TỔNG QUAN về điều KHIỂN mờ và điều khiển mờ TRONG máy GIẶT

LỜI NÓI ĐẦU
Sự phát triển kinh tế của mỗi quốc gia phụ thuộc rất nhiều vào mức độ công
nghiệp hóa, hiện đại hóa và tự động hoá các quá trình sản xuất. Với vai trò là mũi
nhọn của kỹ thuật hiện đại, lĩnh vực tự động hoá đang phát triển với tốc độ ngày
càng cao. Những thành tựu của lý thuyết Điều khiển tự động, Tin học công nghiệp,
Điện tử công suất, Kỹ thuật đo lường đã và đang được triển khai trên quy mô
rộng lớn, tạo nên những thiết bị và dây chuyền công nghiệp sản xuất tự động với
năng suất cao và chất lượng tốt. Trong quá trình sản xuất, việc tự động hoá một dây
chuyền sản xuất đóng vai trò rất quan trọng. Nó là cầu nối giữa các hạng mục sản
xuất, giữa các phân xưởng trong nhà máy, giữa các máy công tác trong một dây
chuyền. Việc điều khiển hoạt động của các dây chuyền hiện đại, tiên tiến cũng ngày
càng đa dạng và phức tạp.
Để làm quen với đó trong môn học Tổng hợp hệ điện cơ chúng em đã được
giao nhiệm vụ thực hiện đồ án “điều khiển mờ máy giặt”. Đây là một trong những
thành tựu mà khoa học kỹ thuật đã đạt được nhằm phục vụ cho quá trình công
nghiệp hóa và hiện đại hóa đất nước, đưa kĩ thuật điều khiển lên một tầng phát triển
cao hơn.
Trong quá trình thiết kế, với sự giúp đỡ của các thầy giáo, cô giáo trong Bộ
môn Tự động hoá XNCN đặc biệt là thầy PHẠM TÂM THÀNH , cộng với sự nỗ
lực của bản thân, em đã hoàn thành được bản đồ án này. Tuy nhiên, do thời gian
tương đối ngắn và trình độ chuyên môn còn hạn chế nên bản đồ án không tránh
khỏi thiếu sót. Em mong nhận được sự góp ý của các thầy cô giáo để bản đồ án này
được hoàn thiện hơn.

1
CHƯƠNG 1. TỔNG QUAN VỀ ĐIỀU KHIỂN MỜ VÀ ĐIỀU KHIẺN MỜ
TRONG MÁY GIẶT
Khái niệm về logic mờ được giáo sư L.A Zadeh đưa ra lần đầu tiên năm 1965,
tại trường Đại học Berkeley, bang California - Mỹ. Từ đó lý thuyết mờ đã được
phát triển và ứng dụng rộng rãi.
Năm 1970 tại trường Mary Queen, London – Anh, Ebrahim Mamdani đã dùng

logic mờ để điều khiển một máy hơi nước mà ông không thể điều khiển được bằng
kỹ thuật cổ điển. Tại Đức Hann Zimmermann đã dùng logic mờ cho các hệ ra
quyết định. Tại Nhật logic mờ được ứng dụng vào nhà máy xử lý nước của Fuji
Electronic vào 1983, hệ thống xe điện ngầm của Hitachi vào 1987.
Lý thuyết mờ ra đời ở Mỹ, ứng dụng đầu tiên ở Anh nhưng phát triển mạnh mẽ
nhất là ở Nhật. Trong lĩnh vực Tự động hoá logic mờ ngày càng được ứng dụng
rộng rãi. Nó thực sự hữu dụng với các đối tượng phức tạp mà ta chưa biết rõ hàm
truyền, logic mờ có thể giải quyết các vấn đề mà điều khiển kinh điển không làm
được.
1.1. Khái niệm cơ bản
Để hiểu rõ khái niệm “MỜ” là gì ta hãy thực hiện phép so sánh sau :
Trong toán học phổ thông ta đã học khá nhiều về tập hợp, ví dụ như tập các số thực
R, tập các số nguyên tố P={2,3,5, }… Những tập hợp như vậy được gọi là tập hợp
kinh điển hay tập rõ, tính “RÕ” ở đây được hiểu là với một tập xác định S chứa n
phần tử thì ứng với phần tử x ta xác định được một giá trị y=S(x).
Giờ ta xét phát biểu thông thường về tốc độ một chiếc xe môtô : chậm, trung bình,
hơi nhanh, rất nhanh. Phát biểu “CHẬM” ở đây không được chỉ rõ là bao nhiêu
km/h, như vậy từ “CHẬM” có miền giá trị là một khoảng nào đó, ví dụ 5km/h –
20km/h chẳng hạn. Tập hợp L={chậm, trung bình, hơi nhanh, rất nhanh} như vậy
được gọi là một tập các biến ngôn ngữ. Với mỗi thành phần ngôn ngữ x
k
của phát
2
biểu trên nếu nó nhận được một khả năng
µ
(x
k
) thì tập hợp F gồm các cặp (x,
µ
(x

k
))
được gọi là tập mờ.
1.1.1. Định nghĩa tập mờ
Tập mờ F xác định trên tập kinh điển B là một tập mà mỗi phần tử của nó là
một cặp giá trị (x,
µ
F
(x)), với x
∈
X và
µ
F
(x) là một ánh xạ :
µ
F
(x) : B
→
[0 1]
trong đó :
µ
F
gọi là hàm thuộc , B gọi là tập nền.
1.1.2. Các thuật ngữ trong logic mờ

• Độ cao tập mờ F là giá trị h = Sup
µ
F
(x), trong đó sup
µ

F
(x) chỉ giá trị nhỏ nhất
trong tất cả các chặn trên của hàm
µ
F
(x).
• Miền xác định của tập mờ F, ký hiệu là S là tập con thoả mãn :
S = Supp
µ
F
(x) = { x
∈
B |
µ
F
(x) > 0 }
• Miền tin cậy của tập mờ F, ký hiệu là T là tập con thoả mãn :
T = { x
∈
B |
µ
F
(x) = 1 }
• Các dạng hàm thuộc (membership function) trong logic mờ
Có rất nhiều dạng hàm thuộc như : Gaussian, PI-shape, S-shape, Sigmoidal, Z-
shape …
Hình 4.1:
µ
1
miền tin cậy

MXĐ
3
0
0.2
0.4
0.6
0.8
1
trapmf gbellmf trimf gaussmf gauss2mf smf
0
0.2
0.4
0.6
0.8
1
zmf psigmf dsigmf pimf sigmf
1.1.3. Biến ngôn ngữ
Biến ngôn ngữ là phần tử chủ đạo trong các hệ thống dùng logic mờ. Ở đây các
thành phần ngôn ngữ của cùng một ngữ cảnh được kết hợp lại với nhau.
Để minh hoạ về hàm thuộc và biến ngôn ngữ ta xét ví dụ sau :
Xét tốc độ của một chiếc xe môtô, ta có thể phát biểu xe đang chạy:
- Rất chậm (VS)
- Chậm (S)
- Trung bình (M)
- Nhanh (F)
- Rất nhanh (VF)
Những phát biểu như vậy gọi là biến ngôn ngữ của tập mờ. Gọi x là giá trị của biến
tốc độ, ví dụ x =10km/h, x = 60km/h … Hàm thuộc tương ứng của các biến ngôn
ngữ trên được ký hiệu là :

µ
VS
(x),
µ
S
(x),
µ
M
(x),
µ
F
(x),
µ
VF
(x)
4

Như vậy biến tốc độ có hai miền giá trị :
- Miền các giá trị ngôn ngữ :
N = { rất chậm, chậm, trung bình, nhanh, rất nhanh }
- Miền các giá trị vật lý :
V = { x∈B | x ≥ 0 }
Biến tốc độ được xác định trên miền ngôn ngữ N được gọi là biến ngôn ngữ. Với
mỗi x∈B ta có hàm thuộc:
x
→

µ
X
= {

µ
VS
(x),
µ
S
(x),
µ
M
(x),
µ
F
(x),
µ
VF
(x) }
Ví dụ hàm thuộc tại giá trị rõ x=65km/h là:
µ
X
(65) = { 0;0;0.75;0.25;0 }
1.1.4. Các phép toán trên tập mờ
Cho X, Y là hai tập mờ trên không gian nền B, có các hàm thuộc tương ứng
là
µ
X
,
µ
Y
, khi đó:
- Phép hợp hai tập mờ: X∪Y
+ Theo luật Max

µ
X
∪
Y
(b) = Max{
µ
X
(b) ,
µ
Y
(b) }
+ Theo luật Sum
µ
X
∪
Y
(b) = Min{ 1,
µ
X
(b) +
µ
Y
(b) }
+ Tổng trực tiếp
µ
X
∪
Y
(b) =
µ

