MỞ ĐẦU Tính cấp thiết của đề tài Hệ thống phi tuyến với các yếu tố bất định và nhiều động rất khó đê xác định chính xác mô hình toán học của hộ thống. Hơn nữa sự phát triển không ngừng cùa khoa học công nghệ làm xuất hiện các đối tượng điều khiển có độ phức tạp ngày càng tăng 11], [2]. Yêu cầu thực tiễn đặt ra là phải điều khiển các hệ thống động ngày càng phức tạp, trong điều kiện các yếu tố bất định ngày càng gia tàng, cũng như yêu cầu chất lượng ngày càng cao. Do đô các hướng tiếp cận điều khiên thông thưừng dựa trên mô hình toán học gần như không đáp ứng được yêu cầu.
Vì thế ngày càng có nhiều nghiên cứu tập trung vào các mô hình và các bộ điều khiển thông minh ứng dụng kỹ thuật tính toán mềm dựa trôn mạng nơ-ron nhân tạo, logic mờ và các thuật toán tối ưu tiến hóa đổ nhận dạng và điều khiển các hệ phi tuyến [3]-[l 1J. Từ khi Zadch giới thiệu về mô hình Fuzzy năm 1965 112], đã có rất nhiều nghiên cứu trong lĩnh vực này. Mô hình Fuzzy được áp dụng trong rất nhiều lĩnh vực như y học, kỹ thuât, tài chính, thống kê,. Trong chuyên ngành điều khiến thông minh, giái thuật mờ đà ứng dụng thành công trong điều khiên, nhận dạng, phân lớp, phân nhóm,.
Hiện tại, có rất nhiều nghiên cứu về lình vực nhận dạng với đú các cách tiếp cận từ kinh điển tới nhừng cách ứng dụng giải thuật thông minh, như mạng thần kinh nơ- ron[21], hay mô hình Fuzzy [4], [22]. Một trong những vấn đề cúa lĩnh vực nhận dạng thông minh chính là mô hình phi tuyến nhiều ngõ vào, nhiều ngõ ra bời vì sự phức tạp và nhiều yểu tố không chắc chẳn. Đặc biệt khi áp dụng mô hình Fuzzy trong nhận dạng, đối với các bài toán yêu cầu độ phức tạp cao, nhiều ngõ vào thì số lượng luật mờ phái nhiều, từ đó làm tăng khối lượng tính toán của hệ thong. Đó là một trong các điểm yếu của mô hình Fuzzy truyền thống khi áp dụng vào nhận dạng các hộ MIMO [23]—[25 J.
De khắc phục các nhược diêm đó, rất nhiều phương pháp được đưa ra bởi các nhà khoa học như trong các bài báo [24], [26]-[29] sừ dụng mô hình Hierarchical mờ để giảm số lượng luật mờ, nhưng vẫn còn nhiều hạn chế. Từ đó, nghiên cứu sinh r có ý tương đưa ra một câu trúc mờ mới có khả năng ứng dụng trong bài toán nhận • 1 a a a 2 a. f dạng và điêu khiên hệ thông. Mô hình MIMO phi tuyến rất khó để nhận nhận dạng dựa vào các quan hệ toán học.
Đê khắc phục nhược điêm đó cũng như lợi dụng khả năng tính toán cùa máy tính, các công cụ tính toán tối ưu như GA, PSO đă được áp dụng trong việc nhận dạng các mô hình nhận dạng thông minh như mạng nơ-ron hay mô hình Fuzzy [30]-[34], Tuy nhiên các giải thuật GA, PSO đều có những thế mạnh và hạn chế như thuật toán PSO [35], |36ị thì đơn giản, dễ lập trình, nhưng dề bị rơi vào cực trị cục bộ, GA 1371-ị39] cho kết quả toàn cục tổt, nhưng mất nhiồu thời gian tính toán. Trong những năm gần đây, logic mờ, mạng nơ-ron nhân tạo và thuật toán tối ưu tiến hỏa là các phương pháp bò sung cho nhau trong việc thiết kế và thực thi các bộ điều khiên thông minh nhầm phát huy các ưu điếm và giảm thiếu khuyết diêm của từng phương pháp. giải thuật DE [40] được R. Price phát triôn năm 1997 đã trơ nôn phổ biến trong lĩnh vực tính toán toi ưu.
Giải thuật DE cho kết quà tối ưu toàn cục và có thời gian tính toán ít hơn so với GA và đưa ra các kết qua tìm kiềm toàn cục tốt hơn PSO [41]-[43]. Vì thế trong luận án này, nghiên cứu sinh chọn giải thuật DE áp dụng cho việc tối ưu mô hình Fuzzy ứng dụng cho bài toán nhận dạng mô hình M1M0 phi luyến. Giãi thuật điêu khiên hệ phi tuyên gân đây tập trung vào các bài toán điêu khiên thích nghi ứng dụng mô hình Fuzzy, nơ-ron [44]—[49], Tuy nhiên các giải thuật thích nghi hiện nay đều chưa quan tâm đen giai đoạn khơi động, các tham số khơi lạo ban đau đều được khởi tạo ngẫu nhiên. Cùng với sự tiến bộ của khoa học kỳ thuât, phần cứng ngày càng phát triển, các giài thuật điều khiến ứng dụng các giải thuật tính toán tối ưu cũng được quan tâm nghiên cứu ngày một nhiều [211, [50]—[55], đặc biệt là ứng dụng mô hình Fuzzy, Nơ-ron vào trong các bài toán điều khiên kết hợp các giãi thuật tối ưu [56]-[63].
Tuy nhiên, hạn chế của các cách tiếp cận này ớ khâu chứng minh ôn định cúa hệ thống, chỉ có the chứng minh qua khảo sát thực nghiệm, hoặc trên môi trường lý tường. 2 • Phạm vi nghiên cứu liên quan các bài toán điều khiên chi dừng lại ở hệ MĨSO. NCS chưa thực hiện đủ các thực nghiệm liên quan hệ MIMO để có thể đưa vào trong luận án. Phương pháp nghiên cứu Phương pháp nghiên cứu được áp dụng đế thực hiện luận án là phân tích lý thuyết, mô phóng trên máy tính và kiếm chứng điều khiển trên mô hình thực nghiệm.
• Phân tích lý thuyết: Nghiên cứu các lý thuyết liên quan đến nội dung luận án đã công bố trên các tạp chi, hội nghị khoa học chuyên ngành. Trên cư sư đó đề xuất mô hình Fuzzy cải tiến đề nâng cao hiệu qua của mô hình Fuzzy ứng dụng trong •1 •2 •• f nhận dạng và điêu khiên hệ phi tuyên. • Mô phóng trên máy tính: Xây dựng mô hình cải tiến đề xuất trong luận án, áp dụng vào nhận dạng và điều khiến hệ phi tuyến. Trên cơ sớ đó rút ra các kết luận về mô hình đề xuất.
• Úng dụng thực nghiệm: Triển khai mô hình nghiên cứu trên một số hệ phi tuyến thực nghiệm, phân tích kết quả, rút ra nhận xét. Đóng góp mói về mặt khoa học và thục tiễn • Y nghĩa khoa học - Đã nghiên cứu và phát triển thành công mô hình Fuzzy nhiều lớp bằng cách kết hợp nhiều mô hình Fuzzy T-S. Mô hình Fuzzy nhiều lớp có tru điểm về số lượng luật mờ giám dáng kế khi so sánh với mô hình Fuzzy truyền thống. Mô hình Fuzzy nhiều lớp còn có khả năng thay đổi linh hoạt tùy theo độ phức tạp của hệ thống cần nhận dạng.
Ket quả của nghiên cứu này được trình bày ờ bài báo [5a], [6a]. - Đã nghiên cứu và phát triên thành công giải thuật huân luyện ghép tâng áp dụng r _ ' r 2 - - £ cho việc huân luyện mô hình Fuzzy nhiêu lớp. Kêt quả kiêm chứng cho thây 4 Từ các vấn đề trên, nghiên cứu sinh sẽ phát triền giải thuật điều khiển dựa trên mô hình Fuzzy mới được đề xuất, kết hợp với các giãi thuật tính toán mềm và đưa ra được ít nhất một cách chứng minh tính ôn định cua hệ thống điều khiên dựa trên lý thuyết ổn định Lyapunov trong quyển luận án này. Tóm lại để nâng cao chất lượng nhận dạng và điều khiên các hệ phi tuyến phức tạp sử dụng logic mờ thì việc cải thiện cấu trúc của hệ mờ có ý nghía vô cùng quan trọng.
Do đó việc nghiên cửu cai thiện cấu trúc cúa mô hình Fuzzy trong nhận dạng và điều khiên hệ phi tuyến có nhiều ý nghĩa trong khoa học và thực tiễn. Mục đích nghiên cứu Nghiên cứu cấu trúc logic mờ và đề xuất các mô hình Fuzzy cải tiến trong lĩnh vực nhận dạng và mô hình Fuzzy cải tiến trong điều khiển. Sau đó áp dụng mô hình Fuzzy cải tiến vào bài toán nhận dạng và điều khiên hệ phi tuyến kết hợp giái thuật tính toán mồm. Đôi tuọng và phạm vi nghiên cúu • Đối tượng được sử dụng đế mô phỏng, đánh giá chất lượng và hiệu quả của các thuật toán, các mô hình đề xuất là hệ bồn nước liên kết, hệ xe-lò xo.
Đối tượng nghiên cứu được chọn là các đối tượng hay được sử dụng trong các công bổ lien quan gần đây. Việc chọn các đối tượng này cũng nham mục đích so sánh chất lượng giái thuật của nghiên cứu sinh đề xuất với các công bố liên quan. • Đổi tượng thực nghiệm được sứ dụng đe kiểm chứng tính hiệu qua cúa bộ điều khiển đề xuất là hệ tay máy song song PAM 2-D0F và hệ bồn nước liên kết. Đây là đổi tượng sử dụng cơ cấu chấp hành mới dược phát triển gần đây.
Đối tượng thế hiện đầy đù các đặc tính của hệ cơ phi tuyến có trễ rất phù hợp với luận án. • Các hệ phi tuyến SISO và MIMO dùng trong mô phóng và kiêm chứng thực nghiệm phai thuộc lớp các đối tượng phi tuyến có thế điều khiên ôn định và bền vững khi dùng bộ điều khiển P1D. 3 giải thuật huấn luyện ghép tầng không chí cho kểt quả nhanh hơn so với phương pháp huấn luyện thống thường mà còn cho chất lượng tốt hơn. Kết quà nghiên cứu được trình bày ở bài báo [la], và [9a].
- Đã nghiên cứu và phát triển thành công giải thuật điều khiên trượt mờ nâng cao kết hợp giãi thuật tối ưu. Giâi thuật điều khiển đề xuất lấy ý tưởng bẳt đầu từ mô hình Fuzzy nhiều lớp được áp dụng đố nhận dạng các hàm phi tuyến cua hệ thống. Sau đó hàm mờ thích nghi được thiết kế đê bồ sung cho giải thuật. Giải thuật thích nghi và tối ưu bồ sung cho nhau, vừa đám bảo hệ thống ổn định tiệm cận theo Lyapunov, vừa đảm bảo hệ thong thay đôi linh hoạt với nhiễu ngoài và các yếu tổ thay đổi không xác định.
Kết quả nghiên cứu này được trình bày ờ bài báo [2a],[7a] và [8a]. - Cuối cùng là đề xuất giai thuật điều khiên ngược thích nghi. Giải thuật này gồm một mô hình ngược sử dụng mô hình Fuzzy nhiều lớp được huấn luyện tối ưu kết hợp với mô hình Fuzzy thích nghi. Giải thuật điều khiến có các ưu điếm của giải thuật tối ưu và thích nghi khi kết hợp ca 2 lại.
Ưu điếm của giai thuật tối ưu được thê hiện khi hệ không có thay đổi hoặc không bị tác động. Khi hệ thống có sự thay dối, luật diều khiến thích nghi thể hiện ưu diếm cùa nó. Nhìn tồng thể, ban thân giải thuật điều khiển này chính là một mô hình Fuzzy nhiều lớp với một phần được tính toán tối ưu cố định và một phần được cập nhật thông qua luật thích nghi đám bão hệ thống ôn định Lyapunov. Ket quả điều khiến còn được so sánh với các nghiên cứu gần đây để chứng minh ưu điểm.
Kết quá nghiên cứu này được trình bày ờ bài báo 13a] và |4a|.