Một số vấn đề tổng quan về điều khiển thông minh doc

Một số vấn đề tổng quan về điều khiển thông minh

Ths. Hà Mạnh Đào TsKH. Phạm Thợng Cát
Phòng công nghệ tự động hoá- Viện công nghệ thông tin
Tel:04 7564764, Email: ,
(Bài nghiên cứu với sự hỗ trợ của đề tài cấp nhà nớc KC03-13)
Tóm tắt:
Vấn đề điều khiển thông minh hiện đang đợc nghiên cứu, ứng dụng trong nhiều ngành, nhiều lĩnh vực khoa
học kỹ thuật, quân sự, công nghiệp và đời sống cả trong nớc và trên thế giới. Vậy điều khiển thông minh là
gì?Phân mức độ thông minh của các bộ điều khiển nh thế nào? Điều khiển thông minh sử dụng những công nghệ
nào và tình hình nghiên cứu ứng dụng nó ra sao? Trong bài này, chúng tôi đề cập đến một vài nét tổng quan về
điều khiển thông minh với hy vọng đa ra một cách nhìn ban đầu đối với lĩnh vực phức tạp, phong phú và đầy hữu
ích này.

1. Điều khiển thông minh là gì?
Các phơng pháp điều khiển truyền thống đã cho phép giải quyết các hệ thống điều khiển mà
có cấu trúc và tham số hoàn toàn xác định. Nhng với các hệ thống có cấu trúc không rõ ràng,
bất định hoặc các hệ thống có mức độ phi tuyến và phức tạp cao nh: robot không gian,
automonous, mobile robot, mạng giao thông, các hệ thống sản xuất mềm dẻo thì các phơng
pháp truyền thống không thể giải quyết thoả đáng đợc các bài toán này. Để giải quyết các bài
toán có đặc điểm nh vậy, các phơng pháp điều khiển thông minh đã đợc đề xuất, nghiên cứu
và phát triển trong suốt 3 thập kỷ gần đây.
Vậy điều khiển thông minh là gì?
Chúng ta có thể nói điều khiển thông minh là hệ thống điều khiển có những khả năng giống
nh con ngời nh khả năng mềm dẻo, sáng tạo, khả năng khái quát hoá, khả năng thích nghi,
khả năng suy luận và tìm kiếm Hay nói cách khác, hệ thống điều khiển thông minh là hệ thống
điều khiển và trên hệ thống điều khiển đó có cài đặt sự thông minh để hệ thống điều khiển có
khả năng suy diễn, xấp xỉ trên cơ sở dữ liệu đầu vào(môi trờng) và đa ra tác động điều khiển
ở đầu ra.
Theo [1], Phơng trình thiết kế tổng quát của hệ thống điều khiển có thể đợc diễn tả theo công
thức sau:

{O: Control Objective}={C: Controller}X{P: Plan} (1)

Với dấu X biểu diễn phép toán phù hợp.









Hình 1

Để giải đợc phơng trình (1), tức tìm [C], cần phải biết [P] và [O]. Đối với các bài toán điều
khiển mà [P] là tuyến tính và [O] là đơn giản thì phơng pháp hàm truyền đợc sử dụng. Nhng
đối với các hệ thống có độ phức tạp cao, bất định, cấu trúc hệ thống biến đổi theo không gian và
thời gian thì các phơng pháp điều khiển thông minh sẽ đợc sử dụng. Trong các hệ thống đó,
[C] [P]
[O]
Inpu
t

Outpu
t

bộ điều khiển thông minh [C] sẽ đợc xác định và thiết kế trên cơ sở sử dụng riêng rẽ hoặc phối
hợp nhiều công nghệ thông minh khác nhau nh:
- Mạng nơ ron
- Hệ mờ

- Thuật gen
- Lập luận trên cơ sở tình huống(case)
- Hệ chuyên gia
Việc sử dụng các công nghệ này và phối hợp giữa chúng phụ thuộc vào thông tin thu
đợc và môi trờng mà trong đó hệ thống tơng tác là tĩnh hay thay đổi và mức độ thay đổi,
thích nghi có thể xẩy ra. Hình 2 cho chúng ta thấy mối quan hệ giữa thông tin, đặc điểm môi
trờng, các công nghệ đợc sử dụng trong các hệ thống điều khiển thông minh, và mối liên quan
giữa các phơng pháp điều khiển truyền thống với điều khiển thông minh. Trên hình các công
nghệ thông minh khác nhau nằm phù hợp trên các vùng khác nhau của không gian information-
Environment. Trong không gian đó, có thể thấy thấy lập luận trên cơ sở tình huống(case-base
reasoning) là tốt nhất khi dạng cụ thể của tri thức là khó khăn nhng thông tin thu đợc từ các
thực nghiệm là phong phú. Còn đối với các hệ thống mà thông tin thu đợc là dữ liệu cha đợc
xử lý nh dữ liệu từ sensor, dữ liệu đo đạc mà trạng thái môi trờng động thì sử dụng mạng nơ
ron và thuật gen là phù hợp hơn cả.















Hình 2

Vậy mức độ thông minh của các hệ thống điều khiển đợc phân biệt nh thế nào?
Theo Bezdek[2], mức độ thông minh của các hệ thống thông minh có thể phân cấp theo











Hình 3. Sự phân cấp của các hệ thống thông minh


Neural
Networks
Genetic
algorithms
Fuzz
y
s
y
stem
case-base
reasoning
Expert
system

Mathematical techni
q
ues
Enviroment
Static
Dynamic,
ada
p
tive
Information
Raw Formal Knowlege
Thông minh sinh học
Thông minh nhân tạo
Tính toán thông minh
Tri thức ngời +
Các đầu vào các
giác quan
Các phần tử thông
tin+dữ liệu sensor
Tính toán
+ sensor
numeric
S
y
mbolic
or
g
anic
hình 3. Trong mô hình này, hệ thống thông minh đợc phân làm 3 cấp: Tính toán thông minh, trí
tuệ nhân tạo và trí tuệ sinh học. Sự thông minh của các hệ sinh học là cơ sở quan trọng nhất để

các hệ thống thông minh đợc thiết kế phỏng theo. Nó gồm nhiều cơ chế phối hợp với nhau để
xử lý đầu vào từ các sensor, gợi nhớ lại tri thức có liên quan và đa ra các tác động thông minh ở
đầu ra. Mức độ thông minh của các hệ thống đợc đánh giá thấp nhất là mức độ tính toán số đối
với dữ liệu vào từ sensor và cao nhất đối với các hệ thống sinh học.
Các hệ thống điều khiển thông minh có thể sử dụng các phần cứng hoặc phần mềm truyền
thống, có thể sử dụng các công nghệ mới hoàn toàn hoặc có thể sử dụng lai giữa các công nghệ
mới và truyền thống. Hiện nay với sự phát triển mạnh mẽ của công nghệ điện tử và vi điện tử,
các chíp nơ ron, chíp mờ, các chíp DSP cùng với các máy tính song song với tốc độ cáo cho
phép các bộ điều khiển thông minh thực sự đợc đa vào các ứng dụng thực tế, nhất là các hệ
thống điều khiển đảm bảo thời gian thực.
Bài toán về điều khiển thông minh hiện nay đang thu hút nghiên cứu nhiều chính là những
hệ thống thông minh phân tán, những hệ thống này đòi hỏi phải tích hợp nhiều công nghệ cả
phần cứng, phần mềm, các công nghệ thông minh và nhiều công nghệ thuộc nhiều ngành khoa
học khác nhau. Ví dụ về các hệ điều khiển này nh các robot đá bóng, các robot phục vụ trong
mối tơng tác với đồng đội và môi trờng, các robot trong mạng cảnh báo, tuần tra, canh gác
2. Một số kỹ thuật điều khiển thông minh
Hiện nay các bộ điều khiển thông minh chủ yếu đợc xây dựng trên cơ sở các công nghệ mạng
nơ ron(NN), hệ logic mờ(FS), các thuật tiến hoá(GA) và sự kết hợp của các công nghệ đó. Hình
4 thể hiện sự tích hợp của 3 công nghệ NN, FS, GA. Sau đây một số dạng điều khiển thông minh
dựa trên các công nghệ này sẽ đợc đề cập.

2.1. Điều khiển thông minh trên cơ sở logic mờ
Trong một hệ thống điều khiển, lý thuyết tập mờ, logíc mờ cho phép ánh xạ không gian
đầu vào tới không gian đầu ra thông qua hệ thống luật(rule). Mỗi luật gồm có 2 phần: Phần IF
là phần giả thiết và phần THEN là phần kết luận. Trong đó các phép toán AND và OR cho phép
kết nối các điều kiện trong phần giả thiết với nhau. Tập hợp các luật trong một hệ thống mờ
hình thành nên cơ chế suy diễn của hệ thống đó. Ví dụ nh luật Ri gồm 2 đầu vào, 1 đầu ra
đợc biểu diễn nh sau:
Ri: IF x is Ai AND y is Bi THEN z is Ci
Ngoài các phép toán AND, OR đợc hiểu theo phép lấy min và max(logic đa trị), còn có các
phép toán NOT, T-NORM, T-CONORM, các quan hệ mờ cũng đợc sử dụng.
Hai hệ thống mờ đợc sử dụng phổ biến:
- Mamnami: đầu ra là tập mờ.
- Sugeno: Đầu ra là hằng số hoặc một hàm nào đó.
abc
a
b
c
bc
ac
ab
Hinh4
Sự kết hợp 3 kỹ thuật tạo các loại bộ
điểu khiển thông minh khác nhau.
[a]: NN
[b]: FS
[c]: GA
[ab]: neuron-fuzzy;fuzzy-neuron
[bc]: Hệ thống mờ tự chỉnh
[ac]: NN tiến hoá
[abc]: Mạng nơ ron- mờ- tiến hoá

Hệ Sugeno đợc ứng dụng nhiều trong điều khiển.
Hình 5 cho thấy cấu trúc của một vòng điều khiển mờ cơ bản.











Hình 5
Vòng điều khiển mờ gồm các khối cơ bản sau:
- Khối cơ sở luật
- Cơ chế suy diễn mờ
- Khối mờ hoá và giải mờ
Trong đó khối cơ sở luật đóng vai trò quan trọng vì nó mô tả quan hệ giữa đầu vào và đầu ra của
các bộ điều khiển. Vòng điều khiển mờ này đợc tích hợp trong các bộ điều khiển và tích hợp
với các công nghệ thông minh khác để tạo ra các bộ điều khiển hiệu quả hơn.
Bộ điều khiển mờ đợc ứng dụng trong nhiều trong các hệ thống điều khiển công nghiệp,
trong các hệ thống robot, các hệ thống autonomous, các hệ thống thích nghi, các hệ thống điều
khiển kết hợp với camera, các hệ thống thông minh phân tán nói chung, bộ điều khiển mờ đợc
sử dụng chủ yếu đối với các bài toán điều khiển là những hệ thống bất định, biến đổi theo thời
gian, phi tuyến và các hệ thống quản lý phức tạp.

2.2. Điều khiển thông minh trên cơ sở mạng nơ ron
Mạng nơ ron nhân tạo là một mô hình phỏng theo mạng nơ ron sinh học. Mạng nơ ron cho

phép tính toán ớc lợc các đầu vào và đa ra đáp ứng đầu ra. Quá trình xử lý thông tin với mạng
nơ ron bao gồm phân tích các mẫu sử dụng thông tin học đợc cất dới dạng các trọng liên kết
giữa các nút mạng. Mạng nơ ron có thể đợc học theo các phơng pháp nh: học có giám sát,
học có tín hiệu củng cố hoặc học không giám sát. Cấu trúc mạng nơ ron đợc sử dụng nhiều
nhất trong điều khiển là mạng truyền thẳng đa lớp. Trong cấu trúc mạng này có một lớp nhận dữ
liệu đầu vào, một lớp đầu ra. Giữa 2 lớp này có một hay nhiều lớp trung gian đợc gọi là các lớp
ẩn. Trong các lớp ẩn, mỗi lớp chứa một số các nút nào đó sao cho mạng đủ phức tạp để có thể
biểu diễn đợc quan hệ phi tuyến, phức tạp giữa các đầu vào và đầu ra.
Hình 6 cho chúng ta thấy các cấu trúc học của mạng nơ ron theo kiểu truyền ngợc (BP)
đợc sử dụng phổ biến trong các hệ thống nhận dạng và điều khiển:
- Cấu trúc học tổng quát (a)
- Cấu trúc học chi tiết (b)
- Cấu trúc học phản hồi sai số (c)
- Cấu trúc học gián tiếp (d)
Hiện nay, trong các hệ thống điều khiển phức tạp nh robot, các hệ thống điều khiển
công nghiệp, hệ thống nhận dạng mẫu bộ điều khiển nơ ron thờng dùng là mạng nơ ron với
khả năng mềm dẻo(Flexible Neural Networks), đây là cấu trúc mạng nơ ron mà các hàm truyền
của chúng là các hàm sigmoid nhng có một tham số có thể học, từ đó dạng hàm sigmoid sẽ
chọn đợc tối u đối với mỗi bài toán cụ thể. Dạng hàm sigmoid đơn cực và hai cực có tham số
a có thể đợc học trong quá trình huấn luyện có dạng sau:
Cơ chế su
y
diễn
Cơ sở luật
Defuzzilicat
io
n
fuzzification
Process
)1(

1
),(,
1
2
),(
2
2
2
xa
xa
xa
ea
e
axf
a
axf
e



+

=
+
=

Hình 6

2.3. Điều khiển thông minh trên cơ sở lý thuyết tiến hoá(thuật gen- GA)
Lý thuyết tiến hoá mà trọng tâm ở đây là dùng thuật gen(GA) cho phép thực hiện tìm kiếm,
tối u hoá trên cơ sở một quần thể xuất phát ban đầu. Thuật gen có u điểm là có khả năng tìm
đợc cực trị tổng quát trong không gian tìm kiếm. Thuật gen thực hiện tiến hoá qua các thế hệ
thông qua các phép toán nh lai tạo, sao chép, đột biến và chọn lọc tự nhiên, các cá thể có mặt
trong thế hệ mới hay không phụ thuộc vào hàm finess của chúng. Hình 7 cho chúng ta thấy một
hệ thống điều khiển sử dụng thuật gen.

Hình 7
Ngoài GA, trong điều khiển thông minh còn sử dụng nhiều thuật toán tiến hoá khác nh thuật
toán đồng tiến hoá(coevolution). Thuật toán này phỏng theo sự tiến hoá của hệ sinh học gồm
hai hay nhiều loài tơng tác với nhau theo quan hệ chủ thể và ký sinh(Host-parasite). Thuật toán
tiến hoá này đợc sử dụng nhiều trong các hệ thống điều khiển autonomous hoặc trong các hệ
thống có mức độ phức tạp cao khác.
2.5. Điều khiển trên cơ sở lai tích hợp các công nghệ mạng nơ ron- Hệ mờ- Thuật gen.
Hiện nay các hệ thông điều khiển phức tạp, nhất là các hệ thống điều khiển làm việc
trong các môi trờng biến đổi, các bộ điều khiển thông minh thờng kết hợp các công nghệ
NN- FS-GA với nhau để có khả năng điều khiển đối tuợng đạt tới mục đích mong muốn một
Plan
NN
u
u
c
y
NN
Plan
y
d
u
y
Feedback
controlle
NN
Plan
u
u

u
y
y
Plan
NN
NN
y
d
u
y
a)
b)
c)
d)
y
Most fit
Controller
Plan
Evalution
GA Operations
y
d
u
cách tối nhất. Các hệ thống này thờng có các phần chức năng phức tạp nh: hệ thống cơ
sở tri thức, Cơ chế suy diễn, các khối điều khiển đa chức năng và khối thực hiện các cơ chế
truyền thông- giao tiếp thông qua các giao thức truyền thông mạng, thông qua ngôn ngữ tự
nhiên, hình ảnh Hình 8 cho chúng ta ví dụ về mức độ phức tạp của hệ thống điều khiển
thông minh autonomous có thực hiện các chức năng phản ứng, tơng tác với môi trờng trên
cơ sở các tín hiệu thu đợc từ mạng sensory đầu vào.

Hình 8
Trong những hệ thống điều khiển phức tạp nh vậy, nhất là các hệ thống điều khiển
thông minh phân tán, việc lai tạo giữa các công nghệ thông minh khác nhau để tạo ra bộ điều
khiển tối u là thực sự hữu ích. Trong những hệ thống nh vậy, mạng nơ ron, GA và logíc mờ
đợc tích hợp và giữ các vai trò khác nhau và bổ xung cho nhau trong các hệ thống :
- NN: Vai trò chính để nhận dạng mẫu, phân loại tín hiệu vào, tự thích nghi với với
môi trờng biến đổi thông qua quá trình học.
- FS: Biểu diễn tri thức và thực hiện các cơ chế suy diễn.
- GA: Thuật gen với cơ chế tiến hoá giống nh các hệ sinh học thờng sử dụng các
phép toán chọn lọc, sao chép, lai ghép, đột biến để thực hiện tối u cấu trúc của NN
và FS.
Hình 9a, 9b cho chúng ta thấy sự tích hợp của NN-GA và FS-GA trong các bộ điều khiển thông
minh sử dụng phổ biến trong thực tế.
Ngoài các hệ thống nêu trên, trong thực tế các bộ điều khiển thông minh còn sử dụng các hệ
chuyên gia, các hệ lập luận trên cơ sở tình huống( case-based reasoning) và sự kết hợp của chúng
với các công nghệ NN, FS, GA hoặc các tổ hợp của nó để tạo ra những hệ thống thông minh hơn,

đáp ứng đợc mục tiêu điều khiển phức tạp hơn.











information
env
ironment
Autonomous
Action selection
inner state
motivation
drive
e
x
pe
ri
e
n
ce
Rule set
sensory input
constraint

Action
dynamics
Genetic
Al
g
orithm
Po
p
ulation
neural
Netwwork

Trained
network
Performance
Evalution
Trainin
g
Data
Test Data
Genetic
Al
g
orithm
Po
p
ulation
Fuzzy system
finness
select/modif

y

evalution
results
Hình 9a) Quá trình tối u mạng
nơ ron sử dụng GA
Hình 9b. Quá trình dùng GA cải
tạo hoạt động của hệ mờ




3. Tình hình nghiên cứu về điều khiển thông minh trên thế giới và
trong nớc
Công nghệ thông minh nói chung và điều khiển thông minh nói riêng đợc ứng dụng mạnh
mẽ trong nhiều lĩnh vực quân sự, sản xuất công nghiệp, nghiên cứu và lĩnh vực nghiên cứu
khoảng không , nhất là các nớc Mỹ, Nhật bản, Đức, Hàn Quốc Cụ thể điều khiển thông
minh đợc ứng dụng phổ biến trong các dây truyền sản xuất mềm dẻo, các hệ thống điều khiển
năng lợng thông minh IECS (Intelligent Energy Control System),Các hệ thống điều khiển giao
thông(Trafic Control Intelligent Systems), các hệ thống suy diễn thông minh IIS(Intelligent
Inference Systems), các thiết bị đo lờng thông minh, các cảm biến thông minh và đặc biệt trong
lĩnh vực điều khiển robot, các hệ thống lái xe tự động, các hệ thống nghiên cứu trong khoảng
không vũ trụ, các hệ thống thông minh đối với thơng mại, nhà máy sản xuất, chính phủ
Sự đẩy mạnh nghiên cứu và ứng dụng mạnh mẽ các công nghệ thông minh đó trong lĩnh
vực đo lờng và điều khiển trên thế giới là do một số yếu tố quan trọng sau:
- Mức độ gia tăng các bài toán có độ phức tạp cao, các quá trình sản xuất cần có độ mềm
dẻo cao và đòi hỏi mức độ tối u hơn.
- Công nghệ điện tử và vi điện tử đã tạo ra các chíp nơron, các chíp mờ cho phép đa
nhiều công nghệ thông minh vào lĩnh vực đo và điều khiển. Nhất là lĩnh vực công nghệ nano
hiện nay đã cho phép chế các máy tính mạnh và có kích thớc cực nhỏ càng làm cho lĩnh vực

điều khiển thông minh đợc chú trọng và mở rộng tầm ứng dụng.
Đối với tình hình nghiên cứu về điều khiển thông minh ở Việt nam, vấn đề này cũng đang
đợc nghiên cứu mạnh mẽ nhng trên thực tế chúng ta mới chỉ dừng ở mức sử dụng các modul
thông minh nhập từ các hãng nớc ngoài nh Nhật, Đức, Mỹ hoặc mới triển khai chế tạo các
thiết bị ở mức tính toán số thông minh mà thôi.

4. Kết luận
Điều khiển thông minh là một lĩnh vực rộng, bao trùm nhiều ngành khoa học, nhiều lĩnh vực
công nghệ và đang đợc nghiên cứu, ứng dụng mạnh mẽ, đa dạng trên thế giới. Vì vậy, trong
bài này chúng tôi chỉ đa ra một vài nét tổng quan về lĩnh vực này mà chủ yếu đa đến một
cách nhìn về điều khiển thông minh, những công nghệ thông minh và một vài khả năng thiết kế
các bộ điều khiển thông minh đó, và cuối cùng đa ra một vài suy nghĩ về tình hình nghiên cứu,
ứng dụng điều khiển thông minh trong nớc và trên thế gioí hiện nay.

Tài liệu tham khảo
[1] Shigeyasu Kawaji; Intelligent Control why,How, Where?; RESCCE 1998, Ha noi ,
Viet nam.
[2] Y.KaKaZu, M. WaDa, T. SaTo; Intelligent autonomous system; IAS-5
[3] LiMin Fu; Neural networks in computer intelligent; McGraw-Hill, Inc; 1994
[4] Nils Nilsson; Artificial Intelligence A New Synthesis; Morgan Kaufmann Publisher
1998
[5] Kenneth Hunt, George Irwin, Kenvin; Neural Network Engineering in Dynamic control
system; Spinger
[6] Mohammad Teshnehlab, Keigo Watanabe; Intelligent Control based on Flexible Neural
Networks; Klwer Academic Publishers- 1999
[7] Spyros G.Tzalestas; Fuzzy Reasoning in information, Decision and Control Systems;
Klwer Academic Publishers- 1994
[8] Lardy R.Medsker; Intelligent system; ; Klwer Academic Publishers- 1999
[9]Yih-Guang Leu, Tsu-Tian Lee; Oberver- Based Adaptive Fuzzy –Neural Control for
Unknown Nonlinear Dynamical system; System, Man, and Cybernetics; Volum 29;

October 1999
[10] Alexandre Schmid, yusuf Leblebici ;A Charge- Based Artificial Neural Network with
On-Chip Learning Ability; Proceeding of the 5
th
European Congress on Intelligent
Technique & soft computing EUFIT’97, Gemany 1997
[11] David E.Goldberg; Genetic Algorithms in Search, Optimization, and Machine
Learning; Addison Wesley Longman,inc, 1989
[12] C¸c trang WEB ®−îc t×m kiÕm víi côm tõ “inteligent+Control” .