Nghiên cứu khả năng hiệu chỉnh cấu trúc mạng nơ ron sử dụng giải thuật di truyền điều khiển mobile robot

Nghiên cứu khả năng hiệu chỉnh cấu trúc mạng nơ ron bằng giải thuật di truyền cho điều khiển robot di động, nâng cao hiệu suất và độ chính xác.

• Tác giả: Trần Chí Cường
• Người hướng dẫn: PGS. Nguyễn Chí Ngôn
• Trường học: Trường Đại Học Cần Thơ
• Chuyên ngành: Kỹ Thuật Điều Khiển & Tự Động Hóa
• Đề tài: Nghiên Cứu Hiệu Chỉnh Cấu Trúc Mạng Nơ-Ron Bằng Giải Thuật Di Truyền Trong Điều Khiển Robot Di Động
• Loại tài liệu: luận văn
• Năm xuất bản: 2017
• Địa điểm: Cần Thơ

Tóm tắt

I. Tổng Quan Nghiên Cứu Hiệu Chỉnh Mạng Nơ Ron cho Robot

Bài toán điều khiển robot di động ngày càng trở nên quan trọng, đặc biệt trong bối cảnh tự động hóa. Một trong những hướng tiếp cận đầy hứa hẹn là sử dụng mạng nơ-ron, tuy nhiên, việc thiết kế cấu trúc mạng phù hợp vẫn là một thách thức lớn. Nghiên cứu này tập trung vào việc hiệu chỉnh cấu trúc mạng nơ-ron sử dụng giải thuật di truyền nhằm tối ưu hóa khả năng điều khiển robot di động. Việc lựa chọn cấu trúc mạng tối ưu đòi hỏi nhiều thời gian và kinh nghiệm, vì vậy, việc tự động hóa quá trình này là vô cùng cần thiết. Nghiên cứu của Trần Chí Cường đã đề xuất một phương pháp hiệu chỉnh mạng nơ-ron sử dụng thuật toán di truyền. Phương pháp này hứa hẹn sẽ giúp giảm thời gian thiết kế và nâng cao hiệu suất điều khiển thông minh cho robot tự hành.

1.1. Ứng Dụng Mạng Nơ ron trong Điều Khiển Robot Di Động

Mạng nơ-ron cung cấp khả năng học hỏi và thích nghi, cho phép robot di động hoạt động hiệu quả trong môi trường phức tạp. Việc sử dụng mạng nơ-ron nhân tạo giúp điều khiển robot một cách linh hoạt, không đòi hỏi mô hình toán học chính xác của robot. Tuy nhiên, hiệu suất điều khiển phụ thuộc rất lớn vào cấu trúc mạng. Do đó, việc tối ưu hóa cấu trúc mạng là một yếu tố then chốt. Bài toán này cũng gặp nhiều khó khăn trong việc làm sao robot chuyển động hoạt động có độ chính xác cao.

1.2. Giới Thiệu về Giải Thuật Di Truyền và Ưu Điểm Của Nó

Giải thuật di truyền là một phương pháp tối ưu hóa dựa trên cơ chế tiến hóa tự nhiên. Nó sử dụng các phép toán di truyền như lai ghép, đột biến để tạo ra các thế hệ cá thể mới, dần dần tìm ra lời giải tối ưu cho bài toán. Ưu điểm của giải thuật di truyền là khả năng tìm kiếm lời giải trong không gian rộng lớn, ít bị mắc kẹt vào các cực trị cục bộ. Luận văn tập trung nghiên cứu khả năng hiệu chỉnh cấu mạng nơ-ron hàm cơ xuyên tâm (RBF) dụng thuật truyền điều khiển mobile robot.

II. Vấn Đề Chọn Cấu Trúc Mạng Nơ Ron Tối Ưu Cho Robot

Việc lựa chọn cấu trúc mạng nơ-ron phù hợp cho điều khiển robot di động là một bài toán khó. Cấu trúc mạng ảnh hưởng trực tiếp đến độ chính xác, tốc độ và khả năng thích nghi của hệ thống điều khiển. Thông thường, cấu trúc mạng được chọn dựa trên kinh nghiệm, dẫn đến tốn nhiều thời gian và công sức. Hơn nữa, một cấu trúc mạng hoạt động tốt trong một môi trường có thể không hiệu quả trong môi trường khác. Chính vì vậy, cần có một phương pháp tự động tối ưu hóa cấu trúc mạng để điều khiển robot một cách hiệu quả nhất. Việc tối ưu hóa mạng nơ-ron có vai trò quan trọng để đáp ứng được yêu cầu của toán điều khiển.

2.1. Khó Khăn trong Việc Xác Định Cấu Trúc Mạng Nơ ron Thủ Công

Việc thiết kế cấu trúc mạng nơ-ron thủ công đòi hỏi chuyên gia có kinh nghiệm sâu rộng về mạng nơ-ron và bài toán điều khiển robot. Các yếu tố cần cân nhắc bao gồm số lớp, số nơ-ron trên mỗi lớp, hàm kích hoạt, và các tham số huấn luyện. Việc điều chỉnh các tham số này một cách thủ công thường mất nhiều thời gian và không đảm bảo tìm được cấu trúc tối ưu. Chính vì lẽ đó, giải pháp hiệu chỉnh cấu trúc mạng nơ-ron ra đời.

2.2. Tác Động Của Cấu Trúc Mạng Đến Hiệu Suất Điều Khiển Robot

Cấu trúc mạng nơ-ron có ảnh hưởng lớn đến hiệu suất điều khiển robot. Một mạng quá nhỏ có thể không đủ khả năng biểu diễn các quy tắc điều khiển phức tạp, dẫn đến độ chính xác thấp. Ngược lại, một mạng quá lớn có thể dẫn đến hiện tượng quá khớp (overfitting), làm giảm khả năng thích nghi của robot với các môi trường mới. Mạng nơ-ron được dùng làm bộ điều khiển trực tiếp không cần nhận dạng trước thông mô hình tượng.

III. Giải Pháp Hiệu Chỉnh Cấu Trúc Mạng Nơ Ron Bằng Thuật Toán Di Truyền

Nghiên cứu này đề xuất sử dụng giải thuật di truyền để hiệu chỉnh cấu trúc mạng nơ-ron trong bài toán điều khiển robot di động. Giải thuật di truyền sẽ tự động tìm kiếm cấu trúc mạng tối ưu bằng cách tiến hóa các cá thể (mạng nơ-ron) qua các thế hệ. Mỗi cá thể được đánh giá dựa trên hiệu suất điều khiển robot trong môi trường mô phỏng. Các cá thể tốt nhất được chọn lọc và lai ghép để tạo ra các thế hệ mới, dần dần cải thiện hiệu suất tổng thể. Bộ điều khiển được ưu cấu các mạng nơ-ron RBF dựa thuật truyện.

3.1. Quy Trình Hiệu Chỉnh Cấu Trúc Mạng Nơ ron Sử Dụng GA

Quy trình hiệu chỉnh cấu trúc mạng nơ-ron sử dụng giải thuật di truyền bao gồm các bước sau: (1) Khởi tạo quần thể ban đầu gồm các mạng nơ-ron có cấu trúc ngẫu nhiên. (2) Đánh giá hiệu suất điều khiển robot của mỗi mạng trong quần thể. (3) Chọn lọc các mạng tốt nhất dựa trên hiệu suất. (4) Lai ghép và đột biến các mạng được chọn để tạo ra quần thể mới. (5) Lặp lại các bước 2-4 cho đến khi đạt được hiệu suất mong muốn. Chúng hành kiểm khả năng ứng dụng của thuật truyền trong việc hiệu chỉnh cấu mạng nơ-ron RBEF bộ điều khiễn trượt thích nghỉ cho mobile robot được mô phỏng MATLAB.

3.2. Mã Hóa Cấu Trúc Mạng Nơ ron Trong Thuật Toán Di Truyền

Để sử dụng giải thuật di truyền, cấu trúc mạng nơ-ron cần được mã hóa thành một chuỗi gen. Chuỗi gen này có thể bao gồm thông tin về số lớp, số nơ-ron trên mỗi lớp, hàm kích hoạt, và các tham số kết nối. Việc lựa chọn phương pháp mã hóa phù hợp là rất quan trọng để đảm bảo tính hiệu quả của giải thuật di truyền. Trong văn này, chúng hợp thuyết điều khiển trượt mạng, nơ-ron bộ điều khiển trượt thích nghỉ dụng mạng nơ-ron cho thống tuyến.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu Mô Phỏng

Nghiên cứu đã tiến hành mô phỏng hệ thống điều khiển robot di động sử dụng mạng nơ-ron được hiệu chỉnh bằng giải thuật di truyền. Kết quả cho thấy phương pháp này có thể tìm ra cấu trúc mạng tối ưu, giúp nâng cao đáng kể độ chính xác và tốc độ điều khiển robot. So với các phương pháp thiết kế mạng thủ công, phương pháp này giúp giảm thời gian và công sức thiết kế, đồng thời tăng khả năng thích nghi của robot với các môi trường khác nhau. Kết quả mô phỏng khiễn trượt thích nghỉ mục dung truyền trong việc điều khiển mobile robot.

4.1. Mô Hình Mô Phỏng Robot Di Động và Môi Trường Hoạt Động

Mô hình mô phỏng được xây dựng để đánh giá hiệu suất của hệ thống điều khiển robot di động. Mô hình bao gồm robot, môi trường hoạt động, và các cảm biến. Môi trường hoạt động có thể là một không gian 2D hoặc 3D, với các vật cản và địa hình khác nhau. Mô hình robot được xây dựng dựa trên các phương trình động học và động lực học. Bảng Các tham của bộ điều khiển trượt thích nghỉ.

4.2. Đánh Giá Hiệu Suất Điều Khiển và So Sánh Với Phương Pháp Khác

Hiệu suất điều khiển robot được đánh giá dựa trên các tiêu chí như độ chính xác, thời gian đáp ứng, và mức tiêu thụ năng lượng. Kết quả mô phỏng được so sánh với các phương pháp điều khiển khác, chẳng hạn như điều khiển PID hoặc điều khiển trượt truyền thống. So sánh này cho thấy ưu điểm của phương pháp hiệu chỉnh mạng nơ-ron bằng giải thuật di truyền. Bộ điều khiển đặc điểm: mạng nơ-ron được dùng làm bộ điều khiển trực không cần nhận dạng trước thông mô hình tượng, điều khiển được suy trực trong quá huấn luyện; khả năng thích nghỉ trước thay của các chặn của các thành phần định.

V. Kết Luận và Hướng Phát Triển Nghiên Cứu Mạng Nơ Ron

Nghiên cứu đã chứng minh tính hiệu quả của việc sử dụng giải thuật di truyền để hiệu chỉnh cấu trúc mạng nơ-ron trong bài toán điều khiển robot di động. Phương pháp này giúp tự động tìm ra cấu trúc mạng tối ưu, nâng cao hiệu suất điều khiển và giảm thời gian thiết kế. Hướng phát triển trong tương lai có thể tập trung vào việc ứng dụng phương pháp này cho các loại robot khác nhau, cũng như tích hợp thêm các thuật toán học máy khác để cải thiện khả năng thích nghi của hệ thống điều khiển. MỘT SÓ CÔNG TRÌNH ĐÃ CÔNG BÓ TÀI LIỆU THAM KHẢO trượt thích nghỉ.

5.1. Tóm Tắt Các Kết Quả Đạt Được và Đóng Góp Của Nghiên Cứu

Nghiên cứu đã đạt được các kết quả sau: (1) Xây dựng thành công mô hình mô phỏng hệ thống điều khiển robot di động. (2) Phát triển thuật toán hiệu chỉnh cấu trúc mạng nơ-ron bằng giải thuật di truyền. (3) Chứng minh tính hiệu quả của phương pháp thông qua các kết quả mô phỏng. Đóng góp của nghiên cứu là cung cấp một phương pháp tự động tối ưu hóa cấu trúc mạng, giúp giảm thời gian thiết kế và nâng cao hiệu suất điều khiển robot.

5.2. Đề Xuất Hướng Nghiên Cứu Mở Rộng và Phát Triển Trong Tương Lai

Trong tương lai, nghiên cứu có thể được mở rộng theo các hướng sau: (1) Ứng dụng phương pháp cho các loại robot khác nhau, chẳng hạn như robot công nghiệp hoặc robot leo tường. (2) Tích hợp thêm các thuật toán học máy khác, chẳng hạn như học tăng cường, để cải thiện khả năng thích nghi của hệ thống điều khiển. (3) Nghiên cứu các phương pháp mã hóa cấu trúc mạng hiệu quả hơn. (4) Áp dụng cho điều khiển thời gian thực.

Trích đoạn nội dung tài liệu

Chương I: Giới thiệu tông quan về bộ điều khiền trượt thích nghỉ sử dụng mạng nơ-ron RBF, mục tiêu và nhiệm vụ nghiên cứu cũng như phương pháp, đối tượng và phạm vỉ nghiên cứu. Nội dung tiếp theo của luận văn được bố cục như sau: Chương 2: Trình bày cơ sở lý thuyết điều khiển nâng cao bao gồm các giải thuật điều khiển thích nghĩ, điều khiển trượt (SMC), thuật toán di truyền và lý thuyết cơ bản về mạng nơ-ron RBF nhằm phục vụ cho bài toán thiết kế ở các chương sau. Chương 3: Trình bày nội dung nghiên cứu: (¡) phân tích và xây dựng mô hình mobile robot; (ii) nghiên cứu và thiết kế bộ điều khiển trượt thích nghỉ sử dụng mạng nơ-ron RBE trong việc điều khiển mobile robot; (iii) nghiên cứu và xây dựng thuật toán di truyền trong việc tối ưu cấu trúc mạng nơ-ron được sử dụng trong bộ điều khiển trượt thích nghỉ. Chương 4: Trình bày kết quả mô phỏng robot bám quỹ đạo cho trước với khả năng tối ưu cấu trúc mạng nơ-ron RBF.

Chương 5: Kết luận và hướng phát triển. Chuong2 CO SO LY THUYET 2.1 Điều khiển thích nghỉ 2.1 Mô hình hồi quy tuyến tính Điều khiển thích nghỉ là hệ điều khiển tự động mà cấu trúc và tham số của bộ điều khiển có thê thay đổi theo sự biến thiên thông số của hệ thống sao cho chất lượng điều khiển của hệ thống khi có sự hiện diện của các yếu tố bất định hoặc biến đổi không biết trước. ek) y ———> Đối tượng Hình 2.1 Quan hệ vào ra của đối tượng [23] Cho đối tượng có đầu vào u(k), đầu ra y(k) như Hình 2. Giả sử quan hệ giữa tín hiệu vào và tín hiệu ra có thề mô tả bằng phương trình sai phân: y(k) a yk 0) 0.1) Giả sử ta thu thập được N mẫu dữ liệu: Z` -1y0).2) Bài toán đặt ra là ước lượng thông số của đối tượng dựa vào dữ liệu vào ra thu thập được.

Tín hiệu ra của hệ thống: y(k) 0 a,y(kON) o.4) Vée-to hdi qui: Wd) [yk 01) y( in) u(k 11) u(Œk m)Ï (2.5) Từ phương trình (2.5) quan hệ vào ra của đối tượng có thê viết lại dưới dạng: y(k) 01 OF (k) 101 e(k) (2.6) Bo qua nhiễu e(k), ta có bộ dự báo hồi qui tuyến tính như Hình 2.7) la uk) yth) > Déi twong > C5 k, 4 Mô hình > vk Hinh 2.2 Sơ đồ nhận dạng của hệ thống [23] Chỉ tiêu ước lượng bình phương tối thiểu: v.8) Ba al ° Do V là hảm toàn phương nên giá trị ˆ làm V đạt cực tiểu là nghiệm của phương trình: =} 10 (2.12) ụ Chỉ tiêu ước lượng bình phương tối thiểu có trọng số: W a5 1 ON, WED 3 Ủ ưN,k) (ÿŒ&)1'@&)- — (2.13) Lời giải bình phương tối thiểu có trọng số: i (WWF) Th, LON.14) Giả sử đến thời điểm k, ta thu thập được k mẫu dữ liệu. Chỉ tiêu ước lượng bình phương tối thiêu có trọng số ở thời điểm k là: 1 Le 2 O50 Zot sO oc (2.15) Công thức ước lượng tại thời điểm k: Foy 0 Bh caper E s00; (2.18) không thể áp dụng thời gian thực vì thời gian hệ thống hoạt động càng dài, số mẫu dữ liệu sẽ càng tăng lên, dẫn đến tăng thời gian tính toán và tràn bộ nhớ. Vì vậy, cần áp dụng công thức đệ qui không cần lưu trữ toàn bộ các mẫu dữ liệu và khói lượng tính toán không tăng lên theo thời gian.2 Thuật toán bình phương tối thiểu tuyến tính có trọng số đệ qui Thuật toán ước lượng đệ qui: ẨÑk) 1 Ê&P1)R"®)rŒ) (2.21) trong đó, L¡ là hệ số quên (forget factor) và L! thường nằm trong khoảng 0. Thuật toán ước lượng đệ qui không tính nghịch đảo ma trận: Ẩk)ˆ Ê 1D L) Ck) (2.2 Điều khiển trượt 2.1 Đối tượng điều khiển Xét hệ thống phi tuyến biểu diễn bởi phương trình vi phân (2.26) trong đó, d là nhiễu.

Đặt: 5 1y,x1k E # Hla, JI.,x, Oy Ty" 62? XI '[x,x,„.x,] Ta biểu diễn trạng thái: Eị i k0% 1x R| 2.28 B ox 228) PRO £0) 0 g(x id yox Bài toán điều khiển được đặt ra là xác định tín hiệu điều khiển u sao cho tín hiệu ra y bám theo tín hiệu đặt r. Mật trượt Định nghĩa tín hiệu sai lệch e và tín hiệu s: eUyLlr (2.30) trong đó, c, là các hệ số được chọn trước sao cho đa thức c trưng của phương trình vi phân sau Hurwitz (có tất cả các nghiệm với phần thực âm).T1c£TI ce 10 (231) Nếu thực hiện được luật điều khiển sao cho s — 0, tín hiệu sai lệch e là nghiệm của phương trình (2. Do các nghiệm của phương trình đặc trưng của (2.31) đều nằm bên trái mặt phẳng phức, nên e(t) sẽ tiến tới 0 khi t tiến tới. Phương trình s _ 0 xác định một mặt cong S trong không gian n chiều gọi là mặt trượt (sliding surface) S.

Vấn đề đặt ra là xác định luật điều khiển u đề đưa các quỹ đạo pha của hệ thống về mặt trượt và duy trì trên mặt trượt một cách bền vững đối với các biến động của f(x) và g(x). ‘Van dé chọn lựa các hệ số cho mặt trượt S Như đã phân tích ở trên, nếu có thể điều khiển được các trạng thái tới r trượt (s7 0), thì các tín hiệu sai lệch e sẽ tiến tới 0 khi t tiến tới -. Đáp ứng của các sai số trạng thái khi tiến về 0 phụ thuộc vào cách chọn lựa các hệ số cho. mặt trượt.

Để làm rõ điều này, chúng ta lấy một ví dụ đơn giản sau: Cho một mặt trượt được biêu diễn bằng sai số trạng thái như phương trình (2.32) Dé phuong trinh (2.32) bang 0 (Hurwitz), ta chi can chonc (1 0. Giả sử, ta đã tìm được các luật điều khiển sao cho s đạt tới giá trị không. Khi đó phương trình (2.32) có thể viết lại như phương trình (2.33) Phương trình (2.33) cho thấy e(t) có dạng hàm mũ và đạt tới giá trị lân cận 0, sau khoảng thời gian tˆ 3''“13/c. Một cách tổng quát, đẻ chọn các giá trị cho các hệ số của s, cần phải chọn trước đáp ứng của sai số trạng thái theo mong mui uc tương ứng nằm bên trái mặt phẳng phức, từ đó suy ra 2.2 Luật điều khiển trượt kinh điền Lấy đạo hàm phương trình (2.30), ta được: Ile* De, „e"” T1.Ie,##1 có [ f()ˆ g(x)ú LIdL rh 2e, e2.

LÍcj£T cẻ (234) E f()Ce„ e1. c,ếT: cếT| đ g@)u 7đ Erh Nên chọn luật điều khiển sao cho: $1 Iksign(s),k “j0 (2.35) Lúc đó sẻ! ' 0 néns[) Okhit Luật điều khiển trượt cô điển có thể tính chính xác bằng cách thay phương trình (2.35) vào phương trình (2.34) và rút u về dang sau: 1 ull (f@)Dc„„e"? H. Gọi -'f(x,Ð),L'g(x,Ð) là các thành phần phần bất định của f(x) va g(x) của hệ thống.38) trong đó, (x) và g,(x,Ð)là các hàm danh định của hệ thống. Giả sử rằng - f(x,0,Lig(x,0) và nhiễu d là không tính được tại từng thời điểm nhưng có thể biết được các chặn trên dưới cụ thể là: |tf(G0|L1f„.

đ@)R! D (239) Định nghĩa hàm V: Voss (2.40) Điều kiện của luật điều khiển trượt la V0 Ta có: VO S81 s(f(xt) Or De,.)|'(x)E'(g,()L- -ig„„)su trong đó, 29) 1400) 95,048) 042) Get were i re, ,e” C1.nD 244 KOO" Tong cứu Nếu luật điều khiển u được chọn sao cho —1 0, khi đós -! 0, khi t— ï Từ phương trình (2.31) suy ra luật điều khiển trượt có tính đến các thành phần bắt định như sau: u Vesa _— - - (2.45) © OG Odsign(g(x)sign(s) 0 (Os Osign(g(x))sign(s) trong đó, u.L'L'j(x,0)sign(g(x))sign(s) là thành phần điều khiển phụ thuộc vào mô hình danh định của hệ thống còn gọi là thành phần điều khiển tương đương. u, [,@9sign(g(x))sign(s) 14 thanh phan diéu khién bén viing, con gọi là thành phần điều khiển hiệu chỉnh có tác dụng bù cho các thành phần bắt định của hệ thống và có giá trị phụ thuộc vào chặn trên của các thành phần bat định của hệ thống. Thường thì ',. được chọn bằng một hệ số dương k với: 1 ko SP ———————(f„ G) „ fx 0 D) DY (2.3 Điều khiển trượt cho hệ thống MIMO Xét một hệ thống phi tuyến MIMO: XI f(x)' g()u 247 y_h@œ) đán trong đó, xiIx,.52) th yo xU LboLhuo Lh ox gi CÚ(ƒ gu) g Eh ILLh 15h x (2.53) yO Lh y OLOL "hu Định nghĩa tin hiệu sai lệch: edyor (2., là các ma trận (p x p) được chọn sao cho (2.55) Hurwitz, Định nghĩa: Voss's (2.56) Vp Sp OS) 5 og cL kẽ điag(sign(s)) (2.57) Ta có: $1 Ukdiag(sign(s)) 0 e" Lic, ue (2.58) EROL,Le hu Or" Oe, ,e°" 0.

¢4€ Rit u ta được phương trình: ul O(L,L" "hy (Lah éU kdiag(sign(s))) (2.59) Phương trình (2.59) thực hiện được khi số ngõ vào bằng số ngõ ra và bằng. bậc của hệ thống(m ˆ p ˆ n). Trong trường hợp đó phương trình (2.47) được gọi là hệ thống chuẩn. Trong thực tế nhiều hệ thống phi tuyến có số ngõ vào điều khiển ít hơn số bậc của hệ thống, điển hình là các hệ thống cơ khí như xe con lắc ngược hoặc con lắc ngược xoay,., lúc đó bài toán thiết kế điều khiển trượt trở nên phức tạp hơn.

Utkin đã trình bày một số phương pháp thiết kế điều khiển trượt phân ly áp dụng được cho các hệ thống phi tuyến đa biến có số ngõ vào điều khiễn ít hơn số bậc của hệ thống [24]. Các phương pháp này dựa trên cơ sở phép đổi biến để đưa hệ thống trở về dạng chuẩn và đã áp dụng thành công cho các hệ thống bậc bón.4 Đặc điểm của điều khiển trượt Từ luật điều khiển trượt kinh điển và điều khiển trượt cho hệ thống MIMO, cho thấy để tính toán thành phần điều khiển tương đương của điều khiển trượt đòi hỏi phải biết đầy đủ các hàm danh định của đối tượng và đề tính toán thành phan điều khiển bền vững cần phải biết các chặn trên của hệ thống và nhiễu. Hàm dấu trong bộ điều khiển trượt cổ điển tạo nên hiện tượng đảo cực trong tín hiệu điều khiền với tần số cao nhất bằng tần số lấy mẫu và cộng với hiện tượng dao động của các quỹ đạo pha xung quanh mặt trượt, còn được gọi là hiện tượng chattering (Hình 2.3 Mô phỏng hiện tượng chattering [25]. 5 k duge chon càng lớn thì tính bền vững của hệ thống cảng cao, đồng thời hiện tượng chattering xuất hiện càng mạnh.

Hiện tượng chattering gây 6 khién; lam phat nóng mạch điện tử; mài mòn các bộ phận cơ khí; kích động các mode tần số cao không mô hình hóa làm giảm chất lượng điều khiển hoặc mắt ôn định.3 Mạng nơ-ron RBF Cấu trúc mạng RBF gồm có ba lớp như Hình 2. Trong mạng RBF, x7 1x Ÿ là véc-tơ ngõ vào. Giả sử có m lưới thần kinh, véc-tơ xuyên tâm trong.