MICROCONTROLADORES Y MICROPROCESADORES

MICROCONTROLADORES Y MICROPROCESADORES

SEGUNDO PARCIAL

ANGELA MARIA QUIÑONES GARCIA

JAHN CARLO CUBIDES AGUILAR

YURY KATHERINE BELTRAN CEDIEL

Katherin1444_@hotmail.com

RESUMEN:  en este parcial la idea principal es crear y entender el funcionamiento de un sistema lógico difuso; para desarrollar el primer punto, se elaboran los conjuntos en Matlab con su respectivo valor de truncamiento y luego se aplican los métodos de defuzificacion de centroide y centro de sumas (para ello se deben calcular áreas y centroides), esto haciendo uso de los apuntes de clase, y en el segundo punto se debe hacer un análisis más completo, ya que nos son dados dos conjuntos de entrada y uno de salida,  además nos indican los valores de entrada, con los cuales obtenemos los vectores: número de conjunto que se activa (NCGPE1 y NCGPE2) grado de pertenencia de cada conjunto que se activa (GPE1 y GPE2), consecuente, grado de activación y agregación.

PALABRAS CLAVE: lógica difusa, consecuente, agregación, defuzificacion, universo discurso, conjunto implicado, Matlab. 

INTRODUCCIÓN: El concepto de lógica difusa fue concebido a mediados de los años sesentas por Lofti Zadeh, ingeniero eléctrico iraní y profesor de la Universidad de California, en Berkeley, quien en 1965 publica el primer artículo de lógica difusa llamado “Fuzzy Sets”, donde se dan a conocer por primera vez los conceptos de esta técnica.

Más tarde, en 1974 Ebrahim Mamdani aplica los conceptos de lógica difusa en el control de procesos y desarrolla el primer control difuso para la regulación de un motor de vapor.

La unión de los conceptos de lógica difusa desarrollados por Zadeh y el área de control de procesos encuentra numerosas aplicaciones en la industria, medicina, aeronáutica, electrónica, etc., e incluso en los últimos años, en el mundo de los aparatos electrodomésticos.

OBJETIVOS:

• Adquirir experiencia en el manejo de los métodos de defuzificación más utilizados.  

PROCEDIMIENTO:

1. Implementar en Matlab un programa que obtenga el valor de defuzificación para un sistema cuya variable de salida está definida como se observa en la figura 1. Lo anterior, teniendo en cuenta que el proceso de Inferencia arrojó los siguientes conjuntos implicados:

a. El conjunto BAJA truncado en 0.5.

b. El conjunto MEDIA truncado en 0.7.[pic 1]

c. El conjunto MUY BAJA truncado en 0.2.

El valor de defuzificación se debe obtener aplicando el Método del Centroide y el Método del Centro de Sumas.[pic 2]

• El primer paso es definir el universo discurso:

[pic 3]

• Luego, declarar los conjuntos difusos con los parámetros que se pueden observar en la figura 1:[pic 4][pic 5]

• Ahora, haciendo uso del operador t-normal(mínimo), graficamos los conjuntos trucados al valor indicado con anterioridad: [pic 6][pic 7]

[pic 8]

• Realizamos el proceso de agregación:

[pic 9][pic 10]

[pic 11]

• Una vez unidos los conjuntos que salieron implicados, podemos obtener el valor de defuzificación por medio del método del centroide:  

El método del centro de gravedad o centroide, es uno de los más utilizados y físicamente es más atractivo, ya que para un conjunto de salida [pic 12]es obtenido de acuerdo a la expresión: [pic 13]. Donde S denota el soporte de [pic 14]. Frecuentemente, S es discretizado, de modo que el valor crisp(y) puede ser calculado a través de la expresión: [pic 15]

[pic 16]

DondeCentroide1=38.382187837000310.

O empleando Fuzzy Logic Toobox:[pic 17]

Centroide2=38.382187837000310.

...