nghiên cứu ứng dụng lý thuyết mờ để điều khiển robot tự hành

Điều hướng cho robot tự hành là công việc đòi hỏi phải thực hiện được một số khả năng khác nhau, bao gồm : khả năng di chuyển ở mức cơ bản, ví dụ như hoạt động đi tới vị trí cho trước; k

TRƯỜNG ĐẠI HỌC NHA TRANG

NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT MỜ

ĐỂ ĐIỀU KHIỂN ROBOT TỰ HÀNH

SVTH: Nhâm Văn Dương

NHẬN XÉT CỦA CÁN BỘ HƯỚNG DẪN

Họ và tên sinh viên: Nhâm Văn Dương

Lớp: 50CKCD

Chuyên ngành: Công nghệ cơ điện tử

Đề tài: Nghiên cứu ứng dụng lý thuyết mờ để điều khiển robot tự hành

Số trang:…89… Số chương:04

Hiện vật: 02 quyển báo cáo, 02 đĩa VCD, 01 robot tự hành, 01 bộ điều khiển

NHẬN XÉT:

………

………

………

………

………

………

………

………

………

………

Kết luận………

………

………

………

……… Nha Trang, ngày… tháng… năm 2012 Cán bộ hướng dẫn:

(Ký và ghi rõ họ tên)

PHIẾU ĐÁNH GIÁ CHẤT LƯỢNG ĐỀ TÀI

Họ và tên sinh : NHÂM VĂN DƯƠNG

Lớp : 50CKCD

Chuyên ngành : Công nghệ cơ điện tử

Đề tài: Nghiên cứu ứng dụng lý thuyết mờ để điều khiển robot tự hành

Số trang: 89 Số chương :04

Hiện vật: 02 quyển báo cáo, 02 đĩa VCD, 01 robot tự hành, 01 bộ điều khiển

NHẬN XÉTCỦA CÁN BỘ PHẢN BIỆN

Kết luận

Nha Trang, ngày tháng năm 2012

CÁN BỘ PHẢN BIỆN

( Ký ghi rõ họ tên )

Nha Trang, ngày tháng năm 2012

CHỦ TỊCH HỘI ĐỒNG

( Ký ghi rõ họ tên )

Điểm phản biện

Bằng số Bằng chữ

Điểm chung

Bằng số Bằng chữ

MỤC LỤC

LỜI NÓI ĐẦU 7

CHƯƠNG1TỔNG QUAN VỀ LÝ THUYẾT MỜ VÀ ROBOT TỰ HÀNH.9 1.1.Tổng Quan Tình Hình Nghiên Cứu Thuộc Lĩnh Vực Đề Tài 10

1.1.1.Tổng quan về robot tự hành .10

1.1.1.1.Giới thiệu chung 10

1.1.1.2.Phân loại robot tự hành .12

1.1.1.2.1.Robot tự hành di chuyển bằng chân .12

1.1.1.2.2.Robot tự hành di chuyển bằng bánh .14

1.1.1.3.Phương pháp điều hướng cho robot tự hành .19

1.1.1.3.1.Phương pháp điều hướng có tính toán 20

1.1.1.3.2.Phương pháp điều hướng robot theo phản ứng .21

1.1.1.3.3.Phương pháp điều khiển lai ghép .23

1.1.2.Mô hình động học và kĩ thuật định vị cho robot tự hành 24

1.1.2.1.Mô hình động học cho robot .24

1.1.2.1.1.Mô hình bánh xe robot .25

1.1.2.1.2.Phương trình động học robot 26

1.1.2.2.Kỹ thuật định vị cho robot tự hành .28

1.1.3.Cơ sở về logic mờ và điều khiển mờ 30

1.1.3.1.Giới thiệu về logic mờ 30

1.1.3.2.Một số khái niệm cơ bản .35

1.1.3.2.1.Định nghĩa tập mờ và các thuật ngữ liên quan .35

1.1.3.2.2.Bộ điều khiển Mờ .40

1.2.Tính Cấp Thiết .42

1.3.Mục Tiêu .42

1.4.Cách Tiếp Cận 42

1.5.Phương Pháp Nghiên Cứu .43

1.6.Đối Tượng Và Phạm Vi Nghiên Cứu .43

CHƯƠNG 2: NỘI DUNG NGHIÊN CỨU 44

2.1.Yêu Cầu Kĩ Thuật Robot Tự Hành .45

2.2.Động Lực Học Robot Tự Hành 45

2.2.1.Phương án 1 45

2.2.2.Phương án 2 45

2.2.3.Phương án 3 46

2.2.4.Lựa chọn phương án 47

2.3.Mạch Điều Khiển Robot Tự Hành 48

2.3.1 Khối xử lý tín hiệu: 48

2.3.1.1 Khối nguồn: 48

2.3.1.2 Kiến trúc vi điều khiển AVR .49

2.3.1.3 Khối xử lý 50

2.3.1.4 Sơ đồ nguyên lý: 52

2.3.2 Khối hiển thị 53

2.3.3 Khối mạch công suất .54

2.3.4.Gia công các khối mạch .58

2.3.5 Cảm biến .61

2.4.Giải Thuật Và Điều Khiển .65

2.4.1.Xây dựng thuật toán về ứng dụng logic mờ trong kĩ thuật dẫn hướng cho robot tự hành .65

2.4.1.1.Thuật toán điều khiển Mobile robot, định nghĩa các biến vào ra .65

2.4.1.2.Xác định tập mờ .67

2.4.1.3.Xây dựng các luật hợp thành 70

2.4.1.4.Chọn thiết bị hợp thành .71

2.4.1.5.Chọn nguyên lý giải Mờ 71

2.4.2.Lập trình cho robot tự hành 72

CHƯƠNG 3: THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ .74

3.1.Thông Số Kĩ Thuật Robot Tự Hành .75

3.2.Thử Nghiệm .75

3.2.1.Các bước chuẩn bị .75

3.2.2.Thử nghiệm khả năng di chuyển và bám tường 76

3.2.3.Thử nghiệm khả năng tránh vật cản phía trước 77

3.3.Nhận Xét Kết Quả Thử Nghiệm .79

3.4.Giải Pháp Tăng Khả Năng Hoạt Động Của Robot Tự Hành 79

CHƯƠNG 4: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI 80

LỜI NÓI ĐẦU

Thế kỷ 20, thế kỷ của sự phát triển vượt bậc của nhân loại cả về khoa học

kỹ thuật lẫn kinh tế Ngày nay, Robot không còn là cái gì đó quá xa lạ với mọi người với những cái tên như ASIMO, TIAN… Chúng là sự kết tinh những thành tựu to lớn về khoa học kỹ thuật của nhân loại Robot được ứng dụng rộng rãi trong các ngành công nghiệp, y tế, nghiên cứu khoa học, giải trí, phục vụ đời sống con người Kéo theo đó là những yêu cầu về những thế hệ robot thông minh, linh hoạt có kỹ năng lao động như con người Để đáp ứng điều đó đòi hỏi phải trang bị cho Robot một bộ điều khiển thông minh, phức tạp Và trong một số trường hợp bộ điều khiển kinh điển thuần túy không còn đáp ứng được nữa, yêu cầu đặt ra là phải xây dựng một bộ điều khiển đa năng, thông minh hơn

Lý thuyết Mờ ra đời ở Mỹ lần đầu tiên năm 1965 bởi giáo sư L.A Zadeh tại trường đại học Barkeley,bang Califorlia- Mỹ, từ đó lý thuyết Mờ được phát triển

và ứng dụng rộng rãi, đặc biệt ở Nhật trong các nghành tự động hóa Điều khiển

Mờ thực sự hữu dụng đối với các đối tượng phức tạp, nó có thể giải quyết các vấn đề mà điều khiển kinh điển không thể giải quyết được Trong lĩnh vực nghiên cứu và chế tạo robot, bộ điều khiển mờ cho phép tổng hợp các tri thức, kinh nghiệm của con người vào robot cho phép nó linh hoạt, thông minh hơn Ở cấp độ cao, người ta xây dựng trí tuệ nhân tạo dựa trên bộ Neuron mờ

Đề tài: NGHIÊN CỨU ỨNG DỤNG LOGIC MỜ ĐIỀU KHIỂN ROBOT

TỰ HÀNH là ví dụ nhỏ về ứng dụng của logic mờ trong điều khiển Không chỉ giới hạn trong lĩnh vực Robot, ứng dụng của logic Mờ còn được sử dụng rộng rãi trong nghành khoa học khác như sinh học, các hệ thống sản xuất tự động… Nội dung để tài gồm 4 chương:

- Chương I: Tổng quan về lý thuyết mờ và robot tự hành

- Chương II: Nội dung và phương pháp nghiên cứu

- Chương III: Thử nghiệm và đánh giá kết quả

- Chương IV: Kết luận – Hướng phát triển đề tài

Trong suốt quá trình thực hiện đề tài, tôi đã được sự giúp đỡ của các bạn,

các thầy trong bộ môn Cơ Điện Tử - Khoa Cơ Khí - ĐHNT, và đặc biệt là:

ThS.Vũ Thăng Long

Trong quá trình thực hiện không khỏi mắc phải những sai sót, mọi lời nhận xét, góp ý hoặc bổ sung nhằm hoàn thiện đề tài của các thầy, các bạn là điều vô cùng quý giá đối với tôi Tôi xin chân thành cám ơn!

Nha Trang, 5/2012

Sinh viên:

Nhâm Văn Dương

CHƯƠNG 1 TỔNG QUAN VỀ LÝ THUYẾT

MỜ VÀ ROBOT TỰ HÀNH

1.1.Tổng Quan Tình Hình Nghiên Cứu Thuộc Lĩnh Vực Đề Tài

1.1.1.Tổng quan về robot tự hành

1.1.1.1.Giới thiệu chung

Ngày nay, Robot học đã đạt được những thành tựu to lớn trong nền sản xuất

công nghiệp Những cánh tay robot có khả năng làm việc với tốc độ cao, chính xác và liên tục làm năng suất lao động tăng nhiều lần Chúng có thể làm việc trong các môi trường độc hại như hàn, phun sơn, các nhà máy hạt nhân, hay lắp ráp các linh kiện điện tử tạo ra điện thoại, máy tính…một công việc đòi hỏi sự tỉ

mỉ, chính xác cao Tuy nhiên những robot này có một hạn chế chung đó là hạn chế về không gian làm việc Không gian làm việc của chúng bị giới hạn bởi số bậc tự do tay máy và vị trí gắn chúng Ngược lại, các Robot tự hành lại có khả năng hoạt động một cách linh hoạt trong các môi trường khác nhau

Robot tự hành là loại Mobile robot có khả năng tự hoạt động, thực thi nhiệm vụ mà không cần sự can thiệp của con người Với những cảm biến, chúng

có khả năng nhận biết về môi trường xung quanh Robot tự hành ngày càng có nhiều ý nghĩa trong các ngành công nghiệp, thương mại, y tế, các ứng dụng khoa học và phục vụ đời sống của con người Với sự phát triển của ngành Robot học, robot tự hành ngày càng có khả năng hoạt động trong các môi trường khác nhau, tùy mỗi lĩnh vực áp dụng mà chúng có nhiều loại khác nhau như robot sơn, robot hàn, robot cắt cỏ, robot thám hiểm đại dương, robot làm việc ngoài vũ trụ Cùng với sự phát triển của yêu cầu trong thực tế, robot tự hành tiếp tục đưa ra những thách thức mới cho các nhà nghiên cứu

Vấn đề của robot tự hành là làm thế nào để robot tự hành có thể hoạt động, nhận biết môi trường và thực thi các nhiệm vụ đề ra Vấn đề đầu tiên là di chuyển, Robot tự hành nên di chuyển như thế nào và cơ cấu di chuyển nào là sự lựa chọn tốt nhất Điều hướng là vấn đề cơ bản trong nghiên cứu và chế tạo

Robot tự hành Trong hiệp hội nghiên cứu về Robot tự hành có 2 hướng nghiên cứu khác nhau:

- Hướng thứ nhất là nghiên cứu về Robot tự hành có khả năng điều hướng ở tốc độ cao nhờ thông tin thu được từ cảm biến, đây là loại robot có khả năng hoạt động ở mối trường trong phòng cũng như môi trường bên ngoài Loại robot này yêu cầu khả năng tính toán đồ sộ và được trang bị cảm biến có độ nhạy cao, dải

đo lớn để có thể điều khiển robot di chuyển ở tốc độ cao, trong những môi trường

có địa hình phức tạp

- Loại thứ 2 : nhằm giải quyết các vấn đề về các loại robot tự hành chỉ dùng

để hoạt động trong môi trường trong phòng Loại robot tự hành này có kết cấu đơn giản hơn loại trên, thực hiện những nhiệm vụ đơn giản

Bài toán dẫn hướng cho robot tự hành được chia làm 2 loại: bài toán toàn cục(global) và bài toán cục bộ(local) Ở bài toàn cục, môi trường làm việc của robot hoàn toàn xác định, đường đi và vật cản là hoàn toàn biết trước Ở bài toán cục bộ, môi trường hoạt động của robot là chưa biết trước hoặc chỉ biết một phần Các cảm biến và thiết bị định vị cho phép robot xác định được vật cản, vị trí của nó trong môi trường giúp nó đi tới được mục tiêu

Các vấn đề gặp phải khi điều hướng cho Robot tự hành thường không giống như các loại robot khác Để có thể điều hướng cho Robot tự hành, quyết định theo thời gian thực phải dựa vào thông tin liên tục về môi trường thông qua các cảm biến, hoặc ở môi trường trong phòng hoặc ngoài trời, đây là điểm khác biệt lớn nhất so với kỹ thuật lập kế hoạch ngoại tuyến Robot tự hành phải có khả năng tự quyết định về phương thức điều hướng, định hướng chuyển động để có thể tới đích thực hiện nhiệm vụ nhất định

Điều hướng cho robot tự hành là công việc đòi hỏi phải thực hiện được một

số khả năng khác nhau, bao gồm : khả năng di chuyển ở mức cơ bản, ví dụ như hoạt động đi tới vị trí cho trước; khả năng phản ứng các sự kiện theo thời gian thực, ví dụ như khi có sự xuất hiện đột ngột của vật cản; khả năng xây dựng, sử dụng và duy trì bản đồ môi trường hoạt động; khả năng xác định vị trí của robot

trong bản đồ đó; khả năng thiết lập kế hoạch để đi tới đích hoặc tránh các tình huống không mong muốn và khả năng thích nghi với các thay đổi của môi trường hoạt động

