0

2009

CONTROL DIFUSO

La Lgica Difusa en los ltimos aos ha conseguido una gran fama

debido a la gran variedad de sus aplicaciones, las cuales van desde el
control de procesos industriales complejos como la construccin de
artefactos electrnicos de uso domstico y de entretenimiento.
Actualmente la lgica difusa ha tenido un gran crecimiento debido al
gran dinero que se mueve por las patentes y a que es un campo abierto
para la investigacin.

En el siguiente trabajo se explica las diferencias entre lgica difusa y

control difuso, y las partes principales de un controlador difuso.

[Escribir texto] Pgina 0

Juan Astudillo-Gustavo Delgado

Cuenca-Ecuador
20/11/2009
INGENIERIA ELECTRONICA
CONTROL DIFUSO
Carrera de Ing. Electrnica
U.P.S
RESUMEN
La Lgica Difusa en los ltimos aos ha conseguido
una gran fama debido a la gran variedad de sus
aplicaciones, las cuales van desde el control de
procesos industriales complejos como la
construccin de artefactos electrnicos de uso
domstico y de entretenimiento. Actualmente la
lgica difusa ha tenido un gran crecimiento debido
al gran dinero que se mueve por las patentes y a que
es un campo abierto para la investigacin.
En el siguiente trabajo se explica las diferencias
entre lgica difusa y control difuso, y las partes
principales de un controlador difuso.
Orden de Temas 1. Introduccin, 2.Controlador
Difuso, 3. Estructura de un Controlador Difuso,
4.Tipos de Controladores Difusos, 5. Control Difuso
En Sistemas con Retroalimentacin, 6.Conclusiones
y 7. Bibliografa.
1. INTRODUCCION
El desarrollo del control difuso tiene, su origen en
los sistemas basados en reglas para la toma de
decisiones y en la lgica difusa para la evaluacin de
aquellas.
Los controladores difuso como cualquier otro,
toma los valores de las variables de entrada,
realizan algn procedimiento con ellas, deciden
como modificar las variables de salida y lo
realizan, afectando estas ltimas a la planta. La
diferencia esencial es que no procesan ecuaciones ni
tablas, procesan reglas para decidir como cambiar
las salidas segn las variables de entrada. Esto lo
hace una tecnologa muy accesible, ya que las
reglas est ms cerca del sentido comn que de las
ecuaciones y los modelos.
Ensayo Realizado por Juan Astudillo y Gustavo Delgado
TEORIA DE CONTROL II
1.1. LOGICA DIFUSA
En los aos 60 el Profesor Lotfi Zadeh, de la
Universidad de California en Berkeley, introdujo y
desarrollo su teora de los conjuntos difusos,
donde la idea de pertenencia de un elemento a un
determinado conjunto no era pertenece o no
pertenece, sino que pertenece en un cierto grado.
Las funciones que vinculan al elemento con su
grado de pertenencia, se llaman membership
functions.
Basndose sobre esta idea, se construy
nuevamente toda la teora de conjuntos,
redefiniendo inclusiones, uniones, operadores
lgicos (AND, OR), otras operaciones y sus
propiedades. [3]
La lgica difusa dio nuevas alternativas respecto de
la lgica tradicional, puesto que, al evaluar una
proposicin, ya no es verdadera o falsa sino que la
misma tiene un cierto grado de veracidad.
1.2. CONTROLADORES DIFUSOS.
En control difuso se utilizan sistemas basados en
reglas, que emplean lgica difusa, como
elemento central.
Dado su estado, y los valores de las variables
de entrada, estos sistemas evalan el grado de
veracidad de cada regla, y as, toman decisin sobre
los cambios a realizar en las variables de salida.
Una vez actualizadas las mismas, estas producirn
un cambio sobre la planta, luego se vuelven a
obtener los valores de las variables de entrada,
comenzando un nuevo ciclo.
Al utilizar este tipo de resolucin de problemas, es
importante observar que lo que se est procesando
no son ya ecuaciones, nmeros o tablas crudas
Pgina 1
INGENIERIA ELECTRONICA TEORIA DE CONTROL II

sino, reglas, es decir se procesan cosas tales
como:
SI la temperatura es baja ENTONCES aumente el
ciclo de actividad del calefactor
aproximacin es til, adems las reglas difusas se
utilizan tambin para corregir los parmetros de
ajuste en el control adaptativo de los parmetros del
sistema (fig. 2).

