TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT
KHOA ĐIỆN TỬ BÀI GIẢNG: ĐIỀU KHIỂN THÔNG MINH BIÊN SOẠN:

NGUYỄN VIỆT HÙNG
NGUYỄN TẤN ĐỜI
TRƯƠNG NGỌC ANH
TẠ VĂN PHƯƠNG
Nhóm các tác giả
Trường ĐH SPKT TP. HCM
Thư viện ĐH SPKT TP. HCM -
Bản quyền thuộc về Trường ĐH SPKT TP. HCM
MỤC LỤC

Trang
Lời nói đầu i
Chương Một:

M
ở
đ
ầu
1 1

H
ệ thống
đi
ều khiển truyền thống

1

2


đ
ọc

5

8

L
ời cảm tạ

5

Chương Hai:
T
ập Mờ (FUZZY) và các quan hệ
6

1

T
ập mờ

6

2

Đ

ểu diễn dùng nền t
ương đ
ồng

103.2

Bi
ểu diễn dùng tham số chức n
ăng

113.3

Bi
ểu diễn theo
đi
ểm

123.4

Bi
ểu diễn theo mức tập hợp


184.5

Biên ngơn ng
ữ

19

5 Quan hệ mờ 20
6 Tổ hợp quan hệ 21
7

Tóm t
ắt các
đi
ểm cần quan tâm

23

8

Bài t
ập

23
Suy di
ễn trong mơ hình ngơn ngữ

292.3

Suy di
ễn Max
-
min (Mamdani)

34

Trường ĐH SPKT TP. HCM
Thư viện ĐH SPKT TP. HCM -
Bản quyền thuộc về Trường ĐH SPKT TP. HCM

2.4

Gi
ải mờ

37

2.5 Phép hàm ý mờ và suy diễn Mamdani 38

2.6 Luật dùng nhiều ngõ vào, kết nối luận lý 40



5.2 Dùng mơ hình TS làm hệ giả-tuyến tính 52

6

H
ệ mờ
đ
ộng

53

7

Tóm t
ắt
và các đi
ểm cần quan tâm

55

8

Bài t
ập

55


1.3

T
ổng quan về các ph
ương pháp xâu chu
ỗi

58

2 Phép chia partition cứng và chia partition mờ 58
2.1 Chia partition cứng 592.1

Chia partition m
ờ

602.3

Chia partition possibillistic

61

3



Thu
ật tốn Gustafson
-
Kessel

694.1

Các tham s
ố của thuật tốn Gustafson
-
Kessel

714.2

Phép di
ễn
đ
ạt ma trận cluster
đ
ồng ph
ương sai

71

773.2

Mơ hình hóa t
ừ bảng mẫu

773.3

Mơ hình m
ờ
-
nơrơn (Neural
-
Fuzzy)

79

3.4 Kiến tạo dùng phương pháp xâu chuỗi 80

Trường ĐH SPKT TP. HCM
Thư viện ĐH SPKT TP. HCM -
Bản quyền thuộc về Trường ĐH SPKT TP. HCM
4

Mơ hình Semi

2 Điều khiển mờ và bộ điều khiển phi tuyến tham số hóa 91
3 Bộ điều khiển Mamdani 93

3.1

B
ộ lọc
đ
ộng tr
ư
ớc

943.2

B
ộ lọc
đ
ộng sau

953.3

Lu
ật nền



7.2

Lu
ật nền và các hàm thành viên

1087.3

Cơng c
ụ dùng phân tích và mơ phỏng

109

7.4 Bộ tạo mã nguồn và kết nối thơng tin 109

8 Tóm tắt và các điểm cần quan tâm 110
9

Bài t
ập

111

5

H
ọc

116

6

M
ạng n
ơrơn nhi
ều lớp

116

6.1 Bước tính thuận 117

6.2 Khả năng xấp xỉ 1186.3

Hu
ấn luyện, Thuật tốn lan truyền ng
ư
ợc

121

1

Đi
ều khiển nghịch

1281.1

Đi
ều kh
i
ển truyền thẳng vòng hở

129

1.2 Điều khiển phản hồi vòng hở 129

Trường ĐH SPKT TP. HCM
Thư viện ĐH SPKT TP. HCM -
Bản quyền thuộc về Trường ĐH SPKT TP. HCM

1.3

Tính tốn ph
ần nghịch

130

2.3

Ngun lý chân tr
ời lùi dần

140

2.4 Tối ưu hóa trong MBPC 140

3 Điều khiển thích nghi 144

3.1

Đi
ều khiển thích nghi gián tiếp

1453.2

H
ọc t
ăng cư
ờng

146


Bản quyền thuộc về Trường ĐH SPKT TP. HCM
ĐIỀU KHIỂN THƠNG MINH
TRANG – 1 1
MỞ ĐẦU

Chương trình bày phần mở đầu ngắn về mục đích của sách và giới thiệu tóm tắt
các chương. Đồng thời cung cấp thơng tin về kiến thức cần trang bị cho người đọc.
Cuối cùng, giới thiệu phần hỗ trợ từ các trang WEB và từ MATLAB.

1. Hệ thống điều khiển truyền thống
Lý thuyết điều khiển truyền thống dùng các mơ hình tốn học như phương trình
vi phân và phương trình sai phân, theo đó các phương pháp và thủ tục thiết kế phân
tích và kiểm nghiệm hệ thống điều khiển đã được phát triển. Tuy nhiên, các phương
pháp này chỉ ứng dụng được trong một lớp nhỏ các mơ hình (mơ hình tuyến tính và
một số dạng đặc biệt của mơ hình phi tuyến) và thường khơng ứng dụng được nếu
khơng tìm ra được mơ hình cũa đối tượng hay q trình điều khiển. Ngay khi có được
mơ hình chi tiết trên ngun tắc thì vẩn chưa có được phương pháp thiết kế nhanh và
ln cần đến việc mơ hình hóa tỉ mỉ, nên cần phát triển các hướng khác trong thiết kế.

2. Hệ điều khiển thơng minh
Thuật ngữ “ Điều khiển thơng minh” đã được giới thiệu trong khoảng ba thập
niên với các phương pháp điều khiển có mục tiêu tham vọng hơn so với các hệ thống
truyền thống. Trong khi hệ thống truyền thống thường cần các chi tiết dù nhiều dù ít
về q trình điều khiển thì hệ thống điều khiển thơng minh có thể điều khiển một cách
tự chủ các hệ thống phức tạp, các q trình chưa được hiểu biết nhiều thí dụ như về
mục tiêu điều khiển. Hệ thống này còn hoạt động được khi hệ thống có sự thay đổi về
tham số hay mơi trường điều khiển, thơng qua q trình học từ kinh nghiệm, tiếp thu
và tổ chức kiến thức về mơi trường xung quanh và hành vi sắp tới của hệ thống. Các
mục tiêu đầy tham vọng này, xuất phát từ mong muốn bắt chước khả năng tuyệt vời
của não bộ con người, mà thực ra cho đến giờ này thì chưa có hệ thống điều khiển

nghĩa của các thừa số ngơn ngữ (thí dụ, nhiệt độ cao) được biểu diễn thơng qua tập
mờ, là tập có các biên chồng khớp, xem hình 1.1. Theo ý nghĩa của tập mờ, thì một
miền phần tử có thể đồng thời nằm trong nhiều tập (với các cấp độ tham gia khác
nhau). Thí dụ t = 20◦C nằm trong tập nhiệt độ Cao có hàm thành viên là 0.4 và trong
tập nhiệt độ Trung bình với hàm thành viên là 0.2. Sự thay đổi từ hàm thành viên sang
khơng tham gia cho một kết quả suy diễn mịn dùng luật mờ nếu-thì; thực ra là một
dạng nội suy.
Hệ logic mờ thích hợp để biêu diễn kiến thức định tính, có thể từ chun gia (trong
hệ điều khiển mờ dùng nền tri thức) hay có thể lấy tự động từ dữ liệu (quy nạp, học).
Trường hợp này thuật tốn xâu chuỗi mờ thường được dùng để phân chia dữ liệu thành
nhóm các đối tượng giống nhau. Từ đó, tìm được tập mờ và các luật nếu-thì cho các
phân hoạch như mơ tả ở hình 1.2. Phương pháp cho số lượng lớn các dữ liệu nhiều
chiều được làm gọn, tạo ra các tóm tắt định tính. Nhằm gia tăng tính mềm dẽo cùng
khả năng biểu diễn, có thể tìm được mơ hình hồi qui từ phần hệ quả của luật (thường
được gọi là hệ mờ Takagi–Sugeno).
Mạng nơrơn nhân tạo (Artificial Neural Networks) là các mơ hình đơn giản bắt chước
chức năng của hệ nơrơn sinh học. Trong hệ logic mờ, thơng tin được biểu diễn một
cách tường minh theo dạng nếu-thì, còn trong mạng nơrơn, thơng tin này được ‘mã
hóa’ một cách khơng tường minh thành các thơng số mạng. Khác với các kỹ thuật
dùng nền tri thức (knowledge-based techniques), trong mạng khơng cần có kiến thức
ẩn nào khi ứng dụng. Ưu điểm lớn nhất là khả năng học các quan hệ chức năng phức
tạp bằng cách tổng qt hóa từ một lượng giới hạn của dữ liệu huấn luyện. Mạng
nơrơn hiện có thể dùng làm mơ hình (dạng hộp đen) cho hệ phi tuyến, đa biến tĩnh và
động và có thể được huấn luyện dùng chính tập dữ liệu vào-ra quan sát được từ hệ
thống.
Trường ĐH SPKT TP. HCM
Thư viện ĐH SPKT TP. HCM -


4. Tổ chức của tài liệu
Tài liệu được tổ chức thành tám chương. Chương 2 trình bày ngun lý cơ bản
của lý thuyết tập mờ. Chương 3 giới thiệu các dạng hệ mờ khác nhau cùng ứng dụng
trong mơ hình hệ thống động. Kỹ thuật tập mờ rất hữu ích khi phân tích dữ liệu và
nhận dạng mẫu. Tiếp đến, chương 4 giới thiệu các ý niệm cơ bản về phương pháp xâu
chuỗi mờ (fuzzy clustering), được dùng trong kỹ thuật kiến tạo mơ hình mờ từ dữ liệu.
Các kỹ thuật kiến trúc dùng dữ liệu được đề cập trong chương 5. Bộ điều khiển có thể
được thiết kế khơng cần mơ hình đối tượng. Chương 6 đề cập đến các bộ điều khiển
mờ khơng cần mơ hình đối tượng trên cơ sở biến ngơn ngữ. Chương 7, giải thích các
thuật ngữ cùng kiến trúc và việc huấn luyện mạng nơrơn nhân tạo. Các mơ hình nơrơn
và mờ có thể dùng trong thiết kế điều khiển hay dùng như một phần của các sơ đồ điều
khiển có dùng mơ hình như giới thiệu trong chương 8.
Mong muốn của tác giả là giới thiệu các thơng tin mới (kỹ thuật mờ và mạng
nơrơn) mà khơng cần có kiến thức tiên quyết để hiểu được giáo trình. Tuy nhiên, độc
giả cần có kiến thức vè tốn giải tích (hàm đơn và đa biến), đại số tuyến tính (hệ
phương trình tuyến tính, nghiệm bình phương tối thiểu) và kiến thức về điều khiển và
hệ thống (hệ động, phản hồi trạng thái, điều khiển PID, phương pháp tuyến tính hóa).

5. Các hỗ trợ từ WEB và Matlab
Tư liệu trong sách được cung cấp từ trang Web chứa các thơng tin của bài giảng
‘Knowledge-Based Control Systems’ (SC4080) tại Delft University of Technology,
cùng một số tư liệu download (MATLAB tools and demos, tóm lược bài giảng, các thí
dụ). Địa chỉ ( Sinh viên học lớp này được phép (và
khuyến khích) mượn phần MATLAB Classroom Kit dùng cho máy tính tại nhà riêng
trong thời gian theo học.

6. Tài liệu cần đọc

 Harris, C.J., C.G. Moore and M. Brown (1993). Intelligent Control, Aspects of