Professional Documents
Culture Documents
Docente:
1 Introducci on
1.
Introducci on
Los controladores difusos se supone que funcionan en situaciones donde existen grandes incertidumbres y variaciones desconocidas en par ametros y estructuras de la planta. Generalmente el objetivo b asico del control adaptable es mantener un desempe no consistente de un sistema en precencia de incertidumbres. Por lo tanto, un control difuso avanzado deber a ser adaptable. La conguraci on b asica de un controlador difuso adaptable, involucra un modelo de referencia usado para especicar la respuesta ideal que el sistema de control difuso debe seguir. Se as ume que la planta contiene componentes desconocidos y el controlador difuso es construido de sistemas difusos cuyos par ametros son ajustables, mientras la ley de adaptaci on ajusta los par ametros en linea tal que la salida de la planta y (t) sigue la salida del modelo de referencia ym (t). Las principales diferencias entre sistemas de control difuso adaptable y sistemas de control difuso no adaptable son;
El controlador difuso en el esquema adaptable se encuentra cambiando durante la operaci on en tiempo real, mientras que el controlador difuso en el esquema no adaptable es jo antes de la operaci on en tiempo real. Un componente adicional, es introducido los sistemas adaptables difusos; la ley de adaptaci on, encargada de ajustar en l nea los par ametros del contrlador.
Mientras que las principales ventajas del esquema difuso adaptable respecto al no adaptable radican en un mejor desempe no usualmente logrado debido a que el controlador difuso adaptable puede auto-ajustarse a cambios en el ambiente, y que se requiere de menos informaci on acerca de la planta ya que la ley de adaptaci on puede ayudar a aprender la din amica de la planta durante su operaci on en tiempo real. Por otra parte, las principales desventajas se presentan en que el esquema de control difuso adaptable resultante es mucho mas dif cil de analizar ya que no solamente es no
1 Introducci on
lineal sino que tambi en es variante en el tiempo y adem as su implementaci on es mas costosa respecto a esquemas difusos no adaptables. Dentro del control adaptable difuso, el conocimiento humano acerca de la din amica de la planta y las estrategias de control pueden ser incorporadas dentro de los controladores adaptables difusos. Este conocimiento puede ser clasicado dentro de dos categorias: conocimiento de la planta y conocimiento de control. Por lo que dependiendo del conocimiento humano empleado y la estructura del controlador difuso, el control adaptable difuso es clasicado dentro de las categorias
Control difuso adaptable indirecto Control difuso adaptable directo Control difuso combinado indirecto/directo
El presente trabajo trata con el control adaptable indirecto, en el cual los par ametros o funciones de la planta son estimados en l nea y usados para calcular los par ametros del controlador y que adem as comprende un n umero de sistemas difusos construidos (inicialmente) del conocimiento de la planta, i.e., reglas difusas IF-THEN que describen el comportamiento de la planta desconocida.
1.1.
Objetivos
El objetivo general consiste en aplicar a una planta no lineal los conceptos te oricos y la metodolog a del control difuso adaptable indirecto tratados en la materia, y en lo particular, se desea dise nar el controlador tal que la se nal de entrada a la planta produzca una respuesta a la salida que satisfaga los requisitos de desempe nos propuestos, analizando durante el desarrollo de las actividades el efecto de los diversos elementos del esquema de control sobre estos requisitos.
2 Desarrollo
2.
Desarrollo
En esta secci on se presentan parte de los fundamentos te oricos que dan lugar al desarrollo del controlador difuso adaptable indirecto que se aborda en el presente trabajo, as como la metodolog a llevada a cabo, c alculos y elementos del controlador empleados para su aplicaci on en simulaci on a un sistema de levitaci on magn etico, dicha planta es descrita por un modelo din amico no lineal, cuyo an alisis no es objetivo del presente trabajo.
2.1.
Dado que un sistema difuso es una aproximaci on universal de funciones se puede utilizar para identicar una planta y desarrollar un cotrol adaptable difuso indirecto, para controlar dicha planta. Dado un sistema no lineal en la forma x(n) = f (x) + g (x)u y=x (1) (2)
Donde f , g son funciones desconocidas, u R y y R son la entrada y salida de la planta respectivamente, y x = [ x1 x2 xn ]T = [ x x x(n1) ]T Rn es el vector de estados del sistema que se asume disponible para la medici on. A n de que (1) sea controlable, es necesario que g (x) = 0. Sin p erdida de generalidad as umase que g (x) 0. El objetivo de control es dise nar un controlador por realimentacion u = u(x| ) basado en un sistema difuso y una ley de adaptaci on para el ajuste del vector de par ametros , tal que la salida de la planta y siga la salida ideal ym . La ley de control propuesta que linealiza la planta esta dada por u= 1 [f (x) + kT e + ym (n) ] g (x) (3)
2 Desarrollo
Dado que f (x) y g (x) se suponen desconocidos, el controlados adaptable las (x) y g aproximar a (estimar a) mediante las funciones f (x) por lo que la ley de control adaptable difusa por linealizaci on entrada-salida se convierte en u = uI = 1 (x) + kT e + ym (n) ] [f g (x) (6)
La ecuaci on de lazo cerrado se obtiene sustituyendo (6) en (1) y algunas manipulaciones tal que (x|f ) f (x)] + [ e(n) = kT e + [f g (x|g ) g (x)]uI (7) (x|f ) y g Donde f (x|g ) son los aproximadores difusos.
2.1.1.
i Para cada variable xi (i = 1, 2, , n), se denen pi conjuntos difusos Al i (l1 = 1, 2, , pi ), y se denen qi conjuntos difusos Bili (l1 = 1, 2, , qi ). Especicamente si se emplea un sistema difuso con inferencia producto, conectivo entre permisas AND y defusicador centro promedio, se tiene que los aproximadores difusos pueden ser representados como
p1 (x|f ) = f
l1 =1
p2
l1 =1
p1
l2 =1 p2
(8)
q2
l2 =1 l1 =1
qn
q1
q2
l1 l2 ln ln =1 y g
l2 =1
qn
ln =1
n i=1
) (9)
2 Desarrollo
Para desarrollar el comportamiento adaptable las ecuaciones (8) y (9) son separadas en una parte ja y una parte variable, esto es;
n
i=1
(x) R
pi
, ,
(x) R
f R
n
i=1
pi
(10) (11)
i=1 qi
g R
i=1 qi
Los elementos de los vectores que conforman la parte ja de las expresiones anteriores estan dados por n l1 l2 ln (x) = p1
l1 =1
p2
i=1
l2 =1
Ali (xi ) i pn (n
ln =1
) li (xi ) i=1 A
i
(12)
Y l1 l2 ln (x) = q1
l1 =1
n q2
l2 =1
i=1
B li (xi ) i qn (n
ln =1
) li (xi ) i=1 B
i
(13)
Mientras que las partes variables estan dadas por f y g ; es decir por las funciones 1 l2 ln 1 l2 ln (x|f ) y de memberes a de salida y l , yl de cada uno de los sistemas difusos f g f g (x|g ) respectivamente. En otras palabras lo que var a es la posici on de los impulsos de las funciones de membres a de salida.
2.1.2.
Leyes de adaptaci on
Los par ametros f y g se obtienen con una ley de adaptaci on calculada a partir del m etodo de aproximaci on sint etica de Lyapunov y estan dadas por f = 1 eT P (x) g = 2 eT P (x)uI (14) (15)
Para algunas condiciones iniciales, f (0) y g (0) = 0, donde P es una matriz sim etrica
kn kn1
1 k1
2.2.
