Ứng dụng fuzzy logic và neural network điều khiển thiết bị và cảnh báo trạng thái từ xa thông qua mạng điện gia dụng

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HỒ CHÍ MINH o o o XW o o o VÕ XUÂN THỊNH ỨNG DỤNG FUZZY LOGIC VÀ NEURAL NETWORK ĐIỀU KHIỂN THIẾT BỊ VÀ CẢNH BÁO TRẠNG THÁI TỪ XA THÔNG QUA MẠNG ĐIỆN GIA DỤNG Chuyên ngành : Vô Tuyến Điện Tử Mã số : VTĐT13.025 LUẬN ÁN CAO HỌC TP Hồ Chí Minh Tháng năm 2004 Em xin chân thành cảm ơn Thầy PGS, TS Vũ Đình Thành người trực tiếp hướng dẫn, bảo cho em suốt trình thực đề tài Đồng thời thông qua đề tài này, em xin chân thành cảm ơn tập thể thầy cô môn Điện Tử Viễn Thông cho em nhiều kiến thức bổ ích suốt trình học tập trường Em xin chân thành cảm ơn ba mẹ, bạn đồng nghiệp tạo điều kiện thuận lợi giúp đỡ trình học tập làm luận văn Tp Hồ Chí Minh, ngày 27 tháng năm 2004 Học viên Võ Xuân Thịnh MỤC LỤC Đặt vấn ñeà Chương I: Fuzzy Logic I Tập mờ Định nghóa tập mờ 1.1 Hàm thuộc 1.2 Hàm thuộc tập mờ 1.3 Định nghóa 1.4 Một số khái nieäm 1.4.1 Độ cao 1.4.2 Miền xác định 1.4.3 Miền tin cậy Các tính chất tập mờ 2.1 Tính giao hoán 2.2 Tính kết hợp 2.3 Tính phân bố 2.4 Idemootency 2.5 Tính đồng 2.6 Tính bắc caàu 2.7 Tính bù Caùc phép toán tập mờ 3.1 Phép bù 3.2 Phép giao tập mờ 3.3 Phép giao tập mờ 3.4 Hai tập hợp 3.5 Taäp 3.6 Luật bù 3.7 Định luật De Morgan 3.8 Tích Cartesian 3.9 Toång đại số 3.10 Tích đại số 3.11 Tổng có giới hạn Quan hệ mờ 4.1 Khái niệm quan hệ mờ 4.2 Số lượng quan hệ mờ 4.3 Các phép toán quan hệ mờ 4.3.1 Hợp 3 3 5 5 5 6 6 6 6 7 7 7 7 7 8 4.3.2 Giao 4.3.3 Buø 4.3.4 Quan heä 4.4 Tính chất quan hệ mờ 4.5 Tích Cartesian phép toán hỗn hợp (composition) mờ 4.6 Tập mờ không tương tác lẫn 4.7 Quan hệ xấp xỉ quan hệ tương đương mờ 4.8 Gaùn caùc giaù trị thuộc cho quan hệ mờ 10 Toán học mờ 11 5.1 Topo mờ 11 5.2 Giải tích mờ 12 5.2.1 Phương trình vi phân mờ 12 5.2.2 Phép đạo hàm hàm mờ 14 Logic mờ 14 6.1 Bieán ngôn ngữ giá trị 14 6.2 Mờ hóa 16 6.3 Luật hợp thành mờ 17 6.3.1 Meänh đề hợp thành 17 6.3.2 Mô tả mệnh đề hợp thành mờ 17 6.3.3 Luật hợp thành mờ 21 6.3.4 Thuật toán thực luật hợp thành max – MIN, max – PROD có cấu trúc Siso 22 6.3.5 Thuật toán xác định luật hợp thành đơn có cấu trúc Miso 25 6.3.6 Thuật toán xác định luật hợp thành kép max – MIN, max – PROD 26 6.4 Giải mờ 28 6.4.1 Phương pháp lấy max hàm thuộc 29 6.4.2 Phương pháp điểm trọng taâm 29 6.4.3 Phương pháp trung bình có trọng số 30 6.4.4 Phương pháp mean – max 30 6.4.5 Phương pháp trọng tâm tổng 30 6.4.6 Phương pháp trọng tâm vùng lớn 31 6.4.7 Phương pháp lấy giá trị max (hoặc cuối cùng) 31 Các ứng dụng điều khiển mờ 32 7.1 Sự phát triển công nghệ mờ 32 7.2 Điều khiển mờ 33 7.2.1 Cấu trúc hoạt động điều khiển mờ 33 7.2.2 Các biền vào điều khiển mờ 33 7.2.3 Khâu mờ hóa 35 7.2.4 Cơ sở luật mờ 7.2.5 Cơ chế suy dieãn 7.2.6 Khâu giải mờ 7.2.7 Các bước thiết kế hệ điều khiển mờ đơn giản 7.2.8 Ứng dụng điều khiển mờ 7.2.9 Các hệ chuyên gia mờ 7.2.10 Nhận dạng mờ 7.2.11 Hệ hỗ trợ định 35 35 35 35 36 37 38 38 Chương II: Neural Network I Giới thiệu mạng neural nhân tạo Những mô hình neural thường sử dụng Cấu tạo mạng neural Các kết nối maïng neural Các luật học hỏi II Mạng truyền thẳng học hỏi có giám sát Mạng perceptron lớp Luật học hỏi perceptron Adaline III Mạng truyền thẳng nhiều lớp Thuật toán lan truyền ngược Các hệ số học hỏi mạng lan truyền ngược Mạng neural thời gian treã IV Mạng hồi tiếp nhớ kết hợp Maïng Hopfield Bộ nhớ kết hợp Bộ nhớ tự kết hợp hồi qui V Mạng học hỏi không gám saùt Các luật học hỏi không giám sát Luật học hỏi tín hieäu Hebbian Luật học hỏi cạnh tranh Luật học hỏi Kohonen Maïng Hamming Bản đồ đặc tính tự tổ chức 40 45 45 46 48 50 50 51 51 52 52 53 55 56 56 56 58 59 59 59 59 60 61 62 Chương III: Thiết kế mạng điều khiển cảnh báo từ xa qua mạng điện gia dụng I Sơ đồ khối tổng quát 63 Sơ đồ 63 Chức khối 2.1 Khối ghép nối mạng điện 2.2 Ổn áp 2.3 Mạch ghép nối 2.4 Mạch điều chế giải điều chế 2.5 Khối thiết bị hay cảm biến 2.6 Mạch xử lý điều khiển 2.7 Mạch xử lý trung tâm 2.8 Máy tính 2.9 Các thiết bị giao tiếp 2.10 Các lặp khuếch đại II Thiết kế trạm Mạch ghép nối 1.1 Mạch ghép nối đơn giản 1.2 Mạch ghép nối biến áp Điều chế giải điều chế 2.1 Điều chế 2.2 Giải điều chế 2.3 Xác định loại mã truyền 2.3.1 Sơ lược số dạng mã hóa 2.3.2 Lựa chọn mã hóa thieát keá 2.4 Khối điều khiển thiết bị hay cảm biến thiết bị 2.4.1 Khối chuyển đổi mạch ADC 2.4.2 Cảm biến trạng thái môi trường 2.4.3 Mạch cảm biến trộm 2.5 Khối xử lý trung taâm Sơ đồ nguyên lý thiết kế trạm III Thieát kế mạng điều khiển cảnh báo từ xa qua mạng điện gia dụng Chương IV: Ứng dụng fuzzy logic neural network vận hành mạng cảnh báo điều khiển xa qua mạng điện I Ứng dụng vận hành trạm Sơ đồ khối trạm Hoạt động yêu cầu trạm Nguyên lý báo động trộm nghiên cứu đề tài 3.1 Điều khiển kinh điển 3.2 Ứng dụng neural network 3.2.1 Laáy mẫu liệu 64 64 64 64 64 64 64 65 65 65 65 65 65 65 66 68 68 73 78 78 81 82 82 83 84 85 85 88 89 89 89 90 90 90 90 3.2.2 Choïn kiểu mạng để mô 91 3.3 Ứng dụng Fuzzy Logic 105 Nguyên lý báo động cháy nghiên cứu đề tài 106 4.1 Điều khiển kinh điển 106 4.2 Ứng duïng neural network 107 4.3 Chọn kiểu mạng mô 108 Cảm biến trạng thái thiết bị 108 II Ứng dụng vận hành mạng 108 Hướng phát triển đề tài 109 Phuï luïc 110 Tài liệu tham khảo 116 GVHD: PGS, TS Vũ Đình Thành ỨNG DỤNG FUZZY LOGIC VÀ NEURAL NETWORK ĐIỀU KHIỂN THIẾT BỊ VÀ CẢNH BÁO TRẠNG THÁI TỪ XA THÔNG QUA MẠNG ĐIỆN GIA DỤNG ĐẶT VẤN ĐỀ Từ năm đầu thập kỷ 90 lý thuyết tập mờ mạng neural nhân tạo phát triển nhanh đa dạng đem lại nhiều thành tựu bất ngờ lónh vực điều khiển, điều khiển mờ Ưu điểm điều khiển mờ so với phương pháp điều khiển kinh điển định điều khiển trước đặc tính đối tượng cách xác Khác với điều khiển kinh điển hoàn toàn dựa vào xác tuyệt đối thông tin đầu vào mà nhiều ứng dụng không thiết có Điều khiển mờ cần thông tin đầu vào “không xác” không đầy đủ thông tin mà xác nhận thấy quan hệ chúng với mô tả ngôn ngữ định xác Điều khiển mờ mô tả cách giải vấn đề cách giải có suy nghó người, giải toán điều khiển phức tạp mà trước điều khiển kinh điển không giải Logic mờ mạng neural cung cấp công nghệ ngành công nghiệp làm sản phẩm thông minh, đáp ứng cho nhu cầu tự động hóa đời sống sản xuất Hiện nay, kỹ thuật dùng điều khiển mờ thấy ứng dụng số sản phẩm điện tử – viễn thông thị trường như: máy giặt Fuzzy, máy tắm nước nóng Fuzzy, tủ lạnh Fuzzy Sự phát triển khoa học kỹ thuật tạo sản phẩm khoa học tự động hóa cao giúp giải phóng sức lao động ngøi công việc hàng ngày lao động, sản phẩm hỗ trợ cho người tất công việc từ đơn giản sinh hoạt người đến công việc mà người làm (trong môi trường độc hại, thăm dò vũ trụ…) Để tạo sản phẩm vậy, nhiều công trình nghiên cứu thuộc viện, trường thực đề tài luận văn đại học, luận án thạc sỹ thầy cô giúp đỡ hướng dẫn học viên thực Trong đề tài luận án này, với hướng dẫn bảo tận tình thầy PGS, TS Vũ Đình Thành, em thực đề tài “Nghiên cứu ứng dụng Fuzzy Logic Neural Network để thiết kế mạng điều khiển thiết bị cảnh báo trạng thái từ xa qua mạng điện gia dụng” - Trang - GVHD: PGS, TS Vũ Đình Thành Trong sống tất bật nay, công việc yêu cầu phải thường xuyên vắng nhà, sản phẩm tự động hóa giúp người việc tự động kiểm soát, báo trạng thái tự động điều khiển hoạt động trang thiết bị cần thiết, muốn phải xây dựng mạng kiểm soát điều khiển tới tất vị trí, muốn xây dựng mạng phải xây dựng môi trường truyền cho mạng Với mạng hữu tuyến, thực đường dây kết nối hoàn toàn tốn kèm theo nhiều bất lợi tính linh hoạt không cao (vì lần thêm trạm điều khiển kiểm soát phải thiết lập thêm đường dây truyền mới) mỹ quan nhà phải có nhiều dây bố trí nhà (đường dây điện, đường mạng điều khiển, điện thoại…) Để khắc phục điểm hạn chế này, đề tài em chọn mạng sẵn có, mạng điện gia dụng, mạng phổ biến kéo tới tất nơi đất nước, tới tất phòng ban, vị trí công trình xây dựng Vì thế, đề tài chọn mạng điện gia dụng để nghiên cứu thực đề tài Nội dung luận văn gồm nội dung sau: Chương 1: Trình bày sơ lược Fuzzy logic Chương 2: Trình bày sơ lược mạng neural Chương 3: Mạng điện gia dụng Chương 4: Thiết kế mạch điều khiển thiết bị cảm biến trạng thái môi trường thiết bị từ xa thông qua mạng điện gia dụng Chương 5: Thiết kế mạng điều khiển kiểm soát trạng thái từ xa thông qua mạng điện gia dụng Chương 6: Ứng dụng mạng neural Fuzzy logic vận hành mạng kiểm soát điều khiển Cuối luận văn tài liệu tham khảo Trong trình tìm hiểu, nghiên cứu, thiết kế thi công đề tài luận văn này, em nhận hướng dẫn tận tình Thầy PGS, TS Vũ Đình Thành Thầy cô môn Điện Tử – Viễn Thông Em xin chân thành cám ơn mong tiếp tục nhận hướng dẫn đóng góp ý kiến Thầy cô - Trang - GVHD: PGS, TS Vũ Đình Thành Sai số trung bình: ∑ (Tj − a 3j ) R SS = j=1 R Quá trình huấn luyện phải hiệu chỉnh trọng số (tìm ma trận trọng số) cho sai số trung bình nhỏ Phương pháp huấn luyện gradient descent ¾ Chương trình mô mạng perceptron nhiều lớp mô phần mềm Matlab Mạng gồm lớp đầu vào, lớp ẩn lớp đầu xây dựng huấn luyện Matlab (mô chi tiết trình bày phần phụ lục) Các mẫu huấn luyện lấy từ mẫu đo thực tế xây dựng thêm để có mẫu phong phú Mạng thử nghiệm nhiều lớp với cấu trúc mạng thay đổi kết tốt chọn sau: — Huấn luyện với hàm trainlm Lớp gồm neural có kích hoạt hàm tang – sigmoid Lớp gồm neural có hàm kích hoạt tang – sigmoid Lớp gồm neural có hàm kích hoạt pureline Kết quả: - Trang 104 - GVHD: PGS, TS Vũ Đình Thành — Huấn luyện với hàm trainrp Lớp gồm neural có hàm kích hoạt tang – sigmoid Lớp gồm neural có hàm kích hoạt tang – sigmoid Lớp neural có hàm kích hoạt pureline Kết mô phỏng: - Trang 105 - GVHD: PGS, TS Vũ Đình Thành — Huấn luyện với hàm traingda: Lớp gồm neural có hàm kích hoạt tang – sigmoid Lớp gồm neural có hàm kích hoạt tang – sigmoid Lớp neural có hàm kích hoạt pureline Kết mô phỏng: - Trang 106 - GVHD: PGS, TS Vũ Đình Thành 3.3 Ứng dụng Fuzzy Logic: Ta xét phần xét kích thước đối tượng phạm vi quan sát cảm biến Nếu trường hợp đối tượng chuyển động người đi, người chạy, người đứng hay vật nuôi nhảy qua, chạy qua hay đứng trước khả nhận dạng mạng neural không xác Để xác định đối tượng trường hợp ta chọn ước lượng đối tượng từ suy kích thước đối tượng Mô hình ước lượng kích thước đối tượng: (a) mức tín hiệu Fuzzy logic (v) tốc độ Kích thước — Mức tín hiệu: Là mức tín hiệu chuyển đổi qua cảm biến — Tốc độ: Là tốc độ dịch chuyển kiểm tra qua thời gian tồn — Kích thước: Có mức dự đoán kích thước: — + Rất nhỏ + Nhỏ + Trung bình + Lớn Mức tín hiệu: Được qui định tầm giá trị từ ÷ 5V Tốc độ: Được xác định từ ÷ 25 km/s Ta có mô tả hàm thuộc: — a) Hàm thuộc tầm tín hiệu μ thấp cao trung bình 0,5 - Trang 107 - a(v) GVHD: PGS, TS Vũ Đình Thành b) Hàm thuộc tốc độ μ chậm nhanh trung bình 10 15 25 20 v(km/ h) c) Hàm thuộc kích thước đối tượng μ nhỏ lớn trung bình nhỏ 0,5 1,5 kt Các luật mờ ước lượng kích thước đối tượng: Các luật mức tín hiệu tốc độ kích thước thấp chậm nhỏ thấp trung bình nhỏ thấp nhanh trung bình trung bình chậm nhỏ trung bình trung bình trung bình trung bình nhanh lớn lớn chậm trung bình lớn trung bình lớn lớn nhanh lớn Chúng ta áp dụng chế suy diễn giải mờ để tiến hành xác định nhận dạng Nguyên lý báo động cháy nghiên cứu đề tài: 4.1 Điều khiển kinh điển: - Trang 108 - GVHD: PGS, TS Vũ Đình Thành Đối với điều khiển kinh điển nhận tín hiệu nhiệt độ chuyển mức độ khói giá trị mặc định trước tiến hành báo cháy Thực tế điều kiện môi trường khác nhiệt độ xảy cháy nồng độ khói khác Ví dụ: + Gỗ cháy có nồng độ khói thấp nhiệt cao + Len, cháy có nồng độ khói cao nhiệt thấp Vì theo điều khiển kinh điển việc điều khiển dễ dẫn đến sai xảy nhiều trường hợp báo lầm hay trường hợp nguy hiểm 4.2 Ứng dụng neural network: Tương tự mạng neural báo trạng thái trộm ta tiến hành chọn cấu trúc mạng điều khiển, lấy mẫu cảm biến đầu vào, huấn luyện mạng, tìm ma trận trọng số w để tiến hành lập trình để điều khiển mạng ™ Lấy mẫu liệu: Ở ta lấy mẫu liệu số chất liệu cháy điển hình qui thông số: — Nồng độ khói: Được cảm biến giá trị tầm từ ÷ 3V — Nhiệt độ: Được cảm biến giá trị tầm từ ÷ 2V Ta có bảng mẫu sau: STT Chất liệu Gỗ Tín hiệu lấy mẫu độ khói 1 10 0,8 1,2 0,7 0,6 0,7 0,5 0,8 0,7 0,8 Len, xoáp 2,2 2,3 2,6 2,5 2,8 2,6 2,8 2,8 2,6 2,7 - Trang 109 - GVHD: PGS, TS Vũ Đình Thành STT Chất liệu Gỗ Len, xốp Tín hiệu lấy mẫu nhiệt độ 10 4.3 Chọn kiểu mạng mô phỏng: Giống mô phần nhận dạng đối tượng ta chọn mạng perceptron có lớp ẩn mô hình toán sau: input P1 S1 × a1 W1 R1 + S1 × R b1 S1 × R S1 × a2 W2 + f1 b2 S2 × R R2 S2 × R a3 = y S3 × R W3 R3 + f2 b3 S3 × R S2 S1 f3 S3 đó: Đầu vào tín hiệu cảm biến nhiệt nồng độ khói Đầu tín hiệu nhận dạng chất liệu cháy Cảm biến trạng thái thiết bị: Ứng với trạng thái thiết bị ta dùng cảm biến dòng qua thiết bị để đánh giá hoạt động thiết bị như: — Ổn định — Không ổn định — Không hoạt động II Ứng dụng vận hành mạng: Sau thiết kế huấn luyện tốt để tìm biện pháp điều khiển trạm tối ưu ta tiến hành lắp ráp thành mạng hệ thống mạng điện để tiến hành thành lập mạng điều khiển kiểm soát - Trang 110 - GVHD: PGS, TS Vũ Đình Thành HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Với mô hình ứng dụng Neural Network Fuzzy Logic vào việc điều khiển cảnh báo từ xa qua mạng điện gia dụng nghiên cứu phạm vi mạng nội sâu vào nghiên cứu lý thuyết ứng dụng Neural Network Fuzzy Logic vào trạm chưa sâu nghiên cứu ứng dụng tổ chức mạng ứng dụng thực tế hoàn chỉnh Do việc mở rộng phát triển ứng dụng mạng diện rộng đem lại nhiều ứng dụng cụ thể sống dễ dàng sản phẩm hóa - Trang 111 - GVHD: PGS, TS Vũ Đình Thành PHỤ LỤC PHẦN 1: GIAO DIỆN CHƯƠNG TRÌNH MÔ PHỎNG - Trang 112 - GVHD: PGS, TS Vũ Đình Thành - Trang 113 - GVHD: PGS, TS Vũ Đình Thành PHẦN : KẾT QUẢ MÔ PHỎNG Huấn luyện theo hàm TRAINLM : 1.1 Cấu trúc mạng lớp : Neural lớp , Neural lớp 2, Neural lớp : 1.2 Cấu trúc mạng lớp : 10 Neural lớp 1, Neural lớp 2, Neural lớp - Trang 114 - GVHD: PGS, TS Vũ Đình Thành 1.3 Cấu trúc mạng lớp : 10 Neural lớp 1, 15 Neural lớp 2, Neural lớp 1.4 Cấu trúc mạng lớp : 10 Neural lớp 1, Neural lớp 2, Neural lớp - Trang 115 - GVHD: PGS, TS Vũ Đình Thành Huấn luyện theo hàm TRAINRP 2.1 Cấu trúc mạng lớp : Neural lớp , Neural lớp 2, Neural lớp : 2.2 Cấu trúc mạng lớp : 10 Neural lớp , Neural lớp 2, Neural lớp : - Trang 116 - GVHD: PGS, TS Vũ Đình Thành Huấn luyện theo hàm TRAINGDA 3.1 Cấu trúc mạng lớp : Neural lớp , Neural lớp 2, Neural lớp : 3.2 Cấu trúc mạng lớp : Neural lớp , Neural lớp 2, Neural lớp : - Trang 117 - GVHD: PGS, TS Vũ Đình Thành Tài Liệu Tham Khảo Lý thuyết điều khiển mờ – Phan Xuân Minh, Nguyễn Doãn Phước Hệ mờ mạng neural ứng dụng – Bùi Công Cường, Nguyễn Doãn Phước Neural Fuzzy Systems – Chin – Ten – Lin And C S George Lee Kyõ thuật truyền số liệu – Dương Hồng Sơn Fuzzy Trafficlight Controller – www.doc.ic.au.uk/vnd Fuzzy Logic with Engineering Applications – Timothy http://henry.fbe.fh-darmstadt.de www.personal.umich.edu www.philips semiconductors.com 10 www.ee times.com 11 www.techv.com 12 www.netwarden.ca 13 www.echelon.com 14 www.mucwireless.com/html/products/poweline 15 http://news.hut.edu.vn/library/2003/nang luong.htm 16 Ep.espacenet.com 17 Matlab and Simulink – Nguyễn Phùng Quang 18 Fuzzy Mathematical Techniques with Applications – Abra Kadel 19 Introduction to Artificial Neural Systems – Jacek M Zurada - Trang 118 - ... 4: Thiết kế mạch điều khiển thiết bị cảm biến trạng thái môi trường thiết bị từ xa thông qua mạng điện gia dụng Chương 5: Thiết kế mạng điều khiển kiểm soát trạng thái từ xa thông qua mạng điện. .. Đình Thành ỨNG DỤNG FUZZY LOGIC VÀ NEURAL NETWORK ĐIỀU KHIỂN THIẾT BỊ VÀ CẢNH BÁO TRẠNG THÁI TỪ XA THÔNG QUA MẠNG ĐIỆN GIA DỤNG ĐẶT VẤN ĐỀ Từ năm đầu thập kỷ 90 lý thuyết tập mờ mạng neural nhân... lý thiết kế trạm III Thiết kế mạng điều khiển cảnh báo từ xa qua mạng điện gia duïng Chương IV: Ứng dụng fuzzy logic neural network vận hành mạng cảnh báo điều khiển xa qua