Conjuntos borrosos

Los conjuntos borrosos son extensiones de conjuntos clásicos a los que se les añade una
función de pertenencia con un número del 0 al 1. De esta manera se introduce el concepto de
conjunto y se lo puede asociar a un valor lingüístico.

Por cada conjunto se define una función de pertenencia uA(x).

Ejemplo donde el conjunto velocidad (con variable x) está subdividido en 3 subconjuntos {Baja,
Media, Alta}, con sus respectivas funciones de membresía {uBaja(x) uMedia(x) uAlta(x)}

Funciones de membresía

Las funciones de membresía representan el grado de pertenencia de un elemento a un

subconjunto definido por una etiqueta.

A continuación se presentan varios tipos de funciones:

A continuación se presenta la estructura de los sistemas difusos

Fuzzificación

Consiste en una transformación de un dato o de un conjunto clásico a su correspondiente

conjunto difuso. La transformación se produce mediante el uso de un operador de
fuzzificación F, Passino.

Base de reglas

Son proposiciones que permiten expresar el conocimiento que se dispone sobre la

relación entre antecedentes y consecuentes, es decir, la edición de esta base determina
cual será el comportamiento del controlador difuso, lo cual emulará el conocimiento y
experiencia del operario y su acción de control.

Este tipo de reglas se encuentran en diversas tablas tanto como para controladores y
modelos que afectará a todo el sistema.

Mecanismo de inferencia difusa

El mecanismo de inferencia difusa en el núcleo de cualquier controlador difuso que se
quiera elaborar, esto es porque aquí se deriva una acción de control necesaria que
corresponde un determinado conjunto difuso de llegada y tiene como salida una
respuesta conforme a lo esperado por un operario.
Existen diversos modelos de inferencia difusa de los que sobresalen los siguientes:

Defuzzificacion

La defuzzificacion es un proceso de mapeo de un conjunto difuso a un elemento de

conjunto numérico clásico.
Para este proceso no existe un algoritmo óptimo, sin embargo se han desarrollado varias
aproximaciones como:

El defuzzificador centro de gravedad (COG): especifica la salida y∗ como el centro del área
cubierta por la función de membresía del conjunto difuso B, y esta es dada por:

Defuzzificador centro promedio: El defuzzificador centro promedio determina la salida clásica

ycrisp q usando los centros de cada salida de la funciones de membresía. El valor óptimo o
máximo de cada conclusión es representada mediante el conjunto difuso implicado:

Tipos de sistemas difusos:

Se han utilizado dos diferentes tipos de sistemas en varias aplicaciones, estos son tipo
Mamdani y Takagi-Sugeno.

Tipo Mamdani
Es un modelo matemático complejo el cuál tiene las siguientes aproximaciones:
Utiliza las siguientes aproximaciones:
“Sistemas difusos con base de reglas difusas, mecanismos de inferencia tipo producto,
fuzzificador singlenton y defuzzificador centro promedio”.
Tipo Takagi-Sugeno
El modelo difuso de Takagi-Sugeno (también conocido como modelo TKS) fue propuesto por
Takagi, Sugeno y Kang , en un esfuerzo para formalizar un método sistemático para generar
reglas difusas a partir de un conjunto de datos de entradas y salidas. Una típica regla difusa en
el modelo de Sugeno tiene la forma: