(TIỂU LUẬN) báo cáo CUỐI kì ỨNG DỤNG LOGIC mờ vào điều KHIỂN NHIỆT độ lò sấy

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CUỐI KÌ ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY Giảng viên hướng dẫn : Ths ĐẶNG NHƯ PHÚ Sinh viên thực hiện: : TRẦN CAO MINH - 2000004265 NGUYỄN ĐÌNH CHIÊU - 2000004626 Chuyên ngành: : TRÍ TUỆ NHÂN TẠO Mơn học: : ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG Khóa: : 2020 Tp.HCM, tháng 09 năm 2022 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CUỐI KÌ ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY Giảng viên hướng dẫn : Ths ĐẶNG NHƯ PHÚ Sinh viên thực hiện: : TRẦN CAO MINH - 2000004265 NGUYỄN ĐÌNH CHIÊU - 2000004626 Chun ngành: : TRÍ TUỆ NHÂN TẠO Mơn học: : ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG Khóa: : 2020 Tp.HCM, tháng 09 năm 2022 TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM KHOA CÔNG NGHỆ THÔNG TIN Độc lập – Tự – Hạnh phúc   NHIỆM VỤ ĐỒ ÁN MÔN HỌC Họ tên: TRẦN CAO MINH MSSV: 2000004265 Họ tên: NGUYỄN ĐÌNH CHIÊU MSSV: 2000004626 Chuyên ngành: TRÍ TUỆ NHÂN TẠO Lớp học phần: 20DTH1B Tên đề tài: ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY Giảng viên giảng dạy: ThS Đặng Như Phú Thời gian thực hiện: 12/06/2022 đến 08/09/2022 Nhiệm vụ/nội dung (mô tả chi tiết nội dung, yêu cầu, phương pháp… ): - Phân tích u cầu tốn - Xác định đầu vào đầu - Xác định tập mờ - Xác định luật - Xây dựng mơ hình điều khiển nhiệt độ dựa tập mờ luật, đánh giá kết - Biểu diễn kết Nội dung yêu cầu thơng qua Bộ mơn Tp.HCM, ngày TRƯỞNG BỘ MƠN tháng 09 năm 2022 GIẢNG VIÊN GIẢNG DẠY i Đặng Như Phú Đặng Như Phú BẢNG PHÂN CÔNG THỰC HIỆN ĐỒ ÁN MƠN HỌC - Tìm hiểu Logic Mờ - Viết luật điều khiển - Phủ trường hợp luật - Triển khai Logic mờ ngôn ngữ Python - Tìm hiểu thư viện Scikit-fuzzy - Cài đặt môi trường Google Colab - Tham gia viết báo cáo Chấm điểm: Nhận xét: ii iii Lời cảm ơn Lời đầu tiên, em chân thành gửi lời cảm ơn tới thầy ĐẶNG NHƯ PHÚ giúp đỡ nhóm em lớp suốt mơn học Trong q trình học tập tìm hiểu mơn “ ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG”, thầy tận tuỵ hỗ trợ nhiệt tình cho em, lớp Thầy giúp em tích luỹ thêm nhiều kiến thức để hồn thiện ước mơ cơng nghệ thơng tin Thơng qua báo cáo kì này, em muốn thể tổng quan tất kiến thức thầy truyền đạt cho em đến thời điểm Trong thời gian thực đồ án cuối kì mơn học để có kết nộp thầy không tránh thiếu sót, em mong thầy xem xét đưa nhận xét, góp ý chân thành để đồ án hồn thiện Kính chúc thầy nhiều sức khoẻ, thành công đường truyền đạt tri thức Em cảm ơn thầy! iv Lời mở đầu Trong sống, người truyền thông tin cho chủ yếu ngôn ngữ tự nhiên Mặc dù ngôn ngữ tự nhiên thường đa nghĩa, khơng xác, khơng đầy đủ, phương tiện truyền thơng tin mạnh mẽ thông dụng người với Vượt qua tất hạn chế ngơn ngữ tự nhiên (thiếu xác, khơng rõ ràng, …), người thường hiểu hiểu sai điều mà người khác muốn nói với Đây điều mà máy móc nói chung máy tính nói riêng khơng thể thực cách hồn hảo Tham vọng nhà tốn học, logic học công nghệ thông tin muốn xây dựng cho máy móc khả suy diễn xử lý thơng tin, tức có khả hoạt động óc người để chúng nhận mệnh lệnh người thông qua ngôn ngữ tự nhiên thực thi nhiệm vụ Như vậy, vấn đề đặt làm để máy tính hiểu xử lý tri thức diễn đạt ngôn ngữ tự nhiên Để đạt điều này, trước hết người ta cần phải xây dựng lý thuyết logic toán cho phép mơ tả xác ý nghĩa mệnh đề không rõ ràng, đa nghĩa Những mệnh đề chứa thơng tin khơng xác không đầy đủ (gọi thông tin mờ), chẳng hạn: lập trình giỏi, khơng thể có giá trị chân lý p’, hay lương A cao bao nhiêu, A cảm tình với B đến mức ? Tất mệnh đề khơng thể có giá trị chân lý (đúng/sai) rõ ràng (gọi mệnh đề ‘mờ’) Chúng ta áp dụng quy tắc modus ponens logic cổ điển với mệnh đề ‘mờ’ đây, để suy ‘A có lương cao’ đúng, có luật : ‘người lập trình giỏi có lương cao’ Để máy tính hiểu tri thức diễn đạt ngôn ngữ tự nhiên chứa đựng thông tin ‘mờ’, người ta cần phải xây dựng lý thuyết logic mới, cho phép mô tả xác ý ghĩa mệnh đề có chứa thông tin không rõ ràng, đa nghĩa v PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN Điểm giáo viên hướng dẫn: Điểm giảng viên chấm vòng 2: TPHCM, Ngày …… tháng …… năm Giáo viên chấm vòng Giáo viên hướng dẫn vi MỤC LỤC Muc luc Lời cảm ơn iii Lời mở đầu iv PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN .v MỤC LỤC vi DANH MỤC HÌNH vii Chương Giới thiệu đề tài 1.1 Lý chọn đề tài 1.2 Mô tả hướng xây dựng đề tài 1.3 Môi trường cài đặt .2 Chương Cơ sở lý thuyết Kết luận Hướng phát triển tương lai vii chất, gọi phần tử tập hợp Ý nghĩa logic khái niệm tập hợp xác định chỗ vật đối tượng có hai khả phần tử tập hợp xét không ∈ Cho tập hợp∉ A, phần tử x thuộc tập A kí hiệu x A ngược lại ta dùng kí hiệu x A dùng để x khơng thuộc tập A Một phần tử khơng có tập hợp gọi rỗng Cho tập A Ánh xạ μA(X):A→R Định nghĩa sau: μA(X) {μ A ( X )=1 X ∈ A μ A ( X )=0 X ∉ A Được gọi hàm liên thuộc tập A Như μA(X) nhận hai giá trị Giá trị hàm liên thuộc μA(X) có giá trị đúng, ngược lại giá trị sai μA(X) Một tập X ln có μA(X)=1 với x gọi khơng gian Một tập A có dạng A= {x ∈ X | x thoả mãn số tính chất đó}thì nói có tập X, hay định nghĩa tập X Như lý thuyết kinh điển hàm liên thuộc hoàn toàn đương với định nghĩa tập hợp từ định nghĩa tập hợp A bất kỳ, ta xác định hàm liên thuộc μ A(X) cho tập ngược lại từ hàm liên thuộc μ A(X) hoàn toàn suy định nghĩa cho tập hợp A Cách biểu diễn hàm liên thuộc không phù hợp với tập dược mô tả ‘mờ’ tập B gồm số thực dương nhỏ ∈ so với B= {x R| x ≤ 6} Lý định nghĩa mờ chưa đủ để xác định số, chẳng hạn x=3,5 có thuộc B hay khơng khơng khẳng định số thực x=3,5 khơng thuộc B, x=3,5 thuộc B phần trăm? Giả sử μB(X) điểm x=3,5 phải có giá trị nằm khoảng [0,1], tức là: 13 ≤ μB(X) ≤1 Nói cách khác hàm μB(X) khơng cịn hàm hai giá trị tập kinh điển mà ánh xạ μB:X → [0,1] Trong X tập tập mờ Như khác với tập kinh điển A, từ ‘Kinh điển’ tập mờ B C không suy hàm liên thuộc μB(X) μC(X) chúng Hơn hàm phụ thuộc lại giữ vai trò ‘làm rõ định nghĩa’ cho tập mờ Do phải nêu lên điều kiện định nghĩa tập mờ 2.1.2 Định nghĩa tập mờ Tập mờ F định nghĩa trên∈ tập mờ X tập mà phần tử cặp giá trị (x, μ B(x)), x X μF(X) ánh xạ μF(x):B → [0,1] Ánh xạ μF gọi hàm phụ thuộc tập mờ F, tập kinh điển X gọi tập F Ví dụ tập mờ F số tự nhiên nhỏ với hàm liên thuộc μF(X) có dạng hình định nghĩa X chứa phần tử sau: F={(1,1), (2,1), (3, 0.8), (4, 0.07)} Số tự nhiên có độ phụ thuộc μF(1)= μF(2)=1 14 Hình Hàm liên thuộc tập mờ F Các số tự nhiên có độ phụ thuộc nhỏ μF(3)=0.8 μF(4)=0.07 Những số không liệt kê có độ phụ thuộc Sử dụng hàm liên thuộc để tính độ phụ thuộc phần tử x có hai cách sau: - Tính trực tiếp (nếu μF(x) cho dạng công thức tường minh) - Tra bảng (nếu μF(x) cho dạng bảng) 2.1.3 Các dạng hàm liên thuộc Có thể dễ dàng thấy hai tập hợp A B X với hai hàm đặc tính tương ứng A (x), B (x) thỏa mãn: A B x A (x) B (x) A \ B x A B A\ B (x) A B (x) A x A B x A BA B (x) max A (x), x Ac Ac (x) (x) B A (x) B (x) (x)A (x) A (x), B A (x) B (x) A (x), B (x) (x) A (x) B (x) Ac tập bù A nhờ chúng, phép tính trừ A\B, phép hội (còn gọi phép giao A B ), 15 phép tuyển (phép hợp A B ), phép bù Ac hai tập hợp Canor A B nền, chuyển sang thành phép tính logic hai hàm đặc tính A (x), B (x) tương ứng chúng 2.1.4 Các phép toán tập mờ Những phép toán tập mờ phép hợp, phép giao phép bù Giống định nghĩa tập mờ, phép toán tập mờ định nghĩa thông qua hàm thuộc, xây dựng tương tự hàm thuộc phép giao, hợp, bù hai tập hợp kinh điển Nói cách khác, khái niệm xây dựng phép toán tập mờ hiểu xác định hàm thuộc cho phép hợp, tuyển, bù, … từ tập mờ Để thực phép tính tập hợp nhiều tập hợp với (chứ hai tập hợp) nhờ phép tính logic, ta sử dụng thêm tính chất hiển nhiên sau: - Tính giao hốn: A B B A A B B A 16 - Tính bắc cầu: Nếu A B A C B C A C B C Ac - Tính kết hợp: ( A B) C A (B C) ( A B) C A (B C) - Phân phối: ( A B) C ( A C) (B C) ( Bc AB)C(AC)(BC) Lũy đẳng: A A A A A - De Morgan: ( A B)c Ac - Bc ( A B)c Ac Bc 2.1.5 Độ cao, miền tin cậy miền xác định tập mờ Trong ví dụ hàm thuộc có độ cao Điều nói tập mờ có phần tử với độ phụ thuộc Trong thực tế tập mờ có phần tử có độ phụ thuộc 1, tương ứng với điều khơng phải hàm thuộc có độ cao Độ cao tập mờ F (định nghĩa tập X) giá trị: h su p F (x) x X Ký hiệu sup F (x) giá trị nhỏ tất giá trị chặn hàm x X Một tập mờ với phần tử có độ phụ thuộc gọi tập mờ tắc tức h=1, ngược lại tập mờ F với h < gọi tập mờ khơng tắc 17 # Minh họa miền xác định miền tin cậy tập mờ Miền xác định tập mờ F (định nghĩa tập X), ký hiệu S tập M thỏa mãn: S supp F (x) x X F ( x) tập X chứa phần tử x mà hàm µF(x) có giá trị dương Miền tin cậy tập mờ F (định nghĩa tập X), ký hiệu T tập M thỏa mãn: Tx X F ( x) 18 2.1.6 Các dạng hàm liên thuộc thường gặp # Các dạng hàm thuộc thường gặp Dạng singleton (x,C) x C nếux C 19 Dạng tam giác Dạng hình thang Dạng hình chng 2.2 Giải tập mờ Sau luật hợp thành ta thu tập mờ kết µR(y) ánh xạ: 20 (y) xa R ứng với giá trị x0 cụ thể cho trước, phép tính logic tuyển mờ thực công thức logic bảng 1.1 Nhiệm vụ khâu giải mờ xác định giá trị rõ y0 cụ thể chấp nhận từ hàm thuộc µ R(y) giá trị mờ R #mơ tả quy trình giải mờ # minh hoạ phương pháp giải mờ Có hai phương pháp giải mờ phương pháp cực đại phương pháp điểm trọng tâm trình bày Mỗi phương pháp lại có ưu nhược điểm riêng chúng 2.2.1 Phương pháp cực đại Theo tư tưởng cho giá trị rõ y0 phải đại diện cho tập mờ µR(y) để tập mờ có giá trị có xác suất lớn nhất, phương pháp cực đại là: y0 argmax ( R y) Tuy nhiên phương pháp lại có nhược điểm tốn tối ưu có nhiều nghiệm Nhằm khắc phục nhược điểm người ta đưa thêm số gợi ý lựa chọn công thức người thiết kế định: 21 # khắc phục nhược điểm phương pháp cực đại Để giải mờ theo phương pháp cực đại, ta cần thực bước: Bước 1: Xác định miền G, miền mà hàm µB(y) đạt giá trị cực đại Bước 2: Xác định giá trị rõ y cần tìm chấp nhận từ miền G Minh họa cho phương pháp giải mờ cực đại, kết thu là: + Nguyên lý cận trái: Giá trị rõ y0 lấy cận trái y1 G: y0 y1 inf ( y) y G + Nguyên lý cận phải: Giá trị rõ y0 lấy cận phải y2 G: y0 y2 sup( y) y G + Nguyên lý trung bình: Giá trị rõ y0 trung bình cộng y1 y2: y0 y y 2 22 #Ví dụ minh học phương pháp giải mờ cực đại 2.2.2 Phương pháp trọng tâm Được hiểu phương pháp xác định hoành độ y0 điểm tâm hàm thuộc µR(y) Cơng thức xác định y0 lấy từ: y R (y)dy y0 S SR (y)dy Trong S y Y| R (y) miền xác định tập mờ µR(y) Cơng thức cho phép xác định giá trị y0 với tham gia tất tập mờ đầu luật điều khiển cách bình đẳng xác, nhiên lại không để ý tới độ thỏa mãn luật điều khiển định thời gian tính tốn lâu Ngồi nhược điểm phương pháp điểm trọng tâm giá trị y0 xác định lại có độ phụ thuộc nhỏ nhất, chí Bởi để tránh trường hợp vậy, định nghĩa hàm thuộc cho giá trị mờ biến ngôn ngữ nên để ý cho miền xác định giá trị mờ đầu miền liên thông 23 2.3 Cấu trúc điều khiển mờ Hoạt động điều khiển mờ phụ thuộc vào kinh nghiệm phương pháp rút kết luận theo tư người sau cài đặt vào máy tính sở logic mờ 2.3.1 Cấu trúc điều khiển mờ Một điều khiển mờ bao gồm khối bản: Khối mờ hố, thiết bị hợp thành khối giải mờ Ngồi cịn có khối giao diện vào giao diện # mô tả chức điều khiển mờ 2.3.2 Nguyên lý điều khiển mờ Khối mờ hố có chức chuyển giá tri rõ biến ngơn ngữ đầu vào thành véctơ μ có số phần tử số tập mờ đầu vào -Thiết bị hợp thành mà chất triển khai luật hợp thành - R xây dựng sở luật điều khiển 24 - Khối giải mờ có nhiệm vụ chuyển tập mờ đầu thành giá trị rõ y0 (ứng với giá tri rõ x0 đề điều khiển đối tượng) Giao diện đầu vào thực việc tông hợp chuyển đổi tin hiệu vào (từ tương tự sang số), ngồi cịn có thểm khâu phụ trợ đê thực toán động tích phân, vi phân Giao diện đầu thực chuyển đổi tín hiệu (từ số sang tương tự) để - điều khiển đối tượng Nguyên tắc tổng hợp điều khiển mờ hoàn toàn dựa vào phương pháp toán học sở định nghĩa biến ngôn ngữ vào/ra lựa chọn luật điều khiển Do điều khiển mờ có khả xử lý giá trị vào/ra biểu diễn dạng dấu phẩy động với độ xác cao nên chúng hoàn toàn đáp ứng yêu cầu toán điều khiển "rõ ràng" "chính xác" 2.3.3 Nguyên tắc tổng hợp điều khiển mờ Cấu trúc tổng quát hệ điều khiển mờ sau: # cấu trúc tổng quát hệ mờ Kết luận - Kết thúc khóa học hiểu quy trình khai phá tri thức lĩnh vực AI nói chung Machine Learning Deep Learning nói riêng - Biết cách tổ chức liệu trình khai phá tri thức - Biết áp dụng cơng cụ tốn học để huấn luyện cho máy học - Có thể áp dụng thư viện hỗ trợ mạnh mẽ tốn học ngơn ngữ lập trình Python Hướng phát triển tương lai - Xây dựng thêm giao diện cho người dùng tương tác - Điều chỉnh tham số truyền vào - Giảm sai số mơ hình ... ĐÀO TẠO TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CUỐI KÌ ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY Giảng viên hướng dẫn : Ths ĐẶNG NHƯ PHÚ Sinh viên thực hiện:... trường hợp điều khiển mờ làm việc ồn định chất lượng điều khiển cao - Bộ điều khiển mờ xây dựng kinh nghiệm chuyên gia - Có thê kết hợp điều khiên mờ với điều khiển khác - Bộ điều khiển mờ xây dựng... điều khiển mờ Hoạt động điều khiển mờ phụ thuộc vào kinh nghiệm phương pháp rút kết luận theo tư người sau cài đặt vào máy tính sở logic mờ 2.3.1 Cấu trúc điều khiển mờ Một điều khiển mờ bao gồm