Ứng dụng mạng nơron trong điều khiển thích nghi

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI - NGƠ NGỌC HỒNG ỨNG DỤNG MẠNG NƠRON TRONG ĐIỀU KHIỂN THÍCH NGHI Chuyên ngành: ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƢỜI HƢỚNG DẪN KHOA HỌC TS ĐÀO PHƢƠNG NAM HÀ NỘI – 2017 Luận văn Thạc Sĩ Chuyên ngành: Điều khiển & Tự Động Hóa MỤC LỤC LỜI CAM ĐOAN PHẦN MỞ ĐẦU CHƢƠNG 1: TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO 1.1 Lịch sử phát triển mạng nơron nhân tạo 1.2 Các tính chất mạng nơron nhân tạo 1.3 Cấu trúc mô hình mạng nơ-ron 1.4 Những mơ hình nơ-ron thƣờng sử dụng 12 1.5 Cấu tạo mạng nơ-ron 12 1.6 Phƣơng thức làm việc mạng nơ-ron 15 1.7 Các luật học 17 1.8 Mạng nơron truyền thẳng mạng nơron hồi quy 21 1.8.1 Mạng nơron truyền thẳng 21 1.8.2 Mạng nơron hồi quy 22 1.9 Ứng dụng mạng nơron điều khiển tự động 27 1.10 Công nghệ phần cứng sử dụng mạng nơron 28 1.11 So sánh khả mạng nơron với mạch lơgíc 29 1.12 Kết luận chƣơng 30 CHƢƠNG 2: ĐIỀU KHIỂN THÍCH NGHI, ROBOT, MẠNG NƠRON VÀ BỘ ĐIỀU KHIỂN PHẢN HỒI RISE 31 2.1 Điều khiển thích nghi 31 2.2 Robot công nghiệp 32 2.2.1 Tổng quan Robot công nghiệp 32 2.2.2 Động lực học Robot 33 Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc Sĩ Chuyên ngành: Điều khiển & Tự Động Hóa 2.3 Xấp xỉ hàm số mạng nơron nhân tạo 35 2.4 Phƣơng pháp điều khiển phản hồi Rise 38 2.5 Kết luận chƣơng 39 CHƢƠNG : ỨNG DỤNG MẠNG NƠRON TRUYỀN THẲNG VÀ BỘ ĐIỀU KHIỂN RISE TRONG ĐIỀU KHIỂN THÍCH NGHI ROBOT 40 3.1 Mở đầu 40 3.2 Mục tiêu điều khiển 40 3.3 Thiết kế điều khiển 41 3.4 Bộ điều khiển phản hồi RISE 44 3.5 Sai lệch hệ thống vịng kín 50 3.6 Phân tích tính ổn định tối ƣu 53 3.7 Mô 55 3.7.1 Mơ hình hệ thống robot khâu RT 55 3.7.2 Kết mô 59 3.7.3 Kết luận 61 KẾT QUẢ VÀ BÀN LUẬN 62 TÀI LIỆU THAM KHẢO 63 Phụ lục1: Lập trình Matlab 65 Phụ lục 2: Mơ hình robot khâu RT Matlab 67 Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc Sĩ Chuyên ngành: Điều khiển & Tự Động Hóa DANH MỤC HÌNH VẼ VÀ SƠ ĐỒ Hình 1 Một mạng nơ-ron gồm hai thành phần 10 Hình Nơ-ron khâu MISO 10 Hình Mạng nơ-ron ba lớp 13 Hình Mạng MLP 14 Hình Cấu trúc mạng nơ-ron 14 Hình Mơ hình học có giám sát học củng cố 18 Hình Mơ hình học khơng có giám sát 18 Hình Sơ đồ cấu trúc chung trình học 20 Hình Mạng nơ-ron truyền thẳng lớp 21 Hình 10 Mạng nơ-ron truyền thẳng nhiều lớp 22 Hình 11 Sơ đồ cấu trúc mạng Jordan 24 Hình 12 Sơ đồ cấu trúc mạng nơ-ron hồi quy đơn 25 Hình Mạng nơ-ron truyền thẳng ba lớp……………………………….…… 36 Hình 3.7.1 Mơ hình robot khâu RT……………………………………… .56 Hình 3.7.1 Tọa độ khâu robot 57 Hình 3.7.2 Sai lệch teta…………………………………………………………… 60 Hình 3.7.2 Sai lệch d2……………………………………………………………….…60 Ngơ Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc Sĩ Chuyên ngành: Điều khiển & Tự Động Hóa LỜI CAM ĐOAN Tên tơi là: Ngơ Ngọc Hồng Học viên lớp cao học Điều khiển tự động hóa 2015B – Trƣờng đại học Bách khoa Hà Nội Xin cam đoan: đề tài “Ứng dụng mạng Nơron điều khiển thích nghi.” thầy giáo TS Đào Phƣơng Nam hƣớng dẫn riêng “Tôi cam đoan rằng, ngoại trừ kết tham khảo từ cơng trình khác nhƣ ghi rõ luận văn, cơng việc trình bày luận văn tơi thực chƣa có phần nội dung luận văn đƣợc nộp để lấy cấp trƣờng trƣờng khác” Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa PHẦN MỞ ĐẦU Lý chọn đề tài: Để điều khiển xác đối tƣợng chƣa biết rõ đƣợc thông số, trƣớc tiên ta phải hiểu rõ đối tƣợng Đối với đối tƣợng có thơng số thay đổi, ta cần thực nhận dạng đặc tính vào ra, mô tả mạng nơron hàm động lực học liên tục để đảm bảo tạo tín hiệu điều khiển thích nghi đƣợc lựa chọn xác Hiện thƣờng dùng lơgíc mờ (Fuzzy Logic), mạng nơron (Neural Networks), mạng nơron mờ (Fuzzy Neural Networks) để nhận dạng điều khiển thích nghi hệ thống có thơng số thay đổi Trong khn khổ khóa học Cao học, chuyên ngành Điều khiển Tự động hóa trƣờng Đại học Bách khoa Hà Nội, đƣợc tạo điều kiện giúp đỡ nhà trƣờng Tiến sĩ Đào Phƣơng Nam, em lựa chọn đề tài tốt nghiệp “Ứng dụng mạng nơron điều khiển thích nghi” Cơ sở khoa học thực tiễn đề tài Ngày tiến khoa học kỹ thuật điện tử tin học hệ thống điều khiển tự động đƣợc phát triển có thay đổi lớn Công nghệ vi mạch phát triển khiến cho việc sản xuất thiết bị điện tử ngày hoàn thiện Các biến đổi điện tử hệ thống đáp ứng đƣợc khả tác động nhanh, độ xác cao mà cịn góp phần giảm kích thƣớc hạ giá thành hệ thống Đặc biệt thập kỷ gần trƣớc phát triển mạnh mẽ ngày hoàn thiện lý thuyết mạng nơron truyền thẳng nhiều lớp, hàng loạt ứng dụng lý thuyết mạng nơron truyền thẳng nhiều lớp mở kỷ nguyên ngành điều khiển Tuy ngành kỹ thuật điều khiển non trẻ nhƣng ứng dụng công nghiệp điều khiển mạng nơron thật rộng rãi nhƣ nhận dạng, phân loại sản phẩm, xử lý tiếng nói, chữ viết điều khiển hệ thống, điều khiển robot Tới có nhiều sản phẩm cơng nghiệp đƣợc tạo nhờ kỹ thuật điều khiển mạng nơron, nhiều nƣớc giới thành cơng Chính mà việc sâu nghiên cứu áp dụng lý thuyết điều khiển nơron truyền thẳng nhiều lớp điều khiển thích nghi có ý nghĩa khoa học Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chun ngành: Điều khiển & Tự Động Hóa Khác hẳn với kỹ thuật điều khiển kinh điển hoàn toàn dựa vào xác tuyệt đối thơng tin mà nhiều ứng dụng khơng cần thiết khơng thể có đƣợc, điều khiển nơron truyền thẳng nhiều lớp cần xử lý thơng tin khơng xác hay khơng đầy đủ, thơng tin mà xác nhận thấy đƣợc quan hệ chúng với mơ tả đƣợc ngơn ngữ, cho định xác Chính khả làm cho điều khiển nơron truyền thẳng chụp đƣợc phƣơng thức xử lý thông tin điều khiển ngƣời Do việc áp dụng điều khiển nơron truyền thẳng nhiều lớp vào hệ thống điều khiển thích nghi việc cần phải làm Mục đích đề tài Đối với đối tƣợng có thơng số thay đổi, ta cần nhận dạng đặc tính vào-ra, mơ tả mạng nơron hàm động lực học liên tục nó, bảo đảm tạo tín hiệu điều khiển thích nghi đƣợc xác Hiện thƣờng sử dụng logic mờ (Fuzzy Logic), mạng nơron mờ (Fuzzy Neural Networks), mạng nơron (Neural Networks) để nhận dạng điều khiển thích nghi hệ thống Robot Đề tài nghiên cứu ứng dụng mạng nơron truyền thẳng điều khiển thích nghi, kết hợp thuật toán mạng nơron truyền thẳng với nguyên lý phản hồi Rise xây dựng điều khiển tối ƣu xấp xỉ vào điều khiển thích nghi robot Đối tƣợng phạm vi nghiên cứu đề tài: Phần mở đầu Chương Tổng quan mạng nơron nhân tạo Phân tích tổng quan mạng nơron bao gồm: phần lịch sử phát triển, kết cấu mạng nơron, ứng dụng chúng, … Chương Điều khiển thích nghi, robot, mạng nơron điều khiển phản hồi Rise Tóm tắt số lý thuyết điều khiển thích nghi, động lực học robot, đề xuất chuyển đổi xấp xỉ mơ hình động lực học robot mạng nơron, … Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Chương Ứng dụng mạng nơron truyền thẳng điều khiển rise điều khiển thích nghi robot Mô phỏng, kết hợp mạng nơron điều khiển phản hồi rise vào điều khiển thích nghi robot Chương Kết luận chung kiến nghị Ý nghĩa khoa học thực tiễn đề tài Với ứng dụng mạng nơron truyền thẳng nhiều lớp điều khiển hệ Robot, sau xấp xỉ đƣợc mô hình động lực học Robot mạng nơron, ta thay gần mơ hình Robot mạng nơron, từ thơng số mơ mạng nơron, tính tốn đƣợc tín hiệu điều khiển nhằm điều khiển thích nghi Robot phù hợp với yêu cầu cần thiết điều khiển thích nghi hệ Robot Để hoàn thành đƣợc luận văn này, em xin đƣợc gửi lời cảm ơn tới Giảng viên - TS ĐÀO PHƢƠNG NAM tập thể thầy cô môn Điều khiển tự động, Viện Điện, Trƣờng Đại học Bách Khoa Hà Nội tận tình giảng dạy hƣớng dẫn em tháng năm qua, nhƣ tạo điều kiện tốt cho em Và đặc biệt tới gia đình, cổ vũ động viên em trình thực luận văn Cuối cùng, với kiến thức thời gian hạn chế, em cịn để lại nhiều thiếu sót luận văn Vì vậy, em mong nhận đƣợc góp ý từ phía thầy, nhƣ bạn đọc để luận văn đƣợc hoàn thiện Em xin chân thành cảm ơn! Hà Nội, ngày … tháng … năm 2017 Học viên thực hiên Ngô Ngọc Hồng Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa CHƢƠNG 1: TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO Nghiên cứu mô não ngƣời, cụ thể mô nơron thần kinh ƣớc muốn từ lâu nhân loại Từ mơ ƣớc đó, nhiều nhà khoa học khơng ngừng nghiên cứu tìm hiểu mạng nơron Trong mạng nơron nhân tạo đƣợc nói đến sách “Điều khiển học, hay điều chỉnh truyền sinh thể sống, máy móc” tác giả Nobert Wieners xuất năm 1948 Điều khiển học đặt mục đích nghiên cứu áp dụng nguyên lý làm việc hệ thống thần kinh động vật vào điều khiển Công cụ giúp điều khiển học thực đƣợc mục đích trí tuệ nhân tạo mạng nơron Trí tuệ nhân tạo đƣợc xây dựng dựa mạng nơron Mạng nơron nhân tạo (Artificial Neural Networks) hệ thống đƣợc xây dựng dựa nguyên tắc cấu tạo não ngƣời Mạng nơron nhân tạo có số lƣợng lớn mối liên kết phần tử biến đổi (Processing Elements) có liên kết song song Nó có hành vi tƣơng tự nhƣ não ngƣời với khả học (Learning), gọi lại (Recall) tổng hợp thông tin từ luyện tập mẫu liệu Các phần tử biến đổi mạng nơron nhân tạo đƣợc gọi nơron nhân tạo (Artificial Neural) gọi tắt nơron (Neural) Trong thiết kế hệ thống tự động hóa sử dụng mạng nơron khuynh hƣớng hoàn toàn mới, phƣơng hƣớng thiết kế hệ thống điều khiển thông minh, hệ thống mà điều khiển có khả tƣ nhƣ não ngƣời 1.1 Lịch sử phát triển mạng nơron nhân tạo Mạng nơron nhân tạo có lịch sử lâu dài Năm 1943, McCulloch Pitts đƣa khả liên kết số liên kết mạng nơron Năm 1949, Hebb đƣa luật thích nghi mạng nơron Năm 1958, Rosenblatt đƣa cấu trúc Perception Năm 1969, Minsky Papert phân tích đắn Perception, họ chứng minh tính chất rõ giới hạn số mơ hình Năm 1976, Grossberg dựa vào tích chất sinh học đƣa số cấu trúc hệ động học phi tuyến với tính chất Năm 1982, Hoppfield đƣa mạng học phi tuyến với tính chất Năm 1982, Rumelhart đƣa mơ hình song song (Parallel Distributer Processing-PDS) số kết thuật tốn Thuật Ngơ Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa tốn học lan truyền ngƣợc (Back Propagation learning rule) đƣợc Rumelhart, Hinton, Williams (1986) đề xuất luyện mạng nơron nhiều lớp Những năm gần đây, nhiều tác giả đề xuất nhiều loại cấu trúc mạng nơron Mang nơron đƣợc ứng dụng nhiều lĩnh vực kinh tế, kỹ thuật, khoa học vũ trụ (Hecht - Nielsen, 1988) 1.2 Các tính chất mạng nơron nhân tạo Là hệ phi tuyến: Mạng nơron có khả to lớn lĩnh vực nhận dạng điều khiển đối tƣợng phi tuyến Là hệ xử lý song song: Mạng nơron có cấu trúc song song, có tốc độ tính tốn cao, phù hợp với lĩnh vực nhận dạng điều khiển Là hệ học thích nghi: Mạng đƣợc luyện từ số liệu khứ, có khả tự chỉnh số liệu đầu vào bị mất, điều khiển on-line Là hệ nhiều biến, hệ nhiều đầu vào, nhiều đầu (Many Input Many Output - MIMO), tiện dụng điều khiển đối tƣợng có nhiều biến số 1.3 Cấu trúc mơ hình mạng nơ-ron Theo mục 7.1.1 – Tr.208 tài liệu tham khảo [1] Mạng nơron tái tạo kỹ thuật chức hệ thần kinh ngƣời Trong trình tái tạo tất chức não ngƣời có đƣợc tái tạo, mà có chức cần thiết Bên cạnh cịn có chức đƣợc tạo nhằm giải toán điều khiển định hƣớng trƣớc Mạng nơron bao gồm vô số nơron đƣợc liên kết truyền thơng với mạng Hình 1.1 phần mạng nơron bao gồm hai nơron Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chun ngành: Điều khiển & Tự Động Hóa VL (, t )  r T N (t )  (k s   min ( R 1 )) r  (2min (1 )  1) e1  (   5 ) e2 2 (3.75) Sử dụng (3.62), biểu thức (3.75) đƣợc viết lại thành: VL (, t )  3 y Trong 3   ks r   ( y ) r y   2min (1 )  1,    5 ,1  min ( R1 ) ; (3.76) 1 , cần đƣợc chọn theo nhƣ điều kiện đủ (3.65) Sau bình phƣơng số hạng bên ngoặc biểu thức (3.76), thu đƣợc biểu thức sau: VL (, t )  3 y  2( y ) y (3.77) 4k s Dựa (3.73), (3.77), phân tích tính ổn định, giống định lý 3.4.1 kết luận chứng minh (3.67) Thêm nữa, kết (3.67) kết hợp với (3.52) để rằng: fˆ    h   d với t   (3.78) Từ kết luận trên, so sánh (3.6) với (3.49) để hệ động lực (3.4) hội tụ hệ thống không gian trạng thái (3.8) Hơn u (t ) hội tụ điều khiển tối ƣu để tối ƣu hóa tiêu hiệu (3.9) mơ hình khơng gian trạng thái (3.8), miễn điều kiện cho (3.13) đến (3.15), (3.65) đƣợc thỏa mãn 3.7 Mô 3.7.1 Mơ hình hệ thống robot khâu RT Cấu hình robot khâu RT nhƣ sau: 55 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Hình 3.7.1 Mơ hình robot khâu RT Xuất phát từ phƣơng pháp động lực học cho hệ học tổng quát Phƣơng trình chuyển động Lagrange thiết lập cho hệ đƣợc cho bởi: d L L   dt q q Trong q vectơ biểu diễn toạ độ suy rộng khâu tay máy qi , vectơ biểu diễn lực suy rộng khâu tay máy hàm Lagrange chênh lệch động hệ, với: L K P Khảo sát hệ với giả thiết khối lƣợng khâu đƣợc tập trung khớp Ma trận biến khớp là: q  1 d2  T Và ma trận biểu diễn lực suy rộng đƣợc thể hiện:   1   T với 1 , mô men đƣợc cho cấu tác động (chẳng hạn mômen phát động động điện)  Biểu thức động Tọa độ khâu robot 56 Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Hình 3.7.1 Tọa độ khâu robot Với khâu chuyển động quay, ta có biểu thức động tƣơng ứng là: K1  m1l1212 P1  m1 gl1 sin 1 Với khâu chuyển động tịnh tiến, ta có: x2  d cos 1; x2  d cos 1  d sin 1; y2  d sin 1; y2  d sin 1 y2  d cos 1 Bình phƣơng vận tốc là: v22  x22  y22  d2212  d22 Do động khâu là: K2  1 m2v22  m2 d 2212  m2 d 22 2 Thế cho khâu là: P2  m2 gy2  m2 gd2 sin 1  Phƣơng trình Lagrange Hàm Lagrange cho tay máy là: L  K  P  K1  K  P1  P2  1 m1l1212  m2 d 2212  m2 d 22  m1 gl1 sin 1  m2 gd sin 1 2 57 Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chun ngành: Điều khiển & Tự Động Hóa Vậy: L 1 m1l12  m2 d 22 12  m2 d 22   m1 gl1  m2 gd  sin 1  2 Những hạng thức cần tính đƣợc thể nhƣ dƣới đây: L   m1l12  m2 d 22   1 d L  m1l121  m2 2d d 21  d 22 dt 1   L    m1l1  m2 d  g cos 1 1 L  m2 d d d L  m2 d dt d L  m2 d 212  m2 g sin 1 d Cuối cùng, phƣơng trình chuyển động hệ tay máy đƣợc cho hệ hai phƣơng trình vi phân: d L L   dt q q 1  d L L   m1l121  m2 2d2 d21  d221   m1l1  m2 d2  g cos 1 dt 1 1   Vậy: 1   m1l12  m2 d22 1  2m2 d2 d21   m1l1  m2d2  g cos1 2  d L L   m2 d2  m2 d212  m2 g sin 1 dt d2 d2 Vậy:   m2 d2  m2d212  m2 g sin 1  Biểu diễn phƣơng trình chuyển động hệ tay máy dƣới dạng ma trận Dƣới dạng ma trận, phƣơng trình chuyển động hay phƣơng trình động lực học tay máy viết nhƣ sau: 58 Ngơ Ngọc Hồng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa 1   m1l12  m2 d22 1  2m2 d2 d21   m1l1  m2d2  g cos1   m2 d2  m2d212  m2 g sin 1 Ta có đƣợc phƣơng trình động lực học tổng quát hệ robot thêm vào nhiễu  d :  m1l12  m2 d 22         1   2m2 d  d  (m1l1  m2 d ) g cos 1   d2                m2 g sin 1 m2       1     d   m2 d    d2   1  Trong đó: q    and  d    d2   1  Các thông số robot khâu RT nhƣ sau : m1 = 1, l1 = 0.4, m2 = 0.2 Các ma trân đƣợc chọn nhƣ sau :  40   4  4 0 Q11   Q12   Q22       40   6 0 4 Từ suy : K  Q12 , R  Q122 Các hệ số chọn nhƣ sau : 15.6 10.6 60  140  5  2   ks   1       10.6 10.4  35  20  0 0.1 1   3.7.2 Kết mô 59 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Hình 3.7.2 Sai lệch teta Hình 3.7.2 Sai lệch d2 Ngơ Ngọc Hồng 60 ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa 3.7.3 Kết luận Dựa vào kết mơ phỏng, ta thấy hệ thống robot khâu RT hoạt động ổn định, sau khoảng thời gian độ, hệ vào vùng xác lập ổn định Nhƣ vậy, cấu trúc điều khiển đƣợc phát triển lớp hệ thống robot giúp tọa độ tổng quát bám tiệm cận tới quỹ đạo mong muốn, biến đổi theo thời gian bất chấp thành phần bất định hệ động lực nhƣ nhiễu tham số bất định Ngơ Ngọc Hồng 61 ĐK-TĐH2015B Luận văn Thạc sĩ Chun ngành: Điều khiển & Tự Động Hóa KẾT QUẢ VÀ BÀN LUẬN Qua thời gian nghiên cứu lý thuyết để hoàn thành luận văn, tác giả thu đƣợc thành định, nhiên bên cạnh cịn khó khăn, vƣớng mắc Cụ thể nhƣ sau: - Những thành tựu đạt đƣợc: Xấp xỉ đƣợc mô hình động lực học Robot mạng nơron, ta thay gần mơ hình Robot mạng nơron, từ thơng số mơ mạng nơron, tính tốn đƣợc tín hiệu điều khiển nhằm điều khiển thích nghi Robot phù hợp với yêu cầu cần thiết điều khiển thích nghi hệ Robot Đƣa kết lý thuyết thể thơng qua mơ hình mơ - Những hạn chế: Mặc dù nỗ lực, song khơng thể khơng có thiếu sót Do em mong nhận đƣợc đóng góp ý kiến sửa đổi, bổ sung thêm Thầy, Cô bạn Qua em xin chân thành cảm ơn TS Đào Phƣơng Nam, ngƣời trực tiếp hƣớng dẫn tận tình em suốt trình nghiên cứu làm luận văn Ngơ Ngọc Hồng 62 ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa TÀI LIỆU THAM KHẢO A Tiếng Việt [1] Nguyễn Doãn Phƣớc, Phan Xuân Minh (2002) “Lý thuyết điều khiển mờ”, Nhà xuất Khoa Học Kỹ Thuật [2] Bùi Cơng Cƣờng, Nguyễn Dỗn Phƣớc (2006) “Hệ mờ, mạng nơ ron ứng dụng”, Nhà xuất Khoa Học Kỹ Thuật [3] Nguyễn Thƣơng Ngô (1999), “Lý thuyết điều khiển tự động đại, Điều khiển tối ưu điều khiển thích nghi”, NXB Khoa Học Kỹ Thuật [4] Nguyễn Mạnh Tiến (2007) “Điều khiển Robot công nghiệp”, Nhà xuất Khoa Học Kỹ Thuật [5] Phạm Hữu Đức Dục (2009) “Mạng nơ ron ứng dụng điều khiển tự động”, Nhà xuất Khoa Học Kỹ Thuật B Tiếng Anh [6] Abu-Khalaf, M., & Lewis, F L (2002) Nearly optimal HJB solution for constrained input systems using a