Algoritmo para generación de controladores difusos interpretables. Aplicación a un proceso de presión

Autores/as

  • Juan Antonio Contreras Montes Escuela Naval Almirante Padilla (ENAP)
  • David Javier Muñoz Aldana Escuela Naval Almirante Padilla (ENAP)

DOI:

https://doi.org/10.15332/iteckne.v8i2.2734

Palabras clave:

Identificación difusa, Interpretabilidad, Controlador difuso, Sistema de presión

Resumen

En este artículo se presenta una novedosa metodología para la generación de controladores difusos tipo singleton a partir de datos experimentales de entrada y salida. Se describe una técnica para construcción de las reglas difusas mediante funciones de pertenencia triangulares, con interpolación en 0.5, para la partición de los antecedentes; mínimos cuadrados para el ajuste de los consecuentes tipo singleton y operadores tipo promedio ponderado, en vez de operadores tipo t-norma. El aspecto más promisorio de la propuesta consiste en la obtención del modelo, o controlador difuso, sin sacrificar su interpretabilidad ni recurrir a otras técnicas de inteligencia artificial. Para llevar a cabo el entrenamiento del controlador difuso se utilizó el sistema de presión del sistema didáctico en control de procesos de Lab-Volt, modelo 6090. Los datos de entrenamiento fueron tomados de una experiencia realizada con un control PI.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Juan Antonio Contreras Montes, Escuela Naval Almirante Padilla (ENAP)

PhD. en Ciencias Técnicas. Líder Grupo de Investigación en Control, Comunicaciones y Diseño Naval, Escuela Naval Almirante Padilla ENAP Cartagena, Colombia

David Javier Muñoz Aldana, Escuela Naval Almirante Padilla (ENAP)

Ingeniero Electrónico. Investigador Grupo de Investigación en Control, Comunicaciones y Diseño Naval, Escuela Naval Almirante Padilla ENAP Cartagena, Colombia

Citas

[1] Wang, L-X, Mendel, J.M., “Generating fuzzy rules by learning form examples”, IEEE Transactions on Systems, Man and Cybernetics, vol. 22, No 6, pp. 1414- 1427. 1992.

[2] Sugeno, M., Yasukawa, T., “A fuzzy logic based approach to qualitative modeling”. Transactions on Fuzzy Systems, vol. 1, No. 1, pp. 7-31. 1993

[3] Bezdek J. C. (1987). Pattern recognition with Fuzzy Objective Function Algorithms. Ed. Plenum Press.

[4] Guztafson E. E., Kessel W. C. Fuzzy Clustering with a Fuzzy Covariance Matrix. IEEE CDC, San Diego, California, pp. 503 – 516.1979.

[5] Nauck, D., Kruse, R., “Nefclass - a neuro-fuzzy approach for the classification of data”, In Proceedings of the Symposium on Applied Computing, 1995.

[6] Nauck, D., Kruse, R., “Neuro-fuzzy systems for function approximation”. Fuzzy Sets and System. 101(2), pp. 261-271. Jan. 1999.

[7] Espinosa, J., Vandewalle, J., “Constructing fuzzy models with linguistic integrity form numerical data-afreli algorithm”, IEEE Trans. Fuzzy Systems, vol. 8, pp. 591 – 600, Oct. 2000.

[8] Sala, A. (1998). Validación y Aproximación Funcional en Sistemas de Control Basados en Lógica Borrosa. Universidad Politécnica de Valencia. Tesis Doctoral.

[9] Sala, A., Albertos, P., Inference error minimisation: fuzzy modelling of ambiguous functions. Fuzzy Sets and Systems, 121 (2001) pp. 95 – 111. 2001

[10] Díez J. L., Navarro J. L., Sala A. (2004). Algoritmos de Agrupamiento en la Identificación de Modelos Borrosos. RIAI: Revista Iberoamericana de Automática e Informática Industrial.

[11] Paiva, R. P., Dourado, A., “Interpretability and learning in neuro-fuzzy systems”, Fuzzy Sets and System. 147(2004), pp. 17-38. 2004.

[12] Contreras, J., Misa, R., Paz, J., Building Interpretable Fuzzy Systems: A New Methodology. In proceedings of Electronics, Robotics and Automotive Mechanics Conference CERMA 2006. IEEE Computer Society. Pp.: 172-178. Nov. 2006.

Descargas

Publicado

2011-12-12

Cómo citar

Contreras Montes, J. A., & Muñoz Aldana, D. J. (2011). Algoritmo para generación de controladores difusos interpretables. Aplicación a un proceso de presión. ITECKNE, 8(2), 177–182. https://doi.org/10.15332/iteckne.v8i2.2734

Número

Vol. 8 Núm. 2 (2011)

Sección

Artículos de Investigación e Innovación

Licencia

La revista ITECKNE se encuentra registrada bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional  Por lo tanto, esta obra se puede reproducir, distribuir y comunicar públicamente, siempre que se reconozca el nombre de los autores y a la Universidad Santo Tomás. Se permite citar, adaptar, transformar, autoarchivar, republicar y crear a partir del material, siempre que se reconozca adecuadamente la autoría, se proporcione un enlace a la obra original y se indique si se han realizado cambios.

La Revista ITECKNE no retiene los derechos sobre las obras publicadas y los contenidos son responsabilidad exclusiva de los autores, quienes conservan sus derechos morales, intelectuales, de privacidad y publicidad. Sin embargo esta facultada para editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir el artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.