ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP TRẦN TRUNG DŨNG NGHIÊN CỨU HỆ MỜ NƠRON THEO MÔ HÌNH TAKAGI – SUGENO ĐỀ NHẬN DẠNG VÀ ĐIỀU KHIỂN ĐỐI TƯỢNG ĐỘNG HỌC PHI TUYẾN Chuyên ngành : Tự Động Hóa Mã số : TĨM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT THÁI NGUYÊN - 2013 Luận văn hồn thành trường Đại học Kỹ thuật Cơng nghiệp Thái Nguyên Cán HDKH : TS Đỗ Trung Hải Phản biện : TS Trần Xuân Minh Phản biện : PGS.TS Võ Quang Lạp Luận văn bảo vệ trước hội đồng chấm luận văn, họp tại: Phòng cao học số 2, trường Đại học Kỹ thuật Công nghiệp Thái Nguyên Vào 15 00 phút ngày 25 tháng 01 năm 2013 Có thể tìm hiểu luận văn Trung tâm Học liệu Đại học Thái Nguyên Thư viện trường Đại học Kỹ thuật Công nghiệp Thái Nguyên MỞ ĐẦU Tính cấp thiết đề tài Ngày với phát triển cơng nghệ vật liệu ngành khoa học khác phát triển không ngừng mang lại hiệu cao ứng dụng vào thực tế Với lĩnh vực tự động hoá lý thuyết mà nhà khoa học giới nước quan tâm nghiên cứu ứng dụng lý thuyết mờ, mạng nơron, điều khiển thích nghi, điều khiển tối ưu, điều khiển bền vững Đây vấn đề khoa học có từ vài thập niên, việc ứng dụng vào sản xuất, kết hợp chúng với để tạo quy luật điều khiển có đủ ưu điểm lý thuyết thành phần lĩnh vực khoa học cần quan tâm nghiên cứu Đối tượng điều khiển thực tế thường hệ phi tuyến với tham số đầy đủ trước Các tham số xác định bất định chịu ảnh hưởng nhiễu tác động Vì vậy, việc nghiên cứu ứng dụng lý thuyết mờ mạng nơron để xây dựng thuật toán nhận dạng điều khiển đối tượng phi tuyến nhằm phục vụ cho toán điều khiển cần thiết hướng nghiên cứu luận văn Mục đích nghiên cứu Việc điều khiển hệ thống theo yêu cầu mong muốn vấn đề tồn thực tế cần nghiên cứu giải Hiện phương tiện lý thuyết thực nghiệm cho phép thực toán nhận dạng điều khiển đối tượng phi tuyến với độ xác cao đáp ứng yêu cầu toán điều khiển Mục tiêu luận văn nghiên cứu nhận dạng điều khiển bám đối tượng; nghiên cứu mạng nơron; nghiên cứu lý thuyết mờ khả kết hợp chúng để nhận dạng điều khiển bám đối tượng động học phi tuyến Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu: - Xây dựng cấu trúc hệ mờ nơron theo mơ hình Takagi - Sugeno để nhận dạng điều khiển dạng đối tượng động học phi tuyến Ứng dụng kết để nhận dạng online điều khiển đối tượng thực tế Phạm vi nghiên cứu: - Khai thác nghiên cứu lý thuyết nhận dạng điều khiển đối tượng; mạng nơron; lý thuyết mờ nay, nhằm kết hợp lý thuyết để tìm cấu trúc, thuật tốn nhận dạng điều khiển đối tượng phi tuyến - Xây dựng mô hình mơ phần mềm Matlab Simulink Ý nghĩa khoa học thực tiễn đề tài Đây vấn đề khoa học, nhà khoa học giới nước quan tâm nghiên cứu Vấn đề nghiên cứu có tính ứng dụng thực tiễn tốn nhận dạng điều khiển ln quan tâm các toán điều khiển thực tế Đồng thời, với phát triển mặt công nghệ tạo thiết bị kỹ thuật cho phép thực thuật toán nhận dạng điều khiển phức tạp với khối lượng tính tốn lớn mà trước khó thực Kết cấu luận án Mở đầu Chương 1: Tổng quan nhận dạng; lý thuyết mờ; mạng nơron 1.1 Tổng quan nhận dạng 1.2 Tổng quan lý thuyết mờ 1.3 Tổng quan mạng Nơron Chương 2: Nhận dạng điều khiển đối tượng hệ mờ nơron theo mơ hình Takagi - Sugeno 2.1 Đặt vấn đề 2.2 Đối tượng phi tuyến 3.3 Ứng dụng hệ Mờ Nơron theo mơ hình Takagi - Sugeno để nhận dạng điều khiển đối tượng phi tuyến Chương 3: Mô kiểm chứng phần mềm Matlab Simulink 3.1 Lựa chọn hệ chuyển động cho việc mô 3.2 Mơ thuật tốn nhận dạng điều khiển với đối tượng robot khớp nối Kết luận CHƯƠNG TỔNG QUAN VỀ NHẬN DẠNG; LÝ THUYẾT MỜ; MẠNG NƠRON 1.1 Tổng quan nhận dạng 1.1.1 Định nghĩa Nhận dạng hệ thống xây dựng mơ hình tốn học hệ (cấu trúc - tham số) dựa liệu thực nghiệm đo Quá trình nhận dạng trình hiệu chỉnh tham số mơ hình cho tín hiệu mơ hình tiến tới tín hiệu đo hệ thống Khái niệm toán nhận dạng Zadch định nghĩa vào năm 1962 với hai điểm sau: - Nhận dạng phương pháp thực nghiệm nhằm xác định mơ hình cụ thể lớp mơ hình thích hợp sở quan sát tín hiệu vào - Mơ hình tìm phải có sai số với đối tượng nhỏ Theo định nghĩa tốn nhận dạng phải phân biệt với ba điểm chính, là: - Lớp mơ hình thích hợp Chẳng hạn lớp mơ hình tuyến tính khơng có cấu trúc (khơng biết bậc mơ hình) có cấu trúc, lớp loại mơ hình lưỡng tuyến tính - Loại tín hiệu quan sát (tiền định/ngẫu nhiên) - Phương thức mơ tả sai lệch mơ hình thực đối tượng 1.1.2 Sơ lược phát triển phương pháp nhận dạng 1.1.3 Các phương pháp nhận dạng hệ phi tuyến 1.2 Tổng quan lý thuyết mờ 1.3 Tổng quan mạng nơron CHƯƠNG NHẬN DẠNG VÀ ĐIỀU KHIỂN ĐỐI TƯỢNG BẰNG HỆ MỜ NƠRON THEO MƠ HÌNH TAKAGI - SUGENO 2.1 Đặt vấn đề Như biết hệ mờ mạng nơron có khả làm việc hệ thống khơng chắn, khơng xác điều kiện mơi trường khắc nhiệt Hệ thống mờ mạng nơron có nhiều ví dụ thực đánh giá so sánh chúng Mạng nơron logic mờ sử dụng thích hợp nhiều trạng thái biến đổi liên tục khơng có mơ hình tốn đối tượng có phức tạp cho việc đánh giá nhanh đầy đủ phép toán thời gian thực Ngày nhà thiết kế áp dụng rộng rãi có hệ thống logic mờ mạng nơron lĩnh vực điều khiển Ưu điểm hệ mờ làm việc tốt với kinh nghiệm chuyên gia thể cách có hệ thống qua luật mờ if-then, mạng nơron khả học sử lý song song Logic mờ mạng Nơron phần bổ sung cho Những nét đặc trưng hệ mờ mạng nơron cho phép tích hợp chúng lại, hình thành cách tiếp cận đầy triển vọng, hiệu đạt từ hai hệ Mờ-Nơron khắc phục nhược điểm chúng để kết hợp thành hệ thống Hệ thống có ưu điểm hai: mạng nơron (khả học, khả tối ưu hoá, kết nối cấu trúc) hệ mờ (Sự thông minh người qua luật mờ ifthen, thuận lợi việc am hiểu kiến thức chuyên môn cách chặt chẽ chuyên gia) Các hệ thống tích hợp học thích nghi, chúng học liên kết mới, tập mẫu hàm chức Mẫu chúng xuất phát từ kinh nghiệm chuẩn hóa lượng tử hố mẫu thay đổi thống kê tập đại diện nguyên mẫu tương đương Một cách khái quát, kết hợp mặt tiêu biểu hai công nghệ logic mờ mạng nơron trường hợp sau: Hệ mờ - nơron: Sử dụng mạng nơron cơng cụ mơ hình mờ Mạng nơron - mờ: Mờ hố mơ hình mạng nơron thông thường Hệ lai nơron - mờ: Hợp công nghệ mờ mạng nơron vào hệ thống lai Hệ mờ - nơron hệ mờ có phương pháp tiếp cận đặc trưng tự động điều chỉnh mạng nơron, khơng có thay đổi chức chúng (mờ hoá, giải mờ, suy luận mờ hàm logic mờ bản) Trong hệ thống này, mạng nơron sử dụng việc làm tăng trình xử lý tập mờ Mạng nơron - mờ giữ lại thuộc tính cấu trúc mạng nơron trình mờ hoá tạo từ nguyên lý chúng Trong mạng nơron - mờ, nơron “cứng” trở thành mờ đáp ứng lại có kích hoạt nơron lớp thấp Trong cách tiếp cận nơi mà hiểu biết hình thức hoá thuật ngữ tập mờ sau ứng dụng lớp nút mạng để nâng cao thuật toán học mạng nơron Hệ lai nơron - mờ: hai công nghệ logic mờ mạng nơron dùng tách biệt, thành lập hai hệ thống tách riêng thực công việc riêng chúng qua hàm chức khác hệ thống kết hợp Các hệ thống nơron - mờ sử dụng sức mạnh riêng chúng bổ sung cho có hiệu để đạt mục đích đề Chính nhờ vào ưu điểm Hệ Mờ - Nơron việc ứng dụng cơng tác nhận dạng hệ thống để phục vụ cho công tác điều khiển hệ thống chưa rõ thông số, cấu trúc hiệu Việc nghiên cứu hệ Mờ Nơron theo mơ hình Takagi - Sugeno để nhận dạng điều khiển đối tượng phi tuyến mạng lại nhiều lợi ích cho khoa học điều khiển 2.2 Đối tượng phi tuyến 2.2.1 Mô tả hệ phi tuyến 2.2.2 Mô hình tĩnh hệ phi tuyến 2.2.3 Mơ hình động hệ phi tuyến 2.3 Ứng dụng hệ Mờ Nơron theo mơ hình Takagi - Sugeno để nhận dạng điều khiển đối tượng phi tuyến 2.3.1 Bài toán nhận dạng Xét hệ mờ nơron với luật mờ Takagi - Sugeno (T-S) Giả sử luật mờ thứ j có dạng: j j if x1 is A1j and x is A and and x n is A n j j j then y = f j = a + a1jx1 + a x + + a n x n (2.12) Với: x i biến đầu vào y biến đầu Aij biến ngôn ngữ mệnh đề điều kiện với hàm liên thuộc µ Aij (x i ) a ij hệ số j = m; i = n Để đơn giản mà khơng tính tổng qt ta chọn hệ có đầu vào đầu với luật hợp thành R1 R2 Khi luật mờ T-S có dạng: 1 R1 : if x1 is A1 and x is A1 then y = f1 = a + a 1x1 + a x 2 (2.13) 2 2 R : if x1 is A1 and x is A then y = f = a + a x + a x (2.14) x ; x biến đầu vào Hàm đầu y xác định bởi: y = Với: µ1f1 + µ f µ1 + µ µ1 = µ A1 (x1 ).µ A1 (x ) (2.16) µ = µ A (x1 ).µ A2 (x ) (2.15) Mạng nơron thực luật mờ (2.13), (2.14) có cấu trúc hình 2.8: A 11 µ A1 (x1 ) x1 A 12 µ1 µ1 µA1 (x ) A2 µ A (x1 ) x2 µA2 (x ) lớp 2 µ2 µ2 A22 lớp ) y lớp lớp Hình 2.8: Cấu trúc mạng nơron theo luật mờ T-S Lớp 1: làm nhiệm vụ nhận tín hiệu vào lớp Bắt đầu (I) Gán giá trị trọng số đầu cho lớp mạng ( gọi chung Wcũ ) (II) Tính đạo hàm hàm mục tiêu sai lệch theo ∆W (III) Tính giá trị η hệ số học (IV) Gán giá trị cho mạng quay lại bước (II) (V) Kết thúc E ≤ ECP Hình 2.9: Lưu đồ cập nhật thơng số 11 2.3.2 Bài tốn điều khiển Sau nhận dạng đối tượng, dựa vào tham số đối tượng ta thiết kế điều khiển Giả thiết đối tượng điều khiển có dạng chuẩn khơng tính tổng qt xét hệ có dạng chuẩn gồm biến trạng thái có cấu trúc theo [9]: & x1 = x  & x = F(x) + G(x).u y = x  (2.24) Trong đó: x = (x1, x2); F(x); G(x) hàm nhận dạng hệ mờnơron Vấn đề đặt phải xác định tín hiệu điều khiển u để tín hiệu hệ thống bám theo tín hiệu mong muốn Từ (2.24) ta viết lại: & & y = x1 = x  & y & &= x = F(x) + G(x).u y = x  (2.25) Từ (2.25) xác định tín hiệu điều khiển u: u= & y ( &− F(x) ) G(x) (2.26) Trong (2.26) F(x) , G(x) xác định trình nhận dạng, & y ta phải xác định & ) Từ mơ hình nhận dạng, giá trị đầu mơ hình y , giả thiết đầu hệ trùng với đầu mơ hình nhận dạng đó: ) &= & & & y y 12 (2.27) u= & ) & y − F(x) G(x) ( ) (2.28) Gọi giá trị mong muốn (giá trị đặt) hệ y* Khi sai lệch đầu mong muốn đầu hệ là: ) e = y * −y (2.29) Với mong muốn e→0 khoảng thời gian hữu hạn Giả thiết e nghiệm phương trình vi phân tuyến tính: &+ α1e + α e = & & e (2.30) Từ (2.30) nghiệm phương trình đặc tính có phần thực âm e→0 sau khoảng thời gian hữu hạn Ở việc xác định hệ số α1, α2 (2.30) thực theo phương pháp gán điểm cực Từ (2.29), (2.30) ta có: ) &* −&+ α1e + α e = & & & y y (2.31) Thay (2.31) vào (2.28) ta tìm được: u= & & y ( &* + α 1e + α e − F(x) ) (2.32) G(x) Từ (2.32) ta thấy tham số đối tượng thay đổi, qua trình nhận dạng hàm, thay đổi theo dẫn đến tín hiệu điều khiển u thay đổi phù hợp với thay đổi đối tượng Cấu trúc tổng quát nhận dạng trực tuyến điều khiển hệ hình 2.10 13 HƯ ®éng häc phi tuyến mô hình y y* Bộ điều khiển với luËt (2.32) u y S x S (-) F(x) G(x) Mạng nơ ron Mạng nơ ron Hệ động häc phi tun thùc tÕ x1 x2 Hình 2.10: Mơ hình cấu trúc hệ nhận dạng điều khiển 14 y CHƯƠNG MÔ PHỎNG KIỂM CHỨNG BẰNG PHẦN MỀM MATLAB - SIMULINK 3.1 Lựa chọn hệ chuyển động cho việc mô Đặc điểm chung đa số hệ chuyển động thực tế hệ phi tuyến, có chứa tham số bất định phạm vi tốc độ biến thiên tham số khó xác định Có phần tử khối thiết bị khơng thể viết mơ hình tốn, khơng biết xác đầy đủ tín hiệu vào Robot khớp nối có phương trình động học (3.1) theo [9]: & x1 = x  g d  & [ x2 ] + u x =− sin(x1 ) + l ml ml  y = x1  (3.1) &  x1 = x Hay  & x = F(x1 , x ) − G(x1 , x ).u (3.2) & Với x1 = θ vị trí góc; x = θ vận tốc góc; m trọng lượng tay máy; l chiều dài tay máy; u mômen tác động vào hệ; d hệ số ma sát; g gia tốc trọng trường Cấu trúc điều khiển thực theo hình 2.10 Chọn tham số hệ phục vụ cho q trình mơ sau: m = kg; l = 1m; g = 9,8m/s2 ; d = kg m /s 15 3.2 Mơ thuật tốn nhận dạng điều khiển với đối tượng robot khớp nối 3.2.1 Cấu trúc nhận dạng điều khiển Hình 3.1: Sơ đồ cấu trúc nhận dạng điều khiển dùng matlab-simulink 3.2.2 Kết mơ 16 Với tín hiệu đặt có dạng y = sin(0,02t) [rad] 0.8 0.7 0.6 0.5 y* 0.4 y 0.3 0.2 e 0.1 -0.1 -0.2 10 15 20 25 [s] Hình 3.2: Tín hiệu mong muốn (tín hiệu đặt) y*, tín hiệu đối tượng y sai lệch e chúng mô thời gian 25 giây 17 [rad] 0.25 0.2 0.15 0.1 0.05 -0.05 -0.1 -0.15 -0.2 10 15 20 25 [s] Hình 3.3: Sai lệch e tín hiệu mong muốn (tín hiệu đặt) y*, tín hiệu đối tượng y mô thời gian 25 giây 18 [rad] [rad/s] 150 100 50 -50 -100 -150 -200 10 15 20 25 [s] Hình 3.4: Sự thay đổi theo thời gian tâm, độ rộng hàm liên thuộc giá trị aij mệnh đề kết luận trình nhận dạng online điều khiển thời gian 25 giây 19 [rad] 1.5 y y* trùng 0.5 e -0.5 -1 [s] 50 100 150 200 250 Hình 3.5: Tín hiệu mong muốn (tín hiệu đặt) y*, tín hiệu đối tượng y sai lệch e chúng mô thời gian 250 giây 20 [rad] 0.25 0.2 0.15 0.1 0.05 -0.05 -0.1 -0.15 -0.2 50 100 150 200 250 [s] Hình 3.6: Sai lệch e tín hiệu mong muốn (tín hiệu đặt) y*, tín hiệu đối tượng y mô thời gian 250 giây 21 [rad] [rad/s] 150 100 50 -50 -100 -150 -200 50 100 150 200 250 [s] Hình 3.7: Sự thay đổi theo thời gian tâm, độ rộng hàm liên thuộc giá trị aij mệnh đề kết luận trình nhận dạng online điều khiển thời gian 250 giây 22 KẾT LUẬN Đề tài nghiên cứu nhận dạng, lý thuyết mờ, mạng nơron để khái quát cấu trúc, luật học việc ứng dụng mạng nơron, lý thuyết mờ nhận dạng điều khiển phi tuyến Cụ thể, đề tài đề xuất hướng nghiên cứu dùng hệ mờ-nơron theo mơ hình T-S để nhận dạng điều khiển đối tượng động học phi tuyến Quá trình nhận dạng điều khiển online với hàm liên thuộc cập nhật biến thiên liên tục theo thông số hệ thống Trong cấu trúc hệ mờ-nơron: mạng nơron sử dụng công cụ mơ hình mờ, hệ mờ có phương pháp tiếp cận tự động mạng nơron Ở khơng có thay đổi chức hệ mờ mạng nơron dùng để tận dụng khả tính tốn xử lý liệu Cụ thể với cấu trúc hệ lớp lựa chọn số nơron lớp thích hợp đảm bảo tốc độ tính tốn nhanh cập nhật thích nghi thơng số để tối thiểu hoá sai lệch, mạng luyện theo phương pháp lan truyền ngược Sau huấn luyện mạng tri thức mạng đạt thông số hàm liên thuộc đầu vào đầu hệ Cấu trúc điều khiển theo hình 2.10 luật điều khiển có dạng (2.32) đảm bảo hệ ổn định bám theo quĩ đạo đặt không phụ thuộc vào điều kiện đầu Các kết phân tích lý thuyết mơ cho hệ phi tuyến dạng (3.1) robot khớp nối Qua kết mơ nhận thấy ta vừa nhận dạng trực tuyến vừa điều khiển hệ Qua kết mô cho thấy khả bám hệ theo quỹ đạo đặt tốt, sai lệch quỹ đạo đặt quỹ đạo thực nhỏ Các kết chứng tỏ tính đắn thuật toán mà luận văn nghiên cứu đề xuất 23 Tài liệu tham khảo [1] Nguyễn Như Hiển – Lại Khắc Lãi (2007), “Hệ Mờ & Nơron kỹ thuật điều khiển”, Nhà Xuất khoa học tự nhiên công nghệ, Hà Nội [2] Phan Xuân Minh – Nguyễn Doãn Phước (1999), “Lý thuyết điều khiển Mờ”, Nhà Xuất khoa học Kỹ thuật, Hà Nội [3] Nguyễn Doãn Phước – Phan Xuân Minh – Hán Thành Trung (2003), “Hệ phi tuyến”, Nhà Xuất khoa học Kỹ thuật, Hà Nội [4] Nguyễn Quốc Định – Phan Xuân Lễ (2010),“Nghiên cứu ứng dụng hệ Mờ – Nơron điều khiển mức chất lỏng hệ bồn đôi”, Tạp chí khoa học cơng nghệ, Đại học Đà Nẵng – Số 4(39), Trang 43–49 [5] Lê Bá Dũng (2005), “Mạng Nơron thích nghi mờ cho nhận dạng hệ điều khiển”, Tuyển tập báo cáo khoa học, VICA Trang 119– 124 [6] Nguyễn Phùng Quang (2003), “MATLAB & Simulink dành cho kỹ sư điều khiển tự động”, Nhà xuất Khoa học kỹ thuật, Hà Nội [7] Nguyễn Trọng Thuần, Đỗ Trung Hải (2007), “Ứng dụng lý thuyết mờ mạng nơron để nhận dạng động học hệ có tính phi tuyến mạnh”, Tạp chí Khoa học & công nghệ trường Đại học kỹ thuật, Số 60, Trang 21-26, Hà Nội [8] Nguyễn Trọng Thuần, Đỗ Trung Hải (2007), “Ứng dụng hệ mờ nơron tĩnh nhận dạng trực tuyến (online) điều khiển hệ phi tuyến”, Tạp chí Khoa học & cơng nghệ trường Đại học kỹ thuật, Số 61, Trang ( 611), Hà Nội 24 [9] Nguyễn Trọng Thuần, Đỗ Trung Hải (2011), “Ứng dụng hệ mờ nơron Takagi - Sugeno điều khiển bám hệ động học phi tuyến”, Hội nghị toàn quốc Điều khiển Tự động hoá - VCCA-2011, Trang ( 764767) 25 ... nghệ logic mờ mạng nơron trường hợp sau: Hệ mờ - nơron: Sử dụng mạng nơron công cụ mơ hình mờ Mạng nơron - mờ: Mờ hố mơ hình mạng nơron thơng thường Hệ lai nơron - mờ: Hợp công nghệ mờ mạng nơron. .. tượng phạm vi nghiên cứu Đối tượng nghiên cứu: - Xây dựng cấu trúc hệ mờ nơron theo mơ hình Takagi - Sugeno để nhận dạng điều khiển dạng đối tượng động học phi tuyến Ứng dụng kết để nhận dạng online... mờ; mạng nơron 1.1 Tổng quan nhận dạng 1.2 Tổng quan lý thuyết mờ 1.3 Tổng quan mạng Nơron Chương 2: Nhận dạng điều khiển đối tượng hệ mờ nơron theo mơ hình Takagi - Sugeno 2.1 Đặt vấn đề 2.2 Đối