0% encontró este documento útil (0 votos)
93 vistas62 páginas

Logica Difusa

Descargar como pdf o txt
Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1/ 62

Lgica Difusa

(Fuzzy Logic)

Dr. Miguel Wister

DEFINICIONES
Lgica difusa: Lgica que utiliza variables lingsticas (verdadero, mas o menos, extremadamente, entre otras), predicados difusos (largo, muy largo, medio, etc) y cuantificadores difusos (muchos, casi todos, algunos, etc.) Conjunto difuso: Cualquier conjunto que permita a sus elementos tener diferentes grados de pertenencia, cada uno expresado por un numero en el intervalo [0,1]. Sistema difuso: Sistema cuyas variables son conjuntos difusos

DEFINICIONES

continua...

Funcin de pertenencia: Para un conjunto difuso, es el mapeo que asocia cada miembro con su grado de pertenencia. Sistema de inferencia difusa: Una coleccin de reglas difusas IF-THEN. Defuzzificacin: Procedimiento para encontrar la mejor representacin crisp (numrica) de un conjunto difuso. Control difuso: Permite utilizar conocimiento de naturaleza heurstica para controlar un sistema. Tiene la propiedad de poder manejar imprecisin y vaguedad en la informacin que utiliza.

BREVE HISTORIA DE LA LGICA DIFUSA


s

Inicios
Lgica clsica: proposiciones verdaderas o falsas. Logistas en los 20s y 30s: lgica de 3 valores: verdadero, falso e indeterminado. Durante los 20s: logista polaco

Lulsasiewicz

desarroll lgica multivariable. Bertrand Russel: defini ambigedad o en ingls vagueness (multivalencia). En 1937 Max Black: conjuntos difusos.

BREVE HISTORIA DE LA LGICA DIFUSA


continua...

Invencin de la lgica difusa Fue inventada por Lofti A. Zadeh en 1964 (Universidad de Berkeley California).

Actualidad En 1985 Bart adaptantes. Kosko: sistemas difusos

En la actualidad: sistema preferido en el control de la manufactura.

LGICA DIFUSA
La lgica difusa es considerada como una teora que interpola el 0 y el 1 de la lgica bivaluada, para convertirse en una lgica multivaluada en el intervalo de 0 y 1. Es un super conjunto de la lgica convencional (lgica Booleana), que ha sido extendida para manejar el concepto de parcialidad, es decir, para tomar valores que estn entre completamente verdad y completamente falso.

LGICA DIFUSA

CONTINUA....

La lgica difusa va con la incertidumbre, esta tcnica simula el proceso normal de razonamiento humano permitiendo a las computadoras que se comporten menos precisas y lgicas a como normalmente lo vienen haciendo. Turban, 1995 Samuel es demasiado trabajador Carlos posee una talla muy grande Daniel es muy bajito Todos los Ingleses beben mucha cerveza Ventajas: Provee Flexibilidad Da opciones Da libertad a la imaginacin

CONJUNTOS DIFUSOS
En teora clsica de subconjuntos tenemos: Un subconjunto U de un conjunto S se define como U: S {0,1} y se representa como un conjunto de pares ordenados donde: 1er. Elemento = Elemento del conjunto S 2o. Elemento = Elemento del conjunto {0,1} 0 significa no pertenencia 1 significa pertenencia

CONJUNTOS DIFUSOS

La verdad o falsedad del siguiente enunciado Enunciado: x esta en U es determinada encontrando el par ordenado cuyo primer elemento sea x. Es verdadero si: el 2o. Elemento del par ordenado es 1 Es falsa si: el 2o. Elemento del par ordenado es 0

EJEMPLOS DE CONJUNTOS DIFUSOS:


Sea S un conjunto de personas El subconjunto difuso ser ALTO y responder a la pregunta A qu grado es una persona x alta?
Nota: A cada persona en el universo se deber asignar un grado de pertenencia en el subconjunto difuso ALTO

Funcin de pertenencia basada en la altura de una persona 0 ALTA(x) = si altura(x)< 5 ft [altura(x)-5ft]/2ft si 5 ft<=altura(x)<=7 ft 1 si altura(x)> 7 ft

EJEMPLOS DE CONJUNTOS DIFUSOS:

Algunos valores:
Persona verdad) Altura Grado de altura (grado de

Billy Erick Kareem

3 2 5 10 7 2

0.00 0.42 1.00

EJEMPLOS DE CONJUNTOS DIFUSOS:


El conjunto X de todos los nmeros enteros entre 0 y 10 es el universo de discurso. Ahora, el subconjunto A de X son todos los nmeros enteros en el rango entre 5 y 8. A = [5, 8] Mostramos el conjunto A por su funcin caracterstica, p.e. Esta funcin asigna un nmero 1 0 a cada elemento en X dependiendo si el elemento est en el subconjunto A o no.

EJEMPLOS DE CONJUNTOS DIFUSOS:


En este ejemplo queremos describir el conjunto de la gente joven. Ms formalmente podemos denotar: B = {Conjunto de Gente Joven} La edad comienza en 0 como el rango ms bajo, el rango ms alto por otra parte es ms difcil de definir. Intentaremos poner el rango ms alto en 20 aos. Llamaremos a B como un intervalo: B = [0,20] Porqu alguien cumple su 20 aniversario y el siguiente da no es joven?.

Si cambiamos el limite superior (20) a un punto arbitrario tenemos la misma pregunta. Una forma ms natural de construir el conjunto B podra resolverse haciendo una separacin entre Joven y No Joven. Con esto permitimos que:
SI El/ella est en el conjunto de la Gente Joven o NO est El/ella en el conjunto de la Gente Joven.

Por una frase ms flexible:


El/ella pertenece un poquito ms al conjunto de la Gente Joven o No. El/ella no pertenece cercanamente a el conjunto de la Gente Joven.

El conjunto difuso nos permite definir la nocin como El/ella est un Poco Joven.

Los conjuntos difusos hacen a las computadoras ms inteligentes. I = [0, 1].

Codificamos los elementos del universo con 0 1.

25 aos de edad podra ser todava un grado de 50 % de pertenencia.

OPERACIONES CON CONJUNTOS DIFUSOS


Con los crisp sets podemos realizar operaciones de Interseccin, Unin y Negacin. Lofti A. Zadeh sugiri el operador mnimo para la Interseccin y el operador mximo para la Unin de dos conjuntos Difuso. Ejemplo:
Sea A un intervalo difuso entre 5 y 8 (lnea roja) Sea B un nmero difuso cercano a 4 (lnea verde)

El Conjunto Difuso entre 5 y 8 AND cercano a 4 (lnea azul).

El Conjunto Difuso entre 5 y 8 OR cercano a 4 (lnea azul).

La lnea azul es la NEGACIN del Conjunto Difuso A.

Variables lingsticas

FRIO NORMALCALIENTE Fronteras no definidas

FRIO

NORMAL

CALIENTE

.90 .80 0. .30 .15

10

20

30

15 16

19 20

25

30 C

Conjuntos Bivaluados

Conjuntos Multivaluados

PERTENENCIA CONJUNTO
FRIO NORMAL CALIENTE

16 19 TEMPERATURA
0.90 0.15 0.00 0.30 0.80 0.00

Pertenencias de la temperatura en el conjunto Fuzzy

Fuzzy Logic

(ejercicio)

7 8

9 10 X 11

0 1 2 3 4 5 6 7 8

X 9 10 11

Fuzzy Logic
Nunca

(ejercicio)

Casi Algunas Frecuentemente Siempre nuncaveces

0 2

3 4

5 4

6 5

Rango 7 8 9 10 11 12 13 14 15 16 6 7 8 9 10 11 12 13 14 15

1 2 PERTENENCIA 3 Nunca Casi nunca Algunas veces Frecuentemente Siempre

PROCESO DE SOLUCIN DE PROBLEMAS CON LGICA DIFUSA

PROCESO DE SOLUCIN DE PROBLEMAS CON LGICA DIFUSA


continua....
Paso 1. Fuzzificacin. Convierte variables deterministicas a conjuntos Fuzzy para hacerlas compatibles con la representacin de conjuntos Fuzzy en los antecedentes de las reglas (premisas). Paso 2. Evaluacin y reglas Fuzzy. Produce la demanda en accin de control basada en las contribuciones de reglas independientes. En si, define cual va a ser el conjunto Fuzzy que va a satisfacer nuestra demanda. Paso 3. Defuzzicacin e inferencia Fuzzy. Convierte las variables del dominio Fuzzy de las conclusiones de las reglas activadas a acciones directas deterministicas de control.

FUNCIONES DE MEMBRESA
La funcin que relaciona el grado de pertenencia y la variable es llamada Funcin de Membresia y est denotada por (x). Y las formas que se adoptan para representar la Membresia pueden ser: tringulos, trapecios, distribucin de Gauss, etc. Una funcin de membresa consta de las siguientes partes: 1. Conjunto de soporte. 2. Ncleo: membresa completa: A(x)=1 3. Fronteras: valor de membresa: 0<A(x)<1

FUNCIONES DE MEMBRESA

Funciones de membresa: , S, L, y . En control, funcin : a. Nociones lingsticas independientes del significado en el dominio fsico b. Se trabaja con dominio normalizado que opera en el intervalo [-1,1]. Conjunto difuso convexo: cuando valores se incrementan o decrementan monotnicamente. Interseccin de 2 conjuntos convexos da un conjunto convexo.

FUNCIN
La funcin (gamma) consta de 2 parmetros, y se define como: (u;, ) = 0 para u< (u- )/(- ) para u 1 para u> 1 a b

FUNCIN L
L(u; , ) = 1 para u< para <u para u>


u
0

1 a b

FUNCIN S
S(x; , , ) = 0 2 para <x para x

1-2 para <x 1 para x> ,


x x

donde = (+ )/2

1 a b g

FUNCIN
Funcin Lambda
(u; , , ) = para u para u 0 para u> 0 para u<

1 a b g

FUNCIN
Funcin PI
(u; , , , ) = para u 1 para u 0 para u<

para u 0 para u>

1 a b g d

COMPARACIN ENTRE LGICA DIFUSA Y LGICA DE PREDICADOS


Binaria (0s y 1s) Difusa

Manipulacin simblica

Manipulacin simblica y clculo numrico

Razonamiento exacto

Razonamiento aproximado

Determinista

Posibilidad

CLCULO DE PREDICADOS DE LGICA DIFUSA.

Proposicin lgica-difusa involucra concepto sin definir fronteras Enunciados expresan ideas subjetivas: involucran proposiciones difusas. Lenguaje humano es difuso: trminos vagos e imprecisos. Valor de verdad asignado a P (una proposicin) puede valer [0,1]

RAZONAMIENTO APROXIMADO
s

Formar fundamentos tericos para razonar sobre proposiciones imprecisas. Extensin del clculo Proposicional que emplea verdades parciales (no 0s ni 1s).

Variables lingsticas. Son aqullas cuyos valores son palabras u oraciones en algn lenguaje, artificial o natural. Ejemplo: Edad es una variable lingstica porque sus valores son palabras: joven, maduro, viejo, no muy viejo, muy joven, etc.

RAZONAMIENTO APROXIMADO (2)


La variable lingstica tiene el siguiente formato: <X, LX, X , MX> donde: X es el nombre de la variable. Ej. Edad LX es el conjunto de valores lingsticos. Ej. Viejo, jven, muy jven,etc. X es el dominio de valores fsicos (crisp values). Ej. [0 aos, 100 aos] MX es la funcin semntica que da significado al valor lingstico en trminos de las cantidades de X (todos los elementos del conjunto difuso).

RAZONAMIENTO APROXIMADO (3)

Proposiciones difusas Las expresiones de lenguaje natural se traducen a proposiciones difusas atmicas. El significado de estas expresiones las definen las funciones de membresa para cada uno de los elementos de la variable fsica (conjunto difuso).

RAZONAMIENTO APROXIMADO (4)


Ejemplo: Frase de lenguaje natural: EDAD tiene un valor positivo-grande Representacin simblica: E es PG (proposicin difusa) Significado de la proposicin: e E, PG= PG Ahora, se le asigna un valor ntido a la variable EDAD, digamos, 85. Entonces, PG toma el valor de 85 y la asignacin de variable, VA(E) toma el valor de la edad y nos da un valor fsico del intervalo de E.

RAZONAMIENTO APROXIMADO (5)

Se pueden formar proposiciones compuestas empleando los conectores and, or, not, ifthen. A estos se les da el significado de conjuncin, disyuncin, negacin e implicacin.

