Documente Academic
Documente Profesional
Documente Cultură
Estas transparencias se han realizado contando con los apuntes confeccionados sobre el
tema por los profesores Felipe Espinosa y Luis M. Bergasa
convencional
Controlador borroso
Reference Outputs
Inputs
Input y(t)
u(t) Proceso
r(t)
Reference
Inputs Outputs
Input Controlador Proceso (Process) y(t)
r(t) u(t)
Evaluación diseño
Manuel Mazo y Marta Marrón. Departamento de Electrónica 7
Diseñodesistemasdecontrolconvencional
Modelado matemático:
Fundamental para obtener un buen comportamiento del sistema realimentado.
Es importante conjugar, para obtener el modelo, tanto el estudio físico como la
identificación utilizando datos experimentales.
Por muy bueno que sea el modelo nunca será un fiel reflejo de la planta (pero en
muchos casos un modelo aproximado es suficiente).
Diseño del controlador:
A nivel de algoritmo: estabilidad, rechazo a perturbaciones externas, insensibilidad a
variaciones de parámetros de la planta, régimen transitorio, régimen permanente.
A nivel de implementación: simplificación hardware, disponibilidad de sistemas
electrónicos, mantenimiento, fiabilidad, costes de desarrollo, etc.
A nivel de soluciones: si se trata de sistemas lineales con modelo de función de
transferencia: PID´s, red cero-polo; si VVEE: realimentación del vector de estado
con o sin observadores. Se pueden usar técnicas óptimo, robusto y adaptativo.
Evaluación del diseño:
Estudio matemático basado en el modelo de la planta.
Simulación del sistema en lazo cerrado.
Ensayo experimental.
Manuel Mazo y Marta Marrón. Departamento de Electrónica 8
Diseñodesistemasdecontrolborroso
Desborrosificación
Inputs
Borrosificación
(Defuzzification)
(Fuzzification)
lógicaborrosa
Incluye (a grandes
rasgos):
Entradas borrosas Salidas borrosas
Variables Conjuntos Borrosos Conjuntos Borrosos Variables
de entrada Funciones de pertenencia Funciones de pertenencia de salida
2.- Definir todos los conjuntos borrosos y el valor lingüístico, asociado a cada uno:
Variable: Temperatura
Valores lingüísticos: negativa_alta, negativa_baja, cero, positiva_baja, positiva_alta
Variable: Edad
Valores lingüísticos: muy_joven, joven, maduro, viejo
3.- Para cada conjunto (valor lingüístico) definir una función de pertenencia
o inclusión (membership function) que indique el grado en que una variable “x”
está incluida en los conceptos representados por las variables lingüísticas.
μi (x) indica el grado en que “x” está incluida en el conjunto “i”.
A μi (x) se le conoce como función de pertenencia de “x” en “i”.
El valor de pertenencia tiene que variar entre 0 y 1.
Manuel Mazo y Marta Marrón. Departamento de Electrónica 13
Borrosificación: Casode“Lógicaclásica”
Ejemplo:Edaddelaspersonas
MJ JO MA VI
μMJ (x) μJO (x) μMA (x) μ VI (x)
1
0
0 10 30 60 100 x =
edad
Con conjuntos booleanos μi(x) sólo puede tomar dos valores: 0 ó 1.
μi(x) = 0 indica negación, μi(x) = 1 indica afirmación.
x = edad = 27 años: μMJ(x) = 0, μJO(x) = 1, μMA(x) = 0, μVI(x) = 0
MJ JO MA
VI
μMJ (x) μJO (x) μMA (x)
1 μ VI (x)
0.6
0.4
0
0 10 27 30 60 100 x = edad
0 .8 0.8
0 .6 0.6
0 .4 0.4
0 .2 0.2
0
0
0 2 4 6 8 10
0 2 4 6 8 10
0 0 0
Manuel
0 Mazo
2 y Marta
4 Marrón.
6 Departamento
8 10 de0 Electrónica
2 4 6 8 10 0 2 4 6 16
8 10
Inferencia:Reglasborrosas
Para poder expresar algo útil es necesario hacer frases completas. Las
afirmaciones condicionales, reglas if-then, son las que lo hacen posible.
Casode“Lógicaclásica”
Sean dos conjuntos A y B, asociados a la variable x.
Se definen tres funciones básicas:
0 0 0 0 1
0 1 0 1 1
1 0 0 1 0
1 1 1 1 0
Casode“Lógicaborrosa”
Sean dos conjuntos A y B, asociados a la variable x.
Se definen tres funciones básicas: intersección (AND), unión (OR) y
complemento
1. Intersección (AND) borrosa (norma triangular): B A
Alternativa 1:
mín (A,B): μA∩B (x) = min[μA(x), μB(x)] min(A,B)
Alternativa 2:
prod(A,B): μA∩B (x) = [μA(x).μB(x)] B A
prod(A,B)
1. Unión (OR) borrosa (co-norma triangular):
Alternativa 1:
máx(A,B): μAB(x) =max[μA(x), μB(x) ] B A
Alternativa 2 (suma algebraica):
probor(A,B): μAB(x) =[μA(x)+μB(x) - μA(x).μB(x)] max(A, B)
B A
1. Evaluar para cada entra (x1, x2, …), en función de su valor actual, la
función de pertenencia: μF1(x1), μF2(x2), μF3(x3)… certeza con que la
variable de entrada “xi“ pertenece al conjunto borroso Fi
2. Evaluar la función “and”, para obtener μpremisa (n). Existen dos alternativas:
Mínimo: µ p = m
r e m( n ) i s a iµ nF 1 ( {x 1 ) µ, F 2 ( x 2 ) µ, F 3 (x3) }
Producto: µ p = µ F 1 ( x 1 ) ⋅µ F 2 ( x 2 ) ⋅ µ F 3 ( x 3 )
r e m( n ) i s a
A B
μA(x)=0.6 μA(x)
μB(y)=0.4 μB(y)
x y
μpremisa(1) = min{μA(x) , μB(x)} = 0.4: “tenemos una certeza de 0.4 de que esta
regla (regla 1) es aplicable a la situación actual (valores actuales)”
Truncamiento (chop off the top): μregla_n (u) = mín{μPremisa(n) , μacción (n) (u)}
u
Manuel Mazo y Marta Marrón. Departamento de Electrónica 25
Inferencia
Ejemplo:Controldefrenado
A x = { A x1 , A x2 , A x3 } = { b a , mj a e , ad li } ta a
Valores entradas de distancia
A y = { A 1y , A y2 , A y3 } = { m _u p y e q , up e ñq , agu re añ } na d
Variable de salida: u= fuerza_sobre_ freno
Valores de salida:
B u = { B u1 , A u2 , A u3 } = { m _u f y u e , fr u t ee , d r et e} b i l
Manuel Mazo y Marta Marrón. Departamento de Electrónica 26
Inferencia
Ejemplo:Controldefrenado
0 25 50 75 y= distancia (m)
Salidas nunca Débil fuerte muy_fuerte
saturadas μdebil (u) μfuerte (u) μmuy_fuerte (u)
0 1 2 3 4 u=Fuerza (N)
Manuel Mazo y Marta Marrón. Departamento de Electrónica 27
Inferencia
Ejemplo:Controldefrenado
0.2
0 40 70 80 120 x=Velocidad (Km/h)
0.4
0 10 25 50 75 y= distancia (m)
Manuel Mazo y Marta Marrón. Departamento de Electrónica 28
Inferencia
Ejemplo:Controldefrenado
0 40 70 80 120 x 0 10 25 50 y
0 40 70 80 120 0 10 25 50 y 2 3 4 u
x
0 1 2 3 u 0 1 2 3 u
μPremisa(1) =min [μmedia (x), μmuy_pequeña (y)] =0.4
u
0 1 2 3 4 u 0 1 2 3 4
μrgla_1 (u)
ucrisp
μregla_2 (u) Agregación Desborrosificador
..
.
μregla_n (u)
Conclusión Truncamiento
μPremisa(1) =mín [μA(x), μB(y)]
μC(u) Implicación
Premisa (1) Concl.
μregla_1 (u)
If x es A and y es B then u es C
u1 u u1 u
μregla_1 (u)=mín [μPremisa(1) , μC (u)]
Salida
ucrisp
Agregación de reglas
u1 u2 u
μregla_2 (u)=mín [μPremisa(2) , μF (u)]
Conclusión Truncamiento
μPremisa(2) =mín [μD(x), μE(y)]
μF(u) Implicación μregla_2 (u)
Premisa (2) Concl.
If x es D and y es E then u es F
u2 u u2 u
Conclusión Escalado
μPremisa(1) =min [μA(x), μB(y)] Implicación
μC(u)
Premisa (1) Concl. μregla_1 (u)
If x es A and y es B then u es C
u1 u u1 u
μregla_1 (u)=μPremisa(1). μC (u)
Salida
ucrisp
Agregación de reglas
u1 u2 u
μregla_2 (u)=μPremisa(2). μF (u)
Conclusión Escalado
μPremisa(2) =min [μD(x), μE(y)]
μF(u) Implicación μregla_2 (u)
Premisa (2) Concl.
If x es D and y es E then u es F
u2 u u2 u
….
b1 b2 b3 bi bN u
u =
c r i s p
∑ ∫ b µr
i i e g_ i l a
bi = centro de las funciones de pertenencia
del conjunto para la regla “i”, μregla_i
μpremisa(1)
μpremisa(N)
….
b1 b2 b3 bi bN u
∑ i
biµ p r e m( i ) i s a
u c r i s p
=
∑ i
µ p r e m( i ) i s a
COG
NP CE ∑b ∫ µ i regla _ i
μ(i) 0.75 u crisp =
i
=
0.25
∑ ∫µ i regla _ i
-7.5 0 ⋅ ( 0 . 2 ) 5+ ( − 1 ) 0⋅ 0 . 7 5
= − 7 .5
0 . 2 +5 0 . 7 5
Manuel Mazo y Marta Marrón. Departamento de Electrónica 38