18 de Agosto del 2025
Control Avanzado
Aldo Noé Higuera Juarez
Control difuso
Diego López Pérez
Alexis Torres Meraz
Martín Valdés Sánchez
Marco teórico
La lógica difusa es una rama de las matemáticas que permite representar grados de verdad
entre "completamente verdadero" y "completamente falso", a diferencia de la lógica clásica
que solo acepta estos dos valores. En lugar de afirmar o negar algo rotundamente, la lógica
difusa asigna valores entre 0 y 1 para expresar el grado de pertenencia a un conjunto o la
verdad de una proposición.
Un conjunto difuso es un conjunto en el que los elementos pueden tener diferentes grados
de pertenencia, no solo la pertenencia completa (1) o la no pertenencia (0), como en los
conjuntos clásicos.
En la teoría de conjuntos clásica, un elemento pertenece o no pertenece a un conjunto. En
la teoría de conjuntos difusos, un elemento puede pertenecer parcialmente a un conjunto,
representado por un valor entre 0 y 1.
Dicho conjunto difuso se define sobre un conjunto universal (un conjunto de todos los
elementos posibles) y cada elemento del conjunto universal tiene un grado de pertenencia
a ese conjunto difuso. De esta forma permiten modelar la incertidumbre y la gradualidad en
la pertenencia a un conjunto
La función que define estos grados de pertenencia se llama función de pertenencia. Esta
asigna a cada elemento del conjunto universal un valor entre 0 y 1, indicando su grado de
pertenencia al conjunto difuso.
Las reglas difusas son enunciados que relacionan variables lingüísticas con grados de
pertenencia en la lógica difusa. Estas definen el grado en que un elemento pertenece a un
conjunto difuso, entonces es cuando las reglas difusas entran en acción, las cuales son
proposiciones que relacionan estos conjuntos para modelar el razonamiento impreciso.
Como se dijo antes las funciones de pertenencia asignan un valor entre 0 y 1 a cada
elemento, indicando su grado de pertenencia a un conjunto, a lo que las reglas difusas
utilizan estos grados para tomar decisiones o realizar inferencias.
Son proposiciones lógicas que relacionan conjuntos difusos, generalmente en la forma "IF
(causa) THEN (efecto)".
Permiten modelar y tomar decisiones en sistemas complejos e imprecisos, y así modelar
sistemas con incertidumbre, donde las relaciones entre variables no son claras o precisas,
utilizando un lenguaje más cercano al humano y a la forma en que se toman decisiones en
la vida real.
Existen varios tipos de funciones de pertenencia, siendo las más comunes las triangulares,
trapezoidales y gaussianas. Cada tipo tiene sus características y aplicaciones específicas,
permitiendo representar diferentes grados de pertenencia y adaptarse a diversas
situaciones.
Función de pertenencia triangular
Es una función matemática utilizada en la lógica difusa para representar el grado de
pertenencia de un elemento a un conjunto difuso. Se caracteriza por tener tres parámetros:
un valor mínimo (a), un valor máximo (c), y un valor central o modal (b), donde la pertenencia
es 1. La función toma forma de triángulo, con valores de pertenencia que aumentan
linealmente de 0 a 1 entre a y b, y disminuyen linealmente de 1 a 0 entre b y c.
Función de pertenencia trapezoidal
Es un tipo de función utilizada en lógica difusa para representar el grado de pertenencia de
un elemento a un conjunto difuso. Se caracteriza por tener una forma trapezoidal, con cuatro
parámetros que definen los puntos de inicio, fin y las "orillas" del trapecio.
Se define por cuatro parámetros (a, b, c, d) que corresponden a las coordenadas x de los
puntos que definen el trapecio. Para cada valor de entrada (x), la función devuelve un valor
entre 0 y 1, representando el grado en que ese valor pertenece al conjunto difuso; a y d
representan los puntos donde el grado de pertenencia comienza a ser diferente de cero y
donde deja de ser diferente de uno, respectivamente, mientras que b y c representan los
puntos donde la función alcanza su valor máximo (igual a 1).
Función de pertenencia gaussiana
Esta función define el grado de pertenencia de un elemento a un conjunto difuso utilizando
una curva en forma de campana, basada en la distribución normal. Esta función se
caracteriza por su centro (media) y su ancho (desviación estándar), que determinan la forma
de la campana y, por ende, el grado de pertenencia en función de la distancia al centro.
