N 677

CONTROL LOCAL UTILIZANDO LOGICA DIFUSA DEL PENDULO INVERTIDO CON RUEDA DE REACCION
Juan Diego Nieto Cardona
Juan Guillermo Valenzuela Hern andez
Universidad Tecnol ogica de Pereira Facultad de Ingenier as Programa de Ingenier a El ectrica Pereira Marzo 8 de 2012
CONTROL LOCAL UTILIZANDO LOGICA DIFUSA DEL PENDULO INVERTIDO CON RUEDA DE REACCION
Juan Diego Nieto Cardona
Juan Guillermo Valenzuela Hern andez
Proyecto de grado presentado para optar por el t tulo de Ingeniero Electricista
Director MEE. D dier Giraldo Buitrago
Universidad Tecnol ogica de Pereira Facultad de Ingenier as Programa de Ingenier a El ectrica Pereira Marzo 8 de 2012
Nota de aceptaci on
Director del programa
Director del proyecto
Jurado 1
Jurado 2
Fecha de aceptaci on: Marzo 8 de 2012
A las muchas personas que de manera directa o indirecta ayudaron a terminar un corto trayecto del largo camino llamado vida.
vi
Indice general
INVERTIDO CON RUEDA DE REACCION 1. PENDULO 1.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Modelo del sistema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3. Modelo Din amico del Motor . . . . . . . . . . . . . . . . . . . . . . . . 1.4. Se nal de Control . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. LOGICA DIFUSA 2.1. Introducci on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2. Conjuntos difusos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1. Denici on . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2. Funci on de membres a . . . . . . . . . . . . . . . . . . . . . . . 2.2.3. Variable ling u stica . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.4. Reglas Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.5. Operaciones b asicas entre conjuntos difusos . . . . . . . . . . . 2.3. Sistemas de control basados en l ogica difusa . . . . . . . . . . . . . . . 2.3.1. Base de conocimiento . . . . . . . . . . . . . . . . . . . . . . . . 2.3.2. Interfaz de difusi on (Fuzicaci on) . . . . . . . . . . . . . . . . . 2.3.3. L ogica de decisi on . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.4. Interfaz de concreci on (Defuzicaci on) . . . . . . . . . . . . . . DEL CONTROLADOR DIFUSO Y SIMULACIONES 3. DISENO 3.1. Dise no del controlador . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.1. Consideraciones iniciales . . . . . . . . . . . . . . . . . . . . . . 3.1.2. Base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.1.3. Base de reglas . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii 1 1 3 6 7 11 11 13 13 15 16 17 18 19 21 23 25 28 31 31 31 32 34
viii 3.2. Implementaci on del sistema de control en SIMULINK R
INDICE GENERAL . . . . . . . . 41 41 42 43 47 47 49 59
3.2.1. Implementaci on del sistema de control . . . . . . . . . . . . . . 3.2.2. Implementaci on del modelo de la planta . . . . . . . . . . . . . 3.2.3. Swing Up utilizando regulaci on de energ a . . . . . . . . . . . . 3.3. Simulaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3.1. Comportamiento del sistema controlado . . . . . . . . . . . . . 3.3.2. Comportamiento del sistema bajo perturbaciones . . . . . . . . 4. CONCLUSIONES
Indice de guras
1.1. Imagen real de la planta. . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2. Representaci on esquem atica del sistema. . . . . . . . . . . . . . . . . . 1.3. Representacion esquematica del motor electrico. . . . . . . . . . . . . . 1.4. Dimensiones del p endulo invertido con rueda de reacci on. . . . . . . . . 1.5. Par ametros motor DC. . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.1. Conjunto de d as que pertenecen al n de semana. . . . . . . . . . . . . 2.2. Representaci on del conjunto de personas de Estatura Alta. . . . . . . . 2.3. Funciones de membres a com unmente utilizadas. . . . . . . . . . . . . . 2.4. Valores que puede tomar la variable Velocidad en un motor el ectrico. . 2.5. Complemento de un conjunto difuso. . . . . . . . . . . . . . . . . . . . 2.6. Uni on entre conjuntos difusos. . . . . . . . . . . . . . . . . . . . . . . . 2.7. Intersecci on entre conjuntos difusos . . . . . . . . . . . . . . . . . . . . 2.8. Sistema de control difuso en lazo cerrado. . . . . . . . . . . . . . . . . . 2.9. Conguraci on del sistema difuso. . . . . . . . . . . . . . . . . . . . . . 2.10. Construcci on de una funci on de membres a. . . . . . . . . . . . . . . . 2.11. Resoluci on obtenida seg un el n umero de funciones de membres a. . . . 2.12. Base de reglas difusas. . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.13. Proceso de difusi on de una medida de temperatura. . . . . . . . . . . . 2.14. Representaci on graca de la evaluaci on de Regla 1. . . . . . . . . . . . 2.15. L ogica de decisi on. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.16. Concreci on utilizando m etodo del centro de gravedad. . . . . . . . . . . 3.1. Representaci on de variable Error con conjuntos difusos. . . . . . . . . . 3.2. Representaci on de variable Derivada del error con conjuntos difusos. ix . 2 3 6 8 9 12 14 15 16 18 18 19 20 20 21 22 23 24 26 27 28 33 33
INDICE DE FIGURAS 3.3. Representaci on de variable Se nal de control con conjuntos difusos. . . . 3.4. Base de reglas que denen la acci on del controlador. . . . . . . . . . . . 3.5. Sistema de control en lazo cerrado. . . . . . . . . . . . . . . . . . . . . 3.6. Modelo no lineal del p endulo invertido con rueda de reacci on. . . . . . 3.7. Implementaci on de operaci on funci on de energ a. . . . . . . . . . . . . . 3.8. Regulaci on de energ a. . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.9. Sistema de control utilizando regulaci on de energ a para swing up. . . 3.10. Sistema de control del p endulo invertido con rueda de reacci on. . . . . 3.11. Comportamiento de a ngulo 1 del p endulo ante el sistema de control. . 3.12. Se nal de energ a del sistema durante el balanceo y control local. . . . . 3.13. Se nal aplicada al motor para controlar el p endulo. . . . . . . . . . . . . 3.14. Comportamiento del p endulo alrededor del punto de equilibrio. . . . . . 3.15. Sistema de control bajo perturbaciones en la se nal de control. . . . . . 3.16. Comportamiento del p endulo ante perturbaciones en la se nal de control. 3.17. Se nal de control perturbada aplicada al sistema. . . . . . . . . . . . . . 3.19. Sistema de control con perturbaciones en el sensor. . . . . . . . . . . . 34 40 41 42 44 45 46 46 47 48 48 49 50 50 51 52
3.18. Comportamiento alrededor del punto de equilibrio ante las perturbaciones. 51 3.20. Comportamiento del a ngulo 1 del p endulo ante perturbaci on en sensores. 53 3.21. Se nal de control enviada al sistema debido a medida err onea en sensores. 54 3.22. Oscilaciones alrededor del punto de equilibrio por perturbaci on en encoder. 54 3.23. Sistema de control del p endulo con perturbaci on en encoder y se nal de control. control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 55 56 56 3.24. Comportamiento del p endulo con perturbaci on en encoder y se nal de 3.25. Senal de control para contrarrestar las perturbaciones en encoder y se nal de control. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.26. Oscilaciones alrededor del punto de equilibrio por perturbaciones en encoder y se nal de control. . . . . . . . . . . . . . . . . . . . . . . . . .
Agradecimientos
A todos los compa neros del Programa de Ingenier a El ectrica de la UTP que en alg un momento nos han preguntado: Qu e? Y... cu ando es la disertaci on? A Luisa Fernanda Escobar, Oscar Danilo Montoya, Edwin Andres Gonzalez y Cristian Alfonso Rios, compa neros del programa de ingenier a el ectrica que con todo su apoyo y colaboraci on ayudaron en el desarrollo de este trabajo. De estos agradecimientos no podr an ser excluidos... A los ingenieros Didier Giraldo, Victor Daniel Correa y Carlos David Zuluaga y a la dise nadora gr aca Laura Marcela Saraza por su acompa namiento en el desarrollo del proyecto.
xi
xii
INDICE DE FIGURAS
Cap tulo 1 PENDULO INVERTIDO CON RUEDA DE REACCION

1.1. Introducci on
Los p endulos invertidos son una familia de artefactos en din amica que constituyen un banco de pruebas muy completas y de gran inter es para la ingenier a de control, ya que son un ejemplo t pico de un sistema no lineal. El p endulo ha sido estudiado tal vez m as que muchos otros sistemas desde la epoca de Galileo, ya que a partir de este se puede aproximar el modelo del comportamiento din amico de muchos sistemas de ingenier a. Las principales aplicaciones del p endulo invertido en el modelado para sistemas de control se encuentra en: mantenimiento de la trayectoria durante el vuelo de un cohete, an alisis de la biomec anica de la marcha, balance y postura humana, el caminar b pedo de robots, estabilidad en gr uas, control s smico de estructuras de edicaci on, entre otros. Para realizar diferentes estudios en din amica y control se han realizado diversas modicaciones al p endulo invertido adicionando complejidad a su caracter stica ya problem atica de no linealidad como lo son el p endulo con rueda de reacci on, el pendubot, el p endulo de Furuta, el acrobot, etc. Sin embargo a este trabajo solo 1
CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION
concierne el p endulo invertido con rueda de reacci on, por ello no se analizar an las otras variaciones. El p endulo con rueda de reacci on introducido por Mark W. Spong en 1995 mostrado Figura 1.1, es un p endulo simple con una rueda giratoria en uno de sus extremos. La rueda, sim etrica con su eje de rotaci on, es accionada por un motor DC de im an permanente de 24 volts, donde el par de acoplamiento entre la rueda y el p endulo puede ser usado para controlar el sistema de movimiento. Adem as, el sistema est a provisto de dos encoders, dos sensores o pticos de alta resoluci on que arrojar an mediciones relativas del angulo. Un encoder unido al soporte jo y al p endulo entrega el angulo relativo entre el p endulo y su base ja, mientras que el otro encoder unido al motor, provee las medidas del a ngulo relativo entre la rueda y el p endulo.
Figura 1.1: Imagen real de la planta.
El p endulo con rueda de reacci on se adapta f acilmente para ilustrar un gran n umero de problemas de control, como lo son el modelado,la identicaci on, compensaci on de fricci on, control h brido - balanceo y estabilizaci on del p endulo entre otros mencionados en [1].
1.2. MODELO DEL SISTEMA
1.2.
Modelo del sistema
A pesar de que este trabajo no requiere del modelo din amico del sistema para realizar el control, a continuaci on se presenta el desarrollo para la obtenci on del modelo matem atico que hace evidente el grado de complejidad presente en la elaboraci on de este. Para la obtenci on de las ecuaciones de movimiento del sistema mecatr onico se hace necesario el uso de las Ecuaciones de Lagrange como herramienta matem atica para el desarrollo del modelo. Con el m etodo de Lagrange se tiene un conjunto de coordenadas generalizadas q1 , q2 ,..., qn que representa los n-grados de libertad del sistema. Nuestro sistema consta de dos grados de libertad, por tanto tiene dos coordenadas generalizadas que corresponden al a ngulo 1 de la barra medido desde la posici on vertical y el angulo 2 es el angulo de la rueda respecto de la misma referencia como puede observarse en la Figura 1.2.
Figura 1.2: Representaci on esquem atica del sistema.
Adem as de los angulos que ser an nuestras coordenadas generales, adjudicaremos los siguientes par ametros para las propiedades f sicas del p endulo ya que las caracter sticas del sistema estar an denidas principalmente por estas, entonces: mp masa de la barra. mr masa de la rueda. m masa combinada de la barra y la rueda. Jp momento de inercia de la barra respecto a su centro de masa. Jr momento de inercia de la rueda respecto a su centro de masa. lp longitud desde el pivote hasta el centro de masa de la barra. lr longitud desde el pivote hasta el centro de masa de la rueda. l longitud desde el pivote hasta el centro de masa de la barra y la rueda. Adem as se dene: m = mp + mr ml = mp lp + mr lr
2 2 J = Jp + mp lp + mr lr
En funci on de las coordenadas generalizadas y de las propiedades f sicas del sistema se calcula la Energ a Cin etica EK y la Energ a Potencial EU como puede observarse en las ecuaciones (1.1) y (1.2). EK = EU = Entonces la energ a cin etica ser a: 1 2 EK p = Jp 2 1 1 2 EK r = Jr 2 2 1 2 1 2 EK = Jr + Jr 2 1 2 2 (1.3) 1 2 v 2 dm (1.1)
F dr
(1.2)
(1.4)
(1.5)
1.2. MODELO DEL SISTEMA
Para la energ a potencial, se asumi o que solo es dada por efecto de la gravedad, sin tener en cuenta la elasticidad de los elementos, por tanto quedar a denida como: EU p = mp glp (1 cos 1 ) (1.6)
EU r = mr glr (1 cos 1 )
(1.7)
EU = mgl (1 cos 1 )
(1.8)
Como se puede ver en las ecuaciones 1.5 y 1.8 las energ as cin etica y potencial corresponden a la suma de las energ as presentes en el p endulo y en la rueda. En la energ a potencial no aparece 2 debido a la simetr a de la rueda, adem as su valor ser a cero en la posici on vertical superior debido a su referencia. La funci on de Lagrange que ser a la diferencia de la energ a cin etica y la energ a potencial queda expresada de la siguiente manera: 1 2 1 2 + Jr mgl (1 cos 1 ) (1.9) L = EK EU = Jp 2 1 2 2 Las ecuaciones de movimiento mediante Lagrange se obtienen a partir de la siguiente expresi on: d dt L n L = n n
Es importante resaltar, que para nuestro caso tendremos sobre la rueda el torque aplicado por el motor y un torque - como reacci on en la barra, particularidad de esta variaci on del p endulo invertido. Encontrando las derivadas parciales requeridas:
L 1 = Jp 1 L = gml sin 1 1
L 2 = Jr 2 L = 0 2
Despreciando la fuerza de fricci on y la din amica el ectrica del motor el torque puede obtenerse en funci on de la corriente as : = kI (1.10)
Expresando el torque como una funci on de corriente (ecuaci on 1.10 ), en nuestro sistema no se controla la aceleraci on del brazo directamente por tanto el sistema es declarado sub-actuado. El sistema queda representado por las ecuaciones (1.11) y (1.12): 1 mgl sin 1 = k I Jp Jp 2 = k I Jr (1.11) (1.12)
1.3.
Modelo Din amico del Motor
Considerando como modelo circuital para el motor DC de imanes permanentes de la gura 1.3, la din amica del sistema estar a dada por: v (t) = RI + L dI + ea dt
Figura 1.3: Representacion esquematica del motor electrico.
1.4. SENAL DE CONTROL
Donde R es la resistencia de armadura, L la inductancia de armadura y ea el voltaje inducido, este u ltimo se dene como ea = K wr = K 2 , entonces el comportamiento quedar a descrito como: dI 2 + K (1.13) dt Donde K es la constante de la fuerza electromotriz del motor. La constante de tiempo v (t) = RI + L el ectrico del motor es L/R = 0.00052 s; con un tiempo tan m nimo comparado con la constante de tiempo del sistema mec anico puede suponerse L 0 para evitar un sistema de mayor orden. A partir de la ecuaci on 1.13 y sabiendo que la velocidad m axima de giro se obtiene cuando el voltaje suministrado al motor es igual al voltaje inducido en armadura se tiene que:
ax 2 = Vm = 875, 9rad/s m ax K
con Vmax = 24v y K = 27, 4 103 N m/s Se encuentra tambi en que el torque no se genera si no se cumple esta desigualdad: Vm ax ax 2 Vm K K
1.4.
Se nal de Control
Para modicar la variable a controlar es necesaria la intervenci on de una se nal de control que act ue sobre el torque que estar a expresado a partir de la corriente como puede verse en la ecuaci on (1.10); donde el producto de la constante del torque y la corriente en armadura del motor son proporcionales a . Debido a la realimentaci on de corriente, la corriente ser a proporcional a la variable de control u, la cual estar a limitada en un rango de [10, 10] UI (Unidades de Ingenier a), esto especicado por el fabricante para la tarjeta de control en [2], por tanto la se nal de control es: u = Ku = Ku KI (1.14)
Para el modelo se dene que:
KI =
u Ku mgl Jp
Kb = Kc =
Ku Jp Ku Jr
Ka =
Por tanto el sistema mostrado en ( 1.11 ) y ( 1.12 ) quedar a de la siguiente manera: 1 Ka sin 1 = Kb u 2 = Kc u (1.15) (1.16)
Los datos f sicos de la planta pueden verse en la gura 1.4, adem as de los valores de las variables en la hoja de datos para el motor Pittman LO-COG 8X22 en la gura 1.5. Mediante los valores plasmados en estas tablas se reemplazan cada una de las variables asignadas para obtener los par ametros escalares del modelo del sistema.
Parmetro mp mr m lp lr l Jp Jr J wp
Valor 0,2164 0,0850 0,3014 0,1173 0,1270 0,1200 2,233x10-4 -5 2,495x10 -3 4,572x10 8,856
Unidades Kg Kg Kg m m m Kg m2 Kg m2 Kg m2 rad/s
Figura 1.4: Dimensiones del p endulo invertido con rueda de reacci on.
1.4. SENAL DE CONTROL
Parmetro K R L Imax Vmax wmax
Valor 27,4x10 -3 12,1 0,00627 1,8 22 822
Unidades Nm/A H A V rad/s
Figura 1.5: Par ametros motor DC. Realizando los c alculos pertinentes se encuentra que los par ametros del modelo del sistema son: Ku = umax = 202, 76N 1 m1 kImax Ka = 78, 4. Kb = 1, 08. Kc = 198. El sistema mecatr onico cuenta con una tarjeta para amplicaci on de la se nal de control,en la cual, mediante la modulaci on del ancho de pulso (PWM) se entrega un voltaje en el rango de [-24,24] V DC, actuando como la interfaz de potencia para la operaci on del motor [2].
10
Cap tulo 2 LOGICA DIFUSA

