Phương pháp lập luận xấp xỉ tối ưu dựa trên đại số gia tử và ứng dụng trong điều khiển mờ

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG ĐỒN TRỌNG HIẾU PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG TRONG ĐIỀU KHIỂN MỜ LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH THÁI NGUYÊN - 2020 ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THƠNG ĐỒN TRỌNG HIẾU PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ VÀ ỨNG DỤNG TRONG ĐIỀU KHIỂN MỜ Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 8.48.01.01 LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH Người hướng dẫn khoa học: TS NGUYỄN DUY MINH THÁI NGUYÊN - 2020 i LỜI CAM ĐOAN Tôi xin cam đoan kết đạt luận văn sản phẩm cá nhân hướng dẫn khoa học TS Nguyễn Duy Minh Trong toàn nội dung luận văn, nội dung trình bày cá nhân tổng hợp từ nhiều nguồn tài liệu khác Tất tài liệu tham khảo có xuất xứ rõ ràng trích dẫn hợp pháp Tơi xin chịu trách nhiệm chịu hình thức kỷ luật theo quy định cho lời cam đoan Thái Nguyên, tháng năm 2020 Tác giả Đoàn Trọng Hiếu ii LỜI CẢM ƠN Em xin gửi lời cảm ơn chân thành đến TS Nguyễn Duy Minh - người hướng dẫn khoa học, thầy định hướng nhiệt tình hướng dẫn, giúp đỡ em trình làm luận văn Em xin gửi lời biết ơn sâu sắc đến quý thầy cô giáo trường Đại học Công nghệ thông tin Truyền thông; Viện công nghệ thông tin thuộc Viện hàn lâm Khoa học Công nghệ Việt Nam truyền đạt kiến thức kinh nghiệm quý báu cho chúng em thời gian học tập Xin chân thành cảm ơn bạn bè, đồng nghiệp, ban cán học viên lớp cao học CK15, người thân gia đình động viên, chia sẻ, tạo điều kiện giúp đỡ suốt trình học tập làm luận văn Thái Nguyên, tháng năm 2020 Tác giả Đoàn Trọng Hiếu iii MỤC LỤC MỤC LỤC iii DANH MỤC BẢNG vi DANH MỤC HÌNH vii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT viii MỞ ĐẦU CHƯƠNG 1: GIỚI THIỆU MỘT SỐ KIẾN THỨC CƠ SỞ 1.1 Biến ngôn ngữ, mơ hình mờ 1.1.1 Biến ngôn ngữ 1.1.2 Mơ hình mờ 1.2 Đại số gia tử 1.2.1 Độ đo tính mờ giá trị ngơn ngữ 1.2.2 Hàm định lượng ngữ nghĩa 10 1.2.3 Đại số gia tử tuyến tính đầy đủ 12 1.2.4 Khái niệm ngưỡng hiệu chỉnh định lượng ngữ nghĩa 14 1.3 Phương pháp lập luận xấp xỉ mờ đa điều kiện 15 1.4 Bài toán tối ưu giải thuật di truyền 17 1.4.1 Bài toán tối ưu .17 1.4.2 Giải thuật di truyền 18 1.4.2.1 Các khái niệm giải thuật di truyền 18 1.4.2.2 Cơ chế thực giải thuật di truyền 22 1.4.2.3 Các phương pháp biểu diễn nhiễm sắc thể toán tử di truyền chuyên biệt 25 iv 1.4.2.4 Biểu diễn thực 25 1.4.2.5 Các toán tử chuyên biệt hoá 26 1.5 Kết luận Chương 28 CHƯƠNG 2: GIẢI PHÁP NHÚNG GA VỚI PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ 29 2.1 