-1-

MỞ ĐẦU
1. Tính cấp thiết của đề tài.
Trong nền công nghiệp hiện đại ngày nay vẫn còn sử dụng một khối lượng lớn
các động cơ điện một chiều trong truyền động điện. Đặc biệt là trong truyền động
điện yêu cầu độ chính xác cao, độ ổn định lớn, độ quá điều chỉnh (độ vọt lố) tốc độ
cũng như thời gian quá độ yêu cầu ngày càng khắc khe hơn, vùng điều chỉnh lớn
hơn.
Hiện nay, các đề tài nghiên cứu ứng dụng động cơ điện một chiều trong nước
cũng như trên thế giới đã và đang được quan tâm nhưng chất lượng điều khiển vẫn
còn hạn chế ở một số mức độ. Một thực tế là việc nghiên cứu xây dựng bộ điều
khiển tốc độ động cơ điện một chiều trên tốc độ định mức (trên tốc độ cơ bản) có
tham số J biến đổi gặp nhiều khó khăn do hệ có tính phi tuyến cao cả về cấu trúc lẫn
thông số. Cụ thể là tính phi truyến của mạch từ do hiện tượng bảo hoà mạch từ, về
thông số thì giữa mô men và tốc độ cũng là quan hệ phi tuyến lớn ở vùng làm việc
của động cơ trên tốc độ cơ bản. Cùng một lúc giải quyết hai bài toán phi tuyến trong
một bộ điều khiển là một vấn đề rất khó khăn, phức tạp và gặp không ít trở ngại.
Mạng nơ ron nhân tạo (ANN: Artificial neural network) có ưu điểm là hệ xử lý
song song, vì vậy tốc độ xử lý thông tin rất nhanh. Do có khả năng “học” mà mạng
nơ ron nhân tạo hứa hẹn ứng dụng nhiều trong lĩnh vực khoa học kỹ thuật, mạng có
khả năng thực hiện các hiệu chỉnh phi tuyến bậc cao với thời gian tính toán (học)
nhanh và tốc tốc độ chính xác cao, nhất là trong hệ phi tuyến mạnh, hệ có tham số
chưa biết trước hoặc tham số tham số biết không đầy đủ, không chính xác.
Tuy nhiên, hiện nay việc ứng dụng mạng nơ ron cũng như xây dựng bộ điều
khiển phi tuyến để điều khiển hệ thống có tính phi tuyến mạnh như động cơ điện
một chiều có rất ít công trình quan tâm nghiên cứu nhất là trong nước ta. Vì vậy
nghiên cứu xây dựng bộ điều khiển phi tuyến và ứng dụng mạng nơ ron để điều
khiển động cơ điện một chiều kích từ độc lập làm việc ổn định trong vùng trên tốc
độ cơ bản là rất cần thiết.


