Chương 1. Tổng quan về mạng nơron nhân tạo Phân tích tổng quan về mạng nơron bao gồm: phần lịch sử phát triển, kết cấu của mạng các nơron, ứng dụng của chúng, … Chương 2. Điều khiển thích nghi, robot, mạng nơron và bộ điều khiển phản hồi Rise Tóm tắt một số lý thuyết về điều khiển thích nghi, động lực học robot, đề xuất chuyển đổi xấp xỉ mô hình động lực học robot bằng mạng nơron, … 6 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Chương 3. Ứng dụng mạng nơron truyền thẳng và bộ điều khiển rise trong điều khiển thích nghi robot Mô phỏng, kết hợp mạng nơron và bộ điều khiển phản hồi rise vào điều khiển thích nghi robot Chương 4.
Kết luận chung và kiến nghị. Ý nghĩa khoa học và thực tiễn của đề tài Với ứng dụng của mạng nơron truyền thẳng nhiều lớp điều khiển hệ Robot, sau khi đã xấp xỉ đƣợc mô hình động lực học Robot bằng mạng nơron, ta có thể thay thế gần đúng mô hình Robot bằng mạng nơron, từ đó căn cứ trên các thông số mô phỏng của mạng nơron, tính toán đƣợc tín hiệu điều khiển nhằm điều khiển thích nghi Robot phù hợp với yêu cầu cần thiết của điều khiển thích nghi hệ Robot. Để hoàn thành đƣợc luận văn này, em xin đƣợc gửi lời cảm ơn tới Giảng viên - TS. ĐÀO PHƢƠNG NAM và tập thể các thầy cô trong bộ môn Điều khiển tự động, Viện Điện, Trƣờng Đại học Bách Khoa Hà Nội đã tận tình giảng dạy và hƣớng dẫn em trong những tháng năm qua, cũng nhƣ tạo mọi điều kiện tốt nhất cho em.
Và đặc biệt là tới gia đình, đã cổ vũ động viên em trong quá trình thực hiện luận văn này. Cuối cùng, với kiến thức và thời gian hạn chế, em còn để lại nhiều thiếu sót trong luận văn này. Vì vậy, em rất mong nhận đƣợc sự góp ý từ phía các thầy, các cô cũng nhƣ bạn đọc để bản luận văn này đƣợc hoàn thiện hơn. Em xin chân thành cảm ơn! Hà Nội, ngày … tháng … năm 2017 Học viên thực hiên Ngô Ngọc Hoàng 7 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa CHƢƠNG 1: TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO Nghiên cứu và mô phỏng não ngƣời, cụ thể là mô phỏng nơron thần kinh là một ƣớc muốn từ lâu của nhân loại.
Từ mơ ƣớc đó, nhiều nhà khoa học đã không ngừng nghiên cứu tìm hiểu về mạng nơron. Trong đó mạng nơron nhân tạo đã đƣợc nói đến ở cuốn sách “Điều khiển học, hay điều chỉnh và sự truyền sinh trong cơ thể sống, trong máy móc” của tác giả Nobert Wieners xuất bản năm 1948. Điều khiển học đã đặt ra mục đích nghiên cứu áp dụng nguyên lý làm việc của hệ thống thần kinh động vật vào điều khiển. Công cụ giúp điều khiển học thực hiện đƣợc mục đích này là trí tuệ nhân tạo và mạng nơron.
Trí tuệ nhân tạo đƣợc xây dựng dựa trên mạng nơron. Mạng nơron nhân tạo (Artificial Neural Networks) là hệ thống đƣợc xây dựng dựa trên nguyên tắc cấu tạo của bộ não con ngƣời. Mạng nơron nhân tạo có một số lƣợng lớn mối liên kết của các phần tử biến đổi (Processing Elements) có liên kết song song. Nó có hành vi tƣơng tự nhƣ bộ não con ngƣời với các khả năng học (Learning), gọi lại (Recall) và tổng hợp thông tin từ sự luyện tập của các mẫu và dữ liệu.
