1

Manuel Mazo y Marta Marrn. Departamento de Electrnica

1
Fundamentos de Control Borroso Fundamentos de Control Borroso
Manuel Mazo y Marta Marrn. Departamento de Electrnica 2
Control borroso: Elementos bsicos Control borroso: Elementos bsicos
B
o
r
r
o
s
i
f
i
c
a
c
i

n
(
F
u
z
z
i
f
i
c
a
t
i
o
n
)
Base conocimientio
(Rule-base)
Mecanismo inferencia
(Inference mechanism)
D
e
s
b
o
r
r
o
s
i
f
i
c
a
c
i

n
(
D
e
f
u
z
z
i
f
i
c
a
t
i
o
n
)
Proceso
(Process)
Controlador Borroso (Fuzzy Controller)
Reference
Input
r(t)
Inputs
u(t)
Outputs
y(t)
Inputs
e(t)
Entradas
borrosificadas
Conclusiones
borrosas
c
o
m
p
a
r
a
d
o
r
2
Manuel Mazo y Marta Marrn. Departamento de Electrnica 3
Tener un conocimiento exhaustivo de la planta.
Tener claras las especificaciones de diseo (son similares
a las de un control convencional).
Eleccin de las entradas y salidas del controlador
borroso.
Eleccin de las tcnicas de pre-procesamiento de entradas
y post-procesamiento de las salidas.
Diseo de cada uno de los cuatro bloques del controlador
borroso.
Evaluar el comportamiento (utilizando tcnicas
matemticas, simulacin y experimentacin). Hay que
tener presente que un controlador borroso es un control
no lineal.
Control borroso: Procedimiento Control borroso: Procedimiento
Manuel Mazo y Marta Marrn. Departamento de Electrnica 4
Acciones bsicas Acciones bsicas Diseo de un controlador borroso Diseo de un controlador borroso
Fase 1 Fase 1 Objetivo: Pndulo invertido Objetivo: Pndulo invertido
u
y
2l
Pndulo
invertido
Reference
Input
r(t)
Inputs
u(t)
Outputs
y(t)
Objetivo: actuando sobre el carro con una fuerza u(t)
mantener la barra con y(t)=0 (posicin vertical).
El controlador borroso debe automatizar el
comportamiento que un experto humano utilizara para
alcanzar el objetivo.
3
Manuel Mazo y Marta Marrn. Departamento de Electrnica 5
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 2 Eleccin de entradas y salidas Fase 2 Eleccin de entradas y salidas
Entradas: el experto humano determina qu entradas le
ayudarn a tomar decisiones sobre la accin del controlador.
9 En este caso p.ej.: e(t) = r(t)-y(t), de(t)/dt
9 En general: e(t), de(t)/dt, e(t)dt
Salida: fuerza aplicada al mvil u(t).
Valor de la referencia [r(t)]: parece lgico que r(t) =0.
Controlador
Borroso
Pndulo
invertido
d/dt

r e
u y
_
+
El experto, a partir de su conocimiento de
la planta, es el que realiza la descripcin
lingstica para el diseo del controlador
Manuel Mazo y Marta Marrn. Departamento de Electrnica 6
Variables y valores lingsticos:
9 Variables: error, cambio de error, fuerza aplicada
9 Valores (para cada variable): neg. grande (NG), neg. pequeo
(NP), cero (CE) , pos. pequeo (PP), pos. grande (PG).
Reglas bsicas: La cuantificacin lingstica que el experto hace
conduce a las reglas bsicas (if-then). En general, con m entradas y p
valores lingisticos para cada una se tienen p
m
reglas bsicas.
Base de
conocimiento:
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 3 variables, valores, reglas Fase 3 variables, valores, reglas
NG NG NG NP CE PG
NG NG NP CE PP PP
PG PP CE NP NG
PP
PG
PG
CE
NP
NG
NG NP CE PG
NP CE PP PG
CE PP PG PG
error
Cambio de error Fuerza
u(t)
4
Manuel Mazo y Marta Marrn. Departamento de Electrnica 7
Diseo de un controlador borroso Diseo de un controlador borroso
Ejemplos de reglas Ejemplos de reglas
u
u
u
2If error es CE and cambio de error es PP Then fuerza es NP
3If error es PG and cambio de error es NP Then fuerza es NP
1If error es NG and cambio de error es NG Then fuerza es PG
e<0
e>0
de/dt>0
de/dt<0
de/dt>0
de/dt<0
Criterio de signos
Manuel Mazo y Marta Marrn. Departamento de Electrnica 8
- /2 -/4 /4 /2 e(t), (rad)
NG NP CE PP PG
- /4 -/8 /16 /8 /4 de(t)/dt, (rad/sec)
NG NP CE PP PG
-30 -20 -10 10 20 30 u(t), (N)
NG NP CE PP PG
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 4 Funciones de pertenencia Fase 4 Funciones de pertenencia
Se debe tener presente
que /2e(t) /2
5
Manuel Mazo y Marta Marrn. Departamento de Electrnica 9
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 5 Fase 5 Borrososificacin Borrososificacin
Determina para cada valor natural de las entradas el grado en que
pertenecen a cada valor lingstico: funciones de pertenencia.
La entrada del borrosificador es siempre un valor numrico (limitado al
universo de discurso de la variable de entrada) y la salida es un grado de
pertenencia (
i
(x) siempre en el intervalo de 0 a 1).
Ejemplo:
Borrosificador
(Tipo: singleton)
e(t) = e
1
(t) = /4
e(t) = e
2
(t) = 0
e(t) = e
3
(t) = - /4

PP
[e
1
(t)]= 1,
PG
[e
1
(t)]=
CE
[e
1
(t)]= 0

CE
[e
2
(t)]= 1,
PP
[e
2
(t)]=
NP
[e
2
(t)]= 0

NP
[e
3
(t)]= 1,
CE
[e
3
(t)]=
NG
[e
3
(t)]= 0
e(t)=/8
- /2 -/4 /4 /2 e(t), (rad)
NG NP CE PP PG

CE
=
PP
=0.5,

NG
=
NP
=
PG
= 0
0.5
1.0
Manuel Mazo y Marta Marrn. Departamento de Electrnica 10
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 6 Fase 6 Mecanismo Mecanismo de de inferencia inferencia
- /4 -/8 /16 /8 /4 de(t)/dt, (rad/sec)
NG NP CE PP PG
Reglas activas las que
tienen premisas:
error es CE
cambio de error es CE
cambio de error es PP
- /2 -/4 /4 /2 e(t), (rad)
NG NP CE PP PG
NG NG NG NP CE PG
NG NG NP CE PP PP
PG PP CE NP NG
PP
PG
PG
CE
NP
NG
NG NP CE PG
NP CE PP PG
CE PP PG PG
error
Cambio de error Fuerza
u(t)
Reglas
activas
Ejemplo de determinacin qu reglas estn activas. Caso e(t) =0 y de(t)/dt =(3)/32
6
Manuel Mazo y Marta Marrn. Departamento de Electrnica 11

premisa (1)
= mn {1, 0.25}=0.25
-/8 /16 /8 de(t)/dt
CE
-/4 /4 e(t)
CE

CE
(e
i
),

CE
(de
i
/dt)
0.25
Premisa(1): If error es CE and cambio de error es CE
Premisa(2): If error es CE and cambio de error es PP

premisa (2)
= mn {1, 0.75}=0.75
/16 /8 /4 de(t)/dt
-/4 /4 e(t)
CE

CE
(e
i
),
0.75
PP

PP
(de
i
/dt)
Conectiva and: mnimo
Conectiva and: mnimo
Ejemplo de cuantificacin de las premisas de las reglas. Caso e(t) =0 y de(t)/dt =(3)/32
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 6 Fase 6 Mecanismo Mecanismo de de inferencia inferencia
Manuel Mazo y Marta Marrn. Departamento de Electrnica 12
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 6 Fase 6 Mecanismo Mecanismo de de inferencia inferencia
/16
/8
/4
- /4
/4
- /4
e(t), (rad)
d
dt
e t rad ( ),( / sec)

premisa
En tanto el valor de las entradas cambien con
el tiempo, lo harn los valores de las funciones
de pertenencia, y por tanto los valores de las
funciones de pertenencia multidimensional de
las premisas de las reglas
Funcin de pertenencia de la premisa 2
7
Manuel Mazo y Marta Marrn. Departamento de Electrnica 13
If error es CE and cambio de error es CE then fuerza es CE
-/4 /4 e(t)
CE

