tóm tắt luận văn thạc sĩ kỹ thuật THIẾT kế bộ điều KHIỂN TRÊN cơ sở MẠNG NƠRON

Kết cấu của luận văn gồm: Mở đầu Chương 1: Tổng quan về mạng Nơron Chương 2: Cơ sở việc thiết kế bộ điều khiển bằng mạng Nơron Chương 3: Ứng dụng mạng Nơron thiết kế bộ điều khiển theo

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

-LÊ THU THỦY

THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON

Chuyên ngành : Tự Động Hóa

Mã số :

TÓM TẮT LUẬN VĂN THẠC SỸ KỸ THUẬT

THÁI NGUYÊN - 2011

Luận văn được hoàn thành tại Trường Đại học Kỹ thuật Công nghiệp TháiNguyên.

Cán bộ HDKH : PGS.TS Nguyễn Hữu Công

Phản biện 1 : PGS.TS Lại Khắc Lãi

Phản biện 2 : PGS.TS Phạm Hữu Đức Dục

Luận văn đã được bảo vệ trước hội đồng chấm luận văn, họp tại: Phòng caohọc số 2, trường Đại học Kỹ thuật Công nghiệp Thái Nguyên Vào 10 giờ 00 phútngày 08 tháng 12 năm 2011

Có thể tìm hiểu luận văn tại Trung tâm Học liệu tại Đại học Thái Nguyên vàThư viện Trường Đại học Kỹ thuật Công nghiệp Thái Nguyên

MỞ ĐẦU

Trong những năm gần đây mạng nơron nhân tạo ANN (Artificial NeuralNetwork) ngày càng được ứng dụng rộng rãi trong nhận dạng, điều khiển và tínhtoán mềm vì những ưu điểm như khả năng xử lý song song, tốc độ cao … nênđược ứng dụng trong nhiều lĩnh vực như: công nhiệp, năng lượng, y học, tàinguyên nước và khoa học môi trường Đặc biệt trong lĩnh vực kỹ thuật môi trường,ANN ngày càng chứng tỏ được vai trò trong nhận dạng và điều khiển các quá trình

xử lý phức tạp mà các phương pháp khác không có được

Tuy nhiên các tác giả đã nghiên cứu ở trên khi luyện mạng nơron sử dụng cácToolbox của Matlab, thường ta sẽ không loại bỏ được những mẫu học bị nhiễu Đềtài sẽ đưa ra một thuật toán loại bỏ những mẫu học bị nhiễu và sẽ làm giảm sai sốtrong quá trình huấn luyện mạng Ta sẽ nghiên cứu cho một số đối tượng động họctuyến tính và phi tuyến

Căn cứ vào những nhận xét, đánh giá trên, tôi chọn đề tài: “Thiết kế bộ điều khiển trên cơ sở mạng Nơron”

Kết cấu của luận văn gồm:

Mở đầu

Chương 1: Tổng quan về mạng Nơron

Chương 2: Cơ sở việc thiết kế bộ điều khiển bằng mạng Nơron

Chương 3: Ứng dụng mạng Nơron thiết kế bộ điều khiển theo mô hình

mẫu Chương 4: Kết luận

Tôi xin trân trọng bày tỏ lòng biết ơn sâu sắc đến thầy HDKH PGS.TS Nguyễn Hữu Công - Người đã hướng dẫn tận tình và giúp đỡ tôi hoàn thành luận

văn thạc sĩ này

Tôi xin chân thành cám ơn Ban Giám Hiệu Trường Đại Học Kỹ thuật Côngnghiệp, Khoa đào tạo sau Đại học các thầy cô ở Khoa Điện, Khoa Điện tử –Trường Đại học Kỹ thuật Công nghiệp đã đóng góp nhiều ý kiến và tạo điều kiệnthuận lợi cho tôi hoàn thành luận văn

Tôi xin chân thành cám ơn!

