Nro.

DD-106
CONTROL DE PROCESOS CON PLC Pg. 1 de 17
Tema: PEPP IACP
Control de proceso trmico con lgica difusa
(Fuzzy Logic) 2017.4.25
125

Vizcardo, Llosa, Flores, Cruz, Almonte / Prof. Andrs Morocco A.

I. PRESENTACIN
El presente informe del mdulo de Control de Procesos con PLC a cargo del Profesor Andrs
Morocco Apfata del diplomado de Instrumentacin, Automatizacin y Control de Procesos es
presentado por los alumnos:

Claudio Vizcardo Rodriguez

Rodrigo Llosa Sanz
Luis Flores Apaza
Mario Deibis Cruz Flores
Luis Almonte

II. OBJETIVO
Controlar de forma bsica la temperatura de una cmara trmica con lgica difusa

III. RECURSOS

1. Equipos y Programas

a. PC y Laptops
b. PLC SLC Allen Bradley
c. Mdulo electrnico para control de temperatura de cmara trmica
d. Fuente de alimentacin
e. RSLogix 5000
f. VMWare Workstation (mquina virtual para laptops)

IV. BIBLIOGRAFA principal

S.Kouro, R.Musalem
Control mediante lgica difusa
Tcnicas modernas de automtica

Gonzlez, Carlos
Lgica Difusa, Tcnicas de Softcomputing, Espaa

2000. Tejada, Guillermo

Tutorial de Lgica Fuzzy, Facultad de Ingeniera Electrnica de la Universidad Nacional Mayor de San Marcos, Per

2014. Lpez, Juan Camilo

Sistemas de control basados en elgoritmos genticos y lgica difusa para la aplicacin en procesos industriales.
Pontificia Universidad Javeriana, Colombia

2011. D.A. Tibaduiza, I. Amaya, S. Rodrguez, N. Mejia, M. Flrez

Implementacin de un control fuzzy para el control cinemtico directo en un robot manipulador
Departamento de matemtica aplicada III. Universidad Politcnica de Catalua y Facultad de Ingeniera
Mecatrnica. Universidad Autnoma de Bucaramanga, Colombia
Ingeniare. Rev. chil. ing. vol.19 no.3 Arica
 Control de proceso trmico con lgica difusa pgina 2 de 17
|

V. INTRODUCCIN

Durante muchos aos se han diseado algoritmos computacionales que slo permiten
tomar decisiones basadas en dos posibles valores lgicos: Verdadero/Falso, Uno Lgico/
Cero Lgico o simplemente S/No. Por su parte, los algoritmos basados en Lgica Difusa
tienen su fundamento en los conjuntos difusos, los cuales se caracterizan porque la
pertenencia de un objeto a un conjunto es gradual, es decir puede no pertenecer,
pertenecer completamente o pertenecer parcialmente; es as como este tipo de algoritmos
permiten tomar decisiones en todo el rango de valores entre cero (no pertenece) y uno
(pertenece completamente).

El control difuso es una tcnica que se encuentra agrupada bajo el esquema de los sistemas
expertos, y su popularidad se basa en la dificultad (o imposibilidad) de modelar algunos
sistemas a travs de ecuaciones matemticas. Adicionalmente, su utilidad radica en que se
puede aprovechar el conocimiento de un experto sin necesidad de modelar
matemticamente un proceso, lo que lo hace atractivo en procesos de gran complejidad.

La lgica fuzzy o lgica borrosa o difusa es una extensin de la lgica clsica diseada para
permitir el razonamiento sobre conceptos imprecisos.

Hay cuatro partes principales en una estructura difusa que se irn explicando posteriormente:
fusificacin, reglas difusas, mecanismo de inferencia y defusificacin.

VI. MARCO TERICO

Conjuntos difusos
Los conjuntos fuzzy se definen como una coleccin de objetos denotados genricamente por
U, entonces un conjunto difuso A en U se define como el conjunto de pares ordenados:

Donde es una generalizacin de los conjuntos clsicos en los cuales a

diferencia de estos ltimos se tienen valores de pertenencia entre 0 y 1.
 Control de proceso trmico con lgica difusa pgina 3 de 17
|

En los conjuntos fuzzy, al ser un concepto impreciso, es posible definir valores que
van desde 0 hasta 1, pudindose decir, por ejemplo, que alguien que mide 1,85m
pertenece al conjunto de los altos con un valor de 0,8.

Funciones de pertinencia
En teora es posible usar cualquier funcin que se encuentre en el intervalo entre 0 y 1,
aunque se han adoptado de manera clsica en la mayora de los trabajos las funciones de
tipo trapezoidal, triangular, gaussiana, sigmoidea y singleton, esta ltima hace referencia a
que un nico valor de pertenencia es igual a 1 en un solo punto y el resto es igual a cero.
 Control de proceso trmico con lgica difusa pgina 4 de 17
|

Variables lingsticas
Una variable lingstica es aquella cuyos valores son conjuntos difusos. Por ejemplo,
la temperatura, velocidad, etc. Cada una de estas variables lingsticas a su vez puede
tomar diferentes valores como muy pequea, pequea, media, alta, muy alta. Estos
diferentes valores de la variable son llamados trminos lingsticos.

Reglas difusas
Los controladores basados en lgica difusa son construidos por medio de reglas que
relacionan las funciones de pertenencia de la seal de entrada con un conjunto
independiente de funciones de pertenencia de la seal de salida. Estas reglas se ejecutan
en paralelo y son escritas bajo el siguiente formato: if x is A then y is B, donde
X es una entrada al controlador
A es un Conjunto Difuso definido para la Variable de Entrada x
Y es la salida del controlador
B es un conjunto difuso definido para la Variable de Salida y
La parte izquierda, es decir x is Ade recibe el nombre de antecedente o premisa y la parte
derecha, y is B se conoce como consecuencia.

Existen 2 principales estructuras para generar reglas difusas: Mamdani y TSK (Tasagi, Sugeno, Kang)

Reglas difusas de Mamdani

IF x1 is A AND x2 is B AND x3 is C THEN u1 is D, u2 is E, donde:
x1, x2 y x3 son las variables de entrada (por ejemplo, error o derivada del error)
A, B y C son funciones de membresa de entrada (p.ej., alto, medio, bajo)
 Control de proceso trmico con lgica difusa pgina 5 de 17
|

u1 y u2 son las acciones de control (p.ej., apretura de vlvulas) en sentido genrico son todava
variables lingsticas (todava no toman valores numricos)
D y E son las funciones de membresa de la salida, en general se emplean singleton por su
facilidad computacional
AND es un operador lgico difuso, podra ser otro. La primera parte de la sentencia IF x1 is A AND
x2 is B AND x3 is C es el antecedente y la restante es el consecuente.
Un ejemplo es: IF error is Positivo Grande AND derivada del error is Positiva Baja THEN u is Positiva
Chica.
Ventajas: es intuitivo, tiene una amplia aceptacin, est bien adaptado a la incorporacin de
conocimiento y experiencia.

Reglas difusas TSK

IF x1 is A AND x2 is B AND x3 is C THEN u1=f(x1,x2,x3), u2=g(x1,x2,x3)
En principio es posible emplear f() y g() como funciones no lineales, pero la eleccin de tal funcin puede
ser muy compleja, por lo tanto en general se emplean funciones lineales.
Ventajas: es computacionalmente eficiente, trabaja bien con tcnicas lineales (por ejemplo como lo
disponible para controladores PID), trabaja bien con tcnicas de optimizacin y control adaptable, tiene
garantizada una superficie de control continua, est bien adaptado al anlisis matemtico.

Diseo del lazo de control

Supongamos que se desea controlar un sistema SISO (de entrada y salida nica).
Resulta entonces conveniente utilizar como variables de entrada al controlador, el error
existente en el proceso (e), el cambio del error (de/dt) y la acumulacin del error (e(t) dt).
Luego cada una debe ser fusificada, es decir, se deben definir una cantidad de funciones de
pertenencia que representen los diferentes estados (lingsticos) que pueden tomar estas
variables (por ejemplo, error pequeo, mediano o grande). Para realizar este punto se
dispone de una gran cantidad de funciones, tales como gaussianas, triangulares, trapecios,
etc. Segn, el procedimiento para definir las funciones debe ser el siguiente:
Se elige un nmero de funciones, de tal modo que se represente todos los
estados que el variable tome.
Se disean de un ancho mnimo suficiente que permita obviar el ruido de
medicin.
Se desea un cierto grado de cruzamiento entre las distintas funciones, para no
incurrir en estados pobremente definidos.
Se recomienda partir con funciones simtricas, para posteriormente realizar
ajustes.

Inicialmente se recomienda un entrecruzamiento del 50%, de tal modo que cada

elemento quede representado en al menos dos funciones.
Luego se deben definir las reglas base, cuya funcin es establecer una vinculacin
lgica entre los grados de pertenencia de las distintas variables de entrada, por
ejemplo, si el error es grande y crece entonces se debe aplicar actuacin correctiva
grande. Se definen entonces todas las sentencias lgicas posibles, asignndole a cada
una su actuacin correspondiente. Luego, las actuaciones deben ser defusificadas,
para ser convertidas a nmeros, lo que se logra mediante diversos mtodos, siendo
los ms utilizados el del centroide o el de singletones. El diagrama siguiente muestra
en forma esquemtica el controlador Fuzzy.

A mayor cantidad de entradas, se tiene una mayor cantidad de reglas base, lo que
dificulta crecientemente el diseo del controlador. Si se van a emplear varias entradas,
 Control de proceso trmico con lgica difusa pgina 6 de 17
|

conviene retirar el factor integrativo de las entradas al controlador Fuzzy para incorporarlo en forma
individual sumndolo a la actuacin final. Se tiene entonces una especie de controlador hbrido en que el
error y el cambio del error son variables de tipo difuso y la acumulacin del error es determinstica (crisp).

Fusificacin
La fusificacin es el primer paso en el proceso de inferencia difusa. Esto implica un
dominio transformacin donde las entradas ntidas se transforman en entradas difusas. Las
entradas ntidas son entradas exactas medido por sensores y pasado al sistema de control
para su procesamiento, tal como temperatura, presin, rpm, etc.

Inferencia difusa
Las reglas difusas representan el conocimiento y la estrategia de control, pero cuando
se asigna informacin especfica a las variables de entrada en el antecedente, la inferencia
difusa es necesaria para calcular el resultado de las variables de salida del consecuente, este
resultado es en trminos difusos, es decir que se obtiene un conjunto difuso de salida de
cada regla, que posteriormente junto con las dems salidas de reglas se obtendr la salida
del sistema.
Existe una gran cantidad de mtodos de inferencia difusa, pero hay cuatro que
generan mejores resultados en el campo del control, estos son inferencia de Mamdani
por mnimos (Mamdani minimum inference), RM, la inferencia del producto de Larsen
(Larsen product inference), RL, la inferencia del producto drstico (Drastic product
inference) RDP y la inferencia del producto limitado (Bounded product inference)

Donde w es la funcin de pertenencia del conjunto de salida w.

En el caso particular en que el conjunto difuso de salida del consecuente es singleton,
todos los mtodos de inferencia tienen el mismo resultado, y este se obtiene como el
singleton pesado por el valor obtenido del antecedente.

Defusificacin
La defusificacin es un proceso matemtico usado para convertir un conjunto difuso
en un nmero real. El sistema de inferencia difusa obtiene una conclusin a partir de la
informacin de la entrada. Esta conclusin o salida difusa es obtenida por la etapa de
inferencia borrosa, esta genera un conjunto borroso pero el dato de salida del sistema debe
ser un nmero real y debe ser representativo de todo el conjunto obtenido en la etapa de
 Control de proceso trmico con lgica difusa pgina 7 de 17
|

agregado, es por eso que existen diferentes mtodos de defusificacin y arrojan resultados
distintos, el ms comn y ampliamente usado es el del centroide. Con el mtodo de
defusificacin del centroide se transforma la salida difusa en un nmero real el cual es la
coordenada equis (x) del centro de gravedad de tal conjunto difuso de salida. En el caso
particular de singletones, la frmula se reduce al clculo de equilibrio tipo momentos
(centroide de barras).

S es el dominio o rango de integracin del centro de gravedad de cada conjunto de

salida correspondiente a cada regla, con masa igual al grado de pertenencia en ese
punto de su centro de gravedad. Este mtodo en realidad trae una carga
computacional importante, por lo que se emplean en general otros esquemas con
menor carga. El concepto del centro de gravedad es en muchos casos el punto de
partida para la obtencin de distintos mtodos de defusificacin.

Tanto la Fuzzificacin como la defusificacin son el nexo del sistema difuso con el
mundo real.
Dependiento del mtodo de defusificacin se obtendrn distintas respuestas de salida
como se observa en el siguiente ejemplo comparativo:

Esquemas de los procesos difusos

Para terminar la parte terica, existe este esquema resumen de los procesos de
diseo de los sistemas difusos con los mtodos de Mandani y TSK en el paper de Carlos
Gonzlez (Lgica Difusa, Tcnicas de Softcomputing). Donde borrosificacin y
desborrificacin significan fusificacin y desfusificacin respectivamente y en donde se
presentan 2 entradas.
 Control de proceso trmico con lgica difusa pgina 8 de 17
|
 Control de proceso trmico con lgica difusa pgina 9 de 17
|

VII. DESARROLLO

La estructura difusa fue diseada en el software RsLogix5000. El sistema fue implementado

en lgica de escalera (Ladder).

Variables
Variable de proceso (PV): temperatura de la cmara
Variable de control (CV): voltaje que ingresa a la resistencia de la cmara (foco incandescente)
Set Point (SP): temperatura deseada en la cmara

Caractersticas
Para facilitar el programa y solo analizar la aplicacin de la lgica difusa es que se ha
considerado emplear una sola entrada (el error).
Las zonas fueron definidas mediante lneas (trapezoides y pendientes).
La defusificacin se realiz mediante singletones por el mtodo TSK.
En la defusificacin, no prevaleci una simetra entre las zonas (mismo peso o distancia entre las
zonas definidas) debido a que el control se mostr ms estable con las zonas definidas
asimtricamente.
 Control de proceso trmico con lgica difusa pgina 10 de 17
|

Foto de las pruebas en el mdulo con el PLC

Fusificacin
Se determinaron 3 zonas difusas representadas por EN (error negativo), EC (error central o
cero) y EP (error positivo)

Como ejemplo, para un error de 0,4 (SP-PV=0,4) entonces fusificando el valor en

pertenencia a los conjuntos EN, EC y EP se dir que ese valor pertenece a los conjuntos EP
con 0,8, EC con 0,2 y EN con 0.

Los valores de 0,5C como error fueron establecidos a nuestro criterio.

Reglas difusas
Se formularon una serie de reglas matemticas comparativas simples que se plasman
fcilmente en el ladder de acuerdo al esquema anterior. Estas reglas obedecen a las
ecuaciones de las rectas que definen las 4 zonas (0,1 ,2 ,3).
entrada salida
s s
EN UC
EC UM
EP UP
EN (error negativo), EC (error central o cero), EP (error positivo)
UC (salida cero), UM (salida media), UP (salida posterior)
Los errores estn en C al ser una comparacin de temperaturas: error = SP-PV
Las salidas estn en voltaje (V) y corresponden a la variable de control (CV)

Zona 0 si error < -0,5 U = 0V

 Control de proceso trmico con lgica difusa pgina 11 de 17
|

Zona 1 si -0,5 error < 0 EN=-error/0,5

EC=(error+0,5)/0,5
Ep=0
Zona 2 si 0 error < 0,5 EC=(0,5-error)/0,5
EP=error/0,5
EN=0
Zona 3 si error 1 U = 10V

En el ejemplo, error=0,4 se encuentra en la zona 2 por lo que:

EC=(0,5-0,4)/0,5=0,2
EP=0,4/0,5=0,8
EN=0

Defusificacin
Al haber optado por singletones (lneas de igual peso en ubicaciones determinadas) se
obtiene un nico valor defusificado para cada entrada al emplear la siguiente ecuacin que
se obtiene igual que resolver el centroide por momentos de un sistema fsico.

