Controladores difusos Proyecto Integrador de la carrera de Ingeniería Nuclear
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control jeremy theler
Laboratorio de Cavitación y Biotecnología Instituto Balseiro Universidad Nacional de Cuyo Comisión Nacional de Energía Atómica
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro 05/03/2007
Outline de la charla All traditional logic
Lógica difusa
habitually assumes that
Variables lingüísticas
precise symbols are being
Conjuntos difusos
employed. It is therefore
Operaciones difusas
not applicable to this terrestrial life, but only
Relaciones difusas Estructura de un controlador difuso
Variables Conjuntos Operaciones Relaciones
Control
Interfaz realdifuso
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Base de reglas lingüísticas
Aplicaciones
to an imaginated
Esquemas de control estándar
celestial existence.
Estructura de un controlador difuso
Bertrand Russell, 1923
Lógica difusa
Mecanismo de inferencia Interfaz difusoreal Diseño de controladores Cinética puntual Tanque mezclador Rueda loca Trabajos futuros
Cinética puntual Tanque Rueda loca
Futuro
Motivación A menudo nos encontramos con conceptos algo subjetivos
x
I
. . . un número
I
mucho mayor que la unidad
. . . una mujer hermosa
pero que son realmente importantes, por ejemplo I
. . . para poder resolver un problema de ingeniería
I
. . . para lograr la felicidad
La teoría de lógica difusa es una herramienta con la cual atacar matemáticamente problemas lingüísticos y subjetivos, originalmente introducida por Zadeh en 1965.
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Motivación A menudo nos encontramos con conceptos algo subjetivos
x
I
. . . un número
I
mucho mayor que la unidad
. . . una mujer hermosa
pero que son realmente importantes, por ejemplo I
. . . para poder resolver un problema de ingeniería
I
. . . para lograr la felicidad
La teoría de lógica difusa es una herramienta con la cual atacar matemáticamente problemas lingüísticos y subjetivos, originalmente introducida por Zadeh en 1965.
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Variables lingüísticas ½Atención! Probabilidad de tautología en puerta
Lógica difusa
Denición (Variable lingüística) Dada una variable real
x
denida en un universo de discurso
llamamos variable lingüística
x ˜
al concepto asociado a
x
U,
que
sólo puede tomar valores lingüísticos, a denir a continuación.
Denición (Valor lingüístico) Sea que
x ˜ x ˜
una variable lingüística. El conjunto de valores arbitrarios puede tomar es
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
V˜ = {˜ vi : i = 1, 2, . . . , N } y cada uno de los elementos de
V˜
se llama valor lingüístico.
Ejemplos de variables lingüísticas Ejemplo La variable lingüística discurso
P = [0
p˜ =presión
denida sobre el universo de
Pa, ∞) puede tomar los valores lingüísticos
p˜ = {baja, normal, alta}
h ∈ [0, hmax ]
la altura del nivel de agua líquida en el circuito
secundario del generador de vapor de un reactor nuclear. La variable lingüística altura denida sobre altura
= {inaceptablemente
h
puede valer
baja, peligrosamente baja,
baja, normal, alta, peligrosamente alta inaceptablemente alta}
Variables Conjuntos Operaciones Relaciones
Control
Ejemplo Sea
Lógica difusa
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Conjuntos difusos Denición (Función de membresía) La función
µv˜ (x) : U 7→ [0, 1]
Lógica difusa
que describe la certeza de que
pueda ser clasicada lingüísticamente por
v˜
se llama función de
membresía.
Vu˜ =
Vu˜
como
que representan la certeza de que el valor real
pueda ser clasicado lingüísticamente como
Control
Aplicaciones
Cinética puntual Tanque Rueda loca
x, µx˜ (x) : x ∈ U
Futuro
esto es, un conjunto clásico cuyos elementos son pares
{x, µx˜ (x)}
Variables Conjuntos Operaciones Relaciones
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Denición (Conjunto difuso) Denimos el conjunto difuso
x ˜
x ˜.
x
Importante aclaración
Lo que a uno primero se le ocurre, o simple leyenda urbana... Lógica difusa Los conjuntos difusos no tienen nada que ver con una distribución de probabilidad. Una función de membresía
Variables Conjuntos Operaciones Relaciones
Control
hay ninguna naturaleza probabilística detrás de este concepto, ni
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
estamos lidiando con fenómenos aleatorios.
