KHOA ĐIỆN – ĐIỆN TỬ
HỆ THỐNG ĐIỀU KHIỂN
THÔNG MINH
NHẬN DẠNG HỆ PHI TUYẾN
6.1. Giới thiệu
Nhận dạng hệ thống là xây dựng mơ hình tốn của hệ
thống dựa trên dữ liệu quan sát được. Q trình giải bài
tốn nhận dạng hệ thống là quá trình lặp theo sơ đồ.
Hình 6.1: Cấu trúc mơ hình phi tuyến
Các vấn đề cần giải quyết trong bài toán nhận
dạng
1. THÍ NGHIỆM THU THẬP DỮ LIỆU
Để có thể nhận dạng được mơ hình tính tốn của hệ thống
cần:
Chọn tín hiệu thử có biên độ và băng thơng thích hợp đặt
vào các ngõ vào.
Quan sát đáp ứng ở các ngõ ra của hệ thống.
Các vấn đề cần giải quyết trong bài toán nhận
dạng
2. CHỌN CẤU TRÚC MƠ HÌNH
Vấn đề quan trọng nhất và khó nhất trong các bước nhận
dạng hệ thống, chia làm 3 bài tốn nhỏ:
Chọn loại mơ hình.
Chọn bậc của mơ hình.
Làm thế nào để thơng số hóa mơ hình để các thuật tốn
ước lượng cho kết quả tốt nhất.
Các vấn đề cần giải quyết trong bài toán nhận
dạng
3. ƯỚC LƯỢNG THƠNG SỐ
Giải một bài tốn tối ưu hóa để tìm thơng số mơ hình sao
cho tối thiểu một hàm xác định dương đánh giá sai lệch
giữa tín hiệu ra của bộ dự báo và tín hiệu ra thực nghiệm
Các vấn đề cần giải quyết trong bài toán nhận
dạng
4. ĐÁNH GIÁ MƠ HÌNH
Đánh giá chất lượng của mơ hình vừa nhận dạng: 2 PP
Đánh giá chéo: khảo sát khả năng tái tạo đáp ứng của hệ
thống với một tập dữ liệu mới không dung ở bước ước
lượng thơng số bắng cách mơ phỏng với tín hiệu vào mới
và so sánh tín hiệu ra mơ phỏng với tín hiệu ra thực
nghiệm.
Phân tích thặng dư: nếu mơ hình nhận dạng được có chất
lượng tốt thì tương quan giữa thặng dư và tín hiệu vào phải
xấp xỉ bằng 0.
6.2. Nhận dạng hệ phi tuyến
Đối tượng:
Dữ liệu:
Mơ hình:
Phân loại mơ hình phi tuyến
Phân loại theo các phần tử hồi qui:
Phân loại mơ hình phi tuyến
Phân loại theo bộ cấu trúc hàm phi tuyến:
Mơ hình mờ: Mamdani, Sugeno
Mơ hình mạng thần kinh: MLP, RBF
Mơ hình lai mạng thần kinh mờ: ANFIS
6.3. Nhận dạng hệ phi tuyến dung mơ hình mờ
Sơ đồ khối dự báo mờ
• Qui tắc mờ mơ tả đặc tính động học của đối tượng phi tuyến:
• Bộ dự báo:
• Vector tham số:
6.4 Nhận dạng hệ phi tuyến dùng mơ hình mạng thần kinh
Mạng thần kinh là cấu trúc mơ hình phi tuyến được ưu tiên chọn
lựa để mơ hình hóa hệ thống khi biết rất ít thơng tin về đối
tượng.
Mạng thần kinh có tính linh hoạt rất cao.
o
Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP)
o
Nhận dạng dùng mạng hàm cơ sở xuyên tâm (RBF)
6.4.1 Nhận dạng dùng mạng truyền thẳng nhiều lớp (MLP)
Sơ đồ khối bộ dự báo dùng mạng thần kinh MLP
•
Tín hiệu ngõ ra lớp ẩn:
•
Bộ dự báo:
•
Vector tham số:
Khi sử dụng mạng thần kinh để nhận dạng hệ thống cần phải quan tâm
chọn cấu hình mạng:
•
Số tế bào thần kinh ở lớp vào: phụ thuộc vào số phần tử hồi quy.
•
Số tế bào thần kinh ở lớp ẩn: phụ thuộc vào tính phi tuyến của đối
tượng cần nhận dạng.
•
Hàm tác động của tế bào thần kinh ở lớp ẩn: hàm Gauss là chọn lựa
đầu tiên, tùy trường hợp có thể các hàm khác sẽ có kết quả tốt hơn.
Xây dựng mơ hình càng đơn giản càng tốt.
6.4.2 Nhận dạng dùng mạng hàm cơ sở xuyên tâm (RBF)
Mạng hàm cơ sở xuyên tâm RBF là một trướng hợp riêng của mạng thần kinh, do đó
cơ sở lý thuyết ở phần trước cũng có thể áp dụng để giải bài tốn nhận dạng hệ thống
dung mạng RBF.
Ví dụ: Nhận dạng hệ lò xo:
Phương trình vi phân tuyến tính:
Trong đó:
u(t) là lực kéo (tín hiệu vào)
y(t) là vị trí xe (tín hiệu vào)
M = 1kg : khối lượng xe
b = 0,2 : hệ số ma sát nhớt
k1 = 0,5; k2 = 0,5 : độ cứng của lò xo
Dữ liệu nhập dạng mơ hình
Dữ liệu đánh giá mơ hình
Hai dữ liệu vào ra của hệ lị xo
Ta chọn cấu hình mạng RBF để nhận dạng hệ lị xo như sau:
•
8 ngõ vào: u(t-1), u(t-2), u(t-3), y(t-1), y(t-2), …., y(t-5)
•
1 ngõ vào: y(t)
•
Số hàm cơ sở xuyên tâm: 100
Phân tích thặng dư
Đánh giá chéo
Kết quả đánh giá mơ hình sau khi nhận dạng, độ phù hợp của mơ hình khi phân tích thặng dư và
đánh giá chéo tương ứng là 98,97% và 94,22%