Matematica Control Fuzzy PDF

DEPARTAMENTO DE CONTROL
ESCUELA DE ELECTRONICA
FACULTAD DE CIENCIAS EXACTAS, INGENIERIA Y AGRIMENSURA
UNIVERSIDAD NACIONAL DE ROSARIO
CONTROL AVANZADO II
MATEMATICA DEL
CONTROL FUZZY
Octubre 2010
Matemtica del Control Fuzzy
INDICE
1
Conjuntos clsicos ______________________________________________________________________ 3

1.1
Definiciones y caractersticas principales de un conjunto clsico ____________________________ 3
1.2
Operaciones entre conjuntos y sus propiedades __________________________________________ 3
1.3
Funcin caracterstica_______________________________________________________________ 4
Conjuntos fuzzy ________________________________________________________________________ 5

2.1
Funcin de pertenencia______________________________________________________________ 5
2.2
Funciones de pertenencia ms utilizadas _______________________________________________ 6
2.3
Operaciones entre conjuntos fuzzy ____________________________________________________ 8
Relaciones y Reglas ____________________________________________________________________ 10

3.1
Producto cartesiano _______________________________________________________________ 10
3.2
Relaciones clsicas y funcin caracterstica ____________________________________________ 10
3.3
Relaciones fuzzy __________________________________________________________________ 10
3.4
Implicaciones y reglas ______________________________________________________________ 11
Razonamiento Aproximado ______________________________________________________________ 14

4.1
Regla Composicional de Inferencia ___________________________________________________ 14
4.2
Modus Ponens ____________________________________________________________________ 16
4.3
Razonamiento fuzzy _______________________________________________________________ 17
Bibliografa___________________________________________________________________________ 20
Control Avanzado II
Pgina 2 de 20
Conjuntos clsicos
1.1
Definiciones y caractersticas principales de un conjunto clsico
Se define como conjunto a un grupo de elementos de cualquier clase. En la teora clsica los
conceptos de conjunto y elemento son primitivos, es decir, no se encuentran definidos en
trminos de otros conceptos.
Un conjunto clsico queda completamente especificado por los elementos que el mismo
contiene. Adems, para cualquier elemento perteneciente al campo de referencia tambin
denominado universo de discurso puede determinarse sin ambigedades si el mismo
pertenece o no pertenece a un determinado conjunto.
Un conjunto puede ser finito, contable o incontable. Puede describirse con el listado
completo de sus elementos o enunciando la propiedad que define la pertenencia de los
elementos al conjunto. Los siguientes ejemplos ilustran algunos de estos casos:
A = { 0, 1, 2, 3, 4}
conjunto finito
B = { x Z / x < 0} conjunto contable descrito por una propiedad

Entre todos los conjuntos se distinguen un par de conjuntos especiales:
- el llamado universo, nombrado con U, que contiene todos los elementos del universo de
discurso,
- y el llamado conjunto vaco, indicado con el smbolo , que no contiene ningn elemento.
1.2
Operaciones entre conjuntos y sus propiedades
A partir de un par de conjuntos clsicos A y B del universo U pueden definirse las

siguientes operaciones:
- Complemento de A, A = { x / x A}
- Interseccin de A y B, A I B = { x / x A x B}
- Unin de A y B, A U B = { x / x A x B}
- Producto Cartesiano de A y B, A x B = { ( x, y) / x A y B}
Estas operaciones cumplen con las siguientes propiedades:

Conmutativa
AU B = B U A
Asociativa
AI B = B I A
Distributiva
( A U B) U C = A U ( B U C )
( A I B) I C = A I ( B I C )
A I ( B U C ) = ( A I B) U ( A I C )
A U ( B I C ) = ( A U B) I ( A U C )
Control Avanzado II
Pgina 3 de 20
A UU = U
Absorcin
Contradiccin
1.3
Identidad
AU = A
AI =
A IU = A
A I A =
Tercio excluido A U A = U
Funcin caracterstica
Para definir un conjunto es posible enumerar sus elementos o enunciar un predicado que
defina aquella propiedad que es cumplida por todos sus elementos. Existe una tercera
posibilidad para enunciar la definicin de un conjunto A: usar su funcin caracterstica A.
Sea A un conjunto definido en el dominio X, se define la funcin
A(x): X {0, 1}
como funcin caracterstica del conjunto A si para todo x perteneciente al dominio X se cumple
que
1
0
A(x) =
si x A,
si x A.
(1.1)
Con esta funcin caracterstica es posible redefinir las operaciones complemento,

