Chuyên đề Điều khiển mờ

CHƯƠNG I: BỘ ĐIỀU KHIỂN MỜ CƠ BẢN 1.1. CÁC BỘ ĐIỀU KHIỂN KINH ĐIỂN 1.1.1. TỔNG QUAN Như chúng ta đã được biết, một hệ thống muốn đạt được chất lượng mong muốn thì nhất thiết phải có phản hồi (hệ kín). Lúc thiết kế một hệ thống mạch vòng kín điều khiển phản hồi, trước tiên phải thiết kế tổng thể, tuyển chọn các tham số cơ bản và tính toán các tham số trạng thái ổn định. Như vậy là đã hình thành được hệ thống mạch vòng kín cơ bản, hay còn gọi là hệ thống nguyên thủy. Sau đó cần phải xây dựng mô hình toán học trạng thái động học của hệ thống nguyên thủy, kiểm tra tính ổn định và chất lượng động của nó (thông qua các phần mềm mô phỏng). Nếu hệ thống nguyên thủy không ổn định hoặc chất lượng động không tốt, thì buộc phải cài đặt hiệu chỉnh thích hợp, làm cho hệ thống sau khi hiệu chỉnh có thể thỏa mãn toàn diện yêu cầu đề ra. Tóm lại khi thiết kế một hệ thống điều khiển kinh điển (có sử dụng bộ điều khiển kinh điển) phải trải qua các bước sau: 1. Xây dựng mô hình đối tượng đủ chính xác. 2. Đơn giản hoá mô hình. 3. Tuyến tính hoá mô hình tại điểm làm việc. 4. Chọn bộ điều khiển thích hợp. 5. Tính toán thông số của bộ điều khiển. Để thực hiện việc xác định thông số của bộ điều khiển có rất nhiều phương pháp như phương pháp đường đặc tính tần số với tiêu chuẩn Nyquist hay phương pháp quỹ đạo nghiệm số. Bằng các phương pháp này sẽ tổng hợp được bộ điều khiển ổn định. 6. Kiểm tra bộ điều khiển vừa thiết kế bằng cách ghép nối với mô hình đối tượng điều khiển, nếu kết quả không như mong muốn, phải thiết kế lại theo các bước từ 2 đến 6 cho đến khi đạt được kết quả mong muốn.

CHƯƠNG I: BỘ ĐIỀU KHIỂN MỜ CƠ BẢN

1.1 CÁC BỘ ĐIỀU KHIỂN KINH ĐIỂN

1.1.1 TỔNG QUAN

Như chúng ta đã được biết, một hệ thống muốn đạt được chất lượng mong muốn thì nhất thiết phải có phản hồi (hệ kín) Lúc thiết kế một hệ thống mạch vòng kín điều khiển phản hồi, trước tiên phải thiết kế tổng thể, tuyển chọn các tham số cơ bản và tính toán các tham số trạng thái ổn định Như vậy là đã hình thành được hệ thống mạch vòng kín cơ bản, hay còn gọi là hệ thống nguyên thủy Sau đó cần phải xây dựng mô hình toán học trạng thái động học của hệ thống nguyên thủy, kiểm tra tính ổn định và chất lượng động của nó (thông qua các phần mềm mô phỏng) Nếu hệ thống nguyên thủy không ổn định hoặc chất lượng động không tốt, thì buộc phải cài đặt hiệu chỉnh thích hợp, làm cho hệ thống sau khi hiệu chỉnh có thể thỏa mãn toàn diện yêu cầu đề

ra

Tóm lại khi thiết kế một hệ thống điều khiển kinh điển (có sử dụng bộ điều khiển kinh điển) phải trải qua các bước sau:

1 Xây dựng mô hình đối tượng đủ chính xác

2 Đơn giản hoá mô hình

3 Tuyến tính hoá mô hình tại điểm làm việc

4 Chọn bộ điều khiển thích hợp

5 Tính toán thông số của bộ điều khiển Để thực hiện việc xác định thông số của

bộ điều khiển có rất nhiều phương pháp như phương pháp đường đặc tính tần số với tiêu chuẩn Nyquist hay phương pháp quỹ đạo nghiệm số Bằng các phương pháp này

sẽ tổng hợp được bộ điều khiển ổn định

6 Kiểm tra bộ điều khiển vừa thiết kế bằng cách ghép nối với mô hình đối tượng điều khiển, nếu kết quả không như mong muốn, phải thiết kế lại theo các bước từ 2 đến 6 cho đến khi đạt được kết quả mong muốn

7 Đưa bộ điều khiển vừa thiết kế vào điều khiển đối tượng thực và kiểm tra quá trình làm việc của hệ thống Nừu chưa đạt các chỉ tiêu chất lượng thì thiết kế lại từ bước 1 đến bước 6 cho đến khi đạt chất lượng mong muốn

Tổng hợp một bộ điều khiển với các chức năng hoàn hảo phụ thuộc rất nhiều vào các nhà chuyên môn Quá trình tổng hợp sẽ rút ngắn lại vì chỉ còn phải thực hiện bước

4, 5 nếu đã có mô hình đối tượng Xây dựng mô hình hữu ích là một đòi hỏi rất khó thực hiện, vì bên cạnh những hiểu biết tốt về lý thuyết, còn đòi hỏi nhiều về kinh nghiệm trong nhận dạng hệ thống mà chủ yếu dựa vào kinh nghiệm cũng như sự hiểu biết về đối tượng

Bộ điều chỉnh (hay bộ điều khiển) đã nói ở trên được tạo thành nhờ bộ khuếch đại thuật toán Có thể có các bộ điều chỉnh là: Khuếch đại tỉ lệ (P), vi phân tỉ lệ (PD), tích phân tỉ lệ (PI), và vi tích phân tỉ lệ (PID)

a Bộ điều khiển tỉ lệ: P

Tín hiệu ra u của bộ điều khiển là: u(t)=Kp.e(t)

Trong đó Kp là hệ số khuếch đại tỷ lệ Thành phần tỉ lệ (Kp) có tác dụng làm tăng tốc

độ đáp ứng của hệ, và làm giảm, chứ không triệt tiêu sai số xác lập của hệ

Muốn giảm nhỏ sai lệch tĩnh phải tăng hệ số khuếch đại nhưng khi đó tính dao động của hệ thống sẽ tăng lên và hệ thống dễ mất ổn định

b Bộ điều khiển vi phân tỉ lệ: PD

Tín hiệu ra u của bộ điều khiển là: u(t)=Kp.e(t) + KD.de(t)/dt

Tạo thành hiệu chỉnh vượt trước, tăng nhanh tốc độ tác động (nhanh hơn cả quy luật tỉ lệ), nhưng thành phần vi phân sẽ phản ứng với các nhiễu cao tần có biên độ nhỏ và không làm giảm sai lệch dư đồng thời độ chính xác trạng thái ổn định lại bị ảnh hưởng

Vì vậy chỉ sử dụng ở những nơi đòi hỏi độ nhạy tác động nhanh (điều khiển tay máy)

c Bộ điều khiển tích phân tỉ lệ: PI

Tín hiệu ra u của bộ điều khiển là: u(t)= Kp.e(t)+KI.∫e(t)dt

Bộ điều chỉnh PI tạo thành tín hiệu chậm sau có thể đảm bảo được độ chính xác trạng thái ổn định, nhưng lại bị hạn chế về độ nhạy

c Bộ điều khiển vi tích phân tỉ lệ: PID

Tín hiệu ra u của bộ điều khiển là:

dt

tdeKdtteKteKt

u( )= p ( )+ I.∫ ( ) + D ( )

Bộ điều chỉnh do PID tạo thành có được ưu điểm của tất cả các bộ điều chỉnh đã nói ở trên, có thể nâng cao toàn diện tính năng điều khiển của hệ thống, nhưng mạch điện và cách thử nghiệm lại phức tạp hơn

Mục tiêu của chúng ta là tuỳ thuộc vào cấu trúc của đối tượng điều khiển và các yêu cầu cụ thể mà chọn các luật điều khiển ở trên một cách hợp lý (căn cứ vào những chỉ tiêu chất lượng như σmax (lượng quá điều chỉnh), n (số lần dao động), Tqđ (thời gian quá độ, St (sai lệch tĩnh))

1

+ +

=

s

a Đáp ứng của hệ hở

Sơ đồ Simulink

Hình 1.1a Kết quả mô phỏng

Độ khuếch đại của hệ là 1/20, vì vậy với tín hiệu vào đơn vị thì giá trị ngõ ra là 0.05 Sai số xác lập tương ứng là 0.95, khá lớn Hơn nữa thời gian quá độ khoảng 1.5s Vậy ta cần thiết kế bộ điều khiển nhằm làm giảm thời gian tăng trưởng và thời gian quá độ, đồng thời triệt tiêu sai số xác lập

b Khi có bộ điều khiển và có mạch vòng phản hồi âm

Sơ đồ Simulink

* Khi bộ điều khiển là bộ khuếch đại (P): K I = K D = 0

Đặt KP = 300 ta được kết quả mô phỏng như sau:

hình 1.1b Kết quả mô phỏng khi K P = 300

Đồ thị trên cho thấy bộ điều khiển tỉ lệ làm giảm cả thời gian tăng trưởng lẫn sai

số xác lập nhưng lại làm tăng độ vọt, và giảm thời gian quá độ một chút

* Khi bộ điều khiển là bộ tỉ lệ - vi phân (PD): K I = 0

Đặt KP = 300, KD = 10 ta được kết quả mô phỏng như sau:

HÌnh 1.1c Kết quả mô phỏng khi K P = 300, K D = 10

Đồ thị trên cho thấy bộ điều vi phân làm giảm độ vọt và thời gian quá độ, và ảnh hưởng một chút đến thời gian tăng trưởng và sai số xác lập

* Khi bộ điều khiển là bộ tỉ lệ - tích phân (PI): K D = 0

Đặt KP = 30, KI = 70 Ta giảm thành phần Kp vì bộ điều khiển tích phân cũng làm giảm thời gian tăng trưởng và làm tăng độ vọt (tác động kép) Ta được kết quả mô phỏng như hình 1.1d Đồ thị trên cho thấy bộ điều khiển tích phân đã triệt tiêu sai số

xác lập

HÌnh 1.1d Kết quả mô phỏng khi K P = 30, K I = 70

* Khi bộ điều khiển là bộ tỉ lệ - tích phân – vi phân (PID)

Đặt KP = 1000, KI = 300, KD = 50 ta được kết quả mô phỏng như sau:

Hình 1.1e Kết quả mô phỏng khi K P = 1000, K I = 300, K D = 50

Vậy ta được một hệ thống đáp ứng không có vọt, thời gian tăng trưởng nhanh và không tồn tại sai số xác lập

Trong thực tế, nhiều giải pháp tổng hợp bộ điều khiển kinh điển thường bị bế tắc khi gặp những bài toán có độ phức tạp của hệ thống cao, độ phi tuyến lớn, sự thường xuyên thay đổi trạng thái và cấu trúc của đối tượng , , hoặc giả thiết nếu có thể tổng hợp được trong phạm vi lý thuyết thì khi thực hiện cũng gặp không ít khó khăn về giá thành và độ tin cậy của sản phẩm Những khó khăn đó sẽ không còn là vấn đề nan giải khi bộ điều khiển được thiết kế trên cơ sở logic mờ và càng đơn giản hơn trong việc thực hiện giải pháp này Bộ điều khiển được thiết kế trên cơ sở logic mờ được gọi

là bộ điều khiển mờ

Điều khiển mờ chiếm một vị rất quan trọng trong điều khiển học kỹ thuật hiện đại Ngay buổi đầu, điều khiển mờ đã đem lại sự ngạc nhiên đáng kể rằng hoàn toàn trái với tên gọi của nó, kỹ thuật điều khiển này đồng nghĩa với độ chính xác và khả năng thực hiện

So với các giải pháp kỹ thuật từ trước đến nay được áp dụng để tổng hợp các hệ thống điều khiển, phương pháp tổng hợp hệ thống bằng bộ điều khiển mờ chỉ ra những ưu điểm sau đây :

+ Khối lượng công việc thiết kế giẩm đi nhiều đối tượng không cần sử dụng mô hình đồi tượng trong việc tổng hợp hệ thống

+ Bộ điều khiển mờ đễ hiểu hơn so với các bộ điều khiển khác (cả về kỹ thuật)

và dễ dàng thay đổi

+ Đối 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

+ Trong nhiều trường hợp bộ điều khiển mờ làm việc ổn định hơn, bền vững (robust) hơn và chất lượng điều khiển cao hơn

Để hiểu rõ hơn về điều khiển mờ chúng ta cần nghiên cứu một số khái niệm cơ bản về logic mờ cũng như bộ điều khiển mờ

1.2 KHÁI NIỆM CƠ BẢN

Để hiểu rõ khái niệm “MỜ” là gì ta hãy thực hiện phép so sánh sau :

1 Trong khái niệm tập hợp kinh điển

hàm phụ thuộc µA(x) định nghĩa trên tập A:

Chỉ có hai giá trị là 1 nếu x∈A hoặc 0 nếu

x∉A Hình 1.1 mô tả hàm phụ thuộc của

hàm µA(x), trong đó tập A được định nghĩa

như sau:

A={x∈R2<x<6} (1.1)

2 Cách biểu diễn hàm phụ thuộc như

trên sẽ không phù hợp với những tập được mô tả “mờ” như tập B gồm các số thực dương nhỏ hơn nhiều so với 6

B ={x∈Rx<<6} (1.2a)

Tức là với những định nghĩa “mờ”như vậy

chưa đủ để xác định được một số x=3,5 có thuộc

B hoặc x=4,5 có thuộc B hay không và nếu thuộc

B thì thuộc B bao nhiêu phần trăm? Giả sử rằng

câu trả lời là có thì hàm phụ thuộc µB(x) tại điểm

Hìn1.2a Hàm phụ thuộc µB(x) của tập "mờ" B

x=3,5 phải có một giá trị trong khoảng [0,1] tức là : 0 ≤ µB(x) ≤1

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

1.2.2 CÁC THUẬT NGỮ TRONG LOGIC MỜ

c Miền tin cậy tập mờ

Miền tin cậy của tập mờ F(định nghĩa trên cơ sở X), được ký hiệu bởi T thoả mãn

T =  x∈X | µF(x) =1 

d Các dạng hàm thuộc (membership function) trong logic mờ

Có rất nhiều dạng hàm thuộc như : Gaussian, PI-shape, S-shape, Sigmoidal, Z-shape …

1.2.3 BIẾN NGÔN NGỮ

Biến ngôn ngữ là phần tử chủ đạo trong các hệ thống dùng logic mờ Ở đây các thành phần ngôn ngữ của cùng một ngữ cảnh được kết hợp lại với nhau.Để minh hoạ

về hàm thuộc và biến ngôn ngữ ta xét ví dụ sau :

Xét tốc độ của một chiếc xe ôtô, ta có thể phát biểu xe đang chạy:

0.67 0.5 0.33

Như vậy miền tốc độ ν có hai miền giá trị khác nhau:

- Miền các giá trị ngôn ngữ

N={rất chậm, chậm, trung bình, nhanh, rất nhanh},

- Miền các giá trị vật lý (miền các giá trị rõ)

V={x∈R| x≥ 0}

Và với mỗi giá trị ngôn ngữ (mỗi phần tử của N) lại được mô tả bằng một tập mờ

có cơ sở là miền các giá trị ngôn ngữ N, được gọi là biến ngôn ngữ Do cơ sở các tập

mờ mô tả giá trị ngôn ngữ của biến ngôn ngữ tốc độ lại chính là tập V các giá trị vật lý của biến nên từ một giá trị vật lý x∈V có được một véctơ µ gồm các độ phụ thuộc của x như sau:

X a µ =

( ) ( ) ( ) ( ) ( )

nhanh rÊt nhanh trungbinh chËm rÊtchËm

µµµµµ

ánh xạ như trên có tên gọi là quá trình Fuzzy hóa (hay mờ hóa) của giá trị rõ x

Ví dụ: Kết quả Fuzzy hóa giá trị vật lý x=40km/h ( giá trị rõ) của biến tốc độ sẽ là:

330

6700

(xem hình 1.2.1e)

1.2 4 CÁC PHÉP TOÁN TRÊN TẬP MỜ

Cho X,Y là hai tập mờ trên không gian nền B, có các hàm thuộc tương ứng

là µX, µY , khi đó :

* Phép hợp hai tập mờ : X∪∪Y

+ Theo luật Max µX∪Y(b) = Max{ µX(b) , µY(b) }

+ Theo luật Sum µX∪Y(b) = Min{ 1, µX(b) + µY(b) }

+ Tổng trực tiếp µX∪Y(b) = µX(b) + µY(b) - µX(b).µY(b)

* Phép giao hai tập mờ : X∩Y

+ Theo luật Min µX∩Y(b) = Min{ µX(b) , µY(b) }

+ Theo luật Lukasiewicz µX∩Y(b) = Max{0, µX(b)+µY(b)-1}

+ Theo luật Prod µX∩Y(b) = µX(b).µY(b)

Hình 1.2.2 Hàm thuộc của hai tập hợp có cùng không gian nền

a) Hợp của hai tập mờ theo luật max

b) Hợp của hai tập mờ theo luật Lukasiwicz

c) Hợp của hai tập mờ theo luật tổng trực tiếp

µ µA(x) µB(x) µ µA(x) µB(x) µ µA(x) µB(x)

*Phép bù tập mờ :

µAc(x) = 1 - µA(x)

1.2.5 LUẬT HỢP THÀNH MỜ

a Mệnh đề hợp thành

Ví dụ điều khiển mực nước trong bồn chứa, ta quan tâm đến 2 yếu tố :

+ Mực nước trong bồn L = {rất thấp, thấp, vừa}

+ Góc mở van ống dẫn G = {đóng, nhỏ, lớn}

Ta có thể suy diễn cách thức điều khiển như thế này :

Nếu mực nước = rất thấp Thì góc mở van = lớn

Nếu mực nước = thấp Thì góc mở van = nhỏ

Nếu mực nước = vừa Thì góc mở van = đóng

Trong ví dụ trên ta thấy có cấu trúc chung là “Nếu A thì B” Cấu trúc này gọi là mệnh đề hợp thành, A là mệnh đề điều kiện, C = A=>B là mệnh đề kết luận

Hình 1.2.3 Giao của hai tập mờ có cùng cơ sở

a/ Giao 2 tập mờ theo luật min

b/ Giao 2 tập mờ theo luật tích đại số (PROD)

Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề suy diễn có dạng tổng quát

như sau :

If N = n i and M = m i and … Then R = r i and K = k i and …

b Luật hợp thành mờ

Luật hợp thành 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 luật hợp thành được hiểu

là một tập hợp của nhiều mệnh đề hợp thành Một luật hợp thành chỉ có một mệnh đề

hợp thành được gọi là luật hợp thành đơn Ngược lại nếu nó có nhiều hơn một mệnh đề

hợp thành, ta sẽ gọi nó là mệnh đề hợp thành kép Phần lớn các hệ mờ trong thực tế

đều có mô hình là luật hợp thành kép

Các luật hợp thành được triển khai theo những quy tắc cơ bản là quy tắc MIN và

quy tắc PROD

Quy tắc hợp thành MIN

Giá trị của mệnh đề hợp thành mờ là một tập mờ B’ định nghĩa trên tập nền Y

(không gian nền của B)và có hàm thuộc

µB’ (y) = min {µA ,µB (y }

Quy tắc hợp thành PROD

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 thuộc

µB’ (y) =µA.,µB (y }

- Giả sử rằng biến ngôn ngữ χ chỉ tốc độ và ϒ chỉ sự tác động ga xe Luật điều

khiển cho xe chạy với tốc độ trung bình không đổi sẽ tương đương với mệnh đề hợp

thành mờ một điều kiện sau:

Nếu χχχχ = chậm Thì ϒϒϒϒ = tăng

Với µchậm(x), µtăng(y) như trong hình 1.2.5a có hàm liên thuộc µchậm⇒tăng(x,y) sử dụng

quy tắc MIN tại một giá trị rõ x=x0 là phần dưới của hàm µtăng(y) bị cắt bởi đường

H=µchậm(x0) (1.2.5b), còn lại hình 1.2.5c là hàm liên thuộc µchậm⇒tăng(x,y) với quy tắc

PROD

Ký hiệu giá trị mờ đầu ra là B’ thì hàm liên thuộc của B’ với quy tắc MIN là:

µB’(y)= µR(x0,y)=MIN{ µA(x0), µB(y)} (1.11)

tức là khi độ cao của B bằng 1, tập mờ B’ (cùng cơ sở với B) sẽ có độ cao

H = µA(x0) (1.12)

H: Độ thỏa mãn mệnh đề điều kiện hay là độ thỏa mãn

Hình 1.2.5 Cùng với (1.12) công thức (1.11) viết được thành

µB’(y)= µR(x0,y)=MIN{ H, µB(y)} (1.13)

Với quy tắc PROD, hàm liên thuộc của B’ sẽ là

µB’(y)= µR(x0,y)= µA(x0)µB(y)=H µB(y) (1.14)

Tóm lại: Để xác định hàm liên thuộc µB’(y) của giá trị đầu ra B’ khi đầu vào là một giá trị rõ x0 phải thực hiện các bước của thuật toán sau:

- Xác định độ thỏa mãn H theo (1.12)

- Tính µB’(y) từ H theo (1.13) hoặc (1.14)

Khi tổng hợp một bộ điều khiển mờ gồm nhiều mệnh đề hợp thành ta có các luật hợp thành cơ bản sau:

+ Luật Max – Min

+ Luật Max – Prod

+ Luật Sum – Min

+ Luật Sum – Prod

Xét ví dụ về luật hợp thành R biểu diễn mô hình máy điều hòa nhiệt độ gồm 5 mệnh đề hợp thành R1, R2, R3, R4, R5 với χ là nhiệt độ phòng và ϒ là nhiệt độ của máy

R1 : Nếu χ = rất lạnh Thì ϒ =rất cao hoặc

R2 : Nếu χ = lạnh Thì ϒ = cao hoặc

R3 : Nếu χ = trung bình Thì ϒ = trung bình hoặc

R4 : Nếu χ = nóng Thì ϒ = thấp hoặc

R5 : Nếu χ = rất nóng Thì ϒ = rất thấp

Với mỗi giá trị vật lý to của biến nhiệt độ đầu vào ta có 5 tập mờ B1’, B2’, B3’,

B4’, B5’ từ năm mệnh đề hợp thành R1, R2, R3, R4, R5 của luật hợp thành R Lần lượt ta gọi các hàm liên thuộc của năm tập mờ đó là µB’1(y), µB’2(y), µB’3(y), µB’4(y), µB’5(y), Giá trị của luật hợp thành R ứng với nhiệt độ t0 được hiểu là tập mờ R’ thu được qua phép hợp năm tập mờ B1’, B2’, B3’, B4’, B5’:

R’ = B1’ ∪ B2’ ∪ B3’ ∪ B4’ ∪ B5’

Nếu các hàm liên thuộc µB’1(y), µB’2(y), µB’3(y), µB’4(y), µB’5(y) thu được theo

qui tắc MIN và phép hợp trên được thực hiện theo luật MAX thì R có tên gọi là luật hợp thành MAX-MIN Cũng như vậy R sẽ còn có những tên gọi khác như :

- Luật hợp thành MAX-PROD, nếu các hàm liên thuộc µB’1(y), µB’2(y), µB’3(y),

µB’4(y), µB’5(y) được xác định theo qui tắc PROD và phép hợp trên được thực hiện theo luật MAX

- Luật hợp thành SUM-MIN, nếu các hàm liên thuộc µB’1(y), µB’2(y), µB’3(y),

µB’4(y), µB’5(y) được xác định theo qui tắc MIN và phép hợp là phép hợp Lukasiewicz

- Luật hợp thành SUM-PROD, nếu các hàm liên thuộc µB’1(y), µB’2(y), µB’3(y),

µB’4(y), µB’5(y) được xác định theo qui tắc PROD và phép hợp là phép hợp Lukasiewicz

Tóm lại: Để xác định hàm liên thuộc µB’(y) của giá trị đầu ra của một luật hợp thành có n mệnh đề hợp thành R1, R2, … , Rn phải thực hiện các bước:

j j

Một luật hợp thành có các mệnh đề điều kiện và kết luận là những mệnh đề đơn

- Cấu trúc SISO (một vào một ra)

Rn : Nếu χ1 = An1 Và χ 2 = An2 Và Và Thì ϒ = Bn

c.Thuật toán xây dựng mệnh đề hợp thành

* Thuật toán xây dựng mệnh đề hợp thành cho hệ SISO

Luật mờ cho hệ SISO có dạng “Nếu χχχχ = A Thì ϒϒϒϒ = B”

- Rời rạc hoá hàm thuộc µA (x) thành n điểm x i , i = 1,2,…,n

- Rời rạc hoá hàm thuộc µB (y) thành m điểm y j , j = 1,2,…,m

Chẳng hạn với n điểm rời rạc x1,x2, ,xn của cơ sở A và m điểm rời rạc y1,y2, ,ym của cơ sở B thì được hai vector µA(x), µB(y), từ đó => hai vector chuyển vị của chúng:

µAT= (µA(x1), µA(x2), , µA(xn)) và (1.22a)

µBT= (µB(y1), µB(y2), , µB(xm)) (1.22b)

- Suy ngay ra được

R = µA.µBT (1.22c)

Trong đó nếu quy tắc áp dụng là MAX_MIN thì phép nhân phải được thay bằng phép tính lấy cực tiểu (min), với quy tắc MAX_PROD thì thực hiện phép nhân như bình thường ( ) ( ) ( ) ( )            =             = nm n m m n R n R m R R r r r r y x y x y x y x R

,

,

,

, 1 1 11 1 1 1 1 µ µ µ µ Hàm liên thuộc µB’(y) của giá trị đầu ra ứng với giá trị rõ đầu vào xk được xác định theo: µB’(y) = aT.R với (1.20a) aT= ( 0, 0, , 0, 1, 0, , 0) (1.20b) ↑ vị trí thứ k Hãy lấy việc xác định R của µchậm⇒ tăng(x, y) trong ví dụ sau với 5 điểm rời rạc của X ( cơ sở của A) {x1, x2, x3, x4, x5}={0.1; 0.2; 0.3; 0.4; 0.5} và 5 điểm rời rạc của Y (cơ sở của B)

{y1, y2, y3, y4, y5}={0.5; 0.6; 0.7; 0.8; 0.9}

thì µAT = {0; 0.5; 1; 0.5; 0} và µBT = {0; 0.5; 1; 0.5; 0}

Khi sử dụng quy tắc MAX_MIN ( phép nhân được thay bằng min) luật hợp thành MAX_MIN sẽ như sau:

05050500

0501500

05050500

00000

0501500

0

501

500

,

.,,.,

.R

0

0250502500

0501500

0250502500

0000

0

0501500

0

501

500

,.,,.,

.R

Từ ma trận R trên (được gọi là luật hợp thành MAX_PROD), hàm liên thuộc

µB’(y) của giá trị đầu ra khi đầu vào là giá trị rõ x4 cũng được xác định

aT= (0, 0, 0, 1, 0) và

µB’(y) = µR(x4.y) = aT.R = {0, 0.25, 0.5, 0.25, 0}

* Thuật toán xác định luật hợp thành đơn có cấu trúc MISO

Một mệnh đề hợp thành với d mệnh đề điều kiện

µB’(y)= MIN{ H, µB(y)} Nếu sử dụng quy tắc MAX_MIN

µB’(y)= H µB(y) Nếu sử dụng quy tắc MAX_PROD

Không như luật hợp thành có một mệnh đề điều kiện, luật hợp thành R với d mệnh đề điều kiện không thể biểu diễn dưới dạng ma trận được nữa mà thành một lưới trong không gian d+1 chiều

Hãy xét một mệnh đề hợp thành với hai mệnh đề điều kiện

Nếu αααα=A Và ββββ=B Thì γγγγ=C

Làm một ví dụ ( xem hình 1.4.2a) Luật hợp thành R của nó có dạng sau:

R: A∧B⇒C

Các bước xây dựng R như sau:

1 Rời rạc hoá các hàm liên thuộc

Hàm liên thuộc µA(x) được rời rạc hoá tại 5 điểm

Hỡnh 1.4.2b Biểu diễn R trong lưới 3 chiều

* Thuật toán xây dựng luật chung của nhiều mệnh đề hợp thành

Tổng quỏt hoỏ phương phỏp mụ hỡnh hoỏ trờn cho p mệnh đề hợp thành gồm:

R1: Nếu χ=A1 Thỡ ϒ= B1 hoặc (1.32a)

R2: Nếu χ=A2 Thỡ ϒ= B2 hoặc (1.32b)

Rp: Nếu χ=Ap Thỡ ϒ= Bp hoặc (1.32c)

Trong đú cỏc giỏ trị mờ A1, A2, , Ap cú cựng cơ sở X và B1, B2, ,BP cú cựng cơ

sở Y

Gọi hàm liờn thuộc của Ak và Bk là àAK(x) và àBK(y) với k=1, 2, ,p

Thuật toỏn triển khai

3 Xác định mô hình cho luật điều khiển

1.8

Hàm liên thuộc của các giá trị nhanh, chậm cho biến tốc độ và

tăng, giảm cho biến bàn đạp ga

50

500000

, µgiảm=

330

6601

660

3300

6601

660

330000

0000

0

0000

0000

0

0000

0000

0

0000

0000

0

0003305050503300

00033066016603300

0003305050503300

0000

0000

0

000330660166033

,,,.,.,,.,

0000

000

0330505050330000

03306601660330000

0330505050330000

00

0000

000

00

0000

000

00

0000

000

00

0000

000

0330660166033000

,

.,.,,.,.,,,

- Xác định R=R1∪R2

00

0

033050505033000

0

0330660166033000

0

033050505033000

0

00

03305050503300

00

033066016603300

00

03305050503300

00

0000

00

0

2 1

,max R RR

Với một giá trị rõ x= 0.6 đầu vào ( phần tử thứ tư trong dãy điểm rời rạc của X) thì đầu ra sẽ là một giá trị mờ B’ của hàm liên thuộc sau (lấy từ hàng thứ tư trong R)

a Phương pháp cực đại

Giải mờ theo phương pháp cực đại gồm hai bước:

- B1: Xác định miền chứa giá trị rõ y’ Giá trị rõ y’ là giá trị mà tại đó hàm liên thuộc đạt giá trị cực đại ( độ cao H của tập mờ B’), tức là miền

y = +

* Nguyên lý cận trái: Chọn y’ = y 1

* Nguyên lý cận phải: Chọn y’ = y 2

b Phương pháp điểm trọng tâm

Phương pháp điểm trọng tâm sẽ cho ra kết quả y’ là hoành độ của điểm trọng tâm miền được bao bởi trục hoành và đường µB’(y) _ xem hình 1.5.2a

Công thức xác định y’ theo phương pháp điểm trọng tâm như sau:

( ) ( )

∫

∫

=S B S B

dyy

dyyyy

'

''

* Phương pháp điểm trọng tâm cho luật hợp thành SUM_MIN

Giả sử có q luật điều khiển được triển khai Vậy thì mỗi một giá trị mờ B’ tại đầu

ra của bộ điều khiển sẽ là tổng của q giá trị mờ đầu ra của từng luật hợp thành Ký hiệu các giá trị mờ đầu ra của luật điều khiển thứ k là µB’k(y) với k= 1, 2, , p thì với quy tắc SUM_MIN, hàm liên thuộc µB’k(y) sẽ là:

Thay (1.38) vào (1.37), sau đó đổi chỗ của tổng và tích phân cho nhau (hoàn toàn

có nghĩa, vì tổng và tích phân đều hội tụ) thì công thức tính y’ sẽ được đơn giản như sau:

( ) ( )

q

k k

q

k S

k B

q

k S

k B

S

q

k

k B S

q

k k B

A

M

dyy

dyyy

dyy

dyyy

µ

µµ

µ

(1.39)

trong đó: =∫ ( )

S k B

S k B

Công thức (1.41) rất tiện lợi để tính nhanh y’ Chẳng hạn để tính rõ y’ cho giá trị

mờ đầu ra B’ gồm hai luật điều khiển R1 và R2 với µB’(y)= µB’1(y)+ µB’2(y) cho trong hình 1.5.2d theo (1.39) thì khi áp dụng (1.41), có ngay được:

Suy ra: 5,41

12,1

5,64,5

Chú ý: Mặc dù công thức (1.39) chỉ được xây dựng cho luật hợp thành kiểu

SUM_MIN, song trong thực tế nó vẫn được dùng cho cả luật hợp thành MAX_MIN

* Phương pháp độ cao

Sử dụng công thức (1.39) cho cả hai loại luật hợp thành MAX_MIN và SUM_MIN với thêm một giả thiết là mỗi tập mờ µB’k(y) được xấp xỉ bằng một cặp giá trị (yk,Hk) duy nhất trong đó Hk là độ cao của µB’k(y) và yk là một điểm mẫu trong miền giá trị của µB’k(y) có µB’k(yk)=Hk thì

k k

q

k

k k

H

Hyy

1

1' (1.42)

Công thức (1.42) không chỉ áp dụng cho luật hợp thành MAX_MIN, SUM_MIN

mà còn có thể cho cả những luật hợp thành khác như MAX_PROD hay SUM_PROD

4 0 5 6 6 0 5 4

, ,

,

, , , ,

+

+

= y

điều khiển với nguyên tắc

MAX_MIN

µ Β'

1.2.7 TÍNH PHI TUYẾN CỦA BỘ ĐIỀU KHIỂN MỜ

Bộ điều khiển mờ với quan hệ truyền đạt y(x) được gọi là phi tuyến, nếu y(x) làm một hàm phi tuyến Tính phi tuyến của quan hệ truyền đạt, phụ thuộc vào tập các giá trị mờ của biến ngôn ngữ vào/ra

- Thay đổi tính phi tuyến bằng tập các giá trị mờ đầu vào

- Thay đổi tính phi tuyến bằng tập các giá trị mờ đầu ra

1

x y

-1

-1

1

Hình 1.6 Đường đặc tính của các khâu relay kinh điển

a Quan hệ truyền đạt và các tập mờ của biến ngôn ngữ đầu vào

Xét một ví dụ của biến ngôn ngữ đầu vào χ và đầu ra ϒ cùng chỉ một số thực có các giá trị mờ như sau:

Luật hợp thành R của bộ điều khiển gồm ba mệnh đề hợp thành (hay còn gọi là luật điều khiển) như sau:

R1: Nếu χ = âm thì ϒ = âm hoặc

R2: Nếu χ = không thì ϒ = không hoặc

R3: Nếu χ = dương thì ϒ = dương

Về hình thức R có dạng: R = R1 ∪ R2 ∪ R3 Là một luật tỉ lệ thuận Giá trị đầu vào χ càng lớn thì giá trị đầu ra ϒ càng lớn

Hình 1.6.1a Ba trường hợp khác nhau của về các tập mờ của biến đầu vào

a1 Trường hợp 1 a2 Trường hợp 2 a3 Trường hợp 3

R2 Kí hiệu H1 là độ thoả mãn của R1 và H2 là độ thoả mãn của R2 Cho x0 tăng dần, H1

sẽ giảm dần và H2 sẽ tăng dần làm cho điểm trong tâm B’ cũng chuyển dịch một cách

µ Kh«ng

-1

¢m D¦ ¬ng

1 0

x 0

H 1

H 2

y'

Cứ tiếp tục tăng x0 cho tới khi H1 = 0, tức là R1 trở thành không tích cực thì cũng tại thời điểm đó R3 bắt đầu tích cực và H3 (độ thoả mãn của R3) cũng tăng dần lên theo Điểm trong tâm B’ vì thế tiếp tục dịch chuyển sang phải

Hình 1.6.1d biểu diễn đầu ra y’ theo đầu vào x0 và đó cũng là đường đặc tính y(x) của quan hệ truyền đạt Bỏ qua sự lượng sóng không đáng kể trong hình thì y(x)

có thể được xem như hàm tuyến tính và bộ điều khiển mờ xác định trong trường hợp này là bộ điều khiển mờ tuyến tính

Sự lượn sóng xuất hiện trong hình 1.6.1d là do y’, hay điểm trong tâm B’ không tuyến tính so với độ thoả mãn H1, H2, H3 của từng luật R1, R2, R3 Các sóng này sẽ hoàn toàn mất đi nếu như ba hàm liên thuộc µâm(y), µkhông(y), µdương(y) của biến đầu ra

ϒ không có hàm liên thuộc chồng lên nhau, hoặc phương pháp giải mờ chọn là phương pháp cực đại

Khi x0 đạt tới giá trị của điểm biên trái miền T thì y’ = 0

Khi x0 thuộc miền T, do chỉ có một mình R2 tích cực nên điểm trọng tâm B’ sẽ dịch chuyển trên dường cao tam giác µkhông(y) và do đó giá trị y’ = 0 (hình 1.6.1e3)

Nếu x0 tiếp tục tăng dần từ điểm bên phải của T tới e thì y’ cũng tăng tuyến tính theo x0 vì lúc này cả R2 và R3 đều tích cực

Với x0 > e, do chỉ có một mình R3 tích cực nên điểm trọng tâm của B’ lại nằm trên một trục cố định và y’ có giá trị bằng 1

Đường đặc tính y(x) của trường hợp này được mô tả trên hình 1.6.1e4

e -e

y x

1 -1

-1

y

x

1 T

e -e

-e -e

5 0 0

5 0 1

0 0 0

.

'

nÕux

x nÕu

x nÕu y

y

H 1

1

x y

Hình 1.6.1f Khảo sát sự thay đổi của y’ theo x 0 cho trường hợp 3

Ví dụ trên đây cho thấy tính phi tuyến của quan hệ truyền đạt y(x) phụ thuộc vào

sự phân bố miền xác định của tập các giá trị mờ đầu vào Tổng kết lại cả 3 trường hợp trên đưa tới:

- Hàm y(x) sẽ trơn nếu mọi điểm x thuộc miền xác định của ít nhất hai tập mờ đầu vào, tức là một giá trị x bất kỳ sẽ làm tích cực được ít nhất hai mệnh đề hợp thành

- Hàm y(x) sẽ nhậng giá trị hằng không đổi trong khoảng x chỉ thuộc miền xác định của một tập mờ đầu vào Tức là một giá trị x bất kỳ sẽ làm tích cực được một mệnh đề hợp thành

- Hàm y(x) sẽ có dạng bậc thang nếu mọi giá trị của x chỉ tích cực được một mệnh đề hợp thành, nói cách khác là khi tập giao các miền xác định của các tập mờ đầu vào là một tập rỗng

b Quan hệ truyền đạt và các tập mờ của biến ngôn ngữ đầu ra

Xét hai trường hợp:

- Giữ nguyên dạng các tập mờ đầu ra, chỉ thay đổi phần miền xác định chồng lên nhau của chúng bằng cách tịnh tiến hàm liên thuộc dọc theo trục y

- Thay đổi dạng (độ rộng) các tập mờ đầu ra

* Tịnh tiến hàm thuộc đầu ra dọc theo trục y

Hình 1.6.2b Tịnh tiến µâm (y), µdương (y)

Việc tịnh tiến hàm liên thuộc đầu ra làm thay đổi chỉ thay đổi phần miền xác định chung của chúng chứ không làm thay đổi được đặc tính cơ bản của quan hệ truyền đạt y(x) Sự thay đổi duy nhất ở đây tạo ra được chỉ là tăng hoặc giảm những "sóng lượn " của đường đặc tính y(x)

* Thay đổi độ rộng các hàm liên thuộc đầu ra

Cũng giống như việc thay đổi phần miền xác định chung của µâm(y), µkhông(y),

µdương(y), sự thay đổi độ rộng các hàm liên thuộc đầu ra cũng sẽ không làm thay đổi được đặc tính phi tuyến cơ bản của quan hệ truyền đạt y(x) như chuyển từ rơle 2 vị trí sang rơle 3 vị trí Hình vẽ sau minh họa cho hai trường hợp thay đổi độ rộng đầu ra

Hình 1.6.2b Thay đổi độ rộng của tập mờ đầu ra và quan hệ y(x) tương ứng

Lý do xuất hiện các sóng nhỏ trên đường đặc tính y(x) của trường hợp 1 (hình 1.6.1d) là sự phụ thuộc không hoàn toàn tuyến tính của y’ vào độ thỏa mãn Hk, k = 1,

2, 3 của các mệnh đề hợp thành R1, R2, R3 Có nhiều cách để có thể thu được một đường đặc tính y(x) thực sự tuyến tính như:

- Giải mờ theo phương pháp cực đại với nguyên lý cận trái hoặc cận phải

- Sử dụng quy ước Singleton trong giải mờ hoặc trong định nghĩa tập mờ cho biến ngôn ngữ đầu ra ϒ Hãy xét kỹ hơn về trường hợp sau Xuất phát từ:

3 2 1

1 3 3

2 1

3 2

H H H

H H

H H

H y

+ +

−

= +

+

+ +

−

=

Trong đó H1, H2, H3 là những độ thỏa mãn của R1, R2, R3 cho một giá trị rõ x tại đầu vào Do luôn chỉ có hai trong số ba mệnh đề R1, R2, R3 được tích cực (độ thỏa mãn khác 0) nên:

3

1

x khi H

x khi H y

Và như vậy đường đặc tính của quan hệ truyền đạt y(x) là đường thẳng y = x (hình 1.6.2a) Vì với các tập mờ vào µâm(x), µkhông(x), µdương(x) như đã định nghĩa thì độ thỏa mãn H1 và H3 phụ thuộc x theo:

01

1

x khi

x khi

x H

10

3 khi x

x khi

x H

Với phương pháp Singleton trên đây các hàm liên thuộc đầu ra dạng tam giác cân

về bản chất được thay bằng các Kronecker Việc thay đổi các tập mờ đầu ra thành hàm Kronecker như vậy đã làm mất đi các lượn sóng trong đường đặc tính y(x) và do đó đã biến đổi tính gần tuyến tính của y(x) thành tính thực sự tuyến tính

y x

µ Kh«ng

-1

¢m D¦ ¬ng

1 0

Hình 1.6.2a Xác định y’ theo quy ước Singleton

1.3 CẤU TRÚC BỘ ĐIỀU KHIỂN MỜ CƠ BẢN

Một bộ điều khiển mờ gồm 3 khâu cơ bản:

- Khâu thực hiện luật hợp thành, có tên gọi là thiết bị hợp thành, xử lý véc tơ µ

và cho ra giá trị mờ B’ của biến ngôn ngữ đầu ra

- Khâu giải mờ có nhiệm vụ chuyển đổi tập mờ B’ thành giá trị rõ y’ chấp nhận được cho đối tượng

Trái tim của bộ điều khiển mờ chính là các luật điều khiển mờ cơ bản có dạng là tập các mệnh đề hợp thành cùng cấu trúc nếu thì và nguyên tắc triển khai các mệnh đề hợp thành đó có tên là nguyên tắc MAX-MIN hay SUM-MIN Mô hình R của luật điều khiển được xây dựng theo một nguyên tắc triển khai đã chọn trước và có tên gọi là luật hợp thành Thiết bị thực hiện luật hợp thành trong bộ điều khiển mờ là thiết bị hợp thành Để cho thiết bị thực hiện luật điều khiển làm việc đúng chế độ phải chọn cho nó các biên ngôn ngữ hợp lý có khả năng biểu diễn các đại lượng vào/ra chuẩn và phù hợp với luật điều khiển Dạng đúng của các luật điều khiển mờ cơ bản được hình thành nhờ quá trình luyện tập và kinh nghiệm thiết kế

1.4 CÔNG CỤ THIẾT KẾ BỘ ĐIỀU KHIỂN MỜ MATLAB – FUZZY

MatLab vừa là môi trường vừa là ngôn ngữ lập trình được viết dựa trên cơ sở toán học như: lý thuyết ma trận, đại số tuyến tính, phân tích số, … nhằm sử dụng cho các mục đích tính toán khoa học và kỹ thuật

MatLab cho phép người sử dụng thiết kế các hộp công cụ của riêng mình Ngày càng nhiều các hộp công cụ được tạo ra bởi các nhà nghiên cứu trên các lãnh vực khác nhau Matlab bao gồm một số hộp công cụ trong MatLab ứng dụng trong lĩnh vực điều khiển tự động: Control System Toolbox, Fuzzy Logic Toolbox, Neutral Network Toolbox, Nonlinear Control Design Toolbox, Simulink, System Identification Toolbox

Một trong những Toollbox cực kỳ quan trọng của Matlab là Fuzzy Logic Toolbox Hộp công cụ thiết kế mờ (The Fuzzy Logic Toolbox) là tổ hợp các hàm được xây dựng trên nền Matlab giúp cho việc thiết kế, mô phỏng, kiểm tra và hiệu chỉnh bộ điều khiển mờ một cách dễ dàng Để thiết kế bộ điều khiển mờ trong hộp công cụ này, ta có thể thực hiện thông qua dòng lệnh hoặc thông qua giao diện đồ hoạ Trong giáo trình này chỉ giới thiệu những thao tác cơ bản để thiết kế bộ điều khiển mờ thông qua giao diện đồ hoạ

1.4.1 KHỞI ĐỘNG CỬA SỔ FIS EDITOR

Trên cửa sổ lệnh (Command Window) ta gõ fuzzy, một cửa sổ Fis Editor xuất

hiện như hình 2.6.2

Trên hình vẽ chức năng của từng khối, từng vị trí đã được chú thích rõ ràng

1.4.2 XÂY DỰNG BIẾN NGÔN NGỮ ĐẦU VÀO/ĐẦU RA

Để lựa chọn số lượng đầu vào (input), đầu ra (output) ta vào Exit -> Add

Hình 2.6.2a Cửa sổ Membership Function Editor

Hình 2.6.2 Cửa sổ FIS Editor

Các menu cho phép mở,

lưu, xuất file, thêm các

đầu vào, add luật …

Click đúp vào đây để mở

và soạn thảo các hàm liên thuộc đầu vào

Click đúp vào đây để soạn thảo các luật hợp thành

Hiển thị tên, kiểu

Hiển thị tên, loại

và miền xác định của biến hiện thời

Các menu cho phép mở,

lưu, xuất file, thêm các

hàm liên thuộc, add luật

…

Click vào đây để mở và soạn thảo các hàm liên thuộc đầu vào, đầu ra

Click chọn hàm liên thuộc đầu vào/đầu ra

Miền xác định (có thể thay đổi được)

Nếu thiết lập biến đầu vào chúng ta Click chuột vào khối input1 Mặc định có 3

biến đầu vào và có dạng hình tam giác chúng ta có thể thay đổi số lượng biến bằng

cách Exit -> Add MFs cửa sổ Membership Function xuất hiện cho phép chọn dạng

và số lượng hàm liên thuộc cần thêm Sau đó chọn OK

Với các hàm liên thuộc đầu ra ta cũng làm tương tự chỉ khác là khi lựa chọn ta

Click chuột vào khối output1 (khối màu xanh)

Chúng ta cũng có thể đổi tên, thay đổi miền xác định, miền hiển thị của các

hàm liên thuộc đầu vào/đầu ra bằng cách thay đổi các thông số trong hộp Name, Params, Range tương ứng

Sau khi đã xây dựng xong các biến ngôn ngữ đầu vào/đầu ra, ta lựa nguyên tắc triển khai luật Có thể lựa chọn nguyên tắc MAX - MIN, MAX – PROD, SUM –

MIN, SUM – PROD và lựa chọn nguyên lý giải mờ trên cửa sổ FIS Editor

1.4.3 XÂY DỰNG LUẬT HỢP THÀNH

Để xây dựng luật hợp thành, trên cửa sổ FIS Editor vào Exit -> Rules hoặc

nhấn Ctr+3 Cửa sổ Rule Editor xuất hiện (hình 2.6.2c)

Tại cửa sổ này cho phép chúng ta thêm luật, xóa luật, hoặc thay đổi luật, lựa chọn các nguyên tắc AND hoăc OR…

Sau khi lựa chọn luật xong chúng ta Click chuột vào Close để xác nhận

Cho phép chọn dạng hàm liên thuộc

Số lượng hàm liên thuộc cần thêm

Hình 2.6.2c Cửa sổ Rule Editor

1.4.4 QUAN SÁT LUẬT VÀ QUAN HỆ TRUYỀN ĐẠT VÀO RA

Để quan sát quan hệ vào/ra, từ cửa sổ FIS Editor ta vào View - > Surface hoặc

nhấn tổ hợp phím Ctr+6 Cửa sổ Surface Viewer xuất hiện (hình 2.6.2d)

Hình 2.6.2d Cửa sổ Surface

Để quan sát luật, từ cửa sổ FIS Editor ta vào View - > Rules hoặc nhấn tổ hợp

phím Ctr+5 Cửa sổ Rule Viewer xuất hiện Tại cửa sổ này ta có thể thay đổi giá trị

đầu vào x0 bằng cách kéo thanh trượt màu đỏ như hình vẽ và quan sát giá trị đầu ra tương ứng (hình 2.6.2e)

Các menu cho phép mở,

lưu, xuất file, quan sát

luật…

Các luật đã được lựa chọn

Menu lựa chọn đầu

vào

Dòng trạng thái

Phủ định các đầu vào, đầu ra

Menu lựa chọn đầu ra

Các lựa chọn cho phép xóa, thêm và thay đổi luật

Hình 2.6.2e Cửa sổ Rule Viewer

1.4.5 HIỆU CHỈNH

Sau khi quan sát cửa sổ Surface và Rules chúng ta quay trở lại hiệu chỉnh các giá trị, dạng của các biến ngôn ngữ đầu vào/đầu ra, các luật… và cứ tiếp tục như vậy cho đến khi đạt được bộ điều khiển mờ mong muốn

1.4.6 XUẤT FILE FIS

Để liên kết được bộ điều khiển mờ vừa thiết kế với hệ thống điều khiển mờ cần

mô phỏng trong Simulink, một thao tác không thể thiếu đó là xuất File dạng FIS vào vùng Workspace của Matlab Thao tác như sau

- Cách 1: Trên cửa sổ FIS Editor vào

File -> Export -> To Workspace hoặc

nhấn tổ hợp phím Ctr+T Một cửa sổ

xuất hiện yêu cầu ta ghi tên File Ta gõ

tên file cần ghi vào ô Workspace

variable rồi Click OK

- Cách 2: Trên cửa sổ FIS Editor vào File -> Export -> To Disk hoặc nhấn tổ hợp phím Ctr+S Một cửa sổ xuất hiện Ta gõ tên file cần ghi vào ô File name rồi Click Save

Hàm liên thuộc đầu

Giá trị rõ đầu ra y0

Kéo thanh trượt này để thay đổi giá trị đầu vào

Hàm liên thuộc đầu ra

Sau đó quay trở lại Command Window

gõ lệnh:

>>vidu1=readfis('vidu1')

Như vậy là ta đã xuất được file FIS

vào Workspace Và chờ được sử dụng

trong cửa sổ Simulink