1. Trang chủ
  2. » Luận Văn - Báo Cáo

Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến

65 849 4

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 65
Dung lượng 1,15 MB

Nội dung

Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP o0o LUẬN VĂN THẠC SỸ KỸ THUẬT NGÀNH: TỰ ĐỘNG HÓA NGHIÊN CỨU HỆ MỜ - NƠRON THEO HÌNH TAKAGI SUGENO ĐỂ NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN PHẠM TUẤN ANH THÁI NGUYÊN 2011 Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SỸ KỸ THUẬT NGÀNH: TỰ ĐỘNG HÓA NGHIÊN CỨU HỆ MỜ - NƠRON THEO HÌNH TAKAGI SUGENO ĐỂ NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN Học viên : Phạm Tuấn Anh Người HD Khoa Học: TS Đỗ Trung Hải THÁI NGUYÊN 2011 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP *** CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc Lập - Tư Do - Hạnh Phúc o0o THUYẾT MINH LUẬN VĂN THẠC SỸ KỸ THUẬT ĐỀ TÀI: NGHIÊN CỨU HỆ MỜ - NƠRON THEO HÌNH TAKAGI SUGENO ĐỂ NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN Học viên : Phạm Tuấn Anh Lớp : CH-K12 Chuyên ngành : Tự động hoá Người hướng dẫn : TS Đỗ Trung Hải Ngày giao đề tài : 2/2011 Ngày hoàn thành đề tài : 10/2011 KHOA ĐT SAU ĐẠI HỌC NGƯỜI HƯỚNG DẪN TS Đỗ Trung Hải BAN GIÁM HIỆU HỌC VIÊN Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn ii LỜI CAM ĐOAN Tôi xin cam đoan luận văn này là công trình do tôi tổng hợp và nghiên cứu. Trong luận văn có sử dụng một số tài liệu tham khảo như đã nêu trong phần tài liệu tham khảo. Thái Nguyên, ngày tháng năm 2011 TÁC GIẢ LUẬN VĂN Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn iii LỜI NÓI ĐẦU Trong các hệ thống điều khiển hiện đại, có rất nhiều phương pháp điều khiển đảm bảo được tốt chất lượng điều khiển. Trong điều kiện thực tế hiện nay của ngành công nghiệp để điều khiển được các đối tượng khi chưa biết rõ được thông số thì ta phải tiến hành hiểu chính xác các thông số của đối tượng đó. Đặc biệt đối với các đối tượng phi tuyến ta cần nhận dạng được các thong số vào ra của đối tượng để đảm bảo chúng ta lựa chọn được các tín hiệu điều khiển chính xác và phù hợp. Hiện nay có một cấu trúc ứng dụng rộng rãi trong nhận dạng và điều khiển. Trong đó Hệ Mờ Nơron là một công cụ điển hình được ứng dụng rộng rãi trong công nghệ nhận dạng đối tượng đặc biệt là các đối tượng phi tuyến cho ta kết quả nhận dạng tương đối chính xác và tin cậy. Trong thời gian của khóa học cao học, chuyên ngành Tự động hóa tại trường Đại học Kỹ thuật công nghiệp Thái Nguyên, được sự tạo điều kiện giúp đỡ của của Nhà trường, khoa Đào tạo sau đại học và thầy giáo Tiến sĩ Đỗ Trung Hải em đã lựa chọn đề tài luận văn tốt nghiệp của em là: “Nghiên cứu hệ Mờ Nơron theo hình Takagi Sugeno để nhận dạng đối tượng phi tuyến “. Trong quá trình thực hiện đề tài, được sự hướng dẫn nhiệt tình của Tiến sĩ Đỗ Trung Hải, sự giúp đỡ của bạn bè cùng với sự nỗ lực, cố gắng của bản thân đến nay bản luận văn của em đã hoàn thành. Dù đã có nhiều cố gắng, xong bản luận văn vẫn không tránh khỏi những thiếu sót và hạn chế, em rất mong nhận được sự góp ý của các thầy để bản luận văn của em được hoàn thiện hơn. Em xin trân trọng cảm ơn! HỌC VIÊN Phạm Tuấn Anh Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CBHDKH TS Đỗ Trung Hải HV Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn 1 MỤC LỤC Mục lục 01 Danh mục các ký hiệu và từ viết tắt 03 Danh mục các hình vẽ và đồ thị 04 Mở đầu 06 Chương 1. Tổng quan về nhận dạng; lý thuyết mờ; mạng nơron. 09 1.1. Tổng quan về nhận dạng 09 1.1.1. Định nghĩa 09 1.1.2. Sơ lược về sự phát triển của các phương pháp nhận dạng 09 1.1.3 Các phương pháp nhận dạng hệ phi tuyến 10 1.1.3.1 Một số phương pháp nhận dạng thông số hệ thống Off-line 10 1.1.3.2 Một số phương pháp nhận dạng thông số hệ thống On-line 15 1.2. Tổng quan về lý thuyết mờ 18 1.3. Tổng quan về mạng nơron 24 1.4. Kết luận chương 1 29 Chương 2. Nhận dạng đối tượng phi tuyến bằng hệ mờ nơron theo hình Takagi - Sugeno 30 2.1. Đặt vấn đề 30 2.2 Đối tượng phi tuyến 32 2.2.1 tả hệ phi tuyến 32 2.2.2 hình tĩnh của hệ phi tuyến 33 2.2.3 hình động của hệ phi tuyến 36 2.3 Ứng dụng bộ điều khiển Mờ - Nơron trong nhận dạng hệ thống 37 2.4. Ứng dụng hệ Mờ Nơron theo hình Takagi Sugeno để nhận dạng đối tượng phi tuyến 42 2.5 Kết luận chương 2 44 Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CBHDKH TS Đỗ Trung Hải HV Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn 2 Chương 3. phỏng kiểm chứng bằng phần mềm Matlab Simulink 45 3.1. Nhận dạng Off-line 45 3.1.1 Nhận dạng đối tượng 1 đầu vào 45 3.1.2 Nhận dạng đối tượng 2 đầu vào 46 3.1.3 Nhận dạng đối tượng 3 đầu vào 48 3.2 Nhận dạng đối tượng On-line 50 3.3 Kết luận chương 3 57 Kết luận 58 Tài liệu tham khảo 59 Phụ lục 60 Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CBHDKH TS Đỗ Trung Hải HV Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn 3 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT T-S Takagi Sugeno Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CBHDKH TS Đỗ Trung Hải HV Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn 4 DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ Hình 1.1 Sơ đồ tổng quát nhận dạng thông số hình 10 Hình 1.2 hình nhận dạng theo phương pháp Gradient 12 Hình 1.3 Sơ đồ khối chức năng của bộ điều khiển mờ 20 Hình 1.4 hình nơron nhân tạo thứ i 24 Hình 1.5 Mạng truyền thẳng 1 lớp 26 Hình 1.6 Mạng truyền thẳng nhiều lớp 27 Hình 1.7 hình học có giám sát 27 Hình 2.1 Sơ đồ khối hệ MIMO 33 Hình 2.2 Quan hệ vào ra của khâu phi tuyến hai vị trí 34 Hình 2.3 Quan hệ vào ra của khâu phi tuyến ba vị trí 34 Hình 2.4 Quan hệ vào ra của khâu khuyếch đại bão hoà 35 Hình 2.5 Quan hệ vào ra của khâu hai vị trí có trễ 35 Hình 2.6 Quan hệ vào ra khâu khuyếch đại có miền chết 35 Hình 2.7 Quan hệ vào ra khâu khuyếch đại bão hoà có trễ 36 Hình 2.8 Sơ đồ cấu trúc nhận dạng tổng quát 37 Hình 2.9 Cấu trúc tổng quát của hệ mờ nơron 38 Hình 2.10 Cấu trúc mạng nơron theo luật mờ TS 43 Hình 3.1 Cấu trúc mạng nhận dạng 45 Hình 3.2 Dạng hàm liên thuộc trước khi nhận dạng 46 Hình 3.3 Dạng hàm liên thuộc sau khi nhận dạng 46 Hình 3.4 Tín hiệu đầu ra của đối tượng, mạng và sai lệch giữa chúng 46 Hình 3.5 Cấu trúc mạng nhận dạng 47 Hình 3.6 Dạng hàm liên thuộc trước khi nhận dạng 47 Hình 3.7 Dạng hàm liên thuộc sau khi nhận