I Control de Sistemas.

Controladores Lógicos

Curso 2004-2005

Controladores Lógicos: Temario
Módulo I. Control de Sistemas.

Módulo II. Fundamentos de Lógica Difusa.

Módulo III. Sistemas Basados en Reglas Difusas.

Módulo IV. Aprendizaje y Adaptación en Sistemas
Basados en Reglas Difusas.

Esquema de la asignatura Controladores Lógicos

Tema 1. Teoría de Sistemas. Control de Sistemas.
Sistemas Inteligentes.




Tema 2. Introducción a la Lógica Difusa.
Tema 3: Variables Lingüísticas, Variables Difusas y
Reglas Difusas.
Tema 4: Lógica Difusa y Razonamiento Aproximado.




Tema 5. Introducción a los Sistemas Basados en
Reglas Difusas.
Tema 6. Arquitectura Detallada.
Tema 7. Diseño de Sistemas Basados en Reglas
Difusas.
Tema 8. Análisis de un Sistema Basado en Reglas
Difusas.

Módulo IV. Aprendizaje y Adaptación en Sistemas Basados en
Reglas Difusas.



Tema 9. Modelos básicos de Aprendizaje en Sistemas
Tema 10. Aprendizaje de Sistemas Basados en Reglas
Difusas mediante Computación Evolutiva.
Tema 11. Aprendizaje de Sistemas Basados en Reglas
Difusas mediante Redes Neuronales.

MÓDULO I: Control de Sistemas

Tema 1. Teoría de Sistemas. Control de
Sistemas. Sistemas Inteligentes

Sistemas. Sistemas Inteligentes.
1. Definiciones previas
2. Sistemas de control
1. Definición de sistemas de control
2. Ventajas derivadas del uso de un sistema de control
3. Sistemas de control en lazo abierto y en lazo cerrado
4. Clasificación de las técnicas de control
3. Sistemas inteligentes de control
4. Sistemas difusos
1. ¿Por qué sistemas difusos?
2. ¿Qué son sistemas difusos?
3. Principales campos de investigación

Índice

5. Sistemas difusos para control
1. Definición
2. Beneficios del control difuso
3. Límites del control difuso
4. ¿Cuándo utilizar un sistema difuso de control?

6. Identificación de sistemas mediante Lógica Difusa
7. Ejemplos de sistemas difusos de control comerciales

Índice

Objetivos:
Entender el concepto de sistema, modelos de
sistemas y tipos de sistemas

Comprender el concepto de sistema inteligente y su
aplicación a problemas de control

Comprender el carácter interdisciplinar de área de
los sistemas inteligentes

Conocer los contenidos del área de las Ciencias de la
Computación e Inteligencia Artificial que pueden
intervenir en el diseño de un sistema inteligente

Objetivos

1. Definiciones Previas
Sistema: Combinación de componentes que actúan
juntos y realizan un objetivo determinado.

Variable controlada: Condición que se mide y
controla.
Variable manipulada: Condición que el controlador
modifica para afectar el valor de la variable
controlada.

Controlar: Medir la variable controlada y alterar la
variable manipulada para corregir o limitar la variable
controlada.

Planta: Parte del sistema que se controla.


1. Definiciones Previas
Sistema: Combinación de componentes que actúan
juntos y realizan un objetivo determinado.

Variable controlada: Condición que se mide y
controla.
Variable manipulada: Condición que el controlador
modifica para afectar el valor de la variable
controlada.
Equipo o conjunto de piezas de una máquina
Controlar: Medir la variablecuyo objetivo alterar la
funcionando juntas, controlada y es realizar
variable manipulada para corregir o limitar ha variable
una operación determinada y que la de ser
controlada. controlado
Planta: Parte del sistema que se controla.


Proceso:
“Operación continua, marcada por cambios graduales que se
suceden uno a otro de una forma relativamente fija y que
conduce a un resultado determinado”.
Cualquier operación que se va a controlar.

Perturbación: Señal que tiende a afectar
negativamente el valor de la salida de un sistema.
Tipos:
Internas
Externas (entrada)


2.1. Definición
Conjunto o combinación de componentes que actúa
conjuntamente y que cumple un determinado
objetivo

Perturbaciones

Variables Variables
de SISTEMA de
entrada salida

Variables de estado del sistema

2.1. Definición

2.1. Definición
Ejemplo: Control de un brazo de robot

2.2. Ventajas derivadas del uso de un sistema
de control
Las técnicas de control automático tienen un campo
prácticamente ilimitado de aplicación.
Es útil contar con sistemas capaces de mantener
todos los parámetros “controlados” sin la intervención
humana.
En ocasiones se consigue optimizar la evolución del
proceso
Situaciones de elevada complejidad
Situaciones en las que se debe operar en tiempo de
respuesta corto
Pueden eliminar fallos (distracciones, cansancio,
tensión...)

2.2. Ventajas derivadas del uso de un sistema de control

2.3. Sistemas de control en lazo abierto y en
lazo cerrado
Clasificación de los sistemas de control:

1. De lazo abierto:
• La acción de control es independiente de la salida
• No hay realimentación

A cada entrada de referencia le corresponde una condición
de operación fija
La precisión depende de la calibración
Problemas con las pertubaciones

Este tipo de controladores genera secuencias de
instrucciones como respuesta a las distintas órdenes
o variables de entrada

2.3. Sistemas de control en lazo abierto y en lazo cerrado

lazo cerrado
Clasificación de los sistemas de control:

1. De lazo abierto:

Entrada Planta o Salida
Controlador
proceso

Este tipo de controladores genera secuencias de
instrucciones como respuesta a las distintas órdenes
o variables de entrada


lazo cerrado
2. De lazo cerrado o realimentados:
• Mantiene una relación pre-establecida entre la entrada y la
salida, comparándolas y utilizando la diferencia como
parámetro de control.
• Comportamiento adecuado en presencia de perturbaciones

Sistema de control de la temperatura de una habitación
Sistema de control de la velocidad de un vehículo

Tipos de sistemas de control realimentados:
• Reguladores. (Ej. termostato)
• Servomecanismos. (Ej. brazo de robot)


lazo cerrado
2. De lazo cerrado o realimentados:

Entrada Planta o
Controlador
proceso

Elemento de
medición

• La señal de salida tiene efecto directo sobre la acción de
control
• Se utiliza la realimentación para reducir el error del sistema
(“lazo cerrado”)

2.4. Clasificación de las técnicas de control
1. Sistemas de control continuo
Sistemas que operan con señales continuas
Normalmente la función de control se implementa con circuitos
electrónicos

2. Sistemas de control digital
Utilizan tecnología digital Mayor flexibilidad en diseño
Un controlador digital para plantas continuas necesita conversión
analógica-digital (y viceversa)
“Problemas” de retardos y longitud de palabra inapreciables con
las mejoras en la tecnología digital
Mayor capacidad para almacenar y manipular datos
Permite la inclusión de procesos de aprendizaje, control
adaptativo, conocimiento experto y otros conceptos avanzados.


3. Sistemas de eventos discretos

(Control secuencial, control lógico programable, control dinámico
de eventos discretos)

Acciones de control determinadas como respuesta a las
características secuenciales y combinaciones observadas de un
conjunto de órdenes y condiciones sensoriales

Entradas y realimentación suelen ser binarias
Salida también suele ser binaria
Se diseñan mediante el desarrollo de una tabla de transición de
estados


Control inteligente: Desarrollo de métodos de control
para emular características importantes de la
inteligencia humana:
adaptación,
aprendizaje,
tratamiento de grandes cantidades de datos, y
tratamiento de incertidumbre.
Área con límites cambiantes: Lo que es control inteligente
hoy será simplemente control mañana.
Área interdisciplinar: Control, Ciencias de la Computación e
Investigación Operativa.
Incluye al control convencional.


El informe Task Force on Intelligent Control define el
control inteligente a través de varias propiedades
propias de los sistemas inteligentes:

Adaptación y aprendizaje: Capacidad para
adaptarse a condiciones cambiantes.

