NHẬN DẠNG hệ PHI TUYẾN

KHOA ĐIỆN – ĐIỆN TỬ HỆ THỐNG ĐIỀU KHIỂN THÔNG MINH CHƯƠNG NHẬN DẠNG HỆ PHI TUYẾN 6.1 Giới thiệu  Nhận dạng hệ thống xây dựng mô hình tốn hệ thống dựa liệu quan sát Q trình giải tốn nhận dạng hệ thống trình lặp theo sơ đồ Hình 6.1: Cấu trúc mơ hình phi tuyến Các vấn đề cần giải tốn nhận dạng THÍ NGHIỆM THU THẬP DỮ LIỆU  Để nhận dạng mơ hình tính tốn hệ thống cần:  Chọn tín hiệu thử có biên độ băng thơng thích hợp đặt vào ngõ vào  Quan sát đáp ứng ngõ hệ thống Các vấn đề cần giải toán nhận dạng CHỌN CẤU TRÚC MƠ HÌNH  Vấn đề quan trọng khó bước nhận dạng hệ thống, chia làm toán nhỏ:  Chọn loại mơ hình  Chọn bậc mơ hình  Làm để thơng số hóa mơ hình để thuật tốn ước lượng cho kết tốt Các vấn đề cần giải tốn nhận dạng ƯỚC LƯỢNG THƠNG SỐ  Giải tốn tối ưu hóa để tìm thơng số mơ hình cho tối thiểu hàm xác định dương đánh giá sai lệch tín hiệu dự báo tín hiệu thực nghiệm Các vấn đề cần giải toán nhận dạng ĐÁNH GIÁ MƠ HÌNH  Đánh giá chất lượng mơ hình vừa nhận dạng: PP  Đánh giá chéo: khảo sát khả tái tạo đáp ứng hệ thống với tập liệu không dung bước ước lượng thông số bắng cách mơ với tín hiệu vào so sánh tín hiệu mơ với tín hiệu thực nghiệm  Phân tích thặng dư: mơ hình nhận dạng có chất lượng tốt tương quan thặng dư tín hiệu vào phải xấp xỉ 6.2 Nhận dạng hệ phi tuyến Đối tượng: Dữ liệu: Mơ hình: Phân loại mơ hình phi tuyến Phân loại theo phần tử hồi qui: Phân loại mơ hình phi tuyến Phân loại theo cấu trúc hàm phi tuyến: Mơ hình mờ: Mamdani, Sugeno Mơ hình mạng thần kinh: MLP, RBF Mơ hình lai mạng thần kinh mờ: ANFIS • Qui tắc mờ mơ tả đặc tính động học đối tượng phi tuyến: • Bộ dự báo: • Vector tham số: 6.4 Nhận dạng hệ phi tuyến dùng mơ hình mạng thần kinh  Mạng thần kinh cấu trúc mơ hình phi tuyến ưu tiên chọn lựa để mơ hình hóa hệ thống biết thơng tin đối tượng  Mạng thần kinh có tính linh hoạt cao o Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP) o Nhận dạng dùng mạng hàm sở xuyên tâm (RBF) 6.4.1 Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP) Sơ đồ khối dự báo dùng mạng thần kinh MLP • Tín hiệu ngõ lớp ẩn: • Bộ dự báo: • Vector tham số: Khi sử dụng mạng thần kinh để nhận dạng hệ thống cần phải quan tâm chọn cấu hình mạng: • Số tế bào thần kinh lớp vào: phụ thuộc vào số phần tử hồi quy • Số tế bào thần kinh lớp ẩn: phụ thuộc vào tính phi tuyến đối tượng cần nhận dạng • Hàm tác động tế bào thần kinh lớp ẩn: hàm Gauss chọn lựa đầu tiên, tùy trường hợp hàm khác có kết tốt Xây dựng mơ hình đơn giản tốt 6.4.2 Nhận dạng dùng mạng hàm sở xuyên tâm (RBF) Mạng hàm sở xuyên tâm RBF trướng hợp riêng mạng thần kinh, sở lý thuyết phần trước áp dụng để giải tốn nhận dạng hệ thống dung mạng RBF Ví dụ: Nhận dạng hệ lò xo: Phương trình vi phân tuyến tính: Trong đó: u(t) lực kéo (tín hiệu vào) y(t) vị trí xe (tín hiệu vào) M = 1kg : khối lượng xe b = 0,2 : hệ số ma sát nhớt k1 = 0,5; k2 = 0,5 : độ cứng lò xo Dữ liệu nhập dạng mơ hình Dữ liệu đánh giá mơ hình Hai liệu vào hệ lò xo Ta chọn cấu hình mạng RBF để nhận dạng hệ lò xo sau: • ngõ vào: u(t-1), u(t-2), u(t-3), y(t-1), y(t-2), …., y(t-5) • ngõ vào: y(t) • Số hàm sở xuyên tâm: 100 Phân tích thặng dư Đánh giá chéo Kết đánh giá mơ hình sau nhận dạng, độ phù hợp mơ hình phân tích thặng dư đánh giá chéo tương ứng 98,97% 94,22% 6.5 ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN DÙNG GA  GA công cụ tìm lời giải tối ưu đa năng, áp dụng để tìm cực trị tồn cục hàm mục tiêu có nhiều dạng khác  Tổng quát tiêu chuẩn ước lượng thơng số có dạng: Trong đó: l(.) hàm vô hướng xác định dương 6.5 ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN DÙNG GA  Một số tiêu chuẩn khác  Chuẩn  Chuẩn 6.5 ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN DÙNG GA GA ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN  Hai vấn đề cần quan tâm:  Mã hóa lời giải tốn  Hàm thích nghi hàm 6.5 ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN DÙNG GA GA ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN  Mã hóa: sử dụng cách mã hóa nhị phân thập phân, nhiên thuận lợi cách mã hóa số thực với thông số cần ước lượng tương ứng với gen chuỗi nhiễm sắc thể … 6.5 ƯỚC LƯỢNG THÔNG SỐ MƠ HÌNH PHI TUYẾN DÙNG GA GA ƯỚC LƯỢNG THƠNG SỐ MƠ HÌNH PHI TUYẾN  Hàm thích nghi: tiêu chuẩn ước lượng thơng số GA tìm vector thơng số cho tối thiểu hóa hàm thích nghi  Sau mã hóa lời giải định nghĩa hàm thích nghi, Có thể sử dụng GA với phép toán di truyền chuẩn (tương ứng cách mã hóa) để ước lượng thơng số mơ hình ...  Nhận dạng hệ thống xây dựng mơ hình tốn hệ thống dựa liệu quan sát Q trình giải tốn nhận dạng hệ thống trình lặp theo sơ đồ Hình 6.1: Cấu trúc mơ hình phi tuyến Các vấn đề cần giải toán nhận. .. đối tượng phi tuyến: • Bộ dự báo: • Vector tham số: 6.4 Nhận dạng hệ phi tuyến dùng mơ hình mạng thần kinh  Mạng thần kinh cấu trúc mô hình phi tuyến ưu tiên chọn lựa để mơ hình hóa hệ thống... loại mơ hình phi tuyến Phân loại theo cấu trúc hàm phi tuyến: Mơ hình mờ: Mamdani, Sugeno Mơ hình mạng thần kinh: MLP, RBF Mơ hình lai mạng thần kinh mờ: ANFIS 6.3 Nhận dạng hệ phi tuyến dung