báo cáo bài tập lớn lý thuyết điều khiển mờ

Đây là báo cáo bài tập lớn môn Điều khiển mờ. về slide thuyết trình bạn có thể xem và tải tài liệu có tên Slide thuyết trình lý thuyết điều khiển mờ. của mình ở link sau: (link sẽ update sau khi tài liệu kia được duyệt). Phần báo cáo này đã được thầy giáo duyệt và được 9 điểm. cảm ơn đã xem tài liệu của mình...

TRƯỜNG ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI

Giáo viên hướng dẫn: PHẠM VĂN CƯỜNG

Sinh viên thực hiện:

Lớp: Tự động hóa 1 – K8 – HaUI

Hà Nội 5/2016

Môc Lôc

Phần 1 5

LÝ THUYẾT CƠ BẢN VỀ ĐIỀU KHIỂN MỜ 5

1 TỔNG QUAN VỀ LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ 6

2 LOGIC MỜ VÀ CÁC PHÉP TOÁN VỀ MỜ 7

2.1 Khái niệm về logic mờ 7

2.2 Độ cao, miền xác định và miền tin cậy của tập mờ 8

2.3 Các phép toán trên tập mờ 9

3 BIẾN NGÔN NGỮ 10

4 HỆ SUY DIỄN MỜ 11

4.1 Kiến trúc cơ bản của hệ suy diễn mờ 11

4.2 Các bước suy diễn mờ 12

5 LUẬT HỢP THÀNH MỜ 13

5.1 Mệnh đề hợp thành 13

5.2 Luật hợp thành mờ 13

6 GIẢI MỜ 14

6.1 Phương pháp cực đại 14

6.2 Phương pháp trọng tâm 15

7 THẾ NÀO LÀ ĐIỀU KHIỂN MỜ 16

8 MÔ HÌNH MỜ 17

8.1 Mô hình tam giác 17

8.2 Mô hình hình thang 17

9 NGUYÊN LÝ ĐIỀU KHIỂN 18

10 CÁC BƯỚC XÂY DỰNG BỘ ĐIỀU KHIỂN THEO PHƯƠNG PHÁP KINH ĐIỂN 19

11 THIẾT KẾ BỘ ĐIỀU KHIỂN MỜ 20

11.1 Các bước thiế kế bộ điều khiển mờ 20

11.2 Nguyên tắc thiết kế bộ điều khiển mờ 20

12 HỆ MỜ LAI 20

12.1 Khái quát chung 20

12.2 Hệ mờ lai không thích nghi có bộ điều khiển kinh điển 21

12.3 Hệ mờ lai cascade 21

12.5 Ví dụ minh họa 22

13 MỜ THÍCH NGHI 24

13.1 Khái quát chung 24

13.2 Các phương pháp điều khiển mờ thích nghi 24

13.3 Bộ điều khiển mờ tự chỉnh cấu trúc 25

13.4 Bộ điều khiển mờ có mô hình theo dõi 25

14 CÁC BỘ ĐIỀU KHIỂN THEO LUẬT PID 26

14.1 Bộ điều khiển theo luật I 27

14.2 Bộ điều khiển theo luật PD 28

14.3 Bộ điều khiển theo luật PI 28

Phần 2 30

ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN MỜ 30

1 GIỚI THIỆU 31

2 CẤU TRÚC HỆ THỐNG 31

3 XÂY DỰNG BỘ ĐIỀU KHIỂN MỜ 32

3.1 Xác định các biến ngôn ngữ vào ra 32

3.2 Xây dựng luật hợp thành: 33

3.3 Mô phỏng 33

4 KẾT LUẬN 38

Lời nói đầu

Vào những năm đầu của thập kỷ 90, chuyên ngành điều khiển mờ đã được phát triển mạnh mẽ và đem lại nhiều thành tựu bất ngờ trong lĩnh vực điều khiển

Ưu điểm cơ bản của điều khiển mờ so với các phương pháp điều khiển kinh điển

là có thể tổng hợp được bộ điều khiển mà không cần biết trước đặc tính của đối tượng một cách chính xác Ngành kỹ thuật mới mẻ này, như Zahde đã định hướng cho nó vào năm 1965, có nhiệm vụ chuyển giao nguyên tắc xử lý thông tin, điều khiển của hệ sinh học sang hệ kỹ thuật Khác hẳn với kỹ thuật điều khiển kinh điển là hoàn toàn dựa vào sự chính xác tuyệt đối của thông tin mà trong nhiều ứng dụng không cần thiết hoặc không thể có được, điều khiển mờ chỉ cần xử lý những thông tin “không chính xác” hay không đầy đủ, những thông tin mà sự chính xác của nó chỉ nhận thấy được giữa các quan hệ của chúng với nhau và cũng chỉ có thể mô tả được bằng ngôn ngữ, đã có thể cho ra những quyết định chính xác Chính khả năng này đã làm cho điều khiển mờ sao chụp được những phương thức

xử lý thông tin và điều khiển của con người, đã giải quyết thành công các bài toán điều khiển phức tạp, các bài toán mà trước đây không giải quyết được và đã đưa

nó lên vị trí xứng đáng là kỹ thuật điều khiển của hôm nay và tương lai và mai sau Điều khiển mờ hay còn gọi là điều khiển thông minh là những bước ứng dụng ban đầu của trí tuệ nhân tạo và kỹ thuật điều khiển

Bài tập lớn gồm 2 phần:

- Phần 1: Lý thuyết cơ bản về điều khiển mờ

- Phần 2: Ứng dụng điều khiển mở với bài toán xác định

Trong quá trình thực hiện bài tập, nhóm chúng em còn nhiều lỗi sai và chưa hợp lý Chúng em rất mong nhận được sự hướng dẫn và chỉnh sửa của thầy cô giáo để bài tập lớn của chúng em được hoàn thiện, và đầy đủ và chính xác hơn Chúng em chân thành cảm ơn thầy cô

Sinh viên làm đề tài

Phần 1

LÝ THUYẾT CƠ

BẢN VỀ ĐIỀU KHIỂN MỜ

1 TỔNG QUAN VỀ LOGIC MỜ VÀ ĐIỀU KHIỂN MỜ

Logic mờ được công bố lần đầu tiên tại Mỹ vào năm 1965 do giáo sư Lotfi Zadeh Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau : phát minh ở Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật

Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu

Âu, khoảng sau năm 1970 Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy không thể điều khiển được bằng các kỹ thuật cổ điển Và tại Đức, Hans Zimmermann dùng logic mờ cho các hệ ra quyết định Liên tiếp sau đó, logic mờ được áp dụng vào các lĩnh vực khác như điều khiển lò xi măng, … nhưng vẫn không được chấp nhận rộng rãi trong công nghiệp

Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng

ra quyết định và phân tích dữ liệu ở Châu Âu Nhiều kỹ thuật logic mờ cao cấp được nghiên cứu và phát triển trong lĩnh vực này

Cảm hứng từ những ứng dụng của Châu Âu, các công ty của Nhật bắt đầu dùng logic mờ vào kỹ thuật điều khiển từ năm 1980 Nhưng do các phần cứng chuẩn tính toán theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về logic mờ Một trong những ứng dụng dùng logic

mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987

Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật Có nhiều lý

do để giải thích tại sao logic mờ được ưa chuộng Thứ nhất, các kỹ sư Nhật thường bắt đầu từ những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề Phù hợp với việc logic mờ cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu Thứ hai, các hệ dùng logic mờ đơn giản và dễ hiểu Sự “thông minh” của hệ không nằm trong các hệ phương trình vi phân hay mã nguồn Cũng như việc các kỹ sư Nhật thường làm việc theo tổ, đòi hỏi phải có một giải pháp để mọi người trong tổ đều hiểu được hành vi của hệ thống, cùng chia sẽ ý tưởng để tạo ra hệ Logic mờ cung cấp cho họ một phương tiện rất minh bạch để thiết kế hệ thống Và cũng do nền văn hóa, người Nhật không quan tâm đến logic Boolean hay logic mờ; cũng như trong tiếng Nhật , từ “mờ’ không mang nghĩa tiêu cực

Do đó, logic mờ được dùng nhiều trong các ứng dụng thuộc lĩnh vực điều khiển thông minh hay xử lý dữ liệu Máy quay phim và máy chụp hình dùng logic

mờ để chứa đựng sự chuyên môn của người nghệ sĩ nhiếp ảnh Misubishi thông báo về chiếc xe đầu tiên trên thế giới dùng logic mờ trong điều khiển, cũng như nhiều hãng chế tạo xe khác của Nhật dùng logic mờ trong một số thành phần Trong lĩnh vực tự động hóa, Omron Corp có khoảng 350 bằng phát minh về logic

mờ Ngoài ra, logic mờ cũng được dùng để tối ưu nhiều quá trình hóa học và sinh học

Năm năm trôi qua, các tổ hợp Châu Âu nhận ra rằng mình đã mất một kỹ thuật chủ chốt vào tay người Nhật và từ đó họ đã nỗ lực hơn trong việc dùng logic

mờ vào các ứng dụng của mình Đến nay, có khoảng 200 sản phẩm bán trên thị trường và vô số ứng dụng trong điều khiển quá trình – tự động hóa dùng logic mờ

Từ những thành công đạt được, logic mờ đã trở thành một kỹ thuật thiết kế

“chuẩn” và được chấp nhận rộng rãi trong cộng đồng

2 LOGIC MỜ VÀ CÁC PHÉP TOÁN VỀ MỜ

2.1 Khái niệm về logic mờ

Tập mờ F xác định trên tập kinh điển X là một tập mà mỗi phần tử của nó

thuật điều khiển mờ thông thường các hàm liên thuộc kiểu S hay được thay gần đúng bằng một hàm tuyến tính từng đoạn

Một hàm liên thuộc có dạng tuyến tính từng đoạn được gọi là hàm thuộc có mức chuyển đổi tuyến tính như hình 2.2 Hàm thuộc µF(x) như ở hình 2.2 với

m1 = m2 và m3 = m4 chính là hàm thuộc của một tập kinh điển

2.2 Độ cao, miền xác định và miền tin cậy của tập mờ

Độ cao của một tập mờ F (định nghĩa trên tập nền X) là giá trị:

Hình 2.3 Miền xác định và miền tin cậy của một tập mờ

Bên cạnh khái niệm về độ cao, mỗi tập mờ F còn có hai khái niệm quan trọng khác là:

 miền xác định

 miền tin cậy

Miền xác định của tập mờ F (định nghĩa trên nền X), được ký hiệu bởi S là tập con của M thỏa mãn:

𝑆 = 𝑠𝑢𝑝𝑝𝜇𝐹(𝑥) = | 𝜇𝐹(𝑥) > 0 }

Kí hiệu 𝑠𝑢𝑝𝑝𝜇𝐹(𝑥) viết tắt của từ tiếng anh support, như công thứcđã chỉ

rõ, là tập con trong X trong X chứa các phần tử x mà tại đó hàm µF(x) có giá trị dương

Miền tin cậy của tập mờ F (định nghĩa trên nền X), được ký hiệu bởi T, là tập con của M thỏa mãn

𝑇 = { 𝑥 ∈ 𝑋 |, µ𝐹(𝑥) = 1 }

2.3 Các phép toán trên tập mờ

Những phép toán cơ bản trên tập mờ là phép hợp, phép giao và phép bù Giống như định nghĩa về tập mờ, các phép toán trên tập mờ cũng sẽ được định nghĩa thông qua hàm thuộc, được xây dựng tương tự các hàm thuộc của các phép giao, hợp, bù giữa hai tập kinh điển Nói cách khác, khái niệm xây dựng những phép toán trên tập mờ được hiểu là việc xác định các hàm thuộc cho phép hợp (tuyển) A ∪ B, giao A ∩ B, bù (phủ định) AC từ những tập mờ A,B

2.3.1 Phép hợp hai tập mờ

Hợp của hai tập mờ A và B có cùng tập nền X là một tập mờ A ∪ B cũng xác định trên nền X có hàm thuộc µA ∪ B(x) thỏa mãn

- µA∪B(x) chỉ phụ thuộc vào µA(x) và µB(x)

- µB(x) = 0 với mọi x → µA∪B(x) = µA(x)

- tính chất giao hoán µA∪B(x) = µB∪A(x)

- µA∩B(x) chỉ phụ thuộc vào µA(x) và µB(x)

- µB(x) = 1 với mọi x → µA∩B(x) = µA(x)

- tính chất giao hoán µA∩B(x) = µB∩A(x)

- tính chất kết hợp, tức là µ(A∩B) ∩C(x) = µA∩ (B∩C)(x)

- tính chất không giảm 𝜇𝐴1(𝑥) ≤ 𝜇𝐴2(𝑥) → 𝜇𝐴1∩𝐵(𝑥) ≤ 𝜇𝐴2∩𝐵(𝑥)

 Giao 2 tập mờ theo luật min:

𝜇A∩B(𝑥, 𝑦) = min{𝜇𝐴(𝑥), 𝜇𝐵(𝑦)} = min{𝜇𝐴(𝑥, 𝑦), 𝜇𝐵(𝑥, 𝑦)}

 Giao 2 tập mờ theo luật tích đại số:

𝜇𝐴∩𝐵(𝑥, 𝑦) = 𝜇𝐴(𝑥, 𝑦) 𝜇𝐵(𝑥, 𝑦)

Hình 3.1 Mô tả các giá trị ngôn ngữ bằng tập mờ

Hàm thuộc tương ứng của chúng được ký hiệu bằng:

µrất chậm(x), µchậm(x), µtrung bình(x), µnhanh(x), µrấtn hanh(x)

Như vậy biến tốc độ v có hai miền giá trị khác nhau:

- Miền giá trị các ngôn ngữ

N = {rất chậm, chậm, trung bình, nhanh, rất nhanh},

Ví dụ, kết quả Fuzzy hóa giá trị vật lý x = 40km/h (giá trị rõ) của biến tốc độ sẽ là:

40km/h ↦

(

00.670.330

0 )

4 HỆ SUY DIỄN MỜ

4.1 Kiến trúc cơ bản của hệ suy diễn mờ

Về cơ bản một hệ suy diễn mờ bao gồm 5 khối chức năng:

Hình 4.1 Cấu trúc cơ bản của một hệ suy diễn mờ

Đầu vào Đầu ra

Cơ sở tri thức

Cơ sở dữ liệu Bộ luật

Đơn vị thực thi quyết định

Giao diện

mờ hóa Giao diện giải mờ

- Bộ luật bao gồm các luật mờ IF – THEN

- Cơ sở dữ liệu trong đó định nghĩa các hàm thuộc của các tập mờ được sử dụng trong các luật mờ

- Đơn vị thực thi quyết định trong đó thực hiện các hoạt động suy diễn trong các luật

- Giao diện mờ hóa trong đó chuyển đổi các lớp đầu vào vào các biên độ phù hợp với giá trị ngôn ngữ

- Giao diện giải mờ trong đó chuyển đổi các giá trị kết quả của hệ mờ suy diễn ra các lớp đầu ra

Thông thường, bộ luật và cơ sở dữ liệu là suy diễn liên kết như là một bộ tri thức Với hệ mờ trên cơ sở các luật mờ như trong định nghĩa, các bước lý luận

mờ được thực hiện như sau

So sánh các biến đầu vào với các hàm thuộc trong phần giả thiết để đạt được giá trị hàm thuộc (hoặc các đơn vị so sánh) của mỗi nhãn ngôn ngữ (bước này thường được gọi là mờ hóa)

Kết hợp các giá trị hàm thuộc trong phần giả thiết để đạt được mức đốt trọng số của mỗi luật

Tạo ra các kết quả có chất lượng của mỗi luật tùy thuộc vào mức đốt Tích hợp các kết quả có chất lượng để tạo ra một tập hợp đầu ra (bước này gọi là giải mờ)

4.2 Các bước suy diễn mờ

Trong một hệ suy diễn việc thực hiện các thành phần trên thể hiện qua các buớc sau:

Mờ hoá các biến vào: Vì nhiều luật cho dưới dạng dùng các biến ngôn ngữ với các từ thông thường Như vậy với những giá trị (rõ) quan sát được, đo được

cụ thể, để có thể tham gia vào quá trình suy diễn thì cần thiết phải mờ hoá Có thể định nghĩa, mờ hoá là một ánh xạ từ không gian các giá trị quan sát được (rõ) vào không gian của các từ (tập mờ) trên không gian nền của các biến ngôn ngữ

Áp dụng các toán tử mờ (AND hoặc OR) cho các giả thiết của từng luật (tương ứng với các toán tử là việc sử dụng các phép toán t - chuẩn, t - đối chuẩn)

Áp dụng phép kép theo để tính toán giá trị các giá trị từ giả thiết đến kết luận của từng luật

Áp dụng toán tử gộp để kết hợp các kết quả trong từng luật thành một kết quả duy nhất cho cả hệ

Ba quá trình này được thực hiện trong môtơ suy diễn của cấu trúc suy diễn Đây là phần cốt lõi nhất của điều khiển dựa vào logic mờ trong quá trình mô hình hoá các bài toán điều khiển và chọn quyết định của con người trong khuôn khổ vận dụng logic mờ và lập luận xấp xỉ Do các hệ thống được xét dưới dạng hệ vào-ra nên luật suy diễn modus ponens suy rộng đóng một vai trò rất quan trọng

5 LUẬT HỢP THÀNH MỜ

5.1 Mệnh đề hợp thành

Xét ví dụ điều khiển mực nước trong bồn chứa Có 2 yếu tố cần quan tâm:

- Mực nước trong bồn L = {rất thấp, thấp, vừa}

- Góc mở van ống dẫn G = {đóng, nhỏ, lớn}

Ta có thể suy diễn cách thức điều khiển như sau:

- Nếu mực nước = rất thấp thì góc mở van = lớn

- Nếu mực nước = thấp thì góc mở van = nhỏ

- Nếu mực nước = vừa thì góc mở van = đóng

Trong ví dụ trên ta thấy có cấu trúc chung là: “Nếu A thì B” Cấu trúc này gọi là mệnh đề hợp thành, A là mệnh đề điều kiện, C = A B là mệnh đề kết luận

Định lý Mamdani:

“Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc điều kiện” Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề suy diễn có dạng tổng quát như sau:

If N = ni and M = mi and … Then R = ri and K = ki and …

5.2 Luật hợp thành mờ

Luật hợp thành là tên gọi chung của mô hình biểu diễn một hay nhiều hàm thuộc cho một hay nhiều mệnh đề hợp thành

Các luật hợp thành cơ bản:

- Luật Max – Min

- Luật Max – Prod

- Luật Sum – Min

- Luật Sum – Prod

a Thuật toán xây dựng mệnh đề hợp thành cho hệ SISO

Luật mờ cho hệ SISO có dạng “If A Then B”

Chia hàm thuộc A(x) thành n điểm xi, i = 1, 2, …, n

Chia hàm thuộc B(y) thành m điểm yj, j = 1, 2, …, m

Xây dựng ma trận quan hệ mờ R

Hàm thuộc µB(y) đầu ra ứng với giá trị rõ đầu vào xk có giá trị

µB’(y) = aT.R, với aT = {0,0,0, ,0,1,0 ,0,0} Số 1 tương ứng với vị trí thứ k

Trong trường hợp đầu vào là giá trị mờ A’ thì µB(y) là:

µB’(y) = {l1, l2, l3, lm} với lk = maxmin{ai, rik}

b Thuật toán xây dựng mệnh đề hợp thành cho hệ MISO

Luật mờ cho hệ MISO có dạng:

“If cd1 = A1 and cd2 = A2 and then rs = B”

Các bước xây dựng luật hợp thành R:

- Rời rạc các hàm thuộc µA1(x1), µA2(x2), , µAn(xn), µB(y)

- Xác định độ thỏa mãn H cho từng vector giá trị rõ đầu vào x = {c1,

c2, , cn} Trong đó ci là một trong các điểm mẫu của µAi(xi) Từ đó suy ra

 Nguyên lý cận trái: chọn y’ = y1

 Nguyên lý cận phải : chọn y’ = y2

6.2 Phương pháp trọng tâm

Điểm y’ là hoành độ của điểm trọng tâm miền được bao bởi trục hoành và đường µB(y)

Công thức xác định :

Trong đó s là miền xác định của tập mờ B’

 Phương pháp trọng tâm cho luật Sum – Min

Giả sử có m luật điều khiển được triển khai, ký hiệu các giá trị mờ đầu ra của luật điều khiển thứ k là µB’k(y) thì với quy tắc Sum – Min hàm thuộc sẽ là

µ𝑩′(𝒚) = ∑𝒎 µ𝑩′ 𝒌(𝒚)

𝒌=𝟏 , và y’ được xác định :

Hình 6.2 Giải mờ theo phương pháp trọng tâm

Xét riêng cho trường hợp các hàm thuộc dạng hình thang như hình trên:

Chú ý 2 công thức trên có thể áp dụng cho cả luật Max – Min

7 THẾ NÀO LÀ ĐIỀU KHIỂN MỜ

Điều khiển mờ chiếm một vị trí rất quan trọng trong điều khiển học kỹ thuật hiện đại Ngay từ buổi đầu tiên, điều khiển mờ đã đem lại sự ngạc nhiên đáng kể rằng hoàn toàn trái với tên gọi của nó, kỹ thuật điều khiển này đồng nghĩa với độ chính xác và khả năng thực hiện Tuy là ngành kỹ thuật điều khiển non trẻ nhưng những ứng dụng trong công nghiệp của điều khiển mờ thật rộng rãi như: điều khiển nhiệt độ, điều khiển giao thông vận tải, điều khiển trong các lĩnh vực sản xuất hàng hóa

Trong thực tế, nhiều giải pháp tổng hợp, thiết kế bộ điều khiển kinh điển thường bị bế tắc khi gặp những bài toán có độ phức tạp của hệ thống cao, độ phi tuyến lớn, sự thường xuyên thay đổi trạng thái và cấu trúc của đối tượng hoặc giả thiết có thể tổng hợp được trong phạm vi lý thuyết thì khi thực hiện cũng gặp không ít những khó khăn về giá thành và độ tin cậy của sản phẩm Những khó khăn đó sẽ không còn là những vấn đề nan giải khi bộ điều khiển được thiết kế dựa trên cơ sở logic mờ và càng đơn giản hơn trong việc thực hiện giải pháp này Các bộ điều khiển được thiết kế trên cơ sở logic mờ có tên gọi là bộ điều khiển

mờ Chúng có chung một đặc điểm là làm việc theo nguyên tắc sao chép lại kinh nghiệm, tri thức của con người trong điều khiển, vận hành máy móc

So với các giải pháp kỹ thuật từ trước đến nay được áp dụng để tổng hợp các hệ thống điều khiển, phương pháp tổng hợp hệ thống bằng logic mờ chỉ ra những ưu điểm rõ rệt sau đây:

a Khối lượng công việc thiết kế giảm đi nhiều do không cần sử dụng mô hình đối tượng, với các bài toán thiết kế có độ phức tạp cao, giải pháp dùng bộ điều khiển mờ cho phép giảm khối lượng tính toán và giá thành sản phẩm

b Bộ điều khiển mờ dễ hiểu hơn so với các bộ điều khiển khác và dễ dàng thay đổi

c Trong nhiều trường hợp bộ điều khiển làm việc ổn định hơn, bền vững hơn

và chất lượng điều khiển cao hơn

8 MÔ HÌNH MỜ

Trong hệ thống FuzzyLogic, có nhiều mô hình phục vụ cho việc xây dựng

hệ Fuzzy Logic

8.1 Mô hình tam giác

Đây là mô hình Fuzzy Logic được sử dụng trong trường hợp mà giá trị của các biến ngôn ngữ được xác định một cách nhạy cảm và độ mờ biến thiên nhanh

Ví dụ như biết “Tốc độ” bao gồm có ba giá trị ngôn ngữ là “nhanh”, “chậm”

và “trung bình” tuy nhiên với một tốc độ thực tế là 40km/h thì tùy từng hoàn cảnh

ta cho là nhanh, tùy từng hoàn cảnh lại cho là không nhanh Như với tốc độ trong một cuộc đua xe đạp thì đó là chậm nhưng tốc độc của một người bình thường đi

xe đạp thì lại có thể cho là nhanh, trong những trường hợp khác ta lại coi tốc độ

đó ở mức trung bình Hơn nữa trong cụ thể một hoàn cảnh nào đó thì lại tùy từng lúc chúng ta coi là nhanh mà có lúc lại coi là chậm, ví dụ như trong cuộc đua thì lại đối với vận động viên xuất sắc thì đó được coi là tốc độ chậm nhưng so với mặt bằng chung thì đó có thể coi là trung bình Như vậy có nghĩa là đối với mô hình tam giác, tại từng “hoàn cảnh” sẽ lại có một sự đánh giá khác nhau hay nói cách khác thì độ “mờ” biến thiên nhanh hơn

8.2 Mô hình hình thang

+ Ta xét ví dụ sau: Một hệ thống Logic mờ đo nhiệt độ và xác định mức

độ nóng lạnh với ba khoảng cold, warm và hot

+ Theo hình vẽ trên ta có thể thấy khoảng nhiệt độ lạnh kéo dài hơn với độ dài là đỉnh hình thang, trong khoảng nhiệt độ này hệ thống giữ cố định việc coi nhiệt độ độ là lạnh, sự biến thiên (mờ hóa) chỉ xảy ra ở các cạnh bên (không vuông

góc ) của hình thang Theo ví dụ trên thì trong khoảng nhiệt độ xung quanh 20 độ,

có sự mềm dẻo khi coi thời tiết lúc

đó nằm trong khoảng lạnh hay ấm, tương tự đối với khoảng nhiệt độ xung quanh

60 độ Ở khóa luận tốt nghiệp, mô hình hình thang được dùng để xác định tiềm năng lên hay xuống của giá chứng khoán ngày hôm nay so với xu thế của cả một khoảng thời gian trước đó

9 NGUYÊN LÝ ĐIỀU KHIỂN

Về nguyên tắc, hệ thống điều khiển mờ cũng không có gì khác biệt so với các hệ thống điều khiển tự động thông thường khác Sự khác biệt ở đây là bộ điều khiển mờ làm việc có tư duy như “bộ não” dưới dạng trí tuệ nhân tạo Nếu khẳng định làm việc với bộ điều khiển mờ có thể giải quyết được mọi vấn đề từ trước đến nay chưa giải quyết được theo phương pháp kinh điển thì không hoàn toàn chính xác, vì sự hoạt động của bộ điều khiển phụ thuộc vào kinh nghiệm và phương pháp rút ra kết luận theo tư duy của con người, sau đó được cài vào máy tính trên cơ sở của logic mờ Hệ thống điều khiển mờ do đó cũng có thể coi là một

hệ thống neuron (hệ thần kinh), hay đúng hơn là một hệ thống điều khiển mà không cần biết trước mô hình của đối tượng

Hình 9.1 Hệ kín, phản hồi âm với sự tham gia của bộ điều khiển mờ

Hệ thống điều khiển mờ được thiết kế trên:

- Giao diện đầu vào bao gồm khâu Fuzzy hóa và khâu phụ trợ thêm để thực hiện các bài toán động như tích phân, vi phân

- Thiết bị hợp thành mà bản chất của nó sự triển khai luật hợp thành R được xây dựng trên cơ sở luật điều khiển hay như trong một số các tài liệu khác còn gọi là luật quyết định

- Khâu giao điện đầu ra (khâu chấp hành) gồm khâu giải mờ và các khâu giao điện trực tiếp với đối tượng

Nguyên tắc tổng hợp một số bộ điều khiển mờ hoàn toàn dựa vào những phương pháp toán học trên cơ sở định nghĩa các biến ngôn ngữ vào/ra và sự lựa chọn những luật điều khiển Do các bộ điều khiển mờ có khả năng xử lý các giá trị vào/ra biểu diễn dưới dạng dấu phẩy động với độ chính xác cao nên chúng hoàn toàn đáp ứng được các yêu cầu của một bài toán điều khiển “rõ ràng” và “chính xác”

10 CÁC BƯỚC XÂY DỰNG BỘ ĐIỀU KHIỂN THEO PHƯƠNG PHÁP KINH ĐIỂN

Các bước tổng hợp xây dựng bộ điều khiển theo phương pháp kinh điển:

Bước 1: Xây dựng mô hình đối tượng đủ chính xác

Bước 2: Đơn giản hóa mô hình

Bước 3: Tuyến tính hóa mô hình tại điểm làm việc

Bước 4: Chọn bộ điều khiển thích hợp, ví dụ như bộ điều khiển P, PID, bộ

điều khiển trạng thái và xác định các tính chất mà bộ điều khiển cần phải có

Bước 5: Tính toán các thông số của bộ điều khiển Để thực hiện việc xác

định các thông số của bộ điều khiển có rất nhiều các phương pháp như phương pháp đường đặc tính tần số với tiêu chuẩn Nyquist hay phương pháp quĩ đạo nghiệm số Bằng các phương pháp này sẽ tổng hợp được bộ điều khiển ổn định, nhưng không tổng hợp được các bộ điều khiển có đặc tính động xác định Các phương pháp tối ưu xác định thông số của bộ điều khiển thường phải làm với nhiều chỉ tiêu mâu thuẫn với nhau như ổn định nhưng thời gian quá trình quá độ phải ngắn và độ quá điều chỉnh phải nhỏ

Bước 6: Kiểm tra bộ điều khiển vừa thiết kế bằng cách ghép nối với mô

hình đối tượng điều khiển, nếu kết quả không được như mong muốn phải thiết kế lại theo cac bước từ 2 đến 6 cho đến khi đạt kết quả như mong muốn

Bước 7: Đưa bộ điều khiển vừa thiết kế vào điều khiển đối tượng thực và

kiểm tra quá trình làm việc của hệ thống Nếu chưa đạt yêu cầu phải thiết kế lại theo các bước từ 1 đến 6 cho đến khi đạt các chỉ tiêu chất lượng mong muốn

Tổng hợp bộ điều khiển với các chức năng hoàn hảo phụ thuộc rất nhiều vào các nhà chuyên môn Quá trình tổng hợp sẽ rút ngắn lại vì chỉ còn phải thực hiện các bước 4 và 5 nếu đã có mô hình đối tượng Xây dựng một mô hình đối tượng hữu ích là một đòi hỏi rất khó thực hiện, vì bên cạnh những hiểu biết tốt về