Tal tipo de procesamiento est mucho ms cercano

al razonamiento del experto humano.

2. CONTROLADOR DIFUSO

Un controlador de lgica difusa puede incluir reglas

empricas, y que es especialmente til en el operador
controlado por las plantas. Tomemos, por ejemplo,
un controlador de lgica difusa tpica Fig 2 Control Adaptativo Implementado Lgica Difusa [4]

Si cambia un punto de funcionamiento no lineal de

1. Si el error es Neg y el cambio en el error es
la planta, puede ser posible cambiar los parmetros
Neg entonces la salida es NB
del controlador de acuerdo a cada punto de
2. Si el error es Neg y el cambio en el error es
funcionamiento. Esto se conoce como la
cero, entonces la salida es NM
programacin de ganancia (gain schudeling).
El valor de entrada Neg es un trmino lingstico
Un controlador de la programacin de ganancia
corto para la palabra Negative, el valor de la salida
contiene un controlador lineal cuyos parmetros se
NB significa 'Big Negative y NM' 'para
modifican en funcin del punto de operacin de un
Negative Medium. El ordenador es capaz de ejecutar
modo preprogramado, pero el problema es que se
las normas y calcular una seal de control en
requiere un conocimiento profundo de la planta,
funcin del error en la entrada y el cambio en el
pero a menudo es una buena manera de compensar
error. El conjunto de reglas se llaman reglas base.
la no linealidad y las variaciones de los parmetros.
Las reglas estn en el conocido formato if-then y,
oficialmente el if-side se llama la condicin y el
2.1. CRITERIOS DE ESTABILIDAD
then-side entonces es llamado la conclusin (con
ms frecuencia, tal vez, es llamado el antecedent -
Es relativamente sencillo comprobar la estabilidad
consequent o condicion - accion). [1]
en sistemas lineales, por ejemplo, la comprobacin
de que todos los valores propios no se encuentren en
SI antecedente ENTONCES consecuente o SI
la parte derecha del plano complejo. Para los
condicin ENTONCES accin.
sistemas no lineales, y sistemas difusos que son a
menudo no lineales, el concepto de estabilidad es
En la siguiente grafica se observa un controlador
mucho ms complejo. Un sistema no lineal se dice
difuso. (Fig 1)
que es asintticamente estable si, cuando se inicia
cerca de un equilibrio, que convergen a la misma.
Incluso si slo se mantiene cerca del equilibrio, sin
converger a l, se dice que es estable (en el sentido
de Lyapunov). [5]

Para comprobar las condiciones de estabilidad es

Fig 1 Controlador Difuso [1]
Control difuso nos permite tambin evitarnos
realizar un modelo matemtico que puede ser difcil
y costoso de obtener, por lo cual un buen modelo de
mucho ms difcil con los sistemas no lineales, en
parte porque el comportamiento del sistema tambin
est influida por las amplitudes de la seal, aparte de
las frecuencias.

