Práctica Control Inteligente: Control Fuzzy 1

UNIVERSIDAD SURCOLOMBIANA

CONTROL INTELIGENTE
CONTROL FUZZY

Yimmi Herney Cardozo Flores

20152143438

 Implemetantar en la planta de prensa hidráulica un

I. INTRODUCCION controlador fuzzy Mandani y un controlador fuzzy
La lógica difusa puede ser descrita como un sistema sugeno.
interoretativo, en el cual los objetos o elementos son
relacionados con conjuntos de fronteras no nítidamente  Realimentar nuestro conocimiento acerca de lógica
definidas, otorgándoles un grado de pertenencia relativa o difusa y crear un abrebocas a neuro fuzzy.
graduada y no estricta cini es de costumbre en la lógica
tradicional. En un sentido mas amplio se podría decir que III. MARCO TEORICO
existe una especie de interpolación entre una frontera y otra, o
bien, entre un conjunto y otro.
Controladores PID
Lo anterior ha permitido incorporar sentencias del lenguaje Un controlador PID (Controlador Proporcional, Integral y
común, las que se caracterizan por ser un tanto indefinidas, Derivativo) es un mecanismo de control simultaneo
para interpretar el estado de las variables de cierto proceso, por realimentación ampliamente usado en sistemas de control
asignándole en cada momento un grado de pertenencia a estos industrial. Este calcula la desviación o error entre un valor
conjuntos difusos. Esta interpretación puede ser fácilmente medido y un valor deseado.
relacionada mediante operadores lógicos tradicionales con El algoritmo del control PID consiste en tres parámetros
ciertas medidas de acción, también de naturaleza no exacta, distintos: el proporcional, el integral, y el derivativo. El valor
que son diseñadas de tal manera que produzcan un cambio Proporcional depende del error actual. El Integral depende de
deseado en las vatiables de interés. En resumen, se puede los errores pasados y el Derivativo es una predicción de los
diseñar un controlador, que interprete en forma intuitiva (y no errores futuros. La suma de estas tres acciones es usada para
numéricamente exacta) el estado de ciertas variables, y en ajustar al proceso por medio de un elemento de control como
base a ellos deduzca en forma lógica una actuación posible la posición de una válvula de control o la potencia
que permita llevar la variable al estado deseado. suministrada a un calentador.

[Link] Diseño asistido por computadora

General: El diseño asistido por computadora es un proceso conocido
por las siglas CAD, (del inglés Computer Aided Design), que
 Realizar el análisis, diseño e implementación de un mejora la fabricación, desarrollo y diseño de los productos con
controlador fuzzy y cada configuración para la prensa la ayuda de la computadora. Con este proceso se pretende
hidraulica. fabricarlos con mayor precisión, a un menor precio y mucho
Especificos: más rápido que con si se hiciera solamente por el hombre.

 Definir el tipo de controlador que mejor se adapte al

comportamiento de la planta modelada en trabajos Control Difuso:
previos. Puede ser expresado mejor a través de palabras que interpretan
el sentido común, en lugar de numero, o bien sentencias en
 Haciendo uso de el software Matlab y apoyándonos lugar de ecuaciones. Sin embargo, las variables de los
en la herramienta fuzzy controller, obtener dicho procesor no se miden en sentido común, sino en números. Por
controlador. lo tanto, se hace necesario realizar una dapaacion previa antes
de introducir el estado de la variable del controlador. Esta
 Encontrar y visualizar la respuesta de la planta, error estapa es llamada fusificación.
inducido, señal de control y señal deseada del
controlador fuzzy y modelado previamente hecho. La etapa de fusificacion, le otorga a los daros de entrada un
grado de membresia dentro de las distintas expresiones
Práctica Control Inteligente: Control Fuzzy 2

posibles, para ellos busca la correspondencia entre el estado de Negativo -1 N/m2 a 0.1 N/m2
las variables, y las funciones de pertenencia definifas para tal Cero -0.2 N/m2 a 0.2 N/m2
propósito. Desde luego, para un determinado valor de una Positivo 0.2 N/m2 a 1 N/m2
variable, un grado de pertenencia será mayor en una expresión Muy positivo 1 N/m2 a 7 N/m2
que en las demas.

Para la variable lingüística de salida se considero cada tipo de

IV. MATERIALES Y EQUIPOS control fuzzy a implementar (Mamdani y Sugeno)
 Computador
 Software “MATLAB” Para el caso Mamdani se tiene:

V. PROCEDIMIENTO Actuación Rango

Muy negativa -16 N/m2 a -5 N/m2
Para la creación de un sistema de inferencia difuso que será
Negativo -5 N/m2 a -1 N/m2
usado posteriormente como un controlador fuzzy, lo primero
Cero -1 N/m2 a 2 N/m2
que se debe definir son las variables lingüísticas que van a
Positivo 2 N/m2 a 5 N/m2
describir el problema de control.
Muy positivo 5 N/m2 a 16 N/m2
Para el sistema correspondiente a la dinámica del microfono
las variables lingüísticas de entrada son el error de voltaje Para el caso Sugeno se tiene:
(referencia) y la variación del error, y la variable de salida será
la señal correspondiente a fuerza electromotriz (voltaje). Actuación Parametro
Muy negativa 1 N/m2
Las variables fueron escogidas con el animo de poder diseñar Negativo 0 N/m2
nuestro controlador fuzzy, para ello se debe conocer el error, Muy positiva 1 N/m2
la variación del error y la señal deseada y entregada por el Positiva 0.5 N/m2
sistema para así el controlador efectúe la señal de actuación y Cero 0 N/m2
poder generar y alcanzar la posición deseada.
Para la determinación de las reglas entre las variables de
Una vez que se tienen expresados los estados de las variables entrada y la variable de salida se tuvo muy en cuenta el
en forma lingüística se pueden establecer relaciones lógicas conocimiento que se tiene del comportamiento de la planta.
entre ellas, típicamente a través de reglas tales como si…
entonces. Teniendo en cuenta esto de obtuviero las siguientes reglas

-2 N/m2 ≤error de voltaje ≤ 2 N/m2 Mamdani

 Si el error es negativo y la variación del error es
-2.5 N/m2 ≤ variacion del error ≤ 2.5 N/m2
negativa entonces la señal de actuación es pequeña.
-6 N/m2 ≤ actuación abrubta del controlador ≤ 6 N/m2  Si el error es cero y la variación del error es cero
entonces la señal de actuación es mediana.
 Si el error es postivo y la variación del error es
Para la variación del error respecto a el tiempo son los valores
positivo entonces la señal de actuación es grande.
máximos que alcanza dicha variación en un tiempo
 Si el error es negativo y la variación del error es cero
determinado. De igual forma para la señal de actuación, dado
entonces la señal de actuación es pequeña.
que entre ese rango de voltaje debe suministrar controlador
para poder obtener la presión deseada.  Si el error es positivo y la variación del error es cero
entonces la señal de actuación es grande.
Para el universo de discurso de cada variable lingüística de  Si el error es cero y la variación del error es negativo
entrada se trabajaron en términos de negativo, cero y positivo entonces la señal de actuación es mediana.
porque son valores que pueden tomar respecto a el tiempo.  Si el error es cero y la variación del error es postivo
entonces la señal de actuación es mediana.
Error Rango
Muy Negativo -5 a -0.5 N/m2 Sugeno
Negativo -0.5 N/m2 a 0.1 N/m2  Si el error es negativo y la variación del error es
Cero -0.1 N/m2 a 0.1 N/m2 negativa entonces la señal de actuación es pequeña.
Positivo 0.1 N/m2 a 0.5 N/m2  Si el error es cero y la variación del error es cero
entonces la señal de actuación es mediana.
Muy positivo 0.5 N/m2 a 5 N/m2
 Si el error es postivo y la variación del error es
positivo entonces la señal de actuación es grande.
Variacion del error Rango
 Si el error es negativo y la variación del error es cero
Muy Negativo -7 N/m2 a -1 N/m2
entonces la señal de actuación es pequeña.
Práctica Control Inteligente: Control Fuzzy 3

 Si el error es positivo y la variación del error es cero

entonces la señal de actuación es grande.
 Si el error es cero y la variación del error es negativo
entonces la señal de actuación es mediana.
 Si el error es cero y la variación del error es postivo
entonces la señal de actuación es mediana.

VI. RESULTADOS
Se procedió a implementar cada uno de los controladores
obtenidos anteriormente y visualizando cada una de sus
respuestas.

Figura 4. señal de error y la señal de actuación del controlador

PID.

Figura 1. Sistema de control PID para la planta.

Figura 2. Sistema de control difuso Mandani para la planta.

Figura 5. Señal de error y la señal de actuación del

controlador difuso Mandani.

Figura 3. Sistema de control difuso Sugeno para la planta.

Práctica Control Inteligente: Control Fuzzy 4

Figura 6. Señal de error y la señal de actuación del Figura 8. Señal del valor deseado y la salida de la planta del
controlador difuso Sugeno. controlador difuso Mandani

Figura 7. Señal del valor deseado y la salida de la planta del Figura 9. Señal del valor deseado y la salida de la planta del
controlador PID. controlador difuso Sugeno

VII. CONCLUSIONES

Una vez finalizado este trabajo, se pueden expresar las

siguientes conclusiones:

 La lógica difusa tiene la ventaja de incorporar el

lenguaje común al diseño de sistemas de control,
hecho que se torna muy importante a la hora de
incluir el conocimiento empírico de los operadores de
proceso.
Práctica Control Inteligente: Control Fuzzy 5

 El proceso de diseño del controlador es facilitado por

el hecho del que este método no requiere un modelo
riguroso de la planta a controlar, sobre todo cuando
los parámetros del sistema se hacen complejos, como,
por ejemplo, sistemas no lineales.
 El nivel de precisión involucrado en el diseño del
controlador no asegura un resultado optimo, y ne
vista de que no resulta sencillo o intuitivo introducir
modificaciones al controlador fuzzy, se tiene una
desventaja comparativa frente al controlado básico
tradicional.
 El problema anterior se ve solucionado en cierta
medida con la incorporación de las ganancias
propuestas en este trabajo, las que ponderan
previamente las variables antes de ser fusificada.
 Denpederá en gran medida de la aplicación para la
que se desea utilizar, la conveniencia del empleo de
lógica difusa en sistemas de control.

[Link]

Una desventaja no despreciable de este método radica en los

altos costos de procesamiento que se deben realizar entre
instantes de muestreo, pues se incorpora el tiempo de
procesamiento del fusificador y desfusificador al lazo de
control, tiempo que es mayor en comparación al tiempo de
procesamiento necesario para implementar un controlador
clásico.