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử 29 2.2 Các giải pháp tối ưu tham số định lượng ngữ nghĩa 32 2.3 Các giải pháp xác định tham số định lượng ngữ nghĩa tối ưu 36 2.3.1 Giải pháp tối ưu tham số đại số gia tử 36 2.3.2 Giải pháp xác định mơ hình định lượng ngữ nghĩa tối ưu 37 2.3.2.1 Phân tích ảnh hưởng tham số hiệu chỉnh 37 2.3.2.2 Thuật toán xác định mơ hình định lượng ngữ nghĩa tối ưu 38 2.4 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử dựa mơ hình định lượng ngữ nghĩa tối ưu 40 2.4.1 Vấn đề xác định giá trị định lượng ngữ nghĩa tối ưu 40 2.4.2 Sử dụng tham số hiệu chỉnh tối ưu cho phương pháp lập luận xấp xỉ mờ dựa đại số gia tử .41 2.5 Tổng kết Chương 43 CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ TRONG ĐIỀU KHIỂN 45 3.1 Phương pháp điều khiển mờ truyền thống 45 3.1.1 Phương pháp lập luận mờ điều khiển mờ 45 3.1.2 Phương pháp xây dựng điều khiển mờ dựa luật 45 3.1.3 Phương pháp xây dựng điều khiển mờ dựa mơ hình 45 v 3.1.4 Phương pháp xây dựng điều khiển thông minh dựa tri thức logic mờ 45 3.1.5 Bộ điều khiển mờ truyền thống 50 3.2 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử điều khiển 50 3.3 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử với mơ hình định lượng ngữ nghĩa tối ưu điều khiển 53 3.4 Ứng dụng 55 3.4.1 Bài tốn 1: Xấp xỉ mơ hình mờ EX1 Cao-Kandel [9] 55 3.4.2 Bài tốn 2: Bài tốn điều khiển mơ hình quạt gió cánh nhơm 60 3.5 Kết luận Chương 65 KẾT LUẬN 66 TÀI LIỆU THAM KHẢO 67 vi DANH MỤC BẢNG Bảng 2.1 So sánh giá trị ĐLNN 35 Bảng 3.1 Mơ hình EX1 Cao-Kandel 55 Bảng 3.2 Các kết xấp xỉ EX1 tốt Cao-Kandel [9] 56 Bảng 3.3 Mơ hình SAM gốc - xấp xỉ mơ hình EX1 58 Bảng 3.4 Mơ hình SAM (PAR2) - xấp xỉ mơ hình EX1 58 Bảng 3.5 Sai số lớn phương pháp mơ hình EX1 59 Bảng 3.6 Số liệu quan sát vào u, y hệ QGCN 61 Bảng 3.7 Hệ luật điều khiển hệ QGCN (bảng FAM) 62 Bảng 3.8: Mơ hình định lượng ngữ nghĩa chứa tham số PAR 63 vii DANH MỤC HÌNH Hình 1.1 Độ đo tính mờ 10 Hình 1.2 Mã hoá nhị phân biểu diễn cá thể 20 Hình 1.3 Biểu diễn giá trị  hai lần chọn 27 Hình 3.1 Sơ đồ phương pháp điều khiển CFC 50 Hình 3.2 Sơ đồ phương pháp điều khiển FCHA 51 Hình 3.3 Đường cong thực nghiệm mơ hình EX1 56 Hình 3.4 Kết xấp xỉ mơ hình EX1 Cao Kandel 59 Hình 3.5 Hệ thống quạt gió cánh nhơm PP-200 60 Hình 3.6 Phân hoạch mờ đầu vào u 62 Hình 3.7 Phân hoạch mờ đầu y 62 Hình 3.8 Đồ thị quan sát hệ QGCN sử dụng FCHA 64 Hình 3.9 Đồ thị quan sát hệ QGCN sử dụng FCOPHA 64 viii DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Các ký hiệu:  Tổng độ đo tính mờ gia tử âm  Tổng độ đo tính mờ gia tử dương  Giá trị định lượng phần tử trung hòa AX Đại số gia tử AX* Đại số gia tử tuyến tính đầy đủ W Phần tử trung hòa đại số gia tử 𝜀 Ngưỡng hiệu chỉnh định lượng ngữ nghĩa δ Tham số hiệu chỉnh giá trị định lượng ngữ nghĩa c -, c + Các phần tử sinh Các chữ viết tắt: ĐLNN Định lượng ngữ nghĩa ĐSGT Đại số gia tử QGCN Quạt gió cánh nhơm GA Genetic Algorithm FMCR Fuzzy Multiple Conditional Reasoning FAM Fuzzy Associative Memory SAM Semantic Associative Memory HAR Hedge Algebras Reasoning OpPAR Optimal - Parameter CFC Conventional Fuzzy Control FCHA Fuzzy Control using Hedge Algebras FCOPHA Fuzzy Control using Optimal Hedge Algebras 54 GA_HAR gọi phương pháp lập luận xấp xỉ mờ dựa ĐSGT với mơ hình ĐLNN tối ưu ứng dụng điều khiển, ký hiệu phương pháp điều khiển FCOPHA (Fuzzy Control using Optimal Hedge Algebras) Trước tiên, nhận thấy thông thường ý nghĩa toán điều khiển đưa đối tượng điều khiển vị trí cân tối thiểu hàm mục tiêu tồn q trình điều khiển Vì vậy, để tìm tham số tối ưu cho việc thiết kế phương pháp điều khiển cần thực sau: i) Xác định yếu tố, ràng buộc cho trước – Tập sở luật (mơ hình FAM) với giá trị ngôn ngữ mô tả cho tri thức chuyên gia miền ứng dụng – Các quan hệ tính tốn biến trạng thái biến điều khiển (nếu có) ii) Xác định tham số hiệu chỉnh giá trị định lượng ngữ nghĩa Xây dựng ĐSGT cho biến ngôn ngữ mơ hình FAM Sử dụng ánh xạ ngữ nghĩa định lượng vXj(Aij) vY(Bi), chuyển đổi mơ hình mờ FAM sang mơ hình SAM gốc Xác định tham số hiệu chỉnh ĐLNN PAR2 ={  X j i , Y ; i=1, ,n, j =1,…,m} ngưỡng hiệu chỉnh tham số tương ứng Xác định hàm sai số điều khiển dựa phương pháp lập luận xấp xỉ mờ dựa ĐSGT theo tiếp cận hiệu chỉnh ĐLNN với ngưỡng có hàm h(g,OPHA(PAR2)) Xác định tham số PAR2 giá trị ngôn ngữ cho hàm h(g, OPHA(PAR2)) → iii) Xây dựng thuật toán điều khiển CFOPHA Trên sở xác định yếu tố, ràng buộc cho trước (i), tham số hiệu chỉnh ĐLNN (ii), ta xây dựng thuật toán điều khiển gồm bước sau: 55 Bước Xác định mô hình SAM(PAR2) ngữ nghĩa hóa: Trong bước này, xây dựng mơ hình SAM(PAR2) sở xác định giá trị hiệu chỉnh ĐLNN Bước Tính tốn giá trị ngữ nghĩa điều khiển: Xác định siêu mặt thực Cr,m+1 từ mơ hình SAM(PAR2) Áp dụng phương pháp nội suy để tính giá trị ngữ nghĩa điều khiển tương ứng với giá trị đầu vào Bước Giải nghĩa giá trị đầu ra: Ngược với việc ngữ nghĩa hóa, cách sử dụng cơng thức 2.3 ta chuyển giá trị ngữ nghĩa [0, 1] sang miền tham chiếu ta tính giá trị thực biến điều khiển 3.4 Ứng dụng Để thấy hiệu phương pháp lập luận GA_HAR thuận tiện cho việc so sánh, đánh giá hiệu phương pháp đề xuất với phương pháp lập luận xấp xỉ mờ dựa ĐSGT điều khiển mờ (FCOPHA), phương pháp điều khiển mờ khác [8, 9, 11] Sau đây, sử dụng phương pháp lập luận GA_HAR giải số toán điều khiển mờ gọi phương pháp điều khiển FCOPHA cho tốn mơ hình mờ hình xấp xỉ EX1 Cao Kandel [9] toán điều khiển mờ hệ lắc ngược [8] Ross 3.4.1 Bài tốn 1: Xấp xỉ mơ hình mờ EX1 Cao-Kandel [9] Cho mơ hình gồm luật (Bảng 3.1) thể phụ thuộc tốc độ quay N vào cường độ dòng điện I; Bảng 3.1 Mơ hình EX1 Cao-Kandel If I is Null Zero Small Medium Large VeryLarge Then N is Large Large Medium Small Zero Zero 56 Cho cường độ dòng điện I nhận giá trị đoạn [0, 10] tốc độ quay N mô tơ nhận giá trị đoạn [400, 2000] Cần xác định tốc độ vòng quay ứng với giá trị cường độ dịng điện Cao-Kandel nghiên cứu tốn tử kéo theo sử dụng chúng lập luận mờ để giải toán trên, tác giả đưa kết thực nghiệm thể mối quan hệ I N thể Hình 3.3 gọi đường cong thực nghiệm, sai số mơ hình xấp xỉ mơ hình thực nghiệm xác định theo công thức sau: Tác giả xác định toán tử kéo theo cho kết lập luận xấp xỉ tốt nhất, kết thể Bảng 3.2 Hình 3.3 Đường cong thực nghiệm mơ hình EX1 Bảng 3.2 Các kết xấp xỉ EX1 tốt Cao-Kandel [9] Phương pháp PP Cao-Kandel với toán tử kéo theo 5* PP Cao-Kandel với toán tử kéo theo 22* PP Cao-Kandel với toán tử kéo theo Sai số lớn mơ hình EX1 200 200 300 PP Cao-Kandel với toán tử kéo theo 25 300 PP Cao-Kandel với toán tử kéo theo 31 300 57 Sử dụng phương pháp điều khiển CFOPHA để xấp xỉ mô hình EX1 Cao-Kandel Các bước thực sau: Bước 1: Xây dựng ĐSGT cho biến ngôn ngữ Xây dựng ĐSGT AI cho biến I AN cho biến N gồm: - Tập phần tử sinh: {Small, Medium, Lagre} - Tập gia tử: {Litle, Very} Chuyển giá trị ngôn ngữ mô hình mờ sang giá trị ngơn ngữ ĐSGT cho biến I N sau - Đối với biến I: Null →VeryVery Small; Zero → VerySmall; Small → Small; Medium → Medium; Large→ Large; VeryLarge → VeryLarge - Đối với biến N: Zero→ VerySmall; Small→Small; Medium→ Medium; Large→ Large; VeryLarge→ VeryLarge Bước Các tham số ĐSGT xác định trực giác sau: fmI(Small) = 0.5; fmN(Small) = 0.5; N(Very) = 0.5; I(Very) = 0.5 Sử dụng hàm ĐLNN, ta có: - Đối với biến I ta có: I(VeryVerySmall) = 0.0625; I(VerySmall) = 0.125; I(Small) = 0.25; I(Medium) = 0.5; I(Large) = 0.75; I(VeryLarge) = 0.875 - Đối với biến N ta có: N(VerySmall) = 0.125; N(Small) = 0.25; N(Medium) = 0.5; N(Large) = 0.75; N(VeryLarge) = 0.875 58 Áp dụng Định lý 1.5 xác định ngưỡng hiệu chỉnh giá trị ngơn ngữ - Đối với biến I: có độ sâu k = 3, ngưỡng hiệu chỉnh ĐLNN I = 0.03125 - Đối với biến N: có độ sâu k = 2, ngưỡng hiệu chỉnh ĐLNN N = 0.0625 Chuyển đổi mơ hình FAM sang mơ hình SAM, Bảng 3.4 Bảng 3.3 Mơ hình SAM gốc - xấp xỉ mơ hình EX1 Is 0.0625 0.125 0.25 0.5 0.75 0.875 Ns 0.875 0.75 0.5 0.25 0.125 0.125 Như có 11 tham số hiệu chỉnh khác ảnh hưởng tới phương pháp lập luận mờ dựa ĐSGT toán Bộ tham số hiệu chỉnh giá trị ĐLNN là: PAR2 ={Ii, i =1,…,6; Ni , i =7,…,11} với điều kiện: |Ii| < 0.03125 với i = 1, ,6 cho biến I |Ni| < 0.0625 với i = 7, ,11 cho biến N Mơ hình SAM (PAR2) Bảng 3.5 Bảng 3.4 Mơ hình SAM (PAR2) – xấp xỉ mơ hình EX1 Is 0.0625+I1 0.125+I2 Ns 0.875 +N7 0.75+N8 0.25 +I3 0.5 + I4 0.75 + I5 0.875 +I6 0.5+N9 0.25 +N10 0.125+N11 0.125+N11 Bước Sử dụng mạng phép nội suy tuyến tính kinh điển bề mặt mơ hình SAM(PAR2) Bước Xác định đầu - Trước hết ta cho đầu vào giá trị I từ đến 10 với bước nhảy 0.5 - Định lượng giá trị thực giải định lượng thực theo Công thức 2.1 2.2 với: s0 = 0.0625+I1, s1 = 0.875 +I6 x0 = 0, x1 = 10 cho biến I s0 = 0.875 +N7, s1 = 0.125+N11 x0 = 2000, x1 =480 cho biến N Sử dụng giải thuật di truyền đề cập chương 1, cực tiểu hàm e (Công thức 3.1) với số hệ 300, xác suất lai ghép 0.80; xác suất đột biến 0.05; kích cỡ quần thể 40; kích thước cá thể 10 Qua số lần chạy thử MATLAB, ta xác định PAR2 kết xấp xỉ mơ hình EX1 Cao-Kandel là: 59 PAR2={-0.031006;0.011455;0.028501;0.014205;-0.004979; -0.031006;-0.059445;0.016312;0.061034;0.052969;-0.056024} e(EX1, OPHA) = 37.901974 (3.6) Trong phương pháp tối ưu tham số tối ưu tài liệu [13] có kết là: e(EX1) = 62 (3.7) Hình 3.4 Kết xấp xỉ mơ hình EX1 Cao Kandel Hình 3.4 đường cong xấp xỉ mơ hình EX1 Cao-Kandel phương pháp lập luận với tham số tối ưu [13] phương pháp OPHA Bảng 3.5 Sai số lớn phương pháp mơ hình EX1 Sai số lớn Phương pháp mơ hình EX1 Phương pháp Cao-Kandel với tốn tử kéo theo 5* [9] 200 Phương pháp Cao-Kandel với toán tử kéo theo 22* [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo 25 [9] 300 Phương pháp Cao-Kandel với toán tử kéo theo 31 [9] 300 Phương pháp LLXX mờ dựa ĐSGT (FCHA) [10] 292 Phương pháp điều khiển sử dụng tối ưu tham số [10] 62 Phương pháp điều khiển mờ sử dụng FCOPHA) 37.901974 60 Nhận xét toán 1: - Từ Hình 3.4 ta thấy phương pháp điều khiển FCOPHA bám sát đường cong thực nghiệm Cao – Kandel - Mặt khác từ Bảng 3.6, sai số lớn mơ hình xấp xỉ EX1 sử dụng phương pháp điều khiển FCOPHA nhỏ so với phương pháp lập luận tối ưu tham số [10] kết thử nghiệm Cao – Kandel 3.4.2 Bài tốn 2: Bài tốn điều khiển mơ hình quạt gió cánh nhơm Mơ hình hệ quạt gió cánh nhơm PP - 200 [9] hình 3.5 Hình 3.5 Hệ thống quạt gió cánh nhơm PP-200 Trong hệ thống, nhơm hệ thống quạt gió coi đối tượng điều khiển (ĐTĐK) Hệ điều khiển quạt gió cánh nhơm (QGCN) có phương trình trạng thái hệ QGCN xây dựng theo công thức 3.8 y(k+1) = 0.9159 y(k) + 0.0463 u(k) (3.8) Trong : y(k) góc nghiêng cánh nhơm thời điểm k (biến ĐTĐK) u(k) tốc độ quay quạt gió thời điểm k (biến vào ĐTĐK) Xây dựng hệ luật tốn hình thành sở hiểu biết chuyên gia trình điều khiển hệ thống QGCN xác định từ tác động điều khiển đo phản ứng tương ứng hệ thống 61 Dữ liệu quan sát tình vào hệ QGCN gồm 14 cặp đo trực tiếp hệ QGCN trình bày Bảng 3.7 Bảng 3.6 Số liệu quan sát vào u, y hệ QGCN STT y U ymin=47.3 umin=100 85.5 250 170.8 500 232.6 750 367.6 1000 421.5 1250 500.8 1500 575.6 1750 694.5 2000 10 746.0 2250 11 802.7 2500 12 881.6 2750 13 955.5 3000 14 ymax = 1042.9 umax = 3250 Mơ hình mờ hệ quạt gió cánh nhôm PP-200 Từ liệu quan sát vào hệ QGCN ta phân hoạch mờ đầu vào u, đầu y gồm nhãn ngôn ngữ VerySmall (VS), Small (S), Medium (M), Large (L), VeryLarge (VL) Hình 3.6, 3.7 62 Hình 3.6 Phân hoạch mờ đầu vào u Hình 3.7 Phân hoạch mờ đầu y Hệ luật tương ứng với quan sát vào hệ QGCN Bảng 3.8 Bảng 3.7 Hệ luật điều khiển hệ QGCN (bảng FAM) y VS S M L VL u VS S M L VL Giả sử điều khiển cho cánh nhơm đạt đến góc nghiêng mong muốn y* = 950 với giá trị ban đầu y(1) =100 sở hệ luật thu Bảng 3.8 Phương pháp FCOPHA thực sau: Biến ngơn ngữ đầu vào y có giá trị ngôn ngữ VS – VerySmall, S – Small, M – Medium, VL – VeryLarge, giá trị ngôn ngữ điều chỉnh xác định sau: (VerySmall) = 0,125+1, (Small) = 0,25+ 2, (Medium) = 0,5+ 3, (Large) = 0,75+ 4, (VeryLarge) = 0,875+ 5 63 Biến ngôn ngữ đầu u có giá trị ngơn ngữ VS – VerySmall, S – Small, M – Medium, VL – VeryLarge, Các giá trị ngôn ngữ điều chỉnh xác định sau: (VerySmall) = 0,125+6, (Small) = 0,25+ 7, (Medium) = 0,5+ 8, (Large) = 0,75+ 9, (VeryLarge) = 0,875+ 10 Như có 10 tham số với mức độ điều chỉnh khác ảnh hưởng tới phương pháp điều khiển Ta ký hiệu PAR={i, i=1, ,10} tham số điều chỉnh ngữ nghĩa định lượng HAR với ràng buộc: Chọn ngưỡng điều chỉnh tham số điều chỉnh ngữ nghĩa định lượng: - Đối với biến y: 1, 2, 3, 4 ,5 0,1; - Đối với biến u: 6, 7, 8, 9 ,10 0,0925 Khi mơ hình SAM xác định sau Bảng 3.8: Mơ hình định lượng ngữ nghĩa chứa tham số PAR ys 0,125+1 0,25+2 0,5+3 0,75+4 0,875+5 us 0,125+6 0,25+7 0,5+8 0,75+9 0,875+10 Với góc nghiêng ban đầu y(1)=100, y* = 950, tiến hành định lượng giá trị đầu vào y xác định giá trị đầu u qua phép nội suy tuyến tính thiết kế, việc giải định lượng cho ta giá trị u chu kỳ đầu Quá trình tính giá trị điều khiển đầu u hệ QGCN ổn định có giá trị y = y* n chu kỳ điều khiển, sai số e hệ QGCN xác định nhờ công thức e = y* - y Việc định lượng giải định lượng tiến hành theo hình 3.2, 3.3 với: - s0 = 0,125+1, s1 = 0,875+5 x0 = 47.3 , x1 = 1042.9 cho biến y - s0 = 0,125+5, s1 = 0,875+9 x0 = 100, x1 = 3250 cho biến u Sau ta sử dụng giải thuật di truyền cực tiểu hàm e với số hệ 200, xác suất lai ghép 0,80; xác suất đột biến 0,05; kích cỡ quần thể 40; kích thước cá thể 10 Qua số lần chạy thử, ta xác định tham số điều chỉnh định lượng ngữ nghĩa 64 PAR = {0.091984; -0.032551; 0.098436; 0.086315; 0.077713;0.069892; 0.090811; 0.099218; 0.073216; -0.097263} Kết điều khiển: Kết điều khiển hệ quạt gió cánh nhơm sử dụng phương pháp FCHA FCOPHA hình 3.8 hình 3.9 Hình 3.8 Đồ thị quan sát hệ QGCN sử dụng FCHA Hình 3.9 Đồ thị quan sát hệ QGCN sử dụng FCOPHA Nhận xét toán 2: So sánh kết điều khiển Hình 3.8 Hình 3.9, ta thấy quỹ đạo quan sát vào hệ QGCN sử dụng FCOPHA có thời gian điều khiển góc nghiêng cánh nhơm nhỏ ví trị cân với thời gian nhỏ nhiều so với phương pháp điều khiển FCHA Cụ thể phương pháp 65 điều khiển FCOPHA đưa mơ hình hệ QGCN giá trị đặt (y *= 950) với khoảng 10 chu kỳ đầu, phương pháp điều khiển FCHA đưa hệ QGCN giá trị đặt (y*= 950) với khoảng 43 chu kỳ 3.5 Kết luận Chương Trong Chương 3, ứng dụng phương pháp lập luận xấp xỉ mờ sử dụng ĐSGT điều khiển cài đặt thử nghiệm cho số toán điều khiển logic mờ, cụ thể là: - Bài toán Xấp xỉ mơ hình mờ EX1 Cao-Kandel [8] - Bài tốn điều khiển quạt gió cánh nhơm [9] Qua kết ta khẳng định rằng; tính hiệu phương pháp điều khiển mờ sử dụng GA_HAR có khả ứng dụng tốt vào tốn mơ hình mờ phức tạp 66 KẾT LUẬN Nghiên cứu lý thuyết ĐSGT, tìm hiểu khả tính tốn tối ưu tham số ĐSGT tham số hiệu chỉnh ĐLNN ĐSGT giải thuật di truyền mảng rộng mà giới nghiên cứu phát triển Nếu tìm hiểu tất vấn đề lượng kiến thức khổng lồ Trong luận văn học viên trọng nghiên cứu, trình bày kiến thức biến ngơn ngữ mơ hình mờ, phương pháp lập luận xấp xỉ mờ sở để phát triển phương pháp lập luận xấp xỉ mờ dựa ĐSGT giải thuật di truyền từ áp dụng vào giải tốn Xấp xỉ mơ hình mờ EX1 Cao-Kandel [8] tốn điều khiển quạt gió cánh nhơm [9] Qua luận văn đạt số kết sau: Về lý thuyết: Tập trung nghiên cứu kiến thức giải thuật di truyền, mô hình mờ, ĐSGT, phương pháp lập luận xấp xỉ mờ dựa ĐSGT phương pháp lập luận xấp xỉ tối ưu dựa ĐSGT Luận văn phân tích kỹ gải pháp xây dựng phương pháp lập luận xấp xỉ tối ưu dựa ĐSGT Về ứng dụng: Cài đặt phương pháp lập luận xấp xỉ mờ dựa ĐSGT với mơ hình ĐLNN tối ưu tốn điều khiển mờ (Xấp xỉ mơ hình EX1 Cao-Kandel tốn Điều khiển quạt gió cánh nhơm) Trên sở kết cài đặt có so sánh đánh giá kết cài đặt phương pháp lập luận xấp xỉ mờ dựa ĐSGT - HAR Phạm vi khả áp dụng: Luận văn tài liệu tham khảo tốt cho người nghiên cứu lý thuyết ĐSGT ứng dụng lĩnh vực kỹ thuật điều khiển Hướng nghiên cứu tiếp theo: Hoàn thiện tối ưu phương pháp lập luận xấp xỉ mờ dựa ĐSGT với mơ hình ĐLNN tối ưu điều khiển cho toán điều khiển mờ phức tạp 67 TÀI LIỆU THAM KHẢO * Tiếng Việt [1] Nguyễn Cát Hồ (2006), “Lý thuyết tập mờ Công nghệ tính tốn mềm”, Tuyển tập giảng Trường thu hệ mờ ứng dụng, in lần thứ 2, tr 51–92 [2] Nguyễn Duy Minh (2012), Tiếp cận đại số gia tử điều khiển mờ, Luận án tiến sĩ tốn học, Viện Cơng nghệ thơng tin [3] Đặng Thị Thu Hiền (2009), Bài toán nội suy mạng nơron RBF, Luận án tiến sĩ chuyên ngành khoa học máy tính cấp nhà nước, Trường Đại học cơng nghệ, Đại học quốc gia Hà Nội [4] Trần Thái Sơn, Nguyễn Thế Dũng (2005), “Một phương pháp nội suy giải tốn mơ hình mờ sở đại số gia tử”, Tạp chí Tin học Điều khiển học, Tập 21(3), tr 248–260 [5] Hoàng Kiếm, Lê Hoàng Thái (2000), Giải thuật di truyền – cách giải tự nhiên tốn máy tính, Nhà xuất giáo dục [6] Nguyễn Duy Minh (2011), “Điều chỉnh ngữ nghĩa định lượng giá trị ngôn ngữ đại số gia tử ứng dụng”, Tạp chí khoa học công nghệ, Viện Khoa học Công nghệ Việt Nam, Tập 49 (4), tr 27-40 [7] Nguyễn Cát Hồ, Vũ Như Lân, Phạm Thanh Hà (2007), “Xác định trọng số tối ưu cho phép tích hợp phương pháp điều khiển sử dụng đại số gia tử giải thuật di truyền”, Tạp chí tin học điều khiển học, Tập 23(3), tr 1-10 * Tiếng Anh [8] Ross T J (2010), Fuzzy logic with Engineering Applications, Third Edition, John Wiley & Sons [9] Pte Ltd, Fan & Plate Control Apparatus PP-200, KentRidge Instruments (1996) 68 [10] Ho N C., Lan V N., Viet L X (2008), “Optimal hedge-algebras-based controller: Design and application”, Fuzzy Sets and Systems, 159(8), pp 968–989 [11] Zadeh L A (1975), “The concept of linguistic variable and its application to approximate reasoning”, Inform Sci 8, pp 199–249 [12] Ho N C., Wechler W (1990), “Hedge algebra: An algebraic approach to structures of sets of linguistic truth values”, Fuzzy Sets and Systems 35, pp 281–293 [13] Ho N C., Long N V (2007), “Fuzziness measure on complete hedge algebras and quantifying seman tics of terms in linear hedge algebras”, Fuzzy Sets and Systems, 158(4), pp 452–471 [14] The MathWorks, Ins (2016), Fuzzy Logic ToolboxTM User's Guide, Version 2.2.24 (Release 2016b) ... CHƯƠNG 2: GIẢI PHÁP NHÚNG GA VỚI PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ 29 2.1 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử 29 2.2 Các giải pháp tối ưu tham số định lượng... LUẬN XẤP XỈ TỐI ƯU DỰA TRÊN ĐẠI SỐ GIA TỬ TRONG ĐIỀU KHIỂN 45 3.1 Phương pháp điều khiển mờ truyền thống 45 3.1.1 Phương pháp lập luận mờ điều khiển mờ 45 3.1.2 Phương pháp xây dựng điều. .. GIẢI PHÁP NHÚNG GA VỚI PHƯƠNG PHÁP LẬP LUẬN XẤP XỈ MỜ DỰA TRÊN ĐẠI SỐ GIA TỬ 2.1 Phương pháp lập luận xấp xỉ mờ dựa đại số gia tử Cho mơ hình mờ (1.2) Tư tưởng phương pháp từ mệnh đề “IF THEN