Tự chỉnh bộ điều khiển mờ dùng giải thuật di truyền

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA o0o BK TP.HCM NGUYỄN MINH LUÂN TỰ CHỈNH BỘ ĐIỀU KHIỂN MỜ DÙNG GIẢI THUẬT DI TRUYỀN LUẬN VĂN THẠC SỸ Chuyên ngành: ĐIỀU KHIỂN HỌC KỸ THUẬT Mã ngành : 2.05.01 Tháng 01-2003 Luận án cao học CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: TS NGUYỄN PHƯƠNG HÀ ThS HUỲNH THÁI HOÀNG Cán chấm nhận xét 1: GS.TSKH NGUYỄN THÚC LOAN Cán chấm nhận xét 2: TS LÊ HOÀI QUỐC Luận án Cao học bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN CAO HỌC Trường Đại Học Bách Khoa Tp.HCM, 01/2003 Có thể tìm hiểu luận văn tại: x Thư Viện Cao Học Trường Đại Học Bách Khoa, Đại học Quốc gia Tp Hồ Chí Minh; x Bộ môn Viễn Thông & Tự Động Hóa, Khoa Công Nghệ Thông Tin, Trường Đại học Cần Thơ x Người thực hiện: nmluan@cit.ctu.edu.vn Nguyền Minh Luân i Luận án cao học BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC QUỐC GIA Tp.HCM TRƯỜNG ĐH BÁCH KHOA CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập - Tự - Hạnh phúc -oOo - NHIỆM VỤ LUẬN VĂN CAO HỌC Họ tên: Ngày sinh: Chuyên ngành: Khóa: NGUYỄN MINH LUÂN 13 - 05 - 1973 ĐIỀU KHIỂN HỌC KỸ THUẬT 2000-2003 Giới tính: Nam Nơi Sinh: Cần Thơ I- TÊN ĐỀ TÀI: TỰ CHỈNH BỘ ĐIỀU KHIỂN MỜ DÙNG GIẢI THUẬT DI TRUYỀN II- NHIỆM VỤ VÀ NỘI DUNG: ♦ Nghiên cứu giải thuật Di truyền ♦ Nghiên cứu Lý thuyết Điều khiển mờ ♦ Nghiên cứu kết hợp giải thuật di truyền điều khiển mờ ♦ Nghiên cứu cải tiến giải thuật Di truyền, kết hợp giải thuật Di truyền giải thuật ‘Leo đồi’ để hiệu chỉnh tập luật cho Điều khiển mờ ♦ Mô hệ mờ di truyền điều khiển cân hệ lắc ngược quay III - NGÀY GIAO NHIỆM VỤ: 20-05-2002 IV- NGÀY HOÀN THÀNH NHIỆM VỤ: 20-12-2002 V - HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN: TS NGUYỄN PHƯƠNG HÀ ThS HUỲNH THÁI HOÀNG VI- HỌ VÀ TÊN CÁN BỘ NHẬN XÉT 1: GS.TSKH NGUYỄN THÚC LOAN VII- HỌ VÀ TÊN CÁN BỘ NHẬN XÉT 2: TS LÊ HOÀI QUỐC CÁN BỘ HƯỚNG DẪN TS Nguyễn Phương Hà CÁN BỘ PHẢN BIỆN GS.TSKH Nguyễn Thúc Loan CÁN BỘ PHẢN BIỆN TS Lê Hoài Quốc Nội dung Đề cương Luận án thông qua Hội Đồng Chuyên Ngành PHÒNG QLKH-SAU ĐAI HỌC Tp HCM, Ngày tháng năm 2003 CHỦ NHIỆM NGÀNH TS NGUYỄN ĐỨC THÀNH Nguyễn Minh Luân ii Luận án cao học Lời cảm ơn Sau khoảng thời gian miệt mài tìm tòi, nghiên cứu đề tài với không khó khăn, thử thách với nổ lực thân động viên, khích lệ gia đình, quý thầy cô đồng nghiệp thuộc môn Viễn Thông - Tự Động Hóa, Khoa Công Nghệ Thông Tin Trường Đại Học Cần Thơ, đến hoàn thành đề tài tốt nghiệp Cao Học Tôi xin gởi lời cám ơn chân thành đến: - Thầy ThS Huỳnh Thái Hoàng, Bộ môn Điều Khiển Tự Động, Khoa Điện – Điện Tử, Trường Đại Học Bách Khoa - Thành Phố Hồ Chí Minh, người trực tiếp hướng dẫn khoa học, đưa ý tưởng giúp định hướng nghiên cứu Cám ơn thầy truyền đạt kiến thức kinh nghiệm quý báu suốt trình học tập thực luận văn - TS Nguyễn Phương Hà, Bộ môn Điều Khiển Tự Động, Khoa Điện – Điện Tử, Trường Đại Học Bách Khoa - Thành Phố Hồ Chí Minh, học tài liệu bổ ích cho trình học tập nghiên cứu Cám ơn cô với ý kiến đóng góp chân thành giúp em hoàn thiện luận án tốt - GS.TSKH Nguyễn Thúc Loan, TS Lê Hoài Quốc đọc cho nhận xét quý báu giúp luận án hoàn chỉnh - Tất Thầy cô giảng dạy, truyền đạt tri thức giúp trưởng thành, tự tin bước vào đường nghiên cứu - Xin chân thành cám ơn tất thầy cô, bạn bè, đồng nghiệp Bộ Môn Viễn Thông – Tự Động Hóa, Đại Học Cần Thơ, giúp đở động viên suốt trình học cao học làm luận văn tốt nghiệp - ThS Nguyễn Chí Ngôn, Trưởng phòng thí nghiệm Vi Xử Lý – Điều Khiển Tự Động - Khoa Công Nghệ Thông Tin – ĐH