Control Difuso Adaptativo

03 Dic 2012

Desarrollo de un Control Difuso Adaptativo Por Modelo de Referencia

Jos D. MEDINA, Manuel J. BETANCUR Grupo A+D; Universidad Pontificia Bolivariana; Cir. 1 #70-01, B11, Medelln, Colombia. josedavid.medina@alfa.upb.edu.co Resumen: En este artculo se presenta la implementacin de un control difuso adaptativo por modelo de referencia, mediante el desarrollo de una aplicacin en LabView; de fcil interaccin con el usuario y que permite a los estudiantes realizar y observar, de forma didctica, un control con autoaprendizaje basado en la tcnica Fuzzy Model Reference Learning Control. Copyright 2012 UPB Kosmos Abstract: This paper presents the implementation of a Fuzzy Model Reference Learning Control, by developing an application in LabView. It allows students to experience, in a didactic way, machine self-learning control. Keywords: FMRLC, Fuzzy Controller, Learning Mechanism, Reference Model.

1.

INTRODUCCIN

Las tcnicas de control moderno han incursionado en el desarrollo de la mayora de las actividades humanas, y cada vez van asumiendo un papel ms importante en el desarrollo y avance de la civilizacin moderna y la tecnologa. Sin embargo, tales tcnicas o enfoques tradicionales centran su atencin en el
Escuela de Ingenieras UPB

modelado, y posterior uso de dicho modelo para la construccin del controlador; aspecto que en ocasiones, se convierte en una desventaja dependiendo de la complejidad y/o dinmica del sistema o planta que se desea controlar. Cuando surgen estos inconvenientes, se recurren a las tcnicas de control no convencionales y, en particular, a los controladores difusos, los cuales proporcionan una metodologa para la representacin,
Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

manipulacin e implementacin de reglas bases, semejantes al conocimiento heurstico del ser humano, con el propsito de controlar un sistema (Passino & Yurkovich,1998). La Fuzzy Logic, que en espaol se traduce como lgica difusa, hace parte de un rea de la ingeniera llamada SoftComputing o Control Inteligente. Esta disciplina surge como complemento a la lgica booleana preexistente, ya que sus tcnicas son empleadas sobre aquellos problemas en los cuales se maneja informacin incompleta, con incertidumbre e inexacta. El concepto de lgica difusa fue concebido por primera vez en 1965 por Lofti Zadeh, profesor de ciencias de la computacin en la Universidad de Berkeley (California), el cual se encontraba inconforme con las teoras clsicas de conjuntos, ya que stas contemplan dos opciones de pertenencia. Debido a esta inconformidad Zadeh public ese mismo ao un paper titulado Fuzzy Sets, en el cual present la forma de procesar informacin permitiendo pertenencias parciales a unos conjuntos que l mismo denomin conjuntos difusos. Posterior a este acontecimiento, los desarrollos tericos en esta rea comenzaron a ser cada vez ms recurrentes y en 1974, el britnico Ebrahim Mamdani desarrolla el primer sistema de control basado en lgica difusa, para la regulacin de un motor a vapor, y estructura las bases para la lgica Mamdani, la cual contempla que el consecuente es la variable lingstica correspondiente a uno de los conjuntos difusos (Lpez, 2001).

