ESCUELA DE INGENIERA MECNICA, UNIVERSIDAD INDUSTRIAL DE SANTANDER

LABORATORIO DE SISTEMAS TRMICOS GRUPO B1 SUBGRUPO 01

11 DE JULIO DEL 2016, I SEMESTRE ACADMICO DE 2016
LABORATORIO 5: CONTROL FUZZY
JAVIER SEBASTIN CASAS ROJAS
Cod: 2124639
NICOLS FERNEY LPEZ SUREZ
Cod: 2114631
BRIAN ANDRS MARN FAJARDO
Cod: 2124637
CAMILO ANDRS PEREZ MENDIVELSON
Cod: 2124534

SERGIO DAZ CARDONA

Cod: 2122248
ANDRS FELIPE MELGAREJO LPEZ
Cod: 2122250
JUAN SEBASTIN PARRA HERNNDEZ
Cod: 2114629
JHON BRANDO PINILLA JIMNEZ
Cod: 2124533

MARCO TERICO

De aqu que al utilizar fuzzy logic en la evaluacin de reglas,

todas las reglas cuyas premisas tengan algn grado de
veracidad, influirn tambin en cierto grado a la solucin del
problema. Es decir toda regla que sepa algo opina.

Sistemas basados en reglas.

El desarrollo del fuzzy control tiene, su origen en los sistemas
basados en reglas para la toma de decisiones y en la fuzzy logic
para la evaluacin de aquellas.
Los controladores fuzzy, al igual que otros, toman los valores
de las variables de entrada, realizan algn procedimiento con
ellas, deciden como modificar las variables de salida y lo
realizan, afectando estas ltimas a la planta. La diferencia
escencial es que no procesan ecuaciones ni tablas, procesan
reglas para decidir cmo cambiar las salidas.

Estos programas de computadora, utilizan conocimiento y

algn tipo de mecanismo de inferencia para resolver un tipo de

problema en especial, con el objetivo de obtener resultados
parecidos a los del experto humano, no slo en cuanto a la
conclusin final, sino tambin a la forma en que se llega a la
misma.
SI antecedente ENTONCES consecuente o SI condicin
ENTONCES accin
entonces se dice que es un sistema basado en reglas.
Mecanismo de inferencia, es la parte de control del programa,
encargada de procesar las reglas contenidas en la base de
conocimiento, tomando en cuenta los nuevos datos y el estado
del sistema, y producir como resultado, un nuevo cambio en el
estado del mismo para as comenzar un nuevo ciclo.

Fuzzy logic.
En lo referente a la lgica, aparecen nuevas alternativas
respecto de la lgica tradicional, puesto que, al evaluar una
proposicin, ya no es verdadera o falsa sino que la misma tiene
un cierto grado de veracidad, y que a su vez depende del grado

de veracidad de sus premisas.

Controladores fuzzy.
Los controladores fuzzy, igual que otros controladores, toman
el valor de las variables de entrada, procesan, y actan sobre
sus salidas a fin de controlar la planta. En fuzzy control se
utilizan sistemas basados en reglas, que emplean fuzzy logic,
como elemento central. Dado su estado, y los valores de las
variables de entrada, estos sistemas evalan la veracidad de
cada regla, y as, toman decisin sobre los cambios a realizar en
las variables de salida.
Fuzzification.
Esta es la primera parte del proceso, donde luego del
procedimiento convencional de adquirir los valores de las
variables del sistema y calcular otras, se procede a calcular el
grado de pertenencia de tales variables a todos los posibles
conjuntos fuzzy (fuzzy inputs) que se le han asignado.
Tomando como ejemplo otra vez la variable temperatura, con
un valor de 20c, se cuantifica su grado de pertenencia a los
conjuntos representados con las siguientes etiquetas
lingisticas, muy_baja, baja, templada, alta y muy_alta.

Al finalizar este proceso, queda asignado a cada fuzzy input, el

grado de pertenencia del valor actual de la variable que le
corresponde.
Evaluacin de reglas.

Copyright 2016 by ASME

Una vez realizada la fuzzification, se est en condiciones de

evaluar los antecedentes de las reglas, obteniendo el grado de
verdad o peso, para cada una de ellas. Si se tiene una regla
como la siguiente:
SI la temperatura es baja ENTONCES aumente el ciclo de
actividad del calefactor.
El peso de la regla estar dado por la veracidad de sus
antecedentes. Se asigna directamente como peso, el grado de
pertenencia del valor ledo de temperatura a la etiqueta
lingstica baja.
En el caso de antecedentes de reglas con conectivos lgicos Y,
como por ejemplo:
SI la temperatura es baja Y el cambio de temperatura es
ligeramente creciente ENTONCES aumente el ciclo de
actividad del calefactor.
La regla ser tan verdadera como lo sea el menos verdadero de
sus antecedentes. Es decir, se le asigna a la regla como peso, el
menor de los grados de pertenencia de las variables de los
antecedentes a las respectivas etiquetas lingsticas.

Defuzzification.

Lgica Difusa Compensatoria (LDC).

La LDC es un modelo lgico multivalente que permite la

modelacin simultnea de los procesos deductivos y de toma de
decisiones. El uso de la LDC en los modelos matemticos
permite utilizar conceptos relativos a la realidad siguiendo
patrones de comportamiento similares al pensamiento humano.
Las caractersticas ms importantes de estos modelos son: La
flexibilidad, la tolerancia con la imprecisin, la capacidad para
moldear problemas no lineales y su fundamento en el lenguaje
de sentido comn. Bajo este fundamento se estudia
especficamente cmo acondicionar el modelo sin condicionar
la realidad.
La LDC utiliza la escala de la LD, la cual puede variar de 0 a 1
para medir el grado de verdad o falsedad de sus proposiciones,
donde las proposiciones pueden expresarse mediante
predicados. Un predicado es una funcin del universo X en el
intervalo [0, 1], y las operaciones de conjuncin, disyuncin,
negacin e implicacin, se definen de modo que restringidas al
dominio [0, 1] se obtenga la Lgica Booleana.

Es el proceso de producir un resultado cuantificable en la lgica

de Crisp , dados los conjuntos borrosos y grados de pertenencia
correspondiente. Por lo general se necesita en control
borroso sistemas. Estos tendrn un nmero de reglas que
transforman un nmero de variables en un resultado difusa, es
decir, el resultado se describe en trminos de la pertenencia
a los conjuntos difusos .
El mtodo ms simple pero menos defuzzification til es elegir
el conjunto de la ms alta calidad de miembro, en este caso,
"Aumentar la presin" ya que cuenta con una membresa de
72%, e ignorar los otros, y convertir este 72% a algn
nmero. El problema con este enfoque es que se pierde
informacin. Las reglas que llaman para disminuir o mantener
la presin puede ser que tambin no han estado all en este
caso.
Una tcnica defuzzification comn y til es el centro de
gravedad . En primer lugar, los resultados de las reglas deben
agregarse entre s de alguna manera. La funcin de asociacin
de conjuntos difusos ms tpica tiene la grfica de
un tringulo .

Copyright 2016 by ASME