ENUC + ECUM + EPUP

U=
EN + EC + EP

Las salidas UC, UM y UP fueron determinadas experimentando con el programa para

obtener mejores respuestas, por ello no existe simetra lo cual fue avizorado en el marco
terico:

En el mismo ejemplo, para una fusificacin de e=0,4, se tiene una defusificacin de U=

00+0,22,5+ 0,810
Vu= =8,5V
0+0,2+0,8

La variable de control (CV) para un error de +0,4C ser de 8,5V

Descripcin del ladder

El programa se realiz en subrutinas de acuerdo a las zonas y reglas definidas con el ingreso
de una sola entrada, el error (e = SP-PV)
 Control de proceso trmico con lgica difusa pgina 12 de 17
|

MAINROUTINE
 Control de proceso trmico con lgica difusa pgina 13 de 17
|

ZONA 0

ZONA 1

ZONA 2
 Control de proceso trmico con lgica difusa pgina 14 de 17
|

ZONA 3

Al denominador de la ecuacin (EN+EC+EP) se le suma un valor muy pequeo (0,0001) para evitar las
divisiones entre 0 que causan errores en el sistema.

Grficos (trends)

Se realizaron pruebas con distintos set points para verificar la estabilidad del sistema. Se obtuvieron los
siguientes resultados para una planta que tiene un tope aproximado de 83C (planta 4 del laboratorio).

Set point en 60C

 Control de proceso trmico con lgica difusa pgina 15 de 17
|

Se puede observar que la variable de proceso (PV, Temperatura de la cmara) en rojo sube establemente
dependiente de la variable de control (CV) en azul. El set point aparece en color verde.

Nota: el voltaje fue escalado de 0 a 100 para poderlo observar dentro de la grfica de temperatura de 0
a 100C (0 corresponde a 0V y 100 a 10V).

Set point en 70C (comienzo)

Set point en 70C (final)

 Control de proceso trmico con lgica difusa pgina 16 de 17
|

Set point en 80C

Set point en 90C

 Control de proceso trmico con lgica difusa pgina 17 de 17
|

Se observa que la planta4 no pasa los 83C, es su tope natural.

VIII. CONCLUSIONES

Al no emplear un control PID no es necesario conocer las constantes del sistema para controlarlo.
La lgica difusa se puede emplear en cualquier tipo de planta o proceso parecido sin que vare su
estructura.
La programacin con lgica difusa permite buen control sobre las variables de salida con
respuestas flexibles ms ceidas a la lgica humana esperada. Es decir, las respuestas son ms
intuitivas ya que se rigen segn reglas fijadas por el programador quien inyectar su
personalidad y experiencia en la respuesta del sistema.
Al no funcionar con una lgica rgida, la programacin difusa permite solucionar problemas que
con reglas clsicas sera matemticamente y computacionalmente inviable.
La programacin requiere realizar ajustes en las reglas. No necesariamente tiene que haber
simetra (mismo peso o distancia entre las zonas definidas) como ocurri en esta experiencia
donde el esquema de salida mediante singletones no era equidistante.
El error puede disminuir un poco aadiendo ms zonas de control (conjuntos difusos) y
mejorando las reglas en estas zonas. Sin embargo, el mismo disminuira notablemente si se
aade 1 o 2 entradas adicionales lo cual complejiza tambin el ladder porque deber ser
trabajado matricialmente.

IX. RECOMENDACIN

Se recomienda que la experiencia se replique en el Diplomado para todos los alumnos puesto
que es una herramienta importante que puede contribuir en el desarrollo de proyectos dentro del
pas.

fin del informe