Control de Iluminacin

Control Fuzzy
Jcome Fernando/ Reyes Daniel
Abstract

ESPE 17 de abril de 2012

 Control de Iluminacin

Control de Iluminacin
Control Fuzzy
INTRODUCCIN

Con respecto a la lgica, se crea nuevas alternativas a la lgica tradicional, tal y como la conocemos. Una proposicin no siempre es verdadera, o falsa; sino que la misma puede tener un grado de veracidad. Observemos que lo descrito anteriormente se basa ms en el comportamiento natural de las personas, y deja de aferrarse a un cierto nmero de ecuaciones y condiciones que usualmente se utilizan en el control 'clsico'.

En los ltimos tiempos, el control fuzzy est tomando una alta aceptacin en el desarrollo de equipo: cmaras de video fuzzy, lavadoras que emplean fuzzy logic para determinar las condiciones de lavado, frenos ABS con fuzzy logic para vehculos, sistemas de aire acondicionado, entre otros. El pionero que utiliza este tipo de sistemas, son las empresas japonesas. Generalidades El funcionamiento general de un controlador fuzzy es que igual que otros controladores, toman los valores de las variables de entrada del sistema, y segn ciertas reglas, o condiciones, que nosotros imponemos, deciden como modificar las variables de salida, afectando el comportamiento de la planta.

Al utilizar el control fuzzy, observamos que ya no procesamos ecuaciones, nmeros o trablas, sino reglas. De esta manera se puede realizar operaciones entre palabras como, ms bajo, subir un poquito, bajar un poquito, o este tipo de acciones que realizamos los humanos naturalmente para realizar un control. Ciclos utilizados en el control fuzzy. El proceso cclico puede ser dividido en tres grupos, de la siguiente manera.

Fuzzification

Defuzzification

Este sistema basado en reglas en el control fuzzy, es de la siguiente manera: Fuzzification

Evaluacin de Reglas

Esta es la primera parte del proceso, se procede a determinar el grado de pertenencia de las variables de entrada estos son los denominados El problema de utilizar la lgica difusa, es la complejidad de representar el conocimiento en estas reglas, muchas veces esbozamos reglas con calificativos no demasiado precisos. Pgina 2 fuzzy inputs. En nuestro caso, nuestras entradas (inputs) es la cantidad de luminosidad del ambiente, y el

 Control de Iluminacin

nmero de personas que se encuentran en la habitacin. Teniendo lo siguiente:

encuentra nuestro sistema, se obtiene el grado de verdad o peso para estas condiciones. El peso de la regla estar dado, entonces, por la veracidad de sus antecedentes. As como las variables de entrada tambien existe las de salida, estas son las fuzzy outputs. A cada una de estas se le asigna como valor, o grado de aplicabilidad, el mximo valor entre todas las reglas que la mencionan, de manera que al finalizar toda la evaluacin, queda cada fuzzy output con su valor. Las salidas que nos propusimos son:

En esta figura, podemos observar que dependiendo de nuestro porcentaje de iluminacin, hemos determinado cinco grupos de pertenencia. escasa, baja, media, alta, extrema. En este punto, es importante destacar el uso de trapezoides, tringulos, campana de gauss. Para formar nuestros conjuntos difusos. Observando la figura, podemos decir que los trapezoides abarcan ms puntos de pertenencia, el triangulo en cambio, abarca un intervalo de puntos de pertenencia y se establece su punto medio.

Las reglas que nosotros propusimos son las siguientes:

Con respecto al nmero de personas establecimos cinco grupos: vaco, poca gente, medio lleno, lleno, repleto. Evaluacin de reglas Una vez realizada la fuzzificacion, se est en condiciones de evaluar en qu condicin se

Defuzzificacion A cada fuzzy output, se le asign el mximo valor de verdad o peso de las reglas que la mencionan como consecuente. Ahora quedan varias fuzzy outputs para cada variable de salida, cada una con un grado de aplicabilidad, pero; ?Cual sera el valor de la salida?.

Pgina 3

 Control de Iluminacin

Entonces, internamente, se realiza un promedio ponderado entre todas las salidas que le corresponden a una variable de salida, considerando las superficies de estas, tomando el centro de gravedad de las mismas como el nuevo valor de la variable de salida en consideracin.

Al hacer doble click sobre el grfico de inputs, agregamos entradas a nuestro controlador fuzzy, de igual manera lo realizamos con las salidas. Para agregar las reglas, hacemos doble click en el cuadro central. En este cuadro, podemos observar el comportamiento en resumen de nuestro sistema, dependiendo de las entradas que le entreguemos. Control Fuzzy en MATLAB El manejo del control fuzzy utilizando matlab es verdaderamente sencillo. Para determinar las entradas, salidas, reglas y verificar la superficie. Colocamos el cdigo fuzzy en la pantalla de matlab, y se abre la siguiente pantalla: Ahora, en nuestro cdigo, usamos los siguientes comandos.

fs=readfis('Modelocuatro');

Este comando, me ayuda a 'cargar' el modelo creado con la herramienta fuzzy, en este caso nuestro modelo se llama Modelocuatro. A este lo almacenamos en una variable denominada fs.

pwm=evalfis([ldrt setp],fs)

Este comando enva las entradas hacia el sistema fuzzy, en este caso enviamos el valor que leemos en los sensores y el nmero de personas. En este comando, tambin se especifca el nombre del archivo fuzzy que creamos, en este caso fs, que es el sistema que cargamos previamente.

Pgina 4

 Control de Iluminacin

La salida de este comando, es el valor de mi fuzzy output, en nuestro caso lo almacenamos en una variable llamada pwm para trabajarlo y controlar el valor del PWM mediante nuestro microcontrolador.

En la figura anterior, podemos observar que el comportamiento de la planta es muy bueno, siendo que el controlador satisface claramente con nuestras expectativas. Posee un tiempo de estabilizacin muy bajo, el sobre impulso generado es imperceptible a la vista, y no existe oscilaciones en el valor de PWM, lo que nos entrega una iluminacin constante.

Anlisis de Resultados Nuestra prioridad en la implementacin de nuestro controlador fuzzy, es el nmero de personas. Ya que si observamos el grfico de las superficies, podemos ver que la altura (valor de potencia del foco) se basa sobre todo en los rangos del nmero de personas. Como debe ser normalmente, a mayor nmero de personas, el nivel de iluminacin debe ser mayor. Adems si observamos. El nivel de iluminacin se mantiene en un nivel medio segn el nmero de personas, lo que implementando en un sistema real puede impactar en el ahorro energtico. Una de las metas principales que actualmente la domtica persigue. La ventaja del control difuso, es que el sistema reacciona rpidamente a los cambios, se adapta con facilidad. En la grfica anterior podemos observar que al existir una perturbacin, (mayor o menor iluminacin externa) el valor de PWM cambia rpidamente y se adapta al valor necesario que cumple con las condiciones dadas. Podemos concluir, que el control difuso es de fcil implementacin, gran rapidez de respuesta, sistema inteligente y con un error muy bajo. Conclusiones La implementacin de un sistema fuzzy es muy sencillo, ya que no es necesario realizar un modelo exacto, sino que Pgina 5

 Control de Iluminacin

basta con entender en esencia el comportamiento de la planta. Esto ayuda sobre todo cuando tenemos un comportamiento no lineal facilitando el proceso de modelado. El control difuso se asemeja al comportamiento humano, a lo referente con la toma de decisiones, esto ha dado paso al estudio de la inteligencia artificial. Bibliografa

Pgina 6