SISTEMA DE CONTROL INTEGRADO NEUROFUZZY - PowerPoint PPT Presentation

1 / 81
About This Presentation
Title:

SISTEMA DE CONTROL INTEGRADO NEUROFUZZY

Description:

Sistema de control h brido paralelo que utiliza como herramientas principales la ... patr n o un punto de operaci n dados, con los costos en tiempo de entrenamiento ... – PowerPoint PPT presentation

Number of Views:412
Avg rating:3.0/5.0
Slides: 82
Provided by: AndresMan4
Category:

less

Transcript and Presenter's Notes

Title: SISTEMA DE CONTROL INTEGRADO NEUROFUZZY


1
SISTEMA DE CONTROL INTEGRADO NEUROFUZZY
  • LEANDRO G. BARAJAS M.
  • MARIA DEL PILAR BARON D.

UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
2
CONTENIDO
  • Introducción
  • Fundamentos Teóricos
  • Desarrollo del proyecto
  • Aplicación
  • Conclusiones

3
Introducción
  • Sistema de control híbrido paralelo que utiliza
    como herramientas principales la FUZZY LOGIC y
    las REDES NEURONALES en aplicaciones
    industriales.

4
Fundamentos Teóricos
5
FUZZY LOGIC
Qué es ?
  • Es una extensión de la lógica convencional,
  • proporciona un marco conceptual adecuado
  • para soportar el problema de la representación
  • del conocimiento en un entorno de
  • incertidumbre e imprecisión.

6
Características
  • No necesita modelamiento matemático
  • Utiliza descripciones lingüísticas
    autoexplicatorias como alto, nunca,
    frecuentemente, probablemente, etc.
  • Se basa en el comportamiento del sistema y en la
    experiencia del operario
  • Basados en palabras y no en números
  • Análogo (ambiguo) y no digital (si/no)
  • La representación del conocimiento en fuzzy logic
    se basa en semánticas test-score
    (prueba-calificación)
  • Aplicaciones
  • fdfaddress schedule implications

7
Comparación entre lógica crisp y fuzzy logic
8
Ventajas
  • Menor requerimiento de valores, reglas y
    decisiones
  • Mayor cantidad de variables observadas son
    evaluadas
  • Relaciona entradas a salidas indistintamente
  • El diseñador del sistema no necesita saber nada
    del trabajo antes de empezar
  • Simplifican la representación y la adquisición
    del conocimiento
  • Alta velocidad de respuesta
  • Probada eficiencia
  • Elevada capacidad de aprendizaje
  • Fácil adaptabilidad a diferentes procesos

9
Desventajas
  • Es difícil desarrollar el modelo de un sistema
    fuzzy
  • Requieren mayor simulación
  • Necesitan ajustes después de ser puestos en
    operación
  • Relativamente alto costo del sistema de
    desarrollo
  • Poca flexibilidad en los programas de
    implantación de sistemas expertos, cuando se
    desea cambiar un valor particular en una regla
  • Tendencia en favor de la precisión matemática y
    en los modelos lineales

10
Aplicaciones
  • Control Industrial
  • Industria automóvilistica
  • Industria aeroespacial
  • Aparatos eléctricos
  • Estimación e identificación de parámetros
  • Toma de decisiones

11
Implementación sistemas fuzzy logic
12
Control Fuzzy Logic
  • Se utiliza en controladores por su simplicidad
  • No requiere de constructores matemáticos
    complejos, permitiendo diseñar mediante la
    descripción del funcionamiento con lenguaje
    natural
  • Facilita las tareas de prueba y mantenimiento del
    sistema
  • Controla procesos que requieren decisión humana
  • Para realizar un control fuzzy, se necesita
    establecer relaciones fuzzy IF-THEN llamadas
    reglas de control.

13
Estructura Controlador Fuzzy
14
REDES NEURONALES
  • Red mono o multicapa de nodos (elementos
  • computacionales) y enlaces o arcos utilizados
  • para el reconocimiento de patrones,
    clasificación,
  • y otros problemas no numéricos

15
NEURONA
16
Estructura de una red neuronal artificial
  • Unidades de procesamiento (la neurona artificial)
  • Estado de activación de cada neurona
  • Patrón de conectividad entre neuronas
  • Regla de propagación
  • Función de trasferencia
  • Regla de activación
  • Regla de aprendizaje

17
Topología de las redes neuronales
  • Redes Monocapa
  • Redes Multicapa

18
Ventajas
  • Presentan un gran número de características
    similares al cerebro humano
  • Son capaces de aprender de la experiencia
  • Generalizan los casos anteriores a nuevos casos
  • Abstraen características esenciales a partir de
    entradas que representan información irrelevante

19
Desventajas
  • Cantidad de tiempo en la selección y preparación
    de los datos de entrenamiento
  • Tiempo en el proceso de entrenamiento
    computadores de alta velocidad
  • La necesidad de entrenar la red con todos los
    patrones nuevamente, cuando se quiere cambiar un
    patrón o un punto de operación dados, con los
    costos en tiempo de entrenamiento

20
RED HÍBRIDA NEURO-FUZZY (RHND)
  • Combinación entre redes neuronales artificiales y
    controladores fuzzy. Resaltan las ventajas y
    soslayen las desventajas de las técnicas
    individuales
  • Toman su topología de las Redes Neuronales
    Artificiales (RNA) preservando los nodos que
    desarrollan una función simple, pero intercalan
    capas de nodos con funciones internas más
    complejas como funciones de pertenencia e
    implicación

21
Comparación característicasRedes
Neuronales-Fuzzy Logic
  • Procesamiento paralelo de información
  • Capacidad de aprendizaje supervisado, sobre la
    base de ejemplos
  • Conocimiento a posteriori a través del proceso de
    aprendizaje
  • Limitado por la capacidad del procesador fuzzy
  • A nivel de la inferencia lógica
  • Opera sobre la base de reglas de inferencia que
    presuponen un conocimiento a priori

22
  • El procesamiento de información es no lineal
    debido a que las funciones de selección son
    sigmoides o escalonadas
  • A causa de la utilización de perceptrones
    elementales redundantes es posible construir
    redes neuronales tolerantes a fallas
  • Adaptivo, permite utilizar el grado de precisión
    requerido por una aplicación y cambiarlo de una
    aplicación a otra
  • Un sistema de fuzzy logic puede operar sobre la
    base de Etiquetas lingüísticas, lo cual hace que
    estos sistemas sean inherentemente robustos

23
Ventajas RHND respecto al un Sistema Experto
  • Capacidad de aprendizaje
  • Disponibilidad de algoritmos de entrenamiento
    supervisado
  • Menor tiempo de inferencia por la capacidad de
    procesamiento en paralelo
  • La facilidad de programación

Principal Desventaja
  • Capacidad limitada de explicación

24
Estructura general de un sistema Neuro-Fuzzy
25
PASOS DE DESARROLLO SISTEMAS NEURO-FUZZY
  • 1. Obtención de los datos de entrenamiento. Cada
    conjunto de datos da un valor de salida de
    ejemplo para una combinación de variables de
    entrada.
  • 2. Creación del sistema fuzzy logic. Empleando la
    experiencia de los usuarios y los datos de
    muestra.

26
  • 3. Definición del aprendizaje Neuro-Fuzzy
  • Se seleccionan las partes del sistema que el
    módulo Neuro-Fuzzy puede modificar y se pueden
    excluir partes del sistema de aprendizaje
  • Si se han definido reglas por experiencia como
    parte del sistema fuzzy logic inicial estas
    pueden ser utilizadas para el aprendizaje

27
  • 4. Selección del método de aprendizaje.
  • Supervisado. El proceso de aprendizaje se realiza
    mediante un entrenamiento controlado por un
    revisor externo que determina la respuesta que
    debería generar a partir de una entrada
    determinada
  • No supervisado. la red no recibe ninguna
    información del entorno para modificar sus pesos,
    y se puede decir que se pueden autoorganizar.

28
  • 5. Fase de entrenamiento. Se seleccionan y
    modifican las reglas y funciones de membresía
    hasta minimizar el error
  • 6. Optimización y verificación. Por medio de
    analizadores lógicos, herramientas de desarrollo
    de software y hardware y pruebas in situ se
    verifica la correcta operación del sistema y por
    métodos numéricos se realizan diferentes tipos de
    optimización.

29
(No Transcript)
30
Desarrollo del Proyecto
31
Sistema de Control Integrado Neuro-FuzzySCINEF
32
(No Transcript)
33
Fuzzy Logic
34
Procesador Fuzzy Logic
  • AL220

35
Características
  • Máximo 4 entradas análogas con valor entre 0.5 y
    4.5 V
  • Máximo 4 salidas análogas con valor entre 0.5 y
    4.5 V, se pueden realimentar externa o
    internamente a las entradas obteniéndose de esta
    forma 8 entradas
  • Memoria EEPROM para almacenar las funciones y los
    parámetros de las reglas
  • Unico sistema de desarrollo en fuzzy logic que
    maneja funciones de membresía flotante
  • Se puede realizar derivadas, contadores y PWM's
  • El integrado es reprogramable

36
Funcionamiento
  • 1. Las 4 entradas análogas son digitalizadas por
    un conversor A/D de 8 bits
  • 2. Son latcheadas hacia el comparador
    (fuzzificador) que compara las entradas con las
    funciones de membresía para hallar los valores
    digitales desde los términos de las variables
    fuzzy

37
  • 3. El comparador realiza el cálculo de los
    máximos y mínimos para determinar cual es la
    regla ganadora
  • 4. Por último, en el modo de salida
    (defuzzificador) se determina el valor de la
    acción de la regla ganadora y se efectúa la
    reconstrucción de la señal a través del conversor
    D/A para las 4 salidas análogas

38
INSIGTH IIe
Sistema de desarrollo para el procesador Fuzzy AL
220
39
Características INSIGTH IIe
  • Programador, simulador y emulador en tiempo real
    del procesador fuzzy AL220
  • Asignación del nombre a cada una de las entradas
    y salidas
  • Definición de las funciones de membresía
  • Se pueden tener hasta 111 variables las cuales se
    definen por centro, ancho y tipo de función
  • El centro y el ancho pueden ser fijos o flotantes
  • Se pueden tener 56 reglas con 56 variables fuzzy,
    las que son adicionadas utilizando AND

40
  • La salida de las regla puede ser inmediata o
    acumulativa ya sea fija o flotante
  • La simulación se puede hacer con ecuaciones o con
    datos de prueba
  • Velocidad de emulación puede ser modificada desde
    1MHz hasta 20MHz.
  • Se puede observar el comportamiento del sistema
    en la simulación de diferentes formas ya sea
    gráficamente, en matriz o alfanumérico
  • Modo STAND ALONG, en el cual no es necesaria la
    conexión al computador ya que se puede almacenar
    el programa en la EEPROM

41
Pasos de diseño
  • 1. Tabulación de los datos tomados del sistema e
    interpretación numerica de los aportes hechos por
    el operario experto
  • 2. Adaptación de la data para poder ser aplicada
    al microcontrolador AL220
  • 3. Clasificación de los datos para definir las
    funciones de membresía

42
  • En software
  • 4. Definición de reglas sencillas
  • 5. Comprobación paso a paso del funcionamiento a
    través del simulador
  • 6. Combinación y depuración de reglas para
    obtener un funcionamiento óptimo
  • En Hardware
  • 7. Emulación aplicando entradas reales y
    observando el comportamiento de las salidas
  • 8. Finalmente, programación AL220

43
Respuesta Procesador Fuzzy
44
Red Neuronal
45
El método empleado para el entrenamiento de la
Red fue el algoritmo simple de Back Propagation
utilizando el programa especializado Neural
Planner
46
Características Neural Planner
  • Calcula los valores de las sinapsis y del bias de
    una red de topología arbitraria sin importar el
    número de capas de hasta 256 neuronas de entrada,
    256 de salida, y 8192 - (neuronas de entrada
    neuronas de salida) de neuronas ocultas
  • Posee dos algoritmos de aprendizaje On-line Back
    Propagation y Batch Back Propagation además de
    diferentes opciones para el control del proceso
    de aprendizaje

47
  • El Neural Planner utiliza como función de
    activación la sigmoide de forma
  • F(x)1-1/(1e?x)
  • Esquema de la Red implementada

48
  • Respuesta del
  • algoritmo de
  • aprendizaje
  • back propagation

49
Respuesta de la Red Neuronal
50
Comparación Fuzzy Neural
51
Fuzzy Controller
Módulo AD/DA
Proporcionan la interface análoga de entrada y
salida con el procesador fuzzy AL220. Además se
obtienen entradas y salidas análogas de propósito
general.
Multiplexores
Se emplean a la entrada y salida para seleccionar
que señales entran o salen del o al procesador
fuzzy. Y para seleccionar las entradas al
conversor análogo-digital entre las salidas del
procesador fuzzy o del sistema completo y las
entradas análogas disponibles.
52
PC 104
Es tándar
53
MainBoard
54
Core Module
Módulo de computo principal en el cual se
implementó el control convencional y la Red
Neuronal
55
Características Core Module
  • Pequeño tamaño 45.7 x 52.1 mm
  • Microprocesador Z180
  • velocidad de reloj de 9.216 MHz o 18.432 MHz
  • 2 canales de DMA
  • 2 puertos seriales
  • 2 temporizadores programables
  • SRAM 32 Kbytes a 512 Kbytes.
  • CM7100 EPROM
  • Soporte de direccionamiento directo para
    periféricos con 6 líneas de selección de hasta 64
    direcciones cada una.
  • Baja EMI.

56
PIC 16C74A
Se utiliza como procesador paralelo esclavo y es
el encargado de la administración de periféricos
  • PC Keyboard Interface. Teclados PC de 82, 101 ó
    102 teclas.
  • Matrix Keypad 16 x 8
  • 5 Ch. 8-bit AD. Momonitorear las fuentes
  • Digital Programmable PWM. Generaración de
    señales controladas digitalmente 1.22KHz - 4MHZ
    resolución de 12-bit y ciclo útil de 0 a 100
    resolución de 10-bit.
  • I2C, SCP Interface. Para funciones de
    comunicación con protocolos de 3 hilos
    compatibles SPI (serial port interface) SSP
    (synchronous serial port)
  • SCI (USART). Serial communication interface
    provee al módulo funciones USART
  • 3 Counter/Timers.
  • Buzzer. Conección directa con el puerto de PWM
    (frecuencia variable, ciclo 50).

57
Basic I/O
Adiciona características esenciales de entrada y
salida del sistema
  • Oscilador programable de 1 MHz con divisores que
    proveen hasta 57 frecuencias entre 0.5 pulsos por
    minuto hasta 1 MHz. Con posibilidad de reloj
    externo o de software. Salidas tree-state.
  • 6 temporizadores contadores de 16 bits para
    relojes hasta de 10 MHz
  • 1 puerto paralelo para impresora.
  • 1 puerto paralelo compartido tarjeta
    inteligente, grabador/reproductor de voz o
    impresora.
  • Driver de alta corriente de 8 salidas 300 mA/30
    V.
  • Puerto auxiliar de salida compatible TTL de 4
    bits.
  • 2 led independientes de señalización de estados.
  • Interface I/O para display de cristal líquido.

58
  • Selección de periféricos 6 líneas fija de 64
    direcciones cada una, 8 líneas de selección fija
    de 4 direcciones cada uno y 20 líneas de
    selección EEPROM para selección de periféricos.
  • Bufferización las señales de control y datos del
    sistema
  • Interface I/O para display de cristal líquido.
  • Selección de periféricos 6 líneas de selección
    fija de 64 direcciones cada una, 8 líneas de
    selección fija de 4 direcciones cada uno y 20
    líneas de selección EEPROM programables para
    selección de periféricos.
  • Bufferización las señales de control y datos del
    sistema
  • Monitor de voltaje para las fuentes de 5, 12 y
    una auxiliar.
  • Protección para voltajes de polaridad inversa en
    todas sus fuentes.
  • Reset interno y externo.
  • Batería interna y externa.
  • Conector para voltaje de respaldo de memoria RAM.
  • Regulador interno de 5V _at_ 1A con monitor de
    voltaje, diodo de protección para voltajes de
    polaridad inversa, voltaje de entrada entre 7.5 a
    37 V

