3. Ý nghĩa khoa học, ý nghĩa thực tiễn của đề tài
3.4.2.Bộ điều khiển thích nghi mờ dựa trên cơ sở suy luận
Bước 1: Ta lấy mẫu các tập dữ liệu vào ra bao gồm 2 đầu vào và 1 đầu ra dùng để
81
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Hình 3.10: Tập mẫu bao gồm 2 đầu vào và 1 đầu ra để huấn luyện mạng neron
Bước 2: Chọn dạng hàm liên thuộc cho hai đầu vào
82
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Hình 3.12:Dạng hàm liên thuộc cho đầu vào 2
Hình 3.13:Đường cong nội suy thể hiện mối quan hệ giữa đầu ra và đầu vào
Bước 3: Chọn cấu trúc và phƣơng pháp huấn luyện mạng neuron
Lựa chọn phƣơnng pháp huấn luyện mạng neural cho nhƣ trên theo phƣơng pháp lan truyền ngƣợc (backpropagation algorithm).
83
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Hình 3.14:Sai lệch của quá trình huấn luyện
Hình 3.15:Quá trình kiểm tra giữa dữ liệu huấn luyện và dữ liệu kiểm tra
84
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/ Hình 3.16:Dạng hàm liên thuộc cho đầu vào 1
Hình 3.17:Dạng hàm liên thuộc cho đầu vào 2
Hình 3.18:Đường cong nội suy thể hiện mối quan hệ giữa đầu ra và đầu vào
85
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/
Kết quả mô phỏng:
Hình 3.19 Đáp ứng đầu ra của hệ Ball and beam tương ứng 2 bộ điều khiển Nhận xét: Ta thấy chất lƣợng của bộ điều khiển mờ động PD – Fuzzy đã đƣợc nầng lên sau khi các tập mờ đầu vào đƣợc chỉnh định dựa trên mạng neural (hình 3.16 và hình 3.17) . Cụ thể thời gian đáp ứng của hệ tăng từ 8(s) lên 4(s). Điều này minh chứng tính đúng đắn của lý thuyết đƣợc nêu ra trong mục 3.2
86
Số hóa bởi Trung tâm Học liệu http://www.lrc-tnu.edu.vn/