Cần Thơ, có nhiều trao đổi khoa học lónh vực chuyên môn bổ ích, đóng góp ý kiến sâu sắc đến đề tài giúp có chuẩn bị tốt nghiên cứu Các em Trương Quốc Bảo, Phạm Duy Nghiệp, Nguyễn Khắc Nguyên, Trần Nhựt Khải Hoàn, giảng viên Trường Đại Học Cần Thơ, nhiệt tình tạo điều kiện tốt để hoàn thành luận án Sau cùng, muốn gởi lời biết ơn sâu sắc đến tất người thân gia đình Cám ơn đùm bọc yêu thương Ông bà, Cha mẹ anh chị em Vợ gái tôi, nghị lực hạnh phúc đời Tp.Hồ Chí Minh, tháng 01 năm 2003 Nguyễn Minh Luân Nguyễn Minh Luân iii Luận án cao học Tóm tắt Luận văn trình bày số kết số cải tiến việc sử dụng giải thuật di truyền để tự tìm hệ mờ tối ưu điều khiển cân hệ lắc ngược quay theo phương thẳng đứng, đối tượng phi tuyến phức tạp điển hình thường dùng để kiểm tra lý thuyết điều khiển tự động Mục đích luận văn thông qua kết sử dụng hệ mờ – di truyền để điều khiển cân lắc ngược quay nhằm đóng góp phương pháp mới, hướng tiếp cận làm giảm nhẹ công việc thử sai trình thiết kế hệ điều khiển mờ Đồng thời cho ta thấy khả tiềm tàng to lớn tính ưu việt giải thuật di truyền vấn đề tìm kiếm lời giải tối ưu Luận văn chia làm phần: Phần I: Mở đầu Tổng quan phương pháp tìm lời giải tối ưu giải thuật di truyền Trình bày sơ lượt điều khiển mờ Sau giới thiệu hệ Mờ – Di Truyền (Genetic Fuzzy Systems: GFS), kết hợp hệ mờ ưu điểm giải thuật di truyền Phần II: Giải Thuật Di Truyền Phần trình bày cấu trúc giải thuật di truyền đơn giản, toán tử giải thuật di truyền phép chọn lọc, lai ghép, đột biến hàm thích nghi để đánh giá độ tốt lời giải Đồng thời nêu việc cải tiến giải thuật di truyền cho hoạt động hiệu hơn, đưa hai phương pháp kết hợp giải thuật leo đồi vào giải thuật di truyền Phần III: Lý Thuyết Điều Khiển Mờ Phần giới thiệu sở toán học điều khiển mờ Khái niệm tập mờ hệ qui tắc mờ, hai khái niệm sở để biểu diễn biến ngôn ngữ, giá trị ngôn ngữ quan hệ không chắn, mơ hồ Hai phương pháp suy diễn thường gặp điều khiển mờ trình bày Cuối phân tích cấu trúc hệ điều khiển mờ bản, phương pháp giải mờ phổ biến phương pháp thiết kế hệ điều khiển mờ Phần IV: ng Dụng Phần giới thiệu ứng dụng điều khiển hệ lắc ngược quay Trước tiên, luận án trình bày ý nghóa toán mô hình toán học hệ lắc ngược Sau Tóm tắt iv Luận án cao học luận văn đưa số giải thuật di truyền để tự tìm luật tối ưu hệ mờ điều chỉnh lại thông số cho hệ mờ Các phương pháp mã hóa cấu trúc liệu nhiễm sắc thể để đưa đến lời giải tốt hơn, tăng tốc độ tìm kiếm lời giải Các kết cụ thể sau chạy giải thuật di truyền Cuối số kết luận hướng phát triển đề tài Tóm tắt v Luận án cao học Abstract This thesis presents some results and improvements of using genetic algorithms to automatically generate optimal fuzzy rules of controlling balancing the Rotary Inverted Pendulum in vertical direction Rotary Inverted Pendulum, a nonlinear and complex system, is a typical plant to be used to test control theory The objective of this thesis is to obtain a new method, new approach to genetic algorithms in order to decrease trial – error of designing fuzzy logic control processing In addition, we can find a great capability and preeminence of genetic algorithms in solving optimal problems The thesis is divided into four sections: The first section: Preliminary This section generally introduces the method finding optimal solvings of genetic algorithms Roughly presentation of fuzzy control After that introducing the co-operation between fuzzy control and genetic algorithms which is called Genetic – Fuzzy Systems (GFS) The second section: Genetic Algorithms This section presents the structure of a single genetic algorithm, with some of its operators such as encode chromosome, selection, recombination (crossover), mutation and fitness function to evaluate the “goodness” of every individual in population We also suggest the new selection method to improve the chance of reaching the global optimum and, vice versa, reduces the risk of being trapped in a local stationary point The mix of hill climbing methods and genetic algorithms also presented The third section: Fuzzy Control Theory This section discusses mathematical fundamental of fuzzy control Firstly, the concepts of fuzzy sets and fuzzy rules are introduced These concept are basic for representing linguistic variables, linguistic term and uncertain, vague relations Two inference methods usually are used in fuzzy control are prensented Finally, we analyse the single structure of fuzzy logic controller, some methods for defuzzification and the way to design a fuzzy logic controller The last section: Application To Control Rotary Inverted Pendulum Firstly, this section presents the objective of problem and Abstract vi Luận án cao học mathematics model of the rotary inverted pendulum system Then we show some genetic algorithms, encoding chromosome’s data structure to automaticaly generate the optimal fuzzy rules and tuning parameters the fuzzy logic controller Finally, some conclusions obtained from the simulation results and some suggestions are presented Abstract vii Luận án cao học Mụ c l ụ c LỜI CẢM ƠN III TÓM TẮT IV ABSTRACT VI MUÏC LUÏC VIII MỞ ĐẦU 1 Sơ lược giải thuật di truyền .3 Sơ lược điều khiển mờ Sự kết hợp hệ mờ giải thuật di truyền Mục đích luận văn Nội dung luận văn GIẢI THUẬT DI TRUYỀN 10 2.1 TỔNG QUAN VỀ GIẢI THUẬT DI TRUYỀN 10 2.1.1 Khaùi nieäm .10 2.1.2 Lịch sử phát triển giải thuật di truyền 13 2.2 GIẢI THUẬT DI TRUYEÀN (GENETIC ALGORITHMS - GA) 15 2.2.1 Định nghóa giải thuật di truyền 15 2.2.2 Giải thuật di truyền tổng quát 16 2.2.3 Cơ chế thực giải thuật di truyeàn 17 2.2.4 Giải thuật di truyền cải tiến 19 2.2.5 Các tính chất giải thuật di truyền 21 2.3 KẾT HP DI TRUYỀN VÀ LEO ĐỒI 21 2.3.1 Giải thuật leo đồi (Hill Climbing) 21 2.3.2 Kết hợp di truyền leo đồi 22 2.4 CÁC NGUYÊN LÝ TRONG GIẢI THUẬT DI TRUYỀN 25 2.4.1 Mã hóa 25 2.4.1.1 Mã hóa gene chuỗi nhị phân 25 2.4.1.2 Maõ hóa gene chuỗi số thực 26 2.4.2 Hàm thích nghi (Fitness Function) 26 2.4.2.1 Độ thích nghi tiêu chuẩn 27 2.4.2.2 Độ thích nghi hạng 27 2.4.3.Các phương pháp chọn lọc 27 2.4.3.1 Chọn lọc đấu voøng ( Tournament Selection) 32 2.4.3.2 Chọn lọc cắt ( Truncation selection) 36 2.4.3.3 Chọn lọc tỉ lệ (Proportional Selection): 38 2.4.3.4 Chọn lọc theo vòng quay Roulette ( Roulette wheel Selection) 40 2.4.3.5 Chọn lọc lấy mẫu toàn cục ngẫu nhiên (Stochastic Universal Sampling) 42 2.4.3.6 Choïn lọc hạng tuyến tính (Linear Ranking Selection) 43 2.4.3.7 Choïn loïc tỉ lệ theo hàm mũ (Exponential Ranking Selection) 45 2.4.3.8 Chọn lọc cục boä (Local Selection) 47 2.4.3.9 p dụng phương pháp chọn lọc vào chương trình ứng dụng 49 2.4.4 Các phương pháp lai ghép (Crossover) 50 2.4.4.1 Lai ghép đơn điểm (Single point crossover) 50 2.4.4.2 Lai ghép đa điểm (Multi-point crossover) 51 Muïc Luïc viii Luận án cao học 2.4.4.3 Lai ghép mặt nạ ( Uniform Crossover) 52 2.4.4.4 Lai ghép rời rạc (Discrete crossover) 53 2.4.4.5 Lai gheùp theo qui tắc tạo sinh đường (Line Crossover ) 54 2.4.4.6 Lai gheùp theo qui tắc tạo sinh tức thời ( Intermediate Crossover ) 56 2.4.4.7 Pheùp lai chương trình ứng dụng 57 2.4.5 Các phương pháp đột biến (Mutation) 57 2.4.5.1 Đột biến trị nhị phaân (Binary mutation) 58 2.4.5.2 Đột biến giá trị thực ( Real value mutation) 59 2.4.5.3 Phép đột biến chương trình ứng dụng 60 2.4.6 Các thông số giải thuật di truyền 61 2.4.6.1 Kích thước quần theå ( POP_SIZE - μ) 61 2.4.6.2 Xác suất lai gheùp (Pcross – Pc) 61 2.4.6.3 Xaùc suất đột biến 62 TOÙM TAÉT 62 LÝ THUYẾT ĐIỀU KHIỂN MỜ .64 3.1 LOGIC RÕ VÀ SỰ XUẤT HIỆN LOGIC MỜ 64 3.2 MỘT SỐ VẤN ĐỀ VỀ CƠ SỞ TOÁN HỌC CỦA LOGIC MỜ 65 3.2.1 Nhắc lại tập rõ 65 3.2.2 Tập mờ (a Fuzzy set) 66 3.2.2.1 Khái niệm tập mờ 66 3.2.2.2 Định nghóa 67 3.2.2.3 Các đặc điểm hàm liên thuộc 67 3.2.2.4 Các phép toán tập mờ 70 3.2.2.5 Biến mờ, hàm biến mờ, biến ngôn ngữ 71 3.3 LOGIC MỜ 74 3.3.1 Mệnh đề mờ (Fuzzy Proposition) 74 3.3.2 Qui tắc mờ (Fuzzy rules) 74 3.3.3 Tính chất hệ qui tắc mờ 75 3.3.3.1 Tính liên tục (Continuity) 75 3.3.3.2 Tính quán (Consitency) 76 3.3.3.3 Tính hoàn chỉnh (Completeness) 77 3.3.4 Suy diễn mờ ( Fuzzy inference) 78 3.3.5 Phương pháp suy diễn MAX-MIN (MAX-MIN Inference Method) 78 3.3.6 Phương pháp suy diễn MAX-PROD (MAX-PROD Inference Method) 80 3.4 ĐIỀU KHIỂN MỜ 81 3.4.1 Caáu trúc điều khiển mờ 83 3.4.1.1 Khoái tiền xử lý ( Preprocessing ) 83 3.4.1.2 Bộ điều khiển mờ 84 3.4.1.3 Khối hậu xử lý ( Postprocessing ) 85 3.4.2 Quan hệ ngõ vào –ngõ điều khiển mờ 85 3.4.3 Giải mờ 87 3.4.3.1 Các phương pháp giải mờ 87 3.4.3.2 Ý nghóa ứng dụng phương pháp giải mờ 94 3.4.4 Qui tắc điều khiển mờ 96 3.4.4.1 Qui tắc điều khiển mờ Mamdani 96 3.4.4.2 Qui tắc điều khiển mờ Sugeno 98 3.4.4.3 So saùnh qui tắc mờ Mamdani qui tắc mờ Sugeno 100 3.4.5 Tính ổn định hệ thống điều khiển mờ 101 3.4.6 Phương pháp thiết kế điều khiển mờ 102 TÓM TẮT 104 Mục Lục ix Luận án cao học Hình 4.38(b): Đáp ứng lắc chuyển động cánh tay theo tín hiệu bước Khảo sát ảnh hưởng nhiễu đến hệ thống: Để khảo sát tính chịu nhiễu hệ thống, ta tác động nhiễu cộng vào phần cánh tay lắc đứng lắc Đối với phần cánh tay hệ thống hoạt động tốt dải rộng nhiễu Khi công suất nhiễu lớn độ bám phần cánh tay lệch xa với tín hiệu điều khiển, lắc dao động nhiều giữ cân Ngưỡng công suất nhiễu mà hệ giữ cân variance = 40, mean = 0.2, đáp ứng hệ thống hình đây: Hình 4.39: Nhiễu cộng (variance = 40, mean = 0.2) tác động vào phần cánh tay hệ lắc ngược quay Ứng dụng 146 Luận án cao học Hình 4.40: Đáp ứng cánh tay lắc có nhiễu tác động tín hiệu điều khiển xung vuông Hình 4.41: Sự ảnh hưởng nhiễu lên lắc Sự ảnh hưởng nhiễu lớn phần lắc, ngõng nhiễu mà giữ cân vào khoảng variance = 0.015, mean = 0.2 Ở giá trị này, để điều khiển cân thanh, phần cánh tay Ứng dụng 147 Luận án cao học lệch xa tín hiệu đích để ưu tiên cho cân Các đáp ứng có hệ thống ghi lại hình sau đây: Hình 4.42: Nhiễu cộng (variance = 0.015, mean = 0.2) tác động vào lắc Hình 4.43: Đáp ứng cánh tay lắc có nhiễu tác động tín hiệu điều khiển xung vuông Ứng dụng 148 Luận án cao học Hình 4.44: Sự ảnh hưởng nhiễu lên lắc Qua khảo sát ta nhận thấy, hệ hoạt động tốt tác động nhiễu độ lớn nhiễu vượt khỏi tầm giá trị hoạt động ngõ vào hệ mờ Điều cho ta thấy điều khiển mờ có ưu điểm tính bền vững, xử lý thông tin mức độ ‘không xác’ đó, nhiên phương pháp cho phép phân tích ổn định hệ thống điều khiển mờ thực nghiệm làm Ứng dụng 149 Luận án cao học Kết luận hướng phát triển Với mục tiêu ứng dụng giải thuật di truyền để thiết kế tự động hệ điều khiển mờ, nội dung luận án đề cập vấn đề sau: Nghiên cứu nguyên lý giải thuật di truyền, phương pháp cải tiến giải thuật di truyền đơn giản kết hợp giải thuật di truyền giải thuật leo đồi Nghiên cứu lý thuyết điều khiển mờ Sử dụng ưu điểm giải thuật di truyền để bù khuyết điểm gặp phải thiết kế hệ mờ công việc thử sai Hệ thống với kết hợp gọi hệ Mờ – Di Truyền (Genetic Fuzzy Systems) Ứng dụng hệ Mờ – Di Truyền điều khiển cân hệ lắc ngược quay trường hợp mô hình toán đối tượng, biết đặc điểm động học số kết cho thông số ước lượng trước Phần ứng dụng mô chương trình chạy MATLAB Từ nội dung lý thuyết ứng dụng giải thuật di truyền để thiết kế hệ điều khiển mờ trình bày luận văn rút số kết luận sau: Giai đoạn tự tìm tập luật cho hệ mờ - Khi chưa kết hợp giải thuật di truyền giải thuật leo đồi giải thuật chạy tương đối hiệu Từ đồ thị biểu diễn giá trị thích nghi cá thể tốt ta nhận thấy có xuất cá thể tốt sau khoảng 10 đến 20 hệ (giá trị thích nghi tăng lên đáng kể), điều nhờ vào trình lai ghép, đột biến việc cải tiến phương pháp chọn lọc làm cho quần thể thêm phong phú Với xuất cá thể tốt “hút” Kết luận 150 Luận án cao học cá thể khác theo nó, “nòi giống” từ “hoàn thiện” sau hệ - Do không gian tìm kiếm lớn (940 lời giải) điều ảnh hưởng nhiều đến tốc độ hội tụ giải thuật Chẳng hạn với kích thước quần thể (POP_SIZE) 100 cá thể, trung bình để đạt đến lời giải chấp nhận cần khoảng 70 hệ chương trình chạy khoảng gần ( máy tính có CPU Intel 1.1Ghz) Qua thực nghiệm POP_SIZE nhỏ 100 không cho ta lời giải tốt, chí không đạt đến hội tụ Đây hội tụ cục xảy quần thể không phong phú - Khi lồng giải thuật leo đồi vào giải thuật di truyền, vấn đề thời gian hội tụ có cải thiện đáng kể (có thể khoảng 10 hệ có leo đồi chương trình đưa lời giải) Do trình chọn cá thể tốt cho “leo đồi” sau cá thể tiếp tục trình tiến hóa với cá thể khác, hạn chế thời gian thực tượng tối ưu cục - Khi thực phương pháp mã hóa có cải tiến, giải thuật di truyền cho tốc độ hội tụ nhanh Điều dễ dàng nhận kết hợp thông tin đặc thù toán vào cấu trúc liệu nhiễm sắc thể làm cho chương trình tiến hóa hoạt động có hiệu cao Giai đoạn hai điều chỉnh lại thông số hàm liên thuộc Vì bước chỉnh tinh, thông số hàm liên thuộc có khoảng biến đổi tương đối nhỏ số thông số mã hóa không nhiều, có nghóa không gian tìm kiếm thu hẹp lại hội tụ có tốc độ tương đối nhanh Khi thực chế độ giữ lại cá thể tốt (ELITISM) cho hệ sau (cá thể không qua trình lai ghép chọn lọc) ta tăng tốc độ hội tụ (độ thích nghi hệ sau lớn hay hệ trước đó), nhiên điều dẫn đến lời giải bị “kẹt” lại cực trị cục (giá trị thích nghi không tăng nữa) giải thuật di truyền thất bại việc tìm kiếm Tuy nhiên, điều khắc phục cách tăng kích thước POP_SIZE, tăng xác suất đột biến bổ sung đa dạng cho tập lời giải Nhìn chung kết đạt luận án phần đóng góp phương pháp mới, hướng tiếp cận nhằm giảm nhẹ công việc thử sai trình thiết kế hệ điều khiển mờ Đồng thời cho Kết luận 151 Luận án cao học ta thấy khả tiềm tàng to lớn tính ưu việt giải thuật di truyền vấn đề tìm kiếm lời giải tối ưu (không phải “đoán mò”như nhiều người lầm tưởng[21]) cho nhiều dạng toán điều khiển khác Hướng phát triển đề tài Qua công việc thực đề tài, luận văn tiếp tục phát triển thêm hướng sau: Với tập luật chọn có số luật đảm bảo cho hệ mờ đạt tính hoàn chỉnh số luật lớn, điều ảnh hưởng nhiều đến tốc độ hoạt động hệ thống, thêm vào số trường hợp ta cần tập luật tối ưu cho hệ hoạt động tốt Vì vậy, ta dùng giải thuật di truyền để chỉnh số luật cần thiết tối thiểu cho hệ thống Ngoài ra, số tập mờ ngõ vào ngõ ta cố định mức xem “thích hợp” để hệ hoạt động tốt, điều dựa vào kinh nghiệm người thiết kế Vì vậy, dựa vào khả giải thuật di truyền ta điều chỉnh số lượng tập mờ hệ hoạt động tối ưu Kết luận 152 Luận án cao học Phụ lục Phụ lục A: Tập luật điều khiển mờ Một số 81 luật điều khiển hiển thị Matlab: (Các tập luật tham khảo thêm file fis kèm với chương trình hàm) Phụ lục 153 Luận án cao học Phụ lục B: Mô hình Simulink hệ thống Phụ lục 154 Luận án cao học Phụ lục C: Các hàm chương trình mô Tên hàm Chức GEN_RULE Tạo tập luật mờ cho hệ điều khiển mờ TUN_MEM Chỉnh thông số hàm liên thuộc Createfis_trimf Tạo hệ mờ có hàm liên thuộc dạng tam giác Dataset_cond Tạo mệnh đề điều kiện (81 mệnh đề điều kiện) Lnranksel Hàm chọn lọc dùng phương pháp hạng tuyến tính Exranksel Hàm chọn lọc dùng phương pháp hạng theo hàm mũ Exranksel_ad Hàm chọn lọc dùng phương pháp hạng theo hàm mũ có cải tiến Rwheelsel Hàm chọn lọc dùng phương pháp vòng quay Roulette Crossover Hàm lai ghép nhiễm sắc thể điểm hay điểm Mutate_base Hàm đột biến gene theo số 10 Mutate_rule Hàm đột biến sử dụng cho gene mã hóa từ tập luật Resetfis Khởi tạo lại thông số hàm liên thuộc cho hệ mờ RIP Mô hình mô hệ thống điều khiển cân hệ lắc ngược Anim Sfunction minh họa chuyển động lắc AboutRIP Giới thiệu chương trình mô Dynamic_RIP Hệ mờ khởi tạo ban đầu dùng để trả giá trị cho hàm thích nghi (mdl) Dynamic_RIP_test Mô hình Mô đáp ứng hệ thống điều khiển mờ (.mdl) * fis Một số tập mờ có từ giải thuật di truyền Phụ lục 155 Luận án cao học [1] [2] [3] [4] [5] [6] [7] [8] Tham khaûo Thomas Back.” Generalized convergence models for tournament and (μ, λ) selection” In L Eshelman, editor, Proceedings of the Sixth InternationalConference on Genetic Algorithms (ICGA95), San Francisco, CA, 1995 Morgan Kaufmann Publishers Tobias Blickle and Lothar Thiele A “Comparison of selection Schemes used in Genetic Algorithms” Computer Engineering and Communication Networks Lab (TIK) _ Swiss federal Institute of Technology (ETH) TIK-Report Nr 11, December 1995 Version Scott C Brown and Kevin M Passino “ Intelligent Control for an Acobot” Department of Electrical Engineering The Ohio State University 2015 Neil Avennue Columbus, Ohio 43210 David Beasley (1), David R Bull (2), Ralph R Martin (3) “An Overview of Genetic Algorithms: Part1, Fundamentals ; Part 2, Research Topics“ (1) Department of Computing Mathematics, University of Cardiff, CF2 4YN, UK (2) Department of Electric and Electrical Engineering, University of Bristol, Bristol, BS8 1TR, UK (3) Department of Computing Mathematics, University of Cardiff, CF2 4YN, UK Ulrich Bodenhofer (1), and Francisco Herrera (2) “Ten Lectures on Genetic Fuzzy Systems” (1) Sofware Competence Center Hagenberg (2) Dept of Computer Science and A I., E T S Ingeniería Informática University of Granada, 18071 – Granada, Spain Piero p Bosissone, Pratap S Khedkar, Yuto Chen “Genetic Algoritms for Automated Tuning of Fuzzy Controllers: A Transportation Application” Information Technology Laboratory General Electric Corporate Research and Development, K1 5C32A, Research Circle, Schenectady, NY 12309, USA Mark G Cooper & Jacques J Vidal “Genetic design of Fuzzy Controllers” University of California, Los Angeles 3531 Boelter Hall (Presented at the Second International Conference on Fuzzy Theory and Technology; Durham, NC, Octorber, 1993) T K Chye and T C Sang “Rotary Inverted Pendulum” Shool of electrical and electronic engineering A final year project report presented to Nanyang Technology University April 1999 Tham khảo 156 Luận án cao học O Cordón, F Herrera and P Villar “ Generating the Knowledge Base of a Fuzzy Rule-Base System by the Genetic Learning of the Data Base” ” Department of Computer science and Artificial Intelligence Universidad de Granada, Spain Technical Report # DECSAI-000118, July, 2000 [10] Hồ Só Đàm, Trần Minh Châu, Phạm Việt Thắng, “ Giải thuật Di truyền + Cấu Trúc Dữ Liệu = Chương Trình Tiến Hóa” (Bản dịch) Đại Học Quốc Gia Hà Nội, Trường Đại Học Khoa Học Tự Nhiên, Khoa Công Nghệ Hà Nội, 1999 [11] F Herrera, M Lozano, J L Verdegay “Tuning Fuzzy logic controllers by Genetic Algoritms” International Journal of Approximate Reasoning 12 (1995) 299 – 315 [12] F Herrera, M Lozano, J L Verdegay “ A learning process for Fuzzy Control Rules using Genetic Algoritms” Department of Computer science and Artificial Intelligence Technical report # DECSAI – 95108 February, 1995 [13] Frank Hoffmann “ Evolutionary Algoritms for Fuzzy Control System Design” Royal Institude of Technology, Center for Autonomous Systems, Stockholm, Sweden [14] F Hoffmann and G Pfister “ Evolutionary Design of a Fuzzy Knowledge Base for a Mobile Robot” International Journal of Approximate Reasoning 1994 [15] Nguyễn Thị Phương Hà,“ Điều khiển tự động” Nhà xuất Khoa Học Kỹ Thuật, Hà Nội 1996 [16] Huỳnh Thái Hoàng “ Ứng dụng lý thuyết điều khiển tối ưu điều khiển mờ để khảo sát hệ lắc ngược” Luận án Cao Học, chuyên ngành Kỹ Thuật vô tuyến điện tử Đại Học Quốc Gia Tp Hồ Chí Minh, Trường Đại Học Bách Khoa Tp Hồ Chí Minh, năm 1999 [17] Huỳnh Thái Hoaøng.“An Experimental study on Adaptive Controller using an Inverted Pendulum” Ho Chi Minh University of Technology Faculty of Electrical and Electronic Engineering, Department of Automatic Control [18] F Herrera (1) and L Magdalena (2) “ Genetic: A Tutorial Fuzzy Systems “ (1) Dept of Computer Science and A I., E T S Ingeniería Informática University of Granada, 18071 – Granada, Spain (2) Dept of Applied Mathematics, E T S I De telecomunicación Universidad Politécnica de Madrid, 28040 – Madrid, Spain [9] Tham khảo 157 Luận án cao học [19] H Ishibuchi, K Nozaki, N Yamamoto and H Tanaka.” Selecting Fuzzy If – Then Rules for Classification Problems using Genetic Algorihtm” IEEE Transaction on Fuzzy Systems, vol 3, no 3, August 1995 [20] Hoàng Kiếm “Giải toán máy tính nào”, tập Nhà Xuất Bản Giáo dục, 2001 [21] Hoàng Kiếm, Lê Hoàng Thái “ Giải thuật di truyền cách giải tự nhiên toán máy tính” Nhà xuất giáo dục, 2000 [22] Deb Kalyanmoy “Genetic Algorithm in Search and Optimization: The Technique and Applications” Department of Mechanical Engineering Indian Institute of Technology, Kanpur, UP 208 016, INDIA [23] J Kinzel, F Klawonn, R Kruse “ Modifications of Genetic Algorithms for Designing and Optimizing Fuzzy Controllers” Department of Computer Science Technical University of Braunschweig D-38106 Braunschweig, Germany [24] C L Karr and E J Gentry “Fuzzy control of pH using Genetic algorihtm “ IEEE Trans Fuzzy Systems, vol 1, no 1, pp 46 –43, 1993 [25] W A Kwong, K M Passino, E G Laukonen and Stephen Yurkovich “Expert Supervision of Fuzzy Learning Systems for Fault Tolerant Aircraff Control” Proceeding of the IEEE, vol 83, no 3, March 1995 [26] J R Layne and K V Passino “ Fuzzy Model Reference Learning Control for Cargo ship Steering” IEEE Control Syst Magazine, vol 13, no 6, pp 23 -34, 1993 [27] J R Layne and K V Passino.”Fuzzy Model Reference Learning Control” In Proc IEEE Conf Control Applications, pp 686 – 691, Dayton, OH, Sept 1992 [28] [29] [30] [31] Lương Văn Lăng “Cơ sở tự động” Nhà xuất Giáo Dục 1995 M A Lee, and H Takagi, “Integrating Design Stages of Fuzzy Systems using Genetic Algoritms” Proceeding of the second IEEE International Conference on Fuzzy Systems NewYork, NY: Institute of Electrical and Electronics Engineers, pp 612-617 Phan xuân Minh Nguyễn Doãn Phước “ Lý Thuyết điều khiển mờ” Nhà Xuất Khoa Học Kỹ Thuật, Hà Nội – 1997 K Ohmi, N Yoshida, Huynh Thai Hoang “ Genetic Algorihtm PIV” The Fourth International Symposium on Particle Image Velocimetry, G⎞ttingen, Germany, September 17 – 19, 2001 Tham khảo 158 Luận án cao hoïc K.V Passino “Intelligent Control: An Overview of Techniques ” Department of Electrical Engineering The Ohio State University 2015 Neil Avennue Columbus, , Ohio 43210 [33] Kenvin K Passino and Stephen Yurkovich “ Fuzzy Control” Department of Electrical Engineering The Ohio State University Copyrigh 1998 Addision – Wesley Longman, Inc [34] Hartmut Pohlheim Web page Genetic and Evolutionary Algorithm Toolbox for use with Matlab (GEATbx) (The Genetic and Evolutionary Algorithm Toolbox is not public domain), Copyright © Hartmut Pohlheim, All Rights Reserved, (pohlheim@systemtechnik.tu-ilmenau.de) [35] S C Tan & K V Ling “Parameters Identification of a Rotary Inverted Pendulum” School of Electrical And Electronic Engineering Nanyang technological University Nanyang Avenue, Singapore 639798 [36] Nguyễn Trọng Thuần “ Điều khiển logic ứng dụng” Nhà Xuất Khoa Học Kỹ Thuật, Hà Nội – 2000 [37] Nguyễn Đình Thúc “ Trí tụê nhân tạo – Lập trình tiến hóa “ Nhà xuất giáo dục 2001 [38] Darrell Whitley “A Genetic Algorithm Tutorial” Computer Science Department, Colorado State University Fort Collins, CO 80523 [39] L X Wang and J M Mendel “Generating Fuzzy Rules by learning from example” IEEE Trans Syst Man, Cybern, vol 20, no 6, pp 1414 – 1427, 1992 [40] Moeljono Widjaja and Stephen Yurkovich “ Intelligent Control for Swing up and Balancing of an Inverted Pendulum System” Control Research Laboratory Department of Electriacal Engineering The Ohio State University 2015 Neil Avenue [41] John Yen, Reza Langari “Fuzzy Logic _ Intelligence, Control, and Information” Center of Fuzzy Logic, Robotics, and Intelligent Systems Texas A&M University Prentice Hall, Upper Saddle River, New Jersey 07458 1999 [42] Fuzzy Logic Toolbox _ for use with MATLAB User ‘s Guide Version [32] Tham khảo 159 Luận án cao học lý lịch trích ngang Họ tên: NGUYỄN MINH LUÂN, Ngày sinh: 13 – 05 – 1973, Giới tính: NAM Nơi sinh: CẦN THƠ Địa liên lạc: Cơ quan - Bộ môn Viễn Thông Tự Động Hóa, Khoa Công Nghệ Thông Tin, Đại học Cần thơ, 01 Lý Tự Trọng, Tp Cần Thơ, Tỉnh Cần thơ; Tel: +84-71 831301; Fax: +84-71 830841 Nhà riêng - 30/55 Mậu Thân, Tp Cần Thơ, Tỉnh Cần thơ, Tel: +84-71.834747 Email: nmluan@cit.ctu.edu.vn QUÁ TRÌNH ĐÀO TẠO 1991-1996: Học Đại học Cần thơ, chuyên ngành Điện Tử 2001-2003: Học Cao học trường Đại học Bách Khoa, Đại học Quốc gia Tp Hồ Chí Minh, chuyên ngành Điều Khiển Học Kỹ Thuật QUÁ TRÌNH CÔNG TÁC 1996-nay: Giảng viên Bộ môn Viễn Thông Tự Động Hóa, Khoa Công Nghệ Thông Tin, Đại học Cần thơ Lý lịch trích ngang ... TÀI: TỰ CHỈNH BỘ ĐIỀU KHIỂN MỜ DÙNG GIẢI THUẬT DI TRUYỀN II- NHIỆM VỤ VÀ NỘI DUNG: ♦ Nghiên cứu giải thuật Di truyền ♦ Nghiên cứu Lý thuyết Điều khiển mờ ♦ Nghiên cứu kết hợp giải thuật di truyền. .. di truyền điều khiển mờ ♦ Nghiên cứu cải tiến giải thuật Di truyền, kết hợp giải thuật Di truyền giải thuật ‘Leo đồi’ để hiệu chỉnh tập luật cho Điều khiển mờ ♦ Mô hệ mờ di truyền điều khiển cân... thống điều khiển mờ với số đặc điểm phương pháp thiết kế điều khiển mờ Phần IV Dùng giải thuật di truyền thiết kế điều khiển mờ Xây dựng giải thuật di truyền thiết kế hệ điều khiển mờ cách tự động