Thái Nguyên, ngày 21 tháng 12 năm 2011

Lê Thu Thủy

Hình 1.1 Mạng nơron đơn giản gồm 2 nơron

CHƯƠNG 1 TỔNG QUAN VỀ MẠNG NƠRON 1.1 Giới thiệu tóm tắt về mạng nơron

1.1.1 Mạng nơron sinh học

Mạng nơron bao gồm vô số các nơron được liên kết truyền thông với nhautrong mạng Hình 1.1 là một phần của mạng nơron bao gồm hai nơron

Thân nơron được giới hạn trong một màng membrane và trong cùng là nhân

Từ thân nơron còn có rất nhiều đường rẽ nhánh gọi là rễ

Đường liên lạc liên kết nơron này với nơron khác được gọi là axon, trênaxon có các đường rẽ nhánh Nơron có thể liên kết với các nơron khác qua các rễ

Sự liên kết đa dạng như vậy nên mạng nơ-ron có độ liên kết cao

1.1.2 Mạng nơron nhân tạo (Artificial Neural network - ANN)

Mô hình của Nơron có thể được cấu tạo từ 3 thành phần chính: Phần tổngcác liên kết đầu vào, phần động tuyến tính, phần phi tuyến không động học

Cấu trúc một nơron bao gồm:

p1 , p2, … pn : n đầu vào

w1, w2… wn : n trọng số

a = f(n): hàm truyền

Quan hệ giữa các đầu vào và ra của một nơron được biểu diễn bằng phươngtrình toán học như sau:

w

w w

b w p

m

m k k

*

.

2 1 2 1

1.1.3.Cấu trúc mạng nơron nhân tạo

Có thể phân thành 3 loại như sau:

-Mạng nơron động học tuyến tính

-Mạng nơron phi tuyến tĩnh

-Mạng nơron động học phi tuyến

1.1.4 Luyện mạng Nơron

Khi xây dựng mạng để mạng có thể thực hiện được các công việc mà người

sử dụng mạng yêu cầu thì mạng nơron cần phải được học, việc học bao gồm:

1.1.4.1 Các phương pháp luyện mạng

Có các phương pháp cơ bản sau:

- Cần có tín hiệu chỉ đạo (học có giám sát hay học có thầy giáo

- Cần có tín hiệu chỉ đạo nhưng không chi tiết (luyện mạng bằng cách củng

cố dần kiến thức

- Không cần tín hiệu chỉ đạo (học không giám sát hay học không thầy giáoDạng chung cho học tham số:

wi(t) = rx (1-1)

1.1.4.2 Các luật luyện mạng nơron

Các luật luyện mạng nơron cho biết quy luật mà các trọng lượng liên kết củamạng phải thay đổi theo trong quá trình luyện mạng

1.1.4.2.1 Luật học không giám sát của Hebb (1949)

Nguyên lý Hebb được phát biểu: “Nếu hai nơron đồng thời được kích thíchthì tăng mối liên hệ giữa chúng”, cụ thể: wi = yix (1-2)

Cách phát biểu khác của luật Hebb: Lực khớp trong não thay đổi tỷ lệ vớitương quan giữa sự phát hỏa của các nơron trước

1.1.4.2.2.Luật học Perceptron (Rosenblatt)

Tín hiệu học r ở đây là sai số giữa đích (đầu ra thực) và đầu ra mong muốn

i j

T i i

d x

d x

x w Sgn d

w

i

i

y khi 0

y khi 2

T i i

i

d

d x

d x

x w Sgn d

w

i

i

y khi 0

y khi 2

CHƯƠNG 2

CƠ SỞ VIỆC THIẾT KẾ BỘ ĐIỀU KHIỂN BẰNG MẠNG NƠ-RON

2.1 Cấu trúc chung của một hệ thống điều khiển

2.1.1 Khái niệm chung về một hệ thống điều khiển

Trong kĩ thuật thường sử dụng phương thức điều khiển sai lệch Tín hiệuđiều khiển ở đây được hình thành do có sự sai lệch giữa giá trị mong muốn và giátrị đo được của đại lượng cần điều chỉnh Sơ đồ cấu trúc hệ thống điều chỉnh tựđộng tác động theo phương thức sai lệch được mô tả như hình 2.1

Hình 2.1 Sơ đồ cấu trúc hệ thống điều chỉnh tự động

2.1.2 Cấu trúc chung của bộ điều khiển có phản hồi

Hình 2.2 Sơ đồ cấu trúc chung một hệ thống điều khiển

e(t) = r(t) − y(t), một bộ điều khiển PID có dạng tổng quát như sau:

Bước 1: Nhận dạng đối tượng.

Bước 2: Thiết kế bộ điều khiển nơron.

2.2.2 Nhận dạng đối tượng sử dụng mạng nơ-ron

z

y

2.2.2.1 Khả năng sử dụng mạng nơron trong nhận dạng

Có hai loại bài toán quan trọng trong lý thuyết điều khiển là các thuật toánđiều khiển và các phương pháp nhận dạng mô hình

2.2.2.2 Mô hình nhận dạng hệ thống sử dụng mạng nơron

1 Nhận dạng tham số sử dụng mạng nơron

Tín hiệu sai số ey ~y là cơ sở cho quá trình luyện mạng Mạng nơron ở đây

có thể là mạng nhiều lớp hoặc các dạng khác và có thể sử dụng nhiều thuật luyệnmạng khác nhau

2 Nhận dạng mô hình đối tượng sử dụng mạng nơron

Nhận dạng mô hình là quá trình xác định mô hình của đối tượng điều khiển vàthông số trên cơ sở đầu vào và đầu ra của đối tượng điều khiển Thông thường môhình hồi quy được sử dụng Ở đây động học đối tượng điều khiển được xét dướidạng hệ rời rạc với véc tơ đầu vào bao gồm:

x = ( yt-1, yt-2, , ut-1, ut-2, ) (2.2)Trong đó: yt-1, ut-1 là các giá trị đầu ra và đầu vào tương ứng ở chu

kỳ trước

Để nhận dạng mô hình hệ phi tuyếnngười ta có thể sử dụng mạng nơron nhiều lớptheo hai quan điểm sau:

Đối tượng điều khiển

Mạng nơron

y

~

e -

Hình 2.3 Mô hình nhận dạng cơ bản

Đối tượng điều khiển

Mạngnơron

Hình 2.7a Hình 2.7b

Hình 2.7 Mô hình nhận dạng song song và nối tiếp – song song

2.2.2.3 Nhận dạng hệ thống sử dụng mạng nơron

a Mô hình nhận dạng song song

Để nhận dạng một hệ có thể dùng mô hình nhận dạng này và được mô tảbằng phương trình: yˆp(k 1 )   ˆ0yˆp(k)   ˆ1yˆp(k 1 ) Nu(k) (2.4)

b Mô hình nhận dạng nối tiếp - song song

Mô hình nhận dạng có dạng như sau:

 ( )

) 1 ( ˆ ˆ ) ( ˆ ˆ ) 1

(

2.2.3 Thiết kế bộ điều khiển sử dụng mạng Nơ-ron

2.2.3.1.Điều khiển theo vòng hở

Hình 2.11 Bộ điều khiển thể hiện bằng mạng nơ-ron trong cấu trúc điều khiển theo

vòng hở.

2.2.3.2 Điều khiển theo vòng kín

Mạng nơ-ron trong cấu trúc điều khiển theo vòng kín đóng vai trò bộ điềukhiển với phản hồi như hình 2.12

ĐTĐK

Bộ điều khiển bằng mạng nơron

ĐTĐK

_

Đối tượng điều khiển

Mạngnơron

Hình 2.12 Bộ điều khiển bằng mạng nơron trong cấu trúc điều khiển theo vòng kín

2.2.3.3 Điều khiển với mô hình tham chiếu

Mạng nơron thay thế bộ điều khiển cũng có thể được luyện để làm giảm sai

số giữa đầu ra của đối tượng điều khiển và mô hình tham chiếu như ở hình 2.13

Hình 2.13 : Mạng nơ ron được luyện bắt chước bộ điều khiển

2.2.3.4 Điều khiển theo thời gian vượt quá

Có hai phương pháp được sử dụng :

-Xây dựng mô hình của quá trình và sau đó sử dụng một dạng nào đó củathủ tục lan truyền ngược theo thời gian Phương pháp này khó sử dụng dưới dạngtổng quát

-Sử dụng giá trị tới hạn thích nghi và các phương pháp học củng cố

2.3.Nhận dạng đối tượng điều khiển sử dụng mạng Nơ-ron

Bộ điều khiển bằng mạng nơron

Đây là một mạng nơron có cấu trúc đơn giản nhất, với số lượng các tham sốcủa mạng là m + n + 1, trong đó có m +1 trọng số vào iw1i và n trọng số lớp lw1j

Mạng nơron động học tuyến tính được ứng dụng để nhận dạng đối tượng có

mô hình tuyến tính gián đoạn ARMA

2.3.2.2 Mô hình ARMA biểu diễn dưới dạng mạng Nơron

Cho đối tượng có đặc tính động học tuyến tính có mô hình gián đoạn ARMAnhư sau :

2.3.1.2 Ứng dụng mạng nơron nhận dạng đối tượng tuyến tính

Các bước để tiến hành luyện mạng :

Bước 1: Chọn mạng NN và cấu trúc của nó

Hàm truyền của đối tượng cần nhận dạng :

Bước 2: Chọn các tập mẫu vào / ra để luyện mạng

Bước 3: Khi đã đủ các yếu tố cần thiết ta tiến hành luyện mạng.

2.3.3 Nhận dạng đối tượng phi tuyến sử dụng mạng Nơ-ron

Mô hình I:

Biểu thức mô tả đối tượng

 ( ), ( 1 ), , ( ( 1 ))

) ( )

u k u g i k y a k

i p i

Mô hình II:

Biểu thức toán học mô tả đối tượng

) ( )

y k y f i k u k

2.4 Thiết kế điều khiển bằng mạng Nơron theo mô hình mẫu

2.4.1.Hệ thống điều khiển theo mô hình mẫu

Bài toán đặt ra như sau: Cho một đối tượng và chọn trước một môhình mẫu, ta phải thiết kế bộ điều khiển sao cho đầu ra của đối tượng bám theo đầu

ra của mô hình mẫu với sai lệch là nhỏ nhất

Sơ đồ hệ thống điều khiển theo mô hình mẫu như hình 2.19

Hình 2.19 Sơ đồ hệ thống điều khiển theo mô hình mẫu

2.4.2 Thiết kế bộ điều khiển nơron theo mô hình mẫu

Sơ đồ khối hệ thống điều khiển theo mô hình mẫu sử dụng mạng Nơron códạng như hình 2.20

Mô hình mẫu

Bộ điều khiển

Đối tượng x

y m

y e

u

Hình 2.20.Sơ đồ huấn luyện bộ điều khiển nơron NN Controller

Thiết kế bộ điều khiển nơron theo mô hình mẫu bao gồm các bước thựchiện:

Bước 1: Tạo 1 tập mẫu P,T lấy trên mô hình mẫu bằng cách phát 1 tín hiệu

đầu vào P (P là tín hiệu ngẫu nhiên) và quan sát tín hiệu ra T dùng tập mẫu P,T đểhuấn luyện mạng nơron cho bộ điều khiển ‘‘NN Controller’’

Bước 2: Chọn cấu trúc mạng nơron NN controller.

Bước 3: Kết hợp 2 mạng NN controller và mạng NN plant tạo thành mạng

NN system sau đó dùng tập mẫu P,T huấn luyện mạng NN system sao cho hàm

mục tiêu J = 



N 1 k

2(k)eN

1

là bé nhất (trong quá trình luyện mạng thì các thông số w,

b của NN plant giữ cố định, chỉ chỉnh định các thông số w, b NN controller) Saukhi huấn luyện xong NN controller thì ta lắp vào sơ đồ trên hình 2.20 để điều khiển

NN model

NN controller

W,b

CHƯƠNG 3 ỨNG DỤNG MẠNG NƠ-RON THIẾT KẾ BỘ ĐIỀU KHIỂN THEO MÔ HÌNH MẪU

3.1 Với các đối tượng tuyến tính

3.1.1 Bài toán 1 Nhận dạng đối tượng có hàm truyền:

2

1G(s)

0.2 0.4 0.6 0.8 1 1.2 1.4

0 5 10 15 20 25 30 -1

Hình3.3 Các kết quả luyện mạng.

Dùng sơ đồ Simulink để kiểm tra lại kết quả

Sơ đồ như sau:

Mo hinh doi tuong

Ket xuat thuc

Ket xuat dich

Hình 3.4 Sơ đồ mô phỏng.

P,T

Kết quả kiểm tra bằng Simulink:

3.2 Với các đối tượng phi tuyến

3.2.3 Bài toán 6: Bể xử lý nước thải

w, b

Hình 3.28 Sơ đồ nhận dạng hệ thống xử lý nước thải bằng mạng nơron.

Sơ đồ hệ thống xử lý nước thải như hình 3.29

Hình 3.29 Sơ đồ xử lý hệ thống nước thải.

Phương trình hệ thống là: Vy = Fa - Fy - ub – uy

Các thông số của hệ thống xử lý nước thải được mô hình hoá như sau

Giới hạn của tín hiệu điều khiển u là: [0 2] L/sec

Thay các giá trị trên vào mô hình được phương trình hệ thống như sau:

y = 0.00005 - 0.05y - 0.0005u – 0.5uy (3-15)

Để nhận dạng được hệ thống xử lý nước thải, chúng tôi sử dụng một mạng nơ-ron gọi tên là NN1 model Mạng này có sơ đồ khối như hình sau:

Máy trộn

u

nước thải có tính acid

nước thải trung tính

w, b

Hình 3.31 Mô hình mạng nơron của đối tượng.

Cấu trúc mạng nơron của mô hình hệ thống xử lý nước thải được chọn nhưhình vẽ trên:

- Mạng gồm có hai lớp: Lớp 1 có 4 nơron và sử dụng hàm tansig, lớp 2 có 1nơron và sử dụng hàm purelin

Bộ thông số (p,t) gồm 1000 mẫu lấy ở trên được dùng để huấn luyện mạngnơron của mô hình đối tượng

Sau khi khởi động phần mềm Matlab 6.5, tại dấu nhắc ở cửa sổ MatlabComand window ta gõ:

Khi đó chương trình sẽ mô phỏng và cho kết quả như sau

Hình 3.32 Đồ thị sai lệch giữa mô hình nơron và mô hình đối tượng.

3.2.3.2.Ứng dụng thiết kế bộ điều khiển theo mô hình mẫu

* Mô hình mẫu của hệ thống xử lý nước thải

- Hàm truyền đạt của mô hình mẫu được chọn như sau:

) 1 30 )(

1 25 ( 001 0 )

(3-17)

Hình 3.33 Hàm trọng lượng của mô hình mẫu

- Sau 250 giây thì hệ thống đạt được trạng thái xác lập với tín hiệu ra bằngkhông

Mô hình mẫu trong simulink.

Hình3.34 Mô hình mẫu trong Simulink.

* Thiết kế bộ điều khiển nơ-ron

Hình 3.35 Cấu trúc mạng nơ ron của bộ điều khiển được chọn

Mạng NN controller được chọn có 3 lớp: lớp vào có 4 nơron, sử dụng hàmtansig; lớp ẩn có 3 nơron, sử dụng hàm tansig; lớp ra có 1 nơron, sử dụng hàmpureline; khâu TDL1 có đường dây trễ là 1

Sau khi huấn luyện ta có các thông số của bộ điều khiển nơ ron:

b2

1

LW3 ,2

3.2.3.4 Mô phỏng kết quả

Sơ đồ mô phỏng hệ thống điều khiển như hình sau:

Hình 3.37 Sơ đồ mô phỏng.

Cấu trúc một số nơron của các lớp vào, lớp ẩn và lớp ra như hình sau:

Hình 3.38 Cấu trúc một số nơron của các lớp vào, lớp ẩn và lớp ra.

- Kết quả mô phỏng với tín hiệu đặt ref = 0.000001, a = 0.0015 và sơ kiện y(0)khác nhau.

+ y(0) = 0.005

Hình 3.39 Kết quả mô phỏng với tín hiệu đặt; y(o) = 0,005.

- Kết quả mô phỏng với tín hiệu đặt ref = 0.000001, a = 0.0005 và sơ kiện y(0) =0.05

Hình 3.40 Kết quả mô phỏng với tín hiệu đặt; y(o) = 0,05.

- Kết quả mô phỏng với tín hiệu đặt ref = 0.000001, a = 0.0005 và sơ kiện y(0)

= 0.02

Hình 3.41 Kết quả mô phỏng với tín hiệu đặt; y(o) = 0,02.

- Kết quả mô phỏng với tín hiệu đặt ref = 0.000001, a = 0.0005 và sơ kiện y(0)

= -0.02

Hình 3.42 Kết quả mô phỏng với tín hiệu đặt; y(o)=-0.02

3.2.4 Bài toán 8: Nhận dạng cánh tay rô bốt một bậc tự do

3.2.4.1 Nhận dạng hệ thống

Hệ thống nhận dạng cánh tay rô bốt bằng mạng nơron như hình 3.43

Hình 3.43 Sai lệch đầu ra của NN model và đối tượng

Ở đây đối tượng điều khiển là cánh tay rô bốt như hình 3.43, là một đốitượng có đặc tính động học và phi tuyến có mô hình toán học biểu diễn dưới dạngphương trình vi phân có dạng như sau:

cu dt

d b a

Hình 3.44 Mô hình mạng nơ ron của đối tượng

Hình 3.46 biểu diễn lần lượt tín hiệu ra của NN2 model, sai lệch giữa đầu ra của

NN model và đối tượng

T

Cánh tay rô bốt

NN Plant

e(k)P

w, b

LW12

IW1,1

b11

TDL-2

1 2 3

LW21 2,1

b21

p

t

TDL-1

0 1 2

Hình 3.45 Tín hiệu vào và ra của mẫu

Hình 3.46 Đầu ra của model, sai lệch giữa đầu ra của model và đối tượng

Hình 3.47 Sai lệch mse giữa đầu ra của NN model và đối tượng.

Các tham số của NN2 model được thể hiện trong các bảng 3.1 và bảng 3.2.

Bảng 1.1 Các tham số lớp 2 của NN modelLW{2,1} từ cột 1 đến cột thứ 8-0.1092 -1.1063 -1.0118 -3.9376 -2.2161 3.6836 -0.7778 -1.3184

LW{2,1} từ cột 9 đến cột thứ 164.2602 4.4758 -1.4680 2.0288 0.1092 2.5464 1.3274 -0.8577

B{2} = 0.8241Bảng 1.2 Các tham số lớp 1 của NN2 model

-0.5718 5.2080 9.6639 4.9078 -0.8434 -0.8733 -1.6560-0.0001 0.0080 -0.0082 1.5760 0.2127 -0.6785 0.1454-0.0003 -0.0166 0.0179 -1.5634 -0.3183 0.3545 -0.4213-0.0002 -0.0171 0.0130 -0.7233 1.8061 -3.4210 1.5874-0.0001 -0.0070 0.0073 0.3810 -0.1051 -0.1357 -0.07470.0000 -0.0060 0.0059 -0.7212 0.5350 -0.6087 0.1624-0.0002 0.0141 -0.0135 -0.5049 -0.1094 -0.0558 -0.17240.0000 0.0028 -0.0026 0.1227 0.2343 0.0866 -0.03400.0000 -0.0069 0.0075 0.6381 0.2510 -0.1047 -0.0747-0.0002 0.0171 -0.0209 -0.7522 1.6192 -3.0934 1.4412-0.00001 0.0138 -0.0138 -0.1844 -0.0578 0.1000 -0.0288-0.0000 -0.0008 0.0008 0.1710 0.2446 -0.0689 0.0202-0.5756 5.2117 9.6645 4.9080 -0.8664 -0.8303 -1.6766-0.0003 -0.0173 0.0191 -0.8816 -0.6028 1.2092 -0.69320.0004 -0.0248 0.0230 0.9665 0.7289 -1.4098 0.74330.0001 -0.0048 0.0044 -0.4363 0.2743 -0.0503 0.1469