623301191 fuzzi logic 1 1

El Capítulo 2
Lógica difusa












2.1 Introducción

El mundo real es complejo; esta complejidad se produce generalmente por la incertidumbre. Hu- mans inconscientemente han sido capaces de abordar las complejas y ambiguas, y problemas inciertos gracias al don de pensar. Este proceso de pensamiento es posible porque hu- mans no necesita la descripción completa del problema, ya que tienen lacapacidad de razonar. Con el advenimiento de las computadoras y su incremento en compu- tación, los ingenieros y los científicos están cada vez más interesados en la creación de métodos y técnicas que les permiten a los equipos de la razón con la incertidumbre.
Teoría clásica se basa en el concepto fundamental de un conjunto , en el que las personas son un miembro o no miembro. La fuerte ynítida, y ambigua distinción entre un miembro y un miembro para un conjunto bien definido de entidades en esta teoría, y hay una muy precisa y clara delimitación para indicar si la entidad pertenece a un conjunto. Así pues, en teoría clásica un elemento no se le permite estar en un conjunto (1) o no de un conjunto (0) al mismo tiempo. Esto significa que muchos problemas del mundo real no puede sermanejado por la teoría de conjuntos. Por el contrario, la teoría de conjuntos difusos- conceptos valores de pertenencia parcial  f 2 Œ0; C1 , y por lo tanto, en un sentido generaliza la teoría clásica en cierta medida.
Como el Profesor Lotfi A. Zadeh sugiere por su principio de incompatibilidad: "Cuanto más cerca de un problema del mundo real, el más débil se convierte en la solución", y por lo tanto,im- precisión y complejidad se correlacionan [ 1]. Complejidad es inversamente proporcional a la comprensión que podemos tener de un problema o el sistema. Cuando el pequeño complejidad es de- claraciones, cerrado de las formas son suficientes para describir los sistemas. Sistemas más complejos necesitan métodos tales como redes neuronales que pueden reducir alguna incertidumbre. Cuando lossistemas son tan complejos que sólo unos pocos datos numéricos existen y la mayoría de esta información es vaga y difusa razonamiento puede utilizarse para manipular esta información.



2.2 Aplicaciones Industriales

Las imprecisiones de modelos difusos es bastante alto. Sin embargo, cuando la precisión es evidente, sistemas difusos son menos eficientes que los algoritmos más precisos en la


P.Ponce-Cruz , F. D. Ramirez-Figueroa , Sistemas de Control Inteligente con LabVIEW™  9
© Springer 2010

Nosotros con la mejor comprensión del sistema. En los ejemplos siguientes, se explica cómo muchas industrias han tomado ventaja de la teoría difusa [ 2].
Ejemplo 2.1 . Mitsubishi fabrica una borrosa del acondicionador de aire. Mientras que aire acondicionado convencionales utilizancontroladores de conexión/desconexión que trabajar y dejar de trabajar en un rango de temperaturas, el Mitsubishi máquina tiene la ventaja de reglas fuzzy; la ma- chine opera como un resultado más suave. La máquina es maltratado por los cambios repentinos de estado, más consistente de la temperatura, y se consume menos energía. Estos se publicó por primera vez en 1989. ut

Ejemplo 2.2 . Fisher,Sanyo, Panasonic, Canon borrosas las cámaras de video. Estos tienen un estabilizador digital de imagen para quitar temblor de la mano y la cámara de vídeo pueden determinar el mejor enfoque y el relámpago. Toma de decisiones Difusa es utilizado para controlar estas acciones. La imagen de hoy es en comparación con el cuadro anterior en la memoria, se detectan objetos estacionarios, y su cambio lascoordenadas se calculan. Este cambio se sustrae de la imagen para compensar el temblor de la mano. ut

Ejemplo 2.3 . Fujitec y Toshiba tienen un sistema difuso que evalúa el tráfico de pasajeros y el ascensor variables para determinar coche anuncio y tiempo de parada. Esto ayuda a reducir el tiempo de espera y mejora la eficiencia y fiabilidad de los sistemas. La patente de este tipo de sistema se...