Ứng dụng phương pháp unsupervised neural networks để xác định hư hỏng gãy răng, mòn răng của hộp giảm tốc một cấp răng trụ răng thẳng

Đại Học Quốc Gia Tp. Hồ Chí Minh
TRƯỜNG ĐẠI HỌC BÁCH KHOA
-------------------

HUỲNH CÔNG LỚN

ỨNG DỤNG PHƯƠNG PHÁP UNSUPERVISED
NEURAL NETWORKS ĐỂ XÁC ĐỊNH HƯ HỎNG
GÃY RĂNG, MÒN RĂNG CỦA HỘP GIẢM TỐC
MỘT CẤP RĂNG TRỤ RĂNG THẲNG

Chuyên ngành: CƠ KHÍ CHẾ TẠO MÁY
Mã ngành: 2.01.00

LUẬN VĂN THẠC SĨ
TP. HỒ CHÍ MINH, tháng 12 năm 2007


CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI
TRƯỜNG ĐẠI HỌC BÁCH KHOA
ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH

Cán bộ hướng dẫn khoa học: TS. Lưu Thanh Tùng .............................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
Cán bộ chấm nhận xét 1:...........................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................

...................................................................................................................................
Cán bộ chấm nhận xét 2: ..........................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
...................................................................................................................................
Luận văn thạc sĩ được bảo vệ tại HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN
THẠC SĨ
TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày............tháng...........năm...............


LỜI CẢM ƠN
Để có được những kiến thức q giá và hoàn thành tốt luận văn tốt
nghiệp được giao như ngày hôm nay, em xin chân thành cảm ơn sự quan
tâm - giúp đỡ tận tình của thầy cơ trường Đại học Bách Khoa Tp.HCM đã
dạy em trong suốt thời gian qua và đặc biệt là sự hướng dẫn của TS.Lưu
Thanh Tùng, đã tận tình giúp đỡ và tạo mọi điều kiện thuận lợi cho em
hoàn thành tốt nhiệm vụ của mình.
Chân thành cảm ơn q thầy cơ trong Khoa Cơ Khí, Bộ mơn Cơ giới
hóa XN - XD đã giúp đỡ và ủng hộ cho em trong suốt quá trình học tập,
nghiên cứu và nhất là trong thời gian thực hiện luận án.
Chân thành cảm ơn các bạn sinh viên khóa 2003 - ngành Máy xây
dựng và nâng chuyển đã dành nhiều thời gian giúp sức cho đề tài hoàn
thành tốt hơn.
Và cuối cùng, chân thành cảm ơn các Anh Chị đồng nghiệp và đồng
học lớp Cao học Chế tạo máy khóa 15 đã dành thời gian giúp cho đề tài
này hoàn thành tốt đẹp.

TP.HCM, ngày 14 tháng 12 năm 2007

Huỳnh Công Lớn

Abstract
The suitability of artificial neural networks (ANNS) for detecting
fault conditions in gearbox is investigated. Specifically, the ability of a
neural network to act as a predictor of correct gear behaviour is
examined.

Experimental results indicate that standard network

architectures are unsuitable for temporal prediction of non-linear system
behaviour. An unsupervised neural network architecture designed
specifically as a predictor and based on Kohonen Model is therefore
proposed. The performance of this network is evaluated using measured
data. Laboratory implementation of the fault detection system produced
encouraging quantitative results, including high success rates for the
detection of faults corresponding to gearbox.


MỤC LỤC
Trang
GIỚI THIỆU

1-9

Tổng quan........................................................................

1-4

1.1.1 Bảo trì phục hồi...............................................................

2

1.1.2 Bảo trì phịng ngừa..........................................................

3

1.1.3 Bảo trì chính xác..............................................................

3

CHƯƠNG 1.
1.1

1.2

Tổng quan các phương pháp chuẩn đoán và xác định
hư hỏng của hộp truyền động..........................................

4-9

1.2.1 Phương pháp phân tích tín hiệu trung bình đồng
thời...................................................................................

4

1.2.2 Phân tích miền thời gian..................................................

5

1.2.3 Phân tích phổ tần số.........................................................

6

1.3

9

Nội dung thực hiện..........................................................
GIỚI THIỆU MẠNG NƠRON NHÂN TẠO

10-37

2.1

Cấu trúc sinh học của nơron............................................

10-11

2.2

Tổng quát về cấu trúc nơron nhân tạo.............................

11-14

2.2.1 Giới thiệu.........................................................................

11

2.2.2 Tính tốn trong mạng nơron............................................

12

Phương pháp huấn luyện mạng.......................................

14-16

2.3.1 Giải thuật học có giám sát...............................................

15

2.3.2 Giải thuật học không giám sát.........................................

16

CHƯƠNG 2.

2.3

2.4

Cấu trúc của mạng...........................................................

17-23

2.4.1 Cấu trúc của mạng truyền tiến.........................................

17

2.4.2 Cấu trúc mạng lan truyền ngược.....................................

20


Mô tả các loại mạng nơron thông dụng...........................

23-37

2.5.1 Mạng perceptron..............................................................

23

2.5.2 Mạng Hopfield................................................................

28

2.5.3 Mạng Kohone..................................................................

30

2.5.4 Mạng RBF.......................................................................

33

2.5

PHƯƠNG PHÁP THỰC HIỆN

38-54

3.1

Chọn mô hình thí nghiệm................................................

38-39

3.2

Qúa trình đo và xử lý tín hiệu........................................

39-54

CHƯƠNG 3.

3.2.1 Qúa trình đo.....................................................................

40

3.2.2 Xử lý tín hiệu...................................................................

41

3.2.3 Các phổ dao động cho trường hợp bánh răng bị gãy
một răng..........................................................................

45

3.2.4 Các phổ dao động cho trường hợp bánh răng bị mòn.....

50

HUẤN LUYỆN VÀ NHẬN DẠNG HƯ HỎNG

55-69

4.1

Giải thuật huấn luyện......................................................

55-57

4.2

Kết quả huấn luyện..........................................................

58-69

CHƯƠNG 4.

4.2.1 Huấn luyện mạng trong trường hợp bánh răng bình
thường..............................................................................

58

4.2.2 Huấn luyện mạng trong trường hợp bánh răng bị gãy
răng..................................................................................

60

4.2.3 Huấn luyện mạng trong trường hợp bánh răng bị mòn
răng..................................................................................
CHƯƠNG 5.

KẾT LUẬN

63
70-71

5.1

Kết luận

70

5.2

Các mặt hạn chế của đề tài

71

5.3

Các đề xuất

71


TÀI LIỆU THAM KHẢO

72-73

PHỤ LỤC

74-88

A. Các chương trình huấn luyện và nhận dạng.............................................

74-86

1. Chương trình huấn luyện nơron khơng giám sát.................................

74

2. Chương trình kiểm tra và nhận dạng hư hỏng.....................................

77

3. Chương trình chuyển đổi FFT.............................................................

82

4. Huấn luyện nơron khơng giám sát 2 chiều..........................................

85

B. Một số chương trình viết để tham khảo...................................................

86-88

1. Thuật toán FFT....................................................................................

86

2. Thiết kế bộ lọc Cheblp.........................................................................

87


BẢNG LIỆT KÊ BẢNG BIỂU VÀ HÌNH ẢNH
TT

Tên hình

Trang

1

2.1 Mơ hình nơ ron sinh học

10

2

2.2 Mơ hình nơron nhân tạo

11

3

2.3 Giải thuật học có giám sát

15

4

2.4 Giải thuật học khơng giám sát

16

5

2.5 Mơ hình tốn của mạng truyền tiến 1 lớp

18

6

2.6 Mơ hình mạng động dùng đầu ra truyền tiến và đầu vào truyền lùi

22

7

2.7 Mơ hình học tổng qt cho mạng có giải thuật lan truyền ngược

23

8

2.8 Mạng perceptron nhiều lớp

24

9

2.9 Mơ hình tín hiệu của nơron vào thứ j

25

10

2.10 Mơ hình tín hiệu của mạng nơron xuất thứ k

26

11

2.11 Mạng hopfield

28

12

2.12 Mạng Kohonen

31

13

2.13 Mạng RBF

35

14

3.1 Sơ đồ động hộp giảm tốc một cấp răng trụ răng thẳng

38

15

3.2 Phổ bánh răng bình thường, đo lần 1

42

16

3.3 Phổ bánh răng bình thường, đo lần 2

43

17

3.4 Phổ bánh răng bình thường, đo lần 3

44

18

3.5 Phổ bánh răng gãy răng, đo lần 1

45


19

3.6 Phổ bánh răng gãy răng, đo lần 2

46

20

3.7 Phổ bánh răng gãy răng, đo lần 3

47

21

3.8 Phổ bánh răng gãy răng, đo lần 4

48

22

3.9 Phổ bánh răng gãy răng, đo lần 5

49

23

3.10 Phổ bánh răng bị mòn răng, đo lần 1

50

24

3.11 Phổ bánh răng bị mòn răng, đo lần 2

51

25

3.12 Phổ bánh răng bị mòn răng, đo lần 3

52

26

3.13 Phổ bánh răng bị mòn răng, đo lần 4

53

27

3.14 Phổ bánh răng bị mòn răng, đo lần 5

54

28

4.1 Nhận dạng bánh răng bình thường

66

29

4.2 Nhận dạng bánh răng bị gãy răng

67

30

4.3 Nhận dạng bánh răng mịn răng

68

31

4.4 Bánh răng khơng nhận dạng được

68



Chương 1: GIỚI THIỆU
1.1 Tổng quan.
Ngày nay, trong sản xuất công nghiệp hiện đại, máy móc và thiết bị
đóng vai trò quan trọng trong việc quyết định năng suất, chất lượng, giá
thành của sản phẩm và khả năng cạnh tranh của các doanh nghiệp. Cùng

với mức độ cơ khí hóa, tự động hóa ngày càng cao trong các dây chuyền
sản xuất, con người nhận thức sâu sắc được tổn thất chi phí to lớn do
ngừng sản xuất vì máy móc bị hư hỏng.
Thời gian ngừng máy luôn ảnh hưởng đến khả năng sản xuất của
thiết bị do làm giảm sản lượng, tăng chi phí vận hành và gây trở ngại cho
dịch vụ khách hàng. Những hậu quả của ngừng máy càng trầm trọng hơn
do công nghiệp sản xuất của thế giới có xu thế theo hệ thống sản xuất
đúng lúc (Jast - in - time). Do đó chỉ cần xảy ra hư hỏng nhỏ ở bất kỳ vị trí
nào của thiết bị thì toàn bộ hệ thống phải ngừng sản xuất. Trong những
năm gần đây sự phát triển của cơ khí hóa và tự động hóa đã làm độ tin cậy
và khả năng sẵn sàng của thiết bị là một yếu tố quan trọng hàng đầu trong
sản xuất.
Để thấy rõ được vấn đề này, hãy xem tổn thất trong một giờ ngừng
sản xuất do máy bị hư hỏng ở một số ngành công nghiệp:
- Dầu khí: vài triệu USD/giờ.
- Thép: 10.000 USD/giờ.
- Giấy: 10.000 ÷ 20.000 USD/giờ.
- Hóa chất: 2.000 USD/giờ.


- Sản xuất lon bia: 2.000 USD/giờ.
- Điện: 10.000 USD/giờ.
Từ các ví dụ trên ta thấy rằng thiết bị máy móc phải có độ chính xác
cao, độ tin cậy cao, tuổi thọ lớn và khả năng sẵn sàng cao. Để đạt được
đều này thì các doanh nghiệp cần phải có chiến lược bảo trì thiết bị hợp
lý. Một trong những nguyên nhân gây ra hư hỏng thiết bị máy móc đó là
dao động. Hơn nữa dao động cũng chính là những dấu hiệu để nhận biết
được hư hỏng. Do đó cần phải có chương trình giám sát rung động ở các
bộ phận của máy móc để các doanh nghiệp chủ động trong công tác bảo
trì nhằm kéo dài tuổi thọ của máy móc. Các chiến lược bảo trì thiết bị của

các doanh nghiệp làm cho thiết bị vận hành một cách an toàn và hiệu quả
cao. Trên thực tế có 3 chiến lược bảo trì như sau:
1.1.1 Bảo trì phục hồi:
Bảo trì phục hồi là hoạt động bảo trì được thực hiện sau khi máy bị
hỏng, nhằm mục đích khôi phục lại tình trạng làm việc của chi tiết máy,
cụm máy. Vì vậy trong quá trình sản xuất sẽ bị ảnh hưởng rất nhiều đến
kế hoạch sản xuất của doanh nghiệp, đặc biệt là các thiết bị trong các dây
chuyền sản xuất tự động. Hình thức bảo trì này không mang lại hiệu quả
kinh tế cao, gây tổn thất về kinh tế lớn, do các nguyên nhân sau:
- Hư hỏng lan rộng ra toàn hệ thống.
- Ngừng trệ dây chuyền sản xuất.
- Ảnh hưởng đến quan hệ thương mại của doanh nghiệp.
- Độ tin cậy của giảm.


1.1.2 Bảo trì phòng ngừa:
Bảo trì phòng ngừa là bảo trì có kế hoạch. Các máy móc thiết bị
quan trọng sẽ được bảo trì trong những khoảng thời gian nhất định đã được
lập kế hoạch trước. Nguyên tắc thực hiện: thường xuyên kiểm tra bằng
cách tháo lắp kiểm tra các bộ phận, bôi trơn, thay dầu, thay các chi tiết,
sửa chữa... phương pháp này tỏ ra khá hiệu quả giảm được nhiều hư hỏng.
Tuy nhiên phương pháp này có một số nhược điểm như sau:
- Khi đến thời điểm bảo trì theo kế hoạch đề ra thì phải tiến hành
dừng máy và làm công tác bảo trì thiết bị. Đôi khi máy móc không xảy ra
tình trạng hư hỏng gì, thiết bị vẫn làm việc bình thường, thì sẽ rất tốn kém
về thời gian và công sức để lắp ráp lại. Thậm chí có khả năng máy móc
sau khi lắp lại sẽ không có trạng thái làm việc tốt như ban đầu, phải tiến
hành cân chỉnh lại.
- Khoảng thời gian giữa hai lần bảo trì vẫn có khả năng dừng máy
do hư hỏng. Doanh nghiệp lại rơi vào tình trạng bảo trì phục hồi, không có

kế hoạch, không có trình tự.
1.1.3 Bảo trì chính xác:
Đây là biện pháp bảo trì dựa theo kỹ thuật giám sát tình trạng máy,
có thể tránh hư hỏng máy và chỉ can thiệp vào máy khi có báo động sắp
xảy ra sự cố. Tiến trình thực hiện kỹ thuật giám sát tình trạng máy bao
gồm các bước sau:


- Giám sát và chuẩn đoán thường xuyên tình trạng máy, được thực
hiện bằng cách đo nhiệt, dao động bội trơn.
- Thiết lập sơ đồ tình trạng máy từ các số liệu đo.
- Xác định thời điểm cần thiết để can thiệp vào máy.
Việc đo đạc và phân tích tình trạng máy không những cho phép xác
định tình trạng máy mà còn giúp dự đoán được giá trị tới hạn của nó. Như
vậy phương pháp này có các ưu điểm như sau:
+ Giảm thiểu tối đa các khuyết tật.
+ Giảm hư hỏng.
+ Giảm chi phí bảo trì.
+ Giảm chi phí sản xuất.
+ Nâng cao hiệu suất máy.
+ Độ tin cậy cao.
+ Giảm giá thành sản phẩm.
Mục đích của các chiến lược bảo trì là nhằm cực tiểu hóa chi phí,
kéo dài tuổi thọ của chi tiết máy, can thiệp đúng lúc, đúng vị trí. Để thực
hiện được điều này thì các chi tiết máy cần được giám sát thường xuyên.
Ví dụ: Dao động của máy móc có thể gây ra nhiều như hỏng. Các vết nứt
của vật liệu gây ra các dao động âm với tần số cao. Hư hỏng cũng là
nguyên nhân gây nhiệt độ máy tăng lên. Bằng cách giám sát hạt của chất
bôi trơn cũng có thể xác định được độ mòn của chi tiết.
1.2 Tổng quan các phương pháp chuẩn đoán và xác định hư hỏng của

hộp truyền động.


1.2.1 Phương pháp phân tích tín hiệu trung bình đồng thời.
Nguyên tắc của phương pháp này là mọi rung động liên quan đến
trục hoặc bánh răng sẽ lặp lại có chu kỳ theo chu kỳ trục quay. Bằng cách
chia các tín hiệu rung động thành những phần liên tiếp nhau tương ứng với
chu kỳ quay của trục, sau đó lấy giá trị trung bình của tất các phần rung
động này để làm tín hiệu chuẩn, nếu tín hiệu rung động nào không thuộc
dạng này sẽ bị loại ra. Dựa vào từng loại rung động riêng biệt này, thì các
loại hư hỏng ứng với mỗi rung động sẽ được chuẩn đoán chính xác. Tuy
nhiên phương pháp này có một số nhược điểm như sau:
- Khi hệ thống phức tạp thì cần phải sử dụng nhiều bộ chuyển đổi tín hiệu
trung bình, do đó chi phí cho công tác giám sát sẽ rất cao.
- Phương pháp này phụ thuộc vào việc lập trình trên máy tính nên cần
phải có bộ chuyển đổi tín hiệu từ liên tục sang tín hiệu số.
1.2.2 Phân tích miền thời gian:
Trước khi phương pháp phân tích phổ ra đời thì hầu hết việc phân
tích rung động được thể hiện trên miền thời gian. Biên độ rung động là
một tham số để miêu tả tính chất quan trọng của rung động. Có nhiều cách
thức khác nhau để xác định biên độ dao động.
* Mức đỉnh: Trị số đỉnh được dùng nhờ đặc tính cho biết giá trị cực đại tức
thời mà không cần xét đến thời gian sản sinh ra nó. Chính vì điều này mà
trị số đỉnh rất cần thiết cho việc xác định mức độ của các loại sốc có thời
gian xảy ra rất ngắn:


X peak =

1

(max( x(t )) − min( x(t )))
2

* Trò số quân phương: là mức đo biên độ được dùng nhiều nhất vì ngoài
đặc tính xác định tín hiệu theo thời gian, trị số này còn liên quan trực tiếp
đến năng lượng của tín hiệu, và từ đó là khả năng phá hủy của dao động:
T

1
( x* (t ) − x ) 2 dt
T ∫0

X KMS =

T - laø chu kỳ dao động.
T

x=

1
x(t ) dt , giá trị trung bình
T ∫0

Với tín hiệu dao động rời rạc:
X RMS =
x=

1
N

1 N −1
∑ ( x ( n) − x ) 2
N n =0

N −1

∑ x ( n)
n =0

Ưu điểm: Dụng cụ đo mức độ dao động dạng biên độ, thời gian khá
đơn giản và rẻ tiền. Do đó nó có thể ứng dụng để chuẩn đoán hư hỏng của
các thiết bị đơn giản.
Nhược điểm: Đối với thiết bị phức tạp và đắt tiền thì đòi hỏi phải
chuẩn đoán và dự báo trước tình trạng máy móc để có biện pháp phòng
ngừa. Đối với yêu cầu này thì đòi hỏi phải có chuyên gia về dao động và
thiết bị hỗ trợ công tác chuẩn đoán, nên phương pháp phân tích dao động
miền thời gian này khó áp dụng được.
1.2.3 Phân tích phổ tần soá:


Thuật ngữ phân tích phổ tần số được dùng để miêu tả việc phân tích
tín hiệu dao động dựa vào miền tần số của dao động. Phương pháp phân
tích phổ tần số là phương pháp được sử dụng thường xuyên nhất trong kỹ
thuật phân tích dao động phục vụ cho việc giám sát điều kiện làm việc
của các hệ thống truyền động và cung cấp một công cụ hữu hiệu cho việc
xác định và chuẩn đoán hư hỏng của các chi tiết máy .... Kỹ thuật phân
tích phổ là sự chuyển đổi từ miền thời gian của dao động sang miền tần
số. Để làm được điều này thì dùng phương pháp lọc ban tần hẹp, hoặc
phương pháp phổ biến hơn là biến đổi fourier rời rạc của các dữ liệu số.
Phương pháp biến đổi fourier được miêu tả như sau:

x(t ) =

với:

a0 ∞
+ ∑ ( an cos nωt + bn sin nωt )
2 n =1

ω = 2π f =

2π
T

T

a0 =

2
x(t ) dt
T ∫0

an =

2
x (t ) cos nωt.dt
T ∫0

bn =

2

x(t ) sin nωt.dt
T ∫0

T

T

Như vậy x(t) là một hợp của các hàm điều hòa. Hàm tuần hoàn này cũng
có thể viết dưới dạng:
∞

∞

n=0

n=0

x(t ) = ∑ Cn .e j ( nωt −α n ) = ∑ Cn*e→ jnωt


với:

c0 =

a0
vaø α n = o khi n=0
2

Cn = an2 + bn2 - biên độ của thành phần điều hòa tại tần số nω.

α n = arctan − (bn / an ) - góc pha của thành phần điều hòa.
Cn* = Cn .e − j 2 n - liên hợp phức của thành phần điều hòa tại tần số nω.

Ưu điểm: Hiện nay có nhiều công ty cung cấp dụng cụ phân tích
FFT, tốc độ và chất lượng cao với giá thành chấp nhận được cho các
doanh nghiệp. Hơn nữa trên thị trường của bộ phân tích FFT, nhiều công
ty sau khi bán hàng cũng cung cấp luôn các khóa huấn luyện và tài liệu
hường dẫn phương pháp chuẩn đoán hư hỏng thiết bị . Bởi vì sự ứng dụng
rộng rãi của phương pháp phân tích phổ trong nhiều năm qua nên có rất
nhiều nghiên cứu cũng như tài liệu chỉ dẫn phương pháp này để chuẩn
đoán hư hỏng của máy móc thiết bị.
Nhược điểm: Nhược điểm chính của phương pháp phân tích phổ là
sự phức tạp của nó. Khi tiến hành đo tín hiệu dao động và chuẩn đoán hư
hỏng thì cần phải có mặt các chuyên gia về dao động thì mới tiến hành
được chuẩn đóan chính xác tình trạng của thiết bị.
Sự dao động của máy móc thiết bị được sinh ra bởi sự ma sát giữa
các vật chuyển động, sự mất cân bằng của các chi tiết quay. Sự phá hủy
và mài mòn chi tiết máy có thể ảnh hưởng đến bất kỳ chi tiết nào, đặc biệt
là trong các hệ thống truyền động từ động cơ sang bộ phận công tác của
thiết bị. Mục đích của luận án là "ứng dụng phương pháp unsupervied
nơron network để xác định hư hỏng gãy răng, mòn răng của hộp giảm tốc
một cấp răng trụ răng thẳng ". Lợi ích của phương pháp này giúp cho các


doanh nghiệp giảm đáng kể chi phí do ngừng máy, chi phí thuê chuyên gia
để giám sát và phân tích tình trạng thiết bị. Để thực hiện được điều này,
toàn bộ các chi tiết quan trọng của hệ thống sẽ được giám sát tình trạng
liên tục nếu trong quá trình vận hành có bất cứ tín hiệu nào bất thường xảy
ra thì chương trình giám sát sẽ có những khuyến cáo chính xác về tình
trạng của thiết bị cho người vận hành biết. Từ đó người vận hành máy sẽ

có biện pháp can thiệp và điều chỉnh kịp thời.
1.3 Nội dung thực hiện:
1) Khảo sát các phương pháp chuẩn đoán hư hỏng của hệ thống truyền
động được ứng dụng hiện nay.
2) Sử dụng phương pháp phân tích phổ và unsupervied neural network để
chuẩn đoán và xác định hư hỏng hộp giảm tốc một cấp bánh răng trụ răng
thẳng.
3) Chọn mô hình thí nghiệm để lấy tín hiệu cho việc huấn luyện mạng.
4) Dùng Matlab để lập trình phần mềm chuẩn đoán hư hỏng của bánh
răng trên hộp giảm tốc.


Chương 2. GIỚI THIỆU MẠNG NƠRON NHÂN TẠO
2.1 Cấu trúc sinh học của nơron:
Bộ não người bao gồm xấp xỉ 100 tỷ tế bào thần kinh, còn được gọi
là nơron. Tất cả những hoạt động của con người phụ thuộc vào những tế
bào nhỏ bé này.
Mỗi nơron kết hợp với nhiều nơron khác tạo thành mạng nơron. Sự kết nối
thành mạng tạo làm cho con ngưòi có khả năng tính toán và ghi nhớ.
nơron là đơn vị cơ bản của hệ thần kinh trung tâm (Central nervous
System: CNS), những nơron này có chức năng xử lý và thông tin qua lại từ
những bộ phận khác nhau của cơ thể con người. Theo quan điểm về xử lý
thông tin, mỗi nơron bao gồm 3 phần, mỗi phần liên hệ với nhau bằng một
phương trình toán cụ thể:

Hình 2.1: Mô hình nơron sinh học
+ Denrite: có chức năng nhận thông tin từ những nơron khác.


+ Thân nơron (hay Soma): thu thập và kết nối những thông tin nhận

được từ những nơron khác.
+ Đầu ra Axon: mỗi nơron chỉ có một đầu ra axon có chức năng
truyền thông tin đến các nơron khác.
Từ cấu trúc đó, ta có thể xem nơron như là một hệ thống nhiều đầu
vào và một đầu ra được mô tả như sau:

Hình 2.2: Mô hình nơron nhân tạo
2.2 Tổng quát về cấu trúc nơron nhân tạo (Artificial neural networks):
2.2.1 Giới thiệu:
Mạng nơron sinh học có đặc tính rất phức tạo và đa dạng, vì vậy
việc đưa những đặc tính phức tạp này vào trong một mô hình rất khó khăn.
Để đạt được mục tiêu này, cấu trúc của nơron sinh học (còn gọi là nơron
đơn vị) được phát triển trong mô hình mạng nơron. Nơron có đầu vào nhận
từ đầu ra của nơron khác hay từ môi trường bên ngoài. Tổng trọng số của
các đầu vào này thiết lập thành hàm tác động phi tuyến. Một nơron là kích
động nếu tổng trọng số tại đầu vào của nó lớn hơn giá trị ngưỡng w0.
Mô hình toán cho đầu ra của nơron được định nghóa như sau:


⎡ n
⎤
y (t ) = ψ ⎢ ∑ wi xi − w0 ⎥
⎣ 1
⎦

với [x1, x2,......,xn] là đầu vào của nơron
[w1,w2,...,wn] là trọng số
y(t) là đầu ra nơron
ψ : là hàm tác động
W0 : giá trị ngưỡng

2.2.2 Tính toán trong mạng nơron:
Mục đích của việc nghiên cứu những tính toán trong mạng nơron là
để phát triển mô hình mạng nơron mà không cần thiết nghiên cứu về mặt
sinh học, mô hình toán có thể thực hiện bằng những hàm tính toán khác
nhau. Mạng nơron nhân tạo (ANNs), hay những mạng nơron đơn giản
thường được mô tả bằng những mô hình kết nối hay mạng xử lý phân bố
song song (parallel distributed processing networks).
Bắt đầu với sự phát triển của những tính toán nơron dựa trên những
hiểu biết về cấu trúc sinh học của nó cùng với luật học. Điều này dẫn đến
quá trình tính toán trong mạng nơron được thực hiện theo 3 bước sau:
+ Phát triển mô hình nơron dựa trên cấu trúc sinh học của nó.
+ Mô hình kết nối và cấu trúc synapse.
+ Luật học.
Các nhà nghiên cứu đã khám phá ra nhiều cấu trúc mạng nơron khác nhau
nhưng nếu xét về cấu trúc mạng nơron có thể phân thành mạng tónh, mạng
động, mạng một lớp và mạng nhiều lớp. Hơn nữa, những cách tính toán


khác nhau trong mạng nơron cũng làm nảy sinh những cách kết nối
synapse khác nhau giữa các nơron.
Mặc dù các nhà nghiên cứu đã đưa ra nhiều cấu trúc mạng nơron
cũng như giải thuật học khác nhau, những mạng nơron cũng có chung
nhiều đặc tính, mà những đặc tính này là duy nhất đối với một hệ sinh học.
Những đặc tính này tương phản với phương pháp tính toán truyền thống.
Những tính toán trong mạng nơron có thể điều tiết nhiều đầu vào song
song và mã hóa thông tin theo mô hình phân bố. Kiểu mã hóa này tương
phản với sơ đồ bộ nhớ truyền thống, ở đó những mẫu thông tin cụ thể được
chứa trong một vùng bộ nhớ. Sự phân phát bộ nhớ trong mạng nơron có
nhiều thuận lợi, quan trọng nhất là bộ nhớ chứa dư ra nhiều thông tin tiêu
biểu một lúc. Vì vậy mạng nơron vẫn có thể hoạt động tốt khi bị phá hủy

một vài bộ phận trong cấu trúc mạng.
Thuộc tính của mạng nơron như luật học, sự tổng hợp thông tin dư thừa và
dung sai cho phép là động cơ chọn lựa mô hình sinh học thích hợp cho
mạng nơron. Những kích thích (potential benefits) của mạng nơron có thể
được tóm tắt như sau:
Ĩ Mô hình nơron có nhiều nơron liên kết với nhau theo một cấu
trúc song song. Vì có cấu trúc song song nên sự bất thường của một vài
nơron không gây ra những ảnh hưởng quan trọng lên toàn bộ hệ thống.
Đặc tính này được xem như dung sai.
Ĩ Chiều dài của mạng phụ thuộc vào luật học và khả năng thích
nghi của nó. Khả năng thích nghi và học từ môi trường có nghóa là mạng


nơron có thể xử lý được những dữ liệu mơ hồ, không rõ ràng (imprecise
data) và những tình huống không được định nghóa tốt (ill - defined
situation). Mạng được huấn luyện thích hợp sẽ có khả năng tổng hợp khi
đầu vào không xuất hiện trong quá trình huấn luyện.
Ĩ Đặc tính quan trọng nhất của mạng nơron là khả năng xấp xỉ
những hàm liên tục phi tuyến đến độ chính xác mong muốn. Khả năng này
của mạng làm cho chúng trở nên hữu ích khi xây dựng một mô hình trong
bộ điều khiển phi tuyến.
Ĩ Mạng nơron có thể có nhiều đầu vào và nhiều đầu ra nên có thể
ứng dụng cho nhiều hệ thống khác nhau.
Mặc dù một số lượng lớn những phép toán trong mạng nơron và giải thuật
học được đưa ra, nhưng hầu hết những mạng này đều có một đặc tính
chung nào đó với hệ nơron sinh học. Cấu trúc cơ bản của một mạng nơron
bao gồm nhiều nơron được phân bố song song và cách thức giải mã thông
tin trong kết nối synapse và cách thức gọi thông tin với đáp ứng đầu vào
hiện đại. Các mạng nơron khác nhau đều có cách học tương tự nhau,
chúng đều rút ra những kinh nghiệm từ những dữ liệu được đưa vào.

2.3 Phương pháp huấn luyện mạng:


Học Neural

Học thông số

Học có giám sát

Học cấu trúc

Học không giám sát

Theo như hình vẽ, nếu chỉ xét về học thông số thì luật học có thể
phân loại thành luật học giám sát và luật học không giám sát.
2.3.1 Giải thuật học có giám sát
Dùng một tín hiệu mong muốn ở ngoài như một thầy giáo và sai số
của tín hiệu được phát sinh bằng cách so sánh đầu ra mong muốn và đầu
ra thực sự của mạng. Dựa trên tín hiệu sai số mạng nơron sẽ cải tiến trọng
số để cải tiến hoạt động của hệ thống với giả sử đầu ra mong muốn của
mạng được biết trước như hình sau: