1. Trang chủ
  2. » Luận Văn - Báo Cáo

Ứng dụng phương pháp trí tuệ nhân tạo và phân tích Taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay CNC

24 1,1K 1

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 24
Dung lượng 913,5 KB

Nội dung

3.2 Đối tượng nghiên cứu - Nghiên cứu quá trình gia công trên máy phay CNC - Gia công một số vật liệu cứng - Ứng dụng mạng mờ nơ ron và giải thuật trí tuệ bầy đàn - Phương pháp số để tố

Trang 1

A GIỚI THIỆU VỀ LUẬN ÁN

1 Tên đề tài: “Ứng dụng phương pháp trí tuệ nhân tạo và phân tích

Taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay CNC”

2 Cơ sở để lựa chọn đề tài

Quá trình gia công cơ khí ngày nay hướng tới gia công đạt độ chính xác cao và nâng cao hiệu quả sử dụng thiết bị Các hệ máy gia công sử dụng hệ điều khiển số là xu hướng phát triển tất yếu trong sản xuất công nghiệp Với

ưu thế về độ chính xác gia công và năng suất gia công cao nên máy CNC được ứng dụng rất rộng dãi và phổ biến

Đối với một hệ thống công nghệ nhất định, năng suất hay chất lượng bề mặt phụ thuộc chủ yếu vào chế độ cắt được cài đặt Điều khiển các thông số chế độ cắt là phương pháp cơ bản và hiệu quả để kiểm soát chất lượng gia công, nâng cao hiệu quả sử dụng thiết bị Do đó, cài đặt chế độ cắt hợp lý hay tối ưu để nâng cao năng suất gia công, chất lượng gia công là điều kiện cần cho quá trình gia công cơ khí Trong một môi trường gia công luôn tồn tại các yếu tố không điều khiển được (yếu tố nhiễu) làm giảm chất lượng gia công Mặt khác, quá trình cài đặt các thông số công nghệ không phải lúc nào cũng cài đặt chính xác như mong muốn hay quá trình thu nhận các thông tin sau khi gia công cũng bị ảnh hưởng của các yếu tố nhiễu làm những thông tin

có được gần với giá trị giá trị thực ở một mức độ tin cậy nhất định Phương pháp phân tích thực nghiệm Taguchi được ứng dụng ngày càng phổ biến và cho phép đánh giá mức độ ảnh hưởng đó

Ngày nay, khoa học trí tuệ nhân tạo đã mô phỏng quá trình thu nhận, xử lý thông tin của bộ não người và cơ chế tối ưu trong tự nhiên Quá trình nghiên cứu, ứng dụng khoa học trí tuệ nhân tạo trong các lĩnh vưc đạt được nhiều thành công

Từ những nghiên cứu về qui trình xác định chế độ công nghệ tối ưu hiện đang được sử dụng phổ biến và trên cơ sở phân tích, ứng dụng khoa học trí tuệ nhân tạo cũng như kỹ thuật phân tích Taguchi để đưa ra một cách tiếp cận mới xác định chế độ cắt tối ưu cho độ chính xác dự đoán cao hơn

Do vậy, đề tài “Ứng dụng phương pháp trí tuệ nhân tạo và phân tích

Taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay CNC”

là cần thiết, thực tiễn và tất yếu Kết quả nghiên cứu này làm phong phú cho lý thuyết qui hoạch thực nghiệm, bổ sung một công cụ tính toán cho khoa học thực nghiệm trong gia công cơ khí Nghiên cứu còn là tiền đề phát triển, ứng dụng điều khiển quá trình công nghệ gia công trực tuyến nhằm nâng cao hiệu suất gia công trong tương lai

3 Mục đích, đối tượng và phạm vi nghiên cứu

3.1 Mục đích

Trang 2

- Nghiên cứu phương pháp tiếp cận mới làm tăng khả năng dự đoán chất lượng gia công

