Đang tải... (xem toàn văn)
Trong thời gian gần đây, sự ra đời của các giải thuật điều khiển thông minh ngày càng được sử dụng rộng rãi, mang lại hiệu quả và độ chính xác cao. Trong đó giải thuật di truyền (GA Genetic Algorithm) là một trong những công cụ để con người có thể giải quyết các bài toán điều khiển phức tạp, được ứng dụng khá phổ biến. Giải thuật di truyền là giải thuật tìm kiếm lời giải tối ưu trên nguyên tắc phỏng theo quá trình tiến hóa và qui luật di truyền của sinh vật trong tự nhiên. Mặc dù phạm vi áp dụng của giải thuật di truyền là những bài toán khó, những bài toán không tồn tại hoặc không có hiệu quả khi sử dụng các phương pháp giải khác nhưng xuất phát từ ý tưởng của học viên muốn xây dựng bộ điều khiển sử dụng giải thuật GA áp dụng cho đối tượng phi tuyến, nội dung của luận văn được trình bày để tìm hiểu, kiểm chứng và đánh giá ý tưởng này. Trong nội dung đề tài, giải thuật di truyền được sử dụng như là công cụ để giải quyết các bài toán tối ưu hóa hàm, ứng dụng trong việc chỉnh định thông số của một số bộ điều khiển cổ điển và trong điều khiển thích nghi đối với hệ phi tuyến – hệ bồn nước đơn. Bên cạnh quá trình mô phỏng, các kết quả chỉnh định và điều khiển sẽ được thực thi trong một hệ thống mô hình thực.
Trang ĐIỀU KHIỂN THÍCH NGHI HỆ BỒN NƢỚC DÙNG GIẢI THUẬT DI TRUYỀN TÓM TẮT Trong thời gian gần đây, đời giải thuật điều khiển thông minh ngày đƣợc sử dụng rộng rãi, mang lại hiệu độ xác cao Trong giải thuật di truyền (GA - Genetic Algorithm) công cụ để ngƣời giải toán điều khiển phức tạp, đƣợc ứng dụng phổ biến Giải thuật di truyền giải thuật tìm kiếm lời giải tối ƣu nguyên tắc theo trình tiến hóa qui luật di truyền sinh vật tự nhiên Mặc dù phạm vi áp dụng giải thuật di truyền toán khó, toán không tồn hiệu sử dụng phƣơng pháp giải khác nhƣng xuất phát từ ý tƣởng học viên muốn xây dựng điều khiển sử dụng giải thuật GA áp dụng cho đối tƣợng phi tuyến, nội dung luận văn đƣợc trình bày để tìm hiểu, kiểm chứng đánh giá ý tƣởng Trong nội dung đề tài, giải thuật di truyền đƣợc sử dụng nhƣ công cụ để giải toán tối ƣu hóa hàm, ứng dụng việc chỉnh định thông số số điều khiển cổ đ i ể n điều khiển thích nghi hệ phi tuyến – hệ bồn nƣớc đơn Bên cạnh trình mô phỏng, kết chỉnh định điều khiển đƣợc thực thi hệ thống mô hình thực Trang MỤC LỤC LỜI CẢM ƠN 05 TÓM TẮT 06 DANH MỤC HÌNH 10 DANH MỤC BẢNG 12 CHƢƠNG - TỔNG QUAN 13 1.1 Giới thiệu đề tài 13 1.1.1 Tổng quan đề tài 13 1.1.2 Mục tiêu đề tài 14 1.2 Cơ sở lý thuyết giải thuật di truyền 14 1.2.1 Tổng quan giải thuật di truyền 14 1.2.2 Thuật toán 15 1.2.3 Giải thuật di truyền 16 Lƣu đồ giải thuật điều khiển 16 Mã hóa giải mã 18 Hàm thích nghi 20 Chọn lọc tự nhiên 21 Lai ghép 23 Đột biến 27 Các thông số giải thuật di truyền 28 1.2.4 Giải thuật di truyền mã số thực 31 Mã hóa giải mã số thực 31 Lai ghép mã số thực 32 Đột biến mã số thực 33 Một số nhận xét 33 ƢƠNG - Đ ỀU ỂN T NG Ệ ỒN NƢỚ DÙNG GA 35 2.1 Khảo sát đối tƣợng hệ bồn nƣớc 35 2.1.1 Khảo s t hệ vật l đối tƣợng hệ bồn nƣớc 36 Trang 2.1.2 y dựng mô h nh to n hệ bồn nƣớc 37 Phƣơng trình vi phân hệ liên tục 37 Phƣơng trình sai phân hệ rời rạc 39 2.2 Ứng dụng GA chỉnh định thông số điều khiển 40 2.2.1 Đặt vấn đề 40 2.2.2 Phƣơng thức áp dụng GA chỉnh định thông số 41 2.2.3 Lƣu đồ giải thuật thực chỉnh định thông số điều khiển 41 2.2.4 Kết chỉnh thông số điều khiển PID dùng GA 43 Khi tín hiệu đặt 10cm 43 Khi tín hiệu đặt 20cm 43 Khi tín hiệu đặt 30cm 44 Khi tín hiệu đặt 10; 20; 30cm 44 2.3 Thuật to n điều khiển thích nghi hệ bồn nƣớc dùng GA 45 1.3.1 Nhận dạng ƣớc lƣợng thông số 45 Thu thập liệu 45 Chọn cấu trúc mô h nh 45 Ƣớc lƣợng thông số mô h nh 46 Đ nh gi mô h nh 47 2.3.2 Điều khiển thích nghi 47 2.3.3 Thuật to n điều khiển thích nghi dùng GA 48 Điều khiển thích nghi gi n tiếp 48 Lƣu đồ giải thuật 53 2.4 Kết mô b ng Matlab 55 2.4.1.Thông số bồn nƣớc không đổi 55 2.4.2 Lƣợng nƣớc khỏi bồn tăng lên 56 2.4.3 Lƣợng nƣớc vào bồn tăng lên 57 2.4.4 Nhiễu t c động lên bồn nƣớc 58 CHƢƠNG - Đ ỀU ỂN T NG N T 59 3.1 Thiết kế thi công mô hình thực 59 Trang 3.1.1 Khảo sát mô hình 59 3.1.2 Thiết kế thi công mô hình thực 59 Mô hình bồn nƣớc 60 Cảm biến điện trở 60 Card giao tiếp 61 Màn hình hiển thị 62 Bộ nguồn mạch lái 63 M y bơm 64 3.2 Kết mô mô hình thực 65 3.2.1 Kết mô 65 3.2.2 Kết điều khiển 66 ƢƠNG - KẾT QUẢ VÀ ƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 67 4.1 Kết 67 4.2 Hƣớng phát triển đề tài 68 TÀI LIỆU THAM KHẢO 69 Trang DAN Ụ N H nh 1.1 Lƣu đồ giải thuật di truyền 17 H nh 1.2 Mã hóa nhị ph n 18 H nh 1.3 Mã hóa thập ph n 19 H nh 1.4 Lai ghép điểm 24 H nh 1.5 Lai ghép nhiều điểm 25 H nh 1.6 Lai ghép 26 H nh 1.7 Đột biến điểm 28 H nh 1.8 Đột biến nhiều điểm 28 H nh 2.1 Mô h nh bồn nƣớc đơn 35 Hình 2.2 Mô h nh thực hệ bồn nƣớc đơn 36 H nh 2.3 H nh chiếu đứng mô h nh bồn nƣớc 37 Hình 2.4 Chỉnh định điều khiển PID dùng giải thuật di truyền 40 Hình 2.5 Giải thuật thực tối ƣu hóa thông số KP, KI KD 42 Hình 2.6 Chỉnh định thông số với tín hiệu đặt 10cm 43 Hình 2.7 Chỉnh định thông số với tín hiệu đặt 20cm 43 Hình 2.8 Chỉnh định thông số với tín hiệu đặt 30cm 44 Hình 2.9 Chỉnh định thông số với tín hiệu đặt 10; 20; 30cm 44 H nh 2.10 Điều khiển thích nghi gián tiếp dùng GA cho hệ bồn nƣớc 49 H nh 2.11 Lƣu đồ giải thuật điều khiển thích nghi dùng GA 54 Hình 2.12 Điều khiển thích nghi thông số bồn nƣớc không đổi 55 H nh 2.13 Điều khiển thích nghi thông số a (Cd) bồn nƣớc tăng lên 56 H nh 2.14 Điều khiển thích nghi thông số Kv bồn nƣớc tăng lên 57 H nh 2.15 Điều khiển thích nghi biên độ nhiễu ±3cm t c động 58 Hình 3.1 Sơ đồ cấu trúc phần cứng 59 Hình 3.2 Mô hình bồn nƣớc đơn 60 Hình 3.3 Card giao tiếp 61 Hình 3.4 Màn hình hiển thị 62 Hình 3.5 Bộ nguồn mạch lái 63 Trang Hình 3.6 M y bơm nƣớc 64 Hình 3.7 Kết mô mô hình thực 65 Hình 3.8 Kết điều khiển mô hình thực 66 DAN Ụ ẢNG Trang Bảng 1.1 Khả t m kiếm c c phép lai ghép thƣờng dùng 30 Bảng 3.1 Thông số vật l hệ bồn đơn 59 ƢƠNG - TỔNG QUAN Trang 1.1 G Ớ T ỆU VỀ ĐỀ TÀI 1.1.1 Tổng quan đề tài Ngày nay, với ph t triển khoa học công nghệ, phức tạp c c đối tƣợng điều khiển ngày tăng Thêm vào yêu cầu chất lƣợng điều khiển ảnh hƣởng c c yếu tố bất định yếu tố quan trọng ảnh hƣởng đ nh gi kết sản phẩm điều khiển Do đó, thời gian gần đ y, đời c c giải thuật điểu khiển thông minh ngày đƣợc sử dụng nhiều, mang lại hiệu độ x c Trong giải thuật di truyền c c công cụ để ngƣời giải c c to n phức tạp, đƣợc ứng dụng kh phổ biến Giải thuật di truyền (Genetic Algorithm - GA) giải thuật t m kiếm lời giải tối ƣu nguyên tắc theo qu tr nh tiến hóa qui luật di truyền sinh vật tự nhiên Ý tƣởng phƣơng thức giải thuật di truyền đƣợc John Holland đƣa năm 1975, dựa thuyết tiến hóa Darwin qui luật di truyền Mendel Giải thuật di truyền theo quan điểm thuyết tiến hóa cho r ng qu tr nh tiến hóa tự nhiên hoàn hảo hợp l Thế hệ sinh kế thừa ph t triển tốt c c đặc tính hệ trƣớc Đó kết qu tr nh: Chọn lọc tự nhiên, lai ghép đột biến Dựa tƣởng này, Holland x y dựng thành công giải thuật di truyền với chất to n học t m kiếm lời giải tối ƣu theo x c suất Hiện nay, kết giải thuật di truyền đƣợc sử dụng phổ biến nhiều lĩnh vực kh c nhau: Cực tiểu hàm, t m đƣờng tối ƣu cho Robot di động, đo tốc độ lƣu chất dùng phƣơng ph p xử l ảnh, nhận dạng mẫu, đ nh gi thành phần hóa chất, c c to n ph n tích đ nh gi hiệu kinh tế…Trong đó, giải thuật di truyền ứng dụng lĩnh vực điều khiển thông minh mang lại nhiều thành công hỗ trợ mạnh việc thực c c to n tối ƣu hóa c c thông số điều khiển Mặc dù phạm vi ứng dụng giải thuật di truyền to n khó, không tồn hiệu sử dụng c c phƣơng ph p kh c Nhƣng Trang dựa tƣởng nghiên cứu, học viên muốn x y dựng điều khiển sử dụng giải thuật di truyền Bên cạnh đó, việc x y dựng hệ thống thực với giải thuật điều khiển cụ thể yếu tố quan trọng đ nh gi khả công nghệ hiệu thực thi điều khiển Trong nội dung đề tài, học viện t m hiểu l thuyết c c phƣơng thức thực thi giải thuật di truyền, ứng dụng giải thuật để chỉnh định thông số điều khiển, điều khiển thích nghi hệ bồn nƣớc thực kết thông qua hệ thống mô h nh thực Qua tham khảo kiến thầy hƣớng dẫn, học viên thực đề tài với tên: ”Điều khiển thích nghi hệ bồn nƣớc dùng giải thuật di truyền” 1.1.2 ục tiêu đề tài Mục tiêu đề tài, đƣợc x c định nhƣ sau: - T m hiểu sở l thuyết giải thuật di truyền - Chỉnh định thông số điều khiển PID dùng GA - Ứng dụng giải thuật di truyền điều khiển thích nghi hệ phi tuyến bồn nƣớc đơn mô kết - Thực thi điều khiển hệ thống mô h nh thực 1.2 Ơ SỞ LÝ T UYẾT G Ả T UẬT D TRUYỀN 1.2.1 Tổng quan giải thuật di truyền [3], [12] Giải thuật di truyền nhƣ c c giải thuật tiến hóa nói chung, dựa quan điểm cho r ng: qu tr nh tiến hóa tự nhiên hoàn hảo nhất, hợp l tự mang tính tối ƣu Quan điểm hợp với thực tế, qu tr nh tiến hóa thể chỗ: hệ sau tốt (ph t triển hơn, hoàn thiện hơn) hệ trƣớc Tiến hóa tự nhiên đƣợc tr nhờ hai qu tr nh bản: sinh sản chọn lọc tự nhiên C c hệ đƣợc sản sinh để bổ sung thay thế hệ cũ C thể ph t triển hơn, thích ứng với môi trƣờng có nhiều khả tồn ph t triển, c thể không thích ứng với môi trƣờng bị đào thải Sự thay đổi môi trƣờng động lực qu tr nh tiến hóa Ngƣợc lại, tiến hóa t c động trở lại góp phần làm thay đổi môi trƣờng Trang 10 Các c thể sinh qu tr nh tiến hóa nhờ lai ghép hệ cha mẹ Một c thể mang tính trạng cha mẹ (di truyền) Di truyền đột biến hai chế có vai trò quan trọng nhƣ qu trính tiến hóa, dù r ng đột biến diễn với x c suất nhỏ nhiều so với di truyền GA nói riêng c c giải thuật tiến hóa nói chung có đặc điểm kh c biệt nhƣng mô ba qu tr nh bản: Chọn lọc tự nhiên, lai ghép đột biến GA phƣơng ph p tối ƣu hóa ngẫu nhiên tổng qu t, dùng để giải c c to n t m kiếm GA có số kh c biệt so với giải thuật tối ƣu hóa t m kiếm thông thƣờng: - Thứ nhất, GA làm việc với quần thể gồm nhiều nhiễm sắc thể (tập hợp nhiều lời giải), t m kiếm nhiều điểm cực trị lúc B ng c c phép to n di truyền, GA trao đổi thông tin đỉnh cực trị, hạn chế khả rơi vào cƣc trị cục (GA phƣơng ph p t m kiếm lời giải tối ƣu toàn cục) - Thứ hai, GA làm việc với chuỗi k hiệu (chuỗi nhiễm sắc thể) không làm việc với c c thông số - Thứ ba, GA cần đ nh gi hàm mục tiêu để định hƣớng qu tr nh t m kiếm mà không cần thông tin g kh c (nhƣ đạo hàm, điều kiện dàng buộc,…) Do c c đặc điểm trên, GA có khả giải hiệu c c to n t m cực trị hàm phi tuyến, không khả vi, không liên tục,… 1.2.2 Thuật toán GA điều khiển thực c c phƣơng thức kh c c c qu tr nh, nhƣng dựa tƣởng chủ đạo mã hóa tất c c thông số cần x c định thành chuỗi số (chuỗi nhiễm sắc thể), sau chọn c c c thể tốt nhờ hàm thích nghi, cho chúng lai ghép với để tạo hệ chứa c c nhiễm sắc thể tốt so với hệ trƣớc Trong qu tr nh tồn đột biến với xác suất nhỏ theo chiều hƣớng có lợi nh m tăng tính thích nghi (tăng đặc tính tốt c c thông số) GA dựa c c qu tr nh sau: họn lọc tự nhiên: Một quần thể (population) gồm nhiều c thể (individuals), có c thể thích nghi với môi trƣờng sống tồn ph t triển c thể không thích nghi bị đào thải Trang 52 ình 2.12 Điều khiển thích nghi thông số bồn nƣớc không đổi 2.4.2 Lƣ ng nƣớc khỏi bồn tăng lên: Khi thông số a (Cd) bồn nƣớc tăng lên c c thông số kh c giữ nguyên: Đ p ứng bồn nƣớc thay đổi, thời gian x c lập chậm xuất vọt lố Muc nuoc dat r(t) muc nuoc h(t) 30 r(t) va h(t) 25 20 15 10 r(t) h(t) 10 20 30 40 50 60 70 80 Tin hieu dieu khien u(t) 15 u(t) u(t) 10 10 20 30 40 50 60 70 80 time(giay) Muc nuoc h(t) va uoc luong cua h(t) h(t) va h.hat 400 h(t) h.hat 300 200 100 10 20 30 40 50 60 70 80 Ca the tot nhat: va va 1.5 0.5 10 20 30 40 time(giay) 50 60 70 80 Trang 53 Hình 2.13 Điều khiển thích nghi thông số a (Cd) bồn nƣớc tăng lên 2.4.3 Lƣ ng nƣớc vào bồn tăng lên: Khi thông số Kv bồn nƣớc tăng lên c c thông số kh c giữ nguyên: Đ p ứng bồn nƣớc thay đổi, thời gian x c lập nhanh xuất vọt lố Muc nuoc dat r(t) muc nuoc h(t) 30 r(t) va h(t) 25 20 15 10 r(t) h(t) 10 20 30 40 50 60 70 80 Tin hieu dieu khien u(t) 15 u(t) u(t) 10 10 20 30 40 50 60 70 80 time(giay) Muc nuoc h(t) va uoc luong cua h(t) h(t) va h.hat 400 h(t) h.hat 300 200 100 10 20 30 40 50 60 70 80 Ca the tot nhat: va va 1.5 0.5 10 20 30 40 time(giay) 50 60 70 80 Trang 54 ình 2.14 Điều khiển thích nghi thông số Kv bồn nƣớc tăng lên 2.4.4 Nhiễu tác động lên bồn nƣớc: Khi c c thông số bồn nƣớc không đổi có nhiễu biên độ ± 3cm t c động: Đ p ứng bồn nƣớc b m theo tín hiệu đặt Muc nuoc dat r(t) muc nuoc h(t) 30 r(t) va h(t) 25 20 15 10 r(t) h(t) 10 20 30 40 50 60 70 80 Tin hieu dieu khien u(t) 15 u(t) u(t) 10 10 20 30 40 50 60 70 80 time(giay) Muc nuoc h(t) va uoc luong cua h(t) h(t) va h.hat 400 h(t) h.hat 300 200 100 10 20 30 40 50 60 70 80 Ca the tot nhat: va va 1.5 0.5 10 20 30 40 time(giay) 50 60 70 80 Trang 55 ình 2.15 Điều khiển thích nghi biên độ nhiễu ±3cm tác động ƢƠNG - Đ ỀU ỂN T NG N T D NG G Ả T UẬT D TRUYỀN 3.1 T 3.1.1 ẾT Ế VÀ T NG N T hảo sát mô hình Bộ nguồn Mạch lái Cảm biến r(h) Card Giao tiếp ình 3.1 Sơ đồ cấu trúc phần cứng 3.1.2 Thiết kế thi công mô hình thực Mô h nh bồn nƣớc đơn ảng 3.1 Thông số vật l hệ bồn đơn Thông số Giá trị Đơn vị Chiều cao 30 cm Chiều dài đ y dƣới 25 cm Chiều rộng đ y dƣới 20 cm Chiều dài đ y 30 cm Trang 56 Chiều rộng đ y dƣới Cảm biến điện trở (trong h nh 3.2) 20 cm Trang 57 ình 3.2 Card giao tiếp ô hình bồn nƣớc đơn Trang 58 ình 3.3 ard giao tiếp Màn h nh hiển thị núm đặt b ng tay Trang 59 ình 3.4 Bộ nguồn mạch l i àn hình hiển thị núm đặt b ng tay Trang 60 Hình 3.5 ộ nguồn mạch lái M y bơm nƣớc Nguồn cung cấp để động làm việc nguồn chiều 12VDC công suất 1/4HP, lƣu lƣợng 300cm3/sec Trang 61 Hình 3.6 áy bơm nƣớc 3.2 KẾT QUẢ MÔ PHỎNG TRÊN MÔ HÌNH TH C 3.2.1 Kết mô Trang 62 Hình 3.7 Kết mô mô hình thực 3.2.2 Kết điều khiển Trang 63 Hình 3.8 Kết điều khiển mô hình thực ƢƠNG - KẾT QUẢ VÀ ƢỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 4.1 KẾT QUẢ Với kiến thức sở đƣợc trình bày chƣơng 1, đem lại nhìn Trang 64 tổng quan giải thuật di truyền Những kiến thức tạo tiền đề cho việc sử dụng công cụ GA nhƣ phƣơng thức tiếp cận giải toán tối ƣu nhiều khía cạnh, nhiều lĩnh vực khác Thông qua nghiên cứu thực luận văn, rút số nhận định khả năng, công dụng giải thuật di truyền lĩnh vực điều khiển Sau đây, học viên xin trình bày vài nhận xét đƣợc rút từ luận văn Giải thuật di truyền công cụ hỗ trợ mạnh việc tìm kiếm lời giải tối ƣu cho ứng dụng thực tế Việc ứng dụng giải thuật di truyền vấn đề điều khiển thực nhiều phƣơng thức khác Và cho dù thực b ng phƣơng thức phải tối ƣu hàm mục tiêu ( b ng h cực đạ i ho ặc cự c ti ều hà m th íc h n gh i đ ể tì m r a cá c th ôn g s ố ) Đó đặc điểm phù hợp với giải thuật điều khiển, mục tiêu điều khiển cuối phải đạt đƣợc tiêu chất lƣợng Từ kết công việc chỉnh định thông số điều khiển đƣợc đƣa chƣơng 2, khẳng định toán chỉnh định thông số ƣu điểm giải thuật di truyền Chỉ cần đƣa hàm mục tiêu chất lƣợng, ta tìm đƣợc thông số đảm bảo mục tiêu Tuy nhiên, bên cạnh chức giải thuật kết chỉnh định phụ thuộc nhiều vào điểm làm việc h 15cm chất đối tƣợng bồn nƣớc Rõ ràng c c điểm làm việc c ch xa điểm h 15cm , chất lƣợng hệ thống không tốt Đ p ứng hệ thống chậm có vọt lố Hàm ngẫu nhiên yếu tố định đến kết thực giải thuật di truyền Cùng thông số mô lần trƣớc, ta mô lần sau kết khác (trong phạm vi chấp nhận đƣợc) Vì thế, việc xây dựng hàm ngẫu nhiên phù hợp, GA cho kết tốt Với chất tìm kiếm qua nhiều hệ tiến hóa đòi hỏi giải thuật di truyền phải thực nhiều phép toán xác suất dẫn đến tốc độ xử lý chậm Khi chỉnh định thông số điều khiển thích nghi cho đối tƣợng thực, ta mô tả tƣơng đối xác đối tƣợng thực thông số đƣợc cập nhật tốt Trang 65 GA nhƣng chất lƣợng hệ thống đạt mức gần nhƣ mong muốn Ngoài nhận xét đây, trình thực luận văn học viên rút số nhận xét, đánh giá khách quan kết quả, đặc tính ứng dụng chủ đề đƣợc nêu 4.2 HƢỚNG PHÁT TRIỂN ĐỀ TÀI Vì giải thuật di truyền có nhiều ƣu điểm trực tiếp hay hỗ trợ tìm thông số b ộ điều khiển hay ƣớc lƣợng thông số đối tƣợng điều khiển Sau tìm hiểu ứng dụng giải thuật này, học viên xin trình bày số hƣớng phát triển đề tài khả thi lĩnh vực điều khiển Với tính tìm kiếm tối ƣu mình, giải thuật di truyền đƣợc dùng để chỉnh định thông số số điều khiển thông minh khác nhƣ điều khiển mờ hay điều khiển neuron Đối với điều khiển mờ, GA sử dụng nhƣ công cụ tìm kiếm thông số hàm liên thuộc hàm xử lý mờ Hơn nữa, việc tìm kiếm luật mờ thông thƣờng dựa vào kinh nghiệm hay đoán Nhƣng với GA, tìm luật mờ đƣa đƣợc hàm mục tiêu xác định cho luật mờ Đối với điều khiển dùng mạng neuron việc cập nhật hàm trọng số toán khó khăn Trong trƣờng hợp này, GA giải tốt vấn đề cập nhật, giúp cho việc “học” mạng neuron trở nên xác Đặc biệt, với giải thuật di truyền vận dụng linh hoạt vào mục tiêu tối ƣu hóa điều khiển tối ƣu, lĩnh vực điều khiển mà ngƣời hƣớng đến để đạt đƣợc kết mong đợi Bên cạnh ứng dụng chuyên ngành kể có toán lĩnh vực khác liên quan đến vấn đề tối ƣu, ta hoàn toàn sử dụng GA để nhận đƣợc kết tốt mà không cần đến phƣơng pháp toán học phức tạp khác TÀI LIỆU THAM KHẢO Trang 66 TIẾNG VIỆT [1] Bài giảng mô hình hóa nhận dạng – TS Huỳnh Thái Hoàng, 2006 [2] Bài giảng Trí Tuệ nhân tạo – TS Nguyễn Thiện Thành, 2004 [3] Hệ thống điều khiển thông minh - TS HuỳnhTháiHoàng, 2006 [4] Lý thuyết điều khiển đại – PGS.TS Nguyễn Thị Phương Hà, 2006 [5] Lý thuyết điều khiển tự động - PGS.TS Trần Hoài An, 2005 [7] Matlab ứng dụng điều khiển – TS Nguyễn Đức Thành, 2004 [6] Matlap Simulation – Tác giả Nguyễn Phùng Quang, 2006 [8] Sử dụng Matlap – PGS.TS Nguyễn Hữu Khương - PGS.TS Trần Hoài An, 1999 TIẾNG ANH [9] Adaptive Control System – Gang Feng & Rogelio Lozano , 1999 [10] Autotuning PID controller based on Improved Genetic Algorithm for reverse Osmosis Plant – Jing-Sun-Kim, Jin-HWan-Kin & Hoon Heo, 2006 [11] Fuzzy Control – Kevin M.Passino & StephenYurkovich.1996 [12] Genetic Algorithms for Control System Design Applications – Wendy Williams, 2001 [13] Genetic Algorithms in Neural Reinforcement Control-Pieter Spronck, 1996 ... l thuyết giải thuật di truyền - Chỉnh định thông số điều khiển PID dùng GA - Ứng dụng giải thuật di truyền điều khiển thích nghi hệ phi tuyến bồn nƣớc đơn mô kết - Thực thi điều khiển hệ thống... 44 H nh 2.10 Điều khiển thích nghi gián tiếp dùng GA cho hệ bồn nƣớc 49 H nh 2.11 Lƣu đồ giải thuật điều khiển thích nghi dùng GA 54 Hình 2.12 Điều khiển thích nghi thông số bồn nƣớc không... lý thuyết giải thuật di truyền 14 1.2.1 Tổng quan giải thuật di truyền 14 1.2.2 Thuật toán 15 1.2.3 Giải thuật di truyền 16 Lƣu đồ giải thuật điều khiển