và cơ chế này sẽ không thay đổi và được giữ cố định trong suốt thời kỳ làm việc. Nói cách khác mạng nơron có khả năng học còn bộ điều khiển mờ thì không.
4. Mạng nơron vẫn được xem như giải pháp ứng dụng mà ở đó người thiết kế “mù tịt” về đối tượng (giải pháp black – box). Tri thức của mạng nằm ở các trọng số được rải đều khắp trong mạng. Một thay đổi nhỏ giá trị các trọng số chưa đủ làm thay đổi tính năng của mạng nơron, do đó khó đánh giá được tri thức hiện có của mạng nếu không có mẫu so sánh. Bộ điều khiển mờ thì lại khác, một thay đổi nhỏ ở hàm thuộc, hay luật hợp thành sẽ kéo theo ngay một sự thay đổi tương ứng rất dễ nhận biết về bản chất của nó. Bởi vậy bộ điều khiển mờ có tính thích nghi thời gian thực cao hơn mạng nơron.
Như vậy, rõ ràng những ưu điểm của mạng nơron lại là nhược điểm của bộ điều khiển mờ và ngược lạị Bảng sau trình bày tóm tắt lại ưu nhược điểm của hai bộ điều khiển.
STT Tính chất Mạng nơron Bộ điều khiển mờ
1 Thể hiện tri thức (hình thức của tri thức)
Thông qua trọng số,
được thể hiện ẩn trong
mạng
Được thể hiện ngay tại luật hợp thành
2 Nguồn của tri thức Từ các mẫu học Từ kinh nghiệm
chuyên gia 3 Xử lý thông tin không
chắc chắn
Định lượng Định tính và định
lượng 4 Lưu giữ tri thức Trong nơron và trọng số
của từng đường ghép nối nơ ron
Trong luật hợp thành và hàm thuộc
5 Khả năng cập nhật và nâng cao tri thức
Thông qua quá trình học Không có 6 Tính nhạy cảm với các
thay đổi của mô hình
Thấp Cao
5.2. KẾT HỢP BỘ ĐIỀU KHIỂN MỜ VÀ MẠNG NƠRON TRONG ĐIỀU KHIỂN KHIỂN
Từ mong muốn có được ưu điểm của cả nguyên lý mờ và mạng nơron trong một bộ điều khiển, người ta đã ghép chung bộ điều khiển mờ với mạng nơron thành bộ
133
điều khiển mờ - nơron (và nơron – mờ). Hình 5.1 mô tả các nguyên lý ghép đôi
thường gặp.
Việc ghép nối bộ điều khiển mờ với mạng nơron có thể được thực hiện song song hoặc nối tiếp. Hình 5.1a là một ví dụ về hình thức ghép nối song song mà ở đó
bộ điều khiển mờ giữ trọng trách điều khiển trực tiếp đối tượng còn mạng nơron
không điều khiển trực tiếp song lại có nhiệm vụ theo dõi sự thay đổi của hệ thống để chỉnh định lại tham số cho bộ điều khiển mờ. Nguyên lý ghép nối này đã được ứng dụng thành công trong thực tế, chẳng hạn như bộ điều khiển là PID mờ có các tham số
được chỉnh định theo nguyên lý tối ưu độ lớn và được thực hiện thích nghi bởi mạng
nơron RBF (mạng xuyên tâm).
Mạng nơron
Điều khiển mờ Đối tượng điều khiển - Mạng nơron Điều khiển mờ Đối tượng điều khiển - a) b)
Mạng nơron Điều khiển mờ Điều khiển mờ Mạng nơron
c) d)
Hình 5.1. Kết nối điều khiển mờ và mạng nơron
Tất nhiên rằng cấu trúc ghép nối song song ở hình 5.1a chỉ là một ví dụ. Một hình thức ghép nối song song khác là hai bộ điều khiển mờ và mạng nơron làm việc độc lập với nhau cho ở hình 5.1b. Hệ thống sẽ có thêm khâu quyết định sự chuyển đổi công tắc từ mờ sang nơ ron hoặc ngược lạị
Hình 5.1c và 5.1d minh họa cấu trúc ghép nối nối tiếp. Hình thức ghép nối này rất phù hợp cho các bài toán mà ở đó mạng nơ ron có nhiệm vụ xử lý các tín hiệu vào – ra cho bộ điều khiển mờ.
134
TÀI LIỆU THAM KHẢO
1. Phạm Hữu Đức Dục (2009), “Mạng nơron & ứng dụng trong điều khiển tự động”, Nhà xuất bản Khoa học và Kỹ thuật.
2. Nguyễn Như Hiển và Lại Khắc Lãi (2007), “Hệ mờ & mạng nơron trong kỹ
thuật điều khiển,” Nhà xuất bản Khoa học Tự nhiên và Công nghệ.
3. Huỳnh Thái Hoàng (2006), “Hệ thống điều khiển thông minh”, Nhà xuất bản Đại học Quốc gia TP. Hồ Chí Minh.
4. Nguyễn Doãn Phước (2006), “Lý thuyết điều khiển mờ (in lần thứ 5)”, Nhà xuất bản Khoa học và Kỹ thuật.
5. Nguyễn Doãn Phước (2014), “Bài giảng Điều khiển mờ”, Đại học Bách khoa Hà Nộị
6. The MathWorks, Inc (2016), “Fuzzy Logic Toolbox™ User's Guide”, Version 2.2.24 (Release 2016b).
7. Howard Demuth , Mark Beale và Martin Hagan (2016), “Neural Network