1 A GIỚI THIỆU VỀ LUẬN ÁN Tên đề tài: “Ứng dụng phương pháp trí tuệ nhân tạo phân tích Taguchi để xác định chế độ cắt tối ưu gia công máy phay CNC” Cơ sở để lựa chọn đề tài Q trình gia cơng khí ngày hướng tới gia cơng đạt độ xác cao nâng cao hiệu sử dụng thiết bị Các hệ máy gia công sử dụng hệ điều khiển số xu hướng phát triển tất yếu sản xuất công nghiệp Với ưu độ xác gia cơng suất gia cơng cao nên máy CNC ứng dụng rộng dãi phổ biến Đối với hệ thống công nghệ định, suất hay chất lượng bề mặt phụ thuộc chủ yếu vào chế độ cắt cài đặt Điều khiển thông số chế độ cắt phương pháp hiệu để kiểm soát chất lượng gia công, nâng cao hiệu sử dụng thiết bị Do đó, cài đặt chế độ cắt hợp lý hay tối ưu để nâng cao suất gia công, chất lượng gia cơng điều kiện cần cho q trình gia cơng khí Trong mơi trường gia cơng tồn yếu tố không điều khiển (yếu tố nhiễu) làm giảm chất lượng gia công Mặt khác, q trình cài đặt thơng số cơng nghệ khơng phải lúc cài đặt xác mong muốn hay q trình thu nhận thơng tin sau gia công bị ảnh hưởng yếu tố nhiễu làm thơng tin có gần với giá trị giá trị thực mức độ tin cậy định Phương pháp phân tích thực nghiệm Taguchi ứng dụng ngày phổ biến cho phép đánh giá mức độ ảnh hưởng Ngày nay, khoa học trí tuệ nhân tạo mơ q trình thu nhận, xử lý thơng tin não người chế tối ưu tự nhiên Quá trình nghiên cứu, ứng dụng khoa học trí tuệ nhân tạo lĩnh vưc đạt nhiều thành công Từ nghiên cứu qui trình xác định chế độ công nghệ tối ưu sử dụng phổ biến sở phân tích, ứng dụng khoa học trí tuệ nhân tạo kỹ thuật phân tích Taguchi để đưa cách tiếp cận xác định chế độ cắt tối ưu cho độ xác dự đốn cao Do vậy, đề tài “Ứng dụng phương pháp trí tuệ nhân tạo phân tích Taguchi để xác định chế độ cắt tối ưu gia công máy phay CNC” cần thiết, thực tiễn tất yếu Kết nghiên cứu làm phong phú cho lý thuyết qui hoạch thực nghiệm, bổ sung cơng cụ tính tốn cho khoa học thực nghiệm gia cơng khí Nghiên cứu cịn tiền đề phát triển, ứng dụng điều khiển trình cơng nghệ gia cơng trực tuyến nhằm nâng cao hiệu suất gia cơng tương lai Mục đích, đối tượng phạm vi nghiên cứu 3.1 Mục đích - Nghiên cứu phương pháp tiếp cận làm tăng khả dự đốn chất lượng gia cơng - Tăng độ xác xác định chế độ cắt tối ưu cho gia công máy phay CNC sở nâng cao suất chất lượng bề mặt chi tiết gia công - Xây dựng mối quan hệ thực nghiệm chế độ cắt với suất chất lượng bề mặt, lực cắt, độ mòn dụng cụ, tính tốn chế độ cắt tối ưu cho gia công số thép hợp kim 3.2 Đối tượng nghiên cứu - Nghiên cứu q trình gia cơng máy phay CNC - Gia công số vật liệu cứng - Ứng dụng mạng mờ nơ ron giải thuật trí tuệ bầy đàn - Phương pháp số để tối ưu hóa - Phương pháp Taguchi xác định mức độ ảnh hưởng thông số công nghệ đến suất chất lượng bề mặt 3.3 Phạm vi nghiên cứu Tìm phương pháp dự đốn mối quan hệ thực nghiệm tính tốn chế độ cắt hợp lý, tối ưu để đạt suất chất lượng bề mặt chi tiết gia công máy phay CNC Phương pháp nghiên cứu Phương pháp nghiên cứu chung kết hợp nghiên cứu lý thuyết với nghiên cứu thực nghiệm Ý nghĩa khoa học thực tiễn đề tài - Làm phong phú thêm lý thuyết qui hoạch thực nghiệm xử lý liệu thực nghiệm, q trình tối ưu hóa thơng số cơng nghệ điều kiện Việt Nam - Đưa trí tuệ nhân tạo vào kỹ thuật điều khiển thông số cơng nghệ gia cơng khí - Đưa phương pháp Taguchi vào thiết kế thực nghiệm tính tốn mức độ ảnh hưởng thông số công nghệ đến suất chất lượng bề mặt Những đóng góp - Ứng dụng giải pháp trí tuệ nhân tạo phân tích Taguchi thiết lập mối quan hệ thực nghiệm chế độ cắt với chất lượng bề mặt, suất gia cơng, lực cắt, độ mịn dụng cụ xác định chế độ cắt tối ưu phay thép SKD11 SKD61 - Xây dựng phần mềm BK-CTMNET dự đoán mối quan hệ thực nghiệm cho độ xác cao tính tốn thơng số cơng nghệ tối ưu phục vụ nghiên cứu sản xuất Cấu trúc luận án Luận án trình bày 151 trang, phần mở đầu, kết luận, kiến nghị, luận án gồm chương: Chương Tổng quan ảnh hưởng số yếu tố công nghệ đến suất chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu gia công máy phay CNC; Chương Giải pháp trí tuệ nhân tạo ứng dụng; Chương Phương pháp xác định chế độ cắt tối ưu gia công máy phay CNC; Chương Xây dựng mơ hình tốn học thực nghiệm chế độ cắt với thông số công nghệ xác định chế độ cắt tối ưu máy phay CNC B NỘI DUNG LUẬN ÁN Chương 1: Tổng quan ảnh hưởng số yếu tố công nghệ đến suất chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu gia công máy phay CNC 1.1 Các tiêu đánh giá chất lượng bề mặt Chất lượng bề mặt gia công tập hợp tiêu yếu tố hình học, tính chất lý mà kết để lại sau tương tác dụng cụ cắt với bề mặt chi tiết gia công Các thông số chất lượng bề mặt định lớn đến khả làm việc chi tiết máy Vì phương pháp gia cơng nhằm đảm bảo tiêu chất lượng bề mặt định nhiều phương pháp gia công tinh lần cuối chế độ công nghệ 1.2 Năng suất gia công Năng suất cắt tiêu kinh tế đặc trưng cho trình cắt Các phương pháp gia công nhằm đảm bảo suất cắt cao điều kiện công nghệ cụ thể Năng suất cắt phay tỷ lệ thuận diện tích cắt vận tốc cắt suất cắt tỷ lệ thuận với lượng tiến dao, vận tốc cắt chiều sâu cắt Đối với hệ thống công nghệ định cài đặt chế độ cắt hợp lý đảm bảo chất lượng bề mặt nâng cao suất gia cơng điều kiện cần cho q trình cơng nghệ Từ phân tích thấy chất lượng bề mặt suất cắt gia công hai yếu tố quan trọng chuỗi trình sản xuất Đối với hệ thống công nghệ đầu tư xác định, hai yếu tố bị định lớn từ chế độ công nghệ cài đặt chế độ cắt yếu tố điều khiển linh hoạt Thay đổi chế độ cắt phương pháp hiệu để kiểm soát chất lượng bề mặt tăng suất gia công 1.3 Phương pháp truyền thống xác định chế độ công nghệ Gia công với chế độ hợp lý hay tối ưu điều kiện cần cho trình công nghệ Hiện xác định chế độ cắt hợp lý cho loại vật liệu hệ thống cơng nghệ cụ thể thực theo tiến trình hình 1.2 gồm bước Đối với mơ hình truyền thống để nâng Bắt đầu cao độ xác xác định chế độ cơng nghệ tối ưu yếu tố cố định (hệ thống cơng nghệ, thu thập liệu) tồn Xây dựng bảng qui hoạch thực khâu định xác định mối quan nghiệm hệ thực nghiệm phương pháp giải toán tối ưu Tuy nhiên khâu lại có tính linh hoạt mềm dẻo nên thay đổi Tiến hành thực nghiệm thu chuỗi trình thập số liệu cần quan tâm: phương pháp truyền thống Rz, Sn, F, hs sử dụng tập trung vào số giải pháp 1.3.1 Mơ hình xác định mối quan hệ thực Xác định mối quan hệ thực nghiệm nghiệm chế độ cắt với đầu Hiện mối quan hệ thực nghiệm ra: RZ=f(V,S,t) xác định phổ biến phương pháp: bình phương cực tiểu hồi qui thực nghiệm Thành lập toán tối ưu: hàm a) Phương pháp bình phương cực tiểu mục tiêu, điều kiện biên Phương pháp có khả xử lý với liệu nên kết đưa phù hợp với thực nghiệm.Trong q trình tính tốn, Giải tốn tối ưu, xác định thực phép tổng giá trị thực nghiệm chế độ cắt tối ưu bậc lẻ nên giản sai số ngẫu nhiên q trình thí nghiệm mà khơng quản lý Phuơng pháp bình phương cực tiểu, Thực nghiệm kiểm tra chất nội suy đường (mặt) để đạt tiêu đó, nên có sai số phương pháp Tuy nhiên Nhược điểm lớn Kết thúc phương pháp đòi hỏi lượng lớn phép tính tốn Nếu thực tính Hình 1.2 Quá trình xác định chế độ cắt tối ưu thực nghiệm tốn tay phương pháp cịn gây sai số tính tốn Do đặc trưng cơng thức tính tốn có tổng bình phương nên gây nên sai số tích lũy cơng thức tính toán cuối b) Phương pháp qui hoạch thực nghiệm Phương pháp quy hoạch thực nghiệm tốn thời gian để nhận thông tin nhiều Do phương pháp đơn giản địi hỏi số liệu thí nghiệm xử lý tốn học phức tạp Do sử dụng tính tốn nên phương pháp loại bỏ sai số tính tốn.Tuy sử dụng thí nghiệm giới hạn kết chấp nhận biết trước hàm phụ thuộc Tuy phương pháp địi hỏi liệu thí nghiệm địi hỏi tiến hành lượng khơng nhỏ thí nghiệm kiểm tra tính đồng nhất, sau tiến hành kết lại không đưa vào công thức cuối cần đạt Như làm giảm tính kinh tế tính xác phương pháp Do tiến hành số thí nghiệm nên khơng thể tìm điểm khác biệt, vấn đề mà q trình thí nghiệm địi hỏi Nếu khơng thực nhiều thí nghiệm khơng thể tìm quy luật giới hạn hẹp liệu đầu vào Phương pháp quy hoạch thực nghiệm nên áp dụng với liệu cách 1.3.2 Mơ hình xác định chế độ cơng nghệ tối ưu Bài tốn tối ưu thiết lập dựa vào mục đích người làm cơng nghệ Thơng thường mục đích cuối cần tìm chế độ công nghệ tối ưu chế độ công nghệ hợp lý để mở rộng khả công nghệ thiết bị Q trình thường có bước bao gồm thành lập toán tối ưu giải toán tối ưu Bài toán tối ưu thiết lập xác định rõ hàm mục tiêu định giới hạn biên Giải toán tối ưu sử dụng phương pháp truyền thống như: phương pháp Lagrang, Golden section, Karush-Kuhn-Tucker (KKT), Quasi-Newton phương pháp có nhược điểm lâu hội tụ đặc biệt với tốn có nhiều biến đầu vào Hiện phương pháp số hóa số phần mềm Mặt khác có số phương pháp sử dụng trí tuệ nhân tạo như: phương pháp GA với dạng biến thể MOSGA, NAGAI, NAGAII 1.4 Đánh giá phương pháp truyền thống xác định chế độ công nghệ tối ưu Mơ hình thiết lập mối quan hệ thực nghiệm truyền thống sử dụng tiêu chuẩn để xác định hàm toán học thực nghiệm tổng độ lệch bình phương khoảng cách điểm thực nghiệm điểm dự đốn E nhỏ Hình 1.5 thể đường quan hệ thực đo đường quan hệ dự đốn phương pháp i sai số tương đối điểm thực đo Aiđo điểm dự đốn phương pháp Aitt, ngồi tính đến độ phân tán sai số  Nhược điểm phương pháp sử dụng tiêu chuẩn độ lệch E nhỏ cảng tốt dẫn đến sai lệch tương đối điểm lớn độ phân tán lớn Cách tiếp cận theo tiêu chuẩn độ lệch E chưa thể đảm bảo tìm mối quan hệ tốt cho tập liệu thực nghiệm Vì cậy cách tiếp cận nâng cao khả dự đốn thay sử dụng tiêu chuẩn độ lệch E sử dụng tiêu chuẩn sai lệch trung bình điểm tb độ phân tán sai số  Một hàm quan hệ thực nghiệm dự đốn xác cao phải đảm bảo tb  nhỏ tốt 6 Trong q trình gia cơng y hay thu thập thông tin A1tt E1 sau gia công A1do tồn yếu tố không kiểm Đường quan hệ thực đo soát (yếu tố nhiễu) phương pháp xác Đường quan hệ dự đoán định mối quan hệ thực En nghiệm mà không ước lượng Aido Antt mức độ ảnh hưởng Ei yido nhiễu khó xác định yitt mối quan hệ thực nghiệm Ando Aitt có phản ánh chất mối quan hệ thông số công nghệ đến yếu xi x tố đầu hay không Nếu ước lượng mức độ Hình 1.5 Đường quan hệ thực nghiệm nhiễu lên kết đầu có dự đốn thể định tiếp tục thực tìm hàm hồi qui thực nghiệm hay dừng lại để tiến hành thí nghiệm lại với việc cải thiện điều kiện thí nghiệm Các phương pháp truyền thống quan tâm đến vấn đề làm hạn chế khả dự đốn xác phản ánh chất mối quan hệ thực nghiệm Thực chất người làm cơng nghệ khí khơng thiết lúc phải tối ưu biến V, S, t mà biến phụ thuộc vào giai đoạn công nghệ cụ thể (gia công thô, tinh) Do cần có cách tiếp cận phân tích mức độ ảnh hưởng yếu tố chế độ công nghệ đến đầu ra, sở định nên sử dụng yếu tố để thay đổi đưa biến vào toán tối ưu Nếu yếu tố ảnh hưởng đến đầu việc tham gia điều khiển yếu tố khơng có giá trị kinh tế cao cài đặt tính tốn giá trị cho yếu tố nhiều thời gian tài Từ phân tích thấy mơ hình thiết lập hàm quan hệ thực nghiệm tính tốn chế độ cơng nghệ tối ưu hạn chế, đặc biệt tương lai yêu cầu độ xác ngày khắt khe Do cần có cách tiếp cận làm tăng khả dự đoán mối quan hệ thực nghiệm, đánh giá ảnh hưởng nhiễu yếu tố thông số công nghệ đến hàm mục tiêu làm tiền đề định chọn biến cho toán tối ưu phương pháp giải bảo toán tối ưu làm tăng độ xác dự đốn 1.5 Các nghiên cứu nước ngồi nước Bài tốn tối ưu gia cơng khí thực chất khơng phải bồi tốn qui trình giải cho tốn tối ưu cịn tồn phân tích Trí tuệ nhân tạo ngành khoa học phát triển mạnh mẽ năm gần đây, hiệu ứng dụng trí tuệ nhân tạo lĩnh vực phụ thuộc vào khả ứng dụng mức độ ứng dụng người thực Hiện Việt Nam nghiên cứu ứng dụng trí tuệ nhân tạo vào tối ưu hóa q trình gia cơng khí hạn chế, chưa quan tâm phát triển Tuy nhiên ứng dụng khoa học trí tuệ nhân tạo lĩnh vực tối ưu q trình