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 Đại học Bách Khoa – ĐHQG-HCM
- Thư viện Đại học Quốc gia Tp.HCM
- Thư viện Khoa học Tổng hợp Tp.HCM
1
CHƯƠNG 1 GIỚI THIỆU
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 mô hnh Fuzzy năm 1965 [12], đã c rất nhiu
nghiên cứu trong lĩnh vực ny. Mô 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 mô 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 mô 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 mô 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 mô 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.
Mô 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 mô hnh nhn dng thông minh như mng nơ ron hay mô
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 nơ 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 và 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, có
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 mô 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 mô 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, Nơ 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 ở 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 mô
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 THUẬT 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:
• Khởi to: Quá trình khởi to NP cá th ngẫu nhiên trong qun th, mỗi
cá th mang mt lời giải khác nhau các cá th đưc khởi to ngẫu 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 bằng cách nhân thêm
mt h s giữa sự sai khác hai cá th trong qun th đ to ra cá th mi. Vi
mỗi cá th
,iG
x
(target), cá th đt bin
,iG
v
(donor) đưc to ra vi công thức
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 trị từ khâu đt bin, khâu lai
ghép sẽ thực hin nhim vụ to ra tổ hp các cá th con mi
,iG
u
(trial) trong
qun th. Cá th con đưc to ra bằng cách lựa chọn chính nó
(target) hoc
vi cá th đt bin
,iG
v
(donor):
, , ,
,,
,,
( [0,1] )
r
j i G j i
j i G
j i G
v If rand c
ux otherwise
=
(3)
• Chọn lọc: Quá trình chọn lọc quyt định cá th nào sẽ tip tục tồn ti
trong th h G+1 tip theo. Cá th đưc chọn
,iG
x
(target) sẽ so sánh chất lưng
vi cá th con sau quá trình lai ghép
,iG
u
(trial) cá th có chất lưng cao hơn sẽ
tồn ti.:
, , ,
,1
,
((
)
)
i G i G i G
iG
iG
U If f U f X
XX otherwise
+
=
(4)
• Kt thúc: Đây l điu kin kt thúc vòng lp ca giải thut DE. Vòng lp
chỉ kt thúc khi mt trong cc điu kin sau thoả mãn: