Revista de la IngenieriaIndustrial

ISSN 1940-2163

AcademiaJournals.com
Volumen 5, No.1, 2011

Controladores PID y Controladores Difusos

M.I. Alberto Pedro Lorandi Medina1, M.I. Guillermo Hermida Saba2, M.C. Enrique Ladrn de Guevara Durn3 y
M.I. Jos Hernndez Silva4
ResumenA pesar de contar con casi 60 aos de antigedad, el control ProporcionalIntegralDerivativo
(PID) sigue siendo usado ampliamente en aplicaciones industriales, como referencia para estudios de
comparacin de desempeo contra nuevas estrategias de control, y como rea de investigacin y desarrollo,
ofreciendo una buena alternativa para controlar procesos dinmicos, ofreciendo tiempos de respuesta rpidos
y un proceso de ajuste relativamente simple. Por otro lado, el control lgico difuso basado en los trabajos
desarrollados por Lofti Zadeh en los 60, tambin presenta caractersticas que lo hacen adecuado para l
mismo fin, salvo que es capaz de ofrecer un comportamiento de control altamente flexible y ajustarse a
condiciones cambiantes como condiciones de desgaste y cambios ambientales. En este trabajo se trata de
mostrar como controladores P, PD, PI y PID debidamente ajustados, pueden ser superados en algunos
aspectos por un simple controlador fuzzy tanto en desempeo como en simplicidad.
Palabras claves Control PID, Control fuzzy, Desempeo de Controladores PID, Desempeo de
Controladores fuzzy, Control fuzzy-PID.

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

Revista de la Ingeniera Industiral

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.

Comparacin de los 2 Esquemas

En un sistema controlado por lgica difusa, el valor de entrada proveniente de los sensores, es convertido a un valor
difuso mediante un proceso llamado Fusificacin5. A continuacin, ese valor es introducido a un proceso tambin
lgico difuso llamado Mecanismo de Inferencia, en donde continuamente es evaluado mediante un conjunto de
reglas, provenientes generalmente del conocimiento de un experto o elaboradas de manera emprica; este proceso
produce un valor de salida tambin difuso, el cual es transformado a una salida real, a travs de un proceso llamado
Defusificacin6.
El valor de la salida del proceso de Defusificacin es utilizado como seal de control o como entrada a un
actuador que es en realidad, quien se encarga de ajustar la salida del sistema. Los cambios en el sistema son medidos
por los sensores y el proceso se repite nueva-mente.
Un control PID se basa en un modelo matemtico riguroso de algn proceso lineal o lineal dentro de un rango. Estos
modelos se desarrollan ya sea por Root-Locus, ubicacin de polos, o algn otro mtodo, y si la planta se puede
representar por un sistema de primer orden con retardo como:

1
(1+ sT)

Control PID y Control Fuzzy

El diseo del controlador puede ser realizado de

manera emprica (sin conocimiento del modelo),
mediante el mtodo de Ziegler-Nichols o algn
derivado de este, y se pueden asignar los
coeficientes proporcional, integral y derivativo
del controlador del sistema.

Ajuste

Salida
PID

Proceso

Sensor

Base de
Conocimiento

Un control PID lee un valor de entrada o del

sensor de entrada, aplica los algoritmos de
control, definidos y produce una salida
especfica como seal actuante o como entrada a
un actuador. La salida del sistema es medida por
el sensor de entrada, y el proceso se repite
indefinidamente.

Ajuste

+
-

Fusificacin

Inferencia

Salida

Defusificacin

Proceso

Fuzzy
Sensor

Figura 1. Representacin esquemtica del modelo PID

Tp

Mp
e ee

Aunque a primera vista (Figura 1), el modelo PID

puede parecer ms simple, frecuentemente no es
cierto. Los controladores difusos son en realidad
ms sencillos de realizar, ms simples de describir,
ms rpidos de aplicar y pueden ofrecer mayor
exactitud y mejor rechazo a perturbaciones en
algunos casos.

