Tài liệu Nghiên cứu hệ thống nơ ron mờ anfis để điều khiển tay máy

1 .. ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGHIÊN CỨU ỨNG HỆ NƠ RON MỜ (ANFIS) ĐỂ ĐIỀU KHIỂN TAY MÁY Ngành : TỰ ĐỘNG HÓA Mã số : TNU088625260014 Học viên : NGUYỄN THỊ NGỌC LINH Hƣớng dẫn khoa học: PGS.TS LẠI KHẮC LÃI THÁI NGUYÊN, NĂM 2010 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 2 LỜI CAM ĐOAN Tôi tên là Nguyễn Thị Ngọc Linh lớp CHK11-TĐH tôi xin cam đoan bản luận văn: "Nghiên cứu, ứng dụng hệ nơron mờ để điều khiển tay máy" là do tôi tự tổng hợp và nghiên cứu, không photo, coppy của ai. Trong luận văn có sử dụng một số nguồn tài liệu tham khảo rõ ràng nhƣ đã nêu trong phần tài liệu tham khảo. Tôi xin chịu trách nhiệm về những gì tôi khai trƣớc nhà trƣờng và hội đồng khoa học! Thái nguyên, tháng 10 năm 2010 Tác giả luận văn Nguyễn Thị Ngọc Linh Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3 LỜI NÓI ĐẦU Robot là đối tƣợng phi tuyến nên rất khó xác định đƣợc chính xác các thông số đo lƣờng tại các thời điểm nhất định. Do vậy, bài toán điều khiển cánh tay robot là bài toán khá phức tạp. Vì vậy, ứng dụng của hệ nơron mờ (anfis) trong bài toán điều khiển cánh tay robot sẽ hứa hẹn một giải pháp hiệu quả góp phần nâng cao hiệu quả làm việc của robot nhờ khả năng di chuyển chính xác đối tƣợng trong các môi trƣờng làm việc. Hiện nay trong nƣớc và trên thế giới đã có một số nghiên cứu ứng dụng hệ nơron mờ trong bài toán điều khiển cánh tay robot. Tuy nhiên, lĩnh vực này còn khá mới mẻ và đang rất đƣợc quan tâm nhƣng chƣa đƣợc ứng dụng rộng rãi. Chính vì lý do trên tác giả quyết định chọn đề tài: “Nghiên cứu ứng dụng mạng nơron mờ (ANFIS) để điều khiển tay máy”. Luận văn chia làm 3 chƣơng: Chƣơng 1: Tổng quan về hệ mờ và mạng nơron Chƣơng 2: Khảo sát và xây dựng mô hình toán học robot Chƣơng 3: Xây dựng thuật toán điều khiển cánh tay robot Mặc dù hết sức nỗ lực song do quỹ thời gian và kinh nghiệm khoa học còn nhiều hạn chế nên bản luận văn không tránh khỏi những thiếu sót, rất mong nhận đƣợc sự đóng góp của các thầy cô và các bạn đồng nghiệp! Tôi xin chân thành cảm ơn Thầy giáo hƣớng dẫn PGS TS Lại Khắc Lãi và các thầy cô khác đã tận tình giúp đỡ, định hƣớng và giúp tôi hoàn thành bản luận văn này! Và qua đây xin dành lời biết ơn sâu sắc đến ngƣời thân đã hết lòng động viên, giúp đỡ tôi trong suốt quá trình học tập và hoàn thành bản luận văn này! Thái Nguyên, tháng 10 năm 2010 Tác giả Nguyễn Thị Ngọc Linh Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 4 MỤC LỤC LỜI NÓI ĐẦU MỤC LỤC………………………………………………………………………….3 DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ….……………………………….……4 PHẦN MỞ ĐẦU…………………………….……………………………….……..6 1. Lý do chọn đề tài…………………………………………………………………6 2. Mục đích nghiên cứu……………………………………………………….….…6 3. Đối tƣợng nghiên cứu………………………………………………………..…...6 4. Phạm vi nghiên cứu………………………………………………………….…....6 5. ý nghiã khoa học và ý nghĩa thực tiễn của đề tài………………………………....6 Chƣơng I: TỔNG QUAN VỀ HỆ NƠRON MỜ (ANFIS) ............................. 10 1.1 Đặt vấn đề.................................................................................................. 10 1.2 Tổng quan về điều khiển mờ .................................................................................... 10 1.2.1. Giới thiệu ................................................................................................................. 10 1.2.2. Cấu trúc của hệ điều khiển mờ ............................................................................ 13 1.3 Tổng quan về mạng nơron ........................................................................ 25 1.3.1 Giới thiệu .................................................................................................................. 25 1.3.2 Lịch sử phát triển của mạng nơron nhân tạo...................................................... 25 1.3.3 Cấu trúc mạng nơron nhân tạo.............................................................................. 26 1.3.4 Mô hình nơron ........................................................................................................ 29 1.3.5 Cấu trúc mạng .......................................................................................................... 30 1.4 Sự kết hợp giữa mạng nơron và logic mờ ................................................. 34 1.4.1 Vài nét về lịch sử phát triển ................................................................................... 34 1.4.2 Logic mờ ................................................................................................................... 34 1.4.3 Mạng nơron .............................................................................................................. 35 1.4.4 Sự kết hợp giữa mạng nơron và logic mờ .......................................................... 35 1.5 Các hệ thống điều khiển dùng nơron mờ trong nƣớc và trên thế giới………....37 KẾT LUẬN CHƢƠNG I ................................................................................ 40 Chƣơng II: KHẢO SÁT VÀ XÂY DỰNG MÔ HÌNH TOÁN HỌC ROBOT…....41 2.1 Sơ lƣợc quá trình phát triển của robot công nghiệp……………………….......41 2.2 ứng dụng của robot công nghiệp…………………….…………………………42 2.3 Các cấu trúc cơ bản của robot công nghiệp……………………………………43 2.3.1 Cấu trúc chung…………………………….…………...………………….43 2.3.2. Kết cấu tay máy ......................................................................................................... 45 2.4 Lựa chọn sơ đồ điều khiển hệ điều khiển robot……………………….……….45 2.4.1 Thiết lập các phƣơng trình động học cơ bản ............................................................ 47 2.4.2 Vận tốc chuyển động thứ i…………………………………….…………..48 2.4.3 Gia tốc của chuyển động thứ i……………….……………………………….49 2.5 Thành lập phƣơng trình động lực học………….………………………………49 2.5.1 Xây dựng phƣơng trình tính động năng của hệ………………..…………...49 2.5.2 Xây dựng phƣơng trình tính thế năng của hệ……………………..………..54 2.6 Mô tả toán học hệ điều khiển chuyển động bằng phƣơng trình vi phân…….....55 2.6.1 Thành lập hàm Lagrange. ................................................................ 55 2.6.2 Mô tả bằng phƣơng trình Lagrage bậc hai…………..…………………..56 2.7 Mô tả hệ điều khiển chuyển động bằng phƣơng trình trạng thái..……………..65 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 5 KẾT LUẬN CHƢƠNG II………………….………………………………………68 Chƣơng III: XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN CÁNH TAY ROBOT..69 3.1 Mô phỏng cánh tay robot………………………………………………………69 3.2 Thiết kế bộ điều khiển kinh điển để điều khiển cánh tay robot………………..72 3.3 Xây dựng bộ điều khiển nơron mờ…………………………………………….76 3.3.1 Xây dựng tập dữ liệu huấn luyện…………………….……………………76 3.3.2 Cấu trúc hệ nơron mờ................................................................................................. 77 3.3.3 Huấn luyện bộ điều khiển .......................................................................................... 80 3.3.4 Kết quả mô phỏng ...................................................................................................... 81 KẾT LUẬN CHƢƠNG III........................................................................................83 KẾT LUẬN ...............................................................................................................84 TÀI LIỆU THAM KHẢO………………………………………………………...88 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 6 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình Tên hình Trang Hình 1.1 Các khối chức năng của bộ điều khiển mờ 11 Hình 1.2 Các hàm liên thuộc của một biến ngôn ngữ 12 Hình 1.3 Hàm liên thuộc vào-ra theo luật hợp thành max-min 15 Hình 1.4 Hàm liên thuộc vào-ra theo luật hợp thành max-prod 16 Hình 1.5 Hàm liên thuộc vào -ra theo luật hợp thành sum-min 18 Hình 1.6 Hàm liên thuộc vào-ra theo luật hợp thành sum-prod 19 Hình 1.7 Giải mờ theo nguyên tắc trung bình 20 Hình 1.8 Giải mờ bằng nguyên tắc cận trái 21 Hình 1.9 Giải mờ bằng nguyên tắc cận phải 21 Hình 1.10 Giải mờ bằng phƣơng pháp điểm trọng tâm 23 Hình 1.11 So sánh các phƣơng pháp giải mờ 23 Hình 1.12 Mô hình 2 nơron sinh học 26 Hình 1.13 Mô hình nơron đơn giản 27 Hình 1.14 Mạng nơ ron 3 lớp 28 Hình 1.15 Mô hình nơron đơn giản 28 Hình 1.16 Nơron với R đầu vào 29 Hình 1.17 Ký hiệu nơ ron với R đầu vào 29 Hình 1.18 Cấu trúc mạng nơ ron 1 lớp 30 Hình 1.19 Ký hiệu mạng R đầu vào và S 31 Hình 1.20 Ký hiệu một lớp mạng 31 Hình 1.21 Cấu trúc mạng nơron 3 lớp 32 Hình 1.22 Ký hiệu tắt của mạng nơ ron 3 lớp 32 Hình 1.23 Cấu trúc huấn luyện mạng 33 Hình 1.24 Kiến trúc kiểu mẫu của một hệ nơron mờ 37 Hình 1.25 Mô hình hệ nơ ron mờ 37 Hình 1.26 Cấu trúc chung của hệ nơron mờ 37 Hình 1.27 Mô phỏng hệ thống điều khiển SVC dùng nơron mờ 38 Hình 1.28 Hệ thống hút tích hợp với cánh tay robot 39 Hình 1.29 Mô hình bộ điều khiển nơron mờ 40 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 7 Hình 2.1 Sơ đồ cấu trúc chung của robot công nghiệp 44 Hình 2.2 Sơ đồ cấu trúc chung của hệ thống cảm biến 44 Hình 2.3 Sơ đồ kết cấu tay máy 45 Hình 2.4 Sơ đồ cấu trúc robot 3 thanh nối 46 Hình 3.1 Sơ đồ khối hệ điều khiển tay máy 3 bậc tự do 69 Hình 3.2 Sơ đồ cấu trúc hệ điều khiển tốc độ khớp 1, khớp 2, khớp 3 70 Hình 3.3 Sơ đồ mô phỏng hệ cơ học của robot 71 Hình 3.4 Sơ đồ cấu trúc hệ điều khiển tốc độ khớp 1 72 Hình 3.5 Sơ đồ cấu trúc hệ điều khiển tốc độ khớp 2 73 Hình 3.6 Sơ đồ cấu trúc hệ điều khiển khớp 3 74 Hình 3.7 Sơ đồ cấu trúc hệ thống điều khiển tay máy bằng PID kinh điển 75 Hình 3.8 Đặc tính động các khớp khi điều khiển bằng PID kinh điển 75 Hình 3.9 Sơ đồ cấu trúc bộ điều khiển mờ 81 Hình 3.10 Hàm liên thuộc đầu vào 1 của bộ điềukhiển nơron mờ sau huấn luyện 82 Hình 3.11 Hàm liên thuộc đầu vào 1 của bộ điềukhiển nơron mờ sau huấn luyện 83 Hình 3.12 Dữ liệu vào ra của anfis sau huấn luyện 84 Hình 3.13 Sơ đồ mô phỏng hệ thống điều khiển tay máy bằng nơ ron mờ 85 Hình 3.14 Đặc tính động các khớp khi điều khiển khớp 3 bằng anfis 85 Hình 1.15 Qũi đạo các khớp khi điều khiển khớp 3 bằng anfis 86 Bảng 1.1 So sánh mạng nơron và logic mờ 36 Bảng 3.1 Tập dữ liệu huấn luyện 77 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 8 PHẦN MỞ ĐẦU 1. Lý do chọn đề tài Việc nâng cao chất lƣợng điều khiển tay máy luôn là vấn đề cấp thiết đƣợc nhiều nhà khoa học trong và ngoài nƣớc quan tâm. Các hệ thống điều khiển tay máy hiện nay chủ yếu dùng phƣơng pháp điều khiển kinh điển và đƣợc thiết kế theo phƣơng pháp tuyến tính hóa gần đúng. Khi thông số của hệ thống thay đổi thì thống số của bộ điều khiển giữ nguyên dẫn đến làm giảm độ chính xác điều khiển ảnh hƣởng đến chất lƣợng sản phẩm. Với sự ra đời của lý thuyết điều khiển hiện đại (điều khiển thích nghi, điều khiển mờ mạng nơron…) đã tạo điều kiện cho việc xây dựng các bộ điều khiển thông minh đáp ứng yêu cầu công nghệ ngày càng cao của nền sản xuất hiện đại. Trong mấy năm gần đây đã có nhiều đề tài nghiên cứu ứng dụng hệ mờ và mạng nơron để điều khiển các đối tƣợng phi tuyến [7], [8], [12], [16]. Song phần lớn các nghiên cứu tập trung khai thác các hệ mờ, nơron hoặc mờ nơron ít đề tài quan tâm đến việc xây dựng hệ nơron mờ. Trong đề tài này tác giả dự kiến nghiên cứu và ứng dụng hệ nơron mờ để nhận dạng và điều khiển tay máy ba thanh nối, đây là vấn đề mới chƣa có công bố nào ở Việt Nam. Trên đây là lý do tác giả chọn đề tài: "Nghiên cứu, ứng dụng hệ nơron mờ để điều khiển tay máy" 2. Mục đích nghiên cứu Xây dựng bộ điều khiển noron mờ cho cánh tay robot đảm bảm các yêu cầu chất lƣợng. 3. Đối tƣợng nghiên cứu Điều khiển tay robot theo hệ noron mờ 4. Ý nghĩa khoa học, ý nghĩa thực tiễn của đề tài a) Ý nghĩa khoa học Hệ thống noron mờ đang nổi lên nhƣ một công cụ điều khiển các hệ thống phi tuyến với các thông số chƣa xác định. Việc kết hợp giữa phƣơng pháp noron và phƣơng pháp mờ đem lại khả năng tuyệt vời cho sự linh hoạt và học theo thao tác của con ngƣời. Điều này có ý nghĩa rất lớn về mặt khoa học trong việc điều khiển các đối tƣợng phi tuyến. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 9 Đề tài này sẽ đề cập đến ứng dụng của no ron mờ trong việc điều khiển đối tƣợng phi tuyến đặc biệt là điều khiển cánh tay robot. b) Ý nghĩa thực tiễn Việc điều khiển cánh tay robot ứng dụng hệ noron mờ có ý nghĩa thực tiễn rất lớn. Bởi vì robots đƣợc áp dụng rộng rãi trong nhiều lĩnh vực khác nhau, chúng buộc phải có khả năng làm việc trong các môi trƣờng không xác định trƣớc và thay đổi. Đặc biệt chúng phải nhạy cảm với môi trƣờng làm việc và thực hiện thao tác bất chấp sự có mặt của vật cản trong vùng làm việc. Việc nâng cao chất lƣợng điều khiển robot sẽ góp phần nâng cao chất lƣợng sản phẩm, nâng cao năng suất và hiệu quả lao động. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 10 Chƣơng I: TỔNG QUAN VỀ HỆ NƠRON MỜ (ANFIS) 1.1 Đặt vấn đề Từ những năm 20, lý thuyết tập mờ và mạng noron nhân tạo đã phát triển rất nhanh và đƣợc quan tâm. Với logic mờ, trí tuệ nhân tạo phát triển mạnh mẽ tạo cơ sở xây dựng các hệ chuyên gia, những hệ có khả năng cung cấp kinh nghiệm điều khiển hệ thống. Trí tuệ nhân tạo đƣợc xây dựng dựa trên mạng noron nhân tạo. Sự kết hợp giữa logic mờ và mạng noron trong thiết kế hệ thống điều khiển tự động là một khuynh hƣớng hoàn toàn mới, phƣơng hƣớng thiết kế hệ điều khiển thông minh, một hệ thống mà bộ điều khiển có khả năng tƣ duy nhƣ bộ não con ngƣời, tức là nó có khả năng tự học, tự chỉnh định lại cho phù hợp với sự thay đổi không lƣờng đƣợc trƣớc của đối tƣợng. Nhƣ đã biết hệ mờ và mạng nơron đều có khả năng làm việc trong những hệ thống không ổn định, không chính xác và điều kiện môi trƣờng khắc nhiệt. Hệ thống mờ và mạng nơron đã có nhiều ví dụ thực hiện đánh giá và so sánh chúng. Ngày nay các nhà thiết kế đã áp dụng một cách rộng rãi và có hệ thống logic mờ và mạng nơron trong lĩnh vực điều khiển học. Ý tƣởng là triệt tiêu các nhƣợc điểm và đạt đƣợc các ƣu điểm của cả hai công nghệ, điều này có nghĩa là hai công nghệ kết hợp để tối đa hóa điểm mạnh của từng công nghệ và bổ sung những nhƣợc điểm để hợp thành một hệ thống mới tối ƣu hơn. Hệ thống hợp nhất này sẽ có ƣu điểm của cả hai: Mạng nơron (khả năng học, khả năng tối ƣu hoá, sự kết nối về cấu trúc) và hệ mờ (sự thông minh của con ngƣời qua luật mờ if - then, sự thuận lợi của việc am hiểu kiến thức chuyên môn một cách chặt chẽ của các chuyên gia). 1.2 Tổng quan về điều khiển mờ 1.2.1. Giới thiệu Trong lịch phát triển của công nghệ hiện đại, sự đóng góp của điều khiển lôgic là cực kỳ to lớn. Nó đã đóng vai trò rất quan trọng không chỉ trong các ngành khoa học tự nhiên mà còn là một môn khoa học không thể thiếu đƣợc đối với khoa học xã hội ngay cả trong suy luận đời thƣờng. Ngày nay, lôgic toán học kinh điển đã tỏ ra còn nhiều hạn chế trong những bài toán nảy sinh từ công việc nghiên cứu và thiết kế Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 11 những hệ thống phức tạp. Đặc biệt là những lĩnh vực cần sử dụng trí tuệ nhân tạo hay trong công việc điều khiển và vận hành các hệ thống lớn có độ phức tạp cao cần sự giúp đỡ của hệ các chuyên gia. Với sự phát triển mạnh mẽ của công nghệ thông tin nhất là kỹ thuật vi xử lý và công nghệ phần mềm đã đặt nền móng cho việc ứng dụng hệ thống điều khiển thông minh vào các nghành công nghiệp. Các hệ thống điều khiển thông minh đƣợc xây dựng trên cơ sở trí tuệ nhân tạo đã giúp con ngƣời có khả năng khống chế những đối tƣợng mà trƣớc kia tƣởng chừng nhƣ không điều khiển đƣợc nhƣ trong rất nhiều bài toán điều khiển khi đối tƣợng không thể mô tả bởi mô hình toán học, hoặc mô hình của nó quá phức tạp, cồng kềnh… Trong thực tế khi thiết kế bộ điều khiển kinh điển thƣờng bị bế tắc khi gặp những bài toán có độ phức tạp của hệ thống cao, độ phi tuyến lớn, thƣờng xuyên thay đổi trạng thái hoặc cấu trúc của đối tƣợng… Phát hiện thấy nhu cầu tất yếu ấy, năm 1965 L.A.Zadeh - tại trƣờng đại học Berkelye bang California -Mỹ đã sáng tạo ra lý thuyết điều khiển mờ (Fuzzy Sets Theory) và đặt nền móng cho việc xây dựng một loạt các lý thuyết quan trọng dựa trên cơ sở lý thuyết tập mờ. Đây là một trong những phát minh quan trọng có tính bùng nổ và đang hứa hẹn giải quyết đƣợc nhiều vấn đề phức tạp và to lớn của thực tế. Năm 1970 tại trƣờng Marry Queen London - Anh, Ebrahim Mamdani đã dùng logic mờ để điều khiển một máy hơi nƣớc mà ông không thể điều khiển đƣợc bằng kỹ thuật cổ điển. Tại Đức Hann Zimmermann đã dùng logic mờ cho các hệ ra quyết định. Tại Nhật logic mờ đƣợc ứng dụng vào nhà máy xử lý nƣớc của Fụi Electrinic vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987, đƣờng sắt Sendai. Các ứng dụng đã và đang đƣợc phát triển với các vấn đề theo vết, điều chỉnh, nội suy, phân loại, chữ viết tay, nhận dạng lời nói, ổn định hình dạng trong các máy quay video, máy giặt, máy hút bụi, điều hòa, quạt điện,... Một thí nghiệm con lắc ngƣợc đã đƣợc chứng minh vào năm 1987 với “các đáp ứng cân bằng đƣợc sinh ra gần 100 lần ngắn hơn những đáp ứng của bộ điều khiển PID truyền thống”. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 12 Lý thuyết mờ ra đời ở Mỹ, ứng dụng đầu tiên ở Anh nhƣng phát triển mạnh mẽ nhất ở Nhật. Trong lĩnh vực tự động hóa logic mờ ngày càng đƣợc ứng dụng rộng rãi, nó thực sự hữu dụng với các đối tƣợng phức tạp mà ta chƣa biết rõ hàm truyền, phức tạp, không xác định, logic mờ có thể giải quyết các vấn đề mà điều khiển kinh điển không làm đƣợc. Phƣơng pháp điều khiển mờ chính là nhằm vào việc xây dựng các phƣơng pháp có khả năng bắt chƣớc cách thức con ngƣời điều khiển. Vì đối tƣợng điều khiển là một hệ thống phức tạp, bản chất chƣa rõ, không thể hiển thị bằng các mô hình toán lý. Nên dƣới dạng mô hình mờ một tập các mệnh đề IF …THEN (các luật) với các dữ liệu ngôn ngữ mô tả mối quan hệ giữa các biến vào, các biến ra đã ra đời. Ta lấy một ví dụ phận biệt cá voi có tính khoa học. Ở những trƣờng tiểu học, nhiều điều làm mọi ngƣời ngạc nhiên, rằng cá voi là động vật có vú bởi vì: nó là loại máu nóng, đẻ con, nuôi con bằng sữa mẹ, và cũng mọc lông. Hệ thống phân biệt này là một ví dụ hoàn hảo của logic hai trị truyền thống mà thống trị khoa học suốt nhiều thế kỷ. Mặc dù thực tế là nó trông giống cá, nó bơi giống cá, nó có mùi cá, và cứ ba học sinh lại có một ngƣời nghi ngờ khi nói rằng cá voi không phải là cá, cá voi 100% động vật có vú, 0 % là cá. Nếu một nhà logic mờ phân biệt cá voi, ông ta sẽ cho cá voi thuộc về cả hai bộ động vật có vú và bộ cá, tới mức độ tự nhiên. So với phƣơng pháp điều khiển truyền thống thì phƣơng pháp tổng hợp hệ thống điều khiển bằng điều khiển mờ có những ƣu điểm sau: Điểm mạnh nổi trội cơ bản của điểu khiển mờ so với kỹ thuật điều khiển kinh điển là nó áp dụng rất hiệu quả và linh hoạt trong các quá trình điều khiển ở điều kiện chƣa xác định rõ và thiếu thông tin Nguyên lý điều khiển mờ đã cho phép con ngƣời tự động hóa đƣợc điều khiển cho một quá trình, một thiết bị…và mang lại chất lƣợng mong muốn. Với nguyên tắc mờ bộ điều khiển tổng hợp đƣợc có cấu trúc đơn giản so với bộ điều khiển kinh điển khác có cùng chức năng. Sự đơn giản đó đã đóng vai trò quan trọng trong việc tăng độ tin cậy cho thiết bị, giảm giá thành sản phẩm. Điều khiển mờ là những cải tiến liên tiếp của kỹ thuật vi xử lý, một cầu nối không thể thiếu giữa kết quả nghiên cứu của lý thuyết điều khiển mờ với thực tế. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 13 1.2.2. Cấu trúc của hệ điều khiển mờ a) Sơ đồ khối: Sơ đồ các khối chức năng của hệ điều khiển mờ đƣợc chỉ ra trên hình 1.1. Trong đó các khối chính của bộ điều khiển mờ là khối mờ hóa, khối thiết bị hợp thành và khối giải mờ. Ngoài ra cò có giao diện vào và giao diện ra để đƣa tín hiệu vào bộ điều khiển và xuất tín hiệu từ ngõ ra bộ điều khiển đến cơ cấu chấp hành. Giao diện vào Mờ hoá Thiết bị hợp thành Giải mờ Giao diện ra Hình 1.1: Các khối chức năng của bộ điều khiển mờ b) Giao diện vào, ra: Hệ mờ là một hệ điều khiển số do đó tín hiệu đƣa vào bộ điều khiển mờ phải là tín hiệu số. Giao diện vào có nhiệm vụ chuẩn hóa tín hiệu tƣơng tự thu nhận đƣợc từ đối tƣợng điều khiển và chuyển đổi thành tín hiệu số. Giao diện ra có nhiệm vụ biến đổi tín hiệu số thành tƣơng tự, khuyếch đại tín hiệu điều khiển cho phù hợp với đối tƣợng cụ thể. Trong thực tế, giao diện vào, ra đƣợc tích hợp trong một CARD xử lý số chuyên dụng hoặc lắp thêm vào khe cắm mở rộng của máy tính. c) Khối mờ hóa: Là khối đầu tiên của bộ điều khiển mờ có chức năng chuyển mỗi giá trị rõ của biến ngôn ngữ đầu vào thành véc tơ µ có số chiều bằng số tập mờ đầu vào. Số tập mờ đầu vào do ngƣời thiết kế qui định tùy thuộc đối tƣợng cụ thể, nhƣng thông thƣờng không chọn quá 9 tập mờ. Hình dạng các hàm liên thuộc cũng đƣợc tùy chọn theo hình tam giác, hình thang, hàm Gaus … Mỗi loại hàm liên thuộc có ƣu, nhƣợc điểm riêng. Hiện nay vẫn chƣa có nghiên cứu nào chỉ rõ dùng dạng hàm liên thuộc nào là tốt nhất. Hình 1.2 minh họa phƣơng pháp mờ hóa biến điện áp trong khoảng từ 100V - 300V bằng 5 tập mờ dạng hàm Gaux. Khi đó ứng với mỗi giá trị rõ x0 ta có véc tơ   RT ( x 0 )   (x ) T 0      TB ( x 0 ) ,  Cao ( x 0 )   RC ( x 0 ) 0 0  Ví dụ với x0 = 220V ta có:   0,7 0,4  0 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 14 Hình 1.2: Các hàm liên thuộc của một biến ngôn ngữ d) Khối thiết bị hợp thành: Khối thiết bị hợp thành còn đƣợc gọi là cơ cấu suy diễn hay động cơ suy diễn có chức năng biến mỗi giá trị rõ (x0) ở đầu vào thành tập mờ µB'(x0) trên cơ sở các luật điều khiển, khối này gồm 2 phần chính: Luật điều khiển (hợp thành) và suy diễn mờ. Luật điều khiển bao gồm một số mệnh đề hợp thành là các mệnh đề đơn hoặc mệnh đề phức đƣợc liên hệ với nhau bởi toán tử "Hoặc" có dạng tổng quát: R1: Nếu X1 = A1 và X2 = B1 và … thì Y1 = C1 và Y2 = D1 … hoặc R2: Nếu X1 = A2 và X2 = B2 và ….thì Y1 = C2 và Y2 = D2 … hoặc ……………………………………………………… Rn: Nếu X1 = An và X2 = Bn và … thì Y1 = Cn và Y2 = Dn … (1.1) Tùy theo số mệnh đề điều kiện và số mệnh đề kết luận trong mỗi mệnh đề hợp thành mà ngƣời ta có các cấu trúc điều khiển khác nhau: - Cấu trúc SISO (một vào, một ra): Chỉ có một mệnh đề điều kiện và một mệnh đề kết luận. Ví dụ: R1: nếu  = A1 thì  = B1 hoặc R2: nếu  = A2 thì  = B2 - Cấu trúc MISO (Nhiều vào, một ra): Có từ 2 mệnh đề điều kiện trở lên và một mệnh đề kết luận. Ví dụ: Nếu 1 = A1 và 2 = A2 thì  = B Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 15 - Cấu trúc MIMO (Nhiều vào, nhiều ra): Có ít nhất 2 mệnh đề điều kiện và 2 mệnh đề kết luận. Ví dụ: R1: Nếu 1 = A1 và 2 = B1 thì  = C1 hoặc R2: Nếu 1 = A2 và 2 = B2 thì  = C2 *) Suy diễn mờ Là nguyên tắc xây dựng ma trận hợp thành chung (R) từ các mệnh đề hợp thành Rk. Trong điều khiển mờ ngƣời ta đƣa ra 4 nguyên tắc xây dựng ma trận hợp thành là: Max-min, Max-prod, Sum-min, Sum-prod. Theo thói quen ta thƣờng gọi là các luật hợp thành Max-min; luật hợp thành Max-prod; luật hợp thành Sum-min và luật hợp thành Sum-prod. - Luật hợp thành Max-min: Nếu B1 ( y); B2 ( y); B3 ( y) thu đƣợc qua phép lấy Min còn phép hợp thực hiện theo luật Max. Luật hợp thành MIN là tên gọi mô hình (ma trận) R của mệnh đề hợp thành AB khi hàm liên thuộc AB(x,y) của nó đƣợc xây dựng theo quy tắc MIN. Xét luật hợp thành đơn có cấu trúc SISO: Các bƣớc xây dựng: Bƣớc 1: Rời rạc hoá A(x) tại n điểm x1, x2,....,xn , B(y) tại m điểm y1, y2,....,ym (n có thể khác m) Bƣớc 2: Xây dựng ma trận R gồm n hàng và m cột :   R x 1 , y1 .......... .......... . R x 1 , y m    r11 .......... .r1m      R   .......... .......... .......... .......... .......... ........    .......... ........    x , y .......... ..........  x , y    r .......... .r  R n m nm   R n 1   n1 (1.2) Bƣớc 3: Xác định hàm liên thuộc B’(y) của đầu ra ứng với giá trị rõ đầu vào xk theo biểu thức :  r .......... ......... r  11 1m B’(y) = aT.R = (a1, a2, ... an)  .......... .......... ......   (l1, l2, … lm) (1.3)  r .......... ......... r  nm   n1 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 16 n Với lk  Σ ai rik , i 1 aT= ( 0, 0, ..., 0, 1, 0, ..., 0) mina i rki , k  1,2,.., m Trong đó: l k  max 1i  n Bƣớc 4: Xác định B’(y) theo công thức: B’(y) = (l1, l2,..., lm) (1.4) Ví dụ: A(x), B(y), A(x), C(z), đƣợc rời rạc hoá tại các điểm: x{ 2.038, 5.4, 1.359, 6.4} y{ [1.359, 7.6, 2.038, 8.6} z{ 1.699, 12.5, 1.699, 13.5} Ta tiến hành xây dựng luật hợp thành MAX-MIN: Hình 1.3: Hàm liên thuộc vào-ra theo luật hợp thành Max-min - Luật hợp thành MAX-PROD: Nếu B1 ( y); B2 ( y); B3 ( y) thu đƣợc qua phép PROD còn phép hợp thực hiện theo luật Max. Các bƣớc xây dựng: Bƣớc 1: Rời rạc hoá A(x) tại n điểm x1, x2,....,xn , B(y) tại m điểm y1, y2,....,ym (n có thể khác m) Bƣớc 2: Xây dựng ma trận R gồm n hàng và m cột : Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 17   R x 1 , y1 .......... .......... . R x 1 , y m    r11 .......... .r1m      R   .......... .......... .......... .......... .......... ........    .......... ........    x , y .......... ..........  x , y    r .......... .r  R n m nm   R n 1   n1 Bƣớc 3: Xác định hàm liên thuộc B’(y) của đầu ra ứng với giá trị rõ đầu vào xk theo biểu thức:  r .......... ......... r  11 1m B’(y) = aT.R = (a1, a2, ... an)  .......... .......... ......   (l1, l2, … lm)  r .......... ......... r  nm   n1 n a i rik Với l k  iΣ 1 aT= ( 0, 0, ..., 0, 1, 0, ..., 0)  vị trí thứ k Trong đó: l k  max proda i rki , k  1,2,.., m 1i  n Bƣớc 4: Xác định B’(y) theo công thức: B’(y) = (l1, l2,..., lm) Để xây dựng R, trƣớc tiên hai hàm liên thuộc A(x) và B(y) đƣợc rời rạc hoá với tần số rời rạc đủ nhỏ để không bị mất thông tin. Ví dụ: A(x), B(y), A(x), C(z), đƣợc rời rạc hoá tại các điểm: x{ 2.038, 5.4, 1.359, 6.4} y{ [1.359, 7.6, 2.038, 8.6} z{ 1.699, 12.5, 1.699, 13.5} Ta tiến hành xây dựng luật hợp thành MAX-PROD: Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 18 Hình 1.4: Hàm liên thuộc vào- ra theo luật hợp thành max-prod - Luật hợp thành SUM-MIN: Nếu B1 ( y); B2 ( y); B3 ( y) thu đƣợc qua phép lấy Min còn phép hợp thực hiện theo luật SUM. Xét luật điều khiển R gồm p mệnh đề hợp thành: R1: Nếu  = A1 Thì  = B1 hoặc R2: Nếu  = A2 Thì  = B2 hoặc .............................................. Rp: Nếu  = Ap Thì  = Bp Trong đó các giá trị mờ A1, A2,..., Ap có cùng cơ sở X và B1, B2,...,BP có cùng cơ sở Y. Gọi hàm liên thuộc của Ak và Bk là Ak(x) và Bk(y) với k = 1, 2,..., p. Thuật toán triển khai: R = R1R2...Rp đƣợc thực hiện theo các bƣớc sau: Bƣớc 1: Rời rạc hoá X tại n điểm (x1, x2, x3,..., xn) và Y tại m điểm (y1, y2,..., ym) Bƣớc 2: Xác định các véctơ Ak và Bk (k = 1, 2,..,p) tại các điểm rời rạc theo biểu thức: TAk = {Ak(x1),Ak(x2),..., Ak(xn)} (1.5) TBk = {Bk(y1), Bk(y2),..., Bk(yn)} Bƣớc 3: Xác định mô hình (ma trận) Rk cho mệnh đề thứ k Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 19   Rk= Ak.TBk = rijk ,i =1, 2,..., n và j = 1, 2,...,m (1.6) Trong đó phép (.) là phép tính lấy cực tiểu min khi sử dụng nguyên tắc SUM-MIN Bƣớc 4: Xác định luật hợp thành R  min 1,  R k  với k = 1, 2,..., p}. (1.7) p  k 1  Ví dụ: A(x), B(y), A(x), C(z), đƣợc rời rạc hoá tại các điểm: x{ 2.038, 5.4, 1.359, 6.4} y{ [1.359, 7.6, 2.038, 8.6} z{ 1.699, 12.5, 1.699, 13.5} Ta tiến hành xây dựng luật hợp thành SUM-MIN: Hình 1.5: Hàm liên thuộc vào-ra theo luật hợp thành sum-min - Luật hợp thành SUM - PROD: Nếu B1 ( y); B2 ( y); B3 ( y) thu đƣợc qua phép lấy PROD còn phép hợp thực hiện theo Lukasiewicz. Xét luật điều khiển R gồm p mệnh đề hợp thành: R1: Nếu  = A1 Thì  = B1 hoặc R2: Nếu  = A2 Thì  = B2 hoặc .............................................. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 20 Rp: Nếu  = Ap Thì  = Bp Trong đó các giá trị mờ A1, A2,..., Ap có cùng cơ sở X và B1, B2,...,BP có cùng cơ sở Y. Gọi hàm liên thuộc của Ak và Bk là Ak(x) và Bk(y) với k = 1, 2,..., p. Thuật toán triển khai: R = R1R2...Rp đƣợc thực hiện theo các bƣớc sau: Bƣớc 1: Rời rạc hoá X tại n điểm (x1, x2, x3,..., xn) và Y tại m điểm (y1, y2,..., ym) Bƣớc 2: Xác định các véctơ Ak và Bk (k = 1, 2,..,p) tại các điểm rời rạc theo biểu thức: TAk = {Ak(x1),Ak(x2),..., Ak(xn)} TBk = {Bk(y1), Bk(y2),..., Bk(yn)} Bƣớc 3: Xác định mô hình (ma trận) Rk cho mệnh đề thứ k   Rk = Ak.TBk = rijk , i =1, 2,..., n và j = 1, 2,...,m Trong đó phép (.) sử dụng phép nhân bình thƣờng khi sử dụng nguyên tắc SUM-PROD. Bƣớc 4: Xác định luật hợp thành R  min 1,  R k  với k = 1, 2,..., p}. p  k 1  Ví dụ: A(x), B(y), A(x), C(z), đƣợc rời rạc hoá tại các điểm: x{ 2.038, 5.4, 1.359, 6.4} y{ [1.359, 7.6, 2.038, 8.6} z{ 1.699, 12.5, 1.699, 13.5} Ta tiến hành xây dựng luật hợp thành SUM-PROD: Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn