thiết kế bộ điều khiển trên cơ sở mạng nơron

Số hóa bởi Trung tâm Học liệu – ĐHTN











ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
o0o




LUẬN VĂN THẠC SỸ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA



THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON





LÊ THU THỦY

THÁI NGUYÊN 2011

Số hóa bởi Trung tâm Học liệu – ĐHTN
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP





LUẬN VĂN THẠC SỸ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA


THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON






Học viên : Lê Thu Thủy
Người HD Khoa Học: PGS.TS Nguyễn Hữu Công

THÁI NGUYÊN 2011
Số hóa bởi Trung tâm Học liệu – ĐHTN
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
***
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc Lập - Tư Do - Hạnh Phúc
o0o

THUYẾT MINH
LUẬN VĂN THẠC SỸ KỸ THUẬT

ĐỀ TÀI:
THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON

Học viên
: Lê Thu Thủy
Lớp
: CH-K12
Chuyên ngành
: Tự động hoá
Người hướng dẫn
: PGS.TS Nguyễn Hữu Công
Ngày giao đề tài
: 2/2011
Ngày hoàn thành đề tài
: 8/2011

KHOA ĐT SAU ĐẠI HỌC
NGƯỜI HƯỚNG DẪN


PGS.TS Nguyễn Hữu Công
BAN GIÁM HIỆU
HỌC VIÊN


Lê Thu Thủy
Số hóa bởi Trung tâm Học liệu – ĐHTN
LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả
trong luận văn là hoàn toàn trung thực theo tài liệu tham khảo và chưa từng được ai
công bố trong bất kỳ công trình nào khác.

Thái Nguyên, ngày 30 tháng 9 năm 2011
Tác giả luận văn


Lê Thu Thủy




Số hóa bởi Trung tâm Học liệu – ĐHTN
LỜI CẢM ƠN

Trong quá trình làm luận văn, tôi đã nhận được nhiều ý kiến đóng góp từ các

thầy, cô giáo, các anh chị và các bạn đồng nghiệp.
Tôi xin bày tỏ lòng biết ơn đến PGS.TS Nguyễn Hữu Công, Người đã tận tình
hướng dẫn tôi hoàn thành luận văn này, đến Khoa Sau Đại học - Trường Đại học Kỹ
thuật công nghiệp đã tạo điều kiện để tôi hoàn thành khóa học.
Tôi xin chân thành cảm ơn Trường Đại học Kỹ thuật Công nghiệp, Phòng Hành
chính Tài vụ, Trung tâm thí nghiệm đã tạo những điều kiện để tôi hoàn thành khóa
học.
Tôi xin chân thành cảm ơn các thầy cô giáo Bộ môn Đo lường & Điều khiển tự
động – khoa Điện tử, Bộ môn Tự động hóa - khoa Điện, Các thầy cô phòng thí
nghiệm Điện – Điện tử đã giúp đỡ và tạo những điều kiện thuận lợi nhất về mọi mặt
để tôi hoàn thành khóa học.

Tác giả luận văn


Lê Thu Thủy

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Mục Lục
Mục lục ……………………………………………………………….………………………….
1
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TĂT ……………… …….………
3
DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ ………….…………….……… ………
5
MỞ ĐẦU …………………………………………………………….…………….…….………
8
1. Tính cấp thiết của đề tài ……………………………….…………………………
8

2. Mục đích nghiên cứu ………………………………….…………………………
8
3. Đối tƣợng và phƣơng pháp nghiên cứu ……….…………………………
8
4. Ý nghĩa khoa học và thực tiễn của đề tài …….……….…………………
9
5. Kết cấu luận văn ………………………………………… …………………………
9
CHƢƠNG 1 TỔNG QUAN MẠNG NƠRON …………….…………………………
10
1.1. Giới thiệu tóm tắt về mạng nơron ……………….…………………… …
10
1.1.1. Mạng nơron sinh học ……………………….…………………… ……
10
1.1.2. Mạng nơron nhân tạo ( Artificial Neural network –ANN)
11
1.1.3. Cấu trúc mạng nơron nhân tạo …….……….………………………
13
1.1.4. Luyện mạng nơron ………………………….……………………… ….
18
1.2. Kết luận chƣơng 1………… ……………………….…………………………
28
CHƢƠNG 2 CƠ SỞ THIẾT KẾ BỘ ĐIỀU KHIỂN BẰNG MẠNG
NƠRON ……………………………………….………………………………………………….

29
2.1. Cấu trúc chung của một hệ thống điều khiển ………………………
29
2.1.1. Khái niệm chung về một hệ thống điều khiển ………… …….
29

2.1.2. Cấu trúc chung của bộ điều khiển có phản hồi ……………
30
2.2. Phƣơng pháp thiết kế bộ điều khiển bằng mạng nơron ……… …
31
2.2.1. Lý luận chung ……………….…… ………………………………………
31
2.2.2. Nhận dạng đối tượng sử dụng mạng nơron …………… …….
32
2.2.3. Thiết kế bộ điều khiển sử dụng mạng nơron ……………… …
41
2.3. Nhận dạng đối tƣợng điều khiển sử dụng mạng nơron …… ……
44
2.3.1. Lý luận chung …………… ………………………………………………
44
2.3.2. Nhận dạng đối tượng tuyến tính sử dụng mạng nơron ……
46
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
2.3.3. Nhận dạng đối tượng phi tuyến sử dụng mạng nơron ….….
49
2.4. Thiết kế bộ điều khiển bằng mạng nơ ron theo mô hình mẫu ….
51
2.4.1. Hệ thống điều khiển theo mô hình mẫu …………………….……
51
2.4.2. Thiết kế bộ điều khiển nơron theo mô hình mẫu ……….……
52
CHƢƠNG 3 ỨNG DỤNG MẠNG NƠ RON THIẾT KẾ BỘ ĐIỀU
KHIỂN THEO MÔ HÌNH MẪU ………………………………………………………

54

3.1. Với các đối tƣợng tuyến tính ………… ……………………………………
54
3.1.1. Bài toán 1 ………………… ……………………………………………….
54
3.1.2. Bài toán 2……………………………………………………………………
56
3.1.3. Bài toán 3…………………………………………………………………….
58
3.2. Với các đối tƣợng phi tuyến ……………… ……………………………….
61
3.2.1. Bài toán 4 …………………… …………………………………………….
61
3.2.2. Bài toán 5……………………………………………………………………
64
3.2.3. Bài toán 6:Bể xử lý nước thải ……………………………………
70
3.2.4. Bài toán 7: Cánh tay Rôbốt một bậc tự do …… ……… …….
83
3.3. Kết luận chƣơng 3 …………… …………………………………………….…
101
CHƢƠNG 4 KẾT LUẬN VÀ KIẾN NGHỊ …………………………………………
102
PHỤ LỤC ………………………………………………………………………………… …….
103
TÀI LIỆU THAM KHẢO ………………………………………………………………….
110

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

MSE
Sai lệch bình phƣơng cực tiểu, viết tắt của (Mean Square Error)
ANN
Mạng nơron nhân tạo (Artificial Neural network )
LM
Thuật toán Leveber – Marquart
BIBO
Tín hiệu vào ra có giới hạn, viết tắt của (Bound Input Bound Output)
MISO
Hệ nhiều đầu vào một đầu ra, viết tắt của (Multi Inputs Single Output)
MRAC
Model Referance Adaptive Control
MRC
Model Referance Control
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
BẢNG KÝ HIỆU
1. A =  a
ij

: ma trận mxn chiều.
2. A
T

: ma trận chuyển vị của A.
3.
A

: ma trận liên hợp của A
4. A

*

: ma trận chuyển vị liên hợp của A
5. A
-1

: ma rrận nghịch đảo của A
6. A
: ma trận với các giá trị tuyệt đối
7. A
: chuẩn ma trận
8. x
: chuẩn véc tơ
9. diag(a
1
, , a
i
)
: ma trận đƣờng chéo với các phần tử a
i

10. g(.)
: hàm quan hệ phi tuyến vào ra
11. R
n

: không gian thực n chiều
12. W=[w
ij
]

: ma trận trọng liên kết nxm chiều
13. (
T
)
: ký hiệu chuyển vị
14. x = [x
1
, , x
n
]
T
 R
: véc tơ cột x
15. g(x)/x
: đạo hàm riêng
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ
Hình 1.1 Mạng nơ-ron đơn giản gồm 2 nơron ………………………………………
10
Hình 1.2 Mô hình nơron nhiều đầu vào ……………………………………………… ….
12
Hình 1.3 Mạng nơron có đặc tính động học và tuyến tính ………………………….…
14
Hình 1.4 Mạng nơron có đặc tính phi tuyến tĩnh ……………………………… ………
14
Hình 1.5 Mạng nơron có đặc tính động học phi tuyến …………………………….……
16
Hình 1.6 Cấu trúc của các khối TDL-1 và TDL-2…………………………… …………
16

Hình 1.7 Mạng MLP ……………………………………………………………………… …
22
Hình 1.8 Minh họa phƣơng pháp tìm kiếm E
min
theo hƣớng ngƣợc gradient của E
23
Hình 1.9 Mạng MLP truyền thẳng……………………………………………………… …
26
Hình 2.1 Sơ đồ cấu trúc hệ thống điều chỉnh tự động……………………………………
30
Hình 2.2 Sơ đồ cấu trúc hệ thống điều chỉnh tự động có phản hồi……………………
30
Hình 2.3 Mô hình nhận dạng cơ bản…………………………………………………… …
34
Hình 2.4 Bổ sung thông tin đầu vào cho mạng ……………………………………… …
34
Hình 2.5 Sử dụng tri thức tiên nghiệm …………………………………………………….
35
Hình 2.6 Nhận dạng động học nghịch………………………………………………… …
35
Hình 2.7a,b Mô hình nhận dạng hệ phi tuyến……………………………………………
37
Hình 2.8 Mô hình nhận dạng song song……………………………………………………
39
Hình 2.9 Mô hình nhận dạng nối tiếp - song song………………………………….……
40
Hình 2.10 Nhận dạng hệ phi tuyến dùng mạng nơ-ron……………………………….…
40
Hình 2.11 Bộ điều khiển thể hiện bằng nơ-ron trong cấu trúc điều khiển theo
vòng hở ……………………………………………………………………………………………

41
Hình 2.12 Bộ điều khiển thể hiện bằng nơ-ron trong cấu trúc điều khiển theo
vòng kín …………………………………………………………………………………………
42
Hình 2.13 Mạng nơ-ron đƣợc luyện bắt chƣớc bộ điều khiển…………………….……
43
Hình 2.14 Sai lệch đầu ra………………………………………………………………………
46
Hình 2.15 Sơ đồ xử lý tín hiệu của đối tƣợng………………………………………….….
47
Hình 2.16 Sơ đồ khối mô hình II………………………………………………………….…
50
Hình 2.17 Sơ đồ khối mô hình III……………………………………………………………
50
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Hình 2.18 Sơ đồ khối mô hình IV……………………………………………………………
51
Hình 2.19 Sơ đồ hệ thống điều khiển theo mô hình mẫu………………………………
51
Hình 2.20 Sơ đồ huấn luyện bộ điều khiển nơron NN ………………………………….
52
Hình 3.1 Các tập mẫu P và T dùng để luyện mạng .……….….…………………………
54
Hình 3.2 Các kỉ nguyên luyện mạng ……………………………………… ………………
54
Hình 3.3 Các kết quả luyện mạng .………………………………………………………….
55
Hình 3.4 Sơ đồ mô phỏng ………………………………………….………………………….
55

Hình 3.5 Kết quả kiểm chứng ………………………………………………………………
56
Hình 3.6 Các tập mẫu P và T dùng để luyện mạng .……….….…………………………
56
Hình 3.7 Các kỉ nguyên luyện mạng ……………………………………… ………………
57
Hình 3.8 Các kết quả luyện mạng .………………………………………………………….
57
Hình 3.9 Sơ đồ mô phỏng ………………………………………….………………………….
58
Hình 3.10 Kết quả kiểm chứng ………………………………………………………………
58
Hình 3.11 Các tập mẫu P và T dùng để luyện mạng .……….….……………………….
59
Hình 3.12 Các kỉ nguyên luyện mạng …………………………………… ………………
59
Hình 3.13 Các kết quả luyện mạng .………………………………………………………
60
Hình 3.14 Sơ đồ mô phỏng ……………………………………….…………………………
60
Hình 3.15 Kết quả kiểm chứng ………………………………………………………………
61
Hình 3.16 Các kỉ nguyên luyện mạng …………………………………… ……………….
62
Hình 3.17 Các kết xuất và sai số …………………………………………………………….
63
Hình 3.18 Sơ đồ mô phỏng ……………………………………….…………………………
63
Hình 3.19 Mô hình hàm f[u] ………………………………………………………………….
65

Hình 3.20 Các kỉ nguyên luyện mạng …………………………………… ……………….
65
Hình 3.21 Mô phỏng kết xuất thực, đích và sai số của mạng ………………………
66
Hình 3.22 Mô hình nhận dạng hệ trong simulink ………………………………………
66
Hình 3.23 Đặc tính E
p
(k) và Y
p
……………………………………………………………
67
Hình 3.24 Đặc tính của f[u(k)
1
, N[u(k)
1
…………………………………………………
67
Hình 3.25 Đặc tính của f[u(k)
2
] , N[u(k)
2
] ………… ………………………………
68
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Hình 3.26 Mô hình nhận dạng hệ trong simulink ………………………………………
69
Hình 3.27 Đầu ra của mô hình nhận dạng hệ thống ……………………………………
69

Hình 3.28 Sơ đồ nhận dạng hệ thống xử lý nƣớc thải bằng mạng nơron …………
70
Hình 3.29 Sơ đồ xử lý hệ thống nƣớc thải ………………………………………………
70
Hình 3.30 Mô hình đối tƣợng trong Simulink ……………………………………………
72
Hình 3.31 Mô hình mạng nơron của đối tƣợng ………………………………………….
72
Hình 3.32 Đồ thị sai lệch giữa mô hình nơron và mô hình đối tƣợng ……………….
73
Hình 3.33 Hàm trọng lƣợng của mô hình mẫu …………………………………………
76
Hình 3.34 Mô hình mẫu trong Simulink …………………………………………………
76
Hình 3.35 Cấu trúc mạng nơ ron của bộ điều khiển đƣợc chọn ………………………
77
Hình 3.36 Đồ thị sai lệch giữa tín hiệu ra của đối tƣợng với mô hình mẫu ………
80
Hình 3.37 Sơ đồ mô phỏng …………………………………………………………………
80
Hình 3.38 Cấu trúc một số nơ ron của các lớp vào, lớp ẩn và lớp ra ………………
81
Hình 3.39 Kết quả mô phỏng với tín hiệu đặt; y(0) = 0.005 …………………………
81
Hình 3.40 Kết quả mô phỏng với tín hiệu đặt; y(0)=0.05 ……………………………
82
Hình 3.41 Kết quả mô phỏng với tín hiệu đặt; y(0)=0.02 ……………………………
82
Hình 3.42 Kết quả mô phỏng với tín hiệu đặt; y(0)= - 0.02 ……….………………
82

Hình 3.43 Sai lệch đầu ra của NN model và đối tƣợng …………………………………
83
Hình 3.44 Mô hình mạng nơ ron của đối tƣợng ………………………………………….
84
Hình 3.45 Tín hiệu vào và ra của mẫu ……………………………………………………
85
Hình 3.46 Đầu ra của model, sai lệch giữa đầu ra của model và đối tƣợng ………
85
Hình 3.47 Sai lệch mse giữa đầu ra của NN model và đối tƣợng …………………….
86
Hình 3.48 Sơ đồ cấu trúc mạng NN controller …………………………………………
95
Hình 3.49 Tín hiệu vào và ra của mẫu ……………………………………………………
98
Hình 3.50 Đầu ra của đối tƣợng, sai lệch giữa đói tƣợng và mô hình ……………….
98
Hình 3.51 Sai lệch mse giữa đầu ra của đối tƣợng và mô hình ……………………….
98

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Ngày nay, trí tuệ nhân tạo đang phát triển mạnh mẽ nhằm tạo ra cơ sở
xây dựng các hệ chuyên gia, hệ trợ giúp quyết định. Trí tuệ nhân tạo đƣợc xây
dựng trên cơ sở mạng nơron nhân tạo và ứng dụng trong thiết kế hệ thống
điều khiển thông minh mà trong đó bộ điều khiển có khả năng tƣ duy nhƣ bộ
não của con ngƣời đang là xu hƣớng mới trong điều khiển tự động.
Đặc biệt trong những năm gần đây mạng nơron nhân tạo ANN
(Artificial Neural Network) ngày càng đƣợc ứng dụng rộng rãi trong nhận

dạng, điều khiển và tính toán mềm vì những ƣu điểm nhƣ khả năng xử lý song
song, tốc độ cao … nên đƣợc ứng dụng trong nhiều lĩnh vực nhƣ: công
nghiệp, năng lƣợng, y học, tài nguyên nƣớc và khoa học môi trƣờng, ANN
ngày càng chứng tỏ đƣợc vai trò trong nhận dạng và điều khiển các quá trình
xử lý phức tạp mà các phƣơng pháp khác không có đƣợc.
Hệ thống sau khi thiết kế hoàn chỉnh sẽ áp dụng tốt trong những bài
toán nhận dạng và điều khiển đối tƣợng động học phi tuyến trên cơ sở mạng
nơron. Ý tƣởng của đề tài là đƣa ra một lý luận chung về việc thiết kế bộ điều
khiển trên cơ sở mạng nơron cho một số đối tƣợng tuyến tính và phi tuyến.
2. Mục đích nghiên cứu
Sử dụng mạng nơron để nhận dạng, điều khiển một số đối tƣợng tuyến
tính và đối tƣợng phi tuyến.
Đƣa ra một lý luận chung ứng dụng mạng Nơron để thiết kế bộ điều
khiển theo mô hình mẫu cho một số đối tƣợng tuyến tính và phi tuyến.
3. Đối tƣợng và phƣơng pháp nghiên cứu
*.Đối tƣợng nghiên cứu: Đối tƣợng nghiên cứu của đề tài đƣa ra một
lý luận chung về thiết kế bộ điều khiển trên cơ sở mạng nơron. Tập trung vào
việc ứng dụng mạng Nơron để thiết kế bộ điều khiển theo mô hình mẫu.
*.Phƣơng pháp nghiên cứu
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Nghiên cứu lý thuyết: Nghiên cứu sách, giáo trình, bài báo, báo cáo
khoa học, luận văn và các tài liệu liên quan. Từ đó xây dựng hệ thống nhận
dạng và điều khiển đối tƣợng trên cơ sở mạng nơron.
Mô phỏng kết quả của phƣơng pháp kết hợp với hiệu chỉnh. Sau đó so
sánh với phƣơng pháp luyện mạng truyền thống của Matlab.
4. Ý nghĩa khoa học và thực tiễn của đề tài
*.Ý nghĩa khoa học
Nghiên cứu những kiến thức về mạng nơron trong nhận dạng và điều
khiển đối tƣợng động học phi tuyến.

Ta có thể làm chủ đƣợc chƣơng trình huấn luyện mạng nơron và có thể
có những cải tiến nhiều trong tƣơng lai.
Sử dụng mạng nơron để điều khiển một số đối tƣợng động học phi
tuyến.
*.Ý nghĩa thực tiễn
Các kết quả nghiên cứu của đề tài có thể sử dụng trong giảng dạy, ứng
dụng vào quá trình sản xuất và nghiên cứu về mạng nơron trong tƣơng lai.
Hệ thống nhận dạng và điều khiển dùng mạng nơron này hoàn toàn có
thể áp dụng cho các hệ thống xử lý nƣớc thải, điều khiển chuyển động của
robot, các đối tƣợng động học phi tuyến khác.
5. Kết cấu luận văn
Chƣơng 1: Tổng quan về mạng nơron
Chƣơng 2: Cơ sở việc thiết kế bộ điều khiển bằng mạng nơron
Chƣơng 3: Ứng dụng mạng nơron thiết kế bộ điều khiển theo mô hình
mẫu
Chƣơng 4: Kết luận và kiến nghị.
CHƢƠNG 1
TỔNG QUAN VỀ MẠNG NƠRON
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Hình 1.1 Mạng nơron đơn giản gồm 2 nơron
1.1. Giới thiệu tóm tắt về mạng nơron
1.1.1. Mạng nơron sinh học
Mạng nơron là sự tái tạo bằng kỹ thuật những chức năng của hệ thần
kinh con ngƣời. Trong quá trình tái tạo không phải tất cả các chức năng của
bộ não con ngƣời có đều đƣợc tái tạo mà chỉ có những chức năng cần thiết.
Bên cạnh đó có những chức năng mới đƣợc tạo ra nhằm giải quyết một bài
toán điều khiển đã định trƣớc.
Mạng nơron bao gồm vô số các nơron đƣợc liên kết truyền thông với
nhau trong mạng. Hình 1.1 là một phần của mạng nơron bao gồm hai nơron.

Thân nơron đƣợc giới hạn trong một màng membrane và trong cùng là
nhân. Từ thân nơron còn có rất nhiều đƣờng rẽ nhánh gọi là rễ.
Đƣờng liên lạc liên kết nơron này với nơron khác đƣợc gọi là axon, trên
axon có các đƣờng rẽ nhánh. Nơron có thể liên kết với các nơron khác qua
các rễ. Sự liên kết đa dạng nhƣ vậy nên mạng nơ-ron có độ liên kết cao.
Các rễ của nơron đƣợc chia thành 2 loại: loại nhận thông tin từ các
nơron qua các axon là loại rễ đầu vào, loại đƣa thông tin từ nơron đến axon
khác là rễ đầu ra.
Đặc điểm quan trọng của một nơron là có thể có nhiều rễ đầu vào
nhƣng chỉ có một rễ đầu ra. Đặc điểm này giống khâu điều khiển có nhiều đầu
vào và một đầu ra.
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Quá trình hoạt động của một nơron là một quá trình tự nhiên. Ở trạng
thái cân bằng (trạng thái tĩnh) điện áp của màng membran khoảng -75mV.
Khi có tác động bên ngoài vào nơron với mức điện áp khoảng 35mV thì trong
tế bào xảy ra hàng loạt các phản ứng hoá học tạo thành các lực làm nơron bị
kích hoạt. Thế năng sinh ra khi nơron ở trạng thái bị kích thích hoàn toàn chỉ
tồn tại trong vài ms, sau đó nơron lại trở lại trạng thái cân bằng cũ. Thế năng
này đƣợc truyền vào mạng qua các axon và có khả năng kích thích hoặc kìm
hãm tự nhiên các nơron khác trong mạng. Một nơron sẽ ở trạng thái kích thích
khi tại đầu vào xuất hiện một tín hiệu tác động vƣợt qua ngƣỡng cân bằng của

nơron.
Một tính chất quan trọng của nơron sinh học là các đáp ứng theo kích
thích có khả năng thay đổi theo thời gian. Các đáp ứng có thể tăng lên, giảm
đi hoặc hoàn toàn biến mất. Qua các nhánh axon liên kết tế bào nơron này với
tế bào nơron khác. Sự thay đổi trạng thái của một nơron cũng kéo theo sự thay
đổi trạng thái của những nơron khác và do đó là sự thay đổi của toàn bộ mạng
nơron. Việc thay đổi trạng thái của mạng nơron có thể thực hiện qua một quá
trình dạy hoặc do khả năng học tự nhiên.
1.1.2. Mạng nơron nhân tạo (Artificial Neural network - ANN)
Từ những nghiên cứu tính chất cơ bản của mạng nơron sinh học. Ngƣời
ta thay thế những tính chất này bằng một mô hình toán học tƣơng đƣơng đƣợc
gọi là mạng nơron nhân tạo. Mạng nơron nhân tạo có thể đƣợc chế tạo bằng
nhiều cách khác nhau vì vậy trong thực tế tồn tại rất nhiều kiểu mạng nơron
nhân tạo.
Mô hình của Nơron có thể đƣợc cấu tạo từ 3 thành phần chính: Phần
tổng các liên kết đầu vào, phần động tuyến tính, phần phi tuyến không động
học.
Hình 1.2 biểu diễn một nơron nhân tạo đơn giản bao gồm m đầu vào và
một đầu ra.

w
1

p
1

+


f

w
2

p
2

a
n
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN








Cấu trúc một nơron bao gồm:
p
1
, p
2
, …. p
n
: n đầu vào
w
1
, w
2

… w
n
: n trọng số
b: tham số bù
a = f(n): hàm truyền
Đứng về mặt hệ thống, một nơron là một hệ thống MISO quen thuộc
với nhiều đầu vào và một đầu ra.
Quan hệ giữa các đầu vào và ra của một nơron đƣợc biểu diễn bằng
phƣơng trình toán học nhƣ sau:

 
bwpbppp
w
w
w
bwpn
m
m
m
k
kk

























*
.
.
.
21
2
1
1
(1-1)
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Dƣới đây là một số hàm f cơ bản thƣờng đƣợc sử dụng.
Hàm a = f(n)
BLM 10 mô tả
a = tansig(n)

1
1
2
2



 n
e
a

a= logsig(n)
1
1
n
a
e




a = radbas(n)
2
n
ae




a = satlins(n)

a = -1 nếu n ≤ -1
a = n nếu -1 ≤ n ≤ 1
a = 1 nếu n ≥ 1
a = hardlim(n)
a = 1 nếu n ≥0
a = -1 nếu n < 0
a = purelin(n)
a = n

1.1.3.Cấu trúc mạng nơron nhân tạo
Trong điều khiển tự động, để xây dựng đƣợc các hệ thống điều khiển tự
động, trƣớc tiên phải xác định đƣợc mô hình thích hợp cho đối tƣợng và xác
định các tham số của mô hình. Ở đây mô hình đƣợc sử dụng để thay thế cho
đối tƣợng là một mạng nơron. Vậy ta phải xác định đƣợc cấu trúc hợp lý cho
mạng nơron và huấn luyện các tham số của mạng. Tùy theo các đặc tính của
mạng nơron là động học tuyến tính, phi tuyến tĩnh, hay động học phi tuyến
mà ta có thể phân thành 3 loại nhƣ sau:
-Mạng nơron động học tuyến tính: Quan hệ vào và ra của mạng nơron có
tính chất động học tuyến tính.
-Mạng nơron phi tuyến tĩnh: Quan hệ vào và ra của mạng có tính chất
phi tuyến tĩnh.
-Mạng nơron động học phi tuyến: Quan hệ vào và ra của mạng có tính
chất động học và phi tuyến.

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
*.Mạng nơron động học tuyến tính
Mạng nơron động học tuyến tính bao gồm nhiều lớp với hàm truyền là
hàm tuyến tính purelin nhƣng trong đó phải có ít nhất một khâu trễ. Trong
điều khiển tự động mạng nơron có cấu trúc càng đơn giản càng tốt nghĩa là số

lớp và số nơron trong mỗi lớp càng ít càng tốt. Ở đây trình bày cấu trúc mạng
đơn giản nhất nhƣng rất hiệu quả trong nhận dạng đối tƣợng.










*.Mạng nơron phi tuyến tĩnh
Mạng nơron phi tuyến tĩnh có cấu trúc nhiều lớp trong đó có ít nhất là
một lớp với hàm truyền là hàm phi tuyến. Dƣới đây là sơ đồ cấu trúc một
mạng nơron phi tuyến tĩnh.












+
z

-1
z
-1
z
-1
lw
11
lw
12

lw
1n


z
-1
z
-1
z
-1
iw
11

iw
12

iw
1m

iw

10
u
y
purelin
Hình 1.3 Mạng nơron có đặc tính động học và tuyến tính
b
1
1


t

LW
32

LW
21

IW
11

b
2
1
p
q
r
1
qx1
rx1

qx1
rx1
q x 1
qx 1
r x
q
b
3
1
1x1

r x
1
1 x r
1 x 1
Hình 1.4. Mạng nơron có đặc tính phi tuyến tĩnh
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Mạng nơron có cấu trúc nhƣ sau: bao gồm 3 lớp, lớp vào gồm có q
nơron với hàm truyền tansig, lớp ẩn gồm r nơron với hàm truyền tansig, lớp ra
gồm 1 nơron với hàm truyền purelin.
Khối IW
11
là một ma trận có trọng số liên kết giữa đầu vào thứ nhất với
lớp vào có kích thƣớc q x 1, tức là ma trận IW
11
có q hàng và 1 cột.
Khối LW
21
là ma trận các trọng số liên kết giữa các đầu ra của lớp ẩn

với nơron lớp ẩn có kích thƣớc r hàng và q cột.
Khối LW
32
là ma trận các trọng số liên kết giữa các đầu ra của lớp ẩn
với nơron lớp ra có kích thƣớc 1 hàng và r cột.
Các hàm truyền f ở trong cùng một lớp đƣợc chọn giống nhau. Lớp vào
và lớp ẩn cùng sử dụng các hàm truyền tansig, lớp ra sử dụng hàm truyền
purelin.
Các khối b
1
, b
2
và b
3
là các véc tơ hệ số thiên dịch, có số hàng bằng số
nơron có trong lớp tƣơng ứng và có số cột bằng một.
Nhƣ vậy cấu trúc của mạng không những thể hiện ở số nơron ở mỗi lớp
mà còn thể hiện ở số lớp nơron và hàm truyền.
Sau khi huấn luyện, nếu thấy trong ma trận LW
32
có phần tử ở cột thứ I
bằng không thì ta có thể loại bỏ nơron thứ I ở lớp trƣớc nó. Đây là điều kiện
quan trọng để ta có thể xác định cấu trúc mạng nơron trong quá trình nhận
dạng đối tƣợng.
Mạng nơron phi tuyến đƣợc ứng dụng để nhận dạng đối tƣợng phi
tuyến tĩnh, sẽ đƣợc trình bày ở phần sau.
*.Mạng nơron động học phi tuyến
Là một mạng nơron gồm nhiều lớp có các hàm truyền phi tuyến và các
khâu trễ. Đây là một loại mạng nơron mà quan hệ vào và ra của nó không
những thể hiện tính phi tuyến mà còn thể hiện cả tính động học, do đó cấu

trúc mạng sẽ phức tạp hơn so với hai loại mạng ở trên và việc huấn luyện
mạng cũng khó khăn hơn.
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Trong phần này chỉ trình bày một mạng nơron có đặc tính động học phi
tuyến đơn giản. Hình 1.5 dƣới đây là sơ đồ cấu trúc một mạng nơron có đặc
tính động học phi tuyến.









Các khâu TDL - 1 và TDL - 2 có cấu trúc đƣợc thể hiện trong hình 1.6.








Khâu TDL-1 đƣợc gọi là khâu trễ đầu vào, có 1 đầu vào và m+1 đầu ra
lần lƣợt bị trễ 0,1,2 … m nhịp, Khâu TDL-2 đƣợc gọi là khâu trễ đầu ra hay
khâu phản hồi có 1 đầu vào và n đầu ra. Trong khi chọn cấu trúc mạng nơron
ta phải chú ý đến việc chọn số nhịp trễ thích hợp tại vì khi tăng nhịp trễ sẽ làm
tăng số lƣợng các trọng số của mạng nơron.

Hình 1.5 Mạng nơron có đặc tính động học phi tuyến
b
1
1


t

LW
32

LW
21

IW
11

b
2
1
TDL-1
0 1 m

p
LW
13

TDL-2
1 2 . n
1

q
r
q x n
q x
(m+1)

qx1
r x
q
b
3
1
n x 1
(m+1) x 1
r x
1
1 x r
1 x 1
z
-1
z
-1
z
-1
TDL-1
z
-1
z
-1
z

-1
TDL-2
Hình 1.6 Cấu trúc của các khối TDL-1 và TDL-2
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Vậy ta phải cố gắng giảm số nhịp trễ đến mức ít nhất có thể, có nghĩa
là khi chƣa biết cấu trúc thì phải chọn nhịp trễ nhỏ nhất, sau đó tăng dần số
nhịp trễ nếu nhƣ sai lệch còn lớn.
Khối IW
11
là một ma trận các trọng số liên kết giữa đầu vào thứ nhất
với lớp vào có kích thƣớc q hàng và m+1 cột. Khối LW
21
là ma trận các trọng
số liên kết giữa các đầu ra của lớp vào với các nơron lớp ẩn có kích thƣớc r
hàng và q cột. Khối LW
32
là ma trận các trọng số liên kết giữa các đầu ra của
lớp ẩn với các nơron của lớp ra có kích thƣớc 1 hàng và r cột. Khối LW
13
là
ma trận các trọng số liên kết giữa đầu ra của lớp ra với các nơron của lớp vào
có kích thƣớc q hàng và n cột.
Hàm f ở trong cùng một lớp đƣợc chọn giống nhau. Lớp vào và lớp ẩn
cùng sử dụng các hàm tansig, lớp ra sử dụng hàm purelin.
Các khối b
1
, b
2
và b

3
là các véctơ tham số bù, có số hàng bằng số nơron
có trong lớp tƣơng ứng và có một cột.
Một cách tổng quát, cấu trúc mạng nơron động học phi tuyến là giống
nhƣ trên, nhƣng số lớp của mạng có thể lớn hơn hoặc ít hơn và phải có khâu
trễ, có thể là trễ đầu vào hoặc trễ đầu ra hoặc là cả hai loại trễ. Vậy cấu trúc
của mạng nơron động học phi tuyến đơn giản sẽ có cấu trúc hai lớp với trễ
đầu vào hoặc trễ đầu ra.
Nhìn vào cấu trúc của mạng nơron này ta thấy nó là một hệ động học
phi tuyến. Tính động học của mạng đƣợc thể hiện ở các khâu trễ đầu vào và
trễ phản hồi. Tính phi tuyến thể hiện ở các hàm truyền phi tuyến tansig. Nhƣ
vậy mô hình mạng nơron này có thể đƣợc sử dụng để thay thế mô hình toán
học của đối tƣợng có đặc tính động học phi tuyến.
Khi nhận dạng đối tƣợng động học phi tuyến sử dụng mô hình mạng
nơron trên thì cần phải chọn cấu trúc hợp lý. Để đơn giản đầu tiên nên chọn
cấu trúc mạng đơn giản nhất, tức là có hai lớp không có lớp ẩn. Mặt khác vì
đối tƣợng xét ở đây có quan hệ một vào và một ra, cho nên số nơron của lớp
ra luôn là một và để đơn giản hơn nữa có thể chọn hàm f của lớp ra là hàm
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
purelin. Vấn đề còn lại là chọn số nơron lớp vào và số nhịp trễ của hai khâu
trễ đầu vào và trễ phản hồi.
Nhƣ đã trình bày ở trên, số nơron một lớp sẽ quyết định số hàng và số
nhịp trễ sẽ quyết định số cột của ma trận trọng số, nhƣ thế sẽ quyết định số
lƣợng tham số của mạng. Cho nên, cấu trúc ban đầu của mạng phải chọn đơn
giản nhất có thể, sau đó sẽ thay đổi tăng hoặc giảm dần số nơron và số nhịp
trễ nếu nhƣ sai lệch lớn.
Dựa trên cơ sở mô tả toán học của đối tƣợng ta có thể xác định đƣợc
bậc tƣơng đối của nó, trên cơ sở đó sẽ xác định số nhịp trễ tối thiểu của mạng
nơron.

1.1.4. Luyện mạng Nơron
Khi xây dựng mạng để mạng có thể thực hiện đƣợc các công việc mà
ngƣời sử dụng mạng yêu cầu thì mạng nơron cần phải đƣợc học, việc học bao
gồm:
- Học cấu trúc: cần xác định đƣợc số lớp của mạng, số nơron trong mỗi
lớp để mạng có thể đáp ứng đƣợc nhu cầu về ứng dụng mạng.
- Học tham số: cần phải xác định mối liên hệ giữa các nơron với nhau, tức
là phải xác định các tham số trọng, các hàm kích hoạt phải đƣợc chọn
1.1.4.1. Các phƣơng pháp luyện mạng
Việc luyện mạng có thể đƣợc thực hiện theo phƣơng pháp cần có tín
hiệu yêu cầu hay không (để so sánh với kết quả không), do vậy có các phƣơng
pháp cơ bản sau:
- Cần có tín hiệu chỉ đạo (học có giám sát hay học có thầy giáo): đƣa
cho mạng các ví dụ số liệu vào ra, mạng biến đổi số liệu vào và so sánh với
đầu ra của mình với đầu ra mong muốn.
- Cần có tín hiệu chỉ đạo nhƣng không chi tiết (luyện mạng bằng cách
củng cố dần kiến thức): Trong trƣờng hợp này không đƣa cho mạng giá trị
đầu ra mong muốn mà chỉ đƣa ra đánh giá đầu ra tốt hay xấu, ví dụ: đúng –
sai, đƣợc – không.
Thiết kế bộ điều khiển trên cơ sở mạng Nơ-ron
S húa bi Trung tõm Hc liu HTN
- Khụng cn tớn hiu ch o (hc khụng giỏm sỏt hay hc khụng thy
giỏo): Bn thõn mng t xõy dng lut hc bng cỏch tỡm ra cỏc c trng ca
tp s liu vo
Dng chung cho hc tham s:
w
i
(t) = rx (1-1)
: Tc luyn mng.
1.1.4.2. Cỏc lut luyn mng nron

Cỏc lut luyn mng nron cho bit quy lut m cỏc trng lng liờn
kt ca mng phi thay i theo trong quỏ trỡnh luyn mng.
1.1.4.2.1. Lut hc khụng giỏm sỏt ca Hebb (1949)
Phn ln cỏc phng phỏp luyn mng da trờn cỏc nguyờn lý chung
do Hebb a ra nm 1949. Nguyờn lý Hebb c phỏt biu: Nu hai nron
ng thi c kớch thớch thỡ tng mi liờn h gia chỳng, c th:
w
i
= y
i
x (1-2)
Trong ú:
w
i
: bin thiờn ca trng lng w
i
.
: Tc luyn mng.
Cỏch phỏt biu khỏc ca lut Hebb: Lc khp trong nóo thay i t l
vi tng quan gia s phỏt ha ca cỏc nron trc.
Vớ d: p dng lut Hebb cp nht vộc t trng w = [w
1
, w
2
, w
3
, w
4
]
cho mt nron vi 4 u vo x = [x

1
, x
2
, x
3
, x
4
] theo tp 3 mu sau:














0
5,0
5,1
1
1
x
,

5,1
0
1
5,0
2
x
,

5,0
1
0
1
3
x
,

1
1
0
chọn giá trị w , 1.
1
0

Ta xột trng hp vi hm tớch hp tuyn tớnh, cú = 0 v hm kớch
hot dng ngng:

xWSgnxwSgny
T
m
j
jj











1

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN
Bƣớc 1: Tính đầu ra
y
(1)
= Sgn([0,1;0;-1;0]
1
1,5
0,5

0






) = Sgn(1+0-0.5+0) = Sgn(0,5) = 1
w = 1.1.
1
1,5
0,5
0






, w
(2)
= w
(1)
+ w =
1 1 2
0 1,5 1,5
1 0,5 0,5
0 0 0
     
     

     

     

     
     

Bƣớc 2: w
(3)
= w
(2)
+ Sgn(w
(2)T
x
(2)
)x
(2)
=

2 0,5 0,5
1,5 1 1
Sgn [2;1,5; 0,5;0] .
0,5 0 0
0 1,5 1,5


     

     


     
  

     


     

     



 
2 0,5 2 0,5 1,5
1,5 1 1,5 1 2,5
Sgn 1 1,5
0,5 0 0,5 0 0,5
0 1,5 0 1,5 1,5

         
         
         
      
         
  
         
         


Bƣớc 3:

w
(4)

1,5 1 1 1,5 1 2,5
2,5 0 0 2,5 0 2,5
Sgn [1,5;2,5; 0,5;1,5] .
0,5 1 1 0,5 1 0,5
1,5 0,5 0,5 1,5 0,5 2


           

           

           
     

           
    

           

  
           




1.1.4.2.2.Luật học Perceptron (Rosenblatt)
Dùng cho việc luyện mạng truyền thẳng. Giả sử mạng có (m-1) đầu

vào, n đầu ra. Thêm vào đầu vào x
m
=-1, cùng với các trọng w
1m
= 
1
, w
2m
=

2
,. . . w
nm
= 
n
. Để biểu diễn không tƣờng minh véc tơ ngƣỡng.
Có phƣơng trình mô tả sau: