MỤC LỤC
Trang
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

i

DANH MỤC CÁC BẢNG

iii

DANH MỤC CÁC HÌNH ẢNH VÀ ĐỒ THỊ

v

MỞ ĐẦU

1

CHƢƠNG 1: TỔNG QUAN VỀ GIA CÔNG TRÊN MÁY PHAY CNC, NĂNG
SUẤT VÀ CHẤT LƢỢNG BỀ MẶT
1.1 Các chỉ tiêu chất lƣợng bề mặt khi gia công

5

1.1.1 Các yếu tố hình học

5

1.1.2 Tính chất cơ lý

6

2.1 Phƣơng pháp trí tuệ nhân tạo

15

2.2 Mạng nơron nhân tạo

16

2.2.1 Mạng nơron sinh học

16

2.2.2 Mô hình mạng nơron nhân tạo

16

2.3 Logic mờ
2.3.1 Mô hình toán học Logic mờ

20
21


2.4 Mạng mờ nơron
2.4.1 Mô hình mạng mờ nơron
2.5 Trí tuệ nhân tạo tiến hóa

21
23
30

36

3.2.3 Qui trình xác định mối quan hệ thực nghiệm

46

3.3 Đánh giá mức độ ảnh hƣởng của chế độ cắt đến các thông số đầu ra bằng
phƣơng pháp Taguchi
3.3.1 Đánh giá ảnh hƣởng của các yếu tố chính và yếu tố nhiễu

50

3.4 Xác định chế độ cắt hợp lý, tối ƣu cho hàm mục tiêu về chất lƣợng bề mặt và
năng suất khi gia công
3.4.1 Hàm mục tiêu và các giới hạn biên

56

3.4.2 Xác định các thông số công nghệ cho bài toán tối ƣu hàm mục tiêu kết hợp
với phân tích Taguchi
3.4.3 Thành lập bài toán tối ƣu

59

3.4.4 Giải thuật ABC giải bài toán tối ƣu năng suất gia công

60

Kết luận chƣơng 3


65

4.1.5 Các đại lƣợng nhiễu

66

4.2 Điều kiện thí nghiệm

66

4.2.1 Máy phay CNC

66

4.2.2 Vật liệu tiến hành thí nghiệm

67

4.2.3 Dụng cụ cắt

68

4.2.4 Đồ gá, chi tiết

68

4.2.5 Các thông số cố định khác

69


73

4.6 Xây dựng phần mềm làm công cụ xử lý dữ liệu
4.6.1 Xây dựng phần mềm BK-CTMNET xử lý dữ liệu theo mạng mờ nơ ron
4.7 Xác định mối quan hệ thực nghiệm bằng mạng mờ nơ ron
4.7.1 Xác định mối quan hệ giữa chế độ cắt và các thông số đầu ra khi cắt thép
SKD11

74
74
80
80


4.7.2 Xác định mối quan hệ giữa chế độ cắt và các thông số đầu ra khi cắt thép
SKD61
4.7.3 Xác định chế độ cắt tối ƣu

92
101

Kết luận chƣơng 4

104

KẾT LUẬN VÀ KIẾN NGHỊ

105

TÀI LIỆU THAM KHẢO


Phụ lục 6: Thông số đo Rz và tính toán tỷ số S/N

115

Phụ lục 7: Giá trị tính toán lực cắt F bởi mạng mờ nơ ron và giá trị tính toán bởi
phƣơng pháp hồi qui thực nghiệm thép SKD11

116

Phụ lục 8: Giá trị tính toán tỷ số S/N cho lực cắt F với thép SKD11

117

Phụ lục 9: Giá trị tính toán năng suất cắt Q bởi mạng mờ nơ ron và giá trị tính
toán bởi phƣơng pháp hồi qui thực nghiệm thep SKD11

118

Phụ lục 10: Giá trị tính toán tỷ số S/N cho năng suất cắt Q với thép SKD11

120

Phụ lục 11: Số liệu thí nghiệm mòn dao thép SKD11

121

Phụ lục 12: Giá trị tính toán bởi mạng của độ mòn dao hs thép SKD11

121


128

Phụ lục 20: Giá trị tính toán bởi mạng của độ mòn dao hs của thép SKD61

129

Phụ lục 21: Phƣơng trình toán học mạng thể hiện mối quan hệ giữa Rz và chế độ
cắt thép SKD11

130

Phụ lục 22: Phƣơng trình toán học mạng thể hiện mối quan hệ giữa lực cắt F và
chế độ cắt thép SKD11

131

Phụ lục 23: Phƣơng trình toán học mạng thể hiện mối quan hệ giữa năng suât cắt
Q và chế độ cắt thép SKD11

132

Phụ lục 24: Phƣơng trình toán học mạng thể hiện mối quan hệ giữa mòn dao hs
và chế độ cắt thép SKD11

133

Phụ lục 25: Phƣơng trình toán học mạng thể hiện mối quan hệ giữa độ nhấm nhô
tế vi Rz và chế độ cắt thép SKD61



Diễn giải nội dung

1.

CNC

Computer numerical control

2.

NC

Numerical control

3.

Rz

Chiều cao nhấp nhô tế vi

m

4.

Ra

Sai lệch profin trung bình

m


mm2

9.

B

Chiều rộng phay

mm

10.

V

Vận tốc cắt

m/phút

11.

S

Lượng tiến dao

mm/phút

12

t


Đường kính dao phay

mm

17

xi

Biến đầu vào thứ i

18

yi

Biến đầu ra thứ i

19

i, m, n, k

Chỉ số chạy

20

di

Giá trị đầu ra từ đo thực nghiệm

21



ii

25



Độ phân tán sai số

26

E

Véc tơ Gradient hàm E

27

KM

Khoảng mờ

28

S/N

Signal to noise

29


33

Q

Năng suất cắt

g/phút

34

P

Công suất cắt

Kw

35

hS

Lượng mòn dao mặt sau

m

36

F

Lực cắt


triển tất yếu trong kỹ thuật gia công cơ khí. Tìm hiểu qui luật phân bố ảnh hưởng của các
thông số công nghệ đến năng suất và chất lượng gia công là phương pháp cơ bản để điều
khiển quá trình công nghệ. Mặt khác, ứng dụng kỹ thuật điều khiển số (NC) là xu hướng
phát triển mạnh mẽ trong công nghiệp từ thiết bị đến qui trình công nghệ với các ưu thế về
độ chính xác và khả năng linh hoạt [1], [2]. Tính linh hoạt của thiết bị trong hệ thống công
nghệ tỷ lệ thuận với chi phí và giá thành, do vậy sử dụng hiệu quả thiết bị là điều kiện cần
thiết với mọi quá trình công nghệ.
Kỹ thuật gia công cơ khí trên các máy điều khiển số (CNC) đang được nghiên cứu, ứng
dụng và phát triển lớn mạnh tại Việt Nam cũng như các nước trên thế giới. Ngành công
nghệ gia công, chế tạo thiết bị có những bước phát triển vượt bậc với những máy CNC có
khả năng gia công đạt độ chính xác rất cao đáp ứng nhu cầu gia tăng độ chính xác. Với một
hệ thống công nghệ nhất định, năng suất hay chất lượng bề mặt phụ thuộc chủ yếu vào chế
độ cắt được cài đặt [2], [7], vì vậy điều khiển các thông số chế độ cắt là phương pháp cơ
bản và hiệu quả để kiểm soát chất lượng gia công cũng như nâng cao hiệu quả sử dụng
thiết bị. Do đó cài đặt chế độ cắt hợp lý hay tối ưu là điều kiện cần cho quá trình gia công
cơ khí [3], [5].
Thực tế trong một môi trường gia công luôn tồn tại các yếu tố không điều khiển được
(yếu tố nhiễu) làm giảm chất lượng gia công. Quá trình cài đặt các thông số công nghệ
không phải lúc nào cũng cài đặt chính xác như mong muốn hay quá trình thu nhận các
thông tin trong và sau khi gia công cũng bị ảnh hưởng bởi các yếu tố nhiễu làm những
thông tin có được gần với giá trị thực ở một mức độ tin cậy nhất định [4], [16], [17]. Mặt
khác mô hình cơ bản và phổ biến hiện nay đang sử dụng xác định các thông số công nghệ
hợp lý càng bị hạn chế bởi nhu cầu gia tăng độ chính xác và sử dụng hiệu quả thiết bị [20],
[21], [22]. Do vậy cần thiết phải có một phương pháp tiếp cận dự đoán mối quan hệ thực
nghiệm mới, đánh giá mức độ ảnh hưởng của các yếu tố vào và nhiễu đến kết quả đầu ra
cũng như giải bài toán tối ưu cho độ chính xác cao hơn và tiến dần đến kỹ thuật điều khiển
chất lượng trực tuyến trong tương lai.
Ngày nay, ứng dụng phát triển khoa học máy tính, con người đã tiếp cận và mô phỏng
quá trình thu nhận và xử lý thông tin trong bộ não của mình và tìm hiểu các cơ chế tối ưu
trong tự nhiên. Khoa học trí tuệ nhân tạo là một ngành nghiên cứu để tiếp cận khả năng tư

