Sử dụng thuật toán nơ ron tương quan để nhận dạng đặc tính động cơ điện

Header Page 1 of 126.

BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC ĐÀ NẴNG

TRẦN DUY THÁI

SỬ DỤNG THUẬT TOÁN NƠ RON TƯƠNG QUAN
ĐỂ NHẬN DẠNG ĐẶC TÍNH ĐỘNG CƠ ĐIỆN

Chuyên ngành : Tự động hóa
Mã số:

60.52.60

TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT

Đà Nẵng - Năm 2013

Footer Page 1 of 126.


Header Page 2 of 126.

Công trình được hoàn thành tại
ĐẠI HỌC ĐÀ NẴNG

Người hướng dẫn khoa học: TS. NGUYỄN HOÀNG MAI

Phản biện 1: PGS.TS. NGUYỄN DOÃN PHƯỚC

Phản biện 2: TS. NGUYỄN ANH DUY

Luận văn được bảo vệ tại Hội đồng chấm luận văn tốt nghiệp Thạc
sĩ kỹ thuật họp tại Đại học Đà Nẵng vào ngày 05 tháng 05 năm
2013.

* Có thể tìm hiểu luận văn tại:
- Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng
- Trung tâm Học liệu, Đại học Đà Nẵng

Footer Page 2 of 126.


Header Page 3 of 126.

1

MỞ ĐẦU
Đo lường trong quá trình điều khiển hệ thống là yếu tố quan
trọng ảnh hưởng đến kết quả điều khiển tiếp theo. Tuy nhiên, trong
quá trình thực hiện các phép đo bằng các cảm biến, các giá trị trả về
sẽ bao gồm giá trị đo và cả tín hiệu nhiễu không mong muốn. Như
vậy chúng ta cần phương pháp xử lý để hạn chế hoặc loại bỏ bớt các
tín hiệu nhiễu để phép đo được chính xác hơn, bằng cách sử dụng
hàm tương quan ta có thể tính toán loại bỏ phần nào nhiễu tín hiệu.
Ngoài ra, hàm tương quan còn ứng dụng rất tốt trong nhận dạng
động học của hệ thống. Từ tín hiệu ồn trắng đưa vào hệ thống, thông
qua phép tính tương quan ta có thể thu được đặc tính động học của
hệ thống.
1. Tính cấp thiết của đề tài

Cùng với sự phát triển của đất nước, hiện nay sự nghiệp công
nghiệp hóa, hiện đại hóa ngày càng phát triển mạnh mẽ, sự tiến bộ
của khoa học kỹ thuật, trong đó kỹ thuật điều khiển cũng góp phần
rất lớn nâng cao điều kiện sản xuất.
Để quá trình điều khiển hệ thống tốt ta phải hiểu rõ động học
của hệ thống khi có tín hiệu tác động vào. Công việc này có thể thực
hiện thông qua quá trình thành lập hàm truyền đạt hoặc hệ phương
trình trạng thái của hệ thống. Sau khi có những thông tin về hệ thống
chúng ta có thể áp dụng các phương pháp điều khiển kinh điển hoặc
hiện đại để quá trình làm việc của hệ thống tối ưu đảm bảo các yêu
cầu kỹ thuật đặc ra.
Tuy nhiên, không phải lúc nào chúng ta cũng có thể xây dựng
được mối quan hệ vào ra của hệ thống ở dạng các phương trình toán
học. Bởi vì một thiết bị sau một khoảng thời gian làm việc sẽ thay
đổi các thông số dẫn tới các phương trình được thành lập lúc đầu
không còn chính xác.

Footer Page 3 of 126.


Header Page 4 of 126.

2

Ngoài ra, trong các hệ thống điều khiển tín hiệu đặt luôn được so
sánh với giá trị đo lường trả về để từ các sai lệch đó các phương pháp
điều khiển được xây dựng. Tuy nhiên, một câu hỏi được đặt ra nếu
tín hiệu đo lường trả về không chỉ là tín hiệu ra của hệ thống mà còn
bao gồm các tín hiệu nhiễu. Như vậy, tín hiệu trả về lúc này cũng đã
có những sai số nhất định và từ đó tín hiệu của bộ điều khiển đưa ra

sẽ không chính xác như lý thuyết, hàm tương quan cung cấp cho
chúng ta phương pháp xử lý các tín hiệu nhiễu không mong muốn để
từ đó phương pháp điều khiển sẽ chính xác hơn.
Đề tài đề xuất một phương pháp nhận dạng động học của hệ
thống, cụ thể là động cơ điện một chiều bằng cách sử dụng hàm
tương quan. Quá trình nhận dạng thu được sẽ là đáp ứng xung của hệ
thống tuyến tính. Ưu điểm của phương pháp này là thông qua quá
trình đo hai tín hiệu vào và ra của hệ thống để nhận dạng ra được hệ
thống chưa biết.
Ngoài ra, đề tài sử dụng mạng nơ ron để học lại các tín hiệu
động học đã tính toán được ở trên. Mục đích là để có được mô hình
cho quá trình tính toán điều khiển sau này.
Với vấn đề đặt ra như thế, hướng nghiên cứu xây dựng đề tài của
tác giả ở đây là nghiên cứu ứng dụng hàm tương quan và mạng nơ
ron để nhận dạng động học hệ thống.
Với hướng nghiên cứu đó, tên đề tài được chọn:
“SỬ DỤNG THUẬT TOÁN NƠ RON TƯƠNG QUAN ĐỂ
NHẬN DẠNG ĐẶC TÍNH ĐỘNG CƠ ĐIỆN”
2. Mục tiêu và phạm vi nghiên cứu
3. Đối tượng phạm vi nghiên cứu
4. Ý nghĩa khoa học và thực tiễn của đề tài
5. Bố cục luận văn
Ngoài phần mở đầu, kết luận và tài liệu tham khảo trong luân
văn gồm có các chương như sau:

Footer Page 4 of 126.


Header Page 5 of 126.

3

Mở đầu
Chương 1 :Tổng quan về hàm tương quan và ứng dụng
Chương 2 :Tổng quan về mạng nơ ron
Chương 3 : Sử dụng thuật toán nơ ron tương quan để nhận dạng
đặc tính động cơ Điện
Chương 4 : Kết quả và đánh giá
CHƯƠNG 1

HÀM TƯƠNG QUAN VÀ ỨNG DỤNG

1.1 QUÁ TRÌNH NGẪU NHIÊN
1.2 HỆ THỐNG TUYẾN TÍNH VÀ BẤT BIẾN
1.2.1 Khái niệm
1.2.2 Tổng chập
1.3 HÀM TƯƠNG QUAN
1.3.1 Hàm tự tương quan
Hàm tự tương quan (auto-correlation), Rxx(τ), của tín hiệu x(t)
ngẫu nhiên egodic được sử dụng để đo sự tương quan của tín hiệu
x(t) giữa thời gian t và t+τ , được được tính theo công thức như sau :
T

1
x(t ) x(t   )
T  2T 
T

Rxx    lim

Rxx  m  

1
N

N m

 x ( n) x ( n  m)
n 1

1.3.2 Hàm hỗ tương quan
Cho hai quá trình ngẫu nhiên egodic đặc trưng bởi hai tín hiệu
ngẫu nhiên x(t) và y(t). Để đo mối quan hệ giữa hai quá trình ngẫu
nhiên ta sử dụng hàm hỗ tương quan (cross-correlation), Rxy ( ) .
1
T  2T

Rxy    lim

Footer Page 5 of 126.

T

 x(t ) y(t   )

T


Header Page 6 of 126.
Rxy  m  

1
N

4

N m

 x ( n) y ( n  m)
n 1

1.3.3 Các tính chất của hàm tương quan
1.3.4 Nhiễu tín hiệu

Hình 1.3 Hệ thống tuyến tính có tín hiệu nhiễu
Lúc này:

X (t )  x(t )  n(t )
Y (t )  y (t )  w(t )
Ta tính hàm tự tương quan của tín hiệu X(t):

RXX    M  x(t )  n(t )  x(t )  n(t ) 

(1.9)

RXX    Rxx    Rxn    Rnx    Rnn  

(1.10)

Do n(t) là tín hiệu nhiễu nên sẽ không có mối tương quan với tín

hiệu x(t) nên Rxn    Rnx    0 phần
sai số giữa RXX

Rnn  

chính là phần

  và Rxx   .

Ta xét mối quan hệ hổ tương quan giữa hai tín hiệu X(t) và Y(t):

RXY    M  x(t )  n(t )  y (t )  w(t ) 

RXY    Rxy    Rxw    Rny    Rnw  

Footer Page 6 of 126.

(1.11)


Header Page 7 of 126.

5

Do các tín hiệu n(t), w(t) là tín hiệu nhiễu nên không có mối
tương quan với các tín hiệu x(t) và y(t) dẫn đến:

RXY    Rxy  

(1.12)

1.3.5 Nhiễu ồn trắng
1.4 NHẬN DẠNG ĐÁP ỨNG XUNG HỆ THỐNG
Xét hệ thống tuyến tính liên tục với tín hiệu vào x(t) và tín hiệu
ra y(t) như sau:

x(t)

y(t)
g(t)

Tiến hành đo các tín hiệu vào và ra ta được các giá trị rời rạc
x(n) và y(n):
T 1

y ( n)   g ( j ) x ( n  j )

(1.13)

j 0

Từ lý thuyết hàm tương quan, ta có hàm tự tương quan và hổ
tương quan giữa 2 tín hiệu x(n), y(n)

Rxx (m) 

1 N
 x ( n) x ( n  m)
N n1

(1.14)

Rxy (m) 

1 N
 x ( n ) y ( n  m)
N n1

(1.15)

T 1

Thay

y (n)   g ( j ) x(n  j ) , ta có:
j 0

N
T 1
=1
x
(
n

m
)
g ( j ) x(n  j )


N n1

j 0

Footer Page 7 of 126.


Header Page 8 of 126.

6

1

T 1

=

j 0

n 1

T 1

=



N

 g ( j)  N  x(n  m)x(n  j ) 

 g ( j).R

xx

j 0

(m  j )

Viết ở dạng ma trận:

Ryx  Rxx .g
Rxx (0)
 Ryx (0)   Rxx (0)
 R (1)  
Rxx (0)
 yx
   Rxx (1)

 
...
...
...

 
 Ryx (T  1)   Rxx (T  1) Rxx (T  2)

Rxx (T  1)   g (0) 
... Rxx (T  2)   g (1) 


  ... 

...
...


...
Rxx (0)   g (T  1) 

...

Như vậy động học của hệ thống được tính như sau:

g  Rxx1.Ryx
1.5 ÁP DỤNG HÀM TƯƠNG QUAN NHẬN DẠNG ĐÁP ỨNG
XUNG HỆ THỐNG
1.5.1 Nhận dạng đáp ứng xung với hệ thống không nhiễu
Ở phần này, ta sẽ áp dụng hàm tương quan để nhận dạng động
học hệ thống tuyến tính không có nhiễu ở đầu ra được cho bởi hàm
truyền đạt G ( s ) 

s2

. Bằng cách đưa vào tín hiệu nhiễu ồn
s  2s  5
trắng có biên độ 0.1 để từ đó thông qua quá trình tính hàm hổ tương
quan để vẽ ra hàm xấp xỉ đáp ứng xung.

Footer Page 8 of 126.

2

Header Page 9 of 126.

7

Biendo

Sử dụng phần mềm Matlab để cho ra các kết quả như sau:

t

s2
2

s  2s  5

Biendo

Hình 1.5 Đáp ứng xung của hệ G ( s ) 

t

Hình 1.6 Đáp ứng xung thông qua quá trình tính hàm tương
quan

Footer Page 9 of 126.


Header Page 10 of 126.

8

Biendo

Sai số giữa phương pháp tương quan và lý tưởng:

t

Hình 1.7 Sai số tính tương quan với hệ thống không nhiễu đầu ra
1.5.2 Nhận dạng đáp ứng xung với hệ thống có nhiễu đầu
ra
Xét hệ thống có tín hiệu nhiễu đầu ra như sau:

Hình 1.8 Hệ thống tuyến tính có nhiễu đầu ra
Với hàm truyền đạt G ( s ) 

s2
2

s  2s  5

tưởng được thể hiện như Hình 1.5.
Tín hiệu nhiễu w(t) có biên độ 0.03.

Footer Page 10 of 126.

thì đáp ứng xung lý


9

Biendo

Header Page 11 of 126.

t

Biendo

Hình 1.9 Đáp ứng xung xấp xỉ bằng hàm tương quan có nhiễu ở
đầu ra

t

Hình 1.10 Sai số trong quá trình xấp xỉ của hàm tương quan hệ
thống có nhiễu đầu ra

Footer Page 11 of 126.


Header Page 12 of 126.
CHƯƠNG 2

10

TỔNG QUAN MÔ HÌNH MẠNG
NƠ RON

2.1 MẠNG NƠ RON NHÂN TẠO
2.1.1 Định nghĩa

2.1.2 Lịch sử phát triển mạng nơron
2.1.3 Nơron sinh học
2.1.4 Nơron nhân tạo
Một nơron là một đơn vị xử lý thông tin và là thành phần cơ bản
của một mạng nơron. Cấu trúc của một nơron được mô tả trên (Hình
2.2).

Hình 2.2 Cấu trúc của một nơron
Các thành phần cơ bản của một nơron nhân tạo bao gồm:
2.1.5 Mô hình mạng nơ ron
2.1.6 Huấn luyện mạng nơ ron
2.1.7 Ứng dụng thuật toán lan truyền ngược để học dữ liệu:
Thuật toán lan truyền ngược:
Xét mạng nơ ron truyền thẳng 3 lớp như sau để học mẫu tín hiệu
vào ra (xk,dk):
Mỗi nơ ron thứ q ở lớp ẩn liên kết với lớp vào bằng trọng số
alphaqj và liên kết với lớp ra bằng trọng số wqj.

Footer Page 12 of 126.


Header Page 13 of 126.

11

Thuật toán lan truyền ngược được thực hiện như sau qua 2 giai
đoạn:
Giai đoạn 1: Sử dụng bộ mẫu tín hiệu ban đầu để mạng học
theo chiều thuận.
Giai đoạn 2: Sử dụng sai lệch e = d-y lan truyền ngược lại để

điều chỉnh các trọng số giữa các lớp.
Xét mạng nơ ron lan truyền ngược như sau:

Hình 2.9 Mạng nơ ron 3 lớp lan truyền ngược
Xét nơ ron thứ q lớp ẩn có tổng trọng số là:
(2.4)
Tín hiệu ra nơ ron thứ q của lớp ẩn là:
(2.5)

Footer Page 13 of 126.


Header Page 14 of 126.

12

Xét nơ ron thứ i của lớp ra đồng thời sử dụng (2.4), (2.5) có tổng
trọng số là:
(2.6)
Tín hiệu ra của nơ ron thứ i từ (2.6) của lớp ra là:
(2.7)
Trung bình bình phương sai lệch E được tính như sau:
(2.8)
Sử dụng phương pháp hạ Gradient tìm lượng điều chỉnh của
trọng số giữa nơ ron thứ q của lớp ẩn với nơ ron thứ i của lớp ra:
(2.9)
Sử dụng phương pháp hạ Gradient tìm lượng điều chỉnh của
trọng số giữa nơ ron thứ j của lớp vào với nơ ron thứ q của lớp ẩn:
(2.10)
Luật cập nhật trọng số ở thời điểm t+1:

(2.11)
(2.12)
Trong các biểu thức tính ở trên f(.) là hàm chuyển đổi đại diện.
Nếu sử dụng hàm chuyển đổi dạng sigmoid thì ta được:

Footer Page 14 of 126.


Header Page 15 of 126.

13

Ta tìm được các công thức tính các tín hiệu sai lệch như sau:
(2.14)
(2.15)
2.1.8 Kết quả ứng dụng thuật toán lan truyền ngược học dữ

Tocdo

liệu

t

Hình 2.10 Mẫu học cho mạng nơ ron lan truyền ngược
Thông qua quá trình học và điều chỉnh các trọng số ta được kết
qua như Hình 2.11:

Footer Page 15 of 126.

14

Tocdo

Header Page 16 of 126.

t

Tocdo

Hình 2.11 Kết quả học của mạng nơ ron
Sai số trong quá trình học giữa mẫu học và kết quả mạng nơ ron
mô tả ở Hình 2.12:

t

Hình 2.12 Sai số trong quá trình học của mạng nơ ron
2.1.9 Kết luận

Footer Page 16 of 126.


Header Page 17 of 126.

15

CHƯƠNG 3
SỬ DỤNG THUẬT TOÁN NƠ RON
TƯƠNG QUAN ĐỂ NHẬN DẠNG ĐẶC TÍNH
3.1 LÝ THUYẾT VỀ NHẬN DẠNG HỆ THỐNG

3.1.1 Nhận dạng hệ thống
3.1.2 Nhận dạng mô hình không tham số
3.2 KHÁI QUÁT CHUNG VỀ ĐỘNG CƠ MỘT CHIỀU
3.3 NGUYÊN LÝ CẤU TẠO ĐỘNG CƠ ĐIỆN MỘT CHIỀU
3.4 PHÂN LOẠI ĐỘNG CƠ MỘT CHIỀU
3.4.1 Mô tả toán học động cơ một chiều kích từ độc lập

3.4.2 Áp dụng thuật toán nơ ron tương quan nhận dạng
động học động cơ
Áp dụng thuật toán nơ ron tương quan theo sơ đồ như hình 3.8:

Hình 3.8 Thuật toán nơ ron tương quan
Các bước thực hiện thuật toán được thực hiện như sau:
Bước 1: Tính toán các thông số của động cơ một chiều, đối
tượng chưa biết đặc tính.

Footer Page 17 of 126.


Header Page 18 of 126.

16

Bước 2: Tiến hành phát tín hiệu nhiễu ồn trắng x(t) vào đối
tượng.
Bước 3: Thực hiện phép đo các tín hiệu vào và ra của hệ thống
x(k), y(k).
Bước 4: Tính hàm hổ tương quan

Ryx ( )

giữa 2 tín hiệu y(k),

x(k).
Bước 5: Sử dụng các thuật toán tính toán tương quan được thể
hiện ở Chương 1 – mục 1.4.
Bước 6: Sử dụng bộ thông số (k,

Ryx ( ) ) đã được tính ở bước

5 để làm cơ sở cho quá trình học của mạng nơ ron.
Bước 7: Đánh giá kết quả đạt được
Áp dụng thuật toán nơ ron tương quan với đối tượng chưa biết là
động cơ một chiều có các thông số điện như sau:
Áp dụng biểu thức (3.10) ta tính ra được hàm truyền đạt của hệ
thống như sau:

Tocdo

(3.11)

t
Hình 3.9 Đáp ứng xung lý tưởng động cơ một chiều

Footer Page 18 of 126.


17

Tocdo

Header Page 19 of 126.

t

Tocdo

Hình 3.10 Xấp xỉ tương quan của đáp ứng xung động cơ một
chiều
Hàm hổ tương quan được tính có dạng giống với đáp ứng xung
của hệ thống, điều này chứng tỏ tính đúng đắn của phương pháp.

t

Hình 3.11 Lỗi trong quá trình tính xấp xỉ tương quan

Footer Page 19 of 126.


18

Tocdo

Header Page 20 of 126.

t

Tocdo

Hình 3.12 Mẫu học tương quan của đáp ứng xung động cơ một

chiều

t

Tocdo

Hình 3.13 Kết quả học của mạng nơ ron

t
Hình 3.14 Lỗi trong quá trình học của mạng nơ ron

Footer Page 20 of 126.


Header Page 21 of 126.

19

Như vậy, chỉ với tín hiệu nhiễu ồn trắng đưa vào đối tượng bất
kì (ở đây là động cơ một chiều kích từ độc lập) thông qua quá trình
đo mối quan hệ giữa tín hiệu vào vào tín hiệu ra ta đã có được đặc
tính tính của hệ thống.
3.5 KẾT LUẬN
Với sự kết hợp của mạng nơ ron và hàm tương quan tác giả đã
kiểm chứng lại tính đúng đắn của phương pháp. Lỗi sai số trong quá
trình tính toán so với giá trị lý tưởng nằm trong khoảng giá trị bé.
Việc nhận dạng được đáp ứng xung của động cơ một chiều kích từ
độc lập làm cơ sở cho việc phát triển phương pháp này lên các đối
tượng khác, có cấu trúc phức tạp hơn.

Footer Page 21 of 126.


Header Page 22 of 126.
CHƯƠNG 4

20

KẾT QUẢ VÀ ĐÁNH GIÁ

4.1 CÁC KẾT QUẢ ĐẠT ĐƯỢC
4.1.1 Xấp xỉ tương quan hệ thống không có nhiễu đầu ra
4.1.2 Xấp xỉ tương quan hệ thống có nhiễu đầu ra
4.1.3 Quá trình học của mạng nơ ron
4.1.4 Sử dụng thuật toán nơ ron tương quan để nhận dạng

Tocdo

đặc tính động cơ một chiều

t

Hình 4.9 Đáp ứng xung lý tưởng động cơ một chiều

Footer Page 22 of 126.


21

Tocdo

Header Page 23 of 126.

t

Tocdo

Hình 4.10 Xấp xỉ tương quan của đáp ứng xung động cơ một
chiều

t

Hình 4.11 Lỗi trong quá trình tính xấp xỉ tương quan

Footer Page 23 of 126.


22

Tocdo

Header Page 24 of 126.

t

Tocdo

Hình 4.12 Kết quả học của mạng nơ ron

t

Hình 4.13 Lỗi trong quá trình học của mạng

Footer Page 24 of 126.


Header Page 25 of 126.

23

4.2 KẾT LUẬN
Sau một thời gian làm việc nghiêm túc, với sự giúp đỡ tận tình
của thầy giáo TS. Nguyễn Hoàng Mai và các thầy giáo trong bộ môn,
luận văn đã hoàn thành đúng thời gian.
Luận văn đã giải quyết được các nội dung yêu cầu ban đầu gồm:
Chương 1: Chương này giới thiệu về hàm tương quan, cụ thể là
hàm tự tương quan và hàm hổ tương quan. Các tính chất cụ thể của
hàm tương quan. Ngoài ra, trong chương này tác giả đã trình bày cụ
thể thuật toán sử dụng hàm tương quan để nhận dạng mô hình không
tham số.
Chương 2: Chương này giới thiệu mạng nơ ron, các phương
pháp học của mạng, các hàm chuyển đổi.v.v. Thực hiện quá trình học
của mạng với mẫu học bất kỳ.
Chương 3: Chương này trình bày cụ thể thuật toán nơ ron tương
quan để nhận dạng mô hình không tham số, cụ thể là động cơ một
chiều kích từ độc lập. Sử dụng Matlab để đưa ra các kết quả đạt được
kiểm chứng lại thuật toán đã đề ra ban đầu.
Chương 4: Chương này trình bày lại các kết quả mô phỏng đã
đạt được và đưa ra các nhận xét về phương pháp nơ ron tương quan.
Như vậy, luận văn đã giải quyết yêu cầu đặc ra ban đầu là:
- Trình bày lý thuyết và ứng dụng hàm tương quan trong điều

khiển.
- Cấu tạo mạng nơ ron nhân tạo và ứng dụng mạng nơ ron để
học bộ mẫu ban đầu xác định.
- Sử dụng thuật toán nơ ron tương quan nhận dạng mô hình
không tham số thông quan đo đạc tín hiệu vào ra của hệ thống.

Footer Page 25 of 126.