Sử dụng thuật toán nơ ron tương quan để nhận dạng đặc tính động cơ điện

Như vậy chúng ta cần phương pháp xử lý để hạn chế hoặc loại bỏ bớt các tín hiệu nhiễu để phép đo được chính xác hơn, bằng cách sử dụng hàm tương quan ta có thể tính toán loại bỏ phần nào

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC ĐÀ NẴNG

Công trình được hoàn thành tại

ĐẠI HỌC ĐÀ NẴNG

Người hướng dẫn khoa học: TS NGUYỄN HOÀNG MAI

Phản biện 1: PGS.TS NGUYỄN DOÃN PHƯỚC

Phản biện 2: TS NGUYỄN ANH DUY

Luận văn được bảo vệ tại Hội đồng chấm luận văn tốt nghiệp Thạc

sĩ kỹ thuật họp tại Đại học Đà Nẵng vào ngày 05 tháng 05 năm

2013

* Có thể tìm hiểu luận văn tại:

- Trung tâm Thông tin - Học liệu, Đại học Đà Nẵng

- Trung tâm Học liệu, Đại học Đà Nẵng

MỞ ĐẦU

Đo lường trong quá trình điều khiển hệ thống là yếu tố quan trọng ảnh hưởng đến kết quả điều khiển tiếp theo Tuy nhiên, trong quá trình thực hiện các phép đo bằng các cảm biến, các giá trị trả về

sẽ bao gồm giá trị đo và cả tín hiệu nhiễu không mong muốn Như vậy chúng ta cần phương pháp xử lý để hạn chế hoặc loại bỏ bớt các tín hiệu nhiễu để phép đo được chính xác hơn, bằng cách sử dụng hàm tương quan ta có thể tính toán loại bỏ phần nào nhiễu tín hiệu Ngoài ra, hàm tương quan còn ứng dụng rất tốt trong nhận dạng động học của hệ thống Từ tín hiệu ồn trắng đưa vào hệ thống, thông qua phép tính tương quan ta có thể thu được đặc tính động học của

hệ thống

1 Tính cấp thiết của đề tài

Cùng với sự phát triển của đất nước, hiện nay sự nghiệp công nghiệp hóa, hiện đại hóa ngày càng phát triển mạnh mẽ, sự tiến bộ của khoa học kỹ thuật, trong đó kỹ thuật điều khiển cũng góp phần rất lớn nâng cao điều kiện sản xuất

Để quá trình điều khiển hệ thống tốt ta phải hiểu rõ động học của hệ thống khi có tín hiệu tác động vào Công việc này có thể thực hiện thông qua quá trình thành lập hàm truyền đạt hoặc hệ phương trình trạng thái của hệ thống Sau khi có những thông tin về hệ thống chúng ta có thể áp dụng các phương pháp điều khiển kinh điển hoặc hiện đại để quá trình làm việc của hệ thống tối ưu đảm bảo các yêu cầu kỹ thuật đặc ra

Tuy nhiên, không phải lúc nào chúng ta cũng có thể xây dựng được mối quan hệ vào ra của hệ thống ở dạng các phương trình toán học Bởi vì một thiết bị sau một khoảng thời gian làm việc sẽ thay đổi các thông số dẫn tới các phương trình được thành lập lúc đầu không còn chính xác

Ngoài ra, trong các hệ thống điều khiển tín hiệu đặt luôn được so sánh với giá trị đo lường trả về để từ các sai lệch đó các phương pháp điều khiển được xây dựng Tuy nhiên, một câu hỏi được đặt ra nếu tín hiệu đo lường trả về không chỉ là tín hiệu ra của hệ thống mà còn bao gồm các tín hiệu nhiễu Như vậy, tín hiệu trả về lúc này cũng đã

có những sai số nhất định và từ đó tín hiệu của bộ điều khiển đưa ra

sẽ không chính xác như lý thuyết, hàm tương quan cung cấp cho chúng ta phương pháp xử lý các tín hiệu nhiễu không mong muốn để

từ đó phương pháp điều khiển sẽ chính xác hơn

Đề tài đề xuất một phương pháp nhận dạng động học của hệ thống, cụ thể là động cơ điện một chiều bằng cách sử dụng hàm tương quan Quá trình nhận dạng thu được sẽ là đáp ứng xung của hệ thống tuyến tính Ưu điểm của phương pháp này là thông qua quá trình đo hai tín hiệu vào và ra của hệ thống để nhận dạng ra được hệ thống chưa biết

Ngoài ra, đề tài sử dụng mạng nơ ron để học lại các tín hiệu động học đã tính toán được ở trên Mục đích là để có được mô hình cho quá trình tính toán điều khiển sau này

Với vấn đề đặt ra như thế, hướng nghiên cứu xây dựng đề tài của tác giả ở đây là nghiên cứu ứng dụng hàm tương quan và mạng nơ ron để nhận dạng động học hệ thống

Với hướng nghiên cứu đó, tên đề tài được chọn:

“SỬ DỤNG THUẬT TOÁN NƠ RON TƯƠNG QUAN ĐỂ NHẬN DẠNG ĐẶC TÍNH ĐỘNG CƠ ĐIỆN”

2 Mục tiêu và phạm vi nghiên cứu

3 Đối tượng phạm vi nghiên cứu

4 Ý nghĩa khoa học và thực tiễn của đề tài

5 Bố cục luận văn

Ngoài phần mở đầu, kết luận và tài liệu tham khảo trong luân văn gồm có các chương như sau:

( )

xy

Mở đầu

Chương 1 :Tổng quan về hàm tương quan và ứng dụng

Chương 2 :Tổng quan về mạng nơ ron

Chương 3 : Sử dụng thuật toán nơ ron tương quan để nhận dạng

đặc tính động cơ Điện

Chương 4 : Kết quả và đánh giá

CHƯƠNG 1 HÀM TƯƠNG QUAN VÀ ỨNG DỤNG

1.1 QUÁ TRÌNH NGẪU NHIÊN

Hàm tự tương quan (auto-correlation), R xx (τ), của tín hiệu x(t)

ngẫu nhiên egodic được sử dụng để đo sự tương quan của tín hiệu

x(t) giữa thời gian t và t+τ , được được tính theo công thức như sau :

2

T xx

Cho hai quá trình ngẫu nhiên egodic đặc trưng bởi hai tín hiệu

ngẫu nhiên x(t) và y(t) Để đo mối quan hệ giữa hai quá trình ngẫu

nhiên ta sử dụng hàm hỗ tương quan (cross-correlation),

2

T xy

Do các tín hiệu n(t), w(t) là tín hiệu nhiễu nên không có mối

tương quan với các tín hiệu x(t) và y(t) dẫn đến:

Xét hệ thống tuyến tính liên tục với tín hiệu vào x(t) và tín hiệu

ra y(t) như sau:

Tiến hành đo các tín hiệu vào và ra ta được các giá trị rời rạc

Từ lý thuyết hàm tương quan, ta có hàm tự tương quan và hổ

tương quan giữa 2 tín hiệu x(n), y(n)

1

1

N xx

g(t)

1.5.1 Nhận dạng đáp ứng xung với hệ thống không nhiễu

Ở phần này, ta sẽ áp dụng hàm tương quan để nhận dạng động

học hệ thống tuyến tính không có nhiễu ở đầu ra được cho bởi hàm

  Bằng cách đưa vào tín hiệu nhiễu ồn

trắng có biên độ 0.1 để từ đó thông qua quá trình tính hàm hổ tương

quan để vẽ ra hàm xấp xỉ đáp ứng xung

Sử dụng phần mềm Matlab để cho ra các kết quả như sau:

Sai số giữa phương pháp tương quan và lý tưởng:

Hình 1.7 Sai số tính tương quan với hệ thống không nhiễu đầu ra

1.5.2 Nhận dạng đáp ứng xung với hệ thống có nhiễu đầu

ra

Xét hệ thống có tín hiệu nhiễu đầu ra như sau:

Hình 1.8 Hệ thống tuyến tính có nhiễu đầu ra

tưởng được thể hiện như Hình 1.5

Tín hiệu nhiễu w(t) có biên độ 0.03

t

Hình 1.9 Đáp ứng xung xấp xỉ bằng hàm tương quan có nhiễu ở

CHƯƠNG 2 TỔNG QUAN MÔ HÌNH MẠNG

2.1.4 Nơron nhân tạo

Một nơron là một đơn vị xử lý thông tin và là thành phần cơ bản của một mạng nơron Cấu trúc của một nơron được mô tả trên (Hình 2.2)

Hình 2.2 Cấu trúc của một nơron Các thành phần cơ bản của một nơron nhân tạo bao gồm:

2.1.5 Mô hình mạng nơ ron

2.1.6 Huấn luyện mạng nơ ron

2.1.7 Ứng dụng thuật toán lan truyền ngược để học dữ liệu: Thuật toán lan truyền ngược:

Xét mạng nơ ron truyền thẳng 3 lớp như sau để học mẫu tín hiệu vào ra (x k ,d k ):

Mỗi nơ ron thứ q ở lớp ẩn liên kết với lớp vào bằng trọng số

alpha và liên kết với lớp ra bằng trọng số w

Thuật toán lan truyền ngược được thực hiện như sau qua 2 giai đoạn:

Giai đoạn 1: Sử dụng bộ mẫu tín hiệu ban đầu để mạng học

theo chiều thuận

Giai đoạn 2: Sử dụng sai lệch e = d-y lan truyền ngược lại để

điều chỉnh các trọng số giữa các lớp

Xét mạng nơ ron lan truyền ngược như sau:

Hình 2.9 Mạng nơ ron 3 lớp lan truyền ngược

Xét nơ ron thứ q lớp ẩn có tổng trọng số là:

(2.4)

Tín hiệu ra nơ ron thứ q của lớp ẩn là:

(2.5)

Xét nơ ron thứ i của lớp ra đồng thời sử dụng (2.4), (2.5) có tổng

trọng số là:

(2.6)

Tín hiệu ra của nơ ron thứ i từ (2.6) của lớp ra là:

(2.7) Trung bình bình phương sai lệch E được tính như sau:

(2.8)

Sử dụng phương pháp hạ Gradient tìm lượng điều chỉnh của

trọng số giữa nơ ron thứ q của lớp ẩn với nơ ron thứ i của lớp ra:

(2.9)

Sử dụng phương pháp hạ Gradient tìm lượng điều chỉnh của

trọng số giữa nơ ron thứ j của lớp vào với nơ ron thứ q của lớp ẩn:

(2.10) Luật cập nhật trọng số ở thời điểm t+1:

(2.11) (2.12)

Trong các biểu thức tính ở trên f(.) là hàm chuyển đổi đại diện

Nếu sử dụng hàm chuyển đổi dạng sigmoid thì ta được:

(2.13)

Ta tìm được các công thức tính các tín hiệu sai lệch như sau:

(2.14) (2.15)

2.1.8 Kết quả ứng dụng thuật toán lan truyền ngược học dữ

liệu

Hình 2.10 Mẫu học cho mạng nơ ron lan truyền ngược

Thông qua quá trình học và điều chỉnh các trọng số ta được kết

qua như Hình 2.11:

t

Hình 2.11 Kết quả học của mạng nơ ron Sai số trong quá trình học giữa mẫu học và kết quả mạng nơ ron

CHƯƠNG 3 SỬ DỤNG THUẬT TOÁN NƠ RON

TƯƠNG QUAN ĐỂ NHẬN DẠNG ĐẶC TÍNH

3.1 LÝ THUYẾT VỀ NHẬN DẠNG HỆ THỐNG

3.1.1 Nhận dạng hệ thống

3.1.2 Nhận dạng mô hình không tham số

3.2 KHÁI QUÁT CHUNG VỀ ĐỘNG CƠ MỘT CHIỀU

3.3 NGUYÊN LÝ CẤU TẠO ĐỘNG CƠ ĐIỆN MỘT CHIỀU

3.4 PHÂN LOẠI ĐỘNG CƠ MỘT CHIỀU

3.4.1 Mô tả toán học động cơ một chiều kích từ độc lập

(3.10)

3.4.2 Áp dụng thuật toán nơ ron tương quan nhận dạng

động học động cơ

Áp dụng thuật toán nơ ron tương quan theo sơ đồ như hình 3.8:

Hình 3.8 Thuật toán nơ ron tương quan Các bước thực hiện thuật toán được thực hiện như sau:

Bước 1: Tính toán các thông số của động cơ một chiều, đối

tượng chưa biết đặc tính

Bước 2: Tiến hành phát tín hiệu nhiễu ồn trắng x(t) vào đối

Bước 6: Sử dụng bộ thông số (k, Ryx( )  ) đã được tính ở bước

5 để làm cơ sở cho quá trình học của mạng nơ ron

Bước 7: Đánh giá kết quả đạt được

Áp dụng thuật toán nơ ron tương quan với đối tượng chưa biết là

động cơ một chiều có các thông số điện như sau:

Áp dụng biểu thức (3.10) ta tính ra được hàm truyền đạt của hệ

Hình 3.10 Xấp xỉ tương quan của đáp ứng xung động cơ một

chiều Hàm hổ tương quan được tính có dạng giống với đáp ứng xung của hệ thống, điều này chứng tỏ tính đúng đắn của phương pháp

Hình 3.11 Lỗi trong quá trình tính xấp xỉ tương quan

Hình 3.12 Mẫu học tương quan của đáp ứng xung động cơ một

chiều

Hình 3.13 Kết quả học của mạng nơ ron

Hình 3.14 Lỗi trong quá trình học của mạng nơ ron

Như vậy, chỉ với tín hiệu nhiễu ồn trắng đưa vào đối tượng bất

kì (ở đây là động cơ một chiều kích từ độc lập) thông qua quá trình

đo mối quan hệ giữa tín hiệu vào vào tín hiệu ra ta đã có được đặc tính tính của hệ thống

3.5 KẾT LUẬN

Với sự kết hợp của mạng nơ ron và hàm tương quan tác giả đã kiểm chứng lại tính đúng đắn của phương pháp Lỗi sai số trong quá trình tính toán so với giá trị lý tưởng nằm trong khoảng giá trị bé Việc nhận dạng được đáp ứng xung của động cơ một chiều kích từ độc lập làm cơ sở cho việc phát triển phương pháp này lên các đối tượng khác, có cấu trúc phức tạp hơn

CHƯƠNG 4 KẾT QUẢ VÀ ĐÁNH GIÁ

4.1 CÁC KẾT QUẢ ĐẠT ĐƯỢC

4.1.1 Xấp xỉ tương quan hệ thống không có nhiễu đầu ra 4.1.2 Xấp xỉ tương quan hệ thống có nhiễu đầu ra

4.1.3 Quá trình học của mạng nơ ron

4.1.4 Sử dụng thuật toán nơ ron tương quan để nhận dạng đặc tính động cơ một chiều

Hình 4.9 Đáp ứng xung lý tưởng động cơ một chiều

t

Hình 4.10 Xấp xỉ tương quan của đáp ứng xung động cơ một

Hình 4.12 Kết quả học của mạng nơ ron

Hình 4.13 Lỗi trong quá trình học của mạng

t

t

4.2 KẾT LUẬN

Sau một thời gian làm việc nghiêm túc, với sự giúp đỡ tận tình của thầy giáo TS Nguyễn Hoàng Mai và các thầy giáo trong bộ môn, luận văn đã hoàn thành đúng thời gian

Luận văn đã giải quyết được các nội dung yêu cầu ban đầu gồm:

Chương 1: Chương này giới thiệu về hàm tương quan, cụ thể là

hàm tự tương quan và hàm hổ tương quan Các tính chất cụ thể của hàm tương quan Ngoài ra, trong chương này tác giả đã trình bày cụ thể thuật toán sử dụng hàm tương quan để nhận dạng mô hình không tham số

Chương 2: Chương này giới thiệu mạng nơ ron, các phương

pháp học của mạng, các hàm chuyển đổi.v.v Thực hiện quá trình học của mạng với mẫu học bất kỳ

Chương 3: Chương này trình bày cụ thể thuật toán nơ ron tương

quan để nhận dạng mô hình không tham số, cụ thể là động cơ một chiều kích từ độc lập Sử dụng Matlab để đưa ra các kết quả đạt được kiểm chứng lại thuật toán đã đề ra ban đầu

Chương 4: Chương này trình bày lại các kết quả mô phỏng đã

đạt được và đưa ra các nhận xét về phương pháp nơ ron tương quan Như vậy, luận văn đã giải quyết yêu cầu đặc ra ban đầu là:

- Trình bày lý thuyết và ứng dụng hàm tương quan trong điều khiển

- Cấu tạo mạng nơ ron nhân tạo và ứng dụng mạng nơ ron để học bộ mẫu ban đầu xác định

- Sử dụng thuật toán nơ ron tương quan nhận dạng mô hình không tham số thông quan đo đạc tín hiệu vào ra của hệ thống

Vì điều kiện thời gian cũng như trình độ còn hạn chế nên tác giả chưa mở rộng được đối tượng áp dụng phức tạp hơn Tuy nhiên đây cũng là một phương pháp hay để nhận dạng mô hình không tham số

4.3 KIẾN NGHỊ

Những kiến nghị về hướng nghiên cứu tiếp theo:

 Nhận dạng on-line hệ thống đang làm việc

 Nhận dạng động học động cơ không đồng bộ ba pha