LỜI CAM ĐOAN Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http //www lrc tnu edu vn ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGÀNH TỰ ĐỘNG HÓA NGHIÊN CỨ[.]
ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGÀNH: TỰ ĐỘNG HÓA NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING BÙI THỊ THU PHƢƠNG THÁI NGUYÊN - 2010 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên Tai ngay!!! Ban co the xoa dong chu nay!!! http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING Ngành : TỰ ĐỘNG HÓA Học viên : BÙI THỊ THU PHƢƠNG Cán hƣớng dẫn khoa học: TS PHẠM HỮU ĐỨC DỤC THÁI NGUYÊN - 2010 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI CAM ĐOAN Tôi xin cam đoan luận văn công trình tơi tổng hợp nghiên cứu Trong luận văn có sử dụng số tài liệu tham khảo nêu phần tài liệu tham khảo Tác giả luận văn Bùi Thị Thu Phương Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI NÓI ĐẦU Trong hệ thống điều khiển đại, có nhiều phương pháp điều khiển đảm bảo tốt chất lượng điều khiển Trong điều khiển tự động, để điều khiển xác đối tượng chưa biết rõ thông số, trước tiên ta phải hiểu rõ đối tượng Đặc biệt đối tượng phi tuyến ta cần nhận dạng đặc tính vào - để đảm bảo tạo tín hiệu điều khiển thích nghi lựa chọn xác Những điều khiển đại thường sử dụng lôgic mờ, mạng nơron, mạng nơron mờ để nhận dạng điều khiển thích nghi hệ thống phi tuyến Ngày giới người ta dựa vào cấu trúc mạng nơron sinh vật để làm mạng nơron nhân tạo áp dụng vào ngành khoa học kỹ thuật Trong thời gian khoá học cao học, chuyên ngành Tự động hố trường Đại học Kỹ thuật Cơng nghiệp Thái Nguyên, tạo điều kiện giúp đỡ nhà trường Tiến sĩ Phạm Hữu Đức Dục em lựa chọn đề tài là: “Nghiên cứu ứng dụng điều khiển Narma - L2 vào thiết bị lái tự động góc bay máy bay BOEING” Trong trình thực đề tài, hướng dẫn nhiệt tình Tiến sĩ Phạm Hữu Đức Dục, giúp đỡ bạn bè với nỗ lực, cố gắng thân đến luận văn em hồn thành Dù có nhiều cố gắng, xong luận văn không tránh khỏi thiếu sót hạn chế, em mong nhận góp ý thầy để luận văn em hoàn thiện Em xin trân trọng cảm ơn! Học viên Bùi Thị Thu Phương Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỤC LỤC Lời cam đoan Trang Mục lục Danh mục chữ viết tắt, tiếng nƣớc Danh mục hình vẽ, đồ thị PHẦN MỞ ĐẦU CHƢƠNG I TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO 1.1 Các loại mơ hình cấu trúc mạng nơron 1.2 Các tính chất mạng nơron 1.3.Các luật học 1.3.1 Học có giám sát 1.3.2 Học củng cố 1.3.3 Học khơng có giám sát 1.4 Ứng dụng mạng nơron nhận dạng điều khiển 11 1.4.1 Các vấn đề chung 11 1.4.2 Mơ tả tốn học đối tượng rời rạc 11 1.4.3 Ứng dụng mạng nơ ron nhận dạng 13 1.4.3.1 Mơ hình nhận dạng song song 14 1.4.3.2 Mơ hình nhận dạng nối tiếp - song song 16 1.4.4 Ứng dụng mạng nơron điều khiển 17 1.4.4.1 Bộ điều khiển ổn định 18 1.4.4.2 Điều khiển ngược thích nghi 18 1.4.4.3 Mơ hình điều khiển phi tuyến 19 1.4.4.4 Mơ hình điều khiển dự báo 20 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 1.4.4.5 Điều khiển thích nghi theo mơ hình mẫu điều khiển 21 nơron thích nghi 1.4.4.6 Đánh giá thích nghi 22 1.4.4.7 Phản hồi tuyến tính hóa phản hồi thích nghi dùng mạng nơron 23 1.4.4.8 Điều khiển thích nghi trực tiếp ổn định 24 CHƢƠNG II CÁC MƠ HÌNH CỦA MẠNG MỜ NƠRON TRONG 29 MATLAB VÀ ỨNG DỤNG TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN 2.1 Giới thiệu Simulink neural toolbox matlab 29 2.1.1 Khối hàm chuyển đổi 29 2.1.2 Khối đầu vào 30 2.1.3 Khối hàm trọng số 30 2.1.4 Khối hệ thống điều khiển 31 2.2 Các mơ hình ứng dụng Matlab điều khiển 2.2.1 Bộ điều khiển dự báo sử dụng mạng nơron 31 33 2.2.1.1 Nhận dạng đối tượng 34 2.2.1.2 Điều khiển dự báo 35 2.2.2 Bộ điều khiển Narma - L2 41 2.2.2.1 Quá trình nhận dạng 41 2.2.2.2 Bộ điều khiển NARMA-L2 43 2.2.3 Điều khiển theo mơ hình mẫu 48 CHƢƠNG III ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA - L2 VÀO 57 THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING 3.1 Động học góc bay máy bay 58 3.2 Ứng dụng điều khiển NARMA - L2 vào thiết bị lái tự động 60 góc bay máy bay Boeing Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.2.1 Thiết lập sơ đồ điều khiển 61 3.2.1.1 Giai đoạn nhận dạng 62 3.2.1.2 Giai đoạn điều khiển 65 3.2.2 Thiết lập mơ hình điều khiển mơ 66 3.2.3 Kết mô 67 3.2.3.1 Kết mô giai đoạn nhận dạng 67 3.2.3.2 Kết mô giai đoạn điều khiển 69 CHƢƠNG IV: KẾT LUẬN CHUNG VÀ KIẾN NGHỊ 73 4.1 Kết luận chung 73 4.2 Kiến nghị 73 TÀI LIỆU THAM KHẢO 74 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC CHỮ VIẾT TẮT, TIẾNG NƢỚC NGOÀI Ký hiệu Diễn giải 10 11 12 13 14 15 16 17 18 Neural Artificial Neural Artificial Neural Networks Back Propagation Learaning Rule Fuzzy logic Fuzzy Neural Networks Single Layer Feedforward NetWorks Multilayer Feedforward NetWorks Output Layer Hidden layer Feedback network Laterat feedback network Recurrent Networks Lateral-inhibition network Exitatory inputs Inhibition inputs Parameter learning rules Structure learning rules Nơron Nơron nhân tạo Mạng nơron nhân tạo Luật học lan truyền ngược Lôgic mờ Mạng nơron mờ Mạng truyền thẳng lớp Mạng truyền thẳng nhiều lớp Lớp Lớp ẩn Mạng phản hồi Mạng phản hồi bên Mạng hồi quy Mạng cấu trúc ngang - hạn chế Đầu vào kích thích Đầu vào hạn chế Luật học thơng số Luật học cấu trúc 19 20 21 22 23 24 25 26 27 Hybrid learning rules Self-organizing Transfer Function Net Input Functions Weight Functions NN Predictive Control NARMA-L2 Control Model Reference Control Nonlinear Autoregressive- Luật học lai Tự tổ chức Khối hàm chuyển đổi Khối đầu vào Khối hàm trọng số Mơ hình điều khiển dự báo Điều khiển NARMA-L2 Điều khiển theo mơ hình mẫu Mơ hình trung bình trượt-phi MovingAverage - NARMA tuyến tự hồi quy STT Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ STT Ký hiệu Diễn giải tên hình vẽ Mạng nơron truyền thẳng lớp Hình 1.1a Hình 1.1b Mạng nơron truyền thẳng nhiều lớp Hình 1.1c Mạng nơron có nơron tự hồi quy Hình 1.1d Mạng nơron hồi quy lớp Hình 1.1e Mạng có cấu trúc ngang - hạn chế Hình 1.1f Hình 1.2a Học có giám sát Hình 1.2b Học củng cố Hình 1.2c Học khơng có giám sát 10 Hình 1.3 Luật học trạng số dạng 11 Hinh 1.4 Mơ hình nhận dạng 12 Hình 1.5 Mơ hình nhận dạng song song 13 Hình 1.6 Cấu trúc mơ hình nhận dạng cho đối tượng phi tuyến Mạng nơron hồi quy nhiều lớp dạng sử dụng mạng nơron N1 N2 14 Hình 1.7 Mơ hình nhận dạng nối tiếp - song song 15 Hình 1.8 Bộ điều khiển ổn định 16 Hình 1.9 Hệ thống điều khiển ngược thích nghi 17 Hình 1.10 Mơ hình điều khiển phi tuyến 18 Hình 1.11 Mơ hình điều khiển dự báo 19 Hình 1.12 Điều khiển thích nghi theo mơ hình mẫu 20 Hình 1.13 Mơ hình đánh giá thích nghi Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 21 Hình 1.14 Phương pháp phản hồi tuyến tính hố thích nghi dùng mạng nơron 22 Hình 1.15 Điều khiển thích nghi trực tiếp ổn định 23 Hình 1.16 Các vùng điều khiển 24 Hình 2.1 Các khối Neural Network Toolbox Matlab 25 Hình 2.2 Khối hàm chuyển đổi 26 Hình 2.3 Khối đầu vào 27 Hình 2.4 Khối hàm trọng số 28 Hình 2.5 Khối điều khiển 29 Hình 2.6 Sơ đồ nhận dạng đối tượng 30 Hình 2.7 Sơ đồ cấu trúc mạng nơron nhận dạng đối tượng 31 Hình 2.8 Sơ đồ điều khiển theo mơ hình dự báo 32 Hình 2.9 Mơ hình bể chứa phản ứng có khuấy 33 Hình 2.10 Sơ đồ điều khiển dự báo dùng mạng nơron điều khiển bể chứa phản ứng có khuấy 34 Hình 2.11 Cửa sổ khối Neural Network Predictive Controller 35 Hình 2.12 Cửa sổ nhận dạng đơi tượng 36 Hình 2.13 Bộ liệu huấn luyện 37 Hình 2.14 Đáp ứng mơ hình đối tượng sau q trình huấn luyện 38 Hình 2.15 Đồ thị tín hiệu đầu đối tượng tín hiệu mẫu 39 Hình 2.16 Cấu trúc mạng nơron nhận dạng 40 Hình 2.17 Mơ hình NARMA-L2 41 Hình 2.18 Mơ hình NARMA-L2sau nhận dạng đối tượng, sử dụng bước điều khiển tìm tín hiệu điều Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn tượng (3.7) Dựa thông số hai mạng nơron truyền thẳng tìm giai đoạn học, thực giai đoạn thứ hai giai đoạn điều khiển Trong giai đoạn điều khiển điều khiển NARMA-L2 có nhiệm vụ tạo tín hiệu điều khiển cung cấp đối tượng điều khiển cho góc bay tính tốn bám theo góc bay mong muốn m 3.2.1.1 Giai đoạn nhận dạng Thực huấn luyện mạng nơron nhận dạng hàm phi tuyến N (3.6) Vì (k 1) (3.7) tách thành hai hàm thành phần f(.) g(.), cần sử dụng hai mạng nơron để nhận dạng tín hiệu điều khiển tính tốn (k 1) Trong mạng nơron nhận dạng hàm f(.) mạng nơron nhận dạng hàm g(.) (hình 3) Từ (3.7) thấy hàm f(.) g(.) phụ thuộc vào thành phần là: ((k ), (k 1), (k 2), (k 1), (k 2)) Do chọn cấu trúc mạng nơron nhận dạng hàm f(.) g(.) là: (5 x n x 1) Trong đó: - Lớp vào có nơron có nhiệm vụ đưa thành phần tín hiệu vào tương ứng: ((k ), (k 1), (k 2), (k 1), (k 2)) vào mạng nơron - Lớp có nơron có đầu giá trị tính tốn hàm f (.) g (.) Vấn đề đặt cần chọn số lượng nơron lớp ẩn n cho giá trị tính toán hàm f (.) g (.) bám theo f(.) g(.) Ban đầu cho trước (k ) , sử dụng (3.4), (3.5) (3.7) tìm cặp tín hiệu vào - tương ứng (k), f (k) , (k), g(k), (k), (k), với k 1, 2, , p Theo [10] luật cập nhật giá trị Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn điều chỉnh trọng số, bias mạng nơron truyền thẳng (5 x n x 1) theo luật học lan truyền ngược sau δ(k) θ(k+1) θ(k) Mạng nơron nhận dạng hàm f(.) Hình 3.3 Cấu trúc hai mạng nơron nhận dạng hàm f(.) hàm g(.) * Lớp ra: w if i a1 (v f b f ) b i i Đối với mạng nhận dạng hàm f(.): i E N a ' ( v i b i )(f f ) v i Đối với mạng nhận dạng hàm g(.): i E N a ' ( v i b i )(g g ) v i Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn vi n w if a1 ( v f f 1 bf ) * Lớp ẩn: w mj m a1 ( v j b j ) m n E N a1 ' ( v m b m ) w im i v m i 1 b m m vm w mj x j j 1 x [(k), (k 1), (k 2), (k 1), (k 2)]T i , m tương ứng tín hiệu sai lệch nơron thứ i lớp nơron thứ m lớp ẩn a1(.) a2(.) tương ứng hàm chuyển đổi tang hyperbolic tuyến tính: a ( v) e 2v 1 a (v) v a1 ' (v) a1 (v) / v a ' (v) a (v) / v Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Mạng nơron nhận dạng hàm g(.) θm(k+1) ) δ(k) θ(k) Mạng nơron nhận dạng hàm f(.) Hình3.4 Mơ hình NARMA-L2 sau nhận dạng đối tượng, tính tốn tín hiệu điều khiển giai đoạn điều khiển EN p 2 f (k ) f (k ) g(k ) g(k ) k 1 Số lượng nơron cần tìm lớp ẩn n cần phải thoả mãn điều kiện E N E N cp 3.2.1.2 Giai đoạn điều khiển Trên sở liệu hai mạng nơron truyền thẳng ba lớp (hình 3.3) tìm giai đoạn nhận dạng hàm f(.) g(.), thực giai đoạn điều khiển theo phương pháp NARMA cách sử dụng điều khiển NARMA-L2 (hình 3.2) tạo tín hiệu điều khiển cho tín hiệu tính tốn đầu hệ thống Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn bám theo tín hiệu mong muốn m Tín hiệu điều khiển tìm dạng: (k) G[(k), (k 1), (k 2), m (k 1), (k 1), (k 2)] (3.8) Cần huấn luyện hai mạng nơron (5 x n x 1) tạo tín hiệu điều khiển (k ) (3.8) theo phương pháp lan truyền ngược để E C cực tiểu, với: p E C m (k 1) (k 1) 2 k 1 (3.9) Kết tín hiệu điều khiển (k ) tìm (hình 4) với dạng sau đây: (k 1) f [(k), (k 1), (k 2), (k 1), (k 2)] (k ) m g[(k), (k 1), (k 2), (k 1), (k 2)] (3.10) 3.2.2 Thiết lập mơ hình điều khiển mơ Sơ đồ điều khiển trình bày (hình 3.5), điều khiển NARMA-L2 đóng vai trị thiết bị lái tự động góc bay máy bay Bộ điều khiển NARMA-L2 có hai đầu vào đầu Hai đầu vào tương ứng tín hiệu góc bay mong muốn m tín hiệu góc bay tính tốn , tín hiệu lấy từ đầu đối tượng điều khiển Cấu trúc thiết bị lái tự động ứng dụng điều khiển NARMA-L2 trình bày (hình 3.2), điều khiển có hai mạng nơron truyền thẳng ba lớp (5 x n x 1) xấp xỉ hàm f(.) hàm g(.) tương ứng (hình 3.3) Mơ hình động học máy bay đặt khối Subsystem (máy bay) thực thủ tục Subsystem MATLAB Thiết bị lái tự động có nhiệm vụ cung cấp tín hiệu điều khiển cho đối tượng điều khiển cho bám theo m thoả mãn điều kiện E C E Ccp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Hình 3.5 Sơ đồ MATLAB/Simulink ứng dụng điều khiển NARMA-L2 đóng vai trị thiết bị lái tự động điều khiển góc bay máy bay 3.2.3 Kết mô 3.2.3.1 Kết mô giai đoạn nhận dạng Kết mơ giai đoạn nhận dạng trình bày đồ thị hình (3.6), (3.7), (3.8) (Hình 3.6) đồ thị tín hiệu vào cho dạng ngẫu nhiên khoảng [0.35 0.35]( rad ) (Hình 3.7) đồ thị tín hiệu tương ứng với đối tượng giai đoạn học, chu kỳ lấy mẫu T 0.01(s) Tiến hành cho hai mạng nơron truyền thẳng (5 x n x 1) học hàm g(.) f(.) Sau 100 chu kỳ Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn học, chọn số nơron lớp ẩn là: n 30 ,sai lệch giai đoạn nhận dạng là: E N 1.7996.10 10 (hình 3.8) 0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 Hình 3.6 Tín hiệu vào dạng ngẫu nhiên giai đoạn nhận dạng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 0.6 0.5 0.4 0.3 0.2 0.1 -0.1 -0.2 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000 Hình 3.7 Đồ thị tín hiệu đối tượng giai đoạn nhận dạng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Performance is 1.79968e-010, Goal is -9.2 10 -9.3 Training-Blue 10 -9.4 10 -9.5 10 -9.6 10 -9.7 10 10 20 30 40 50 60 100 Epochs 70 80 90 100 Hình 3.8 Đồ thị sai lệch E học tín hiệu vào - giai đoạn nhận dạng 3.2.3.2 Kết mô giai đoạn điều khiển [7] thực điều khiển góc bay máy bay theo phương pháp phản hồi trạng thái mô với góc bay mong muốn m 0.15(rad) , biên độ tín hiệu nhỏ Để minh chứng cho thiết bị lái tự động loại có khả điều khiển góc bay tính tốn bám theo góc bay mong muốn m dạng khó hơn,với biên độ lớn hơn, ta chọn m có dạng là: m 0.4 sin t (rad) Kết mô sau: (hình 3.9) đồ thị tín hiệu điều khiển góc máy bay (rad), (hình 3.10) đồ thị góc (rad), (hình 3.11) đồ thị góc bay (rad) (nét liền) góc bay mong muốn Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn m (rad) (nét đứt) Trên (hình 3.11), ta thấy góc bay tính tốn máy bay bám theo sát với góc bay mong muốn m 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 500 1000 1500 2000 2500 3000 Hình 3.9 Đồ thị tín hiệu điều khiển góc bánh lái máy bay (rad) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 -0.5 500 1000 1500 2000 2500 3000 Hình 3.10 Đồ thị góc (rad) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 500 1000 1500 2000 2500 3000 Hình3.11 Góc bay (rad) (nét liền) góc bay mong muốn m (rad)(nét đứt) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn KẾT LUẬN CHƢƠNG Căn vào kết mô hai giai đoạn nhận dạng điều khiển, ta nhận thấy nghiên cứu ứng dụng điều khiển NARMA-L2 đóng vai trị thiết bị lái tự động điều khiển góc bay máy bay lựa chọn đắn, góc bay tính tốn máy bay bám theo sát với góc bay mong muốn m Cũng nhận thấy kết mô cho thấy góc bay mong muốn m dạng dao động hình sin, lại có biên độ dao động lớn nhiều so với [7] (là 0.4(rad ) so với 0.15 (rad ) ), bám theo m , điều cho thấy ưu điểm giải pháp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn CHƢƠNG KẾT LUẬN CHUNG VÀ KIẾN NGHỊ 4.1 Kết luận chung - Luận văn hoàn thành yêu cầu đặt khảo sát phương pháp ứng dụng điều khiển NARMA-L2 vào thiết bị lái tự động góc bay máy bay Boeing - Bằng phương pháp phân tích, so sánh cấu trúc, luật học khả ứng dụng thực tiễn loại mạng nơron Luận văn dùng mạng nơron truyền thẳng nhiều lớp mạng có cấu trúc đơn giản có phần tử truyền tín hiệu từ lớp vào đến lớp khơng có tín hiệu phản hồi nơron luật học lan truyền ngược sai lệch hiệu Với phương pháp mơ hình nhận dạng song song điều khiển phản hồi tuyến tính hóa phản hồi thích nghi dùng mạng nơron, luận văn lựa chọn điều khiển NARMAL2 điều khiển hội tụ đầy đủ ưu điểm mạng nơron để tập trung nghiên cứu ứng dụng vào thiết bị lái tự động góc bay máy bay Boeing - Căn vào kết mô ta thấy góc bay tính tốn máy bay bám theo sát với góc bay mong muốn máy bay 4.2 Kiến nghị: Do thời gian nghiên cứu có hạn điều kiện sở vật chất giới hạn nên luận văn dừng lại kết mô phỏng, nhiên kết mô cho thấy tính đắn đề tài cần nghiên cứu Để phát triển tiến hành nghiên cứu ứng dụng trực tiếp thiết bị lái tự động thật máy bay Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn TÀI LIƯU THAM KH¶O [1] Phạm Hữu Đức Dục (2009) “Mạng nơron ứng dụng điều khiển tự động”, Nhà xuất khoa học kỹ thuật [2] Nguyễn Như Hiển & Lại Khắc Lãi (2007) “Hệ mờ nơron kỹ thuật điều khiển”, Nhà xuất khoa học tự nhiên công nghệ [3] Bùi Quốc Khánh, Nguyễn Văn Liễn, Phạm Quốc Hải, Dương Văn Nghị (2006) ''Điều chỉnh tự động Truyền động điện'', NXB khoa học kỹ thuật Hà Nội [4] Nguyễn Thương Ngô (1998) “Lý thuyết điều khiển tự động đại”, Nhà xuất khoa học kỹ thuật [5] Nguyễn Phùng Quang (2006)" Matlab Simulink dành cho kỹ sư điều khiển tự động", NXB khoa học kỹ thuật - Hà Nội [6] Mair, Austyn.W, and Birdsall, David L (1992)“Aircraft Performance”, Cambridge Aerospace Series 5, New York, Cambridge University Press [7] http://www.engin.umich.edu/group/com/examples/pitch/Mpitch.html, "Modelinga Pitch Controller-Control Tutorials for Matlab",Carnegie Mellon [8] http://www.mathworks.com/access/helpdesk/help/pdf_doc/nnet/nnet.pdf, Howard Demuth, Mark Beale, Martin Hagan, "Neural Network Toolbox™ User’s Guide", The MatthWorks [9] Narendra, Parthasarathy (1990) "Identification and control of dynamical systems using Neural Networks", IEEE Trans on Neural Networks, Vol.1, No.1, pp 4-27 [10] C.T.Lin,C.S.GeorgeLee (1996) "Neural Fuzzy Systems"; Prentice Hall Internatinal, Inc Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn