RESUMEN
La lgica borrosa se utiliza para resolver una amplia variedad de problemas de los que se
pueden destacar el control de procesos industriales complejos y sistemas para la toma
decisiones. Los sistemas basados en lgica borrosa presentan dos ventajas principales, se
basan en la manera de pensar de los humanos, y las operaciones matemticas que implican
son sencillas y rpidas.
Error! No se encuentra el origen de la referencia.Desde sus comienzos en 1965 ao en que
fue propuesta por Zadeh, la lgica borrosa (fuzzy logic) ha evolucionado y se cada vez se ha
aplicado a un mayor nmero de entornos diversos: medicina, ingeniera de control, sistemas
de decisin, investigacin y robtica, entre otros. Se realizar una revisin de los principales
conceptos que se utilizan en la lgica borrosa y en los sistemas de control borroso.
En el campo del diseo y construccin de controladores borrosos se realizan tareas similares
a las que se llevan a cabo en la definicin de controladores tradicionales. La diferencia entre
los controladores convencionales y los borrosos es que estos ltimos tiene su base en el
conocimiento del experto en vez de modelar los sistemas mediante ecuaciones
diferenciales.
El objeto del presente documento dar unas nociones bsicas de la lgica borrosa y el diseo
de sistemas de control borroso. Este documento es un punto de partida que permita
comprender y tener una visin global de los sistemas borrosos y las posibles aplicaciones
que estos pueden tener para el diseo de controladores borrosos aplicados a la industria.
Pag. 1 de 32
INTRODUCCIN
HISTORIA
Las primeras publicaciones de Zadeh [1] muestran la visin de generalizar la teora de los
conjuntos clsicos de manera que se cuenta la forma en la que piensan los humanos. En este
sentido, la lgica borrosa se presenta como una propuesta para enfrentarse a problemas en
los que los datos no son concretos y desde una perspectiva ms prxima a la forma de
pensar del ser humano. La teora de conjuntos borrosos, propuesta por Zadeh, proporciona
una base matemtica para trabajar con conceptos imprecisos sin dejar de lado el valor real
de los parmetros que se estn estudiando.
Pag. 2 de 32
A partir de 1973, con la teora bsica de los controladores borrosos de Zadeh, surgen
investigaciones en las que se aplica la Lgica Borrosa a diversos sectores. Assilian y Mamdani
[2] en 1974 desarrollaron el primer controlador borroso para utilizarlo como controlador en
una la mquina de vapor. No es hasta 1980, cuando se lleva a cabo la implantacin real de
un controlador borroso por F.L. Smidth & Co. en una planta cementera en Dinamarca.
En 1987 Hitachi usa un controlador borroso para el control del tren de Sendai [3] y lleva
funcionando correctamente desde entonces. Es tambin en este ao cuando la empresa
Omron desarrolla los primeros controladores borrosos orientados a un uso comercial Este
ao se puede considerar como el despegue de la lgica borrosas la cual se aplica en gran
nmero de productos comerciales.
En 1993, Fuji aplica la Lgica Borrosa para el control de inyeccin qumica en plantas
depuradoras de agua [4] en Japn. Ha sido precisamente all, donde ms auge ha tenido la
lgica borrosa debido en gran parte a la entre el gobierno, las universidades y las industrias,
para desarrollar proyectos llevados a cabo por el Ministerio de Industria y Comercio y la
Agencia de Ciencia y Tecnologa junto con el Laboratory for International Fuzzy Engineering
Research. De forma paralela al desarrollo de las aplicaciones de la lgica difusa, Takagi y
Sugeno desarrollan la primera aproximacin para construir reglas fuzzy a partir de datos de
entrenamiento.
Las investigaciones siguen evolucionando teniendo adems en cuenta otras tcnicas de
Inteligencia Artificial o Soft Computing como son las redes neuronales y los algoritmos
genticos. El uso de tcnicas de Lgica Borrosa y Redes Neuronales tiene como resultado
sistemas que se conocen como neuro-fuzzy, que usan mtodos de aprendizaje basados en
redes neuronales para identificar y optimizar sus parmetros. Los algoritmos genticos que
sumados a las redes neuronales y los sistemas borrosos son potentes herramientas de
trabajo en el campo de los sistemas de control.
Pag. 3 de 32
LGICA BORROSA
Nosotros expresamos las ideas sobre la realidad que nos rodea mediante enunciados que
son verdaderos o falsos. En lgica tradicional a estos enunciados se le denomina predicados.
Un predicado, por tanto, divide el universo en dos subconjuntos; el que est formado por
todos los objetos que verifican dicho predicado y el que est formado por todos aquellos
que no lo verifican.
Si al universo = {Nmeros naturales menores de 10} le aplicamos el predicado ser impar,
queda dividido en dos subconjuntos disjuntos, el formado por los nmeros {2, 4, 6, 8} que no
verifican el predicado y los elementos que si lo verifican {1, 3, 5, 7, 9}.
Expresando de una manera ms formal, se puede decir que a la premisa en un universo ,
se le asocia una funcin que va del universo al conjunto de elementos {0,1}, de forma que a
cada elemento que verifica
verifica, el 0 (falso).
Esta funcin se denomina funcin caracterstica y asigna a cada elemento el grado en que
verifica una premisa. Dados A= [-1,2], y el predicado P = mayor que 0.9, su funcin de
pertenencia se define cmo
Pag. 4 de 32
Sea el conjunto
el grado en
, si x verifica G.
, si x no verifica G
Segn la definicin anterior vemos que
plantea cuando queremos saber el valor de
Un predicado
de
y que
. La cuestin se
(0.89).
Podemos decir que una persona con 19 aos es joven, y esto es verdadero, pero tambin lo
es para una de 20 y para otro de 20 y 6 meses. Si nos referimos a personas de 30 aos ser
una persona menos joven que el de 20 aos. Una persona de 40 aos consideramos que no
es joven. En el ejemplo, no es fcil establecer de manera ntida la frontera entre las personas
jvenes y los que no lo son.
Observemos que con el ejemplo se puede entender que el contexto influye en la correcta
interpretacin del significado de los predicados. Una persona de 40 aos no es joven si
estamos hablando en un mbito deportivo pero si se puede considerar joven si hablamos en
el contexto de padres de familia.
Las funciones asociadas a los predicados borrosos establecen una correspondencia entre los
elementos pertenecientes el grado en que verifican dicho predicado, siendo este un valor
perteneciente al intervalo [0,1].
Pag. 5 de 32
3.1
VARIABLE LINGSTICA
Los conjuntos borrosos representan variables lingsticas cuyos valores son nmeros
borrosos que estn definidos en trminos lingsticos. Al conjunto de los nmeros borrosos,
que abarca el universo se denomina particin borrosa.
El nmero de conjuntos borrosos en los que se particionar el universo se determinan segn
la precisin que necesita cada una de las variables. Un nmero alto de conjuntos borrosos
tiene la ventaja de poder precisar las acciones que se van a llevar a cabo en el sistema segn
la variable. La desventaja es que la base de conocimiento del sistema debe contemplar todos
los trminos lingsticos, por lo que el tamao de la misma aumentar en gran cantidad.
Si tomamos como variable lingstica la temperatura, el conjunto de valores que puede
tomar podran ser {Muy Fra, Fra, Media, Templada, Caliente, Muy Caliente}, los valores que
forman el universo se encuentran en ([-6C, 48C])
Pag. 6 de 32
3.2
CONJUNTO BORRORO
El concepto de conjunto borroso fue introducido Lofti A. Zadeh, en el ao 1965 [5] para
manipular datos que no son precisos, dando paso a la Teora de los Subconjuntos Borrosos.
Esta teora permite la definicin adecuada de conjuntos en situaciones de imprecisin.
Segn la teora clsica de conjuntos, un subconjunto del universo o del dominio
define por una funcin caracterstica que toma los valores 0 y 1 segn la definicin
Un conjunto borroso
siendo
de un universo
se
.
Dado el universo =[1,100] y los predicados =nmero grande y =mayor de 70
podemos decir que para el predicado B, tenemos dos subconjuntos diferenciados
FUNCIN DE PERTENENCIA
La funcin de pertenencia de un conjunto indica el grado en que cada elemento del universo
pertenece a dicho conjunto. Expresada formalmente la funcin de pertenencia de un
conjunto
en el universo
es:
Pag. 7 de 32
, donde
Siendo es el grado en que pertenece al conjunto [5]. La funcin de pertenencia toma
valores en el intervalo [0,1]. Si el valor que toma es 0, el elemento no pertenece al conjunto
y si toma el valor 1, el elemento pertenece completamente a .
Las funciones de pertenencia son una representacin grfica de los conjuntos borrosos y
dependern del contexto (universo) en el que se est trabajando, del conocimiento del
experto, del sistema a construir, etc.
3.1.1 TIPOS DE FUNCIONES DE PERTENENCIA
Las funciones de pertenencia se suelen definir mediante funciones sencillas de manera que
los clculos a realizar sean simples y rpidos. Las ms utilizadas son: triangulares,
trapezoidales y el singleton:
3.1.1.1 Funcin Triangular
Esta funcin se define por sus lmites (inferior a y superior b), y el valor modal m, tal que
.
Pag. 8 de 32
Este tipo de funcin de pertenencia se puede utilizar para definir cualquier concepto. Es una
funcin fcil de definir, sencilla de representar y permite unos clculos rpidos y simples.
3.1.1.3 Funcin Singlenton
Sea un punto del universo, la funcin Singlenton es aquella que toma valor 1 solo en a y 0
en cualquier otro punto.
Pag. 9 de 32
Pag. 10 de 32
Pag. 11 de 32
Pag. 12 de 32
Pag. 13 de 32
3.2
,y
. Sea
un elemento del
en
Pag. 14 de 32
3.2.1.1 Tnormas
Para representar la interseccin de dos conjuntos borrosos, se utilizan funciones del tipo:
que permitan obtener la funcin de pertenencia del conjunto
interseccin de la siguiente forma:
La funcin es una funcin conmutativa, asociativa, tiene elemento neutro (el 1) y que sea
montona creciente.
Si
y entonces
, a estas funciones se les
denomina normas triangulares o t-normas. Las ms conocidas son:
Mnimo.
Producto
Pag. 15 de 32
Operacin de Lukasiewicz:
Producto drstico
, Qu valor tomar
y sabiendo que un
y que pertenece a Q en otro
Basndonos en el modelo del conjunto clsico, definimos la unin de dos conjuntos borrosos
como:
Pag. 16 de 32
3.2.2.1 TConormas
Las t-conormas representan la unin de conjuntos borrosos. Buscamos una funcin
, que nos permita obtener la funcin de pertenencia del conjunto
unin de forma que:
Suma-Producto:
Pag. 17 de 32
pertenece
, Cul es el valor de
, si un elemento pertenece a
en un cierto
Realizando una semejanza con los conjuntos clsicos se podra definir el complemento de un
conjunto borroso , mediante la funcin de pertenencia:
Pag. 18 de 32
Pag. 19 de 32
.
La interseccin se puede expresar mediante las siguientes funciones:
El producto La funcin de pertenencia de la interseccin viene dada mediante la
siguiente expresin:
La operacin de Lukasiewicz En este caso la funcin de pertenencia se define como:
y definidas como:
Pag. 20 de 32
SISTEMA BORROSO
Un Sistema borroso es aquel que se desarrolla teniendo como base la lgica borrosa para su
definicin. Estos sistemas se componen de conjuntos borrosos, variables lingsticas, una
base de reglas, un sistema de inferencia y dos operaciones; fuzzificacin y defuzzificacin [6]
4.1
Las reglas borrosas representan el conocimiento del sistema. Es mediante las reglas que se
pueden obtener las conclusiones y los resultados de los sistemas borrosos. Estas son de la
forma Si {antecedente} entonces {consecuente}.
El razonamiento borroso permite obtener conocimiento a partir de la aplicacin de reglas
del tipo si-entonces sobre hechos conocidos. La base del razonamiento es la composicin de
inferencia.
Al definir el conjunto de reglas que se van a utilizar en el sistema, se tiene que tener en
cuenta que variables se van a utilizar y que control se va a realizar, puesto que es la
aplicacin de dichas reglas a las variables de entrada al sistema borroso lo que va a
determinar el comportamiento final.
Pag. 21 de 32
4.2
FUZZIFICACIN
4.3
DEFFUZYFICACIN
En muchas aplicaciones es necesario que el valor de salida del sistema borroso, sea un valor
numrico determinado y no un nmero borroso. En este caso se tiene que realizar el
proceso inverso a la fuzzyficacin denominado defuzzyficacin mediante el que un valor
borroso se convierte en un valor perteneciente al universo de salida.
El procedimiento por el que se obtiene un valor concreto a partir del sistema borroso. Una
vez aplicadas las reglas que definen la base de conocimiento a los valores de entrada y
obtenidos los grados de pertenencia de los conjuntos borrosos, se obtienen como resultado
un conjunto borroso.
Pag. 22 de 32
El objeto del sistema es obtener un valor real, para lo cual se pueden aplicar diferentes
funciones sobre los conjuntos borrosos de salida que permitan obtener un nico valor
concreto dentro. Los mtodos ms utilizados son:
Mtodo del Centroide: se calcula el centroide del conjunto borroso resultado de la
agregacin de los consecuentes una vez evaluadas
Bisector del rea: Es encontrar el valor numrico del elemento del universo que separa el
conjunto borroso en dos mitades iguales
Media de los mximos: buscan los elementos del universo en donde la funcin de
pertenencia del conjunto borroso toma su valor mximo y se calcula la media dichos puntos.
Mnimo de los mximos: se busca el menor de los puntos del universo en lugar la media
Mayor de los mximos: en este caso se toma el mayor de los puntos.
Mtodo de la media Ponderada
Sugeno
Mamdani
Pag. 23 de 32
4.4
INFERENCIA BORROSA
es
entonces
es
es
y es B
Regla de inferencia Modus Tollens quedara definida de la forma siguiente
si
no es
si
es
entonces
es
x no es A
Adems de las reglas anteriores, y considerando que la inferencia borrosa se lleva a cabo en
base a conjuntos y premisas borrosas, se define la regla Modus Ponens generalizada que se
define como una extensin del Modus Ponens tradicional.
si
es
entonces
es
Pag. 24 de 32
es ms o menos
y es ms o menos B
El resultado de la inferencia es un conjunto borroso que contiene la suma de los resultados
de las ejecuciones de las reglas. Una vez obtenido este conjunto resultado, hay que
determinar el valor de salida real del sistema aplicando el mtodo de defuzzificacin
definido.
Dos modelos que se pueden utilizar para el diseo de la inferencia del sistema borros son el
modelo propuesto por Mamdani [7] y el modelo propuesto por Takagi-Sugeno [8]. La
diferencia entre ambos modelos se encuentra en los conjuntos borrosos utilizados para los
consecuentes de las reglas. El modelo de Mamdani propone el uso funciones de pertenencia
triangular, trapezoidal y gausiana, mientras que el modelo Takagi-Sugeno propone el uso de
funciones montonas como el singleton.
5
CONTROLADOR BORROSO
El control borroso es llevar la salida de un proceso a un valor deseado con las acciones de
control calculadas tomando la decisin segn la descripcin borrosa que se ha realizado del
sistema. Los controladores borrosos son tiles en procesos complejos donde un modelo
tradicional es complejo de obtener y la informacin de la que se dispone es ms cualitativa
que cuantitativa.
Los controladores borrosos son el resultado de aplicar la teora borrosa a sistemas reales.
Estos controladores, aunque se basan en el conocimiento de los expertos, presentan la
ventaja de utilizar funciones sencillas en vez de las ecuaciones diferenciales utilizadas en
teora de control. El conocimiento del experto se expresa mediante las variables lingsticas
descritas por los conjuntos borrosos.
5.1
Pag. 25 de 32
El diseo del controlador borroso implica la definicin de los conjuntos borrosos que
implementarn las variables lingsticas que se usan para realizar el control y la definicin de
la reglas considerando al informacin que se va a utilizar y teniendo en cuenta la experiencia
del operador del sistema y el proceso de defuzzificacin para obtener el valor de salida del
controlador borroso (FLC)
El nmero de conjuntos influir en la precisin del controlador debido a que el sistema ser
ms descriptivo y ms fiable. Un nmero de conjuntos muy elevado har que se tengan que
definir un mayor nmero de reglas para que se puedan evaluar y por tanto la base de reglas
aumentar considerablemente.
Una vez que ha definido la base de reglas, se tiene que determinar cmo se va a realizar el
proceso de defuzzificacin para obtener un valor que se pueda introducir en el actuador
correspondiente. En este caso, las estrategias ms [9] comunes con:
Criterio del mximo (MAX). El valor de salida es el mximo de todos los obtenidos.
Criterio del medio de mximo (MOM). La salida del sistema es el valor medio de los
mximos de los valores de salida.
Criterio del centro de gravedad (COG). El valor de salida se corresponde con el centro
de gravedad de los conjuntos borrosos obtenidos.
Pag. 26 de 32
Los controladores borrosos se pueden aplicar en sistemas con valores que tienen poca
precisin, en procesos complejos para los que es difcil encontrar una definicin del
controlador tradicional o para controlar partes de sistemas en los que la medicin es un
proceso poco fiable.
6
La Lgica Borrosa es til para tratar problemas complejos, que estn definidos de una
manera precaria o para los que no se puede definir un modelo matemtico. Ha permitido
encontrar soluciones a problemas que cuya solucin sera muy difcil mediante sistemas ms
tradicionales.
En los ltimos aos la Lgica Borrosa se ha utilizado en distintos tipos de instrumentos y en
diversos mbitos de la vida cotidiana [11]. As tenemos aplicaciones de lgica borrosa en el
campo del transporte [12], en los sistemas de frenado de trenes [3], en la conduccin
automtica de los automviles [13], controles de trfico [14]en la industria metalrgica con
la aplicacin para la seleccin de metales [15], prediccin de la dureza del concreto [16],
pare el control de procesos industriales mediante desarrollo realizados en lenguajes de
programacin [17].
La lgica borrosa se ha empleado tambin en la industria del electrodomstico de consumo
como las cmaras de vdeo [18], televisores, estabilizadores de imgenes y sistemas de foco
automtico en cmaras fotogrficas, elevadores [19]. Un campo ms en el que se ha
utilizado la lgica borrosa para es en el desarrollo de sistemas que ayudan en el diagnstico
mdico [20].
Pag. 27 de 32
CONCLUSIONES.
La Lgica Borrosa es una tcnica de inteligencia artificial permite trabajar con informacin
imprecisa o vaga. La definicin de los sistemas borrosos en funcin del conocimiento de los
expertos y utilizando un modelo de inferencia prximo al modo en el que pensamos los
humano hace que no sea necesario ser un experto en el campo de aplicacin para disear
sistemas borrosos eficaces.
La definicin de los conjuntos borrosos mediante funciones de pertenencia sencillas junto
con la definicin del modelo mediante reglas simples hace que estos sistemas necesiten una
capacidad de clculo reducida en comparacin con sistemas que se definen mediante
frmulas matemticas complejas.
La lgica borrosa resulta una herramienta til para trabajar con sistemas que presenta una
complejidad alta, sistemas en los que los datos presentan un grado elevado de imprecisin o
sistemas en los que resulta complejo obtener un modelo matemtico exacto. Ha permitido
encontrar soluciones sencillas en problemas cuya solucin era compleja aplicando
herramientas ms tradicionales.
La evolucin de la lgica borrosa la ha llevado a ser una herramienta que se ha aplicado con
xito en una amplia variedad de reas de control en las que ha demostrado ser una solucin
fiable y se ha llegado a imponer a soluciones ms tradicionales.
Las caractersticas de los sistemas hacen que elaborar un prototipo de un sistema borroso
sea una tarea rpida y sin una gran complejidad. Este hecho junto con la variedad de
software disponible en la actualidad da la posibilidad de tener un prototipo a un coste muy
reducido.
Una buena definicin de los conjuntos borrosos y de las reglas que se apliquen es lo que
har que el sistema borroso tenga un comportamiento adecuado. Modificando los conjuntos
borrosos y las reglas se puede modificar el comportamiento del sistema y ajustar su
respuesta. Estas operaciones se basan en la experiencia y en la observacin de los sistemas
diseados lo cual puede suponer un inconveniente en algunos casos en los que el nmero de
conjuntos crezca demasiado y el conjunto de reglas necesario sea grande.
Pag. 28 de 32
BIBLIOGRAFA
Pag. 29 de 32
Pag. 30 de 32
Pag. 31 de 32
Pag. 32 de 32