Cuenta con dos parámetros:
Centro (μ): Define el punto medio de la curva gaussiana, donde el grado de
pertenencia es máximo (generalmente 1).
Ancho (σ): Determina la dispersión de la curva. Un ancho menor indica una curva
más estrecha y un grado de pertenencia que varía más rápidamente con la distancia
al centro. Un ancho mayor indica una curva más amplia y un grado de pertenencia
que varía más lentamente con la distancia al centro.
A medida que un elemento se aleja del centro de la función gaussiana, su grado de
pertenencia al conjunto difuso disminuye, siguiendo la forma de la campana.
Componentes principales de un sistema de control difuso
1. Fusificación
La fusificación convierte las entradas crisp -valores precisos medidos por sensores, como
la temperatura o la presión- en valores difusos mediante funciones de pertenencia. Estos
valores difusos representan grados de pertenencia a distintas categorías (por ejemplo,
"frío", "templado" o "caliente"), lo que permite al sistema manejar la imprecisión con eficacia.
2. Base de conocimientos
La base de conocimientos contiene un conjunto de reglas IF-THEN y funciones de
pertenencia proporcionadas por expertos. Estas reglas rigen el proceso de toma de
decisiones traduciendo las entradas lingüísticas en salidas procesables. Los avances en el
diseño de la lógica difusa han agilizado el desarrollo y el ajuste de los controladores difusos,
reduciendo a menudo el número de reglas necesarias para un funcionamiento eficaz.
3. Motor de inferencia
El motor de inferencia emula el razonamiento humano evaluando el grado de coincidencia
entre las entradas difusas y las reglas almacenadas en la base de conocimientos.
Basándose en esta evaluación, determina qué reglas activar y combina sus resultados para
formar acciones de control. Este proceso es el núcleo de la toma de decisiones en un
sistema de lógica difusa.
4. Defusificación
La defusificación transforma la salida difusa generada por el motor de inferencia en un valor
crujiente. Este paso traduce las acciones de control difuso en salidas precisas y
procesables, adecuadas para las aplicaciones del mundo real. Existen varias técnicas de
defusificación, y la elección del método depende de los requisitos específicos del sistema.
Al integrar la fusificación, una base de conocimiento robusta, un motor de inferencia y la
defusificación, la arquitectura de un sistema de lógica difusa proporciona un marco potente
para manejar la incertidumbre y la complejidad en los procesos de toma de decisiones.
Desarrollo
Este es el diagrama de bloques del control difuso tenemos una entrada y la respectiva
retroalimentación, el error entra a la parte de control difuso, este recibe dos entradas el error
y la derivada del error, interesa saber la derivada del error ya que se quiere conocer el
cambio de error que está ocurriendo.
Entonces ahora en el control difuso pasa por el proceso de fusificación aquí la entrada
expresada en valores reales se convierte en valores de forma lingüística, es aquí que actúa
el mecanismo de inferencia para su más fácil clasificación y procesamiento, este evalúa las
condiciones dadas al compararse con las reglas dadas previamente y de ahí pasa a la
defusificación en la que pasamos de los valores en forma lingüística a valores reales y
aplicables.
Luego se integra la salida para seguir una referencia del escalón de entrada esto ya pasa
a la planta.
Esta es la implementación del control difuso el cual simula un control de temperatura en
Simulink.
Esta es la entrada de temperatura, en el video usan 50 pero igual funciona 30.
Aquí está la parte que calcula el error junto a su derivada que va a un mux para tener ambas
señales que irán al apartado del controlador difuso.
Esto también tiene un bloque de saturación, esto es para limitar tanto el límite inferior
como el superior, esto limita la señal para evitar variaciones exageradas.
Aquí está la parte del control difuso.
Aquí se crea el control difuso el cual tiene dos entradas el ERROR y la derivada del error
(ERROR_D) que va a la SALIDA tras aplicar el control.
Aquí están las funciones de pertenencia con sus respectivos límites todas cuentan con seis
funciones NG (error negativo grande), NM (error negativo mediano), NC (error negativo
chico), Z (error cero), PC (error positivo chico), PM (error positivo mediano) y PG (error
positivo grande).