10%
Tr
Ts

Caractersticas de los dos Controladores

Ambos tipos de control puede ser ajustados sin el
conocimiento previo del sistema, esto es, su ajuste
se realiza sin conocer los verdaderos parmetros del
sistema por lo que en este aspecto son muy similares
y de ah que sean tan utilizados. El controlador PID
clsico tiene la forma:

Figura 2. Respuesta del controlador

5
6

Traduccin de la palabra en ingls Fuzzification.

Traduccin del trmino en ingls Defuzzification.

1
u = K p e+
Ti

edt +T
0

de

dt

Revista de la Ingeniera Industiral

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.

La evaluacin se hace con los valores anteriores y un

conjunto de reglas que pudieran ser por ejemplo:
Si la temperatura es Fra, apagar el compresor del
aire acondicionado y ajustar la velocidad de los
ventiladores a muy baja.
Si la temperatura es Fresca, encender el compresor pero cambiar la velocidad de los ventiladores
a baja
Si la temperatura es calurosa, mantener el
compresor encendido pero cambiar la velocidad
de los ventiladores a media
Figura 4. Ejemplo de defusificacin

Revista de la Ingeniera Industiral

En la fusificacin, la diferencia con un esquema

convencional es la manera en que la variable de entrada
es considerada, en lugar de usar su valor, se usan
funciones de membreca. Por ejemplo, para la
temperatura de una habitacin, los valores lingsticos a
utilizar podran ser: fro, fresco, caluroso y caliente,
Figura 3. Ejemplo de valores lingsticos
pudiendo un valor de temperatura real, pertenecer a
varios de estos valores con diferente grado de
pertenencias, como puede verse en la figura 3. En esta figura, la lnea negra que representa una hipottica
temperatura real, y tiene un grado de pertenencia a Fresco de 0.5 y a caluroso de 0.35.

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.

Si la temperatura es caliente, mantener encendido el compresor pero ajustar la velocidad de los

ventiladores a velocidad alta

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

Siendo la seal de control u en funcin del error

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

Revista de la Ingeniera Industiral

u K p e Kd e

Siendo la seal de control u en funcin del error

 Si e <0 y e >0; u < 0.

Si e <0 y e =0; u < 0.
Si e <0 y e <0; u < 0
Todo lo anterior se puede representar con una tabla de asociacin difusa mostrada en el cuadro 3.

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

Siendo la seal de control u en funcin del error

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

Siendo la seal de control

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.

Anlisis de los cuatro casos

A continuacin se muestra una comparacin entre un control continuo y uno fuzzy, de los 4 casos posibles de
controladores, P, PD, PI y PID, en Matlab usando la caja de herramientas fuzzy, y considerando una planta dada por

10
s 10s 20

La respuesta en lazo abierto de esta planta a una

entrada escaln est mostrada en la figura 5 en la que
se puede ver que el error en estado estacionario es del
50%, y que el sistema es sobre amortiguado.

Diseo del controlador Proporcional y Difuso

Proporcional

Figura 5. Respuesta del sistema.

El modelo del sistema tanto para un control P como

para un fuzzy P en Matlab es el mostrado en la Figura
6. Para el control proporcional en el caso continuo, no
es posible eliminar el error en estado estacionario, as
que se us una ganancia de 10 para subir un poco la
salida sin que exista sobretiro. Para el caso del control
difuso P, s es posible eliminar el error en estado
estacionario y el diseo usado para este caso se

Revista de la Ingeniera Industiral

G s

muestra en la figuras 7, 8, 9, 10 y las respuestas de ambos controles en las figuras 11 y12.

