Điều khiển nơron mờ thích nghi hệ banh đòn bẩy

94 3 0
Điều khiển nơron mờ thích nghi hệ banh   đòn bẩy

Đang tải... (xem toàn văn)

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

Thông tin tài liệu

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN QUỐC BÌNH ĐIỀU KHIỂN NƠRON MỜ THÍCH NGHI HỆ BANH – ĐÒN BẨY Chuyên ngành : Tự động hóa Mã số ngành : 2.05.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 10 năm 2006 23 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : ………………………………………………………………… Cán chấm nhận xét 1: ………………………………………………………………………… Cán chấm nhận xét 2: ………………………………………………………………………… Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ Trường Đại Học Bách Khoa, ngày …… tháng …… năm 2006 TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM PHÒNG ĐÀO TẠO SĐH ĐỘC LẬP - TỰ DO – HẠNH PHÚC -Tp HCM, ngaøy …… tháng …… năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : NGUYỄN QUỐC BÌNH Ngày, tháng, năm sinh : 15-4-1981 Chuyên ngành : Điều khiển học kỹ thuật Phái : Nam Nơi sinh : Tiền Giang MSHV : 01504360 I.TÊN ĐỀ TÀI : ĐIỀU KHIỂN NƠRON MỜ THÍCH NGHI HỆ BANH ĐÒN BẨY II NHIỆM VỤ VÀ NỘI DUNG: - Giới thiệu tổng quan - Nghiên cứu mạng neuron, logic mờ mạng neuron mờ - Xây dựng hệ thống điều khiển mạng neuron mờ thích nghi - Ứng dụng điều khiển hệ Banh – Đòn bẩy - Mô máy tính dùng Simulink Matlab 6.5 III NGÀY GIAO NHIỆM VỤ : …………………… IV NGÀY HOÀN THÀNH NHIỆM VỤ: …………………… V HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN : PGS TS Nguyễn Thị Phương Hà CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày …… tháng …… năm 2007 KHOA QUẢN LÝ NGÀNH PHÒNG ĐÀO TẠO SĐH LỜI CẢM ƠN Tôi xin chân thành cảm ơn PGS-TS Nguyễn Thị Phương Hà hướng dẫn nghiên cứu, hỗ trợ tài liệu thảo luận, đánh giá suốt trình thực luận văn cao học Tôi xin cảm ơn tất thầy cô Bộ môn giảng dạy chương trình cao học, giúp có thêm nhiều kiến thức hữu ích Cảm ơn bạn cao học khóa 15 chuyên ngành Tự động hóa góp ý giúp hiểu thêm nhiều vấn đề đề tài thực Xin cám ơn tất người thân gia đình giúp đỡ hỗ trợ bước đường học tập nghiên cứu Nguyễn Quốc Bình TÓM TẮT LUẬN VĂN THẠC SĨ Trong luận văn, hệ banh đòn bẩy điều khiển nơron mờ, có tín hiệu mẫu lấy từ mờ thích nghi gián tiếp việc học điều khiển nơron mờ theo tín hiệu mẫu không trực tuyến Sơ đồ mạng nơron có ngõ chọn theo dạng Singleton giải thuật học lan truyền ngược dùng để cập nhật trọng số mạng Các hàm phi tuyến f, g mô tả đối tượng banh đòn bẩy nơron mờ nhận dạng từ tính luật điều khiển u cho đối tượng Toàn giải thuật mô Simulink Matlab 6.5 Bộ điều khiển kiểm chứng với tác động nhiễu khác nhau, đồng thời so sánh với điều khiển khác thiết kế cho hệ banh đòn bẩy Cuối kết luận hướng phát triển đề tài ABSTRACT In this thesis a fuzzy neural tracking control of the ball-beam systems based on the indirect adaptive fuzzy controller is proposed The fuzzy neural controller is constructed from the fuzzy neural network with a set of fuzzy rules In the training, the corresponding network parameters are adjusted in an off-line manner An adaptive fuzzy algorithm is incorporated into the control scheme to approximate nonlinear functions There is a comparison between the fuzzy neural control based on an adaptive fuzzy algorithm with the other classic controller in the past Simulation was done by Simulink in MATLAB 6.5 and had good tracking control results Possible directions for future work are suggested MỤC LỤC TÓM TẮT LUẬN VĂN THẠC SỸ MUÏC LUÏC CHƯƠNG : GIỚI THIỆU TỔNG QUAN 1.1 Đặt vấn đề 1.2 Nhiệm vụ luận văn Thạc só CHƯƠNG : CƠ SỞ LÝ THUYẾT 2.1 Logic mờ .10 2.1.1 Mệnh đề mờ 10 2.1.2 Các phép toán quan hệ mờ 10 2.1.3 Mệnh đề hợp thành 11 2.2 Điều khiển mờ 12 2.2.1 Boä điều khiển mờ 12 2.2.2 Nguyên lý điều khiển mờ 14 2.3 Mạng Nơron 15 2.3.1 Mô hình Nơron nhân tạo 15 2.3.2 Các thành phần mạng Nơron nhân tạo 16 2.3.3 Luật học Perceptron 17 2.3.4 Mạng lan truyền ngược .18 2.4 Hệ Nơron mờ 21 2.4.1 Hệ suy diễn mờ xấp xỉ hàm 21 2.4.2 Hệ suy diễn mờ Nơron thích nghi – ANFIS 22 2.5 Điều khiển mờ thích nghi .25 2.5.1 Điều khiển hồi tiếp tuyến tính hóa 25 2.5.2 Mô hình mờ .26 2.5.3 Điều khiển thích nghi gián tiếp 29 2.6 Kết luận 32 CHƯƠNG : THIẾT KẾ BỘ ĐIỀU KHIỂN NƠRON MỜ THÍCH NGHI HỆ BANH – ĐÒN BẨY 3.1 Giới thiệu đối tượng .33 3.1.1 Mô tả hệ banh đòn bẩy .33 3.1.2 Mô hình toán .33 3.2 Giải thuật đề xuaát 36 3.2.1 Xây dựng mạng Nơron mờ 36 3.2.2 Giải thuật học để chỉnh trọng số .38 3.3 Kết luận 40 CHƯƠNG : KẾT QUẢ MÔ PHỎNG 40 CHƯƠNG : KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 5.1 Kết luận 66 5.2 Hướng phát triển đề tài 67 TÀI LIỆU THAM KHẢO 68 PHUÏ LUÏC 70 23 Chương : Giới thiệu tổng quan CHƯƠNG GIỚI THIỆU TỔNG QUAN 1.1 ĐẶT VẤN ĐỀ: Điều khiển thích nghi cho hệ thống động lónh vực nghiên cứu đầy tiềm kể từ thập niên 60 Tác giả R Marino P Tomei đề nghị sơ đồ điều khiển hệ phi tuyến với tuyến tính hóa hồi tiếp [11] Kiến trúc điều khiển thích nghi dựa mạng neuron cho hệ thống động phi tuyến chưa biết trước phức tạp chủ đề quan trọng đưa xem xét điều khiển bám thích nghi Phương pháp mạng neuron thích nghi dựa tiêu chuẩn ổn định Lyapunov giải vấn đề độ hôi tụ không ổn định vòng kín mà thường xuất điều khiển bám theo hệ thống động phi tuyến Bộ điều khiển mờ áp dụng vào hệ thống điều khiển phi tuyến mô hình toán học hệ Trong điều khiển mờ, luật điều khiển mờ hay mô tả ngôn ngữ mờ hệ phi tuyến xây dựng dựa tri thức kinh nghiệm Tuy nhiên, khuyết điểm điều khiển mờ thiếu thiết kế chuẩn thủ tục tối ưu Với mạng neuron, tính mạng định chủng loại neuron sử dụng cấu trúc mạng ghép nối neuron với Nó hoàn toàn độc lập với đối tượng điều khiển, chí người thiết kế có kiến thức hiểu biết đối tượng điều không giúp ích cho việc lựa chọn neuron cấu trúc mạng Tri thức mạng hình thành qua trình học theo mẫu học Mẫu học tốt, đa dạng bao nhiều trường hợp tri thức ban đầu mạng gần với thực tế Để kết hợp ưu điểm điều khiển mờ mạng neuron, nghóa thể tri thức ngôn ngữ khả học , tác giả Tsu-Tian Lee cộng đề nghị sơ đồ điều khiển neuron mờ thích nghi hệ phi tuyến [14] So sánh logic mờ với mạng neuron, mạng neuron cần nhiều phép tính toán, có khả học dung hòa lỗi; logic mờ có tính chất thông tin ngôn ngữ luật điều khiển mờ Như thể tri thức ngôn ngữ cho phép sử dụng tri thức ngôn ngữ đối tượng hỗ trợ hiểu biết, kiểm tra điều chỉnh chiến lược điều khiển, mạng neuron nhiều thời gian để huấn luyện mạng, cập nhật trọng số Tuy nhiên, hầu hết phương pháp không đảm bảo ổn định hệ thống điều khiển phi tuyến không dẫn tới hành vi điều khiển định nghóa tốt trình học Để giải vấn đề này, Li-Xin Wang trình bày phương pháp điều khiển mờ thích nghi ổn định dựa tiêu chuẩn ổn định Lyapunov [12] Phương pháp điều khiển thích nghi đảm bảo ổn định hệ thống hội tụ hệ tín hiệu mong Chương : Giới thiệu tổng quan muốn cho trước Một số phiên hiệu chỉnh phương pháp điều khiển thích nghi trình bày báo Tuy nhiên, tất phương pháp điều khiển giả thiết trạng thái hệ thống đo Logic mờ xấp xỉ hàm phi tuyến hay mạng neuron dùng xấp xỉ hàm trạng thái hệ đo Nhưng ứng dụng điều khiển thực tế, trạng thái nhiều hệ thống hệ phi tuyến không đo đo vài thành phần Trong luận văn này, phương pháp điều khiển neuron mờ sử dụng cho hệ banh đòn bẩy dựa tín hiệu mẫu lấy từ mờ thích nghi cho trước Mạng neuron mờ học huấn luyện tập mẫu vào theo cách không trực tuyến 1.2 NHIỆM VỤ LUẬN VĂN THẠC SĨ Dựa sở lý thuyết kết từ báo Jeffrey T.Spooner Kevin M.Passino, luận văn đưa điều khiển neuron mờ thích nghi cho hệ banh đòn bẩy Mạng neuron mờ xây dựng dựa luật mờ Singleton, mạng huấn luyện trước tập mẫu vào Các trọng số mạng cập nhật cách không trực tuyến Mạng neuron mờ có vai trò xấp xỉ thành phần phi tuyến f g đối tượng tính toán cho luật điều khiển u(t) đưa vào hệ mô tả Mạng có hai ngõ vào sai số bám theo et tốc độ thay đổi sai số bám ct, ngõ xấp xỉ f (hay g) Nhiệm vụ điều khiển ngõ thực y phải bám theo ngõ mong muốn yr Tác giả sử dụng giải thuật lan truyền ngược để cập nhật trọng số xây dựng hàm S-function xấp xỉ đặc tính phi tuyến bất ổn định đối tượng Kết mô máy tính dùng Simulink Matlab 6.5 Luận văn trình bày theo bố cục sau : Giới thiệu tổng quan – giới thiệu khái quát luận văn Cơ sở lý thuyết – trình bày khái niệm chủ yếu logic mờ, mạng neuron nhân tạo, điều khiển thích nghi Chương đề cập nội dung lý thuyết cần thiết sử dụng luận văn Thiết kế điều khiển neuron mờ thích nghi cho hệ banh đòn bẩy – tác giả đưa giải thuật tiếp cận đối tượng thiết lập điều khiển cho hệ, đáp ứng mục đích điều khiển Kết mô – trình bày kết đạt so sánh kết môi trường động, có tác động nhiễu Kết luận hướng phát triển đề tài – trình bày kết luận đề xuất hướng phát triển Chương : Cơ sở lý thuyết CHƯƠNG CƠ SỞ LÝ THUYẾT 2.1 LOGIC MỜ 2.1.1 Mệnh đề mờ: ~ Mệnh đề mờ, ký hiệu P , phát biểu có chứa thông tin không rõ ràng Các phát biểu diễn tả ý tưởng chủ quan mô tả chiều cao trọng lượng người thường mệnh đề mờ Trong kỹ thuật, phát biểu sau mệnh đề mờ: - "Nhiệt độ" "cao" - "Mực chất lỏng" "thấp" - "Vận tốc" "trung bình", … Như mệnh đề mờ phát biểu có dạng: "biến ngôn ngữ " "giá trị ngôn ngữ " Về mặt toán học, mệnh đề mờ biểu thức: ~ ~ P : x∈ A (2.1) ~ Tập mờ A đặc trưng cho giá trị ngôn ngữ mệnh đề mờ Khác với mệnh đề kinh điển có hai khả sai (0 1), giá trị thật mệnh đề ~ mờ giá trị nằm đoạn [0,1] Gọi T (P ) giá trị thật mệnh ~ ~ đề mờ P , T (P ) aùnh xaï: ~ T ( P ) : X → [0,1] x a µ A~ ( x) ~ X tập sở tập mờ A (2.2) Nói cách khác : ~ T ( P ) = µ A~ ( x), với ≤ µ A~ ( x) ≤ (2.3) ~ ~ Biểu thức cho thấy "độ đúng" mệnh đề P : x ∈ A độ phụ thuộc ~ x vào tập mờ A Mệnh đề mờ khái niệm lý thuyết logic mờ trình bày mục 2.1.2 Các phép toán mệnh đề mờ: Tương tự tập hợp, ta có phép toán giao, hợp, bù tập mờ Định nghóa: Chúng ta nói tập A B µ A ( x) = µ B ( x) với x ∈U Ta nói B chứa A, ký hiệu A⊂B, µ A ( x) ≤ µ B ( x) với x ∈U Bù tập mờ A tập mờ A U mà có hàm thành viên định nghóa : µ A ( x) = − µ A ( x) (2.4) Hợp A B tập mờ U, ký hiệu A ∪ B , có hàm thành viên định nghóa : 10 q(3)=muye(1).*muyc(3); q(4)=muye(1).*muyc(4); q(5)=muye(1).*muyc(5); q(6)=muye(1).*muyc(6); q(7)=muye(1).*muyc(7); q(8)=muye(2).*muyc(1); q(9)=muye(2).*muyc(2); q(10)=muye(2).*muyc(3); q(11)=muye(2).*muyc(4); q(12)=muye(2).*muyc(5); q(13)=muye(2).*muyc(6); q(14)=muye(2).*muyc(7); q(15)=muye(3).*muyc(1); q(16)=muye(3).*muyc(2); q(17)=muye(3).*muyc(3); q(18)=muye(3).*muyc(4); q(19)=muye(3).*muyc(5); q(20)=muye(3).*muyc(6); q(21)=muye(3).*muyc(7); q(22)=muye(4).*muyc(1); q(23)=muye(4).*muyc(2); q(24)=muye(4).*muyc(3); q(25)=muye(4).*muyc(4); q(26)=muye(4).*muyc(5); q(27)=muye(4).*muyc(6); q(28)=muye(4).*muyc(7); q(29)=muye(5).*muyc(1); q(30)=muye(5).*muyc(2); q(31)=muye(5).*muyc(3); q(32)=muye(5).*muyc(4); q(33)=muye(5).*muyc(5); q(34)=muye(5).*muyc(6); q(35)=muye(5).*muyc(7); q(36)=muye(6).*muyc(1); q(37)=muye(6).*muyc(2); q(38)=muye(6).*muyc(3); q(39)=muye(6).*muyc(4); q(40)=muye(6).*muyc(5); 80 q(41)=muye(6).*muyc(6); q(42)=muye(6).*muyc(7); q(43)=muye(7).*muyc(1); q(44)=muye(7).*muyc(2); q(45)=muye(7).*muyc(3); q(46)=muye(7).*muyc(4); q(47)=muye(7).*muyc(5); q(48)=muye(7).*muyc(6); q(49)=muye(7).*muyc(7); %ket qua luat consequent=[muyg(1);muyg(1);muyg(1);muyg(1);muyg(1);muyg(1);muyg(1); muyg(2);muyg(2);muyg(2);muyg(2);muyg(2);muyg(2);muyg(2); muyg(3);muyg(3);muyg(3);muyg(3);muyg(3);muyg(3);muyg(3); muyg(4);muyg(4);muyg(4);muyg(4);muyg(4);muyg(4);muyg(4); muyg(5);muyg(5);muyg(5);muyg(5);muyg(5);muyg(5);muyg(5); muyg(6);muyg(6);muyg(6);muyg(6);muyg(6);muyg(6);muyg(6); muyg(7);muyg(7);muyg(7);muyg(7);muyg(7);muyg(7);muyg(7)]; %ngo output_u(i)=sum(q*consequent)/sum(q); r=consequent; [m n]=size(g); % m la so mau, n la ngo maxcycles=1000; % chu ki huan luyen SSE_goal=0.01; % SSE muc tieu lr=0.3; % toc hoc %ngo luat w_out=[q(1)';q(2);q(3)';q(4)';q(5)';q(6)';q(7)';q(8)';q(9)';q(10)';q(11)';q(12)';q(13)';q(1 4)';q(15)';q(16)';q(17)';q(18)';q(19)';q(20)'; q(21)';q(22)';q(23)';q(24)';q(25)';q(26)';q(27)';q(28)';q(29)';q(30)';q(31)';q(32)';q(33)'; q(34)';q(35)';q(36)';q(37)';q(38)';q(39)';q(40)';q(41)';q(42)';q(43)';q(44)';q(45)';q(46)'; q(47)';q(48)';q(49)']; sum_w_out=[sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_ out);sum(w_out);sum(w_out);sum(w_out);sum(w_out); sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_o ut);sum(w_out);sum(w_out);sum(w_out); sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_o ut);sum(w_out);sum(w_out);sum(w_out); 81 sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_o ut);sum(w_out);sum(w_out);sum(w_out); sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_out);sum(w_o ut);sum(w_out);sum(w_out)]; %ngo out_up1(i)=(r'*w_out)./sum(w_out); for j=1:maxcycles out_up1(i)=(r'*w_out)./sum(w_out); e1=g(i)-out_up1(i)'; % sai so ngo SSE(j)=sum(sum(e1.^2)); % SSE if SSE(j) 0.02*uc break; end end hplot = plot(t,uc,'r',t,y,'b'); grid; hold on; set(hplot,'LineWidth',1); %legend(result); 91 title('KET QUA MO PHONG DAP UNG'); xlabel(['Kp = ', num2str(Kp), ' Kd = ', num2str(Kd)]); Ô ballbeam_phanbocuc.m A = [0 0; 0.5 0]; B = [0.5; 0]; C = [0 0.84]; D = [0]; K = [8*sqrt(2) 64]; N = (-C*(A-B*K)^-1*B)^-1; uc = 0.5*sin(t); %Tin hieu dat t = [0:0.1:10]; %Thoi gian mo phong u = uc+0.1*square(t); [y,x] = lsim(A-B*K,B*N,C,D,u,t); Mp = (max(y)-uc)/uc; %Do vot lo for n = length(y) : -1 : if abs(y(n)-uc) > 0.02*uc break; end end hplot = plot(t,uc,'r',t,y,'b'); grid; hold on; set(hplot,'LineWidth',1); %axis([0 10 0.7]); %legend(result); title('KET QUA MO PHONG DAP UNG'); xlabel('Time [s]'); Ô ballbeam_QDNS.m m = 0.111; R = 0.015; d = 0.03; g = 9.8; L = 1; J = 9.99e-6; %Khoi luong banh %Ban kinh banh %Khoang cach tu truc dong co den canh tay don %Gia toc truong %Chieu dai dam %Moment quan tinh cua banh numG = [(m*g*d)/(L*(J/R^2+m))]; 92 denG = [1 0]; G = tf(numG,denG); numGc = [76.2 0]; denGc = [1 5.66]; Gc = tf(numGc,denGc); %Ham truyen doi tuong %Ham truyen khau hieu chinh som pha Gopen = Gc * G; %Ham truyen vong ho cua he thong Gclose = feedback(Gopen,1); %Ham truyen vong kin cua he thong t = [0:0.1:10]; %Thoi gian mo phong uc = 0.5*sin(t); %Tin hieu dat u = uc+0.1*square(t); [y,t] = lsim(Gclose,u,t); %Mo phong dap ung Mp = (max(y)-uc)/uc; %Do vot lo for n = length(y) : -1 : if abs(y(n)-uc) > 0.02*uc break; end end hplot = plot(t,uc,'r',t,y,'b'); grid; set(hplot,'LineWidth',1); %axis([0 max(t) 0.7]); %legend(result); title('KET QUA MO PHONG DAP UNG'); xlabel('Time [s]'); 93 TÓM TẮT LÝ LỊCH TRÍCH NGANG Họ tên : NGUYỄN QUỐC BÌNH Phái : Nam Ngày, tháng, năm sinh : 15-04-1981 Nơi sinh : Tiền Giang Địa liên lạc : 536/32/9/37A3 Âu Cơ, P10, Q.TB, Tp Hồ Chí Minh ĐT: 0983.304.909 Email: nguyen.quocbinh@gmail.com Khóa (năm trúng tuyển) : K15 (2004-2006) QUÁ TRÌNH ĐÀO TẠO 1999 - 2004: sinh viên trường Đại học Bách khoa Tp HCM, chuyên ngành Điều khiển tự động Tháng 04-2004 tốt nghiệp Kỹ sư 2004 - 2006: học viên cao học trường Đại học Bách khoa Tp HCM, chuyên ngành Điều khiển học kỹ thuật QUÁ TRÌNH CÔNG TÁC 08 - 2004 đến 08 -2005 : giảng dạy PLC Trung tâm Điện tử – Tin học trường Đại học KHTN Tp.HCM 06 – 2004 đến 09 - 2006 : nhân viên Công ty TNHH SX&TM Điện Bình Sơn 539/23 Lũy Bán Bích, Q.Tân Phú, Tp.HCM 10 – 2006 đến : nhân viên Công ty TNHH TM ESACO 17 Trần Quốc Thảo, Q.3, Tp.HCM 94 ... xuất điều khiển bám theo hệ thống động phi tuyến Bộ điều khiển mờ áp dụng vào hệ thống điều khiển phi tuyến mô hình toán học hệ Trong điều khiển mờ, luật điều khiển mờ hay mô tả ngôn ngữ mờ hệ. .. .18 2.4 Hệ Nơron mờ 21 2.4.1 Hệ suy diễn mờ xấp xỉ hàm 21 2.4.2 Hệ suy diễn mờ Nơron thích nghi – ANFIS 22 2.5 Điều khiển mờ thích nghi .25 2.5.1 Điều khiển hồi tiếp... mạng nơron mờ điều khiển cho hệ banh đòn bẩy hình thành Hàm phi tuyến f, g mô tả đối tượng mạng nơron nhận dạng từ tính luật điều khiển u điều khiển đối tượng banh đòn bẩy Tập mẫu để học mạng nơron

Ngày đăng: 10/02/2021, 22:24

Tài liệu cùng người dùng

Tài liệu liên quan