1

CONTROL FUZZY PARA ESQUIVAR

OBSTACULOS
Natalie Segura Velandia, u1802061@unimilitar.edu.co,
Oswaldo Rivera Rincon, u1802050@unimilitar.edu.co,

AbstractIn this practical we design an interface where the

user can observe the movement of a car which simulate sensors
to meet the target from a (x1, y1) to the point (x2, y2) which
reached a control designed for fuzzy logic.

clase de inteligencia artificial que tenga en cuenta multiples

variables, la cual formula una teoria para mejorar el sistema,
ajustando los proceso y aprendiendo de los resultados
obtenidos anteriormente.[1]

Index TermsFuzzy control.

Resumen En este laboratorio se quiere disear una interfaz
donde el usuario pueda observar el dezplasamiento de un carro el cual
simulara sensores para cumplir el objetivo de partir de un (x1,y1) a
un punto (x2,y2) el cual llegara un control diseado por logica difusa0Palabras claves Control difuso.

OPERACIONES BORROSAS
Se realizan diversas operaciones logicas en controladores
y modelos difusos que son necesarias en la evaluacion
de antecedentes de reglas.

I. INTRODUCCION
La logica difusa es una herramienta muy importante para
el desarrollo de nuevos metodos o tecnicas de la inteligencia
artificial, para dar una breve introduccion a lo que se va a
realizar en este laboratorio, se pretende realizar una interfaz
virtual en la que se pueda observar el desplazamiento de un
carrito de un punto inicial a un punto final con multiples
obstaculos y este teniendo la capacidad de esquivar estos
previendo estos alrededor de unas 3 casillas adelante de el con
esto realizando un control de posicion por medio de logica
difuza para realizar la variacion del angulo dependiendo de
cual sea la posicion anterior, tambien se pretendia tener la
trayectoria mas corta para realizar el objetivo el carro debe
ser capaz de obtener la trayectoria mas corta y con esta evitar
los obstaculos que encuentre en su camino, para este tipo
de controlador se implemento un control por logica difusa
conocido como mamdani el cual se explicara posteriormente,
esta es una de las multiples funciones que puede hacer el
controlador por logica difusa. es por esto que para la Inteligencia Artificial a sido un gran logro ya que por medio de este
controlador es mucho mas sencillo realizar controladores sin
conocer necesariamente el modelo matematico de la planta.

Figure 1. Operaciones borrosas

FUZZIFICACION
Esta operacion se realiza en todo intante del tiempo, es
la puerta de entrada al sistema de inferencia difusa. es
un procedimiento matematico en el que se convierte un
elemento del universo del discurso en un valor en cada
funcion de memebresia a las cuales pertenece.

II. MARCO TEORICO

A. LOGICA DIFUSA
La logica difusa es una herramienta encargada de la
toma de decisisones, inicialmente se dio a conocer con un
concepto matematico con unica finalidad de involucar los
datos numericos y terminos linguisticos para representar el
razonamiento comun cualitativo.
Esta logica permite interconectar de una manera directa
variables de tipo analogo que toman valores en un continuo,
a sistemas discretos como los de los computadores que
manipulan variables con valores definidos en un conjunto
discreto, la idea principal del control difuso es crear una

Figure 2. Fuzzificacion

FUNCIONES DE MEMEBRESIA
Representan el grado de pertenencia de un elemento a
un subconjunto definido por un etiqueta.

Figure 3. Funciones de memebresia

DEFUSIFICACION
Es el proceso matematico usado para convertir un
conjunto difuso en un numero real. El sistema de
inferencia difusa obtiene una conclusion a partir de la
informacion de la entrada, pero es en terminos difusos.
Esta conclusion es obtenida por la etapa de inferencia
borrosa.

