Bài giảng hệ thống điều khiển thông minh ( combo full slides 9 chương )

Phần 1: Mở đầu Chương 1: Tổng quan về điều khiển thông minh Phần 2: Lý thuyết cơ sở Chương 2: Hệ mờ (Fuzzy System) Chương 3: Mạng thần kinh (Neural network) Chương 4: Giải thuật di truyền (Genetic algorithm) Phần 3: Điều khiển thông minh Chương 5: Điều khiển trực tiếp (Direct Control) Chương 6: Nhận dạng hệ phi tuyến (System Identification) Chương 7: ĐK dựa vào mô hình (ModelBased Control) Chương 8: Điều khiển thích nghi (Adaptive Control) Chương 9: Điều khiển học (Learning Control) Phần 4: Ứng dụng Chương 10: Một số ví dụ về các hệ thống thông minh

BÀI GIẢNG

HỆ THỐNG ĐIỀU KHIỂN THÔNG MINH

NỘI DUNG MÔN HỌC

Phần 1: Mở đầu

Chương 1: Tổng quan về điều khiển thông minh

Phần 2: Lý thuyết cơ sở

Chương 2: Hệ mờ (Fuzzy System)

Chương 3: Mạng thần kinh (Neural network)

Chương 4: Giải thuật di truyền (Genetic algorithm)

Phần 3: Điều khiển thông minh

Chương 5: Điều khiển trực tiếp (Direct Control)

Chương 6: Nhận dạng hệ phi tuyến (System Identification)

Chương 7: ĐK dựa vào mô hình (Model-Based Control)

Chương 8: Điều khiển thích nghi (Adaptive Control)

Chương 9: Điều khiển học (Learning Control)

Phần 4: Ứng dụng

Chương 10: Một số ví dụ về các hệ thống thông minh

Tài liệu tham khảo

*Bài giảng “Điều khiển thông minh”, Huỳnh Thái Hoàng

*Các tài liệu (sách, bài báo, bài giảng,…) có từ khóa: +“intelligent control”

+“fuzzy”+”control”

+“neural network”+”control”

+”genetic algorithm”+”control”

CHƯƠNG 1 TỔNG QUAN VỀ ĐIỀU KHIỂN THÔNG MINH

Nội dung chương 1

 Điều khiển thông thường và điều khiển thông minh

 Khái niệm về điều khiển thông minh

 Các phương pháp điều khiển thông minh

 Các ứng dụng của phương pháp điều khiển thông minh

Điều khiển thông thường và điều khiển thông minh

 Điều khiển thông thường (Conventinal Control): Lý thuyết điều khiển các hệ thống động có quan hệ vào ra có thể mô tả bởi mô hình toán học là phương trình vi phân hay sai phân.

 Điều khiển kinh điển (Classical Control)

 Điều khiển hiện đại (Modern Control)

 Điều khiển tối ưu (Optimal Control)

 Điều khiển thích nghi (Adaptive Control)

 Điều khiển bền vững (Robust Control)

 Điều khiển phi tuyến (Nonlinear Control)

 Điều khiển thông minh (Intelligent Control): Lý thuyết điều khiển phát triển trong thời gian gần đây, bao gồm các phương pháp không đề cập đến trong lý thuyết điều khiển thông thường

Ưu và khuyết điểm của điều khiển thông thường

Ưu điểm:

+ có tính hệ thống, cơ sở toán học rõ ràng, chặt chẽ

+ đảm bảo hệ thống ổn định và bền vững (về lý thuyết)

Khuyết điểm:

+ cần mô hình toán của đối tượng để thiết kế bộ điều khiển

+ cần hiểu biết sâu về kỹ thuật điều khiển mới thiết kế được bộ điều khiển

+ thường không hiệu quả khi điều khiển hệ phi tuyến

+ không sử dụng được kinh nghiệm của con người (trong nhiều trường hợp kinh nghiệm của con người đóng vai trò quan trọng)

Tại sao phải điều khiển thông minh

 Yêu cầu đạt được chất lượng điều khiển ngày càng tăng cao.

 Yêu cầu điều khiển các hệ thống động phức tạp ngày càng tăng.

 Yêu cầu điều khiển trong điều kiện gia tăng các yếu tố bất định.

⇒ Các yêu cầu trên không thể đáp ứng được trọn vẹn nếu dùng lý thuyết điều khiển thông thường sẳn có Đây chính là động lực cho

ra đời lý thuyết điều khiển mới: lý thuyết điều khiển thông minh.

Thông minh là gì?

 Thông minh là khả năng thu thập và sử dụng tri thức

 Có nhiều cấp độ thông minh và nhiều loại thông minh

 Thông minh là khái niệm mang tính tương đối

Hệ thống điều khiển thông minh

 Hệ thống thông minh là hệ thống có khả năng hoạt động thích

hợp trong môi trường bất định, trong đó một hoạt động thích hợp

là hoạt động làm tăng xác suất thành công và thành công là đạt được mục tiêu con nhằm đạt được mục tiêu chung của hệ thống

 Để hệ thống thông minh (nhân tạo) hoạt động thích hợp nó có thể phỏng theo chức năng của sinh vật và khả năng thông minh con người một cách cơ bản

⇒ Điều khiển thông minh là phương pháp điều khiển phỏng theo các đặc điểm cơ bản của trí thông minh con người Các đặc điểm cơ bản bao gồm tính thích nghi và khả năng học, hoạch định trong điều kiện có nhiều yếu tố không chắc chắn và xử lý khối lượng lớn thông tin

Cấp độ thông minh

Có nhiều cấp độ thông minh tùy theo thước đo khác nhau:

Albus:

 Tối thiểu: Thông minh cần khả năng cảm nhận môi trường, ra

quyết định và kiểm soát hoạt động

 Mức cao: Thông minh bao gồm khả năng nhận dạng đối tượng và

sự kiện, biểu diễn tri thức bằng mô hình ngôn ngữ, suy luận và hoạch định hoạt động tương lai

 Cao cấp: Thông minh cung cấp khả năng nhận thức và hiểu biết, chọn lựa khôn ngoan, và hoạt động thành công trong nhiều hoàn cảnh khác nhau nhằm mục đích tồn tại và phát triển trong môi

trường đối lập, phức tạp

Cấp độ thông minh ( tt )

Krishna & Kumar: phân loại điều khiển thông minh dựa trên khả năng tự cải thiện cấu trúc điều khiển

 Mức 0 = Điều khiển bền vững (Robust Controller)

 Mức 1 = Mức 0 + Điều khiển thích nghi (Adaptive Controller)

 Mức 2 = Mức 1 + Điều khiển tối ưu (Optimal Controller)

 Mức 3 = Mức 2 + Điều khiển hoạch định (Planning Controller)

Các yếu tố quyết định cấp độ thông minh

 Năng lực tính toán của bộ não (máy tính) của hệ thống

 Sự phức tạp, tinh vi của các thuật toán mà hệ thống sử

dụng để xử lý thông tin từ cảm biến, mô hình hóa thế giới, phát sinh hoạt động, đánh giá giá trị, truyền tin,…

 Thông tin mà hệ thống lưu trữ trong bộ nhớ

Các đặc điểm của hệ thống thông minh

 Tính thích nghi – khả năng học

 Khả năng suy luận

 Khả năng hoạch định và ra quyết định

 Khả năng xử lý thông tin phức tạp, không chắc chắn

 Khả năng sửa sai, dung thứ lỗi

 Tính tối ưu

 Khả năng tái cấu hình, mở rộng.

năng học là một đặc điểm quan trọng của hệ thống thông minh.

 Phân loại các thuật toán học (trong điều khiển)

 Học về đối tượng:

 Học về môi trường làm việc

 Học về bộ điều khiển

Khả năng suy luận

 Xử lý thông tin không chắc chắn Hệ thống không thể

được gọi là thông minh nếu nó chỉ có thể làm được

những điều đã được chỉ dẫn.

 Khả năng tự đặt ra mục tiêu và tự đạt mục tiêu điều khiển

là một đặc điểm quan trọng của hệ thống điều khiển

thông minh.

Tính tối ưu

 Hệ thống không thể được gọi là thông minh nếu

có hệ thống khác có thể hoạt động tốt hơn.

 Khả năng tái cấu hình, mở rộng … để đạt được

chất lượng điều khiển tối ưu.

Cấu trúc của hệ thống điều khiển thông minh

Để có thể điều khiển các hệ thống phức tạp, hệ thống thông minh phải có cấu trúc thích hợp để phân tích và đánh giá các chiến lược điều khiển một cách hiệu quả Thông thường hệ thống thông minh có cấu trúc 3 cấp: cấp thực thi, cấp phối hợp, cấp tổ chức và quản lý.

 Cấp thực thi: giao tiếp với đối tượng và môi trường thông qua các cảm biến (sensor) và các cơ cấu tác động (actuator), gồm các thuật toán điều khiển thông thường.

 Cấp phối hợp: liên kết cấp thực thi và cấp tổ chức – quản lý, kết hợp các phương pháp điều khiển thông thường và thông minh

 Cấp tổ chức và quản lý: giao tiếp với người vận hành, gồm các thuật toán điều khiển thông minh.

Thuật ngữ phân cấp không chỉ đề cập đến cấu trúc phân cấp về phần

cứng mà còn bao hàm cả sự phân cấp trong phần mềm điều khiển.

Cấu trúc hệ thống điều khiển thông minh

So sánh điều khiển thông minh và điều khiển thông thường

 Về mặt toán học, điều khiển thông minh không chặt chẽ bằng điều khiển

thông thường vì đây là lĩnh vực tương đối mới và chưa được nghiên cứu hết.

 Về nguyên tắc khi thiết kế các bộ điều khiển thông minh không cần mô hình toán học của đối tượng điều khiển, đây là một ưu điểm của phương pháp điều khiển thông minh vì:

 Trong một số trường hợp việc đưa ra mô hình toán của đối tượng rất khó khăn, thậm chí không thể được.

 Trong một số trường hợp khác có thể tìm được mô hình toán của đối tượng nhưng phải đưa

ra quá nhiều giả thiết mô hình toán không thỏa mãn trong thực tế không sử dụng được ⇒ ⇒

Các phương pháp điều khiển thông minh

 Điều khiển mờ (Fuzzy Control)

 Mạng thần kinh (nhân tạo) (Artificial Neural Network)

 Thuật toán di truyền (Genetic Algorithm)

Các phương pháp điều khiển thông minh

Ứng dụng của phương pháp điều khiển thông minh

Kỹ thuật điều khiển thông minh đã được ứng dụng rất thành công trong nhiều lĩnh vực khác nhau như:

 Hệ thống robot

 Hệ thống sản xuất

 Máy bay, tàu vũ trụ, tàu ngầm, xe hơi,…

 Điều khiển quá trình

 Các sản phẩm dân dụng,…

Tài liệu tham khảo

1] Antsaklis P.J (1993), “Defining Intelligent Control”, Report of the Task Force on Intelligent Control, IEEE Control Systems Society

[2] Antsaklis P.J (1997), “Intelligent Control”, Encyclopedia of Electrical and Electronics Engineering, John Wiley @ Sons, Inc

[3] Passino K.M (2001) “Intelligent Control: An Overview of Techniques”, Chapter in Perspectives in Control: New Concepts and Applications,

IEEE Press, NJ

[4] Passino K.M (1993), “Bridging the gap between conventional and

intelligent control”, IEEE Trans Control Systems

[5] Abus J.S (1991), “Outline for a theory of intelligence”, IEEE Trans Sys Man Cyber., 21(3)

ĐiỀU KHIỂN THÔNG

MINH

HỆ THỐNG ĐIỀU KHIỂN MỜ

I Giới thiệu về hệ thống mờ

 Ví dụ1: điều khiển xe máy khi công tơ mét bị hỏng.

 - Nếu xe đi “ chậm” thì “tăng ga lên”

 - Nếu xe đi “ nhanh” thì “ giảm ga xuống”

I Giới thiệu về hệ thống mờ

 Ví dụ 2: hệ thống bồn chứa chất lỏng:

Phương pháp kinh điển:

 Dùng PLC để điều khiển bơm

 - Nếu bồn chứa chưa đầy: khởi động bơm

 - Nếu bồn chứa đầy: ngừng bơm

 Dùng bộ điều khiển PID nếu biêt mô hình toán

Đối với người vận hành: Không biết mô hình toán

 Vận hành theo chiến lược:

 Nếu mực chất lỏng “thấp” cấp điện

cho máy bơm “lớn”

 Nếu mực chất lỏng “ cao” cấp điện

cho máy bơm “nhỏ”

Giải mờ

( x A~ x x  X

) (

~ xA

) (

~ xA



) (

~ x

A



A ~

II Tập mờ

 Ví dụ: ta độ tuổi của con người.

 Với X={15, 25,30,50} là tập cơ sở( tập rõ) thể hiện độ tuổi

; 30 ( );

5 0

; 25 ( ), 1

; 15 {(

~



A

II Tập mờ

Cách biểu diễn tập mờ:

 Rời rạc:

 Liên tục vô hạn:

mà chỉ là dấu phân cách, dấu ∑và không phải la

~ x 

A



1 ) (

0  A~ x 

) ( )

~ (A sup ~ x

X x







Tập mờ lồi Tập mờ không lồi

Hàm liên thuộc

 Các dạng hàm liên thuộc

quá trình mờ hóa biến tập rõ  tập mờ

()

x x

x

B A

B A

B A

( ), ( min(

) ( )

( )

x x

x

B A

B A

II Tập mờ

 Các phép toán trên tập mờ:

)) ( ), ( min(

( , 1 min(

( )

II Tập mờ

 Các phép toán trên tập mờ trên các tập cơ sở khác nhau

sở là tich các cơ sở đã cho

cơ sở Y Ta phải chuyển ,  trên tập cơ sở XxY và thực hiện phép hợp và phép giao.

A ~ B ~

III Quan hệ mờ

 Biểu diễn mối tương quan không rõ ràng trong không gian tích

 Quan hệ mờ n ngôi trên kí hiệu là tập

mờ định nghĩa trên tập cơ sở n chiều

 Hàm liên thuộc:

 Quan hệ mờ trong cơ rời rạc:

 Quan hệ mờ trong cơ sở liên tục:

nX X

X1  2   R~

nX X

X1  2  

]1,0[

:), ,,

n R

x x

x

x x

x R

2 1

~

1

), ,,

n R

x x

x

x x

x R

, ,

2 1

~

2

), ,,

(

0.67 1 0.75

5 0 67 0 1

25 0 33 0 5 0 3 2

1

~

R

B~ ~ ~

)) , ( ), ( ( { )

( )

) ( )

~ x y Max A x R x y

x R

A

)) , ( ).

( ( )

( )

~ x y Max A x R x y

x R

A

B~ (x)  ~ ~ (y) (  ~ (x)  ~ (x,y))

III Quan hệ mờ

 Ví dụ: cho hai tập mờ

 trên cơ sở X={x1,x2,x3}; trên cơ sở

 Y={y1,y2} Lập quan hệ mờ R định nghĩa trên XxY:

 Hàm liên thuộc của quan hệ mờ trên XxY là :

 Tương tự tính với các giá trị còn lại ta có:

2.0)3.0,2.0min(

))(),(min(

),



2.0)9.0,2.0min(

))(),(min(

),(x1 y2  A~ x1 B~ y2  



3.0)3.0,5.0min(

))(),(min(

),(x2 y1  A~ x2 B~ y2  



5 0 67 0 1

25 0 33 0 5 0 3 2

1

~

R

IV Biến ngôn ngữ và giá trị biến ngôn ngữ.

 Biến mờ : là biến đặc trưng bởi 3 phần tử:

 Ngôn ngữ mờ : là biến cao hơn biến mờ và nó lấy

biến mờ làm giá trị Ví dụ: “ tốc độ quay động cơ” là biến ngôn ngữ, giá trị của nó là “nhanh, X, ”, hoặc

(x

cham

 vua (x)

~ (P X 

T

) (

~ x

x  A

A x P

T(~) :  ~

) ( 1

)

~ ( 1 )

~

T     A

B A x Q

P~ ~:  ~ ~

) ( )

~

~ (P Q ~ ~ x

T   A B

IV Biến ngôn ngữ và giá trị biến ngôn ngữ.

 Các phép toán trên mệnh đề mờ( tiếp)

 Phép giao: Mệnh đề giao:

 Giá trị thật:

 Phép kéo theo:

 Giá trị thật:

 I là toán tử kéo theo: I là ánh xạ:

 Công thức Mamdani( công thức Min):

 Công thức Lasen ( công thức PROD):

B A x Q

P~ ~: ~~

) ( )

~

~ (P Q ~ ~ x

T   A B

B y then A

x ìf Q

)) ( ), ( ( )

~

~ (P Q I ~ x ~ x

    0 , 1 0 , 1   0 , 1 :  

I

 ( ), ( )

min ))

( ), ( ( ~ x ~ y ~ x ~ y

I A B  A B

) ( ).

( ))

( ), ( ( ~ x ~ y ~ x ~ y

I A B  A B

P~1  ~2  ~

))) ( ), ( ),

( ( ( )

~ 2

1 P Q I T 1 x x y P

T    A A B

VI Suy luận mờ

6.1 Suy diễn một quy tắc mờ

6.1.1 Suy diễn bằng luật hợp thành

Cho một quy tắc mờ:

Nếu x là thì y là (*)

Nếu cho đầu vào x là thì quá trình suy ra giá trị ngõ ra y là gọi là sự duy diễn

Quy tắc mờ (*) biểu diễn dưới dạng quan hệ mờ: thì ta có:

6.1.2 Luật hợp thành( Phương pháp suy diễn) Max-MinCho quy tắc thứ k của một hệ quy tắc mờ:

~ ( i ik

VI Suy luận mờ

 6.1.3 Luật hợp thành( Phương pháp suy diễn) Max-Prod

)

