Académique Documents
Professionnel Documents
Culture Documents
Introduccin
Jos Villar,
Area de Sistemas Inteligentes (ASI)
Instituto de Investigacin Tecnolgica (IIT)
ETS de Ingeniera, ICAI
Marzo 2001
Contenido
Introduccin
Motivacin
Perspectiva histrica
BORROSIFICACION
INFERENCIA
DESBORROSIFICACION
e, de
E, DE
y
PROCESO
A CONTROLAR
e=error
de=incremento del error
m=mando
dm=incremento del mando
Control borroso, Introduccin 4
Jos Villar Collado
de=Z
de=Z
de=N
de=P
de=N
de=P
de=Z
de=N
de=P
m=P
m=N
m=N
m=P
m=Z
m=Z
m=Z
m=N
m=P
(a,i,n)
(e,l)
(c,k)
(g,m)
(b,j)
(f)
(ideal)
(d)
(h)
m
n
j
i
ideal
a
m
de
P
Z
N
N
Z
N
N
e
Z
P
Z
N
P
P
P
Z
Aos 70:
Mamdani, UK, 1974: control de una caldera
Blue Circle Cement - SIRA, Alemania, 1976-1982: control horno de cemento
Togai y Watanabe, Japn, 1986: desarrollan el primer chip para inferencia borrosa
Aos 90:
Matsushita Electric Industrial Co, Japn, 1990: control de una lavadora automtica
Matlab Fuzzy Toolbox en 1994
Industria automovilstica
Control borroso, Introduccin 7
Jos Villar Collado
Abril 2001:
Dear Friends,
The paper "A new direction in AI: towards a computational theory of
perceptions" by L.A. Zadeh finally appeared in AI Magazine, 2001, No. 1
(Spring 2001), pp. 74-84.
Contenido
Introduccin
Control lingstico de una planta
descripcin de la planta ejemplo
variables lingsticas
reglas lingsticas
Sistema=Carro+Varilla
Carro:
Varilla:
masa M
masa m
longitud L
m
L
x
F
r
-
r
d
dt
CONTROL
BORROSO
Variables:
error.....................e(t)
cambio_error........de(t)/dt
fuerza....................F
Valores lingsticos:
neg_grande, neg_peq
cero
pos_grande, pos_peq
Control borroso, Introduccin 13
Jos Villar Collado
r = 0 deseado=0
e(t) = r- = -
de/dt=-d/dt
error=cero
error=neg_grande
error=pos_peq
error=pos_grande
cambio_error=pos_peq
error=neg_peq
cambio_error=pos_peq
Si error=cero
Y cambio_error=pos_peq
Entonces fuerza=pos_grande
Si error=pos_grande
Y cambio_error=pos_peq
Entonces fuerza=neg_peq
Entonces fuerza=neg_peq
Control borroso, Introduccin 15
Jos Villar Collado
PG
pos_peq=
PP
cero=
neg_grande =
PG
neg_peq=
PP
Fuerza
Error
NG
NP
Z
PP
PG
NG
PG
PG
PG
PP
Z
Si error=cero
Y cambio_error=pos_peq
Entonces fuerza=neg_peq
(Z,PP, NP)
Cambio Error
NP
Z
PG
PG
PG
PP
PP
Z
Z
NP
NP
NG
PP
PP
Z
NP
NG
NG
PG
Z
NP
NG
NG
NG
Error
NG
NP
Z
PP
PG
NG
PG
PG
PG
PP
Z
Cambio Error
NP
Z
PG
PG
PG
PP
PP
Z
Z
NP
NP
NG
PP
PP
Z
NP
NG
NG
PG
Z
NP
NG
NG
NG
Notar simetras:
planta simtrica (notar que si F aumenta disminuye)
notar la orientacin de la diagonal Z
las paralelas a la diagonal Z, corresponden a un mismo valor lingstico
se intuye la existencia de una sistemtica para la obtencin de las reglas
Control borroso, Introduccin 17
Jos Villar Collado
Contenido
Introduccin
Control lingstico de una planta
Formulacin matemtica del control borroso
funciones de pertenencia
particiones
borrosificacin-inferencia-desborrosificacin
BORROSIFICACION
INFERENCIA
DESBORROSIFICACION
e, de
E, DE
y
PROCESO
A CONTROLAR
E=error
DE=incremento del error
M=mando
DM=incremento del mando
Control borroso, Introduccin 20
Jos Villar Collado
/4
/2
e (error en rad)
-/2
-/4
/4
/2
e (error en rad)
PP (pos_peq)
/4
/2
e (rad)
PP (pos_peq)
/4
/2
e (rad)
PP (pos_peq)
1
e (rad)
/4
/2
e (rad)
/4
/2
3/4
-/2
NP
-/4
PP
/4
PG
/2
error (rad)
NP
-/2
NG
-/4
NP
PP
PG
/4
/2
PP
PG
/8
/4
error (rad)
Notar la distinta
escala de los ejes
-/4
-/8
cambio
error (rad.s-1)
NP
PP
PG
fuerza (N)
-30
-20
-10
10
20
30
0 si e emed
E(e) =
1 si e = emed
Xmed
1
xmed
a = e med ?
aprox Xmed
1
xmed-
xmed
xmed+
Observaciones:
Error es /8
Cambio error es /32
Error es Cero: en grado 0.5
1
0.5
-/4
1
e (rad)
/4
/8
PP
de (rad.s-1)
0.25
0
/32
/4
0.5
-/4
PP
1
e (rad)
0.25
/4
/8
de (rad.s-1)
0
/32
/4
AND
(Error es Cero) Y (Cambio Error es Pos_peq):
min(0.5,0.25)=0.25
prod(0.5,0.25)=0.125
AND(x,y)=T-norm(x,y)
La regla se dispara, ya que min(0.5,0.25) > 0
Control borroso, Introduccin 30
Jos Villar Collado
NP
fuerza (N)
0.25
-20
La fuerza es NP : 0.25
Control borroso, Introduccin 31
Jos Villar Collado
NP
Z
0.5
0.25
-10
10
20
fuerza (N)
La fuerza es:
(NP en grado 0.25) OR (Z en grado 0.5)
REGLA MAX-MIN:
max(min(NP,0.25),min(Z,0.5))
error
-/4
-/4
-/8
emed= /8
regla (Z,PP,NP)
cambio
-/8 error
-10
10
demed= /32
Z
PP
error
-/4
fuerza
-/4
-/8
cambio
-/8 error
NP
fuerza
-20 -10
0
Fres
fuerza
-20
-10
-10
-10
-10
f .Fres (f )
COA (center of area): f =
=
Fres ( f )
F
fi
fi .Fres ( fi )
Fres (fi )
NG
-/2
NG
-/4
NP
-/4
NP
-/8
PP
PG
/4
/2
PP
PG
/8
/4
Observaciones:
Error es /8
Cambio error es /32
error (rad)
cambio
error (rad.s -1)
Error
NG
NP
Z
PP
PG
NG
PG
PG
PG
PP
Z
Cambio Error
NP
Z
PG
PG
PG
PP
PP
Z
Z
NP
NP
NG
PP
PP
Z
NP
NG
NG
PG
Z
NP
NG
NG
NG
NG
-/2
NG
-/4
NP
-/4
NP
-/8
PP
PG
/4
/2
PP
PG
/8
/4
Observaciones:
Error es 0
Cambio error es 0
error (rad)
cambio
error (rad.s -1)
Contenido
Introduccin
Control lingstico de una planta
Formulacin matemtica del control borroso
Modelo, simulaciones y resultados
modelo matemtico
simulink y la toolbox fuzzy
resultados
Sistema=Carro+Varilla
Carro:
Varilla:
masa M
masa m
longitud L
m
L
x
F
F
F
..
..
=Mx
F = M x + R x + N
=0
N = Mg + Ry
M : masa carro
N : fuerza normal, N rozamiento
R : reaccin del pndulo
mg
Rx
x
F
Ry
N
Mg
Control borroso, Introduccin 41
Jos Villar Collado
= ma xG
= may G
L
mg
Rx
d2
L
Rx = m 2 ( x + sen( ))
2
dt
d2 L
Ry = mg + 2 ( cos( ))
dt 2
xG = x +
yG =
L
sen (? )
2
L
cos (? )
2
x
F
Ry
N
Mg
Control borroso, Introduccin 42
Jos Villar Collado
Derivando :
d
d
(sen( )) = cos( )
dt
dt
2
d2
d 2
d
(sen( )) = sen( )
+ cos( ) 2
2
dt
dt
dt
d
d
(cos( )) = sen( )
dt
dt
2
d
d 2
d
(cos( )) = cos( )
sin( ) 2
2
dt
dt
dt
2
x
F
M
Control borroso, Introduccin 43
Jos Villar Collado
..
= I
Ry
..
L
L
mL
sen( ) Rx cos( ) =
2
2
12
2
x
F
M
Control borroso, Introduccin 44
Jos Villar Collado
..
Finalmente despejando x y :
F
Sistema=Carro+Varilla
Carro: masa M
Varilla: masa m, longitud L
x
. 2
..
2
8
x=
2
3 m cos ( )
M +m
4
. 2
2
8
..
3g sen( )
2L
3m cos 2 ( )
2L M + m
Sistema=Carro+Varilla
Carro: masa M
Varilla: masa m, longitud L
F
x
DATOS UTILIZADOS:
M=1
m=0.1*L
L=1
g=9.8
Control borroso, Introduccin 46
Jos Villar Collado
Longitud
longitud
varilla
ref, error
Mux
referencia
Referencia 0.0
dinmica del sistema
vehculo + varilla
error
Inicializacin de variables
Kde
-1
Ke
error
Km
1
fuerza
Mux
cambio error
Controlador
borroso
lazo de control
Control borroso, Introduccin 47
Jos Villar Collado
1
in_1
sin(u[1])
Mux
Mux
cos(u[1])
f(u)
1/s
1/s
theta dot
theta
out_1
2
out_2
3
out_3
0.5
Mux
0.1
Gain
Gain1
Mux
f(u)
1/s
1/s
x dot
out_4
pole mass
modelo vehculo+varilla
Control borroso, Introduccin 48
Jos Villar Collado
Longitud
longitud
varilla
ref, error
Mux
referencia
Referencia 0.0
dinmica del sistema
vehculo + varilla
error
Inicializacin de variables
Kde
-1
Ke
error
Km
1
fuerza
Mux
cambio error
Controlador
borroso
Contenido
Introduccin
Control lingstico de una planta
Formulacin matemtica del control borroso
Modelo, simulaciones y resultados
Ms all del PID borroso
controles no realizables con PID
evaluacin inteligente del entorno
ejemplo
Control borroso, Introduccin 55
Jos Villar Collado
FLC
consigna
artificial
cr
PLANTA
PID
ca4
ca3
ca2
Ajuste de consignas
ca1
P, I, E
PID
FLC
SOBREPASO
OSCILACIONES
ERROR
PLANTA
Ajuste de parmetros
Control borroso, Introduccin 58
Jos Villar Collado
PLANTA
Seleccin de controladores
Control borroso, Introduccin 59
Jos Villar Collado
PID ?
Ej.1):
1): cambio
cambioautomtico
automticode
deNissan
Nissanoptimizado
optimizadopara
para
Ej.
conduccinpor
porautopista,
autopista,carreteras
carreterascon
concurvas,
curvas,etc.
etc.
conduccin
autopista=movimientossuaves
suavesyyde
depoca
pocaamplitud
amplitudde
delalapalanca
palanca
autopista=movimientos
delacelerador
acelerador
del
carreteracon
concurvas=fluctuaciones
curvas=fluctuacionesimportantes
importantesyyfrecuentes
frecuentesen
enlala
carretera
posicinde
delalapalanca
palancadel
delacelerador
acelerador
posicin
Elsensor
sensores
eselelconductor:
conductor:lalainferencia
inferenciainteligente
inteligentenicamente
nicamente
El
interpretasu
sucomportamiento
comportamiento
interpreta
Control borroso, Introduccin 61
Jos Villar Collado
Ej3):
3):ajuste
ajusteautomtico
automticode
delas
las caractersticas
caractersticasde
delavado
lavadode
de
Ej
unalavadora
lavadoraautomtica
automtica (tipo
(tipode
detejidos,
tejidos,tipo
tipode
demanchas,
manchas,etc)
etc)::
una
manchasfciles=aumento
fciles=aumentorpido
rpidode
delalaturbidez
turbidezdel
delagua
agua
manchas
manchasdifciles=aumento
difciles=aumentolento
lentode
delalaturbidez
turbidezdel
delagua
agua
manchas
TREF
ON/OFF
Bomba
de calor
Termostatointeligente:
inteligente:
Termostato
Esms
msconfortable
confortabletener
tenertemperaturas
temperaturasms
msaltas
altasdurante
durante
Es
elda
daque
quedurante
durantela
lanoche
noche
el
Unamisma
mismatemperatura
temperaturaresulta
resultams
msclida
clidasisila
la
Una
habitacinest
estsoleada
soleada
habitacin
Sila
lareferencia
referenciase
sebaja
bajasignificativamente
significativamentese
sebusca
buscauna
una
Si
refrigeracin intensa
intensa
refrigeracin
Control borroso, Introduccin 63
Jos Villar Collado
TREF
ON/OFF
+
-
Bomba
de calor
FLC
Errorpositivo
positivo ==TTref>>TTreal==fro
fro
Error
ref
real
Errornegativo
negativo==TTref<<TTreal==calor
calor
Error
ref
real
Luminosidad
Control borroso, Introduccin 64
Jos Villar Collado
Luminosidad
Cambios de consigna
frecuencia
amplitud
Error (Tref-Treal)
Reglas
Histresis
Sicambios
cambiosfrecuentes
frecuentesde
deconsigna
consignase
sebusca
buscaprecisin
precisin
Si
histresispequea
pequea
histresis
Sicambio
cambiode
deconsigna
consignapequeo
pequeose
sebusca
buscaprecisin
precisin
Si
histresispequea
pequea
histresis
Sierror
errormuy
muygrande,
grande,para
paraincrementar
incrementarrapidez
rapidez
Si
amplificar
amplificarerror
erroreehistresis
histresis
Sihay
haymucha
muchaluminosidad
luminosidadlalasensacin
sensacinde
decalor
calorse
seincrementa
incrementa
Si
reducir
reducirconsigna
consigna
Sihay
haypoca
pocaluminosidad
luminosidadlalasensacin
sensacinde
defro
frose
seincremente
incremente
Si
incrementar
incrementarconsigna
consigna
luminosa
(luz artificial, de da)
R2
muy luminosa
(sol directo)
Cambios de
consigna
pequea
normal
R3
pequeo
Ninguna
pequea
R4
frecuentes
Ninguna
pequea
Mucho fro
Tref >> Treal
Mucho calor
Tref << Treal
ms calor
Tref
Ms fro
Tref
grande
zero
Ninguna
pequea
R5
R6
R7
zero
grande
Algunas referencias
Razonamiento aproximado:
Fuzzy sets in approximate reasoning, Part 1 and Part 2 (Fuzzy Sets and Systems 40)
Didier Dubois, Henri Prade, 1991 (paper)
Representation and combination of uncertainty with belief functions and possibility
measures, Computational Intelligence vol 4, Didier Dubois, Henri Prade, 1988 (paper)
On logic and Fuzzy Logic, International Journal of Uncertainty and knowledge-based
systems vol 1 n2, Enric Trillas, 1993 (paper)
Control borroso:
Fuzzy Control, Addison-Wesley, Kevin M. Passino, Stephen Yurovich, 1997 (libro)
Fuzzy Control and Fuzzy Systems, Research Studies Press, Witold Pedrycz, 1993 (libro)
Fuzzy Logic in Control Systems, Part 1 and 2, IEEE Transaction on systems, man and
cybernectis, vol 20, Chuen Chien Lee, 1990 (paper).
Control borroso, Introduccin 67
Jos Villar Collado