CE
(e
i
),

CE
(de
i
/dt)
0.25
-10 10 u(t)
CE
-/8 /16 /8 de(t)/dt
If error es CE and cambio de error es PP then fuerza es NP
-/4 /4 e(t)
CE

CE
(e
i
),
0.75
PP

PP
(de
i
/dt)
-20 -10 10 u(t)
NP

regla_1
(u)= mn {
permias(1)
,
CE
(u)}

regla_2
(u)= mn {
permias(2)
,
NP
(u)}
0.25
0.75
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 7 Fase 7 Obtencin Obtencin de de conclusiones conclusiones
Manuel Mazo y Marta Marrn. Departamento de Electrnica 14
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 8 Fase 8 Desborrosificacin Desborrosificacin: COG : COG
u
b
crisp
i regla i
i
regla i
i
= =

_
_
. 681
CE
0.25
-10 10 u(t)
NP
0.75
-20 -10 10 u(t)
b
i
= centro de la funcin de pertenencia.

regla_i
= rea bajo las funciones de
pertenencia:
regla_1
(u) y
regla_2
(u)
-20 -10 10 u(t), (N)
NP
CE
0.75
0.25

regla_i
u=-6.81
8
Manuel Mazo y Marta Marrn. Departamento de Electrnica 15
En este caso se puede ver que se cumple:
En la prctica hay que tener presente los lmites mnimo y
mximo de las variables de actuacin.
Esos limites dependen tanto de las funciones de pertenencia
definidas como del desborrosificador utilizado.
=

20 20 u
b
crisp
i regla i
i
regla i
i

_
_
-30 -20 -10 10 20 30 u(t), (N)
NG NP CE PP PG
Diseo de un controlador borroso Diseo de un controlador borroso
Valores extremos de las salidas Valores extremos de las salidas
Manuel Mazo y Marta Marrn. Departamento de Electrnica 16

premisa (i) u
b
crisp
i premisa i
i
premisa i
i
= =

( )
( )
. 75
-20 -10 10 u(t), (N)
NP
CE
0.75
0.25
-7.5

premisa(i)
Diseo de un controlador borroso Diseo de un controlador borroso
Fase 8 Fase 8 Desborrosif Desborrosif.: Centros ponderados .: Centros ponderados
CE
-10 10 u(t)
NP
regla_2
(u) = 0.75
NP
(u)
-20 -10 10 u(t)

regla_1
(u) = 0.25
CE
(u)
0.75
0.25
mn
prod
9
Manuel Mazo y Marta Marrn. Departamento de Electrnica 17
Control Control Borroso Borroso: : Resumen Resumen
2. If and Then
1. If and Then
Entrada 1 Entrada 2 ..
Salida
Inferencia Premisa
A
g
r
e
g
a
c
i

n
Desborrosificacin
Manuel Mazo y Marta Marrn. Departamento de Electrnica
18
Aspectos formales de la Aspectos formales de la
Lgica Borrosa Lgica Borrosa
10
Manuel Mazo y Marta Marrn. Departamento de Electrnica 19
Variables lingsticas y valores Variables lingsticas y valores
Las entradas e
i
y salidas u
i
del sistema borroso pertenecen a dominios
precisos (crisp) denominados universo de discurso E
i
e U
i
.
Generalmente E
i
e U
i
coinciden con el conjunto de nmeros reales.
e E i n
u U i m
i i
i i
=
=
, , , .......,
, , , .......,
1 2 3
12 3
e
1
e
2
.
..
e
n
u
1
u
2
.
..
u
m
E
n
t
r
a
d
a
s

(
c
r
i
s
p
)
S
a
l
i
d
a
s

(
c
r
i
s
p
)
B
o
r
r
o
s
i
f
i
c
a
c
i

n
(
F
u
z
z
i
f
i
c
a
t
i
o
n
)
Base conocimientio
(Rule-base)
Mecanismo inferencia
(Inference mechanism)
D
e
s
b
o
r
r
o
s
i
f
i
c
a
c
i

n
(
D
e
f
u
z
z
i
f
i
c
a
t
i
o
n
)
Controlador Borroso (conjunto borroso)
Entradas
borrosificadas
Conclusiones
borrosas
~
u
i
~
e
i
e e borrosificador
u u desborrosificador
i i
i i

