Este documento describe el diseño de sistemas avanzados de control usando técnicas de control difuso. Explica los conceptos básicos del control difuso, incluyendo el mecanismo de inferencia, reglas difusas y funciones de pertenencia. También presenta un ejemplo de control difuso para la conducción de un vehículo y discute las ventajas del control difuso sobre otros métodos para sistemas no lineales y procesos complejos.
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Fuzzy
1. DISEÑO DE SISTEMAS
AVANZADOS DE CONTROL
CONTROL
FUZZY
PROCESO
Operador de Mecanismo Operador
borrador de Inferencia borrador
Protocolo
Controlador borroso
2. EJEMPLO DE CONTROL DIFUSO
Caso hipotético de conducción
Coche controlado Coche precedente
Velocidad X2
(Km/h)
Distancia entre
coches X1 (m)
EJEMPLO DE CONTROL DIFUSO
Mecanismo de control
Condiciones de
Cantidad de
entrada control
Distancia entre
coches (Intensidad
X1 Control de de frenada)
interferencia
X2 Velocidad Reducción de
difusa velocidad
3. USO DE TÉCNICAS FUZZY EN
CONTROL DE PROCESOS
e
w CONTROLADOR
- FUZZY
y
e’
3 1: e grande ⇒ u grande
•
•2 2: e’ grande ⇒ u pequeña
•1 3: e’ positiva ⇒ u grande
SI (el error es grande);
Y (su derivada pequeña y positiva)
ENTONCES (el control será grande y positivo)
SI (el error es nulo);
Y (su derivada pequeña y negativa)
ENTONCES (el control será pequeño y positivo)
FORMA DE LAS FUNCONES DE PERTENENCIA
NL NM NS ZR PS PM PL
1
Etiqueta
Grado
0
(-) max (+) max
Etiquetas:
PL: Positivo grande
PM: Positivo medio
ZR: Próximo a cero
NS: Negativo pequeño
NM:Negativo medio
NL: Negativo grande
4. GRADOS DE PERTENECIA A UN CONJUNTO
Conventional sets theory
Menbership degree
“Tall” set
100 %
Peter belongs to the
“tall” set with a
membership degree
equal to 100%
0
LÓGICA BOOLEANA / FUZZY
“Tall” fuzzy set
100 %
Peter belongs to the
µ “tall” fuzzy set
with a membership
degree equal to µ
( 0 % ≤ µ ≤ 100 % )
0
5. FUZZY DIVISIÓN EN CLASES
Menbership degree
“Small” “Medium” “Large”
100 %
µ
µ
MOTIVOS DE USO DE TÉCNICAS FUZZY EN CONTROL
* PID SENCILLO, BUEN RESULTADO CUANDO PUEDE APLICARSE
* COMPORTAMIENTOS NO LINEALES, VARIACIONES EN PROCESO O ENTORNO ⇒
CONTROL ADAPTATIVO
* EN AMBOS CASOS SE DEBE DISPONER DE:
- MODELO MATEMÁTICO DEL SISTEMA
- CAPACIDAD DE REALIZAR CÁLCULOS COMPLETOS
* EN EL COMPORTAMIENTO HUMANO, AL REALIZAR UNA TAREA DE CONTROL
(CONDUCIR UN COCHE) NO SON NECESARIOS
* CONTROL BASADO EN REGLAS, EN MODELO DE COMPORTAMIENTO
* COMPARACIÓN PID / FUZZY CASO SERVOMOTOR
1 2 3 Time
6. * SUSTITUIR LAS REGLAS DE PRODUCCIÓN LINGÜÍSTICAS
POR CÓDIGOS PARA OBTENER MÁS SIMPLES
A pesar de que las reglas de producción se pueden expresar en frases
lingüísticas, se utilizan códigos para simplificar la entrada a los controladores
difusos reales.
(Distancia entres dos coches : X1; velocidad: X2 )
(Intensidad de frenada: Y)
(Etiquetas o niveles – pequeño, medio, grandes: S, M, L
Sustituyamos estos códigos en las expresiones anteriores.