PENDULO INVERTIDO

Luis Fernández, Santiago Redrovan, Xavier Cárdenas

UNIVERSIDAD POLITECNICA SALESIANA

INFORMATICA INDUSTRIAL

Abstract.- This report will be released a brief introduction to
fuzzy logic and its application to the drivers as the combination
of a conventional controlled diffuse das resulting robust
systems and tolerate fault,, then control pendulum submit
invested.
Palabras Clave.- Fuzzy, Péndulo, Matlab, Control.
alternativa a las redes neuronales convencionales, en el
mundo que vivimos existe mucha información y
conocimiento ambiguo e impreciso por naturaleza, el
razonamiento humano actúa con este tipo de
información.

I. OBJETIVOS III. MARCO TEÓRICO

Diseñar, implementar y controlar un péndulo invertido

mediante el software Matlab y labiew para comprobar la
eficiencia de los controladores difusos
Objetivos específicos
 Conocer la lo conceptos de lógica difusa
 Definir la reglas de control
 Obtener los conjuntos difusos
 Implementar el control difuso
 Controlar la plataforma
II. INTRODUCCIÓN
En la década de los años 60, la bilocación de lotfi Asher
Zadeh, conjuntos difusos, sienta la bases de una nueva
forma de lógica, que permite a los sistemas tomar
decisiones cuando los humanos no pueden debido a que
se maneja información imprecisa. La lógica difusa fue
creada pasa emular el comportamiento y pensamiento
de la lógica humana y tomar decisiones correctas a pesar
de la dificultad que presenta la información inexacta. La
lógica difusa es un sistema que se basa en reglas
lingüísticas o motor de inferencia dictadas por expertos,
por lo que decimos que un sistema difuso no aprende
información como las redes convencionales, debido a
que en la lógica difusa las reglas son dictadas por un
experto y no por aprendizaje.
A) LÓGICA DIFUSA
Concepto la lógica difusa es un conjunto de principios
matemáticos que se basa en grados de pertenencia, para
modelar la información de entrada, este modelado se
hace con base en reglas lingüísticas que aproximan una
función mediante la relación de entradas y salidas del
sistema en cuestión. Este sistema asigna rangos de
pertenecía en un intervalo de 0 a 1.
B) CONJUNTO DIFUSO
Un conjunto difuso son todos los elementos del sistema
con un grado de pertenencia generalmente el conjunto
difuso se entra asociado por una función de pertenencia
que [puede tomar valores entre 0 y 1, la transición entre
estos dos valores es gradual. Se puede definir por la
siguiente ecuación
A = {(x, μA (x))|x ∈ U (1)
Donde
Donde μA (x) es la función de partencia de la variable
lingüística X, y U es el universo de discurso.

En la actualidad las aplicaciones de lógica difusa se han

desarrollado notablemente ya que la lógica difusa es una

Figura1. Ejemplo de conjuntos difusos [1].
C) FUNCIONES DE PERTENENCIA
Una función de pertenencia es una función matemática
que designa el grado de pertenencia de un elemento al
conjunto difuso correspondiente. Es decir es una función
de un conjunto difuso, sobre un universo de discusión,
donde cada elemento del conjunto le corresponde un
valor entre 0 y 1,el cual designa el grado de pertenencia
del elemento al conjunto difuso .
Las funciones de pertenencia más utilizadas son:
Triangular
Figura2.Funcion de trasferencia para un conjunto difuso
triangular [3].
Trapezoidal
Figura3. Función de trasferencia para un conjunto difuso
trapezoidal [3].
Función de implicación
La función de implicación es la función entre la
relación del antecedente y consecuente de una regla
[7].
D) CONTROL DIFUSO
L lógica difusa permite manejar información
inexacta por lo tanto un controlador difuso maneja
expresiones o reglas que son integradas o se
encuentran dentro de un bloque llamado motor de
inferencia, dicho motor de inferencia son en base al
conocimiento de un experto que crea la reglas que
dará al sistema la capacidad de tomar las decisiones
correctas sobre una determinada acción que se
presente al sistema [1][4].
Por lo tanto el control difuso consta de 3 partes las
cuales son
 Fuzificacdor
 Motor de inferencia
 Defuzificador
Figura4.estructura de un modelo difuso [2].
Estas tres partes pueden ser conocidas también como
antecedente (fuzificación), reglas difusas (motor de
inferencia), defusificación (consecuente). El motor
de inferencia previamente descrito no es más que las
reglas dadas por el experto.
E) FUSIFICACION
La fusificacion tiene como objetivo asignar el grado de
pertenencia a la entrada, es decir asigna el grado de
pertenencia a la entrada a un conjunto difuso
previamente establecido en las reglas difusas [1][4].
Defusificacion
La defusificacion tiene como objetivo de la salida del
motor de inferencia establecer un valor finito a los
valores difusos, que serán valores reales de salida del  neglarge
controlador la fusificacion utiliza métodos matemático  negsmall
como el centroide , método del promedio ponderado  zero
para establecer el valor finito [1][4].  possmall
F) PENDULO INVERTIDO.  poslarge

La lógica de estas reglas están representadas por valores

Este modelo es una de las aplicaciones clásicas dentro de numéricos.
control, con múltiples aplicaciones que van desde el uso
militar al análisis del cuerpo humano.  Neglarge representa “-2”
 Negsmall representa “-1
El sistema con el que vamos a trabajar consistes en un
 Zero representa “0”
carro sobre el cual se encuentra montado dicho péndulo
 Possmall representa “1”
invertido y sujetado mediante un pivote sin fricción
 Poslarge representa “2”
alguna. El carro es movido mediante un motor que ejerce
una fuerza horizontal, esta es la fuerza de control (véase Las reglas para el controlador difuso están definidas por
figura 5). la siguiente tabla, donde son interpretadas de manera
numérica.

IV. DESARROLLO

Para solucionar el problema de péndulo invertido, se

debe introducir componentes al controlador difuso para
que pueda tener equilibrio. Estos componentes
Tabla1. Condiciones para realizar las reglas.
dependen el sistema de fuerzas dentro del péndulo.
En este sistema tenemos 25 reglas por ejemplo:

1. Si el error es “neglare” y cambio de error es

“neglare”, entonces la fuerza es “poslarge”
2. Si el error es “zero” y el cambio de error es
“negsmall”, entonces la fuerza es “negsmall”
3. Si el error es “poslarge” y el cambio de error es
“negsmal, entonces la fuerza es “”negsmall”
Figura 5. Diseño de péndulo invertido

Los componentes son los siguientes: Todos los componentes involucrados en sistema, como
r: posición angular deseada las entradas, salidas, reglas, ect. Están basado en
funcionamiento del péndulo invertido encontrado en el
u: fuerza de entrada libro Fuzzy Control de Kevin M. Passino[3].
y: angulo con la vertical.

El Sistema de pendulo invertido existen conjuntos IMPLEMENTACION EN MATLAB

difusos, los cuales describen las entradas para el Sistema.
Los conjuntos difusos son: error, cambio de erro, y fuerza Con las reglas ya definidas, se procede a crear el sistema
como salida. en el toolbox de MATLAB. En la primera ventana
definimos las entradas y salidas.
Las variables lingüistas para estos conjuntos están
definidos por :
 Figura 8. Asignación de salidas e universo de discusión.
Figura 6. Editor de toolbox fuzzy
Cuando se han definido todas las características de las
Dentro de las entradas definimos las, variables
entradas y salida, se ingresan las reglas creadas
linguisticas, el universo de discurso, el tipo de función de
anteriormente dentro del bloque de entrenamiento
pertenencia.
“mamdani”.
El universo de discurso para las entradas y salidas son las
siguientes.
𝜋 𝜋
Error =[- 2 , 2 ]
𝜋 𝜋
Cambio error =[-4 , 4 ]

Fuerza= [-30,30]

Figura 9. Asignación de reglas para en sistema difuso.

Cuando las señales de entrada, salida y reglas se han

definido, se debe guardar el archivo con una extensión
.fis para poder utilizarlo al momento de generar el
controlador en simulink.

Es necesario implementar un modelo matemático del

péndulo invertido en simulink para realizar las pruebas
necesarias en el controlador difuso.

Figura 7. Asignación de variables lingüísticas, universo de discusión.

 Figura 10 . Modelo matemático de péndulo invertido.
El modelo matemático, es utilizado como subsistema
dentro del bloque completo del controlador difuso para
la simulación del péndulo. Dentro del controlador
mediante el bloque Fuzzy Logic Controller cargamos el
archivo anteriormente creado, donde se indicaban las
entradas, salidas, conjuntos difusos y universo de
discurso.
Figura 11. Controlador difuso
SIMULACIONES
Al ejecutar simulink debemos verificar las grafics
obtenidas por el controlador.
Figura 12. Salida del péndulo invertido
Figura 13. Fuerza aplicada al péndulo invertido.
Esta grafica indica la posición angular y la fuerza aplicada,
en donde se puede observar que el sistema se estabiliza
de correcta manera.
Esto quiere decir que el péndulo se encuentra en
equilibrio, puesto que tanto la fuerza como el ángulo
están en equilibrio manteniendo al péndulo en posición
vertical.
V. CONCLUSIONES
-El modelo matemático de la planta es una característica
muy importante en el momento de simulación ya que
nos permite conocer las condiciones iniciales a la que va
a ser sometida en el proceso de simulación, el bloque
fuzzy nos brinda el archivo.fis que contiene el conjunto
de reglas difusas para el péndulo, la planta, el
controlador difuso de manera conjunta con el bloque
fuzzy son las herramientas necesarias y principales para
la simulación del mismo, hay que considerar aspectos
muy importantes en la hora de simulación con el
controlador difuso donde existe una mejora en el
sistema concluyendo con cada uno de los resultados que
se expresa en la lógica difusa debido a las premisas de las
reglas compuestas que hemos realizado para concluir
este trabajo correspondiente.
- Las entradas del controlador difuso son: error y cambio
de error, como se expresa en la creación del archivo.fis,
una ventaja importante de este tipo de controlador es
mejorar los tiempos de respuesta con respecto a otros
tipos de controladores. Debido a esto se crean reglas
para cada uno de los casos que pueda generar el
sistemas, estas reglas están involucradas directamente
con los conjuntos difusos y el grado de pertenecía de los
mismos.

BIBLIOGRAFÍA

[1] Control Difusos Control Pid, Dr. Virgilio Lopez

Morales, Universidad autónoma del Estado de
Hidalgo
[2] Diseño de Equipos Didactictos para Prácticas de
Laboratorio de Control Automatico”, LYMA Byron,
Tesis U.P.S Faculktad de ingeniería electrónica,
Guayaquil, Noviembre del 2010
[3] Kevin M. Passino, Fuzzy Control, Department of
Electrical Engineering, Ohio University, 1997

[4] “Kartalopoulos, S., Understanding Neural Networks

and Fuzzy Logic, IEEE PRESS, NY, 1994
[5] Jang, J., et al, Neuro-Fuzzy and Soft Computing,
Prentice Hall, 1997
[6] Yager, R., Filev, D., Essentials of Fuzzy Modeling and
Control, Wiley Interscience, NY, 1999