Tiểu Luận - Hệ Thống Điều Khiển Thông Minh - Đề Tài - Nhận Dạng Hệ Phi Tuyến

KHOA ĐIỆN – ĐIỆN TỬ HỆ THỐNG ĐIỀU KHIỂN THÔNG MINH NHẬN DẠNG HỆ PHI TUYẾN 6.1 Giới thiệu  Nhận dạng hệ thống xây dựng mơ hình tốn hệ thống dựa liệu quan sát Q trình giải tốn nhận dạng hệ thống trình lặp theo sơ đồ Hình 6.1: Cấu trúc mơ hình phi tuyến Các vấn đề cần giải tốn nhận dạng THÍ NGHIỆM THU THẬP DỮ LIỆU  Để nhận dạng mơ hình tính tốn hệ thống cần:  Chọn tín hiệu thử có biên độ băng thơng thích hợp đặt vào ngõ vào  Quan sát đáp ứng ngõ hệ thống Các vấn đề cần giải toán nhận dạng CHỌN CẤU TRÚC MƠ HÌNH  Vấn đề quan trọng khó bước nhận dạng hệ thống, chia làm toán nhỏ:  Chọn loại mơ hình  Chọn bậc mơ hình  Làm để thơng số hóa mơ hình để thuật toán ước lượng cho kết tốt Các vấn đề cần giải toán nhận dạng ƯỚC LƯỢNG THÔNG SỐ  Giải tốn tối ưu hóa để tìm thơng số mơ hình cho tối thiểu hàm xác định dương đánh giá sai lệch tín hiệu dự báo tín hiệu thực nghiệm Các vấn đề cần giải toán nhận dạng ĐÁNH GIÁ MƠ HÌNH  Đánh giá chất lượng mơ hình vừa nhận dạng: PP  Đánh giá chéo: khảo sát khả tái tạo đáp ứng hệ thống với tập liệu không dung bước ước lượng thông số bắng cách mô với tín hiệu vào so sánh tín hiệu mơ với tín hiệu thực nghiệm  Phân tích thặng dư: mơ hình nhận dạng có chất lượng tốt tương quan thặng dư tín hiệu vào phải xấp xỉ 6.2 Nhận dạng hệ phi tuyến Đối tượng: Dữ liệu: Mơ hình: Phân loại mơ hình phi tuyến Phân loại theo phần tử hồi qui: Phân loại mơ hình phi tuyến Phân loại theo cấu trúc hàm phi tuyến: Mơ hình mờ: Mamdani, Sugeno Mơ hình mạng thần kinh: MLP, RBF Mơ hình lai mạng thần kinh mờ: ANFIS • Qui tắc mờ mơ tả đặc tính động học đối tượng phi tuyến: • Bộ dự báo: • Vector tham số: 6.4 Nhận dạng hệ phi tuyến dùng mơ hình mạng thần kinh  Mạng thần kinh cấu trúc mơ hình phi tuyến ưu tiên chọn lựa để mơ hình hóa hệ thống biết thơng tin đối tượng  Mạng thần kinh có tính linh hoạt cao o Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP) o Nhận dạng dùng mạng hàm sở xuyên tâm (RBF) 6.4.1 Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP) Sơ đồ khối dự báo dùng mạng thần kinh MLP • Tín hiệu ngõ lớp ẩn: • Bộ dự báo: • Vector tham số: Khi sử dụng mạng thần kinh để nhận dạng hệ thống cần phải quan tâm chọn cấu hình mạng: • Số tế bào thần kinh lớp vào: phụ thuộc vào số phần tử hồi quy • Số tế bào thần kinh lớp ẩn: phụ thuộc vào tính phi tuyến đối tượng cần nhận dạng • Hàm tác động tế bào thần kinh lớp ẩn: hàm Gauss chọn lựa đầu tiên, tùy trường hợp hàm khác có kết tốt Xây dựng mơ hình đơn giản tốt 6.4.2 Nhận dạng dùng mạng hàm sở xuyên tâm (RBF) Mạng hàm sở xuyên tâm RBF trướng hợp riêng mạng thần kinh, sở lý thuyết phần trước áp dụng để giải tốn nhận dạng hệ thống dung mạng RBF Ví dụ: Nhận dạng hệ lị xo: Phương trình vi phân tuyến tính: Trong đó: u(t) lực kéo (tín hiệu vào) y(t) vị trí xe (tín hiệu vào) M = 1kg : khối lượng xe b = 0,2 : hệ số ma sát nhớt k1 = 0,5; k2 = 0,5 : độ cứng lị xo Dữ liệu nhập dạng mơ hình Dữ liệu đánh giá mơ hình Hai liệu vào hệ lị xo Ta chọn cấu hình mạng RBF để nhận dạng hệ lị xo sau: • ngõ vào: u(t-1), u(t-2), u(t-3), y(t-1), y(t-2), …., y(t-5) • ngõ vào: y(t) • Số hàm sở xuyên tâm: 100 Phân tích thặng dư Đánh giá chéo Kết đánh giá mơ hình sau nhận dạng, độ phù hợp mơ hình phân tích thặng dư đánh giá chéo tương ứng 98,97% 94,22%