Autonomía e inteligencia: Habilidad para actuar
adecuadamente en un entorno con incertidumbre.

Estructuras y jerarquías: Arquitectura funcional
apropiada para afrontar problemas complejos.


Objetivos:

Diseñar sistemas de control automático (controladores)
robustos,
adaptables, con capacidad de aprendizaje de la
experiencia y de la intervención humana, y
autónomos.

Concretamente estudiaremos los controladores difusos y
los modelos evolutivos.


4. Sistemas Difusos
4.1. ¿Por qué Sistemas Difusos?
Difuso: Borroso, confuso, vago, con incertidumbre
Ejemplos:
Conducción en una carretera
Operador de una planta industrial
Control de la temperatura de un recinto

Justificaciones para la teoría de Sistemas Difusos:
1. Demasiada complejidad para la obtención de
descripciones precisas en algunos sistemas reales.
Es necesario introducción aproximación.
2. Es necesaria una teoría que permita formular el
conocimiento humano de forma sistemática e
incluirlo en sistemas de ingeniería.

4. Sistemas Difusos
4.1. ¿Por qué sistemas difusos?

4.2. ¿Qué son Sistemas Difusos?
Sistemas basados en el conocimiento o sistemas
basados en reglas

Regla SI_ENTONCES: Describe qué hacer cuando se
presenta una determinada situación

SI la velocidad del coche es alta ENTONCES pisar con
fuerza baja el acelerador

Ejemplos:
Control de la velocidad de un móvil
Control de temperatura
Descripciones sobre un sistema

4. Sistemas Difusos
4.2. ¿Qué son sistemas difusos?

4.3. Principales Campos de Investigación

Control

Procesamiento de señales

Circuitos integrados

Sistemas expertos
Economía
Medicina
Psicología

4. Sistemas Difusos
4.3. Principales campos de investigación

5. Sistemas Difusos para Control
5.1. Definición

Sistema experto en tiempo real que implementa
una parte de la forma de operar de una persona
o de un proceso con experiencia en ingeniería
que no puede expresarse fácilmente como
parámetros PID o como ecuaciones diferenciales,
sino como reglas situación acción

5.1. Definición

5.2. Ventajas y límites del control difuso
1. Emplea el conocimiento experto para conseguir un
grado de automatización mayor

En algunos casos de control de procesos industriales
(p.ej., industria química) el grado de automatización
es muy bajo. Muchas de las acciones son realizadas
por operadores que basan su conocimiento en la
experiencia pero que difícilmente se puede expresar
con ecuaciones diferenciales

PERO, sólo si existe conocimiento relevante del
proceso y su control que pueda expresarse en
términos de lógica difusa


1. Emplea el conocimiento experto para conseguir un
grado de automatización mayor

En algunosSistema fácil de diseñar
• casos de control de procesos industriales
(p.ej., industria química) elmodificar automatización
• Sistema fácil de grado de
es muy bajo. Muchas de las acciones son realizadas
• Sistema “simplificado”, con rapidez de
por operadores que basan su conocimiento en la
experiencia pero que difícilmente seveces con
funcionamiento (aunque a puede expresar
menor exactitud)
con ecuaciones diferenciales

PERO, sólo si existe conocimiento relevante del
proceso y su control que pueda expresarse en
términos de lógica difusa


2. Control no lineal robusto
En situaciones de perturbación externa, un
controlador PID afronta el problema con una
compensación entre reacciones rápidas con excesos
significativos o reacciones suaves pero lentas. El
control difuso cubre un amplio rango de parámetros
del sistema y puede afrontar la mayoría de las
perturbaciones

PERO, aunque generalmente es así, aún no están
bien formalizadas las características necesarias para
que el control difuso sea robusto y estable


3. Reduce el tiempo de desarrollo y mantenimiento

El control difuso posee dos niveles de abstracción
(reglas y parámetros) que permite un diseño
conjunto entre expertos en el problema e ingenieros
electrónicos

generalmente sí, PERO la adquisición de
conocimiento, codificación, prueba y depuración
necesarias en control difuso requiere un alto grado
de preparación del experto


4. Marketing y patentes

En Japón, control difuso se asocia a moderno, de alta
calidad y amigable con el usuario. Además, el control
difuso permite diseñar soluciones de calidad
equivalente salvando las patentes existentes

PERO en Europa no tiene tanta fama como en Japón.
Además, muchas veces interesa ocultar el término
difuso, p.ej., ¡“sistema de enfoque automático difuso”
en una cámara de vídeo!


5.3. Recomendaciones de uso del control difuso

El control difuso es recomendable:
Para procesos muy complejos, cuando no hay un modelo
matemático simple
Para procesos altamente no lineales
Si el procesamiento del (lingüísticamente formulado)
conocimiento experto puede ser desempeñado

El control difuso no es una buena idea si:
El control convencional teóricamente rinde un resultado
satisfactorio
Existe un modelo matemático fácilmente soluble y adecuado
El problema no es soluble



Si ya existe una solución basada en sistemas difusos para
resolver una problema similar, estamos en la línea correcta
Si tenemos una buena solución en términos de control PID, con
rendimiento del sistema, costes de desarrollo y mantenimiento
satisfactorios debemos mantenernos en esa línea.
Si no estamos satisfechos con la solución existente respecto a
alguno de estos criterios o es un problema que no se puede
resolver con control clásico, hay que analizar el motivo.
Si ciertas partes del sistema son desconocidas, no medibles o
con incertidumbre, se debe optar por un diseño basado en
lógica difusa.
Si se desconoce el modelo matemático del sistema o éste es
complejo, un sistema difuso puede ser la solución.

6. Identificación de sistemas mediante
Lógica Difusa
Modelo: esquema teórico de un sistema que se elabora para
facilitar su comprensión y el estudio de su comportamiento

Los modelos son útiles para realizar simulaciones, analizar un
sistema, comprender sus mecanismos subyacentes, diseñar
nuevos procesos o controlar automáticamente sistemas

Todo modelo debe cumplir dos requisitos básicos:
Precisión: Representar con fidelidad la realidad que se está
modelando
Comprensibilidad: Describir el sistema de forma legible

Requisitos contradictorios: un modelo demasiado simple no
puede representar adecuadamente las características relevantes
del sistema

6. Identificación de sistemas mediante
Lógica Difusa
El modelado se puede realizar con Sistemas Basados en Reglas
Difusas (SBRDs), que contienen reglas del tipo:

EB MB B N A MA EA

0,5

m M

Existen distintas clases de modelado con SBRDs:
Modelado Difuso Lingüístico: Atiende al poder descriptivo de los
SBRDs
Modelado Difuso Preciso: Atiende al poder aproximativo de los
SBRDs


6. Identificación de sistemas mediante Lógica
Difusa
6.1. Proceso de Modelado Difuso

Sistema -Modelado
-Control
-Clasificación

Proceso de Modelo
Datos
Modelado

6.1. Proceso de modelado difuso

Difusa

Sistema -Modelado
-Control
-Clasificación

Sistema Basado en
Datos APRENDIZAJE Reglas Difusas
(SBRD)


Difusa

Variables redundantes -Modelado
o irrelevantes -Control
-Clasificación
Datos
variable 1
Sistema Basado en
variable 2
variable 3 APRENDIZAJE Reglas Difusas
... (SBRD)
variable k

SELECCIÓN DE
CARACTERÍSTICAS


Difusa

-Clasificación
Datos
variable 1
Sistema Basado en
variable 2
... (SBRD)
variable k
Mejorar la precisión y
la interpretabilidad

SELECCIÓN DE
CARACTERÍSTICAS


Difusa

-Clasificación
Datos
variable 1
Sistema Basado en
variable 2
... (SBRD)
variable k
Mejorar la precisión y
la interpretabilidad

PROCESOS DE
SELECCIÓN DE MEJORA DE LA
CARACTERÍSTICAS PRECISIÓN


7. Ejemplos de sistemas difusos de
control comerciales
Productos de consumo:
Lavadoras
Hornos microondas
Cámaras de videos
Televisores
Traductores
Sistemas:
Ascensores
Trenes
Grúas
Automoción (motores, transmisión, frenos...)
Control de tráfico
Software:
Diagnóstico médico
Securidad
Comprensión de datos

control comerciales
“Lavadora difusa” (Matsuhita Electronic
Industrial)

Objetivo: Determinar automáticamente el ciclo de
lavado adecuado al tipo y cantidad de suciedad y al
tamaño de la colada.

