tóm tắt luận văn thạc sĩ kỹ thuật nghiên cứu hệ mờ nơron theo mô hình takagi – sugeno để nhận dạng đối tượng phi tuyến

2 MỞ ĐẦU Tính cấp thiết đề tài Ngày với phát triển công nghệ vật liệu ngành khoa học khác phát triển không ngừng mang lại hiệu cao ứng dụng vào thực tế Với lĩnh vực tự động hoá lý thuyết mà nhà khoa học giới nước quan tâm nghiên cứu ứng dụng lý thuyết mờ, mạng nơron, điều khiển thích nghi, điều khiển tối ưu, điều khiển bền vững Đây vấn đề khoa học có từ vài thập niên, việc ứng dụng vào sản xuất, kết hợp chúng với để tạo quy luật điều khiển có đủ ưu điểm lý thuyết thành phần lĩnh vực khoa học cần quan tâm nghiên cứu Đối tượng điều khiển thực tế thường hệ phi tuyến với tham số đầy đủ trước Các tham số xác định bất định chịu ảnh hưởng nhiễu tác động Vì vậy, việc nghiên cứu ứng dụng lý thuyết mờ mạng nơron để xây dựng thuật toán nhận dạng đối tượng phi tuyến nhằm phục vụ cho toán điều khiển cần thiết hướng nghiên cứu luận văn “Nghiên cứu hệ Mờ Nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng phi tuyến“ Mục tiêu nghiên cứu Việc điều khiển hệ thống theo yêu cầu mong muốn vấn đề tồn thực tế cần nghiên cứu giải Hiện phương tiện lý thuyết thực nghiệm cho phép thực toán nhận dạng đối tượng phi tuyến với độ xác cao đáp ứng yêu cầu toán điều khiển Mục tiêu luận văn nghiên cứu nhận dạng đối tượng; nghiên cứu mạng nơron; nghiên cứu lý thuyết mờ khả kết hợp chúng để nhận dạng đối tượng phi tuyến Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: - Xây dựng cấu trúc hệ mờ nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng Ứng dụng kết để nhận dạng online offline cho vài đối tượng thực tế Phạm vi nghiên cứu: - Khai thác nghiên cứu lý thuyết nhận dạng đối tượng; mạng nơron; lý thuyết mờ nay, nhằm kết hợp lý thuyết để tìm cấu trúc thuật toán nhận dạng đối tượng phi tuyến - Xây dựng mơ hình mơ phần mềm Matlab – Simulink Ý nghĩa khoa học thực tiễn đề tài Đây vấn đề khoa học, nhà khoa học giới nước quan tâm nghiên cứu Vấn đề nghiên cứu có tính ứng dụng thực tiễn tốn nhận dạng ln quan tâm tốn điều khiển thực tế Đồng thời, với phát triển mặt công nghệ tạo thiết bị kỹ thuật cho phép thực thuật toán nhận dạng điều khiển phức tạp với khối lượng tính tốn lớn mà trước khó thực Nội dung nghiên cứu Mở đầu Chương 1: Tổng quan nhận dạng; lý thuyết mờ; mạng nơron 1.1 Tổng quan nhận dạng 1.2 Tổng quan lý thuyết mờ 1.3 Tổng quan mạng Nơron 1.4 Kết luận chương Chương 2: Nhận dạng đối tượng hệ mờ nơron theo mơ hình Takagi – Sugeno 2.1 Đặt vấn đề 2.2 Đối tượng phi tuyến 2.3 Ứng dụng điều khiển Mờ - Nơron nhận dạng hệ thống 2.4 Ứng dụng hệ Mờ Nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng phi tuyến 2.5 Kết luận chương Chương 3: Mô kiểm chứng phần mềm Matlab – Simulink 3.1 Nhận dạng Off-line 3.2 Nhận dạng On-line 3.3 Kết luận chương Kết luận CHƯƠNG TỔNG QUAN VỀ NHẬN DẠNG; LÝ THUYẾT MỜ; MẠNG NƠRON 1.1 Tổng quan nhận dạng 1.1.1 Định nghĩa 1.1.2 Sơ lược phát triển phương pháp nhận dạng 1.1.3 Các phương pháp nhận dạng hệ phi tuyến [1] 1.1.3.1 Một số phương pháp nhận dạng thông số hệ thống Off-line • Phương pháp xấp xỉ vi phân: • Phương pháp Gradient: • Phương pháp tìm kiếm trực tiếp: • Phương pháp tựa tuyến tính: • Phương pháp sử dụng hàm nhạy: 1.1.3.2 Một số phương pháp nhận dạng thơng số hệ thống On-line • Phương pháp bình phương cực tiểu: • Phương pháp xấp xỉ ngẫu nhiên • Phương pháp Kalman mở rộng Kết luận: Ở tóm tắt số phương pháp nhận dạng đơn giản Kết đạt phương pháp sử dụng thực tế hạn chế ứng dụng đối tượng có tính phi tuyến thấp Khi đối tượng có tính phi tuyến cao, độ bất ổn định lớn số chiều lớn cần phải có cách tiếp cận khác, sử dụng lý thuyết mờ mạng Nơron để nhận dạng hệ phi tuyến 1.2 Tổng quan lý thuyết mờ [1] [2] Kết luận: hệ điều khiển mờ dựa sở logic mờ có ưu điểm thời gian tác động nhanh, tính bền vững ổn định cao, dễ dàng thiết kế thay đổi theo công nghệ sản xuất, đặc biệt hệ điều khiển mờ sử dụng kinh nghiệm vận hành điều khiển chuyên gia thuật toán điều khiển Chính lý mà điều khiển mờ ứng dụng hệ thống có độ phi tuyến cao, hệ thống mà thiếu thông tin vào thơng tin khơng xác nên ứng dụng để điều khiển hệ thống khó khơng xác định mơ hình đối tượng 1.3 Tổng quan mạng nơron [1] [2] 1.4 Kết luận chương Chương nêu tổng quan nhận dạng gồm định nghĩa nhận dạng, sơ lược phát triển phương pháp nhận dạng nêu mốt số số phương pháp nhận dạng đơn giản.Tổng quan Hệ mờ dựa sở logic với luật điều khiển IF – THEN có ưu điểm thời gian tác động nhanh, tính bền vững ổn định cao, dễ dàng thiết kế thay đổi theo công nghệ sản xuất, đặc biệt hệ điều khiển mờ sử dụng kinh nghiệm vận hành điều khiển chuyên gia thuật toán điều khiển, tổng quan mạng Nơron nêu lên lịch sử phát triển mạng Nơron, cấu tạo số mạng Nơron, nêu số ứng dựng mạng Nơron thực tế Kết đạt phương pháp sử dụng thực tế Khi đối tượng có tính phi tuyến cao, độ bất ổn định lớn số chiều lớn cần phải sử dụng lý thuyết mờ mạng Nơron để nhận dạng hệ phi tuyến Chính lý mà Hệ Mờ - Nơron ứng dụng nhiều nhận dạng hệ thống có độ phi tuyến cao, hệ thống mà thiếu thông tin vào thơng tin khơng xác khơng xác định mơ hình đối tượng CHƯƠNG NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN BẰNG HỆ MỜ NƠRON THEO MÔ HÌNH TAKAGI – SUGENO 2.1 Đặt vấn đề 2.2 Đối tượng phi tuyến [5] 2.2.1 Mô tả hệ phi tuyến 2.2.2 Mơ hình tĩnh hệ phi tuyến 2.2.3 Mơ hình động hệ phi tuyến 2.3 Ứng dụng hệ Mờ - Nơron nhận dạng hệ thống Trong phần ta nghiên cứu phương pháp kết hợp mạng nơron vào điều khiển logic mờ bản, điều khiển có cấu trúc gọi điều khiển mờ - nơron (NFCs) hay gọi hệ mờ - nơron Nguyên tắc điều khiển mờ - nơron ứng dụng trình học mạng để chỉnh lại hàm liên thuộc tập mờ với mong muốn đầu thỏa mãn yêu cầu điều khiển đề Ta xét mơ hình nhận dạng có dạng tổng qt hình vẽ: Đối tượng Kích thích đầu vào + ∑ Khâu nhận dạng - e(k) Cơ cấu thích nghi Hình 2.8 Sơ đồ cấu trúc nhận dạng tổng quát Theo sơ đồ khâu nhận dạng điều khiển mờ nơron Xét cấu trúc NFCs hình vẽ 2.9, cấu trúc này, lớp vào lớp mạng miêu tả trạng thái đầu vàovà tín hiệu điều khiển đầu ra, lớp ẩn thực chức hàm liên thuộc luật mờ Với cấu trúc lớp xây dựng hàm tổng hợp lớp Mỗi nút mạng có hàm tổng hợp f, hàm tổng hợp kết hợp thông tin từ nút khác Hàm tổng hợp xác định từ tín hiệu vào nút trọng số liên kết (2.12) x1 y1 x2 … …… …… …… …… ym xn lớp lớp lớp lớp lớp Hình 2.9 Cấu trúc tổng quát hệ mờ nơron net i = f (u , u , , u p , w , w , , w p ) (k ) Trong (k) u1 , u (k) (k) w1 , w (k) , , u p (k) (k) (k) , , w p (k) (k) (k ) (2.12) tín hiệu vào nút (k) trọng số liên kết k số lớp Qua hàm tác động a nút tính giá trị đầu chúng output = o i( k ) = a ( net i ) = a (f ) (2.13) Lớp 1: nút lớp truyền trực tiếp tín hiệu từ đầu vào sang lớp kế tiếp: f = ui (1) , a = f , trọng số kết nối w i (1) = (2.14) Lớp 2: nút lớp thể hàm liên thuộc tín hiệu đầu vào giả sử hàm liên thuộc dạng chng ta có, ta có: j f = M x i (mij , σij ) = − Trong đó: m ij ; σ ij (u i( 2) − m ij ) 2 σij a = ef (2.15) tâm độ rộng hàm liên thuộc thứ j với biến đầu vàò xi Lớp 3: liên kết lớp thực việc kết hợp mệnh đề điều kiện luật mờ ( 3) ( 3) ( 3) f = min(u i , u , , u p ) , (2.16) a=f Các trọng số kết nối lớp ( w i (3) ) có giá trị đồng Lớp 4: nút lớp tương ứng với mệnh đề kết luận luật f = ∑ i u i( 4) mờ a = min(1, f ) (2.17) Lớp 5: lớp thực việc tính giá trị đầu mạng (giải mờ) Nếu m ij ; σ ij tâm độ rộng hàm liên thuộc thứ j với biến đầu thứ i sử dụng giải mờ theo phương pháp trọng tâm thì: ( ( ( f = ∑ j w ij5) u ij5) = ∑ j (m ij σ ij )u ij5) a= f ( ∑ j σ ij u ij5) (2.18) ( 5) (5) (5) Trọng số lớp w ij = m ij σ ij Sử dụng thuật toán lan truyền ngược cho trình học Xét đầu tổng quát hàm mục tiêu sai lệch xác định: E= Trong đó: d (( y ( t ) − y( t )) 2 (2.19) đầu mong muốn y( t ) đầu Luật học thay đổi trọng số liên kết nút thông số nút (như tâm độ rộng hàm liên thuộc) theo hướng cực tiểu hoá hàm mục tiêu sai lệch cách sử dụng phép lặp (ví dụ chỉnh định trọng số liên kết) yd (t ) w ( t + 1) = w ( t ) + η(− ∂E ) ∂w (2.20) Với hệ số học xác định khoảng: < η Ӫ(t) =− B (ml + Mlc) θ (t ) − g cosθ + u (t ) 2 ( J + ml ) ( J + ml ) ( J + ml ) (3.4) Ta viết phương trình dạng Phương trình vi phân ta có: Đặt biến trạng thái:  x1 (t ) = θ (t )    x2 (t ) = θ (t ) Ta có hệ phương trình trạng thái sau:  dx1  dt = x2  B (ml + Mlc )  dx2 =− x2 − g cos x1 + u  2 dt ( J + ml ) ( J + ml ) ( J + ml )   y = x1   Hay có dạng: 17 (3.5)   x1 = x2    x2 = F ( x1 , x2 ) − Gu Trong đó: (3.6) F ( x1 , x2 ) = − B ( ml + Mlc ) x2 − g cos x1 ( J + ml ) ( J + ml ) G= ( J + ml ) Từ hệ phương trình ta xây dựng sơ đồ cấu trúc hệ hình vẽ u Bộ nhân (-) Bộ cộng x2 Khâu tích  x phân  x2 Khâu tích phân x1 (+) F(x1,x2) Hệ mờ - nơron nhận dạng F(x1,x2) G Hình 3.14 Sơ đồ cấu trúc hệ tay máy khâu Như để nhận dạng đối tượng phi tuyến động có dạng tổng quát (3.6) ta dùng mạng tĩnh với cấu trúc hình 3.15 Trong nhận dạng F(x1,x2) ta dùng Hệ mờ - nơron theo mơ hình TS chế độ online Thực tế để nhận dạng đối tượng (3.6) ta nhận dạng khâu F(x1,x2) với sơ đồ Matlab simulink hình 3.15 sơ đồ hình 3.14 hình 3.16 Hình 3.15 Sơ đồ nhận dạng F(x1,x2) 18 Hình 3.16 Sơ đồ khối khâu F(x1,x2) Matlab Simulink Với thông số hệ sau: l = 0,5m, lc = 0,2m, m = 0,1kg, M = 0,2kg J = 0,02 kg.m2, B = 0,005, g = 9,81m/s2 Sau tiến hành chạy chương trình nhận dạng F(x1,x2) ta có kết sau: Trong thời gian 30s nhận dạng ta có kết sau: - Đồ thị biến thiên trọng số mệnh đề kết luận luật T-S a0, a1, a2 hình 3.17a,b,c Tâm m độ rộng σ hàm liên thuộc biến thiên hình 3.18 25 40 35 20 30 25 15 20 10 15 10 5 0 10 15 20 25 30 10 15 20 Hình 3.17b Trọng số a1 (30s) Hình 3.17a Trọng số a0 (30s) 19 25 30 10 30 25 20 15 10 -2 -4 -5 10 15 20 25 30 Hình 3.17c Trọng số a2 (30s) 10 15 20 25 30 Hình 3.18 Tâm m độ rộng hàm liên thuộc (30s) - Kết nhận dạng thu với tín hiệu đối tượng, tín hiệu mơ hình NFCs thể hình 3.19a,b rad/s rad/s 20 20 15 15 10 10 5 0 -5 -5 -10 -10 -15 -15 -20 -20 10 15 20 25 Hình 3.19a Tín hiệu đối tượng (30s) s 30 10 15 20 25 Hình 3.19b Tín hiệu mơ hình NFCs(30s) 20 s 30 Trong thời gian 50s nhận dạng ta có kết sau: - Đồ thị biến thiên trọng số mệnh đề kết luận luật T-S a0, a1, a2 hình 3.20a,b,c Tâm m độ rộng σ hàm liên thuộc biến thiên hình 3.21 25 40 35 20 30 25 15 20 10 15 10 5 0 10 15 20 25 30 35 40 45 50 Hình 3.20a Trọng số a0 (50s) 10 15 20 25 30 35 40 45 50 Hình 3.20b Trọng số a1 (50s) 10 30 25 20 15 10 -2 -4 10 15 20 25 30 35 40 Hình 3.20c Trọng số a2 (50s) 45 50 -5 10 15 20 25 30 35 40 45 Hình 3.21 Tâm m độ rộng hàm liên thuộc (50s) 21 50 - Kết nhận dạng thu với tín hiệu đối tượng, tín hiệu mơ hình NFCs sai lệch tín hiệu đối tượng mơ hình NFCs thể hình 3.22a,b,c,d rad/s rad/s 20 20 15 15 10 10 5 0 -5 -5 -10 -10 -15 -15 -20 10 15 20 25 30 35 40 45 50 -20 s 10 15 20 25 30 35 40 45 50 s 50 s Hình 3.22b Tín hiệu mơ hình NFCs(50s) Hình 3.22a Tín hiệu đối tượng (50s) rad/s rad/s 20 20 15 15 10 10 5 -5 -10 -5 -10 -15 -20 10 15 20 25 30 35 40 45 Hình 3.22c Sai số tín hiệu đối tượng mơ hình NFCs(50s) 50 s 22 10 15 20 25 30 35 40 45 Hình 3.22d Tín hiệu đối tượng mơ hình NFCs sai số chúng (50s) Nhận xét: Với lớp đối tượng phi tuyến (3.6) sau thực trình nhận dạng online theo sơ đồ (3.15) Hệ Mờ - Nơ ron theo mơ hình T-S, với hàm liên thuộc có dạng (2.46) cho ta kết xác 3.3 Kết luận chương Qua kết mô nhận dạng đối tượng phi tuyến phần mềm Matlab – Simulink nhận thấy: dùng hệ mờ - nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng phi tuyến cho ta kết nhận dạng tương đối xác trường hợp nhận dạng on-line nhận dạng off-line Với hệ động học phi tuyến có dạng (3.6) ta dùng mơ hình NFCs tĩnh để nhận dạng hệ động học phi tuyến với cấu trúc hình 3.14 23 KẾT LUẬN Luận văn giải vấn đề sau: Đề xuất hướng nghiên cứu dùng hệ mờ - nơron để nhận dạng hệ phi tuyến Luật mờ sử dụng hệ mờ - nơron theo mơ hình Sugeno Xây dựng hệ mờ - nơron tĩnh với cấu trúc lớp, đó: lớp làm nhiệm vụ nhận tín hiệu vào; lớp làm nhiệm vụ mờ hoá, tạo hàm liên thuộc; lớp 3, thực phép toán mệnh đề điều kiện mệnh đề kết luận luật mờ; lớp tính tín hiệu mạng giải mờ Đưa thuật tốn cập nhật thơng số trình nhận dạng Trong trình nhận dạng, mạng luyện theo phương pháp lan truyền ngược sai lệch Sau huấn luyện mạng tri thức mạng đạt thơng số hàm liên thuộc đầu vào đầu hệ Với đối tượng động học phi tuyến có dạng (3.6) ta dùng mơ hình NFCs tĩnh để nhận dạng hệ động học phi tuyến với cấu trúc hình 3.14 cấu trúc hệ NFCs hình 2.9 Thơng qua q trình mơ q trình nhận dạng ngôn ngữ Matlab 7.01 ta nhận kết nhận dạng có độ xác cao Hướng đề xuất nghiên cứu tiếp theo: Nghiên cứu hệ mờ - nơron động để nhận dạng hệ động học phi tuyến Nghiên cứu phương pháp điều khiển hệ động học phi tuyến sau nhận dạng hệ NFCs 24 TÀI LIỆU THAM KHẢO [1] Bùi Cơng Cường - Nguyễn Dỗn Phước (2001), “Hệ mờ mạng Nơron ứng dụng”, Nhà xuất khoa học kỹ thuật [2] Nguyễn Như Hiển - Lại Khắc Lãi (2007), “Hệ Mờ & Nơron kỹ thuật điều khiển”, Nhà Xuất khoa học tự nhiên công nghệ, Hà Nội [3] Huỳnh Thái Hoàng (2006), “Hệ thống điều khiển thông minh”, Nhà xuất Đại học quốc gia Thành phố Hồ Chí Minh [4] Phan Xuân Minh - Nguyễn Doãn Phước (1999), “Lý thuyết điều khiển Mờ”, Nhà Xuất khoa học Kỹ thuật, Hà Nội [5] Nguyễn Doãn Phước - Phan Xuân Minh – Hán Thành Trung (2003), “Hệ phi tuyến”, Nhà Xuất khoa học Kỹ thuật, Hà Nội [6] Nguyễn Doãn Phước - Phan Xuân Minh, “Nhận dạng hệ thống điều khiển”, Nhà xuất khoa học kỹ thuật, Hà Nội [7] Nguyễn Trọng Thuần, Đỗ Trung Hải (2007), “Ứng dụng lý thuyết mờ mạng nơron để nhận dạng động học hệ có tính phi tuyến mạnh”, Tạp chí Khoa học & công nghệ trường Đại học kỹ thuật, Số 60, Trang (21-26), Hà Nội 25 ... CHƯƠNG NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN BẰNG HỆ MỜ NƠRON THEO MƠ HÌNH TAKAGI – SUGENO 2.1 Đặt vấn đề 2.2 Đối tượng phi tuyến [5] 2.2.1 Mơ tả hệ phi tuyến 2.2.2 Mơ hình tĩnh hệ phi tuyến 2.2.3 Mơ hình. .. Với hệ NFCs Hình 2.9 luật cập nhật thông số lớp thực sau: 2.4 Ứng dụng hệ Mờ - Nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng phi tuyến Để nhận dạng hệ thống luận văn dùng hệ Mờ - Nơron. . .Đối tượng nghiên cứu: - Xây dựng cấu trúc hệ mờ nơron theo mơ hình Takagi – Sugeno để nhận dạng đối tượng Ứng dụng kết để nhận dạng online offline cho vài đối tượng thực tế Phạm vi nghiên cứu: