TÊN ĐỀ TÀI :
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN TÍCH CỰC
ỨNG DỤNG NEURAL – FUZZY
SINH VIÊN THỰC HIỆN : ĐINH QUỐC TÀI
GIÁO VIÊN HƯỚNG DẪN : Th.S NGUYỄN ĐỨC TRUNG
NỘI DUNG CHÍNH
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG
TREO BÁN TÍCH CỰC
2
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI
Dao động của khối
lượng được treo
DAO ĐỘNG
TRÊN Ô TÔ
Dao động của
khối lượng không
được treo
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI
Text
Text
Text
DAO ĐỘNG CỦA KHỐI
LƯỢNG ĐƯỢC TREO
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
PHÂN LOẠI

Các phương pháp điều khiển
TỔNG QUAN VỀ DAO ĐỘNG Ô TÔ1
Phương
pháp điều
khiển
Phương pháp phản hồi
không gian trạng thái
Phương pháp thích
nghi thụ động
Phương pháp
điều khiển trượt
Phương pháp điều
khiển mờ
Phương pháp
điều khiển mờ
trượt
Phương pháp điều
khiển mạng nơ ron
Phương pháp điều khiển
mạng nơ ron – mờ
1
2
3
4
5
6
7
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Khái niệm lôgíc mờ

2
b
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Huấn luyện
mạng theo
gói
a
Huấn luyện
mạng theo gói
đối với mạng
tĩnh
Huấn luyện
mạng theo gói
đối với mạng
động
Huấn luyện mạng
Huấn luyện
gia tăng
1
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Những ưu nhược điểm của mạng neural và điều khiển fuzzy
Tính chất Mạng neural Bộ điều khiển fuzzy
Thể hiện tri thức. Thông qua trọng số được thể hiện ẩn trong
mạng.
Được thể hiện ngay tại luật hợp thành.
Nguồn của tri thức. Từ các mẫu học. Từ kinh nghiệm của chuyên gia.
Xử lý thông tin không chắc
chắn.

dịch được và tính đúng đắn. Trong thực tế , một trong hai thuộc tính trên chiếm ưu thế.
neural-fuzzy trong phạm vi nghiên cứu mô hình fuzzy được chia thành 2 vùng: Mô hình
fuzzy ngôn ngữ học tập trung vào khả năng dịch được, chủ yếu là mô hình Mamdani, và mô
hình fuzzy chính xác, tập trung vào tính chính xác, chủ yếu là mô hình Takagi-Sugeno-Kang
(TSK).
Khái niệm hệ neural - fuzzy
CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Hệ thống neural - fuzzy
Để minh họa hệ thống neural –fuzzy, cũng như tìm hiểu về phương
pháp học của hệ thống này, chúng ta xét ví dụ sau:
Cho 2 luật R1: If x1 is A1 and x2 is B1 then y=f1(x).
R2: If x1 is A2 and x2 is B2 then y=f2(x).
Trong đó: f1(x) = z11x1 + z12x2 + z13
f2(x) = z21x1 + z22x2 + z23
Với tín hiệu output như sau

CƠ SỞ TOÁN HỌC ĐIỀU KHIỂN NEURAL – FUZZY CHO HỆ THỐNG TREO BÁN TÍCH CỰC
2
Hệ thống neural - fuzzy
Các tín hiệu input x = (x1,x2) được đưa vào layer 0, sau đó đi đến layer 1.
Tín hiệu output của layer 1 là:
(O11,O12,O13,O14) = (A1(x1)B1(x2),A2(x1)B2(x2)).
Layer 2 gồm 2 neural mờ với toán tử t-norm. Tín hiệu output của layer 2 là:
Layer 3 có tín hiệu
output là:
Layer 4 có tín hiệu
output là:
Layer output có tín
hiệu như sau:

s - u


XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Xây dựng bộ điều khiển
Bảng dữ liệu để huấn luyện
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Xây dựng bộ điều khiển
Cấu trúc điều khiển Neural-fuzzy
E EC U
1 1 1320
1 2 3289
1 3 6188
2 1 3709
2 2 8376
2 3 3796
3 1 6185
3 2 3289
3 3 1347
Tập luật điều khiển sugeno
Hệ thống suy luận điều khiển
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN
TÍCH CỰC ỨNG DỤNG NEURAL - FUZZY
3
Nhận xét
XÂY DỰNG THUẬT TOÁN ĐIỀU KHIỂN HỆ THỐNG TREO BÁN