Sistemas Neuro_difuso Estado Del Arte

7/21/2019 Sistemas Neuro_difuso Estado Del Arte

1/16

Estudiante: Junior Figueroa OlmedoTelef: 0979156804

SISTEMAS DE CONTROL NEURO-DIFUSOS ESTADO DELARTE

Resumen. La fusin de las !edes "euronales #rti$%iales &!"#' ( los)istemas de *nferen%ia +ifusos &F*)' ,an atra-do el inters %re%iente dein/estigadores en di/ersas reas %ient-$%as ( de la ingenier-a de2ido a la%re%iente ne%esidad de los sistemas inteligentes de ada3ta%in 3araresol/er los 3ro2lemas del mundo real. na !ed "euronal #rti$%ial a3rendedesde %ero mediante el auste de las inter%oneiones entre las %a3as. n)istema de *nferen%ia +ifuso es un mar%o 3o3ular de la informti%a 2asadoen el %on%e3to de la teor-a de %onuntos difusos reglas difusas sienton%es( el raonamiento difuso. Las /entaas de una %om2ina%in de las !"# (

los F*) son o2/ias.Eisten /arios enfoues 3ara integrar las !"# ( los F*) ( mu( a menudode3ende de la a3li%a%in. En este do%umento se ,a%e una %lasi$%a%in (e3li%a%in en trminos generales de esta integra%in en tres %ategor-as:modelo %on%urrente modelo %oo3erati/o ( modelo integrado. El estudio seenfo%ar ms en el anlisis del sistema neurodifuso integrado ti3o #"F*)%itando las /entaas ( des/entaas ue 3resenta este modelo ,-2ridoadems se indi%arn los tra2aos ue ,an /enido desarrollando /ariasuni/ersidades del E%uador en este %am3o in/estiga%in ( el tra2ao ue se

3retende realiar %omo 3ro(e%to de titula%in.

1. INTRODUCCIN

n sistema "euro+ifuso es un mar%o 3o3ular 3ara resol/er 3ro2lemas%om3leos. )i se tiene %ono%imiento e3resado en reglas ling;-sti%as se3uede %onstruir un )istema de *nferen%ia +ifuso ( si %uenta %on los datoso se 3uede a3render el %om3ortamiento de un sistema a 3artir de una

simula%in &entrenamiento' enton%es se 3uede utiliar las !edes"euronales.


2/16


al%anado sus de%isiones. En %am2io los )istemas +ifusos los %ualesraonan %on informa%in im3re%isa a tra/s de un me%anismo deinferen%ia 2ao in%ertidum2re ling;-sti%a son 2uenos e3li%ando susde%isiones 3ero no 3ueden aduirir automti%amente las reglas ue usan

3ara tomarlas.El anlisis anterior re/ela ue los in%on/enientes rela%ionados %on estosenfoues 3are%en %om3lementarios ( 3or tanto es natural %onsiderar la%onstru%%in de un sistema ,-2rido ue %om2ine am2os %on%e3tos =1>. Lossistemas neurodifusos integrados %om2inan la %a3a%idad de a3rendiaede las !edes "euronales #rti$%iales %on el 3oder de inter3reta%inling;-sti%a de los )istemas de *nferen%ia +ifusos o2tenindose lossiguientes resultados:

#3li%a2ilidad de los algoritmos de a3rendiae desarrollados 3araredes neuronales.


3/16


Figu! 1?odelo Boo3erati/o "euro+ifuso =14>.En un modelo %on%urrente la red neural a(uda al sistema difuso%ontinuamente &o /i%e/ersa' 3ara determinar los 3armetros ne%esarios

es3e%ialmente si las /aria2les de entrada del %ontrolador no se 3uedenmedir dire%tamente. Tales %om2ina%iones no o3timian el sistema difuso3ero a(udan a meorar el rendimiento del sistema en general. Ela3rendiae tiene lugar slo en la red neural ( el sistema difuso semantiene sin %am2ios durante esta fase =14>. En algunos %asos las salidasdifusas 3ueden no ser dire%tamente a3li%a2les al 3ro%eso. En ese %aso lared neural 3uede a%tuar %omo un 3ost3ro%esador de salidas difusas. LaFigura @ re3resenta un modelo neurodifuso %on%urrente en donde losdatos de entrada son alimentados a una red neural ( la salida de la redneuronal se 3ro%esa adi%ionalmente 3or el sistema difuso.

Figu! 2?odelo Bon%urrente "euro+ifuso =14>.

". SISTEMAS NEURO-DIFUSOS INTE#RADOS

n sistema neurodifuso integrado %onsiste de un sistema difusotradi%ional &ti3o ?amdani o TaCagi )ugeno' e%e3to ue %ada eta3a3uede ser re3resentada 3or una %a3a de neuronas a las ue se 3uede3ro/eer %a3a%idades de a3rendiae de redes neuronales 3ara o3timiar el%ono%imiento del sistema.

En un modelo integrado los algoritmos de a3rendiae de la red neuronalse utilian 3ara determinar los 3armetros de los sistemas de inferen%ia

A


4/16


difusos. na forma %omDn de a3li%ar un algoritmo de a3rendiae so2re unsistema difuso es re3resentar este en una aruite%tura es3e%ial de redesneuronales. )in em2argo los algoritmos de a3rendiae %on/en%ionales delas redes neuronales &des%enso de gradiente' no se 3ueden a3li%ar

dire%tamente a un sistema %omo las fun%iones utiliadas en el 3ro%eso deinferen%ia ue son 3or lo general no diferen%ia2les. Este 3ro2lema 3uedea2ordarse mediante el uso de fun%iones diferen%ia2les en el sistema deinferen%ia o no usando el algoritmo de a3rendiae neuronal estndar =14>.

Eisten diferentes /ariantes de los modelos integrados neurodifusos&?amdani o TaCagi )ugeno' ue ,an ido a3are%iendo a medida ue se ,aido 3rofundiando en la in/estiga%in diseo e im3lementa%in de estosnue/os sistemas de %ontrol inteligente. Entre los mtodos integrados msdesta%ados en esta rea se tienen:

#da3ti/e "etorC Gased Fu( *nferen%e )(stem "F*)' =A>. Fu( #da3ti/e Learning Bontrol "etorC &F#LBO"' =4>. Heneralied #33roimate !easoning Gased *ntelligent Bontrol

&H#!*B' =5>. "euroFu( Bontroller &"EFBO"' =6>. "euroFu( Blassi$%ation &"EFBL#))' =7>. "euroFu( Fun%tion #33roimation &"EF. )elf Bonstru%ting "eural Fu( *nferen%e "etorC &)O"F*"' =10>. Fu( "et &F"' =11>. E/ol/ing Fu( "eural "etorCs &EFu""' =1@ 1A>. +(nami% E/ol/ing Fu( "eural "etorCs &dmEFu""s' >=1A>. mu%,os otros =14 15 16 17>

En el 3resente do%umento referente al estado del arte solo se /a ,a%erreferen%ia al modelo #"F*) 3uesto ue /a ,a%er o2eto de estudio ein/estiga%in en un 3osterior tra2ao de titula%in.

".1 A$!%&i'e Ne&()* +!se$ Fu,, Ineen/e Ss&em 0ANFIS

El mtodo #"F*) modela un sistema de inferen%ias difuso en el %ual sus3armetros se austan mediante un algoritmo de a3rendiae 3orretro3ro3aga%in &redes neuronales' 2asndose en un %onunto de datosde entradaKsalida &datos de entrenamiento' lo %ual le 3ermite al sistemaa3render.

#"F*) im3lementa un sistema de inferen%ia difusa TaCagi )ugeno =A 18> (tiene una aruite%tura formada 3or seis %a3as %omo se muestra en la

4


5/16


Figura A una /ersin modi$%ada de #"F*) se muestra en la Figura 4. Lafun%in detallada de %ada %a3a es %omo sigue:

C!%! 1 0/!%! $e en&!$!"o se realia ningDn %l%ulo en esta%a3a. Bada nodo en esta %a3a &ue %orres3onde a una /aria2le de

entrada' slo transmite los /alores de la entrada a la siguiente %a3adire%tamente. El 3eso de enla%e en la %a3a 1 es la unidad.

C!%! 2 0/!%! $e usi3/!/i4n Bada nodo en esta %a3a%orres3onde a una etiueta ling;-sti%a &e%elente 2ueno et%.'referente a una de las /aria2les de entrada en la %a3a 1. En otras3ala2ras el enla%e de salida re3resenta el /alor de 3ertenen%ia uees3e%i$%a el grado en ue un /alor de entrada 3ertene%e a un%onunto difuso. n algoritmo de agru3amiento de%idir el nDmeroini%ial ( el ti3o de fun%in de 3ertenen%ia ue se asignar a %ada

una de las /aria2les de entrada. Las formas $nales de las fun%ionesde 3ertenen%ia sern austadas %on ea%titud durante el a3rendiaede la red

Figu! ")istema neurodifuso TaCagi )ugeno.

5


6/16


Figu! 5#ruite%tura #"F*) im3lementada %on un sistema de inferen%ia difusoTsuCamoto.

C!%! " 0/!%! $e !n&e/e$en&e $e 6! eg6!n nodo en esta%a3a re3resenta la 3arte ante%edente de una regla.


7/16


El mtodo #"F*) utilia el a3rendiae 3or retro3ro3aga%in 3aradeterminar los 3armetros de la 3remisa &3ara a3render los 3armetrosrela%ionados %on las fun%iones de 3ertenen%ia' ( la estima%in de m-nimos%uadrados 3ara determinar los 3armetros %onsiguientes. n 3aso en el

3ro%edimiento de a3rendiae tiene dos 3artes: En la 3rimera 3arte los3atrones de entrada se 3ro3agan ( los 3armetros %onsiguientes 3timosson estimados mediante un 3ro%edimiento iterati/o de m-nimos%uadrados mientras los 3armetros de la 3remisa son asumidos ue se$an 3ara el %i%lo a%tual a tra/s de %onunto de entrenamiento. En lasegunda 3arte los 3atrones se 3ro3agan de nue/o ( en esta 3arte laretro3ro3aga%in se utilia 3ara modi$%ar los 3armetros de la 3remisamientras ue los 3armetros %onsiguientes 3ermane%en $os. Este3ro%edimiento es luego iterati/o =14>.

En la Figura 5 se muestra un eem3lo sen%illo de la im3lementa%in de un#"F*). En la %a3a de fusi$%a%in %ada fun%in de 3ertenen%ia de entradadel ante%edente de una regla difusa re3resenta una neurona. Los3armetros de estas neuronas %omo los /rti%es de las fun%iones de3ertenen%ia 3ueden ser entrenados 3ara determinar la forma $nal ( lau2i%a%in de las fun%iones de 3ertenen%ia.

Figu! 7Eem3lo ilustrati/o de un sistema neurodifuso ti3o #"F*). =19>

7


8/16


En la $gura 5 el grado de 3ertenen%ia ue indi%a la %ertea de I1 esgrandeM es 0.6 I1 es medianoM es 0.4 ( I1 es 3eueoM es 0.0. Lassalidas de estas neuronas fun%iones de 3ertenen%ia son %one%tadas a la

%a3a de reglas difusas %omo lo es3e%i$uen las reglas difusas ( a tra/sde enla%es %on 3esos ue re3resentan el 3ro%eso de agrega%in de las/aria2le ling;-sti%as de entrada =19>.

La %a3a de reglas difusas re3resenta la 2ase de reglas difusas %adaneurona re3resenta una regla difusa de ti3o SI-ENTONCES. Las salidas delas neuronas estn %one%tadas a la %a3a de defusi$%a%in a tra/s deenla%es %on 3esos los 3esos de estos enla%es re3resentan la signi$%an%iarelati/a de las reglas aso%iadas %on las neuronas. )us /alores 3ueden ser

asignados de a%uerdo al %ono%imiento a 3riori o ini%ialiados %omo 1.0 (luego entrenadas 3ara reNear su im3ortan%ia real 3ara las fun%iones de3ertenen%ia de salida %ontenidas en la %a3a de defusi$%a%in.

