Bài giảng: Điều khiển thông minh fuzzy control

TỔNG QUAN ĐIỀU KHIỂN THÔNG MINH n Điều khiển thông thường (conventional control) n n Điều khiển kinh điển (classical control) Điều khiển đại (modern control) n (Bản nháp) n n n Điều khiển tối ưu (optimal control) Điều khiển thích nghi (adaptive control) Điều khiển bền vững (robust control) Điều khiển thông minh n n n Điều khiển mờ (fuzzy control) Mạng neural (neural network) Giải thuật di truyền (gene algorithm) Điều khiển thông thường n “Thông minh” gì? Ưu: n Có sở toán học chặt chẽ ® Có thể dùng công cụ toán học để phân tích & thiết kế hệ thống cho phép bảo đảm tính ổn định bền vững n n Khuyết: n n n n Cần mô hình toán để thiết kế điều khiển Cần hiểu biết sâu kỹ thuật điều khiển Thường không hiệu điều khiển hệ phi tuyến Không sử dụng kinh nghiệm người n n Thông minh khả thu thập sử dụng tri thức Có nhiều cấp độ thông minh nhiều loại thông minh Khái niệm “Thông minh” mang tính tương đối (Một hệ thống người cho thông minh, người khác cho không thông minh…) CuuDuongThanCong.com https://fb.com/tailieudientucntt So sánh ĐK thông minh - ĐK thông thường n n Về mặt toán học, điều khiển thông minh không chặt chẽ điều khiển thông thường Đây lónh vực tương đối mới, chưa nghiên cứu hết Về nguyên tắc, thiết kế điều khiển thông minh, ta không cần mô hình toán học đối tượng ® ưu điểm điều khiển thông minh, nhiều trường hợp không dễ (hoặc không thể) xác định mô hình toán đối tượng Phần 1: ĐIỀU KHIỂN MỜ Lịch sử phát triển n n n n n n n 1965: Lofti A Zadeh đưa khái niệm lý thuyết tập mờ (fuzzy set) 1972: Terano Asai lập sở nghiên cứu hệ thống mờ Nhật 1974: Mamdani nghiên cứu điều khiển mờ cho lò 1980: hãng Smidth nghiên cứu điều khiển mờ cho lò ximăng 1983: hãng Fuji Electric nghiên cứu ứng dụng điều khiển mờ cho nhà máy xử lý nước 1984: Hiệp hội Hệ thống Mờ quốc tế IFSA thành lập 1989: phòng thí nghiệm quốc tế nghiên cứu ứng dụng kỹ thuật mờ thành lập Tập hợp kinh điển Hàm đặc trưng Cách biểu diễn tập hợp: n Biểu diễn cách liệt kê phần tử: Cho X tập hợp đối tượng có tính chất (tập sở) A tập X Phần tử x thuộc X Ánh xạ cA: X ® {0, 1} xác định bởi: i: ì1 ( x Ỵ A) c A ( x) = í ỵ0 ( x Ï A) VD: A = {1, 2, 3, 5, 7, 11} ® Bất tiện tập hợp có nhiều (vô số) phần tử n Biểu diễn thông qua tính chất phần tử: VD: A = {x | x số nguyên tố} B = {x | x số thực x < 4} gọi hàm đặc trưng (hàm thị) A Hệ quả: cX(x) = với x Ỵ X CuuDuongThanCong.com