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

- Nghiên cứu xây dựng hệ thống nhận dạng, xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron - Nghiên cứu, xây dựng các phần tử điều khiển sử dụng kỹ thuật DSP, ASIC, Mi

HVKTQS

Bé quèc phßng Häc viÖn kü thuËt qu©n sù

B¸o c¸o tæng kÕt khoa häc vµ kü thuËt §Ò tµi

Nghiªn cøu thiÕt kÕ, chÕ t¹o c¸c phÇn tö

vµ hÖ thèng ®iÒu khiÓn theo nguyªn lý

pháng sinh häc M· sè: KC.03-09

Häc viÖn kü thuËt qu©n sù

B¸o c¸o tæng kÕt khoa häc vµ kü thuËt §Ò tµi

Nghiªn cøu thiÕt kÕ, chÕ t¹o c¸c phÇn tö vµ hÖ thèng

®iÒu khiÓn theo nguyªn lý pháng sinh häc

M· sè: KC.03-09

PGS TS NguyÔn T¨ng C−êng

Hµ néi, 2004

B¶n th¶o viÕt xong n¨m 2004

Tµi liÖu nµy ®−îc chuÈn bÞ trªn c¬ së kÕt qu¶ thùc hiÖn §Ò tµi cÊp Nhµ N−íc, m· sè KC.03-09

1 phÇn ®Çu b¸o c¸o

danh s¸ch nh÷ng ng−êi thùc hiÖn

môc

PGS, TS NguyÔn T¨ng C−êng Häc viÖn Kü thuËt Qu©n sù Ch−¬ng 1,2,3

1 TS §µm H÷u NghÞ Häc viÖn Kü thuËt Qu©n sù Môc 7.1

2 TS Lª Chung Häc viÖn Kü thuËt Qu©n sù Ch−¬ng 6

3 TS Chu Hång S¬n Qu©n chñng PK-KQ Môc 8.1

4 PGS, TS Lª Hïng L©n §¹i häc Giao Th«ng VËn T¶i Ch−¬ng 12

5 PGS, TS Th¸i Quang Vinh ViÖn CNTT Ch−¬ng 11

6 Th.S TrÇn Quèc HiÖp Häc viÖn Kü thuËt Qu©n sù Môc 7.2; 10.1

Ch−¬ng 9

7 Th.S Hµn Vò H¶i Häc viÖn Kü thuËt Qu©n sù Môc 8.2

8 KS NguyÔn Vò Hoµi Nam Häc viÖn Kü thuËt Qu©n sù Ch−¬ng 4,5

Môc 10.2; 10.3

Bản tự đánh giá

Về tình hình thực hiện và những đóng góp mới của đề tài

KH&CN cấp nhà nước

1 Tên đề tài: Nghiên cứu, thiết kế chế tạo các phần tử và hệ thống điều khiển

theo nguyên lý phỏng sinh học

• Mã số: KC.03-09

2 Thuộc chương trình: Nghiên cứu khoa học và phát triển công nghệ Tự động hóa,

mã số KC.03

3 Chủ nhiệm đề tài: PGS, TS Nguyễn Tăng Cường

4 Cơ quan chủ trì đề tài: Học viện Kỹ thuật Quân sự

5 Thời gian thực hiện (BĐ-KT): 10/2001 – 10/2004

6 Tổng kinh phí thực hiện: 2500 triệu đồng

Trong đó kinh phí từ ngân sách Nhà nước: 2500 triệu đồng

7 Tình hình thực hiện đề tài:

7.1 Về mức độ hoàn thành khối lượng công việc:

Nội dung nghiên cứu chính:

- Nghiên cứu lý thuyết, xây dựng các thuật toán làm việc của hệ điều khiển phỏng sinh học (nơron, fuzzy, thích nghi…) và các phương pháp mô phỏng kiểm chứng trên máy tính (nghiên cứu dùng các công cụ mô phỏng MatLab, LabView…)

- Nghiên cứu, thiết kế xây dựng hệ thống điều khiển các quá trình kỹ thuật công nghệ đa tham số phức tạp (hệ thống thiết bị kỹ thuật đặc biệt) sử dụng nguyên lý điều khiển phỏng sinh học

- Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực phục vụ

đánh giá thử nghiệm hệ điều khiển thiết bị bay

- Nghiên cứu xây dựng hệ thống nhận dạng, xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron

- Nghiên cứu, xây dựng các phần tử điều khiển (sử dụng kỹ thuật DSP, ASIC, MicroController, PC104…) và chương trình máy tính mô phỏng về điều khiển phỏng sinh học phục vụ huấn luyện và đào tạo

Tất cả các công việc thuộc các hạng mục đã đăng ký nêu trên của đề tài đều đã được thực hiện nghiêm túc và đầy đủ Hoàn thành 100%

7.2 Về các yêu cầu khoa học và chỉ tiêu cơ bản của các sản phẩm KHCN:

-Hệ thống điều khiển các quá trình

kỹ thuật công nghệ đa tham số

phát triển ĐKPSH (điều khiển mờ)

các quá trình KTCN đa tham số

-Thiết kế, chế tạo

hệ điều khiển dùng nguyên lý ĐKPSH

áp dụng thực tế

-Đa năng cho ứng dụng thực tế

-Đáp ứng các chuẩn quốc tế về giao diện đo-điều khiển

-Cài đặt thuật toán

ĐKPSH -Lưu đồ chương trình, phần mềm gốc

-Đáp ứng nhu cầu thực tế

-Hệ mở, đáp ứng chuẩn giao diện quốc tế đo-điều khiển

Đáp ứng các yêu cầu khoa học (chi tiết xem kết quả kiểm định)

Đáp ứng các yêu cầu khoa học

Đáp ứng các yêu cầu khoa học

nhiên thời gian thực để đánh giá

thử nghiệm hệ điều khiển thiết bị

phỏng bán tự nhiên thời gian thực

-Xây dựng thiết bị phần cứng mô

phỏng bán tự nhiên thời gian thực

-Các chương trình máy tính công cụ phát triển mô

phỏng tín hiệu ảnh

động, tín hiệu rađa thời gian thực

-Khả năng ghép nối thử nghiệm với

hệ điều khiển thiết

bị bay thực tế -Mô phỏng tương

đương sát điều kiện thực tế

-Khả năng đánh giá các tham số và cấu trúc hệ điều khiển thực tế

Đáp ứng các yêu cầu khoa học (chi tiết xem kết quả kiểm định)

Đáp ứng yêu cầu khoa học

điều khiển thiết bị bay

-Tổ hợp thiết bị

7

Kèm theo hệ thống này là các sản

phẩm chương trình máy tính sau:

Chương trình máy tính ứng dụng sử

dụng ĐKPSH cho hệ thống điều

khiển thiết bị bay thực tế

phần cứng nhận dạng, xử lý, xác

định tọa độ mục tiêu bay

-Khả năng ghép nối tổ hợp điều khiển thiết bị bay thực tế

-Cài đặt các chương trình máy tính ứng dụng với thuật toán ĐKPSH

-Đáp ứng làm việc thời gian thực

-Đáp ứng yêu cầu kỹ-chiến thuật đài

điều khiển TLPK

Đáp ứng yêu cầu khoa học

-Khả năng cài đặt phát triển các thuật toán ĐKPSH

-Có hướng dẫn huấn luyện sử dụng

Đáp ứng yêu cầu khoa học

-Đáp ứng chuẩn quốc tế về giao diện PC-104

-Đảm bảo các kiến thức cơ sở

-Hướng dẫn sử dụng từ đơn giản

đến phức tạp

-Khả năng mở rộng phát triển

Đáp ứng yêu cầu khoa học

Đáp ứng yêu cầu khoa học

Chất lượng của các sản phẩm của đề tài KC.03-09 theo yêu cầu khoa học đã được:

+ Kiểm nghiệm, nhất trí thông qua của Hội đồng cơ sở nghiệm thu từng sản phẩm đề tài (có biên bản kèm theo)

+ Xác nhận của đơn vị sử dụng các sản phẩm đã được đưa vào ứng dụng thực

tế (có chứng nhận kèm theo)

7.3 Về tiến độ thực hiện: Hoàn thành tiến độ trong khuôn khổ được phép bổ xung

thời gian của đề tài

8 Về những đóng góp mới của Đề tài:

Trên cơ sở mục tiêu và kết quả của đề tài: Học tập, nắm bắt và xây dựng cơ

sở kỹ thuật thiết kế, chế tạo các phần tử, hệ thống điều khiển phỏng sinh học với triển khai ứng dụng phục vụ một số nhu cầu thực tế, so sánh phần này với các kết

quả của các đề tài nghiên cứu khoa học trong nước đã triển khai, đề tài KC.03-09 có các đặc điểm mới sau đây:

1 Về mặt lý thuyết và phương pháp luận về tổ chức hệ thống điều khiển phỏng sinh học: Đề tài đã nghiên cứu về mặt lý luận và về kinh nghiệm ứng dụng

ĐKPSH trong nước và quốc tế Trong đó tập trung ở các phương pháp ĐKPSH có nhiều ứng dụng trong công nghiệp (hệ điều khiển PID mở rộng với sử dụng điều khiển mờ, thích nghi, nơron) [Lưu ý là ở Nhật hiện 84% các bộ điều khiển sử dụng

điều khiển PID]

2 Triển khai áp dụng các nguyên lý điều khiển mờ trong ứng dụng thực tế: Thiết kế chế tạo hệ thống điều khiển các quá trình kỹ thuật - công nghệ đa tham số phức tạp cho hệ các thiết bị kỹ thuật đặc biệt, kèm theo hệ thống này đề tài đã ứng dụng thành công với kiểm nghiệm trong thực tế các sản phẩm phần mềm sau:

- Chương trình máy tính công cụ ứng dụng để phát triển ĐKPSH (điều khiển mờ) các quá trình kỹ thuật công nghệ đa tham số phức tạp trên cơ sở máy tính

PC cho thiết bị kỹ thuật đặc biệt

- Chương trình máy tính ứng dụng cho hệ thống ĐKPSH các quá trình kỹ thuật công nghệ đa tham số phức tạp (Thiết bị kỹ thuật đặc biệt)

3 Xây dựng hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm một số phần tử cấu thành hệ điều khiển thiết bị bay (Tạo tín hiệu xung Rada

và ảnh Video – Camera mục tiêu bay) Kèm theo hệ thống này là phần mềm máy tính Chương trình mô phỏng bán tự nhiên thời gian thực các tín hiệu mục tiêu bay trên máy tính để thử nghiệm hệ xác định tọa độ bay và các thông số điều khiển

4 Xây dựng hệ thống nhận dạng, xử lý tín hiệu – điều khiển thiết bị bay dùng nguyên lý fuzzy-nơron (Phần nhận dạng được hiện ở đề tài KC.01-12, không nằm trong yêu cầu Hợp đồng đề tài KC.03-09) Kèm theo hệ thống này đề tài đã kiểm nghiệm và ứng dụng sản phẩm phần mềm: Chương trình máy tính ứng dụng ĐKPSH cho hệ thống điều khiển thiết bị bay (Tự động xác định các toạ độ mục tiêu bay theo tín hiệu xung rada và ảnh Video – Camera)

5 Các sản phẩm phục vụ huấn luyện đào tạo về ĐKPSH bao gồm các kết quả sau:

- Xây dựng phần tử ĐKPSH trên cơ sở hệ nhúng PC104, trong đó đề tài đã kiểm nghiệm và ứng dụng thành công:

+ Xây dựng cấu hình phần cứng bộ điều khiển thông minh dùng PC104 + xây dựng chương trình máy tính công cụ để phát triển hệ ĐKPSH trên cơ sở

- Các đồ án tốt nghiệp đại học, luận văn cao học: trên 20

- Số lượng các luận văn và nghiên cứu sinh về ĐKPSH: trên 09 người (trong đó

03 nghiên cứu sinh đã bảo vệ thành công luận án tiến sĩ ở Hội đồng Nhà nước)

9 Kết luận:

Đề tài KC.03-09 “Nghiên cứu, thiết kế chế tạo các phần tử và hệ thống

điều khiển theo nguyên lý phỏng sinh học” đã thựchiện đầy đủ các nội dung yêu

cầu của hợp đồng nghiên cứu khoa học và phát triển công nghệ số:

09/2001/HĐ-ĐTCK-KC.03 ngày 25/10/2001 và các yêu cầu của Bộ Khoa học Công nghệ, Bộ Tài chính, Ban Chủ nhiệm chương trình nghiên cứu khoa học và phát triển công nghệ Tự động hóa KC.03 Cơ quan chủ trì đề tài Học viện Kỹ thuật Quân sự đề nghị Bộ Khoa học Công nghệ, các cơ quan quản lý cấp trên cho phép được bảo vệ đề tài theo qui định

Nhóm đề tài xin trân trọng cám ơn!

Chủ nhiệm đề tài

(Họ tên và chữ ký)

PGS, TS Nguyễn Tăng cường

1.1 bài tóm tắt

Học viện Kỹ thuật Quân sự xin trân trọng cảm ơn Bộ Khoa học và Công nghệ, Bộ Quốc phòng đã tạo điều kiện để Học viện thực hiện đề tài này

Bản báo cáo trình bày một cách hệ thống quá trình nghiên cứu phát triển một

số vấn đề về thiết kế, chế tạo các phần tử, hệ thống điều khiển theo nguyên lý phỏng sinh học (PSH)

Hiện nay việc xây dựng các hệ thống điều khiển với áp dụng các nguyên lý

điều khiển PSH đang trở nên cần thiết do khả năng ứng dụng rộng lớn của nó trong các hệ thống thông minh Các nguyên lý điều khiển PSH đang được phát triển và sử dụng rộng rãi là: Các nguyên lý điều khiển mờ, điều khiển thích nghi, điều khiển với

sử dụng mạng Nơron nhân tạo …

Nhằm mục đích nghiên cứu, phát triển ứng dụng một số vấn đề điều khiển PSH, đề tài đã tổ chức nghiên cứu các nội dung khoa học với các kết quả được trình bày bao gồm các phần chính sau:

Chương 1 Tổng quan về điều khiển PSH

Phần 1: Nghiên cứu xây dựng hệ thống điều khiển các quá trình kỹ thuật công

nghệ đa tham số phức tạp trong (hệ thống thiết bị kỹ thuật đặc biệt) sử dụng nguyên

lý điều khiển PSH

Phần 1 bao gồm các chương sau đây:

Chương 2: Khái quát chung về hệ thống thiết bị kỹ thuật đặc biệt (TBKTĐB) Chương 3: Tổ chức các cấu hình phần cứng cho hệ thống TBKTĐB

Chương 4: Chương trình máy tính ứng dụng cho hệ thống điều khiển PSH các quá trình kỹ thuật công nghệ đa tham số phức tạp

Chương 5: Chương trình công cụ phát triển các hệ thống điều khiển PSH theo nguyên lý logic mờ trên cơ sở máy tính PC

Phần 2: Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực

phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay

Phần 2 bao gồm các chương sau đây:

Chương 6: Cấu trúc hệ thiết bị mô phỏng bán tự nhiên thời gian thực

Chương 7: Chương trình máy tính mô phỏng tín hiệu và quá trình điều khiển thiết bị bay

Kết luận: Hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để đánh giá thử nghiệm hệ điều khiển

Phần 3: Nghiên cứu xây dựng hệ thống nhận dạng xử lý tín hiệu – điều khiển

thiết bị bay dùng nguyên lý Fuzzy-Nơron

Phần 3 bao gồm các chương sau đây:

Chương 8: Khái quát về hệ tự động bám sát toạ độ mục tiêu hệ điều khiển thiết

bị bay (TBB)

Chương 9: Tổ chức thiết bị hệ nhận dạng xử lý tín hiệu – điều khiển TBB

Chương 10: Chương trình máy tính ứng dụng sử dụng điều khiển PSH cho hệ

điều khiển TBB

Phần 4: Nghiên cứu xây dựng các phần tử điều khiển PSH và các chương trình

máy tính mô phỏng phục vụ huấn luyện và đào tạo Phần này bao gồm các chương sau đây:

Chương 11: Xây dựng hệ Controller thông minh dùng PC-104 với các công cụ phát triển nguyên lý điều khiển PSH

Chương 12: Các chương trình máy tính mô phỏng phục vụ đào tạo về điều khiển PSH trong các trường đại học

Sau 03 năm nghiên cứu và tổ chức thực hiện, trên cơ sở những kết quả đã đạt

được, đề tài KC.03-09 xin tự nhận xét như sau:

- Hướng nghiên cứu đề tài đã chọn là đúng đắn

- Đề tài hoàn thành tốt các mục trên đã đề ra theo đúng bản thuyết minh đề tài

1.2 Mục lục

Trang nhan đề

1 Phần đầu báo cáo

Bản tự đánh giá về tình hình thực hiện và những đóng góp mới của đề tài

2.2.1 Tổng quan tình hình nghiên cứu ngoài nước và trong nước 16

Chương 1 Tổng quan về điều khiển phỏng sinh học 21phần 1 Hệ thống điều khiển các quá trình công nghệ đa

tham số phức tạp trong hệ thống thiết bị kỹ thuật đặc

biệt sử dụng nguyên lý đkpsh

Chương 2 Khái quát chung về hệ thống thiết bị kỹ thuật đặc biệt 84Chương 3 Tổ chức cấu hình phần cứng cho hệ thống thiết bị kỹ thuật

đặc biệt

88

Chương 4 Chương trình máy tính ứng dụng cho hệ thống ĐKPSH các

quá trình kỹ thuật công nghệ đa tham số phức tạp

96

Chương 5 Chương trình công cụ phát triển các hệ thống ĐKPSH theo

nguyên lý logic mờ trên cơ sở máy tính PC

122

phần 2 Hệ thống mô phỏng bán tự nhiên thời gian thực

phục vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay

Chương 6 Cấu trúc hệ thiết bị mô phỏng bán tự nhiên thời gian thực 137Chương 7 Chương trình máy tính mô phỏng tín hiệu và quá trình điều

khiển thiết bị bay

156

Kết luận: Hệ thống thiết bị mô phỏng bán tự nhiên thời gian thực để

đánh giá thử nghiệm hệ điều khiển

183

Phần 3 Hệ thống nhận dạng xử lý tín hiệu - điều khiển thiết

bị bay dùng nguyên lý fuzzy-nơron

187

Chương 8 Khái quát về hệ tự động bám sát tọa độ mục tiêu hệ điều

khiển thiết bị bay

189

Chương 9 Tổ chức thiết bị hệ nhận dạng xử lý tín hiệu - điều khiển

thiết bị bay

194

Chương 10 Chương trình máy tính ứng dụng sử dụng ĐKPSH cho

Phần 4 nghiên cứu xây dựng các phần tử đKPSH, các

chương trình máy tính mô phỏng phục vụ huấn luyện và

đào tạo

249

Chương 11 Xây dựng hệ controller thông minh dùng PC104 với các

Chương 12 Các chương trình máy tính mô phỏng phục vụ đào tạo về

2.2.4 Tổng quát hoá và đánh giá kết quả thu được 290

2 phần chính báo cáo

2.1 Lời mở đầu

Các hệ thống điều khiển theo nguyên lý phỏng sinh học là bước phát triển tiếp theo của các hệ điều khiển hiện nay, trong đó các hệ điều khiển được xây dựng trên cơ sở áp dụng các nguyên lý tổ chức và thực hiện chức năng tương tự như của các cơ thể sống: Thích nghi, tiến hoá, di truyền, đột biến, có hệ thần kinh - trí tuệ cảm nhận, tích luỹ kinh nghiệm, học, suy nghĩ và suy luận tạo các quyết định điều khiển trong các tình huống từ đơn giản đến phức tạp với các dạng bài toán có thể được hình thức hóa, khó hình thức hóa hoặc không thể hình thức hóa Nền tảng của hệ

điều khiển phỏng sinh học (Hệ ĐKPSH) dựa trên các thành tựu của nhiều ngành KHKT- CN như các khoa học về tâm - sinh lý, khoa học về nhận thức, vật lý, các lý thuyết điều khiển, lý thuyết tính toán, các hệ trí tuệ nhân tạo, nhận dạng, cảm biến, các công nghệ điện tử, máy tính, công nghệ thông tin v.v Trong các lĩnh vực đó, hiện nay các hệ ĐKPSH đang được phát triển mạnh với việc tổ chức hệ thống điều khiển sử dụng các nguyên lý logic mờ (Fuzzy), mạng Nơron (Neural Networks - NN), các nguyên lý điều khiển thích nghi, Thuật Gen (Genetic Algorithm - GA), các hệ chuyên gia - suy luận Do vậy, hệ ĐKPSH được xét trong đề tài, được tập trung xây dựng theo một trong các nguyên lý, hoặc kết hợp đồng thời nhiều nguyên

lý nêu trên

+ Hệ điều khiển thích nghi (Hệ ĐKTN):

Được phát triển từ đầu những năm 50 do nhu cầu thiết kế các hệ tự động lái thích nghi cho các phương tiện bay (máy bay, tên lửa ) Năm 1961, Whitaker đề xuất hệ thích nghi điều khiển theo mô hình mẫu (MRAC) và được phát triển thành MRAC trực tiếp (Direct MRAC) và MRAC gián tiếp (Indirect MRAC) Năm 1958, Kalman đề xuất hệ ĐKTN với sơ đồ đặt cực thích nghi (APPC) Trong các hệ

ĐKTN, các phương pháp chính để thiết kế luật thích nghi là: Hàm nhạy cảm, hàm Liapunốv, phương pháp Gradient và phương pháp bình phương tối thiểu Những năm 60 là thời kỳ phát triển của ĐKTN nhờ sử dụng công cụ không gian trạng thái

và lý thuyết ổn định Liapunốv, qui hoạch động, điều khiển đối ngẫu và điều khiển ngẫu nhiên Kết quả của những năm 60 này cùng với sự phát triển của điện tử, máy tính đã thúc đẩy mạnh cả về lý thuyết và áp dụng thực tế hệ ĐKTN trong

những năm 70 với các hệ gián đoạn Song năm 1979, Egardt B, nhận thấy các hệ

ĐKTN dễ bị mất ổn định với các thăng giáng ngẫu nhiên nhỏ Do vậy trong những năm 80, phát triển xu hướng các hệ ĐKTN bền vững (Robust), (Ioannou P A., P

V Kokotovic, 1983) Những năm 90 tiếp theo, tiêu điểm phát triển là đảm bảo các chỉ tiêu chất lượng và mở rộng các kết quả của các năm 80 cho một số lớp nhất định các đối tượng phi tuyến với thông số bất định

+ Các hệ điều khiển mờ (Fuzzy Control System-FCS) và điều khiển Nơron (Neuro-Control System-NCS): Được ứng dụng ngày càng rộng rãi trong điều khiển các quá trình công nghiệp, đo lường, Y tế, hệ thống thông tin và quyết định v.v

Hệ Fuzzy được xây dựng phỏng dựa trên cách thức làm việc của bộ não với các thông tin không chính xác (mờ) Trong khi hệ mạng Nơron lại mô phỏng theo cấu trúc sinh học của bộ não Các hệ FCS và NCS tạo ra khả năng phát triển hệ điều khiển thông minh, hoặc hệ điều khiển phi tuyến bất kỳ

Hệ Fuzzy bao gồm các tập Fuzzy với các luật Fuzzy được Zadeh đề xuất năm

1965 và được phát triển xây dựng các FCS - hệ điều khiển Fuzzy (1975, Mamdani

và Assilian) với ý tưởng chính kết hợp các kinh nghiệm chuyên gia của hoạt động con người trong điều khiển các quá trình với quan hệ vào - ra được mô tả bởi các luật Fuzzy (dạng IF - THEN) cho các biến ngữ (Linguistic) Kiến trúc cơ bản của hệ FCS bao gồm bốn thành phần chính: Bộ mờ, cơ sở luật Fuzzy, thiết bị hợp thành và

bộ giải mờ Về mặt lý thuyết và ứng dụng, các hệ FCS đã được tập trung nghiên cứu

và triển khai nhằm mở rộng các ứng dụng thực tế của các hệ FCS: Hệ chỉnh định mờ PID, điều khiển mờ thích nghi, phân tích tính ổn định hệ mờ (Mamdami 1976; Kickert - 1978; Tong - 1978, 1980; Braae và Rutherford - 1979, Kiszka - 1985; Chen - 1989, 1996; Yamashita - 1991, 1997; Langari và Tomizuka - 1991, 1998 Tanaka và Sugeno - 1992, 1999 v.v ) Tuy vậy cũng còn nhiều tồn tại trong điều khiển mờ chưa được phát triển kịp thời như các vấn đề về tính điều khiển được, tính quan sát được của FCS

+ Công nghệ mạng Nơron (NN) được sử dụng hiệu quả trong nhiều lĩnh vực: các hệ thống điều khiển, xử lý ảnh và tiếng nói, tối ưu hóa, Thông tin - Viễn thông, nhận dạng tín hiệu, Robốt, kỹ thuật y tế, hệ thống năng lượng v.v Riêng với lĩnh vực điều khiển, để đáp ứng nhu cầu về các hệ điều khiển phức hợp trong các điều kiện bất định, nên đã phát triển mạnh hệ điều khiển Nơron (NCS) với các tính năng

học, xấp xỉ các dạng hàm phi tuyến, nhận dạng phân loại mẫu, cùng với ứng dụng các phần cứng xử lý song song v.v Các tính năng này được thực hiện trên mạng Nơron được đặt trong hệ điều khiển Mạng Nơron được xây dựng trên cơ sở ba thành phần chính: Mô hình Nơron - thành phần xử lý; kiến trúc mạng Nơron và các luật học Từng nút Nơron trong NN thực hiện phép tính cơ bản sau:

, , 1

, , 1 , ) (

) (

1

N j

M i W X v

f g f Z

N j

ij j i

i i

=

= +

=

=

Trong đó Z i- lượng ra, Xj - lượng vào, Wij- hàm trọng;

f ( ) - Hàm kích hoạt (dạng phi tuyến)

Về tôpô của NN, kiến trúc của NN có thể phân thành ba loại: NN liên kết

đầy đủ, NN nhiều lớp, NN liên kết yếu Trong đó thường sử dụng NN nhiều lớp với

ba nhóm chính: NN một lớp, NN nhiều lớp không có liên hệ ngược, ngẫu nhiên nhiều lớp có liên hệ ngược Sau đây là một số kiểu kiến trúc NN thường được dùng trong nhận dạng, xử lý tín hiệu và điều khiển: mạng Nơron - Fuzzy thích nghi; mạng cộng hưởng ART-1, ART-2; mạng BAM; mạng cognitron; mạng lan truyền ngược, mạng lan truyền đối (Counter); mạng Delta- Bar - Delta; mạng truy hồi từng phần Elman- Jordan; mạng Hopfield; mạng Instar; mạng Kohonen; mạng phân lớp Gauss; mạng một lớp Perceptron v.v Đa số các sơ đồ điều khiển Nơron được phát triển dựa trên năm cách tiếp cận sau: 1- Sơ đồ NCS tuần tự; 2 - Sơ đồ NCS song song; 3 - Sơ đồ NCS tự chỉnh; 4- Sơ đồ NCS lan truyền ngược thời gian; 5 - Sơ đồ NCS thích nghi - giới hạn

Trong NN, các luật học được phân thành các kiểu chính sau: Học tham số, Học cấu trúc và Học hỗn hợp; Mỗi kiểu học trên lại có thể được chia thành ba loại: Học có giám sát; Học không có giám sát và Học tăng cường

Một nguyên lý phỏng sinh học quan trọng nữa để tổ chức hệ điều khiển là thuật toán Gen (GA) (1960) Thuật GA sử dụng ba toán tử cơ bản: phần di truyền gien; phần tạo lập chéo các gien; đột biến gien (ở đây - Gien là một chuỗi nhị phân

độ dài hữu hạn lưu giữ các thuộc tính của thế hệ) Trong NN, GA được dùng để tối

ưu hóa cấu trúc và các tham số của NN Thuật gien cũng được dùng để tìm các hàm liên thuộc, các luật Fuzzy của hệ FCS

Các nguyên lý tổ chức điều khiển phỏng sinh học dùng nguyên lý thích nghi (TN) dùng mạng Nơron, dùng Fuzzy, hoặc GA có những ưu, nhược điểm khác nhau (Xem bảng so sánh dưới đây) Do vậy, trong thực tế có thể dùng một nguyên lý, hoặc kết hợp nhiều nguyên lý trên (Ví dụ: Hệ Fuzzy Nơron - sử dụng mạng NN như công cụ trong mô hình hệ Fuzzy)

Trong phạm vi đề tài này, ngoài các nghiên cứu về cơ sở lý thuyết, nhóm thực hiện đề tài đã triển khai xây dựng các hệ điều khiển theo nguyên lý phỏng sinh học cho hệ các thiết bị đặc biệt và hệ nhận dạng xử lý tín hiệu - điều khiển thiết bị bay,

đồng thời xây dựng các ứng dụng điều khiển phỏng sinh học phục vụ cho huấn luyện đào tạo

2.2 Nội dung chính của báo cáo

2.2.1 Tổng quan tình hình nghiên cứu ngoài nước và trong nước

Điều khiển phỏng sinh học đã được phát triển và ứng dụng mạnh mẽ trên thế giới Trong nhiều ứng dụng, đặc biệt trong điều khiển phi tuyến, biến đổi theo thời gian, điều khiển các hệ thống kém xác định và quản lý các hệ thống phức tạp với các quá trình độc lập ra quyết định, điều khiển phỏng sinh học đã chứng tỏ tính ưu việt so với điều khiển thông thường

Năm 1964 , Widrow và Smith đề xuất hệ NCS để ổn định con lắc trên xe trượt Albus phát triển hệ Nơron CMAC cho tay máy (1975) Miller (1990) triển

Mô hình hoá

Năng lực học

Biểu diễn tri thức

Tri thức chuyên gia

Kém Tốt Kém Kém Tốt Khá

Tốt Tốt Khá

Kém Khá

Trung bình Kém Tốt Tốt Tốt Tốt Trung bình

Tốt Kém Trung bình Trung bình Kém Trung bình Kém Kém Tốt

khai áp dụng CMAC cho Robot Barto (1983) - Hệ Nơron thích nghi - Werbos (1990) mở rộng mạng học liên kết cho điều khiển Điều khiển Nơron - thích nghi cho Robot và động cơ điện (1988, 1989, 1990), các hệ NCS kiểu BMAC (1992, Narendra), PCMAC (1992, Cotter, Mian) v.v

