Điều khiển neuron mờ hệ con lắc ngược

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA HUỲNH MINH NGỌC ĐIỀU KHIỂN NEURON MỜ HỆ CON LẮC NGƯC Chuyên ngành : Điều khiển học kỹ thuật Mã số ngành : 2.05.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 10 năm 2005 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 2005 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, ngaøy …… tháng …… năm 2005 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên : HUỲNH MINH NGỌC Phái : nam Ngày, tháng, năm sinh : 15-3-1972 Nơi sinh : Hà nội Chuyên ngành : Điều khiển học kỹ thuật MSHV: 01503355 I TÊN ĐỀ TÀI : ĐIỀU KHIỂN NEURON MỜ HỆ CON LẮC NGƯC II.NHIỆM VỤ VÀ NỘI DUNG: -Giới thiệu tổng quan -Tìm hiểu nghiên cứu mạng neuron , logic mờ, mạng neuron mờ -Xây dựng hệ thống điều khiển mạng neuron mờ thích nghi dùng giải thuật FHEA Ứng dụng điều khiển hệ lắc ngược So sánh kết dùng giải thuật FHEA với giải thuật neuron mờ singleton - 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 PHÒNG ĐÀO TẠO SĐH KHOA QUẢN LÝ NGÀNH LỜI CẢM ƠN Tôi chân thành cảm ơn PGS TS Nguyễn Thị Phương Hà hướng dẫn nghiên cứu khoa học, hỗ trợ tài liệu thảo luận trình thực luận án cao học Tôi cảm ơn Thầy cô giảng dạy chương trình cao học, giúp có thêm nhiều kiến thức hữu ích để phục vụ công tác tốt Cảm ơn bạn học khóa 14 trao đổi kinh nghiệm điều khiển neuron mờ hệ thống động Xin cảm ơn ba mẹ quan tâm giúp đỡ bước đường học tập Huỳnh Minh Ngọc TÓM TẮT LUẬN VĂN THẠC SĨ Trong luận văn điều khiển bám neuron mờ ổn định hệ lắc ngược dựa tiếp cận sai số phân cấp mờ đề nghị Bộ điều khiển neuron mờ cấu trúc từ mạng neuron mờ với tập luật mờ Trong huấn luyện, trọng số mạng chỉnh không trực tuyến Giải thuật FHEA tích hợp vào sơ đồ điều khiển để xấp xỉ hàm phi tuyến Kế tiếp, so sánh điều khiển neuron mờ thích nghi dựa giải thuật FHEA với điều khiển neuron mờ singleton Phần mô thực Simulink MATLAB cho kết điều khiển bám theo tốt Một số gợi ý cho hướng phát triển đề tài đề nghị ABSTRACT In this thesis a stable fuzzy neural tracking control of the inverted pendulum systems based on the fuzzy hierarchy error approach 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 A fuzzy hierarchy error approach algorithm is incorporated into the control scheme to approximate nonlinear functions There is a comparison between the adaptive fuzzy neural control based on FHEA algorithm with the fuzzy neural control with singleton fuzzy rules Simulation was done by Simulink in MATLAB 6.5 and had good tracking control results Possible directions for future work are suggested KÝ HIỆU FNC (fuzzy neural control) : điều khiển neuron mờ FHEA( fuzzy hierarchy error approach) : tiếp cận sai số phân cấp mờ SISO (single input single output) : hệ ngõ vào ngõ x = ( x1 , x , , x n ) T ∈ R n : vector trạng thái V(x) : hàm Lyapunov biến trạng thái x t-norm : phép t-chuẩn t-conorm : phép t- đối chuẩn MLP (multilayer perceptron) : mạng perceptron nhiều lớp RBF (radial basis function) : mạng hàm sở xuyên tâm ANFIS (Adaptive network fuzzy inference systems) : hệ suy diễn neuron mờ thích nghi TSK (Takagi-Sugeno-Kang) : luật mờ TSK MỤC LỤC TÓM TẮT LUẬN VĂN THẠC SĨ KÝ HIỆU MỤC LỤC CHƯƠNG 1: GIỚI THIỆU 1.1.Đặt vấn đề 1.2.Điều khiển thích nghi 10 1.3 Nhiệm vụ luận văn thạc só 13 CHƯƠNG :CƠ SỞ LÝ THUYẾT 17 2.1.Mạng neuron 17 2.1.1 Cơ sở sinh học mạng neuron 17 2.1.2 Mô hình nơron nhân tạo 18 2.1.3 Các thành phần mạng neuron 19 2.1.4 ng dụng mạng neuron 20 2.1.5 Luật học Perceptron 20 2.1.6.Mạng truyền thẳng nhiều lớp với giải thuật học lan truyền ngược 21 2.1.7.Mạng hồi quy 23 2.1.8 Mạng hàm sở xuyên tâm 24 2.2.Logic mờ 25 2.2.1.Tập mờ 25 2.2.2 Luật hợp thành mờ 28 2.2.3 Hệ mờ 31 2.2.4.Bộ điều khiển mờ 34 2.3 Hệ neuron mờ 35 2.3.1 Hệ suy diễn mờ xấp xỉ hàm 35 2.3.2 Hệ suy diễn neuron mờ thích nghi 36 2.4 Nhận xét 39 CHƯƠNG 3: MẠNG NEURON MỜ DỰA TRÊN TIẾP CẬN SAI SỐ PHÂN CẤP MỜ 3.1.Cấu trúc mạng neuron mờ 40 3.2.Giải thuật học 44 3.3.Cấu trúc điều khiển với mạng neuron mờ 46 3.4.Phân tích ổn định thiết kế hệ thống điều khiển neuron mờ thích nghi 48 CHƯƠNG 4:THIẾT KẾ HỆ THỐNG ĐIỀU KHIỂN NEURON MỜ HỆ CON LẮC NGƯC 4.1 Đối tượng khảo sát 54 4.2 Giải thuật đề xuất 56 4.3 Điều khiển neuron mờ hệ lắc ngược CHƯƠNG : KẾT QUẢ MÔ PHỎNG 5.1 Điều khiển neuron mờ thích nghi hệ lắc ngược 5.2 Điều khiển neuron mờ singleton CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 6.1 Kết luận 6.2 Hướng phát triển đề tài TÀI LIỆU THAM KHẢO PHỤ LỤC Mạng neuron mờ FHEA Mạng neuron mờ singleton Các tập liệu Cơ sở luật mờ Trọng số 61 64 64 90 99 99 100 101 103 103 119 134 134 137 Chương 1: Giới thiệu CHƯƠNG GIỚI THIỆU 1.1.ĐẶT VẤN ĐỀ : Điều khiển thích nghi cho hệ thống động lónh vực nghiên cứu đầy tiềm kể từ thập niên 1960 [1] Tác giả R Marino P Tomei [11] đề nghị sơ đồ điều khiển hệ phi tuyến với tuyến tính hóa hồi tiếp 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 Điều khiển mờ thích nghi trực tiếp gián tiếp trình bày [2] Để kết hợp ưu điểm điều khiển mờ mạng neuron, nghóa thể tri thức ngôn ngữ khả học , tác giả Tsu-Tian Lee cộng [14] đề nghị sơ đồ điều khiển neuron mờ thích nghi hệ phi tuyến 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, ([12], 1996) trình bày phương pháp điều khiển mờ thích nghi ổn định dựa tiêu chuẩn ổn định Lyapunov Phương pháp điều khiển thích nghi đảm bảo ổn định hệ thống hội tụ hệ tín hiệu mong muốn cho trước Một số phiên hiệu chỉnh phương pháp điều khiển thích nghi trình bày [2],[12],[13] Chương 1: Giới thiệu 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 mà đo Tuy nhiên ứng dụng điều khiển thực tế, trạng thái hệ thống nhiều hệ phi tuyến đo phần Trong luận văn loại phương pháp điều khiển neuron mờ thích nghi đề nghị cho hệ lắc ngược với hồi tiếp ngõ ra, trạng thái thứ hai hệ xác định thông qua ước lượng Bộ điều khiển hồi tiếp ngõ thích nghi luật điều khiển hồi tiếp ngõ dựa quan sát thiết kế Mạng neuron mờ học huấn luyện trước dựa vào tập mẫu vào theo cách không trực tuyến Mặt khác, để rút ngắn trình độ có trạng thái ổn định tốt, ta tuân theo phương pháp tiếp cận sai số phân cấp mờ để tích hợp vào trình điều khiển thích nghi 1.2 BÀI TOÁN ĐIỀU KHIỂN THÍCH NGHI 1.2.1 Hệ thích nghi mô hình tham chiếu Hệ thích nghi mô hình tham chiếu tiếp cận điều khiển thích nghi [1] Nguyên lý minh họa hình 1.1 Đáp ứng mong muốn tạo từ mô hình tham chiếu Hệ thống có vòng hồi tiếp thông thường gồm đối tượng hiệu chỉnh Sai lệch e=y-ym hiệu số ngõ hệ mô hình tham chiếu Bộ hiệu chỉnh có tham số thay đổi dựa sai số Còn có hai vòng kín hình 1.1 : vòng cung cấp hồi tiếp điều khiển thông thường , vòng chỉnh thông số cho vòng Vòng lặp giả thiết nhanh vòng ngòai Hình 1.1 hệ thích nghi mô hình tham chiếu gốc, đề nghị Whitaker vào năm 1958 giới thiệu hai ý tưởng Thứ nhất, tiêu hệ đặc tả mô hình; thứ hai tham số hiệu chỉnh chỉnh dựa sai số mô hình tham chiếu hệ thực Hệ thích nghi mô hình tham chiếu phát sinh ban đầu từ toán tự chỉnh hệ liên tục thời gian tiền định Ý tưởng lý thuyết mở rộng bao gồm hệ rời rạc thời gian hệ có nhiễu ngẫu nhiên 10 Phuï luïc 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_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)