BÁO CÁO CUỐI KÌ ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY

- Tìm hiểu về Logic Mờ - Tìm hiểu về Crisp set và Fuzzy set- Viết luật điều khiển - Quá trình mờ hoá trong Logic mờ - Phủ các trường hợp của luật - Hàm chân trị trong Logic mờ - Triển kh

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH

KHOA CÔNG NGHỆ THÔNG TIN

BÁO CÁO CUỐI KÌ

ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN

NHIỆT ĐỘ LÒ SẤY

Giảng viên hướng dẫn : Ths ĐẶNG NHƯ PHÚ

Sinh viên thực hiện: : 1 TRẦN CAO MINH - 2000004265

2 NGUYỄN ĐÌNH CHIÊU - 2000004626 Chuyên ngành: : TRÍ TUỆ NHÂN TẠO

Môn học: : ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH

KHOA CÔNG NGHỆ THÔNG TIN

BÁO CÁO CUỐI KÌ

ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN

NHIỆT ĐỘ LÒ SẤY

Giảng viên hướng dẫn : Ths ĐẶNG NHƯ PHÚ

Sinh viên thực hiện: : 1 TRẦN CAO MINH - 2000004265

2 NGUYỄN ĐÌNH CHIÊU - 2000004626 Chuyên ngành: : TRÍ TUỆ NHÂN TẠO

Môn học: : ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG Khóa: : 2020

Tp.HCM, tháng 09 năm 2022

TRƯỜNG ĐẠI HỌC NGUYỄN TẤT THÀNH

KHOA CÔNG NGHỆ THÔNG TIN

Họ và tên: TRẦN CAO MINH MSSV: 2000004265

Họ và tên: NGUYỄN ĐÌNH CHIÊU MSSV: 2000004626

Chuyên ngành: TRÍ TUỆ NHÂN TẠO Lớp học phần: 20DTH1B Tên đề tài: ỨNG DỤNG LOGIC MỜ VÀO ĐIỀU KHIỂN NHIỆT ĐỘ LÒ SẤY

Giảng viên giảng dạy: ThS Đặng Như Phú

Thời gian thực hiện: 12/06/2022 đến 08/09/2022

Nhiệm vụ/nội dung (mô tả chi tiết nội dung, yêu cầu, phương pháp… ):

- Phân tích yêu cầu bài toán

- Xác định đầu vào và đầu ra

- Xác định các tập mờ

- Xác định các luật

- Xây dựng mô hình điều khiển nhiệt độ dựa trên tập mờ và các luật, đánh giá kết quả

- Biểu diễn kết quả

Nội dung và yêu cầu đã được thông qua Bộ môn.

Tp.HCM, ngày tháng 09 năm 2022

- Tìm hiểu về Logic Mờ - Tìm hiểu về Crisp set và Fuzzy set

- Viết luật điều khiển - Quá trình mờ hoá trong Logic mờ

- Phủ các trường hợp của luật - Hàm chân trị trong Logic mờ

- Triển khai Logic mờ bằng ngôn ngữ Python 3 - Các phép toán trong Logic mờ

- Tìm hiểu thư viện Scikit-fuzzy - Giải hệ mờ

- Cài đặt trên môi trường Google Colab - Tham gia viết báo cáo

- Tham gia viết báo cáo

Lời cảm ơn

Lời đầu tiên, em chân thành gửi lời cảm ơn tới thầy ĐẶNG NHƯ PHÚ đã giúp đỡ nhóm

em cũng như lớp trong suốt môn học

Trong quá trình học tập và tìm hiểu về bộ môn “ĐIỀU KHIỂN LOGIC MỜ VÀ ỨNG DỤNG”, thầy đã rất tận tuỵ và hỗ trợ nhiệt tình cho em, lớp Thầy đã giúp emtích luỹ được thêm nhiều kiến thức để có thể dần dần hoàn thiện ước mơ về công nghệthông tin của mình Thông qua báo cáo giữa kì này, em muốn thể hiện tổng quan về tất

cả kiến thức thầy đã truyền đạt cho em đến thời điểm hiện tại

Trong thời gian thực hiện đồ án cuối kì của môn học để có được một kết quả nộp thầy sẽkhông tránh được những thiếu sót, em mong thầy xem xét và đưa ra những nhận xét,góp ý chân thành để đồ án được hoàn thiện hơn

Kính chúc thầy nhiều sức khoẻ, thành công trên con đường truyền đạt tri thức của mình

Em cảm ơn thầy!

Vượt qua tất cả các hạn chế đó của ngôn ngữ tự nhiên (thiếu chính xác, không rõ ràng,

…), con người thường hiểu đúng và ít khi hiểu sai những điều mà người khác muốn nói với mình Đây là điều mà máy móc nói chung và máy tính nói riêng không thể thực hiệnđược một cách hoàn hảo

Tham vọng của các nhà toán học, logic học và công nghệ thông tin là muốn xây dựng cho máy móc khả năng suy diễn và xử lý thông tin, tức là có khả năng hoạt động như bộ

óc của con người để chúng có thể nhận những mệnh lệnh của con người thông qua ngôn ngữ tự nhiên và thực thi những nhiệm vụ đó Như vậy, vấn đề đặt ra ở đây là làm thế nào để máy tính có thể hiểu và xử lý được những tri thức diễn đạt bằng ngôn ngữ tự nhiên Để đạt được điều này, trước hết người ta cần phải xây dựng một lý thuyết logic toán cho phép mô tả chính xác ý nghĩa của các mệnh đề không rõ ràng, đa nghĩa

Những mệnh đề trên đây chứa những thông tin không chính xác và không đầy đủ (gọi làcác thông tin mờ), chẳng hạn: như thế nào là lập trình giỏi, cho nên không thể có giá trị chân lý của p’, hay lương của A cao là bao nhiêu, A cảm tình với B đến mức nào ? Tất

cả những mệnh đề trên đều không thể có giá trị chân lý (đúng/sai) rõ ràng (gọi là các mệnh đề ‘mờ’) Chúng ta cũng không thể áp dụng quy tắc modus ponens của logic cổ điển với các mệnh đề ‘mờ’ trên đây, để suy ra ‘A có lương cao’ là đúng, dù rằng có luật : ‘người lập trình giỏi thì có lương cao’ Để máy tính có thể hiểu được các tri thức diễn đạt bằng ngôn ngữ tự nhiên chứa đựng những thông tin ‘mờ’, người ta cần phải xâydựng một lý thuyết logic mới, cho phép mô tả chính xác ý ghĩa của các mệnh đề có chứacác thông tin không rõ ràng, đa nghĩa

PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN

Điểm giáo viên hướng dẫn:

Điểm giảng viên chấm vòng 2:

TPHCM, Ngày …… tháng …… năm

Giáo viên chấm vòng 2 Giáo viên hướng dẫn

MỤC LỤC

Mục lục

Lời cảm ơn iii

Lời mở đầu iv

PHẦN NHẬN XÉT + CHẤM ĐIỂM CỦA GIẢNG VIÊN v

MỤC LỤC vi

DANH MỤC HÌNH vii

Chương 1 Giới thiệu đề tài 1

1.1 Lý do chọn đề tài 1

1.2 Mô tả và hướng xây dựng của đề tài 1

1.3 Môi trường cài đặt 2

Chương 2 Cơ sở lý thuyết 3

Kết luận 3

Hướng phát triển trong tương lai 3

DANH MỤC HÌNH

Chương 1 Giới thiệu đề tài

Quá trình sấy là quá trình làm khô các vật thể, các vật liệu, các sản phâm bằng phương pháp làm bay hơi nước ra khỏi nguyên liệu sấy Do vậy, quá trình sấy khô một vật thể diễn biên như sau: Vật thể được gia nhiệt đê đưa nhiệt độ lên đến nhiệt độ bão hòa ứng với áp suất của hơi nước trên bề mặt vật thể, vật thể được cấp nhiệt để làm bay hơi ẩm

Tuỳ vào nguyên liệu sấy mà độ của ẩm của sản phẩm đầu ra luôn giao động trong khoảng từ 5 – 15%, trong quá trình sấy nhiệt độ là yếu tố cốt lõi quyết chất lượng của thành phẩm Quá trình điều chỉnh nhiệt độ bằng tay là một công việc thiên hướng cảm tính và đánh giá bằng mắt thường, mang lại ít hiệu quả và sản phẩm đầu ra thường không đồng nhất

Từ các vấn đề đó ta áp dụng Logic mờ và quá trình điều khiển nhiệt độ bên trong lò sấy

để mang lại hiệu quả trong việc sấy, giúp tiết kiệm được khối lượng của nguyên liệu trong quá trình sấy, tiết kiệm được thời gian sấy, giúp sản phẩm đầu ra đồng đều về mặtchất lượng

1.2 Mô tả và hướng xây dựng của đề tài

Xác định các giá trị đầu vào

- MatDo_NguyenLieu (Mật độ nguyên liệu bên trong lò)

9

- NhietDo_BenNgoai (Nhiệt độ bên ngoài lò sấy)

- DoAm_NguyenLieu (Độ ẩm hiện tại của nguyên liệu sấy)

Từ các giá trị đầu vào ta sẽ giải hệ mờ và cho ra kết quả

- NhietDo_DieuChinh (Điều chỉnh nhiệt độ bên trong lò sấy)

1.3 Môi trường cài đặt

Môi trường:

- Ngôn ngữ: Python 3Sản phẩm được viết và thực thi tại Google Colaboratory

- Địa chỉ mã nguồn:

https://colab.research.google.com/drive/

1HyrE4D55Tfl554C56EQhVFlhJ_znb41j?usp=sharing

Chương 2 Cơ sở lý thuyết

2.1 Tổng quan về Logic mờ (Fuzzy Logic)

Khái niệm về logic mờ được giáo sư L.A Zadeh đưa ra lần đầu tiên năm 1965, tại trường Đại học Berkeley, bang California - Mỹ Từ đó lý thuyết mờ đã được phát triển

và ứng dụng rộng rãi

Năm 1970 tại trường Mary Queen, London — Anh, Ebrahim Mamdani đã dùng logic

mờ để điều khiển một máy hơi nước mà ông không thẻ điều khiển bằng kỹ thuật cô điển Tại Đức Hann Zimmermann đã dùng logic mờ cho các hệ ra quyết định Tại Nhật logic mờ được ứng dụng vào các nhà máy xử lý nước Fuji Electronic vào năm 1983, hệ thống xe điện ngầm của Hitachi vào 1987

Điều đặc biệt là lý thuyết mờ ra đời ở Mỹ, ứng dụng đầu tiên ở Anh nhưng phát triển mạnh nhất ở Nhật Trong lĩnh vực Tự động hoá logic mờ ngày càng được ứng dụng rộng rãi Nó thực sự hữu dụng với các đối tượng phức tạp mà chúng ta chưa biết rõ hàmtruyền, logie mờ có thê giải quyết các vấn đề mà điều khiển kinh điển không làm được

Logie mờ (Fuzzy logic) là dựa trên thông tin không đầy đủ hoặc không chính xác, con người suy luận đưa ra cách xử lý và điều khiển chính xác hệ thống phức tạp hoặc đối tượng mà trước đây chưa có thể giải quyết một cách ổn định

Điều khiển mờ dựa vào kinh nghiệm vận hành của đối tượng và cách xử lý điều khiển của các chuyên gia trong thuật toán điều khiển Do vậy bộ điều khiển mờ là kết quả của

tư duy con người

Bộ điều khiển mờ được sử dụng rộng rãi trong các hệ thống sau:

- Hệ thống điều khiển phi tuyến

11

- Hệ thống điều khiển mà thông tin đầu vào/đầu ra không đầy đầy đủ hoặc khôngchính xác.

- Hệ thống điều khiển không xác định được tham số hoặc mô hình đối tượng không rõ ràng

Về nguyên tắc, hệ điều khiên mờ cũng có các chức năng tương tự như các hệ thống truyền thống khác, điều khác biệt cơ bản ở đây là mệnh đề hợp thành dựa trên cấu trúc:

“ NÊU A THÌ B” theo một hay nhiều điều kiện

Bản chất của nguyên lý điều khiển mờ là xây dựng mô hình, xây dựng thuật toán điều khiển theo nguyên lý điều khiển mờ

Những ưu điểm của điều khiển mờ:

- Khối lượng công việc thiết kế được giảm đi nhiều do không cần sử dụng mô hình đối tượng, với các bài toán thiết kế có độ phức tạp cao, giải pháp dùng bộ điều khiển mờ cho phép giảm khối lượng tính toán và giá thành sản phẩm

- Bộ điều khiển mờ dễ hiểu hơn so vơi bộ điều khiển khác ( cả kỹ thuật) và dễ dàng thay đổi

- Trong nhiều trường hợp bộ điều khiển mờ làm việc ồn định hơn và chất lượng điều khiển cao hơn

- Bộ điều khiển mờ được xây dựng trên kinh nghiệm của các chuyên gia

- Có thê kết hợp bộ điều khiên mờ với các bộ điều khiển khác

- Bộ điều khiển mờ được xây dựng trên các ngôn ngữ tự nhiên, do vậy rất gần gũi với cuộc sống hằng ngày

- Trong một vài trường hợp, bộ điều khiển mờ dễ hiểu hơn và dễ thay đổi hơn so

chất, được gọi là phần tử của tập hợp đó Ý nghĩa logic của khái niệm tập hợp được xác định ở chỗ một vật hoặc một đối tượng bất kì chỉ có hai khả năng hoặc là phần tử của tập hợp đang xét hoặc là không.

Cho một tập hợp A, một phần tử x thuộc tập A được kí hiệu bằng x∈A ngược lại ta dùng kí hiệu x∉A dùng để chỉ x không thuộc tập A Một phần tử không có tập hợp nào được gọi là rỗng

Cho một tập A Ánh xạ μA(X):A→R Định nghĩa như sau:

μA(X) {μ A (X )=1nếu X ∈ A

μ A (X )=0nếu X ∉ A

Được gọi là hàm liên thuộc tập A Như vậy μA(X) chỉ nhận hai giá trị bằng 1 hoặc bằng

0 Giá trị của một hàm liên thuộc μA(X) chỉ có giá trị đúng, ngược lại 0 là giá trị sai của

μA(X) Một tập X luôn có μA(X)=1 với mọi x được gọi là không gian nền

Một tập A có dạng A= {x ∈ X | x thoả mãn một số tính chất nào đó}thì được nói là có tập nền X, hay được định nghĩa trên tập nền X

Như vậy trong lý thuyết kinh điển hàm liên thuộc hoàn toàn đương với định nghĩa một tập hợp từ định nghĩa về một tập hợp A bất kỳ, ta có thể xác định hàm liên thuộc μA(X) cho tập đó và ngược lại từ hàm liên thuộc μA(X) cũng hoàn toàn suy ra được định nghĩa cho tập hợp A

Cách biểu diễn hàm liên thuộc như vậy sẽ không phù hợp với những tập dược mô tả

‘mờ’ như tập B gồm các số thực dương nhỏ hơn so với 6

B= {x ∈ R| x ≤ 6}

Lý do là do những định nghĩa mờ như vậy chưa đủ để xác định một số, chẳng hạn x=3,5

có thuộc B hay không thì cũng không khẳng định được số thực x=3,5 không thuộc B, vậy thì x=3,5 thuộc B bao nhiêu phần trăm? Giả sử rằng μB(X) tại điểm x=3,5 phải có một giá trị nằm trong khoảng [0,1], tức là:

13

Hơn thế nữa hàm phụ thuộc ở đây lại giữ một vai trò ‘làm rõ định nghĩa’ cho tập mờ

Do đó phải được nêu lên như một điều kiện trong định nghĩa về tập mờ

Hình 1 Hàm liên thuộc của tập mờ F

Các số tự nhiên 3 và 4 có độ phụ thuộc nhỏ hơn 1 μF(3)=0.8 và μF(4)=0.07

Những số không được liệt kê có độ phụ thuộc bằng 0

Sử dụng các hàm liên thuộc để tính độ phụ thuộc của một phần tử x nào đó có hai cách như sau:

- Tính trực tiếp (nếu μF(x) cho dưới dạng công thức tường minh)

- Tra bảng (nếu μF(x) cho dưới dạng bảng)

 x  A c khi và chỉ khi A c (x)  1 A (x), A clà tập bù của A

và nhờ chúng, các phép tính trừ A\B, phép hội (còn gọi là phép giao A  B ),

15

phép tuyển (phép hợp A  B ), phép bù A c giữa hai tập hợp Canor A và B cùng

nền, được chuyển sang thành các phép tính logic giữa hai hàm đặc tính A (x), B (x)

tương ứng của chúng

2.1.4 Các phép toán trên tập mờ

Những phép toán cơ bản trên tập mờ là phép hợp, phép giao và phép bù Giống như định nghĩa về tập mờ, các phép toán trên tập mờ cũng sẽ được định nghĩa thông qua các hàm thuộc, được xây dựng tương tự như các hàm thuộc của các phép giao, hợp, bù giữa hai tập hợp kinh điển Nói cách khác, khái niệm xây dựng những phép toán trên tập mờ được hiểu là xác định các hàm thuộc cho phép hợp, tuyển, bù, … từ những tập mờ

Để thực hiện các phép tính tập hợp giữa nhiều tập hợp với nhau (chứ không phải giữa hai tập hợp) nhờ phép tính logic, ta sử dụng thêm các tính chất hiển nhiên sau:

- Tính giao hoán:A  B  B  A và A  B  B  A

- Tính bắc cầu: NếuA  B thì A  C  B  C và A  C  B  C cũng như A c  B c.

2.1.5 Độ cao, miền tin cậy và miền xác định của tập mờ

Trong những ví dụ trên các hàm thuộc đều có độ cao bằng 1 Điều đó nói rằngcác tập mờ đó đều có ít nhất một phần tử với độ phụ thuộc bằng 1 Trong thực tếkhông phải tập mờ nào cũng có phần tử có độ phụ thuộc bằng 1, tương ứng vớiđiều đó thì không phải mọi hàm thuộc đều có độ cao bằng là 1

Độ cao của tập mờ F (định nghĩa trên tập nền X) là giá trị:

17

# Minh họa về miền xác định và miền tin cậy của một tập mờ

Miền xác định của tập mờ F (định nghĩa trên tập nền X), được ký hiệu bởi S là tập con của M thỏa mãn:

S  supp F (x)  x  X F ( x)  0

là tập con trong X chứa các phần tử x mà tại đó hàm µF(x) có giá trị dương

Miền tin cậy của tập mờ F (định nghĩa trên tập nền X), được ký hiệu bởi T

là tập con của M thỏa mãn:

T  x  X F ( x)  1

 Dạng tam giác

 Dạng hình thang

 Dạng hình chuông

#mô tả quy trình giải mờ

# minh hoạ các phương pháp giải mờ

Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp điểm trọng tâm sẽ được trình bày dưới đây Mỗi phương pháp lại có ưu nhược điểm riêng của chúng

21

# khắc phục nhược điểm phương pháp cực đại

Để giải mờ theo phương pháp cực đại, ta cần thực hiện 2 bước:

Bước 1: Xác định miền G, đó là miền mà tại đó hàm µB(y) đạt giá trị cực đại

Bước 2: Xác định giá trị rõ y cần tìm có thể chấp nhận từ miền G Minh họa cho

phương pháp giải mờ cực đại, kết quả thu được là:

+ Nguyên lý cận trái: Giá trị rõ y0 được lấy bằng cận trái y1 của G:

#Ví dụ minh học phương pháp giải mờ cực đại

Trong đó S  y  Y | R (y)  0là miền xác định của tập mờ µR(y).

Công thức trên cho phép xác định giá trị y0 với sự tham gia của tất cả các tập mờ đầu racủa mọi luật điều khiển một cách bình đẳng và chính xác, tuy nhiên lại không để ý đượctới độ thỏa mãn của luật điều khiển quyết định và thời gian tính toán lâu Ngoài ra một trong những nhược điểm cơ bản của phương pháp điểm trọng tâm là có thể giá trị y0 xác định được lại có độ phụ thuộc nhỏ nhất, thậm chí bằng 0 Bởi vậy để tránh những trường hợp như vậy, khi định nghĩa hàm thuộc cho từng giá trị mờ của một biến ngôn ngữ nên để ý sao cho miền xác định của các giá trị mờ đầu ra là một miền liên thông

23

2.3 Cấu trúc bộ điều khiển mờ

Hoạt động của một bộ điều khiển mờ phụ thuộc vào kinh nghiệm và phương pháp rút

ra kết luận theo tư duy của con người sau đó được cài đặt vào máy tính trên cơ sở logic mờ

2.3.1 Cấu trúc bộ điều khiển mờ

Một bộ điều khiển mờ bao gồm 3 khối cơ bản: Khối mờ hoá, thiết bị hợp thành và khối giải mờ Ngoài ra còn có khối giao diện vào và giao diện ra

# mô tả chức năng bộ điều khiển mờ

2.3.2 Nguyên lý của bộ điều khiển mờ

- Khối mờ hoá có chức năng chuyển mỗi giá tri rõ của biến ngôn ngữ đầu

vào thành véctơ μ có số phần tử bằng số tập mờ đầu vào

-Thiết bị hợp thành mà bản chất của nó sự triển khai luật hợp thành R

được xây dựng trên cơ sở luật điều khiển