Mục Lục Phần I. Cơ sở lý thuyết mờ 4 1.1 Lịch sử phát triển của lý thuyết mờ 4 1.2 Định nghĩa về tập mờ 5 1.3 Các dạng hàm mờ tiêu biểu(hàm thuộc) 6 1.3.1 Nhóm hàm đơn điệu 6 1.3.2 Nhóm hàm hình chuông 7 1.4 Các thuật ngữ tiêu biểu 8 1.5 Các phép toán về tập mờ 8 1.5.1 Các phép toán cơ bản 8 1.5.2 Một số phép toán mở rộng 10 1.6 Biến ngôn ngữ 14 1.7 Luật hợp thành 15 1.7.1 Mệnh đề hợp thành 15 1.7.2 Luật hợp thành 17 1.8 Các phương pháp giải mờ 20 1.8.1 Phương pháp cực đại 20 1.8.2 Phương pháp trọng tâm 21 1.8.3 Phương pháp lấy trung bình tâm 21 Phần II. Hệ điều khiển mờ 21 2.1 Bộ điều khiển mờ cơ bản 21 2.2 Nguyên lý bộ điều khiển mờ 23 2.3 Các bước xây dựng 24 2.4 Một số bộ điều khiển mờ 26 2.4.1 Bộ điều khiển mờ tĩnh 26 2.4.2 Bộ điều khiển mờ động 27 Phần III. Ứng dụng điều khiển mờ vào bài toán điều khiển Chiếc Quạt Điện 29 3.1 Đặt vấn đề 29 3.2 Mô tả 29 3.3 Thiết kế bộ điều khiển mờ 30 3.3.1 Tập mờ 30 3.3.2 Xác định biến ngôn ngữ mờ 30 3.3.3 Xây dựng luật hợp thành mờ 30 3.3.4 Xây dựng hàm mờ 31 3.3.5 Giải mờ 34 3.4 Áp dụng thực tế 34 3.4.1 Hình ảnh mô phỏng 34 3.4.2 Danh sách linh kiện và các chức năng 36 Tài liệu tham khảo 37
Mục Lục Lời nói đầu Con người giao tiếp ngôn ngữ tự nhiên, mà chất ngôn ngữ tự nhiên mơ hồ không xác Tuy vậy, hầu hết tình huống, người hiểu điều mà người khác muốn nói với Khả hiểu sử dụng ngôn ngữ tự nhiên, thực chất hiểu xử lý thông tin không xác chứa đó, coi thước đo mức độ hiểu biết, thông minh người Con người mơ ước máy tính, người bạn, người giúp việc đắc lực mình, ngày thông minh hiểu biết Vì vậy, nhu cầu làm cho máy tính hiểu xử lý thông tin không xác, xấp xỉ, chừng nhu cầu thiết Logic mờ đời cung cấp công cụ hữu hiệu để nghiên cứu xây dựng hệ thống có khả xử lý thông tin không xác Nhờ có logic mờ mà người xây dựng hệ điều khiển có tính linh động cao Chúng hoạt động tốt điều kiện có nhiều nhiễu tình chưa học trước Nhờ có logic mờ mà người xây dựng hệ chuyên gia có khả suy luận chuyên gia hàng đầu có khả tự hoàn thiện thông qua việc thu nhận tri thức Trong nội dung đề tài thực tập em tập trung nghiên cứu lý thuyết mờ, hệ điều khiển mờ, từ đưa vào áp dụng vào toán “Chiếc Quạt điện” Em xin cám ơn thầy Trần Hùng Cường giúp đỡ em nhiều để hoàn thành thực tập Trong trình làm có thiếu sót, em mong có thông cảm góp ý từ thầy Em xin chân thành cảm ơn! Phần I Cơ sở lý thuyết mờ 1.1 Lịch sử phát triển lý thuyết mờ Từ năm đầu thập kỷ 90 nay, hệ điều khiển mạng no-ron đặc biệt quan tâm nghiêm cứu ứng dụng vào sản xuất nhà khoa học, sinh viên, kỹ sư lĩnh vực khoa học kỹ thuật Tập mờ logic mờ dựa suy luận người thông tin không xác không đầy đủ hệ thống để điều khiển hệ thống cách xác Ngành kỹ thuật mẻ có nhiệm vụ chuyển giao nguyên tắc xử lý thông tin, điều khiển hệ sinh học sang hệ kỹ thuật Khác hẳn với điều khiển kinh điển hoàn toàn dựa vào xác tuyệt đối thông tin Điều khiển mờ băt trước cách sử lý thông tin điều khiển người đối tượng, mà điều khiển mờ giải thành công vấn đề phức tạp mà trước chưa giải Lịch sử điều khiển mờ năm 1965 giáo sư LoftiAzadeh trường đại học Canifonia Mỹ đưa khái niệm lý thuyết mờ, từ trở nghiên cứu lý thuyết ứng dụng tập mờ phát triển cách mạnh mẽ Vào năm 1970 mô hình điều khiển máy nước Mamdani xây dựng 1.2 Định nghĩa tập mờ Một tập hợp không gian đó, theo khái niệm cổ điển chia không gian thành phần rõ ràng Một phần tử không gian thuộc không thuộc vào tập cho Tập hợp gọi tập rõ Lý thuyết tập hợp cổ điển tảng cho nhiều ngành khoa học, chứng tỏ vai trò quan trọng Nhưng yêu cầu phát sinh khoa học sống cho thấy lý thuyết tập hợp cổ điển cần phải mở rộng Ta xét tập hợp người trẻ Ta thấy người 26 tuổi rõ ràng trẻ người 60 tuổi rõ ràng không trẻ Nhưng người có tuổi từ 26 đến 60 có thuộc tập hợp người trẻ hay không? Nếu áp dụng khái niệm tập hợp cổ điển ta phải định ranh giới rõ ràng mang tính chất áp đặt chẳng hạn 45 để xác định tập hợp người trẻ Và thực tế có ranh giới mờ để ngăn cách người trẻ người không trẻ người trung niên Như vậy, người trung niên người có “độ trẻ” Nếu coi “độ trẻ” người 26 tuổi hoàn toàn tức có giá trị coi “độ trẻ” người 60 tuổi hoàn toàn sai tức có giá trị 0, “độ trẻ” người trung niên có giá trị p thoả < p < Như nhu cầu mở rộng khái niệm tập hợp lý thuyết tập hợp hoàn toàn tự nhiên Các công trình nghiên cứu lý thuyết tập mờ logic mờ L.Zadeh công bố năm 1965, sau liên tục phát triển mạnh mẽ Định nghĩa: Cho không gian U, tập A A xác định hàm µA ⊂ U gọi tập mờ :X->[0,1] µA gọi hàm thuộc, hàm liên thuộc hay hàm thành viên (membership function) ∈ Với x X µA (x) gọi mức độ thuộc x vào A Như ta coi tập rõ trường hợp đặc biệt tập mờ, hàm thuộc nhận giá trị Ký hiệu tập mờ, ta có dạng ký hiệu sau: Liệt kê phần tử: giả sử U={a,b,c,d} ta xác định tập mờ A= 0.1 0.3 0.2 + + + a b c d A= { ( x, µ A ( x ) ) | x ∈ U } µ A ( x) x x∈U ∑ A= ∫µ A= U A trường hợp U không gian rời rạc ( x) / x trường hợp U không gian liên tục ∑ ∫ Lưu ý ký hiệu phép tính tổng hay tích phân, mà ký hiệu biểu thị tập hợp mờ Ví dụ Tập mờ A tập “số gần 2” xác định hàm thuộc µ A = e−( x − 2) +∞ {( x,−( x − 2) ) | x ∈U } ∫ − ( x − 2) ta ký hiệu: A = 1.3 Các dạng hàm mờ tiêu biểu(hàm thuộc) A = /x −∞ µA Theo lý thuyết hàm thuộc hàm thoả :X>[0,1] Nhưng thực tế có dạng hàm thuộc sau quan trọng có tính ứng dụng cao 1.3.1 Nhóm hàm đơn điệu Nhóm gồm đơn điệu tăng đơn điệu giảm Ví dụ tập hợp người già có hàm thuộc đơn điệu tăng theo tuổi tập hợp người trẻ có hàm thuộc đơn điệu giảm theo tuổi Ta xét thêm ví dụ minh hoạ sau: Cho tập vũ trụ E = Tốc độ = { 20,50,80 ,100,120 } đơn vị km/h Xét tập mờ F=Tốc độ nhanh xác định hàm thuộc µ nhanh đồ thị Như tốc độ 20km/h coi không nhanh Tốc độ cao độ thuộc vào tập F cao Khi tốc độ 100km/h trở lên độ thuộc 1 0.85 0.5 µ nhanh E 20 50 80 100 120 1.3.2 Nhóm hàm hình chuông Nhóm hàm có đồ thị dạng hình chuông, bao gồm dạng hàm tam giác, hàm hình thang, gauss Xét ví dụ với tập vũ trụ E trên, xét tập mờ F=Tốc độ trung bình xác định hàm thuộc x ≤ 20 ∨ x ≥ 100 µ trungbình = ( x − 20) / 30 20 ≤ x ≤ 50 (100 − x) / 50 50 ≤ x ≤ 100 µ trungbình 0.4 E 20 50 80 100 120 1.4 Các thuật ngữ tiêu biểu Giả sử A tập mờ vũ trụ U, có hàm thuộc niệm sau: µA ta có khái Giá đỡ A, ký hiệu supp(A) tập rõ bao gồm tất phần µA ∈ tử x U cho (x) > ∈ Nhân A tập rõ bao gồm tất phần tử x U cho µA (x) = Biên A tập rõ bao gồm tất phần tử x µA ∈ U cho < (x) < Độ cao A, ký hiệu height(A) cận µA sup µ A ( x) (x) x∈U height(A)= Tập mờ A gọi tập mờ chuẩn tắc (normal fuzzy set) height(A)=1 Tức tập mờ chuẩn tắc có nhân khác rỗng 1.5 Các phép toán tập mờ 1.5.1 Các phép toán Giả sử A B tập mờ vũ trụ U ta có định nghĩa sau: Quan hệ bao hàm A gọi B ∀ ∈ x U, ⊆ µA (x) = µB (x) A gọi tập B, ký hiệu A B µA (x) ≤ µB ∀ ∈ x U, (x) Phần bù Phần bù mờ tập mờ A tập mờ định bởi: µA (x) = - µA (x) A với hàm thuộc xác (1) Hợp Hợp tập mờ A tập mờ B tập mờ A xác định bởi: µ A∪ B (x) = max( µA µB (x), (2) Giao tập mờ A tập mờ B tập mờ A xác định bởi: (x) = min( µA (x), µB B với hàm thuộc (x)) Giao µ A∩ B ∪ ∩ B với hàm thuộc (x)) (3) Tích đề A1 A2 Giả sử , , …, An tập mờ vũ trụ tương ứng Tích đề-các A1 A2 , × An … không gian tích xác định bởi: µ A x1 x ( , , …, xn x1 ∈ U x ∈ U , ) = min( , …, µ A1 x1 , …, An U1 × U × ( ), µ A2 x ( , tập mờ … ), …, xn ∈ U n U1 U × Un A = , …, Un A1 × A2 × với hàm thuộc µ An xn ( )) (4) Phép chiếu Giả sử A µ A1 A tập mờ không gian tích U1 (x) = tập mờ max µ y∈U A A1 U1 × U Hình chiếu với hàm thuộc xác định bởi: (x, y) (5) Định nghĩa mở rộng cho trường hợp không gian tích n chiều Mở rộng hình trụ Giả sử A1 tập mờ vũ trụ không gian tích định bởi: µA (x, y) = µ A1 U1 × U U1 Mở rộng hình trụ tập mờ A A1 với hàm thuộc xác (x) (6) 1.5.2 Một số phép toán mở rộng Ngoài phép toán chuẩn: phần bù, hợp, giao đề cập có nhiều cách mở rộng phép toán tập mờ khác có tính tổng quát hóa cao Phần bù mờ Giả sử xét hàm C:[0,1] -> [0,1] cho công thức C(a) = – a, ∈ [0,1] Khi hàm thuộc phần bù chuẩn trở thành µA ∀ a (x) = C( µA (x)) Nếu tổng quát hoá tính chất hàm C ta có tổng quát hoá định nghĩa phần bù mờ Từ ta có định nghĩa: Phần bù mờ tập mờ A tập mờ định kiện sau: i µA (x) = C( µA A với hàm thuộc xác (x)), C hàm số thoả điều Tiên đề C1 (điều kiện biên): C(0) = 1, C(1) = ii ∈ ∀ Tiên đề C2 (đơn điệu giảm): a, b [0,1] Nếu a < b C(a) C(b) Hàm C thoả điều kiện gọi hàm phần bù ≥ Ta thấy hàm thuộc phần bù chuẩn hàm đặc biệt họ hàm phần bù Ví dụ: Hàm phần bù Sugeno C(a) = 1− a + λa λ tham số thoả -1 Hàm bù chuẩn trường hợp đặc biệt hàm Sugeno λ λ > = w w (1 − a ) Hàm phần bù Yager C(a) = w tham số thoả w > Hàm bù chuẩn trường hợp đặc biệt hàm Yager w = Hợp mờ – phép toán S-norm Phép toán max công thức hàm hợp mờ chuẩn tổng quát hoá thành hàm S-norm: Một hàm số S: [0,1]x[0,1] -> [0,1] gọi S-norm thoả điều kiện sau: i Tiên đề S1 (điều kiện biên): S(0,a) = a, ∀ ∈ ii a [0,1] ∈ Tiên đề S2 (giao hoán): S(a,b) = S(b,a), a,b [0,1] iii Tiên đề S3 (kết hợp): S(S(a,b),c) = S(a,S(b,c)), iv Tiên đề S4 (đơn điệu tăng): Nếu a b c d S(a,c) S(b,d), ∈ a,b,c,d [0,1] S-norm gọi co-norm T-đối chuẩn ≤ 10 ∀ ≤ ∀ ∈ a,b,c [0,1] ≤ ∀ nhận vector n chiều đầu vào cho vector m chiều đầu Hệ mờ gọi hệ mờ nhiều đầu vào – nhiều đầu (MIMO) Nếu m 1, ta có hệ hệ mờ nhiều đầu vào – đầu (MISO) Một hệ mờ nhiều đầu vào – nhiều đầu phân tích thành nhiều hệ nhiều đầu vào – đầu Do ta cần tìm hiểu kỹ hệ mờ nhiều đầu vào – đầu với biến số Khi nói hệ mờ nhiều - ta ngầm hiểu hệ mờ nhiều đầu vào – đầu với biến số n U = ∏U i ⊂ R n ,V ⊂ R i =1 Ui Ký hiệu , miền xác định biến vào i, i=1 n V miền giá trị biến y, ta có mô hình hệ mờ nhiều đầu vào – đầu hình vẽ x ∈U1 Hệ mờ nhiều đầu vào – đầu y ∈V x ∈U … x ∈U n Các mục mô tả kỹ phận chức hệ mờ 2.2 Nguyên lý điều khiển mờ Về nguyên tắc hệ thống điều khiển mờ tự động khác với hệ thống điều khiển tự động khác Sự khác biệt điều khiển mờ làm việc có tư não dạng trí tuệ nhân tạo Nếu khẳng định làm việc với điều khiển mở giải vấn đề từ trước đến chưa giải theo phương 24 pháp kinh điển không hoàn toàn xác, hoạt động điều khiển phụ thuộc vào kinh nghiệm rút kết luận theo tư người, sau cài vào máy tính sở logic mờ Hệ thống điều khiển mờ đối tượng coi hệ thống neron thần kinh, hay hệ thống điều khiển thiết kế mà không cần biết trước mô hình đối tượng 2.3 Các bước xây dựng Bước 1: Định nghĩa biến vào Bước 2: Xác định tập mờ Bước định nghĩa biến ngôn ngữ vào bao gồm số tập mờ dạng hàm liên thuộc chúng Về nguyên tắc số lượng giá trị ngôn ngữ cho biến ngôn ngữ nên nằm khoảng từ đến 10 giá trị Nếu số lượng có ý nghĩa, không thực việc lấy vi phân Nếu lớn 10 người có khả bao quát, người cần phải nghiên cứu đầy đủ để đồng thời phân biệt đến phương án khác có khả lưu giữ thời gian ngắn Xác định hàm liên thuộc: điểm quan trọng trình làm việc điều khiển mờ phụ thuộc vào dạng kiểu hàm liên thuộc Các hàm liên thuộc chọn từ dạng hàm biết trước mô hình hóa nhận điều khiển mờ làm việc mong muốn Cần chọn hàm liên thuộc có phần chồng lên phủ kín miền giá trị vật lý để trình điều khiển 25 không xuất lỗ hổng Trong trường hợp với giá trị vật lý x biến đầu vào mà tập mờ B đầu có độ cao không Và điều khiển mờ đưa định Cũng với biến ra, hàm liên thuộc dạng hình thang có đọ xếp chồng lên nhỏ, nhìn chung không phù hợp với điều khiển mờ tạo vùng chết Trong vài trường hợp chọn hàm hình thang hoàn toàn hợp lý, trường hợp mà thay đổi miền giá trị tín hiệu vào không kéo theo thay đổi bắt buộc tương ứng cho miền giá trị tín hiệu Nói chung hàm liên thuộc chọn cho miền tin cậy có phần tử, hay tồn điểm vật lý có độ phụ thuộc độ cao tập mờ Rời rạc hóa tập mờ: độ phân giải giá trị phụ thuộc chọn cho nhóm điều khiển mờ loại dấu phẩy động nguyên ngắn Những khả để tổng hợp khác Các hệ thống FuzzyTech hãng inform cho phép biến ngôn ngữ có độ phân giải khác hệ thống phát triển hãng Togai xác định trước số lượng giá trị phụ thuộc tập mờ đối vời độ phân giải giá trị chọn loại dấu phẩy động loại giá trị không dấu có độ dài byte Phương pháp rời rạc hóa yếu tố định độ xác tốc độ điều khiển mờ Bước 3: Xây dựng luật điều khiển Trong việc xây dựng luật điều khiển cần ý vùng lân cận điểm không, không tạo lỗ hổng gặp lỗ hổng xung quanh điểm làm việc điều khiển làm việc theo trình tự định Để tiện lợi bao quát luật biểu diễn dạng ma trận Ngoài cần phải để ý rằng, phần lớn điều khiển, tín hiệu không tất tín hiệu vào không Để phát triển thêm ta chọn hệ số an toàn cho luật điều khiển, tức thiết lập luật hợp thành chung Bước 4: Chọn thiết bị hợp thành Sử dụng luật Max-Min, Max-Prod 26 Sử dụng luật Sum-Min, Sum-Prod Bước 5: Chọn nguyên lý giải mờ Phương pháp giải mờ chọn gây ảnh hưởng đến độ phức tạp trạng thái làm việc toàn hệ thống Thường thiết kế hệ thống điều khiển mờ, giải mờ phương pháp điểm trọng tâm có nhiều ưu điểm cả, kết có tham gia tất kết luận luật điều khiển Bước 6: Tối ưu hóa Sau điều khiển mờ tổng hợp, gép nối với đối tượng điều khiển thực với đối tượng mô để thử nghiệm Trong trình thử nghiệm cần đặc biệt kiểm tra xem có tồn lỗ hổng trình làm việc hay không Tức phải xác định xem tập luật điều khiển xây dựng có đầy đủ hay không để khắc phục Một nguyên nhân xảy điều khiển làm việc không ổn định, nằm xa điểm làm việc Trong trường hợp trước hết nên xem lại luật điều khiển sở Sau đảm bảo luật điều khiển làm việc ổn định lỗ hổng, bước tối ưu trạng thái làm việc theo tiêu khác Chỉnh định điều khiển thực Ở tiêu chí chủ yếu thực thông qua việc hiệu chỉnh hàm liên thuộc thiết lập thêm nguyên tắc điều khiển bổ xung sửa đổi lại nguyên tắc điều khiển có Việc tinh chỉnh có nhiều hiệu thực hệ kín Khi xử lý kết tinh chỉnh cần đặc biệt để ý hệ thống không phụ thuộc vào thời gian hệ thống có số trễ thời gian lớn Những tính chất hệ làm cho biến đổi thường khó khăn nhận biết Trong trường hợp tốt nên thực bước ghi lại biên cho trường hợp 2.4 Một số điều khiển mờ 27 2.4.1 Bộ điều khiển mờ tĩnh Là điều khiển có quan hệ vào x đầu vào y đầu Theo dạng phương trình đại số Các điều khiển tĩnh điển hình khuếch đại P Thiết kế điều khiển mờ thực chuyển kinh nghiệm hiểu biết hệ thống thành luật điều khiển Trong trường hợp việc chuyển đổi không thực ngay, việc thiết kế tiến hành theo phương pháp học Neuron-Fuzzy-Logic mạng Neuron, phương pháp phương trình tự học đòi hỏi điều khiển biết trước tự tìm xây dựng mô hình nghịch đảo đối tượng Bởi không lên trông đợi nhiều vào phương pháp nhận dạng hệ phi tuyến khó khăn Mô hình điều khiển tĩnh dùng điều khiển mờ tỷ lệ cho điều khiển nhiệt độ 2.4.2 Bộ điều khiển mờ động 28 Bộ điều khiển mờ động điều khiển kết hợp kinh điển hệ mờ Mô hình điều khiển mờ động sử dụng phối hợp khâu PID: Sự biến đổi sai lệch đầu vào ET theo thời gian xác định đạo hàm sai lệch Đạo hàm DET lấy từ đầu khâu D kinh điển giúp cho điều khiển phản ứng kịp thời với biến động đột xuất đối tượng Với luật điều khiển tích phân hệ thống có khả đạt sai lệch tĩnh không, hay nói cách khác hệ thống có độ xác cao Đầu thiết bị hợp thành ghép nối với khâu tích phân Trước đầu vào DET1, DET2 khâu vi phân D1, D2 Các đầu vào ET1, ET2 hệ mờ thu thập tín hiệu sai lệch tức thời tín hiệu chủ đạo x1, x2 tín hiệu y1, y2 hệ thống Còn đầu vào DET1, DET2 cung cấp thông tin đạo hàm sai lệch tín hiệu chủ đạo tín hiệu Đầu điều khiển mờ tín hiệu điều khiển u1, u2 mà đạo hàm tín hiệu Chỉ sau qua khâu tích phân I1, I2 lúc tín hiệu điều khiển u1, u2 cho đối tượng 29 Phần III Ứng dụng điều khiển mờ vào toán điều khiển Chiếc Quạt Điện 3.1 Đặt vấn đề Trong ngày hè thường để quạt chế độ lớn đêm xuống nhiệt độ phòng hạ dần việc quạt chạy chế độ lớn bất cập Vậy để điều khiển việc quạt chạy với công suất lớn, vừa hay nhỏ tùy theo nhiệt độ môi trường Xuất phát từ thực tế em nghiên cứu áp dụng logic mờ đề điều khiển tốc độ quay cánh quạt theo nhiệt độ phòng 3.2 Mô tả Để điều khiển tự động quạt điện kỹ thuật logic mờ Ta dùng cảm biến nhiệt độ để đo nhiệt độ phòng từ dùng kỹ thuật logic mờ điều khiển tự động tốc độ quạt điện Mô hình: Input T Bộ điều khiển mờ 30 Output S 3.3 Thiết kế điều khiển mờ 3.3.1 Tập mờ Input: nhiệt độ phòng(cảm biến nhiệt) Output: tốc độ quạt 3.3.2 Xác định biến ngôn ngữ mờ Nhiệt độ T.Cool T.Hot T.veryHot Tốc độ quạt S.off S.height S.veryheight Đặt x – nhiệt độ, y – tốc độ quạt 0[...]... này em đã nghiên cứu và áp dụng logic mờ đề điều khiển tốc độ quay của cánh quạt theo nhiệt độ phòng 3.2 Mô tả Để điều khiển tự động quạt điện bằng kỹ thuật logic mờ Ta dùng một cảm biến nhiệt độ để đo nhiệt độ phòng và từ đó dùng kỹ thuật logic mờ điều khiển tự động tốc độ của quạt điện Mô hình: Input T Bộ điều khiển mờ 30 Output S 3.3 Thiết kế bộ điều khiển mờ 3.3.1 Tập mờ Input: nhiệt độ phòng(cảm... hiệu điều khiển u1, u2 cho đối tượng 29 Phần III Ứng dụng điều khiển mờ vào bài toán điều khiển Chiếc Quạt Điện 3.1 Đặt vấn đề Trong những ngày hè chúng ta thường để quạt ở chế độ rất lớn nhưng khi đêm xuống nhiệt độ phòng hạ dần việc quạt chạy ở chế độ lớn là rất bất cập Vậy làm sao để có thể điều khiển việc quạt chạy với công suất lớn, vừa hay nhỏ tùy theo nhiệt độ của môi trường Xuất phát từ thực. .. bộ điều khiển đã biết trước hoặc là nó sẽ tự đi tìm và xây dựng mô hình nghịch đảo của đối tượng Bởi vậy cũng không lên trông đợi nhiều vào những phương pháp này vì nhận dạng hệ phi tuyến rất khó khăn Mô hình điều khiển tĩnh dùng bộ điều khiển mờ tỷ lệ cho điều khiển nhiệt độ 2.4.2 Bộ điều khiển mờ động 28 Bộ điều khiển mờ động là những bộ điều khiển kết hợp giữa bộ kinh điển và hệ mờ Mô hình điều khiển. .. khiển mờ 2.1 Bộ điều khiển mờ cơ bản 22 Một hệ mờ tiêu biểu có kiến trúc như hình vẽ: Cơ sở luật mờ Tham khảo luật mờ Đầu vào (số) Đầu vào (tập mờ) Bộ mờ hoá Đầu ra (tập mờ) Bộ suy diễn mờ Đầu ra (số) Bộ giải mờ Thành phần trung tâm của hệ mờ là cơ sở luật mờ (fuzzy rule base) Cơ sở luật mờ bao gồm các luật mờ if-then biểu diễn tri thức của chuyên gia trong lĩnh vực nào đó Trong trường hợp một hệ điều khiển. .. điều khiển mờ cụ thể thì cơ sở luật mờ chính là tri thức và kinh nghiệm của các chuyên gia trong việc điều khiển khi chưa áp dụng hệ mờ Thành phần quan trọng kế tiếp là bộ suy diễn mờ (fuzzy inference engine) Nhiệm vụ của bộ phận này là kết hợp các luật trong cơ sởluật mờ, áp dụng vào tập mờ đầu vào theo các phương pháp suy diễn mờ để xác định tập mờ đầu ra Dữ liệu đầu vào của hệ điều khiển mờ là các... Các mục kế tiếp sẽ mô tả kỹ hơn về các bộ phận chức năng của hệ mờ 2.2 Nguyên lý bộ điều khiển mờ Về nguyên tắc hệ thống điều khiển mờ tự động cũng không có gì khác với các hệ thống điều khiển tự động 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 mở có thể giải quyết được mọi vấn đề từ trước đến nay chưa... điều khiển mờ tĩnh Là những bộ điều khiển có quan hệ vào ra trong đó x là đầu vào và y là đầu ra Theo dạng một phương trình đại số Các bộ điều khiển tĩnh điển hình là những bộ khuếch đại P Thiết kế một bộ điều khiển mờ chỉ có thể thực hiện được nếu như chuyển được những kinh nghiệm và hiểu biết về hệ thống thành các luật điều khiển Trong trường hợp việc chuyển đổi đó không thực hiện được ngay, việc thiết... động của bộ điều khiển phụ thuộc vào kinh nghiệm rút ra kết luận theo tư duy con người, sau đó được cài vào máy tính trên cơ sở logic mờ Hệ thống điều khiển mờ đối tượng đó cũng coi như một hệ thống neron thần kinh, hay đúng hơn là một hệ thống điều khiển được thiết kế mà không cần biết trước mô hình đối tượng 2.3 Các bước xây dựng Bước 1: Định nghĩa các biến vào ra Bước 2: Xác định tập mờ Bước tiếp... xem lại các luật điều khiển cơ sở Sau khi đảm bảo các luật điều khiển làm việc ổn định và không có lỗ hổng, bước tiếp theo là tối ưu trạng thái làm việc của nó theo các chỉ tiêu khác nhau Chỉnh định bộ điều khiển thực Ở các tiêu chí này chủ yếu được thực hiện thông qua việc hiệu chỉnh hàm liên thuộc và thiết lập thêm các nguyên tắc điều khiển bổ xung hoặc sửa đổi lại các nguyên tắc điều khiển đã có Việc... hệ mờ làm việc với các biến số Trường hợp tổng quát, hệ mờ 23 nhận một vector n chiều ở đầu vào và cho ra một vector m chiều ở đầu ra Hệ mờ như thế được gọi là hệ mờ nhiều đầu vào – nhiều đầu ra (MIMO) Nếu m bằng 1, ta có hệ hệ mờ nhiều đầu vào – một đầu ra (MISO) Một hệ mờ nhiều đầu vào – nhiều đầu ra có thể phân tích thành nhiều hệ nhiều đầu vào – một đầu ra Do đó ta chỉ cần tìm hiểu kỹ về hệ mờ