1.1.1.2.Phân loại robot tự hành

Robot tự hành được chia làm 2 loại chính đó là loại robot tự hành chuyển động bằng chân và robot tự hành chuyển động bằng bánh.Ngoài ra một số loại robot hoạt động trong các môi trường đặc biệt như dưới nước hay trên không trung thì chúng được trang bị cơ cấu di chuyển đặc trưng

1.1.1.2.1.Robot tự hành di chuyển bằng chân

Robot tự hành di chuyển bằng chân (Legged Robot)

Ưu điểm lớn nhất của loại robot này là có thể thích nghi và di chuyển trên các địa hình gồ ghề Hơn nữa chúng còn có thể đi qua những vật cản như hố, vết nứt sâu

Nhược điểm chính của robot loại này chính là chế tạo quá phức tạp Chân robot là kết cấu nhiều bậc tự do, đây là nguyên nhân làm tăng trọng lượng của robot đồng thời giảm tốc độ di chuyển Các kĩ năng như cầm, nắm hay nâng tải cũng là nguyên nhân làm giảm độ cứng vững của robot Robot loại này càng linh hoạt thì chi phí chế tạo càng cao

Robot tự hành di chuyển bằng chân được mô phỏng theo các loài động vật

vì thế mà chúng có loại 1 chân, loại 2,4,6 chân và có thể nhiều hơn Dưới đây là một số loại robot điển hình chuyển động bằng chân

a/ b/

Hình 1.1 Một số loại robot di chuyển bằng chân

a/ Robot 1 chân Raibert, b/ Robot SDR-4X, chế tạo năm 2003 của hãng Sony, c/ Robot

ASIMO của hãng Honda, d/ Robot 6 chân, e/ robot chó Tian, f/ mô hình robot 4 chân

1.1.1.2.2.Robot tự hành di chuyển bằng bánh

Robot tự hành di chuyển bằng bánh (Wheel Robot tự hành)

Bánh xe là cơ cấu chuyển động được sử dụng rộng rãi nhất trong công nghệ Robot tự hành Vấn đề cân bằng thường không phải là vấn đề được chú ý nhiều trong robot di chuyển bằng bánh Ba bánh là kết cấu có khả năng duy trì cân bằng nhất, tuy nhiên kết cấu 2 bánh cũng có thể cân bằng được Khi robot có số bánh nhiều hơn 3 thì thông thường người ta phải thiết kế hệ thống treo để duy trì

sự tiếp xúc của tất cả các bánh xe với mặt đất Vấn đề của robot loại này là về lực kéo, độ ổn định và khả năng điều khiển chuyển động.v.v Hình 1.2 dưới đây giới thiệu 4 loại bánh xe cơ bản được sử dụng trong Robot tự hành:

a/ Bánh xe tiêu chuẩn: 2 bậc tự do, có thể quay quanh trục bánh xe và điểm tiếp xúc

b/ Bánh lái: 2 bậc tự do, có thể quay xung quanh khớp lái

c/ Bánh Swedish: 3 bậc tự do, có thể quay đông thời xung quanh trục bánh

xe, trục lăn và điểm tiếp xúc

Hình 1.2 Các loại bánh xe cơ bản dùng cho robot tự hành

Sơ đồ bánh xe của robot tự hành 2 bánh, 3 bánh, 4 bánh và 6 bánh được liệt

kê trong bảng dưới đây:

Bảng 1.1.Sơ đồ bánh xe của robot tự hành

Số

Một bánh lái phía trước, một bánh phía sau

2 Hai bánh truyền động với trọng tâm ở bên

2 bánh chủ động ở phía sau, hai bánh lái ở phía trước

Hai bánh phía trước vừa là bánh lái vừa là bánh chủ động

Cả 4 bánh đều là bánh truyền động và lái

Hai bánh truyền động độc lập ở phía trước/sau, 2 bánh lái đa hướng ở phía sau/trước

Bốn bánh đa hướng

Hai bánh chuyển động vi sai và thêm 2 điểm tiếp xúc

4

4 bánh vừa là truyền động vừa là bánh lái

Hai bánh truyền động ở giữa, thêm 4 bánh đa hướng ở xung quanh

6

Hai bánh truyền động vi sai ở giữa, bốn bánh

đa hướng ở 4 góc

Bảng 1.2.Kí hiệu các loại bánh xe:

Kí hiệu các loại bánh xe

Bánh đa hướng không truyền động

Bánh truyền động Swedish(đa hướng)

Bánh quay tự do tiêu chuẩn

Bánh truyền động tiêu chuẩn

Bánh vừa truyền động vừa là bánh lái

Bánh lái tiêu chuẩn

Các bánh xe được nối với nhau

Một số loại robot chuyển động bằng bánh:

Hình1.3 Robot Sojourner được sử dụng thám hiểm sao Hỏa năm 1997 Hầu hết các hoạt động được điều khiển ở trái đất Tuy vậy nó vẫn phải

sử dụng các cảm biến để phát hiện vật cản

Hình1.4.RobotAIRDUCT với kết cấu nhỏ gọn, nó được gắn camera để thu hình ảnh,

có thể nhìn nghiêng, đi dọc theo tường, tránh vật cản

Hình 1.5 RobotMbari’s AltexAuv(AutonomousUnder ware Vehicle) được sử dụng

để hoạt động dưới đáy biển sâu ở Bắc Cực

Hình 1.6 Robot Khepera dùng để nghiên cứu và học tập Nó có đường kính 60mm, được tích hợp nhiều modun khác nhau như camera, tay kẹp

Hình 1.7 Robot dẫn đường AGU (Autonomous Guided Vehicle) được sử dụng trong các bệnh viện

1.1.1.3.Phương pháp điều hướng cho robot tự hành

Kỹ thuật điều hướng sử dụng trí thông minh nhân tạo trong robot tự hành có thể được chia thành 2 loại chính, đó là điều hướng có tính toán và điều hướng theo phản ứng Đúng như tên gọi, điều hướng có tính toán là phương pháp điều hướng có kế hoạch còn điều hướng theo phản ứng là điều hướng tức thời, là quá trình tự động thực hiện các phản ứng theo môi trường xung quanh Ngoài ra còn

có phương pháp điều hướng lai ghép là phương pháp kết hợp cả hai phương pháp có tính toán và điều hướng theo phản ứng để xây dựng một bộ điều khiển thông minh hơn

1.1.1.3.1.Phương pháp điều hướng có tính toán

Phương pháp điều hướng có tính toán là phương pháp thực hiện theo trình tự: quan sát – lập kế hoạch – hành động Thông thường một hệ thống có tính toán bao gồm 5 khâu: nhận thức(perception), mô hình thế giới(word modelling), lập

kế hoạch(planning), thực hiện công việc(task excution) và điều khiển động cơ(motor control)

Các khâu trên có thể được coi như là một chuỗi các “lát mỏng theo phương thẳng đứng” với các đầu vào là tín hiệu nhận được từ cảm biến ở phía bên trái và đầu ra tới các khâu chấp hành ở phía bên phải

Hình 1.8 Sơ đồ cấu trúc của phương pháp điều khiển có tính toán

- Khâu nhận thức có nhiệm vụ điều khiển các thiết bị cảm ứng, các thiết bị này được nối với robot sẽ cho các thông tin về môi trường quan sát được

- Khâu mô hình thế giới: chuyển các tín hiệu từ cảm biển thành mô tả mối liên quan giữa robot với mô hình bên trong môi trường

- Khâu lập kế hoạch: cố gắng xây dựng kế hoạch thực hiện của robot sao cho đạt được mục tiêu phù hợp với tình trạng thế giới hiện thời

- Khâu thực hiện công việc: chia kế hoạch vừa được xây dựng thành các lệnh điều khiển chuyển động chi tiết

- Khâu điều khiển động cơ: dùng để thực hiện các lệnh này

từ cảm biến

Mỗi một hệ thống con như là một khâu tương đối phức tạp và tất cả phải hoạt động một cách đồng bộ với hoạt động của robot tại mọi thời điểm Phương pháp này đòi hỏi phải trang bị các cảm biến, các thiết bị đo để nhận biết thông tin

từ môi trường hoặc dạng thông tin dự đoán trước từ bản đồ toàn cục Thông tin

đó sẽ được tham chiếu với một bản đồ môi trường nếu có thể, và sử dụng thuật toán lập kế hoạch để tạo ra quỹ đạo chuyển động giúp robot tránh vật cản và tăng xác suất tới mục tiêu đến tối đa Do sự phức tạp của môi trường làm tăng thời gian để nhận biết , xây dựng mô hình và lập kế hoạch về thế giới cũng tăng theo hàm mũ Đây cũng chính là bất lợi của phương pháp này Phương pháp này tỏ ra rất hữu hiệu cho các tình huống mà trong đó môi trường làm việc là tương đối tĩnh (môi trường trong đó có thể bao gồm vật cản, tường chắn, hành lang, điểm đích, v.v là các đối tượng có vị trí không thay đổi trong bản đồ toàn cục)

Trong phương pháp điều hướng có tính toán, khâu lập kế hoạch đường đi cho robot là cực kì quan trọng Việc lập kế hoạch đường đi cho mobile robot thường có hai giai đoạn đó là lập kế hoạch toàn cục và lập kế hoạch cục bộ Lập

kế hoạch toàn cục có thể được hiểu như là cách di chuyển robot qua một môi trường tùy ý và môi trường này là tương đối lớn Còn lập kế hoạch cục bộ sẽ đưa

ra quyết định khi robot đối mặt với môi trường tĩnh, ví dụ như khi robot gặp phải vật cản, hành lang… Kế hoạch cục bộ đưa ra phương pháp để đi tới đích ngắn nhất, an toàn nhất Chính vì thế khi gặp phải các vật cản, kế hoạch cục bộ sẽ giúp cho robot tránh không va chạm rồi mới tiếp tục thực hiện kế hoạch toàn cục để tới đích

1.1.1.3.2.Phương pháp điều hướng robot theo phản ứng

Như phân tích ở phần trên, phương pháp điều hướng có tính toán có nhiều

ưu điểm đối với quá trình điều hướng cho mobile robot Tuy nhiên, điều hướng

có tính toán thường yêu cầu khối lượng tính toán tương đối lớn và phương pháp này tỏ ra không tối ưu khi môi trường hoạt động của robot thay đổi

- Phương pháp điều hướng theo phản ứng ra đời nhằm giải quyết các vấn đề

có liên quan tới môi trường không biết trước hoặc môi trường thường xuyên thay đổi Điều hướng theo phản ứng khắc phục được những hạn chế của phương pháp

điều hướng tính toán, giúp giảm khối lượng tính toán, tăng tốc độ xử lý trong môi trường phức tạp Điều hướng theo phản ứng là phương pháp kết hợp các phản ứng thực hiện một cách tự động với các kích thích từ cảm biến để điều khiển robot sao cho an toàn và đạt hiệu suất cao nhất Phương pháp này đặc biệt phù hợp đối với những ứng dụng nơi mà môi trường là hoàn toàn động hoặc không biết trước, ví dụ như trong không gian hoặc dưới nước Trong thực tế, các thiết bị

vệ tinh thám hiểm kiểu robot đã sử dụng phương pháp điều hướng theo phản ứng, lí do là phương pháp điều hướng theo tính toán đòi hỏi việc lập kế hoạch phức tạp có quá nhiều phép tính toán bị giới hạn bởi khả năng của bộ nhớ và tốc

độ tính toán Điều hướng theo phản ứng chỉ phụ thuộc vào trạng thái hiện thời của robot và đòi hỏi rất ít các phép tính toán để tác động lại môi trường hoạt động

- Tuy nhiên, phương pháp điều hướng theo phản ứng cũng có nhiều mặt hạn chế, việc không có kế hoạch toàn cục có thể khiến cho quá trình điều khiển gặp phải những khó khăn Các hoạt động tối ưu cục bộ chủ yếu thu được nhờ điều khiển theo phản ứng, chính vì thế mà có thể gây ra hiện tượng lệch hướng toàn cục Trong phương pháp điều hướng theo tính toán, hệ thống không bao giờ mất tầm quan sát đích trong khi các hệ thống điều hướng theo phản ứng cần phải giữ các đích tức thời để độ lệch hướng so với đích toàn cục là không quá lớn

- Một thuận lợi ở điều hướng theo phản ứng so với các phương pháp tính toán đó là khả năng mở rộng bộ điều khiển để thêm vào các thành phần phản ứng khác mà không cần phải điều chỉnh lại toàn bộ phần mềm điều khiển Chính vì thế, ta có thể dễ dàng bổ xung thêm tính năng cho robot bằng cách thêm vào các hoạt động mới mà không làm thay đổi những hoạt động đã có trước Ví dụ, để robot phản ứng với một kích thích thu được từ một cảm biến mới, ta chỉ cần thêm một thành phần khác vào bộ điều khiển để nó phản ứng với kích thích thu được

từ cảm biến đó Còn ở các phương pháp tính toán, bạn cần phải xây dựng một thuật toán hoàn toàn mới để sử dụng dữ liệu thu được từ cảm biến mới được thêm vào này