Pese que los primeros desarrollos acerca de la lgica difusa fueron en los Estados Unidos, son los japoneses los que empiezan a explotarla de forma masiva. Lo anterior se debi principalmente a razones de ndole cultural. Para el ao 1986 Takeshi Yamakawa publica el artculo, Fuzzy Controller Hardware System y desarrolla controladores difusos en circuitos integrados. En 1987 en el Japn se inaugura el subterrneo de Sendai, lo que representa un gran hito para los sistemas difusos, pues el tren es controlado y guiado por un sistema de este tipo, siendo famoso por su suavidad en el movimiento sobretodo en el proceso de frenado. Para ese mismo ao, aparece en Japn el concepto de Fuzzy Boom, ya que se comercializan un sin nmero de aparatos basados en la lgica difusa, especialmente cmaras fotogrficas y de videos con ajustes de imagen. (Lpez, 2001). Los alcances de la lgica difusa y, en particular, de los controladores difusos, superan la frontera del entorno del control de procesos; pues en los ltimos aos, en el mundo existen tendencias y desarrollos tecnolgicos que cada vez ms utilizan estas tcnicas de control, p. ej. en astronoma y observacin espacial, se desarrollan en la actualidad una nueva generacin de radiotelescopios de sntesis de apertura (SKA, Square Kilometer Array), los cuales estiman tener una resolucin angular mucho mayor (del orden fracciones de arco) que le permitan discernir detalles en la estructura de una radiofuente (DUBNER, 2010). El mtodo Fuzzy Model Reference Learning Control (FMRLC, en espaol Control por Modelo de Referencia) ser implementado en
Universidad Pontificia Bolivariana

Escuela de Ingenieras UPB

Control Difuso Adaptativo

03 Dic 2012

el mecanismo de ajuste de los rayos incidentes; su misin es ajustar el controlador difuso para que el sistema de lazo cerrado, acte de acuerdo a un modelo de referencia determinado previamente utilizando la tcnica de aprendizaje basado en reglas bases (Su & Duan, 2004).

2.

MARCO TERICO

El objetivo de este artculo es presentar al lector la tcnica FMRLC, y mostrar los resultados experimentales obtenidos mediante la utilizacin de la aplicacin desarrollada, del tal modo que el usuario de dicha aplicacin pueda relacionarse e interactuar de forma didctica, con las nuevas tendencias de control y automatizacin brindndole una induccin a estos temas que escasamente son tratados en el pregrado.

A continuacin, se har un recorrido, por los conceptos ms importantes relacionados con el tema de control difuso adaptativo por modelo de referencia. Con esto se busca, que el lector tenga, una ambientacin rpida en el tema y una contextualizacin de dichos conceptos, a la aplicacin desarrollada en este trabajo investigativo. 2.1. Generalidades de los Controladores Difusos El diseo de controladores difusos aplicados en el control de procesos est basado en el uso de reglas heursticas, las cuales emulan la forma del pensamiento humano. La aceptacin de los controladores difusos se fundamenta en el hecho de que un sistema de control, puede ser programado y/o manipulado plenamente usando reglas expresadas con representaciones lingsticas, experiencias pasadas y sentido comn; resolviendo eficientemente el problema de control sin hacer uso de ecuaciones diferenciales o sofisticados algoritmos de la teora de control clsica. La base terica de los controladores difusos es la lgica difusa, la cual a diferencia, de la lgica Booleana (en donde un elemento pertenece plenamente a l o no lo est en absoluto), la funcin de membresa de un elemento a un determinado conjunto no se limita slo a dos posibilidades, sino que la pertenencia o inclusin de dicho elemento, toma un nmero real entre 0 y 1, tal como se muestra en la Figura 1. Donde cero (0) representa que el elemento no pertenece al conjunto y el uno (1), indica que dicho
Universidad Pontificia Bolivariana

En la seccin 2 de este artculo se brindar una base conceptual referente al diseo de controladores basados en el mtodo de FMRLC, en la seccin 3 se expondrn las consideraciones para el diseo y posterior implementacin del FMRLC, en la seccin 4 se exhibirn los resultados experimentales obtenidos con el uso de la aplicacin, y por ltimo en la seccin 5, se har un paralelo entre los resultados obtenidos mediante la utilizacin de una tcnica de control no convencional como lo es el FMRLC y una tcnica de control clsico.

Escuela de Ingenieras UPB

Control Difuso Adaptativo

03 Dic 2012

elemento pertenece completamente al conjunto (BETANCUR, 2001).

salidas. En la Figura 2 se ilustra el diagrama de bloques de un control difuso.

