UNIVERSIDAD CATOLICA DE SANTA MARIA
FACULTAD DE CIENCIAS E INGENIERIAS FISICAS Y FORMALES
ESCUELA PROFESIONAL DE INGENIERIA ELECTRONICA
INTELIGENCIA ARTIFICIAL
PRACTICA 11
REGLAS DIFUSAS
ALUMNO:
RENZO ABRAHAM RIVERO CALDERON
DOCENTE:
Ing. JUAN CARLOS COPA PINEDA
Grupo: 01, Lunes 15:00 a 17:00 horas.
Arequipa – Perú
2018
1. INTRODUCCION
El ser humano posee grandes habilidades para comunicar su experiencia
empleando reglas lingüísticas vagas. Por ejemplo, un famoso cocinero de
televisión podría dar instrucciones para tostar pan como:
Cortar dos rebanadas de pan medianas.
Poner el horno a temperatura alta.
Tostar el pan hasta que quede de color ligeramente marrón.
El uso de esos términos lingüísticos en cursiva podría ser seguidos sin problema
por un humano, que es capaz de interpretar estas instrucciones rápidamente. La
lógica convencional no es adecuada para procesar este tipo de reglas. Por ejemplo,
si pasáramos un día con Tiger Woods para aprender a jugar al golf, al final de la
jornada podríamos tener un montón de reglas del tipo:
Si la bola está lejos del hoyo y el Green está ligeramente inclinado hacia
la derecha, entonces golpear la bola firmemente empleando un ángulo
ligeramente inclinado hacia la izquierda de la bandera.
Si la bola está muy cerca del hoyo y el Green entre la bola y el hoyo está
plano, entonces golpear la bola directamente hacia el hoyo.
Estas reglas son muy descriptivas y pueden ser fácilmente entendibles por un
humano, pero difícilmente representables en un idioma que pueda ser entendido
por un computador. Palabras como “lejos”, “muy cerca” no tienen fronteras bien
definidas, y cuando se quieren trasladar a código pueden resultar descripciones
artificiales. Por ejemplo, el término Distancia se podría codificar con este
conjunto de intervalos:
Cerca: La bola está entre 0 y 2 metros del hoyo.
Medio: La bola está entre 2 y 5 metros del hoyo.
Lejos: La bola está más allá de 5 metros del hoyo.
Con esta representación, ¿qué ocurre con una bola que está en 4.99 metros del
hoyo? Empleando estos intervalos, el ordenador lo representaría firmemente en el
intervalo “Medio”. Y si incrementamos unos pocos centímetros, lo catalogaría
como “Lejos”. Esto se puede mejorar creando intervalos más pequeños, pero el
problema base seguiría siendo el mismo por el uso de intervalos discretos.
Comparado con el modo de razonar de un humano, estos términos lingüísticos se
deben corresponder con fronteras vagas, donde 4.99 metros debería estar más
asociado al término “lejos” que “media distancia”.
Queda claro que el conocimiento experto presenta a menudo, características de
vaguedad e imprecisión, debido a tres razones principalmente:
1) Pereza: Obtener una lista completa de todas las variables que intervienen
en el dominio del problema puede ser demasiado trabajo. Además, como
el mundo real es no determinista (aleatoriedad y excepciones), hay veces
que no es posible establecer completamente todas las variables del
entorno.
2) Ignorancia Teórica: En la que no existe una lista completa de factores a
tener en cuenta para el dominio del problema (no se conoce un método
teórico para modelar el problema).
3) Ignorancia Práctica: Incluso conociendo todas las variables, puede ser
difícil obtener datos concretos asociados para su estudio. Además, esta
información puede estar incompleta, e incluso ser errónea (por ejemplo,
en el ámbito médico, llena de síntomas incorrectos, mentiras deliberadas,
falsos positivos...).
Lógica difusa o lógica heurística se basa en lo relativo de lo observado como
posición diferencial. Este tipo de lógica toma dos valores aleatorios, pero
contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida 2
metros es claramente una persona alta, si previamente se ha tomado el valor de
persona baja y se ha establecido en 1 metro. Ambos valores están contextualizados
a personas y referidos a una medida métrica lineal
La Lógica Difusa proporciona un mecanismo de inferencia que permite simular
los procedimientos de razonamiento humano en sistemas basados en el
conocimiento. La teoría de la lógica difusa proporciona un marco matemático que
permite modelar la incertidumbre de los procesos cognitivos humanos de forma
que pueda ser tratable por un computador.
