Ứng dụng công nghệ tính toán mềm vào điều khiển thích nghi hệ động

CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS.TS Nguyễn Thị Phương Hà Cán chấm nhận xét 1: Cán chấm nhận xét 2: Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng 12 năm 2006 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng 12 năm 2006 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: NGUYỄN NGỌC TÙNG Ngày, tháng, năm sinh: 17-01-1981 Chuyên ngành: ĐIỀU KHIỂN HỌC KỸ THUẬT Phái: NAM Nơi sinh: TP.HCM MSHV: 01504389 I- TÊN ĐỀ TÀI: ỨNG DỤNG CÔNG NGHỆ TÍNH TỐN MỀM VÀO ĐIỀU KHIỂN THÍCH NGHI HỆ ĐỘNG II- NHIỆM VỤ VÀ NỘI DUNG: Trình bày kiến thức tảng cơng nghệ tính tốn mềm (soft computing) thành phần Nghiên cứu đề xuất thuật toán học cấu trúc thông số on-line cho mạng nơ-ron mờ động (Dynamic Fuzzy Neural Network- DFNN) Đề xuất quy trình ứng dụng mạng DFNN thuật toán học để giải tốn điều khiển thích nghi hệ phi tuyến có đặc tính bất định Kiểm chứng ứng dụng điều khiển thích nghi hệ bồn chứa nước nối tiếp có thơng số van thay đổi (mơ với Simulink – MatLAB 7.0) III- NGÀY GIAO NHIỆM VỤ : / IV- NGÀY HOÀN THÀNH NHIỆM VỤ: /2006 / /2006 V- CÁN BỘ HƯỚNG DẪN: PGS.TS Nguyễn Thị Phương Hà CÁN BỘ HƯỚNG DẪN CN BỘ MÔN QL CHUYÊN NGÀNH (Học hàm, học vị, họ tên chữ ký) PGS.TS Nguyễn Thị Phương Hà TS Nguyễn Đức Thành Nội dung đề cương luận văn thạc sĩ Hội đồng chun ngành thơng qua Ngày TRƯỞNG PHỊNG ĐT – SĐH tháng năm 2006 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Xin gởi lời cảm ơn chân thành tới PGS.TS Nguyễn Thị Phương Hà, người tận tình hướng dẫn, bảo giúp đỡ tác giả suốt thời gian thực luận văn Và quan trọng hết, PGS người gợi mở cho tác giả đề tài, hướng nghiên cứu mẻ, độc đáo, có tính ứng dụng cao hồn toàn phù hợp với lực tác giả Xin cảm ơn bố mẹ, cậu dì tác giả, người tạo điều kiện thuận lợi tối đa để tác giả nghiên cứu hồn thiện luận văn thời hạn Sự giúp đỡ khơng mang tính chun mơn góp phần quan trọng đến thành công luận văn Lời cảm ơn cuối xin dành cho người bạn thuộc lớp cao học K15, ngành Điều khiển học kỹ thuật Sự giúp đỡ bạn mặt chuyên môn nguồn động lực không nhỏ cho tác giả suốt thời gian vừa qua Nguyễn Ngọc Tùng TÓM TẮT LUẬN VĂN THẠC SĨ Sự kết hợp mạng nơ-ron logic mờ thành phần quan trọng kỹ thuật tính tốn mềm (soft computing technology) Luận văn nghiên cứu đề xuất thuật toán học trực tuyến (on-line) để tự động chỉnh định đồng thời cấu trúc thông số cho mạng nơ-ron mờ động (Dynamic Fuzzy Neural Network – DFNN, có chức tương đương với hệ thống suy luận mờ Takagi – Sugeno – Kang) Đặc tính bật thuật toán khả tự học cấu trúc thông số on-line với tốc độ hội tụ nhanh nên khả thi để ứng dụng thực tế Mạng bắt đầu với nơ-ron luật, trình học, nơ-ron luật tự động tạo tự động loại bỏ tùy thuộc vào tầm