Ứng dụng mạng nơ ron nhận dạng và điều khiển hệ thống nâng từ

ĐẠI HỌC THÁI NGUYÊN
TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

PHẠM THANH THẢO

Tên luận văn:

ỨNG DỤNG MẠNG NƠ-RON NHẬN DẠNG
VÀ ĐIỀU KHIỂN HỆ THỐNG NÂNG TỪ

TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT
Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa

Thái Nguyên – 2015
Số hóa bởi Trung tâm Học liệu – ĐHTN




Công trình được hoàn thành tại:
Trường Đại học kĩ thuật Công nghiệp, Đại học Thái Nguyên

Ngƣời hƣớng dẫn khoa học: TS. Nguyễn Hoài Nam

Phản biện 1: PGS.TS. Nguyễn Nhƣ Hiển
Phản biện 2: PGS.TS. Bùi Trung Thành

Luận văn được bảo vệ trước Hội đồng chấm luận văn họp tại:
Trường Đại học Kỹ thuật Công Nghiệp, Đại học Thái Nguyên
Vào hồi 10 giờ 30 ngày 20 tháng 06 năm 2015

Có thể tìm hiểu luận văn tại Trung tâm học liệu Đại học Thái Nguyên
và Thư viện: Trường Đại học kỹ thuật Công nghiệp
Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CAM ĐOAN
Tên tôi là: Phạm Thanh Thảo
Sinh ngày : 18 tháng 06 năm 1989
Học viên lớp cao học khoá 15 CHTĐH - Trường đại học Kỹ thuật Công
nghiệp Thái Nguyên.
Hiện đang công tác tại : Trung tâm dạy nghề huyện Đồng Hỷ - Thái Nguyên
Xin cam đoan luận văn “Ứng dụng mạng nơ ron nhận dạng và điều
khiển hệ thống nâng từ” do thầy giáo TS. Nguyễn Hoài Nam hướng dẫn là
công trình nghiên cứu của riêng tôi. Tất cả các tài liệu tham khảo đều có
nguồn gốc, xuất xứ rõ ràng.
Tôi xin cam đoan tất cả những nội dung trong luận văn đúng như nội
dung trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu có vấn đề gì
trong nội dung của luận văn, tôi xin hoàn toàn chịu trách nhiệm với lời cam
đoan của mình.
Thái Nguyên, ngày

tháng

năm 2015

Học viên

Phạm Thanh Thảo

Số hóa bởi Trung tâm Học liệu – ĐHTN




LỜI CẢM ƠN
Sau thời gian nghiên cứu, làm việc khẩn trương và được sự hướng dẫn tận
tình giúp đỡ của thầy giáo TS. Nguyễn Hoài Nam, luận văn với đề tài “Ứng
dụng mạng nơ ron nhận dạng và điều khiển hệ thống nâng từ” đã được
hoàn thành.
Tôi xin bày tỏ lòng biết ơn sâu sắc tới:
Thầy giáo hướng dẫn TS. Nguyễn Hoài Nam đã tận tình chỉ dẫn, giúp đỡ
tôi hoàn thành luận văn.
Các thầy cô giáo Trường Đại học kỹ thuật công nghiệp Thái Nguyên đã
quan tâm động viên, giúp đỡ tôi trong suốt quá trình học tập để hoàn thành
luận văn này.
Mặc dù đã cố gắng hết sức, song do điều kiện thời gian và kinh nghiệm
thực tế của bản thân còn ít, cho nên đề tài không thể tránh khỏi thiếu sót. Vì
vậy, tôi mong nhận được sự đóng góp ý kiến của các thầy giáo, cô giáo và các
bạn bè đồng nghiệp.
Tôi xin chân thành cảm ơn!
Thái Nguyên, ngày….tháng….năm 2015
Học viên

Phạm Thanh Thảo

Số hóa bởi Trung tâm Học liệu – ĐHTN

MỤC LỤC
LỜI CAM ĐOAN ............................................................................................ 1
LỜI CẢM ƠN .................................................................................................. 4
MỤC LỤC ....................................................................................................... 5
DANH MỤC CÁC HÌNH VẼ......................................................................... 7
CHƢƠNG I : CƠ SỞ LÝ THUYẾT MẠNG NƠRON .............................. 13
1.1. Nơ-ron sinh học ...................................................................................... 13
1.1.1. Chức năng, tổ chức và hoạt động của bộ não con người ...................... 13
1.1.2. Mạng nơron sinh học............................................................................. 15
1.2. Mạng nơ ron nhân tạo ........................................................................... 16
1.2.1. Mạng nơ ron nhân tạo ........................................................................... 16
1.2.2. Các tính chất cơ bản của mạng nơ ron nhân tạo ................................... 18
1.2.3. Các thành phần cơ bản của mạng nơ ron nhân tạo ............................... 18
1.2.4. Cấu trúc mạng nơ-ron ........................................................................... 22
1.2.5. Phân loại mạng nơ-ron .......................................................................... 23
1.2.6. Quá trình thiết kế mạng nơ-ron ............................................................. 23
1.3. Ứng dụng mạng nơ-ron nhận dạng và điều khiển .............................. 24
1.3.1. Nhận dạng hệ thống .............................................................................. 24
1.3.2. Điều khiển theo mô hình mẫu ............................................................... 26
1.4. Kết luận ................................................................................................... 27
CHƢƠNG II : TỔNG QUAN VỀ HỆ THỐNG NÂNG TỪ ..................... 28
2.1. Giới thiệu về hệ thống nâng từ .............................................................. 28
2.2. Mô hình của hệ thống nâng từ .............................................................. 29

Số hóa bởi Trung tâm Học liệu – ĐHTN

2.3. Ứng dụng mạng nơ ron nhận dạng mô hình toán của hệ thống nâng
từ ..................................................................................................................... 30
2.3.1. Huấn luyện mạng hở ............................................................................. 31
2.3.2. Huấn luyện mạng kín ............................................................................ 33
2.3.3. Nhận xét ................................................................................................ 35
2.4. Ứng dụng mạng nơ-ron điều khiển hệ thống nâng từ theo mô hình
mẫu ................................................................................................................. 35
2.4.1. Huấn luyện mạng hở ............................................................................. 37
2.4.2. Huấn luyện mạng kín ............................................................................ 39
2.4.3. Nhận xét ................................................................................................ 41
2.5. Kết luận ................................................................................................... 42
CHƢƠNG III : THIẾT KẾ, CHẾ TẠO HỆ THỐNG NÂNG TỪ ........... 43
3.1. Thiết kế và chế tạo hệ thống nâng từ trong phòng thí nghiệm .......... 43
3.2. Mô hình thí nghiệm hệ thống nâng từ .................................................. 44
3.2.1. Thiết bị đo góc ...................................................................................... 45
3.2.2. Card điều khiển arduino ........................................................................ 45
3.3. Thiết kế bộ điều khiển PI cho hệ thống nâng từ thực......................... 46
3.3.1. Sơ đồ hệ thống điều khiển sử dụng bộ điều khiển PI ........................... 46
3.3.2. Kết quả điều khiển sử dụng bộ điều khiển PI ....................................... 47
3.4. Kết luận ................................................................................................... 48
CHƢƠNG IV : ỨNG DỤNG MẠNG NƠ-RON NHẬN DẠNG VÀ ĐIỀU
KHIỂN HỆ THỐNG NÂNG TỪ ................................................................. 50
4.1. Ứng dụng mạng nơ ron nhận dạng và điều khiển hệ thống nâng từ
thực ................................................................................................................. 50
4.1.1. Huấn luyện mạng hở ............................................................................. 51
4.1.2. Huấn luyện mạng kín ............................................................................ 53
Số hóa bởi Trung tâm Học liệu – ĐHTN

4.1.3. Nhận xét ................................................................................................ 54
4.2. Ứng dụng mạng nơ-ron điều khiển hệ thống nâng từ thực .............. 54
4.2.1. Huấn luyện mạng hở ............................................................................. 54
4.2.2. Huấn luyện mạng kín ............................................................................ 57
4.2.3. Nhận xét ................................................................................................ 59
4.4. Kết luận ................................................................................................... 60
KẾT LUẬN VÀ KIẾN NGHỊ ...................................................................... 60
TÀI LIỆU THAM KHẢO ............................................................................ 62

DANH MỤC CÁC HÌNH VẼ
Số hóa bởi Trung tâm Học liệu – ĐHTN




Hình 1.1. Mô hình 2 nơron sinh học ............................................................... 14
Hình 1.2. Mô hình nơron đơn giản.................................................................. 15
Hình 1.3. Mạng nơ-ron 3 lớp. ......................................................................... 16
Hình 1.4. Mô hình nơ-ron thứ i. ...................................................................... 17
Hình 1.5. Đồ thị các loại hàm chuyển đổi ....................................................... 18
Hình 1.6. Cấu trúc huấn luyện mạng nơ-ron................................................... 19
Hình 1.7: Sơ đồ cấu trúc các loại mạng nơ-ron .............................................. 21
Hình 1.8. Sơ đồ khối quá trình nhận dạng hệ thống ...................................... 23
Hình 1.9. Sơ đồ khối quá trình điều khiển theo mô hình mẫu ........................ 24
Hình 2.1. Mô hình hệ thống nâng vật bẳng từ trường đơn giản ..................... 27
Hình 2.2: Cấu trúc mạng hở nhận dạng đối tượng .......................................... 30
Hình 2.3. Đầu ra mạng, đầu ra mẫu và sai số. ................................................ 30
Hình 2.4. MSE của mạng hở. .......................................................................... 31

Hình 2.5. Cấu trúc mạng kín nhận dạng đối tượng ......................................... 31
Hình 2.6. Đầu ra mạng, đầu ra mẫu và sai số. ................................................ 32
Hình 2.7. MSE của mạng kín. ......................................................................... 32
Hình 2.8. Sơ đồ hệ thống phát tín hiệu ra mẫu ............................................... 34
Hình 2.9. Cấu trúc mạng bộ điều khiển đối tượng (mạng hở) ........................ 35
Hình 2.10. Đầu ra mạng, đầu ra mẫu và sai số. .............................................. 36
Hình 2.11. MSE của mạng hở. ........................................................................ 37
Hình 2.12. Cấu trúc mạng bộ điều khiển đối tượng (mạng kín). .................... 38
Hình 2.13. Đầu ra mạng, đầu ra mẫu và sai số. .............................................. 38
Hình 2.14. MSE của mạng kín. ....................................................................... 39
Số hóa bởi Trung tâm Học liệu – ĐHTN




Hình 3.1. Hệ thống thí nghiệm cho hệ thống nâng từ ..................................... 41
Hình 3.2. Sơ đồ khối mô hình thí nghiệm ....................................................... 42
Hình 3.3. Thiết bị đo góc ................................................................................ 43
Hình 3.4. Card Aduino .................................................................................... 43
Hình 3.5. Sơ đồ bộ điều khiển PI điều khiển hệ thống nâng từ thực trong
matlab .............................................................................................................. 45
Hình 3.6. Kết quả điều khiển PI ...................................................................... 46
Hình 4.1: Cấu trúc mạng hở nhận dạng đối tượng .......................................... 49
Hình 4.2. Đầu ra mạng, đầu ra mẫu và sai số. ................................................ 50
Hình 4.3. MSE của mạng hở ........................................................................... 50
Hình 4.4. Cấu trúc mạng kín nhận dạng đối tượng ......................................... 51
Hình 4.5. Đầu ra mạng, đầu ra mẫu và sai số ................................................. 51
Hình 4.6. MSE của mạng kín. ......................................................................... 52
Hình 4.7. Cấu trúc mạng bộ điều khiển đối tượng (mạng hở) ........................ 53
Hình 4.8. Đầu ra mạng, đầu ra mẫu và sai số. ................................................ 54

Hình 4.9. MSE của mạng hở. .......................................................................... 55
Hình 4.10. Cấu trúc mạng bộ điều khiển đối tượng (mạng kín) ..................... 56
Hình 4.11. Đầu ra mạng, đầu ra mẫu và sai số. .............................................. 56
Hình 4.12. MSE của mạng kín. ....................................................................... 57

MỞ ĐẦU
1. Lý do chọn đề tài

Số hóa bởi Trung tâm Học liệu – ĐHTN




Trong nhiều năm trở lại đây, với sự phát triển mạnh mẽ về khoa học kỹ
thuật đã góp phần thúc đẩy sự phát triển nền công nghiệp hóa, hiện đại hóa
trong và ngoài nước. Vì vậy để đem lại chất lượng kỹ thuật và hiệu quả kinh
tế cao hơn thì cần phải sử dụng và ứng dụng các hệ thống hiện đại hơn. Trong
lĩnh vực công nghiệp, hệ thống nâng từ (Maglev) được sử dụng rộng rãi trong
nhiều hệ thống kỹ thuật và đem lại những lợi ích đáng kể. Hệ nâng vật bằng
từ trường (Magnetic levitation system) là một hệ phi tuyến được ứng dụng
nhiều trong kỹ thuật robot, phi thuyền không gian, các đệm từ triệt tiêu ma sát
ở các ổ trục quay thay cho các ổ đỡ cơ khí truyền thống, các phương tiện giao
thông chạy trên đệm từ với tốc độ cao, cách ly dao động giữa các bộ phận
máy móc với môi trường bên ngoài. Hiện nay, nhiều phương tiện di chuyển đi
lại sử dụng hệ thống nâng vật trong từ trường (Maglev) hoạt động dựa theo
nguyên lý từ trường đẩy, phương pháp này nhanh hơn và tiện hơn so với các
phương tiện có bánh. Hệ thống nâng vật trong từ trường như tàu đệm từ tốc
độ cao được sử dụng phổ biến ở nhiều quốc gia như Nhật Bản, Mỹ... đây là
một phương tiện chuyên chở được nâng lên, dẫn lái và đẩy tới bởi lực từ hoặc
lực điện từ. Phương pháp này có thể nhanh, tiết kiệm chi phí và tiện nghi hơn

các loại phương tiện công cộng sử dụng bánh xe, do giảm ma sát và loại bỏ
các cấu trúc cơ khí.
Các hệ thống nâng từ được phân chia như các hệ thống hút hoặc đẩy
dựa trên nguồn gốc của lực từ. Những loại này có độ phi tuyến cao và thường
thay đổi vòng mở nên rất khó đưa vào trong các hệ thống điều khiển. Vì vậy
nó rất quan trọng đối với việc xây dựng cấu trúc bộ điều khiển hiệu suất cao
trong việc điều chỉnh vị trí của vật được nâng. Hệ thống này được một số tác
giả nghiên cứu và điều khiển thành công với nhiều phương pháp khác nhau.
Tuy nhiên trên thực tế, việc xác định mô hình của đối tượng đặc biệt là các
đối tượng phi tuyến cao sẽ gặp nhiều khó khăn và đôi khi không đạt được kết
quả như mong muốn.
Số hóa bởi Trung tâm Học liệu – ĐHTN




Lý thuyết về nhận dạng và điều khiển các đối tượng phi tuyến đã được
rất nhiều nhà khoa học nghiên cứu tuy nhiên chỉ giới hạn ở các đối tượng phi
tuyến thấp. Khi đối tượng có độ phi tuyến cao thì sử dụng mạng nơron nhân
tạo để nhận dạng đối tượng sẽ mang lại kết quả hữu hiệu trong quá trình điều
khiển một hệ thống kỹ thuật. Mạng nơron nhân tạo là dùng kỹ thuật tái tạo
lại một vài chức năng tương tự như bộ não con người. Mạng nơ ron nhân tạo
được dùng để giải quyết bài toán nhận dạng mẫu, tối ưu, nhận dạng và điều
khiển. Mạng nơron là một bộ xấp xỉ đa năng, có thể dùng làm mô hình toán
học thay thế đối tượng với sai lệch cho trước nào đó và đây là cơ sở để có thể
ứng dụng mạng nơron để nhận dạng đối tượng. Từ năm 1943, Mc. Culloch
Pitts đã đưa ra một số liên kết cơ bản của mạng nơ-ron nhưng chỉ trong
những thập kỷ trở lại đây thì mới tìm thấy các ứng dụng của mạng nơ ron và
vẫn đang phát triển nhanh chóng ở nhiều lĩnh vực.
Với những lý do nêu trên, tác giả đã mạnh dạn tìm hiểu nghiên cứu

“Ứng dụng mạng nơron nhận dạng và điều khiển hệ thống nâng từ” với
mong muốn xây dựng mô hình thí nghiệm để phục vụ cho quá trình học tập
và nghiên cứu trong các ngành điều khiển – tự động và được ứng dụng rộng
rãi trong thực tế.
2. Mục tiêu nghiên cứu
- Nghiên cứu và chế tạo mô hình hệ thống nâng từ một trục theo phương
thẳng đứng trong phòng thí nghiệm.
- Nghiên cứu ứng dụng mạng nơron để nhận dạng và điều khiển hệ thống
nâng từ một trục theo phương thẳng đứng.
Để thực hiện được mục tiêu như thế thì cần phải tiến hành những nội
dung sau:
- Nghiên cứu về mạng nơ ron.
- Tìm hiểu về hệ thống nâng vật trong từ trường.
- Ứng dụng mạng nơron nhận dạng và điều khiển hệ thống nâng từ.
Số hóa bởi Trung tâm Học liệu – ĐHTN




- Tìm hiểu và sử dụng thành thạo các phần mềm mô phỏng như Matlab
Simulink trong quá trình huấn luyện mạng.
- Xây dựng được mô hình thực cho hệ thống nâng từ.
- Xây dựng được lưu đồ thuật toán và cấu trúc điều khiển của hệ thống
điều khiển.
3. Ý nghĩa khoa học và tính thực tiễn của đề tài
Với tốc độ phát triển nhanh của ngành điện tử và tự động hóa. Việc sử
dụng hệ thống nâng từ ngày càng được ứng dụng rộng rãi trong nhiều hệ
thống kỹ thuật. Nhằm cải thiện khả năng điều khiển để nâng cao chất lượng,
tăng năng suất, tiết kiệm thời gian và tiết kiệm điện năng.
Hệ thống nâng từ được ứng dụng nhiều trong các lĩnh vực như sau :

- Kỹ thuật robot.
- Phi thuyền không gian.
- Các đệm từ triệt tiêu ma sát ở các ổ trục quay thay cho các ổ đỡ cơ khí
truyền thống, các phương tiện giao thông chạy trên đệm từ với tốc độ cao,
cách ly dao động giữa các bộ phận máy móc với môi trường bên ngoài.
4. Phƣơng pháp nghiên cứu
- Nghiên cứu lý thuyết: Phân tích đánh giá và hệ thống hóa các công
trình nghiên cứu được công bố thuộc lĩnh vực liên quan: bài báo, tạp chí, sách
chuyên ngành; nghiên cứu ứng dụng của mạng nơron để nhận dạng và điều
khiển hệ thống nâng từ.
- Nghiên cứu thực tiễn:
+ Tìm hiểu ứng dụng của mạng nơron trong quá trình điều khiển hệ
thống nâng từ
+ Tìm hiểu về hệ thống nâng từ trong thực tế
+ Mô phỏng quá trình làm việc của hệ thống trên phần mềm Matlab.
5. Nội dung luận văn
Chương I: Cơ sở lý thuyết mạng nơ ron
Số hóa bởi Trung tâm Học liệu – ĐHTN




Chương II: Tổng quan về hệ thống nâng từ
Chương III: Thiết kế, chế tạo hệ thống nâng từ
Chương IV: Ứng dụng mạng nơ ron nhận dạng và điều khiển hệ thống
nâng từ

CHƢƠNG I
CƠ SỞ LÝ THUYẾT MẠNG NƠRON
1.1. Nơ-ron sinh học

1.1.1. Chức năng, tổ chức và hoạt động của bộ não con ngƣời
Bộ não người có chức năng hết sức quan trọng trong đời sống của con
người. Nó gần như kiểm soát hầu hết mọi hành vi của con người từ các hoạt

Số hóa bởi Trung tâm Học liệu – ĐHTN




động cơ bắp đơn giản đến những hoạt động phức tạp như học tập, nhớ, suy
luận, tư duy, sáng tạo,...
Bộ não người được hình thành từ sự liên kết của khoảng 10 11 phần tử
(tế bào), trong đó có khoảng 1010 phần tử là nơron, số còn lại khoảng
9*1010 phần tử là các tế bào thần kinh đệm và chúng có nhiệm vụ phục vụ
cũng như hỗ trợ cho các nơron. Thông thường một bộ não trung bình cân
nặng khoảng 1,5 kg và có thể tích là 235 cm3, cho đến nay người ta vẫn chưa
thực sự biết rõ cấu tạo chi tiết của bộ não. Tuy vậy về đại thể thì cấu tạo
não bộ được phân chia ra thành nhiều vùng khác nhau. Mỗi vùng có thể kiểm
soát một hay nhiều hoạt động của con người.
Bộ não có cấu trúc nhiều lớp. Lớp bên ngoài thường thấy như là các nếp
nhăn, là lớp có cấu tạo phức tạp nhất. Đây là nơi kiểm soát và phát sinh các
hành động phức tạp như nghe, nhìn, tư duy,...
Hoạt động của bộ não nói riêng và của hệ thần kinh nói chung đã được
con người quan tâm nghiên cứu từ lâu nhưng cho đến nay người ta vẫn chưa
hiểu rõ thực sự về hoạt động của bộ não và hệ thần kinh. Đặc biệt là trong các
hoạt động liên quan đến trí óc như suy nghĩ, nhớ, sáng tạo,... Tuy thế cho đến
nay, người ta cũng có những hiểu biết căn bản về hoạt động cấp thấp của não.
Mỗi nơron liên kết với khoảng 104 nơron khác, cho nên khi hoạt động
thì bộ não hoạt động một cách tổng lực và đạt hiệu quả cao. Nói một cách
khác là các phần tử của não hoạt động một cách song song và tương tác hết

sức tinh vi phức tạp, hiệu quả hoạt động thường rất cao, nhất là trong các vấn
đề phức tạp, về tốc độ xử lý của bộ não người rất nhanh mặc dù tốc độ xử lý
của mỗi nơron (có thể xem như phần tử xử lý hay phần tử tính) là rất chậm so
với xử lý của các cổng logic silicon trong các chíp vi xử lý (10-3 giây so với
10-10 giây).

Số hóa bởi Trung tâm Học liệu – ĐHTN




Hoạt động của cả hệ thống thần kinh bao gồm não bộ và các giác quan
như sau: Trước hết con người bị kích thích bởi giác quan từ bên ngoài hoặc
trong cơ thể. Sự kích thích đó được biến thành các xung điện bởi chính các
giác quan tiếp nhận kích thích. Những tín hiệu này được chuyển về trung
ương thần kinh là não bộ để xử lý. Trong thực tế não bộ liên tục nhận thông
tin xử lý, đánh giá và so sánh với thông tin lưu trữ để đưa ra các quyết định
thích đáng.
Những mệnh lệnh cần thiết được phát sinh và gửi đến những bộ phận thi
hành thích hợp như các cơ tay, chân,... Những bộ phận thi hành biến những
xung điện thành dữ liệu xuất của hệ thống.
Tóm lại: bộ não người có chức năng hết sức quan trọng đối với đời sống
của con người. Cấu tạo của nó rất phức tạp, tinh vi bởi được tạo thành từ
mạng nơron có hàng chục tỉ tế bào với mức độ liên kết giữa các nơron là rất
cao. Hơn nữa, nó còn được chia thành các vùng và các lớp khác nhau. Bộ não
hoạt động dựa trên cơ chế hoạt động song song của các nghìn tạo nên nó.
1.1.2. Mạng nơron sinh học
* Cấu tạo
Nơron là phần tử cơ bản tạo nên bộ não con người. Sơ đồ cấu tạo của
một nơron sinh học được chỉ ra như trong hình 3.1. Một nơron điển hình

có 3 phần chính:

Số hóa bởi Trung tâm Học liệu – ĐHTN




Hình 1.1. Mô hình 2 nơron sinh học
- Thân nơron (so ma): Nhân của nơron được đặt ở đây.
- Các nhánh (dendrite): Đây chính là các mạng dạng cây của các dây
thần kinh để nối các soma với nhau.
- Sợi trục (Axon): Đây là một nối kết, hình trụ dài và mang các tín hiệu
từ đó ra ngoài. Phần cuối của axon được chia thành nhiều nhánh nhỏ (cả của
dendrite và axon) kết thúc trong một cơ quan nhỏ hình củ hành được gọi là
synapte mà tại đây các nơron đưa các tín hiệu của nó vào các nơron khác.
Những điểm tiếp nhận với các synapte trên các nơron khác có thể ở các
dendrite hay chính soma.
* Hoạt động
Các tín hiệu đưa ra bởi một synapte và được nhận bởi các dendrite là các
kích thích điện tử. Việc truyền tín hiệu như trên liên quan đến một quá trình
hóa học phức tạp mà trong đó các chất truyền đặc trưng được giải phóng từ
phía gửi của nơi tiếp nối. Điều này làm tăng hay giảm điện thế bên trong thân
của nơron nhận. Nơron nhận tín hiệu sẽ kích hoạt (fire) nếu điện thế vượt
khỏi một ngưỡng nào đó và một xung (hoặc điện thế hoạt động) với độ mạnh
(cường độ) và thời gian tồn tại cố định được gửi ra ngoài thông qua axon tới
phần nhánh của nó rồi tới các chỗ nối synapte với các nơron khác. Sau khi
kích hoạt, nơron sẽ chờ trong một khoảng thời gian được gọi là chu kỳ, trước
khi nó có thể được kích hoạt lại. Synapses là Hưng phấn (excitatory) nếu
chúng cho phép các kích thích truyền qua gây ra tình.trạng kích hoạt (fire)
đối với nơron nhận. Ngược lại, chúng là ức chế (inhibitory) nếu các kích

thích truyền qua làm ngăn trở trạng thái kích hoạt (fire) của nơron nhận.
1.2. Mạng nơ ron nhân tạo
1.2.1. Mạng nơ ron nhân tạo
Mạng nơ ron nhân tạo là việc dùng kỹ thuật tái tạo lại một vài chức năng
tương tự như bộ não con người. Mạng nơ ron nhân tạo đã có một lịch sử lâu
Số hóa bởi Trung tâm Học liệu – ĐHTN




dài. Năm 1943, Mc. Culloch và Pitts đã đưa ra khả năng liên kết và một số
liên kết cơ bản của một nơron thứ i trong mô hình của mạng nơ ron nhân tạo.
- Mỗi nơron có một số đầu vào, những kết nối (Synaptic) và một đầu ra
(axon)
- Một nơron có thể hoạt động (+35 mV) hoặc không hoạt động (-0,75
mV)
- Mỗi nơ-ron chỉ có một đầu ra duy nhất được nối với các đầu vào khác
nhau của nơ-ron khác. Nơ-ron có kích hoạt được hay không thì chỉ phụ thuộc
những đầu vào hiện thời của chính nó.
Có nhiều kiểu nơ-ron nhân tạo khác nhau. Hình 1.2 biểu diễn một kiểu
nơ-ron đơn giản.

Hình 1.2. Mô hình nơron đơn giản.

Hình 1.3. Mạng nơ-ron 3 lớp.

Số hóa bởi Trung tâm Học liệu – ĐHTN

Kết nối một vài nơron ta được mạng nơron. Hình 1.3 là một mạng nơron
gồm 3 lớp: lớp vào, lớp ẩn và lớp ra.
1.2.2. Các tính chất cơ bản của mạng nơ ron nhân tạo
- Là hệ phi tuyến: Mạng nơ ron có khả năng ứng dụng nhiều trong các
lĩnh vực về nhận dạng và điều khiển các đối tượng phi tuyến.
- Là hệ xử lý song song: Mạng nơ ron có cấu trúc song song do đó có tốc
độ tính toán rất cao, phù hợp với lĩnh vực nhận dạng và điều khiển.
- Là hệ học và thích nghi: Mạng được luyện từ các số liệu quá khứ, có
khả năng tự chỉnh khi dữ liệu đầu vào bị mất, có thể điều khiển on-line.
1.2.3. Các thành phần cơ bản của mạng nơ ron nhân tạo
Mạng nơ-ron nhân tạo được thể hiện bởi ba yếu tố: phần tử xử lý, cấu
trúc và ghép nối của các phần tử xử lý, phương pháp huấn luyện để cập nhập
các trọng số wij và bias b.
Mạng nơ-ron nhân tạo có thể được kết nối bằng nhiều cách khác nhau vì
vậy trong thực tế tồn tại rất nhiều kiểu mạng nơ-ron nhân tạo. Mỗi nơ-ron
gồm có nhiều đầu vào và một đầu ra. Trên mỗi đầu vào có gắn một trọng số
để liên hệ giữa nơ-ron thứ i với nơ-ron thứ j. Các trọng số này tương tự như
các tế bào cảm giác của nơ-ron sinh học.

x1
wi1

wij
xi

vi

Σ

a(.)

yi

bi
wim

Số hóa bởi Trung tâm Học liệu – ĐHTN




xm
Hình 1.4. Mô hình nơ-ron thứ i.
xj: Tín hiệu đầu vào thứ j.
wij: Trọng số để kết nối giữa xj nơ-ron thứ i. bi: Bias.
a(.): Hàm truyền.
Các đầu vào có trọng số Wj và bộ tổng. Đầu ra của bộ tổng được sử
dụng để quyết định một giá trị của đầu ra thông qua hàm chuyển. Có nhiều
loại hàm chuyển khác nhau. Một số loại hàm chuyển thường gặp:
+ Hàm bước nhảy đơn vị:

+ Hàm dấu:
+ Hàm dốc:

+ Hàm tuyến tính:

a(t) = net = t

+ Hàm logsig:

+Hàm tansig:

a

a Trung tâm Học liệu – ĐHTN a
Số hóa bởi
a
+
+
11
11
a

a

a

1

0

t
-1


Hình 1.5. Đồ thị các loại hàm truyền
Tương tự nơron sinh học của con người, nơron sẽ được kích hoạt nếu
tổng giá trị vào vượt quá ngưỡng và không được kích hoạt nếu tổng giá trị
vào thấp hơn ngưỡng. Sự làm việc như vậy của nơron gọi là sự kích hoạt

nhảy bậc.
Các nơron lớp vào trực tiếp nhận tín hiệu ở đầu vào, ở đó mỗi nơron chỉ
có một tín hiệu vào. Mỗi nơ-ron ở lớp ẩn được nối với tất cả các nơ-ron
lớp vào và lớp ra. Các nơron ở lớp ra có đầu vào được nối với tất cả các
nơron ở lớp ẩn, chúng là đầu ra của mạng. Cần chú ý rằng một mạng nơron
cũng có thể có nhiều lớp ẩn. Các mạng nơron trong đó mỗi nơron chỉ được
liên hệ với tất cả các nơron ở lớp kế tiếp và tất cả các mối liên kết chỉ được
xây dựng từ trái sang phải được gọi là mạng nhiều lớp truyền thẳng
(perceptrons).

Số hóa bởi Trung tâm Học liệu – ĐHTN




Cấu trúc huấn luyện mạng được chỉ ra trên hình 1.6. Ở đây, trọng số
của mạng được điều chỉnh dựa trên cơ sở so sánh đầu ra với đích mong
muốn (target) cho tới khi đầu ra mạng bám lấy đích. Những cặp vào/đích
(input/target) được dùng để giám sát cho sự huấn luyện mạng.
Đích

Vào

Trọng số giữa các
nơ ron và bias

So sánh

Điều chỉnh

Hình 1.6. Cấu trúc huấn luyện mạng nơ-ron
Có 2 phương pháp cơ bản để huấn luyện mạng nơron: Huấn luyện gia
tăng (tiến dần) và huấn luyện theo gói. Sự huấn luyện theo gói của mạng
nhận được bằng việc thay đổi trọng số và độ dốc trong một tập (batch) của
véctơ đầu vào. Huấn luyện tiến dần là thay đổi trọng số và độ dốc của
mạng sau mỗi lần xuất hiện của một phần tử đầu vào. Huấn luyện tiến dần đôi
khi được xem như huấn luyện trực tuyến hay huấn luyện thích nghi.
Mạng nơron đã được huấn luyện để thực hiện những hàm phức tạp trong
nhiều lĩnh vực ứng dụng khác nhau như trong nhận dạng, phân loại sản phẩm,
xử lý tiếng nói, chữ viết và điều khiển hệ thống.
Thông thường để huấn luyện mạng nơron, người ta sử dụng phương
pháp huấn luyện có giám sát, nhưng cũng có mạng thu được từ sự huấn
luyện không có giám sát. Mạng huấn luyện không giám sát có thể được sử
dựng trong trường hợp riêng để xác định nhóm dữ liệu. Mạng nơron bắt đầu

Số hóa bởi Trung tâm Học liệu – ĐHTN




xuất hiện từ những năm 1940 nhưng mới chỉ tìm thấy các ứng dụng từ những
thập kỷ gần đây và vẫn đang phát triển nhanh chóng.
1.2.4. Cấu trúc mạng nơ-ron
Nhiều nơ-ron kết hợp lại với nhau tạo thành mạng nghìn, mạng nơ-ron
có thể có một lớp hoặc nhiều lớp.
Mạng nơ-ron nhân tạo có thể chia ra làm 2 loại: mạng truyền thẳng
(Feedforward Network) và mạng hồi quy (Recurrent network).
Mạng truyền thẳng là mạng được xây dựng bằng cách nối đầu ra của nơron của lớp đứng trước với đầu vào của các nơ-ron của lớp đứng sau nó.
Mạng truyền thẳng có mạng truyền thẳng một lớp và mạng truyền thẳng nhiều
lớp.

Mạng hồi quy là mạng được xây dựng khi các đầu ra của lớp sau được
nối với các đầu vào của các nơ-ron ở cùng lớp hoặc các lớp đứng trước nó.
W1,1
x1

y1

x2

y2

x1

y1

x2

y2

xm

ym

y3

x3
Wm,m

b,

a,

Số hóa bởi Trung tâm Học liệu – ĐHTN




x1

y1

x2

y2

xm

ym
Input layer

Hidden layer

Output layer

c,
Wm,m
y1

x1

y1

x1

x2

y2

x2

y2

xm

ym

Wm,m
xm

ym

e,

d,

Hình 1.7: Sơ đồ cấu trúc các loại mạng nơ-ron
a. Mạng truyền thẳng một lớp; b. Nút đơn hồi tiếp; c. Mạng truyền thẳng
nhiều lớp; d. Mạng hồi quy một lớp; e. Mạng hồi quy nhiều lớp.
1.2.5. Phân loại mạng nơ-ron
- Theo cấu trúc liên kết gồm có mạng truyền thẳng và mạng hồi quy.

- Theo số lớp gồm có mạng đơn và mạng đa lớp.
- Theo phương pháp học gồm có học có giám sát, học tăng cường và học
không có giám sát.
1.2.6. Quá trình thiết kế mạng nơ-ron
Mạng nơ-ron cho phép xấp xỉ quan hệ phụ thuộc hàm giữa tín hiệu ra
y(t) và tín hiệu vào x(t) của một hệ thống bất kỳ. Điểm mạnh của mạng nơron chính là khả năng thích nghi khi tập dữ liệu huấn luyện được cập nhật
thường xuyên.
Số hóa bởi Trung tâm Học liệu – ĐHTN




Quá trình thiết kế mạng nơ-ron thường gồm các bước: xác định bài toán,
xác định các biến vào ra, thu thập dữ liệu, xử lý dữ liệu, lựa chọn mô hình
mạng nơ-ron, huấn luyện mạng, thử nghiệm mạng và tinh chỉnh mạng.
- Xác định bài toán: Tùy theo yêu cầu mà bài toán cần giải quyết để xác
định bài toán thuộc bài toán phân loại dữ liệu hoặc nhận dạng đối tượng,
hoặc dự báo.
- Xác định các biến vào ra: xác định các biến vào ra và miền giá trị của
các biến đó.
- Thu thập dữ liệu: Thu thập các mẫu dữ liệu đảm bảo độ tin cậy càng
cao càng tốt.
- Xử lý dữ liệu: Chia dữ liệu thành các tập dữ liệu: huấn luyện, kiểm tra
và thử nghiệm.
- Lựa chọn mô hình mạng nơ-ron: tùy theo bản chất xử lý dữ liệu của bài
toán mà ta lựa chọn mạng nơ-ron phù hợp.
- Huấn luyện mạng: Huấn luyện gia tăng (tiến dần) và huấn luyện theo
gói. Đối với sự huấn luyện gia tăng, trọng số được cập nhật mỗi khi dữ liệu
được đưa vào mạng. Đối với sự huấn luyện theo gói, trọng số chỉ được cập
nhật sau khi tất cả các dữ liệu được đưa vào mạng.

- Tinh chỉnh mạng: để nâng cao hiệu quả sử dụng thì cần phải cập nhật
mẫu học, tinh chỉnh cấu trúc và tham số mạng. Đối với mạng tuy đã huấn
luyện tốt nhưng kết quả không đáp ứng được yêu cầu thì cần phải huấn luyện
lại mạng, xem xét lại tập dữ liệu mẫu.
1.3. Ứng dụng mạng nơ-ron nhận dạng và điều khiển
1.3.1. Nhận dạng hệ thống
Nhận dạng hệ thống là một bài toán cơ bản trong quá trình thiết kế bộ
điều khiển. Mục tiêu là đưa ra được một mô hình toán của đối tượng sao cho
đầu ra của mô hình toán đáp ứng giống như đầu ra của đối tượng khi có chung
tín hiệu tác động ở đầu vào. Mô hình toán có thể là phương trình vi phân,
Số hóa bởi Trung tâm Học liệu – ĐHTN




phương trình sai phân, mô hình trạng thái, hàm truyền đạt hoặc bất kỳ mô tả
toán học nào. Trong trường hợp này chúng tôi sử dụng mạng nơ-ron làm mô
hình toán cho đối tượng. Việc nhận dạng đối tượng dựa trên cơ sở mạng nơron là quá trình xác định cấu trúc và các tham số của mạng sao cho đầu ra của
mạng giống với đầu ra của đối tượng khi có cùng đầu vào. Quá trình này còn
được gọi là huấn luyện mạng. Hình 1.8 thể hiện sơ đồ khối quá trình nhận
dạng sử dụng mạng nơ-ron. Việc huấn luyện mạng cần phải có tập mẫu và
phương pháp huấn luyện.

Pk

tk

Đối tượng

ek

-

yk
Mạng nơ-ron

Hình 1.8. Sơ đồ khối quá trình nhận dạng hệ thống
Giả sử ta có các tập mẫu:

với k = 1†N thu được từ đối tượng

(thực hoặc mô hình toán).
Hàm mục tiêu:
Để nhận dạng hệ thống chúng tôi sử dụng thuật toán huấn luyện trainlm
(thuật toán lan truyền ngược Lavenberg – Marquardt).
Trong luận văn này chúng tôi ứng dụng mạng nơ-ron nhận dạng cho hai
trường hợp sau:
- Trường hợp 1: Để thử nghiệm xem mạng nơ-ron có thể nhận dạng và
điều khiển được hệ thống nâng từ hay không chúng tôi dùng một mô hình

Số hóa bởi Trung tâm Học liệu – ĐHTN