BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM oOo VŨ NGỌC HUYÊN ỨNG DỤNG MẠNG NEURON VÀ GIẢI THUẬT BẦY ĐÀN TRONG ĐIỀU KHIỂN MOBILE ROBOT LUẬN VĂN THẠC SĨ KỸ THUẬT TP. HCM 08 - 2013 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM oOo VŨ NGỌC HUYÊN ỨNG DỤNG MẠNG NEURON VÀ GIẢI THUẬT BẦY ĐÀN TRONG ĐIỀU KHIỂN MOBILE ROBOT CHUYÊN NGÀNH: KỸ THUẬT ĐIỀU KHIỂN & TỰ ĐỘNG HÓA MÃ SỐ: 60520216 LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: TS. NGUYỄN THIỆN THÀNH TP. HCM 08 – 2013 Trang 1 LỜI CAM ĐOAN Tên tôi là: Vũ Ngọc Huyên Sinh ngày 12 tháng 05 năm 1979 Học viên lớp cao học khoá 2008-2011 - Chuyên ngành Kỹ thuật điều khiển & Tự động hoá - TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM Xin cam đoan đề tài “Ứng dụng mạng neuron và giải thuật bầy đàn trong điều khiển Mobile robot” do TS. Nguyễn Thiện Thành hướng dẫn, là công trình nghiên cứu của riêng tôi. Tất cả các tài liệu tham khảo đều có nguồn gốc, xuất xứ. Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu sai tôi hoàn toàn chịu trách nhiệm trước Hội đồng khoa học và trước pháp luật. TP.HCM, ngày 22 tháng 08 năm 2013 Người viết cam đoan Vũ Ngọc Huyên Trang 2 MỤC LỤC LỜI CAM ĐOAN 1 MỤC LỤC 2 DANH MỤC TỪ VIẾT TẮT 4 DANH MỤC BẢNG BIỂU 5 DANH MỤC HÌNH VẼ 6 MỞ ĐẦU 9 Chương 1: TỔNG QUAN 10 1.1. Đặt vấn đề 10 1.2. Tổng quan chung về lĩnh vực nghiên cứu 11 1.3. Mục tiêu và phạm vi nghiên cứu 12 1.3.1. Mục tiêu nghiên cứu 12 1.3.2. Phạm vi nghiên cứu 12 1.4. Tóm lược nội dung luận văn 12 Chương 2: MẠNG NEURON NHÂN TẠO 14 2.1. Giới thiệu về mạng neuron nhân tạo 14 2.1.1.Khái niệm cơ bản 14 2.1.2. Mô hình mạng neuron nhân tạo 17 2.1.3. Khả năng ứng dụng của mạng neuron nhân tạo 20 2.2. Mạng neuron lan truyền thẳng nhiều lớp 22 2.2.1. Mạng perceptron một lớp 22 2.2.2. Mạng receptron nhiều lớp 25 2.2.3. Một số vấn đề cần chú ý khi sử dụng mạng MLP 25 Chương 3: GIẢI THUẬT TỐI ƯU HÓA BẦY ĐÀN 30 3.1. Giới thiệu thuật toán tối ưu bầy đàn 30 3.2. Giải thuật cho thuật toán tối ưu bày đàn 33 3.3. Những vấn đề cần quan tâm khi xây dựng giải thuật tối ưu bầy đàn 34 3.3.1.Hàm thích nghi (fitness ) 34 3.3.2.Hàm vận tốc 35 3.3.3. Số lượng cá thể 35 3.3.4.Trọng số quán tính ω 36 3.3.5. Các hệ số gia tốc c1 và c2 36 Trang 3 3.3.6. Điều kiện dừng 36 3.4. Đặc điểm và ứng dụng của giải thuật tối ưu bầy đàn 37 Chương 4: ỨNG DỤNG ĐIỀU KHIỂN MOBILE ROBOT 39 4.1. Mô hình toán của mobile robot 39 4.1.1. Mô hình vật lý mobile robot 39 4.1.2. Mô hình toán mô tả mobile robot 40 4.2. Mục tiêu điều khiển 41 4.3. Thiết kế bộ điều khiển neuron 42 4.3.1. Ứng dụng mạng neuron chỉnh định thông số bộ điều khiển mobile robot theo thuật toán tối ưu bày đàn 42 4.3.2. Chỉnh định thông số bộ điều khiển neuron dùng thuật toán PSO 45 4.3.3. Sơ đồ mô phỏng Matlab simulink 46 4.4. Tối ưu trọng số bộ điều khiển neuron dùng giải thuật bầy đàn 49 4.4.1. Thiết kế giải thuật PSO chỉnh định các trọng số mạng neuron 49 4.4.2. Lưu đồ giải thuật 50 4.5. Kết quả mô phỏng trên phần mềm matlab 52 4.5.1. Các thông số mobile robot 52 4.5.2. Giao diện chương trình điều khiển 53 4.5.3. Kết quả mô phỏng bộ điều khiển neuron 54 4.5.3.1. Điểm tham chiếu chạy theo đường thẳng 54 4.5.3.2. Điểm tham chiếu chạy theo đường tròn 56 4.5.3.3. Điểm tham chiếu chạy theo đường số 8 59 4.5.3.4. Điểm tham chiếu chạy theo đường sin 62 4.5.3.5. Điểm tham chiếu chạy theo đường lưới 64 4.5.3.6. Hàm tích hợp lớp ẩn là tansig 67 4.6. Nhận xét 68 Chương 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 69 5.1. Kết luận 69 5.1.1.Kết quả đạt được 69 5.1.2. Hạn chế của đề tài 69 5.2. Hướng phát triển của đề tài 70 TÀI LIỆU THAM KHẢO 71 PHỤ LỤC 72 Trang 4 DANH MỤC TỪ VIẾT TẮT TT Từ viết tắt Diễn giải 1 ACO Ant Colony Optimization 2 ANN Artificial Neural Network 3 BP Back propagation 4 GA Genetic algorithm 5 MLP Multilayer Perceptron 6 NN Neural Network 7 SA Simulated Annealing 8 SI Swarm Intelligence 9 SIMO Single Input Multi Output 10 PSO Particle Swarm Optimization Trang 5 DANH MỤC BẢNG BIỂU Bảng 4.1 Qũy đạo chuyển động của điểm tham chiếu……………………52 Trang 6 DANH MỤC HÌNH VẼ Hình 2.1. Cấu tạo của tế bào neuron sinh học 15 Hình 2.2. Mô hình neuron nhân tạo ……… 15 Hình 2.3. Mạng neuron chỉ có một nút và có sự phản hồi …… 18 Hình 2.4. Mạng neuron truyền thẳng một lớp…… 18 Hình 2.5. Mạng neuron truyền thẳng nhiều lớp…… 19 Hình 2.6. Mạng neuron hồi quy một lớp …… 20 Hình 2.7. Mạng perceptron một lớp …… 23 Hình 2.8. Hàm sigmoid g(x) = 1/(1+e -x ) …… 26 Hình 3.1. Sơ đồ cập nhật vị trí của mỗi cá thể PSO…… 31 Hình 3.2. Lưu đồ thuật toán PSO …… 33 Hình 4.1. Sơ đồ phác họa mobile robot 2 bánh…… 39 Hình 4.2. Vị trí hiện hành p(x, y, θ) và vị trí tham chiếu pd(xd, yd,θd) 41 Hình 4.3. Vị trí mobile robot và điểm tham chiếu…… 41 Hình 4.4. Sơ đồ luật điều khiển NN-PSO controller …… 43 Hình 4.5 Cấu trúc mạng neuron truyền thẳng …… 44 Hình 4.6. Xác định mô hình NN-Controller tối ưu sử dụng thuật toán PSO như một động cơ tối ưu …… …… 45 Hình 4.7. Sơ đồ mô phỏng simulink…… …… 46 Hình 4.8. Khối Mobile robot …… …… 47 Hình 4.9. Bộ điều khiển bám theo đường tròn…… ……. 47 Hình 4.10. Bộ điều khiển bám theo đường thẳng…… 48 Hình 4.11. Bộ điều khiển bám theo đường lưới …… … 48 Hình 4.12. Tín hiệu ngõ vào…… …… 49 Hình 4.13. Lưu đồ thuật toán chỉnh định thông số NN-Controller dùng thuật toán PSO …… …… 51 Hình 4.14. Giao diện điều khiển…… …… 53 Trang 7 Hình 4.15. Tọa độ x và xr theo thời gian …… …… 54 Hình 4.16. Tọa độ y và yr theo thời gian…… …… 54 Hình 4.17. Góc theta và thetad theo thời gian…… …… 54 Hình 4.18. Vị trí robot và vị trí điểm tham chiếu…… 55 Hình 4.19. Sai số góc alpha theo thời gian …… …… 55 Hình 4.20. Khoảng cách d theo thời gian …… …… 55 Hình 4.21. Tốc độ bánh phải ωR theo thời gian …… … 56 Hình 4.22. Tốc độ bánh trái ωL theo thời gian …… …… 56 Hình 4.23. Tọa độ x và xr theo thời gian …… …… 56 Hình 4.24. Tọa độ y và yr theo thời gian…… ….… 57 Hình 4.25. Góc theta và thetad theo thời gian …… …… 57 Hình 4.26. Vị trí robot và vị trí điểm tham chiếu…… … 57 Hình 4.27. Sai số góc alpha theo thời gian …… …… 58 Hình 4.28. Khoảng cách d theo thời gian …… …… 58 Hình 4.29. Tốc độ bánh phải theo thời gian …… …… 58 Hình 4.30. Tốc độ bánh trái theo thời gian …… …… 59 Hình 4.31. Tọa độ x và xr theo thời gian …… …… 59 Hình 4.32. Tọa độ y và yr theo thời gian…… …… 59 Hình 4.33. Góc theta và thetad theo thời gian …… …… 60 Hình 4.34. Vị trí robot và vị trí điểm tham chiếu …… 60 Hình 4.35. Sai số góc alpha theo thời gian…… …… 60 Hình 4.36. Góc theta và thetad theo thời gian …… …… 61 Hình 4.37. Vị trí robot và vị trí điểm tham chiếu …… 61 Hình 4.38. Sai số góc alpha theo thời gian…… …… 61 Hình 4.39. Góc theta và thetad theo thời gian …… …… 62 Hình 4.40. Vị trí robot và vị trí điểm tham chiếu …… 62 Hình 4.41. Sai số góc alpha theo thời gian…… …… 62 Trang 8 Hình 4.42. Vị trí robot và vị trí điểm tham chiếu …… 63 Hình 4.43. Vị trí robot và vị trí điểm tham chiếu …… 63 Hình 4.44. Khoảng cách d theo thời gian …… …… 63 Hình 4.45. Tốc độ bánh phải theo thời gian…… …… 64 Hình 4.46. Tốc độ bánh trái theo thời gian …… …… 64 Hình 4.47. Tọa độ x và xr theo thời gian…… …… 64 Hình 4.48. Tọa độ y và yr theo thời gian …… …… 65 Hình 4.49. Góc theta và thetad theo thời gian …… …… 65 Hình 4.50. Vị trí robot và vị trí điểm tham chiếu …… 65 Hình 4.51. Vị trí robot và vị trí điểm tham chiếu…… … 66 Hình 4.52. Khoảng cách d theo thời gian …… …… 66 Hình 4.53. Tốc độ bánh phải theo thời gian…… …… 66 Hình 4.54. Tốc độ bánh trái theo thời gian…… …… 67 Hình 4.55. Tọa độ x và xr theo thời gian …… …… 67 Hình 4.56. Tọa độ y và yr theo thời gian …… …… 67 Hình 4.57. Vị trí robot và vị trí điểm tham chiếu…… 68 [...]... điều khiển neuron dùng giải thuật bầy đàn ứng dụng trong điều khiển Mobile robot 1.3 Mục tiêu và phạm vi nghiên cứu 1.3.1 Mục tiêu nghiên cứu  Nghiên cứu mạng truyền thẳng nhiều lớp Từ đó xây dựng bộ điều khiển neuron cho mobile robot  Nghiên cứu thuật toán tối ưu bầy đàn và ứng dụng để tối ưu được trọng số bộ điều khiển neuron sử dụng mạng truyền thẳng nhiều lớp  Xây dựng sơ đồ Simulink và mô phỏng... biệt trong bài toán dự báo Trong chương tiếp theo, chúng ta sẽ nghiên cứu giải thuật tối ưu hóa bầy đàn và ứng dụng để tối ưu hoá trọng số của mạng neuron nhân tạo Trang 30 Chương 3: GIẢI THUẬT TỐI ƯU HÓA BẦY ĐÀN 3.1 Giới thiệu thuật toán tối ưu bầy đàn Phương pháp tối ưu bầy đàn là một dạng của các thuật toán tiến hóa quần thể đã được biết đến trước đây như thuật giải di truyền (GA), thuật toán đàn. .. Simulink và mô phỏng được hoạt động điều khiển của mobile robot bằng phần mềm Matlab Simulink 1.3.2 Phạm vi nghiên cứu  Luận văn này tác giả sẽ giới thiệu lý thuyết về mạng neuron và đặc biệt là mạng truyền thẳng nhiều lớp  Nghiên cứu giải thuật bầy đàn và ứng dụng để tối ưu các trọng số của bộ điều khiển neuron  Xây dựng sơ đồ simulink và mô phỏng được hệ thống mobile robot bằng phần mềm Matlab Simulink... tiêu và phạm vi nghiên cứu của luận văn Trang 13 Chương 2: Trình bày cơ sở lý thuyết về mạng neuron, mạng truyền thẳng nhiều lớp và các yếu tố ảnh hưởng đến quá trình huấn luyện mạng Chương 3: Giới thiệu thuật toán tối ưu hóa bầy đàn và ảnh hưởng của các thông số trong thuật toán Chương 4: Giới thiệu mô hình toán của mobile robot Mục tiêu điều khiển và ứng dụng thuật toán PSO để tối ưu trọng số bộ điều. .. báo: Mạng neuron nhân tạo đã được ứng dụng thành công trong việc xây dựng các mô hình dự báo sử dụng tập dữ liệu trong quá khứ để dự đoán số liệu trong tương lai Đây là nhóm bài toán khó và rất quan trọng trong nhiều ngành khoa học • Bài toán điều khiển và tối ưu hoá: Nhờ khả năng học và xấp xỉ hàm mà mạng neuron nhân tạo đã được sử dụng trong nhiều hệ thống điều khiển tự động cũng như góp phần giải. .. mới và đang phát triển rất nhanh trong những năm gần đây Do tính đơn giản của thuật toán và hiệu suất cao, nên nó đã được áp dụng thành công để giải nhiều bài toán tìm cực trị hàm số học phức tạp, cũng như một số bài toán tối ưu khác Trong luận văn này, học viên xây dựng bộ điều khiển neuron sử dụng mạng truyền thẳng nhiều lớp và các trọng số bộ điều khiển được tối ưu bằng giải thuật bầy đàn để ứng dụng. .. trọng số bộ điều khiển neuron sử dụng mạng truyền thẳng nhiều lớp Kết quả mô phỏng thu được trong huấn luyện mạng neuron và điều khiển mobile robot Chương 5: Kết luận và hướng phát triển đề tài Những kết quả đạt được và những giới hạn của đề tài, để làm cơ sở cho các đề xuất về hướng phát triển Trang 14 Chương 2: MẠNG NEURON NHÂN TẠO Mạng neuron nhân tạo được coi là một công cụ mạnh để giải quyết các... 2.4 Mạng neuron truyền thẳng một lớp Trang 19 Mạng neuron truyền thẳng một lớp là loại mạng chỉ có lớp neuron đầu vào và một lớp neuron đầu ra (thực chất lớp neuron đầu vào không có vai trò xử lý, do đó ta nói mạng chỉ có một lớp) Loại mạng này còn được gọi là mạng perceptron một lớp Mỗi neuron đầu ra có thể nhận tín hiệu từ các đầu vào x1, x2, …, xm để tạo ra tín hiệu đầu ra tương ứng Hình 2.5 Mạng neuron. .. triển rất nhanh và được rất nhiều nhà nghiên cứu quan tâm Trong đề tài này tác giả đề xuất thiết kế bộ điều khiển neuron dùng mạng truyền thẳng nhiều lớp được tối ưu trọng số bằng giải thuật bầy đàn dành cho điều khiển Mobile robot Trang 10 Chương 1: TỔNG QUAN 1.1 Đặt vấn đề Ngày nay, robotic đã đạt được những thành tựu to lớn trong sản xuất công nghiệp cũng như trong đời sống của con người Robot đã có... thiếu trong nhiều lĩnh vực, thu hút được rất nhiều sự đầu tư nghiên cứu Mà tập trung chủ yếu vào việc xây dựng chương trình điều khiển hoạt động cho mobile robot Xuất phát từ thực tế này giải pháp điều khiển mobile robot dùng bộ điều khiển neuron đã được đề xuất Tuy nhiên quá trình thiết kế và huấn luyện mạng phải thực thi hai nhiệm vụ, đầu tiên là việc lựa chọn kiến trúc cho mạng một cách phù hợp và . Chuyên ngành Kỹ thuật điều khiển & Tự động hoá - TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM Xin cam đoan đề tài Ứng dụng mạng neuron và giải thuật bầy đàn trong điều khiển Mobile robot do TS 3.3.6. Điều kiện dừng 36 3.4. Đặc điểm và ứng dụng của giải thuật tối ưu bầy đàn 37 Chương 4: ỨNG DỤNG ĐIỀU KHIỂN MOBILE ROBOT 39 4.1. Mô hình toán của mobile robot 39 4.1.1. Mô hình vật lý mobile. robot 39 4.1.2. Mô hình toán mô tả mobile robot 40 4.2. Mục tiêu điều khiển 41 4.3. Thiết kế bộ điều khiển neuron 42 4.3.1. Ứng dụng mạng neuron chỉnh định thông số bộ điều khiển mobile robot