control fuzzy introduccion. 20-abr-15 2 contenido motivacion para el control fuzzy controladores pid...
TRANSCRIPT
CONTROL FUZZY INTRODUCCION
21 de abr de 2023 2
CONTENIDO
• Motivacion para el control fuzzy
• Controladores PID usando tecnicas fuzzy– Controlador proporcional difuso
– Controlador PD difuso
– Controlador PI difuso
• Analisis de controladores PID fuzzy
MOTIVACION PARA EL CONTROL FUZZY
21 de abr de 2023 3
21 de abr de 2023 4
El control convencional
• La teoria del control convencional se caracteriza por:
– Modelos matematicos de un proceso– Linealizacion en un punto de operacion
• y controladores– Lineales– Metodos de diseño basados en la planta ideal
21 de abr de 2023 5
Los problemas reales
• Los sistemas reales son complejos– No linealidades– Modelos dificiles de obtener
• Las fuentes de informacion son– Cualitativas– Inexactas
• El control tipicamente es manual– El conocimiento “experto” del operador
21 de abr de 2023 6
Proposito del control fuzzy
• Proponer otro paradigma de diseño
– Imitar las acciones de control del operador humano
– Interpolacion suave de la salida bajo condiciones distintas
21 de abr de 2023 7
Diseño clasico del sistema de control
• Metodos de diseño:– Basado en señal: el modelo solo se usa en la etapa de
diseño– basado en modelo: el modelo hace parte del algoritmo
de control
21 de abr de 2023 8
Diseño clasico del sistema de control
• Problemas del control– Regulacion,
– Seguimiento
21 de abr de 2023 9
Pasos del diseño clasico
1. Estudio del proceso. Selección de sensores y actuadores
2. Modelado del sistema. Identificacion.3. Selección de las especificaciones4. Selección y diseño del controlador5. Simulacion. Posible mejora.6. Selección del HD y SW7. Experimentos en tiempo real. Sintonia
De Sousa, 2000
Metodologia del diseño clasico
Diseño del controlador
Root-Locus Control PI
Analisis de requerimientos
Modelo
analitico Identificacion
Modelo DinamicoAlgoritmo de
control
Performance Specifications
Satisface
21 de abr de 2023 11
El control fuzzy
• Pretende controlar sistemas complejos
• Usa estrategias de control basadas en conocimiento
– Representado en la base de reglas
– Y la base de datos
21 de abr de 2023 12
Bases del control fuzzy
• Diseño basado en sistemas fuzzy en lugar de ecuaciones matematicas
• Ventajas– Utilizacion del conocimiento experto
– Aproximacion de funciones no lineales• Eficiente: numero de parametros, local, metodos de
identificacion
• transparente
21 de abr de 2023 13
Pasos de diseño del control fuzzy
1. Estudio del sistema. Selección de sensores y actuadores
2. Modelado del sistema. Identificacion.3. Selección de las especificaciones4. Selección y diseño del controlador5. Simulacion. Posible mejora.6. Selección del HD y SW7. Experimentos en tiempo real. Sintonia
21 de abr de 2023 14
Modelado de la planta en el control fuzzy
• El modelo la planta puede ser no lineal
CONTROLADOR PROPORCIONAL DIFUSO
21 de abr de 2023 16
Controladores proporcionales
• En el sistema de control
• El controlador fuzzy construye una funcion monotona
• P: Cuanto mas error, mayor accion de control
21 de abr de 2023 17
Controladores proporcionales
• Mapeo de entrada salida
Controlador fuzzy
21 de abr de 2023 18
Base de reglas del controlador proporcional
• If error is NB then control input is NB
• If error is Zero then control input is Zero
• If error is PB then control input is PB
Controlador fuzzy: ejemplo
21 de abr de 2023 19
Matriz asociativa fuzzy
Consecuente
Regla
Controlador fuzzy: ejemplo
21 de abr de 2023 20
Activacion de las reglas
Regla 4
Controlador fuzzy: ejemplo
21 de abr de 2023 21
Superficie entrada-salida
CONTROLADOR PD DIFUSO
21 de abr de 2023 23
Controlador PD convencional
• Controlador PD convencional
Du k K e k K e k
21 de abr de 2023 24
Controladores PD difusos
• Controlador PD fuzzy
,u k f e k e k
21 de abr de 2023 25
Controladores PD difusos
– Comparacion entre el PD convencional (izq.) y el PD fuzzy (der.)
CONTROLADOR PI DIFUSO
21 de abr de 2023 27
Estructura del controlador PI difuso
21 de abr de 2023 28
Base de reglas del controlador PI
• IF e(k) is P AND Δe(k) is P THEN Δu(k) is P
• IF e(k) is P AND Δe(k) is N THEN Δu(k) is Z
• IF e(k) is N AND Δe(k) is P THEN Δu(k) is Z
• IF e(k) is N AND Δe(k) is N THEN Δu(k) is N
CONTROL DIFUSO VS. PID
Control PID convencional
21 de abr de 2023 30
Control PID fuzzy
21 de abr de 2023 31
21 de abr de 2023 32
Controlador fuzzy dinamico
OBTENCION DE LA BASE DE REGLAS
21 de abr de 2023 34
Comportamiento del error
• Respuesta transiente tipica
21 de abr de 2023 35
Tres meta-reglas
• Si e(k) y e(k) son cero entonces mantener el control presente (sea u(k) o u(k));
• Si e(k) tiende a cero a una velocidad satisfactoria, entonces mantener el control presente;
• Si e(k) no tiende a cero, entonces la accion de control es distinta de cero y depende del signo y la magnitud de e(k) and e(k).
21 de abr de 2023 36
Base de reglas PI
• Salida u k
u k
ANALISIS DE LOS CONTROLADORES FUZZY
Tomado de [Reed A., 2002 ]
Introduccion de la dinamica en un controlador fuzzy
21 de abr de 2023 38
crisp-fuzzy interface
inference engine
fuzzy-crisp interface
Input(s) output
Knowledge baseData base Rule base
informations
Dynamic filter
Dynamic filter
• El sistema fuzzy es una relacion de entrada-salida estatica
• Los filtros introducen la dinamica
21 de abr de 2023 39
Normalizacion
• Usualmente Los universos de entrada y salida estan normalizados.
Los factores de escala son parametros de sintonia importantes
Diagrama tipico de un control fuzzy
21 de abr de 2023 40
21 de abr de 2023 41
Pre-procesamiento
• Filtro dinamico
• Escalamiento de la señal
• Extraccion de caracteristicas
21 de abr de 2023 42
Pos-procesamiento
• Escalamiento de la señal
• Filtro dinamico
21 de abr de 2023 43
: papel de los conjuntos fuzzy
• Numero y posicion de los conjuntos fuzzy
Division lineal division logaritmica
21 de abr de 2023 44
: papel de los conjuntos fuzzy
• Numero y posicion de los conjuntos fuzzy• Traslapamiento
– Con traslapamiento de mas de dos conjuntos fuzzy, la superficie de salida se suavisa
– El cambio de los consecuentes no tiene mucha consecuencia: el efecto es filtrado por las otras reglas activas
21 de abr de 2023 45
: papel de los conjuntos fuzzy
• Numero y posicion de los conjuntos fuzzy• Traslapamiento• Forma
– Usando MFs no lineales se introducen caracteristicas no lineales
– La no linealidad deberia ser definida por las reglas
21 de abr de 2023 46
: papel de los conjuntos fuzzy
• Numero y posicion de los conjuntos fuzzy• Traslapamiento• Forma• Conjuntos fuzzy de salida
– Normalmente se usan conjuntos equidistantes
– Parece razonable usar consecuentes constantes o funcionales
21 de abr de 2023 47
: papel de los operadores
• Negadores en las premisas de las reglas
21 de abr de 2023 48
: papel de los operadores
• Negadores en las premisas de las reglas• Conector logico and
– El uso del operador min resulta en no-linealidades
– El operador producto es conveniente desde este punto de vista
21 de abr de 2023 49
: papel de los operadores
• Negadores en las premisas de las reglas• Conector logico and• Conector logico Or
– El numero de reglas puede decrecer usando el operador Or (not)
No se recomienda
21 de abr de 2023 50
Propiedades de la base de reglas
• Continuidad– Reglas con premisas “adjacentes” tienen consecuentes
“adjacentes”
• Consistencia– Se refiere a la consistencia del conocimiento representado por la
base de reglas
• Completitud– Todas las situaciones del espacio de entrada (a un nivel
semantico) tienen una salida definida
Estructuras de controladores fuzzy tipo pid
Cortesía de Jan Jantzen, Technical University of Denmark, 2002
Controlador Fuzzy Proporcional
21 de abr de 2023 52
Controlador Fuzzy PD
21 de abr de 2023 53
Controlador Fuzzy PI
21 de abr de 2023 54
Controlador Fuzzy PD + I
21 de abr de 2023 55
Controlador hibrido Fuzzy-lineal P + ID
21 de abr de 2023 56
21 de abr de 2023 57
Fuentes
• Robert Babuska. Course Fuzzy and Neural Control, 2001/2002.
• Andrii Riid, Transparent Fuzzy Systems: Modeling and Control. PHD Thesis. 2002
• Joao Miguel da Costa Sousa, “Fuzzy Model-Based Control” , Technical University of Lisbon, 2000
21 de abr de 2023 58
Fuentes
• René Jager, Fuzzy Logic in Control. PHD thesis, 1995.
• Antonio Sala P., Validacion y aproximacion funcional en sistemas de control basados en logica borrosa. Tesis PHD. 1998
• L.X. Wang, “A course in Fuzzy Systems and Control”, Prentice-Hall, 1997
• Kevin Passino, Intelligent Control, The Ohio State University, 2000
21 de abr de 2023 59
Fuentes
• Kwang-Hyung Lee, Textbook CS670 Fuzzy Theory, http://if.kaist.ac.kr/lecture/cs670/textbook/, septiembre 2001.
• Robert Babuska. Fuzzy and neural control. DISC Course Lecture Notes (October 2001)
• Robert Babuska. Course Fuzzy and Neural Control, 2001/2002.
The end