La fun%in de la %a3a de defusi$%a%in es la e/alua%in de las reglas eneste %ada %onse%uente Entonces Y es B%omo fun%in de 3ertenen%ia desalida re3resenta una neurona la %ertea de %ada %onse%uente es%al%ulada ( es %onsiderada %omo lo 2ien ue se austan las reglas uetienen el mismo %onse%uente &3ro%eso de agrega%in del resultado'. Los3esos de %ada enla%e de salida de estas neuronas re3resentan los %entros

de rea de %ada fun%in de 3ertenen%ia del %onse%uente ( sonentrena2les la salida $nal es enton%es %al%ulada usando algDn mtodo dedefusi$%a%in =19>.

5. SISTEMAS DE CONTROL DESARROLLADOS MEDIANTE MODELOSNEURO-DIFUSOS TIPO ANFIS POR UNIVERSIDADES NACIONALESDEL ECUADOR

La in/estiga%in en sistemas neurodifusos a ni/el interna%ional es un%am3o altamente e3lorado a%tualmente de2ido a la ne%esidad %ada /ema(or de automatiar ( o3timiar 3ro%esos adems de realiara3li%a%iones inno/adoras.

# ni/el na%ional /arias uni/ersidades ,an in%or3orado en los 3rogramasanal-ti%os de %iertas %arreras de *ngenier-a el estudio de estos sistemas de%ontrol inteligente. +entro del rea de *ngenier-a de Bontrol *nteligentedesde ,a%e /arios aos se ,an desarrollado di/ersas tesis ( estudios dein/estiga%in referentes a los sistemas difusos redes neuronales

algoritmos genti%os entre otros o2tenindose grandes resultados ue,an a3ortado %ono%imiento a%admi%o ( %ient-$%o. "o o2stante ,asta la

8


9/16


a%tualidad el %am3o de a3li%a%in de los modelos neurodifusos so2re lossistemas de %ontrol de 3ro%esos no ,a sido mu( e3lorado.

?ediante un 3ro%eso de re%o3ila%in 2i2liogr$%a &3ginas ele%trni%as' (%onsultando los re3ositorios digitales de algunas uni/ersidades del 3a-s se

,a determinado ( en%ontrado los siguientes tra2aos enmar%ados dentrode la a3li%a%in de los sistemas neurodifusos ti3o #"F*) &%a2e men%ionarue 3ueden eistir otros':

1. !e%ono%imiento de %ara%teres manus%ritos 3or medio de redesneurales ( neurodifusas arti$%iales Es%uela .

5. #3li%a%in del modelo an$s a la sintetia%in de notas musi%ales (seales de /o Es%uela .

8. Bontrol de tr$%o /e,i%ular usando un sistema neurodifuso ti3o#"F*) Es%uela


10/16


Bomo es notorio no eisten mu%,as 3u2li%a%iones so2re sistemas de%ontrol neurodifusos 3ero %omo (a se men%ion anteriormente eistenmu%,os tra2aos de in/estiga%in referentes a los sistemas de %ontrolinteligentes 3ero ue ,an utiliado t%ni%as de %ontrol en forma indi/idual

&lgi%a difusa redes neuronales arti$%iales algoritmos genti%os et%'.

7. PROPUESTA DE PROYECTO DE TITULACIN PARA LA MAESTR9ADE DISE:O; PRODUCCIN Y AUTOMATI


11/16


Figu! 8)istema T!?) &Tin !otor ?imo )(stem'.En un ,eli%3tero normal la fuera aerodinmi%a es %ontrolada %am2iandoel ngulo de ataue de los rotores. El T!?) est %onstruido de forma ueel ngulo de ataue es $o. La fuera aerodinmi%a se %ontrola /ariando la/elo%idad de los rotores.


12/16


Figu! =)istema de %ontrol neurodifuso ti3o #"F*) a3li%ado so2re el sistema

T!?).REFERENCIAS

=1> ). ?itra and . Ua(as,i "euroFu( !ule Heneration: )ur/e( in )oftBom3uting FrameorCV *EEE Transa%tions on "eural "etorCs Rol ** "o.A. 33. 748W 768 @000.