Simulaci on y resultados
Para este caso, la planta a controlar se trata de un sistema de levitaci on magn etica cuyo modelo matem atico es de segundo orden dado por y = Y en la forma de la ecuaci on (1) x =y f (x) = Fc x gr m g (x) = cF mx u=i (18) cF i2 sign(i) Fc y gr my m (17)
Donde, y = x = x1 [cm], representa la posici on y es la salida del sistema, y =x = x2 cm [ seg ], representa la velocidad, m = 30 10 3 [kg ] representa la masa, i [Amp] es N m la corriente, cF = 0.15 [ Amp etica, 2 ], es una constante positiva de fuerza electromagn N m Fc = 0.12 [N m] es el coeciente de fricci on de coulomb y gr = 9.81 [ seg2 ] es la gravedad. Se suponen desconocidas las funciones f (x) y g (x) y se tiene entonces que n = 2, y por lo tanto i = 1, 2 luego, para el estado x1 = y correspondiente a la posici on l1 l1 denimos p1 = 5 conjuntos difusos A1 (l1 = 1, 2, , 5) y q1 = 5 conjuntos difusos B1 (l1 = 1, 2, , 5), mientras que para el estado x2 = y correspondiente a la velocidad se l2 l2 denieron p2 = 5 conjuntos difusos A2 (l2 = 1, 2, , 5) y q2 = 5 conjuntos difusos B2 (l2 = 1, 2, , 5). Las funciones de membres a que caracterizan cada uno de estos conjuntos son 6
2 Desarrollo
1 2 2 mostradas en la Figura 1, donde A1 i = Bi = NB (Negative Big ), Ai = Bi = 3 4 4 NS (Negative Small ), A3 i = Bi = ZE (Zero ), Ai = Bi = PS (Positive Small ) y 5 A5 otese que en todos los casos las funciones de membres a i = Bi = PB (Positive Big ). N de entrada son sim etricas respecto a cero.
(a)
Figura 1: Funciones de membres a de entrada
(b)
Por otra parte, Fxi = {f1xi , f2xi , f3xi , f4xi , f5xi } denotan los soportes de las funciones i de membres a Al i para xi , mientras que Gxi = {g1xi , g2xi , g3xi , g4xi , g5xi } denotan los soportes de las funciones de membres a Bili para xi . (x|f ) de 2 pi , reglas, i.e., un total Posteriormente se contruy o el sistema difuso f i=1 de 25 reglas, de la forma
l2 l1 l2 1 IF x1 is Al 1 AND x2 is A2 THEN f (x|f ) is y f
(19)
i=1 qi ,
(20)
1 l2 Donde y l a de salida. En ambos casos se tiene , representa las funciones de membres entonces M = 25 par ametros de adaptaci on como funciones de membres a singleton para cada salida, mostradas por la Figura 2
2 Desarrollo
(a)
Figura 2: Funciones de membres a de salida
(b)
Y una base de reglas para cada sistema, denidas para dos entradas (x1 = x = y , x2 = x = y ), inferencia producto conectivo entre persimas AND y defusicador centro promedio, tal como se describio en la secci on 2.1.1, permitiendo implementar las ecuaci ones (12)-(15) a n de estimar las funciones f y g . (x|f ) y g La base de reglas para los sistemas f (x|g ) es mostrada en la siguiente tabla donde se ha empleado el s mbolo (), a n de evitar redundancias ya que las reglas para ambos sistemas tienen la misma estructura.
HH H H x1 HH x2 H H
l1 = 1 NB 1 2 3 4 5
l1 = 2 NS 6 7 8 9 10
l1 = 3 ZE 11 12 13 14 15
l1 = 4 PS 16 17 18 19 20
l1 = 5 PB 21 22 23 24 25
l2 = 1 NB l2 = 2 NS l2 = 3 ZE l2 = 4 PS l2 = 5 PB
Las particiones nales de los universos de discurso fueron Fx1 = {0.5, 0.25, 0, 0.25, 0.5} Fx2 = {10, 5, 0, 5, 10} [cm] [cm/s] (21) (22)
[cm] [cm/s]
(23) (24)
Por otra parte, para las leyes de adaptaci on se utiliz o 1 = 5, 2 = 5, con condiciones iniciales f (0) = 0 y g (0) = 6 y [ k= k2 k1 ] = [ 9.85 5.65 [ P = ] A= ] Q= [ 0 1 k2 k1 [ ] = [ 0 1 9.85 5.65 ] (26) ] (25)
A n de llevar a cabo la simulaci on del controlador propuesto, se desarrollo el diagrama a bloques correspondiente, empleando el programa MATLAB/Simulink, el cual es mostrado por la Figura 3.
yd e1
ydp
e2
Clock1
ydpp ydpp
N S fcn
u
Referencias yp
Scope1
fe
y Goto
ge
1 s Integrator1
Thetaf
fe
fcn
Thetagp
Thetag
ge
Ley de adaptacion
y Xi
yp
Eta
Sistema Difuso
De la Figura anterior se tiene que el bloque Sistema Difuso, lleva a cabo los procesos de fusicaci on, inferencia difusa y defusicaci on y es mostrado a mayor detalle por la Figura 4.
2 Desarrollo
1 Thetaf
Thetaf
fe
1 fe
2 Thetag
Thetag
ge
3 y
In1
Out1
NuA1
2 ge
Fusificacion4 4 yp
In1 Out1 NuA2
fcn
Fusificacion3
In1 Out1 NuB1
Xi
3 Xi
Fusificacion2
In1 Out1 NuB2 Eta
4 Eta
Finalmente los resultados obtenidos de la simulaci on de este controlador son mostrados por las Figuras 5-8.
10 9
5 data1 data2 0
8 7 6 5 4
10
15
3 2 1 0 0 5 10 15 20 25 30
20
25 0 5 10 15 20 25 30
0.5
2
1
1.5
1.5
1
2
0.5
2.5
0 0 5 10 15 20 25 30
3 0 5 10 15 20 25 30
10
3 Conclusiones
3
2.5
2.5
2
2
1.5
1.5
1
1
0.5
0.5 0 5 10 15 20 25 30
0 0 5 10 15 20 25 30
(a) Posici on y = x = x1
(b) Velocidad y =x = x2
4.5
3.5
2.5
1.5 0 5 10 15 20 25 30
3.
Conclusiones
La mayor complejidad de este controlador difuso adaptable indirecto, respecto a los controladores difusos no adaptables desarrollados previamente en la materia, representa sin duda un reto en cuanto al an alisis, entendimiento, sintonizaci on e inclusive en su implementaci on, sin embargo resulta interesante su dise no y evaluaci on de resultados ya que como es posible apreciar a pesar de que las funciones estimadas no convergen a las reales, el error de posici on y velocidad llegan a cero, lo cual muestra que para el caso de regulaci on se consigui o una estabilizaci on de la planta que de hecho es el objetivo de control. Uno de los problemas al llevar a cabo lo planteado consisti o en que el toolbox, Fuzzy Logic de simulink no pudo ser usado, debido a la naturaleza adaptiva del esquema de 11
3 Conclusiones
control, sin embargo esto no necesariamente es una desventaja para nes de simulaci on, ya que permite implementar la teor a b asica de l ogica difusa, logrando as un mejor entendimiento de la metodolog a de dise no que en ocasiones es un tanto descuidada debido a las bondades de la programaci on a un alto nivel como la propuesta por el Fuzzy Logic Toolbox de MATLAB/Simulink.
12
Referencias
Referencias
[1] LLAMA M. A., KELLY R., SANTIBANEZ V., CENTENO H.An Adaptive Fuzzy Controller for Robot Manipulators: Theory and Experimentation International Journal of Factory Automation, Robotics and Soft Computing. (1): 122-131 p. (PA: 92483). [2] L. X. Wang, A Course in Fuzzy Systems and Control, Prentice Hall PTR, Upper Saddle River N.J., 1997 [3] Phi Anh Phan A Stable Self-Structuring Adaptive Fuzzy Control Scheme for Continuous Single-Input Single-Output Nonlinear Systems Submitted in fullment of the requirements for the Degree of Doctor of Philosophy, School of Engineering, University of Tasmania March 2009. [4] Luiz H. S. Torres and Leizer Schnitman Fuzzy Control: An Adaptive Approach Using Fuzzy Estimators and Feedback Linearization Centro de Capacita c ao Tecnol ogica em Automa c ao Industrial (CTAI), Universidade Federal da Bahia, Rua Aristides Novis, no 02, Escola Polit ecnica, 2oandar, Salvador, Bahia Brazil.
13