Báo cáo trí tuệ nhân tạo

TRƯỜNG ĐẠI HỌC MỎ ĐỊA CHẤT KHOA CƠ ĐIỆN BÀI TẬP LỚN Trí tuệ nhân tạo trong điều khiển Giảng viên hướng dẫn Sinh viên thực hiện Mã số sinh viên Lớp Hà Nội, tháng 12 năm 2022 SỐ LIỆU LẤY.

TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT KHOA CƠ ĐIỆN BÀI TẬP LỚN Trí tuệ nhân tạo điều khiển Giảng viên hướng dẫn: Sinh viên thực hiện: Mã số sinh viên: Lớp: Hà Nội, tháng 12 năm 2022 SỐ LIỆU LẤY MẪU ST T 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 Bài (Fuzzy – logic) Hằng số Đơn vị đo C2= iC5 atm 1.27 0.039 30 45 1.32 0.042 30 50 1.41 0.048 30 55 1.49 0.051 30 60 1.5 0.055 30 65 1.53 0.06 30 70 1.58 0.05 20 50 1.55 0.045 20 45 1.54 0.041 20 40 1.53 0.037 20 35 1.51 0.033 20 30 1.49 0.03 20 25 2.5 0.029 10 10 2.67 0.033 10 15 2.83 0.038 10 20 2.88 0.042 10 25 2.97 0.048 10 30 3.2 0.06 10 40 3.5 0.072 10 50 3.88 0.091 10 60 4.4 0.135 10 80 5.1 0.177 10 100 6.45 0.286 10 130 7.82 0.4 10 160 9.84 0.62 10 200 12.5 0.94 10 240 15 1.35 10 280 20 10 350 24.9 2.87 10 400 100 4.9 200 96 3.8 190 89 3.55 180 84 3.4 170 78 3.18 160 Bài (Neural – network) Hằng số Đơn vị đo iC4 C2= psia 1.205 0.162 500 15 1.5 0.285 500 25 1.75 0.255 500 35 0.325 500 45 2.36 0.387 500 55 2.82 0.508 500 70 3.88 0.782 500 100 4.88 1.14 500 130 1.48 500 160 7.65 1.92 500 190 9.15 2.5 500 220 1.38 0.142 400 1.78 0.285 400 20 2.1 0.26 400 30 2.8 0.298 400 50 3.88 0.685 400 80 5.02 400 110 6.5 1.41 400 140 1.89 400 170 9.2 2.42 400 190 1.43 0.132 300 -5 1.71 0.159 300 1.9 0.175 300 10 2.39 0.27 300 25 2.92 0.388 300 40 3.82 0.5 300 55 3.9 0.56 300 60 4.72 0.79 300 80 5.82 0.105 300 105 7.36 1.87 300 130 12.75 2.46 300 180 12.4 2.82 300 200 1.78 0.134 200 -10 2.25 0.168 200 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 67.5 28.4 30.08 33.3 38.1 100 92.77 69.6 55 37.7 31 27 19.8 14.2 10.89 10 100 89 79.5 58 52 40.6 35 10 12 14.3 13 14.8 16.8 17.2 18 21.2 25 32.15 37.56 48.62 5.11 5.72 6.2 2.5 0.62 0.755 0.91 1.25 3.79 3.075 1.42 1.18 0.765 0.41 0.191 0.099 0.084 7.49 6.05 3.75 3.4 2.57 1.87 0.186 0.227 0.27 0.32 0.412 0.482 0.572 0.645 0.83 1.25 1.79 2.45 3.41 0.043 0.575 0.072 1.5 1.5 1.5 1.5 2 2 2 2 2 3 3 3 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 3.5 4 140 75 85 95 110 340 320 260 220 150 130 105 70 35 445 420 380 310 290 240 210 55 65 75 85 100 110 120 130 150 180 220 250 300 10 20 2.5 3.5 4.22 5.29 5.99 8.94 11.8 16.2 2.47 2.92 3.45 3.97 5.24 6.48 7.88 10.05 14.05 17.2 25.5 3.6 5.15 6.52 11.05 12.2 16.2 22.25 28.5 39.65 4.82 5.09 6.87 8.5 11.4 14.8 0.202 0.294 0.389 0.531 0.752 0.89 1.13 1.47 3.35 0.138 0.179 0.235 3.35 0.548 0.752 0.95 1.495 2.2 2.95 5.25 0.18 0.24 0.382 0.57 0.8 1.25 1.5 2.2 3.3 5.1 7.87 0.215 0.257 0.37 0.465 0.687 1.15 1.67 200 200 200 200 200 200 200 200 200 200 140 140 140 140 140 140 140 140 140 140 140 100 100 100 100 100 100 100 100 100 100 100 70 70 70 70 70 70 70 7.5 20 30 45 65 75 90 115 140 190 -15 -5 15 35 55 65 90 120 150 210 -12.5 -5 10 25 40 60 75 100 130 170 220 -15 -10 7.5 20 40 60 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 6.88 7.8555 8.3666 9.88 13.9 12.5 162.2 149.88 183.44 125 121.89 100 90 78.3 70.2 64.985 4.3211 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 4.52 4.91 5.1668 5.811 6.488 7.14 7.8214 8.35 2.72 2.799 2.9111 3.2878 3.61 3.81 4.188 4.523 4.92 5.8111 6.7254 0.092 0.126 0.168 0.185 0.221 0.311 0.374 75.22 6.89 6.385 4.098 3.699 3.289 2.799 2.486 1.955 0.386 0.043 0.562 0.061 0.09 0.126 0.152 0.178 0.194 2.411 0.032 0.035 0.04 0.052 0.063 0.079 0.092 0.121 0.148 0.191 0.256 4 4 4 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 0.8 30 40 50 60 70 90 100 240 230 220 200 180 165 150 130 120 110 20.8 29 38.25 44.2 53.2 5.84 6.98 8.36 12 14.99 21.9 29 39 59.97 7.12 8.24 11.89 14.1 2.79 6.72 8.98 11.4 0.282 0.408 0.402 0.96 1.5 2.68 3.99 12.5 3.68 0.492 0.795 1.2 70 70 70 70 70 60 60 60 60 60 60 60 60 60 50 50 50 50 90 120 160 180 210 -12.5 10 30 50 80 110 140 200 -10 15 30 5 5 5 5 9 9 9 9 9 15 20 35 45 55 65 75 85 10 15 20 30 40 50 60 70 80 100 120 17.86 23.5 31.88 3.5 2.8 4.96 3.55 17.9 7.91 9.4 12.5 14.75 19.7 31.9 51.75 9.8 15.06 18.1 33 1.65 2.68 4.19 0.182 3.9 0.222 0.55 0.218 2.39 0.36 0.509 0.7 1.28 1.8 3.92 8.8 0.44 1.29 1.68 3.8 50 50 50 250 225 180 160 120 80 40 40 40 40 40 40 40 35 35 35 35 45 70 100 15 35 40 -2.5 90 -15 -5 10 20 40 80 130 -10 15 30 70 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 7.584 8.744 9.9222 12.888 3.322 3.688 3.99 4.487 4.8345 5.185 5.711 6.098 7.325 8.54 9.87 12.1 12.5 14.877 4.321 4.811 5.189 5.87 6.086 6.854 7.214 7.921 8.945 9.946 165.55 137.89 115.75 98.65 83.45 60.895 53.54 44.5 39.995 34.85 0.334 0.432 0.555 0.691 0.031 0.039 0.052 0.063 0.081 0.112 0.132 0.148 0.174 0.254 0.345 0.435 0.568 0.678 0.945 0.053 0.066 0.091 0.114 0.141 0.162 0.181 0.221 0.284 0.356 5.911 3.875 3.254 2.925 2.235 1.25 0.915 0.615 0.482 0.345 9 9 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 7.5 6 6 6 6 6 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5 140 160 180 200 15 25 35 45 55 65 75 85 110 130 150 170 190 220 20 30 40 50 60 70 80 90 105 120 160 130 115 100 85 55 40 25 15 59.75 105 10.6 13.85 17.8 25.2 34.1 63.5 90 141.55 14.85 18.95 27.2 45 69.7 99.99 132.75 172.3 16.88 20.95 35.2 49.98 78.85 127.5 149.25 218.95 19.1 22.95 32.15 48.75 57.68 83.75 138.9 174.58 255.55 25.95 30 36.1 47.98 9.2 19.7 0.48 0.815 1.47 2.47 3.8 8.7 15.02 53.75 0.805 1.38 2.42 5.2 9.3 15.05 42.5 73.5 0.86 1.42 3.17 5.65 11.4 17.8 48.85 83.75 1.085 1.47 2.62 3.32 6.35 10.95 19.2 62.87 86.85 1.68 2.05 2.78 4.18 35 35 30 30 30 30 30 30 30 30 25 25 25 25 25 25 25 25 20 20 20 20 20 20 20 20 15 15 15 15 15 15 15 15 15 12.5 12.5 12.5 12.5 130 200 -15 20 40 60 120 160 120 -5 10 30 70 110 150 190 120 -10 35 60 100 140 170 220 -12.5 -2.5 12.5 25 50 80 120 160 200 -7.5 7.5 25 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 115.75 92 69.99 58.735 49.955 32.555 26.125 59.875 80.925 123.77 152.78 235.89 300 78.99 115.85 149.95 210.45 285.65 275.65 300 14.15 16.5 27.95 21.78 24.78 29.35 40 53.2 70 87.97 145.77 86.45 72.55 60 53.125 47.75 38.125 29.65 25.225 3.755 3.195 2.975 1.425 0.4 0.247 0.715 1.425 2.985 3.855 0.705 7.985 0.9 1.65 4.075 63.27 7.255 7.495 0.147 0.178 0.245 0.348 4.85 0.685 1.4 2.287 3.395 4.47 7.395 6.245 4.876 4.655 3.375 2.865 1.785 1.215 0.897 0.65 0.65 0.65 0.65 0.65 0.65 0.65 0.3 0.3 0.3 0.3 0.3 0.3 0.2 0.2 0.2 0.2 0.2 0.2 0.2 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 1.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 2.5 150 125 95 75 60 20 10 35 70 95 130 160 25 50 75 95 105 110 15 30 45 60 80 120 160 200 240 300 360 320 280 250 230 190 150 130 61.7 83.5 123.8 178.85 275.5 26.87 32.68 43.2 65 78.96 105.76 182.74 145.5 300 30.65 40.1 58.8 100 142.5 123.7 200 300 37.2 58 57.75 111.2 148.2 202.2 282.54 40.2 52.5 65 83.4 140 300 137.5 208.5 298.85 78.65 6.75 8.95 15 57.48 84.65 1.48 2.08 3.32 6.3 7.58 12.28 17.87 45.98 90 1.82 2.98 5.25 12 16.1 27.5 58.85 82.2 2.42 12.5 17.8 55.55 77.5 2.87 3.92 5.54 7.25 14.4 81.2 12.5 45 77.8 12.5 12.5 12.5 12.5 12.5 10 10 10 10 10 10 10 10 10 9 9 9 9 8 8 8 7 7 7 6 40 60 90 130 170 -15 -5 10 35 45 65 90 140 170 -12.5 2.5 22.5 55 75 95 110 150 -10 17.5 30 50 75 100 120 -10 2.5 12.5 27.5 55 120 40 75 100 190 191 192 193 194 195 196 197 198 199 200 17.465 2.946 4.914 14.25 44.95 32.25 23.45 15 9.2 4.485 0.035 0.08 0.222 0.72 1.48 3.5 2.35 1.785 0.595 0.218 2.5 15 15 15 15 15 4.5 4.5 4.5 4.5 4.5 85 25 65 130 240 340 350 270 210 140 75 120.2 292.5 174.2 281.5 276.5 120.1 98.89 212.5 300 83 31.2 8.75 72.3 15.8 60 38.54 8.1 18.2 60.2 9.1 2.7 5 4 3.5 3.5 3 2.5 13 17.5 22.5 80 35 60 45 7.5 -7.5 27.5 37.5 70 20 Bài 1: - Cài đầu vào đầu ra: - Sử dụng hàm liên thuộc nhận dạng: - Luật hợp thành mờ: - Ruler viewer - Surface viewer: o C2= o iC5 - Vẽ đường đặc tính C2=: - Vẽ đường đặc tính iC5: Bài 2: Số lượng tập mẫu cho hai biến vào mạng áp suất nhiệt độ: 200 Đơn vị cho áp suất psia, cho nhiệt độ oC Cấu trúc mạng: lớp Tự chọn số lượng neural hàm truyền lớp (lớp vào, lớp ẩn, lớp ra) Hàm mục tiêu đánh giá sai lệch: MSE = 1.e-8 Luật học: luật học thông số Số lượng epochs: 3000 Thiết lập kết chạy Matlab: Cấu trúc lớp vào, lớp ẩn, lớp mạng Đồ thị sai lệch trình huấn luyện Xây dựng đường đặc tính để kiểm tra trình nhận dạng: Tập số liệu mẫu tập số liệu nhận dạng Bài làm - Nhập số liệu: - Lệnh matlab: >>output = [C2_, ic4]'; input = [p, t]'; >>net = newff(minmax(input), [250,230, 200,2], {'tansig','tansig','tansig','purelin'},'trainrp'); >>net = init(net); net.trainparam.show = 1; >>net.trainparam.epochs = 1000; >>net.trainparam.goal = 1e-8; >>[net, record]=train(net,input,output); out = sim(net, input)'; >>C2_nd = out(:, 1); iC4nd = out(:, 2); - Quá trình huấn luyện: - Đồ thị sau huấn luyện Plot Perform - Đồ thị trình huấn luyện Plot Train State - Đồ thị trình huấn luyện Plotregression” - Đường đặc tính iC4 plot(ic4,'b','linewidth',1.5); hold on plot(iC4nd,'r ') grid on legend('iC4','iC4nd'); - Đường đặc tính C2= plot(C2_,'b','linewidth',1.5); hold on plot(C2_nd,'r ') grid on legend('C2=','C2=nd');  Nhận xét: Đường đặc tính C2= C2= nhận dạng, iC4 iC4 nhận dạng tương sai số thấp