PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE ESMERALDAS

P.U.C.E.S.E

ESCUELA: INGENIERÍA DE SISTEMAS Y COMPUTACIÓN.

MATERIA: APLICACIONES DIFUSAS.

TEMA: SISTEMAS DE CONTROL.

ESTUDIANTE: BONE KEVIN.

NIVEL: NOVENO.

DOCENTE: ING. NEVÁREZ ROBINZÓN RONNIE E.

SISTEMAS DE CONTROL

INTELIGENTE

1. RESEÑA HISTORICA

ANTECEDENTES

Estamos atravesando actualmente un periodo histórico especial, hace 2 millones de años, una cierta especie

de mamíferos (seres humanos) usó por primera vez una rama como herramienta. Aquel mamífero descubrió

que una rama es una especie de brazo, pero que es más efectiva para golpear. Se inventaron las

herramientas, comenzando con brazos artificiales (palos) y puños artificiales (piedras). Con las herramientas,

las personas pudieron actuar con mayor eficiencia. Empezaron a tener una vida mejor y más fácil. Pero estas

herramientas todavía eran movidas por un músculo natural y las guiaba un cerebro natural. El segundo evento

histórico, que se produjo hace 200años aproximadamente, es el que conocemos como la revolución

industrial. La fuerza biológica fue reemplazada por el movimiento realizado por una fuerza artificial (vapor);

nació la máquina. Las herramientas, ahora movidas por una fuerza manufacturada, resultaron ser más fuertes

y más rápidas que las que eran movidas por músculos. De esta manera, la habilidad de actuar del hombre

resultó muchísimo mayor que antes, tanto en calidad como en cantidad. El estándar de vida avanzó en forma

importante. Pero aún esta combinación de brazo artificial y de fuerza artificial era dirigida por un cerebro

natural.

1. RESEÑA HISTORICA

CREACIÓN DE LOS SISTEMAS DE CONTROL INTELIGENTE

Hoy en día, los seres humanos están equipando a las máquinas

con cerebros artificiales. Estas máquinas trabajarán para

nosotros; esta fuerza de trabajo masiva es la que causará una

disminución de las horas de trabajo y un considerable

incremento de la calidad de vida. Existen tres tipos de

máquinas inteligentes: máquinas para tareas específicas para

robots, y cerebros de computadoras.………………………………………….

1. RESEÑA HISTORICA

Génesis (1943-1955)

• McCulloch y Pitts (1943) proponen un modelo constituido por

neuronas artificiales. Mostraron,

entre otras cosas, que los conectores lógicos podrían

implementarse usando redes sencillas

• Hebb (1949) propuso y demostró una sencilla regla que permitía

que redes adecuadamente definidas pudiesen aprender

• Turing (1950) introduce el test que debería pasar un computador

para considerarse inteligente: la prueba de Turing

• Minsky y Edwards (1951) construyen el SNARC, el primer

hardware neuronal

PENSANDO COMO HUMANOS

• ¿Cómo piensan los humanos?

Introspección

Experimentos psicológicos

• Ciencia cognitiva

Combina técnicas de IA y psicología para construir teorías

sobre el modo de pensar de los humanos

• Una vez establecidas teorías sobre la forma de pensar humana, se traduce a

un programa

GPS (General Problem Solver)

Los pasos del razonamiento del GPS deberían ser análogos a la traza

del pensamiento humano cuando resuelve los mismos problemas.

ACTUANDO RACIONALMENTE

• Concepto de Agente Inteligente

• Deben cumplir dos objetivos:

° Ser capaces de percibir su entorno.

° actuar racionalmente de acuerdo con el entorno percibido

»Requiere razonar (lógicamente)

»Actuar a partir de las conclusiones obtenidas

»No siempre usan inferencia lógica (actos reflejos)

“Sistemas de Control Inteligente son

sistemas capaces de adoptar

comportamientos que, si fuesen

realizados por seres humanos no

dudaríamos en calificar de inteligentes”

¿QUÉ SON ?

FUNDAMENTOS

CONTROL INTELIGENTE

– Sistema que tiene la habilidad para actuar de

forma apropiada en un entorno incierto

– Inteligencia=Proceso de análisis, organización y

conversión de datos en información estructurada

(conocimiento)

– Sustitución a la mente humana en la toma de

decisiones, planificación y aprendizaje.

– Utiliza de forma combinada técnicas de

Inteligencia Artificial, Investigación Operativa y

Control.

– Capacidad del sistema de asemejar el

comportamiento de alguno de sus elementos a

alguna de las cualidades cognoscitivas del

comportamiento humano, como el aprendizaje,

el razonamiento simbólico, la planificación o la

adaptación a un medio cambiante.

Características de los sistemas de

Control Inteligente

Nacen de la interacción directa con el proceso que evoluciona en el tiempo: Sistema de tiempo

real. Tiempo de respuesta garantizado

– Operación continua

– Gestión de eventos asíncronos

– Razonamiento temporal

– Razonamiento no monotónico

– Razonamiento con incertidumbre y datos incompletos

– Eficiencia computacional

– Interfaz con otros componentes: Acceso a datos de E/S, acceso a bases de

datos, interfaz de usuario, etc.

TÉCNICAS DEL CONTROL

INTELIGENTE

Sistemas expertos en tiempo real

– Sistemas de control basados en reglas

– Control basado en modelos

– Diagnóstico de fallos

– Planificación

• Control borroso o difuso (fuzzy control)

• Control con redes neuronales

• Técnicas de optimización no convencionales

– Algoritmos genéticos

• Aprendizaje

APLICACIONES DE LOS SISTEMAS EXPERTOS

• Enseñanza asistida: aprendizaje de la operación de un proceso

• Control de proceso: directo o supervisor (principalmente)

• Ejecución de planes de emergencia, mantenimiento o seguridad

• Asistencia a la toma de decisiones

• Detección de averías

• Control de calidad

• Industrias

– Plantas nucleares

– Plantas petrolíferas e industrias químicas

– Plantas de fermentación

– Análisis de sensores

CONTROL DIFUSO (FUZZY CONTROL)

• Modelado de conceptos ambiguos o que no están bien definidos

• Pretende incorporar la experiencia del operador.

• Tipo especial de sistema basado en el conocimiento.

• Utilización de lógica específica.

• Multitud de aplicaciones

– Control de hornos de cemento

– Control de procesos de depuración de aguas

– Control de tráfico

– Conducción automática de trenes

– Productos domésticos: aire acondicionado, lavadoras, cámaras de video,

cámaras fotográficas, etc.

Control con Redes Neuronales

• Inspirado en redes biológicas.

• Aprendizaje implícito

• Ajuste de los parámetros para minimizar una cierta función de coste

• Utilizadas inicialmente para modelos experimentales

• Utilización de topologías específicas de control