https://fb.com/tailieudientucntt Hàm đặc trưng Hàm đặc trưng Cho tập hợp A, B định nghóa tập sở X Ta có tính chất sau: Phép hợp: A È B Þ cẰB(x) = max{cA(x), cB(x)} Pheựp giao: A ầ B ị cAầB(x) = min{cA(x), cB(x)} Phép bù: A Þ c A ( x) = - c A ( x) Chứa trong: A Í B Þ cA(x) £ cB(x) VD: Cho A = {xỴ R | < x < 4}, thì: cA(1,5) = cA(3) = cA(2) = cA(4) = cA Kiểm chứng kết ví dụ cụ thể VD: A = {xỴ R | < x < 4}, B = {xỴ R | < x < 5} x Tập mờ (Fuzzy set) Tập mờ (Fuzzy set) Tập kinh điển có biên rõ ràng (hình a) n Tập mờ có biên không rõ ràng (hình b) VD: Xét tập mô tả “mờ” sau đây: ~ - Tập B gồm số thực nhỏ nhiều so với ~ n X X A x2 x1 x2 x1 ~ A x3 (a) 10 (b) Ghi chú: Ta dùng chữ có dấu ngã để đặt tên cho tập mờ 11 CuuDuongThanCong.com B = {x Ỵ R x https://fb.com/tailieudientucntt 20 40 60 80 x Mieàn tin cậy Miền xác định 16 Các dạng hàm liên thuộc n n Tập mờ tắc Các hàm liên thuộc có dạng trơn như: dạng gauss, dạng chuông dạng sigmoid, … sử dụng tính toán phức tạp Thường dùng hàm liên thuộc dạng hình thang, hình tam giác n Tập mờ có độ cao = gọi tập mờ tắc 17 18 PHÉP HP TẬP MỜ PHÉP GIAO TẬP MỜ Các công thức lấy hợp tập mờ: n Công thức Zadeh (thường dùng đkhiển mờ): Các công thức lấy giao tập mờ: n Công thức Zadeh (thường dùng đkhiển mờ): m Ằ B ( x) = max {m A ( x ), m B ( x )} m AÇ B ( x) = {m A ( x), m B ( x)} n Công thức Lukasiewicz (bounded sum): n Công thức Lukasiewicz: n Công thức Einstein: n Công thức Einstein: m Ằ B ( x) = {1, m A ( x) + m B ( x )} m AÈ B ( x ) = n m A ( x) + m B ( x) + m A ( x) + m B ( x ) m B ( x ) = Công thức xác suất: n m Ằ B ( x ) = m A ( x ) + m B ( x ) - m A ( x ) m B ( x ) Ghi chú: Từ sau, ta nói tập mờ, nên dấu ngã biểu thị tập mờ chữ bỏ để đơn giản cách viết CuuDuongThanCong.com m B ( x) = max {0, m A ( x) + m B ( x) - 1} m A ( x) m B ( x ) - ( m A ( x) + m B ( x) ) - m A ( x )m B ( x ) Công thức xác suất: m B ( x ) = m A ( x ) m B ( x ) 19 20 https://fb.com/tailieudientucntt PHÉP BÙ CỦA TẬP MỜ n TÍNH CHẤT CỦA CÁC PHÉP TOÁN TRÊN TẬP MỜ Phép bù tập mờ A xác định công thức: m A ( x) = - m A ( x) n Tính giao hoán: n Tính kết hợp: A È ( B È C ) = ( A È B ) È C n Tính phân phối: A È ( B Ç C ) = ( A È B ) Ç ( A È C ) AÈ B = B È A AÇ B = B Ç A A Ç ( B Ç C ) = ( A Ç B) Ç C A Ç (B È C) = ( A Ç B) È ( A Ç C ) Tính bắt cầu: A Í B Í C Þ A Í C Nhận xét: tương tự tập rõ n 21 22 BIẾN NGÔN NGỮ – GIÁ TRỊ NGÔN NGỮ BIẾN NGÔN NGỮ – GIÁ TRỊ NGÔN NGỮ Muốn thiết kế điều khiển bắt chước suy nghó, xử lý thông tin định người phải biểu diễn ngôn ngữ tự nhiên dạng toán học n Dùng tập mờ để biển diễn ngôn ngữ tự nhiên ® cho phép biểu diễn thông tin mơ hồ, không chắn Ví dụ toán điều khiển tốc độ xe, ta có giá trị ngôn ngữ: slow, OK, fast n Mỗi giá trị ngôn ngữ xác định tập mờ định nghóa tập sở tập số thực dương giá trị vật lý x biến tốc độ v n n m slow ok fast v (km/h) 20 40 60 23 CuuDuongThanCong.com 24 https://fb.com/tailieudientucntt BIẾN NGÔN NGỮ – GIÁ TRỊ NGÔN NGỮ n n TÍCH CARTESIAN Tích cartesian tập sở X, Y xác định bởi: X´Y = {(x,y) | x Ỵ X, y Ỵ Y} VD: X = {0, 1}; Y = {a, b, c} Các tích cartesian khác tập X, Y xác định sau: X´Y = {(0,a), (0,b), (0,c), (1,a), (1,b), (1,c)} Y´X = {(a,0), (a,1), (b,0), (b,1), (c,0), (c,1)} X´X = X2 = {(0,0), (0,1), (1,0), (1,1)} Y´Y = Y2 = {(a,a), (a,b), (a,c), (b,a), (b,b), (b,c), (c,a), (c,b), (c,c)} Hàm liên thuộc tập mờ tương ứng là: mslow(x), mok(x), mfast(x) Biến tốc độ v có miền giá trị: Miền giá trị ngôn ngữ: N = {slow, ok, fast} Miền giá trị vật lý (giá trị rõ) V = {x Ỵ R | x ³ 0} n n Biến ngôn ngữ biến tốc độ v xác định miền giá trị ngôn ngữ N n 25 26 QUAN HỆ RÕ (CRISP RELATION) QUAN HỆ RÕ (CRISP RELATION) Quan hệ rõ tập X BÌY tập tích cartesian R = A´B (R Ì X´Y), quan hệ phần tử thuộc X phần tử thuộc Y đặc trưng hàm đặc trưng c: Khi sở, hay tập hợp có số phần tử hữu hạn, quan hệ chúng biểu diễn dạng ma trận gọi ma trận quan hệ VD: Quan hệ X = {1, 2, 3} Y = {a, b, c} theo sơ đồ Sagittal bên biểu diễn dạng ma trận quan hệ R a b c ì1, ( x, y ) Ỵ A ´ B ỵ0, ( x, y ) Ï A ´ B c A´ B ( x, y ) = í n n cA´B(x, y) = ® có quan hệ x y cA´B(x, y) = ® quan hệ x y a b c R= 27 CuuDuongThanCong.com é1 ù ê1 ú ê ú êë1 úû 28 https://fb.com/tailieudientucntt QUAN HỆ MỜ (FUZZY RELATION) QUAN HỆ MỜ (FUZZY RELATION) Cho A, B tập mờ định nghóa tập sở X Y Quan hệ mờ A B, ký hiệu R, tích cartesian A B: VD: Cho tập A, B định nghóa tập sở X, Y sau: 0.2 0.5 0.3 0.9 A= + + ; B= + x1 x2 x3 y1 y2 Ma traän quan heä R: y1 y2 R = A ´ B, R Ì X ´ Y hàm liên thuộc R tính sau: m R ( x, y ) = m A´ B ( x, y ) = min{m A ( x), m B ( y)} R = A´ B = é0.2 0.2 ù ê 0.3 0.5 ú ê ú êë 0.3 0.9 úû x1 x2 x3 29 SỰ HP THÀNH CỦA QUAN HỆ MỜ SỰ HP THÀNH CỦA QUAN HỆ MỜ (COMPOSITION OF FUZZY RELATIONS) n 30 (COMPOSITION OF FUZZY RELATIONS) Định nghóa: Giả sử R quan hệ mờ X´Y, A tập mờ X Sự hợp thành mờ R A tập mờ B, ký hiệu B = AoR, xác định sau: m B ( y ) = m A R ( y ) = S {T ( m A ( x), m R ( x, y ))} đó: toán tử S MAX SUM, toán tử T MIN PROD n công thức hợp thành thường dùng: n Công thức hợp thành MAX-MIN: m B ( y ) = m A R ( y ) = max {min( m A ( x), m R ( x, y))} x n Công thức hợp thành MAX-PROD: m B ( y ) = m A R ( y) = max( m A ( x).m R ( x, y )) x n Công thức hợp thành SUM-MIN: m B ( y ) = m A R ( y) = å min( m A ( x), m R ( x, y)) x n Công thức hợp thành SUM-PROD: m B ( y ) = m A R ( y ) = å m A ( x).m R ( x, y ) 31 CuuDuongThanCong.com x https://fb.com/tailieudientucntt 32 SỰ HP THÀNH CỦA QUAN HỆ MỜ SỰ HP THÀNH CỦA QUAN HỆ MỜ (COMPOSITION OF FUZZY RELATIONS) n n (COMPOSITION OF FUZZY RELATIONS) Trong điều khiển, thường sử dụng công thức MAX-MIN MAX-PROD Ý nghóa hợp thành quan hệ mờ: Khi biết quan hệ R tập sở X´Y, ta xác định tập mờ B có quan hệ R với A VD: Cho: X1 = {1, 2, 3}, X2 = {2, 3, 4}, 0.5 tập mờ “gần 3”: A = + + quan hệ “gần bằng”: R» = 3 é 0.5 0.33 0.25ù ê 0.67 0.5 úú ê êë 0.67 0.75úû Xác định: B = AoR 33 LUẬT IF-THEN Cho mệnh đề x = A, y = B Mệnh đề hợp thành: x=y=B biểu diễn dạng luật ifthen, R, sau: R: If x = A then y = B đó: x, y: biến ngôn ngữ A, B: giá trị ngôn ngữ (hằng) 34 LUẬT IF-THEN n Mỗi luật if-then xem quan hệ mờ n Quan hệ mờ tính toán theo cách: dùng phép kéo theo mờ (trong ứng dụng chuẩn đoán, định cấp cao,…) n dùng phép giao mờ (trong ứng dụng điều khiển, mô hình hóa hệ thống, xử lý tín hiệu,…) n 35 CuuDuongThanCong.com 36 https://fb.com/tailieudientucntt LUẬT IF-THEN TRONG ĐIỀU KHIỂN MỜ LUẬT IF-THEN Khi sử dụng phương pháp giao mờ để tính toán quan hệ mờ, luật if-then: If x = A then y = B diễn giải “phép kéo theo đúng, ta có đồng thời x = A y = B.” ® quan hệ có tính đối xứng n Quan hệ R mệnh đề điều kiện mệnh đề kết xác định toán tử T: R = A ´ B ® mR(x,y) = T{mA(x,y), mB(x,y)} T MIN PROD Bảng chân trị phép kéo theo: n p q pÞq 0 1 1 0 1 Trong logic kinh điển, để kéo theo đúng: - Nếu p đúng, q phải - Nếu p sai, kết luận q 37 LUẬT IF-THEN TRONG ĐIỀU KHIỂN MỜ 38 VÍ DỤ Sự kết hợp luật (rule aggregation) trường hợp có nhiều luật (hệ luật): Ri: If x = Ai then y = Bi đó: i = 1, 2, …, K, quan hệ R hợp quan hệ Ri : K n R =  Ri ® m R ( x, y ) = S éëT {m Ai ( x ), m Bi ( y )}ùû 1£ i £ K i =1 S laø MAX SUM, T MIN PROD n Sau mã hóa hệ luật thành quan hệ mờ R, ta xác định ngõ y từ ngõ vào x quan hệ R toán tử hợp thành (“o”)như sau: y=xoR m Xét hệ điều khiển xe Ngõ vào: tốc độ xe V = {slow, ok, fast} Ngõ ra: độ thay đổi