~
:
~
:
Manuel Mazo y Marta Marrn. Departamento de Electrnica 20
~
e
i
definida sobre el universo de discusin E
i
puede tomar
~A j
La variable
cualquiera de los valores
del conjunto
~A
~
{
~
: , ,... } A A j N
i i
j
i
= = 12
~
A
i
j
~
A
i
~
u
q definida sobre el universo de discusin U
q
puede tomar
~ Ai j
La variable
cualquiera de los valores
del conjunto
~ Ai
~
{
~
: , ,... } B B p M
q q
p
q
= = 12
~
B
q
p
~
B
q
~
e
i
Ejemplo: si representa la variable velocidad, se puede tener el conjunto
lingstico (valores):
~
{
~ ~ ~
} { , , }
, , ,
A A A A lento medio rapido
1 1
1
1
2
1
3
= =
Variables lingsticas y valores Variables lingsticas y valores
11
Manuel Mazo y Marta Marrn. Departamento de Electrnica 21
Tipos: SISO, SIMO, MISO, MIMO
Ejemplo de MIMO:
Equivalente con MISO:
If e es A and e es A and and e es A then u es B and u es B
j k
n n
l r s
~
~
~
~
~
~
~
~
~
~
1 1 2 2 1 1 2 2

If e es A and e es A and and e es A then u es B
If e es A and e es A and and e es A then u es B
j k
n n
l r
j k
n n
l r
~
~
~
~
~
~
~
~
~
~
~
~
~
~
~
~
1 1 2 2 1 1
1 1 2 2 2 2


Reglas Reglas
Manuel Mazo y Marta Marrn. Departamento de Electrnica 22
Si E
i
es el universo de discurso de la variable , con valores
lingsticos definidos por , la funcin (e
i
) asociada a
los valores que mapea la correspondencia entre el universo
de discurso E
i
y el conjunto de valores reales [0,1], se conoce
como funcin de pertenencia.
La funcin de pertenencia describe la certeza (certidumbre)
con que una variable lingstica puede ser catalogada
como
El conjunto borrosos asociado a la funcin de pertenencia
se expresa:
~
e
i
~ ~
A A
i
j
i

~
A
i
j
~
e
i
~
A
i
j

A
i
i
j
e ( )
~
{( , ( ))}: } A e e e E
i
j
i
A
i i i
i
j
=
Conjuntos borrosos, Conjuntos borrosos,
Funciones de pertenencia Funciones de pertenencia
12
Manuel Mazo y Marta Marrn. Departamento de Electrnica 23
Funcin de pertenencia:
9 Definicin: Sea E
i
el conjunto de discurso de la variable , con valores
definidos por La funcin (e
i
) asociada a los valores que
establece la correspondencia entre E
i
y el conjunto de valores reales [0, 1]
se conoce como funcin de pertenencia.
9 Qu describe?: la certeza (certidumbre) con que una variable lingstica
puede ser catalogada como .
Funciones de pertenencia.
Expresin de conjunto borroso: El conjunto borroso asociado a la funcin de
pertenencia se expresa como:
Conjuntos borrosos, Conjuntos borrosos,
Funciones de pertenencia Funciones de pertenencia
~
e
i
~ ~
A A
i
j
i

~
A
i
j
~
e
i
~
A
i
j
( )
A
i
i
j
e
( )
( ) { }
A u e e E
i
j
i
A
i i i
i
i
= , :

e
i
Manuel Mazo y Marta Marrn. Departamento de Electrnica 24
Right
Centers
Left
Gaussian membership functions

L
L
L
L
e
if e c
e c
otherwise
( )
exp
=

|
\

|
.
|
|
\

|
.
|

1
1
2
2

( ) exp e
e c
=

|
\

|
.
|
|
\

|
.
|
1
2
2

R
R
R
R
e
e c
if e c
otherwise
( )
exp
=

|
\

|
.
|
|
\

|
.
|

1
2
1
2
1
e
c
L
e c
1
c
R
e
1
Conjuntos borrosos, Conjuntos borrosos,
Funciones de pertenencia Funciones de pertenencia
13
Manuel Mazo y Marta Marrn. Departamento de Electrnica 25
Conjuntos borrosos, Conjuntos borrosos,
Funciones de pertenencia Funciones de pertenencia
Right
Centers
Left
Triangular membership functions

L
L
L
L
e
if e c
c e
otherwise
( )
max ,
.
=

+

`
)

1
0 1
05

C
e
e c
if e c
c e
otherwise
( )
max ,
.
max ,
.
=
+

`
)

+

`
)

0 1
05
0 1
05

R
R
R
R
e
e c
if e c
otherwise
( )
max ,
. =
+

`
)

0 1
05
1

L
e
c
L
1
1
e

c
c-/2
c+/2

R
e
c
R
1
Manuel Mazo y Marta Marrn. Departamento de Electrnica 26

A A A
i
A
i i i
i i i i
e e e E
1 2 1 2

=
min{ ( ), ( ): }
AND: La interseccin de dos conjuntos borrosos
definidos en el universo de discurso E
i
, es el conjunto
borroso con funcin de pertenencia:
Mnimo:
Producto:
Las dos funciones anteriores se suelen denominar norma
triangular y se expresan como:
A A
i i
1 2

A
i
A
i
i i
e e
1 2
( ) * ( )
A A
i i
1 2
,
Funciones de lgicas Funciones de lgicas

A A A
i
A
i i i
i i i i
e e e E
1 2 1 2

=
{ ( ) ( ): }
14
Manuel Mazo y Marta Marrn. Departamento de Electrnica 27

A A A
i
A
i i i
i i i i
e e e E
1 2 1 2

=
max{ ( ), ( ): }
OR: La unin de dos conjuntos borrosos , definidos en
el universo de discurso E
i
, es el conjunto borroso
con funcin de pertenencia:
Mximo:
Suma:
Las dos funciones anteriores se suelen denominar co-norma
triangular y se expresan como:
A A
i i
1 2

A
i
A
i
i i
e e
1 2
( ) ( )
A A
i i
1 2
,
Funciones de lgicas Funciones de lgicas

A A A
i
A
i
A
i
A
i i i
i i i i i i
e e e e e E
1 2 1 2 1 2

= +
{ ( ) ( ) ( ) ( ): }
Manuel Mazo y Marta Marrn. Departamento de Electrnica 28
Funciones de lgicas Funciones de lgicas
Complemento (NOT): El complemento de un conjunto
borroso con funcin de pertenencia :
Producto cartesiano: Es una operacin en la que intervienen
conjuntos borrosos con diferentes universos de discurso,
resultando la siguiente funcin de pertenencia:
A
i
1

A
i
i
e
1
( )

A
i
A
i
i i
e e
1 1
1 ( ) ( ) =

A xA x xA
n
A A A
n
j k
n
l j k
n
l
e e e e e e
1 2 1 2
1 2 1 2
......
( , ,.... ) ( ) * ( ) *........* ( ) =
15
Manuel Mazo y Marta Marrn. Departamento de Electrnica 29
Base de conocimiento Base de conocimiento
La base de conocimiento ha de ser:
9 Completa: todas las posibles entradas del controlador han de tener su
conclusin.
9 Consistente: no puede haber conflicto entre conclusiones de
diferentes reglas.
Nmero de reglas: Si todas las posibles premisas participan
en las reglas, y el conjunto de reglas contempla todas las
posibles combinaciones de premisas, el nmero de reglas es:
Ejemplo: n = 2, N
1
= 4, N
2
=6, nmero de reglas =24
Numero de reglas N
n numero de entradas
N numero de funciones de pertenencia
i
i
n
i
=
=
=
=

1
" " ,
Manuel Mazo y Marta Marrn. Departamento de Electrnica 30
Borrosificacin Borrosificacin

$
( )
A
i
fuz
x

$
( )
A
i
i
i
fuz
x
x e
x e
=
=

1
0
1 1 1 1 1
.
Funciones de pertenencia
e
i

A
i
i
e
1
( )

A
i
i
e
3
( )