X
(b) +
µ
Y
(b) -
µ
X
(b).
µ
Y
(b)
- Phép giao hai tập mờ: X∩Y
+ Theo luật Min
µ
X
∪
Y
(b) = Min{
µ
X
(b) ,
µ
Y
(b) }
VS S M F VF
0 20 40 60 65 80 100 tốc độ
µ
1
0.75
0.25

Hình 4.2:
5
+ Theo luật Lukasiewicz
µ
X
∪
Y
(b) = Max{0,
µ
X
(b)+
µ
Y
(b)-1}
+ Theo luật Prod
µ
X
∪
Y
(b) =
µ
X
(b).
µ
Y
(b)
- Phép bù tập mờ:
c
X
µ

(b) = 1-
µ
X
(b)
1.1.5. Luật hợp thành
1. Mệnh đề hợp thành
Ví dụ điều khiển mực nước trong bồn chứa, ta quan tâm đến 2 yếu tố:
+ Mực nước trong bồn L = {rất thấp, thấp, vừa}
+ Góc mở van ống dẫn G = {đóng, nhỏ, lớn}
Ta có thể suy diễn cách thức điều khiển như thế này:
Nếu mực nước = rất thấp Thì góc mở van = lớn
Nếu mực nước = thấp Thì góc mở van = nhỏ
Nếu mực nước = vừa Thì góc mở van = đóng
Trong ví dụ trên ta thấy có cấu trúc chung là “Nếu A thì B”. Cấu trúc này gọi là
mệnh đề hợp thành, A là mệnh đề điều kiện, C = A
⇒
B là mệnh đề kết luận.
Định lý Mamdani:
“Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc điều kiện”
Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề suy diễn có dạng tổng
quát như sau:
If N = n
i
and M = m
i
and … Then R = r
i
and K = k
i
and ….

2. Luật hợp thành mờ
Luật hợp thành là tên gọi chung của mô hình biểu diễn một hay nhiều hàm thuộc
cho một hay nhiều mệnh đề hợp thành.
Các luật hợp thành cơ bản
+ Luật Max – Min
+ Luật Max – Prod
6
+ Luật Sum – Min
+ Luật Sum – Prod
a. Thuật toán xây dựng mệnh đề hợp thành cho hệ SISO
Luật mờ cho hệ SISO có dạng “If A Then B”
Chia hàm thuộc
µ
A
(x) thành n điểm x
i
, i = 1,2,…,n
Chia hàm thuộc
µ
B
(y) thành m điểm y
j
, j = 1,2,…,m
Xây dựng ma trận quan hệ mờ R
R=













),( )1,(

),2( )1,2(
),1( )1,1(
ymxnyxn
ymxyx
ymxyx
RR
RR
RR
µµ
µµ
µµ
=













rnmrn
mrr
mrr
1

2 21
1 11
Hàm thuộc
µ
B’
(y) đầu ra ứng với giá trị rõ đầu vào x
k
có giá trị
µ
B’
(y) = a
T
.R , với a
T
= { 0,0,0,…,0,1,0….,0,0 }. Số 1 ứng với vị trí thứ k.
Trong trường hợp đầu vào là giá trị mờ A’ thì µ
B’
(y) là:
µ
B’
(y) = { l
1

,l
2
,l
3
,…,l
m
} với l
k
=maxmin{a
i
,r
ik
}.
b. Thuật toán xây dựng mệnh đề hợp thành cho hệ MISO
Luật mờ cho hệ MISO có dạng:
“If cd
1
= A
1
and cd
2
= A
2
and … Then rs = B”
Các bước xây dựng luật hợp thành R:
• Rời rạc các hàm thuộc
µ
A1
(x
1

),
µ
A2
(x
2
),…,
µ
An
(x
n
),
µ
B
(y)
• Xác định độ thoả mãn H cho từng véctơ giá trị rõ đầu vào x={c
1
,c
2
,…,c
n
} trong đó
c
i
là một trong các điểm mẫu của
µ
Ai
(x
i
). Từ đó suy ra
H = Min {

µ
A1
(c
1
),
µ
A2
(c
2
), …,
µ
An
(c
n
) }
7
• Lập ma trận R gồm các hàm thuộc giá trị mờ đầu ra cho từng véctơ giá trị mờ đầu
vào:
µ
B’
(y) = Min {H,
µ
B
(y)} hoặc
µ
B’
(y) = H.
µ
B
(y)

1.1.6. Giải mờ
Giải mờ là quá trình xác định giá trị rõ ở đầu ra từ hàm thuộc
µ
B’
(y) của tập mờ
B’. Có 2 phương pháp giải mờ :
1. Phương pháp cực đại
Các bước thực hiện :
- Xác định miền chứa giá trị y’, y’ là giá trị mà tại đó
µ
B’
(y) đạt Max
G = { y
∈
Y |
µ
B’
(y) = H }
- Xác định y’ theo một trong 3 cách sau :
+ Nguyên lý trung bình
+ Nguyên lý cận trái
+ Nguyên lý cận phải
• Nguyên lý trung bình: y’ =
2
21 yy +
• Nguyên lý cận trái : chọn y’ = y1
• Nguyên lý cận phải : chọn y’ = y2
2. Phương pháp trọng tâm
y1 y2
y

µ
H
G
Hình 4.3:
8
Điểm y’ được xác định là hoành độ của điểm trọng tâm miền được bao bởi trục
hoành và đường
µ
B’
(y).
Công thức xác định :
y’ =
∫
∫
S
S
(y)dy
)(
µ
µ
dyyy
trong đó S là miền xác định của tập mờ B’
♦Phương pháp trọng tâm cho luật Sum-Min
Giả sử có m luật điều khiển được triển khai, ký hiệu các giá trị mờ đầu ra của luật
điều khiển thứ k là
µ
B’k
(y) thì với quy tắc Sum-Min hàm thuộc sẽ là
µ
B’

(y) =
∑
=
m
k
kB
y
1
'
)(
µ
, và y’ được xác định :
y’ =
( )
∑
∑
∑
∫
∑
∫
∑
∫
∑
=
=
=
=
=
=
=









=






m
k
k
m
k
k
m
k
yB
m
k
kB
S
m
k

kB
S
m
k
kB
A
M
dyy
dyyy
dyy
dyyy
1
1
1
S
'
1
'
1
'
1
'
)(
)(
)(
)(
µ
µ
µ
µ

(4.1)
trong đó M
i
=
∫
S
'
)( dyyy
kB
µ
và A
i
=
∫
S
'
)( dyy
kB
µ
i=1,2,…,m

Xét riêng cho trường hợp các hàm thuộc dạng hình thang như hình trên :
M
k
=
)3333(
6
12
222
1

2
2
ambmabmm
H
++−+−
A
k
=
2
H
(2m
2
– 2m
1
+ a + b)
y
m1 m2
a b
µ
H
9
Chú ý hai công thức trên có thể áp dụng cả cho luật Max-Min
♦ Phương pháp độ cao
Từ công thức (4.1), nếu các hàm thuộc có dạng Singleton thì ta được:
y’ =
∑
∑
=
=
m

k
k
m
k
kk
H
Hy
1
1
với H
k
=
µ
B’k
(y
k
)
Đây là công thức giải mờ theo phương pháp độ cao.
1.2. Bộ điều khiển mờ
1.2.1 . Tổng quan về bộ điều khiển mờ
Trong những năm gần đây, lý thuyết logic mờ đã có nhiều áp dụng thành công
trong lĩnh vực điều khiển. Bộ điều khiển dựa trên lý thuyết logic mờ gọi là bộ điều
khiễn mờ. Trái với kỹ thuật kinh điển, kỹ thuật điều khiển mờ thích hợp với các đối
tượng phức tạp, không xác định mà người vận hành có thể điều khiển theo kinh
nghiệm. Đặc điểm của bộ điều khiển mờ là không cần biết mô hình toán học mô tả
đặc tính của hệ thống dưới dạng các phát biểu ngôn ngữ. Chất lượng của bộ điều
khiển mờ phụ thuộc rất nhiều vào kinh nghiệm của người thiết kế.
Về nguyên tắc, hệ thống điều khiển mờ cũng không có gì khác so với hệ thống
điều khiển tự động thông thường khác. Sự khác biệt ở đây là bộ điều khiển mờ làm
việc có tư duy như “bộ não” dưới dạng trí tuệ nhân tạo. Nếu khẳng định với bộ điều

