Logica Difusa
Logica Difusa
Logica Difusa
(Fuzzy Logic)
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.
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.
Invencin de la lgica difusa Fue inventada por Lofti A. Zadeh en 1964 (Universidad de Berkeley California).
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
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
Algunos valores:
Persona verdad) Altura Grado de altura (grado de
3 2 5 10 7 2
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.
El conjunto difuso nos permite definir la nocin como El/ella est un Poco Joven.
Variables lingsticas
FRIO
NORMAL
CALIENTE
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
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)
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
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
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<
1 a b g d
Manipulacin simblica
Razonamiento exacto
Razonamiento aproximado
Determinista
Posibilidad
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.
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).
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.
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
Control: resinas
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
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
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.)
Diagnsticos de cncer
(Kawasaki Medical School)
Control de sistemas de metro para mejorar confort de manejo, precisin de frenado y conumo de energa
(Hitachi)
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.
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:
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
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
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
El valor final que se aplica a la plataforma se determina mediante el centro de gravedad de la grfica: