65
Kết quả huấn luyện đươc thể hiện ở Hình 4.5. Kết quả đánh giá được thể hiện ở Hình 4.6. Tập dữ liệu dùng đánh giá chất lượng của mơ hình là một tập dữ liệu khác so với tập dữ liệu dùng nhận dạng. Ngõ ra các mô hình Fuzzy xấp xỉ các hàm f X tˆ ( , ),
ˆ( , )
g X t sẽ được sử dụng là một phần trong luật điều khiển. Thêm nữa, sai số giữa mơ hình thực nghiệm và mơ hình ước lượng ( *
m
e ) sẽ được dùng làm ràng buộc để xây dựng hàm thích nghi.
Hình 4.7 và Hình 4.8 minh họa cấu trúc của mơ hình Fuzzy khi xấp xỉ hàm phi tuyến
f(x) và g(x). Đây là một mơ hình Fuzzy dạng Gauss với 3 hàm liên thuộc, 2 ngõ vào, 1
ngõ ra.
Hình 4.7. Mơ hình Fuzzy và surface xấp xỉ hàm f(x,t)
Hình 4.8. Mơ hình Fuzzy và surface xấp xỉ hàm g(x,t) 4.2.2.2. Kết quả điều khiển
Trong đề xuất này, mơ hình Fuzzy Mandani được sử dụng để xây dựng mơ hình Fuzzy thích nghi với một ngõ vào, một ngõ ra. Ngõ vào là sai số giữa ngõ ra mơ hình thực và ngõ ra mơ hình ước lượng. Ngõ ra của mơ hình Fuzzy là đạo hàm của mơ hình Fuzzy
66
thích nghi. Hàm liên thuộc ngõ vào là ngõ ra dạng tam giác và mỗi ngõ vào, ra có 3 hàm liên thuộc {Negative (Ne), Zero (Zero), và Positive (Po)}. Luật mờ được chọn tuân thủ theo Bảng 4.1, hàm liên thuộc và độ lợi ngõ ra được chọn theo phương trình (3.12). Hình 4.9 thể hiện hàm liên thuộc và tương quan vào ra của mơ hình Fuzzy thích nghi dùng trong giải thuật điều khiển mờ thích nghi.
Trong Hình 4.10 trước khối mờ thích nghi có một khâu bão hòa để đảm bảo các tín hiệu ngõ vào nằm trong khoảng [-1;1]. Ngõ ra của mơ hình thích nghi có thêm khâu tỉ lệ để điều chỉnh tốc độ hội tụ của giải thuật thích nghi gọi là hệ số học của giải thuật.