Aplicaciones
Recordar
Futuro
caracteriza la certeza de que el contenido de la variable tradicional
u
pueda ser clasicada lingüísticamente como
v˜,
y no
Se trata de cuanticar matemáticamante ideas naturalmente imprecisas y subjetivas pero denitivamente no aleatorias.
Cinética puntual Tanque Rueda loca
Extensión de los conjuntos clásicos
Ejemplo de un conjunto difuso que extiende un conjuntos clásicos C = [0, 1]
El conjunto clásico
puede ser escrito como conjunto
Lógica difusa
difuso. En efecto, sea
Variables Conjuntos Operaciones Relaciones
µC
( 1 µC (x) = 0
si
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
1
0 ≤ x ≤ 1,
de otra manera.
Aplicaciones
0 1
2
x
Cinética puntual Tanque Rueda loca
Futuro entonces el conjunto difuso
F = {(x, µC (x)) : x ∈ R} coincide con el conjunto clásico
C.
Ejemplo de un conjunto difuso: luz azul Citado de Fontanini (1988)
Podríamos denir el conjunto difuso luz azul en el universo
Λ
de las longitudes de onda visibles, cuya función de pertenencia podría ser la siguiente función arbitraria
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
µ(λ)
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
1
Aplicaciones
Cinética puntual Tanque Rueda loca
0.5
0
400
Futuro
450
500
550
600
650
650
λ
[nm]
Ejemplo Presión en Atucha I La presión nominal a la salida del generador de vapor de la Central Nuclear Atucha I es
p = 4,5 MPa.
Las funciones de
membresía de los valores lingüísticos baja, normal y alta podría ser
Variables Conjuntos Operaciones Relaciones
Control
µ(p)
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
normal
1
Aplicaciones
4.3
Cinética puntual Tanque Rueda loca
alta
baja
0
Lógica difusa
4.4
4.5
4.6
4.7
Futuro
p
[MPa]
Último ejemplo Edades Conjuntos difusossubjetivos y arbitrariospara clasicar a una persona según su edad
Lógica difusa Variables Conjuntos Operaciones Relaciones
µ 1
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
0.8
0.6
Aplicaciones
jóven hasta ahí nomás vieja
0.4
Cinética puntual Tanque Rueda loca
Futuro 0.2
0
0
20
40
60
edad [años]
80
100
Último ejemplo Edades Conjuntos difusossubjetivos y arbitrariospara clasicar a una persona según su edad
Lógica difusa Variables Conjuntos Operaciones Relaciones
µ 1
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
0.8
0.6
Aplicaciones
jóven hasta ahí nomás vieja
0.4
Cinética puntual Tanque Rueda loca
Futuro 0.2
0
0
20
40
60
edad [años]
80
100
Operaciones sobre conjuntos difusos Operador unión
Denición (Unión) La unión
F ∪G
F yG µF ∪G (x) es
de los conjuntos
cuya función de membresía
es el conjunto difuso
µF ∪G (x) = m´ ax {µF (x), µG (x)} = µF (x) ∨ µG (x) µ
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
µF ∨ µG
Cinética puntual Tanque Rueda loca
Futuro
µF µG
x
Operaciones sobre conjuntos difusos Operador intersección
Denición (Intersección) La intersección
F ∩G
es el conjunto difuso cuya función de
membresía es
µF ∩G (x) = m´ın {µF (x), µG (x)} = µF (x) ∧ µG (x) µ
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
µF µG
Cinética puntual Tanque Rueda loca
Futuro
x µF ∧ µG
Relaciones difusas Denición Una relación difusa binaria de membresía
µR (x, y)
R
está caracterizada por una función
que da la certeza de que el par
representado por la relación
(x, y)
sea
R.
xy
descripta por un conjunto difuso membresía
µA (x, y)
Variables Conjuntos Operaciones Relaciones
Control
Ejemplo (Zadeh, 1965) La relación denotada por
Lógica difusa
x, y ∈ R puede ser A ∈ R2 cuya función de
con
podría tomar los siguientes (y subjetivos)
valores representativos
µA (10, 5) = 0 µA (100, 10) = 0,7 µA (100, 1) = 1
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Composición difusa
Extensión al campo difuso de las funciones reales Denición (Composición
)
sup-star
Dados dos conjuntos difusos difusa binaria difuso
B
R ∈ X ×Y,
A ∈ X, B ∈ Y
Lógica difusa y una relación
la función de membresía del conjunto
es
Variables Conjuntos Operaciones Relaciones
Control
µB (y) = m´ axx {m´ın [µA (x), µR (x, y)]} = ∨x [µA (x) ∧ µR (x, y)]
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones fórmula que se conoce como composición sup-star o max-min.