59
Periféricos
Dispositivos manejados por la mainboard
60
Comunicaciones
Se utilizan los 2 puertos seriales estándar del
Z180 y algunos puertos de entrada y salida para
implementar módulos multiplexados para diferentes
protocolos e interfaces
61
Puertos Seriales
  • Puerto Serial 1
  • 1 puerto serial RS232, 2 puertos half duplex 485
    y 1 puerto full duplex 485 con señalización
    CTS/RTS
  • 1 puerto para módem, TTL compatible, con selector
    de canal, PTT, RDY y CTS/RTS
  • Protección de sobrevoltaje y terminadores de
    línea para todos los puertos.
  • 2 multiplexores análogos duales de 4 canales con
    opción de ON/OFF
  • Puerto Serial 2
  • 1 puerto serial RS232 configurable como DTE o DSE
    y protección de sobrevoltaje y sobrecorriente
  • Multiplexor análogo dual de 4 canales con opción
    de ON/OFF.

62
Digital I/O
Este módulo posee dos unidades de interface
periférica programable 8255 compatibles con el
estándar industrial OPTO-22 para dispositivos de
entrada y salida tanto análogos como digitales
63
Características Módulo Digital I/O
  • Provee 48 I/O programables en puertos de 4 y 8
    bits en tres modos unidireccional I/O,
    unidireccional I/O con protocolo y bidireccional
    I/O con protocolo
  • Manejo de 4 fuentes de interrupción internas, 2
    externas y 2 canales de DMA. Estas
    interrupciones pueden ser de uso exclusivo o
    compartido
  • El estándar industrial OPTO-22 posee
    protecciones de sobrevoltaje para todas sus
    entradas y salidas, y fuentes de alimentación
    protegidas para dispositivos externos

64
Driver de alta corriente
  • Éste módulo comprende dos tipos de salidas
  • 8 interruptores de estado sólido con capacidad
    de manejar cargas inductivas de hasta 350 mA a
    30V y como contactos secos
  • 8 relevos dobles conmutables (DPDT Relays) que
    son manejados por un driver interno cada relevo
    puede manejar hasta 0.6A _at_ 110 VDC, 0.6A _at_ 125
    VAC o 1A _at_ 30VDC

65
Interface Tarjeta Inteligente
Lector universal de tarjetas inteligentes que
puede leer y escribir cualquier tipo de tarjeta
sin importar el tipo de protocolo, número de
hilos utilizados por la misma o si utiliza
encripción o no. Es compatible con cualquier
puerto paralelo.
66
Interface Módulo de vozISD 2500
Lector universal de tarjetas inteligentes que
puede leer y escribir cualquier tipo de tarjeta
sin importar el tipo de protocolo, número de
hilos utilizados por la misma o si utiliza
encripción o no. Es compatible con cualquier
puerto paralelo.
67
Características Generales
  • Utiliza el estándar PC 104 dando la posibilidad
    de adicionarle nuevos módulos al sistema de
    control
  • Tiempo de respuesta alto
  • Los integrados son de alta calidad
  • Se emplean integrados de la serie ABT por sus
    ventajas respecto a otras series

68
Aplicación
69
Generador 1MW
70
Control
  • Las variables a controlar
  • potencia generada
  • temperatura del sistema
  • corriente máxima
  • y frecuencia
  • Las variables de entrada
  • Carga
  • variación de carga
  • y temperatura equivalente

71
Parámetros del Sistema
  • La carga varia desde 0 hasta 1 MW y la potencia
    generada debe suplir esta demanda
  • La temperatura equivalente depende de las
    temperaturas de los cilindros del generador, del
    refrigerante y del ambiente.
  • La frecuencia normal de funcionamiento es de 60
    Hz 1 Hz
  • El límite de corriente máxima nominal es de 75A

72
Condiciones del Sistema
  • La carga se incrementa y la potencia no alcanza
    el requerimiento el generador se debe incrementar
    la potencia para la nueva carga
  • Si disminuye la carga, la potencia se debe
    decrementar
  • Carga es máxima y la potencia es máxima se
  • aumenta la frecuencia
  • hasta en 1 Hz
  • Cuando la carga disminuye y la potencia es
    suficiente la frecuencia es de 60.0 Hz
  • La temperatura equivalente aumenta se debe
    disminuir para evitar recalentamiento del
    generador

73
CONCLUSIONES
  • Las redes neuronales, aunque son difíciles de
    modificar debido a que su base de conocimiento se
    encuentra distribuida en todos sus elementos, son
    muy fáciles de entrenar en base modelos o
    ejemplos, es decir ya sea con aprendizaje
    supervisado o no supervisado, mientras que los
    sistemas basados en fuzzy logic son bastante
    difíciles de entrenar y afinar, aunque sus
    modificaciones son muy fáciles de realizar y el
    cambio en una regla, si este se realiza
    correctamente, no afecta para nada el
    funcionamiento total de sistema por lo cual se
    pueden localizar y corregir rápidamente cualquier
    tipo de inconveniencias en la respuesta del mismo
    sin necesidad de una reconfiguración total de la
    base de conocimientos.

74
CONCLUSIONES
  • Es vital para el entrenamiento y afinamiento
    tanto de controladores basados en fuzzy logic
    como en redes neuronales que los datos sean
    suministrados en forma coherente, es decir,
    teniendo en cuenta que no se le deben entregar
    datos ideales, libres de todo ruido o perturbación

75
CONCLUSIONES
  • Se debe procurar en lo posible que realizar las
    pruebas, estas se hagan en condiciones extremas,
    incluso aquellas a las que el sistema, se supone,
    nunca va a ser sometido para de esta manera
    asegurar que se obtendrá un sistema robusto, con
    la suficiente tolerancia a fallas de todo tipo,
    como pueden ser los errores de deriva,
    calibración o comunicaciones con los sensores o
    transductores externos e incluso en el caso de
    una posible falla total de una de las variables
    de entrada o en uno de los actuadores de salida

76
CONCLUSIONES
  • Aún cuando gran cantidad de problemas a resolver
    por medio de redes neuronales solo requieren la
    utilización de una capa oculta, por razones de
    generalización y considerando el estado actual de
    desarrollo de los recursos computacionales, es
    preferible utilizar redes con dos capas ocultas
    las cuales, teóricamente son capaces de resolver
    cualquier tipo de problema así este no sea de
    tipo lineal, tenga múltiples entradas y/o
    múltiples salidas y sus clases no sean
    linealmente separables.

77
CONCLUSIONES
  • Los resultados obtenidos demuestran que las
    implementaciones de redes neuronales mediante
    software aún cuando adolecen de una baja
    velocidad de procesamiento al ser ejecutadas en
    microcontroladores sin coprocesador matemático,
    en la mayoría de los casos son más que
    suficientes para la solución de una amplia
    variedad de problemas, sin necesidad alguna de
    realizar cambios drásticos en su estructura.

78
CONCLUSIONES
  • Existen actualmente gran cantidad de herramientas
    computacionales para utilización en problemas de
    ingeniería aplicada como son paquetes de
    simulación, procesamiento de datos, estadística,
    control de procesos, adquisición de datos, CAD,
    CAM, etc. con los cuales se pueden realizar todo
    tipo de procesos a la información que entra o
    sale de los sistemas, dando valiosa información a
    cerca de como mejorarlos y sobre todo ahorrando
    gran cantidad de tiempo en el desarrollo de
    proyectos

79
CONCLUSIONES
  • Como se mostró en el diseño y realización de este
    proyecto, las tecnologías actuales debido a su
    nivel de integración y complejidad, permiten e
    incluso, a veces, requieren, que la lógica de
    control utilizada sea muy compleja, lo que hace
    muy poco práctica la utilización de lógica
    cableada (compuertas, decodificadores, etc.
    interconectados entre si) dejando solo la opción
    de la lógica programable, la cual es una
    herramienta muy poderosa para el desarrollo de
    este tipo de proyectos.

80
CONCLUSIONES
  • En niveles básicos de ingeniería, se toman los
    componentes que se tienen a disposición y se
    adaptan para la tarea que se necesita realizar
    esto en general puede llegar a ser algo económico
    financieramente hablando pero un desperdicio
    total en tiempo. Cuando se desea realizar un
    proyecto con los más altos estándares de calidad
    no se puede recurrir a lo anteriormente
    mencionado, ya que si se considera el estadio
    actual de desarrollo de las comunicaciones y de
    los medios de transporte, el comercio con
    cualquier país del mundo se encuentra
    relativamente al alcance de la mano.

81
FIN
Write a Comment
User Comments (0)
About PowerShow.com