- Tăng độ chính xác khi xác định chế độ cắt tối ưu cho gia công trên máy phay CNC trên cơ sở nâng cao năng suất và chất lượng bề mặt chi tiết gia công

- Xây dựng mối quan hệ thực nghiệm giữa chế độ cắt với năng suất và chất lượng bề mặt, lực cắt, độ mòn dụng cụ, tính toán chế độ cắt tối ưu cho gia công một số thép hợp kim

3.2 Đối tượng nghiên cứu

- Nghiên cứu quá trình gia công trên máy phay CNC

- Gia công một số vật liệu cứng

- Ứng dụng mạng mờ nơ ron và giải thuật trí tuệ bầy đàn

- Phương pháp số để tối ưu hóa

- Phương pháp Taguchi xác định mức độ ảnh hưởng của các thông số công nghệ đến năng suất và chất lượng bề mặt

3.3 Phạm vi nghiên cứu

Tìm phương pháp dự đoán mối quan hệ thực nghiệm và tính toán chế độ cắt hợp lý, tối ưu để đạt năng suất và chất lượng bề mặt chi tiết khi gia công trên máy phay CNC

4 Phương pháp nghiên cứu

Phương pháp nghiên cứu chung là kết hợp nghiên cứu lý thuyết với nghiên cứu thực nghiệm

5 Ý nghĩa khoa học và thực tiễn của đề tài

- Làm phong phú thêm lý thuyết trong qui hoạch thực nghiệm và xử lý dữ liệu thực nghiệm, quá trình tối ưu hóa các thông số công nghệ trong điều kiện tại Việt Nam

- Đưa trí tuệ nhân tạo vào kỹ thuật điều khiển thông số công nghệ gia công cơ khí

- Đưa phương pháp Taguchi vào trong thiết kế thực nghiệm và tính toán mức

độ ảnh hưởng của thông số công nghệ đến năng suất và chất lượng bề mặt

6 Những đóng góp mới

- Ứng dụng giải pháp trí tuệ nhân tạo và phân tích Taguchi thiết lập mối quan

hệ thực nghiệm giữa chế độ cắt với chất lượng bề mặt, năng suất gia công, lực cắt, độ mòn dụng cụ và xác định chế độ cắt tối ưu khi phay thép SKD11

và SKD61

- Xây dựng phần mềm BK-CTMNET dự đoán mối quan hệ thực nghiệm cho

độ chính xác cao và tính toán các thông số công nghệ tối ưu phục vụ trong nghiên cứu và sản xuất

7 Cấu trúc luận án

Trang 3

Luận án trình bày trong 151 trang, ngoài phần mở đầu, kết luận, kiến nghị, luận án gồm 4 chương: Chương 1 Tổng quan về ảnh hưởng một số yếu tố công nghệ đến năng suất và chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu khi gia công trên máy phay CNC; Chương 2 Giải pháp trí tuệ nhân tạo và ứng dụng; Chương 3 Phương pháp xác định chế độ cắt tối ưu khi gia công trên máy phay CNC; Chương 4 Xây dựng mô hình toán học bằng thực nghiệm giữa chế độ cắt với các thông số công nghệ và xác định chế độ cắt tối

ưu trên máy phay CNC

Chương 1: Tổng quan về ảnh hưởng một số yếu tố công nghệ đến năng suất và chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu khi

gia công trên máy phay CNC 1.1 Các chỉ tiêu đánh giá chất lượng bề mặt

Chất lượng bề mặt gia công là tập hợp các chỉ tiêu về các yếu tố hình học, tính chất cơ lý mà nó là kết quả để lại sau tương tác giữa dụng cụ cắt với bề mặt chi tiết gia công Các thông số chất lượng bề mặt quyết định rất lớn đến khả năng làm việc của chi tiết máy Vì vậy các phương pháp gia công cũng nhằm đảm bảo các chỉ tiêu về chất lượng bề mặt và được quyết định nhiều bởi phương pháp gia công tinh lần cuối và chế độ công nghệ

1.2 Năng suất gia công

Năng suất cắt là một chỉ tiêu kinh tế đặc trưng cho quá trình cắt Các phương pháp gia công đều nhằm đảm bảo năng suất cắt cao nhất trong điều kiện công nghệ cụ thể Năng suất cắt khi phay tỷ lệ thuận diện tích cắt và vận tốc cắt do đó năng suất cắt tỷ lệ thuận với lượng tiến dao, vận tốc cắt và chiều sâu cắt

Đối với hệ thống công nghệ nhất định cài đặt một chế độ cắt hợp lý đảm bảo chất lượng bề mặt và nâng cao năng suất gia công là điều kiện cần cho mọi quá trình công nghệ

Từ phân tích trên thấy rằng chất lượng bề mặt và năng suất cắt khi gia công

là hai yếu tố quan trọng trong chuỗi quá trình sản xuất Đối với một hệ thống công nghệ được đầu tư xác định, cả hai yếu tố bị quyết định rất lớn từ chế độ công nghệ được cài đặt trong đó chế độ cắt là yếu tố được điều khiển linh hoạt Thay đổi chế độ cắt là một phương pháp cơ bản và hiệu quả nhất để kiểm soát chất lượng bề mặt và tăng năng suất gia công

1.3 Phương pháp truyền thống xác định chế độ công nghệ

Gia công với chế độ hợp lý hay tối ưu là điều kiện cần cho mọi quá trình công nghệ Hiện nay xác định chế độ cắt hợp lý cho mỗi loại vật liệu trên một

hệ thống công nghệ cụ thể được thực hiện theo tiến trình trong hình 1.2 gồm 6 bước cơ bản

Trang 4

Đối với mô hình truyền thống để nâng

cao độ chính xác khi xác định chế độ công

nghệ tối ưu ngoài yếu tố cố định (hệ thống

công nghệ, thu thập dữ liệu) thì tồn tại ở 2

khâu quyết định chính là xác định mối quan

hệ thực nghiệm và phương pháp giải bài

toán tối ưu Tuy nhiên 2 khâu này lại có tính

linh hoạt và mềm dẻo nên có thể thay đổi

được trong chuỗi quá trình trên và các

phương pháp truyền thống hiện nay đang

được sử dụng tập trung vào một số giải pháp

1.3.1 Mô hình xác định mối quan hệ thực

nghiệm

Hiện nay mối quan hệ thực nghiệm được

xác định phổ biến bằng 2 phương pháp: bình

phương cực tiểu và hồi qui thực nghiệm

a) Phương pháp bình phương cực tiểu

Phương pháp có khả năng xử lý với mọi

bộ dữ liệu nên kết quả đưa ra phù hợp với

thực nghiệm.Trong quá trình tính toán, do

thực hiện phép tổng các giá trị thực nghiệm

bậc lẻ nên có thể giản các sai số ngẫu nhiên

trong quá trình thí nghiệm mà không quản lý

được Phuơng pháp bình phương cực tiểu, do

bản chất của nó là nội suy một đường (mặt)

để đạt một chỉ tiêu nào đó, nên có sai số

phương pháp Tuy nhiên Nhược điểm lớn

nhất của phương pháp này đòi hỏi một lượng

lớn các phép tính toán Nếu thực hiện tính

toán bằng tay phương pháp này còn gây ra

sai số tính toán Do đặc trưng công thức tính

toán có tổng bình phương nên có thể gây nên các sai số tích lũy trong công thức tính toán cuối cùng

b) Phương pháp qui hoạch thực nghiệm

Phương pháp quy hoạch thực nghiệm tốn ít thời gian nhất để nhận thông tin nhiều nhất Do vậy phương pháp đơn giản và đòi hỏi ít số liệu thí nghiệm

và ít xử lý toán học phức tạp Do sử dụng ít tính toán nên phương pháp này hầu như loại bỏ được sai số tính toán.Tuy sử dụng ít thí nghiệm nhưng ở một giới hạn thì kết quả là chấp nhận được nếu đã biết trước hàm phụ thuộc Tuy phương pháp đòi hỏi ít dữ liệu thí nghiệm nhưng cũng đòi hỏi tiến hành một

Hình 1.2 Quá trình xác định chế

độ cắt tối ưu thực nghiệm

Giải bài toán tối ưu, xác định chế độ cắt tối ưu

Thành lập bài toán tối ưu: hàm mục tiêu, các điều kiện biên

Kết thúc Thực nghiệm và kiểm tra

Trang 5

lượng không nhỏ thí nghiệm kiểm tra tính đồng nhất, sau khi tiến hành những kết quả này lại không đưa vào trong công thức cuối cùng cần đạt được Như vậy làm giảm tính kinh tế và tính chính xác của phương pháp Do tiến hành một số ít thí nghiệm nên không thể tìm ra những điểm khác biệt, những vấn đề mới mà một quá trình thí nghiệm đòi hỏi Nếu không thực hiện nhiều thí nghiệm thì không thể tìm ra một quy luật đã đúng trong một giới hạn hẹp dữ liệu đầu vào Phương pháp quy hoạch thực nghiệm nên áp dụng với dữ liệu cách đều nhau

1.3.2 Mô hình xác định chế độ công nghệ tối ưu

Bài toán tối ưu được thiết lập dựa vào mục đích của người làm công nghệ Thông thường mục đích cuối cùng cần tìm ra chế độ công nghệ tối ưu hoặc chế độ công nghệ hợp lý để mở rộng khả năng công nghệ trên thiết bị Quá trình này thường có 2 bước bao gồm thành lập bài toán tối ưu và giải bài toán tối ưu Bài toán tối ưu được thiết lập khi xác định rõ hàm mục tiêu và định các giới hạn biên Giải bài toán tối ưu hiện nay sử dụng các phương pháp truyền thống như: phương pháp Lagrang, Golden section, Karush-Kuhn-Tucker (KKT), Quasi-Newton những phương pháp này có nhược điểm lâu hội tụ đặc biệt với những bài toán có nhiều biến đầu vào Hiện nay các phương pháp trên được số hóa trong một số phần mềm Mặt khác cũng có một số phương pháp sử dụng trí tuệ nhân tạo như: phương pháp GA với các dạng biến thể MOSGA, NAGAI, NAGAII

1.4 Đánh giá phương pháp truyền thống xác định chế độ công nghệ tối ưu

Mô hình thiết lập mối quan hệ thực nghiệm truyền thống sử dụng tiêu chuẩn để xác định một hàm toán học thực nghiệm là tổng độ lệch bình phương khoảng cách giữa điểm thực nghiệm và điểm dự đoán E là nhỏ nhất Hình 1.5 thể hiện đường quan hệ thực đo và đường quan hệ dự đoán bởi phương pháp

trong đó i là sai số tương đối giữa điểm thực đo Aiđo và điểm dự đoán bởi phương pháp Aitt, ngoài ra tính đến độ phân tán sai số  Nhược điểm đối với

2 phương pháp trên sử dụng tiêu chuẩn độ lệch E càng nhỏ cảng tốt sẽ dẫn đến sai lệch tương đối tại các điểm có thể rất lớn và độ phân tán lớn Cách tiếp cận theo tiêu chuẩn độ lệch E chưa thể đảm bảo tìm được một mối quan hệ tốt nhất cho tập dữ liệu thực nghiệm Vì cậy cách tiếp cận nâng cao khả năng dự đoán là thay vì sử dụng tiêu chuẩn độ lệch E thì sử dụng tiêu chuẩn sai lệch trung bình các điểm tb và độ phân tán sai số  Một hàm quan hệ thực nghiệm

dự đoán chính xác cao phải đảm bảo tb và  càng nhỏ càng tốt

Trang 6

Trong quá trình gia công

hay thu thập các thông tin

trong và sau gia công luôn

tồn tại các yếu tố không kiểm

soát được (yếu tố nhiễu) do

vậy một phương pháp xác

định mối quan hệ thực

nghiệm mà không ước lượng

được mức độ ảnh hưởng của

nhiễu sẽ khó xác định được

mối quan hệ thực nghiệm đó

có phản ánh được bản chất

của mối quan hệ giữa các

thông số công nghệ đến yếu

tố đầu ra hay không Nếu ước

lượng được mức độ của

nhiễu lên kết quả đầu ra có

thể quyết định tiếp tục thực

hiện tìm hàm hồi qui thực nghiệm hay dừng lại để tiến hành thí nghiệm lại với việc cải thiện điều kiện thí nghiệm Các phương pháp truyền thống hiện nay ít quan tâm đến vấn đề này và do đó đã làm hạn chế khả năng dự đoán chính xác

và phản ánh bản chất của mối quan hệ thực nghiệm

Thực chất đối với người làm công nghệ cơ khí không nhất thiết lúc nào cũng phải tối ưu cả 3 biến V, S, t mà các biến này phụ thuộc vào từng giai đoạn công nghệ cụ thể (gia công thô, tinh) Do vậy cần có cách tiếp cận phân tích mức độ ảnh hưởng của từng yếu tố chế độ công nghệ đến đầu ra, trên cơ

sở đó quyết định nên sử dụng những yếu tố nào để thay đổi khi đó mới đưa biến vào bài toán tối ưu Nếu một yếu tố ảnh hưởng đến đầu ra ít thì việc tham gia điều khiển yếu tố đó không có giá trị kinh tế cao trong khi cài đặt và tính toán giá trị cho yếu tố đó mất nhiều thời gian và tài chính

Từ những phân tích trên thấy rằng mô hình hiện nay thiết lập hàm quan hệ thực nghiệm và tính toán chế độ công nghệ tối ưu còn hạn chế, đặc biệt trong tương lai yêu cầu về độ chính xác ngày càng khắt khe Do đó cần có một cách tiếp cận mới làm tăng khả năng dự đoán mối quan hệ thực nghiệm, đánh giá được ảnh hưởng của nhiễu và các yếu tố thông số công nghệ đến hàm mục tiêu làm tiền đề ra quyết định chọn biến cho bài toán tối ưu và phương pháp giải bảo toán tối ưu làm tăng độ chính xác dự đoán

1.5 Các nghiên cứu trong nước và ngoài nước

Bài toán tối ưu trong gia công cơ khí thực chất không phải là boài toán mới nhưng cho đến hiện tại qui trình giải cho bài toán tối ưu vẫn còn những

Hình 1.5 Đường quan hệ thực nghiệm

Trang 7

tồn tại đã được phân tích Trí tuệ nhân tạo là ngành khoa học mới được phát triển mạnh mẽ trong những năm gần đây, hiệu quả ứng dụng trí tuệ nhân tạo trong các lĩnh vực phụ thuộc vào khả năng ứng dụng và mức độ ứng dụng của người thực hiện Hiện nay tại Việt Nam những nghiên cứu về ứng dụng trí tuệ nhân tạo vào trong tối ưu hóa quá trình gia công cơ khí rất hạn chế, chưa được quan tâm và phát triển Tuy nhiên ứng dụng khoa học trí tuệ nhân tạo trong lĩnh vực tối ưu quá trình gia công cơ khí đang được nghiên cứu mạnh mẽ tại các nước phát triển như đã được phân tích ký trong luận án

KẾT LUẬN CHƯƠNG 1

- Khảo sát các chỉ tiêu đánh giá chất lượng gia công và năng suất gia công

- Xác định các yếu tố công nghệ ảnh hưởng đến chất lượng bề mặt, năng suất gia công, mòn dụng cụ khi phay: vận tốc cắt, lượng tiến dao, chiều sâu cắt trên cơ sở đó thấy rằng điều khiển các thông số chế độ cắt là phương pháp cơ bản và hiệu quả để kiểm soát chất lượng gia công, nâng cao hiệu quả sử dụng thiết bị

- Khảo sát các ưu điểm, nhược điểm của các phương pháp truyền thống xác định mối quan hệ thực nghiệm và tìm thông số chế độ cắt tối ưu trong gia công cơ khí trên cơ sở đó đề xuất phương pháp tiếp cận mới xây dựng hàm quan hệ thực nghiệm và xác định thông số chế độ cắt tối ưu chính xác hơn, đem lại hiệu quả khai thác thiết bị và đảm bảo chất lượng gia công

Chương 2: GIẢI PHÁP TRÍ TUỆ NHÂN TẠO VÀ ỨNG DỤNG 2.1 Phương pháp trí tuệ nhân tạo

Bộ não của con người là một sản

phẩm hoàn hảo trong tiến trình phát triển

tiến hóa, có khả năng học và tư duy sáng

tạo Hiện nay, trong lĩnh vực điều khiển,

con người đang cố gắng tiếp cận bộ não

của mình Trí tuệ nhân tạo là một trong

những ngành nghiên cứu để tiếp cận khả

năng tư duy của bộ não và khả năng học

2.2 Mạng nơron nhân tạo

2.2.1 Mạng nơron sinh học

Trên cơ sở nhận thức của con người về cấu tạo hệ thần kinh, qui luật nhận thức thu thập, tiếp nhận và xử lý thông tin Các nơ ron xử lý thông tin từ cấp thấp dần chuyển lên cấp cao hơn và cuối cùng là ra quyết định Với ưu điểm của các nơron trong bộ não người là xử lý song song, phân tán và phi tuyến

2.2.2 Mô hình mạng nơron nhân tạo

Hình 2.1 Hoạt động một nơron sinh học

Trang 8

và lôgic mờ đã dựa trên các thông tin không đầy đủ về đối tượng để điều khiển đầy đủ về đối tượng một cách chính xác

Trang 9

2.1 Trí tuệ nhân tạo tiến hóa

Thuật toán tiến hóa thường tập trung vào việc mô phỏng quá trình tiến hóa trong tự nhiên của các sinh vật để thông qua đó tìm kiếm cơ chế hay qui trình tìm nghiệm tối ưu, còn Thuật toán trí tuệ bầy đàn thì cố gắng xem xét các hệ thống hay bầy đàn có sẵn trong tự nhiên để thu thập các tính chất tối ưu của chúng tạo phương pháp tìm kiếm tối ưu Thuật toán “quần thể bầy ong nhân tạo” (artificial bees colony-ABC) là một dạng thuộc nhóm thuật toán trí tuệ bầy đàn có khả năng khảo sát được trong vùng không gian rộng lớn của không gian nghiệm mà ít khi mác tại điểm tối ưu cục bộ

- Phân tích giải thuật đàn ong ABC làm tiền đề kết hợp giải thuật lan truyền ngược xác định tham số mô hình toán học mạng mờ nơ ron và giải bài toán tối ưu xác định chế độ cắt

-

Chương 3: PHƯƠNG PHÁP XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI

GIA CÔNG TRÊN MÁY PHAY CNC 3.1 Xây dựng mô hình xác định chế độ cắt tối ưu khi phay CNC

Giải các bài toán tối ưu trong công nghệ gia công cơ khí là lớp các bài toán thực nghiệm, để giải quyết vấn đề triệt để thì các hàm mục tiêu và giới hạn biên phải tiếp cận đến các hàm thực nghiệm Cách tiếp cận như vậy mới đáp ứng được yêu cầu công nghệ ngày càng chính xác và khắt khe hiện tại và trong thời gian tới Trên cơ sở thực hiện cho một loại vật liệu và hệ thống công nghệ cụ thể sẽ mở rộng cho lớp các dạng tương tự Với cách tiếp cận ứng

Hình 2.8 mô hình mạng mờ nơron

Trang 10

dụng giải pháp trí tuệ nhân tạo và qui hoạch thực nghiệm Taguchi đưa ra qui trình xác định chế độ cắt tối ưu như hình 3.1 bao gồm các bước

3.2 Ứng dụng mạng mờ nơron và giải thuật ABC xác định mối quan hệ thực nghiệm giữa chế độ cắt và thông số đầu ra

3.2.1 Các chỉ tiêu đánh giá chất lượng mô hình toán học mạng

Một mô hình mạng có các tham số mạng tốt thì giá trị sai số trung bình tb

và độ phân tán sai số  càng nhỏ càng tốt (tb, ), hay giá trị E càng nhỏ càng tốt Vì vậy có thể so sánh độ tốt hay xấu của các bộ tham số mạng qua một trong 2 tiêu chuẩn sau:

- So sánh bộ giá trị (tb, ) của mỗi bộ tham số mạng

- So sánh độ lệch trung bình bình phương E

Nếu sử dụng chỉ tiêu E làm tiêu chuẩn so sánh, đánh giá độ tốt xấu của mỗi

bộ tham số mạng như một điều kiện dừng cho bài toán tìm tham số mạng thì

Hình 3.1 Sơ đồ tiến trình xác định chế độ công nghệ tối ưu

Phân tích thực nghiệm Taguchi: đánh giá mức độ ảnh hưởng của chế độ cắt đến đầu ra và nhiễu

Bắt đầu

Thiết kế ma trận thí nghiệm trực giao Taguchi

Thực nghiệm và thu thập

dữ liệu

Thiết lập quan hệ thực nghiệm: mạng mờ nơ ron, giải thuật lan truyền ngược kết hợp ABC Thành lập bài toán tối ưu

Giải bài toán tối ưu: sử dụng giải thuật trí tuệ bầy đàn ABC

In và lưu kết quả tối ưu

Kết thúc

Xác định biến để giải bài toán tối ưu

Trang 11

có thể xảy ra tại một số điểm nào đó trong bộ dữ liệu sẽ có sai lệch giữa giá trị kết xuất ra bởi mạng và giá trị thực là lớn Nó không phản ánh được độ tập trung của sai số hay phân tán của sai số Mong muốn sai lệch cho các điểm dữ liệu phải nhỏ và các sai lệch đó không được phân tán quá rộng Nếu phân tán quá rộng thì độ chênh lệch giữa sai số lớn nhất và nhỏ nhất rất lớn gây ra độ chính xác dự đoán mối quan hệ cũng không cao Ngược lại ưu điểm khi dùng tiêu chuẩn E làm tiêu chuẩn dừng thì quá trình tính toán sẽ đơn giản hơn, nhanh hơn Nếu sử dụng giá trị sai số trung bình và độ phân tán sai số làm tiêu chuẩn dừng cho bài toán, qúa trình tính toán nhiều hơn nhưng lại cho khả năng điều chỉnh mô hình mạng chính xác với mô hình thực tế hơn Trong luận án sử dụng sai lệch E làm công cụ giảm sai số toàn bộ mẫu và dùng sai số trung bình, phương sai của sai số làm tiêu chuẩn dừng cho bài toán

3.2.2 Giải thuật ABC, lan truyền ngược xác định tham số hệ thống mạng

Các giá trị sai số i, tb, , E cũng là những hàm quan hệ phụ thuộc vào bộ tham số mạng, để xác định bộ tham số w sao cho giá trị đầu ra của mạng bám sát được giá trị thực đo di, sử dụng hai giải thuật là lan truyền ngược và giải thuật

Giải thuật lan truyền ngược sử dụng phương pháp giảm dốc Gradient điều chỉnh các tham số hệ thống mạng, qua mỗi vòng lặp giá trị sai lệch E được giảm đi Nhược điểm lớn nhất của giải thuật lan truyền ngược là khả năng làm giảm sai lệch E phụ thuộc nhiều vào điểm khởi tạo ban đầu w0 và hệ số học nhưng ưu điểm là tốc độ hội tụ nhanh Nếu có điểm khởi tạo nghiệm ban đầu tốt cho đầu vào thuật toán lan truyền ngược thì quá trình hội tụ về các tiêu chuẩn dừng sẽ nhanh hơn Giải thuật bầy ong nhân tạo dựa trên quan sát tự nhiên của bầy ong khi tìm mật hoa Đàn ong với các cá thể được chia làm 3 nhóm ong khác nhau: ong thợ, ong tìm kiếm, ong giám sát Ong thợ được điều

đi khắp nơi để tìm kiếm nguồn mật hoa, một nguồn mật hoa là đại diện cho một nghiệm w của bài toán và do một ong thợ đảm nhiệm

Số lượng ong thợ trong quần thể bầy ong cũng chính là số lượng nghiệm sử dụng để khám phá nghiệm tối ưu Ong giám sát tại trung tâm trao đổi thông tin đón nhận thông tin từ ong thợ đưa về, so sánh lượng mật hoa tại các nguồn thức ăn và sẽ ra quyết định chọn nguồn mật để khai thác tiếp theo căn cứ độ giàu có của nguồn mật Nguồn mật càng giàu có thì càng có cơ hội được chọn

để khai thác Ong tìm kiếm là ong sẽ đi theo một hướng bất kỳ để tìm nguồn thức ăn mới và khi tìm thấy nguồn thức ăn mới thì con ong này sẽ biến thành ong thợ

Trang 12

Qui trình tìm mật hoa được sử dụng để tìm

nghiệm tối ưu cho bài toán tối ưu Với lý

thuyết qui trình tìm kiếm mật hoa của đàn

ong nhưng ứng dụng nó để thành giải thuật

thì tùy vào mục đích và mức độ phức tạp

của bài toán để thiết lập gải thuật cho tối ưu

về chiến lược thời gian thực khi thực hiện

thuật toán Thuật toán ABC có khả năng

làm hội tụ chính xác và không bị chết tại

các điểm cục bộ địa phương Do vậy để đảm

bảo chiến lược thời gian và độ chính xác khi

xác định mô hình toán học mạng kết hợp hai

giải thuật Giải thuật ABC sẽ tìm tham số hệ

thống ban đầu cho giải thuật lan truyền

ngược Quá trình kết hợp này sử dụng ưu

điểm của cả 2 giải thuật

3.2.3 Qui trình xác định mối quan hệ thực

nghiệm

Hình 3.11 thể hiện sơ đồ thuật toán xác

định mối quan hệ thực nghiệm Tham số hệ

thống mô hình toán học mạng xác định mối

quan hệ giữa chế độ cắt và các đầu ra quan

tâm là các giá trị trọng số w bao gồm các

tham số của hàm liên thuộc và các giá trị

tham số đánh giá mức độ tác động của các

biến vào Quá trình luyện mạng là quá trình

thực hiện hai thuật toán ABC và lan truyền

ngược điều chỉnh các giá trị trọng số để giá

trị kết xuất ra khỏi mạng bám được giá trị

thực đưa vào từ bộ dữ liệu

3.3 Đánh giá mức độ ảnh hưởng của chế

độ cắt đến các thông số đầu ra bằng

phương pháp Taguchi

Hình 3.11 Sơ đồ giải thuật xác định

mối quan hệ thực nghiệm giữa chế

và dữ liệu kiểm tra

Nạp dữ liệu vào luyện mạng mờ nơron

Huấn luyện mạng tìm bộ tham số hợp lý

In và lưu trữ bộ tham số tốt nhất Kết thúc

Ngày đăng: 11/01/2015, 12:22

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w