Luận văn Thạc sĩ ĐHBKHN: Thiết kế hệ thống điều khiển đồng bộ dựa trên điều khiển mờ Fuzzy và mạng Neuron

- 1 -

M Đ UỞ Ầ

ố ể ữ ư ề

ụ ỹ ề ậ ể ượ ứ

ầ ể ề ế ể ữ

ề ự ữ

ệ ả

ầ ệ ữ ế ế

ố ậ ườ

ể ặ ề ế ữ ữ

ệ ỏ ộ ự ả ắ ệ ố ậ ữ ỹ

ả ầ c nh ng đòi h i đi u khi n tăng nhanh trong nh ng h ể ữ ề

ữ ứ ạ ỏ ướ ọ

ổ ơ ữ ậ ờ

ữ ư ạ ể ố ệ ả ữ ở

ệ ố ả ữ ể ấ ấ ể ề ằ ủ ề

ẫ ọ ầ ứ ự ề ẫ

ồ ộ ph ạ ươ ề

ỏ ể ủ ả ướ ế

ể ế ị ọ ả ự ả

qu n cao. ế ể ề

ề ể ạ ề ầ t đ đi u khi n h th ng v i đ t ớ ộ ự ả nh sau: ệ ố c mô t ỉ Nh ng k thu t đi u khi n truy n th ng nh đi u khi n Tích phân t ể ề ề l (PI) hay đi u khi n Vi tích phân t l (PID) đ c ng d ng thành công trong ệ ỉ ệ đi u khi n nh ng quá trình tuy n tính. G n đây, đi u khi n tiên đoán mô ề ệ ố hình (MPC) cũng th c hi n thành công trong đi u khi n nh ng h th ng ể tuy n tính. Tuy nhiên, kho ng 90% nh ng quá trình sinh h c và hoá h c là phi ọ ọ ữ ế tuy n cao và h u h t chúng là nh ng h MIMO.Khi h th ng là phi tuy n ệ ố và/ho c MIMO, nh ng k thu t truy n th ng trên th ng m c ph i sai sót ề ỹ ượ khi đi u khi n nh ng h th ng nh th . Ngày nay, nh ng h th ng đ c ư ế ữ ệ ố dùng trong công nghi p đòi h i đ t qu n cao và nh ng k thu t trên không ả có kh năng đ đ t đ c đi u này. ề ể ạ ượ ệ C n ph i đ t đ ả ạ ượ i nh ng thay đ i quan tr ng đã làm cho th ng đi u khi n đ ng ph c t p d ộ ể ề vi c dùng nh ng k thu t thông minh nh m ng n ron, lôgic m và thu t ậ ỹ i di truy n trong nh ng h th ng đi u khi n tr nên h p d n. Nh ng lý gi ề ỉ do chính đ ng sau đi u này là kh năng c a chúng có th “h c” đ x p x hàm và phân lo i m u và ti m năng c a chúng trong th c thi ph n c ng song ủ ử ng pháp đi u khi n thông minh ph ng theo quá trình x lý song đ s , ư thông tin không rõ ràng và ra quy t đ nh đi u khi n c a con ng i cũng nh ườ i u. Nói cách i pháp t b t ch c quá trình ti n hoá sinh h c đ t o ra gi ố ư ắ ứ khác, chúng có kh năng th c thi (c ph n m m và ph n c ng) nhi u ch c ề ứ ầ năng c n thi ể ầ S đ h th ng đi u khi n đ ể ượ ơ ồ ệ ố ả ư ề

Hình i. S đ đi u khi n đ i t ố ượ ể ng phi tuy n ế

Nh v y, đây có hai b đi u khi n: ư ậ ở ể ơ ồ ề ộ ề

- 2 -

ờ ấ ể

ề ể ề ệ

ả ể ể ế ờ ứ

ể ố ủ • Đi u khi n Feedforward : là b đi u khi n neuro-m cung c p nh ng tín ữ ể ộ ề ng phi tuy n theo đúng qu đ o hi u đi u khi n chính đ lái đ i t ỹ ạ ố ượ setpoint. B đi u khi n này là b đi u khi n m ng d ng kh năng h c ọ ộ ề ụ c a m ng n ron đ tinh ch nh nh ng thông s c a nó. ữ ỉ ủ • ệ ạ ề

ỉ ầ ệ ệ ữ

ỏ ế ể ề ề

ề Đi u khi n Feedback: bù tín hi u, nó cung c p nh ng tín hi u đi u ấ t đ đi u ch nh và lo i nhi u trong nh ng lân ạ ể ộ ộ ề i di truy n đ tinh ch nh thông ỉ ờ ả ậ ề ư ụ ữ ễ ể ể ỹ ạ ứ

ỏ ế ố ượ ế ng phi tuy n ể ộ ề ơ ể khi n hi u ch nh c n thi ỉ c n nh xung quanh qu đ o đi u khi n. B đi u khi n này cũng là b ể ậ đi u khi n m nh ng ng d ng thu t gi ể ề s c a nó. ố ủ ả

ố ấ ơ ồ ề ủ

ỹ ậ ế ố ượ ể ớ ộ ề ng phi tuy n và nh ng k thu t đi u ữ

ế ậ

ố ấ ệ c thi ố ả

ổ ượ ấ

ổ ợ

ả

h p năng l ệ ạ ỏ

ả ầ ữ

ng. ng đ n môi tr ng nhiên li u than (NLNLT), lo i t ệ ượ ủ ổ ợ ấ ệ ượ ấ ộ

i thi u nh h ể ả h p năng l c dùng r ng rãi nh t cho vi c s n xu t năng l ầ ộ

ng là đáp ng yêu c u t i cho năng l ng đi n ầ ả ượ ứ

ể ữ ổ

ng khác đã tăng c ệ ở ọ ệ ạ ệ ự ầ

ầ

t b chính và nh ng lu t gi m nh h ng đ n môi tr ườ ặ ả ả ệ ưở ế ị ế ậ

ủ

ủ

t k cho v n hành ậ

ữ c tuân th . Trong đó: ậ c thi ượ i có th đ n t

ậ

• Nh ng yêu c u v n hành chu kỳ c a NLNLT trong kho ng t ả ộ i r ng ả t i không đ i. Nh ng yêu ở ả ữ ổ nh ng chi n l c tính đ c kinh t ế ượ ữ ế ượ ả ệ nh ng dao đ ng t ng hay t i h ộ ữ ừ ượ ả i tin c y và hi u qu s đ m b o vi c tho ả ả ẽ ả ệ ệ ng đi n và ệ ượ ầ ủ ớ i c cho đ n nh ng gi ướ ữ

• Vi c kéo dài tu i th thi

ậ

t b là quan tr ng vì nó t i ng u nhiên không đoán tr h p. ọ ệ ọ

i h n th i gian ch t và t ổ ả ủ ổ ợ ổ ờ ớ ạ ữ ể ố

ế ị ế ủ ắ

ứ ấ

K t qu mô ph ng cho th y s đ đi u khi n trên đã lái đ i t đi xuyên su t kho ng công tác c a nó v i đ chính xác cao. ả Ph n sau đây s đ c p đ n đ i t ế ầ ẽ ề ậ t l p trong lu n văn. khi n đ ậ ể ượ Trong b i c nh hi n th i, vi c s n xu t năng l ề ng đ i m t v i r t nhi u ệ ả ờ ặ ớ ấ ế ị v n đ khó khăn. Trong s đó, đi u quan tr ng nh t là: tu i th c a thi t b ề ề ố ấ ọ ủ ọ i nh ng t chính t tài chính không ch c ch n cho ng, đ u t ắ ượ ữ ạ ắ ầ ư ộ ng đ c h p m i, vi c c nh tranh gi a nh ng nhà s n xu t năng l nh ng t ấ ượ ữ ữ ớ ổ ợ ữ ự ể ạ i dùng và nh ng áp l c đ đ t ng c a ng l p đ tho mãn đòi h i năng l ể ữ ườ ủ ượ ả ậ đ i đa ngu n tài c nh ng yêu c u qu n lý nghiêm ng t đ s d ng t ể ử ụ ặ ồ ố ượ nguyên thiên nhiên và t ưở ườ ế ố ạ ổ Vi c v n hành c a t ượ ậ ng, đã b tác đ ng h p đ ộ ị ệ ả ợ m nh. Đ u tiên, m t NLNLT ph i h tr m c tiêu chính c a h th ng năng ủ ệ ố ả ổ ợ ụ ạ đi n l ở ệ m i th i đi m, ờ ượ ế áp không đ i và t n s không đ i. Sau đó là vi c c nh tranh gi a tính thi t ầ ố ổ ng vi c dùng NLNLT [Armor th c và yêu c u th tr ị ườ 1985]. Cu i cùng, nh ng yêu c u nghiêm ng t trong vi c b o trì và kéo dài ố ả ữ tu i th c a thi ườ ng ọ ủ ổ c n ph i đ ả ượ ầ ữ ầ m c dù chúng đ ế ế ặ c u bi n đ i t ể ế ừ ổ ả ế ầ i nh ng trung tâm năng l toán t ữ ạ th ng. V n hành theo t ậ ả ố mãn hàng ngày, hàng tu n và theo mùa c a yêu c u năng l ầ nh ng thay đ i t ế ẫ ữ h n v t lý c a t ạ i đa vi c dùng tài ố ệ ả s n, gi i thi u nh ng chi phí v n hành và b o ả trì. Nguyên nhân chính c a vòng đ i ng n c a b t kỳ h th ng nào là ủ ấ ờ ụ v n hành ng su t cao. Trong NLNLT, nh ng ng su t nhi t ph ệ ữ ậ t quan t đ h i là đ c bi thu c vào nh ng dao đ ng áp su t và nhi ệ ậ ệ ố ấ ặ ứ ệ ộ ơ ữ ấ ộ ộ

- 3 -

ố ầ ế ứ

ộ ế

ả ệ

ả ệ

ạ ẳ ế ố ề

ộ ệ ườ

ề ở ệ ố , nhi t đ n ụ ệ ộ ướ t tăng khi làm vi c t c làm mát, nhi i nh ng t ữ ệ ạ ữ t đ môi tr ệ ộ i khác v i t ả ớ ả ơ ở

ả i l n đ t ng t. ộ • M t NLNLT có hi u su t trong kho ng 30 đ n 35%, nghĩa là t c đ ộ ố ị ả t ch u nh ấ ộ ố ng, khí áp,…T c i c s . Vi c tiêu ệ ộ t nh là m t ư ệ ả ế ố ệ ả ộ

ề ặ

ở tr ng. H u h t ng su t nghiêm tr ng x y ra trong su t quá trình kh i ấ ọ ọ đ ng và nh ng bi n đ i t ộ ổ ả ớ ữ ộ ấ nhi t trong kho ng 11400-9800 Btu/KWh. T c đ nhi ệ h ng b i nhi u h s , ch ng h n nh ng đi u ki n h i, áp su t b ưở ơ ng ng t ư đ nhi ệ ộ t n nhiên li u và giá c làm cho vi c c i ti n t c đ nhi ệ ố tiêu chu n v m c kinh t . ế ả ẽ

ể

ệ ượ ư ệ ạ ế

ng không khí d s d ư ệ ể ạ

ư ữ

ệ ị ệ ấ

ẩ • Vi c tr n không hoàn h o gi a không khí và nhiên li u s làm v ượ t ệ ộ ữ quá l c đ t h t, mà ng không khí đ tránh vi c nhiên li u không đ ệ ố ế ệ ượ s d n đ n vi c t o khói đen và khí CO đ c cũng nh nh ng l ượ ng ộ ữ ẽ ẫ ư ẽ ễ nhiên li u d khá nguy hi m. Bên c nh đó l ượ hình thành nh ng ch t không mong mu n khác nh sunfua dioxit, ố ấ nitrogen oxit và làm giãm hi u su t boiler do nhi t b tiêu phí trong khí nhiên li u.ệ

c đ c p ẫ ầ ệ ế

ệ ề ữ ấ ả ươ

ả ầ

ệ ộ ệ ả

t b chính, gi ễ ữ ả ộ ấ ế ị

i nh ng thay đ i v t lý và nh ng đi u ki n kinh t ế ữ ổ ậ

ầ ệ ề ầ ố

c thi ệ t k đ tho mãn t ả ế ế ể ệ ổ ầ

ể ả ơ ữ

h p năng l ướ ậ ố i nh ng đòi h i c a th tr ị ườ ữ ề i b t kỳ tình hu ng ho t đ ng nào. ạ ộ ng hi n th i, m t ph ờ ệ ổ ợ

i c a b t kỳ h th ng đi n nào. Khi đ ỏ ủ ể ệ ố ệ

t b có th tăng c ệ ố ế ị ữ

ữ ậ ệ ị

ọ ả ấ ậ ệ ề ổ ệ ả ậ ầ

ế ể ậ

h p năng l ệ

h p đ gi ể ủ ổ ợ ể ữ ả

ầ ư ề ề ể ằ

ệ ử ụ ữ ệ ố ậ ố ử ấ ụ ỹ ụ ạ ớ

ề ậ

ơ ữ ứ ử ụ ề

ữ ầ ạ ủ ữ ầ

T c nh ng yêu c u đ ể trên đã d n đ n vi c phát tri n ượ ữ ề ậ ở nh ng ph ng pháp đi u khi n linh ho t và toàn di n h n. Chúng cũng cung ể ơ ạ c p nh ng ch c năng c n thi ấ i di n r ng ch t t cho vi c v n hành theo t ế ứ ữ ấ ậ ệ l ng cao và đ ng th i cũng tho mãn nh ng ràng bu c trong vi c b o qu n ả ồ ượ ờ ả và kéo dài tu i th c a thi ố i phóng ch t ô nhi m và tiêu t n ổ ọ ủ nhiên li u d . Do đó, ướ ệ ữ i cũng c n xem xét vi c n đ nh t n s và đi n áp, nh ng ngay c khi theo t ữ ả ả ị ố h th ng đi u khi n hi u qu h n cũng c n đ i ượ ề ệ ố ệ ể u nh ng m c tiêu v n hành, nh ng xung đ t t ng quát đ mà NLNLT có ộ ổ ậ ụ ữ ư th v n hành thành công d ướ ấ ể ậ ng ươ Bên c nh đó, d ộ ữ ạ ấ ng là r t pháp toàn b cho v n hành và đi u khi n nh ng t ượ ộ c ng d ng ụ quan tr ng cho s t n t ượ ứ ự ồ ạ ủ ấ ng ườ hoàn h o, nh ng h th ng đi u khi n và nh ng thi ể ể ế hi u su t v n hành máy, tính n đ nh và tin c y cũng nh s s n sàng, vì th ư ự ẵ làm gi m vi c tiêu t n nhiên li u, chi phí v n hành và b o trì mà h u nh r t ư ấ ả ố t đ phát tri n ng. Vì v y, th t c n thi t n kém trong m t t ể ậ ầ ượ ộ ổ ợ ố ế t đ n toàn b chi n đ ng hi u qu và liên quan m t thi nh ng h th ng t ộ ế ế ậ ả ự ộ ệ ố ữ c và h th ng đi u khi n c a t l chúng v n hành hi u qu và ệ ậ ề ệ ố ượ có l i.ợ ế t Cũng c n l u ý r ng vi c s d ng r t nhi u h th ng đi u khi n và thi ẽ b d a trên máy tính v i nh ng d ng c k thu t s x lý thông tin m nh m ị ự t k t p trung nhi u h n trên vi c ệ và tin c y h n cho phép nh ng nhà thi ế ế ậ ơ c đ c p th c thi nh ng ng d ng ph n m m đáp ng nh ng th thách đ ượ ề ậ ở ứ ữ ph n trên. Vì tính linh ho t c a ph n m m, và nh ng chi phí cho vi c phát ệ ề ạ tri n và b o trì có th d dàng cài đ t vào nh ng ph n c ng mà nó ch y ặ ự ầ ể ể ễ ữ ứ ả ầ

- 4 -

ữ ế ế

ầ ế ợ ữ ứ

ự ộ

ổ ự ớ ổ ệ i( ví d , b o v , đi u khi n và t ụ ả ệ h p năng l ổ ợ ữ ề ượ

ề ể ậ

ế ế ộ ệ ố ậ s thi ả ẽ ữ ự ỹ

ệ ố ầ ượ ề ề ậ ầ

ệ ố t k và phát tri n nh ng h th ng trong đó, nh ng n l c l n trong vi c thi ể ệ ph n m m toàn di n và t ng quát đ d dàng k t h p nh ng ng d ng v n ậ ụ ữ ề ể ễ ệ hành ti n l ng hi u đ ng hoá) đ tăng c ườ ể ể ệ ợ ng [Garduno and Sanchez 1995, Garcia and su t c a nh ng t ấ ủ Garduno 1998]. t k m t h th ng đi u khi n toàn b . Trong lu n văn này tác gi ộ ậ H th ng này s k t h p gi a các lĩnh v c k thu t đi u khi n, k thu t ỹ ể ề c xem là ph n m m và k thu t quá trình. Trong đó k thu t ph n m m đ r t quan tr ng đ thi ọ ấ ẽ ế ợ ậ ỹ t k h th ng đi u khi n cho NLNLT. ế ế ệ ố ể ỹ ể ề

- 5 -

CH

NG I.

ƯƠ

T NG QUAN

Ổ

1.1 Gi i thi u v m ng n ron và logic m ớ ệ ề ạ ơ ờ

ỷ

ạ

ớ ượ ộ ỹ ả ị ườ ỹ

ậ ắ

ệ ố ớ

ng. N ron Network x lý nhi u d li u song song t ơ

ử ử ử ừ ề ữ ệ ữ ệ ộ

ộ ố ủ ả ộ

ố ề

ạ ế ộ ậ

ồ ặ ầ ẫ ẫ ự

ấ ớ ự ữ ệ ề

ư ị ẫ ụ ngu n d li u trong h th ng, ho c xây d ng l ạ ệ ố ủ ừ ể ả ụ ệ

ụ ủ ề ặ

ườ ơ

ẽ ệ ạ ằ ạ

ệ

ạ ẵ ể ế ị ứ ệ ơ ở ạ ụ ơ

ể ả

i đang là xu h ạ ộ ề ể ng m i trong đi u khi n t ớ ủ ề

ể ự ộ ệ ầ ướ ậ ự

ứ ề ủ ớ ạ ố

ằ ơ ộ ể ề

ể ế ị ủ ề

ử i. Ph ể ề ườ ấ

ượ ị

ờ ườ t k . Ng i thi ủ

t k bi n s hi u bi ế ề

Vào cu i th p k 80 công ty Addison Wesley Publishing Company đã gây ố ậ ệ ầ ng Neural Network (M ng trí tu th n xôn xao d lu n khi tung ra th tr ư ậ c ví nh là m t k x o k thu t gia công các thông tin m i, nhanh kinh) đ ư c cách s ng gi ng h th ng và chính xác. Chúng là các máy tính b t ch ệ ố ố ướ t so v i các máy tính thông th n kinh, các máy tính này làm vi c khá khác bi ầ ệ i cùng m t th i th ờ ườ ộ ạ đi m, không ph i là x lý t ng d li u m t. Chúng x lý r t nhi u d li u ữ ệ ấ ể ề ớ ng m t vài cái này, thu nh gi m b t đ u vào cùng m t lúc, c ng c tăng c ỏ ả ườ ầ c. nh ng cái khác. Đa s chúng đ u ph i làm theo m t khuôn m u cho tr ướ ả ữ Chúng tìm ki m m u trong hàng lo t các thí d , nh n d ng m u, tìm ki m ế ạ ẫ i m u các m u đ y đ t ẫ đúng t cái b bóp méo. R t nhi u các ví d ph i làm v i s am hi u sáng ị ừ t và các d li u khách quan nh th giác, thính giác và các tín hi u khác. s ữ ệ ưố cách ch y này có nhi u đ c tính c a con Nhìn chung, các ví d ch ng t ỏ ứ i h n là các máy tính đ ng c l p trình s n. ượ ậ Ngày nay, trí tu nhân t o đang phát tri n m nh m nh m t o ra c s xây ơ ở ạ c xây d ng các h chuyên gia, h tr giúp quy t đ nh. Trí tu nhân t o đ ượ ạ ệ ợ ự t k h th ng d ng trên c s m ng n ron nhân t o và ng d ng trong thi ế ế ệ ố ự ư ộ duy nh b đi u khi n thông minh mà trong đó b đi u khi n có kh năng t ư ề ạ đ ng. M ng não c a con ng ườ n ron là s tái t o b ng k thu t nh ng ch c năng c a h th n kinh con ỹ ạ ữ ơ i v i vô s các n ron đ c liên k t truy n thông v i nhau trong m ng. ng ượ ế ườ ớ ng pháp đi u khi n thông minh ph ng theo quá Đi u khi n m là m t ph ỏ ươ ờ ề trình x lý thông tin không rõ ràng và ra quy t đ nh đi u khi n c a con ể ứ ng ph c ng ng pháp này r t thích h p đ đi u khi n các đ i t ể ố ượ ợ ươ ng phi tuy n. Tuy c mô hình toán và các đ i t t p, không xác đ nh đ ế ố ượ ạ t k b i quan đi m, cách nhìn c thi ng đ nhiên, b đi u khi n m th ượ ể ế ế ở ộ ề t, kinh nghi m i thi riêng c a ng ệ ế ế ế ế ự ể ườ ườ ắ c a mình v quá trình c n đi u khi n thành các bi n ngôn ng và các qui t c ữ ủ ể ề ng mang t k th m i quan h gi a chúng. Do đó công vi c thi m mô t ế ế ườ ả ố ờ ể ế ế ầ ệ ữ ệ

- 6 -

ử

ặ ế ố ượ ượ

ả ộ ề ờ ộ ề

c là m t ph ộ ượ ờ ề ế ế ẽ ấ t k s m t i thi ề ự i u. V n đ t ấ ố ư c quan tâm nghiên ng pháp ươ

ể

ắ ệ

ế t ch nh cho ả ạ ỉ

ệ ố

ế

ệ ố ế ở ộ

ề ể

ề ế ậ

ể ả ế ậ ỹ ơ ạ ằ ạ ậ ằ

ng pháp d a trên mô hình neuro-m đang d n đ c thi ạ ờ ượ ự

ầ ụ ả

ộ ỹ ữ ư ằ ơ

ữ ữ

ự ự ữ ạ

ạ ờ

ậ ươ ằ ơ

ng ph c t p ng n ng tính “th sai”, khi g p các đ i t ườ ứ ạ ặ c có th s không t r t nhi u th i gian mà k t qu có đ ể ẽ ấ ch nh b đi u khi n m là m t trong nh ng v n đ đã đ ấ ữ ể ượ ề ỉ khi đi u khi n m kh ng đ nh đ c u r t nhi u t ị ẳ ể ề ừ ứ ấ ờ ng ph c t p. hi u qu đ đi u khi n các đ i t ứ ạ ố ượ ả ể ề ệ Do đó đ gi m đi vi c tính toán th công và rút ng n th i gian thi ờ ủ ể ả k ,ng i ta k t h p logic m và m ng n ron t o ra kh năng t ự ơ ạ ờ ế ợ ế ườ c g i là h neuro-m . các t p m . Và h th ng này đ ờ ờ ậ ệ ượ ọ H u h t nh ng quá trình công nghi p là phi tuy n và bi n đ i theo th i ờ ế ế ệ ữ ầ ổ gian. Nh n d ng h th ng phi tuy n đang tr thành m t công c quan tr ng ọ ậ ạ ụ ộ ề c đ b n mà có th đ c dùng đ c i ti n quá trình đi u khi n và đ t đ ể ượ ạ ượ v ng cao. Có nhi u k thu t nh n d ng phi tuy n khác nhau,trong đó có ữ ạ ữ nh n d ng b ng m ng n ron ,nh n d ng b ng mô hình m và nh ng ậ ờ t l p không ph ế ậ ươ nh ng trong giáo trình mà c trong nh ng ng d ng công nghi p. Mô hình ệ ữ ứ ữ c xem nh là m t k thu t h p xám n m gi a m ng n ron và neuro-m đ ờ ượ ạ ậ ộ ờ mô hình m đ nh tính. Nh ng công c đ xây d ng nh ng mô hình neuro-m ờ ị ụ ể lĩnh v c m ng n ron,xác nh n đ c d a trên s k t h p nh ng thu t toán t ặ ậ ơ ừ ự ế ợ ự ệ ố ng pháp neuro-m cho nh n d ng h th ng tính và phân tích h i quy. Ph ậ ồ phi tuy n có u đi m là cân b ng gi a s chính xác c a m ng n ron và tính ạ ủ ữ ự ể ư ế i đ di n gi c. ả ượ ễ

1.2.Tình hình nghiên c u m ng n ron và logic m trên toàn c u: ầ ứ ơ ờ ạ

ơ ủ

ở ơ ả ả ế ỷ c quan tâm t nh ng năm 40 c a th k ừ ữ ứ t chú ý b i kh năng ng c đ c bi ệ ặ ượ

ộ ứ ề ạ ữ ớ ủ

M (50 t ỹ ơ ứ ứ ở ề ơ

ứ Anh có 20 t ạ ọ ứ ậ

ể ụ

i bang California,Tr Ơ ỹ ạ

ố ạ ọ ủ ệ ệ ơ

ố ọ ứ ứ ậ

ữ ệ ậ ơ ỹ

ạ ọ ế

ạ ọ ạ ệ ọ

Ở ậ ơ

Nghiên c u v m ng N ron đã đ ượ 20. Kho ng nh ng năm 90 N ron đ d ng r ng l n c a nó. ụ ổ Chư ng trình nghiên c u v N ron t p chung nghiên c u ậ ng đ i h c,riêng California đã có 15 ch c trong các vi n nghiên c u và tr ườ ệ ứ ụ t ch c,Đ c (7),Nh t (7), Pháp (6), Th y ch c nghiên c u). ổ ứ ổ ứ ứ Ở s (4),Th y đi n (4),Hà lan (4),Australia (3), Ytalia (3),Canađa (3), ỹ Nga(1),Czech (1),Balan(1),Hungary(1), Hàn qu c (1),Singapor (1),Hong kong ng Đ i h c California San diego có (1)v.v… M , t ườ Chư ng trình tính toán và H th ng N ron c a Caltech, Vi n tính toán ơ N ron, Nhóm nghiên c u khoa h c Máy tính Nh n th c,Trung tâm nghiên ơ c u Ngôn ng ,Phòng thí nghi m K thu t N ron,Trung tâm Sloan Sinh h c ọ ứ ọ N ron Lý thuy t. Đ i h c California Santa Cruz có Nhóm Máy D y h c, ơ Nhóm Sinh h c tính toán. Đ i h c Nam California có Phòng thí nghi m Tính Carlsbad có Đ ng toán N ron. Đ i h c Stanford có nhóm L p trình Gen. ộ Moffett Field có Nhóm K thu t N ron NASA. l c h c N ron ng d ng. ậ ỹ ự ọ ạ ọ ứ ụ Ở ơ ơ

- 7 -

Bang Massachusetts, có Trung tâm D y h c Tính toán và Sinh h c t ạ ọ ọ ạ

ệ i Vi n ọ khoa Não và khoa h c ở ệ

Công ngh Massachusetts -MIT,Nhóm tính toán Nh n th c thu c MIT,NeuoDyne Ins, Cambridge. ứ ậ ộ

ệ

ạ ọ ệ ứ ơ ụ ạ ệ

ứ ệ ộ ơ

i Washington. ạ

ệ ỹ

Austin.Phòng thí nghi m Tính toán ng d ng t ộ ạ ạ ọ ơ ụ ậ Ứ ệ ở

ộ Bang Washington có Phòng Thí nghi m ng d ng,Trí tu Tính toán thu c ử Đ i h c Washington,Nhóm Nghiên c u N ron t i Phòng thí nghi m X lý ứ Thông tin. Nhóm nghiên c u N ron thu c Phòng thí nghi m Pacific Northwest t Bang Texas có Phòng thí nghi m K thu t N ron R&D thu c Đ i h c ạ ọ Texas ậ i đ i h c K thu t ỹ Texas.

Bang Pensylvania có Trung tâm C s N ron c a Nh n th c t i Carnegie ơ ở ơ ứ ạ ủ ậ

ộ ơ ạ ệ

ọ ộ ạ

ộ ệ ế

ơ ệ ứ

ở ậ ệ Vi n nghiên c u ứ ệ Vi n

ứ

i tr ạ ườ Melon. ạ ọ Bang Ohio có Phòng Thí nghi m H th ng N ron Nhân t o thu c Đ i h c ệ ố Cincinnati. Bang New Mexico có Nhóm Tính toán Thích nghi thu c Đ i h c New ố Mexico. Nhóm Tính toán Thích nghi Phi tuy n thu c Phòng thí nghi m Qu c gia Los Alamos. Bang New Jersey có Nhóm Nghiên c u N ron Nhân t o ạ ở NEC,Princeton. Nhóm Nh n th c,Trí tu và Tính toán d a trên DNA, ự ứ nghiên c u NEC,Princeton v.v… ơ

Anh: có Trung tâm M ng N ron t ơ ạ ệ ố ạ ạ ọ

ố ệ

ệ ạ ộ

ứ ệ ố ạ ạ ọ ứ

ạ ọ ộ

ệ ử ệ ậ ơ ộ

ạ ọ ộ

ứ ệ

ở ạ ọ ứ

ứ ề ạ ờ

ạ ọ ệ

ạ ọ ạ ọ ứ ạ

ứ ộ

i Đ i h c Karlsruhe. ệ ố ệ

ệ ủ ạ ọ ấ ứ ọ

ứ ơ ộ ơ ọ

ầ

ng Hoàng gia London. Trung tâm ạ ọ i Đ i h c Edinburgh. Nhóm Nghe,Nhìn và Robot Đ i h c H th ng N ron t Cambridge. Nhóm Nghe,Nhìn và H th ng Thông minh Đ i h c ọ ọ Southhampton.Nhóm Nghiên c u Trí tu Nhân t o thu c Đ i h c Nottingham. Nhóm nghiên c u H th ng Thông minh, khoa Khoa H c Máy tính thu c Đ i h c London v.v… Nh t: có Phòng Thí nghi m Robot và C -Đi n t thu c Đ i h c Nagoya. ạ ọ ệ Phòng thí nghi m Okabe và Hirose thu c Đ i h c Tokyo. Phòng thí nghi m ệ thu c Đ i h c Nagoya.Phòng thí nghi m Nghiên c u X lý Sinh-Đi n t ử ộ ạ ọ ệ ử Thông tin Ng Kyoto v.v… i ườ ở ứ Đ i h c Ruhr,Bochum. Nhóm nghiên c u Đ c: có Vi n Tin h c N ron ơ ọ ệ i Đ i h c Braunschweig. Nhóm Nhiên c u M và M và Tính toán M m t ờ i Đ i h c Công ngh Damstardt. Nhóm Nhìn- Máy tính và Nh n N ron t ậ ạ ơ d ng thu c Đ i h c Bon. Trung tâm nghiên c u Trí tu Nhân t o Đ c DFKI ứ ộ ạ thu c Kaiserlautern. Nhóm Nghiên c u N ron c a GMD FIRST t ạ i ơ Berlin.Vi n Logic, T h p và H th ng Suy di n t ễ ạ ổ ợ ng Cao c p,Pari. Nhóm tính Pháp: có Nhóm nghiên c u Tin-Sinh h c Tr ườ ở toán N ron thu c Phòng Tin h c Pari Nord. Nhóm nghiên c u N ron LEIBNIZ, Grenoble. Nhóm nghiên c u Laplace,Mô hình g n đúng trong ứ LEIBNIZ, Grenoble. Robot và Trí tu Nhân t o ạ ở ệ

- 8 -

ạ ọ ử ơ ộ

Hungary: có Nhóm X lý thông tin N ron thu c Đ i h c Eotvos Lorand, Budapest.

ơ ứ

ấ ứ ộ ố ố

ạ ộ ồ n ố ở ướ ậ ằ ơ

ồ ạ ọ

ệ

ậ ệ ữ ể ể ượ ế ị c s d ng thay th l n nhau. Trí tu Tính toán đ ỹ ậ

ồ ắ ệ ế ẫ ễ ắ

ờ ấ ậ ả ậ i Di truy n, L p lu n Xác xu t,các Ph ậ

ộ ỗ ề ế

ỉ ợ ạ ạ ọ ạ

ậ ậ ệ ự ộ ậ ắ ắ

i th riêng đ ti n t ng pháp trong đó m i ph ợ ỗ ề ươ

ủ

ơ ư ả ư ng đ ơ ở ậ ổ ư ng. T t c

ỹ

ng pháp đ u có l ầ ứ ộ ạ c s s y nghĩ c a con ng ụ ướ ự ư ườ ệ

ơ ệ ử ụ ể ắ ủ ế ế ị ả ệ

ắ ắ ộ ỉ

c là tính d áp d ng,s năng đ ng và các gi ự ộ

ễ ứ ạ

ụ ạ ư ờ

ạ ọ ầ ữ

ng đ ờ ố ớ ự ườ ủ ạ ạ ơ ỹ

ạ ạ ớ

ồ

ạ ợ

ạ

ụ ề

ệ ố ậ ệ ố ề ệ ố ấ ể ạ

ề ế ữ ọ ậ ạ ồ

ồ ệ ố ộ ề ự ế ọ ể ạ ậ

ơ

ể ả ả ờ i gi ờ

i nh ng bài toán robot ữ ế c làm chính xác k t ượ ọ i M ng N ron nói chung không làm chính xác.Công c T.Iberall phát tri n năm 1987, ơ c N ron đ ơ ả ọ ượ ể ể

c ngoài: 1.3.M t s công trình nghiên c u m ng N ron đã công b ạ Đa s các nhà nghiên c u các H th ng Thông minh ch p nh n r ng : Trí ệ ố ế tu Tính toán (Computational Intelligence) do H i đ ng M ng N ron Th ệ i đớ ưa ra vào năm 1991 và Tính toán m m (Soft computing) do Lofti A gi ề a ra năm 1990 là đ ng nghĩa và Zadeh, giáo sư đ i h c California Berkeley đu c ch p nh n là m t đ ộ ấ ậ ượ ử ụ ệ ử thu t ng đ bi u di n các k thu t cho vi c ra quy t đ nh d a trên vi c x ự lý thông tin không ch c ch n. V c b n, Trí tu Tính toán bao g m Logic ề ơ ả ư ngơ M , M ng N ron , Thu t gi ề ơ ầ pháp H c, Lý thuy t H n đ n, các H chuyên gia. M t đi u quan tr ng c n ọ ệ ộ ng pháp nh n m nh là Trí tu Nhân t o không ch là m t t p h p các ph ấ ươ lu n cho l p lu n d a trên thông tin không ch c ch n mà là s liên k t các ậ ế ự ph i đ t ể ế ớ ạ ươ ế ả ượ c m c tiêu chung. B i v y, các thành ph n c a Trí tu Tính toán ph i đ ệ ụ ấ ả xem nh các ph n b xung cho nhau ch không ph i t ầ các k thu t đó nh m m c đích đ ưa ra m t d ng “ Máy Thông minh “nào đó ằ ậ i trong vi c ra quy t đ nh. mà nó có th b t ch ủ Đ ng c ch y u cho vi c s d ng Trí tu Tính toán là khai thác kh năng ộ x lý thông tin không chính xác, không ch c ch n, ch đúng m t ph n và k t ế ử ầ ấ i pháp chi phí th p qu đ t đ ả ụ ả ạ ượ cho các v n đ ph c t p. Đây cũng là m c tiêu do giáo s Lofti A Zadeh , ư ề ấ Đ i h c California Berkeley (ng ư i sáng t o Lý thuy t T p M 1965) đ a ra ế ậ vào đ u nh ng năm 1990 đ i v i s phát tri n c a các H Thông minh. ể ủ ệ c s d ng trong K thu t Robot là Hai d ng c a M ng N ron th ậ ượ ử ụ a ra 1982, M ng Hopfield và M ng Perceptron nhi u l p do Hopfied đ ề ạ Kohonen 1984, Rumelhart 1986. Nh ng m ng khác bao g m M ng C nh ạ ạ ữ tranh & H p tác do Amari &Arbib nghiên c u năm 1977 và M ng Th ưở ng ứ ph t do A.G.Barto&C.W.Anderson 1983. ệ H th ng Robot bao g m 3 h th ng ph là : H th ng truy n đ ng, H ộ ề th ng Nh n d ng và H th ng Đi u khi n. Nh ng v n đ chính c a Đi u ủ ố khi n Robot bao g m Đ ng h c, Đ ng l c h c, L p k ho ch đ ng đi ộ ể ườ t l p quĩ đ o ), Đi u khi n, C m bi n, L p trình và Trí tu (Thông (Thi ệ ả ế ậ minh). h p tính toán và gi M ng N ron có th gi m t ạ ả ổ ợ i tích c a đ ng h c ng i gi ượ ưa ra “y u”. L i gi c đ đ ủ ộ ả ế qu s , trong khi l ạ ả ố vi c phát tri n Đ ng h c ng ượ ộ ệ A.Guez năm1988.

- 9 -

ơ ư ự ọ

1988. ộ 1987.

ư

t l p quĩ đ o đ ơ ằ ạ ạ ượ c K.Ts ts mi 1988, ư ư

d ng M ng Hopfield đ ạ ả cượ ử ụ

Bài toán l p quĩ đ o tránh v t c n s ạ ư ư

ộ ạ ạ

ơ Ở t l p quĩ đ o v i M ng N ron đ ớ đây M ng N ron c g ng c c ti u hoá đ ố ắ

ề ể ứ ườ ơ ự ể ộ

ệ ử ạ ọ

ạ ầ ề ứ

ọ ơ ớ ằ ề ề ể ượ

ể ể

ệ ứ

ạ ọ ự

d ng m ng N ron đ ậ ự ể ề ạ ạ

ự ộ ể Nh n d ng h đ ng l c phi tuy n s ệ ộ ợ ơ ứ

ậ ự ự ề ể ệ ị

ử ụ ơ

ử ụ ỹ

ề ể

ươ c,s d ng M ng Perceptron nhi u l p. ượ ử ụ ề ớ ề

ạ ế ệ ạ ề ể ả

ệ ộ ự ạ ọ ơ

ế ử ụ ề ệ ể

ệ

ứ c giáo s ế ượ ượ Ứ ư ề ạ ơ

c theo v t đ ạ ọ ọ

ệ

ạ

ứ ể ể ề

ng trên c s N ron đ đi u khi n robot,1998. ộ ố ể ộ

ộ ề ượ ư ệ ậ

ứ

ng Vi n Tin h c và T ưở ệ ệ ệ ọ

ể Trong Đ ng l c h c Robot N ron , M.Kawato,Furukawa,S zuki phát tri n năm S.G.Tzafestas1986, &M.Isobe Y.Uno M.Kawato,Y.Maeda,Y.Uno &S zuki 1990. M ng N ron s d ng nh m thi ế ậ ử ụ H.liu1988, R.Ecmiller 1987. ậ ậ H.mats moto& K.Ts ts mi phát tri n. ể ư cượ ng h p Robot Di đ ng, Thi Tr ế ậ ợ ườ ộ nghiên c u b i V.Seshadri1988. ứ ở ạ ằ ng đi. Nick Vallidis đã nghiên c u đi u khi n Hexapod di đ ng b ng dài đ , Đ i h c Bách m ng N ron , 2000. L.M.Reyneri, M.Chiaberge Khoa đi n t ơ ạ khoa Torino- Italy nghiên c u ph n c ng-M ng M -N ron đi u khi n ể ờ ơ ứ Hexapod Di đ ng, 1993-2000. ộ ằ c g i là Đi u khi n kh p b ng Đi u khi n Robot b ng M ng N ron đ ạ F.L.Lewis,Vi n nghiên mô hình ti u não CMAC do Albus 1975 –1979. Giáo s ụ c u Robot và T đ ng hoá, Đ i h c Texas –Arlington USA đã ng d ng ứ CMAC đ đi u khi n h đ ng l c phi tuy n, 1997. ệ ộ ế ượ c ế ử ụ S.J.Jagannathan, Liên h p Phân tích T đ ng hoá, USA nghiên c u năm 1996. ự ộ Y.Pao&D.Sobasic 1987 th c hi n h th ng đi u khi n v trí robot hai b c t ệ ố do s d ng M ng N ron Perceptron. ạ ậ A.Guez s d ng mô hình thích nghi (MRAC). W.T. Miler s d ng k thu t ử ụ CMAC trong liên k t v i ph ự ng pháp đi u khi n mô men. R.Elsley th c ế ớ hi n đi u khi n Jacobi ng ể ề ớ M ng N ron Đ c s d ng trong c m bi n và đi u khi n Robot nhi u l p, ơ ượ ử ụ liên t c b i R.Esley, &Y.Pati 1988. ụ ở Đi u khi n thích nghi h đ ng l c h c phi tuy n s d ng m ng N ron ề ể ư A.M.Annaswamy, Phòng thí nghi m Đi u khi n thích nghi - c giáo s đ ượ Khoa Ch t o Máy – Vi n Công ngh Massachusetts –MIT nghiên c u, 1997. ế ạ ệ K. S. ng d ng M ng N ron đi u khi n ng ể ụ Narendra, Trung tâm Khoa h c H th ng, Đ i h c Yale,USA nghiên c u, ứ ệ ố 1999. (cũư Giáo sư Vukobratovic, Trung tâm Robot, Vi n Mikhailo Pupin, Nam t ), phó ch t ch Vi n Hàn lâm Khoa h c, đã nghiên c u phân lo i mô hình ủ ị ọ ệ đ ng l c h c môi tr ơ ở ơ ườ ự ọ ộ ộ ng Robot Di đ ng và h t ng đ i B đi u khi n M -N ron đ d n hu ớ ể ẫ ờ ơ robot đ ạ ọ c giáo s M.M.Trivedi Khoa K thu t Đi n và Máy tính, Đ i h c ỹ California San Diego,USA nghiên c u,1998. ự Giáo sư, Vi n sĩ, Vámos Tibor, nguyên Vi n tr đ ng hoá- Hungary, - nguyên ch t ch H i Máy tính Neyman János (Von ộ ủ ị ộ

- 10 -

IFAC đã nghiên ề ự ộ ố ế

ậ ệ ể ạ ủ ị ạ

ệ ư

ạ ậ ư ệ ệ

ậ ệ ự ộ ệ ố

ể ế ứ ưở ề

ợ ậ ư ệ ố

ủ ị ậ ả

ệ

ậ ạ ộ ồ ả

ỹ ạ ọ ố ế ờ ơ ở , đã nghiên c u M ng M -N ron -Thu t gi ể ể ề ớ ệ

ữ ữ ứ ỏ

ư Toshio Fukuda, đ c bi công ngh . Giáo s ệ ệ ặ

ấ ự ộ ậ ọ ỹ

ng lai.

i th ư ệ ưở

ư ng Nobel, Vi n tr ở ứ ủ ị ơ ộ ọ

ơ

t quan tr ng d ệ ơ ể ề ệ ệ ố ị ẳ ặ

ể ọ ủ ư ủ ế ạ

ầ ự ể ọ ữ ạ ế

ẽ

ẽ ế ở ở ự

ộ

ổ ế ọ ọ

ng m i trong lĩnh v c Robot và Trí tu Nhân t o. Neyman), nguyên ch t ch H i Đi u khi n T đ ng Qu c t ộ c u k thu t Nh n d ng –Trí tu Nhân t o cho robot. ứ ỹ Giáo s ,Vi n sĩ Hyungs ck Cho, Khoa Ch t o máy,Vi n Khoa h c ọ ế ạ &Công ngh Cao c p Hàn qu c- KAIST, Hãng Thép và Kim lo i Pohang- ấ ố POSCO, Vi n trệ ng Vi n Đi u khi n,T đ ng hoá và K thu t H th ng, ề ỹ ể đã nghiên c u đi u khi n và c m bi n nano cho robot,2001. ả ọ Giáo s T.Fukuda, Khoa K thu t Vi H th ng,Trung tâm H p tác Khoa h c &Công ngh C p cao, Đ i h c Nagoya- Nh t b n, nguyên Ch t ch H i ộ ệ ấ ố Robot và T đ ng hóa Qu c t , Ch t ch H i đ ng Công ngh Nano Qu c ủ ị ự ộ i AND đ đi u khi n robot, t ể ứ ế 2000. Công ngh Nano đang m ra nh ng tri n v ng to l n. Vi c ch t o ra ệ ế ạ ọ ữ ớ ề ơ ở nh ng robot nh c Nano 10-9mm đòi h i nh ng nghiên c u m i v c s ỏ ỡ ạ t nh n m nh lý thuy t cũng nh ư ế t m quan tr ng c a Robot Micro-Nano trong K thu t Robot và T đ ng hoá ủ ầ t ươ ng Vi n Khoa Giáo s ,Vi n sĩ G.M.Edelman,gi ệ ả h c N ron - USA,Ch t ch H i nghiên c u Khoa h c N ron Qu c t , đã mô ọ ố ế ph ng N ron h th ng Nghe-Nhìn c a loài chim đ đi u khi n robot,1999. ủ ỏ ư i ánh Giáo s đã kh ng đ nh, vi c nghiên c u này đ c bi ớ ứ ệ ư ngờ sáng c a lý thuy t Não Hi n đ i, nh n m nh t m quan tr ng c a môi tr ệ ấ ắ ơ và th c nghi m Motor-C m bi n N ron. S hi u bi t nh ng nguyên t c c ế ả ự ơ ệ ạ t k H th ng Nhân t o ư ng m nh m đ n thi b n c a não s có nh h ạ ế ế ệ ố ả ủ ả ư ng r ng nh ng nghiên c u mô ho t đ ng trong th gi i th c.Chúng ta tin t ế ớ ạ ộ ứ ữ ằ t l p m i hình N ron t ng h p s tham gia m t cách có ý nghĩa b i s thi ố ở ự ợ ẽ ơ ế ậ liên h tr c ti p gi a khoa h c T nhiên và Khoa h c K thu t, đ tư - ưa ra t ệ ự ậ ỹ ự ữ ớ ưở ự ệ ạ

1.4.M t s công trình nghiên c u m ng N ron đã công b trong n c: ộ ố ố ở ứ ơ ạ ướ

t nam b t đ u nghiên c u N ron t ơ ạ ừ ắ ầ

ọ ấ ứ ổ ề ơ ọ ể Vi Ở ệ ệ năm 1992 t ớ i Vi n C h c và ệ ờ c KC-02 Đi u khi n th i ề

ư ứ ộ ố ơ ở

ể

ệ ệ ư ệ

ệ

ệ ệ ậ ỹ ệ ợ

ữ ố

ử ọ ượ ả ể ạ ớ

ạ ứ ườ

Trung tâm T đ ng hoá-Vi n ệ ự ộ ự ề ộ u chính Vi n thông, Khoa Công ngh Thông i, Vi n V t lý, Vi n toán h c, ọ ự ạ , H c vi n K thu t Quân s , Đ i ậ c tri n khai, đã có nh ng lu n án ạ ậ c gi ng d y cho sinh viên. Tuy nhiên ượ ưa t p trung thành nh ng nhóm nghiên ưa vào ng d ng và có th h p tác v i các c đ u đ ầ ng r i rác,ch ả ầ ớ ể ư c đ u đ ữ ể ợ ậ ứ ụ ớ

Vi n Tin h c trong khuôn kh đ tài c p Nhà nu gian th c.ự Hi n nay m t s c s đang nghiên c u nh ệ tin h c, Khoa Công ngh Thông tin - ĐHBK.HN, B môn Đi u khi n T ọ đ ng ĐHBK.HN, H c vi n B ễ ộ ọ tin ĐHBK.HCM,Đ i h c Giao thông V n t ậ ả ạ ọ VietcomBank, Vi n Năng l ư ng Nguyên t h c Qu c gia - HCM. Công tác đào t o đ ọ Ti n sĩ (2), Th c sĩ và bu ế nh ng nghiên c u th ữ c u m nh đ có th b ể ạ ứ . t ch c qu c t ố ế ổ ứ

- 11 -

h p năng l ổ ề ứ ổ ợ ượ ệ ng nhiên li u

1.5 T ng quan v tình hình nghiên c u t than

ộ ấ ệ ữ ượ

ổ ể ượ

ả ể ể ự ố ấ

ầ ng đi n và ng ng t ộ ạ ể ộ ổ

c đi u khi n hi n th i cho phép t o ra năng l ạ ệ ể ế ượ ộ ẫ ờ

ằ ữ

ắ ế ể

ng h i c a boiler v i năng l ầ ượ

i đi n ờ ơ ồ ề

ề ủ ế ượ ể ể

ơ ặ

ả ể ữ

ể ữ ể ừ

ạ ể

ề ể

ượ

ầ ấ ượ ề

ề ể ả ơ ủ ư ượ

ữ ề ớ

ể ệ ề ấ

ứ ấ ế ư ể ề ố

ỉ ơ ượ ệ ệ ạ ố ỉ

ứ ớ

ồ i c a ph ậ ợ ủ ụ ấ

ng nhi ữ

t đ ệ ượ ư ng pháp này th hi n vi c đi u khi n áp su t ti ệ

t quá vì nó đòi h i th i gian đ hoà h p v i tuabin. ượ ầ ệ ng pháp này là đáp ng nhanh v i thay đ i t ổ ả ữ ứ ể c l u tr ề ể ề ờ ớ trong boiler. Đi u b t l ấ ợ ế ư ị ợ ươ ạ ộ ượ ể ệ ượ ướ ỏ ớ

c dùng trong nh ng năm 60-70. Trong s ng v ể ấ ể ữ

ủ ầ

ể ở

ề ỉ

ỉ ệ ả ữ ồ ằ ứ ỉ

ề

ậ ợ ủ ữ ị

ị i c a ph ộ

ứ t đ t ệ ộ ố ế ị ấ ơ ủ ể ậ ơ

ư ữ ủ ả

ng đi n là k t qu c a nh ng quá trình M t NLNLT cung c p năng l ả ủ ế ng. C th , nh ng chuy n đ i chính là s đ t cháy chuy n đ i năng l ữ ụ ể ổ nhiên li u đ u vào, t o h i, phát tri n chuy n đ ng quay, s n xu t năng ể ơ ạ ệ h i. T t c nh ng chuy n đ i này t o thành m t chu l ấ ả ữ ư ệ ượ ụ ơ trình nhi t đ ng l c h c l n và ph thu c l n nhau cao đ . ự ọ ớ ộ ụ ệ ộ Nh ng chi n l ầ ng c n ề ữ ượ t đ tho mãn yêu c u t thi i trong khi duy trì s cân b ng gi a nh ng quá ầ ả ả ế ể ữ ự h p. Ch y u, chúng g n k t ngõ ra năng l trình chuy n đ i trong t ượ ng ổ ổ ợ ng đ c yêu c u b i tuabin-máy phát l u l ở ớ ơ ủ ư ượ m i th i đi m. S đ đi u khi n t h p c u thành c t đ đ t đ ấ ể ổ ợ ệ ở ọ ể ạ ượ ả l p cao nh t c a h th ng đi u khi n và nó ch u trách nhi m cho vi c đi u ề ệ ệ ị ấ ủ ệ ố ớ ng đ n. Đ c tính n i b t c a khi n boiler-tuabin-máy phát nh m t đ i t ổ ậ ủ ể ư ộ ố ượ ng và áp c qu n lý thông qua nh ng vòng đi u khi n năng l h p đ t ượ ề ượ ổ ợ nh ng c u hình vòng đi u khi n SISO d a trên thu t su t. Vi c phát tri n t ậ ấ ệ ự ề ấ c này có th phân lo i thành ba l p: toán đi u khi n PID, nh ng chi n l ớ ữ ể ế ượ ề đi u khi n theo boiler, đi u khi n theo tuabin và đi u khi n boiler-tuabin. ề ề ể ể ẽ ờ ợ c dùng đ u tiên . Trong s đ này, boiler s ch đ i S đ theo boiler đ ơ ồ ơ ồ ng. Nh ng van đi u khi n tuabin hành đ ng c a tuabin đ s n xu t năng l ể ữ ộ ầ ng h i vào trong tuabin v i đ i s là công su t yêu c u. đi u ch nh l u l ấ ớ ố ố ỉ ng h i ng ng v i nh ng thay đ i trong l u l ơ Sau đó, đi u khi n boiler t ư ượ ổ ươ ể c dùng b i đi u khi n và áp su t. Sai l ch áp su t ti t l u so v i setpoint đ ở ượ ớ ng nhiên li u và không khí vào quá trình đ t nhiên li u đ đi u ch nh l ệ c hi u ch nh theo yêu c u c a tuabin. trong bu ng đ t, và vi c t o h i đ ủ i: tuabin là Thu n l ầ m t d ng c ho t đ ng nhanh có th đáp ng r t nhanh v i nh ng yêu c u ộ ụ i s d ng năng l t i là ả ử ụ ph t l u ít n đ nh vì ổ ươ boiler có xu h ơ S đ đi u khi n theo tuabin đ ượ ơ ồ ề ấ ượ c đ này, tuabin s theo nh ng ho t đ ng c a boiler. Yêu c u công su t đ ữ ạ ộ ẽ ồ ng nhiên li u và không i boiler đ đi u ch nh l dùng b i đi u khi n đ t t ượ ệ ể ề ố ạ ề khí vào trong bu ng đ t đ đi u ch nh vi c s n xu t h i. Sau đó đi u khi n ể ấ ơ ố ể ề i tuabin đáp ng b ng cách hi u ch nh nh ng van ti ấ ạ áp su t t t l u đ gi ế ư ệ ể ữ setpoint. Tuabin ch u trách nhi m hoàn toàn trong vi c đi u khi n áp su t ti ấ ế t ệ ệ ể ng pháp này là đáp ng r t n đ nh v i nh ng thay l u. Thu n l ớ ấ ổ ư ươ ổ i v i s dao đ ng áp su t h i và nhi đ i t i thi u, vì nh ng thay đ i ổ ả ớ ự ữ i ph thu c vào ho t đ ng c a boiler là thi t b ch m h n so v i tuabin. t ụ ạ ộ ộ ả năng i chính c a ph B t l ươ ấ ợ l ế ạ ủ ượ ớ ng pháp là không s d ng kh năng l u tr ử ụ ng c a boiler, vì th t o ra đáp ng ch m h n. ơ ứ ậ

- 12 -

ỷ ề ượ ử

ậ ơ ồ

ộ ặ ế

ể ơ ồ

ấ ơ ồ ớ ơ ồ ứ

yêu c u t t l u h i t ơ ừ i t ầ ả ổ ợ

ấ ế ư ế ư ấ ạ ệ

ấ ẽ ộ ề t l u đo đ ạ

ế

ệ

ượ ấ ơ ế ư

ế t l u đo đ h p thông qua ánh x phi tuy n (hình 1.2). ạ

ữ ậ ợ ủ

i cu chúng, nghĩa là , chúng c ả c đi u khi n phù h p s k t h p nh ng thu n l ố

ặ ể ổ ợ ẽ ế ợ ấ ợ ủ ơ ồ yêu c u t áp su t h i ti ừ i t ầ ả ổ ợ ề ể i thi u nh ng b t l ữ ị ứ

ứ

c l u tr ữ

ề ng đ ỉ ầ

ữ ặ ủ ơ ồ c phép s d ng năng l ử ụ ệ ể cho tuabin không v ượ trong boiler. Đ đ t đ ử ả ượ

h p ổ ợ ở ư

t quá năng l ơ ơ ồ ể ể

ề ấ ớ ươ ế ễ ệ ề ả ả ổ

i chính xác.

, ng ừ ể

ạ ớ ấ ề

c đi u ch nh đ th hi n b t kỳ ng x nào gi a các s ấ ổ ạ ậ ữ ườ ể ấ ỉ ứ ặ

ể ể ệ ứ ữ ể ề ấ

ề ấ ộ ề ữ ủ ữ ể ậ

ổ ể ọ ơ ồ ữ ứ

ề ậ

ế ớ ữ

ữ ầ ể ả ữ ữ ộ

ể ề ặ ợ

ữ ộ ả ứ ằ ề ữ

ệ ệ ứ i ta đã dùng nh ng b bù đ tăng c ể ữ ng tác gi a các vòng đi u khi n. R t nhi u nghiên c u đã đ ượ ể ữ ầ ả ề ề ế ỷ

ậ ữ ươ ể ộ

ủ ộ

ự ệ ố

ổ ế ế t k b bù t ể ầ ươ

Đ c s dùng nhi u nh t trong th p k 50 là s đ đi u khi n phù ơ ồ ề ể ấ ồ c đ a đ ng h p(coordinated control (CC)). Trong s đ này, công su t đ ấ ượ ợ ư th i đ n boiler và tuabin. Ph thu c vào các c p bi n đ c đi u khi n và ờ ế ể ề ượ ụ đi u khi n, có hai s đ cho CC: s đ theo boiler và s đ theo tuabin ơ ồ ề i t o l nh [Landis and Wulfsohn 1988]. V i s đ th nh t, b đi u khi n t ể ả ạ ệ ộ ề h p và công su t t o ra, b đi u khi n cho van ti ể ấ ạ áp su t ti áp su t t o l nh cho cho van nhiên li u/không khí t ượ c ệ ừ c t h p thông qua ánh x phi i t yêu c u t và setpoint áp su t mà s có đ ượ ừ ầ ả ổ ợ i t o l nh cho nh ng tuy n (hình 1.1). Trong s đ th hai, b đi u khi n t ữ ể ả ạ ệ ộ ề ơ ồ ứ h p và công su t t o ra. L nh đ n van nhiên li u/không khí t ế i t ấ ạ ầ ả ổ ợ ừ ệ ấ c và setpoint áp su t c tính toán t t l u đ van ti ượ ế ư c t mà s có đ yêu c u t ượ ừ ẽ Nh ng chi n l i c a hai ữ ế ượ ố c trên và t chi n l ế ượ ứ đ c tính đáp ng n đ nh c a s đ theo tuabin và đ c tính đáp ng g ng gi ắ nhanh c a s đ theo boiler. Đ đ t đ c đáp ng nhanh,tuabin-máy phát ể ạ ượ ể ạ ượ ổ c n đ ượ ư ượ ượ i yêu c u, trong khi đ nh, đi u khi n boiler hi u ch nh t c đ đánh l a theo t ố ộ ị c cung c p b i boiler. Đáp gi ng đ ở ấ ượ ữ ằ CC ph i nhanh h n s đ theo tuabin nh ng không nhanh b ng ng t ứ ả ng pháp đi u khi n phù h p s đ theo boiler. Nh ng u đi m khác c a ph ợ ơ ồ ủ ữ ư là kh năng d dàng th c hi n gi m t ể i và bi n đ i áp su t v i đi u khi n ự ả t ả i ta mong mu n có m t c u trúc t ng quát cho T quan đi m th c t ộ ấ ố ự ế i v i b t kỳ s đ ho t v n hành đi u khi n phù h p mà có th c u hình l ơ ồ ợ ể ơ nào, ho c có th đ ử ể ượ ặ đ đi u khi n. Nh ng c u trúc này ch a nh ng c u hình nhi u vòng l p ữ ồ ề phân tán c a nh ng b đi u khi n SISO dùng nh ng thu t toán c đi n PI ở hay PID. Nh ng s đ này đ i m t v i nh ng thách th c nghiêm tr ng b i ặ ớ ố i di n r ng. Trong nh ng đi u ki n này, hi u nh ng yêu c u v n hành theo t ệ ệ ộ ả ữ ữ su t có th gi m do nh ng bi n đ i phi tuy n l n và nh ng hi u ng k t ế ổ ế ấ ườ ng h p c a nh ng quá trình đ ng. Ng ườ ợ ủ s đ đi u khi n phù h p nhi u vòng l p b ng cách gi m nh ng hi u ng ệ ứ ơ ồ ề c th c hi n t ệ ấ ề ự ươ ẩ trong nhi u th p k qua nh ng h u h t các k t qu đ u là nh ng s n ph m ả ế ư c ch p ng pháp đ riêng c a nh ng nhà phát tri n và không có m t ph ấ ượ ữ t nh ng nh n r ng rãi hay t ng quát đ th c thi chúng, vì th c n thi ế ầ ậ ế ể t k mang tính h th ng và t ng quát h n. Đi m c t y u là ph ố ế ơ ổ ươ ng tác d a trên mô hình toán h c là g n nh không vi c thi ư ọ ự ệ th th c hi n và tr nên quá ph c t p s lo i b ng d ng c a nó. ụ ể ự ng pháp thi ế ế ộ ệ ứ ạ ẽ ạ ỏ ứ ủ ở

- 13 -

Hình 1.1. S đ đi u khi n theo boiler ơ ồ ề ể

Hình 1.2. S đ đi u khi n theo tuabin ơ ồ ề ể

1.5.1. Nh ng h th ng đi u khi n tiên ti n ệ ố ữ ể ế ề

ị ặ ể ề ề

quá trình thi ở

ữ ố ọ ủ ệ ế

ậ ấ

ậ ỉ ố ệ ể ậ

M c dù không có đ nh nghĩa chung cho đi u khi n tiên ti n, nhi u ph ế pháp đã dùng nh ng mô hình toán h c c a quá trình, ho c là k hay trong su t quá trình v n hành, hi n th i đ ế s chú ý t p trung vào ch s hi u su t toàn ph ự k thu t này cho đi u khi n toàn b b gi ộ ị ớ ạ ề ỹ th c thi, d b nh h ự ng ươ ế t ặ c g i là tiên ti n. H u h t ế ờ ượ ọ ầ ng. ng d ng th c t ự ế ủ c a ụ ươ Ứ ệ i h n b i tính ph c t p c a vi c ứ ạ ủ ở ả ng b i s không ch c ch n c a mô hình, c n ph i ầ ắ ắ ễ ị ả ở ự ưở ủ

- 14 -

ỹ ậ ạ ệ ể ủ ạ ộ ộ ề

ữ ữ ặ

ộ ề ế ộ ứ ệ ố ể ổ ợ

ỹ ế ữ

ươ c đi u khi n t ể ố ư ề ộ ộ ề

ủ ộ ơ

ộ ướ ơ ồ ề máy 500MW t ữ

ỹ ậ ậ ữ ự

ọ ế

h p năng l thành chu n cho nh ng t ẩ ề ữ ạ ể ổ ợ

ớ ọ ậ

ấ ệ

i ta cũng th c hi n nhi u nghiên c u đ áp d ng nh ng ph ề ự ụ ươ t. ệ ứ ể

ng t ả ạ ỏ

ề ữ

ồ ế ự ơ ồ ề ể ả ả

ng tác c a h ươ ạ

ổ ể ổ ợ ố ủ ữ ệ ữ

ơ ạ tr ng thái quá trình s d ng nh ng ma tr n đ l ử ụ

ừ ậ ậ ủ ế

ơ ạ ộ ọ ữ ự ế ả

ế ấ ậ

ươ ế

i bi n quá trình và nh h ng mô hình tuy n tính đ ả ưở ượ ế

ư ả

ự ớ

ờ ự ề ự ề ể ấ

ệ ả ỉ

ị ổ ữ ớ

ế ế ộ ự ề ộ

ư ấ ủ ắ ườ ể

ợ ể ể ả ộ

ổ ộ ề ậ ữ

ưở ễ ổ

t k m t b đi u khi n thích nghi cho máy phát h i 250 MW đ ệ ộ ố ượ ế ế ộ ộ ề ệ ủ ả ể

c đ ngh đ cung c p nh ng tín hi u đi u khi n tăng c ữ ề ề

ị ể ệ ể ở ấ ể ệ ể ề ề

ế ậ ộ

ườ ả ử ậ ế ể ể ề ượ ể

ề i ho t đ ng c a các b đi u khi n, và vi c dùng nh ng k thu t đi u reset l khi n tuy n tính trong nh ng h th ng phi tuy n cao đ . M c dù không ph i ả ế ộ ể ấ ủ là m t chi n l h p toàn b , ng d ng liên quan nh t c a ụ ế ượ i u nhi u bi n mà [Nakamura và Uchida 1989] nh ng k thu t đi u khi n t ề ậ ữ ng tuy n tính cho nh ng đã đ a vào v n hành m t b đi u ch nh toàn ph ế ư ỉ ậ i Kyushu Electric nhi t đ h i trong boiler c a m t t ạ ộ ổ ệ ể Company, Japan, 1978. B c đ t phá này, trong đó nh ng s đ đi u khi n t đ , g m nh ng k thu t khác nh nh n d ng và d đoán không gian nhi ư ệ ộ ồ tr ng thái, l p trình toán h c phi tuy n, đi u khi n thích nghi tham kh o mô ả ạ ậ ủ ng than c a hình và t i u đã tr ượ ố ư ở i Nh t trong su t 25 năm qua, cho phép h v n hành v i nh ng m c cao ng ứ ữ ố ậ ườ nh t c a hi u su t nhi ấ ủ ệ Ng ng pháp ườ ữ tách riêng ra(decoupling) đ làm gi m hay lo i b nh ng nh h ươ ng ả ữ ể ưở h p theo boiler dùng tác gi a các vòng đi u khi n. Trong s đ đi u khi n t ể ổ ợ ể ng t b bù d a trên h i ti p tr ng thái đ gi m nh h ệ ộ ưở ạ Ontario Hydro, Canada. B bù t o ra nh ng tín h p 150 MW th ng cho t ộ ở ố hi u bù cho b n ngõ vào đi u khi n chính là t ng c a nh ng tín hi u đi u ề ệ ủ ề ộ ợ ằ khi n chính và vect i h ng ữ ể c tính t mô hình tuy n tính không gian tr ng thái b c 9 c a máy. s , đ ạ ố ượ tr ng thái đ Vect c d đoán dùng b l c Kalman. Nh ng k t qu mô ượ i có kh năng v n hành trong kho ng 75% đ n 100% ph ng cho th y t ỏ ả ả ả ng tác gi m. i v i l kho ng v n hành t ng t ả ả ớ ỗ ậ ả c dùng trong kho ng t v s l Không có chi ti ả ế ề ố ượ i trong kho ng đó. Nh ng b đi u khi n t ể i cũng nh nh ng ma tr n đ l ộ ề ữ ộ ợ ậ ữ ả ề c th c thi trong máy th c. So v i đi u tách r i d a trên mô hình b c 12 đ ượ ậ i đi u khi n gi m, khi n truy n th ng, s đ tách riêng x p x làm cho l ả ỉ ơ ồ ể ỗ ố i th p, hi u ch nh thông s đ n gi n và không nh y v i tăng đ n đ nh t ớ ố ơ ả ấ ộ ổ ạ ế ế t k nh ng bi n đ i máy. Khó khăn chính v i ph ng pháp tách riêng là thi ươ ế b bù tách riêng. Thi t k b bù đ ng là quá n ng n và s ph c t p ngăn ứ ạ ặ ộ c n ng d ng c a chúng. ả ứ ụ ề ng nh r t phù h p cho đi u V nguyên t c, đi u khi n thích nghi d ề ề khi n toàn b nhà máy đi n. Kh năng c a h th ng đi u khi n liên quan ệ ố ủ v i nh ng thay đ i đ ng c a quá trình r t h p d n cho v n hành di n r ng. ấ ấ ẫ ớ ng c a nhi u và bi n đ i thông s trong Trong [Marc, et al. 1980] nh h ế ủ thi c xem ơ xét. Trong [Mabius, et al. 1980] m t c c u thích nghi tham kh o mô hình ả ộ ơ ấ đ ng c ng vào ượ ộ nh ng tín hi u đi u khi n c a đi u khi n vòng m . Gi s v n hành xung ủ ữ c quanh m t đi m v n hành c đ nh, lý thuy t đi u khi n tuy n tính đ ượ ố ị ề dùng đ thi c đi u ữ ể ch nh dùng s đ d a trên Lyapunov đ b o đ m s n đ nh c a vòng kín. ể t k b đi u khi n, nh ng thông s lu t đi u khi n đ ế ế ộ ề ơ ồ ự ề ố ậ ả ể ả ự ổ ủ ỉ ị

- 15 -

ỉ ế ể ệ ả ề ệ t k đ ế ế ượ ấ c th hi n mà không có k t qu v hi u su t

ể ề

ơ ề ể ữ

ề ề ộ ể

ẳ ề ề ữ ậ ượ ế ượ ả ề ể

ể ề ề ệ ộ

ể ụ ọ ắ

ẳ ệ ể ả ổ

ế ấ ề ế

ả ể ề ữ ế ế ộ ậ ỹ

i và lo i b t ả ả ạ ỏ ố ộ

t k dùng k thu t ả ể ố t nhi u bi ễ ề ứ ầ

ủ ế

ữ ế ề ặ

ữ

ơ ồ ể ệ ố ướ ể ữ ẳ ữ ự

ộ ớ ế t d ả ự

ờ ề ề

ộ

ữ

ậ

ươ t k và v n hành. B c và đ ậ ế ế ng đã ngăn c n vi c th c thi nh ng s ự ệ ả ượ ữ

ể ậ

ọ ấ ự ề

Không may, ch có thi h th ng đi u khi n. ệ ố c đ ngh cho đi u ề Nh ng phu ng pháp đi u khi n b n v ng cũng đ ị ữ ề ề c đi u khi n truy n h p. Trong [Weng and Ray 1997] m t chi n l khi n t ể ể ổ ợ c đ xu t cho đi u khi n theo t th ng-h i ti p đ i b n v ng di n r ng. ệ ộ ẳ ấ ượ ồ ế i u nh ng ngõ vào đi u khi n, nh n nh ng ràng Đi u khi n truy n th ng t ữ ố ư ề ữ ề ể bu c c a chúng, d c theo kho ng v n hành di n r ng và đi u khi n h i ti p ồ ế ậ ả ộ ủ c dùng đ kh c ph c nh ng b t đ nh mô hình máy và nhi u ngo i sinh đ ễ ượ ạ ấ ị ữ i đ m b o n đ nh và hi u su t b n v ng. Đi u khi n truy n th ng gi ả ề ị ề ữ ả ọ quy t bài toán l p trình phi tuy n cho hàm t i u và nh ng ràng bu c d c ố ư ậ c thi i đã cho. Đi u khi n h i ti p đ theo đ c tính t ¥H ồ ế ượ ặ ng pháp này tho mãn yêu c u hi u su t trong kho ng 40-100% . Ph ệ ầ ấ ươ ữ c đi m là nh ng t tr kho ng t c. M t vài nh ượ ế ướ ả yêu c u tính toán quá nhi u, cùng v i thông tin đáp ng t n s và mô hình ầ ớ tuy n tính c a máy. M c dù có ti n b l n trong lý thuy t h th ng đi u khi n, nh ng th c thi ự ế ệ ố ấ nh ng s đ tiên ti n cho NLNLT v n còn hi m. Do nh ng s đ đ xu t ơ ồ ề ế ẫ i th c ch ng h n hi u su t i nh ng yêu c u th gi không th hi n t ấ ệ ạ ế ớ ầ th i gian th c, kho ng v n hành di n r ng, đ ng quá trình ph c t p và nhi u ề ứ ạ ậ ộ ệ ộ ễ s hi m khi x y ra trong th c t là nhi u chi u hay nh ng đi u ki n gi ự ế ả ả ử ế ệ ữ ượ Gauss, thông s quá trình h ng s , đo đúng và chính xác, đ ng quá trình đ c ằ ố ố t. Có l ng pháp tiên ti n này là yêu bi i chính c a h u h t nh ng ph , b t l ủ ầ ế ế ẽ ấ ợ ế ộ c u nh ng mô hình toán h c chính xác cho thi ọ ữ ầ ơ h p năng l ph c t p cao c a c a t ủ ủ ổ ợ ứ ạ ố đ đi u khi n t p trung d a trên mô hình toán h c. Nói cách khác, tính hu ng ự ồ ề i lâu dài c a nh ng c u hình nhi u vòng d a trên này đã thúc đ y s t n t ẩ ự ồ ạ nh ng thu t toán đi u khi n PID truy n th ng. ể ề ủ ề ữ ố ữ ậ

1.5.2 Nh ng ph ng pháp lai thông minh ữ ươ

ỹ ộ ậ ứ ươ

ộ ế ề ụ ủ

ph n trên. ả ả ế ữ ớ ữ c đ c p ậ ượ ề ậ ở ẫ ự ổ ậ ầ ộ ổ ự ố ế i quy t tho mãn b i nh ng k thu t đ ở

c gi ờ

i thu t m mô ph ng quá trình l p lu n c a con ng ể ứ ạ ầ ộ ộ ề ượ ủ ầ ậ ờ

ỏ ơ ướ ả ể ề

ượ ỉ

t boiler và đ ỉ ệ ệ ữ ậ

hay t ng t ả ươ ữ ể ớ

V n có m t ph ng pháp th ba áp d ng nh ng k thu t thông minh nhân ữ t o n i b t g n đây hay s pha tr n c a chúng v i đi u khi n tiên ti n và ạ truy n th ng, trong m t n l c liên quan đ n nh ng ph c t p mà không ề đ c gi ỹ ượ ể ự Trong [Mamdani 1974, Mamdani and Assilian 1975], m t b đi u khi n d a i thi u trên lý thuy t t p m [Zadeh 1965, Zadeh 1968, Zadeh 1973] đ ệ ớ ế ậ i, l n đ u tiên. Gi ườ ậ ầ c dùng đ đi u khi n máy h i n đ ấ ơ c trong phòng thí nghi m. Áp su t h i ượ ệ ộ và t c đ rotor đ c đi u ch nh b ng cách thao tác ngõ vào nhi ằ ố ộ t l u máy theo m t t p nh ng lu t ngôn ng . Th c nghi m ch ra r ng m ti ằ ự ữ ở ế ư t h n so v i nh ng b đi u khi n c đi n. ổ ể nh ng k t qu t ộ ề ố ơ ế ữ ậ i thu t Công vi c này minh ho tính kh thi trong vi c xây d ng nh ng gi ả ự ả ệ ậ ể ề ộ ậ ự ạ ữ ệ

- 16 -

ỹ ớ ộ ả ệ ự ự

ể ề

ờ ế

c dùng đ đi u ch nh áp su t bao h i và m c n ỉ ơ ấ ế ơ ứ ướ

ậ ệ

c thi ớ ể

ậ ệ ể ề ở ữ ờ ượ ố ệ ố

ề ậ t k cho mô hình máy phi tuy n b c ba v i gi ế ế ượ ng tác. Sau đó, nh ng b đi u khi n lôgic m đ

c bi ế ộ ề ệ ữ ờ ượ ấ ố ủ ơ ồ ề

ố ớ ễ ế ể ừ ề t c a s đ đi u khi n đ t đ ạ ượ ầ

ờ ố ạ ẫ ả

ể ế ế ợ

ờ c th ữ ể ố ư

i t ủ c t ằ ể ậ ổ ơ ớ ắ

ỉ ộ ệ ố ượ ế ờ ư

ị ấ ệ ữ ộ ơ ồ ề i u cho v n hành chu trình c a nh ng tuabin h i l n đ ấ ề ố ượ

ề ể ọ ộ ố i u. Sau đó, m t thu t toán đi u khi n d ậ

ữ

ằ ể ố ư c dùng đ tính van t ể i t ả ố ị ấ ố ơ ệ

ể ố ế t và t ấ ố

i c đ nh và th i gian d i thi u ng su t. Hi u su t t ấ ấ ằ ộ ợ ố ị ữ ự ớ ờ

ố ị

ượ

ể ể

i thu t di truy n đ ề ả ộ ề ự ề ế ợ h p phi tuy n b c ba. Đ i t ế ộ ổ ợ ố ượ ể ậ

ấ ả ấ

ứ ẫ ộ

ữ ả ị ữ ủ ề ấ ấ

ự

ậ s r ng t i u gi ể ố ư ả ử ằ ứ ạ

ế ạ

ạ

ữ ữ

i h th ng đ ộ ơ ồ ổ ợ ề ể ấ ự ể ệ

ự ệ ầ ệ ệ

ạ ầ ữ

ể

ậ ề ệ

ể ơ ồ ế

ề

ệ ợ ượ ề ể ầ

ổ ợ ệ ứ i nh ng đi u ki n hi n th i. Cu i cùng, h ờ ố ệ c phép c a ng ủ ượ ộ ệ ố h p toàn b . ộ ứ ự

ậ xác đ nh th i gian th c hi u qu , m đ u m t lĩnh v c m i trong k thu t ở ầ ờ ị đi u khi n. ờ Trong [Ray and Majumder 1985] lý thu t tách r i phi tuy n và lôgic m ộ ổ c bao h i trong m t t đ ượ nh ng đi u ki n v n hành khác nhau. Đ u tiên, m t lu t đi u ề h p 200MW ầ ộ ợ ả ử khi n tách r i đ s ế t chính xác và là nh ng h con SISO không r ng thông s h th ng đ ằ ể c dùng cho đi u khi n t ươ ể ữ vòng kín trong m i h con. Hi u su t t c khi ỗ ệ tính v i nhi u tr ng thái, bi n đ i thông s ng u nhiên và t ng ph n, thay ổ ạ đ i setpoint, nh y thông s ,tách r i không hoàn h o và thi u tách r i. ờ ổ Trong [Marcelle, et al. 1994] m t s đ đi u khi n k t h p logic m và đi u khi n t ể ề ề i thi u b ng cách g n k t đi u i đ hi n. ng su t tua bin t ng và l ệ Ứ ỗ ả ượ ố khi n van đi u ch nh tuabin và áp su t h i boiler. M t h th ng m u tiên ể ấ ơ ng hi u su t và cung c p nh ng tr ng s trong hàm gía tr mà nh ng đ i t ấ ữ c dùng b i b đi u khi n t ự đ ở ộ ề ượ ấ i u và nh ng giá tr setpoint áp su t đoán mô hình đ ố ư ượ t h n khi so đ cân b ng gi a theo t ể ứ ữ ể ộ sánh v i b đi u khi n áp su t bi n đ i và áp su t h ng s và cũng v i m t ớ ổ ớ ộ ề b đi u khi n d đoán mô hình v i nh ng đ l ự ể ộ ề đoán c đ nh. c dùng đ tinh ch nh Trong [Dimeo and Lee 1995] gi ỉ ể ậ i u s đ đi u khi n k t h p d a trên PI và b đi u khi n h i ti p tr ng ạ t ồ ế ố ư ơ ồ ề ng đi u khi n là theo đáp ng thái cho m t t ứ ủ ngõ ra áp su t và công su t. Trong khi n ng ng d ng kh thi c a c b ụ ướ ở i thu t di truy n là c c u tinh ch nh hoàn h o, v n có m t vài sai xót gi ậ ỉ ề ả ơ ấ ộ ợ ế i k t trong nh ng c u trúc đi u khi n đ c đ xu t. V trí c a nh ng đ l ượ ữ ể ề h p chéo trong s đ đi u khi n k t h p d a trên PI là không thu n ti n, vì ệ ế ợ ợ ể ơ ồ ề nó t o ra đáp ng dao đ ng và s đ đi u khi n t t c các ơ ồ ề ấ ả ộ bi n tr ng thái s n sàng cho mô ph ng. ỏ ẵ ể i có th chuy n h p có th c u hình l Trong [Tevera 1995] m t s đ t ể ể ấ c đi u khi n khác nhau( ví d , theo boiler, theo tuabin gi a nh ng chi n l ụ ế ượ ế c th c hi n tr c tuy n và đi u khi n hoà h p). C u hình l ượ ạ ệ ố ợ ề i m c giám sát. H đ u tiên b i b n h chuyên gia làm vi c cùng nhau t ứ ở ố h p. H th hai tính nh n đ nh tr ng thái v n hành và nh ng yêu c u cho t ạ ệ ứ ậ ậ ị toán hi u su t c a s đ đi u khi n khi v n hành. H th ba tính toán hi u ệ ấ ủ ơ ồ ề ệ ệ su t c a nh ng s đ khác d ướ ữ ơ ồ ữ ấ ủ ườ i i nh t và chuy n s đ n u đ s đ nào là ti n l th t ấ ứ ư ơ ồ v n hành. Đi u khi n đ c th c hi n thành công trong m t h th ng phát ự ậ tri n và tính toán ph n m m đi u khi n dùng mô hình t ổ ợ ề ể hai m c cho Trong [Garduno and Lee 1997], m t s đ đi u khi n th t ứ ể ả c th hi n. T i m c giám sát m t b qu n v n hành di n r ng NLNLT đ ộ ộ ượ ệ ộ ậ ệ ể ộ ơ ồ ề ạ ể ệ ứ

- 17 -

ậ ữ

ạ ể ế ế ổ ờ ạ ể

ẳ ấ ể

ờ ự ộ ậ ấ ồ ế ượ

ữ ậ

ớ ề

ể ề

ấ ổ ự ệ ườ ệ ộ ườ

ỏ ậ ễ ộ ề ỉ ữ ể ề ồ ế ữ

ả ấ

i chu kỳ. ệ ể ủ ể ỹ ạ ệ ề

c th c hi n ữ ậ ể

ự ậ

Nh t đ phát tri n nh ng s đ c c i ti n k thu t trong v n hành máy đi n[Matsuoka, ậ ữ ủ ề

i Nh t đang t o ra b ậ

ậ ố ơ ứ

ự ữ ữ ệ ả

ề ế

ứ ạ ữ ộ

ế

ấ ọ ủ ờ ị ổ ẽ ữ ầ ặ ổ

ế ệ ữ ữ i u h th ng. ậ ớ ự

ả M Intelligent Control Systems Initiative, đ Ở ỹ ữ

ố ự ứ ồ

ươ ớ ế ậ ữ ứ

ụ ươ ệ

ề ộ

ầ ư ế ậ ạ ậ

nh ng ví d c a con ng ng trình tin c y cho vi c thi ậ ươ là:1) l p k ho ch giám sát off-line và on-line b ng l p lu n t ọ ừ ữ

ị ọ

ề ả

lý tham chi u m t o nh ng qu đ o setpoint theo chính sách v n hành áp ỹ ạ i theo b t kỳ đ c tính nào.T i m c đi u su t bi n đ i đ đi u khi n t ề ứ ặ ả ề ẳ khi n, th c thi chi n l c truy n th ng-h i ti p. Đi u khi n truy n th ng ề ề ề ể ế ượ d li u vào ra t k t c thi g m m t t p nh ng h suy lu n m MISO đ ế ế ừ ữ ệ ậ ệ ồ tr ng thái xác l p. Đ ng h i ti p g m nh ng b đi u khi n PID v i c u ớ ấ ộ ề ể ữ ồ ồ ế ườ ạ ng truy n th ng cung c p h u h t hình nhi u vòng. V i chi n l ế c này, đ ẳ ầ ề ế ượ ề tín hi u đi u khi n cho v n hành di n r ng, giàm b t nh ng n l c đi u ữ ớ ậ ề khi n c a nh ng b đi u khi n PID. Đ ng h i ti p cung c p tín hi u đi u ấ ể khi n bù đ đi u ch nh và lo i nhi u trong nh ng lân c n nh quanh nh ng ữ ạ qu đ o l nh. Nh ng k t qu mô ph ng cho th y tính kh thi c a s đ ủ ơ ồ ỏ ế ữ ả đi u khi n đ đ t đ c v n hành theo t ả ể ạ ượ ậ ể ơ ồ Nh ng nghiên c u l n đ ứ ớ ể ượ ữ ệ ở et lai đ đ t đ ế ả ệ ỹ ể ạ ượ ế i u nhi u bi n al.1993]. Sau nh ng th c thi thành công c a đi u khi n t ự ề ể ố ư ỹ trong su t h n hai m i năm qua, ng c đ t phá k ươ ộ ườ ướ ạ ơ ồ thu t th hai trong đi u khi n máy đi n thông qua vi c th c thi nh ng s đ ề ữ ệ ệ ể i hoàn i thu t và nh ng h neuro-m . Nh ng cách gi lai d a trên nh ng gi ả ữ ờ ậ ự i quy t nh ng v n đ sau:1) nh ng quá trình l n c tìm ki m đ gi t ớ t đ ể ả ế ấ ượ ữ ạ h n và ph c t p h n g m mô hình toán h c c a chúng, 2)đ phi tuy n m nh ơ ồ ơ h n, k t h p và t ng tác bi n đ i theo th i gian gi a nh ng h con và ươ ế ợ ơ 3)tho mãn nh ng yêu c u ch t ch trong n đ nh và t ố ư ệ ố c thành l p v i s liên ượ k t gi a Electric Power Research Institute (EPRI) và National Science ế Foundation (NSF) năm 1993 g m hai m i m t d án nghiên c u đ tìm ể t l p lý thuy t n n t ng ế ề ả nh ng ng d ng có giá tr và sáng ki n m i và thi ế ị ệ và nh ng ch t k và phát tri n nh ng h ữ ể ế ế ữ ng pháp đi u khi n thông minh th ng thông minh và thích nghi. M t vài ph ể ố ậ ự đ c đ u t ằ ượ i, 2) mô hình đ nh tính dùng đ ng hay h c t ườ ộ nh ng h chuyên gia và lôgic m và 3)trí tu nhân t o và h c máy dùng ệ ữ ệ nh ng ph ọ ưỡ ng ươ ữ b c, đôi khi k t h p v i nh ng k thu t t ứ ạ i thu t di truy n, ti n hoá và h c c ậ ế i u toán h c. ọ ậ ố ư ụ ủ ờ ng pháp m ng n ron, gi ạ ớ ế ợ ơ ữ ỹ

1.5.3. Phát bi u v n đ ể ấ ề

ệ ẽ ệ ố

ưở ng phi tuy n mà c th là t ế ậ ể

ượ c thi ể ữ h p năng l ượ ể ụ ể ượ

ữ ổ ợ ng nhân t o đ ạ ư ộ ệ ố ở ể ố

ề ể

ầ ấ ứ

ệ ố ữ ữ t k m cung c p nh ng yêu c u ch c năng và v n hành đ đ t ể ạ ầ ế ế ở ổ c đ linh ho t, cho ng d ng trong môi tr ng bi n đ i ế ứ i. Nh ng nh ng yêu c u chính cho h th ng đi u khi n là: ậ ữ ng th tr ị ườ ườ ụ ạ

ề ng cho vi c phát tri n nh ng h th ng đi u Lu n văn này s trình bày ý t ng, khi n thông minh cho đ i t ố ượ ế nghĩa là phát tri n nh ng h th ng qu n lý năng l t ả k đi u khi n thông minh b i h th ng máy tính gi ng nh b não con ệ ố ế ề ng ườ • Thi đ ượ ộ cao.

• V n hành ng

- 18 -

i dùng cu i đ n gi n và hi u su t cao, liên k t v i t ệ ế ớ ự ả ấ

ậ đ ng hoá và k thu t đi u khi n. ộ ố ơ ể ậ

• Ki n trúc h th ng có c u trúc, đi u này s d n đ n vi c phát tri n ể đ ng hoá t

ề ế ệ

ẽ ẫ ng ng. ườ ề ỹ ệ ố ấ ph n m m đi u khi n và t ề ế ầ ươ ứ ự ộ ề ể

ề ừ ữ

ờ ể ả ạ ượ ề ứ c, có th th y r ng nh ng chi n l ế ượ ệ

ệ ề

ị ề ứ ạ ệ ế ế

ơ ệ ẽ ể ệ

ư ộ ệ ố t. ợ ầ ệ ế

ế t k h th ng đi u khi n t ậ ệ ể ỹ ề

ễ ệ

ể ổ ợ ượ ể ổ ợ ệ ố ữ ỹ

ế ế ệ ố ự ể ớ ự

t l p m t s đ ữ ợ ứ ạ ủ ế ậ ạ ậ ế ủ ẽ

ệ ố ậ ề ọ

ầ ể ổ ữ ậ ạ ơ

ỹ i di truy n đ đ a đ i t ng đ ờ ỹ ạ ủ ể ạ ể ượ ề ề

ượ ữ ề

ứ ữ ể

t c chúng đ u c n thi ấ ả ề ầ

ể T nh ng k t qu đ t đ c đi u khi n ữ ể ấ ằ ế phù h p c u thành m c đi u khi n cao nh t trong NLNLT hi n th i và chúng ợ ấ ấ ư ộ cũng ch u trách nhi m cho vi c đi u khi n boiler-tuabin-máy phát nh m t ị ể ng đ n. K đ n, NLNLT là m t quá trình ph c t p, ch u nhi u thay đ i t ố ượ ộ đ i đi u ki n v n hành mà s th hi n nh m t h th ng thông minh mà v i ớ ề ổ ậ nó khái ni m đi u khi n tích h p tiên ti n là c n thi ề h p năng Vi c phát tri n k thu t khi thi ể ng đ h tr và làm cho d dàng h n vi c th c thi nh ng h th ng đi u l ề ơ ượ ậ ng phân tán và th b c l n và đ tích h p nh ng k thu t khi n năng l ứ ậ ớ ể thông minh nhân t o liên k t tính h th ng v i s ph c t p c a quá trình và ệ ố nh ng yêu c u v n hành c a nó. Trong lu n văn này s thi ộ ơ ồ ữ ứ đi u khi n t ng quát g i là h th ng đi u khi n phù h p thông minh ng ợ ề ậ d ng nh ng k thu t thông minh nhân t o là m ng n ron, logíc m và thu t ụ gi c đi u khi n vào đúng qu đ o c a nó ể ư ố ượ ả ệ ố c đi u này, h th ng v i nh ng yêu c u v n hành khác nhau. Đ làm đ ể ậ ầ ớ ử ơ ấ đi u khi n trên tích h p nh ng ch c năng h c máy, quan sát ng x , c c u ọ ợ ề thích nghi, t o l nh và tính toán đi u khi n, t t cho ế nh ng đ c tính v n hành t ể qu n hi u qu và linh ho t. ả ạ ệ ậ ứ ề ệ ự ả ữ ặ ạ

ng và ph m vi ạ ố ượ

ứ ứ ố ượ

ệ ượ ề ệ ườ ở ộ

ỹ ệ ữ ự ủ ng chính c a đ tài nghiên c u này là tăng c ữ ợ

1.5.4 Đ i t ng m c đi u khi n Đ i t ể ủ ề ng thông qua vi c m r ng khái ni m đi u đ ng nh ng máy năng l t ề ự ộ ậ khi n phù h p cho NLNLT và tính hi n th c c a nó qua nh ng k thu t ể thông minh nhân t o.ạ Ph m vi c a đ tài s t p trung vào nh ng đi m sau: ẽ ậ ủ ề ể

ạ ữ • T t c nh ng nghiên c u và phát tri n trong đ tài này s t p trung ữ ẽ ậ ứ ề

ề ạ

ố ấ ể ạ ệ ậ ượ ơ ề ỹ

ỉ

ấ ầ ố

ệ

ở ể ấ ả h p máy đi n nhiên li u than lo i bao h i truy n th ng(NLNLT), vì t ệ ổ ợ ng chúng th hi n k thu t đ ượ ể ệ ọ đi n và c u thành cách chính đ đi u ch nh nh ng thông s quan tr ng ệ ấ nh t (công su t, t n s và đi n áp) nh h ng năng ả ấ ng đi n trong nh ng h th ng năng l l ượ ượ ữ ỉ ượ ườ ữ ề ệ

• Ch nh ng đi u ki n đ ng bình th ề ế

c dùng nhi u nh t đ t o năng l ố ữ ể ề ng đ n ch t l ấ ượ ế ệ ưở ng liên k t. ế ệ ố ng cùa NLNLT đ ể c xem xét. Đ ạ ế ậ

ườ

ẩ ộ

ề ộ ậ t cho tr ng thái v n tài t p trung trong h th ng đi u khi n c n thi ệ ố ổ hành bình th ậ ế ạ l c nào liên quan đ n báo đ ng, kh n c p, quá m c, h i ph c tr ng ồ ứ ế ự ng không ph i là tr ng thái thái. C n l u ý r ng tr ng thái bình th ả ầ ng mà chi m đ n 99% th i gian v n hành. Không n ờ ấ ườ ầ ư ụ ạ ằ ạ

- 19 -

nhà máy đi n không bao gi v n hành ự ế ệ ờ ậ ở ạ tr ng

xác l p vì trong th c t ậ thái xác l p.ậ

• Thi ề ề ế ế ệ ố

t k h th ng đi u khi n s bao hàm ch chi n l ể ẽ ữ

ề ế ể ữ

ể c đi u khi n ế ượ đ ng hoá, khoá liên ẽ c th c hi n. Cũng th , đ tài ch đ c p đ n nh ng ch c ứ ả i, ậ

ể ở ộ

i h n c gi ứ ể ề

ớ ạ ở ấ ẽ ượ ệ ố ủ

môi tr ề ệ v n đ h ỏ c mô ph ng ng ph n m m phòng thí nghi m. ệ ả ng th c. Đây cũng là b n ng trình s đ ầ ề ườ ể ấ ả ườ ở ệ ố ự

ỉ c t n n t ng. Vi c phát tri n nh ng chi n l ế ượ ự ộ ể ệ ề ả c cho trong b t kỳ h th ng đi u khi n nào s đ ng và b o v nh đ ấ ệ ư ượ ệ ố ả ộ không đ ỉ ề ậ ệ ự ế ề ượ năng đi u khi n c b n đ lái quá trình trong su t pha v n hành t ố ơ ả ể ề không có ch c năng kh i đ ng và shutdown . • Vi c phát tri n h th ng đi u khi n s đ ẽ ượ ệ ố th ng và tính kh thi c a nó. T t c ch ươ ả trên máy tính cá nhân dùng môi tr Không có vi c th c thi h th ng ệ ự ch t nghiên c u c a đ tài. ứ ủ ề ể ậ ỉ ế ề ố ẽ

ượ

h p trong nh ng s i và đi u khi n nhi u t i thi u c n thi ỉ ầ ể ng toàn b , đ xu t tính linh ho t t ạ ố ấ ộ ề ữ ề ổ ợ ề t cho đi u ch nh và i đa ơ ể ể ả

ệ

ươ ấ ẽ ượ ữ

ấ • Đ tài s ch phát tri n t p hàm t ề đ ng hoá h th ng năng l t ệ ố ự ộ đ h tr đi u khi n t ể ổ ợ ề đ nhà máy đi n. ồ • Ph ng pháp đ xu t s đ ề ố ề c tính toán và so sánh v i nh ng ph ề ạ ệ ố

ớ ể ấ theo t ệ

ng ươ pháp truy n th ng. Th m chí lo i h th ng đi u khi n này không t n ồ iả là yêu c uầ c th c hi n v i hi u su t i, vi c tính toán s đ t ớ ệ ự ạ c tho mãn. quan tr ng nh t c n đ ả ậ ẽ ượ ấ ầ ượ ệ ọ

ề ổ

ợ ệ ề

ề ể ạ ệ ố ệ ề

ữ ứ

ạ ọ ồ ứ ệ

ấ ồ ế ự ề ệ ề ể ẳ

ủ ệ ố ẳ ề ạ ồ ế ở ể ề

ể ấ c th c thi ho c là ở ạ ề ệ ặ ữ ặ ọ

1.5.5 T ng quan đ tài Vi c phát tri n h th ng đi u khi n phù h p thông minh(ICCS) g m b ộ ể ồ giám sát nhi u đ i di n thông minh s tính toán đi u khi n ế m c tr c ti p. ẽ ự ể ở ứ i u, h c và thích nghi, giám Nh ng ch c năng giám sát g m t o l nh và t ố ư ạ ệ ồ sát tr ng thái và hi u su t(Hình 1.3). M c tr c ti p g m nh ng s đ đi u ơ ồ ề ữ ế ự c khi n truy n th ng/h i ti p nhi u bi n. Vi c th c thi lõi c a h th ng đ ượ ế ộ ử hình thành b i ba môđun: sepoint, b x lý đi u khi n truy n th ng và b x ộ ử ư lý đi u khi n h i ti p (hình 1.4). Giám sát hi u su t và tr ng thái cũng nh nh ng hàm h c và thích nghi đ d ng off-line ho c bao ự ượ g m hoàn toàn trong môđun chính. ồ

- 20 -

Hình 1.3. H th ng đi u khi n phù h p thông minh ệ ố ề ể ợ

Hình 1.4.S đ kh i đi u khi n ể ơ ồ ề ố

ả ữ ẽ ạ ớ ấ ỹ ạ ệ

ấ ể ộ ạ ứ

t k b ng cách gi ạ ượ ơ c thi ượ i u. Ánh x setpoint đ ạ

ng, trong đó nh ng hàm đ i t ố ư ữ

ươ ỉ ươ ấ

ữ ữ

ộ

ề ể ủ ơ ồ ề ậ ự ế ẳ ể ề

ng h p nhi u bi n phi tuy n đ

ẳ c v n hành di n r ng. B x lý đi u khi n truy n th ng đ i nào, b t o setpoint s t o nh ng qu đ o V i b t kỳ qu đ o l nh t ỹ ạ setpoint cho nh ng vòng đi u khi n m c th p h n thông qua nhóm nh ng ữ ữ ề ả t k t ánh x đ i c thi ế ế ố ư ế ế ằ ng và hàm phù i u nhi u đ i t bài toán t ố ượ ề ố ượ i u quá trình ng pháp này cho phép t h p c a chúng có th là b t kỳ. Ph ấ ố ư ể ợ ủ ộ ng pháp ch đ nh chính sách v n hành cung c p đ và cung c p nh ng ph ậ ị ấ ơ phân tán l n nh ng tình hu ng v n hành theo nhi u đ i t ng v n hành. S ậ ố ượ ề ố ớ ở c đ xu t là m t m đ đi u khi n truy n th ng-h i ti p hai b c t do đ ấ ề ượ ồ ề r ng c a s đ đi u khi n h i ti p SISO tuy n tính v i c hai đi u khi n ể ớ ả ộ ể truy n th ng tham chi u và nhi u, cho tr ế ế ề ề ự c th c đ t đ ạ ượ ậ ồ ế ồ ế ễ ộ ử ế ệ ộ ườ ề ợ ể ượ ề ậ ẳ

- 21 -

ữ ượ

ậ ậ ạ ệ ố ỹ ế ế ừ ữ ệ ồ ế t k t ể c thi ề

ư ộ ơ ồ ề

ề ộ ề ự ể ể ữ ươ ờ

ự ờ ế ợ ệ ố ề ể

d li u vào ra thi dùng nh ng h th ng suy lu n m MISO, đ ờ xác l p, dùng k thu t h c m ng n ron. Đ ng đi u khi n h i ti p đ ượ c ườ ơ ậ ọ th c thi nh m t s đ đi u khi n nhi u vòng phân tán d a trên b đi u ộ ề ữ ng tác. Nh ng b đi u khi n PID m k t h p nh ng khi n PID m và bù t ể k thu t đi u khi n gain-scheduling và multimode dùng h th ng suy lu n ậ ỹ ậ m lo i Sugeno. ờ ạ

CH

NG 2.

Ơ

ƯƠ M NG N RON, LÔGIC M Ờ VÀ NH NG NG D NG C A CHÚNG

Ạ Ữ

Ứ

Ủ

Ụ

- 22 -

TRONG ĐI U KHI N QUÁ TRÌNH

Ề

Ể

ữ ẽ ể ệ ứ ơ

ườ ậ

ứ ẹ ữ ể ề

ể ặ ằ

ng này s th hi n nh ng ng d ng n i b t c a m ng n ron trong Ch ạ ổ ậ ủ ụ ươ ng pháp lai dùng i ta nh n th y r ng nh ng ph đi u khi n quá trình. Ng ươ ữ ấ ằ ể ề m ng n ron dang h a h n nhi u tri n v ng cho đi u khi n nh ng h th ng ệ ố ọ ơ ể ề ạ phi tuy n và/ho c MIMO mà không th đi u khi n thành công b ng nh ng ữ ế ể ề k thu t truy n th ng. ậ ỹ ề ố

2.1.Gi i thi u ớ ệ

ố ể ữ ư ề

ụ ỹ ề ậ ể ượ ứ

ầ ể ế ể ề ữ

ề ự ữ

ệ ả

ầ ệ ữ ế ế

ậ ườ ố

ể ặ ề ế ữ ữ

ả ắ ệ ố ậ ỏ ộ ự ữ ệ ỹ

c nh ng đòi h i đi u khi n tăng nhanh trong nh ng h ể ả ầ ữ ề

ữ ứ ạ ỏ ướ ữ ổ

ệ ố ọ ể ạ ở

ủ ằ ả

ự ủ ề ạ ỉ

ự

ữ ể ấ ứ ề ả ế ể ề ứ ề ầ

ầ ứ qu n cao. ỉ Nh ng k thu t đi u khi n truy n th ng nh đi u khi n Tích phân t ể ề ề l (PI) hay đi u khi n Vi tích phân t l (PID) đ c ng d ng thành công trong ệ ỉ ệ đi u khi n nh ng quá trình tuy n tính. G n đây, Đi u khi n tiên đoán mô ề ệ ố hình (MPC) cũng th c hi n thành công trong đi u khi n nh ng h th ng ể tuy n tính. Tuy nhiên, kho ng 90% nh ng quá trình sinh h c và hoá h c là phi ọ ọ ữ tuy n cao và h u h t chúng là nh ng h MIMO.Khi h th ng là phi tuy n ế ệ ố ng m c ph i sai sót và/ho c MIMO, nh ng k thu t truy n th ng trên th ề ỹ ượ khi đi u khi n nh ng h th ng nh th . Ngày nay, nh ng h th ng đ c ư ế ữ ệ ố dùng trong công nghi p đòi h i đ t qu n cao và nh ng k thu t trên không ả c đi u này. có kh năng đ đ t đ ề ể ạ ượ ệ C n ph i đ t đ ả ạ ượ i nh ng thay đ i quan tr ng đã làm cho th ng đi u khi n đ ng ph c t p d ộ ể ề ố ấ vi c dùng M ng n ron (NN) trong nh ng h th ng đi u khi n tr nên h p ề ữ ơ ệ ể d n. Nh ng lý do chính đ ng sau đi u này là kh năng c a chúng có th ẫ ề “h c” đ x p x hàm và phân lo i m u và ti m năng c a chúng trong th c thi ọ ẫ ả ph n c ng song song đ s . Nói cách khác, chúng có kh năng th c thi (c ồ ộ ầ ph n m m và ph n c ng) nhi u ch c năng c n thi ệ ố t đ đi u khi n h th ng ể ầ v i m t đ t ớ ộ ộ ự ả

ố ọ ệ ế

ượ ữ ề ữ ể

ứ ạ ế ạ ứ ụ ậ ạ ậ ơ ỷ

ẫ ặ ộ

Do có kh năng h c nh ng liên h hàm s phi tuy n ph c t p, m ng ạ ả c dùng trong đi u khi n nh ng quá trình phi tuy n và/ho c n ron đ ặ ơ ề MIMO. Trong th p k qua, ng d ng m ng n ron trong nh n d ng và đi u khi n đã tăng theo hàm mũ. Nh ng ng d ng r ng rãi này là do nh ng đ c tính h p d n sau: ụ ơ ấ ố ế

ả c hu n luy n d dàng b ng cách dùng nh ng b n ghi ể ữ ứ 1. M ng n ron có kh năng x p x b t kỳ hàm s phi tuy n nào; ấ ạ 2. Chúng có th đ ệ ữ ỉ ấ ễ ữ ấ ằ ả

ể ượ h th ng; d li u t ữ ệ ừ ệ ố ợ ế

3. Chúng thích h p cho nh ng h th ng nhi u bi n; ữ 4. Chúng không yêu c u quan h đ c tính c u trúc gi a d li u vào và ra. ệ ố ệ ặ ữ ữ ệ ề ấ ầ

Tr ướ ế c h t chúng ta xem đi u khi n quá trình là gì? ề ể

- 23 -

2.2.Đi u khi n quá trình ể ề

ậ ể ữ ữ

ạ ạ ệ t k và v n hành nh ng máy móc quá trình, nh ng k ế ế ơ ả ề

ả ớ ề

ậ ạ ệ ộ

ủ ị ố ị

ả ạ

ả ệ ề nhi ệ ố i h n c a ữ

ng yêu c u nh ng s l ả tr ng thái t đ ng theo đó t c thu c tính c a m t h th ng là c đ nh. Nh ng h th ng sinh h c,v t ọ ậ ữ ớ ạ ủ tr ng thái cân i h n kho ng cho phép c a nh ng đi u ki n v t lý ậ ủ ớ ạ ễ ng,đ ng l ộ

ầ ữ ượ

ng cân b ng. Đ c tính lo i và kích th ượ ượ ố ượ c b o toàn trong quá trình vì kh i l ố ượ c c a thi ầ ng, năng l ế ị

ượ ộ

ố ượ ng ng và đ ng ộ t b quá trình c a m t ộ ủ i đóạ ố ộ t t c đ ệ t b . Khái ni m ướ ủ ạ ng v t li u đ a vào quá trình và ư ễ ọ

ọ ự ộ

ậ ệ ậ c bao trùm trong lĩnh v c đ ng l c sinh h c và hoá h c. ự ả ề ặ ự ư ả ộ

ọ ệ ộ ề ế

ệ

ệ ậ ả

ấ

ậ ố ộ ủ ệ

ậ

ọ ể ả ề ọ ữ ễ

c l p danh sách ượ ậ ị ộ ở ặ

ỹ Trong phát tri n, thi s quá trình luôn g n li n v i năm khái ni m c b n:tr ng thái,tr ng thái cân ắ ư b ng, b o toàn,t c đ và đi u khi n. ố ộ ể ằ Nh n d ng m t h th ng đòi h i xác đ nh ạ ỏ ộ ệ ố t ộ ộ ệ ố ấ ả lý và hoá h c không th v n hành ngoài kho ng gi ọ ể ậ t đ ng, mà gi b ngằ nhi ệ ộ và hoá h c đ quá trình di n ra trong h th ng. ệ ố ọ ể kh i l ng và năng l B o toàn nào đó c n đ ượ ả l ằ ặ ựơ h th ng ph thu c vào l ụ ệ ố nh ng quá trình sinh h c, hoá h c và v t lý di n ra trong thi ế ị ữ này đ ọ ượ ẫ t đ ng và đ ng l c nh ng v n M t quá trình có th kh thi c v m t nhi ể ộ ả ủ không ho t đ ng vì hi u su t v n hành kém. Đi u này có th là k t qu c a ạ ộ ể ấ ậ ệ vi c không đi u khi n đ c c a quá trình và vì nh ng đi u ki n không kinh ượ ủ ể ệ ữ ề ề ể h th ng đ tho mãn hi u su t v n hành, v t lý và ế đi u khi n . Vì th , t ấ ậ ể ệ ố ề ế t k và v n hành m t h th ng quá trình là r t quan tr ng trong thi kinh t ọ ộ ệ ố ế ế ế cũng nh khái ni m tr ng thái cân b ng và t c đ c a quá trình. ằ ạ ư là s đi u ch nh các quá trình sinh h c, v t lý và Đi u khi n quá trình ự ề ể ỉ ng c a nhi u bên ngoài,đ đ m b o s hoá h c đ lo i b nh ng nh h ả ự ủ ể ạ ỏ ưở ả i u hi u su t c a quá trình. n đ nh c a quá trình và đ t ệ ể ố ư ổ ấ ủ ủ M t vài đ c tính quan tr ng c a đi u khi n quá trình đ ể ề ủ ọ đây:

ầ ể ề

ờ ộ ấ ề ụ

ể ượ ể

• Xem xét đi u khi n quá trình đ u tiên đòi h i xem xét nh ng thay đ i ổ ỏ ữ c hình thành mà không có ể ượ c xem ổ t đáp ng tr ng thái không n ỉ ạ ế ộ

ph thu c th i gian. V n đ không th đ c u trúc đ ng. Đi u khi n b t kỳ quá trình nào ch có th đ ộ ấ ề ấ xét c n th n b ng m t phân tích chi ti ậ ẩ đ nh mà có đ ị ằ c t ượ ừ ủ ộ

ệ ố ử ữ ữ ể

ứ mô hình đ ng c a quá trình. • Nh ng h th ng đi u khi n quá trình là nh ng h th ng x lý thông ề ng tác v i nó và t o thông tin ệ ố ậ ươ ạ ớ ử

tin. Chúng nh n thông tin, x lý nó, t nh nh ng tín hi u.

ề ữ

• T t c nh ng h th ng đi u khi n quá trình là nh ng h th ng tích ệ ố ữ ể ng hi u su t toàn ỗ ộ ệ ưở ộ ệ ng pháp t ng quát xem xét toàn b h

ữ ệ ệ ố ậ ấ

ậ ả ổ ươ

ườ ể

ư ữ ấ ả h p nh ng b ph n, trong đó m i b ph n nh h ộ ợ b c a h th ng. Vì th , ph ế ệ ố ộ ủ th ng và môi tr ố ầ ế ệ ố

ng c a nó nh m t th c th là quan tr ng. ọ ự ệ ố ầ

ủ ư ộ • H u h t h th ng đi u khi n quá trình là nh ng h th ng h i ti p ế ồ ữ ể ề ữ ể ề c x lý l n n a đ đi u c t o b i h th ng đ ượ ử ở ệ ố ượ ạ ủ ệ ố trong đó thông tin đ ch nh đáp ng c a h th ng. ứ ỉ

- 24 -

• Cu i cùng, tính kinh t ế ể

ố luôn liên k t v i nh ng đ i t ế ớ ố ượ ữ ấ ng hi u su t ệ

c a h th ng đi u khi n quá trình. ề ủ ệ ố

ệ ữ ư ệ ố

ể c mô t ấ ữ

ữ ữ ế

ầ ể ượ ể ế

ệ ượ ữ ự ế

ẩ

ổ ặ ệ ề ấ

c dùng đ gi ậ ấ ự ế ể ả ữ

c tho ấ ộ ượ

t b , m t vài yêu c u c n đ ệ ầ ầ ấ ư ữ ộ

ậ Nh ng h th ng đi u khi n quá trình trong công nghi p nh quá trình v t ề b i nh ng chu n hi u su t và nh ng thay lý, sinh h c và hoá h c đ ệ ẩ ả ở ọ ượ ọ ng. Cũng th , nh ng quá trình này là phi tuy n cao và đ i c a yêu c u th tr ế ị ườ ổ ủ t. Vì th , đi u khi n ph i đ không th đ ự c th c c mô hình hoá th t t ả ượ ề ậ ố c thao tác tr c tuy n đ tho mãn hi n b ng cách c p nh t nh ng bi n đ ể ậ ằ ả ế ề t b . Nhi u thay đ i chu n hi u su t khi g p ph i thay đ i đ c tính c a thi ệ ổ ế ị ủ ặ ả k thu t đi u khi n d a trên khác bi quá trình t chu n hi u su t và miêu t ể ả ẩ ậ ỹ ệ i quy t nh ng v n đ này. đ ề ượ ả Trong quá trình v n hành c a m t thi ộ ế ị ủ ậ mãn và có th đ ẩ c xem xét nh nh ng tiêu chu n hi u su t. M t vài chu n ẩ đ ệ ượ

ng, ườ

ả ẩ

ể ượ đây: c li t kê ở 1. Lu t an toàn và môi tr ậ 2. Đ c tính s n ph m, ặ 3. Đi u ki n v n hành, ệ ề 4. Tính kinh t ậ .ế

ượ ể

ữ ể ế ứ ữ

ể ư ế ầ

c gi Nh ng tiêu chu n này c n đ h c đ vi ậ ọ t ượ nh ng bi n c n đ ữ ẩ ề ng(hàm c a nh ng bi n c n đ ữ ủ ế ầ ượ c chuy n d ch thành nh ng bi u th c toán ầ ị ữ ố c phân lo i nh nh ng đ i t lu t đi u khi n. Chúng có th đ ạ ể ượ ể i u đ ng) và h n ch ((hàm c a ủ c t ượ ố ư ộ ế ạ t). trong kho ng c n thi ầ ả ữ ế

ọ ể ệ ứ ữ

ơ ả ữ ể ữ

ề ữ ể ự ổ ẩ đ nh. Nh ng gi ả ị ề ấ đ nh này không nh ng làm đ n gi n cách gi ả ị ấ

ộ ả ể ữ ủ ấ ả ộ ề

ọ ữ

ng không bi ố ế ữ ườ ộ ọ t đ ế ượ

ự ữ

ữ ệ ổ

ữ ể

t b và mô hình c a nó t o ra s không tho ủ ệ

ộ ẩ ữ ể ượ ữ ằ

ạ ố ề ứ ự ỉ ế ằ

ố ố ể ơ ườ ế ỉ

ữ i ta luôn mong mu n t ộ ự ề t k mà bao g m mô t ả ữ ồ

ả ạ ượ ặ

ữ ố

ự ữ ể

Chuy n đ i chu n hi u su t thành nh ng bi u th c toán h c có th yêu ể c u vài gi ả i ầ ầ ứ quy t v n đ mà còn làm cho v n đ có th th c thi trong nh ng ph n c ng ế ấ đang có. hay m t mô hình c a quá T t c nh ng b đi u khi n dùng m t mô t trình. Nói chung, trong nh ng quá trình sinh h c và hoá h c, nh ng mô hình là ữ c. Vì th , luôn phi tuy n và nh ng thông s mô hình th ế luôn có s không phù h p gi a tiên đoán mô hình và ngõ ra quá trình th t. ậ ợ ữ t này là do nh ng thay đ i trong nh ng Nh ng lý do khác c a s khác bi ủ ự đi m v n hành và thi t b . ậ ế ị ả t gi a m t thi Nh ng khác bi ế ị ữ c có mãn đ cân b ng tiêu chu n hi u su t. Nh ng thông s đi u ch nh đ ấ ệ th giúp cân b ng gi a theo dõi đi m đ t nhanh và đáp ng bi n thao tác ặ ể ng đi u ch nh tr c tuy n b ng tr n. Ng ằ i thi u l ể ượ cách dùng m t mô hình quá trình khi thi ạ nh ng tr ng ế ế thái không rõ ràng. ậ c dùng, luôn c n c p nh t M c dù mô t tr ng thái không rõ ràng đ ầ ậ nh ng thông s mô hình tr c tuy n theo cách thích nghi. B đi u khi n tiên ộ ề ế ể ự đoán mô hình (MPC) là nh ng b đi u khi n trong đó lu t đi u khi n d a ể ề ậ ộ ề ộ ề trên mô hình quá trình. MPC là m t h th ng đi u khi n trong đó b đi u ộ ệ ố ề ể

- 25 -

c thao tác mà t ể ể ượ ố ư ố ượ

ừ ờ

ờ ả

ượ ng l n nh ng bi n đ ữ

ạ ề ế ế c thao tác hay đ ổ

t b , và th i gian tr . M t mô hình quá trình đ ộ ặ ễ

ng lai. ể

ề ể

c xác đ nh t ớ ả ế ị ậ ề ị ữ ấ ặ ặ

ượ ể ế ạ ổ ơ

ệ ợ ể ướ ắ ề ể ữ

t; ho c là chúng m t ho c nh ng thông s h ố ờ ủ ượ ệ ố ấ ủ ệ

ớ ợ

ề ng thì trong nhi u bài toán đi u khi n quá trình,nh ng mô hình đi u ố ệ i đ thu c” đáp c “hu n luy n“. Th m chí mô hình m ng ạ ậ ư t b khi b t đ u,nh ng ắ ầ ế ị ế t h n khi ti n trình hu n luy n tr c tuy n di n ra. Vì th , ễ ệ nh ng thông s thay ạ ố ơ ế ế ữ ấ ơ ữ ấ ạ ố

ờ

ượ

ơ ư ộ ể

ộ c” c a m t ủ t b này. ế ị ấ c dùng trong nh ng c u ữ ể ượ ơ

i u đ i t ấ ng hi u su t khi n xác đ nh ti u s bi n đ ệ ị ử ế i đ n th i th i đi m hi n t ờ vòng l p m trong kho ng th i gian kéo dài t ể ệ ạ ế ở ờ ả ặ i c ng v i kho ng th i gian tiên đoán. MPC phù h p cho nh ng ữ đi m hi n t ợ ớ ệ ạ ộ ể ể c đi u khi n, v n đ có m t l ề ượ ộ ượ ề ấ ng nh ng h n ch cho c hai lo i bi n này,thay đ i đi u khi n đ i t ố ượ ể ế ạ ữ và/ho c sai sót thi ự c th c ượ ờ hi n tr c ti p trong thu t toán đ tiên đoán ngõ ra quá trình t ươ ự ế ệ Th ữ ườ khi n không đ ể th ng có th bi n đ i theo th i gian. M ng n ron có nhi u ti n l ố c nh ng mô hình vào-ra c a h th ng vì chúng có th “b t ch đ ượ ng c a h th ng sau khi đ ứ ệ ố n ron hay nh n d ng có th không phù h p v i thi ể ậ ơ nó s tr nên t ự ế ẽ ở hu n luy n tr c tuy n làm cho m ng n ron n m gi ự ệ ắ đ i theo th i gian trong thi t b m t cách tr c ti p. ế ị ộ ổ ự ế B ng cách hu n luy n m ng n ron đ h c “mô hình ng ể ọ ạ ệ thi c dùng nh m t “b đi u khi n “ cho thi ộ ề Nh ng b đi u khi n m ng n ron cũng có th đ ạ trúc MPC nh là nh ng b đánh giá hay/và b đi u khi n. ộ ề ộ ấ ằ t b ,nó có th đ ể ượ ế ị ể ộ ề ữ ữ ư ể

ữ ứ ạ ườ

ơ ọ ề ọ ữ

ộ ữ ữ ư ậ ố

ỹ ệ ố ươ ữ ỹ

ữ ẽ ả ế ự ệ ậ ờ

Vì nh ng quá trình sinh h c và hoá h c th ng ph c t p, thay vì dùng m ng n ron m t mình trong đi u khi n nh ng quá trình này, nên dùng chúng ể ạ ề ng pháp truy n th ng nh nh ng k thu t đi u k t h p v i nh ng ph ề ế ợ ớ khi n PI hay PID hay nh ng k thu t g n đây nh nh ng h th ng chuyên ư ậ ầ ể ấ gia d a trên quy lu t hay lôgic m , theo cách lai ghép, s c i ti n hi u su t c a toàn b đi u khi n. ộ ề ủ ể

ể 2.3.Dùng M ng n ron trong Đi u khi n ơ ề ạ

ơ ụ ệ ố

ệ ườ ượ ữ ớ ứ ấ

ạ ủ ể ng đ ể ạ

ữ ỉ ấ ạ ơ

ữ ớ ộ ề ệ ố ủ ế ố ậ ể ạ

ủ ứ ể

ệ ố ấ ố ạ ạ ọ

c). Gi ạ c hu n luy n dùng d li u vào-ra và tr ng s m ng đ ượ ữ ệ ng dùng thu t toán backpropagation(lan truy n ng ườ ệ ậ

ượ ể ạ ạ

ở ả

Trong nh ng ng d ng h th ng đi u khi n, m ng n ron nhi u l p ề ớ ạ ề ộ ặ c dùng nh t. M t đ c feedforward v i hu n luy n có giám sát th ấ tính chính c a nh ng m ng này là chúng có th t o nh ng ánh x vào-ra mà ạ ữ có th x p x b t kỳ hàm nào v i đ chính xác mong mu n. M ng n ron ể ấ ề c dùng trong nh ng h th ng đi u khi n ch y u là nh n d ng và đi u đ ượ khi n h th ng. ệ ố ể Trong nh n d ng h th ng, đ mô hình đáp ng vào-ra c a m t h th ng ộ ệ ố ậ c đ ng, m ng đ ượ ộ ả đi u ch nh th ề ỉ ề c t o b i m ng có th đ i di n đ nh duy nh t là ánh x tĩnh phi tuy n đ ệ ấ ượ ạ ế ị ụ đ y đ đáp ng đ ng c a h th ng trong kho ng kh o sát c a m t ng d ng ủ ả ứ ầ ủ c cung c p thông tin v l ch s h th ng : c th . M ng n ron c n đ ụ ể ạ ủ ệ ố ượ ầ ộ ứ ử ệ ố ộ ơ ề ị ạ ấ

- 26 -

c. Bao nhiêu thông tin đ ở ầ ữ ượ ầ c yêu c u

ộ ộ ữ ụ

ộ ề ớ ướ ố ấ

ứ ệ ữ

ợ ạ ư ộ ườ ế ệ ơ ả ể ng t ề ươ ạ

ợ ượ ẫ

ừ

ế ị ế ố ủ t b , là không có đ ế ị t b . Đ đ t đ ể ạ ượ ế ị ọ ủ

ộ ạ ủ ế ị

ả ể t b . M ng n ron có th đ ơ

ạ ế

ơ ả

ể ữ ể ượ ề ữ ệ ế

ế ể ệ ệ

ộ ể ệ ể ộ ộ ề ấ ể

ạ ạ

ể nh ng l n tr nh ng ngõ vào và ra ph thu c vào đ chính xác mong mu n và ng d ng c th . ụ ụ ể Khi m t m ng nhi u l p đ ư ộ ộ ề ượ ạ nh m t vòng l p kín hay m , h u h t nh ng v n đ này đ u t ặ ề ấ ở ầ ng h p nh n d ng. Khác bi tr ậ ngõ vào đi u khi n thích h p đ ề ể ph i đ c s y ra t ả ượ ư ng ặ ườ đ ượ đ ng đ o ng c c a thi ộ ượ ủ d ng và đi u khi n thi ể ề ạ Chúng ta s gi ẽ ớ n ron có th thu đ ơ • Sao chép t ể ề ơ ệ ệ

ể ụ ẳ

ộ

ự ế ể ỉ t. Thì m t m ng n ron có th ườ ố ượ ạ ữ ơ ặ ộ ạ

ể ể ấ ằ ố

ặ

ệ ố :Trong tr ườ ậ ợ

c hu n luy n nh m t b đi u khi n,ho c ặ ự t c b n là ngõ ra mong mu n c a m ng là ư c nh ng c d n đ n thi ượ ế c đi u này, ngõ ra mong mu n c a thi ề ố ủ t b (n u có i ta dùng ho c là x p x d a trên mô hình toán h c c a thi ỉ ự ấ t b hay th m chí mô hình c),hay mô hình m ng n ron đ ng c a thi ơ ậ ậ c k t h p đ nh n ế ợ ế ị t b , vì th hình thành c u trúc đi u khi n thích nghi. ế ị ể ấ i thi u vài cách c b n trong đó d li u hu n luy n m ng ạ ấ ệ c trong nh ng công vi c liên quan đ n đi u khi n : ượ ề ể : N u có m t b đi u khi n m t b đi u khi n hi n có ừ ộ ộ ề t b ,thì thông tin yêu c u đ hu n luy n m t ộ có th đi u khi n m t thi ế ị ệ ầ c t m ng n ron có th thu đ ộ ề nó. M ng n ron h c sao chép b đi u ọ ượ ừ ể ơ khi n hi n có. M t lý do đ sao chép m t b đi u khi n hi n có là nó ể ộ ộ ề ể ộ đ dùng, ch ng h n nh m t có th là m t d ng c không th c t ư ộ ộ ụ chuyên gia. Trong m t vài tr ạ ủ ng h p,ch vài c p vào-ra h u h n c a ợ ể m t b đi u khi n mong mu n đ c bi ế ể ộ ộ ề đ c hu n luy n đ thi đua v i b đi u khi n mong mu n b ng cách ớ ộ ề ệ ượ n i s y nh ng c p vào-ra này. ộ ư ậ ệ ữ ệ ủ ể ộ

ứ ạ ữ

• Nh n d ng h th ng ng

c b ng cách quan sát đáp ng vào-ra c a m t thi ứ ng h p ph c t p h n, ngõ vào mô hình có th ơ t b và mô hình m ng có th ế ị ấ ng h p nh n d ng,d li u hu n ạ t ế ể ể ợ ữ ứ ạ

ườ ợ

ạ t b . Khi thu đ ế ị

c c a thi ấ

ạ ố ủ

ể c là mô hình ng ng h p này,ngõ vào m ng là ượ c t b mong t b . ế ị ế ị t b c cung c p ngõ ra thi ố ủ ộ ượ ủ ề ấ

