema din amico es
conocido excepto por una carga desconocida, a la cual el
controlador debe adaptarse. Los par ametros se muestran en
la tabla I. El objetivo del dise no de control es hacer que la
posici on articular siga las siguientes trayectorias deseadas:
x
m
= A
m
x
m
+ B
m
r,
donde
[x
m
] = [q
d1
q
d2
q
d1
q
d2
],
A
m
=
_

_
0 0 1 0
0 0 0 1

2
n
0 2
n
0
0
2
n
0 2
n
_

_
B
m
=
_

_
0 0
0 0

2
n
0
0
2
n
_

_
C
m
=
_

_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_

_
y
[r] = [r
1
r
2
]
T
,
donde el coeciente de amortiguamiento y la frecuencia
natural se escogen como = 0,707 y
n
= 4rad/sec
respectivamente. Las entradas de referencia son r
1
= 1 y r
2
=
1,5. La simulaci on fu e ejecutada con las siguientes condiciones
iniciales q
1
(0) = 1,5706, q
1
(0) = 0, q
2
(0) = 1,5706 y
q
2
(0) = 0.
Asumo que una carga desconocida es aplicada al robot como
parte del segundo eslab on. De ah, tenemos: m
2
= m
2
+
m
2
, l
c2
= l
c2
+ l
c2
, I
2
= I
2
+ I
2
donde m
2
, l
c2
y
I
2
son los cambios en los par ametros del manipulador. Para
demostrar los par ametros y el cambio de respuesta, uso m
2
=
8,64kg, l
c2
= 0,184m y I
2
= 0,323kg m
2
, al tiempo
t = 5seg.
Para prop ositos de comparaci on la respuesta del sistema de
control PID convencional para las trayectorias deseadas dadas
se muestran en las guras 3 y 4. Las ganancias constantes del
PID fueron sintonizadas hasta obtener resultados optimos bajo
condiciones normales. En la simulaci on las ganancias fueron
colocadas como K
P
= Diag{200, 200}, K
I
= Diag{50, 50}
y K
D
= Diag{50, 50}. Los resultados mostrados en la gura
3 claramente demuestran que el efecto signicativo de una
carga desconocida y la respuesta del controlador PID. Para
hacer el error m as peque no uno tiene que hacer uso de
ganancias grandes lo cual podra saturar los actuadores en el
sistema. En vas de lograr un mejor desempe no eliminando la
saturaci on, uno puede usar ganancias que varan con el tiempo
en lugar de ganancias constantes.
La funci on de membresa para las ganancias son similares a
las usadas como entradas difusas (gura 1). Puesto que todas
SEMINARIO DE CONTROL DIFUSO, MARZO 2004 5
Fig. 3. q
1
usando el PID bajo la variaci on de carga en t = 5seg.
Fig. 4. q
2
usando el PID bajo la variaci on de carga en t = 5seg.
las ganancias deben ser denidas positivas, el universo de
discurso para la ganancia proporcional (K
FP
) es [10, +250],
[5, 100] para la ganancia integral (K
FI
) y [5, 100] para la
ganancia derivativa (K
FD
). Los resultados de simulaci on para
el esquema propuesto se muestran en las guras 5 y 6.
Comparando las guras 3 y 4, podemos ver que el desempe no
del esquema propuesto el cual tiene ganancias que varas con
el tiempo es mejor que el esquema tradicional. Cuando los
par ametros del robot varan el esquema propuesto muestra
un buen desempe no. Es importante notar que el sintonizador
difuso propuesto puede ser f acilmente implementado usando
una computadora digital.
V. CONCLUSI

ON
Los m etodos de sintonizaci on difusos pueden ser aplicados
para sintonizaci on experta de controladores de par ametros, y
particularmente para sintonizar las ganancias del controlador
PID. La sintonizaci on difusa presentada aqu es eciente para
la implementaci on. El m etodo puede ser usado para sintonizar
los par ametros del controlador PID de robots industriales y
proporcionar autom aticamente el desempe no de estos robots
en operaciones repetitivas. Los resultados de simulaci on en
computadora muestran que el esquema de control propuesto
Fig. 5. q
1
usando el PID difuso bajo la variaci on de carga en t = 5seg.
Fig. 6. q
2
usando el PID difuso bajo la variaci on de carga en t = 5seg.
est a habilitado para reaccionar exitosamente a cambios en la
carga, din amicas no modeladas y par ametros de manipulador
que varan en el tiempo.
Es difcil presentar una aproximaci on general de m etodos
de sintonizaci on difusa que trabajen para una amplia variedad
de aplicaciones.
REFERENCES
[1] E.H. Mamdani, Application of fuzzy algorithms for control of simple
dynamic plant, Proc. IEE, vol. 121, no. 12, pp. 1585-1588, 1974.
[2] C.C. Lee, Fuzzy Logic in control systems: Fuzzy logic controler, part
i-part ii, IEEE Transactions on Systems, Man and Cybernetics, vol. 20,
no. 2, pp. 404-418,419-435, 1990.
[3] B.W. Bekit, J.F. Whidborne, and L.D. Seneviratne, Fuzzy sliding mode
control for a robot manipulator., in IEEE Int. Symp. on Computational
Intelligence in Robotics and Automation (CIRA 97), Monterrey, CA., 10-
11 July 1997, pp. 83-88.
[4] H.R. nad Nauta Lemke Van and Wang Zhao, Fuzzy PID supervisory, in
24th IEEE conf. Decision and Control Ft Lauderdale, 20-24 Dec. 1985,
pp. 602-608.
[5] R. Palm, Robust-control by fuzzy sliding mode, Automatica, vol. 30,
no. 9, pp. 1429-1437, 1994.
[6] S. Kawaji and W. Li, Fuzzy control of vss type and its robustness, in
Proc IFSA world congress, Engineering, pp. 81-84, 1991.
[7] Nick Infelise, A clear vision of fuzzy logic, Control Engineering, vol.
39, no. 9, pp. 28-31, 1991.
[8] R.P. Paul, Robot Manipulators, Mathematics, Programming and Control,
MIT Press, Cambridge, MA., 1981.
SEMINARIO DE CONTROL DIFUSO, MARZO 2004 6
[9] D. Driankov, H. Hellendoorn, and M. Reinfrank, An Introduction to
Fuzzy Control, Springer, Berlin, 2 edition, 1996.
[10] D. Dubois and H... Prade, Fuzzy Sets and Systems: Theory and
Applications, Academic Press, 1980.
[11] L.A. Zadeh, Fuzzy Sets, Information and Control, vol. 8, pp. 338-353,
1965.
[12] K.K.D Young, A variable structure model following control design for
robotics applications, IEEE J. of Robotics and Automation, vol. 4, no.
5, pp. 556-561, 1988.
[13] Rafael Kelly y Vctor Santib a nez, Control de Movimiento de Robots
Manipuladores, Ed. Prentice Hall, M exico, 2003, cap 8.
[14] Chin-Teng Lin y Lee, George C.S., Neural Fuzzy Systems, Ed. Prentice
Hall, NJ-EUA, 1995, cap. 2-3, 6-7.