2.1. Introducci on
La l ogica difusa surge gracias al profesor Lot Zadeh, matem atico de la Universidad de California, Berkeley, en el momento en que publica un documento titulado Fuzzy Sets en la revista Information and Control [3]. Este documento estuvo terminado dos a nos antes de su publicaci on, pero no hab a sido divulgado debido a que esta revista t ecnica no se atrev a a publicar tan radical idea, pues era inconcebible en el campo de la ingenier a que para la epoca, se aferraba de la descripci on matem atica cl asica de la l ogica bivalente. La aceptaci on y publicaci on de este documento solo ocurri o hasta 1965, a no en el que el profesor Zadeh asumi o el cargo de editor de la revista y a partir del cual, propuso otras ideas sobre conjuntos y algoritmos difusos. Esta teor a propuesta sobre conjuntos difusos, parti o de observaciones realizadas por Zadeh para el modelado de sistemas y la limitante que en repetidas ocasiones se ten a para describir ciertos fen omenos mediante expresiones matem aticas, por tal motivo, plantea su principio de la incompatibilidad el cual predica que: Conforme la complejidad de un sistema aumenta, nuestra capacidad para ser precisos y construir instrucciones sobre su comportamiento disminuye hasta el umbral m as all a del cual, la precisi on y el signicado son caracter sticas excluyentes. 11
12
CAP ITULO 2. LOGICA DIFUSA
De esta manera, Zadeh realiza este planteamiento te orico que denomin o l ogica difusa, deni endolo como un intento de formalizaci on o mecanizaci on de dos importantes capacidades del ser humano. La primera, la capacidad de conversar, razonar y tomar decisiones racionales en un ambiente de imprecisi on o informaci on incompleta. Y la segunda, la capacidad de formular una amplia variedad de tares f sicas y mentales sin realizar mediciones y sin computadores [4]. La l ogica difusa puede ser descrita como un sistema interpretativo, en el cual los objetos o elementos son relacionados con conjuntos de fronteras no n tidamente denidas, otorg andoles un grado de pertenencia relativa o graduada y no estricta como es costumbre en la l ogica tradicional [5]. Se podr a decir que existe una especie de interpolaci on entre una frontera y otra, o bien, entre un conjunto y otro, permitiendo as tener en cuenta elementos que presentan un estado ambiguo como el que se presenta en expresiones tales como: La temperatura est a m as o menos alta o El vaso esta medio lleno, las cuales son evidentemente inaceptables en la l ogica cl asica o bivalente. Este tipo de situaciones son frecuentemente encontradas en la vida cotidiana como por ejemplo, en el caso de considerar los d as que pertenecen al n de semana como se puede ver en la gura 2.1. La mayor a estamos de acuerdo con que obviamente este conjunto incluye totalmente los d as S abado y Domingo, pero Que sucede con el d a Viernes?. Muchos viven parte de este d a como si fuera del n de semana, pero t ecnicamente y razonando de la manera de la l ogica cl asica, este es excluido del n de semana.
A (x)
A (x)
1.0
1.0
0.0
Viernes Sabado Domingo Lunes Razonamiento de la lgica clasica.
0.0
Viernes Sabado Domingo Lunes Razonamiento de la lgica difusa.
Figura 2.1: Conjunto de d as que pertenecen al n de semana.
2.2. CONJUNTOS DIFUSOS
13
Se puede decir entonces, que la l ogica difusa no es realmente difusa, de hecho, una de las principales contribuciones de esta, es el alto poder de precisi on y a su vez es mucho m as cercana al razonamiento humano. Existe una gran cantidad de planteamientos te oricos alrededor de la l ogica difusa que han tenido una amplia aplicaci on en el dise no de sistemas de control, puesto que con esta herramienta se ha logrado incorporar sentencias del lenguaje com un para interpretar el estado de las variables de cierto proceso, haciendo que el sistema de control pueda ser dise nado a partir de la descripci on del comportamiento deseado por el operario. Para llevar a cabo este proceso, las entradas son clasicadas dentro de conjuntos difusos asign andoles en cada momento un grado de pertenencia relativa a estos conjuntos de fronteras no n tidamente denidas, despu es son sometidos a un conjunto de reglas para luego deducir en forma l ogica una actuaci on posible que permita llevar la variable al estado deseado, produciendo una o varias acciones de salida (acci on de control).
2.2.
2.2.1.
Conjuntos difusos
Denici on
Un conjunto difuso es una clasicaci on de objetos con un grado de membres a continuo. Como conjunto, es caracterizado por una funci on de membres a (caracter stica), la cual asigna a cada elemento u objeto un grado de membres a dentro del rango de cero a uno [0,1]. Sea X = {x} un conjunto cl asico cuyos elementos son representados por x. Luego un conjunto difuso A en X representa un conjunto de pares ordenados: A = (x, A (x)), x X Un ejemplo pertinente para explicar el concepto de conjunto difuso, es el conjunto de valores que inciden en la expresi on Esta persona es alta, haciendo referencia a la estatura de una persona. Bas andose en el razonamiento de la l ogica cl asica, el conjunto de estaturas para los cuales la anterior expresi on es valida, es para aquellas personas con estaturas mayores a un valor determinado como podr a ser 1.70 metros.
14
Es en este momento donde entra en conicto el razonamiento humano y la l ogica cl asica, pues en el caso de que la estatura de una persona sea 1.68 metros, Es esta persona baja?. El hecho de que una persona sea catalogada como alta o baja, cuando existe una diferencia de estaturas que resulta insignicante para la percepci on de sus sentidos, no resulta muy coherente para el razonamiento humano. Este concepto de conjuntos difusos, se nala que todos los elementos en los que se basa el razonamiento humano son etiquetas cualitativas y no necesariamente cuantitativas las cuales pueden ser modeladas dentro de un lenguaje matem atico a trav es de la teor a de conjuntos difusos. Para una expresi on tal como Estatura Alta, la teor a de conjuntos difusos plantea que este conjunto no posee una frontera n tidamente establecida que discrimine de manera estricta si un valor de estatura pertenece a este conjunto o no, sino que de manera distinta, asigna a esta variable un grado de pertenencia a dicho conjunto, siendo de esta manera como una persona de 1.65 metros de estatura podr a tener una pertenencia de 0.85 al conjunto de Estatura Alta y a la vez, un grado de pertenencia de 0.1 al conjunto de Estatura Baja como se puede ver en la gura 2.2.
A (x) A (x)
1.0
1.0
0.0
0.0
1.55 m 1.65 m 1.75 m 1.85 m Clasificacin utilizando lgica clasica.
1.55 m 1.65 m 1.75 m 1.85 m Clasificacin utilizando lgica difusa.
Figura 2.2: Representaci on del conjunto de personas de Estatura Alta. Estos conjuntos no n tidamente denidos juegan un papel muy importante en el pensamiento humano, particularmente en los dominios de reconocimiento de patrones, comunicaci on de informaci on y abstracci on, permitiendo incorporar sentencias del lenguaje com un para interpretar el estado de las variables de cierto proceso,
2.2. CONJUNTOS DIFUSOS asign andoles en cada momento un grado de pertenencia a estos conjuntos difusos.
15
2.2.2.
Funci on de membres a
Las funciones de membres a constituyen un m etodo utilizado para la representaci on de los conjuntos difusos, de tal manera que a cada punto en el espacio se le asigna un valor o grado de pertenencia a dicho conjunto, deniendo as al conjunto mismo. De este modo, A (x) es el grado de membres a de x en A y es limitado a valores entre 0 y 1, siendo 0 el m as bajo grado de membres a y 1 el m as alto. N otese el contraste con la teor a de conjuntos cl asica o discreta, en el cual A (x) =0 o 1, donde 0 signica que x no pertenece a A y 1 denota que x pertenece a A. Las funciones de membres a m as utilizadas son: triangular, trapezoidal, gaussiana y sigmoidal, como se muestra en la gura 2.3.
A (x) A (x)
1.0
1.0
0.0 Triangular
A (x)
0.0
A (x)
Trapezoidal
1.0
1.0
0.0
Gaussiana
0.0 Sigmoidal
Figura 2.3: Funciones de membres a com unmente utilizadas. Existe cantidad de software especializado donde se podr a encontrar gran variedad de funciones de membres a, pero la selecci on de una de estas siempre estar a determinada por el problema, an alisis y punto de vista del dise nador y la capacidad de carga computacional, siendo este u ltimo un factor sumamente inuyente en el momento de escoger la funci on de membres a, donde en la mayor a de los casos, la funci on triangular resulta siendo el candidato m as llamativo.
16
2.2.3.
Variable ling u stica
Si una variable puede adoptar palabras en el lenguaje natural como sus valores, ella es llamada una variable ling u stica, donde las palabras son caracterizadas mediante conjuntos difusos denidos en el universo de discurso en el cual la variable es denida [6]. Cuando se usan sensores para medir variables, ellos entregan informaci on num erica para expresar su magnitud; mientras que en el caso de preguntar a una persona experta que eval ue la variable, esta lo expresa en palabras. Es aqu donde toma gran importancia el concepto de variable ling u stica, puesto que esta permite realizar una descripci on en lenguaje natural a trav es de t erminos matem aticos. En el caso de la velocidad de un motor el ectrico, esta es una variable x que puede tomar valores en el intervalo [0,Vm], donde Vm es la m axima velocidad que puede alcanzar el motor. Se denen entonces tres conjunto difusos lenta, media y r apida en el rango ya denido. Si se toma x como variable ling u stica, entonces ella puede tomar lenta, media y r apida como sus valores, de tal manera que se podr a decir que x es lenta, x es media, x es r apida. Lo anterior es presentado en la gura 2.4.
(V)
Lento
Medio
Rpido
1.0
0.0 600 1200 1800
Velocidad (rpm)
Figura 2.4: Valores que puede tomar la variable Velocidad en un motor el ectrico. Una variable ling u stica est a caracterizada mediante unos par ametros (X, T, U, M): X: es el nombre de la variable ling u stica. T: es el conjunto de valores ling u sticos que X puede tomar. U: es el dominio f sico de la variable dentro del cual la variable ling u stica X puede tomar cualquier valor cuantitativo.
2.2. CONJUNTOS DIFUSOS
17
M: es una regla sem antica que relaciona cada valor ling u stico en T con conjunto difuso en U. De manera que para el ejemplo anterior, se puede denir que X es la velocidad del motor el ectrico, T est a conformado por lenta, media y r apida, U es el intervalo [0, Vm] y M es la regla sem antica que relaciona lenta, media y r apida con las funciones de pertenencia de la gura 2.4.
2.2.4.
Reglas Base
En sistemas difusos el conocimiento humano es representado mediante un conjunto de reglas del tipo IF-THEN. Una regla difusa es una declaraci on condicional expresada como: IF < antecedente > THEN < consecuencia > . Donde la primera proposici on es llamada el antecedente o premisa y la segunda es llamada el consecuente o conclusi on. La premisa puede contener una combinaci on de proposiciones mediante conectivos l ogicos AND-OR, siendo posible tambi en, que una proposici on difusa este basada en la negaci on como por ejemplo: IF < x es A > AND < y no es B > THEN < z es C > Donde A, B y C son valores ling u sticos que pueden tomas las variables x, y y z respectivamente. Existen muchos ejemplos de reglas difusas en la vida diaria tales como:
Si la presi on es alta entonces el volumen es peque no. Si la carretera es mala entonces conducir es peligroso. Si la velocidad es alta entonces aplique un poco el freno.
A partir de un grupo de estas reglas IF-THEN, est a conformada la base de reglas difusas, la cual es el coraz on del sistema difuso en el sentido de que todos los componentes son utilizados para implementar estas reglas de una manera eciente y razonable.
18
2.2.5.
Operaciones b asicas entre conjuntos difusos
Complemento cuyo valor de pertenencia es El complemento del conjunto difuso A es un conjunto A denido como: A (x) = 1 A (x) Una representaci on gr aca de esta operaci on es mostrada en la gura 2.5.
Figura 2.5: Complemento de un conjunto difuso.
La uni on de dos conjuntos difusos. La uni on de dos conjuntos difusos A y B (A B ) es el conjunto difuso m as peque no que incluye todos los elementos en A o B o ambos A y B. De esto se establece que la uni on es un operador l ogico OR. La funci on de membres a de A B es: AB (x) = max(A (x), B (x)), x X en donde max(a, b) = a si a b, y max(a, b) = b si a es menor que b. Esto puede ser visto en la gura 2.6.
A B A B
Figura 2.6: Uni on entre conjuntos difusos.
2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA La intersecci on de dos conjuntos difusos.
19
La intersecci on de A y B (A B ) es el conjunto difuso m as grande dentro de A y B, que indica que la intersecci on es un operador l ogico AND. La funci on de membres a de A B es: AB (x) = min(A (x), B (x)), x X en donde min(a, b) = a si a b, y min(a, b) = b si a es mayor que b, como se puede ver en la gura 2.7.
A B A B
Figura 2.7: Intersecci on entre conjuntos difusos La uni on y la intersecci on como operadores m aximo y m nimo, son operaciones especicas dentro de dos planteamientos m as generales como lo son la norma-T y la norma-S respectivamente. Otros planteamientos tales como los de Yager, Dubois y Prade, entre otros, pueden ser revisados en [6].
2.3.
Sistemas de control basados en l ogica difusa
La aplicaci on de la l ogica difusa a los sistemas de control, se puede expresar como un control a trav es de palabras que interpretan el sentido com un en lugar de n umeros o bien sentencias en lugar de ecuaciones, con el n de incorporar esquemas del razonamiento humano hacia una estrategia de control autom atico y aprovechar algunas veces la experiencia del operador del sistema. El controlador basado en l ogica difusa, es utilizado para sistemas de control en lazo cerrado, en los cuales la se nal de control es una decisi on tomada a partir de la informaci on de qu e tan diferente es el comportamiento de la planta con respecto al deseado, es decir, a partir de la se nal de error. En la gura 2.8 se muestra la estructura de control en lazo cerrado con controlador basado en l ogica difusa.
20

