Nghiên cứu điều khiển nồng độ của sản phẩm trong bể chứa phản ứng có khuấy bằng phương pháp ứng dụng bộ điều khiển nơron theo mô hình mẫu

Nghiên cứu điều khiển nồng độ sản 1phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) PHẦN MỞ ĐẦU I.Tính cấp thiết đề tài Bộ não người sản phẩm hoàn hảo tạo hoá Để tiếp cận khả tư não, người ta sử dụng khả suy diễn hệ mờ dựa luật logic mờ Để tiếp cận khả học, người ta đưa mô hình mạng nơron, cấu trúc mạng nơron điều đáng quan tâm Để tiếp cận hai khả học tư não người, người ta nghiên cứu khả tích hợp mạng nơron hệ mờ Trong công nghiệp tự động hoá giữ vai trò quan trọng trình sản xuất Nhận dạng hệ thống công việc phải thực giải toán điều khiển tự động, định chất lượng hiệu công việc điều khiển hệ thống sau Để điều khiển xác đối tượng chưa biết rõ thông số, trước tiên ta phải hiểu rõ đối tượng Bộ điều khiển nơron theo mô hình mẫu phần tử phi tuyến, nên điều khiển khó, đòi hỏi phải có độ xác cao Vì cần ứng dụng điều khiển thông minh BĐK nơron theo mô hình mẫu Được tạo điều kiện giúp đỡ nhà trường Tiến sỹ Phạm Hữu Đức Dục, em lựa chọn đề tài tốt nghiệp “Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu.” II Ý nghĩa khoa học thực tiễn đề tài Ý nghĩa khoa học Điều khiển tự động đóng vai trò quan trọng phát triển khoa học kỹ thuật Lĩnh vực hữu hiệu khắp nơi từ hệ thống điều khiển quy trình sản xuất đại, đời sống hàng ngày … Mô hình điều khiển theo mô hình mẫu để điều khiển đối tượng, cho tín hiệu cần điều khiển bám theo tín hiệu mô hình mẫu Mô hình mạng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 2phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) nơron sử dụng để hỗ trợ qúa trình học điều khiển Do đề tài đề cập tới việc ứng dụng điều khiển theo mô hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy Ý nghĩa thực tiễn Kết nghiên cứu đề tài làm sở cho việc thiết kế mô hình điều khiển theo mô hình mẫu nhà máy công nghiệp, đặc biệt làm tài liệu hỗ trợ cho việc học tập sinh viên đại học học viên cao học III Mục đích đề tài Nghiên cứu ứng dụng mạng nơron trình nhận dạng điều khiển hệ thống phi tuyến nói chung Đặc biệt nghiên cứu sâu việc ứng dụng điều khiển nơron theo mô hình mẫu hệ thống điều khiển, làm sở cho việc tạo tín hiệu điều khiển thích nghi lựa chọn xác Tổng quan mạng nơron, sâu nghiên cứu mạng nơron truyền thẳng nhiều lớp Nghiên cứu điều khiển nơron theo mô hình mẫu Nghiên cứu động học bể khuấy Nghiên cứu điều khiển nơron dự báo, điều khiển NAMA-L2, điều khiển nơron theo mô hình mẫu điều khiển nơron dự báo Nghiên cứu phương pháp nhận dạng điều khiền Ứng dụng điều khiển nơron theo mô hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy IV Đối tƣợng nghiên cứu Nồng độ sản phẩm bể chứa phản ứng có khuấy Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 3phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) V Nhiệm vụ nghiên cứu Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu VI Phƣơng pháp nghiên cứu Tìm hiểu tài liệu công trình nghiên cứu liên quan tới điều khiển nơron theo mô hình mẫu Lựa chọn đối tượng, mô tả toán học nghiên cứu mô hình hóa mô Lựa chon giải pháp phù hợp cho lớp đối tượng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 4phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) CHƢƠNG MẠNG NƠRON 1.1 CÁC KHÁI NIỆM CƠ BẢN 1.1.1 Mô hình nơron sinh học Bộ não người có khoảng 1011 nơron sinh học nhiều dạng khác Mô hình dạng nơron sinh học mô tả hình vẽ Cấu trúc chung nơron sinh học gồm ba phần thân, bên có nhân, trục Cây gồm dây thần kinh liên kết với thân Trục có cấu trúc đơn, dài liên kết với thân Phần cuối trục có dạng phân nhánh Trong nhánh có cấu nhỏ khớp thần kinh, từ dây nơron sinh học liên kết tín hiệu tới nơron khác Sự thu nhận thông tin nơron sinh học thực từ thân Tín hiệu thu, nhận dạng xung điện Thân nơron Trục nơron Khớp thần kinh Nhân nơron Cây Hình 1.1 Mô hình dạng nơron sinh học Mỗi tế bào thần kinh có màng, nhiệm vụ giữ cho chất nuôi tế bào không tràn Ở phần tử nội bào ngoại bào có dung dịch muối lỏng làm cho chúng bị phân thành ion âm ion dương Các ion Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 5phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) dương có màng tạo điện màng với trạng thái cân lực: Lực đẩy ion dương khỏi tế bào cân với lực hút chúng vào tế bào Điện màng phần tử quan trọng trình truyền tin hệ thần kinh Khi thay đổi thẳng thẩm thấu ion màng điện màng tế bào bị thay đổi tiến tới ngưỡng đó, đồng thời sinh dòng điện, dòng điện gây phản ứng kích thích làm thay đổi khả thẩm thấu ion tế bào thần kinh 1.1.1.1 Xử lý thông tin não Thông tin tiếp nhận từ giác quan chuyển vào tế bào thần kinh vận động tế bào Tại tê bào thần kinh tiếp nhận thông tin, điện tăng lên, điện vượt ngưỡng tạo dòng điện tế bào thần kinh, ý nghĩa dòng điện giải mã lưu thần kinh trung ương, kết xử lý thông tin gửi đến tế bào Các tế bào thần kinh đưa tín hiệu giống nhau, phân biêt tế bào thần kinh loài động vật nguyên thủy hay cuả giáo sư đáng kính Các khớp thần kinh cho phép tín hiệu phù hợp qua chúng, tín hiệu khác bị cản lại Lượng tín hiệu biến đổi goi cường độ khớp thần kinh – trọng số nơron mạng nơron Tại việc nghiên cứu mạng thần kinh lại có tầm quan trọng ? Có thể trả lời ngắn gọn giống tín hiệu tế bào thần kinh đơn lẻ, nên chức thật não không phụ thuộc vào vai trò tế bào thần kinh, mà phụ thuộc vào toàn tế bào thần kinh, tức phụ thuộc vào kiểu kết nối tế bào thần kinh liên kết với để tạo nên mạng thần kinh hay mạng nơron 1.1.1.2.Câc đặc tính não ngƣời Tính phân lớp: Các vùng não phân thành nhiều lớp, thông tin xử lý theo tính chất tương ứng lớp đặc thù Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 6phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) Tính mô đun: Các vùng nhớ phân thành mô đun mã hóa định nghĩa mối quan hệ tích hợp tín hiệu vào qua giác quan với tín hiệu Mối liên kết: Liên kết lớp dẫn đến liệu dùng chung xem liên hệ phản hồi truyền tín hiệu Xử lý phân tán tín hiêu vào: Các tín hiệu vào truyền qua nhiều kênh thông tin khác nhau, xử lý phương pháp đặc biệt 1.1.2 PHẦN TỬ XỬ LÝ Mô hình phần tử xử lý (processing elements)dạng M-P, Culloch x1 Pitts đề xuất năm 1943 xi Phần tử xử lý thứ i wi1 wij  vi a(.) yi Phần tử xử lý có dạng nhiều vào ( MISO) Hình vẽ 1.2 mô xm-1 wi(m-1) tả mô hình phần tử xử lý (mô xm= -1 hình nơron) thứ i, dạng M-P, có phần sau wim= bi Hình1.2 Mô hình phần tử xử lý thứ i,dạng M-P Tín hiệu đầu vào Có m tín hiệu đầu vào Trong (m-1) tín hiệu tín hiệu kích thích đầu vào (x1….xj,…xm-1), chúng lấy từ đầu nơron đặt trươc nơron lấy từ cac nguồn tín hiệu đầu vào khác Các tín hiệu kích thích đầu vào đưa qua trọng số (weight) wij đặc trưng cho mức độ liên kết nơron thứ j (j= 1,2…….m-1) với nơron thứ i Trọng số liên kết có giá trị dương tương ứng với khớp thần kinh bị kích thích, ngược lại có giá trị âm tương ứng với khớp thần kinh bị kiềm chế Riêng thành phần tín hiệu vào thứ m xm gọi ngưỡng (threshold) có giá trị xm = -1, tín hiệu xm đưa qua thành phần thành phần dịch chuyển (bias) bi wim = bi Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.1) http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 7phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) Tín hiệu Có tín hiệu yi Bộ cộng Thực phép tính tổng trọng Vi bằn cách so sánh tổng trọng (m-1) kích thích đầu vào với giá trị trọng lượng ngưỡng, tổng trọng (m-1) đầu vào vượt qua trọng lượng ngưỡng nơron trạng thái bị kích thích để tạo tín hiệu yi m 1 Neti =V=  WijXj +bixm (1.2) j 1 Thành phần bi giống với trọng số wij, khác liên kết tín hiệu xm = -1 Do coi bi số liên kết thứ m wm nơron thứ i Nối với tín hiệu thứ m xm có giá trị -1 Viết lại biểu thức (1.2) dạng m 1 Neti = V=  WijXj + bixm (1.3) j 1 Với wim = bi xm = Hàm chuyển đổi Hàm chuyển đổi (tranferfunction), có tài liêu gọi hàm hoạt hóa activation function, có nhiệm vụ biến đổi tổng trọng v i (hoặc neti) thành tín hiệu đầu yi: yi = a(neti) = a(vi) (1.4) a(.) ký hiệu hàm chuyển đổi Có dạng chuyển đổi thường dùng sau: - Hàm chuyển đổi dạng giới hạn cứng Hàm chuyển đổi dạng giới hạn cứng hình vẽ có tên gọi hàm chuyển đổi dạng bước nhảy có biểu thức sau: v  a(v) = sgn(v) = Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.5) http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 8phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) v < - Hàm chuyển đổi dạng giới hạn cứng đối xứng Hàm chuyển đổi dạng giới hạn cứng đối xứng (symmetric hard limit tranfer function), gọi hàm dấu (Hình 1.3b) có biểu thức sau: v  a(v) = sgn(v) = (1.6) - v< Các nơron có hàm chuyển đổi a(.) dạng hàm giới hạn cứng đối xứng gọi phần tử ngưỡng tuyến tính ( Linear Threshold Unit- LTU) - Hàm chuyển đổi dạng tuyến tính bão hoà Hàm chuyển đổi dạng tuyến tính bão hòa (Hình 1.3c), có biểu thức sau: v > a (v) = v  v  (1.7) v - Hàm chuyển đổi dạng sigmoid Hàm chuyển đổi dạng sigmoid (Hình1.3e) có biểu thức sau: a (v) = 1  e  v (1.9) - Hàm chuyển đổi dạng hypebolic Hàm chuyển đổi dạng hypebolic (Hình 1.3f) có dạng sau: a (v)= -1  e  v (1.10)  > hệ số tốc độ dạng hàm chuyển đổi (1.9), ( 1.10) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 9phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) Các nơron có hàm chuyển đổi a(.) dạng hàm sigmoi tang hypecbolic gọi phần tử mức tuyến tính Mạng nơron thường sử dụng nơron dạng LTU LGU - Hàm chuyển đổi dạng tuyến tính Hàm chuyển đổi dạng tuyến tính (Hình 1.3g) có biểu thức sau: a(v) = v 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 -5 -4 -3 -2 -1 v5 v5 Hình 1.3 (a): Hàm giới hạn cứng 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -4 -3 -2 -1 Hình 1.3 (b ): Hàm giới hạn cứng đối xứng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản10 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 -5 -4 -3 -2 -1 Hình 1.3.(c): Hàm tuyến tính bão hòa 0.8 0.6 0.4 0.2 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn v5 data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read data error !!! can't not read ... điều khiển nơron theo mô hình mẫu điều khiển nơron dự báo Nghiên cứu phương pháp nhận dạng điều khiền Ứng dụng điều khiển nơron theo mô hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có. .. chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) V Nhiệm vụ nghiên cứu Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương. . .Nghiên cứu điều khiển nồng độ sản 2phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) nơron sử dụng để hỗ trợ