Professional Documents
Culture Documents
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
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:
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)
S.Kouro, R.Musalem
Control mediante lgica difusa
Tcnicas modernas de automtica
Gonzlez, Carlos
Lgica Difusa, Tcnicas de Softcomputing, Espaa
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.
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:
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)
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.
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)
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).
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:
VII. DESARROLLO
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
|
Fusificacin
Se determinaron 3 zonas difusas representadas por EN (error negativo), EC (error central o
cero) y EP (error positivo)
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)
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.
00+0,22,5+ 0,810
Vu= =8,5V
0+0,2+0,8
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).
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).
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.