Nghiên cứu ứng dụng mạng nơron - mờ nhận dạng hệ phi tuyến

- Nguyễn Văn Cường TỰ ĐỘNG HOÁ 0BNGHIấN CỨU ỨNG DỤNG MẠNG NƠRON-MỜ 1BNHẬN DẠNG HỆ PHI TUYẾN 2BLUẬN VĂN THẠC SĨ: TỰ ĐỘNG HOÁ 2006-2008 Hà Nội 2008 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI.
- Nguyễn Văn Cường NGHIấN CỨU ỨNG DỤNG MẠNG NƠRON-MỜ NHẬN DẠNG HỆ PHI TUYẾN Chuyờn ngành: Tự động hoỏ LUẬN VĂN THẠC SĨ: TỰ ĐỘNG HOÁ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS Nguyễn Trọng Thuần Hà Nội 2008 LỜI CAM ĐOAN Bài toỏn Nghiờn cứu mạng nơron mờ để từ đú xõy dựng cấu trỳc mạng Nơron mờ để nhận dạng hệ phi tuyến được trỡnh bày trong Luận văn này là một bài toỏn hoàn toàn mới, nội dung này chưa được trỡnh bày chưa được trỡnh bày trờn cỏc sỏch bỏo, ấn phẩm nào trong nước Việt Nam cũng như nước ngoài.
- 12 CHƯƠNG 2 MẠNG NƠRON MỜ.
- Nhận dạng hệ phi tuyến sử dụng logic mờ.
- Mạng Nơron.
- Khỏi niệm mạng nơron nhõn tạo.
- Cấu trỳc mạng nơron.
- Quỏ trỡnh học của mạng nơron.
- Một số mạng nơron điển hỡnh.
- Nhận dạng hệ phi tuyến sử dụng mạng Nơron.
- Mạng nơron mờ.
- Khỏi niệm mờ trong mạng nơron.
- Phương phỏp xõy dựng mạng nơron mờ.
- Thuật toỏn học của mạng nơron mờ.
- 57 CHƯƠNG 3 NHẬN DẠNG HỆ PHI TUYẾN SỬ DỤNG MẠNG NƠRON MỜ VÀ ỨNG DỤNG.
- Nhận dạng hệ phi tuyến sử dụng mạng nơron-mờ.
- Sử dụng mạng nơron mờ để nhận dạng hệ phi tuyến tĩnh.
- Sử dụng mạng nơron mờ nhận dạng hàm y = x2.
- Sử dụng mạng nơron mờ để nhận dạng hàm y = sinx+cosx.
- Sử dụng mạng nơron mờ để nhận dạng hệ phi tuyến động.
- Nhận dạng chuyển động của hệ cầu trục sử dụng mạng nơron mờ.
- Nhận dạng gúc lệch α hệ cầu trục sử dụng mạng nơron mờ.
- Mó nguồn chương trỡnh huấn luyện mạng nơron mờ nhận dạng hàm y = x2.
- Mó nguồn chương trỡnh huấn luyện mạng nơron mờ nhận dạng hàm y = sinx+cosx.
- Mó nguồn chương trỡnh huấn luyện mạng nơron mờ nhận dạng hệ phi tuyến động.
- Mó nguồn chương trỡnh huấn luyện mạng nơron mờ nhận dạng gúc lệch α của hệ cầu trục.
- 18 Hỡnh 2.2 Cấu trỳc hệ suy diễn mờ.
- 23 Hỡnh 2.4 Cấu trỳc hệ suy diễn mờ MIMO.
- 26 Hỡnh 2.5 Giải mờ bằng phương phỏp cực đại.
- 27 Hỡnh 2.6 Giải mờ theo phương phỏp điểm trọng tõm.
- 28 Hỡnh 2.7 Cấu trỳc một nơron sinh học.
- 33 Hỡnh 2.8 Cấu trỳc cơ bản của một nơron nhõn tạo.
- 33 Hỡnh 2.9 Cấu trỳc một mạng nơron ba lớp.
- 34 Hỡnh 2.10 Mạng nơron Adaline.
- 42 Hỡnh 2.12 Mụ hỡnh nhận dạng cơ bản.
- 45 Hỡnh 2.13 Mụ hỡnh nhận dạng khi thụng tin vào cú thể bổ sung.
- 46 Hỡnh 2.14 Mụ hỡnh nhận dạng sử dụng tri thức tiờn nghiệm.
- 48 Hỡnh 2.15 Mụ hỡnh nhận dạng động học nghịch.
- 48 Hỡnh 2.16 Cấu trỳc cơ bản của một nơron nhõn tạo.
- 51 Hỡnh 2.17 Cấu trỳc một nơron mờ với trọng số mờ.
- 51 Hỡnh 2.18 Cấu trỳc một nơron mờ với tớn hiệu mờ kết hợp trọng số mờ.
- 51 Hỡnh 2.19 Cỏc hàm thuộc vào ra.
- 54 Hỡnh 2.20 Cấu trỳc mạng nơron mờ với hai giỏ trị vào.
- 57 Hỡnh 3.1 Cấu trỳc mạng nơron mờ sử dụng để nhận dạng hệ phi tuyến.
- 62 Hỡnh 3.2a Cỏc hàm thuộc ban đầu.
- 65 Hỡnh 3.2b Cỏc hàm thuộc đó huấn luyện.
- 65 4 Hỡnh 3.2c Đồ thị giỏ trị ra mong muốn và giỏ trị ra ước lượng.
- 67 Hỡnh 3.3a Cỏc hàm thuộc ban đầu.
- 69 Hỡnh 3.3b Cỏc hàm thuộc đó huấn luyện.
- 69 Hỡnh 3.3c Đồ thị giỏ trị ra mong muốn và giỏ trị ra ước lượng.
- 69 Hỡnh 3.3d Đồ thị sai lệch giữa giỏ trị ra mong muốn và giỏ trị ra ước lượng.70 Hỡnh 3.4 Đồ thị tớn hiệu vào-ra hệ phi tuyến (3.11).
- 78 Hỡnh 3.9 Đồ thị tớn hiệu vào (điện ỏp U) và tớn hiệu ra (gúc lệch).
- 80 Hỡnh 3.10 Đồ thị giỏ trị ra ước lượng và giỏ trị ra mẫu.
- 81 Hỡnh 3.11 Đồ thị giỏ trị ra ước lượng và giỏ trị ra kiểm tra.
- Bản túm tắt Sự ra đời của cỏc phương phỏp mới như cỏc phương phỏp: sử dụng hệ suy luận mờ, phương phỏp sử dụng mạng Nơron nhõn tạo và đặc biệt là phương phỏp sử dụng mạng Nơron mờ đó cung cấp thờm cho cỏc nhà khoa học nhiều cụng cụ mới để giải quyết cỏc bài toỏn phức tạp mà trước cỏc phương phỏp trước đõy chưa giải quyết được.
- Một trong số những bài toỏn đú là bài toỏn nhận dạng hệ phi tuyến.
- Bài toỏn nhận dạng hệ phi tuyến sử dụng mạng Nơron mờ sẽ được trỡnh bày cụ thể trong Luận văn này.
- Logic mờ, hệ suy diễn mờ, bài toỏn nhận dạng sử dụng hệ suy diễn mờ.
- Mạng Nơron nhõn tạo, thuật học của mạng Nơron, bài toỏn nhận dạng hệ phi tuyến sử dụng mạng Nơron.
- Mạng Nơron mờ, phương phỏp xõy dựng mạng Nơron mờ, thuật học của mạng Nơron mờ.
- Chương 3: Tỏc giả đi vào nghiờn cứu bài toỏn xõy dựng mạng Nơron mờ cú khả năng nhận dạng hệ phi tuyến bất kỳ.
- Trong chương này tỏc giả đó ứng dụng thành cụng mạng Nơron mờ để nhận dạng.
- Cỏc hệ phi tuyến tĩnh như nhận dạng cỏc hàm y = x2, y = sinx+cosx.
- Cỏc hệ phi tuyến động.
- Nhận dạng đối tượng thực tế là hệ cầu trục LỜI NểI ĐẦU Hệ phi tuyến trước đõy luụn là một đối tượng khú tiếp cận bởi cỏc lý do như: cú cỏc đặc trưng động học đa dạng và phức tạp, mỗi hệ phi tuyến lại cú một đặc thự riờng khụng giống với cỏc hệ phi tuyến khỏc… Vỡ những lý do này mà cỏc phương phỏp phõn tớch truyền thống thường gặp rất nhiều khú khăn khi giải quyết cỏc bài toỏn liờn quan đến hệ phi tuyến.
- Mặc dự cỏc nhà khoa học trước đõy đó cú nhiều nỗ lực để tiếp cận với cỏc hệ phi tuyến, song cũng chỉ cú thể xõy dựng được cỏc phương phỏp ỏp dụng cho một lớp nhỏ cỏc hệ phi tuyến cú những tớnh chất đặc biệt, bậc phi tuyến thấp.
- Ngày nay, cựng với sự phỏt triển và tiộn bộ của khoa học và kỹ thuật, đặc biệt là với sự ra dời và hỗ trợ của mỏy tớnh số thỡ đó cú nhiều phương phỏp mới, hiện đại ra đời.
- Cỏc phương phỏp này, đó tiếp cận rất hiệu quả cỏc hệ phi tuyến, giải quyết được một lớp rộng cỏc hệ phi tuyến phức tạp.
- Một trong cỏc phương phỏp đú là phương phỏp sử dụng mạng Nơron mờ.
- Mạng Nơron mờ là sự kết hợp của hai phương phỏp sử dụng hệ suy diễn mờ và mạng Nơron nhõn tạo, phương phỏp cú được cả khả năng sử dụng biến ngụn ngữ, kiến thức kinh nghiệm của hệ suy luận mờ lẫn khả năng học và khả năng xấp xỉ của mạng nơron nhõn tạo nờn cú thể tiếp cận dễ dàng một lớp rộng cỏc hệ phi tuyến.
- Bài toỏn nhận dạng hệ phi tuyến sử dụng mạng Nơron mờ đó được tỏc giả giải quyết thành cụng trong luận văn này.
- Cỏch đõy khoảng hai mươi năm, trong khi cỏc hệ tuyến tớnh đó được nghiờn cứu và điều khiển bằng rất nhiều cỏc phương phỏp cú thể núi là đó đạt tới mức hoàn hảo thỡ việc tiếp cận cỏc hệ phi tuyến lại trở nờn rất khú khăn.
- Mặc dự cỏc nhà khoa học đó cú rất nhiều nỗ lực để nghiờn cứu và đưa ra cỏc phương phỏp khỏc nhau, song cỏc phương phỏp này cũng chỉ ỏp dụng được cho một lớp cỏc hệ phi tuyến đặc biệt cú số bậc thấp.
- Do đú việc tỡm ra cỏc phương phỏp để phõn tớch, điều khiển cho lớp rộng cỏc hệ phi tuyến cú bậc cao vẫn cũn là vấn đề được quan tõm nghiờn cứu cho tới nay.
- Ngày nay, với sự phỏt triển của khoa học, cụng nghệ đặc biệt là cụng nghệ mỏy tớnh số thỡ đó xuất hiện nhiều phương phỏp tỏ ra khỏ hiệu quả trong việc tiếp cận với lớp rộng cỏc hệ phi tuyến.
- Cú thể kể ra đõy ba trong số cỏc phương phỏp mới và cú hiệu quả nổi trội nhất là.
- Phương phỏp sử dụng hệ suy diễn mờ.
- Phương phỏp sử dụng mạng Nơron.
- Phương phỏp sử dụng mạng Nơron-mờ.
- Cỏc phương phỏp này cú đặc điểm chung là cú khả năng làm việc giống tư duy của con người, đõy chớnh là ưu điểm khiến cho chỳng cú thể dễ dàng được ỏp dụng cho một lớp rộng cỏc hệ phi tuyến cú số bậc cao.
- Nếu như phương phỏp sử dụng hệ suy diễn mờ nổi bật với ưu điểm là cú khả năng sử dụng cỏc kiến thức kinh nghiệm, cỏc kiến thức của chuyờn gia dưới dạng cỏc phỏt biểu ngụn ngữ.
- Phương phỏp sử dụng mạng nơron nổi trội với khả năng tự học qua cỏc mẫu học, khả năng xấp xỉ với độ chớnh xỏc bất kỳ, thỡ phương phỏp sử dụng mạng nơron 8 mờ lại là sự kết hợp của hai phương phỏp và cú được cỏc ưu điểm kể trờn của hai phương phỏp.
- Nhận dạng hệ thống chớnh là quỏ trỡnh tỡm ra mụ hỡnh toỏn học cú khả năng mụ tả hệ thống.
- Như vậy nhận dạng hệ thống cú một vai trũ hết sức quan trọng trong cỏc quỏ trỡnh điều khiển, dự đoỏn và phõn tớch hệ thống.
- Trong khi nhận dạng hệ phi tuyến sử dụng cỏc phương phỏp kinh điển thường tỏ ra rất phức tạp và chỉ cú thể ỏp dụng được cho cỏc hệ cú số bậc phi tuyến thấp thỡ quỏ trỡnh nhận dạng sử dụng cỏc phương phỏp hiện đại kể trờn lại tỏ ra rất đơn giản đặc biệt là phương phỏp sử dụng mạng nơron-mờ.
- Như chỳng ta thấy,cỏc hệ thống thực tế trong tất cả cỏc lĩnh vực đời sống xó hội xột một cỏch chớnh xỏc đều là cỏc hệ phi tuyến do vậy bài toỏn nhận dạng cỏc hệ phi tuyến cú một ý nghĩa hết sức to lớn và thiết thực.
- Nghiờn cứu bài toỏn nhận dạng hệ phi tuyến bằng cụng cụ hiện đại là mạng nơron mờ.
- Xõy dựng một mạng nơron-mờ cú khả năng nhận dạng hệ phi tuyến bất kỳ.
- Ứng dụng mạng nơron-mờ để nhận dạng một đối tượng cụ thể.
- Luận văn đưa ra một phương phỏp mới dễ dàng và hiệu quả để nhận dạng hệ phi tuyến phục vụ cho nhiều mục đớch như: điều khiển, phõn tớch, mụ phỏng và dự đoỏn hệ thống.
- Do tớnh đơn giản, hiệu quả nờn mạng nơron-mờ do luận văn nghiờn cứu và xõy dựng cú thể dễ dàng được sử dụng để nhận dạng cỏc hệ phi tuyến trong thực tế.
- Bài bỏo đầu tiờn về nơron mờ là của Ed Lee phỏt hành năm 1975.
- Sau đú cú rất ớt cỏc hoạt động nghiờn cứu về nơron mờ.
- Hayashi đó phỏt minh ra những hệ thống trong đú kết hợp giữa logic mờ và mạng nơron để thu được hiệu quả cao hơn.
- Hayashi mở ra một cỏnh cửa cho sự phỏt triển đa dạng của cỏc hệ thống nơron mờ.
- Ngày nay cú rất nhiều cỏc tài liệu cũng như cú một phạm vi ứng dụng 10 rất rộng rói nơron mờ đặc biệt là trong lĩnh vực sản phẩm tiờu dựng.
- Nảy sinh một cõu hỏi là tại sao cỏc hệ thống nơron mờ lại được quan tõm đến như vậy? và hệ nơron mờ cú thể làm được những gỡ mà cỏc hệ thống khỏc khụng làm được.
- Cỏc hệ thống nơron mờ cú thể được xem là sự kết hợp giữa tớnh toỏn nơron và logic mờ, thừa hưởng từ tớnh toỏn nơron nội dung và cụng nghệ liờn quan tới việc học và sự xấp xỉ, thừa hưởng từ logic mờ nội dung và cụng nghệ liờn quan tới phõn tớch, cỏc biến ngụn ngữ, cỏc luật suy luận mờ “nếu-thỡ”, cỏc kiến thức chuyờn gia, cỏc tri thức kinh nghiệm Một dạng quan trọng của hệ nơron mờ được khơi nguồn bởi Arabshahi với một thuật toỏn tựa nơron như là thuật toỏn lan truyền ngược và cải thiện khả năng của nú bằng việc đưa thờm vào cỏc luật mờ “nếu-thỡ” để điều khiển thớch nghi cỏc thụng số.
- Một hướng quan trọng khỏc nổi lờn đầu những năm 90 của thế kỷ trước là việc xem hệ suy luận mờ Takagi-Sugeno như một mạng nơron nhiều lớp.
- Bortolan liờn quan tới mờ hoỏ nhiều lớp, mạng nơron truyền thẳng, kết hợp trong một mạng nơron mờ.

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