Tiểu luận cuối khóa hệ thống điều khiển thông minh

Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (3.26 MB, 71 trang )

Trang 1<div class="page_container" data-page="1">

BỘ CÔNG THƯƠNG

TRƯỜNG ĐẠI HỌC CƠNG THƯƠNG TP. HỒ CHÍ MINH KHOA CƠNG NGHỆ ĐIỆN – ĐIỆN TỬ

</div>Trang 2<div class="page_container" data-page="2">

MỤC LỤC

CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN THÔNG MINH ... 1

1.1. Điều khiển thông thường và điều khiển thông minh ... 1

1.1.1.Điều khiển thông thường ... 1

1.1.2.Điều khiển thông minh ... 1

1.2. Ưu và khuyết điểm điều khiển bằng phương pháp thông thường ... 2

1.2.1. Ưu điểm của điều khiển thông thường: ... 2

1.2.2. Khuyết điểm của điều khiển thông thường: ... 2

1.3. Khái niệm về điều khiển thông minh. ... 3

1.4. Các cấp độ của điều khiển thông minh. ... 5

1.5. Các yếu tố quyết định cấp độ thông minh ... 5

1.6. Đặc điểm của hệ thống điều khiển thông minh. ... 6

1.7. Khả năng học và thích nghi ... 7

1.8. Khả năng suy luận ... 7

1.9. Tính tối ưu ... 8

1.10. Tính tự chủ ... 8

1.11. Cấu trúc của hệ thống điều khiển thông minh ... 8

1.12. Các lĩnh vực liên quan đến điều khiển thông minh ... 9

1.13. Hướng nghiên cứu điều khiển thông minh ... 12

1.13.1. Điều khiển thông minh là một lĩnh vực nghiên cứu riêng biệt ... 12

1.13.2. Hướng nghiên cứu điều khiển thông minh ... 12

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP ĐIỀU KHIỂN ... 14

2.1. Giới thiệu phương pháp điều khiển mờ ... 14

2.2. Các ứng dụng của phương pháp điều khiển mờ ... 14

2.3. Khái niệm tập hợp mờ ... 15

2.4. Định nghĩa tập hợp mờ ... 16

</div>Trang 4<div class="page_container" data-page="4">

CHƯƠNG 4: ỨNG DỤNG CỦA HỆ THỐNG ĐIỀU KHIỂN THÔNG MINH ĐIỀU

KHIỂN GIỮ CÂN BẰNG CON LẮC NGƯỢC ... 44

4.1. Mô tả đối tượng ... 45

4.2. Mơ hình hóa đối tượng... 46

4.3. Thiết kế bộ điều khiển ... 46

4.4. Kết quả mô phỏng ... 60

KẾT LUẬN ... 62

TÀI LIỆU THAM KHẢO ... 63

</div>Trang 5<div class="page_container" data-page="5">

DANH MỤC HÌNH ẢNH

Hình 1. 1 Các yếu tố cấu thành sự thơng minh và liên hệ giữa chúng ... 4

Hình 1. 2 Cấu trúc chức năng bộ điều khiển thông minh ... 9

Hình 1. 3 Các kỹ thuật điều khiển thơng minh... 10

Hình 2. 2 Điều khiển mực nước chất lỏng dùng Logic kinh điển ... 14

Hình 2. 3 Điều khiển mực chất lỏng dùng Logic mờ ... 14

Hình 2. 4 Các cơ sở tốn học của phương pháp điều khiển mờ ... 15

Hình 2. 5 Tập rõ và tập mờ ... 15

Hình 2. 6 Hàm liên thuộc mơ tả tập mờ ... 16

Hình 2. 7 Các hàm liên thuộc ... 17

Hình 2. 8 Hàm liên thuộc của hai tập mờ mô tả hai giá trị ngôn ngữ “ cao”, “thấp” ... 21

Hình 2. 9 Giao của hai tập mờ dùng tốn tử MIN ... 21

Hình 2. 10 Hợp của hai tập mờ dùng tốn tử MAX ... 21

Hình 2. 16 Pp cận phải (ROM) cực đại ... 27

Hình 2. 17 Pp trung bình của giá trị cực đại ... 27

Hình 2. 18 Phương pháp giải mờ dựa vào trọng tâm ... 27

Hình 2. 19 Mặt đặt tính phi tuyến và tuyến tính ... 28

Hình 2. 20 Quan hệ giữa các mặt đặc tính và điểm đặc tính ... 29

Hình 3. 1 Bộ não con người ... 30

Hình 3. 2 Mạng thần kinh nhân tạo ... 31

Hình 3. 3 Tế bào thần kinh ... 31

Hình 3. 4 Các dạng hàm tác động ... 33

Hình 3. 5 Mạch thần kinh nhân tạo ... 34

Hình 3. 6 Học có giám sát ... 35

</div>Trang 6<div class="page_container" data-page="6">

Hình 3. 7 Học có củng cố... 35

Hình 3. 8 Học khơng có giám sát ... 35

Hình 3. 9 Sơ đồ huấn luyện của tế bào thần kinh ... 36

Hình 3. 10 Mạng truyền thẳng một lớp... 36

Hình 3. 11 Thuật toán học sửa sai huấn luyện percepton ... 37

Hình 3. 12 Các bước của thuật tốn học ... 37

Hình 3. 13 Adaline và mạng tuyến tính ... 38

Hình 3. 14 Mạng truyền thẳng nhiều lớp ... 40

Hình 3. 15 Mạng truyền thẳng 3 lớp ... 40

Hình 4. 1 Hệ con lắc ngược ... 45

Hình 4. 2 Điều chỉnh chế độ và thời gian lấy mẫu ... 47

Hình 4. 3 Hồn thiện khối mơ tả tích phân của 2 phương trình ... 49

Hình 4. 4 Nhập phương trình và số liệu ... 49

Hình 4. 5 Hệ xe con lắc sử dụng giải thuật fuzzy ... 51

Hình 4. 6 Sơ đồ điều khiển hệ con lắc ngược ... 51

Hình 4. 7 Tập mờ chuẩn hóa biến vào ... 52

Hình 4. 8 Tập mờ chuẩn hóa biến ra ... 52

Hình 4. 9 81 quy tắc mờ ... 53

Hình 4. 10 Vào fuzzy và khai báo các input và output ... 53

Hình 4. 11 Mặt phẳng quan hệ giữa x, x_dot ... 57

Hình 4. 12 Mặt phẳng quan hệ giữa theta, theta_dot ... 57

Hình 4. 13 Nhập 81 quy tắc mờ ... 58

Hình 4. 14 Kết quả mô phỏng ... 60

</div>Trang 7<div class="page_container" data-page="7">

LỜI MỞ ĐẦU

Trong thế kỷ 21 hiện nay, việc ứng dụng các hệ thống tự động hóa và điều khiển đã trở thành một phần không thể tránh khỏi trong nhiều lĩnh vực công nghiệp và kỹ thuật. Điều khiển các quá trình động không ổn định như con lắc ngược đã trở thành một thách thức lớn đối với các nhà nghiên cứu và kỹ sư. Để giải quyết vấn đề này, việc áp dụng các phương pháp điều khiển thông thường thường gặp như PID đã trở nên không đủ hiệu quả. Trong bối cảnh này, việc phát triển và tối ưu hóa các hệ thống điều khiển mờ (Fuzzy Control) đã trở thành một hướng nghiên cứu quan trọng.

Đề tài nghiên cứu này tập trung vào việc thiết kế bộ điều khiển mờ PID cho con lắc ngược, một hệ thống không ổn định và nhạy cảm đòi hỏi một hệ thống điều khiển linh hoạt và chính xác. Bằng cách kết hợp giữa các thuật toán điều khiển mờ và điều khiển PID, chúng tơi đặt ra mục tiêu tối ưu hóa hiệu suất của con lắc ngược dưới các điều kiện biến động và khơng chắc chắn.

Ngồi ra, trong đề tài này, chúng tôi cũng tập trung vào việc nghiên cứu các phương pháp đánh giá và so sánh hiệu quả của bộ điều khiển mờ PID được đề xuất so với các phương pháp điều khiển truyền thống khác. Chúng tôi hy vọng rằng các kết quả từ nghiên cứu này sẽ cung cấp các thơng tin hữu ích và cần thiết cho cộng đồng nghiên cứu và người làm kỹ sư trong lĩnh vực điều khiển và tự động hóa.

</div>Trang 8<div class="page_container" data-page="8">

DANH MỤC VIẾT TẮT

</div>Trang 9<div class="page_container" data-page="9">

CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN THÔNG MINH

1.1. Điều khiển thông thường và điều khiển thông minh

1.1.1. Điều khiển thông thường

Hệ thống điều khiển thông thường hiện nay được thiết kế dựa vào mơ hình toán học của hệ thống vật lý. Bằng kỹ thuật mơ hình hóa và/hoặc nhận dạng hệ thống, một mơ hình tốn học mơ tả đặc tính động học của đối tượng điều khiển được đưa ra. Mô hình tốn học của hệ thống phải “đủ đơn giản” để có thể phân tích bằng lý thuyết điều khiển thơng thường hiện có, và “đủ chính xác” để có thể mơ tả được các đặc điểm động học quan trọng của đối tượng, đặc biệt là trong miền lân cận điểm làm việc. Sau khi đã chọn được mơ hình tốn học mơ tả đối tượng, các kỹ thuật thiết kế dựa vào mơ hình được áp dụng để đưa ra mơ hình tốn học của bộ điều khiển thích hợp. Lý thuyết tốn học cơ sở và các phương pháp điều khiển đã phát triển không ngừng trong thời gian qua để đáp ứng nhu cầu điều khiển

đối tượng ngày càng phức tạp với yêu cầu chất lượng ngày càng cao.

Lý thuyết điều khiển truyền thống dùng các mơ hình tốn học như phương trình vi phân và phương trình sai phân, theo đó các phương pháp và thủ tục thiết kế phân tích và kiểm nghiệm hệ thống điều khiển đã được phát triển. Tuy nhiên, các phương pháp này chỉ ứng dụng được trong một lớp nhỏ các mơ hình (mơ hình tuyến tính và một số dạng đặc biệt của mơ hình phi tuyến) và thường khơng ứng dụng được nếu khơng tìm ra được mơ hình cũa đối tượng hay q trình điều khiển. Ngay khi có được mơ hình chi tiết trên ngun tắc thì vẩn chưa có được phương pháp thiết kế nhanh và luôn cần đến việc mơ hình hóa tỉ mỉ, nên

cần phát triển các hướng khác trong thiết kế. 1.1.2.Điều khiển thông minh

Thuật ngữ “Điều khiển thông minh” đã được giới thiệu trong khoảng ba thập niên với các phương pháp điều khiển có mục tiêu tham vọng hơn so với các hệ thống truyền thống. Trong khi hệ thống truyền thống thường cần các chi tiết dù nhiều dù ít về quá trình điều khiển thì hệ thống điều khiển thơng minh có thể điều khiển một cách tự chủ các hệ thống phức tạp, các quá trình chưa được hiểu biết nhiều thí dụ như về mục tiêu điều khiển. Hệ thống này còn hoạt động được khi hệ thống có sự thay đổi về tham số hay môi trường điều khiển, thông qua quá trình học từ kinh nghiệm, tiếp thu và tổ chức kiến thức về môi trường xung quanh và hành vi sắp tới của hệ thống. Các mục tiêu đầy tham vọng này, xuất phát từ mong muốn bắt chước khả năng tuyệt vời của não bộ con người, mà thực ra cho đến giờ

</div>Trang 10<div class="page_container" data-page="10">

này thì chưa có hệ thống điều khiển thơng minh nào là có thể đạt tới được. Hiện này, ý niệm “thông minh” thường được dùng cho để chỉ một số kỹ thuật có cội nguồn là lĩnh vực trí tuệ nhân tạo (artificial intelligence AI), có mục tiêu là bắt chước một số phần tử cơ bản của trí tuệ như lý luận (reasoning), học (learning), v.v,.. Trong đó phải kể đến mạng nơrơn nhân tạo, hệ chun gia, hệ logic mờ, mơ hình định tính, thuật tốn di truyền và nhiều tổ hợp từ các phương pháp này. Trong một số trường hợp, các kỹ thuật này đã thực sự đóng góp cho hệ thống một số khả năng thơng minh, cịn các trường hợp khác thì chỉ đơn thuần là phương tiện biểu diễn các luật điều khiển phi tuyến, mơ hình của q trình điều khiển hay các yếu tố bất định. Trường hợp sau tuy khơng đóng góp một cách rõ ràng vào mức độ thơng minh của hệ thống, nhưng các phương pháp trên vẫn rất hữu ích. Chúng đã làm phong phú hóa lĩnh vực điều khiển thông qua các sơ đồ biểu diễn khác nhằm có được các thơng tin đặc thù từ đối tượng điều khiển mà các phương pháp truyền thống khơng thể có được trên cơ sở của hệ phương trình vi phân và sai phân. Tài liệu này quan tâm đến hay công cụ quan trọng là hệ thống điều khiển mờ và mạng nơrôn. Điều khiển mờ là một thí dụ về các biểu diễn kiến thức con người qua các luật cùng quá trình diễn dịch tương ứng. Mạng nơrơn nhân tạo có thể thực hiện được tác động học phức tạp và nhiệm vụ thích ứng bằng cách bắt chước chức năng của hệ thống nơrôn sinh học.

1.2. Ưu và khuyết điểm điều khiển bằng phương pháp thông thường 1.2.1. Ưu điểm của điều khiển thông thường:

- Đơn giản và rẻ tiền: Hệ thống điều khiển thông thường thường dễ dàng triển khai và rất phổ biến trong các ứng dụng đòi hỏi độ ổn định và độ chính xác khơng cao.

- Ổn định: Điều khiển thông thường thường đáp ứng tốt trong các ứng dụng mà không cần sự can thiệp thường xuyên của con người. Điều này làm cho nó thích hợp cho các hệ thống ổn định và có tính ứng dụng cao.

- Khả năng đối phó với nhiễu: Hệ thống điều khiển thơng thường thường có khả năng đối phó với nhiễu và sai số trong quá trình hoạt động.

1.2.2. Khuyết điểm của điều khiển thơng thường:

- Khả năng thích ứng hạn chế: Hệ thống điều khiển thông thường thường khơng thể thích ứng tự động với các biến đổi trong điều kiện hoạt động hoặc yêu cầu. Điều này có thể làm giảm hiệu suất và độ chính xác của hệ thống trong mơi trường thay đổi.

</div>Trang 11<div class="page_container" data-page="11">

- Khó khăn trong việc điều chỉnh và tinh chỉnh: Để đạt được hiệu suất tốt, các hệ thống điều khiển thông thường thường cần phải được điều chỉnh và tinh chỉnh thủ công bởi các kỹ thuật viên có kinh nghiệm.

- Không linh hoạt: Hệ thống điều khiển thông thường thường không linh hoạt trong việc thay đổi mục tiêu hoặc thay đổi các tham số điều khiển.

- Khả năng điều khiển phức tạp hạn chế: Trong các ứng dụng yêu cầu quyết định phức tạp hoặc kiểm soát nhiều biến đổi đồng thời, điều khiển thơng thường có thể trở nên khơng hiệu quả hoặc không thể thực hiện được.

Tùy thuộc vào ứng dụng cụ thể, các ưu điểm và khuyết điểm này có thể được xem xét để quyết định xem liệu điều khiển thơng thường có phù hợp hay khơng. Trong nhiều trường hợp, sự kết hợp giữa điều khiển thông thường và các phần mềm hoặc điều khiển tự động có thể được sử dụng để tận dụng các ưu điểm của cả hai hệ thống.

1.3. Khái niệm về điều khiển thông minh.

Đìểu khiền thơng minh là phương pháp điểu khiến phỏng theo các đặc diểm cơ bản của trí thơng minh của con người. Các dặc điếm cơ bản này bao gổm khả năng học, khả năng xử lý thơng tin khơng chắc chắn và khả năng tìm kiếm lời giải tối n. Ngày nay, linh vực diều khiển thơng minh (ĐKTM) có xu hướng bao gồm tất cả các vấn để khơng thuộc phạm vì điểu khiển thông thường. Tuy nhiên, ranhgiới giữa ĐKTM và diều khiến thông thường là tương đối và thay dôi theo thời gian. Những hệ thống hiện nay dược gọi là hệ thống ĐKTM trong tương lại có thể sẽ chỉ được gọi dơn giản là hệ thống diểu khiển. Khó khăn lớn nhất trong việc định nghĩa chính xác thuật ngữ "Điều khiển thơng minh" là do khơng có sự thổng nhất trong việc định nghĩa trí thơng minh của con người và hành vi thơng minh. Các tranh luận về trí thơng minh đã diễn ra hàng thế kỷ và vẫn tiếp tục hiện nay giữa các chuyên gia giáo dục, chuyên gia tâm lý, chuyên gia máy tính... Một định nghĩa về trí thơng minh được nhiều người đổng ý nhất là "Thông minh là khả năng thu thập và sủ dụng tri thức".

Theo định nghĩa này, hệ thống ĐKTM là hệ thống điều khiển có khả năng thu thập và sử dụng tri thức. Do thông minh là khái niệm mang tính tương đối, có nhiều cấp độ thông minh khác nhau nên hệ thống ĐKTM cũng có nhiểu cấp dộ khác nhau. Sau dây là một số định nghĩa về hệ thống thông minh và cách phân cấp mức độ thông minh.

</div>Trang 12<div class="page_container" data-page="12">

Theo Albus , "Hệ thống thông minh là hệ thống có khả năng hoạt động thích hợp trong mơi trường bất địnlh, trong đó một hoạt động thích hợp là hoạt động làm tăng xác suất thành công và thành công là đạt được mục tiêu còn hướng tới đạt được mục tiêu chung của hệ thống". Albus phân ra ba cấp độ thông minh:

- Ở mức độ tối thiếu, thông minh địi hỏi khả năng cảm nhận mơi trường, ra quyết định và điểu khiển hành động.

- Ở mức độ trung bình, thơng minh có thể bao gồm khả năng nhận biết đổi tượng và sự kiện, biễu diễn tri thức trong một mơ hình thế giới, suy luận và hoạch định tương lai.

- Ở mức độ cao cấp, thơng minh địi hỏi khả năng nhận thức và hiểu, chọn lựa một cách khôn ngoan, và hành động thành cơng trong nhiều hồn cảnh khác nhau để tồn tại và phát triển trong môi trường phức tạp và đối nghịch.

Cấp độ thông minh của hệ thống tùy thuộc vào các yếu tố cấu thành sự thông minh, theo Albus bao gồm:

- Khả năng tính tốn của bộ não (máy tính) của hệ thống.

- Sự phức tạp, tinh vi của các thuật toán mà hệ thống sử dụng để xử lý thơng tin từ cảm biến, mơ hình hóa đổi tượng, phát sinh hành vi, đánh giá hoạt động, truyền tin tồn cục...

- Thơng tin mà hệ thống lưu trữ trong bộ nhớ.

Hình 1. 1 Các yếu tố cấu thành sự thông minh và liên hệ giữa chúng

</div>Trang 13<div class="page_container" data-page="13">

1.4. Các cấp độ của điều khiển thơng minh.

Theo Meystel, "ĐKTM là q trình tính tốn một cách hiệu quả hướng tới đạt đuợc mục tiêu của hệ thống phức tạp, thông tin khơng đầy đủ và trong điều kiện khơng có chỉ dẫn cụ thể làm thế nào để đạt được mục tiêu đó". Meystel phân ra bốn cấp độ thơng minh:

- Mức thấp (mức I): bù sai số (error compen sation )

- Mức trung bình (múc 2): hoạch định và bù sai số theo cách người thiết kế lập trình sẵn.

- Mức cao (mức 3): hoạch định và bù sai số theo cách mới không đưa ra trước bởi người thiết kế

- Mức cao rất cao (mức 4): phát biểu lại nhiệm vụ khi tình huống thay đổi.

1.5. Các yếu tố quyết định cấp độ thông minh

Để xuất cách phân loại ĐKTM dựa trên khả năng tự cải thiện của cấu trúc điều khiển.

- Múc 0: Điều khiển bền vững. Tự cải thiện sai số bám là mục tiêu quan trọng của nhiều kỹ thuật điều khiển. Để đạt được điều này, có thể thiết kế các bộ điều khiển hồi tiếp bển vững với độ lợi bằng hằng số để cải thiện sai số khi thời gian tiến đến vô cùng. - Mức 1: Điều khiển thích nghi. Tự cải thiện thơng số bộ điểu khiển hướng tới mục tiêu đạt được sai số bám (hoặc một mục tiêu nào đó liên quan đến sai số) tốt hơn. Bộ ĐKTM mức 1 thông thường là bộ điều khiển hổi tiếp bển vững với các thơng số thích nghi giúp chất lượng điều khiển bù sai số của hệ thống vẫn đảm bảo khi điều kiện làm việc thay đổi.

- Mức 2: Điều khiển tối ưu. Tự cải thiện sai số bám hướng đến mục tiêu cực tiểu hoặc cực đại một phiếm hàm theo thời gian (sai số tiến về 0 và chỉ số chất lượng dat cực trị). Bộ ĐKTM mức 2, bên cạnh khả năng như mức 1 (bển vững + thích nghi) cịn phải có khả năng tối ưu hóa một hàm mục tiêu, mà hàm mục tiêu này được hệ thông tự điều chỉnh tùy theo tình huống làm việc.

- Mức 3: Điều khiển hoạch định. Bên cạnh khả năng của mức 2, bơ ĐKTM mức 3 cịn có khả năng tự cải thiện chức năng hoạch định.Chức năng hoạch định bao gồm hoạch định các tình huống ngẫu nhiên, các tình huống khẩn cấp, các tình huống lỗi... Chú ý rằng, từ "điều khiển" trong thuật ngữ "DKTM" mang ý nghĩa tổng quát hơn từ "điều khiển" trong thuật ngữ "điều khiển thông thường". Trước tiên, đối tượng điểu khiển tổng quát hơn, có thể mơ tả bằng mơ hình hệ thống sự kiện rời rạc hoặc mơ hình phương

</div>Trang 14<div class="page_container" data-page="14">

trình vi phân/sai phân hoặc cả hai. Điểu này dẫn đến sự phát triển lý thuyết điều khiển hệ thống lai, trong đó nghiên cứu vấn đề điều khiển q trình động học có trạng thái liên tục bằng các bộ điểu khiển trạng thái rời rạc. Ví dụ hệ thống ĐKTM trong một nhà máy cán thép, ngồi chức năng thơng thường là ổn định tốc độ của máy cán thép, cịn có thể bao gồm thêm chức năng hoạch định điểm đặt của bộ điều chỉnh tốc độ, chức năng chuẩn đoán lỗi và cảnh báo, chức năng chọn lựa các quyết định liên quan đến hiệu quả kinh tế, lịch trình bảo trì, sản xuất của máy móc thiết bị liên quan... Như vậy, đối tượng điều khiển của hệ thống ĐKTM trong nhà máy cán thép là cả quá trình sản xuất. Bên cạnh việc khảo sát đối tượng tổng quát hơn, mục tiêu của hệ thống ĐKTM cũng tổng qt hơn. Ví dụ, cơng việc tổng quát của bộ điều khiến cánh tay máy trong không gian là "thay thế bộ phận A trong vệ tinh"; cơng việc này có thể chia ra làm nhiều việc nhỏ, trong số đó có thể bao gồm nhiệm vụ "bám theo một quỹ đạo xác định", bài tốn nhỏ này có thể giải bằng phương pháp điều khiển thông thường. Để đạt được mục tiêu diều khiển tổng quát cho hệ thống phức tạp trong một khoảng thời gian, bộ điểu khiến phải ứng phó với các yếu tố bất định lớn mà bộ điều khiến bển vững hoặc điều khiển thích nghi thơng thường khơng giải quyết được. Tóm lại bài toán điều khiển trong ĐKTM là phiên bản nâng cao của bài toán điều khiển trong điều khiển thơng thường, nó tổng qt hơn và nhiều thách thức hơn.

1.6. Đặc điểm của hệ thống điều khiển thông minh.

Để đạt được mục tiêu điều khiển tổng quát trong điều kiện có nhiều yều tố bất định hệ thống thơng minh phải có một số đặc điểm sau dây :

- Khả năng học và thích nghi

- Khả năng suy luận, xử lý thông tin phức tạp, không chắc chắn - Khả năng xử lý các tình huống lỗi và sửa sai

- Tinh tối ưu

- Khả năng tải cấu hình và mở rộng - Tính tự chủ

- Khả năng hoạch định và ra quyết định.

Các đặc điểm nêu trên có thể được xem là tiêu chuẩn để đánh giá mức độ thông minh của hệ thống, tùy theo cấp độ thông minh mà hệ thống có thể có một vài hoặc tất cả đặc

</div>Trang 15<div class="page_container" data-page="15">

điểm nêu trên. Dưới đây chúng ta xét các đặc điểm được xem là cơ bản nhất trong hệ thống ĐKTM.

1.7. Khả năng học và thích nghi

Khả năng thích nghi với điều kiện làm việc thay đổi là rất cần thiết đối với hệ thống thơng minh. Mặc dù tính thích nghi khơng nhất thiết địi hỏi khả năng học, tuy nhiên đối với các hệ thống có thể thích ứng nhanh với nhiều thay đổi khơng tiên liệu trước khả năng học là cần thiết. Do vậy, khả năng học là một đặc điểm quan trọng của hệ thống thông minh (cấp cao).

Mối liên hệ giữa điều khiển thích nghi và diều khiển học là gì?

Trước tiên cẩn nhấn mạnh rằng để có tính thích nghi hệ thống khơng cần khả năng nhớ, ngược lại dể có thể học hệ thống nhất thiết phải có bộ nhớ. Việc học được hồn thành, theo một ý nghĩa nào dó, khi một thuật tốn điều khiển thích nghi dược sử dụng để điều chinh thơng số của bộ điều khiển sao cho tính ổn định và chất lượng của hệ thống được đảm bảo. Trong trường hợp này hệ thống học và tri thức thu thập được ghi vào bộ nhớ là giá trị mới của các thông số. Trong quá trình vận hành, nếu điều kiện làm việc thay đổi giống như tình huống đã được học thì hệ thống sẽ truy xuất ngay đến giá trị thông số bộ điều khiển đã lưu trữ, nhờ đó mà hệ thống có thể thích ứng nhanh với mội trường biên động. Trong khi đó thuật tốn điều khiển thích nghi khi gặp lại tình huống cũ vẫn cần phải tính tốn lại bộ điều khiển vì khơng có thơng tin gì được lưu trữ trong bộ nhớ.

Tóm lại, hệ thống có khả năng học bao hàm khả năng thích nghi, đồng thời có bộ nhớ dế lưu trữ tri thức trong quá khứ bằng một hình thức nào đó sao cho nó có thế hữu ích khi tình huống tương tự xuất hiện. Nhờ khả năng học mà hệ thống thông minh không lặp lại sai lầm trong quá khứ.

1.8. Khả năng suy luận

Hệ thống thơng minh phải có khả năng suy luận để tự ứng xử và ra quyết định trong những trường hợp môi trường làm việc biến động mạnh dẫn đến xuất hiện các tình huống mới mà khi thiết kế hệ thống không thể tiên liệu được hết. Hệ thống không thể được gọi là thơng minh nếu nó chỉ có thể làm dược những điều đã được chỉ dẫn.Khả năng suy luận cũng rất cần thiết để hệ thống có thế xử lý thơng tin khơng chắc chắn, chuẩn đốn các tình huống lỗi và sửa sai.

</div>Trang 16<div class="page_container" data-page="16">

1.9. Tính tối ưu

Tính tối ưu trong việc đạt được mục tiêu là một đặc điểm quan trọng của hệ thống thông minh. Hệ thống không thể được gọi là thông minh (cấp cao) nếu có hệ thống khác có thể hoạt động tốt hơn.

Để đạt được tối ưu trong điều kiện mội trường làm việc có nhiều biến động, hệ thống phải có khả năng tái cấu trúc và mở rộng.

1.10. Tính tự chủ

Tự chủ trong vìệc đặt ra và đạt các mục tiêu là một đặc điếm quan trọng của hệ thống ĐKTM. Khi hệ thống có khả năng ứng xử thích hợp trong một môi trường bất định trong một thời gian dài mà khơng có sự can thiệp bên ngồi, nó được xem là có tính tự chủ cao.

Liên quan đến tính tự chủ là khả năng hoạch định và ra quyết đinh. 1.11. Cấu trúc của hệ thống điều khiển thông minh

Hệ thống thông minh phải có cấu trúc phân cấp thích hợp để phân tích và đánh giá các chiến lược điều khiển một cách có hiệu quả để có thể đương đầu với sự phức tạp của đối tượng điều khiển, mục tiêu điều khiển và sự biến động của mơi trường. Hình ở bên dưới là cấu trúc phân cấp hệ thống ĐKTM được sử dụng phổ biến nhất hiện nay. Cấu trúc này có ba cấp từ cao đến thấp: cấp tổ chức (hay quản lý), cấp phối hợp và cấp thực thi. Cần nhấn mạnh rằng phân cấp ở đây là phân cấp chức năng, không nhất thiết ngụ ý phân cấp phần cứng mà cịn có thể là phân cấp phần mềm.

Cần nhấn mạnh rằng, hệ thống có thể có nhiều hơn hoặc ít hơn ba cấp, tuy nhiên về khái niệm chia làm ba cấp. Cấp thực thi, gồm các thuật tốn điều khiển thơng thường, có giao tiếp với đối tượng và môi trường qua phần cứng cảm biến và cơ cấu chấp hành. Cấp tổ chức, gồm các phương pháp ra quyết định thông minh, có giao tiếp với người vận hành. Cấp phối hợp liên kết cấp thực thi và cấp tổ chức, nó được dùng để kết hợp các phương pháp ra quyết định thông thường và thông minh. Cấp thực thi gồm có cả phần cứng và phần mềm, trong khi đó cấp phối hợp và cấp tổ chức chủ yếu là phần mềm.

Trong hình 1.2, các chỉ thị được đưa ra bởi cấp cao hơn tới cấp thấp hơn và dòng dữ liệu đáp ứng đi từ cấp thấp lên trên. Các thông số của các hệ thống con có thể thay đổi bởi hệ thống ở trên đó một cấp. Có sự ủy thác và phân bố tác vụ từ cấp cao đến cấp thấp và có sự phân bố theo lớp quyền ra quyết định. Tại mỗi cấp, một số xử lý được thực hiện trước khi thông tin được gởi đến cấp cao hơn. Nếu có yêu cầu, dữ liệu có thể được truyền từ các hệ thống con cấp thấp nhất đến cấp cao nhất để hiển thị. Tất cả các hệ thống con cung cấp

</div>Trang 17<div class="page_container" data-page="17">

thông tin trạng thái đến cấp cao hơn. Sự can thiệp của con người được cho phép thậm chí ở cấp giám sát thực thi điều khiển, tuy nhiên chỉ thị được truyền xuống từ các cấp cao trong sơ đồ phân cấp.

Hình 1. 2 Cấu trúc chức năng bộ điều khiển thơng minh

Có sự ủy thác nhiệm vụ từ cấp cao xuống cấp thấp, dẫn đến tăng số lượng tác vụ phân biệt khi đi từ trên xuống theo cấu trúc phân cấp. Các cấp cao tập trung vào khía cạnh rộng hơn của đáp ứng và cần ra quyết định với ít thông tin hơn, thường trong khoảng thời gian dài hơn. Điều này dẫn đến tăng cường độ thông minh khi đi từ cấp thấp lên cấp cao, thể hiện qua việc ưu tiên sử dụng phương pháp ra quyết định dựa trên ký hiệu thay vì thuật tốn số thơng thường. Ngun tắc này được gọi là "tăng độ thông minh bằng cách giảm độ chính xác" theo Saradis (1998). Việc giảm độ chính xác thể hiện qua việc giảm mật độ giai đoạn, băng thông, tốc độ hệ thống và tốc độ quyết định, dẫn đến độ trừu tượng cao hơn của mơ hình. Độ cụ thể của mơ hình cũng phụ thuộc vào khả năng của bộ điều khiển tự động.

1.12. Các lĩnh vực liên quan đến điều khiển thông minh

Điều khiển thông minh là một lĩnh vực đa ngành, kết hợp lý thuyết từ nhiều lĩnh vực khác nhau như toán học, điều khiển học, máy tính, và trí tuệ nhân tạo. Khoa học máy tính, đặc biệt là trí tuệ nhân tạo, cung cấp cách biểu diễn tri thức và phương pháp suy diễn dựa trên cơ sở tri thức. Trong lĩnh vực điều khiển thơng minh, khái niệm và thuật tốn thích nghi giúp các hệ thống điều khiển thích nghi và học. Sự phát triển của công nghệ cảm biến, cơ cấu chấp hành, tính tốn, và mạng thơng tin tạo điều kiện cần thiết cho hệ thống điều khiển thông minh.

</div>Trang 18<div class="page_container" data-page="18">

Điều khiển thông minh là việc áp dụng kỹ thuật để thay thế vai trò của não bộ con người trong việc ra quyết định, lập kế hoạch chiến lược điều khiển, và học hỏi các chức năng mới. Dưới góc độ của nhiều người, thuật ngữ "điều khiển thơng minh" thường liên quan đến sử dụng mạng thần kinh, logic mờ và giải thuật di truyền . Tuy nhiên, điều khiển thông minh không giới hạn trong các phương pháp này. Thực tế, theo định nghĩa đã được trình bày, khơng phải tất cả các hệ thống điều khiển sử dụng mạng thần kinh, logic mờ hoặc giải thuật di truyền đều được coi là thông minh. Việc xem xét mức độ thông minh thực sự của hệ thống phụ thuộc vào mức độ sáng tạo trong việc áp dụng các công cụ và kỹ thuật nêu trên để thiết kế hệ thống.

Hình 1. 3 Các kỹ thuật điều khiển thơng minh

Mạng thần kinh (Neural Networks) là một mơ hình tốn học đơn giản của bộ não và hoạt động như một mạng tính tốn phân tán. Tuy nhiên, khác với máy tính thơng thường cần lập trình cụ thể, mạng thần kinh đòi hỏi huấn luyện để học và thích nghi, có khả năng học các liên kết mới và quan hệ chức năng mới. Điều này biểu thị vai trò quan trọng của mạng thần kinh trong việc trang bị cho hệ thống thông minh khả năng học và thích nghi.

Logic mờ (Fuzzy Logic) cung cấp khả năng suy luận dựa trên khả năng suy nghĩ của con người và áp dụng vào hệ thống tri thức. Sử dụng lý thuyết tập mờ, logic mờ là công cụ biểu diễn và xử lý dữ liệu không chắc chắn, cho phép ra quyết định với giá trị ước lượng trong điều kiện thông tin không đầy đủ hoặc không chắc chắn.

Logic mờ (Fuzzy Logic) cung cấp một phương thức suy diễn có thể bắt chước khả năng suy luận của con người để áp dụng vào các hệ thống cơ sở tri thức. Dựa trên lý thuyết tập mờ (Fuzzy Set), một công cụ biểu diễn và xử lý dữ liệu khơng chính xác, logic mờ cung

</div>Trang 19<div class="page_container" data-page="19">

cấp cơ sở tốn học để mơ tả sự khơng chắc chắn liên quan đến q trình nhận thức của con người. Hệ mờ (Fuzzy System) là hệ thống xử lý thông tin dựa vào logic mờ và suy luận mờ (Fuzzy Reasoning). Hai đặc điểm chính làm cho hệ mờ có nhiều ứng dụng trong các hệ thống thông minh là:

- Hệ mờ phù hợp cho việc suy luận không chắc chắn hay gần đúng, đặc biệt là cho hệ thống phức tạp rất khó rút ra được mơ hình tốn học.

- Logic mờ cho phép ra quyết định với giá trị ước lượng trong điều kiện thông tin không đầy đủ hoặc không chắc chắn.

Thiết kế dựa vào logic mờ có thể giải quyết các điểm yếu của các phương pháp thông thường. Điều khiển mở dựa trên logic mờ cung cấp một kiểu thiết kế mới mà một bộ điều khiển có thể thiết kế cho các q trình phức tạp, thiếu xác định mà khơng cần tri thức về dữ liệu định lượng liên quan đến quan hệ vào ra, những thông tin định lượng này cần thiết để thiết kế hệ thống điều khiển theo phương pháp thơng thường. Cơng trình đầu tiên ứng dụng bộ điều khiển mờ là mô hình động cơ hơi nước. Sau cơng trình tiên phong này, nhiều sản phẩm công nghiệp cũng như dân dụng dùng logic mờ đã phát triển ở Nhật, Mỹ, châu u: điều khiển xe lửa tự động, điều khiển robot, động cơ tùy động, điều khiển ổ đĩa, máy giặt, điều khiển xe hơi và máy bay trực thăng, thiết bị điện tử và đồ dùng gia đình, cảm biến, điều khiển nhiệt độ, thị giác máy tính, điều khiển hệ thống hạ cánh của máy bay, điều khiển tàu hàng, nhà máy xi măng...

Giải thuật di truyền (Genetic Algorithm - GA) là một giải thuật tìm kiếm lời giải tối ưu dựa trên cơ chế tiến hóa và di truyền của sinh vật tự nhiên. GA không phụ thuộc vào bài tốn cần giải và có thể áp dụng rộng rãi trong các bài toán phức tạp.

Sau đây là một số kết hợp được sử dụng phổ biến hiện nay:

- Hệ mờ thần kinh (Neural Fuzzy System): cung cấp cho hệ mờ một hệ thống tự chỉnh dùng công cụ mạng thần kinh, ANFIS (Adaptive Neuro Fuzzy Inference Systems) là một ví dụ điển hình về hệ mờ thần kinh.

- Mạng thần kinh mờ (Fuzzy Neural Network): là mạng thần kinh trong đó một số phép tốn trong mạng được mờ hóa, ví dụ logic mờ có thể sử dụng để xác định bước học cấu trúc mạng.

- Hệ mờ di truyền (Genetic Fuzzy System): là hệ mờ trong đó các tập mờ cũng như các quy tắc suy luận mờ được chỉnh định tối ưu nhờ GA.

</div>Trang 20<div class="page_container" data-page="20">

Các hệ thống lai đã chứng minh được tính hiệu quả trong việc thiết kế hệ thống ĐKTM và đã được ứng dụng vào nhiều q trình cơng nghiệp như cánh tay máy, điều khiển độ pH (trong q trình hóa học), quỹ đạo robot, hệ thống giảm xóc chủ động trong ô tô, phân loại sản phẩm..

1.13. Hướng nghiên cứu điều khiển thông minh

1.13.1. Điều khiển thông minh là một lĩnh vực nghiên cứu riêng biệt

Có quan điểm cho rằng Điều Khiển Tự Động (ĐKTM) không đơn giản là việc kết hợp và áp dụng các khái niệm và phương pháp từ các lĩnh vực khác. Thực tế, ĐKTM đặt ra những yêu cầu riêng biệt và độc đáo, đòi hỏi sự phát triển của các khái niệm, phương pháp và cách tiếp cận mới. Ví dụ, trong tốn học ứng dụng, việc quan tâm đến các lời giải khác nhau của phương trình vi phân với các điều kiện đầu và hàm kích thích khác nhau. Trong ĐKTM, tập trung vào việc tìm ra hàm kích thích (tín hiệu điều khiển) để tạo ra lời giải (đáp ứng của hệ thống) thỏa mãn các điều kiện cụ thể, đòi hỏi cách tiếp cận khác biệt. Mặc dù liên quan đến nhiều lĩnh vực khác, lý thuyết ĐKTM vẫn phải phát triển các khái niệm, phương pháp và cách tiếp cận mới, bởi ĐKTM đặt ra những bài toán độc đáo và khác biệt so với các lĩnh vực khác. Ví dụ, các phương pháp tính toán mềm (như mạng thần kinh, logic mờ, giải thuật di truyền) trong lĩnh vực khoa học máy tính thường làm việc với các bài toán tĩnh và không yêu cầu thời gian thực, trong khi ĐKTM liên quan đến hệ thống động và yêu cầu điều khiển thời gian thực. Do đó, khơng thể áp dụng trực tiếp các phương pháp từ khoa học máy tính vào các bài tốn ĐKTM.

Sự phát triển và mở rộng lý thuyết từ các lĩnh vực khác để áp dụng vào các hệ thống ĐKTM là cần thiết, bao gồm việc nghiên cứu các bài toán mới mà các hệ thống thông minh chưa từng đối mặt trước đây, như trường hợp hệ thống lai - sự kết hợp giữa hệ thống trạng thái liên tục và trạng thái rời rạc.

1.13.2. Hướng nghiên cứu điều khiển thơng minh

Có thể phân chia nghiên cứu trong lĩnh vực ĐKTM làm hai hướng chính:

- Nghiên cứu lý thuyết điều khiển thông thường, hướng tới các chức năng điều khiển ở cấp thực thi và cấp phối hợp

- Nghiên cứu mơ hình hóa, phân tích và thiết kế hệ thống ra quyết định ở cấp cao hơn tìm thấy trong cấp tổ chức và quản lý.

Về lý thuyết, hướng nghiên cứu ĐKTM hiện nay là:

</div>Trang 21<div class="page_container" data-page="21">

- Phân tích tốn học tính hội tụ, ổn định, bền vững của hệ thống ÐKTM

- Phân tích so sánh toán học giữa các hệ thống ĐKTM với hệ thống điều khiển thông thường

- Các phương pháp phân tích, thiết kế hệ thống lai

- Kỹ thuật tái cấu hình hệ thống điều khiển khi các sự cố lỗi xuất hiện

- Phương pháp đưa ra các mô hình trừu tượng từ các mơ hình phương trình vi phân/sai phân để sử dụng ở cấp cao hơn của hệ thống ĐKTM

- Vấn đề giao tiếp ký hiệu/số ở cấp trung gian và cấp tổ chức - Vấn đề tiết kiệm bộ nhớ, thời gian tính toán

- Các chiến lược học phức tạp dựa vào trực giác

- Nghiên cứu thiết kế hệ thống có khả năng suy luận, đưa ra những phương án giải quyết vấn đề mới (không đưa ra bởi người thiết kế) từ thông tin phản hồi không đầy đủ, không chắc chắn.

Về ứng dụng, hướng nghiên cứu ĐKTM hiện nay là:

- Sử dụng mạng thần kinh để thực hiện chức năng học ở tất cả các cấp của hệ thống ĐKTM. Cụ thể ở cấp thực thi sử dụng tính chất xấp xỉ tổng quát của mạng thần kinh để thiết kế các bộ điều khiển thích nghi, ở cấp cao hơn sử dụng khả năng phân loại mẫu và khả năng lưu trữ thông tin để sử dụng trong các bộ hoạch định.

- Sử dụng logic mờ để thực hiện chức năng suy luận. Ở cấp thực thi thiết kế các bộ điều khiển mờ có khả năng suy luận theo cách của người thiết kế. Ở cấp phối hợp, có thể dùng logic mờ để giải quyết vấn đề giao tiếp ký hiệu/số.

- Sử dụng GA để giải bài tốn tối ưu hóa ở tất cả các cấp của hệ thống thông minh. Ở cấp thực thi, tìm thơng số bộ điều khiển để tối ưu hóa một chỉ tiêu chất lượng (liên quan đến sai số, thời gian đáp ứng, năng lượng...). Ở cấp tổ chức, sử dụng GA để hoạch định tối ưu các tác vụ để hoàn thành mục tiêu chung của hệ thống.

- Sử dụng kết hợp các kỹ thuật ĐKTM: hệ mờ thần kinh, hệ mờ di truyền, mạng thần kinh mờ... để giải các bài toán điều khiển ở cấp thực thi.

</div>Trang 22<div class="page_container" data-page="22">

CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP ĐIỀU KHIỂN

2.1. Giới thiệu phương pháp điều khiển mờ

Điều khiển mực nước chất lỏng dùng Logic kinh điển

Hình 2. 1 Điều khiển mực nước chất lỏng dùng Logic kinh điển

Điều khiển mực chất lỏng dùng Logic mờ:

Hình 2. 2 Điều khiển mực chất lỏng dùng Logic mờ

- Có 2 phương pháp điều khiển:

+ Phương án điều khiển 1: PLC (Programable Logic Controller) + Phương án điều khiển 2: FLC (Fuzzy Logic Controller)

Phương pháp điều khiển mờ là phương pháp điều khiển bắt chước quá trình xử lý thông tin không rõ ràng và ra quyết định điều khiển của con người.

2.2. Các ứng dụng của phương pháp điều khiển mờ

-

Ứng dụng đầu tiên: ĐK động cơ hơi nước (Mamdani,1974)

-

Càng ngày có càng nhiều hệ thống điều khiển trong

</div>Trang 23<div class="page_container" data-page="23">

-

Công nghiệp và dân dụng áp dụng phương pháp điều khiến mờ.

-

Điều khiển hệ thống tháng và tăng tốc của xe lửa, hệ thống lái xe

-

Điều khiển robot

-

Điều khiên máy giặt, máy ảnh tự động,…

Các cơ sở toán học của phương pháp điều khiển mờ:

Hình 2. 3 Các cơ sở toán học của phương pháp điều khiển mờ

- Tập mờ có biên khơng roc ràng - Tập mờ được định nghãi thông qua

hàm liên thuộc Một số ví dụ về tập mờ:

- Tập rõ: A=



x −  , 1 x 5



</div>Trang 24<div class="page_container" data-page="24">

- Ánh xạ 𝜇𝐴̃(x) được gọi là hàm liên thuộc của tập mờ 𝐴̃

- Hàm liên thuộc đặc trưng cho độ phụ thuộc của một phần tử bất kỳ thuộc tập cơ sở X vào tập mờ 𝐴̃. 𝑁ó𝑖 𝑐á𝑐ℎ 𝑘ℎá𝑐, 𝑡ậ𝑝 𝑚ờ 𝑥á𝑐 đị𝑛ℎ 𝑏ở𝑖 ℎà𝑚 𝑙𝑖ê𝑛 𝑡ℎ𝑢ộ𝑐 𝑐ủ𝑎 𝑛ó. Thí dụ hàm liên thuộc mơ tả tập mờ:

Hình 2. 5 Hàm liên thuộc mơ tả tập mờ

Ký hiệu tập hợp mờ:

- Tập mờ định nghĩa trên tập cơ sở rời rạc: 𝐴̃ = ∑ 𝜇(𝑥𝑖)𝑥𝑖

𝑖

</div>Trang 25<div class="page_container" data-page="25">

- Tập mờ định nghĩa trên cơ sở liên tục:𝐴̃ =∫ 𝜇(𝑥)

</div>Trang 26<div class="page_container" data-page="26">

Miền nền là miền thuộc tập cơ sở sao cho 𝜇(𝑥) > 0 Biên là miền thuộc tập cơ sở sao cho 0< 𝜇(𝑥) < 1 Lõi là miền thuộc tập cơ sở sao cho 𝜇(𝑥) = 0

Độ cao cận trên nhỏ nhất của hàm liên thuộc hgt (𝐴̃=𝑠𝑢𝑝 𝜇𝐴̃(𝑥) (𝑥𝜖𝑋)

Trong các biểu thức hàm liên thuộc dưới đây, để gợi nhớ thông số của hàm liên thuộc sử

</div>Trang 28<div class="page_container" data-page="28">

2.6. Biến ngôn ngữ và giá trị ngôn ngữ

- Biến ngôn ngữ là biến chỉ nhận các giá trị ngơn ngữ

Thí dụ: biến ngơn ngữ “ Mực chất lỏng” có thể nhận hai giá trị ngôn ngữ là “ thấp” và “ cao” - Giá trị ngôn ngữ là các từ. Gía trị ngơn ngữ chứa đựng thơng tin khơng chính xác do

đó có thể mơ tả giá trị ngôn ngữ bằng các tập mờ.

</div>Trang 29<div class="page_container" data-page="29">

Hình 2. 7 Hàm liên thuộc của hai tập mờ mô tả hai giá trị ngôn ngữ “ cao”, “thấp”

2.7. Các phép toán trên tập mờ 2.7.1. Phép giao

- Giao của hai tập mờ 𝐴̃ và 𝐵̃ có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc: 𝑨̃ ∩ 𝐵̃: 𝜇𝑨̃∩ 𝐵̃(x) = T{ 𝜇𝐴̃ (x), 𝜇𝐵̃ (x)}

- Toán tử T có thể là MIN ( Cực tiểu), PROD( tích),…..

Hình 2. 8 Giao của hai tập mờ dùng tốn tử MIN

2.7.2. Phép hợp

- Hợp của hai tập mờ 𝐴̃ và 𝐵̃ có cùng cơ sở X là một tập mờ xác định trên cơ sở X có hàm liên thuộc: 𝑨̃ ∪ 𝐵̃: 𝜇𝑨̃∪ 𝐵̃(x) = S{ 𝜇𝐴̃ (x), 𝜇𝐵̃ (x)}

- Tốn tử S có thể là MAX ( Cực đại, BSUM( tổng bị chặn)

Hình 2. 9 Hợp của hai tập mờ dùng toán tử MAX

</div>Trang 30<div class="page_container" data-page="30">

- Mệnh đề mở là mệnh đề phát biểu có chưa thơng tin khơng rõ ràng

- Ví dụ: Các phát biểu dưới đây là mệnh đề mờ: nhiệt độ là cao, mực chất lỏng là thấp,

- Khác với mệnh đề kinh điển chỉ có hai khả năng sai hoạc đúng ( 0 hoặc 1), giá trị thật ( true vuale) của mệnh đề mề là một giá trị bất kỳ nằm trong đoạn [ 0,1].

- Giá trị thật của mệnh đề mờ 𝑃̃:x𝜖 𝐴̃ bằng độ phụ thuộc của x vào tập mờ 𝐴̃

</div>Trang 31<div class="page_container" data-page="31">

- Hợp của hai mệnh đề 𝑃̃:x𝜖 𝐴̃ 𝑣à 𝑄̃:x𝜖 𝐵̃ là mệnh đề xác định bởi 𝑃̃𝑄̃:x𝜖 𝐴̃ và x𝜖 𝐵̃

 𝑃̃𝑄̃:x𝜖 (𝐴̃ ∪ 𝐵̃)

- Gía trị thật của mệnh đề giao là: T(𝑃̃𝑄̃)=𝜇𝐴̃ ∪𝐵̃(x)

2.10. Qui tắc mờ (Fuzzy rules)

- Qui tắc mờ là phát biểu nếu – thì, trong đó mệnh đề điều kiện và mệnh đề kết luận là các mệnh đề mờ. Trong mệnh đề điều kiện có thể có các phép giao, phép hợp hoặc phép phủ định.

2.11. Hệ qui tắc mờ

- Hệ qui tắc mờ gồm nhiều qui tắc mờ

- Thí dụ hệ k qui tắc mờ đối với n biến ngõ vào có dạng như sau:

+ Giả sử ta có qui tắc nếu (x là 𝐴̃) thì ( y là 𝐵̃) + Nếu biết x là 𝑥′ cần suy ra giá trị y

+ Quá trình suy ra giá trị ở mệnh đề kết luận khi biết qui tắc mờ và giá trị cụ thể ở mệnh đề điều kiện gọi là sự suy luận mờ.

- Phương pháp suy diễn MAX-MIN

+ Xét qui tắc mờ: Nếu (𝑥1𝑙à 𝐴̃1) và (𝑥2𝑙à 𝐴̃2) thì ( y là 𝐵̃)

+ Giả sử ngõ vào 𝑥1 là 𝑥1′ và 𝑥2 là 𝑥2′ ngõ ra y là được tính theo phương pháp suy diễn MAX-MIN như sau:

</div>Trang 32<div class="page_container" data-page="32">

- Phương pháp suy diễn MAX-PROD

+ Xét qui tắc mờ: Nếu (𝑥1𝑙à 𝐴̃1) và (𝑥2𝑙à 𝐴̃2) thì ( y là 𝐵̃)

+ Giả sử ngõ vào 𝑥1 là 𝑥1′ và 𝑥2 là 𝑥2′ ngõ ra y là được tính theo phương pháp suy diễn MAX-PROD như sau:

Hình 2. 11 Phương pháp suy diễn MAX-PROD

- Suy luận từ hệ qui tắc mờ:

+ Kết quả suy luận của hệ qui tắc mờ bằng hợp kết quả suy luận của từng qui tắc.

</div>Trang 33<div class="page_container" data-page="33">

2.13. Hệ mờ

Hình 2. 12 Hệ mờ

- Khối tiền xử lý:

+ Tín hiệu vào bộ điêu khiên thường là giá trị rõ từ các mach đo, bộ tiền xử lý Có chức năng xử lý các giá trị đo này trước khi đưa vào bô điều khiển mờ Cơ bản.

+ Khối tiền xử lý có thể:Lượng tử hóa hoặc làm trịn giá trị đo, Chuẩn hóa hoặc ti lệ giá trị đo vào tầm giá trị chuẩn, Lọc nhiễu.

- Mờ hóa: Mờ hóa là chuyển giá trị rõ thành giá trị mờ:

+Hệ qui tắc mờ có thế xem là mơ hình tốn học biều diễn tri thức, kinh nghiệm của con người trong việc giải quyêt bài toán dưới dạng các phát biêu ngơn ngữ.

</div>Trang 34<div class="page_container" data-page="34">

+ Có hại loại qui tắc điều khiên thường dùng: Qui tảc mờ Mamdani, Qui tắc mờ Sugeno.

- Qui tắc Mamdani:

+ Qui tåc Mamdani là qui tắc mờ trong đó mệnh đề kết luận là các mệnh đê mờ. *

+ Tơng qt, qui tắc Mamdani có dạng:

+ Các phương pháp giải mờ có thể qui vào hai nhóm:Giải mờ dựa vào độ cao. thương dùng trong các bài tốn phân nhóm, Giải mờ dựa vào điểm trong tầm: thường dùng trong các bài toán điều khiển

- Các phương pháp giải mờ dựa vào độ cao

Hình 2. 13 Pp độ cao

</div>Trang 35<div class="page_container" data-page="35">

Hình 2. 14 Pp cận trái CỰC ĐẠI

Hình 2. 15 Pp cận phải (ROM) cực đại

Hình 2. 16 Pp trung bình của giá trị cực đại

- Các phương pháp giải mờ dựa vào trọng tâm

- Hệ mờ có thể có nhiều ngỗ vào và nhiều ngõ ra. Đồ thị biểu diễn mối quan hệ giữa một ngõ ra theo hai ngõ bất kì gọi là mặt đặc tính.

</div>