UNIVERSIDAD DE GUADALAJARA

CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERIA

Proyecto: Reporte de Prctica

Alumno 1: Hermosillo Reynoso Fernando

Profesor: Anuar Benjamn Beltrn Gonzlez

Cdigo: 207425449
Fecha de entrega: 28-11-14

Resumen
Este proyecto enlaza las bases adquiridas en control clsico y en control Difuso, con el fin
de desarrollar el control de un Balancn con el controlador PD Difuso, en base a la
experimentacin se obtuvieron los datos necesarios para poder crear nuestro sistema
difuso en LabVIEW.

ndice
Resumen ................................................................................................................................. 2
Lista de smbolos (Nomenclatura) .......................................................................................... 4
Maysculas ......................................................................................................................... 4
Minsculas .......................................................................................................................... 4
Letras griegas ...................................................................................................................... 4
Introduccin: .......................................................................................................................... 5
Desarrollo ............................................................................................................................... 9
Resultados ............................................................................................................................ 14
Discusin ............................................................................................................................... 15
Conclusiones ......................................................................................................................... 16
Apndice ............................................................................................................................... 17
Hojas de datos .................................................................................................................. 17
Bibliografa ........................................................................................................................ 17
Programas computacionales (si se cree necesario) ......................................................... 17
Referencias ....................................................................................................................... 17
Revistas ......................................................................................................................... 17
Sitios de Internet .......................................................................................................... 17
Artculos ........................................................................................................................ 17
Blog ............................................................................................................................... 18
Etc. ................................................................................................................................ 18

Lista de smbolos (Nomenclatura)

Maysculas
V Voltaje (V).

Minsculas
c Velocidad de la luz (m/s). La velocidad de la radiacin electromagntica es
independiente de la velocidad del emisor.
i Raz de menos uno (-).

Letras griegas
Constante PI matemtica (3.1415).

Introduccin:
La lgica difusa (tambin llamada lgica borrosa o lgica heurstica) se basa en lo relativo
de lo observado como posicin diferencial. Este tipo de lgica toma dos valores aleatorios,
pero contextualizados y referidos entre s. As, por ejemplo, una persona que mida 2
metros es claramente una persona alta, si previamente se ha tomado el valor de persona
baja y se ha establecido en 1 metro. Ambos valores estn contextualizados a personas y
referidos a una medida mtrica lineal.
Fue formulada en 1965 por el ingeniero y matemtico Lofti Zadeh.
Funcionamiento
La lgica difusa ("fuzzy logic" en ingls) se adapta mejor al mundo real en el que vivimos, e
incluso puede comprender y funcionar con nuestras expresiones, del tipo "hace mucho
calor", "no es muy alto", "el ritmo del corazn est un poco acelerado", etc.
La clave de esta adaptacin al lenguaje, se basa en comprender los cuantificadores de
cualidad para nuestras inferencias (en los ejemplos de arriba "mucho", "muy" y "un
poco").
En la teora de conjuntos difusos se definen tambin las operaciones
de unin, interseccin, diferencia, negacin o complemento, y otras operaciones sobre
conjuntos (ver tambin subconjunto difuso), en los que se basa esta lgica.
Para cada conjunto difuso, existe asociada una funcin de pertenencia para sus
elementos, que indican en qu medida el elemento forma parte de ese conjunto difuso.
Las formas de las funciones de pertenencia ms tpicas son trapezoidales, lineales y
curvas.
Se basa en reglas heursticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son tambin conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurstica para esta lgica
(ntese la importancia de las palabras "muchsimo", "drsticamente", "un poco" y
"levemente" para la lgica difusa):

SI hace muchsimo fro ENTONCES aumento drsticamente la temperatura.

SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.

Los mtodos de inferencia para esta base de reglas deben ser sencillos, verstiles y
eficientes. Los resultados de dichos mtodos son un rea final, fruto de un conjunto de
reas solapadas entre s (cada rea es resultado de una regla de inferencia). Para escoger
una salida concreta a partir de tanta premisa difusa, el mtodo ms usado es el
del centroide, en el que la salida final ser el centro de gravedad del rea total resultante.

Las reglas de las que dispone el motor de inferencia de un sistema difuso pueden ser
formuladas por expertos, o bien aprendidas por el propio sistema, haciendo uso en este
caso de redes neuronales para fortalecer las futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por sensores, que miden las variables de
entrada de un sistema. El motor de inferencias se basa en chips difusos, que estn
aumentando exponencialmente su capacidad de procesamiento de reglas ao a ao.
Un esquema de funcionamiento tpico para un sistema difuso podra ser de la siguiente
manera:

Funcionamiento de un sistema de control difuso.

En la figura, el sistema de control hace los clculos con base en sus reglas heursticas,
comentadas anteriormente. La salida final actuara sobre el entorno fsico, y los valores
sobre el entorno fsico de las nuevas entradas (modificado por la salida del sistema de
control) seran tomados por sensores del sistema.
Por ejemplo, imaginando que nuestro sistema difuso fuese el climatizador de un coche
que se autorregula segn las necesidades: Los chips difusos del climatizador recogen los
datos de entrada, que en este caso bien podran ser la temperatura y humedad
simplemente. Estos datos se someten a las reglas del motor de inferencia (como se ha
comentado antes, de la forma SI... ENTONCES... ), resultando un rea de resultados. De
esa rea se escoger el centro de gravedad, proporcionndola como salida. Dependiendo
del resultado, el climatizador podra aumentar la temperatura o disminuirla dependiendo
del grado de la salida.
Aplicaciones
-

Aplicaciones generales

La lgica difusa se utiliza cuando la complejidad del proceso en cuestin es muy alta y no
existen modelos matemticos precisos, para procesos altamente no lineales y cuando se
envuelven definiciones y conocimiento no estrictamente definido (impreciso o subjetivo).
En cambio, no es una buena idea usarla cuando algn modelo matemtico ya soluciona
eficientemente el problema, cuando los problemas son lineales o cuando no tienen
solucin.
6

Esta tcnica se ha empleado con bastante xito en la industria, principalmente en Japn,

extendindose sus aplicaciones a multitud de campos. La primera vez que se us de forma
importante fue en el metro japons, con excelentes resultados. Posteriormente se
generaliz segn la teora de la incertidumbre desarrollada por el matemtico y
economista espaol Jaume Gil Aluja.
A continuacin se citan algunos ejemplos de su aplicacin:

Sistemas de control de acondicionadores de aire

Sistemas de foco automtico en cmaras fotogrficas

Electrodomsticos familiares (frigorficos, lavadoras...)

Optimizacin de sistemas de control industriales

Sistemas de escritura

Mejora en la eficiencia del uso de combustible en motores

Sistemas expertos del conocimiento (simular el comportamiento de un experto

humano)

Tecnologa informtica

Bases de datos difusas: Almacenar y consultar informacin imprecisa. Para este punto,
por ejemplo, existe el lenguaje FSQL.

...y, en general, en la gran mayora de los sistemas de control que no dependen de un

S/No.

Lgica difusa en inteligencia artificial

En Inteligencia artificial, la lgica difusa, o lgica borrosa se utiliza para la resolucin de

una variedad de problemas, principalmente los relacionados con control de procesos
industriales complejos y sistemas de decisin en general, la resolucin y la compresin de
datos. Los sistemas de lgica difusa estn tambin muy extendidos en la tecnologa
cotidiana, por ejemplo en cmaras digitales, sistemas de aire acondicionado, lavarropas,
etc. Los sistemas basados en lgica difusa imitan la forma en que toman decisiones los
humanos, con la ventaja de ser mucho ms rpidos. Estos sistemas son generalmente
robustos y tolerantes a imprecisiones y ruidos en los datos de entrada. Algunos lenguajes
de programacin lgica que han incorporado la lgica difusa seran por ejemplo las
diversas implementaciones de Fuzzy PROLOG o el lenguaje Fril.
Consiste en la aplicacin de la lgica difusa con la intencin de imitar
el razonamiento humano en la programacin de computadoras. Con la lgica
convencional, las computadoras pueden manipular valores estrictamente duales, como
verdadero/falso, s/no o ligado/desligado. En la lgica difusa, se usan modelos
7

matemticos para representar nociones subjetivas, como caliente/tibio/fro, para valores

concretos que puedan ser manipuladas por los ordenadores.
En este paradigma, tambin tiene un especial valor la variable del tiempo, ya que los
sistemas de control pueden necesitar retroalimentarse en un espacio concreto de tiempo,
pueden necesitarse datos anteriores para hacer una evaluacin media de la situacin en
un perodo anterior...

Ventajas e Inconvenientes
Como principal ventaja, cabe destacar los excelentes resultados que brinda un sistema de
control basado en lgica difusa: ofrece salidas de una forma veloz y precisa, disminuyendo
as las transiciones de estados fundamentales en el entorno fsico que controle. Por
ejemplo, si el aire acondicionado se encendiese al llegar a la temperatura de 30, y la
temperatura actual oscilase entre los 29-30, nuestro sistema de aire acondicionado
estara encendindose y apagndose continuamente, con el gasto energtico que ello
conllevara. Si estuviese regulado por lgica difusa, esos 30 no seran ningn umbral, y el
sistema de control aprendera a mantener una temperatura estable sin continuos
apagados y encendidos.
Tambin est la indecisin de decantarse bien por los expertos o bien por la tecnologa
(principalmente mediante redes neuronales) para reforzar las reglas heursticas iniciales
de cualquier sistema de control basado en este tipo de lgica.

Desarrollo
El sistema ya desarrollado a controlar, esta basado en un driver que genera tres seales de
voltaje con desfase de 120 entre si (Red Trifsica), con una seal de entrada de PWM
muy similar a la que se usa en servomotores, para controlar un motor de naturaleza
Trifsica, con el fin de elevar el brazo y equilibrarlo.
Para poder implementar el sistema de control, lo primero que se realizo, fue hacer
pruebas en lazo abierto con el sistema del balancn obteniendo datos del PWM (Rangos
de frecuencia y Ciclo de Trabajo en los que opera) de all se obtuvo que se inicializa en una
frecuencia de 150 Hz con un ciclo de trabajo del 21%, a partir de all se dice que el driver
incluido en el sistema ya se comunico con el controlador y esta a la espera de datos de
entrada, emitiendo unos tonos como aviso.

En lazo abierto, observamos un comportamiento estable durante un pequeo lapso de

tiempo (6 segundos).
Lo siguiente fue adaptar algn sensor que nos ayude a determinar la posicin o grados en
la que se encuentra el brazo, para lo cual y debido al poco tiempo con el que se conto, se
uso un potencimetro, el cual fue caracterizado en cuanto a grados con un celular Android
usando un giroscopio para la lectura de la misma, con la cual, y a un voltaje de 15V (donde
se obtuvo la mejor sensibilidad de voltaje) se obtuvieron los siguientes datos:

Grados ()

Voltaje (V)

46.5

0.0

10.5

0.5

2.5

1.0

- 4.0

1.5

-12.5

2.0

-21.0

2.5

-28.5

3.0

-35.5

3.5

-44.0

4.0

-51.5

4.5

-60.0

5.0

Mediante una regresin lineal, se obtuvo la siguiente curva ya linealizada con su ecuacin:
Figura 1 Linealizacin de los datos

10

Pero debido a que el potencimetro mete ruido y que nuestra base del sistema no es muy
efectiva (Hace juego, vibraciones por el motor, etc) se opto por darle la referencia segn
nuestros voltajes iniciales.
Enseguida se procedi a desarrollar nuestro sistema difuso:
Figura 2 Caracteristicas del Sistema Difuso

11

Controlador Difuso PD ya implementado en LabView:

Figura 3 Diagrama de control a bloques

12

Figura 4 Panel Frontal

Un problema que se presento, fue la generacin de una rampa inicial de 21 % de DC al

21.48 % de DC, por lo cual se implementaron unas sentencias iniciales, para crear dicha
rampa tanto inicial, como de desaceleracin final.

13

Resultados
Error en Estado Estacionario: 0.1256

Figura 5 Oscilaciones Presentes a diferentes referencias

14

Discusin
Podemos decir que el controlador cumpli su propsito, el error en estado estacionario
presente se debi a que el controlador PD mejora la respuesta transitoria, mas sin
embargo el error en estado estacionario no se corrige, implementando un controlador
PID, podemos llegar a obtener el error cero para dicho sistema.

15

Conclusiones
Los sistemas de control basados en lgica difusa, son bastante sencillos de aplicar, el nico
problema es el realizar experimentos en lazo abierto, para determinar limites o saturacin
del controlador, aparte de conocer como se comporta el sistema, el controlador
implementado PD, no corrigi el error en estado estacionario, mas sin embargo mejoro la
respuesta transitoria, que como ya se discuti, es por naturaleza propia del mismo, cosa
que con un PID no sucede debido a la integracin o acumulacin del error constante
presente.
El aadir mas variables de entrada a considerar empeoran el sistema de control difuso
con lo cual, se debe de prever todas las variables que van a afectar a nuestro sistema, para
tener la seguridad de un comportamiento satisfactorio.

Figura 6 Sistema con error cero

16

Apndice
Hojas de datos

Bibliografa
Desarrollo de Controladores Difusos Enfocado a Microcontroladores PIC Daniel
Zaldvar, Erick Cuevas.

Programas computacionales (si se cree necesario)

Referencias

Revistas

Sitios de Internet

Artculos
17

Blog

Etc.

18