ngoài, ngoài cách điều chỉnh điện áp mạch roto (điều chỉnh điện áp phần ứng), còn
có cách thay đổi dòng điện kích từ cũng có thể điều chỉnh vô cấp tốc độ (còn gọi là
điều chỉnh từ thông). Điều chỉnh điện áp phần ứng giảm tốc độ từ tốc độ cơ bản (tốc
độ quay định mức), ở các tốc độ quay khác nhau mô men quay truyền ra trên trục
không đổi gọi đó là phương pháp điều tốc mô men hằng số.
Điều khiển từ thông làm tăng tốc độ từ tốc độ cơ bản, ở các tốc độ quay khác
nhau sông suất truyền ra trên trục động cơ về cơ bản là không đổi và gọi đó là
phương pháp điều tốc công suất hằng số, lúc này tốc độ quay càng cao thì mô men
cho phép càng nhỏ. Đối với phụ tải mang tính mô men hằng số, chẳng hạn như máy
tời ở các mỏ khai thác khoán sản, để sử dụng tốt động cơ điện rõ ràng là nên dùng
phương pháp điều tốc mô men hằng số. Đối với phụ tải mang tính công suất hằng
số, chẳng hạn như trục chính máy cắt kim loại, nói chung thường dùng phương
pháp điều tốc công suất không đổi.
Nhưng vì phạm vi điều chỉnh từ thông bị hạn chế, thường không quá 1:2, ở
những động cơ đặc biệt cũng không quá 1:3 hoặc 1:4; lúc yêu cầu phạm vi điều
chỉnh vượt quá các trị số trên là bắt buộc phải dùng kết hợp cả hai phương án, nghĩa
là ở dưới tốc độ cơ bản giữ cho từ thông định mức không đổi, chỉ điều chỉnh điện áp
mạch roto, còn khi ở trên tốc độ cơ bản thì giữ cho điện áp định mức không đổi,
giảm từ thông để tăng tốc độ; đặc tính phối hợp như vậy được thể hiện trên hình 1.1.
Từ hình 1.1. ta thấy khi khởi động không tích hợp cho cách giảm từ thông, mà
nên duy trì từ thông ở định mức rồi tăng điện áp khởi động mới có được mô men
khởi động đủ lớn. Sau khi điện áp phần ứng đạt tới giá trị định mức mới có thể giảm
từ thông để tăng tốc độ trên tốc độ định mức.


-4-

U
Tm
φ

đổi, để thay đổi tốc độ động cơ thường người ta thực hiện việc thay đổi từ thông
kích từ. Sơ đồ chức năng của hệ thống biểu diễn trên hình 1.2.
Bộ chỉnh lưu có điều khiển số 3 cấp điện cho mạch kích từ số 4 của động cơ số
1. Ở hệ thống sử dụng có điều chỉnh mắc nối tiếp với nhau: bộ điều chỉnh dòng kích
từ số 9, bộ điều tốc số 10 và bộ điều chỉnh suất điện động (sđđ) số 11. Khi tín hiệu
điều khiển w’mz ≠ 0, làm tăng tín hiệu tốc độ w mz, hiệu của hai tín hiệu tốc độ (w mz wm) làm cho bộ điều tốc số 10 hoạt động, gây tác động của bộ điều chỉnh dòng điện
số 9, kết quả là góc chậm mở Thyistor của số 3 tăng dòng kích từ I f giảm, từ trường
yếu đi, tốc độ động cơ tăng.
Khi giảm nhảy bậc tín hiệu w’mz, có thể làm sđđ động cơ tăng tới giá trị vượt
giá trị cho phép, song bộ điều chỉnh số 11 chống lại điều đó. Thật vậy khi U > E z
(Ez là điện áp cho trước) tín hiệu vào số 11 tăng, kết quả làm yếu từ trường nên giới
hạn độ tăng của sđđ E roto. Đối tượng điều chỉnh có ba hằng số thời gian: hằng số
thời gian mạch kích từ, hằng số thời gian mạch roto và hằng số thời gian điện cơ.


-5-

It, it(t)
w'mz
Ez

11
PI

wmz

+

wm


eb(t)
Va(t)

1 Eb

4
6

7

Hình 1.2. Truyền động điện điều chỉnh tốc độ động cơ bằng giảm từ thông.
Trong những hệ thống có công suất lớn, hằng số thứ nhất lớn hơn thứ ba,
nhưng hằng số thời gian điện cơ lại lớn hơn hằng số thời gian điện từ roto rất nhiều,
nên bộ điều chỉnh dòng điện dùng loại P còn bộ điều tốc dùng loại PID.
Chất lượng của các bộ điều khiển trên có chất lượng động học trong quá trình
điều chỉnh tốc độ động cơ trên tốc độ cơ bản chưa cao: độ quá điều chỉnh còn lớn,
thời gian quá độ lớn, tốc độ điều chỉnh còn nhiều dao động mặc dù đã bám tốc độ
đặt nằm trong phạm vi ± 5%.
Đây là định hướng nghiên cứu của đề tài nhằm thay thế các bộ điều khiển kiểu
cổ điển như PI, P như trên để cải thiện chất lượng điều khiển.
1.3. Tổng hợp và đánh giá các công trình nghiên cứu liên quan vấn đề điều
khiển từ thông.
Điều khiển từ thông cho động cơ điện một chiều để điều chỉnh tốc độ trên tốc
độ cơ bản ngoài các phương pháp kinh điển như P, PI, PID có nhiều phương pháp
được đề nghị theo các hướng nghiên cứu khác, cụ thể như sau:
1) Điều khiển bám (Control Tracking) [18]: Dùng phương pháp bám theo giá
trị tốc độ đặt với độ sai lệch tốc cho trước để điều khiển tốc độ động cơ điện một
chiều. Đây là phương pháp điều khiển tốc độ động cơ sao cho độ sai lệch về tốc độ
khống chế trong phạm vi cho trước nên chất lượng về tốc độ về cơ bản được biết




-7-

1.4. Kết luận chương 1.
Thông qua, các công trình nghiên cứu, các hướng nghiên cứu ứng dụng các bộ
điều khiển và kết quả đạt được như đã nêu mở mục 1.3 vẫn còn hạn chế khi áp dụng
các tiêu chí khắc khe hơn, yêu cầu cao hơn về độ chính xác, độ ổn định trong quá
trình làm việc. Chưa đưa ra vấn đề giải quyết khi mô men quán tính của hệ truyền
động điện J biến đổi vì giải quyết vấn đề này rất khó khăn phức tạp và khó khăn.
Những hạn chế và các vấn đề chưa giải quyết hết như trên là một định hướng của
luận văn nhằm đưa ra phương pháp điều khiển mang lại chất lượng điều khiển và độ
ổn định tốt hơn khi mô men tải và mô men quá tính tải JL đồng thời thay đổi.
Dùng kết hợp bộ điều khiển tuyến tính với bộ điều khiển phi tuyến vào trong
một bộ điều khiển gọi là bộ điều khiển phi tuyến thì chưa có công trình nào nghiên
cứu. Ứng dụng thành quả của lý thuyết điều khiển tuyến tính, phi tuyến là rất đáng
được quan tâm và đây là một hướng mới.
Ứng dụng mạng nơ ron hồi quy cục bộ thuộc lớp mạng hồi quy có cấu trúc
đơn giản hơn có tốc độ hội tụ cao mà hiện nay chưa có công trình nào nghiên cứu
áp dụng để điều khiển động cơ một chiều kích từ độc lập.
Do đó ý tưởng của đề tài đưa ra là:
- Nghiên cứu, xây dựng bộ điều khiển được kết hợp từ bộ điều khiển tuyến
tính và bộ điều khiển phi tuyến gộp thành chung một bộ điều khiển gọi là bộ điều
khiển phi tuyến, nhằm điều khiển từ thông động cơ điện một chiều kích từ độc lập
có tham số J biến đổi đạt kết quả động học cao, ổn định.
- Nghiên cứu mạng nơ ron hồi quy cục bộ có số lớp và số nơ ron thích hợp để
điều khiển tốc độ động cơ trên tốc độ cơ bản có tham số J biến đổi đạt độ chính xác
cao, tốc độ tác động nhanh khi có thay đổi phụ tải và tốc độ đặt.



(2.2)

Điều này cũng dễ hiểu, vì theo định nghĩa, điểm cân bằng là điểm mà hệ thống
sẽ nằm im tại đó, tức là trạng thái của nó không bị thay đổi (

dx
= 0 ) khi không có
dt

sự tác động từ bên ngoài (u = 0).
Ta có thể thấy ngay được từ (2.2) là hệ tuyến tính cân bằng tại mọi điểm trạng
thái thuộc không gian Ker(A) và nếu ma trận A của mô hình trạng thái (2.1) không
suy biến thì hệ (2.1) chỉ có một điểm cân bằng duy nhất là gốc toạ độ 0.
2.1.1.2. Tính ổn định Lyapunov của hệ thống.


-9-

Một hệ thống được gọi là ổn định Lyapunov tại điểm cân bằng xe nếu sau khi
có một tác động tức thời (chẳng hạn như nhiễu tức thời) đánh bật hệ ra khỏi điểm
cân bằng xe thì sau đó hệ có khả năng tự quay về điểm cân bằng xe ban đầu (không
cần có tín hiệu điều khiển u). Nếu hệ không những quay về được lân cận của xe mà
còn tiến tới xe thì nó được gọi là ổn định tiệm cận Lyapunov tại xe.
Như sau này được chỉ rõ, ở hệ tuyến tính, khái niệm ổn định tiệm cận
Lyapunov hoàn toàn đồng nhất với khái niệm ổn định BIBO đã được biết tới trước
đây.
2.1.1.3. Tính điều khiển được.
Nhiệm vụ chính của điều khiển là tìm được tín hiệu điều khiển mang lại cho hệ
thống một chất lượng mong muốn, tức là phải tìm ra được một tín hiệu thoả mãn
chất lượng đề ra trong số các tín hiệu có khả năng đưa hệ thống từ điểm trạng thái

B+D

(2.3)

Trong đó, ký hiệu (s.I – A)adj là (s.I – A), ta thấy ngay được rằng giá trị riêng
của ma trận A trong mô hình (2.1) chính là điểm cực của hệ thống.
Định lý 1: Hệ (2.1) ổn định BIBO khi và chỉ khi ma trận A có tất cả cả giá trị
riêng nằm bên trái trục ảo, tức là khi và chỉ khi:
p(s) = det(s.I - A)

(2.4)

là đa thức Hurwitz.
Như vậy, các tiêu chuẩn đã biết như Routh, Hurwitz, Michilov, LienardChipart, ... đều sử dụng được để kiểm tra tính ổn định của hệ (2.1). Vấn đề hạn chế
chính là có lẽ còn làm cho ta không được thoả mái khi sử dụng chính là phải xây
dựng được đa thức đặc tính p(s) = det (s.I – A), đặc biệt khi A có số chiều khá lớn.
Định lý Gerschgorin trình bày sau đây và hệ quả của nó sẽ là một tiêu chuẩn
bổ sung, giúp cho ta xét được tính ổn định của hệ (2.1) mà không cần phải có đa
thức đặc tính (2.2). Tuy nhiên định lý này chỉ là một điều kiện đủ. Điều đó nói rằng
nếu như ma trận A không thoả mãn định lý thì hệ (2.1) vẫn có thể ổn định.
Định lý 2 (Gerschgorin): Với mỗi giá trị riêng sk của ma trận phức (các phần
tử là những số phức):
 a11

a
A =  21


a
 n1


Chứng minh: (xem tài liệu [5] trang 269).
Định lý 3 (Hệ quả Gerschgorin): Ký hiệu

Ri = ∑ aij
j =1
j ≠i

. Vậy thì hệ (2.1) với

aij ∈ R sẽ ổn định nếu aii + Ri < 0 với mọi i = 1, 2, 3, ..., n.

2.1.2.2. Tiêu chuẩn ổn định Lyapunov - Hàm Lyapunov.
Giống như định lý Gerschgorin, tiêu chuẩn Lyapunov trình bày sau đây là
phương pháp xét tính ổn định một cách trực tiếp trong không gian trạng thái rất
thích hợp cho những hệ thống mô tả bởi mô hình trạng thái. Xuất phát điểm của tiêu
chuẩn Lyapunov là định lý sau:
Định lý 4.

Hệ (2.1) ổn định BIBO khi và chỉ khi nó ổn định tiệp cận

Lyapunov, tức là khi và chỉ khi các quỹ đạo trạng thái tự do có hướng tiến về gốc
toạ độ và kết thúc tại đó.
Chứng minh:
Theo định lý 1 thì hệ (2.1) ổn định BIBO khi và chỉ khi ma trận A có các giá
trị riêng nằm bên trái trục ảo. Lúc đó, ảnh Laplace X (s ) của quỹ đạo trạng thái tự do
x(t ) = e At x(0) tính theo:
L{ x(t )} = ( s.I − A) −1 x(0) =

( s.I − A) adj

Hình 2.2. Giải thích xuất phát điểm của tư tưởng phương pháp Lyapunov
Lyapunov.
Bản chất phương pháp Lyapunov
được giải thích như sau: Giả sử rằng bao
quanh gốc toạ độ 0 có họ các đường cong khép kín v như hình 2.2. Các đường cong
này có thể được xem như biên của lân cận của điểm gốc 0 . Để kiểm tra xem quỹ
đạo trạng thái x(t) (ứng với u = 0 và đi từ điểm trạng thái đầu x0 cho trước nhưng
tuỳ ý) mô tả quá trình tự do của hệ tiến về gốc toạ độ 0 hay không, ta chỉ cần xét
xem quỹ đạo trạng thái x(t) có cắt tất cả các đường cong thuộc họ v từ bên ngoài
vào bên trong hay không và nếu điều đó xảy ra thì chắc chắn x(t) phải có hướng tiến
về gốc toạ độ và kết thúc ở đó.
Như vậy phương pháp Lyapunov sẽ gồm có hai bước:
- Xây dựng đường cong v khép kín chứa điểm gốc toạ độ 0 bên trong.
- Kiểm tra xem quỹ đạo trạng thái x(t) mô tả quá trình tự do của hệ có cắt mọi
đường cong thuộc họ v theo chiều từ ngoài vào hay không. Hiển nhiên, để x(t) cắt
một đường cong thuộc họ v theo chiều từ ngoài vào trong là tại điểm cắt đó, tiếp
tuyến của quỹ đạo tự do x(t) phải tạo với vectơ ∇v vuông góc với đường cong đó
theo hướng từ trong ra ngoài một góc lớn hơn 900 như hình 2.2.
Định lý 1.4 (Lyapunov): Nếu tồn tại hàm V(x), thoả mãn các điều kiện:
a) Khả vi, xác định dương, tức là V(x) > 0 với x ≠ 0 và V(x) = 0 ⇔ x = 0.


- 13 -

b)

dV
dV
< 0 , với
là đạo hàm của V(x) dọc theo quỹ đạo trạng thái tự do thì

thái. Hệ sẽ ổn định nếu một trong hai điều sau thoả mãn:
a) Tồn tại ma trận vuông P xác định dương sao cho ma trận (P.A+AT.P) xác
định âm, tức là –(P.A+AT.P) xác định dương.
b) Tồn tại một ma trận đối xứng xác định dương. Phương trình:
(P.A+AT.P) = -Q

(2.5)

có nghiệm P cũng đối xứng, xác định dương. Phương trình (2.5) có tên gọi là
phương trình Lyapunov.
Cuối cùng, và cũng để việc sử dụng định lý 1.5 được thuận tiện, ta sẽ làm
quen với định lý của Sylevster cho sau đây như một công cụ xác định tính xác định
dương của một ma trận đối xứng cho trước.
Định lý 1.6 ( Sylevster): Cần và đủ để ma trận vuông, đối xứng:


- 14 -

 q11
q
Q =  21
 

q n1

q12
q 22

qn2



Tất nhiên rằng định lý Sylvester nêu trên cũng được sử dụng để xác định tính
xác định âm của một ma trận Q bằng cách kiểm tra xem ma trận – Q có xác định
dương hay không. Nếu – Q xác định dương thì Q xác định âm.
2.1.3. Thiết kế bộ điều khiển phản hồi gán điểm cực.
2.1.3.1. Đặt vấn đề và phát biểu bài toán.
Xét hệ MIMO có mô hình trạng thái tham số hằng (2.1). Theo công thức (2.3)
về việc xác định ma trận truyền đạt G(s) của hệ từ mô hình trạng thái (2.1) thì các
điểm cực của hệ chính là giá trị riêng của ma trận A.
Mặt khác chất lượng hệ thống lại phụ thuộc nhiều vào vị trí của các điểm cực
(cũng là giá trị riêng của A) trong mặt phẳng phức. Do đó, để hệ thống có được chất
lượng mong muốn, người ta có thể can thiệp bằng một bộ điều khiển vào hệ thống
sao cho sự can thiệp đó, hệ thống có được các điểm cực là những giá trị cho trước
ứng với chất lượng mong muốn. Cũng vì nguyên lý can thiệp để hệ nhận được các
điểm cực cho trước nên phương pháp thiết kế bộ điều khiển can thiệp này có tên gọi
là phương pháp cho trước điểm cực, hay phương pháp gán điểm cực (pole
placement).
Có hai khả năng thiết kế bộ điều khiển gán điểm cực bằng bộ điều khiển R tĩnh
a) Thiết kế bằng phản hồi trạng thái (hình 2.4).
Với R, hệ kín có mô hình:
dx
= A.x + Bu = A.x + B(ω − R.x ) = ( A − B.R).x + Bω
dt


- 15 -

bởi vậy nhiệm vụ “gán điểm cực” là phải thiết kế R sao cho ma trận A-B.R nhận n
giá trị si, i = 1, 2, …, n, đã được chọn trước từ yêu cầu chất lượng cần có của hệ
thống, làm giá trị riêng. Nói cách khác, ta phải giải phương trình:

x

dx
= A.x + B.u
dt
y = Cx

y

q

a)

R
b)

Hình 2.4: Nguyên tắc thiết kế bộ điều khiển gán điểm cực.
b) Thiết kế theo nguyên tắc phản hồi tín hiệu ra:
Vì tín hiệu phản hồi về bộ điều khiển R là y nên hệ kín có mô hình:
dx
= A.x + Bu = A.x + B(ω − R. y ) = A.x + B.ω − B.R.C. y = ( A − B.R.C ).x + Bω
dt

Vậy nhiệm vụ “gán điểm cực” là phải tìm R để ma trận (A - B.R.C) có các giá
trị riêng là n giá trị si, i = 1, 2, …, n, đã được chọn trước từ yêu cầu chất lượng cần
có của hệ thống, hay nhiệm vụ thiết kế chính là tìm ma trận R thoả mãn:
det( sI − A + B.R.C ) = ( s − s1 ).( s − s 2 )...( s − s n )

(2.7)


dx 
= 


dt 
0
0
 0
− a 0 − a1 − a 2
       


0 
0 

0 
 

 .x +  .u
0 


1 
 
1


 − a n −1 
b
    


0
− a2

(2.9)
dx
= ( A − b.R ) x + b.ω
dt



0 
 0
0

 

0   

 
 


 −  .( r1 , r2 ,...rn ) .x +  .ω
 0
0

 

1   

0
0

 − (a + r ) (a + r ) (a + r )
0
1
1
2
2
3



0


 0
 

0

 

.x +  .ω



0
 


~

Tính các hệ số a i , i = 0, 1, 2, …, n-1 của phương trình đặc tính cần phải có

của hệ kín từ những giá trị điểm cực si , i = 1, 2, …, n đã cho theo:
~

~

~

( s − s 1 )( s − s 2 )...( s − s n ) = a 0 + a 1 s + ... + a n −1 s n −1 + s n

-

Tính các phần tử ri , i = 1, 2,…, n của bộ điều khiển (2.9) theo:
~

r i = a i −1 − a i −1 s

Khi đối tượng cho ban đầu có mô hình không ở dạng chuẩn điều khiển:
dx
= A.x + b.u
dt

Rất tự nhiên, ta nghĩ ngay tới việc tìm một phép đổi biến:
z = S .x ⇒ x = S −1 .z

Sao cho với nó, đối tượng ban đầu được chuyển về dạng chuẩn điều khiển.
2.1.4. Mạng nơ ron nhân tạo.


ai
Hàm ra
Ngõ ra

Hình 2.5: Mô hình một neuron nhân tạo thứ i.
Mô hình nơ ron nhân tạo cơ bản thứ i trong mạng xây dựng dựa trên cấu trúc
của nơ ron sinh học do McCulloch và Pitts đề xuất và được Rosenblatt cải tiến, gọi
là perceptron, nó có thể có nhiều đầu vào (R đầu vào) và chỉ có một đầu ra (hình
2.5).
Quan hệ giữa đầu ra và các đầu vào của nơ ron thứ i:
yi = ai(qi) = ai(fi(p)),
trong đó:

p - véc tơ biến đầu vào.
fi - hàm tổng hợp.
ai - hàm chuyển đổi.
yi - biến đầu ra của nơ ron thứ i.
R

qi = fi(p) =

∑ w ij .p j − θi - tổng trọng số.
j=1

wij - trọng số liên kết giữa đầu vào thứ j với nơ ron thứ i.
θi - ngưỡng của nơ ron thứ i (hằng số).
Có nhiều dạng hàm tổng hợp fi(.) được dùng như:

(2.10)

Ngoài ra còn có các hàm hình bán cầu, hàm đa thức, v. v ...
Với mục đích đơn giản, thực tế thường chọn hàm tổng hợp tuyến tính.
Hàm chuyển đổi a(.) cũng có rất nhiều dạng được dùng, ví dụ một vài dạng hàm cơ
bản như sau:
-

Hàm chuyển đổi tuyến tính (Liner function):

-

Hàm dấu (hàm ngưỡng: threshold function):

 1
− 1

a(q) = sgn(q) = 

a(q) = q

nÕu q ≥ 0
nÕu q < 0

(2.13)

(2.14)

Hình 2.6. Hàm ngưỡng: threshold.

-



 ( u −b )  2
−

 c 

(2.17)

g(u) 1
Hình 2.9.Hàm Gaussian.

0

u

v. v ...
b) Mô hình mạng nơ ron nhân tạo
Mô hình mạng nơ ron được hình thành từ việc liên kết các nơ ron với nhau
theo một nguyên tắc nào đó. Có rất nhiều loại mạng và việc phân loại mạng cũng có
nhiều cách:
- Theo số lớp: có mạng nơ ron một lớp, mạng nơ ron nhiều lớp.
- Theo cấu trúc liên kết giữa đầu vào và đầu ra: có mạng nơ ron truyền thẳng,
mạng nơ ron hồi quy.
- Theo tính chất làm việc: có mạng tĩnh (static network) và mạng động
(dynamic network)…v.v ...
Phần tử gây trễ (TDL: Tapped Delay Line) là
phần tử có tín hiệu ra của nó bị trễ một khoảng thời
gian so với tín hiệu vào, có hai tham số trễ là thời
gian trễ (bước) và bậc trễ. Phần tử này được sử
dụng để lấy tín hiệu quá khứ (hình 2.10) và nó là

(2.19)

y = [y1, y2, ..., yS]T là véc tơ biến tín hiệu ra,

trong đó:

xw= [x1, x2, ..., xS]T là véc tơ tín hiệu vào.

x1
w
x2 1,R
... w2,R
xR

1,1

wS,R

y1
y2
...
yS

y1

x1

x2
...
xR


xR

yS

...
xR
c) Mạng một lớp hồi quy.

d) Mạng nhiều lớp hồi quy.

Hình 2.11. Một số dạng liên kết của mạng.

y2
...
yS


- 22 -

Mạng nhiều lớp truyền thẳng (multi-layers feedforward network):
Gồm nhiều lớp (N lớp) ghép liên tiếp với nhau, đầu ra của lớp này nối với đầu
vào của lớp ngay sau nó.
Lớp đầu tiên là lớp vào (input layer) có R đầu vào, S1 đầu ra.
Lớp cuối cùng là lớp ra (output layer) có SN-1 đầu vào, SN (gọi tắt là S) đầu ra.
Giữa chúng có thể có một số lớp cũng nối liên tiếp nhau gọi là các lớp ẩn
(hidden layers), chúng đóng vai trò trung gian trong mạng, không tiếp xúc trực tiếp
với bên ngoài. Mỗi lớp ẩn (ví dụ lớp thứ k) có S k-1 đầu vào, S k đầu ra.
Các nơ ron trong một lớp được nối theo cấu trúc ghép nối hoàn toàn, nghĩa là
mỗi nơ ron sẽ được nối với tất cả các tín hiệu vào của lớp đó và các nơ ron trong

Có ba phương pháp học:
+ Học có giám sát (Supervised learning): Tín hiệu giám sát là những thông
tin mong muốn d được cung cấp từ bên ngoài mà đầu ra y của mạng nơ ron cần phải
đạt được (hình 2.12 a).
+ Học củng cố (Reinforcement learning): Thông tin cung cấp từ bên ngoài d
(tín hiệu củng cố) mang tính định hướng cho quá trình học (cho biết tín hiệu ra của
mạng đúng hay sai) (hình 2.12 b).
+ Học không giám sát (Unsupervised learning): Quá trình học không có bất
kỳ thông tin nào từ bên ngoài để giám sát, đó là quá trình tự cấu trúc của mạng.
Mạng phải tự xác định các cặp dữ liệu mẫu (dữ liệu vào, ra), các tính chất, các mối
quan hệ để tạo được ma trận W mong muốn (hình 2.12 c).
Dạng chung của luật học thông số là xác định giá trị cần điều chỉnh ∆Wi cho
véc tơ trọng số Wi:
+ Với mạng rời rạc: ∆Wi(t) = η.r.x(t),

(2.21)

Trong đó: η là số dương xác định tốc độ học (hằng số học),
r là tín hiệu học, r = fr(Wi, x, di).

(2.22)

Lúc đó giá trị véc tơ trọng số tại thời điểm (t+1) là:
Wi(t+1) = Wi(t) + η.fr(Wi, x(t), di).x(t).
+ Với mạng liên tục:

dWi ( t )
= η.r.x(t),
dt


y

d

a)

x

Mạng nơ ron

c)

Mạng nơ ron
W

y

(b)

e

Khối
phát
Hình 2.3 Các phương pháp
học
củatín
NN
hiệu nhận xét

d

TDL

IW1,R

TDL

xR

IWS1,R

LW1,1

y1
y2
...

LWS2,S1

yS

lớp vào các lớp ẩn lớp ra
Hình 2.13. Cấu trúc mạng nơ ron.
- Lớp vào có R tín hiệu vào (véc tơ x).
- Lớp ẩn thứ i (i = 1, ..., n-1) có Si nơ ron hồi quy và có lấy tín hiệu quá khứ
qua khối trễ TDL.
- Lớp ra có S nơ ron và truyền thẳng tín hiệu cho S đầu ra (vectơ y).
Hàm chuyển đổi cho các lớp có thể giống nhau hoặc khác nhau, tuy nhiên nếu
hai lớp kề nhau có hàm chuyển đổi tuyến tính thì không cần thiết do có thể thay
bằng một lớp tuyến tính để giảm bớt độ phức tạp của mạng khi thiết kế. Hàm tổng
hợp cho các lớp là hàm tuyến tính. Hàm truyền của mạng có dạng (2.25):