Điều Khiển Mobile Robot Ứng Dụng Các Mạng Neuron Nhân Tạo (Kèm Code C, 89C51, Mach, VB)

TRƯỜNG ĐẠI HỌC BÁCH KHOA TPHCM KHOA ĐIỆN-ĐIỆN TỬ BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG LUẬN VĂN TỐT NGHIỆP TỰ ĐỘNG K97 ĐỀ TÀI : ĐIỀU KHIỂN MOBILE ROBOT ỨNG DỤNG CÁC MẠNG NEURON NHÂN TẠO GIÁO VIÊN HƯỚNG DẪN : Thầy NGUYỄN THIỆN THÀNH Tháng 1/2002 MỤC LỤC Lời Cảm Ơn Lời Mở Đầu Trang Chương : Quá Trình Huấn Luyện Trong Hệ Thống Điều Khiển Neuron 1.1 Giới Thiệu 1.2 Tổng Quát Về Cấu Trúc Neuron 1.3 Mạng Nuôi Tiến Hay Còn Gọi Là Mạng Tónh 1.4 Mạng Truyền Lù i 16 Chương : Ứng Dụng Mạng Neuron Nhân Tạo Trong Robot 2.1 Giới Thiệu 31 2.2 Giới Thiệu Tổng Thể Các Mạng Neuron 32 2.3 Ứng Dụng Mạng Neuron Nhân Tạo Trong Robot 49 Chương : Vi Điều Khiển At89c51 3.1 Vi Điều Khiển Họ MCS-51 64 3.2 Vi Điều Khiển AT89C51 64 Chương : Truyền Thông Nối Tiếp Và Rs-232 4.1 Giới Thiệu 93 4.2 Cổng Nối Tiếp RS-232 95 4.3 Truyền Thông Giữa Hai Nút 98 Chương : Một Số Cảm Biến Thông Dụng Dùng Trong Robot 5.1 Giao Tiếp Với Cảm Biến 104 5.2 Cảm Biến Quang 105 5.3 Cảm Biến Lực 110 5.4 Các Cảm Biến Vò Trí Và Hướng 112 Chương : Step Motor 6.1 Giới Thiệu Chung Về Stepping Motor 114 6.2 Sự Khác Biệt Và Ưu Khuyết Điểm Của Stepper Motor So Với Động Cơ DC 114 6.3 Phân Loại Động Cơ Bước 115 6.4 Các Phương Pháp Điều Khiển Động Cơ Bước 120 6.5 Một Số Thông Số Cơ Bản Của Động Cơ Bước 122 6.6 Những Hoạt Động Vật Lý Bên Trong Động Cơ Bước 123 6.7 Những Mạch Điều Khiển Động Cơ Bước Đơn Giản 130 CHƯƠNG : THIẾT KẾ VÀ THI CÔNG PHẦN CỨNG 7.1 Mô Hình Của Robot 135 7.2 Thiết Kế Mạch Vi Xử Lý Điều Khiển Cho Robot 141 CHƯƠNG : LƯU ĐỒ GIẢI THUẬT VÀ CHƯƠNG TRÌNH 8.1 Lưu Đồ Giải Thuật Điều Khiển Robot 150 8.2 Chương Trình Viết Bằng Assembly Cho Vi Xử Lý 89C51 152 8.3 Chương Trình Viết Bằng C Để Huấn Luyện Cho Mạng Neuron 168 8.4 Chương Trình Giao Diện Trên Máy Tính Viết Bằng Visual Basic 178 CHƯƠNG : ĐÁNH GIÁ KẾT QUẢ THI CÔNG 9.1 Kết Quả Mô Phỏng Mạng Huấn Luyện Tốc Độ Của Robot 210 9.2 Kết Quả Mô Phỏng Mạng Huấn Luyện Hành Vi Của Robot 211 9.3 Đánh Giá Kết Quả Thi Công 213 9.4 Hướng Phát Triển Của Đề Tài 214 PHẦN PHỤ LỤC 215 Luận Văn Tốt Nghiệp GVHD :Thầy Nguyễn Thiện Thành CHƯƠNG 1: QUÁ TRÌNH HUẤN LUYỆN TRONG HỆ THỐNG ĐIỀU KHIỂN NEURON 1.1 Giới Thiệu : 1.1.1 Hệ điều khiển neuron sinh học : Với phát triển loại máy móc ,ngày nhà khoa học muốn tạo loại máy hoạt động độc lập với điều khiển người môi trường thay đổi không chắn , máy gọi máy tự động hay máy thông minh ( hay thường gọi robot ) Sự thành công robot phụ thuộc vào khả xử lý nhiều tình đa dạng môi trường hoạt động Mục tiêu nhà khoa học tạo robot hoạt động liên tục hồi tiếp hành động Robot thực công việc mà máy móc thông thường điều khiển tay khó thực Ngoài ,robot thích nghi thực hiệu công việc môi trường thay đổi Vì ,robot hữu ích thay người công việc khó khăn ,nguy hiểm ,và nhàm chán sử dụng robot chiến tranh , lò phản ứng hạt nhân , quân , dò phá mìn Cấu trúc mạng sinh học xem nguồn gốc khung để thiết kế robot Mô hình mạng sinh học cung cấp không động mà vài manh mối để phát triển giải thuật học thích nghi bền vững robot Ngày ,kỹ thuật điều khiển thích nghi bền vững phổ biến so với kỹ thuật điều khiển cổ điển điều khiển tỷ lệ (P) , tích phân (I) , vi phân (D) điều khiển vi tích phân (PID) mô hình tham khảo điều khiển thích nghi Cơ cấu điều khiển dùng mạng sinh học phù hợp để điều khiển đối tượng có mô hình phức tạp, không chắn Mô hình mạng thường phức tạp bất chấp mô hình toán xác Chúng thực nhiệm vụ phức tạp mà không cần xây dựng mô hình toán đối tượng môi trường mà hoạt động ; điều có nghóa ta giải toán tích phân ,vi phân toán phức Ví dụ : hành vi cầm ly nước người Trước tiên ,bộ não người tác động lên ly nước ;và xác đònh khoảng cách từ tay đến ly nước tính toán hướng di chuyển tay để cầm ly nước ,sau não lên kế hoạch thực công việc cầm ly nước lên Cũng não người , mạng sinh học thực công việc dựa vào khả nhận thức Những bước tính toán hoàn toàn dựa vào tiềm SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp GVHD :Thầy Nguyễn Thiện Thành thức Ở ,chúng ta không xem xét đến quan hệ cổ tay với khuỷu tay vai , sức lực người Mà tính toán chi tiết góc hay lực thực mức thấp tính toán tiềm thức nằm hệ thống thần kinh trung tâm (CNS) Ngoài , hệ điều khiển sinh học học để thực công việc thích nghi với thay đổi môi trường cách dễ dàng Giả thuyết , nguyên tắc tính toán neuron hệ điều khiển sinh học sáng tỏ ,lúc điều khiển hệ phát triển bền vững thông minh vượt xa khả điều khiển cổ điển dựa mô hình toán học Mặc dù nhiều nhà sinh vật học tâm lý học cho não có cấu trúc module thần kinh Nhưng nhìn chung số lượng module thần kinh hay cách hình thành cấu trúc module thần kinh Lý module tự nhiên não có số lượng lớn phận tác động qua lại với Thậm chí xây dựng mô hình với vài phận tương tác qua lại ( để so sánh với não thật ) xuất tính toán kinh khủng phân tích khó khăn Trong nhiều trường hợp , mô hình toán cung cấp công công cụ cần thiết để làm rõ khía cạnh khác hệ thống Thiên nhiên tạo cấu trúc thần kinh phức tạp loài sinh vật Có 100 tỷ neuron sinh học hệ thống thần kinh trung tâm người , chúng đóng vai trò quan trọng khía cạnh khác trình xử lý thông tin thực đònh ( nhận biết ,điều khiển nhận thức ) Trong trình xử lý thông tin ;xuất hoạt động đa dạng ,phức tạp chức ánh xạ ( mapping function ) cấu trúc tầng song song ( parallel_cascade ) ,hình thành mô hình phức tạp lớp Neuron phát triển thành mô hình hình chóp Thông tin truyền từ lớp Neuron sang lớp Neuron khác theo hướng tiến liên tục hồi tiếp để hình thành cấu trúc hình chóp động 1.1.2 Những tiền đề để thiết kế hệ thống điều khiển cổ điển : Phương pháp thiết kế hệ thống điều khiển cổ điển dựa mô hình toán học mô tả hành vi đối tượng ứng dụng kỹ thuật phân tích mô hình để đến luật điều khiển Thông thường , mô hình toán thường chứa phương trình vi phân tuyến tính phi tuyến Hầu hết phương trình xây dựng xấp xỉ đơn giản hoá Đối với đối tượng phức tạp hoạt động môi trường thay đổi kỹ thuật cổ điển gặp khó khăn xây dựng mô hình toán luật điều khiển ,thậm chí thực Mô hình hệ thống điều khiển có hồi tiếp liên quan đến sai số mô hình đơn giản hoá mô hình thực ; sai số đònh hành vi hoạt động hệ thống SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp GVHD :Thầy Nguyễn Thiện Thành Có hai phương pháp điều khiển thường mô tả để đạt kết điều khiển theo ý muốn từ hiểu biết mơ hồ đối tượng Phương pháp thứ ổn đònh bền vững (robust stabilizer ) hay gọi điều khiển bền vững Điều khiển thích nghi (Adaptive control) phương pháp thứ hai để giải toán điều khiển cho đối tượng phức tạp Các thông số điều khiển thích nghi phải phù hợp với giải thuật thích nghi để giữ cho hệ thống hoạt động mong muốn Nhìn chung ,bộ điều khiển thích nghi áp dụng rộng rãi để điều khiển đối tượng không chắn ,nhưng phức tạp điều khiển bền vững Sơ đồ điều khiển thích nghi mô tả sau : Input Plant Controller x (t ) ∈ R n Measurements y (t ) = g[.] x = f [.] Largely unknow Output y (t ) ∈ R y u (t ) ∈ R n Adaptive algorithm J Performance Criterion ,J Hình biểu diễn hệ thống điều khiển thích nghi Bộ điều khiển thích nghi đo giá trò đầu vào ,trạng thái đầu hệ thống động So sánh giá trò với giá trò mong muốn ,luật thích nghi hiệu chỉnh thông số điều khiển để đảm bảo đối tượng làm việc mong muốn Mặc dù kỹ thuật điều khiển thích nghi dùng rộng rãi ứng dụng chúng vào toán thực tế hạn chế Lý thực tế yếu tố ổn đònh ưu tiên hệ thống điều khiển thích nghi.Đối với hệ thống lớn phức tạp phức tạp phương pháp thích nghi truyền thống gây khó khăn cho người thực Hơn ,phương pháp cần hiểu biết bậc đối tượng điều khiển ;nhưng thực tế nhiều hệ thống ta bậc đối tượng nên việc áp dụng phương pháp điều khiển thích nghi truyền thống khó khăn thực 1.1.3 Giải thuật học điều khiển Neuron : Để đương đầu với đối tượng động không chắn , điều khiển phải ước lượng thông tin không rõ ràng suốt thời gian hoạt động Nếu thông tin ước lượng gần với thông tin thật điều khiển thiết kế điều khiển tối ưu.Sự cải tiến hành vi nhờ vào hiệu chỉnh thông tin ước lượng, điều khiển xem điều khiển học thích SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp GVHD :Thầy Nguyễn Thiện Thành nghi Bộ điều khiển huấn luyện từ thông tin không rõ ràng suốt thời gian hoạt động ,thông tin dùng kinh nghiệm cho đònh điều khiển tương lai Mô hình điều khiển Neuron biễu diễn hình sau : Input Neural network Plant x (t ) ∈ R n x = f [.] Largely unknow Measurements y (t ) = g[.] y (t ) ∈ R1 Output Learning algorithm Desired response Error Bộ điều khiển gọi điều khiển học hỏi thông tin không rõ ràng đối tượng môi trường thu thập hoạt động thông tin dùng để ước lượng cho bước Ví dụ điều khiển thay đổi kiểu điều khiển thông số điều khiển sau học điều khiển không thoả mãn yêu cầu Bộ điều khiển huấn luyện tăng hiệu hoạt động tạo điều khiển bền vững Bộ điều khiển bù số lượng lớn thay đổi điều khiển môi trường hoạt động Luật học nhằm để xác đònh thông số điều khiển Neuron để hệ thống hoạt động tối ưu Luật học có khả cải tiến hành vi tương lai dựa vào thông tin Cả điều khiển học hỏi thích nghi thực dùng giải thuật điều chỉnh thông số dựa vào thông tin hồi tiếp 1.1.4 Cấu trúc sinh học Neuron : Bộ não người bao gồm xấp xỉ 100 tỷ tế bào thần kinh , gọi Neuron Tất hoạt động người phụ thuộc vào tế bào nhỏ bé Mỗi Neuron kết hợp với nhiều Neuron khác tạo thành mạng Neuron Sự kết nối thành mạng tạo làm cho người có khả tính toán ghi nhớ Neuron đơn vò hệ thần kinh trung tâm ( Central Nervous System:CNS ) , Neuron có chức xử lý thông tin qua lại từ phận khác thể người Theo quan điểm xử lý thông tin , Neuron bao gồm phần ,mỗi phần liên hệ với phương trình toán cụ thể : SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp Ø GVHD :Thầy Nguyễn Thiện Thành Denrite : có chức nhận thông tin từ Neuron khác Ø Thân Neuron ( hay Soma ) :thu thập kết nối thông tin nhận từ Neuron khác Ø Đầu Axon :mỗi Neuron có đầu axon có chức truyền thông tin đến Neuron khác Điểm nối đầu Axon đầu vào dendrite Neuron gọi synapse ,synapse có chức nhớ Một đầu axon liên kết với hàng trăm synapse từ Neuron khác Cấu trúc sinh học Neuron mô tả hình sau : Dendrite soma Synapse kích động Synapse thụ động Từ cấu trúc ,ta xem Neuron hệ thống nhiều đầu vào đầu mô tả sau : Neural Input x (t ) ∈ R n Neural Processor Neural output y (t ) ∈ R 1.2 Tổng quát cấu trúc Neuron : 1.2.1 Giới thiệu : Mạng Neuron sinh học có đặc tính phức tạp đa dạng ,vì việc đưa đặc tính phức tạp vào mô hình khó khăn Để đạt mục tiêu , cấu trúc Neuron sinh học ( gọi Neuron đơn vò ) phát triển mô hình mạng Neuron Neuron có đầu vào nhận từ đầu SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp GVHD :Thầy Nguyễn Thiện Thành Neuron khác hay từ môi trường bên Tổng trọng số đầu vào thiết lập thành hàm tác động phi tuyến Một Neuron kích động tổng trọng số đầu vào lớn giá trò ngưỡng w0 Mô hình toán cho đầu Neuron đònh nghóa sau : n y (t ) = ψ[ ∑ wi xi − w0 ] (1.1) i =1 với [x1, ,x n] đầu vào Neuron [w1, ,wn] trọng số y(t) : đầu Neuron ; ψ[.] : hàm tác động phi tuyến w0 : giá trò ngưỡng Mạng nuôi tiến mô hình thường đề cập ,mô hình đáp ứng đến đầu vào cấu trúc không chứa yếu tố động ,vì cấu trúc mạng gọi mạng Neuron tónh Mô hình mạng tónh m đầu vào n đầu mô tả hình sau : x1 y1 x2 xm y2 yn Mạng truyền lùi hình thức mở rộng mạng nuôi tiến ,mạng kết hợp yếu tố hồi tiếp yếu tố động cấu trúc Mô hình mạng truyền lùi mô tả sau : x1 y1 x2 xm y2 yn SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành CHƯƠNG : ĐÁNH GIÁ KẾT QUẢ THI CÔNG 9.1 Kết mô mạng huấn luyện tốc độ Robot : Chu kì xung kích Hình biểu diễn kết sau huấn luyện 10000 chu kì để cập nhật trọng số cho mạng Sau trình huấn luyện , sai số bình phương tối thiểu đầu thực mạng đầu mong muốn rms=0.017214 Nếu ta tăng số chu kì huấn luyện có sai số nhỏ SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 210 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành 9.2 Kết mô mạng huấn luyện hành vi Robot : 9.2.1 Trường hợp : đầu vào mạng đặc trưng cho quang trở bên phải quang trở bên trái ur(k) sin ul(k) số Sau hoàn thành trình huấn luyện , ta đưa vào đầu vào mạng tín hiệu hình sin tín hiệu số hình vẽ ta thu đầu thực mạng đầu mong muốn hình Trong hình ,sai số đầu mạng đầu mong muốn làm cho robot chạy thẳng nhiều đoạn hình vẽ ; sai số đầu mạng đầu mong muốn hình Sai số bình phương tối thiểu đầu mạng đầu mong muốn trường hợp rms= 0.141421 Nếu ta chọn thông số huấn luyện thích hợp ta có đầu mạng với đầu mong muốn ( nghóa sai số ) kết sau : SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 211 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 212 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành 9.2.2 Trường hợp : hai quang trở phải trái thời điểm Theo kết thu Robot chạy thẳng tín hiệu đầu điều khiển rẽ trái rẽ phải Sai số đầu mạng đầu mong muốn 9.3 Đánh giá kết thi công : a Ưu điểm : - Robot hoạt động tốt môi trường ánh sáng nhiễu - Robot hoạt động đảm bảo yêu cầu hướng ánh sáng - Robot hoạt động chế độ điều khiển nút nhấn điều khiển tự động - Mạch phần cứng chương trình phần mềm cho Robot hoạt động tin cậy SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 213 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành b Nhược điểm : - Robot hoạt động không xác môi trường có nhiều ánh sáng - Phần khí Robot không tối ưu ( công tắc va chạm bánh xe ) dẫn đến đôi lúc Robot không tránh vật cản - Chưa thể huấn luyện mạng trực tiếp Vi Xử Lý , việc huấn luyện mạng máy tính kết nối Robot với máy tính làm cho cấu kồng kềnh 9.4 Hướng phát triển đề tài : - Tìm hiểu ngôn ngữ C lập trình cho VXL 89C51 để huấn luyện mạng trực tiếp VXL - Nghiên cứu việc sử dụng Camera vào điều khiển Robot làm cho Robot thông minh : tự tìm đường tối ưu ,tránh vật cản tới đích đònh trước - Phát triển dùng hoàn toàn lý thuyết mạng Neuron để điều khiển Robot SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 214 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành PHẦN PHỤ LỤC : Sơ đồ nguyên lý mạch phần cứng cho Robot Sơ đồ mạch in Tài liệu tham khảo o Mạng Neuron : Nhận Dạng , Dự Báo Và Điều Khiển Thầy Nguyễn Thiện Thành o Neural Networks For Identification , Prediction And Control Duc Truong Pham And Liu Xing o Neural Network And Fuzzy Logic Applications In C/C++ Stephen T.Welstead o Giáo Trình Và Thí Nghiệm Vi Xử Lý Khoa Điện-Điện Tử o Kỹ Thuật Ghép Nối Máy Tính Ngô Diên Tập o Lập Trình Ghép Nối Máy Tính Trong Windows Ngô Diên Tập o Tin Học Đặng Thành Tín o Kỹ Năng Lập Trình VISUAL BASIC Nguyễn Tiến Dũng o Và Một Số Trang WEB Và Tài Liệu Khác SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 215 Luận Văn Tốt Nghiệp GVHD : Thầy Nguyễn Thiện Thành Sơ đồ mạch in mặt TOP Sơ đồ mạch in mặt BOTTOM SVTH : Hoàng Trung Hiếu & Nguyễn Trung Dũng trang 216 LƯU ĐỒ GIẢI THUẬT HOẠT ĐỘNG CỦA ROBOT BẮT ĐẦU P3.2=0 Y N P3.3=0 Y N Nhận tín hiệu điều khiển từ máy tính Chế độ dẫn bóng Y Chế độ bám vạch N Tự động Chế độ tự động Bằng tay N Y Va chạm N Đọc CBKC , Đọc quang trở trái phải Y Chế độ tay Tránh vật cản ĐK trái,phải, tiến,lùi Y Truyền byte lên máy tính ĐK trái,phải,tiến,lùi Robot đến đích N Y Nhận tín hiệu đk tốc độ hành vi từ máy tính Nhận tín hiệu đk từ máy tính Thoát chế độ tự động Y N N Y N Chạy thẳng Y ĐK chạy thẳng Rẽ trái N ĐK rẽ trái Kết thúc ĐK rẽ phải CHẾ ĐỘ DẪN BÓNG Y Robot xác đònh vò trí bóng N Đi thẳng Tạm=1 Y N Rẽ trái Tạm=1 N Rẽ phải Tạm=0 N Đònh vò trí bóng Đònh vò trí bóng Y Y CHẾ ĐỘ BÁM VẠCH Y N LED trái =1 LEDphải=1 LEDphải=1 N N Y Đi thẳng Y Rẽ phải Quay 90o Rẽ trái HÌNH CHIẾU BẰNG CỦA ROBOT CHẾ ĐỘ BÁM VẠCH KHI ROBOT CHẠY THẲNG KHI ROBOT ĐẾN CÁC VẠCH GIAO NHAU Điều Khiển Hành Vi Sử Dụng Giải Thuật Học Truyền Lùi BP Start 01 ; Emax ; E=0 ;k =0 random(wij, bias)[-0.1,0.1];u(k),d(k) y0 (k) = ul(k); 0y1 (k) = ul(k-1) y2 (k) = ur(k); 0y3(k) = ur(k-1) y4 (k) = yl(k); 0y5 (k) = yl(k) net j  w0i *0 net i 1bias i 0 actv j  Exp (1net j )  Exp ( 1net j ) Exp (1net j )  Exp ( 1net j ) net j  w0i *1 actv i i 0 N netout=0 Y net j  netout=1 E  [ y j (k  1)  netout j (k  1)]2  E  j  y j (k  1)  netout j (k  1) j=j+1 Y j[...]... : kỹ thuật điều khiển, điện tử viễn thông, hệ thống điện và công nghệ thông tin Trong kỹ thuật điều khiển, mạng neuron nhân tạo được ứng dụng để nhận dạng, dự báo và điều khiển các hệ thống động Trong điện tử viễn thông, mạng neuron nhân tạo được ứng dụng để xử lý ảnh, nhận dạng ảnh và truyền thông Trong hệ thống điện, mạng neuron nhân tạo được ứng dụng để nhận dạng, dự báo và điều khiển các trạm biến... nhiều cấu trúc mạng Neuron khác nhau nhưng nếu xét về cấu trúc ;mạng Neuron có thể phân thành mạng tónh ,mạng động ,mạng một lớp và mạng nhiều lớp Hơn nữa ,những cách tính toán khác nhau trong mạng Neuron cũng làm nảy sinh những cách kết nối synapse khác nhau giữa các Neuron Mặc dù các nhà nghiên cứu đã đưa ra nhiều cấu trúc mạng Neuron cũng như giải thuật học khác nhau ,những mạng Neuron cũng có... của logic mờ ,nhiều mô hình mạng Neuron chứa nguyên tắc của mạng Neuron và cả logic mờ đang được phát triển Mặc dù ,các mạng tónh ,động và các mạng Fuzzy _Neuron đang được ứng dụng trong nhiều bộ điều khiển ,nhưng mô hình cơ bản của mạng Neuron vẫn chỉ mô phỏng lờ mờ theo mô hình thực Những năm trước đây ,các nhà nghiên cứu đã đưa ra nhiều mô hình mạng tónh ,động và Fuzzy _Neuron khác nhau Mô tả chi... Nguyễn Thiện Thành CHƯƠNG 2 : ỨNG DỤNG MẠNG NEURON NHÂN TẠO TRONG ROBOT 2.1 Giới thiệu : Thế mạnh của mạng neuron nhân tạo là tạo ra những đặc tính khác biệt trong xử lý bền vững và thích nghi trong một môi trường thay đổi và có nhiễu Người ta ước lượng rằng bộ não con người gồm khoảng 100 tỉ neuron, cấu trúc neuron gồm nhiều đầu vào dendrite có chức năng nhận tín hiệu từ những neuron khác hoặc từ môi trường... những cấu trúc Neuron khác nhau mà những cấu trúc này thường được dùng trong mô hình điều khiển 1.2.2 Tính toán trong mạng Neuron : Mục đích của việc nghiên cứu những tính toán trong mạng Neuron là để phát triển mô hình toán mạng Neuron mà không cần thiết nghiên cứu về mặt sinh học ,mô hình toán có thể thực hiện bằng những hàm tính toán khác nhau Mạng Neuron nhân tạo (ANNs) ,hay những mạng Neuron đơn... chứng minh rằng có khả năng vượt xa mạng neuron đơn Cấu trúc mạng neuron được dùng thông thường nhất trong các ứng dụng như các hệ thống nhận dạng và điều khiển là những mạng neuron nhiều lớp (Multilayer neural network :MNN) với giải thuật truyền lùi sai số Một mạng (MNN) tiêu biểu gồm một lớp neuron đầu vào, một lớp neuron đầu ra và một lớp neuron ẩn được biểu diễn như hình sau : SVTH : Hoàng Trung... với đáp ứng đầu vào hiện tại Các mạng Neuron khác nhau đều có cách học tương tự nhau ,chúng đều rút ra những kinh nghiệm từ những dữ liệu được đưa vào Trên đây là những giới thiệu tổng quát về cấu trúc mạng Neuron Mô tả chi tiết về cấu trúc mạng động và mạng tónh sẽ được trình bày trong các phần sau 1.3 Mạng nuôi tiến hay còn gọi là mạng tónh : 1.3.1 Mô hình toán của mạng nuôi tiến : Một Neuron bao... có cấu tr c, và kỹ thuật chính là khoa học ứng dụng Vì kỹ thuậät đơn lẻ không thể giải quyết tối ưu những bài toán mà bước hiện tại luôn là kết quả của các bước trước đó Công nghệ mạng neuron nhân tạo hình thành, nó thay thế cho các giải pháp tính toán truyền thống và đưa ra một vài khả năng để tiếp cận nhiều vấn đề hiện tại không giải quyết được Mạng neuron được ứng dụng rộng rãi trong các ngành kỹ... sử dụng điều này có nghóa là giải thuật giám sát sẽ trở nên hữu ích Gần như tất cả các mạng neuron kết hợp chặt chẽ hai luật này hoặc biến đổi chúng Tuy nhiên một vài mạng neuron có trọng số cố đònh và những mạng này hoạt động bằng cách thay đổi khả năng của mỗi neuron nếu như nó không thay đổi trọng số 1.3.2 Mạng nuôi tiến nhiều lớp : Trong những phần trư c, mô hình toán học chi tiết của một mạng neuron. .. lùi đươc tóm tắt như sau : v Cấu trúc mạng neuron dùng giải thuật học truyền lùi tiêu biểu bao gồm lớp neuron đầu vào ,lớp neuron ẩn và lớp neuron đầu ra Lớp neuron ẩn có thể có nhiều lớp, rất khó xác đònh mô hình của mạng neuron có bao nhiêu lớp ẩn là cần thiết cho một ứng dụng cụ thể Không có nhiều tính toán xảy ra ở lớp neuron đầu vào, số lượng neuron ở lớp neuron đầu vào bằng với số lượng thành ... 2.2 Giới Thiệu Tổng Thể Các Mạng Neuron 32 2.3 Ứng Dụng Mạng Neuron Nhân Tạo Trong Robot 49 Chương : Vi Điều Khiển At89c51 3.1 Vi Điều Khiển Họ MCS-51 64 3.2 Vi Điều Khiển AT89C51 64 Chương :... nghệ thông tin Trong kỹ thuật điều khiển, mạng neuron nhân tạo ứng dụng để nhận dạng, dự báo điều khiển hệ thống động Trong điện tử viễn thông, mạng neuron nhân tạo ứng dụng để xử lý ảnh, nhận dạng... logic mờ ,nhiều mô hình mạng Neuron chứa nguyên tắc mạng Neuron logic mờ phát triển Mặc dù ,các mạng tónh ,động mạng Fuzzy _Neuron ứng dụng nhiều điều khiển ,nhưng mô hình mạng Neuron mô lờ mờ theo