Giáo trình Điều khiển thông minh (Nghề Điện tử công nghiệp Trình độ Cao đẳng hệ liên thông)

TUYÊN BỐ BẢN QUYỀN Tài liệu thuộc loại sách giáo trình nên nguồn thơng tin phép dùng nguyên trích dùng cho mục đích đào tạo tham khảo Mọi mục đích khác mang tính lệch lạc sử dụng với mục đích kinh doanh thiếu lành mạnh bị nghiêm cấm LỜI GIỚI THIỆU Điều khiển thông minh mô đun chuyên môn của nghề Điện tử cơng nghiệp biên soạn dựa theo chương trình khung chất lượng cao đã xây dựng và ban hành năm 2021 của trường Cao đẳng nghề Cần Thơ dành cho nghề Điện tử cơng nghiệp trình độ Cao đẳng hệ liên thơng Những nội dung giáo trình chủ yếu chọn lọc biên tập lại từ sách Hệ thống điều khiển thông minh PGS.TS Huỳnh Thái Hồng cho phù hợp trình độ Cao đẳng Nội dung giáo trình biên soạn với lượng thời gian đào tạo 60 gồm có: Bài 01 MĐ13-01: Hệ mờ Bài 02 MĐ13-02: Mạng thần kinh Bài 03 MĐ13-03: Hệ thống điều khiển thông minh ứng dụng hệ mờ mạng thần kinh nhân tạo Giáo trình tài liệu giảng dạy tham khảo tốt cho nghề điện tử dân dụng, điện tử, điện công nghiệp và điện dân dụng Mặc dù cố gắng biên soạn để đáp ứng mục tiêu đào tạo không tránh thiếu sót Rất mong nhận sự đóng góp ý kiến thầy, cơ, bạn đọc để nhóm biên soạn điều chỉnh hồn thiện Cần Thơ, ngày tháng năm 2021 Tham gia biên soạn Chủ biên: Bùi Chí Thanh Đỗ Hữu Hậu MỤC LỤC Trang Tuyên bố quyền .1 Lời giới thiệu .2 Mục lục Bài 1: Hệ mờ Tập hợp mờ 1.1 Khái niệm .6 1.2 Hàm liên thuộc 1.3 Các phép toán tập hợp mờ 10 1.4 Tính chất tập hợp mờ 12 Quan hệ mờ 12 2.1 Định nghĩa 12 2.2 Sự hợp thành quan hệ mờ .12 Logic mờ 13 3.1 Mệnh đề mờ (fuzzy proposition) 13 3.2 Các phép toán mệnh đề mờ 13 Quy tắc mờ 14 4.1 Kết hợp quy tắc mờ 15 4.2 Tính chất hệ quy tắc mờ .15 Suy luận mờ 15 5.1 Suy diễn quy tắc mờ 15 5.2 Sự suy diễn hệ quy tắc mờ 17 Hệ mờ 18 6.1 Mờ hóa 18 6.2 Hệ quy tắc mờ .19 6.3 Giải mờ 20 Bài 2: Mạng thần kinh nhân tạo 25 Tế bào thần kinh mạng thần kinh nhân tạo 25 1.1 Tế bào thần kinh nhân tạo 25 1.2 Mạng thần kinh nhân tạo .26 Các phương pháp huấn luyện mạng thần kinh nhân tạo 26 2.1 Học có giám sát 26 2.2 Học củng cố 27 2.3 Học giám sát 27 Mạng truyền thẳng lớp nhiều lớp .27 3.1 Mạng truyền thẳng lớp 27 3.2 Mạng truyền thẳng nhiều lớp 31 Mạng hàm sở xuyên tâm 33 Mạng thần kinh suy diễn mờ thích nghi 35 Bài 3: Hệ thống điều khiển thông minh ứng dụng hệ mờ mạng thần kinh nhân tạo39 Điều khiển mờ trực tiếp 39 1.1 Cấu trúc điều khiển mờ trực tiếp 39 1.2 Thiết kế điều khiển mờ dựa vào kinh nghiệm chuyên gia 39 Điều khiển pid mờ 44 2.1 Điều khiển pid mờ dùng hệ quy tắc mamdani .44 2.2 Điều khiển pid mờ dùng hệ quy tắc sugeno 48 Điều khiển trực tiếp dùng mạng thần kinh nhân tạo .50 Thực hành 52 4.1 Bài thực hành 52 4.2 Bài thực hành 59 Tài liệu tham khảo .67 GIÁO TRÌNH MƠ ĐUN Tên mơ đun: ĐIỀU KHIỂN THƠNG MINH Mã mơ đun: MĐ13 Vị trí, tính chất, ý nghĩa vai trị mơ đun - Vị trí: Mơ đun bố trí dạy sau học xong mô đun vi điều khiển bản, kỹ thuật cảm biến, PLC - Tính chất: Là mơ đun bắt buộc - Ý nghĩa vai trị: Hiện nay, hệ thống thơng minh ứng dụng ngày rộng rãi, đặc biệt hệ thống thông minh lĩnh vực điều khiển tự động Các kỹ thuật điều khiển thông minh logic mờ, mạng thần kinh nhân tạo phát triển hướng đến việc thiết kế điều khiển thông minh để điều khiển đối tượng thực tế công nghiệp Mục tiêu mô đun - Kiến thức: + Trình bày phương pháp phân tích thiết kế hệ thống điều khiển ứng dụng kỹ thuật thông minh như: Logic mờ, mạng thần kinh, giải thuật di truyền - Kỹ năng: + Sử dụng Matlab thiết kế mô điều khiển - Năng lực tự chủ trách nhiệm: + Có sáng kiến, tìm tịi, khám phá q trình học tập cơng việc + Có khả tự định hướng, chọn lựa phương pháp tiếp cận thích nghi với học + Có lực đánh giá kết học tập nghiên cứu + Tự học tập, tích lũy kiến thức, kinh nghiệm để nâng cao trình độ chuyên môn Nội dung mô đun Thời gian (giờ) Thực hành, thí Số Lý Tên mơ đun Tổng nghiệm, Kiểm TT thuyế số thảo tra t luận, tập Bài 1: Hệ mờ 17 10 1 Tập hợp mờ 1 1.1 Khái niệm 1.2 Hàm liên thuộc 1.3 Các phép toán tập hợp mờ 1.4 Tính chất tập hợp mờ Quan hệ mờ 1 2.1 Định nghĩa 2.2 Sự hợp thành quan hệ mờ Logic mờ 3.1 Mệnh đề mờ (Fuzzy proposition) 3.2 Các phép toán mệnh đề mờ Quy tắc mờ 4.1 Kết hợp quy tắc mờ 4.2 Tính chất hệ quy tắc mờ Suy luận mờ 5.1 Suy diễn quy tắc mờ 5.2 Sự suy diễn hệ quy tắc mờ Hệ mờ 6.1 Mờ hóa 6.2 Hệ quy tắc mờ 6.3 Giải mờ Kiểm tra Bài 2: Mạng thần kinh Tế bào thần kinh mạng thần kinh nhân tạo 1.1 Tế bào thần kinh nhân tạo 1.2 Mạng thần kinh nhân tạo Các phương pháp huấn luyện mạng thần kinh nhân tạo 2.1 Học có giám sát 2.2 Học củng cố 2.3 Học khơng có giám sát Mạng truyền thẳng lớp nhiều lớp 3.1 Mạng truyền thẳng lớp 3.2 Mạng truyền thẳng nhiều lớp Mạng hàm sở xuyên tâm Mạng thần kinh suy diễn mờ thích nghi Kiểm tra Bài 3: Hệ thống điều khiển thông minh ứng dụng hệ mờ mạng thần kinh nhân tạo Điều khiển mờ trực tiếp 1.1 Cấu trúc điều khiển mờ trực tiếp 1.2 Thiết kế điều khiển mờ dựa vào kinh nghiệm chuyên gia Điều khiển PID mờ 2.1 Điều khiển PID mờ dùng hệ quy tắc Mamdani 2.2 Điều khiển PID mờ dùng hệ quy tắc Sugeno Điều khiển trực tiếp dùng mạng thần kinh nhân tạo Kiểm tra Cộng 1 20 10 2 2 23 10 12 7 4 60 1 30 27 1 BÀI 1: HỆ MỜ Mã bài: MĐ13-01 Giới thiệu: Ngày nay, hệ thống mờ thay công nghệ thông thường nhiều ứng dụng hệ thống khoa học kỹ thuật, đặc biệt hệ thống điều khiển nhận dạng mẫu Lý thuyết mờ Zadeh giới thiệu vào năm 1965 sở tốn học để biểu diễn mơ hồ ngơn ngữ, coi tổng quát hóa lý thuyết tập hợp kinh điển Ý tưởng hệ mờ dễ nắm bắt Trong tập hợp kinh điển (không mờ), phần tử thuộc khơng thuộc tập hợp Tức là, phụ thuộc phần tử rõ ràng, có (nằm tập hợp) không (không nằm tập hợp) Một tập hợp mờ tổng quát tập hợp ban đầu cho phép mức độ phụ thuộc phần tử trải rộng khoảng đơn vị [0, 1] Một lĩnh vực mờ hóa cách thay khái niệm tập hợp rõ mục tiêu khái niệm tập hợp mờ Thí dụ, ta mờ hóa số lĩnh vực số học, lý thuyết đồ thị, lý thuyết xác suất để phát triển thành số học mờ, lý thuyết đồ thị mờ, lý thuyết xác suất mờ tương ứng; ta mờ hóa số lĩnh vực ứng dụng mạng thần kinh, thuật toán di truyền, lý thuyết ổn định, nhận dạng mẫu, lập trình tốn học để có mạng thần kinh mờ, thuật toán di truyền mờ, lý thuyết ổn định mờ, nhận dạng mẫu mờ, lập trình tốn học mờ tương ứng Lợi ích việc mờ hóa mang lại tính tổng qt lớn hơn, khả diễn đạt cao hơn, tăng khả mơ hình hóa tốn thực tế, phương pháp để khai thác thiếu xác Do đó, lý thuyết mờ giúp ta đạt độ linh hoạt, bền vững, với chi phí giải pháp thấp Mục tiêu: - Trình bày tập mờ, quan hệ mờ, logic mờ, quy tắc mờ, suy luận mờ - Thực phép toán logic mờ - Thiết kế điều khiển mờ - Tích cực, chủ động sáng tạo học tập Nội dung chính: Tập hợp mờ 1.1 Khái niệm Đối với tập hợp kinh điển, biên tập hợp rõ ràng Với phần tử ta xác định phần tử có thuộc hay khơng thuộc tập hợp Ngược lại, biên tập hợp mờ khơng rõ ràng, có số phần tử khơng thể xác định có thuộc hay khơng thuộc tập hợp mờ Nếu xác định phần tử thuộc tập hợp mờ khơng xác định phần tử khơng thuộc tập hợp mờ Như độ phụ thuộc phần tử vào tập hợp mờ phải giá trị nằm đoạn [0, 1] (từ 0% đến 100%) Hàm số cho biết độ phụ thuộc phần tử vào tập hợp mờ gọi hàm liên thuộc (membership function) Hàm liên thuộc điều kiện để định nghĩa tập hợp mờ Định nghĩa 1.1 Tập mờ Ã xác định tập sở X tập hợp mà phần tử cặp giá trị ( x , μ Ã ( x ) ), x ∈ X μ Ã ( x ) ánh xạ: μ Ã : X →[0,1] (1.1) Ánh xạ μ Ã ( x ) gọi hàm liên thuộc tập mờ Ã Hàm liên thuộc đặc trưng cho độ phụ thuộc phần tử thuộc tập sở X vào tập mờ Ã Hàm liên thuộc có dạng tuyến tính dạng trơn hình 1.1 Hình 1.1: Các dạng hàm liên thuộc tập hợp mờ Ký hiệu tập hợp mờ Tập hợp mờ Ã định nghĩa tập hợp sở X rời rạc hữu hạn ký hiệu: μ~A (x i) ~ A=∑ xi i (1.2) Tập hợp mờ Ã định nghĩa tập hợp sở X liên tục vô hạn ký hiệu: μ~A ( x) ~ A=∫ x (1.3) 1.2 Hàm liên thuộc 1.2.1 Các đặc điểm hàm liên thuộc Miền hàm liên thuộc tập hợp mờ Ã vùng gồm phần tử có độ phụ thuộc khác 0, nghĩa miền gồm phần tử x tập hợp X sở cho μ Ã ( x ) >0 Lõi hàm liên thuộc tập hợp mờ Ã vùng gồm phần tử có độ phụ thuộc 1, nghĩa lõi gồm phần tử x tập hợp sở X cho μ Ã ( x )=1 Hình 1.2: Các đặc điểm hàm liên thuộc Biên hàm liên thuộc tập hợp mờ Ã vùng gồm phần tử có độ phụ thuộc khác nhỏ 1, nghĩa biên gồm phần tử x tập hợp sở X cho 0< μ Ã ( x ) R Dạng tam giác: (1.8) x−L C−L μtri ( x , L , C , R )= R− x R−C { L ≤ x ≤C C < x ≤ R x< L hoăc x > R Dạng hình thang: (1.9) x−L C 1−L R−x μtrap ( x , L , C1 , C2 , R )= R−C { L≤ x ≤ C1 C ≤ x ≤ R C1 < x R Dạng chữ nhật: (1.10) μrec ( x ,C ,C )= nếuC ≤ x ≤ C x< C1 hoăc x >C2 { Dạng vạch: (1.11) μsingleton ( x ,C )= {10 x=C x ≠ C Dạng Z: (1.12) { { x−L R−L R−x 2 R−L 1−2 μZ ( x , L , R ) = Dạng S: (1.13) ( ( ) ) L ≤ x ≤( L+ R) /2 (L+ R)/2< x ≤ R x< L x > R x−L R−L μS ( x , L , R )= 1−2 R−x R−L 2 ( ) ( L ≤ x ≤(L+ R)/2 ) (L+ R)/2< x ≤ R x < L x > R Dạng pi: (1.14) { x−L C−L C−x 1−2 C−L ( ) L ≤ x ≤ ( L+ R)/ 2 ( ) μ ( x , L , C , R )= x −C 1−2 ( R−C ) R−x 2( R−C ) S C< x ≤(C+ R)/2 (C+ R)/2< x ≤ R x< L x > R Dạng sigmod: (1.15) μsig ( x , S ,C )= 1−e Dạng dsig: (1.16) μsig ( x , S ,C , S2 ,C )= nếu(L+ R)/2< x ≤ C − S( x−C ) −S1 (x−C ) 1−e − −S2 (x−C ) 1−e Dạng Gauss: (1.17) μ gauss ( x ,W ,C )=exp ⁡¿ Dạng Gauss hai phía: (1.18) μ gauss ( x ,W , C )=¿ Dạng chuông: (1.19) 2S μbell ( x , W , S , C )=1/(1+¿ (x−C)/ W ¿ ) 1.3 Các phép toán tập hợp mờ 1.3.1 Phép giao ~ Định nghĩa 1.2 Giao hai tập hợp mờ Ã B có tập hợp sở X tập hợp mờ xác định tập hợp sở X có hàm liên thuộc xác định biểu thức: ~ ~ A ∩ B : μ~A ∩~B ( x )=min { μ~A ( x ) , μ~B ( x ) } (1.20) 10 Hình 3.25: Sơ đồ cấu trúc điều khiển tốc độ động điện chiều Bước 1: Cấu trúc điều khiển mờ Bộ điều khiển mờ gồm: hai tín hiệu vào sai lệch E, đạo hàm sai lệch DE tín hiệu DU Hình 3.26: Cấu trúc điều khiển mờ điều khiển tốc độ động điện chiều Bước 2: Định nghĩa tập mờ Xác định giá trị ngôn ngữ biến ngôn ngữ sau: E = {NB, NS, ZE, PS, PB} DE = {NB, NS, ZE, PS, PB} DU = {NB, NM, NS, ZE, PS, PM PB} Giả sử tín hiệu đặt tối đa 60 rad/s, hệ số chuẩn hóa điều khiển mờ sau: K1=1/60; K2=1/60, K3=120 Xác định hàm thuộc cho biến ngơn ngữ E, DE, DU hình 3.27, hình 3.28, hình 3.29 Hình 3.27: Mờ hóa đầu vào E cho toán điều khiển tốc độ động điện chiều 54 Hình 3.28: Mờ hóa đầu vào DE cho toán điều khiển tốc độ động điện chiều Hình 3.29: Mờ hóa đầu DU cho toán điều khiển tốc độ động điện chiều Bước 3: Xây dựng luật điều khiển (mệnh đề hợp thành) Xây dựng luật điều khiển bảng 3.4 Bảng 3.4: Bảng luật điều khiển điều khiển PI mờ E DU NB NS ZE PS DE PB NB NB NB NM NS ZE NS NB NM NS ZE PS ZE NM NS ZE PS PM PS NS ZE PS PM PB PB PB PB ZE PS PM Bước 4: Chọn thiết bị hợp thành Chọn thiết bị hợp thành MAX – MIN hình 3.30 55 Bước 5: Chọn nguyên lý giải mờ Chọn nguyên lý giải mờ điểm trọng tâm hình 3.30 Hình 3.30: Chọn thiết bị hợp thành phương pháp giải mờ cho toán điều khiển tốc độ động điện chiều Bước 6: Xây dựng chương trình mô Matlab-Simulink Xây dựng điều khiển mờ hình bên Hình 3.31: Xây dựng cấu trúc điều khiển mờ cho toán điều khiển tốc độ động điện chiều 56 Hình 3.32: Xây dựng hàm thuộc cho biến E cho toán điều khiển tốc độ động điện chiều Hình 3.33: Xây dựng hàm thuộc cho biến DE cho toán điều khiển tốc độ động điện chiều 57 Hình 3.34: Xây dựng hàm thuộc cho biến DU cho toán điều khiển tốc độ động điện chiều Hình 3.35: Xây dựng luật điều khiển cho toán điều khiển tốc độ động điện chiều 58 Hình 3.36: Đặc tính vào điều khiển mờ toán điều khiển tốc độ động điện chiều Xây dựng mơ hình mơ điều khiển PI mờ điều khiển tốc độ động Hình 3.37: Chương trình mơ hệ thống với điều khiển PI mờ toán điều khiển tốc độ động điện chiều 59 Kết mô điều khiển Matlab Simulink Hình 3.38: Đồ thị đáp ứng tốc độ động điều khiển PI mờ toán điều khiển tốc độ động điện chiều Kết mô cho thấy chất lượng điều khiển mờ đạt tiêu chất lượng: khơng có độ q điều chỉnh thời gian độ ngắn 4.2 Bài thực hành Xét hệ bồn chứa chất lỏng có tiết diện ngang thay đổi theo độ cao Hình 3.39: Đối tượng bồn chứa chất lỏng Phương trình vi phân mơ tả hệ thống là: Trong đó: u(t): điện áp điều khiển máy bơm (0 ≤ u(t) ≤ 12 V) h(t): độ cao mực chất lỏng bồn (cm) hmax: độ cao cực đại bồn chứa Amax, Amin: tiết diện ngang cực đại cực tiểu k: hệ số tỷ lệ với công suất máy bơm a: tiết diện van xả (cm2) g: gia tốc trọng trường (981 cm/sec2) CD: hệ số xả Thông số hệ bồn đơn chọn sau: hmax = 50cm, Amax = 200 cm2, Amin = 100cm2, a = 1cm2, k = 300cm3/sec, CD=0,6 60 Bước 1: Thí nghiệm thu thập liệu Sơ đồ mơ thí nghiệm thu thập liệu vào hệ bồn chứa hình 3.40, 3.41, khối [Single Tank] mô tả động học bồn giả thiết tín hiệu đo độ cao mực chất lỏng bồn chứa bị ảnh hưởng nhiễu cộng ngẫu nhiên có trung bình phương sai 0,1 Hình 3.40: Sơ đồ mơ thí nghiệm thu thập liệu hệ bồn chứa chất lỏng Hình 3.41: Mơ hình Simulink mơ tả đối tượng bồn chứa chất lỏng Dữ liệu vào đối tượng dùng để huấn luyện đánh hình 3.42 61 Hình 3.42: Thu thập liệu bồn chứa chất lỏng Bước 2: Lựa chọn cấu trúc mạng nơron Mạng nơron có ngõ vào u(k-1), y(k-1), có ngõ y(k) Sử dụng mạng nơron lớp (5x1): Lớp vào có nơron, lớp nơron, tốc độ học η=0.01, hàm chuyển đổi lớp vào dạng sigmoid lưỡng cực, hàm hàm chuyển đổi lớp dạng tuyến tính Ta có cấu trúc mạng nơron hình 3.43 Hình 3.43: Cấu trúc mạng nơron nhận dạng hệ bồn chứa chất lỏng Bước 3: Huấn luyện mạng nơron Huấn luyện theo luật học lan truyền ngược Sai số huấn luyện sau 500 chu kỳ học 0,232 (hình 3.44) Kết đánh giá mơ hình sau huấn luyện hình 3.45 Hình 3.44: Sai số huấn luyện mạng nhận dạng hệ bồn chứa chất lỏng 62 Các trọng số bias mạng là: Hình 3.45: So sánh tín hiệu mơ hình nhận dạng đối tượng hệ bồn chứa chất lỏng Bước 4: Đánh giá mơ hình Sử dụng phương pháp đánh giá chéo để đánh giá mơ hình kết thu hình 3.46 Hình 3.46: Kết đánh giá mơ hình nhận dạng hệ bồn chứa chất lỏng Thiết lập chương trình mơ Simulink đánh giá mơ hình mạng nơron với tín hiệu vào minh họa hình 3.47 Kết chương trình Simulink minh họa hình 3.48 63 Hình 3.47: Mơ hình Simulink đánh giá kết nhận dạng hệ bồn chứa chất lỏng Hình 3.48: Quan sát sai lệch mơ hình nhận dạng hệ bồn chứa chất lỏng Bài tập Bài tập 1: Cho hệ thống nâng bi từ trường hình vẽ Tín hiệu vào điện áp u(t) cấp cho cuộn dây, tín hiệu vị trí y(t) viên bi từ trường Cho biết điện áp cấp cho cuộn dây nằm miền ≤ u(t) ≤ 24V Hãy thiết kế điều khiển mờ (gồm tối thiểu 25 luật) điều khiển vị trí viên bi cân vị trí yd=0,2(m) với sai số xác lập 64 Vẽ sơ đồ khối hệ thống điều khiển gồm đầy đủ khối tiền xử lý, hậu xử lý khối bão hịa Vẽ hình minh họa giải thích lý đưa quy tắc điều khiển Cho biết áp dụng điều khiển cần chỉnh định thông số nào? Bài tập 2: Cho điều khiển mờ tàu với tập mờ đầu vào biến sai lệch e de, tập mờ đầu biến u có dạng sau: Hãy xác định tập mờ đầu điều khiển mờ giá trị rõ u0, biết giá trị rõ đầu vào e0 = 0.1 de0 = -1/3 luật hợp thành cài đặt theo nguyên tắc MAX-MIN giải mờ theo phương pháp trung bình có trọng số Những trọng tâm cần ý - Nguyên lý điều khiển mờ trực tiếp, PID, điều khiển trực tiếp dùng mạng thần kinh nhân tạo - Phương pháp thiết kế điều khiển Bài tập mở rộng nâng cao Hệ thống giữ cân hệ lắc ngược M: trọng lượng xe 1(Kg); m: trọng lượng lắc 0,1(Kg); l: chiều dài lắc 1(m); u: lực tác động vào xe (N); 65 g: gia tốc trọng trường 9,8(m/s2); x: vị trí xe (m); θ: góc lắc phương thẳng đứng (rad) Hệ thống gồm lắc có trục quay tự gắn vào xe kéo động điện Chúng ta xét tốn khơng gian hai chiều, nghĩa lắc di chuyển mặt phẳng Con lắc khơng ổn định ln ngã xuống trừ có lực tác động thích hợp Giả sử khối lượng lắc tập trung đầu hình vẽ (khối lượng khơng đáng kể) Lực điều khiển u tác động vào xe Yêu cầu tốn điều khiển vị trí xe giữ cho lắc ln thẳng đứng Bài tốn điều khiển hệ lắc ngược mơ hình toán điều khiển định hướng tàu vũ trụ phóng vào khơng gian Mơ hình tốn học lắc ngược cho phương trình sau: Trình bày bước xây dựng mơ hình mạng nơron nhân tạo để nhận dạng điều khiển mơ hình hệ thống giữ cân hệ lắc ngược Thực trình huấn luyện mạng kiểm chứng chất lượng mơ hình Matlab-Simulink Điều khiển tốc độ động điện chiều Các thông số động sau: Điện trở phần ứng R = Ω, điện cảm phần ứng L = 0.33 H, số moment K m = 0.2, số sức điện động Kb = 0.2, moment quán tính tải J = 0.02 kg.m2, hệ số ma sát nhớt B = 0.2 Nms Giả sử: Điện áp u(t) cấp cho phần ứng động tối đa 120V Md(t) có trung bình 0, phương sai 10 e(t) có trung bình 0, phương sai 0.01 a Trình bày bước xây dựng mơ hình mạng nơron nhân tạo để nhận dạng điều khiển đối tượng trường hợp nhiễu moment tải, có nhiễu đo lường b Thực trình huấn luyện mạng kiểm chứng chất lượng mơ hình Matlab-Simulink u cầu đánh giá kết học tập bài Nội dung: - Về kiến thức: Trình bày nguyên lý điều khiển mờ trực tiếp, PID, điều khiển trực tiếp dùng mạng thần kinh 66 - Về kỹ năng: Thiết kế điều khiển mờ trực tiếp, điều khiển mờ lai - Về lực tự chủ trách nhiệm: Đảm bảo an tồn vệ sinh cơng nghiệp Phương pháp: - Về kiến thức: Được đánh giá hình thức kiểm tra viết, trắc nghiệm - Về kỹ năng: Đánh giá kỹ thực hành thiết kế điều khiển mờ trực tiếp, điều khiển mờ lai theo yêu cầu - Về lực tự chủ trách nhiệm: Tỉ mỉ, cẩn thận, xác, ngăn nắp cơng việc Điều kiện để hồn thành mơ đun để dự thi kết thúc mô đun: + Người học tham dự 70% thời gian học lý thuyết đầy đủ học tích hợp, học thực hành, thực tập + Điểm trung bình chung điểm kiểm tra đạt từ 5,0 điểm trở lên theo thang điểm 10; + Người học có giấy xác nhận khuyết tật theo quy định hiệu trưởng xem xét, định ưu tiên điều kiện dự thi sở sinh viên phải bảo đảm điều kiện điểm trung bình điểm kiểm tra + Số lần dự thi kết thúc mô đun theo quy định khoản Điều 13 Thông tư 09/2017/TT-BLĐTBXH, ngày 13 tháng năm 2017 Điều kiện để công nhận, cấp chứng nhận đạt mô đun đào tạo: Người học công nhận cấp chứng nhận đạt mơ đun có điểm trung bình mơ đun theo thang điểm 10 đạt từ 4,0 trở lên 67 TÀI LIỆU THAM KHẢO [1] Hệ thống điều khiển thông minh, Huỳnh Thái Hoàng, ĐHQG TP HCM, 2006 [2] Lý thuyết điều khiển đại, Nguyễn Thị Phương Hà, ĐH Quốc Gia TP.HCM, 2005 [3] Hệ mờ mạng nơron ứng dụng, Bùi Cơng Cường - Ngun Dỗn Phước, Khoa Học Kỹ Thuật, 2006 [4] Điều khiển logic ứng dụng, Nguyễn Trọng Thuần, Khoa Học Kỹ Thuật, 2004 [5] Startup of a distillation column using intelligent control techniques, J.A Fabro, L.V.R Arruda, F Neves, Computer and Chemical Engineering, Vol.30, pp 309-320, 2005 68