Sistemas de control basados en

lógica difusa
Sistemas para resolver problemas complejos,
multivariables y no lineales
Integración de Sistemas
Generación de energía Operaciones unitarias de Control Industrial

Detención de calderas Columnas de destilación

Arranque de calderas Reactores
Tiro balanceado aire - humo Molienda de minerales
Optimización de condensadores Flotación de minerales

Casos especiales

Operación de compresores
Perfil térmico en hornos Servicios
Refrigeración por compresión Consultoría
Acopio de Minerales
Integración
Control avanzado
Informática industrial
Suministros
Los sistemas de control avanzados basados Montaje
en lógica difusa permiten obtener resultados Puesta en servicio
con alto valor, basados en un esfuerzo
razonable y la obtención de beneficios
significativos para los procesos desarrollados
www.heuristica.cl
en los sistemas donde se implemente. info@heuristica.cl

De las Claras 0195 • Of. 3-A

Providencia • Santiago
Optimice el control de sus procesos trabajando con Heurística y simultáneamente
CHILE
disminuya el riesgo de seguridad e impacto ambiental de sus operaciones. Tel. (56-2) 274 4305
Obtenga información del area de control avanzado en el sitio de noticias Fax (56-2) 223 7608
http://www.heuristica.cl/news © Heuristica e Ingeniería 2007,
una empresa And ina Group
 ARTICULO TECNICO

El control difuso
aparece como una Sistemas de Control Difuso
(Fuzzy Logic)
alternativa interesante
para el control de
procesos altamente
no lineales. Autor: Roberto Zuñiga - Ingeniero Civil Eléctrico

Dentro de este contexto, el clásico esquema de

control mostrado en la fi gura 1 manti ene su
validez. Sin embargo, el controlador deja de ser
un clásico PID para transformarse en un FLC.
L a ar qui te ctu ra d e un contro lad or FLC se
co mp on e d e lo s sig ui e nte s el em en tos :
F u zz yfi c a d o r, B a se d e I n fe r e n ci a y
Desfuzzyficador. Mostrado en la figura 2. .

El fuzzyficador transforma las entradas reale s

del p roceso en variables difusas. La base de
inferencia evalúa las reglas IF-THEN de acuerdo

A
xxx ctualmente, y a pesar del vasto desarrollo
a las variables entregadas por el fuzzyficador.

de la teoría de control de sistemas, el talón de Final men te el desfuzzyficador tr ansfor ma el

Aq u il e s de l a i n ge n i er ía de co n tro l y r esultado difuso, entreg ado po r l a base de
automatización sigue sien do el mismo: Como inferencia (valor difuso), en un va lor real que
controlar sistemas no lineales. puede ser aplicado al sistema.

Dentro de los esquemas de control desarrollados

para ab ord ar e sta cl ase d e pr obl emas, la
aplicación de la lógica difusa es una sol ución
eficaz. Tan to ha sido el éxito de esta técnica,
que se suele hablar de “Controlador Difusos” o
Fuzzy Logic Controllers (FCL).
Tipos de FLC
FLC sin optimización
Este tipo de controladores no considera ningún
tipo de ajuste d e par áme tro s de acu erdo al
comportamiento del sistema.

Dentro de este tipo de controladore s, el má s

Fuzzy Logic Controllers utilizado corresponde al PID difuso (Fuzzy PID).
Dentro de l os FCL actualmente utili zado s en E ste co ntrol ado r re ci be g ener almen te do s
plantas industriales, se destacan los llamados entradas: el error entre la referencia-salida y su
“Controladores basados en reglas” o Sistemas d erivada. Por lo tan to, la entrada U es una
de i nfere ncia d e Mand ami, en hono r a su fu nci ón d e e( t) y d e l a de ri va da de e (t)
creador. La característica principal de este tipo (U=f(e(t),e(t)).
de siste mas co rr esp ond e a sin tetiza r un
El número de funciones de pertenecía asociadas
controlador basándose en la utilización de reglas
a e(t) y su derivada debe ser impar. Por ejemplo:
IF-THEN (Si - Entonces).
Alto, medio y bajo para e(t) y alto, medio y bajo
para la derivada de e(t).
(Fig. 1)
Esquema de Control: R U Y El número de reglas debe cubrir todo el espacio
Proceso
El controlador GC compara Contro lad or de casos, por lo tanto, para el ejemplo anterior
la referencia R con la salida se tienen nueve reglas.
Y para generar una acción A cada regla se le asocia una consecuencia. El
correctiva U. desfuzzificador tomará la consecuencia de cada

20
Sistemas de Control Difuso (Fuzzy Logic)

regla y gener ara un solo valor d e sal ida que

corr espo nde a la acción de con trol U. . Fuzzyficador Base de Inferencia Desfuzzyfi cador

R
Co nt ro la do r

Control con optimización (Fig. 2)

F LC
E U
V En general, el controlador
En este caso, el FLC realiza una optimización puede adaptarse a cualquier
sobre sus parámetro s funcionales de acuerdo Y tipo de proceso. Esa es la
a algún requerimiento de operación específico. potencia del FLC.

De esta fo rma, el o pera dor no de be estar

preocupado por definir el valor de los parámetros
De acuer do al tip o de aju ste se tiene n las
del controlador puesto que estos se autodefinen
siguientes clasificaciones:
de acuerdo a algún requerimiento.
a) Co ntro ladores bo rrosos autoorgani zado s.
Co n lo expu esto , si se desea min imizar el
b) Controladores borrosos con autoaprendizaje.
Overshoot de la salida, el controlador modifica
c) Control adores ba sad os en mode lamiento
intern amente sus parámetros para log rar ese
borroso.
requisito.

K1
R (t) E (t) U (t) Y (t)
++
K2 d Planta
+- dt + No Line al

K3

Sistema de Mandami

200

-200
100
100
0
0
Change i n error Error
-100 -100

El controlador FCL genera

perfiles de salida (Y) mucho
d dt
D más suaves que el
R (t) E (t) E U (t) Y (t)
+- Planta
F No lineal controlador PID
U
K Z convencional.

La experiencia industrial
indica que este tipo de
controladores muestran
8 8
excelentes prestaciones.
7 7

6 6 Una aplicación clásica es la

5 5
puesta en servicio, detención
4 4

3 3
o cambio operacional brusco
2 2 de equipos o sistemas
1 PID Clásico 1 PID Fuzzy complejos como: calderas,
0 0
0 5 10 15 20 25 30 35 40 0 5 10 15 20 25 30 35 40 columnas de destilación,
t [s] t [ s] molinos de mineral, etc.

info .an din agro up. net © 2Q 2007 21