RAZONAMIENTO APROXIMADO (6)


Si tenemos dos proposiciones difusas: p: X es A y q: X es B, generamos la proposicin X es AB su significado est dado por: AB lo mismo ocurre con la disyuncin. Podemos tener 2 proposiciones como las siguientes: p: E es MG, q: E es MJ. El significado del AND en esta caso en que se tienen diferentes dominios se representa por la siguiente relacin difusa, definida para E x E : exe = min(M , M ) G J Y para el OR, exe= max(M , M ) G J Asimismo, para la representacin simblica del IF-THEN es: if [proposicin difusa] then [proposicin difusa]

SISTEMA EXPERTO DIFUSO


Es un sistema que utiliza una base de funciones de pertenencia y reglas difusas para razonar sobre datos. Ejemplo de una regla en un sistema experto difuso: si X es bajo y Y es alto entonces Z=mediano donde X y Y son variables de entrada Z es una variable de salida bajo, alto y mediano son funciones de pertenencia

INFERENCIAS

1. Fuzzificacin: las funciones de pertenencia definidas en las variables de entrada son aplicadas a sus valores actuales para determinar el grado de verdad. 2. Inferencia: El valor verdadero de la premisa de cada regla es calculado y aplicado. 3. Composicin: Todos los conjuntos difusos asignados a cada variable de salida son combinado para formar uno solo.

EJEMPLO
Variables: X,Y y Z Toman valores en el intervalo de [0,10] Funciones de pertenencia: bajo(t) = 1- (t-10) alto(t) = t/10 Reglas: regla 1: si X es bajo y Y es bajo entonces Z es alto regla 2: si X es bajo y Y es alto entonces Z es bajo regla 3: si X es alto y Y es bajo entonces Z es

APLICACIONES GENERALES DE LA LGICA DIFUSA


Sistemas Expertos
s

Control: resinas

control de trfico, regeneracin de en plantas de proceso, robtica,

sistemas de navegacin de vuelos, alineacin de lseres y sistemas de rastreo


s

Toma de decisiones: seleccin de tcnicas de recuperacin de petrleo, Investigacin de Operaciones: planeacin de la manufactura.

Reconocimiento de Patrones Es la aplicacin ms antigua y obvia de la lgica difusa. Comprende una gran diversidad de usos: Diseo Asistido por Computadora (CAD) Reconocimiento psicolgicos Reconocimiento de patrones lingsticos y estructurales, por ejemplo, identificacin de personal en una empresa. de patrones biolgicos o

APLICACIONES DE LGICA DIFUSA


s s s s s s s s s s s

s s s

Regulating automatic braking systems in cars Autofocusing in cameras Automating the operation of laundry machines Building environmental controls Controlling the motion of trains Identifying the dialect of killer whales Keeping the shuttle vehicles in one place in space Temperature control. Regulating water temperature in shower heads Controlling the amount of oxygen in cement kilns Increasing accuracy and speed in industrial quality control applications Retrieve data (fuzzy logic can find data quickly) Selecting stocks to purchase Automatic transmission

APLICACIONES DE LGICA DIFUSA


s

ms

Control automtico de compuertas de presas para plantas hidroelctricas (Tokio Electric Pow.) Control simplificado de robots (Hirota, Fuji Electric, Toshiba, Omron) Experto en asesoramiento de intercambio de acciones (Yamaichi, Hitachi) Prevencin de fluctuaciones indeseadas en sistemas de aire acondicionado* (Mitsubishi, Sharp) Control de crucero para automviles (Nissan, Subaru) Planeacin optimizada de itinerarios de autobs (Toshiba, Nippon-System, Keihan-Express) Sistema de catalogacin de documentos (Mitsubishi Elect.)

Sistema de prediccin de terremotos


(Inst. of Seismology Bureau of Metrology, Japan)

Diagnsticos de cncer
(Kawasaki Medical School)

Reconocimiento de smbolos escritos para computadoras de bolsillo


(Sony)

Control automtico para aspiradoras con reconocimiento de condiciones de superficie


(Matsushita)

Compensacin contra vibraciones en cmaras de video


(Matsushita)

Reconocimiento de escritura, objetos, voz


(CSK, Hitachi, Hosai Univ., Ricoh)

Control de sistemas de metro para mejorar confort de manejo, precisin de frenado y conumo de energa
(Hitachi)

Mejoramiento de consumo de gasolina para automviles


(NOK, Nippon Denki Tools)

Mejoramiento de seguridad para reactores nucleares


(Hitachi, Bernard, Nuclear Fuel div.)

CMARA CON ESTABILIZADOR DE IMAGEN DE MATSUSHITA


s

Tomar una imagen


Dividirla en cuatro partes con 30 puntos cada parte Grabar las seales recibidas en estos puntos

Tomar la siguiente imagen y comparar


Comparar las seales recibidas con las grabadas

Estabilizar o cambiar la imagen


Si las desviaciones son pequeas con la misma orientacin, transmitir la imagen estabilizada. Si las desviaciones son grandes u orientadas en direcciones diferentes entonces transmitir la imagen sin estabilizar

DIAGRAMA DEL SISTEMA DE ESTABILIZACIN DE IMAGEN

CONTROL DE AIRE ACONDICIONADO DE MITSUBISHI


s

Sistema de aire acondicionado industrial capaz de reaccionar flexiblemente a cambios en condiciones externas. Realizacin:
50 reglas 6 variables lingsticas Resolucin: 8 bits

Variables de entrada
Temperatura del cuarto Temperatura de la pared

Desarrollo:
4 das para crear el prototipo 20 das para pruebas e integracin 80 das para optimizacin con pruebas reales Implementacin en un microcontrolador (como software)

Resultados:
Regulacin de la temperatura mejorado, incluso con factores de interferencia (ventanas abiertas, etc.) Menos sensores requeridos Ahorro de energa del 24% en pruebas

CUANDO NO SE PUEDEN APLICAR LAS TCNICAS DE CONTROL CLSICO? s No se cuenta con un modelo matemtico del proceso a
ser controlado. s Cuando se tenga un modelo matemtico parcial del proceso a ser controlado y la influencia de la dinmica no modelada sea significante y no pueda ser despreciada. sCuando los parmetros del proceso o el punto de operacin cambian de manera imprevisible. sCuando solo una parte del proceso se encuentra de manea cuantitativa y el resto de manera cualitativa. sLos datos que se obtienen del proceso son incompletos o imprecisos.

SISTEMAS DE CONTROL DIFUSO:

Los controladores difusos son de las aplicaciones ms importantes de la teora difusa. Funcionan de una forma diferentes a los controladores convencionales. Se utiliza conocimiento experto en lugar de ecuaciones diferenciales para describir un sistema. Este conocimiento se puede expresar de una forma muy natural usando variables ligsticas, que son descritas como conjuntos difusos.

PNDULO INVERTIDO
s

El problema consiste en balancear un poste en una plataforma que se puede mover en dos direcciones, izquierda y derecha. Primero, tenemos que definir subjetivamente qu es velocidad alta, velocidad baja, etc. para la plataforma. Esto se hace especificando las funciones de membresa para los conjuntos:

negativo alto (cyan) negativo bajo (verde) cero (rojo) positivo bajo (azul) positivo alto (magenta)

Se hace lo mismo para el ngulo entre la posicin deseada y el poste, y la velocidad angular de ste:

Podemos construr dos reglas que se pueden escribir de manera formal:


s

SI angulo ES cero Y velocidad angular ES cero ENTONCES velocidad DEBE SER cero SI angulo ES cero Y velocidad angular ES positiva baja ENTONCES velocidad DEBE SER positiva baja

RESUMEN DE REGLAS EN FORMA DE TABLA:

Velocidad Angular Neg. Alta Neg. Baja Cero Pos. Baja Pos. Alta

ngulo Neg. Alto Neg. Bajo Cero Neg. Alto Neg. Bajo Neg. Alto Neg. Bajo Cero Cero Pos. Bajo Pos. Alto Pos. Bajo Cero Pos. Bajo Pos Alto Pos. Alto

APLICACIN DE LAS REGLAS CON LGICA DIFUSA


Para explicar como se deben aplicar las reglas, consideremos un valor en un momento dado para el ngulo y la velocidad angular:

Aplicando la regla: SI angulo ES cero Y velocidad angular ES cero ENTONCES velocidad DEBE SER cero

Aplicando la lgica difusa, vemos que ngulo ES cero Y velocidad angular ES 0 nos d como resultado 0.4 (el menor) y se puede representar de la siguiente forma:

En este caso, existen cuatro reglas que se pueden aplicar (disparar): SI angulo ES cero Y velocidad angular ES cero ENTONCES velocidad DEBE SER cero SI angulo ES cero Y vel. angular ES neg. baja ENTONCES velocidad DEBE SER neg. baja SI angulo ES pos. bajo Y vel. angular ES cero ENTONCES vel. DEBE SER positiva baja SI angulo ES pos. bajo Y vel. Ang. ES neg. baja ENTONCES velocidad DEBE SER cero

Por superposicin obtenemos:

El valor final que se aplica a la plataforma se determina mediante el centro de gravedad de la grfica:

También podría gustarte