Báo cáo Nghiên cứu thiết kế, chế tạo các phần tử và hệ thống điều khiển theo nguyên lý phỏng sinh học

BQP HVKTQS Bộ quốc phòng Học viện kỹ thuật quân sự Báo cáo tổng kết khoa học và kỹ thuật Đề tài Nghiên cứu thiết kế, chế tạo các phần tử và hệ thống điều khiển theo nguyên lý phỏng sinh học Mã số: KC.03-09 PGS. TS. Nguyễn Tăng C−ờng 5856 05/6/2006 Hà nội, 2004 Bản quyền 2004 thuộc HVKTQS Đơn xin sao chép toàn bộ hoặc từng phần tài liệu này phải gửi đến Giám Đốc HVKTQS, trừ tr−ờng hợp sử dụng với mục đích nghiên cứu. Bộ quốc phòng Học viện kỹ thuật quân sự Báo cáo tổng kết khoa học và kỹ thuật Đề tài Nghiên cứu thiết kế, chế tạo các phần tử và hệ thống điều khiển theo nguyên lý phỏng sinh học Mã số: KC.03-09 PGS. TS. Nguyễn Tăng C−ờng Hà nội, 2004 Bản thảo viết xong năm 2004 Tài liệu này đ−ợc chuẩn bị trên cơ sở kết quả thực hiện Đề tài cấp Nhà N−ớc, mã số KC.03-09. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 1 1. phần đầu báo cáo. danh sách những ng−ời thực hiện. TT Họ và tên Cơ quan công tác Tham gia vào mục A Chủ nhiệm đề tài PGS, TS Nguyễn Tăng C−ờng Học viện Kỹ thuật Quân sự Ch−ơng 1,2,3 B Cán bộ tham gia nghiên cứu 1 TS Đàm Hữu Nghị Học viện Kỹ thuật Quân sự Mục 7.1 2 TS Lê Chung Học viện Kỹ thuật Quân sự Ch−ơng 6 3 TS Chu Hồng Sơn Quân chủng PK-KQ Mục 8.1 4 PGS, TS Lê Hùng Lân Đại học Giao Thông Vận Tải Ch−ơng 12 5 PGS, TS Thái Quang Vinh Viện CNTT Ch−ơng 11 6 Th.S Trần Quốc Hiệp Học viện Kỹ thuật Quân sự Mục 7.2; 10.1 Ch−ơng 9 7 Th.S Hàn Vũ Hải Học viện Kỹ thuật Quân sự Mục 8.2 8 KS Nguyễn Vũ Hoài Nam Học viện Kỹ thuật Quân sự Ch−ơng 4,5 Mục 10.2; 10.3 Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 2 Bản tự đánh giá Về tình hình thực hiện và những đóng góp mới của đề tài KH&CN cấp nhà n−ớc 1. Tên đề tài: Nghiên cứu, thiết kế chế tạo các phần tử và hệ thống điều khiển theo nguyên lý phỏng sinh học. • Mã số: KC.03-09 2. Thuộc ch−ơng trình: Nghiên cứu khoa học và phát triển công nghệ Tự động hóa, mã số KC.03 3. Chủ nhiệm đề tài: PGS, TS Nguyễn Tăng C−ờng 4. Cơ quan chủ trì đề tài: Học viện Kỹ thuật Quân sự 5. Thời gian thực hiện (BĐ-KT): 10/2001 – 10/2004 6. Tổng kinh phí thực hiện: 2500 triệu đồng Trong đó kinh phí từ ngân sách Nhà n−ớc: 2500 triệu đồng 7. Tình hình thực hiện đề tài: 7.1 Về mức độ hoàn thành khối l−ợng công việc: Nội dung nghiên cứu chính: - Nghiên cứu lý thuyết, xây dựng các thuật toán làm việc của hệ điều khiển phỏng sinh học (nơron, fuzzy, thích nghi…) và các ph−ơng pháp mô phỏng kiểm chứng trên máy tính (nghiên cứu dùng các công cụ mô phỏng MatLab, LabView…). - Nghiên cứu, thiết kế xây dựng hệ thống điều khiển các quá trình kỹ thuật công nghệ đa tham số phức tạp (hệ thống thiết bị kỹ thuật đặc biệt) sử dụng nguyên lý điều khiển phỏng sinh học. - Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay. - Nghiên cứu xây dựng hệ thống nhận dạng, xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron - Nghiên cứu, xây dựng các phần tử điều khiển (sử dụng kỹ thuật DSP, ASIC, MicroController, PC104…) và ch−ơng trình máy tính mô phỏng về điều khiển phỏng sinh học phục vụ huấn luyện và đào tạo. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 3 Tất cả các công việc thuộc các hạng mục đã đăng ký nêu trên của đề tài đều đã đ−ợc thực hiện nghiêm túc và đầy đủ. Hoàn thành 100%. 7.2 Về các yêu cầu khoa học và chỉ tiêu cơ bản của các sản phẩm KHCN: TT Tên sản phẩm Yêu cầu khoa học Kết quả đạt đ−ợc A. 1. 2. 3. Cụm sản phẩm thứ nhất: -Hệ thống điều khiển các quá trình kỹ thuật công nghệ đa tham số phức tạp (hệ thống thiết bị kỹ thuật đặc biệt) sử dụng nguyên lý ĐKPSH trên máy PC Kèm theo hệ thống này là các sản phẩm phần mềm ch−ơng trình máy tính sau: Ch−ơng trình máy tính công cụ phát triển ĐKPSH (điều khiển mờ) các quá trình KTCN đa tham số phức tạp trên PC. Ch−ơng trình máy tính ứng dụng ĐKPSH các quá trình KTCN đa tham số phức tạp trong thiết bị kỹ thuật đặc biệt -Xây dựng quá trình thiết kế. -Đáp ứng các chuẩn quốc tế về giao diện đo-điều khiển. -Thiết kế, chế tạo hệ điều khiển dùng nguyên lý ĐKPSH áp dụng thực tế. -Đa năng cho ứng dụng thực tế -Đáp ứng các chuẩn quốc tế về giao diện đo-điều khiển -Cài đặt thuật toán ĐKPSH -L−u đồ ch−ơng trình, phần mềm gốc. -Đáp ứng nhu cầu thực tế. -Hệ mở, đáp ứng chuẩn giao diện quốc tế đo-điều khiển Đáp ứng các yêu cầu khoa học (chi tiết xem kết quả kiểm định) Đáp ứng các yêu cầu khoa học Đáp ứng các yêu cầu khoa học Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 4 B. 4. 5. Cụm sản phẩm thứ hai: Hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm hệ điều khiển thiết bị bay. Kèm theo hệ thống này là sản phầm ch−ơng trình máy tính sau: Ch−ơng trình mô phỏng quá trình điều khiển thiết bị bay trên máy tính -Xây dựng ph−ơng pháp thuật toán mô phỏng bán tự nhiên thời gian thực. -Xây dựng thiết bị phần cứng mô phỏng bán tự nhiên thời gian thực. -Các ch−ơng trình máy tính công cụ phát triển mô phỏng tín hiệu ảnh động, tín hiệu rađa thời gian thực. -Khả năng ghép nối thử nghiệm với hệ điều khiển thiết bị bay thực tế -Mô phỏng t−ơng đ−ơng sát điều kiện thực tế. -Khả năng đánh giá các tham số và cấu trúc hệ điều khiển thực tế. Đáp ứng các yêu cầu khoa học (chi tiết xem kết quả kiểm định) Đáp ứng yêu cầu khoa học C. 6. Cụm sản phẩm thứ ba: Hệ thống nhận dạng, xử lý tín hiệu điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron -Đáp ứng yêu cầu kỹ-chiến thuật hệ điều khiển thiết bị bay. -Tổ hợp thiết bị Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 5 7. Kèm theo hệ thống này là các sản phẩm ch−ơng trình máy tính sau: Ch−ơng trình máy tính ứng dụng sử dụng ĐKPSH cho hệ thống điều khiển thiết bị bay thực tế phần cứng nhận dạng, xử lý, xác định tọa độ mục tiêu bay. -Khả năng ghép nối tổ hợp điều khiển thiết bị bay thực tế. -Cài đặt các ch−ơng trình máy tính ứng dụng với thuật toán ĐKPSH. -Đáp ứng làm việc thời gian thực. -Đáp ứng yêu cầu kỹ-chiến thuật đài điều khiển TLPK Đáp ứng yêu cầu khoa học D. 8. Cụm sản phẩm thứ t−: Các phần tử điều khiển phỏng sinh học và các ch−ơng trình máy tính mô phỏng phục vụ huán luyện đào tạo. Các controller thông minh dùng PC-104 với các công cụ phát triển ĐKPSH. -Đáp ứng chuẩn quốc tế giao diện PC-104. -Khả năng cài đặt phát triển các thuật toán ĐKPSH. -Có h−ớng dẫn huấn luyện sử dụng. Đáp ứng yêu cầu khoa học Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 6 9. 10. Kèm theo các controller này là sản phẩm phần mềm: Ch−ơng trình máy tính công cụ để phát triển ĐKPSH trên cơ sở hệ nhúng PC-104 Các ch−ơng trình máy tính mô phỏng phục vụ huấn luyện đào tạo về ĐKPSH (07 ch−ơng trình) Thử nghiệm phục vụ huấn luyện đào tạo. -Cài đặt thuật toán PID, fuzzy, nơron. -Tính đa năng cho ứng dụng. -Đáp ứng chuẩn quốc tế về giao diện PC-104 -Đảm bảo các kiến thức cơ sở. -H−ớng dẫn sử dụng từ đơn giản đến phức tạp. -Khả năng mở rộng phát triển. Đáp ứng yêu cầu khoa học. Đáp ứng yêu cầu khoa học. Chất l−ợng của các sản phẩm của đề tài KC.03-09 theo yêu cầu khoa học đã đ−ợc: + Kiểm nghiệm, nhất trí thông qua của Hội đồng cơ sở nghiệm thu từng sản phẩm đề tài (có biên bản kèm theo) + Xác nhận của đơn vị sử dụng các sản phẩm đã đ−ợc đ−a vào ứng dụng thực tế (có chứng nhận kèm theo). 7.3 Về tiến độ thực hiện: Hoàn thành tiến độ trong khuôn khổ đ−ợc phép bổ xung thời gian của đề tài. 8. Về những đóng góp mới của Đề tài: Trên cơ sở mục tiêu và kết quả của đề tài: Học tập, nắm bắt và xây dựng cơ sở kỹ thuật thiết kế, chế tạo các phần tử, hệ thống điều khiển phỏng sinh học với triển khai ứng dụng phục vụ một số nhu cầu thực tế, so sánh phần này với các kết Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 7 quả của các đề tài nghiên cứu khoa học trong n−ớc đã triển khai, đề tài KC.03-09 có các đặc điểm mới sau đây: 1. Về mặt lý thuyết và ph−ơng pháp luận về tổ chức hệ thống điều khiển phỏng sinh học: Đề tài đã nghiên cứu về mặt lý luận và về kinh nghiệm ứng dụng ĐKPSH trong n−ớc và quốc tế. Trong đó tập trung ở các ph−ơng pháp ĐKPSH có nhiều ứng dụng trong công nghiệp (hệ điều khiển PID mở rộng với sử dụng điều khiển mờ, thích nghi, nơron). [L−u ý là ở Nhật hiện 84% các bộ điều khiển sử dụng điều khiển PID]. 2. Triển khai áp dụng các nguyên lý điều khiển mờ trong ứng dụng thực tế: Thiết kế chế tạo hệ thống điều khiển các quá trình kỹ thuật - công nghệ đa tham số phức tạp cho hệ các thiết bị kỹ thuật đặc biệt, kèm theo hệ thống này đề tài đã ứng dụng thành công với kiểm nghiệm trong thực tế các sản phẩm phần mềm sau: - Ch−ơng trình máy tính công cụ ứng dụng để phát triển ĐKPSH (điều khiển mờ) các quá trình kỹ thuật công nghệ đa tham số phức tạp trên cơ sở máy tính PC cho thiết bị kỹ thuật đặc biệt. - Ch−ơng trình máy tính ứng dụng cho hệ thống ĐKPSH các quá trình kỹ thuật công nghệ đa tham số phức tạp (Thiết bị kỹ thuật đặc biệt). 3. Xây dựng hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm một số phần tử cấu thành hệ điều khiển thiết bị bay (Tạo tín hiệu xung Rada và ảnh Video – Camera mục tiêu bay). Kèm theo hệ thống này là phần mềm máy tính. Ch−ơng trình mô phỏng bán tự nhiên thời gian thực các tín hiệu mục tiêu bay trên máy tính để thử nghiệm hệ xác định tọa độ bay và các thông số điều khiển. 4. Xây dựng hệ thống nhận dạng, xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron. (Phần nhận dạng đ−ợc hiện ở đề tài KC.01-12, không nằm trong yêu cầu Hợp đồng đề tài KC.03-09). Kèm theo hệ thống này đề tài đã kiểm nghiệm và ứng dụng sản phẩm phần mềm: Ch−ơng trình máy tính ứng dụng ĐKPSH cho hệ thống điều khiển thiết bị bay. (Tự động xác định các toạ độ mục tiêu bay theo tín hiệu xung rada và ảnh Video – Camera) 5. Các sản phẩm phục vụ huấn luyện đào tạo về ĐKPSH bao gồm các kết quả sau: - Xây dựng phần tử ĐKPSH trên cơ sở hệ nhúng PC104, trong đó đề tài đã kiểm nghiệm và ứng dụng thành công: Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 8 + Xây dựng cấu hình phần cứng bộ điều khiển thông minh dùng PC104 + xây dựng ch−ơng trình máy tính công cụ để phát triển hệ ĐKPSH trên cơ sở hệ nhúng PC104 - Các ch−ơng trình máy tính mô phỏng phục vụ đào tạo ĐKPSH cho sinh viên, cao học, nghiên cứu sinh (07 bộ ch−ơng trình mô phỏng) 6. Đề tài hoàn thành v−ợt mức các chỉ tiêu về các công trình đăng trên các tạp chí KHKT, Hội nghị Khoa học về h−ớng sử dụng ĐKPSH (trên 10 bài): 30 bài - In phát hành 02 sách KHKT - Các đồ án tốt nghiệp đại học, luận văn cao học: trên 20 - Số l−ợng các luận văn và nghiên cứu sinh về ĐKPSH: trên 09 ng−ời (trong đó 03 nghiên cứu sinh đã bảo vệ thành công luận án tiến sĩ ở Hội đồng Nhà n−ớc) 9. Kết luận: Đề tài KC.03-09 “Nghiên cứu, thiết kế chế tạo các phần tử và hệ thống điều khiển theo nguyên lý phỏng sinh học” đã thựchiện đầy đủ các nội dung yêu cầu của hợp đồng nghiên cứu khoa học và phát triển công nghệ số: 09/2001/HĐ-ĐTCK-KC.03 ngày 25/10/2001 và các yêu cầu của Bộ Khoa học Công nghệ, Bộ Tài chính, Ban Chủ nhiệm ch−ơng trình nghiên cứu khoa học và phát triển công nghệ Tự động hóa KC.03. Cơ quan chủ trì đề tài Học viện Kỹ thuật Quân sự đề nghị Bộ Khoa học Công nghệ, các cơ quan quản lý cấp trên cho phép đ−ợc bảo vệ đề tài theo qui định. Nhóm đề tài xin trân trọng cám ơn! Chủ nhiệm đề tài (Họ tên và chữ ký) PGS, TS Nguyễn Tăng c−ờng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 9 1.1 bài tóm tắt. Học viện Kỹ thuật Quân sự xin trân trọng cảm ơn Bộ Khoa học và Công nghệ, Bộ Quốc phòng đã tạo điều kiện để Học viện thực hiện đề tài này. Bản báo cáo trình bày một cách hệ thống quá trình nghiên cứu phát triển một số vấn đề về thiết kế, chế tạo các phần tử, hệ thống điều khiển theo nguyên lý phỏng sinh học (PSH). Hiện nay việc xây dựng các hệ thống điều khiển với áp dụng các nguyên lý điều khiển PSH đang trở nên cần thiết do khả năng ứng dụng rộng lớn của nó trong các hệ thống thông minh. Các nguyên lý điều khiển PSH đang đ−ợc phát triển và sử dụng rộng rãi là: Các nguyên lý điều khiển mờ, điều khiển thích nghi, điều khiển với sử dụng mạng Nơron nhân tạo … Nhằm mục đích nghiên cứu, phát triển ứng dụng một số vấn đề điều khiển PSH, đề tài đã tổ chức nghiên cứu các nội dung khoa học với các kết quả đ−ợc trình bày bao gồm các phần chính sau: Ch−ơng 1. Tổng quan về điều khiển PSH Phần 1: Nghiên cứu xây dựng hệ thống điều khiển các quá trình kỹ thuật công nghệ đa tham số phức tạp trong (hệ thống thiết bị kỹ thuật đặc biệt) sử dụng nguyên lý điều khiển PSH Phần 1 bao gồm các ch−ơng sau đây: Ch−ơng 2: Khái quát chung về hệ thống thiết bị kỹ thuật đặc biệt (TBKTĐB) Ch−ơng 3: Tổ chức các cấu hình phần cứng cho hệ thống TBKTĐB Ch−ơng 4: Ch−ơng trình máy tính ứng dụng cho hệ thống điều khiển PSH các quá trình kỹ thuật công nghệ đa tham số phức tạp Ch−ơng 5: Ch−ơng trình công cụ phát triển các hệ thống điều khiển PSH theo nguyên lý logic mờ trên cơ sở máy tính PC Phần 2: Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay Phần 2 bao gồm các ch−ơng sau đây: Ch−ơng 6: Cấu trúc hệ thiết bị mô phỏng bán tự nhiên thời gian thực Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 10 Ch−ơng 7: Ch−ơng trình máy tính mô phỏng tín hiệu và quá trình điều khiển thiết bị bay. Kết luận: Hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm hệ điều khiển. Phần 3: Nghiên cứu xây dựng hệ thống nhận dạng xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý Fuzzy-Nơron Phần 3 bao gồm các ch−ơng sau đây: Ch−ơng 8: Khái quát về hệ tự động bám sát toạ độ mục tiêu hệ điều khiển thiết bị bay (TBB) Ch−ơng 9: Tổ chức thiết bị hệ nhận dạng xử lý tín hiệu – điều khiển TBB Ch−ơng 10: Ch−ơng trình máy tính ứng dụng sử dụng điều khiển PSH cho hệ điều khiển TBB Phần 4: Nghiên cứu xây dựng các phần tử điều khiển PSH và các ch−ơng trình máy tính mô phỏng phục vụ huấn luyện và đào tạo. Phần này bao gồm các ch−ơng sau đây: Ch−ơng 11: Xây dựng hệ Controller thông minh dùng PC-104 với các công cụ phát triển nguyên lý điều khiển PSH Ch−ơng 12: Các ch−ơng trình máy tính mô phỏng phục vụ đào tạo về điều khiển PSH trong các tr−ờng đại học Sau 03 năm nghiên cứu và tổ chức thực hiện, trên cơ sở những kết quả đã đạt đ−ợc, đề tài KC.03-09 xin tự nhận xét nh− sau: - H−ớng nghiên cứu đề tài đã chọn là đúng đắn - Đề tài hoàn thành tốt các mục trên đã đề ra theo đúng bản thuyết minh đề tài và hợp đồng đã ký với Bộ KH&CN. - Đề tài đã đ−ợc triển khai thực hiện hoàn thành tiến độ trong khuôn khổ đ−ợc phép bổ xung thời gian của ch−ơng trình và Bộ KHCN. - Các kết quả nghiên cứu của đề tài có ý nghĩa khoa học, kinh tế – xã hội đối với đất n−ớc, đặc biệt là trong lĩnh vực an ninh quốc phòng. - Các kết quả nghiên cứu của đề tài có khả năng ứng dụng cao trong thực tế. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 11 1.2 Mục lục Trang nhan đề. 1. Phần đầu báo cáo. Danh sách những ng−ời thực hiện. 1 Bản tự đánh giá về tình hình thực hiện và những đóng góp mới của đề tài KH&CN cấp nhà n−ớc 2 1.1. Bài tóm tắt. 9 1.2. Mục lục. 11 2. Phần chính báo cáo. 2.1. Lời mở đầu. 13 2.2. Nội dung chính báo cáo. 16 2.2.1. Tổng quan tình hình nghiên cứu ngoài n−ớc và trong n−ớc. 16 2.2.2. Lựa chọn đối t−ợng nghiên cứu. 18 2.2.3. Những nội dung đã thực hiện. 20 Ch−ơng 1. Tổng quan về điều khiển phỏng sinh học 21 phần 1. Hệ thống điều khiển các quá trình công nghệ đa tham số phức tạp trong hệ thống thiết bị kỹ thuật đặc biệt sử dụng nguyên lý đkpsh Ch−ơng 2. Khái quát chung về hệ thống thiết bị kỹ thuật đặc biệt 84 Ch−ơng 3. Tổ chức cấu hình phần cứng cho hệ thống thiết bị kỹ thuật đặc biệt 88 Ch−ơng 4. Ch−ơng trình máy tính ứng dụng cho hệ thống ĐKPSH các quá trình kỹ thuật công nghệ đa tham số phức tạp 96 Ch−ơng 5. Ch−ơng trình công cụ phát triển các hệ thống ĐKPSH theo nguyên lý logic mờ trên cơ sở máy tính PC 122 phần 2. Hệ thống mô phỏng bán tự nhiên thời gian thực phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay Ch−ơng 6. Cấu trúc hệ thiết bị mô phỏng bán tự nhiên thời gian thực 137 Ch−ơng 7. Ch−ơng trình máy tính mô phỏng tín hiệu và quá trình điều khiển thiết bị bay 156 Kết luận: Hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm hệ điều khiển. 183 Phần 3. Hệ thống nhận dạng xử lý tín hiệu - điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron 187 Ch−ơng 8. Khái quát về hệ tự động bám sát tọa độ mục tiêu hệ điều khiển thiết bị bay 189 Ch−ơng 9. Tổ chức thiết bị hệ nhận dạng xử lý tín hiệu - điều khiển thiết bị bay 194 Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 12 Ch−ơng 10. Ch−ơng trình máy tính ứng dụng sử dụng ĐKPSH cho điều khiển thiết bị bay 209 Phần 4. nghiên cứu xây dựng các phần tử đKPSH, các ch−ơng trình máy tính mô phỏng phục vụ huấn luyện và đào tạo 249 Ch−ơng 11. Xây dựng hệ controller thông minh dùng PC104 với các công cụ phát triển nguyên lý ĐKPSH 250 Ch−ơng 12. Các ch−ơng trình máy tính mô phỏng phục vụ đào tạo về ĐKPSH trong các tr−ờng đại học 273 2.2.4. Tổng quát hoá và đánh giá kết quả thu đ−ợc. 290 2.3. Kết luận và kiến nghị. 292 2.4. Lời cám ơn. 293 2.5. Tài liệu tham khảo. 294 2.6. Các công trình về ĐKPSH thuộc đề tài KC.03-09 đ−ợc đăng trên các tạp chí khoc học kỹ thuật, hội nghị và ấn phẩm 310 Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 13 2. phần chính báo cáo. 2.1. Lời mở đầu. Các hệ thống điều khiển theo nguyên lý phỏng sinh học là b−ớc phát triển tiếp theo của các hệ điều khiển hiện nay, trong đó các hệ điều khiển đ−ợc xây dựng trên cơ sở áp dụng các nguyên lý tổ chức và thực hiện chức năng t−ơng tự nh− của các cơ thể sống: Thích nghi, tiến hoá, di truyền, đột biến, có hệ thần kinh - trí tuệ cảm nhận, tích luỹ kinh nghiệm, học, suy nghĩ và suy luận tạo các quyết định điều khiển trong các tình huống từ đơn giản đến phức tạp với các dạng bài toán có thể đ−ợc hình thức hóa, khó hình thức hóa hoặc không thể hình thức hóa. Nền tảng của hệ điều khiển phỏng sinh học (Hệ ĐKPSH) dựa trên các thành tựu của nhiều ngành KHKT- CN nh− các khoa học về tâm - sinh lý, khoa học về nhận thức, vật lý, các lý thuyết điều khiển, lý thuyết tính toán, các hệ trí tuệ nhân tạo, nhận dạng, cảm biến, các công nghệ điện tử, máy tính, công nghệ thông tin v.v.... Trong các lĩnh vực đó, hiện nay các hệ ĐKPSH đang đ−ợc phát triển mạnh với việc tổ chức hệ thống điều khiển sử dụng các nguyên lý logic mờ (Fuzzy), mạng Nơron (Neural Networks - NN), các nguyên lý điều khiển thích nghi, Thuật Gen (Genetic Algorithm - GA), các hệ chuyên gia - suy luận .... Do vậy, hệ ĐKPSH đ−ợc xét trong đề tài, đ−ợc tập trung xây dựng theo một trong các nguyên lý, hoặc kết hợp đồng thời nhiều nguyên lý nêu trên. + Hệ điều khiển thích nghi (Hệ ĐKTN): Đ−ợc phát triển từ đầu những năm 50 do nhu cầu thiết kế các hệ tự động lái thích nghi cho các ph−ơng tiện bay (máy bay, tên lửa...). Năm 1961, Whitaker đề xuất hệ thích nghi điều khiển theo mô hình mẫu (MRAC) và đ−ợc phát triển thành MRAC trực tiếp (Direct MRAC) và MRAC gián tiếp (Indirect MRAC). Năm 1958, Kalman đề xuất hệ ĐKTN với sơ đồ đặt cực thích nghi (APPC). Trong các hệ ĐKTN, các ph−ơng pháp chính để thiết kế luật thích nghi là: Hàm nhạy cảm, hàm Liapunốv, ph−ơng pháp Gradient và ph−ơng pháp bình ph−ơng tối thiểu. Những năm 60 là thời kỳ phát triển của ĐKTN nhờ sử dụng công cụ không gian trạng thái và lý thuyết ổn định Liapunốv, qui hoạch động, điều khiển đối ngẫu và điều khiển ngẫu nhiên .... Kết quả của những năm 60 này cùng với sự phát triển của điện tử, máy tính đã thúc đẩy mạnh cả về lý thuyết và áp dụng thực tế hệ ĐKTN trong Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 14 những năm 70 với các hệ gián đoạn. Song năm 1979, Egardt B, nhận thấy các hệ ĐKTN dễ bị mất ổn định với các thăng giáng ngẫu nhiên nhỏ. Do vậy trong những năm 80, phát triển xu h−ớng các hệ ĐKTN bền vững (Robust), (Ioannou P. A., P. V. Kokotovic, 1983). Những năm 90 tiếp theo, tiêu điểm phát triển là đảm bảo các chỉ tiêu chất l−ợng và mở rộng các kết quả của các năm 80 cho một số lớp nhất định các đối t−ợng phi tuyến với thông số bất định. + Các hệ điều khiển mờ (Fuzzy Control System-FCS) và điều khiển Nơron (Neuro-Control System-NCS): Đ−ợc ứng dụng ngày càng rộng rãi trong điều khiển các quá trình công nghiệp, đo l−ờng, Y tế, hệ thống thông tin và quyết định v.v ... Hệ Fuzzy đ−ợc xây dựng phỏng dựa trên cách thức làm việc của bộ não với các thông tin không chính xác (mờ). Trong khi hệ mạng Nơron lại mô phỏng theo cấu trúc sinh học của bộ não. Các hệ FCS và NCS tạo ra khả năng phát triển hệ điều khiển thông minh, hoặc hệ điều khiển phi tuyến bất kỳ. Hệ Fuzzy bao gồm các tập Fuzzy với các luật Fuzzy đ−ợc Zadeh đề xuất năm 1965 và đ−ợc phát triển xây dựng các FCS - hệ điều khiển Fuzzy (1975, Mamdani và Assilian) với ý t−ởng chính kết hợp các kinh nghiệm chuyên gia của hoạt động con ng−ời trong điều khiển các quá trình với quan hệ vào - ra đ−ợc mô tả bởi các luật Fuzzy (dạng IF - THEN) cho các biến ngữ (Linguistic). Kiến trúc cơ bản của hệ FCS bao gồm bốn thành phần chính: Bộ mờ, cơ sở luật Fuzzy, thiết bị hợp thành và bộ giải mờ. Về mặt lý thuyết và ứng dụng, các hệ FCS đã đ−ợc tập trung nghiên cứu và triển khai nhằm mở rộng các ứng dụng thực tế của các hệ FCS: Hệ chỉnh định mờ PID, điều khiển mờ thích nghi, phân tích tính ổn định hệ mờ (Mamdami 1976; Kickert - 1978; Tong - 1978, 1980; Braae và Rutherford - 1979, Kiszka - 1985; Chen - 1989, 1996; Yamashita - 1991, 1997; Langari và Tomizuka - 1991, 1998. Tanaka và Sugeno - 1992, 1999 v.v...). Tuy vậy cũng còn nhiều tồn tại trong điều khiển mờ ch−a đ−ợc phát triển kịp thời nh− các vấn đề về tính điều khiển đ−ợc, tính quan sát đ−ợc của FCS. + Công nghệ mạng Nơron (NN) đ−ợc sử dụng hiệu quả trong nhiều lĩnh vực: các hệ thống điều khiển, xử lý ảnh và tiếng nói, tối −u hóa, Thông tin - Viễn thông, nhận dạng tín hiệu, Robốt, kỹ thuật y tế, hệ thống năng l−ợng v.v... Riêng với lĩnh vực điều khiển, để đáp ứng nhu cầu về các hệ điều khiển phức hợp trong các điều kiện bất định, nên đã phát triển mạnh hệ điều khiển Nơron (NCS) với các tính năng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 15 học, xấp xỉ các dạng hàm phi tuyến, nhận dạng phân loại mẫu, cùng với ứng dụng các phần cứng xử lý song song v.v... Các tính năng này đ−ợc thực hiện trên mạng Nơron đ−ợc đặt trong hệ điều khiển. Mạng Nơron đ−ợc xây dựng trên cơ sở ba thành phần chính: Mô hình Nơron - thành phần xử lý; kiến trúc mạng Nơron và các luật học. Từng nút Nơron trong NN thực hiện phép tính cơ bản sau: ,,1 ,,1,)()( 1 Nj MiWXvfgfZ N j ijjiii = =+== ∑ = Trong đó iZ - l−ợng ra, jX - l−ợng vào, ijW - hàm trọng; )(.f - Hàm kích hoạt (dạng phi tuyến) Về tôpô của NN, kiến trúc của NN có thể phân thành ba loại: NN liên kết đầy đủ, NN nhiều lớp, NN liên kết yếu. Trong đó th−ờng sử dụng NN nhiều lớp với ba nhóm chính: NN một lớp, NN nhiều lớp không có liên hệ ng−ợc, ngẫu nhiên nhiều lớp có liên hệ ng−ợc. Sau đây là một số kiểu kiến trúc NN th−ờng đ−ợc dùng trong nhận dạng, xử lý tín hiệu và điều khiển: mạng Nơron - Fuzzy thích nghi; mạng cộng h−ởng ART-1, ART-2; mạng BAM; mạng cognitron; mạng lan truyền ng−ợc, mạng lan truyền đối (Counter); mạng Delta- Bar - Delta; mạng truy hồi từng phần Elman- Jordan; mạng Hopfield; mạng Instar; mạng Kohonen; mạng phân lớp Gauss; mạng một lớp Perceptron v.v... Đa số các sơ đồ điều khiển Nơron đ−ợc phát triển dựa trên năm cách tiếp cận sau: 1- Sơ đồ NCS tuần tự; 2 - Sơ đồ NCS song song; 3 - Sơ đồ NCS tự chỉnh; 4- Sơ đồ NCS lan truyền ng−ợc thời gian; 5 - Sơ đồ NCS thích nghi - giới hạn. Trong NN, các luật học đ−ợc phân thành các kiểu chính sau: Học tham số, Học cấu trúc và Học hỗn hợp; Mỗi kiểu học trên lại có thể đ−ợc chia thành ba loại: Học có giám sát; Học không có giám sát và Học tăng c−ờng. Một nguyên lý phỏng sinh học quan trọng nữa để tổ chức hệ điều khiển là thuật toán Gen (GA) (1960). Thuật GA sử dụng ba toán tử cơ bản: phần di truyền gien; phần tạo lập chéo các gien; đột biến gien (ở đây - Gien là một chuỗi nhị phân độ dài hữu hạn l−u giữ các thuộc tính của thế hệ). Trong NN, GA đ−ợc dùng để tối −u hóa cấu trúc và các tham số của NN. Thuật gien cũng đ−ợc dùng để tìm các hàm liên thuộc, các luật Fuzzy của hệ FCS. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 16 Các nguyên lý tổ chức điều khiển phỏng sinh học dùng nguyên lý thích nghi (TN) dùng mạng Nơron, dùng Fuzzy, hoặc GA có những −u, nh−ợc điểm khác nhau (Xem bảng so sánh d−ới đây). Do vậy, trong thực tế có thể dùng một nguyên lý, hoặc kết hợp nhiều nguyên lý trên (Ví dụ: Hệ Fuzzy Nơron - sử dụng mạng NN nh− công cụ trong mô hình hệ Fuzzy). Trong phạm vi đề tài này, ngoài các nghiên cứu về cơ sở lý thuyết, nhóm thực hiện đề tài đã triển khai xây dựng các hệ điều khiển theo nguyên lý phỏng sinh học cho hệ các thiết bị đặc biệt và hệ nhận dạng xử lý tín hiệu - điều khiển thiết bị bay, đồng thời xây dựng các ứng dụng điều khiển phỏng sinh học phục vụ cho huấn luyện đào tạo. 2.2. Nội dung chính của báo cáo. 2.2.1. Tổng quan tình hình nghiên cứu ngoài n−ớc và trong n−ớc. Điều khiển phỏng sinh học đã đ−ợc phát triển và ứng dụng mạnh mẽ trên thế giới. Trong nhiều ứng dụng, đặc biệt trong điều khiển phi tuyến, biến đổi theo thời gian, điều khiển các hệ thống kém xác định và quản lý các hệ thống phức tạp với các quá trình độc lập ra quyết định, điều khiển phỏng sinh học đã chứng tỏ tính −u việt so với điều khiển thông th−ờng. Năm 1964 , Widrow và Smith đề xuất hệ NCS để ổn định con lắc trên xe tr−ợt. Albus phát triển hệ Nơron CMAC cho tay máy (1975). Miller (1990) triển Các vấn đề FCS NCS GA TN Mô hình hoá Năng lực học Biểu diễn tri thức Tri thức chuyên gia Tính phi tuyến Khả năng tối −u Tính kháng lỗi Tính kháng bất định Thời gian thực. Khá Kém Tốt Tốt Tốt Kém Tốt Tốt Tốt Kém Tốt Kém Kém Tốt Khá Tốt Tốt Khá Kém Khá Trung bình Kém Tốt Tốt Tốt Tốt Trung bình Tốt Kém Trung bình Trung bình Kém Trung bình Kém Kém Tốt Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 17 khai áp dụng CMAC cho Robot. Barto (1983) - Hệ Nơron thích nghi - Werbos (1990) mở rộng mạng học liên kết cho điều khiển. Điều khiển Nơron - thích nghi cho Robot và động cơ điện (1988, 1989, 1990), các hệ NCS kiểu BMAC (1992, Narendra), PCMAC (1992, Cotter, Mian) v.v.... Những ứng dụng đáng chú ý của điều khiển logic mờ là các hệ Fuzzy cho máy hơi n−ớc (Mamdani - 1975; Ray - 1985); Lò nung clanke trong xi măng (Larsen - 1980; Umbers - 1980); Điều khiển thiết bị bay (Larkin - 1985; Chaudhary - 1990; Chiu... - 1997); Điều khiển qũi đạo vệ tinh (Lea và Jani ... 1992, 1995); Điều khiển Robot (Uragami ... - 1976, Scharf và Mandic - 1985; Tanschei ... 1988; Palm - 1989); Điều khiển tốc độ ô tô (Murakami - 1983, Maeda - 1985) Điều khiển thang máy (Fujitec - 1988); Điều khiển thích nghi (Graham, Newell - 1989); Các thiết bị phần cứng Fuzzy (Togai 1986, Yamakawa - 1987, Ozawa - 1989, 1995...) vv... Một ứng dụng đáng kể của điều khiển logic mờ là hệ thống điều khiển theo dõi bằng camera tại Phòng thí nghiệm công nghệ phần mềm, Trung tâm vũ trụ NASA/Johnson, sử dụng nghiên cứu logic mờ để tính gần đúng quĩ đạo riêng (Lea và Jani 1992). Trong n−ớc: Lý thuyết và ứng dụng thực tế của ĐKPSH đ−ợc nhiều cán bộ khoa học Việt Nam tiếp cận và phát triển. ở đây chỉ xin đơn cử một số ví dụ: Hệ ĐKTN với xấp xỉ ngẫu nhiên (1972, Nguyễn Thúc Loan). Hệ điều khiển thích nghi phi tuyến (2000, Nguyễn Xuân Quỳnh). Lý thuyết và ứng dụng của các hệ xử lý tin và điều khiển thích nghi trong điều kiện thông tin bất định ngẫu nhiên hoặc bị nhiễu tác động (1983, 1992, 1995 ữ 2000, 2000 ữ 2005 Nguyễn Tăng C−ờng).... Các hệ thống điều khiển truyền động điện dùng nguyên lý thích nghi, Fuzzy, Nơron (1999ữ 2005 Nguyễn Tăng C−ờng, Nguyễn Thế Long, Bùi Quốc Khánh; 2000 ữ2005 Nguyễn Trọng Thuần, Phạm Hữu Đức Dục, Nguyễn Mạnh Tiến v.v...). Các hệ thống lái tàu tự động Fuzzy (1999, 2000 ữ2005 - Nguyễn Trọng Thuần, Đặng Xuân Hoài v.v...). Các vấn đề khác của FCS và NCS nh− ổn định, nhận dạng (2000 ữ2005 - Phạm Th−ợng Hàn, Nguyễn Quang Hoan, Lê Hùng Lân...), hệ điều khiển Nơron (1996, 1999, 2000 ữ2005, Nguyễn Quang Hoan, Phạm Th−ợng Cát, Nguyễn Trần Hiệp, Nguyễn Trọng Thuần...). Và nhiều công trình, luận văn Tiến sĩ, Thạc sĩ của các nhà khoa học. Nhiều đơn vị KHKT triển khai nghiên cứu phát triển áp dụng các Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 18 nguyên lý phỏng sinh học và công bố nhiều công trình về lĩnh vực này: Học viện KTQS, Đại học Bách Khoa Hà Nội, Viện Công nghệ thông tin, Đại học Bách khoa TP HCM, Viện điện tử - Tin học - Tự động v.v... Nhìn chung các nghiên cứu này tập trung để xây dựng các mô hình lý thuyết hệ điều khiển PID, điều khiển thích nghi, điều khiển Robot, điều khiển truyền động điện với sử dụng Fuzzy, Nơron hoặc GA và kiểm nghiệm trong khuôn khổ thí nghiệm hoặc mô phỏng (còn hạn chế khi đ−a vào các hệ thống thực tế). Trong thực tế công nghiệp và kỹ thuật n−ớc ta đã có các ứng dụng hệ ĐKPSH: Hệ điều khiển Fuzzy lò Clinker Xi măng ở Hoàng Thạch, các thiết bị điện dân dụng (máy giặt, máy vi sóng v.v...). Những công trình khoa học của đề tài KC.03.09 đ−ợc công bố với 30 bài báo đ−ợc nêu chi tiết tài liệu tham khảo. 2.2.2. Lựa chọn đối t−ợng nghiên cứu. a. Đối t−ợng nghiên cứu của đề tài. Đối t−ợng nghiên cứu và triển khai ứng dụng của đề tài gồm các phần sau đây: 1) Nghiên cứu tổng quan về lý thuyết và công nghệ ĐKPSH trên thế giới trong giai đoạn hiện nay. 2) Nghiên cứu thiết kế hệ điều khiển các quá trình công nghệ đa tham số phức tạp trong hệ thống thiết bị kỹ thuật đặc biệt ứng dụng các nguyên lý điều khiển mờ. 3) Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay. 4) Nghiên cứu xây dựng hệ thống nhận dạng xử lý tín hiệu - điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron. 5) Nghiên cứu xây dựng các phần tử điều khiển phỏng sinh học và các ch−ơng trình máy tính mô phỏng phục vụ huấn luyện và đào tạo. b. Cách tiếp cận, ph−ơng pháp nghiên cứu và kỹ thuật đã sử dụng trong quá trình nghiên cứu và thực hiện đề tài. * Cách tiếp cận: Nghiên cứu kỹ các đặc điểm phát triển trên thế giới về ĐKPSH và đặc điểm thực tế của n−ớc ta để tìm các b−ớc đi thích hợp có hiệu quả. Nh− tổng quan ở trên, n−ớc ta thực chất mới ở giai đoạn khởi động để b−ớc vào KTCN phỏng sinh học, còn hạn chế về lực l−ợng cán bộ KHKT và đầu t−. Nh−ng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 19 triển vọng của KTCN này rất lớn, do vậy cần phải tổ chức đúng để tiếp cận đ−ợc trình độ quốc tế về mặt kiến thức khoa học và triển khai ứng dụng. Trong đó, xác định trọng tâm là: Tổng kết học tập các kết quả của thế giới để chọn lọc , ứng dụng vào thực tế Việt Nam một cách hiệu quả. Để đạt đ−ợc điều này đề tài đã triển khai theo các h−ớng sau: • Nắm bắt đ−ợc các kết quả kinh nghiệm chính , phát triển lý thuyết, công nghệ thiết kế, chế tạo, ứng dụng trên thế giới về ĐKPSH. • Hỗ trợ hình thành đội ngũ cán bộ KHKT trong n−ớc có số l−ợng đông đảo với trình độ nhất định nghiên cứu và ứng dụng ĐKPSH. • Lựa chọn một số phần tử PSH, đặc biệt là điều khiển mờ và mạng nơron để thực hành xây dựng một số ứng dụng thực tế điển hình có nhu cầu thực sự trong n−ớc để rút kinh nghiệm chuẩn bị cho phát triển mạnh ở giai đoạn sau. • Nghiên cứu, khảo sát chuẩn bị ph−ơng án KTCN cho ĐKPSH với ứng dụng công nghiệp quan trọng. * Ph−ơng pháp nghiên cứu : • Qua các tài liệu KHKT (liên quan ) từ nguồn các th− viện trong n−ớc, các đầu mối hợp tác và tài liệu đ−ợc tập kết trong khuôn khổ đề tài này và tổ chức nghiên cứu nắm bắt các vấn đề then chốt chúng ta quan tâm về lý thuyết, công nghệ và nhất là công cụ phát triển ứng dụng ĐKPSH. • Triển khai ứng dụng cụ thể ĐKPSH trên cơ sở lựa chọn nhập các cấu kiện, phần tử PSH thành phẩm (phần cứng) và công cụ phát triển phần mềm PSH. Trên cơ sở đó cán bộ KHKT trong đề tài xây dựng hệ thống và viết các ch−ơng trình ứng dụng trên thuật toán do ta nghiên cứu đề xuất. • Dùng các ph−ơng pháp mô phỏng trên máy tính hệ PC và mô phỏng bán tự nhiên để học tập thực hành kiểm định các ph−ơng pháp ĐKPSH; tổ chức thử nghiệm thời gian thực bán tự nhiên kiểm tra đánh giá chất l−ợng hệ thống đ−ợc thiết kế tr−ớc khi ứng dụng thực tế với kinh phí không lớn có thể triển khai rộng trong các Tr−ờng đại học, Viện nghiên cứu ở n−ớc ta. * Kỹ thuật, công nghệ sử dụng: • Để kiểm tra thuật toán hệ ĐKPSH và kiểm chứng nghiên cứu lý thuyết đã ứng dụng các ngôn ngữ mô phỏng MATLAB, LABVIEW, PSPICE... (Có Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 20 các Toolbox về Fuzzy, Neuro DSP Control, Real Time Workshop v. v...). Kỹ thuật công nghệ này rất thích hợp cho sinh viên, Nghiên cứu sinh và nhiều cán bộ nghiên cứu để hình thành kỹ năng về các hệ PSH. • Nhập một số Packages máy tính (ch−ơng trình) chuyên nghiệp để nghiên cứu hệ ĐKPSH để tổ chức các nghiên cứu sâu tiếp cận ứng dụng trình độ quốc tế. Ví dụ: NeuroSolutions, Process Advisor v. v... • Sử dụng các Modules (phần cứng) chuyên dụng đ−ợc sản xuất cho ĐKPSH (trên cơ sở DSP, ASIC, Fuzzy, Neuroprocessor. Ví dụ các DSP của Texas Intrucment, ASIC của Xilinks, Altera,... hoặc các Neuroprocessors NM6403, IBM ZISC036, Siemens MA - 16, Hitachi WSI v. v....) để nắm bắt qui trình tiên tiến thế giới cho các ứng dụng. • Sử dụng hệ máy tính nhúng và một số các cards, modules điện tử thông dụng để tổ chức các hệ ĐKPSH nhằm xây dựng đ−ợc qui trình kỹ thuật công nghệ chế tạo hệ thống ĐKPSH trên cơ sở máy tính nhúng phù hợp với các tiêu chuẩn quốc tế và thuận tiện cho các ứng dụng trong n−ớc. 2.2.3. Những nội dung đã thực hiện. Những nội dung đã thực hiện sẽ đ−ợc trình bày trong các ch−ơng sau đây. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 21 Ch−ơng 1 Tổng quan về điều khiển phỏng sinh học 1. Mở đầu 2. Phân tích −u nh−ợc điểm của các hệ điều khiển truyền thống cơ bản hiện nay 2.1 Khái quát về các hệ điều khiển truyền thống. 2.2 Điều khiển tự chỉnh-thích nghi 2.3 Điều khiển PI và PID tự chỉnh. 3. Các hệ điều khiển mờ 3.1 Tóm tắt lý thuyết về các tập mờ và các hệ mờ. 3.2 Khái niệm cơ bản về bộ điều khiển mờ. 4. Điều khiển nơron 4.1 Mạng nơron nhân tạo. 4.1.1 Mô hình tổng quát 4.1.2 Thuật toán lan truyền ng−ợc. 4.2 Công nghệ điều khiển nơron. 4.2.1 Tổng quan 4.2.2 Các ph−ơng pháp và sơ đồ điều khiển nơron tổng quát 4.2.3 Hệ điều khiển nơron nối tiếp. 4.2.4 Hệ điều khiển nơron song song 4.2.5 Hệ điều khiển nơron tự chỉnh. 4.2.6 Bộ điều khiển PID nơron tự chỉnh. 4.2.7 Sơ đồ điều khiển nơron với bộ học tập cạnh tranh Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 22 1. Mở đầu Ngày nay điều khiển phỏng sinh học đã đ−ợc ứng dụng rộng rãi cho nhiều ứng dụng kỹ thuật và công nghiệp. Các hệ thống điều khiển thông minh này có khả năng hiểu và học tập trong mối quan hệ với đối t−ợng điều khiển, nhiễu, môi tr−ờng ngoài và điều kiện làm việc. Ví dụ nh− các đặc tính (đặc tính tĩnh và đặc tính động) của đối t−ợng, một số đặc tính của nhiễu và môi tr−ờng ngoài, các ph−ơng pháp điều khiển là các yếu tố mà các hệ thống này có thể học tập. Gần đây cho thấy trong khi các nghiên cứu về các hệ chuyên gia, mà theo truyền thống đ−ợc coi là công cụ chính của các hệ trí tuệ nhân tạo, đang dần giảm sút thì các nghiên cứu về mạng nơ ron không ngừng phát triển và gia tăng. Nhờ các khả năng tự tổ chức và học tập, mạng nơ ron nhân tạo hiện nay đ−ợc coi nh− một ph−ơng tiện đầy triển vọng cho các hệ thống thông minh [33],[34]. Kiến trúc và các chức năng của các mạng nơ ron này đ−ợc xây dựng trên cơ sở cấu trúc sinh học của bộ não. Khác với cấu trúc fon-neiman, trong các mạng nơron ng−ời ta sử dụng cấu trúc tính toán. Các tính chất đặc tr−ng của mạng nơ ron là tính song song, tính phân tán và tính tự tổ chức. Điều này có nghĩa là mạng nơ ron có thể tự học các đặc tính tĩnh và đặc tính động của đối t−ợng điều khiển trên cơ sở các kết quả đo thực hiện tr−ớc đó, đồng thời tác động để đạt đ−ợc kết quả tốt hơn trong khi không biết trạng thái của môi tr−ờng ngoài. Các máy tính thông th−ờng thì phải đ−ợc lập trình tr−ớc để xử lý dữ liệu và không thể làm việc ở ngoài giới hạn đã đ−ợc lập trình. Nh− vậy các kiến thức chuyên gia không thể đ−ợc thực hiện đầy đủ trên máy tính thông th−ờng vì các máy tính này không thể đ−a ra các quyết định khi xuất hiện các điều kiện mới từ bên ngoài. Các hệ điều khiển nơ ron là các hệ điều khiển trong đó sử dụng kiến trúc của mạng nơ ron và khả năng học. Mạng nơ ron bao gồm các phần tử tính toán giống nh− tế bào nơ ron của bộ não, các phần tử này chính là các bộ biến đổi phi tuyến. Các tính chất này của mạng nơ ron làm cho việc biến đổi phi tuyến dữ liệu trở nên khả thi và cho phép thực hiện các hệ điều khiển phi tuyến mới. Trong thực tế, nhờ tính đơn giản của cấu trúc và độ tin cậy cao, các bộ điều khiển PID đã đ−ợc phổ biến hết sức rộng rãi. Theo những số liệu thống kê gần nhất, các bộ điều khiển PID thông th−ờng hiện vẫn đ−ợc sử dụng trong 84% các nhà máy xí nghiệp của Nhật Bản. Trong các bộ điều khiển này ng−ời vận hành có thể điều Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 23 chỉnh 3 tham số để đạt đ−ợc các chỉ tiêu chất l−ợng cần thiết. Nhờ tính đơn giản và độ tin cậy, các bộ điều khiển PID rất phù hợp cho điều khiển công nghiệp. Tuy nhiên các bộ điều khiển này cũng có những nh−ợc điểm. Ví dụ nh− khi thay đổi điểm làm việc phải điều chỉnh lại bộ điều khiển hoặc trong một số tr−ờng hợp thực tế với các nhà máy lớn với chế độ làm việc liên tục khi sử dụng các bộ điều khiển này đòi hỏi phải giám sát chặt chẽ dẫn đến phải có sự can thiệp trực tiết của ng−ời vận hành. Nh− vậy để giải quyết tốt hơn các bài toán điều khiển đòi hỏi phải phát triển các hệ điều khiển mới. Ngoài ra các hệ điều khiển mới phải đủ đơn giản về nguyên lý tổ chức và vận hành để có thể dễ dàng ứng dụng rộng rãi trong công nghiệp, đồng thời các thao tác với các tham số phải giảm đến mức tối thiểu. Vì vậy một giao diện ng−ời-máy đơn giản hiệu quả là một yếu tố quan trọng khi phát triển các hệ thống điều khiển thông minh. Các hệ thống điều khiển thông minh cần phải có các tính chất sau: • Khả năng học và khả năng thích nghi. • Tuổi thọ cao. • Thuật toán điều khiển đơn giản và giao diện ng−ời-máy thân thiện. • Khả năng kết nối thêm các thành phần mới đảm bảo cho các giải pháp tốt hơn trong các điều kiện hạn chế do thiết bị kỹ thuật. Hiện nay có nhiều ph−ơng pháp có thể sử dụng làm cơ sở cho việc phát triển các hệ thống thông minh. Phổ biến nhất là các hệ chuyên gia (hệ cơ sở tri thức), logic mờ, thuật gien, mạng nơ ron và sự sống nhân tạo. Để phát triển các hệ điều khiển thông minh, các ph−ơng pháp trí tụê nhân tạo phải đ−ợc hợp nhất với các thành tựu của lý thuyết điều khiển hiện đại. Trong phần tổng quan sẽ trình bày về các hệ điều khiển truyền thống, các hệ điều khiển mờ, các khái niệm về mạng nơron và ứng dụng trong các hệ thống điều khiển. Việc xem xét các hệ điều khiển nơron ở đây chủ yếu dựa trên thuật toán lan truyền ng−ợc vì thuật toán này đ−ợc áp dụng thành công và rộng rãi trong nhiều ứng dụng kỹ thuật thực tế. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 24 2. Phân tích −u nh−ợc điểm của các hệ điều khiển truyền thống cơ bản hiện nay 2.1 Khái quát về các hệ điều khiển truyền thống. Trong phần này sẽ xem xét một số ph−ơng pháp điều khiển truyền thống: điều khiển PID (điều khiển tỷ lệ-vi-tích phân), điều khiển có tự chỉnh, điều khiển PID có tự chỉnh. Một trong số những hệ thống điều khiển đầu tiên là các bộ điều khiển PI và PID. Các bộ điều khiển này đã chứng minh tính hiệu quả trong điều khiển những quá trình khác nhau. Tr−ớc tiên một số ph−ơng pháp hiệu chỉnh các bộ điều khiển PI và PID đã đ−ợc nghiên cứu bởi Ziegler và Nichols [51] (đề xuất ph−ơng pháp hiệu chỉnh dựa trên cơ sở các tham số phản ứng đối với tác động bậc thang đơn vị). Nó đ−ợc ứng dụng rộng rãi trong vòng nhiều năm và tỏ ra khá hiệu quả. Trên cơ sở ph−ơng pháp này Takahashi và những ng−ời khác [52] đã đ−a ra ph−ơng pháp hiệu chỉnh dùng cho các bộ điều khiển PI và PID có thời gian gián đoạn. Một ph−ơng pháp hiệu chỉnh tự động các bộ điều khiển PI và PID hiện đại hơn đã đ−ợc Nishikawa và những ng−ời khác đề xuất. Ph−ơng pháp này đòi hỏi cấp tín hiệu thử nghiệm đầu vào để đánh giá các tham số của quá trình. Các giá trị tối −u của các tham số PI và PID đạt đ−ợc bằng cách tối thiểu hoá tích phân bình ph−ơng sai số. Một ph−ơng pháp khác tự động hiệu chỉnh các bộ điều khiển PID đã đ−ợc Hagglund và Ostrem [54] đề xuất, đ−ợc chỉ ra trong [51]. Tuy nhiên, cùng với những −u điểm nói trên, các bộ điều khiển PI và PID có một loạt nh−ợc điểm. Nh− nếu điểm làm việc của quá trình bị thay đổi do nhiễu loạn, thì các tham số của bộ điều khiển đòi hỏi phải hiệu chỉnh lại bằng tay để nhận đ−ợc trị số tối −u mới. Việc hiệu chỉnh phải đ−ợc ng−ời vận hành có kinh nghiệm thực hiện. Đối với các hệ thống có các vòng điều khiển t−ơng tác, thao tác này có thể là phức tạp và chiếm nhiều thời gian. Ngoài ra, đối với các quá trình có các tham số biến đổi, có trễ thời gian, có tính phi tuyến và có nhiễu mạnh, việc sử dụng các bộ điều khiển PI và PID có thể sẽ không bảo đảm các đặc tính tối −u. Các ph−ơng pháp hiệu chỉnh các bộ điều khiển PI và PID cũng có một loạt nh−ợc điểm. Chẳng hạn, ph−ơng pháp của Ziegler-Nicholes [51] nhạy cảm với nhiễu, bởi nó đ−ợc nghiên cứu trên cơ sở các thí nghiệm với các hệ hở. Ph−ơng pháp hiệu chỉnh do Nishikawa và những ng−ời khác đề xuất [53] đòi hỏi sự t−ơng tác giữa ng−ời và Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 25 máy, trong quá trình đó ng−ời vận hành phải tạo ra các tín hiệu đầu vào mỗi lần cần thay đổi các tham số với mục đích làm thích nghi với các thay đổi động học của quá trình. Do những nguyên nhân trên Kalman [55] đã đ−a ra ý t−ởng điều khiển tự chỉnh, trong đó các tham số của bộ điều khiển đ−ợc hiệu chỉnh nh− ở chế độ ng−ời vận hành. Kalman đã đề xuất khái niệm máy tự động thực hiện việc tự hiệu chỉnh với mục đích điều khiển quá trình động học bất kỳ. ý t−ởng này là rất quan trọng trong quá trình phát triển chung của các thiết bị điều khiển tự chỉnh, tuy nhiên nó không nhận đ−ợc sự ủng hộ tích cực do không t−ơng thích lý thuyết và công nghệ. Sự xuất hiện công trình của Ostrem và Wittenmark [56] trở thành “lần ra đời thứ hai” của lý thuyết này, nó gây ra mối quan tâm to lớn trong giới kỹ s− và các nhà nghiên cứu trong lĩnh vực điều khiển. Họ đã phát hiện một hiện t−ợng bất ngờ: trong một loạt tr−ờng hợp phối hợp những đánh giá nhận đ−ợc theo ph−ơng pháp bình ph−ơng tối thiểu thông th−ờng và điều khiển theo cực tiểu ph−ơng sai sẽ đảm bảo tính tự chỉnh. Tiếp theo công trình này là một loạt những ứng dụng thực tiễn, chúng làm phát sinh ra những công trình về lý thuyết mới, bởi vì những vấn đề liên quan tới thực hiện điều khiển tự chỉnh đòi hỏi phải có sự luận chứng chặt chẽ hơn. Sự phát triển nhanh chóng máy tính điện tử số trong những thập niên 70 và 80 đã đóng vai trò quan trọng trong việc tăng c−ờng sự quan tâm đến điều khiển tự chỉnh-thích nghi cả trong lý thuyết cũng nh− thực tiễn. Khảo sát và nghiên cứu trong lĩnh vực thuật toán tự chỉnh-thích nghi đã đ−ợc tiến hành theo hai h−ớng: phổ biến các sơ đồ điều khiển sẵn có sang các lĩnh vực ứng dụng mới và đề xuất các ph−ơng pháp tiếp cận mới với những bài toán hiệu chỉnh tự động đã có sẵn các bộ điều khiển. Còn một phạm vi nghiên cứu nữa theo h−ớng này là các bộ điều khiển PI và PID tự chỉnh. ý t−ởng chủ yếu của các bộ điều khiển kiểu này là ở sự hợp nhất khả năng của các bộ điều khiển tự chỉnh có thể thích nghi với sự thay đổi các tham số của đối t−ợng điều khiển ở chế độ vận hành và tính đơn giản trong cấu trúc của các bộ điều khiển PID. Một số sơ đồ của các bộ điều khiển PID tự chỉnh đã đ−ợc đề xuất. Wittenmark [57] đã đ−a ra sơ đồ bộ điều khiển PID tự chỉnh trên cơ sở sơ đồ phân bố cực. ở đây thuật toán PID đ−ợc cài đặt vào cấu trúc điều khiển dựa trên cơ sở sơ đồ phân bố cực. Ph−ơng pháp này chỉ phù hợp để điều khiển các quá trình có bậc giới hạn. Việc Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 26 cải tiến ph−ơng pháp này cho phép điều khiển các quá trình tổng quát hơn đ−ợc Savelli và những ng−ời khác đề xuất [58]. Về sau Gawthrop [59] đã đ−a ra sơ đồ bộ điều khiển PI và PID tự chỉnh cho các hệ thống liên tục. Trong sơ đồ này thuật toán PI và PID đ−ợc tự động đ−a ra từ các giả thiết đã chứng minh về động học của quá trình đ−ợc điều khiển cũng nh− từ kết quả mô hình hoá các tác động nhiễu có kỳ vọng toán học khác “0”. Các dạng khác của các bộ điều khiển PID tự chỉnh đ−ợc trình bày trong các tác phẩm [60-66]. Một khái niệm điều khiển khác đ−ợc xem xét do Cameron và Seborg [67] đề xuất. Thuật toán này dựa trên điều khiển tổng quát theo ph−ơng sai tối thiểu [68, 69]. Quy luật điều khiển tự chỉnh đ−ợc định h−ớng để nhận đ−ợc cấu trúc PI hay PID. Bộ điều khiển PID gián đoạn có thể mô tả bằng ph−ơng trình sau đây: =∆ )(tu +−−+−++−− )1('2)('())1('()('( 2 ))1(')('(( tete T Ttete T Ttetek s d i s c ))).2(' −te (1.1) Ph−ơng trình (2.1) có thể viết lại d−ới dạng sau: PKtu =∆ )( ))2('()1('2)('()('))1(')('( −+−−++−− teteteKteKtete DI (1..2) Trong đó: IcP KkK 2 1−= , i sc I T TkK = , s dc D T TkK = , 11 −−=∆ z . ở đây Kc, Ti, Td và Ts là hệ số truyền, các hằng số thời gian và thời gian trích mẫu t−ơng ứng. KP, KI, KD là các hệ số truyền tỷ lệ, tích phân, vi phân t−ơng ứng. Tín hiệu sai số e’(t) có thể đ−ợc viết d−ới dạng: e’(t)= r(t) - y(t). (1.3) Trong đó r(t) – thiết lập mong muốn. Nh− vậy ta có: )).2()1(2)()2()1(2)(( ))()(())1()()1()(()( −−−+−−+−−+ +−+−+−−−=∆ tytytytrtrtrK tytrKtytytrtrKtu D IP (1.4) Sự thay đổi đột ngột của giá trị thiết lập dẫn đến tác động điều khiển tỷ lệ và vi phân, gây ra thay đổi đáng kể ở đầu ra của bộ điều khiển. Để chế áp hiện t−ợng này, thiết lập r(t) đ−ợc coi nh− không đổi cho đến khi thay đổi ở b−ớc tiếp theo. Ph−ơng trình (1.4) sẽ có dạng: )).2()1(]2[ )(][)()( −−−++ +++−=∆ tyKtyKK tyKKKtrKtu DDP DIPI (1.5) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 27 2.2 Điều khiển tự chỉnh-thích nghi Có thể xem điều khiển tự chỉnh nh− một dạng điều khiển thực hiện hai nhiệm vụ chính trong vòng phản hồi kín (hình 1.1). Nhiệm vụ thứ nhất là thu thập thông tin về trạng thái tức thời của quá trình điều khiển. Thông tin nhận đ−ợc đ−ợc sử dụng để nhận dạng hệ thống bao gồm xác định cấu trúc của mô hình, đánh giá các tham số của mô hình, cũng nh− đánh giá các tham số của những tín hiệu không đ−ợc kiểm soát (chẳng hạn nh− của các tín hiệu nhiễu tạp trong các hệ ngẫu nhiên). Xác định cấu trúc của mô hình đòi hỏi xây dựng dạng mô tả toán của hệ thống phù hợp với bài toán cần giải quyết. Việc đánh giá các tham số là yếu tố then chốt của tự chỉnh. Nó đ−ợc thực hiện ở chế độ vận hành. Để điều khiển có tự chỉnh ng−ời ta sử dụng một số sơ đồ đánh giá đệ quy các tham số. Sơ đồ phổ biến nhất là ph−ơng pháp đánh giá đệ quy trên cơ sở ph−ơng pháp bình ph−ơng tối thiểu [81], [82] hay dạng mở rộng của ph−ơng pháp này - đó là ph−ơng pháp phân tích thành thừa số Factor hoá[83], là ph−ơng pháp tin cậy hơn. Nhiệm vụ thứ hai của hệ thống tự chỉnh là bài toán thiết kế (bộ điều khiển); giải quyết bài toán này th−ờng dựa trên tối −u hoá tiêu chuẩn tối −u điều khiển. Mục đích điều khiển đ−ợc định ra cho từng hệ thống cụ thể; khi đó đòi hỏi phải đ−a ra quyết định là bộ điều khiển phải đ−ợc thích nghi hoặc đ−ợc hiệu chỉnh nh− thế nào. Trên cơ sở đó một bộ tham số mới của bộ điều khiển đ−ợc tính toán thay cho các tham số tr−ớc đó trong chu kỳ điều khiển. Đầu ra Tiêu chuẩn tối −u Đánh giá tham số (Mô hình hoá) Bộ điều khiển Đối t−ợng điều khiển Thiết lập Mục đích điều khiển Tác động điều khiển Hình 1.1 Sơ đồ tổng quát của bộ điều khiển tự chỉnh. + - Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 28 Ph−ơng pháp đánh giá các tham số của hàm truyền theo quá trình và theo tác động gọi là ph−ơng pháp tự chỉnh gián tiếp, hay ph−ơng pháp xác định đầy đủ. Ví dụ bộ tự chỉnh của Ostrem và Wittenmark [56], đ−ợc biết đến với tên gọi là hệ điều khiển theo cực tiểu ph−ơng sai. Tiêu chuẩn tối −u của bộ điều chỉnh là tối thiểu hoá ph−ơng sai của quá trình đầu ra y(t) ở tất cả các điểm thời gian gián đoạn t. Điều đó có thể đạt đ−ợc bằng cách sau: đầu tiên, giá trị tiếp theo của quá trình đầu ra đ−ợc tiên đoán d b−ớc dài hơn về phía tr−ớc – y(t+d), sau đó giá trị tức thời của tác động điều khiển u(t) đ−ợc thiết lập sao cho đầu ra này trở về “0”. Tuy nhiên trong ph−ơng pháp này không thực hiện ý định tối −u hoá giá trị xác lập, đồng thời có thể có những trị số quá lớn của các tác động điều khiển. Nh−ợc điểm khác của ph−ơng pháp này là tính không ổn định của vòng điều khiển kín do bị mất các điểm “0”, nếu quá trình không phải là quá trình pha tối thiểu. Để khắc phục những phức tạp này Clark và Gawthrop [68],[69] đã thay đổi tiêu chuẩn: không chỉ tối thiểu hoá ph−ơng sai đầu ra, mà còn cả hàm số bao gồm tác động điều khiển, đầu ra, cũng nh− sự thay đổi của giá trị xác lập. Bằng cách này đảm bảo khả năng sử dụng nhiều mục tiêu chức năng. Trong tiêu chuẩn này tín hiệu điều khiển chịu “phạt” bằng cách, những đỉnh thừa của nó đ−ợc giảm xuống và khả năng bám sát tối −u giá trị xác lập đ−ợc bảo đảm. Ngoài ra, tiêu chuẩn đã cải tiến bảo đảm điều khiển ổn định quá trình không cực tiểu pha. Kiểu bộ điều khiển tự chỉnh nh− vậy cũng đ−ợc biết đến với cái tên là điều khiển theo cực tiểu ph−ơng sai tổng quát. Gần đây các tài liệu đ−a ra những hoàn thiện và mở rộng khác nhau của bộ điều khiển này [84 –89]. Để đ−a ra thuật toán làm việc của những bộ điều khiển này ng−ời ta xem xét hệ thống d−ới dạng mô hình tự hồi quy đ−ợc điều khiển - đó là mô hình trung bình tr−ợt (Controlled Auto-Regressive Moving Average (CARMA) model). Có thể hình dung hệ thống d−ới dạng mô hình toán học sau đây: )()()()()()( 111 tzCdtuzBtyz ξ−−− +−=Α (1.6) Trong đó y(t) là quá trình đầu ra, u(t) là quá trình đầu vào (tác động điều khiển),ξ (t) là dãy ngẫu nhiên không t−ơng quan có kỳ vọng toán học bằng 0 và hợp biến (độ lệch trung bình bình ph−ơng) σ , d là thời gian giữ chậm, t là thời gian lấy tròn số, A(z-1),B(z-1), C(z-1) đ−ợc thể hiện qua toán tử biến đổi z: a a n n zazazaz −−−− ++++=Α ...1)( 22111 , (1.7) b b n n zbzbzbzB −+−−− ++++= ...1)( 2211)1 (1.8) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 29 c c n n zczczczC −−−− ++++= ...1)( 22111 (1.9) Giả thiết rằng các nghiệm của đa thức C(z-1) nằm bên trong vòng tròn bán kính đơn vị. Với các nghiệm của các đa thức A(z-1) và B(z-1) thì không giả thiết nào đ−ợc đặt ra, tức là bên ngoài giới hạn của vòng tròn đơn vị có thể có cả các nghiệm của A(z-1) (điều đó có nghĩa là tính không ổn định của đối t−ợng điều khiển trong trạng thái hở) và các nghiệm của B(z-1) (đối t−ợng điều khiển là không tối thiểu pha). Trong tr−ờng hợp này sử dụng tiêu chuẩn chất l−ợng ở dạng: ]))()(())()()()([( 21211 tuzQtrzRdtyzPEJ −−− +−+= , (1.10) Trong đó E[.] là kỳ vọng toán học, P(z-1), R(z-1), và Q(z-1) là các đa thức do ng−ời sử dụng định ra, r(t) là giá trị xác lập và R(z-1) là hàm truyền dạng phân số hữu tỷ: )( )()( 1 1 1 − − − = zP zPzP d n . (1.11) ở đây Pn(z-1) và Pd(z-1) là các đa thức bậc npn và npd t−ơng ứng. ở một số khía cạnh, tiêu chuẩn chất l−ợng này khác với tiêu chuẩn chất l−ợng cực tiểu ph−ơng sai do Ostrem đ−a ra. Điều khiển theo tiêu chuẩn của Ostrem chỉ nhằm vào ổn định quá trình đầu ra y(t) lân cận giá trị “0” khi có tác động nhiễu ngẫu nhiên. Tuy nhiên trong nhiều tình huống thực tế khi có nhiễu ngẫu nhiên đòi hỏi phải duy trì đầu ra của hệ thống ở mức không đổi nào đó. Trong bộ điều khiển theo cực tiểu ph−ơng sai tổng quát ng−ời ta sử dụng cả ổn định lẫn điều chỉnh servo. Ngoài ra bộ điều khiển cực tiểu ph−ơng sai tổng quát bổ sung một trọng số cho tác động điều khiển để nó ngăn cản sự xuất hiện của những trị số quá lớn của tác động này khi chế áp những hậu quả do những trị số “0” nằm ngoài vùng ổn định gây ra. Trong cách tiếp cận đang đ−ợc xem xét ng−ời ta đ−a vào khái niệm đầu ra giả đ−ợc cho bởi biểu thức )(tφ sau: ).()()()()()()( 111 dtrzRdttzQtyzPt −−−+= −−−φ (1.12) Nh− vậy có thể xem hệ thống nh− một đầu ra chung của hệ thống có phần tử dự báo, có lọc ở đầu vào và có giá trị xác lập. Nhiều chiến l−ợc tự chỉnh dựa trên sơ đồ điều khiển dự báo, khi đó thời gian giữ chậm d là tầm dự báo. Có thể nhận đ−ợc dự báo tối −u của đầu ra tại thời điểm t+d tại thời điểm t, nếu đầu vào đ−ợc chọn sao cho các tác động nhiễu bị trung hoà. Để nhận đ−ợc dự báo tối −u của đầu ra giả, chúng ta xét ph−ơng trình đồng nhất (đẳng thức đồng nhất) ở dạng d−ới đây: Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 30 )()()()()()( 111111 −−−−−−− += zFzzPzAzEzPzC ddn , (1.13) trong đó: )1( 1 1 1 1 ...1)( −−− −− +++= dd zezezE (1.14) )(1 1 1 1 ...1)( fnd zfzfzF − − −− +++= (1.15) và ),1max( dnnnnn dd PcPaf −+−+= (1.16) Nhân các ph−ơng trình (1.6) với E(z-1) ta có: )1()()()()()()()()( 111111 dzCzEtuzBzEdtyzAzE ++=+ −−−−−− ξ (1.17) Lấy E(z-1)A(z-1) từ ph−ơng trình (1.13) vào ph−ơng trình (1.17) ta có: ).()()( )()()()()()()()( 11 111)11 dtzCzE tuzBzEtyzFdtyzPzC f ++ ++=+ −− −−−−− ξ (1.18) ở đây: yf = Pd(z-1)-1y(t). Cộng Q(z-1)C(z-1)u(t) - C(z-1)R(z-1)r(t) vào cả hai vế của ph−ơng trình (1.18 ), ta nhận đ−ợc: C =−−−++ −−−− )()()()()()()( 1111 dtrzRdtuzQdtyzPz ).()()()()()( )())()()()(()()( 1111 11111 trzRzCdtzCzE tuzBzEzQzCtyzF f −−−− −−−−− −++ +++= ξ (1.19) Biểu thức trên t−ơng đ−ơng với biểu thức sau: ).()()()()()( )())()( )()(()()()( 1111 11 1111 trzRzCdtzCzE tuzBzE zQzCyzFdtzC f −−−− −− −−−− −++ ++ ++=+ ξ φ (1.20) Bằng cách biểu thị qua )/(* tdt +φ dự báo tối −u của đại l−ợng )( dt +φ nhận đ−ợc trên cơ sở đo tr−ớc thời điểm t, và biểu thị qua )(~ dt +φ là sai số dự báo, đồng thời cho rằng C(z-1) = 1, ta nhận đ−ợc: ).()()())( )(()()()/(* 11 11 trzRtuzG zQtyzFtdt f −− −− −+ ++=+φ (1.21) và: )1()()/(*)()(~ 1 dzEtdtdtdt +=+−+=+ − ξφφφ (1.22) ở đây G(z-1) = E(z-1)B(z-1). Nếu l−u ý rằng các sai số trong những thời điểm kế tiếp sau đó )(),...,1( dtt ++ ξξ là không t−ơng quan với các số đo tức thời và tr−ớc đó ở đầu vào và đầu ra, thì điều khiển theo ph−ơng sai cực tiểu )( dt +φ đạt đ−ợc bằng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 31 cách chọn u(t) sao cho )(* dt +φ bằng “0”. Nh− vậy ta đ−ợc: )()( )()()( )( 11 11 −− −− + −= zGzQ yzFtrzR tu f (1.23) Bởi vì tại thời điểm t, các đại l−ợng Q(z-1)u(t) và R(z-1)r(t) đã biết, nên có thể giảm biểu thức dự báo )( dt +φ xuống đến )()()( 1 tyzPty −=φ (1.24) Nh− vậy, dự báo tối −u )(tyφ đ−ợc ấn định d b−ớc về phía tr−ớc bằng biểu thức sau: ).()()()()(* 11 tuzGtyzFdt fy −− +=+φ (1.25) Các tham số của bộ điều khiển F(z-1) và G(z-1) có thể dễ dàng nhận đ−ợc từ đẳng thức (1.18), nếu các đa thức A(z-1) và B(z-1) đã biết. Còn nếu chúng ch−a đ−ợc biết thì để đánh giá các phần tử F(z-1) và G(z-1) có thể sử dụng ph−ơng pháp đệ quy bình ph−ơng tối thiểu đ−ợc xét đến d−ới đây. Các véc tơ tham số đệ quy nh− sau: )](ˆ),...,(ˆ),(ˆ),(ˆ),...,(ˆ),(ˆ[)(ˆ 1010 tgtgtgtftftft gnnf=θ (1.26) ),...]2(),1(),...,2(),1([)( −−−−= tututytytx ffT (1.27) trong đó: fnfff ˆ,...,ˆ,ˆ 10 và gnggg ˆ,...,ˆ,ˆ 10 là những đánh giá các phần tử F(z -1) và G(z-1) t−ơng ứng. Đối với bộ điều khiển tự chỉnh, đánh giá các tham số đ−ợc thực hiện đệ quy, còn quan sát thì đ−ợc thực hiện nối tiếp. Quá trình đánh giá đệ quy các tham số đ−ợc trình bày trên hình 1.2. Hình 1.2.Sơ đồ khối đánh giá đệ quy các tham số. y(t) y(t)= )(txT )1(ˆ −tθ )( tε Mô hình Hệ thống x(t) - + θ0 )1(ˆ −tθ Cơ cấu thay đổi Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 32 Đánh giá đầu ra tức thời )(ˆ ty đ−ợc tính toán trên cơ sở thông tin tr−ớc đó về mô hình, nhận đ−ợc từ đánh giá )1(ˆ −tθ . Sai số mô hình hoá )(tε nhận đ−ợc bằng cách so sánh đánh giá đầu ra với đầu ra quan sát. Sau đó sai số đ−ợc tối thiểu hoá theo nghĩa bình ph−ơng tối thiểu, còn đánh giá )1(ˆ −tθ đ−ợc điều chỉnh phù hợp với trị số mới )(ˆ tθ . Các đánh giá )(ˆ tθ có thể nhận đ−ợc nhờ ba ph−ơng trình đệ quy quan trọng: )]1()()()[()1(ˆ)(ˆ −−+−= ttxtytKtt T δθθ , (1.28) 1)]()1()(1)[()1()( −−+−= txtPtxtxtPtK T , (1.29) )1()()(1()( −−= tPtxtKtP T , (1.30) trong đó P(t) là ma trận t−ơng quan đ−ợc cho bởi biểu thức: P(t) = [xT(t)x(t)]-1 (1.31) 2.3 Điều khiển PI và PID tự chỉnh. Sự hơn hẳn của các bộ điều khiển PI và PID trong số những bộ điều chỉnh công nghiệp là động lực chính cho sự phát triển lý thuyết và thực tiễn của các bộ điều khiển PI và PID tự chỉnh. Mặc dù các bộ điều khiển tự chỉnh có tính linh hoạt cao và phù hợp hơn để điều khiển các đối t−ợng có các tham số biến thiên, có tính phi tuyến và tính bất định, nh−ng sự áp dụng trong thực tiễn của chúng tạm thời ch−a tỏ ra có triển vọng đặc biệt. Các bộ điều khiển tự chỉnh định h−ớng vào các đặc tính: đặc tính của hệ thống kín do ng−ời sử dụng ấn định và thuật toán đ−ợc điều chỉnh sao cho đạt đ−ợc đặc tính đã định, điều này đúng cho cả tr−ờng hợp nếu các tham số của đối t−ợng điều khiển hay các giá trị sai lệch là không đ−ợc biết tr−ớc. ở đây ngầm hiểu rằng các đặc tính mong muốn của hệ điều khiển kín có thể đạt đ−ợc trên cơ sở với các đặc tính cho tr−ớc của cơ cấu chấp hành; khi đó kinh nghiệm của cán bộ kỹ thuật vận hành đối t−ợng điều khiển là rất quan trọng. Trong điều kiện đó cần thiết đối với cán bộ kỹ thuật, yêu cầu cần phải có sự hiểu biết sâu sắc về các khả năng đặc tính giới hạn của hệ thống kín trong điều kiện điều khiển tự chỉnh. Các biểu thức của các bộ điều khiển PI và PID tự chỉnh [67] có thể rút ra đ−ợc từ sự kết hợp các biểu thức (1.5) và (1.24). Để cho quy luật điều khiển (1.24) có cấu trúc PID t−ơng tự quy luật (1.5), hàm truyền F(z-1) phải đ−ợc thể hiện bằng đa thức bậc hai. Nh− vậy, bậc của đa thức F(z-1) đ−ợc xác định bằng đẳng thức sau: Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 33 nf = na + npd -1 , (1.32) Cho rằng na + npd - 1 > npn + nc . Đối với hệ thống bậc nhất ta nhận đ−ợc cấu trúc PID nếu mẫu số Pd(z -1) của hàm truyền của bộ lọc hiệu chỉnh đ−ợc chọn d−ới dạng đa thức bậc hai. Bởi đa thức Q(z-1) có thể do ng−ời sử dụng chọn, nên tác động tích phân có thể đ−ợc đ−a vào bằng biểu thức sau: )()( 11 −− +=∆ zQzG v , (1.33) trong đó v là hằng số. Có thể loại bỏ sai số đã xác lập bằng cách đặt: ∑ = − − − − === fn i d i z zP zFHzR 0 1 1 1 0 1 1 )( )()( , (1.34) Bằng cách dùng các ph−ơng trình (1.7) và (1.8), có thể viết biểu thức (1.23) d−ới dạng: ))()ˆˆˆ()(()( 22 1 100 tyzfzfftrHvtu f −− ++−=∆ , (1.35) Đây là quy luật điều khiển dùng cho bộ điều khiển tự chỉnh có cấu trúc PID. Biểu thức cho các tham số t−ơng ứng của bộ điều khiển PID có dạng sau: )1( )ˆˆ( 210 d I P fffv K ∧++−= , (1.36) )1( )ˆ2ˆ( 21 d P P ffvK +−= , (1.37) và: )1( 2ˆ d P P fvK −= (1.38) Ta nhận thấy điều thú vị là xuất phát từ các biểu thức t−ơng ứng của bộ điều khiển PID, có thể trông đợi đ−ợc rằng hệ số v sẽ có ảnh h−ởng đối với các bộ điều khiển PID tự chỉnh cũng nh− hệ số Kc đối với các bộ điều khiển PID. Với giá trị nhỏ của v điều khiển sẽ bị dao động. Dùng khâu vi phân làm bộ lọc Pd(z -1) là hợp lý. ở đây ngầm hiểu rằng hệ thống kín là một bộ lọc thấp tần. Các đại l−ợng v, Pn(z-1) và Pd(z -1) đ−ợc chọn chủ yếu bằng ph−ơng pháp thử và sai số. Ph−ơng pháp chọn các tham số này (đã đ−ợc chứng minh) nh− sau: chọn trị số của v sao cho đặc tính của hệ thống kín đ−ợc ổn định và không dao động quá nhiều, sau đó biến đổi các đại l−- ợng Pn(z -1) và Pd(z -1) sao cho đạt đ−ợc đủ tính hiệu quả của hệ thống. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 34 Việc thực hiện theo ch−ơng trình các bộ điều khiển PID tự chỉnh cho mỗi thời điểm gián đoạn có thể đ−ợc trình bày bằng cách sau: Tính toán bộ điều khiển PID tự chỉnh: B−ớc 1. Thiết lập tín hiệu vào chuẩn. B−ớc 2. Đọc các dữ liệu đầu vào và đầu ra. B−ớc 3. Định các giá trị ban đầu của các hệ số Pn(z-1) và Pd(z-1). B−ớc 4. Tính toán theo các công thức (1.28), (1.29), (1.30). B−ớc 5. Xác định tác động điều khiển theo công thức (1.35). B−ớc 6. Tính các tham số PID theo các biểu thức (1.36) - (1.37). 3. Các hệ điều khiển mờ ý t−ởng ứng dụng logic mờ trong các hệ thống điều khiển lần đầu tiên đ−ợc Mamdani và các cộng sự của ông đ−a ra [101,102, 103,104]. Dựa trên lý thuyết các tập mờ Zadeh và dựa trên khái niệm các bộ điều khiển PID thông th−ờng Assilian và Mamdani [101] đã xây dựng nên bộ điều khiển logic mờ cơ sở. Bộ điều khiển này đ−ợc dùng để điều chỉnh các đầu ra của quá trình tại lân cận của điểm xác lập đã cho; khi đó có sử dụng máy tính điện tử số. Do sự hạn chế của bộ nhớ và tác động nhanh của máy tính trình tự Fon-Neiman mà các bộ điều khiển logic mờ lúc đầu không đ−ợc phổ biến rộng rãi; chủ yếu chúng đ−ợc dùng để điều khiển các quá trình có sự thay đổi chậm của các đại l−ợng. Một số ví dụ sơ khai ứng dụng logic mờ trong điều khiển các quá trình đ−ợc đ−a ra trong [105,106]. ứng dụng logic mờ để điều khiển các quá trình công nghiệp có một loạt −u điểm so với việc dùng các bộ điều khiển truyền thống. Dễ thấy ngay, một trong những −u điểm đó là việc bộ điều khiển logic mờ có thể đ−ợc thiết kế theo các quy tắc ngôn ngữ học và liên hệ chặt chẽ với trí tuệ nhân tạo. Nh− mô tả trong [107] trí tuệ nhân tạo (hay lý thuyết các hệ thống nơron) và lý thuyết điều khiển đã có lúc đ−ợc xem nh− một lĩnh vực hiểu biết: một mục đích của trí tuệ nhân tạo là thay thế con ng−ời bằng máy móc khi thực hiện các thao tác chính xác; nh− vậy mối liên hệ giữa trí tuệ nhân tạo và lý thuyết điều khiển là quá rõ. Bộ điều khiển mờ cấu thành từ bộ các toán tử ngôn ngữ điều kiện, hay các quy tắc (đ−ợc gọi là các quy tắc ma trận kết hợp mờ, hay các quy tắc FAM), tạo ra các tình huống điều khiển cụ thể. Các toán tử ngôn ngữ điều kiện trên có thể dễ dàng nhận đ−ợc từ sự suy đoán đúng đắn hay từ những thông tin kỹ thuật về quá trình cần đ−ợc điều khiển. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 35 Với nhiều quá trình công nghiệp thật khó để đảm bảo việc điều khiển chính xác. Chúng th−ờng là đa chiều, phi tuyến và thay đổi theo thời gian. Điều khiển trên cơ sở logic mờ có thể đ−ợc ứng dụng thành công đối với các quá trình nh− vậy. Ngoài ra các bộ điều khiển mờ có thể làm việc với các hệ thống không đ−ợc mô tả hoàn toàn với động học ch−a biết, thật vậy đối với chúng (khác với nhiều bộ điều khiển thích nghi truyền thống) không đòi hỏi phải có đ−ợc mô hình toán học tiền nghiệm của đối t−ợng điều khiển. Còn một −u điểm nữa của các bộ điều khiển mờ là việc chúng có thể dễ dàng đ−ợc thực hiện trên các vi mạch lớn số hay t−ơng tự [108,109,110], mà ở đó thông tin có thể đ−ợc mã hoá theo sơ đồ phân bố song song. 3.1 Tóm tắt lý thuyết về các tập mờ và các hệ mờ. Lý thuyết các tập mờ - một lĩnh vực nghiên cứu đang phát triển mạnh. Một số khía cạnh của nó đ−ợc đề cập tới trong [111], [115]. Trong phần này chỉ đ−a ra tóm tắt về lý thuyết tập mờ trên quan điểm của Kosko [114]. Theo lý thuyết này [114] có thể xác định một tập mờ nh− một điểm trong khối lập ph−ơng, còn hệ thống mờ nh− ánh xạ giữa các khối lập ph−ơng nh− vậy. S - hệ mờ, là ánh xạ tập mờ vào tập mờ. Nh− vậy, hệ mờ biến đổi các tập mờ từ khối lập ph−ơng nI vào khối lập ph−ơng pI khác. pn IIS →: , (1.39) Trong đó nI - khối lập ph−ơng đơn vị n- chiều chứa tất cả các tập mờ con của miền xác định, còn pI chứa tất cả các tập mờ con của miền giá trị. Nói chung, hệ mờ S ánh xạ họ các tập mờ lên nhau, tức là plpnn IIIIS ìì→ìì Γ ......: 11 . (1.40) Những hệ mờ nh− thế tác động nh− các phần tử của bộ nhớ kết hợp, khi chúng ánh xạ từ các đầu vào kín đến các đầu ra kín; theo ý nghĩa này với chúng ta sử dụng tên gọi “bộ nhớ kết hợp mờ”. Bộ nhớ kết hợp mờ đơn giản nhất mã hoá quy tắc ma trận kết hợp mờ hay sự kết hợp ( ii BA , ) liên hệ tập mờ P - chiều iB với tập mờ n- chiều iA . Các bộ nhớ kết hợp mờ cực tiểu nh− thế ánh xạ một phần tử nI vào một phần tử của pI . Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 36 Trong lý thuyết các tập mờ [80] có xác định 3 phép toán chính: phép bù, kết hợp và giao của các tập mờ. Phép bù tập mờ A đ−ợc ký hiệu là A′ và đ−ợc tính bằng biểu thức. XxxmxAm A ∈−=′ ),(1)( , (1.41) Trong đó X - tập hợp các điểm của trục thực 1R , còn )(xmA - hàm liên thuộc tập mờ A nhận giá trị trong dải 0 đến 1. Phép hợp hai tập mờ A và B với các hàm liên thuộc t−ơng ứng )(xmA và )(xmB sẽ là tập mờ C ký hiệu là BA∪ . Hàm liên thuộc của nó đ−ợc xác định theo các hàm phụ thuộc các tập A và B phù hợp với biểu thức. XxxmxmMaxxm BAC ∈= )],(),([)( , (1.42) hay ở dạng rút gọn: )]()()( xmxmxm BAC ∨= (1.43) Phép giao hai tập mờ A và B với các hàm phụ thuộc )(xmA và )(xmB là tập mờ c ký hiệu BA∩ . hàm phụ thuộc của nó xác định bằng biểu thức. XxxmxmMinxm BAC ∈= )],(),([)( , (1.44) hay ở dạng rút gọn: )()()( xmxmxm BAC ∧= . (1.45) Nói một cách đơn giản, hợp các tập mờ A và B - đó là tập mờ nhỏ nhất có chứa cả A lẫn B. Giao của tập mờ A và B là tập mờ đ−ợc chứa cả trong A lẫn trong B. Nói chung, hệ thống bộ nhớ kết hợp mờ F: pn II → thực hiện việc mã hoá và xử lý song song bộ gồm m quy tắc ma trận kết hợp mờ ),(),...,,( 11 mm BABA , nh− chỉ ra trên hình 1.3. Mỗi đầu vào của hệ A kích hoạt mỗi quy tắc FAM đ−ợc l−u giữ ở mức độ khác nhau. Quy tắc FAM nhỏ nhất, sự kết hợp thứ i , hay quy tắc ),( ii BA ánh xạ đầu vào A vào đầu ra /iB - là ph−ơng án iB đ−ợc kích hoạt từng phần. Đầu vào A càng giống với iA thì / iB càng giống với iB . Tập mờ đầu ra t−ơng ứng B liên kết các tập mờ đ−ợc kích hoạt từng phần trên // ,..., mi BB ; nó là trung bình có hàm trọng của các tập đ−ợc kích hoạt từng phần. ∑ = ′= m i iiBwB 1 . (1.46) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 37 3.2 Khái niệm cơ bản về bộ điều khiển mờ. Hệ thống điều khiển trên cơ sở logic mờ đ−ợc chỉ ra trên hình 1.4. Nó bao gồm bộ các quy tắc FAM (qui tắc ma trận liên kết mờ) nhằm tạo ra các tình huống điều khiển cụ thể. Trong nhiều ứng dụng chỉ cần tính đ−ợc t−ơng quan giữa sai số và tốc độ thay đổi sai số trong quá trình là đủ để thay đổi tác động điều khiển một l−ợng đảm bảo việc điều khiển chấp nhận đ−ợc đối với một hệ thống. Theo ý nghĩa này có thể phát biểu các quy tắc ngôn ngữ đơn giản dựa trên các quan sát hay trên việc nghiên cứu sơ qua tiến trình của quá trình. Ta đ−a ra ví dụ quy tắc ngôn ngữ bằng ngôn ngữ thực, mà chuyên gia có thể sử dụng để mô tả hoạt động của hệ thống điều khiển. Nếu sai số là d−ơng và lớn, còn tốc độ thay đổi sai số là âm và nhỏ, thì sự thay đổi tại đầu vào của quá trình là d−ơng và lớn. e Q M Đối t−ợng điều khiển V y GU u GE GC + - Hình 1.4 Hệ thống điều khiển trên cơ sở logic mờ Cơ sở các quy tắc Bộ điều khiển mờ Γy Quy tắc 1 Quy tắc 2 Quy tắc n Σ mB′ 2B′ 1B′ mϖ 2ϖ 1ϖ B B ộ gi ải m ờ Hệ thống bộ nhớ kết hợp mờ Hình 1.3 Kiến trúc hệ thống bộ nhớ kết hợp mờ A yj Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 38 Trong quy tắc đã sử dụng 3 biến: sai số (E), tốc độ thay đổi sai số (C) và thay đổi tác động điều khiển (U). Chúng đ−ợc cho bằng những tập tổng hợp cố định xác định dải đo có thể của các đại l−ợng trong hệ điều khiển này. Trong một số ứng dụng [116,117] để làm tiền đề của quy tắc FAM, nhằm mục đích làm tốt nên các đặc tr−ng của hệ thống, có thể thêm vào một biến nào đó nữa, ví dụ, đại l−ợng tác động điều khiển tr−ớc đó, tuy nhiên điều này dẫn tới việc phức tạp thêm khi thiết kế hệ thống điều khiển. Mỗi một biến mờ có thể đ−ợc biến đổi thành các tập mờ con phù hợp với sự phức tạp của quá trình. Các thuật ngữ ngôn ngữ (lớn d−ơng, bé âm, bằng không vv…), mà chuyên gia có thể sử dụng để mô tả hoạt động của hệ điều khiển, đ−ợc dùng để ký hiệu các tập mờ con - chúng thực tế là các giá trị số. Mỗi tập mờ con chứa các phần tử cùng với các bậc phụ thuộc của nó. Hàm liên thuộc của tập mờ sẽ đạt một giá trị thực nào đó (thông th−ờng trong dải 0 đến 1) t−ơng ứng với mỗi phần tử của tập tổng hợp; số này ký hiệu là bậc, mà cùng với nó một đối t−ợng cụ thể hay một phần tử dữ liệu thuộc vào tập mờ. Ví dụ, quy tắc FAM thứ k có thể đ−ợc viết ở dạng toán tử sau đây: Nếu E là kE và C là kC thì U là kU . (1.47) Các tập mờ con kE , kC và kU đ−ợc cho bằng bộ các cặp có thứ tự dạng: EemeE kek ⊂= ))}(,{( CcmmcC kck ⊂= ))}(,{( , UumuU kuk ⊂= ))}(,{( , (1.48) Trong đó e,c và u - các phần tử các tập tổng hợp rời rạc Còn ukckek mmm và,, - các giá trị t−ơng ứng của hàm liên thuộc - chỉ ra bậc, mà cùng với nó phần tử t−ơng ứng là thành phần của tập mờ con. Các đồ thị hàm liên thuộc các tập mờ có thể có dạng khác nhau: đơn điệu, tam giác, hình thang, hình chuông (hình dạng phân bố chuẩn) phụ thuộc vào ý thích và kinh nghiệm của ng−ời thiết kế. Các ví dụ các dạng cơ bản của hàm liên thuộc đ−ợc đ−a ra trên hình 1.5. Việc lựa chọn kiểu hàm liên thuộc ảnh h−ởng đến kiểu đầu ra đ−ợc dùng [118]. Trên thực tế ứng dụng rộng rãi hàm liên thuộc hình thang và tam giác - chúng đảm bảo sự đơn giản tính toán. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 39 Các tiền đề của tất cả các quy tắc FAM - mô tả tác động điều khiển nên quá trình, đ−ợc tích cực hoá song song (nh− chỉ ra trên hình 1.3), khi dạng xung tại các đầu vào nh− thế nào đó mà lựa chọn đ−ợc các giá trị duy nhất t−ơng ứng của các biến mờ. Tiền đề có thể đ−ợc tích cực hoá cùng với bậc, là giá trị cực tiểu hay cực đại của hàm liên thuộc, phụ thuộc vào việc mối liên hệ nào đ−ợc sử dụng cho tập mờ tiền đề: và “AND” hay hoặc “OR”. Trong ví dụ đ−a ra ở trên trong tiền đề có sử dụng liên hệ “AND”; kết quả hệ mờ kết thúc kU đ−ợc kích hoạt với bậc kw tính theo định nghĩa phép toán giao nhau (1.44) theo công thức: )()( cmemw kk cek ∧= . (1.49) Dạng hàm liên thuộc của tập mờ đầu ra phụ thuộc vào sơ đồ mã hoá đ−ợc dùng của quy tắc FAM. Sử dụng rộng rãi hai ph−ơng pháp mã hoá: mã hoá theo cực tiểu của t−ơng quan và theo tích của t−ơng quan. Khi mã hoá theo cực tiểu t−ơng quan, hàm liên thuộc tập mờ kU đ−ợc cắt đến mức kw với cực tiểu theo tất cả các điểm nên )()( ymwym kk UkO ∧= , (1.50) Còn khi mã hoá theo tích t−ơng quan )(ymuk đ−ợc nhận với đại l−ợng kw . 0 x 1 m (x) m (x) 1 0 x(a) Đơn điệu (b) Tam giác m (x) 1 0 x m (x) 1 0 x (d) Hình chuông (c) Hình thang Hình 1.5 Bốn ví dụ hàm liên thuộc Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 40 )()( ymwym kk UkO = , (1.51) Trong đó )(ymok - bậc phụ thuộc cho tập mờ đầu ra trên khoảng y của tập đầu ra. Trên hình 1.6 chỉ ra các ví dụ sự thay đổi tập mờ đầu ra khi sử dụng mã hoá theo cực tiểu t−ơng quan (a) và theo tích t−ơng quan (b). Trên thực tế đại l−ợng )(ymok không là duy nhất; trong tr−ờng hợp này để nhận đ−ợc hàm phụ thuộc của tập mờ đầu ra cần thực hiện phép hợp tất cả các hàm phù hợp với định nghĩa phép toán hợp mờ (1.42) )(...)()()( 21 ymymymym kOOOO ∨∨∨= . (1.52) L−u ý rằng ở đây k - không phải số l−ợng quy tắc, mà là chỉ số l−ợng tử hoá tập mờ đầu ra thành các tập con. Bộ giải mờ đầu ra, tức là l−ợng thay đổi tín hiệu điều khiển đầu ra u, bằng tâm điểm mờ (giải mờ theo ph−ơng pháp điểm trọng tâm): Đầu ra Kết thúc (a) mã hoá theo cực tiểu t−ơng quan 0 x Wk 1 m(x) m(x) 1 0 x x (b) mã hoá theo tích t−ơng quan Kết thúc Đầu ra m(x) 1 0 m(x) 1 0 x Wk Hình 1.6 Các ví dụ thủ tục đầu ra từ các quy tắc FAM chỉ rõ ảnh h−ởng tới đầu ra: (a) mã hoá theo cực tiểu t−ơng quan; (b) mã hoá theo tích t−ơng quan Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 41 ∫ ∫= dyym dyymy u O O )( )( , (1.53) Trong đó các giới hạn tích phân t−ơng ứng toàn bộ tập tổng hợp Y . Để đơn giản việc tính Y có thể phải chịu phép rời rạc hoá thành p giá trị thông qua các khoảng không đổi yD . Sử dụng biểu diễn rời rạc },...,,{ 21 pyyyY = ta có ph−ơng án rời rạc của tâm điểm mờ: ∑ ∑ = == p j jO p j jOj ym ymy u 1 1 )( )( . (1.54) Bộ điều khiển mờ có một loạt các tham số cần phải đ−ợc ng−ời thiết kế lựa chọn tr−ớc. Trong ví dụ đang xét chúng là các hệ số tỷ lệ GE, GC, GU cho sai số quá trình, sự thay đổi sai số và đầu ra bộ điều khiển t−ơng ứng. Các giá trị sai số và thay đổi sai số đ−ợc bộ điều khiển sử dụng là các phần tử của các tập tổng hợp t−ơng ứng, mà chúng có thể biểu diễn bằng các hàm theo thời gian c(t)và)(te , trong đó t- thời điểm rời rạc hoá. Do các đại l−ợng này đòi hỏi phải chuyển thành đại l−ợng định l−ợng t−ơng ứng với phần tử gần nhất của tập tổng hợp, nên đầu tiên cần phải tạo tỷ lệ cho chúng bằng cách nhân với giá trị phù hợp. Nếu vào thời điểm t đầu ra của quá trình và điểm xác lập có các giá trị Y(t)và)(tX t−ơng ứng, thì c(t)và)(te đ−ợc tìm từ các ph−ơng trình sau: )})}(()([{)( г GEtxtyQkTe −−= , (1.55) )])}(1()([{)( GCtxtxQkTc −−−= . (1.56) T−ơng tự kết quả biến đổi tâm điểm mờ thành dạng số (rõ ràng) đòi hỏi phải nhân với giá trị t−ơng ứng GY để tính đ−ợc sự thay đổi thực của đầu vào quá trình. Nh− vậy, nếu )1( +tV - giá trị mới của đầu vào quá trình, thì nó đ−ợc cho bằng biểu thức: )()()1( tGUutvtv +=+ . (1.57) Việc lựa chọn các hệ số tỷ lệ nh− vừa xét đ−ợc làm t−ơng tự việc lựa chọn các tham số bộ điều khiển PID hay lựa chọn các đa thức do ng−ời dùng đ−a ra cho một số bộ điều khiển thích nghi. Bằng các nghiên cứu đã đề xuất một vài cách tiếp cận có tính hệ thống trong việc lựa chọn các hệ số này [119,120,121]. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 42 4. Điều khiển nơron 4.1 Mạng nơron nhân tạo. 4.1.1 Mô hình tổng quát Năm 1943 McCuloch và Pitts đã đ−a ra mô hình toán học của nơron và cho thấy các khả năng tính toán của mạng nơron. Mô hình nơron theo McCuloch và Pitts đ−ợc dẫn ra trên hình 1.7. Hàm ng−ỡng (giới hạn) Hình 1.7 Sơ đồ mô hình nơron (theo McCuloch và Pitts) Mô hình toán học của nơron do McCuloch và Pitts đề xuất có dạng: netj = ∑ i wjiOi + θj , (1.58) Oj = f(netj), (1.59) Trong đó netj - tín hiệu vào của mạng đối với nơron thứ j, θj - giá trị ng−ỡng, wji - trọng số liên kết nơron thứ i với nơron thứ j, Oi - tín hiệu ra của nơron thứ i, f(x) - hàm số đầu ra hoặc hàm kích hoạt nơron. Để đơn giản sẽ sử dụng các hàm kích hoạt có dạng sau: 1. Hàm giới hạn, hàm dấu hoặc hàm signum: ⎩⎨ ⎧ < ≥== ,00 01 )()( xKhi xKhi xsignxf 2. Hàm tuyến tính : f(x) = x, 3.Hàm sigmoid: .0, )exp(1 1)()( > −+ == T T x xsigmoidxf Cần l−u ý rằng khi T → ∞ hàm số sigmoid f(x) chuyển thành hàm tuyến tính, còn khi T → 0 thì nó chuyển thành hàm dấu. O1 0 x +1 f(x) Đầu ra nơron thứ j wj0 wjn θj Sj Oj=f(netj) On O0 1 Sj F(S) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 43 Hình 1.8 Hàm kích hoạt sigmoid Lần đầu tiên ý t−ởng học tập trong các mạng nơron đã đ−ợc phản ánh trong cuốn sách của Hebb [39] xuất bản năm 1949. Tr−ớc tác phẩm này, ng−ời ta cho rằng để bảo đảm học tập trong mạng nơron phải thực hiện những biến đổi vật lý nào đó, tuy nhiên không biết cụ thể là những biến đổi nào. Bản chất các ý t−ởng của Hebb đ−ợc thể hiện trong các biến thể học tập khác nhau. Mặc dầu những chi tiết riêng biệt của các quy tắc thay đổi trọng số có thể khác nhau, điều khẳng định cơ bản của Hebb về việc liên kết giữa các phần tử phải thay đổi tuỳ thuộc vào hoạt tính t−ơng quan của các phần tử liên kết, đã đ−ợc thừa nhận trong nhiều mô hình học tập. Năm 1951 Edmonds và Minsky đã nghiên cứu ra chiếc máy học tập trên cơ sở ý t−ởng của Hebb [40]. Mặc dầu Minsky lần đầu tiên đề xuất ý t−ởng máy học tập, nh−ng công trình của Rosenblatt năm 1962 [41] mới thật sự là công trình đầu tiên trong lĩnh vực học tập của các mạng theo kiểu nơron. Rosenblatt đã đề xuất một lớp mạng nơron đơn giản đặt tên là perceptron. Perceptron thật sự là cả một lớp cấu trúc, bao gồm các phần tử xử lý có khả năng truyền các tín hiệu và thay đổi trọng số của các mối liên kết. Các nghiên cứu của Rosenblatt đ−ợc định h−ớng tr−ớc hết vào mô hình hoá bộ não với ý đồ hiểu đ−ợc cơ chế làm việc của trí nhớ, của sự học tập và các quá trình. Các công trình của Rosenblatt đã đ−ợc nhiều nhà khoa học và kỹ s− kế tục và phát triển; hàng loạt bộ máy trên cơ sở kiến trúc của perceptron đã ra đời. Các công trình phân tích bằng toán học về khả năng công suất tính toán của các perceptron đã đ−ợc hoàn thành (với mục đích phát hiện ra giới hạn khả năng của chúng). Sau khi cuốn sách của Minsky và Papert [42] ra đời, việc quan tâm sử dụng các mạng kiểu nơron để làm thiết bị tính toán bắt đầu giảm sút. Năm 1982 Hopfield đ−a ra ý t−ởng kiến trúc mạng nơron đ−ợc gọi là mạng Hopfield [43]. Ông đã cho x -5 0 5 f(x) 1 0.5 Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 44 thấy có thể xây dựng các thiết bị tính toán trên cơ sở mạng nơron nh− thế nào. Hopfield cũng chỉ ra việc thực hiện bộ nhớ liên kết trên cơ sở mạng nơron, và sau đó còn trình bày khả năng sử dụng các mạng nơron để giải các bài toán tối −u hoá, chẳng hạn nh− bài toán bán hàng[44]. Một cách tiếp cận khác đ−ợc sử dụng rộng rãi trong các biến thể của mạng nơron là sự lan truyền ng−ợc sai số hay là sự lan truyền ng−ợc (backpropagation). Cơ sở của ph−ơng pháp này đ−ợc Werbos đ−a ra năm 1974 [45], và sau đó độc lập với ông là Rumelhart và những ng−ời khác đ−a ra năm 1986 [46]. Trong cuốn sách của Rumelhart “Những quá trình phân bố song song” đã cho thấy triển vọng to lớn của các ph−ơng pháp trên cơ sở mạng nơron. Trong số những công trình khác đ−ợc hoàn thành gần đây cần phải nói đến chiếc máy của Bolsman, học tập cạnh tranh và bản đồ các đặc tr−ng của Kohonen. Chiếc máy Bolsman do Hinton và Sejnowski nghiên cứu chế tạo trên cơ sở các mô hình nhiệt động học [46]. Trong các mô hình này sử dụng các phần tử nhị phân có các trị số 0 và 1. Những giá trị này đ−ợc xác định bởi hàm ngẫu nhiên của các đầu vào. Với giả thiết đ−ợc áp dụng cho mạng Hopfield, có thể chứng minh rằng mạng chuyển sang các trạng thái phù hợp ở mức độ cao nhất với các đầu vào và với các hạn chế bên trong do các trọng số quy định. Một mô hình của học tập cạnh tranh sử dụng một lớp các phần tử xử lý cạnh tranh với nhau, mà kết quả là tạo ra mạng nơ ron đ−ợc sử dụng để giải các bài toán nhận dạng ảnh. Ph−ơng pháp này đ−ợc Rumelhart, Zipser [47] và Grossberg [48] đ−a ra. Ma trận tự tổ chức của các đặc tr−ng Kohonen là mạng hai lớp, nó có thể tổ chức bản đồ tô pô từ điểm ngẫu nhiên ban đầu. Bản đồ có đ−ợc bằng cách đó phản ánh mối quan hệ tự nhiên giữa các hình ảnh mà mạng nhận đ−ợc. Mô hình này do Kohonen [49] đề xuất. 4.1.2 Thuật toán lan truyền ng−ợc. Thuật toán lan truyền ng−ợc (backpropagation algorithm) là mở rộng của khái niệm perceptron [50] cho mạng nơron nhiều lớp. Trong thuật toán lan truyền ng−ợc sử dụng ít nhất ba lớp phần tử xử lý (các nơron). Kiến trúc của mạng ba lớp điển hình cho thuật toán lan truyền ng−ợc đ−ợc trình bày trên hình 1.9. Lớp phần tử bên trái là lớp đầu vào, các dữ liệu đầu vào đ−ợc đ−a đến đó. Tiếp sau nó là lớp ẩn, trong Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 45 i i đó các phần tử xử lý liên kết với lớp phía tr−ớc và lớp phía sau. Lớp bên phải là lớp đầu ra. Hình 1.9 Perceptron nhiều lớp Các lớp trên hình 1.9 hoàn toàn liên kết với nhau, điều này có nghĩa là mỗi phần tử liên kết với từng phần tử của lớp tr−ớc và lớp sau. Trong khi đó các phần tử không liên kết với các phần tử khác trong cùng một lớp. Cần chú ý rằng các mạng lan truyền ng−ợc không nhất thiết phải là những mạng liên kết hoàn toàn, còn số l−ợng lớp ẩn có thể là tùy ý. Để đơn giản chúng ta sẽ xét các mạng nơron ba lớp, t−ơng tự nh− trên hình 1.9 mà tại đó Ok , Oj , và Oi là những đại l−ợng ra của các lớp đầu ra,lớp ẩn và lớp đầu vào t−ơng ứng. Trọng số giữa phần tử thứ j của lớp ẩn và phần tử thứ k của lớp đầu ra đ−ợc ký hiệu là Wkj . T−ơng tự nh− vậy, trọng số của mối liên kết giữa phần tử thứ i của lớp đầu vào và phần tử thứ j của lớp ẩn đ−ợc ký hiệu là Wji. Nh− vậy, ở lớp đầu ra: Ok=f(netk), (1.60) netk=∑wkjOj+θk , (1.61) còn ở lớp ẩn : Oj=f(netj), (1.62) netj = ∑ wji Oi + θj , (1.63) trong đó: )exp(1 1)( x xf −+= (1.64) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 46 Thể thức học là chọn ra các cặp mẫu đầu vào và đầu ra. Đầu tiên mạng nơron trên cơ sở mẫu đầu vào tạo ra mẫu đầu ra riêng của mình, sau đó so sánh nó với mẫu đầu ra mong muốn. Nếu không có khác biệt giữa mẫu mong muốn và mẫu thực tế thì việc học tập sẽ không xảy ra. Nếu ng−ợc lại thì trọng số của các mối liên kết sẽ thay đổi để giảm bớt khác biệt. Số đo sự khác biệt đ−ợc sử dụng trong tr−ờng hợp này là hàm bình ph−ơng sai số E đ−ợc xác định nh− sau: ∑= p pEE , (1.65) ,)( 2 1 2 pk k pkp OE −= ∑ τ (1.66) Trong đó τpk là đầu ra mong muốn đối với thành phần thứ k của mẫu đầu ra thứ p và Opk là đầu ra thực tế t−ơng ứng. Nh− vậy Ep là số đo sai số đầu ra đối với mẫu thứ p, còn E là tổng sai số. Tổ chức thuật toán lan truyền ng−ợc: Việc tổ chức thuật toán lan truyền ng−ợc đ−ợc xây dựng trên cơ sở của một trong những ph−ơng pháp gradient, chẳng hạn ph−ơng pháp gradient tốc độ. ở đây cho thấy quá trình thích nghi của trọng số liên kết giữa các lớp trong mạng nơron nhiều lớp. Đầu tiên chúng ta định ra hàm số sai số và tiêu chuẩn thích nghi của trọng số, tỷ lệ với t−ơng quan của đạo hàm sai số với từng trọng số. Đầu tiên chúng ta sẽ nhận đ−ợc thuật toán lan truyền ng−ợc đối với một mẫu p cụ thể, tức là chúng ta sẽ tìm đ−ợc một dãy tối thiểu Ep. Để đơn giản chúng ta bỏ qua kí hiệu p. Khi đó: ∑ −= k kkp OE 2)( 2 1 τ (1.67) Nguyên tắc đối với lớp đầu ra: Theo ph−ơng pháp gradient tốc độ: kj p kj w E w ∂ ∂−=∆ Trong đó ∆wkj là sự thay đổi cần thiết của trọng số wkj ,tức là ∆wkj=wkj(mới)-wkj (cũ). (1.68) Sự thay đổi này đ−ợc chỉ ra trên hình 1.10. Cần chú ý rằng ph−ơng pháp gradient tốc độ có thể đ−a về tối thiểu cục bộ. Vì vậy ta lấy: Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 47 Hình 1.10 Nguyên lý làm việc của ph−ơng pháp gradient tốc độ. 0, >∂ ∂−=∆ ηη kj p kj w E w (1.69) trong đó η - tốc độ học tập. Chúng ta đ−a vào đại l−ợng tín hiệu sai số tổng quát δk đ−ợc cho bởi biểu thức sau: k p k net E ∂ ∂−=δ (1.70) Sau đó dùng quy tắc chuỗi đã biết ta có: . kj k k kj k k p kj p w net w net net E w E ∂ ∂−=∂ ∂ ∂ ∂=∂ ∂ δ (1.71) Điều này có nghĩa là biểu thức kj p w E ∂ ∂ có thể biểu thị nh− một tích của hai thừa số. Một trong hai thừa số là biến thiên của sai số phụ thuộc vào biến thiên của tín hiệu vào của mạng, thừa số thứ hai là ảnh h−ởng của trọng số liên kết lên tín hiệu vào của mạng. Từ biểu thức (1.61) ta có: j kj k j jkj kj k O w Ow w net =∂ ⎟⎟⎠ ⎞ ⎜⎜⎝ ⎛ +∂ =∂ ∂ ∑ θ Từ đó ta có: ∆wkj = ηδkOj . (1.72) Để tính thừa số dk ta áp dụng nguyên tắc chuỗi. Ta có: E 0>∂ ∂ ω E ∆ω ω* ωnew ωlod W Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 48 k k k p k p k net O O E net E ∂ ∂ ∂ ∂−=∂ ∂−=δ (1.73) Nh− vậy biểu thức δk là tích của hai thừa số. Thừa số thứ nhất phản ánh sự biến thiên của sai số so với đầu ra của phần tử, còn thừa số thứ hai phản ánh biến thiên của đầu ra so với biến thiên đầu vào của mạng. Từ ph−ơng trình (1.67) ta có: )( kk k p O O E −−=∂ ∂ τ (1.74) Từ biểu thức (1.60) ta có: )(, k k k netf net O =∂ ∂ , (1.75) Trong đó f’(x) là đạo hàm của f(x) theo x. Từ biểu thức (1.64) ta có: )),(1)(( ) 1 11( )1( 1 )1( )( 2 , xfxf eee exf xxx x −= =−−−=−= −−− − (1.76) Từ đó: )1( kk k k OO net O −=∂ ∂ (1.77) Nh− vậy chúng ta có: ∆wkj = ηδkOj δk=Ok(1-Ok)(τk-Ok). (1.78) Nguyên tắc đối với lớp ẩn: Nh− đã nói trong phần tr−ớc, nguyên tắc biến đổi trọng số của các liên kết đối với lớp ẩn theo ph−ơng pháp gradient tốc độ có dạng: ji p ji w E w ∂ ∂−=∆ η (1.79) Sử dụng nguyên tắc chuỗi nh− tr−ớc, ta đ−ợc: Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 49 ji j j p ji p w net net E w E ∂ ∂ ∂ ∂=∂ ∂ (1.80) Ta xác định thừa số δj bằng công thức sau: j p j net E ∂ ∂−=δ (1.81) Từ ph−ơng trình (1.63) ta đ−ợc: i ji j O w net =∂ ∂ Nh− vậy: ∆wji = ηδjOi (1.82) Sử dụng quy tắc chuỗi, ta đ−ợc: ∑ ∂ ∂ ∂ ∂ ∂ ∂−=∂ ∂−= k j j j k k p j p j net O O net net E net Eδ (1.83) Ta nhận thấy rằng biến thiên của đại l−ợng netj tác động đến tất cả đầu ra Ok vì vậy trong quy tắc chuỗi đ−a ra ở trên đòi hỏi phải có phép cộng tất cả số hạng k. Sử dụng các biểu thức (1.70), (1.61), (1.62) và (1.64), ta đ−ợc: ∑ ∑−== k k kjkjjjkjkj wOOnetfw δδδ )1()(, (1.84) Nh− vậy, ta nhận đ−ợc thuật toán biến thiên trọng số liên kết sau đây: ∆wkj = ηδkOj , (1.85) ∆wji = ηδjOi , (1.86) δk = Ok (1-Ok)( τk - Ok) , (1.87) ∑−= k kjkjjj wOO δδ )1( (1.88) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 50 Để tăng tốc độ học tập mà không gây ra dao động ở tín hiệu đầu ra, ta biến đổi ph−ơng trình (1.65) và (1.66) bằng cách đ−a thời điểm vào các ph−ơng trình này. Điều đó có thể thực hiện đ−ợc theo quy tắc sau: ∆wkj (t+1) = ηδkOj + α∆wkj(t) (1.89) ∆wji (t+1) = ηδjOi + α∆wji(t) (1.90) Trong đó t là thời gian thể hiện, h là tốc độ học tập, α là hằng số xác định ảnh h−ởng của biến thiên tr−ớc đó của trọng số lên h−ớng chuyển động tức thời trong không gian trọng số các liên kết. Xét các biểu thức này cùng với các biểu thức: ∑∑ ∂ ∂=∂ ∂ ∂ ∂=∂ ∂ p ji p jip kj p kj w E w E w E w E hoặc (1.91) Chúng ta đi đến kết luận rằng biến thiên trọng số các liên kết sau một chu kỳ thể hiện của các mẫu tỷ lệ với đạo hàm đã đ−ợc dẫn ra ở trên. Điều đó có nghĩa rằng thuật toán lan truyền ng−ợc quả thật bảo đảm cho đại l−ợng E suy giảm nhanh nhất. Tất nhiên kết luận này là đúng chỉ khi các giá trị trọng số các liên kết không thay đổi trong thời gian của chu kỳ. Thứ tự thực hiện thuật toán lan truyền ng−ợc: Thuật toán lan truyền ng−ợc có thể đ−ợc thực hiện d−ới dạng các b−ớc sau đây: B−ớc 1: Cho các đại l−ợng Wji, Wkj ,θk , θj , η và α các giá trị ban đầu. B−ớc 2: Cấp tín hiệu vào cho mạng nơron. Định đầu ra τk mong muốn t−ơng ứng, tính Ok, Oj và δk theo công thức: δk=Ok(1-Ok)(τk-Ok) (1.92) B−ớc 3: Thay đổi trọng số các liên kết một l−ợng bằng: ∆wkj(t+1)=ηδkOj+α∆wkj(t) (1.93) B−ớc 4: Tính δj theo công thức: ∑−= k kjkjjj wOO δδ )1( (1.94) Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 51 B−ớc 5: Thay đổi trọng số các liên kết một l−ợng bằng: ∆wji(t+1)=η δjOi + α∆wji (t). (1.95) B−ớc 6: Đặt t → t+1 và chuyển sang b−ớc 2. 4.2 Công nghệ điều khiển nơron. 4.2.1 Tổng quan Tr−ớc hai chục năm gần đây, những chiến l−ợc điều khiển mới về cơ bản đ−ợc phát triển trên cơ sở lý thuyết điều khiển hiện đại và kinh điển. Cả lý thuyết điều khiển hiện đại (cá biệt, các công nghệ điều khiển thích nghi và tối −u) lẫn lý thuyết điều khiển kinh điển trong mức độ đáng kể dựa trên ý t−ởng tuyến tính hoá các hệ thống [122] - [126]. Để áp dụng thực tế các tiếp cận này, tr−ớc hết cần phải xây dựng các mô hình toán học. Tuy nhiên mô phỏng toán đ−ợc làm trên cơ sở giả thiết về sự tuyến tính của hệ thống có thể không phản ánh các tính chất vật lý thực của nó. Thậm chí nếu xây dựng thành công các mô hình toán phức tạp phản ánh chính xác mối t−ơng quan vật lý giữa đầu vào và đầu ra hệ thống thì chúng cũng có thể lại là vô ích đối với các mục đích điều khiển. Về thực tế có thể chấp nhận đ−ợc là những mô hình với độ nhạy thấp theo các tham số. Đảm bảo điều đó đối với các hệ phi tuyến là t−ơng đối phức tạp. Nói chung, các mô hình thống kê có thể sử dụng làm mô hình toán “tốt” cho việc xấp xỉ gần đúng các tính chất vật lý thực của các hệ thống [123], ví dụ, mô hình tự hồi qui, mô hình trung bình hồi qui - tr−ợt, mô hình mạng tinh thể vv…. Các mô hình này đã đ−ợc cả các nhà lý thuyết lẫn các kỹ s− thực hành xây dựng nên trong lĩnh vực xử lý tín hiệu. Chúng cho phép đạt đ−ợc các kết quả t−ơng đối tốt trong giải quyết nhiều bài toán thực tế [124], liên quan tới nhận dạng tiếng nói, phân tích dữ liệu khảo sát địa chất, nhận dạng mẫu vv…. −u điểm của các mô hình thống kê là ngoài sự đơn giản của chúng còn là việc chúng thừa nhận việc kiểm tra về sự thích hợp bằng cách khảo sát các đặc tr−ng tần số nhờ việc sử dụng phân tích phổ. Cách tiếp cận thống kê nh− thế có thể là hiệu quả, tuy nhiên việc làm gần đúng đ−ợc dùng ở đây th−ờng không đảm bảo độ chính xác cần có cho mục đích điều khiển. Nguyên nhân của nh−ợc điểm này chính là ở cố tình làm thích ứng các mô hình tuyến tính với các hệ thống phi tuyến phức tạp. Ngoài ra, các ph−ơng pháp trên dựa trên các mô hình “hộp đen”, mà các biến và tham số sử dụng trong chúng trong một số tr−ờng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 52 hợp lại không có ý nghĩa vật lý. Do vậy những cách tiếp cận này ít đ−ợc ứng dụng rộng rãi trong thực tế điều khiển [125]. Cách tiếp cận với điều khiển phổ biến khác - điều khiển thích nghi, đã đ−ợc xét trong phần tr−ớc. Cách tiếp cận này giả thiết có mô hình toán học dựa trên các hiện t−ợng vật lý và đánh giá các tham số ch−a biết có trong mô hình đó. Tiếp đó xác định quy luật điều khiển nhằm h−ớng tới đạt đ−ợc mục tiêu nào đó (mức độ đạt đ−ợc đánh giá bằng hàm mục tiêu); khi đó mô hình toán đ−ợc xem nh− một hệ thực và cũng dựa trên lý thuyết các hệ tuyến tính. Khi có sự thay đổi nào đó trong đối t−ợng điều khiển hay trong các điều kiện bên ngoài đòi hỏi phải sắp đặt lại mô hình và xác định quy luật điều khiển mới. Nh− vậy, đòi hỏi phải kiểm tra “bằng tay” xem liệu mô hình có là thích hợp với hệ vật lý thực không. Do đó lý thuyết điều khiển hiện đại đã không là quá phổ biến, rất phức tạp ứng dụng nó cho các bài toán thực ngoài một số bài toán đặc thù nh− cho bài toán điều khiển các vệ tinh. Từ những dẫn chứng đ−a ra có thể đ−a ra kết luận: để các thuật toán điều khiển có thể áp dụng trên thực tế, chúng cần phải t−ơng đối đơn giản dễ thực hiện và dễ hiểu. Ngoài ra chúng phải có khả năng cho việc học, linh hoạt, ổn định, phi tuyến. Các thuật toán dựa trên logic mờ, có đ−ợc một vài trong số những tính chất vừa nêu nhờ đó hiện nay chúng đã đ−ợc sử dụng t−ơng đối rộng rãi. Thời gian gần đây phục vụ cho mục đích điều khiển ng−ời ta quan tâm ngày càng nhiều và bắt đầu ứng dụng các mạng nơron. Chúng cho thấy hiệu quả để giải quyết các bài toán nhận dạng mẫu. Các mạng nơron có khả năng học trên cơ sở t−ơng quan “vào - ra” vì thế chúng có thể đảm bảo các lời giải đơn giản hơn đối với các bài toán điều khiển phức tạp. Ngoài ra, các nơron - đó là những phần tử phi tuyến, suy ra các mạng nơron cũng là những hệ thống phi tuyến rất có ích cho giải các bài toán điều khiển về nguyên tắc gắn với sự có mặt của các đặc tr−ng phi tuyến. Các ph−ơng pháp điều khiển truyền thống không đảm bảo giải quyết đ−ợc những bài toán t−ơng tự. Nh− vậy, gần đây sử dụng điều khiển có tính trí tuệ đã trở thành công cụ t−ơng đối phù hợp để giải các bài toán thực [126,127]. Điều khiển nơron đ−ợc gọi là sự ứng dụng các mạng nơron hoàn toàn xác định tr−ớc (nhân tạo hay tự nhiên) để tạo ra các tín hiệu điều khiển thực. Th−ờng khi ng−ời ta nói “điều khiển” ng−ời ta hiểu thuật ngữ này nh− một dạng xác định của trí tuệ. Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 53 Trong kỹ thuật khi thiết kế bộ điều khiển để điều khiển một đối t−ợng nào đó hay một quá trình phù hợp với những tham số đã cho, cũng có thể nói rằng có một quá trình “t− duy” nào đó cần đ−ợc thực hiện bằng bộ điều khiển nhằm đảm bảo hoạt động mong muốn của đối t−ợng điều khiển. Một trong những đặc tr−ng các hệ thống điều khiển với liên hệ ng−ợc - khả năng của chúng cho “t− duy” theo nghĩa chúng có thể (ở mức độ nào đó) thay thế con ng−ời - nhân viên. Norbert Viner lúc đ−ơng thời từng khẳng định tất cả các hệ thống cả sống lẫn không sống đều là các hệ thống tin và các hệ điều khiển với liên hệ ng−ợc. Ông cho rằng lý thuyết điều khiển, lý thuyết thông tin và lý thuyết các hệ thống nơron phải đ−ợc xem nh− các phần của một khoa học - điều khiển học. Thực tế, tuy vậy cũng bắt gặp xu h−ớng phát triển độc lập của lĩnh vực hiểu biết trên. Trong m−ời năm lại đây ph−ơng tiện hiệu quả để thực hiện các cơ chế học lại là thuật toán lan truyền ng−ợc. Hầu nh− trong tất cả các lĩnh vực kỹ thuật các nhà nghiên cứu bắt đầu áp dụng tích cực các cơ cấu dựa trên các mạng nơron, để tìm lời giải tốt nhất so với các ph−ơng pháp thông th−ờng. Có một số nguyên nhân chính giải thích sự quan tâm tới việc ứng dụng các mạng nơron đối với các bài toán điều khiển nhằm thay thế cho các ph−ơng pháp truyền thống: - Các mạng nơron có thể học bất kỳ hàm nào [129,130,131] chỉ cần sao cho quá trình học cung cấp đủ l−ợng lớn thông tin, kể cả việc lựa chọn đúng mô hình nơron. Nh− vậy, khả năng học của các mạng nơron đã loại trừ sự cần thiết sử dụng công cụ toán phức tạp khác với nhiều ph−ơng pháp truyền thống điều khiển thích nghi và tối −u. - Việc đ−a thêm các hàm kích hoạt (hay các hàm phi tuyến dạng chung nào đó) vào các nơron kín của mạng nơron nhiều lớp đảm bảo khả năng thực hiện các ánh xạ phi tuyến. Điều này quan trọng cho giải các bài toán điều khiển với những phi tuyến đáng kể, mà với chúng các tiếp cận truyền thống tạm thời không cho đ−ợc các giải pháp có thể thực hiện về thực tiễn. Rất có thể, −u điểm trên của mạng nơron lại là quan trọng nhất trên quan điểm lý thuyết điều khiển. - Điều kiện cần của ứng dụng các ph−ơng pháp điều khiển thích nghi và tối −u truyền thống là sự có mặt một l−ợng lớn thông tin tiền nghiệm về đối t−ợng điều khiển, ví dụ các dữ liệu mô phỏng toán học [122], [133]. Nhờ khả năng tự học của Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 54 mạng nơron, đối với các bộ điều khiển nơron rất có ích cho điều khiển trong những điều kiện có các bất định đáng kể. - Mức độ song song cao của các mạng nơron cho phép thực hiện các ph−ơng pháp rất nhanh xử lý đa bộ vi xử lý trên cơ sở sử dụng các tinh thể nơron hay các ph−ơng tiện phần cứng song song. Hãng American Neuro logix Inc đã thiên về bộ vi xử lý nơron (NLX 420) đã đ−ợc đ−a ra thị tr−ờng [136]. - Nhờ thực hiện trong mạng nơron kiến trúc xử lý song song, sự hỏng hóc của các phần tử riêng biệt của các ph−ơng tiện kỹ thuật không thể ảnh h−ởng đáng kể đến hoạt động của mạng về tổng thể [137], [138]. Một trong những công trình đáng kể đầu tiên về điều khiển nơron là cuốn sách của Miller và các tác giả khác “Các mạng nơron trong điều khiển” [139], mà nó bao gồm những kết quả ban đầu quan trọng về điều khiển nơron. Trong đó có xét kiến trúc các mạng nơron cho việc học, chứng thực và điều khiển. Werbos [141] có nỗ lực (hơn thế còn mang tính tranh cãi) phân loại các ứng dụng của diều khiển nơron. Ví dụ, tách ra trong phân loại đó “điều khiển điều hành” và “điều khiển thuận - nghịch” ở mức độ nào đó có sự lẫn lộn, thật vậy điều khiển điều hành có thể là tr−ờng hợp riêng của điều khiển thuận nghịch và ng−ợc laị. Ngoài ra, một vài chuyên gia khẳng định việc phân tích điều khiển thích nghi nơron trong phân loại trên không khác gì mấy so với “lan truyền ng−ợc trong thời gian” - một điều cũng không đ−ợc t−ờng minh. Mặc dù nhiều ng−ời cho rằng nỗ lực phân loại đ−ợc áp dụng quá sớm, tuy vậy công trình đó [141] cũng xứng đáng với một sự tin cậy nhất định. Tuy vậy cho tới hiện nay một trong những khảo sát đáng kể triển vọng nhất của điều khiển nơron là công trình của Hunt [142]. Trong đó đã chỉ ra rất đúng sự song song giữa lý thuyết điều khiển và mạng nơron, đồng thời xem xét gần nh− tất cả các dạng biến thể chính đ−ợc dùng để giải các bài toán nhận dạng và điều khiển trên cơ sở mạng nơron. 4.2.2 Các ph−ơng pháp và sơ đồ điều khiển nơron tổng quát Rất có thể một trong số tác phẩm đáng kể đầu tiên về điều khiển nơron là công trình của Widrow và Smith [143]. Họ đã chỉ ra rằng hệ thống ADALINE của họ có khả năng đảm bảo sự ổn định của con lắc không ổn định trên đế xe tr−ợt di động, lặp lại hoạt động của hệ thống tồn tại đ−ợc con ng−ời điều khiển. Ph−ơng Báo cáo tổng kết khoa học và kỹ thuật Đề tài Đề tài cấp Nhà n−ớc KC.03-09 55 pháp điều khiển nh− vậy là một trong số các hình thức “điều khiển điều hành”. Trong công trình của Albus [144], [145] đề xuất cách tiếp cận mới về điều khiển cánh tay robot, mà nó dựa trên việc sử dụng sự đa dạng của mạng nơron với bảng quan sát. Các cộng sự của tr−ờng đại học tổng hợp New - Gampshi [146] đã ứng dụng mạng này để điều khiển Robot và để giải các bài toán thực tế khác. Vào 1983 Barto và một số ng−ời [147] đã đ−a ra ý t−ởng một hệ thống tự học thích nghi cấu thành từ một phần tử tìm kiếm kết hợp và một phần tử tới hạn thích nghi. Biện pháp này đã đ−ợc áp dụng để ổn định hệ thống nh− chỉ ra trên hình 1.11. Werbus [140] đã phân loại cách tiếp cận đó là “thích nghi - tới hạn”. Ngoài ra, đã có những công trình khác về nghiên cứu và ứng dụng cách tiếp cận trên dựa trên ý nghĩa độ tin cậy [148 - 153]. Việc ứng dụng