Figura 1. Funcin de Membresa Para Conjuntos Difusos

Figura 2. Controlador Difuso. Inspirada en Passino y Yurkovich (1998).

2.2. Controlador Difuso (Fuzzy Controller) Los controladores difusos, al igual que otros controladores convencionales, toman valores de las variables de entrada, realizan algn procedimiento con ellas y generan una salida que decide como modificar las variables de salida. Su diferencia es que no necesitan ecuaciones ni tablas en su procesamiento, y en su lugar, se procesan reglas bases que deciden como cambiar las
Escuela de Ingenieras UPB

Fuzzificacin (Fuzzification). Proceso de clasificacin de un determinado valor de las variables de entrada (anlogas) para los conjuntos difusos que fueron definidos dentro del universo de discurso.

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

Reglas Bases (Rule-Base). Contienen la informacin sobre el control del sistema basado en la utilizacin de reglas difusas. Estas reglas permiten expresar la experiencia del experto en el proceso en una combinacin de premisas y consecuentes (Ortega, 2001). Mecanismo de Inferencia (Inference Mechanism). Encargado de determinar cuales reglas bases se han activado en la operacin del control, y asignar un valor de pertenencia a cada salida, obtenindose el grado de verdad o peso para cada una de las reglas que se estn activando (Lopera, 2008). Defuzzificacin (Defuzzification). En este proceso se realiza la conversin de los resultados obtenidos mediante el mecanismo de inferencia a una seal que pueda ser interpretada por el actuador (Ortega, 2001). Dinmica del Controlador. Debido a que la modelizacin del controlador difuso est basada en la consideracin de un juego de reglas instantneas, ste no posee dinmica propia. Sin embargo, cuando se consideran sistemas dinmicos es natural que su controlador tambin lo sea (Betancur, 2001). Por este motivo resulta indispensable agregar elementos dinmicos antes y/o despus del control difuso, conforme a las exigencias del problema que se afronte. En la Figura 3 se ilustra un Preprocesador dinmico (derivador) antes de la entrada del controlador difuso. Si el elemento dinmico se agrega a la salida, se denomina posprocesador.
Escuela de Ingenieras UPB

Figura 3. Controlador Difuso Con Preprocesadores y Ganancias de Escalamiento 2.3. FMRLC- Fuzzy Model Reference Learning Control Una vez modelado el control difuso el procedimiento a seguir es brindarle la capacidad de adaptarse a condiciones cambiantes. Para sintonizar dicho control ante estos cambios, se deben modificar sus parmetros de modo que, su comportamiento se ajuste a las necesidades de la planta segn los criterios del diseador. Si el proceso de ajuste de los parmetros del controlador se realiza mediante la utilizacin de un algoritmo, entonces la dupla controladaptador se estima como un control adaptativo. Si el mecanismo
Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

de adaptacin sintoniza al control y posee adems la capacidad de recordar hasta cierto punto, los valores que haba sintonizado en el pasado, se dice que adems de adaptacin hay aprendizaje (Betancur, 2001). El diagrama funcional del FMRLC consta de tres partes fundamentales interconectadas entre s, las cuales son, el controlador difuso (Fuzzy Controller), el modelo de referencia (Model Reference) y el mecanismo de aprendizaje (Learning Mechanism). En la Figura 4 se ilustra el esquema simplificado para el FMRLC.

Modelo de Referencia (Reference Model). Uno de los elementos constitutivos ms importantes del FMRLC es el modelo de referencia. En este modelo se cuantifica el desempeo deseado de la planta y est sujeto al criterio del diseador. Se debe tener especial cuidado al momento de considerar el modelo de referencia del FMRLC, pues pese a que es definido de forma arbitraria por el diseador, su escogencia no slo debe especificar un comportamiento deseable, sino que tambin debe ser razonable. Es decir, se deben considerar las limitantes prcticas de la planta en el mundo real de modo que lo anterior, no se convierta en una imposibilidad para el mecanismo de aprendizaje al momento de sintonizar el controlador (Betancur, 2001). En general, el modelo de referencia puede ser de tiempo discreto o continuo, lineal o no lineal, invariante en el tiempo o variable en el tiempo, y as sucesivamente (Passino & Yurkovich, 1998). Mecanismo de Aprendizaje (Learning Mechanism). El mecanismo de aprendizaje es el elemento central del FMRLC, ya que se encarga de sintonizar las reglas bases que fueron activadas en el controlador difuso con el propsito que el sistema de lazo cerrado se comporte como el modelo de referencia. La modificacin de las reglas bases se hace por la observacin y comparacin de los datos obtenidos en las salidas de la planta y la que se esperara del modelo de referencia. Si son iguales, las reglas que utiliz el controlador son las adecuadas y por lo tanto no necesitan adaptacin. Pero si existe un error, entonces las reglas utilizadas en el inmediato pasado no eran las ms adecuadas y deber ser
Universidad Pontificia Bolivariana

Figura 4. Diagrama de Bloques Bsico del FMRLC. Inspirada en Passino y Yurkovich (1998)

Escuela de Ingenieras UPB

Control Difuso Adaptativo

03 Dic 2012

corregidas (Betancur, 2001). El mecanismo de aprendizaje consta de dos partes: Un Modelo Difuso Inverso y un Modificador de reglas de conocimiento. El Modelo Difuso Inverso (o en ingls, Fuzzy Inverse Model) utiliza la desviacin que existe entre el comportamiento real de la planta y la salida del modelo de referencia con el propsito de generar un valor el cual cuantifica cuanto deben ser modificadas aquellas reglas que estuvieron involucradas en la operacin del controlador. El Modificador de las Reglas Bases (o en ingls, Knowledge-Base Modifier) como su nombre lo indica determina la funcin de modificacin de las reglas bases que fueron utilizadas por el controlador difuso para afectar los cambios necesarios en las entradas del proceso. 3. CONSIDERACIONES DE DISEO E IMPLEMENTACIN

3.1. Seleccin de las Estructuras Para la Entrada El nmero de entradas de la aplicacin se ha restringido a 2, es decir que el conjunto de reglas difusas slo pueden operar con dos entradas diferentes. Para el caso particular del FMRLC, por motivos de simplicidad, slo podr contar con el Error y su Derivada. Si se desea tener ms conocimientos y profundizacin acerca de las diferentes entradas que pueden ser configuradas para un controlador difuso, pueden buscar informacin en LOPERA (2008). En la Tabla 1 se ilustran las dos (2) tipos de arquitecturas con las que cuenta la aplicacin. 3.2. Conjuntos Difusos Para las Entradas Una vez escogidas las entradas que se desean para el controlador difuso, se deben determinar las funciones de membresa y las variables lingsticas que sern utilizadas para la conformacin de los conjuntos difusos, los cuales determinarn el comportamiento del controlador. La aplicacin cuenta con la posibilidad de configurar independientemente los conjuntos difusos que conformarn el universo de discurso de las entradas y el modelo difuso inverso. Se podrn configurar hasta siete conjuntos para ambas seales, lo cual se traduce en una gran flexibilidad al momento de aplicar o disear el control.

Como se hizo mencin anteriormente el presente trabajo se enfoca en el desarrollo de un control difuso adaptativo por modelo de referencia, que permita a sus potenciales lectores y/o usuarios, tener un acercamiento con las tcnicas de control no convencionales de una forma didctica e interactiva mediante la utilizacin de una aplicacin que no genere inconvenientes ni dificultades para los usuarios finales.