Todas las funciones de pertenencia son del estilo triangular representada de la siguiente
forma:
De esto se puede obtener una ecuación:
Entendido esto se puede pasar a la siguiente parte. La tarea del sistema de inferencia es
tomar los niveles de pertenencia y apoyado en la base de reglas genera una salida en el
sistema difuso. La base de reglas es la manera que tiene el sistema difuso de guardar el
conocimiento lingüístico que le permiten resolver el problema para el cual ha sido diseñado.
Estas reglas son del tipo IF-THEN.
La elaboración de las reglas del sistema difuso se hacen mediante la tabla FAM, la cual
involucra todas las combinaciones posibles que puede presentarse en el proceso.
Se puede notar que son 49 reglas, esto es así debido a que hay 7 funciones de pertenencia
para el error y otras 7 para su derivada.
A la salida del sistema difuso se integra y pasa por un bloque de saturación para limitar la
respuesta como se explico antes.
De ahí ya tenemos la planta conectado a un bloque de retraso para simular el mismo como
si se tratara de un sistema real, esto va conectado a un mux con la señal dada y la
referencia, también conectado al visor.
Aquí se ve su comportamiento tanto cuando la entrada es 30 como cuando es 50 (como en
el video), se puede observar que el control se activa de la misma forma, siempre llega a
regularse y se estabiliza, la onda sigue la misma forma incluido el sobrepaso, por lo que
podemos concluir que el sistema funciona.
Bibliografía
o [Link]
difusa#:~:text=Proceso%20de%20inferencia%20difusa,se%20aplica%20la%20regla%20correspondie
nte.
o [Link]
difusa/#:~:text=%C2%BFQu%C3%A9%20es%20la%20l%C3%B3gica%20difusa,de%20la%20l%C3%
B3gica%20binaria%20cl%C3%A1sica.
o [Link]
o [Link]
theory#:~:text=La%20teor%C3%ADa%20de%20la%20l%C3%B3gica,en%20entornos%20inciertos%
20o%20difusos.
o [Link]
[Link]/ingenieria/2008/1/EM755/1/material_docente/bajar?id_material=159599#:~:text=grado%20d
e%20membres%C3%ADa.&text=Un%20ejemplo%20de%20un%20conjunto,de%20A%20que%20se
%20eval%C3%BAe.
o [Link]
o [Link]
theory#:~:text=La%20teor%C3%ADa%20de%20conjuntos%20difusos,n%C3%ADtidos%20tradicional
es%20no%20manejan%20adecuadamente.
o [Link]
fuso%20es%20una,los%20conjuntos%20difusos%20sean%20disjuntos.
o [Link]
o [Link]
C3%B3n%20de%20pertenencia%20define,valores%20entre%200%20y%201).
o [Link]
system#:~:text=&text=Asociada%20a%20un%20conjunto%20binario,de%20incertidumbre%20de%20
la%20informaci%C3%B3n.
o [Link]
.1%20Creaci%C3%B3n%20de%20reglas,en%20la%20secci%C3%B3n%204.1.3%20.
o [Link]
mathematics#:~:text=II.&text=La%20l%C3%B3gica%20difusa%20se%20define,la%20disyunci%C3%
B3n%20y%20la%20negaci%C3%B3n.
o [Link]
artificial/#:~:text=Funciones%20de%20pertenencia:%20Son%20curvas,decisiones%20en%20el%20
mundo%20real.
o [Link]
o [Link]
%20concepto%20fundamental%20en%20que%20se%20basa,viene%20representado%20por%20un
a%20funci%C3%B3n%20de%20pertenencia.
o [Link]
logic#:~:text=La%20l%C3%B3gica%20difusa%20es%20una%20forma%20de,puede%20ser%20parci
almente%20verdadera%20y%20parcialmente%20falsa.
o [Link]
.pdf
o [Link]
o [Link]
difusa/#:~:text=Existen%20varios%20tipos%20de%20funciones%20de%20pertenencia%2C,adecuad
as%20para%20aplicaciones%20donde%20se%20requiere%20precisi%C3%B3n.
o [Link]
_Functions_Work_So_Well_Towards_a_Theoretical_Explanation#:~:text=The%20triangular%20mem
bership%20function%20is,a%20given%20set.%20...
o [Link]
o [Link]
o [Link]
o [Link]
o [Link]