interseccin y unin en trmino de funciones, lo que ser de mucha utilidad al tratar la
teora de conjuntos fuzzy. Sean A y B dos conjuntos definidos en el dominio X, y sean A y B
sus respectivas funciones caractersticas. Las operaciones referidas anteriormente pueden
definirse como:
- Complemento de A, indicado con A, A(x) = 1 A(x)
(1.2)
- Interseccin de A y B, indicado con A I B , AB(x) = min(A(x), B(x))
(1.3)
- Unin de A y B, indicado con A U B , AB(x) = max(A(x), B(x))
(1.4)
La eleccin de estas funciones es completamente arbitraria. La nica propiedad que la

operacin interseccin debe satisfacer es la de retornar el valor 1 si ambos argumentos valen 1,
y retornar el valor 0 para el resto de los casos. El uso de la funcin mnimo cumple con esta
premisa, pero existen definiciones alternativas para la operacin interseccin, como por
ejemplo:
AB(x) = A(x).B(x)
(1.5)
AB(x) = max(0, A(x) + B(x) 1)
(1.6)
Para el caso de la operacin unin tambin es posible definir una funcin alternativa para
representarla, se la denomina OR-probabilstico:
AB (x) = A(x) + B(x) A(x).B(x)
(1.7)
Las funciones que normalmente se utilizan para definir la operacin interseccin, como (1.3)
y (1.5), son normas triangulares. Las funciones que normalmente se utilizan para definir la
operacin unin, como (1.4) y (1.7), son co-normas triangulares.
Control Avanzado II
Pgina 4 de 20
Conjuntos fuzzy
2.1
Funcin de pertenencia
De acuerdo a lo enunciado en el apartado 1.1, dado un conjunto A definido en el universo X

se sabe sin ambigedades si un elemento x de X pertenece o no pertenece al conjunto A. En la
teora de conjuntos fuzzy esta propiedad de pertenencia se generaliza, por lo que dado un
conjunto fuzzy D no es necesario que un elemento x del universo X pertenezca o no pertenezca
al mismo, sino que es posible enunciar que el elemento x pertenece con un determinado
grado al conjunto fuzzy D.
La generalizacin se lleva a cabo en la definicin de la llamada funcin de pertenencia de un
conjunto fuzzy, que se basa en la definicin de la funcin caracterstica de un conjunto clsico.
Esta funcin asigna a cada elemento x X un valor en el intervalo unitario continuo [0, 1] en
lugar del conjunto de dos elementos {0, 1}. Un conjunto definido sobre esta base se denomina
conjunto fuzzy.
La funcin de pertenencia A de un conjunto fuzzy A definido en el dominio X es una
funcin
A(x): X [0, 1]
(2.1)
De este modo, cada elemento x de X tiene un grado de pertenencia A(x) [0, 1]. El
conjunto fuzzy A queda completamente determinado por el conjunto de t-uplas
A = {(x, A(x)) / x X}
(2.2)
La notacin anterior suele cambiarse por la siguiente para universos discretos:

A=
A(x) / x
(2.3)
xX
y por la siguiente para universos continuos:

A=
A(x) / x
(2.4)
donde los smbolos de sumatoria o integral indican enumeracin, y la barra inclinada indica
t-upla.
Se concluye entonces que un conjunto fuzzy en un universo X queda completamente
definido a travs de su funcin de pertenencia en dicho dominio.
Ejemplos:
1) Universo discreto
X=N
A : nmeros aproximadamente iguales a 6
A = {0.1/3, 0.3/4, 0.6/5, 1.0/6, 0.6/7, 0.3/8, 0.1/9}
2) Universo continuo
X=R
Control Avanzado II
A : nmeros aproximadamente iguales a 6
Pgina 5 de 20
A(x) / x
x6
1
3
A(x) =
1
1-sqrt(abs(x-6)3)
0.8
si 3 x 9
0.6
si x < 3 x > 9
A=
Funcin de pertenencia uA(x)
0.4
0.2
0
0
2.2
6
x
10
12
Funciones de pertenencia ms utilizadas
Si bien la eleccin de una funcin de pertenencia es arbitraria, en el momento de la

implementacin tecnolgica hay funciones ms comnmente usadas debido a su sencillez. A
continuacin se detallan algunas de estas funciones:
- Funciones Triangulares
Funcin de Pertenencia Triangular
A(x) =tringulo(x; a, b, c)
Grado de pertenencia
0.8
(c-x)/(c-b)
(x-a)/(b-a)
0.6
0.4
0.2
0
a
-1
-0.8
-0.6
b
-0.4
-0.2
0
x
c
0.2
0.4
0.6
0.8
Funcin de Pertenencia Trapezoidal
- Funciones Trapezoidales
1
A(x) =trapecio(x; a, b, c, d)
0.8
(x-a)/(b-a)
(d-x)/(d-c)
0.6
0.4
0.2
0
a
-1
Control Avanzado II
-0.8
-0.6
b
-0.4
-0.2
0
x
0.2
d
0.4
0.6
0.8
Pgina 6 de 20
Funcin de Pertenencia Campana de Gauss
- Funciones Campanas de Gauss
A(x) =gauss(x; , c)= e
( x c ) 2
2
0.8
0.6
0.4
sigma = 0.2
c=0
0.2
0
-1
-0.8
- Funciones Campanas Generalizadas
1
xc
1+
a
-0.4
-0.2
0
x
0.2
0.4
0.6
0.8
Funcin de Pertenencia Campana Generalizada

1
2b
0.8
A(x) =campana(x; a, b, c)=
-0.6
0.6
a = 0.4
b=2
0.4
c=0
0.2
0
-1
-0.8
-0.6
-0.2
0
x
0.2
0.4
0.6
0.8
0.8
Funcin de Pertenencia Sigmoide
- Funciones Sigmoides
1
1
1 + e a ( x c )
0.8
A(x) =sigma(x; a, c)=
-0.4
0.6
0.4
a = 13
c = -0.4
0.2
0
-1
Control Avanzado II
-0.8
-0.6
-0.4
-0.2
0
x
0.2
0.4
0.6
Pgina 7 de 20
A(x) =dif_sigma(x; a1, c1, a2, c2)=sigma(x; a1, c1) sigma(x; a2, c2)
Funcin de Pertenencia Diferencia de Sigmoides
1
0.8
0.6
0.4
0.2
a1=-0.5
a2=0.6
c1=10
c2=10
0
-1
-0.8
-0.6
-0.4
-0.2
0
x
0.2
0.4
0.6
0.8
A(x) =prod_sigma(x; a1, c1, a2, c2)=sigma(x; a1, c1) . sigma(x; a2, c2)
Funcin de Pertenencia Producto de Sigmodes
1
0.8
0.6
0.4
a1=-0.6
c1=10
0.2
a2=0.5
c2=-20
0
-1
2.3
-0.8
-0.6
-0.4
-0.2
0
x
0.2
0.4
0.6
0.8
Operaciones entre conjuntos fuzzy
A partir de un par de conjuntos fuzzy A y B del universo X, definidos a partir de su funcin

de pertenencia A(x) y B(x), puede encontrarse la funcin de pertenencia del conjunto que
surge de realizar operaciones bsicas entre los mismos. Dados los conjuntos A y B definidos
como
A = {(x, A(x)) / x X}
B = {(x, B(x)) / x X}
se definen las siguientes operaciones de manera similar a lo hecho con los conjuntos clsicos
y sus funciones caractersticas:
- Complemento de A,
A(x) = 1 A(x)
Control Avanzado II
(2.5)
Pgina 8 de 20
- Interseccin de A y B,
AB(x) = min(A(x), B(x))
(2.6)
AB(x) = A(x).B(x)
(2.7)
En general, se utiliza la notacin AB(x) = A(x) * B(x) para indicar el uso de la

operacin interseccin (norma triangular) e independizarse de su definicin.
- Unin de A y B,
AB(x) = max(A(x), B(x))
(2.8)
AB(x) = A(x) + B(x) A(x).B(x)
(2.9)
En general, se utiliza la notacin AB(x) = A(x) B(x) para indicar el uso de la

operacin unin (co-norma triangular) e independizarse de su definicin.
En el caso de conjuntos clsicos es indistinto el uso de una u otra definicin para encontrar
la funcin caracterstica del conjunto resultado de la interseccin o la unin de conjuntos. Esta
condicin no se cumple en el caso de trabajar con conjuntos fuzzy y sus funciones de
pertenencia. He aqu algunos ejemplos utilizando las definiciones (2.5), (2.6) y (2.8):
1
A(x)
B(x)
1
A (x)
AB(x)
AB(x)
AA (x)
AA (x)
En los ejemplos anteriores puede observarse que no se cumplen las leyes de contradiccin y
del tercio excluido definidas para conjuntos clsicos (ver punto 1.2).
Control Avanzado II
Pgina 9 de 20
Relaciones y Reglas
3.1
Producto cartesiano
Dados los universos X e Y, se define como producto cartesiano XxY al conjunto de todos los
pares ordenados (x, y) tales que x pertenezca a X e y pertenezca a Y. Esta definicin puede
expresarse de la siguiente manera:
XxY = {( x, y ) / x X y Y }
El producto cartesiano XxY es un nuevo universo, el universo de todos los pares ordenados
(x, y).
3.2
Relaciones clsicas y funcin caracterstica
Una relacin R definida en el producto cartesiano XxY es un subconjunto determinado de

pares (x, y) pertenecientes a XxY. Generalmente los elementos de R cumplen con una
determinada condicin que define a la relacin.
Ejemplos:
1) Sean los universos X = Y = R
Se puede definir la relacin R = ( x, y ) / x X y Y y = x 2
La relacin est formada por los puntos del plano que pertenecen a la parbola y = x 2 .
Luego es sencillo comprobar que (0,0) R , (2,4) R , y (3,5) R .
2) Sean los universos X = Y = Z = R
Se puede definir la relacin R = {( x, y, z ) / x X y Y z Z z = 3x + 2 y + 1}
El producto cartesiano puede generalizarse a n universos, y el mismo estar integrado
por n-uplas. Luego la relacin R estar formada por un subconjunto de n-uplas del
producto cartesiano.
Siendo la relacin R un conjunto, es posible definir su funcin caracterstica R(x, y) de
manera tal que
1
0
R(x, y) =
si ( x, y ) R,
si ( x, y ) R.
(3.1)
De este modo, para la relacin definida en el ejemplo 1 vale que R(0, 0) = 1 y R(3, 5) = 0.
3.3
Relaciones fuzzy
Dados los universos X e Y, y el producto cartesiano XxY , se define una relacin fuzzy R a
travs del enunciado de su funcin de pertenencia R(x, y)
R(x, y): XxY [0, 1]
Control Avanzado II
(3.2)
Pgina 10 de 20
De este modo, cada par (x, y) de XxY tiene un grado de pertenencia R(x, y) [0, 1]. De
manera anloga a los conjuntos fuzzy se indica para el caso de dominios discretos:
R=
R(x, y) / (x, y)
(3.3)
( x , y ) XxY
y para el caso de universos continuos:

R=
XxY
R(x, y) / (x, y)
(3.4)
donde los smbolos de sumatoria o integral indican enumeracin, y la barra inclinada indica
t-upla.
Ejemplo con universos continuos:
X = Y = [0, 2]
R : x es mucho ms grande que y
R ( x, y ) =
uR(x,y)
1
1 + e 3( x y )
0.8
0.6
0.4
0.2
2
0
2
1.5
1
y
3.4
0.5
Implicaciones y reglas
El motor de inferencia del controlador fuzzy cuenta con una base de reglas a partir de las
cuales define el valor de salida correspondiente a un determinado valor en las entradas. Cada
una de las reglas que componen la base de reglas es del tipo SI-ENTONCES (IF-THEN), y se
representan como:
SI <antecedente> ENTONCES <consecuente>
(3.5)
En un controlador fuzzy, el antecedente de la regla contiene las condiciones que deben

cumplir las entradas para que se cumpla en la salida lo que se describe en el consecuente. Por
ejemplo, para un controlador donde la entrada sea el error (e) puede escribirse una regla como
la siguiente:
SI < e es PB > ENTONCES < u es PM >

El error e se encuentra definido en el dominio E, y la salida u en el dominio U. La regla
descripta no es ms que una relacin fuzzy definida en el dominio que resulta del producto
escalar de los dominios de las entradas y la salida, esto es, ExU, y estar representada por su
funcin de pertenencia R(e, u)
R(e, u): ExU [0, 1]
(3.6)
En la regla anterior PB significa positivo y grande, y PM significa positivo y medio. Cada

uno de estos valores lingsticos ser representado en su respectivo dominio por un conjunto
fuzzy.
Control Avanzado II
Pgina 11 de 20
En general las reglas tendrn la forma:

R: SI < x es A > ENTONCES < y es B >
x X , A definido a travs de A(x)
donde
y Y , B definido a travs de B(y)
en la que se enuncia que si la variable x cumple con la premisa descripta en el antecedente,

entonces la variable y cumplir con lo descripto en el consecuente. Este enunciado se denomina
implicacin, y se representa con
AB
y el objetivo ser encontrar la funcin de pertenencia R(x, y) de dicha implicacin (o regla) en

funcin de A(x) y B(y). En otras palabras
R=
XxY
R(x, y) / (x, y) =
XxY
f (A(x), B(y)) / (x, y)
Hay varias propuestas para determinar R(x, y), aunque la ms utilizada en el desarrollo de
controladores por sus resultados y facilidad en su aplicacin es la llamada implicacin de
Mamdani, que propone
R=
XxY
R(x, y) / (x, y) =
XxY
A(x) * B(y) / (x, y)
(3.7)
y en consecuencia, segn la operacin que se utilice para representar la norma triangular (*), se
podrn definir
R=
A(x) . B(y) / (x, y)
(3.8)
R=
min(A(x), B(y)) / (x, y)
(3.9)
XxY
XxY
Ejemplo:
Retomando la regla
R: SI < e es PB > ENTONCES < u es PM >
donde
e E = [-1, 1]
PB(e): E [0, 1]
u U = [-10, 10]
PM(u): U [0, 1]
PM
1
0.8
0.8
PB
1
0.6
0.4
0.6
0.4
0.2
0.2
-1
-0.8
Control Avanzado II
-0.6
-0.4
-0.2
0
e
0.2
0.4
0.6
0.8
-10
-8
-6
-4
-2
0
u
10
Pgina 12 de 20
A continuacin se muestran las funciones de pertenencia de la relacin R utilizando la

funcin mnimo y la funcin producto:
R(e, u)= min(PB(e), PM(u))
Control Avanzado II
R(e, u)= PB(e) . PM(u)
Pgina 13 de 20
Razonamiento Aproximado
4.1
Regla Composicional de Inferencia
Partiendo de una regla R, la llamada Regla Composicional de Inferencia permite calcular el

resultado de aplicar dicha regla a una premisa conocida, el objetivo es el de deducir una
conclusin (salida) generada por dicha regla a partir de ciertas condiciones (entrada).
La tarea se resume en encontrar el conjunto fuzzy B definido en el espacio Y partiendo del
conjunto fuzzy A definido en el espacio X y la relacin R definida en el espacio XxY:
A ; A(x)
xX
R ; R(x, y)
(x, y) XxY
B ; B(y)
yY
datos
resultado
Se muestra a continuacin el procedimiento a seguir a partir de un ejemplo.

i) El conjunto fuzzy A se encuentra definido por su funcin de pertenencia A(x) en el
dominio X:
1
X = [0 10]
0.9
A(x) =campana(x; 1.5, 2, 5)=
x 5
1.5
0.7
0.6
uA(x)
1+
0.8
0.5
0.4
0.3
0.2
0.1
0
5
x
10
ii) La relacin R representa una regla del tipo SI-ENTONCES como la siguiente:
R: SI < x es A > ENTONCES < y es B >
R: SI x es A ENTONCES y es B
La funcin de pertenencia de R es R(x, y)

1
X = [0 10]
0.8
Y = [0 40]
uR(x,y)
0.6
0.4
0.2
0
40
30
10
8
20
10
2
0
Control Avanzado II
Pgina 14 de 20
iii) Se construye la extensin cilndrica de A, denominada c(A), expandiendo el dominio de

A de X a XxY:
Extensin cilndrica de A
c(A)(x,y) =A(x)
1
0.8
0.6
0.4
0.2
0
40
30
10
8
20
y
6
4
10
2
0
iv) Se realiza la interseccin de R(x, y) y c(A)(x,y):
c(A)R(x,y) = min [c(A)(x,y) , R(x, y)] = min [A(x) , R(x, y)]
0.8
0.6
0.4
0.2
0
40
30
10
8
20
y
6
4
10
2
0
v) Se realiza la proyeccin de la interseccin anterior sobre el dominio Y para encontrar

B(y):
B(y) = max { min [A(x) , R(x, y)] }

x
0.8
0.6
0.4
0.2
0
40
30
10
8
20
y
6
4
10
2
0
Control Avanzado II
Pgina 15 de 20
El resultado de dicha proyeccin es la funcin de pertenencia buscada, B(y):

1
0.9
0.8
0.7
uB(y)
0.6
0.5
0.4
0.3
0.2
0.1
0
10
15
20
y
25
30
35
40
El problema y su solucin quedan planteados entonces de la siguiente manera:

Regla Composicional de Inferencia: Dados un conjunto fuzzy A definido en el espacio X a
travs de su funcin de pertenencia A(x), y la relacin (regla) R definida en el espacio XxY a
travs de su funcin de pertenencia R(x, y), es posible encontrar la funcin de pertenencia
B(y) del conjunto fuzzy B definido en el espacio Y con la ecuacin
B(y) = max { min [A(x) , R(x, y)] }
(4.1)
El conjunto fuzzy B es el resultado de aplicar la relacin (regla) R al conjunto A. La

operacin se denomina composicin y se representa como
B=A R
La ecuacin (4.1) se denomina composicin max-min, ya que se ha utilizado la operacin

mnimo para resolver la interseccin en c(A)R(x,y). Utilizando la operacin producto se obtiene
la llamada composicin max-producto, donde en este caso
B(y) = max [ A(x) . R(x, y) ]
(4.2)
4.2
Modus Ponens
Existe en lgica una regla bsica de inferencia denominada Modus Ponens (o modus
ponendus ponens) que permite evaluar el siguiente razonamiento:
Si disponemos de la regla A B , si se cumple A (A es verdadero) entonces se cumple B (B
es verdadero).
El siguiente ejemplo ilustra el uso de modus ponens para inferir una conclusin:
Premisa 1
A: El tomate es rojo
(hecho)
Premisa 2
R: Si el tomate es rojo, entonces el tomate est maduro
(regla)
Conclusin B: El tomate est maduro
Control Avanzado II
(consecuencia)
Pgina 16 de 20
Esta regla permite inferir resultados tambin para el caso aproximado, en el que se parte de
una premisa A que es parecida a la premisa A pero no exactamente igual. En este caso el
ejemplo anterior sera:
Premisa 1
A: El tomate es rojo plido
(hecho)
Premisa 2
R: Si el tomate es rojo, entonces el tomate est maduro
(regla)
Conclusin B: El tomate est casi maduro
(consecuencia)
Las dos situaciones anteriores pueden representarse de la siguiente manera:

x es A
x es A
Si x es A, entonces y es B
Si x es A, entonces y es B
y es B
y es B
donde A es parecido a A y B es parecido a B. Este razonamiento se denomina Modus

Ponens Generalizado o Razonamiento Aproximado.
4.3
Razonamiento fuzzy
Sean A, A y B conjuntos fuzzy definidos en los universos X, X e Y respectivamente.

Sea A B una implicacin expresada como una relacin fuzzy R definida en el dominio
X xY .
Luego, el conjunto fuzzy B inducido por el hecho x es A y la regla fuzzy R: SI
< x es A > ENTONCES < y es B > se define como
B (y) = max { min [A (x) , R(x, y)] }
(4.3)
o en forma equivalente
B = A R = A ( A B )
Estas conclusiones se aplican a continuacin para encontrar la salida de un controlador

fuzzy.
Una regla con antecedente simple
Entrada: x es A ;
R: SI < x es A > ENTONCES < y es B > ;
Salida: y es B.
B ' ( y ) = max [ min( A ' ( x), R ( x, y )] =

x
= max [ min( A ' ( x), A ( x), B ( y ) ] =

x
= min max [ min( A ' ( x), A ( x))] , B ( y ) =

x
= min {w, B ( y )} = w B ( y )
donde
Control Avanzado II
Pgina 17 de 20
w = max [ min( A ' ( x), A ( x)) ] ; w es el grado de compatibilidad del antecedente, tambin
x
llamado peso del disparo.

1
0.9
0.9
0.8
A(x)
0.7
0.7
0.6
0.6
0.5
0.4
0.5
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
-1
B(y)
0.8
A'(x)
-0.75
-0.5
-0.25
0
x
0.25
0.5
0.75
B'(y)
0
-1
-0.75
-0.5
-0.25
0
y
0.25
0.5
0.75
Una regla con antecedente mltiple
Entradas: x es A ; y es B ;
R: SI < x es A > Y < y es B > ENTONCES < z es C > ;
Salida: z es C.
R ( x, y, z ) = A ( x ) B ( y ) C ( z )
C ' ( z ) = w1 w2 C ( z )
w1 w2 = peso del disparo
1
0.8
A(x)
A'(x)
0.8
0.6
0.4
0.2
0.2
B'(y)
B(y)
-0.75 -0.5 -0.25
0
x
0.25
0.5
0.75
0
-1
0.8
w1
0.6
0.4
0
-1
min
C(z)
0.6
w2
C'(z)
0.4
0.2
-0.75 -0.5 -0.25
0
y
0.25
0.5
0.75
0
-1
-0.75 -0.5 -0.25
0
z
0.25 0.5
0.75
Mltiples reglas con antecedente mltiple
Entradas: x es A ; y es B ;
R1: SI < x es A1 > Y < y es B1 > ENTONCES < z es C1 > ; Salida de R1: z es C1 ;
R2: SI < x es A2 > Y < y es B2 > ENTONCES < z es C2 > ; Salida de R2: z es C2 ;
Salida: z es C = C1 I C2 .
Control Avanzado II
Pgina 18 de 20
min
1
A1'(x)
A1(x)
0.8
0.8
0.6
B1'(y)
0.8
0.6
0.4
0.4
0.2
0.2
0
-1 -0.75 -0.5 -0.25
0
x
0.25 0.5 0.75
0
-1
0.8
0.8
A2'(x)
0.2
-0.75 -0.5 -0.25
0
y
0.25 0.5 0.75
0
-1
B2'(y)
0.8
0.4
0.4
0.2
0.2
0.2
0.25 0.5 0.75
0
-1
0.25 0.5 0.75
C2(z)
0.4
0
x
0
z
0.6
0
-1 -0.75 -0.5 -0.25
-0.75 -0.5 -0.25
B2(y)
0.6
C1'(z)
0.4
A2(x)
C1(z)
0.6
0.6
B1(y)
-0.75 -0.5 -0.25
0
y
0.25 0.5 0.75
0
-1
C2'(z)
-0.75 -0.5 -0.25

max
0
z
0.25 0.5 0.75
0.8
0.6
C'(z)
0.4
0.2
0
-1
Control Avanzado II
-0.75 -0.5 -0.25
0
z
0.25 0.5 0.75
Pgina 19 de 20
Bibliografa
An Introduction to Fuzzy Control

Dimiter Driankov, Hans Hellendoorn & Michael Reinfrank
Springer-Verlag, Berlin Heidelberg, 1993
Fuzzy Logic Systems for Engineering: A Tutorial

Jerry M. Mendel
Proceedings of the IEEE, Vol. 83, N 3
IEEE, 1995
Tutorial On Fuzzy Logic

Jan Jantzen
Fuzzy Logic
Lofti A. Zadeh
IEEE, 1988
Ing. Sergio Pastelletto

Depto. Control - Escuela de Electrnica
FCEIA - UNR
Control Avanzado II
Pgina 20 de 20

Matematica Control Fuzzy PDF

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Matematica Control Fuzzy PDF

Diunggah oleh

Hak Cipta:

Format Tersedia

DEPARTAMENTO DE CONTROL

Matemtica del Control Fuzzy

Conjuntos clsicos ______________________________________________________________________ 3

Definiciones y caractersticas principales de un conjunto clsico ____________________________ 3

Operaciones entre conjuntos y sus propiedades __________________________________________ 3

Conjuntos fuzzy ________________________________________________________________________ 5

Funciones de pertenencia ms utilizadas _______________________________________________ 6

Operaciones entre conjuntos fuzzy ____________________________________________________ 8

Relaciones y Reglas ____________________________________________________________________ 10

Producto cartesiano _______________________________________________________________ 10

Relaciones clsicas y funcin caracterstica ____________________________________________ 10

Relaciones fuzzy __________________________________________________________________ 10

Implicaciones y reglas ______________________________________________________________ 11

Razonamiento Aproximado ______________________________________________________________ 14

Regla Composicional de Inferencia ___________________________________________________ 14

Modus Ponens ____________________________________________________________________ 16

Razonamiento fuzzy _______________________________________________________________ 17

Matemtica del Control Fuzzy

Definiciones y caractersticas principales de un conjunto clsico

B = { x Z / x < 0} conjunto contable descrito por una propiedad

Operaciones entre conjuntos y sus propiedades

A partir de un par de conjuntos clsicos A y B del universo U pueden definirse las

Estas operaciones cumplen con las siguientes propiedades:

Matemtica del Control Fuzzy

Con esta funcin caracterstica es posible redefinir las operaciones complemento,

- Interseccin de A y B, indicado con A I B , AB(x) = min(A(x), B(x))

- Unin de A y B, indicado con A U B , AB(x) = max(A(x), B(x))

La eleccin de estas funciones es completamente arbitraria. La nica propiedad que la

AB(x) = max(0, A(x) + B(x) 1)

AB (x) = A(x) + B(x) A(x).B(x)

Matemtica del Control Fuzzy

De acuerdo a lo enunciado en el apartado 1.1, dado un conjunto A definido en el universo X

La notacin anterior suele cambiarse por la siguiente para universos discretos:

y por la siguiente para universos continuos:

A : nmeros aproximadamente iguales a 6

A = {0.1/3, 0.3/4, 0.6/5, 1.0/6, 0.6/7, 0.3/8, 0.1/9}

A : nmeros aproximadamente iguales a 6

Matemtica del Control Fuzzy

Funcin de pertenencia uA(x)

Funciones de pertenencia ms utilizadas

Si bien la eleccin de una funcin de pertenencia es arbitraria, en el momento de la

Funcin de Pertenencia Triangular

Funcin de Pertenencia Trapezoidal

Matemtica del Control Fuzzy

Funcin de Pertenencia Campana de Gauss

- Funciones Campanas de Gauss

A(x) =gauss(x; , c)= e

- Funciones Campanas Generalizadas

Funcin de Pertenencia Campana Generalizada

A(x) =campana(x; a, b, c)=

Funcin de Pertenencia Sigmoide

A(x) =sigma(x; a, c)=

Matemtica del Control Fuzzy

Operaciones entre conjuntos fuzzy

A partir de un par de conjuntos fuzzy A y B del universo X, definidos a partir de su funcin

Matemtica del Control Fuzzy

AB(x) = min(A(x), B(x))

En general, se utiliza la notacin AB(x) = A(x) * B(x) para indicar el uso de la

AB(x) = max(A(x), B(x))

AB(x) = A(x) + B(x) A(x).B(x)

En general, se utiliza la notacin AB(x) = A(x) B(x) para indicar el uso de la

Matemtica del Control Fuzzy

Relaciones clsicas y funcin caracterstica