Giáo trình Bài tập tổng hợp cơ điện tử (Nghề: Cơ điện tử - Trình độ: Cao đẳng) - Trường Cao đẳng nghề Ninh Thuận

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:61

Thêm vào BST

Báo xấu

12
lượt xem 6
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Giáo trình "Bài tập tổng hợp cơ điện tử (Nghề: Cơ điện tử - Trình độ: Cao đẳng)" được biên soạn với mục tiêu giúp sinh viên hiểu được lý thuyết Logic mờ; tính toán các giá trị trong logic mờ; chạy mô phỏng trong matlab;...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Giáo trình Bài tập tổng hợp cơ điện tử (Nghề: Cơ điện tử - Trình độ: Cao đẳng) - Trường Cao đẳng nghề Ninh Thuận

UBND TỈNH NINH THUẬN TRƯỜNG CAO ĐẲNG NGHỀ NINH THUẬN GIÁO TRÌNH Môn đun: BÀI TẬP TỔNG HỢP CƠ ĐIỆN TỬ NGHỀ: CƠ ĐIỆN TỬ TRÌNH ĐỘ: CAO ĐẲNG Ban hành kèm theo Quyết định số: ngày tháng năm của Trường cao đẳng nghề Ninh Thuận Năm 2019
TUYÊN BỐ BẢN QUYỀN Tài liệu này thuộc loại sách giáo trình nên các nguồn thông tin có thể được phép dùng nguyên bản hoặc trích dùng cho các mục đích về đào tạo và tham khảo. Mọi mục đích khác mang tính lệch lạc hoặc sử dụng với mục đích kinh doanh thiếu lành mạnh sẽ bị nghiêm cấm. 1
LỜI GIỚI THIỆU Để thực hiện biên soạn giáo trình đào tạo nghề Cơ điện tử ở trình độ Cao Đẳng Nghề và Trung Cấp Nghề, giáo trình Bài tập tổng hợp cơ điện tử là một trong những giáo trình môn học đào tạo chuyên ngành được biên soạn theo nội dung chương trình khung được Bộ Lao động Thương binh Xã hội và Tổng cục Dạy Nghề phê duyệt. Nội dung biên soạn ngắn gọn, dễ hiểu, tích hợp kiến thức và kỹ năng chặt chẽ với nhau, logíc. Khi biên soạn, nhóm biên soạn đã cố gắng cập nhật những kiến thức mới có liên quan đến nội dung chương trình đào tạo và phù hợp với mục tiêu đào tạo, nội dung lý thuyết và thực hành được biên soạn gắn với nhu cầu thực tế trong sản xuất đồng thời có tính thực tiển cao. Nội dung giáo trình được biên soạn với dung lượng thời gian đào tạo 60 giờ gồm có: Bài MH39-01: Lý thuyết mờ Bài MH39-02: Ứng dụng logic mờ trong điều khiển Bài MH39-03: Bộ điều khiển tỷ lệ PID Trong quá trình sử dụng giáo trình, tuỳ theo yêu cầu cũng như khoa học và công nghệ phát triển có thể điều chỉnh thời gian và bổ sung những kiên thức mới cho phù hợp. Trong giáo trình, chúng tôi có đề ra nội dung thực tập của từng bài để người học cũng cố và áp dụng kiến thức phù hợp với kỹ năng. Ninh Thuận, ngày tháng năm 2017 Tham gia biên soạn 1. Nguyễn Thái Thuận 2. Trần Văn Linh 2
Mục lục Nội dung TUYÊN BỐ BẢN QUYỀN ........................................................................................... 1 LỜI GIỚI THIỆU ........................................................................................................... 2 Bài 1: LÝ THUYẾT MỜ ............................................................................................... 5 1.1. Một số khái niệm cơ bản ...................................................................................... 5 1.1.1. Định nghĩa tập mờ .......................................................................................... 6 1.1.2. Logic mờ ........................................................................................................ 8 2.1. Thiết kế hệ thống mờ ........................................................................................... 9 2.1.1. Các yếu tố xây dựng mô hình Logic mờ........................................................ 9 2.1.2. Các phép toán của logic mờ ......................................................................... 10 2.1.3. Cấu trúc bên trong một bộ điều khiển mờ có dạng...................................... 11 Bài 2. ỨNG DỤNG LOGIC MỜ TRONG ĐIỀU KHIỂN .......................................... 13 2.1. Thiết kế ứng dụng .............................................................................................. 13 1. Bài tập 1: Xe tránh vật cản dùng sóng siêu âm.................................................. 13 2. Bài tập 2: điều khiển robot bám line .................................................................. 19 2.2. Thực hành lắp ráp............................................................................................... 23 2.2.1. Lắp ráp phần cứng........................................................................................ 23 2.2.2. Code xử lý robot tránh vật cản sử dụng cơ sở logic mờ .............................. 24 Bài 3. BỘ ĐIỀU KHIỂN TỶ LỆ PID .......................................................................... 29 3.1 Giải thuật PID ..................................................................................................... 29 3.1.1. Propotional (tỉ lệ) ......................................................................................... 29 3.1.2. Derivative (đạo hàm) .................................................................................. 30 3.1.3. Integral (tích phân) ....................................................................................... 31 3.2. Thực hành lắp ráp ............................................................................................... 32 Step 1: Chuẩn bị vật tư ........................................................................................... 32 Step 2: Lắp motor servo ......................................................................................... 32 Step 3: lắp ráp xe .................................................................................................... 34 Step 4: lắp modul Bluetooth .................................................................................. 35 Step 5: Lắp cảm biến dò line.................................................................................. 35 3
Step 6: Implementing the IR Sensor Logic ............................................................ 36 Step 7: Hướng điều khiển (Điều khiển theo tỷ lệ - P) ........................................... 39 Step 8: PID Control (optional) ............................................................................... 40 Step 9: Lập code ..................................................................................................... 42 Phụ lục: Code PID cho mạch arduino UNO ............................................................. 45 Tài liệu tham khảo ........................................................................................................ 60 4
Bài 1: LÝ THUYẾT MỜ MH39-01 Giới thiệu Lý thuyết mờ được giáo sư L.A Zadeh công bố lần đầu tiên tại Mỹ năm 1965, tại trường đại học Berkelay, bang Califormia, Mỹ. Từ đó lý thuyết mờ đã có nhiều phát triển và ứng dụng rộng rãi trong lĩnh vực điều khiển tự động hóa Tại Nhật, Logic mờ được ứng dụng vào nhà máy nước của hang Fuji Electronic năm 1983, hệ thống xe điện ngầm của Hitachi năm 1987. Ưu điểm của điều khiển mờ so với các phương pháp điều khiển kinh điển là có thể tổng hợp được bộ điều khiển mà không cần biết trước đặc tính của đối tượng phức tạp mà ta chưa biết rõ hàm truyền Tuy nhiên, nhược điểm của nó đến bây giờ vẫn chưa có các nguyên tắc chuẩn mực cho việc thiết kế cũng như chưa có thể khảo sát tính ổn định, bền vững, chất lượng, quá trình quá độ cũng như quá trình ảnh hưởng của nhiễu… cho các bộ điều khiển mờ. điểm yếu của lý thuyết mờ là những vấn đề về độ phi tuyến của hệ, những kết luận tổng quát cho hệ thống phi tuyến hầu như khó đạt được. Trong toán học, việc khảo sát một hàm truyền với một tập xác định và một tập với giá trị kinh điển, nhưng một hàm phụ thuộc thì không thể ánh xạ tất cả các phần tử trong tập hợp mờ hay trong thực tế chúng ta không thể giải quyết tất cả các trường hợp của một vấn đề. Cho nên với một tập mờ thì số lượng hàm phụ thuộc là không xác định và điều này nó cho phép những hệ thống mờ có được tiện ích tối đa trong một tình huấn cho trước. Như vậy, khái niệm tập hợp và ánh xạ trong lý thuyết mờ rất rộng nên đủ khả năng để mô hình hóa các vấn đề thực tế phức tạp một cách đơn giản dễ hiểu, với biến ngôn ngữ làm cho các vấn để kỹ thuật có dữ liệu mơ hồ trở nên chính xác, dễ kiểm tra. Từ đó Logic mờ giúp chúng ta có hệ thống điều khiển ổn định. Những lĩnh vực mà Logic mờ được ứng dụng và có nhiều thành tựu: - Điều khiển - Định dạng mô hình mẫu - Phân tích định lượng (nghiên cứu khoa học, quản lý) - Suy luận (giao diên thông minh, robot, kỹ thuật mềm) - Phục hồi thông tin (dữ liệu) Mục tiêu: sau khi học xong bài này sinh viên có thể - Hiểu được lý thuyết Logic mờ - Tính toán các giá trị trong logic mờ - Chạy mô phỏng trong matlab 1.1. Một số khái niệm cơ bản 5
Các tập mờ hay tập hợp mờ (Fuzzy set) là một mở rộng của lý thuyết tập hợp cổ điển và được dùng trong logic mờ. Trong lý thuyết tập hợp cổ điển, quan hệ thành viên của các phần tử trong một tập hợp được đánh giá theo kiểu nhị phân theo một điều kiện rõ ràng, một phần tử hoặc thuộc hoặc không thuộc về tập hợp. Ngược lại, lý thuyết tập mờ cho phép đánh giá về quan hệ giữa một phần tử và một tập hợp; quan hệ này được mô tả bằng một hàm liên thuộc (membership function) μ  [0, 1]. 1.1.1. Định nghĩa tập mờ Tập hợp mờ là tập hợp mà mỗi thành phần là một bộ số (x, μ(x)). Như vậy, ta nói F là một tập mờ nếu F có biểu diễn F   x,   x   | x  X  ~ A Trong đó: F là tập mờ trên không gian nền X nếu F được xác định bởi hàm: μA: X [0, 1]. Trong đó: X là tập nền hay còn gọi là tập vũ trụ (university) của tập mờ A μA là hàm liên thuộc (membership function) μA(x) là độ liên thuộc của x vào tập mờ A Ví dụ 1: Cách biểu diễn hàm phụ thuộc như trên sẽ không phù hợp với những tập được mô tả mờ như tập B gồm các số thực gần bằng 5: ~ B   x  X | x  5 Khi đó ta không thể khẳng định chắc chắn số 4 có thuộc B hay không ? mà ta chỉ có thể nói nó thuộc B bao nhiêu phần trăm. Ta phải xem hàm phụ thuộc μB(x) có giá trị trong khoảng 0 đến 1 tức là 0 ≤ μB(x) ≤ 1 Hình 1: hàm phụ thuộc μB(x) của tập mờ B Định nghĩa: tập mờ B xác định trên tập kinh điển M là một tập mà một phần tử của nó được biểu diễn bởi cặp giá trị (x, μB(x)). Trong đó x ϵ M và μB(x) là ánh xạ. Ánh xạ μB(x) gọi là hàm liên thuộc của tập mờ B. Tập kinh điển M được gọi là tập cơ sở của tập mờ B. Ví dụ 2: Một tập mờ F với các số tự nhiên nhỏ hơn 5 được mô tả bằng hàm thành viên μB có đồ thị sau: 6
Hình 2: Đồ thị hàm thành viên Ta có tập mờ A = {(1,1), (2,1), (3, 0.95), (4, 0.17)}  Số tự nhiên 1 và 2 có độ phụ thuộc là 1  Số tự nhiên 3 và 4 có độ phụ thuộc thấp hơn 1  Các số không liệt kê có độ phụ thuộc là 0 Các thông số đặc trưng cho tập mờ là độ cao, miền xác định và miền tin cậy + Độ cao của tập mờ B (được định nghĩa trên cơ sở X) là giá trị lớn nhất trong các giá trị của hàm liên thuộc: H = supxϵX[μB(x)] (sup gọi là cận trên đúng) Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập mờ chính tắc (H = 1). Ngược lại, một tập mờ với H < 1 gọi là tập mờ không xác định Hình 3: Độ cao, miền xác định, miền tin cậy của tập mờ + Miền xác định của tập mờ B (được định nghĩa trên cơ sở X) là tập con của X có giá trị hàm liên thuộc khác không; ~ S  x  X |  B ( x)  0 + Miền tin cậy của tập mờ B (được định nghĩa trên cơ sở X) là tập con của X cso giá trị hàm liên thuộc bằng 1. ~ T  x  X |  B ( x)  1 Các phép toán trên tập mờ 7
Định nghĩa: Cho A và B là hai tập mờ trên không gian nền X, có các hàm liên thuộc μA và μB 1.1.2. Logic mờ Logic mờ (Fuzzy logic) được phát triển từ lý thuyết tập mờ để thực hiện lập luận một cách xấp xỉ thay vì lập luận chính xác theo logic vị từ cổ điển. Logic mờ có thể được coi là mặt ứng dụng của lý thuyết tập mờ để xử lý các giá trị trong thế giới thực cho các bài toán phức tạp (Klir 1997). Người ta hay nhầm lẫn mức độ đúng với xác suất. Tuy nhiên, hai khái niệm này khác hẳn nhau; độ đúng đắn của logic mờ biểu diễn độ liên thuộc với các tập được định nghĩa không rõ ràng, chứ không phải khả năng xảy ra một biến cố hay điều kiện nào đó. Để minh họa sự khác biệt, xét tình huống sau: Bảo đang đứng trong một ngôi nhà có hai phòng thông nhau: phòng bếp và phòng ăn. Trong nhiều trường hợp, trạng thái của Bảo trong tập hợp gồm những thứ "ở trong bếp" hoàn toàn đơn giản: hoặc là anh ta "trong bếp" hoặc "không ở trong bếp". Nhưng nếu Bảo đứng tại cửa nối giữa hai phòng thì sao? Anh ta có thể được coi là "có phần ở trong bếp". Việc định lượng trạng thái "một phần" này cho ra một quan hệ liên thuộc đối với một tập mờ. Chẳng hạn, nếu Bảo chỉ thò một ngón chân cái vào phòng ăn, ta có thể nói rằng Bảo ở "trong bếp" đến 99% và ở trong phòng ăn 1%. Một khi anh ta còn đứng ở cửa thì không có một biến cố nào (ví dụ một đồng xu được tung lên) quyết định rằng Bảo hoàn toàn "ở trong bếp" hay hoàn toàn "không ở trong bếp". Các tập mờ được đặt cơ sở trên các định nghĩa mờ về các tập hợp chứ không phải dựa trên sự ngẫu nhiên. Logic mờ cho phép độ liên thuộc có giá trị trong khoảng đóng 0 và 1, và ở hình thức ngôn từ, các khái niệm không chính xác như "hơi hơi", "gần như", "khá là" và "rất". Cụ thể, nó cho phép quan hệ thành viên không đầy đủ giữa thành viên và tập hợp. Tính chất này có liên quan đến tập mờ và lý thuyết xác suất. Logic mờ 8
đã được đưa ra lần đầu vào năm 1965 bởi GS. Lotfi Zadeh tại Đại học California, Berkeley.  Biến ngôn ngữ Khái niệm biến ngôn ngữ đã được Zadeh đưa ra năm 1973 như sau: Một biến ngôn ngữ được xác định bởi bộ (x, T, U, M) trong đó: x là tên biến như “nhiệt độ”, “tốc độ”, “độ ẩm” … T là tập các từ là giá trị ngôn ngữ tự nhiên mà x có thể nhận Ví dụ: x là “tốc độ” thì T có thể là {“chậm”, “trung bình”, “nhanh”} U là miền các giá trị vật lý mà x có thể nhận Ví dụ: x là “tốc độ” thì U có thể là {0km/h, 1km/h,…, 100km/h…} M là luận ngữ nghĩa, ứng mỗi từ trong Tvới một tập mờ At trong U 2.1. Thiết kế hệ thống mờ 2.1.1. Các yếu tố xây dựng mô hình Logic mờ Hình 4: Cấu trúc và quy trình hoạt động của mô hình Một mô hình Logic mờ bao gồm các yếu tố sau: dữ liệu (đầu vào và đầu ra), các hàm chuyển chuyển đổi, các phép toán logic và các biến ngôn ngữ.  Dữ liệu Dữ liệu được chia làm hai nhóm chính, dữ liệu đầu vào và dữ liệu đầu ra. Mỗi nhóm lại chia ra dữ liệu rõ và dữ liệu mờ  Các hàm Để thực hiện việc quy đổi từ dữ liệu cứng về dữ liệu mờ ta cần phải lựa chọn các hàm phục vụ cho việc chuyển đổi, thông thường có 4 loại hàm hay sử dụng: hình tam giác, hình thang, hình cong và hình que 9
Hình 5: Các mô hình được sử dụng trong hệ thống logic mờ 2.1.2. Các phép toán của logic mờ Logic mờ cũng giống logic thông thường đều quy định về các phép toán như giao, hợp, loại trừ, cộng, phủ định … Tuy nhiên, cách tính ra giá trị mỗi phép toán lại khác so với logic thông thường. Phép giao (A and B) = min(t(A), t(B)) Phép hợp (A or B) = max(t(A), t(B)) Phép phủ định (not –A) = 1-t(A) Các phép toán này ảnh hưởng rất nhiều đến một thành phần quan trọng của hệ Fuzzy là định khoảng giá trị. Đây cũng là cơ sở cho việc thiết lập các luật trong hệ logic mờ Biến ngôn ngữ Một biến ngôn ngữ quy định đến trường nào đó có giá trị nào đó, hay nói cách khác nó chỉ đến một khoảng giá trị trong hệ thống fuzzy logic. Giá trị biến ngôn ngữ cũng là dạng từ ngữ. thông thường, người ta gắn các khoảng giá trị số cho m một từ ngữ nào đó thể hiện cho nó. Ta xét ví dụ sau - Biến ngô ngữ: nhiệt độ - Các khoảng giá trị : cold, warm, hot 10
Hình 6: Mô hình minh họa biến ngôn ngữ trong việc đoán nhiệt độ Trong ví dụ trên, người ta thấy những con số chỉ nhiệt độ bằng biến ngôn ngữ là nhiệt độ, còn giá trị của biến này là “cold”, “warm”, và “hot”. Giá trị “cold” gắn với khoảng giá trị thực từ 0 đến 20 độ, giá trị “warm” gắn với khoảng giá trị thực từ 20 đến 60 độ, giá trị “hot” gắn với khoảng giá trị thực từ 60 đến 100 độ. Các biến ngôn ngữ này phục vụ cho việc thiết lập các luật tương ứng và phù hợp với thực tế. Các luật trong mô hình logic mờ Các luật là thành phần điều khiển của một hệ thống logic mờ. Các luật được thực hiện dựa trên câu lệnh IF ……. THEN và một số phép toán logic khác như AND, OR, NOT … trong hệ thống, nếu luật càng chính xác thì hiệu quả của hệ thống càng cao. Mô tả ví dụ: một lò sưởi tự động nhận hai giá trị đầu vào là giá dầu đốt và nhiệt độ phòng, tùy mức độ nhiệt hiện tại nóng hay lạnh và giá dầu đôt đắt hay rẻ để nó cung cấp nhiệt trong phòng một cách phù hợp sao cho không bị lạnh mà cũng không lãng phí quá. Nếu nhiệt độ là lạnh và giá dầu là rẻ thì nhiệt xả ra là cao Biến ngôn ngữ Giá trị biến ngôn ngữ Bảng dưới đây chỉ ra cụ thể luật làm việc của sơ đồ trên Nhiệt độ Lạnh ấm Nóng Giá dầu Rẻ Cao Cao Trung bình Bình thường Cao Trung bình Thấp Đắt Trung bình Thấp Thấp 2.1.3. Cấu trúc bên trong một bộ điều khiển mờ có dạng 11
Hình 7: Bộ điều khiển logic mờ Bộ điều khiển mờ gồm ba khâu + Mờ hóa tín hiệu vào + Thực hiện luật hợp thành + Giải mờ Khối mờ hoá (Fuzzification) thực hiện chức năng biến đổi các tín hiệu đầu vào thành một miền giá trị mờ với hàm đặc trưng đã chọn và ứng với biến ngôn ngữ đầu vào đã được định nghĩa. Trong các dây chuyền sản xuất, những tín hiệu phản hồi thu được từ môi trường bằng quan sát, thông qua các tín hiệu phản hồi hoặc thông qua biến ngôn ngữ đều mang tính chất xấp xỉ, không chính xác, những mệnh đề này sẽ được mờ hoá. Đây là quá trình biến đổi những giá trị xє U thành một tập mờ A’ trên U. Tập mờ này sẽ là dữ liệu quan trọng cho bộ suy luận mờ. Khối hợp thành (Fuzzy logic) có nhiệm vụ biến đổi các giá trị mờ hoá của biến ngôn ngữ đầu vào thành các giá trị mờ của biến ngôn ngữ đầu ra theo các luật mờ do người thiết kế thiết lập. Khối luật mờ (Fuzzy base) gồm tập hợp các luật suy luận mờ - “Nếu… thì ” dựa vào các luật mờ cơ sở được người kỹ sư thiết kế, xây dựng thích hợp với mỗi biến và giá trị của các biến ngôn ngữ theo quan hệ mờ. Đây là tập hợp các tri thức chuyên gia được xây dựng thành các luật cho suy luận theo mô hình các luật suy luận mờ. Khối khử mờ(Defuzzyfication) có chức năng biến đổi các giá trị mờ đầu ra thành các giá trị rõ để đưa ra tín hiệu điều khiển đối tượng. Để thực hiện chức năng này, khối khử mờ phải tìm ra một điểm rõ y є U làm đại diện tốt nhất cho tập mờ A’, tức là tìm ra giá trị hàm đặc trưng ứng với x trên tập mờ A’. Như vậy, khử mờ là tìm ra những giá trị gần nhân của tập mờ, mà ở đó hàm đặc trưng nhận giá trị cực đại bằng 1. 12
Bài 2. ỨNG DỤNG LOGIC MỜ TRONG ĐIỀU KHIỂN MH39-02 Mục tiêu: sau khi học xong bài này sinh viên có thể - Ứng dụng lý thuyết Logic mờ để thiết kế bộ điều khiển - Tính toán các giá trị trong logic mờ - Chạy mô phỏng trong matlab - Lắp ráp và lập trình bộ Arduino điều khiển xe tự hành 2.1. Thiết kế ứng dụng 1. Bài tập 1: Xe tránh vật cản dùng sóng siêu âm Hình 8: Mô hình xe tránh vật cản dùng sóng siêu âm Hệ thống điều khiển mờ được thiết kế gồm: - Giá trị đầu vào: khoảng cách đến vật cản - Bộ mờ hóa - Các luật điều khiển tốc độ xe - Bộ suy diễn - Bộ giải mờ - Giá trị đầu ra là tốc độ của xe Phân tích thuật toán xây dựng hệ thống điều khiển mờ - Định nghĩa biến ngôn ngữ và các thuật ngôn ngữ 13
- Xây dựng các hàm phụ thuộc - Xây dựng các luật mờ - Làm mờ các dữ liệu đầu vào thành các giá trị mờ sử dụng các hàm phụ thuộc - Đánh giá các luật trong tập luật - Kết nối các kết quả trong mỗi luật - Giải mờ các dữ liệu đầu ra B1: Xây dựng biến ngôn ngữ Với biến ngôn ngữ khoảng cách (Distance) ta có tập mờ sau: Distance: {small, safe, big} Với biến ngôn ngữ tốc độ (Speed) ta có tập mờ sau: Speed: {fast, averge, slow} B2: xây dựng hàm liên thuộc (membership function) Hình 9: Các dạng hàm phụ thuộc (membership function) phổ biến 14
Các hàm phụ thuộc khoảng cách Distance Hình 10: Ngõ vào tín hiệu của fuzzy logic toolbox trong matlab 0 if x  0  x  if 0  x  20  20 small ( x)    40  x if 20  x  40  40  20 0 if x  40  15
0 if x  30  x  30  if 30  x  50  50  30 safe( x)    70  x if 50  x  70  70  50 0 if x  70  0 if x  60  x  60  big ( x)   if 60  x  80  80  60 1  if x  80 Hàm phụ thuộc speed Bánh xe trái Lm Bánh xe phải Hình 11: Ngõ ra tín hiệu của fuzzy logic toolbox trong matlab 0 if x  0 x  if 0  x  50  50 slow( z )    65  x if 60  x  65  65  60 0 if x  65  0 if x  72  x  72  if 72  x  150 150  72 averge( z )    150  x if 150  x  210  210  150 0 if x  210  16
0 if x  180  x  180  fast ( z )   if 180  x  210  210  180 1  if x  210 B3: xây dựng các luật mờ Dựa vào các yếu tố đầu vào Distance để xây dựng ma trận luật quyết định tốc độ của xe. Do đầu vào chỉ có một đại lượng là khoảng cách vì vậy ta bỏ qua cách lập bảng ma trận, mà từ Distance để suy luận Thiết lập các luật điều khiển theo khoản cách robot phát hiện được, gồm 3 mức small, safe, big. Trong mỗi động cơ được FLC đưa ra 3 mức slow, averge, fast Distance Lm Rm Trạng thái small average slow Quay sang phải safe average average Chạy vừa big fast fast Chạy nhanh - Xây dựng các luật và tối ưu luật mờ (fuzzy rules) Dựa vào bảng trên chúng ta có thể xây dựng các luật mờ sau: (R1) IF (Distance is big) THEN (Rm is fast) and (Lm is fast) Big(Distance) => fast(speedL) fast(speedR) (R2) IF (Distance is safe) THEN (Rm is average) and (Lm is average) safe(Distance) => average(speedL) average(speedR) (R3) IF (Distance is small) THEN (Rm is slow) and (Lm is average) small(Distance) => average(speedL) slow(speedR) * Làm mờ dữ liệu đầu vào (Fuzzyfication) Với dữ liệu đầu vào là 57cm, tính tốc độ an toàn của xe (speed = ?) Dựa vào các hàm phụ thuộc của Distance ta có: 0 if x  0  x  if 0  x  20  20 small ( x)    40  x if 20  x  40  40  20 0 if x  40  40  x 40  37 Với x = 37cm thì small ( x)    0.15 40  20 40  20 17
0 if x  30  x  30  if 30  x  50  50  30 safe( x)    70  x if 50  x  70  70  50 0 if x  70  x  30 37  30 Với x = 37 thì safe( x)    0.35 50  30 50  30 0.35 0.15 37 Hình 12: Chọn phương pháp suy diễn là phương pháp Mandani - Sử dụng toán tử suy diễn min - Sử dụng phép hợp thành max-min Ri: IF x is Ai and y is Bi THEN z is Ci, i = 1, 2, 3, …., n * Quy tắc min Luật 1: IF it’s big, chạy nhanh big(Distance) => fast(speedL) fast(speedR) Luật 2: IF ( near) THEN (Rm is averge) and (Lm is averge) safe(Distance) => averge(speedL) averge(speedR) Với 37cm => safe = 0.35 Luật 3: IF (nearest) THEN (Rm is slow) and (Lm is averge) small(Distance) => averge(speedL) Với 37cm => safe = 0.35 slow(speedR) Với 37cm => slow = 0.15 * Quy tắc Max-Min Sử dụng quy tắc Max-min cho luật 2, luật 3 ta có: 18
Max[Min(average(SpeedL), average(SpeedR)), Min(average(SpeedL), slow(SpeedL))] = Max[Min(0.35,0.35), Min(0.35,0.15)] = 0.35 B4: Giải mờ  Phương pháp trọng tâm (center) Điểm y’ được xác định là hoành độ của điểm trọng tâm được bao bởi trục hoành và đường μB(y). Công thức xác định: Trong đó S là miền xác định của tập mờ B’ Giải sử có m luật điều khiển được triễn khai, các giá trị mờ đầu ra của luật điều khiển thứ k là μB’k(y) thì với quy tắc Sum-Min hàm phụ thuộc sẽ là * Phương pháp độ cao Từ công thức Với Hk = μB’k(y). Đây là công thức giải mờ theo phương pháp độ cao Chúng ta áp dụng phương pháp độ cao để tính tốc độ xe 2. Bài tập 2: điều khiển robot bám line Giả sử cho robot chạy theo một đường có khoảng cách cố định so với tường là Xđ. Khi robot di chuyển nó sẽ lệch khỏi đường đó, lúc đó sẽ có sự sai lệch về vị trí và tư thế của nó so với yêu cầu. bộ điều khiển có nhiệm vụ xử lý tín hiệu báo về 19