!

"

# $
$ "
% %

&
'
() * () *
+ % ( *
% $ % % (
* % #
, ( * ( * - % ( * %
" % ,
%
 Figura 2.1 Representación a bloques de un sistema.

" #
.'/ 0

+ + +
=
+ + +

" $

'' & $
% ( '* %

Figura 2.2 Diagrama de un sistema dinámico.

"
# .'/'0

=
.'/'0

! "
#
)

'1 2

Figura 2.3 Esquema de un sistema retroalimentado de control.

$
, %
.
3 0 .
0 .0
% .0 1

% .
4 2 ' 10 5 .0 " % % #
# % 6
.0 %
% , 5 7.0 8

"
5
7 . 0 86

" +
% '1
%
"
# 5
7.0 8 +

$
" ! % "

$
 , $

'

Figura 2.4 Retroalimentación directa de estado.

)
'!

Figura 2.5 Retroalimentación de estado usando un estimador.

) % 7 8

&
' !
( !

&
 '!

.0
.3
0 .
0

#
9 %
.0 #
.0 "
% $

.0 .0 -

#.:0 .0
7:;8

;
<
, ; , $

3
% ,
,

+
,
2
=

)
'1 7'8

$
%

"
$ $
$
,

718
,
$

"
"
>
, # $
. , 0

9 6
# >
$ 2 $ ?
9 ''
6 ! "

" %

, , % 3+&
% "
$ ? ?
$
( * ,
( # *
) #
$ %

)
+ ! ! !
, (

*
"
$ "

% @ A

. 0 ,
3 $
$
,

) 2 B C7 8

,
"
$

D -3ED $ $
, F; E

'1 3 G .( *07!8

) %
%
$
# %

;
. ' 10 $
'A

*
' .
/
-
0 1 ( 0 0 ! (
0 2 ! " 0
3
" ! % (

-
Entrada de
c omando Salida
Base de
conocimiento

Proceso y
Fuzzificac ión Inferenc ia Defuzzific ac ión
medición

Figura 2.6 Esquema de un controlador difuso insertado en el esquema

general de un control retroalimentado.

'A '1
- & F "
%
. % 0 %
" & H

- F

3 %
"
"

I 2 .< F< E :0
# #
. FE 0 ; , $ < F< E 7A8
%
< FE

% $

F-/;J D , ,
F-/;J D
9 F-/;J D
"

$ %

4
5 0 "
6
7 87 9 7 8 7 9
:8:9 : ( 8 : ( 9

3
 )

& >! " #

$ # % µ"&'( )* +

- > $ ", → )* + #
$ # % "

>" #
- ./% , "
# 0 .

) >0 " " #

" >

F-. . 00 . .'00 K . . 00
;J D . . 00 K . . 00

< ;L 7C8>

3 < ! 1
. . . ,

L > # + K # + M K M

! # . ,

2 ; + 2<( = 8> :9 44) ? %@

4
 % %

3 ;L / ! .
. . ,

L > # + K # + 5 L.# K #D0 K 5 L.# K #D0

2 .

9 ;L /
%
9 <

<

" )
"
N ,O

) %

/ & %

3 , > %
&( % &(
% > : ≤ & (≤ : : ≤ & (≤ : " %
&(
:≤ & (≤ ) % 1
% "
% 'C

Bajo Medio Alto Bajo Medio Alto

1 1

0.8 0.8
Degree of membership

Degree of membership

0.6 0.6

0.4 0.4

0.2 0.2

0 0

0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10
e(n) de(n)

Figura 2.7 Funciones de membresía definidas para las señales

de entrada al controlador difuso

6
) $
'C ) % $
( * ( *
$
'G
%

bajo medio alto

1

0.8
Degree of membership

0.6

0.4

0.2

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

salida

Figura 2.8 Funciones de membresía “crisp” para

la salida.

/ &

3
. 0 >

1. If (error is bajo) and (cambioerror is bajo) then (salida is bajo) (1)

2. If (error is bajo) and (cambioerror is medio) then (salida is medio) (1)
3. If (error is bajo) and (cambioerror is alto) then (salida is alto) (1)
4. If (error is medio) and (cambioerror is bajo) then (salida is bajo) (1)
5. If (error is medio) and (cambioerror is medio) then (salida is medio) (1)
6. If (error is medio) and (cambioerror is alto) then (salida is alto) (1)
7. If (error is alto) and (cambioerror is alto) then (salida is alto) (1)
8. If (error is alto) and (cambioerror is medio) then (salida is alto) (1)
9. If (error is alto) and (cambioerror is bajo) then (salida is alto) (1)

Tal vez habría que definir o explicar cuántas funciones se tienen que determiner. ¿porqué 9 y no más?