Ensayo Realizado por Juan Astudillo y Gustavo Delgado Pgina 2

INGENIERIA ELECTRONICA
3. ESTRUCTURA DE UN CONTROLADOR
DIFUSO
No existe un procedimiento de diseo de control
difuso, como el lugar geomtrico de races, el diseo
de la respuesta de frecuencia, o mrgenes de
estabilidad, ya que las normas son a menudo no
lineales.
En el diagrama de bloques de la figura 3, el
controlador difuso est entre un bloque de
preprocesamiento y un bloque de
postprocesamiento.
Fig 3 Diagrama de Bloques de un Controlador Difuso [4]
Un controlador difuso opera por repeticin de un
ciclo formado de los siguientes cuatro pasos:
1.- Se realizan las mediciones de todas las variables
que representan condiciones relevantes del proceso
controlado.
2.- Las mediciones son convertidas en conjuntos
difusos apropiados para expresar mediciones
inciertas (mediciones fuzzycadas).
3.- Este paso es llamado fuzzycation. Las
mediciones fuzzycadas son usadas por el proceso
de inferencia para evaluar las reglas de control
almacenadas en las base de reglas difusas.
El resultado de esta evaluacin es un conjunto
difuso (o varios conjuntos difusos) denido sobre el
universo de posibles acciones.
4.- El conjunto o conjuntos difusos encontrados en
el paso 3 son convertidos en un solo valor crisp o en
un vector de valores crisp. Esta conversin es
llamada defuzzycation. Los valores defuzzycados
Ensayo Realizado por Juan Astudillo y Gustavo Delgado
TEORIA DE CONTROL II
representan acciones de control tomadas por el
controlador difuso.
3.1. PREPROCESAMIENTO
El preprocesamiento es el proceso que se realiza a la
seal de medicin antes de ingresar al controlador
difuso, a continuacin se muestran ejemplos de
preprocesamiento.
Cuantificacin en relacin con la toma de
muestras o redondeo a enteros, en si es un
medio para reducir los datos, pero si la
cuantificacin tiene demasiados rangos el
controlador puede oscilar en torno a la
referencia o incluso se vuelva inestable.
La normalizacin o la reduccin en un
rango de norma en particular;
de filtrado para eliminar el ruido
la diferenciacin y la integracin o sus
equivalencias discretos.
3.2. FUZZYFICATION
Esta es la primera parte del proceso, donde luego del
procedimiento convencional de adquirir los valores
de las variables del sistema y calcular otras, se
procede a calcular el grado de pertenencia de tales
variables a todos los posibles conjuntos fuzzy (fuzzy
inputs) que se le han asignado.
La fuzzycation permite minimizar posibles
cambios pequeos en las variables de entrada. Por
ejemplo, si se miden 25 grados de temperatura, sta
puede variar mientras se efecta la inferencia, por lo
que puede ser ms conveniente considerar que la
temperatura es aproximadamente 25 grados.
Tambin permite minimizar los posibles errores al
adquirir los datos asi como suavizar el
comportamiento del sistema ampliando el rango de
la variable, es decir, se mide una temperatura de 25
grados lo cual puede indicar caliente, un valor
cercano a 25 grados puede indicar casi caliente de
tal forma que puedan considerarse valores cercanos
a 25 grados dndoles un grado de pertenencia.
Pgina 3
INGENIERIA ELECTRONICA TEORIA DE CONTROL II

3.3. REGLAS BASE

Error Cambio de Salida
Las reglas base pueden usar una o varias variables, Error
por lo cual los controladores difusos se pueden Neg Pos Zero
aplicar a sistemas (MIMO) y a sistemas (SISO). El Neg Zero NM
problema SISO tpico es la de regular una seal de Neg Neg NB
control basado en una seal de error. Zero Pos PM
Zero Zero Zero
El controlador puede realmente necesitar tanto el Zero Neg NM
error, el cambio en el error y el error acumulado Pos Pos PB
como datos, pero la vamos a llamar de un solo lazo Pos Zero PM
de control, porque en principio los tres se forman a Pos Neg Zero
partir del error de medicin. Tabla 1 Formato Relacional [4]

3.3.1. Formatos de Reglas: Bsicamente, un

controlador de lingstica contiene normas sobre un
formato Si-Entonces, sino que este puede
presentarse en diferentes formas. En muchos
sistemas, las normas que se presentan al usuario
final son similares a las siguientes.
Cabe destacar, sin embargo, que el formato
relacional supone implcitamente que el trmino de
enlace entre las entradas siempre es lgica y - o
lgica o, siempre que es la misma operacin con
todas las normas y no una mezcla de enlace.

1. Si el error es Neg y el cambio en el error es Neg Un tercer formato es el formato lingstico de la

entonces la salida es Neg NB tabla.
2. Si el error es Neg y el cambio en el error es Zero,
entonces la salida es NM Cambio de Error
3. Si el error es Neg y el cambio en el error es Pos Neg Zero Pos
entonces la salida es Zero Neg NB NM Zero
4. Si el error es Zero y el cambio en el error es Neg Error NM NM Zero PM
entonces la salida es NM Zero Zero PM PB
5. Si el error es Zero y el cambio en el error es Zero,
entonces la salida es cero Tabla 2 Formato Linguistico [4]
6. Si el error es Zero y el cambio en el error es Pos
entonces la salida es PM Esto es an ms compacto. Las variables de entrada
7. Si el error es POS y el cambio en el error es Neg estn dispuestas a lo largo de los ejes, y la variable
entonces la salida es Zero de salida se encuentra dentro de la tabla. A este
8. Si el error es POS y el cambio en el error es Zero, formato tambin se le denomina plano fase
entonces la salida es PM lingstica.
9. Si el error es POS y el cambio en el error es Pos
entonces la salida es PB [4]. Para dar cabida a varios productos, un arreglo
anidado es concebible. Una regla con varias salidas
Los nombres de Zero, Pos, Neg son las etiquetas de tambin podra dividirse en varias reglas con una
conjuntos difusos, as como NB, NM, PB y PM salida.
(negativo grandes, medianas negativo, positivo
grandes, y positiva mediana , respectivamente).
3.3.2. Conectores: En matemticas, las sentencias
El mismo conjunto de normas podra ser presentado estn relacionadas con las palabras y, o, si-entonces
en un formato relacional, una representacin ms (o implica, y si y slo si, o modificaciones con la
compacta. palabra no. Estas cinco son llamados enlace.

El ms importante es, probablemente, de

multiplicacin de los difusos y en lugar de mnimos.
Hasta ahora la mayora de los ejemplos slo tienen
Ensayo Realizado por Juan Astudillo y Gustavo Delgado Pgina 4
INGENIERIA ELECTRONICA TEORIA DE CONTROL II

contenido y operaciones, pero una regla como ''Si el

error es muy Neg y no Zero o el cambio en el error
es cero, entonces .. .'' tambin es posible.

