covid
Buscar en
Revista Iberoamericana de Automática e Informática Industrial RIAI
Toda la web
Inicio Revista Iberoamericana de Automática e Informática Industrial RIAI Análisis de estabilidad de controladores borrosos tipo Mamdani mediante el cál...
Información de la revista
Vol. 12. Núm. 4.
Páginas 446-456 (octubre - diciembre 2015)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Visitas
4089
Vol. 12. Núm. 4.
Páginas 446-456 (octubre - diciembre 2015)
Open Access
Análisis de estabilidad de controladores borrosos tipo Mamdani mediante el cálculo del exponente de Lyapunov
Stability analysis of fuzzy controllers through the computation of the Lyapunov Exponent
Visitas
4089
Leonardo-Alonso Martínez Riveraa, Omar López-Ortegab,
Autor para correspondencia
lopezo@uaeh.edu.mx

Autor para correspondencia.
, Omar-Arturo Domínguez Ramírezc
a Universidad Autónoma del Estado de Hidalgo
b Área Académica de Computación y Electrónica
c Carretera Pachuca-Tulancingo, Km 4.5, Mineral de la Reforma, Hidalgo, México
Este artículo ha recibido

Under a Creative Commons license
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Resumen

Determinar la estabilidad de los controladores, ya sea mediante simulaciones o mediante técnicas analíticas, es vital en su diseño e implantación. El método analítico de estabilidad en el sentido de Lyapunov requiere encontrar una función candidata, como criterio suficiente pero no necesario para tal fin. Esta función candidata es elusiva para los controladores borrosos. Se propone, como posible solución a este problema, cuantificar la estabilidad de los controladores borrosos mediante el exponente de Lyapunov (EL) calculado numéricamente. Las series de tiempo de la cuales se calculan los exponentes de Lyapunov son obtenidas de la salida de diversos controladores borrosos tipo Mamdani en lazo cerrado con la dinámica de la planta no lineal estabilizada en una región de operación admisible. Los experimentos fueron llevados al cabo mediante la implantación del método numérico en la plataforma MATLAB, integrándolo con datos provenientes de la simulación de diversos controladores borrosos. La planta a controlar es el sistema carro-péndulo invertido modelado con la formulación Euler Lagrange. En cada experimento se obtuvo la serie de tiempo correspondiente a la señal de control y se calculó el exponente de Lyapunov. Aunque se observan variaciones en magnitud, el exponente calculado resulta negativo en todos los casos. Esto indica que los controladores difusos tipo Mamdani empleados son sistemas disipativos. Como trabajo futuro se esboza el empleo del EL en control adaptable.

Palabras clave:
Estabilidad
Exponente de Lyapunov
Control Borroso
Bases de Reglas Mamdani
Series de Tiempo
Abstract

In order to design and implement any type of controller, their stability analysis is pivotal. At this regard, Lyapunov's analytical method consists in finding a candidate function as a sufficient but not necessary condition to validate the stability of the controller. In the case of fuzzy controllers such a candidate function is not always found, leading to an uncertainty about their stability. To overcome this problem, we propose to employ the Lyapunov Exponent in order to determine whether fuzzy controllers are stable. The Lyapunov exponent is calculated through a numerical method on the time series obtained experimentally by having the fuzzy controller in closed loop with the plant dynamics. In this paper, the plant is the inverted pendulum, which is a benchmark plant to test complex control laws. Sixteen experiments were carried by modifying the rule base structure of Mamdani fuzzy controllers, which were also tested under normal and disturbed conditions. In all the cases, the Lyapunov Exponent is negative, indicating that the analyzed Mamdani controllers are indeed dissipative systems. Future applications on adaptive control are presented because the Lyapunov serves as a quantitative metric to determine controllers’ performance.

Keywords:
Stability Analysis
Lyapunov Exponent
Fuzzy Controllers
Mamdani Rule Base.
Referencias
[Al-Hadithi, 2007]
B.M. Al-Hadithi, F. Matía, A. Jiménez.
Análisis de estabilidad de sistemas borrosos.
Revista Iberoamericana de Autom´tica e Informatica Industrial, 4 (2007), pp. 7-25
[Aracil and Gordillo, 2005]
J. Aracil, F. Gordillo.
El péndulo invertido: Un desaf´o para el control no lineal.
Revista Iberoamericana de Autom´tica e Informatica Industrial, 2 (2005), pp. 8-19
[Awrejcewicz and Kudra, 2005]
J. Awrejcewicz, G. Kudra.
Stability analysis and lyapunov exponents of a multi-body mechanical system with rigid unilateral constraints.
Nonlinear Analysis. Theory, Methods and Applications, 63 (2005), pp. 909-918
[Beyn and Lust, 2009]
W.-J. Beyn, A. Lust.
A hybrid method for computing lyapunov exponents.
Numerische Mathematik, 113 (2009), pp. 357-375
[Brown et al., 1991]
R. Brown, P. Bryant, H.-D. Abardabel.
Computing the lyapunov spectrum of a dynamical system from an observed time series.
Physical Reviews A, 43 (1991), pp. 2787-2806
[Brujin et al., 2012]
S.M. Brujin, D. j. Bregmn, O.G. Meijer, P.J. Beek, J.H. van Dien.
Maximum lyapunov exponents as predictors of global gait stability: A modelling approach.
Medical Enginnering and Physics, 34 (2012), pp. 428-436
[Burkholder et al., 2015]
Burkholder, B. Michael, S. Litster.
Stabilization of power electrolyte fuel cell voltage with reduced-order lyapunov exponent feedback and corrective pressure perturbations.
Journal of Power Sources, 275 (2015), pp. 408-418
[Dieci and Van Vleck, 2005]
L. Dieci, E.S. Van Vleck.
On the error in computing lyapunov exponents by qr methods.
Numerische Mathematik, 101 (2005), pp. 619-642
[Eckmann and Ruelle, 1992]
J.P. Eckmann, D. Ruelle.
Fundamental limitations for estimating dimensions and lyapunov exponents in dynamical systems.
Physica D: Nonlinear Phenomena, 56 (1992), pp. 185-187
[Haykin and Veen, 2003]
Haykin, S., Veen, B.V., 2003. Señales y Sistemas. Limusa Wiley, México.
[Kantz, 1994]
H. Kantz.
A robust method to estimate the maximal lyapunov exponent of a time series.
Physical Letters A, 185 (1994), pp. 77-87
[Lin et al., 1993]
Z.-S. Lin, J. Liu, X.-H. Hua, F.-Q. Zhang.
Lyapunov exponent model of long term forecast.
Chaos, Solitons and Fractals, 3 (1993), pp. 431-437
[M.A., 2005]
M., A., L.M., S., 2005. Local lyapunov exponents and characteristics of fixed periodic points embedded within a chaotic attractor. Journal of Zhejiang University Science 6A, 296-304.
[Maus and Sprott, 2013]
A. Maus, J. Sprott.
Evaluating lyapunov exponent spectra with neural networks. chaos.
Solitons and Fractals, 51 (2013), pp. 13-21
[Oberst and Lai, 2015]
S. Oberst, J. Lai.
A statistical approach to estimate the lyapunov spectrum in disc break squeal.
Journal of Sound and Vibratioin, 334 (2015), pp. 120-135
[Ogata, 1987]
Ogata, K., 1987. Dinámica de Sistemas. Prentice Hall, México.
[Rosenstein et al., 1993]
M.T. Rosenstein, J.J. Collins, C.J. De Luca.
A practical method for calculating largest lyapunov exponents from small data sets.
Physica D: Nonlinear Phenomena, 65 (1993), pp. 117-134
[Santos et al., 2012]
O. Santos, L. Rodríguez-Guerrero, O. López-Ortega.
Experimental results of a control time delay system using optimal control.
Optimal control. Applications and Methods, 33 (2012), pp. 100-113
[Verdejo et al., 2012]
H. Verdejo, L. Vargas, W. Kliemann.
Stability of linear stochastic systems via lyapunov exponents and applications to power systems.
Applied Mathematics and Computation, 18 (2012), pp. 11021-11032
[Wadduwage et al., 2013]
D.P. Wadduwage, C. Qiong Wu, U.D. Annakage.
Power system transient stability analysis via the concept of lyapunov exponents.
Electric Power System research, 104 (2013), pp. 183-192
[Wolf et al., 1985]
A. Wolf, J.B. Swift, H.L. Swinney, J.A. Vastano.
Determining lyapunov exponents from a time series.
Physica D: Nonlinear Phenomena, 16 (1985), pp. 285-317
[Wu et al., 2005]
Q. Wu, N. Sepehri, P. Sekhavat, S. Peles.
On design of continuous lyapunov's feedback control.
Journal of the Franklin Institute, 342 (2005), pp. 702-723
[Yang and Wu, 2010]
C. Yang, Q. Wu.
On stability analysis via lyapunov exponents calculated from a time series using nonlinear mapping.
Nonlinear Dynamics, 59 (2010), pp. 239-257
[Yang et al., 2013]
C.J. Yang, W.D. Zhu, G.X. Ren.
Approximate and efficient calculation of dominant lyapunov exponents of high-dimensional nonlinear dynamic systems.
Commun Nonlinear Sci Numer Simulat, 18 (2013), pp. 3271-3277
[Yen and Langari, 1999]
Yen, J., Langari, R., 1999. Fuzzy Logic: Intelligence, control and information. Pearson, USA.
[Yen-chi’ien, 1986]
Yen-chi’ien, 1986. Theory of Limit Cycles. American Mathematical Society, USA.
[Zhang et al., 2004]
J. Zhang, K. Lam, W. Yan, H. Gao, Y. Li.
Time series prediction using lyapunov exponents in embedding phase space.
Computers and Electrical Engineering, 30 (2004), pp. 1-15
Descargar PDF
Opciones de artículo