Nhiều hệ thống quan tâm trong công nghiệp, hàng không vũ trụ, và các ứng dụng DoD ở dạng x = f (x) + g (x) u + d, với d (t) là một rối loạn bị chặn không rõ, và các chức năng phi tuyến f (x) chưa biết, và g (x) không rõ, nhưng bị chặn dưới bởi một giá trị tích cực được biết đến. Sử dụng phi tuyến ổn định kỹ thuật chứng minh như những vấn đề ở trên, người ta có thể thiết kế một đầu vào điều khiển của biểu mẫu:
Rằng có hai phần, một phần phản hồi tuyến tính uc (t), cộng với một phần ur (t). Bây giờ, hai mạng nơron được yêu cầu để sản xuất hai ước tính f^ (x), f^(g) của các chức năng chưa biết.
Bộ điều khiển này được hiển thị trong hình 3.38. Khối lượng cập nhật mạng nơron cho f(x) được đưa ra chính xác như trong (hình 3.38). Để điều chỉnh g của mạng nơron, một công thức tương tự (hình 3.38) là cần thiết, nhưng nó phải được
80
sửa đổi để đảm bảo rằng đầu ra g (x) của mạng nơron thứ hai được bảo đảm đi từ số không, để giữ sự kiểm soát u (t) hữu hạn.
Hình 3.40: Phản hồi tuyến tính điều khiển mạng nơron 3.3.2 Ứng dụng mạng nơron trong mạng phản hồi
Hầu hết các bộ điều khiển phản hồi hiện nay được thực hiện trên máy tính kỹ thuật số. Điều này đòi hỏi các đặc điểm kỹ thuật của thuật toán điều khiển trong thời gian rời rạc hoặc dạng kỹ thuật số [Lewis 1992]. Để thiết kế bộ điều khiển như vậy, một thể xem xét các động thái thời gian rời rạc x (k + 1) = f (x (k)) + g (x (k)) u (k), với hàm f (.) và g (.). Bộ điều khiển kỹ thuật số có nguồn gốc mạng nơron trong tình huống này vẫn còn có những hình thức của thông tin phản hồi bộ điều khiển tuyến tính thể hiện trong hình 2.57.
Người ta có thể điều chỉnh được thuật toán, cho một thời gian rời rạc điều khiển mạng lưới nơron với N lớp, mà hệ thống bảo đảm sự ổn định và vững mạnh [Lewis, Jagannathan, và Yesildirek 1999]. Đối với các lớp thứ thì các bản cập nhật trọng lượng có dạng:
Điều kiện là các chức năng đầu ra của lớp i, 0 <Γ <1 là một tham số thiết kế, và
Với r (k) là một lỗi tìm được. Thuật toán điều chỉnh này có hai phần: Hai điều kiện đầu tiên tương ứng với một thuật toán Gradient thường được sử dụng
81
trong mạng nơron. Thời hạn cuối cùng là một thuật ngữ robustifying thời gian rời rạc mà đảm bảo rằng các trọng số trong mạng nơron vẫn bị chặn.
3.4. Kết luận chương 3
- Dựa trên kết quả nghiên cứu của các tài liệu, luận văn đã đi sâu phân tích được sự đúng đắn của việc sử dụng khối điều khiển NARMA-L2 với luật học thích nghi tạo ra tín hiệu điều khiển để đạt được sai lệch trung bình bình phương trong giới hạn cho phép. Nghĩa là tín hiệu ra của đối tượng bám sát theo tín hiệu điều khiển vị trí của sơ đồ điều khiển thích nghi vị trí động cơ điện một chiều khi có thông số và tải thay đổi.
TỔNG KẾT
Báo cáo đã trình bày một số khái niệm cơ bản về mạng nơron nhân tạo, một hệ thống hoạt động dựa trên sự bắt chước não người, tuy nhiên, nó có hoạt động đơn giản hơn rất nhiều so với não người. Điểm nỗi bật của mạng nơron nhân tạo là khả năng học và nhớ.
Trong báo cáo còn nghiên cứu tìm hiểu một số phương pháp ứng dụng mạng nơron để nhận dạng đối tượng. Tìm hiểu sâu hơn về ứng dụng mạng nowrron trong điều khiển thích nghi (Adaptive) và điều khiển dự đoán (predictive), điều khiển phản hồi (feeedback). Ngoài ra, mô phỏng một số kết quả thực tế.
Qua quá trình học tập và nghiên cứu về mạng nơron nhân tạo và ứng dụng của nó trong tự động hóa em đã tiếp thu thêm được một lượng kiến thức quý báu cho bản thân. Tuy nhiên dù bản thân đã hết sức cố gắng nhưng do thời gian nghiên cứu, trình độ năng lực, kinh nghiệm thực tiễn còn nhiều hạn chế nên bài tập này khó tránh khỏi những sai sót. Kính mong được sự giúp đỡ, chỉ bảo của thầy giáo và các bạn để bài tập được hoàn thiện hơn.
82
TÀI LIỆU THAM KHẢO Tiếng Việt
[1]. Phạm Hữu Đức Dục, (1999), Nghiên cứu ứng dụng mạng nơ ron trong
điều khiển thích nghi hệ thống có thông số biến thiên, Luận án Tiến sĩ Kỹ thuật.
[2].Phạm Hữu Đức Dục, Nguyễn Công Hiền, (2005), Ứng dụng của bộ điều
khiển nơ ron mờ trong điều khiển thích nghi vị trí động cơ điện một chiều, Tuyển tập các báo cáo Khoa học tại hội nghị Toàn quốc lần thứ VI về tự động hóa, 101-106.
[3]. Phạm Hữu Đức Dục, Nguyễn Công Hiền, (2005), Nghiên cứ ứng dụng mạng nơ ron mờ điều khiển thích nghi rôbốt hai khâu, Tuyển tập các báo cáo Khoa
học tại hội nghị Toàn quốc lần thứ VI về tự động hóa, 107-112.
[4]. Bùi Quốc Khánh, Nguyễn Văn Liễn, Phạm Quốc Hải, Dương Văn Nghi, (2008), Điều chỉnh tự động truyền động điện, Nhà xuất bản Khoa học và kỹ thuật.
[5]. Nguyễn Doãn Phước, Phan Xuân Minh, Nhận dạng hệ thống điều khiển. Nhà xuất bản Khoa học và kỹ thuật, Hà Nội 2001.
Tiếng Anh
[6]. M.Norgaard, O.Ravn, N.K. Poulsen and L.K. Hansen. Neural Network for Modelling and Control of Dynamic System. Springer 2000.
[7].http://www.mathworks.com/help/nnet/ug/design-narma-l2-neural-
controller-in-simulink.html. Lần truy cập cuối: 01/04/2016.
83