Mạng nơron và ứng dụng trong điều khiển tự động phạm hữu đức dụ pdf

DC c PHM HU , . : ! ! ! '. - ! ; [!| ii - MNGNORON & Phiii H M A I M G C Dc N R M V NG DNG TRDN G IU KHIN T DễNG ằV r ằ ' r * ~ r - : f w , m .- . , - - ', ' ô H ẫ - - , I, ã ã ã | | | Illi III |ilằ lằ NH XUT BN KHOA HC V K THUT H N O J.2 Chiu track nhim xuõ't bn: Biờn tp: V bia: TS Phm Vn Dớn Phng Lộn X uõn Dng ! . )()(bill . c ỡg ly ' Bao Bỡ v !11 Hỏi Naii S óng ký k hoch xut.bỏn: 2009 -2- /CXB/67- 40/KHK'l' Ngy 27/()4/2()()9.Quyờ't nh xut b n s': 32I/QXB- NXBXHNl' niy 2/!0/2()^. xong v np lu chiCu tliilns 11/2()0( LI NểI U B nóo ca n.iri l ml san phm lion lióo ca to hoỏ, cú kh nõng hc v t sỏng to Hin nay, lnh vc iu khin, ngi ang c gn tip cn b nóo ca mỡnh tip cn kh nng t ca b nóo, ngi ta s dng kh nng suy din ca h m (Fuzzy Systems) da trờn cỏc lut logic m tip cn khỏ nng hc, ngi ta a mụ hỡnh mng nron (Neural Networks) gm cỏc noron liờn kl vdi thnh mng phng theo cu trỳc mng thn kinh ngi Mi mt nron riờng l cú tc x K' thụng tin thp, nhng kill cỏc nron c ghộp thnh mng thỡ tc x lý thụng tin ca nú rt cao Cn trỳc ca mng nron l iu rt ỏng c quan tõm, vỡ vic nghiờn cu riờng mi nron dó c ch l khụng cú ý ngha khoa hc m cn nghiờn cu chỳng c liờn kt vi thnh mng Ngoi ra, tip cn c hai kh nng hc v t ca b nóo ngi, ngi ta nghiờn cu kh nõng tớch hp ca mng nron v h m ú l: h m cú s dng cụng c mng mụ hỡnh m (Neural Fuzzy systems); mng nron m (Fuzzy Neural Networks) vi b trng s liờn kt ca mng c m hoỏ; dng lai gia h m v mng nron (Fuzzy Neial hybrid systems) Cun sỏch "Mng noron v ng dng u khin t ng" cung cp cho bn c kin thc ca bn nht \ khỏi nim ca mng noron, mt s mng noron co bn, mt s h thng tớch hc.rp mng noron vi h m cựno vúi mụt s ng dung ca chỳng lnh vc diu khin t ng õy l ti liu cn thit dựng cho sinh viờn cỏc trng i hc, hc viờn cao hc, nghiờn cu sinh chuyờn ngnh iộu khin t dng Cun sỏch gm ba phn chớnh sau dõy: Phn I: M ng trỡnh by cỏc khỏi nim co bn ca mng noron v cu trỳc, lut hc, cỏc ng dng c bớớn ca mt s mng noron thng dựng iu khin t ng Phn 2: Cỏc h thỡU tớch hp mng vi h m trỡnh by b sung cỏc khỏi nim co bn ca iu khin logic m cựng cu trỳc, lut hc v cỏc ng dng co bn ca mt s mng nron m thng s dng iu khin t ng Pỡin 3: Mt sụ mụ hinh mng v mng m Matlab v ng dng nhn dng v iu khin trung trinh by phng phỏp s dng cỏc hm tin ớch ca Matlab cho mt s mng nrn, mng nrn m quỏ trinh thit lp mng, quỏ trinh hc v mt s ng dng c tl cựa chUng dớu khin t dng Cun sỏch cú s dng kt qu nghiờn cu d xut v ng dng cUa nliớu tỏc gi khỏc nhau, bờn cnh dú cng trinh by mt s kt qu nghiờn cu v mng v ng dng lnh vc diu khin t dng cựa tỏc gi Tỏc gi c gng trinh by cỏc ni dung khoa hc v mng mt cỏch d hiu bng cỏch cú hng dn c th thc hin tng bc cỏc phộp tinh toỏn v cú vớ d minh ho kốm theo Hy vng cun sỏch s giup cho dc gi cú nhng liiu bit co bn v cỏc mng , h thng tớch hp mng vi h m v ng dng cụng c m phng Matlab d cú th t minh gii dc cỏc bi toỏn co bn linh vc diu khin t dng cú ng dng mng Tỏc gi xin cm on Nh xut bn Khoa hc v K thut v trng Di hc Kinh t - K thut COng nghip dó to diu kin d cun sỏch sm dc mt bn dc Tc gi cng xin cm on rcS.TS Nguyn Vn Lin, i hc Bỏch khoa H Ni v PGS.TS Tụ Võn Dc, Vin Khoa hc Cng ngh Quõn s dó dúng gúp ý kin d cun sỏch dc hon chnh hon Mc dự dó dc biờn son rt cn thn v cbng phu, nhirng kin thc cú hn, khbng th trỏnh khitn khuyt, rt mong nhn dc cỏc kin dOng gúp ca dc gi d cun sỏch thờm phn hon chnh hon ln tỏi bn tip theo Mi ý kin gúp ý xin gi v a ch: Nh xut bn Khoa hc v K thut, 70 Trn Hng Do, H Ni hoc trng Di hc Kinh t - K thut Cng nghip, 456 Minh Khai, qun Hai B Trng, H Ni Xin chón thnh cm om Tỏc gi MC LC LI NểI DAU MC LC PHN MNG NORON Cỏc khỏ nm c bn 1-1 Mụ hlnh tiron sinh hc 1.2 Phntxiy 1.3 Cỏc loi mO hlnh cu trc.mng IIIO 1.4 Cỏc tinh cht ca mng noton 1.5 Cỏc lut hc Cỏc mng truyn thng s tlitg lut hc giỏm sỏt 2.1 Mng Adaline 2.2 Mng Perceptron mt lp 2.3 Mng truyn thng nhiu lp 2.4 Cớlc nhõn t nh hng dn tc lii t lut hc lan truyn ngc 2.5 Mng Wavelet 2.6 Bi Mng mt lp h quy v b nh lien kt 3.1 Mng Hopfield 3.2 3.3 Bi (:ỏc mng s dng lu)t l.c kh.'.ng giỏm sỏt 4.1 Cỏc lut hc khụng giỏm sỏi 4.2 Cỏc mng noron s dng lu)t hc khúig giilm Sớớt 4.2.1 Mng Hannning 4.2.2 ART 4.2.3 ARTMAP 4.2.4 Mng hm co s 11 tỡ i Mng h quy 5.1 Mng lan truyn ngc hi quy 5.2 Mng hi quy khOng hon ton 5.3 Mng hi quy hon ton 5.3.1 Lut hc lan truyn ngiti' plui tl.uc tliCrt giati ci amttg hi quy 5.3.2 Lut hc.thi giait tlrifc chu n qtgh quy 5.4 bc cao 5.5 hớng Elman 5.6 Cỏc mng Elman sa di 5.6.l Mng nron Elman sớta di dng 5..2 Mng nỡ'on Elman siớa i dng 5.6.3 Mng Elman ci , ', Trang 8 10 19 21 25 25 34 41 53 58 67 69 71 82 88 89 89 97 97 101 109 119 123 123 128 129 129 132 134 141 144 144 147 149 ng dng ca mng nron nhn dng v diu khin ng dng ca mng ncfron nhn dng 6.2 ng dng ca mng nron iu khin PHN CC H THNG TCH HP MNG NRON v i H Mề Cỏc b iu khin m 7.1 Mụ hỡnh b iu khin m 7.2 Cỏc dng hm liờn thuc 7.3 Phõn loi 7.4 Cỏc b iu khin m ncfron hc thụng s 7.4.1 B iu khin m nron vi cỏc lut m duv nht 7.4.2 ANFIS 7.4.3 Mng nron Elman m 7.5 B iu khin s dng mụ hỡnh liờn kt mng nron vi h m hc cu trỳc - thụng s Mụ hỡnh m ca cỏc mng 8.1 B nh liờn kt m 8.2 ART m 8.3 ARTMAPm PHN MT S Mễ HèNH MNG NRON & MNG M NRON TRONG MATLAB & NG DNG TRONG NHN DNG & lU KHIN Mt S m hỡnh ca mng , mng m Matlab 9.1 Mụ hỡnh nron v rnng nron truyn thng 9.2 Simulink Neural Toolbox ca Matlab 9.3 Cỏc mụ hỡnh ng dng ca Matlab iu khin 9.4 ANFIS Fuzzy Toolbox ca Matlab 10 Mt s ng dng ca mng , mng m nhn dng v iu khin 10.1 ig dng 10.2 ig dng 10.3 ig ng 10.4 ig dng 10.5 ỳhg dng 10.6 ỳhg dng Ph lc 1: Chc nng cỏc hm c bn Neural Networks Toolbox ca Matlab Ph lc 2: Danh sỏch cỏc hm c bn Neural Networks Toolbox ca Matlab Ph lc 3: Chc nng ca cỏc hm c bn Fuzzy Logic Toolbox cia Matlab Ph lc 4: Danh sỏch cỏc hm Fuzzy Logic Toolbox ca Matlab TI LIU THAM KHO L50 152 156 163 163 163 169 173 175 175 180 185 192 199 199 205 225 225 225 228 230 253 265 265 267 269 270 272 275 282 283 285 287 289 PHN MNG NRON t Mng nron nhõn to (Artificial Neural Networks) c xõy dng da trờn cu trỳc ca b nóo ngi, giỳp ta a mt phng phỏp mi lnh vc tip cn h thng thụng tin Mng ncfron nhõn to cú th thc hin cỏc bi toỏn nhn mu (Recognition), ti u, nhn dng (Identification) v iu khin (Control) cho cỏc i tng tuyn tớnh v phi tuyn t hiu qu hn so vi cỏc phng phỏp tớnh toỏn truyn thng Mng nron nhõn to (gi tt l mng nron) gm nhiu nron nhõn to (gi tt l nron) liờn kt vi thnh mng Nú cú hnh vi tng t nh b nóo ngi vi cỏc kh nóng hc (Learning), gi li (Recall) v tng hp thụng tin t s luyn ca cỏc mu v d liu Mng nron ó cú mt lch ,s lõu di T nm 1943, McCulloch v Pitts ó xut mt s liờn kt c bn ca mng nron Nm 1949, Hebb ó a cỏc lut thớch nghi mng nron Nm 1958, Rosenblatt a cu trỳc Perception Nóm 1969, Minsky v Papert phõn tớch s ỳng n ca Perception, chng minh cỏc tớnh cht v ch rừ cỏc gii hn ca mt s mụ hỡnh Nm 1976, Grossberg da vo tớnh cht sinh hc ó a mt s cu trỳc ca h ng hc phi luyn vi cỏc tớnh cht mi Nm 1982, Hopfield ó a mng hi quy mt lp Hopfield Nóm 1986, Rumelhart a mụ hỡnh x lý song song v mt s kt qu ca thut toỏn Nm 1986, thut toỏn hc lan truyn ngc (Back Propagation) c Rumelhart, Hinton v Williams xut thc hin luyn mng nron truyn thng nhiu lp Nhng nm gn õy cú nhiu cụng trỡnh nghiờn cu xut cỏc cu trỳc, lut hc cho nhiu loi mng nron truyn thng v hi quy mi cú nhiu u im Mng nron hin ang c ỏp dng cú hiu qu nhiu lnh vc kinh t, k thut Phn ny trỡnh by v cỏc khỏi nim c bn v mt s loi mng nron thng gp Trong ú ng vi mi mt loi mng nron i sõu trỡnh by cu trỳc, lut hc c thự ca chỳng cựng vi cỏc vớ d ng dng minh hoa 1.CC KH! N.M C BN 1.1 M ễ H èN H N R O N SIN H H C B nóo'con ngi cú khong 10" noion sinh hc nhiu dng khỏc Mụ hlnh cựa mt dng noion sinh hc dc nụ t trờn hlnh 1.1 Cu trUc chung ca mt noron sinh hc gm cú ba phn chinh l: thõn, bờn cú nhõn, cõy v trc Cõy gm cỏc dõy thn kinh liờn kt vi !hõn Trc cú cu trUc don, di liờn kt vi thõn Phn cui ca trc cú dng phõn nhỏnh Trong mi nhỏnh cú mt co cu nh l khOp thn kinh, t dõy nOron sinh hc ny liờn kt bng tin hiu ti cỏc noron khỏc S thu nhn tliOng tin ca noron sinh hc dc thc hin t cõy hoc t thõn ca nú Tin hiu thu, nhn dng cỏc xung din ùùtoVv Y.Y M ụ hinh mt dng nron sinh hc Mi t bo thn kinh cú mt mng, nhim v ca nú l gi cho cỏc cht nuOi t bo khOng trn ngoi, gia phn t ni bo v n'goi bo cú dung dch mui lng lm cho chUng b phõn ró thnh cỏc lon õm v dng Cỏc lon ditg cú mng to din th mng vi trng thỏi cõn bng lc: lc dy ca cỏc lon dng t bo cõn bng vi lc hỳt chUng vo t bo in th mng l phn t quan trng quỏ trinh truyn tin ca h thn kinh Khi thay di kh nõng thm thu lon ca mng thl din th mng ca t bo b thay di v tin ti mt ngng no dú, dng thOi sinh dOng din, dOng din ny gõy phn ng kớch thớch lm thay di kh nng thm thu lon ca cỏc t bo thn kinh tip theO 1.1.1 X lý tỡ n g tin b Iii'( ThOng tin c tip nhn , cỏc giỏc v cliuyn vo cỏc t bo thn kinh dng v cỏc IC' bo c(t '! nl 'bo thn kinh tip nhn t!iụ!ig tin, din th ca nú tng ! ! nu din thờ' ny vnỗrt ngng s to dOng din t bo thn kinh, ý Iighla dOng in dú dc gii mó v lu thn kinh trung ng, kt u x ly tliOng tin dc gi dn cỏc t bo c Cỏc t bo thn kinh du da cỏc tin hiu ging nhau, dú khOng th phõn bit dc dú l t bo tlin kinh cựa loi dng vt nguyờn thu hay ca mt giỏo s dỏng kớnlr Cỏc khp thn kinli ch cho phộp cỏc tin hiu pliU hp qua cliUng, cũn cỏc tin hiu kliỏc b cn li Lng tin hiu dó dc bin di dc gi l cng klip thn kinh - ú chinh l trng s ca nron mng nron Ti vc nghiờn cu v mng thn kinh li cú tm quan trng nh vy? Cú th tr li ngn gn l s ging nliau ca cỏc tin hiu ca t bo thn kinh dn l, nờn chc nng llic s ca b nóo khụng ph thuc vo vai trO ca mt t bo thn kinlt, m ph tliuc vo ton b cỏc t bo thn kinli, tc l ph tliuc vo kiu kt ni ca cỏc t bo thn kinh liờn kt vi d to nờn mt mng thn ki!h liay mt mng nron 1.1.2 Cỏc dc tinh c bn ciia nóo ngri - Tinh phỏn ' Cỏc vUng b nóo dc ph n thnh nhiu lp, dú thụng tin dc x lý theo tinh cht tng ng ca mi lp dc thự - Tinh m ụun Cỏc vUng ca b nh dc pliõn !hltnh cỏc mOdun dc mó hoỏ bng cỏch nh ngha mi quan h tớcli hp gia cỏc tin hiu vo qua cỏc giỏc quan vi cỏc tin hiu -M ih n kt Liờn kt gia cỏc lp dn dn cỏc d liu dựn.g chung dc xem nh cỏc liờn h phn hi truyn tin hiu - X lý phỏn tỏn cỏc tin hii vo Cỏc tin hiu vo dc truyn qua nhiu kờnh thụng tin khỏc nhau, dc x lý bi cỏc phng phỏp dc bớt ;m l = l ; k l = 0 ; b l= l ;m 2=l;k2=100; b = l A l= m l* m ; A2=m2*b 1+m2*b2 m 1*b2; A 3=m l*k2+m 2*kl+m 2*k2+bl*b2 ; ;A 4= bl*k2+ b2*kl A 5=kl*k2 B l=b2 ; B2=k2 ; % H VI du Id tin Hiu dc diu kHln x2 sy s l= tf(([B l B2 ] ,{[A l A2 A3 A4 ;('sysdl = c2d(sysl, T, 'tustin :{N = s y s d l.n u m (l,l D =sysdl.den { ; l , l H c s dng tinh toỏn { n E V' A5 ]}): tri x l ó bit x2 % ; ( B2 B2]},([m2 b2 k2] sysd2 = c2d(sys2,T,'tustin ') N l= sy sd n u m { l,l D l= sysd2.den{ll ! l m a n - ( T H l t lp mng n % S n n lp vonl= 2; % Snỡ-on lp nn2=5; % Snron lp contextn4=n2; n = l % < Snron lp nha=0.1; % H s hc w l=rands(nl,n2)/hes %Ma trn trng sliờn kt lp vo vi lp n w2=rands(n2,n3)/heso % Ma trn trng slờn kt lp n vi lp w3=rands(n4,n2)/heso % Ma trn trng sliờn kt lp context vi lp n y3=rands(n3,l); %Tn hiu ca lp y2=rands(n2,l); % Tin hiu lp n y4=rands(n4,l ) % Tin hiu lp context x l ( l =O;xl (2 =O;xl ( 3)= x l (4 )= 278 2(1)=0;2(2)=0;2(3):0;2 (4 )=(); el(l)=O ;el(2)=O ; l(3)=O;el(4 )=0 ; ( 1)= ; (2 )= ; ( 3)=() 2(4 )=( ; ti.ớ fo rl= l:n / ;x m (l)= l end for i=n/3tl:2*n / x2m(l)=0.8 end for *./3+ : ;x2m(l)=l end forvong=l:l for 1=1 :(n-5 ) ifF l( i )>=500 F l(i + )=500 e lse ifF l i+4 )