Los conectores and y la or se define siempre en

pares, por ejemplo,

a and b = min(a,b) minimo

a or b = max(a,b) maximo
o
a and b = ab producto algebraico
a or b = a+b-ab producto algebraico o
suma probabilistica
Tabla 3 Formas para Definir los Conectores [4]
Modificadores: Un modificador de la lingstica, es
una operacin que modifica el significado de un
trmino.
Por ejemplo, en la frase ''muy cerca de 0'', la misma
palabra modifica cerca de 0, que es un conjunto
difuso. Un modificador es, pues, una operacin en
un conjunto difuso. El modificador muy o very
puede ser definido como la raz cuadrada de la
siguiente funcin de pertenencia, es decir:
very a a 2 Ec 1
Algunos ejemplos de los modificadores de otros
extremedamente a a 3
ligerament e a a 1/3
a s Ec 2
very a a 2
algo a mas o menos de a y nocerca de a
3.3.3. Las funciones de pertenencia: Cada
elemento en el universo es un miembro de un
conjunto difuso de algn grado, tal vez incluso cero.
En conjuntos difusos a los elementos se les asigna
un grado de pertenencia, de tal manera que la
transicin de la pertenencia a la no pertenencia es
gradual y no abrupta. El conjunto de elementos que
tienen una composicin distinta de cero se llama el
apoyo del conjunto difuso. La funcin que vincula
un nmero a cada elemento x del universo se llama
la funcin de pertenencia u(x).
Ensayo Realizado por Juan Astudillo y Gustavo Delgado
Fig 4 Ejemplos de algunas Funciones de Pertenencia [4]
Estrictamente hablando, un conjunto difuso D es un
conjunto de pares ordenados
A x, u ( x) Ec 3
El punto x pertenece al universo y u (x) es su grado
de pertenencia hacia a A.
Esto nos permite que:
Los clculos sean ms simples;
es posible conducir la seal de control a sus valores
extremos, y puede ser en realidad una forma ms
intuitiva a escribir las reglas.
3.4. PROCESO DE INFERENCIA DIFUSA
Las normas reflejan la estrategia que la seal de
control debe ser una combinacin del error de
referencia y el cambio en el error, es decir se refiere
a la siguiente cifra. Los casos del error y el cambio
en el error son indicados por las lneas verticales en
la primera y segunda columnas de la tabla. Para cada
regla, el motor de inferencia mira hacia arriba los
valores de pertenencia a la condicin de la regla.[1]
3.4.1. Agregacin La operacin de agregacin se
utiliza para calcular el grado de cumplimiento. Una
regla, por ejemplo la regla 1, generar un valor de
pertenencia difusa u e1 procedentes del error y un
valor de pertenencia u ce1 procedentes del cambio en
la medicin de error. La agregacin es su
combinacin,
Pgina 5
INGENIERIA ELECTRONICA TEORIA DE CONTROL II

De manera similar para las otras normas. La

agregacin es equivalente a fuzzification, cuando
slo hay una entrada al controlador. La agregacin u
u(s )s
i i i
Ec 5
es a veces tambin llamado el cumplimiento de la u(s ) i i

norma.

3.4.2. De activacin. La activacin de una regla es Este mtodo tiene una complejidad computacional
la deduccin de la accin, posiblemente por relativamente buena, y x es diferenciable con
reduccin de su valor especifico. respecto a los nicos s.

El grado de confianza est determinado por el 3.5.3. Bisectriz de rea (BOA): Este mtodo
diseador, o un programa de aprendizaje tratando de recoge la abscisa de la lnea vertical que divide el
adaptar las normas relacin entrada-salida. rea bajo la curva en dos mitades iguales.

3.5. DEFUZZIFICACIN

x Max




u x u ( x)dx u ( x)dx


Ec 6
El resultado conjunto difuso debe ser convertido a Min x
un nmero que puede ser enviado al proceso como
una seal de control. Esta operacin se denomina Aqu x es el punto de funcionamiento en el universo,
Defuzzificacin. u(x), es su composicin, Min es el valor ms a la
izquierda del universo, y Max es el valor ms a la
Existen varios mtodos Defuzzificacin, a derecha. Su complejidad computacional es
continuacin se numeran algunos: relativamente alto, y puede ser ambigua.
3.5.1. Centro de gravedad (COG) El valor de la 3.5.4. La media de los mximos (MOM) un
produccin crujiente x es la abscisa en el centro de enfoque intuitivo es elegir el punto con la mayor
gravedad del conjunto difuso, posibilidad.. Puede ocurrir, sin embargo, que existan
varios puntos, y una prctica comn es tomar la
media de los mximos (MOM).
u
u( x ) x
i i i
Ec 4
u( x )
i i
Este mtodo no tiene en cuenta la
forma del conjunto difuso, pero la complejidad
Donde xi es un punto de funcionamiento en un computacional es relativamente buena.[4]
universo discreto, y u ( xi ) , es su valor de
pertenencia en la funcin de pertenencia. La 3.5.5. Mximo de la izquierda (LM), y el mximo
expresin puede ser interpretada como la media ms a la derecha (RM) Otra posibilidad es elegir el
ponderada de los elementos. mximo de la izquierda (LM), o el mximo de la
derecha (RM). En el caso de un robot, por ejemplo,
Para el caso continuo, sustituir las sumatorias por debe elegir entre izquierda o derecha para evitar un
integrales. obstculo delante de l.

Es un mtodo muy utilizado aunque su complejidad 3.6. POSTPROCESAMIENTO

computacional es relativamente alto.
Postprocesamiento tambin es relevante, en si es
3.5.2. Centro de gravedad de mtodo nicos Si las convertir los valores de salida de la defuzzificacin
funciones de pertenencia de las conclusiones son en valores entendibles para la planta.
nicos, el valor de salida es :

Ensayo Realizado por Juan Astudillo y Gustavo Delgado Pgina 6

INGENIERIA ELECTRONICA
El bloque de postprocesado a menudo contiene una
ganancia de salida que pueden ser ajustadas.
4. TIPOS DE CONTROLADORES DIFUSOS
Los controladores difusos se pueden clasicar en
dos tipos: Controladores de tipo Mamdani y
Controladores de tipo Takagi-Sugeno.
La principal diferencia entre estos controladores
radica en la consecuencia de las reglas.
Para el controlador tipo Mamdani, se basa en un
conjunto difuso y para el tipo Takagi-Sugeno es una
funcin lineal de las entradas y no un conjunto
difuso. A continuacin se explicara el controlador
de tipo Takagi-Sugeno.
5. CONTROL DIFUSO EN SISTEMAS CON
RETROALIMENTACIN
Una aplicacin popular de la lgica difusa es el
control de lazos simples, normalmente controlados
usando controladores PID. La lgica difusa copia la
accin del controlador PID con algunas
modificaciones para manejar el comportamiento no
lineal. En la figura 1 se muestra como un sistema
difuso podra reemplazar un controlador
convencional con retroalimentacin.
5.1. CONTROL DIFUSO PROPORCIONAL.
Una versin muy simple de un controlador
proporcional difuso es la siguiente:
Regla 1: SI {error LN} ENTONCES {control LN}
Regla 2: SI {error MN} ENTONCES {control MN}
Regla 3: SI {error S} ENTONCES {control S}
Regla 4: SI {error MP} ENTONCES {control MP}
Regla 5: SI {error LP} ENTONCES {control LP}
De hecho este conjunto de reglas produce
exactamente la misma accin de control lineal como
un controlador proporcional con una ganancia uno,
operando sobre la seal de error. Esto no representa
ninguna ventaja. Sin embargo, la ganancia del
controlador puede ser no lineal cambiando las reglas
Ensayo Realizado por Juan Astudillo y Gustavo Delgado
TEORIA DE CONTROL II
difusas, lo cual puede ser muy til en aplicaciones
especiales.
5.2. CONTROL DIFUSO PROPORCIONAL
DERIVATIVO.
En este caso el controlador difuso opera sobre la
seal de error e(t) y la derivada de la seal de salida
y produce una salida del defuzzificador que es la
seal de control u(t).
Como se observo en temas anteriores el controlador
difuso se basa en dos seales: el error y el rango de
cambio de la salida. En este contexto es importante
resaltar que el controlador difuso no contiene
elementos dinmicos. Todos los componentes
dinmicos estn afuera del controlador y son
obtenidos mediante una medicin directa del sistema
o por medio del procesamiento de las seales de
entrada y salida del sistema. La derivada de la salida
puede estar disponible como una medicin directa o
a travs de un observador de los estados del sistema.
Despus de la fuzzificacin del error y el rango de
la salida, las reglas difusas se aplican a las variables
recin fuzzificadas. El rol de la retroalimentacin
del rango en un controlador convencional es reducir
la accin de control si la salida est cambiando muy
rpido. Esto reduce la posibilidad de que la salida
sobrepase el valor de referencia deseado r(t).
Usando este principio, las reglas difusas pueden ser
escritas para evitar estos eventos. Por ejemplo, en el
conjunto de reglas que se muestra abajo, las
primeras cinco reglas proveen control proporcional
difuso. Las reglas 6 y 7 tratan de compensar
cambios rpidos cuando el error es pequeo,
generando un componente de control que reducir el
rango de cambio en la salida del sistema.
Regla 1: SI {error LP} ENTONCES {control LP}
Regla 2: SI {error MP} ENTONCES {control MP}
Regla 3: SI {error S } ENTONCES {control S}
Regla 4: SI {error MN} ENTONCES {control MN}
Regla 5: SI {error LN} ENTONCES {control LN}
Pgina 7
INGENIERIA ELECTRONICA TEORIA DE CONTROL II

Regla 6: SI {error S} AND {rango de salida LP } 6. CONCLUSIONES

ENTONCES {control LN}
Regla 7: SI {error S} AND {rango de salida LN } En el presente ensayo se ha realizado una breve
ENTONCES {control LP} descripcin de los controladores difusos, sistemas
de control cuyo funcionamiento est basado en la
Este conjunto de reglas aproxima las acciones de evaluacin de reglas utilizando lgica difusa.
control proporcional y derivativa pero solamente Se pudo apreciar la sencillez en la
cuando el error es pequeo. Estudiando un implementacin del sistema, ya que al describir
controlador lineal convencional con el comportamiento del controlador mediante reglas,
retroalimentacin del rango de cambio, es posible no es necesario realizar una modelizacin exacta,
conformar conjuntos de reglas para imitarlo. Por sino que basta con entender conceptualmente su
ejemplo la ley de control convencional proporcional comportamiento, contar con un modelo muy
derivativa es: simplificado o con un operador experimentado que
dy(t )
u(t ) k p e(t ) k d Ec 7 pueda describir cmo realiza la tarea de control
dt manualmente. Esta caracterstica lo hace
particularmente apropiado para sistemas no lineales,
Donde kp es la ganancia proporcional y kd es la cuya modelizacin por los mtodos tradicionales
ganancia de retroalimentacin derivativa. A partir de suele ser compleja,
esta ecuacin, es posible deducir un conjunto
equivalente simple de reglas difusas, como sigue: En un controlador de lgica difusa de los datos de
medicin pasa a travs de un pre-procesamiento de
Regla 1: SI {error N} AND {cambio de P} bloques, un controlador y un bloque de
ENTONCES {control N} postprocesamiento.
Regla 2: SI {error N} AND {cambio de N}
Preprocesamiento consiste en una escala lineal o no
ENTONCES {control S}
lineal, as como una cuantificacin utilizando las
Regla 3: SI {error P} AND {cambio de N}
funciones de pertenencia.
ENTONCES {control P}
Regla 4: SI {error P} AND {cambio de P} El post-procesamiento consiste en una reduccin de
ENTONCES {control S} las medidas de control a las unidades de ingeniera.

El control difuso correspondiendo a este conjunto de 7. BIBLIOGRAFIA

reglas es una aproximacin no detallada del
comportamiento de un controlador con accin
proporcional derivativa. Con estas cuatro reglas, la
calidad del control que puede alcanzarse seria
pobre. Los pobres resultados de este conjunto de
reglas pueden mejorarse si se agregan mas niveles
de fuzzificacin para alcanzar una aproximacin
mas cercana a la verdadera ley de control.
[1] PASSINO, STEPHEN YURKOVICH, Fuzzy Control.
[2] JAIRO ESPINOZA, JOOS VANDEWALLE, VINCENT
WERTZ , Fuzzy Logic, Identification and Predictive Control.
[3] HUAGUANG ZHANG, DERONG LIU, Fuzzy Modeling
and Fuzzy Control
[4] JAN JANTZEN, Foundations of Fuzzy Control
[5] KAZUOTANAKA, HIROSHI OHTAKE, AND
HUAO.WANG, A Descriptor System Approach to Fuzzy
Control System Design via Fuzzy Lyapunov Functions.

Ensayo Realizado por Juan Astudillo y Gustavo Delgado Pgina 8