Escuela de Ingenieras UPB

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

Tabla 1. Tipos de Arquitecturas Tipo de Arquitectura Configuracin

otro mtodo es mediante la modificacin de la tabla de reglas difusas, donde las filas y las columnas designan las entradas 1 y 2 respectivamente. En la Tabla 2 se ilustran los dos tipos de seleccin para las salidas de la aplicacin. Tabla 2. Tipos Vistas de Salidas Tipo de Seleccin Vista

e1 y de1

Salida Grfica e1 y de1 + e2 y de2

3.3. Salidas Difusas Establecidos los conjuntos difusos del controlador el procedimiento a seguir es determinar las salidas para dichos conjuntos. La aplicacin posee la capacidad de generar esta salida mediante dos mtodos. El mtodo grfico que consiste en la seleccin de las entradas que correspondan a dicha salida y luego se realiza un drag and drop en las grficas de salida generadas. El
Escuela de Ingenieras UPB

Salida Por Tabla de Reglas

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

3.4. Modelo de Referencia La aplicacin desarrollada en este trabajo de grado contempla la posibilidad de configurar un modelo de referencia lineal segn criterio del usuario. ste modelo representar la forma y el comportamiento deseado para la planta. En dicha aplicacin se podr configurar un modelo de referencia, como funcin de transferencia factorizada, hasta de orden seis, lo cual se convierte en una gran flexibilidad al momento de considerar las caractersticas dinmicas de la planta, salvaguardando las posibilidades de respuesta de los actuadores y la capacidad de sintona del controlador.

inversas, las cuales procesarn y trabajarn bajo el error generado entre el modelo de referencia y la salida real de la planta. 4. ANLISIS EXPERIMENTAL

En esta seccin se encontrarn los resultados experimentales obtenidos al analizar, cualitativa y cuantitativamente, el mtodo de adaptacin basado en un modelo difuso inverso desarrollado en la aplicacin, y se tendr como parmetro de evaluacin, el comportamiento del error. Para el caso particular de este trabajo, dicho error ser la diferencia que exista entre la salida de la planta y el valor que se esperara del modelo de referencia propuesto por el diseador. La aplicacin desarrollada en este trabajo, contempla que la seal de referencia (entrada) tenga cambios en amplitud y frecuencia; por lo tanto, se utilizar el error dinmico para hacer el anlisis de los resultados experimentales; especficamente, se utilizarn los Criterios Integrales de Desempeo. 4.1. Criterios de Error Los ndices de comportamiento se definen como un valor para determinar la calidad de la respuesta de un sistema ante una entrada. Entre estos ndices se destacan los criterios integrales, los cuales han sido, comnmente utilizados como funciones de costo a la hora de optimizar controladores (ORTIZ, 2009).

3.5. Mecanismo de Adaptacin (Aprendizaje) Una vez configurado el modelo de referencia el procedimiento a seguir es establecer el mecanismo de adaptacin con el cual se modificarn las reglas difusas que fueron activadas al momento de actuar el controlador difuso. El usuario de esta aplicacin tendr la posibilidad de escoger entre dos mecanismos de adaptacin. El primer mecanismo consiste en multiplicar, por una constante, el error generado entre el modelo de referencia y la salida de la planta, y conforme a este resultado se modificarn las reglas activas del controlador. El segundo mecanismo, por su parte, consiste en activar un modelo inverso basado en reglas difusas

Escuela de Ingenieras UPB

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

Criterio Integral de Error Cuadrtico (CECI). Este criterio da mayor importancia a los errores grandes pero da poco peso a los errores pequeos. Es fcilmente computable tanto analtica como experimentalmente pero no es muy selectivo, ya que variaciones de los parmetros no afectan significativamente el resultado final de la integral. (OGATA, 1998). La integral del error cuadrtico est dada por , donde es el error y es el tiempo de la prueba. (1)

CECI. (OGATA, 1998). La integral del tiempo por el error cuadrtico est dada por (3) Criterio Integral Del Tiempo Por el Error Absoluto (CEAIT). Bajo este criterio se obtienen respuestas transitorias con sobreimpulsos pequeos y oscilaciones bien amortiguadas. Al estar el valor absoluto del error multiplicado por el tiempo, errores grandes son multiplicados por tiempos pequeos, brindando poco peso a los errores grandes que se dan al inicio del sobreimpulso y gran peso a los errores pequeos. (OGATA, 1998). La integral del tiempo por el error absoluto est dada por (4)

