BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 32
(a) Ngun lí trung bình các giá trị cực đại. (b) Nguyên lí các giá trị cực đại trái/phải. (c) Nguyên lí điểm trọng tâm.
Giống như một bộ điều khiển kinh điển, một hệ logic mờ cũng có thể có nhiều tín hiệu vào và nhiều tín hiệu ra. Ta phân chia chúng thành các nhóm:
Nhóm SISO có một đầu vào và một đầu ra.
Nhóm MIMO có nhiều đầu vào và nhiều đầu ra.
Nhóm SIMO có một đầu vào và nhiều đầu ra.
Nhóm MISO có nhiều đầu vào và một đầu ra.
Do bản chất là một hệ thực hiện các luật mờ (kinh nghiệm điều khiển của con người) trong đó các kinh nghiệm này lại thể hiện dưới dạng ngôn ngữ có các giá trị ngơn ngữ là tập mờ nên một hệ logic mờ phải có các khâu cơ bản:
Khâu Fuzzy hóa có nhiệm vụ chuyển đổi một giá trị rõ đầu vào x0 thành một vector
µ gồm các độ phụ thuộc của giá trị rõ đó theo các giá trị mờ (tập mờ) đã định nghĩa cho biến ngôn ngữ đầu vào.
Khâu thực hiện luật mờ, có tên gọi là q trình suy diễn, xử lý vector và cho ra giá trị mờ B' của biến ngôn ngữ đầu ra.
Khâu giải mờ, có nhiệm vụ chuyển đổi tập mờ B' thành một giá trị rõ y' chấp nhận được cho đối tượng (tín hiệu điều chỉnh).
Hậu xử lí: Giá trị rõ sau khi giải mờ cần phải được nhân với một hệ số tỷ lệ để trở
thành giá trị vật lý phù hợp với tín hiệu điều khiển.
Các bước thiết kế bộ điều khiển mờ:
Bước 1: Xác định biến vào và ra của đối tượng.
Bước 2: Chuẩn hóa biến vào, biến ra về miền giá trị [0 1] hay [-1 1] để thuận tiện cho việc tính tốn trên vi xử lý hoặc PLC.
Bước 3: Định nghĩa các tập mờ trên tập cơ sở đã chuẩn hóa của các biến, gán cho mỗi tập mờ một giá trị ngơn ngữ. Số lượng, hình dạng, tùy thuộc và từng đối tượng cụ thể.
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 33
Bước 4: Gán các quan hệ ở tập ngõ vào và tập ngõ ra để xây dựng hệ quy tắc mờ. Bước này có thể thực hiện tốt nếu người thiết kế có kinh nghiệm về các phát biểu ngơn ngữ mơ tả đặc tính động của đối tượng và các hệ quy tắc mờ thông dụng.
Bước 5: Chọn phương pháp suy diễn. Trong thực tế, người ta thường sử dụng phương pháp suy diễn cục bộ nhằm đơn giản trong việc tính tốn và áp dụng các cơng thức hợp thành MAX – MIN, MAX – PROD.
Bước 6: Chọn phương pháp giải mờ, thường chọn phương pháp giải mờ “thỏa hiệp” như phương pháp trọng tâm, phương pháp trung bình trọng số.
2.5.3Thuật tốn Neural:
Mạng nơron nhân tạo (Artifical Neural Networks) mô phỏng lại mạng noron sinh học là một cấu trúc khối gồm các đơn vị tính tốn đơn giản được liên kết chặt chẽ với nhau trong đó các liên kết giữa các noron quyết định chức năng của mạng.
Các đặc trưng cơ bản của mạng nơron.
Gồm một tập các đơn vị xử lý (các noron nhân tạo).
Trạng thái kích hoạt hay đầu ra của đơn vị xử lý.
Liên kết giữa các đơn vị. Xét tổng quát, mỗi liên kết được định nghĩa bởi một trọng số wjk cho ta biết hiệu ứng mà tín hiệu của đơn vị j có trên đơn vị k.
Một luật lan truyền quyết định cách tính tín hiệu ra của từng đơn vị từ đầu vào của nó.
Một hàm kích hoạt, hay hàm chuyển (activation function, transfer function), xác định mức độ kích hoạt khác dựa trên mức độ kích hoạt hiện tại.
Một đơn vị điều chỉnh (độ lệch) (bias, offset) của mỗi đơn vị.
Phương pháp thu thập thông tin (luật học - learning rule).
Mơi trường hệ thống có thể hoạt động. Các thành phần cơ bản của mạng nơron nhân tạo.
Đơn vị xử lý: Còn được gọi là một nơron hay một nút (node), thực hiện một công việc rất đơn giản: nó nhận tín hiệu vào từ các đơn vị phía trước hay một nguồn bên ngồi và sử dụng chúng để tính tín hiệu ra sẽ được lan truyền sang các đơn vị khác.
BỘ MÔN ĐIỆN TỬ CÔNG NGHIỆP – Y SINH 34 w w w Neural j = w xi Inputs
SummationsTransfer function Weights 1j ij 2j ij Output bj