/ ) N O

/ )

" 2
2

+
3

)
( * "

2 D
< 6 , D
µ K µD6 D "
5β K βD >

µα ⋅ β
= =

µα
=

α % N O

/ E

&(
3 . 0
% &( % &( 3
)& % 3 %
&( 3 )F

• 3 )F> F- &( + 3 M ;J D 3 3

• 3 )&> F- &( + 3 M ;J D &( 3

3 %

'1'3 7G8

+ 7H8 $ ,
,
, $ 2
%
)
 'H

Figura 2.9 Esquema de una neurona artificial.

>

= A +

% .(# *0 ?

9 #
9 ' :

Figura 2.10 Una capa de neuronas.

" 2 >
'

$
 1 5 1

0.9 4 0.8

0.8 3 0.6

0.7 2 Función 0.4

0.6 Función 1
lineal 0.2 Función
Sigmoidal Tangencial
0.5 0 0

0.4 -1 -0.2

0.3 -2 -0.4

0.2 -3 -0.6

0.1 -4 -0.8

0 -5 -1
-5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -4 -3 -2 -1 0 1 2 3 4 5

Figura 2.11 Funciones de activación comúnmente usadas.

$ $
# /
. B 0 B
# B
9 $ ( 4 * 1 #
6

&

+ %
#
3

#$ #
# $
" >

0 3
'0 3
10 E
0 3

>

0 3

$
' "
 0 3
0 &

% &
% >

0 <
0 & % . 0
0 & %
0 & %

>

0 3
0 3
0 3
0 3
0 "

P ω. '/!0 + DD

% Q .'/!0

DD> P.ω0
ω
.'/!0

0 3 D F 7C8
0 3

< .F 0

"
. F E0 , ( 4 * $

&
BBC B B A D

)
 6
#
.- ' '0

u Y
Planta

Entrenamiento

Red Neural
u’
Figura 2.12. La red neuronal puede ser usada como el modelo
del proceso como caja negra.

+
%
'/A>

BBC { − ω }
ω
1*

R
+ SKT
9
'/A '/C>

C − = ω
ω

1-

9
%
>

0 4

9 "
U
' 1 >

*
 C { E
− − }
.'/G0

/ V ;
Q / &
V % V
>

E= E
.'/H0

E #

u Y
Planta

Entrenamiento

Red
Neural
u’
Figura 2.13. Una red neuronal en un modelo inverso.

. ! 0
< )3 A

$ $ $ 2
"
. 0
+2 #
,

)
' " F
( '
! ( (
*
7 ,+C 7 , ! +

-
 0 +

3
,

/
>

C {η E −η }
.'/ :0

ηV η
"
# η 2
,
9 ηV
>

G{ E − H } = η
.'/ 0

3 + 3

& $ $
)
6
. ' 0
F

3
 Entrenamiento

Red
Neural

r Modelo o y
Controlador
+ Proceso
- u

Figura 2.14. Red neuronal como autosintonizador en lazo cerrado.

" )F&
"
)F& .@ Q @ .; 0Q @ .; 0Q
0 %
" )F& 2
$ $ +
2 ) %

)F&

'0 3
0 <

# .- ' !0

4
 e u
Controlador

Entrenamiento

Red Neural
u’
Figura 2.15. Red neuronal para modelar un controlador ya existente.

" #
.( . *0
# &
% >

C
ω
{ E − ω }
.'/ '0

V # 3V 9 # 3V
$ >

G{ E − H } =
.'/ 10

3
$
.( 4 *0 # #
$ %
) )F&
.( *0 ,
+
Q "
+4W .( .
4 5 ' . *0 #

0 3

6
 $
$ ( *
+ $ %

$ % %
>

C
ω
{ E− } = ω
.'/ 0

"
#
%

% (
* %
( % * ' A
%

Entrenamiento

r u y
Red Neural Planta

Figura 2.16. Concepto de diseño de un controlador neuronal libre de modelo.

( * M 7 :8
; #
%
, $
# %

+ $ ,
"

2
 0 3

&
. 0
$ , %
( *
>

C
ω
{ E− } = ω
.'/ !0

+ .'/ 0 . 0
, 3 ' C
Q

( * 9
%

9 %
& $ $ $
$
%

Entrenamiento

r u y
Red Neural Modelo

Figura 2.17. La planta se reemplaza por un modelo.

