Professional Documents
Culture Documents
EXTENSIN LATACUNGA
Nombre: Clinton Semanate
Fecha: 30/05/2016
CONTROL FUZZY DE TIPO SUGENO
Introduccin
El modelado y la identificacin son etapas importantes en el diseo de sistemas de control.
Para satisfacer los requerimientos de calidad en los productos, el sistema de control debe
garantizar la operacin del proceso con un buen desempeo sobre un rango amplio de
condiciones de operacin. Cuando se considera la totalidad del rango de operacin, la
mayora de los procesos exhiben un comportamiento fuertemente no lineal y por lo tanto no
pueden ser descriptos empleando modelos lineales convencionales. De aqu surge la
necesidad de obtener modelos de sistemas no lineales en forma rpida y sencilla, y que
adems puedan ser utilizados para los distintos controladores de alto desempeo. Por lo
cual se presenta una metodologa para la obtencin de un modelo borroso que tiene la
caracterstica que se pueda emplearse en tales controladores, Control Fuzzy tipo Sugeno.
Desarrollo
Sugeno propuso el diseo de controladores difusos a partir de encontrar un modelo difuso
de la planta que relacionara las entradas con sus salidas. Una vez que ya se ha diseado un
modelo difuso de la planta, es posible generar un controlador que parte de la salida deseada
para determinar la entrada necesaria en el sistema, con un proceso de deduccin inversa.
(Cruz, 2010)
El modelo borroso propuesto por Takagi y Sugeno puede representar o modelar toda clase
de sistemas estticos o dinmicos no lineales. En este modelo las reglas son de la forma
(Miguel Pea, 2009)
Ri : Si: x es A i( x)
entonces : y i=f i (x) (1)
x=[x 1 . X M ]
f i ( x )= pi0 + pi1 x 1 +. . .+ p iM x M
(2)
donde pij son escalares. La salida del modelo se obtiene a travs del promedio pesado de
la salida de cada regla
w i ( x1 , , x M ) yi
y= i=1L
(3)
w ( x1 , , x M )
i
i=1
Ri : Si: x es A i( xn )
entonces : y i=f i ( x n )
La salida del modelo, y n , se calcula como el promedio pesado de la contribucin de cada
regla
L
w i ( xn ) yi
y= i=1L
wi ( xn )
i=1
x n=g x ( x ) , y n=g y ( y)
Las funciones de normalizacin tienen como objetivo obtener la estructura del modelo e
incrementar el desempeo del mismo. Estas realizan una correccin de escala y una
correccin estadstica de los datos. La funcin de normalizacin de salida debe tener
inversa. La ilustracin muestra el esquema implementado. (Miguel Pea, 2009)
Es computacionalmente eficiente.
Funciona bien con las tcnicas lineales (por ejemplo, el control PID).
Funciona bien con la optimizacin y tcnicas de adaptacin.
Se ha garantizado la continuidad de la superficie de salida.
Es muy adecuado para el anlisis matemtico. (INC, 2011)
Mtodo Mamdani
Es intuitivo.
Tiene una amplia aceptacin.
Es muy adecuado para la intervencin humana.
Controlador Mamdani
Controlador Sugeno
Una vez establecido el tipo de controlador es posible ajustar la definicin de los diferentes
mtodos algebraicos que el controlador utilizar para calcular sus salidas. Los ajustes
posibles son los siguientes: (ROSARIO, 2011)
Los tipos de funciones de pertenencia que este editor permite son los siguientes:
Conclusin
El sistema Sugeno es una representacin ms compacta y computacionalmente eficiente que un
sistema de Mamdani. El sistema Sugeno se presta a la utilizacin de tcnicas de adaptacin para la
construccin de modelos difusos. Estas tcnicas de adaptacin se pueden utilizar para personalizar
las funciones de pertenencia de modo que el sistema difuso mejores modelos de los datos.
Bibliografa
Cruz, P. P. (2010). Inteligencia Artifiial con Aplicaciones de Ingenieria.
Mexico: AlphaOmega.
INC, M. W. (15 de 09 de 2011). Matlab. Obtenido de Math Works:
http://es.mathworks.com/help/fuzzy/comparison-of-sugeno-andmamdani-systems.html?s_tid=gn_loc_drop
Miguel Pea, H. A. (23 de 11 de 2009). MODELADO E IDENTIFICACIN CON
UN MODELO BORROSO. Obtenido de Articula Cientifico:
http://citeseerx.ist.psu.edu/viewdoc/download?
doi=10.1.1.218.9042&rep=rep1&type=pdf
ROSARIO, U. N. (12 de 10 de 2011). Control Fuzzy. Obtenido de
http://usuarios.fceia.unr.edu.ar/~spastel/2011%20TP3%20%20Control%20Fuzzy.pdf