quan trọng chúng đến chất lượng mạng Các thông số mạng chỉnh định dựa phương pháp bình phương tối thiểu đệ quy Kết trình huấn luyện cấu trúc mạng DFNN đơn giản hiệu để dễ dàng ứng dụng thời gian thực Một số ứng dụng nhận dạng, dự báo xấp xỉ hàm trình bày để minh họa cho đặc tính vượt trội thuật tốn Luận văn đồng thời đề xuất quy trình ứng dụng thuật tốn học vào tốn điều khiển thích nghi hệ phi tuyến có đặc tính bất định Nền tảng quy trình điều khiển hai mạng DFNN: dùng để nhận dạng on-line mơ hình ngược đối tượng sử dụng mơ hình ngược để điều khiển đối tượng Kết kết hợp hệ thống đáp ứng hoàn hảo với dạng tín hiệu đặt điều kiện thơng số đối tượng thường xuyên thay đổi Ứng dụng quy trình việc điều khiển thích nghi hệ bồn chứa nước nối tiếp có thơng số van thay đổi (mô với Simulink – Matlab 7.0) minh chứng thuyết phục cho nhận định ABSTRACT The integration between artificial neural networks and fuzzy logic is an important part of soft computing technology In this dissertation, an on-line learning algorithm to automatically adjust structure and parameters for dynamic fuzzy neural networks (DFNNs, which are functionally equivalent to Takagi – Sugeno – Kang fuzzy systems) is researched and proposed The salient characteristic of this algorithm is a structure and parameters on-line self-studying ability with fast learning speed so that the system can be implemented in practice DFNN starts with no rule-neuron, in learning progress, rule-neurons can be automatically recruited or deleted according to their significance to the network’s performance The DFNN’s parameters are adjusted by recursive least square method The result of this training is a parsimonious and effective DFNN structure which can be easily applied in real time Some applications in identification, prediction and function approximation are also presented to demonstrate the superiority of this algorithm A diagram which applies above algorithm to adaptive controlling dynamic non-linear systems is also proposed The basis of this controlling diagram comprises two DFNNs: one is used for system’s inverted model on-line identification and the other uses this inverted model to automatically control the system With this combination, the system can respond perfectly to any reference signals regardless of undetermined changes in it’s dynamics The use of this diagram in adaptive controlling serial tanks with variable valve’s parameters (simulated in Simulink – Matlab 7.0) will convincingly prove the right of this conclusion MỤC LỤC PHẦN MỞ ĐẦU CHƯƠNG CƠNG NGHỆ TÍNH TỐN MỀM 1.1 Giới thiệu 1.2 Các thành phần cơng nghệ tính tốn mềm 10 1.2.1 Logic mờ 10 1.2.2 Mạng nơ-ron nhân tạo 12 1.2.3 Giải thuật di truyền 14 1.3 Sự kết hợp thành phần tính tốn mềm 18 1.3.1 Dùng mạng nơ-ron nhân tạo với logic mờ (neuro-fuzzy) 18 1.3.2 Dùng giải thuật di truyền với logic mờ (genetic fuzzy) 19 1.3.3 Dùng mạng nơ-ron với giải thuật di truyền .20 1.4 Ứng dụng tính tốn mềm 21 1.5 Kết luận 22 CHƯƠNG MẠNG NƠ-RON NHÂN TẠO 24 2.1 Giới thiệu 24 2.2 Cấu trúc nơ-ron .25 2.2.1 Cấu trúc nơ-ron sinh học 25 2.2.2 Các thành phần nơ-ron nhân tạo 26 2.2.3 Trọng số kết nối .26 2.2.4 Ngưỡng 27 2.2.5 Hàm kích hoạt 27 2.3 Mạng nơ-ron lớp .32 2.4 Mạng nơ-ron nhiều lớp 34 2.5 Mạng hồi quy 38 2.5.1 Mạng hồi quy toàn phần 39 2.5.2 Mạng hồi quy bán phần 43 2.5.2.1 Mạng hồi quy bán phần Jordan 44 2.5.2.2 Mạng hồi quy bán phần Elman 45 2.6 Mạng hàm sở xuyên tâm 48 2.7 Kết luận 51 CHƯƠNG TẬP HỢP MỜ VÀ LOGIC MỜ 53 3.1 Tập hợp mờ 53 3.1.1 Tập hợp kinh điển (tập hợp rõ) 54 3.1.1.1 Các phép toán tập hợp rõ .55 3.1.1.2 Các tính chất tập hợp rõ 56 3.1.2 Tập hợp mờ 57 3.1.2.1 Hàm liên thuộc mờ .58 3.1.2.2 Các phép toán tập hợp mờ 59 3.1.2.3 Các tính chất tập hợp mờ .61 3.1.3 Quan hệ rõ quan hệ mờ .65 3.2 Logic mờ 68 3.2.1 Logic kinh điển (logic rõ) 69 3.2.2 Logic mờ 71 3.2.2.1 Mệnh đề mờ 71 3.2.2.2 Các phép toán mệnh đề mờ 72 3.2.3 Quy tắc mờ .73 3.2.4 Kết hợp quy tắc mờ 74 3.2.5 Tính chất hệ quy tắc mờ 75 3.2.5.1 Tính liên tục 75 3.2.5.2 Tính quán .75 3.2.5.3 Tính hoàn chỉnh 76 3.3 Kết luận 77 CHƯƠNG THUẬT TỐN HỌC TRỰC TUYẾN CẤU TRÚC & THƠNG SỐ CHO MẠNG NƠ-RON MỜ ĐỘNG 79 4.1 Cấu trúc mạng nơ-ron mờ động .80 4.1.1 Lớp (lớp vào) 80 4.1.2 Lớp (lớp mờ hóa) 81 4.1.3 Lớp (lớp điều kiện/lớp luật mờ) 82 4.1.4 Lớp (lớp chuẩn hóa) 83 4.1.5 Lớp (lớp ra) 83 4.2 Thuật toán học cấu trúc thông số on-line cho mạng DFNN .84 4.2.1 Quá trình chỉnh định cấu trúc 86 4.2.1.1 Tiêu chuẩn phát sinh nơ-ron luật 88 4.2.1.2 Thông số ban đầu cho nơ-ron luật 93 4.2.1.3 Kỹ thuật giản lược .96 4.2.2 Q trình chỉnh định thơng số 101 4.2.2.1 Bước 1: Tính sai số ngõ 103 4.2.2.2 Bước 2: cập nhật hệ số quên 103 4.2.2.3 Bước 3: tính ma trận tạm 104 4.2.2.4 Bước 4: cập nhật ma trận hiệp phương sai 104 4.2.2.5 Bước 5: cập nhật thông số mệnh đề kết luận .105 4.3 Lưu đồ khối thuật toán 105 4.4 Một số ứng dụng kiểm nghiệm 107 4.4.1 Xấp xỉ hàm tĩnh 107 4.4.2 Nhận dạng hệ phi tuyến động 110 4.4.3 Mơ hình dự báo Mackey-Glass 115 4.5 Kết luận 119 CHƯƠNG MẠNG DFNN VỚI ĐIỀU KHIỂN THÍCH NGHI HỆ ĐỘNG 122 5.1 Điều khiển thích nghi dựa mơ hình ngược DFNN 123 5.1.1 Bước 1: nhận dạng on-line mơ hình ngược đối tượng 125 5.1.2 Bước 2: điều khiển thích nghi hệ động 126 5.2 Điều khiển thích nghi hệ bồn chứa nước nối tiếp 130 5.2.1 Phương trình tốn hệ bồn nước nối tiếp .132 5.2.2 Quy trình nhận dạng điều khiển 135 5.2.2.1 Bước 1: Nhận dạng on-line mơ hình ngược .136 5.2.2.2 Bước 2: Điều khiển thích nghi hệ động .145 5.3 Kết luận 158 CHƯƠNG KẾT LUẬN 161 TÀI LIỆU THAM KHẢO 167 PHỤ LỤC .171 LÝ LỊCH TRÍCH NGANG 193 MỤC LỤC CÁC HÌNH MINH HỌA Hình 1.1: Các thành phần tính tốn mềm Hình 1.2: Sơ đồ khối điều khiển mờ .11 Hình 1.3: Cấu trúc mạng nơ-ron lớp 13 Hình 1.4: Lai ghép nhiễm sắc thể .15 Hình 1.5: Lưu đồ giải thuật thuật toán GA 17 Hình 1.6: Sự kết hợp thành phần tính tốn mềm 18 Hình 2.1: Cấu trúc nơ-ron sinh học 25 Hình 2.2: Cấu trúc nơ-ron nhân tạo 26 Hình 2.3: Hàm tuyến tính 27 Hình 2.4: Hàm ngưỡng nhị phân 28 Hình 2.5: Hàm ngưỡng dấu 28 Hình 2.6: Hàm bão hịa 29 Hình 2.7: Hàm Sigmoid .29 Hình 2.8: Hàm hyperpolic 30 Hình 2.9: Bài toán AND 31 Hình 2.10: Một lời giải toán AND .31 Hình 2.11: Mạng nơ-ron lớp .32 Hình 2.12: Bài tốn XOR 33 Hình 2.13: Cấu trúc phổ biến mạng nơ-ron nhiều lớp 34 Hình 2.14: Bài tốn XOR 35 Hình 2.15: Hàm lượng sai số chiều .37 Hình 2.16: Mạng hồi quy tồn phần 39 Hình 2.17: Mạng hồi quy tồn phần lan truyền ngược từ hình 2.16 40 Hình 2.18: Cấu trúc mạng hồi quy tồn phần giải tốn XOR 41 Hình 2.19: Cấu trúc mạng hồi quy toàn phần lan truyền ngược giải tốn XOR 42 Hình 2.20: Cấu trúc mạng hồi quy bán phần Jordan 44 Hình 2.21: Cấu trúc mạng hồi quy bán phần Elman 46 Hình 2.22: Cấu trúc mạng Elman cải tiến 47 Hình 2.23: Cấu trúc mạng RBF 48 Hình 2.24: Hàm Gauss .49 Hình 3.1: Hàm đặc trưng m 54 CHot Hình 3.2: Phép hợp tập hợp rõ 55 Hình 3.3: Phép giao tập hợp rõ 56 Hình 3.4: Phép bù tập hợp rõ .56 Hình 3.5: Hàm liên thuộc tập mờ nóng 58 Hình 3.6: Các vùng chức hàm liên thuộc .58 Hình 3.7: Một số dạng hàm liên thuộc thường gặp .59 Hình 3.8: Hợp hai tập mờ sử dụng toán tử max 60 Hình 3.9: Giao hai tập mờ sử dụng toán tử 60 Hình 3.10: Phép lấy bù tập mờ 61 Hình 3.11: Giao hai tập mờ bù dùng toán tử .62 Hình 3.12: Hợp hai tập mờ bù dùng toán tử max 63 Hình 4.1: Cấu trúc mạng nơ-ron mờ động 81 Hình 4.2: Độ kích hoạt vector ngõ vào 86 Hình 4.3: Độ kích hoạt vector ngõ vào bề rộng hàm liên thuộc lớn 87 Hình 4.4: Cấp phát vị trí cho nơ-ron luật .94 Hình 4.5: Sai số nhận dạng trình phát sinh nơ-ron luật 108 Hình 4.6: Các hàm liên thuộc tạo thuật toán .108 Hình 4.7: Kết đánh giá 109 Hình 4.8: Sai số nhận dạng trình phát sinh nơ-ron luật 111 Hình 4.9: Các hàm liên thuộc tạo thuật tốn .111 Hình 4.10: Kết đánh giá 112 Hình 4.11: Sai số nhận dạng trình phát sinh nơ-ron luật 113 Hình 4.12: Các hàm liên thuộc tạo thuật toán .113 Hình 4.13: Kết đánh giá 114 Hình 4.14: Sai số nhận dạng trình phát sinh nơ-ron luật 116 Hình 4.15: Các hàm liên thuộc tạo thuật toán .116 Hình 4.16: Kết đánh giá 117 Hình 4.17: Sai số nhận dạng trình phát sinh nơ-ron luật 118 Hình 4.18: Kết đánh giá 118 Hình 5.1: Phương pháp điều khiển dựa mơ hình ngược 123 Hình 5.2: Bước – Nhận dạng on-line mơ hình ngược đối tượng 125 Hình 5.3: Bước – Điều khiển thích nghi hệ động 127 Hình 5.4: Điều khiển thích nghi hệ động với khâu PD bù sai số .129 Hình 5.5: Mơ hình thực hệ bồn chứa nước nối tiếp 131 Hình 5.6: Mơ hình bồn để tính A1(t) .132 Hình 5.7: Mơ hình Simulink hệ bồn chứa nước nối tiếp với nhiễu đo lường ngõ 135 Hình 5.8: Cấu trúc ban đầu mạng DFNN nhận dạng mơ hình ngược bồn .138 Hình 5.9: Cấu trúc ban đầu mạng DFNN nhận dạng mơ hình ngược bồn .139 Hình 5.10: Lưu đồ nhận dạng mơ hình ngược hệ bồn chứa nước nối tiếp 139 Hình 5.11: Cấu trúc DFNN bồn 140 Hình 5.12: Các hàm liên thuộc lớp cấu trúc mạng DFNN bồn 140 Hình 5.13: Sự phát sinh nơ-ron luật sai số ngõ trình nhận dạng bồn 141 Hình 5.14: Ngõ mạng DFNN bồn trình nhận dạng 141 Hình 5.15: Cấu trúc DFNN bồn 142 Hình 5.16: Các hàm liên thuộc lớp cấu trúc mạng DFNN bồn 143 Hình 5.17: Sự phát sinh nơ-ron luật sai số ngõ trình nhận dạng bồn 143 Hình 5.18: Ngõ mạng DFNN bồn trình nhận dạng 144 Hình 5.19: Cấu trúc điều khiển mơ hình ngược 146 Hình 5.20: Lưu đồ điều khiển thích nghi hệ bồn nước nối tiếp Simulink 147 Hình 5.21: Q trình điều khiển thích nghi tín hiệu đặt sóng vng .148 Hình 5.22: Q trình điều khiển thích nghi tín hiệu đặt sóng sin 148 Hình 5.23: Q trình điều khiển thích nghi tín hiệu đặt sóng tam giác 149 muy = []; for j = 1:nr1 muy(:,j) = exp(-(input1-c1(:,j)).^2./sigma1(j).^2); end phi = prod(muy,1); psi = phi/sum(phi); theta = []; for j = 1:nr1 theta = [theta psi(j) psi(j)*input1']; end sys = theta*W1; 189 Phụ lục 7: Mã nguồn S-Function giai đoạn thích nghi hệ bồn chứa nước nối tiếp bước (mục 5.2.2.2) function [sys,x0,str,ts] = inverted_model_id_mSFunc(t,x,u,flag,c1,sigma1,c2,sigma2,Tm) switch flag case [sys,x0,str,ts] = mdlInitializeSizes(Tm); case sys = mdlUpdates(u,c1,sigma1,c2,sigma2); case {1,3,4,9} sys = []; otherwise error(['Unhandled flag = ',num2str(flag)]); end %Khoi tao bien cau truc %Tinh toan tai cac chu ky lay mau roi rac %Cac truong hop khong su dung %************************************************************************** function [sys,x0,str,ts] = mdlInitializeSizes(Tm) sizes = simsizes; %Khoi tao bien cau truc sizes.NumContStates = 0; %So bien trang thai lien tuc sizes.NumDiscStates = 0; %So bien trang thai roi rac sizes.NumOutputs = 0; %So ngo sizes.NumInputs = 5; %So ngo vao sizes.DirFeedthrough = 1; %Su dung u tinh toan sizes.NumSampleTimes = 1; %So thoi gian lay mau = So hang cua ts sys = simsizes(sizes); %Dang ky bien cau truc x0 = []; str = []; ts = [Tm 0]; %Dieu kien dau %Chuoi du tru %Chu ky lay mau roi rac la Tm %************************************************************************** function sys = mdlUpdates(u,c1,sigma1,c2,sigma2) adaptive = evalin('base','adaptive'); sys = []; if adaptive == %Khong thich nghi on-line return end global P1 W1 P2 W2 lamda = 0.98; deltalamda = 0.1; lamda = lamda + (1-lamda)*deltalamda; %Nhan dang mo hinh nguoc bon tinh u nr1 = length(sigma1); input1 = [u(1); u(2); u(3)]; %[h1(t-1); h1(t); h2(t-1)] d = u(5); %u(t-1) muy = []; for j = 1:nr1 muy(:,j) = exp(-(input1-c1(:,j)).^2./sigma1(j).^2); end 190 phi = prod(muy,1); psi = phi/sum(phi); theta = []; for j = 1:nr1 theta = [theta psi(j) psi(j)*input1']; end y = theta*W1; e = d - y; L = P1*theta'/(lamda + theta*P1*theta'); P1 = (P1 - L*theta*P1)/lamda; W1 = W1 + L*e; %Nhan dang mo hinh nguoc bon tinh h1(t+1) nr2 = length(sigma2); input2 = [u(3); u(4)]; %[h2(t-1); h2(t)] d = u(1); %h1(t-1) muy = []; for j = 1:nr2 muy(:,j) = exp(-(input2-c2(:,j)).^2./sigma2(j).^2); end phi = prod(muy,1); psi = phi/sum(phi); theta = []; for j = 1:nr2 theta = [theta psi(j) psi(j)*input2']; end y = theta*W2; e = d - y; L = P2*theta'/(lamda + theta*P2*theta'); P2 = (P2 - L*theta*P2)/lamda; W2 = W2 + L*e; 191 Trang để trống LÝ LỊCH TRÍCH NGANG Họ tên: Ngày sinh: Nơi sinh: Phái: Địa liên lạc: Địa email: Nguyễn Ngọc Tùng 17/01/1981 TPHCM Nam 82 – Điện Biên Phủ – F.ĐaKao – Q1 – TPHCM ngoctung_dhbk@yahoo.com Quá trình đào tạo: 1999: o Được tuyển thẳng vào khoa Điện - Điện tử trường ĐHBK TPHCM 2000 - 2001: o Điểm trung bình tích lũy 7.43 o Được chọn vào chuyên ngành Điều khiển tự động 2002-2003: o Điểm trung bình tích lũy 7.61 o Bảo vệ loại xuất sắc (điểm trung bình 10) đề tài đồ án “Giao tiếp máy tính với vi xử lý tia hồng ngoại” 2004: o Bảo vệ đạt loại giỏi (điểm trung bình 8.88) đề tài luận văn “CMUcam – Ứng dụng nhận biết màu sắc dị tìm đường cho robot” o Tốt nghiệp loại trường ĐHBK TPHCM (điểm trung bình tốt nghiệp 7.70) o Trúng tuyển cao học K15 ngành Điều khiển học kỹ thuật trường ĐH Bách khoa TPHCM với điểm số 18.5/20, thủ khoa khóa ngành 2006: o Điểm trung bình học tập trình học cao học 8.33 o Nhận đề tài thạc sĩ "Ứng dụng cơng nghệ tính tốn mềm vào điều khiển thích nghi hệ động" Q trình cơng tác: 2004: 2006: o Kỹ sư vận hành phòng điều khiển trung tâm nhà máy xi măng COTEC o Kỹ sư sản xuất công ty FURUKAWA o Giảng viên hữu khoa Điện – Điện tử – Tin học trường CĐ Kinh tế Công nghệ TPHCM ... Đề xuất quy trình ứng dụng mạng DFNN thuật toán học vào toán điều khiển thích nghi hệ động Trên sở quy trình điều khiển thích nghi này, ví dụ ứng dụng điều khiển thích nghi hệ bồn chứa nước nối... điều khiển thích nghi khơng có điều khiển phụ PD 156 Hình 5.35: Q trình điều khiển khơng thích nghi có điều khiển phụ PD 156 Hình 5.36: Q trình điều khiển khơng thích nghi khơng có điều khiển. .. quy trình ứng dụng mạng DFNN thuật toán học để giải toán điều khiển thích nghi hệ phi tuyến có đặc tính bất định Kiểm chứng ứng dụng điều khiển thích nghi hệ bồn chứa nước nối tiếp có thơng số