Professional Documents
Culture Documents
ISSN 1940-2163
AcademiaJournals.com
Volumen 5, No.1, 2011
Introduccin
El Maestro Alberto Pedro Lorandi Medina es Investigador del Instituto de Ingeniera de la Universidad Veracruzana, Veracruz, Mxico.
alorandi@uv.mx (autor corresponsal)
2
El Maestro Guillermo Hermida Saba es Investigador del Instituto de Ingeniera de la Universidad Veracruzana, Veracruz, Mxico
ghermida@uv.mx
3
El Maestro Enrique Ladrn de Guevara Durn es Investigador del Instituto de Ingeniera de la Universidad Veracruzana, Veracruz, Mxico
eladron@uv.mx
4
El Maestro Jos Hernndez Silva es Investigador del Instituto de Ingeniera de la Universidad Veracruzana, Veracruz, Mxico
jhernandez01@uv.mx
El control lgico difuso por su parte surgi en los 60 (del trabajo de Lofti A. Zadeh), como una herramienta para el
control de procesos industriales complejos, radicando su importancia en que permite responder a valores
intermedios, de variables, pasando de las dos opciones tradicionales de fro/caliente, alto/bajo, a opciones como
Tibio y Medio por ejemplo, haciendo que los sistemas se acerquen a la forma de trabajar del cerebro humano.
Por lo anterior, el diseo de controladores PID basados en lgica difusa, es motivado por la habilidad de estos de
capturar estrategias cualitativas de control y ofrecer un comportamiento de control altamente flexible. Con esta
forma de control, podremos lograr que los sistemas puedan ajustarse a condiciones cambiantes en ocasiones
imposibles de predecir, lgico, dentro de ciertos rangos.
Como su nombre lo indica, el algoritmo de control PID consiste de tres modos bsicos, el proporcional, el integral y
el derivativo y cuando se usa esta tcnica de control clsico, es necesario decidir cuales modos sern usados (P, I, o
D) y especificar los parmetros o ajustes para cada uno de esos modos. Generalmente los algoritmos bsicos usados
son P, PI o PID, y existiendo una amplia variedad de formas y mtodos de ajuste de este esquema de control.
Sin embargo, a medida que se exige una mayor precisin en el sistema, el ajuste de este tipo de control se hace ms
difcil sobre todo por el ruido y cuando se presentan retardos, adems cuando los procesos a controlar son no
lineales y el control debiera tener la capacidad de compensar esas no-linealidades, el control PID no tiene la
capacidad de responder a esto porque asume relaciones lineales.
1
(1+ sT)
Ajuste
Salida
PID
Proceso
Sensor
Base de
Conocimiento
Ajuste
+
-
Fusificacin
Inferencia
Salida
Defusificacin
Proceso
Fuzzy
Sensor
Tp
Mp
e ee
10%
Tr
Ts
5
6
1
u = K p e+
Ti
edt +T
0
de
dt
G(s)= e(-sT0 )
En donde e es el error entre el valor de referencia y la salida del sistema, u es la salida del controlador, Kp la
ganancia proporcional, Ti el tiempo integral, y
Td el tiempo derivativo, existiendo diversos
Tr
Mp
Ts
eee
mtodos para ajustar los tres parmetros de
Disminuye
Aumenta
Poco Efecto
Disminuye
Kp
inters, siendo el de Ziegler-Nichols el origen de
Disminuye
Aumenta
Aumenta
Elimina
Ki
todos ellos.
Disminuye
Disminuye
Poco Efecto
Kd Poco Efecto
Cuadro 1.
En este tipo de controlador, la ganancia Kp que
afecta el componente proporcional, reduce el
tiempo de crecimiento y elimina parte del error estacionario, Ki=1Ti que afecta el componente integral, elimina
el error en estado estacionario pero puede tener como efecto secundario una afectacin de la respuesta transitoria, y
Kd=Td que afecta el componente derivativo, reduce el sobre pico y mejora la respuesta transitoria (Cuadro 1 y
Figura 2).
En controladores digitales, la ecuacin del controlador PID puede ser reemplazada por
e k - e k - 1
1 n
(k)= K p e k + e j Ts +Td
Ti j=1
Ts
Cambiando la derivada por una diferencia hacia atrs, la integral por una suma, y un tiempo de muestreo pequeo,
siendo k el instante de tiempo.
El controlador difuso funciona como uno convencional puesto que a partir de la entrada, por medio de algn
algoritmo, genera una salida, llamndose este proceso inferencia difusa y se lleva a cabo en tres partes:
Fusificacin, donde la seal de entrada real
es convertida en un valor difuso.
Evaluacin mediante reglas, en donde los
valores de la salida difusos se calculan.
Defusificacin, donde el valor de la salida
difusa se convierte a un valor de salida real.
En la defusificacin, la salida del sistema difuso se calcula mediante el disparo de las reglas correspondientes a un
valor que depende del valor de pertenencia de la entrada, por ejemplo, ajustar la velocidad de los ventiladores a baja
en un grado de verdad de 0.5 y a velocidad media con un grado de verdad de 0.35.
