logica dif

Tema 4. Ejemplo Control Difuso

IA – Inteligencia Artificial
5o inform´atica
http://ccia.ei.uvigo.es/docencia/IA
enero 2011

– FJRP 2011 ccia IA –

Tareas t´ıpicas en el dise˜
no desistemas basados en
l´
ogica difusa

1. Identificar las variables del dominio
Variables ”de estado”: describen las entradas del sistema
Variables ”de control”: describen las salidas del sistema

2.Identificar los t´erminos ling¨
u´ısticos vinculados a cada variable y sus
respectiva definici´on
Definir las ”particiones difusas” de cada variable (etiquetas ling¨
u´ısticas).
Definir lasfunciones grado de verdad asociadas a cada etiquetas ling¨
u´ısticas.
Habitualmente se pretender´a que las particiones definidas ”cubran” la totalidad
del espacio de valores de las distintas variablesEs recomendable que exista solapamiento.

3. Construir las reglas difusas que correspondan. (crear la representaci´
on simb´
olica)
Habitualmente se hace uso de las FAM (Fuzzy AssociationMatrix).
Se crea una FAM para cada variable ”de control”, vinculando las posibles
combinaciones de las variables ”de estado” (antecedente) con una de sus
etiquetas ling¨
u´ısticas (consecuente).

4.Seleccionar la implementaci´
on y los par´ametros de los operadores
difusos a utilizar. (parametrizar el ”funcionamiento
num´
erico”)

m´ınimo + m´aximo
producto + suma acotada
b) Implementaci´on implicaci´
on difusa (→): Mindani, Kleene, Larsen, etc
c) Implementaci´
on del modus ponens difuso: max-min
a) Implementaci´
on conectivas difusas (∧, ∨ , ¬):

Activaci´
on de reglas:normalmente se considerar´a que una regla difusa se activa si el grado
de verdad de su antecedente es ¿0.

d) Agregaci´
on de las salidas de las reglas difusas (OR): m´aximo, suma acotada,
...
e)Operadores de fuzzyficaci´
on (singleton, triangular, ...) y desfuzzyficacion (centro de masas, media m´aximos, ...)

– FJRP 2011 ccia IA –

1

Ejemplo: control difuso de una calefacci´
on...