C. Controlador MAMDANI
El modelo fuzzy mamdani fue propuesto como el primer
intento para controlar una caldera junto con una turbina a
traves de un conjunto de reglas e control linguistcas obtenidas
de operadores experimentados. Este tipo de controladores se
construye a partir de diversas premisas:
1) La estrategia de fuzzyficacion de las entradas debe ser
el fuzzy singleton qye es a forma mas sencilla de
transformar el valor numerico de la entrada x en un
conjunto fuzyy. cuando la entrada x asume el valor de
x, se define el conjunto fuzzy A a partir de x
2) Los valores linguistivos de entradas y salidas debem
representarse con conjuntos fuzzy definidos a partir de
funciones de pertenencia
3) La reglas deben ser del tipo: si < X es A > ENTONCES
< y es B.
4) Debe usarse la Regla Composicional de Inferencia para
encontrar el conjunto fuzzy de salida.
Esta arquitectura consiste en una serie de reglas si entonces:
Si X es frio entonces Z es abrir
donde tanto frio como abrir son conjuntos difusos, X son los
atributos observables y Z son los atributos controlables del
sistema.
Ventajas:

Es intuitivo.
Tiene una amplia aceptacion.
Esta bien adaptado a la incorporacion de conocimiento
y experiencia.

Figure 4. Defusificacion por centro de area y por centro de gravedad

B. ESTRUCTURA DE LOS SISTEMAS DIFUSOS

el uso de los sistemas difusos ha sido aplicados en gran
variedad a las areas de control y procesamiento de seales ya
que es una estructura basada en conocimeinto definida a traves
de un conjunto de reglas difusas de tipo si-entonces.

Figure 6. Ejemplo Mamdani Toolbox MATLAB

Se observa que el numero de reglas aumenta de forma

exponencial con el creciemiento en el numero de variables
de entrada, esto es importamte ya que existen n variables
de netrada y m funciones de memebresida en cada una de
las variables entonces eso daria mn regls para construir un
controlador difuso completo y tan rapido como n aumente el
tamao.

Figure 5. Esquema general del control difuso

Figure 7. Proceso de identificacion

III. PROCEDIMIETO

1) Se desarrollo un controlador difuso tipo mamdani con

ayuda del software MATLAB donde se colocaron las
funciones de membresia tipo trapecio para los tres
sensores de entrada que se tenian este rango se dio de
0-100 teneindo en cuenta que la pista debia tener un
area de 100 x 100 cada sensor va a tener este rango de
trabajo donde determinara si esta lejor o esta cerca, la
entrada a este controlador va a ser el error que presente
el sensor ya sea que si no encuentra nada a su alrededor
dira que esta muy lejos y que su giro debe ser de 0
ya que si se encuentra sensando a una distancia de 3 a
4 casillas dara inmediatamente un angulo de respuesta
dependiendo cual era la trayectoria que llevava siendo
siempre la mas corta.

Figure 10. Reglas visualizacion

4) Se desarrolla un entorno virtual con ayuda de GUI

complemente del software de MATLAB en el cual se
diseara la interfaz la cual tendra un boton de carga del
mapa que se va a utilizar para la simulacion, el puntos
deseados desde el inicial al final, un boton de inicio de
la trayectoria se visulizaran os errores 2d ( X y Y) y
asi mismo tendra un boton para reiniciar el programa y
realizar una nueva trayectoria.

Figure 8. Controlador fuzzy tipo Mamdani

Figure 11.

2) Siguiente a esto se realizaron el tipo de reglas para

cumplir el objetivo dicho anteriormente, con el proposito
de tener una salida (angulo de giro). Para cumplir con
el objetivo fue necesario disear alrededor de 45 reglas
con las cuales se va a fundamentar el controlador fuzzy.

Figure 9. Reglas

3) Las reglas van a tener le siguiente comportamiento:

5) En la parte de programacion se realizo un programa

el cual realiza el scaneo de los obstaculos que estan
presnetes a un diametro de 3 casillas alrededor del
vehiculo esto con el fin de tener un control predictivo
de obstaculos esto para los sensores que se utilizaron y
siendo el error la entrada al controlador que por medio
de la funcion evalfuzzy se realizaria este procedimeinto
obteniendo una salida esperada, para la realizacion del
scaneo si no encontraba nada a su alrededor simplemente
enviaba un 100 que determinaba que estaba lejos y podia
seguir la mejor trayectoria debidamente planeada esto
con los dos puntos tanto final como incial sacando la
pendiente y una recta diagonal que describia la mejro
trayectoria.
6) Despues de obtener el valor del angulo deseado se hacia
una lectura de la posicion en la que se encontraba el
carro y el angulo que tiene para saber el tratamiento
que se le iba a hacer al carro para evitar el obstaculo,
siempreteniendo como prioridad la mejor trayectoria es
por esto que en el anexo 1 (videos) se observa como
el carro asi la pared este sellada va hasta alla porque
por ese lado es la mejor trayectoria pero al no encontrar
ningun espacio se devuelve y re direcciona su traectoria

evitando el obstaculo y nuevamente recalcula la mejor

trayectoria desde a posicion en la que el se encuentra.
7) Posteriormente se lleva a la parte de dibujo la cual nos
permite una mejor visualizacion del comportamiento del
vehiculo y su respuesta ante cualquier obstaculo.
IV. RESULTADOS

Figure 12. TRAYECTORIA CORTA

VI. CONCLUSIONES
A modo de conclusion se observo que hay algunos inconvenientes a la hroa de reonococer la imagen y algunos de los
obstaculos no quedan bien diferenciados en la escala de grises
como negro y el carro tienede a tener confusiones pero ya se
realizo un mejor mapa que no tuveira estos inconvenientes y
se logro con exito, tambien se observo que es un controlador
muy preciso que no son necesarios muchos sensores sino mas
una verificacion de los conjuntos para que abraquen todas
las opciones y esto dio como resultado un gran numero de
conbinaciones de reglas para que este controlador fuera exitoso
con tan solo 3 sensores, consiguiente a esto se observo su
gran efictividad y como el error de llegada es minimo es en
cuestion de dibujo que se encuentran las falencias pero a modo
de controlador fue un exito, el controlador fuzzy por mamdani
es controlador mas facil de manejar que un controlador sugeno
ya que en el mamdani se entra en un area determinada, de esta
misma forma se observa que con ayuda del software como lo
es matlab y de la libreria fuzzy que trae con el este proceso
fue mucho menos engorroso ya que este realiza toda la parte
de fuzzyficacion y defusificacion del controlador.
R EFERENCIAS

Figure 13. TRAYECTORIA MEDIA

Figure 14. TRAYECTORIA LARGA

V. APLICACIONES
La logica difusa ha ganado un gran campo de accion en procesos dificiles de modelar matematicamente, ya que el diseo
y sintonizacion del controlador difuso se basa unicamente en
la experiencia del experto en el proceso, a traves de la logica
difusa se incorpora el razonamiento humano en el algoritmo
de control y simplifica el diseo del controlador.[2]

Figure 15. Sistema de Control

Una de las aplicaciones que puede tener este laboratorio

es para realizar un proyecto mas avanzado de control de
un vehiculo que sea vigilante de algun lugar que tenga una
secuencia pero en dado caso que encunetre algun obstaculo
este en la capacidad de esquivarlo este campo tipo de controladores tiene mucha aplicacion en la industria sibre todo ya
que son controladores confiables, no tiene demasiada robustez
de componentes pero si un arduo manejo de software.

[1]Tomada Revista Colombiana de Fisica CONTROL

DE TEMPERATURA UTILIZANDO LOGICA DIFUSA C. Palacio-Gomez y J. Garcia-Sucerquia.
[2] Tomada Ciencia y Tecnologia, 21(2):87-107,2006
LOGICA DIFUSA EN INGENIERIA: PRINCIPIOS,
APLICACION Y FUTURO D. Guzmana, V.M. Castao.
[3]
Tomada
www.biblioteca.udep-edupe/bibvirudep/tesis/pdf/1_185_133_1746.pdf LOGICA
DIFUSA Y SISTEMAS DE CONTROL
[4] Tomada SINTESIS DE SISTEMAS DE CONTROL
BORROSO ESTABLES POR DISEO