A
i
i
e
6
( )

$
( ) exp
A
i
i
fuz
x a
x e
=

|
\

|
.
|

(
2
Borrosificador
singleton
e
i

$
( )
A
i
fuz
x
Borrosificador
no singleton
e
i

$
( )
A
i
fuz
x
16
Manuel Mazo y Marta Marrn. Departamento de Electrnica 31
Mecanismo de inferencia Mecanismo de inferencia
1. Determinar el alcance de las regalas relevantes para cada
situacin de las n entradas (matching o correspondencia):
Obtener las reglas activas de la base de conocimiento.
Calcular la funcin de pertenencia de la premisa de la regla activa.
Para un borrosificador la certidumbre asociada a la premisa
de la regla i se expresa mediante el producto cartesiano:
2. Establecer las conclusiones en funcin de las entradas y de
las reglas de la base de conocimiento (paso de inferencia).

i n
A A A
n
e e e e e e
j k
n
l
( , ,.... ) ( ) * ( ) *........* ( )
1 2 1 2
1 2
=

B
q i n
B
q
q
i
q
p
u e e e u imo ( ) ( , ,... ) * ( ); * min = =
1 2

B q
B
q
B
q
B
q
q
q q q
R
u u u u imo ( ) ( ) ( ) ...... ( ); max = =
1 2
(1)
(2)
Manuel Mazo y Marta Marrn. Departamento de Electrnica 32
Desborrosificacin Desborrosificacin
Objetivo: calcular la salida u
q
crisp
a partir de cada una de las
reglas implicadas o a partir de todas simultaneamente.
Si se hace a partir de las conclusiones de las reglas
individualmente procesadas (1), los mtodos ms utilizados
son COG y ponderacin de centros.
En el caso de implicacin simultnea de las reglas (2), el
Criterio Mximos es el ms utilizado.
17
Manuel Mazo y Marta Marrn. Departamento de Electrnica 33
Desborrosificacin Desborrosificacin: COG : COG
Sea una base de conocimiento con R reglas. Sea b
p
q
el centro
del conjunto borroso de la funcin de pertenencia
implicada por la regla (j, k, .. l; p)
i
, y el rea de dicha
funcin de pertenencia:
La salida es:

B
q
q
p
u ( )

B
q q
u
q
p
q
u du ( )

u
b u du
u du
q
crisp
i
q
B
q q
u
i
R
B
q q
u
i
R
q
i
q
q
i
q
=

=
=

( )
( )
1
1
9 La funcin de pertenencia de los trminos del
consecuente de las reglas no se saturan en los
extremos para asegurar un valor finito de la
salida
9 Hay que asegurar que el denominador sea
distinto de cero

B
q q
u
i
R
q
i
q
u du ( )

=

1
0
Manuel Mazo y Marta Marrn. Departamento de Electrnica 34
Desborrosificacin Desborrosificacin
Ponderacin de centros Ponderacin de centros
El clculo de la salida se obtiene a partir de los centros de las
funciones de pertenencia de los consecuentes de las reglas
implicadas y el valor mximo de certeza de tales funciones
de pertenencia.
Siendo el valor mximo de la funcin de
pertenencia del consecuente q afectado por la regla i.
sup { ( )}
u
B
q
q
q
i
u
u
b u
u
q
crisp
i
q
u
B
q
i
R
u
B
q
i
R
q
q
i
q
q
i
=
=
=

sup { ( )}
sup { ( )}

1
1
sup { ( )}
u
B
q
i
R
q
q
i
u
=

1
0
18
Manuel Mazo y Marta Marrn. Departamento de Electrnica 35
Desborrosificacin Desborrosificacin
Ejemplos Ejemplos

B
q
q
u
1
( )
.
b
1
b
2
b
3
b
i
b
N
u
q

B
q
q
u
1
( )
B
q
q
N
u ( )
B
q
q
u
2
( )
.
b
1
b
2
b
3
b
i
b
N
u
q

B
q
q
u
2
( )

B
q
q
N
u ( )
Manuel Mazo y Marta Marrn. Departamento de Electrnica 36
Desborrosificacin Desborrosificacin
Criterio Mximo Criterio Mximo
Esta estrategia tiene en cuenta todos los conjuntos borrosos
implicados simultneamente.
La salida es el punto del universo de discurso de salida para
el que la funcin de pertenencia del conjunto borroso B
q
es el
mximo.
Donde arg sup
x
{(x)} devuelve el valor de x para el cual la
funcin (x) presenta un mximo.
Ejemplo:
u u
q
crisp
u
B
q
q
q
i
{arg sup { ( )}}
-20 -10 10 20 u
q

regla_1
u
q
crisp
= -20

regla_2

regla_3

regla_4
19
Manuel Mazo y Marta Marrn. Departamento de Electrnica 37
Desborrosificacin Desborrosificacin
Centro de reas Centro de reas
Al igual que la estrategia del criterio maximo, tiene en
cuenta todos los conjuntos borrosos implicados
simultneamente.
La salida, u
crisp
, se elige como el centro del rea del universo
de discurso de salida.
Para un universo de salida continuo, el centro del rea es:
Un inconveniente de esta estrategia es que
computacionalmente es caro.
u
u u du
u du
q
crisp
q B q q
u
B q q
u
q
q
q
q
=

( )
( )

B q q
u
q
q
u du ( )

0
Manuel Mazo y Marta Marrn. Departamento de Electrnica 38
2. If and Then
1. If and Then
Entrada 1 Entrada 2 ..
Salida
Inferencia Premisa
A
g
r
e
g
a
c
i

n
Desborrosificacin
Sistemas tipo Sistemas tipo Mandani Mandani
20
Manuel Mazo y Marta Marrn. Departamento de Electrnica 39
Sistemas tipo Sistemas tipo Takagi Takagi- -Sugeno Sugeno
El elemento diferenciador de un sistema tipo Takagi-Sugeno
radica en la expresin del consecuente de las reglas de la base
de conocimiento.
En los sistemas tipo Sugeno el consecuente es una funcin (o
varias funciones de salida caso de sistemas SIMO, MIMO) de
las variables de entrada.
Generalmente la funcin f
i
(consecuente) se reduce a una
constante o una relacin lineal de las entradas.
Ejemplo:
if u es A and u es A and and u es A Then f u u u
j k
n n
l
i n 1 1 2 2 1 2
........ ( , ,....., )
f a a u a u a n reales
i i i n n i j
= + + + =
1 0 1 1 , , , ,
...... ;
Manuel Mazo y Marta Marrn. Departamento de Electrnica 40
Sistemas tipo Sistemas tipo Takagi Takagi- -Sugeno Sugeno
Para la evaluacin AND se suelen utilizar operadores
mnimo o producto.
Para la desborrosificacin se suele utilizar:
Ejemplo:
u
f
crisp
i premisa i
i
R
premisa i
i
R
=

=
=

( )
( )
1
1
If e es A then f e
If e es A then f e
1 1
1
1 1
1 1
2
2 1
2
1
= +
= +
u
f f
f f
crisp
=
+
+
= +
1 1 2 2
1 2
1 1 2 2



e
1
=0: u
crisp
=(2+0)0.5 + (1+0) 0.5 =1.5
e
1
1: u
crisp
=1+e
1
e
1
1: u
crisp
=2+e
1
-1 1 e
1
1

2
21
Manuel Mazo y Marta Marrn. Departamento de Electrnica 41
Sistemas tipo Sistemas tipo Sugeno Sugeno: Resumen : Resumen
2. If and Then
1. If and Then
Entrada 1 Entrada 2 ..
Salida
Inferencia Premisa
A
g
r
e
g
a
c
i

n
Desborrosificacin
Manuel Mazo y Marta Marrn. Departamento de Electrnica 42
Comparacin: Comparacin:
Sugeno Sugeno vs vs Mamdani Mamdani
Ventajas sistema Sugeno:
Eficiente en trminos de computacin.
9 Funciona bien con tcnicas lineales (PID por ejemplo).
9 Funciona bien con tcnicas de optimizacin y adaptativas
9 Garantiza la continuidad en la superficie de salida del sistema.
9 Se adapta mejor al anlisis matemtico.
Ventajas sistema Mamdani:
9 Es ms intuitivo.
9 Est ampliamente aceptado.
9 Se adapta mejor al lenguaje humano.