Los controladores difusos para la automatización de invernaderos permiten la posibilidad de trabajar en diferentes condiciones de operación. Por ello, el diseño de un controlador difuso para temperatura, humedad e intensidad luminosa de un cultivo hidropónico es de gran utilidad, y se puede hacer un diseño bastante sencillo a implementar en LabVIEW. Con esto se busca extender la aplicación a diversos tipos de vegetales cultivables, mediante el uso de herramientas genéricas de inteligencia artificial.
Existen diversas formas de producir cultivos hidropónicos, entre los que se encuentran el uso de un medio líquido, en un sustrato sólido o en el aire. Con anterioridad se construyó y automatizó un cultivo de lechuga basado en la aeroponia, por lo que una solución nutritiva y rica en minerales y sales es proporcionada de forma periódica con un rociador. En este caso, se diseñó un controlador difuso que fue implementado en un microcontrolador AVR 90S8535 y comprobado empleando simulaciones elaboradas en MATLAB.
No obstante, para ampliar el rango de capacidades del sistema, se propone un rediseño del controlador para que de manera genérica pueda adaptarse a una amplia gama de vegetales frecuentes en la alimentación básica necesaria para el ser humano, mediante el uso de la instrumentación virtual que ofrece LabVIEW y las tarjetas de adquisición de datos de National Instruments.
Controlador Difuso
La lógica difusa es una herramienta matemática y de la inteligencia artificial que ha permitido el uso de la acumulación del conocimiento para llevar a cabo el control de máquinas, procesos y fenómenos, desarrollando tecnología que satisface las necesidades del hombre. La estructura base de un controlador difuso puede apreciarse en la Figura 1, con las partes principales necesarias:
- Difusificador. Establece una relación entre la entrada no difusa y diversos conjuntos difusos. Se emplean diversas estrategias para realizar las relaciones, entre las que se encuentran: Singleton (uso directo de los valores no difusos de entrada) y No Singleton (las entradas se traducen a valores difusos a través de funciones exponenciales tipo campana de Gauss, triangulares, trapezoidales, entre otras).
- Base de reglas difusas. Combina los conjuntos difusos de la entrada y asigna un conjunto difuso para la salida. Frecuentemente se emplean asociaciones lógicas verbales, empleando conjunciones de la forma “si… entonces.” Las reglas se pueden representar como una tabla o por medio de matrices (memorias asociativas difusas FAM).
- Sistemas de Inferencia. Estos dispositivos interpretan las reglas de la base por medio de operaciones realizadas con las funciones de pertenencia. Las más usadas son: regla del mínimo, regla del producto, regla aritmética, regla máximomínimo, regla booleana y regla de Goguen, entre otras.
- Desdifusificador. Transforma un conjunto difuso en un valor no difuso de salida. Existen diversos métodos para realizar la transformación, siendo los más empleados el método del máximo, el centroide de un área y la media de centroides, por mencionar algunos.
Diseño del Controlador Difuso para el cultivo hidropónico
Considerando que para cada tipo de vegetal a cultivar existen diferentes requerimientos de temperatura, humedad e intensidad luminosa, y que además dependen de la hora del día, es necesario que el controlador genérico tenga cuatro entradas correspondientes a cada una de las variables mencionadas. Adicionalmente, el controlador total se ha subdividido en el planteamiento de las reglas partiendo del principio de superposición, como se aprecia en la Figura 2.
Asimismo, el diseño propuesto implica el uso de cinco actuadores para el sistema: resistencias, persianas, luces, un humidificador y un ventilador, los cuales proporcionarán las características ambientales que requiere el cultivo.
- Diseño de las Funciones de Pertenencia para la difusificación. Para poder difusificar los valores obtenidos a partir de los sensores que miden las variables del sistema, se han establecido las Funciones de Pertenencia
- correspondientes a cada variable, con sus respectivas etiquetas y universos de discurso, según se aprecia en la Figura 3 (temperatura), Figura 4 (intensidad luminosa), Figura 5 (humedad), y finalmente en la Figura 6 (hora), correspondientemente.
- Diseño de las Matrices de Reglas Difusas (FAM). Con las funciones de pertenencia elegidas y respectivamente etiquetadas, se procedió al diseño de la FAM (matriz de reglas difusas) para relacionar las variables de entrada con el comportamiento de los actuadores a la salida del sistema [Fig. 2]. Para esto, se crearon tres matrices distintas [Figs. 7 a 9] para control de temperatura, intensidad luminosa y humedad del ambiente.
- Diseño de las Funciones de Pertenencia para la desdifusificación. Para las funciones de desdifusificación se decidió emplear del tipo Singleton o barra, para simplificar la obtención del valor nítido de voltaje para los actuadores. De esta forma, la selección puede apreciarse en las Figuras 10 a 14, para ventilador, resistencias, persianas, luces y humidificador, respectivamente.
Antes de la implementación del controlador en la plataforma elegida para las pruebas que se realizarán a futuro para el ajuste de los parámetros de diseño de acuerdo con el desempeño real del sistema, se programaron cada una de las partes que componen el controlador difuso, para posteriormente utilizar el código en bloques para LabVIEW, empleando las ventajas del software. El resultado de la implementación en LabVIEW se aprecia en la Figura 15, donde se muestran los bloques correspondientes a las partes del controlador difuso.
Conclusiones
A través de este diseño simple es posible implementar un controlador difuso en cada una de sus etapas para la automatización de un cultivo hidropónico.
Los parámetros propuestos del controlador necesitan ajuste de acuerdo al desempeño final del sistema para obtener un resultado óptimo, por lo que se consideró a LabVIEW y el sistema de adquisición de datos DAQ de National Instruments, para la validación final del controlador. Este controlador emplea las partes básicas, pero se puede extender a diseños más complejos con mayor número de variables.
El autor es Director de Maestría en Ciencias de la Ingeniería (MCI) en la Escuela de Graduados en Ingeniería y Arquitectura (EGIA). Actualmente labora en el Tecnológico de Monterrey, Campus Ciudad de México. Referencias: • Ponce, Pedro et al. (2006). Automatization based on Artificial Intelligence. México: Advances in Computer Science and Technology, Proceedings of the IASTED International Conference. • Zadeh, Lofti A. (1965). “Fuzzy sets”. En: Fuzzy Models for Pattern Recognition. EUA: IEEE. • Nguyen, H. et al (2002). A 1st Course in Fuzzy and Neural Control. 1a ed. EUA: Chapman & Hall.