11

CENTRO DE CIENCIAS BÁSICAS
TESIS
DISEÑO DE UN CONTROL INTELIGENTE USANDO

TÉCNICAS DE LÓGICA DIFUSA, APLICADO A UN
BALASTRO ELECTRÓNICO
PRESENTA
Juan Pedro Cisneros Santoyo
PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS CON OPCIÓN A LA

COMPUTACIÓN, MATEMÁTICAS APLICADAS
TUTOR (ES)
Dr. Francisco Javier Álvarez Rodríguez
Dr. Luis Alejandro Flores Oropeza
COMITÉ TUTORAL
Dr. Alejandro Román Loera
Aguascalientes, Ags, Noviembre de 2016

Agradecimientos
A mi madre y padre, porque siempre me tendieron su mano cuando los necesite.
A mí amada esposa por su apoyo incondicional, tú sabes que sin ti esto no hubiera sido
posible, te amo.
A mi pequeña hija, por brindarme siempre una sonrisa en esos momentos.
A mis compañeros de maestría Mario, Jesús y Miguel por haber hecho más ameno estos
dos años.
Leopoldo Vázquez por su compañía en el laboratorio.
A mis tutores Dr. Luis Alejandro Flores, Dr. Alejandro Román y el Dr. Francisco Álvarez,
por sus atinados consejos.
A la Universidad Autónoma de Aguascalientes por todas las atenciones brindadas.
Y al Consejo Nacional de Ciencia y Tecnología (CONACYT) por el financiamiento de mis

estudios.
A todos y cada uno de ustedes gracias, ¡este logro también es suyo!
Juan Pedro C.S.

Dedicatoria
A mis padres, Leticia y Reyes,

a mi esposa e hija, Alexia y Eileen,
a mis hermanos, Jimena, Omar, Karina y Rigoberto,
porque gracias a ellos soy lo que soy
Juan Pedro C. S.
Índice General
1 Introducción .............................................................................................................. 7
1.1 Antecedentes ...................................................................................................... 7
1.2 Descripción del Problema ................................................................................... 9
1.3 Organización del trabajo ................................................................................... 11
2 Revisión de la Literatura ......................................................................................... 13

2.1 Lógica Difusa .................................................................................................... 13
2.2 Teoría de Control Difuso ................................................................................... 26
2.3 Balastro Electrónico .......................................................................................... 38
3 Metodología ............................................................................................................. 43
3.1 Balastro Electrónico .......................................................................................... 43
3.2 Diseño del Controlador Difuso........................................................................... 45
3.3 Simulación del Control Difuso ........................................................................... 51
4 Resultados ............................................................................................................... 57
4.1 Sistema Completo ............................................................................................. 57
4.2 Simulación de Referencia ................................................................................. 60
4.3 Simulación con Variación en la carga (250Ω y 400Ω)........................................ 64
5 Conclusiones........................................................................................................... 69
5.1 Trabajos Futuros ............................................................................................... 70
Glosario .......................................................................................................................... 71
Bibliografía ..................................................................................................................... 73
Anexo A. Cosimulación entre PSIM y SIMULINK ......................................................... 77
Anexo B. Acrónimos, Tablas y Figuras ........................................................................ 79

B.1 Acrónimos .......................................................................................................... 79
B.2 Índice de Tablas ................................................................................................. 81
B.3 Índice de Figuras................................................................................................ 83
1
Resumen
En la actualidad la mayoría de los sistemas son susceptibles a ser controlados, abriendo

la posibilidad de mejorar la eficiencia de estos sistemas. Este trabajo presenta el diseño e
implementación en software de dos controladores difusos, con variaciones en el número
de funciones de pertenencia al ser aplicado a un balastro electrónico, en particular el es-
tudio se ha enfocado en balastro electrónico mono-etapa. Las simulaciones se realizaron
en el software Simulink de MATLAB. Los controladores diseñados tienen como variable
de entrada el error en el voltaje salida del Filtro del CFP, la variable de salida es el cambio
del ancho del pulso (pwm) el cual determina el ciclo de trabajo del balastro electrónico.
Los parámetros de comparación son el voltaje salida promedio, y el error en mismo. Los
resultados de los controladores difusos fueron comparados con el sistema en lazo abierto.
(Palabras claves: lógica difusa, balastro, MATLAB, PWM)
3
Abstract
At present most systems are susceptible to be controlled, opening the possibility of im-
proving the efficiency of these systems. This document presents the software design and
implementation of two fuzzy controllers, with variations in the number of membership func-
tions to be applied to an electronic ballast, in particular the study has focused on mono-
stage electronic ballast. The simulations were performed in MATLAB Simulink software.
The controllers have as the voltage error e as input variables, the output variable is the
change of the pulse width (PWM) which determine the duty cycle of the electronic ballast.
Comparison parameters are average output voltage and the error therein. The results of
the fuzzy controllers were compared with the system in open loop.
(Key words: Fuzzy logic, ballast, MATLAB, PWM)
5
1 Introducción
En este capítulo se darán a conocer antecedentes importantes de la utilización sistemas

de control, así como un breve resumen de los trabajos revisados que emplean algún tipo
de control. Se plantea la problemática así como los objetivos de esta tesis.
1.1 Antecedentes
A continuación se presenta un breve resumen de los trabajos encontrados al revisar la

literatura de algunos sistemas de control aplicados ya sea a un balastro o algún otro caso
de estudio.
F. Montufar [1] presenta el diseño de un controlador por lógica difusa aplicado a un ro-
bot manipulador. El controlador difuso que se desarrollo es robusto a incertidumbres y
perturbaciones. Las pruebas experimentales y simulaciones se realizaron en un robot ma-
nipulador de dos grados de libertad. En la figura 1 se muestra el diagrama a bloques del
controlador robusto difuso.
En la tesis de D. Vélez [2] se presenta el diseño de un controlador basado en lógica

difusa para la regulación de flujo neutrónico. El caso de estudio fue sobre el comporta-
miento dinámico de un modelo simplificado de un reactor nuclear de investigación tipo
TRIGA Mark III, para lo que fueron realizados 5 controladores basados en reglas difusas.
Algunos de los resultados obtenidos es la ausencia de sobretiro en las respuestas del
sistema, además de la eliminación de los valores del período por debajo de los tres se-
gundos, lo cual mantiene las condiciones de seguridad del reactor, con lo que minimiza la
posibilidad de un corte de periodo, esto para los 5 controladores diseñados.
G. Regalado y N. Villacis [3] presentan el diseño e implementación de un controlador

difuso para un balastro electrónico de una lámpara HID-MH de 250W. Para lo cual deter-
minaron los rangos de frecuencia donde la lámpara funciona de manera estable y donde
se producían resonancias acústicas, con lo que consiguieron la región más óptima de la
planta. Emplearon un conversor CD/CD que sirvió como fuente el cual alimento a un con-
7
1 Introducción
versor CD/CA el cual genero la onda cuadrada para la lámpara, todo esto manipulado por
un controlador difuso.
Fig. 1 Diagrama a bloques del controlador robusto difuso propuesto por Montufar en [1].
En la tesis de C. M. Morcillo [4], realizo un análisis, diseño e implementación de una

nueva topología de balastro electrónico de alta eficiencia, con la característica de la co-
rrección del factor de potencia además de un control de intensidad luminosa emitida por
una lámpara, esto mediante una técnica de control inteligente. En la Fig. 2 se muestra el
prototipo de la topología del balastro electrónico diseñada con control difuso.
En el trabajo de M. A. García [5] se presenta el diseño de un controlador difuso sintoni-

zado a prueba y error para el control velocidad de un conjunto motor-generador de C.D.
por la técnica de Mamdani.
R. Jiménez [6] propone controlar el desplazamiento angular al eje de un motor de co-

rriente directa, hacia una posición deseada. El controlador difuso lo aplica en dos versio-
nes, la primera con la experiencia del usuario, la segunda con un algoritmo de optimiza-
ción genética, obteniendo buenos resultados con el último.
8
1 Introducción
Fig. 2 Diagrama completo del balastro propuesto en la tesis de Morcillo [4] para una lám-
para de 42 W, con control.
1.2 Descripción del Problema
El consumo de electricidad a nivel mundial es un tema bastante importante, ya que las

consecuencias pueden reflejarse en otros campos de la sociedad como la economía, esto
hace que la energía eléctrica sea ampliamente explotada, enfocando los esfuerzos en
obtener rendimientos óptimos en el uso de esta.
En la actualidad existe la necesidad de controlar la potencia eléctrica de diferentes sis-

temas como de iluminación, tracción, motores, etc. con lo cual, la aplicación de un sistema
de control inteligente ayuda en el funcionamiento y logra un considerable ahorro de ener-
gía [7].
El control inteligente comprende una serie de técnicas -tomadas fundamentalmente de

la inteligencia artificial- con las que se pretenden resolver problemas de control inaborda-
bles por los métodos clásicos [8].
9
1 Introducción
Existen diferentes técnicas de control inteligente, las más usadas son:
 Algoritmos genéticos
 Sistemas expertos
 Lógica difusa
 Redes neuronales
El control difuso es una técnica donde es necesario incorporar el conocimiento de un

experto dentro del diseño del mismo.
Enfocándonos en el aspecto de iluminación, se busca trabajar en un sistema de balastro

electrónico buscando mejorar la eficacia de sus consumos energéticos así como funcio-
namiento del mismo.
1.2.1 Preguntas de investigación
• ¿En qué manera afectara el número de funciones de pertenencia al desempeño

del controlador difuso?
• ¿Cuáles son las características que debe poseer un controlador difuso, para obte-
ner un mejor desempeño?
• ¿Qué ventajas tendrá la aplicación de una técnica de control difuso en un balastro

electrónico?
1.2.2 Objetivos
1.2.2.1 Objetivo general
 Diseñar e implementar controladores difusos con variaciones en las funciones per-

tenencia para evaluar y comparar su desempeño al ser aplicado a un balastro
electrónico.
10
1 Introducción
1.2.2.2 Objetivos particulares
 Implementar el controlador difuso en las herramientas computacionales, PSIM y

MATLAB.
 Comparar los resultados de estas simulaciones, para corroborar el desempeño del
control difuso.
1.3 Organización del trabajo
Este documento de tesis está divido en 6 capítulos representados de la siguiente manera:
1. Introducción. En este capítulo se presentan los antecedentes relacionados, los ob-

jetivos y las preguntas de investigación.
2. Revisión de la Literatura. En este capítulo se presentan la teoría básica de los con-
juntos, operaciones y sistemas difusos. Los antecedentes del control difuso aplica-
do a sistemas de electrónica de potencia, teoría de control y teoría general del ba-
lastro electrónico y de sus etapas.
3. Metodología. El Capítulo 3 abarca la metodología usada para el diseño del contro-
lador difuso aplicado a un balastro electrónico.
4. Resultados. En este capítulo se describen las pruebas realizadas, se analiza el
desempeño del controlador difuso y los resultados obtenidos.
5. Conclusiones. Se presentan las conclusiones y comentarios sobre el trabajo futu-
ro.
11
2 Revisión de la Literatura
El contenido de este capítulo tiene como objetivo dar una introducción básica a los con-
ceptos de la lógica difusa, conjuntos difusos y sus operaciones, además de ver la teoría
de control necesaria para el diseño de un controlador difuso y la teoría para el balastro
electrónico. El contenido se basa en varios autores Leonid R. [9], Jantzen J. [10] y por
T.J. Ross [11], Zhang, H., & Liu, D. [12], F. MacNeill & E. Thro [13], M. Rashid [14].
2.1 Lógica Difusa
El concepto de conjuntos difusos fue introducido en el año de 1965 en el artículo “Fuzzy

Sets” [15] [16] por el matemático e ingeniero Lotfi A. Zadeh, en el cual menciona que las
clases de objetos encontradas en el mundo físico real no tienen definido de manera preci-
sa un criterio de pertenencia. En este artículo Zadeh desarrolla una algebra completa para
los conjuntos difusos, aunque su aplicación no se dio sino hasta los años setentas.
La lógica difusa es una herramienta matemática que imita la manera en que los huma-
nos manejamos y procesamos la información, por lo que nos permite manejar la incerti-
dumbre de dicha información, como lo haría el cerebro humano, y tratar con juicios de
valor como: “el aire es frio” o “el agua está caliente”. Además de que las personas conta-
mos con un sentido común donde las cosas son parcialmente ciertas [10]. Los juicios de
valor son tratados como conjuntos difusos, los cuales son pasados a través de reglas del
tipo if-then para así tomar una acción, como ejemplo, Si el aire es frio entonces calentar
aire. Produciendo de esta manera uno o varios valores a su salida.
La aplicación de la lógica difusa principalmente se da en sistemas no lineales, haciendo

uso del conocimiento de los expertos en un tema en específico, para traducir el conoci-
miento del mismo a algo posible de realizar. A esto se debe su exitoso uso en diferentes
áreas de la ingeniería como: electrónica, biotecnologías, control, robótica, sistemas exper-
tos, clasificadores, matemáticas, etc.
13
2.1.1 Conjuntos Difusos
Unos de los conceptos básicos para sumergirnos en la lógica difusa, precisamente son
los conjuntos difusos, por lo que es necesario realizar una comparación con los conjuntos
clásicos.
Sea un espacio de objetos y un elemento genérico de . Un conjunto clásico

, se define como una colección de elementos u objetos , de tal manera que cada
puede pertenecer o no pertenecer al conjunto .
Al definir una función característica para cada elemento , podemos representar un

conjunto clásico por un conjunto de pares ordenados , lo que indica
, respectivamente.
A diferencia de la serie convencional mencionado, un conjunto difuso expresa el grado

en que un elemento pertenece a un conjunto. De ahí que la función característica de un
conjunto difuso se le permite tener valores entre 0 y 1, que denota el grado de pertenencia
de un elemento en un conjunto dado.
Definición 2.1 Conjuntos difusos.
Si es una colección de objetos denotados genéricamente por , entonces un conjunto

difuso en se define como un conjunto de pares ordenados:
{( )| (2.1)
donde se llama la función de pertenencia (MF “Membership Function”) para el conjunto

difuso . La "MF" mapea cada elemento de X a un grado de pertenencia (o valor de per-
tenencia) entre 0 y 1.
Obviamente, la definición de un conjunto difuso es una simple extensión de la definición

de un conjunto clásico en el que se permite la función característica de tener cualquier
valor entre 0 y 1.
14
Si el valor de la función de pertenencia se limita a 0 o 1, entonces se reduce a

un conjunto clásico y es la función característica de .
También se refieren a los conjuntos clásicos como conjuntos ordinarios, conjuntos du-
ros, conjuntos no difusos, o simplemente conjuntos.
2.1.1.1 Operaciones entre conjuntos difusos
De forma similar en los conjuntos difusos son aplicables las operaciones básicas de los
conjuntos clásicos (unión, intersección, complemento, etc… ver Fig. 3), además es posi-
ble aplicar entre ellos operadores sobre los conjuntos difusos, tal es el caso de la concen-
tración y la dilatación. Estas operaciones se definen a continuación.
Fig. 3 (a), (b) y (c) muestran los diagramas clásicos de Venn; El universo es representado
por los puntos dentro del rectángulo, y se fija por los interiores de los círculos. (d), (e) y (f)
son sus equivalentes difusos; El conjunto universal está representado por una línea hori-
zontal en Pertenecia μ = 1, y establecido por funciones de pertenencia. Las áreas som-
breadas son: la unión A ∪ B (a, d), la intersección A ∩ B (b, e) y el complemento A ∪ B (c,
f).
15
Definición 2.2 Unión.
La unión de los conjuntos difusos es el conjunto difuso , y se escribe como

∪ o , su función de pertenencia está dada por:
( ) (2.2)
Definición 2.3 Intersección.
La intersección de los conjuntos difusos es el conjunto difuso , y se escribe como

, su función de pertenencia está dada por:
( ) (2.3)
Definición 2.4 Complemento o Negación.
El complemento del conjunto difuso , denotado por , se define como:
(2.4)
2.1.1.2 Funciones de Pertenencia
Es posible representar a los conjuntos difusos graficamente mediante su función de per-

tenencia. Esto debido a que los conjuntos difusos tienen como universo de discurso (o
dominio) es continuo (no discreto). Una manera de definir una función de pertenencia es
formulando una expresión matemática que la modele. La Fig. 4 muestra algunas de las
funciones de pertenencia más usadas.
A continuación se muestran las funciones de pertenencia más comunes.
Definición 2.5 Funciones de pertenencia triangulares.
Una función de pertenencia triangular está definida por sus límites inferior (a) y superior
(b), y su valor modal (m), tal que . Estos parámetros definen los vértices de la
función de pertenencia triangular y es el valor a evaluar en la pertenencia.
16
{ (2.5)
Definición 2.6 Funciones de pertenencia trapezoidales.
Una función de pertenencia trapezoidal está definida por sus límites inferior (a) y supe-
rior (d) y los límites de su soporte, b y c, inferior y superior respectivamente, tal que
. Estos parámetros definen los vértices de la función de pertenencia trape-
zoidal y es el valor a evaluar en la pertenencia.
{ (2.6)
Definición 2.7 Funciones de pertenencia gaussianas.
Una función de pertenencia gaussiana, está definida por su valor medio y el valor
. Cuanto mayor sea el k, más estrecha es la campana. La expresión matemática que
define una función de pertenencia gaussiana tiene la siguiente forma:
(2.7)
Definición 2.8 Funciones de pertenencia difuso simple o singleton.
Son funciones de pertenencia cuyo soporte es un punto único en con

. Siendo m un valor duro particular.
17
Fig. 4 Funciones de pertenencia: (a) Trapezoidal, (b) Triangular, (c y d) Gaussianas.
2.1.2 Razonamiento Difuso y Reglas Difusas
2.1.2.1 Relaciones clásicas
El producto cartesiano de dos universos de discurso se denota como:
(2.8)
esta expresión genera un par ordenado para cada con cada , formando coinci-
dencias sin restricciones entre . Es decir, cada elemento en el universo de discurso
está relacionado completamente con cada elemento del universo .
La fuerza de esta relación es medida mediante la función característica , donde un

valor de 1 es asociado con una relación completa y un valor de 0 es asociado a ninguna
relación es decir:
{ (2.9)
18
Cuando los universos de discurso o los conjuntos son finitos, la relación puede ser re-
presentada mediante una matriz. Una relación n-ria se puede representar mediante una
matriz de relación n-dimensional.
2.1.2.2 Relaciones Difusas
El principio de extensión es un concepto básico de la teoría de conjuntos difusos que

provee un procedimiento general para extender los dominios duros de expresiones mate-
máticas a dominios difusos. Este procedimiento generaliza el mapeo uno a uno de una
función a un mapeo entre conjuntos difusos. De forma más específica, asume que es
una función de es un conjunto difuso en definido como:
(2.10)
El principio de extensión señala que la imagen de un conjunto difuso bajo el mapeo ,

puede ser expresada como el conjunto difuso , definido como:
(2.11)
es decir, el conjunto difuso puede ser definido usando los valores de en .

Si es un mapeo de muchos a uno, entonces existen , tal que
. En este caso, el grado de pertenencia de en , es el máximo
de los grados de pertenencia de en , ya que puede resultar
de , es decir:
(2.12)
Las relaciones binarias difusas son conjuntos difusos en que mapean cada uno
sus elementos a un grado de pertenencia entre 0 y 1.
19
2.1.2.3 Reglas Difusas
Es complicado el trabajar con la información que surge del mundo real debido a la im-
precisión. Por lo que abordar temas de ciertas áreas como las ciencias sociales con estas
técnicas de control lo hace sumamente complicado. Lotfi Zadeh (13) describe este pro-
blema con el principio de incompatibilidad el cual establece:
“mientras la complejidad de un sistema aumenta, la habilidad para llegar a sentencias

precisas y significativas acerca de su comportamiento disminuye, hasta llegar a un límite
más allá del cual la precisión y la relevancia se convierten en características mutuamente
exclusivas”.
Debido a esto Zadeh propone el concepto de variables lingüísticas, alternativamente

para modelar el razonamiento humano.
Definición 2.13 Variables Lingüísticas.
Una variable lingüística es caracterizada mediante la quíntupla en don-

de es el nombre de la variable; es el conjunto de términos o valores lingüísticos;
es el universo de discurso; es la regla de sintaxis que genera los términos en ;y
es una regla semántica que asocia cada valor lingüístico A con su correspondiente signifi-
cado , siendo un conjunto difuso en .
Definición 2.3.5. Reglas Difusas Si-Entonces (If-Then).
Una regla difusa o implicación difusa Si-Entonces es de la forma
(2.13)
donde A y B son valores lingüísticos definidos mediante conjuntos difusos pertenecientes

a los universos de discurso , respectivamente. A menudo la expresión “ ”, es
llamada antecedente o premisa y la sentencia “ ”, se denomina consecuente o con-
clusión.
La expresión , denotada por , describe la relación difusa

binaria entre las variables y , en espacio .
20
El razonamiento difuso es un proceso de inferencia que genera conclusiones de un con-

junto de reglas difusas y de datos conocidos. La regla básica de inferencia en la lógica
tradicional es el “modus ponens”, con el cual se puede inferir la verdad de una proposición
del valor de verdad de y de la implicación . Este concepto se muestra a conti-
nuación:
Premisa 1 (dato):
Premisa 2 (dato): ,
Consecuencia (conclusión):
En el razonamiento humano, el “modus ponens” es el empleado de una forma aproxima-
da:
Premisa 1 (dato):
Premisa 2 (dato): ,
Consecuencia (conclusión):
donde , es próximo a es próximo a .
Cuando son conjuntos difusos, el procedimiento de inferencia anterior es lla-

mado “razonamiento aproximado”, “razonamiento difuso” o “modus ponens generalizado”.
Definición 2.3.6. Razonamiento Difuso.
Sean conjuntos difusos de , y un conjunto difuso de . Suponiendo que la re-

gla difusa es expresada como una relación difusa en . Entonces el conjun-
to difuso es inducido por “ ” y la regla difusa “ ” es definida
por
[ ] [ ] (2.14)
Cuando se tiene una regla difusa con un sólo antecedente, la ecuación anterior se pue-
de simplificar de la siguiente manera:
[ ] (2.15)
es decir, se encuentra primero el grado de correspondencia , que es el máximo de

, entonces la función de pertenencia resultante es igual a la función de
21
pertenencia de limitada por , que representa la medición del grado de cumplimiento

para el antecedente de una regla. Esta medida se propaga por las reglas difusas y el gra-
do resultante de cumplimiento o función de pertenencia del consecuente debe ser más
pequeño que .
El proceso de razonamiento difuso en general puede ser dividido en 4 pasos:
1. Grados de Compatibilidad. Se comparan los datos conocidos con los anteceden-

tes de las reglas difusas para encontrar los grados de compatibilidad con respecto
a cada función de pertenencia del antecedente.
2. Fuerza de Activación. Se combinan los grados de compatibilidad con respecto a
las funciones de pertenencia de los antecedentes en cada regla usando las opera-
ciones difusas de intersección (AND) y unión (OR) para generar la fuerza de acti-
vación, la cual indica el grado en que se cumple el antecedente de cada regla.
3. Función de Pertenencia del Consecuente Acotada. Se aplica la fuerza de acti-
vación a la función de pertenencia del consecuente de una regla difusa para gene-
rar una función de pertenencia del consecuente acotada.
4. Función de Pertenencia Total de Salida. Se acumulan todas las funciones de
pertenencia acotadas para obtener una función de pertenencia total de salida.
2.1.3 Sistemas de Inferencia Difusos
Existen diferentes sistemas de inferencia, la diferencia entre ellos radica en sus reglas
difusas en la agregación y en la defusificación. A continuación veremos los sistemas de
inferencia más comunes.
2.1.3.1 Sistema de Inferencia Difuso Tipo Mamdani
Mamdani propone en [17] y [18] controlar una plata realizando algunas reglas difusas o
sentencias difusas condicionales, por ejemplo:
 Si ep (Error de en la presión) es NG (Negativo Grande) Entonces ct (cambio en la

temperatura) es PG (Positivo Grande)
22
Por lo que podemos calcular las salidas de una planta y calcular una acción de control
de acuerdo a la tabla de reglas. Este principio fue aplicado por Mamdani para el control de
un sistema de vapor. En la Fig. 5, se observa un ejemplo de la inferencia difusa tipo
Mamdani.
Fig. 5 Ejemplo de la inferencia difusa tipo Mamdani.
2.1.3.2 Sistema de Inferencia Difuso Tipo Sugeno
El sistema de inferencia difuso Sugeno o modelo difuso TSK fue propuesto por Takagi,
Sugeno y Kang [19] y [20]. La forma típica de una regla difusa en un sistema de inferencia
difuso Sugeno es la que se muestra a continuación:
(2.16)
donde A y B son conjuntos en el antecedente, mientras es una función tradi-

cional en el consecuente. Usualmente es una función polinomial con variables de
23
entrada , pero puede ser cualquier función con tantas variables como pueda describir
apropiadamente la salida del modelo en la región difusa especificada por el antecedente
de la regla. Cuando es un polinomio de primer orden, el sistema de inferencia re-
sultante se le denomina “modelo difuso Sugeno de primer orden”.
Si es una constante, entonces se tiene un “modelo difuso Sugeno de orden cero” que
puede ser analizado como un caso especial del sistema de inferencia Mamdani, en el
cual, el consecuente de cada regla es definida mediante un singleton difuso; o como un
caso especial del modelo difuso; o como un caso especial del modelo difuso Tsukamoto,
en el que el consecuente de cada regla es especificado mediante una función de perte-
nencia de una función escalón con centro en la constante. En la Fig. 6 se muestra la infe-
rencia difusa tipo Sugeno.
Fig. 6 Modelo Difuso Sugeno
A diferencia del sistema de inferencia difuso Mamdani, el modelo difuso Sugeno no

puede seguir la regla composicional de inferencia de forma estricta en su mecanismo de
24
razonamiento difuso. Esto plantea algunas dificultades cuando sus entradas son difusas.
Sin embargo, el valor de salida total resultante obtenida mediante el promedio ponderado
o suma ponderada es siempre dura, esto es contradictorio, ya que un modelo difuso debe
ser capaz de propagar la incertidumbre de sus entradas a las salidas.
2.1.4 Modelado Difuso
En general, el diseño de sistemas de inferencia difuso se basa en el comportamiento

conocido del sistema objetivo; por lo cual, se espera que el sistema difuso sea capaz de
reproducir la conducta del sistema a controlar.
El método de desarrollo de un sistema de inferencia difuso para una aplicación específi-

ca (también llamado modelado difuso), tiene las siguientes características:
 La estructura en forma de reglas de un sistema de inferencia difuso, hace sencillo

incorporar la experiencia humana sobre el sistema objetivo, directamente en el
proceso de modelado.
 Cuando los datos de E/S del sistema objetivo son disponibles, las técnicas con-
vencionales de identificación de sistemas pueden ser usadas para el modelado di-
fuso.
El modelado difuso puede llevarse a cabo en dos etapas. La primera es la identificación

de la “estructura superficial”, la cual incluye las siguientes acciones:
1. Seleccionar las variables de E/S relevantes.

2. Elegir un sistema de inferencia difuso.
3. Determinar el número de términos lingüísticos asociados con cada variable entra-
da y/o salida.
4. Diseñar una colección de reglas difusas “if-then”.
Al realizar la primera etapa del modelado se ha obtenido una base de reglas que descri-
be el comportamiento del sistema objetivo mediante términos lingüísticos. El significado
de estos términos es determinado en la segunda etapa del modelado, que consiste en la
25
identificación de la “estructura interna”, la cual determina las funciones de pertenencia de

cada término lingüístico (y los coeficientes de los valores de salida de cada regla si se
está usando el modelo Sugeno). La identificación de la estructura interna incluye las si-
guientes tareas:
1. Elegir funciones de pertenencia parametrizadas apropiadas.

2. Entrevistar a expertos familiarizados con el sistema objetivo para determinar loa
parámetros de las funciones de pertenencia usadas en la base de reglas.
3. Afinar los parámetros de las funciones de pertenencia usando técnicas de regre-
sión y/u optimización.
2.2 Teoría de Control Difuso
2.2.1 Estado del Arte
A continuación se presentan antecedentes importantes del uso de controladores difusos

en sistemas de electrónica de potencia, como son los convertidores.
A. Aceves en su artículo menciona [21] que la lógica difusa es una excelente herra-
mienta que permite el modelado de la información incompleta o imprecisa y cuya aplica-
ción primordial está en el control de procesos cuando la obtención de un modelo matemá-
tico del proceso es extremadamente complicado y que, sin embargo, este es controlado
adecuadamente por un experto.
Existen varios trabajos aplicados a la electrónica de potencia, aplicados en convertido-

res ya sea DC-DC o DC-CA. R. D. Bonilla [22], presenta un sistema matemático llamado
lógica difusa como técnica de control para mejorar el desempeño de un convertidor DC-
DC (Buck) ante variaciones de cargas no lineales. Para lo cual implemento en Simulink de
MATLAB un convertidor DC-DC de lazo cerrado al cual se le coloco en serie un controla-
dor basado en lógica difusa, con entradas de control de señal de voltaje de salida y la
derivada del voltaje y como salida un valor constante que sintoniza el ciclo útil de un mo-
dulador de pulsos (PWM), que luego ajusta la tensión de salida del controlador de acuer-
do a una referencia deseada. Para sus resultados, evaluó el desempeño de este tipo de
control comparando un convertidor DC-DC con control de lazo cerrado de ganancia unita-
26
ria, obteniendo un 40% de mejora en la integral de área respecto al controlador difuso con
un tiempo de estabilización de 0.01 segundos.
L. M. Moreno, E. Peralta y M. Morales [23] presentan un el diseño, la simulación y la

implementación de un control aplicado a un convertidor de DC-DC, bidireccional, de me-
dio puente. Se utilizó una estrategia de control basada en lógica difusa. El control se en-
carga de modificar el valor del ciclo de trabajo del interruptor controlado mediante modu-
lación por ancho de pulso (PWM), para asegurar un valor específico en el voltaje de salida
del convertidor. El control lo validaron experimentalmente en un convertidor de potencia
operando tanto para el funcionamiento para modo reductor como para el funcionamiento
en modo elevador. Las simulaciones fueron realizadas en Simulink de MATLAB. Los re-
sultados en modo Buck (reductor) para el voltaje de salida, (con variaciones de alimenta-
ción entre 22.89 V y 20.41 V) fueron en promedio de 13.7 V, con respecto a la referencia
de 13.1 V, obteniendo 0.6 V de error. Para el modo Boost (elevador) un voltaje de salida
promedio de 27.01 V, que en comparación con el de refencia de 26.25 V, se tiene una
diferencia de 0.76 V.
A. Vela en su tesis [24] presenta el diseño, implementación, simulación y comparación

de desempeño de un controlador difuso tipo 1, tipo 2 y de un controlador PI aplicados a
convertidores de DC/DC, particularmente un convertidor Buck (reductor). Los controlado-
res diseñados en este trabajo tienen como entradas de al error del voltaje de alimentación
e y a su derivada ce, y a su salida el cambio en la forma de onda de referencia que de-
termina el ciclo de trabajo del convertidor. La implementación fue meramente computacio-
nal, está desarrollada en Simulink de MATLAB. Para la experimentación realizo tres ca-
sos, para el caso nominal presento una reducción del 10.9% del valor del error en estado
estable para el controlador difuso tipo 2 y una disminución de 18.7% para el controlador
PI, obteniendo con el controlador difuso tipo 2 un valor más cercano al voltaje promedio
de salida. Para el caso de variación de carga. En los tres casos analizados en la tesis se
concluye que un controlador difuso tipo 2 bajo los parámetros de prueba, voltaje de salida,
error de estado estable y voltaje der rizo de salida es superior en comparación con los
otros dos controladores, con un incremento en el costo computacional pequeño.
En el artículo de E. Palacios, J. A. Morales, R. Loera y J. S. Murguía [25], se presenta el

diseño de un controlador basado en lógica difusa aplicado a un convertidor cuadrático
reductor de CD-CD, el cual es implementado bajo un esquema de control en modo co-
27
rriente. La tarea de control establecida para el convertidor es la regulación de voltaje de

salida en presencia de variaciones de voltaje de entrada y carga. El diseño del controlador
difuso fue basado en el conocimiento heurístico del comportamiento del convertidor, en
lugar de un modelo matemático. EL controlador fue implementado en una plataforma digi-
tal usando un microcontrolador DsPIC 30F4011, para comprobar el desempeño del con-
trolador muestran resultados experimentales sobre un convertidor prototipo de 28 W. Los
resultados obtenidos en lazo abierto para el voltaje de salida con respecto a un voltaje de
entrada de 50 V, corresponden a un incremento del 20% del voltaje nominal de entrada,
desviándose del voltaje de salida deseado de 12 V. Cuando se le aplica en controlador
difuso el voltaje de salida se desvía aproximadamente un 1% a pesar de la variación en el
voltaje de entrada.
J. A. Avellaneda y C. Ochoa en [26] presentan un control difuso para un convertidor, que

tiene un comportamiento no lineal. El diseño del controlador fue basado en un convertidor
reductor-elevador (Buck-Boost). Para el controlador propusieron como señales de entrada
la integral del error y el error ya que con estas señales es posible conocer cual debería de
ser la acción de control requerida, para la señal de salida del controlador se utiliza un va-
lor de ciclo útil que en realidad es un voltaje de 0 V a 1 V, el cual representa un 0% o
100% del ciclo útil. Para el algoritmo genético se usaron los siguientes valores:
• N° de individuos por población: 30.

• N° de individuos por población intermedia (parejas): 60.
• Presión selectiva: 0.01.
• Probabilidad de cruce: 0.7.
• Probabilidad de mutación: 0.03.
Se concluye que al no tener el modelo matemático de la planta debido a su complejidad,

el controlador difuso basado en un modelo lingüístico es muy conveniente, sin embargo
es necesario optimizarlo mediante un algoritmo de búsqueda, para obtener respuestas
con un mejor desempeño.
Los sistemas de control difuso en torno a los convertidores tienen poco tiempo, pero
basándonos en su crecimiento de 5 años a la fecha, es bastante rápido, esto debido que
tiene la capacidad de resolver problemas con incertidumbre, utilizando la información de
un experto.
28
Sin embargo según A. Aceves [21], se tiene que evitar los siguientes abusos cometidos
al usar la lógica difusa:
• Pensar que la lógica difusa puede resolver todos los problemas que los otros mé-
todos no pueden resolver.
• El asegurar que los sistemas difusos siempre obtienen mejores desempeños que
los sistemas convencionales.
• Un sistema difuso (aunque este catalogado en la inteligencia artificial), no es inteli-
gente, ya que no cuenta con la capacidad de aprender de sus errores.
• Afirmar que el desarrollo y ajuste de un controlador difuso es una tarea muy fácil.
Esto es absolutamente falso y cualquiera que haya realizado un controlador difuso
se habrá dado cuenta.
2.2.2 Sistemas Control
Nuestra vida cotidiana está inmersa en diversos sistemas, desde el control de tempera-
tura y humedad dentro de una casa hasta objetivo de la transportación desde un punto a
hasta un punto b. Para lo cual se requiere aplicar un sistema de control con ciertas estra-
tegias.
El control desde los años 50´s ha asumido un rol bastante importante en nuestro en-
torno, esto a la par del avance de la tecnología, por lo que me atrevería a decir que cada
aspecto en nuestras vidas se ve afectado por algún sistema de control.
Por otro lado se ha demostrado que la mayoría de sistemas dinámicos pueden ser mode-
lados matemáticamente, representando esto las bases de la teoría de control.
Un sistema de control es un conjunto de componentes que pueden regular su propia

conducta o la de otro sistema con el fin de lograr un funcionamiento predeterminado, de
modo que se reduzcan las probabilidades de fallos y se obtengan los resultados buscado
[27]. En general, el objetivo es controlar la salida mediante las entradas del sistema de
control a través de algunos elementos del mismo sistema. La Fig. 7 y 8 Muestra un sis-
tema básico de control en lazo abierto y en lazo cerrado respectivamente.
29
Fig. 7 Sistema de control en lazo abierto.
Fig. 8 Sistema de control en lazo cerrado.
2.2.2.1 Técnicas de control
Algunas de las técnicas de control más usadas se describen a continuación:
Control Proporcional-Integral-Derivativo (PID)
El controlador PID es un controlador realimentado cuyo propósito es hacer que el error

en estado estacionario, entre la señal de referencia y la señal de salida de la planta, sea
cero de manera asintótica en el tiempo, lo que se logra mediante el uso de la acción inte-
gral. Además el controlador tiene la capacidad de anticipar el futuro a través de la acción
derivativa que tiene un efecto predictivo sobre la salida del proceso [28].
Control clásico
30
Este tipo de sistemas están basados en compensadores de adelanto-atraso, método de

Bode y Nyquist y el diseño es por el lugar geométrico de raíces.
2.2.3 Control Difuso
El control difuso es una técnica de control inteligente, la cual representa y simula la lógi-
ca humana con el fin de manipular un sistema dinámico.
Tradicionalmente, las computadoras toman decisiones reales o duras, sí o no, mediante

reglas de decisión basadas en la lógica de dos valores: verdadero -falso, si -no, o 1 - 0.
Un ejemplo es el control del aire acondicionado de un termostato que reconoce sólo dos
estados: por encima de la temperatura deseada o por debajo la temperatura deseada. La
lógica difusa, por otra parte, permite una graduación entre verdadero y falso. Un aire
acondicionado difuso puede reconocer temperaturas "cálidas" y "frías" de la habitación.
Las reglas detrás de esto son menos precisas, por ejemplo [29]:
“Si la temperatura ambiente es cálida y ligeramente creciente, entonces aumenta el en-

friamiento”.
Los controladores difusos son usados en la industria con bastante éxito. Estas son las
posibles razones:
 Dado que la estrategia de control consiste en reglas Si-entonces, es fácil para un

operador de planta leerlas. Las reglas pueden ser construidas a partir de un voca-
bulario que contiene palabras cotidianas tales como 'alto', 'bajo' y 'creciente'. Los
operadores de planta pueden incorporar su experiencia directamente.
 El controlador difuso tiene muchas entradas y muchas salidas. Las variables pue-
den ser combinadas en una regla si-entonces con las conectivas “y” y “o”. Las re-
glas se ejecutan en Paralelo, lo que implica una acción recomendada para cada
31
una. Las recomendaciones pueden entrar en conflicto, pero el controlador los re-
suelve.
La lógica difusa permite al usuario no experto diseñar sistemas de control, y esta puede
ser la razón de mayor peso de su éxito.
2.2.3.1 Componentes del Controlador Difuso
En la Fig. 9 Se muestra el diagrama de bloques de un controlador difuso, el cual se en-

cuentra entre el pre-procesamiento y el post-procesamiento. A continuación se explica a
detalle cada bloque.
Bloque de Pre-procesamiento
Supongamos que las entradas son medidas reales o duras de los equipos de medición,
en lugar de lingüístico. Un pre-procesamiento, condiciona las mediciones antes de que
entren en el controlador. Ejemplos de pre-procesamiento son:
 Cuantificación en relación con el muestreo o redondeo a números enteros;

 normalización o escalado en un rango estándar específico;
 filtrado para eliminar el ruido;
 promediar para obtener tendencias a largo plazo o a corto plazo;
 una combinación de varias mediciones para obtener indicadores clave; y
 diferenciación e integración, o sus aproximaciones en tiempo discreto.
El controlador FL Smidth (FLS) aplica la escala no lineal (Fig. 10). El operador suminis-
tra un valor para una pequeña medida típica, una medida normal típica y una medida
grande típica según la experiencia [30]. El efecto combinado de la escala y las funciones
de pertenencia es una distorsión de las funciones de pertenencia. De hecho, con los años,
sólo se han ajustado los puntos de quiebre, mientras que los conjuntos primarios se han
mantenido sin cambios.
32
Fig. 9 Diagrama de bloques de un controlador difuso.
Bloque de Fusificación
El primer bloque dentro del controlador es la fusificación, que es una búsqueda en las
funciones de pertenencia para derivar los grados de pertenencia. El bloque de fusificación
evalúa así las mediciones de entrada de acuerdo con las premisas de las reglas. Cada
premisa produce un grado de pertenencia expresando el grado de cumplimiento de la
premisa.
Bloque de Base de Reglas
Una regla permite varias variables, tanto en la premisa como en la conclusión. Por lo
tanto, un controlador puede ser multi-input-multi-output (MIMO) o single-input-single-
output (SISO). El controlador SISO típico regula una señal de control de acuerdo con una
señal de error. Un controlador puede aplicar realmente el error, el cambio de error y el
error integral, pero todavía lo llamaremos control SISO, porque las entradas se basan en
un solo bucle de realimentación. Esta sección supone que el objetivo de control es regular
una salida de planta alrededor de un punto de consigna prescrito (referencia) usando un
controlador SISO.
Un controlador lingüístico contiene reglas en el formato si-entonces, pero pueden apa-

recer en otros formatos. El Fuzzy Logic Toolbox de MATLAB presenta las reglas al usua-
rio final en un formato similar al siguiente:
33
1. Si Error es Neg y cambio en el Error es Neg entonces control es NG

2. Si Error es Neg y cambio en el Error es Cero entonces control es NM
3. Si error es Neg y cambio en el Error es Pos entonces control es CE
4. Si Error es Cero y cambio en el Error es Neg entonces control es NM
5. Si Error es Cero y cambio en el Error es Cero entonces control es CE
(2.17)
6. Si Error es Cero y cambio en el Error es Pos entonces control es PM
7. Si Error es Pos y cambio en el Error es Neg entonces control es CE
8. Si Error es Pos y cambio en el Error es Cero entonces control es PM
9. Si Error es Pos y cambio en el Error es Pos entonces control es PG
Las reglas son un ejemplo a título ilustrativo, pero lo utilizaremos a lo largo de este blo-
que. Los nombres Cero, Pos, Neg son etiquetas de conjuntos difusos, así como CE, NG,
NM, PG y PM (Cero, Negativo Mediano, Negativo Grande, Positivo Grande y Positivo Me-
diano respectivamente). “El diseñador asigna los nombres”. El ejemplo tiene dos entradas,
error y cambio de error. Esta última se basa en la derivada sobre el tiempo de la primera.
Estas son las entradas del controlador. En el lado de conclusión de cada regla se prescri-
be un valor para el control de variables en la salida del controlador. El mismo conjunto de
reglas se presenta en la Tabla 1, en un formato relacional.
Tabla I. Conjunto de reglas en formato relacional.
Error cambio en el Error Control

Neg Neg NG
Neg Cero NM
Neg Pos CE
Cero Neg NM
Cero Cero CE
Cero Pos PM
Pos Neg CE
Pos Cero PM
Pos Pos PG
34
Este formato es más compacto y proporciona una visión general de la base de reglas
rápidamente. El formato relacional es ciertamente adecuado para almacenar en una base
de datos relacional. El formato relacional supone implícitamente que las variables de la
premisa están conectadas por un conectivo - lógico 'y' o lógico 'o'. El mismo conectivo se
aplica a todas las reglas, no una mezcla de conectivos. Incidentalmente, una regla difusa
con una combinación de términos 'o' puede convertirse en una combinación equivalente
de términos usando las leyes de la lógica (las primeras leyes de DeMorgan).
Un tercer formato, aún más compacto, es el formato tabular, que se muestra en la Tabla
II.
El error de las variables de premisa y el cambio de error se exponen a lo largo de los

ejes, y las conclusiones están dentro de la tabla. Las simetrías se pueden descubrir fácil-
mente, y una celda vacía es una indicación de una regla que falta; Por lo que el formato
es útil para comprobar la integridad. Cuando las variables de la premisa son Error y cam-
bio en el Error, ese formato también se denomina plano de fase lingüística. En el caso de
que el número de variables de premisas sea n > 2, la tabla crece a una matriz n-
dimensional.
Bloque de Motor de Inferencia
La Fig. 10, es una construcción gráfica de la inferencia, donde cada una de las nueve
filas representa una regla. Consideremos, por ejemplo, la primera fila: si el Error es nega-
tivo (fila 1, columna 1) y el cambio en el Error es negativo (fila 1, columna 2) entonces la
acción de control debe ser Negativa Grande (fila 1, columna 3). El gráfico corresponde a
la base de reglas (2.17). Puesto que el controlador combina el error y el cambio de error,
el controlador es una versión difusa de un controlador proporcional derivativo (PD).
Tabla II. Conjunto de reglas en formato tabular.
Cambio en el Error
Neg Cero Pos
Neg NG NM CE
Error
Cero NM CE PM
Pos CE PM PG
35
Las instancias del Error y el cambio en el Error se indican mediante las líneas verticales
a través de la primera y segunda columnas del gráfico. Para cada regla, el motor de infe-
rencia busca el valor de pertenencia donde la línea vertical interseca una función de per-
tenencia.
La fuerza de disparo de una regla es el grado de cumplimiento de la premisa de la
regla. La regla causa un valor de pertenencia difuso Error) correspondiente a la
medición del error, y un valor de pertenencia (cambio en el Error) correspondiente al
cambio en la medición del error. Su agregación es la combinación,
(2.18)
La operación es la conjuntiva 'y' que combina las dos proposiciones en la ecuación

(2.17); En general, puede ser una combinación de muchas proposiciones conectadas por
o .
Fig. 10 Construcción gráfica de la señal de control difuso PD (Generado con Fuzzy Logic
Toolbox de MATLAB).
36
Bloque de Defusificación
El conjunto difuso resultante μC (Figura 10, abajo a la derecha) debe convertirse en un

número único para formar una señal de control para la planta. Esto es defusificación. En
la figura, la señal de control defusificada es la coordenada x marcada con una línea verti-
cal discontinua. Existen varios métodos de defusificación.
El valor de control nítido uCOG es la abscisa del centro de gravedad del conjunto difuso.
Para conjuntos discretos, su nombre es el centro de masa o gravedad para singletons,
COGS,
∑
(2.19)
∑
donde es un punto en el universo de la conclusión ,y su perte-

nencia al conjunto de conclusiones resultante. La expresión es la media ponderada por la
pertenencia de los elementos del conjunto. Para conjuntos continuos, reemplace las su-
matorias por integrales y llámelo COG. El método es muy utilizado, aunque su compleji-
dad computacional es relativamente alta.
El método de la bisectriz del área, BOA, encuentra la abscisa de la línea vertical que
divide el área bajo la función de pertenencia en dos áreas de igual tamaño. Para conjun-
tos discretos, es la abscisa que minimiza
|∑ ∑ | (2.20)
Aquí es el índice de la mayor abscisa . Su complejidad computacional es

relativamente alta. Puede haber varias soluciones .
Un enfoque intuitivo es elegir el punto del universo con la pertenencia más alta. Varios
de estos puntos pueden existir, y es una práctica común tomar la media de los máximos
(MOM),
∑
{ } (2.21)
37
donde es el conjunto (nítido) de índices donde alcanza su máximo ,y

es su cardinalidad (el número de miembros). Este método no tiene en cuenta la forma del
conjunto difuso, pero la complejidad computacional es relativamente buena.
Bloque de Post-procesamiento
Si el valor de control inferido se define en un universo estándar, se debe escalar a uni-

dades de ingeniería, por ejemplo: voltios, metros o toneladas por hora. Un ejemplo es la
escala del universo estándar [-1, 1] a las unidades físicas [-10, 10] voltios. El bloque de
post-procesamiento contiene una ganancia de salida que se puede sintonizar.
2.3 Balastro Electrónico
2.3.1 Conceptos Básicos
Los sistemas para encender una lámpara fluorescente son conocidos como balastro.
Existen dos tipos de balastros: los electromagnéticos y los electrónicos.
Los balastros electromagnéticos funcionan precalentado los electrodos por medio del
capacitor para ayudar en el encendido. Una de las principales desventajas es la operación
a una frecuencia baja y fija (50-60Hz), ocasionando un efecto en la lámpara, conocido
como parpadeo. Este efecto produce fatiga visual y dolores de cabeza. Algunas otras
desventajas son el ruido que producen y que no se puede controlar la luminosidad.
Un balastro electrónico es un sistema de potencia que provee un arco de energía de

arranque, además de regular lámparas fluorescentes de alta frecuencia, comúnmente
desde 20khz o más. Los dos principales objetivos al diseñar un balastro electrónico son
[31]:
 Encontrar la forma de encender la lámpara (Proveer el voltaje adecuado).

 Limitar la corriente con la que se alimenta la lámpara en régimen permanente (re-
gular la corriente que fluye a través de la lámpara para estabilizar la salida de luz).
38
Fig. 11 Diseño ilustrativo de un balastro electrónico.
Algunas de las ventajas según [32] de los balastros electrónicos en comparación de los
magnéticos se describen a continuación:
 No producen efectos de parpadeo o estroboscópicos.

 Mejoran la eficiencia de la lámpara y del sistema.
 Incrementan la vida de la lámpara.
 Brindan un arranque instantáneo sin necesidad de un arrancador separado.
 Ofrecen excelentes posibilidades de regulación de flujo luminoso de la lámpara.
 No producen zumbidos ni otros ruidos.
 Pueden ser utilizados en corriente continua.
 Poseen menos peso y tamaño.
2.3.2 Convertidores CD-CD
Un convertidor de CD convierte directamente de CD a CD, esto es similar al transforma-

dor de CA, con una relación de vueltas que varía en forma continua. Los convertidores de
CD-CD son ampliamente utilizados en el control de motores, tranvías eléctricos, grúas,
etc…
2.3.2.1 Convertidor Reductor Elevador
El convertidor reductor-elevador o Buck-Boost suministra un voltaje de salida que pue-

de ser mayor o menor al de la entrada, asimismo la polaridad del voltaje de salida es in-
versa a la del voltaje de entrada.
39
Su operación está dividida por dos estados. En estado 1, el transistor está activo y el
diodo tiene polarización inversa, la corriente de entrada que se eleva, fluye a través del
inductor y del transistor. En estado 2, el transistor es conmutado y la corriente que fluirá a
través del inductor, fluirá a través del inductor, el capacitor, el diodo y la carga. La energía
almacenada en el inductor se transfiere a la carga y la corriente del inductor se abatirá
hasta que el transistor vuelva a activarse en el siguiente ciclo.
2.3.3 Inversor Resonante
Un inversor resonante es también conocido como convertidor de CD-CA, su función es

cambiar el voltaje de entrada de CD a un voltaje simétrico de salida en CA, con la magni-
tud y frecuencia deseada, el voltaje de salida y frecuencia pueden ser fijos o variables. El
uso de los inversores es muy común en aplicaciones industriales como: motores de CA de
alta velocidad, calefacción por inducción, etc…
2.3.3.1 Inversor Clase E
El inversor resonante clase E solo utiliza un transistor (a diferencia de otros inversores),

tiene bajas pérdidas de conmutación y obtiene una alta eficiencia, arriba del 95%. Este
tipo de inversor por lo regular se utiliza en aplicaciones de baja potencia, debajo de 100
W. Su operación está dividida al igual que el convertidor Buck-Boost, en dos modos.
En modo 1 el transistor está activo. La corriente de conmutación está formada por la

corriente de alimentación y la corriente de carga. A fin de obtener una corriente de salida
casi senoidal, se seleccionan los valores del inductor y capacitor para tener un alto factor
de calidad y una baja relación de amortiguación. El conmutador se desactiva en voltaje
cero. Cuando el conmutador esta desactivado, su corriente se desvía de inmediato a tra-
vés del capacitor de entrada.
En modo 2 el transistor esta desactivado. La corriente del capacitor se convierte en la

suma de la corriente de alimentación y la corriente de carga. El voltaje de conmutación se
eleva desde cero hasta un valor máximo, y otra vez se abate a cero. Cuando el voltaje de
40
conmutación se abate hasta cero la corriente del capacitor normalmente cera negativa. A
fin de limitar este voltaje negativo se conecta un diodo anti-paralelo. Si el conmutador es
un MOSFET, su voltaje negativo queda limitado al valor de la caída de voltaje de su diodo.
2.3.4 Factor de Potencia (FP)
El factor de potencia se define como la relación entre la potencia activa o promedio y la

potencia aparente consumida por una carga. El factor de potencia está definido por la
siguiente ecuación:
El factor de potencia se expresa en términos generales, el desfasamiento o no de la

corriente con relación al voltaje y es utilizado como indicador del correcto aprovechamien-
to de la energía eléctrica, el cual puede tomar valores entre 0 y 1, siendo la unidad el má-
ximo aprovechamiento de energía.
2.3.3.1 Consecuencias de operar a bajo factor de potencia
Las instalaciones eléctricas que operan con un factor de potencia menor a 1, afectan a
la red eléctrica tanto en la alta tensión como en la baja tensión, las siguientes son conse-
cuencias en medida de la reducción del factor de potencia:
 Incremento de las pérdidas por efecto Joule.

 Sobrecarga de los generadores, transformadores y líneas de distribución.
 Aumento de la caída de tensión.
 Incremento de la facturación eléctrica.
41
3 Metodología
En este capítulo se desarrollan los procedimientos empleados en el diseño del controla-

dor difuso tipo Mamdani, aplicados al balastro electrónico mono-etapa, además de expo-
ner la metodología que fue aplicada a cada una de las partes del controlador. En la primer
parte de este capítulo se mostraran los aspectos fundamentales del balastro electrónico
mono-etapa, para después abordar por completo la el análisis a detalle del controlador
difuso.
3.1 Balastro Electrónico
El balastro electrónico utilizado en esta documento fue tomado de la tesis de D. Martí-

nez [33]. El cual consta de dos partes:
La primera parte es el Convertidor Reductor Elevador Monofásico, trabajando en modo

de conducción discontinua (MCD) para corregir el factor de potencia, ya que, en este mo-
do la corriente sigue de manera natural la forma de onda de senoidal del voltaje de entra-
da, proveyendo un alto factor de potencia.
Fig. 12 Convertidor reductor monofásico.
43
3 Metodología
La segunda parte del balastro es un inversor resonante clase E, el cual ofrece una con-
versión de energía extremadamente eficiente (95%) [14] debido a una reducción significa-
tiva en las perdidas de conmutación, ya que, solo utiliza un transistor.
Fig. 13 Inversor Resonante Clase E.
En la Fig. 12 y 13 se muestran las etapas respectivas del balastro electrónico.
A continuación se muestra la integración de cada una de la partes. En lo que se refiere

al convertidor reductor, se elimina la resistencia equivalente Re la cual fue diseñada con
respecto a la potencia que se entregada en esa parte del circuito, es decir, que la energía
que almacena el capacitor en esta etapa que disipaba la Re, ahora será transferida a la
carga final del balastro completo que en este caso es la lámpara fluorescente. Obviamen-
te con fines de simulación la lámpara es sustituida con una resistencia de carga equiva-
lente a esta. En la Fig. 14 se observa el acoplamiento de las etapas del balastro.
Fig. 14 Balastro electrónico mono-etapa propuesto en [3].
44
3 Metodología
La función de un balastro electrónico es suministrar un determinado valor de voltaje y

corriente, de aquí la finalidad de tener dos convertidores. Los dos convertidores están
operando bajo el mismo controlador.
3.2 Diseño del Controlador Difuso
Un controlador difuso es un regulador no-lineal, el cual por medio de una selección ade-
cuada de funciones de pertenencia y una base de reglas se puede compensar la no-
linealidad del sistema.
El diseño del control difuso establece un compromiso entre diversos criterios de diseño
como se propone en [35].
Fig. 15 Compromiso de diseño.
Algunas recomendaciones en el diseño de un controlador difuso según [11] [36] son:
1. Identificar las variables de entrada y salida del sistema.

2. Un modelo lingüístico puede ser creado con base en el conocimiento de un hu-
mano experto.
3. Definir el universo de discurso de acuerdo a la variable lingüística y dividir el uni-
verso de discurso, asignando etiquetas a los valores difusos (conjuntos difusos).
4. Asignar funciones de pertenecía para cada conjunto difuso.
5. Asignar una relación entre las entradas y las salidas, formando una base de re-
glas.
45
3 Metodología
6. Determinar un método de defusificación.

El controlador diseñado es del tipo Mamdani, una de las razones más importante para la
elección de este sistema es la sencilla forma de incluir la base del conocimiento del exper-
to, la cual se verá reflejada en el sistema.
Para el diseño del controlador difuso se utilizó la herramienta computacional Simulink de
MATLAB, en donde se definen las todos los parámetros de controlador como son: las va-
riables de entrada y salida, las funciones de pertenecía, la base de reglas, el motor de
inferencia y la defusificación.
Ya que el control del balastro tiene la finalidad de realizar un calentamiento rápido y

estable en la lámpara, además de mantener la potencia e intensidad luminosa ante las
perturbaciones de la alimentación para extender así su vida útil, por lo que para este caso
se controlara el voltaje de salida del convertidor Buck-Boost.
Las variables de entrada y salida son las siguientes:
Entrada.
(3.1)
donde es el error del voltaje en el convertidor Buck-Boost, es el voltaje de salida

del convertidor Buck-Boost y es el valor de voltaje deseado a la salida del converti-
dor Buck-Boost.
Salida.
(3.2)
donde es el ciclo de trabajo, es el tiempo que dura en positivo el tren de pulsos y es

el periodo de la señal.
46
3 Metodología
3.2.1 Fusificación
El controlador difuso desarrollado utiliza solamente conjuntos difusos con funciones de

pertenencia triangular o trapezoidal según sea el caso, esto con el fin de simplificar la ad-
quisición de los valores reales de entrada además de hacer más sencillo la implementa-
ción en un hardware digital [34]. Con el fin de tener comparación entre el rendimiento del
mismo controlador difuso se han desarrollado dos controladores difusos, uno con solo una
entrada y una sola salida y otro con variaciones en las funciones de pertenencia.
Los conjuntos difusos propuestos son el error en el voltaje de salida del convertidor
Buck-Boost el cual se describe a continuacion: Negativo Grande (NG), Negativo Pequeño
(NP), Cero (CE), Positivo Pequeño (PP) y Positivo Grande (PG) para el primer controlador
difuso y Negativo Grande (NG), Negativo Mediano (NM), Negativo Pequeño (NP), Cero
(CE), Positivo Pequeño (PP), Positivo Mediano (PM) y Positivo Grande (PG) para el se-
gundo controlador difuso.
Tabla III. Conjuntos difusos de la variable de entrada e para el primer controlador difuso.
Conjunto Difuso Descripción Rango

NG Error Negativo Grande -170 a -122
NP Error Negativo Pequeño -134 a -86
CE Error Cero -86 a -14
PP Error Positivo Pequeño -14 a 34
PG Error Positivo Grande 22 a 70
Tabla IVV.Conjuntos difusos de la variable de entrada e para el segundo controlador difu-

so.

NG Error Negativo Grande -170 a -122
NM Error Negativo Mediano
NP Error Negativo Pequeño -134 a -86
CE Error Cero -86 a -14
PP Error Positivo Pequeño -14 a 34
PM Error Positivo Mediano
47
3 Metodología
PG Error Positivo Grande 22 a 70

Ahora pasaremos a definir nuestro universo de discurso para la entrada del error del
voltaje el cual tendrá un rango de -170 a 70. Para el primer controlador difuso estará divi-
dido en 5 conjuntos difusos y para el segundo controlador en 7 conjuntos difusos, los
cuales se explican en las tablas III y IV y en las figuras 16 y 17:
Fig. 16 Conjuntos difusos para la variable de entrada e, para el primer controlador.
Para la variable de salida llamada pwm, se define el universo de discurso con rangos
entre -0.34 y 0.1 ya que estos son los datos que tomara el pwm. A continuación se mues-
tran los valores de la variable de salida para ambos controladores en la Tabla V y en la
figura 18.
48
3 Metodología
Fig.17 Conjuntos difusos para la variable de entrada e, del segundo controlador.
Tabla V. Descripción de los conjuntos difusos de la variable de salida pwm.

NG pwm Negativo Grande -0.34 a -0.25
NP pwm Negativo Pequeño -0.25 a -0.16
CE pwm Cero -0.16 a -0.076
PP pwm Positivo Pequeño -0.076 a 0.012
PG pwm Positivo Grande 0.012 a 0.1
3.2.2 Base de Reglas
La construcción de las reglas difusas se basa en el conocimiento “general” del compor-

tamiento del balastro electrónico, y a partir de ahí asociar cada una de las posibles com-
binación de las entradas a un valor de salida.
La base de reglas tiene el comportamiento de un controlador difuso de tipo Mamdani,

las cuales se escriben de la siguiente manera:
Si e es NG y de es NP entonces pwm es CE (3.3)
49
3 Metodología
Fig. 18 Conjuntos difusos para la variable de salida pwm.
La expresión 3.3 denota que la operación de enlace ente las reglas difusas es el min o
AND (intersección). El número de reglas se obtiene mediante la siguiente expresión:
No. De Conjuntos difusos No. de Entradas (3.4)
De la expresión 3.4 se obtienen 5 reglas para el primer controlador difuso y 7 reglas

para el segundo controlador difuso. Las Tablas VI y VII muestran de una forma más sim-
plificada la base de reglas.
El tipo de inferencia utilizado fue el max-min, este tipo de inferencia interpreta las reglas
Si-Entonces, de la siguiente manera:
Tabla VII. Reglas para el primer controlador difuso.
e Salida
NG NG
NP NP
CE NP
PP NG
PG NG
Tabla VIIII. Reglas para el segundo controlador difuso.
e Salida
NG NG
NM NP
NP NG
CE NP
PP NP
PM NG
PG NG
50
3 Metodología
Sea conjuntos difusos sobre un universo de discurso

, que son las entradas, mientras que es la salida del sistema difuso, definido
para reglas [7], como se muestra en la siguiente ecuación.
[ ] (3.5)
La ecuación 3.5 toma el valor mínimo de pertenecía de dos conjuntos difusos, en el con-
junto consecuente de la regla asociada, después realiza una unión de los demás conjun-
tos consecuentes.
3.2.3 Defusificación
La defusificación es la última etapa del controlador difuso, su función es obtener un va-

lor de salida real en base a un valor difuso, en este caso un ciclo útil de trabajo para el
pwm. Para el controlador que se está diseñando el método de defusificación que fue apli-
cado es el del centroide o centro de masa o gravedad, el cual obtiene una valor de salida
real mediante el cálculo del centro de masa del área total resultante del dispositivo de
inferencia utilizado, en este caso el del max-min, este tipo de defusificación es el más
usado, esto debido a que no requiere gran capacidad computacional, con respecto a otros
métodos de defusificación. Este método es explicado en el capítulo 3.
3.3 Simulación del Control Difuso
La simulación del controlador difuso fue llevada a cabo en Simulink de MATLAB, en un

principio se tuvo la idea de tener la simulación del balastro en este mismo software pero
por algunos problemas en cuestión de tiempo de simulación y un costo computacional
51
3 Metodología
relativamente alto se optó por realizar una co-simulación con la herramienta PSIM, softwa-
re especializado en la simulación de circuitos eléctricos y electrónicos.
Fig. 19 Diagrama de bloques del acoplamiento entre PSIM y MATLAB.
En las Fig. 20, 21 se tienen los sistemas en las 2 herramientas computacionales PSIM
y la co-simulación en Simulink. En las Fig. 22 y 23 se muestran los editores del Fuzzy
Toolbox de MATLAB, para el bloque del controlador difuso y sus reglas.
52
3 Metodología
53
54
3 Metodología
Vin
Scope2
Vout_1
In pwm out pwm In_pwm
Vout_2 Scope
PWM
Current_out
Balastro Scope3
170
Scope1 Constant
Fuzzy Logic
Controller
with Ruleviewer
Scope4 Memory
Fig. 20 Diagrama del balastro electrónico mono-etapa, con un solo transistor.
3 Metodología
Fig. 21 Diagrama del sistema completo en SIMULINK para la co-simulación.
Fig. 22 Fuzzy Toolbox de MATLAB, Sistema de 1 entrada, 1 salida tipo Mamdani.
55
3 Metodología
Fig. 23 Editor de base de reglas.
56
4 Resultados
En el presente capítulo se analiza el desempeño del controlador difuso tipo Mamdani, el

cual fue diseñado en el capítulo anterior, aplicado a un balastro electrónico mono-etapa.
El bloque control fue realizado en Simulink de MATLAB el cual es un software basado en
diagrama de bloques y la parte del balastro fue realizado en PSIM, el cual es un software
especializado en la simulación de circuitos eléctricos y electrónicos. Los resultados inclu-
yen dos condiciones, la simulación en estado normal y la de variaciones en la carga reali-
zando las comparaciones en lazo abierto y lazo cerrado.
Los parámetros examinados son el error de estado estable y el voltaje promedio de

salida. Las simulaciones que se llevaron a cabo son: el caso normal (sin variación algu-
na), el caso con variaciones en la resistencia de carga (250 Ω y 400 Ω).
A continuación se analizan los aspectos más importantes del sistema.
4.1 Sistema Completo
La Fig. 24 muestra el diagrama general de bloques del sistema, el cual consta de un

bloque de PWM, el bloque del balastro electrónico mono-etapa, la comparación del voltaje
de salida del convertidor reductor-elevador con un voltaje de referencia y el bloque del
controlador difuso. A continuación se describen estos bloques a detalle.
Fig. 24 Diagrama general de Bloques del sistema.
58
4 Resultados
4.1.1 Balastro Electrónico
El balastro a analizar es un Balastro Electrónico Mono-Etapa. El cual consta de dos eta-

pas la de corrección del factor de potencia y un inversor resonante. Este bloque es cono-
cido también como la planta a controlar. Como ya se mencionó en el capítulo anterior la
simulación se llevó a cabo en PSIM, los parámetros del balastro en simulación normal se
muestran en la Tabla VIII. Se realizó una co-simulación, con Simulink de MATLAB, para
tener el sistema completo en un solo software.
4.1.2 Controlador Difuso
El controlador difuso cuenta con una entrada e, que es el error obtenido al comparar un
voltaje de referencia con el voltaje de salida del convertidor reductor-elevador y una salida
pwm, la cual enviara una salida dura o real con un rango de -1 a 1, siendo -1 el 0% y 1 el
100% del modulador del acho de pulso (PWM). Se utilizó Simulink para su implementa-
ción con la librería “Fuzzy Logic Toolbox”.
Tabla VIII. Parámetros del Balastro Electrónico Mono-Etapa.
Parámetros Valores
Inductor Lline 0.6mH
Capacitor Cfiltro 0.41 µF
Voltaje de Entrada Vred 170 V
Frecuencia de Vred 60 Hz
Inductor Lcfp 1 mH
Capacitor Ccfp 220 µF
Inductor Lc 375 µH
Capacitor C3 1.34 nF
Capacitor C1 18.6 nF
Inductor L3 6.5 mH
Resistencia Relamp 330 Ω
59
4 Resultados
4.1.3 PWM
El bloque del pwm cuenta con una entrada que es la que se estará alimentado con la
salida del controlador difuso, y una salida al convertidor. Su función es la de un switch que
estará conmutando dependiendo del estado del Balastro ya que sea que se encuentre en
arranque o en estado permanente. La frecuencia es la mencionada en [33] que es de 56
KHz, cabe mencionar que el ciclo útil es el que estará variando dependiendo del estado
del Balastro Electrónico. La Fig. 25 muestra el diagrama de bloques del pwm en Simulink.
4.1.4 Error en el voltaje de salida del CFP.
Esta señal es obtenida en Simulink mediante un bloque de suma, el cual resta de un

valor de voltaje de referencia en este caso 170 volts, al voltaje de salida del convertidor
reductor-elevador, en un tiempo t. La ecuación es la representación
matemática del bloque de suma para la obtención del error.
1 1
In pwm out pwm
Relay
Scope1
Signal
Generator
Scope
Fig. 25 Diagrama a bloques del pwm.
60
4 Resultados
4.2 Simulación de Referencia
En este caso las simulaciones del sistema se hacen sin realizar algún cambio en los
parámetros de la Tabla VIII. La Fig. 26 muestra el diagrama de bloques general del siste-
ma sin control y en la Fig. 27 muestra el diagrama general de bloques del sistema con las
variaciones de los controles difusos implementados. El tiempo de muestreo de las simula-
ciones fue de .005 segundos. El balastro tomado de [28] tiene un voltaje pico de salida de
100 v., el cual es el voltaje deseado a la salida del sistema ya controlado. La Fig. 30
muestra el voltaje de salida para el sistema en lazo abierto, con el control de 5 reglas y
para el control con 7 reglas respectivamente.
Fig. 26 Diagrama de bloques de la simulación en lazo abierto.
Fig. 27 Diagrama de bloques de las simulaciones en lazo cerrado.
61
4 Resultados
Fig. 28 Diagrama de bloques del sistema de control en Simulink. Caso de referencia.
62
4 Resultados
Fig. 29 Diagrama de bloques del sistema en lazo abierto en Simulink. Caso referencia.
63
4 Resultados
Fig. 30 Gráfica del voltaje de salida del balastro electrónico.
En las Fig. 31, 32 y 33, se tiene la misma gráfica del voltaje de salida divida en tres par-
tes, esto con el fin de observar más a detalle el resultado. Se puede apreciar que aplicar
un controlador al sistema reduce significativamente el error en la salida, obteniendo un
desempeño bastante bueno a comparación del sistema en lazo abierto. Para el análisis
más a detalle se tomaron los parámetros del voltaje de salida y el error para realizar una
comparación entre ellos. En la Tabla IX, se tiene los valores más detallados de los pará-
metros tomados en consideración.
Tabla VIIIX. Resultados de las simulaciones en el caso de referencia.
Sistema Error (volts) Voltaje de Salida (volts)

Sin Control 65.766 235.766
Control Difuso 5 Reglas 4.197 174.197
Fig. 31 Gráfica número 1 del caso referencia.
64
4 Resultados
4.3 Simulación con Variación en la carga (250Ω y

400Ω)
En esta simulación se presenta un cambio en la resistencia de carga “ReLamp”, este

cambio se hace en el balastro electrónico mono-etapa diseñado en PSIM. Modificando el
valor de 330Ω, por un valor de 250Ω y 400Ω, estos valores fueron propuestos con el fin de
corroborar el desempeño del control, con una variación en incremento y decremento de la
ReLamp. El tiempo de muestreo de la simulación es de .005 segundos.
65
4 Resultados
Fig. 34 Balastro electrónico mono-etapa con ReLamp de 400 Ω.
66
4 Resultados
En la Fig. 34 se observa el cambio realizado en el circuito del balastro electrónico mono-

etapa. Los diagramas de bloques del sistema quedan de la misma manera que en las Fig.
28 y 29.
De igual manera, analizando el resultado para la variación de la resistencia de 250Ω

observamos que el controlador difuso de 5 reglas tiene un mejor desempeño, que el sis-
tema en lazo abierto y que el controlador difuso de 7 reglas obteniendo un voltaje de sali-
da de 173.919 v, es decir un error de 3.919 volts. En la Tabla X y en las Fig. 35, 36 y 37,
se pueden observar más a detalle los resultados para la variación en la carga de 250Ω.
Tabla X. Resultados de las simulaciones en el caso de variación de carga (250 Ω).

Sin Control 65.689 235.689
Fig. 35 Gráfica número 1 del caso de variación de carga (250 Ω).
En las Fig. 38, 39 y 40, volvemos a observar el buen funcionamiento de un sistema de

control aplicado en este caso al balastro electrónico, aunque la resistencia de carga haya
sido aumentada a 400Ω observamos que el control sigue realizando su función, que es
estabilizar el sistema en el menor tiempo posible en base al conjunto de reglas difusas
diseñadas. Obteniendo a la salida del sistema en lazo abierto un voltaje de 235.826 volts
67
4 Resultados
en comparación de los 174.399 volts en el controlador difuso de 5 reglas. Los parámetros

para la comparación siguen siendo los mismos. En la Tabla X! observamos más detalla-
damente los resultados obtenidos en el caso de la variación de carga.
Tabla XI. Resultados de las simulaciones en el caso de variación de carga (400 Ω).

Sin Control 65.826 235.826
68
4 Resultados
69
5 Conclusiones
Debido a la complejidad de los circuitos conmutados y su difícil modelación matemática,

ya que estos sistemas son altamente no lineales, además que se hubiera invertido un
tiempo bastante considerable en sacar el modelo matemático del balastro electrónico
mono-etapa, parece ser que la implementación de un control difuso directamente fue la
mejor opción.
El uso de un controlador difuso ha demostrado un buen desempeño aplicado a un ba-

lastro electrónico en comparación de un sistema de control en lazo abierto, el único incon-
veniente de este tipo controlador difuso es el impedimento que tienen para manejar la
incertidumbre en las reglas, esto debido a que las reglas se ponen en base a la experien-
cia de un experto, comparables a las reglas heurísticas, en donde las reglas se proponen
en base a la prueba y error. Por lo que es difícil asegurar su estabilidad convirtiendo esta,
en su principal desventaja.
De acuerdo a los resultados presentados en la implementación en Simulink de los dos

controladores diseñados, se obtuvo un buen desempeño en comparación del sistema en
lazo abierto, siendo el factor de comparación el error, cumpliéndose así el objetivo princi-
pal de esta tesis. Además de hacer uso de las herramientas computacionales MATLAB y
PSIM.
Con respecto a las preguntas de investigación se corroboro que en realidad no es un

factor muy relevante el aumentar el número de funciones de pertenecía, ya que teniendo
un buen conocimiento de la expertis de la planta se pueden tener resultados satisfactorios
con un número considerable de funciones de pertenencia, en este caso el controlador con
5 funciones de pertenencia obtuvo un mejor desempeño en comparación del controlador
de 7 funciones de pertenencia. Las ventajas del uso de un control difuso son varias:
• La más importante es que no se necesita obtener un modelo matemático. El ma-

nejo de términos lingüísticos permite plantear un problema como si las estuviera
planteando un humano, facilitando el diseño de los controladores difusos.
70
4 Resultados
• El planteamiento de reglas del tipo Si-Entonces permite una fácil ejecución sobre
una computadora.
En cuestión de las características que debe poseer un controlador difuso se encontraron

primordialmente 3, la flexibilidad, la precisión y la velocidad.
Se tuvieron algunos contratiempos en las simulaciones ya que los sistemas conmutados

representan un alto coste computacional, teniendo que hacer uso del software PSIM para
realizarlas en este, con la finalidad de realizar una cosimulación entre MATLAB y PSIM,
reduciendo significativamente el tiempo necesario para llevar a cabo una simulación.
En resumen los controladores difusos son altamente adaptables con una relativa facili-
dad principalmente en sistemas donde aplicar un controlador clásico o PID sería una tarea
bastante ardua, esto debido a que presentan condiciones variables en cuanto a sus pun-
tos de operación.
5.1 Trabajos Futuros
 Realizar la implementación física del control difuso y del balastro electrónico

mono-etapa para comparar los resultados con los obtenidos en esta tesis.
 Explorar la posibilidad de realizar un sistema de control hibrido con diferentes téc-
nicas heurísticas, como pueden ser redes neuronales, algoritmos genéticos etc…
 Realizar la implementación del control en algún sistema embebido como: Beagle-
Bone Black, Raspberry Pi.
 Cambiar el tipo de controlador difuso Mamdani usado en esta tesis, por un contro-
lador difuso Sugeno, con el fin de asegurar la estabilidad del mismo.
71
Glosario
Controlador PID. Es un controlador retroalimentado cuyo propósito es hacer que el error

en estado estacionario, entre la señal de referencia y la señal de salida de la planta, sea
cero de manera asintótica en el tiempo, lo que se logra mediante el uso de la acción inte-
gral. Además el controlador tiene la capacidad de anticipar el futuro a través de la acción
derivativa que tiene un efecto predictivo sobre la salida del proceso.
Defusificación. Es el proceso de transformar un valor difuso en un valor real.
Error en Estado Estacionario. El error en estado estacionario es una medida de la exac-

titud de un sistema de control para seguir una entrada dada, después de desaparecer la
respuesta transitoria.
Fusificación. Es el proceso de transformar un valor real en un valor difuso.
Lógica Difusa. La lógica difusa es una lógica alternativa a la lógica convencional que
pretende introducir un grado de vaguedad en las cosas que evalúa.
Motor de Inferencia. El Motor de Inferencia (MI) es un programa de control cuya función

es seleccionar las reglas posibles para satisfacer el problema, para alcanzar una solución
o conclusión determinada y para ello se vale de ciertas estrategias de control sistemáticas
o de estrategias heurísticas.
Reglas Difusas. Conjunto de reglas de la forma Si-Entonces, para evaluar la toma de

decisiones que decidirán la forma en la debe actuar un sistema.
Planta. Es cualquier sistema físico a controlar.
72
4 Resultados
73
Bibliografía
1. F. Montufar, “Diseño de un controlador por lógica difusa aplicado a un robot manipu-

lador,” Tesis de Maestría, Universidad Autónoma de Querétaro, Querétaro. México,
Mar. 2012.
2. D. Vélez, “Diseño de un controlador basado en lógica difusa para la regulación de
flujo neutrónico,” Tesis de Maestría, Instituto Tecnológico de Toluca, Metepec, Méxi-
co, Feb. 2000.
3. G. F. Regalado, N. D. Villacis, “Diseño e implementación de un control fuzzy par un
balastro electrónico de una lámpara HID-MH,” Tesis de Licenciatura, Universidad de
las Fuerzas Armadas, Mar. 2014.
4. C. M. Morcillo, “Balastro electrónico integrado con control intensidad luminosa y co-
rrección del factor de potencia utilizando un control difuso,” Tesis de Maestría, Cen-
tro Nacional de Investigación y Desarrollo Tecnológico (CENIDET), Cuernavaca, Mo-
relos, México, Sep. 2000.
5. M.A. García, “Diseño de un controlador difuso de velocidad en un conjunto motor-
generador de CD,” Tesis de Licenciatura, Universidad Autónoma del Estado de Hi-
dalgo, Hidalgo, México, 2006.
6. R. Jiménez, “Diseño de un controlador lógico difuso, aplicado al control de posición
de un servomotor de C.D., usando un algoritmo genético,” Universidad Veracruzana,
Veracruz, México, 2007.
7. J. F. Machorro, “Estudio de balastros electrónicos para el ahorro de energía,” Uni-
versidad de las Américas Puebla, Puebla, México, Dic., 2003.
8. R. Sanz “Arquitectura de Control Inteligente de Procesos”. Tesis Doctoral. Depto. De
Automática, Ing. Electrónica e Informática Industrial, 1990.
9. R. Leonid, Fuzzy Controllers. London, England: Newnes, 1997.
10. J. Jantzen, Foundations of fuzzy control. Jhon Wiley & Sons, 2007.
11. T.J. Ross, Fuzzy Logic with engineering applications: John Wiley and Sons, 2009.
12. H. Zhang & D. Liu, “Fuzzy modeling and fuzzy control”: Springer Science & Business
Media, 2006
13. F. MacNeill & E. Thro, “Fuzzy logic: A practical approach”. Acad. Press, 1995.
74
Bibliografía
14. M. Rashid, Electrónica de Potencia, circuitos, dispositivos y aplicaciones. USA: Pren-

tice Hall, 1995.
15. L.A. Zadeh, “Fuzzy sets,” Information and control.,vol 8, pp. 338-356. 1965.
16. L.A. Zadeh, “Outline of a new approach to the analysis of complex systems and de-
cision processes,” IEEE Transactions on systems, Man, and Cybernetics., no. 1, pp.
28-44. 1973.
17. E. H. Mamdani and S. Assilian, “An experiment in linguistic synthesis with a fuzzy
logic controller,” International Journal of Human-Computer Studies / International
Journal of Man-machine studies, vol. 7, pp. 1-13, 1975.
18. E. H. Mamdani, “Applications of fuzzy logic to approximate reasoning using linguistic
synthesis,” Computers, IEEE Transactions on, vol. C-26, no. 12, pp. 1182-1191,
1997.
19. T. Takagi and M. Sugeno, “Fuzzy identification of systems and its applications to
modeling and control,” Systems, Man and Cybernetics, IEEE Transactions on, vol.
SMC-15, no. 1, pp. 116-132, 1985.
20. M. Sugeno and G. Kang, “Structure identification of fuzzy model,” Fuzzy Sets and
Systems, vol. 28, no. 1, pp. 15-33, 1988.
21. A. Aceves, “Usos y abusos de la lógica difusa para el control de procesos: una alter-
nativa para modelar lo incompleto de la información y lo impreciso de una observa-
ción,” Con mantenimiento productivo, no. 2, pp. 12-17, 2001.
22. R. D. Bonilla, “Control difuso aplicado a un convertidor DC-DC buck para una carga
no lineal,” Revista Tecnura, vol. 20, pp. 117-148, 2016.
23. L. M. Moreno, É. Peralta & M. Morales. “Control difuso para un convertidor CD-CD
bidireccional de medio puente,” Ingenio Magno, vol. 7, no. 1, pp. 116-132, 2016.
24. A. Vela, “Controladores difusos aplicados a convertidores DC/DC,” Tesis de Maes-
tría, Universidad Autónoma de Aguascalientes, Aguascalientes, México, 2013.
25. E. Palacios, J. A. Morales, R. Loera & J. M. Ibarra, “Diseño de un controlador para
un convertidor cuadrático reductor de CD-CD basado en lógica difusa,” Congreso
Anual 2010 de la Asociación de México de Control Automático, 2010.
26. J. A. Avellaneda & C. Ochoa, “Control Difuso Para Un Convertidor Dc–Dc Reductor
Elevador Sintonizado A Partir De Un Algoritmo Genético Simple. Redes De Ingenie-
ría,” Redes de Ingeniería, vol. 2, no. 1, pp. 121-129. 2012.
75
Bibliografía
27. S. Bennett, “A brief history of automatic control,” Control Systems, IEEE. vol. 16, no.
3, pp. 17-25, 1996.
28. M. A. Moreno, “Apuntes de control PID,” La Paz Enero, 2001.
29. J. Jantzen, Foundations of fuzzy control. Jhon Wiley & Sons, 2007.
30. L. P. Holmblad and J. J. Østergaard, 1982 “Control of a cement kiln by fuzzy logic In
Fuzzy Information and Decision Processes” North-Holland, Amsterdam, pp. 389–
399. 1982
31. A.J. Calleja, “Balastos electrónicos de una sola etapa con alto factor de potencia:
nuevos métodos de control y aportación de nuevas topologías optimizadas,” Tesis
de Maestría, Universidad de Oviedo, España, 2000.
32. Luminotecnia, “Lighting handbook,” ed, 2002.
33. D.A. Martínez, “Balastro Electrónico Mono-Etapa,” Tesis de Licenciatura, Universi-
dad de las Américas Puebla, Puebla, México, Dic. 2005.
34. A.G. Perry, G. Feng, Y.F. Liu, and P.C. Sen, “A new analysis and design method for
fuzzy logic controllers used in power converter,” in 31st Annual Conference of IEEE
Industrial Electronics Society, 2005. IECON 2005. Pp. 6 pp. 2005.
35. I.S. Jiménez, “Control de temperatura de un horno eléctrico mediante lógica difusa,”
Tesis de Licenciatura, Universidad Tecnológica de la Mixteca, Oaxaca, México,
2012.
36. A. Ibrahim, Fuzzy Logic for embedded systems applications: Newnes, 2004.
76
Anexo A. Cosimulación entre PSIM y
SIMULINK
La simulación de circuitos conmutados para Matlab resulta algo complicado ya que el
coste computacional para este software es bastante pesado, el tiempo de simulaciones
era demasiado y a veces la misma computadora terminaba el proceso ya que no podía
continuar con las simulaciones.
La solución que se encontró fue realizar una cosimulación con un software especializa-
do para la simulación de circuitos electrónicos, ya que se necesitaba el software de SI-
MULINK para llevar acabo la integración del control y la planta y tener a ambos sistemas
en el mismo software. El proceso que se llevó a cabo para que SIMULINK de MATLAB
realizara la cosimulación fue la siguiente:
Para realizar esta unión fue necesario tener la versión de MATLAB R2010a de 32 bits
junto a la versión de PSIM 9 de 32 bits.
Para la simulación en PSIM se integraron al circuito del balastro electrónico los elemen-
tos de control del “SimCoupler Module”, que son “In Link Node” y “Out Link Node”, que se
muestran en las Fig. A1 y A2.
El trabajo que realiza el nodo “In Link Node” es recibir una señal externa, en este caso
de Simulink, el cual estaba enviando una señal pwm para la entrada de los transistores de
los convertidores del balastro electrónico.
En cambio el nodo “Out Link Node” envía las señales de los voltajes de salida del con-
vertidor Buck-Boost y del inversor resonante clase E, hacia Simulink.
Fig. A1 Elemento de entrada para realizar la Co-simulación con MATLAB.
78
Bibliografía
Fig. A2 Elemento de salida para realizar la Co-simulación con MATLAB.
En contraparte para MATLAB se agregó de la librería de Simulink al sistema el modulo “S-

function SimCoupler”, el cual crea un bloque (Fig. A3), en el que se puede acceder al ar-
chivo del balastro electrónico creado en PSIM.
El trabajo de este bloque es realizar una simulación paralela, por la parte de PSIM simu-
lando el balastro, y en Simulink recibiendo y mandando los valores de la entrada y las
salidas. En nuestro caso el bloque “SimCoupler” está recibiendo una señal de pwm, y de
él están saliendo los voltajes provenientes de simulación del balastro electrónico.
Fig. A3 Bloque para realizar la Co-simulación con PSIM.
79
Anexo B. Acrónimos, Tablas y Figuras
B.1 Acrónimos
C Capacitor
CA Corriente Alterna
CD Corriente Directa
CD/CA Corriente Directa – Corriente Alterna
CD/CD Corriente Directa – Corriente Directa
CE Cero
E/S Entradas-Salidas
HID Alta Intensidad de Descarga (High-Intensity Discharge)
Hz Hertz
L Inductor
MCD Modo de Conducción Discontinua
MF Funciones de Pertenencia (Membership Functions)
MIMO Multi-Entrada Multi-Salida (Multi-Input Multi-Output)
MoM Media de los Máximos (Mean of Maximum)
NG Negativo Grande
NM Negativo Mediano
NP Negativo Pequeño
PG Positivo Grande
80
Anexo B
PID Control Proporcional Integral Derivativo
PM Positivo Mediano
PWM Modulador del ancho de Pulso (Pulse Width Modulation)
PP Positivo Pequeño
SISO Única entrada Única Salida (Single Input Single Output)
TSK Takagi-Sugeno-Kang
V Voltaje
W Watt
81
Anexo B
B.2 Índice de Tablas
Tabla I. Conjunto de reglas en formato relacional. ................................................................... 34

Tabla II. Conjunto de reglas en formato tabular. ....................................................................... 35
Tabla III. Conjuntos difusos de la variable de entrada e para el primer controlador. .......... 47
Tabla IV. Conjuntos difusos de la variable de entrada e para el segundo controlador. ...... 47
Tabla V. Descripción de los conjuntos difusos de la variable de salida pwm. ...................... 49
Tabla VI. Reglas para el primer controlador difuso................................................................. 500
Tabla VII. Reglas para el segundo controlador difuso. .......................................................... 500
Tabla VIII. Parámetros del Balastro Electrónico Mono-Etapa. ................................................ 58
Tabla IX. Resultados de las simulaciones en el caso de Referencia. ................................... 63
Tabla X. Resultados de las simulaciones en el caso de variación de carga (250 Ω)........ 676
Tabla XI. Resultados de las simulaciones en el caso de variación de carga (400 Ω)....... 677
82
Anexo B
B.3 Índice de Figuras
Fig. 1 Diagrama a bloques del controlador robusto difuso. ................................................. 8

Fig. 2 Diagrama completo del balastro propuesto en la tesis de Morcillo para un lámpara
de 42 W, con control.................................................................................................... 9
Fig. 3 (a), (b) y (c) muestran los diagramas clásicos de Venn; El universo es representado
por los puntos dentro del rectángulo, y se fija por los interiores de los círculos. (d), (e) y (f)
son sus equivalentes difusos. ........................................................................................... 15
Fig. 4 Funciones de membresía: (a) Trapezoidal, (b) Triangular, (c y d) Gaussianas. ...... 18
Fig. 5 Ejemplo de la inferencia difusa tipo Mamdani. ........................................................ 23
Fig. 6 Modelo Difuso Sugeno ........................................................................................... 24
Fig. 7 Sistema de control en lazo abierto. ......................................................................... 30
Fig. 8 Sistema de control en lazo cerrado. ....................................................................... 30
Fig. 9 Diagrama de bloques de un controlador difuso. ...................................................... 33
Fig. 10 Construcción gráfica de la señal de control difuso PD. ......................................... 36
Fig. 11 Diseño ilustrativo de un balastro electrónico. ........................................................ 39
Fig. 12 Convertidor reductor monofásico. ......................................................................... 43
Fig. 13 Inversor Resonante Clase E. ................................................................................ 44
Fig. 14 Balastro electrónico propuesto. ............................................................................ 44
Fig. 15 Compromiso de diseño. ........................................................................................ 45
Fig. 16 Conjuntos difusos para la variable de entrada e del primer controlador. ............... 48
Fig. 17 Conjuntos difusos para la variable de entrada e del segundo controlador. ........... 48
Fig. 18 Conjuntos difusos para la variable de salida pwm. ............................................... 49
Fig. 19 Diagrama de bloques del acoplamiento entre PSIM y MATLAB. .......................... 52
Fig. 20 Diagrama del balastro electrónico mono-etapa, con un solo transistor. ................ 53
Fig. 21 Diagrama del sistema completo en SIMULINK para la co-simulación. .................. 54
Fig. 22 Fuzzy Toolbox de Matlab, Sistema de 1 entrada, 1 salida tipo Mamdani. ............. 55
Fig. 23 Editor de base de reglas. ...................................................................................... 55
Fig. 24 Diagrama general de Bloques del sistema............................................................ 57
Fig. 25 Diagrama a bloques del pwm. .............................................................................. 59
Fig. 26 Diagrama de bloques de la simulación en lazo abierto. ........................................ 60
Fig. 27 Diagrama de bloques de las simulaciones en lazo cerrado. ................................. 60
Fig. 28 Diagrama de bloques del sistema de control en Simulink. .................................... 61
84
Bibliografía
Fig. 29 Diagrama de bloques del sistema en lazo abierto en Simulink. ............................ 62

Fig. 30 Gráfica del voltaje de salida del balastro electrónico. ........................................... 63
Fig. 31 Gráfica número 1 del caso de Referencia. ............................................................ 63
Fig. 34 Balastro electrónico mono-etapa con ReLamp de 400 Ω. ..................................... 65
Fig. 35 Gráfica número 1 del caso de variación de carga (250 Ω). ................................... 66
85
Anexo B
DISEÑO DE UN CONTROL INTE- del tipo Si-Entonces, las cuales, contienen

LIGENTE USANDO TÉCNICAS DE una cuantificación lógica difusa de la
LÓGICA DIFUSA, APLICADO A UN descripción lingüística de un experto de
BALASTRO ELECTRÓNICO. Cisne- cómo realizar un control adecuado. A
ros Santoyo Juan Pedro, Flores Oropeza partir de lo antes mencionado, se pretende
Luis Alejandro, Álvarez Rodríguez desarrollar un sistema de control difuso
Francisco Javier, López Delgadillo Edgar. que permita su implementación en un
INTRODUCCIÓN: La energía eléctrica, balastro electrónico con lo que se busca la
en particular, el área de la iluminación es optimización en el desempeño del mismo,
una de las más explotadas a nivel además de hacer más eficiente el consu-
mundial, debido a esto siempre ha existi- mo de la energía eléctrica.
do la constante lucha por tener el mayor OBJETIVO: Diseñar e implementar un
ahorro energético posible. Por lo que el controlador difuso para evaluar y
uso de un balastro electrónico para el co- comparar su desempeño y eficiencia al
rrecto funcionamiento de una lámpara ser aplicado a un balastro electrónico.
fluorescente es indispensable. Un balas- Como objetivos específicos se tienen:
tro, es un dispositivo electrónico, elec- implementar el controlador difuso en las
tromagnético o híbrido, que por medio de herramientas computacionales, para eva-
inductancia, provee un arco de energía luar y comparar las características ópti-
necesario para el arranque de la lámpara, mas del mismo y comparar los resultados
además de que limita la corriente eléctrica de estas simulaciones, para corroborar el
para brindar un funcionamiento correcto. desempeño del control difuso.
Por otra parte el control inteligente com- MATERIALES Y MÉTODOS: No
prende una serie de técnicas – tomadas aplica.
fundamentalmente de la inteligencia arti- RESULTADOS: No aplica.
ficial – con las que se pretenden resolver CONCLUSIONES: No aplica.
problemas de control inabordables por lo BIBLIOGRAFÍA:
métodos clásicos [1]. Las técnicas más 1.Sanz, R. (1990). Arquitectura de Control Inteligente de
usadas en el control inteligente son: algo- Procesos (Doctoral dissertation, PhD thesis, Universidad
Politécnica de Madrid).
ritmos genéticos, sistemas expertos, lógi-
2.Zadeh, L. A. (1965). Fuzzy sets. Information and control,
ca difusa y las redes neuronales. La lógica 8(3), 338-353.
difusa es una herramienta matemática que 3.Regalado Besantes, G. F., & Villacís Díaz, N. D.
imita la manera en que los humanos ma- (2014). Diseño E Implementación De Un Control Fuzzy Para
nejamos y procesamos la información. El Un Balastro Electrónico De Una Lámpara Hid-mh (Doctoral
Dissertation, Universidad De Las Fuerzas Armadas Espe.
concepto de la lógica difusa fue concebi- Carrera De Ingeniería Electrónica Y Automatización Y Con-
do en los años sesentas por Lofti Zadeh trol).
[2]. Partiendo de esto un control difuso es
una estructura basada en conocimiento
definido a través de un conjunto de reglas
Universidad Autónoma de Aguascalientes

Av. Universidad No. 940, Aguascalientes.
Maestría en Ciencias con Opción a la Computación.
juanpecisneros@gmail.com
86

11

Cargado por

Información del documentohacer clic para expandir la información del documento

Copyright:

Formatos disponibles

11

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

11

Cargado por

Copyright:

Formatos disponibles

CENTRO DE CIENCIAS BÁSICAS

DISEÑO DE UN CONTROL INTELIGENTE USANDO

Juan Pedro Cisneros Santoyo

PARA OBTENER EL GRADO DE MAESTRO EN CIENCIAS CON OPCIÓN A LA

Aguascalientes, Ags, Noviembre de 2016

A mi madre y padre, porque siempre me tendieron su mano cuando los necesite.

A mi pequeña hija, por brindarme siempre una sonrisa en esos momentos.

Leopoldo Vázquez por su compañía en el laboratorio.

A la Universidad Autónoma de Aguascalientes por todas las atenciones brindadas.

Y al Consejo Nacional de Ciencia y Tecnología (CONACYT) por el financiamiento de mis

A todos y cada uno de ustedes gracias, ¡este logro también es suyo!

Juan Pedro C.S.

A mis padres, Leticia y Reyes,

2 Revisión de la Literatura ......................................................................................... 13

Anexo A. Cosimulación entre PSIM y SIMULINK ......................................................... 77

Anexo B. Acrónimos, Tablas y Figuras ........................................................................ 79

En la actualidad la mayoría de los sistemas son susceptibles a ser controlados, abriendo

(Palabras claves: lógica difusa, balastro, MATLAB, PWM)

(Key words: Fuzzy logic, ballast, MATLAB, PWM)

En este capítulo se darán a conocer antecedentes importantes de la utilización sistemas

A continuación se presenta un breve resumen de los trabajos encontrados al revisar la

En la tesis de D. Vélez [2] se presenta el diseño de un controlador basado en lógica

G. Regalado y N. Villacis [3] presentan el diseño e implementación de un controlador

En la tesis de C. M. Morcillo [4], realizo un análisis, diseño e implementación de una

En el trabajo de M. A. García [5] se presenta el diseño de un controlador difuso sintoni-

R. Jiménez [6] propone controlar el desplazamiento angular al eje de un motor de co-

1.2 Descripción del Problema

El consumo de electricidad a nivel mundial es un tema bastante importante, ya que las

En la actualidad existe la necesidad de controlar la potencia eléctrica de diferentes sis-

El control inteligente comprende una serie de técnicas -tomadas fundamentalmente de

Existen diferentes técnicas de control inteligente, las más usadas son:

El control difuso es una técnica donde es necesario incorporar el conocimiento de un

Enfocándonos en el aspecto de iluminación, se busca trabajar en un sistema de balastro

1.2.1 Preguntas de investigación

• ¿En qué manera afectara el número de funciones de pertenencia al desempeño

• ¿Qué ventajas tendrá la aplicación de una técnica de control difuso en un balastro

1.2.2.1 Objetivo general

 Diseñar e implementar controladores difusos con variaciones en las funciones per-

1.2.2.2 Objetivos particulares

 Implementar el controlador difuso en las herramientas computacionales, PSIM y

1.3 Organización del trabajo

Este documento de tesis está divido en 6 capítulos representados de la siguiente manera:

1. Introducción. En este capítulo se presentan los antecedentes relacionados, los ob-

2.1 Lógica Difusa

El concepto de conjuntos difusos fue introducido en el año de 1965 en el artículo “Fuzzy

La aplicación de la lógica difusa principalmente se da en sistemas no lineales, haciendo

2.1.1 Conjuntos Difusos

Sea un espacio de objetos y un elemento genérico de . Un conjunto clásico

Al definir una función característica para cada elemento , podemos representar un

A diferencia de la serie convencional mencionado, un conjunto difuso expresa el grado

Definición 2.1 Conjuntos difusos.

Si es una colección de objetos denotados genéricamente por , entonces un conjunto

donde se llama la función de pertenencia (MF “Membership Function”) para el conjunto

Obviamente, la definición de un conjunto difuso es una simple extensión de la definición

Si el valor de la función de pertenencia se limita a 0 o 1, entonces se reduce a

2.1.1.1 Operaciones entre conjuntos difusos

Definición 2.2 Unión.

La unión de los conjuntos difusos es el conjunto difuso , y se escribe como