Diseo del controlador Proporcional Derivativo y Difuso Proporcional-Derivativo

El modelo del sistema tanto para un control PD como para un fuzzyPD en Matlab es el mostrado en la Figura 13.
Para el control proporcional derivativo en el caso continuo, tampoco es posible eliminar el error en estado
estacionario, y para este caso se usaron ganancias de 30 para la parte proporcional y 1 para la parte derivativa. Para
el caso del control difuso PD, tambin es posible eliminar el error en estado estacionario y el diseo usado para este
caso se muestra en las figuras 14, 15, 16, 17 y 18 y las respuestas de ambos sistemas en las figuras 19 y 20.

Diseo del controlador Proporcional-Integral y Difuso Proporciona-Integral

El modelo del sistema tanto para un control PI como para un fuzzy PI en Matlab es el mostrado en la Figura 21. Para
el control proporcional integral en el caso continuo, s es posible eliminar el error en estado estacionario, para este
caso se usaron ganancias de 3 para la parte proporcional y 7 para la parte integral. Para el caso del control difuso PI,

Figura 6. Control P y Fuzzy P.

Figura 7. Controlador Fuzzy P.

Figura 8. Entrada e.

Figura 9. Salida u.

Revista de la Ingeniera Industiral

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.

Diseo del controlador Proporcional-Integral-Derivativo y Difuso Proporciona-Integra-Derivativo

Por ltimo se muestran los resultados y el diseo del controlador PID continuo y el caso PID Difuso, en el que el
diseo continuo s supera al diseo difuso aunque presenta un comportamiento transitorio un poco diferente a lo que
siempre se ve en una respuesta dinmica de un sistema.
El modelo del sistema tanto para un control PID como para un fuzzy PID en Matlab es mostrado en la figura 29, que
como se dijo, para el control proporcional Integral Derivativo del caso continuo, s elimina el error en estado
estacionario. El sistema tiene un tiempo de respuesta muy rpido y no existe sobre tiro, para este caso se usaron
ganancias de 35 para la parte proporcional y 30 para la parte integral y 5 para la parte derivativa.
Para el caso del control difuso PID, tambin es posible eliminar el error en estado estacionario, obteniendo una
respuesta bastante aceptable pero con un sobre tiro pequeo. Esto podra mejorar ajustando el controlador o usando
ms funciones de pertenencia (solo se usaron 3 en todos los casos), y el diseo usado para este caso se muestra en
las figuras 30, 31, 32, 33, 34 y 35 y las respuestas de ambos sistemas en las figuras 37 y 38.

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.

Figura 10. Reglas.

Figura 11. Control Proporcional

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.

Revista de la Ingeniera Industiral

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.

Revista de la Ingeniera Industiral

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

Figura 13. Control PD y Fuzzy PD.

Figura 14. Control Fuzzy Proporcional-Derivativo.

Figura 15. Entrada e.

Figura 16. Entrada de/dt.

Figura 17. Salida u.

Revista de la Ingeniera Industiral

Figura 12. Control Fuzzy P.

Figura 19. Control Proporciona-Derivativo.

Figura 20. Controlador Fuzzy PD.

Figura 21. Control PI y Fuzzy PI.

Figura 22. Control Fuzzy PI.

Figura 23. Entrada e.

Revista de la Ingeniera Industiral

10

Figura 18. Reglas del Control Fuzzy PD.

Figura 25. Salida u.

Figura 26. Reglas del Control Fuzzy PI.

Figura 27. Control Proporcional-Integral.

Figura 28. Control Fuzzy PI.

Figura 29. Control PID y Fuzzy PID.

Revista de la Ingeniera Industiral

11

Figura 24. Entrada integral de e.

Figura 31. Entrada e.

Figura 32. Entrada de/dt.

Figura 33. Entrada integral de e.

Figura 34. Salida u.

Figura 35. Reglas del Control Fuzzy PID.

Revista de la Ingeniera Industiral

12

Figura 30. Controlador Fuzzy PID.

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

Figura 37. Control Fuzzy PID.

13

Figura 36. Control PID.

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.

Revista de la Ingeniera Industiral

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