#
#

9
 0 3

" 2 2 >
/
2 %

)
$ % %

.- ' G0

Entrenamiento

r u y
Red Neural
Modelo

Figura 2.18. Concepto de diseño en control robusto. El controlador no se diseña exclusivamente

para un proceso nominal, sino para una familia de procesos.

% >

C
ω
{ E− } = ω ∀ ∈
.'/ A0

/, < F

2 "
. 0
. 0
$ ) $
+
. # 0
9
%

$
 10 E 7 8

0 3 7 '8

,
$ &(
&( >

− ≤ε
→∞

) :
' H %
2

<

4D+
)
3 3
3

Figura 2.19 Estructura del control con modelo de referencia.

0 3

$
7 18
"
' ': )
,

&
 !
" $ %" &%

!
#

Figura 2.20 Estructura para el control con modelo interno.

0 "

$ $ "
2 "
% ,
+ $
# #
''

r(t) w(t) - ^f[.] u(t) y(t)

^
Sistema
g[.]

-1
q -2 q

-1 -2 -2
q q q q
-2
q
-2
q
-1

NN-2 NN-1
^g[.] f[.]
^

- ''

''

)
 # 78 X7 8
'#
Esquema
1. Control neuronal indirecto
a) Control basado en un modelo de
proceso generado con una red neuronal
b) control basado en un modelo inverso
generado con una red neuronal
c) Desarrollo de una red neuronal
autosintonizada.
2. Control neuronal directo
a) Modelo de un controlador.
b) Diseño de un control neuronal libre de
modelo (sin modelo).
c) Diseño de un control neuronal basado en
un modelo
d) Diseño de un control neuronal basado en
un modelo robusto.
3. Otros esquemas de control neuronal
a) Control con modelo de referencia.
b) Control con modelo interno.
c) Control predictivo.
d) Control lineal adoptivo.
e) Linealización por retroalimentación
; )
3 $
OJ
D $
; '#
Característica
Diseño de un control tradicional que ha sido diseñado
con un proceso modelado con redes neuronales.
El control es el modelo inverso del proceso. Este
modelo inverso es una red neuronal.
Se ajustan los parámetros de un controlador clásico
usando una red neuronal.
Se copia el comportamiento de un controlador existente
usando una red neuronal.
Red neuronal como controlador, entrenado con el
proceso real.
Red neuronal diseñada primero con un modelo de un
proceso.
Red neuronal diseñada primero con un modelo de
proceso y algunas variaciones del mismo.
Red neuronal como controlador, pero teniendo un
modelo como elemento de referencia.
Utiliza dos redes neurales, una como controlador y la
otra como modelo del proceso.
Se usan dos redes neuronales una de las cuales es un
modelo predictivo de funcionamiento.
¿? No entiendo bien, releer. Parecido al 2b).
Se usan dos redes neuronales para linealizar el
comportamiento del controlador.
N
.N
O0
*
'113 D

$
$
,

&

, &
,
6

2 " 7 8
"
# . 0 $
6

F/ D;ED3 &6 5 6(

" 7 !8 D L
@ , " 7 8
>

!" #$ ! %$ &&'(
, )
$ .( . *0

#) *! !" #$ %$ &&'( )

9 /

* " #$ + !)#,
. Q
0 & ,
>

• +
• +
• +
• +

-
 * " #$ -./ #
$ $ ,

3
# > +D-F - D
+4F3 D -3"+ D -3ED D -)4EW 7 !8

+ ,
.+4F3 D -3ED0
2 .+D-F - D D -3"+ D -)4EW0

" $ I+4F3
D -3ED 3 # $ $ # D -3ED
F; E $ 2 +
D -3ED

'1 D -3ED

D -3ED , (02 70
C

, G D -3ED
H

" ' ''

D -3ED "
ξ ξ' "
η D -3ED . %
'' " 4 4!
) 41 >

41> ξ ξ' η M'

M' , Y µ
µ ν'

-
= B DI . J BK (
3
L 4 M )N CB D= !
", ; 00 1: O4& /81P D F 7 F: +
4
0 0 " ! " < " " 0
( " " " 0

3
 Figura 2.22. Sistema NEFCON con dos variables de entrada y cinco reglas.

" # D -3ED 2 .
0 #
. # 0 ' '' #
ξ 4 4' µ # 4 4! η
2 ν1
#
, #
2

" D -3ED
+
$
D -3ED
, D -3ED

D -3ED >

• 4
• ) .(# 8 *0 .(
8 4 *0

4
 • + $
• Y #

•
,

L
D -3ED >

• ) ξ

• " η
• ) 4 $

• 3 4

µ# . 0 , Y # .M0 . 0
4 # , Y
#
• " /
.& . 00 .& . 00

D -3ED

"
"

!' ( )* ( +"% 7 A8

D -3ED
" % $
+
"
+ Z[

+
η # >

.' 9 ' 05 .η 0 .' 9 ' 0

3 .Z [0 .' 9 ' 0

$6
" D -3ED
< "
,

!( )* , '

" , >
, ,
.
6 0 ,
$

!' +"% ( )* '

D -3ED F "
7'H8
2 &

η &
,
.
NO0 +
, %
; +
,

, + $

!' , ( ( )* '

. / 0 &

&

&

D
$
/
$

$
-

# 2 ) D -3ED

# C!5 A G:C .
2 0 3 2
D -3ED )

D -3ED

D
$ # ,
) $

" D -3ED
$
/ ,
2 NO D
& $

>

•
D -3ED
D
•

,
D -3ED
9

%( ) , '

" %
Q

$
"
,

!' +"%

D -3ED/F
# (
* 9 ( *

η & ( *

!' +"%

D -3ED/F
D -3ED/FF , $
. A0 # $

" >

. 0 . 0

+
$
D -3ED

D -3ED/FF D -3ED/
F
D -3ED/F

; %

% 2
+
( * ,

, $
# &

$ %

D -3ED < +;"+M. 0

$$
 D -3ED $ ? 69 #
< ? ? < +;"+MQ F< 9"FD@
> .$ >QQ / 0

" $ $ < +;"+MQ F< 9"FD@

$
) D -3ED
+ $

% ,

D -3ED < +;"+M < +;"+M

N O

I $ \ PU ;$ " % #) *! ) "* !
0 (1" D < ,# HHG

; L @ %! # ) )# ) $ &&'" 2# $ + ! )# !"
!++"# !)# ( 9 + HHC

+I M 4 3 + D L $
F ; < ]3 1>G1!/G A
HG1

# <
;L "

7= J $ &&' ) "! * "# 21! $ ! F )

9 + ':::8

7 89 / % # 3* # ! #) *! ) "( ;$ " < ,# '::

$&
7'8 + L ) P) @ < %! # ) )# ) # ) ""#2 ) !
! ) * ) "( .) E ?0 @ ? + ) $ 9 + HH1

718 + L ) P %# ) ""#2 ) ) "(

P$ \ F HHC

7 8^ " = %# ) #!" # ) "#2 ) ) "1$ !* )!" !++"# !)# ( P$

\ ] I M HHA

7!8 M J 4 %$ &&' ! !" ) "( 3 H %! # ) )# )

# ) ""#2 ) ! ! ) * ) "( + L ) P) @ <
@ ? + ) $ 9 + HH1

7A8 3 P , U ) " #$ +! ! * ! #+ "!

2 ! "#/ )! ; < F; E ':::

7C8 P 4 , %$ &&' " 2# # ) "( )$& ;$ ; $ $ 9 & I

HH!

7G8 E E 6 & "6% !" ' ) * $ ) "(6 + ) 9 +

HHC .4 F; E A'H GH E< F0

7H8 \ ) P6 %! , ,# 4 $ !" )4 5 $ ) "( F 3

P HH

7 :8 D_ < 64 E6) D@ J "@ ( !" 4 5 $

* ""# 2 ! ) " $ ' !* # ' ) * ( U " ':::

7 8D D ? L 3 B+ @ P J9D; & M+4M+4E 4 ^MF@E\ @F

) P I+\ \ ;J4E) + 'G A HH' ) ) " E# . 7 '80

7 '8 ) % J & " & % !" )4 56/! * " $ ! !+)#,

) " ' ) *( F ; < 3 /) MU 1: D -
'::: . 7 !80

7 18 - L + # 6D E 6% "# ! # ) !" * " ) " /!

" !" "# ! !" )4 5 (6 ) $ ':: F < 3
3 . A0

7 8" 3$ ; 3 I " 7 !" $ &&' ' ) * 1 ! $ &&' ' 2# *

) # ) ""#2 ) ' ) * 7 ) J 9 + HHA . H0

7 !8 & D L - L@ ? 4 @ 7$ !)# $ 6$ &&' ' ) * 7

P$ \ 9 + HHC . C0

7 A8 DY +6D L &6@ 46% 8 $ &&' ) " /! )- $

* "9 ) , " +* ) ( ' . HHH0 U HHH

$)