Ing.
Jos Aristh Valdiviezo Mora Abstract: Fuzzy Fundamentals La lgica difusa se ha posicionado como una de las tecnologas de control ms efectivas en los ltimos aos. Con esta herramienta, los requerimientos complejos de un sistema de control pudieron reducirse de una manera sorprendentemente sencilla, de fcil mantenimiento y mediante controladores econmicos. De igual manera, la tecnologa de control difuso, gracias a sus reglas aproximadas, est cambiando las tecnologas de informacin, en donde se requiere el empleo de sistemas expertos basados en conocimiento. Para que un sistema sea candidato a emplear estas tecnologas requiere que sea un proceso continuo que no sea fcilmente discretizable o que el modelo matemtico relacionado sea demasiado complejo. Adems, existen diversos procesos en los cuales existe cierta holgura o sistemas que actan bajo el mismo principio; tal como lo es un sistema de ABS, en donde el principio de operacin puede modelarse mediante lgica difusa y de esta manera ser aplicable para los diferentes modelos de automviles. De igual modo, los sistemas difusos, gracias a su manejo de aproximaciones, es prctico para emplearse en sistemas que contienen mucho ruido, o se requiere emplear sistemas de baja precisin para la medicin y control. Para implementar en un sistema la metodologa de control difuso es necesario realizar 4 sencillos pasos. Definir el modelo funcional y las caractersticas operacionales.- En este punto se requiere definir qu informacin es la relevante para el correcto establecimiento de las reglas de operacin de sistema. Los elementos de entrada y salida y cmo se relacionan entre s. Para este punto no es necesario un completo entendimiento de las matemticas que gobiernan el proceso. Ms bien un conocimiento inferencial del fenmeno a controlar. Definir las superficies de control.- Cada control y solucin variable en un modelo difuso se descompone en regiones difusas. Estas regiones se clasifican dentro del dominio de la variable a controlar. Definir el comportamiento de las superficies de control.- En esta etapa se definen las reglas que gobernarn en el entorno del controlador difuso. Estas reglas se expresan de manera natural siguiendo una sintaxis de programacin IF THEN. En donde se declara bajo el siguiente esquema: IF (Proposicin), THEN (Proposicin Difusa). Como estos estatutos son declarativos, el orden en la elaboracin de las reglas no es importante; los estatutos se evalan de forma simultnea. Seleccionar el mtodo de Defuzzificacin.-Este mtodo trata principalmente de generar una solucin mediante la obtencin del centroide resultante al aplicar todas las reglas establecidas en el sistema.
Una vez que el modelo es establecido, se procede a la etapa de validacin, y si es necesario se modifican los parmetros que pudieran ocasionar conflicto. Cabe mencionar que este tipo de sistemas puede combinarse con otros mtodos de IA, cmo lo son las Redes Neuronales.
Abstract: Sources of Uncertainty La idea fundamental de los sistemas difusos es contar con una herramienta robusta capaz de lidiar con la incertidumbre. Diversos autores manejan este concepto de diferente manera, entre ellos se encuentra el profesor Klir, en donde se establece que existen tres tipos de incertidumbre: Fuzziness.- Resultado de no reconocer los lmites y valores frontera Nonspecificity.- Relativo a los tamaos o imprecisin Strife.- Que representa conflictos entre las diversas alternativas.
Estas tres clases de incertidumbre se pueden dividir en un grupo mayor de 2 clases: Fuzziness. Ambiguity .- Incluye Nonspecifity & Strife
Un principio fundamental manejado en el artculo hace referencia a la ambigedad presente en los sistemas difusos principalmente por el hecho de que las palaras significan algo diferente para cada persona. De esta manera, los sistemas difusos se presentan un reto en este sentido al tratar de realizar control con palabras. Existen 2 tipos de Lgica Difusa: Tipo 1.- Trabaja principalmente con incertidumbre relacionada con el significado de las palabras usando la membreca correcta. Tipo 2.- Trabaja principalmente con la incertidumbre relativa al modelado de incertidumbres.
A todo esto se debe agregar que las mediciones realizadas usualmente se encuentran afectadas por la presencia de ruido, por lo tanto son imprecisas. De manera general, el artculo enfatiza la importancia de tomar en cuenta todos los tipos presentes de incertidumbre y la manera en la que es posible manejar estas incertidumbres gracias al uso de sistemas difusos.
Referencias: Chapter 2, section 1, Uncertain Rule-based fuzzy logic systems, PHI, 2001, J. Mendel Fuzzy Fundamentals, Earl Cox, IEEE Spectrum, pp. 58-61, October 1992.