Cinética puntual Tanque Rueda loca
En el campo de los conjuntos difusos escribimos
Futuro
B =A◦R
Intento de justicación
Composición difusa
Extensión al campo difuso de las funciones reales Denición (Composición
)
sup-star
Dados dos conjuntos difusos difusa binaria difuso
B
R ∈ X ×Y,
A ∈ X, B ∈ Y
Lógica difusa y una relación
la función de membresía del conjunto
es
Variables Conjuntos Operaciones Relaciones
Control
µB (y) = m´ axx {m´ın [µA (x), µR (x, y)]} = ∨x [µA (x) ∧ µR (x, y)]
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones fórmula que se conoce como composición sup-star o max-min.
Cinética puntual Tanque Rueda loca
En el campo de los conjuntos difusos escribimos
Futuro
B =A◦R
Intento de justicación
Esquemas de control estándar Denición (SISO) Una planta con una entrada y una salida se llama sistema SISO.
Denición (MIMO) Una planta con más de una entrada y más de una salida llama sistema MIMO.
r(t)
u(t)
y(t)
controlador
planta
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication Cinética puntual Tanque Rueda loca
m(t) −
Variables Conjuntos Operaciones Relaciones
Aplicaciones
Lazo abierto
r(t)
Lógica difusa
u(t) controlador
Futuro
y(t) planta
0
y (t) conversor Lazo cerrado
Esquemas de control estándar Controladores digitales rk
ek −
controlador digital
uk
u∗ (t)
DAC
ZOH
yk
planta continua
y(t)
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
ADC
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
señal original
Futuro
reconstrucción
(ωT )/2
con ZOH aproximación
ωT 2
Estructura interna de un controlador difuso Lógica difusa
mecanismo de inferencia
reglas lingüísticas
defuzzication
operador
y(t)
m(t)
fuzzication
controlador
r(t)
u(t)
y(t) planta
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones 1. interfaz realdifusa 2. base de reglas lingüísticas 3. mecanismo de inferencia 4. interfaz difusareal
Cinética puntual Tanque Rueda loca
Futuro
Interfaz fuzzication realdifuso Lógica difusa
mecanismo de inferencia
reglas lingüísticas
defuzzication
operador
y(t)
m(t)
fuzzication
controlador
r(t)
u(t)
y(t) planta
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones 1. interfaz realdifusa 2. base de reglas lingüísticas 3. mecanismo de inferencia 4. interfaz difusareal
Cinética puntual Tanque Rueda loca
Futuro
Interfaz realdifusa El operador singleton
Denición (Singleton) El operador singleton
s(ˆ x)
devuelve un conjunto difuso tipo
singleton con una función de membresía
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
( 1 s(ˆ x) = µ(x) = 0
si
x=x ˆ,
de otra manera
Aplicaciones
Cinética puntual Tanque Rueda loca
µ
Futuro
1
0
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
x ˆ
x
Base de reglas lingüísticas Lógica difusa
mecanismo de inferencia
reglas lingüísticas
defuzzication
operador
y(t)
m(t)
fuzzication
controlador
r(t)
u(t)
y(t) planta
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones 1. interfaz realdifusa 2. base de reglas lingüísticas 3. mecanismo de inferencia 4. interfaz difusareal
Cinética puntual Tanque Rueda loca
Futuro
Reglas lingüísticas
como forma de cuanticar conocimiento IF - THEN
I
Reglas causalísticas de la forma
I
Tácitamente utilizamos ciertos conocimientos o intuiciones
Lógica difusa
que se pueden escribir como reglas lingüísticas • •
IF tengo hambre THEN como un chorizo IF la mina es muy linda THEN me olvido
Control
e intento
con otra •
IF estoy
llegando a la esquina
THEN piso
un poco
el freno •
IF la
potencia es baja
THEN saco
un poco las barras
de control •
•
IF la temperatura del refrigerante es alta THEN hago un scram IF el nivel del presurizador es alto y aumenta la presión en la contención THEN la válvula de alivio está abierta (TMI)
Variables Conjuntos Operaciones Relaciones
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Semántica de las reglas lingüísticas Forma general
IF m ˜ IS A AND · · · AND m ˜ IS B THEN u ˜ IS C | 1{z } | n{z } | i {z } consecuencia cláusula n |cláusula 1 {z } premisa