ữ • Nh n d ng h th ng ạ luy n có th thu đ ượ ằ b . Trong nh ng tr ườ ị ch a vài giá tr tr c a nh ng ngõ vào thi ị ễ ủ là đ quy. ệ c: ượ Trong tr ệ ố ạ ậ t b và ngõ ra c a m ng là ngõ vào thi ngõ ra c a thi ạ ủ ế ị ủ t b ,nó đ m ng n ron ng ế ị ượ ế ị ượ ủ ơ mu n và ngõ ra c a nó là ngõ vào đi u khi n mong mu n c a thi ề V n đ chính v i nh n d ng ng c c a m t thi ượ ậ ớ không ph i luôn luôn đ ị ả

ể ấ ệ

ể ử ụ

ủ ể ả ỏ

ạ t. c xác đ nh t ố ượ • B đi u khi n tiên đoán mô hình : ề Đ u tiên m t m ng n ron nhi u ơ ộ ạ ầ ộ ề t b , sau đó c hu n luy n đ nh n d ng mô hình thu n c a thi l p đ ế ị ậ ủ ạ ậ ể ượ ớ ư m t m ng khác,ví d b đi u khi n,s d ng b nh n d ng này nh ụ ộ ề ộ ạ ậ ộ ạ ư t b trong m t c u trúc MPC. Mô hình này có u m t b quan sát thi ộ ộ ộ ấ ế ị đi m c a m t b đi u khi n thích nghi, nh ng nó đòi h i ph i tính ư ể Jacobian c a m ng n ron nh n d ng. ạ ộ ộ ề ơ ủ ạ ậ

ả ế ệ ố ứ ạ ể ạ ậ ơ

Có nhi u m ng c i ti n đ nh n d ng h th ng ph c t p h n cho bài toán ạ đi u khi n. ề ể ề

- 27 -

ậ ố

ể ầ ề ệ ố ể ế

c mô t ế ị ả ế t c nh ng ki n ữ ế ấ ả c h t chúng ta ế ướ ể ả t b có th đ ể ượ ế ị

ng s ng c a h u h t t ủ ầ ươ c ki n trúc đi u khi n,tr ề t b . Ví d , nh ng mô hình thi ữ ng trình sai phân sau: ươ

Ph n nh n d ng h th ng là s ạ trúc đi u khi n n ron. Đ có đ ượ ơ ph i có mô hình thi ụ b i nh ng ph ữ ở Mô hình I:

(2.1)

Mô hình II:

(2.2)

Mô hình III:

(2.3)

Mô hình IV:

i th i đi m k và f:R ờ ủ

ả ử ế ằ

i ta gi ố c gi ượ thi ả ấ ữ ỉ ế ơ ữ

ậ t b nào cũng có th đ ế ị ệ ạ

ơ

t b ,m t mô hình nh n d ng đ ế ị ộ ượ ể ậ ọ

c ch n d a trên t b có c u trúc ế ị ự ấ ộ

b i mô hình III, chúng ta có hai lo i b nh n d ng: c mô t (2.4) nfi R, v i (ớ u(k), yp(k)) th hi n c p vào-ra c a thi t b t ặ ể ệ ế ị ạ ể g:Rmfi R đ s là nh ng hàm kh vi theo nh ng đ i s c a chúng. ả ữ ố ố ủ c x p x đ n m t đ chính xác Ng t r ng f và g có th đ ấ ể ượ ườ ộ ộ ả mong mu n b t kỳ trên nh ng t p đóng b i m ng n ron nhi u l p. Do gi ề ớ ở ạ thi c đ i di n b i m t mô hình t này, b t kỳ thi ộ ở ể ượ ấ ế m ng n ron t ng quát hoá. ổ ạ Đ nh n d ng m t thi ậ ộ ạ thông tin liên quan đ n l p mà nó thu c. Ví d , gi ụ ế ớ đ ạ ộ ượ ạ s thi ả ử ạ ậ ả ở

ườ

t b v i f và g đ ng h p này, c u trúc c a b nh n d ng ạ 1 và N2 ạ ủ ộ ơ

ng ng. Mô hình này đ ượ c mô t ấ ậ c thay th b i nh ng m ng n ron N ữ ng trình: b i ph 2.3.1 Mô hình song song: Trong tr gi ng h t thi ế ị ớ ệ ố t ươ ứ ợ ế ở ươ ả ở ượ

c mô t b i ph (2.5) ươ ng ố ế Mô hình này đ ượ ả ở

2.3.2. Mô hình song song-n i ti p: trình:

c nh n d ng, m t b đi u khi n thích h p có th ậ t b đ ế ị ượ ộ ộ ề ợ

ế ế ự ể ễ ạ

ạ ậ ể ề ạ ỉ

ậ ậ ễ

ố ậ ể ả ồ ể ệ ơ ượ ự ệ ả ộ ờ ớ

(2.6) ể Khi m t thi ộ c thi đ t k d a trên mô hình nh n d ng này. Khi nhi u bên ngoài không ượ hi n di n trong h th ng,có th đi u ch nh nh ng thông s nh n d ng và ệ ệ ệ ố ữ ố đi u khi n đ ng th i. Tuy nhiên, khi có nhi u hi n di n, c p nh t thông s ệ ờ ể ề b đi u khi n đ c th c hi n v i th i gian ch m h n đ đ m b o đ tin ậ ộ ề c y.ậ

- 28 -

2.4 M ng n ron c u trúc truy n th ng ấ ơ ề ạ ẳ

ơ ấ ữ

ơ ồ ệ ữ ị ử

ơ ủ ơ ở ủ

ề ượ ế ố ớ

ị ử ấ ữ ọ ỗ ơ ơ

ạ ưở

s là đáp ng t ạ ố ư c k t n i v i nhau, đ ặ ớ Ứ ử ơ ữ

ơ ượ c gi ả ử ữ

ở

ể ữ ướ ố ủ ữ ứ ạ ượ ặ ế

ơ ề ả ọ ấ ề ế

ạ ể ữ ứ ạ ạ ả ữ ạ ọ

ữ ạ ọ

ử ữ

ắ ầ ạ ị ơ ệ ờ

ứ i th i đi m khi mà bài toán mô t ả ứ ể ủ

ủ ơ ể ư ữ

ơ ộ ơ ộ

ậ

ữ ể ự ữ ệ ơ

ư ộ ộ ử ượ ớ ọ ộ ạ

nh ng n ron trong b não con ng ộ đ u l y ý t ừ ầ ấ ơ

ng t ừ ơ ệ ế

ệ ử ệ

ượ ạ ấ ạ

ế ố ể ự ậ ạ ổ ỉ ư ộ ộ ơ ượ

Nh ng m ng n ron thông minh là nh ng mô hình c u trúc tính toán sinh ữ ạ ế ở ữ t, g m nh ng đ n v x lý thông tin phân tán và vì th s h u h c đ c bi ặ ọ nh ng kh năng c a tính toán song song. C s c a m ng n ron thông minh ạ ả ữ là nó có nhi u đ n v x lý đ c g i là nh ng n ron ơ ữ ơ ượ mà hình thành nh ng c u hình đ t l p. ng x c a m i n ron là đ n v tính ị ơ ử ủ ữ nh ng ho t đ ng x lý thông tin n ron. M i đ n v tính toán c b n mô t ị ỗ ơ ả ơ ả ạ ộ ng toán trong m ng d a trên khái ni m n ron lý t ưở ng. M t n ron lý t ự ệ ộ ơ i u v i nh ng ngõ vào. M ng n ron là m t t p đ ộ ậ ớ ượ ứ ơ ế ố c k t n i h p nh ng đ n v n ron nh th , trong đó nh ng n ron đ n đ ơ ơ ư ế ị ơ ợ ệ ố ọ c đ c tính b i nh ng h s tr ng thông qua nh ng k t n i kh p ph c t p đ ế ố ữ ữ ớ s và m i n ron t o phân ph i c a nó h ng đ n nh ng đ c đi m tính toán ặ ạ ỗ ơ ố c a toàn b h th ng. ộ ệ ố ủ V b n ch t, nh ng n ron sinh h c r t nhi u c m bi n ph c t p, đi u ề ữ ấ khi n, và nh n d ng nh ng khía c nh toán h c và nh ng quá trình t o quy t ế ậ ể ượ c đ nh. R t nhi u ánh x toán h c ph c t p và nh ng hàm x lý có th đ ề ấ ứ ạ ị đ ng nh t v i nh ng quá trình sinh h c. Vi c nghiên c u nh ng mô hình toán ữ ấ ớ ọ ồ h c c a nh ng đ n v n ron b t đ u t toán ơ ữ ọ ủ h c c a b não con ng i thu hút s chú ý c a nh ng nhà nghiên c u. Mô ữ ự ườ ộ ọ ủ ầ c đ xu t b i McCulloch và Pitts năm 1943. G n hình đ u tiên c a n ron đ ầ ấ ở ượ ề hàm đây, vi c phát tri n nh ng ph ng pháp thích nghi đã đ a ra c h i gi ệ ả ươ ư ế h c c a nh ng quá trình n ron sinh h c. M t vài mô hình n ron nh th ơ ủ ọ ọ ộ đ c phát tri n vào th p niên 60. Nói chung, nh m t b x lý thông tin, m t ượ c tr ng s c a nó n ron đ n th c hi n m t k t h p trên nh ng ngõ vào đ ố ủ ộ ế ợ ơ ng. và t o ra m t ngõ vào thông qua hàm kích ho t phi tuy n v i m t ng ế ưỡ ạ i, nh ng Ngay t ữ ữ ộ ưở ườ c s p x p thành nh ng n ron thông minh là nh ng đ n v x lý tín hi u đ ữ ị ử ơ ượ ắ ữ ứ ạ c k t n i đ th c hi n nh ng công vi c x lý thông tin ph c t p m ng đ ữ ạ ch ng h n nh n d ng đ c tính, nhóm d li u và phân lo i, x p x hàm,… ặ ẳ ữ ệ M t mô hình t ng quát c a m t n ron thông monh đ c xem nh m t hàm ủ ộ x lý ngõ vào và m t hàm x lý ngõ ra. ộ ử ử

Hình 2.1.N ron thông minh ơ

- 29 -

ữ

ườ t c nh ng tín hi u vào thành m t ngõ vào ệ ế ợ ấ ả ủ ng, m t hàm ngõ vào là m t k t h p tuy n tính c a ộ ế ợ ộ ộ ế

i:

Hàm ngõ vào f(.), k t h p t m ng đ n.Thông th ơ nh ng ngõ vào x ạ ữ

ữ ế

(2.7) ấ c g i là nh ng tr ng s liên k t. Hàm ngõ ra g(.) cung c p ố c cho b i f. Hàm ở ượ ọ ủ ơ ọ ạ ượ ạ

v i wớ i i=1,…,n đ tín hi u ngõ ra c a n ron v i toán h ng ngõ vào m ng đ ớ ệ ngõ ra th ng dùng là hàm sigmod: ườ

ơ ộ ạ ả ộ ơ ồ

ữ ộ ấ ữ

ề ấ ạ ề ớ ấ

ộ ớ ướ ứ

(2.8) ế ớ M t m ng n ron thông minh là m t m ng g m nh ng n ron liên k t v i nhau. Gi a nhi u c u hình k t n i khác nhau, m t c u hình thông th ng và ế ố ườ h u d ng nh t là m ng truy n th ng nhi u l p, trong đó không có n ron ngõ ơ ẳ ề ữ ụ ra nào là ngõ vào cho m t n ron trong cùng hay thu c l p đ ng tr c. Đây là ộ ơ đi m n i b t nh t c a lo i m ng này. ạ ấ ủ ổ ậ ể ạ

ạ ẳ

ậ ượ ớ

ấ ớ ự ạ ệ ử ữ

ơ ệ ữ ớ ố ớ ạ ằ

ượ ạ ề ượ ọ ớ ẩ

ườ

Hình 2.2.M ng truy n th ng nhi u l p ề ề ớ c g i là l p ngõ vào. L p ngõ vào không L p n ron nh n ngõ vào m ng đ ọ th c hi n b t kỳ công vi c x lý tín hi u nào mà ch phân b nh ng tín hi u ệ ỉ ệ c t o b i l p ngõ ra. B t kỳ l p nào n m gi a vào. Nh ng ngõ ra m ng đ ữ ấ ở ớ ệ ự ế c g i là l p n vì nó không có liên h tr c ti p l p ngõ vào và ngõ ra đ u đ ớ v i môi tr ng m ng. ạ ớ 2.4.1.Hàm truy nề

Có nhi u lo i hàm truy n,nh ng có ba lo i thông d ng nh t là: ư ụ ề ề ạ ấ ạ

- 30 -

Hình 2.3.Hàm truy n b c ề ướ

i h n ngõ ra c a n ron là 0,n u đ i s ngõ vào m ng n ớ ạ ố ố ạ ơ

Hàm truy n này gi ế ề nh h n hay b ng 0;hay 1 n u n l n h n hay b ng 0. ủ ớ ỏ ơ ế ằ ằ ơ

Hình 2.4. Hàm truy n tuy n tính ề ế

Hình 2.5. Hàm truy n sigmod

ậ ạ ị ề ấ

ằ Hàm truy n sidmod nh n ngõ vào,có b t kỳ giá tr nào và t o ngõ ra n m ề trong kho ng 0 và 1. ả

2.4.2 Thích nghi và h c cho nh ng thành ph n ng ữ ọ ầ ưỡ ng n ron ơ

ệ

ố ữ ộ ả ể ể ủ ưỡ

ể

ể

ế ế ộ ộ ơ ộ ậ ạ ộ ượ ươ ệ ệ

ể ậ

ng h p này, m t máy tính đ t k m t thu t toán hi u ệ M t công vi c quan tr ng là làm cách nào đ thi ậ ọ ng c a m t đ n v . L p trình tuy n ế qu đ thích nghi nh ng tr ng s và ng ọ ị ậ ươ ng tính có th cung c p m t gi i pháp thay th cho m t t p nh ng b t ph ế ả ộ ấ ấ ữ ấ ả trình mà có th nh n đ c cho. Vì t t c m t hàm chuy n m ch đ c t ể ượ ừ ộ ậ nh ng giá tr h p lý c a hàm này hi n di n trong m t ch ợ ng trình t ng h p ổ ủ ị ợ ữ c xem là có b n ch t song i cùng th i đi m, thu t toán này đ nh th t ấ ả ư ế ạ ộ c l p trình đ th c hi n m t song. Trong tr ệ ể ự ượ ượ ậ ờ ợ ườ ộ

- 31 -

ng trình mà ph i có đ b nh đ l u tr ộ ể ủ ộ ớ ể ư ạ toàn b hàm chuy n m ch

ươ ặ

c v i đi u trên có m t s ch ớ ộ ả ượ ả ế ợ ề ộ ộ ố ươ

ờ ể ươ

ị

c. C n có b nh đ l u tr ể ặ ộ ữ ể ự i b t kỳ th i đi m nào , ch ầ ộ ớ ể ư ộ

ướ ệ ầ ậ ứ

ị

ế ợ ng hi n th i và đ ệ ữ

ế ờ

ữ ờ ủ

ạ ế

ộ ủ

1,x2,…,xn nh hình sau, ngõ ra c a b c xác đ nh đ n gi n nh sau: ả

ch ữ ho c là m t b ng k t h p hay m t hàm Boolean. ng trình mà có th th c hi n theo Đ i ng ệ ố ng trình vòng l p hay theo chu i. Nghĩa là, t ạ ấ ỗ cho m t giá tr hàm ch v i m t k t h p ngõ vào và không c n b nh đ l u ớ ể ư ộ ế ợ ỉ ớ c các th i đi m tr tr nh ng giá tr hàm ữ ướ ờ ị ữ ở ng trình cho vi c nh n d ng đúng và ch a nh ng l ữ ng hi n th i c a ch ạ ươ ờ ủ ệ ượ ng. Khi giá tr hàm cho m t vài k t h p ngõ vào thì có giá tr tr ng s và ng ị ọ ưỡ ộ ố c c l c m t tín hi u l i gi a giá tr hàm này và đ ượ ệ ỗ ượ ờ ướ ượ ị ộ ng hi n th i nh ng c l ng trình có th thay đ i h i ti p đ mà ch ư ể ệ ổ ướ ượ ươ ể ồ ớ ng là sau m i hi n di n c a ngõ vào v i không l u tr thông tin khác. Ý t ư ệ ủ ệ ỗ ưở ế đ n đ n ng trình s h i t ng c a ch ng th i gian đ thì m t l c l ẽ ộ ụ ế ươ ướ ượ ủ ộ ượ thích nghi hay h c vì c g i l m t giá tr đúng. Lo i ch ng trình này đ ươ ộ ọ ọ ả ượ m i liên h nào đó đ n nh ng quá trình trong nh ng n ron sinh h c. ọ ơ ữ ữ ố Cho m t t p g m n bi n ngõ vào x ế ồ k t h p tuy n tính(linear combiner) đ ượ ế ợ ị ệ ộ ậ ế ư ơ ư ị

(2.9)

Đ nh nghĩa nh ng véct đ i s c a nh ng ngõ vào và tr ng s n ron , ta có: ữ ị ơ ố ố ủ ố ơ ữ ọ

(2.10)

Hình 2.6.S đ kh i c a m t b k t h p tuy n tính ộ ộ ế ợ ố ủ ơ ồ ế

- 32 -

ầ Hình 2.7 S đ th hi n c a m t quá trình thích nghi cho m t thành ph n ơ ồ ể ệ ủ ộ

ộ ng ưỡ ng n ron. ơ

c ph ng trình Vì th ta có đ ế ượ ươ

ộ ể ế ớ ạ ộ

ưỡ

t và ngõ ra c a thành ph n ng ng có th đ ớ ạ ủ ạ (2.11) 1,x2,…,xn) m t quá trình thích nghi c xem nh m t b k t h p tuy n ế ư ộ ộ ế ợ ữ i gi a i h n nh trong hình 1.4. Tín hi u l ư ng n ron đ c cho ơ ệ ỗ ượ ượ ầ

Vì th , v i m t hàm chuy n m ch f(x cho nh ng thành ph n ng ể ượ ầ ữ c đ t n i ti p v i hàm gi tính đ ớ ượ ặ ố ế hàm chuy n m ch đã bi ế ể nh sau: ư

ậ

1,x2,…,xn) là m t hàm c a nh ng bi n x ế i s đ ỗ ẽ ượ ộ

v i d(k) = f(x ớ thích nghi là m t ch ữ ủ i thi u hàm l ộ ng trình t ươ ể ố (2.12) i, i=1,…,n. Thu t toán c bàn đ n sau. ế

2.4.3. Lu t thích nghi Perceptron ậ

ị ủ ậ ọ ầ ộ

ứ ộ

ậ ộ

ứ ệ ố

ng. ưỡ ng Lu t h c perceptron nh phân c a Rosenblatt cho m t thành ph n ng c th hi n l n đ u tiên vào năm 1958. Cho m t đáp ng mong mu n d(k), đ ố ể ệ ầ ượ ỗ ượ vi c thích nghi đ ng i l ệ hoá” e(k), đ t t gi a đáp ng mong mu n và ngõ ra ử c a thành ph n ng ầ ủ ầ c c p nh t v i v i lu t perceptron dùng m t “l ượ ậ ậ ớ ớ c đ nh nghĩa là khác bi ữ ượ ị ưỡ

(2.13)

ch có ba giá tr h p lý cho e(k): ị ợ ỉ

a

- 33 -

- ư

c l c dùng cho gi ả ng c a véct ủ i thu t ậ LMS trong s t ơ ả c mô t đ ượ ể i th i đi m ờ ố ạ

t l ng trình đ Nh trong ch ươ )ka ( w trong ph n sau, cho ầ i t c th i e(k) nh sau: i l k. Ta có th vi ể ế ạ ỗ ứ ượ là m t ộ ướ ượ ư ờ

ộ ớ ố

c c p nh t t ứ ố ượ ậ ạ ậ ớ (2.14) ớ i t c th i m i ờ ỗ ứ i th i đi m (k+1) ể ờ

c vi V i m t ngõ vào c đ nh x(k) và đáp ng mong mu n d(k), l ố ị liên quan v i nh ng thông s tr ng s đ ố ọ đ ượ ữ t nh sau: ư ế

(2.15)

v i ớ

w

)ka (

(2.16)

M c đích c a chúng ta là tìm m t lu t c p nh t tr ng s ố ậ ọ ậ ậ ụ ủ ộ đ mà ể

e(k+1) fi 0 (2.17)

hay

(2.18)

ng d(k)=1 và N u e(k)=2 ế ng đ Hay t ươ ươ

Có th ch n ể ọ

(2.19)

đ màể

(2.20)

i, n u ế c l ượ ạ

Ng e(k)=-2 ng hay t ng đ ươ ươ

cượ Ta có đ

w

)ka (

(2.21) D Vì th , ta có th ch n là ể ọ ế

(2.22)

Nghĩa là

(2.23)

Và

0æa

(2.24)

Trong đó đ c g i là t c đ h c. ượ ọ ố ộ ọ

w

- 34 -

)ki (

D t ừ ươ ệ ớ

)ki (

ậ ằ i e(k). N u s t ế ệ ỗ D cũng là 0. S đ kh i c a thu t toán c p nh t đ ng quan v i tín hi u ngõ i(k)=0 thì c cho trong ổ ự ế ự ươ ố ủ ơ ồ ng quan là 0, nghĩa là e(k)x ậ ậ ượ ậ

T (2.23), ta k t lu n r ng s thay đ i vào xi(k) và tín hi u l w thay đ i ổ hình 2.8

Hình 2.8. Nh ng thành ph n v i lu t thích nghi perceptron ữ ầ ậ ớ

ậ ậ ọ ể ủ ượ

0‡g

c g i là lu t h c May. Thích nghi tăng d n ậ ọ a -perceptron đ ầ ở ạ

2.4.4 Lu t thích nghi Mays M t lu t h c bi n th c a lu t h c ộ ế đ ậ ọ ượ ọ m t “vùng ch t” v i bán kính ớ ế ộ hình 2.9 c th hi n ể ệ ở d ng t ng quát c a nó dùng ủ ổ cho ngõ ra tuy n tính. ế

(2.25)

g

ế

2

a

ế g , nghĩa là N u ngõ ra s(k) n m ngoài vùng ch t ằ ( ) ‡ks ổ ủ ế ậ

đ (2.26) ầ Thì thích nghi theo sau m t bi n đ i chu n hoá c a lu t perceptron tăng d n ẩ ộ a . N u ngõ ra tuy n tính n m trong c dùng thay cho ế c đ nh v i ố ị ượ ế ằ ớ

ấ ể

2

c c p nh t b i bi n đ i chu n hoá c a lu t h c , thì b t k đáp ng ngõ ra y(k) đúng hay không nh ng ữ ậ ọ a -perceptron ứ ổ ủ ế ẩ

ax ( ) g

axd

ậ ở c dùng thay cho e. vùng ch t ế tr ng s đ ọ v i ớ

- 35 -

Hình 2.9 Lu t thích nghi Mays v i ngõ ra tuy n tính và l ế ậ ớ ỗ

V m t toán h c, thu t toán thích nghi tăng d n Mays đ nh sau: c di n t ề ặ ậ ầ ọ ượ i tuy n tính. ế ễ ả ư

ng t c đ nh nghĩa nh sau: ờ t ử ạ i th i đi m k đ ể ượ ị ư

i th i đi m k. ể

ế ế ể ậ ở

v i e(k) là l i l ỗ ượ ớ e(k)=d(k)-sgn(s(k)) và d(k) là đáp ng mong mu n t ờ ố ạ ứ Hi n nhiên là n u bán kính c a vùng ch t là 0. Thì lu t thích nghi Mays tr ủ thành lu t thích nghi perceptron. ậ

2.4.5 Thành ph n tuy n tính thích nghi (ADALINE) ế ầ

ế

ơ ạ ề ượ ượ ẳ

ỷ ậ ầ ơ ả ở

ở ả ế ượ ủ ơ ớ ị

i ta gi ọ ể ự ơ ố ủ ấ ả ệ ờ ạ ề ờ

ậ

ữ ứ ể

ờ c tr ng s b i m t t p nh ng h s hay tr ng s đ c tính ngõ vào x(k)=[x ủ ộ ậ ữ ọ

ố ngõ vào đ ơ ệ ố ữ

ả

ệ ủ ằ ữ ủ ượ ộ

c dùng nh là kh i xây Thành ph n tuy n tính thích nghi (ADALINE) đ ố ư c nghiên c u l n d ng c b n trong nhi u m ng n ron truy n th ng, đ ứ ầ ề ụ ộ ộ ế ợ đ u tiên b i Widrow và các đ ng s trong th p k 1960. M t b k t h p ự ồ ầ hình 2.10, v i ngõ ra c a đ n v là c cho tuy n tính thích nghi đ n gi n đ t ng tr ng s c a t t c ngõ vào. ổ ả Đ th c hi n quá trình thích nghi trong mi n th i gian r i r c, ng ườ 1(k),…,xn(k)]T và s r ng thành ph n này nh n véct ử ằ ầ ơ ặ m t đáp ng mong mu n d(k), là m t hàm c a th i đi m k. Nh ng thành ộ ộ ố ph n c a véct ơ ầ ủ ố ở ọ ượ 1,…,wn]T trong đó nh ng thành ph n đ ầ c bi u th b i véct trong s w=[w ị ở ể ượ ố ơ ố đ i c a nó có c nh ng giá tr d ng và âm. Dùng ký hi u c a nh ng véct ị ươ ữ ủ i th i đi m k có đ s , m t ngõ ra tuy n tính t ơ ặ đ c c b ng tích c a véct ế ể ờ ạ ố tr ng s nh sau: tính ngõ vào và véct ố ư ơ ọ

- 36 -

(2.27)

a

Hình 2.10.Thành ph n tuy n tính thích nghi (ADALINE) ế ầ

LMS

a

- i thu t ươ - ậ LMS ả ậ ơ

ọ ế ả

ỏ ấ ả ứ thích nghi hi u qu và đ n gi n ệ i thu t này ậ c đ xu t b i Widrow và ượ ễ ề ắ ấ ỏ

tr ng s w c l ộ ướ ượ ố a t ơ ọ

ờ

ng c a véct ủ ố ố a(k) đ ữ ờ ủ ượ ữ ệ ọ ị

ng trung bình nh nh t) 2.4.6 Gi (Bình ph i thu t Gi cung c p m t công th c ả ộ ả ấ cho nh ng tr ng s c a b k t h p tuy n tính trong hình 2.10. Gi ữ ố ủ ộ ế ợ c dùng nguyên t c nhi u nh nh t và đ có đ ấ ở ượ Hoff(1960). Cho wa(k)=[w0(k),…,wn(k)]T là m t iạ ế th i đi m k. L i tuy n tính gi a đáp ng mong mu n d(k) và ngõ ra tuy n ứ ế ể ỗ tính s(k) v i c đ nh nghĩa ng hi n th i c a nh ng tr ng s w c l ớ ướ ượ nh sau: ư

c đ nh nghĩa là khác bi ượ ị ố

ệ c l ướ ượ ữ ế ớ (2.28) t gi a đáp ng mong mu n d(k) và ữ ố ng k ti p c a nh ng tr ng s ủ ứ ế ế ữ ọ

L i k ti p đ ỗ ế ế ngõ ra tuy n tính s(k) v i nh ng wa(k+1) là:

ố ẽ ẫ ổ ọ ữ ế ể ờ

(2.29) i th i đi m k thay đ i tr ng s s d n đ n nh ng thay i: Có th th y r ng t ạ ể ấ ằ ng ng c a l đ i t ủ ỗ ổ ươ ứ

(2.30)

- 37 -

ệ ậ ể ộ

c a l ự ộ ụ ủ ỗ ế ế ể ả ụ ả ẽ ộ ụ ệ ti m ỗ l(k) s h i t i e ậ ọ i ph thu c vào c p nh t tr ng ậ ộ

Công vi c k ti p là tìm m t lu t c p nh t đ mà l ậ ậ c n đ n 0. Đ b o đ m r ng s h i t ằ ế ậ s , ta gi ố s ả ử

(2.31)

Nghĩa là:

là m t h ng s đ c ch n đ mà l i e v i ớ a ộ ằ ố ượ ể ọ ẽ ổ ỗ l(k) s n đ nh ti m c n: ị ậ

ệ (2.32)

Nh v y ta có đ c: ư ậ ượ

(2.33)

Nhân c hai v c a ph ng trình này v i x ế ủ ả ươ ớ a(k) ta đ cượ

(2.34)

Vì th ,cu i cùng ta có đ c: ế ố ượ

Do đó

ớ

(2.35) ộ ng trình (2.52) là lu t Widrow-Hoff delta. V i m t c di n t nh sau: Đây là m t s gia. Ph ộ ố giá tr ban đ u b t kỳ c a e ầ ấ ị ươ ủ l(0),el(k) có th đ ậ ể ượ ễ ả ư

c a e Đ b o đ m đ h i t ả ộ ộ ụ ủ l(k),đi u ki n sau c n đ ể ả ệ ề (2.36) c tho mãn: ả ầ ượ

Nghĩa là:

Vì th l c ch n nh sau: ị ọ ổ ậ ế ệ ượ ế ỗ

<< a

ể ự ề ư (2.37) ượ ả ọ ứ 1.0

ủ ể ộ

ố ng t ư ậ ộ ươ ữ ự ậ

LMS

. M t Adaline có th đ ệ ể ượ ữ ế ọ ỉ a -

ố a đ i là n đ nh ti m c n n u h ng s ằ << a 0 2 ự ế a đ c ch n trong kho ng Đ tránh s đi u ch nh quá m c, th c t ỉ (2.38) 0.1 Không gi ng nh lu t perceptron, ngõ vào c a m t Adaline có th là nh phân ị ng hay t ưỡ c dùng đ nh n ra nh ng hàm ng ậ b ng cách hi u ch nh thích h p nh ng tr ng s . Th m chí n u c hai lu t ằ i và có đ h c perceptron và ọ , chúng v n có nh ng ng x khá khác nh ng công th c c p nh t t ữ ữ ể ố ợ ữ ch c dùng trong nh ng ượ ng t ẫ ậ ươ ả ậ ngươ trình s a l ữ ỗ ử ứ ứ ậ ự

- 38 -

ữ ậ

LMS

ử - ề ế ỗ

a

LMS

ậ t chính gi a hai thu t toán này là lu t t(Widrow and Lehr 1990). Khác bi ệ i thu t e=(d-sgn(s)) trong khi gi ậ i l ng t ả ộ ỗ ượ i thu t l=d-s. Đi u này có nghĩa là gi ậ i tuy n tính e ả ướ c, ề ệ - ữ là m t quá trình tuy n tính. i thu t i gi bi ệ c a Rosenblatt khai thác m t l ủ a perceptron g m m t hàm phi tuy n c a nh ng tín hi u qua hàm truy n b ế ủ ng ộ khai thác l ộ ồ ậ ả c l ượ ạ ế

ng trung bình ỗ ươ

ng trung bình có th đ i bình ph ươ ỗ

ể ữ ặ ộ ị

ổ ừ ệ ượ

c ể ượ tr ng s cho m t ngõ vào và nh ng đ c tính d li u ữ ệ ơ ọ i thu t l p hay không l p. Không m t tính t ng quát, ố vi c th ng i gi a ngõ ra c a b k t h p tuy n tính và ngõ ra ấ c rút t ế

ng pháp l 2.4.7 Ph 2.4.7.1 Công th c không l p l ứ Theo Widrow và Lehr, khái ni m l dùng đ xác đ nh véct mong mu n dùng gi ả ố gi ả ử ằ kê. Bình ph mong mu n t ủ c m r ng nh sau: i bình ph ươ i ặ ạ ệ ố ặ ậ ặ s r ng ngõ vào x(k) và ngõ ra mong mu n d(k) đ ố ng c a l ộ ế ợ ữ ủ ỗ i th i đi m k đ ư ượ ể ờ ươ ố ạ ở ộ

ộ ế ợ ộ ỗ l(k) t i e ế ạ (2.39) i m i th i đi m k, trung ờ ể ỗ

i trong (2.39) là: Vì b k t h p tuy n tính s t o ra m t l bình toán b c a bình ph ộ ủ ẽ ạ ng l ỗ ươ

c g i là l i bình ph ng trung bình (MSE). Đ t: Thu t ng bên trái đ ữ ậ ượ ọ ỗ ươ (2.40) ặ

ng quan chéo gi a ngõ ra mong mu n d(k) và véct ngõ vào ữ ố ơ

t ơ ươ a(k). ng t , đ nh nghĩa ma tr n t ng quan ngõ vào R là véct n ron x ơ T ươ ự ị ậ ươ

ng,đ i x ng và th c hay trong nh ng tr ộ ươ

ự ng. Vì th l i bình ph ng đ ị ậ ế ỗ ươ ữ ươ ng ườ ượ c

w

Là m t ma tr n xác đ nh d ố ứ ậ h p ít g p h n là ma tr n bán xác đ nh d ợ ị ơ t l vi ế ạ ặ i nh sau: ư

a

(cid:209) ng ng v i véct tr ng s w ủ ươ ứ ớ ơ ọ (2.41) ằ c b ng ố a có đ ượ

c a hàm MSE t Gradient cách đ o hàm (2.41) nh sau: ư ạ

- 39 -

tr ng s tuy n tính c a véct ơ ơ ọ

ươ ộ * cũng đ i u w c g i là véct tr ng s . Véct ố ạ ượ ố ơ ọ ặ c b ng cách đ t ằ ủ ố

Đây là m t ph t ố ư gradient là 0. Vì th tr ng s t ng trình véct ượ ọ ế ọ

ế tr ng s Wiener đ t đ ơ ọ i u là: ố ố ư wa

i này g m m t ch ồ ộ

ữ ng trình tính toán ngh ch đ o ma tr n R. V i s ươ ề ề

ả ớ ậ ả ẳ ộ

*=R-1p (2.42) ớ ố ả ị ậ ờ ng l n nh ng ngõ vào, đi u này có th d n đ n vi c t n r t nhi u th i ệ ố ấ ế i thu t tính ma tr n c i ti n ch ng h n phân rã giá ạ c dùng đ tránh tính ngh ch đ o ma tr n tr c ti p. Vì ế ế i quy t

ượ

ể ẫ ậ ả ế ả ị c gi ẽ ượ ự ậ i thi u đ gi ể ả ệ ặ ộ ớ

m

Cách gi l ượ gian, th m chí m t vài gi tr suy bi n(SVD) đ ế th , m t ph ả ươ vi c tín toán ph c t p này. ậ ể ng pháp gi m gradient l p s đ ứ ạ ị ế ệ

LMS

m

- 2.4.7.2 G i thu t bình ph ng tring bình nh nh t ậ ả ươ ỏ ấ

LMS

- ph ề ả ố

ể ừ tr ng s t ế

ng đ ượ ở ộ ỗ ướ

ủ ố

i và có m t t c phát tri n t ể ượ ơ ọ ế c cung c p b i gradient c a m t l ượ ệ ọ ộ ố ữ ồ

ng pháp gi m gradient truy n th ng, ươ i u đ c tím ki m trong không gian ố ố ư i bình ấ ng t c th i gi a ngõ ra hi n th i và ngõ ra mong mu n. Vì nó là m t ộ ờ ể i thi u ố ề ặ c d a trên hàm ờ ể ạ ượ ự ứ

có th đ n i mà vi c tìm ki m véct ệ ơ tr ng s d c theo h ố ọ ọ ph ữ ứ ươ hàm bình ph toàn c c duy nh t. T (2.57) gradient t c th i có th đ t đ ụ l ế ỗ ờ ng cùa nh ng tr ng s , b m t này là l ươ ấ i tuy n tính t c th i nh sau: ứ ừ ờ ư

(2.43)

m

c vi Vì th , gi ế ả i thu t h c gi m gradient đ ả ậ ọ ượ ế t nh sau: ư

- ớ ố (2.44) ộ ộ ọ

LMS c a Widrow, v i t c đ h c ủ ọ

0>m quy t đ nh đ ế ị m ph i tho : ả ả

ả c a ch Đây là gi h i t ộ ụ ủ i thu t ậ ng trình h c. Theo Widrow và Lehr , ươ

m

- 40 -

LMS

*, là cách gi

m

- i u đ h i t trung bình đ n w (2.45) ố ư ượ c i Wiener t ả ả ậ ế ộ ụ

w

LMS đ ộ ố

- ậ ượ D mà t ộ ứ ớ

w

)ka ( ổ ủ ỗ a(k) và ng quan l ị

ọ ủ a(k) c ng v i m t s gia ớ a(k). Nói cách khác, bi n đ i c a l ế D ả - D ủ ớ a(k), t

ố

ệ ớ ậ ữ ứ

)ka ( ổ ả ướ

m

ớ ặ c đây s đ i thu t Gi cho b i (2.43). ở c cho trong hình 2.11. Theo (2.44) Th hi n hình h c c a lu t ể ệ ơ ng ng v i véct wa(k+1) b ng v i w ươ ớ ằ i ph thu c vào bi n ế đ c tính ngõ vào x ộ ụ ặ )ka ( i thu t ậ . Vì gi tr ng s b ng v i tích âm c a x đ i c a véct ố ằ ớ ơ ọ ổ ủ w m LMS ạ i mong mu n đ t c ng tuy n v i x ch n ọ ố ỗ ươ ế ộ tr ng s có biên đ n đ nh. Khi vi c c p nh t đ c v i bi n đ i véct ậ ộ ổ ơ ọ ế ớ ượ ng ng hoàn h o v i đ c tính ngõ vào m i, nh ng đáp ng v i nh ng đ c t ặ ớ ươ ứ ữ i thi u. c c p nh t t tính hu n luy n tr ể ậ ố ấ ẽ ượ ậ ệ

LMS a

a ậ

a

LMS ị LMS

- - Hình 2.11. Gi và ả - - - i thích hình h c c a nh ng gi ọ ủ m LMS ậ - - ả LMS LMS ả ự ữ a và m chu n hoá c a lu t ậ ủ ẩ i thu t ậ , đi u thú v là lu t ề vì lu t ậ d dàng đ ễ LMS ượ c

Khi so sánh hai thu t toán là m t phiên b n t ộ t nh sau: vi ư ế

(2.46)

v i ớ

- 41 -

m

ng ng là l ỗ ẩ ứ ứ -

LMS a ậ ấ

LMS ẩ

- ươ ậ ọ ố ượ - ả

- trên có th d ữ v i ớ m2 đ t LMS ệ ng trình (2.66). LMS ở ể ễ ậ

c b ng cách t (2.47) i chu n hoá, đáp ng mong mu n chu n hoá và nh ng đ c ặ t ố ẩ ươ cượ ng trình (2.65) là lu t h c tính ngõ vào chu n hoá. Ph ẩ ậ ọ thay b i ở a c thi ngươ t k b i lu t . Vì th , c p nh t tr ng s đ ế ậ ế ế ở m v i s hi n di n c a m t t p hu n luy n khác i thu t ng v i gi đ ệ ủ ớ ự ệ ộ ậ ậ ớ ươ c chu n hoá đ nh nghĩa b i ph là t p hu n luy n đ ươ ệ ượ ở ị ấ ậ m M t phiên b n th i gian liên t c c a gi i thu t ụ ủ ả ờ ả ộ i i thi u hàm l dàng đ t đ ỗ ạ ượ ằ ể ố

i bình ph

i th i đi m t. Áp d ng ph c l ướ ượ ng c a véct ủ ứ ơ ọ ng trung bình và w ươ ể (2.48) ộ ướ c a(t) là m t ả ng pháp gi m ươ ụ ờ

m

ạ c: ng t c th i c a l là ờ ủ ỗ ố a t tr ng s w l ượ gradient đ d c l n nh t ta đ ượ ấ ộ ố ớ

LMS

- (2.49) th i gian liên t c dùng ố ủ ự ệ ờ ụ

S đ kh i c a vi c th c thi gi i thu t ậ ả c cho trong hình 2.12 đ ng t nh ng b nhân và tích phân t ự ượ ơ ồ ữ ươ ộ

i thu t lan truy n ng ề ậ ượ ề c cho m ng n ron truy n th ng nhi u ơ ề ẳ ạ

2.5 Gi ả l p(MFNN) ớ

i thu t lan truy n ng chúng ta s nói v nh ng gi c(BP) m t cách ả ậ ề ẽ ữ ượ ể ộ

ề ề ẳ ấ

ế

ề ớ ố ạ ạ ớ ộ ư ộ ệ ố ượ ề ể ậ ậ

ữ chúng ta s đ c p đ n mô hình t ng quát và gi ẽ ề ậ ế ả ổ

Bây gi ờ t.ế chi ti M t m ng truy n th ng nhi u l p có kh năng x p x r t nhi u hàm phi ỉ ấ ả ộ ứ c khai thác r ng rãi trong các ng tuy n v i đ chính xác mong mu n, nó đ ặ d ng nh nh ng bài toán nh n d ng và đi u khi n h th ng, nh n d ng đ c ạ ụ tính. Bây gi i thu t h c BP ậ ọ ờ c a MFNN. ủ

m

- 42 -

LMS

- i thu t Hình 2.12. S đ kh i c a gi ơ ồ ố ủ ả ậ th i gian liên t c ụ ờ

2.5.1 C u trúc n ron t ng quát cho MFNN ơ ổ ấ

c t ơ ớ ữ ữ

ớ ế

ấ ử ử

ớ ỉ ấ ủ ữ ứ ấ

ủ ầ ầ ữ ơ ả ề ế ố ớ

ượ

ể ệ ẽ ộ ồ ế ữ ữ ớ ỗ ấ c th hi n trong hình 2.13. ơ ừ ớ ố ữ ấ ớ ọ ổ

ố ớ

nRx ˛

c bi u th b i neuron(s,i) và n l p th nh t và g i M là t ng s ớ ẩ ể ọ ơ ớ

ị ở ớ ứ

ữ

c truy n đ n t ề ủ ớ ữ ơ

ế ụ ữ ứ

ượ ả ớ

ch c trong nh ng l p mà không có Trong m t MFNN nh ng n ron đ ượ ổ ứ ng h i ti p hay liên k t chéo. L p th p nh t c a MFNN là l p ngõ vào đ ấ ớ ườ t c nh ng ngõ vào và ngõ ra cung trong đó nh ng thành ph n x lý nh n t ậ ấ ả ấ ủ c p cho nh ng thành ph n x lý c a l p n th nh t. L p cao nh t c a ủ ớ ẩ ấ m t l p b t kỳ s ch truy n đ n l p MFNN là l p ngõ ra. Nh ng ngõ ra t ế ớ ẽ ừ ộ ớ cao h n. M i c u trúc c b n c a nh ng MFNN v i nh ng k t n i truy n ề ữ ữ ơ th ng đ ẳ Chúng ta s đánh s nh ng l p n ron t ứ l p c a MFNN g m l p ngõ vào, ngõ ra và l p n. ồ ớ ủ s là t ngổ G i n ron th I trong l p th s đ ượ ứ ứ . Ngõ s n ron trong l p th s. Ngõ vào l p th nh t ( l p ngõ vào) là ứ ấ ớ ớ ố ơ ra c a l p đ u tiên là m t hàm phi tuy n c a t ng nh ng ngõ vào nhân h s , ệ ố ế ủ ổ ộ ầ ớ t c nh ng đ n v n ron trong l p và nh ng ngõ ra này s đ ị ơ ế ấ ả ữ ẽ ượ ơ ả th hai. Quá trình này ti p t c cho nh ng l p k . Nh ng đ nh nghĩa c b n ớ ị ế ữ cùng v i ý nghĩa đ c l p danh sách trong b ng 2.1. ượ ậ X lý tín hi u trong m i n ron đ n đ c cho trong hình 2.14 c dùng trong MFNN đ ỗ ơ ơ ượ ử ệ

- 43 -

ề ớ ớ ớ ề ạ ơ ộ

Hình 2.13. M t m ng n ron truy n th ng nhi u l p v i l p ngõ vào, ngõ ra ẳ và (M-2) l p n. ớ ẩ

B ng 2.1. Ý nghĩa c a các ký hi u ệ ả ủ

(i)

ớ

(i)

(i)

ế

ọ

ứ ủ ạ

ạ ng n ron trong l p th i ứ ớ

Ký hi uệ Neuron(i,j) sj xj wjl xj yi ni M Ý nghĩa n ron th j trong l p i ứ ơ ngõ ra c a b k t h p tuy n tính trong neuron(i,j) ủ ộ ế ợ Ngõ ra c a neuron(i,j) ủ tr ng s gi a neuron(i,j) và neuron(i-1,l) ố ữ ngõ vào bên ngoài th j c a m ng ngõ ra th i c a m ng ứ ủ S l ơ S l p trong m ng ố ượ ố ớ ạ

- 44 -

Hình 2.14. Th hi n s đ kh i c a neuron(i,j) trong l p th i ể ệ ơ ồ ố ủ ứ ớ

ạ ộ

c xác đ nh nh sau: Hình 2.15. Nh ng ho t đ ng nhân tr ng s và k t h p trong neuron(i,j) ọ ề ặ ế ợ ị ố ượ ư ữ

ữ V m t toán h c, nh ng ho t đ ng này đ ọ ạ ộ (a) Ho t đ ng nhân tr ng s : ố ạ ộ ọ

(b) Ho t đ ng k t h p ế ợ ạ ộ

ươ c nhân b i nh ng tr ng s trên đ ở ấ ọ

ứ ứ ữ ự

ng. Ho t đ ng phi tuy n này đ ệ ẽ ng trình th nh t th hi n ho t đ ng nhân trong đó nh ng tín hi u s ữ ứ ng k t n i và nh ng ph ng trình th ươ ữ ế ố t c ngõ ra và ổ ồ ủ ấ ả t l i nh sau: ư ế ạ ạ ộ ườ ế ợ c vi ượ ạ ộ

s

( ).

Ph ể ệ đ ố ượ hao và th ba th c thi ho t đ ng k t h p g m t ng c a t ạ ộ ng ế ưỡ

(

(

M

) (

=

=

n

n 0

x l

l M l p (i-1) sau đó đ

( lx l ủ

ả ữ ) = 0

ệ ,...,1 ạ là hàm kích ho t phi tuy n. Ta ế ạ )m = ,...,1 là ngõ là ngõ vào th l c a m ng và ạ ứ ủ ngõ ra nhi u chi u t c dùng ượ ề ừ ớ ề ơ

x l ứ ự ế ữ c vi

ngõ vào c a l p th i. ơ ố ố ủ ủ ớ ữ ố ơ ữ ọ ơ

v i nh ng ký hi u cho trong b ng 1. Và ớ )n = đ t ặ ra th l c a m ng. Véct tr c ti p nh véct ư ứ Nh ng d ng đ i s c a nh ng ngõ vào n ron và nh ng tr ng s n ron ạ t nh sau: đ ư ượ ế

- 45 -

ớ ệ ố ố ữ ậ ọ ố

ơ ưỡ ế

ng trình ho t đ ng và hàm truy n c a m ng đ ữ i c a ng ươ ụ ngõ ra đ i s và nh ng ma tr n tr ng s ph ng trong hàm kích ho t n ron phi tuy n. V i ớ ượ c ạ ơ ề ạ ộ ủ ạ

i thi u nh ng véct ự ồ ạ ủ ộ ữ ệ t nh sau: ư ế

Vi c gi ệ thu c vào s t n t nh ng ký hi u này, ph vi

(2.50)

T ng tr ng s n c cho b i: ố T trong m t m ng MFNN đ ạ ổ ộ ọ ượ ở

ứ ủ ấ ả ố ế ố ữ ọ ố

ấ ố ượ

] m 1,1-

ngõ ng c a t ố ượ t c ng ủ ấ ả ưỡ ố ủ ạ ơ ˛ t c nh ng tr ng s k t n i và s ng. ệ y ng minh c a m i liên h vào-ra c a m ng v i véct [ c cho nh sau: ngõ ra m chi u và véct đ v i s h ng th nh t là s l ớ ố ạ ng c a t h ng th hai là s l ứ ạ M t th hi n t ể ệ ườ ộ nRx ˛ vào n chi u ề ủ ượ ớ ư ề ơ

(2.51)

v i ớ

Và

Th hi n trên s đ cùa ánh x tuy n tính này đ c cho hình 2.16. ể ệ ơ ồ ế ạ ượ ở

- 46 -

Hình 2.16. Ánh x tuy n tính đ ế ạ ượ c th c thi b i m ng n ron truy n th ng M ơ ề ẳ ạ ở

s

ự l pớ

ạ ạ ế ượ

( ). ộ

ụ ng trình (2.41) là m t hàm phi tuy n liên t c và đ o hàm đ ụ ươ là liên t c và đ o hàm đ ế

ế ế

ọ ữ ư ạ c xem nh hàm ánh x n ron phi tuy n t ạ ơ

ế ố ế ố ặ c hình thành thông qua quá trình h c ng c v i l p trình tr ượ

ươ ề ố

ượ ệ ề ẳ ơ

ố ớ

ượ ủ ộ

ệ ữ ạ

ặ ơ

c hàm ánh x f(.) Vì hàm kích ho t phi tuy n ạ ượ ừ trong ph c t ạ ứ không gian vào đ n không gian ra. Vì th , hàm ánh x phi tuy n f(.) ch a ế ừ nh ng tr ng s k t n i có th đ ể ượ không gian đ c tính ngõ vào đ n không gian đ c tính ngõ ra, n i mà hàm ánh ơ ặ ế ướ x này đ c ớ ậ ọ ượ ạ ng pháp truy n th ng. Nói cách khác, trong c u trúc MFNN, trong nh ng ph ấ ữ c truy n th ng đ quy đ n nh ng l p n cao h n và thông tin ngõ vào đ ớ ẩ ữ ế c g i là m ng lan truy n. cu i cùng là l p ngõ ra. Vì lý do này mà m ng đ ề ượ ạ ọ ạ ạ ng trình đ i b i nh ng ph Vì quan h vào-ra c a m t MFNN đ c mô t ươ ữ ả ở c tính khá d . Nh ng m ng MFNN là nh ng s tĩnh, nh ng ngõ ra m ng đ ữ ễ ố ạ ữ ượ m ng n ron tĩnh và không có b t kỳ b n ch t đ ng nào. M c dù phiên b n ả ạ ấ ộ ả ấ m r ng c a MFNN có th có tính đ ng. ở ộ ủ ể ộ

2.5.2 Thi t l p gi i thu t lan truy n ng ế ậ ả ề ậ c ượ

ậ

s r ng ta đã có véct i thi u hàm l ơ ỗ ươ ể

ệ ữ ề ậ ở ữ ơ

c cho nh sau: ngõ ra mong mu n d(k), thu t toán BP cho mang Gi ố ả ử ằ ng c a các sai l ch gi a ngõ i E là t ng bình ph MFNN s t ủ ổ ẽ ố trên, mong mu n d(k) và nh ng ngõ ra m ng n ron th c s y(k) đã đ c p ự ự ạ ố đ ượ ư

(2.52)

- 47 -

v i ớ (2.53)

(i) c a n ron(i,j)

(2.54)

ể ọ ủ ơ

ậ Đi u ki n ban đ u đ tính toán đ quy là t ể i thu t BP đ thích nghi nh ng tr ng s w ố j ả ư ầ ữ l p ngõ ra nh sau: ừ ớ Hình 2.17. Gi ệ ề ệ

(2.55)

v i ớ

i thu t h c tr ng s ộ ơ ố ở ả ọ

trên đ c trong hình 2.18. ượ Ở ệ

ườ ườ ệ

(2.56) v i m t n ron thì gi c cho trong hình 2.17. Và ậ ọ ớ ng thu n đ ượ c đây, đ x lý tín hi u thu n và ng ậ ượ ậ ử dùng đ lan truy n tín hi u hàm ngõ vào trong khi nh ng đ ượ ượ c đ c ng ng ữ thi t k đ truy n nh ng tín hi u ngõ ra. ữ ể ế ế ể ề ề ệ

- 48 -

ề ượ c

ệ i gi a l p th i và l p th (i+1) Hình 2.18. S đ c a quá trình lan truy n thu n c a tín hi u vào và ng ữ ớ ơ ồ ủ c a tín hi u l ủ ậ ủ ớ ệ ỗ ứ ứ

c cho trong (2.52) - (2.56) g m tính toán đ ữ ồ

sd

ệ ể l p ngõ ra cho đ n nh ng l p n th p h n. Khai tri n ầ ừ ớ ữ ế

ấ ta đ

sd 2.5.3 Tính toán đ quy cho ệ Nh ng công th c c p nh t đ ậ ượ ứ ậ quy cho sd d n d n t ớ ẩ ầ ng trình trên b ng cách đ o hàm riêng ph n nh ng ph ầ ươ

ơ c:ượ ữ ằ ạ

- 49 -

v iớ

(i+1) và sj

(i) trong

Vì thế

i+1 b i l. Liên h gi a s ệ ữ l

ấ ở

Không m t tính t ng quát ta thay l ổ ph ng trình sau: ươ

Ta đ c ượ

Vì th ,ế

v iớ

Gradient c a E t ng ng v i nh ng véct tr ng s là: ủ ươ ứ ữ ớ ơ ọ ố

- 50 -

ứ ạ ặ ộ

ủ Trong đó toán h ng th hai bên tay ph i ch ph thu c vào đ c tính c a n ron và không liên quan đ n h s đo l ơ ỉ ả i E. Vì th , t ỗ ụ : ế ừ ệ ố ế

Ta có đ cượ

ấ ề (2.57) ươ

ố ọ c BP t ỗ ượ ư ế ữ

ớ

nh ng ph ữ ừ ặ ể ệ ố c mô t b i nh ng tr ng s ữ ố ạ ể ệ ữ ả ở ọ

ưỡ ậ i bình ph c đ ượ ượ ả ộ

ề

ệ ợ ể ậ ọ ể ệ

ữ ủ ầ

ữ

i thu t lan truy n ng ả

Đi u này cho th y đã rút đ ng trình (2.52)-(2.56). Trong su t pha h c BP nh th , m i th hi n đ c tính trong nh ng thành ph n ngõ ra khác v i nh ng thành ph n mong mu n. Sau th hi n toàn t p ậ ầ ầ c s a đ i đ d li u, nh ng thông s m ng đ ố ượ ữ ổ ượ ữ ệ ữ ng trung bình E. và ng i thi u l ng mà t ươ ể ỗ ố i thu t h c có c dùng đ th hi n m t gi Thu t ng lan truy n ng ể ể ệ ề ậ ọ ữ giám sát hoàn toàn v i vi c ch n l a c th hàm truy n n ron và lu t c p ậ ậ ọ ự ụ ể ơ ệ ớ ữ i đ dùng nó khi th hi n nh ng nh t tr ng s . Nói cách khác, th t là ti n l ố ậ ầ i thu t này mà xác đ nh nh ng đ o hàm riêng ph n thành ph n đ n c a gi ậ ả ơ c. Đi u này đ n gi n là m t chu i nh ng tính liên quan b ng lan truy n ng ả ỗ ượ ề ằ i thu t h c có giám sát mà toán. Vì th , gi ả ề ế dùng lan truy n ng ề ị ơ ề c là m t gi ậ ộ ượ c đ tính nh ng đ o hàm riêng ph n. ạ ượ ể ạ ộ ậ ọ ầ ữ

i thu t BP dùng nguyên t c sai phân ữ ư

ắ c xem nh là m t trong nh ng ch ộ ủ ệ

, gi ả ọ ng trình h c i thu t này ậ ả ỉ i thu t BP có nhi u ng d ng h n là ch ề ứ ơ

t l p gi ả ơ

c nh ng công th c gi ng pháp đ thi ế ậ ạ ầ ả ậ ắ ươ ậ

ể ố ư

ề

ng trình đ đ t đ 2.6. Thi t l p gi ậ ế ậ ả Gi i thu t h c BP đ ươ ả ậ ọ ượ hi u qu nh t cho MFNN. M t lý do cho vi c thành công c a gi ấ ả ộ ệ là tính đ n gi n c a nó. Th c t ậ ụ ự ế ả ủ ơ ng pháp gi m gradient. trong chu i m c xích và ph ả ươ ắ ỗ Có nhi u ph ấ i thu t BP. Cách đ n gi n nh t ể ề ươ ả ph n trên. Bên c nh đó nguyên t c sai phân cũng đ đ c th hi n c dùng ể ệ ở ượ ượ i thu t BP. Ph đ đ t đ ưở ng ng pháp này l y ý t ấ ữ ể ạ ượ ứ lý thuy t đi u khi n t t i u, mà dùng nh ng b nhân Lagrange đ tìm ữ ề ế ừ ể ộ nh ng giá tr t i u cho nh ng bi n đi u khi n. Tính toán sai phân có th ể ể ị ố ư ữ ế ữ ộ giúp chúng ta tìm m t hàm mà t i thi u hàm m c tiêu có nh ng ràng bu c. ữ ụ ố ể i thu t BP đ M t ch ngay ph n sau. c th hi n c gi ượ ậ ả ộ ộ ể ạ ượ ể ệ ở ươ ầ

2.6.1 Nh ng đi u ki n t i u ệ ố ư ữ ề

- 51 -

ữ ơ ề ủ ng trình m ng hay hàm truy n c a ạ

M t MFNN có M l p n ron, nh ng ph ươ ớ nh ng n ron trong nh ng l p khác nhau là: ữ ộ ữ ớ ơ

Bài toán t c mô t nh sau: ố ư i u thông s cho m t công vi c c th đ ộ ệ ụ ể ượ ố ả ư

(2.58)

(

)

i

l

Đ gi i bài toán trên, ta dùng ph ng pháp Lagrange ể ả ươ

R

j

˛ ư ữ ạ ấ

i ngõ ra bình ph ệ ố ỗ ươ ứ ụ ạ

ươ ữ ạ ộ

v i ớ Toán h ng đ u tiên là l ạ ầ vào nh ng ph ữ thông s c a MFNN. Sai phân l n đ u ta đ ố ủ (2.59) là nh ng h s nhân Lagrange. Nh ta th y L g m hai toán h ng. ồ ng và toán h ng th hai ph thu c ộ ng trình m ng mà cung c p nh ng ràng bu c cho nh ng ữ ấ c: ượ ầ ầ

s xác đ nh t ẽ

ị ộ

ề i u sau: (2.60) 0=Ld ươ ng i E t i thi u c c b cho hàm l Đi u ki n c n là cho ỗ ể ụ ộ ố ệ ầ ề ng trình ràng bu c m ng. Đi u ki n này mô t ng v i nh ng ph hoàn toàn ứ ả ệ ạ ươ ữ ng x c a m ng, suy ra nh ng đi u ki n t ệ ố ư ứ ớ ử ủ ữ ề ạ

(2.61 )

(2.62)

(2.63)

ủ ầ ạ ộ

ươ ủ

ậ ườ ng trình th hai, đ ng trình này th hi n m t trong ba thành ph n c a m ng lan M i ph ỗ ạ truy n ng ng thu n c a m ng c. Ph ề ườ ng c th hi n b i nh ng ph đ ở ượ ể ệ ị ầ ng trình m ng và ph ạ ng trình đ u tiên đ nh nghĩa đ ươ ữ ươ ượ ể ệ ươ ứ

- 52 -

ữ ế ượ ậ ự ươ ể ệ ư ọ ng trình th ba không th ứ ệ ố ư ể ầ i u c n ề

ệ ả ả

ng trình m ng. T (2.62) ta ấ ằ ể ệ ươ ữ ễ ạ ừ

c là nh ng toán h ng gradient. Ph lan truy n ng ạ ề hi n c p nh t tr c ti p tr ng s , nh ng nó th hi n đi u ki n t ố ậ ph i tho mãn. D dàng th y r ng (2.61) th hi n nh ng ph có:

(2.64)

Và

(2.65)

Ph ng trình t i u th ba (2.56) th hi n: ươ ố ư ể ệ ứ

(2.66)

Nghĩa là

(2.67) (i) t ng ng v i đi m tĩnh L ữ ằ ươ ứ ể ớ

Đi u ki n này nói r ng nh ng véct ơ ọ ề là m t t ể ể ụ ộ tr ng s w ố aj i thi u c c b hay m t đi m yên ng a. ự ệ ộ ố ộ

ậ

tr ng s ữ ứ ớ

ố ể ủ ự ơ ọ ươ ả

ậ ọ ể ự ớ ng trình (2.60). Nh ng ph ể ủ ữ ươ

i t ng ng v i nh ng véct ỗ ươ ng v i tìm c c ti u c a L trong khi tho mãn nh ng ph ươ ộ ệ ố ượ ỉ

ố ng trình ữ ạ ng trình m ng (2.64) và (2.67) t o c th hi n b i m t bài toán ở ng pháp i nào. May m n thay, ph ạ ể ệ ắ ộ ươ ể ị

2.6.2 C p nh t tr ng s Tìm m t đi m c c ti u c a hàm l ộ ng đ t ươ ươ m ng và ph ạ thành m t h th ng hoàn ch nh cho bài toán đ giá tr biên hai đi m. Không có cách gi gi m gradient cung c p gi i thu t l p tr ng s sau: ậ ặ ả ọ ả ấ ả ố

(2.68)

Th k t qu này vào (2.59) và (2.60) ta đ c: ế ế ả ượ

(2.69)

- 53 -

ng v i nh ng công th c c p nh t BP ươ ứ ậ ữ ậ ớ ở ph n tr ầ ướ ớ c v i nh ng liên ữ

t ng đ ươ h sau: ệ

ng trình dùng ph ng pháp ng trình này đ n gi n h n ch ơ ả ơ ươ ươ

ả ỗ

Rõ ràng ch ươ gi m gradient và lu t chu i. ậ 2.6.3. Chuy n đ i không gian thông s ể ổ ố

ng pháp gi m gradient th ậ ự ượ

ả ự

ố ề ể ợ ế ộ ể ủ ị

ữ ủ ọ ố ố ơ ở

ạ c xem xét ế

ươ ề ạ

ữ i thi ườ ụ ộ ạ ủ ệ ố ể ứ ạ ọ ộ

ệ ố ọ

ể ả ệ ế ề

ữ ọ ủ

pnRp ˛

s r ng tr ng s là nh ng hàm c a m t véct ấ ố ả ử ằ ơ ữ ủ ọ ố ộ

: ư c xem nh là ng đ i thu t BP d a trên ph Gi ườ ươ ả m t quá trình tìm ki m l p cho đi m c c ti u c a hàm l i trong không gian ỗ ặ ộ tr ng s . Trong m t vài tr ng h p, đi u thú v là nh ng tr ng s không ọ ữ ườ ph i là nh ng bi n đ c l p mà là m t hàm c a vài thông s c s trong ế ộ ộ ậ ả ở không gian thông s . Nh ng hàm dùng nh ng thông s c s đ ố ơ ở ượ ữ ố t k đ a nh ng ki n th c u hai khía c nh: (1) đi u này cho phép ng ừ ư ế ế ư ữ ề ộ ng trình ràng bu c tiên v công vi c vào trong m ng ( ví d m t vài b t ph ấ gi a vài tr ng s đ làm cho đáp ng c a m ng b t bi n v i m t vài lo i tín ữ ớ ế ấ hi u nào đó) và (2) khi không gian tr ng s thi u đi u ki n hay quá ph c t p ứ ạ ề ế ệ ữ c dùng đ c i thi n nh ng đ tìm ki m nh ng hàm truy n x p x có th đ ể ượ ỉ ể đ c tính hình h c c a nó và tăng t c quá trình h c. ọ ặ Vì m c đích này, ta gi ụ thông s nố p chi u ề

0=

L p

Đi u ki n t i u trong (2.60) tr thành: ệ ố ư ề ở ¶ (2.70) ¶

Hay t ng đ ng: ươ ươ

(2.71)

i thu t l p cho véct thông s đ t đ Vì th , gi ế ả ậ ặ ơ ố ạ ượ c nh sau: ư

(2.72)

Nghĩa là

(2.73)

2.7 Mô hình m Takagi-Sugeno và bù phân tán song song ờ

ữ ệ ố ề ầ

ứ Nh ng năm g n đây nh ng h th ng đi u khi n m dùng trong nh ng ng ờ ể ữ ụ ng l n nh ng ng d ng d ng k thu t đã phát tri n nhanh chóng. M t s l ộ ố ượ ể ụ ữ ứ ữ ậ ớ ỹ

- 54 -

ờ ạ ể ủ ự ữ

ờ ề ữ ề ệ ố ể t k nh ng h th ng đi u khi n m . Trong ph n này s gi ẽ ớ ể

ế ế ờ ộ ầ ộ ấ ộ ề

ớ

ợ ầ ệ ớ

ữ

ệ ng chính c a vi c thi ủ ả

i thi u mô hình m Takagi-Sugeno (mô ờ ờ ư ế ng trình đ xây d ng nh ng mô hình m nh th . ể ữ ự t k b đi u khi n m d a trên mô hình dùng khái ni m “bù ờ ự ể ế ế t k c mô t ộ ệ c m i lu t đi u khi n bù m i lu t c a m t h ỗ ớ ươ ế ế ộ ề ẽ ượ ượ ậ sau đó. Ý t ề ậ ệ ậ ủ ưở ể ỗ

thành công c a đi u khi n m đã t o nên nh ng đ ng l c đ phân tích và i thi u mô thi ệ hình m Takagi-Sugeno và bù phân tán song song, m t c u trúc b đi u khi n ể phù h p v i nh ng mô hình m . ờ ữ Ph n này s b t đ u v i vi c gi ệ ẽ ắ ầ hình m TS) và nh ng ch ờ Vì th vi c thi ế ệ phân tán song song” s đ b đi u khi n là nh n đ ể ộ ề m . ờ

Mô hình m Takagi-Sugeno

ng trình thi ộ ầ ệ ế ế ể ệ

ọ ươ ế

ậ ế ượ

ố ệ ữ ữ ụ ộ ủ

ặ ể ộ ệ ố ữ ễ ạ

ậ ủ ỗ ụ ộ ủ

ộ ủ ệ ố ộ ằ ế ờ ữ

ộ ờ ệ ố ệ ố ề

ể ượ ể ệ ờ

ở ượ ằ ữ ữ

ư ứ ạ ờ ớ

ủ ị ệ ờ ụ

ụ

ậ ể ệ ờ ậ ứ

ờ 2.7.1 t k trong ph n này b t đ u v i vi c th hi n m t máy phi Ch ớ ắ ầ ờ ượ c c b i cái g i là mô hình m Takagi-Sugeno. Mô hình m đ tuy n cho tr ờ ướ ở c mô t đ xu t b i Takagi và Sugeno đ b i nh ng lu t N u-Thì m mà ề ờ ả ở ấ ở th hi n nh ng m i liên h vào-ra tuy n tính c c b c a m t h th ng phi ể ệ ế tuy n. Đ c đi m chính c a mô hình m Takagi-sugeno là di n đ t nh ng quá ờ ế trình đ ng c c b c a m i lu t m b i m t mô hình h th ng tuy n tính. Mô ệ ố ờ ở hình m toàn b c a h th ng đ t đ c b ng cách “tr n l n” m nh ng mô ộ ẫ ạ ượ hình h th ng tuy n tính. Trong ph n này nhi u h th ng đ ng phi tuy n có ế ộ ầ ế i ta cũng đã c th hi n b i nh ng mô hình m Takagi-sugeno. Ng th đ ườ chúng minh đ ỉ c r ng nh ng mô hình Takagi-sugeno là nh ng b x p x ộ ấ ữ t ng quát. ổ Lu t th i c a mô hình m Takagi-sugeno có d ng nh sau, v i CFS và DFS bi u th h m liên t c và h m r i r c. ệ ờ ờ ạ H m liên t c:CFS Lu t mô hình th i: N u ế z1(t) là Mí và … và zp(t) là Mip thì

(2.74)

ệ ờ ờ ạ ậ ứ

H m r i r c:DFS Lu t mô hình th i: N u ế z1(t) là Mí và … và zp(t) là Mip thì

ờ

ij là t p m và r là s lu t mô hình; x(t) là véct ố ậ ngõ ra, A

i,Bi và Ci;z1(t),…,zp(t) là nh ng bi n gi

ậ ngõ vào, y(t) là véct ữ ơ

đây M ơ t đã bi ủ ể ế

ữ ẽ

ạ ch a t ị ơ ứ ấ ả s r ng nh ng bi n gi ữ

1(t),…,zp(t). Chúng ta cũng gi ữ

Ở véct thi ế ngoài và th i gian. Chúng ta s dùng z(t) đ bi u th véct thành ph n riêng z ả ử ằ ầ thi (2.75) tr ng thái, u(t) là ơ ạ ả ế t mà có th là nh ng hàm c a nh ng bi n tr ng thái, nhi u bên ễ ữ ế t c nh ng ữ ể ể ờ ả ế t không là nh ng hàm c a nh ng bi n ngõ vào u(t). Đi u này s tránh quá ế ủ ữ ề ẽ ế

- 55 -

ể ữ

ờ ữ c trong ph n này cũng có th áp d ng cho tr ượ ư ể

ả ủ ỗ

c g i là h con. ượ ọ ở

c suy ộ ề ầ ữ c th hi n b i A ể ệ ữ ế ix(t)+Biu(t) đ ố ữ ủ ớ

ư

ề trình m hoá ph c t p nh ng b đi u khi n m . Và l u ý r ng nh ng đi u ằ ờ ứ ạ ng khi n n đ nh nh n đ ườ ụ ậ ể ổ ị t là hàm c a nh ng bi n vào u(t). M i ph h p bi n gi ế ng trình k t thi ế ợ ươ ế lu n tuy n tính đ ệ ượ ế ậ V i môt c p (x(t),u(t)) nh ng ngõ ra cu i cùng c a nh ng h m đ ệ ờ ượ ặ lu n nh sau: ậ CFS

(2.76)

DFS

(2.77)

v i ớ

- 56 -

ij(zj(t)) là đ liên thu c c a z

(2.78)

ộ ủ j(t) trong Mij. ộ

Toán h ng Mạ Vì

(2.79)

Ta có

(2.80)

2.7.2 Xây d ng mô hình m ự ờ

ờ

ạ ạ ệ ậ ươ

ậ ữ ệ ậ ạ ữ ể ợ

ể ệ ữ

c b i ph ở ế ộ

ậ ể ạ ờ ộ

c th hi n b i nh ng mô hình v t lý hay phân tích. Ng ươ c t ậ ượ ừ ng pháp th nh t. ồ ng trình g m Hình 2.19 minh ho vi c mô hình m dùng d li u vào ra. Ch ươ hai ph n chính: nh n d ng c u trúc và nh n d ng thông s . Ph ng pháp ầ ố ấ nh n d ng cho mô hình m phù h p cho nh ng máy không th hay quá khó ờ ạ ượ ạ i c l khăn đ đ ở ể ượ ng pháp n u nh ng mô hình đ ng phi tuy n có th đ t đ ữ ế Lagrange hay Newton-Euler thì m t mô hình m có th nh n đ ữ nh ng mô hình đ ng phi tuy n này. Ph n này s gi ầ ế ượ ể i thi u ph ươ ệ ứ ấ ẽ ớ ộ

2.7.2.1 Bù phân tán song song

ị ớ ử ủ

ở

ủ ụ

ề ế ủ ụ ữ ủ t k này. Ng ườ ạ ị ế ế ể ệ ố ữ

ủ ụ ể ư

ộ ộ ố ượ

ế ế ộ ộ ề ề ượ ờ ở

t k n t b đi u khi n ể c đi u khi n (h phi ệ ể c tiên b i m t mô hình m T-S. Nhi u h th ng ệ ố ề ở c th hi n b i ể ệ ờ c th hi n tr ể ệ ữ ộ ệ ỗ ể ượ ạ ộ

t k d a L ch s c a bù phân tán song song(PDC) b t đ u v i th t c thi ế ế ự ắ ầ ệ ố trên mô hình b i Kang và Sugeno. Tuy nhiên s n đ nh c a nh ng h th ng ự ổ đi u khi n không đ i ta đã cái c xem xét trong th t c thi ượ ể ti n và t o s n đ nh cho nh ng h th ng đi u khi n và đ t cho ch ươ ng ề ị ạ ự ổ trình này cái tên là bù phân tán song song. Bù phân tán song song đ a ra m t th t c đ thi ng đ mô hình m T-S đã cho. M t đ i t m t ờ ừ tuy n) đ ướ ế ượ th c ch ng h n nh ng h c khí hay h h n đ n có th đ ự ệ ơ ẳ nh ng mô hình m T-S. ữ ờ

- 57 -

t k PDC, m i lu t đi u khi n đ c thi ế ế ề ỗ

t k t ế ế ừ ậ ươ ẽ ể ượ ể lu t t ậ ờ

thi ờ ớ ờ ể ộ ề ộ ờ ự ẽ ế ầ ả

ứ ng ng Trong thi ậ c a m t mô hình m T-S. B đi u khi n m chia s cùng t p m v i mô ộ ề ờ ủ hình m trong ph n gi t. Sau đây ta s xây d ng b đi u khi n m qua PDC:

Hình 2.19. Thi t k đi u khi n m d a trên mô hình ế ế ề ờ ự ể

2.7.2.2 Lu t đi u khi n i: ể ề ậ

ể ữ ộ ộ ề ế ể ờ

ề ạ ậ ữ ể ậ ầ

ậ ồ ế ể ồ ế ể ạ

ể

c th hi n nh sau: N u ế z1(t) là Mi1 và … và zp(t) là Mip , thì u(t) = - Fix(t), i=1,2,…,r Nh ng lu t đi u khi n m có m t b đi u khi n tuy n tính ( lu t đi u ề ộ khi n h i ti p tr ng thái) trong ph n k t lu n. Ta cũng có th dùng nh ng b ể ế đi u khi n khác ch ng h n nh ng b đi u khi n h i ti p ngõ ra và nh ng ữ ộ ề ề ẳ b đi u khi n h i ti p ngõ ra đ ng. ồ ế ộ ề B đi u khi n m toàn b đ ờ ể ữ ộ ộ ượ ộ ề ể ệ ư

ị ữ ế ế ộ ề ộ ợ ồ ế

ầ ế ả ộ

ủ ụ ơ ữ ế ữ ể ỹ

ữ

ờ ượ ự

ữ ữ

ầ

(2.81) i h i ti p c c b F t k b đi u khi n m là xác đ nh nh ng đ l Thi ộ i ể ụ ờ nhiên trong nh ng ph n k t lu n. V i PDC ta có m t th t c đ n gi n và t ậ ự ớ ữ c nh ng h th ng đi u khi n phi tuy n. Nh ng k thu t đi u ề đ đ t đ ậ ệ ố ề ể ạ ượ khi n phi tuy n khác đòi h i nh ng ki n th c chuyên sâu và bao quát h n. ứ ế ỏ ơ ế ể ấ c xây d ng dùng c u Cũng c n l u ý r ng m c dù b đi u khi n m đ ầ ư ể ộ ề ặ ằ i c n xác đ nh dùng nh ng đi u i h i ti p F t k c c b , nh ng đ l trúc thi ề ầ ị ộ ợ ồ ế ế ế ụ ộ t k toàn c c là c n thi ki n thi ế ể t k toàn c c. Nh ng đi u ki n thi t đ ụ ế ế ệ ề ữ ụ ế ế ệ b o đ m n đ nh toàn c c và hi u su t đi u khi n. ể ả ả ổ ụ ề ệ ấ ị

- 58 -

2.7.3 Mô hình Neuro-mờ

ờ ữ ủ ộ ợ

ấ ả ơ ở ậ ờ ể

ủ

ng không th ứ ữ ả ỉ ở

ườ ể

ộ ậ ậ ậ ng nh ng lu t m đ mô t ệ ậ c xây d ng ch b i ki n th c chuyên gia th ế ụ ố ố ượ

ỉ ả ủ ẽ ệ ủ ầ

ế ữ ượ ứ ờ ầ ơ ở

ỉ ể ố ấ

ế ặ ấ ỉ

ụ ấ ả ữ ổ ợ

ng pháp h c t ề ứ ế ậ ờ ằ ữ ữ

ữ ệ

ầ ủ ệ ố ẫ ể

ị

ố ữ c tinh ch nh b i m t ch ể ượ ờ ở ươ ậ ộ ạ ố ọ ở

ơ ở

ữ

ạ ố ượ ờ ể ự ơ ạ ượ ể ả ờ

ữ c m hoá dùng m hoá đ n đi m và gi ạ ữ ượ ờ

i m c khai thác, ánh x vào ra c a h th ng m Mamdani có th ủ ủ ờ ệ ố ữ ộ ế ợ ế ờ ở ộ

ể ượ ạ ừ ế ki n c t o t i ích c a nh ng h th ng m là c s lu t có th đ M t l ệ ố t c các bi n và th c chuyên gia, dùng ch đ nh nh ng lu t m đ phân chia t ế ỉ ị ứ liên h vào/ra c a bài toán. Tuy nhiên, m t ộ s l ờ ể ữ ố ượ ể h th ng m đ ự ờ ượ ệ ố ệ c ng d ng vì chuyên gia có th sai trong vi c hi n nh mong mu n khi đ ư ệ ng quy lu t. M t quá trình tinh ch nh đ nh v trí c a nh ng t p m và s l ỉ ữ ị ị t k mà k t qu là s hi u ch nh nh ng th công c n đ ữ c đ a vào t ng thi ượ ư ế ế hàm liên thu c và/ho c c s quy lu t c a nh ng h th ng m . Quá trình ờ ệ ố ậ ủ ặ ộ i. Bên c nh tinh ch nh này có th t n r t nhi u th i gian và g p r t nhi u l ạ ề ỗ ờ đó, trong nhi u ng d ng ki n th c chuyên gia ch là nh ng bi n riêng ph n ầ ế ề ứ t c . Vì th th t là h u ích khi h tr cho vi c đ nh nghĩa và không ph i là t ệ ị ả nh ng c s quy lu t t p m b ng nh ng ph ẽ đ ng mà s ọ ự ộ ươ ậ ậ ơ ở ữ s d ng d li u m u h p lý. ử ụ ợ ờ Đi u này là có th vì khi chúng ta đ a nh ng thành ph n c a h th ng m ữ ư ề ữ vào trong đ nh d ng thông s , nh ng h th ng suy lu n m tr thành nh ng ệ ố mô hình thông s mà có th đ ng trình h c. Ý ỉ ng này chính là c s cho mt neuro-m (Brown M. and Harris C.J., 1994; t ờ ưở Jang J-S.R. and Sun C-T., 1993;Wang L. and Mendel J.M., 1992a) v i lýớ thuy t sau: ế Lý thuy t. ế Khi nh ng toán h ng đ i s đ lôgic m , nh ng ngõ vào rõ đ tr ng tâm đ ọ đ ượ vào đ c dùng đ th c thi nh ng hàm ờ ể c th hi n b i m t k t h p tuy n tính c a nh ng hàm liên thu c m ngõ ượ ể ệ c chu n hoá: ẩ

v i K là s l ớ ố ượ ng lu t và b ậ (2.82) ờ k. k là tâm c a nh ng t p m B ữ ủ ậ

ờ ể ấ ằ

ả ư ộ ế ợ ữ

ế ế ẩ ộ

ủ ệ ố ế ề ậ ề ậ ư ế ỹ

ơ ữ ể ượ ộ ệ ờ ể ượ ề ậ ộ ế ủ

ế ề ậ ộ

ố ể ế ợ ế ể ệ

ể ượ T (2.82) ta có th th y r ng ngõ ra c a h th ng m Mamdani có th đ c ừ th hi n đ n gi n nh m t k t h p tuy n tính c a nh ng hàm c b n phi ủ ể ệ ơ ả c chu n hoá), vì th nó tuy n (nh ng hàm liên thu c ngõ vào nhi u bi n đ ượ ế c đ c p đ n nh là k thu t mô hình c c b .(Add). Và ngõ ra có th đ ụ c đ c p nh là k t h p tuy n tính c a nh ng c a m t h m TS có th đ ữ ế ợ ư ủ c chu n hoá. Th t ra, n u m t nh ng hàm liên thu c ngõ vào nhi u bi n đ ộ ẩ ượ ữ ụ h m TS dùng chu n trung bình tr ng s đ k t h p nh ng th hi n c c ẩ ệ ờ b , thì ngõ ra cho m t ngõ vào x đ ộ ộ ọ c tính nh là t ng chu n hoá: ổ ữ ẩ ượ ư

Công th c (2.83)làm cho h (2.83) ệ ứ

- 59 -

ờ m TS tr thành m t ví d c th c a ph ộ ụ ộ ượ ổ ươ ở

c t ng quát hoá v i hớ k(.) là nh ng mô hình c c b và nh ng hàm c b n là ơ ả ng pháp c c b đ ụ ộ ụ ụ ể ủ ữ ữ

ị ộ ớ ợ ẽ ụ ộ

ệ ờ ể ượ ộ ườ c xem nh là m t tr ư

ữ

ở ữ

ị ộ ớ ể ể ệ ị ợ ng pháp mô hình c c b , v i không gian ngõ vào đ ụ ộ ớ ờ ượ ậ ượ

ớ ộ ố ượ ế ề ủ ệ ố

ạ ế ả ượ

ờ ộ ả ở ế ể ượ ạ c xác đ nh b i ánh x phi tuy n đ ế ạ

ề ữ ữ

ộ

ờ ạ ặ ạ

ng v i m t lo i m ng RBF đ c bi c t ậ ượ ừ ươ c áp d ng tr c ti p cho nh ng h m . T ự ế ụ

ứ ụ

ữ ụ ạ

ặ ụ ộ ỹ

ự

ậ ọ ừ ế ữ

ả ượ ạ

ứ ư ỹ ở ộ ỹ ể ậ ữ ậ

ụ ộ ơ ợ ng t ự ư ơ

ờ ự ế ư ế ệ ờ ở

ự ệ ệ ầ

ề

ấ ặ ớ ờ ự ờ ấ ủ ẳ ậ ệ ạ ờ

ượ ở

ế ạ ộ

ả ỏ

c th ứ ấ ể ậ ượ ươ ờ ớ ộ

ệ ệ ậ

ạ 1) và (x2 là A1 1 là A1 1) và (x2 là A2 1 là A2 nh ng hàm này s xác đ nh mô hình c c b nào là phù h p v i m t ngõ vào ữ c th đ c cho. ụ ể ượ ệ ủ t c a ng h p đ c bi Vì nh ng h m có th đ ặ ữ c phân chia nh ng ph ượ ươ ộ c th hi n b i nh ng hàm liên thu c thành m t s l ng nh ng vùng m đ ữ c đ nh nghĩa mà có th ch đ nh ngõ nhi u bi n. V i m i vùng, m t lu t đ ỉ ỗ c t o ra chính xác b i ở ra c a h th ng trong vùng đó. L p các hàm có th đ c th hi n b i ở mô hình k t qu đ ể ệ ị ượ nh ng hàm liên thu c m nhi u bi n. K t qu này đã t o đ ấ c nh ng n ế ữ ượ ề ữ ố ng m nh khi so sánh gi a nh ng h m và nh ng k thu t truy n th ng t ạ ậ ệ ờ ữ ượ ỹ ộ ệ khác. N u nh ng hàm liên thu c hình chuông (Gauss) đ c dùng , thì m t h ế ượ ữ t (Jang J.-S. and C.-T. m TS t ng đ ệ ộ ớ ươ ươ ng pháp mô hình ph Sun, 1993). Nh ng lý thuy t và phân tích nh n đ ữ ữ c c b có th đ , nh ng ng t ệ ờ ươ ế ự ữ ể ượ ộ ụ c dùng h m cũng cho phép ng d ng d dàng nh ng k thu t h c đ ậ ọ ỹ ễ ượ ữ ệ ờ ờ ừ ữ ệ ng pháp c c b đ nh n d ng nh ng lu t m t d li u. trong nh ng ph ậ ữ ộ ể ậ ươ M t khác, nh ng h m khác bi t v i nh ng k thu t mô hình c c b khác ậ ệ ớ ệ ờ ữ ữ c c u trúc và s tích h p ki n th c u tiên. cho kh năng d dàng đ nh tr ướ ấ ợ ị ễ ả ậ ặ i thu t h c t lĩnh v c mô hình c c b và nh ng k thu t đ c Nhi u gi ự ề c m r ng đ tinh c phát tri n cho vài lo i m ng n ron đ t h n đ bi ạ ể ượ ệ ơ đ ng nh ng lu t m d a trên d li u h p lý. Nh ng k thu t này đã ch nh t ữ ự ộ ữ ệ ỉ xem h m nh là m t ki n trúc đ t l p, t nh m ng n ron thông ươ ư ạ ặ ớ ộ ệ ờ ạ minh. B ng cách nh th , h m tr thành h neuro-m -m t ki n trúc m ng ờ ộ ằ ế ệ n ron đ c bi t. Lin và Lee (1991) đã l n đ u tiên đ xu t vi c th c thi ề ầ ặ ơ nh ng mô hình m Mamdani dùng ki n trúc truy n th ng đ t l p. Vì th , ví ế ế ữ d n i ti ng nh t c a m ng neuro-m là h suy lu n m d a trên m ng ạ ế ụ ổ thích nghi(Adaptive c phát tri n b i Jang Network-based Fuzzy Inference System (ANFIS)) đ ể (1995), đã th c thi m t h m TS trong m t ki n trúc m ng, và ng d ng ụ ộ ệ ờ ự ng nh nh t đ hu n c và bình ph i thu t lan truy n ng h n h p c a gi ấ ượ ề ậ ợ ủ ỗ ể luy n h . Hình 2.20 là m t ví d c a m t mô hình m v i hai lu t đ ộ ụ ủ ệ hi n nh m t m ng ANFIS. Nh ng lu t là: ữ ư ộ 2) thì (y là b1) R1: N u (xế 2) thì (y là b2) R2: N u (xế

- 60 -

Hình 2.20. Mô hình m v i hai lu t đ ạ ờ ớ ể ệ

ớ ữ c th hi n nh m t m ng ANFIS. ư ộ ữ

ề ữ ầ ờ ề ộ ủ ứ ớ

ạ ữ ề ự ẩ

ậ ề ở ạ ộ ờ ượ ề ấ

ng t ế ố ươ ộ ấ

ậ ượ Nh ng nút đ u tiên trong l p tính đ liên thu c c a nh ng ngõ vào trong ộ nh ng t p m ti n đ . Nh ng nút tích ∏ trong l p th hai th hi n liên k t ế ể ệ ổ (cid:229) ti n đ ( đây là toán h ng ‘và’). Nút chu n hoá N và nút t ng ệ th c hi n toán h ng trung bình m . ờ M t vài h neuro-m đ c đ xu t (Kosko B.,1992; Sun C., 1994; ệ Halgamuge S.K. and Glesner M., 1994; Lin Y. and Cunningham III G.A., 1995; Shann J.J and Fu H., 1995; Kasabov N., 1996; Nauck D. and Kruse R., 1996; Juang C.-F. and Lin C.-T., 1998; Kim J. and Kasabov N.,1999; Quek C. and Zhou R.W., 1999). H u h t chúng d a trên m t c u trúc k t n i t ự ự nh m ng n ron truy n th ng nhi u l p. ề ớ ư ạ ế ẳ ầ ề ơ

2.7.4 Mô hình v i nh ng h neuro-m ữ ớ ệ ờ

ự

ậ ữ ấ ờ ậ

ậ ể ủ ậ ị ạ ấ

ỗ ể ượ

ầ

ộ ủ ế ộ ấ ị ả ủ ấ ả

c đây, đ gi ệ ư ướ ế ủ ể ả

ữ ươ ữ

ng pháp nh th c ị ể ạ ế ạ ậ ớ ờ ầ ữ

ố ụ ộ

ậ ọ

ọ ể ự ợ ờ

ố ủ ạ

ờ ể ấ ể ố ị ự

ờ ấ ậ ọ ạ ữ

ơ ấ

ỗ ố ỉ c phát sinh b i h c m ng n ron th ở ọ ượ ng không xu t phát t ườ ố ấ i đ t ng pháp khác nhau t n t ồ ạ ể ự ộ

ươ ư ươ ạ ợ

ầ

ấ ng pháp l y ý t c th c hi n Khi xem xét nh ng mô hình m , có hai pha khác nhau c n đ ệ ầ ượ ồ đó là nh n d ng c u trúc và nh n d ng thông s . Nh n d ng c u trúc g m ạ ố ấ ạ c dùng đ phân có xác đ nh c u trúc c a lu t, ví d s lu t và s t p m đ ờ ượ ố ậ ụ ố ậ c nh ng tên bi n ngôn chia m i bi n trong không gian vào và ra đ nh n đ ữ ế ậ ố ng . Khi m t c u trúc đã tho mãn, ti p theo là c n ph i nh n d ng thông s ậ ạ ả ế ữ t c hàm liên thu c cùng v i hình d ng c a chúng là đ tinh ch nh v trí c a t ỉ ạ ớ ể nh ng m i quan tâm chính. ố ữ ế i quy t h n ch c a vi c dùng nh ng ki n Nh đã th y tr ấ ng pháp th c chuyên gia khi đ nh nghĩa nh ng lu t m , c n có nh ng ph ữ ứ ư ế ả d a theo d li u đ t o nh ng h m . V i nh ng ph ươ ệ ờ ữ ệ ữ ự c ch ph thu c vào d li u hu n luy n. Có thông s và c u trúc nh n đ ệ ữ ệ ỉ ượ ấ ấ ế ợ c k t h p vài cách khác nhau mà h c c u trúc và h c thông s có th đ ố ể ượ ấ : h c c u trúc trong m t h neuro-m . Chúng có th th c hi n theo tu n t ệ ộ ệ ầ ự ọ ấ c tiên đ c u trúc thích h p cho cho c s lu t m và sau đó đ c dùng tr ơ ở ậ ướ ượ ệ c dùng đ nh n d ng thông s c a m i lu t. Trong vài h h c thông s đ ậ ậ ố ượ ọ ệ c th c hi n. neuro-m , c u trúc là c đ nh và ch có h c thông s là đ ượ ng đ Nh ng thu t toán đ c dùng cho ượ ườ m ng n ron. Có h c thông s . H c c u trúc th ơ ừ ạ ọ ọ ạ nhi u ph đ ng xác đ nh c u trúc c a m ng ủ ấ ề ị ng pháp nào thích h p đ nh n d ng c u trúc n ron, nh ng không có ph ể ấ ậ ơ trong nh ng mô hình neuro-m . Trong ph n sau đây s th hi n vài ph ươ ng ẽ ể ệ ờ ữ ữ c dùng cho nh n d ng c u trúc và thông s trong nh ng pháp khác nhau đ ố ạ ậ ữ nh ng ng t mô hình neuro-m . Trong đó nhi u ph ưở ề ượ ờ ươ ừ ấ

- 61 -

ng pháp mô hình hoá c c b . Có r t nhi u k t h p c u trúc/ thông s đ ấ ươ

ế ợ ấ ế

ộ ữ ụ ộ ả ễ

ữ ứ ạ ệ ớ

ố ộ

ố ộ ố i thi u. ể ạ

ố ờ ạ ữ ố ặ

ố ờ ự ữ ữ ố ủ

ờ ế ữ

ậ ể ự

ỹ

ộ ộ ở ộ

c đ ự ượ

ố ả ậ ề ệ

ậ ạ

ị ươ ượ ữ ố ủ ề

ộ ế ủ ữ ệ ạ ỹ

ả

ế ọ

ữ ậ ủ ơ ở ậ ụ ượ ạ ờ ễ ể

ạ ầ

ượ ươ ổ

ọ ơ ự ệ

ố ượ ể ữ ở ậ

ng pháp nh th là hi u ch nh t ư ế ữ ệ ỉ

ng chung c a nh ng ph ươ ủ ờ t ừ ừ ậ ộ ủ ậ ộ ố

ữ

ượ ế ạ

ố

ng c a ngõ ra và gi ủ ả ị

ự ế ẫ

ữ ể ể ỗ

ỉ ệ ồ ậ ờ

ộ ấ ề ớ

ủ ề ị

ng ngõ vào, s l ể ỗ ng lu t. Chi n l ế ượ ố ng t p m và s l ờ ố ượ ậ

ố ể ph ề t nh t ấ làm cho mô hình m tr nên tho mãn, vì th vi c tìm ki m mô hình t ế ệ ố ờ ở ờ ơ ng thì, nh ng mô hình m đ n không ph i là m t công vi c d dàng. Th ả ườ c chu ng h n so v i nh ng mô hình ph c t p, vì th trong vi c tìm gi n đ ệ ế ơ ượ ả ki m mô hình t t và t nh t c n xem xét hai m c tiêu chính là đ chính xác t ụ ấ ầ ế đ ph c t p t ộ ứ ạ ố 2.7.4.1 Nh n d ng thông s ậ Hai lo i thông s đ c tính hoá m t mô hình m : nh ng thông s xác đ nh ộ ị hình dáng và s phân b c a nh ng t p m ngõ vào và nh ng thông s mô t ả ậ nh ng t p m ngõ ra (hay nh ng mô hình tuy n tính). ậ ữ i u phi tuy n tr c ti p đ nh n d ng t ấ ả t c Nhi u h neuro-m dùng t ệ ề ạ ế ế ố ư ờ thông s c a m t h m . Nhi u k thu t t i u khác nhau có th đ c dùng ể ượ ậ ố ư ố ủ ề ộ ệ ờ cho m c đích này. Đ c dùng r ng rãi nh t là m t m r ng c a thu t toán ượ ậ ủ ấ ụ ấ ớ ng r t l n c th c thi b i gi m gradient. M t s l lan truy n ng ở ượ ộ ố ượ ượ nh ng h neuro-m d a trên nh ng thu t toán gi ng nh lan truy n ng c ờ ự ề ữ ư n i ti ng nh t là ANFIS đ nh n d ng nh ng thông s c a m t h m , t ấ ữ ể ộ ệ ờ ừ ổ ế c đ ngh trong (Jang J-S.R., 1995) đ n r t nhi u nh ng ph ng pháp đ ề ữ ế ấ (Lin C.T. and Lee C.S.G., 1991; Nomura H. et al., 1992; Halgamuge S.K. and Glesner M., 1994; Wang L. and Mendel J.M., 1992b; Shi Y. et al., 1996; Shi ậ Y.and Mizumoto M., 2000). M t h n ch c a vi c dùng nh ng k thu t t c nh ng hàm tham gia vào gi m gradient là nh ng hàm liên thu c và t ộ ữ ấ ả ả c. K t qu là, h c gi m trong suy lu n c a c s lu t m ph i đ o hàm đ ả ả ạ c ng d ng d dàng đ nh n d ng thông s c a m t mô gradient có th đ ố ủ ậ ể ượ ứ ộ c hình m b i vì ch toán h ng tích đ c dùng cho ph n giao và ngõ ra đ ượ ờ ở ỉ ng pháp neuro-m g n đây ch n vi c tính nh là t ng tr ng s . Nh ng ph ệ ờ ầ ọ ư ả ng pháp th c nghi m đ n gi n th c thi lan truy n ng c b i nh ng ph ự ươ ữ ề thay vì gi m gradient đ nh n d ng nh ng thông s c a mô hình m lo i ờ ạ ố ủ ữ ạ ả Mamdani (Nauck D. and Kruse R., 1995; Nauck D. and Kruse R., 1999). Ý nh ng hàm t ữ ưở liên thu c c a m t lu t m theo đó bao nhiêu phân ph i mà lu t tác đ ng lên ộ ngõ ra toàn b c a h m . ộ ủ ệ ờ ng pháp khác đ h c thông s c a nh ng mô hình m không Nh ng ph ờ ố ủ ể ọ ươ ữ ọ yêu c u tính toán gradient và vì th không c n tính đ o hàm đ c, là h c ầ ầ c ng c (reinforcement)(Berenji H.R. and Khedkar P., 1992; Berenji H.R., ủ ề 1990) mà ch yêu c u tính giá tr vô h i thu t di truy n ậ ướ ầ (GA) th c hi n vi c tìm ki m ng u nhiên trong không gian thông s , s d ng ố ử ụ ệ ố m t c ng đ ng nh ng cá th , trong đó m i cá th mã hoá nh ng thông s ộ ộ ữ c a m t lu t m (Castellano G. et al., 1998; Leitch D.D., 1995; Homaifar A. ộ ủ and McCormick E., 1995; Wong C.C. and Feng S.M., 1995; Perneel C. et al., 1995; Lim M.H. et al., 1996; Farag W.A. et al., 1998). M t v n đ v i GA là ố v i mã hoá nh phân truy n th ng chi u dài c a m i cá th tăng theo s ớ c ti n hoá l ế ượ (Evolution Strategies (ES)) là k thu t phù h p h n đ tinh ch nh nh ng thông ữ ề ố ượ ợ ậ ể ậ ơ ỹ ỉ

- 62 -

ờ ộ ụ ự

ộ ạ ủ ơ ồ ờ

ờ ố ư ế

ậ ố ở ấ ạ

ầ ệ ể ể

ố

ề ố ư ể ầ ố

ạ ậ ề ầ ầ ữ

ố

ố ả ầ ữ

ế ườ ầ

ỹ ữ ệ c trong t ng th nh t dùng nh ng k thu t t ậ ố ư ấ

ứ ầ ậ ượ ỉ ỹ ầ ữ ầ ữ ộ

s lu t m ph thu c vào s đ mã hoá tr c ti p c a chúng.GA và ES cũng ố ậ ế ủ cho phép nh n d ng đ ng th i thông s và c u trúc (s lu t) c a m t mô ố ậ ồ ậ ấ hình m , nh ng trong tr ng h p nh th nh ng k thu t tính toán này yêu ậ ợ ỹ ườ ư ữ c u tính toán r t ph c t p vì nh ng cá th s ch a r t nhi u vùng. ề ể ẽ ứ ấ ữ ứ ạ ầ ế Vi c nh n d ng toàn b t p thông s b i nh ng k thu t t i u phi tuy n ậ ố ư ỹ ữ ộ ậ lâu. Đ tăng t c quá trình có th yêu c u tính toán nhi u, th i gian h i t ề ố ộ ụ ờ nh n d ng thông s , nhi u h th ng neuro-m tuân theo ch ọ ng trình h c ươ ờ ệ ố ng xem xét hai t ng. Trong i u nh ng thông s . Th nhi u t ng đ tìm và t ườ ữ ở ọ c phân chia thành nh ng vùng b i h c t ng đ u tiên không gian ngõ vào đ ượ ầ thuy t ( và cu i cùng là m i vùng nh ng thông s gi không giám sát và t ữ ế ừ ỗ ố ế k t lu n) c a m t lu t s nh n đ c. Trong t ng th hai nh ng thông s k t ứ ậ ượ ậ ẽ ộ ủ ậ ế ng h p, qu đ ợ c d đoán b ng k thu t h c có giám sát. Trong h u h t tr ậ ọ ằ ả ượ ự thuy t đ t t ng th hai cũng th c hi n vi c tinh ch nh nh ng thông s gi ế ạ ố ả ệ ự ứ ầ ế i u phi tuy n. H u h t đ ầ ế ượ nh ng k thu t đ ạ c dùng trong t ng đ u tiên thu c m t trong nh ng lo i ộ ỹ ữ sau:

2.7.4.2 Phân chia theo l i. ướ

ượ

ậ ữ ị ng pháp này, mi n c a nh ng bi n ngõ vào đ ỉ

ủ ữ

ờ ậ ậ ữ ế ơ ở ậ t c nh ng k t h p có th ấ ả ề ờ

ằ

ế ng pháp bình ph ươ ậ ố ế ữ ệ ữ ạ

ữ ấ ử ụ ế ẽ ủ c ch đ nh. C s lu t sau đó đ ằ ữ c d đoán b ng ph ả ượ ự ợ ị ầ

ỗ ự ế ợ ủ ậ ị

ượ c nhân v i nhau. Đi u này b o đ m r ng c s ả

ụ ậ ỏ ộ ỉ

ằ ầ i đ ướ ượ ữ ữ ượ ộ ụ ủ ả ậ ẽ ự ể ộ ủ

c phân chia u ư V i ph ươ ớ ề ế ậ t l p c thi ng t p m đ tiên thành s l ượ ờ ượ ố ượ ể đ bao ph không gian ngõ vào b ng cách dùng t ế ợ ể ti n đ c a ề ủ c a nh ng t p m ngõ vào vì nh ng t p m nhi u bi n mô t ả ề ủ ươ ng lu t. Nh ng thông s k t qu đ ậ ờ nh nh t s d ng d li u vào-ra h p lý. Đ nh d ng này cho nh ng t p m ỏ i trong không gian ngõ vào, n i ơ nhi u bi n s hình thành nh ng ph n m t l ắ ướ ề ữ c đ nh nghĩa theo nh ng mà m i s k t h p c a nh ng t p m đ n bi n đ ế ờ ơ ơ ở tr c ngõ vào khác nhau đ ề ớ lu t trãi m ng ra đ cho m t ngõ vào ch có m t vài lu t s góp ph n vào ngõ c cho ra c a mô hình. M t ví d c a phân chia không gian d a trên l trong hình 2.21

Hình 2.21 M t ví d phân chia ngõ vào d a trên l ự ụ ộ i ướ

- 63 -

ợ ấ ủ ể ễ ờ

ề ng pháp này là s l ủ ể ố ượ ố ượ ữ ủ ậ ế

ng pháp này là r t nhi u t p m có th di n gi ề ậ c đi m rõ ràng c a ph ươ ượ ế ộ ế ệ ờ ỉ ữ

ướ

ng c m(cluster). ng pháp h ả ượ c i đ L i ích c a ph ươ ậ ng t p t o ra. Tuy nhiên, nh ạ ng lu t là m t hàm mũ c a nh ng ngõ vào. m nhi u bi n và vì th là s l ờ Đi u này đã h n ch vi c dùng nh ng mô hình m ch cho nh ng bài toán có ữ ạ ề c nh ( s l kích th ng ngõ vào ít). ỏ ố ượ 2.7.4.3. Ph ươ ướ ụ

ấ ệ ữ ươ ố ắ

ế ữ ệ ờ

ữ ữ ụ ươ ề ướ ả ượ ph n gi ả ầ ng c m ph bi n đ ổ ế

ế ờ ữ

ể ứ t ự ổ ạ ặ

i thu t h ả ữ

ờ

ượ ể ạ

ầ ữ

ụ ụ ữ

ế ị

ờ ậ ữ ề ề ờ

ộ ủ ữ ệ ể ệ ế ề ộ ỗ

ng pháp h ướ ươ

ụ ữ

ữ ướ ng pháp d a trên l ụ ạ ng pháp h ươ ạ ướ ữ

ươ ng ng v i nh ng ph ớ ị ỏ ề

i, phân chia m t l ơ ở ậ ụ i t ả ố ẽ ế ữ

ờ ẽ

i. Cũng th , trong tr ế ệ ờ ướ ụ ả

ồ ờ ộ

ụ ệ ạ

ng pháp này c g ng nhóm d li u hu n luy n thành nh ng c m và Ph ụ ế dùng chúng đ đ nh nghĩa nh ng t p m nhi u bi n mô t thuy t ể ị ậ ữ ng pháp h c a nh ng lu t m . Nh ng ph c dùng ậ ủ đ tìm tâm c a nh ng hàm liên thu c nhi u bi n là nhóm trung bình k(K- ề ộ ủ ể means clustring)(Bezdek J.C. and Pal S.K., 1992;Pedrycz W.,1984; Sugeno M. and Yasukawa T., 1994), ánh x đ c đi m t ch c (SOM)(Kohonen T., ề 1984;Farag. W.A. et al., 1998; M.-C. Su and C.-Y. Tew, 2000) và r t nhi u ấ ậ ướ lo i h c c nh tranh (Chen J.-Q.and Xi Y.-G., 1998). Nh ng gi ng ạ ọ ạ c m m (Bezdek J., 1981; Bezdek J. and Pal S.K., 1992; Baraldi A. and ụ ế c dùng đ t o nh ng lu t m b ng cách tìm ki m Blonda P., 1999) cũng đ ờ ằ ữ ậ c nhóm ng c m m , d li u đ nh ng c m hình c u hay siêu êlip. Trong h ờ ữ ệ ượ ụ ướ thành nh ng c m ch ng nhau mà m c đ liên quan đ ư c di n gi i nh là ồ ả ễ ượ ộ ứ nh ng giá tr liên thu c, vì th nh ng c m này là nh ng t p m ch ng nhau ồ ậ ữ ụ ộ ữ ờ ằ c chuy n thành m t lu t m , b ng nhi u chi u. M i c m m có th đ ộ ể ượ ỗ ụ cách chi u đ liên thu c c a d li u hu n luy n trên m i chi u (Klawon F. ấ and Kruse R., 1995; Sugeno M. and Yasukawa T., 1993; Babuska R., 1996). ng c m t o nh ng hàm liên thu c thông qua phép T t c ph ấ ả ộ ng c m t o ra s phân chia linh chi u. Trong khi nh ng ph ế ự ắ ướ i ho t t ự ứ ạ ươ c a không gian ngõ vào b b qua và đi u này s làm cho c s lu t không ủ ể ạ ượ t. Trong hình 2.22, vi c chi u nh ng c m đ đ t đ c di n gi th đ c ễ ể ượ nh ng lu t m s hình thành nh ng t p m vô nghĩa ch ng nhau và r t khó ữ ấ ậ ậ ữ ng c m m , phép chi u s làm ng h p h đ di n gi ế ẽ ợ ể ễ ườ m t thông tin vì tích Cartesian c a nh ng hàm liên thu c s không t o ra ẽ ấ ạ ữ ủ ườ nh ng c m m chính xác. Vi c m t thông tin này m nh nh t trong tr ng ấ ấ ữ h p siêu êlip h ợ ng b t kỳ. ấ ờ ướ

- 64 -

ộ ự ướ

ậ ế ượ ụ ả ụ ủ ể ạ

ự Hình 2.22. M t ví d c a phân chia ngõ vào d a trên h c m đ ữ ụ ề ậ

ấ nhi u t p m t ễ ữ ng c m. Khi nh ng c chi u đ t o nh ng lu t m , vi c m t thông tin x y ra và có r t ấ ệ ng t ơ ế

ấ nhau. ả ủ ỉ ế ụ ộ ậ

ế ờ ượ ậ ớ ỗ

c suy riêng l ố ượ ụ ộ

, và th ng t ễ ể

ỗ ặ ữ ố ng là không đ ng nh t. Đ có m t di n gi ấ ỗ ậ ộ ể ệ ồ ờ ậ

ng t ả

ộ ươ ậ ệ ữ ứ ữ ồ

c dùng đ đ đánh giá m c đ ch ng nhau gi a nh ng t p m k ế ợ ữ ể ể ữ ố

ờ ờ ươ Đ làm cho v n đ này d dàng thao tác h n thì kh năng là ch tìm ki m cho ề ể nh ng siêu êlip tr c song song. M t h u qu khác c a phép chi u c m là v i ớ ụ ữ ả cho m i lu t và v i m i đ c đi m m i bi n nh ng t p m đ ể ậ ẻ ữ ỗ ậ ng c m. M t vài trong s nh ng t p s có nhi u t p m khác nhau vì s l ờ ề ậ ẽ t m này là t ả ố i t ự ươ ờ ườ ộ c n có m t phân chia m c a vài t p m và m i t p th hi n rõ ràng m t ờ ủ ộ ầ có khái ni m ngôn ng . Đ lo i b s th a th i trên, vi c đo đ t ệ ự ể ạ ỏ ự ừ ờ ế th đ ộ ể ượ c n và k t h p nh ng mà quá gi ng nhau (Chao C.T. et al., 1996;Setnes M. et ậ al., 1998).

ậ ấ

c khi nh ng thông s lu t m đ ấ ố ậ

ề ờ ầ ạ ữ ả ượ c t ờ ượ ố ư ồ

ng t p m đ ậ ữ ệ c đ nh nghĩa. Đi u này g m có xác đ nh s l ụ ố ượ

ữ ự ấ ủ ế ỗ ị ờ ượ ư

ậ ậ ữ ằ ộ

ố ơ ự ấ ế ậ ỉ

ạ ố ơ ề ầ

ở ệ ờ ộ ữ ụ ể ộ

ế

ấ ờ ữ ẽ ế ộ

ề

2.7.4.4 Nh n d ng c u trúc ủ ơ ở ậ i u, c u trúc c a c s lu t Tr ướ ng lu t và m c n ph i đ ố ượ ậ ị c dùng đ phân tính ch t c a không gian d li u, ví d s l ể chia m i bi n. Trong nh ng h th ng d a trên lu t m , nh trong b t kỳ m ỹ ấ ệ ố ờ ứ thu t mô hình hoá khác, có m t s cân b ng gi a đ chính xác và đ ph c ộ ộ ự ể ạ t p. Càng nhi u lu t, càng t t h n s x p x ánh x phi tuy n mà có th đ t ề ạ c b i h m , nh ng cũng có nhi u thông s h n c n ph i tính toán, vì đ ư ả ượ ậ ng pháp h u d ng đ nh n th chi phí và đ ph c t p s tăng lên. M t ph ươ ứ ạ ẽ ế c xuyên qua không gian mô d ng c u trúc là th c hi n tìm ki m t ng b ệ ướ ừ ự ạ c tìm ki m này s thu c m t hình m . Và m t l n n a, nh ng chi n l ộ ế ượ ữ ộ ầ ạ ỏ trong hai nhóm sau: ch n l a theo chi u thu n(forward selection) và lo i b ậ ề ọ ự theo chi u lùi(backward elimination). • Ch n l a theo chi u thu n. ậ B t đ u t

ả m t c s lu t r t đ n gi n, ắ ầ ừ ộ ơ ở ậ ấ ơ c thêm vào hay m t đ c a nh ng t p m tăng ữ ậ ộ ủ ề nh ng lu t m m i đ ờ ớ ượ ậ ọ ự ữ ậ ờ

- 65 -

c cho trong (Royas I. ỹ ộ ậ ụ ủ ư ế ượ

ầ

• Lo i b theo chi u lùi. ế ế ớ

ấ

ẫ

ộ ơ ở ậ ằ ể ủ ả ấ ề ầ

ậ ờ

ữ ơ ở ậ ấ ạ ượ ờ

d n. M t ví d c a nh ng k thu t nh th đ ữ ầ et al., 2000). M t c s lu t m ban đ u, đ c xây d ng ự ờ ạ ỏ ề ượ t m t ki n th c u tiên hay b ng cách h c t ả c gi m d li u, đ ọ ừ ữ ệ ừ ộ ứ ư ượ ậ d n, cho đ n khi đi m c c ti u c a hàm l c tìm th y. Vài thu t i đ ỗ ượ ể ự ầ c b t đã h tr vi c gi m s l toán l ng lu t trong khi v n duy trì ậ ố ượ ổ ợ ệ ượ hi u su t ban đ u đ c đ xu t trong (Shann J.J. and Fu H., 1995; ượ ấ ệ Castellano G. and Fanelli A.M.,1996; Chao C.T. et al., 1996; Yen J. and Wang L., 1999; Pal N.R. and Pal T., 1999; Wang X. and Hong J., 1999; ể ượ ố ư Nauck D., 2000). C u trúc c a nh ng lu t m cũng có th đ i u c t ủ c c s lu t m ch t (Ishibuchi H. et al., b ng GA đ mà đ t đ ặ ể ằ 1995).

ậ ề ữ ượ

ệ

ấ ộ

ả ủ ệ

c ch n đ tìm c u trúc t ọ ể ố ỉ ố ư ủ ấ ể ượ c đ ngh trong (Wu S. and Er M.J., 2000) là m t ví ộ c tuy n ể ờ ữ ấ ệ ố ớ ự ề c ch n. S đi u ấ ượ ở i u c a nh ng mô hình m ữ

ng c m, s l ụ

ỉ

ấ ố ượ

ượ ạ ướ ng c m, m t ch ộ ể ượ ụ

ọ

ấ ng c a các c m và ch n s ụ ươ ữ ố ố

ắ ầ

ụ ầ ượ ằ ươ ữ

c vài ng

Nh ng thu t toán đ ị d c a thích nghi c u trúc trong nh ng h neuro-m . Nh ng lu t đ ậ ượ ữ ụ ủ và lo i b tuỳ thu c vào t m quan tr ng c a chúng đ i v i hi u su t h ệ ọ ầ ạ ỏ th ng, đ mà c u trúc tinh gi n nh t v i hi u su t cao đ ọ ấ ớ ể ch nh cũng có th đ ấ TS trong (Johansen T.A., 1996). Khi nh ng lu t m ban đ u đ ố ượ c t o b ng cách h ng ầ ờ ậ ữ ướ ằ c ch đ nh tr c m (s lu t) nên đ c khi nhóm. N u không có ki n th c u ứ ư ị ượ ố ậ ụ ế ế tiên nào đ xu t s l ể ượ ứ c ng đ ng có th đ ng trình t ụ ề ươ ự ộ ng c m có th đ d ng. Ví d , s l c tìm th y b ng cách tính giá tr đã ụ ố ượ ụ ị ằ cho, ví d m t tiêu chu n đ đánh giá ch t l ố ụ ộ ể ấ ượ ẩ ủ i da) nh ng giá tr đã cho. M t ph i thi u (t ng c m mà t l ng pháp khác ị ể ụ ượ ộ ng pháp này b t đ u v i s l là k t h p c m, ph ng l n nh ng c m và ớ ớ ố ượ ươ ế ợ ụ ữ ng thích cho đ n khi t b ng cách k t h p nh ng c m t gi m chúng l n l ụ ế ế ợ ả đ t đ ợ ng và không có thêm c m nào có th k t h p ể ế ụ ưỡ ượ ạ (Krishnapuram R. and Freg C.-P., 1992; Kaymak U. and Babuska R., 1995).

ễ ộ

ầ ư

ươ ủ ữ

ng hi u đ ể ướ

ế ầ

c gi ả ự ữ ượ ự ữ ữ

ủ ể

c và đ chính xác c a nh ng mô hình neuro-m i đ 2.7.5 Tính di n gi ả ượ ờ ữ ủ ờ ề c, nh ng h neuro-m v Nh chúng ta có th th y trong nh ng ph n tr ệ ể ấ ữ ữ ướ ệ b n ch t là nh ng h m mà có kh năng h c c a m ng n ron. Nh ng h ệ ờ ữ ả ơ ả ấ ữ ạ ọ ủ ự ng pháp mô hình hoá h m k t n i nh ng l i ích c a nh ng ph ng d ợ ữ ờ ế ố ướ ữ c, cung c p nh ng ng pháp mô hình hoá h đoán và nh ng ph ấ ượ ươ ữ ả mô hình phù h p cho c d đoán và hi u. Vì th chúng ta c n xem xét kh năng nh ng l gìn ợ ệ ờ ố ớ khi chúng đ ượ B ng 2.2. Tính di n gi ợ ể i ích c a nh ng h m đ i v i mô hình d đoán đ c chuy n cho nh ng h neuro-m . ữ ờ i đ c và đ chính xác trong nh ng h m ả ượ ệ ờ ệ ộ ữ ễ ả

ễ i đ ả ượ ộ

ố

c Đ chính xác Tính di n gi Ít thông s Nhi u thông ề số

- 66 -

ậ ề

ữ ộ ự ặ ủ

ộ ữ ư ệ ờ ẫ ả

ộ c nh ng d đoán chính xác b t kỳ, nh ng s m t đi tính di n gi ấ ự ể ẽ ấ

ở ằ

ễ ế ữ ớ ơ

i quy t s cân b ng này , tính di n gi ằ ề ố ậ ể c. N u chúng ta mu n gi i đ ố ả ượ ế ự

c (cũng có nghĩa là tính đ n gi n) c a m t h m c n đ ủ

ơ ầ ượ ộ

ỉ ộ ữ

ế ệ ờ ươ

ễ ẽ ả ượ ủ

ườ ề ỉ ớ ự i đ ủ

ữ ộ ặ ộ ế ng h p này, chúng ta ch dùng m t đ c tính c a nh ng h ữ i c a nh ng mô hình c c b cho m t cách gi ả ụ

ạ ề

ợ ữ ạ ơ ộ ơ ế ả ủ

ườ ấ ố ư ụ

c s so sánh ệ ộ ượ ự ươ

ươ ớ

ộ ệ ờ ạ ng pháp c c b và nh ng ph ụ ộ ượ ổ ữ ươ

ng pháp c c b đ ả ụ ộ ệ ấ ự ế

c dùng cho mô hình d đoán n u m t mô hình có th di n gi ế ệ ờ i đ ả ượ

t và cũng có th đ ế

ộ c dùng đ m r ng d đoán. ể ở ộ c c a nh ng h m đ i đ ữ ự ể ượ ễ ự ệ ờ ượ ả ượ ủ ề ề ả

ệ ề ấ

ằ i đ ả ượ ủ ễ ễ

i đ ờ

ữ ễ

ườ

c c a mô hình và đ chính xác. Tính di n gi ữ i đ ả ượ ủ ứ ề

ữ ủ

ế ể ể ượ ườ

ễ

ộ

ủ ệ ễ ộ ề ể ấ ấ

ẽ

Ít lu t Nhi u lu t ậ Mô hình Mamdani Mô hình TS ọ ượ Hai m t c a nh ng h m d n đ n m t s cân b ng gi a tính đ c đ c ằ ế và đ chính xác nh trong b ng 1. Chúng ta có th bu c nh ng h m có ữ ệ ờ ả ượ i đ c. đ ượ ễ ư ữ c s chính xác, m t h m c n có không gian d li u t Đ đ t đ t và ữ ệ ố ộ ệ ờ ấ ể ạ ượ ự nhi u lu t m . Đi u hi n nhiên r ng khi s lu t m càng tr nên l n thì càng ờ ờ ậ ề cho mô hình đ n gi n, thì ít đi tính di n gi ả i s d đoán càng ít chính xác. Đ gi ả ễ ể ả ự ự đ ư c xem nh là ộ ệ ờ ầ ượ ả c theo đu i nhi u h n đ chính xác. S ự i ích chính và vì th nó c n đ l ơ ề ổ ượ ợ ạ th t thì nh ng h m không ph i là nh ng b x p x hàm hay b phân lo i ữ ậ ộ ấ ả t h n nh ng ph ng pháp khác. N u chúng ta thích thú v i d đoán chính t ế ữ ố ơ ng chúng ta s không đ ý nhi u đ n tính di n gi c c a bài xác thì th ể ườ ệ toán. Trong tr ợ m : s k t h p ti n l i toàn ờ ự ế ợ ệ ợ ủ ạ c c. V i v n đ này, mô hình lo i Sugeno phù h p h n mô hình lo i ấ ớ ụ ng linh ho t h n trong nh ng k t qu c a lu t. Mamdani b i vì chúng th ậ ở i u là m c tiêu chính, chúng ta nên xem xét n u Tuy nhiên, n u hi u su t t ế ế ở ọ m i m t h m là m t ph ng pháp phù h p nh t và có đ ấ ợ ữ ng pháp liên quan khác (nh ng khía c nh và chuyên sâu v i nh ng ph c t ng quát hoá), khi ph ữ ươ i, nh ng h m nên đ c p đ n hi u su t, s tính toán và tính kh thi. Tóm l ữ ạ ề ậ đ c là ể ễ ượ c n thi ầ c th o lu n trong V n đ v tính di n gi ậ ấ (Bersini H. and Bontempi G., 1997a; Nauck D. and Kruse R., 1998a; Nauck D. and Kruse R., 1998b; Nauck D., 2000) v i vi c xem xét v n đ cân b ng gi a ữ ớ ả ượ ủ c c a tính di n gi ộ m t mô hình m không có nghĩa là có m t k t h p chính xác gi a mô t ngôn ộ ả ộ ế ợ c có nghĩa là ng c a mô hình và nh ng thông s mô hình. Tính di n gi ố ữ ủ ậ i dùng mô hình có th ch p nh n s th hi n c a nh ng thu t nh ng ng ữ ậ ự ể ệ ấ ể ữ ng ng rõ ràng v i ng ngôn ng , nhi u hay ít h n. S th hi n này nên t ớ ự ể ệ ữ ươ ơ ữ ễ t tr c giác c a h v i nh ng thu t ng ngôn ng . Vì th , tính di n hi u bi ọ ớ ể ậ ữ ữ ế ự c mô hình i nào cũng có th hi u đ c không có nghĩa là b t kỳ ng i đ gi ấ ả ượ m . Nó có nghĩa là nh ng ng i dùng có ít nh t nh ng ki n th c chuyên gia ấ ế ứ ữ ườ ữ ờ trong khu v c mà mô hình d đoán di n ra có th hi u đ c mô hình. ể ể ượ ự ự Vì chính tính di n gi ậ c cũng là m t khái ni m m và ch quan, th t i đ ờ ệ ả ượ khó đ tìm th y m t danh sách rõ ràng và th u đáo nh ng đi u ki n, khi b vi ị ữ ph m, t o cho mô hình m m t đi kh năng đ c c a nó. Chúng ta s tóm t ắ t ả nh ng h s chính mà tác đ ng đ n tính di n gi ọ ủ i đ c c a m t h m : ộ ệ ờ ờ ấ ộ ả ượ ủ ạ ệ ố ạ ữ ế ễ

- 67 -

• Ch n l a lo i mô hình m : ạ

ồ ậ ế ữ ọ ự ộ ờ Nh ng h m lo i Mamdani đ ệ ờ ạ ả ủ

c.

ễ ờ m t h m v i c s lu t l n thì ít đi tính di n

ư

ậ ữ

ề

ệ ọ ượ ở i đ ả ượ ộ ệ ờ ớ ơ ở ậ ớ ậ m i lu t ch nên s d ng vài bi n nh có th . ể ế ử ụ ỉ ờ ng trung bình nh ng t p m ỉ ộ ượ c dùng đ phân chia m t bi n. Khi có quá nhi u nhãn ngôn ng thì ữ ế ầ c mô hình m , vì th c n ờ

ỗ ạ

ờ ỉ ớ ạ ộ ậ

• Đ c tính c a nh ng lu t m :

ữ i ngôn ng (ví d x là nh ) có th không th ỏ ng ng (ví d nh ) b i nh ng t p m ỏ ữ ươ ữ ứ ụ ậ ở

ủ ữ ờ

ậ ệ ờ ủ ậ

ả ầ ả ờ ẫ

ấ ư ế ầ ấ

ấ ậ

ỉ ạ ề ậ ấ ậ ầ ủ ữ

ả ề ộ ầ ộ ậ ệ ề ậ ậ ấ ơ

• Đ c tính c a nh ng t p m : ườ

ờ nh ng t p m nên có th di n gi ể ễ ữ ậ ờ

ữ ề

ườ

i và chúng nên b o đ m m t đ bao ph ả ng ng, đ mà ng ườ ứ ể

ữ

ượ ư c a ữ chu ng h n lo i TS, b i vì nh ng k t qu c a lu t bao g m nh ng ữ ạ ơ t p m có th di n gi ể ễ ậ ờ • S l ng lu t m : ậ ố ượ gi i so v i m t h m ch c n vài lu t. ộ ệ ờ ỉ ầ ả ớ • S l ng bi n ngõ vào: ỗ ố ượ ậ ế • S l ế Ch m t l ng t p m trên bi n: ờ ậ ố ượ đ ể ượ ế ộ s t o nên nh ng khó khăn cho vi c đ c đ ẽ ạ ữ ph i tránh tr ng h p này. ợ ườ ả • Th hi n rõ ràng nh ng toán h ng ngôn ng : ữ m i toán h ng ngôn ữ ể ệ c th hi n ch v i m t t p m . Nh ng lu t khác nhau ng nên đ ậ ể ệ ượ ữ ể dùng cùng m t di n gi ể ụ ả ễ ộ ờ hi n toán h ng ngôn ng t ữ ạ ệ khác. ụ ớ ờ nh ng lu t m ph i đ y đ ví d v i ậ ặ ữ i. T p m cũng b t kỳ ngõ vào nào, h m có th t o ra đ c câu tr l ờ ượ ấ ể ạ ề c n nh t quán, ví d không có nh ng lu t mâu thu n mà có cùng ti n ậ ữ ụ ầ đ nh ng khác k t lu n. Ch nh ng không nh t quán riêng ph n là ữ ề c ch p nh n. Và b t kỳ d ng d th a nào cũng c n ph i tránh,ví đ ư ừ ượ ề ủ d không có nh ng lu t mà ti n đ là m t t p con c a ti n đ c a ụ ề m t lu t khác, và không có lu t nào xu t hi n nhi u h n m t l n trong ộ c s lu t. ơ ở ậ ả i ậ ặ ủ i dùng h m . Đi u này có nghĩa là nh ng hàm liên đ c v i ng ữ ệ ờ ượ ớ ủ ng, l thu c nên bình th ộ ộ ả ồ ộ i dùng có th dán nhãn hoàn toàn mi n ngõ vào t ể ươ ề m i t p m b i m t thu t ng ngôn ng . Cũng c n tránh quá nhi u s ề ự ờ ở ầ ậ t. ch ng nhau gi a nh ng hàm liên thu c đ có nh ng t p m phân bi ệ ữ ữ ộ ể ỗ ậ ồ ộ ữ ữ ậ ờ

ỹ ờ

ậ ữ ượ ữ ự ể ọ ề ố d li u, đ ờ ừ ữ ệ

ờ ộ ậ ữ ệ ự

ọ

ữ ố ủ ộ ể ị ấ ạ ữ ố

ủ ộ ữ

ộ ổ ị ủ ề ả ộ

ễ

ở i đ ả ượ ố ễ c, ch ữ ể ố ữ ậ ờ

ể ứ ụ

ố ủ ệ ờ ề ỉ

ữ ự ệ ọ ữ ậ ị

ng ươ Nh ng k thu t mô hình neuro-m truy n th ng và trong nh ng ph ữ ổ ợ ể ố i pháp d a trên d li u đ h c nh ng lu t m t c h tr đ t u đ chính xác d đoán cho mô hình m . Tuy nhiên,trong khi c i ti n đ ộ ả ế ư ự ồ chính xác thì tính thông su t c a mô hình sau khi h c có th b m t. S ch ng có th x y ra, nhau c a nh ng hàm liên thu c tăng và nh ng tình hu ng kỳ l ể ả khi m t vài hàm liên thu c có th ch a trong nh ng hàm khác hay nh ng hàm ữ ể ứ ả ượ liên thu c chuy n đ i v trí c a chúng. Đi u này c n tr tính di n gi c i đ ng trình c a mô hình cu i cùng. V i m c đích là tính di n gi ớ ươ ụ ủ h c nên nh n ng nghĩa h c c a mô hình m mong mu n là nh ng đ i s và ố ố ọ ủ ọ t c bám vào nh ng ràng bu c nào đó, đ mà nó không th ng d ng t ấ ả ể ộ ữ nh ng s hi u ch nh ti m tàng cho nh ng thông s c a h m . Ví d nh ng ữ thu t toán h c nên b ràng bu c đ mà nh ng hàm liên thu c k c n không ộ ể ộ ph n d ng sang ph n âm c a mi n hay thay đ i v trí, không di chuy n t ầ ể ừ ụ ế ậ ủ ữ ươ ổ ị ề ầ

- 68 -

ồ c l ượ ạ

ữ ữ

i đ c đ ọ ị ộ ầ ữ

ặ

ộ ậ ữ i là làm cho c s ộ ơ ồ ố ư ọ ễ ả

ầ ộ ể ạ ượ ữ i đ ả ượ

ả ể c tính di n gi ộ ễ c. B ng cách làm gi m đ ỏ ố ượ ằ ả

i đ ng lu t l n s xa r i tính di n gi ả ượ ộ ả ờ ỉ

ễ ố ủ c c s lu t mà còn cung c p mô t ễ ọ ệ ấ ả ơ

ế ả ế ự ổ ả

ữ ệ ờ ự ầ ậ ọ

ờ ở ả ơ ở ậ ủ ữ ễ ỏ

c c a nh ng mô hình m ơ ả ẽ ươ i đ ả ượ ờ ễ ọ ụ ượ ế ữ ữ

ộ i, có m t đ ch ng nhau nào đó. Trong (de Oliveira J.V., 1999) m t ng ộ ộ t p bao quát nh ng đ c tính ng nghĩa h c mà nh ng hàm liên thu c c n có ặ ữ ậ c quy đ nh và thêm vào m t t p nh ng ràng đ duy trì tính di n gi ể ả ượ ượ ễ i u có th tho mãn nh ng đ c tính này. c dùng trong m t s đ t bu c đ ộ ượ ơ ở M t yêu c u quan tr ng khác đ đ t đ ộ c nh ng lu t nh . M t mô hình m v i nh ng hàm liên thu c di n gi ư ờ ớ ậ ộ có s l ẽ ờ ậ ớ ng thông s c a m t mô hình m không ch qu n lý ph c t p, ví d s l ụ ố ượ ứ ạ đ quá trình d đ c h n. Và vi c dùng ượ ơ ở ậ c s lu t đ n gi n s làm gi m overfitting, vì th c i ti n s t ng quát hoá. ơ ở ậ ơ ỗ ợ ệ ả ng pháp h c lu t m d a trên d li u đã h tr vi c c i G n đây, vài ph ti n tính di n gi c c s lu t nh và nh ng t p m d đ c h n. Nh ng ví d đ c cho trong (Chao C.T. et al., ậ 1996; Setnes M. et al., 1998; Y. Jin et al., 1999; Y. Jin, 2000).

ữ ư

ư ữ ủ ặ

ệ ữ ờ ượ ươ ế

ứ ữ ờ ư

ế ể ự

ẫ ươ ữ ệ ậ

ợ ế ờ ữ ữ ữ ệ

đ ng nh ng lu t m t ậ ể ữ ữ ờ ừ ữ ệ

ọ

ợ ủ c dùng trong m ng n ron. ờ

ế ứ ố ả ế ờ

ứ ị ả ng x c a quá trình, trong khi ki n th c s là nh ng d li u quan sát đ ứ ị ế ứ ố ữ

ữ ệ ế ả

ế ử ủ ể ự ọ nh ng liên h ị ờ ậ ữ

ả

ề ể

ộ

ữ ệ ở ả ị ng qua nh ng liên h đ i s t ng ph n đ n gi n. ệ ạ ố ừ ươ ể ễ ấ ỉ ữ ệ ằ

ệ ề ấ ệ ờ ấ ả ọ ệ ọ ẽ ả ệ ề

ố ự ữ ơ ấ ấ ả ữ ữ ả

ể ễ ữ ở

ọ ứ ư ậ ộ

ấ ể ả i đ ả ượ ễ ọ ậ ầ

ữ ể ỉ

2.8 K t lu n ậ ế ộ c xem nh là nh ng chuy n đ i ngôn ng c a m t Nh ng mô hình m đ ổ ể ữ ng pháp mô hình hoá c c b m nh. Hai m t này c a ánh x s và nh là ph ủ ụ ộ ạ ạ ố nh ng h m đã d n đ n vi c phát tri n nh ng k thu t mô hình hoá neuro- ệ ờ ậ ỹ ể ng pháp phá v s thi u h t c a ki n th c chuyên gia và m nh là m t ph ế ế ụ ủ ỡ ự ộ c mô hình trong đ nh t xu t đ khai thác nh ng d li u th c nghi m đ chi ữ ị ấ ượ ệ ệ ờ d ng c a nh ng lu t m . Nh ng h neuro-m v c b n là nh ng h m ữ ờ ề ơ ả ệ ữ ạ ủ ủ v i kh năng-d a trên nh ng d li u phù h p- đ bù cho nh ng thi u sót c a ự ớ ả i b ng cách trích t ki n th c con ng ự d li u d a ự ộ ườ ằ ứ ế trên h c thích nghi đ ơ ạ ượ L i ích c a mô hình hoá neuro-m là kh năng s d ng c ki n th c đ nh ả ử ụ cách d ng c s lu t m mô t tính và ki n th c s . Ki n th c đ nh tính ơ ở ậ ở ạ c ượ ữ ệ ứ ệ dùng đ th c hi n mô hình d đoán. Mô hình k t qu mô t ả ự quan tr ng gi a d li u c đ nh tính thông qua nh ng lu t m và đ nh ữ l ơ ữ ượ ầ m t vài ph m vi, ví d vi c tìm Hai đi u trên có th không t ng thích ạ ở ộ ụ ệ c th c hi n mà ph i c có th đ i đ ki m cho m t mô hình có th di n gi ả ệ ế ự ể ượ ả ượ ả ấ tr giá b ng t n hao hi u su t trong x p x d li u th c. Vì th c n ph i l p ổ ế ẩ ự ấ ả i dùng trong đ y khe h gi a hai v n đ trên. M t h neuro-m h tr ng ở ữ ườ ờ ỗ ợ ộ ệ ầ ư vi c tìm ki m nh ng h m mong mu n d a trên d li u hu n luy n, nh ng ữ ệ ế ấ ữ ệ t c m i vi c. Nh ng v n đ ng nghĩa h c s x y ra nó không th làm t ữ ể t c nh ng thay đ i n u nh ng h m không có nh ng c c u đ b o đ m t ổ ệ ờ ế ữ c trong ngôn ng c a nh ng ng trình h c có th di n gi gây ra b i ch ữ ủ ươ lu t m . Khi ki n th c u tiên duy trì tính d đ c, thì nh ng ràng bu c thêm ờ ữ ế ậ vào v c u trúc và thông s là c n thi t. Vì v y, đ u tiên dùng b t kỳ thu t ố ề ấ ầ ế ấ i u đ tinh ch nh t đ ng c u trúc và nh ng thông s c a mô hình toán t ố ủ ấ ự ộ ố ư c cho. m , vi c đ nh nghĩa rõ ràng m c đ d đ c c a mô hình m c n đ ệ ờ ứ ộ ễ ọ ủ ờ ầ ượ ị

- 69 -

c cung c p đ nh nghĩa này, vi c duy trì tính di n gi ệ ễ ượ

ộ ử ụ

i đ ả ượ ươ ễ ng pháp t i đ ả ượ

i h n đ ữ ớ ạ i pháp mà không di n gi ằ

ờ

ờ ậ ấ ả

ữ ự ng pháp d a trên d li u đ ữ ệ ủ ự ươ ệ ể ộ

ượ ữ ả ộ

ờ ể ượ

ph ế ệ ơ ả ể ệ ả ế ẽ

ầ c yêu c u Khi đ ị ấ ố i do c a mô hình ho c/và s d ng m t ph ho c là gi m b c t ặ ủ ậ ự ả ặ c. t c nh ng gi u có ràng bu c mà bù cho t ả ấ ả ữ ư ộ ữ đây, chúng ta th y rõ r ng nh ng c th o lu n T nh ng gi ấ ừ ậ ở ả ượ ể ễ ng pháp neuro-m cho phép xây d ng nh ng mô hình m có th di n ph ươ ự c và tinh gi n nh t. Đây cũng là đ ng l c chính c a lu n án này mà i đ gi ộ ả ượ nh ng đi m chính là vi c phát tri n m t ph ể ể ữ ễ c đ chính xác và tính di n nh n d ng nh ng mô hình m mà đ m b o đ ậ ả ạ c dùng đ khám phá và th hi n nh ng gi ữ c, vì th chúng có th đ i đ ả ượ ể m i liên h c b n trong d li u. Trong ch ươ ng ng ti p theo s mô t ươ ố pháp lu n chi ti ậ ữ ệ t cho mô hình neuro-m . ờ ế

CH

NG 3.

ƯƠ

PH

ƯƠ

NG PHÁP LU N MÔ HÌNH NEURO-M Ờ

Ậ

VÀ THU T GI I DI TRUY N Ả

Ậ

Ề

ệ ớ

ấ ể i thi u ự ự

ữ ộ

i hi u d dàng. Vì th , nh ng ph ể

ể ế ọ

ng đ tìm s x p x t ấ ể ể ễ ễ ạ ị

3.1 Gi Đ ng l c quan tr ng nh t đ dùng h m cho mô hình d đoán là mô hình ệ ờ ọ ộ c đ c t c t o ra đ b i ng nghĩa ph thu c vào ngôn ng mà cho phép đ ụ ữ ượ ặ ả ở ượ ạ ng pháp đ xây d ng nh ng mô con ng ế ữ ươ ườ ể ự ễ ữ c đ nh h ấ t nh t d li u không ch đ hình m t ị ỉ ượ ỉ ố ự ấ ướ ờ ừ ữ ệ ứ ừ ữ t xu t ki n th c t d cho d li u mà còn quan tr ng h n, chúng nên chi ơ ế ữ ệ i. Vì li u trong đ nh d ng nh ng lu t m mà có th d dàng hi u và di n gi ả ờ ả th , nh ng thu t toán nh n d ng nh ng mô hình m chính xác và di n gi i ễ ữ ữ ậ ậ ạ ệ ế ữ ậ ờ

- 70 -

c mô t c c n đ trong ch c tri n khai. Đây là công vi c chính đ ả ể ệ ượ ượ ươ ng

c, có hai thi trong ph n tr ướ ế ế

ờ ầ ấ t k chính đ ượ ố ủ ơ ở ậ

c c a mô hình m đ ộ ễ ụ ờ ượ ả ượ ủ

ệ ố

ầ ờ ự ộ

ệ ữ ễ ươ i đ ả ượ

ớ đ ng và nh ng ph t chú tr ng đ chính xác và b qua tính di n gi ỏ ể

ề ng pháp mô hình m t ọ ộ ả ườ ữ

ố ậ ễ ữ

c thi

ớ

i đ ề ữ ể ố ợ

ễ i đ ả ả ượ ủ

ậ ữ ữ

ầ ố ế

ế

c c s lu t) và đ chính xác c a mô hình m c n ph i đ ậ ế ấ ộ

ữ ệ

ươ ộ

ề i thi u c l ể ủ ứ ạ ầ ữ ỹ

i ngõ ra và đ ph c t p mô hình k t qu . Nguyên t c c ơ ả ả ễ

ề ạ ố

ế ậ ổ

ệ ể ậ ậ ữ

i u hay bi n đ i. ờ ể ờ ủ ữ ợ

ữ ủ ộ

i u. Sau khi h c t ậ ờ

ế ệ ề

ể ệ ả ở

ưở ề ố ắ ủ ả ố ư ễ ỉ ệ ậ

ữ ệ ữ ộ

ậ ượ ạ ự ễ ệ ả

ễ ề ờ

đ ượ ầ này. c dùng cho mô c mô t Nh đ ả ư ượ hình hoá m : nh n d ng c u trúc và thông s c a c s lu t m . Đ chính ộ ậ ờ ạ xác và tính di n gi ữ c trích ph thu c vào nh ng i đ đ nh nghĩa hoàn h o c a hai h s này. ả ủ ị ng pháp H u h t nh ng ph ươ ữ ế ể c đ neuro-m đ c bi ờ ặ ờ mà nh ng mô hình k t qu th ng không có đi m chung so v i mô hình m ữ ế ban đ u. Đi u này t o nên nh ng khó khăn chính trong vi c hình thành mô t ả ầ ạ ệ ờ i ngôn ng c a nh ng lu t m . toán h c c a khái ni m thông su t và di n gi ọ ủ ả ệ ữ ủ t cho tính di n Hi n th i, không t n t ễ i nh ng đ nh nghĩa đ t l p t ồ ạ ệ ờ ượ ị ế ậ ố gi ố c c a m t h m . Đ đ i phó v i khó khăn này, nhi u tác gi i đ đã c ả ượ ủ ả ộ ệ ờ ề ộ ệ ờ c c a m t h m g ng tìm nh ng đi u ki n h p lý mà tính di n gi ả ượ ủ ệ ữ ắ ph i tho . Chúng ta th y r ng tính di n gi ụ c c a m t mô hình m ph ả ờ ộ ễ ấ ằ thu c vào hai khía c nh chính:đ ph c t p c a c s lu t m ( ví d s lu t) ụ ố ậ ạ ộ ờ ộ ứ ạ ủ ơ ở ậ và tính d đ c c a nh ng t p m đ c dùng trong nh ng lu t m . ễ ọ ủ ờ ậ ờ ượ c di n gi Đ u tiên, s l ng lu t là đi u ki n c t y u đ đ t đ i ngôn ể ạ ượ ề ả ễ ệ ố ượ ng mô hình m . Vì th , v n đ tìm ki m cân b ng gi a đ ph c t p (kích ữ ứ ạ ữ ộ ằ ề ờ c chú ý th ướ ả ượ ờ ầ ủ ơ ở ậ ng pháp mô hình m d a trên d li u có nhi u. Đi u này có nghĩa là ph ề ờ ự ắ ơ th t ả ế ả ỗ ể ố ậ t c nh ng k thu t b n này c a mô hình tinh gi n là yêu c u c b n cho t ấ ả ả ả c và kh năng t ng quát hoá. Tuy nhiên, i đ mô hình hoá h tr tính di n gi ỗ ợ ổ ả ượ t k neuro-m ch quan tâm đ n nh n d ng thông s và nhi u k thu t thi ế ờ ậ ậ ỉ ế ế ỹ c t b qua nh n d ng c u trúc, vì th không đ ượ ố ư ế ấ ạ ỏ Th hai, v i nh ng lu t m d dàng hi u phân chia m nên hoàn toàn và ể ờ ễ ữ ớ ứ ỗ phân bi t đ mà ý nghĩa v t lý (thu t ng ngôn ng ) có th liên quan v i m i ớ ậ ng h p mà phân chia m c a vài bi n ngõ t p m trong vùng chia. Có vài tr ế ườ ờ ậ ờ ượ vào không còn đ y đ và phân bi c t sau khi nh ng hàm liên thu c m đ ầ ệ d li u, ý nghĩa v t lý c a vài t p m có th không t ủ ể ậ ọ ừ ữ ệ ố ư ờ còn rõ ràng, đi u này có nghĩa là chúng thi u đ phân bi t và phân chia m ộ ng không mong mu n tr nên không đ y đ . Hình 3.1 th hi n hai nh h ố ầ ưở ấ ả i thích b i vì t này. M c dù nh ng nh h t c ng này khá d dàng gi ở ả ữ ặ i u đ u c g ng hi u ch nh phân b c a nh ng hàm liên nh ng thu t toán t ữ ố ủ thu c theo s phân b c a t p d li u, chúng x n ph i tránh vì chúng s làm ả ố ủ ậ ẽ ầ t c a c t o khó khăn. C th , tính phân bi i nh ng lu t đ cho vi c di n gi ệ ủ ụ ể ữ nh ng t p m là đi u đ u tiên c n xem xét đ c i ti n tính di n gi ả ủ i c a ữ ể ả ế ầ ầ ậ m t h m . ộ ệ ờ

- 71 -

Hình 3.1. Hai nh h ậ ả ưở

ậ d li u: t ệ ữ ệ ể

ộ ượ i ta đã đ nh nghĩa ph ạ ờ ề ể ả ượ ừ ữ ệ ố ươ ng pháp lu n d a trên d li u đ mô ự c m t mô hình m chính xác cũng nh di n ư ễ ng pháp mô hình ba pha. c đ xu t th c thi h ấ ượ ơ ộ

ự ờ ượ ậ ấ

ữ ệ ỉ ự ạ

ả

ậ ấ

ế c trích t ệ ề c th c ự ố ủ ơ ở ậ ố ủ i u tôpô và nh ng thông s c a ữ ố ư ng ng ch d a trên nh ng d li u h p lý. M ng này ợ ữ ứ ọ c xem nh là m t h th ng suy lu n m thích nghi v i kh năng h c ớ ờ ậ ộ ệ ố c cung c p ý d li u và nh là m t ki n trúc k t n i đ ế ố ượ ộ ở nh ng ví d hu n luy n b i ệ ấ ụ ữ ừ ậ

ng chính khi nh ng lu t m đ c h c t ờ ượ ọ ừ ữ ệ ữ (a) Phân chia m không đ y đ (b) thi u tính phân bi ế ầ ủ ờ Trong lu n án này đ xu t m t ph ậ ươ ấ hình hoá neuro-m . Đ nh n đ ờ ộ ậ ờ gi d li u s , ng c t i đ ươ ị ườ ng pháp neuro-m , m t m ng n ron đ Theo ph m , đ vi c nh n d ng c u trúc và thông s c a c s lu t m đ ờ ể ệ ạ hi n b ng cách đ nh nghĩa, thích nghi và t ị ệ ằ m ng neuro-m t ờ ươ ạ đ ư ượ nh ng lu t m t ư ờ ừ ữ ệ ữ nghĩa ngôn ng . Nh ng lu t m đ ờ ượ ữ m t s đ h c lai g m ba pha chính: ữ ồ

c m t mô hình 1. Cho c u trúc và thông s giá tr ban đ u đ nh n đ ố ể ậ ầ ị ượ ộ ộ ơ ồ ọ ấ

m “thô” ỉ ờ ề ố ể ả ế ộ

ủ t c các thông s đ c i ti n đ chính xác c a ụ ấ ả c. 2. đi u ch nh toàn c c t mô hình m nh n đ ậ ượ ờ

3. gi m c u trúc và tinh ch nh c c b nh ng thông s đ c i ti n tính ố ể ả ế ộ ỉ

i đ ả di n gi ễ ấ ả ượ ủ ữ c c a mô hình m k t qu . ả ụ ờ ế

ọ ế ế

ạ ậ ữ ử ữ ữ t, ki n trúc m ng mã hoá nh ng ki n th c đ ấ ờ

ng này nh sau. Ph n 3.2 mô t ữ ư

ả ạ ạ ầ

ầ c ng d ng cho c nh n d ng và phân lo i. Ph n 3.3 mô t ơ ươ ụ ượ

ầ

t trong các ph n 3.5,3.6 và 3.7. K t lu n đ c tóm t chi ti mô hình m ng ờ ứ ả c dùng đ th c thi mô hình m trên và trong ph n ầ c h c ọ ắ t ậ ả ể ự i thi u s đ h c theo t ng. Sau đó ba pha h c c a chi n l ế ượ ượ ờ ọ ủ ế ậ ầ

c h c ứ ượ ọ Khi quá trình h c hoàn t ạ ậ theo d ng nh ng lu t m và x lý d li u theo nh ng nguyên t c l p lu n ắ ậ ữ ệ m .ờ Nh ng nét chính c a ch ủ c mà có th đ ử ể ượ ứ ki n trúc m ng n ron đ ạ ế 3.4 gi ơ ồ ọ ệ ớ c mô t đ ế ả ượ trong ph n 3.8. ầ

3.2 H m ng c ệ ờ ứ ử

ầ ậ ờ ể

ng d ng cho c nh ng bài toán nh n d ng và phân lo i. Trong ph n này chúng ta trình bày c s c a s đ l p lu n m mà có th ứ ơ ở ủ ơ ồ ậ ạ ả ữ ụ ạ ậ

N

(

)

)

}

{

=

D

- 72 -

N

g m N d li u vào-ra mô t ồ ệ ữ ệ

( ( ) tytx , = 1 t ngõ vào x=(x ơ ng h p nh n d ng hay là véct ạ

ậ

đ c tính trong tr ế ữ

1,…,ym) th hi n nh ng bi n ph ữ

ộ

ậ ườ ngõ ra y=(y ạ ớ

ộ ả ụ ụ ạ ữ ạ ế ậ nh ng giá tr c a nh ng bi n ph thu c (y ữ

ớ ế ộ ậ

ộ ặ ượ ạ ớ

ủ ườ ợ

ế ả s m t t p hu n luy n Gi ấ ả ử ộ ậ 1,…,xn) th hi n nh ng ữ cách ng x c a m t quá trình. Véct ể ệ ộ ứ ử ủ ng ườ bi n đ c l p trong tr ơ ặ ợ ườ ộ ậ ế ụ h p bài toán phân lo i. Véct ể ệ ơ ạ ợ ng h p nh n d ng hay nh ng giá tr liên thu c phân lo i rõ thu c trong tr ạ ị ườ ậ ợ ộ ượ c ng h p phân lo i. V i bài toán nh n d ng m c đích là nh n đ trong tr ợ 1,…,ym) khi m t mô hình mà mô t ị ủ ộ 1,…,xn). V i công vi c phân lo i, m c cho giá tr c a nh ng bi n đ c l p (x ụ ị ủ ữ ệ c m t mô hình mà gán đ c tính x cho m t trogn m l p d a đích là nh n đ ự ộ ậ ả trên nh ng giá tr đ c đi m c a nó. Trong c hai tr ng h p chúng ta ph i ể ị ặ ữ x p x m t hàm ch a bi t mà ánh x nh ng bi n vào thành nh ng bi n ra: ư ỉ ộ ấ ạ ữ ế

ữ ữ ế ế ề ộ

i

k) thì (y1 là b1k) và …(ym là bmk) ậ

k) và …(xn là An ố ậ

ạ

k(i=1,…,n) là nh ng t p m đ i và bjk (j=1…m) là nh ng singleton m đ

j. Vì th m t mô hình m singleton đ

ữ ờ

c ờ ượ ờ ượ c ấ c ch p ế ộ ữ ờ ữ ữ ế ế ượ

đây.

c dùng cho nh ng t p m ữ ạ ậ ộ

ậ ở ữ ề ữ

ờ c dùng vì chúng ượ ng đ th hi n nh ng hàm liên ậ ặ ưở ữ ề ố

ụ ờ

ơ vi c tính toán và c thông s hoá c a chúng h tr ả ế ữ (3.1) Đ mô hình s ph thu c (4.1) gi a nh ng bi n vào và bi n ra, chúng ta xem ự ụ xét nh ng lu t m theo d ng sau: ờ ậ ữ N u (xế 1 là A1 v i k=1,…,K trong đó K là s lu t m , A ớ đ nh nghĩa qua nh ng bi n vào x ị đ nh nghĩa trên nh ng bi n ra y ị nh n Nh ng lo i hàm liên thu c khác nhau có th đ ể ượ ti n đ . Trong lu n án này, nh ng hàm liên thu c Gauss đ ộ ề s h u nhi u đ c tính mong mu n lý t ở ữ ể ể ệ thu c m trong nh ng ng d ng mô hình : ữ ứ ộ • Chúng là nh ng hàm bình th ữ • d ng toán h c đ ọ ng, m t tr ng thái và tr n; ổ ợ ệ ộ ạ ủ ườ ố ượ

ạ l p trình; ậ • chúng khá lý t ưở ổ ế ng đ th hi n nh ng nhãn ngôn ng m , ph bi n ể ể ệ ữ ờ

ữ h n nh ng hàm tam giác và hình thang; ơ ữ

• Chúng s h u m t đáp ng c c b m c dù chúng không ph i là t p ậ ả ộ ặ ở ữ ứ ụ ộ

đóng hoàn toàn;

• Chúng có th đ o hàm b t kỳ n i nào, m t đ c tính h u ích cho h c ọ ơ ộ ặ ữ ấ

ậ

2

)

)

(

=

s

m

exp

;

cx ; ij j

ij

A ij

j s 2

ij

s

ij

ể ạ d a trên nh ng k thu t gi m gradient. ữ ỹ ự Lo i hàm Gauss đ ượ ạ ậ (cid:246) (cid:230) - (cid:247) (cid:231) - (3.2) ả k có d ngạ c dùng cho nh ng t p m A ờ i ữ ( x c ij 2 (cid:247) (cid:231) ł Ł

ộ ộ ồ ấ ơ ạ ngõ vào x(0) đ t

ộ ậ ươ ủ ậ ậ ậ

là tâm và đ r ng c a hàm Gauss. v i cớ ij và D a trên m t t p g m K lu t, ngõ ra c a b t kỳ véct ự ủ ng trình l p lu n m sau: c b ng ch đ ờ ượ ằ 1. Tính đ đáp ng c a lu t th k, v i k=1…K b ng toán h ng tích ớ ậ ộ ứ ứ ủ

ạ ằ (3.3)

- 73 -

ữ b ng cách l y trung bình tr ng s c a nh ng ọ

2. Tính ngõ ra suy lu n ậ giá tr k t qu b ị ế

)0ˆ jy ( ằ ng ng v i c ươ ứ

(3.4)

(

ố ủ )0xk ( ( ) m ấ ng đ kích ho t lu t : ả jk t ậ ạ ộ ớ ườ

).,.

F H suy lu n m có th đ c đ nh nghĩa đ ệ ể ượ ổ ượ ị ư ộ ậ ờ

ợ trên không gian ngõ vào X và không gian thông s W theo cách sau: c t ng h p nh m t hàm ố

(3.5)

[

: ]1,0

V i bài toán nh n d ng, đ c tính ánh x trong (3.5) gi m thành: ạ ớ ặ ậ ả fi · F ạ ] m [ 1,0

ậ

ˆ ˛ jy Ví d ngõ ra suy lu n ụ ể ệ j. Đi u này sinh ra phân lo i “m m”. Ng l p Cớ ề ề c th hi n nh m t ánh x : có th đ ạ ư ộ ể ượ

(3.6) WX ộ th hi n đ liên thu c c a đ c tính x thu c ộ ủ ộ i, công vi c phân lo i rõ ạ c l ượ ạ ặ ệ ạ

X fi

:

E

ể ệ Y (3.7)

v iớ

(

)

y

=

C

x

e l

l

(3.8) (cid:219)

ứ c m t phân lo i “c ng” (rõ) t ạ ờ

ộ ớ ộ ầ ừ ộ ộ ể ậ ộ

ạ ế ậ ộ

=

,...,1

j

l

c ộ ướ ơ ấ c ánh x đ n 0. ạ ế l đ mà đ c tính đúng: ể ặ ớ ‡ " (cid:219) ộ ặ C

)0ˆ ( y j ộ

ộ ớ ớ ượ ữ ẫ ị

ớ ể ị ả ủ ế ệ ể ạ

]

[ m fi1,0:g

E

đ mà x(0) thu c l p ể m t b phân lo i m , m t b Đ đ t đ ạ ể ạ ượ tính toán khác c n có sau quá trình suy lu n đ mà b ph n cao nh t véct ậ c ánh x đ n 1 trong khi nh ng b ph n khác đ ngõ ra đ ượ ượ ữ Đ làm đi u này, m t đ c tính x(0) đ c gán cho l p C ể ề ượ ) ( 0ˆ: ym x(0) thu c l p l ọ (v i nh ng l p có cùng giá tr liên thu c, m t giá tr ng u nhiên đ c ch n). ộ Đ hình thành vi c chuy n m đ n rõ c a k t qu phân lo i chúng ta đ nh ị ờ ế nghĩa hàm sau:

(

c

).,.

m

(3.9)

đ n v m chi u và nh ng hàm max(.) và đ c đ nh ơ ơ ữ ề ị ượ ị

:max

R m fi

R

v i 1ớ m bi u th véct ị ể nghĩa nh sau: ư

(3.10)

g

( ).

Và (3.11)

ủ ể ả

( ).

ầ

Đ đ n gi n, vai trò c a hàm véct ặ g cách ng d ng hàm (3.12) ộ là đ ch n thành ph n cao nh t c a m t ấ ủ ầ ể ơ ằ m chi u và đ t nó là 1, trong khi nh ng thành ph n khác là 0. B ng ơ đ n k t qu suy lu n c a b phân lo i m , chúng ta ứ ọ ữ ậ ủ ộ ề ụ ế ế ạ ả ờ

- 74 -

g

( ).

ả ạ ế ượ F ể c chuy n ).,. ,đ màể ổ

có đ ạ thành m t b phân lo i rõ b ng cách t ng h p các hàm ằ y hàm phân lo i đích ượ ấ c k t qu phân lo i rõ. Vì th , m t b phân lo i m đ ờ ượ ế ( và ộ ộ ạ ộ ộ ợ ợ ỉ ở fi · F ạ ( ). đ :g F ệ ờ ở ầ ị

đ ượ ợ ẽ ạ

ả c dùng khi s tách bi c x p x b i hàm h p: EWX (3.13) ).,. ( c đ nh nghĩa Trong ph n sau chúng ta s ch đ nh h m b i hàm ỉ ị ẽ trong (3.5), c cho bài toán nh n d ng và phân lo i. Hàm h p (3.13) s ch ỉ ậ ạ t. t là c n thi đ ế ầ ượ ự ệ

3.3 M ng neuro-m ờ ạ

i thi u bên trên có th đ ệ

ữ

ữ ờ ữ ể ượ ể ượ ậ ị ọ

c đ nh nghĩa v i thu t ng là s l ớ

ữ ị ế ữ ậ ậ

ể

t p d li u D ữ ộ F ờ ừ ậ ữ ệ ư ỉ ầ ế

ậ ộ ậ x p x g n nh t v i hàm ch a bi ấ ớ ấ ủ ơ ở ậ

ự ơ

ủ

c đ ử ờ ượ ắ ạ ậ ờ

c xem nh m t h g m:lu t, c gi ậ H m đ ớ ư ộ ệ ồ ệ ờ ượ c dùng trong nh ng lu t này và nh ng ho t đ ng suy lu n nh ng t p m đ ậ ạ ộ ờ ượ ậ c đ nh nghĩa thông qua vi c h c là c u m , ch có m t ph n mà có th đ ấ ộ ỉ ệ ầ ng lu t) và trúc c a c s lu t (đ ậ ố ượ ậ ượ ơ ở ậ ủ c nh ng thông s gi ể ượ t và k t lu n liên h v i lu t. Bài toán có th đ thi ệ ớ ế ố ả phát bi u theo m t cách chính xác là tìm m t c u hình hoàn h o c a nh ng ữ ộ ấ ộ ả ủ ặ N c a N c p hàm liên thu c và t o ra m t t p nh ng lu t m t ủ ạ ).,. ệ ờ ( vào-ra đ mà h m t f(.) s d ng cân ử ụ ể b ng gi a đ ph c t p và chính xác c a c s lu t. ữ ộ ứ ạ ằ ạ c th c thi dùng m ng n ron. M ng Đ làm đ c đi u này, h m đ ạ ề ượ ể ệ ờ ượ n ron này mã hoá m t t p nh ng lu t m thành tôpô c a nó và x lý thông ờ ậ ộ ậ ơ ữ tin theo cách mà g n k t v i s đ l p lu n m . M ng neuro-m đ ề ế ớ ơ ồ ậ xu t là m t ki n trúc truy n th ng ẳ ế ề ấ ộ

• Thông s ố

ể ệ ạ ượ ể

C. Chúng ta có,

ủ t W ỉ thi ố ả ố ữ ế ồ c bi u th b i W, g m ị ở P và không gian con nh ng thông ữ

Không gian thông s có th hi u ch nh c a m ng, đ không gian con nh ng thông s gi s k t lu n W ố ế ậ

¨ WC (3.14)

(

)

m

ik

W=WP

(3.15) mô tả ữ ữ ộ

t c a lu t và v i ớ là t p nh ng tâm và đ r ng c a nh ng hàm liên thu c Gauss ủ ộ ộ nh ng t p m trong ph n gi thi ế ủ ầ ờ ậ ữ ậ ậ ả

ậ ủ ữ ữ ế ậ ậ ầ

thông s đ (3.16) ế ớ Là t p nh ng singleton m trong ph n k t lu n c a nh ng lu t. Vì th , v i m i lu t, ba véct c đ nh nghĩa: ậ ờ ố ượ ị ỗ ơ

nh ng véct thông s gi thi t véct ữ ơ ố ả ế ơ thông s k t lu n ậ ố ế

3.4 Thu t toán h c lai ọ ậ

- 75 -

đ ng chi ộ ế ữ ụ

ặ ữ ữ

ả ờ ử ụ ữ

ậ ố ạ ớ ậ ữ ệ ượ

ủ ươ

ề ổ ạ ượ ố

ụ ễ

1. Kh i đ u thông s và c u trúc.

i dùng). Mô hình m nh n đ ọ ự ậ

ấ ấ ọ

ộ ậ t m t mô hình m (ví d , m t t p Nh ng mô hình neuro-m t ờ ờ ự ộ nh ng lu t m ) s d ng nh ng thông tin h p lý là m t t p nh ng c p vào-ra ộ ậ ợ ữ ể ể ệ mong mu n. Nh ng lu t đ c t o đ mà mô hình k t qu có th th hi n ể ế ậ ượ ạ . Nói c cho, v i c thu t ng d đoán và mô t đ ánh x v i t p d li u đ ậ ả ữ ự ớ ả ủ ờ cách khác, m c đích chính c a ph c mô hình m ng pháp đ xu t là đ t đ ấ ụ ễ t) và tính di n mà có c đ chính xác (ví d v i kh năng t ng quát hoá t ả ụ ớ ả ộ gi i đ c hoàn c (ví d d dàng hi u b i ng ậ ượ ờ ườ ở ả ượ ể ộ d li u thông qua h c c a m ng n ron. Thu t toán h c d a trên m t toàn t ơ ạ ọ ủ ừ ữ ệ s đ lai g m ba pha: ồ ơ ồ ở ầ ố ượ

c thi ế ậ ộ ố ượ

ữ ậ ộ

ầ ớ

ố ậ ự ủ ầ ị ờ ượ ị

i v n hành, vì th cho phép xây d ng c s lu t theo cách t

ả ơ ở ậ ượ ộ ậ ợ

2. Tinh ch nh thông s toàn c c.

ấ ờ

ọ ỉ

ằ ợ ỉ

Trong pha h c đ u tiên,c u trúc và ầ ố ươ ng t l p. Trong h u h t các ph thông s ban đ u c a m ng đ ế ầ ạ ầ ủ ậ i, m t s l ng khá thích h p nh ng lu t pháp neuro-m đang t n t ợ ữ ồ ạ ờ c c a tôpô m và nh ng lu t m và nh ng hàm liên thu c (kích th ờ ờ ướ ủ ữ ố m ng), cùng v i nh ng giá tr ban đ u c a thông s lu t (tr ng s ạ ọ ữ c xác đ nh đ ng th i mà không c n ph i có s đánh giá c a m ng) đ ủ ồ ạ t ng ự ổ ườ ậ ự ế ữ c m t t p h p nh ng ch c. M c đích c a t ng đ u tiên này là có đ ủ ầ ụ ứ ầ lu t m là x p x đ u tiên c a mô hình m . ủ ỉ ầ ờ ậ t c các thông ụ Trong pha h c th hai, t ấ ả ứ ố ả c tinh ch nh phù h p b ng k thu t gi m ậ ỹ ể ủ ẳ ạ ờ

s c a nh ng lu t m đ ố ủ gradient v i n l c tăng đ chính xác c a mô hình m ch ng h n đ tìm s v a khít t ự ừ

c h tr đ ờ ượ ộ t nh t v i d li u. ấ ớ ữ ệ ầ ượ ứ

ậ ữ ớ ỗ ự ố ố ễ

ạ ượ ng trìn t ờ ế ộ ậ

T ng mô hình th ba đ c c a mô hình m k t qu . Đ t đ ả ng lu t thông qua m t ch ươ ộ ữ ữ ằ

ỗ ợ ể 3. T i u thông s và c u trúc. ấ ố ư c đi u i đ ề c i ti n tính di n gi ả ế ả ượ ủ i u này b ng cách giàm s l ố ư ố ượ ằ ộ c u trúc và b ng cách ép nh ng ràng bu c trên nh ng hàm liên thu c ấ ngõ vào thông qua tinh ch nh thông s c c b . ố ụ ộ ỉ

ng trình h c đ ươ ể ồ

ượ c mô t ố t trong nh ng ph n sau. Toàn b ch ộ th hi n m t t ng h c, s đ ộ ầ ọ ẽ ượ ể ệ c th hi n ể ệ ở chi ti ế hình 3.2. M i kh i bi u đ ỗ ầ ữ ả ọ

3.5 Kh i đ u thông s và c u trúc ở ầ ố ấ

đ ng t ọ ầ ộ ơ ở ậ ầ ờ

c t o t ượ ạ ự ộ ờ ố ậ ụ ế

ượ ề ậ

ừ ữ Trong pha h c đ u tiên, m t c s l u m ban đ u đ d ố li u đã cho. Vì th , pha này có m c đích là tìm đ ng th i s lu t ( và s ồ ệ c dùng đ phân chia nh ng mi n ngõ vào) và l ể ượ ữ t và k t lu n c a m i lu t. thi nh ng thông s đ nh nghĩa ph n gi ậ ủ ế ầ ữ ng t p m ngõ vào đ ờ ố ị ế ậ ả ỗ

3.5.1 Phân chia không gian ngõ vào

- 76 -

ủ ươ

ề ướ ầ ề ọ

ế c nh ng hàm liên thu c trong ph n gi ề thi ượ ế ủ ữ ộ

t c a chúng có tr c ti p t ữ ầ thi ng lu t và nh ng thông s gi ữ ả ế ủ ố ả ậ

c phân chia thích h p không gian ngõ vào, chúng ta đ nh nghĩa ượ ị

ợ c trình bày chi ti t trong ph n sau. ng pháp mà s đ ữ ng pháp là phân chia không gian ngõ vào thành nh ng B c đ u tiên c a ph mi n con. Chi u nh ng mi n này d c theo nh ng chi u ngõ vào khác nhau ữ t c a m i lu t. Vì s nh n đ ẽ ậ ỗ ậ ế ừ th , c s l ự ế ả ố ượ quá trình phân chia. Đ tìm đ ể ba ph ươ ẽ ượ ế ầ

3.5.1.1 Cây K-D m thích nghi ờ

ờ ầ

ẽ ề c phát tri n nh là m t c c u l u tr d ầ ượ ậ ư ộ ơ ấ ư

ả ệ ệ

ả ể

i cây K-D s l p l ả ệ

ề ữ ề

ự ụ ề ủ

ụ ề

ữ

ả

ầ ể ạ ữ

ố

ộ ấ ụ ộ ng g n đây nh t đã m r ng đ t o ra nh ng cây k-d m đ ưở ờ ng h p nh th , nh ng giá tr liên thu c đ ữ ữ ộ ượ ữ ườ ữ

ượ ừ ệ ỗ

ữ ế ề

ộ

ữ ậ

ữ ộ

ệ ờ

thi ả

ầ ộ ậ ậ ờ

ể ệ ỗ ầ ặ ướ ứ ữ

ượ ệ ậ

ạ ắ ầ c phân chia thành K siêu hình ch nh t. Sau đó, vi c phân chia l ữ c áp d ng cho m t trong nh ng siêu hình ch nh t đ phân chia toàn b ậ ể ữ ữ

ng pháp đ u tiên này s đ xu t thu t toán cây K-D m thích Trong ph ấ ươ ữ ữ nghi. Nh ng cây K-D ban đ u đ ể ữ li u hi u qu (Orenstein J.A., 1982; Overmans M.H. and Leeuwen J.V., 1982), là m t gi i thu t n i ti ng đ phân chia c c b không gian ngõ vào thành ộ ụ ậ ổ ế ộ i vi c phân chia không gian nh ng t p con. Thu t gi ẽ ặ ạ ậ ậ nhi u chi u thành nh ng siêu hình ch nh t b ng cách chia c t liên t c các ậ ằ ắ ữ ữ ộ c th c hi n qua toàn b mi n c a m t tr c tr c giao. M i l n chia c t s đ ộ ệ ự ắ ẽ ượ ỗ ầ c chia c t i đ mi n đang có và t o ra hai mi n m i mà chính chúng cũng l ắ ạ ượ ớ ề ạ c t o ra mà nh ng lá c a nó th hi n sau đó. M t c u trúc cây xác đ nh đ ể ệ ủ ượ ạ ị ặ b n vòng l p nh ng vùng c c b c a không gian ngõ vào. Hình 3.3 mô t ả ố ộ ủ ữ i thu t k-d. đ u tiên c a m t cây gi ậ ủ ầ ờ ể Nh ng ý t ở ộ ữ ấ nh n d ng thông s nh ng hàm liên thu c m hình thang cho nh ng mô hình ậ ộ ạ c liên m TS. Trong nh ng tr ợ ị ư ế ờ c t ữ vi c phân chia đ mà m i siêu hình ch k t v i m i ph n chia có đ ể ế ớ ầ ỗ c xem nh ph n c a nh ng t p m nhi u bi n. Chính xác nh t có th đ ờ ầ ậ ủ ư ể ượ ậ h n, tâm c a m i hình ch nh t chính là tâm c a m i hàm liên thu c Gauss. ỗ ậ ữ ơ ủ ỗ ủ c c a siêu hình ch nh t. v i kích th Đ r ng c a hàm này đ c ch n t l ướ ủ ọ ỉ ệ ớ ượ ủ ộ ộ ng này, chúng ta s phát tri n m t thu t toán cây k-d Theo sau nh ng ý t ậ ể ẽ ưở i vi c phân chia không gian ngõ vào thành nh ng m thích nghi mà l p l ữ ặ ạ t c a vùng con siêu hình ch nh t, v i m i vùng con th hi n ph n gi ế ủ ậ ỗ ớ ữ ượ c lu t m . Thu t toán làm vi c nh sau. T i m i l n l p, m t vùng con đ ư ệ c th K, không gian ngõ phân chia thành hai n a vùng con. Khi b t đ u b i vào đ ạ ộ đ ộ ụ ượ vùng thành K+1 ph n.ầ

- 77 -

Hình 3.2. S đ h c ba pha ơ ồ ọ

ằ

ế ị ượ ơ

ố ủ ỉ ự ấ ộ

i m i b ươ ệ ấ ả ơ

Có r t nhi u cách đ quy t đ nh mi n nào đ ể t ạ Ph quan v i vùng này là r ng nh t và chia nó t Hình 3.3. Phân chia không gian hai chi u b ng cây k-d ề c phân chia và n i phân chia ấ ề ề ệ c. M t vài cách ch d a trên phân b c a ví d hu n luy n. ụ ỗ ướ ng th c đ n gi n nh t là phân chia vùng mà d li u hu n luy n liên ấ ứ ẫ i đi m gi a c a nh ng m u ủ ữ ệ ữ ữ ể ạ ấ ớ ộ

- 78 -

ề ệ

ụ

ữ ế ị ỗ ướ ạ ơ

i thông tin trong c ế ượ ự c d a T. Chúng i m i b ậ ộ D và đo đ đ c tr ng J ư ộ ế ị ề ụ

ttrong mi n. Và m t tiêu chu n d a trên khái ni m đ l ộ ợ ẩ ự nh ng cây quy t đ nh có th đ c áp d ng. Trong ph n này, chi n l ể ượ ầ c phân chia và n i phân chia t quy t đ nh mi n nào s đ ẽ ượ trên hai hàm m c tiêu c m m : đo m t đ J ộ ặ ờ ụ c đ nh nghĩa nh sau: đ ượ ị ư

(3.17)

w

tk

ữ ả

ộ ủ ơ ị (3.18) E(.,.) là kho ng cách ứ ữ ậ ngõ vào x(t) c a siêu hình ch ủ

c đ nh nghĩa nh sau: v i cớ k=(c1k,…,cnk) là tâm c a siêu hình ch nh t th k, d ủ Eclit và là giá tr hàm liên thu c c a véct nh t th k, đ ứ ậ ượ ị ư

c tính toán ph thu c vào nh ng siêu hình ch (3.19) ữ ộ ụ ữ

ố ik và cik đ ượ vi c phân chia. ậ

ệ ố ượ

t th ể ệ

ủ ề ặ ư ế

ả

c nh ng t p m v i đ h tr m nh (J ộ ớ ậ ữ ị ỏ ủ

ể ạ ượ ỏ ọ ổ ụ ủ

v i các thông s a ớ nh t có đ c t ượ ừ ệ ng này cho phép tìm m t c u trúc có nghĩa cho Vi c dùng hai hàm đ i t ộ ấ ữ ng pháp này là nh ng s c b n c a ph vi c phân chia m ngõ vào. Gi ờ ệ ươ ả ử ơ ả ng đ c th hi n b i m t mi n con mà có tâm và đ r ng ộ ộ lu t m t ậ ượ ộ ở ườ ờ ố ộ ổ ph thu c vào m u. Vi c đo m t đ và tính đ c tr ng liên quan đ n đ h ậ ộ ẫ ộ ụ ệ ộ tr (kho ng giá tr liên thu c l n h n không) và lõi (kho ng giá tr liên thu c ơ ị ả ợ ạ đ y đ ). Đ đ t đ D nh ) và lõi đ i ờ ớ ộ ổ ợ ạ ầ di n(Jệ T nh ), ta ch n t ng c a hai hàm này là hàm m c tiêu cho quá trình phân chia:

ẽ ể ỗ ướ

ữ ể ộ

c t ỏ

J(K)=JD(K)+JT(K) K=1,2,… (3.20) t c các chi u cho hàm c, s ki m tra vi c phân chia trong t ề ệ c tính v i nh ng phân vùng ng, đi u đó có nghĩa là giá tr c a J() đ ữ ượ ề t c nh ng chia c t có th có và s ch n ra m t phân vùng t ượ ừ ấ ả ấ ủ ị ầ ấ

ỏ ủ ỉ ầ ự ề ứ ạ ẽ ộ

ẽ ạ ờ

ủ ơ ở ậ ậ ẽ ừ

)

eÆ

( KJ T

) ( 1KJ T

T i m i b ạ ấ ả đ i t ị ủ ố ượ ớ m có đ ắ ẽ ọ ờ v i giá tr nh nh t c a J() đ ti p t c quá trình phân chia. ể ế ụ ớ Th c ra ta không c n ph i tìm phân vùng r t nh c a không gian ngõ vào ả vì đi u đó s làm cho vi c tính toán ph c t p, ta ch c n tìm m t phân vùng ệ ẽ ượ tho mãn mà s t o ra m t x p x đ u tiên c a c s lu t m (và s đ c ộ ấ ỉ ầ ả c i ti n trong pha h c th hai). Theo đó, thu t toán phân chia s d ng ngay ả ế ứ khi đi u ki n sau tho mãn: ề ọ ả ệ - -

ng nh nào đó. Theo cách này s đ t đ ỏ ưỡ (3.21) c K vùng siêu hình ẽ ạ ượ

đ ng cung c p m t s l ấ

ng lu t d a trên ậ ậ ự ạ c đ nh nghĩa trong (3.21). Và k t qu là,c u trúc c a m ng ủ ộ ố ượ ấ ế ẩ

c xác đ nh. v i ớ e là m t ng ộ ch nh t t vi c phân chia m không gian ngõ vào. ờ ữ ậ ừ ệ Nh v y thu t toán s t ư ậ ẽ ự ộ chu n d ng đ ượ ừ c thi neuro-m đ ờ ượ ị ả t l p và nh ng thông s ban đ u đ ầ ượ ế ậ ữ ố ị

- 79 -

3.5.1.2 Nhóm theo hình c u b ng h c c nh tranh hi u ch nh ằ ọ ạ ệ ầ ỉ

ỉ ạ ậ ệ ươ ơ ồ ọ

ầ ẽ ữ ể ạ ẫ ủ

ậ ờ ở

ọ ạ ơ ọ ươ ọ ủ ng pháp này, không gi ng nh thu t toán cây k-d m ố k đ

ố ờ ớ ể tr ng s c ọ

ạ ự ế

ọ ạ ượ ộ ấ ạ ứ ấ

ầ ạ ơ ấ ầ ỉ

ầ

c ch n t đ ng. ẽ ượ ệ

ậ ổ ể ạ ứ ọ ự ộ ọ ạ ữ ệ ẽ ơ ớ

ữ ệ ớ ị

ầ ơ ố ọ

ẽ ạ ngõ vào s đ ẽ ượ ượ ứ

ị c đo b ng thu t ng kho ng cách Eclit t l ơ ấ ớ ơ tr ng s g n th hai đ ố ầ ơ ọ ả ậ

ạ ầ ố ợ ằ ọ ạ

v i t n s ỉ ệ ớ ầ ủ ệ ữ ộ ộ ầ ủ ơ ữ ắ ủ ắ ậ

ơ ọ ủ ạ ố

ng c a c p nh t tr ng s ậ ể ậ ọ ể ệ

M t ph ng pháp khác đ t o lu t m là s đ h c c nh tranh hi u ch nh ờ ộ mà s tìm nh ng nguyên m u c a nh ng nhóm hình c u trong không gian ngõ ữ vào. trên, g m m t ộ Ph ồ ư ơ c h c trên c pha h c c a m ng neuro-m v i nh ng véct ữ s d li u ngõ vào phù h p. Đ kh i đ ng pha h c này, m t c u trúc ban ở ộ ợ ở ữ ệ ứ đ u c a m ng neuro-m đ c xây d ng d a trên H lu t theo d ng ki n th c ầ ủ ậ ự ờ ượ ch c c u trúc c a nó t u tiên. Sau đó, trong su t quá trình h c m ng t ư ủ ự ổ ố ố ủ tr ng s c a theo c c u bù c nh tranh mà d n d n đi u ch nh nh ng véct ơ ọ ữ ề nh ng lu t b sung xa d n phân b d li u. Theo cách này , m t s lu t phù ộ ố ậ ố ữ ệ ữ h p h n đ đ i di n cho d li u ngõ vào s đ ợ L p th ba c a m ng s tham gia vào quá trình h c c nh tranh này. Khi ạ ủ ngõ vào x, nh ng đ n v trong l p này s c nh tranh và đ n hi n di n véct ơ ơ ệ c ch n là đ n v v nào có véct ị tr ng s c g n nh t v i véct ơ ọ ị ố c đánh d u là đ i th ng cu c. Đ n v mà có véct ấ ơ ố th . Đ g n đ ượ ữ th ng c a đ n v theo h c c nh tranh nh y t n s . L i ích c a vi c tích h p ợ ị ỏ thu t ng nh y t n s tránh vi c dùng không đúng m c nh ng nhóm nh . ố ứ ệ ạ ầ c c p nh t đ mà di tr ng s c a đ i th c nh tranh s đ Sau đó véct ậ ẽ ượ ố ủ chuy n xa kh i đ c tính. Hình 3.4 th hi n ành h ố ể ủ ậ ưở ỏ ặ nh th . ư ế

ố ủ ậ ố

Ả ố ưở ủ ạ ủ ạ Hình 3.4. nh h ng c a c p nh t tr ng s theo c c u bù đ i th c nh ậ ọ tranh. Đ i th c nh tranh b đ y ra xa nhóm mà đ n v th ng đang h c. ọ ị ắ

ị ẩ ơ ọ ẩ

ể

ơ ọ ằ ơ ọ ạ

ộ ư

ơ ấ ơ tr ng s c a đ i th c nh tranh ra xa nhóm ủ ạ ố ủ ố tr ng s c a đ n v th ng đang di chuy n đ n, vì th s đ m b o ả ế ẽ ả ế tr ng s . Vi c c đ i di n b i m t véct ệ ở ệ ố ố tr ng s ơ ọ ữ ầ ẽ ầ ạ ượ ố ơ c s đ n ố ữ ệ C c u này c g ng đ y véct ố ắ ơ ấ mà véct ị ắ hoàn toàn r ng m i nhóm ch đ ỉ ượ dùng c c u bù đ th c nh tranh này s d n d n đ a nh ng véct c a nh ng đ n v ph ra xa kh i phân b d li u cho phép đ t đ ỏ ủ ố ủ ơ ỗ ố ủ ạ ụ ị ơ ấ ữ ơ

- 80 -

c ch n l a t ng lu t s đ ợ ớ ứ ế ố ượ ậ ẽ ượ ọ ự ự

ng th y trong các gi ấ

ố ậ ọ ạ ơ ể ố

i thu t h c c nh tranh, đ tăng ủ ị ắ ả ế ậ ố

ậ ư ộ ọ

ả c a thu t toán, t c đ h c c a c hai đ n v th ng và đ i th ộ ọ ủ ả đ ng gi m trong su t quá trình h c theo lu t gi m tuy n tính. ọ c khai thác nh m t ph ể ượ ữ ố ư

ườ

ầ

ờ ng nhóm c n đ c hi u ch nh này th ỉ ố ượ ượ ọ ạ ỗ ậ ệ

ươ ng ng pháp ươ ả i ữ c ượ ầ ể ố ượ ng ả ớ

w

r

v thích h p trong l p th ba và vì th s l ị đ ng. ộ Cu i cùng, nh th ư ườ ố t c đ h i t ậ ộ ộ ụ ủ ố c nh tranh t ả ự ộ ạ Thu t toán h c c nh tranh này có th đ ạ pháp nhóm không gian nhi u chi u. Không gi ng nh nh ng ph ề ề d a trên nhóm thông th ng (ví d , trung bình k, trung bình k m , nh ng gi ự ụ thu t h c c nh tranh truy n th ng) mà yêu c u s l ố ạ ậ ọ ề ch n l a tr c cho m i t p d li u, h c c nh tranh đ ọ ự ữ ệ ướ hi n vi c nhóm trong không gian ngõ vào v i kh năng thích nghi s l ệ ệ nhóm khi vi c h c di n ra. ệ ọ Thu t toán h c đ nh sau: c mô t ễ ọ ượ ả ư ậ

k (k=1,…,H) ị ắ

a

w

r

ơ a và tâm c b cho đ n v th ng và đ i th c nh ủ ạ ố ơ £ £ £ 1. EpochNumber = 0; 2. Kh i đ ng ng u nhiên nh ng véct ẫ 3. Kh i đ ng nh ng t c đ h c ữ 0 ữ ố ộ ọ a 1 . ở ộ ở ộ tranh đ mà ể

4. Repeat

ệ ngõ vào hu n luy n x(t), t=1,…,N th c hi n ự ệ ấ

a. EpochNumber = EpochNumber +1; b. V i m i véct ơ c sau:

ỗ ớ nh ng b ữ i. ướ Tính kho ng cách: ả

(3.22) ị ứ ố ầ ắ ả ơ ộ ồ

v i nớ k là s l n th ng c ng d n x y ra cho đ n v th k và dE(.,.) là kho ng cách Eclit.

w và đ i th c a nó

ả ii. C nh tranh: Xác đ nh đ n v th ng u ị ắ ạ ơ ị ủ ủ ố

ur dùng lu t sau: ậ

(3.23)

iii. C p nh t s l ng th ng x y ra: ậ ố ượ ậ ắ ả

tr ng s c a đ n v th ng và đ i ữ ơ ọ ố ủ ơ ị ắ ố

c. Hi u ch nh nh ng t c đ h c theo gi m tuy n tính ộ

5. Until

iii. C p nh t nh ng véct ậ ậ th theo: ủ ữ ệ ế ả ố ọ ỉ

6. Ch n l a nh ng đ n v cu i cùng: Lo i b t

- 81 -

k mà

t c các đ n v u ơ ạ ỏ ấ ả ố ơ ị

ị tr ng s n m ngoài kho ng ngõ vào. ả

véct ắ ầ ệ ị

ọ ự ơ ọ ớ ơ ỉ ể ệ ớ ữ ơ ọ ị

ữ ố ằ B t đ u v i H đ n v trong l p th ba, h c c nh tranh có hi u ch nh tìm ọ ạ ơ ứ £ H) mà nh ng véct ố k(k=1,…,K) th hi n tâm tr ng s c m t t p K đ n v (K ộ ậ c a nh ng nhóm hình c u trong không gian ngõ vào. ủ ữ ầ

3.5.1.3 Nhóm Elip b ng h c c nh tranh hi u ch nh ọ ạ ệ ằ ỉ

c mô t ỉ ạ ệ

ầ ả ở ả ơ ồ ọ ữ

ớ ữ ể ả

ữ ộ ặ ề

ề ế ớ ầ ữ ữ ấ ệ ệ

ự ượ ầ

ữ ệ ườ ạ ạ ẳ

ữ ể ượ ả ữ ữ ể ẩ

c dùng đ phát tri n s đ h c c nh tranh khác v i s đ ượ ể

ng này đ ả ở ượ

- 1

ể ơ ồ ọ ạ ệ đ c tính và m t véct ằ tâm c ớ ơ ồ c th c hi n b ng cách dùng kho ng cách ả ư c đ nh nghĩa nh k đ trên. Đi u này đ ề ơ ặ ữ ự ộ ượ ơ ị

k

là ma tr n covariant ngh ch đ o [n x n] c a nhóm th k, đ ả (3.24) ứ c đ nh ị ượ ủ ậ ị

trên ch phù h p đ phát hi n nh ng ữ S đ h c c nh tranh đ ượ ể ợ ả nh ng nhóm hình c u, b i vì kho ng cách Eclit đ c dùng đ tính kho ng ượ ở cách gi a m t đ c tính và tâm nhóm. Tuy nhiên, nhóm v i kho ng cách Eclit có nh ng đi u b t ti n là vi c phân chia l n và nh ng nhóm kéo dài trong ệ ữ m t vài đi u ki n. Cũng c n l u ý r ng h u h t nh ng nhóm trong nh ng ầ ư ằ ộ t và cũng không có d ng hình c u. Vì c cách ly t t p d li u th c không đ ố ậ i ta dùng nh ng phép đo kho ng cách khác ch ng h n kho ng cách th , ng ả ế Mahalanobis có th đ c dùng trong nh ng chu n nhóm đ tìm nh ng nhóm hình Elip. Ý t ưở đ c mô t ượ Mahalanobis gi a véct sau: v i ớ (cid:229) nghĩa là:

k(.) đ

c đ nh nghĩa nh k là t ng s đi m d li u thu c nhóm th k và I ố ể ữ ệ ứ ổ ộ (3.25) ư ượ ị

1

)

=

( xI k

0

v i Nớ sau: (cid:236) (cid:237) n u x thu c nhóm k và ng ế ộ c l i ượ ạ (cid:238)

ệ ử ụ ế ả

Tuy nhiên có m t s khó khăn liên quan đ n vi c s d ng kho ng cách Mahalanobis trong h c c nh tranh: ộ ố ọ ạ

ỏ ứ ậ ả

• Công th c (3.24) đòi h i vi c tính ma tr n ngh ch đ o c a ma tr n ậ covariant m u m i l n m t đ c tính thay đ i lo i nhóm c a nó, đi u ề ỗ ầ này s đòi h i công s c tính toán nhi u. ứ

ệ ộ ặ ủ ủ ị ạ ổ

ề

• N u s l ộ ỏ

ẫ ỏ ng đ c tính thu c m t nhóm là nh so v i chi u ngõ vào n, ặ ữ ng quan m u [n x n] có th suy bi n, d n đ n nh ng ể ậ ươ ề ẫ ớ ế ộ ẫ ế

ẽ ế ố ượ thì ma tr n t v n đ s khi tính ma tr n ngh ch đ o c a nó. ấ ả ủ ề ố ậ ị

ữ ậ ớ

ở ộ ế ng quan c a m i nhóm đ Đ gi ể ả ví d . ma tr n t ụ ầ i quy t bài toán suy bi n, kh i đ ng thu t toán v i nh ng nhóm c u, c kh i đ ng là ma tr n đ n v . ị ế ậ ươ ở ộ ượ ủ ậ ỗ ơ

- 82 -

ậ ậ ươ

ả ủ ậ

ể ậ ậ ủ ơ ứ ế

ữ ư ế ữ ố ể ng đ n (ra xa) t ướ ể ệ

ệ

ng quan, Đ tránh công s c tính ma tr n ngh ch đ o c a nh ng ma tr n t ứ ị ta nh n c p nh t tr c ti p cho nh ng ma tr n nh th . Theo cùng m t cách ậ ự ộ ng đ n (ra xa) đi m tâm c a đ n v th ng(t ể ướ ị ắ ở ng quan th hi n b i d li u th hi n, t ươ ữ ệ đi m d li u đó. Vì th , khi m t véct ậ ươ ng ữ ệ ể quan c a đ n v th ng nên đ ủ ơ ế ng ng đ i th ) di chuy n h ươ ủ ng quan h ể ệ ươ ế ngõ vào x hi n di n, ma tr n t ộ ế ệ ơ c c p nh t nh sau: ậ ượ ậ ị ắ ư

v i đ i th ta có: ớ ố ủ

- 1

ữ

k

ể ự ị ự ế ầ

k

ư ế ữ ể ậ ơ ộ - 1 ể Tuy nhiên, nh ng lu t này là không th c t vì đ th c hi n c nh tranh, đ ạ ệ ậ ả (cid:229) ệ tìm nh ng đ n v th ng và c nh tranh, c n tính ngh ch đ o sau m i hi n ị ắ ỗ ạ ữ di n c a m t đi m d li u. Đ tránh nh ng tính toán nh th , lu t sau đây ể ệ ủ ậ (cid:229) c p nh t ự ế ậ tr c ti p. Đ làm đi u này, chúng ta đ t: ề ữ ệ ể ặ

ầ ị ắ ự ứ ệ ậ ậ ơ

Đ u tiên ,ta nh n công th c c p nh t cho đ n v th ng. Sai l ch d a trên ậ công th c sau: ứ

Dùng công th c c p nh t cho ma tr n t ng quan, ta có th vi t: ứ ậ ậ ươ ậ ể ế

- 83 -

ng ng cho đ i th c nh tranh đ c vi ng t Công th c c p nh t t ứ ậ ậ ươ ứ ủ ạ ố ượ t t ế ươ (3.26) : ự

ng quan có th đ

ữ ế

ả c tóm t (3.27) c c p nh t tr c Theo cách này, nh ch đ o c a ma tr n t ậ ự ậ ươ ị ả ủ ậ ti p cho nh ng đ n v th ng và c nh tranh. Phiên b n m r ng c a thu t ủ ạ ơ ị ắ toán h c c nh tranh hi u ch nh cho nhóm elip đ ệ ể ượ ậ ở ộ t nh sau: ư ọ ạ ượ ắ ỉ

- 84 -

tâm c ơ

k (k=1,…,H) ậ

w

r

a và

b cho đ n v th ng và đ i th c nh ủ ạ

ng quan là nh ng ma tr n đ n v n x n: 1. EpochNumber = 0; 2. Kh i đ ng ng u nhiên nh ng véct ữ ẫ 3. Kh i đ ng nh ng ma tr n t ậ ươ ữ ở ộ ở ộ ữ ơ ị

a

4. Kh i đ ng nh ng t c đ h c 0

w

r

ị ắ ố ơ ữ £ £ £ ố ộ ọ a 1 . ở ộ tranh đ mà ể

5. Repeat

ệ ngõ vào hu n luy n x(t), t=1,…,N th c hi n ự ệ ấ

a. EpochNumber = EpochNumber +1; b. V i m i véct ơ c ướ

ớ ỗ nh ng b ữ sau: i. Tính kho ng cách: ả

ố ầ ắ ả ồ ộ ơ (3.28) ị ứ

ii. C nh tranh: Xác đ nh đ n v th ng u

w và đ i th c a nó

ả

v i nớ k là s l n th ng c ng d n x y ra cho đ n v th k và dM(.,.) là kho ng cách Mahalanobis. ị ắ ủ ủ ạ ố ơ ị

ur dùng lu t sau: ậ

(3.29)

iii. C p nh t s l ng th ng x y ra: ậ ố ượ ậ ả ắ

tr ng s c a đ n v th ng và ữ ậ ậ ơ ọ ố ủ ơ ị ắ

v. C p nh t ngh ch đ o c a ma tr n t ng quan cho đ n v iv. C p nh t nh ng véct đ i th theo: ủ ố ậ ả ủ ậ ươ ị ơ ị

c.

ậ th ng ắ

Hi u ch nh nh ng t c đ h c theo gi m tuy n tính và c nh tranh. ạ ệ ữ ố ộ ọ ế ả ỉ

k mà

t c các đ n v u ơ ố ạ ỏ ấ ả ơ ị

6. Until 7. Ch n l a nh ng đ n v cu i cùng: Lo i b t ọ ự ơ ọ

ị tr ng s n m ngoài kho ng ngõ vào. véct ữ ố ằ ả

ắ ầ ệ ị

ọ ạ tr ng s c ớ ơ ớ ữ ơ ọ ị

B t đ u v i H đ n v trong l p th ba, h c c nh tranh có hi u ch nh tìm ơ ứ £ H) mà nh ng véct m t t p K đ n v (K ố k(k=1,…,K) th hi n tâm ộ ậ c a nh ng nhóm hình c u trong không gian ngõ vào. Vi c đo kho ng cách ủ ỉ ể ệ ả ữ ệ ầ

- 85 -

ị ủ ộ ượ c

k

(cid:229) ạ ng quan nhóm ỗ b i c u trúc giá tr riêng c a ma tr n t ị ả ở ấ ậ ươ

thi Mahalanobis xác đ nh m i nhóm là m t siêu elip mà hình d ng c a nó đ mô t 3.5.2 Rút ra nh ng thông s gi ữ ủ ố ả t ế

ậ ụ ượ ấ ể ứ

ng không gian con K,ví d . s

ộ ờ ậ

ờ ề ề ậ ờ ơ ẩ ượ ậ ệ

ộ ề ủ ụ

ầ

ik

ậ c nh n v i nh ng thông s gi ữ ậ ộ ớ

m đ ng nh t v i ấ ớ

{

}

ika

c cung c p sau quá B t k ng d ng thu t toán nào, hai lo i thông tin đ ấ ạ ụ ố trình phân chia không gian ngõ vào: s l ố ượ k th hi n tâm m u c ng lu t m và v i m i không gian con, m t véct l ể ệ ỗ ớ ượ ư c đ c p đ n nh là c a không gian con này. M i không gian con này đ ỗ ủ ế m t t p m nhi u chi u th hi n ti n đ c a m t lu t m . Vì th , vi c tính ế ộ ề ộ ậ ể ệ ề ủ t c a m t lu t ph thu c vào tâm và đ r ng c a nh ng thông s gi thi ộ ộ ộ ậ ế ủ ố ả ữ ng ng (siêu hình ch nh t, nhóm hình c u, nhóm elip). không gian con t ữ ứ ươ T không gian con th k, m t lu t m đ ố ả ừ ờ ượ ậ ứ c đ nh nghĩa theo cách sau: thi t đ ế ượ ị • Véct cơ k c a tâm c a nh ng hàm liên thu c Gauss ữ ủ ồ

c a nh ng hàm Gauss đ ủ ị

ứ ượ ớ ậ

ứ ủ ề

ữ ậ ạ ượ ữ ậ ộ ộ ầ ớ

ủ ộ tâm ck =(c1k,…,cnk) c a không gian con th k; ủ • đ r ng c đ nh nghĩa theo cách khác, ữ ộ ộ ph thu c vào thu t toán phân chia. V i phân chia cây k-d, đ r ng a ộ ộ ộ ụ ik c gán cho n a chi u dài c a siêu hình ch nh t th k d c theo đ ượ ọ ế c dùng lý thuy t chi u i. V i thu t toán nhóm hình c u đ r ng đ t đ ề láng gi ng g n nh t đ u tiên: ấ ầ ề ầ

ầ ộ ồ

ố ỗ ả

ấ ớ k và r là m t kho ng thông s ch ng nhau v i cớ h là tâm nhóm g n nh t v i c ả trong kho ng [1.0,2.0]. Trong tr ng h p nhóm elip, n i mà m i nhóm không ơ ườ tr c giao v i nh ng tr c ngõ vào, áp d ng lý thuy t sau: ữ ợ ụ ự ụ ế ớ

k là s đi m d li u thu c v nhòm th k. v i Nớ Hình 3.5 th hi n vi c nh n nh ng thông s gi ậ đ c p. ề ậ

thi t cho m i thu t toán đã ố ể ể ệ ộ ề ữ ữ ệ ệ ứ ố ả ế ậ ỗ

ữ ố

ậ ng h p thu t toán cây k-d (a), nhóm hình c u (b) và nhóm elip thu c trong tr Hình 3.5. Phân chia không gian ngõ vào và nh n nh ng thông s hàm liên ộ ườ ậ ầ ợ

(c).

- 86 -

3.5.3 Rút nh ng thông s k t lu n ố ế ữ ậ

ể ệ ự ậ ấ ả

t c nh ng d li u vào-ra đ jk có đ ữ ữ ệ ậ ữ ố ế ả ủ ầ

ị ị ượ ượ ế ộ

ữ ệ ị

1(t),…,ym(t)) v i t

c đ nh nghĩa dùng nh ng véct ơ

ra y(t)=(y ị ộ ủ ữ ở ượ

ữ ng ng x(t), t=1,…,N v i nh ng không gian con m đ ữ ớ

ứ ủ ữ

jk c a lu t th k đ t đ ậ ở ộ

thi c b ng cách tr ng s m i ố ỗ ọ ậ t c a m i lu t ỗ ế ủ ữ ệ ậ ề ả

m

c xem Đ xây d ng h qu c a m i lu t, t ỗ c b ng xét. Nh ng giá tr ban đ u c a nh ng thông s k t lu n b ằ ữ ị ủ ữ cách đ nh nghĩa m i liên h gi a nh ng giá tr liên thu c liên quan đ n nh ng ữ ệ ữ ố không gian con trong không gian ngõ vào và nh ng giá tr ra. M i liên h này ố t c t=1,…,N đ ớ ấ ả ượ ị ngõ vào và thông tin đ c cho b i nh ng giá tr liên thu c c a nh ng véct ữ ơ t c tìm th y trong ấ ờ ượ ứ ươ không gian ngõ vào. Nh ng giá tr k t lu n b ạ ượ ằ ị ế đi m d li u trong mi n ngõ ra b i đ kích ho t c a gi ể ạ ủ nh sau: ư

ik

ạ ủ ầ ả m thi đ ữ

t c a lu t, mà có th đ ế ủ ượ ữ ứ ệ ợ ộ ơ ị

j đ

(3.30) )txk ( ( ) ể ượ là m c kích ho t c a ph n gi v i ớ c ậ c mô t trong ph n 4.4.2. tính v i đi u ki n nh ng hàm liên thu c ề ầ ả ớ ngõ ra là nh phân ng h p bài toán phân lo i, n i mà nh ng véct Trong tr ơ ạ ườ t c các thành ph n tr giá tr 1, công th c trên tr thành: v i t ị ớ ấ ả ứ ừ ầ ở

c bao ph ố ặ ệ ượ ộ ớ

ế ậ ủ

ự ờ ượ ẽ ễ ả ứ ệ bao nhiêu đ c tính thu c l p C ố ế c cung c p trên t ấ

ả ữ ậ ệ ữ c th c hi n thông qua thông tin đ ượ ạ ị

đây, hai thu n l ữ ề ủ c cung c p: ấ ị ậ ợ

ể ậ ạ ượ i chính đ ạ ể

ng t ậ ớ ầ ề ượ c cho phép chuy n tr ng thái m m gi a nh ng ữ ấ ề ơ ả ữ ệ ủ ữ ệ ưở ộ

ể ề

(3.31) ủ M i liên h này s di n t trong không gian con th k. Vì th , vi c rút nh ng thông s k t lu n c a m t ộ ệ ấ ả ữ t c d lu t m đ li u ngõ vào (ngay c nh ng giá tr mà kích ho t lu t v i nh ng giá tr nh ) ỏ ị thu c v không gian con ngõ vào này đ nh nghĩa ph n ti n đ c a lu t. V i ớ ộ ậ ề c tri n khai vi c rút đ ở ệ ượ • Nh ng lu t đ t đ ữ ữ đi m d li u c a không gian, do m t đi m d li u đ n nh h ể c nh ng không gian con ngõ vào láng gi ng. ả ữ ộ ể ị ễ

ẽ N có th b méo do nhi u, nh ng nhi u này s ễ ng l n trên c u trúc c a nh ng lu t vì chúng ủ ấ ậ ớ

• M t vài d li u trong D ữ ệ không có nh ng nh h ữ ưở chúng nh n đ ậ ượ

ư ả ữ c sau khi xem xét toàn b t p d li u. ộ ậ ữ ệ

3.6. Tinh ch nh thông s toàn c c: c i ti n đ chính xác ả ế ộ ụ ố ỉ

d li u h c hi n th i, ví d c trích t ờ ượ ệ ờ

c thi ữ ọ ạ

ậ ố ắ ầ ủ ữ ố ư

Sau khi m t t p nh ng lu t m đ ộ ậ c u trúc và nh ng tr ng s b t đ u c a m ng đ ữ ấ h c th hai đ đi u ch nh t ỉ ể ề ọ và nh ng thông s k t lu n b ậ ụ ọ ừ ữ ệ t l p, m ng vào pha ế ậ ạ ượ ế ik ˛ WP, aik ˛ WP t c i u nh ng thông s gi thi ố ả jk ˛ WC d a trên cùng t p d li u hu n luy n. ệ ữ ệ ậ ự ứ ữ ố ế ấ

- 87 -

c t o v m t đ ậ ữ ờ ượ ạ ề ặ ộ

x p x hay phân lo i).

ố ứ ỉ ệ ấ ề ậ

ơ

t gi a ngõ ra mong mu n và d đoán đ ố ượ ạ ự

c, nên c n d đoán nó khi máy h c đ

ệ ượ ủ ự ọ

ạ i thi u hàm c đây, m c đích c a h c thông s là t ể ố ọ ụ ủ thông s w. Hàm RF là m t phép đo ng ng v i véct ộ ố ớ c dùng c đ nh nghĩa là m t hàm suy gi m đ ả ượ ộ ượ ị c t o b i c c u h c. ọ ở ơ ấ ấ c hu n ượ ọ c g i là ERF(Empirical Risk Functional) c tính trên toàn t p d li u, ví d trung ầ ượ ượ ữ ệ ụ ủ ả ậ

ẫ ủ

ể ố

N m c tiêu là hi u ch nh véct

ớ

ệ ể ố ỉ

ng ng v i véct i thi u RF t ươ ứ ể i thi u ERF v i cùng véct ơ ố tr ng s w đ mà t ơ ọ ượ ự ự

ố thông s w ơ ớ thông s w. V i t p d li u hu n ấ ữ ệ ớ ậ ể i thi u ERF. Đ ể ố ệ c d a trên gi m gradient th c hi n ờ ề ề ặ ố ạ ả ọ ấ

Pha h c th hai này h tr vi c c i ti n nh ng lu t m đ ổ ợ ệ ả ế ọ chính xác (t l ỉ Nh đã đ c p tr ướ ư RF(Risk Functional) t ươ ứ lý thuy t c a l i t ng quát, đ ế ủ ỗ ổ đ đo khác bi ữ ệ ể Vì RF không th tính đ ể luy n. M t b d đoán c a RF đ ộ ộ ự là trung bình c a hàm suy gi m đ bình m u c a hàm RF. Theo nguyên t c c a ERF đ t ắ ủ thì ch c n t ể ỉ ầ ố luy n Dệ ụ làm đi u này, thu t toán lan truy n ng ậ ề gi m đ d c l n nh t trên b m t trong không gian tr ng s m ng neuro-m ộ ố ớ ả c dùng. W đ ượ

3.7 Nh ng mô hình neuro-m ữ ờ

ơ ờ

ụ ờ ậ

ơ ộ ệ ộ ấ ạ

ơ ữ

ữ ệ ờ

ể ợ c xem xét ữ ờ ượ

ở

ậ ữ ị ữ

ầ ở ầ ứ ủ ủ ậ

ậ ữ

ữ ệ ơ ạ ằ ở ộ

ệ ờ ứ ư ớ ớ ữ ớ

ể ệ ọ ữ ỉ

ể ệ ữ ữ ờ ế ế ữ ậ ơ

ữ ậ ố ế ố ượ ạ ơ ữ ớ ữ ữ ề ạ ớ

ể ệ ữ ạ

ủ ữ ạ ả

ươ ươ ượ ộ

ng trình h c là m t quá trình đ ụ ộ c lái theo d li u. Ch ệ ọ ữ ỉ

ệ ờ ơ ở ữ ữ

ươ ộ ủ ữ ậ ỉ

ầ

ộ ệ ờ ượ ế ợ c k t h p Trong m t h neuro-m (NFS) m t m ng n ron và m t h m đ ạ ộ thành m t c u trúc hài hoà. Nh ng h neuro-m t n d ng nh ng u đi m ư ể ữ ữ ệ ữ i quy t nh ng c a c hai m ng n ron và h m theo cách bù cho nhau đ gi ế ể ả ệ ờ ủ ả i c a chúng; nh ng k thu t h c m ng n ron đã tinh ch nh h m . Có b t l ệ ờ ỉ ạ ỹ ấ ợ ủ ậ ọ ạ ệ m t vài cách đ tích h p nh ng m ng n ron và h m . M t vài lo i h ơ ộ ạ ộ t n chi u đây. NFS x p x nh ng hàm không bi neuro-m đ ề ấ ế ỉ ộ ệ ờ c đ nh nghĩa t ng ph n b i m t t p d li u vào-ra. NFS là m t h m đ ừ ữ ệ ộ ậ ượ ữ mà nh ng lu t ki n th c c a nó th hi n m i liên h gi a nh ng m u d ệ ữ ố ẫ ể ệ ế ọ c xác đ nh dùng nh ng thu t toán h c li u. Nh ng thành ph n c a NFS đ ị ữ ệ ữ ượ m ng n ron áp d ng cho t p d li u. V i m c đích h c, nh ng h m có ọ ụ ớ ụ ơ ạ ấ th đ c th hi n b i m t m ng n ron truy n th ng ba l p. L p th nh t ớ ể ượ ề th hi n nh ng bi n vào, l p gi a th hi n nh ng lu t m và l p hth 1 ba ể ệ ờ ớ c ch đ nh v i th hi n nh ng bi n ngõ ra và nh ng tr ng s k t n i đ ị ể ệ nh ng t p m . Nh ng đ n v n ron tính nh ng toán h ng t-norm và t-conorm ị ơ ữ v i nh ng hàm kích ho t. Nh ng mô hình v i nhi u h n ba l p và nh ng t p ậ ớ ữ ạ c dùng. Nói chung, th hi n m ng m là nh ng hàm kích ho t cũng đ ượ ờ n ron minh ho rõ nét b n ch t song song c a nh ng h m . ệ ờ ấ ơ Ch ng trình h c ọ ữ ệ v n hành trên nh ng thông tin c c b , và ch gây ra nh ng hi u ch nh c c b ụ ộ ỉ ậ ữ ữ ng trình h c l y nh ng đ c tính c a nh ng trong nh ng h m c s . Ch ặ ọ ấ h m liên quan, vì v y ràng bu c nh ng hi u ch nh có th c a nh ng thông ể ủ ệ ữ ệ ờ b t kỳ t ng nào c a quá trình h c, s h th ng. Vì NFS luôn là m t h m ọ ộ ệ ờ ở ấ ủ ố ệ ố ộ c kh i đ ng ch rõ nh ng thành ph n c a m t ch ữ ỉ ở ộ ng trình h c có th đ ọ ể ượ ươ ủ ầ

- 88 -

d ộ ệ ờ ừ ữ ể

ế ả ế ể ượ ồ ạ ằ

ộ ệ ệ ệ ộ

c dùng đ xây d ng m t h m t ự ví d . i b ng cách h c t ụ ọ ừ ể ổ ữ ợ ề c dùng đ t ng h p nh ng h neuro-m là: ờ ờ ượ ổ c t ng ệ

h m . K t qu là, NFS có th đ ả ệ ờ li u hay c i ti n m t h đang t n t ệ M t vài mô hình hi n th i đ ờ ượ GARIC,NEFCON,FuNe,ANFIS,…Trong đ tài này, h neuro-m đ h p dùng k thu t h suy lu n neuro-m thích nghi. ợ ậ ệ ậ ờ ỹ

3.8 .Ph ươ ng pháp lu n ANFIS ậ

n thì

ng pháp ANFIS cho phép thi ế ế ữ t k nh ng h m lo i Sugeno v i nh ng ệ ờ ạ ữ ớ

j

+

0

Ph ươ lu t có d ng: ậ Rj:N u xế

2 và …và xn là LXj + + j ... xc nn

(3.32)

i,

ữ j ữ ữ ở ề ữ ụ ứ

ế ố ể

ằ ậ ữ ữ ứ ậ ầ

ượ ữ ỉ

ầ

j xc 22 j,v i i=1,…,n là nh ng thu t ng ngôn ng ậ ớ i ti n đ c a lâ t th j và c ữ ề ủ k j trong ph n k t lu n ậ ố ọ ế ầ ng pháp c cho, ph ươ ế ấ ố j j k trong i và nh ng h ng s c ằ ạ c đi u này, h m lo i ệ ậ ờ c th hi n nh m t m ng n ron truy n th ng v i nh ng thành ữ ể ữ

ộ ể ơ ề ẳ ớ

ượ ề c tinh ch nh thông qua nh ng ch ươ ng trình h c chu n đ ọ ẩ

ạ 1 và x2 là LXj 1 là LXj = + j i c xc y 11 v i j=1,2,…,N là s lu t, LX ố ậ ớ (nh ng hàm liên thu c) c a nh ng bi n vào x ủ ộ v i k=0,…,n là nh ng h ng s tr ng s đ tình ngõ ra y ớ c a lu t th j. Nh ng lu t ki n th c ban đ u b t kỳ đ ứ ủ ANFIS hi u ch nh nh ng hàm liên thu c, LX ữ ệ t c các lu t. Đ làm đ ph n k t lu n c a t ậ ủ ấ ả ế Sugeno đ ạ ể ệ ượ ư ộ ph n c a nó đ ỉ ượ ủ kh p ng x vào-ra c a h m . ủ ệ ờ ầ ớ ứ ử

3.8.1 Th hi n m ng c a nh ng h m lo i Sugeno ệ ờ ạ ể ệ ủ ữ ạ

1,L2,L3,L4 và 1 đ n v trong L

ơ ạ ệ c th ơ

ng pháp ANFIS, m t h m v i n ngõ vào và N lu t đ ậ ượ ị ử 0= v i ớ n đ n v phân b ị

ơ ử ượ ớ ớ 4. L p Lớ ạ ờ

ỗ ế

ữ ố ơ

c h c trong su t quá trình hu n luy n. Th ậ ị ơ ố ữ ọ

ượ ệ ạ

ố ủ ạ ộ ậ ư ơ ỗ ờ

ạ ộ ộ

c cho nh sau. ệ ố ữ ỗ ủ ị ơ ể ệ ộ ị

ể Trong ph ươ ộ ệ ờ ớ hi n b i m t c u trúc m ng truy n th ng nam l p v i N đ n v x lý n ron ề ẳ ộ ấ ở ố trong các l p Lớ ị ơ ơ 1 t o thành m t t ng m hoá c xem xét là m t l p x lý n ron. L không đ ộ ầ ộ ớ 2,L3,L4 tính nh ng lu t ki n th c và cu i cùng ngõ vào, sau đó m i hàng qua L ố ứ ữ 1 và L4 là thích 5 tính giá tr ngõ ra cu i cùng. Nh ng đ n v n ron trong L l p Lớ ị nghi, nh ng thông s c a nó đ ể ệ ấ ượ hi n chính xác và ho t đ ng c a m ng đ ủ 1). M i nút nh n m t ngõ vào h th ng đ n và m hoá giá tr c a L p 1(L ị ủ ộ ớ ữ ậ nó, nghĩa là tính đ liên thu c c a nó cho nh ng toán h ng ngôn ng (t p c th hi n b i đ n v n ron này. M i nút đ nh nghĩa m t hàm liên m ) đ ờ ượ thu c hình chuông xho nh ng toán h ng ngon ng li n quan: ộ ở ơ ử ữ ệ ạ

m

ệ ố ể ế ộ ( ). là giá tr liên thu c. (3.33) v i xớ i là m t bi n ngõ vào h th ng, a,b,c là nh ng thông s có th hu n ấ ố ữ luy n và ệ ộ ị

1

2 đ

- 89 -

ứ ủ

2). M i đ n v n ron trong L L p 2(L ị ơ ớ ỗ ơ hình thành ti n đ c a lu t ề ủ ậ ươ ề là nh ng đ liên thu c. B ng cách nhân t ằ ộ ộ ng ng: đ đáp ng c a lu t t ộ

ữ c k t n i v i nh ng nút trong L ữ ng ng, vì th nh ng ngõ vào c a nút trong L 2 t c nh ng giá tr vào, m i nút tính ị ượ ế ố ớ ữ ữ ế ấ ả ỗ

3 đ

ậ ươ ứ ủ ứ

3). M i đ n v n ron trong L ị ơ 2. M i đ n v tính đ đáp ng t

ỗ ơ ượ

c k t n i v i t ng đ i c a lu t t ứ

(3.34) ơ t c nh ng đ n ữ ằ ng ng b ng ứ t c lu t: L p 3(L ớ v trong L ộ ị cách chu n hoá đ đáp ng c a nó so v i đ đáp ng c a t ủ ẩ ỗ ơ ộ ươ ớ ộ ị ứ ế ố ớ ấ ả ố ủ ứ ậ ươ ủ ấ ả ậ

ế ố ớ ị ơ ớ

ộ ơ ủ ế ậ

L p 4(L ớ trong L3 và đ n t ng ng đ t ươ ứ (3.35) ị c k t n i v i m t đ n v 4). M i đ n v n ron trong l p 4 đ ỗ ơ ượ t c ngõ vào h th ng. M i nút tính k t lu n c a lu t ậ ế ấ ả ỗ ng đ i: ọ c tr ng s b i đ đáp ng t ố ở ộ ệ ố ứ ượ ươ ố

r

(3.36)

ả

4. Nút này tính ngõ ra cu i cùng,y, c a h m b ng cách c ng t

,i=0,…,n là nh ng thông s có kh năng hu n luy n. ấ ố 5). Ch m t đ n v n ron trong l p 5 đ ượ ị ơ ủ ệ ờ ằ

ữ ỉ ộ ơ ớ

ệ ế ố ớ ấ ả ơ t c đ n c k t n i v i t ấ ả t c ộ

=

y

v i cớ i L p 5(L ớ v trong L ị nh ng k t lu n đ ế ữ ậ ượ ọ ố c tr ng s nh ng ngõ vào: ố ữ N

iy

= 1

i

(cid:229) (3.37)

3.8.2 Ch ng trình h c c a nh ng thành ph n thích nghi ươ ọ ủ ữ ầ

ầ ữ ộ ệ ờ ữ ệ ệ ấ

ố ủ

ữ ả ơ ở ậ ữ ố ữ ế

ươ ộ ữ ơ

c d đoán dùng ch ủ ố ế ươ

ng bình t đ c tính vào- c l ướ ượ ể ế ặ ứ ấ ỏ

Cho m t h m ban đ u và nh ng đ c tính d li u hu n luy n vào-ra, ặ ng pháp ANFIS cho phép tinh ch nh nh ng thông s c a nh ng hàm liên ph ỉ 1 và nh ng h ng s trong k t qu c s lu t trong thu c trong nh ng nút L ữ ằ 4. nh ng đ n v n ron c a L ị ơ Nh ng thông s k t lu n đ ng trình ậ ượ ự ữ ph ng nh nh t (LSE). T nh ng công th c trên ta có th vi ừ ữ ươ ra nh sau: ư

(3.38)

ng ngõ vào h th ng và N là s lu t. M r ng và dùng véct : v i n là s l ớ ố ượ ố ậ ệ ố ở ộ ơ

(3.39)

Xem xét t ấ ả ữ t c nh ng đ c tính hu n luy n vào-ra (3.40) ấ ệ ặ

- 90 -

(3.40)

c vi Qua nh ng đ nh nghĩa thích h p (3.40) có th đ t: ị ữ ể ượ

ườ ề ữ ặ ả ơ

XC -

ố ầ

ng bình ph i bình ph ng ả i thi u l ể ỗ ng nh nh t cùa C t ấ ươ ố ỏ

ợ ế Y=XC (3.41) ng thì bài toán trong v i Y là Mx1, X là Mx(n+1)N và C là (n+1)Nx1. Th ớ ữ (3.41) tính nh ng thông s C là quá kh năng, có nhi u đ c tính h n nh ng ố i chính xác. Thay vào đó, thông s c n tính, M>(n+1)N và không có cách gi 2Y c l ươ ướ ượ là:

) 1-

ị ủ ế

ả ề

i đ ệ ậ ộ ươ

ứ ủ

c tính đ (3.42) )XX T i ả không suy bi n. Cách gi ả ượ c ả ng trình đ quy ề i là ệ ả ơ ầ

v i ớ ( XX T (3.42) c n ph i tính toán nhi u do ngh ch đ o ma tr n hay không gi ầ )XX T n u ế ( suy bi n. Đ tránh nh ng v n đ này, m t ch ể ế ử T c dùng. Cho hi u qu h n đ ượ ệ thành ph n th I c a véct ứ ủ ng pháp đ quy dùng ph ươ ế ( là ngh ch đ o o c a X n u ả ả ị ấ hàng th I c a ma tr n X và y ix là véct ậ ơ y. Thì cách gi i LSE cho C có th đ ể ượ ả c ch p nh n r ng rãi: ậ ộ ơ ượ ấ

0

(3.43)

ệ ọ ớ (3.44) ng quan. Nh ng c g i là ma tr n t ữ ậ ươ ướ v i I là ma tr n đ n v kích th c ơ ậ ị

lse=CM v i ớ y đ ượ = y Ig 0=0 và ầ ng l n. ộ ố ươ ớ i thu t ậ ổ ữ ộ m c. Cho z là b t kỳ thông s a,b,c c a nh ng hàm liên thu c

c xác đ nh b ng gi ả ằ ị

ề ượ ủ ố ề ố ữ ề

* và ngõ ra th cự cho m t lu t đ n sau khi m t đ c tính lan ộ ặ

ữ ổ ố ng gi a ngõ ra mong mu n y zD ậ ơ ổ ộ

v i i=0,…,M-1 thì C ớ đi u ki n ban đ u là C ề (n+1)N và g là m t s d Nh ng thay đ i cho nh ng thông s ti n đ đ ữ lan truy n ng ượ ấ và E là đo l i là t ng bình ph ỗ ươ y. Sau đó nh ng thay đ i trong z, ữ truy n là: ề

- 91 -

(3.45) là m t h s t c đ h c b t kỳ. Áp d ng liên ti p chu i lu t này ta ộ ệ ố ố ộ ọ ụ ế ậ ấ ỗ

v i ớ s c:ượ đ

v i h s cu i ph thu c vào thông s hàm liên thu c : ớ ệ ố ố ụ ộ ố (3.46) ộ

(3.47)

(3.48)

ng trình h c đ c th c hi n l p l ự ươ ọ ượ ỗ ầ ặ

ặ ữ ố ị

c đ nh nh ng thông s ữ c l c

i u đ ứ

(3.49) i, v i hai pha cho m i l n l p. Đ u ầ ố ng dùng ng nh nh t. Th hai, nh ng đ c tính ngõ c đ nh nh ng thông s k t lu n ,sau đó ữ ề ng trình ượ ặ ậ

Ch ớ c lan truy n gi tiên, nh ng đ c tính ngõ vào đ ề ti n đ , sau đó nh ng thông s k t lu n t ậ ề ố ư ch ấ ỏ ươ vào đ ữ nh ng thông s ti n đ đ ữ ng bình ph c lan truy n trong khi gi ệ ệ ặ ạ ượ ố ế ươ ữ ố ị ỉ ữ c l ướ ượ ề ố ề ượ ướ ượ ữ ố ế c. ượ c hi u ch nh b ng lan truy n ng ằ ề ượ ề

ộ ệ ố ạ ề ơ ể ấ ằ ạ

3.9. M t vài c u trúc minh ho đi u khi n h th ng b ng M ng n ron và logic mờ

3.9.1. ng và đi u khi n h th ng b ng m ng n ron c l Ướ ượ ệ ố ơ ể ề ằ ạ

ấ ộ ệ ố ề ạ

ơ ộ ộ ề ề ạ

c th hi n trong C u trúc c a m t h th ng đi u khi n m ng n ron đ ể ệ ượ ể ủ hình sau. H th ng đi u khi n này có m t b đi u khi n m ng n ron và ơ ể ể ệ ố m t b đánh giá m ng n ron. ộ ộ ạ ơ

- 92 -

Hình 3.6.H th ng đi u khi n b ng m ng n ron ệ ố ể ề ạ ằ ơ

ộ ằ ấ ượ ệ

ố c hu n luy n b ng cách nh n sai l ch ngõ ra thi ộ ặ

ể ượ ể

t b mong ế ị c hu n luy n b ng ằ ệ ế ộ ế t ấ ế ớ ộ ằ ậ ể ợ ộ

B đánh giá đ ậ ệ mu n và ngõ ra b đánh giá. M c khác b đi u khi n đ ộ ề cách nh n sai l ch ngõ ra b đánh giá và m t đi m tham chi u. Vì th b ệ ộ s r ng ngõ r ng ngõ ra b đánh giá phù h p v i ngõ ra thi đi u khi n gi ả ử ằ ề b .ị

Véct ơ ngõ vào cho b đánh giá là: ộ

ắ ầ ữ ệ ể ộ

Và ngõ ra là yestimated(k+1) Sau khi hu n luy n b đánh giá, b đi u khi n b t đ u và d li u cho b ộ ệ ộ ề ấ c c p nh t. đánh giá đ ậ ượ ậ

Ngõ vào c a b đi u khi n là: ủ ộ ề ể

c đ ề ề ể ậ ượ ể

Và ngõ ra là u(k+1). C hai b đi u khi n và đánh giá đ u dùng thu t toán lan truy n ng hu n luy n. ộ ề ệ ả ấ

3.9.2.B đi u khi n PI v i M ng n ron nh m t b đánh giá thông s ơ ư ộ ộ ộ ề ớ ể ạ ố

- 93 -

ố ạ ể

ỗ ằ ề ộ ộ

ượ ị ế ấ ươ ể ả c tích h p trong ph ợ ể

ượ ể ố

ơ ơ ấ ộ ư ụ ủ ế ị

ằ

ạ ơ

ư ộ ộ

ể ề ộ

ữ ố

ậ ủ ể ầ

V n đ chính v i b đi u khi n lo i PI là xác đ nh các h ng s tích phân và ớ ộ ề ề ấ ỉ ệ P,KI) cho m i đi m công tác. Đ gi i quy t v n đ này, m t b đánh t l (K ể giá thông s m ng n ron đ ng pháp đi u khi n PI ề ơ ố ạ nh hình 3.7. ư ủ c hu n luy n đ đánh giá thông s . M c đích c a M ng n ron này đ ạ ệ t b và m ng n ron là th c hi n n i s y gi a nh ng đi m công tác c a thi ể ệ ữ ữ ự ạ ệ ng ng. Vì th ,c p hu n luy n t o ra nh ng h ng s tích phân và t l t ế ặ ứ ố ấ ỉ ệ ươ ữ ạ initial,yref],[KI,KP]). Sau khi hu nấ c hình thành theo d ng ([y cho m ng n ron đ ạ ượ ố ự luy n, m ng n ron có th đ c dùng nh m t b đánh giá thông s tr c ể ượ ơ ạ tuy n cho b đi u khi n lo i PI. Theo m t quan đi m khác,có th xem ể ạ ộ ể ỉ ệ ươ ng t thi nh ng đi m công tác nh gi t và nh ng h ng s tích phân,t l ế ư ả ng h p này, m ng n ron ứ ơ ạ ợ ế ậ ế th c hi n n i suy trong không gian quy lu t c a h th ng. ệ ế ằ ữ ng là ph n k t lu n c a lu t N u-Thì. Trong tr ườ ự ậ ủ ệ ố ệ ộ

3.9.3.B Đi u khi n t ộ ề ể ố ư ơ i u n ron d a trên quy lu t ậ ự

i u nh ng h ấ ề ươ

ầ ệ ữ i u rút ố ư ng pháp m i đ ầ ề ng pháp d a trên t ươ c đ xu t cho đi u khi n t ể ố ư ự

ở ừ

ấ ữ ệ ố ộ ề

ỉ ữ ị

ữ

ỷ

ữ ề ự

ế

ậ ng pháp đ ẳ ề ượ ạ ể ậ

ụ ể

ờ ượ ỹ

ể

ượ ườ

ủ ế ng khó có đ ạ ề ậ ườ ớ ố ộ

ng pháp m i cho v n đ ớ ố ắ ề ấ

c gi M t ph ớ ượ ộ th ng nhi u đ u vào nhi u đ u ra(MIMO). Ph ề ề ố quy lu t,mà đ ra t c n i suy b i m ng n ron. ơ ậ ượ ộ ạ t k nh ng b đi u khi n cho h th ng MIMO luôn là v n đ Vi c thi ề ế ế ệ ể khó khăn th m chí đó ch là nh ng h tuy n tính. Ý t ng đang th nh hành ậ ưở ế ệ đ c dùng đ đi u khi n nh ng h th ng MIMO tuy n tính là tách riêng ra, ế ượ ể ể ề ệ ố n u có th . Trong s t th p k qua, có nhi u cách gi ấ i quan tr ng cho v n ả ưố ể ế ọ ể c xây d ng chuyên d ng đ đi u khi n đ này b ng nh ng ph ể ề ề ươ ằ ụ nh ng thi t b tuy n tính,ch ng h n nh ng k thu t đi u khi n theo cách ỹ ữ ể ề ữ ế ị ậ t(sliding mode) và đi u khi n n ron. H u h t nh ng k thu t này là th c tr ầ ơ ỹ ữ ượ ứ ế ng h p c th . khá ph c t p và ch có th áp d ng cho m t tr ỉ ứ ạ ộ ườ ợ ụ ể c áp d ng m t cách h n ch trong Nh ng k thu t đi u khi n m đ ế ề ạ ộ ụ ể ậ ữ c nh ng quy đi u khi n nh ng h th ng MIMO ch y u vì vi c nh n đ ữ ượ ậ ệ ệ ố ữ lu t không ph i là d dàng(th ậ ng quy lu t c) và s l ố ượ ễ ả ng l n, ph thu c vào s ngõ ra và tr ng thái. th ụ M c đích c a chúng ta là c g ng tìm m t ph ủ ụ i quy t này quy lu t k t h p v i m ng n ron. ch a đ ậ ế ợ ả ư ượ ươ ạ ộ ớ ế ơ

- 94 -

Hình 3.7. C u trúc b đi u khi n PI v i b đánh giá thông s m ng n ron ộ ề ố ạ ớ ộ ể ấ ơ

3.9.4Phân tích n i h i ồ ơ

c đ ụ ượ ứ ơ ướ ộ ệ ố

ệ ữ

hình bên d c th hi n i. H ộ ượ ể ệ ở

ộ ứ ể ậ ướ ư ồ ơ ướ t b ng h i n ụ ng đ ng và đi u khi n n i h i này đ ố

ờ

ướ

c qua đó n ộ ế ổ t b i h i n ệ ở ơ ướ ầ

ộ ố

ướ ề

c: ả ị ướ ụ

t cho khí quy n; c áp d ng cho bình đun n ệ đ nh sau đ ổ ể

t c a thành bình (phân cách gi a h i và n c) là không c ng d ng r ng rãi M t h th ng n i h i c p nhi ệ ằ ồ ơ ấ ộ t h u d ng trong các quá trình hoá h c. Đáp trong công nghi p. Nó đ c bi ệ ặ ọ ệ ứ ề ướ ổ c l u thông v i t c đ bi n đ i th ng ch a m t m t ch u n ớ ố ộ ộ ế ệ ộ i=50C. t đ T wi(kg/min). N c vào,có t c đ bi n đ i theo th i gian,t i nhi ố ướ ạ c c p nhi N c trong ch u đ ậ ạ c ng ng t i trong v ch u t ỏ ụ ư ượ ấ ậ ệ ộ V. Đây là m t h th ng ba đ u vào và hai đ u ra. nhi t đ T ộ ệ ố ầ c ra và t c đ dòng h i là nh ng T c đ dòng n ữ c vào, t c đ dòng n ố ướ ướ ơ ộ ộ ố đ u vào đi u khi n c a h th ng. Nhi ậ c trong ch u ng n t đ và kh i l ố ượ ệ ộ ể ủ ệ ố ầ là nh ng ngõ ra. ữ Nh ng gi ữ ượ 1. B qua t n hao nhi ỏ 2. Đ tích nhi ộ ướ ơ

ữ c trong bình; đáng k khi so v i nhi ể t c a n ệ ủ ướ

t c a thành bình bên ngoài,ti p giáp v i môi tr ộ ế ớ

ệ ộ ủ ng xung ằ t đ c a thành bình này là đ ng nh t và b ng ườ ấ ồ

ể

t đ đ ng nh t; i b t kỳ th i đi m nào; ờ ượ ấ ủ ể ạ ấ

c khu y đ đ t o ra m t nhi v đ c gi ệ ủ ớ 3. Đ tích nhi ệ ủ quanh là h u h n và nhi ạ ữ v i nhi t đ h i t ệ ộ ơ ạ ấ ớ 4. N c trong bình đ ướ 5. N i năng c a h i trong ng d n U ộ ủ ơ ẫ ộ ệ ộ ồ đ nh là không đ i; ả ị ượ ố ổ

- 95 -

dòng h i truy n vào n c trong ch u đ c mô t t t ệ ừ ề ơ ướ ậ ượ ả

6. L u l ng nhi ư ượ b i bi u th c ứ ể ở

2) t chung J/(min)(m

2)(0C)

q = U(Tv–To) t J/(min)(m ệ

v i q = t c đ l u l ng nhi ố ộ ư ượ ớ U = h s truy n nhi ề ệ ố ệ ệ ộ ơ 0C) t đ h i ( Tv = nhi ệ ộ ướ 0C) c ( t đ n To = nhi

ằ c b ng cách d a vào cân b ng ự c dùng trong quá ng trên ph n n c và ph n h i. Nh ng ký hi u đ ượ ệ ượ ượ ằ ữ

ch u, kg/min

3

Hình 3.8. N i h i ồ ơ ể ơ ầ c đ nh nghĩa nh sau: ư 0C) c ch y vào ( ả 0C) c ch y ra ( ả c ch y vào, kg/min ng n ả ướ c ch y ra, kg/min ng n ướ ả ng ng ng t t ụ ừ ậ ư ng h i, kg/min ơ c trong ch u,kg

ố (cid:176) C)

2

(cid:176) C) ậ ơ c, J/(kg)( ạ

t,m ệ ổ

ủ ơ ướ ủ ơ ướ

3

c đi vào,J/kg c đi ra,J/kg c trong ng, J/kg ố ủ ơ ướ ộ

Mô hình toán h c c a h th ng có th thu đ ọ ủ ệ ố năng l ầ ướ trình phân tích này đ ượ ị t đ n TI = nhi ệ ộ ướ t đ n TO = nhi ệ ộ ướ wI = t c đ l u l ố ộ ư ượ wO = t c đ l u l ố ộ ư ượ wC = t c đ l u l ố ộ ư ượ wV = t c đ l u l ố ộ ư ượ ng n m = kh i l ậ ướ ố ượ m1 = kh i l ng thành ch u, kg ố ượ V = th tích không gian h i trong ng,m ể C = nhi t dung c a n ủ ướ ệ t dung c a kim lo i trong thành ng, J/(kg)( C1 = nhi ủ ố ệ A = di n tích m t c t ngang đ trao đ i nhi ệ ể ặ ắ t = th i gian, phút ờ Hv = entanpi c a h i n HC = entanpi c a h i n Uv = n i năng c a h i n r v = m t đ h i trong ng,kg/m ố ậ ộ ơ

- 96 -

ng trình cân b ng năng l ượ ng và cân b ng kh i l ằ ố ượ ng cho ph n h i và ầ ơ ươ

c vi Ph c đ n ướ ượ ằ t nh sau: ư ế

ừ ế ng trình trên,ta th y r ng h th ng th ng này là phi tuy n. ệ ố ố

T nh ng ph ữ Nh ng véct ươ tr ng thái, đ u vào và đ u ra là: ơ ạ ấ ằ ầ ữ ầ

i u Neuro d a trên quy lu t cho nh ng h ộ ể ố ư ữ ự ậ ệ

3.9.4.B Đi u khi n t ề th ng MIMO phi tuy n ế ố

3.9.4.1.Nh ng h th ng MIMO ệ ố ữ

Gi s m t thi t b MIMO đ c cho v i m t mô hình toán h c nh sau: ả ử ộ ế ị ượ ư ớ ộ ọ

ệ ố

v i ớ x(t), f(x(t), u(t))˛ Rn, u(t)˛ Rm và y(t), g(x(t))˛ Rp. Ngõ ra h th ng y(t) c n ầ d(t)˛ Rp. ph i theo m t tín hi u tham kh o y ệ ả ả ộ

3.9.4.2.Thi ế ậ t l p quy lu t ậ

- 97 -

ữ

ự c phát tri n b ng cách s d ng mô hình toán h c c a m t thi ượ ằ ọ ủ

ể ử ụ i u. Đó là, t ả ộ ượ ừ ộ ố ư

m t mô hình có đ ị ể ừ ề ầ

c ch n phù h p. ậ c phát tri n d a trên quy lu t trong đó nh ng quy lu t B đi u khi n đ ậ ể ộ ề ế ị ớ t b v i đ ượ ể c, b ng cách m t kh năng phán đoán t ằ ộ ệ phân chia không gian tr ng thái và không gian ngõ ra và xác đ nh m t đ i di n ộ ạ cho m i ph n chia, t ậ ố i ữ ọ ư ạ đó xác đ nh nh ng tín hi u đi u khi n (quy lu t) t ệ ợ ị u, s d ng m t hàm tính toán đ ượ ỗ ử ụ ộ

p

O

N

s m i thành ph n c a véct ơ ạ ả ử ỗ

k

= 1

= 1

k

i

(cid:213) (cid:213) ẽ

i kho ng,i=1,2,…,n và véct tr ng thái có N n ổ ứ

ậ ế ả ộ ạ ầ

ủ

f].

i u đ t ể ố ề

ơ Gi ầ ủ quy ngõ ra có Ok thành ph n k=1,2,…,p. Thì s có t ng c ng ầ i i) và nh ngữ i ph n th i (đ i di n là x lu t. N u tr ng thái h th ng b t đ u t ệ ạ ắ ầ ạ ệ ố v và Ok (nh ng đ i di n c a ủ ngõ ra b t đ u và k t thúc c a h th ng là O ữ ệ ạ ệ ố ế ắ ầ ấ ố ư c tìm th y t v và yk ), quy lu t liên qua có th đ t là y chúng l n l i u ể ượ ậ ầ ượ i thi u hàm giá tr trong i bài toán đi u khi n t b ng cách gi ị ể ể ố ư ả ằ kho ng th i gian [0,t ờ ả

thi t là v i gi ớ ả ế

ườ ầ ậ ớ ượ c

y Th ữ ườ ơ d(t) có th là b t kỳ hàm tr n nào v i ch n phù h p. Hàm véct ớ ợ ọ ng H,Q và R là nh ng ma tr n đ ể ng chéo v i nh ng thành ph n đ ữ ấ ơ

ớ ộ

ể ố ư ư ả ề

ề

ả ử

ả ự ộ ư ạ ữ ụ

|ui (t)| £ Bi, i = 1, 2, …, m, có thể i u nh gi m đ d c. ộ ố i đi u khi n t c hoàn toàn là s n i s y trong không gian hàm đi u khi n ể ữ s là ánh x gi a ph n b t đ u-k t thúc và nh ng i ta gi ầ ng phân chia là i u liên quan là liên t c. Vì th , n u s l i u b ng m ng n ron ữ ấ ễ ượ ườ ể ố ư ỉ ế ắ ầ ế ế ố ượ ằ ể ố ư i x p x trong xây d ng hàm đi u khi n t ự ề ạ ơ

H n n a, nh ng ràng bu c v i u(t) là ữ ơ đ c h p nh t d dàng trong cách gi ượ ợ Nh ng gì làm đ ữ đây, ng i u. t ố ư ở hàm đi u khi n t ề đ l n, l ỗ ấ ủ ớ bán vô đ nh là khá nh . ỏ ị

- 98 -

3.9.4.3.M ng n ron ạ ơ

ể ể ề ỹ ạ ể

ể ạ ộ ườ ế ầ

ữ ệ ạ ơ

ủ ấ ệ

c th hi n hình sau: ệ ố Đ có th t o nh ng ngõ vào đi u khi n đ mà qu đ o ngõ ra h th ng ữ ng t i u gi a nh ng tr ng thái ngõ ra ban đ u và k t thúc b t theo m t đ ấ ạ ữ ố ư ậ kỳ, chúng ta ph i hu n luy n m ng n ron nhi u l p. M ng n ron này nh n ấ ả ề ớ ơ ạ f) nh nh ng ngõ vào c a nó và o) và ngõ ra mong mu n y(t ngõ ra hi n th i y(t ư ữ ố ờ ệ i u u(t) đ th c hi n công vi c trên. C u trúc t o ra tín hi u đi u khi n t ệ ể ự ể ố ư ạ ệ ề c a b đi u khi n dùng m ng n ron đ ể ệ ở ượ ơ ạ ủ ộ ề ể

Hình 3.9. C u trúc b đi u khi n t ộ ề ể ố ư i u neuro d a trên quy lu t ậ ự ấ

ấ ệ ệ c t o b i b đi u khi n t ở ộ ề ể ố ư

ầ ể ể ữ ầ ầ ầ

ộ ộ ị

ế ạ ữ ề ạ ề ạ ạ ầ

i u và Đ hu n luy n,nh ng tín hi u đ u vào đ ượ ạ ữ ề nh ng đi m đ u vào và đ u ra c n đ c dùng. Theo lý thuy t, có m t đi u ộ ượ thú v là m t m ng n ron bán vô đ nh,nghĩa là m t ánh x gi a không gian ị đ u vào có chi u h u h n và không gian đ u ra có chi u vô h n (ví d ụ ầ nh ng hàm đi u khi n ). ữ ơ ữ ể ề

ơ ữ ị ờ ạ ủ ữ

ầ ẫ ệ ấ ầ ạ ể ạ ạ ơ ủ ệ ế

Nh ng n ron đ u ra t o nh ng giá tr r i r c c a hàm đ u vào trong kho ng ả [to,tf]. Vì th , m ng n ron có th t o ra vi c l y m u c a tín hi u đi u ề khi n.ể

o),y(tf) là nh ngữ

ớ ệ ố ộ ầ

ụ ế ố n chi u: ơ ề

Ví d , n u s ngõ ra là n v i h th ng m t đ u vào, thì y(t véct y(to)=[ y1(to) y2(to)... yn(to)] y(tf)=[ y1(tf) y2(tf)... yn(tf)]

- 99 -

ế ế ượ ả c chia thành m ph n v i chu kỳ l y m u là T, ớ ẫ ấ ầ

o,tf] đ ể

Vì th n u kho ng [t m t c p hu n luy n đi n hình có d ng: ấ ộ ặ ệ ạ

( [ y1(to) y2(to)... yn(to)... y1(tf) y2(tf) … yn(tf) ], [ u(0) u(T)... u(mT)])

ở ượ ạ ệ ố ệ đ u vào r i r c, mà chuy n h th ng t ơ ầ ề

ự ờ

, m ng n ron t o ra véct ạ ả ạ

ề

ẫ

c gi ữ

i u) t ề ể ố ư ữ ệ ố ư ả

v i [ớ u(0) u(T) … u(mT)] là véct ừ ể ờ ạ c t o b i đi u khi n t ạ i u. Sau khi hu n luy n,m ng f) và đ y(to) đ n y(t ể ố ư ấ ế n ron đáp ng ngay l p t c và th c hi n nh m t b đi u khi n th i gian ệ ậ ứ ơ ể ư ộ ộ ề ứ đi u khi n t i u cho kho ng đi u th c. Th c t ề ể ố ư ơ ề ơ ự ế ự ể tfuture-tpresent l nớ i ạ tpresent. Kho ng đi u khi n khi n [ể tpresent, tfuture] t ả trên, ánh x gi a không gian vào – c đ c p h n chu kỳ l y m u. Nh đ ư ượ ề ậ ở ạ ữ ấ ơ ra và nh ng hàm đi u khi n t ụ đ nh là liên t c. D li u (ví d i u đ ụ ượ ể ố ư ả ị ượ ng i bài toán t c b ng cách gi i u thu đ nh ng hàm đi u khi n t ữ ượ ằ ề tr ng cho nh ng tính toán ánh x này t ế ấ i nh ng th i đi m c th . Vì th ,v n ụ ể ể ờ ữ ạ ữ ư đ va ch m quy lu t là không x y ra. ậ ề ạ ả ạ

- 100 -

3.10. THU T GI I DI TRUY N

Ậ

Ả

Ề

3.10.1 Gi i thi u ớ ệ

ơ ờ ớ ạ

ệ ạ ứ i ả ậ ế i quy t Trong nh ng năm 70, m ng n ron nhân t o, logic m , cùng v i thu t gi ụ ả

ượ ng h p ph c t p.

ể ắ

ủ ẵ

c phát minh ra đ b t ch ườ ở ạ ọ ự

ừ ữ

i máy tính có th t o ra m t k thu t giúp gi ự ắ ả ế ế ề

ể ạ nhiên đã di n ra-thông qua quá trình ti n hóa. ữ c nghiên c u và áp d ng thành công trong vi c gi di truy n đã đ ề các tr ứ ạ ợ ườ c quá trình phát i di truy n đã đ Thu t gi ề ậ ượ ả ướ ể nhiên trong đi u ki n quy đ nh s n c a môi tr ng. Các đ c đi m tri n t ặ ị ệ ề ể ự c a quá trình này đã thu hút s chú ý c a John Holand ( đ i h c Michigan) ủ ủ ậ ngay t nh ng năm 1970. Holand tin r ng s g n k t thích h p trong thu t ằ ợ i quy t các v n đ khó khăn gi ấ ậ ả gi ng nh trong t ư ố

c thành công trong ế ạ ượ ự ứ ệ

ể nhi u lĩnh v c trong đó có lĩnh v c đi u khi n t ộ ỹ ễ Vi c nghiên c u, tri n khai ng d ng chúng đã đ t đ ứ đ ng. ự ề ể ự ộ ụ ề ự

3.10.2 L ch s thu t gi i di truy n ử ậ ị ả ề

Tr c tiên, ý ni m v thu t gi ậ ệ ề ượ ộ ố

ữ

ồ ậ ữ ự ế i di truy n đã đ ề ả nh ng năm 50-60, th k XX. A.S. Fraser là ng ế ỉ ng đ ng gi a s ti n hóa c a sinh v t và ch ươ

i quy t v n đ d a theo s ề ự ươ ả

ế ấ ủ ừ

ng và ph ữ ố ưở

ấ ả ự ề

ứ ể ả

ế ơ ả ữ ề ả ệ ạ ự ầ ọ

ệ ế

ậ c m t s nhà sinh v t ướ h c đ a ra t i tiên phong ư ọ ừ ườ nêu lên s t ọ ng trình tin h c ự ươ ủ t gi ớ ng v Genetic Algorithms. Tuy nhiên, chính John Henry Holland m i ả ưở ề là ng ự ng th c gi i tri n khai ý t ườ ưở ứ ể ti n hóa c a con ng i. T nh ng bài gi ng, bài báo c a mình, ông đã đúc ả ủ ế ườ ng vào trong cu n sách đ u tay Adaptation in Natural and k t các ý t ầ ế ủ Artificial Systems, xu t b n năm 1974. D a trên lý thuy t c b n v GA c a Holand, Keneth De Jong đã tri n khai và ch ng minh và nh ng thành qu do ọ ông th c hi n đã góp ph n quan tr ng trong vi c t o ra n n t ng toán h c cho lý thuy t GA. ầ ầ ậ

L n đ u tiên Holand nghiên c u các thu t gi ứ ng pháp này là t i này, chúng hoàn toàn không ả các gen di truy n, Holand đã ề ừ ươ

i di truy n. có tên. Do ngu n g c c a ph ố ủ ồ đ t tên cho nó là thu t gi ậ ặ ả ề

3.10.3 Các đ c đi m, đ c tr ng ể ặ

Nh chúng ta đã bi ồ

ư ế ấ ả ễ ặ t, t ợ ậ t c các c th s ng bao g m nhi u t ề ế ắ ễ ể ắ

ạ ộ

ư ộ ố ễ ộ ỗ

ữ ả ơ

bào, trong ơ ể ố ư m i t bào có các t p h p nhi m s c th nh nhau. Các nhi m s c th là các ể ư ỗ ế chu i DNA (Deoxyribonucleotic Acid) ho t đ ng nh m t mô hình cho toàn ỗ b c th . M t nhi m s c th g m các gen, nh ng kh i DNA. M i gen mã ể ồ ắ ộ ơ ể ộ ặ t. Nói m t cách đ n gi n, m i gen mã hóa m t đ c hóa m t protein riêng bi ộ ệ ộ ỗ t l p có th cho m t đ c đi m (m t xanh, đi m, ví d màu m t. Nh ng thi ộ ặ ế ậ ữ ụ ể ể ể ắ ắ

- 101 -

ắ ộ ị ươ ứ ọ ỗ

m t nâu) đ trong nhi m s c th đ ễ c g i là các gen t ượ ắ ng ng (allele). M i gen có m t v trí riêng c g i là đi m (locus). ể ể ượ ọ

ợ ộ ậ ậ ệ ề ắ

ể ượ ọ ộ ợ

t c các nhi m s c th ) đ ấ ả ễ t c a các gen trong b gen đ ệ ủ ể ể

ớ ủ ơ ể ể ả ể ậ ặ

c g i là Toàn b t p h p v t li u di truy n (t ọ c g i b gen (genome). M t t p h p riêng bi ượ ộ ậ ộ ủ ơ ở là ki u gen (genotype). Ki u gen v i quá trình phát tri n sau này c a c s sinh s n cho ki u hình (phenotype) c a c th , các đ c đi m v t lý và trí tu , ệ ể nh màu m t, trí thông minh… ư ắ

ậ ề

ự ậ ữ ề ờ

ữ i gi ậ ễ ể ắ

i di truy n là nh ng k thu t t ỹ nhiên và di truy n. Trong cách ti p c n này, l c trình bày nh các gen trong nhi m s c th . Thu t gi ư m t nhóm các l ể ứ ử ờ

i u d a trên nh ng khái ậ ố ư i c a ả ủ ế i di ả ề ặ i có th ng c (qu n th ) trên b m t ầ nhiên các nhi m s c th v i đ thích ắ i gi ọ ọ ự ể ể ớ ộ ễ

Các thu t gi ả ni m ch n l c t ọ ọ ự ệ bài toán đ ượ truy n mô t ả ề đáp ng. Qua ti n hóa và ch n l c t ứ nghi t ả ộ ế t h n xu t hi n. ấ ố ơ ệ

nhiên đ m b o cho nhi m s c th có đ thích nghi t ể ắ

ng lai. Thu t gi Ch n l c t ọ ọ ự ề ễ ể ươ ả ầ ậ

ả c truy n cho nh ng qu n th t ữ ắ ừ ắ

ế ộ

t nh t ấ ộ ố i di truy n k t h p s đ ế ợ ẽ ượ ề ả ớ hai nhi m s c th b m đ t o thành hai nhi m s c th con m i các gen t ể ễ (offspring) v i đ thích nghi cao h n b m . Đ t bi n (mutation) cho phép ố ẹ khám phá nh ng vùng m i trên b m t đáp ng. ứ ớ ể ố ẹ ể ạ ơ ề ặ ễ ớ ộ ữ

ả ủ ề

ấ ự ả ế ế ệ ẽ ạ ế ệ ề ộ ắ ễ ể ứ

i u. i di truy n cung c p s c i ti n th h v đ thích nghi c a các Thu t gi ậ nhi m s c th và sau nhi u th h s t o ra các nhi m s c th ch a nh ng ữ ễ ể ắ t l p bi n đ i đã đ thi ế ậ ề c t ượ ố ư ế ổ

t c a thu t gi i u bình ệ ủ i di truy n v i th t c tìm ki m và t ủ ụ ậ ả ớ ố ư

ề c Goldberg. Zbigniew Michalewicz trình bày nh sau: th S khác bi ự ng đ ườ ế ư ượ

ủ ậ ố ứ ợ

Thu t gi i di truy n làm vi c v i m t mã hóa c a t p h p tham s ch ậ ề ả ệ ớ ộ không ph i v i m t tham s . ố ả ớ ộ

i di truy n tìm t ề ừ ộ ả m t qu n th các đi m ch không ph i ứ ể ể ầ

Thu t gi ả ậ m t đi m. ể ộ

ề ụ ứ

ư ứ ổ

i di truy n s d ng các lu t bi n đ i theo xác su t, không Thu t gi ớ ậ đ a vào đ o hàm ho c tri th c b sung khác. ế ặ ề ử ụ ổ ậ ấ

c a toàn b thu t gi i di truy n nh ph n đ c t ế ị ể ặ ả ủ ề ầ ậ ả ộ ư

i di truy n đánh giá thông tin (v i hàm m c tiêu), ch không ả ạ Thu t gi ả ậ s d ng lu t quy t đ nh. ậ ử ụ Nói chung, có th mô t ả . s đ Hình 4.1 ơ ồ

ầ ầ

ể ầ ế ậ ả ơ

3.10.3.1 Kh i đ ng qu n th ban đ u ầ ấ ả ị

ể ở ộ T o qu n th đ u tiên trong thu t gi ạ bao g m t ồ cách kh i đ ng khác nhau. Tr c m t bài toán áp d ng thu t gi i, là n i xu t phát quá trình ti n hóa, t c các giá tr thô ban đ u. Tùy theo v n đ c a bài toán mà có ề ủ ề i di truy n, ậ ấ ấ ụ ở ộ ầ ộ ướ ả

- 102 -

ể ả ắ

Th h ế ệ con

Mã hoá

Qu n thầ

ể

i ả Gi thu t ậ

Đ phù ộ h pợ

Th h Cha ế ệ

Ch n l a ọ ự

Thao tác

Sao chép

ta c n ph i xác đ nh rõ nhi m s c th và cá th cho v n đ , và thông th ể đó s k t qu cu i cùng. Vi c phân tích s d a trên k t qu là c b n nh t. ị ả ố ầ ẽ ế ườ ng ấ ễ ệ ẽ ự ơ ả ấ ế ề ả

Hình 3.10 Các thành ph n c a thu t gi ầ ủ ậ ả i di truy n ề

3.10.3.2 Đánh giá cá thể

ọ ế ả

ắ ề ệ ứ ộ ồ

ắ ằ ự ể ặ ề ả

ị ể ế

Ch c ch n r ng vi c ch n cá th s thông qua k t qu , hay m c đích c a ủ ụ ể ẽ ng m c v n đ . D a trên m c đ thích nghi c a cá th , bao g m nh ng v ắ ữ ướ ấ ủ ộ ng ng v i m t mà cá th g p ph i. Thông th ớ ứ ỏ ươ ặ ườ giá tr đi m thích nghi, k t qu đánh giá g m t ng các s đi m đó. Cá th t ể ố t ố ể ả nh t s có s đi m th p nh t ho c l n nh t. ấ ể ng, đ t m i v n đ nh t ỗ ấ ồ ổ ấ ố ể ặ ớ ấ ẽ ấ

ế ế ủ ễ ắ

ươ ề ể

Theo thuy t ti n hóa c a Darwin, nhi m s c th t ể ố ể ọ ạ ng pháp đ ch n các nhi m s c th t ọ ọ ế t nh t s t n t ấ ẽ ồ ạ ắ ễ ọ ọ ạ ụ ấ

ạ i và t o ể ố ra các cá th con m i. Có nhi u ph t ớ nh t, ví d : ch n l c roulette wheel, ch n l c x p h ng, ch n l c c nh tranh, ọ ọ v.v. …(Matthew Wall [1996, 22], [1996, 23]).