Lo anterior se puede hacer de varias maneras. Por ejemplo, se puede considerar el centro de gravedad de la figura
geomtrica resultante o sea, la suma de los dos rectngulos en color gris que se muestran en la figura 4 y de ese
valor inferir la salida.
El Controlador Proporcional
Conforme a lo se muestra en la tabla 1, se puede ver que el controlador proporcional (Kp) reduce el tiempo de
crecimiento, aumenta el sobre pico y reduce el error de estado estable. La funcin de transferencia de lazo cerrado
de un sistema de segundo orden con la inclusin de un controlador proporcional ser:
G s =
Kp
s 2 + 2zwn s + wn 2 + K p
u = K pe
Y para el caso difuso, se puede asumir que la entrada (e) y la salida (u) del controlador, estn determinadas por tres
conjuntos difusos: Neg, Cero y Pos, teniendo al menos 3 posibles reglas para la
evaluacin de la salida:
Variable
Valor
Si e = 0 ; u = 0
Neg Cero Pos
e
Si e > 0 ; u > 0
Neg Cero Pos
u
Si e < 0 ; u < 0
Cuadro 2. Asociacin difusa.
Lo que se representa con una tabla 2 de asociacin difusa mostrada en el cuadro 2.
El Controlador Proporcional-Derivativo
Segn lo mostrado en la tabla 1, el controlador derivativo Kd reduce el sobre pico y reduce el tiempo de
establecimiento. La funcin de transferencia en lazo cerrado de un sistema de segundo orden con la inclusin de un
controlador proporcional-derivativo ser:
G s =
Kd s + K p
s +(2zwn + K d )s + wn 2 + K p
2
Donde e es el error y e es el cambio en el error. Para el controlador difuso podemos considerar que:
e= r - y
e = ce = eactual - eanterior
Se puede analizar la salida en trminos de las 2 entradas y sus posibles combinaciones diferentes, por lo que se tiene
(analizando la figura 2):
Si e >0 y e >0; u > 0.
Si e >0 y e =0; u > 0.
Neg Cero Pos
e /e
Si e >0 y e <0; u > 0.
Neg Neg Pos
Neg
Si e =0 y e >0; u > 0.
Neg Cero Pos
Cero
Si e =0 y e =0; u = 0.
Neg Pos Pos
Pos
Si e =0 y e <0; u < 0.
Cuadro 3. Tabla de asociacin difusa
u K p e Kd e
El Controlador Proporcional-Integral
De la misma manera que para el caso del control PD, de la tabla, puede verse que un controlador integral Ki
disminuye el tiempo de crecimiento, aumenta tanto el sobre pico como el tiempo de establecimiento, y elimina el
error en estado estable. La funcin de transferencia de lazo cerrado con la adicin del controlador integral es:
K p s Ki
G( s)
s 2n s (n 2 K p ) s Ki
3
u = K p e+ Ki e
Para el controlador difuso se podra hacer lo mismo que para el control PD lo que nos llevara a un juego de reglas
mayor por las tres variables a considerar, o tambin se podra incluir un integrador a la salida del error y alimentar
un segundo controlador difuso proporcional, sumando su salida al primer controlador difuso proporcional para
obtener un control PI.
El Controlador Proporcional-Integral-Derivativo
Finalmente, el controlador PID tiene una funcin de transferencia en lazo cerrado de:
G s =
K d s 2 + K p s + Ki
s 3 +(2zwn + K d )s 2 + wn 2 + K p s + K i
u K p e K d e Ki e
Y para el caso difuso, se procedera como en el caso del controlador PD pero considerando las 3 entradas difusas,
esto es se tendra que construir una tabla de reglas mucho ms grande.
10
s 10s 20
G s
Figura 8. Entrada e.
Figura 9. Salida u.
tambin es posible eliminar el error en estado estacionario y el diseo usado para este caso se muestra en las figuras
22, 23, 24, 25 y 26, y las respuestas de ambos sistemas en las figuras 27 y 28.
Resultados y Conclusiones
Como puede observarse, en casi todos los casos un controlador difuso puede llegar a ser superior a un controlador
PID continuo, si bien es cierto esto depende de la planta, del mtodo de ajuste del PID tradicional y de algunas otras
caractersticas de la estructura del controlador PID. No deja de llamar la atencin que un controlador difuso puede
llegar a ser una excelente opcin para suplir un PID tradicional.
Una ventaja considerable del controlador difuso es que an en el caso de un control proporcional, puede llegar a
eliminar el error en estado estacionario, cosa que no puede hacer un control P tradicional o un controlador lineal de
otro tipo.
Una ventaja del controlador fuzzy PID es que no se requiere conocer el modelo de la planta a controlar aunque el
control PID tambin puede llegar a ser diseado sin conocer este modelo, y en este caso, ambos pueden ser usados
con ajustes experimentales para rpidamente dejar un sistema cumpliendo con los requerimientos necesarios.
Todo lo anterior puede ser observado en los cuadros 4 al 7, que contienen un breve resumen de los resultados de los
cuatro casos analizados.
An es el caso donde el PID tradicional fue muy superior al fuzzy PID, el primero presenta a veces comportamientos
indeseables en la salida, como las variaciones que pueden apreciarse en la curva correspondiente mientras que el
difuso presenta una salida ms suave y sin transitorios bruscos.
Trabajos Futuros
No se probaron controladores difusos con ms de 3 funciones de pertenencia que pudieran mejorar an ms el
desempeo, esto queda pendiente para trabajos futuros y para un estudio comparativo de control PID digital,
continuo y fuzzy.
Tambin en el desarrollo de este pequeo anlisis, se encontraron pocas herramientas amigables para diseo de
sistemas difusos, inicialmente se pens en usar Scilab pero no se ha continuado con el desarrollo de las pocas
herramientas de diseo fuzzy como Fislab, por lo que se us Matlab.
Por lo anterior queda tambin como trabajo futuro el desarrollo de una pequea herramienta de diseo de sistema
fuzzy para Scilab o la adecuacin de Fislab a la rama 5 de Scilab/Xcos.
Referencias
Al-Odienat, A. I. The Advantages of PID fuzzy Controllers Over The Conventional Types, American Journal of Applied Sciences 5 (6): 653658, 2008.
Ileana, J. , Estoeneusco, E. , Lung, M. Comparative Analysis Of Classical And fuzzy Pi Algorithms, 7th Wseas Int. Conf. On Artificial
Intelligence, Knowledge Engineering And Data Bases (Aiked'08), University Of Cambridge, Uk, Feb 20-22, 2008
Jantzen, J. Foundations of fuzzy Control, John Wiley & Sons, Ltd. ISBN: 0-470-02963-3, 2007.
Jantzen, J. Tuning Of fuzzy PID Controllers, Technical University of Denmark, Department of Automation, Bldg 326, DK-2800 Lyngby,
DENMARK. Tech. Report no 98-H 871 (fpid), 30 Sep 1998
Lorandi, M.A. Diseo de un Controlador Lgico Difuzo para un Pndulo Invertido Universidad Veracruzana, Instituto de Ingeniera, Tesis de
Maestra, Dic. 1990.
Pivonka, P. , Blaha, P. Comparative Analysis Of Classical And fuzzy Pid Control Algorithms, Technical University of Brno, Faculty of
Electrical Engineering and Computer Science Department of Automatic Control and Instrumentation.
Roger, J. S., Gulley, N. MATLAB fuzzy Logic Toolbox, The MathWorks, 1997.
Volosencu, C. Pseudo-Equivalence of fuzzy PID Controllers, Wseas Transactions On Systems And Control, Issue 4, Volume 4, April 2009
El M.I. Alberto Pedro Lorandi Medina estudi la licenciatura en Ingeniera Mecnica Elctrica en la Universidad Veracruzana, donde
posteriormente se gradu como Maestro en Ingeniera. Actualmente es profesor de tiempo completo del Instituto de Ingeniera de la Universidad
Veracruzana.
El M.C. Enrique Ladrn de Guevara Durn estudi la licenciatura en Ingeniera Industrial en elctrica en el Instituto Tecnolgico de
Veracruz, Maestra en Ingeniera elctrica en sistemas de potencia en el Instituto Tecnolgico de la Laguna. Actualmente labora como profesor de
tiempo completo en el Instituto de Ingeniera de la Universidad Veracruzana.
El M.S.I. Jos Hernndez Silva estudi la licenciatura en Ingeniera Industrial en Electrnica en el Instituto Tecnolgico de Veracruz, Maestra
en Sistemas de Informacin por la Universidad Mexicana y estudios de posgrado en Arquitectura y Tecnologa de los Sistemas por la
Universidad Politcnica de Valencia, Espaa. Actualmente es profesor de medio tiempo del Instituto de Ingeniera de la Universidad
Veracruzana.
El M.I. Guillermo Hermida Saba estudi la licenciatura en Ingeniera Industrial en Electrnica en el Instituto Tecnolgico de Veracruz.
Posteriormente se gradu como Maestro en Ingeniera en la Universidad Veracruzana. Actualmente es profesor de tiempo completo del Instituto
de Ingeniera de la Universidad Veracruzana, donde
10
11
12
Control
Sobre-pico
Error en T. de establee.e
cimiento
P
0%
26 %
1.0 seg.
Fuzzy P
0%
0%
1.25 seg.
Cuadro 4. Control P y Fuzzy P.
SobreError en T. de establepico
e.e
cimiento
PD
9%
6%
0.5 seg.
Fuzzy PD
2%
0%
1 seg.
Cuadro 5. Control PD y Fuzzy PD.
Control
Sobre-pico
Control
13
SobreError
T. de establepico
e.e
cimiento
PID
0%
0%
1 seg.
Fuzzy PID
1.5 %
0%
1 seg.
Cuadro 7. Control PID y Fuzzy PID.
Error en T. de establee.e
cimiento
PI
1%
36 %
2.5 seg.
Fuzzy PI
1.5 %
0%
1.8 seg.
Cuadro 6. Control PI y Fuzzy PI.
Control