Criterio Integral de Error Absoluto (CEAI). Se caracteriza por ser de fcil aplicacin y por proporcionar un amortiguamiento y una respuesta aceptables a la salida del lazo de control. Sin embargo, este criterio no es capaz de optimizar sistemas altamente sobre amortiguados o altamente subamortiguados. Adems, es difcil de evaluar analticamente y no es muy selectivo. (OGATA, 1998). La integral del valor absoluto del error est dada por (2) Criterio Integral de Error Cuadrtico por el Tiempo (CECIT). Se caracteriza por dar poco peso a los errores iniciales grandes pero castiga a los errores presentes tiempo despus del inicio de la entrada al sistema. Posee una mayor selectividad con respecto al

4.2. Pruebas Experimentales Las pruebas experimentales se realizaron, midiendo el desempeo de este mtodo, en una ventana de ejecucin de una duracin aproximada de 13 segundos, tiempo suficiente, para lograr controlar y adaptar completamente los parmetros del sistema; adems, se tuvieron presentes, las siguientes consideraciones: La longitud del pivote danzarn sea igual a 25 cm para la realizacin del experimento.
Universidad Pontificia Bolivariana

Escuela de Ingenieras UPB

Control Difuso Adaptativo

03 Dic 2012

Trabajar con cinco (5) conjuntos difusos de entrada tanto para la seal de error como para su derivada. Tanto los conjuntos difusos de entrada del error como los de su derivada, estn uniformemente distribuidos, en un universo de discurso que va desde -30 hasta 30. Se consider un modelo de referencia lineal de segundo orden, cuya funcin de transferencia, est dada por (5)

seales de referencia, respuesta del modelo de referencia (Y m) y la respuesta de la planta (Theta).

Para este mtodo de adaptacin se asumi que los conjuntos difusos de salida, fueran, en esencia, similares a los conjuntos de entrada. No obstante, el universo de discurso para los conjuntos de salida estar acotado en un intervalo de -20 a 20. Figura 5. Mtodo de Adaptacin Basado en Modelo Difuso Inverso Una vez ejecutada la aplicacin con el mtodo de adaptacin usando un modelo difuso inverso por un tiempo aproximado de 13 segundos se establecen los criterios de error, los cuales, determinaran el desempeo de este mecanismo de adaptacin. En la Figura 6 se pueden apreciar los comportamientos que

En la Figura 5 se puede apreciar el comportamiento del controlador cuando se considera un aprendizaje basado en un modelo difuso inverso, esto quiere decir, que las reglas del controlador difuso estn siendo sintonizadas por un valor generado por el procesamiento, del error y su derivada, originados por la comparacin entre la respuesta real de la planta y la que se espera de un modelo de referencia. Se puede apreciar que, la seal de salida de la planta, se acondiciona al comportamiento dinmico descrito por el modelo de referencia. Con la ayuda de las etiquetas ubicadas en la parte superior derecha, se pueden identificar las
Escuela de Ingenieras UPB

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

presentaron los criterios de error durante la ejecucin y puesta en marcha del mtodo adaptacin usando un modelo difuso inverso.

posible a la respuesta obtenida con el modelo de referencia. En la Figura 7 se ilustran los valores tomados por los criterios de error una vez ejecutada la opcin de borrado.

Figura 6. Criterios de Error Para Mtodo de Adaptacin Difusa La aplicacin desarrollada posee la opcin de borrar las reglas del controlador difuso, con lo cual se puede observar, el comportamiento de la planta cuando el controlador no tiene informacin alguna acerca del proceso, y cmo ste, es capaz de sintonizar o adaptar sus reglas a las nuevas condiciones y lograr, de sta manera, que la respuesta de la planta sea igual en lo
Escuela de Ingenieras UPB

Figura 7. Criterios de Error Con Reglas a Cero Para el Mtodo de Adaptacin Difusa 4.3. Anlisis de Resultados A partir de los datos obtenidos para los criterios integrales de error para las experimentaciones realizadas, se decide construir la Tabla 3. En sta, se realiza una comparacin cuantitativa, de los

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

criterios de error cuando se ejecuta el mtodo de adaptacin difusa durante 13 segundos. Tabla 3. Criterios de Error Obtenidos en Los Experimentos Realizados Criterios Integrales de Error Experimento CECI Sin Borrado de Reglas Con Borrado de Reglas 5,6 5,7 CEAI 7,0 7,2 CEAIT 7,7 8,8 CECIT 6,2 7,0

tengan conocimientos bsicos acerca de sistemas bioinspirados y, en particular, sobre lgica y controladores difusos. Por tal razn es importante presentar una base terica acerca del tema y, especialmente, brindar conceptos relacionados con FMRLC. Pese a que, por definicin, el FMRLC no necesita del conocimiento del modelo de la planta, se debe disponer de un modelo conceptual y algunos parmetros cuantitativos de sta, para poder escoger adecuadamente un modelo de referencia. Por lo tanto, debe tenerse un cuidado especial, al momento de considerar el modelo de referencia del FMRLC, pues pese a que este es definido de forma arbitraria por el diseador, tal eleccin debe ser razonable. Se evidenci que la adaptacin y/o acondicionamiento de la respuesta de la planta ante una respuesta deseada descrita por un modelo de referencia, se logr, con la implementacin del mecanismo adaptativo basado en reglas difusas inversas, dado al hecho que, ste mecanismo posee mayor inteligencia al momento de manipular el error y su derivada, lo cual le brinda mayor eficiencia para alcanzar la adaptacin. AGRADECIMIENTO Al Grupo de Investigacin de Automtica y Diseo (A+D) de la Universidad Pontificia Bolivariana sede Medelln, por brindar, el

Lo anterior demuestra la eficiencia de este mecanismo de adaptacin, al momento de controlar y adaptar los parmetros del controlador difuso, especficamente la sintonizacin de las reglas difusas activadas, con el propsito de brindar el mejor desempeo y lograr mayor fiabilidad al controlador. En otras palabras, el mecanismo de adaptacin acta con la inteligencia necesaria, para lograr que la respuesta de la planta se ajuste acertadamente a la respuesta esperada de un modelo de referencia predeterminado segn criterio del diseador. 5. CONCLUSIONES

Para una adecuada utilizacin de la aplicacin desarrollada en este trabajo es de gran importancia que los usuarios de la misma,
Escuela de Ingenieras UPB

Universidad Pontificia Bolivariana

Control Difuso Adaptativo

03 Dic 2012

aval para el desarrollo de este trabajo de grado y suministrar los espacios idneos para la ejecucin del mismo. Al Dr. Manuel J. Betancur por sus orientaciones, seguimiento y supervisin y las pertinentes correcciones y comentarios para la elaboracin de este trabajo de grado, y as mismo ensearme, que todos los inconvenientes y problemas que se nos presenten en nuestro devenir personal y profesional, pueden resolverse de la mejor manera, si nos enfrentamos a stos con una actitud proactiva basada en la dedicacin y el trabajo. Un reconocimiento al Ing. Armando Bohrquez y al personal auxiliar del laboratorio de Ingeniera Elctrica y Electrnica de la UPB, por su atenta disposicin al prstamo de espacios y elementos disponibles en el laboratorio. REFERENCIAS Betancur, M.J. (2012a). UPB_AutoArt_en_Word. En lnea,
http://dl.dropbox.com/u/21779626/FormatoArticulosAutomatica.zip,

consultado en 2012-02-27 Betancur, M.J. (2012b). UPB_AutoArt_Instructivo. En lnea,

http://dl.dropbox.com/u/21779626/FormatoArticulosAutomatica.zip,

consultado en 2012-02-27 BETANCUR, Manuel J. (2001). Fuzzy Model Reference Learning Control. Trabajo de grado Especialista en

