Log Dif
Log Dif
Log Dif
difusa
Obje%vos
Lofti Zadeh
Lgica
difusa
ndice
Introduccin
Teora
de
conjuntos
difusos
Teora
de
conjuntos
clsica
(conjuntos
n7dos)
Conjuntos
Difusos
Funciones
de
pertenencia
E7quetas
lings7cas
Operaciones
elementales
con
conjuntos
difusos
Control
difuso
Inferencia
difusa
Decodicacin
2
Lgica
difusa
ndice
Introduccin
Teora
de
conjuntos
difusos
Teora
de
conjuntos
clsica
(conjuntos
n7dos)
Conjuntos
Difusos
Funciones
de
pertenencia
E7quetas
lings7cas
Operaciones
elementales
con
conjuntos
difusos
Control
difuso
Inferencia
difusa
Decodicacin
Introduccin
(I)
Necesidad
de
razonamiento
difuso
En
el
mundo
real
existe
mucho
conocimiento
no-perfecto,
es
decir,
conocimiento
vago,
impreciso,
incierto,
ambiguo,
inexacto,
o
probabils7co
por
naturaleza.
El
razonamiento
y
pensamiento
humano
frecuentemente
conlleva
informacin
de
este
7po:
Presin(bar):
Entrada combus7ble(litros/hora):
Qu
necesitaremos?
Temperatura
=
30
REGLAS
Difuminar
Temperatura
=
alta
Volumen
=
pequeo
Entrada
combus7ble
=
Conjunto?
Decodicar
Volumen = 500 cc
Entrada
combus7ble
=
Valor?
6
Introduccin
(II)
Origen
y
xito
de
los
difusos
l
Argculo publicado por Lohi Zadeh en 1.965 (+49.000 citas Google Scholar)
Lgica
difusa
ndice
l
Introduccin
Control
difuso
l Inferencia
difusa
l Decodicacin
Introduccin
(III)
Situaciones
en
las
que
se
aplica
el
razonamiento
difuso
alimentacin:
l
l
l
Formas
de
denirlos:
l Listado
de
elementos
l Funciones
de
pertenecia
A(x)
=
l
0 si x A
1 si x A
10
11
12
A ( x) / x
A ( x) / x
13
Conjunto
nNdo:
Conjunto
difuso:
14
l
l
l
l
Ejemplo
15
Conjunto
difuso
bajo
1.5
alto
mediano
1.7
Universo de
discurso
Valor
lingustico
1.9
ALTURA
Variable
lingustica
17
GAMMA ():
0
x a
(x) =
m a
1
Funcin
para x a
L
1
18
b a
(x) = 1
d x
b c
0
para x a
para a < x b
para b < x c
para c < x d
c
a b
para x > d
(x) = m a
b x
b m
0
para x a
para a < x m
para m < x b
para x > b
b
19
c a
1
para x a
para a x
a+c
2
a+c
xc
2
para x c
para
(a+c)/2
Funcin Z (opuesta de la S)
Z(x) = 1- S(x)
Funcin
S(x) para x b
Z(x) para x > b
(x) =
b-d
b+d
20
viejo
Muy viejo
0
21
Concentracin
Dilatacin
Intensicacin contraste
2 p1y p
para y 0.5
f(y) =
p1
p
1 2 (1 y) en otro caso
Difuminacin
y / 2
para y 0.5
f(y) =
1 (1 y)/ 2 en otro caso
22
23
24
A(x) = c (A(x))
Siendo
c:
[0,1]
[0,1].
La
funcin
c
debera
cumplir
las
siguientes
propiedades
l c1.
concordancia
caso
n7do
c(1)
=
0
y
c(0)
=
1
l c2.
estrictamente
decreciente
,
[0,1]
>
c()
<
c()
l c3.
involucin
[0,1]
c(c())
=
25
c(a)
=
1
-
a.
0
(w=2)
0
(=1/2)
0
26
A B ( x) = i( ( x), (x ))
Siendo
i:
[0,1]x[0,1]
[0,1].
La
funcin
i
debera
cumplir
las
siguientes
propiedades:
i1. concordancia
caso
n7do
i2. conmuta7vidad
i3. asocia7vidad
i4. iden7dad
i5. monotona
i*(,) =
0
t-norma del
i inf ( , ) =
0
producto drstico
si = 1
si = 1
en otro caso
0
0
0
0
0
0
0
0,2
0
0
0
28
A B
( x) = u ( (x ), ( x))
- u5. monotona
Si
,
entonces
u(,)u(, )
29
t-norma de la
suma drstica
u sup ( , ) =
si = 0
si = 0
en otro caso
30
Conjunto
vaco
Conjunto
total
( )
x X x = 0
x X X ( x) =1
Ejercicio
1
Sea
la
variable
lings7ca
temperatura
del
horno,
y
denimos
los
siguientes
conjuntos
difusos:
baja:
(1/150,
1/160,
1/180,
0/190)
media:
(0/170,
1/190,
1/210,
0/230)
alta:
(0/210,
1/220,
1/240,
1/250)
Dena:
El
conjunto
difuso
no
alta
El
conjunto
difuso
baja
U
media
El
conjunto
difuso
media
no_alta
32
Ejercicio
2
16
33
Lgica
difusa
ndice
l
l
Introduccin
Control
difuso
l Inferencia
difusa
l Decodicacin
Temperatura
= alta
Volumen
= pequeo
REGLAS
l
Si
la
temperatura
es
alta
y
el
volumen
es
pequeo
entonces
la
presin
es
elevada
l
Si
la
temperatura
es
baja
o
el
volumen
es
grande
entonces
la
presin
es
baja
l
Si
la
presin
es
baja
entonces
la
entrada
de
combus7ble
debe
ser
grande
l
Si
la
presin
es
elevada
entonces
la
entrada
de
combus7ble
debe
ser
pequea
Entrada
combustible
= Conjunto?
Decodificar
Difuminar
Volumen = 500 cc
Entrada
combustible
= Valor?
35
Control
difuso
Funcionamiento
de
un
sistema
de
control
basado
en
lgica
difusa
Entrada
ntida
Codificador
Reglas
Decodificador
x Up
Salida
ntida
y=f(x) V
u Up
Conjuntos
difusos entrada
Inferencia
v V
Conjuntos
difusos salida
36
Control
difuso
Habr
por
tanto
que
denir:
l
l
l
l
Hechos
difusos
Difuminacin
l Tratamiento
entradas
(premisas)
difusas
l Tratamiento
entradas
(premisas)
n7das
Proposiciones
difusas
l simples
l Compuestas
(necesitaremos
operadores
NO,
Y,
O...)
Reglas
SI
ENTONCES
Decodicacin
37
Hechos
difusos
Hecho
difuso
simple:
l Proposicin
que
asigna
un
valor
a
una
variable
difusa:
Pepe
es
de
estatura
mediana.
38
Hechos
difusos
Necesidad
de
denir
operadores
difusos:
l
l
39
Ejemplos
Dados
los
conjuntos
difusos:
1,2
baja
alta
Temperatura (C):
0,8
0,6
Presin(bar):
0,4
0,2
0
0
50
100
150
baja
1,2
elevada
1
0,8
0,6
0,4
0,2
0
0
500
1000
1500
2000
2500
40
41
Ejemplo
En
el
ejercicio
anterior,
calcula
la
posibilidad
del
conjunto
difuso
mediano
denido
por
(0/40,
1/50,
1/60,
0/90)
dado
el
conjunto
bajo,
dado
el
conjunto
alto,
y
dado
el
conjunto
alto
o
bajo
1,2
baja
alta
1
0,8
0,6
0,4
0,2
0
0
50
100
150
42
43
moderada
alta
0
70
80
90
100
velocidad
4000
4500
5000
f_frenado
44
moderada
alta
0
70
80
90
100
velocidad
4000
4500
5000
f_frenado
45
46
Decodicacin
Qu
fuerza
de
frenado
aplicar
si
fuerza
de
frenado
=
moderada?
Para
ello
se
u7lizan
las
llamadas
tcnicas
de
decodicacin:
D1.
El
valor
mximo
(es
decir,
el
ms
posible).
Si
se
producen
empates
puede
seleccionarse
el
primer
valor
encontrado
o
la
media
(media
de
mximos
o
MOM)
Ejemplo:
moderada
4000
4500
MOM:
4500
primer
valor
mximo:
4250
5000
f_frenado
47
Decodicacin
D2.
Centroide
difuso
(o
centro
de
gravedad,
COG),
denido
como:
x ( x)
=
( x)
A
ycentroide
x X
x X
Ejemplo:
moderada
4500
5000
f_frenado
48