~ '

~ ( 1 1

VI Suy luận mờ

 6.1.4 Sự suy diễn của hệ quy tắc mờ( suy diễn cục bộ)

 Xét hệ gồm có r quy tắc mờ trong đó mỗi quy tắc mờ có dạng:

 rk : nếu ( x1 là ) và ( x2 là ) thì (y là )

 Kết quả suy diễn của quy tắc thứ k là:

 với là quan hệ mờ của quy tắc thứ k

 Kết quả suy diễn của hệ quy tắc mờ:

i i

B B

1

'

~ '

VI Suy luận mờ

 Luật hợp thành Max-Min

VI Suy luận mờ

 Luật hợp thành Max-Prod

VI Suy luận mờ

k

A~1 A~'1 A~2k A~'2

VII Giải mờ

 Phương pháp trung bình

2

b a

y  

y c

dy y

ydy y

y

) (

ĐIỀU KHIỂN THÔNG MINH

ĐẠI HỌC SƯ PHAM KỸ THUẬT TP.HCM

Khoa Điện-Điện Tử

60

Artifical Intelligence

Nội dung chương 3:Mạng nơ ron

3.1 Giới thiệu mạng nơ ron3.2 Tế bào thần kinh và mạng thân kinh nhân tạo3.3 Các phương pháp huấn luyện mạng nơ ron nhân tạo3.4 Mạng truyền thẳng

3.5 Mạng nhiều lớp3.6 Mạng RBF

3.7 Ứng dụng mạng nơ ron trong nhận dạng, dự báo và điều khiển

Artifical Intelligence

Chương 3: Mạng nơ ron

61

Artifical Intelligence

CHƯƠNG 3: MANG NƠRON

 3.1 Giới thiệu mạng nơron

 Bộ não con người có khoảng 1011 tế bào thần kinh liên kết cấu

thành mạng Mỗi tế bào thần kinh có khoảng 104 kết nối

 Cấu tạo của nơ ron thân kinh:

• Thân nơ ron

• Một hệ thống hình hình cây các đầu dây thần kinh vào

• Trục dẫn đến đầu thần kinh ra

Tại đầu ra của tế bào thân kinh, có các khớp để kết nối với các tế bào thần kinh khác:

• Khớp nối gồm có: khớp nối kích thích và khớp nối ức chế.

62

Artifical Intelligence

CHƯƠNG 3: MANG NƠRON

Hình 3.1 Cấu tạo của tế bào thần kinh Hinh 3.2 Kết nối của 2 nơ ron

63

 Hoạt động của mạng nơ ron

 Tín hiệu truyền trong tế bào thần kinh là tín hiệu điện phát sinh trong quá trình phản ứng và giải phóng các chất hữu cơ.

 Các chất hữu cơ được phát ra từ các khớp nối dẫn đến dây thần kinh vào

sẽ làm tăng hoạc giảm điện thế của nhân tế bào

 Khi điện thế này đạt ngưỡng thì nó sẽ tao ra xung tín hiệu ở đầu ra của tế bào thần kinh

 Xung điện này sẽ được truyền tới các tế bào thần kinh khác sẽ giải phóng các chất truyền điện

 Quá trình lan truyền sẽ tiếp tục theo quy trình trên cho đến khi đến đầu ra cuối cùng.

Artifical Intelligence

CHƯƠNG 3: MANG NƠRON

64

Artifical Intelligence

CHƯƠNG 3: MẠNG NƠRON

Hình 3.3: kích thích đầu ra của nơron

65

3.2 Mạng nơ ron nhân tạo

 Nơ ron đơn giản đầu tiên được đưa ra bởi Warren

McCulloch và Walter Pitts năm 1943

 Mạng nơ ron nhân tạo là mô hình toán học mô phỏng hoạt động của bộ não con người

3.3.1 Cấu tạo của một nơ ron đơn giản:

• Vector tín hiệu vào

• Vector trọng số

• Thông số hiệu chỉnh trọng số “-b”, thông số này được coi như

là một trọng số với đầu vào luôn cố định x0 =-1

• Hàm xử lý đầu vào f(), hàm tác động a()

w

W  1, 2, ,

Hình 3.4: Cấu tạo của nơ ron

67

3.3.2 Hàm xử lý đầu vào hàm tác động

 Hàm xử lý tín hiệu đầu vào

 Hàm tuyến tính(linear function):

 Hàm toàn phương(quadratic function):

 Hàm cầu( sphercial function):

Artifical Intelligence

CHƯƠNG 3: MANG NƠRON

68

b x w b x w net

w net

2

b w

x w

x b

x w