gia cơng khí nghiên cứu mạnh mẽ nước phát triển phân tích ký luận án KẾT LUẬN CHƯƠNG - Khảo sát tiêu đánh giá chất lượng gia công suất gia công - Xác định yếu tố công nghệ ảnh hưởng đến chất lượng bề mặt, suất gia cơng, mịn dụng cụ phay: vận tốc cắt, lượng tiến dao, chiều sâu cắt sở thấy điều khiển thông số chế độ cắt phương pháp hiệu để kiểm soát chất lượng gia công, nâng cao hiệu sử dụng thiết bị - Khảo sát ưu điểm, nhược điểm phương pháp truyền thống xác định mối quan hệ thực nghiệm tìm thơng số chế độ cắt tối ưu gia cơng khí sở đề xuất phương pháp tiếp cận xây dựng hàm quan hệ thực nghiệm xác định thông số chế độ cắt tối ưu xác hơn, đem lại hiệu khai thác thiết bị đảm bảo chất lượng gia cơng Chương 2: GIẢI PHÁP TRÍ TUỆ NHÂN TẠO VÀ ỨNG DỤNG 2.1 Phương pháp trí tuệ nhân tạo Bộ não người sản phẩm hoàn hảo tiến trình phát triển tiến hóa, có khả học tư sáng tạo Hiện nay, lĩnh vực điều khiển, người cố gắng tiếp cận não Trí tuệ nhân tạo ngành nghiên cứu để tiếp cận khả tư não khả học 2.2 Mạng nơron nhân tạo Hình 2.1 Hoạt động nơron sinh học 2.2.1 Mạng nơron sinh học Trên sở nhận thức người cấu tạo hệ thần kinh, qui luật nhận thức thu thập, tiếp nhận xử lý thông tin Các nơ ron xử lý thông tin từ cấp thấp dần chuyển lên cấp cao cuối định Với ưu điểm nơron não người xử lý song song, phân tán phi tuyến 2.2.2 Mơ hình mạng nơron nhân tạo 2.2.2.1 Mơ hình tốn học Trên sở cấu trúc, Lớp ẩn tiếp nhận xử lý thông Lớp ẩn Lớp vào tin mạng nơron sinh ij Wij u11 học thiết lập mơ hình Lớp rij mạng nơron nhân tạo X1=V u21 Hình 2.4 mơ Rz u1i hình mạng nơron nhân X2=S tạo với lớp ẩn Đầu u2i vào hay F u1j X3=t nhiều tín hiệu vào đầu có hay u2n Bias lớp nhiều tín hiệu Vậy u1m cần xác định thông số hệ thống để đảm bảo Bias lớp ẩn Bias lớp ẩn mối quan hệ có mức độ xác mong muốn Hình 2.4 Mơ hình mạng nơ ron nhân tạo 2.3 Logic mờ Lôgic mờ ( Fuzzy logic) phát triển từ lý thuyết tập mờ để thực lập luận cách xấp xỉ Trong toán kĩ thuật toán thực tế tồn biến số khơng thể định lượng xác mơ hình tính tốn logic mờ đại lượng mờ hóa Tập mờ lơgic mờ dựa thông tin không đầy đủ đối tượng để điều khiển đầy đủ đối tượng cách xác 2.4 Mạng mờ nơron Logic mờ dựa suy luận người lên trình suy luận tường minh, rõ ràng liệu vào ra, nhược điểm logic mờ khơng có khả học Dựa sở ưu nhược điểm mạng nơron logic mờ để kết hợp tạo hệ mờ nơron 2.4.1 Mô hình mạng mờ nơron Trên sở mơ hình tốn học hệ mờ mạng nơron xây dựng mô hình tốn học cho hệ mờ nơron với thành phần hình 2.8 với cấu trúc gồm lớp 9 Hình 2.8 mơ hình mạng mờ nơron 2.1 Trí tuệ nhân tạo tiến hóa Thuật tốn tiến hóa thường tập trung vào việc mơ q trình tiến hóa tự nhiên sinh vật để thơng qua tìm kiếm chế hay qui trình tìm nghiệm tối ưu, cịn Thuật tốn trí tuệ bầy đàn cố gắng xem xét hệ thống hay bầy đàn có sẵn tự nhiên để thu thập tính chất tối ưu chúng tạo phương pháp tìm kiếm tối ưu Thuật tốn “quần thể bầy ong nhân tạo” (artificial bees colony-ABC) dạng thuộc nhóm thuật tốn trí tuệ bầy đàn có khả khảo sát vùng không gian rộng lớn không gian nghiệm mà mác điểm tối ưu cục KẾT LUẬN CHƯƠNG - Tìm hiểu trí tuệ nhân tạo khả ứng dụng làm sở cho giải pháp luận án: mạng nơ ron nhân tạo, Logic mờ, mạng mờ nơ ron - Xác định mơ hình mạng mờ nơ ron thích hợp cho tốn tìm mối quan hệ thực nghiệm lĩnh vực qui hoạch thực nghiệm phân tích giải thuật lan truyền ngược xác định mơ hình tốn học mạng - Phân tích giải thuật đàn ong ABC làm tiền đề kết hợp giải thuật lan truyền ngược xác định tham số mơ hình tốn học mạng mờ nơ ron giải toán tối ưu xác định chế độ cắt Chương 3: PHƯƠNG PHÁP XÁC ĐỊNH CHẾ ĐỘ CẮT TỐI ƯU KHI GIA CÔNG TRÊN MÁY PHAY CNC 3.1 Xây dựng mơ hình xác định chế độ cắt tối ưu phay CNC Giải toán tối ưu cơng nghệ gia cơng khí lớp toán thực nghiệm, để giải vấn đề triệt để hàm mục tiêu giới hạn biên phải tiếp cận đến hàm thực nghiệm Cách tiếp cận đáp ứng yêu cầu công nghệ ngày xác khắt khe thời gian tới Trên sở thực cho loại vật liệu hệ thống công nghệ cụ thể mở rộng cho lớp dạng tương tự Với cách tiếp cận ứng 10 dụng giải pháp trí tuệ nhân tạo qui hoạch thực nghiệm Taguchi đưa qui trình xác định chế độ cắt tối ưu hình 3.1 bao gồm bước Bắt đầu Thiết kế ma trận thí nghiệm trực giao Taguchi Thực nghiệm thu thập liệu Thiết lập quan hệ thực nghiệm: mạng mờ nơ ron, giải thuật lan truyền ngược kết hợp ABC Thành lập toán tối ưu Phân tích thực nghiệm Taguchi: đánh giá mức độ ảnh hưởng chế độ cắt đến đầu nhiễu Xác định biến để giải toán tối ưu Giải tốn tối ưu: sử dụng giải thuật trí tuệ bầy đàn ABC In lưu kết tối ưu Kết thúc Hình 3.1 Sơ đồ tiến trình xác định chế độ công nghệ tối ưu 3.2 Ứng dụng mạng mờ nơron giải thuật ABC xác định mối quan hệ thực nghiệm chế độ cắt thông số đầu 3.2.1 Các tiêu đánh giá chất lượng mơ hình tốn học mạng Một mơ hình mạng có tham số mạng tốt giá trị sai số trung bình tb độ phân tán sai số  nhỏ tốt (tb, ), hay giá trị E nhỏ tốt Vì so sánh độ tốt hay xấu tham số mạng qua tiêu chuẩn sau: - So sánh giá trị (tb, ) tham số mạng - So sánh độ lệch trung bình bình phương E Nếu sử dụng tiêu E làm tiêu chuẩn so sánh, đánh giá độ tốt xấu tham số mạng điều kiện dừng cho tốn tìm tham số mạng 11 xảy số điểm liệu có sai lệch giá trị kết xuất mạng giá trị thực lớn Nó không phản ánh độ tập trung sai số hay phân tán sai số Mong muốn sai lệch cho điểm liệu phải nhỏ sai lệch khơng phân tán q rộng Nếu phân tán rộng độ chênh lệch sai số lớn nhỏ lớn gây độ xác dự đốn mối quan hệ khơng cao Ngược lại ưu điểm dùng tiêu chuẩn E làm tiêu chuẩn dừng q trình tính tốn đơn giản hơn, nhanh Nếu sử dụng giá trị sai số trung bình độ phân tán sai số làm tiêu chuẩn dừng cho tốn, qúa trình tính tốn nhiều lại cho khả điều chỉnh mô hình mạng xác với mơ hình thực tế Trong luận án sử dụng sai lệch E làm công cụ giảm sai số toàn mẫu dùng sai số trung bình, phương sai sai số làm tiêu chuẩn dừng cho toán 3.2.2 Giải thuật ABC, lan truyền ngược xác định tham số hệ thống mạng Các giá trị sai số i, tb, , E hàm quan hệ phụ thuộc vào tham số mạng, để xác định tham số w cho giá trị đầu mạng bám sát giá trị thực đo di, sử dụng hai giải thuật lan truyền ngược giải thuật Giải thuật lan truyền ngược sử dụng phương pháp giảm dốc Gradient điều chỉnh tham số hệ thống mạng, qua vòng lặp giá trị sai lệch E giảm Nhược điểm lớn giải thuật lan truyền ngược khả làm giảm sai lệch E phụ thuộc nhiều vào điểm khởi tạo ban đầu w0 hệ số học ưu điểm tốc độ hội tụ nhanh Nếu có điểm khởi tạo nghiệm ban đầu tốt cho đầu vào thuật tốn lan truyền ngược q trình hội tụ tiêu chuẩn dừng nhanh Giải thuật bầy ong nhân tạo dựa quan sát tự nhiên bầy ong tìm mật hoa Đàn ong với cá thể chia làm nhóm ong khác nhau: ong thợ, ong tìm kiếm, ong giám sát Ong thợ điều khắp nơi để tìm kiếm nguồn mật hoa, nguồn mật hoa đại diện cho nghiệm w toán ong thợ đảm nhiệm Số lượng ong thợ quần thể bầy ong số lượng nghiệm sử dụng để khám phá nghiệm tối ưu Ong giám sát trung tâm trao đổi thơng tin đón nhận thơng tin từ ong thợ đưa về, so sánh lượng mật hoa nguồn thức ăn định chọn nguồn mật để khai thác độ giàu có nguồn mật Nguồn mật giàu có có hội chọn để khai thác Ong tìm kiếm ong theo hướng để tìm nguồn thức ăn tìm thấy nguồn thức ăn ong biến thành ong thợ 12 Qui trình tìm mật hoa sử dụng để tìm nghiệm tối ưu cho toán tối ưu Với lý thuyết qui trình tìm kiếm mật hoa đàn ong ứng dụng để thành giải thuật tùy vào mục đích mức độ phức tạp tốn để thiết lập gải thuật cho tối ưu chiến lược thời gian thực thực thuật toán Thuật toán ABC có khả làm hội tụ xác không bị chết điểm cục địa phương Do để đảm bảo chiến lược thời gian độ xác xác định mơ hình tốn học mạng kết hợp hai giải thuật Giải thuật ABC tìm tham số hệ thống ban đầu cho giải thuật lan truyền ngược Quá trình kết hợp sử dụng ưu điểm giải thuật 3.2.3 Qui trình xác định mối quan hệ thực nghiệm Hình 3.11 thể sơ đồ thuật toán xác định mối quan hệ thực nghiệm Tham số hệ thống mơ hình tốn học mạng xác định mối quan hệ chế độ cắt đầu quan tâm giá trị trọng số w bao gồm tham số hàm liên thuộc giá trị tham số đánh giá mức độ tác động biến vào Quá trình luyện mạng q trình thực hai thuật tốn ABC lan truyền ngược điều chỉnh giá trị trọng số để giá trị kết xuất khỏi mạng bám giá trị thực đưa vào từ liệu 3.3 Đánh giá mức độ ảnh hưởng chế độ cắt đến thông số đầu phương pháp Taguchi Bắt đầu Đọc liệu vào Chuẩn hóa liệu Tách liệu luyện mạng liệu kiểm tra Nạp liệu vào luyện mạng mờ nơron Huấn luyện mạng tìm tham số hợp lý Thực giải thuật bầy ong ABC Thực giải thuật lan truyền ngược In lưu trữ tham số tốt Kết thúc Hình 3.11 Sơ đồ giải thuật xác định mối quan hệ thực nghiệm chế độ cắt thông số đầu 13 Tần suất Phương pháp Taguchi thiết kế MSD2 đánh giá mức độ ảnh hưởng MSD1 MSD1 > MSD2 yếu tố trình làm việc (S/N)2 (S/N)1