LOGICA DIFUSA APLICADA A CONTROL

2.
 La lógica difusa o lógica heurística se basa en lo
relativo de lo observado como posición
diferencial. Este tipo de lógica toma dos valores
aleatorios, pero contextualizados y referidos
entre sí.
 Es un tipo de lógica multivaluada o polivaluada
que admite valores infinitos que varían en grados
entre 0 y 1
 El razonamiento en la lógica difusa es similar al
razonamiento humano. Admite valores
aproximados e inferencias, así como
datos incompletos o ambiguos, en lugar de
depender de datos absolutos (si/no)
 Es capaz de procesar los datos
incompletos y
proporcionar soluciones
aproximadas a los problemas que
por otros métodos son difíciles de
resolver
 Maneja el concepto de verdad
parcial, donde el valor de verdad
puede oscilar entre completamente

3.
 Conjunto borroso: es aquel que no está formado por números sino por etiquetas
lingüísticas.
 Etiqueta lingüística: Es una palabra o conjunto de palabras. Podemos también que
son los nombres de los conjuntos borrosos
 En los conjuntos clásicos se sabe si un elemento de un universo de discurso
pertenece o no a él acudiendo a la lógica booleana. Esto no es posible en los
conjuntos borrosos, ya que si normalizamos la pertenencia o no en el 0 y 1, en este
caso hemos de tomar el intervalo cerrado [0,1] y el valor que se asocie a cada
elemento no será absoluto, sino gradual. Al igual que en los conjuntos clásicos, esto
se define mediante un predicado que por su forma de actuar se denomina predicado
vago.
 Así, el elemento tendrá un valor asociado dentro del conjunto que indicará en qué
“cantidad" pertenece a dicho conjunto. Esto es lo que se define como grado de
pertenencia. Por ello, un conjunto borroso es la unión de los grados de pertenencia
de todos aquellos elementos que forman parte de su universo de discurso.
 Universo de discurso: El universo de discurso de un conjunto borroso es el
intervalo en el que se incluyen los posibles valores que pueden tomar los elementos
del conjunto.
 La existencia del grado de pertenencia para saber si un elemento pertenece a un
conjunto o no, podemos utilizarla para tratar problemas de imprecisión o
incertidumbre tales como: bases de datos reconocimiento de atrones

4.
Se basa en reglas heurísticas de la forma SI (antecedente) ENTONCES (consecuente),
donde el antecedente y el consecuente son también conjuntos difusos, ya sea puros o
resultado de operar con ellos. Sirvan como ejemplos de regla heurística para esta lógica
(nótese la importancia de las palabras "muchísimo", "drásticamente", "un poco" y
"levemente" para la lógica difusa):
SI hace muchísimo calor ENTONCES aumentó drásticamente la temperatura.
SI voy a llegar un poco tarde ENTONCES aumento levemente la velocidad.
Los métodos de inferencia para esta base de reglas deben ser simples, veloces y eficaces.
Los resultados de dichos métodos son un área final, fruto de un conjunto de áreas
solapadas entre sí (cada área es resultado de una regla de inferencia). Para escoger una
salida concreta a partir de tanta premisa difusa, el método más usado es el del centroide,
en el que la salida final será el centro de gravedad del área total resultante.
Las reglas de las que dispone el motor de inferencia de
un sistema difuso pueden ser formuladas por expertos,
o bien aprendidas por el propio sistema, haciendo uso
en este caso de redes neuronales para fortalecer las
futuras tomas de decisiones.
Los datos de entrada suelen ser recogidos por
sensores, que miden las variables de entrada de un
sistema. El motor de inferencias se basa en chips
difusos, que están aumentando exponencialmente su
capacidad de procesamiento de reglas año a año.

5.
Aristóteles Platón George Berkeley David Hume
Bertrand Russell Jan Łukasiewicz Max Black Lotfi Asker Zadeh

11.
A comienzos de los años 80, especialmente en Japón,
empezaron a aparecer múltiples aplicaciones comerciales
relacionadas con la Lógica Difusa. Es por esto que Japón se
convirtió en el centro de investigación tanto académica como
industrial de los sistemas difusos. Ejemplos claros del desarrollo
que indicamos los podemos observar en controles de la
manufactura del cemento, en procesos de purificación del
agua.

12.
• La principal ventaja de este sistema de control es su facilidad
de implementación.
•Este tipo de sistemas están dando muy buenos resultados en
procesos no lineales y de difícil modelización
•El modo de funcionamiento es similar al comportamiento
humano.
•Es una forma rápida y económica de resolver un problema.
•No se necesita conocer el modelo matemático que rige su
funcionamiento.

13.
•En las redes neuronales se precisa de un tiempo de aprendizaje
para obtener los mejores resultados en la salida.
•Ante un problema que tiene solución mediante un modelo
matemático, obtenemos peores resultados usando Lógica Difusa