conferencia inteligencia artificial
DESCRIPTION
PonenciaTRANSCRIPT
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: 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.
Lógica difusa: fuzificacion
• a and b min (membresia (a), membresia (b))
• a or b max (membresia (a), membresia (b))
• not a 1 - membresia (a)
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
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.
Logica difusa: aplicaciones
• 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.
Logica difusa: aplicaciones
• 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: aplicaciones
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.
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.