Các phần tử biến đổi của mạng nơron nhân tạo đƣợc gọi là các nơron nhân tạo (Artificial Neural) hoặc gọi tắt là nơron (Neural). Trong thiết kế hệ thống tự động hóa sử dụng mạng nơron là một khuynh hƣớng hoàn toàn mới, phƣơng hƣớng thiết kế hệ thống điều khiển thông minh, một hệ thống mà bộ điều khiển có khả năng tƣ duy nhƣ bộ não con ngƣời. Lịch sử phát triển của mạng nơron nhân tạo Mạng nơron nhân tạo đã có một lịch sử lâu dài. Năm 1943, McCulloch và Pitts đã đƣa ra khả năng liên kết và một số liên kết cơ bản của mạng nơron.
Năm 1949, Hebb đã đƣa ra các luật thích nghi trong mạng nơron. Năm 1958, Rosenblatt đƣa ra cấu trúc Perception. Năm 1969, Minsky và Papert phân tích sự đúng đắn của Perception, họ đã chứng minh các tính chất và chỉ rõ các giới hạn của một số mô hình. Năm 1976, Grossberg dựa vào tích chất sinh học đã đƣa ra một số cấu trúc của hệ động học phi tuyến với các tính chất mới.
Năm 1982, Hoppfield đã đƣa ra mạng học phi tuyến với các tính chất mới. Năm 1982, Rumelhart đƣa ra mô hình song song (Parallel Distributer Processing-PDS) và một số kết quả và thuật toán. Thuật 8 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa toán học lan truyền ngƣợc (Back Propagation learning rule) đƣợc Rumelhart, Hinton, Williams (1986) đề xuất luyện mạng nơron nhiều lớp. Những năm gần đây, nhiều tác giả đã đề xuất nhiều loại cấu trúc mạng nơron mới.
Mang nơron đƣợc ứng dụng trong nhiều lĩnh vực kinh tế, kỹ thuật, khoa học vũ trụ (Hecht - Nielsen, 1988). Các tính chất của mạng nơron nhân tạo Là hệ phi tuyến: Mạng nơron có khả năng to lớn trong lĩnh vực nhận dạng và điều khiển các đối tƣợng phi tuyến. Là hệ xử lý song song: Mạng nơron có cấu trúc song song, do đó có tốc độ tính toán rất cao, rất phù hợp với lĩnh vực nhận dạng và điều khiển. Là hệ học và thích nghi: Mạng đƣợc luyện từ các số liệu quá khứ, có khả năng tự chỉnh khi số liệu đầu vào bị mất, có thể điều khiển on-line.
Là hệ nhiều biến, là hệ nhiều đầu vào, nhiều đầu ra (Many Input Many Output - MIMO), rất tiện dụng khi điều khiển đối tƣợng có nhiều biến số. Cấu trúc và mô hình mạng nơ-ron Theo mục 7.208 tài liệu tham khảo [1] Mạng nơron là sự tái tạo bằng kỹ thuật những chức năng của hệ thần kinh con ngƣời. Trong quá trình tái tạo không phải tất cả các chức năng của bộ não con ngƣời có đều đƣợc tái tạo, mà chỉ có những chức năng cần thiết. Bên cạnh đó còn có những chức năng mới đƣợc tạo ra nhằm giải quyết một bài toán điều khiển đã định hƣớng trƣớc.
Mạng nơron bao gồm vô số các nơron đƣợc liên kết truyền thông với nhau trong mạng.1 là một phần của mạng nơron bao gồm hai nơron. 9 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa Hình 1. Một mạng nơ-ron cơ bản gồm hai thành phần Một nơ-ron chứa đựng các thành phần cơ bản: -Thân nơ-ron đƣợc giới hạn trong một màng membran và trong cùng là nhân. Từ thân nơ-ron còn có rất nhiều đƣờng rẽ nhánh tạm gọi là rễ.
-“Bus” liên kết nơ-ron này với các nơ-ron khác đƣợc gọi là axon, trên axon có các đƣờng rẽ nhánh. Nơ-ron còn có thể liên kết với các nơ-ron khác qua các rễ. Chính vì cách liên kết đa dạng nhƣ vậy nên mạng nơ-ron có độ liên kết rất cao. Các rễ của nơ-ron đƣợc chia thành hai loại: loại nhận thông tin từ nơ-ron khác qua axon, mà ta sẽ gọi là rễ đầu vào và loại đƣa thông tin qua axon tới các nơ- ron khác, gọi là rễ đầu ra.
Một nơ-ron có thể có nhiều rễ đầu vào, nhƣng chỉ có một rễ đầu ra. Bởi vậy nếu xem nơ-ron nhƣ một khâu điều khiển thì nó chính là khâu có nhiều đầu vào, một đầu ra (khâu MISO) Hình 1. Nơ-ron là khâu MISO Một tính chất rất cơ bản của mạng nơ-ron sinh học là các đáp ứng theo kích thích có khả năng thay đổi theo thời gian. Các đáp ứng có thể tăng lên, giảm đi hoặc hoàn toàn biến mất.
Qua các nhánh axon liên kết tế bào nơ-ron này với các nơ-ron khác, sự thay đổi trạng thái của một nơ-ron cũng sẽ kéo theo sự thay đổi trạng thái của những nơ-ron khác và do đó là sự thay đổi của toàn bộ mạng nơ-ron. Việc thay 10 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa đổi trạng thái của mạng nơ-ron có thể thực hiện qua một quá trình “dạy” hoặc do khả năng “học” tự nhiên. Sự thay thế những tính chất này bằng một mô hình toán học tƣơng đƣơng đƣợc gọi là mạng nơ-ron nhân tạo. Mạng nơ-ron nhân tạo có thể đƣợc chế tạo bằng nhiều cách khác nhau vì vậy trong thực tế tồn tại rất nhiều kiểu mạng nơ-ron nhân tạo.
Khâu cộng Σ: Khâu cộng tín hiệu vào có chức năng thực hiện phƣơng trình sau: m w i xi i1 w1 x1 tức là thực hiện phép nhân vô hƣớng hai vector w và x w x m m wT x (2.37) Khâu tiền đáp ứng c: Những khả năng hoạt động của nơ-ron hoàn toàn phụ thuộc vào khâu tạo chức năng đáp ứng c. Thế năng của một màng membran càng cao nếu nhƣ giá trị càng lớn. Khâu tạo chức năng đáp ứng tạo giá trị đáp ứng tăng giảm phụ thuộc vào giátrị đầu vào, một cách đơn giản nhất có thể tạo đáp ứng theo phƣơng trình c (2.38) Quan hệ giữa tín hiệu vào và ra đƣợc biểu diễn theo phƣơng trình trên là một quan hệ tĩnh và tuyến tính. Đây cũng là cách thiết kế nơ-ron nhân tạo một cách đơn giản nhất.
Để tăng độ chính xác ngƣời ta tìm cách xây dựng mô hình động cho nơ- ron. Thực tế, khi có kích thích đầu vào, thế năng của màng membran tăng dần lên cho dù ngay tại thời điểm đƣợc kích thích vẫn chƣa có đáp ứng đầu ra. Hoàn toàn tƣơng tự, khi kích thích mất đi thì nơ-ron cũng không thể trở về ngay trạng thái cân bằng cũ mà sự trở về diễn ra cũng dần dần nhƣ một quá trình liên tục theo thời gian. Quá trình đó có thể mô tả qua phƣơng trình vi phân bậc nhất : Tc t c t c0 t (2.39) 11 Ngô Ngọc Hoàng ĐK-TĐH2015B Luận văn Thạc sĩ Chuyên ngành: Điều khiển & Tự Động Hóa trong đó c 0 là thế năng của mạng membran ở trạng thái không bị kích thích.
Đó là phƣơng trình động học của một khâu quán tính bậc nhất với hằng số thời gian quán tính T. Khâu tạo chức năng đáp ứng kiểu này còn có tên là BSB. Khâu đáp ứng : Giá trị ra y của một nơ-ron biểu diễn trạng thái kích thích đến các nơ-ron tiếp theo trong mạng. Tín hiệu ra y phụ thuộc vào độ kích thích của nơ-ron, thông thƣờng đƣợc so sánh theo kiểu cắt ngƣỡng.
Quan hệ này đƣợc mô tả qua khâu tạo đáp ứng của mô hình nơ-ron.