Entradas: Suciedad, tipo de suciedad y tamaño de la
colada.

Salida: Ciclo de lavado.

Sensores ópticos tipo y cantidad de suciedad

control comerciales
Estabilizador de imágenes digitales
(Matsuhita)
Objetivo: Eliminar vibraciones involuntarias

Construido con reglas del tipo:

SI todos los puntos de la imagen se mueven en la misma dirección
ENTONCES la mano se mueve
SI sólo algunos puntos se mueven
ENTONCES la mano no se mueve

Se compara la imagen actual con otras imágenes en
memoria


control comerciales
Sistemas difusos en coches

Sistema de transmisión automática
Mitshubichi Galant S
Saturn SL1 de General Motors

Control de temperatura

Sistema de suspensión difusa (Mitshubichi)


control comerciales
Control difuso de un metro (Sendai, Japón)
El tren mantiene una ruta de 13.6 kms. y 16 estaciones

Objetivos:
1. Acelerar hasta una velocidad máxima
2. Decidir si mantener la velocidad máxima
3. Parar aproximadamente en una posición

El sistema de control difuso está dividido en:
a) El controlador de la velocidad constante
b) El controlador de parada automática


control comerciales

Objetivos: Para la seguridad:
-
SI la velocidad del tren está alcanzando la velocidad límite
1. Acelerar hasta una velocidad máxima de freno
ENTONCES seleccionar la máxima posición
2. Decidir si mantener la velocidad máxima
-Para el confort del viaje:
3. Parar aproximadamenteelen una posición
SI la velocidad está en rango permitido
ENTONCES no cambiar el control
El sistema de control difuso está dividido en:
a) El controlador de la velocidad constante


control comerciales

Objetivos:
1. Acelerar hasta una velocidad máxima
2. Decidir -si mantener de viaje:
Para el confort la velocidad máxima
SI el tren parará en la zona permitida
3. Parar aproximadamente encontrol posición
ENTONCES no cambiar el una

El sistema -Para el confort del viaje y seguridad: en:
de control difuso está dividido
SI el tren está en la zona permitida
a) El controlador de la velocidad constantesuave
ENTONCES cambiar de aceleración a freno



control comerciales
El uso de la tecnología difuso en el control del metro de
Sendai muestra varios aspectos importantes:

El control difuso es una alternativa eficiente al control
convencional

El control difuso del metro de Sendai parece tener
ventajas sobre el convencional en aspectos como
confort del viaje, consumo de energía, etc.

Desde un punto de vista técnico demuestra que es
posible utilizar conocimiento experto para diseñar
leyes de control y la teoría de sistemas difusos para
trasladar lenguaje natural en estrategias de control

Bibliografía
Básica:
[Ant92] P.J. Antasklis y K.M. Passino. An Introduction to
Intelligent and Autonomous Control. Kluwer Academic
Publishers, 1992.
[Oga08] K. Ogata. Ingeniería de control moderna. Prentice
Hall, 1998.

Complementaria:
[Azv00] B. Azvine, N. Azarmi y D.D. Nauch (Eds.) Intelligent
Systems and Soft Computing. Springer, 2000.
[Lew99] P.H. Lewis y C. Yan. Sistemas de control en
ingeniería. Prentice-Hall, 1999.

Bibliografía

I Control de Sistemas.

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Destaque

Destaque (15)

Semelhante a I Control de Sistemas.

Semelhante a I Control de Sistemas. (20)

Mais de ESCOM

Mais de ESCOM (20)

Último

Último (20)

I Control de Sistemas.