2. MARCO TEORICO
¿Qué es lógica difusa?
Básicamente la Lógica Difusa es una lógica multivariada que permite representar
matemáticamente la incertidumbre y la vaguedad, proporcionando herramientas
formales para su tratamiento.
Como indica Zadeh, “Cuando aumenta la complejidad, los enunciados precisos
pierden su significado y los enunciados útiles pierden precisión.”, que puede
resumirse como que “los árboles no te dejan ver el bosque”.
Básicamente, cualquier problema del mundo puede resolverse como dado un
conjunto de variables de entrada (espacio de entrada), obtener un valor adecuado
de variables de salida (espacio de salida).
La lógica difusa permite establecer este mapeo de una forma adecuada, atendiendo
a criterios de significado (y no de precisión).
El término Lógica Difusa fue utilizado por primera vez en 1974.
Actualmente se utiliza en un amplio sentido, agrupando la teoría de conjunto
difusos, reglas si-entonces, aritmética difusa, cuantificadores, etc. En este curso
emplearemos este significado extenso el término.
3. OBJETIVOS
Conocer y aplicar los diferentes de lógica difusa.
Mediante la lógica difusa poder dar solución a los problemas propuestos.
Demostrar que tan optima es la lógica difusa para los problemas prácticos.
4. MATERIALES O SOFTWARE
Word
Matlab
5. DESARROLLO
1) Escriba veinticinco reglas difusas, para el control difuso de una
calefacción.
Descripción: Se pretende controlar la calefacción de un
invernadero/edificio/etc. a partir de los parámetros de temperatura y
humedad del mismo. La finalidad es mantener controlada la temperatura
e, implícitamente, la humedad.
Se cuenta con un sensor de temperatura con un rango de
funcionamiento desde 0o C a 40o C y una precisión de centésimas.
Se cuenta con un sensor de humedad con un rango de
funcionamiento entre 0% y 100% de humedad relativa, con una
precisión de centésimas.
La caldera se puede controlar mediante incrementos/decrementos
de temperatura, desde -15oC a +15 oC.
a) Variables
b) Variables de control
Ejemplo de funcionamiento
Se suponen las siguientes entradas en los sensores del sistema:
Temperatura actual: 19,5 OC Humedad actual: 65 %
Fuzzyficación (singleton)
El valor singleton ”Temperatura=19,5 OC” se corresponde con un
grado de verdad 0, 1 para el valor difuso Temperatura Baja(B) y con un
grado de verdad 0,75 para el valor difuso Temperatura Normal(N)
El valor singleton “Humedad=65%” se corresponde con un grado de
verdad 0,5 para el valor difuso 𝐻𝑢𝑚𝑒𝑑𝑎𝑑 𝐴𝑙𝑡𝑎 (𝐴) y con un grado de
verdad 0, 33 para el valor difuso Humedad 𝑀𝑢𝑦 𝐴𝑙𝑡𝑎 (𝑀𝐴).
c) Reglas activadas
IF (Temperatura es Baja AND Humedad es Alta) THEN
variación es SubidaPequeña
IF (Temperatura es Baja AND Humedad es MuyAlta) THEN
Variación es SubidaNormal
IF (Temperatura es Normal AND Humedad es Alta) THEN
Variación es Mantener
IF (Temperatura es Normal AND Humedad es MuyAlta) THEN
Variación es BajadaPequeña
Agregación y desfuzzyficación
Variable de control Salida: bajar la calefacción 2,125 ℃
2) Escriba las reglas difusas, para el control difuso de la inyección de
combustible en una turbina de vapor.
Si (Temperatura es Muy Baja AND Humedad es Muy Baja) THEN
(Variacion es Subida Normal).
Si (Temperatura es Muy Baja AND Humedad es Baja) THEN
(Variacion es Subida Normal).
Si (Temperatura es Muy Baja AND Humedad es Normal) THEN
(Variación es Subida Grande).
Si (Temperatura es Muy Baja AND Humedad es Alta) THEN
(Variación es Subida Grande).
Si (Temperatura es Muy Baja AND Humedad es Muy Alta) THEN
(Variación es Subida Grande).
Si (Temperatura es Baja AND Humedad es Muy Baja) THEN
(Variación es Mantener).
Si (Temperatura es Baja AND Humedad es Baja) THEN (Variación es
Mantener).
Si (Temperatura es Baja AND Humedad es Normal) THEN (Variación
es Subida Pequeña).
Si (Temperatura es Baja AND Humedad es Alta) THEN (Variación es
Subida Pequeña).
Si (Temperatura es Baja AND Humedad es Muy Alta) THEN
(Variación es Subida Normal).
Si (Temperatura es Normal AND Humedad es Muy Baja) THEN
(Variación es Mantener).
Si (Temperatura es Normal AND Humedad es Baja) THEN (Variación
es Mantener).
Si (Temperatura es Normal AND Humedad es Normal) THEN
(Variación es Mantener).
Si (Temperatura es Normal AND Humedad es Alta) THEN (Variación
es Mantener).
Si (Temperatura es Normal AND Humedad es Muy Alta) THEN
(Variación es Bajada Pequeña).
Si (Temperatura es Alta AND Humedad es Muy Baja) THEN
(Variación es Mantener).
Si (Temperatura es Alta AND Humedad es Baja) THEN (Variación es
Mantener).
Si (Temperatura es Alta AND Humedad es Normal) THEN (Variación
es Bajada Pequeña).
Si (Temperatura es Alta AND Humedad es Alta) THEN (Variación es
Bajada Pequeña).
Si (Temperatura es Alta AND Humedad es Muy Alta) THEN
(Variación es Bajada Normal).
Si (Temperatura es Muy Alta AND Humedad es Muy Baja) THEN
(Variación es Bajada Pequeña).
Si (Temperatura es Muy Alta AND Humedad es Baja) THEN
(Variación es Bajada Normal).
Si (Temperatura es Muy Alta AND Humedad es Normal) THEN
(Variación es Bajada Normal).
Si (Temperatura es Muy Alta AND Humedad es Alta) THEN
(Variación es Bajada Grande).
Si (Temperatura es Muy Alta AND Humedad es Muy Alta) THEN
(Variación es Bajada Grande).
3) Descripción:
Se pretende controlar la inyección de combustible en una turbina de vapor
al objeto de mantener constante la velocidad. La cantidad de combustible
que se consume por unidad de tiempo (tasa de consumo) se incrementa o
disminuye mediante la apertura o cierre, respectivamente, de la válvula de
inyección en función de la temperatura y la presión en la caldera.
4) Graficar las variables de entrada y salida, dar valores al dominio de las
variables.
Si la entrada de Temperatura es de = 10°C y la Humedad es de 10:
Si la entrada de Temperatura es de = 15°C y Humedad es de 20:
Si la entrada de Temperatura es de = 20°C y Humedad es de 40:
Si la entrada de Temperatura es de = 25°C y Humedad es de 60:
5) Calcule la salida numérica que proporciona el sistema, para lo cual debe
asumir un valor para la temperatura y uno para presión.
−0.1(0)+(−0.5)(0.35)+0.5(0.35)+0.6(0.21)+1.4(0.5)+5(0.5)+6(0.35)+8.5(0.35)+9(0.5)+12.5(0.5)+15(0)
0+0.35+0.35+0.21+0.5+0.5+0.35+0.35+0.5+0.5+0
= 5.30
6) Para el siguiente sistema borroso de dos entradas x1 y x2; una salida u, sus
funciones de pertenencia se muestran a continuación:
Reglas difusas:
R1: Si x1 = PB y x2 = PB
entonces u=PB
R2: Si x1 = PB y x2 = P
entonces u=PB
R3: Si x1 = PB y x2 = Z
entonces u=PB
R4: Si x1 = PB y x2 = N
entonces u=P
R5: Si x1 = PB y x2 = NB
entonces u=P
R6: Si x1 = P y x2 = PB
entonces u=P
R7: Si x1 = P y x2 = P
entonces u=P
R8: Si x1 = P y x2 = Z
entonces u=PB
R9: Si x1 = P y x2 = N
entonces u=NB
R10: Si x1 = P y x2 = NB
entonces u=PB
R11: Si x1 = Z y x2 = PB
entonces u=N
R12: Si x1 = Z y x2 = P
entonces u=N
R13: Si x1 = Z y x2 = Z
entonces u=Z
R14: Si x1 = Z y x2 = N
entonces u=P
R15: Si x1 = Z y x2 = NB
entonces u=P
R16: Si x1 = N y x2 = PB
entonces u=NB
R17: Si x1 = N y x2 = P
entonces u=NB
R18: Si x1 = N y x2 = Z
entonces u=NB
R19: Si x1 = N y x2 = N
entonces u=N
R20: Si x1 = N y x2 = NB
entonces
7) Calcular la salida numérica que proporciona el sistema si se han medido
unas magnitudes de entrada: x1 = ‐0.36 y x2 = ‐0.05
𝑋1 = −0.32
𝑁 𝐵 (−0.32) = −0.5(𝑥 + 0.4) + 1
𝑁 𝐵 (−0.32) = −0.5(−0.32 + 0.2)
𝑁 𝐵 (−0.32) = 0.6
𝑋2 = −0.1
𝑁(−0.1) = 5(𝑥 + 0.4)
𝑁 = 0.5
𝐴𝑝𝑙𝑖𝑐𝑎𝑛𝑑𝑜 𝑙𝑎 𝑟𝑒𝑔𝑙𝑎 𝑑𝑒 𝑠𝑎𝑙𝑖𝑑𝑎
(−0.1 + (−0.4) ∗ 0.35 + (−0.5) ∗ 0 + 0.4(0.5))/(1 + 0.35
+ 0.5 + 0) = −0.76
8) Para el siguiente sistema borroso de dos entradas Temperatura, Derivada
de la Temperatura y la salida el ángulo de disparo de un Triac que regula
la energía que recibe un Termoresistor;, sus funciones de pertenencia se
muestran a continuación:
Temperatura (T)
Derivada de la temperatura (dT)
Angulo de disparo (u)
Las reglas difusas son:
R1 = si T es M y dT es M entonces u es M
R2 = si T es B y dT es M entonces u es M
R3 = si T es A y dT es M entonces u es B
R4 = si T es M y dT es B entonces u es M
R5 = si T es B y dT es B entonces u es A
R6 = si T es A y dT es B entonces u es M
R7 = si T es M y dT es A entonces u es B
R8 = si T es M y dT es A entonces u es B
R9 = si T es B y dT es A entonces u es M
R10 = si T es A y dT es A entonces u es B
9) Calcular la salida numérica que proporciona el sistema si se han medido
unas magnitudes de entrada: T = 28 y x2 = ‐0.1
Minimo de pertenencia es 0.8
6. CONCLUSIONES
Si el proceso tuviera un integrador en el origen el problema del error en
estado estacionario se resolvería naturalmente, pero no se tendría el
control sobre este.
Un conjunto difuso es un conjunto con fronteras suaves tal que la
membresía en el conjunto llega a ser una materia de grado.
Una variable lingüística es una variable cuyos valores son una expresión
que involucra conjuntos difusos.
Muchos sistemas difusos basados en reglas necesitan producir una salida
precisa utilizan un proceso de defusificación para convertir la distribución
de posibilidad inferida de una variable de salida a un valor preciso de
representación.
7. REFERENCIAS
[1] http://www.dma.fi.upm.es/recursos/aplicaciones/logica_borrosa/web/
tutorial_fuzzy/contenido3.html
[2] file:///E:/musica%20apple/dsp/Cap1_ConjuntosDifusos.pdf
[3] http://www.esi.uclm.es/www/cglez/downloads/docencia/2011_Softco
mputing/LogicaDifusa.pdf
[4] https://www.ecured.cu/L%C3%B3gica_difusa
[5] https://es.slideshare.net/mentelibre/sistema-difuso-y-sus-
propiedades-2036968
[6] https://es.wikipedia.org/wiki/L%C3%B3gica_difusa
[7] http://www.monografias.com/trabajos106/razonamiento-
aproximado-sistemas-difusos-fuzzy-systems/razonamiento-
aproximado-sistemas-difuso-fuzzy-systems2.shtml
