Professional Documents
Culture Documents
1 Introducción
2 Lógica difusa
J.S.R Jang plantea que los sistemas de inferencia difusa son útiles en diferentes
aplicaciones como lo son el control automático, la robótica entre otras.
La estructura básica de un sistema de inferencia difusa consiste en tres componentes
conceptuales:
Regla base la cual contiene una selección de reglas difusas
Base de datos la cual define el miembro utilizado en la función de reglas difusas
Mecanismo de razonamiento, lleva a cabo el procedimiento de inferencia a las normas
y de hechos a una unidad de salida o conclusión razonable
En la siguiente figura mostramos la gráfica de un modelo reactivo del cual partimos
para empezar a implementar los siguientes modelos.
Modelo reactivo
45
40
35
Velocidad
30
25
Serie1
20
15
10
5
0
0 20 40 60 80 100 120
Distancia
Fig. 1. En la figura 1 se muestra un modelo reactivo simple el cual usamos como punto de
partida.
80
60
velocidad
40
Serie1
20
0
0 20 40 60 80 100 120
-20
distancia
Fig. 2. En la figura 2 se muestra un modelo reactivo un poco más elaborado ya que este
modelo cuenta con reglas ósea con subdivisiones.
FUZZIFICADOR
En este caso vamos a usar el fuzzificador que es el que va a recibir valores numéricos enviados
directamente de los sensores del robot pero para que el valor pueda ser procesado por el
sistema difuso es necesario convertirlo a un lenguaje que el mecanismo de inferencia pueda
procesar.
Esta es la tarea del fuzzificador toma los valores que le envían los sensores los procesa y los
convierte en valores difusos.
DEFUZZIFICADOR
0 c <= x.
Estas fórmulas son utilizadas para empezar el proceso de fuzzificación y aplicándolas tomando
en cuenta los valores de distancia y velocidad arrojan los siguientes resultados para el manejo
de los sensores y motores:
1,20
1,00
0,80
Muy cerca
Cerca
Grado de
0,60 Normal
pertenencia
Lejos
Muy lejos
0,40
0,20
0,00
1 9 17 25 33 41 49 57 65 73 81 89 97
Distancia
1,20
1,00
0,80
Muy lento
Lento
Grado de
0,60 Medio
pertenencia
Rapido
Muy rapido
0,40
0,20
0,00
1 5 9 13 17 21 25 29 33 37 41 45 49
Velocidad
Modelo difuso
60
40
Velocidad
20 VEL(X)
0
0 20 40 60 80 100 120
-20
Distancia
Fig. 6. En la figura 6 se observa el modelo difuso que a diferencia de los modelos reactivos
este es más continuo para que la navegación sea más fluida
3 Fusión sensorial
En el proyecto presentado es fundamental la utilización de diferentes sensores como
son sensores Infra rojos, de ultrasonido, de movimiento etc.
Se pretende utilizar sensores en conjunto con una Red Neuronal Artificial para poder
crear una fusión sensorial.
Una fusión sensorial es una característica que se presenta cuando dos receptores de
imágenes captan la misma imagen a la vez combinando estos dos ángulos, una ventaja
de esta fusión es que si existe un pequeño fallo en uno de los dos receptores el otro
puede compensarlo y erradicar el problema.
5 Conclusiones
References
1. García Elías Hugo Adrián, Ramírez Cruz José Federico. “Aprendizaje en redes neuronales
Wavelet aplicado en la eliminación de ruido”.
2. M.A. Zamora, L.M. Tomás-Balibrea, H. Martínez, A.G. Skarmeta. “Navegación
Planificada de un Robot Móvil en Entornos Interiores Desconocidos”
3. Swain Ricardo, Devy Michel, Jonquiéres Stéphanie. “Navegación de un Robot Móvil por
Medio de Control Visual en Ambiente Estructurado”
4. E. Scillato Adrian, L. Colón Daniel y E. Balbuena Juan. “Técnica de Navegación Híbrida
para Robots Móviles”
5. Hernández, R., Jiménez, L.M., Reinoso, O., Puerto, R., Payá L. “Estudio e implementación
de técnicas de control reactivo de robots móviles utilizando sensores de rango (sonar e
infrarrojos)”.