Automtica. Medelln. Universidad Pontificia Bolivariana. Escuela de Ingeniera. Especializacin en Automtica. DUBNER, Gloria. (2010). SKA, Square Kilometer Array. [En Lnea]. [Consulta: 4 de Junio 2011]. Disponible en: <www.iar.unlp.edu.ar/SKA/SKA-planetario-05.ppt>. LOPERA VLEZ, Sergio. (2008). Desarrollo de un Control Difuso para una Mquina Textil Versin Didctica. Trabajo de grado Ingeniero Electrnico. Medelln. Universidad Pontificia Bolivariana. Escuela de Ingeniera. Facultad de Ingeniera Elctrica y Electrnica. ORTEGA MNERA, Mara. (2001). Asistencia al Proyecto Controlador Adaptativo Difuso con Autosintona del Modelo de Referencia. Trabajo de grado Ingeniero Electrnico. Medelln. Universidad Pontificia Bolivariana. Escuela de Ingeniera. Facultad de ingeniera Elctrica y Electrnica. ORTIZ DE LA VEGA, Hctor (2009). Algoritmo Simple Para Sintonizacin de Controladores Difusos. Trabajo de grado. Maestro en Ciencias, rea Ciberntica. Mxico, DF. Universidad La Salle. [En Lnea]. [Consulta: 16 de Noviembre 2012]. Disponible en:<es.scribd.com./doc/68505292/28/Criterios-integrales-dedesempeno>. PASSINO, Kevin y YURKOVICH, Stephen. (1998). Fuzzy Control. Ohio: Addison-Wesley, 475p. SU, Y. ZHENG, C. DUAN, B. (2004). Fuzzy Learning Tracking of Parallel Cable Manipulator of the Square Kilometre Array. [En Lnea]. [Consulta: 4 de Junio 2011]. Disponible en:
Universidad Pontificia Bolivariana

Escuela de Ingenieras UPB

Control Difuso Adaptativo

03 Dic 2012

<http://www.sciencedirect.com.bibliobd.upb.edu.co/science?_o b=MImg&_imagekey=B6V43-4FWKDRD-11F&_cdi=5747&_user=8743942&_pii=S095741580500019X &_origin=search&_coverDate=07%2F31%2F2005&_sk=9998 49993&view=c&wchp=dGLbVlzzSkzS&md5=ccbd5846c7f6cefc01fdc2faadc951d7&ie=/sdartic le.pdf>. AUTORES Jos David MEDINA MARTNEZ. Egresado prximo a graduarse del programa Ingeniera Electrnica en la Universidad Pontificia Bolivariana sede Medelln (Colombia). Graduado de bachiller acadmico del Liceo Carmelo Percy Vergara de Corozal, departamento de Sucre (Colombia). Ha cursado cursos complementarios en Servicios de Automatizacin, Controladores Lgicos Programables y diplomatura en Formulacin, Evaluacin y Gestin de Proyectos de Ingeniera. Se ha desempeado como Monitor Auxiliar de la asignatura Sistemas Automticos de Control en la Universidad Pontificia Bolivariana.

Manuel Jos BETANCUR BETANCUR, nacido en Medelln, Colombia; Ing. Electrnico (UPB, 1987), M.Sc. en Ing. y Especialista en Automtica, Dr. en Ing. de la Universidad Nacional Autnoma de Mxico; cofundador de Tecnologa Apropiada Ltda (1990), de la Asociacin Colombiana de Automtica (1994) y del Grupo de Investigacin en Automtica (1998) luego fusionado en el grupo A+D, clasificado B en Colciencias (2011); investigador asistente en la Universit Catholique de Louvain (2003), actualmente Profesor Titular de la Escuela de Ingenieras de la Universidad Pontificia Bolivariana.

Escuela de Ingenieras UPB

Universidad Pontificia Bolivariana