góc quay bướm xăng (ga xe) DF = {dec, same, inc} Hệ luật điều khiển: R1: If v = slow then Dj = inc R2: If v = ok then Dj = same R3: If v = fast then Dj = dec -10 39 CuuDuongThanCong.com slow 12 ok fast 68 40 v [km/h] dec -5 m same inc Dj [độ] 10 40 https://fb.com/tailieudientucntt VÍ DỤ VÍ DỤ Rời rạc hóa miền ngõ vào ngõ Chẳng hạn: X = {0, 15, 30, 45, 60, 75}; Y = {-8, -4, 0, 4, 8} slow 1.0 0.9 0.4 0.0 0.0 inc 0.0 0.0 0.0 0.8 0.4 -4 Áp dụng luật 1, ta coù: X 15 30 45 60 75 slow 1.0 0.9 0.4 0.0 0.0 0.0 ok 0.0 0.1 0.6 0.8 0.3 0.0 fast 0.0 0.0 0.0 0.2 0.7 1.0 15 Y -8 -4 dec 0.4 0.8 0.0 0.0 0.0 45 same 0.0 0.2 1.0 0.2 0.0 inc 0.0 0.0 0.0 0.8 0.4 60 -8 R1 = slow ´ inc = 30 75 41 VÍ DUÏ é0.0 ê 0.0 ê ê 0.0 ê ê 0.0 ê 0.0 ê ëê 0.0 0.0 0.0 0.0 0.8 0.4 ù 0.0 0.0 0.8 0.4úú 0.0 0.0 0.4 0.4ú ú 0.0 0.0 0.0 0.0ú 0.0 0.0 0.0 0.0ú ú 0.0 0.0 0.0 0.0ûú 42 VÍ DỤ ok 0.0 0.1 0.6 0.8 0.3 same 0.0 0.2 1.0 0.2 0.0 Áp dụng luật 2, ta có: 15 R2 = ok ´ same = 30 45 60 75 -8 é0.0 ê0.0 ê ê0.0 ê ê0.0 ê0.0 ê ëê0.0 -4 0.0 CuuDuongThanCong.com 0.0 0.0 0.0 0.2 0.7 dec 0.4 0.8 0.0 0.0 0.0 -4 Áp dụng luật 3, ta coù: -8 0.0 0.0 0.0 0.0 ù 0.1 0.1 0.1 0.0úú 0.2 0.6 0.2 0.0ú ú 0.2 0.8 0.2 0.0ú 0.2 0.3 0.2 0.0ú ú 0.0 0.0 0.0 0.0ûú fast 15 R3 = fast ´ dec = 30 45 60 75 43 é0.0 ê0.0 ê ê0.0 ê ê0.2 ê0.4 ê ëê0.4 1.0 0.0 0.0 0.0 0.0 ù 0.0 0.0 0.0 0.0 úú 0.0 0.0 0.0 0.0 ú ú 0.2 0.0 0.0 0.0 ú 0.7 0.0 0.0 0.0 ú ú 0.8 0.0 0.0 0.0 ûú https://fb.com/tailieudientucntt 44 VÍ DỤ VÍ DỤ Suy ra: -8 15 R =  Ri = 30 i =1 45 60 75 é0.0 ê0.0 ê ê0.0 ê ê0.2 ê0.4 ê êë0.4 -4 Giả sử có ngõ vào tập mờ: A’ = [ 0.5 0.4 0 0] (hơi chậm) Xác định B’ = A’ o R 0.0 0.0 0.8 0.4ù 0.1 0.1 0.8 0.4úú 0.2 0.6 0.4 0.4ú ú 0.2 0.8 0.2 0.0ú 0.7 0.3 0.2 0.0ú ú 0.8 0.0 0.0 0.0úû mB’(-8)= max{min[mA’(0), mR(0,-8)], min[mA’(15), mR(15,-8)], min[mA’(30), mR(30,-8)], min[mA’(45), mR(45,-8)], min[mA’(60), mR(60,-8)],min[mA’(75), mR(75,-8)]} = max{min[0, 0], min[0.5, 0], min[0.4, 0], min[0, 0.2], min[0, 0.4],min[0, 0.4]} = Tương tự: mB’(-4) = …; mB’(0) = …; mB’(4) = …; mB’(8) = … 45 PHƯƠNG PHÁP SUY DIỄN MAMDANI (SUY DIỄN MAX-MIN) Cho luật hợp thành R (kết hợp từ K luật) xác định theo quy taéc MAX-MIN: m R ( x, y ) = max {m A ( x) Ù m B ( y )} 1£ i £ K Ù toán tử tính tích cartesian i Kết quả: B’ = [0 0.2 0.4 0.5 0.4] (tăng ít)Ơ2 46 PHƯƠNG PHÁP SUY DIỄN MAMDANI (SUY DIỄN MAX-MIN) Thay công thức tính mR(x, y) vào, ta có: { } m B ' ( y ) = max m A ' ( x) Ù max éë m A ( x ) Ù m B ( y ) ùû X i Nếu ngõ vào tập mờ A’, ta xác định tập mờ ngõ B’ sau: m B ' ( y ) = max {m A ' ( x) Ù m R ( x, y)]} 1£i £ K i i Vì phép toán lấy max-min thực miền khác nhau, nên ta thay đổi thứ tự chúng sau: { } m B ' ( y ) = max max éë m A ' ( x), m A ( x) ùû Ù m B ( y ) 1£ i £ K X i i X 47 CuuDuongThanCong.com 48 https://fb.com/tailieudientucntt PHƯƠNG PHÁP SUY DIỄN MANDANI Đặt: b i = max ( m A ' ( x) Ù m A ( x) ) i X bi: độ thỏa mãn mệnh đề điều kiện luật i Biểu thức xác định hàm liên thuộc B’ viết gọn lại sau: m B ' ( y ) = max { b i Ù m B ( y )} 1£ i £ K i PHƯƠNG PHÁP SUY DIỄN MANDANI Tóm tắt phương pháp suy diễn Mamdani Bước 1: Tính bi b i = max ( m A ' ( x) Ù m A ( x) ) , £ i £ K i X Neáu ngõ vào tập singleton x0 (giá trị rõ), thì: b i = m A ( x0 ) i Bước 2: Xác định tập mờ B’i ngõ m B ' ( y ) = b i Ù m B ( y ), y Ỵ Y , £ i £ K i i Bước 3: Kết hợp tập mờ ngõ B’i m B ' ( y ) = max m B ' ( y ), y Ỵ Y 1£ i £ K 49 PHƯƠNG PHÁP SUY DIỄN MAMDANI VD: m i 50 Bài tập Xét toán điều khiển tốc độ xe Xác định tập mờ ngõ B’ ngõ vào tập mờ A’ = tri(50, 55, 60) (hơi nhanh) Xác định tập mờ ngõ B’ ngõ vào tập singleton x0 = 55 Ghi chú: hàm liên thuộc tập singleton x0: n A1 A’ A2 A3 b1 b2 x R1: If x = A1 R2: If x = A2 R3: If x = A3 b3 then y = B3 then y = B2 then y = B1 B1 m B2 B3 B’3 B’2 B’1 y m B ỡ1, x = x0 ợ0, x x0 msingleton ( x) = í y x = A’ ® y = B’ 51 CuuDuongThanCong.com 52 https://fb.com/tailieudientucntt GIẢI MỜ (DEFUZZIFICATION) GIẢI MỜ (DEFUZZIFICATION) Giải mờ biến đổi tập mờ (giá trị ngôn ngữ) sang giá trị rõ (giá trị vật lý) n Tìm giá trị rõ thể tốt giá trị mờ n Không có sở lý thuyết giúp ta chọn phương pháp giải mờ n Việc chọn pp giải mờ thường dựa vào đặc tính ứng dụng n phương pháp giải mờ chính: n n n Trọng tâm (center of area – COA) Trung bình cực đại (mean of maximum – MOM) Phương pháp trọng tâm (COA) sử dụng nhiều ứng dụng điều khiển Nhược điểm tính toán phức tạp n y* = ị m ( y) ydy ò m ( y)dy B B 53 54 GIẢI MỜ (DEFUZZIFICATION) GIẢI MỜ (DEFUZZIFICATION) Phương pháp trung bình cực đại (MOM): cho kết giá trị đại diện cho tác động mà có hàm liên thuộc đạt cực đại Phương pháp độ cao (nguyên lý độ phụ thuộc cực đại) n n m B ( y*) ³ m B ( y ), "y Ỵ Y y* = a +b 55 CuuDuongThanCong.com 56 https://fb.com/tailieudientucntt GIẢI MỜ (DEFUZZIFICATION) GIẢI MỜ (DEFUZZIFICATION) Phương pháp trung bình trọng số (weighted average method) Phương pháp phân vùng (Bisector of Area – BOA): y* xác định đường thẳng chia tập mờ ngõ thành vùng có diện tích n n Chỉ sử dụng hàm liên thuộc ngõ đối xứng n Cho kết gần với phương pháp COA n Tính toán n y* = å m ( y ) y å m (y) B B = a(0.5) + b(0.9) 0.5 + 0.9 57 GIẢI MỜ (DEFUZZIFICATION) y* b a y* ò m B (y )dy = ò m B (y )dy a = min{ y | y Ỵ Y } b = max{ y | y Ỵ Y } 58 SO SÁNH KẾT QUẢ CÁC PP GIẢI MỜ Phương pháp cận trái/phải cực đại (Smallest/Largest of Maximum – SOM/LOM) n yl = inf { y Ỵ Y | m B = hgt ( B )} y yr = sup { y Ỵ Y | m B = hgt ( B )} y hgt(B) độ cao tập mờ B hgt ( B) = sup m B ( y ) Y 59 CuuDuongThanCong.com 60 https://fb.com/tailieudientucntt ĐIỀU KHIỂN MỜ n n n ĐIỀU KHIỂN MỜ Điều khiển thực dựa lý thuyết logic mờ gọi điều khiển mờ Hệ điều khiển mờ cho phép đưa kinh nghiệm điều khiển chuyên gia vào thuật toán điều khiển Chất lượng điều khiển mờ phụ thuộc nhiều vào kinh nghiệm người thiết kế n Điều khiển mờ mạnh hệ thống sau: n n n Hệ thống điều khiển phi tuyến Hệ thống điều khiển mà thông tin đầu vào / đầu không đủ không xác Hệ thống điều khiển khó xác định không xác định mô hình đối tượng 61 62 ĐIỀU KHIỂN MỜ n CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ Sơ đồ điều khiển có nhiều dạng khác Dưới sơ đồ điều khiển đơn giản thường gặp, điều khiển mờ dùng thay cho điều khiển kinh điển r e - Bộ điều khiển mờ u Đối tượng điều khiển n n Bộ điều khiển mờ gồm khối: mờ hóa, hệ luật mờ, thiết bị hợp thành, giải mờ Khi ghép điều khiển mờ vào hệ thống, thường ta cần thêm khối tiền xử lý hậu xử lý y Hệ luật mờ e Tiền xử lý Mờ hóa Thiết bị hợp thành Giải mờ Hậu xử lý u Bộ điều khiển mờ 63 CuuDuongThanCong.com 64 https://fb.com/tailieudientucntt CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ n n n n CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ Mờ hóa: biến giá trị rõ đầu vào thành giá trị mờ Hệ luật mờ: tập luật “If-then” Đây “bộ não” điều khiển mờ Luật mờ “If-then” có dạng: luật mờ Mamdani luật mờ Sugeno Thiết bị hợp thành: biến đổi giá trị mờ hóa đầu vào thành giá trị mờ đầu theo luật hợp thành Giải mờ: biến giá trị mờ đầu khối thiết bị hợp thành thành giá trị rõ n Tiền xử lý: xử lý tín hiệu trước vào điều khiển mờ n n n n Lượng tử hóa làm tròn giá trị đo Chuẩn hóa chuyển tỉ lệ giá trị đo vào tầm giá trị chuẩn Lọc nhiễu Lấy vi phân hay tích phân 65 66 CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ n Hậu xử lý: xử lý tín hiệu ngõ điều khiển mờ n n BỘ ĐIỀU KHIỂN MỜ MAMDANI Bộ điều khiển mờ Mamdani điều khiển mờ dựa luật mờ Mamdani Luật mờ Mamdani If (x1 = A1) AND (x2 = A2) AND…AND (xn = An) then y = B Ai, B tập mờ (NX: Điều kiện kết luận mệnh đề mờ.) n Chuyển tỉ lệ giá trị ngõ điều khiển mờ (trong trường hợp ngõ định nghóa tập sở chuẩn) thành giá trị vật lý Đôi có khâu tích phân 67 CuuDuongThanCong.com 68 https://fb.com/tailieudientucntt BỘ ĐIỀU KHIỂN MỜ SUGENO BỘ ĐIỀU KHIỂN MỜ SUGENO Bộ điều khiển mờ Sugeno điều khiển mờ dựa luật mờ Sugeno Luật mờ Sugeno (Takagi-Sugeno) If (x1 = A1) AND (x2 = A2) AND… AND (xn = An) then y = f(x1, x2, …, xn) đó: Ai tập mờ, f(.) hàm tín hiệu vào (hàm rõ) (NX: Điều kiện mệnh đề mờ; kết luận hàm rõ.) 69 n VD: BỘ ĐIỀU KHIỂN MỜ SUGENO A11 A21 x1 y= x2 x2 = MIN hoaëc PROD y= If (x1 = A11)AND(x2 = A21) then y1 = p1 x1+ q1 x2+ r1 If (x1 = A12)AND(x2 = A22) then y2 = p2 x1+ q2 x2+ r2 CuuDuongThanCong.com åb i i SO SAÙNH n b1 y1 + b y2 b1 + b i 70 A22 x1 i =1 K đó: bi: độ cao tập mờ kết mệnh đề điều kiện luật i K: số luaät n y2 = p2 x1+ q2 x2+ r2 åb y i =1 y1 = p1 x1+ q1 x2+ r1 x2 b2 x1 = K n b1 A12 Phương pháp giải mờ dùng BĐK mờ Sugeno tổng có trọng số (weighted sum) n BĐK mờ Mamdani thích hợp để điều khiển đối tượng không xác định mô hình BĐK mờ Sugeno thích hợp để điều khiển đối tượng có mô hình không xác, mô hình phi tuyến tuyến tính hóa đoạn BĐK mờ Mamdani có phần kết luận hệ luật tập mờ dạng singleton BĐK mờ Sugeno có hệ luật mà phần kết luận số 71 72 https://fb.com/tailieudientucntt FUZZY LOGIC TOOLBOX HỆ ĐIỀU KHIỂN MỜ LAI (hybrid fuzzy control system) (tự tìm hiểu) n Hệ điều khiển mờ lai: kết hợp điều kinh điển điều khiển mờ Bộ chỉnh định mờ Thiết bị chỉnh định r - e Bộ điều khiển u PID 73 CuuDuongThanCong.com Đối tượng điều khiển y 74 https://fb.com/tailieudientucntt ... https://fb.com/tailieudientucntt ĐIỀU KHIỂN MỜ n n n ĐIỀU KHIỂN MỜ Điều khiển thực dựa lý thuyết logic mờ gọi điều khiển mờ Hệ điều khiển mờ cho phép đưa kinh nghiệm điều khiển chuyên gia vào thuật toán điều khiển Chất... ĐK thông minh - ĐK thông thường n n Về mặt toán học, điều khiển thông minh không chặt chẽ điều khiển thông thường Đây lónh vực tương đối mới, chưa nghiên cứu hết Về nguyên tắc, thiết kế điều khiển. .. thống điều khiển khó xác định không xác định mô hình đối tượng 61 62 ĐIỀU KHIỂN MỜ n CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ Sơ đồ điều khiển có nhiều dạng khác Dưới sơ đồ điều khiển đơn giản thường gặp, điều khiển