dạng 47 Hình 3.8 Tín hiệu đầu ra của đối tượng, mạng và sai lệch giữa chúng 48 Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CBHDKH TS Đỗ Trung Hải HV Phạm Tuấn Anh Số hóa bởi Trung tâm Học liệu ĐHTN http://www.lrc-tnu.edu.vn 5 Hình 3.9 Cấu trúc mạng nhận dạng 49 Hình 3.10 Dạng hàm liên thuộc trước khi nhận dạng của đầu vào 49 Hình 3.11 Dạng hàm liên thuộc sau khi nhận dạng của đầu vào 49 Hình 3.12 Tín hiệu đầu ra của đối tượng, mạng và sai lệch giữa chúng 50 Hình 3.13 hình tay máy một khâu 51 Hình 3.14 Sơ đồ cấu trúc hệ tay máy một khâu 52 Hình 3.15 Sơ đồ nhận dạng F(x 1 ,x 2 ) 52 Hình 3.16 Sơ đồ khối của khâu F(x 1 ,x 2 ) trong Matlab Simulink 53 Hình 3.17 Trọng số (30s) 53 Hình 3.18 Tâm m và độ rộng  của hàm liên thuộc (30s) 54 Hình 3.19 Tín hiệu vào, ra và sai số (30s) 54 Hình 3.20 Trọng số (50s) 55 Hình 3.21 Tâm m và độ rộng  của hàm liên thuộc (50s) 55 Hình 3.22 Tín hiệu vào, ra và sai số (50s) 56 [...]... Ngành Tự động hóa 3 Đối tƣợng và phạm vi nghiên cứu Đối tượng nghiên cứu: - Xây dựng cấu trúc hệ mờ nơron theo hình Takagi Sugeno để nhận dạng đối tượng Ứng dụng kết quả để nhận dạng online và offline cho một vài đối tượng thực tế Phạm vi nghiên cứu: - Khai thác các nghiên cứu lý thuyết về nhận dạng đối tượng; mạng nơron; lý thuyết mờ hiện nay, nhằm kết hợp giữa các lý thuyết trên để tìm được cấu... đối tượng bằng hệ mờ nơron theo hình Takagi Sugeno CBHDKH TS Đỗ Trung Hải Số hóa bởi Trung tâm Học liệu ĐHTN 7 HV Phạm Tuấn Anh http://www.lrc-tnu.edu.vn Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa 2.1 Đặt vấn đề 2.2 Đối tượng phi tuyến 2.3 Ứng dụng bộ điều khiển Mờ - Nơron trong nhận dạng hệ thống 2.4 Ứng dụng hệ Mờ Nơron theo hình Takagi Sugeno để nhận dạng đối tượng phi tuyến 2.5 Kết luận... mờ và mạng nơron để xây dựng thuật toán nhận dạng đối tượng phi tuyến nhằm phục vụ cho bài toán điều khiển là cần thiết và hướng nghiên cứu chính của bản luận văn này là Nghiên cứu hệ Mờ Nơron theo hình Takagi Sugeno để nhận dạng đối tượng phi tuyến 2 Mục tiêu nghiên cứu Việc điều khiển hệ thống theo yêu cầu mong muốn là vấn đề tồn tại thực tế cần nghiên cứu giải quyết Hiện nay phương tiện lý... hợp sau: Hệ mờ - nơron: Sử dụng mạng nơron như một công cụ trong hình mờ Mạng nơron - mờ: Mờ hoá các hình mạng nơron thông thường Hệ lai nơron - mờ: Hợp nhất công nghệ mờ và mạng nơron vào trong các hệ thống lai Hệ mờ - nơron đó là những hệ mờ có phương pháp tiếp cận đặc trưng tự động điều chỉnh của mạng nơron, nhưng không có sự thay đổi chức năng của chúng (mờ hoá, giải mờ, suy luận mờ và những... cho phép thực hiện được các bài toán nhận dạng đối tượng phi tuyến với độ chính xác cao đáp ứng được yêu cầu của bài toán điều khiển Mục tiêu của luận văn là nghiên cứu về nhận dạng đối tượng; nghiên cứu mạng nơron; nghiên cứu lý thuyết mờ cũng như khả năng kết hợp giữa chúng để nhận dạng đối tượng phi tuyến CBHDKH TS Đỗ Trung Hải Số hóa bởi Trung tâm Học liệu ĐHTN 6 HV Phạm Tuấn Anh http://www.lrc-tnu.edu.vn... đánh dấu bằng nhận dạng hình động học liên tục phi tuyếnnhận dạnghình tham số cho hệ nhiều chiều Dần dần trong giai đoạn này người ta cũng chuyển hướng đi vào nhận dạng các hệ thống suy biến 1.1.3 Các phƣơng pháp nhận dạng hệ phi tuyến [1] 1.1.3.1 Một số phương pháp nhận dạng thông số hệ thống Off-line Sơ đồ tổng quát: Hình 1.1 : Sơ đồ tổng quát nhận dạng thông số mô hình Quan sát được các... được mô hình của đối tượng CBHDKH TS Đỗ Trung Hải Số hóa bởi Trung tâm Học liệu ĐHTN 29 HV Phạm Tuấn Anh http://www.lrc-tnu.edu.vn Luận văn thạc sỹ kĩ thuật Ngành Tự động hóa CHƢƠNG 2 NHẬN DẠNG ĐỐI TƢỢNG PHI TUYẾN BẰNG HỆ MỜ NƠRON THEO HÌNH TAKAGI SUGENO 2.1 Đặt vấn đề Như đã biết hệ mờ và mạng nơron đều có khả năng làm việc trong những hệ thống không chắc chắn, không chính xác và điều kiện môi... số ứng dựng của mạng Nơron trong thực tế Kết quả đạt được của các phương pháp trên là đã được sử dụng trong thực tế Khi đối tượng có tính phi tuyến cao, độ bất ổn định lớn và số chiều lớn thì cần phải sử dụng lý thuyết mờ và mạng Nơron để nhận dạng hệ phi tuyến Chính vì các lý do trên mà Hệ Mờ - Nơron được ứng dụng nhiều trong nhận dạng những hệ thống có độ phi tuyến cao, những hệ thống mà thiếu thông... mạng nơron còn được sử dụng để nhận dạng cũng như xử lý ký tự, chữ viết, tiếng nói, hình ảnh… Đặc biệt trong lĩnh vực điều khiển mạng nơron cũng đang được nghiên cứu và ứng dụng để nhận dạng và điều khiển các hệ truyền động 1.4 Kết luận chƣơng 1 Chương 1 đã nêu tổng quan về nhận dạng gồm định nghĩa về nhận dạng, sơ lược về sự phát triển của các phương pháp nhận dạng và nêu mốt số số phương pháp nhận dạng. .. trong lớp các hình thích hợp trên cơ sở quan sát các tín hiệu vào ra - hình tìm được phải có sai số với đối tượng là nhỏ nhất Theo định nghĩa này thì những bài toán nhận dạng sẽ phải được phân biệt với nhau ở ba điểm chính, đó là: - Lớp hình thích hợp Chẳng hạn lớp các hình tuyến tính không có cấu trúc (không biết bậc của hình) hoặc có cấu trúc, lớp các loại hình lưỡng tuyến tính - . 2. Nhận dạng đối tượng phi tuyến bằng hệ mờ nơron theo mô hình Takagi - Sugeno 30 2.1. Đặt vấn đề 30 2.2 Đối tượng phi tuyến 32 2.2.1 Mô tả hệ phi tuyến 32 2.2.2 Mô hình tĩnh của hệ phi. vấn đề 2.2 Đối tượng phi tuyến 2.3 Ứng dụng bộ điều khiển Mờ - Nơron trong nhận dạng hệ thống 2.4 Ứng dụng hệ Mờ Nơron theo mô hình Takagi – Sugeno để nhận dạng đối tượng phi tuyến 2.5. phi tuyến 33 2.2.3 Mô hình động của hệ phi tuyến 36 2.3 Ứng dụng bộ điều khiển Mờ - Nơron trong nhận dạng hệ thống 37 2.4. Ứng dụng hệ Mờ Nơron theo mô hình Takagi – Sugeno để nhận dạng đối

Ngày đăng: 18/04/2014, 19:31

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Bùi Công Cường - Nguyễn Doãn Phước (2001), “ Hệ mờ mạng Nơron và ứng dụng ” , Nhà xuất bản khoa học kỹ thuật Sách, tạp chí
Tiêu đề: “"Hệ mờ mạng Nơron và ứng dụng"”
Tác giả: Bùi Công Cường - Nguyễn Doãn Phước
Nhà XB: Nhà xuất bản khoa học kỹ thuật
Năm: 2001
[2] Nguyễn Như Hiển - Lại Khắc Lãi (2007), “Hệ Mờ & Nơron trong kỹ thuật điều khiển”, Nhà Xuất bản khoa học tự nhiên và công nghệ, Hà Nội Sách, tạp chí
Tiêu đề: “Hệ Mờ & Nơron trong kỹ thuật điều khiển”
Tác giả: Nguyễn Như Hiển - Lại Khắc Lãi
Nhà XB: Nhà Xuất bản khoa học tự nhiên và công nghệ
Năm: 2007
[4] Phan Xuân Minh - Nguyễn Doãn Phước (1999), “Lý thuyết điều khiển Mờ”, Nhà Xuất bản khoa học và Kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: “Lý thuyết điều khiển Mờ”
Tác giả: Phan Xuân Minh - Nguyễn Doãn Phước
Nhà XB: Nhà Xuất bản khoa học và Kỹ thuật
Năm: 1999
[5] Nguyễn Doãn Phước - Phan Xuân Minh – Hán Thành Trung (2003), “Hệ phi tuyến”, Nhà Xuất bản khoa học và Kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: “Hệ phi tuyến”
Tác giả: Nguyễn Doãn Phước - Phan Xuân Minh – Hán Thành Trung
Nhà XB: Nhà Xuất bản khoa học và Kỹ thuật
Năm: 2003
[6] Nguyễn Doãn Phước - Phan Xuân Minh, “Nhận dạng hệ thống điều khiển”, Nhà xuất bản khoa học và kỹ thuật, Hà Nội Sách, tạp chí
Tiêu đề: “Nhận dạng hệ thống điều khiển”
Nhà XB: Nhà xuất bản khoa học và kỹ thuật
[7] Nguyễn Trọng Thuần, Đỗ Trung Hải (2007), “Ứng dụng lý thuyết mờ và mạng nơron để nhận dạng động học hệ có tính phi tuyến mạnh”, Tạp chí Khoa học & công nghệ các trường Đại học kỹ thuật, Số 60, Trang (21-26), Hà Nội Sách, tạp chí
Tiêu đề: Ứng dụng lý thuyết mờ và mạng nơron để nhận dạng động học hệ có tính phi tuyến mạnh
Tác giả: Nguyễn Trọng Thuần, Đỗ Trung Hải
Năm: 2007

HÌNH ẢNH LIÊN QUAN

Hình 1.1 : Sơ đồ tổng quát nhận dạng thông số mô hình - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 1.1 Sơ đồ tổng quát nhận dạng thông số mô hình (Trang 15)
Hình 1.2: Mô hình nhận dạng theo phương pháp Gradient - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 1.2 Mô hình nhận dạng theo phương pháp Gradient (Trang 17)
Sơ đồ nhận dạng có tính đến hệ số trọng cho các quan sát trong quá khứ  theo luật hàm Exponent: - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Sơ đồ nh ận dạng có tính đến hệ số trọng cho các quan sát trong quá khứ theo luật hàm Exponent: (Trang 20)
Hình 1.3  Sơ đồ khối chức năng của bộ điều khiển mờ - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 1.3 Sơ đồ khối chức năng của bộ điều khiển mờ (Trang 25)
Hình 1.4 Mô hình nơron nhân tạo thứ i - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 1.4 Mô hình nơron nhân tạo thứ i (Trang 29)
Hình 1.6  Mạng truyền thẳng nhiều lớp - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 1.6 Mạng truyền thẳng nhiều lớp (Trang 32)
Hình 2.5 Quan hệ vào ra của khâu hai vị  trí có trễ - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 2.5 Quan hệ vào ra của khâu hai vị trí có trễ (Trang 40)
Hình 2.7 Quan hệ vào ra khâu  khuyếch đại bão hoà có trễ - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 2.7 Quan hệ vào ra khâu khuyếch đại bão hoà có trễ (Trang 41)
Hình 2.9 Cấu trúc tổng quát của hệ mờ nơron - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 2.9 Cấu trúc tổng quát của hệ mờ nơron (Trang 43)
Hình 2.10 Cấu trúc mạng nơron theo luật mờ T-S - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 2.10 Cấu trúc mạng nơron theo luật mờ T-S (Trang 48)
Hình 3.1 Cấu trúc mạng nhận dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.1 Cấu trúc mạng nhận dạng (Trang 50)
Hình 3.4 Tín hiệu đầu ra của đối tượng,  mạng và sai lệch giữa chúng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.4 Tín hiệu đầu ra của đối tượng, mạng và sai lệch giữa chúng (Trang 51)
Hình 3.3 Dạng hàm liên thuộc sau  khi nhận dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.3 Dạng hàm liên thuộc sau khi nhận dạng (Trang 51)
Hình 3.2 Dạng hàm liên thuộc trước  khi nhận dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.2 Dạng hàm liên thuộc trước khi nhận dạng (Trang 51)
Hình 3.6 Dạng hàm liên thuộc trước khi nhận dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.6 Dạng hàm liên thuộc trước khi nhận dạng (Trang 52)
Hình 3.5 Cấu trúc mạng nhận  dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.5 Cấu trúc mạng nhận dạng (Trang 52)
Hình 3.8 Tín hiệu đầu ra của đối tượng, mạng và sai lệch  giữa chúng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.8 Tín hiệu đầu ra của đối tượng, mạng và sai lệch giữa chúng (Trang 53)
Hình 3.10a Dạng hàm liên thuộc trước  khi nhận  dạng của đầu vào 1 - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.10a Dạng hàm liên thuộc trước khi nhận dạng của đầu vào 1 (Trang 54)
Hình 3.9 Cấu trúc mạng nhận dạng - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.9 Cấu trúc mạng nhận dạng (Trang 54)
Hình 3.10a,b,c. Sau 420 chu kỳ huấn luyện mạng thì hàm liện thuộc của đầu  vào  có  dạng  như  hình  3.11a,b,c,  tín  hiệu  ra  của  mạng,  tín  hiệu  ra  của  đối  tượng và sai lệch giữa chúng như hình 3.12 - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.10a b,c. Sau 420 chu kỳ huấn luyện mạng thì hàm liện thuộc của đầu vào có dạng như hình 3.11a,b,c, tín hiệu ra của mạng, tín hiệu ra của đối tượng và sai lệch giữa chúng như hình 3.12 (Trang 54)
Hình 3.11c Dạng hàm liên thuộc sau  khi nhận dạng của đầu vào 3 - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.11c Dạng hàm liên thuộc sau khi nhận dạng của đầu vào 3 (Trang 55)
Hình 3.11b Dạng hàm liên thuộc sau  khi nhận dạng của đầu vào 2 - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.11b Dạng hàm liên thuộc sau khi nhận dạng của đầu vào 2 (Trang 55)
Hình 3.15 Sơ đồ nhận dạng F(x 1 ,x 2 ) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.15 Sơ đồ nhận dạng F(x 1 ,x 2 ) (Trang 57)
Hình 3.14 Sơ đồ cấu trúc hệ tay máy một khâu - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.14 Sơ đồ cấu trúc hệ tay máy một khâu (Trang 57)
Hình 3.16 Sơ đồ khối của khâu F(x 1 ,x 2 ) trong Matlab Simulink - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.16 Sơ đồ khối của khâu F(x 1 ,x 2 ) trong Matlab Simulink (Trang 58)
Hình 3.17a Trọng số a 0   (30s) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.17a Trọng số a 0 (30s) (Trang 58)
Hình 3.17c Trọng số a 2  (30s) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.17c Trọng số a 2 (30s) (Trang 59)
Hình 3.18 Tâm m và độ rộng  của hàm  liên thuộc (30s) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.18 Tâm m và độ rộng của hàm liên thuộc (30s) (Trang 59)
Hình 3.20a Trọng số a 0  (50s) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.20a Trọng số a 0 (50s) (Trang 60)
Hình 3.22a Tín hiệu ra của đối  tượng (50s) - Nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến
Hình 3.22a Tín hiệu ra của đối tượng (50s) (Trang 62)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w