-Trong thời kỳ đầu, các nhà nghiên cứu đã thiết kế hệ thống điều hướng thuần tuý phản ứng bằng cách dựa vào hoạt động của côn trùng để áp dụng vào

kỹ thuật robot Nhiều nghiên cứu về hệ thống sinh học đã được ứng dụng cho quá trình điều khiển mobile robot Chuyển động của một số loại côn trùng trong thế giới sinh học có thể được sử dụng để xây dựng thành công các thuật toán điều khiển hoạt động cho robot Ví dụ, khi nghiên cứu về hành vi của một con gián, các nhà khoa học nhận ra một con gián chỉ có một vài hoạt động riêng biệt Các hoạt động này có thể bao gồm hoạt động tìm thức ăn, hoạt động tránh ánh sáng

và hoạt động sinh sản Dựa vào những gì mà cảm nhận được, con gián sẽ quyết định thực hiện một trong số những hoạt động trên Nếu con gián cảm thấy đói, nó

sẽ lục lọi để tìm thức ăn Tuy nhiên, nếu một bóng đèn chợt bật sáng, con gián đó

sẽ từ bỏ việc tìm kiếm thức ăn và chui ngay vào gầm tủ lạnh chẳng hạn Đây là một ví dụ về điều khiển theo phản ứng Dựa vào những kích thích hiện thời, con gián sẽ chọn một hoạt động thích hợp mà không cần phải lập kế hoạch hay tính toán gì cả Vậy thì tại sao những hoạt động như thế lại không thể được dịch thành những thuật toán điều khiển đơn giản cho robot Đây chính là những lý thuyết cơ

bản của kỹ thuật điều khiển dựa hành vi (behavior-base control) cho mobile robot

1.1.1.3.3.Phương pháp điều khiển lai ghép

Điều hướng lai ghép là phương pháp kết hợp các ưu điểm của phương pháp điều hướng theo tính toán truyền thống với các hệ thống điều hướng dựa phản ứng Mỗi phương pháp đều có những nhược điểm mà phương pháp kia có thể khắc phục được Phương pháp điều hướng theo tính toán gặp phải khó khăn khi hoạt động trong các môi trường động, là nơi yêu cầu khả năng tính toán nhanh cũng như các kỹ năng tránh vật cản Nếu phương pháp điều hướng theo phản ứng không kết hợp với bất cứ quá trình lập kế hoạch chuyển động nào thì có thể sẽ không đưa robot theo quỹ đạo tối ưu Phương pháp điều khiển lai ra đời nhằm kết

hợp các hoạt động có tính toán bậc cao với các hoạt động phản ứng bậc thấp

Các hoạt động phản ứng giúp robot an toàn và xử lý các tình trạng khẩn cấp trong khi phần điều khiển có tính toán sẽ giúp robot đạt được mục đích cuối

cùng Phương pháp điều khiển lai ghép có thể cho ta kết quả kha quan hơn khi chỉ sử dụng phương pháp điều hướng theo phản ứng hoặc điều hướng theo tính toán

1.1.2.Mô hình động học và kĩ thuật định vị cho robot tự hành

1.1.2.1.Mô hình động học cho robot

Động học là nghiên cứu cơ bản nhất để tìm hiểu quá trình hoạt động của một hệ thống cơ khí, trong lĩnh vực mobile robot, chúng ta cần phải tìm hiểu đặc tính cơ của robot để thiết kế sao cho phù hợp với các nhiệm vụ đặt ra, đồng thời việc tìm hiểu đặc tính cơ còn giúp ta xác định được phương pháp thiết kế phần mềm điều khiển sao cho phù hợp đối với từng phần cứng của robot

Trong lĩnh vực robot, mobile robot không phải là hệ thống cơ khí quá phức tạp Như ta đã biết, tay máy đã và đang là lĩnh vực được chú trọng nghiên cứu trong vòng hơn 30 năm trở lại đây Ở một vài khía cạnh nào đó, tay máy phức tạp hơn nhiều so với mobile robot thế hệ trước đây, ví dụ: một robot hàn thiết kế theo tiêu chuẩn thường có 5 hoặc nhiều hơn 5 khớp, trong khi các mobile robot trước đây thường chỉ là thiết bị truyền động kiểu vi sai đơn giản

Giữa tay máy và mobile robot có khá nhiều điểm tương đồng Ví dụ, đối với tay máy, không gian làm việc là vấn đề được quan tâm rất nhiều, nó cho phép xác định phạm vi các vị trí khả thi của tay máy Không gian làm việc của mobile robot có mức độ quan trọng không kém, nó cho phép xác định phạm vi các tư thế khả thi mà mobile robot có thể có trong môi trường hoạt động Tính dễ điều khiển của tay máy được định nghĩa là khả năng điều khiển các động cơ để tay máy có thể di chuyển từ vị trí này đến vị trí kia trong không gian làm việc Tương tự như tay máy, tính dễ điều khiển của mobile robot được định nghĩa là những quỹ đạo định trước hoặc không định trước có thể đạt được trong không gian làm việc của nó Mobile robot cũng bị giới hạn bởi các nguyên lý về động lực học, ví dụ, giống như ở ô tô, khi chuyển động với tốc độ cao, nếu trọng tâm của mobile robot cao nó sẽ là nguyên nhân giới hạn bán kính xoay thực tế Tuy nhiên, sự khác biệt chính giữa mobile robot và tay máy là thách thức đáng kể trong kỹ thuật ước lượng vị trí Tay máy thường có một đầu được gắn cố định,

việc xác định vị trí của đầu hoạt động kia hoàn toàn đơn giản, vấn đề là ta phải hiểu được các nguyên lý động học của tay máy và xác định được vị trí của các khớp trung gian Chính vì thế, ta có thể xác định được vị trí của tay máy nhờ dữ liệu thu được từ cảm biến Trong khi đó, mobile robot lại là một thiết bị tự động độc lập, nó hoàn toàn có thể tự do di chuyển trong môi trường hoạt động Không

có phương pháp nào có thể giúp ta đo trực tiếp vị trí tức thời của mobile robot Thay vào đó, thông thường để xác định vị trí của mobile robot, người ta phải tích hợp chuyển động của robot theo thời gian Ngoài ra, sự trượt của bánh xe còn là nguyên nhân khiến cho quá trình đánh giá, ước lượng chuyển động của robot giảm bớt độ chính xác Rõ ràng việc đo chính xác vị trí mobile robot vẫn là lĩnh vực đầy thách thức

Như phần trên đã trình bày, robot tự hành là lĩnh vực khá rộng, đa dạng Tuy nhiên chúng lại có một điểm chung đó là nhiệm vụ điều khiển robot chính là điều khiển các động cơ Trong đề tài này sẽ tập trung vào việc nghiên cứu điều khiển mô hình robot tự hành cơ bản bao gồm 3 bánh Trong đó, hai bánh sau là hai bánh chủ động được điều khiển bởi hai động cơ độc lập, bánh phía trước là bánh lái Coi bánh xe di chuyển trên mặt phẳng là lăn không trượt, tốc độ của robot là tốc độ của trung điểm khoảng cách giữa hai bánh sau Khối lượng và quán tính của bánh xe coi là không đáng kể, có thể bỏ qua

1.1.2.1.1.Mô hình bánh xe robot

Mô hình bánh xe robot được lý tưởng hóa như hình 1.9 Bánh xe quay quanh trục của nó (trục Y) Bánh xe chuyển động theo phương X (trục X ) Khi chuyển động ở tốc độ thấp, có thể bỏ qua ảnh hưởng của sự trượt của bánh xe so với mặt đường

Các thông số của bánh xe :

r= bán kính bánh xe

v= vận tốc dài của bánh

w= vận tốc góc của bánh xe

Hình 1.9 Mô hình bánh xe

đã được lý tưởng hóa

Động học là bài toán về chuyển động mà không xét tới sự tác động của lực tới chuyển động của robot, nó bao gồm các yếu tố hình học xác định vị trí của robot Nó bao thể hiện mối quan hệ giữa các thông số điều khiển và các thông số trạng thái của hệ thống trong không gian

