modelos takagi sugeno y tsukamoto
DESCRIPTION
modelo de control fuzzyTRANSCRIPT
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
1
UNIVERSIDAD ANDINA NÉSTOR CÁCERES VELÁSQUEZ
SEDE PUNO
FACULTAD DE INGENIERIA Y CIENCIAS PURAS
CARRERA ACÁDEMICA PROFESIONAL DE INGENIERIA MECATRÓNICA
TRABAJO ENCARGADO DE CONTROL AVANZADO:
“MODELOS DE SISTEMAS DIFUSOS TAKAGI-SUGENO YTSUKAMOTO”
PRESENTADO POR:
ALARCON TICONA JUVENAL BRUNO
DOCENTE:
ING. ONQUE LLANQUE HUGO
PUNO 08-10-2015
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
2
TIPOS DE SISTEMAS DIFUSOS
En los sistemas difusos se presentan los controladores difusos de tipo Mamdani, Sugeno y
Tsukamoto, los cuales han sido utilizados exitosamente en una gran variedad de
aplicaciones en la comunidad del control difuso. Aunque, el objetivo del controlador difuso
Mamdani es el de representar a un exitoso operador humano, el controlador difuso de tipo
Sugeno sugiere ser más eficiente en cálculos y en métodos de adaptación y el método
Tsukamoto no es muy utilizado en aplicaciones.
MODELO DIFUSO DE TAKAGI-SUGENO
El modelo difuso de Takagi-Sugeno (también conocido como modelo TKS) fue propuesto
por Takagi, Sugeno y Kang, en un esfuerzo para formalizar un método sistemático para
generar reglas difusas a partir de un conjunto de datos de entradas y salidas. Una típica
regla difusa en el modelo de Sugeno tiene la forma.
Donde A y B son conjuntos difusos en el antecedente, mientras z = f (x, y) es una función
clásica en la consecuencia. Usualmente f (x, y) es un polinomio en la variables de entrada
(x, y), pero este puede ser cualquier función mientras pueda describir apropiadamente la
salida del modelo dentro de la región difusa especificada por la regla de antecedentes.
Cuando f (x, y) es un polinomio de primer orden, el sistema resultante de inferencia difusa
es llamado modelo difuso de Sugeno de primer orden. Cuando f es una constante, entonces
tenemos un modelo difuso de Sugeno de orden cero, el cual puede ser visto como un caso
especial de la regla de inferencia difusa de Mamdani, en la cual cada regla es especificada
por un singletón (o una consecuencia pre-defuzzificadora ), o un caso especial del modelo
Tsukamoto. Sin embargo, un modelo de Sugeno de orden cero es equivalente a una red de
funciones básica radiales.
Un caso especial del modelo difuso lingüístico se obtiene cuando la consecuencia, el
conjunto difuso Bi, es formado por conjuntos difusos de singlentones. Estos sistemas se
representan simplemente como números reales bi, obteniéndose las siguientes reglas:
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
3
Este modelo se llama modelo singletón. Un método simplificado de inferencia-
defuzzificación se utiliza generalmente con este modelo:
Este método de defuzzification se llama el medio difuso “fuzzy mean”. El modelo difuso
del singleton pertenece a una clase general de las funciones aproximadoras, llamadas la
extensión de las funciones básicas tomando la forma:
La mayoría de las estructuras usadas en la identificación de sistemas no lineales, tales como
las redes neuronales artificiales, las redes neuronales de funciones básicas radiales, o tiras
(splines), pertenecen a esta clase de sistemas.
Procesamiento General
En los sistemas difusos Sugeno se distinguen las siguientes partes:
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
4
Fuzzificador
La entrada de un sistema de lógica difusa tipo Sugeno normalmente es un valor numérico
proveniente, por ejemplo, de un sensor; para que este valor pueda ser procesado por el
sistema difuso se hace necesario convertirlo a un "lenguaje" que el mecanismo de
inferencia pueda procesar. Esta es la función del fuzzificador, que toma los valores
numéricos provenientes del exterior y los convierte en valores "difusos" que pueden ser
procesados por el mecanismo de inferencia. Estos valores difusos son los niveles de
pertenencia de los valores de entrada a los diferentes conjuntos difusos en los cuales se ha
dividido el universo de discurso de las diferentes variables de entrada al sistema.
Mecanismo de inferencia difusa
Teniendo los diferentes niveles de pertenencia arrojados por el fuzzificador, los mismos
deben ser procesados para generar una salida difusa. La tarea del sistema de inferencia es
tomar los niveles de pertenencia y apoyado en la base de reglas generar la salida del sistema
difuso.
Base de Reglas Difusas
Las reglas de la base de conocimiento de un sistema Sugeno es diferente a las de los
sistemas Mamdani pues el consecuente de estas reglas ya no es una etiqueta lingüística sino
que es una función de la entrada que tenga el sistema en un momento dado, esto se ilustra a
continuación:
En los sistemas difusos tipo Sugeno, los valores que arrojan los consecuentes de las
diferentes reglas que se han activado en un momento determinado ya son valores
numéricos, por lo que no se necesita una etapa de deffuzificación.
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
5
Para calcular la salida del sistema difuso se ponderan los diferentes consecuentes teniendo
en cuenta el valor que se activó el antecedente de cada una de las reglas, para un sistema
con dos reglas la salida del sistema difuso sería:
En este caso:
Serían las funciones que permiten calcular el consecuente de cada una de las dos reglas
implicadas.
En el siguiente gráfico se muestra de manera mas detallada como es el funcionamiento de
un sistema difuso Sugeno.
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
6
Ejemplo:
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
7
MODELO DIFUSO TSUKAMOTO
Este modelo propuesto por Tsukamoto en 1979, se caracteriza por presentar el consecuente
de cada regla borrosa mediante un conjunto borroso con una función de pertenencia
monótona. La salida inferida por cada regla es un valor numérico inducido por el grado de
activación de la regla. La salida global se toma como la media ponderada de todas las
salidas parciales. Este tipo de modelos permite eliminar el consumo de tiempo
correspondiente a la desborrosificación, sin embargo, no son modelos muy utilizados por
no ser tan transparentes como los de Mamdani o Sugeno. El mecanismo de inferencia no
sigue estrictamente la regla composicional de inferencia y la salida siempre es numérica,
incluso cuando las salidas son borrosas.
Resumiendo:
En este modelo la función consecuente es un set difuso con una función monotónica:
If x is A and y is B then z is C
El output de cada regla se define como un valor exacto inducido por la fuerza de
disparo de cada regla.
Cada regla tiene un output exacto.
Este metodo no necesita defuzificacion ya que agrega los outputs exactos de cada regla
usando el promedio ponderado.
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
8
Ejemplos:
Modelo Tsukamoto con dos reglas dos inputs y un output:
Modelo Tsukamoto con tres reglas un input y un output:
CONTROL AVANZADO INEGENIERIA MECATRÓNICA
9
BIBLIOGRAFIA
Kevin M. Passino, S. Yurkovich, Fuzzy Control , Addison Wesley Longman Inc. 1998.
Lofti A. Zadeh (seminal paper) sobre los Conjuntos Difusos.
http://www.bindichen.co.uk/post/AI/tsukamoto-fuzzy-models.html