Controlador Fuzzy

Los controladores fuzzy, al igual que otros, toman los valores de las variables de entrada,
realizan algún procedimiento con ellas, deciden como modificar las variables de salida y
lo realizan, afectando estas últimas a la planta. La diferencia esencial es que no procesan
ecuaciones ni tablas, procesan reglas para decidir cómo cambiar las salidas. Esto lo hace
una tecnología muy accesible, ya que las reglas están más cerca del sentido común que de las
ecuaciones y los modelos.

Este método de procesamiento de reglas está vinculado con los sistemas expertos, no de
los frutos tangibles de la Inteligencia Artificial (IA). Estos sistemas nacieron como
consecuencia natural del desarrollo de esta disciplina, ya que era necesario agregar a los
programas ese conocimiento y experiencia, que el experto humano tiene para resolver un
determinado problema. Estos programas de computadora, utilizan conocimiento y algún tipo de
mecanismo de inferencia para resolver un tipo de problema en especial, con el objetivo
de obtener resultados parecidos a los del experto humano, no sólo en cuanto a la
conclusión final, sino también a la forma en que se llega a la misma. Los problemas atacados
con esta técnica son entre otros, los de diagnóstico médico, path planning, controladores
de tráfico, acceso inteligente a bases de datos. Este conocimiento consta de hechos y heurística,
siendo los primeros la información pública y generalmente disponible, para la resolución
de un problema en particular, mientras que la heurística, es más privativa del experto, es
justamente ese conocimiento en particular que lo hace destacarse en su tarea. Cuando este
conocimiento está expresado como reglas del tipo

Si antecedente ENTONCES consecuente o SI condición ENTONCES acción

El controlador difuso funciona como uno convencional puesto que a partir de la entrada, por
medio de algún algoritmo, genera una salida, llamándose este proceso inferencia difusa y se
lleva a cabo en tres partes:

e MAQUINA DE
FUSIFICADOR DEFUSIFICADOR u
INFERENCIA
ce

BASE DE REGLAS

Figura 1. Esquema de un sistema difuso.

FUSIFICACIÓN

En esta etapa de fusificación, se le otorga a los datos de entrada un grado de membresía

dentro de las distintas expresiones posibles, para ello busca la correspondencia entre el
estado de las variables, y las funciones de pertenencia definidas para tal propósito. Desde
luego, para un determinado valor de una variable, su grado de pertenencia será mayor en
una expresión que en las demás. Una vez que se tienen expresados los estados de las
variables en forma lingüística se pueden establecer relaciones lógicas entre ellas,
típicamente a través de reglas tales como, “si...entonces (IF-THEN)”.
Defusificación.

Se puede definir como un proceso matemático usado para convertir un conjunto difuso en un
número real.
La Defusificación realiza el proceso de adecuar los valores difusos generados en la inferencia
en valores crisp, que posteriormente se utilizarán en el proceso de control. En la defusificación
se utilizan métodos matemáticos simples como el método del Centroide, Método del
Promedio Ponderado y Método de Membresía del Medio del Máximo .

Bibliografía

 J. Yen and R. Langari, Fuzzy Logic: Intelligence, control, and information ,Prentice Hall,
Upper Saddle River, New Jersey 07458 USA, 1998

 Wen Yu, Xiaoou Li, Fuzzy identifycation using fuzzy neural networks with stable learning
algorithms, IEEE Transactions on Fuzzy Systems , Vol.12, No.3, 411-420, 2004.

 W.Y.Wang, T.T.Lee, C.L.Liu and C.H.Wang, Function approximation using fuzzy neural
networks with robust learning algorithm,IEEE Trans. Syst., Man, Cybern. B,Vol.27, 740-
747, 1997.