Mạng nơron truyền thẳng nhiều lớp được ứng dụng có hiệu quả trong điều khiển tự động. Khả năng tính toán gần đúng vạn năng của mạng nơron truyền thẳng nhiều lớp làm cho nó được ứng dụng nhiều trong điều khiển đối tượng phi tuyến. Có ba kiểu điều khiển thông dụng nhất ứng dụng mạng nơron truyền thẳng nhiều lớp được cài đặt trong NEURAL NETWORK TOOLBOX của MATLAB:
- Mô hình điều khiển dự báo: NN Predictive Control - Điều khiển Narma - L2: NARMA - L2 Control
- Điều khiển theo mô hình mẫu: Model Reference Control.
Có hai bước thực hiện cho mỗi kiểu điều khiển nói trên khi sử dụng mạng nơron truyền thẳng nhiều lớp để điều khiển sau đây:
- Bước 1: Nhận dạng đối tượng điều khiển. - Bước 2: Điều khiển đối tượng.
Ở đây bước nhận dạng đối tượng điều khiển, chúng ta cần tìm mô hình, thông số của mạng nơron truyền thẳng nhiều lớp (hay mô hình đối tượng) để mô tả đối tượng điều khiển. Trong bước điều khiển đối tượng, sử dụng mạng nơron truyền thẳng nhiều lớp với mô hình, thông số đã tìm được ở bước 1 để thiết kế bộ điều khiển. Trong mỗi cấu trúc của ba kiểu điều khiển nói trên, bước nhận dạng hệ thống
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn
được thực hiện giống nhau, nhưng bước điều khiển được thực hiện khác nhau đặc trưng cho mỗi một kiểu điều khiển.
Đối với mô hình điều khiển dự báo, mô hình đối tượng được sử dụng để dự báo trạng thái của đối tượng đó và sử dụng thuật toán tối ưu lựa chọn đầu vào điều khiển biểu diễn tối ưu cho khoảng thời gian tương laị
Đối với điều khiển theo mô hình mẫu, bộ điều khiển là mạng nơron đã được học để điều khiển đối tượng, sao cho tín hiệu cần điều khiển bám theo được tín hiệu của mô hình mẫụ Mô hình mạng nơron được sử dụng để hỗ trợ trong quá trình học của bộ điều khiển.
Ba kiểu điều khiển có sử dụng mạng nơron là: mô hình điều khiển dự báo, điều khiển Narma - L2, và điều khiển theo mô hình mẫụ Mỗi một phần bao gồm phần mô tả ngắn về khái niệm điều khiển, trình bày cách sử dụng các hàm tương thích có trong NEURAL NETWORK TOOLBOX của MATLAB. Ba bộ điều khiển này được cài đăt sẵn trong SIMULINK, chúng được mô tả trong Neural Network Toolbox blokset. Đễ hỗ trợ cho việc chọn được bộ điều chỉnh tốt nhất cho ứng dụng, sau đây trình bày các bảng tổng hợp các khóa của ba bộ điều khiển nàỵ Mỗi một bộ điều khiển đều có các ưu điểm và nhược điểm khác nhau, do đó không có một bộ điều khiển nào có tính đa năng có thể điều khiển cho mọi đối tượng bất kỳ. * Mô hình điều khiển dự báo
Bộ điều khiển này sử dụng mạng nơron dự báo đáp ứng tương lai của đối tượng và tín hiệu điều khiển. Thuật toán cho phép tính toán tín hiệu điều khiển tối ưu đối tượng cho khoảng thời gian tương laị Mô hình mạng nơron biễu diễn đối tượng được học theo phương pháp off - line áp dụng cho một nhóm mẫu (dùng cho cả ba kiểu điều khiển nói trên) ở bước nhận dạng đối tượng điều khiển. Ở bước điều khiển, sử dụng phương pháp on - line, vi thuật toán tối ưu được biểu diễn cho từng bước tính với tín hiệu tối ưu đầu vàọ
* Bộ điều khiển NARMA - L2
Bộ điều khiển này có ưu điểm là có khối lượng tính toán ít nhất trong ba cấu trúc điều khiển đang xét. Chỉ sử dụng phương pháp on - line cho bộ điều khiển
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnụedụvn
nơron. Ở bộ điều khiển dạng này đối tượng phải ở mẫu đồng dạng hoặc có thể biểu diễn bởi mô hình đồng dạng.
* Điều khiển theo mô hình mẫu
Bộ điều khiển này sử dụng kiểu điều khiển on - line, giống như NARMA - L2 nó có khối lượng tính toán nhỏ. Nhưng khác với NARMA - L2 là điều khiển theo mô hình mẫu cần có một bộ điều khiển dùng mạng nơron riêng biệt để học off - line bổ sung cho mô hình đối tượng sử dụng mạng nơron. Bộ điều khiển loại này khá đắt tiền vì nó cần sử dụng mô hình động học lan truyền ngược.