Những ứng dụng đáng chú ý của điều khiển logic mờ là các hệ Fuzzy cho máy hơi nước (Mamdani - 1975; Ray - 1985); Lò nung clanke trong xi măng (Larsen - 1980; Umbers - 1980); Điều khiển thiết bị bay (Larkin - 1985; Chaudhary - 1990; Chiu - 1997); Điều khiển qũi đạo vệ tinh (Lea và Jani 1992, 1995); Điều khiển Robot (Uragami - 1976, Scharf và Mandic - 1985; Tanschei 1988; Palm - 1989); Điều khiển tốc độ ô tô (Murakami - 1983, Maeda - 1985) Điều khiển thang máy (Fujitec - 1988); Điều khiển thích nghi (Graham, Newell - 1989); Các thiết bị phần cứng Fuzzy (Togai 1986, Yamakawa - 1987, Ozawa - 1989, 1995 ) vv Một ứng dụng đáng kể của điều khiển logic mờ là hệ thống điều khiển theo dõi bằng camera tại Phòng thí nghiệm công nghệ phần mềm, Trung tâm vũ trụ NASA/Johnson, sử dụng nghiên cứu logic mờ để tính gần đúng quĩ đạo riêng (Lea

và Jani 1992)

Trong nước: Lý thuyết và ứng dụng thực tế của ĐKPSH được nhiều cán bộ

khoa học Việt Nam tiếp cận và phát triển ở đây chỉ xin đơn cử một số ví dụ: Hệ

ĐKTN với xấp xỉ ngẫu nhiên (1972, Nguyễn Thúc Loan) Hệ điều khiển thích nghi phi tuyến (2000, Nguyễn Xuân Quỳnh) Lý thuyết và ứng dụng của các hệ xử lý tin

và điều khiển thích nghi trong điều kiện thông tin bất định ngẫu nhiên hoặc bị nhiễu tác động (1983, 1992, 1995 ữ 2000, 2000 ữ 2005 Nguyễn Tăng Cường) Các hệ thống điều khiển truyền động điện dùng nguyên lý thích nghi, Fuzzy, Nơron (1999ữ

2005 Nguyễn Tăng Cường, Nguyễn Thế Long, Bùi Quốc Khánh; 2000 ữ2005 Nguyễn Trọng Thuần, Phạm Hữu Đức Dục, Nguyễn Mạnh Tiến v.v ) Các hệ thống lái tàu tự động Fuzzy (1999, 2000 ữ2005 - Nguyễn Trọng Thuần, Đặng Xuân Hoài v.v ) Các vấn đề khác của FCS và NCS như ổn định, nhận dạng (2000 ữ2005 - Phạm Thượng Hàn, Nguyễn Quang Hoan, Lê Hùng Lân ), hệ điều khiển Nơron (1996, 1999, 2000 ữ2005, Nguyễn Quang Hoan, Phạm Thượng Cát, Nguyễn Trần Hiệp, Nguyễn Trọng Thuần ) Và nhiều công trình, luận văn Tiến sĩ, Thạc sĩ của các nhà khoa học Nhiều đơn vị KHKT triển khai nghiên cứu phát triển áp dụng các

nguyên lý phỏng sinh học và công bố nhiều công trình về lĩnh vực này: Học viện KTQS, Đại học Bách Khoa Hà Nội, Viện Công nghệ thông tin, Đại học Bách khoa

TP HCM, Viện điện tử - Tin học - Tự động v.v Nhìn chung các nghiên cứu này tập trung để xây dựng các mô hình lý thuyết hệ điều khiển PID, điều khiển thích nghi,

điều khiển Robot, điều khiển truyền động điện với sử dụng Fuzzy, Nơron hoặc GA

và kiểm nghiệm trong khuôn khổ thí nghiệm hoặc mô phỏng (còn hạn chế khi đưa vào các hệ thống thực tế) Trong thực tế công nghiệp và kỹ thuật nước ta đã có các ứng dụng hệ ĐKPSH: Hệ điều khiển Fuzzy lò Clinker Xi măng ở Hoàng Thạch, các thiết bị điện dân dụng (máy giặt, máy vi sóng v.v ) Những công trình khoa học của đề tài KC.03.09 được công bố với 30 bài báo được nêu chi tiết tài liệu tham khảo

2.2.2 Lựa chọn đối tượng nghiên cứu

a Đối tượng nghiên cứu của đề tài

Đối tượng nghiên cứu và triển khai ứng dụng của đề tài gồm các phần sau đây:

1) Nghiên cứu tổng quan về lý thuyết và công nghệ ĐKPSH trên thế giới trong giai đoạn hiện nay

2) Nghiên cứu thiết kế hệ điều khiển các quá trình công nghệ đa tham số phức tạp trong hệ thống thiết bị kỹ thuật đặc biệt ứng dụng các nguyên lý điều khiển

mờ

3) Nghiên cứu xây dựng hệ thống mô phỏng bán tự nhiên thời gian thực phục

vụ đánh giá thử nghiệm hệ điều khiển thiết bị bay

4) Nghiên cứu xây dựng hệ thống nhận dạng xử lý tín hiệu - điều khiển thiết

bị bay dùng nguyên lý fuzzy-nơron

5) Nghiên cứu xây dựng các phần tử điều khiển phỏng sinh học và các chương trình máy tính mô phỏng phục vụ huấn luyện và đào tạo

b Cách tiếp cận, phương pháp nghiên cứu và kỹ thuật đã sử dụng trong quá trình nghiên cứu và thực hiện đề tài

* Cách tiếp cận: Nghiên cứu kỹ các đặc điểm phát triển trên thế giới về

ĐKPSH và đặc điểm thực tế của nước ta để tìm các bước đi thích hợp có hiệu quả Như tổng quan ở trên, nước ta thực chất mới ở giai đoạn khởi động để bước vào KTCN phỏng sinh học, còn hạn chế về lực lượng cán bộ KHKT và đầu tư Nhưng

triển vọng của KTCN này rất lớn, do vậy cần phải tổ chức đúng để tiếp cận được trình độ quốc tế về mặt kiến thức khoa học và triển khai ứng dụng Trong đó, xác

định trọng tâm là: Tổng kết học tập các kết quả của thế giới để chọn lọc , ứng dụng vào thực tế Việt Nam một cách hiệu quả Để đạt được điều này đề tài đã triển khai theo các hướng sau:

• Nắm bắt được các kết quả kinh nghiệm chính , phát triển lý thuyết, công nghệ thiết kế, chế tạo, ứng dụng trên thế giới về ĐKPSH

• Hỗ trợ hình thành đội ngũ cán bộ KHKT trong nước có số lượng đông đảo với trình độ nhất định nghiên cứu và ứng dụng ĐKPSH

• Lựa chọn một số phần tử PSH, đặc biệt là điều khiển mờ và mạng nơron để thực hành xây dựng một số ứng dụng thực tế điển hình có nhu cầu thực sự trong nước để rút kinh nghiệm chuẩn bị cho phát triển mạnh ở giai đoạn sau

• Nghiên cứu, khảo sát chuẩn bị phương án KTCN cho ĐKPSH với ứng dụng công nghiệp quan trọng

* Phương pháp nghiên cứu :

• Qua các tài liệu KHKT (liên quan ) từ nguồn các thư viện trong nước, các

đầu mối hợp tác và tài liệu được tập kết trong khuôn khổ đề tài này và tổ chức nghiên cứu nắm bắt các vấn đề then chốt chúng ta quan tâm về lý thuyết, công nghệ và nhất là công cụ phát triển ứng dụng ĐKPSH

• Triển khai ứng dụng cụ thể ĐKPSH trên cơ sở lựa chọn nhập các cấu kiện, phần tử PSH thành phẩm (phần cứng) và công cụ phát triển phần mềm PSH Trên cơ sở đó cán bộ KHKT trong đề tài xây dựng hệ thống và viết các chương trình ứng dụng trên thuật toán do ta nghiên cứu đề xuất

• Dùng các phương pháp mô phỏng trên máy tính hệ PC và mô phỏng bán tự nhiên để học tập thực hành kiểm định các phương pháp ĐKPSH; tổ chức thử nghiệm thời gian thực bán tự nhiên kiểm tra đánh giá chất lượng hệ thống

được thiết kế trước khi ứng dụng thực tế với kinh phí không lớn có thể triển khai rộng trong các Trường đại học, Viện nghiên cứu ở nước ta

* Kỹ thuật, công nghệ sử dụng:

• Để kiểm tra thuật toán hệ ĐKPSH và kiểm chứng nghiên cứu lý thuyết đã ứng dụng các ngôn ngữ mô phỏng MATLAB, LABVIEW, PSPICE (Có

các Toolbox về Fuzzy, Neuro DSP Control, Real Time Workshop v v )

Kỹ thuật công nghệ này rất thích hợp cho sinh viên, Nghiên cứu sinh và nhiều cán bộ nghiên cứu để hình thành kỹ năng về các hệ PSH

• Nhập một số Packages máy tính (chương trình) chuyên nghiệp để nghiên cứu hệ ĐKPSH để tổ chức các nghiên cứu sâu tiếp cận ứng dụng trình độ quốc tế Ví dụ: NeuroSolutions, Process Advisor v v

• Sử dụng các Modules (phần cứng) chuyên dụng được sản xuất cho ĐKPSH (trên cơ sở DSP, ASIC, Fuzzy, Neuroprocessor Ví dụ các DSP của Texas Intrucment, ASIC của Xilinks, Altera, hoặc các Neuroprocessors NM6403, IBM ZISC036, Siemens MA - 16, Hitachi WSI v v ) để nắm bắt qui trình tiên tiến thế giới cho các ứng dụng

• Sử dụng hệ máy tính nhúng và một số các cards, modules điện tử thông dụng để tổ chức các hệ ĐKPSH nhằm xây dựng được qui trình kỹ thuật công nghệ chế tạo hệ thống ĐKPSH trên cơ sở máy tính nhúng phù hợp với các tiêu chuẩn quốc tế và thuận tiện cho các ứng dụng trong nước

2.2.3 Những nội dung đã thực hiện

Những nội dung đã thực hiện sẽ được trình bày trong các chương sau đây

2.1 Khái quát về các hệ điều khiển truyền thống

2.2 Điều khiển tự chỉnh-thích nghi

2.3 Điều khiển PI và PID tự chỉnh

3 Các hệ điều khiển mờ

3.1 Tóm tắt lý thuyết về các tập mờ và các hệ mờ

3.2 Khái niệm cơ bản về bộ điều khiển mờ

4 Điều khiển nơron

4.1 Mạng nơron nhân tạo

4.1.1 Mô hình tổng quát

4.1.2 Thuật toán lan truyền ngược

4.2 Công nghệ điều khiển nơron

4.2.1 Tổng quan

4.2.2 Các phương pháp và sơ đồ điều khiển nơron tổng quát

4.2.3 Hệ điều khiển nơron nối tiếp

4.2.4 Hệ điều khiển nơron song song

4.2.5 Hệ điều khiển nơron tự chỉnh

4.2.6 Bộ điều khiển PID nơron tự chỉnh

4.2.7 Sơ đồ điều khiển nơron với bộ học tập cạnh tranh

1 Mở đầu

Ngày nay điều khiển phỏng sinh học đã được ứng dụng rộng rãi cho nhiều ứng dụng kỹ thuật và công nghiệp Các hệ thống điều khiển thông minh này có khả năng hiểu và học tập trong mối quan hệ với đối tượng điều khiển, nhiễu, môi trường ngoài

và điều kiện làm việc Ví dụ như các đặc tính (đặc tính tĩnh và đặc tính động) của

đối tượng, một số đặc tính của nhiễu và môi trường ngoài, các phương pháp điều khiển là các yếu tố mà các hệ thống này có thể học tập Gần đây cho thấy trong khi các nghiên cứu về các hệ chuyên gia, mà theo truyền thống được coi là công cụ chính của các hệ trí tuệ nhân tạo, đang dần giảm sút thì các nghiên cứu về mạng nơ ron không ngừng phát triển và gia tăng

Nhờ các khả năng tự tổ chức và học tập, mạng nơ ron nhân tạo hiện nay được coi như một phương tiện đầy triển vọng cho các hệ thống thông minh [33],[34] Kiến trúc và các chức năng của các mạng nơ ron này được xây dựng trên cơ sở cấu trúc sinh học của bộ não Khác với cấu trúc fon-neiman, trong các mạng nơron người ta sử dụng cấu trúc tính toán Các tính chất đặc trưng của mạng nơ ron là tính song song, tính phân tán và tính tự tổ chức Điều này có nghĩa là mạng nơ ron có thể

tự học các đặc tính tĩnh và đặc tính động của đối tượng điều khiển trên cơ sở các kết quả đo thực hiện trước đó, đồng thời tác động để đạt được kết quả tốt hơn trong khi không biết trạng thái của môi trường ngoài Các máy tính thông thường thì phải

được lập trình trước để xử lý dữ liệu và không thể làm việc ở ngoài giới hạn đã được lập trình Như vậy các kiến thức chuyên gia không thể được thực hiện đầy đủ trên máy tính thông thường vì các máy tính này không thể đưa ra các quyết định khi xuất hiện các điều kiện mới từ bên ngoài

Các hệ điều khiển nơ ron là các hệ điều khiển trong đó sử dụng kiến trúc của mạng nơ ron và khả năng học Mạng nơ ron bao gồm các phần tử tính toán giống như tế bào nơ ron của bộ não, các phần tử này chính là các bộ biến đổi phi tuyến Các tính chất này của mạng nơ ron làm cho việc biến đổi phi tuyến dữ liệu trở nên khả thi và cho phép thực hiện các hệ điều khiển phi tuyến mới

Trong thực tế, nhờ tính đơn giản của cấu trúc và độ tin cậy cao, các bộ điều khiển PID đã được phổ biến hết sức rộng rãi Theo những số liệu thống kê gần nhất, các bộ điều khiển PID thông thường hiện vẫn được sử dụng trong 84% các nhà máy

xí nghiệp của Nhật Bản Trong các bộ điều khiển này người vận hành có thể điều

chỉnh 3 tham số để đạt được các chỉ tiêu chất lượng cần thiết Nhờ tính đơn giản và

độ tin cậy, các bộ điều khiển PID rất phù hợp cho điều khiển công nghiệp Tuy nhiên các bộ điều khiển này cũng có những nhược điểm Ví dụ như khi thay đổi

điểm làm việc phải điều chỉnh lại bộ điều khiển hoặc trong một số trường hợp thực

tế với các nhà máy lớn với chế độ làm việc liên tục khi sử dụng các bộ điều khiển này đòi hỏi phải giám sát chặt chẽ dẫn đến phải có sự can thiệp trực tiết của người vận hành

Như vậy để giải quyết tốt hơn các bài toán điều khiển đòi hỏi phải phát triển các

hệ điều khiển mới Ngoài ra các hệ điều khiển mới phải đủ đơn giản về nguyên lý tổ chức và vận hành để có thể dễ dàng ứng dụng rộng rãi trong công nghiệp, đồng thời các thao tác với các tham số phải giảm đến mức tối thiểu Vì vậy một giao diện người-máy đơn giản hiệu quả là một yếu tố quan trọng khi phát triển các hệ thống

điều khiển thông minh

Các hệ thống điều khiển thông minh cần phải có các tính chất sau:

• Khả năng học và khả năng thích nghi

• Tuổi thọ cao

• Thuật toán điều khiển đơn giản và giao diện người-máy thân thiện

• Khả năng kết nối thêm các thành phần mới đảm bảo cho các giải pháp tốt hơn trong các điều kiện hạn chế do thiết bị kỹ thuật

Hiện nay có nhiều phương pháp có thể sử dụng làm cơ sở cho việc phát triển các hệ thống thông minh Phổ biến nhất là các hệ chuyên gia (hệ cơ sở tri thức), logic mờ, thuật gien, mạng nơ ron và sự sống nhân tạo Để phát triển các hệ điều khiển thông minh, các phương pháp trí tụê nhân tạo phải được hợp nhất với các thành tựu của lý thuyết điều khiển hiện đại

Trong phần tổng quan sẽ trình bày về các hệ điều khiển truyền thống, các hệ

điều khiển mờ, các khái niệm về mạng nơron và ứng dụng trong các hệ thống điều khiển Việc xem xét các hệ điều khiển nơron ở đây chủ yếu dựa trên thuật toán lan truyền ngược vì thuật toán này được áp dụng thành công và rộng rãi trong nhiều ứng dụng kỹ thuật thực tế

2 Phân tích ưu nhược điểm của các hệ điều khiển truyền thống cơ bản hiện nay

2.1 Khái quát về các hệ điều khiển truyền thống

Trong phần này sẽ xem xét một số phương pháp điều khiển truyền thống: điều khiển PID (điều khiển tỷ lệ-vi-tích phân), điều khiển có tự chỉnh, điều khiển PID có

tự chỉnh Một trong số những hệ thống điều khiển đầu tiên là các bộ điều khiển PI và PID Các bộ điều khiển này đã chứng minh tính hiệu quả trong điều khiển những quá trình khác nhau

Trước tiên một số phương pháp hiệu chỉnh các bộ điều khiển PI và PID đã được nghiên cứu bởi Ziegler và Nichols [51] (đề xuất phương pháp hiệu chỉnh dựa trên cơ

sở các tham số phản ứng đối với tác động bậc thang đơn vị) Nó được ứng dụng rộng rãi trong vòng nhiều năm và tỏ ra khá hiệu quả Trên cơ sở phương pháp này Takahashi và những người khác [52] đã đưa ra phương pháp hiệu chỉnh dùng cho các bộ điều khiển PI và PID có thời gian gián đoạn Một phương pháp hiệu chỉnh tự

động các bộ điều khiển PI và PID hiện đại hơn đã được Nishikawa và những người khác đề xuất Phương pháp này đòi hỏi cấp tín hiệu thử nghiệm đầu vào để đánh giá các tham số của quá trình Các giá trị tối ưu của các tham số PI và PID đạt được bằng cách tối thiểu hoá tích phân bình phương sai số Một phương pháp khác tự

động hiệu chỉnh các bộ điều khiển PID đã được Hagglund và Ostrem [54] đề xuất,

được chỉ ra trong [51]

Tuy nhiên, cùng với những ưu điểm nói trên, các bộ điều khiển PI và PID có một loạt nhược điểm Như nếu điểm làm việc của quá trình bị thay đổi do nhiễu loạn, thì các tham số của bộ điều khiển đòi hỏi phải hiệu chỉnh lại bằng tay để nhận

được trị số tối ưu mới Việc hiệu chỉnh phải được người vận hành có kinh nghiệm thực hiện Đối với các hệ thống có các vòng điều khiển tương tác, thao tác này có thể là phức tạp và chiếm nhiều thời gian Ngoài ra, đối với các quá trình có các tham

số biến đổi, có trễ thời gian, có tính phi tuyến và có nhiễu mạnh, việc sử dụng các

bộ điều khiển PI và PID có thể sẽ không bảo đảm các đặc tính tối ưu Các phương pháp hiệu chỉnh các bộ điều khiển PI và PID cũng có một loạt nhược điểm Chẳng hạn, phương pháp của Ziegler-Nicholes [51] nhạy cảm với nhiễu, bởi nó được nghiên cứu trên cơ sở các thí nghiệm với các hệ hở Phương pháp hiệu chỉnh do Nishikawa và những người khác đề xuất [53] đòi hỏi sự tương tác giữa người và

máy, trong quá trình đó người vận hành phải tạo ra các tín hiệu đầu vào mỗi lần cần thay đổi các tham số với mục đích làm thích nghi với các thay đổi động học của quá trình

Do những nguyên nhân trên Kalman [55] đã đưa ra ý tưởng điều khiển tự chỉnh, trong đó các tham số của bộ điều khiển được hiệu chỉnh như ở chế độ người vận hành Kalman đã đề xuất khái niệm máy tự động thực hiện việc tự hiệu chỉnh với mục đích điều khiển quá trình động học bất kỳ ý tưởng này là rất quan trọng trong quá trình phát triển chung của các thiết bị điều khiển tự chỉnh, tuy nhiên nó không nhận được sự ủng hộ tích cực do không tương thích lý thuyết và công nghệ

Sự xuất hiện công trình của Ostrem và Wittenmark [56] trở thành “lần ra đời thứ hai” của lý thuyết này, nó gây ra mối quan tâm to lớn trong giới kỹ sư và các nhà nghiên cứu trong lĩnh vực điều khiển Họ đã phát hiện một hiện tượng bất ngờ: trong một loạt trường hợp phối hợp những đánh giá nhận được theo phương pháp bình phương tối thiểu thông thường và điều khiển theo cực tiểu phương sai sẽ đảm bảo tính tự chỉnh Tiếp theo công trình này là một loạt những ứng dụng thực tiễn, chúng làm phát sinh ra những công trình về lý thuyết mới, bởi vì những vấn đề liên quan tới thực hiện điều khiển tự chỉnh đòi hỏi phải có sự luận chứng chặt chẽ hơn Sự phát triển nhanh chóng máy tính điện tử số trong những thập niên 70 và 80 đã đóng vai trò quan trọng trong việc tăng cường sự quan tâm đến điều khiển tự chỉnh-thích nghi cả trong lý thuyết cũng như thực tiễn

Khảo sát và nghiên cứu trong lĩnh vực thuật toán tự chỉnh-thích nghi đã được tiến hành theo hai hướng: phổ biến các sơ đồ điều khiển sẵn có sang các lĩnh vực ứng dụng mới và đề xuất các phương pháp tiếp cận mới với những bài toán hiệu chỉnh tự động đã có sẵn các bộ điều khiển Còn một phạm vi nghiên cứu nữa theo hướng này là các bộ điều khiển PI và PID tự chỉnh ý tưởng chủ yếu của các bộ điều khiển kiểu này là ở sự hợp nhất khả năng của các bộ điều khiển tự chỉnh có thể thích nghi với sự thay đổi các tham số của đối tượng điều khiển ở chế độ vận hành và tính

đơn giản trong cấu trúc của các bộ điều khiển PID

Một số sơ đồ của các bộ điều khiển PID tự chỉnh đã được đề xuất Wittenmark [57] đã đưa ra sơ đồ bộ điều khiển PID tự chỉnh trên cơ sở sơ đồ phân bố cực ở đây thuật toán PID được cài đặt vào cấu trúc điều khiển dựa trên cơ sở sơ đồ phân bố cực Phương pháp này chỉ phù hợp để điều khiển các quá trình có bậc giới hạn Việc

cải tiến phương pháp này cho phép điều khiển các quá trình tổng quát hơn được Savelli và những người khác đề xuất [58] Về sau Gawthrop [59] đã đưa ra sơ đồ bộ

điều khiển PI và PID tự chỉnh cho các hệ thống liên tục Trong sơ đồ này thuật toán

PI và PID được tự động đưa ra từ các giả thiết đã chứng minh về động học của quá trình được điều khiển cũng như từ kết quả mô hình hoá các tác động nhiễu có kỳ vọng toán học khác “0” Các dạng khác của các bộ điều khiển PID tự chỉnh được trình bày trong các tác phẩm [60-66]

Một khái niệm điều khiển khác được xem xét do Cameron và Seborg [67] đề xuất Thuật toán này dựa trên điều khiển tổng quát theo phương sai tối thiểu [68, 69] Quy luật điều khiển tự chỉnh được định hướng để nhận được cấu trúc PI hay PID

Bộ điều khiển PID gián đoạn có thể mô tả bằng phương trình sau đây:

=

∆ )u (t ư ư + ( '( )+( '( ư1))+ ( '( )ư2 '( ư1)+

2))1(')('

T

T t

e t e T

T t

e t e

k

s d i

T

T k

s

d c D

T

T k

K = , ∆=1ưzư1

ở đây Kc, Ti, Td và Ts là hệ số truyền, các hằng số thời gian và thời gian trích mẫu tương ứng KP, KI, KD là các hệ số truyền tỷ lệ, tích phân, vi phân tương ứng Tín hiệu sai số e’(t) có thể được viết dưới dạng:

e’(t)= r(t) - y(t) (1.3) Trong đó r(t) – thiết lập mong muốn Như vậy ta có:

))

2()1(2)()2()1(2)(

(

))()(())1()()1()(()

(

ư

ư

ư+

ư

ư+

ư

ư+

+

ư+

ư+

y t y t

r t

r t

r

K

t y t r K t

y t y t

r t r K

t

u

D

I P

(1.4)

Sự thay đổi đột ngột của giá trị thiết lập dẫn đến tác động điều khiển tỷ lệ và vi phân, gây ra thay đổi đáng kể ở đầu ra của bộ điều khiển Để chế áp hiện tượng này, thiết lập r(t) được coi như không đổi cho đến khi thay đổi ở bước tiếp theo Phương trình (1.4) sẽ có dạng:

))

2()

1(]2[

)(][

)()

(

ư

ư

ư+

+

++

y K K

t y K K K t r K t u

D D

P

D I P I

(1.5)

2.2 Điều khiển tự chỉnh-thích nghi

Có thể xem điều khiển tự chỉnh như một dạng điều khiển thực hiện hai nhiệm

vụ chính trong vòng phản hồi kín (hình 1.1)

Nhiệm vụ thứ nhất là thu thập thông tin về trạng thái tức thời của quá trình điều khiển Thông tin nhận được được sử dụng để nhận dạng hệ thống bao gồm xác định cấu trúc của mô hình, đánh giá các tham số của mô hình, cũng như đánh giá các tham số của những tín hiệu không được kiểm soát (chẳng hạn như của các tín hiệu nhiễu tạp trong các hệ ngẫu nhiên) Xác định cấu trúc của mô hình đòi hỏi xây dựng dạng mô tả toán của hệ thống phù hợp với bài toán cần giải quyết Việc đánh giá các tham số là yếu tố then chốt của tự chỉnh Nó được thực hiện ở chế độ vận hành Để

điều khiển có tự chỉnh người ta sử dụng một số sơ đồ đánh giá đệ quy các tham số Sơ đồ phổ biến nhất là phương pháp đánh giá đệ quy trên cơ sở phương pháp bình phương tối thiểu [81], [82] hay dạng mở rộng của phương pháp này - đó là phương pháp phân tích thành thừa số Factor hoá[83], là phương pháp tin cậy hơn

Nhiệm vụ thứ hai của hệ thống tự chỉnh là bài toán thiết kế (bộ điều khiển); giải quyết bài toán này thường dựa trên tối ưu hoá tiêu chuẩn tối ưu điều khiển Mục

đích điều khiển được định ra cho từng hệ thống cụ thể; khi đó đòi hỏi phải đưa ra quyết định là bộ điều khiển phải được thích nghi hoặc được hiệu chỉnh như thế nào Trên cơ sở đó một bộ tham số mới của bộ điều khiển được tính toán thay cho các tham số trước đó trong chu kỳ điều khiển

Đầu ra

Tiêu chuẩn tối ưu

Đánh giá tham số (Mô hình hoá)

Bộ điều khiển

Đối tượng

điều khiểnThiết lập

Mục đích điều khiển

Tác động

điều khiển

Hình 1.1 Sơ đồ tổng quát của bộ điều khiển tự chỉnh

-Phương pháp đánh giá các tham số của hàm truyền theo quá trình và theo tác

động gọi là phương pháp tự chỉnh gián tiếp, hay phương pháp xác định đầy đủ Ví

dụ bộ tự chỉnh của Ostrem và Wittenmark [56], được biết đến với tên gọi là hệ điều khiển theo cực tiểu phương sai Tiêu chuẩn tối ưu của bộ điều chỉnh là tối thiểu hoá phương sai của quá trình đầu ra y(t) ở tất cả các điểm thời gian gián đoạn t Điều đó

có thể đạt được bằng cách sau: đầu tiên, giá trị tiếp theo của quá trình đầu ra được tiên đoán d bước dài hơn về phía trước – y(t+d), sau đó giá trị tức thời của tác động

điều khiển u(t) được thiết lập sao cho đầu ra này trở về “0” Tuy nhiên trong phương pháp này không thực hiện ý định tối ưu hoá giá trị xác lập, đồng thời có thể có những trị số quá lớn của các tác động điều khiển Nhược điểm khác của phương pháp này là tính không ổn định của vòng điều khiển kín do bị mất các điểm “0”, nếu quá trình không phải là quá trình pha tối thiểu Để khắc phục những phức tạp này Clark và Gawthrop [68],[69] đã thay đổi tiêu chuẩn: không chỉ tối thiểu hoá phương sai đầu ra, mà còn cả hàm số bao gồm tác động điều khiển, đầu ra, cũng như sự thay

đổi của giá trị xác lập Bằng cách này đảm bảo khả năng sử dụng nhiều mục tiêu chức năng Trong tiêu chuẩn này tín hiệu điều khiển chịu “phạt” bằng cách, những

đỉnh thừa của nó được giảm xuống và khả năng bám sát tối ưu giá trị xác lập được bảo đảm Ngoài ra, tiêu chuẩn đã cải tiến bảo đảm điều khiển ổn định quá trình không cực tiểu pha Kiểu bộ điều khiển tự chỉnh như vậy cũng được biết đến với cái tên là điều khiển theo cực tiểu phương sai tổng quát Gần đây các tài liệu đưa ra những hoàn thiện và mở rộng khác nhau của bộ điều khiển này [84 –89]

Để đưa ra thuật toán làm việc của những bộ điều khiển này người ta xem xét hệ thống dưới dạng mô hình tự hồi quy được điều khiển - đó là mô hình trung bình trượt (Controlled Auto-Regressive Moving Average (CARMA) model) Có thể hình dung hệ thống dưới dạng mô hình toán học sau đây:

)()()()()(

)

t z C d t u z B t y

Α (1.6)

Trong đó y(t) là quá trình đầu ra, u(t) là quá trình đầu vào (tác động điều khiển),ξ (t) là dãy ngẫu nhiên không tương quan có kỳ vọng toán học bằng 0 và hợp biến (độ lệch trung bình bình phương) σ , d là thời gian giữ chậm, t là thời gian lấy tròn số, A(z-1),B(z-1), C(z-1) được thể hiện qua toán tử biến đổi z:

a a

n

n z a z

a z a

zư = + ư + ư + + ư

2

1 1 1

b z b z

B( ư ) = 1 + ư + ư2++ + ư

2

1 1 )

1

(1.8)

c c

n

n z c z

c z c z

C( ư ) = 1 + ư + ư2 + + ư

2

1 1 1

(1.9) Giả thiết rằng các nghiệm của đa thức C(z-1) nằm bên trong vòng tròn bán kính

đơn vị Với các nghiệm của các đa thức A(z-1) và B(z-1) thì không giả thiết nào được

đặt ra, tức là bên ngoài giới hạn của vòng tròn đơn vị có thể có cả các nghiệm của A(z-1) (điều đó có nghĩa là tính không ổn định của đối tượng điều khiển trong trạng thái hở) và các nghiệm của B(z-1) (đối tượng điều khiển là không tối thiểu pha) Trong trường hợp này sử dụng tiêu chuẩn chất lượng ở dạng:

]))()(())()()()(

t u z Q t

r z R d t y z P

E

J = ư + ư ư + ư , (1.10) Trong đó E[.] là kỳ vọng toán học, P(z-1), R(z-1), và Q(z-1) là các đa thức do người sử dụng định ra, r(t) là giá trị xác lập và R(z-1) là hàm truyền dạng phân số hữu tỷ:

)(

)()

z P z

định lẫn điều chỉnh servo Ngoài ra bộ điều khiển cực tiểu phương sai tổng quát bổ sung một trọng số cho tác động điều khiển để nó ngăn cản sự xuất hiện của những trị số quá lớn của tác động này khi chế áp những hậu quả do những trị số “0” nằm ngoài vùng ổn

định gây ra Trong cách tiếp cận đang được xem xét người ta đưa vào khái niệm đầu ra giả được cho bởi biểu thức φ sau: (t)

( ) ( 1) ( ) ( 1) ( ) ( 1) ( )

d t r z R d t t z Q t y z P

C(zư 1)P n(zư 1)=E(zư 1)A(zư 1)P d(zư 1)+zưd F(zư 1), (1.13) trong đó:

1 1

e z

E (1.14) ( 1) 1 1 1 1 (n f)

f z

f z

f = + ư + ư (1.16) Nhân các phương trình (1.6) với E(z-1) ta có:

( 1) ( 1) ( ) ( 1) ( 1) ( ) ( 1) ( 1) (1 )

d z

C z E t u z B z E d t y z A

z

E ư ư + = ư ư + ư ư ξ + (1.17) Lấy E(z-1)A(z-1) từ phương trình (1.13) vào phương trình (1.17) ta có:

).

( ) ( ) (

) ( ) ( ) ( ) ( ) ( ) ( ) (

)

(

1 1

1 1 1

) 1 1

d t z C z E

t u z B z E t y z F d t y z P

z

+ +

+ +

= +

).

( ) ( ) ( ) ( ) ( ) (

) ( )) ( ) ( ) ( ) ( ( ) ( ) (

1 1 1

1

1 1 1

1 1

t r z R z C d t z C z E

t u z B z E z Q z C t y z

+ +

)())()(

)()(()()()(

1 1 1

1

1 1

1 1 1

1

t r z R z C d t z C z E

t u z B z E

z Q z C y z F d t z

++

++

=+

ξ

φ

(1.20)

Bằng cách biểu thị qua φ* (t+d/t) dự báo tối ưu của đại lượng φ(t+d) nhận

được trên cơ sở đo trước thời điểm t, và biểu thị qua φ~(t+d)là sai số dự báo, đồng thời cho rằng C(z-1) = 1, ta nhận được:

).

( ) ( ) ( ))

(

) ( ( ) ( ) ( ) / (

*

1 1

1 1

t r z R t u z

G

z Q t y z F t d

+ +

= +

φ

và: ~( ) ( ) * ( / ) ( 1 ) ( 1 )

d z

E t d t d

t d

cách chọn u(t) sao cho φ* (t+d)bằng “0” Như vậy ta được:

)()(

)()()()

1 1

y z F t r z R

φ (1.25)

Các tham số của bộ điều khiển F(z-1) và G(z-1) có thể dễ dàng nhận được từ

đẳng thức (1.18), nếu các đa thức A(z-1) và B(z-1) đã biết Còn nếu chúng chưa được biết thì để đánh giá các phần tử F(z-1) và G(z-1) có thể sử dụng phương pháp đệ quy bình phương tối thiểu được xét đến dưới đây Các véc tơ tham số đệ quy như sau:

)]

( ˆ ), , ( ˆ ), ( ˆ ), ( ˆ ), , ( ), ( ˆ

=

), ]

2(),1(), ,2(),1([

fˆ 0 , ˆ 1 , , ˆ và

g

n g g

gˆ 0 , ˆ 1 , , ˆ là những đánh giá các phần tử F(z-1) và G(z-1) tương ứng

Đối với bộ điều khiển tự chỉnh, đánh giá các tham số được thực hiện đệ quy, còn quan sát thì được thực hiện nối tiếp Quá trình đánh giá đệ quy các tham số

+

-θ0

) 1 (

ˆ ư t

θ

Cơ cấu thay đổi

Đánh giá đầu ra tức thời y ˆ t( ) được tính toán trên cơ sở thông tin trước đó về mô hình, nhận được từ đánh giá θˆ ư (t 1 ) Sai số mô hình hoá ε(t) nhận được bằng cách so sánh đánh giá đầu ra với đầu ra quan sát Sau đó sai số được tối thiểu hoá theo nghĩa bình phương tối thiểu, còn đánh giá θˆ ư (t 1 )được điều chỉnh phù hợp với trị số mới θˆ t( ) Các đánh giá θˆ t( )có thể nhận được nhờ ba phương trình đệ quy quan trọng:

)]

1 ( ) ( ) ( )[

( ) 1 ( )

()1()

(t =P tư x t +x t P tư x t ư

K T , (1.29)

)1()()(1

2.3 Điều khiển PI và PID tự chỉnh

Sự hơn hẳn của các bộ điều khiển PI và PID trong số những bộ điều chỉnh công nghiệp là động lực chính cho sự phát triển lý thuyết và thực tiễn của các bộ điều khiển PI và PID tự chỉnh Mặc dù các bộ điều khiển tự chỉnh có tính linh hoạt cao và phù hợp hơn để điều khiển các đối tượng có các tham số biến thiên, có tính phi tuyến và tính bất định, nhưng sự áp dụng trong thực tiễn của chúng tạm thời chưa tỏ

ra có triển vọng đặc biệt

Các bộ điều khiển tự chỉnh định hướng vào các đặc tính: đặc tính của hệ thống kín do người sử dụng ấn định và thuật toán được điều chỉnh sao cho đạt được đặc tính đã định, điều này đúng cho cả trường hợp nếu các tham số của đối tượng điều khiển hay các giá trị sai lệch là không được biết trước ở đây ngầm hiểu rằng các

đặc tính mong muốn của hệ điều khiển kín có thể đạt được trên cơ sở với các đặc tính cho trước của cơ cấu chấp hành; khi đó kinh nghiệm của cán bộ kỹ thuật vận hành đối tượng điều khiển là rất quan trọng Trong điều kiện đó cần thiết đối với cán

bộ kỹ thuật, yêu cầu cần phải có sự hiểu biết sâu sắc về các khả năng đặc tính giới hạn của hệ thống kín trong điều kiện điều khiển tự chỉnh

Các biểu thức của các bộ điều khiển PI và PID tự chỉnh [67] có thể rút ra được

từ sự kết hợp các biểu thức (1.5) và (1.24) Để cho quy luật điều khiển (1.24) có cấu trúc PID tương tự quy luật (1.5), hàm truyền F(z-1) phải được thể hiện bằng đa thức bậc hai Như vậy, bậc của đa thức F(z-1) được xác định bằng đẳng thức sau:

nf = na + npd -1 , (1.32)

Cho rằng na + npd - 1 > npn + nc Đối với hệ thống bậc nhất ta nhận được cấu trúc PID nếu mẫu số Pd(z-1) của hàm truyền của bộ lọc hiệu chỉnh được chọn dưới dạng đa thức bậc hai Bởi đa thức Q(z-1) có thể do người sử dụng chọn, nên tác động tích phân có thể được đưa vào bằng biểu thức sau:

) ( ) ( ư 1 + ư 1

=

∆

z Q z

G

v , (1.33) trong đó v là hằng số

z F H

z

R

0

1 1

1 0

) (

) ( )

( , (1.34)

Bằng cách dùng các phương trình (1.7) và (1.8), có thể viết biểu thức (1.23) dưới dạng:

))()ˆˆ

ˆ()(()

2

1 1 0

H v t

d I

P

f f f v K

∧

+ +

ư

= , (1.36)

( 1 )

) ˆ 2 ˆ

d P

P

f f v

= , (1.37)

và:

) 1 (

ˆ

2

d P

P

f v

đây ngầm hiểu rằng hệ thống kín là một bộ lọc thấp tần Các đại lượng v, Pn(z-1) và

Pd(z-1) được chọn chủ yếu bằng phương pháp thử và sai số Phương pháp chọn các tham số này (đã được chứng minh) như sau: chọn trị số của v sao cho đặc tính của

hệ thống kín được ổn định và không dao động quá nhiều, sau đó biến đổi các đại ợng Pn(z-1) và Pd(z-1) sao cho đạt được đủ tính hiệu quả của hệ thống

lư-Việc thực hiện theo chương trình các bộ điều khiển PID tự chỉnh cho mỗi thời

điểm gián đoạn có thể được trình bày bằng cách sau:

Tính toán bộ điều khiển PID tự chỉnh:

Bước 1 Thiết lập tín hiệu vào chuẩn

Bước 2 Đọc các dữ liệu đầu vào và đầu ra

Bước 3 Định các giá trị ban đầu của các hệ số Pn(z-1) và Pd(z-1)

Bước 4 Tính toán theo các công thức (1.28), (1.29), (1.30)

Bước 5 Xác định tác động điều khiển theo công thức (1.35)

Bước 6 Tính các tham số PID theo các biểu thức (1.36) - (1.37)

3 Các hệ điều khiển mờ

ý tưởng ứng dụng logic mờ trong các hệ thống điều khiển lần đầu tiên được Mamdani và các cộng sự của ông đưa ra [101,102, 103,104] Dựa trên lý thuyết các tập mờ Zadeh và dựa trên khái niệm các bộ điều khiển PID thông thường Assilian và Mamdani [101] đã xây dựng nên bộ điều khiển logic mờ cơ sở Bộ điều khiển này

được dùng để điều chỉnh các đầu ra của quá trình tại lân cận của điểm xác lập đã cho; khi đó có sử dụng máy tính điện tử số Do sự hạn chế của bộ nhớ và tác động nhanh của máy tính trình tự Fon-Neiman mà các bộ điều khiển logic mờ lúc đầu không được phổ biến rộng rãi; chủ yếu chúng được dùng để điều khiển các quá trình

có sự thay đổi chậm của các đại lượng Một số ví dụ sơ khai ứng dụng logic mờ trong điều khiển các quá trình được đưa ra trong [105,106]

ứng dụng logic mờ để điều khiển các quá trình công nghiệp có một loạt ưu

điểm so với việc dùng các bộ điều khiển truyền thống Dễ thấy ngay, một trong những ưu điểm đó là việc bộ điều khiển logic mờ có thể được thiết kế theo các quy tắc ngôn ngữ học và liên hệ chặt chẽ với trí tuệ nhân tạo Như mô tả trong [107] trí tuệ nhân tạo (hay lý thuyết các hệ thống nơron) và lý thuyết điều khiển đã có lúc

được xem như một lĩnh vực hiểu biết: một mục đích của trí tuệ nhân tạo là thay thế con người bằng máy móc khi thực hiện các thao tác chính xác; như vậy mối liên hệ giữa trí tuệ nhân tạo và lý thuyết điều khiển là quá rõ Bộ điều khiển mờ cấu thành

từ bộ các toán tử ngôn ngữ điều kiện, hay các quy tắc (được gọi là các quy tắc ma

trận kết hợp mờ, hay các quy tắc FAM), tạo ra các tình huống điều khiển cụ thể Các

toán tử ngôn ngữ điều kiện trên có thể dễ dàng nhận được từ sự suy đoán đúng đắn

hay từ những thông tin kỹ thuật về quá trình cần được điều khiển

Với nhiều quá trình công nghiệp thật khó để đảm bảo việc điều khiển chính

xác Chúng thường là đa chiều, phi tuyến và thay đổi theo thời gian Điều khiển trên

cơ sở logic mờ có thể được ứng dụng thành công đối với các quá trình như vậy

Ngoài ra các bộ điều khiển mờ có thể làm việc với các hệ thống không được mô tả

hoàn toàn với động học chưa biết, thật vậy đối với chúng (khác với nhiều bộ điều

khiển thích nghi truyền thống) không đòi hỏi phải có được mô hình toán học tiền

nghiệm của đối tượng điều khiển Còn một ưu điểm nữa của các bộ điều khiển mờ

là việc chúng có thể dễ dàng được thực hiện trên các vi mạch lớn số hay tương tự

[108,109,110], mà ở đó thông tin có thể được mã hoá theo sơ đồ phân bố song song

3.1 Tóm tắt lý thuyết về các tập mờ và các hệ mờ

Lý thuyết các tập mờ - một lĩnh vực nghiên cứu đang phát triển mạnh Một số

khía cạnh của nó được đề cập tới trong [111], [115] Trong phần này chỉ đưa ra tóm

tắt về lý thuyết tập mờ trên quan điểm của Kosko [114] Theo lý thuyết này [114] có

thể xác định một tập mờ như một điểm trong khối lập phương, còn hệ thống mờ như

ánh xạ giữa các khối lập phương như vậy S - hệ mờ, là ánh xạ tập mờ vào tập mờ

Như vậy, hệ mờ biến đổi các tập mờ từ khối lập phương I n vào khối lập phương I p

khác

p n

I I

Trong đó I n- khối lập phương đơn vị n- chiều chứa tất cả các tập mờ con của

miền xác định, còn I p chứa tất cả các tập mờ con của miền giá trị Nói chung, hệ

mờ S ánh xạ họ các tập mờ lên nhau, tức là

pl p

n n

I I

I I

Những hệ mờ như thế tác động như các phần tử của bộ nhớ kết hợp, khi

chúng ánh xạ từ các đầu vào kín đến các đầu ra kín; theo ý nghĩa này với chúng ta

sử dụng tên gọi “bộ nhớ kết hợp mờ” Bộ nhớ kết hợp mờ đơn giản nhất mã hoá quy

tắc ma trận kết hợp mờ hay sự kết hợp (A , i B i) liên hệ tập mờ P - chiều B i với tập

mờ n- chiều A i

Các bộ nhớ kết hợp mờ cực tiểu như thế ánh xạ một phần tử I n vào một phần

tử của I p

Trong lý thuyết các tập mờ [80] có xác định 3 phép toán chính: phép bù, kết

hợp và giao của các tập mờ Phép bù tập mờ A được ký hiệu là A′ và được tính bằng

biểu thức

X x x m x

A

m ′ ( ) = 1 ư A( ), ∈ , (1.41)

Trong đó X - tập hợp các điểm của trục thực R1, còn m A (x)- hàm liên thuộc

tập mờ A nhận giá trị trong dải 0 đến 1 Phép hợp hai tập mờ A và B với các hàm liên

thuộc tương ứng m A (x) và m B (x) sẽ là tập mờ C ký hiệu là A∪B Hàm liên thuộc

của nó được xác định theo các hàm phụ thuộc các tập A và B phù hợp với biểu thức

m C(x)=Max[m A(x), m B(x)], x∈X , (1.42)

hay ở dạng rút gọn:

Phép giao hai tập mờ A và B với các hàm phụ thuộc m A (x) và m B (x)là tập

mờ c ký hiệu A∩B hàm phụ thuộc của nó xác định bằng biểu thức

X x x m x m Min x

hay ở dạng rút gọn:

)()()

Nói một cách đơn giản, hợp các tập mờ A và B - đó là tập mờ nhỏ nhất có

chứa cả A lẫn B Giao của tập mờ A và B là tập mờ được chứa cả trong A lẫn trong

B

Nói chung, hệ thống bộ nhớ kết hợp mờ F: I n →I p thực hiện việc mã hoá

và xử lý song song bộ gồm m quy tắc ma trận kết hợp mờ (A1,B1), ,(A m,B m), như

chỉ ra trên hình 1.3 Mỗi đầu vào của hệ A kích hoạt mỗi quy tắc FAM được lưu giữ

ở mức độ khác nhau Quy tắc FAM nhỏ nhất, sự kết hợp thứ i, hay quy tắc (A i,B i)

ánh xạ đầu vào A vào đầu ra B i/ - là phương án B i được kích hoạt từng phần Đầu

vào A càng giống với A i thì B i/ càng giống với B i Tập mờ đầu ra tương ứng B liên

kết các tập mờ được kích hoạt từng phần trên B i/, ,B m/ ; nó là trung bình có hàm

1

3.2 Khái niệm cơ bản về bộ điều khiển mờ

Hệ thống điều khiển trên cơ sở logic mờ được chỉ ra trên hình 1.4 Nó bao

gồm bộ các quy tắc FAM (qui tắc ma trận liên kết mờ) nhằm tạo ra các tình huống

điều khiển cụ thể

Trong nhiều ứng dụng chỉ cần tính được tương quan giữa sai số và tốc độ thay đổi sai số trong quá trình là đủ để thay đổi tác động điều khiển một lượng đảm bảo việc điều khiển chấp nhận được đối với một hệ thống Theo ý nghĩa này có thể phát biểu các quy tắc ngôn ngữ đơn giản dựa trên các quan sát hay trên việc nghiên cứu sơ qua tiến trình của quá trình Ta đưa ra ví dụ quy tắc ngôn ngữ bằng ngôn ngữ thực, mà chuyên gia có thể sử dụng để mô tả hoạt động của hệ thống điều khiển Nếu sai số là dương và lớn, còn tốc độ thay đổi sai số là âm và nhỏ, thì sự thay đổi tại đầu vào của quá trình là dương và lớn

e

Bộ điều khiển mờ

Trong quy tắc đã sử dụng 3 biến: sai số (E), tốc độ thay đổi sai số (C) và thay

đổi tác động điều khiển (U) Chúng được cho bằng những tập tổng hợp cố định xác

định dải đo có thể của các đại lượng trong hệ điều khiển này Trong một số ứng

dụng [116,117] để làm tiền đề của quy tắc FAM, nhằm mục đích làm tốt nên các

đặc trưng của hệ thống, có thể thêm vào một biến nào đó nữa, ví dụ, đại lượng tác

động điều khiển trước đó, tuy nhiên điều này dẫn tới việc phức tạp thêm khi thiết kế

hệ thống điều khiển

Mỗi một biến mờ có thể được biến đổi thành các tập mờ con phù hợp với sự

phức tạp của quá trình Các thuật ngữ ngôn ngữ (lớn dương, bé âm, bằng không

vv…), mà chuyên gia có thể sử dụng để mô tả hoạt động của hệ điều khiển, được

dùng để ký hiệu các tập mờ con - chúng thực tế là các giá trị số Mỗi tập mờ con

chứa các phần tử cùng với các bậc phụ thuộc của nó Hàm liên thuộc của tập mờ sẽ

đạt một giá trị thực nào đó (thông thường trong dải 0 đến 1) tương ứng với mỗi phần

tử của tập tổng hợp; số này ký hiệu là bậc, mà cùng với nó một đối tượng cụ thể hay

một phần tử dữ liệu thuộc vào tập mờ

Ví dụ, quy tắc FAM thứ k có thể được viết ở dạng toán tử sau đây:

Nếu E là E k và C là C k thì U là U k (1.47)

Các tập mờ con E k,C k và U k được cho bằng bộ các cặp có thứ tự dạng:

E e

m e E

k

e

k = {( , ( ))} ⊂

C c

mm c C

k

c

k = {( , ( ))} ⊂ ,

U u

m u U

k

u

Trong đó e,c và u - các phần tử các tập tổng hợp rời rạc

Còn m ek,m ck,và m uk - các giá trị tương ứng của hàm liên thuộc - chỉ ra bậc,

mà cùng với nó phần tử tương ứng là thành phần của tập mờ con

Các đồ thị hàm liên thuộc các tập mờ có thể có dạng khác nhau: đơn điệu,

tam giác, hình thang, hình chuông (hình dạng phân bố chuẩn) phụ thuộc vào ý thích

và kinh nghiệm của người thiết kế

Các ví dụ các dạng cơ bản của hàm liên thuộc được đưa ra trên hình 1.5 Việc

lựa chọn kiểu hàm liên thuộc ảnh hưởng đến kiểu đầu ra được dùng [118] Trên thực

tế ứng dụng rộng rãi hàm liên thuộc hình thang và tam giác - chúng đảm bảo sự đơn

giản tính toán