Modelado borroso basado en aprendizaje inductivo para sistemas de control

Resumo

El control principal de este trabajo es proponer una metodologia para el modelado de sistemas dinámicos, basado en tecnicas de aprendizaje inductivo y realizado mediante logica borrosa, Esta metodologia permite realizar, de una forma automática, la adquisición de conocimiento a partir de un conjunto de datos experimentales. Dicho conocimiento se alcanza mediante clasificacion (clustering), es decir, mediante un aprendizaje no supervisado que separa las observaciones en clases. Esta adquisicion automatica de conocimiento puede ocasionar una falta de comprension de lo que ocurre en el sistema, por lo que uno de los objetivos de la modelizacion propuesta es la transperencia e interpretabilidad de los modelos. Esa es la razón principal para la codificacion del conocimiento adquirido como un conjunto de reglas SI-ENTONCES, con el formato de mamdani, formato que permite una gran transparencia de los modelos. Los modelos reflejan el de una forma sencilla e intituitiva el comportamiento del sistema, y estan orientados hacia su utilizacion, principalmente, en el area de control(Control borroso basado en modelos o "Perception Based Modelling" según la expresión de L. Zadeh). Dos de los metodos(los basados en los algoritmos de aprendizaje ID3 y EG2) permiten la simplificacion de los modelos a traves de una selección de aquellas variables de entrada que posean una mayor revelancia. Esta simplificación puede realizarse de forma objetiva o subjetiva, ya que el segundo metodo de simplificacion permite la modificacion del peso de las variables de entrada según el criterio del usuario, lo que le añade una caracteristica de flexibilidad al proceso de modelado. Para su aplicación se han utilizado dos plantas: el robot autonomo RAM, desarrollado en la Universidad de Malaga y un proceso de depuracion de agua modelado ya por Sugeno y Takagi. Los metodos propuestos han sido implantados en una herramienta informatica realizada en C y compati