ĐẠI HỌC QUỐC GIA TP. HỒ CHÍ MINH
TRƯỜNG ĐẠI HỌC BÁCH KHOA
CAO VĂN KIÊN
NHẬN DẠNG VÀ ĐIỀU KHIỂN HỆ PHI TUYẾN CÓ TRỄ DÙNG MÔ
HÌNH FUZZY NHIỀU LỚP KẾT HỢP GIẢI THUẬT TÍNH TOÁN MỀM
Ngành: Kỹ Thuật Điều Khiển & Tự Động Hóa
Mã số ngành: 62520216
TÓM TẮT LUẬN ÁN TIẾN SĨ
TP. HỒ CHÍ MINH - NĂM 2021
Công trình được hoàn thành tại Trường Đại học Bách Khoa – ĐHQG-HCM
Người hướng dẫn 1: GS. TS. Hồ Phạm Huy Ánh
Người hướng dẫn 2:
Phản biện độc lập 1:
Phản biện độc lập 2:
Phản biện 1:
Phản biện 2:
Phản biện 3:
Luận án sẽ được bảo vệ trước Hội đồng đánh giá luận án họp tại
...............................................................................................................................
...............................................................................................................................
vào lúc giờ ngày tháng năm
Có thể tìm hiểu luận án tại thư viện:
- Thư viện Trường Đi hc Bách Khoa ĐHQG-HCM
- Thư viện Đại hc Quc gia Tp.HCM
- Thư viện Khoa hc Tng hp Tp.HCM
1
CHƯƠNG 1 GII THIU
H phi tuyn c tr l mt h phi tuyn vi cc đc tnh tr [64], cc đc tnh
ny gây kh khăn cho vic nhn dng [65] v kh khăn trong vic điu khin
vi cc phương php yêu cu bit phương trnh ton ca đi tưng.
Từ khi Zadeh gii thiu v hnh Fuzzy m 1965 [12], đã c rất nhiu
nghiên cứu trong lĩnh vực ny. hnh Fuzzy đưc p dụng trong rất nhiu
lĩnh vực như y học, kỹ thuât, ti chnh, thng kê,... [13][15]. Trong chuyên
ngnh điu khin thông minh, giải thut fuzzy đã ứng dụng thnh công trong
điu khin, nhn dng, phân lp, phân nhm,…[14], [16][20].
Hin ti, c rất nhiu nghiên cứu v lĩnh vực nhn dng vi đ cc cch tip
cn từ kinh đin ti những cch ứng dụng giải thut thông minh, như mng thn
kinh nơ ron[21], hay mô hình Fuzzy [4], [22]. Mt trong những vấn đ ca lĩnh
vực nhn dng thông minh chnh l hnh phi tuyn nhiu ngõ vo, nhiu
ngõ ra (MIMO) bởi v sự phức tp v nhiu yu t không chắc chắn. Đc bit
khi p dụng hnh Fuzzy trong nhn dng, đi vi cc bi ton yêu cu đ
phức tp cao, nhiu ngõ vo th s lưng lut mờ phải nhiu, từ đ lm tăng
khi lưng tnh ton ca h thng. Đ l mt trong cc đim yu ca hnh
Fuzzy truyn thng khi p dụng vo nhn dng cc h MIMO [23][25]. Đ
khắc phục cc nhưc đim đ, rất nhiu phương php đưc đưa ra bởi cc nh
khoa học như trong cc bi bo [24], [26][29] sử dụng hnh Hierarchical
Fuzzy đ giảm s lưng lut mờ, nhưng vẫn còn nhiu hn ch. Từ đ, tc giả
c ý tưởng đưa ra mt cấu trúc Fuzzy mi c khả năng ứng dụng trong bi ton
nhn dng v điu khin h thng.
hình MIMO phi tuyn rất kh đ nhn nhn dng dựa vo cc quan h ton
học. Đ khắc phục nhưc đim đ cũng như li dụng khả năng tnh ton ca
my tnh, cc công cụ tnh ton ti ưu như GA, PSO đã đưc p dụng trong
vic nhn dng cc hnh nhn dng thông minh như mng ron hay
hình Fuzzy [30][34]. Tuy nhiên cc giải thut GA, PSO đu c những th
mnh v hn ch như thut ton PSO [35], [36] thì đơn giản, d lp trnh, nhưng
2
d bị rơi vo cực trị cục b, GA [37][39] cho kt quả ton cục tt, nhưng mất
nhiu thời gian tnh ton. Trong những năm gn đây, logic mờ, mng ron
nhân to v thut ton ti ưu tin ha l cc phương php bổ sung cho nhau
trong vic thit k v thực thi cc b điu khin thông minh nhằm pht huy cc
ưu đim v giảm thiu khuyt đim ca từng phương php. Gn đây, giải thut
DE [40] đưc R. Storn K. Price phát trin năm 1997 đã trở nên phổ bin
trong lĩnh vực tnh ton ti ưu. Giải thut DE cho kt quả ti ưu ton cục,
thời gian tnh ton t hơn so vi GA v đưa ra cc kt quả tm kim ton cục tt
hơn PSO [41][43]. Hơn nữa, vic p dụng hnh Fuzzy/Nơ ron vo nhn
dng mô hnh c th học luôn cả đc tnh tr ca h thng. V th trong lun n
ny, tc giả chọn giải thut DE đưc p dụng cho vic ti ưu hnh Fuzzy
ứng dụng cho bi ton nhn dng mô hnh MIMO phi tuyn.
Giải thut điu khin h phi tuyn gn đây tp trung vo cc bi ton điu khin
thch nghi ứng dụng mô hnh Fuzzy, Nơ ron [44][49]. Tuy nhiên cc giải thut
thch nghi hin nay đu chưa quan tâm đn giai đon khởi đng, cc tham s
khởi to ban đu đu đưc khởi to ngẫu nhiên.
Cùng vi sự tin b ca khoa học kỹ thut, phn cứng ngy cng pht trin, cc
giải thut điu khin ứng dụng, cc giải thut tnh ton ti ưu cũng đưc quan
tâm nghiên cứu ngy mt nhiu [21], [50][55], đc bit l ứng dụng mô hnh
Fuzzy, ron vo trong cc bi ton điu khin kt hp cc giải thut ti ưu
[56][63]. Tuy nhiên, hn ch ca cc cch tip cn ny khâu chứng minh ổn
định ca h thng, chỉ c th chứng minh qua khảo st thực nghim, hoc trên
môi trường lý tưởng.
Từ cc vấn đ trên, tc giả cũng sẽ pht trin giải thut điu khin dựa trên
hnh Fuzzy mi đưc đ xuất, kt hp vi cc giải thut tnh ton mm v đưa
ra đưc t nhất mt cch chứng minh tnh ổn định ca h thng điu khin dựa
trên lý thuyt ổn định Lyapunov trong quyn lun n ny.
3
CHƯƠNG 2 CƠ S L THUYT
2.1 THUT TOÁN TIN HÓA VI SAI
Giải thut DE [40] đưc đ xuất ln đu năm 1995 bởi Prince v cc cng sự
đưc p dụng nhiu trong nhn dng h phi tuyn những năm gn đây [21],
[50], [84]–[86], [88], [112], giải thut bao gồm cc bưc sau:
Khi to: Quá trình khi to NP cá th ngu nhiên trong qun th, mi
th mang mt li gii khác nhau các th đưc khi to ngu nhiên trong
phm vi tìm kim đưc chọn trưc.
, 1, , 2, , , ,
[ , ,..., ]
i G i G i G D i G
X x x x=
(1)
Trong đ G l s lưng vòng lp (th h), G = 0, 1 …, Gmax v i = 1, 2 …, NP,
D l s lưng c th trong qun th.
Đt bin: Qu trnh đt bin to ra các cá th mi bng cách nhân thêm
mt h s gia s sai khác hai cá th trong qun th đ to ra cá th mi. Vi
mi cá th
,iG
x
(target), cá th đt bin
,iG
v
(donor) đưc to ra vi công thc
sau:
1 2 3
, 1 , , ,
.( )
i G r G r G r G
v x f x x
+= +
(2)
Vi cc gi trị ngẫu nhiên
1 2 3
, , 1, 2,...,r r r NP
. F l mt h s dng s thực
[0, 2]f
.
Lai ghép: Sau khi to ra các vector giá tr t khâu đt bin, khâu lai
ghép s thc hin nhim v to ra t hp các th con mi
,iG
u
(trial) trong
qun th. Cá th con đưc to ra bng cách la chn chính nó
,iG
x
(target) hoc
vi cá th đt bin
(donor):
, , ,
,,
,,
( [0,1] )
r
j i G j i
j i G
j i G
v If rand c
ux otherwise
=
(3)
Chn lc: Quá trình chn lc quyt định th nào s tip tc tn ti
trong th h G+1 tip theo. Cá th đưc chn
,iG
x
(target) s so sánh cht lưng
vi cá th con sau quá trình lai ghép
,iG
u
(trial) cá th có chất lưng cao hơn sẽ
tn ti.:
, , ,
,1
,
((
)
)
i G i G i G
iG
iG
U If f U f X
X
X otherwise
+
=
(4)
Kt thúc: Đây l điu kin kt thúc vòng lp ca gii thut DE. Vòng lp
ch kt thúc khi mt trong cc điu kin sau tho mãn: