1. Trang chủ
  2. » Luận Văn - Báo Cáo

ĐỒ ÁN MÔN ĐIỀU KHIỂN MỜ-ĐẠI HỌC CÔNG NGHIỆP HÀ NỘI

40 674 1

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 40
Dung lượng 387,45 KB

Nội dung

Từ năm 1965 đã ra đời một lý thuyết mới đó là lý thuyết tập mờ (Fuzzy set theory) do giáo sư Lofti A. Zadeh ở trường đại học Califonia - Mỹ đưa ra. Từ khi lý thuyết đó ra đời nó được phát triển mạnh mẽ qua các công trình khoa học của các nhà khoa học như: năm 1972 GS Terano và Asai thiết lập ra cơ sở nghiên cứu hệ thống điều khiển mờ ở Nhật, năm 1980 hãng Smith Co. bắt đầu nghiên cứu điều khiển mờ cho lò hơi... Những năm đầu thập kỷ 90 cho đến nay hệ thống điều khiển mờ và mạng nơron (Fuzzy system and neural network) được các nhà khoa học, các kỹ sư và sinh viên trong mọi lĩnh vực khoa học kỹ thuật đặc biệt quan tâm và ứng dụng trong sản xuất và đời sống. Tập mờ và lôgic mờ đã dựa trên các thông tin "không đầy đủ, về đối tượng để điều khiển đầy đủ về đối tượng một cách chính xác. Các công ty của Nhật bắt đầu dùng lôgic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn tính toán theo giải thuật 1ôgic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về lôgic mờ. Một trong những ứng dụng dùng lôgic 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.

Trang 1

PHẦN I LÝ THUYẾT CHUNG

1 Tổng quan về logic mờ và điều khiển mờ.

1.1 Quá trình phát triển của logic mờ và điều khiển mờ

Từ năm 1965 đã ra đời một lý thuyết mới đó là lý thuyết tập mờ (Fuzzy settheory) do giáo sư Lofti A Zadeh ở trường đại học Califonia - Mỹ đưa ra Từ khi

lý thuyết đó ra đời nó được phát triển mạnh mẽ qua các công trình khoa học củacác nhà khoa học như: năm 1972 GS Terano và Asai thiết lập ra cơ sở nghiên cứu

hệ thống điều khiển mờ ở Nhật, năm 1980 hãng Smith Co bắt đầu nghiên cứu điềukhiển mờ cho lò hơi Những năm đầu thập kỷ 90 cho đến nay hệ thống điều khiển

mờ và mạng nơron (Fuzzy system and neural network) được các nhà khoa học, các

kỹ sư và sinh viên trong mọi lĩnh vực khoa học kỹ thuật đặc biệt quan tâm và ứngdụng trong sản xuất và đời sống Tập mờ và lôgic mờ đã dựa trên các thông tin

"không đầy đủ, về đối tượng để điều khiển đầy đủ về đối tượng một cách chínhxác Các công ty của Nhật bắt đầu dùng lôgic mờ vào kỹ thuật điều khiển từ năm

1980 Nhưng do các phần cứng chuẩn tính toán theo giải thuật 1ôgic mờ rất kémnên hầu hết các ứng dụng đều dùng các phần cứng chuyên về lôgic mờ Một trongnhững ứng dụng dùng lôgic mờ đầu tiên tại đây là nhà máy xử lý nước của FujiElectric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987

1.2 Cơ sở toán học của logic mờ

Lôgic mờ và xác xuất thông kê đều nói về sự không chắn chắn Tuy nhiên mỗilĩnh vực định nghĩa một khái niệm khác nhau về đối tượng Trong xác suất thống

kê sự không chắc chắn liên quan đến sự xuất hiện của một sự kiện chắc chắn" nào

đó Ví dụ: Xác suất viên đạn trúng đích là 0, bản thân của sự kiện "trúng đích" đãđược định nghĩa rõ ràng, sự không 2 chắc chắn ở đây là có trúng đích hay không vàđược định lượng bởi mức độ xác suất (trong trường hợp này là 0,8) Loại phát biểunày có thể được xử lý và kết hợp với các phát biểu khác bằng phương pháp thống

kê, như là xác suất có điều kiện chẳng hạn Sự không chắc chắn trong ngữ nghĩa,liên quan đến ngôn ngữ của con người, đó là sự không chính xác trong các từ ngữ

mà con người dùng để ước lượng vấn đề và rút ra kết luận Ví dụ như các từ mô tảnhiệt độ "nóng", "lạnh", "ấm"sẽ không có một giá trị chính xác nào để gán cho các

từ này, các khái niệm này cũng khác nhau đối với những người khác nhau (là lạnhđối với người này nhưng không lạnh đối với người khác) Mặc dù các khái niệmkhông được định nghĩa chính xác nhưng con người vẫn có thể sử dụng chúng chocác ước lượng và quyết định phức tạp Bằng sự trừu tượng và óc suy nghĩ, conngười có thể giải quyết câu nói mang ngữ cảnh phức tạp mà rất khó có thể mô hìnhbởi toán học chính xác Sự không chắc chắn theo ngữ vựng: như đã nói trên, mặc

dù dùng những phát biểu không mang tính định lượng nhưng con người vẫn có thể

Trang 2

thành công trong các ước lượng phức tạp Trong nhiều trường hợp, con người dùng

sự không chắc chắn này để tăng thêm độ linh hoạt Như trong hầu hết xã hội, hệthống luật pháp bao gồm một số luật, mỗi luật mô tả một tình huống Ví dụ mộtluật quy định tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ trách nhiệm

Và trong một phiên tòa, chánh án phải quyết định số ngày phạt tù của tên trộm dựatrên mức độ rượu trong người, trước đây có tiền án hay tiền sự không, từ đó kếthợp lại đưa ra một quyết định công bằng

1.3 Lôgic mờ là lôgic của con người

Trong thực tế, ta không định nghĩa một luật cho một trường hợp mà định nghĩamột số luật cho các trường hợp nhất định Khi đó những luật này là những điểm rờirạc của một tập các trường hợp liên tục và con người xấp xỉ chúng Gặp một tìnhhuống cụ thể, con người sẽ kết hợp những luật mô tả các tình huống tương tự Sựxấp xỉ này dựa trên sự linh hoạt của các từ ngữ cấu tạo nên luật, cũng như sự trừutượng và sự suy nghĩ dựa trên sự linh hoạt trong lôgic của con người Để thực thilôgic của con người trong kỹ thuật cần phải có một mô hình toán học của nó Từ đólôgic mờ ra đời như một mô hình toán học cho phép 3 mô tả các quá trình quyếtđịnh và ước lượng của con người theo dạng giải thuật Dĩ nhiên cũng có giới hạn,

đó là lôgic mờ không thể bắt trước trí tưởng tượng và khả năng sáng tạo của conngười Tuy nhiên, lôgic mờ cho phép ta rút ra kết luận khi gặp những tình huốngkhông có mô tả trong luật nhưng có sư tương đương Vì vậy, nếu ta mô tả nhữngmong muốn của mình đối với hệ thống trong những trường hợp cụ thể vào luật thìlôgic mờ sẽ tạo ra giải pháp dựa trên tất cả những mong muốn đó

2 Các phép toán cơ bản trên tập mờ

 Tính trực tiếp nếu µA(x) ở dạng công thức tường minh

 Tra bảng nếu µA(x) ở dạng bảng

-Kí hiệu:

A = { (µA(x)/x) : x  X }

Các hàm thuộc (x)  A có dạng “trơn” được gọi là hàm thuộc kiểu S Đối với hàmthuộc kiểu S, do các công thức biểu diễn µA(x) có độ phức tạp lớn nên thời gian

Trang 3

tính độ phụ thuộc cho một phần tử lớn Trong kỹ thuật điều khiển mờ thôngthường, các hàm thuộc kiểu S thường được thay gần đúng bằng một hàm tuyếntính từng đoạn.

Một hàm thuộc có dạng tuyến tính từng đoạn được gọi là hàm thuộc có mứcchuyển đổi tuyến tính

Hình 2.1 Hàm thuộc (x)  A có mức chuyển đổi tuyến tính

Hàm thuộc như trên với m1 = m2 và m3 = m4 chính là hàm thuộc của một tập vũtrụ

Ví dụ 2.1: Một tập mờ B của các số tự nhiên nhỏ hơn 5 với hàm thuộc (x)  B códạng như Hình 2.2 định nghĩa trên tập vũ trụ X sẽ chứa các phần tử sau:

B = {(1,1),(2,1),(3,0.95),(4,0.7)}

Hình 2.2 Hàm thuộc của tập B

Trang 4

Các số tự nhiên 1, 2, 3 và 4 có độ phụ thuộc như sau: µB(1) = µB(2) = 1, µB(3) =0.95, µB(4) = 0.7 Những số không được liệt kê đều có độ phụ thuộc bằng 0.

Những số không được liệt kê đều có độ phụ thuộc bằng 0 Ví dụ 2.2: Xét X là tậpcác giá trị trong thang điểm 10 đánh giá kết quả học tập của học sinh về môn Toán,

X = {1, 2, …, 10} Khi đó khái niệm mờ về năng lực học môn toán giỏi có thểđược biểu thị bằng tập mờ A sau:

A = 0.1/4 + 0.2/5 + 0.4/6 + 0.7/7 + 0.9/8 + 1.0/9 +1.0/10Trong trường hợp tập mờ rời rạc ta có thể biểu diễn tập mờ ở dạng bảng Chẳnghạn, đối với tập mờ A ở trên ta có bảng như sau:

2.2.Một số khái niệm cơ bản của tập mờ

Miền xác định: Biên giới tập mờ A, ký hiệu là supp(A), là tập rõ gồm các phần

tử của X có mức độ phụ thuộc của x vào tập mờ A lớn hơn 0

supp(A) = { x | µA(x) > 0 }Miền tin cậy: Lõi tập mờ A, ký hiệu là core(A), là tập rõ gồm các phần tử của X

có mức độ phụ thuộc của x vào tập mờ A bằng 1

core(A) = { x | µA(x) = 1}

Trang 5

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

Độ cao tập mờ: Độ cao tập mờ A, ký hiệu: h(A), là mức độ phụ thuộc cao nhất của

x vào tập mờ A

h(A) = sup xX µA(x)Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập mờchính tắc, tức là h(A) = 1, ngược lại một tập mờ A với h(A) < 1 được gọi là tập mờkhông chính tắc

2.3.Biểu diễn tập mờ

Tập mờ A trên tập vũ trụ X là tập mà các phần tử x  X với mức độ phụ thuộc của

x vào tập mờ A tương ứng Có ba phương pháp biểu diễn tập mờ: phương pháp kýhiệu, phương pháp tích phân và phương pháp đồ thị

- Phương pháp ký hiệu: Liệt kê các phần tử và các thành viên tương ứng theo kýhiệu

Cho X = {x1, x2, …,xn} là tập hữu hạn:

- Phương pháp tích phân: với X là tập vô hạn ta thường dùng ký hiệu sau:

Trang 6

-Lưu ý rằng các biểu thức trên chỉ có tính hình thức, các phép cộng +, phép tổng 

và phép lấy tích phân đều không có nghĩa theo quy ước thông thường Tuy nhiêncách biểu diễn như vậy sẽ rất tiện dụng khi định nghĩa và thao tác các phép tínhtrên các tập mờ sau này

Trang 7

b) Hàm thuộc của tập mờ A Một cách tổng quát để tìm ´A(x) từ A(x) ta dùng hàm bù c :0,10,1 như sau:

´A(x) = c(A(x))2.4.2 Hợp của các tập mờ

Cho tập mờ A, B trên tập vũ trụ X, tập mờ hợp của A và B là một tập mờ, ký hiệu

Cho A, B là hai tập mờ trên tập vũ trụ X, tập mờ giao của A và B cũng là một tập

mờ, ký hiệu: I  A B

Theo phép giao chuẩn ta có I(x) từ các hàm thành viên A(x), B(x):

I(x) = A(x), B(x) minA(x), B(x), x X

Trang 8

Hình 2.7 Giao hai tập mờ có cùng tập vũ trụMột cách tổng quát ta dùng hàm giao i :0,10,1 0,1.Hàm thành viên I(x cóthể được suy từ hàm thành viên A(x), B(x) như sau:

I(x) = i(A(x), B(x))

Cho Ai là các tập mờ trên tập vũ trụ Xi , i = 1, 2, …, n Tích Descartes của các tập

mờ Ai , ký hiệu là A1  A2  … An hay ❑i=1 n A i, là một tập mờ trên tập vũ trụ X1

 X2 … Xn được định nghĩa như sau:

về các thuộc tính khác nhau của một đối tượng Ví dụ trong các hệ luật của các hệtrợ giúp quyết định hay hệ chuyên gia, hệ luật trong điều khiển thường có các luậtdạng sau đây:

Nếu x1 là A1 và x2 là A2 và … và xn là An thì y là B

Trong đó, các xi là các biến ngôn ngữ (vì giá trị của nó là các ngôn ngữ được xemnhư là nhãn của các tập mờ) và Ai là các tập mờ trên tập vũ trụ Xi của biến xi Hầu hết các phương pháp giải liên quan đến các luật “nếu-thì” trên đều đòi hỏi việc

Trang 9

tích hợp các dữ liệu trong phần tiền tố “nếu” nhờ toán tử kết nhập, một trongnhững toán tử như vậy là lấy tích Descartes A1  A2  … An

2.4.5 Tính chất của các phép toán trên tập mờ

Như các phép toán trên tập rõ, các phép toán trên tập mờ cũng có một số tính chấtsau đối với các tập mờ A, B, C trên tập vũ trụ X:

Trang 10

Các biến ngôn ngữ chuẩn hoá thường dùng là: âm lớn NB (negative big), âm trungbình NM (negative medium), âm nhỏ NS (negative small), không Z (zero), dươngnhỏ PS (positive small), dương trung bình PM (positive medium), dương lớn PB(positive big) Với trường hợp tối giản có thể biến ngôn ngữ chỉ gồm: âm N, không

Z và dương P

Biến ngôn ngữ chỉ cần thiết trước tiên là cho quá trình mờ hoá (Fuzzifiezs) các giátrị rõ của đầu vào các bộ điều khiển mờ, sau là để chuẩn hoá các hàm liên thuộckhác nhau

Ví dụ : Xét biến ngôn ngữ là nhiệt độ của một lò Biến cơ sở là nhiệt độ Nhiệt độ

lò từ 100C đến 1000C hay tập cơ sở X=[10,100] Dải nhiệt độ từ 100C đến 1000Cđược chia thành các dải nhiệt độ rất thấp (RT), thấp (T), trung bình (TB), cao (C),rất cao (RC) Tập trị ngôn ngữ T={RT, T, TB, C, RC} Các tập mờ cho các giá trịngôn ngữ như hình sau:

Hình 3.1 Những tập mờ thuộc biến ngôn ngữ nhiệt độ

3.2.Suy diễn mờ

Suy diễn mờ là suy diễn từ mệnh đề điều kiện Luật suy diễn ở logic cổ điển dựatrên các mệnh đề hằng đúng Các luật suy diễn này được tổng quát hóa ở logic mờ

để ứng dụng cho các suy luận xấp xỉ Có các luật suy diễn thường gặp:

- Luật Modus Ponens

- Luật Modus Tollen

Các luật suy diễn này còn gọi là các luật suy diễn hợp thành vì sử dụng toán tử hợpthành trong suy diễn

3.2.1 Luật suy diễn mờ Modus Ponens

Suy diễn mờ từ luật Modus Ponens có dạng sau:

Luật: Nếu U là A, thì V là B

Sự kiện: U là A’

Trang 11

B’(y) = ¿x∈X.i[A’(x),R(x,y)] = ¿x∈X.i[A’(x),J(A’(x), B’(y))] (3.1)

Để chọn hàm kéo theo J, luật suy diễn mờ Modus Ponens dựa vào luật suy diễnModus Ponens cổ điển:

(A B)  A BTheo luật suy diễn Modus Ponens cổ điển, nếu A’=A thì B’=B, biểu thức trởthành:

B  A RBiểu thức (3.1) trở thành:

B(y) = ¿x ∈X.i[A(x),J(A(x), B(y))]

3.2.2 Luật suy diễn mờ Modus Tollens

Luật suy diễn mờ Modus Tollens hay luật suy diễn Modus Tollens tổng quát códạng sau:

Luật: Nếu U là A, thì V là B

Sự kiện: V là B’

Kết luận: U là A’?

Trang 12

Trong đó: U, V là các biến trên X, Y A, A’ là các tập mờ trên X B, B’ là các tập

mờ trên Y

Từ mệnh đề “Nếu U là A, thì V là B” ta có quan hệ R : X Y [0,1] định bởi cáctập mờ A và B như sau:

R(x,y) = J(A(x), B(y))Trong đó J là một hàm kéo theo mờ Tập mờ A’ có thể xác định:

A' B'RVậy tập mờ đầu ra A’ được suy diễn từ phép hợp thành của tập mờ đầu vào B’ vàquan hệ R Hàm thành viên của B’ theo phép hợp thành tổng quát Sup i:

A’(y) = ¿y∈Y.i[B’(x),R(x,y)] = ¿y∈Y.i[B’(x),J(A(x), B(y))] ( 3.2)

Để chọn hàm kéo theo J, luật suy diễn mờ Modus Tollens dựa vào luật suy diễnModus Tollens cổ điển:

(A  B)  B A Theo luật suy diễn Modus Tollens cổ điển, nếu B'´  ´B thì A '´  ´A , biểu thức trởthành:

´A´B  RBiểu thức (3.2) trở thành:

c(A(x)) = ¿y∈Y.i[c(B(y)),J(A(x), B(y))]

3.3 Giải mờ

- Bộ điều khiển mờ cho dù với một hoặc với nhiều luật điều khiển ( mệnh đề hợpthành ), cũng chưa thể áp dụng được trong điều khiển đối tượng vì đầu ra luôn làmột giá trị mờ B’ Một bộ điều khiển mờ hoàn chỉnh cần phải có thêm khâu giải

mờ ( quá trình rõ hóa tập mờ đầu ra B')

- Giải mờ là quá trình xác định một giá trị rõ y ' nào đó có thể chấp nhận được từhầm thuộc ❑B '(y) có giá trị mờ B' Có hai phương pháp giải mờ chính là phươngpháp cực đại và phương pháp điểm trọng tâm sẽ được trình bày dưới đây, trong

đó tập nền của tập mờ B' được ký hiệu thống nhất là Y

3.3.1 Phương pháp cực đại

Trang 13

Theo tư tưởng cho rằng giá trị rõ y ' đại diện cho tập mờ phỉa là giá trị xác định có

“ xác suất” thuộc tập mờ lớn nhất, thì phương pháp cực đại để giải mờ sẽ có gồm 2bước:

a) Xác định miền chứa giá trị rõ y ' Giá trị rõ y ' là giá trị mà tại đó hàm thuộc đạt giá trị cực đại ( độ cao H của tập mờ B' ), tức là miền:

G={y∈Y|❑B '(y) =H}

b) Xác định y ' có thể chấp nhận được từ G

Trong ví dụ hình 3.1 thì G là khoảng [y1, y2] của miền giá trị của tập mờ đầu ra

B2 của luật điều khiển

R2: nếu χ =A2 thì γ =B2

Trong số hai luật R1, R2 và luật R2 được gọi là luật quyết định Vậy luật điềukhiển quyết định là luật Rk, k{1, 2,…, p }mà giá trị mờ đầu ra của nó có độcao lớn nhất, tức là bằng độ cao H của B'

Hình 3.1 Giải mờ bằng phương pháp cực đại

Để thực hiện bước hai có ba nguyên lý:

Trang 14

Thì y1 chính là điểm cận trái và y2 là cận phải của G.

Nguyên lý trung bình

Theo nguyên lý trung bình, giá trị rõ y ' sẽ là:

y ' = y1 +y2

2

Nguyên lý này thường được dùng khi G là một miền liên thông và như vậy y ' cũng

sẽ là giá trị có độ phụ thuộc lớn nhất Trong trường hợp B' gồm các hàm thuộcdạng đều thì giá trị rõ y ' không phụ thuộc vào độ thỏa mãn của luật điều khiểnquyết định

sẽ là giá trị có độ phụ thuộc nhỏ hơn H, hoặc nếu sử dụng nguyên lý cận trái haycận phải thì các trường hợp còn lại là y3 và y1 thì sao?

Đối với những trường hợp như vậy, thông thường một khoảng con liên thông trong

G sẽ được chọn làm khoảng liên thông có mức ưu tiên cao nhất Ví dụ là G1, sau đó

áp dụng một trong ba nguyên lý đã biết với miền G1 thay cho G

3.3.2 Phương pháp điểm trọng tâm

Trang 15

Phương pháp điểm trọng tâm sẽ cho ra kết quảy ' là hoành độ của điểm trọng tâmmiền được bao bởi trục hoành.

Công thức xác định y ' theo phương pháp điểm trọng tâm như sau:

Công thức trên cho phép xác định giá trị y ' với sự tham gia của tất cả các tập mởđầu ra của mọi luật điều khiển một cách bình đẳng và chính xác, tuy nhiên lạikhông để ý được tới độ thỏa mãn của luật điều khiển quyết định và thời gian tínhlâu Ngoài ra một trong những nhược điểm cơ bản của phương pháp điểm trọngtâm là có thể giá trị y ' xác định được lại có độ phụ thuộc nhỏ nhất, thậm chí bằng

0 Bởi vậy để tránh những trường hợp như vậy, khi định nghĩa hàm thuộc cho từnggiá trị mở của một biến ngôn ngữ nên để ý sao cho miền xác định của các giá trị

mở đầu ra là một miền liên thông

Phương pháp điểm trọng tâm cho luật hợp thành sum-Min

Giả sử có q luật điều khiển được triển khai Vậy thì mỗi một giá trị mở B ' tại đầu racủa bộ điều khiển sẽ là tổng của q giá trị mở đầu ra của từng luật hợp thành Kýhiệu của các giá trị đầu ra của luật điều khiển thứ k là ❑B ' k¿) với k = 1, 2,…, q thìvới quy tắc sum-Min, hàm thuộc ❑B '(y ) sẽ là:

k=1

q A k

Trang 16

Tập mờ có hàm thuộc hình thangXét riêng cho các hàm thuộc ❑B '(y ) dạng hình thang thì

k=1

q A k

Cho cả hai luật hợp thành max-Min và sum-Min với thêm một giả thiết là mỗi tập

k=1

q A k

4 Điều khiển mờ

4.1.Khái niệm

Trang 17

Điều khiển mờ chiếm một vị trí rất quan trọng trong điều khiển học kỹ thuật hiệnđại Ngay từ buổi đầu, điều khiển mờ đã đem lại sự ngạc nhiên đáng kể rằng hoàntoàn tría 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 ứngdụng 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 dândụng…

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 tuyếnthường lớn, sự thường xuyên thay đổi trạng thái và cấu trúc của đối tượng… hoặcgiả nếu có thể tổng hợp được trong phạm vi lý thuyết thì khi thực hiện cũng gặpkhông ít những khó khăn về giá thành và độ tin cậy của sản phẩm Những khókhăn đó sẽ không còn những vấn đề nan giải khi bộ điều khiển được thiết kế dựatrên 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 là bộ điều khiển mờ Chúng

có chung một đặc điểm là làm việc theo nguyên tắc sao chép lại kinh nghiệm, trithức 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 hệthống điều khiển, phương pháp tổng hợp hệ thống bằng logic mờ chỉ ra những ưuđiểm rõ rệt sau đây:

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

2 Bộ điều khiển mờ dễ hiểu hơn so với các bộ điều khiển khác (cả về kỹ thuật)

Trang 18

trị số rõ Quan hệ ánh xạ của đầu ra đối với các đầu vào mô hình mờ được mô tảbằng một tập luật mờ, thay vì một hàm số tường minh Cụ thể hơn, cấu trúc cơ bảncủa một mô hình mờ bao gồm năm thành phần chủ đạo:

Cấu trúc mô hình mờ

 Cơ sở luật (rule base) nơi chứa đựng tập các luật mờ IF-THEN, thực chất là mộttập các phát biểu hay quy tắc mà con người có thể hiểu được, mô tả hành vi của

hệ thống, chẳng hạn:

“ Nếu nhiệt độ là lạnh thì chỉnh nhiệt đầu ra lò sưởi cao ”

“ Nếu nhiệt độ là ấm thì chỉnh nhiệt độ ra lò sưởi là zero ”

Hai luật trên mô tả quan hệ điển hình giữa nhiệt độ phòng và nhiệt đầu ra tươngứng của lò sưởi

Một cách hình thức, với mô hình mờ n đầu vào - một đầu ra, mỗi luật mờ có thểđược mô tả như sau:

rij : IF ( x1 is A1i) AND AND (xn is A1i) THEN ( y is B J ) ( cij )

Trong đó, A k i, k = 1, 2, …, n và Bj lần lượt là các giá trị ngôn ngữ được địnhnghĩa trên các biến đầu vào và đầu ra mô hình Phần giả thiết của luật được hìnhthành từ sự giao nhau ( intersection ) giữa các phát biểu dạng ngôn ngữ, xk is Ak i,

k = 1, …, n, gọi là các tiền đề thành phần Phần kết luận của luật được ánh xạ từphần giả thiết thông qua phép kéo theo mờ ( IF ( ) THEN ( ) ) Tương ứng vớimỗi luật, ta có một độ tin cậy luật cij [ 0.0; 1.0] Độ tin cậy của luật phản ánhtính đúng đắn của luật, cij = 0 chứng tỏ luật không tham gia vào việc xác địnhđầu ra của mô hình Mỗi cơ sở luật là sự kêt hợp của tất cả các luật mờ

Trang 19

Các luật có thể được hình thành từ tri thức của chuyên gia con người hoặc rút ra

từ các mẫu thực nghiêm Cơ sở luật là thành phần quan trọng nhất của bất kỳ môhình mờ nào

 Bộ tham số mô hình quy định hình dạng hàm thuộc của giá trị ngôn ngữ đượcdùng để biểu diễn biến mờ và các luật mờ giá trị các tham số có thể đượcđánh giá bằng kinh nghiệm của các chuyên gia con người hay kết quả củaquá trình khai phá tri thức từ thực nghiệm Thông thường, cơ sở luật và bộtham số mô hình được gọi chung là cơ sở tri thức

 Cơ chế suy diễn (reasoning mechanism) có nhiệm vụ thực hiện thủ tục suydiễn mờ dựa trên cơ sở tri thức và các giá trị đầu vào để đưa ra một giá trị dựđoán ở đầu ra

 Giao diện mờ hóa (fuzzification interface) thực hiện chuyển đổi các đầu vào

rõ thành mức độ trực thuộc các giá trị ngôn ngữ

 Giao diện khử mờ (defuzzification interface) thực hiện chuyển đổi kết quảsuy diễn mờ thành giá trị đầu ra rõ

Hoạt động suy diễn của một mô hình mờ có thể tóm tắt thành ba(hoặc bốn) bướcnhư sau:

1 Mờ hóa – Các giá trị rõ đầu vào mô hình được dùng làm đối số cho các hàmthuộc ứng với các giá trị ngôn ngữ tương ứng xuất hiện trong phần giả thiết mỗiluật mờ IF – THEN Kết quả mô hình thu được độ phụ thuộc của giá trị rõ đốivới mỗi giá trị ngôn ngữ (mà thực chất là một tập mờ) tương ứng trong phần giảthiết mỗi luật Sau bước này, xét về mặt suy diễn mờ, mô hình đã xác định đượcgiá trị chân lý của các tiền đề nằm trong phần giả thiết của mỗi luật ( ứng với bộ

số rõ cụ thể đầu vào ) Giá trị chân lý của toàn bộ phần giả thiết mỗi luật được

xác định thông qua phép hội mờ giữa giá trị chân lý của các tiền đề thành phần.

2 Suy diễn – Giá trị chân lý của phần giả thiết mỗi luật được áp dụng lên phần kết

luận của luật đó thông qua phép kéo theo mờ Theo đó, với mỗi luật mô hình thu được ở phần kết luận một tập con mờ Phép kéo theo mờ thông thường dựa

trên hai toán tử là Min hoặc Product Khi suy diễn theo toán tử Min, tập mờ kếtquả suy diễn được hình thành từ hàm thuộc của giá trị ngôn ngữ phần kết luận

bị cắt bởi một đường ngang mà độ cao tương ứng với mức chân lý phần giảthiết Trong khi đó với toán tử Product, tập mờ kết quả suy diễn có hàm thuộcdựa trên hàm thuộc đầu ra của kết luận được co giãn theo một tỉ lệ ứng với mứcchân lý của phần giả thiết

Trang 20

Sơ đồ hoạt động suy diễn của một mô hình mờ với các luật mờ một tiền đề

3 Kết nhập - Tất cả các tập con mờ ứng với đầu ra của mỗi luật được kết hợp với

nhau ( thông qua phép hợp mờ ) tạo thành một tập con mờ duy nhất biểu diễn

biến mờ đầu ra cơ chế suy diễn Quá trình tính toán kết nhập thông thường dựatrên hai toán tử là Max hoặc Sum Với Max, tập mờ tổng hợp đầu ra tất cả cáctập con mờ tương ứng ở đầu ra mỗi luật tại điểm đó Trong khi đó, với Sum tập

mờ tổng hợp đầu ra có giá trị hàm thuộc tại mỗi điểm trên tập nền bằng tổng giátrị hàm thuộc của tất cả các tập con mờ tương ứng ở đầu ra mỗi luật tại điểm đó

4 Khử mờ - công đoạn này là tùy chọn và được sử dụng khi cần chuyển đổi giá trịbiến ngôn ngữ đầu ra thành một giá trị số rõ ( điều này thường gặp với các môhình hệ thống điều khiển) Có rất nhiều kỹ thuật khử mờ nhưng phổ biến được

sử dụng là phương pháp xác định trọng tâm và phương pháp xác định vừng cựcđại Ở phương pháp xác định trọng tâm, giá trị rõ được chọn là giá trị mà tại đótập con mờ đạt giá trị chân lý cực đại Nói chung, các phương pháp khử mờ nàyđòi hỏi nhiều chi phí tính toán và không có cách nào để phân tích chúng mộtcách chính xác ngoại trừ việc thông qua nghiên cứu thực nghiệm

Ngày đăng: 25/09/2016, 08:05

TỪ KHÓA LIÊN QUAN

TÀI LIỆU CÙNG NGƯỜI DÙNG

  • Đang cập nhật ...

TÀI LIỆU LIÊN QUAN

w