8. Đề nghị: Được bảo vệ Bổ sung thêm để bảo vệ Không được bảo vệ
2.6.1 Thuật toán học AdaBoost
Trong thực tế, không có một đặc trƣng Haar-like đơn lẻ nào có thể nhận dạng đƣợc đối tƣợng với độ chính xác cao. Nhƣng không khó để tìm ra một bộ nhận dạng dựa trên đặc trƣng
GVHD: HUỲNH THÁI HOÀNG Trang 28 có độ chính xác lớn hơn 50%. Boosting là phƣơng pháp chung để cải thiện độ chính xác của một thuật toán học cho trƣớc dựa trên dãy các bộ nhận dạng weak classifier. Adaboost cũng hoạt động trên nguyên tắc kết hợp tuyến tính các weak classifier để đƣợc một strong classifier, là một cải tiến của của tiếp cận boosting. AdaBoost sử dụng thêm khái niệm trọng số (weight) để đánh dấu các mẫu khó nhận dạng. Trong quá trình huấn luyện, cứ mỗi weak classifier đƣợc xây dựng, thuật toán sẽ tiến hành cập nhật lại trọng số để chuẩn bị cho việc xây dựng weak classifier kế tiếp: tăng trọng số của các mẫu nhận dạng sai và giảm trọng số của các mẫu đƣợc nhận dạng đúng bởi weak classifier vừa đƣợc xây dựng. Bằng cách này, các weak classifier sau có thể tập trung vào các mẫu mà các weak classifier trƣớc đó chƣa làm tốt. Sau cùng, các weak classifier sẽ đƣợc kết hợp tùy theo mức độ hiệu quả để tạo nên một strong classifier. Hình 2.14 là cấu trúc của thuật toán AdaBoost :
Hình 2.14 Cấu trúc của thuật toán học Adaboost
Toàn bộ thuật toán dựa trên nền tảng là tập các đặc trƣng Haar-like. Khi một đặc trƣng Haar-like đƣợc chọn, một weak classifier tƣơng ứng đƣợc xây dựng. Kết hợp nhiều weak classifier lại với nhau ta xây dựng đƣợc những bộ phân loại ghép cascade (hay còn gọi là strong classifier), và có thể cải thiện đƣợc độ chính xác cũng nhƣ hiệu quả của bộ nhận dạng. Cùng với bộ phân loại ghép cascade, một sub-window sẽ quét ảnh đầu vào để phát hiện đối tƣợng ở những vị trí khác nhau trong ảnh. Kích thƣớc của sub-window có thể đƣợc mở rộng sau mỗi chu kì quét để đảm bảo rằng tất cả đối tƣợng ở những tỉ lệ khác nhau đều đƣợc phát hiện.
GVHD: HUỲNH THÁI HOÀNG Trang 29 Thuật toán AdaBoost, đƣợc giới thiệu lần đầu bởi Freund và Schapire đã giải quyết đƣợc nhiều khó khăn thực tế mà những thuật toán boosting trƣớc đó gặp phải.
Hình 2.15 minh họa quá trình của thuật toán AdaBoost:
Hình 2.15 Quá trình xây dựng strong classifier của thuật toán học AdaBoost
Nhƣ đƣợc minh họa trong hình 2.15, thuật toán khởi đầu đánh dấu tất cả các mẫu cùng một trọng số. Những trọng số này đƣợc chuẩn hóa trong khoảng [0,1] để tạo nên một phân bố xác suất. Cần chú ý là những đặc trƣng Haar-like có thể đƣợc sử dụng lại trong quá trình nhận dạng. Trong vòng lặp đầu tiên thuật toán sẽ chọn đặc trƣng Haar-like đạt đƣợc tỷ lệ phân loại tốt nhất, chính là một weak classifier. Đặc trƣng này sẽ đƣợc bổ sung vào strong classifier với trọng số tỷ lệ với độ chính xác trong quá trình phân loại mẫu. Vòng lặp kế tiếp những mẫu sẽ đƣợc đánh lại trọng số. Trọng số của những mẫu bị nhận dạng sai (mẫu positive nhận dạng
GVHD: HUỲNH THÁI HOÀNG Trang 30
𝑡
thành negative và ngƣợc lại) đều đƣợc gia tăng trọng số để vòng lặp sau thuật học tập trung vào những mẫu này. Trong vòng lặp thứ hai, để đƣợc chọn, đặc trƣng Haar-like phải đạt đƣợc độ phân loại chính xác hơn đối với nhƣng mẫu huấn luyện bị nhận dạng sai, từ đó sai số có thể đƣợc giảm xuống. Vòng lặp tiếp tục thêm những weak classifier để kết hợp tuyến tính cho đến khi độ chính xác toàn bộ hệ thống đạt đến giá trị mong muốn.
Chi tiết của thuật toán học AdaBoost đƣợc minh họa theo những bƣớc dƣới đây: 1. Đầu vào: Cho tập mẫu huấn luyện (xi,yi), i = 1..N .
Trong đó xilà sub_windown, yi {1,-1} là nhãn đánh dấu mẫu là bàn tay (1) hay ảnh nền (-1). 2. Khởi tạo trọng số w1,i= 14 0 (640 120.1,1 )(480 120.1,1 ) 1465737i i i 1n , i=1,……,n 3. Lặp t = 1,…,N: a) Chuẩn hóa t ất cả các trọng số , , , 1 t i t i n t i j w w w để wt i, 𝑖 là một phân bố xác suất
b) Với mỗi đặc trƣng j, huấn luyện một weak classifier hj. Sai số đƣợc đánh giá: . | ( ) | j iw h xi j i yi c) Chọn bộ bận loại ht có sai số nhỏ nhất d) Cập nhật trọng số wt+1,i = wt,i. 1 ei t với 0 : 1: i i
x duoc phan loai dung e
neu nguoc lai
Và 1 t t t
4. Strong classifier cuối cùng: 1: 1 ( ) 0.5 1 ( ) 0 : T T t t t t h x t h x nguoc lai
GVHD: HUỲNH THÁI HOÀNG Trang 31 Với t log( 1) t 2.7 Cascade of Classifier
Các bộ phân loại tốt thƣờng tốn nhiều thời gian để cho ra kết quả phân loại bởi vì nó phải xét rất nhiều đặc trƣng của mẫu. Tuy nhiên, trong các mẫu đƣa vào, không phải mẫu nào cũng thuộc loại khó nhận dạng, có những mẫu background (ảnh nền) rất dễ nhận dạng. Đối với những mẫu này chỉ cần xét vài đặc trƣng đơn giản là có thể nhận diện đƣợc chứ không cần sử dụng tất cả đặc trƣng để xét. Nhƣng đối với các bộ phân loại thông thƣờng thì cho dù mẫu cần nhận dạng là dễ hay khó thì nó vẫn xét tất cả các đặc trƣng mà nó rút ra đƣợc trong quá trình học. Vì thế quá trình xử lý tốn thời gian không cần thiết.
Cascase of Classifier đƣợc xây dựng nhằm rút ngắn thời gian xử lý giảm thiểu nhận dạng sai cho bộ phân loại. Các bộ phân loại đƣợc ghép cascade sẽ gồm nhiều stage (hay còn gọi là layer), mỗi stage sẽ là một stage classifier. Một mẫu để đƣợc phân loại là đối tƣợng cần đi qua hết tất cả các stage. Các stage classifier ở stage sau đƣợc huấn luyện bằng những mẫu negative mà stage classifier trƣớc nó nhận dạng sai, tức sẽ tập trung học từ các mẫu background khó hơn, do đó sự kết hợp của các stage classifier này sẽ giúp bộ phân loại có nhận dạng sai thấp. Với cấu trúc này những mẫu background dễ nhận diện sẽ bị loại ngay những stage đầu tiên mà không cần phải đi qua những stage kế tiếp. Điều này giúp bộ phân loại gia tăng độ phức tạp ứng với các mẫu phức tạp và thời gian xử lý đƣợc rút ngắn.
GVHD: HUỲNH THÁI HOÀNG Trang 32 Ví dụ, tập các mẫu negative bị loại trừ đến 50% ở những stage đầu tiên trong khi đó những mẫu positive bị nhận nhầm thành negative khoảng 0.2%. Nếu xây dựng một bộ phân loại ghép cascade với 15 stages thì tỉ lệ nhận dạng sai (tỉ lệ nhận dạng sai: các mẫu negative nhận dạng thành positive) sẽ đạt 0.515 ≈ 3.1 x 10-5 và tỉ lệ nhận dạng là 0.99815 ≈ 0.97, hình 2.17. Lý do của chiến lƣợc này là do thực tế phần lớn các sub-window nhận đƣợc từ khung hình đầu vào là hình nền (tức các mẫu negative), và rất hiếm có một mẫu positive nào có thể ngay lập tức vƣợt qua đƣợc tất cả các stage. Với chiến lƣợc này, các bộ nhận dạng ghép cascade có thể giảm thiểu thời gian xử lý xuống rất nhiều khi cố gắng loại bỏ nhanh một lƣợng lớn những ảnh nền, nhƣ đƣợc minh họa trong hình 2.17.
Hình 2.17 Loại nhanh các ảnh nền sử dụng phân loại ghép cascade
2.8 Vài nét về động cơ BLDC
2.8.1 Giới thiệu về động cơ ba pha không chổi than(BLDC):
Brushless Direct Current (BLDC) motor là một loại động cơ đồng bộ nam châm vĩnh cửu. Điều này có nghĩa là rotor quay cùng tốc độ với từ trƣờng quay, có phần cảm là nam châm vĩnh cữu. Điểm khác biệt cơ bản so với những động cơ đồng bộ khác là sức phản điện động (back-EMF) của động cơ có dạng hình thang do cấu trúc dây quấn tập trung (các loại khác có dạng hình sin do cấu trúc dây quấn phân tán). Dạng sóng sức phản điện động hình thang khiến cho BLDC motor có đặc tính cơ và đặc tính điều khiển giống với động cơ 1
GVHD: HUỲNH THÁI HOÀNG Trang 33 chiều. Chính vì thế mà động cơ này có tên gọi là “động cơ một chiều không chổi than” chứ thực ra nó là động cơ xoay chiều đồng bộ nam châm vĩnh cửu.
Hình 2.18 Cấu động cơ ba pha không chổi than
2.8.2 Cấu tạo động cơ BLDC:
Gồm 3 bộ phận chính: stator, rotor, hall sensors.
GVHD: HUỲNH THÁI HOÀNG Trang 34
Hình 2.20 Mặt cắt của BLDC
Stator
Hình 2.21 Cấu tạo stator của BLDC
Bao gồm lõi sắt (các lá thép kĩ thuật điện ghép cách điện với nhau) và dây quấn. Cách quấn dây của BLDC motor khác so với cách quấn dây động cơ xoay chiều ba pha thông thƣờng, sự khác biệt này tạo nên sức phản điện động dạng hình thang mà ta thấy. Dựa vào
GVHD: HUỲNH THÁI HOÀNG Trang 35 dạng sóng sức phản điện động stator của động cơ mà trong nhóm này ta có thể chia thành 2 loại:
+ Động cơ (sóng) hình sin
Hình 2.22 Sóng phản điện hình sin
+ Động cơ (sóng) hình thang
Hình 2.23 Sóng phản điện hình thang
Dây quấn phần ứng có thể là 1 pha, 2 pha hoặc 3 pha. Nhƣng loại 3 pha đƣợc sử dụng rộng rãi và phổ biến.
Đối với dây quấn 3 pha có hai cách mắc: + Cách mắc hình sao
GVHD: HUỲNH THÁI HOÀNG Trang 36 + Cách mắc hình tam giác
Phần ứng của BLDC motor giống nhƣ của động cơ xoay chiều 3 pha. Tuy nhiên, cách quấn dây của BLDC motor khác so với cách quấn dây của động xoay chiều 3 pha. Thông thƣờng các BLDC motor có ba cuộn dây đƣợc mắc theo kiểu hình sao.
Rotor .
Rotor đƣợc làm bằng nam châm vĩnh cữu và các cực có thể thay đổi từ 2 – 8 và các cực North (N), cực South (S) xen kẽ với nhau.
Dựa vào mật độ từ trƣờng yêu cầu trong rotor mà chọn vật liệu từ thích hợp để làm rotor. Ở các động cơ yêu cầu quán tính nhỏ, ngƣời ta thƣờng chế tạo trục của động cơ có dạng hình trụ rỗng.
Những nam châm truyền thống nhƣ là nam châm ferrite, nam châm ALNiCo, đƣợc sử dụng làm nam châm vĩnh cữu. Nam châm ferrite không đắt nhƣng mật độ dòng thấp trong một đơn vị thể tích. Thì từ nữa sau thế kỷ 20 khi trình độ khoa học, kỹ thuật tiến bộ thì ngƣời ta sử dụng nam châm đất hiếm (nam châm đất hiếm là tên gọi của các loại nam châm vĩnh cữu đƣợc làm từ các hợp chất hoặc hợp kim của các nguyên tố đất hiếm và kim loại chuyển tiếp mà điển hình là hai họ nam châm đất hiếm 2:14:1 và nam châm SmCo). Nam châm đất hiếm có mật độ từ trƣờng cao trong một đơn vị thể tích và rotor có khả năng nén lại hơn nữa với cùng một momen xoắn.
GVHD: HUỲNH THÁI HOÀNG Trang 37 Hall sensors .
Không giống nhƣ động cơ một chiều DC có chổi quét. Hiện tƣợng chuyển mạch của BLDC motor đƣợc điều khiển bằng mạch điện. Để đổi chiều BLDC motor, các cuộn dây phần ứng đƣợc kích điện theo trình tự . Vị trí rotor đƣợc xác định bằng cảm biến hall sensor.
Hầu hết các BLDC motor có ba hall sensor đƣợc gắn trên stator. Bất cứ khi nào, các cực từ của rotor quay qua các hall sensor, chúng sẽ đƣa ra một tín hiệu cao hoặc thấp, phụ thuộc các cực N hoặc S của từ trƣờng. Dựa vào sự kết hợp của ba Hall Sensor, ta có thể xác định chính xác đƣợc sự đảo mạch liên tục.
Hall sensor đƣợc gắn vào phần tĩnh của động cơ. Việc gắn Hall sensor vào stator là một quá trình phức tạp bởi vì bất cứ lỗi nào trong việc sắp xếp các Hall sensor này cũng sẽ liên quan đến từ trƣờng quay rotor từ đó sẽ phát sinh những lỗi quyết định đến vị trí rotor. Để đơn giản hóa quá trình gắn hall sensor vào stator, vài motor có thể có hall sensor trên rotor. Vì vậy, khi nào motor quay, Hall sensor sẽ tạo một hiệu ứng tƣơng tự nhƣ từ trƣờng của rotor.
Hall sensor thông thƣờng cũng đƣợc gắn trên board PC và đƣợc đóng gói lại. Điều này cho phép ngƣời dùng điều chỉnh từng phần Hall sensor, sắp xếp lên rotor, nhƣ vậy sẽ đạt đƣợc hiệu quả tốt nhất.
Dựa vào tính chất vật lý của Hall sensor, có 2 cách, Hall sensor có thể đặt lệch pha góc 600 hay 1200. Dựa vào điều này, nhà sản xuất motor xác định đƣợc sự đảo mạch liên tục trong việc điều khiển motor.
GVHD: HUỲNH THÁI HOÀNG Trang 38
2.8.3 Nguyên tắc hoạt động của động cơ BLDC:
Mỗi trình tự chuyển mạch sẽ có một trong các cuộn dây đƣợc kích điện, để đƣa năng lƣợng lên mức tích cực (dòng điện đi vào cuộn dây) cuộn thứ hai ở mức tiêu cực (dòng điện ra khỏi cuộn dây). Cuộn thứ ba bị ngắt, trong điều kiện không năng lƣợng. Theo trình tự để giữ cho động cơ vẫn hoạt động thì các cuộn dây stator lần lƣợt đƣợc kích để tạo ra từ trƣờng thay đổi, khi đó lực từ làm cho rotor quay. Còn việc xác định vị trí của rotor ta dùng hall sesors.
Sự tƣơng tác giữa các từ trƣờng đƣợc tạo ra từ cuộn dây stator và nam châm vĩnh cữu trên rotor, sẽ tạo ra momen xoắn.Trƣờng hợp lý tƣởng để momen xoắn đạt cực đại, khi từ trƣờng giữa chúng lệch nhau một góc 900
và suy giảm khi từ trƣờng dịch chuyển cùng với nhau.
GVHD: HUỲNH THÁI HOÀNG Trang 39
2.8.4 Mô hình toán động cơ BLDC:
Hình 2.27 Sơ đồ mạch một pha của động cơ BLDC
( )
Giả sử
Khi đó V= E+ RI Nếu I cùng pha với E thì V cũng cùng pha với E.
Lúc này độ lớn công suất điện từ đƣợc tính bởi công thức: Pem = m|E||I|= m
Với m là số pha, |E|, |I|, | | là độ lớn của suất điện động cảm ứng của pha E, dòng điện pha I và độ liên kết của từ thông .
Momen điện từ
Với là vận tốc góc của rotor, p là số cặp cực của rotor.
Momen cơ:
Với Tloss là tổng momen tổn hao (ma sát, tổn hao khe hở không khí, tổn hao sắt…) Xét về độ lớn:
Và:
GVHD: HUỲNH THÁI HOÀNG Trang 40 Và: ( ) Hiệu suất: Với
Với là tổn thất trên cuộn dây đồng
là tổn thất sắt do hiện tƣợng từ trễ và dòng xoáy Pmec là tổn thất cơ khí
2.8.5 So sánh động cơ BLDC với động cơ DC có chổi than
Tính năng Động cơ BLDC Động cơ DC có chổi than
Sự chuyển mạch
Chuyển mạch bằng khóa điện tử, dựa vào vị trí của rotor xác định bởi cảm biến Hall
Chuyển mạch bằng chổi than
Sự bảo trì Yêu cầu bảo trì đơn giản do không có chổi
than
Yêu cầu bảo trì thƣờng xuyên
Tuổi thọ Dài hơn Ngắn hơn
Đặc tính vận tốc- momen
Phẳng, cho phép hoạt động tất cả tốc độ với định mức tải
Ít phẳng hơn, ở tốc độ cao, ma sát chổi than tăng làm giảm moment có ích
Hiệu suất Vừa phải, không tổn hao trên chổi than Vừa phải
Công suất ra/kích thước khung
Cao, giảm kích thƣớc do đặc tính nhiệt tốt hơn. Vì BLDC có các cuộn dây trên stator, với cách kết nối này, tản nhiệt tốt hơn
Vừa phải/thấp- nhiệt sinh ra bởi phần ứng đƣợc tán trong khe hở không khí, vì thế tăng nhiệt độ trong khe hở không khí và giới hạn công suất ra
Quán tính rotor
Thấp vì có nam châm trên rotor. Điều này cải thiện đáp ứng động
Thấp hơn, giới hạn cơ bởi chổi than
GVHD: HUỲNH THÁI HOÀNG Trang 41
tốc độ nhƣ động cơ DC nhờ rotor nhỏ, nhẹ than
Nhiễu Ít Hồ quang trong chổi than sẽ tạo
ra nhiễu điện từ với các thiết bị ở gần
Giá thành Cao hơn do có nam châm vĩnh cửu dùng lõi
thép ferrit, cảm biến Hall. Bộ điều khiển
Thấp
Điều khiển Phức tạp và đắt tiền Đơn giản và rẻ
Yêu cầu điều khiển
Bắt buộc vì điều khiển luôn hoạt động để