CHƯƠNG 3: MÔ HÌNH HÓA VÀ NHẬN DẠNG MÔ HÌNH PH
3.2. Nhận dạng mô hình pH dùng mạng thần kinh
3.2.2. Áp dụng cơ sở nhận dạng vào việc nhận dạng mô hình pH
Quá trình nhận dạng được thực hiện trên Matlab. Thực hiện nhận dạng qua các bước:
Lựa chọn thông số mô hình pH
Vì mô hình pH là mô hình có tính phi tuyến cao nên để có thể nhận dạng và điều khiển mô hình, tác giả chỉ chọn nhận dạng và điều khiển nồng độ pH trong một
51
khoảng 4 ≤pH ≤10. Các thông số của mô hình pH được lựa chọn sao cho thoả mãn tầm pH cần điều khiển và có thể áp dụng đối với mô hình thực.
Thông số mô hình:
- F1: lưu lượng dòng axít: 2 lít/phút - F2: lưu lượng dòng axít: 4 lít/phút - C1: nồng độ dòng axít: 0.0001mol/lít - C2: nồng độ dòng bazơ: 0.0001mol/lít - V: thể tích bình chứa: 5 lít
- Nhiễu ngõ ra: trung bình = 0, variance = 0.01 Lựa chọn mô hình mạng thần kinh
Sử dụng mô hình NARX 3-3.
Cấu trúc mạng thần kinh nhận dạng mô hình pH:
- 6 ngõ vào: u(t-1), u(t-2), u(t-3), y(t-1) y(t-2), y(t-3) - 1 ngõ ra: y
- Số tế bào thần kinh ở lớp ẩn: 10 - Hàm kích hoạt lớp ẩn: tansig - Hàm kích hoạt lớp ra: tuyến tính
- Thuật toán huấn luyện: Levenberg-Marquardt - Chu kỳ huấn luyện: 500
Và phải là mô hình dạng nối tiếp-song song như đã trình bày ở phần 2.1.2.2 nghĩa là ngõ ra của mô hình được sử dụng làm ngõ vào cho lần lấy mẫu tiếp theo (Hình 3.7).
Hình 3.7: Cấu trúc mạng thần kinh dùng nhận dạng
52 Thu thập dữ liệu
Công việc đầu tiên để nhận dạng mô hình là thu thập dữ liệu. Tác giả tiến hành thu thập dữ liệu với 15000 mẫu đối với tín hiệu vào và ra. Chu kỳ lấy mẫu 1 giây. Tín hiệu ngõ vào dưới dạng nhị phân ngẫu nhiên giả. Gồm hai tập dữ liệu, một dùng để nhận dạng mô hình và một dùng để đánh giá chéo mô hình nhận dạng được. Kết quả quá trình thu thập dữ liệu trình bày ở hình 3.8 và hình 3.9.
Hình 3.8: Dữ liệu nhận dạng mô hình pH
Hình 3.9: Dữ liệu đánh giá mô hình pH 3.2.2.2. Đánh giá mô hình nhận dạng
Kết quả nhận dạng sử dụng mạng thần kinh với tập dữ liệu thu được được trình bày ở hình 3.10 và hình 3.12 mô tả kết quả nhận dạng khi thêm nhiễu ở ngõ ra (nhiễu có trung bình bằng 0 và variance bằng 0.01). Để đánh giá mô hình nhận dạng được, tác giả dựa vào chỉ số phương sai VAF (Variance Accounted For) được tín theo công thức:
0 5000 10000 15000
0 5 10
pH
Du lieu nhan dang
0 5000 10000 15000
0 0.05 0.1
F NaOH(l/giay)
Thoi gian (giay)
0 5000 10000 15000
0 5 10
pH
Du lieu danh gia
0 5000 10000 15000
0 0.05 0.1
F NaOH(l/giay)
Thoi gian (giay)
53 à var(y - y
VAF = max 1 - ,0 x100%
var(y)
ì ü
ù ù
ù ù
í ý
ù ù
ù ù
ợ ỵ
$
Trong đó y là ngõ ra đối tượng, là ngõ ra mô hình nhận dạng được.
Nếu chỉ số VAF càng lớn có nghĩa là mô hình nhận dạng được càng bám sát với ngõ ra đối tượng. Và chỉ số trung bình bình phương sai số RMSE (Root Mean Square Errror) được tính theo công thức:
2
1( )
N
n y y
RMSE N
= -
= ồ $ (N là số mẫu)
RMSE càng nhỏ thì sai số giữa mô hình nhận dạng được và đối tượng càng ít.
Hình 3.11 và 3.13 lần lượt chỉ ra sai số nhận dạng khi không có nhiễu và khi có nhiễu và sai số trung bình bình phương sai số tương ứng.
Hình 3.10: Kết quả nhận dạng dùng mạng thần kinh (khi không nhiễu)
Hình 3.11: Sai số nhận dạng dùng mạng thần kinh (khi không nhiễu)
0 5000 10000 15000
4 5 6 7 8 9 10
Thoi gian (giay)
pH
Ket qua nhan dang (khong nhieu)
VAF = 99.7006 mo hinh
nhan dang
0 5000 10000 15000
-1 -0.5 0 0.5 1
rmse = 0.1339
Sai so
Thoi gian (giay) Sai so nhan dang (khong nhieu)
54
Hình 3.12: Kết quả nhận dạng dùng mạng thần kinh (khi có nhiễu)
Hình 3.13: Sai số nhận dạng dùng mạng thần kinh (khi có nhiễu)
Từ kết quả nhận dạng hình 3.10 và 3.12 cho thấy kết quả nhận dạng tốt trong miền pH từ 4.5 đến 9.5 kể cả khi có nhiễu.
Hình 3.14: Kết quả đánh giá mạng thần kinh (khi không nhiễu)
0 5000 10000 15000
4 5 6 7 8 9 10
Thoi gian (giay)
pH
Ket qua nhan dang truc tuyen (co nhieu)
VAF = 99.4547 mo hinh
nhan dang
0 5000 10000 15000
-1 -0.5 0 0.5 1
rmse = 0.1676
Sai so
Thoi gian (giay) Sai so nhan dang (co nhieu)
0 5000 10000 15000
4 5 6 7 8 9 10
Thoi gian (giay)
pH
Ket qua danh gia (khong nhieu)
VAF = 99.2615 mo hinh
nhan dang
55
Hình 3.15: Sai số đánh giá mạng thần kinh (khi không nhiễu)
Hình 3.16: Kết quả đánh giá mạng thần kinh (khi có nhiễu)
Hình 3.17: Sai số đánh giá mạng thần kinh (khi có nhiễu)
Nhận xét: Từ kết quả nhận dạng hình 3.10 cho thấy kết quả nhận dạng tốt trong miền pH từ 4.5 đến 9.5. Hình 6.6 là kết quả nhận dạng dựa trên việc mô phỏng lại tập giá trị nhận dạng. Hình 6.7 là bước đánh giá mô hình nhận dạng được theo phương pháp đánh giá chéo sử dụng tập dữ liệu đánh giá.
0 5000 10000 15000
-1 -0.5 0 0.5 1
rmse = 0.1655
Sai so
Thoi gian (giay) Sai so nhan dang (khong nhieu)
0 5000 10000 15000
4 5 6 7 8 9 10
Thoi gian (giay)
pH
Ket qua danh gia (co nhieu)
VAF = 99.0102 mo hinh
nhan dang
0 5000 10000 15000
-1 -0.5 0 0.5 1
rmse = 0.1925
Sai so
Thoi gian (giay) Sai so nhan dang (co nhieu)
56
Vấn đề khó nhất trong nhận dạng mô hình pH chính là tìm được tập dữ liệu thích hợp để có thể huấn luyện mạng thần kinh. Vì mô hình pH rất nhạy ở vùng 5<pH<9 nên chỉ cần một thay đổi nhỏ ở ngõ vào sẽ làm ngõ ra thay đổi đáng kể. Nếu chọn vùng pH để nhận dạng rộng hơn thì rất dễ dẫn đến trượng hợp ngõ ra sẽ nằm ở một trong hai vùng bão hoà làm kết quả nhận dạng không có ý nghĩa.