ỨNG DỤNG LOGIC MỜ TRONG BÀI TOÁN MÁY GIẶT

Công nghệ tri thức và ứng dụng
MỤC LỤC
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 1
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG I. TỔNG QUAN VỀ CÔNG NGHỆ TRI
THỨC VÀ ỨNG DỤNG
1 Công nghệ tri thức
• Công nghệ tri thức (Knowledge Engineering): có thể xem là một nhánh nghiên cứu của
trí tuệ nhân tạo, phân tích tri thức lĩnh vực và chuyển nó thành những mô hình tính toán
đưa vào máy tính để phục vụ những nhu cầu cần thiết. (John F.Sowa. Knowledge
representation: Logical, philosophical, and Computational Foundations. Copyright
@2000 by Brooks/Cole. A division of Thomson Learning)
• Công nghệ tri thức (Knowledge Engineering): là các phương pháp, kỹ thuật được
những kỹ sư tri thức (knowledge engineers) dùng để xây dựng những hệ thống thông
minh như: hệ chuyên gia, hệ cơ sở tri thức, hệ hổ trợ quyết định, etc. (Dr Dickson
Lukose. Department of Mathematics, Statistics and Computer Science - The University
of New England. Dr Rob Kremer Department of Computer Science The University of
Calgary Calgary, Alberta, T2N 1N4 Canada. Courses: KNOWLEDGE ENGINEERING,
PART A: Knowledge Representation. July 1996)
• Công nghệ tri thức là những phương pháp, kỹ thuật dùng để:
 Tiếp nhận, biểu diễn tri thức.
 Xây dựng các hệ cơ sở tri thức.
 Khám phá tri thức.
Tham khảo và trích dẫn từ giáo trình “Công nghệ tri thức và
ứng dụng” của GS.TSKH Hoàng Văn Kiếm
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 2
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
2 Vai trò của công nghệ tri thức
• Cùng với sự phát triển nhanh chóng, vượt bậc của ngành công nghiệp máy tính, nhu cầu

của người dùng đối với máy tính ngày một cao hơn: không chỉ giải quyết những công
việc lưu trữ, tính toán bình thường, người dùng còn mong đợi máy tính có khả năng
thông minh hơn, có thể giải quyết vấn đề như con người. Và từ đó trí tuệ nhân tạo nói
chung và đặc biệt là công nghệ tri thức ra đời và phát triển.
• Công nghệ tri thức đóng vai trò hết sức quan trọng trong việc phát triển Công nghệ
thông tin, nâng cao sự hữu dụng của máy tính, giúp con người gần gũi với máy tính hơn.
• Công nghệ tri thức còn góp phần thúc đẩy nhiều ngành khoa học khác phát triển, khả
năng phát triển khoa học dựa trên tri thức liên ngành.
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 3
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG II. LOGIC MỜ (FUZZY LOGIC)
3 Tổng quan về Logic mờ (Fuzzy Logic)
• Lôgic mờ (tiếng Anh: Fuzzy logic) được phát triển từ lý thuyết tập mờ để thực hiện lập
luận một cách xấp xỉ thay vì lập luận chính xác theo lôgic vị từ cổ điển. Lôgic mờ có thể
được coi là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực
cho các bài toán phức tạp (Klir 1997).
• Người ta hay nhầm lẫn mức độ đúng với xác suất. Tuy nhiên, hai khái niệm này khác
hẳn nhau; độ đúng đắn của lôgic mờ biểu diễn độ liên thuộc với các tập được định nghĩa
không rõ ràng, chứ không phải khả năng xảy ra một biến cố hay điều kiện nào đó.
• Để minh họa sự khác biệt, ta xét tình huống sau: Bảo đang đứng trong một ngôi nhà có
hai phòng thông nhau: phòng bếp và phòng ăn. Trong nhiều trường hợp, trạng thái của
Bảo trong tập hợp gồm những thứ "ở trong bếp" hoàn toàn đơn giản: hoặc là anh ta
"trong bếp" hoặc "không ở trong bếp". Nhưng nếu Bảo đứng tại cửa nối giữa hai phòng
thì sao? Anh ta có thể được coi là "có phần ở trong bếp". Việc định lượng trạng thái
"một phần" này cho ra một quan hệ liên thuộc đối với một tập mờ. Chẳng hạn, nếu Bảo
chỉ thò một ngón chân cái vào phòng ăn, ta có thể nói rằng Bảo ở "trong bếp" đến 99%
và ở trong phòng ăn 1%. Một khi anh ta còn đứng ở cửa thì không có một biến cố nào
(ví dụ một đồng xu được tung lên) quyết định rằng Bảo hoàn toàn "ở trong bếp" hay
hoàn toàn "không ở trong bếp". Các tập mờ được đặt cơ sở trên các định nghĩa mờ về

các tập hợp chứ không phải dựa trên sự ngẫu nhiên.
• Lôgic mờ cho phép độ liên thuộc có giá trị trong khoảng đóng 0 và 1, và ở hình thức
ngôn từ, các khái niệm không chính xác như "hơi hơi", "gần như", "khá là" và "rất". Cụ
thể, nó cho phép quan hệ thành viên không đầy đủ giữa thành viên và tập hợp. Tính chất
này có liên quan đến tập mờ và lý thuyết xác suất. Lôgic mờ đã được đưa ra lần đầu vào
năm 1965 bởi GS. Lotfi Zadeh tại Đại học California, Berkeley.
• Mặc dù được chấp nhận rộng rãi và có nhiều ứng dụng thành công, lôgic mờ vẫn bị phê
phán tại một số cộng đồng nghiên cứu. Nó bị phủ nhận bởi một số kỹ sư điều khiển vì
khả năng thẩm định và một số lý do khác, và bởi một số nhà thống kê - những người
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 4
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
khẳng định rằng xác suất là mô tả toán học chặt chẽ duy nhất về sự không chắc chắn
(uncertainty). Những người phê phán còn lý luận rằng lôgic mờ không thể là một siêu
tập của lý thuyết tập hợp thông thường vì các hàm liên thuộc của nó được định nghĩa
theo các tập hợp truyền thống.
Tham khảo và trích dẫn từ “ />%E1%BB%9D”
4 Ứng dụng của Logic mờ
• Lôgic mờ có thể được sử dụng để điều khiển các thiết bị gia dụng như máy giặt (cảm
nhận kích thước tải và mật độ bột giặt và điều chỉnh các chu kỳ giặt theo đó) và tủ lạnh.
• Một ứng dụng cơ bản có thể có đặc điểm là các khoảng con của một biến liên tục. Ví dụ,
một đo đạc nhiệt độ cho phanh (anti-lock brake) có thể có một vài hàm liên thuộc riêng
biệt xác định các khoảng nhiệt độ cụ thể để điều khiển phanh một cách đúng đắn. Mỗi
hàm ánh xạ cùng một số đo nhiệt độ tới một chân giá trị trong khoảng từ 0 đến 1. Sau đó
các chân giá trị này có thể được dùng để quyết định các phanh nên được điều khiển như
thế nào.
Hình 1.2.1: miền chân trị
• Trong hình, cold (lạnh), warm (ấm), và hot (nóng) là các hàm ánh xạ một thang nhiệt
độ. Một điểm trên thang nhiệt độ có 3 "chân giá trị" , mỗi hàm cho một giá trị. Đối với
nhiệt độ cụ thể trong hình, 3 chân giá trị này có thể được giải nghĩa là 3 miêu tả sau về

nhiệt độ này: "tương đối lạnh", "hơi hơi ấm", và "không nóng".
• Các sản phẩm ứng dụng công nghệ cao trong cuộc sống hiện đại
 Các hệ thống con của ô tô và các phương tiện giao thông khác, chẳng hạn các hệ
thống con như ABS và quản lý hơi (ví dụ Tokyo monorail).
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 5
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
 Máy điều hòa nhiệt độ
 Phần mềm MASSIVE dùng trong các tập phim Chúa nhẫn (Lord of the Rings),
phần mềm đã giúp trình diễn những đội quân lớn, tạo các chuyển động một cách
ngẫu nhiên nhưng vẫn có thứ tự
 Camera
 Xử lý ảnh số (Digital image processing), chẳng hạn như phát hiện biên (edge
detection)
 Nồi cơm điện
 Máy rửa bát
 Thang máy
 Máy giặt và các thiết bị gia dụng khác
 Trí tuệ nhân tạo trong trò chơi điện tử
 Các bộ lọc ngôn ngữ tại các bảng tin (message board) và phòng chat để lọc bỏ các
đoạn văn bản khiếm nhã
 Nhận dạng mẫu trong Cảm nhận từ xa (Remote Sensing)
 Gambit System trong Final Fantasy XII
 Phần mềm dự đoán tăng giảm tỉ giá chứng khoán
 Phần mềm nhận dạng chữ biết
 Phần mềm nhận dạng dấu vân tay, cảm ứng nhiệt
 V.V…
Tham khảo và trích dẫn từ “ />%E1%BB%9D”
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 6
HVTH : Mã Tuấn Huy

Công nghệ tri thức và ứng dụng
CHƯƠNG III. HỆ THỐNG MỜ
5 Các khái niệm cơ bản
1Tập rõ và hàm thành viên
Tập rõ crisp set) là tập hợp truyền thống theo quan điểm của Cantor (crisp set). Gọi A
là một tập hợp rõ, một phần tử x có thể có x Î A hoặc x Ï A, Có thể sử dụng hàm c để
mô tả khái niệm thuộc về. Nếu x Î A, c (x) = 1, nguợc lại nếu x Ï A, c (x) = 0. Hàm c
được gọi là hàm đặc trưng của tập hợp A.
Hình 3.1.1.1: miền chân trị tập rõ
2Tập mờ và hàm thành viên
Khác với tập rõ, khái niệm thuộc về được mở rộng nhằm phản ánh mức độ x là phần
tử của tập mờ A. Một tập mờ fuzzy set): A được đặc trưng bằng hàm thành viên m và
cho x là một phần tử m (x) phản ánh mức độ x thuộc về A.
Ví dụ: Cho tập mờ Young Lan 16 tuổi, µ(Lan)=1, Hùng 25 tuổi, µ(Hùng)=0.5
Hình 3.1.1.2: miền chân trị tập mờ
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 7
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.1.1: tập rõ và tập mờ
3Các dạng của hàm thành viên
a Dạng S tăng
µ (x)=S(x, α , β , γ ) =
0 nếu x <= α
2(x- α )/(γ - α ) nếu α < x <= β
1 -[2(x- α )/(γ - α )] nếu β < x < γ
1 nếu x >= γ
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 8
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.1.3.1: Hàm S tăng

b Dạng S giảm
m (x)=1- S(x, a , b , g )
Hình 3.1.3.2: Hàm S giảm
c Dạng hình chuông
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 9
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.1.3.2: Hàm hình chuông
6 Các phép toán trên tập mờ
Cho ba tập mờ A, B , C với m A(x), m B(x),m C(x)
1Phép giao
C=A ∩ B: µ C(x) = min(µ A(x), µ B(x))
Hình 3.2.1.1: Phép giao
2Phép hội
C=A∪ B : µ C(x) = max(µ A(x), µ B(x))
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 10
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.2.2.1: Phép hội
3Phép bù
C=¬ A : µ C(x) = 1- µ A(x)
Hình 3.2.3.1: Phép bù
7 Các hệ thống mờ
1Hàm thành viên cho các biến rời rạc
Cho tập vũ trụ E = Tốc độ = { 20,50,80,100 } đơn vị là Km/g.
a./ Xét tập mờ F = Nhanh xác định bởi hàm membership
µ
nhanh:
E > [ 0,1 ]
x1 > µ

nhanh
(X)
Khi ta gán µ
nhanh
(20) = 0 nghĩa là tốc độ 20 Km/g được xem như là không
nhanh.
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 11
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 3.3.1.1: biểu đồ minh họa
theo nguyên tắc đó tập mờ nhanh = { (20,0), (50,0.5), (80,0.6), 100, 1) } hay vắn
tắt hơn Nhanh = { 0,0.5,0.6,1 }
Vậy hàm thành viên đánh giá mức độ đúng của các tốc độ trong tập vũ trụ E với
khái niệm nhanh. Hàm này có tính chủ quan và do kinh nghiệm hay do thực
nghiệm.
b./ Xét tập mờ trung-bình với hàm thành viên xác định như sau:
Hình 3.3.1.2: biểu đồ minh họa
thì tập Trung Bình = { 0.3,1,0.5,0 }
2Hàm thành viên trong không gian các biến liên tục
Chẳng hạn như các tập mờ Nhanh và Trung bình ở trên có thể định nghĩa như là
các hàm
µ
nhanh
(x) = (x/100)
2
Trong phần sau chỉ xét các hàm thành viên có biến liên tục
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 12
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
8 Xử lý bài toán mờ

Hình 3.4.1: sơ đồ xử lí bài toán mờ
Tham khảo và trích dẫn từ giáo trình “Công nghệ tri thức và
ứng dụng” của GS.TSKH Hoàng Văn Kiếm
CHƯƠNG IV. ỨNG DỤNG LOGIC MỜ TRONG
BÀI TOÁN MÁY GIẶT
9 Giới thiệu bài toán
• Ngày nay cùng với sự phát triển vượt bậc của khoa học công nghệ, việc cho lựa các sản
phẩm điện máy gia dụng thông minh ngày càng phổ biến và giá thành ngày càng thấp.
(Theo số liệu khảo sát về thị trường máy giặt Electrolux cửa trước năm 2002 giá từ 12 – 15 triệu và 2012
là khoảng 8 triệu nếu so sánh về tính năng thì các máy giặt thông minh thế hệ 2012 vượt trội hơn hẳn).
• Vậy thế nào được gọi là 1 sản phẩm điện máy thông minh (cụ thể là máy giặt)? 1 sàn phẩm
thông minh đầu tiên phải đáp ứng nhu cầu sử dụng của khách hàng và giản lược tối đa
các thao tác không cần thiết nhưng vẫn đảm bảo yêu cầu sử dụng, điều thứ 2 ta cần quan
tâm là giá thành sản phẩm.
• Cụ thể với 1 chiếc máy giặt thông minh phải đáp ứng các yêu cầu đặt ra:
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 13
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
 Giặt sạch quần áo.
 Không làm hư hỏng (rách, sờn, biến dạng, v.v…) quần áo sau khi giặt.
 Đơn giản hóa thao tác người dùng.
 An toàn khi vận hành (tự động ngắt điện khi gặp sự cố bên ngoài).
 Tiết kiệm điện năng, nước, bột giặt (nước giặt).
 Tối ưu hóa thời gian chờ (thời gian giặt).
 Độ bền theo thời gian.
 V.v…
• Khi ta dùng máy giặt, việc lựa chọn chế độ giặt dựa trên chất liệu quần áo, độ bẩn. Áp
dụng logic mờ, ta có thể tự động hóa quá trình này nhờ vào các cảm biến tự động xác
định chất liệu, độ bẩn, khối lượng quần áo cần giặt từ đó xác định được thời gian hoàn
tất quá trình giặt để giảm hao phí điện năng, nước, bột giặt (nước giặt).

10 Bộ điều khiển mờ
• Giá trị đầu vào gồm 2 tham số: 2 giá trị này được đo thông qua các cảm biến quang.
 Dirtiness (độ bẩn): được đo qua độ trong của nước.
 Greasy (dầu mỡ): được xác định bởi thời gian bảo hòa, do dầu mỡ khó hòa tan hơn các
loại chất bẩn khác.
Hình 4.2.1: sơ đồ xử lí bài toán
11 Giải quyết bài toán
• Với tham số đầu vào Độ bẩn có các tập mờ
 Bẩn ít (D.Small)
 Bẩn vừa (D.Medium)
 Bẩn nhiều (D.Large)
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 14
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
• Với tham số đầu vào Độ dầu mỡ có các tập mờ
 Mỡ ít (K.NotGreasy)
 Mỡ vừa (K.Medium)
 Mỡ nhiều (K.Greasy)
• Với tham số đầu ra xác định thời gian giặt có các tập mờ
 Giặt rất nhanh (T.VeryShort)
 Giặt nhanh (T.Short)
 Giặt vừa (T.Medium)
 Giặt lâu (T.Long)
 Giặt rất lâu (T.Very Long)
3.1. Xây dựng tập luật
• Gọi x: chỉ Độ bẩn (0 <= x <= 100)
y: chỉ Loại chất bẩn (0 <= y <= 100)
z: Thời gian giặt (0 <= z <= 60)
• Ta có:
 if x is Large and y is Greasy then z is VeryLong;

 if x is Medium and y is Greasy then z is Long;
 if x is Small and y is Greasy then z is Long;
 if x is Large and y is Medium then z is Long;
 if x is Medium and y is Medium then z is Medium;
 if x is Small and y is Medium then z is Medium;
 if x is Large and y is NotGreasy then z is Medium;
 if x is Medium and y is NotGreasy then z is Short;
 if x is Small and y is NotGreasy then z is VeryShort;
D.Small D.Medium D.Large
K.NotGreasy T.VeryShort T.Short T.Medium
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 15
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
K.Medium T. Medium T. Medium T. Long
K.Greasy T. Long T. Long T. VeryLong
Hình 4.3.1.1: sơ đồ tập luật
3.2. Xác định các hàm thành viên
• Hàm thành viên của Độ bẩn:
• Hàm thành viên của Độ dầu mỡ:
• Hàm thành viên của kết luận cho từng luật:
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 16
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 17
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 18
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Hình 4.3.2.1: sơ đồ về các hàm thành viên

• Các luật áp dụng trong bài toán máy giặt
 R1 : If Dirtiness_Large And Greasy_Large Then Wash_Time_Verylong
 R2: If Dirtiness_Medium And Greasy_Large Then Wash_Time_Long
 R3: If Dirtiness_Small And Greasy_Large Then Wash_Time_Long
 R4: If Dirtiness_Large And Greasy_Medium Then Wash_Time_Long
 R5: If Dirtiness_Medium And Greasy_Medium Then Wash_Time_Medium
 R6: If Dirtiness_Small And Greasy_Medium Then Wash_Time_Medium
 R7: If Dirtiness_Large And Greasy_None Then Wash_Time_Medium
 R8: If Dirtiness_Medium And Greasy_None Then Wash_Time_Short
 R9: If Dirtiness_Small And Greasy_None Then Wash_Time_VeryShort
3.3. Giải bài toán mờ
Giả sử tham số đầu vào:
x =40 (Độ bẩn)
y=60 (loại chất bẩn)
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 19
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
Ta được:
µD
.Small
(x) = 1/5
µD
.Medium
(x) = 4/5
µD
.Large
(x) = 0
µK
.NotGreasy
(y) = 0

µK
.Medium
(y) = 4/5
µK
.Greasy
(y) = 1/5
Áp dụng các tập luật đã nêu ở phần 3.2:
W1 = min(µD
.Large
(x0), µK
.Greasy
(y0)) = min(0,1/5) = 0
W2 = min(µD
.Medium
(x0), µK
.Greasy
(y0)) = min(4/5, 1/5) = 1/5
W3 = min(µD
.Small
(x0), µK
.Greasy
(y0)) = min(1/5, 1/5) = 1/5
W4 = min(µD
.Large
(x0), µK
.Medium
(y0)) = min(0, 4/5) = 0
W5 = min(µD
.Medium
(x0), µK

.Medium
(y0)) = min(4/5, 4/5) = 4/5
W6 = min(µD
.Small
(x0), µK
.Medium
(y0)) = min(1/5, 4/5) = 1/5
W7 = min(µD
.Large
(x0), µK
.NotGreasy
(y0)) = min(0, 0) = 0
W8 = min(µD
.Medium
(x0), µK
.NotGreasy
(y0)) = min(4/5, 0) = 0
W9 = min(µD
.Small
(x0), µK
.NotGreasy
(y0)) = min(1/5, 0) = 0
µC(z) = W2*T.Long(z) + W3*T.Long(z) + W5*T.Medium(z) + W6*T.Medium(z)
µC(z) = 2/5*T.Long(z) + T.Medium(z)
Defuzzy(z) = moment/area
= µC(z) d(z) / (W1 + W2 + W3 + … + W9)
= 705.6 / 19.6
= 36
Với độ bẩn(=40) và độ dầu mỡ(=60) thì thời gian cần giặt là 36 phút.
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 20

HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
12 Giải thuật trên máy tính
public object Fuzzy(double X, double Y)
{

// Parameter : X = Dirtiness degress, Y = Greasy degree
double area = 0;
double moment = 0;
double t1 = 0;
double t2 = 0;
double t3 = 0;
double f = 0;
dx = int.Parse(((X - MinX) / DeltaX).ToString());
dy = int.Parse(((Y - MinY) / DeltaY).ToString());
//Luat R1: If Dirtiness_Large And Greasy_Large Then
Wash_Time_Verylong
t1 = Dirtiness_Large[dx];
t2 = Greasy_Large[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_verylong;
//Luat R2: If Dirtiness_Medium And Greasy_Large Then
Wash_Time_Long
t1 = Dirtiness_Medium[dx];
t2 = Greasy_Large[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_long;
//Luat R3: If Dirtiness_Small And Greasy_Large Then

Wash_Time_Long
t1 = Dirtiness_Small[dx];
t2 = Greasy_Large[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_long;
//Luat R4: If Dirtiness_Large And Greasy_Medium Then
Wash_Time_Long
t1 = Dirtiness_Large[dx];
t2 = Greasy_Medium[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_long;
//Luat R5: If Dirtiness_Medium And Greasy_Medium Then
Wash_Time_Medium
t1 = Dirtiness_Medium[dx];
t2 = Greasy_Medium[dy];
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 21
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_medium;
//Luat R6: If Dirtiness_Small And Greasy_Medium Then
Wash_Time_Medium
t1 = Dirtiness_Small[dx];
t2 = Greasy_Medium[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_medium;

//Luat R7: If Dirtiness_Large And Greasy_None Then
Wash_Time_Medium
t1 = Dirtiness_Large[dx];
t2 = Greasy_None[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_medium;
//Luat R8: If Dirtiness_Medium And Greasy_None Then
Wash_Time_Short
t1 = Dirtiness_Medium[dx];
t2 = Greasy_None[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_short;
//Luat R9: If Dirtiness_Small And Greasy_None Then
Wash_Time_VeryShort
t1 = Dirtiness_Small[dx];
t2 = Greasy_None[dy];
t3 = min(Convert.ToDouble(t1), Convert.ToDouble(t2));
area = area + t3;
moment = moment + t3 * wash_time_veryshort;
// De-fuzzication
if (area == 0)
{
f = 0;
}
else
{
f = moment / area;
}

return f
}
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 22
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG V. KẾT QUẢ ĐẠT ĐƯỢC
Do thời gian có hạn nên chương trình còn khá đơn giản và hạn chế. Tuy nhiên đã áp
dụng thành công logic mờ (Fuzzy Logic) trong việc tính thời gian hoạt động của máy giặt
dựa trên độ bẩn và độ dầu mỡ.
Hình 5.1: Giao diện ban đầu
Hình 5.2: Thời gian cần tìm
GVHD : GS.TSKH Hoàng Văn Kiếm Trang 23
HVTH : Mã Tuấn Huy
Công nghệ tri thức và ứng dụng
CHƯƠNG VI. TÀI LIỆU THAM KHẢO
13 Tài liệu giấy:
• Giáo trình “Công nghệ tri thức và ứng dụng” (GS.TSKH Hoàng Văn Kiếm)
• Đôi cánh I - CA – RƠ (những người dịch HOÀNG KIẾM – THANH THỦY – CHI
MAI) nhà xuất bản thống kê HÀ NỘI - 1990
• Giáo trình Các Hệ Cơ Sở Tri Thức, Đại học Quốc gia Tp.HCM, 2002. ( TS. Đỗ Văn Nhơn
– TS. Đỗ Phúc)
• Bài thu hoạch các khóa trước.
14 Tài liệu Web:
• /forumdisplay.php?181-Logic-mờ-amp-mạng-nơ-ron
• />an/dothanhvingan.htm
•
•
• />GVHD : GS.TSKH Hoàng Văn Kiếm Trang 24
HVTH : Mã Tuấn Huy