NGHIÊN CỨU SỬ DỤNG HỆ MỜ-NƠRON ĐIỀU KHIỂN MỨC CHẤT LỎNG CHO HỆ BỒN NƯỚC ĐÔI.

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

43
NGHIÊN CỨU SỬ DỤNG HỆ MỜ-NƠRON ĐIỀU KHIỂN MỨC
CHẤT LỎNG CHO HỆ BỒN NƯỚC ĐÔI.
A STUDY ON THE USE OF THE NEURAL-FUZZY SYSTEM TO CONTROL THE
LIQUID LEVEL FOR THE COUPLED TANKS SYSTEM

Nguyễn Quốc Định
Trường Đại học Bách khoa, Đại học Đà Nẵng
Phan Xuân Lễ
Trường Cao đẳng Công nghiệp Tuy Hòa

TÓM TẮT
Bài báo này trình bày kết quả nghiên cứu việc sử dụng hệ mờ-nơron điều khiển mức
chất lỏng cho hệ bồn nước đôi. Nội dung bài báo giới thiệu mô hình của hệ mờ-nơron, là sự kết
hợp mạng nơron và điều khiển mờ để tạo ra bộ điều khiển nhiều ngõ vào – nhiều ngõ ra, điều
khiển cho đối t
ượng phi tuyến nhiều ngõ vào – nhiều ngõ ra (MIMO). Đối tượng được điều
khiển trong đề tài là hệ bồn nước đôi với cấu hình 2 ngõ vào - 2 ngõ ra và đối tượng nghiên
cứu là bộ điều khiển sử dụng hệ mờ-nơron để xây dựng bộ điều khiển cho đối tượng phi tuyến
2 ngõ vào - 2 ngõ ra. Thông qua việc mô phỏng hoạt động của bộ điều khiển mờ nơron này
dựa trên phần mềm MATLAB – SIMULINK đã chứng minh được rằng bộ điều khiển được thiết
kế đã hoạt động tốt và đáp ứng được yêu cầu đề ra.
ABSTRACT
This paper presents research results in using the neural-fuzzy system to control the
liquid level of the coupled tanks system. This paper presents the model of neural-fuzzy system
which is a combination of neural networks and fuzzy control to generate a Multi-Input-Multi-
Output controller for the nonlinear Multi-Input-Multi-Output (MIMO) system. The controlled
object in the coupled tanks system is configured with two inputs - two outputs and the studied
object is a neural-fuzzy controller for the two-input-two-output nonlinear system. Owing to

simulation of this neural fuzzy controller using the MATLAB – SIMULINK software, we have
proved that the designed controller has a very good performance and meet these requirements.

1. Đặt vấn đề
Hiện nay lĩnh vực điều khiển tự động đã phát triển mạnh mẽ, các bộ điều khiển
được xây dựng để điều khiển cho các đối tượng khác nhau, có thể đối tượng là tuyến tính,
có thể là những đối tượng phi tuyến phức tạp,… Do đó cần phải tìm kiếm các thuật toán
điều khiển để đáp ứng nhu cầu thực tế.
Với bộ điều khiển mờ và bộ điều khiển sử dụng mạng nơron có thêm một hướng
phát triển mới trong lĩnh vực nghiên cứu thiết kế điều khiển hệ thống, có rất nhiều ứng
dụng trong lĩnh vực điều khiển trong công nghiệp hiện nay. Bộ điều khiển mờ và bộ điều
khiển sử dụng mạng nơron về nguyên tắc đều là những bộ điều khiển tĩnh phi tuyến.
Chúng có thể được thiết kế với chất lượng hệ thống cho trước theo một độ chính xác tuỳ ý
và làm việc theo nguyên lý tư duy của con người.
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

44
Việc kết hợp hệ mờ và mạng nơron được sử dụng nghiên cứu trong đề tài này là
mạng nơron-mờ singleton. Đây là mạng đa đầu vào và đơn đầu ra. Do đó nội dung nghiên
cứu chính ở đây là sự ghép nối các mạng nơron-mờ singleton để tạo ra bộ điều khiển đa
đầu vào – đa đầu ra. Cụ thể vấn đề nghiên cứu mà tác giả đưa ra trong đề tài này là xây
dựng bộ điều khiển với sự ghép nối của 2 mạng nơron-mờ singleton, mục đích tạo ra bộ
điều khiển mờ-nơron dựa theo luật điều khiển thích nghi và đối tượng được sử dụng để
điều khiển ở đây là hệ bồn nước đôi, đây là hệ phi tuyến với 2 ngõ vào và 2 ngõ ra.
2. Mô hình đối tượng hệ bồn nước đôi [2]
Mô hình đối tượng hệ bồn nước đôi được mô tả như (hình vẽ 1). Hệ bồn nước đôi
làm đối tượng điều khiển là một hệ phi tuyến với 2 ngõ vào là tín hiệu điện áp điều khiển
động cơ bơm nước u
1
(t), u

2
(t) và 2 ngõ ra là mức nước h
1
(t) và h
2
(t).

Với q
in1
, q
in2
lần lượt là lưu lượng nước máy bơm 1 và bơm 2 bơm vào bồn 1, bồn 2.
q
out1
, q
out2
lần lượt là lưu lượng nước chảy ra ngoài bồn 1, bồn 2.
q
out1_2
, q
out2_1
lần lượt là lưu lượng nước từ bồn 1 qua bồn 2 hoặc từ bồn 2 qua bồn 1.
Mô hình toán đối tượng được viết [2]:
()
()
1
() () 2 () sgn( () ()) 2 () () (1)
1 1 1 1 1 1 12 1 2 12 1 2
1
1

() () 2 () sgn( () ()) 2 () () (2)
2 2 2 2 2 2 12 1 2 12 1 2
2
ht kutaC ghtC hthta ghtht
DD
A
ht kut aC ght C ht hta ght ht
DD
A
•
=− − − −
•
=− + − −
⎧
⎪
⎪
⎨
⎪
⎪
⎩
3. Bộ điều khiển mờ-nơron
Đối tượng hệ bồn nước đôi có mô hình toán học (1) và (2) là hệ phi tuyến MIMO,
có 2 ngõ vào, 2 ngõ ra.
Hình 1. Mô hình hệ bồn nước đôi
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

45
Phương trình trạng thái dạng:
0
[() () ]

(3)
T
xAxBFxGxud
yCx
=+ + +
⎧
⎨
=
⎩


Vì đối tượng hệ bồn nước đôi là hệ phi tuyến có tính chất phức tạp, nên phương
trình trạng thái được đưa về dạng (3) là gần đúng và luật điều khiển:

()
1
[() ] (4)
()
mT
rc
uFxyKe
Gx
∗
=−++
Trong đó y
r
(m)
là tín hiệu đặt và e là sai lệch
Trong thực tế, các mô hình toán của đối tượng điều khiển không thể chính xác, do
đó không thể thực hiện theo luật điều khiển lý tưởng (4).

Mặc khác, hệ đối tượng chỉ đo được ngõ ra y (với h=y là mức nước). Nên phải
xây dựng bộ quan sát trạng thái để ước lượng trạng thái của hệ.
0011
1
()
(5)
T
c
T
êAêBKêKEÊ
ÊCê
⎧
=− + −
⎪
⎨
=
⎪
⎩


Từ đó giải bài toán bằng cách nhận dạng trực tiếp luật điều khiển lý tưởng
()ut
∗
bằng hệ mờ-nơron với các thông số ngõ vào là vecto sai số ê. Bộ điều khiển này sử
dụng mạng nơron-mờ singleton để xấp xỉ luật điều khiển với ngõ vào của mạng là vecto
sai số ước lượng.
Thực hiện luật điều khiển :

(6)
f

uu v=+
Trong đó
12
12
[ , , , ]
[ , , , ]
Tp
fff fp
Tp
p
uuu u R
vvv v R
⎧
=∈
⎪
⎨
=∈
⎪
⎩

v là thành phần khử nhiễu và bù sai số của mô hình đối tượng
Trong phần xây dựng bộ điều khiển cho đối tượng, tác giả sử dụng hệ mờ-nơ ron
với mạng Singleton có cấu trúc mạng như (hình vẽ 2).
Cấu trúc mạng Singleton được thiết lập với cấu hình của hệ logic mờ gồm các luật
NẾU-THÌ và cơ chế suy luận mờ.
NẾU x
1
là
1
i

A
và x
n
là
i
n
A
thì y là
i
B
.
(Với
12
, ,
ii i
n
A
AA
và
i
B
là các tập mờ, i=1…h là số luật nếu thì).
Cấu trúc mạng Singleton gồm 4 lớp theo [1] và [4]:
- Lớp 1: Là lớp gồm có n tín hiệu x đầu vào,
12
[ ]
T
n
x
xx x= .

- Lớp 2: Là lớp mờ hóa, gồm có các nút thực hiện giá trị hàm liên thuộc. Mỗi nút
có ngõ ra là:
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

46
() (7)
1
n
x
iij
A
j
kj
µµ
=
∏
=

Trong đó
()
i
j
j
A
x
µ
là hàm liên thuộc mờ được chọn dạng hàm Bell:
1
() (8)
2

1
x
ij
b
A
ij
kj
xc
ij
a
ij
µ
=
−
+

- Lớp 3: Là lớp thực hiện luật mờ. Mỗi nút có ngõ ra là giá trị vecto cơ sở mờ:
1
1
1
()
() (9)
()
i
kj
i
kj
n
j
A

j
i
k
n
h
j
A
i
j
x
x
x
µ
ϕ
µ
=
=
=
=
⎛⎞
⎜⎟
⎝⎠
∏
∑
∏

- Lớp 4: Là lớp giải mờ. Nút đại diện ngõ ra của mạng là y
k
:
1

1
1
1
()
() () (10)
()
i
kj
i
kj
n
h
i
j
A
i
j
Ti
kkfk
n
h
j
A
i
j
x
yx x u
x
θµ
θϕ

µ
−
=
=
=
=
⎛⎞
⎜⎟
⎝⎠
===
⎛⎞
⎜⎟
⎝⎠
∑
∏
∑
∏

K
0
C
T
ê

0011
()
T
c
êAêBKêKEÊ=− + −


Ư
ớ
c lư
ợ
n
g
online
k
θ

Mạng Singleton xấp xỉ

()
Ti
fk k
uê
θϕ
=
Tính v
[() () ]
0
x
Ax BFx Gxu d
T
yCx
⎧
⎪
⎨
⎪

⎩
=+ + +
=


(Plant)
y
k
y
kr
(E
1
-Ê
1
)
Ê
1

(E
1
-Ê
1
)
(E
1
-Ê
1
)
u
k

Hình 3. Giải thuật điều khiển

TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

47
Trong đó ( )
i
kj
j
A
x
µ
là giá trị hàm liên thuộc của biến mờ x
j
;
12
[ , , , ]
ThT
kk k
θθθ θ
−− −
= là vecto trọng số liên kết giữa lớp 3 và lớp ngõ ra.
Sử dụng luật suy diễn max-prod, mờ hóa singleton và giải mờ theo phương pháp
trung bình trọng tâm.
Mỗi một mạng singleton sử dụng 5 tập mờ với 5 hàm liên thuộc cho 1 trong 2
mạng ghép với nhau.
Giải thuật thiết kế bộ điều khiển:
3. Mô phỏng kết quả nghiên cứu
Với thuật toán điều khiển hệ bồn nước đôi đã nêu trên. Dùng phần mềm Matlab
simulink để kiểm tra lại thuật toán điều khiển.

- Sau khi xây dựng bộ điều khiển cho hệ bồn nước đôi trên phần mềm matlab
simulink, ta được sơ đồ điều khiển cho đối tượng như sau:
- Kết quả mô phỏng mức nước trong bồn 2 theo tín hiệu đặt sóng vuông thay đổi
theo thời gian. Mức nước đặt trước [40cm,20cm]:
- Kết quả mô phỏng mức nước trong bồn 2 theo tín hiệu đặt sóng vuông thay đổi
theo thời gian. Mức đặt trước [20cm,15cm]:
Hình 4. Mô hình điều khiển hệ bồn nước
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

48

5. Kết luận và hướng phát triển
- Với tín hiệu đặt là sóng vuông thì ở thời điểm đầu, hệ thống dao động và chưa
xác lập nhanh được.
- Các thời điểm tiếp theo tín hiệu đầu ra của đối tượng điều khiển là mức nước
của cả 2 bồn bám theo tín hiệu đặt tương đối tốt.
- Như vậy hệ thống điều khiển đáp ứng tốt với sự thay
đổi tín hiệu đặt của mô
hình đối tượng.
- Kết quả nghiên cứu sẽ có tính thuyết phục và khả năng ứng dụng cao hơn nếu
ta có thể xây dựng hệ thống thực nghiệm cho bài toán điều khiển này

0 2000 4000 6000 8000 10000 12000
0
5
10
15
20
25
30

35
Hình 6. Kết quả mô phỏng bồn 2
Tín hiệu mức nước đặt h
2đ
Tín hiệu mức nước ngõ ra h
2
0 2000 4000 6000 8000 10000 12000
0
5
10
15
20
25
30
35
40
45
Hình 5. Kết quả mô phỏng bồn 1
Tín hiệu mức nước đặt h
1đ
Tín hiệu mức nước ngõ ra h
1
TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, ĐẠI HỌC ĐÀ NẴNG - SỐ 4(39).2010

49

TÀI LIỆU THAM KHẢO

[1]
Nguyễn Như Hiền, Lại Khắc Lãi, Hệ mờ và nơron trong kỹ thuật điều khiển, Nhà

xuất bản khoa học và kỹ thuật, Hà Nội -2007
[2]
Huỳnh Thái Hoàng, Mô hình hóa và nhận dạng hệ thống, sách Ebook-2009,
/>.
[3]
Phan Xuân Minh, Nguyễn Doãn Phước, Lý thuyết điều khiển mờ, Nhà xuất bản
khoa học và kỹ thuật, Hà Nội-2006.
[4]
Nguyễn Phùng Quang, Matlab & Simulink dành cho kỹ sư điều khiển tự động, Nhà
xuất bản khoa học và kỹ thuật, Hà Nội-2006.
[5]
Phan Văn Hiền, Giáo trình MATLAB-SIMULINK, Đại học Bách khoa Đà Nẵng,
Đà Nẵng-2004.
[6]
Teo Lian Seng, Mazuki Khalid and Rubiyah Yusof, Tuning of a neuro-fuzzy
controller by genetic algorithms with an application to a coupled-tank liquid-level
control system
, International Joural on Engineering Applications on Artificial
Intelligence, 1998.
[7]
Hongxing, PhiliD Ghen, Han-Pang Huang, Fuzzy-neural intelligent systems-
Mathematical Foundation and the Applications in Engineering, CRC Press LLC,
2001.
[8]
J-S-R.JANG, C-T.SUN, E.MIZUTANI, Neuro-fuzzy anh soft computing , Prentice
Hall Upper Saddle river, NJ 07458, 1997.
[9]
Slim labiod, Mohamed Seghir Boucherit, Thierry Marie Guerra, Adaptive fuzzy
control of a class of MIMO nonlinear systems Fuzzy set and System 59-77 511,
2005.

[10]
L.X.Wang, Adaptive fuzzy systems control: Design and stabilty Analysis.
Englewood Cliffs, NJ: Prentice-Hall, 1994.
[11]
Yih – Guang Leu, Tsu – Tian Lee, and Wei – Yen Wang. Observer – based
adaptive fuzzy neural control for unknow nonlinear dynamical systems, 1999.
[12]
Guang-Minh Chen, Wei – Yen Wang, Tsu – Tian Lee, and C.W.Tao. Observer –
based Direct adaptive fuzzy-neural control for Anti-lock braking systems, 1999.
[13]
Tao Wang and Shaocheng Tong, Adaptive fuzzy output feedback control for siso
nonlinear systems, International Journal of Innovative Computing, Information and
ControlVol ume 2,Number1, February 2006.