Seal de Control
Referencia
Error
_
Sistema Fisico
Salida
Control Difuso
Figura 2.8: Sistema de control difuso en lazo cerrado. La l ogica difusa logra interpretar las sentencias del lenguaje com un fundamentado sobre un soporte matem atico que permite extraer conclusiones cuantitativas a partir de un conjunto de observaciones y reglas cualitativas. Sin embargo, las variables de los procesos no se miden ni se aplican a los actuadores en sentido com un sino en n umeros. Con el n de resolver este inconveniente, se hace necesario utilizar un esquema que convierta las se nales num ericas del mundo real en variables difusas como una adaptaci on previa antes de introducir el estado de una variable al controlador y tambi en uno que convierta las variables difusas en n umeros para que la se nal pueda ser aplicada a la planta. La gura 2.9 muestra una estructura t pica de un controlador basado en l ogica difusa.
Seal de control (no difusa)
Sistema controlado (Proceso)
Seal de salida (no difusa)
Defuzificacin
Lgica de decisin
Fuzificacin
Base de conocimiento
Figura 2.9: Conguraci on del sistema difuso.
2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA
21
Esta estructura tiene cuatro componentes fundamentales para llevar a cabo la estrategia de control y son las siguientes:
2.3.1.
Base de conocimiento
Es el coraz on del sistema difuso en el sentido de que contiene informaci on necesaria para el funcionamiento de los otros componentes del sistema. Est a formada por una base de datos y una base de reglas. La primera recoge la denici on de las funciones de pertenencia de las entradas y la salida y toda la informaci on necesaria para caracterizar las reglas de control y la manipulaci on de datos; y la segunda, es un conjunto de reglas que caracteriza y resume los objetivos de control de un experto por medio de expresiones ling u sticas de control. La base de datos est a relacionada con los soportes sobre los cuales los conjuntos difusos son denidos. Las funciones de membres a son denidas por algunos par ametros que var an seg un la forma de la funci on deseada, obteniendo de esta manera funciones como la mostrada en la gura 2.10.
A (x)
A ( x) =
0 (xa)
(ba) (xc) (bc)
x<a axb bxc cx membres a.

a b c
x
Figura 2.10: Construcci on de una funci on de
En el momento de denir las funciones de membres a se debe cubrir todo el rango de valores posibles que puede tomar la variable medida o el rango de valores que se pueden asignar a la se nal que ser a aplicada al sistema controlado. La selecci on de la cantidad de conjuntos difusos para representar una variable determina la resoluci on del control obtenible, pues el mismo espacio se puede denir con distinto n umero de conjuntos como se muestra en la gura 2.11, haciendo de esta una de las consideraciones para
22
A (x)

Amplio P NL NM NS
A (x)
Fino PS PM PL
ZE
ZE
-1
-1
Figura 2.11: Resoluci on obtenida seg un el n umero de funciones de membres a. el dise no en las que m as cuidado se debe tener, convirti endola en un procedimiento heur stico de ensayo y error donde se busca una partici on optima [7]. La imagen a la izquierda de la gura 2.11 muestra un espacio denido por tres conjuntos difusos: N: Negativo. ZE: Cero. P: Positivo. obteniendo as una resoluci on amplia, pues cada conjunto difuso est a abarcando una gran cantidad de posibles valores que puede asumir la variable en alg un momento, mientras que la imagen de la derecha muestra una variable denida por siete conjuntos difusos de la siguiente manera: NL: Negativo Grande. NM: Negativo Mediano. NS: Negativo Peque no. ZE: Cero. PS: Positivo Peque no. PM: Positivo Mediano. PL: Positivo Grande. Debido a que el rango de valores posibles es denido por una mayor cantidad de conjuntos difusos se puede lograr una resoluci on m as na pero puede traer ciertas dicultades en los procesos de difusi on y concreci on. La base de reglas caracteriza y resume los objetivos de control de un experto por medio de un conjunto de reglas ling u sticas basadas en el conocimiento, que suele ser expresado en la forma de reglas IF-THEN, las cuales son f acilmente expresadas mediante declaraciones condicionales como se muestra:
IF T es NL AND P es ZE THEN Y es PL. IF T es ZE AND P es PM THEN Y es NM. IF T es PM AND P es NM THEN Y es ZE.
23
Estas reglas pueden ser presentadas como se mostraron anteriormente o tambi en en una base de datos completa y organizada como se muestra en la gura 2.12, la cual representa una base de reglas para el control de una turbina de vapor que tiene como variables de entrada medidas de temperatura y presi on y la salida es la velocidad.
P T NL NM NS ZE PS PM PL
NL NM NS PL PL PL PL PL PM ZE PL PL PM PM PM ZE PL PS PS PS
ZE PL PS ZE NS
PS PM PS
PM PS ZE
PL ZE NS
PM PM
NS NM NL NS NM NL NS NM NL NL NL NL NL
NS NM NM NL
NS NM NL
Figura 2.12: Base de reglas difusas. El cuadro de la gura 2.12 es una tabla de memoria asociativa difusa (MAD) [8], la cual resume todas las reglas que regir an la forma en que el controlador tomar a las decisiones acerca de como debe ser la se nal de control para que el sistema controlado tenga el comportamiento deseado.
2.3.2.
Interfaz de difusi on (Fuzicaci on)
Realiza un escalado de los valores de las entradas para adecuarlos a los valores t picos para los que se dene el controlador y luego hace la difusi on (fuzicaci on) que convierte los datos de entrada en valores ling u sticos adecuados para su manipulaci on. En esta etapa, se le otorga a los datos de entrada un grado de membres a a uno o varios de los conjuntos difusos en los que se divide el rango de valores posibles para dicha entrada, para ello busca la correspondencia entre el estado de las variables y las funciones de membres a denidas para tal prop osito. Para un determinado valor de una variable su grado de pertenencia ser a mayor en una expresi on que en las dem as como se presenta en la gura 2.13, donde se muestra
24
una fuzicaci on en el instante t0 de una variable T(t) cuyo universo de discurso est a denido por siete funciones triangulares con un traslape del 50 % entre funciones.
(T)
NL
NM
NS
ZE
PS
PM
PL
ZE
(t)=0.78
PS
110 T(to)=243 330
(t)=0.22
T( C)
Figura 2.13: Proceso de difusi on de una medida de temperatura.
De esta manera se le asigna grados de membres a a los distintos conjuntos difusos que denen el universo de discurso de la se nal de entrada que en este caso es una medida de temperatura registrada por un sensor. As para el caso ilustrado en la gura 2.13, donde la entrada es un registro de temperatura de 243 grados cent grados puede ser expresado de la siguiente manera: N L (T ) = 0,0 P S (T ) = 0,22 N M (T ) = 0,0 P M (T ) = 0,0 N S (T ) = 0,0 P L (T ) = 0,0 ZE (T ) = 0,78
Durante este proceso se podr a obtener mayor resoluci on al representar el dominio con mayor cantidad de conjuntos difusos, lo cual resulta inconveniente puesto que se produce un incremento en la cantidad de reglas que implicar a un aumento de la complejidad de c alculo y por consiguiente mayores gastos computacionales. La cantidad de conjuntos que aqu se denen debe ser impar (usualmente entre 3 y 9), con el n de que est e disponible un punto central que tiende a inhibir oscilaciones num ericas entre conjuntos adyacentes [8].
25
2.3.3.
L ogica de decisi on
Inere las acciones del sistema difuso empleando alguna representaci on de la implicaci on difusa. Tiene la capacidad de simular criterios de decisi on humanos basados en conceptos difusos e inferir acciones de control empleando implicaciones y las reglas de inferencia en l ogica difusa. La l ogica de decisi on determina que regla (o reglas) se activar a ante un determinado valor de entrada partiendo del grado de membres a de dicho valor a cada uno de los diferentes conjuntos difusos del dominio de entrada, decidiendo as la manera en que debe operar el actuador con el n de llevar el sistema al punto de operaci on deseado. Inicialmente, se debe partir conociendo el valor de membres a de cada una de las variables de entrada involucradas en el proceso a los conjuntos difusos que denen cada dominio de estas como se muestra para el ejemplo de una turbina de vapor: Valores de membres a de la variable temperatura (T): N L (T o) = 0,0 P S (T o) = 0,22 N M (T o) = 0,0 P M (T o) = 0,0 N S (T o) = 0,0 P L (T o) = 0,0 ZE (T o) = 0,78
Valores de membres a de la variable presi on (P): N L (P o) = 0,0 P S (P o) = 0,0 N M (P o) = 0,0 P M (P o) = 0,0 N S (P o) = 0,63 P L (P o) = 0,0 ZE (P o) = 0,37
A partir de estos valores de membres a asignados a los valores de entrada y haciendo uso de la base de reglas mostradas en la gura 2.12, se puede deducir f acilmente que las reglas necesarias para tomar la decisi on en este caso son:
Regla 1. IF T es ZE AND P es NS THEN V es PS. Regla 2. IF T es ZE AND P es ZE THEN V es ZE. Regla 3. IF T es PS AND P es NS THEN V es NS. Regla 4. IF T es PS AND P es ZE THEN V es NS.
26
Estas reglas deben ser evaluadas con los valores de membres a haciendo uso del operador AND, a partir del cual se dene el valor m nimo entre las dos entradas como valor de membres a al conjunto del salida como se muestra en la gura 2.14 donde se presenta la evaluaci on de la Regla 1: Regla 1. IF T es ZE AND P es NS THEN V es PS. P S (V ) = min{ZE (T ), N S (P )} P S (V ) = min{0,78, 0,63} = 0,63
ZE (T)
ZE
0.78
PS (V)
PS
T( C) 110 T(to) 330 0.63
NS (P)
NS
V(mm/s)
0.63 -600 0 600
P(Pa) 100 P(to) 2300
Figura 2.14: Representaci on graca de la evaluaci on de Regla 1. En la gura 2.14 se presenta como act ua la l ogica de decisi on en un sistema con dos entradas (temperatura y presi on) en un instante t0 y asigna el menor grado de membres a de las dos anteriores, como el grado de membres a al conjunto PS de la variable de salida como lo indica la regla. De igual manera se debe realizar la evaluaci on de cada una de las reglas involucrada en el proceso como se muestra:
27
Regla 2. ZE (V ) = min{0,78, 0,37} = 0,37 Regla 3. N S (V ) = min{0,22, 0,63} = 0,22 Regla 4. N S (V ) = min{0,22, 0,37} = 0,22 Todo este procedimiento realizado utilizando la l ogica de decisi on es mostrada en la gura 2.15, en el cual se presenta como a partir de la informaci on de las dos variables de entradas y evaluando cada una de las reglas involucradas en este proceso de decisi on se obtiene un a rea y unos conjuntos asignado para la variable de salida.
(T)
ZE
PS
0.78
(V)
0.22
NS
0.63 0.37 0.22
ZE
PS
T( C)
(P)
100
T(to)
330
NS
ZE
0.63
V(mm/s)
-600 0 600
0.37
P(Pa)
100 P(to) 2300
Figura 2.15: L ogica de decisi on. Pueden considerarse como criterios para la selecci on, factores tales como los motores de inferencia, normas t y normas s, t ecnicas de inferencia, la apreciaci on intuitiva, la eciencia computacional y las propiedades especiales que presentan algunos mecanismos de inferencia, tales como inferencia de producto, inferencia m nimo, inferencia de Zadeh, entre otros que son muy usados en sistemas difusos y de control que son presentados en [6].
28
2.3.4.
Interfaz de concreci on (Defuzicaci on)
Los sistemas que act uan en el mundo real requieren de se nales denidas dentro de los n umeros reales, por lo que es necesario convertir las se nales entregadas a las salidas de los sistemas difusos a n umeros reales. La interfaz de concreci on convierte la acci on difusa inferida en el proceso de la l ogica de decisi on, en una acci on concreta susceptible de aplicaci on sobre el proceso, y donde se realiza un escalamiento para adecuar los rangos de salida a los que se ha denido el controlador con las entradas del proceso. Para el ejemplo de la turbina de vapor se podr a decir mediante la evaluaci on de reglas que la velocidad debe ser Positivo Peque no pues en los resultados de la l ogica de decisi on tiene la mayor membres a, pero esto no es suciente, ya que es preciso obtener un valor num erico que indique la velocidad exacta a la que debe girar la turbina. El m etodo de concreci on m as utilizado es el M etodo del centro de gravedad, el cual consiste en crear para la salida del sistema una funci on de membres a a un nuevo conjunto obtenido como uni on de aquellos a los que pertenece parcialmente el valor de salida como se muestra en la gura 2.16.
(V)
NS
0.63 0.37 0.22
ZE
PS
V(mm/s)
-600 0 V 600
Figura 2.16: Concreci on utilizando m etodo del centro de gravedad.
Se debe localizar el centro de gravedad de la gura obtenida, el cual denir a cual es el valor de salida del sistema de control que ser a aplicado al sistema controlado para que este ultimo permanezca en el punto de operaci on deseado. La ordenada de la ubicaci on
2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA del centro de gravedad para la gura 2.16 se obtiene del siguiente modo. vj V (vj ) CG =
j
29
V (vj )
j
El centro de gravedad (CG) est a denido como la suma de los productos resultante entre el centro horizontal del conjunto j y el grado de membres a a dicho conjunto, dividida por la suma de los valores de membres a resultantes de la l ogica de decisi on. CG = (0,63)(200) + (0,37)(0) + (0,22)(200) + (0,22)(200) 0,63 + 0,37 + 0,22 + 0,22
CG = V =
38 = 26,39 1,44
Este resultado obtenido, signica que la acci on de control debe ser de 26,39 mm/s para lograr mantener el sistema en la posici on deseada. Se proponen distintos m etodos para la concreci on tales como el promedio de centros, centro de sumas, promedio de los m aximos, centro m aximo, primero o u ltimo de m aximos, centro de area, centro del a rea mas grande, altura y m axima altura, los cuales pueden ser revisados en [6] y [9]. El criterio m as difundido para la selecci on del m etodo de defuzicaci on es la simplicidad computacional debido a que no hay bases cient cas (ninguno de ellos ha sido derivado de un principio tal como la maximizaci on de la informaci on difusa).
30
Cap tulo 3 DEL CONTROLADOR DISENO DIFUSO Y SIMULACIONES

3.1.
3.1.1.
Dise no del controlador

Consideraciones iniciales
La l ogica difusa se utiliza en los sistemas de control autom atico con el n de incorporar esquemas del razonamiento humano aprovechando el conocimiento del operador del sistema, el cual debe contar con la experiencia para denir caracter sticas y restricciones que esta posea y que son relevantes en la descripci on del comportamiento del mismo. Para el caso del p endulo invertido con rueda de reacci on se tuvo en cuenta las siguientes: Punto de operaci on: El p endulo ser a controlado alrededor de la posici on vertical, es decir, mantenerlo en la posici on 1 = 0 rads con respecto a la gura 1.2. Rango de control: El p endulo se mantendr a en un rango de 10 grados alrededor de la posici on vertical (-10 1 10 ), debido a que es en esta regi on donde la rueda de inercia tendr a la capacidad de llevarlo de nuevo al punto de operaci on. Se nal de Control: La se nal de control debe estar en el rango [-10,10] UI, para que al ser convertida por la planta no supere una tensi on entre [-24, 24] voltios que es el valor m aximo que puede ser aplicado al motor DC, el cual es nalmente el 31
32
DEL CONTROLADOR DIFUSO Y SIMULACIONES CAP ITULO 3. DISENO encargado de hacer girar la rueda de inercia que entregar a el torque para mantener el p endulo en la posici on de equilibrio.
La denici on de los anteriores par ametros y restricciones del sistema o planta a controlar es de gran importancia, puesto que de ellos depender a en gran medida la calidad del controlador dise nado e ignorar algunos par ametros podr a conllevar a un deciente funcionamiento del sistema.
3.1.2.
Base de datos
Para el control del sistema fueron seleccionadas como entradas al controlador dos variables que se consideran de gran importancia en el comportamiento del mismo: el error de la posici on angular y la derivada del mismo. Se dene como salida, la se nal de control aplicada al motor tal que genere un torque sobre la rueda de inercia. Error: Es la diferencia entre el angulo de referencia predeterminado al que debe operar el sistema y el a ngulo medido o actual. A partir de esta informaci on, el controlador puede saber que tan cerca o alejado se encuentra del punto de operaci on. Este par ametro se mantendr a dentro del rango de [-0.1745 0.1745] rad. Derivada del error: Representa la tasa de cambio del error y a partir de la cual el controlador conocer a si el error esta aumentando o disminuyendo, es decir, si el p endulo se esta acercando al punto de operaci on o si se esta alejando. Este par ametro uctuar a aproximadamente entre [-1, 1] rad/seg. Se nal de control: A partir de las dos entradas, el controlador toma la decisi on de cual es la se nal de control necesaria para generar un torque suciente en la rueda de inercia tal que lleve el sistema a la posici on deseada que es el punto de operaci on. Por limitaciones f sicas del sistema ya mencionadas anteriormente, la se nal de control deber a encontrarse en un rango entre [-10, 10] UI. El universo de discurso de cada una de las variables difusas es representado por siete conjuntos difusos con el n de obtener una buena resoluci on que logre una na representaci on de dichas variables. Estos conjuntos difusos son representados con funciones de membres a triangulares con un 50 % de traslape entre ellas con el n de lograr simplicidad en el dise no del controlador y utilizar la menor carga computacional
DEL CONTROLADOR 3.1. DISENO posible.
33
Los conjuntos difusos son divididos en tres grupos Positivo, Negativo y Cero, siendo estos dos primeros subdivididos en Grande, Mediano y Peque no como se muestra: NB: Negativo Grande. NM: Negativo Mediano. NS: Negativo Peque no. ZE: Cero. PS: Positivo Peque no. PM: Positivo Mediano. PB: Positivo Grande. El universo de discurso de las variables difusas (entradas y salidas del controlador) que denida por los conjuntos difusos como se muestra en las guras 3.1, 3.2, 3.3.
e (x) ZE
NB
NM
NS
PS
PM
PB
e (rad)
-0.1745
0.1745
Figura 3.1: Representaci on de variable Error con conjuntos difusos.
NB
NM
NS
e (x) ZE
PS
PM
PB
e (rad/s)
-1
Figura 3.2: Representaci on de variable Derivada del error con conjuntos difusos.
34
DEL CONTROLADOR DIFUSO Y SIMULACIONES CAP ITULO 3. DISENO

u (x) ZE
NB
NM
NS
PS
PM
PB
u (UI)
-10
10
Figura 3.3: Representaci on de variable Se nal de control con conjuntos difusos.
3.1.3.
Base de reglas
Las reglas de control de la posici on angular del p endulo constan de dos antecedentes y un consecuente, expresados por ejemplo, como (ZE, NS, PM) donde ZE y NS corresponden a los conjuntos para el error y la tasa de cambio respectivamente, mientras que PM corresponde a la se nal de control. Estas reglas describen como debe ser la variable de control para valores observados de las variables involucradas. Antes de la denici on de la base de reglas es importante resaltar una caracter stica fundamental en el comportamiento en el p endulo invertido con rueda de reacci on, pues en este sistema un torque positivo en el motor genera un torque negativo en el p endulo, lo cual debe ser tomado en cuenta para decidir que acci on de control se aplicar a al sistema y en caso de no ser tenido en cuenta, el controlador no tendr a un buen funcionamiento. La base de reglas que consta de cuarenta y nueve reglas difusas resultantes de la combinaci on de los dos grupos de siete conjuntos difusos que denen cada una de las entradas del controlador y son obtenidas de manera subjetiva por el operador que tiene conocimiento sobre el comportamiento que debe tener la planta, mediante el siguiente procedimiento: 1. Si e es NB y e es NB, entonces u es PB, ya que el error es negativo grande y est a creciendo r apidamente, es necesario un toque grande en sentido positivo generado por la se nal de control.
DEL CONTROLADOR 3.1. DISENO
35
2. Si e es NB y e es NM, entonces u es PB, ya que el error es negativo grande y est a creciendo medianamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 3. Si e es NB y e es NS, entonces u es PB, ya que el error es negativo grande y est a creciendo lentamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 4. Si e es NB y e es ZE, entonces u es PB, ya que el error es negativo grande y este no varia, es necesario un toque grande en sentido positivo generado por la se nal de control. 5. Si e es NB y e es PS, entonces u es PB, ya que el error es negativo grande y est a decreciendo lentamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 6. Si e es NB y e es PM, entonces u es PM, ya que el error es negativo grande y est a decreciendo medianamente, es necesario un toque mediano en sentido positivo generado por la se nal de control. 7. Si e es NB y e es PB, entonces u es ZE, ya que el error es negativo grande y est a decreciendo r apidamente, no es necesario aplicar un torque.
8. Si e es NM y e es NB, entonces u es PB, ya que el error es negativo mediano y est a creciendo r apidamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 9. Si e es NM y e es NM, entonces u es PB, ya que el error es negativo mediano y est a creciendo medianamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 10. Si e es NM y e es NS, entonces u es PB, ya que el error es negativo mediano y est a creciendo lentamente, es necesario un toque grande en sentido positivo generado por la se nal de control.
36
11. Si e es NM y e es ZE, entonces u es PB, ya que el error es negativo mediano y este no varia, es necesario un toque grande en sentido positivo generado por la se nal de control. 12. Si e es NM y e es PS, entonces u es PM, ya que el error es negativo mediano y est a decreciendo lentamente, es necesario un toque mediano en sentido positivo generado por la se nal de control. 13. Si e es NM y e es PM, entonces u es ZE, ya que el error es negativo mediano y est a decreciendo medianamente, no es necesario aplicar un torque. 14. Si e es NM y e es PB, entonces u es NM, ya que el error es negativo mediano y est a decreciendo r apidamente, es necesario un toque mediano en sentido negativo generado por la se nal de control.
15. Si e es NS y e es NB, entonces u es PB, ya que el error es negativo peque no y est a creciendo r apidamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 16. Si e es NS y e es NM, entonces u es PB, ya que el error es negativo peque no y est a creciendo medianamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 17. Si e es NS y e es NS, entonces u es PB, ya que el error es negativo peque no y est a creciendo lentamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 18. Si e es NS y e es ZE, entonces u es PM, ya que el error es negativo peque no y este no varia, es necesario un toque mediano en sentido positivo generado por la se nal de control. 19. Si e es NS y e es PS, entonces u es ZE, ya que el error es negativo peque no y est a decreciendo lentamente, no es necesario aplicar un torque. 20. Si e es NS y e es PM, entonces u es NM, ya que el error es negativo peque no y est a decreciendo medianamente, es necesario un toque mediano en sentido negativo generado por la se nal de control.
37
21. Si e es NS y e es PB, entonces u es NB, ya que el error es negativo peque no y est a decreciendo r apidamente, es necesario un toque grande en sentido negativo generado por la se nal de control.
22. Si e es ZE y e es NB, entonces u es PB, ya que el error es cero y est a decreciendo r apidamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 23. Si e es ZE y e es NM, entonces u es PB, ya que el error es cero y est a decreciendo medianamente, es necesario un toque grande en sentido positivo generado por la se nal de control. 24. Si e es ZE y e es NS, entonces u es PM, ya que el error es cero y est a decreciendo lentamente, es necesario un toque mediano en sentido positivo generado por la se nal de control. 25. Si e es ZE y e es ZE, entonces u es ZE, ya que el error es cero y este no varia, no es necesario aplicar un torque. 26. Si e es ZE y e es PS, entonces u es NM, ya que el error es cero y est a decreciendo lentamente, es necesario un toque mediano en sentido negativo generado por la se nal de control. 27. Si e es ZE y e es PM, entonces u es NB, ya que el error es cero y est a decreciendo medianamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 28. Si e es ZE y e es PB, entonces u es NB, ya que el error es cero y est a decreciendo r apidamente, es necesario un toque grande en sentido negativo generado por la se nal de control.
29. Si e es PS y e es NB, entonces u es PB, ya que el error es positivo peque no y est a decreciendo r apidamente, es necesario un toque grande en sentido positivo generado por la se nal de control.
38
30. Si e es PS y e es NM, entonces u es PM, ya que el error es positivo peque no y est a decreciendo medianamente, es necesario un toque mediano en sentido positivo generado por la se nal de control. 31. Si e es PS y e es NS, entonces u es ZE, ya que el error es positivo peque no y est a decreciendo lentamente, no es necesario aplicar un torque. 32. Si e es PS y e es ZE, entonces u es NM, ya que el error es positivo peque no y este no varia, es necesario un toque mediano en sentido negativo generado por la se nal de control. 33. Si e es PS y e es PS, entonces u es NB, ya que el error es positivo peque no y est a creciendo lentamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 34. Si e es PS y e es PM, entonces u es NB, ya que el error es positivo peque no y est a creciendo medianamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 35. Si e es PS y e es PB, entonces u es NB, ya que el error es positivo peque no y est a creciendo r apidamente, es necesario un toque grande en sentido negativo generado por la se nal de control.
36. Si e es PM y e es NB, entonces u es PM, ya que el error es mediano y est a decreciendo r apidamente, es necesario un toque mediano en sentido positivo generado por la se nal de control. 37. Si e es PM y e es NM, entonces u es ZE, ya que el error es mediano y est a decreciendo medianamente, no es necesario aplicar un torque. 38. Si e es PM y e es NS, entonces u es NM, ya que el error es mediano y est a decreciendo lentamente, es necesario un toque mediano en sentido negativo generado por la se nal de control. 39. Si e es PM y e es ZE, entonces u es NB, ya que el error es mediano y este no varia, es necesario un toque grande en sentido negativo generado por la se nal de control.
39
40. Si e es PM y e es PS, entonces u es NB, ya que el error es mediano y est a creciendo lentamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 41. Si e es PM y e es PM, entonces u es NB, ya que el error es mediano y est a creciendo medianamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 42. Si e es PM y e es PL, entonces u es NB, ya que el error es mediano y est a creciendo r apidamente, es necesario un toque grande en sentido negativo generado por la se nal de control.
43. Si e es PL y e es NL, entonces u es ZE, ya que el error es grande y est a decreciendo r apidamente, no es necesario aplicar un torque. 44. Si e es PL y e es NM, entonces u es NM, ya que el error es grande y est a decreciendo medianamente, es necesario un toque mediano en sentido negativo generado por la se nal de control. 45. Si e es PL y e es NS, entonces u es NB, ya que el error es grande y est a decreciendo lentamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 46. Si e es PL y e es ZE, entonces u es NB, ya que el error es grande y este no varia, es necesario un toque grande en sentido negativo generado por la se nal de control. 47. Si e es PL y e es PS, entonces u es NB, ya que el error es grande y est a creciendo lentamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 48. Si e es PL y e es PM, entonces u es NB, ya que el error es grande y est a creciendo medianamente, es necesario un toque grande en sentido negativo generado por la se nal de control. 49. Si e es PL y e es PL, entonces u es NB, ya que el error es grande y est a creciendo r apidamente,es necesario un toque grande en sentido negativo generado por la se nal de control.
40
Esta larga lista de cuarenta y nueve reglas difusas pueden ser resumidas mediante el uso de la tabla llamada Memoria Asociativa Difusa (MAD) mostrada en la gura 3.4.
e e NB NM NS ZE PS PM PB
NB NM NS PB PB PB PB PB PM PB PB PB PB PM PB PB PB PM
ZE PB PB PM
PS PB PM
PM PM
PB ZE
ZE NM NB NB NB NB
ZE NM NB NB NB NB
ZE NM NB NB NB
ZE NM NB NB
ZE NM NB
ZE NM NB
Figura 3.4: Base de reglas que denen la acci on del controlador.
Cuando todas las reglas han sido procesadas, las salidas difusas deben combinarse en una salida u nica mediante el proceso de concreci on o defuzicaci on. El m etodo utilizado en este caso es el del centroide o centro de gravedad, el cual toma el promedio ponderado de todas las salidas difusas para determinar la se nal de control que el controlador enviar a a la planta como se present o anteriormente en la gura 2.16. Este m etodo es el m as utilizado y eciente de los m etodos de defuzicaci on, ya que proporciona variaciones suaves y continuas de la se nal de control [6]. Como se logra ver en la descripci on del desarrollo del controlador, el dise no de este no depende de la obtenci on de un modelo matem atico del sistema que se va a controlar, lo cual se presenta como una gran ventaja debido a la gran dicultad en el proceso de modelado .
DEL SISTEMA DE CONTROL EN SIMULINK R 3.2. IMPLEMENTACION
41
3.2.
Implementaci on del sistema de control en SIMULINK R
3.2.1.
Implementaci on del sistema de control
El controlador basado en l ogica difusa regula la variable controlada para mantenerla en el punto de operaci on mediante el sistema de control en lazo cerrado mostrado en la gura 3.5.
Seal de Control
0 Referencia du/dt Derivative MATLAB Function Controlador Difuso Mxima amplitud de u(t)
Seal de Control
Theta2
Theta1
Theta2
Pndulo Invertido con Rueda de Reaccin Theta1
Figura 3.5: Sistema de control en lazo cerrado. Este sistema en lazo cerrado compara la se nal de referencia de la posici on en que debe permanecer el sistema y la posici on actual en que se encuentra, obteniendo as una diferencia que ser a el error de la posici on. Este error es derivado para conocer su tasa de cambio y a partir de la informaci on de estas dos entradas, el controlador difuso (presentado detalladamente en el Ap endice A) toma la decisi on de como debe ser la se nal de control necesaria para generar un torque en la rueda de reacci on tal que lleve el p endulo a la posici on deseada que es el punto de equilibrio y la entrega a la planta (P endulo Invertido con Rueda de Reacci on). El sistema de control de la gura 3.5 es una representaci on sencilla del sistema de regulaci on de la variable pues este no tiene en cuenta el movimiento que debe efectuar el sistema para llevarlo a la condici on superior de equilibrio, posibles perturbaciones que pueden modicar el estado energ etico del sistema resultantes en la se nal de control o sensores como se mostrar a posteriormente.
42
3.2.2.
Implementaci on del modelo de la planta
Como se mostr o en el primer cap tulo en el cual se desarroll o el modelo matem atico de la planta, esta puede ser modelada por las ecuaciones 1.15 y 1.16, las cuales conforman un conjunto de ecuaciones diferenciales no lineales, donde al reemplazar los valores de las constantes Ka , Kb y Kc , se obtienen las ecuaciones 3.1 y 3.2, las cuales son implementadas en Simulink como se muestra en la gura 3.6.
1 + 78 sin 1 = 1,08u 2 = 198u
(3.1) (3.2)
La inclusi on de una funci on sinusoidal en las ecuaciones diferenciales que modelan el p endulo invertido con rueda de reacci on mostradas, hacen notar que el sistema presenta un comportamiento no lineal, lo cual es uno de los principales temas de estudio en el a rea de sistemas de control.
1 s Integrator 1 s Integrator1
1 Seal de Control
1.08 Kb
78 Ka
sin Trigonometric Function
2 Theta1
198 Kc
1 s Integrator2
1 s Integrator3
1 Theta2
Figura 3.6: Modelo no lineal del p endulo invertido con rueda de reacci on.
Las salidas 1 y 2 representan los a ngulos del p endulo y de la rueda de reacci on respectivamente, y la entrada u es la se nal de control que es aplicada al sistema de la gura 3.6 que est a contenido en el bloque denominado P endulo Invertido con Rueda de Reacci on dentro del sistema de control mostrado en la gura 3.5.
DEL SISTEMA DE CONTROL EN SIMULINK R 3.2. IMPLEMENTACION
43
3.2.3.
Swing Up utilizando regulaci on de energ a
Muchas acciones de control sobre el p endulo se pueden lograr mediante la manipulaci on de la energ a del sistema en lugar de controlar su posici on y su velocidad directamente. En este trabajo se adopt o esta acci on como la forma para hacer el balanceo del p endulo, la cual se realiza al aplicarle a la planta una se nal de control que lleve a la energ a del sistema a su valor en la posici on vertical superior mediante regulaci on de energ a. Para realizar el control de la energ a es necesario comprender c omo la energ a est a inuenciada por la aceleraci on en el pivote, a pesar de que el actuador se encuentre en la parte nal del p endulo. Este se maniesta debido a que el torque generado por el motor es visto en el pivote con igual magnitud pero con sentido contrario y a partir de esto, se plantea un modelo de segundo orden donde la se nal de control ser a directamente el torque, por lo que el sistema queda expresado de la siguiente manera: 1 mgl sin 1 = Ku u Jp (3.3)
Despreciando la fricci on en los acoples mec anicos que se encuentran entre la rueda y la barra y analizando el sistema como un p endulo simple con masa en uno de sus extremos (modelo simplicado ecuaci on (3.3)), la energ a E del p endulo est a dada por la ecuaci on: 1 2 + mgl(cos 1 1) (3.4) E = Jp 2 1 En la ecuaci on (3.4) solo aparece la componente cin etica de la barra y la suma total de la energ a potencial ya que la energ a cin etica de la rueda no inuye sobre la posici on del p endulo. Este supuesto hace v alida la manipulaci on de energ a del modelo simplicado del mecanismo para una acci on de control. Tambi en se ha denido como cero la energ a potencial en la posici on vertical superior (1 =0), por lo cual la regulaci on de energ a tiende a un valor nulo. La implementaci on de funci on de energ a puede verse en la gura 3.7, el cual corresponde al bloque Energ a Sistema donde se calcula la energ a del sistema ingresando el a ngulo de la barra y su respectiva velocidad.
44
0.000112 2 DeltaTheta1 |u| 2 Math Function 0.354446 mgl 1 Theta1 cos Trigonometric Function 1 Constant Product1 Jp/2 Product
1 Energa
Figura 3.7: Implementaci on de operaci on funci on de energ a. Para obtener una acci on de control externa que permita llevar la energ a a estados deseados se busca la relaci on entre la tasa de variaci on de la energ a del sistema y la se nal de control u, de esta forma se obtiene la siguiente expresi on: E 1 1 mgl sin 1 1 = 1 Ku u = Jp 1
(3.5)
De la ecuaci on 3.5 se puede observar la relaci on directa entre la se nal de control y la variaci on de la energ a, sin embargo existen puntos de operaci on para los cuales no se puede inuenciar el cambio en la energ a, esto se presenta en aquellas situaciones donde el m aximo torque generado no es suciente para obtener un cambio deseado. A partir de lo anteriormente planteado y mediante el uso de la teor a desarrollada por Lyapunov acerca de regulaci on de energ a [10], se plantea una funci on u que lleve el p endulo a la posici on vertical superior. La regulaci on de energ a permite que el p endulo comience su balanceo, incrementando su energ a desde -2mgl hasta su valor 0 (cero) en la posici on vertical superior, donde alcanza el punto de equilibrio siendo tomada por la estrategia de estabilizaci on difusa.
DEL SISTEMA DE CONTROL EN SIMULINK R 3.2. IMPLEMENTACION La se nal de control para realizar el balanceo ser a: u = K (E E0 ) sign (1 )
45
(3.6)
En la implementaci on de la ecuaci on (3.6) mostrada en la gura 3.8 podemos observar como la regulaci on de energ a dada por la diferencia entre la energ a nal y la energ a de referencia o deseada que es aproximadamente cero (E0 = 0,00005J ) esta afectada por un par ametro K de dise no y por la funci on signo(x) la cual direcciona la se nal de control de modo que no contrarreste el movimiento del p endulo. Para esta funci on se considera que el sistema inicialmente se encuentra en la posici on vertical inferior.
2 Energa Product1 0.00005 Eo 8 Kenerga Product2 1 Seal de Control
1 Theta1
du/dt Derivative Signo
Figura 3.8: Regulaci on de energ a. El desarrollo anteriormente enunciado gener o los componentes para el balanceo del p endulo los cuales est an conectados como se muestra en la gura 3.9 correspondiente a la implementaci on del controlador Swing-Up en SIMULINK. Esta implementaci on toma el a ngulo 1 de la barra del p endulo para realizar los c alculos de la energ a y obtener la se nal de control, adem as toma el valor absoluto de 1 para compararlo en un switch, en el cual dar a como salida la se nal de control mediante regulaci on mientras que el angulo de la barra no este entre 60o (-60o 1 60o ), dada esta condici on el switch conmutar a y la salida ser a nula.
46
1 Theta1
|u| Valor Absoluto

Theta1 Theta1 Energa Energa Seal de Control
1 Seal de Control
du/dt Derivative
DeltaTheta1
Regulacin Energa
Energa Sistema 0 Energa Constante
Switch
Figura 3.9: Sistema de control utilizando regulaci on de energ a para swing up. Teniendo este sistema de control para el balanceo y el sistema de difuso para el control local, se obtiene el sistema de control para el p endulo mostrado en la gura 3.10.
Theta1
Seal de Control
Seal de Control Swing-Up mediante regulacin de energa

Theta2 z zmod Seal de Control
Theta2
Theta1
Modulador entre -pi y pi
Mxima amplitud de u(t) Conmutacin entre controladores
Pendulo Invertido con Rueda de Reaccin
Theta1
Theta1
Seal de Control
Control local mediante lgica difusa
Animacin Pndulo
Figura 3.10: Sistema de control del p endulo invertido con rueda de reacci on. Es importante recordar que el balanceo o Swing Up del p endulo invertido con rueda de reacci on no es el tema central del trabajo, por lo tanto, no se profundizar a en el comportamiento de este sistema durante la etapa del balanceo.
3.3. SIMULACIONES
47
3.3.
3.3.1.
Simulaciones
Comportamiento del sistema controlado
Durante esta secci on se presentan pruebas de simulaci on realizadas al sistema de control mostrado en la gura 3.10 con el n de observar el comportamiento del p endulo invertido con rueda de reacci on ante distintos tipos de perturbaciones cuando se encuentra en el punto superior de equilibrio debido a que este trabajo pretende mostrar el comportamiento de la planta cuando se encuentra bajo la supervisi on del controlador basado en l ogica difusa. El comportamiento normal del sistema al no encontrarse afectado por perturbaciones se muestra en las guras 3.11, 3.13 y 3.14.
6 5 ngulo del Pndulo (rad) 4 3 2 1 0 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.11: Comportamiento de a ngulo 1 del p endulo ante el sistema de control. Se puede observar en la gura 3.11 que el controlador basado en regulaci on de energ a, hace un balanceo al p endulo con el n de acercarlo a la posici on de equilibrio aplicando una se nal de control en regiones por fuera del rango [-0.8726, 0.8726] rad. Esto tarda aproximadamente 11s, pues este controlador fue dise nado con el n de que no aplicara fuertes se nales de control ya que a pesar de que lograr a un balanceo m as r apido, conllevar a a que el p endulo pasara por el punto superior de equilibrio con demasiada fuerza haciendo que el controlador local difuso no fuera capaz de mantenerlo dentro del rango.
48
1 0.8 0.6
Energa del Sistema (J)
0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 -1 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.12: Se nal de energ a del sistema durante el balanceo y control local. Como se ve en la gura 3.12, el sistema de control mediante regulaci on de energ a realiza el balanceo hasta que la energ a del sistema sea nula, lo cual se realiza durante los aproximadamente 11s que dura el balanceo. El comportamiento de la energ a no se mostrar a posteriormente puesto que no es objeto de estudio en este trabajo.
10
5 Seal de Control
-5
-10 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.13: Se nal aplicada al motor para controlar el p endulo. El la gura 3.13 se logra observar que la se nal aplicada se mantiene dentro del rango y que su m aximo valor se presenta en el instante en que el controlador difuso toma dominio sobre el accionar del p endulo, pues este se encuentra muy alejado de la posici on de equilibrio.
3.3. SIMULACIONES
49
0.2 0.15 ngulo del Pndulo (rad) 0.1 0.05 0 -0.05 -0.1 -0.15 -0.2 11 12 13 14 15 16 Tiempo (s) 17 18 19 20 21
Figura 3.14: Comportamiento del p endulo alrededor del punto de equilibrio. Cuando el p endulo entra en el rango [-0.1745, 0.1745] rad, empieza a actuar el controlador basado en l ogica difusa el cual termina de llevarlo suavemente al punto de equilibrio como se muestra en la gura 3.14, donde se logra ver que el controlador difuso dise nado a partir del an alisis cualitativo del comportamiento deseado del sistema, logra mantenerlo en esta posici on.
3.3.2.
Comportamiento del sistema bajo perturbaciones
Frecuentemente, los sistemas de control son evaluados a partir de la respuesta que presenten ante alg un tipo de perturbaciones que puedan resultar durante su operaci on, no queriendo decir esto, que un sistema debe tener buena respuesta a todo tipo de perturbaci on. Por consiguiente, se aplicar an algunas perturbaciones para observar el comportamiento del p endulo invertido con rueda de reacci on ante ellas. Perturbaciones en la se nal de control A los sistemas din amicos se les altera su estado energ etico cuando resultan perturbaciones introducida por la se nal de control. Una alteraci on instant anea es representada por la funci on Delta de Dirac [11], que es una funci on de duraci on cero y de gran amplitud. Para realizar las pruebas con el n de observar la respuesta del controlador a dichas perturbaciones, se introdujeron dos pulsos como se muestra en la gura 3.15, con duraci on de 100ms, periodos de diez segundos, amplitudes de diez UI con
50
distintas polaridades en los instantes 17s y 21s donde ya est a actuando el controlador local.
Pulsos Positivos
Theta1 Seal de Control
Swing-Up mediante regulacin de energa
Pulsos Negativos
Theta2
Seal de Control
z zmod
Seal de Control
Theta2
Theta1
Modulador entre -pi y pi Conmutacin entre controladores
Mxima amplitud de u(t)
Theta1
Theta1
Seal de Control
Animacin Pndulo
Figura 3.15: Sistema de control bajo perturbaciones en la se nal de control. Las perturbaciones se realizaron con pulsos positivos y negativos de igual magnitud, obteniendo un comportamiento mostrado en las guras 3.16, 3.17 y 3.18.
Figura 3.16: Comportamiento del p endulo ante perturbaciones en la se nal de control.
3.3. SIMULACIONES
51
En la gura 3.16 se puede observar que sin importar que el sistema es perturbado por un pulso con una amplitud igual a la m axima que le puede ser aplicada como se muestra en la gura 3.17, el sistema se mantiene cerca la posici on de equilibrio.
10 8 6 4 Seal de Control 2 0 -2 -4 -6 -8 -10 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.17: Se nal de control perturbada aplicada al sistema.
0.2 0.15 0.1 ngulo del Pndulo (rad) 0.05 0 -0.05 -0.1 -0.15 -0.2 15 16 17 18 19 20 Tiempo (s) 21 22 23 24 25
Figura 3.18: Comportamiento alrededor del punto de equilibrio ante las perturbaciones. Los pulsos aplicados afectan la posici on del p endulo, desplaz andolo hasta aproximadamente un a ngulo de 0.055 rad (es decir 3,15o ) como se puede observar en la gura 3.18, pero esto es corregido por el controlador difuso que tarda aproximadamente 1.3s en devolverlo a su posici on de equilibrio.
52
Perturbaciones en sensores Algunas ocasiones cuando el sistema est a operando, los sensores que se utilizan para medir las variables que act uan en el, entregan medidas err oneas debido a fallos ocurridos por distintos motivos como lo son la sintonizaci on, el ajuste, entre otros. El p endulo invertido con rueda de reacci on cuenta con dos sensores los cuales miden el a ngulo del p endulo y el a ngulo de la rueda siendo este u ltimo, de poca importancia pues no se le est a realizando control directamente a la rueda as que esta puede girar libremente mientras no afecte la posici on del p endulo. Con el n de evaluar que tan sensible es el controlador ante este tipo de errores por la medici on, a la se nal que contiene el valor medido del a ngulo 1 (posici on angular del p endulo) se le sum o una se nal sinusoidal de peque na amplitud y poca frecuencia, como se muestra en la gura 3.19, consiguiendo as , que el sistema de control reciba una medida errada de la posici on del p endulo.
Theta1
Seal de Control
Seal de Control Swing-Up mediante regulacin de energa

Theta2 z zmod Seal de Control
Theta2
Theta1
Theta1
Theta1
Seal de Control
Animacin Pndulo
Perturbacin en Encoder
Figura 3.19: Sistema de control con perturbaciones en el sensor.
3.3. SIMULACIONES
53
La se nal sinusoidal que representa la perturbaci on obtenida en el sensor que mide 1 tiene una amplitud de 0.01745 rad (1o ) y una frecuencia de 4 rad/s, obteniendo de esta manera, un comportamiento del controlador como se muestra en la gura 3.20.
Figura 3.20: Comportamiento del angulo 1 del p endulo ante perturbaci on en sensores. Al encontrarse afectado el sistema de esta manera, el controlador siempre ver a un a ngulo distinto al real, aplicando una se nal de control como se muestra en 3.21. Debido a que el controlador siempre enviar a una se nal de control por no recibir el valor real de la posici on donde se encuentra el p endulo, este siempre estar a oscilando alrededor del punto de equilibrio como se muestra en la gura 3.22.
Perturbaci on en encoder y en se nal de control Muchas veces los sistemas de control no son perturbados por una u nica se nal, present andose un mal escenario ante el cual el controlador debe tener una buena respuesta haciendo que la planta se mantenga dentro del rango de operaci on. El sistema es perturbado por la combinaci on de las dos perturbaciones planteadas
54
10 8 6 4 Seal de Control 2 0 -2 -4 -6 -8 -10 0
10
15
20
25 Tiempo (s)
30
35
40
45
50
Figura 3.21: Se nal de control enviada al sistema debido a medida err onea en sensores.
0.2 0.15 0.1 ngulo del Pndulo (rad) 0.05 0 -0.05 -0.1 -0.15 -0.2 15 16 17 18 19 20 Tiempo (s) 21 22 23 24 25
Figura 3.22: Oscilaciones alrededor del punto de equilibrio por perturbaci on en encoder.
de igual manera que las ya presentadas, es decir, se agregaron perturbaciones con amplitudes de 10 (UI), periodos de 10s y con duraci on de 10ms en los instantes 20s y 25s, a la vez que el sistema tiene un error en la medida debido a fallos en el encoder que es representada por una se nal de forma sinusoidal, amplitud de 0.01745 rad (1o ) y una frecuencia de 4 rad/s como se muestra en la gura 3.23, obteniendo un comportamiento en la planta como se muestra en la gura 3.24, donde se observa que el controlador logra que el sistema permanezca dentro del rango de operaci on.
3.3. SIMULACIONES
55
Pulsos Positivos
Theta1 Seal de Control
Swing-Up mediante regulacin de energa
Pulsos Negativos
Theta2
Seal de Control
z zmod
Seal de Control
Theta2
Theta1
Theta1
Theta1
Seal de Control
Animacin Pndulo
Perturbacin en Encoder
Figura 3.23: Sistema de control del p endulo con perturbaci on en encoder y se nal de control.
6 5 ngulo del pndulo (rad) 4 3 2 1 0 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.24: Comportamiento del p endulo con perturbaci on en encoder y se nal de control.
56
Debido a las perturbaciones, con el n de mantener el sistema en la posici on de equilibrio se hace necesario que el controlador env e fuertes se nales de control la mayor parte del tiempo como se muestra en gura 3.25, debido a que el sistema de control siempre ver a el p endulo en una posici on distinta a la verdadera.
10 8 6 4 Seal de Control (UI) 2 0 -2 -4 -6 -8 -10 0 5 10 15 20 25 Tiempo (s) 30 35 40 45 50
Figura 3.25: Senal de control para contrarrestar las perturbaciones en encoder y se nal de control.
0.2 0.15 ngulo del pndulo (rad) 0.1 0.05 0 -0.05 -0.1 -0.15 39 40 41 42 43 44 Tiempo (s) 45 46 47 48 49
Figura 3.26: Oscilaciones alrededor del punto de equilibrio por perturbaciones en encoder y se nal de control.
3.3. SIMULACIONES
57
Al recibir las perturbaciones simultaneas, el sistema tiende a alejarse una distancia considerable de la posici on de equilibrio (1 = 0) llegando hasta valores como 0.12 rad (aproximadamente 7o ). A pesar de estas perturbaciones el sistema de control tiene la capacidad de mantener el p endulo dentro del rango como se muestra en la gura 3.26.
58
Cap tulo 4 CONCLUSIONES

El proceso de modelado del p endulo invertido con rueda de reacci on es una compleja tarea que requiere de un profundo conocimiento matem atico y de un minucioso an alisis del comportamiento f sico, siendo esta una de las grandes dicultades que se presenta durante el dise no de un sistema de control. Actualmente, existe gran cantidad de planteamientos te oricos alrededor de la l ogica difusa para la aplicaci on en distintas a reas de la ciencia. El dise no de sistemas de control autom atico no ha sido la excepci on, puesto que se han desarrollado herramientas con las cuales se incorporan sentencias ling u sticas al dise no de una tarea de control. Esto resulta bastante conveniente ya que permite incluir el conocimiento emp rico de los operadores del proceso. La correcta operaci on del sistema de control utilizando l ogica difusa depende u nicamente de que tan minucioso sea el an alisis del comportamiento de la planta y la descripci on mediante sentencias ling u sticas obtenidas del operador, logrando as , evitar la dif cil tarea de representar matem aticamente el sistema que se desea controlar. Debido a que no existen criterios matem aticos para evaluar el controlador difuso, esta metodolog a introduce problemas de ndole pr actico, ya que despu es de atravesar el proceso de dise no y obtener resultados (pobres) no satisfactorios, obliga a redise nar el controlador en su totalidad.
59
60
CAP ITULO 4. CONCLUSIONES Una desventaja de este m etodo radica en los altos costos de procesamiento que se deben realizar entre instantes de muestreo, pues se incorpora el tiempo de procesamiento del fusicador y defusicador al lazo de control, tiempo que es mayor en comparaci on al tiempo de procesamiento necesario. El sistema de control difuso demuestra ser robusto ante perturbaciones introducidas en la se nal de control y ruidos en los sensores logrando mantener el sistema cerca a la referencia.
Bibliograf a
[1] M. SPONG and K. J. AMSTRON, The Reaction Wheel Pendulum, 2001. [2] Q. I. Educate, Mechatronics Control Kit Model M-1, 2001. [3] L. ZADEH, Fuzzy sets, Information and control, pp. 338353, 1965. [4] , Is there need for fuzzy logic? IEEE, pp. 13, 2008. [5] S. KOURO and R. MUSALEM, Control mediante l ogica difusa, T ecnicas modernas automaticas, pp. 17, 2002. [6] A. ALZATE, Control Difuso. Universidad Tecnologica de Pereira, 2001. [7] J. HILERA and V. JIMENEZ, Redes Neuronales Articiales. Fundamentos, modelos y aplicaciones., Rama, Ed., 1995. [8] D. GIRALDO and I. TABARES, Control de velocidad de un motor dc utilizando l ogica difusa, Scientia Et Technica, no. 9, pp. 111119, Abril 1999. [9] H. ACOSTA, Dise no de controladores dedicados a la logica difusa. Ph.D. dissertation, Universidad Aut onoma de Madrid, Octubre 2006. [10] H. KHALIL, Nonlinear Systems. Prentice Hall, 2001. [11] LATHI, Introducci on A La Teor a Y Sistemas de Comunicaci on, E. Limusa, Ed. Grupo Noriega Editores, 1999.
61

N 677

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

N 677

Încărcat de

Drepturi de autor:

Formate disponibile

CONTROL LOCAL UTILIZANDO LOGICA DIFUSA DEL PENDULO INVERTIDO CON RUEDA DE REACCION

Juan Diego Nieto Cardona

Juan Guillermo Valenzuela Hern andez

Juan Diego Nieto Cardona

Juan Guillermo Valenzuela Hern andez

Proyecto de grado presentado para optar por el t tulo de Ingeniero Electricista

Director MEE. D dier Giraldo Buitrago

Director del programa

Director del proyecto

Fecha de aceptaci on: Marzo 8 de 2012

viii 3.2. Implementaci on del sistema de control en SIMULINK R

Cap tulo 1 PENDULO INVERTIDO CON RUEDA DE REACCION

CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION

Figura 1.1: Imagen real de la planta.

1.2. MODELO DEL SISTEMA

Modelo del sistema

Figura 1.2: Representaci on esquem atica del sistema.

CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION

1.2. MODELO DEL SISTEMA

CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION

Modelo Din amico del Motor

Figura 1.3: Representacion esquematica del motor electrico.

1.4. SENAL DE CONTROL

CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION

Para el modelo se dene que:

1.4. SENAL DE CONTROL

Parmetro K R L Imax Vmax wmax

Valor 27,4x10 -3 12,1 0,00627 1,8 22 822

Unidades Nm/A H A V rad/s

CAP ITULO 1. PENDULO INVERTIDO CON RUEDA DE REACCION

Cap tulo 2 LOGICA DIFUSA

CAP ITULO 2. LOGICA DIFUSA

Viernes Sabado Domingo Lunes Razonamiento de la lgica clasica.

Viernes Sabado Domingo Lunes Razonamiento de la lgica difusa.

Figura 2.1: Conjunto de d as que pertenecen al n de semana.

2.2. CONJUNTOS DIFUSOS

CAP ITULO 2. LOGICA DIFUSA

1.55 m 1.65 m 1.75 m 1.85 m Clasificacin utilizando lgica clasica.

1.55 m 1.65 m 1.75 m 1.85 m Clasificacin utilizando lgica difusa.

CAP ITULO 2. LOGICA DIFUSA

Variable ling u stica

0.0 600 1200 1800

2.2. CONJUNTOS DIFUSOS

CAP ITULO 2. LOGICA DIFUSA

Operaciones b asicas entre conjuntos difusos

Figura 2.5: Complemento de un conjunto difuso.

Figura 2.6: Uni on entre conjuntos difusos.

Sistemas de control basados en l ogica difusa

CAP ITULO 2. LOGICA DIFUSA

Seal de control (no difusa)

Sistema controlado (Proceso)

Seal de salida (no difusa)

Figura 2.9: Conguraci on del sistema difuso.

2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA

x<a axb bxc cx membres a.

Figura 2.10: Construcci on de una funci on de

CAP ITULO 2. LOGICA DIFUSA

IF T es NL AND P es ZE THEN Y es PL. IF T es ZE AND P es PM THEN Y es NM. IF T es PM AND P es NM THEN Y es ZE.

2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA

Interfaz de difusi on (Fuzicaci on)

CAP ITULO 2. LOGICA DIFUSA

Figura 2.13: Proceso de difusi on de una medida de temperatura.

2.3. SISTEMAS DE CONTROL BASADOS EN LOGICA DIFUSA