conferencia inteligencia artificial

Técnicas avanzadas de Inteligencia artificial en el control

de sistemas no lineales

Guillermo Rafael Valdivia

Universidad La Salle

Contenido

• Sistemas no lineales

• Inteligencia artificial

• Logica difusa ( fuzzy logic )

• Ejemplos de aplicación

• Anexo: matlab fuzzy logic toolbox

• Conclusiones

Sistemas no lineales

• Sistemas cuyo comportamiento no esta sujeto al principio de superposición o suma de los comportamientos de sus descriptores. Cada descriptor se relaciona con una variable de entrada o salida.

Inteligencia artificial

• Area multidisciplinaria dedicada al diseño de sistemas capaces de resolver problemas mediante la imitación del razonamiento humano.

• John McCarthy : maquinas inteligentes con programas de cómputo inteligentes.

Inteligencia artificial

• Ramas:

• Logica difusa

• Redes neuronales

• Redes bayesianas

• Sistemas expertos

Logica Difusa (fuzzy Logic)

1. Padre de la logica difusa: Lotfi Zadeh

2. Paper de referencia: Fuzzy Logic System for Engineering: A tutorial (Jerry M. Mendel, fellow IEEE, reviewed by Lofti Zadeh).

Logica difusa

Logica difusa univariable

Logica difusa multivariable

Logica difusa: pasos para su implementacion

• Fuzificacion : determinar el grado de pertenencia llevando las variables medidas en el mundo real a valores comprensibles por la lógica difusa.

• Definicion del Motor de inferencia: extracción del conocimiento del ser humano en el control de un sistema no lineal en términos matriciales.

• Defuzificacion: llevar el resultado de aplicar el motor de inferencia a un conjunto de valores comprensibles en el mundo real.

Sistema de Lógica difusa : Fuzzy logic System: FLS

Lógica difusa: fuzificacion

• a and b min (membresia (a), membresia (b))

• a or b max (membresia (a), membresia (b))

• not a 1 - membresia (a)

Lógica difusa: fuzificacion

Colocar la experiencia del operador en forma de comandos condicionales: if…then…else

Formar matriz de comandos Cada comando es una regla

Lógica difusa: motor de inferencia

Logica difusa: defuzificacion

• Hallar la forma de combinar todas las reglas para hallar un único valor de salida.

• Multiples métodos: centroide

• Donde: U: salida; d:mínimo de las funciones de pertenencia del conjunto difuso de entrada; u: valor representativo del conjunto difuso de salida

i

ii

d

udU

Logica difusa: defuzificacion

Ejemplos de aplicacion

Control de nivel

Implementación

KBG (Knowledge Base Generator) de Motorola

Sistema a controlar

Diagrama de flujo del sistema a controlar

Variables de entrada y salida del sistema a controlar

Implementación del SED

Implementación del SED

Motor de inferencia usado

COMPILACION DEL SED

1. “S” – Save -- *.knb (just a source code) 2. “a” – Create output data file (*.asm file) 3. New.asm file must be merged into source code for inference

engine. Other code (drives i/o) must be merged too. 4. Using ASM.EXE (freeware) generate listing to be saved in

PROM.

EJERCICIO PROPUESTO

1. FOR error = 200 2. and delta error = 20 3. output must be: 3598.4 ( usar método del centroide)

• estrategias para la selección de personal en la organización usando fuzzy logic

– Un sistema experto que implementa la experiencia aprendida por una persona experta en recursos humanos puede ayudar a la toma de decisiones de reclutamiento de personal.

– Referencia: paper publicado en INCEPTUM Revista de Investigación en Ciencias de la Administración. Mexico.

Logica difusa: aplicaciones

• control de un proceso electro mecanico con PLCs usando logica difusa

– En la mina existen muchos procesos que requieren la intervención de operadores.

– Muchas veces es imposible reemplazar el control manual del operador controladores electrónicos debido a la alta no linealidad del proceso.

– Las técnicas de control clásico y control robusto pueden ser mejoradas cuando se usan técnicas de inteligencia artificial que reproducen la experiencia del operador humano.


• control de pendulo invertido con logica difusa usando microcontrolador.

– El modelamiento matemático de sistemas complejos y la definición de grados de libertad pueden ser las entradas a un sistema experto que permita controlar la posición de una articulación en presencia de perturbaciones.

– Referencia: hoja de aplicación de Motorola donde se muestra como se implementa la lógica difusa en dicho microcontrolador.


• calidad y seguridad en explotaciones mineras de carbón: gestión de conformidades mediante fuzzy-logic.

– Los sistemas de calidad en la industria se encuentran tradicionalmente ligados a la satisfacción del cliente. Sin embargo, en minería del carbón la calidad es obtenible atendiendo a los procesos de producción. En este contexto, la utilización de técnicas Fuzzy-Logic permite modelizar adecuadamente las conformidades y no-conformidades de los subprocesos mineros.

– Referencia: XV congreso en tecnologías y fuzzy logic en España.


Logica difusa: ventajas

• SED. Son una forma fácil de codificar un sistema no lineal.

• SED. Tiene una buena correspondencia a la forma del pensamiento humano sobre una gran clase de problemas matemáticos.

• Los sistemas expertos difusos se ejecutan rápidamente sobre computadoras convencionales.

• Los sistemas expertos difusos los ejecutan a velocidades extremadamente alta sobre hardware especializado.

Logica difusa: desventajas

• Se requiere necesariamente la experiencia del operador humano para poder tener un punto de partida en la elaboración del SED.

Matlab Fuzzy Logic Toolbox

trapmf

Gaussmf

Conclusiones

• Se ha presentado el funcionamiento de la técnica de inteligencia artificial conocida como lógica difusa.

• Se han presentado casos aplicativos de sistemas no lineales en los cuales se aplica lógica difusa para implementar sistemas de control con buenos resultados.

gracias

conferencia inteligencia artificial

Documents