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

Giới thiệu Trang 4 Các vấn đề cần giải quyết trong bài tốn nhận dạng1.. THÍ NGHIỆM THU THẬP DỮ LIỆU Để có thể nhận dạng được mơ hình tính tốn của hệ thống cần: Chọn tín hiệu thử có bi

6.1 Giới thiệu

 Nhận dạng hệ thống là xây dựng mô hình toán của hệ

thống dựa trên dữ liệu quan sát được Quá trình giải bài toán nhận dạng hệ thống là quá trình lặp theo sơ đồ

Hình 6.1: Cấu trúc mô hình phi tuyến

Các vấn đề cần giải quyết trong bài toán nhận

dạng

1 THÍ NGHIỆM THU THẬP DỮ LIỆU

 Để có thể nhận dạng được mô hình tính toán của hệ thống

cần:

 Chọn tín hiệu thử có biên độ và băng thông thích hợp đặt

vào các ngõ vào

 Quan sát đáp ứng ở các ngõ ra của hệ thống

Các vấn đề cần giải quyết trong bài toán nhận

dạng

2 CHỌN CẤU TRÚC MÔ HÌNH

 Vấn đề quan trọng nhất và khó nhất trong các bước nhận

dạng hệ thống, chia làm 3 bài toán nhỏ:

 Chọn loại mô hình

 Chọn bậc của mô hình

 Làm thế nào để thông số hóa mô hình để các thuật toán

ước lượng cho kết quả tốt nhất

Các vấn đề cần giải quyết trong bài toán nhận

dạng

3 ƯỚC LƯỢNG THÔNG SỐ

 Giải một bài toán tối ưu hóa để tìm thông số mô hình sao

cho tối thiểu một hàm xác định dương đánh giá sai lệch giữa tín hiệu ra của bộ dự báo và tín hiệu ra thực nghiệm

Các vấn đề cần giải quyết trong bài toán nhận

dạng

4 ĐÁNH GIÁ MÔ HÌNH

 Đánh giá chất lượng của mô hình vừa nhận dạng: 2 PP

 Đánh giá chéo: khảo sát khả năng tái tạo đáp ứng của hệ

thống với một tập dữ liệu mới không dung ở bước ước lượng thông số bắng cách mô phỏng với tín hiệu vào mới

và so sánh tín hiệu ra mô phỏng với tín hiệu ra thực nghiệm

lượng tốt thì tương quan giữa thặng dư và tín hiệu vào phải xấp xỉ bằng 0

6.2 Nhận dạng hệ phi tuyến

Đối tượng:

Dữ liệu:

Mô hình:

Phân loại mô hình phi tuyến

Phân loại theo các phần tử hồi qui:

Phân loại theo bộ cấu trúc hàm phi tuyến:

Phân loại mô hình phi tuyến

Mô hình mờ: Mamdani, Sugeno

Mô hình mạng thần kinh: MLP, RBF

Mô hình lai mạng thần kinh mờ: ANFIS

Sơ đồ khối dự báo mờ

6.3 Nhận dạng hệ phi tuyến dung mô hình mờ

• Qui tắc mờ mô tả đặc tính động học của đối tượng phi tuyến:

• Bộ dự báo:

• Vector tham số:

6.4 Nhận dạng hệ phi tuyến dùng mô hình mạng thần kinh

lựa để mô hình hóa hệ thống khi biết rất ít thông tin về đối

Khi sử dụng mạng thần kinh để nhận dạng hệ thống cần phải quan tâm chọn cấu hình mạng:

• Số tế bào thần kinh ở lớp vào: phụ thuộc vào số phần tử hồi quy.

• Số tế bào thần kinh ở lớp ẩn: phụ thuộc vào tính phi tuyến của đối tượng cần nhận dạng.

• Hàm tác động của tế bào thần kinh ở lớp ẩn: hàm Gauss là chọn lựa đầu tiên, tùy trường hợp có thể các hàm khác sẽ có kết quả tốt hơn Xây dựng mô hình càng đơn giản càng tốt.

6.4.2 Nhận dạng dùng mạng hàm cơ sở xuyên tâm (RBF)

Mạng hàm cơ sở xuyên tâm RBF là một trướng hợp riêng của mạng thần kinh, do đó

cơ sở lý thuyết ở phần trước cũng có thể áp dụng để giải bài toán nhận dạng hệ thống dung mạng RBF.

Ví dụ: Nhận dạng hệ lò xo:

Phương trình vi phân tuyến tính:

Trong đó: u(t) là lực kéo (tín hiệu vào)

y(t) là 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 của lò xo

Dữ liệu nhập dạng mô hình Dữ liệu đánh giá mô hình

Hai dữ liệu vào ra của hệ lò xo

Ta chọn cấu hình mạng RBF để nhận dạng hệ lò xo như sau:

• 8 ngõ vào: u(t-1), u(t-2), u(t-3), y(t-1), y(t-2), …., y(t-5)

• 1 ngõ vào: y(t)

• Số hàm cơ sở xuyên tâm: 100

Phân tích thặng dư Đánh giá chéo

Kết quả đánh giá mô hình sau khi nhận dạng, độ phù hợp của mô hình khi phân tích thặng dư và

đánh giá chéo tương ứng là 98,97% và 94,22%

6.5 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN DÙNG GA

 GA là một công cụ tìm lời giải tối ưu đa năng, có thể áp

dụng để tìm cực trị toàn cục của hàm mục tiêu có nhiều dạng khác nhau

 Tổng quát tiêu chuẩn ước lượng thông số có dạng:

Trong đó: l(.) là hàm vô hướng xác định dương

6.5 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN DÙNG GA

 Một số tiêu chuẩn khác

 Chuẩn

 Chuẩn

 

6.5 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN DÙNG GA

GA ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN

 Hai vấn đề cần quan tâm:

 Mã hóa lời giải bài toán như thế nào

 Hàm thích nghi là hàm gì

6.5 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN DÙNG GA

GA ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN

 Mã hóa: có thể sử dụng cách mã hóa nhị phân hoặc thập

phân, tuy nhiên thuận lợi nhất là cách mã hóa số thực với mỗi thông số cần ước lượng tương ứng với 1 gen trên chuỗi nhiễm sắc thể

…

6.5 ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN DÙNG GA

GA ƯỚC LƯỢNG THÔNG SỐ MÔ HÌNH PHI TUYẾN

 Hàm thích nghi: tiêu chuẩn ước lượng thông số GA sẽ tìm

vector thông số sao cho tối thiểu hóa hàm thích nghi

 Sau khi mã hóa lời giải và định nghĩa được hàm thích nghi,

Có thể sử dụng GA với các phép toán di truyền chuẩn (tương ứng cách mã hóa) để ước lượng thông số mô hình