Ứng dụng mạng mờ noron trong nhận dạng và điều khiển hệ phi tuyến

- PHAN THANH TÙNG ỨNG DỤNG MẠNG MỜ-NORON TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN HỆ PHI TUYẾN LUẬN VĂN THẠC SĨ KHOA HỌC CHUYÊN NGÀNH ĐIỀU KHIỂN – TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: GS.
- TS NGUYỄN TRỌNG THUẦN Hà Nội – Năm 2011 MỤC LỤC Trang phụ bìa Lời cam đoan Danh mục các chữ viết tắt Danh mục các bảng Danh mục các hình vẽ MỞ ĐẦU Trang CHƯƠNG 1 : TỔNG QUAN ỨNG DỤNG MẠNG MỜ-NƠRON CHO ĐIỀU KHIỂN HỆ PHI TUYẾN.
- Error! Bookmark not defined.
- 1.1 ) Lịch sử hình thành logic mờ và mạng noron Error! Bookmark not defined.
- 1.1.1) Logic mờ.
- 1.1.2) Mạng noron.
- 1.1.3) Lịch sử phát triển mạng mờ-nơron.
- 1.2 ) Các công trình về mạng mờ-nơron.
- CHƯƠNG 2 CƠ SỞ LÝ THUYẾT MẠNG NORON.
- Error! Bookmark not defined.2.1 Mạng noron tự nhiên.
- Error! Bookmark not defined.2.2 Mạng noron nhân tạo.
- Error! Bookmark not defined.Khái niệm.
- Error! Bookmark not defined.2.3  Mô hình mạng 1 noron đơn lẻ (Neuron Model)Error! Bookmark not defined.2.3.1 Mạng 1 noron và 1 tín hiệu đầu vào.
- Error! Bookmark not defined. 2.3.2 Mạng một noron và đầu vào là vecto (nhiều phần tử đầu vào.
- Error! Bookmark not defined.2.4  Xây dựng mạng nhiều noron.
- Error! Bookmark not defined.2.4.1 Mạng noron 1 lớp.
- Error! Bookmark not defined.2.4.2 Kí hiệu đầu vào và các lớp ( Inputs and Layers)Error! Bookmark not defined.2.4.3 Mạng noron nhiều lớp (Multiple layers of Neuron).Error! Bookmark not defined.2.5 Phân loại mạng noron.
- Error! Bookmark not defined.2.5.1 Mạng truyền thẳng ( Layered feedforward network )Error! Bookmark not defined.2.5.2 Mạng hồi quy ( Layered digita recurrent network- LDRN.
- Error! Bookmark not defined.2.6 Phương thức làm việc của mạng noron.
- Error! Bookmark not defined.2.7 Tổng quan về việc huấn luyện mạng noron.
- Error! Bookmark not defined.2.7.1 Quá trình huấn luyện một mạng noron nhiều lớp truyền thẳng.
- Error! Bookmark not defined.2.7.2 Huấn luyện cho mạng noron có phản hồi hay mạng hồi quy.
- Error! Bookmark not defined.2.8 Minh họa khả năng xấp xỉ hàm của mạng noron.Error! Bookmark not defined.2.9 Nhận dạng đối tượng điều khiển bằng mạng nơronError! Bookmark not defined.2.9.1 Phép nội suy và ngoại suy.
- Error! Bookmark not defined.2.9.2 Vấn đề khởi tạo tín hiệu đầu vào.
- CHƯƠNG 3 CƠ SỞ LÝ THUYẾT LOGIC MỜ.
- Error! Bookmark not defined.3.1.
- Logic mờ.
- Error! Bookmark not defined.3.1.1.
- Error! Bookmark not defined. 3.1.2.
- Error! Bookmark not defined.3.1.4.
- Error! Bookmark not defined.3.2.
- Bộ điều khiển mờ.
- Error! Bookmark not defined.3.2.1.
- Bộ điều khiển mờ cơ bản.
- Error! Bookmark not defined.3.2.2.
- Các nguyên tắc tổng hợp một bộ điều khiển mờError! Bookmark not defined.3.3 Các loại mô hình mờ.
- Error! Bookmark not defined.3.3.1 Dạng mô hình mờ kinh điển CRI (compositional rule of inference) Error! Bookmark not defined.3.3.2 Mô hình mờ Takagi-Sugano (TS.
- Error! Bookmark not defined.3.3.3 Dạng hàm liên thuộc tổng quát GFM( generalise fuzzy model.
- CHƯƠNG 4: ỨNG DỤNG MẠNG MỜ-NORON.
- Error! Bookmark not defined.4.1 Định nghĩa và cấu trúc mạng mờ-noron.
- Error! Bookmark not defined.4.1.1 Định nghĩa.
- Error! Bookmark not defined.4.1.2 Các kiến trúc mạng mờ-noron.
- Error! Bookmark not defined.4.2 Ứng dụng mạng mờ-noron GRNFN trong điều khiểnError! Bookmark not defined.4.2.1 Ứng dụng trong nhận dạng.
- Error! Bookmark not defined.4.2.2 : Kết hợp phương pháp GPC xây dựng bộ điều khiểnError! Bookmark not defined. Kết luận.
- Error! Bookmark not defined.Tài liệu tham khảo Phụ lục LỜI CAM ĐOAN Tôi xin cam đoan quyển luận văn thạc sỹ khoa hoc: “Ứng dụng mạng mờ-noron trong nhận dạng và điều khiển hệ phi tuyến” do tôi tự thiết kế dưới sự hướng dẫn của thầy giáo GS.TS.
- Để hoàn thành quyển luận văn này, tôi chỉ sử dụng những tài liệu được ghi trong danh mục tài liệu tham khảo và không sao chép hay sử dụng bất kỳ tài liệu nào khác.
- Bảng luật điều khiển69Bảng 4.1: So sánh đặc điểm logic mờ và mạng noron 77Bảng 4.2 sau đây so sánh đặc điểm của 3 mạng được huấn luyện89Bảng 4.3 : So sánh kết quả các mạng được huấn luyện.
- 10Hình 2.2 Noron là khâu MISO 11Hình 2.3 Noron nhân tạo 13Hình 2.4 Mô hình mạng 1 noron 18Hình 2.5 Noron có nhiều tín hiệu đầu vào 19Hình 2.6 Kí hiệu mạng 1 noron nhiều đầu vào 20Hình 2.7 Mạng noron 1 lớp nhiều đầu vào 21Hình 2.8 Kí hiệu rút gọn của mạng noron 1 lớp 22Hình 2.9 Hệ thống kí hiệu mở rộng cho mạng noron 1 lớp 23Hình 2.10 Mạng noron nhiều lớp 24Hình 2.11 Kí hiệu rút gọn mạng nhiều lớp 25Hình 2.12 Mạng truyền thẳng LFFN 26Hình 2.13 Đường dây trễ có rẽ nhánh- Tapped delay line 27Hình 2.14 Ví dụ về mạng hồi quy LDRN 28Hình 2.15 Hệ thống kí hiệu mạng LDRN 30Hình 2.16 Minh họa phương pháp tìm kiếm Emin theo hướng ngược gradient E 33Hình 2.17 Huấn luyện cho mạng truyền thẳng LFFN 34Hình 2.18 Tính toán đạo hàm riêng phần 39Hình 2.19 Tính toán đạo hàm động học toàn phần của đầu ra mạng 40Hình 2.20 Tính đạo hàm toàn phần của hàm mục tiêu tương ứng với biến w và b 41Hình 2.21 Ví dụ về việc xấp xỉ của mạng neural 42Hình 2.22 Đáp ứng đầu ra với các thông số đã cho của mạng hình 2.21 43Hình 2.23 Ảnh hưởng của sự thay đổi thông số đến đầu ra của mạng 43Hình 2.24 Sơ đồ huấn luyện mạng noron 46Hình 2.25 Lưu đồ thuật toán nhận dạng đối tượng 47Hình 2.26 Đáp ứng của mạng khi sử dụng thuật toán bình phương sai lệch cực tiểu 48 Hình 2.27 Dữ liệu huấn luyện mạng với các xung đầu vào có độ rộng lớn 51Hình 2.28 Huấn luyện mạng với kích thích đầu vào là các xung có độ rộng nhỏ 52Hình 2.29: Dữ liệu huấn luyện mạng với độ rộng xung hỗn hợp 52Hình 3.1 Hàm phụ thuộc các số tự nhiên nhỏ hơn 6 54Hình 3.2.
- Sơ đồ khối bộ điều khiển mờ cơ bản 67Hình 3.14: Ảnh hưởng của chỉ số vk đến mối quan hệ giữa biến vào và biến ra.
- v1= 0.01v2 80Hinh 4.3 : Cấu trúc cơ bản mạng hồi quy RNFN 81Hình 4.4 Cách chuyển mạng huấn luyện từ trực tiếp sang gián tiếp 82Hình 4.5a, b : Hàm liên thuộc biến tiền đề -à.
- tương ứng 83Hình 4.6: Dạng tín hiệu kích thich đầu vào đối tượng và đáp ứng đầu ra 84Hình 4.7: Quá trình huấn luyện mạng mờ-noron 84Hình 4.8 : Đáp ứng đầu ra mạng mờ-noron, giá trị mấu và sai lệch sau khi huấn luyện 85Hình 4.9 : Đáp ứng đầu ra khi sử dụng bộ dữ liệu kiểm tra kết quả.
- 85Hình 4.10 a: Đồ thị hàm liên thuộc biến X1 sau khi huấn luyện 86Hình 4.10b.
- Đồ thị hàm liên thuộc biến X2 sau khi huấn luyện 86Hình 4.11 : Kết quả huấn luyện các mạng GRBFN, RNFN, GRNFN 90Hình 4.12: Đồ thị mô tả dự báo tầm xa và sự ước lượng 92Hình 4.13a) Đồ thị đáp ứng đầu ra của đối tượng được điều khiển bám theo giá trị đặt 98Hình 4.13b) Đồ thị tín hiệu điều khiển đối tượng.
- 98 Luận văn thạc sĩ khoa học MỞ ĐẦU I.
- Lý do chọn đề tài Trong thời gian qua, cùng với sự phát triển của khoa học kỹ thuật hiện đại thì ngành điều khiển học đã có các bước tiến bộ vượt bậc.
- Ngành điều khiển và tự động hóa ngày càng thâm nhập sâu vào trong mọi mặt đời sống xã hội để giúp cho con người có một cuộc sống tiện nghi hơn, dễ dàng hơn.
- Việc điều khiển từ những con robot nhỏ, tòa nhà thông minh cho đến việc điều khiển toàn bộ nhà máy lớn hoặc các công trình đồ sộ đặt ra cho điều khiển học các bài toán phức tạp.
- Các đối tượng điều khiển này không đơn giản chỉ có một tín hiệu đầu vào/ra mà chúng có hàng trăm tín hiệu đầu vào và có quan hệ động học phi tuyến phức tạp với đầu ra.
- Điều này gây khó khăn rất lớn cho các phương pháp điều khiển kinh điển.
- Trước khó khăn đó thì các phương pháp điều khiển thông minh đã ra đời đã giải quyết rất nhiều bài toán động học phi tuyến phức tạp hay thậm chí các đối tượng là hộp đen ( chỉ đo được tín hiệu vào/ra mà không biết được chính xác mô hình đối tượng.
- Nổi bật trong các phương pháp đó là trí tuệ nhân tạo hay chính là logic mờ và mạng noron.
- So với các bộ điều khiển kinh điển khác thì bộ điều khiển mờ có ưu điểm nổi bật là.
- Dễ hiểu hơn, trong nhiều trường hợp bộ điều khiển này làm việc ổn định, bền vững và chất lượng điều khiển cao hơn.
- Làm việc được với đồi tượng có tham số thay đổi và cấu trúc không rõ ràng Mạng noron được chỉ ra có khả năng xấp xỉ hàm rất tốt và được ứng dụng vào mô hình hóa quá trình bởi nhiều nghiên cứu.
- Mạng noron có thể học mô hình Luận văn thạc sĩ khoa học quá trình từ tập dữ liệu vào/ra của quá trình đó.
- Việc huấn luyện mạng noron theo quy ước là hộp đen.
- Do vậy việc nghiên cứu nhận dạng và điều khiển các đối tượng động học phi tuyến phức tạp sử dụng bộ điều khiển mờ và mạng noron là vấn đề cần thiết, có ý nghĩa quan trọng, có khả năng ứng dụng vào thực tế.
- Lịch sử nghiên cứu Thời điểm đánh dấu sự ra đời của bộ điều khiển mờ-nơron và nơron-mờ là công trình nghiên cứu của Lee về mối liên quan giữa lý thuyết tập mờ với mạng nơron McCulloch-Pitts vào năm 1970.
- Thập kỷ 80-90 được xem là thời kỳ nở rộ của các công trình của mờ-nơron cũng như nơron-mờ với những ứng dụng trong nhận dạng ảnh, trong hệ thống hỗ trợ quyết định, trong cơ chế suy diễn nơron-mờ.
- Nguyên nhân nữa thúc đẩy sự phát triển này chính là các sản phẩm logic mờ ở Nhật Bản phát triển mạnh mẽ và các chip mờ đã được ứng dụng trong điều khiển máy giặt, nồi cơm điện, máy điều hòa,… Hiện nay, sự phát triển của hệ mờ-nơron vẫn đang tiếp tục phát triển mạnh theo hướng tìm tòi và xây dựng các thuật toán học định hướng cho các ứng dụng ở nhiều lĩnh vực khác nhau như hệ thống hỗ trợ quyết định, hệ chuyên gia, tính toán mềm, hệ hỗn loạn, điều khiển thích nghi, xử lý tín hiệu bất định,… III.
- Mục đích của đề tài Nghiên cứu các đặc điểm của của mạng mờ noron trong các công trình của các tác giả trong nước và quốc tế từ đó biết được các ưu khuyết điểm của từng mạng.
- Trên cơ sở đó ta đề xuất ra một mạng mờ noron mới kết hợp ưu điểm của các Luận văn thạc sĩ khoa học mạng trước đây nhằm ứng dụng nhận dạng và điều khiển hệ phi tuyến .
- và xây dựng các mô hình dự báo tầm xa cho đối tượng để hỗ trợ các chuyên gia ra quyết định.
- Đối tượng nghiên cứu, phạm vi đề tài Đối tượng nghiên cứu: Mạng mờ noron.
- Phạm vi nghiên cứu: Xây dựng mạng mờ noron mới, xây dựng thuật toán điều khiển GPC kết hợp mạng mờ noron để điều khiển đối tượng, mô phỏng, viết chương trình trên phần mềm matlab thông qua công cụ Mfile.
- Đánh giá chất lượng của mạng mờ noron mới so với các mạng mờ noron trước đây.
- Bố cục của luận văn Với mục tiêu và phạm vi nghiên cứu nêu trên luận văn bố cục thành 4 chương: Chương I: Tổng quan ứng dụng mạng mờ noron cho điều khiển hệ phi tuyến Chương II: Cơ sở lý thuyết mạng noron.
- Chương IV: Ứng dụng mạng mờ noron .
- Ý nghĩa khoa học của luận văn Các vấn đề đề cập trong luận văn cho thấy khả năng ứng dụng rất lớn mạng mờ noron trong nhận dạng và điều khiển các đối tượng phức tạp.
- Luận văn nhằm giúp cho ta có cái nhìn sâu hơn về một phương pháp điều khiển thông minh mới đang rất phát triển hiện nay.
- Với năng lực hạn chế của bản thân cũng như các nguyên nhân khách quan, chủ quan khác, luận văn không tránh khỏi những thiếu sót.
- Tác giả rất mong được sự góp ý của quý thầy cô, các bạn bè và đồng nghiệp để luận văn được hoàn thiện hơn.
- Tác giả xin chân thành cảm ơn các thầy giáo và cô giáo trong Bộ môn Tự động Luận văn thạc sĩ khoa học hóa xí nghiệp công nghiệp Trường Đại học Bách Khoa Hà Nội, các bạn bè đồng nghiệp đã giúp đỡ và tạo điều kiện thuận lợi trong thời gian thực hiện luận văn.
- Nguyễn Trọng Thuần đã quan tâm, tận tình hướng dẫn giúp tác giả xây dựng và hoàn thành luận văn này.
- Chương 1 : Tổng quan về mạng mờ-noron 1 CHƯƠNG 1 : TỔNG QUAN ỨNG DỤNG MẠNG MỜ-NƠRON CHO ĐIỀU KHIỂN HỆ PHI TUYẾN Ngày nay có rất nhiều phương pháp nhận dạng và điều khiển hệ thống như PID, Lyaponov, tuyến tính hóa chính xác … nhưng đa phần các phương pháp này ứng dụng cho các đối tượng tuyến tính hoặc đòi hỏi phải có mô hình toán học chính xác.
- Với những đối tượng phi tuyến mà chưa có hiểu biết về đối tượng hoặc chỉ hiểu biết sơ lược, mơ hồ về đối tượng thì những phương pháp trên tỏ ra không hữu hiệu.
- Đối với những trường hợp này thì phương pháp điều khiển mờ và noron tỏ ra có khả năng vượt trội.
- Với ưu điểm cơ bản là có thể xứ lý với độ chính xác cao những thông tin "không chính xác" hệ mờ và mạng nơron là cơ sở của hệ "điều khiển thông minh" và "trí tuệ nhân tạo".
- 1.1 ) Lịch sử hình thành logic mờ và mạng noron 1.1.1) Logic mờ Có thể nói, ngay từ khi mới ra đời vào những năm nửa cuối thế kỷ 20, chuyên ngành điều khiển mờ đã được phát triển rất mạnh mẽ và đem lại nhiều thành tựu bất ngờ trong lĩnh vực điều khiển.
- Ưu điểm cơ bản của điều khiển mờ so với các phương pháp điều khiển kinh điển là có thể tổng hợp được bộ điều khiển mờ mà không cần biết trước đặc tính của đối tượng một cách chính xác.
- Chính khả năng này đã làm cho điều khiển mờ sao chụp được phương thức xử lý thông tin và điều khiển con người, đã giải quyết thành công các bài toán điều khiển phức tạp, các bài toán mà trước đây không giải quyết được và đã đưa nó lên Chương 1 : Tổng quan về mạng mờ-noron 2 vị trí xứng đáng là kỹ thuật điều khiển của hôm nay và tương lai.
- Điều khiển mờ hay còn gọi là điều khiển thông minh là những bước ứng dụng ban đầu của trí tuệ nhân tạo vào kỹ thuật điều khiển.
- 1.1.2) Mạng noron Ngay từ khi được khai sinh bằng sự ra đời cuốn sách « Điều khiển học hay điều chỉnh và sự truyền thông trong cơ thể sống, trong máy móc » của tác giả Nobert Wieners xuất bản năm 1948 thì điều khiển học đã đặt ra mục đích nghiên cứu áp dụng nguyên lý làm việc của hệ thống thần kinh động vật vào điều khiển.
- Công cụ giúp Điều khiển học thực hiện được mục đích này là trí tuệ nhân tạo và mạng mờ noron.
- Với logic mờ, trí tuệ nhân tạo phát triển mạnh mẽ trong những năm gần đây tạo ra cơ sở xây dựng các hệ chuyên gia, những hệ có khả năng cung cấp kinh nghiệm điều khiển hệ thống hay còn gọi là hệ trợ giúp quyết định.
- Trí tuệ nhân tạo được xây dựng dựa trên mạng noron nhân tạo.
- Sự kết hợp giữa logic mờ và mạng noron trong thiết kế hệ thống điều khiển tự động là một khuynh hướng hoàn toàn mới, phương hướng thiết kế hệ điều khiển thông minh, một hệ thống mà bộ điều khiển có khả năng tư duy như bộ não của con người

Xem thử không khả dụng, vui lòng xem tại trang nguồn
hoặc xem Tóm tắt