=@> G. XosCo "eural "etorCs and Fu( )(stems: # +(nami%al )(stems#33roa%, to ?a%,ine *ntelligen%e +. "au%C and !. Xruse "EFBO"*: #n IQindo Gased )imulator for"eural Fu( Bontrollers. *n +. "au%C and !. Xruse "EFBL#)): # "euroFu( #33roa%, for t,eBlassi$%ation of +ata *n


13/16


=8> +. "au%C +. and !. Xruse "euroFu( )(stems for Fun%tion#33roimation Fu( )ets and )(stems 101 33. @61W@71 1999.

=9> ). Tano T. O(ama and T. #rnould +ee3 %om2ination of Fu( *nferen%eand "eural "etorC in Fu( *nferen%e Fu( )ets and )(stems 8@&@' 33.

151W160 1996.

=10> J.B. Feng and L.B. Teng #n Online )elf Bonstru%ting "eural Fu(*nferen%e "etorC and its #33li%ations *EEE Transa%tions on Fu()(stems Rol 6 "o.1 33. 1@WA@ 1998.

=11> ).?. )ul2erger ".". Ts%,i%,olgHurman ).J. Restli F":O3timiation of Fu( !ule Gased )(stems sing "eural "etorCs *n ". Xasa2o/ E/ol/ing Fu( "eural "etorCs W #lgorit,ms#33li%ations and Giologi%al ?oti/ation *n amaCaa T and ?atsumoto H&Eds' ?et,odologies for t,e Bon%e3tion +esign and #33li%ation of )oftBom3uting Qorld )%ienti$% 33. @71W@74 1998.

=1A> ". Xasa2o/ and ). Pun +(nami% E/ol/ing Fu( "eural "etorCs it,moutofn #%ti/ation "odes for Online #da3ti/e )(stems Te%,ni%al!e3ort T!99K04 +e3artment of information s%ien%e ni/ersit( of Otago"e ealand 1999.

=14> #. #2ra,am E/o"F: # FrameorC for O3timiation of Fu( *nferen%e)(stems sing "eural "etorC Learning and E/olutionar( Bom3utationT,e 17t, *EEE *nternational )(m3osium on *ntelligent Bontrol *)*BV0@ *EEE #. Xandel P.. ,ang and U. GunCe # Heneti% Fu( "eural "etorCfor ?. ?iumoto and ). an # "e #33roa%, of "eurofu( Learning#lgorit,m *ntelligent U(2rid )(stems: Fu( Logi% "eural "etorCs andHeneti% #lgorit,ms !uan + &Ed.' Xluer #%ademi% P.. ,ang and #. Xandel Bom3ensator( "eurofu( )(stems it,Fast Learning #lgorit,ms *EEE Transa%tions on "eural "etorCs Rol 9 "o.1 33. 8AW105 1998.

=18> . TsuCamoto #n #33roa%, to Fu( !easoning ?et,od Hu3ta ?.?. et

al &Eds.' #d/an%es in Fu( )et T,eor( and #33li%ations 33. 1A7W1491979.

1A


14/16


=19> B,a,uara Puis3e Jos Barlos Bontrol neurodifuso a3li%ado a unaHrDa Torres. Tesis W ni/ersidad "a%ional ?a(or de )an ?ar%os Fa%ultadde *ngenier-a Ele%trni%a E# J. #l2ua !e%ono%imiento de %ara%teres manus%ritos 3or medio de

redes neurales ( neurodifusas arti$%iales Tesis Es%uela ?. )ando/al ( O. Puintero ?odelo de red #n$s 3ara el simulador del%om3ortamiento dinmi%o de un 2iorea%tor en Fed Gat%, %onstruido a3artir del modelo 3ro3uesto 3ara o2ser/ar el %om3ortamiento os%ilatoriode las (momonas mo2ilis Tesis Es%uela J. B,i%aia +*)ESO E *?


15/16


Barrera de *ngenier-a en Ele%trni%a #utomatia%in ( Bontrol )angolu-E%uador @011.

=@9> Feed2a%C *nstruments Tin !otor ?*?O )(stem Bontrol E3eriments


16/16


Figu! =Esuema sim3li$%ado del sistema T!?) =@9>.

16

Documents

Sistemas Neuro_difuso Estado Del Arte