Xây dựng thuật toán điều khiển hệ thống treo bán tích cực ứng dụng neural fuzzy

TÊN ĐỀ TÀI :
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN TÍCH CỰC
ỨNG DỤNG NEURAL – FUZZY
SINH VIÊN THỰC HIỆN : ĐINH QUỐC TÀI
GIÁO VIÊN HƯỚNG DẪN : Th.S NGUYỄN ĐỨC TRUNG
NỘI DUNG CHÍNH
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG
TREO BÁN TÍCH CỰC
2
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI
Dao động của khối
lượng được treo
DAO ĐỘNG
TRÊN Ô TÔ
Dao động của
khối lượng không
được treo
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI
Text
Text
Text
DAO ĐỘNG CỦA KHỐI
LƯỢNG ĐƯỢC TREO
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI

Text
Text
Text
DAO ĐỘNG CỦA KHỐI
LƯỢNG KHÔNG ĐƯỢC
TREO
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
CÁC CHỈ TIÊU ĐÁNH GIÁ DAO ĐỘNG
Công suất dao động
Hệ số êm dịu chuyển động
Gia tốc dao động
Tần số dao động
Cảm giác gia tốc dao động và thời gian tác động
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI HỆ THỐNG TREO
PHỤ THUỘC
ĐỘC LẬP
CÓ ĐIỀU KHIỂN
BỊ ĐỘNG
KẾT CẤU ĐIỀU KHIỂN
BÁN TÍCH CỰC
TÍCH CỰC HOÀN TOÀN
HỆ THỐNG
TREO
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
CẤU TẠO HỆ THỐNG CÓ TREO ĐIỀU KHIỂN
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
Cảm biến
ECU
Cơ cấu chấp hành

Các phương pháp điều khiển
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
Phương
pháp điều
khiển
Phương pháp phản hồi
không gian trạng thái
Phương pháp thích
nghi thụ động
Phương pháp
điều khiển trượt
Phương pháp điều
khiển mờ
Phương pháp
điều khiển mờ
trượt
Phương pháp điều
khiển mạng nơ ron
Phương pháp điều khiển
mạng nơ ron – mờ
1
2
3
4
5
6
7
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Khái niệm lôgíc mờ


Lôgíc mờ :(tiếng anh: Fuzzy logic) được phát triển từ lý thuyết tập mờ để thực hiện lập luận một
cách xấp xỉ thay vì lập luận chính xác theo lôgíc cổ điển. Lôgic mờ có thể được coi là mặt ứng dụng
của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp.

Lôgic mờ cho phép độ liên thuộc (menbership function) có giá trị trong khoảng đóng 0 và 1, và ở
hình thức ngôn từ, các khái niệm không chính xác như "hơi hơi", "gần như", "khá là" và "rất". Cụ thể,
nó cho phép quan hệ thành viên không đầy đủ giữa thành viên và tập hợp. Tính chất này có liên quan
tới tập mờ và lý thuyết xác suất.
Các dạng hàm liên thuộc của tập mờ (menbership function)
Các phép toán trên tập mờ:

Phép hợp của hai tập mờ.

Phép giao của hai tập mờ.

Phép bù của một tập mờ.
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Mạng neural nhân tạo

Mạng nơ-ron nhân tạo hay thường gọi ngắn gọn là mạng neural là một mô hình toán
học hoặc mô hình tinh toán được xây dựng dựa trên các mạng neural sinh học. Nó gồm
có một nhóm các nơ-ron nhân tạo (nút) nối với nhau, và xử lý thông tin bằng cách truyền
theo các kết nối và tính giá trị mới tại các nút. Trong nhiều trường hợp, mạng nơ-ron nhân
tạo là một hệ thống thích ứng (adaptive system) tự thay đổi cấu trúc của mình dựa trên các
thông tin bên ngoài hay bên trong chảy qua mạng trong quá trình học.
Cấu trúc mạng neural
Mạng 1 lớp
Mạng 3 lớp

2
b
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Huấn luyện
mạng theo
gói
a
Huấn luyện
mạng theo gói
đối với mạng
tĩnh
Huấn luyện
mạng theo gói
đối với mạng
động
Huấn luyện mạng
Huấn luyện
gia tăng
1
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Những ưu nhược điểm của mạng neural và điều khiển fuzzy
Tính chất Mạng neural Bộ điều khiển fuzzy
Thể hiện tri thức. Thông qua trọng số được thể hiện ẩn trong
mạng.
Được thể hiện ngay tại luật hợp thành.
Nguồn của tri thức. Từ các mẫu học. Từ kinh nghiệm của chuyên gia.
Xử lý thông tin không chắc
chắn.

Định lượng. Định lượng và định tính.
Lưu giữ tri thức. Trong neural và trọng số của từng đường
ghép nối neural.
Trong luật hợp thành và hàm thuộc.
Khả năng cập nhập và nâng
cao kiến thức.
Thông qua quá trình học. Không có.

Tính nhạy cảm với những
thay đổi của mô hình.
Thấp Cao
Lý thuyết fuzzy và mạng neural đã tạo ra nhiều phương pháp điều khiển mới với đặc
tính linh hoạt và thông minh hơn. Khi khảo sát mạng neural và fuzzy ta thấy mỗi loại
đều có điểm mạnh và điểm yếu riêng của nó
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Từ những ưu nhược điểm trên người ta đã đi đến việc kết hợp mạng neural và điều khiển
fuzzy để hình thành bộ điều khiển neural-fuzzy có ưu điểm vượt trội.
Mô hình hệ neural - fuzzy
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2

Trong lĩnh vực trí tuệ nhân tạo, neural-fuzzy chỉ đến sự kết hợp giữa mạng nơron nhân
tạo và logic mờ. Sự lai giữa neural-fuzzy là hệ trí tuệ nhân tạo lai sử dụng 2 kỹ thuật kết hợp
giữa khả năng suy luận của logic mờ với khả năng học và cấu trúc kết nối của mạng nơron.
Hệ lai neural-fuzzy thường được đặt tên là hệ neural-Fuzzy (neural-Fuzzy System NFS). NFS
hợp nhất giữa kiểu phản ứng giống con người thông qua hệ mờ và một tập luật mờ dạng IF-
THEN. Sức mạnh của hệ lai là nó gần giống với luật IF-THEN có thể phiên dịch được.

Sức mạnh của hệ neural-fuzzy gồm hai yêu cầu trái ngược trong mô hình fuzzy: Tính thông

dịch được và tính đúng đắn. Trong thực tế , một trong hai thuộc tính trên chiếm ưu thế.
neural-fuzzy trong phạm vi nghiên cứu mô hình fuzzy được chia thành 2 vùng: Mô hình
fuzzy ngôn ngữ học tập trung vào khả năng dịch được, chủ yếu là mô hình Mamdani, và mô
hình fuzzy chính xác, tập trung vào tính chính xác, chủ yếu là mô hình Takagi-Sugeno-Kang
(TSK).
Khái niệm hệ neural - fuzzy
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Hệ thống neural - fuzzy
Để minh họa hệ thống neural –fuzzy, cũng như tìm hiểu về phương
pháp học của hệ thống này, chúng ta xét ví dụ sau:
Cho 2 luật R1: If x1 is A1 and x2 is B1 then y=f1(x).
R2: If x1 is A2 and x2 is B2 then y=f2(x).
Trong đó: f1(x) = z11x1 + z12x2 + z13
f2(x) = z21x1 + z22x2 + z23
Với tín hiệu output như sau

CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Hệ thống neural - fuzzy
Các tín hiệu input x = (x1,x2) được đưa vào layer 0, sau đó đi đến layer 1.
Tín hiệu output của layer 1 là:
(O11,O12,O13,O14) = (A1(x1)B1(x2),A2(x1)B2(x2)).
Layer 2 gồm 2 neural mờ với toán tử t-norm. Tín hiệu output của layer 2 là:
Layer 3 có tín hiệu
output là:
Layer 4 có tín hiệu
output là:
Layer output có tín
hiệu như sau:

Trên đây là hệ thống gồm có 2 luật. Chúng ta hoàn toàn có thể mở rộng cho hệ thống nhiều luật hơn
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Hệ thống neural-fuzzy có ưu thế trong việc xử lý các tín hiệu input-output không
tuyến tính. Đây là đặc tính có được từ hệ thống fuzzy truyền thống.
Để huấn luyện mạng neural- fuzzy, chúng ta cần tập mẫu huấn luyện. Đó là các số
liệu input và output mong muốn. Đồng thời chúng ta cũng cần các tập luật fuzzy cụ
thể theo yêu cầu của hệ thống. Đầu tiên, các hàm fuzzy sẽ được định hình dạng ban
đầu cùng với các tham số ban đầu của hàm thành viên.
Để thực hiện việc huấn luyện mạng ta sẽ sử dụng hàm anfis và ANFIS Editor GUI
trong bộ công cụ Fuzzy Logic Toolbox của Matlab.
Huấn luyện mạng neural - fuzzy
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Phương trình dao động
Xây dựng bộ điều khiển
Mô hình dao động ¼ ô tô
TT Thông số Ký hiệu Giá trị Đơn vị
1 Khối lượng không được treo m1 59 kg
2 Khối lượng được treo m2 823 kg
3 Độ cứng của lốp c1 19.104 N/m
4 Độ cứng hệ thống treo c2 35000 N/m
5 Hệ số cản của giảm chấn ks(t) - N.s/m
6 Hệ số cản của lốp kt 1000 N.s/m
Thông số mô hình ¼ ô tô.
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Xây dựng bộ điều khiển

s - u


XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Xây dựng bộ điều khiển
Bảng dữ liệu để huấn luyện
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Xây dựng bộ điều khiển
Cấu trúc điều khiển Neural-fuzzy
E EC U
1 1 1320
1 2 3289
1 3 6188
2 1 3709
2 2 8376
2 3 3796
3 1 6185
3 2 3289
3 3 1347
Tập luật điều khiển sugeno
Hệ thống suy luận điều khiển
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Nhận xét
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN

TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Khảo sát mô hình không gian toàn ô tô
Hệ phương trình dao động của ô tô
Mô hình dao động tổng quát