Phƣơng pháp nghiên cứu
Phương pháp nghiên cứu chung là kết hợp nghiên cứu lý thuyết với nghiên cứu thực
nghiệm

Ý nghĩa khoa học và thực tiễn của đề tài
- Làm phong phú thêm lý thuyết trong qui hoạch thực nghiệm và xử lý dữ liệu thực
nghiệm, quá trình tối ưu hóa các thông số công nghệ trong điều kiện tại Việt Nam
- Đưa trí tuệ nhân tạo vào kỹ thuật điều khiển thông số công nghệ gia công cơ khí
- Đưa phương pháp Taguchi vào trong thiết kế thực nghiệm và tính toán mức độ ảnh
hưởng của thông số công nghệ đến năng suất và chất lượng bề mặt.


4

Những đóng góp mới
- Ứng dụng giải pháp trí tuệ nhân tạo và phân tích Taguchi thiết lập mối quan hệ thực
nghiệm giữa chế độ cắt với chất lượng bề mặt, năng suất gia công, lực cắt, độ mòn dụng
cụ và xác định chế độ cắt tối ưu khi phay thép SKD11 và SKD6.
- Xây dựng phần mềm BK-CTMNET dự đoán mối quan hệ thực nghiệm cho độ chính xác
cao và tính toán các thông số công nghệ tối ưu phục vụ trong nghiên cứu và sản xuất.

Cấu trúc luận án
Luận án trình bày trong 151 trang, ngoài phần mở đầu, kết luận, kiến nghị, luận án gồm
4 chương: Chương 1. Tổng quan về ảnh hưởng một số yếu tố công nghệ đến năng suất và
chất lượng bề mặt, phương pháp xác định chế độ cắt tối ưu khi gia công trên máy phay
CNC; Chương 2. Giải pháp trí tuệ nhân tạo và ứng dụng; Chương 3. Phương pháp xác định
chế độ cắt tối ưu khi gia công trên máy phay CNC; Chương 4. Xây dựng mô hình toán học
bằng thực nghiệm giữa chế độ cắt với các thông số công nghệ và xác định chế độ cắt tối ưu
trên máy phay CNC.


tạo sản phẩm. Các quá trình gia công bề mặt khác nhau sẽ tạo nên độ nhám bề mặt khác
nhau và giá thành sản phẩm cũng khác nhau. Hình 1.1 thể hiện mối quan hệ giữa độ nhám
bề mặt và giá thành của một số phương pháp gia công, qua đồ thị thấy rằng giá thành sản
phẩm sẽ tăng lên nhanh chóng khi muốn giảm độ nhám bề mặt tới một giá trị nào đó theo
yêu cầu. Do đó, người thiết kế cần phải quan tâm tới giá thành sản phẩm bên cạnh chất
lượng bề mặt. Lưu ý trên đồ thị này đơn vị theo trục y là bất kỳ nên nó không dùng để so
sánh giá thành của các quá trình gia công khác nhau.
1.1.1.2 Độ sóng bề mặt
Độ sóng bề mặt là chu kỳ không bằng phẳng của bề mặt chi tiết máy được quan sát
trong phạm vi lớn hơn độ nhám bề mặt. Ngoài ra bước nhấp nhô tế vi Sm (RSm) được đo


6

với trung bình các khoảng cách của các đỉnh nhấp nhô liên tiếp trên phạm vi chiều dài
chuẩn đo. Bước nhấp nhô tế vi phản ánh tần suất xuất hiện những mô nhám trên một đơn
vị diện tích. Khi bước nhám nhỏ thì số đỉnh nhám sẽ nhiều hơn trên một đơn vị diện tích
nó sẽ làm tăng số điểm tiếp xúc trên bề mặt và như vậy sẽ làm tăng các tính chất sử dụng
cho chi tiết máy.
1.1.1.3 Các yếu tố ảnh hưởng đến tính chất hình học của bề mặt khi gia công
Từ bản chất quá trình cắt gọt hình thành bề mặt gia công có thể thấy rằng các yếu tố ảnh
hưởng tới độ nhám cũng như độ sóng và bước nhám bề mặt bao gồm:
- Các thông số hình học của dụng cụ cắt như bán kính mũi dao và các góc độ dao khi
cắt.
- Các yếu tố rung động của hệ thống công nghệ: máy, dụng cụ cắt, đồ gá, chi tiết gia
công.
- Vật liệu gia công mà chủ yếu là khả năng biến dạng dẻo của vật liệu
- Các thông số chế độ cắt bao gồm: vận tốc cắt, chiều sâu cắt, lượng tiến dao. Thông
thường vận tốc cắt cao, chiều sâu cắt nhỏ, lượng tiến dao bé sẽ làm giảm chiều cao
nhấp nhô tế vi và ngược lại. Ngoài ra còn một số các yếu tố khác như dung dịch trơn

thuận với lượng tiến dao, vận tốc cắt và chiều sâu cắt. Thông thường trong gia công thô
luôn mong muốn năng suất cắt càng cao càng tốt với chất lượng bề mặt giới hạn, trong gia
công tinh cần đảm bảo yêu cầu kỹ thuật chất lượng bề mặt là chủ yếu. Nhưng cho dù trong
gia công thô hay tinh cũng đều phải đảm bảo năng suất cắt cao nhất trên cơ sở đảm bảo
chất lượng bề mặt. Đối với hệ thống công nghệ nhất định cài đặt một chế độ cắt hợp lý
đảm bảo chất lượng bề mặt và nâng cao năng suất gia công là điều kiện cần cho mọi quá
trình công nghệ.
Từ những phân tích trên thấy rằng chất lượng bề mặt và năng suất cắt khi gia công là
hai yếu tố quan trọng trong chuỗi quá trình sản xuất. Đối với một hệ thống công nghệ được
đầu tư xác định, cả hai yếu tố bị quyết định rất lớn từ chế độ công nghệ được cài đặt trong
đó chế độ cắt là yếu tố được điều khiển linh hoạt. Thay đổi chế độ cắt là một phương pháp
cơ bản và hiệu quả nhất để kiểm soát chất lượng bề mặt và tăng năng suất gia công.

1.3 Phƣơng pháp truyền thống xác định chế độ công nghệ [4], [6]
Gia công với chế độ hợp lý hay tối ưu là điều kiện cần cho mọi quá trình công nghệ.
Hiện nay xác định chế độ cắt hợp lý cho mỗi loại vật liệu trên một hệ thống công nghệ cụ
thể được thực hiện theo tiến trình trong hình 1.2 gồm 6 bước cơ bản.
- Bước 1: xây dựng bảng qui hoạch thực nghiệm. Bước này đưa ra một ma trận thí
nghiệm xây dựng theo các phương pháp khác nhau. Hiện nay thường sử dụng
phương pháp đáp ứng bề mặt (CCI hoặc CCF), phương pháp qui hoạch thực nghiệm
trực giao, phương pháp qui hoạch hợp Box-willson [3].
- Bước 2: thực nghiệm và thu thập số liệu. Tiến hành thực nghiệm theo số liệu vạch ra
từ bước 1 và đo đạc các số liệu đầu ra cần quan tâm: độ nhám bề mặt Rz, bước nhám
Sn, lực cắt F, độ mòn dụng cụ hs, tần số rung động f, nhiệt cắt...
- Bước 3: xác định mối quan hệ thực nghiệm. Từ bộ dữ liệu đầu vào trong bước một
và dữ liệu đo đạc đầu ra trong bước 2 lập được bảng thực nghiệm sau đó dựa vào
phương pháp bình phương cực tiểu hay hồi qui thực nghiệm xác định được hàm quan
hệ toán học. Hàm quan hệ toán học thu được hoàn toàn dưới dạng hàm tường minh,
rõ ràng.
- Bước 4: thành lập bài toán tối ưu. Xác định hàm mục tiêu mà thông thường là hàm

nhau ở một dạng nào đó đã biết qui luật: tuyến tính, tuần hoàn, hàm mũ, hàm logarít…các
dạng hàm này đều chưa biết các giá trị cụ thể của các tham số, để xác định các tham số đó
sử dụng thí nghiệm, đo đạc…các cặp giá trị tương ứng và chọn một mô hình toán học cụ
thể để tính toán tổng giá trị sai lệch bình phương các điểm. Tổng sai lệch này là hàm của
các giá trị hệ số cần xác định. Các hệ số phù hợp với mô hình là giá trị của nghiệm để giá
trị hàm sai lệch nhỏ nhất.
* Đánh giá phương pháp
 Ưu điểm :
- Phương pháp này có khả năng xử lý với mọi bộ dữ liệu (kích thước và tính chất bộ
dữ liệu là tùy ý) nên kết quả đưa ra phù hợp với thực nghiệm.
- Trong quá trình tính toán, do thực hiện phép tổng các giá trị thực nghiệm bậc lẻ nên
có thể giản các sai số ngẫu nhiên trong quá trình thí nghiệm mà không quản lý được
- Phuơng pháp bình phương cực tiểu, do bản chất của nó là nội suy một đường (mặt)
để đạt một chỉ tiêu nào đó, nên có sai số phương pháp.
 Nhược điểm
- Nhược điểm lớn nhất của phương pháp này (làm cho nó không thông dụng trước
đây) là đòi hỏi một lượng lớn các phép tính toán ( điều này càng đúng khi bộ số thí
nghiệm càng nhiều và có nhiều đại lượng đầu vào). Nếu thực hiện tính toán bằng tay
thì phương pháp này còn gây ra sai số tính toán.
- Do đặc trưng công thức tính toán có tổng bình phương nên có thể gây nên các sai số
tích lũy trong công thức tính toán cuối cùng.
1.3.1.2 Phương pháp qui hoạch thực nghiệm
Mục đích của quy hoạch thực nghiệm là xây dựng mô hình toán học (phương trình hồi
quy) biểu thị mối quan hệ giữa thông số đầu ra và các thông số đầu vào. Phương pháp này
cần phải thực hiện kiểm tra tính đồng nhất của các thí nghiệm, nếu chủ động được thí
nghiệm thì có thể sử dụng qui hoạch thực nghiệm trực giao.
* Đánh giá
 Ưu điểm:




1.3.2.1 Thành lập bài toán tối ưu
Bài toán tối ưu được thiết lập khi xác định rõ ràng hàm mục tiêu và định các giới hạn
biên.
- Hàm mục tiêu được thiết lập thường để đảm bảo tính kinh tế của quá trình gia công.
Thông thường hàm mục tiêu gia công là thời gian gia công hay năng suất gia công.


11

- Giới hạn biên được thành lập để đảm bảo các chỉ tiêu về chất lượng gia công (độ
nhám bề mặt, bước nhám,...), các giới hạn do các yếu tố cố định (công suất cắt, độ
uốn trục dao, độ bền răng dao...), các giới hạn dẫn xuất khác (nhiệt cắt, độ mòn
dụng cụ, rung động...). Các giới hạn biên xác định vùng không gian giới hạn cho các
biến.
- Phát biểu bài toán tối ưu: viết bài toán dưới dạng các ký hiệu toán học và cũng để
làm rõ mục đích của người làm công nghệ (tìm giá trị lớn nhất hay nhỏ nhất cho
hàm mục tiêu).
1.3.2.2 Giải bài toán tối ưu [19]
Các phương pháp truyền thống thường được sử dụng như: phương pháp Lagrang,
Golden section, Karush-Kuhn-Tucker (KKT), Quasi-Newton ....những phương pháp này
có nhược điểm lâu hội tụ đặc biệt với những bài toán có nhiều biến đầu vào. Hiện nay các
phương pháp trên được số hóa trong một số phần mềm. Mặt khác cũng có một số phương
pháp sử dụng trí tuệ nhân tạo như: phương pháp GA với các dạng biến thể MOSGA,
NAGAI, NAGAII..
Với các phương pháp hiện có cũng đã giải quyết được bài toán tối ưu nhưng nhìn chung
khả năng hội tụ và tìm được nghiệm tối ưu thực sự còn hạn chế.

1.4 Đánh giá phƣơng pháp truyền thống xác định chế độ công
nghệ tối ƣu

Trong đó yido và yitt là các giá trị tương ứng của điểm Ai ứng với giá trị thực đo và giá trị
tính toán bởi phương pháp. Gọi giá trị trung bình sai số dự đoán bởi phương pháp là tb và
độ phân tán sai số dự đoán là :


12

 tb 

1 n
 i
n i 1
n



 
i 1

i

  tb 

n 1

(1.3)
2

(1.4)


đến đầu ra, trên cơ sở đó quyết định nên sử dụng những yếu tố nào để thay đổi khi đó mới
đưa biến vào bài toán tối ưu. Nếu một yếu tố ảnh hưởng đến đầu ra ít thì việc tham gia điều
khiển yếu tố đó không có giá trị kinh tế cao trong khi cài đặt và tính toán giá trị cho yếu tố
đó mất nhiều thời gian và tài chính.
Từ những phân tích trên thấy rằng mô hình hiện nay thiết lập hàm quan hệ thực nghiệm
và tính toán chế độ công nghệ tối ưu còn hạn chế, đặc biệt trong tương lai yêu cầu về độ
chính xác ngày càng khắt khe. Do đó cần có một cách tiếp cận mới làm tăng khả năng dự
đoán mối quan hệ thực nghiệm, đánh giá được ảnh hưởng của nhiễu và các yếu tố thông số
công nghệ đến hàm mục tiêu làm tiền đề ra quyết định chọn biến cho bài toán tối ưu và
phương pháp giải bài toán tối ưu làm tăng độ chính xác dự đoán.
Ngày nay với sự phát triển của khoa học máy tính, công nghệ thông tin, con người đã
mô phỏng quá trình nhận thức của mình trên các mô hình toán học để đưa vào ứng dụng
trong thực tế. Trong kỹ thuật điều khiển con người đang tiếp cận với bộ não của mình và


13

tìm kiếm các cơ chế tối ưu trong tự nhiên để giải quyết lớp các bài toán đó. Trí tuệ nhân
tạo là một trong những kỹ thuật mô phỏng của khoa học máy tính được ứng dụng ngày
càng phổ biến trong kỹ thuật và có thể thay thế các phương pháp truyền thống trong lĩnh
vực qui hoạch thực nghiệm và tính toán tối ưu.

1.5 Các nghiên cứu trong nƣớc và ngoài nƣớc
Bài toán tối ưu trong gia công cơ khí thực chất không phải là bài toán mới nhưng cho
đến hiện tại qui trình giải cho bài toán tối ưu vẫn còn những tồn tại đã được phân tích. Trí
tuệ nhân tạo là ngành khoa học mới được phát triển mạnh mẽ trong những năm gần đây,
hiệu quả ứng dụng trí tuệ nhân tạo trong các lĩnh vực phụ thuộc vào khả năng ứng dụng và
mức độ ứng dụng của người thực hiện. Hiện nay, tại Việt Nam những nghiên cứu về ứng
dụng trí tuệ nhân tạo vào trong tối ưu hóa quá trình gia công cơ khí rất hạn chế, chưa được
quan tâm và phát triển. Tuy nhiên ứng dụng khoa học trí tuệ nhân tạo trong lĩnh vực tối ưu

trong tương lai.


14

KẾT LUẬN CHƢƠNG 1
-

-

Khảo sát các chỉ tiêu đánh giá chất lượng gia công và năng suất gia công.
Xác định các yếu tố công nghệ ảnh hưởng đến chất lượng bề mặt, năng suất gia công,
mòn dụng cụ khi phay: vận tốc cắt, lượng tiến dao, chiều sâu cắt...trên cơ sở đó thấy
rằng điều khiển các thông số chế độ cắt là phương pháp cơ bản và hiệu quả để kiểm soát
chất lượng gia công, nâng cao hiệu quả sử dụng thiết bị.
Khảo sát các ưu điểm, nhược điểm của các phương pháp truyền thống xác định mối
quan hệ thực nghiệm và tìm thông số chế độ cắt tối ưu trong gia công cơ khí trên cơ sở
đó đề xuất phương pháp tiếp cận mới xây dựng hàm quan hệ thực nghiệm và xác định
thông số chế độ cắt tối ưu chính xác hơn, đem lại hiệu quả khai thác thiết bị và đảm bảo
chất lượng gia công.


15

Chƣơng 2: GIẢI PHÁP TRÍ TUỆ NHÂN TẠO VÀ ỨNG
DỤNG

2.1 Phƣơng pháp trí tuệ nhân tạo [8], [9]
Bộ não con người là một sản phẩm hoàn hảo trong tiến trình phát triển tiến hóa, có khả
năng học và tư duy sáng tạo. Hiện nay, trong lĩnh vực điều khiển, con người đang cố gắng



16

2.2 Mạng nơron nhân tạo

2.2.1 Mạng nơron sinh học
Trên cơ sở nhận thức của con người về cấu tạo hệ thần kinh và qui luật nhận thức, thu
thập, tiếp nhận và xử lý thông tin. Các nơ ron xử lý thông tin từ cấp thấp dần chuyển lên
cấp cao hơn và cuối cùng là ra quyết định. Với ưu điểm của các nơron trong bộ não người
là xử lý song song, phân tán và phi tuyến.
Phần tử xử lý cơ bản của một mạng nơron sinh học là một nơron, phần tử này có thể
chia làm bốn thành phần cơ bản như trong hình 2.1: dendrites, soma, axon, và synapses.
- Dendrites: là phần nhận tín hiệu đầu vào.
- Soma: là hạt nhân.
- Axon: là phần dẫn ra tín hiệu xử lý.
- Synapses: là đường tín hiệu điện hóa giao tiếp giữa các nơron.
Kiến trúc cơ sở này của bộ não con người có một vài đặc tính chung. Một nơron sinh học
hoạt động dựa trên nguyên tắc là: nhận tín hiệu đầu vào, kết hợp các thông tin và thực thi
tổ hợp phi tuyến các tín hiệu sau đó cho ra một tín hiệu cuối cùng ở đầu ra.
Do đặc tính xử lý thông tin như vậy nên khả năng xử lý thông tin của một nơron là rất
yếu. nhưng với cấu trúc tầng lớp và phân vùng, các nơron liên kết với nhau để thực hiện
quá trình xử lý thông tin liên tục và song song phát huy sức mạnh của khối nơron liên kết,
nên bộ não người có thể xử lý các thông tin nhanh và chính xác đây cũng là ưu điểm của
cấu trúc liên kết trong bộ não người. Hình 2.2 thể hiện sự liên kết trong xử lý thông tin
giữa 2 nơron. Thông tin sau khi kết xuất tại đầu ra của nơron này sẽ được chuyển lên nơron
cao hơn để xử lý.
Dựa trên cơ sở tiếp nhận thông tin, xử lý thông tin và cấu trúc mạng nơron sinh học
thiết lập mạng nơron nhân tạo nhằm có được cách tiếp cận xử lý thông tin của mạng nơron
sinh học.

gia công Q, lượng mòn dao hs, lực cắt F…tại thời điểm i vector đầu ra được thể hiện:
d (i)  [d1 (i), d 2 (i),...d m (i)]T
(2.2)
- Trọng số wij sử dụng để đánh giá mức độ ảnh hưởng của mỗi yếu tố đầu vào với mỗi
nơron. Trên mỗi lớp nơron của lớp ẩn 1 thì các biến đầu vào là lớp vào, giá trị kết
xuất của mỗi nơron này lại là đầu vào cho lớp nơron tiếp theo…tại thời điểm i vector
trọng số được thể hiện:
w(i)  [w1 (i), w2 (i),...wm (i)]T
(2.3)
- Trên mỗi nơron đặt một bias đánh giá mức độ ảnh hưởng của tổng tất cả các yếu tố
vào. Hàm tác động vào mỗi nơron là f(u). Hàm tác động ở mỗi lớp có thể giống nhau
hoặc khác nhau.


18

Giá trị u1i tại lớp ẩn 1 là:
m

u

 1i  w ij .x j  1i
j 1

 y  f (u )
1i
 1i

(2.4)


nghiệm thì có thể chỉ cần một lớp nơron là có thể thiết lập được qui luật quan hệ giữa các
yếu tố đầu vào và đầu ra chính xác. Nếu cần thiết thì có thể tăng thêm số nơron trong lớp
ẩn lên thay vì tăng số lớp.
Gọi e là giá trị sai lệch giữa giá trị cần di và giá trị kết xuất ra bởi mạng yi tại vòng lặp
thứ n là:
ei (n)  d i (n)  yi (n)
(2.7)
Tổng trung bình bình phương các sai lệch cho các nơron đầu ra tại vòng lặp thứa n là:
1 m 2
1 m
(2.8)
E (n)   ei (n)   (d i (n)  yi (n)) 2
2 i 1
2 i 1
Tổng trung bình bình phương của N mẫu đưa vào học tại vòng lặp thứ n sẽ là:
1 N
(2.9)
E N ( n )   E ( n)
N i 1
Khi một mô hình mạng nơron đã xác định số lớp, số nơron cho mỗi lớp thì giá trị hàm
sai lệch E(n) phụ thuộc vào giá trị của các trọng số wij. Vì vậy các giá trị trọng số w chính
là các tham số động của mô hình mạng. Cần thay đổi các giá trị trọng số để giảm giá trị
cho hàm sai lệch nghĩa là để giá trị kết xuất tại đầu ra của mạng luôn bám sát được giá trị
đầu vào cần. Hình 2.6 thể hiện mối quan hệ cho sự thay đổi trọng số để giảm giá trị sai
lệch.