1.1.2.1.2.Phương trình động học robot

Mô hình robot được thể hiện ở hình 1.10 dưới đây

Hình 1.10 Mô hình động học của robot tự hành

Trước tiên để xác định vị trí của robot trong mặt phẳng, ta xây dựng mối quan hệ giữa tọa độ tham chiếu toàn cục của mặt phẳng và hệ tọa độ tham chiếu cục bộ của robot như hình 1.10 Các trục x, y xác định tọa độ của điểm bất kì

trong hệ tọa độ toàn cục có gốc O (xOy) Điểm P coi là tâm dịch chuyển của robot, nó được dùng để xác định vị trí của robot Hệ tọa độ xmPym là hệ tọa độ tham chiếu cục bộ của robot, gắn liền với robot Như vậy vị trí điểm P trong hệ tọa độ tham chiếu toàn cục được xác định bởi tọa độ x, y và góc lệch θ giữa hai

hệ tọa độ toàn cục và cục bộ Các thông số hình học của robot bao gồm :

vr(t)- vận tốc dài của bánh phải

vl(t)- vận tốc dài của bánh trái

ωr(t)- vận tốc góc của bánh phải

ωl(t)- vận tốc góc của bánh trái

r- bán kính mỗi bánh robot

L- khoảng cách 2 bánh

R- khoảng cách từ tâm robot tới tâm vận tốc tức thời

ICC- tâm vận tốc tức thời

R-L/2 – bán kính mô tả quỹ đạo chuyển động cong của bánh trái

R+L/2- bán kính mô tả quỹ đạo chuyển động cong của bánh phải

Từ tâm vận tốc tức thời ICC, ta xác định được vận tốc góc của robot:

ω =

+ (1.1)

( ) ( )

/ 2

l

v t t

− (1.2) ( ) ( )

( ) v tr v tlt

v t = ω t R = v t + v t (1.5) Phương trình toán học trong không gian trạng thái có thể được viết thành:

ω

ω θ

1.1.2.2.Kỹ thuật định vị cho robot tự hành

Điều hướng là một trong lĩnh vực thách thức nhất đối với mobile robot Có thể nói, muốn điều hướng thành công, nhất thiết robot phải được trang bị hoàn thiện 4 khâu sau:

-Nhận thức: robot phải dịch các tín hiệu từ cảm biến để thu được dữ liệu có nghĩa

-Định vị: robot phải xác định được vị trí của nó trong môi trường hoạt động -Khả năng tri thức: robot phải quyết định hành động như thế nào để đạt được mục đích

-Điều khiển chuyển động: robot phải điều chỉnh các thông số đầu ra động

cơ để đạt được quỹ đạo mong muốn

Hình 1.11 Sơ đồ nguyên lý của khâu định vị trong mobile robot

Trong các ứng dụng robot, có hai phương pháp định vị thường được sử dụng là phương pháp định vị tuyệt đối (APM) và phương pháp định vị tương đối (Relative Positioning Methods - RPM)

Phương pháp định vị tương đối chủ yếu dựa trên bài toán dead-reckoning (tính số vòng quay của bánh xe để suy ra vị trí tương đối của robot sau một khoảng thời gian chuyển động) Phương pháp này đơn giản, rẻ tiền và hầu như được sử dụng trong tất cả các mobile robot, cho dù robot đó sử dụng phương pháp định vị APM Khuyết điểm của phương pháp dead- reckoning là bán kính sai số lớn, nguyên nhân gây bởi sai số tích luỹ

Phương pháp định vị tuyệt đối thì lại dùng thêm các cảm biến khác ngoài encoder như dùng beacon, cột mốc, so sánh các bản đồ cục bộ và bản đồ toàn cục, định vị bằng vệ tinh (GPS)… Trong mỗi phương pháp định vị tuyệt đối,

người ta sử dụng các thuật toán và cảm biến khác nhau, nhưng đều là những phương pháp chủ yếu dùng cho mobile robot ngày nay Theo kinh nghiệm, người

ta thường dùng phương pháp định vị tương đối để giới hạn phạm vi xử lý trước khi dùng phương pháp định vị tuyệt đối để xác định vị trí robot

Chúng ta có thể phân tích một vài ưu khuyết điểm của phương pháp định vị tuyệt đối để có cái nhìn tổng quát về việc định vị cho robot như sau: phương pháp sử dụng cột mốc (beacons) chỉ thích hợp dùng trong nhà; phương pháp so sánh bản đồ thường dùng cho các robot tự trị phức tạp; phương pháp định vị dùng GPS thì chỉ thích hợp dùng ngoài trời, và cũng cho sai số rất lớn (lên đến hàng mét), một số phương pháp định vị khác thì dùng cảm biến la bàn hoặc con quay để định hướng cho robot nhờ vào từ trường trái đất…

Như vậy, cho dù sử dụng bất kỳ phương pháp định vị nào đi nữa thì phương pháp dead- reckoning dường như luôn là sự lựa chọn đầu tiên Một lý luận vui là muốn điều khiển mobile robot thì phải giải bài toán động học cho robot, mà nếu

đã giải bài toán động học rồi thì tại sao lại không dùng phương pháp reckoning để giới hạn phạm vi xử lý cho các phương pháp định vị tuyệt đối khác? Tuy nhiên, một điều không ngờ đến là trong cuộc thi các robot sử dụng phương pháp dead reckoning để định vị và di chuyển được tổ chức ở San Jose, California năm 1992, hai robot thắng giải nhất và giải nhì là hai robot dùng phương pháp sửa lỗi UMBmark do nhóm của J Borenstein thực hiện và nó có thể di chuyển 100 m mà không có sai số Hay cụ thể hơn là robot có thể dạo quanh một phòng ngủ 5mx5m, 5-6 vòng mà không hề có sai số Với lợi điểm rẻ tiền, đơn giản phương pháp dead- reckoning là một giải pháp đầu tiên và cần thiết cho các mobile robot

dead-1.1.3.Cơ sở về logic mờ và điều khiển mờ

1.1.3.1.Giới thiệu về logic mờ

Khái niệm về logic mờ được giáo sư L.A Zadeh công bố lần đầu tiên tại

Mỹ năm 1965, tại trường đại học Berkelay, bang Califormia, Mỹ Từ đó lý thuyết

mờ đã có nhiều phát triển và được ứng dụng rộng rãi trong lĩnh vực điều khiển-

tự động hóa

Năm 1970, tại trường đại học Mary Queen, thành phố London- Anh, Ebrahim Mamdani đã sử dụng logic mờ để điều khiển một máy hơi nước mà ông không thể điều khiển bằng kỹ thuật cổ điển

Tại Nhật, logic mờ được ứng dụng vào nhà máy xử lý nước của hãng Fuji Electronic vào năm 1983, hệ thống xe điện ngầm của Hitachi năm 1987 Tuy logic mờ ra đời ở Mỹ, ứng dụng lần đầu ở Anh, nhưng nó lại được phát triển và ứng dụng nhiều nhất ở Nhật

Ưu điểm của điều khiển Mờ so với các phương pháp điều khiển kinh điển

là có thể tổng hợp được bộ điều khiển mà không cần biết trước đặc tính của đối tượng một cách chính xác Điều này thực sự hữu dụng cho các đối tượng phức tạp mà ta chưa biết rõ hàm truyền Ngành kĩ thuật mới mẻ này, như Zahde đã định hướng cho nó vào năm 1965, có nhiệm vụ chuyển giao nguyên tắc xử lý thông tin, điều khiển của hệ sinh học sang hệ kĩ thuật Khác hẳn với điều khiển kinh điển là hoàn toàn dựa vào sự chính xác tuyệt đối của thông tin mà trong nhiều ứng dụng không cần thiết hoặc không thể có được, điều khển mờ chỉ cần

xử lý những thông tin không chính xác hay không đầy đủ, những thông tin mà sự chính xác của nó chỉ nhận thấy được giữa các quan hệ của chúng với nhau và cũng chỉ có thể mô tả được bằng ngôn ngữ, đã có thể cho ra những quyết định chính xác Chính khả năng này đã làm cho điều khiển mờ sao chụp được phương thức xử lý thông tin và điều khiển của con người, đã giải quyết thành công các bài toán điều khiển phức tạp, các bài toán mà trước đây không giải quyết được và

đã đưa nó lên vị trí xứng đáng là kĩ thuật điều khiển của hôm nay và tương lai Điều khiển mờ hay còn gọi là điều khiển thông minh là những bước ứng dụng ban đầu của trí tuệ nhân tạo vào kĩ thuật điều khiển

Tuy nhiên nó cũng có những nhược điểm : đến bây giờ vẫn chưa có các

nguyên tắc chuẩn mực cho việc thiết kế cũng như chưa có thể khảo sát tính ổn đỉnh, tính bền vững, chất lượng, quá trình quá độ cũng như quá trình ảnh hưởng

của nhiễu… cho các bộ điều khiển mờ và nguyên lý tối ưu cho các bộ điều khiển này về phương diện lý thuyết Điểm yếu của lý thuyết mờ là những vấn đề về độ phi tuyến của hệ, những kết luận tổng quát cho các hệ thống phi tuyến hầu như khó đạt được

Điều khiển mờ chỉ cần xử lý những thông tin không cần chính xác hay không đầy đủ, những thông tin mà sự chính xác của nó chỉ cần thấy được giữa các mối quan hệ của chúng với nhau và cũng chỉ có thể mô tả bằng ngôn ngữ nhưng vẫn có thể đưa ra những quyết định chính xác Điều khiển mờ hay còn gọi

là điều khiển thông minh, mô phỏng trên phương thức xử lý thông tin và điều khiển của con người, khởi đầu cho sự ứng dụng của trí tuệ nhân tạo trong lĩnh vực điều khiển Con người có khả năng tuyệt vời là chỉ cần qua một quá trình học hỏi tương đối ngắn cũng có thể hiểu và nắm rõ các quá trình phức tạp Khả năng này được chứng tỏ thường xuyên trong cuộc sống đời thường, cho dù con người

có ý thức được điều đó Hãy xét một người lái xe ô tô là một ví dụ, khi anh ta lái

xe chạy trên đường, trong đó ngưới lái xe được coi là thiết bị điều khiển và chiếc

xe được coi là đối tượng điều khiển Biết rằng người đó, hay thiết bị điều khiển

có nhiệm vụ trọng tâm là điều khiển chiếc xe ô tô tới đích, song để hiểu rõ được phương thức thực hiện nhiệm vụ đó cũng cần xem xét anh ta phải xử lý những thông tin gì và xử lý chúng ra sao

Đại lượng điều khiển thứ nhất là là con đường trước mặt Anh ta có nhiệm

vụ điều khiển chiếc xe đi đúng làn đường quy định, tức là phải luôn giữ cho xe nằm trong phần đường bên phải kể từ vạch phân cách, trừ những trường hợp phải vượt xe khác Để làm được công việc đó, thậm chí anh ta không cần biết chính xác rằng xe của anh ta hiện thời cách vạch phân cách bao nhiêu mét, chỉ cần nhìn vào con đường trước mặt, anh ta cũng có thể suy ra được rằng xe hiện đang cách vạch phân cách nhiều hay ít và từ đó đưa ra quyết định phải đánh tay lái sang phải mạnh hay nhẹ

Đại lượng điều khiển thứ 2 là tốc độ xe Với nguyên tắc, để chuyến đi được thoải mái, xe tiết kiệm nhiên liệu, anh ta có nhiệm vụ giữ cho tốc độ xe được ổn

định, tránh không phanh hoặc tăng tốc khi không cần thiết Giá trị về tốc độ của

xe mà người đó giữ cũng phải phụ thuộc nhiều vào môi trường xung quanh như thời tiết, cảnh quan, mật độ xe trên đường…và cũng phụ thuộc thêm anh ta có quen con đường đó hay không Tuy nhiên quy nhiên luật điều khiển này cũng không phải là cố định Giả sử phía trước có xe đi chậm hơn, vậy thì thay vì giữ nguyên tốc độ, anh ta phải tạm thời thực hiện một nhiệm vụ khác là giảm tốc độ

xe và tự điều khiển cho xe chạy theo một tốc độ mới, phù hợp với sự phản ứng của xe trước mặt cho tới khi anh ta cho xe vượt được xe đó

Ngoài những đại lượng điều khiển trên mà người đàn ông phải đưa ra, anh

ta có nhiệm vụ theo dõi tình trạng của xe như phải tìm hiểu xem trước làm mát của máy có tốt không? Áp suất dầu cao hay thấp, lượng nhiên liệu còn đủ hay không? Từ đó để có thể phân tích, nhận định kịp thời các lỗi của xe

Đối tượng điều khiển là chiếc xe ô tô phải có những tham số thay đổi cần phải được theo dõi và thu thập thường xuyên cho công việc đưa ra các quyế định

về đại lượng điều khiển Các tham số đó là áp suất hơi trong lốp, nhiệt độ máy…

Sự thay đổi các tham số đó, anh ta nhận biết được có thể trực tiếp qua đèn tín hiệu trong xe, song cũng có thể gián tiếp qua phản ứng của xe với các đại lượng điều khiển

Người đàn ông trong quá trình lái xe đã thực hiện tuyệt vời chức năng của một bộ điều khiển, từ thu thập thông tin, thực hiện thuật toán điều khiển (trong đầu ) cho đến khi đưa ra tín hiều điều khiển kịp thời mà không cần phải biết một cách chính xác về vị trí, tốc độ, tình trạng của xe Hoàn toàn ngược lại với khái niệm điều khiển chính xác, người đàn ông chỉ cần đưa ra những đại lượng điều khiển theo nguyên tăc xử lý ”mờ” như :

+ Nếu xe hướng nhẹ ra vạch phân cách thì đánh tay lái nhẹ sang phải

+ Nếu xe hướng đột ngột ra ngoài vạch thì đánh mạnh tay lái sang phải + Nếu đường có đồ dốc lớn thì về số

+ Nếu đường thẳng, khô, tầm nhìn không hạn chế và tốc độ chỉ hơi cao hơn binh thường một chút thì không cần giảm tốc độ

Các nguyên lý điều khiển “mờ” như vậy, tuy chúng có thể khác nhau về số các mệnh đề điều kiện, song có chung một cấu trúc: “ NẾU điều kiện 1 VÀ…VÀ điều kiện n THÌ quyết định 1 VÀ … quyết định m”

Vậy bản chất nguyên lý điều khiển như người đàn ông đã làm thể hiện bằng thuật toán xử lý xe của anh ta như thế nào? Có những hình thức nào để xây dựng lại mô hình điều khiển theo nguyên lý mờ của người lái xe?, làm cách nào để có thể tổng quát hóa chúng thành một nguyên lý điều khiển mờ chung và từ đó áp dụng cho các quá trình tương tự? Đó chính là vấn đề của Lý thuyết điều khiển mờ Đặc điểm cũng là ưu điểm của điều khiển mờ là xử lí những thông tin không chính xác hoặc không đầy đủ, đó là cách thức xử lí của bộ não con người được áp dụng đưa vào ngành kỹ thuật điều khiển Đó cũng là điều không có trong

hệ thống lý thuyết cổ điển

Trong lý thuyết cổ điển, một phần tử chỉ có thể có hoặc không thuộc vào một tập hợp đang xét hay nói cách khác độ phụ thuộc của nó chỉ là 0 hoặc 1 Một tập hợp mờ trong lý thuyết mờ, độ phụ thuộc của một phần tử có thể là giá trị bất kỳ nằm trong khoảng đơn vị [0,1] Như vậy ta thấy rằng tập hợp mờ là một khái niệm suy rộng của tập hợp kinh điển, điều đó có ý nghĩa rất lớn trong

kỹ thuật điều khiển

Chúng ta vẫn quen với việc khảo sát một hàm với một tập xác định và một tập giá trị kinh điển, nhưng một hàm phụ thuộc thì không thể ánh xạ tất cả các phần tử trong tập hợp Mờ, hay trong thực tế không thể giải quyết tất cả các trường hợp của một vấn đề Cho nên đối với một tập hợp Mờ thì số lượng hàm phụ thuộc là không xác định và điều này nó cho phép những hệ thống Mờ có được tiện ích tối đa trong một tình huống cho trước

Như vậy khái niệm tập hợp và ánh xạ trong lý thuyết Mờ rất rộng lớn nên

đủ khả năng để ta mô hình hoá các vấn đề thực tế phức tạp một cách đơn giản dễ hiểu Với các biến ngôn ngữ (thường sử dụng) làm cho các vấn đề kỹ thuật có dữ liệu mơ hồ trở nên chính xác, dễ kiểm tra Từ đó logic Mờ giúp ta có những hệ thống điều khiển ổn định và có chi phí thấp

Những lĩnh vực mà logic mờ được ứng dụng và có nhiều thành tựu:

- Điều khiển

- Định dạng mô hình mẫu (hình ảnh, âm thanh, xử lý dữ liệu)

- Phân tích định lượng (nghiên cứu khoa học, quản lý)

- Suy luận (giao diện thông minh, robot, kỹ thuật phần mềm)

- Phục hồi thông tin (dữ liệu)

1.1.3.2.Một số khái niệm cơ bản

1.1.3.2.1.Định nghĩa tập mờ và các thuật ngữ liên quan

a.Định nghĩa tập mờ: Tập mờ F xác định trên tập kinh điển M là một tập

mờ mỗi phần từ của nó là một cặp các giá trị (x,µF(x)) trong đó có x ∈ M và µF là ánh xạ µF : M → [0, 1]

+ Ánh xạ µF được gọi là hàm liên thuộc của tập mờ F

+ Tập kinh điển M được gọi là tập kinh điển của tập mờ F

Một tập mờ gồm 3 thành phần:

• Miền làm việc [x1, x2]

• Đoạn [0, 1] trên trục tung thể hiện độ phụ thuộc của tập mờ

• Hàm đặc trưng mF(x) xác định độ phụ thuộc tương ứng của các phần tử

A

khi x A khi x A

µ =   ∈

∉

 được gọi là hàm liên thuộc của A

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

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

- Độ cao của tập mờ F (định nghĩa trên cơ sở M) là giá trị H=sup µF(x), x∈M Một tập mờ với ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập

mờ chính tắc, tức là H=1 Ngược lại một tập mờ F với H<1 được gọi là tập mờ không chính tắc

- Miền xác định của tập mờ F (định nghĩa trên cơ sở M ), được kí hiệu bởi S

là tập con của M thỏa mãn: S= {x ∈ M | µF(x)>0 }

- Miền tin cậy của tập mờ F(định nghĩa trên cơ sở M ), được kí hiệu T, là tập con của M thỏa mãn: T={x ∈ M | µF(x)=1 }

e Biến ngôn ngữ

Biến ngôn ngữ là phần chủ đạo trong các hệ thống dùng logic Mờ Về cơ bản biến ngôn ngữ là loại biến mà giá trị của nó là những từ, những câu nói theo ngôn ngữ tự nhiên hoặc không tự nhiên Ví dụ trong trường hợp mô tả tốc độ ta

có thể có các biến ngôn ngữ đặc trưng cho các tập mờ sau: rất chậm, chậm, trung bình, nhanh, rất nhanh

f Hàm đặc trưng

Mức độ thỏa mãn của một giá trị vật lý vào khái niệm ngôn ngữ được gọi là

độ phụ thuộc Đối với biến liên tục, mức độ này được biểu diễn bởi một hàn gọi

là hàm đặc trưng Hàm đặc trưng là ánh xạ tập hợp các giá trị vật lý thành tập giá trị phụ thuộc với các giá trị ngôn ngữ Dưới đây là một số dạng hàm đặc trưng:

- Khái niệm: Mệnh đề hợp thành tương ứng với một luật điều khiển

thường có dạng : IF <mệnh đề điều kiện> THEN <mệnh đề kết luận>

- Các quy tắc hợp thành mờ thường dùng:

+ Quy tắc Mandani: Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề tổng quát có dạng như sau: IF N= ni and M = mi and … Then R = ri and K=ki and…

+ Quy tắc hợp thành MIN: giá trị của mệnh đề hợp thành mờ là một tập

mờ B’ định nghĩa trên nền Y (không gian nền của B) và có hàm liên thuộc: mB’ = min{mA, mB(y)}

+ Quy tắc hợp thành PROD: Giá trị của mệnh đề hợp thành mờ B’ định nghĩa trên nền Y (không gian nền của B ) và có hàm liên thuộc : mB’ =

mAmB(y)

Luật hợp thành

Luật hợp thành mờ là tên chung gọi mô hình R biểu diễn một hay nhiều hàm liên thuộc cho một hay nhiều mệnh đề hợp thành Nói cách khác, đó chính là tập hợp của nhiều mệnh đề hợp thành Các luật hợp thành được xây dựng theo các quy tắc hợp thành Như thế sẽ có các luật hợp thành khác nhau như:

+ Luật hợp thành MAX-MIN

+ Luật hợp thành MAX- PROD

+ Luật hợp thành SUM – MIN

+ Luật hợp thành MAX – PROD

+ Luật hợp thành SUM-PROD

h.Giải mờ

Giải mờ là quá trình xác định rõ giá trị đầu ra từ hàm phụ thuộc của tập mờ

Có 3 phương pháp chính thường được dùng trong bước này: