CONTROL DIFUSO
INTRODUCCION
CONTENIDO
Motivacion para el control fuzzy
Controladores PID usando tecnicas fuzzy
Controlador proporcional difuso
Controlador PD difuso
Controlador PI difuso
Analisis de controladores PID fuzzy
2
MOTIVACION PARA EL
CONTROL FUZZY
3
El control convencional
La teoria del control convencional se caracteriza
por:
Modelos matematicos de un proceso
Linealizacion en un punto de operacion
y controladores
Lineales
Metodos de diseo basados en la planta ideal
4
Los problemas reales
Los sistemas reales son complejos
No linealidades
Modelos dificiles de obtener
Las fuentes de informacion son
Cualitativas
Inexactas
El control tipicamente es manual
El conocimiento experto del operador
5
Proposito del control fuzzy
Proponer otro paradigma de diseo
Imitar las acciones de control del operador humano
Interpolacion suave de la salida bajo condiciones
distintas
6
Diseo clasico del sistema de control
Metodos de diseo:
Basado en seal: el modelo solo se usa en la etapa de
diseo
basado en modelo: el modelo hace parte del algoritmo
de control
7
Diseo clasico del sistema de control
Problemas del control
Regulacion,
Seguimiento
8
Pasos del diseo clasico
1. Estudio del proceso. Seleccin de sensores y
actuadores
2. Modelado del sistema. Identificacion.
3. Seleccin de las especificaciones
4. Seleccin y diseo del controlador
5. Simulacion. Posible mejora.
6. Seleccin del HD y SW
7. Experimentos en tiempo real. Sintonia
De Sousa, 2000
9
Metodologia del diseo clasico
Diseo del
Modelo controlador Algoritmo de
analitico Modelo Dinamico Root-Locus control
Identificacion Control PI
Satisface
Analisis de
Performance Specifications
requerimientos
10
El control fuzzy
Pretende controlar sistemas complejos
Usa estrategias de control basadas en
conocimiento
Representado en la base de reglas
Y la base de datos
11
Bases del control fuzzy
Diseo basado en sistemas fuzzy en lugar de
ecuaciones matematicas
Ventajas
Utilizacion del conocimiento experto
Aproximacion de funciones no lineales
Eficiente: numero de parametros, local, metodos de
identificacion
transparente
12
Pasos de diseo del control fuzzy
1. Estudio del sistema. Seleccin de sensores y
actuadores
2. Modelado del sistema. Identificacion.
3. Seleccin de las especificaciones
4. Seleccin y diseo del controlador
5. Simulacion. Posible mejora.
6. Seleccin del HD y SW
7. Experimentos en tiempo real. Sintonia
13
Modelado de la planta en el control fuzzy
El modelo la planta puede ser no lineal
14
CONTROLADOR
PROPORCIONAL DIFUSO
15
Controladores proporcionales
En el sistema de control
El controlador fuzzy construye una funcion
monotona
P: Cuanto mas error, mayor accion de control
16
Controladores proporcionales
Mapeo de entrada salida
Controlador fuzzy
17
Base de reglas del controlador proporcional
If error is NB then control input is NB
If error is Zero then control input is Zero
If error is PB then control input is PB
18
Controlador fuzzy: ejemplo
Matriz asociativa fuzzy
Consecuente
Regla
19
Controlador fuzzy: ejemplo
Activacion
de las reglas
Regla 4
20
Controlador fuzzy: ejemplo
Superficie entrada-salida
21
CONTROLADOR PD DIFUSO
22
Controlador PD convencional
Controlador PD convencional
u ( k )= K e ( k ) + K D e ( k )
23
Controladores PD difusos
Controlador PD fuzzy
u ( k ) f ( e ( k ) , e ( k ) )
=
24
Controladores PD difusos
Comparacion entre el PD convencional (izq.) y el PD fuzzy (der.)
25
CONTROLADOR PI DIFUSO
26
Estructura del controlador PI difuso
27
Base de reglas del controlador PI
IF e(k) is P AND e(k) is P THEN u(k) is P
IF e(k) is P AND e(k) is N THEN u(k) is Z
IF e(k) is N AND e(k) is P THEN u(k) is Z
IF e(k) is N AND e(k) is N THEN u(k) is N
28
CONTROL DIFUSO VS. PID
29
Control PID convencional
30
Control PID fuzzy
31
Controlador fuzzy dinamico
32
OBTENCION DE LA BASE DE
REGLAS
33
Comportamiento del error
Respuesta transiente tipica
34
Tres meta-reglas
Si e(k) y e(k) son cero entonces mantener el
control presente (sea u(k) o u(k));
Si e(k) tiende a cero a una velocidad satisfactoria,
entonces mantener el control presente;
Si e(k) no tiende a cero, entonces la accion de
control es distinta de cero y depende del signo y la
magnitud de e(k) and e(k).
35
Base de reglas PI
Salida u ( k )
u ( k )
36
Tomado de [Reed A., 2002 ]
ANALISIS DE LOS
CONTROLADORES FUZZY
37
Introduccion de la dinamica en un
controlador fuzzy
Data base Rule base
Knowledge base
informations
Input(s) output
Dynamic crisp-fuzzy inference fuzzy-crisp Dynamic
filter interface engine interface filter
El sistema fuzzy es una relacion de entrada-salida
estatica
Los filtros introducen la dinamica
38
Normalizacion
Usualmente Los universos de entrada y salida
estan normalizados.
Los factores de escala son parametros de sintonia
importantes
39
Diagrama tipico de un control fuzzy
40
Pre-procesamiento
Filtro dinamico
Escalamiento de la seal
Extraccion de caracteristicas
41
Pos-procesamiento
Escalamiento de la seal
Filtro dinamico
42
: papel de los conjuntos fuzzy
Numero y posicion de los conjuntos fuzzy
Division lineal division logaritmica
43
: papel de los conjuntos fuzzy
Numero y posicion de los conjuntos fuzzy
Traslapamiento
Con traslapamiento de mas de dos conjuntos fuzzy, la
superficie de salida se suavisa
El cambio de los consecuentes no tiene mucha
consecuencia: el efecto es filtrado por las otras reglas
activas
44
: papel de los conjuntos fuzzy
Numero y posicion de los conjuntos fuzzy
Traslapamiento
Forma
Usando MFs no lineales se introducen caracteristicas no
lineales
La no linealidad deberia ser definida por las reglas
45
: papel de los conjuntos fuzzy
Numero y posicion de los conjuntos fuzzy
Traslapamiento
Forma
Conjuntos fuzzy de salida
Normalmente se usan conjuntos equidistantes
Parece razonable usar consecuentes constantes o
funcionales
46
: papel de los operadores
Negadores en las premisas de las reglas
47
: papel de los operadores
Negadores en las premisas de las reglas
Conector logico and
El uso del operador min resulta en no-linealidades
El operador producto es conveniente desde este punto
de vista
48
: papel de los operadores
Negadores en las premisas de las reglas
Conector logico and
Conector logico Or
El numero de reglas puede decrecer usando el operador
Or (not)
No se recomienda
49
Propiedades de la base de reglas
Continuidad
Reglas con premisas adjacentes tienen consecuentes
adjacentes
Consistencia
Se refiere a la consistencia del conocimiento representado por la
base de reglas
Completitud
Todas las situaciones del espacio de entrada (a un nivel
semantico) tienen una salida definida
50
Estructuras de controladores fuzzy tipo pid
Cortesa de Jan Jantzen, Technical
University of Denmark, 2002
Controlador Fuzzy Proporcional
52
Controlador Fuzzy PD
53
Controlador Fuzzy PI
54
Controlador Fuzzy PD + I
55
Controlador hibrido Fuzzy-lineal P + ID
56
Fuentes
Robert Babuska. Course Fuzzy and Neural Control,
2001/2002.
Andrii Riid, Transparent Fuzzy Systems: Modeling
and Control. PHD Thesis. 2002
Joao Miguel da Costa Sousa, Fuzzy Model-Based
Control , Technical University of Lisbon, 2000
57
Fuentes
Ren Jager, Fuzzy Logic in Control. PHD thesis,
1995.
Antonio Sala P., Validacion y aproximacion
funcional en sistemas de control basados en logica
borrosa. Tesis PHD. 1998
L.X. Wang, A course in Fuzzy Systems and
Control, Prentice-Hall, 1997
Kevin Passino, Intelligent Control, The Ohio State
University, 2000
58
Fuentes
Kwang-Hyung Lee, Textbook CS670 Fuzzy
Theory,
[Link]
septiembre 2001.
Robert Babuska. Fuzzy and neural control. DISC
Course Lecture Notes (October 2001)
Robert Babuska. Course Fuzzy and Neural
Control, 2001/2002.
59
The end