Ir al contenido

Documat

Metodología formal de análisis del comportamiento dinámico de sistemas no lineales mediante lógica borrosa

  • Antonio Javier Barragán [1] ; Basil Mohammed Al-Hadithi [2] ; José Manuel Andújar [1] ; Agustín Jiménez [2]
    1. [1] Universidad de Huelva

      Universidad de Huelva

      Huelva, España

    2. [2] Universidad Politécnica de Madrid

      Universidad Politécnica de Madrid

      Madrid, España

  • Localización: Revista iberoamericana de automática e informática industrial ( RIAI ), ISSN-e 1697-7920, Vol. 12, Nº. 4, 2015, págs. 434-445
  • Idioma: español
  • DOI: 10.1016/j.riai.2015.09.005
  • Títulos paralelos:
    • Formal methodology for analyzing the dynamic behavior of nonlinear systems using fuzzy logic
  • Enlaces
  • Resumen
    • español

      Tener la capacidad para analizar un sistema desde un punto de vista dinámico puede ser muy útil en muchas circunstancias (sistemas industriales, biológicos, económicos,. ..). El análisis dinámico de un sistema permite conocer su comportamiento y la respuesta que presentará a distintos estímulos de entrada, su estabilidad en lazo abierto, tanto local como global, o si está afectado por fenómenos no lineales, como ciclos límites o bifurcaciones, entre otros. Si el sistema es desconocido o su dinámica es lo suficientemente compleja como para no poder obtener un modelo matemático del mismo, en principio no sería posible realizar un análisis dinámico formal del sistema. En estos casos la lógica borrosa, y más concretamente los modelos borrosos de tipo Takagi-Sugeno (TS), se presentan como una herramienta muy poderosa de análisis y diseño. Los modelos borrosos TS son aproximadores universales tanto de una función como de su derivada, por lo que permiten modelar sistemas no lineales en base a datos de entrada/salida. Puesto que un modelo borroso es un modelo matemático formalmente hablando, a partir del mismo es posible estudiar aspectos de la dinámica del sistema real que modela tal como se hace en la teoría de control no lineal. En este artículo se presenta una metodología para la obtención de los estados de equilibrio de un sistema no lineal, la linealización exacta de su modelo borroso de estado completamente general, el estudio de la estabilidad local de los equilibrios a partir de dicha linealización, y la utilización de la metodología de Poincare para el estudio de órbitas periódicas en modelos borrosos. A partir de esa información, es posible estudiar la estabilidad local de los estados de equilibrio, así como la dinámica del sistema en su entorno y la presencia de oscilaciones, obteniéndose una valiosa información del comportamiento dinámico del sistema.

    • English

      Having the ability to analyze a system from a dynamic point of view can be very useful in many circumstances (industrial systems, biological, economical, . . .). The dynamic analysis of a system allows to understand its behavior and response to different inputs, open loop stability, both locally and globally, or if it is affected by nonlinear phenomena, such as limit cycles, or bifurcations, among others. If the system is unknown or its dynamic is complex enough to obtain its mathematical model, in principle it would not be possible to make a formal dynamic analysis of the system. In these cases, fuzzy logic, and more specifically fuzzy TS models is presented as a powerful tool for analysis and design. The TS fuzzy models are universal approximators both of a function and its derivative, so it allows modeling highly nonlinear systems based on input/output data. Since a fuzzy model is a mathematical model formally speaking, it is possible to study the dynamic aspects of the real system that it models such as in the theory of nonlinear control.

      This article describes a methodology for obtaining the equilibrium states of a generic nonlinear system, the exact linearization of a completely general fuzzy model, and the use of the Poincaré’s methodology for the study of periodic orbits in fuzzy models. From this information it is possible to study the local stability of the equilibrium states, the dynamics of the system in its environment, and the presence of oscillations, yielding valuable information on the dynamic behavior of the system.

  • Referencias bibliográficas
    • Abraham, R. H., Shaw, C. D., 1997. Dynamics: The Geometry of Behavior. Aerial Press, Incorporated.
    • Al-Hadithi, B. M., Jiménez, A., Matía, F., Andújar, J. M., Barragán, A. J., Aug. 2014. New concepts for the estimation of Takagi-Sugeno model...
    • Al-Hadithi, B. M., Jiménez Avello, A., Matía, F., Sep. 2012. New methods for the estimation of Takagi–Sugeno model based extended Kalman filter...
    • Andújar, J. M., Aroba, J., Torre, M. L. d. l., Grande, J. A., Jan. 2006. Contrast of evolution models for agricultural contaminants in ground...
    • Andújar, J. M., Barragán, A. J., Sep. 2005. A methodology to design stable nonlinear fuzzy control systems. Fuzzy Sets and Systems 154 (2),...
    • Andújar, J. M., Barragán, A. J., Apr. 2014. Hybridization of fuzzy systems for modeling and control. Revista Iberoamericana de Automática...
    • Andújar, J. M., Barragán, A. J., Al-Hadithi, B. M., Matía, F., Jiménez, A., Aug. 2014a. Stable fuzzy control system by design. En: Matía,...
    • Andújar, J. M., Barragán, A. J., Al-Hadithi, B. M., Matía, F., Jiménez, A., Aug. 2014b. Suboptimal recursive methodology for Takagi-Sugeno...
    • Andújar, J. M., Barragán, A. J., Gegúndez, M. E., Oct. 2009. A general and formal methodology for designing stable nonlinear fuzzy control...
    • Andújar, J. M., Bravo, J. M., Mar. 2005. Multivariable fuzzy control applied to the physical-chemical treatment facility of a cellulose factory....
    • Andújar, J. M., Bravo, J. M., Peregrín, A., Dec. 2004. Stability analysis and synthesis of multivariable fuzzy systems using interval arithmetic....
    • Angelov, P., Buswell, R., Oct. 2002. Identification of evolving fuzzy rule-based models. IEEE Transactions on Fuzzy Systems 10 (5), 667–677....
    • Angelov, P. P., Filev, D. P., Feb. 2004. An approach to online identification of Takagi-Sugeno fuzzy models. IEEE Transactions on Systems,...
    • Aroba, J., Grande, J. A., Andújar, J. M., De La Torre, M. L., Riquelme, J. C., Sep. 2007. Application of fuzzy logic and data mining techniques...
    • Babuška, R., Mar. 1995. Fuzzy modeling - a control engineering perspective. En: Proceedings of FUZZ-IEEE/IFES’95. Vol. 4. Yokohama, Japan,...
    • Babuška, R., Verbruggen, H. B., Mar. 1995. A new identification method for linguistic fuzzy models. En: Proceedings of FUZZ-IEEE/IFES’95....
    • Barragán, A. J., Al-Hadithi, B. M., Jiménez, A., Andújar, J. M., May 2014. A general methodology for online TS fuzzy modeling by the extended...
    • Bezdek, J. C., Ehrlich, R., Full, W. E., 1984. FCM: The fuzzy c-means clustering algorithm. Computers and Geosciences 10 (2-3), 191–203. DOI:...
    • Chua, L. O., Desoer, C. A., Kuh, E. S., 1987. Linear and nonlinear circuits. McGraw-Hill series in electrical and computer engineering: Circuits...
    • Denaï, M. A., Palis, F., Zeghbib, A. H., Jun. 2007. Modeling and control of nonlinear systems using soft computing techniques. Applied Soft...
    • Grande, J. A., Andújar, J. M., Aroba, J., De La Torre, M. L., Beltrán, R., Apr. 2005. Precipitation, pH and metal load in AMD river basins:...
    • Horikawa, S.-I., Furuhashi, T., Uchikawa, Y., Sep. 1992. On fuzzy modeling using fuzzy neural networks with the back-propagation algorithm....
    • Jang, J.-S. R., May 1993. ANFIS: adaptive-network-based fuzzy inference system. IEEE Transactions on Systems, Man, and Cybernetics 23 (3),...
    • Jiménez, A., Aroba, J., de la Torre, M. L. d. l., Andújar, J. M., Grande, J. A., 2009. Model of behaviour of conductivity versus pH in acid...
    • Kosko, B., Nov. 1994. Fuzzy systems as universal approximators. IEEE Transactions on Computers 43 (11), 1329–1333. DOI: 10.1109/12.324566
    • Kreinovich, V., Hguyen, H. T., Yam, Y., Jun. 2000. Fuzzy systems are universal approximators for a smooth function and its derivatives. International...
    • Levenberg, K., 1944. A method for the solution of certain problems in least squares. En: Quart. Appl. Math. Vol. 2. pp. 164–168.
    • López-Baldán, M. J., García-Cerezo, A., Cejudo, J. M., Romero, A., Apr. 2002. Fuzzy modeling of a thermal solar plant. International Journal...
    • Marquez, H. J., 2003. Nonlinear control systems. Analysis and design. John Wiley & Sons, Inc.
    • Mencattini, A., Salmeri, M., Salsano, A., Aug. 2005. Sufficient conditions to impose derivative constraints on MISO Takagi–Sugeno fuzzy logic...
    • Moré, J. J., 1977. The Levenberg-Marquardt algorithm: Implementation and theory. En: Watson, G. (Ed.), Numerical Analysis. Springer Verlag,...
    • Nguyen, H. T., Sugeno, M., Tong, R. M., Yager, R. R., 1995. Theoretical aspects of fuzzy control. John Wiley Sons, New York, NY, USA.
    • Nijmeijer, H., Schaft, A. v. d., 1990. Nonlinear dynamical control systems. Springer Verlag, Berlin.
    • Sastry, S., 1999. Nonlinear system: analysis, stability, and control. Springer, New York.
    • Slotine, J.-J. E., Li, W., 1991. Applied nonlinear control. Prentice-Hall, NJ.
    • Takagi, T., Sugeno, M., 1985. Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems,...
    • Wang, L.-X., 1992. Fuzzy systems are universal approximators. En: IEEE International Conference on Fuzzy Systems. San Diego, CA, USA, pp....
    • Wang, L. X., 1994. Adaptive fuzzy systems and control. Prentice Hall, New Jersey.
    • Wang, L.-X., 1997. A course in fuzzy systems and control. Prentice Hall, New Yersey, USA.
    • Wiggins, S., Oct. 2003. Introduction to Applied Nonlinear Dynamical Systems and Chaos, 2nd Edición. Texts in Applied Mathematics. Springer.
    • Wong, L., Leung, F., Tam, P., Jul. 1997. Stability design of TS model based fuzzy systems. En: IEEE International Conference on Fuzzy Systems....
Fundación Dialnet

Mi Documat

Opciones de artículo

Opciones de compartir

Opciones de entorno