Tài liệu Điều khiển tối ưu P4 ppt

Chng 4 : iu khin m
Hc kì 1 nm hc 2005-2006
Chng 4

IU KHIN M

Khái nim v logic m đc giáo s L.A Zadeh đa ra ln đu tiên nm
1965, ti trng i hc Berkeley, bang California - M. T đó lý thuyt
m đã đc phát trin và ng dng rng rãi.
Nm 1970 ti trng Mary Queen, London – Anh, Ebrahim Mamdani đã
dùng logic m đ điu khin mt máy hi nc mà ông không th điu khin
đc bng k thut c đin. Ti c Hann Zimmermann đã dùng logic m
cho các h ra quyt đnh. Ti Nht logic m đc ng dng vào nhà máy x
lý nc ca Fuji Electronic vào 1983, h thng xe đin ngm ca Hitachi
vào 1987.
Lý thuyt m ra đi  M, ng dng đu tiên  Anh nhng phát trin mnh
m nht là  Nht. Trong lnh vc T đng hoá logic m ngày càng đc
ng dng rng rãi. Nó thc s hu dng vi các đi tng phc tp mà ta
cha bit rõ hàm truyn, logic m có th gii quyt các vn đ mà điu
khin kinh đin không làm đc.

4.1. Khái nim c bn
 hiu rõ khái nim “M” là gì ta hãy thc hin phép so sánh sau :
Trong toán hc ph thông ta đã hc khá nhiu v tp hp, ví d nh tp các
s thc R, tp các s nguyên t P={2,3,5,...}… Nhng tp hp nh vy đc
gi là tp hp kinh đin hay tp rõ, tính “RÕ”  đây đc hiu là vi mt
tp xác đnh S cha n phn t thì ng vi phn t x ta xác đnh đc mt giá
tr y=S(x).
Gi ta xét phát biu thông thng v tc đ mt chic xe môtô : chm,
trung bình, hi nhanh, rt nhanh. Phát biu “CHM”  đây không đc ch
rõ là bao nhiêu km/h, nh vy t “CHM” có min giá tr là mt khong

nào đó, ví d 5km/h – 20km/h chng hn. Tp hp L={chm, trung bình, hi
nhanh, rt nhanh} nh vy đc gi là mt tp các bin ngôn ng. Vi mi
thành phn ngôn ng x
k
ca phát biu trên nu nó nhn đc mt kh nng
μ
(x
k
) thì tp hp F gm các cp (x,
μ
(x
k
)) đc gi là tp m.

4.1.1. nh ngha tp m
Tp m F xác đnh trên tp kinh đin B là mt tp mà mi phn t ca nó là
mt cp giá tr (x,
μ
F
(x)), vi x
∈
X và
μ
F
(x) là mt ánh x :
PGS.TS Nguyn Th Phng Hà


μ
F

(x) : B
→
[0 1]
trong đó :
μ
F
gi là hàm thuc , B gi là tp nn.

4.1.2. Các thut ng trong logic m

•  cao tp m F là giá tr h = Sup
μ
F
(x), trong đó sup
μ
F
(x) ch giá tr nh
nht trong tt c các chn trên ca hàm
μ
F
(x).
• Min xác đnh ca tp m F, ký hiu là S là tp con tho mãn :
S = Supp
μ
F
(x) = { x
∈
B |
μ
F

(x) > 0 }
• Min tin cy ca tp m F, ký hiu là T là tp con tho mãn :
T = { x
∈
B |
μ
F
(x) = 1 }
• Các dng hàm thuc (membership function) trong logic m
Có rt nhiu dng hàm thuc nh : Gaussian, PI-shape, S-shape, Sigmoidal,
Z-shape …
0
0.2
0.4
0.6
0.8
1
trapmf gbellmf trimf gaussmf gauss2mf smf
0
0.2
0.4
0.6
0.8
1
zmf psigmf dsigmf pimf sigmf

Hình 4.1:
μ

1

min tin cy
MX
Chng 4 : iu khin m
Trang 3
4.1.3. Bin ngôn ng

Bin ngôn ng là phn t ch đo trong các h thng dùng logic m.  đây
các thành phn ngôn ng ca cùng mt ng cnh đc kt hp li vi nhau.
 minh ho v hàm thuc và bin ngôn ng ta xét ví d sau :
Xét tc đ ca mt chic xe môtô, ta có th phát biu xe đang chy:
- Rt chm (VS)
- Chm (S)
- Trung bình (M)
- Nhanh (F)
- Rt nhanh (VF)
Nhng phát biu nh vy gi là bin ngôn ng ca tp m. Gi x là giá tr
ca bin tc đ, ví d x =10km/h, x = 60km/h … Hàm thuc tng ng ca
các bin ngôn ng trên đc ký hiu là :

μ
VS
(x),
μ
S
(x),
μ
M
(x),
μ
F

(x),
μ
VF
(x)

Nh vy bin tc đ có hai min giá tr :
- Min các giá tr ngôn ng :
N = { rt chm, chm, trung bình, nhanh, rt nhanh }
- Min các giá tr vt lý :
V = { x∈B | x ≥ 0 }
Bin tc đ đc xác đnh trên min ngôn ng N đc gi là bin ngôn ng.
Vi mi x∈B ta có hàm thuc :
x
→

μ
X
= {
μ
VS
(x),
μ
S
(x),
μ
M
(x),
μ
F
(x),

μ
VF
(x) }
Ví d hàm thuc ti giá tr rõ x=65km/h là :

μ
X
(65) = { 0;0;0.75;0.25;0 }

VS S M F VF
0 20 40 60 65 80 100 tc đ
μ


1

0.75
0.25
Hình 4.2:
PGS.TS Nguyn Th Phng Hà

4.1.4. Các phép toán trên tp m
Cho X,Y là hai tp m trên không gian nn B, có các hàm thuc tng ng
là
μ
X
,
μ
Y
, khi đó :

- Phép hp hai tp m : X∪Y
+ Theo lut Max
μ
X
∪
Y
(b) = Max{
μ
X
(b) ,
μ
Y
(b) }
+ Theo lut Sum
μ
X
∪
Y
(b) = Min{ 1,
μ
X
(b) +
μ
Y
(b) }
+ Tng trc tip
μ
X
∪
Y

(b) =
μ
X
(b) +
μ
Y
(b) -
μ
X
(b).
μ
Y
(b)
- Phép giao hai tp m : X∩Y
+ Theo lut Min
μ
X
∪
Y
(b) = Min{
μ
X
(b) ,
μ
Y
(b) }
+ Theo lut Lukasiewicz
μ
X
∪

Y
(b) = Max{0,
μ
X
(b)+
μ
Y
(b)-1}
+ Theo lut Prod
μ
X
∪
Y
(b) =
μ
X
(b).
μ
Y
(b)
- Phép bù tp m :
c
X
μ
(b) = 1-
μ
X
(b)

4.1.5. Lut hp thành

1. Mnh đ hp thành
Ví d điu khin mc nc trong bn cha, ta quan tâm đn 2 yu t :
+ Mc nc trong bn L = {rt thp, thp, va}
+ Góc m van ng dn G = {đóng, nh, ln}
Ta có th suy din cách thc điu khin nh th này :
Nu mc nc = rt thp Thì góc m van = ln
Nu mc nc = thp Thì góc m van = nh
Nu mc nc = va Thì góc m van = đóng
Trong ví d trên ta thy có cu trúc chung là “Nu A thì B” . Cu trúc này
gi là mnh đ hp thành, A là mnh đ điu kin, C = A
⇒
B là mnh đ kt
lun.
nh lý Mamdani :
“ ph thuc ca kt lun không đc ln hn đ ph thuc điu kin”
Nu h thng có nhiu đu vào và nhiu đu ra thì mnh đ suy din có
dng tng quát nh sau :
If N = n
i
and M = m
i
and … Then R = r
i
and K = k
i
and ….

2. Lut hp thành m
Lut hp thành là tên gi chung ca mô hình biu din mt hay nhiu hàm

thuc cho mt hay nhiu mnh đ hp thành.
Chng 4 : iu khin m
Trang 5
Các lut hp thành c bn
+ Lut Max – Min
+ Lut Max – Prod
+ Lut Sum – Min
+ Lut Sum – Prod

a. Thut toán xây dng mnh đ hp thành cho h SISO
Lut m cho h SISO có dng “If A Then B”
Chia hàm thuc
μ
A
(x) thành n đim x
i
, i = 1,2,…,n
Chia hàm thuc
μ
B
(y) thành m đim y
j
, j = 1,2,…,m
Xây dng ma trn quan h m R
R=
⎥
⎥
⎥
⎥
⎦

⎤
⎢
⎢
⎢
⎢
⎣
⎡
),(......)1,(
............
),2(......)1,2(
),1(......)1,1(
ymxnyxn
ymxyx
ymxyx
RR
RR
RR
μμ
μμ
μμ
=
⎥
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢

⎢
⎣
⎡
rnmrn
mrr
mrr
......1
............
2......21
1......11

Hàm thuc
μ
B’
(y) đu ra ng vi giá tr rõ đu vào x
k
có giá tr
μ
B’
(y) = a
T
.R , vi a
T
= { 0,0,0,…,0,1,0….,0,0 }. S 1 ng vi v trí th k.
Trong trng hp đu vào là giá tr m A’ thì μ
B’
(y) là :
μ
B’
(y) = { l

1
,l
2
,l
3
,…,l
m
} vi l
k
=maxmin{a
i
,r
ik
}.

b. Thut toán xây dng mnh đ hp thành cho h MISO
Lut m cho h MISO có dng :
“If cd
1
= A
1
and cd
2
= A
2
and … Then rs = B”
Các bc xây dng lut hp thành R :
• Ri rc các hàm thuc
μ
A1

(x
1
),
μ
A2
(x
2
), … ,
μ
An
(x
n
),
μ
B
(y)
• Xác đnh đ tho mãn H cho tng véct giá tr rõ đu vào x={c
1
,c
2
,…,c
n
}
trong đó c
i
là mt trong các đim mu ca
μ
Ai
(x
i

). T đó suy ra
H = Min{
μ
A1
(c
1
),
μ
A2
(c
2
), …,
μ
An
(c
n
) }
• Lp ma trn R gm các hàm thuc giá tr m đu ra cho tng véct giá tr
m đu vào:
μ
B’
(y) = Min{ H,
μ
B
(y) } hoc
μ
B’
(y) = H.
μ
B

(y)


PGS.TS Nguyn Th Phng Hà

4.1.6. Gii m
Gii m là quá trình xác đnh giá tr rõ  đu ra t hàm thuc
μ
B’
(y) ca
tp m B’. Có 2 phng pháp gii m :
1. Phng pháp cc đi
Các bc thc hin :
- Xác đnh min cha giá tr y’, y’ là giá tr mà ti đó
μ
B’
(y) đt Max
G = { y
∈
Y |
μ
B’
(y) = H }
- Xác đnh y’ theo mt trong 3 cách sau :
+ Nguyên lý trung bình
+ Nguyên lý cn trái
+ Nguyên lý cn phi

• Nguyên lý trung bình : y’ =
2

21 yy
+

• Nguyên lý cn trái : chn y’ = y1
• Nguyên lý cn phi : chn y’ = y2
2. Phng pháp trng tâm
im y’ đc xác đnh là hoành đ ca đim trng tâm min đc bao bi
trc hoành và đng
μ
B’
(y).
Công thc xác đnh :
y’ =
∫
∫
S
S
(y)dy
)(
μ
μ
dyyy
trong đó S là min xác đnh ca tp m B’
y1 y2
y
μ


H
G

Hình 4.3:
Chng 4 : iu khin m
Trang 7
♦Phng pháp trng tâm cho lut Sum-Min
Gi s có m lut điu khin đc trin khai, ký hiu các giá tr m đu ra
ca lut điu khin th k là
μ
B’k
(y) thì vi quy tc Sum-Min hàm thuc s là
μ
B’
(y) =
∑
=
m
k
kB
y
1
'
)(
μ
, và y’ đc xác đnh :
y’ =
()
∑
∑
∑
∫
∑

∫
∑
∫
∑
=
=
=
=
=
=
=
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
=
⎟
⎠
⎞
⎜
⎝
⎛
m
k
k
m

k
k
m
k
yB
m
k
kB
S
m
k
kB
S
m
k
kB
A
M
dyy
dyyy
dyy
dyyy
1
1
1
S
'
1
'
1

'
1
'
)(
)(
)(
)(
μ
μ
μ
μ
(4.1)
trong đó M
i
=
∫
S
'
)( dyyy
kB
μ
và A
i
=
∫
S
'
)( dyy
kB
μ

i=1,2,…,m

Xét riêng cho trng hp các hàm thuc dng hình thang nh hình trên :
M
k
=
)3333(
6
12
222
1
2
2
ambmabmm
H
++−+−
A
k
=
2
H
(2m
2
– 2m
1
+ a + b)
Chú ý hai công thc trên có th áp dng c cho lut Max-Min
♦ Phng pháp đ cao
T công thc (4.1), nu các hàm thuc có dng Singleton thì ta đc:
y’ =

∑
∑
=
=
m
k
k
m
k
kk
H
Hy
1
1
vi H
k
=
μ
B’k
(y
k
)
ây là công thc gii m theo phng pháp đ cao.
y
m1 m2
a b
μ


H

PGS.TS Nguyn Th Phng Hà

4.1.7. Mô hình m Tagaki-Sugeno

Mô hình m mà ta nói đn trong các phn trc là mô hình Mamdani. u
đim ca mô hình Mamdani là đn gin, d thc hin nhng kh nng mô t
h thng không tt. Trong k thut điu khin ngi ta thng s dng mô
hình m Tagaki-Sugeno (TS).
Tagaki-Sugeno đa ra mô hình m s dng c không gian trng thái m ln
mô t linh hot h thng. Theo Tagaki/Sugeno thì mt vùng m LX
k
đc
mô t bi lut :
R
sk
: If x = LX
k
Then uxBxxAx
kk
)()( +=
$
(4.2)
Lut này có ngha là: nu véct trng thái x nm trong vùng LX
k
thì h thng
đc mô t bi phng trình vi phân cc b uxBxxAx
kk
)()( +=
$
. Nu

toàn b các lut ca h thng đc xây dng thì có th mô t toàn b trng
thái ca h trong toàn cc. Trong (4.2) ma trn A(x
k
) và B(x
k
) là nhng ma
trn hng ca h thng  trng tâm ca min LX
k
đc xác đnh t các
chng trình nhn dng. T đó rút ra đc :

∑
+= ))()(( uxBxxAwx
kk
k
$
(4.3)
vi w
k
(x)
∈
[0 , 1] là đ tho mãn đã chun hoá ca x* đi vi vùng m LX
k

Lut điu khin tng ng vi (4.2) s là :
R
ck
: If x = LX
k
Then u = K(x

k
)x
Và lut điu khin cho toàn b không gian trng thái có dng:

∑
=
=
N
k
k
k
xxKwu
1
)( (4.4)
T (4.2) và (4.3) ta có phng trình đng hc cho h kín:
xxKxBxAxwxwx
lkk
l
k
))()()()(()( +=
∑
$

Ví d : Mt h TS gm hai lut điu khin vi hai đu vào x
1
,x
2
và đu ra y.
R
1

: If x
1
= BIG and x
2
= MEDIUM Then y
1
= x
1
-3x
2

R
2
: If x
1
= SMALL and x
2
= BIG Then y
2
= 4+2x
1

u vào rõ đo đc là x
1
* = 4 và x
2
* = 60. T hình bên di ta xác đnh
đc :
LX
BIG

(x
1
*) = 0.3 và LX
BIG
(x
2
*) = 0.35
LX
SMALL
(x
1
*) = 0.7 và LX
MEDIUM
(x
2
*) = 0.75
Chng 4 : iu khin m
Trang 9
T đó xác đnh đc :
Min(0.3 ; 0.75)=0.3 và Min(0.35 ; 0.7)=0.35
y
1
= 4-3×60 = -176 và y
2
= 4+2×4 = 12
Nh vy hai thành phn R
1
và R
2
là (0.3 ; -176) và (0.35 ; 12). Theo phng

pháp tng trng s trung bình ta có:

77.74
35.03.0
1235.0)176(3.0
−=
+
×
+−×
=y



4.2. B điu khin m

4.2.1. Cu trúc mt b điu khin m
Mt b điu khin m gm 3 khâu c bn:
+ Khâu m hoá
+ Thc hin lut hp thành
+ Khâu gii m
Xét b điu khin m MISO sau, vi véct đu vào X =
[ ]
T
n
uuu ...
21

0.7
1
0.3
1
0.75
0 60 100
0 4 10
0.35
X
y’


R
1
If … Then…
R
n
If … Then …
H
1
H
n

Hình 4.4:
PGS.TS Nguyn Th Phng Hà

4.2.2. Nguyên lý điu khin m


♦ Các bc thit k h thng điu khin m.

+ Giao din đu vào gm các khâu: m hóa và các khâu hiu chnh nh
t l, tích phân, vi phân …
+ Thip b hp thành : s trin khai lut hp thành R
+ Giao din đu ra gm : khâu gii m và các khâu giao din trc tip
vi đi tng.

4.2.3. Thit k b điu khin m

• Các bc thit k:
B1 : nh ngha tt c các bin ngôn ng vào/ra.
B2 : Xác đnh các tp m cho tng bin vào/ra (m hoá).
+ Min giá tr vt lý ca các bin ngôn ng.
+ S lng tp m.
+ Xác đnh hàm thuc.
+ Ri rc hoá tp m.
B3 : Xây dng lut hp thành.
B4 : Chn thit b hp thành.
B5 : Gii m và ti u hoá.
Hình 4.5:

e
μ
B
y’
lut điu khin
Giao din
đu vào
Giao din
đu ra
Thit b

hp thành
X
e
u
y
BKM
ITNG
THIT B O
Chng 4 : iu khin m
Trang 11
• Nhng lu ý khi thit k BK m
- Không bao gi dùng điu khin m đ gii quyt bài toán mà có th d
dàng thc hin bng b điu khin kinh đin.
- Không nên dùng BK m cho các h thng cn đ an toàn cao.
- Thit k BK m phi đc thc hin qua thc nghim.
• Phân loi các BK m
i. iu khin Mamdani (MCFC)
ii. iu khin m trt (SMFC)
iii. iu khin tra bng (CMFC)
iv. iu khin Tagaki/Sugeno (TSFC)

4.2.4. Ví d ng dng

Dùng điu khin m đ điu khin h thng bm x nc t đng. H thng
s duy trì đ cao bn nc  mt giá tr đt trc nh mô hình bên di.

♦
Mô hình :

Ba b điu khin m (control) s điu khin : bm, van1, van2 sao cho mc

nc  2 bn đt giá tr đt trc (set).

♦
S đ simulink:
PGS.TS Nguyn Th Phng Hà



♦
S đ khi điu khin:


Chng 4 : iu khin m
Trang 13
♦
Thit lp h thng điu khin m :
•Xác đnh các ngõ vào/ra :
+ Có 4 ngõ vào gm : sai lch e1, e2; đo hàm sai lch de1, de2
+ Có 3 ngõ ra gm : control1, control2, control3
•Xác đnh bin ngôn ng :
Sai lch E = {âm ln, âm nh, bng không, dng nh, dng ln}
E = {NB, NM, ZR, PM, PB}
o hàm D = {gim nhanh, gim va, không đi, tng va, tng nhanh}
D = {DF, DM, ZR, IM, IP}
iu khin C = {đóng nhanh,đóng chm,không đi,m chm,m nhanh}
C = {CF, CS, NC, OS, OF}
•Lut điu khin :
+ Khi “controller1” và
“controller2” :
(Hai khi này ch khác nhau  lut hp thành)

PGS.TS Nguyn Th Phng Hà




Lut hp thành m Max – Min

DE
Khi controller1
ERROR DB DM ZR IM IB
NB
OF OF NC
NM
OS

ZR
OF OS NC CS CF
PM
CS

PB
NC CF CF
DE
Khi controller2
ERROR DB DM ZR IM IB

NB
CF CF NC
NM
CS

ZR
CF CS NC OS OF
PM
OS

PB
NC OF OF

+ Khi “control3”
ây là khi điu tit lu lng cho bn 2, ta đa ra mc u tiên nh sau :
Khi sai lch bn 1 ln thì van2 s điu tit đ sai lch này nh ri mi đn
bn 2.
If error1=NB and de1=DB Then control=CF
If error1=NB and de1=DM Then control=CS
If error1=NB and de1=ZR Then control=CS
If error1=NM and de1=DB Then control=CS
Chng 4 : iu khin m
Trang 15
If error1=PB and de1=IB Then control=OF
If error1=PB and de1=IM Then control=OF
If error1=PB and de1=ZR Then control=OF
If error1=PM and de1=IB Then control= OF
If error1≠NB and error2=NB and de1≠DB and de2=DB Then control=OF
If error1≠NB and error2=NB and de1≠DB and de2=DM Then control=OF
If error1≠NB and error2=NB and de1≠DB and de2=ZR Then control=OF

If error1≠NB and error2=NM and de1≠DB and de2=DB Then control=OS
If error1≠NB and error2=NM and de1≠DB and de2=DM Then control=OS
If error1≠PB and error2=PB and de1≠IB and de2=IB Then control=CF
If error1≠PB and error2=PB and de1≠IM and de2=IB Then control=CS

•Kt qu đáp ng vi các thông s h thng :
- Chiu cap bn height=1m
- Din tích đáy area = 0.125m
2

- Lu lng max pump maxflow = 1lit/s
- Din tích ng dn pipe area = 0.001m
2

mc nc đt Z
dat
=[0.5 0.3]
mc nc ban đu Z
init
=[0 0]

z (m)
thi gian (s)
PGS.TS Nguyn Th Phng Hà

mc nc đt Z
dat
=[0.5 0.4]
mc nc ban đu Z
init

=[0.8 0]





4.3. Thit k PID m

Có th nói trong lnh vc điu khin, b PID đc xem nh mt gii pháp
đa nng cho các ng dng điu khin Analog cng nh Digital. Vic thit k
b PID kinh đin thng da trên phng pháp Zeigler-Nichols, Offerein,
Reinish … Ngày nay ngi ta thng dùng k thut hiu chnh PID mm
(da trên phm mm), đây chính là c s ca thit k PID m hay PID thích
nghi.

4.3.1. S đ điu khin s dng PID m :

Hình 4.6:

thi gian (s)
z (m)
Chng 4 : iu khin m
Trang 17



Mô hình toán ca b PID:
u(t) = K
p
e(t) +

dt
tde
KdxxeK
D
t
I
)(
)(
0
+
∫


G
PID
(s) =
sK
s
K
K
D
I
P
++
Các tham s K
P
, K
I
, K
D

đc chnh đnh theo tng b điu khin m riêng
bit da trên sai lch e(t) và đo hàm de(t). Có nhiu phng pháp khác
nhau đ chnh đnh b PID ( xem các phn sau) nh là da trên phim hàm
mc tiêu, chnh đnh trc tip, chnh đnh theo Zhao, Tomizuka và Isaka …
Nguyên tc chung là bt đu vi các tr K
P
, K
I
, K
D
theo Zeigler-Nichols, sau
đó da vào đáp ng và thay đi dn đ tìm ra hng chnh đnh thích hp.
4.3.2. Lut chnh đnh PID:

+ Lân cn a
1
ta cn lut K mnh đ rút ngn thi gian lên, do vy chn: K
P
ln, K
D
nh và K
I
nh.
thi gian
Tín hiu ra
b
1
c
1
d

1
a
2
b
2
a
1
đt
Hình 4.7
u
e
x
y
BK PID
B CHNH
NH M
THIT B
CHNH NH
I TNG
dt
de

PGS.TS Nguyn Th Phng Hà

+ Lân cn b
1
ta tránh vt l ln nên chn: K
P
nh, K
D

ln, K
I
nh.
+ Lân cn c
1
và d
1
ging nh lân cn a
1
và b
1
.

4.3.3. Ví d ng dng Matlab
Xây dng b PID m đ điu khin lò nhit. Hàm truyn lò nhit theo
Zeigler-Nichols : G(s) =
1+
−
Ls
Ke
Ts
, tuyn tính hoá G(s)=
)1)(1( ++ LsTs
K
.
Các bc thit k :
1. Xác đnh bin ngôn ng:
• u vào : 2 bin
+ Sai lch ET = o - t
+ Tc đ tng DET =

T
iEiET )()1(
−+
, vi T là chu k ly mu.
• u ra : 3 bin
+ K
P
h s t l
+ K
I
h s tích phân
+ K
D
h s vi phân
• S lng bin ngôn ng
ET = {âm nhiu, âm va, âm ít, zero, dng ít, dng va, dng nhiu}
ET = { N3, N2, N1, ZE, P1, P2, P3 }
DET = { âm nhiu, âm va, âm ít, zero, dng ít, dng va, dng nhiu}
DET = { N31, N21, N11, ZE1, P11, P21, P31 }
K
P
/K
D
= { zero, nh, trung bình, ln, rt ln } = {Z, S, M, L,U}
K
I
= {mc 1,mc 2,mc 3,mc 4, mc 5} = {L1,L2,L3,L4,L5}

N3 N2 N1 ZE P1 P2 P3
-12 -8 -4 0 4 8 12

0
C
μ
ET
Chng 4 : iu khin m
Trang 19







2. Lut hp thành:

Có tng cng là 7x7x3=147 lut IF … THEN
Lut chnh đnh K
P


N31 N21 N11 ZE1 P11 P21 P31
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
0
C/s
μ
DET
Z S M L U
0 0.25 0.5 0.75 1 K
P
K

D
μ
μ
L1 L2 L3 L4 L5
1 1.2 1.4 1.6 1.8 K
I

PGS.TS Nguyn Th Phng Hà


DET
K
P

N31 N21 N11 ZE1 P11 P21 P31
N3
U U U U U U U
N2
L L L L L L L
N1
M M M M M M M
ZE
Z Z Z Z Z Z Z
P1
M M M M M M M
P2
L L L L L L L

ET
P3
U U U U U U U

Lut chnh đnh K
D
:
DET
K
D
N31 N21 N11 ZE1 P11 P21 P31
N3
U U U U U U U
N2
L L M M M L L
N1
M M M M M M M
ZE
Z Z Z Z Z Z Z
P1
M M M M M M M
P2
L L M M M L L



ET
P3
U U U U U U U

Lut chnh đnh K
I
:
DET
K
I
N31 N21 N11 ZE1 P11 P21 P31
N3
L1 L1 L1 L1 L1 L1 L1
N2
L3 L2 L2 L1 L2 L2 L3
N1
L4 L3 L2 L1 L2 L3 L4
ZE
L5 L4 L3 L2 L3 L4 L5
P1
L4 L3 L2 L1 L2 L3 L4
P2
L3 L2 L2 L1 L2 L2 L3



ET
P3
L1 L1 L1 L1 L1 L1 L1




Chng 4 : iu khin m

Trang 21
Biu din lut chnh đnh K
P
trong không gian

3. Chn lut và gii m
+ Chn lut hp thành theo quy tc Max-Min
+ Gii m theo phng pháp trng tâm.
4. Kt qu mô phng
Vi các thông s : K=1; T=60; L=720
T đây theo Zeigler-Nichols ta tìm ra đc b ba thông s {K
P
, K
I
, K
D
}
 th di đây s cho ta thy s khác bit ca điu khin m so vi điu
khin kinh đin.

Tham s theo
Zeigler-Nichols
Tham s
PID m
t (s)
T (
0
C)
PGS.TS Nguyn Th Phng Hà

4.4. H m lai
H m lai (Fuzzy Hybrid) là mt h thng điu khin t đng trong đó thit
b điu khin bao gm: phn điu khin kinh đin và phn h m

4.4.1. Các dng h m lai ph bin:
1. H m lai không thích nghi



2. H m lai cascade


3. Công tc m
iu khin h thng theo kiu chuyn đi khâu điu khin có tham s đòi
hi thit b điu khin phi cha đng tt c các cu trúc và tham s khác
nhau cho tng trng hp. H thng s t chn khâu điu khin có tham s
phù hp v
i đi tng.



Hình 4.8
B K
I TNG
B tin
X lý m
Hình 4.9
x
Δ
u

u
+
y
BK M
BK
KINH IN
I TNG
Hình 4.10
x
u
y
B điu khin n
B điu khin 1
BK M
i tng
Chng 4 : iu khin m
Trang 23
4.4.2. Ví d minh ho
Hãy xét s khác bit khi s dng b tin x lý m đ điu khin đi tng
gm khâu cht ni tip vi khâu
)2.01(
)(
ss
K
sG
+
= . Chn BK
PI vi
tham s K
P

= 10, T
I
= 0.3sec.



S dng Simulink kt hp vi toolbox FIS Editor ca Matlab đ mô phng
h thng trên.
áp ng h thng khi không có b m:




Δ
x
+
y
x
DE
E
sT
K
I
R
1
+
i tng

Δ
u

-
Δ
u
G(s)
B m
PGS.TS Nguyn Th Phng Hà

Th vi các giá tr Δu và K khác nhau cho thy đc tính đng ca h s xu
đi khi vùng cht rng hoc h s khuch đi ln.  hiu chnh đc tính
đng ca h thng ta đa vào b lc m nh hình v  trên.
Xây dng lut điu khin vi 2 đu vào và mt đu ra nh sau:
DE
Δx
NB NS ZE PS PB
NB
NB NS
NS
NS NS NS ZE
ZE
NB NS ZE PS PB
PS
PS PS PS PS


E
PB
PB PS PB
Tt c 18 lut có khuôn dng nh sau:
Nu E = x1 và DE = x2 Thì
Δ

x = x3
Trong đó x1, x2, x3 ∈ {NB, NS, ZE, PS, PB}




μ
-1 0 1 E
-20 0 20 D
E
NB NS ZE PS PB
-1 0 1
Δ
x
NB NS ZE PS PB
μ
Chng 4 : iu khin m
Trang 25
T hai đ th trên ta thy đc b m đã ci thin rt tt đc tính đng ca
h thng. Th vi nhiu
Δ
u khác nhau ta s thy đáp ng hu nh không
ph thuc vào
Δ
u .

4.5. H m mng nron và ng dng
4.5.1. Mng nron nhân to
Mng nron là s tái to bng k thut nhng chc nng ca h thn kinh
con ngi. Mng nron gm vô s các nron liên kt vi nhau nh hình sau

Hai đc tính c bn ca mng nron là:
+ Quá trình tính toán đc tin hành song song và phân tán trên nhiu
nron gn nh đng thi.
+ Tính toán thc cht là quá trình hc, ch không phi theo s đ đnh
sn t tr
c.
Mô hình toán ca mng nron nhân to : (Artifical Neural Networks)

ây là mô hình điu khin dng MISO, vi đu vào là n tính hiu
X={x
1
,x
2
,…x
n
}
T
, đu ra là tín hiu y đc xác đnh:
y(t) =
∑
=
−
n
k
kk
txwf
1
))((

θ
,
trong đó
θ
là ngng kích hot nron, w
k
là các trng s, f là hàm kích hot.
X
y
B
tng

Hàm phi tuyn
Nhân
Axon
Hình 4.11
Khp ni