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 1A 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 3Luận 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 5lượng 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 6Trong 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 7tồn 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 8và 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 92.1 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 10dụng 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 11có 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 12Qui 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