Một số vấn đề tổng quan về điều khiển thông minh

Các phương pháp điều khiển truyền thống đã cho phép giải quyết các hệ thống có cấu trúc và tham số xác định

Một số vấn đề tổng quan về điều khiển thông minh

Ths Hà Mạnh Đào – TsKH Phạm Thượng Cát Phòng công nghệ tự động hoá- Viện công nghệ thông tin Tel:04 7564764, Email: daols_68@yahoo.com , ptcat@ioit.ncst.ac.vn

(Bài nghiên cứu với sự hỗ trợ của đề tài cấp nhà nước KC03-13)

Tóm tắt:

Vấn đề điều khiển thông minh hiện đang được nghiên cứu, ứng dụng trong nhiều ngành, nhiều lĩnh vực khoa học kỹ thuật, quân sự, công nghiệp và đời sống cả trong nước và trên thế giới Vậy điều khiển thông minh là gì?Phân mức độ thông minh của các bộ điều khiển như thế nào? Điều khiển thông minh sử dụng những công nghệ nào và tình hình nghiên cứu ứng dụng nó ra sao? Trong bài này, chúng tôi đề cập đến một vài nét tổng quan về

điều khiển thông minh với hy vọng đưa ra một cách nhìn ban đầu đối với lĩnh vực phức tạp, phong phú và đầy hữu ích này

1 Điều khiển thông minh là gì?

Các phương pháp điều khiển truyền thống đã cho phép giải quyết các hệ thống điều khiển mà

có cấu trúc và tham số hoàn toàn xác định Nhưng với các hệ thống có cấu trúc không rõ ràng, bất định hoặc các hệ thống có mức độ phi tuyến và phức tạp cao như: robot không gian, automonous, mobile robot, mạng giao thông, các hệ thống sản xuất mềm dẻo thì các phương pháp truyền thống không thể giải quyết thoả đáng được các bài toán này Để giải quyết các bài toán có đặc điểm như vậy, các phương pháp điều khiển thông minh đã được đề xuất, nghiên cứu

và phát triển trong suốt 3 thập kỷ gần đây

Vậy điều khiển thông minh là gì?

Chúng ta có thể nói điều khiển thông minh là hệ thống điều khiển có những khả năng giống như con người như khả năng mềm dẻo, sáng tạo, khả năng khái quát hoá, khả năng thích nghi, khả năng suy luận và tìm kiếm Hay nói cách khác, hệ thống điều khiển thông minh là hệ thống

điều khiển và trên hệ thống điều khiển đó có cài đặt sự “thông minh” để hệ thống điều khiển có khả năng suy diễn, xấp xỉ trên cơ sở dữ liệu đầu vào(môi trường) và đưa ra tác động điều khiển

ở đầu ra

Theo [1], Phương trình thiết kế tổng quát của hệ thống điều khiển có thể được diễn tả theo công thức sau:

{O: Control Objective}={C: Controller}X{P: Plan} (1) Với dấu X biểu diễn phép toán phù hợp

Hình 1

Để giải được phương trình (1), tức tìm [C], cần phải biết [P] và [O] Đối với các bài toán điều khiển mà [P] là tuyến tính và [O] là đơn giản thì phương pháp hàm truyền được sử dụng Nhưng

đối với các hệ thống có độ phức tạp cao, bất định, cấu trúc hệ thống biến đổi theo không gian và thời gian thì các phương pháp điều khiển thông minh sẽ được sử dụng Trong các hệ thống đó,

[O]

bộ điều khiển thông minh [C] sẽ được xác định và thiết kế trên cơ sở sử dụng riêng rẽ hoặc phối hợp nhiều công nghệ thông minh khác nhau như:

- Mạng nơ ron

- Hệ mờ

- Thuật gen

- Lập luận trên cơ sở tình huống(case)

- Hệ chuyên gia

Việc sử dụng các công nghệ này và phối hợp giữa chúng phụ thuộc vào thông tin thu

được và môi trường mà trong đó hệ thống tương tác là tĩnh hay thay đổi và mức độ thay đổi, thích nghi có thể xẩy ra Hình 2 cho chúng ta thấy mối quan hệ giữa thông tin, đặc điểm môi trường, các công nghệ được sử dụng trong các hệ thống điều khiển thông minh, và mối liên quan giữa các phương pháp điều khiển truyền thống với điều khiển thông minh Trên hình các công nghệ thông minh khác nhau nằm phù hợp trên các vùng khác nhau của không gian information- Environment Trong không gian đó, có thể thấy thấy lập luận trên cơ sở tình huống(case-base reasoning) là tốt nhất khi dạng cụ thể của tri thức là khó khăn nhưng thông tin thu được từ các thực nghiệm là phong phú Còn đối với các hệ thống mà thông tin thu được là dữ liệu chưa được

xử lý như dữ liệu từ sensor, dữ liệu đo đạc mà trạng thái môi trường động thì sử dụng mạng nơ ron và thuật gen là phù hợp hơn cả

Hình 2

Vậy mức độ thông minh của các hệ thống điều khiển được phân biệt như thế nào?

Theo Bezdek[2], mức độ thông minh của các hệ thống thông minh có thể phân cấp theo

Hình 3 Sự phân cấp của các hệ thống thông minh

Neural Networks

Genetic algorithms Fuzzy system

case-base

system

Mathematical techniques

Static

Dynamic,

adaptive

Information

Thông minh sinh học

Thông minh nhân tạo

Tính toán thông minh

Tri thức người +

Các đầu vào các

giác quan

Các phần tử thông

tin+dữ liệu sensor

Tính toán

Symbolic organic

hình 3 Trong mô hình này, hệ thống thông minh được phân làm 3 cấp: Tính toán thông minh, trí tuệ nhân tạo và trí tuệ sinh học Sự thông minh của các hệ sinh học là cơ sở quan trọng nhất để các hệ thống thông minh được thiết kế phỏng theo Nó gồm nhiều cơ chế phối hợp với nhau để

xử lý đầu vào từ các sensor, gợi nhớ lại tri thức có liên quan và đưa ra các tác động thông minh ở

đầu ra Mức độ thông minh của các hệ thống được đánh giá thấp nhất là mức độ tính toán số đối với dữ liệu vào từ sensor và cao nhất đối với các hệ thống sinh học

Các hệ thống điều khiển thông minh có thể sử dụng các phần cứng hoặc phần mềm truyền thống, có thể sử dụng các công nghệ mới hoàn toàn hoặc có thể sử dụng lai giữa các công nghệ mới và truyền thống Hiện nay với sự phát triển mạnh mẽ của công nghệ điện tử và vi điện tử, các chíp nơ ron, chíp mờ, các chíp DSP cùng với các máy tính song song với tốc độ cáo cho phép các bộ điều khiển thông minh thực sự được đưa vào các ứng dụng thực tế, nhất là các hệ thống điều khiển đảm bảo thời gian thực

Bài toán về điều khiển thông minh hiện nay đang thu hút nghiên cứu nhiều chính là những

hệ thống thông minh phân tán, những hệ thống này đòi hỏi phải tích hợp nhiều công nghệ cả phần cứng, phần mềm, các công nghệ thông minh và nhiều công nghệ thuộc nhiều ngành khoa học khác nhau Ví dụ về các hệ điều khiển này như các robot đá bóng, các robot phục vụ trong mối tương tác với đồng đội và môi trường, các robot trong mạng cảnh báo, tuần tra, canh gác

2 Một số kỹ thuật điều khiển thông minh

Hiện nay các bộ điều khiển thông minh chủ yếu được xây dựng trên cơ sở các công nghệ mạng nơ ron(NN), hệ logic mờ(FS), các thuật tiến hoá(GA) và sự kết hợp của các công nghệ đó Hình

4 thể hiện sự tích hợp của 3 công nghệ NN, FS, GA Sau đây một số dạng điều khiển thông minh dựa trên các công nghệ này sẽ được đề cập

2.1 Điều khiển thông minh trên cơ sở logic mờ

Trong một hệ thống điều khiển, lý thuyết tập mờ, logíc mờ cho phép ánh xạ không gian

đầu vào tới không gian đầu ra thông qua hệ thống luật(rule) Mỗi luật gồm có 2 phần: Phần IF

là phần giả thiết và phần THEN là phần kết luận Trong đó các phép toán AND và OR cho phép kết nối các điều kiện trong phần giả thiết với nhau Tập hợp các luật trong một hệ thống mờ hình thành nên cơ chế suy diễn của hệ thống đó Ví dụ như luật Ri gồm 2 đầu vào, 1 đầu ra

được biểu diễn như sau:

Ri: IF x is Ai AND y is Bi THEN z is Ci

Ngoài các phép toán AND, OR được hiểu theo phép lấy min và max(logic đa trị), còn có các phép toán NOT, T-NORM, T-CONORM, các quan hệ mờ cũng được sử dụng

Hai hệ thống mờ được sử dụng phổ biến:

- Mamnami: đầu ra là tập mờ

- Sugeno: Đầu ra là hằng số hoặc một hàm nào đó

abc

a

b

c

bc

ac

ab

Hinh4

Sự kết hợp 3 kỹ thuật tạo các loại bộ

điểu khiển thông minh khác nhau

[a]: NN [b]: FS [c]: GA [ab]: neuron-fuzzy;fuzzy-neuron [bc]: Hệ thống mờ tự chỉnh [ac]: NN tiến hoá

[abc]: Mạng nơ ron- mờ- tiến hoá

Hệ Sugeno được ứng dụng nhiều trong điều khiển

Hình 5 cho thấy cấu trúc của một vòng điều khiển mờ cơ bản

Hình 5 Vòng điều khiển mờ gồm các khối cơ bản sau:

- Khối cơ sở luật

- Cơ chế suy diễn mờ

- Khối mờ hoá và giải mờ Trong đó khối cơ sở luật đóng vai trò quan trọng vì nó mô tả quan hệ giữa đầu vào và đầu ra của các bộ điều khiển Vòng điều khiển mờ này được tích hợp trong các bộ điều khiển và tích hợp với các công nghệ thông minh khác để tạo ra các bộ điều khiển hiệu quả hơn

Bộ điều khiển mờ được ứng dụng trong nhiều trong các hệ thống điều khiển công nghiệp, trong các hệ thống robot, các hệ thống autonomous, các hệ thống thích nghi, các hệ thống điều khiển kết hợp với camera, các hệ thống thông minh phân tán nói chung, bộ điều khiển mờ được

sử dụng chủ yếu đối với các bài toán điều khiển là những hệ thống bất định, biến đổi theo thời gian, phi tuyến và các hệ thống quản lý phức tạp

2.2 Điều khiển thông minh trên cơ sở mạng nơ ron

Mạng nơ ron nhân tạo là một mô hình phỏng theo mạng nơ ron sinh học Mạng nơ ron cho phép tính toán ước lược các đầu vào và đưa ra đáp ứng đầu ra Quá trình xử lý thông tin với mạng nơ ron bao gồm phân tích các mẫu sử dụng thông tin học được cất dưới dạng các trọng liên kết giữa các nút mạng Mạng nơ ron có thể được học theo các phương pháp như: học có giám sát, học có tín hiệu củng cố hoặc học không giám sát Cấu trúc mạng nơ ron được sử dụng nhiều nhất trong điều khiển là mạng truyền thẳng đa lớp Trong cấu trúc mạng này có một lớp nhận dữ liệu đầu vào, một lớp đầu ra Giữa 2 lớp này có một hay nhiều lớp trung gian được gọi là các lớp

ẩn Trong các lớp ẩn, mỗi lớp chứa một số các nút nào đó sao cho mạng đủ phức tạp để có thể biểu diễn được quan hệ phi tuyến, phức tạp giữa các đầu vào và đầu ra

Hình 6 cho chúng ta thấy các cấu trúc học của mạng nơ ron theo kiểu truyền ngược (BP)

được sử dụng phổ biến trong các hệ thống nhận dạng và điều khiển:

- Cấu trúc học tổng quát (a)

- Cấu trúc học chi tiết (b)

- Cấu trúc học phản hồi sai số (c)

- Cấu trúc học gián tiếp (d)

Hiện nay, trong các hệ thống điều khiển phức tạp như robot, các hệ thống điều khiển công nghiệp, hệ thống nhận dạng mẫu bộ điều khiển nơ ron thường dùng là mạng nơ ron với khả năng mềm dẻo(Flexible Neural Networks), đây là cấu trúc mạng nơ ron mà các hàm truyền của chúng là các hàm sigmoid nhưng có một tham số có thể học, từ đó dạng hàm sigmoid sẽ chọn được tối ưu đối với mỗi bài toán cụ thể Dạng hàm sigmoid đơn cực và hai cực có tham số

a có thể được học trong quá trình huấn luyện có dạng sau:

Cơ chế suy diễn

Cơ sở luật

Process

) 1

(

1 ) , ( ,

1

2 ) ,

2

xa x

e a

x f

a a

x f

ư

ư

= +

=

Hình 6

2.3 Điều khiển thông minh trên cơ sở lý thuyết tiến hoá(thuật gen- GA)

Lý thuyết tiến hoá mà trọng tâm ở đây là dùng thuật gen(GA) cho phép thực hiện tìm kiếm, tối ưu hoá trên cơ sở một quần thể xuất phát ban đầu Thuật gen có ưu điểm là có khả năng tìm

được cực trị tổng quát trong không gian tìm kiếm Thuật gen thực hiện tiến hoá qua các thế hệ thông qua các phép toán như lai tạo, sao chép, đột biến và chọn lọc tự nhiên, các cá thể có mặt trong thế hệ mới hay không phụ thuộc vào hàm finess của chúng Hình 7 cho chúng ta thấy một

hệ thống điều khiển sử dụng thuật gen

Hình 7 Ngoài GA, trong điều khiển thông minh còn sử dụng nhiều thuật toán tiến hoá khác như thuật toán đồng tiến hoá(coevolution) Thuật toán này phỏng theo sự tiến hoá của hệ sinh học gồm hai hay nhiều loài tương tác với nhau theo quan hệ chủ thể và ký sinh(Host-parasite) Thuật toán tiến hoá này được sử dụng nhiều trong các hệ thống điều khiển autonomous hoặc trong các hệ thống có mức độ phức tạp cao khác

2.5 Điều khiển trên cơ sở lai tích hợp các công nghệ mạng nơ ron- Hệ mờ- Thuật gen

Hiện nay các hệ thông điều khiển phức tạp, nhất là các hệ thống điều khiển làm việc trong các môi trường biến đổi, các bộ điều khiển thông minh thường kết hợp các công nghệ NN- FS-GA với nhau để có khả năng điều khiển đối tuợng đạt tới mục đích mong muốn một

Plan

NN

u

u c

y

Feedback

controlle

NN

Plan

u

u

u

y

NN

y

Most fit Controller Plan

Evalution

GA Operations

cách tối ưư nhất Các hệ thống này thường có các phần chức năng phức tạp như: hệ thống cơ

sở tri thức, Cơ chế suy diễn, các khối điều khiển đa chức năng và khối thực hiện các cơ chế truyền thông- giao tiếp thông qua các giao thức truyền thông mạng, thông qua ngôn ngữ tự nhiên, hình ảnh Hình 8 cho chúng ta ví dụ về mức độ phức tạp của hệ thống điều khiển thông minh autonomous có thực hiện các chức năng phản ứng, tương tác với môi trường trên cơ sở các tín hiệu thu được từ mạng sensory đầu vào

Hình 8 Trong những hệ thống điều khiển phức tạp như vậy, nhất là các hệ thống điều khiển thông minh phân tán, việc lai tạo giữa các công nghệ thông minh khác nhau để tạo ra bộ điều khiển tối ưu là thực sự hữu ích Trong những hệ thống như vậy, mạng nơ ron, GA và logíc mờ

được tích hợp và giữ các vai trò khác nhau và bổ xung cho nhau trong các hệ thống :

- NN: Vai trò chính để nhận dạng mẫu, phân loại tín hiệu vào, tự thích nghi với với môi trường biến đổi thông qua quá trình học

- FS: Biểu diễn tri thức và thực hiện các cơ chế suy diễn

- GA: Thuật gen với cơ chế tiến hoá giống như các hệ sinh học thường sử dụng các phép toán chọn lọc, sao chép, lai ghép, đột biến để thực hiện tối ưu cấu trúc của NN

và FS

Hình 9a, 9b cho chúng ta thấy sự tích hợp của NN-GA và FS-GA trong các bộ điều khiển thông minh sử dụng phổ biến trong thực tế

Ngoài các hệ thống nêu trên, trong thực tế các bộ điều khiển thông minh còn sử dụng các hệ chuyên gia, các hệ lập luận trên cơ sở tình huống( case-based reasoning) và sự kết hợp của chúng với các công nghệ NN, FS, GA hoặc các tổ hợp của nó để tạo ra những hệ thống thông minh hơn,

đáp ứng được mục tiêu điều khiển phức tạp hơn

information environment

Autonomous Action selection

inner state motivation drive experience Rule set

sensory input

constraint

Action

dynamic s

Genetic Algorithm

Population

neural Netwwork

Trained network

Performance Evalution

Training Data

Test Data

Genetic Algorithm

Population

Fuzzy system

finness

select/modify

evalution

results

Hình 9a) Quá trình tối ưu mạng

nơ ron sử dụng GA

Hình 9b Quá trình dùng GA cải tạo hoạt động của hệ mờ

3 Tình hình nghiên cứu về điều khiển thông minh trên thế giới và trong nước

Công nghệ thông minh nói chung và điều khiển thông minh nói riêng được ứng dụng mạnh

mẽ trong nhiều lĩnh vực quân sự, sản xuất công nghiệp, nghiên cứu và lĩnh vực nghiên cứu khoảng không , nhất là các nước Mỹ, Nhật bản, Đức, Hàn Quốc Cụ thể điều khiển thông minh được ứng dụng phổ biến trong các dây truyền sản xuất mềm dẻo, các hệ thống điều khiển năng lượng thông minh IECS (Intelligent Energy Control System),Các hệ thống điều khiển giao thông(Trafic Control Intelligent Systems), các hệ thống suy diễn thông minh IIS(Intelligent Inference Systems), các thiết bị đo lường thông minh, các cảm biến thông minh và đặc biệt trong lĩnh vực điều khiển robot, các hệ thống lái xe tự động, các hệ thống nghiên cứu trong khoảng không vũ trụ, các hệ thống thông minh đối với thương mại, nhà máy sản xuất, chính phủ

Sự đẩy mạnh nghiên cứu và ứng dụng mạnh mẽ các công nghệ thông minh đó trong lĩnh vực đo lường và điều khiển trên thế giới là do một số yếu tố quan trọng sau:

- Mức độ gia tăng các bài toán có độ phức tạp cao, các quá trình sản xuất cần có độ mềm dẻo cao và đòi hỏi mức độ tối ưu hơn

- Công nghệ điện tử và vi điện tử đã tạo ra các chíp nơron, các chíp mờ cho phép đưa nhiều công nghệ thông minh vào lĩnh vực đo và điều khiển Nhất là lĩnh vực công nghệ nano hiện nay đã cho phép chế các máy tính mạnh và có kích thước cực nhỏ càng làm cho lĩnh vực

điều khiển thông minh được chú trọng và mở rộng tầm ứng dụng

Đối với tình hình nghiên cứu về điều khiển thông minh ở Việt nam, vấn đề này cũng đang

được nghiên cứu mạnh mẽ nhưng trên thực tế chúng ta mới chỉ dừng ở mức sử dụng các modul thông minh nhập từ các hãng nước ngoài như Nhật, Đức, Mỹ hoặc mới triển khai chế tạo các thiết bị ở mức “tính toán số thông minh” mà thôi

Điều khiển thông minh là một lĩnh vực rộng, bao trùm nhiều ngành khoa học, nhiều lĩnh vực công nghệ và đang được nghiên cứu, ứng dụng mạnh mẽ, đa dạng trên thế giới Vì vậy, trong bài này chúng tôi chỉ đưa ra một vài nét tổng quan về lĩnh vực này mà chủ yếu đưa đến một cách nhìn về điều khiển thông minh, những công nghệ thông minh và một vài khả năng thiết kế các bộ điều khiển thông minh đó, và cuối cùng đưa ra một vài suy nghĩ về tình hình nghiên cứu, ứng dụng điều khiển thông minh trong nước và trên thế gioí hiện nay

Tài liệu tham khảo

[1] Shigeyasu Kawaji; Intelligent Control – why,How, Where?; RESCCE ‘1998, Ha noi , Viet nam

[2] Y.KaKaZu, M WaDa, T SaTo; Intelligent autonomous system; IAS-5

[3] LiMin Fu; Neural networks in computer intelligent; McGraw-Hill, Inc; 1994

[4] Nils Nilsson; Artificial Intelligence A New Synthesis; Morgan Kaufmann Publisher –

1998

[5] Kenneth Hunt, George Irwin, Kenvin; Neural Network Engineering in Dynamic control system; Spinger

[6] Mohammad Teshnehlab, Keigo Watanabe; Intelligent Control based on Flexible Neural Networks; Klwer Academic Publishers- 1999

[7] Spyros G.Tzalestas; Fuzzy Reasoning in information, Decision and Control Systems; Klwer Academic Publishers- 1994

[8] Lardy R.Medsker; Intelligent system; ; Klwer Academic Publishers- 1999

[9]Yih-Guang Leu, Tsu-Tian Lee; Oberver- Based Adaptive Fuzzy –Neural Control for Unknown Nonlinear Dynamical system; System, Man, and Cybernetics; Volum 29; October 1999

[10] Alexandre Schmid, yusuf Leblebici ;A Charge- Based Artificial Neural Network with On-Chip Learning Ability; Proceeding of the 5th European Congress on Intelligent Technique & soft computing EUFIT’97, Gemany 1997

[11] David E.Goldberg; Genetic Algorithms in Search, Optimization, and Machine Learning; Addison Wesley Longman,inc, 1989

[12] C¸c trang WEB ®−îc t×m kiÕm víi côm tõ “inteligent+Control”