neural network least-squares approach In Proc IEEE conf decis control (pp 943–948), Las Vegas, NV, 2002 [7] Cheng, T., & Lewis, F (2007) Neural network solution for finite-horizon Hinfinity constrained optimal control of nonlinear systems In Proc IEEE int conf control autom (pp 1966–1972), June 2007 [8] Kim, Y H., Lewis, F L., & Dawson, D M (2000) Intelligent optimal control of robotic manipulator using neural networks Automatica, 36, 1355–1364 [9] Luo, W., Chu, Y.-C., & Ling, K.-V (2005) Inverse optimal adaptive control for attitude tracking of spacecraft IEEE Transactions on Automatic Control, 50(11), 1639–1654 [10] Jeffrey T.Spooner, Manfredi Maggiore, Raul Ordonez, Kevin M.Passino (2002) Stable adaptive control and estimation for nonlinear system Copyright by John Wiley & Son, Inc Ngơ Ngọc Hồng 63 ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa [11] Tao Zhang, SS Ge, C.C Hang (1999) Adaptive Neural Network Control for Strict-Feedback Nonlinear System Using Backstepping Design Proceeding of the American Control Conference Califonia, June 1999, pp.1062-1066 C Websites [12] Keith Dupree, Parag M Patre, Zachary D Wilcox, Warren E Dixon.Asymptotic optimal control of uncertain nonlinear Euler–Lagrange system: http://ncr.mae.ufl.edu/dissertations/dupree_k.pdf [13] Marzieh Yazdanzad, Alireza Khosravi, Abolfazl Ranjbar Noei and Pouria Sarhadi Design of a RISE Feedback Controller Tuned with PSO for 3DOF Robot Manipulator Trajectory Tracking: http://www.mecs-press.org/ijitcs/ijitcs-v6-n8/IJITCS-V6-N8-4.pdf Ngô Ngọc Hoàng 64 ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Phụ lục1: Lập trình Matlab  Code: Q11 = [40 2; 40] Q12 = [-4 4;4 -6] Q21 = Q12' Q22 = diag([4 4]) K = -Q12 R = inv(Q22)  anpha_1 = [15.6 10.6;10.6 10.4] anpha_2 = diag([60 35]) beta_1 = diag([5 0.1]) Ks = diag([140 20]) Kết chạy: Q11 = 40 2 40 Q12 = -4 4 -6 Q21 = -4 4 -6 Q22 = 0 K= -4 -4 R= 0.2500 0 0.2500 Ngơ Ngọc Hồng 65 ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa anpha_1 = 15.6000 10.6000 10.6000 10.4000 anpha_2 = 60 0 35 beta_1 = 5.0000 0 0.1000 Ks = 140 0 20 Ngơ Ngọc Hồng 66 ĐK-TĐH2015B Phụ lục 2: Mơ hình robot khâu RT Matlab 67 68 69 ... ngành: Điều khiển & Tự Động Hóa CHƢƠNG 2: ĐIỀU KHIỂN THÍCH NGHI, ROBOT, MẠNG NƠRON VÀ BỘ ĐIỀU KHIỂN PHẢN HỒI RISE 2.1 Điều khiển thích nghi Điều khiển thích nghi tổng hợp kỹ thuật điều khiển nhằm... lịch sử phát triển, kết cấu mạng nơron, ứng dụng chúng, … Chương Điều khiển thích nghi, robot, mạng nơron điều khiển phản hồi Rise Tóm tắt số lý thuyết điều khiển thích nghi, động lực học robot,... lớp, hàng loạt ứng dụng lý thuyết mạng nơron truyền thẳng nhiều lớp mở kỷ nguyên ngành điều khiển Tuy ngành kỹ thuật điều khiển non trẻ nhƣng ứng dụng công nghi? ??p điều khiển mạng nơron thật rộng