Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
o0o

LUẬN VĂN THẠC SỸ KỸ THUẬT
NGÀNH: TỰ ĐỘNG HÓA
THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON LÊ THU THỦY
THÁI NGUYÊN 2011
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
***
CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM
Độc Lập - Tư Do - Hạnh Phúc
o0o

THUYẾT MINH
LUẬN VĂN THẠC SỸ KỸ THUẬT

ĐỀ TÀI:
THIẾT KẾ BỘ ĐIỀU KHIỂN TRÊN CƠ SỞ MẠNG NƠRON

Học viên
: Lê Thu Thủy
Lớp
: CH-K12
Chuyên ngành
: Tự động hoá
Người hướng dẫn
: PGS.TS Nguyễn Hữu Công
Ngày giao đề tài
: 2/2011
Ngày hoàn thành đề tài
: 8/2011


thầy, cô giáo, các anh chị và các bạn đồng nghiệp.
Tôi xin bày tỏ lòng biết ơn đến PGS.TS Nguyễn Hữu Công, Người đã tận tình
hướng dẫn tôi hoàn thành luận văn này, đến Khoa Sau Đại học - Trường Đại học Kỹ
thuật công nghiệp đã tạo điều kiện để tôi hoàn thành khóa học.
Tôi xin chân thành cảm ơn Trường Đại học Kỹ thuật Công nghiệp, Phòng Hành
chính Tài vụ, Trung tâm thí nghiệm đã tạo những điều kiện để tôi hoàn thành khóa
học.
Tôi xin chân thành cảm ơn các thầy cô giáo Bộ môn Đo lường & Điều khiển tự
động – khoa Điện tử, Bộ môn Tự động hóa - khoa Điện, Các thầy cô phòng thí
nghiệm Điện – Điện tử đã giúp đỡ và tạo những điều kiện thuận lợi nhất về mọi mặt
để tôi hoàn thành khóa học.

Tác giả luận văn Lê Thu Thủy

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
Mục Lục
Mục lục ……………………………………………………………….………………………….
1
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TĂT ……………… …….………
3
DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ ………….…………….……… ………
5
MỞ ĐẦU …………………………………………………………….…………….…….………
8
1. Tính cấp thiết của đề tài ……………………………….…………………………
8

2.1.2. Cấu trúc chung của bộ điều khiển có phản hồi ……………
30
2.2. Phƣơng pháp thiết kế bộ điều khiển bằng mạng nơron ……… …
31
2.2.1. Lý luận chung ……………….…… ………………………………………
31
2.2.2. Nhận dạng đối tượng sử dụng mạng nơron …………… …….
32
2.2.3. Thiết kế bộ điều khiển sử dụng mạng nơron ……………… …
41
2.3. Nhận dạng đối tƣợng điều khiển sử dụng mạng nơron …… ……
44
2.3.1. Lý luận chung …………… ………………………………………………
44
2.3.2. Nhận dạng đối tượng tuyến tính sử dụng mạng nơron ……
46
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
2.3.3. Nhận dạng đối tượng phi tuyến sử dụng mạng nơron ….….
49
2.4. Thiết kế bộ điều khiển bằng mạng nơ ron theo mô hình mẫu ….
51
2.4.1. Hệ thống điều khiển theo mô hình mẫu …………………….……
51
2.4.2. Thiết kế bộ điều khiển nơron theo mô hình mẫu ……….……
52
CHƢƠNG 3 ỨNG DỤNG MẠNG NƠ RON THIẾT KẾ BỘ ĐIỀU
KHIỂN THEO MÔ HÌNH MẪU ………………………………………………………

54

MSE
Sai lệch bình phƣơng cực tiểu, viết tắt của (Mean Square Error)
ANN
Mạng nơron nhân tạo (Artificial Neural network )
LM
Thuật toán Leveber – Marquart
BIBO
Tín hiệu vào ra có giới hạn, viết tắt của (Bound Input Bound Output)
MISO
Hệ nhiều đầu vào một đầu ra, viết tắt của (Multi Inputs Single Output)
MRAC
Model Referance Adaptive Control
MRC
Model Referance Control
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
BẢNG KÝ HIỆU
1. A =  a
ij

: ma trận mxn chiều.
2. A
T

: ma trận chuyển vị của A.
3.
A

: ma trận liên hợp của A
4. A

: ma trận trọng liên kết nxm chiều
13. (
T
)
: ký hiệu chuyển vị
14. x = [x
1
, , x
n
]
T
 R
: véc tơ cột x
15. g(x)/x
: đạo hàm riêng
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ
Hình 1.1 Mạng nơ-ron đơn giản gồm 2 nơron ………………………………………
10
Hình 1.2 Mô hình nơron nhiều đầu vào ……………………………………………… ….
12
Hình 1.3 Mạng nơron có đặc tính động học và tuyến tính ………………………….…
14
Hình 1.4 Mạng nơron có đặc tính phi tuyến tĩnh ……………………………… ………
14
Hình 1.5 Mạng nơron có đặc tính động học phi tuyến …………………………….……
16
Hình 1.6 Cấu trúc của các khối TDL-1 và TDL-2…………………………… …………
16

41
Hình 2.12 Bộ điều khiển thể hiện bằng nơ-ron trong cấu trúc điều khiển theo
vòng kín …………………………………………………………………………………………
42
Hình 2.13 Mạng nơ-ron đƣợc luyện bắt chƣớc bộ điều khiển…………………….……
43
Hình 2.14 Sai lệch đầu ra………………………………………………………………………
46
Hình 2.15 Sơ đồ xử lý tín hiệu của đối tƣợng………………………………………….….
47
Hình 2.16 Sơ đồ khối mô hình II………………………………………………………….…
50
Hình 2.17 Sơ đồ khối mô hình III……………………………………………………………
50
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
Hình 2.18 Sơ đồ khối mô hình IV……………………………………………………………
51
Hình 2.19 Sơ đồ hệ thống điều khiển theo mô hình mẫu………………………………
51
Hình 2.20 Sơ đồ huấn luyện bộ điều khiển nơron NN ………………………………….
52
Hình 3.1 Các tập mẫu P và T dùng để luyện mạng .……….….…………………………
54
Hình 3.2 Các kỉ nguyên luyện mạng ……………………………………… ………………
54
Hình 3.3 Các kết quả luyện mạng .………………………………………………………….
55
Hình 3.4 Sơ đồ mô phỏng ………………………………………….………………………….
55

Hình 3.20 Các kỉ nguyên luyện mạng …………………………………… ……………….
65
Hình 3.21 Mô phỏng kết xuất thực, đích và sai số của mạng ………………………
66
Hình 3.22 Mô hình nhận dạng hệ trong simulink ………………………………………
66
Hình 3.23 Đặc tính E
p
(k) và Y
p
……………………………………………………………
67
Hình 3.24 Đặc tính của f[u(k)
1
, N[u(k)
1
…………………………………………………
67
Hình 3.25 Đặc tính của f[u(k)
2
] , N[u(k)
2
] ………… ………………………………
68
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
Hình 3.26 Mô hình nhận dạng hệ trong simulink ………………………………………
69
Hình 3.27 Đầu ra của mô hình nhận dạng hệ thống ……………………………………
69

Hình 3.43 Sai lệch đầu ra của NN model và đối tƣợng …………………………………
83
Hình 3.44 Mô hình mạng nơ ron của đối tƣợng ………………………………………….
84
Hình 3.45 Tín hiệu vào và ra của mẫu ……………………………………………………
85
Hình 3.46 Đầu ra của model, sai lệch giữa đầu ra của model và đối tƣợng ………
85
Hình 3.47 Sai lệch mse giữa đầu ra của NN model và đối tƣợng …………………….
86
Hình 3.48 Sơ đồ cấu trúc mạng NN controller …………………………………………
95
Hình 3.49 Tín hiệu vào và ra của mẫu ……………………………………………………
98
Hình 3.50 Đầu ra của đối tƣợng, sai lệch giữa đói tƣợng và mô hình ……………….
98
Hình 3.51 Sai lệch mse giữa đầu ra của đối tƣợng và mô hình ……………………….
98

ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
MỞ ĐẦU
1. Tính cấp thiết của đề tài
Ngày nay, trí tuệ nhân tạo đang phát triển mạnh mẽ nhằm tạo ra cơ sở
xây dựng các hệ chuyên gia, hệ trợ giúp quyết định. Trí tuệ nhân tạo đƣợc xây
dựng trên cơ sở mạng nơron nhân tạo và ứng dụng trong thiết kế hệ thống
điều khiển thông minh mà trong đó bộ điều khiển có khả năng tƣ duy nhƣ bộ
não của con ngƣời đang là xu hƣớng mới trong điều khiển tự động.
Đặc biệt trong những năm gần đây mạng nơron nhân tạo ANN
(Artificial Neural Network) ngày càng đƣợc ứng dụng rộng rãi trong nhận

Ta có thể làm chủ đƣợc chƣơng trình huấn luyện mạng nơron và có thể
có những cải tiến nhiều trong tƣơng lai.
Sử dụng mạng nơron để điều khiển một số đối tƣợng động học phi
tuyến.
*.Ý nghĩa thực tiễn
Các kết quả nghiên cứu của đề tài có thể sử dụng trong giảng dạy, ứng
dụng vào quá trình sản xuất và nghiên cứu về mạng nơron trong tƣơng lai.
Hệ thống nhận dạng và điều khiển dùng mạng nơron này hoàn toàn có
thể áp dụng cho các hệ thống xử lý nƣớc thải, điều khiển chuyển động của
robot, các đối tƣợng động học phi tuyến khác.
5. Kết cấu luận văn
Chƣơng 1: Tổng quan về mạng nơron
Chƣơng 2: Cơ sở việc thiết kế bộ điều khiển bằng mạng nơron
Chƣơng 3: Ứng dụng mạng nơron thiết kế bộ điều khiển theo mô hình
mẫu
Chƣơng 4: Kết luận và kiến nghị.
CHƢƠNG 1
TỔNG QUAN VỀ MẠNG NƠRON
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
Hình 1.1 Mạng nơron đơn giản gồm 2 nơron
1.1. Giới thiệu tóm tắt về mạng nơron
1.1.1. Mạng nơron sinh học
Mạng nơron là sự tái tạo bằng kỹ thuật những chức năng của hệ thần
kinh con ngƣời. Trong quá trình tái tạo không phải tất cả các chức năng của
bộ não con ngƣời có đều đƣợc tái tạo mà chỉ có những chức năng cần thiết.
Bên cạnh đó có những chức năng mới đƣợc tạo ra nhằm giải quyết một bài
toán điều khiển đã định trƣớc.
Mạng nơron bao gồm vô số các nơron đƣợc liên kết truyền thông với
nhau trong mạng. Hình 1.1 là một phần của mạng nơron bao gồm hai nơron.

nơron.
Một tính chất quan trọng của nơron sinh học là các đáp ứng theo kích
thích có khả năng thay đổi theo thời gian. Các đáp ứng có thể tăng lên, giảm
đi hoặc hoàn toàn biến mất. Qua các nhánh axon liên kết tế bào nơron này với
tế bào nơron khác. Sự thay đổi trạng thái của một nơron cũng kéo theo sự thay
đổi trạng thái của những nơron khác và do đó là sự thay đổi của toàn bộ mạng
nơron. Việc thay đổi trạng thái của mạng nơron có thể thực hiện qua một quá
trình dạy hoặc do khả năng học tự nhiên.
1.1.2. Mạng nơron nhân tạo (Artificial Neural network - ANN)
Từ những nghiên cứu tính chất cơ bản của mạng nơron sinh học. Ngƣời
ta thay thế những tính chất này bằng một mô hình toán học tƣơng đƣơng đƣợc
gọi là mạng nơron nhân tạo. Mạng nơron nhân tạo có thể đƣợc chế tạo bằng
nhiều cách khác nhau vì vậy trong thực tế tồn tại rất nhiều kiểu mạng nơron
nhân tạo.
Mô hình của Nơron có thể đƣợc cấu tạo từ 3 thành phần chính: Phần
tổng các liên kết đầu vào, phần động tuyến tính, phần phi tuyến không động
học.
Hình 1.2 biểu diễn một nơron nhân tạo đơn giản bao gồm m đầu vào và
một đầu ra.

w
1

p
1

+ f

… w
n
: n trọng số
b: tham số bù
a = f(n): hàm truyền
Đứng về mặt hệ thống, một nơron là một hệ thống MISO quen thuộc
với nhiều đầu vào và một đầu ra.
Quan hệ giữa các đầu vào và ra của một nơron đƣợc biểu diễn bằng
phƣơng trình toán học nhƣ sau:

 
bwpbppp
w
w
w
bwpn
m
m
m
k
kk










1
1
2
2



 n
e
a

a= logsig(n)
1
1
n
a
e




a = radbas(n)
2
n
ae

a = satlins(n)

lớp và số nơron trong mỗi lớp càng ít càng tốt. Ở đây trình bày cấu trúc mạng
đơn giản nhất nhƣng rất hiệu quả trong nhận dạng đối tƣợng.

*.Mạng nơron phi tuyến tĩnh
Mạng nơron phi tuyến tĩnh có cấu trúc nhiều lớp trong đó có ít nhất là
một lớp với hàm truyền là hàm phi tuyến. Dƣới đây là sơ đồ cấu trúc một
mạng nơron phi tuyến tĩnh.
+
z

10
u
y
purelin
Hình 1.3 Mạng nơron có đặc tính động học và tuyến tính
b
1
1 t

LW
32

LW
21

IW
11

b
2
1
p
q
r
1
qx1
rx1

với nơron lớp ẩn có kích thƣớc r hàng và q cột.
Khối LW
32
là ma trận các trọng số liên kết giữa các đầu ra của lớp ẩn
với nơron lớp ra có kích thƣớc 1 hàng và r cột.
Các hàm truyền f ở trong cùng một lớp đƣợc chọn giống nhau. Lớp vào
và lớp ẩn cùng sử dụng các hàm truyền tansig, lớp ra sử dụng hàm truyền
purelin.
Các khối b
1
, b
2
và b
3
là các véc tơ hệ số thiên dịch, có số hàng bằng số
nơron có trong lớp tƣơng ứng và có số cột bằng một.
Nhƣ vậy cấu trúc của mạng không những thể hiện ở số nơron ở mỗi lớp
mà còn thể hiện ở số lớp nơron và hàm truyền.
Sau khi huấn luyện, nếu thấy trong ma trận LW
32
có phần tử ở cột thứ I
bằng không thì ta có thể loại bỏ nơron thứ I ở lớp trƣớc nó. Đây là điều kiện
quan trọng để ta có thể xác định cấu trúc mạng nơron trong quá trình nhận
dạng đối tƣợng.
Mạng nơron phi tuyến đƣợc ứng dụng để nhận dạng đối tƣợng phi
tuyến tĩnh, sẽ đƣợc trình bày ở phần sau.
*.Mạng nơron động học phi tuyến
Là một mạng nơron gồm nhiều lớp có các hàm truyền phi tuyến và các
khâu trễ. Đây là một loại mạng nơron mà quan hệ vào và ra của nó không
những thể hiện tính phi tuyến mà còn thể hiện cả tính động học, do đó cấu

Hình 1.5 Mạng nơron có đặc tính động học phi tuyến
b
1
1 t

LW
32

LW
21

IW
11

b
2
1
TDL-1
0 1 m

p
LW
13

TDL-2
1 2 . n
1

-1
TDL-2
Hình 1.6 Cấu trúc của các khối TDL-1 và TDL-2
ThiÕt kÕ bé ®iÒu khiÓn trªn c¬ së m¹ng N¬-ron
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc-tnu.edu.vn
Vậy ta phải cố gắng giảm số nhịp trễ đến mức ít nhất có thể, có nghĩa
là khi chƣa biết cấu trúc thì phải chọn nhịp trễ nhỏ nhất, sau đó tăng dần số
nhịp trễ nếu nhƣ sai lệch còn lớn.
Khối IW
11
là một ma trận các trọng số liên kết giữa đầu vào thứ nhất
với lớp vào có kích thƣớc q hàng và m+1 cột. Khối LW
21
là ma trận các trọng
số liên kết giữa các đầu ra của lớp vào với các nơron lớp ẩn có kích thƣớc r
hàng và q cột. Khối LW
32
là ma trận các trọng số liên kết giữa các đầu ra của
lớp ẩn với các nơron của lớp ra có kích thƣớc 1 hàng và r cột. Khối LW
13
là
ma trận các trọng số liên kết giữa đầu ra của lớp ra với các nơron của lớp vào
có kích thƣớc q hàng và n cột.
Hàm f ở trong cùng một lớp đƣợc chọn giống nhau. Lớp vào và lớp ẩn
cùng sử dụng các hàm tansig, lớp ra sử dụng hàm purelin.
Các khối b
1
, b
2
và b

1.1.4. Luyện mạng Nơron
Khi xây dựng mạng để mạng có thể thực hiện đƣợc các công việc mà
ngƣời sử dụng mạng yêu cầu thì mạng nơron cần phải đƣợc học, việc học bao
gồm:
- Học cấu trúc: cần xác định đƣợc số lớp của mạng, số nơron trong mỗi
lớp để mạng có thể đáp ứng đƣợc nhu cầu về ứng dụng mạng.
- Học tham số: cần phải xác định mối liên hệ giữa các nơron với nhau, tức
là phải xác định các tham số trọng, các hàm kích hoạt phải đƣợc chọn
1.1.4.1. Các phƣơng pháp luyện mạng
Việc luyện mạng có thể đƣợc thực hiện theo phƣơng pháp cần có tín
hiệu yêu cầu hay không (để so sánh với kết quả không), do vậy có các phƣơng
pháp cơ bản sau:
- Cần có tín hiệu chỉ đạo (học có giám sát hay học có thầy giáo): đƣa
cho mạng các ví dụ số liệu vào ra, mạng biến đổi số liệu vào và so sánh với
đầu ra của mình với đầu ra mong muốn.
- Cần có tín hiệu chỉ đạo nhƣng không chi tiết (luyện mạng bằng cách
củng cố dần kiến thức): Trong trƣờng hợp này không đƣa cho mạng giá trị
đầu ra mong muốn mà chỉ đƣa ra đánh giá đầu ra tốt hay xấu, ví dụ: đúng –
sai, đƣợc – không.
Thiết kế bộ điều khiển trên cơ sở mạng Nơ-ron
S húa bi Trung tõm Hc liu HTN http://www.lrc-tnu.edu.vn
- Khụng cn tớn hiu ch o (hc khụng giỏm sỏt hay hc khụng thy
giỏo): Bn thõn mng t xõy dng lut hc bng cỏch tỡm ra cỏc c trng ca
tp s liu vo
Dng chung cho hc tham s:
w
i
(t) = rx (1-1)
: Tc luyn mng.
1.1.4.2. Cỏc lut luyn mng nron

1
, x
2
, x
3
, x
4
] theo tp 3 mu sau:














0
5,0
5,1
1
1
x
,









5,0
1
0
1
3
x
,

1
1
0
chọn giá trị w , 1.
1
0










0






) = Sgn(1+0-0.5+0) = Sgn(0,5) = 1
w = 1.1.
1
1,5
0,5
0






, w
(2)
= w
(1)
+ w =
1 1 2
0 1,5 1,5
1 0,5 0,5
0 0 0
     
     

     
  

     


     

     
 
2 0,5 2 0,5 1,5
1,5 1 1,5 1 2,5
Sgn 1 1,5
0,5 0 0,5 0 0,5
0 1,5 0 1,5 1,5

         
         
         
      
         
  
         
         Bƣớc 3:

vào, n đầu ra. Thêm vào đầu vào x
m
=-1, cùng với các trọng w
1m
= 
1
, w
2m
=

2
,. . . w
nm
= 
n
. Để biểu diễn không tƣờng minh véc tơ ngƣỡng.
Có phƣơng trình mô tả sau:

Trích đoạn Cấu trúc chung của một hệ thống điều khiển

---