khiển mờ có thể giải quyết mọi vấn đề từ trước đến nay chưa giải quyết được theo
phương pháp kinh điển thì không hoàn toàn chính xác, vì hoạt động của bộ điều
khiển phụ thuộc vào kinh nghiệm và phương pháp rút ra kết luận theo tư duy con
người, sau đó được cài đặt vào máy tính dựa trên cơ sở logic mờ.
Bộ điều khiển mờ có thể dùng trong các sơ đồ điều khiển khác nhau. Sau đây là
3 sơ đồ điều khiển thường gặp:
+ Điều khiển trực tiếp
10
Bộ điều khiển mờ được dùng trong đường thuận (forward path) của hệ thống
điều khiển nối tiếp. Tín hiệu ra của đối tượng điều khiển được so sánh với tín hiệu
đặt, nếu có sai lệch thì bộ điều khiển mờ sẽ xuất tín hiệu tác động vào đối tượng
nhằm mục đích làm sai lệch giảm về 0. Đây là sơ đồ điều khiển rất quen thuộc,
trong sơ đồ này, bộ điều khiển mờ được dùng để thay thế bộ điều khiển mờ kinh
điển.
+ Điều khiển bù nhiễu:
• Sơ đồ điều khiển này nhằm mục đích bù ảnh hưởng của nhiễu đo được. Điều
này cần mô hình chính xác, nhưng nếu việc xây dựng mô hình quá khó khăn
hoặc đắt tiền thì có thể dùng mô hình mờ. Hình 2.2 trình bày hệ thống điều
khiển với bộ điều khiển kinh điển và bộ bù nhiễu mờ ( fuzzy compensator). Khi
bỏ qua ngõ vào nhiễu, hệ thống trên có thể xem là sự kết hợp tác động điều
khiển tuyến tính và phi tuyến; bộ điều khiển có thể là bộ điều khiển PID và bộ
điều khiển mờ F đóng vai trò bộ điều khiển phi tuyến phụ
11
+ Điều khiển thích nghi:
Các qui tắc mờ cũng có thể dùng để hiệu chỉnh thông số của bộ điều khiển tuyến
tính trong sơ đồ điều khiển thích nghi. Nếu một đối tượng phi tuyến thay đổi điểm
làm việc, để chất lượng điều khiển tốt thì thông số của bộ điều khiển phải thay đổi
theo. Hình sau là sơ đồ điều khiển thích nghi với bộ giám sát mờ.
1.2.2. Cấu trúc một bộ điều khiển mờ
Một bộ điều khiển mờ gồm 3 khâu cơ bản:

12
+ Khâu mờ hoá
+ Thực hiện luật hợp thành
+ Khâu giải mờ
Xét bộ điều khiển mờ MISO sau, với véctơ đầu vào X =
[ ]
T
n
uuu
21

Hình 4.4:
Bộ điều khiển mờ cơ bản có ba khối chức năng là mờ hóa, hệ luật và giải mờ.
Thực tế trong một số trường hợp khi ghép bộ điều khiển mờ vào hệ thống điều
khiển cần thêm hai khối tiền xử lý và hậu xử lý. Chức năng của từng khối trong sơ
đồ trên được mô tả sau đây:
X
y’
R
1
If … Then…
R
n
If … Then …
H
1
H
n

13

+ Tiền xử lý:
Tín hiệu vào bộ điều khiển thường là tín hiệu rõ từ các mạch đo, bộ tiền xử lý có
chức năng xử lý các giá trị đo này trước khi đưa vào bộ điều khiển mờ cơ bản.
Bộ điều khiển mờ cơ bản là bộ điều khiển tĩnh. Để có thể điều khiển động, cần có
thêm các tín hiệu vi phân, tích phân của giá trị đo, những tín hiệu này được tạo ra
bởi các mạch vi phân, tích phân trong khối tiền xử lý. Các tín hiệu ra của bộ tiền xử
lý sẽ được đưa vào bộ điều khiển mờ cơ bản và cần chú ý rằng các tín hiệu này vẫn
là giá rõ.
+ Bộ điều khiển mờ cơ bản:
Mờ hóa :là khối đầu tiên bên trong bộ điều khiển mờ cơ bản, khối này có chức
năng biến đổi giá trị rõ sang giá trị ngôn ngữ, hay nói cách khác là sang tập mờ, vì
hệ luật có thể suy diễn trên các tập mờ.
Hệ luật: hệ luật mờ có thể xem là mô hình toán học biểu diễn tri thức , kinh nghiệm
của con người trong việc giải quyết bài toán dưới dạng các phát biểu ngôn ngữ. Hệ
luật mờ gồm các luật có dạng nếu – thì , trong đó mệnh đề điều kiện và mệnh đề
kết luận của mỗi qui tắc là các mệnh đề mờ liên quan đến một hay nhiều biến ngôn
ngữ. Điều này có nghĩa là bộ điều khiển mờ có thể áp dụng để giải các bài toán
điều khiển một ngõ vào một ngõ ra (SISO) hay nhiều ngõ vào nhiều ngõ ra
(MIMO).
Phương pháp suy diễn: Suy diễn là sự kết hợp các giá trị ngôn ngữ của ngõ vào sau
khi mờ hoá với hệ luật để rút ra kết luận giá trị mờ của ngõ ra. Hai phương pháp
suy diễn thường dùng trong điều khiển lá MAX-MIN và MAX – PROD.
Giải mờ: Kết quả suy diễn bởi hệ luật là giá trị mờ, các giá trị mờ này cần được
chuyển đổ thành giá trị rõ để điều khiển đối tượng.
14
+ Hậu xử lý :
Trong trường hợp các giá trị ở ngõ ra của các luật được định nghĩa trên tập cơ sở
chuẩn thì giá trị rõ sau khi giải mờ phải được nhân với một hệ số tỉ lệ để trở thành
giá trị vật lý.
Hậu xử lý thường gồm các mạch khuếch đại ( có thể chỉnh độ lợi), đôi khi khối hậu

xử lý có thể có khâu tích phân.
Mờ hóa
Mờ hóa có nghĩa là dùng những hàm liên thuộc của các biến ngôn ngữ để tính mức
độ phụ thuộc cho từng tập mờ đối với một giá trị cụ thể của đầu vào. Trước tiên,
xác định ngõ vào và ra của hệ thống. Sau đó định nghĩa luật Nếu – Thì , dùng dữ
liệu để suy ra 1 hàm liên thuộc. Mờ hóa là bước đầu tiên trong quá trình tính toán
của hệ mờ. Kết quả của nó được dùng làm đầu vào để tính các luật mờ.
+ Luật mờ :
Hầu hết các hệ thống hoạt động dựa trên nền tảng logic mờ đều dùng luật để biểu
diễn mối quan hệ giữa các biến ngôn ngữ và để rút ra hành động tương ứng đối với
đầu vào. Một luật bao gồm hai phần : phần điều kiện ( nếu ) và phần kết luận ( thì ).
Phần điều kiện có thể gồm nhiều điều kiện, kết hợp với nhau bằng các liên từ như
và (and) , hoặc Or …
+ Suy luận mờ
Việc tính toán các luật mờ được gọi là suy luận mờ, bao gồm hai bước chính. Tính
từng luật : xét riêng lẻ từng luật mờ, dựa trên hàm liên thuộc của các tập mờ đầu
vào và liên từ kết hợp chúng để tạo ra độ phụ thuộc chung cho các đầu vào, và
cũng là kết quả của riêng luật đó. Thông thường người ta tính AND bằng phép lấy
15
min và OR bằng phép lấy max, điều này nhằm làm giản đơn các phép tính trong
các ứng dụng điều khiển nhỏ.
+ Tổng hợp luật dựa trên kết quả của từng luật đã tính ở trên, người ta tổng hợp
chúng lại để có kết quả cuối cùng của các tập mờ đầu ra. Phương pháp thường dùng
trong bước này là Max-Min hay Max-Prod.
Hiện nay, trong điều khiển mờ người ta có thể áp dụng một trong hai loại qui tắc
điều khiển: qui tắc Mandani và qui tắc mờ Sugeno.
1.2.3. Nguyên lý điều khiển mờ

♦ Các bước thiết kế hệ thống điều khiển mờ.
+ Giao diện đầu vào gồm các khâu: mờ hóa và các khâu hiệu chỉnh như tỷ lệ,

tích phân, vi phân …
+ Thiếp bị hợp thành : sự triển khai luật hợp thành R
Hình 4.5:
e
µ
B
y’
luật điều khiển
Giao diện
đầu vào
Giao diện
đầu ra
Thiết bị
hợp thành
X
e
u
y
BĐK MỜ
ĐỐI TƯỢNG
THIẾT BỊ ĐO
16
+ Giao diện đầu ra gồm : khâu giải mờ và các khâu giao diện trực tiếp với đối
tượng.
1.2.4. Thiết kế bộ điều khiển mờ
• Các bước thiết kế:
B1: Định nghĩa tất cả các biến ngôn ngữ vào/ra.
B2: Xác định các tập mờ cho từng biến vào/ra (mờ hoá).
+ Miền giá trị vật lý của các biến ngôn ngữ.
+ Số lượng tập mờ.

+ Xác định hàm thuộc.
+ Rời rạc hoá tập mờ.
B3: Xây dựng luật hợp thành.
B4: Chọn thiết bị hơp thành.
B5: Giải mờ và tối ưu hoá.
• Những lưu ý khi thiết kế BĐK mờ
- Không bao giờ dùng điều khiển mờ để giải quyết bài toán mà có thể dễ dàng
thực hiện bằng bộ điều khiển kinh điển.
- Không nên dùng BĐK mờ cho các hệ thống cần độ an toàn cao.
- Thiết kế BĐK mờ phải được thực hiện qua thực nghiệm.
• Phân loại các BĐK mờ
i. Điều khiển Mamdani (MCFC)
ii. Điều khiển mờ trượt (SMFC)
iii. Điều khiển tra bảng (CMFC)
iv. Điều khiển Tagaki/Sugeno (TSFC)
17
CHƯƠNG 2. ỨNG DỤNG LOGIC MỜ VÀO BÀI TOÁN
MÁY GIẶT
Ngày nay nhiều trang thiết bị được nhúng trong vào trong nó lôgic mờ để cho
việc sử dụng nó dễ hơn, tiện lợi hơn. Chúng ta có thể tìm thấy lôgic mờ trong
những camera, những nồi cơm điện, những máy hút bụi, …. Như vậy ta có thể có
một ý tưởng rằng chúng đã được làm như thế nào, chúng ta sẽ xem mô hình được
đơn giản hóa này của một máy giặt ứng dụng logic mờ.
Khi sử dụng một máy giặt, việc lựa chọn thời gian giặt dựa vào số lượng quần
áo, kiểu và độ bẩn mà quần áo có. Để tự động hóa quá trình này, chúng ta sử dụng
những phần tử sensors để phát hiện ra những tham số này ( ví dụ: thể tích quần áo,
độ và kiểu chất bẩn). Thời gian giặt được xác định từ dữ liệu này. Không may,
không dễ có cách công thức hóa một mối quan hệ toán học chính xác giữa thể tích
quần áo và độ bẩn và thời gian giặt. Chúng ta giải quyết vấn đề thiết kế này bằng
cách sử dụng lôgic mờ.

2.1. Hoạt động của máy giặt
Quy trình lưu chuyển nước và chất tải rửa trong máy giặt:
- Nước nóng và nước lạnh đi đến khay đựng chất bẩn trong máy giặt
- Nước hoà với chất tẩy rửa và đi vào trong thùng của máy giặt
- Thông qua các lỗ nhỏ của thùng máy,nước được đưa xuống đáy của máy
- Bộ phận đun sôi nước
- Động cơ sẽ hoạt động khi nước đạt nhiệt độ cần thiết và động cơ làm quay thùng
trong máy để bắt đầu quá trình giặt
- Thùng quay máy quay về phía trước và sau hoà trộn nước xà phòng với quần áo
- Máy bơm đưa nước bẩn ra ngoài
Sau khi giặt sạch quần áo, thùng máy sẽ quay với tốc độ khoảng 1.400 vòng một
phút để thực hiện công đoạn vắt khô. Trên bề mặt của thùng máy có hàng trăm lỗ
nhỏ để khi quay với tốc độ cao, nước có thể từ đó thoát ra ngoài. Đa số các máy
18
giặt hiện nay trong quá trình giặt đã tự đưa 2/3 lượng nước ra ngoài, vì thế khi vắt
khô sẽ chỉ tốn ít năng lượng.
2.2. Bộ điều khiển mờ của máy giặt
Chúng ta xây dựng hệ thống mờ như sau:
Có hai trị nhập vào :
( 1) Một cho độ bẩn trên quần áo
( 2) Một cho loại chất bẩn trên quần áo.
Hai đầu vào này thu được từ phần tử sensors quang học. Độ bẩn được xác định bởi
sự trong suốt của nước. Mặt khác, loại chất bẩn được xác định từ sự bão hòa, thời
gian nó dùng để đạt đến sự bão hòa. Quần áo dầu mỡ chẳng hạn cần lâu hơn cho sự
trong suốt nước để đạt đến sự bão hòa bởi vì mỡ là chất ít hòa tan trong nước hơn
những dạng khác của chất bẩn. Như vậy một hệ thống phần tử sensors khá tốt có
thể cung cấp những input cần thiết được nhập vào cho bộ điều khiển mờ của chúng
ta.
Những giá trị cho độ bẩn và loại chất bẩn là đã được chuẩn hóa ( phạm vi từ 0 tới
100) được cho bởi giá trị phần tử sensors.

Với biến ngôn ngữ Độ bẩn có các tập mờ
Bẩn ít (D.Small)
Bẩn vừa (D.Medium)
Bẩn nhiều (D.Large)
Với biến ngôn ngữ loại chất bẩn có các tập mờ
Mỡ ít (K.NotGreasy)
Mỡ vừa (K.Medium)
Mỡ nhiều (K.Greasy)
Với biến ngôn ngữ kết luận xác định thời gian giặt có các tập mờ
Giặt rất ngắn (T.VeryShort)
Giặt ngắn (T.Short)
Giặt vừa (T.Medium)
19
Giặt lâu (T.Long)
Giặt rất lâu (T.Very Long)
2.2.1 Tập luật
Quyết định làm cho khả năng một mờ là bộ điều khiển được lập luật trong một tập
hợp những quy tắc. Nói chung, những quy tắc là trực giác và dễ hiểu,
Một quy tắc trực giác tiêu biểu như sau :
Nếu thời gian bão hòa lâu và sự trong suốt ít thì thời gian giặt cần phải lâu.
Từ những sự kết hợp khác nhau của những luật đó và những điều kiện khác, chúng
ta viết những quy tắc cần thiết để xây dựng bộ điều khiển máy giặt.
Gọi x: chỉ Độ bẩn (0 <= x <= 100)
y: chỉ Loại chất bẩn (0 <= y <= 100)
z: Thời gian giặt (0 <= z <= 60)
Nếu x lớn và y nhiều thì z là rất lâu
Nếu x vừa và y nhiều thì z là lâu
Nếu x nhỏ và y nhiều thì z là lâu
Nếu x lớn và y vừa thì z là lâu
Nếu x vừa và y vừa thì z là vừa

Nếu x nhỏ và y vừa thì z là vừa
Nếu x lớn và y ít thì z là vừa
Nếu x vừa và y ít thì z là ngắn
Nếu x nhỏ và y ít thì z là rất ngắn
bẩn ít bẩn vừa bẩn nhiều
mỡ ít T.G rất ngắn T.G ngắn T.G vừa
mỡ vừa T.G vừa T.G vừa T.G dài
20
mỡ nhiều T.G dài T.G dài T.G rất dài
2.2.2. Hàm thành viên
Hàm thành viên của Độ bẩn:
D.Small(x) = [ 1-x/50 nếu 0 <= x <= 50
0 nếu 50 <= x <= 100]
D.Medium(x) = [ x/50 nếu 0 <= x <= 50
2-x/50 nếu 50 <= x <= 100]
D.Large(x) = [ 0 nếu 0 <= x <= 50
x/50 –1 nếu 50 <= x <= 100]
Hàm thành viên của Loại chất bẩn:
K.NotGreasy(y) = [ 1-y/50 nếu 0 <= y <= 50
0 nếu 50 <= y <= 100]
K.Medium(y) = [ y/50 nếu 0 <= y <= 50
2-y/50 nếu 50 <= y <= 100]
K.Greasy(y) = [ 0 nếu 0 <= y <= 50
y/50 –1 nếu 50 <= y <= 100]
Hàm thành viên của kết luận cho từng luật:
T.VeryShort(z) = [
1 nếu 0 <= z <= 4
(18-z)/14 nếu 4 <= z <= 18
0 nếu 18 <= z <= 60
]

T. Short(z) = [
0 nếu 0 <= z <= 4
(z-4)/14 nếu 4 <= z <= 18
(32-z)/14 nếu 18 <= z <= 32
21
0 nếu 32 <= z <= 60
]
T.Medium(z) = [
0 nếu 0 <= z <= 18
(z-18)/14 nếu 18 <= z <= 32
(46-z)/14 nếu 32 <= z <= 46
0 nếu 46 <= z <= 60
]
T.Long(z) = [
0 nếu 0 <= z <= 32
(z-32)/14 nếu 32 <= z <= 46
(60-z)/14 nếu 46 <= z <= 60
]
T.VeryLong(z) = [
0 nếu 0 <= z <= 46
(z-46)/14 nếu 46 <= z <= 60
]
22
23
24
Nếu nhập trị input x0 =40 (Độ bẩn), y0=60 (loại chất bẩn)
µD
.Small
(x0) = 1/5
µD

.Medium
(x0) = 4/5
µD
.Large
(x0) = 0
25