ọ ọ Các cá th cha m đ ể ễ

t h n có c h i cao h n đ tham d vào th h ti p theo. th t 3.10.3.2.1 Ch n l c Roulette (Roulette Wheel Selection) ắ c ch n theo đ thích nghi c a chúng. Nhi m s c ủ ẹ ượ ế ệ ế ơ ể ố ơ ộ ự ơ ộ ọ ể

i ch n l c roulette (Davis, [1991, 8]) nh sau: Thu t gi ậ ả ọ ọ ư

ể ọ ế ủ ủ ầ ổ ọ ả

là đ thích nghi t ng c ng (total fitness). 1. Tính t ng đ thích nghi c a m i thành viên c a qu n th ; g i k t qu ộ ộ ổ ộ

2. Phát sinh n, m t s ng u nhiên gi a 0 và đ thích nghi t ng c ng (total ữ ộ ố ẫ ổ ộ ộ

fitness).

ủ ể ầ ộ

ở ề ổ 3.Tr v thành viên đ u tiên c a qu n th có đ thích nghi l n h n hay ơ ớ ầ ầ c trong qu n ướ ứ ủ ộ

b ng n, b sung vào đ thích nghi c a các thành viên đ ng tr ằ th .ể

- 103 -

ọ ọ ế ạ

ươ ể ự ộ

ng pháp này s s p h ng cá th d a trên đ thích nghi c a chúng. Cá t nh t s có đ thích ủ ấ ẽ Ph ể ấ ể ố ộ

3.10.3.2.2 Ch n l c x p h ng (Rank Selection) ẽ ắ th x u nh t s có giá tr 1, k ti p là 2, v.v. và cá th t ị nghi N (N là s các nhi m s c th trong qu n th ). ắ ễ ạ ế ế ể ấ ẽ ố ể ầ

3.10.3.2.3 Ch n l c c nh tranh (Tournament Selection) ọ ọ ạ

Ch n l c c nh tranh 2(2-tournament selection) ọ ọ ạ

ễ c ch n ng u nhiên và đ ẫ

Hai nhi m s c th khác nhau đ ễ ọ ể ế ễ ắ

ể ế ễ ầ

c so sánh v i ớ ượ ể t h n nhi m s c th I2 ễ ố ơ ể ỏ ị ạ ễ i đ n h t N nhi m ế ặ ạ ế ỡ ộ

ượ ắ ể nhi m s c th t n t i. N u nhi m s c th I1 không t ắ ể ồ ạ ắ nghĩa là: f (I1) ( f (I2), thì nhi m s c th I1 ch t đi và b lo i ra kh i qu n th ắ c phá v m t cách tùy ý). Quá trình này l p l (liên k t đ ế ượ i. s c th còn l ạ ể ắ

Ch n l c c nh tranh 3 (3-tournament selection) ọ ọ ạ

ố ư ượ ể ắ ọ

ắ

c ch n ng u nhiên và ẫ ể ễ ễ i đ n h t N nhi m ế ặ ạ ế ể ầ ỏ

ế ị ạ i. Gi ng nh trên, ba nhi m s c th khác nhau đ ễ c so sánh. N u chúng ta có f (I1) ( f (I2) và f (I1) ( f (I3), thì nhi m s c th đ ượ I1 ch t đi và b g t ra kh i qu n th . Quá trình này l p l ế s c th còn l ể ắ ạ

ử

lai ghép Lai ghép nh m nâng cao k t qu cá th , do đó, toán t 3.10.3.3 Toán t ằ ế ả

ẽ ạ nhanh hay ch m. Còn tùy thu c vào cách t ệ ể ậ

ể ễ

ậ ỹ

ề lai ghép s t o đi u ử ổ ứ ki n cho ti n trình h i t ch c ộ ộ ụ ế và phân b các nhi m s c th mà chúng ta có xác su t lai ghép nhanh hay ấ ắ ố ch m. Sau đây là vài ph ng pháp lai ghép thông d ng trong k thu t di ụ ươ ậ truy n:ề

Lai ghép ánh x t ng ph n có th đ ạ ừ ầ ạ ừ ế

3.10.3.3.1 Lai ghép ánh x t ng ph n (PMX-Partial-Mapped Crossover) ầ ể ượ ế ợ ư ộ ộ ổ ủ ữ ằ ớ

ế

c xem nh m t bi n đ i c a lai ghép hai đi m giao nhau b ng cách k t h p v i m t th t c s a ch a đ c ặ ủ ụ ử ể bi ồ i quy t tính không chính đáng (illegitimacy) có th có. PMX g m ể các b c chính sau: t đ gi ệ ể ả ướ

ể ắ ẫ ọ ộ

Chu i con đ 1. Ch n hai đi m c t nhau cùng v i m t chu i m t cách ng u nhiên. ớ ỗ ộ c đ nh nghĩa b i hai đi m c t đ ở c g i là ánh x thành ph n. ạ ỗ ắ ượ ọ ượ ị ể ầ

2. Trao đ i hai chu i con gi a các cá th cha m đ t o ra cá th con. ẹ ể ạ ữ ể ể ổ ỗ

3. Xác đ nh quan h ánh x gi a các ph n ánh x . ạ ạ ữ ệ ầ ị

4. H p th c cá th con v i các quan h ánh x . ạ ứ ể ệ ợ ớ

Ví d :ụ

ể ể ễ ễ ắ ố ộ

Trong bài toán TSP 9-thành ph . M t nhi m s c th bi u di n toàn b ộ ng đi. đ ườ

- 104 -

9 3 | 8 5 7 1 | 6 4 2 Cá th cha: ể

Cá th m : ể ẹ Đ u tiên, hoán v gi a cá th cha (parent 1) và cá th m (parent 2). 3 5 | 2 6 1 4 | 8 7 9 ể ị ữ ể ẹ ầ

c) ề ướ

Proto-children 1: Proto-children 2: Ký hi u ‘x’ có th đ c xem nh n s (unknown). ệ ể ượ x x | 2 6 1 4 | x x x (Proto: ti n, tr x x | 8 5 7 1 | x x x ư ẩ ố

Hoán v này cũng đ nh nghĩa m t chu i nh ng ánh x . ạ ữ ỗ ộ ị ị

2 ( 8, 6 ( 5, 1 ( 7 và 4 ( 1.

Cu i cùng, đi u ch nh v i quan h ánh x ỉ ệ ề ớ ố ạ

Chúng ta có thể điền thêm các thành phố (từ các cá thể cha mẹ ban đầu),

mà không có vấn đề gì mâu thuẫn.

Cá thể con thứ nhất: 9 3 | 2 6 1 4 | x x x

Cá th con th hai: 3 x | 8 5 7 1 | x x 9 ứ ể

x đ u tiên trong cá th con th nh t (offspring 1) (s là 6, nh ng v n có ư ứ ẽ ể ầ ẫ ấ

mâu thu n) đ c thay b i 5, t ng t v i m i n x ch a bi t (‘unknown x’). ẫ ượ ở ươ ự ớ ọ ẩ ư ế

Cá th con th nh t: Cá th con th hai: ứ ấ 9 3 | 2 6 1 4 | 5 7 8 3 6 | 8 5 7 1 | 2 4 9 ứ ể ể

3.10.3.3.2 Lai ghép có tr t t (OX-Order Crossover)

Lai ghép có tr t t ử ụ c xem nh m t bi n th c a PMX s d ng ư ộ ể ủ ế

ậ ự th t c s a ch a khác. OX g m các b c sau: ủ ụ ử ữ ướ ậ ự có th đ ể ượ ồ

1. Ch n ng u nhiên m t chu i con t m t cá th cha m (parent). ẫ ộ ọ ỗ ừ ộ ể ẹ

ữ ằ ộ ỗ ị

ư t ươ ứ 2. Đ a ra m t proto-child b ng cách sao chép chu i con vào nh ng v trí ng ng nh trong cá th cha m . ẹ ư ể

t c các ký hi u t cá th cha m th hai, lúc này đã có trong ẹ ứ

chu i con. Chu i còn l i ch a các ký hi u mà proto-child c n. 3. Xóa t ỗ ấ ả ỗ ệ ừ ứ ể ệ ạ ầ

trái ủ ừ

ệ sang ph i theo tr t t ậ ự ủ 4. Đ t các ký hi u vào nh ng v trí không c đ nh c a proto-child t ố ị ị c a chu i đ t o ra cá th con. ể ữ ỗ ể ạ ặ ả

Ví d :ụ

9 3 | 8 5 7 1 | 6 4 2 3 5 | 2 6 1 4 | 8 7 9

Cá th cha: ể Cá th con: ể Đ u tiên, phân đo n gi a đ c t các đi m đ c sao chép vào cá th con. ữ ể ắ ể ạ ầ ượ ể

Proto-child 1: x x | 8 5 7 1 | x x x

- 105 -

Proto-child 2: x x | 2 6 1 4 | x x x

Chu i b t đ u t đi m c t th hai c a cá th cha m th hai là: ỗ ắ ầ ừ ể ẹ ứ ứ ủ ể ắ

8-7-9-3-5-2-6-1-4

ỗ ạ ố ở ầ trong cá th con đ u ể

Chu i sau khi lo i các thành ph 8, 5, 7 và 1, cũng 9-3-2-6-4 tiên là:

Cu i cùng, chu i này đ c đ t vào proto-child 1 đ u tiên đ t o ra cá th ể ạ ầ ể

ố ỗ con (b t đ u t ắ ầ ừ ể ượ ặ đi m c t th hai). ắ ứ

6 4 | 8 5 7 1 | 9 3 2

Cá th con th nh t: ứ ấ , chúng ta đ T ể ng t c cá th con khác: ươ ự ượ ể

Cá th con th hai: 5 7 | 2 6 1 4 | 9 3 8 ứ ể

ị ự

ị 3.10.3.3.3 Lai ghép d a trên v trí (Position-Based Crossover) (Scott Robert Ladd ) ự ồ ộ

ế ấ ớ ấ ử ữ

ự ế ợ ị ề ấ

ượ ướ

ể

ộ ặ ạ ễ ả ơ ị

ng c a m i bit trong m t n v i m i bit t ng đ ặ ạ c nhi m s c th nh nhau. S ư ể ng ng trong cá th ứ ặ ạ ộ ắ ươ ủ ỗ

Lai ghép d a trên v trí th c ch t là m t lo i lai ghép đ ng nh t cho mã ạ hóa theo nghĩa đ t bi n k t h p v i m t th t c s a ch a. Toán t lai ghép ủ ụ ử ộ ộ đ ng nh t đ c đ ngh cho mã hóa chu i bit (bit-string encoding) b i ở ồ ỗ ổ c tiên, nó phát sinh ng u nhiên m t m t n , sau đó trao đ i Syswerda. Tr ẫ các gen liên quan gi a các cá th cha m theo m t n . M t m t n lai ghép là ẹ ữ ự m t chu i nh phân đ n gi n có kích th ộ ể t ỗ ươ con, xác đ nh cá th cha m nào s cung c p bit đó. ướ ặ ạ ớ ấ ỗ ươ ị ẽ ể ẹ

ở ấ ợ ệ ể

ồ ế ẽ ử ụ ủ ụ ử ữ ể ả ộ ộ ộ cho mã hóa đ t i quy t tính ế

B i vì lai ghép đ ng nh t s t o ra cá th con b t h p l ấ ẽ ạ bi n, lai ghép đ t bi n s s d ng m t th t c s a ch a đ gi ế b t h p l . ấ ợ ệ

Lai ghép d a trên v trí g m các b c sau: ự ồ ị ướ

1. Ch n ng u nhiên m t t p h p các v trí t ộ ậ ẫ ọ ợ ị ừ ộ m t cá th cha m . ẹ ể

2. T o ra m t proto-child b ng cách sao chép các ký hi u t ệ ừ ằ cá th cha m ể ẹ

ộ tùy thu c vào bit c a m t n t i v trí đó vào proto-child. ạ ộ ủ ặ ạ ạ ị

3. Xóa các ký hi u, lúc này đã đ ệ ượ ỗ cá th cha m th hai. Chu i ẹ ứ ể

c ch n t ọ ừ k t qu ch ch a các ký hi u proto-child c n. ầ ế ả ỉ ứ ệ

4. Đ t các ký hi u vào nh ng v trí không c đ nh c a proto-child t trái ủ ệ ị ừ

ữ ng ng v i tr t t ố ị c a chu i đ t o ra m t cá th con. sang ph i t ặ ả ươ ứ ớ ậ ự ủ ỗ ể ạ ể ộ

Ví d :ụ

9 3 8 5 7 1 6 4 2 Cá th cha: ể

3 5 2 6 1 4 8 7 9

s r ng chúng ta có m t m t n nh sau: Cá th m : ể ẹ Gi ả ử ằ ặ ạ ư ộ

- 106 -

0 1 0 0 1 1 1 0 1

ấ ủ ứ ể ấ ậ

trái sang ph i). M t n : ặ ạ Bit th nh t c a m t n là 0. Nh v y, cá th con th nh t nh n ký hi u ệ ặ ạ ứ ư ậ cá th cha (trong chu i t ả ỗ ừ ể t ừ

ể ứ 3 x x x x x x x x ư ậ ứ ậ ấ

Cá th con th nh t: Bit th hai c a m t n là 1. Nh v y, cá th con th nh t nh n các ký trái sang ph i). Đây là ký ả ặ ạ ể

ể cá th cha (cũng trong chu i t ỗ ừ c trình bày trong cá th con th nh t. hi u ti p theo t ế hi u 9, không đ ứ ấ ủ ừ ượ ứ ấ ệ ệ ể

ể ế ụ 3 9 x x x x x x x ứ ư

hai ký hi u t ấ cá th m là 5 và 2, không ch a trong cá th con th hai. Cá th con th nh t: ứ ấ Ti p t c các bit th ba và th t ứ ể ẹ ệ ừ là 0. Nh v y, cá th con th nh t nh n ậ ể ể ư ậ ứ ứ ứ

Cá th con th nh t: T ể ng t và cu i cùng chúng ta đ c: ứ ấ ố ươ ự 3 9 5 2 x x x x x ượ

3 9 5 2 8 7 1 6 4

9 3 8 5 2 6 1 7 4 Cá th con th nh t: ứ ấ Cá th con th hai: ứ ể ể

ự

ứ ự ự (Order-Base Crossover) ỏ ủ ị

c a các ký hi u v trí đ 3.10.3.3.4 Lai ghép d a trên th t ứ ự ộ ị Lai ghép d a trên th t ự ứ ự ủ ượ ộ ọ

trong đó, th t v trí t ươ ứ ị là m t thay đ i nh c a lai ghép d a trên v trí, ổ c ch n trong cá th cha tác đ ng lên ể ệ ng ng trong cá th m . ể ẹ

Ví d :ụ

ị

c ch n là 3, 4, 6 và 9. Th t ộ ứ ự ủ ể ẹ ể ị

ọ cá th cha s đ ẽ ượ ứ ự ướ

c a các thành c tác đ ng lên cá th m . Các thành c) trong cá th m là 2, 6, 4 và ể ẹ ạ ừ ọ ị ừ i nh ng v trí này (theo th t ấ ể cho tr ủ ộ ả ị ứ ể

Cá th cha: 9 3 8 5 7 1 6 4 2 ể Cá th m : 3 5 2 6 1 4 8 7 9 ể ẹ Gi s r ng nh ng v trí đ ượ ữ ả ử ằ ph trong các v trí t ố ph t ữ ố ạ 9. Cá th con th nh t là m t b n sao c a cá th cha trên m i v trí ngo i tr các thành ph 2, 6, 4 và 9. ố

khác đ ể ấ ả ứ ự ủ c a cá th m ngo i tr ể ẹ ạ ừ

x 3 8 5 7 1 x x x c đi n theo th t ề ượ nh ng thành ph đã có trong cá th cha. ể Cá th con th nh t: ứ ấ T t c thành ph n t ầ ử ữ ố

2 3 8 5 7 1 6 4 9

Cá th con th nh t: ứ ấ , chúng ta đ T ể ng t c: ươ ự ượ

Cá th con th hai: 3 8 5 6 1 4 2 7 9 ứ ể

ố ặ

3.10.3.3.5 Lai ghép có chu trình (CX -Cycle Crossover) ộ ố ặ ọ Gi ng nh lai ghép d a trên v trí, nó ch n m t s ký hi u t ị ư ự ọ i t cha ho c m và các ký hi u còn l ể ạ ừ ệ ẹ cá th cha không đ nhau là các ký hi u l y t ể ệ ấ ừ ể cá th cha ho c m khác. Đi m khác ẹ c ch n m t cách ng u nhiên ộ m t cá th ệ ừ ộ ể ẫ ượ

- 107 -

ữ ọ ộ ớ ng ng v i ứ

và ch nh ng ký hi u đ ỉ nh ng v trí t ng ng gi a các cá th cha m . CX làm vi c nh sau: c ch n m i xác đ nh m t chu trình t ị ẹ ệ ươ ứ ượ ữ ươ ư ớ ể ữ ệ ị

ộ c xác đ nh b i nh ng v trí t ở ữ ị ị ươ ng ng c a các ký ủ ứ

1. Tìm m t chu trình đ ượ hi u gi a các cá th cha m . ẹ ữ ể ệ

ữ ệ ể ộ ở ị

2. Sao chép các ký hi u trong chu trình vào m t cá th con b i nh ng v trí ng ng trong m t cá th cha ho c m . ẹ t ươ ứ ể ặ ộ

ữ ị

3. Xác đ nh các ký hi u còn l ệ đã là chu trình t hi u này, bây gi ệ ờ i cho cá th con b ng cách xóa nh ng ký ạ ể m t cá th cha m khác. ể ừ ộ ằ ẹ

i. 4. Đi n cá th con v i các ký hi u còn l ớ ệ ể ề ạ

Ví d :ụ

Cá th cha: ể Cá th m : ể ẹ Cá th con đ u tiên ch n thành ph đ u tiên t ọ ể 9 3 8 5 7 1 6 4 2 3 5 2 6 1 4 8 7 9 ố ầ ầ ừ cá th cha. ể

ể

ố ứ ố ượ ừ cá th m . Trong ể ẹ

Cá th con th nh t: ứ ấ Thành ph th hai đ cá th cha thành ph này ể ố 9 x x x x x x x x c xem xét ph i là thành ph 3 t ả v trí ‘2’, nh v y: ư ậ ở ị

ứ ấ

Cá th con th nh t: ể Đ n l ế ượ ề t đi u này ng ý thành ph 5 t ụ cá th m . ể ẹ 9 3 x x x x x x x ố ừ

ứ ấ

Cá th con th nh t: T ể ng t 9 3 x 5 x x x x x , chúng ta có m t chu trình đ y đ : ầ ủ ươ ự ộ

9 3 8 5 x x 6 x 2 ể

c đi n t cá th cha m còn l i: Cá th con th nh t: ứ ấ Các thành ph còn l ố i đ ạ ượ ề ừ ể ẹ ạ

9 3 8 5 1 4 6 7 2 ứ ấ

Cá th con th nh t: , T ể ng t ươ ự

Cá th con th hai: 3 5 2 6 7 1 8 4 9 ứ ể

ế

ng truy n nh ng v trí t ứ ự ể ề tuy n tính (LOX- Linear Order Crossover) c phát tri n nh m t s a đ i c a lai ghép th t ư ộ ử ổ ủ ữ ướ ữ

, nhi m s c th đ ị ứ ự ươ ễ

ể ượ ế ắ

ể ượ ể

ể ủ ườ ế ọ

ộ ế ể ượ ể ắ

3.10.3.3.6 Lai ghép th t ứ ự . Lai ghép th t LOX đ ứ ự ượ ị ng đ i c a các gen thay vì nh ng v có khuynh h ố ủ c xem xét xoay vòng trí tuy t đ i. Trong lai ghép th t ắ ệ ố c đ t ra cho TSP. Trong bài toán s p x p công vi c c a hàng đ vì toán t ệ ử ặ ử ượ (job-shop), nhi m s c th không th đ c xem xét xoay vòng. Vì lý do này, ắ ễ i ta phát tri n m t bi n th c a OX g i là lai ghép tuy n tính (LOX), ng trong đó nhi m s c th đ c xem xét tuy n tính thay vì xoay vòng. LOX làm ế ễ vi c nh sau: ư ệ

1. Ch n chu i con t ọ ỗ ừ các cá th cha m m t cách ng u nhiên. ẹ ộ ể ẫ

- 108 -

i m t s l

ằ ầ

, lo i b chu i con 1 t cá th m ẩ ng t ộ ố ỗ l ữ ạ các đ u đ n tâm cho đ n ế ế ể ẹ ươ ự ừ ề ỗ

đ n mi n giao (cross section). cá th cha, gi 2. Lo i b chu i con 2 (sub-string 2) t ạ ỏ ể ừ ỗ t (holes) (đánh d u b ng h) và sau đó đ y các l ỗ ừ ấ khi chúng g p mi n giao nhau. T ạ ỏ và đ y các l ẩ ặ ỗ ế ề

ư ỗ ể ẹ ể ạ ể

ứ ư c a cá th m đ t o thành cá th con ể c a cá th cha đ t o thành cá th ỗ ủ ể ạ ể

3. Đ a chu i con 1 vào các l ỗ ủ th nh t và đ a chu i con 2 vào các l ấ ỗ con th hai. ứ

lai ghép có th gi ể ữ ệ ữ ử

ầ ủ ữ ể ể quan h gi a các v trí tuy t đ i cũng nh ị ẹ ệ ố ề ư ố t.

quan h đ i v i nh ng đi m đ u c a các cá th cha m càng nhi u càng t Các đi m đ u ng v i các ho t đ ng có đ u tiên th p và cao. ạ ộ ộ ư ấ ớ Toán t ệ ố ớ ầ ứ ể

Ví d :ụ

9 3 | 8 5 7 1 | 6 4 2

Cá th cha: ể ể ẹ 3 5 | 2 6 1 4 | 8 7 9 Cá th m :

Đ u tiên, phân đo n gi a các đi m c t đ c sao chép vào cá th con. ắ ượ ữ ể ạ ầ ể

x x | 8 5 7 1 | x x x x x | 2 6 1 4 | x x x ạ ệ ữ ể ắ ể ẹ ữ

ạ ỏ . i m t s l Proto-child 1: Proto-child 2: Sau đó, lo i b các ký hi u trong phân đo n gi a hai đi m c t. cá th m gi l ạ ộ ố ỗ

Cá th m : ể ẹ Đ y các l đ n khi chúng g p mi n giao. ẩ ỗ ế 3 h | 2 6 h 4 | h h 9 ề ặ

3 2 | h h h h | 6 4 9

trong cá th m đ t o ra cá th con th ư ỗ ể ẹ ể ạ ể ứ

Cá th m : ể ẹ Cu i cùng, đ a proto-child 1 vào l ố nh t.ấ

3 2 | 8 5 7 1 | 6 4 9

Cá th con th nh t: ứ ấ , chúng ta đ T ể ng t c: ươ ự ượ

Cá th con th hai: 9 3 | 2 6 1 4 | 8 5 7 ứ ể

3.10.3.4 Toán t đ t bi n ử ộ ế

Cũng gi ng nh lai ghép, toán t đ t bi n làm tăng nhanh quá trình h i t ố ư ử ộ ế

ộ ư ụ ộ

c ph ươ ể

ơ

ng ch n m t trong nh ng ph ng pháp sau : ộ i ta th ộ ụ , nh ng tăng m t cách đ t ng t, cũng có khi s không gây tác d ng gì m t khi ộ ẽ ộ không thành công. Không ai có th đánh giá đ ng pháp đ t bi n nào ế ộ ượ ng pháp đ n gi n, cũng có vài tr t ng h p khá ợ ườ ả ố ơ ph c t p. Ng ữ t h n, do đó có m t vài ph ườ ứ ạ ươ ọ ươ ườ ộ

ế ả ượ

3.10.3.4.1 Đ t bi n đ o ng ộ ị ọ c (Inversion Mutation) ể ễ ắ ộ ẫ ị

chu i gi a hai v trí này. ả Ch n hai v trí ng u nhiên trong m t nhi m s c th và sau đó, ngh ch đ o ỗ ữ ị

- 109 -

Ví d :ụ

9 3 8 5 7 1 6 4 2 ễ ắ

9 3 1 7 5 8 6 4 2 Nhi m s c th : ể Sau khi đ t bi n: ế ộ

ế

Ch n ng u nhiên m t gen và sau đó chèn nó vào v trí ng u nhiên. 3.10.3.4.2 Đ t bi n chèn (Insertion Mutation) ộ ộ ẫ ẫ ọ ị

Ví d :ụ

9 3 8 5 7 1 6 4 2 ễ ắ

9 3 5 7 8 1 6 4 2 Nhi m s c th : ể Sau đ t bi n: ộ ế

ế

3.10.3.4.3 Đ t bi n thay th (Displacement Mutation) ế ỗ ộ ẫ ọ

ng h p đ c bi ộ Ch n ng u nhiên m t chu i con và chèn nó vào m t v trí ng u nhiên. Đ t ẫ ộ ị ế t c a đ t bi n thay th , ế ệ ủ ộ ế ặ ợ

bi n chèn có th đ ư ườ ể ượ trong đó, chu i con ch ch a m t gen. ộ ỗ ộ c xem nh tr ỉ ứ

Ví d :ụ

ễ ắ

9 3 8 5 7 1 6 4 2 9 3 6 8 5 7 1 4 2 Nhi m s c th : ể Sau đ t bi n: ộ ế

ng h (Reciprocal Exchange Mutation) ế ươ ộ ỗ

3.10.3.4.4 Đ t bi n t Ch n ng u nhiên hai v trí và sau đó hoán v gen trên nh ng v trí này. ữ ẫ ọ ị ị ị

Ví d :ụ

9 3 8 5 7 1 6 4 2 ễ ắ

9 3 1 5 7 8 6 4 2 Nhi m s c th : ể Sau đ t bi n: ộ ế

3.10.3.4.5 Đ t bi n chuy n d ch (Shift Mutation) ể ộ ị

Tr c tiên, ch n ng u nhiên m t gen, sau đó, d ch chuy n nó đ n m t v ộ ị ế ể ẫ ộ ị ế ọ

trí ng u nhiên bên ph i ho c bên trái v trí c a gen. ướ ẫ ủ ặ ả ị

Ví d :ụ

ắ

9 3 8 5 7 1 6 4 2 9 8 3 5 7 1 6 4 2

9 3 5 8 7 1 6 4 2 Nhi m s c th : ể ễ Sau đ t bi n (trái): ế ộ Sau đ t bi n (ph i): ả ế ộ

3.10.3.5 Đi u ki n k t thúc ệ ề ế

ế

Thoát ra quá trình ti n hóa qu n th , d a vào bài toán mà có các cách k t ế ể ự ợ ng h p ạ ế ườ ứ ầ ộ ộ

ầ thúc v n đ khác nhau, m t khi đã đ t đ n m c yêu c u. M t vài tr ấ thông th ề ng nh sau: ư ườ

ứ -K t thúc theo k t qu : m t khi đ t đ n m c giá tr yêu c u thì ch m d t ạ ế ứ ế ế ả ấ ầ ộ ị

ngay quá trình th c hi n. ự ệ

- 110 -

-K t thúc d a vào s th h : ch n s th h , quá trình s d ng đúng ngay ự

ẽ ừ t k t qu nh th nào. ị ố ế ệ ướ ế s th h đã qui đ nh tr ố ế ệ ế ế

ả ư ế t đã bao nhiêu th h hay k t qu nào, ế ệ ế ả

c, không c n bi ầ ế ị

ề

ng án khác nhau cho v n đ , ch ng h n nh : ư ấ ượ c ạ ặ ề ế ẳ ả ạ

ọ ố ế ệ ầ -Tính theo th i gian: không c n bi ờ ế ch d a vào s gi qui đ nh mà k t thúc. ố ờ ỉ ự -T h p: dùng nhi u ph ươ ổ ợ ch y theo s th h xong sau đó đánh giá cho ch y theo k t qu , ho c ng ố ế ệ ạ i.ạ l

ả ề ứ

ả ẽ ủ ụ ổ ế ề ứ ậ ề ầ i thu t di truy n và ph n ệ ủ i thu t di truy n trong m t s lĩnh ậ ộ ố

i u ụ ố ư

c dùng thành công trong nhi u bài toán t ượ ề ề ậ

Ứ i thu t di truy n đã đ ể ủ ế ạ ậ

ộ ớ

ệ t k m t lo i anten đ c bi ạ ể ự ế ế ộ ặ

ầ t đ ệ ượ ầ ự ấ ộ

Trên đây là t ng quan v cách th c làm vi c c a gi sau s nói đ n nh ng ng d ng c a gi ữ v c.ự 3.10.4 ng d ng GA trong bài toán t ố ư i u. Gi ả Ví d , bài toán di chuy n c a doanh nhân, bài toán l p k ho ch làm vi c và ệ ụ nhi u bài toán kèm theo ràng bu c có th th c hi n v i GA. Trong ph n này ề ọ s minh ho vi c dùng GA trong thi c g i ạ ệ ẽ ng c c g p. Toàn b anten có 6 thành ph n(hình là anten đ n c c g n v i l ơ ự ắ c đ t tên là Z 4.2), đ ớ ưỡ 1, Z2, Z3, Z4, X1 và X2. ượ ặ

Hình 3.11. Đ n c c g n v i l ơ ự ắ ớ ưỡ ng c c g p ự ấ

ng đi n tr Hình 3.12 Véct ơ ệ ớ ị

ơ ệ

ượ ổ ủ f t ừ qE (hình 4.3) c n đ c dùng đ t g n v i v i giá tr c gi ớ ớ ữ ầ 0. 0 đ n -180 ế i u trong c t ượ ố ư ầ qE phát tri n nh ng ữ i u ể ể ố ư

q đ qE v i góc nâng mong mu n c a nó v i bi n đ i c a ế ớ ng đi n tr ố ằ ườ ng trình GA đ ượ ầ ể ớ

ườ ố ủ Chúng ta mu n r ng véct m t n a bán c u. Ch ươ nhi m s c th v i 6 gen nh trong hình 4.4 ộ ữ ễ ư ắ

- 111 -

ỗ ở ễ ắ

2

(

)

desired

j

E q 0

180

M i gen đ ượ trong kho ng t ả ượ ẩ ị ể ế ể ệ 0 đ n 31 đ n v . Chu n ch n l a (hàm fitness) đ ế = - c th hi n b i 5 bit, vì th toàn b nhi m s c th có chi u dài ề ộ c cho b i ừ ở ọ ự Z ơ E (cid:229) Minimize £ " £ -

c dùng trong thi ể ượ ủ ị ế ế t k

Hình 3.13. Đ nh nghĩa gen c a nhi m s c th , đ ễ anten, m i gen g m 5 bit. ắ ồ ỗ

ồ ộ ầ

ơ ọ ộ ớ ố ổ ượ

quan tâm có th tìm đ c k t qu chi ti ọ ả ể ế ể ả ế ơ

ọ ụ Ứ

ộ ữ ự ứ

ủ ế ủ ấ ứ ụ ơ ả

ớ ố ơ ạ ạ ố ơ

c cung c p nh ng ví d hu n luy n. ạ ẳ ữ ọ ấ ụ ậ

ế ạ ậ

ứ ậ ị

ấ ơ c b i gi ả ở ộ ủ

ề

ể c dùng đ hi u ch nh t ể ệ ề ứ ế ấ ữ ọ

ố ủ ể ự ậ

ỗ ầ c cho c ng đ ng ban đ u là 150 và ch n ra 75 trong m i l n V i v n đ đ ề ượ ớ ấ c dùng. l p. Trao đ i chéo đ n bít và hoán chuy n v i t c đ thay đ i đ ổ ặ Đ c gi t h n trong Altshuler, E. E. ọ and Linden, D. S., “ Wire–Antenna designs using genetic algorithms,” IEEE Antennas and Propagation Magazines, vol.39, no. 2, April 1997. 3.10.5 ng d ng c a GA trong h c máy ủ H c máy là m t trong nh ng lĩnh v c ng d ng ch y u c a GA. GA có ọ ể ệ th k t h p v i m ng n ron theo ba cách c b n. Th nh t nó có th hi u ể ế ợ ch nh thông s , ch ng h n tr ng s và đ phi tuy n c a m ng n ron, khi ế ộ ủ ỉ c dùng nh thu t toán đây nó đ đ ượ ệ Ở ượ ư ề h c m ng n ron. Vì th , chúng ta có th thay th thu t toán lan truy n ế ể ọ c dùng đ xác đ nh c u i thu t GA. Th hai, GA có th đ ng ấ ể ượ ể ượ ng n ron trong m t hay nhi u trúc c a m t m ng n ron. Do đó, khi s l ề ố ượ ơ ộ ơ ạ ể ả i c d đoán hoàn h o, chúng ta có th dùng GA đ gi l p n không th đ ả ể ượ ự ớ ẩ ự ộ đ ng quy t v n đ này. Th ba, GA có th đ ỉ ứ ể ượ ng trình h c. Đi u này có nhi u ng d ng h u ích nh ng thông s c a ph ữ ụ ề ươ ệ c th c hi n trong đi u khi n thích nghi, khi mà thích nghi lu t đi u khi n đ ể ượ ề ề v i GA. ớ

i pháp thay th cho h c lan truy n ng ọ

ơ ọ ệ ế ỉ c ượ ạ

ộ ấ ằ ượ ụ

ậ ể ủ ả ơ ắ ể ề ố ủ ộ ố ớ ữ ự

ể ự ữ

ế ữ ủ

ể ể ủ ạ ệ

ủ ề ể ả

ệ ể ằ

ự ể ụ ộ ể ể ư ể ầ

ấ ỉ ể ấ ộ

ự ể

ể ạ ớ ơ

ể đây, chúng ta có th xem xét m t m ng n ron ba l p v i các tr ng s ớ Ở 1 X2 X3]T và [Y1 Y2]T. Nh ng tr ng s ọ ọ ữ ẫ

ố ố 1 W2 W3 W4 W5 W6]T và [G1 G2 G3 G4]T. Hàm • GA:m t gi ộ ả H c lan truy n ng c hi u ch nh nh ng tr ng s c a m ng n ron truy n ề ề ọ ữ ượ c th ng b ng cách áp d ng nguyên t c h c gi m đ d c l n nh t. M t nh ẳ ọ ể ụ đi m chính c a thu t toán kinh đi n này là r i vào nh ng đi m c c ti u c c ể b . Do s hoán chuy n trong GA, nó có nh ng đ c tính toàn c c và vì th có ặ ụ ộ ế i quy t nh ng khó khăn c a nh ng đi m c c ti u c c b . th gi ự ể ụ ộ ữ ể ả Hình 4.5 và 4.6 minh ho vi c tìm c c ti u c a hàm Rastrigin. Đây là hàm có ự r t nhi u đi m c c ti u c c b và đ c dùng đ ki m tra kh năng c a GA. ể ể ượ ấ ộ ố ng pháp gi m đ d c V i hàm Rastrigin, vi c tìm đi m c c ti u b ng ph ả ươ ự ớ l n nh t là h u nh không th vì nh ng đi m c c ti u c c b c a nó. Hàm ể ụ ộ ủ ự ữ ớ này ch có duy nh t m t đi m c c ti u toàn c c t i (0;0). Và GA d dàng tìm ễ ụ ạ ự ể ra đi m c c ti u này. ộ (hình 4.7). Nh ng m u vào và ra là [X c a l p th nh t và th hai là [W ủ ớ ữ ấ ứ ứ

- 112 -

1 d2]T. Hàm thể

2

(

ngõ ra mong mu n là [d ố

[

2

- - ể Y 2

ượ ử ụ ữ ể ả ả ặ ớ

ộ ậ ượ ữ ẽ ầ

ữ ố ơ ọ ọ ữ ố ủ ể ẽ ộ

phi tuy n cho m i n ron là F. Véct ế ơ ỗ ơ hi n s ràng bu c là t i thi u Z v i ố ớ ộ ệ ự ] 212 ) ( ) = + Z d Y d 1 1 1 ,W2 ,W3 ,W4 ,W5 ,W6 ,G1 ,G2 ,G3 và G4. Nhi m s c th ch a 10 gen g m W ồ ể ứ ắ ễ c s d ng đ tính tr ng ọ Nh ng toán h ng trao đ i chéo và hoán chuy n đ ể ạ ổ ữ ấ s . Gi i thu t k t thúc khi Z không còn gi m n a. V i nh ng c p hu n ậ ế ố c m t t p nh ng tr ng s n ron. Ph n mô luy n vào-ra, chúng ta s tìm đ ệ ph ng s trình bày m t ví d dùng GA đ tìm nh ng tr ng s c a m ng ạ ụ ỏ n ron cho m t h MISO 3 vào-1 ra. ơ ộ ệ

Hình 3.14. Hàm Rastrigin

Nguyên t c s d ng GA cho h c m ng n ron đ c th hi n bên d i. Hình 3.15. Đ ng vi n c a hàm Rastrigin ể ệ ề ủ ơ ắ ử ụ ườ ọ ượ ạ ướ

- 113 -

Hình 3.16. Minh ho vi c dùng GA trong h c m ng n ron ơ ạ

ề ậ ọ ạ ệ ậ

ả i di truy n trong lu n văn này. Và nó ậ

ấ ể ở ề ề ế ả

ấ ố ừ ượ

k là ngõ ra t

ơ

t nh s r ng m t m ng n ron truy n th ng nhi u l p đ ứ ạ ậ ọ ượ i nút o ọ ngõ vào đ c cho. c dùng. ề ớ ượ ớ i nút th t trong l p ư c vi ế

,

, )

ọ • Thích nghi lu t h c/Lu t đi u khi n b i GA Đây là ng d ng chính c a thu t gi ậ ủ ụ ứ i quy t nhi u nh t. c t p trung gi cũng là v n đ đ ề ượ ậ H h c có giám sát ph i t o m t ngõ ra mong mu n t ả ạ ộ ệ ọ Chúng ta gi ẳ ề ộ ả ử ằ ạ t là ngõ vào t k trong l p ngõ ra, I G i Oọ ớ ạ ngõ vào và Wij là tr ng s k t n i t nút i đ n nút j. Lu t h c đ ế ố ế ố ừ sau: ) D

j

t

+

+

và W ij

( = WOIfW t ij j ij ) ( ( =+1 D+ tW tW ij ij ) ( WOIf , , = ij + + Ob j

Ia t

t

j

OIc ti i t

IWd it it

t

WOe ij j ij

i

t

t

j

j

i đây nh ng nhi m s c th đ

(cid:229) (cid:229) (cid:229) (cid:229) (cid:229) (cid:229) (cid:229) (cid:229)

ớ ễ ố

ứ ươ ắ ữ ự ự ễ

ẩ ữ

c đo b ng chu n bình ph ỏ ẩ ủ ữ ắ

ủ ố ị

i c xây d ng v i nh ng thông s sau:a ữ ể ượ ữ ng ng là nh ng gen c a nó. S phù h p c a nh ng nhi m s c th ợ ủ ủ ng c a nh ng tín hi u l ữ ằ ễ ể ị ố ư ậ ọ ạ

ủ ự ề

t t,bi,cti,dit Ở ể và eij t ắ ữ ộ i nh ng nút thu c đ i t ệ ỗ ạ ươ ượ t. Sau quá trình l p ngõ ra. Chu n càng nh thì nh ng nhi m s c th càng t ố ớ ữ i u c a các thông s . Vì nh ng ti n hoá gen, GA xác đ nh nh ng giá tr t ữ ế ể lu t h c, s thích nghi c a chúng xây thông s aố t,bi,cti,dit và eij đi u khi n d ng nh ng lu t h c m i. Hình 4.7 minh ho quá trình thích nghi c a nh ng ữ ự ậ ọ lu t h c ậ ọ

ủ ữ ớ

Hình 3.17. S thích nghi lu t h c b ng cách dùng GA ậ ọ ằ ự

ể

ữ ch nh. Ví d xem xét m t b đi u khi n PID t ậ ề ộ ộ ề ể ể ự ỉ

nh sau: ữ c dùng đ thích nghi nh ng lu t đi u khi n trong nh ng GA cũng có th đ ể ượ ch nh. h th ng thích nghi t ự ỉ ệ ố đây, lu t đi u khi n có th đ ể ậ Ở ụ c di n t ể ượ ễ ả ư ề

(

)

)

(

=

- 114 - ) ( + teKteK

( tu

+ Kdt

de

)dt

I

P

(cid:242)

ớ ị ỗ ự

D i(ngõ ra mong mu n-ngõ ra th c), u(t) là tín hi u đi u ề ệ ố ư i u ng tích phân

ể

i bình ph ể ỗ ươ ỏ

V i e(t) bi u th l ể ố ệ khi n và K p,KI,KD là nh ng h s t l , tích phân và vi phân. Vi c t ệ ố ỉ ệ ữ Kp,KI,KD đòi h i tho mãn vài chu n, nh t ư ố ả ( ) 2 te i thi u l dt ẩ (cid:242)= ISE

ị ể ể

ơ

ồ

ợ ắ

ể ệ ế ằ ố ầ ặ ể ố

*

* p

ư ữ ả ề ẽ ề

KD

KI

ng là vài phút),GA s đ xu t lu t đi u khi n, đ ấ *]T.Ki n trúc c a toàn b h th ng đ ồ ườ i u [K t ằ c dùng đ xác đ nh nh ng lu t đi u khi n khác nhau b ng ề ậ ữ p KI KD]T. Nói cách khác khác nhau [K c dùng nh hàm phù h p. Vì ượ ể ẽ ọ ự i thi u ISE. Sau m i kho ng th i gian cách ỗ c mô ậ ể c th ễ ờ ể ộ ệ ố ượ ượ ủ ế

GA có th đ ể ượ cách l a ch n ng u nhiên nh ng véct ữ ọ ẫ ự này th hi n c ng đ ng. ISE đ nh ng véct ộ ơ ữ th trong m i chu kỳ ti n hoá (s l n l p) s ch n l a nh ng nhi m s c th ỗ ế c ng đ ng b ng cách t t h n t t ố ơ ừ ộ nhau h u h n (th ạ ữ b i véct t ơ ố ư ả ở hi n trong hình 9. ệ

Hình 3.18.Cách th c làm vi c c a b đi u khi n t ệ ủ ộ ề ể ự ỉ ch nh PID d a trên GA. ự ứ

ng đi cho Robot ườ

ị ạ ế ộ

ườ ườ ừ ị ế ả ả ị

ố ng đi(hình 4.9). Vì th ể

3.10.6.Ho ch đ nh đ ị ạ ng đi cho Robot là m t bài toán tìm ki m, trong đó robot Ho ch đ nh đ v trí b t đ u đ n v trí cu i cùng. Robot ph i di ng đi t ph i ho ch đ nh đ ị ắ ầ ạ ế chuy n mà không va ph i b t kỳ v t c n nào trên đ ườ ậ ả ả ấ ữ nh ng v t c n trong không gian làm vi c c a robot tác đ ng nh là nh ng ệ ủ ậ ả ư ữ ộ

- 115 -

ng đi. Bài toán có th đ ộ ể ượ ạ ị

c gi ả ủ ả

ọ ậ ả ợ ủ ườ ế ề ế ộ

ng đi là nh ng thông s c n tìm. ế i quy t ràng bu c cho bài toán ho ch đ nh đ ườ b i GA b ng cách ch n hàm fitness phù h p trong đó kho ng cách c a nh ng ữ ở ph n đ ủ ng đi và đ tuy n tính c a ầ đ ườ ằ ng đi đ n v t c n, chi u dài c a đ ườ ố ầ ữ

Hình 3.19. Ho ch đ nh đ ạ ị ườ ng đi b i m t robot đi qua các v t c n ậ ả ộ ở

CH

NG 4.

ƯƠ

MÔ HÌNH HOÁ QUÁ TRÌNH CÔNG NGH C A T H P NĂNG L

Ệ Ủ Ổ Ế NG NHIÊN LI U THAN VÀ THI T

Ợ

K H TH NG ĐI U KHI N QUÁ TRÌNH

Ề

ƯỢ Ế Ệ Ố

Ệ Ể

ữ ươ

ể ự ữ ề ể

ấ ệ ữ ỹ ế ượ ể ậ ề ế ơ ả

ằ ế ể

ế ươ ẽ ề ả ậ ỹ ượ ọ

h p thi ộ ả ể ổ ợ

ế ế ữ

h p. Trong đ tài này s d ng mô hình đ ề ề

ở ấ

ả ầ ờ

ủ và t ừ ữ ể ả

ệ ố ậ ề ừ ự ẽ ể ậ

ể

ể ấ ờ

ộ ề ề ệ ể ề

ế ờ ứ ể ả ể

ủ ng này s nói v nh ng quá trình k thu t và các mô hình c a Ch c đi u khi n. Nh ng khái NLNLT đó là n n t ng đ xây d ng chi n l t c b n bên trong quá trình, ni m quá trình k thu t cung c p nh ng hi u bi c b ng cách kh o sát và phân tích tr c ti p nh ng ữ mà không th có đ ự ả ng trình toán h c. Nói cách khác đ hi u rõ nh ng quá trình bi n đ i ổ ph ể ể ữ ệ t b ta c n ph i hi u rõ quá trình công ngh trong m t thi t b hay t ầ ế ị ế ị ệ h p NLNLT và thi t k nh ng h c a nó.Có nhi u mô hình mô ph ng t ổ ợ ỏ ề ủ c ượ th ng đi u khi n cho toàn b t ử ụ ộ ổ ợ ể ố cho b i Raul Garduno-Ramire. Nó đ ệ c xem là mô hình đ n gi n nh t hi n ơ ượ ữ th i cho mô ph ng toàn b quá trình đ ng c a NLNLT.Trong ph n 4.2 nh ng ộ ộ ỏ đó có th suy ra nh ng mô c mô t mô hình toán h c phi tuy n s đ ế ẽ ượ ọ c) cũng nh tuy n tính (không gian tr ng thái và ma hình tĩnh(thu n và ng ạ ế ư ượ ồ ng ng. T đó s xây d ng h th ng đi u khi n g m tr n hàm truy n) t ề ứ ươ hai b đi u khi n: • Đi u khi n Feedforward : là b đi u khi n neuro-m cung c p nh ng tín ộ ề ữ ể ỹ ạ ng phi tuy n theo đúng qu đ o hi u đi u khi n chính đ lái đ i t ố ượ setpoint. B đi u khi n này là b đi u khi n m ng d ng kh năng h c ọ ộ ề ụ c a m ng n ron đ tinh ch nh nh ng thông s c a nó. ữ ỉ ủ ố ủ ể • ạ ề ệ

ể ộ ề ơ ể khi n hi u ch nh c n thi ề Đi u khi n Feedback: bù tín hi u, nó cung c p nh ng tín hi u đi u ấ t đ đi u ch nh và lo i nhi u trong nh ng lân ạ ể ế ể ề ữ ễ ệ ữ ệ ầ ỉ ỉ

- 116 -

ỏ ộ ề ề

ộ i di truy n đ tinh ch nh thông ỹ ạ ứ ể ể ụ ư ề ậ ả ờ ỉ

c n nh xung quanh qu đ o đi u khi n. B đi u khi n này cũng là b ể ậ đi u khi n m nh ng ng d ng thu t gi ể ề s c a nó. ố ủ

4.1 Quá trình k thu t c a t h p năng l ng ậ ủ ổ ợ ỹ ượ

ph n trên, ph

ầ ề ỹ c đ c p ượ ề ậ ở ệ ề

ể ề

ươ

ủ ệ

ỉ ặ ề

ệ ố ẽ ự ể ệ ề ậ ị

ữ ệ

c đ a vào vi c t i u toàn b quá trình d ộ ậ ả ượ ệ ố ư ướ ấ ư ể

Nh đã đ ẽ ế ng pháp lu n c a đ tài này s k t ư ươ ậ ủ ề h p r t nhi u khái ni m v k thu t đi u khi n, k thu t quá trình và k ỹ ợ ấ ậ ề ậ ể ỹ thu t ph n m m cho vi c thi t k toàn b h th ng đi u khi n là tr ng tâm ề ầ ậ ọ ộ ệ ố ệ ế ế c a đ tài. Trong ch ng này, nh ng khía c nh k thu t quá trình đ c chú ý ủ ề ượ ậ ỹ ạ ữ v i vi c cho th y r ng hi u su t đ ể ạ c c i ti n c a NLNLT ch có th đ t ấ ằ ệ ớ ấ ượ ả ế đ t c khi h th ng đi u khi n v n hành hài hoà v i nh ng đ c tính nhi ệ ể ậ ượ ữ ớ ng tác gi a k thu t quá trình và k đ ng. Có l s liên quan nh t v t ỹ ữ ấ ề ươ ộ ỹ ậ ữ ng đi u khi n và nh ng thu t đi u khi n là vi c đ nh nghĩa nh ng đ i t ể ề ố ượ ữ ậ chính sách v n hành quá trình. Trong đó, nh ng khái ni m quá trình k thu t ỹ i thi u ph i đ t i b t kỳ tình ố hu ng v n hành nào. ậ ố

4.1.1 Quá trình công ngh nhi ệ ệ t đi n ệ

ỹ ỹ ợ ậ ệ ễ ể ậ

ủ

ỉ ộ ả

ạ ậ ề

ệ i h n trên trong hi u su t t h p năng l ậ ấ ổ ợ ữ ề

Vi c tích h p k thu t quá trình và k thu t đi u khi n là khá d hi u. Nó ể ề c xem xét mà còn là không ch là mô hình toán h c c a quá trình c n đ ượ ầ ệ ộ t đ ng nh ng h i tho i v n hành nh ng nguyên t c t đ ng hoàn h o và nhi ữ ắ ự ộ ế c b n. Trong đ tài này, nh ng khái ni m k thu t quá trình bao g m ki n ồ ỹ ơ ả th c c b n v nh ng gi ng và ứ ơ ả ượ ệ đ nh tính c a nh ng quá trình đ ng. ủ ị ọ ữ ữ ớ ạ ộ ữ

4.1.2 Nh ng gi i h n hi u su t trên c a NLNLT ữ ớ ạ ủ ệ ấ

ộ ấ ượ

ả ổ ệ ấ ỏ ậ

ng hoá h c c a nhi n li u than đ c truy n vào trong năng l ng nhi ng đi n t ng, s d ng n ử ụ ượ ượ ệ ệ

ơ ở ượ ể

ượ ệ

ượ ấ ỏ ữ ờ

ượ ổ ể t đ ng l c. nhiên li u than thông qua vài M t NLNLT s n xu t năng l ệ ừ c là ch t l ng v n hành. Năng quá trình chuy n đ i năng l ướ ể ệ t l ượ ề ọ ủ ượ ở c chuy n thành năng l ng c xoay b i c a h i b i boiler, sau đó nó đ ơ ủ ng đi n b i máy phát tuabin và cu i cùng nó đ ở ể ố ư (hình 4.1). Đ ng th i, ch t l ng làm vi c chuy n đ i gi a bay h i và ng ng ơ ồ t ụ c chuy n thành năng l ệ trong m t m ch kín theo chu trình nhi ệ ộ ự ạ ộ

- 117 -

ơ ệ ổ ợ ng nhiên li u than đ n gi n ả

ở ộ ệ ữ ế ị ấ ủ ạ Hình 4.1. T h p năng l ấ ủ ượ

ng, vi c truy n nhi ậ ệ ưở ặ ợ ệ ậ ấ ỏ ề

ườ

ả ử ể ơ

ề ệ c bên đ ệ ậ ng xung quanh đ ượ ữ ể ướ

ẳ

t đ -entropi c a m t chu kỳ Rankine đ n gi n lý t ủ ụ ệ ộ ơ ả

hình 4.2 v i nh ng tr ng thái 1 đ n 4 t ớ ữ ộ ạ ươ ứ ế

ừ ể ướ ẳ

i phóng b i quá trình đ t nhiên li u đ t đ ệ ượ ấ ượ ừ ể ở

ể

t đ ệ ượ ở

ướ

ng nhi ừ ạ ạ ừ ạ

ừ ể ả ị ạ ộ ư

ể ạ

ộ c chuy n t

ể t đ ệ ượ khi nó chuy n t h i b o hoà sang n đi m 4 đ n 1, nhi ế ụ ệ ướ ỏ ể ừ ơ ả ư

ượ Vì hi u su t c a nh ng máy phát đi n là r t cao(~98%), hi u su t c a toàn ấ ệ ệ i, h u c quy t đ nh b i hi u su t c a nh ng b ph n còn l h p đ b t ầ ấ ủ ộ ổ ợ ữ ệ t đ ng l c c a ch t l ng làm vi c. h t b i nh ng đ c tính c a chu kỳ nhi ệ ộ ủ ữ ế ở ự ủ t ra môi ng h p v n hành xác l p lý t Trong tr ệ ườ c b qua, nh ng thay đ i đ ng năng và đi n năng tr ệ ữ ổ ộ ỏ ệ s đ đ n gi n vi c c gi không đáng k và nh ng quá trình ng ả ượ ượ phân tích. D i nh ng đi u ki n này vi c chuy n ch t l ng làm vi c qua ệ ấ ỏ ể ữ là đ ng áp, trong khi đi qua tuabin và b m là đ ng boiler và b ng ng t ẳ ư ộ ưở ng entropi. S đ nhi ơ ơ ồ đ ữ ng ng v i nh ng c th hi n ượ ớ ể ệ ở đi m 1-4 trong hình 4.1. ể T đi m 1 đ n 2, n c nén đ ng entropi trong b m, tăng áp su t đáng k . ể ế ơ T đi m 2-3 nhi c gi ề c truy n ả ệ ố vào trong ch t l ng làm vi c trong boiler và nó chuy n n c l ng thành h i ơ ấ ỏ ệ ướ ỏ b o hoà áp su t không đ i. L c truy n cho ch t l ng ch t ấ ổ ấ ả ượ ấ ỏ ề l ng làm vi c tăng nhi t đ c a nó t ệ t tr ng thái 2 lên tr ng thái c g i là nhi ệ ỏ ệ ộ ủ ọ ạ . Nhi i tr ng thái c, t bi u l t đ t ệ ộ ả c b t đ u sôi là nhi i đó n t đ b o ệ ộ ạ ể ộ ạ ắ ầ ng nhi t đ hoà, và l c thêm vào t tr ng thái c đ n đi m 3 mà không tăng ượ ệ ượ ể ế c g i là nhi t đ đ nhi t n. T đi m 3 đ n đi m 4, h i bão hoà ch u qúa ế ệ ẩ ọ ệ ộ ượ ị ơ ể . Vi c i b ng ng t trình gi n n entropi trong tuabin gi m áp đ n giá tr t ệ ở ụ ế ả c dùng đ t o chuy n đ ng xoay tr c đ đ y máy phát đi n. Cu i n h i đ ố ụ ể ẩ ở ơ ượ ệ ướ c ch t l ng làm vi c cho n cùng, t ấ ỏ ể ừ ừ ể làm mát trong b ng ng t ớ c l ng v i áp su t không đ i. ộ ổ ấ

- 118 -

Hình 4.2 S đ nhi t đ -entropi c a m t chu kỳ Rankine đ n gi n lý t ng ơ ồ ệ ộ ủ ả ơ ộ ưở

ổ ề ệ ượ ậ ấ

t toàn b b ng cách tăng nhi ệ

ữ ươ ệ ấ ỏ ộ ằ ệ

c tái t o, nh đ ạ ướ

c th hi n c th hi n ư ượ ể ệ ở t đ ng l c đ ượ ự

ữ ệ ộ ậ t và làm nóng n ứ ề ậ

ề ự

ệ ệ

ạ ủ ệ ở ộ ng d n t ệ ữ

ể ệ ấ

ệ ộ ụ ẳ ữ

ạ

ộ ế ể ệ ệ

ấ ữ ạ

ơ ả ể ậ ơ

ể ầ ơ

ệ ộ ổ

c g i là nh ng b trao đ i nhi ượ ọ

áp su t không đ i t ộ ậ ệ ơ ấ ấ ố

t tr ề ầ

c khi tr ượ ướ ự ệ ệ

máy th t, r t nhi u hi u ch nh đ ể ả ế c thêm vào đ c i ti n Trong nh ng t ỉ ữ ệ t đ ngõ vào c a l t ng nhi hi u su t nhi ủ ượ ệ ộ ấ t và gia ng pháp chính là qúa nhi thêm vào ch t l ng làm vi c. Nh ng ph ệ nhi hình 4.3. Nh ng thay ữ ệ hình 4.4. Theo đ i t ng ng trong chu kỳ nhi ể ệ ở ổ ươ đó, đi m đ c p đ n nh ng v trí v t lý trong hình 4.3 và tr ng thái đ c p ề ậ ể ạ ế ị đ n tr ng thái nhi t đ ng l c trong hình 4.4. ạ ế ự ệ ộ ng có t, th c th c hi n b i nhi u b c p nhi t tái t o n Nhi c c p đ ườ ạ ệ ộ ấ ở ượ ướ ấ t. Theo hình t nhi t m b kh khí và b ti ba lo i:c p nhi t kín, c p nhi ộ ế ử ệ ấ ệ ạ ấ đi m 1 đ n đi m 7. Nén đo n t tái t o theo đ 4.3, l ạ ng nhi ượ ể ế ẫ ừ ể ườ ệ ơ c th c hi n b i nh ng b m t đ ng entropi c a ch t l ng làm vi c đ nhi ở ượ ấ ỏ ệ ẳ ự ạ c c p (đi m và tr ng b ng ng t (đi m và tr ng thái 1-2) và b i b m n ể ở ơ ạ ư ộ ướ i nh ng b c p nhi t đ và entropi di n ra t thái 4-5). Đ ng áp tăng nhi t áp ệ ộ ấ ễ ạ su t th p (đi m và tr ng thái 2-3), b kh khí (đi m và tr ng thái 3-4), ạ ể ử ộ ể ấ nh ng b c p nhi t (đi m và t cao áp (đi m và tr ng thái 5-6) và b ti t nhi ể ạ ộ ấ tr ng thái 6-7). ể t nh n h i b o hoà ra kh i bao h i boiler (đi m 8) đ Quá trình quá nhi ỏ ệ c khi vào ph n cao áp c a tuabin h i(đi m 9). Quá đ n h i quá nhi t tr ướ ơ ủ ệ ế t phân ng di n ra nhi t th cao áp trong m t t p nh ng b trao đ i nhi ữ ở ễ ườ ệ t s c p và th c p, dùng khí h i bi ơ t, đ ổ ộ ứ ấ ữ ệ t đ h i tăng ế tr ng thái 8 đ n c a quá trình đ t. Nhi ệ ộ ơ ổ ừ ạ ở ủ ơ ạ tr ng thái 9. Sau khi n đ ng entropi qua tuabin cao áp (đi m 9-10), h i l i ở ẳ ể ạ nh n đi u ki n quá nhi c khi vào ph n h áp (đi m 11). ướ ệ ậ ể ạ ệ ơ t đ th hai này đ t dùng khí h i c th c hi n b i b gia nhi Đi m tăng nhi ệ ộ ứ ể c a quá trình đ t, và di n ra áp su t không đ i v i m t giá tr trung gian ễ ố ủ ở ộ ổ ớ ấ ộ ở ị

- 119 -

. Nhi ơ ủ ệ ộ ơ ừ ạ ụ ư ộ

t đ h i tăng t ầ

ệ ộ ữ ế ấ ấ

tr ng thái 10 gi a ngõ ra c a bao h i và b ng ng t ữ đ n 11. Cu i cùng h i ch u s n đ ng entropi khác qua ph n tuabin h áp, ị ự ở ẳ ạ ơ ố ế t o c năng và m t nhi ị ủ ộ t đ cũng nh áp su t cho đ n nh ng giá tr c a b ư ơ ạ ng ng t ư (đi m và tr ng thái 12). ạ ụ ể

t/gia nhi Hình 4.3. T h p v i quá nhi ổ ợ ớ ệ ệ t/tái t o ạ

Hình 4.4 S đ nhi t đ -entropi ơ ồ ệ ộ

ư ề ạ

Ngoài ra còn có quá trình exergy nh ng trong ph m vi đ tài này không t mà s dùng k t qu c a Raul Garduno-Ramirez. đi vào chi ti ả ủ ế ế ẽ

- 120 -

ở ề ượ

ế ủ ử ụ ế

ứ

ậ ủ ề ấ ệ ờ

ượ ộ ủ

c th hi n b i m t mô hình phi tuy n b c ba v i ba ph ế ậ ộ ớ ở

ủ ị

ủ ề

f

l ể ố ộ ư ượ c c p cho bao h i (u ướ ấ ơ ứ ướ

c) ệ ấ ơ ậ ộ ấ ỏ ấ ơ ệ

4.2 Mô hình phi tuy n c a NLNLT c cho b i Raul Garduno-Ramire. Đó Trong đ tài này s d ng mô hình đ là m t mô hình phi tuy n MIMO b c ba. Mô hình th hi n boiler P16 và ể ệ ậ ộ Oresundsverket, Malmo Thu đi n là ch đ nghiên c u trong tuabin G16 ỵ ể ở h n 3 th p k qua. Nó đ c xem là mô hình đ n gi n nh t hi n th i cho mô ỷ ơ ả ơ ph ng toàn b quá trình đ ng c a NLNLT. ộ ỏ ươ ng NLNLT đ ể ệ ượ ữ trình tr ng thái, ba ngõ vào và ba ngõ ra. Nh ng ngõ vào là v trí c a nh ng ạ ữ ơ ế ng c a nhiên li u (u ng kh i l van lái đi u khi n t c đ l 1) , h i đ n ố ượ 3). Ba ngõ ra là công su t đi n (E-MW), tuabin (u2) và n ệ ơ 2) và sai l ch m c n ạ c bao h i. Ba bi n tr ng áp su t h i bao h i (P –kg/cm ế ệ ấ ơ r thái là công su t đi n, áp su t h i bao h i và m t đ ch t l ng(h i-n ơ ướ ơ ấ . T t c ph ng trình mô hình đ c tóm t t bên d i: ấ ả ươ ướ ượ ắ

B ng 4.1.Ý nghĩa c a các bi n ế ủ ả

Bi nế Mô tả Đ n vơ ị

- 121 -

ị

c

V trí van nhiên li u ệ t l u ế ư ấ ướ ệ

f

Công su t đi n ngõ ra Áp su t h i bao h i ơ c bao h i M c n ơ U1 U2 U3 E P L r ị V trí van ti V trí van c p n ị ấ ấ ơ ứ ướ ậ ộ ấ ỏ M t đ ch t l ng bao h i ơ

T c đ l u l ng nhiên wf Pu Pu Pu MW Kg/cm2 M Kg/cm3 Kg/s ố ộ ư ượ ố ượ

ws ww Kg/s Kg/s T c đ l u l ố ộ ư ượ T c đ l u l ố ộ ư ượ ố ượ ố ượ ng h i ơ ướ c ng n

T c đ nhi ố ộ t nhiên li u ệ

Kw Kg/cm3 ef Ps a ng kh i l li uệ ng kh i l ng kh i l c pấ ệ M t đ h i ậ ộ ơ ấ ượ

s we

T c đ l u l Kg/s Ch t l ố ộ ư ượ ng h i ơ ng kh i l ố ượ ng h i ơ

T h ph ng trình trên s rút ra các mô hình tĩnh thu n và ng c. ừ ệ ươ ẽ ậ ượ

4.3 Nh ng đi m cân b ng ể ữ ằ

ữ

ợ h p và đ ữ ượ ằ c nh ng đi m cân b ng ể ồ c dùng đ hu n luy n nh ng b đi u khi n thu n và h i ng trình trên s tìm đ ệ ệ ươ ể ượ ộ ề ẽ ữ ể ậ ấ

T t p h p nh ng h ph ừ ậ c a t ủ ổ ợ ti p.ế

B ng 4.2. Nh ng đi m cân b ng áp su t không đ i ổ ữ ể ả ấ ằ

- 122 -

B ng 4.3. Nh ng đi m cân b ng áp su t thay đ i ổ ữ ể ả ằ ấ

B ng 4.4. Nh ng đi m cân b ng gi i h n áp su t cao ữ ể ả ằ ớ ạ ấ

- 123 -

B ng 4.5. Nh ng đi m cân b ng gi ữ ể ả ằ ớ ạ i h n áp su t th p ấ ấ

4.4. B x lý đi u khi n thu n ề ộ ử ể ậ

c mô t ử ể ề

ả ầ

ầ ả ủ ữ ớ ả ằ ế

ể ở ẫ ầ

. ả ậ ượ i di n r ng yêu c u kh năng ư NLNLT ng pháp này đã Trong ph n này môđun x lý đi u khi n thu n đ Hi u qu c a NLNLT khi v n hành v i t ậ ệ ch u đ ằ ổ ớ ượ ị nh ng nhi u ng u nhiên. Hi n th i, h u h t h th ng đi u khi n ề ờ ệ ữ là nh ng c u hình nh ng b đi u khi n PID nhi u vòng. Ph ộ ề c nh ng bi n đ i l n h ng ngày , h ng tu n và theo mùa cũng nh ễ ấ ệ ộ ầ ế ệ ố ề ươ ữ ữ ể

- 124 -

t ng ố

ư ườ ế ị ủ ặ

ạ ậ ậ ổ ầ ữ

ố ữ

ể ữ

ố

ỉ ể ư ể ề ở ơ ồ ề ễ

h p,làm cho chúng ít đ ấ ậ ượ

ấ ủ ệ ộ

ậ ề

ơ ả c k t h p đ đ t đ ế ợ ậ

ể ề ể ế ồ ế ng c b n là dùng đi u khi n thu n vòng h đ ồ

ế ữ ỹ ạ ệ ộ

c đi u khi n FF/FB đã đ c ng d ng thành công cho đi u khi n t ề ể ấ ổ ượ ứ ễ ụ

ổ ợ ữ ơ

ề ệ ữ ế

ươ

i u đ t đ t ệ ộ ố ư ể ệ ượ

t k d a trên gi ữ ộ ơ ồ ậ

c mô t ươ ượ ể ậ

i thu t di truy n. ề ộ ử ủ ụ ễ ệ

c v n hành t ố ư

ậ

ệ ộ ườ ậ ộ ộ ề ộ ộ ậ ở

ậ

ấ ượ ế ế ữ ậ

ơ ồ

ể i u. ở ả ơ i c ch ng minh giá tr c a nó trong su t quá trình v n hành bình th ứ b n, n i mà nh ng đ c tính c a máy là không đ i g n nh tuy n tính và k t ế ữ ơ ủ ả i, v n hành di n r ng đòi h i nh ng yêu v t lý m nh c a c l h p y u. Ng ủ ệ ộ ượ ạ ế ỏ ợ ậ ề nh ng tình hu ng v n hành và đi u thi t b và d n đ n nh ng xung đ t ậ ộ ở ế ẫ ế ị ữ nh ng đi u khi n không đ i. c thi khi n vì NLNLT đ ổ t k đ v n hành ể ề ế ế ể ậ ượ ượ D i nh ng tình hu ng này, nh ng s đ đi u khi n truy n th ng, đ c ữ ướ ề ố ữ t k và tinh ch nh đ đi u ch nh và lo i nhi u, nh ng khi tracking setpoint thi ạ ỉ ế ế c ch p nh n cho có th gi m hi u su t c a toàn t ổ ợ ệ ể ả v n hành chu trình di n r ng. ậ Đi u khi n thu n và h i ti p(FF/FB) có th đ c ể ạ ượ ể ượ ể ở ể v n hành di n r ng. Ý t ề ưở ệ ộ ậ thao tác di n r ng theo setpoint và đi u khi n h i ti p vòng kín đ đi u ể ề ệ ộ i quy t nh ng b t n và nhi u quanh qu đ o l nh. M t chi n ch nh và gi ế ả ỉ ể ả i l ượ h p tuabin khí và h i trong nhà máy đi n chu trình di n r ng c a nh ng t ủ ệ ộ k t h p[Uram 1977, Garduno and Sanchez 1995]. Thêm vào đó nh ng k t qu ả ế ợ mô ph ng s d ng nh ng ph ng pháp khác nhau cho FF/FB. Trong [Weng ử ụ ỏ and Ray 1997] m t s đ tracking nhi ệ c th hi n và vi c thi ả ế ế ự ng này, mô đun b x lý đi u khi n thu n(FFCP) đ ả Trong ch ề t (hình 4.5). M c đích c a FFCP là làm d dàng vi c v n hành theo chi ti ậ ế setpoint di n r ng cho NLNLT, và cung c p nh ng thích nghi h th ng theo ữ ệ ố ấ yêu c u ng i u. Môđun FFCP i v n hành off-line đ đ t đ ậ ể ạ ượ ầ t k giám sát. B đi u khi n g m m t b đi u khi n thu n và m t b thi ể ế ế ộ ộ ộ ề ể ồ c thu n là m t b bù m MIMO phi tuy n m mà th c thi mô hình tĩnh ng ượ ự ế ờ ề d là nh ng ngõ vào, nó cung c p tính hi u đi u c a NLNLT; nh n setpoint y ệ ữ ủ t k giám sát, đ ff là nh ng ngõ ra. B thi khi n thu n u ạ ở c kích ho t b i ể ộ i v n hành, dùng s đ neuro-m đ tinh ch nh b đi u khi n thu n off- ng ậ ộ ề ỉ ờ ể ườ ậ line đ hoà h p v i t p d li u hu n luy n vào-ra xác l p t ệ ể ớ ậ ữ ệ ậ ố ư ấ ợ

- 125 -

ể

ộ ề t k m cho FFCP, ng ề ể ạ ượ Hình 4.5. B đi u khi n thu n a ế ế ở

ấ ở ộ c m t thi ộ ộ ấ

ạ ẹ ụ ệ ố ầ ủ ể

ờ ấ ề ờ

ỗ ể

ự ề

ề ệ ế ề

ấ ề ậ ả

ả ệ ộ ể ề ậ

ậ ả ệ ờ ề ồ ữ ấ ậ

ể ữ ấ

ệ c u c Ld (hình 4.6). ậ Đ đ t đ i ta đ xu t cho b đi u ộ ề ườ ư khi n thu n m t c u trúc mà có th d dàng và h th ng m r ng cũng nh ể ễ ậ ể ệ ố thu h p, theo yêu c u c a ph m vi ng d ng h th ng đi u khi n hoà h p. ợ ứ ộ ậ Nói chung, c u trúc bù m MIMO g m vài môđun con m MISO đ c l p, ồ c t o ra. M i môđun con m t cái cho m i tín hi u đi u khi n thu n s đ ỗ ậ ẽ ượ ạ ệ ộ đ t c vòng đi u khi n và th c thi c cung c p nh ng tín hi u setpoint c a t ủ ấ ả ữ ượ ể m t hàm nhi u bi n phi tuy n cung c p tín hi u đi u khi n thu n cho toàn ể ệ ấ ế ộ ậ ng pháp này đ m b o kh năng v n b kho ng v n hành cùa NLNLT. Ph ả ươ ộ hành di n r ng. Trong đ tài này, b đi u khi n thu n g m ba h m MISO ộ ề ể mà s cung c p nh ng tín hi u đi u khi n thu n cho nh ng van đi u khi n ề ẽ ướ 3ff v i nh ng ngõ vào là setpoint công su t Ed, nhiên li u uệ ớ áp su t Pd và m c n ấ ữ 1ff, h i uơ 2ff và n ứ ướ

- 126 -

Hình 4.6. B đi u khi n thu n b ộ ề ể ậ

c thi

đ ng v i h ự ạ ỹ ế ế ệ

ờ

ượ ạ ở

ố ư

ươ ố ượ ộ ữ

ượ ẽ ỗ ợ ấ ặ

ng trình t ng. Ph ươ ờ ự t. ng pháp và hi u su t t t k theo lo i Takagi-Sugeno. Vi c thi t k m i ế ế ỗ B đi u khi n m đ ờ ượ ể ệ ộ ề c th c hi n riêng bi t,theo k thu t h th ng và t ớ ệ h m đ ệ ự ộ ậ ệ ố ệ ờ ượ ậ th ng suy lu n neuro-m thích nghi dùng d li u quá trình vào ra xác l p. ậ ữ ệ ố c thi c t o b i ch i u thì N u đ ế ế ố ư ế FFCP s là m t c máy v n hành t i u cho nhi u đ i t ng pháp ộ ỗ ề t k off-line hay đ ng th i nh ng b bù m MISO và này h tr nh ng thi ữ ờ cung c p cho h th ng nh ng đ c tính h c và thích nghi. Nh ng th c nghi m ệ ệ ố và mô ph ng cho th y kh năng c a ph ấ t k dùng d li u vào ra đ ữ ệ ậ ế ế ữ ả ữ ấ ố ồ ọ ươ ủ ệ ỏ

4.5. B x lý đi u khi n h i ti p ề ể ồ ế ộ ử

ể . ả ồ ế ượ

ờ ấ ầ ộ ử ể

ớ ậ ể c mô t ơ ả ữ

ể ề ộ ố ề ề ề ồ ế ữ

ả ậ ể ươ ưở

ề ng t ể ậ ệ c thêm vào đ t ể ố ấ

ậ ề ệ ể ể ấ i thi u nh ng nh h ữ ệ ố ề ứ

ỉ ữ ệ ẫ

ắ ể ề ằ

ắ ầ

ầ ấ ậ

ả ị

ỉ ề

ệ ữ ể ữ ượ ề ươ c và đ ừ ộ

ậ ư ể ả ể ự ế ậ ớ

ế ị ự ể ỉ

ể ể

ế ượ ạ ả ệ ể ậ ấ

ể ủ ấ ớ ổ

ươ ố

ấ ủ ệ ươ ờ

ồ ế ữ ề

ỹ ạ ộ ủ

i v n hành off-line đ mà đ ườ ậ ể ầ

c v n hành t ệ ươ ng h i ti p có th ế ồ ộ ườ ậ ể ể ạ ượ ậ ố ư

ộ ệ ố

Trong ph n này, môđun b x lý đi u khi n h i ti p đ ề ầ H u h t h th ng đi u khi n hi n th i cho NLNLT c b n là c u hình ệ ế ệ ố nhi u vòng đi u khi n h i ti p SISO v i các b bù thu n. Nh ng vòng l p ặ ề ữ đi u khi n th c hi n nh ng thu t toán truy n th ng là PI hay PID và nh ng ự ữ hàm bù thu n đ ng tác gi a ượ nh ng vòng đi u khi n. Nhi u c u hình h th ng đi u khi n khác nhau đã ề ữ c phát tri n sau r t nhi u th p k nghiên c u và th c nghi m. Hi u qu ả đ ỷ ượ ự c i ng u nhiên đ i nh ng nhi u t c a chúng là đ đi u ch nh quá trình d ượ ướ ủ ễ ả ệ i. Tuy nhiên, nh ng yêu c u hi n ch ng minh h ng ngày trên kh p th gi ứ ữ ế ớ th i cho v n hành di n r ng đã thách th c gay g t h u h t nh ng c u hình ệ ộ ế ứ ậ ờ t h n cho v n hành xung quanh m t đi m v n hành này, mà ch phù h p t ậ ợ ố ơ ộ ỉ ng, nh ng thông s c a b đi u khi n và nh ng hàm bù đ n. Thông th ộ ề ố ủ ữ ườ ơ ể đ nh i vài đi m v n hành đ c tinh ch nh t đ c gi c xác đ nh tr ị ể ạ ượ ướ ượ đó v sau. Do đó là nh ng đi u ki n t i g n nh không đ i và đ c đ nh t ể ố ị ệ ả ầ ổ ữ ng tác c a hi u su t c a t ủ h p có th gi m do tính phi tuy n và đ ng t ấ ủ ổ ợ ế ợ quá trình mà thay đ i so v i đi m v n hành th c. Vì th do s không phù h p ự ổ t b có th ch u nh ng yêu gi a đi m tinh ch nh và đi m v n hành th c, thi ể ữ ị ữ ậ ế ầ t b . Vì th , c n c u v t lý m nh mà có th làm t n h i đ n tu i th c a thi ọ ủ ầ ổ ế ị ạ ế ậ ổ c đi u khi n, v i hi u su t đã m r ng kho ng v n hành c a m t chi n l ớ ề ủ ở ộ ộ cho và v i cùng c u trúc nh ng b đi u khi n c a cùng m t d ng t ng quát. ộ ề ộ ạ ữ Ph ể ả i thi u nh ng pháp này có th c i ti n hi u su t c a máy, trong khi t ể ả ế ệ ng trên nh ng ch ng trình v n hành hi n th i. h ữ ậ ưở ng này, m c đích c a b x lý bù h i ti p(FBCP) (hình 4.7)là Trong ch ươ ủ ộ ử ụ cung c p nh ng hành đ ng đi u khi n đúng d c theo nh ng qu đ o setpoint ể ộ ữ ấ ọ ng c a nhi u và b t đ nh trong toàn b kho ng v n đ gi ậ i quy t nh h ấ ị ế ả ả ễ ưở ể ả ng ti n cho tinh h p. Môđun FBCP cũng cung c p nh ng ph hành c a t ữ ấ ủ ổ ợ ể ch nh theo yêu c u ng ườ ỉ c c p nh t đ đ đ t đ đ ề ng đi u ồ ượ ậ ồ khi n h i ti p và m t h th ng tinh ch nh giám sát. Đ ng đi u khi n h i ể ườ ể ộ ề ti p th c thi m t s đ đi u khi n nhi u vòng m d a trên nh ng b đi u i u. FBCP g m m t đ ề ữ ồ ế ự ộ ơ ồ ề ở ự ỉ ề ể ế

- 127 -

ể ươ ộ ộ ề ế

ữ ỉ

ng tác nhi u bi n, c hai giúp cho đ t đ ả ệ ậ ữ

ạ ượ c ố i thu t di truy n và tính toán ờ ề ng tác b t c khi nào chính sách v n hành ả ấ ứ ươ ữ ủ ậ

i v n hành. khi n PID m và m t b bù t ờ v n hành di n r ng. H th ng tinh ch nh giám sát hi u ch nh nh ng thông s ệ ố ỉ ệ ộ ậ c a nh ng b đi u khi n PID m dùng gi ể ộ ề ủ nh ng thành ph n c a b bù t ộ ầ công su t-áp su t thay đ i và theo yêu c u c a ng ổ ấ ườ ậ ầ ủ ấ

Hình 4.7. B x lý đi u khi n h i ti p ồ ế ộ ử ề ể

i ta đã đ ở ườ

ệ ồ ế ể ạ ượ ườ

t k c a môđun FBCP, ng ế ế ủ ộ ấ ầ ụ

ể ề ư ợ

ự ể ễ ứ ồ ế ộ ề ạ ể ữ

ớ ể ữ ề

ả ầ

ộ ộ ề ể ộ ề ể ấ

ộ ộ ứ ữ ữ ệ ề ấ

ể ạ ướ ữ ệ

c tính m trong vi c thi ề Đ đ t đ ng đi u khi n h i ti p m t c u trúc có th d dàng và h th ng xu t cho đ ệ ố ể ấ ệ ố m r ng cũng nh thu h p, theo yêu c u c a ph m vi ng d ng h th ng ủ ẹ ở ộ ộ ơ ồ đi u khi n hoà h p. Nói chung, c u trúc đi u khi n h i ti p là m t s đ ề ấ ề ng tác gi a nh ng b đi u khi n và qua nhi u vòng d a trên PID v i bù t ể ữ ươ ề ể trình. Nh ng vòng đi u khi n có th bao g m hay lo i b và b bù có th ạ ỏ ồ ể ờ thêm vào hay gi m đi theo yêu c u. Trong đ tài này, có ba b đi u khi n m ề PID và m t b bù 3 vào-3 ra(hình 4.8). Nh ng b đi u khi n công su t, áp ữ ệ su t và m c cung c p nh ng tín hi u đi u khi n cho nh ng van nhiên li u ể ấ c u u1fb, h i uơ 2fb, n 3fb. Sau đó b bù c p nh t nh ng tín hi u này đ t o ra ậ ộ ậ 1fbc,u2fbc và u3fbc. c bù u nh ng tín hi u đi u khi n h i ti p đ ồ ế ượ ề ệ ữ ể

- 128 -

Hình 4.8. Đ ng đi u khi n h i ti p ồ ế ườ ề ể

ằ ụ ể ạ

ể ề ủ ộ ưở ầ ư ả ộ ệ ố ế

ề

ượ ng tác ch đ ữ ộ ơ ề ệ

ể ữ ệ

i m t bài toán t i u phi tuy n đ ả ố ư ộ c yêu c u đ thi ầ ế ượ ể

ữ ờ ế ề ể ậ ộ ỹ

ộ ơ ấ

c th c thi b i h m ng pháp. V i m i b đi u khi n, s đ ỗ ộ ề ẽ ạ ượ ư ự ữ ơ ể ươ ớ

ẽ ượ ậ ủ ự

ậ ạ ủ ể ấ ố

ấ ồ ế ậ ả

ệ ộ

ữ ậ ầ

ồ ượ ả

ộ c ho ch đ nh đ đ t đ ị ạ t k chi ti ế ủ ộ ề c v n ậ ể ạ ượ ể t c a b đi u khi n ươ ẽ ề ậ ế ế

ng tác. C n l u ý r ng m c đích c a b bù là không đ t o ra m t h th ng tách r i ờ ng tác vòng đi u khi n đ n m t m c hoàn h o mà đ gi m nh h ứ ng t ể ả ả ươ ả c b i nh ng b đi u khi n. Đi u này làm đ n gi n đ có th qu n lý đ ể ộ ề ở ượ ả ể ộ ữ ng c a vòng đi u khi n c xây d ng theo đ hoá vi c thi ể t k b bù mà đ ế ế ộ ự ủ ườ ệ c thêm vào gi a nh ng tín hi u đi u và nh ng h s bù t ề ươ ỉ ượ ữ ệ ố ữ ậ c xác đ nh d li u quá trình vào-ra xác l p khi n. Nh ng giá tr h s đ ị ị ệ ố ượ ữ i liên quan, không có mô hình đ ng nào c a quá dùng k thu t ma tr n đ l ậ ủ ộ ợ ậ ỹ trình hay cách gi ế ế ộ t k b ộ bù. Nh ng b đi u khi n m k t h p nh ng k thu t đi u khi n gain- ể ề ợ c u đi m c a scheduling và multimode thành m t c c u đ n mà s đ t đ ủ ể ở ệ ờ c hai ph ả lo i Takagi-Sugeno b c nh t mà c c u suy lu n c a nó th c hi n n i suy ệ ơ ấ ộ ạ thông s và chuy n m ch đ ng th i. Trong c u hình c a nó, b đi u khi n ể ờ ộ ề ấ ượ c dùng setpoint công su t là bi n ho ch đ nh. Kho ng v n hành công su t đ ấ ị ạ phân chia đ theo đ phi tuy n c a đ ng quá trình. Vi c phân chia dùng ộ ể ủ ế nh ng t p m v i nh ng hàm liên thu c ch ng nhau m t ph n. ữ ờ ớ ộ ng tác đ C hai b đi u khi n và bù t ể ộ ề hành di n r ng. Ph n sau s đ c p đ n thi ế ệ ộ m PID và b bù t ộ ầ ươ ờ

4.6 B đi u khi n PID m ộ ề ể ờ

ộ ề ờ ượ ề

ể ề ấ

ể ng và m i b đi u khi n PID có nh h ưở ể ả

ộ ặ ậ

ộ ộ ề c đ xu t là m t h m th c thi m t b đi u B đi u khi n PID m đ ộ ệ ờ ự ấ t c các b đi u khi n thành ph n là khi n nhi u c u hình(multimode), v i t ầ ộ ề ớ ấ ả ng đ n m t ộ lo i PID thông th ế ỗ ộ ề ườ ủ ộ ph n c a không gian v n hành c a NLNLT. M t đ c tính đáng chú ý c a b ủ ơ ấ đi u khi n PID m là chuy n m ch logic (switching logic) d a trên c c u ạ ể ạ ầ ủ ề ự ể ể ờ

- 129 -

ờ ậ ấ ủ

ệ ờ ạ nh sau. ể ả ư ậ ờ ượ

ể ộ ệ ờ ạ ủ c mô t ủ ộ ề ố ộ

1 là LX1 thì ur=c2x2+c3x3+c4x4 ố ậ

ạ ậ

ữ ủ ữ ữ ằ

ượ ữ ậ

ả P,Ki và Kd th hi n nh ng h ng s t l ố ỉ ệ

1,x2,x3 và x4 là nh ng ngõ vào ,LX là bi n ngôn ng c a ngõ ệ ị ể i thu t di truy n. Và đây cũng chính là nh ng thông , tích phân và ằ 1 là bi n đi u khi n th hi n vi c phân chia không gian ệ 2,x3 và x4 là sai l ch, tích phân và đ o hàm sai

ế c xác đ nh đ tính ngõ ra u. Nh ng h ề ể ệ ể ươ ề

ữ ể ệ ệ ạ

ộ ề m hoá và suy lu n c a h m lo i TS. C u trúc và v n hành c a b đi u khi n PID m đ Ph n c t lõi c a b đi u khi n m là m t h m lo i TS b n vào m t ra ầ ố ờ v i nh ng lu t có d ng: ữ ớ N u xế v i r là s lu t, x ữ ớ vào x1 và c2,c3,c4 là nh ng h ng s đ ố ượ c tìm b ng gi s này đ ằ ố s c a b đi u khi n K ể ố ủ ộ ề vi phân t ng ng. x ứ ế v n hành. Nh ng ngõ vào x ữ ậ l ch:ệ

+

c th hi n b i lu t có d ng: ở ạ ậ ể ệ

u

edt

Kdr

KeK

r

ir

pr

ể + ế ỗ ộ ề = (cid:242) là Ar thì

ộ ế ậ

th hi n m t đi m v n hành và bi n ngôn ng A ể ệ ộ ứ ậ ậ

ớ ệ ộ ậ ươ ứ ữ

ữ

c cung c p b i b ấ ở ộ ệ ờ ượ

r đ

c cho b i công th c sau: Vì th m i b đi u khi n thành ph n đ ầ ượ de N u ế a dt v i ớ a ờ ể ữ r là m t t p m th ộ ậ ể ng thì m t phân vùng hi n m t phân vùng c a không gian v n hành. Th ộ ườ ậ ệ ủ ớ ng ng v i m t đi u ki n v n hành v t lý không có biên rõ ràng v i t ệ ề ươ ng ng v i t p nh ng hàm nh ng đi u ki n v n hành k c n. Đi u này t ớ ậ ề ế ậ ữ ề liên thu c v i nh ng hàm hàm liên thu c k c n ch ng lên nhau. ồ ộ ế ậ ộ ớ Nh v i b t kỳ h m TS nào, tín hi u đi u khi n đ ể ề ư ớ ấ đi u khi n PID m đ ể ờ ượ ệ ứ ề ở

ữ (4.1) ộ c tính là tích c a nh ng giá tr hàm liên thu c ủ ữ ị ượ

v i nh ng tr ng s lu t w ọ ớ ngõ vào cho m i lu t: ố ậ ậ ỗ

ỗ ộ ề ể ố ờ ộ ỉ

)

v i i=1,2,…,n là s ngõ vào. Vì trong m i b đi u khi n m ch có m t bi n ế ớ ngõ vào đ c m hoá nên tích trên ch có m t h s : ộ ệ ố ượ ờ ỉ

m

( a

0

ị ( a là ngõ vào đ u tiên nh n m t giá tr rõ t ạ ) 1 = ộ ng,

ể ớ ư

i b t kỳ đi m công tác nào ch có hai lu t đ v i ớ a ậ ầ nh ng hàm liên thu c bình th max ườ ộ ữ hai t p m ch a b t kỳ đi m công tác ể ờ ứ ấ ậ nghĩa là t ạ ấ i đi m công tác. H n n a, v i ớ ơ ữ ế i h u h t v i hình tam giác t ạ ầ nào nh trên hình 4.9. Đi u này có ề c kích ho t hay ỉ ậ ượ ể ạ

- 130 -

ng đ ng v i hai hai b đi u khi n kích ho t. Gi s đó là nh ng b ớ ả ử ữ ể ạ

ươ ể ứ ộ ộ ề ữ ng ng v i nh ng vùng công tác k và k-1 (nh ng ứ ươ ữ ớ

0

t ươ đi u khi n th k và k-1 t ề hàm liên thu c),ta có: ộ

a đ

i c cho ẫ ố ủ ộ ề ể ạ ị ượ

Do đó, m u s c a (6.49) là đ n v và ngõ ra b đi u khi n t ơ b i:ở

ỗ ậ ượ (4.2) ộ ề c cho theo các đ i s là nh ng ngõ vào b đi u ữ ố ố

v i m i ngõ ra lu t đ ớ khi n:ể

c vi Vì th , ngõ ra b đi u khi n (6.53) đ ộ ề ế ể ượ t l ế ạ i nh sau: ư

m

ng đ ng là: v i nh ng thông s b đi u khi n t ớ ố ộ ề ể ươ ữ ươ

là giá tr hàm liên thu c c a bi n ngõ vào th nh t trong t p m ế ộ ủ ứ ấ ậ ờ

k ươ ứ

Trong đó Ak t ị ng ng v i phân vùng th k. ứ ớ

Hình 4.9 Kích ho t lu t cho b t kỳ đi u ki n công tác ề ệ ấ ạ ậ

ầ

c tóm t ế ả ủ ấ ể ề ủ ượ ớ ư ể ề

t trong l u đ c a b đi u khi n PID K t qu c a ph n này đ ồ ủ ộ ề ắ m đ xu t trong hình 4.10 v i bi n đi u khi n trong ph n ti n đ c a m i ỗ ầ ề ể lu t th c thi c c u chuy n m ch đi u khi n mà s xác đ nh b đi u khi n ề ế ờ ề ậ ộ ề ơ ấ ự ẽ ể ể ạ ị

- 131 -

ượ ể ố ươ ng

ạ ng v i c c u ho ch đ nh đ l nào đ đ ươ c kích ho t trong khi tín hi u đi u khi n ngõ ra cu i cùng t ề ệ i v i n i suy nh ng giá tr thông s . ố ộ ợ ớ ộ ớ ơ ấ ữ ạ ị ị

Hình 4.10 B đi u khi n PID m ộ ề ể ờ

- 132 -

4.7. K t qu mô ph ng ả ỏ ế

ng trình mô ph ng trên n n Matlab-Simulink đ ộ ươ ỏ

ượ c c a đ tài s ả ạ ượ ủ ề c bi u ể ẽ ề ế ầ

ụ ụ c trình bày. S đo toàn b ch ơ ề di n ph l c A1. Còn trong ph n này các k t qu đ t đ ễ ở đ ượ

4.7.1.B đi u khi n x lý thu n ể ử ộ ề ậ

ờ ế ộ ỗ

ế ả ủ ệ ấ

ể ề

Mô hình neuro-m có ba hàm liên thu c cho m i bi n vào. K t qu c a mô hình sau khi hu n luy n. 4.7.1.1.Vòng đi u khi n công su t ấ

48. InMFParams [36.23 0.658 0 0] 49. [26.92 78.67 0 0] 50. [10.08 188.2 0 0] 51. [41.29 43.86 0 0] 52. [47.06 112.7 0 0] 53. [16.13 207.2 0 0] 54. OutMFParams [0.004964 0.001271 -0.002468 0] 55. [0.004625 0.001466 -0.05353 0] 56. [0.004586 0.001133 0.004875 0] 57. [0.004848 0.0009653 -0.001472 0] 58. [0.004631 0.001118 -0.001718 0] 59. [0.004645 0.001256 -0.0266 0] 60. [0.01852 -0.01493 0.04397 0]

Hình 4.11. Hàm liên thu c và quan h vào-ra v i 3 hàm liên thu c ộ ệ ộ ớ

61. [0.003569 0.003595 -0.1786 0] 62. [-0.07225 0.06732 0.0007052 0]

- 133 -

66. InMFParams [24.29 10.15 0 0] 67. [23.26 66.67 0 0] 68. [20.3 124.9 0 0] 69. [12.34 184.3 0 0] 70. [24.3 32.73 0 0] 71. [23.56 100.7 0 0] 72. [18.3 173.2 0 0] 73. [27.6 234.5 0 0] 74. OutMFParams [0.004947 0.001256 -0.01062 0] 75. [0.00522 0.0008022 -0.0004746 0] 76. [0.003913 0.001478 2.541e-005 0] 77. [0.004505 0.001169 2.37e-005 0] 78. [0.005116 0.0006817 -0.004507 0] 79. [0.004727 0.001067 -0.003274 0] 80. [0.004543 0.001155 0.00105 0] 81. [0.004568 0.001151 3.517e-005 0] 82. [0.009377 -0.004608 -0.0007339 0] 83. [0.004661 0.001055 0.003801 0] 84. [0.004624 0.001104 0.001861 0] 85. [0.004569 0.001188 3.266e-005 0] 86. [0.0209 0.01638 0.0001387 0] 87. [0.005678 -0.0003554 0.005036 0] 88. [0.003671 0.002889 0.0006123 0] 89. [-0.02033 0.002582 6.67e-006 0]

Hình 4.12. Hàm liên thu c và quan h vào-ra v i 4 hàm liên thu c ộ ệ ớ ộ

- 134 -

88. InMFParams [17.94 9.96 0 0] 89. [18.35 53.11 0 0] 90. [17.65 94.4 0 0] 91. [17.36 137.6 0 0] 92. [17.3 180.4 0 0] 93. [21.86 32.03 0 0] 94. [21.65 83.34 0 0] 95. [21.07 133.9 0 0] 96. [21 184.6 0 0] 97. [27.23 234.7 0 0] 98. OutMFParams [0.005018 0.000898 0.0003038 0] 99. [0.004665 0.001056 -2.549e-006 0] 100. [0.00507 0.00104 3.641e-006 0] 101. [0.0004342 0.001672 7.201e-006 0] 102. [0.004052 0.001156 1.424e-005 0] 103. [0.005365 0.0003613 -0.0001227 0] 104. [0.004556 0.00114 0.0003918 0] 105. [0.004932 0.0009403 -0.0001916 0] 106. [0.001872 0.002652 2.297e-005 0] 107. [0.001497 0.001481 9.637e-006 0] 108. [0.003581 0.002648 0.0001811 0] 109. [0.004653 0.001094 -0.001216 0] 110. [0.004772 0.0009967 -0.0003427 0] 111. [0.003443 0.002113 7.27e-005 0] 112. [0.001305 0.001557 1.084e-005 0] 113. [0.006028 0.004679 4.733e-005 0] 114. [0.004795 0.0008595 -0.0004595 0] 115. [0.004758 0.0009378 0.007969 0] 116. [0.003273 0.002386 -0.0009099 0] 117. [0.01305 -0.00721 -2.838e-005 0]

Hình 4.13. Hàm liên thu c và quan h vào-ra v i 5 hàm liên thu c ộ ệ ớ ộ

118. [-1.567e-006 -2.686e-006 -2.876e-007 0] 119. [0.008055 -0.00309 0.000215 0] 120. [0.005045 0.000554 -0.00452 0] 121. [0.0005012 0.009027 0.001144 0] 122. [-0.04413 -0.03092 -0.0001694 0]

- 135 -

114. InMFParams [14.44 9.999 0 0] 114. [14.43 43.92 0 0] 116. [14.32 77.88 0 0] 117. [14.52 111.9 0 0] 118. [14.44 146 0 0] 119. [14.46 180 0 0] 120. [17.44 32 0 0] 121. [17.45 73.08 0 0] 122. [17.48 114.2 0 0] 123. [17.5 154.3 0 0] 124. [17.64 196.4 0 0] 125. [17.31 237.5 0 0] 126. OutMFParams [0.004054 0.001066 6.875e-005 0] 127. [0.0039 0.001075 -9.266e-006 0] 128. [0.001879 0.00101 9.93e-006 0] 129. [0.003544 0.001234 8.813e-006 0] 130. [0.0002524 0.002144 9.368e-006 0] 131. [0.001489 0.001204 8.392e-006 0] 132. [0.002639 0.003618 9.776e-005 0] 133. [0.002238 0.002204 3.83e-005 0] 134. [0.001871 0.002969 2.913e-005 0] 135. [0.0006899 0.001713 1.212e-005 0] 136. [0.0009326 0.001992 1.031e-005 0] 137. [-0.0001932 0.001935 7.534e-006 0] 138. [0.004169 0.003545 4.643e-005 0] 139. [0.003713 0.002172 0.0001082 0]

Hình 4.14. Hàm liên thu c và quan h vào-ra v i 6 hàm liên thu c ộ ệ ớ ộ

140. [0.002749 0.002462 -1.453e-005 0] 141. [-0.0005606 0.003932 3.072e-005 0] 142. [-9.947e-005 0.00307 1.264e-005 0] 143. [0.0006257 0.002064 9.9e-006 0] 144. [-0.0004175 -0.0003375 -3.514e-006 0] 145. [0.003075 0.00334 -3.03e-005 0] 146. [0.003811 0.001947 0.0001313 0] 147. [0.00196 0.003261 1.362e-005 0] 148. [0.002538 0.002442 1.564e-005 0] 149. [-8.377e-005 -0.0001794 -9.241e-007 0] 150. [1.685e-005 1.346e-005 1.315e-007 0] 151. [0.003547 0.002891 3.48e-005 0] 152. [0.00401 0.00195 3.963e-005 0] 153. [0.002382 0.003321 -0.0001004 0] 154. [0.005593 -0.0003635 7.927e-006 0] 155. [-1.991e-005 -2.254e-005 -1.357e-007 0] 156. [-1.339e-008 -1.052e-008 -9.176e-011 0] 157. [0.0001645 0.0001274 1.017e-006 0] 158. [0.00427 0.001944 1.022e-005 0] 159. [0.001668 0.004853 6.978e-005 0] 160. [-0.001397 0.00203 9.505e-006 0] 161. [4.222e-006 4.732e-006 2.892e-008 0]

- 136 -

4.7.1.2.Vòng đi u khi n áp su t ấ ề

ể

48. InMFParams [6.941 9.942 0 0] 49. [67.53 101.6 0 0] 50. [46.55 154.3 0 0] 51. [48.88 4.522 0 0] 52. [62.43 129 0 0] 53. [54.08 224.2 0 0] 54. OutMFParams [0.01639 0.001811 0.1956 0] 55. [0.005418 0.001711 -0.03051 0] 56. [0.0004719 0.0005867 0.007533 0]

Hình 4.15. Hàm liên thu c và quan h vào-ra v i 3 hàm liên thu c ộ ệ ộ ớ

57. [0.01889 -0.01965 1.084 0] 58. [0.004762 -0.003723 0.7797 0] 59. [0.002444 0.001804 -0.1664 0] 60. [0.02535 -0.01589 -0.04578 0] 61. [0.005006 -0.002319 0.5466 0] 62. [0.001161 0.00318 -0.1996 0]

- 137 -

66. InMFParams [22.05 10.95 0 0] 67. [24.69 68.49 0 0] 68. [24.83 123.6 0 0] 69. [24.66 179.7 0 0] 70. [26.82 30.68 0 0] 71. [26.06 102.3 0 0] 72. [28.91 168.9 0 0] 73. [29.11 237.3 0 0] 74. OutMFParams [0.0285 0.02065 -0.4602 0] 75. [0.04276 -0.01645 -0.02293 0] 76. [-0.01765 0.01167 0.004121 0] 77. [-0.001792 0.0004079 0.0002166 0] 78. [0.04094 -0.03221 0.2097 0] 79. [-0.001156 0.008868 -0.07835 0] 80. [0.00767 -0.002876 0.02571 0] 81. [0.0103 -0.0002675 0.0001045 0] 82. [-0.0165 0.05353 -0.0155 0] 83. [0.006072 -0.002869 0.4839 0] 84. [0.003703 0.002207 -0.07554 0] 85. [-0.02119 0.01163 0.0004867 0] 86. [0.04796 0.03959 0.001357 0] 87. [0.005685 0.001683 -0.06185 0] 88. [0.003715 0.00128 0.02617 0] 89. [0.008175 -0.01544 -0.000226 0]

Hình 4.16. Hàm liên thu c và quan h vào-ra v i 4 hàm liên thu c ộ ệ ộ ớ

- 138 -

88. InMFParams [18.15 10.05 0 0] 89. [18.21 52.28 0 0] 90. [18.07 94.96 0 0] 91. [18.04 137.6 0 0] 92. [18.05 180 0 0] 93. [21.88 32.01 0 0] 94. [21.86 83.29 0 0] 95. [21.84 134.7 0 0] 96. [21.85 186 0 0] 97. [22.03 237.3 0 0] 98. OutMFParams [0.0464 0.00435 -0.006285 0] 99. [0.01307 0.001181 0.0004234 0] 100. [0.004914 0.001708 -2.947e-005 0] 101. [-0.002343 -0.002028 -1.241e-005 0] 102. [0.02157 0.0005994 4.362e-005 0] 103. [0.105 -0.0954 0.04924 0] 104. [-0.01462 0.01762 -0.02504 0] 105. [0.01636 -0.001889 0.005039 0] 106. [-0.0953 0.02451 -0.0003529 0] 107. [0.03602 -0.008293 4.506e-005 0] 108. [0.02197 0.01213 -0.005369 0] 109. [0.007769 0.001103 0.03419 0] 110. [0.003546 0.00225 -0.02449 0] 111. [0.01152 -0.005329 0.001437 0] 112. [0.01049 0.03121 0.0001529 0] 113. [0.01435 0.01149 0.0002172 0] 114. [-0.00194 0.01313 0.001767 0] 115. [0.006579 -0.000484 -0.02071 0] 116. [-0.01232 0.01505 0.002614 0] 117. [-0.04537 -0.08078 -0.0004301 0]

Hình 4.17. Hàm liên thu c và quan h vào-ra v i 5 hàm liên thu c ộ ệ ộ ớ

118. [-0.002567 -0.001991 -1.503e-005 0] 119. [0.02905 -0.02511 -0.003461 0] 120. [0.004725 0.000914 0.03773 0] 121. [-0.005694 0.01105 -0.007614 0] 122. [0.04591 0.03096 0.0001964 0]

- 139 -

114. InMFParams [14.44 10 0 0] 115. [14.4 43.97 0 0] 116. [14.24 77.86 0 0] 117. [14.51 111.9 0 0] 118. [14.46 146 0 0] 119. [14.45 180 0 0] 120. [17.58 32.07 0 0] 121. [17.42 73.07 0 0] 122. [17.56 114.3 0 0] 123. [17.82 154.5 0 0] 124. [17.4 196.3 0 0] 125. [17.2 237.5 0 0] 126. OutMFParams [0.02294 0.006059 0.0002509 0] 127. [0.007765 0.00216 -7.288e-006 0] 128. [0.00221 0.001372 1.449e-005 0] 129. [0.00398 0.00137 9.782e-006 0] 130. [0.0001777 0.001471 6.428e-006 0] 131. [0.00108 0.0007804 4.706e-006 0] 132. [0.0114 0.01707 0.0005554 0] 133. [0.003607 0.00447 4.927e-005 0] 134. [0.00323 0.004344 4.908e-005 0] 135. [0.001606 0.00083 4.786e-006 0] 136. [0.0006937 0.001515 7.773e-006 0] 137. [-0.0001579 0.001221 4.673e-006 0] 138. [0.01138 0.009512 0.0001303 0] 139. [0.01136 0.001027 0.0003341 0] 140. [0.008286 -0.0008628 -0.0001537 0] 141. [-0.001473 0.004728 4.016e-005 0] 142. [0.0005125 0.001913 9.121e-006 0]

Hình 4.18. Hàm liên thu c và quan h vào-ra v i 6 hàm liên thu c ộ ệ ớ ộ

143. [0.0003079 0.001126 4.326e-006 0] 144. [-0.001865 -0.001508 -1.576e-005 0] 145. [0.004239 0.007247 -0.0001959 0] 146. [0.004013 0.003012 0.0005389 0] 147. [0.002721 0.002137 -4.793e-005 0] 148. [0.001742 0.001745 1.114e-005 0] 149. [2.074e-005 4.391e-005 2.267e-007 0] 150. [7.354e-005 4.87e-005 4.729e-007 0] 151. [0.009745 0.007595 0.0001067 0] 152. [0.005774 0.000941 -0.0002405 0] 153. [0.00234 0.003054 0.0002119 0] 154. [-0.00281 0.004227 1.343e-005 0] 155. [2.874e-005 3.559e-005 2.086e-007 0] 156. [-6.08e-008 -4.846e-008 -4.476e-010 0] 157. [0.001147 0.0008973 6.91e-006 0] 158. [0.002016 0.005983 0.0001143 0] 159. [0.003825 0.001466 -7.2e-005 0] 160. [0.002424 -0.001136 -3.287e-006 0] 161. [-3.725e-006 -4.131e-006 -2.529e-008 0]

- 140 -

-7-10-8.

ả ủ ộ ề ấ ằ ể ỏ ờ

K t qu mô ph ng cho th y r ng đ chính xác c a b đi u khi n neuro-m ộ ế r t chính xác.Sai l ch ch trong kho ng 10 ả ấ ệ ỉ

4.7.2 B đi u khi n x lý h i ti p và đáp ng c a h th ng ồ ế

ủ ệ ố ể ử ộ ề ứ

Hình 4.19. Sai l ch các th h khi tinh ch nh b ng thu t gi ệ ở ế ệ ằ ậ ỉ ả i di truy n ề

- 141 -

Hình 4.20. Đáp ng ngõ ra công su t v i setpoint công su t 49.6 ấ ớ ứ ấ

Hình 4.21. Đáp ng ngõ ra công su t v i setpoint công su t 68.4 ấ ớ ứ ấ

Hình 4.22. Đáp ng ngõ ra công su t v i setpoint công su t 91.5 ấ ớ ứ ấ

- 142 -

Hình 4.23. Đáp ng ngõ ra công su t v i setpoint công su t 121.1 ấ ớ ứ ấ

Hình 4.24. Đáp ng ngõ ra m c bao h i v i setpoint công su t 121.1 ơ ớ ứ ứ ấ

Hình 4.25. Đáp ng ngõ ra áp su t bao h i v i setpoint công su t 121.1 ơ ớ ứ ấ ấ

- 143 -

Hình 4.26. Đáp ng ngõ ra công su t v i setpoint công su t 34.4 ấ ớ ứ ấ

Hình 4.27. Đáp ng ngõ ra công su t v i setpoint công su t 21.5 ấ ớ ứ ấ

Hình 4.28. Đáp ng ngõ ra m c bao h i v i setpoint công su t 21.5 ơ ớ ứ ứ ấ

- 144 -

Hình 4.29. Đáp ng ngõ ra áp su t v i setpoint công su t 21.5 ấ ớ ứ ấ

Hình 4.30. Đáp ng ngõ ra công su t v i setpoint công su t 160 ấ ớ ứ ấ

Hình 4.31. Đáp ng ngõ ra m c bao h i v i setpoint công su t 160 ơ ớ ứ ứ ấ

- 145 -

Hình 4.32. Đáp ng ngõ ra áp su t v i setpoint công su t 160 ấ ớ ứ ấ

Hình 4.33. Đáp ng ngõ ra công su t v i setpoint công su t 91.5 ấ ớ ứ ấ

Hình 4.34. Đáp ng ngõ ra công su t v i setpoint công su t 49.6 ấ ớ ứ ấ

- 146 -

Hình 4.35. Đáp ng ngõ ra áp su t v i setpoint công su t 49.6 ấ ớ ứ ấ

Hình 4.36. Đáp ng ngõ ra công su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 150 đ n 160 ế

Hình 4.37. Đáp ng ngõ ra áp su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 150 đ n 160 ế

- 147 -

Hình 4.38. Đáp ng ngõ ra công su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 150 đ n 160 ế

Hình 4.39. Đáp ng ngõ ra áp su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 150 đ n 160 ế

Hình 4.40. Đáp ng ngõ ra công su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 140 đ n 160 ế

- 148 -

Hình 4.41. Đáp ng ngõ ra áp su t v i setpoint hàm b ấ ớ ứ c t ướ ừ 140 đ n 160 ế

Hình 4.42. Tín hi u đi u khi n cho vòng công su t và vòng m c n c ứ ướ ể ề ệ ấ

ệ ể

ạ ph n trên cùng là do b đi u khi n feedforward t o ộ ề ầ ph n gi a là do b đi u khi n feedback t o ra và ề ể ở ộ ề ữ ể ạ

Tín hi u đi u khi n ể ở ề ra.Tín hi u đi u khi n ph n d i cùng là tín hi u t ng. ệ ầ ướ ầ ệ ổ

Hình 4.43. Đáp ng v i setpoint hàm ramp t ớ ứ ừ 70 đ n 100 ế

- 149 -

Hình 4.44.Đáp ng h th ng khi ch a có b bù ệ ố ứ ư ộ

Hình 4.45.Đáp ng h th ng khi có b bù ệ ố ứ ộ

Hình 4.46.Đáp ng h th ng khi có nhi u ệ ố ễ ở ứ tín hi u ngõ vào công su t ấ ệ

- 150 -

Hình 4.47.Đáp ng h th ng khi có nhi u ệ ố ễ ở ứ tín hi u ngõ vào áp su t ấ ệ

Hình 4.48.Đáp ng h th ng khi có nhi u ệ ố ễ ở ứ tín hi u ngõ vào m c ứ ệ

Hình 4.49.Đáp ng h th ng khi có nhi u ệ ố ễ ở ả c ba tín hi u ngõ vào ệ ứ

- 151 -

ằ ệ ứ ủ ừ ế

t, m c dù có v t l ư ỏ ặ ố ể ả ấ ố ấ ể ban đ u nh ng không đáng k và ọ ố

ậ ầ ấ

ớ ư ệ ố ộ

ư ở ạ ứ ổ ị

ạ ấ ằ ệ ố ứ ỏ

ư ữ ộ

ế ị ề ươ

k t qu tinh ả ễ ng pháp đi u khi n thông minh. ộ ả c t ượ ừ ế ả ố

ể ẽ i di truy n. ề ả

ứ ả

ợ ợ

Đi m công tác

Thông số

21.5MW 0.1998 1.01E-04 0 9.77E-05 1.01E-04 0 0.0268 0.0017 0

Kp Ki Kd Kp Ki Kd Kp Ki Kd

91.5MW 0.0802 0.0063 0 0.0502 1.25E-04 0 0.0182 1.68E-04 0

160MW 0.0373 0.0025 0 0.0536 1.25E-04 0 0.013 1.80E-04 0

ng h p cao áp. i các đi m công tác v i áp su t tr T k t qu mô ph ng có th th y r ng đáp ng c a h th ng v i các ớ setpoint là r t t ở ạ tr ng thái xác l p h th ng bám theo setpoint r t sát. ỏ Khi ch a có b bù đáp ng h th ng s dao đ ng l n khi th i gian mô ph ng ờ ộ ẽ ệ ố ứ tăng lên nh ng khi thêm vào b bù thì đáp ng luôn n đ nh tr ng thái xác ộ l p.ậ t khi Bên c nh đó, k t qu mô ph ng ta th y r ng h th ng đáp ng r t t ấ ố ủ các ngõ vào b nhi u. Đây cũng chính là m t trong nh ng u đi m c a ể ph Các b ng 4.6 và 4.7 s trình bày m t vài thông s có đ ch nh c a th t gi ậ ủ ỉ M i b ng s ng v i các đi u ki n công tác khác nhau. B ng 4.6 ng v i ớ ớ ẽ ứ ỗ ả tr ng h p áp su t tr ấ ượ ườ ứ B ng 4.6. Thông s các b đi u khi n t ể ạ ố ả ề ệ t và b ng 4.7 ng v i tr ả ộ ề ớ ườ ể t ấ ượ ớ

ể 49.9MW 0.1749 0.0091 0 0.0263 9.77E-05 0 0.0278 8.82E-04 0 B ng 4.7. Thông s các b đi u khi n t ể ạ ố

Thông số

Kp Ki Kd Kp Ki Kd Kp Ki Kd

54.8 0.1492 0.0058 0 0.005 1.01E-04 0 0.0215 4.16E-04 0

Đi m công tác ể 104.1 0.0265 8.73E-04 0 0.0633 9.77E-05 0 0.0069 9.77E-05 0

142.7 0.0496 0.0018 0 0.0157 2.75E-05 0 0.031 0.0017 0

174.6 0.0329 7.78E-04 0 0.0158 1.16E-04 0 0.0259 9.77E-05 0

i các đi m công tác v i áp su t cao ộ ề ả ể ấ ớ

- 152 -

K T LU N VÀ KI N NGH Ị

Ậ

Ế

Ế

ậ

ộ ế ế ệ ố ượ ố ượ ượ

ộ ế ợ ủ

ể ậ

ậ ể ề ệ ố ệ

ỹ ầ ậ ể ề ể ỹ ệ ố ị

ặ

ề ề ạ ể ữ ấ

ự ứ ấ

ụ ứ ầ ả ủ ệ ố ầ ả ứ ơ ả

ứ ệ ờ ệ ấ ỏ

t k chúng không c n ph i hi u bi

ề ề ể ế i thi ế ế ế ế ể ả ườ ắ ộ ơ

ở ộ ụ ề ẹ

ể ng đi u khi n. ề

ố ượ c đi m c a ph ụ ượ ươ ủ ể ắ

ể ng pháp là v n ch a kh c ph c đ ể c vi c t ả ủ ệ ươ ệ ủ ế

ấ

ộ ng phi tuy n MISO thì ph ớ ố ượ ươ ế

1.K t lu n ế ng pháp đi u khi n đ i t ng phi tuy n trong Lu n văn trình bày m t ph ể ề ươ ậ ng nhiên li u than. ng phi tuy n đ đó đ i t c ch n là t h p năng l ổ ợ ọ ượ ắ ơ ả t k h th ng đi u khi n là m t k t h p c a ba nguyên t c c b n. Vi c thi ề ế ế ệ ố ệ ề K thu t quá trình cho phép nh n d ng toàn b m c tiêu h th ng đi u ộ ụ ạ ậ ỹ khi n. K thu t đi u khi n thông minh cho phép xác đ nh công vi c và phân ị ể c dùng đ xác đ nh và tích h th ng đi u khi n. K thu t ph n m m đ ượ nhóm các phân đo n theo m c đích đ t ra. C ba k thu t trên đã t o nên m t ộ ạ ậ ỹ ả ặ h th ng đi u khi n hai m c. Đ u tiên là m c giám sát cung c p nh ng đ c ứ ệ ố tính v n hành t qu n c a h th ng đi u khi n. M c th p h n th hai cung ể ậ ề t cho đi u khi n và b o v th i gian c p nh ng ch c năng ph n ng c n thi ứ ữ ấ ế ể th c. K t qu mô ph ng cho th y h th ng đi u khi n này có hi u su t r t ấ ấ ế ự ệ ố ả ể t và vi c thi t ề ố ượ ng t sâu s c v đ i t ầ ệ ố ệ c đi u khi n. Đi u đó giúp cho ng t k linh đ ng h n và vi c đ ề ề ượ thi t k có th dùng cho nhi u m c đích khác nhau, m r ng hay thu h p tuỳ ế ế theo đ i t ng tác Nh ư ẫ ượ ề ng MIMO. K t qu c a vi c đi u gi a các vòng đi u khi n c a đ i t ữ ố ượ ề khi n có chính xác hay không còn ph thu c r t nhi u vào các b bù ộ ề ụ ể ỏ ra ng pháp t decoupling. Tuy nhiên, v i đ i t r t có u th . ế ư ấ

ng lai 2.Ki n ngh cho nh ng nghiên c u t ị

h p năng ứ ứ ươ ơ ồ ệ ố ổ ợ ề

ế • Nghiên c u m r ng s đ h th ng đi u khi n cho t ng nhiên li u khí (nhà máy đi n chu trình k t h p). ữ ở ộ ệ

ng pháp decoupling hi u qu h n đ lo i b hoàn toàn s ể ế ợ ể ạ ỏ ả ơ ươ ự

l ượ • Tìm ph t ươ

ệ ệ ng tác gi a các vòng đi u khi n. ể • Xây d ng m t h th ng đi u khi n toàn di n h n đ đáp ng nh ng ữ ể ứ ệ ể ơ

yêu c u c a phòng đi u khi n. ữ ộ ệ ố ề ự ầ ủ ề ề ể

- 153 -

DANH M C CÔNG TRÌNH CÔNG B C A TÁC GI

Ố Ủ

Ụ

Ả

ờ ơ ọ ậ ạ ụ ơ Ứ

ố ạ ế

ơ ạ ụ ế ầ ự ạ

ơ Ứ ố

i di truy n và nh ng ng d ng trong tính toán ả ữ ứ ụ

ạ ề

ơ ự ộ ơ

ề ể ự ộ ố ượ ụ ậ ề ế ố

ủ Ứ ữ ế ơ

ụ ố ề ạ

ọ ể ọ ị

[1].Hoàng Ng c S n.: ng d ng m ng N ron & Logic M trong nh n d ng ạ h phi tuy n, T p chí T đ ng hoá ngày nay,s 59-60 ự ộ ệ [2].Hoàng Ng c S n.: ng d ng m ng N ron trong tinh ch d u, T p chí T ọ đ ng hoá ngày nay,s 59-60 ộ [3].Hoàng Ng c S n.:Thu t gi ề ậ ọ m m,T p chí T đ ng hoá ngày nay,s 63 ố [4].Hoàng Ng c S n.;Phan Xuân Minh.: ng d ng tính toán m m trong nh n ậ Ứ ọ đ ng, s 12- ng phi tuy n, Chuyên san k thu t đi u khi n t d ng đ i t ỹ ạ 2005 [5].Hoàng Ng c S n.:Nh ng ti n b g n đây c a ng d ng tính toán m m ề ộ ầ trong đi u khi n quá trình, T p chí T đ ng hoá ngày nay,s 65-66 ự ộ ạ ng pháp xác đ nh thông s cho m ng [6].Hoàng Ng c S n.: ố n ron và mô hình m ơ ơ M t vài ph ộ ờ, T p chí T đ ng hoá ngày nay,s 68 ạ ươ ự ộ ố

- 154 -

DANH M C TÀI LI U THAM KH O

Ụ

Ả

Ệ

ế t ệ

ờ ễ ể ế ướ c.:Lý thuy t Đi u khi n m .Nhà ề

ọ ậ ấ ả

ế ướ

ỹ ậ ế ể ỹ c, Phan Xuân Minh, Hán Thành Trung.:Lý thy t đi u ề ấ ả

ề ễ ỹ ư

ọ ậ ấ ả

ế ề ể ướ ỹ c: Lý thuy t đi u khi n tuy n tính. NXB KH & KT. 2004. ế

ế

Ti ng Vi [1]Phan Xuân Minh.; Nguy n Doãn Ph xu t b n khoa h c và K thu t, 1999 [2] Nguy n Doãn Ph ễ khi n phi tuy n, Nhà xu t b n Khoa H c Và K Thu t,2003 ọ [3] Nguy n Phùng Quang.:Matlab và Simulink Dành Cho K S Đi u khi n ể T Đ ng , Nhà xu t b n Khoa H c Và K Thu t,2003 ự ộ [4] N.D.Ph ... Ti ng Anh [5].Lakhmi Jain,Ph.D.;Anna Maria Fanelli, Ph.D.:Recent Advances in Artificial Neural Networks Design and Applications. CRC Press LLC,2000 [6].Kazuo Tanaka.;Hua O.Wang.:Fuzzy Control Systems Design & Analysis.John Wiley & Sons, Inc.2001 [7].Olaf Wolkenhauer.:Fuzzy Mathematics in Systems Theory and Data Analysis. John Wiley and Sons, Inc.2001 [8].Raul Garduno-Ramirez.:Overall Intelligent Hybrid control system for a fossil-fuel power unit,Doctor of Philosophy,2000 [9] G. F. Franklin, J. D. Power, A. E. Naeini: Feedfback Control of Dynamic Systems. Addison-Wesley. 1995 [10] Tuula Savola.:Simulation And Optimisation Of Power Production In Biomass-Fuelled Small-Scale Chp Plants,Helsinki University of Technology Department of Mechanical Engineering Energy Engineering and Environmental Protection Publications Espoo 2005 [11] Hung T. Nguyen, Michio Sugeno: Fuzzy systems Modeling and Control. Kluwer Academic Publisher. 1998 [12] Chun-Liang Lin and Huai-Wen Su.:Intelligent Control Theory in Guidance and Control System Design: an Overview,Proc. Natl. Sci, Counc. ROC(A)Vol. 24, No. 1, 2000. pp. 15-30 [13] Wilfried Elmenreich.:Intelligent Methods for Embedded System,1Institute for Computer Engineering, Technical University of Vienna, Vienna, Austria [14]Alejandro Zaleta-Aguilar and Armando Gallegos-Muñoz.: A Reconciliation Method Based on a Module Simulator An Approach to the Diagnosis of Energy System Malfunctions,Int.J. Thermodynamics, pp.51-60, June-2004

[15]Victor-Eduard Cenuşă, Adrian Badea.:Exergetic Optimization of the Heat Recovery Steam Generators by Imposing the Total Heat Transfer Area Int.J. Thermodynamics, (No.3), pp.149-156, September-2004 [16] Zygfryd Domachowski, Marek Dzida:Specific Problems Of Combined Cycle Power Plant Control Dynamics ,Proceedings of 2000 International Joint Power Generation Conference Miami Beach, Florida, July 23-26, 2000 [17]Patrick E.A. van der Lee, Tam_as Terlaky , Theo Woudstra:A new approach to optimizing energy systems,1999 [18]Nicholas Aluko.:Uk Capabilities: Research And Development In Cleaner Coal Technologies,Department of Trade and Industry, 1 Victoria Street, London SW1H 0ET [19] Lurgi Oel • Gas • Chemie GmbH · Lurgiallee 5 · D-60295 Frankfurt am Main Multi Purpose Gasification ...

- 155 -