CHUONG I: TONG QUAN VE HE THONG DIEU KHIEN THONG MINH 1.Hệ thống điều khiển 1.1 Hệ thống điều khiển thông thường Hệ thống điều khiển hiện nay thường được thiết kế dựa trên mô hình toán
TONG QUAN VE HE THONG DIEU KHIEN THONG MINH
Hệ thống điều khiển thông thường nh heee 6
Hệ thống điều khiển hiện nay thường dựa vào mô hình toán học của hệ thống vật lý để thiết kế Mô hình hóa hoặc nhận dạng giúp tạo ra mô hình toán học, mô tả đặc tính động học của đối tượng điều khiển Mô hình cần đủ đơn giản để phân tích nhưng cũng phải chính xác để nắm bắt các đặc điểm quan trọng, nhất là gần điểm làm việc Sau đó, các kỹ thuật thiết kế dựa trên mô hình sẽ được áp dụng để phát triển bộ điều khiển phù hợp, đáp ứng yêu cầu điều khiển các đối tượng phức tạp với chất lượng ngày càng cao.
Lý thuyết điều khiển truyền thống dựa vào các mô hình toán học như phương trình vi phân và sai phân, với nhiều phương pháp thiết kế và kiểm nghiệm hệ thống điều khiển đã được phát triển Tuy nhiên, những phương pháp này chỉ phù hợp với một số ít mô hình, chủ yếu là tuyến tính và một số dạng phi tuyến, đồng thời trở nên khó áp dụng khi thiếu mô hình của đối tượng điều khiển Dù có mô hình chi tiết, quá trình thiết kế vẫn tốn nhiều thời gian và yêu cầu mô hình hóa tỉ mỉ, do đó cần thiết phải phát triển các hướng thiết kế mới.
Hệ thống điều khiển thông minh con ee ree etter 6 2.Khái niệm về điều khiển thông minh con neo 7 3 Đặc điểm của hệ thống thông minh co nh neo 9
Hệ thống thông minh có khả năng tự chủ điều khiển các hệ thống phức tạp, vượt trội hơn so với các hệ thống truyền thống yêu cầu chi tiết về quá trình điều khiển Chúng có thể học từ kinh nghiệm và điều chỉnh theo thay đổi của tham số hoặc môi trường Mặc dù chưa đạt mức độ như não bộ con người, điều khiển thông minh áp dụng các kỹ thuật AI như mạng nơron nhân tạo, hệ chuyên gia, logic mờ và thuật toán di truyền Những kỹ thuật này không chỉ mô tả các luật điều khiển phi tuyến mà còn thu thập thông tin đặc thù từ đối tượng điều khiển, điều mà phương pháp truyền thống không thể làm được Hai công cụ quan trọng trong hệ thống này là điều khiển mờ, dựa trên luật con người, và mạng nơron nhân tạo, mô phỏng hệ thần kinh sinh học để thực hiện học tập và thích ứng.
Điều khiển thông minh là phương pháp điều khiển dựa trên các đặc điểm cơ bản của trí thông minh con người, bao gồm khả năng học, xử lý thông tin không chắc chắn và tìm kiếm giải pháp tối ưu Ngày nay, lĩnh vực điều khiển thông minh (ĐKTM) đang mở rộng để bao quát nhiều vấn đề không thuộc về điều khiển thông thường, mặc dù ranh giới giữa ĐKTM và điều khiển truyền thống có thể thay đổi theo thời gian Các hệ thống hiện tại được gọi là ĐKTM trong tương lai có thể chỉ đơn giản được xem là hệ thống điều khiển Tuy nhiên, việc định nghĩa chính xác "Điều khiển thông minh" gặp khó khăn do sự không thống nhất trong việc xác định trí thông minh và hành vi thông minh của con người, một chủ đề đã được tranh luận trong nhiều thế kỷ giữa các chuyên gia trong nhiều lĩnh vực khác nhau.
"Thông minh là khả năng thu thập và sủ dụng tri thức”
Hệ thống ĐKTM được định nghĩa là hệ thống điều khiển có khả năng thu thập và sử dụng tri thức Với khái niệm thông minh mang tính tương đối, hệ thống này có nhiều cấp độ khác nhau Dưới đây là một số định nghĩa về hệ thống thông minh và cách phân cấp mức độ thông minh.
Theo Albus, hệ thống thông minh có khả năng hoạt động hiệu quả trong môi trường không chắc chắn, với mục tiêu tăng xác suất thành công Thành công được định nghĩa là việc đạt được mục tiêu đã đề ra Albus phân loại trí thông minh thành ba cấp độ khác nhau.
- Tối thiểu: Thông minh cần khả năng cảm nhận môi trường, ra quyết định và kiểm soát hoạt động
Thông minh bao gồm khả năng nhận diện đối tượng và sự kiện, biểu diễn tri thức thông qua mô hình ngôn ngữ, cùng với khả năng suy luận và lập kế hoạch cho các hoạt động trong tương lai.
Cao cấp là khả năng thông minh giúp nhận thức và hiểu biết, cho phép lựa chọn khôn ngoan và hoạt động thành công trong nhiều tình huống khác nhau Điều này rất cần thiết để tồn tại và phát triển trong môi trường đầy thách thức, phức tạp và đối lập.
Cấp độ thông minh của hệ thống tùy thuộc vào các yếu tố cấu thành sự thông minh, theo Albus bao gồm:
- _ Khả năng tính toán của bộ não (máy tính) của hệ thống
Các thuật toán phức tạp và tinh vi mà hệ thống áp dụng để xử lý thông tin từ cảm biến, mô hình hóa đối tượng, phát sinh hành vi, đánh giá hoạt động và truyền tin toàn cầu đóng vai trò quan trọng trong việc tối ưu hóa hiệu suất và độ chính xác của hệ thống.
- Thông tin mà hệ thống lưu trữ trong bộ nhớ
Danh gia Hoach dinh iano SRR hong: eS TOT vathrcthi ~~ ~~ 1
Tinh hung cam nhan được
ImhiệuU jee ee vao du bac
Hình 1.1 Các yếu tố cấu thành sự thông minh và liên hệ giữa chúng
Theo Meystel, ĐKTM là quá trình tối ưu hóa nhằm đạt được mục tiêu của hệ thống phức tạp, đặc biệt trong bối cảnh thông tin hạn chế và thiếu hướng dẫn cụ thể Ông phân chia thông minh thành bốn cấp độ khác nhau.
Cấp độ thấp: Chỉ tập trung vào việc bù trừ sai số
Cấp độ trung bình: Có khả năng hoạch định và bù trừ sai số theo cách đã được lập trình sẵn
Cấp độ cao: Có khả năng tự động hoạch định và bù trừ sai số theo cách mới, không cần lập trình trước
- Cấp độ rất cao: Có khả năng tự điều chỉnh nhiệm vụ khi tình huống thay đổi
Theo Krishnakumar, việc phân loại ĐKTM dựa trên khả năng tự cải thiện của cấu trúc điều khiển Các cấp độ ĐKTM được xác định dựa vào khả năng tự cải thiện và khả năng thích ứng của hệ thống.
- _ Mức 0: Điều khiển bền vững: Tập trung vào việc giảm thiểu sai số theo thời gian
- _ Mức 1: Điều khiển thích nghi: Có khả năng tự điều chỉnh thông số để đạt được hiệu quả tốt hơn trong điều kiện làm việc thay đổi
- Mức 2: Điều khiển tối ưu: Không chỉ giảm thiểu sai số mà còn tối ưu hóa một hàm mục tiêu nào đó
- Mức 3: Điều khiển hoạch định: Có khả năng lập kế hoạch, dự đoán và đưa ra quyết định trong các tình huống phức tạp
3 Đặc điểm của hệ thống thông minh Để đạt được mục tiêu điều khiển tổng quát trong điều kiện có nhiều yếu tố bất định hệ thống thông minh phải có một số đặc điểm sau đây:
- Kha nang học và thích nghi
Khả năng suy luận, xử lý thông tin phức tạp, không chắc chắn Khả năng xử lý các tình huống lỗi và sửa sai
Tính tối ưu Khả năng tái cấu hình và mở rộng Khả năng hoạch định và ra quyết định
Các đặc điểm nêu trên là tiêu chuẩn quan trọng để đánh giá mức độ thông minh của hệ thống Tùy thuộc vào cấp độ thông minh, hệ thống có thể sở hữu một hoặc tất cả các đặc điểm này.
3.1 Kha nang hoc va thich nghi
Khả năng học hỏi là yếu tố quan trọng giúp hệ thống thích nghi với những biến đổi trong môi trường Việc phát triển khả năng này tạo nền tảng vững chắc cho sự linh hoạt và phản ứng nhanh chóng trước các thách thức mới.
- _ Quá trình học: Bao gồm học về đối tượng cần điều khiển, học về môi trường và học về cách điều chỉnh bộ điều khiển
-_ Lợi ích của khả năng học: Giúp hệ thống không lặp lại sai lầm trong quá khứ, cải thiện hiệu suất và thích ứng với các tình huống mới
Hệ thống ĐKTM cần có khả năng tự suy luận và ra quyết định trong các tình huống mới mà không được lập trình trước Điều này giúp hệ thống trở nên linh hoạt và thích ứng tốt hơn với những thay đổi trong môi trường.
Hệ thống ĐKTM cần liên tục cải thiện và tối ưu hóa quy trình hoạt động để đạt được hiệu quả cao nhất trong thực hiện nhiệm vụ.
Hệ thống ĐKTM cần có khả năng tự đặt mục tiêu và tự đưa ra quyết định để đạt được những mục tiêu đó, giúp nó hoạt động độc lập và giảm thiểu sự can thiệp của con người.
4 Cấu trúc của hệ thống điều khiển thông minh
Hệ thống thông minh cần có cấu trúc phân cấp để phân tích và đánh giá các chiến lược điều khiển hiệu quả, đối phó với sự phức tạp
Khả năng suy luận ch nh nha 10
Hệ thống ĐKTM cần phát triển khả năng tự suy luận và ra quyết định trong các tình huống mới, không được lập trình sẵn Điều này giúp hệ thống trở nên linh hoạt và thích ứng tốt hơn với những thay đổi trong môi trường.
Tính tối ưU .cc ch nh nh nh hà Hà Ha gà H HH ga 10
Hệ thống ĐKTM cần liên tục cải thiện và tối ưu hóa quy trình hoạt động để đạt hiệu quả cao nhất trong việc thực hiện nhiệm vụ của mình.
Tính tư chủ ch nh HH na 10 4 Cấu trúc của hệ thống điều khiển thông minh
Hệ thống ĐKTM cần có khả năng tự đặt ra mục tiêu và đưa ra quyết định để đạt được những mục tiêu đó Điều này giúp hệ thống hoạt động độc lập, giảm thiểu sự phụ thuộc vào can thiệp của con người.
4 Cấu trúc của hệ thống điều khiển thông minh
Hệ thống thông minh cần có cấu trúc phân cấp để phân tích và đánh giá các chiến lược điều khiển hiệu quả, đối phó với sự phức tạp
Hệ thống điều khiển tự động (ĐKTM) hiện nay thường được cấu trúc theo ba cấp độ: cấp tổ chức (quản lý), cấp phối hợp và cấp thực thi Cấu trúc này phản ánh phân cấp chức năng, không nhất thiết phải tương ứng với phân cấp phần cứng, và có thể áp dụng cho cả phần mềm Mục tiêu của hệ thống là điều khiển và thích ứng với biến động của môi trường.
Hệ thống có thể có nhiều hoặc ít hơn ba cấp, nhưng về khái niệm vẫn được chia thành ba cấp chính Cấp thực thi bao gồm các thuật toán điều khiển thông thường và giao tiếp với đối tượng cùng môi trường thông qua phần cứng cảm biến và cơ cấu chấp hành Cấp tổ chức sử dụng các phương pháp ra quyết định thông minh và giao tiếp với người vận hành Cuối cùng, cấp phối hợp liên kết hai cấp còn lại, kết hợp các phương pháp ra quyết định thông thường và thông minh.
Trong sơ đồ phân cấp, chỉ thị được truyền từ cấp cao xuống cấp thấp, trong khi dữ liệu phản hồi từ cấp thấp lên cấp cao Các thông số của hệ thống con có thể được điều chỉnh bởi hệ thống ở cấp cao hơn Tại mỗi cấp, thông tin trải qua một số xử lý trước khi được chuyển lên cấp cao hơn, và dữ liệu có thể được gửi từ cấp thấp nhất lên cấp cao nhất khi cần thiết Mỗi hệ thống con cung cấp thông tin trạng thái cho cấp trên, cho phép can thiệp của con người, nhưng chỉ thị vẫn được truyền từ các cấp cao.
Các hệ thông khác hay người vận hành so ane] |
— me} | FT Điều khiên hệ thông (hoạch định quá trình, ) Điều khiên trung gian (chọn lựa chỉnh định )
Tang d6 thong minh Tàng độ chính xác
_ Diéu khién co cau chap hanh (điều khiển thông thường)
Hình 1.2 Cấu trúc chức năng bộ điều khiển thông minh
Sự ủy thác nhiệm vụ từ cấp cao xuống cấp thấp dẫn đến việc gia tăng số lượng tác vụ phân biệt trong cấu trúc phân cấp Các cấp cao thường tập trung vào khía cạnh rộng hơn của phản ứng và ra quyết định với ít thông tin hơn, thường trong khoảng thời gian dài hơn Điều này nâng cao độ thông minh khi di chuyển từ cấp thấp lên cấp cao, thể hiện qua việc ưu tiên phương pháp ra quyết định dựa trên ký hiệu thay vì sử dụng các thuật toán số thông thường Nguyên tắc này được gọi là "tăng độ thông minh bằng cách giảm độ chính xác" theo Saradis (1998).
Giảm độ chính xác của mô hình biểu hiện qua việc giảm mật độ giai đoạn, băng thông, tốc độ hệ thống và tốc độ quyết định, dẫn đến sự trừu tượng hóa cao hơn Độ cụ thể của mô hình cũng phụ thuộc vào khả năng của bộ điều khiển tự động.
Các lĩnh vực liên quan đến điều khiển thông minh
Điều khiển thông minh là một lĩnh vực đa ngành, kết hợp lý thuyết từ toán học, điều khiển học, máy tính và trí tuệ nhân tạo Khoa học máy tính, đặc biệt là trí tuệ nhân tạo, đóng vai trò quan trọng trong việc biểu diễn tri thức và suy diễn dựa trên tri thức Trong điều khiển thông minh, các khái niệm và thuật toán thích nghi cho phép hệ thống học hỏi và thích ứng với môi trường Sự phát triển của công nghệ cảm biến, cơ cấu chấp hành, tính toán và mạng thông tin là điều kiện thiết yếu để hệ thống hoạt động hiệu quả.
Điều khiển thông minh áp dụng các kỹ thuật để thay thế vai trò của não bộ con người trong ra quyết định, lập kế hoạch chiến lược và học hỏi chức năng mới Thuật ngữ này thường liên quan đến mạng thần kinh, logic mờ và giải thuật di truyền, nhưng không chỉ giới hạn ở những phương pháp này Mức độ thông minh thực sự của hệ thống phụ thuộc vào sự sáng tạo trong việc áp dụng các công nghệ này.
Hệ thống điểu khiển thông thường
Hệ thống điều khiển thông minh Subir 3n tích hợp các phương pháp điều khiển phi tuyến, ước lượng và tối ưu hóa Nó sử dụng logic mờ để cải thiện khả năng ra quyết định và được hỗ trợ bởi hệ chuyên gia, giúp nâng cao hiệu quả trong quản lý và điều khiển.
Giải thuật đi truyền Điểu khiển ngẫu nhiên, tối ưu hóa Điều khiển thích nghi, uc lượng dụng các công cụ và kỹ thuật để thiết kế hệ thống
Hình 1.3 Các kỹ thuật điều khiển thông minh
Mạng thần kinh (Neural Networks) là mô hình toán học đơn giản mô phỏng hoạt động của bộ não, hoạt động như một mạng tính toán phân tán Khác với máy tính thông thường, mạng thần kinh cần được huấn luyện để học hỏi và thích nghi, từ đó hình thành các liên kết và quan hệ chức năng mới, giúp hệ thống thông minh có khả năng học tập hiệu quả.
Logic mờ (Fuzzy Logic) là một phương pháp suy diễn dựa trên khả năng suy luận của con người, được áp dụng trong các hệ thống tri thức Với lý thuyết tập mờ, logic mờ có khả năng xử lý dữ liệu không chắc chắn và hỗ trợ ra quyết định trong điều kiện thông tin không đầy đủ.
Hệ mờ (Fuzzy System) là một hệ thống dựa trên logic mờ và suy luận mờ, nổi bật với hai đặc điểm chính: khả năng xử lý suy luận không chắc chắn và khả năng đưa ra quyết định dựa trên các giá trị ước lượng.
Thiết kế dựa trên logic mờ đã khắc phục những nhược điểm của phương pháp truyền thống Mô hình động cơ hơi nước là công trình đầu tiên ứng dụng bộ điều khiển mờ, từ đó dẫn đến sự phát triển của nhiều sản phẩm như hệ thống điều khiển xe lửa tự động, robot, máy giặt và cảm biến trên toàn cầu.
Giải thuật di truyền (Genetic Algorithm - GA) là một phương pháp tối ưu hóa dựa trên cơ chế tiến hóa tự nhiên Với khả năng áp dụng linh hoạt, GA có thể giải quyết hiệu quả nhiều bài toán phức tạp trong các lĩnh vực khác nhau.
Một số hệ thống lai phổ biến hiện nay bao gồm:
- Hệ mờ thần kinh (Neural Fuzzy System): kết hợp mạng thần kinh với hệ mờ, như ANFIS (Adaptive Neuro Fuzzy Inference Systems)
- Mang thần kinh mo (Fuzzy Neural Network): trong dé mét sé phép toán được mờ hóa
- _ Hệ mờ di truyền (Genetic Fuzzy System): tối ưu hóa các tập mờ và quy tắc suy luận mờ bằng GA
Các hệ thống lai đã chứng minh tính hiệu quả trong thiết kế hệ thống điều khiển tự động (ĐKTM) và được áp dụng rộng rãi trong nhiều lĩnh vực công nghiệp, bao gồm cánh tay robot, điều khiển độ pH, quỹ đạo robot, và hệ thống giảm xóc chủ động trong ô tô.
Hướng nghiên cứu điều khiển thông minh con 14
6.1 Điều khiển thông minh là một lĩnh vực nghiên cứu riêng biệt
Lý thuyết điều khiển thông minh (ĐKTM) cần phát triển các khái niệm và phương pháp mới do tính chất độc đáo của các bài toán mà nó đặt ra Các phương pháp tính toán mềm như mạng thần kinh, logic mờ và giải thuật di truyền thường chỉ áp dụng cho các bài toán tĩnh và không yêu cầu thời gian thực Trong khi đó, ĐKTM liên quan đến các hệ thống động và yêu cầu điều khiển thời gian thực, do đó không thể áp dụng trực tiếp các phương pháp từ khoa học máy tính vào các bài toán ĐKTM.
Việc áp dụng lý thuyết từ các lĩnh vực khác vào hệ thống điều khiển tự động (ĐKTM) là rất quan trọng, đặc biệt trong việc nghiên cứu các bài toán mới mà các hệ thống thông minh chưa từng gặp phải Một trong những thách thức đáng chú ý là phát triển hệ thống lai, kết hợp giữa trạng thái liên tục và trạng thái rời rạc.
6.2 Hướng nghiên cứu điều khiển thông minh Nghiên cứu lý thuyết điều khiển thông thường: Hướng này tập trung vào các chức năng điều khiển ở cấp thấp hơn như cấp phối hợp và cấp thực thi Các hoạt động nghiên cứu chính trong hướng này bao gồm:
- _ Phân tích tính ổn định, bền vững của hệ thống ĐKTM
- _ So sánh hệ thống ĐKTM với hệ thống điều khiển thông thường
- Phát triển các phương pháp phân tích, thiết kế hệ thống
- _ Nghiên cứu kỹ thuật tái cấu hình hệ thống khi có lỗi xảy ra
Nghiên cứu mô hình hóa, phân tích và thiết kế hệ thống ra quyết định ở cấp cao hơn tập trung vào các cấp tổ chức và quản lý Các hoạt động nghiên cứu chính trong lĩnh vực này bao gồm việc phát triển các phương pháp và công cụ hỗ trợ quá trình ra quyết định, nâng cao hiệu quả quản lý và tối ưu hóa các quy trình tổ chức.
Xây dựng các mô hình trừu tượng từ các mô hình phương trình vi phân/sai phân
Nghiên cứu vấn đề giao tiếp giữa các cấp
Phát triển các chiến lược học phức tạp dựa trên trực giác
Nghiên cứu thiết kế hệ thống có khả năng suy luận, đưa ra quyết định từ thông tin không đầy đủ, không chắc chắn
Sử dụng mạng thần kinh:
Cấp thực thi: Sử dụng tính chất xấp xỉ tổng quát của mạng thần kinh để phát triển các bộ điều khiển thích nghi, có khả năng phân loại mẫu và nhận diện chính xác.
‹ồ _ Cấp cao hơn: Sử dụng khả năng lưu trữ thông tin để hỗ trợ trong các bộ hoạch định
Thiết kế bộ điều khiển mờ có khả năng suy luận giống như con người, nhằm giải quyết các vấn đề liên quan đến giao tiếp ký hiệu và số.
Sử dụng thuật toán di truyền (GA):
‹ Tối ưu hóa: Áp dụng GA để tìm các thông số tối ưu cho bộ điều khiển (như thời gian đáp ứng, chất lượng ) ở cấp thực thi
- _ Hoạch định: Sử dụng GA để tối ưu hóa các tác vụ nhằm đạt được mục tiêu chung của hệ thống
Kết hợp các kỹ thuật điều khiển thông minh như mạng thần kinh, logic mờ và di truyền là phương pháp hiệu quả để giải quyết các bài toán điều khiển ở cấp thực thi.
CHUONG II: MOT SO PHUONG PHAP DIEU KHIEN
1.1 Khái niệm về tập hợp mờ
- _ Khái niệm về tập rõ:
Tập rõ có biên rõ ràng
Tập rõ được định nghĩa thông qua hàm đặc trưng
B = {người có chiều cao dưới 1m70}
- _ Khái niệm về tập mờ:
20 ¢ Tap md co bién khéng ré rang ¢ Tap mod được định nghĩa thông qua ham liên thuộc
Một số ví dụ về tập mờ:
Nhận xét: không thể xác định được tập mờ nếu không định nghĩa hàm liên thuộc nằm trông tập mờ đó
1.2 Định nghĩa tập hợp mờ
-_ Tập mờ Á xác định trên cơ sở X là tập hợp mà mỗi phần tử của nó là một giá cặp giá trị (x„Ã(x)), trong đó x‹X và ¿Ã(x) là ánh xạ: ¿Ã(x): X->[0,1]
- Ánh xạ ¿Ã(x) được gọi là hàm liên thuộc của tập mo A
- Hàm liên thuộc đặc trưng cho độ phụ thuộc của một phần tử bất kỳ thuộc tập cơ sở X vào tap mo A
0 3 0 7 Ế = |người cao} Ð = nhiệt độ thấp}
Ký hiệu tập hợp mờ:
Tập mờ định nghĩa trên tập cơ A= ro Sở rời rạc: ˆ Nạn wa , A=f © if
Tap mo dinh nghia trén co so “hy gg liên tục:
1.3 Các dạng hàm liên thuộc sax) Max) sav)
Cac dang ham liên thuộc cơ bản: a, Dạng vai g) Dang Z trai b, Dan ang h) Dang S vai phải c,
Dạng tam i) Dang Pi giac j,k) Dang simoid d, Dang hinh thang 1) Dang dsimoid e, Dạng chữ nhật (Tập rõ)
- Tính chất hàm liên thuộc:
Miền nền là miền thuộc tap co sé sao cho u(x) > 0
Biên là miền thuộc tập cơ sở sao cho 0< u(x) < 1
Lõi là miền thuộc tập cơ sở sao cho w(x) = 0 Độ cao cận trên nhỏ nhất của hàm liên thuộc hgt (Ã=sup ¿Ã(x) (wX)
Trong các biểu thức hàm liên thuộc dưới đây, để gợi nhớ thông số của hàm liên thuộc sử dụng các ký hiệu sau:
L = Left, R = Right, C = Center, S = Slope, W = Width Dang vai trai : tien (%,L,R) = 1 nếu x< L
Dạng : g vạch s Psingleton (x, C) : - ƒ 1nếu ee x = C *C (Singleton):
Dạng dsig: Hiệu hai hàm sigmoid:
1néuC,< x < C, exp [—(x — C,)? / 2W,?|néux < ¢, Lgauss2 (x, W,C) = exp [-(x — C,)? / 2W,?|néu x > C,
1.4 Biến ngôn ngữ và giá trị ngôn ngữ
- _ Biến ngôn ngữ là biến chỉ nhận các giá trị ngôn ngữ
Biến ngôn ngữ "Mực chất lỏng" có thể nhận hai giá trị: "thấp" và "cao" Giá trị ngôn ngữ được thể hiện qua các từ ngữ, tuy nhiên, chúng có thể chứa thông tin không chính xác Do đó, giá trị ngôn ngữ có thể được mô tả thông qua các tập mờ.
1.5 Các phép toán trên tập mờ
- _ Giao của hai tập mờ Ã và ð có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc: A7 n ð: „4 n B(x) = T{ uA (x), uB (x)}
- Toán tử T có thé la MIN ( Cực tiểu), PROD( tích),
- Hợp của hai tập mờ à và ð có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc: 47 U đự: ẤAẢ U ự(x) = S{ uà (x), uB
- Toán tử S có thể là MAX ( Cực đại, BSUM( tổng bị chặn)
Bù của hai tập mờ Ã trên tập cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc: A“ : „47 (x) =1-„A7 (x)
Hình 2 10 Bù của tập mờ
1.6.1 Định nghĩa mệnh đề mở
- Mệnh đề mở là mệnh đề phát biểu có chưa thông tin không rõ ràng
- Ví dụ: Các phát biểu dưới đây là mệnh đề mờ: nhiệt độ là cao, mực chất lỏng là thấp, vận tốc động cơ là trung bình
- Tổng quát mệnh đề mờ là phát biểu có dạng; “Biến ngôn ngữ” là “giá trị ngôn ngữ”
- Kí hiệu mệnh đề mờ là ð mệnh đề mờ là biểu thức: Z:x‹ Ã
- Tập mờ Ã biểu diễn giá trị ngôn ngữ trong mệnh đề mờ
1.6.2 Gía trị thật của mệnh đề mờ
- Khác với mệnh đề kinh điển chỉ có hai khả năng sai hoạc đúng
( 0 hoặc 1), giá trị thật ( true vuale) của mệnh đề mề là một giá trị bất kỳ nằm trong đoạn [ 0,1]
- Giá trị thật của mệnh đề mờ Z:x‹¿ Ã bằng độ phụ thuộc của x vào tập mờ Ã
1.7 Các phép toán trên mệnh đề mờ
- Cho mệnh đề mờ bởi Z:x¿ Ã phủ định của mệnh đề mờ Z là Z:x không thuộc Ã
- Giá trị thật của mệnh đề phủ định là:
- Giao của mệnh đề Z:x‹ Ã và ỉ:x‹ ð là mệnh đề xỏc định bởi P’O:xe A va Xe B s Pủ^ế:X‹ (A nB)
- Gia tri that cua mệnh đề giao la: T(P *0)=uA nB(x)
- Hợp của hai mệnh dé P:xe A va O:xe B la ménh dé xac dinh boi P’O:xe A va Xe B => P’O:xe (A UB)
- Gia tri that cua mệnh đề giao là: T(P’O)=uA UB(x)
1.8 Qui tac mé (Fuzzy rules)
Qui tắc mờ là một phát biểu dạng nếu - thì, trong đó cả mệnh đề điều kiện và mệnh đề kết luận đều mang tính chất mờ Mệnh đề điều kiện có thể bao gồm các phép giao, phép hợp hoặc phép phủ định, tạo ra sự linh hoạt trong việc diễn đạt và áp dụng các quy tắc này.
-_ Hệ qui tắc mờ gồm nhiều qui tắc mờ
Hệ thống suy luận mờ được xây dựng dựa trên các quy tắc mờ cho n biến đầu vào, với các quy tắc có dạng: r1: nếu x1 là Ã1,1 và và xn là An,1 thì y là B1; r2: nếu x1 là Ã1,2 và và xn là An,2 thì y là B2; ; rk: nếu x1 là Ã1,k và và xn là An,k thì y là Bk Suy luận mờ cho phép xử lý thông tin không chắc chắn và đưa ra quyết định dựa trên các quy tắc này.
+ Giả sử ta có qui tắc nếu (x là A) thì ( y la B) + Nếu biết x là x cần suy ra giá trị y
Sự suy luận mờ là quá trình xác định giá trị trong mệnh đề kết luận dựa trên quy tắc mờ và giá trị cụ thể của mệnh đề điều kiện.
-_ Phương pháp suy diễn MAX-MIN
+ Xột qui tắc mờ: Nếu (x1/à Al) và (x2/à Ã2) thỡ ( y là ỉ)
+ Giả sử ngõ vào x1 là x1 “ và z2 là x2 “ ngõ ra y là được tính theo phương pháp suy diễn MAX-MIN như sau:
Néu 7 va ~ thi B at /\ 2# x, #y M2 Ấo y y
Qa đi = My (xi) A = MG, (x3) /j=mimm(ứ,,œ;)
- Phuong phap suy dién MAX-PROD
+ Xét qui tac mo: Néu (x1/a Al) và (x2/à A2) thi ( y la B)
+ Giả sử ngõ vào x1 là x1 ˆ và x2 là x2 “ ngõ ra y là được tính theo phương pháp suy diễn MAX-PROD như sau:
Nêu \ x va | 3 thi | B a, ZN ve ơÄ 8 = ne, X2 %; y y a, = My (Xị) đ; = Hị (X;) 8=a.œ;›
- Suy luận từ hệ qui tắc mờ:
+ Kết quả suy luận của hệ qui tắc mờ bằng hợp kết quả suy luận của từng qui tắc
Thí dụ xét hệ gồm 2 qui tắc mờ: r1: nếu x1 là 4A 1,1 và và xzứ là A ứ,1 thỡ y là #1 r2: nếu x1 là 4A 1,2 và và xzứ là A n,2 thỡ y là #2
+ Giả sử ngõ vào x1 “ và x2 là x2 “ Kết quả suy luận MAX - MIN và MAX- PROD như sau:
Nếu Af Ay và | Ay thi | ỗ,
Nếu 1 A,va 1 Ay mi! B, a - Ÿôôôô cab AP then AM xy Od X; *; }
Txt ly hóa | Í[Phương pháp|| | mờ |: | xử!ý suy diễn |
Tín hiệu vào bộ điều khiển được lấy từ các mạch đo, trong khi bộ tiền xử lý có nhiệm vụ xử lý các giá trị đo này trước khi chuyển đến bộ điều khiển mờ.
Khối tiền xử lý có thể thực hiện các chức năng như lượng tử hóa hoặc làm tròn giá trị đo, chuẩn hóa hoặc tỉ lệ giá trị đo vào tầm giá trị chuẩn, và lọc nhiễu để cải thiện chất lượng dữ liệu.
- Mờ hóa: Mờ hóa là chuyển giá trị rõ thành giá trị mờ: ba, x’) x’ -> | Ha, ')
Hệ qui tắc mờ là một mô hình toán học thể hiện tri thức và kinh nghiệm của con người trong việc giải quyết vấn đề thông qua các phát biểu ngôn ngữ.
+ Có hại loại qui tắc điều khiên thường dùng: Qui tảc mờ Mamdani, Qui tắc mờ Sugeno
+ Qui tac Mamdani là qui tắc mờ trong đó mệnh đề kết luận là các mệnh đê mờ
+ Tông quát, qui tắc Mamdani có dạng:
Nếu x1, là nếu x1 là Ã1 và x2 la A2 va xn la An thi y la B
+ Nếu"sai số" là "lớn" và "tốc độ biến thiên sai số" là "nhỏ" thì "điện áp điều khiển" là trung bình"
+ Nếu "góc lệch" là "âm ít" và "biến thiên góc lệch" là "dương ít thì
"điện áp điều khiển" là zero" - Qui tắc Sugeno
+ Qui tac Sugeno la qui tac mờ trong đó mệnh đê kết luận là hàm của các biến vào
Qui tắc Sugeno được định nghĩa như sau: Nếu x1 là A1, x2 là A2, và xn là An, thì y = f(x1, , xn) Trong trường hợp áp dụng hàm tuyến tính, quy tắc Sugeno có thể được biểu diễn dưới dạng: Nếu x1 là A1, x2 là A2, , và xn là An, thì y = b0 + b1*x1 + + bn*xn.
+ Giải mờ (defuzzification) là chuyến đối giá trị mờ Ở ngõ ra của hệ mờ thành giá trị rõ
Mạng thần kinh LL nh nh HH nh kh Hang 32 1 Giới thiệu -.c c ST n E nHn g g ng nung ngà tua 32
Mạng thần kinh nhân tạo ( gọi ngắn gọn là mạng thần kinh) có thể xem như là mô hình toán học đơn giản của bộ não con người
Mạng thần kinh bao gồm các tế bào thần kinh được kết nối qua các liên kết, trong đó mỗi liên kết mang một trọng số đặc trưng cho tính chất kích thích hoặc ức chế giữa các tế bào.
- Bộ não con người gồm khoảng 1011 tế bào thần kinh liên kết với nhau thành mạng
- _ Tế bào thần kinh gồm: thân tế bào (soma), đầu dây thần kinh vào
( dendrite), khớp nối (synapse), Sợi trục( axon0 và đầu dây thần kinh ra
- Mỗi tế bào thần kinh được kết nối với các tế bào thần kinh khác và nhận các tín hiệu
X= [xl x2 am]T vec to tín hiệu của tế bào thần kinh w= [wl w2 wm]T vec tơ trọng số của tế bào thần kinh
Quá trình xử lý thông tin của tế bào thần kinh được chia thành hai phần chính: xử lý ngõ vào và xử lý ngõ ra Hàm xử lý ngõ vào có dạng tổng quát.
* Ham tuyén tinh (linear function):
* Ham toan phuong (quadratic function): fm \
* Ham cau (spherical function): f \ f=net=| p `, w,)Ÿ 0=ứp ?(x— w)Í (x—w)—ỉ jel
- Hàm tác động hay hàm truyền có các dạng thường dùng là:
* Ham déc bão hòa: a(ƒ)=4‡ƒ_ nếu0< ƒ