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control Equivalencias lógicas
IF x ˜ IS A1 OR x ˜ IS A2 THEN y˜ IS B ≡ IF x ˜ IS A1 THEN y˜ IS B IF x ˜ IS A2 THEN y˜ IS B
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
IF x ˜ IS A THEN y˜ IS B AND z˜ IS C ≡ IF x ˜ IS A THEN y˜ IS B IF x ˜ IS A THEN z˜ IS C
Semántica de las reglas lingüísticas Forma general
IF m ˜ IS A AND · · · AND m ˜ IS B THEN u ˜ IS C | 1{z } | n{z } | i {z } consecuencia cláusula n |cláusula 1 {z } premisa
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control Equivalencias lógicas
IF x ˜ IS A1 OR x ˜ IS A2 THEN y˜ IS B ≡ IF x ˜ IS A1 THEN y˜ IS B IF x ˜ IS A2 THEN y˜ IS B
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
IF x ˜ IS A THEN y˜ IS B AND z˜ IS C ≡ IF x ˜ IS A THEN y˜ IS B IF x ˜ IS A THEN z˜ IS C
Sobre el origen de las reglas Lógica difusa Las reglas lingüísticas pueden provenir básicamente de. . . I
la experiencia y conocimiento del diseñador sobre la
Control
recabación de la información necesaria de otras maneras
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
tales como la indagación lisa y llana
Aplicaciones
dinámica y la ingeniería de control de la planta I
Variables Conjuntos Operaciones Relaciones
la observación de un operador humano en acción o de la
I
un modelo matemático difuso
Cinética puntual Tanque Rueda loca
I
métodos de aprendizaje basados en redes neuronales
Futuro
Sobre el origen de las reglas Lógica difusa Las reglas lingüísticas pueden provenir básicamente de. . . I
la experiencia y conocimiento del diseñador sobre la
Control
recabación de la información necesaria de otras maneras
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
tales como la indagación lisa y llana
Aplicaciones
dinámica y la ingeniería de control de la planta I
Variables Conjuntos Operaciones Relaciones
la observación de un operador humano en acción o de la
I
un modelo matemático difuso
Cinética puntual Tanque Rueda loca
I
métodos de aprendizaje basados en redes neuronales
Futuro
Sobre el origen de las reglas Lógica difusa Las reglas lingüísticas pueden provenir básicamente de. . . I
la experiencia y conocimiento del diseñador sobre la
Control
recabación de la información necesaria de otras maneras
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
tales como la indagación lisa y llana
Aplicaciones
dinámica y la ingeniería de control de la planta I
Variables Conjuntos Operaciones Relaciones
la observación de un operador humano en acción o de la
I
un modelo matemático difuso
Cinética puntual Tanque Rueda loca
I
métodos de aprendizaje basados en redes neuronales
Futuro
Sobre el origen de las reglas Lógica difusa Las reglas lingüísticas pueden provenir básicamente de. . . I
la experiencia y conocimiento del diseñador sobre la
Control
recabación de la información necesaria de otras maneras
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
tales como la indagación lisa y llana
Aplicaciones
dinámica y la ingeniería de control de la planta I
Variables Conjuntos Operaciones Relaciones
la observación de un operador humano en acción o de la
I
un modelo matemático difuso
Cinética puntual Tanque Rueda loca
I
métodos de aprendizaje basados en redes neuronales
Futuro
Mecanismo de inferencia difusa Lógica difusa
mecanismo de inferencia
reglas lingüísticas
defuzzication
operador
y(t)
m(t)
fuzzication
controlador
r(t)
u(t)
y(t) planta
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones 1. interfaz realdifusa 2. base de reglas lingüísticas 3. mecanismo de inferencia 4. interfaz difusareal
Cinética puntual Tanque Rueda loca
Futuro
Razonamiento difuso Una regla lingüística implica una relación difusa
IF x ˜ IS A THEN y˜ IS B
⇐⇒
B =A◦R
Caso I antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
x ˜ IS A IF x ˜ IS A THEN y˜ IS B y˜ IS B
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Caso II antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión) ¾Cómo calculamos
B0?
x ˜ IS A0 IF x ˜ IS A THEN y˜ IS B y˜ IS B 0 ⇒
B 0 = A0 ◦ R
Cinética puntual Tanque Rueda loca
Futuro
Razonamiento difuso Una regla lingüística implica una relación difusa
IF x ˜ IS A THEN y˜ IS B
⇐⇒
B =A◦R
Caso I antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
x ˜ IS A IF x ˜ IS A THEN y˜ IS B y˜ IS B
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Caso II antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión) ¾Cómo calculamos
B0?
x ˜ IS A0 IF x ˜ IS A THEN y˜ IS B y˜ IS B 0 ⇒
B 0 = A0 ◦ R
Cinética puntual Tanque Rueda loca
Futuro
Razonamiento difuso Una regla lingüística implica una relación difusa
IF x ˜ IS A THEN y˜ IS B
⇐⇒
B =A◦R
Caso I antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
x ˜ IS A IF x ˜ IS A THEN y˜ IS B y˜ IS B
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Caso II antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión) ¾Cómo calculamos
B0?
x ˜ IS A0 IF x ˜ IS A THEN y˜ IS B y˜ IS B 0 ⇒
B 0 = A0 ◦ R
Cinética puntual Tanque Rueda loca
Futuro
Razonamiento difuso Una regla lingüística implica una relación difusa
IF x ˜ IS A THEN y˜ IS B
⇐⇒
B =A◦R
Caso I antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
x ˜ IS A IF x ˜ IS A THEN y˜ IS B y˜ IS B
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Caso II antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión) ¾Cómo calculamos
B0?
x ˜ IS A0 IF x ˜ IS A THEN y˜ IS B y˜ IS B 0 ⇒
B 0 = A0 ◦ R
Cinética puntual Tanque Rueda loca
Futuro
Evaluación de reglas Una regla con una cláusula
Lógica difusa Variables Conjuntos Operaciones Relaciones
m´ın µ
µ
B A
Control
B0
A0
w
x antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
y
x ˜ IS A0 IF x ˜ IS A THEN y˜ IS B y˜ IS B 0
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Evaluación de reglas Una regla con dos cláusulas
Lógica difusa
m´ın µ
µ
µ A0
B
w1 w2
A
x
C0
C
B0
y
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
w z
Aplicaciones
Cinética puntual Tanque Rueda loca
antecedente 1 (hecho) antecedente 2 (regla) consecuencia (conclusión)
Futuro x ˜ IS A0 AND y˜ IS B 0 IF x ˜ IS A AND y˜ IS B THEN z˜ IS C z˜ IS C 0
Evaluación de reglas Dos reglas con dos cláusulas
m´ın µ
µ
µ A0
Lógica difusa
C1
B0
B1
A1
Variables Conjuntos Operaciones Relaciones
C10
Control x µ
y
z µ
µ A0
C2
B0 A2
C20
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
B2
Cinética puntual Tanque Rueda loca
x
y
z
∧ µ C 0 = C10 ∪ C20
z
Futuro
Evaluación de reglas
Simplicación del esfuerzo computacional usando el operador singleton m´ın µ
µ
µ
A0
B0 B1
C10
Lógica difusa
C1
Variables Conjuntos Operaciones Relaciones
A1
Control x µ
µ
µ
A0 A2
z
y B0
C2
C20
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
B2
Cinética puntual Tanque Rueda loca
x
y
z
∧ µ
C 0 = C10 ∪ C20 z
Futuro
Interfaz defuzzication difusoreal Lógica difusa
mecanismo de inferencia
reglas lingüísticas
defuzzication
operador
y(t)
m(t)
fuzzication
controlador
r(t)
u(t)
y(t) planta
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones 1. interfaz realdifusa 2. base de reglas lingüísticas 3. mecanismo de inferencia 4. interfaz difusareal
Cinética puntual Tanque Rueda loca
Futuro
Interfaz difusoreal Operadores defuzzication
Centro de gravedad (COG)
n Z ∞ X
g(˜ z) =
Variables Conjuntos Operaciones Relaciones
z · µi (z) dz
i=1 −∞ n Z ∞ X i=1
Lógica difusa
µ
µi (z) dz
COG
CAV
−∞
p(˜ z) =
Cinética puntual Tanque Rueda loca
Futuro
zi · h i
i=1 n X i=1
z
hi
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Promedio de centros (CAV)
n X
Control
Cinética puntual
Elección de las variables lingüísticas Lógica difusa
I
Planta SISO
I
Variables lingüísticas
Variables Conjuntos Operaciones Relaciones
error rho I
Control
↔ n − nsp
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
↔ ρctrl
Controlador discreto
Aplicaciones
ρext (t) nspk
ek −
−1
controlador difuso
DAC+ZOH
nk
ADC
ρ∗ctrl (t)
cinética puntual
n(t)
Cinética puntual Tanque Rueda loca
Futuro
Cinética puntual
Elección de los valores lingüísticos y de las reglas I
Valores lingüísticos
µ
Lógica difusa
error
= {negativo, cero, positivo}
rho
= {negativa, cero, positiva}
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
µ 1
1
0.5
0.5
0
-2
-1
0
1
Entrada normalizada I
Variables Conjuntos Operaciones Relaciones
2
ξ
0
Aplicaciones
Cinética puntual Tanque Rueda loca
-2
-1
0
Salida normalizada
Reglas lingüísticas • • •
1
IF error IS negativo THEN rho IS positiva IF error IS cero THEN rho IS cero IF error IS positivo THEN rho IS negativa
2
ψ
Futuro
Cinética puntual Resultados I
Λ β
I
kerr = 0,25 kρ = 150 × 10−5
= 0,013 seg
⇒
f = 200
Hz
Lógica difusa
|ρ| ˙ ≤ 20 × 10−5
Variables Conjuntos Operaciones Relaciones
potencia [UA]
175
Control
125 100
potencia setpoint
75 0 reactividad [pcm]
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
150
150 100 50 0 −50 −100 −150
50
100
150
200
Aplicaciones 250
Cinética puntual Tanque Rueda loca
Futuro
ρctrl ρext 0
50
100 150 tiempo [seg]
200
250
Cinética puntual
Sensibilidad a la ganancia
reactividad [pcm]
error en la potencia [UA]
Lógica difusa 20
Variables Conjuntos Operaciones Relaciones
2.5 0.25 0.025
10 0
Control
−10 −20 −30
0
50
100
150
150
200
250
Aplicaciones
2.5 0.25 0.025
100
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication Cinética puntual Tanque Rueda loca
50
Futuro
0 0
50
100
150 tiempo
200
250
Cinética puntual
Inuencia de las funciones de membresía y del operador defuzzication 0.002
CAV COG con 3 valores COG con 5 valores
Lógica difusa Variables Conjuntos Operaciones Relaciones
reactividad
0.001
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
0.000
-0.001
Aplicaciones -0.002
-4
-2
0
2
4
error [UA]
µ
µ
1
1
0.5
0.5
0 -1.5
-1
-0.5
0
0.5
1
1.5
Entrada normalizada ξ
0 −1.5 −1 −0.5
0
0.5
1
1.5
Salida normalizada ψ
Cinética puntual Tanque Rueda loca
Futuro
Tanque mezclador Descripción del problema uc
uf
Qc
Qf
Tf
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
h
Tc
Lógica difusa
Cinética puntual Tanque Rueda loca
Futuro
Q
A u
T
Tanque mezclador
Elección de variables y valores lingüísticos I
Para poder usar mejor el conocimiento lingüístico, conviene referenciar las variables al punto de setpoint
u f0
=
uc0
=
Qsp (Tc − Tsp ) Qf (Tc − Tf ) Qsp (Tsp − Tf ) Qc (Tc − Tf )
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
temperatura caudal ufría ucaliente
↔ T − Tsp = {fría, ok, caliente} ↔ Q − Qsp = {bajo, ok, alto} ↔ uf − uf0 = {cerrada, normal, abierta} ↔ uc − uc0 = {cerrada, normal, abierta}
Futuro
Tanque mezclador
Estrategia de control Icontrol independiente Lógica difusa
I
Con la canilla fría controlamos el caudal de salida y con la canilla caliente la temperatura • • •
• • •
IF caudal IS alto THEN ufría IS cerrada IF caudal IS ok THEN ufría IS normal IF caudal IS bajo THEN ufría IS abierta IF temperatura IS fría THEN ucaliente IS abierta IF temperatura IS ok THEN ucaliente IS normal IF temperatura IS caliente THEN ucaliente IS cerrada
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Tanque mezclador
frí a
Estrategia de control IIcontrol combinado ok
ufría IS abierta ucaliente IS abierta ufría IS abierta ucaliente IS normal ufría IS cerrada ucaliente IS abierta
frí
a
ch ico
e nt lie
ca
temperatura
ufría IS normal ucaliente IS abierta
ok
temperatura
ok ca e nt
lie
ufría IS normal ucaliente IS normal
an
gr
ufría IS abierta ucaliente IS cerrada
Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
a
de
Futuro ufría IS cerrada ucaliente IS normal
frí
caudal
Lógica difusa
ok e nt
lie
ca
temperatura
ufría IS cerrada ucaliente IS cerrada ufría IS normal ucaliente IS cerrada
Tanque mezclador caudal [kg seg−1 ]
Resultados
3.5
control independiente control combinado setpoint
3.0
2.0 0
40
80
120
80 60 40 20
0
40
80
120
uf
1
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
0.5
Futuro
0 0
40
0
40
80
120
80
120
1
uc
Variables Conjuntos Operaciones Relaciones
Control
◦
temperatura [ C]
Lógica difusa
2.5
0.5
0
tiempo [seg]
La rueda loca de Lorenz Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
I
Las reglas del juego
1. el objetivo de control es lograr que la rueda gire en un sentido dado, digamos horario 2. el único parámetro de control es caudal de agua y la única variable observable es la posición de la rueda 3. en todo momento el caudal debe estar en el rango de caos
Cinética puntual Tanque Rueda loca
Futuro
La rueda loca de Lorenz Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
I
Las reglas del juego
1. el objetivo de control es lograr que la rueda gire en un sentido dado, digamos horario 2. el único parámetro de control es caudal de agua y la única variable observable es la posición de la rueda 3. en todo momento el caudal debe estar en el rango de caos
Cinética puntual Tanque Rueda loca
Futuro
La rueda loca de Lorenz velocidad [UA]
Comportamiento natural sin control Lógica difusa
0
50
200
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
velocidad [UA]
Q=
100 150 tiempo [seg] 10 × 10−6 m3 ·s−1
Variables Conjuntos Operaciones Relaciones
Aplicaciones 0
50
100 tiempo [seg]
150
200
Q = 50 × 10−6 m3 ·s−1
Futuro
velocidad [UA] 0
50
100 tiempo [seg]
150
Q = 180 × 10−6 m3 ·s−1
Cinética puntual Tanque Rueda loca
200
La rueda loca de Lorenz Variables y valores lingüísticos neg_grande neg_chica cero pos_muychica
µ
1
pos_chica pos pos_grande
1
-1
-0.5 0 0.5 velocidad normalizada
1
0
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
0.5
0.5
0
negativa cero positiva
µ
-1
-0.5 0 0.5 1 aceleración normalizada
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
µ
1 hilito chico maso grande gigante
0.5
0
0
0.5 1 caudal normalizado
1.5
Futuro
La rueda loca de Lorenz Reglas de la galera I
Reglas lingüísticas, después de algunos días, intentos, insultos y suerte de por medio
IF velocidad IS neg_grande AND IF velocidad IS neg_grande AND IF velocidad IS neg_grande AND IF velocidad IS neg_chica AND IF velocidad IS neg_chica AND IF velocidad IS neg_chica AND IF velocidad IS cero AND IF velocidad IS cero AND IF velocidad IS cero AND
aceleracion aceleracion aceleracion
aceleracion aceleracion aceleracion
IS negativa THEN caudal IS hilito IS cero THEN caudal IS chico IS positiva THEN caudal IS chico
aceleracion IS negativa THEN caudal IS chico aceleracion IS cero THEN caudal IS maso aceleracion is positiva THEN caudal IS maso
IF velocidad IS pos_muychica AND IF velocidad IS pos_muychica AND IF velocidad IS pos_muychica AND IF velocidad IS pos_chica AND IF velocidad IS pos_chica AND IF velocidad IS pos_chica AND IF velocidad IS pos AND IF velocidad IS pos AND IF velocidad IS pos AND
IS negativa THEN caudal is hilito IS cero THEN caudal is hilito IS positiva THEN caudal IS chico
aceleracion aceleracion aceleracion
aceleracion aceleracion aceleracion
aceleracion aceleracion aceleracion
IF velocidad IS pos_grande AND IF velocidad IS pos_grande AND IF velocidad IS pos_grande AND
IS negativa THEN caudal IS maso IS cero THEN caudal IS maso IS positiva THEN caudal IS grande
IS negativa THEN caudal IS grande IS cero THEN caudal IS grande IS positiva THEN caudal IS gigante
IS negativa THEN caudal IS maso IS cero THEN caudal IS grande IS positiva THEN caudal IS gigante
aceleracion aceleracion aceleracion
IS negativa THEN caudal IS grande IS cero THEN caudal is grande IS positiva THEN caudal is gigante
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
La rueda loca de Lorenz Mapa del controlador
Lógica difusa Variables Conjuntos Operaciones Relaciones
3
caudal [m /seg]
4 4 × 10−4
Control
2
3 × 10−4 2 × 10−4
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
0
Aplicaciones
1 × 10−4
Cinética puntual Tanque Rueda loca
1 ac
el
Futuro
0,5
er
ac i
ón
0 −0,5
[r a
d/
se
g2 ]
−1−4
−2
2
0
g]
/se d [rad
a velo cid
4
La rueda loca de Lorenz velocidad
Dos resultados
Lógica difusa Variables Conjuntos Operaciones Relaciones
caudal
Control
0
50
100
150
200
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones velocidad
Cinética puntual Tanque Rueda loca
caudal
Futuro
0
50
100
150
200
Lo que viene ahora...
es atacar problemas termohidráulicos más interesantes I
I
A corto plazo, i.e., antes del 29 de junio. . . •
el problema de Welander con controladores lingüísticos
•
natural circulation loop con controladores de Takagi-Sugeno
A largo plazo (?) . . . •
boiling channels acoplados con realimentación neutrónica
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Lo que viene ahora...
es atacar problemas termohidráulicos más interesantes I
I
A corto plazo, i.e., antes del 29 de junio. . . •
el problema de Welander con controladores lingüísticos
•
natural circulation loop con controladores de Takagi-Sugeno
A largo plazo (?) . . . •
boiling channels acoplados con realimentación neutrónica
sumidero
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
fuente
Lo que viene ahora...
es atacar problemas termohidráulicos más interesantes I
I
A corto plazo, i.e., antes del 29 de junio. . . •
el problema de Welander con controladores lingüísticos
•
natural circulation loop con controladores de Takagi-Sugeno
A largo plazo (?) . . . •
boiling channels acoplados con realimentación neutrónica
sumidero
sumidero
Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
loop
fuente
fuente
Futuro
Lo que viene ahora...
es atacar problemas termohidráulicos más interesantes I
I
A corto plazo, i.e., antes del 29 de junio. . .
Lógica difusa
•
el problema de Welander con controladores lingüísticos
•
natural circulation loop con controladores de Takagi-Sugeno
Control
A largo plazo (?) . . . •
boiling channels acoplados con realimentación neutrónica
sumidero
sumidero
fuente
fuente
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones núcleo
loop
Variables Conjuntos Operaciones Relaciones
Cinética puntual Tanque Rueda loca
Futuro
½Gracias por su atención!
Afortunadamente el aburrimiento llegó a su n Lógica difusa Variables Conjuntos Operaciones Relaciones
Control
¾Preguntas?
Estándar Difuso Fuzzication Reglas Inferencia Defuzzication
Aplicaciones
Cinética puntual Tanque Rueda loca
Futuro
Tratemos de justicar la sorprendente fórmula ... sup-star
Apéndice y
y f (x)
f (x) f (a + ∆a) b = f (a)
b = f (a)
f (a − ∆a)
x
a
Relación entre
x
e
y∈R
a − ∆a a a + ∆a
x
Relación entre dos intervalos
Pasemos ahora al campo difuso... µR (x, y)
Apéndice
µA
1
1
0.5
0
y x
x
0
c(x, y)
c ∧ µR
1
1
0
0
y y x
x
Conjunto difuso obtenido y un resultado de yapa... µB
Apéndice
1
0.5
0
y
µB (y) = m´ax∀x {m´ın [µA (x), µR (x, y)]}
Teorema (Resultado útil) Si
B =A◦R
entonces
µR (x, y) = µA (x) ∧ µB (y) = m´ın [µA (x), µB (y)] Volver al hilo de la charla