Ứng dụng hệ luật mờ cho điều khiển lò nhiệt từ phân cụm trừ dữ liệu

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN & TRUYỀN THÔNG LƯƠNG THANH HƯỞNG ỨNG DỤNG HỆ LUẬT MỜ CHO ĐIỀU KHIỂN LÒ NHIỆT TỪ PHÂN CỤM TRỪ DỮ LIỆU LUẬN VĂN THẠC SĨ NGÀNH KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA Thái Nguyên – 2020 i MỤC LỤC Chương TỔNG QUAN VỀ PHÂN CỤM DỮ LIỆU 1.1 Khái niệm mục tiêu phân cụm liệu 1.2 Các ứng dụng phân cụm liệu 1.3 Các yêu cầu phân cụm liệu 1.4 Những kỹ thuật tiếp cận phân cụm liệu 1.4.1 Phương pháp phân cụm phân hoạch 1.4.2 Phương pháp phân cụm phân cấp 10 1.4.3 Phương pháp phân cụm dựa mật độ 12 1.4.4 Phương pháp phân cụm dựa lưới 13 1.4.5 Phương pháp phân cụm dựa mơ hình 14 1.4.6 Phương pháp phân cụm có liệu ràng buộc 15 1.5 Một số thuật toán phân cụm liệu 17 1.5.1 Các thuật toán phân cụm phân hoạch 17 1.5.2 Các thuật toán phân cụm phân cấp 23 1.5.3 Các thuật toán phân cụm dựa mật độ 26 1.5.4 Các thuật toán phân cụm dựa lưới 28 1.5.5 Các thuật tốn phân cụm dựa mơ hình 31 1.5.6 Các thuật tốn phân cụm có liệu ràng buộc 32 Chương XÂY DỰNG HỆ LUẬT MỜ TỪ PHÂN CỤM TRỪ 34 2.1 Phân cụm trừ liệu 34 2.2 Xây dựng hệ luật mờ từ liệu vào/ra hệ thống 36 2.3 Xem xét, đánh giá hệ luật điều khiển mờ tạo qua lý thuyết tập mờ 44 Chương ỨNG DỤNG HỆ LUẬT MỜ CHO ĐIỀU KHIỂN LÒ NHIỆT TỪ PHÂN CỤM TRỪ DŨ LIỆU 45 3.1 Phát biểu toán 45 3.2 Mơ hình động học hệ thống lò nhiệt 47 3.3 Thu thập liệu hệ luật xây dựng từ phân cụm trừ 47 3.3.1.Thu thập liệu vào hệ thốngError! Bookmark not defined 3.3.2 Hệ luật mờ cho điều khiển lò nhiệt từ phân cụm trừ 49 3.3.3 Hệ suy diễn mờ 51 3.4 Mô hệ thống điều khiển lò nhiệt sử dụng hệ luật mờ từ phân cụm trừ 54 3.5 Kết luận 62 KẾT LUẬN VÀ KIẾN NGHỊ……………………………………………… 64 Tài liệu tham khảo 65 ii Danh mục chữ viết tắt PCDL: Phân cụm liệu CSDL: Cơ sở liệu KPDL: Khai phá liệu CLARA: Clustering LARge Applications CLARANS: Clustering LARge Applications based upon RANdomize Search PAM: Partitioning Around Medoids FCM: Fuzzy c-mens MSE: Mean Squared Error CURE: Clustering Using Representatives DBSCAN: Density based Spatial Clutering of Application with Noise STING: STatistical Information Grid EM: Expectation Maximization SC: subtractive clustering QS:Quan sát iii DANH MỤC HÌNH ẢNH Hì Hì nh nh 12 Hì nh 13 Hì nh 14 Hì nh 17 Hì nh 18 Hì nh Hì 92 nh Hình1 Hì 1.9 nh 23 Hì nh 24 Hì nh Hì 52 nh Hì 52 nh Hì 73 nh Hì 23 nh Hì 73 nh Hì 84 nh Hì 34 nh Hì 34 nh Hì 54 nh 59 Hì nh 50 Hì nh 51 Hì nh Hình 3.6 o/ 53 Hì nh 53 Hì nh 54 Hì nh 69 Hì nh 61 Hì nh iv DANH MỤC BẢNG BIỂU Bả Bả ng ng Bả ng Bả ng Bả ng 49 41 42 68 MỞ ĐẦU Ngày nay, với phát triển nhanh chóng hệ thống điều khiển, hệ thống thơng tin, hệ mờ áp dụng thành công nhiều lĩnh vực điều khiển tự động, phân lớp liệu, phân tích việc định, hệ chuyên gia Hệ luật mờ xây dựng từ tri thức nói chung hay hệ suy luận mờ nói riêng xây dựng theo suy diễn người, phần quan trọng ứng dụng logic mờ lý thuyết tập mờ vào thực tế Trong nhiều ứng dụng cho thiết kế hệ thống điều khiển thông minh xây dựng hệ trợ giúp định, hệ mờ xây dựng theo phân lớp liệu, phân cụm liệu, xây dựng định Hệ điều khiển mờ thực từ luật mờ, luật mờ xây dựng từ tri thức chuyên gia lĩnh vực cụ thể Phân cụm liệu vấn đề quan tâm nghiên cứu tác giả ngồi nước có nhiều thuật tốn phân cụm đề xuất Tuy nhiên thuật toán đưa xét đến khía cạnh phân chia liệu thành cụm với độ xác cao mà chưa để tâm đến tối ưu luật sử dụng Vì cách tiếp cận luận văn ứng dụng hệ luật mờ cho điều khiển lò nhiệt từ phân cụm trừ liệu Nội dung luận văn xây dựng hệ luật điều khiển mờ từ phân cụm trừ liệu áp dụng cho điều khiển lò nhiệt Như biết hệ luật điều khiển mờ thu thập từ chuyên gia lĩnh vực đo lường điều khiển,cũng chuyên gia lĩnh vực công nghệ Việc thu thập tri thức mờ nói chung gặp nhiều khó khăn : - Các chun gia khơng có thời gian để trao đổi cho việc tạo lập luật mờ - Các chuyên gia không hợp tác để xây dựng hệ luật điều khiển mờ - Việc tạo luật hệ luật mờ đơi khơng xác từ nhiều ý kiến khác chuyên gia - ……… Vì tiếp cận khác xây dựng luận văn xây dựng hệ luật điều khiển mờ từ liệu quan sát ( liệu đo) đầu vào đầu đối tượng điều khiển thơng qua phân cụm trừ liệu Vì luận văn đựơc trình bày chương sau: Chương Tổng quan phân cụm liệu Chương Xây dựng hệ luật mờ từ phân cum liệu Chương ứng dụng hệ luật mờ cho điều khiển lò nhiệt từ phân cụm trừ liệu TÀI LIỆU THAM KHẢO b2 b3 b b2 b1 μ b1 A1 A3 A2 A1 μ A2 A3 Ai 0 Hình 3.6 Mơ hình đơn giản với hàm thuộc hình thang tam giác cho ánh xạ vào/ Giả sử hàm đầu có dạng: y1 = a1x + b1 y2 = a2x + b2 y y3 = a3x + b3 Small Medium big Hình 3.7 Mơ hình TS xấp xỉ đoạn cho hàm phi tuyến f(x) Nếu đặt ri(x) =  i ( x) , Từ (3.9) ta có: k   j (x) j1 k i1  i i T y = ( ( r (x)a )X   k i i1 i r (x)b  a T (x)X  b(x) Các thơng số ai, bi xác định qua : (3.11) a(x) = k  r (x)a i1 i i ; b(x) = k  r (x)b i1 i i out1 200 -200 50 40 30 30 35 45 40 50 55 in1 Ham thuoc dau vao cho phan cum Ham thuoc dau vao cho phan cum tru tru in21cluins2tcelru6sinte2rc3luins2tcelru5steinr21cliuns2tceinlru2sctleurs4ter7in1c1luin Degree of membership Degree of membership in2 s1tecrl6usint1ecr3luins1tecrl5ustienr11cluins1tecinrlu12sctluesr4ter7 0.8 0.6 0.4 0.2 30 40 in2 50 0.8 0.6 0.4 0.2 30 40 in1 50 Hình 3.8 Mặt suy diễn hàm thuộc đầu vào hệ điều khiển 3.4 Mô hệ thống điều khiển lò nhiệt sử dụng hệ luật mờ từ phân cụm trừ 3.4.1 Các chức chương trình Luận văn đì sử dụng phần mềm lập trình Matlab xây dựng chương trình ứng dụng phân cụm liệu trừ việc đo điều khiển nhiệt độ Công cụ Matlab thực qua bước sau: - Đọc liệu - Xây dựng cấu trúc liệu - Xử lò tập liệu trước huấn luyện - Khởi tạo mẫu huấn luyện - Mơ kết - Phân tích kết để đưa nhận xét 3.4.2 Chương trình mơ hệ điều khiển lò nhiệt Để điều khiển lò nhiệt sở tự động xây dựng hệ luật mờ theo (3.4) xuất phát từ liệu thu thập qua bảng 3.1 Từ bảng 3.1 ta sử dụng kỹ thuật phân cụm trừ để tạo luật điều khiển Chương trình điều khiển lị nhiệt viết phần mềm matLab sau: % TRUONG DAI HOC %///////////////////////////////////////////////////////////////////////////////////////////////////////////////////// / % CHUONG TRINH DIEU KHIEN LO NHIET %q % % DE TAI DIEU KHIEN LO NHIET % SU DUNG PHAN CUM DU LIEU TRU % % % % % % % % % % Nguoi thuc hien LUONG THANH HUONG 2020 % % %///////////////////////////////////////////////////////////////////////////////////////////////////////////////////// Ts=15;p=1.00151*10^(-4);q=8.6797*10^(-3);r=40;y0=25;y(1)=y0; a=exp(-p*Ts);b=(q/p)*(1-exp(-p*Ts)); %//////////////////////////////// %Chuong trinh tu day la DATASET / %//////////////////////////////// for k=1:120 u(k)=rand(1,1)*5; y(k+1)=a*y(k)+b/(1+exp(0.5*y(k)-r))*u(k)+(1-a)*y0; end; trndata=[y(2:101); y(1:100)]'; datout=u(1:100)' figure hold on subplot(2,1,1), plot(trndata); subplot(2,1,2), plot(datout); %//////////////////////////////////////////////// %Chuong trinh tu day la SUBSTRACTIVE CLUSTERING / %//////////////////////////////////////////////// chkdatin=trndata; fismat=genfis2(trndata,datout,0.5); % ham phan cum tru fuzout=evalfis(trndata,fismat); ruleview(fismat) ruleedit(fismat) %showrule(fismat) getfis(fismat,'output',1,'mf',1) getfis(fismat,'output',1,'mf',2) figure subplot(2,1,1); gensurf(fismat); %blackbg; subplot(2,2,4); %hold on plotmf(fismat,'input',1); Title('Ham thuoc dau vao cho phan cum tru') %subplot(223); subplot(2,2,3) plotmf(fismat,'input',2); Title('Ham thuoc dau vao cho phan cum tru') %plotmf(fismat,'input',1); %subplot(2,2,4) %plotmf(fismat,'output',1); trnRMSE=norm(fuzout-datout)/sqrt(length(fuzout)); chkfuzout=evalfis(chkdatin,fismat); %chkRMSE=norm(chkfuzout-chkdatout)/sqrt(length(chkfuzout)) Ts=25;y0=25;y(1)=y0; for k=1:180 if k40 &k80 &k120) ref(k)=80;end; end; for k=1:179 u(k)=evalfis([ref(k+1) y(k)],fismat); if (u(k)>=5) u(k)=5 else u(k)=u(k); end; y(k+1)=a*y(k)+b/(1+exp(0.5*y(k)-r))*u(k)+(1-a)*y0; end; figure hold on; grid plot (y(1:170),'b');plot(ref(1:170),'-r');plot(u(1:170),'g'); figure subplot(2,2,1); plotmf(fismat2,'input',1); Title('Ham thuoc dau vao 1') %subplot(223); subplot(2,2,2); plotmf(fismat2,'input',2); Title('Ham thuoc dau vao 2') hold off %Define training data %blackbg; subplot(2,2,3); hold on; grid; 58 plot(y(1:180),'b'); plot(ref(1:180),' r'); Title('Response-blue,desired-red'); hold off; %blackbg; subplot(2,2,4); hold on; grid; plot(u(1:180),'b'); plot((ref(1:180)-y(1:180)),' r'); Title('Control-blue - and Error-red - '); hold off; %////////////////////////////// Quá trình điều khiển nhiệt độ lị nhiệt mơ phần mềm MatLab hình 3.9 80 70 Temperature(degree) 60 50 40 30 20 10 0 20 40 60 80 100 120 Sampling time step kT=30 (giay) 140 160 180 Hình 3.9 Đáp ứng (xanh) bám theo tín hiệu yêu cầu (đỏ) Từ hình 3.9 ta thấy: 59 Với nhiệt độ đặt 350C, nhiệt độ lò 350C tín hiệu điều khiển (đường màu xanh dưới) đưa vào để điều khiển nhiệt độ lò tăng lên đến 350C (tiệm cận với nhiệt độ đặt đường màu đỏ) Khi tín hiệu điều khiển ngắt để nhiệt độ lò mức nhiệt độ đặt Tương tự nhiệt độ lị cần tăng lên mức 5000C tín hiệu điều khiển (đường màu xanh dưới) đưa vào để điều khiển nhiệt độ lò tăng lên đến 500C (tiệm cận với nhiệt độ đặt đường màu đỏ) Khi tín hiệu điều khiển ngắt để nhiệt độ lò mức nhiệt độ đặt Khi nhiệt độ lị cần tăng đến 8000C tín hiệu điều khiển (đường màu xanh dưới) đưa vào để điều khiển nhiệt độ lò tăng lên đến 8000C (tiệm cận với nhiệt độ đặt đường màu đỏ) Khi tín hiệu điều khiển ngắt để nhiệt độ lò mức nhiệt độ đặt 8000C Ta có hệ luật sau: Bảng 3.2 Cơ sở luật – Các luật ngôn ngữ Error, e(t) C h a n g e E N N N Z P L MS E S P P P L L P P L P M MM P P P P S S S S Z N N N Z P E L MS E S N N N N S S S S N N M M NL P M P L P M P M P M P L P L P L P L P L NL 60 80 70 Temperature(degree) 60 50 40 30 20 10 0 20 40 60 80 100 120 180 Sampling time step kT=30 (giay) 140 160 Hình 3.10 Đáp ứng (xanh) bám theo tín hiệu yêu cầu (đỏ) Từ hình 3.10 ta thấy: 80 80 70 70 60 60 50 50 40 40 30 30 20 20 10 0 180 10 20 40 60 80 100 120 140 160 0 20 40 60 80 100 a , 120 140 160 180 b, Hình 3.11 Tín hiệu tiệm cận với tín hiệu yêu cầu 61 a 25 luật điều khiển mờ thu thập từ chuyên gia b Luật tạo thành sở phân cụm trừ 62 Trên hình 3.11 cho thây kết mô giống số luật tương ứng với luật chuyên gia bảng 3.2: Bảng 3.2 chứa 25 luật xây dựng qua thu thập tri thức từ chuyên gia [9] Quá trình mơ thể hình 3.10 Trên hình 3.11a,b kết đầu 3.5 Kết luận Tiếp cận đến phương pháp hệ luật mờ từ phân cụm trừ liệu độ xác cao Với thuật toán hệ luật Mandani phương pháp tiếp cận đơn giản thực dễ dàng cách sử dụng phần mềm toán học Matlab Phương pháp thực dựa liệu vào để có nghiên cứu so sánh với phương pháp có chuyên gia lĩnh vực Từ 3.11 ta thấy phương pháp tiếp cận nghiên cứu có tỷ lệ xác tương đương so với phương chuyên gia lĩnh vực KẾT LUẬN VÀ KIẾN NGHỊ Kết luận: Với đề tài luận văn giải tương đối đầy đủ yêu cầu đặt ra, đảm bảo yêu cầu luận văn thạc sỹ Bản luận văn giải cho kết sau: Đã nghiên cứu tổng quan phân cụm liệu Xây dựng hệ luật mờ từ phân cụm trừ liệu Ứng dụng hệ luật mờ cho điều khiển lò nhiệt từ phân cụm trừ liệu Kiến Nghị: Kết luận văn dừng lại nghiên cứu lý thuyết, thông qua mô phần mềm Matlab Để nghiên cứu ứng dụng vào thực tế luận văn cần hoàn chỉnh mặt lý thuyết đồng thời phải kiểm nghiệm mơ hình thực tế, lúc có khả áp dụng vào thực tế sản xuất Tài liệu tham khảo [1] Trần Mạnh Tuấn, Lê Bá Dũng, Markov model in proving the convergence of fuzzy genetic algorithm, accepted for presentation at the 2012 International Conference on Systems and Informatics (ICSAI2012) to be held from 19 to 20 May 2012, Yantai, China Báo cáo Hội nghị CNTT truyền thông, Cần thơ 10/2011 [2] Mohammad GhasemiGol, Hadi Saoghi Yazdi, Reza Monsefi, A New Hierarchical Clustering Algorithm on Fuzzy Data (FHCA), International Journal of coputer and electrical engineering, Vol.2, No.1, February, 2010 [3] Agus Priyono, Muhammad Ridwad Jais Alias, Riza AtiQ O.K.Rahmat, Azmi Hassan, Mohd.Alauddin Mohd.Ali, Generation of fuzzy rules with subtractive clusterring, Universiti Teknologi Malaysia, Jurnal Teknologi, 43(D) Dis.2005:143153 [4] Siamak Tafazoli, Mathieu Leduc and Xuehong Sun, Hysteresis Modeling using Fuzzy Subtractive Clutering, International Journal of Computational Cognition, Vol.4, No.3, September 2006 [5] C.D.Doan, S.Y.Liong and Dulakshi S.K.Karunasinghe, Derivation of effective and effcient data set with subtractive clustering method and genetic algorithm, Journal of Hydroinfomatics, 07.4.2005 [6] Lothar M.Schmitt, Fundamental Study Theory of genetic algorithms, Theoretical Computer Science 59 (2001) 1-61 [7] Gunter Rudolph, Convergence Analysis of Canonical Genetic Algorithms, IEEE transaction on neural networks, vol.5, No.1, January 1994 [8] Mohanad Alata, Mohammad Molhim, and Abdullah Ramini, Optimizing of Fuzzy C-Means Clustering Algorithm Using GA, World Academy of Science, Engineering and Technology, pages 224-229, 39 2008, [9] Chin teng lin, George Lee, Neural Fuzzy System Prentice Hall Internatiomal, Inc 1996 ... cho điều khiển lò nhiệt từ phân cụm trừ liệu Nội dung luận văn xây dựng hệ luật điều khiển mờ từ phân cụm trừ liệu áp dụng cho điều khiển lò nhiệt Như biết hệ luật điều khiển mờ thu thập từ chuyên... DỰNG HỆ LUẬT MỜ TỪ PHÂN CỤM TRỪ 34 2.1 Phân cụm trừ liệu 34 2.2 Xây dựng hệ luật mờ từ liệu vào/ra hệ thống 36 2.3 Xem xét, đánh giá hệ luật điều khiển mờ tạo qua lý thuyết tập mờ. .. điều khiển thơng qua phân cụm trừ liệu Vì luận văn đựơc trình bày chương sau: Chương Tổng quan phân cụm liệu Chương Xây dựng hệ luật mờ từ phân cum liệu Chương ứng dụng hệ luật mờ cho điều khiển