Lý thuyết về hệ thống phân loại sản phẩm lỗi năm 2024

Xử lý phổ hay hiệu chỉnh phổ là quá trình loại bỏ hoặc làm giảm bớt các sai số do ảnh hưởng của điều kiện khí quyển, nguồn sáng chiếu và bề mặt địa hình. Có hai loại hiệu chỉnh phổ: hiệu chỉnh tuyệt đối và hiệu chỉnh tương đối. Trong bài báo nhóm nghiên cứu tập trung tìm hiểu các phương pháp hiệu chỉnh phổ tương đối từ đó xây dựng phương pháp hiệu chỉnh phổ trên ảnh vệ tinh VNREDSat-1. Phương pháp được lựa chọn bao gồm nắn chỉnh hình học ảnh, lựa chọn các đối tượng bất biến giả định, xác định tham số chuẩn hóa. Kết quả thực nghiệm được kiểm định qua các phép phân tích thống kê giá trị độ sáng của pixel trên ảnh trước và sau chuẩn hóa phổ. Độ chính xác của kết quả thể hiện phương pháp lựa chọn là hợp lý.

CHỨC NĂNG, NHIỆM VỤ, QUYỀN HẠN VA CƠ CẤU TỔ CHỨC SỞ GIAO DỤC VA ĐAO TẠO HA TĨNHĐiều 1. Vị tri va chức năng 1. Sở Giao dục va ...

Bài tập toán cao cấp.Tập 3,Phép giải tích nhiều biến số. DSpace/Manakin Repository. ...

TÓM TẮT: Rút gọn thuộc tính là bài toán quan trọng trong bước tiền xử lý dữ liệu của quá trình khai phá dữ liệu và khám phá tri thức. Trong mấy năm gần đây, các nhà nghiên cứu đề xuất các phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ [Fuzzy Rough Set FRS] nhằm nâng cao độ chính xác mô hình phân lớp. Tuy nhiên, số lượng thuộc tính thu được theo tiếp cận FRS chưa tối ưu do ràng buộc giữa các đối tượng trong bảng quyết định chưa được xem xét đầy đủ. Trong bài báo này, chúng tôi đề xuất phương pháp rút gọn thuộc tính trực tiếp trên bảng quyết định gốc theo tiếp cận tập thô mờ trực cảm [Intuitionistic Fuzzy Rough Set IFRS] dựa trên các đề xuất mới về hàm thành viên và không thành viên. Kết quả thử nghiệm trên các bộ dữ liệu mẫu cho thấy, số lượng thuộc tính của tập rút gọn theo phương pháp đề xuất giảm đáng kể so với các phương pháp FRS và một số phương pháp IFRS khác.

Preparing soft skills for students has been being a matter of great concern to both society and the education industry. Soft skills are an essential factor for the success and happiness of each individual. Many decades ago, the weakness of soft skills of Vietnamese students have been warned by educational organizations, businesses and domestic and foreign experts. Although knowledge that is considered as a necessary condition during the learning process; it is still not a sufficient condition for students who want to get a desired job. Nowadays, soft skills training activities are quite popular in almost universities and it is one of requirements for student’s graduation. However, these training activities are different in each university. In this study, from the practical experience in training soft skills of other universities, the authors recommend some basic solutions for integrating soft skills into main subjects in the specialized knowledge teaching process.

Malpera “Amida Kurd” [Swêd] bi Ezîz ê Cewo Mamoyan ra. Yên êzdî û êzdîtî. Li ser rêya hevhatin û yekîtîyê. Gotûbêj. Weşanên “Amida Kurd”, s. 2022. Ev berevoka gotûbêjên malpera “Amida Kurd” bi lêgerîner, nivîskar û rojnamegerê kurd Ezîz ê Cewo ra li ser mijara wan pirsgirêkan e, yên ku li ser rêya hevhatin û yekîtîya civaka netewî-ayînî ya kurdên êzdî dibin asteng. Mamosta Ezîz ê Cewo di nava goveka van gotûbêjan da bingehên wan pêvajoyên dîrokî ravedike, yên ku bûne sedemên bûyerên bobelatî û rojên reş û giran di jîyana êzdîyan da. Wisa jî pêvajoyên îroyîn û rê û rêbazên lêgerandin û berterefkirina wan pirsgirêkan tên govtûgokirin, ên ku hê jî di nava jîyana êzdîyan da rû didin… Ev weşana ji bo govekek a berfireh a xwendevanan hatye armanckirin.

• 1. ÁN TỐT NGHIỆP Giảng viên: Th.s Đỗ Văn Cần Bộ môn: Kỹ Thuật Điện Sinh viên: …………Lê Anh Tuấn………...…….Mã số:……3351070189… Đề Tài: Thiết kế hệ thống phân loại sản phẩm bằng nhận dạng mờ. Mục lục. Danh mục bảng biểu, hình vẽ. Lời nói đầu. Chương 1: Tổng quan về hệ thống phân loại sản phẩm và điều khiển mờ. - Tổng quan về phân loại sản phẩm. - Tình hình nghiên cứu trong và ngoài nước về lĩnh vực này. - Nội dung thực hiện [ nội dung sẽ làm]. Chương 2: Lý thuyết mờ và lựa chọn thiết bị điều khiển. - Cơ sở lý thuyết về mờ. - Lựa chon thiết bị điều khiển. Chương 3: Thiết kế hệ thống phân loại sản phẩm. - Sơ đồ cấu trúc và xác định cấu hình I/O. - Xây dựng thuật toán chương trình. - Xây dựng chương trình điều khiển S7-400. Chương 4: Thiết kế giao diện SCADA. - Xây dựng cấu hình trên Win CC. - Thiết kế giao diện hệ thống bằng Win CC. - Kết quả mô phỏng [điều khiển giám sát, thu thập dữ liệu]. Kết luận. - Kết quả đạt được. - Hạn chế còn tồn tại. - Định hướng phát triển tương lại. Tài liệu tham khảo. Ngày giao nhiệm vụ: 15/9/2014 Ngày hoàn thành: 15/12/2014 Bảo vệ bằng Slide [ sử dụng phần mềm] Bình Định, Ngày 29 Tháng 12 Năm 2014 Giảng viên Hướng dẫn Trưởng Bộ môn Trưởng Khoa
• 2. ĐẦU...............................................................................................1 CHƯƠNG 1 TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM VÀ ĐIỀU KHIỂN MỜ NƠ-RON.....................................................................2 1.1. TỔNG QUAN VỀ PHÂN LOẠI SẢN PHẨM..................................2 1.1.1. Các phương pháp phân loại sản phẩm.........................................2 1.1.2. Một số dây chuyền phân loại sản phẩm trong công nghiệp........3 1.1.2.1 Máy phân loại bằng X-quang trong chế biến thực phẩm:.....3 1.1.2.2. Máy tách màu gạo: [Seri RB của hãng Meiya]....................5 1.1.2.3 Máy tách kim loại:.................................................................6 1.1.2.4. Dây chuyền tự động hóa phân loại gạch granite:.................7 1.2. GIỚI THIỆU ROBOT CÔNG NGHIỆP............................................8 1.2.1. Quá trình phát triển của robot công nghiệp.................................8 1.2.2. Ứng dụng của robot công nghiệp................................................9 1.2. TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MẠNG MỜ NƠ RON TRONG NHẬN DẠNG SẢN PHẨM.........................................................12 1.4. ĐỊNH HƯỚNG THỰC HIỆN ĐỀ TÀI............................................15 CHƯƠNG 2: LÝ THUYẾT VỀ MỜ-NƠ RON VÀ LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN....................................................17 2.1. CƠ SỞ LÝ THUYẾT VỀ MỜ.........................................................17 2.1.1. Tổng quan về logic mờ..............................................................17 2.1.2. Mờ hóa.......................................................................................18 2.1.3. Các phép toán trên tập mờ........................................................21 2.1.3.1. Phép hợp hai tập mờ...........................................................21 2.1.3.2. Phép giao hai tập mờ..........................................................22 2.1.4. Biến ngôn ngữ và giá trị của biến ngôn ngữ.............................23
• 3. thành mờ.....................................................................24 2.1.5.1. Mệnh đề hợp thành.............................................................24 2.1.5.2. Mô tả mệnh đề hợp thành...................................................24 2.1.5.3. Luật hợp thành mờ.............................................................25 2.1.5.4. Các cấu trúc cơ bản của luật hợp thành..............................26 2.1.5.5. Luật hợp thành đơn có cấu trúc SISO................................27 2.1.6. Giải mờ......................................................................................30 2.1.6.1. Phương pháp cực đại..........................................................30 2.1.6.2. Phương pháp điểm trọng tâm.............................................32 2.2. ĐIỀU KHIỂN MỜ............................................................................34 2.2.1.Cấu trúc của bộ điều khiển mờ...................................................34 2.2.1.1. Sơ đồ khối bộ điều khiển mờ..............................................34 2.2.1.2. Phân loại bộ điều khiển mờ................................................35 2.2.1.3. Các bước thiết kế bộ điều khiển mờ...................................36 2.2.2. Bộ điều khiển mờ tĩnh...............................................................38 2.2.2.1 Khái niệm............................................................................38 2.2.2.2. Thuật toán tổng hợp một bộ điều khiển mờ tĩnh................38 2.2.2.3. Tổng hợp bộ điều khiển mờ tuyến tính từng đoạn.............39 2.2.3. Bộ điều khiển mờ động.............................................................40 2.2.3. Hệ điều khiển mờ lai [F-PID]....................................................42 2.2.4. Hệ điều khiển thích nghi mờ.....................................................43 2.3. LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN............................................44 2.3.1. Sơ đồ nguyên lý làm việc..........................................................44 2.3.3. Lựa chọn thiết bị động học........................................................47 2.3.4. Lựa chọn thiết bị cảm biến........................................................49 Chưa hay lắm, chưa đưa ra được phương án cho bài toán của mình, từ lý thuyết đó xây dựng các phương án cho bài toán cụ thể của đề tài..................52
• 4. HỆ THỐNG PHÂN LOẠI SẢN PHẨM......................................52 3.1. CẤU HÌNH VÀO/RA......................................................................53 3.2. XÂY DỰNG SƠ ĐỒ THUẬT TOÁN ĐIỀU KHIỂN.....................54 3.2.1. Sơ đồ thuật toán chương trình chính.........................................54 3.2.3. Sơ đồ thuật toán chương trình con được nhận dạng là động cơ56 3.3. CHƯƠNG TRÌNH ĐIỀU KHIỂN...................................................60 Lập trình..............................................................................................60 CHƯƠNG 4: THIẾT KẾ HỆ THỐNG SCADA TRÊN WINCC.........................................69 4.1.PHẦN MỀM PLC SIM.....................................................................69 4.2. THIẾT KẾ GIAO DIỆN HỆ THỐNG BẰNG WINCC...................70 KẾT LUẬN.................................................................................................72 TÀI LIỆU THAM KHẢO...........................................................................75
• 5. 1.1. Băng tải phân loại hạt điều............................................................2 Hình 1.2. Máy phân loại bằng X-Quang của hãng Meiya.............................4 Hình 1.3. Máy tách màu gạo seri RB của hãng Meiya..................................5 Hình 1.4. Máy tách kim loại dùng cho nguyên liệu rời.................................7 Hình 1.5. Dây chuyền tự động hóa phân loại gạch granite...........................7 Hình 1.6. Sơ đồ cấu trúc chung của hệ thống cảm biến..............................12 Hình 1.7. Mô phỏng hệ thống điều khiển SVC dùng mờ nơ-ron................13 Hình 1.8. Hệ thống hút tích hợp với cánh tay robot....................................14 Hình 1.9. Mô hình bộ điều khiển mờ nơ-ron...............................................15 Hình 1.10. Sơ đồ nội dung thực hiện...........................................................16 Hình 2.11. Mô tả hàm phụ thuộc μA[x] của tập các số thực từ -5 đến 5....19 Hình 2.12. Mô tả hàm phụ thuộc μB[x] của tập mờ B................................19 Hình 2.13. Độ cao, miền xác định, miền tin cậy của tập mờ......................20 Hình 2.14. Hợp của hai tập mờ có cùng cơ sở............................................21 Hình 2.15. Giao của hai tập mờ có cùng cơ sở............................................22 Hình 2.16. Mờ hóa biến tốc độ....................................................................24 Hình 2.17. Mô tả hàm liên thuộc của luật hợp thành..................................25 Hình 2.18. Rời rạc hóa các hàm liên thuộc.................................................27 Hình 2.19. a, b, c: Các nguyên lý giải mờ theo phương pháp cực đại........31 Hình 2.20.....................................................................................................32
• 6. liên thuộc B’ đối với luật hợp thành MAX-PROD...........32 Hình 2.22. Giá trị rõ y’ là hoành độ của điểm trọng tâm............................32 Hình 2.23. So sánh các phương pháp giải mờ.............................................34 Hình 2.24. Các khối chức năng của bộ Điều khiển mờ...............................34 Hình 2.25. a,b,c. Các bộ điều khiển mờ......................................................36 Hình 2.26. Cấu trúc tổng quát một hệ mờ...................................................36 Hình 2.27. Hệ điều khiển mờ theo luật PI...................................................40 Hình 2.28. Hệ điều khiển mờ theo luật PD.................................................41 Hình 2.29. Hệ điều khiển theo luật PID......................................................42 Hình 2.30. Nguyên lý điều khiển mờ lai.....................................................43 Hình 2.31. Cấu trúc phương pháp điều khiển thích nghi trực tiếp..............44 Hình 2.32. Sơ đồ nguyên lý làm việc..........................................................45 Hình 2.33. PLC S7-400...............................................................................47 Hình 2.34. Cân băng tải...............................................................................49 Hình 2.35. Cảm biến quang.........................................................................50 Hình 3.36. Sơ đồ đấu dây............................................................................54 Hình 3.37. Sơ đồ thuật toán chương trình chính.........................................55 Hình 3.38. Sơ đồ thuật toán chương trình con nhận dạng...........................56 Hình 3.39. Sơ đồ thuật toán chương trình con khi sản phẩm là động cơ....59 Hình 3.40. Sơ đồ thuật toán chương trình con sự cố...................................59 Hình 3.41. Chương trình điều khiển............................................................60 Hình 4.42. Biểu tượng PLCSIM..................................................................69 Hình 4.43. Giao diện PLCSIM....................................................................69 Hình 4.44. Các module mô phỏng...............................................................70 Hình 4.45. Thiết lập tag cho wincc.............................................................70 Hình 4.46. Giao diện khi bắt đầu.................................................................71 Hình 4.47. Giao diện mô phỏng..................................................................71
• 7. phím ấn điều khiển.............................................................72 Hình 4.49. Bảng thông báo những thiết bị làm việc....................................72 DANH MỤC BẢNG Bảng 3.1. Cấu hình vào ra...........................................................................53
• 8. logic đã trải qua một thời gian dài từ khi lần đầu được quan tâm trong lĩnh vực kỹ thuật khi được tiến sĩ Lotfi Zadeh định hướng năm 1965. Từ đó, đề tài đã là sự tập trung của nhiều nghiên cứu của các nhà toán học, khoa học và kỹ sư ở khắp nơi trên thế giới. Nhưng có lẽ là do ý nghĩa [fuzzy-mờ] cho nên fuzzy logic đã không được chú ý nhiều ở tại đất nước đã khai sinh ra nó cho mãi đến thập kỷ cuối [90]. Trong những năm gần đây, Nhật Bản đã có hơn 1000 bằng sáng chế về kỹ thuật fuzzy logic, và họ đã thu được hàng tỉ USD trong việc bán các sản phẩm có sử dụng kỹ thuật fuzzy ở khắp nơi trên thế giới. Trong sự phát triển của khoa học và kỹ thuật, điều khiển tự động đóng vai trò quan trọng. Lĩnh vực này có mặt khắp mọi nơi, nó có trong các qui trình công nghệ sản xuất hiện đại và ngay cả trong đời sống hàng ngày. Điều khiển mờ ra đời với cơ sở lý thuyết là lý thuyết tập mờ [fuzzy set] và logic mờ [fuzzy logic]. Ưu điểm cơ bản của kỹ thuật điều khiển mờ là không cần biết trước đặc tính của đối tượng một cách chính xác, khác với kỹ thuật điều khiển kinh điển là hoàn toàn dựa vào thông tin chính xác tuyệt đối mà trong nhiều ứng dụng là không cần thiết hoặc không thể có được. Với những ham muốn tìm hiểu một ngành kỹ thuật điều khiển mới mẻ, em thực hiện nghiên cứu đề tài “THIẾT KẾ HỆ THỐNG PHÂN LOẠI SẢN PHẨM BẰNG NHẬN DẠNG MỜ” do Thạc sĩ Đỗ Văn Cần hướng dẫn. Vì thời gian bị hạn chế và cũng do giới hạn về kiến thức nên chắc chắn không tránh khỏi những hạn chế và thiếu sót. Em mong nhận được sự chỉ dẫn và góp ý quý báu của các Thầy để đề tài được hoàn thiện hơn. Quy Nhơn, tháng 12 năm 2014 Sinh viên thực hiện Lê Anh Tuấn
• 9. VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM VÀ ĐIỀU KHIỂN MỜ NƠ-RON 1.1. TỔNG QUAN VỀ PHÂN LOẠI SẢN PHẨM Hình 1.1. Băng tải phân loại hạt điều Đầu tiên ko nên đưa cái này vô mà nên đưa ra mục nghiên cứu ngoài nước hoặc trong nước Mà đầu tiên khái quát về phân loại sản phẩm và những nghiên cứu Mờ trong điểu khiển 1.1.1. Các phương pháp phân loại sản phẩm - Phân loại theo kích thước: dựa vào kích thước [như lớn hay nhỏ, cao hay thấp…] của sản phẩm mà phân loại. Phương pháp này thường được ứng dụng trong các dây chuyền chế biến, xay xát lương thực, thực phẩm như lúa, ngô, lúa mì, sắn, khoai tây…
• 10. theo hình dáng: dựa vào hình dáng [tròn, vuông, tam giác…] của sản phẩm để phân loại. Phương pháp này sử dụng camera chuyên dụng và một modul xử lý ảnh để nhận dạng hình dáng của sản phẩm. Nó thường ứng dụng trong các dây chuyền sản xuất hiện đại, công nghệ cao như lắp ráp tự động [ô tô, điện tử…] nhằm tăng năng suất, giảm chi phí nhân công. - Phân loại theo trọng lượng: dựa vào trọng lượng của sản phẩm mà phân loại. Phương pháp này thường dùng thiết bị cân điện tử ngay trên băng tải để phân loại. Thường gặp nhiều trong chế biến thủy sản [như tôm, cá, mực…]. - Phân loại theo vật liệu: dựa vào loại vật liệu của sản phẩm [như kim loại hay phi kim] để phân loại. Phương pháp này thường ứng dụng hiện tượng cảm ứng điện từ để nhận dạng sản phẩm có lẫn kim loại. Nó được ứng dụng trong các dây chuyền sản xuất thực phẩm như ngũ cốc, thủy sản, bánh kẹo… - Phân loại theo màu sắc: dựa vào màu sắc của sản phẩm mà phân loại. Phương pháp này thường sử dụng cảm biến màu sắc hoặc camera để nhận dạng màu. Được ứng dụng nhiều trong các dây chuyền chế biến gạo xuất khẩu để phân loại gạo sau khi xay xát dựa vào màu sắc của gạo. Ngoài ra, nó còn được ứng dụng trong sản xuất vật liệu xây dựng [như gạch ốp lát, vật liệu trang trí…] nhằm phân loại chính xác màu sắc của sản phẩm. - Phân loại theo khuyết tật: dựa vào khuyết tật [nứt, rỗ, bọt khí…] của sản phẩm. Phương pháp này thường sử dụng sóng siêu âm, dòng Foucault [chỉ dùng đối với vật liệu mỏng], X-Ray… Phương pháp trên được ứng dụng nhiều trong ngành sản xuất các vật liệu đúc như đồng, nhôm, sứ… 1.1.2. Một số dây chuyền phân loại sản phẩm trong công nghiệp 1.1.2.1 Máy phân loại bằng X-quang trong chế biến thực phẩm: Nguyên lý làm việc: Thực phẩm được đưa qua máy chụp X-quang, mật độ và số lượng nguyên tử càng cao, tỷ lệ hấp thụ càng cao, do đó bộ phận cảm ứng sẽ bắt điểm thu nhận tín hiệu từ nhiều nguồn màu sắc khác nhau. Thành phần bên trong của
• 11. protein, carbohydrate và chất béo,với tỷ lệ hấp thụ rất khác nhau với đối tượng là kim loại hoặc đá. Đặc trưng chính: - Modul thu nhận dữ liệu độ nét cao kết hợp cùng công nghệ cổng giao tiếp USB 2.0 tốc độ cao và chức năng giám sát tiến trình bằng hình ảnh XPE nhằm đảm bảo sự vận hành ổn định và đáng tin cậy của thiết bị. Hình 1.2. Máy phân loại bằng X-Quang của hãng Meiya - Máy phân loại bằng X-quang trong chế biến thực phẩm sử dụng màn hình độ chính xác cao và giao diện thân thiện nhằm đem đến sự đơn giản trong vận hành thiết bị. - Công nghệ xử lý bằng hình ảnh ưu việt và độc đáo, cộng thêm vào đó là bộ phận nhận biết sự có mặt của tạp chất lạ [nhận dạng được kim loại, mảnh sành sứ, gạch, xương và nhựa cứng], bộ phận cảnh báo tạp phẩm [nhận biết sản phẩm hỏng hoặc lỗi], thiết đặt bảo vệ [hiệu quả bảo vệ ở cả 2 đầu của băng chuyền] và nhiều chức năng khác. - Có tất cả các loại thiết bị bơm đầu ra, nhận ra các yêu cầu chỉ thị đặc biệt. - Chỉ thị quang học, thiết bị bảo vệ ngoại biên phức hợp. Lĩnh vực ứng dụng: Máy phân loại bằng X-quang có thể ngăn ngừa các tạp chất lạ mặt có tính chất cứng [như kim loại, đá và nhựa] từ mẻ nguyên liệu lớn [ngũ cốc, trái cây,
• 12. hóa]; vỏ hải sản, đá sỏi, kim loại bên trong đồ biển, nhựa và kim loại bên trong đồ hộp và đóng gói sẵn. 1.1.2.2. Máy tách màu gạo: [Seri RB của hãng Meiya] Giới thiệu công nghệ: Dựa trên cấu trúc nhiều modul song song, máy tách màu gạo tích hợp cảm biến camera kỹ thuật số tiên tiến CCD, cabin tách màu quang học ưu việt, bộ phận tách nguyên liệu tốc độ cao, thuật toán điều khiển tần số video tức thời và giao thức truyền tín hiệu đáng tin cậy. Chỉ số phân tách vì thế mà được nâng cao rõ rệt. Màn hình hiển thị cảm ứng đem lại giao diện thân thiện với khả năng cung cấp đầy đủ thông tin. Không chỉ cung ứng các tính năng thông thường, máy tách màu gạo còn có nhiều tính năng nổi bật khác. Hình 1.3. Máy tách màu gạo seri RB của hãng Meiya Đặc trưng chính: Máng nạp liệu phẳng, dốc, hệ thống vận hành tích hợp và xử lý số tốc độ cao đem lại kết quả phân tách tốt cùng tuổi thọ lâu bền cho thiết bị.
• 13. toán đa kích cỡ, tổ hợp nhiều thuật toán đem lại một hệ thống vận hành thông minh. Hệ thống quang học đặc biệt, chế độ tách màu linh hoạt cho nhiều nguyên liệu thô khác nhau và mục đích loại bỏ phế phẩm khác nhau, những ưu điểm này đem lại cho thiết bị khả năng đặc biệt để tiến hành tách màu đồng thời cho hạt vàng và hạt trắng sữa với hiệu quả đạt được thật đáng kinh ngạc. Hệ thống vận hành tích hợp cung cấp một giao diện thân thiện, vận hành máy đơn giản. Cảm biến độ nhạy cao và thuật toán đặc biệt giúp loại bỏ có hiệu quả những hạt gạo bẩn, không đạt chất lượng. 1.1.2.3 Máy tách kim loại: Tính năng của máy: Khi nguyên liệu được chảy qua ống kiểm tra của máy, máy sẽ tự động kiểm tra, phát hiện các mẫu kim loại nhỏ lẫn trong nguyên liệu, sau đó máy tự động kích hoạt van gạt và tự động tách phần nguyên liệu có hạt kim loại đó ra một cửa xả khác. Máy có khả năng phát hiện hạt kim loại rất nhỏ, phát hiện cả các kim loại như inox, đồng, nhôm... Đặc trưng chính: - Máy được chế tạo toàn bộ bằng thép không gỉ. - Trang bị hệ thống điện tử tiên tiến, thiết kế cơ khí chuẩn xác. - Công nghệ Two channel DSP. Tăng khả năng phát hiện kim loại. - Tín hiệu kỹ thuật số mạch vòng. Sử dụng dễ dàng. - Thiết kế dễ dàng tháo lắp.
• 14. tách kim loại dùng cho nguyên liệu rời - Khả năng máy phát hiện được các kim loại: mảnh sắt, mảnh inox, đồng... - Màn hình hiển thị tinh thể lỏng LCD. Giao diện tiếng Anh. Ứng dụng: Máy tách kim loại chuyên dùng trong tách các mảnh kim loại nhỏ trong nguyên liệu các ngành công nghiệp thực phẩm, dược phẩm, nhựa... 1.1.2.4. Dây chuyền tự động hóa phân loại gạch granite: Dây chuyền do Viện Tự động hóa kỹ thuật quân sự nghiên cứu và chế tạo. Hình 1.5. Dây chuyền tự động hóa phân loại gạch granite Hệ thống gồm 3 phần:
• 15. là khối xử lý nhận dạng và ra quyết định, gồm một hệ thống camera và đèn chiếu sáng chuyên dụng được đặt trong một hộp đen gá trên băng chuyền gạch. Khi viên gạch đi qua hộp đen, hệ thống camera thu nhận hình ảnh bề mặt viên gạch và chuyển cho phần mềm nhận dạng và phân loại. Phần mềm này sẽ thực hiện nhận dạng và ra quyết định viên gạch thuộc loại chất lượng nào. Phần tiếp theo là khối xử lý tín hiệu hỏi đáp, điều khiển và giao tiếp giữa người và máy, gồm bàn phím, màn hình và các nút điều khiển. Phần cuối cùng là khối cơ cấu cơ khí chấp hành, là một băng chuyền dọc, có khe được đặt nối tiếp theo băng chuyền gạch của nhà sản xuất. Trên băng chuyền có 5 vị trí phân loại ứng với 5 mẫu gạch. Khi bộ xử lý nhận dạng và ra quyết định gạch thuộc loại chất lượng nào, viên gạch tiếp tục được chuyển qua băng chuyền có khe, qua tay máy sẽ hút giữ để chuyển xuống băng tải loại đó. Ở trên là một số dây chuyền phân loại sản phẩm hiện nay, nhưng những sản phẩm trên có trọng lượng rất nhẹ và khoảng cách di chuyển sản phẩm không xa. Vì vậy không thể áp dụng đối với một số sản phẩm cơ khí trong công nghiệp được, ví dụ như nhà máy sản xuất ô tô…, Vậy nên ta phải sử dụng đến những cánh tay robot để dễ dàng trong việc chấp hành chuyển sản phẩm có trọng lượng lớn và khoảng cách di chuyển tương đối xa nhằm giảm chi phí cũng như sức lao động con người. Để hiểu rõ về khả năng làm việc của những cánh tay robot cũng như một số ứng dụng của nó trong công nghiệp thì em xin trình bày sơ qua robot công nghiệp ở mục 1.2 sau. 1.2. GIỚI THIỆU ROBOT CÔNG NGHIỆP 1.2.1. Quá trình phát triển của robot công nghiệp Cùng với sự phát triển của khoa học công nghệ robot ngày nay được ứng dụng rộng rãi trong các lĩnh vực của đời sống xã hội. Thuật ngữ robot xuất phát từ tiếng Séc [Czech] “Robota” có nghĩa là công việc tạp dịch trong vở kịch Romssum's Universal Robots của Karel Capek vào năm 1921. Trong vở kịch Rossum và con trai của ông đã chế tạo ra những chiếc máy gần giống
• 16. phục vụ con người. Có lẽ đó là một gợi ý ban đầu cho các nhà sáng chế kỹ thuật về những cơ cấu, máy móc bắt chước các hoạt động cơ bắp của con người. Đầu thập kỷ 60, công ty Mỹ AMF [American Machine and Foundy Company] quảng cáo một loại máy tự động vạn năng và gọi là "Người máy công nghiệp" [Industrial Robot]. Ngày nay người ta đã đặt tên người máy công nghiệp cho những loại thiết bị có dáng dấp và một vài chức năng như tay người được điều khiển tự động để thực hiện một số thao tác sản xuất. Về mặt kỹ thuật, những robot công nghiệp ngày nay có nguồn gốc từ hai lĩnh vực kỹ thuật ra đời sớm hơn đó là các cơ cấu điều khiển từ xa [Teleoperators] và các máy công cụ điều khiển số. Dưới đây chúng ta sẽ điểm qua một số thời điểm lịch sử phát triển của người máy công nghiệp. Một trong những robot công nghiệp đầu tiên được chế tạo là robot Versatran của công ty AMF, Mỹ. Cũng vào khoảng thời gian này ở Mỹ xuất hiện loại robot Unimate -1900 được dùng đầu tiên trong kỹ nghệ ô tô. Tiếp theo Mỹ, các nước khác bắt đầu sản xuất robot công nghiệp: Anh -1967, Thụy Điển và Nhật - 1968 theo bản quyền của Mỹ, CHLB Đức - 1971, Pháp -1972, … Tính năng làm việc của robot ngày càng được nâng cao nhất là khả năng nhận biết và xử lý. Năm 1967 trường Đại học Tổng hợp Stanford [Mỹ] đã chế tạo ra mẫu robot hoạt động theo mô hình mắt-tay, có khả năng định hướng và nhận biết bàn kẹp theo vị trí vật kẹp nhờ các cảm biến. Năm 1974 công ty Mỹ Cincinnati đưa ra loại robot được điều khiển bằng máy vi tính gọi là robot T3 [The Tomorrow]. Robot này có khả năng nâng được vật có khối lượng lên đến 40kg. Có thể nói Robot là sự tổ hợp khả năng hoạt động linh hoạt của cơ cấu điều khiển từ xa với mức độ tri thức ngày càng phong phú của hệ thống điều khiển theo chương trình số cũng như kỹ thuật chế tạo các bộ cảm biến, công nghệ lập trình và các phát triển của trí không nhân tạo, hệ chuyên gia… Trong những năm sau này việc nâng cao tính năng hoạt động của robot không ngừng được phát triển cùng với những thành tựu to lớn trong lĩnh vực Tin học- Điện tử. 1.2.2. Ứng dụng của robot công nghiệp
• 17. dụng rộng rãi trong nhiều ngành công nghiệp khác nhau. Ví dụ: Vận chuyển, bốc dỡ vật liệu, gia công, lắp ráp thăm dò… - Ứng dụng trong vận chuyển và bốc dỡ vật liệu: Robot có nhiệm vụ di chuyển đối tượng từ vị trí này đến vị trí khác. Nhiệm vụ này được thực hiện bởi thao tác nhặt và đặt vật thể. Robot nhặt chi tiết ở một vị trí và chuyển dời đến một vị trí khác. Robot có khả năng bốc xếp các chi tiết có hình dạng và kích thước khác nhau nhờ các thông tin chuẩn về chi tiết lưu trữ trong bộ nhớ và robot sử dụng các cảm biến để nhận dạng các chi tiết thực. - Ứng dụng trong lĩnh vực gia công vật liệu: robot thực hiện như một máy gia công. Do đó tay robot sẽ gắn một dụng cụ thay cho một cơ cấu kẹp. Ứng dụng của robot trong công nghiệp gia công vật liệu bao gồm các công nghệ sau: Hàn điểm, hàn hồ quang liên tục, sơn phủ, công nghệ gia công kim loại… - Ứng dụng robot trong lắp ráp và kiểm tra sản phẩm: Robot được sử dụng trong dây chuyền lắp ráp thông thường ở bốn dạng sau: lắp chi tiết vào lỗ, lắp lỗ vào chi tiết, lắp chi tiết nhiều chân vào lỗ và lắp ngăn xếp. Robot cũng được sử dụng trong công đoạn thử nghiệm và kiểm tra đó là máy đo tọa độ CMM - để kiểm tra kích thước, vị trí và hình dạng của các chi tiết máy hoặc các bộ phận cơ khí. Ngoài ra robot được sử dụng trong việc khai thác thềm lục địa và đại dương, trong y học, sử dụng trong quốc phòng, trong chinh phục vũ trụ, trong công nghiệp nguyên tử…. Từ khi mới ra đời robot công nghiệp được áp dụng trong nhiều lĩnh vực dưới góc độ thay thế sức người. Nhờ vậy các dây chuyền sản xuất được tổ chức lại, năng suất và hiệu quả ngày càng cao. Mục tiêu ứng dụng robot công nghiệp nhằm góp phần nâng cao năng suất dây chuyền công nghệ, giảm giá thành, nâng cao chất lượng và khả năng cạnh tranh của sản phẩm đồng thời cải thiện điều kiện lao động. Đạt được mục tiêu trên là nhờ vào những khả năng to lớn của robot như: làm việc không biết mệt mỏi, môi trường độc hại, nhiệt độ khắc nghiệt…nhưng đem lại hiệu quả kinh
• 18. thực hiện các công việc nặng nhọc nhưng đơn điệu, dễ gây mệt mỏi, nhầm lẫn. Ở Mỹ đã xuất hiện một loại công nhân mới, loại công nhân này không tham gia vào các tổ chức xã hội nhưng có khả năng làm việc 24/24h, không quan tâm đến tiền lương, tiền thưởng, lương hưu, không quan tâm đến môi trường làm việc… Chính vì vậy vai trò của robot có ý nghĩa hết sức quan trọng . Một mặt tạo ra một năng suất và chất lượng lao động ngày càng cao mặt khác nó còn phục vụ đắc lực các hoạt động của con người. Tuy nhiên nhược điểm của robot là chưa linh hoạt như con người trong dây chuyền tự động nếu có một robot bị hỏng có thể làm ngừng hoạt động của cả dây chuyền cho nên robot hoạt động vẫn luôn luôn dưới sự giám sát của con người Từ những phân tích trên đây ta thấy robot đảm nhiệm vai trò rất quan trọng và việc xác định vị trí của đối tượng là rất cần thiết. Hạn chế các khoảng trống như thế này
• 19. đồ cấu trúc chung của hệ thống cảm biến 1.2. TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MẠNG MỜ NƠ RON TRONG NHẬN DẠNG SẢN PHẨM Lý thuyết tập mờ và mạng nơ-ron ra đời muộn hơn cả song nó cũng đã khẳng định được ưu thế và khả năng ứng dụng trong nhiều lĩnh vực đặc biệt là lĩnh vực điều khiển đòi hỏi chất lượng cao. Có được điều đó là do lý thuyết mờ, mạng nơ-ron được kết hợp khi ứng dụng vào kỹ thuật điều khiển có nhiều ưu điểm nổi trội bởi tính linh hoạt trong xử lý, mềm dẻo trong khả năng ứng dụng. Hiện nay sự phát triển của hệ nơ-ron mờ vẫn tiếp tục phát triển mạnh mẽ và nhận được sự quan tâm của rất nhiều nhà khoa học. Sau đây là một số công trình nghiên cứu của các nhà khoa học về ứng dụng của hệ thống điều khiển dùng nơ-ron mờ ở trong nước và trên thế giới. Ứng dụng mạng nơ-ron để điều khiển bộ bù tĩnh Đoàn Quang Vinh, Trần Đình Tân-Khoa điện, trường Đại học Bách Khoa, Đại học Đà Nẵng [6].
• 20. phỏng hệ thống điều khiển SVC dùng mờ nơ-ron Ứng dụng mạng mờ nơ-ron để xác định độ hút mong muốn [phụ thuộc vào dữ liệu thu thập từ thực nghiệm và các đặc tính của máy] – Nikos et al [1999] Một bộ điều khiển van chuyên gia sau đó được thiết kế để tạo ra, điều chỉnh và duy trì lượng hút được tính toán bởi modul hút mờ nơ-ron. Đặc tính của toàn bộ hệ thống điều khiển độ hút được so sánh với các kết quả thực
• 21. khi sử dụng hệ thống kẹp mẫu để thực hiện với vật liệu mềm. [9] Hình 1.8. Hệ thống hút tích hợp với cánh tay robot Ứng dụng mạng mờ nơ-ron cho việc điều khiển nhiệt độ dùng quang phổ dạng TSK – Cheng Chen Lee [2006] Mô hình này có cấu trúc 5 lớp kết hợp với bộ TSK [Takagi Sugeno Kang] truyền thống. Lớp 2 của mô hình mạng mờ nơ-ron quang phổ dạng TSK chứa các hàm chức năng kích hoạt nhiều lớp thành phần quang phổ. Mỗi hàm thành phần được tạo thành từ tổng các hàm xích ma dịch chuyển bởi các khoảng chuyển tiếp quang phổ. Một thuật toán học tự hình thành chứa thuật toàn tự tập hợp [self-clustering algorithm] và thuật toán phản hồi cũng được đưa ra. Thuật toán tự tập hợp nhanh cho ước tính động các tập hợp trong không gian dữ liệu đầu vào. Thuật toán phản hồi được sử dụng để điều chỉnh các thông số. [10] Ứng dụng mạng nơ-ron điều khiển thích nghi các hàm thành phần mờ và tối ưu hóa động học các luật mờ ngôn ngữ cho hệ thống điều khiển dao động – Yang Tung Liu [2005]
• 22. một mạng thuận 5 lớp được chỉ ra để xác định các luật logic mờ chính xác của hệ thống, điều chỉnh tối ưu các thông số [theo từng vùng] của các thành phần và thực hiện chính xác can thiệp mờ.[11] Hình 1.9. Mô hình bộ điều khiển mờ nơ-ron 1.4. ĐỊNH HƯỚNG THỰC HIỆN ĐỀ TÀI Quá trình di chuyển và phân loại vật từ vị trí sản xuất đến các kho chứa là rất khó khăn cho con người. Ngay cả khi có sự can thiệp của máy móc hay các thiết bị nhận dạng đơn giản thì không thể phân loại sản phẩm một cách chính xác được. Chính vì lý do đó, mà em quyết định tìm hiểu và thực hiện đề tài ứng dụng hệ nhận dạng mờ để nhận dạng sản phẩm và sử dụng cánh tay robot công nghiệp để phân loại và chuyển vật từ vị trí sản xuất đến kho chứa một cách dễ dàng và chính xác nhất. Đề tài thực hiện sẽ đề cập đến hệ thống phân loại sản phẩm cơ khí của nhà máy lắp ráp ô tô. Ứng dụng hệ nhận dạng mờ nơ ron để nhận biết và truyền tín hiệu đến bộ phận điều khiển, bộ phận điều khiển sẽ ra lệnh điều khiển cánh tay robot thực hiện dịch chuyển sản phẩm đến đúng nơi như người lập trình đưa ra. Sản phẩm phân loại trong đề tài gồm: Khung xe, lốp xe, nắp sau xe, động cơ xe… vào đúng vị trí đã quy định.
• 23. đồ nội dung thực hiện
• 24. VỀ MỜ-NƠ RON VÀ LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN 2.1. CƠ SỞ LÝ THUYẾT VỀ MỜ 2.1.1. Tổng quan về logic mờ Quá trình phát triển của lôgic mờ Từ năm 1965 đã ra đời một lý thuyết mới đó là lý thuyết tập mờ [Fuzzy set theory] do giáo sư Lofti A. Zadeh ở trường đại học Califonia - Mỹ đưa ra. Từ khi lý thuyết đó ra đời nó được phát triển mạnh mẽ qua các công trình khoa học của các nhà khoa học như: Năm 1972 GS Terano và Asai thiết lập ra cơ sở nghiên cứu hệ thống điều khiển mờ ở Nhật, năm 1980 hãng Smith Co. bắt đầu nghiên cứu điều khiển mờ cho lò hơi... Những năm đầu thập kỷ 90 cho đến nay hệ thống điều khiển mờ và mạng nơron [Fuzzy system and neural network] được các nhà khoa học, các kỹ sư và sinh viên trong mọi lĩnh vực khoa học kỹ thuật đặc biệt quan tâm và ứng dụng trong sản xuất và đời sống. Tập mờ và lôgic mờ đã dựa trên các thông tin "không đầy đủ, về đối tượng để điều khiển đầy đủ về đối tượng một cách chính xác. Các công ty của Nhật bắt đầu dùng lôgic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn tính toán theo giải thuật lôgic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về lôgic mờ. Một trong những ứng dụng dùng lôgic mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987. Cơ sở toán học của lôgic mờ Lôgic mờ và xác suất thống kê đều nói về sự không chắc chắn. Tuy nhiên mỗi lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng. Trong xác suất thống kê sự không chắc chắn liên quan đến sự xuất hiện của một sự kiện chắc chắn" nào đó. Ví dụ: Xác suất viên đạn trúng đích là 0.
• 25. sự kiện "trúng đích" đã được định nghĩa rõ ràng, sự không chắc chắn ở đây là có trúng đích hay không và được định lượng bởi mức độ xác suất [trong trường hợp này là 0,8]. Loại phát biểu này có thể được xử lý và kết hợp với các phát biểu khác bằng phương pháp thống kê, như là xác suất có điều kiện chẳng hạn. Sự không chắc chắn trong ngữ nghĩa, liên quan đến ngôn ngữ của con người, đó là sự không chính xác trong các từ ngữ mà con người dùng để ước lượng vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ "nóng", "lạnh", "ấm"sẽ không có một giá trị chính xác nào để gán cho các từ này, các khái niệm này cũng khác nhau đối với những người khác nhau [là lạnh đối với người này nhưng không lạnh đối với người khác]. Mặc dù các khái niệm không được định nghĩa chính xác nhưng con người vẫn có thể sử dụng chúng cho các ước lượng và quyết định phức tạp. Bằng sự trừu tượng và óc suy nghĩ, con người có thể giải quyết câu nói mang ngữ cảnh phức tạp mà rất khó có thể mô hình bởi toán học chính xác. Sự không chắc chắn theo ngữ vựng: Như đã nói trên, mặc dù dùng những phát biểu không mang tính định lượng nhưng con người vẫn có thể thành công trong các ước lượng phức tạp. Trong nhiều trường hợp, con người dùng sự không chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu hết xã hội, hệ thống luật pháp bao gồm một số luật, mỗi luật mô tả một tình huống. Ví dụ một luật quy định tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ trách nhiệm. Và trong một phiên tòa, chánh án phải quyết định số ngày phạt tù của tên trộm dựa trên mức độ rượu trong người, trước đây có tiền án hay tiền sự không,... từ đó kết hợp lại đưa ra một quyết định công bằng. 2.1.2. Mờ hóa Tập kinh điển Khái niệm tập hợp được hình thành trên nền tảng lôgic và được định nghĩa như là sự sắp xếp chung các đối tượng có cùng tính chất, được gọi là phần tử của tập hợp đó.
• 26. hợp A, một phần tử x thuộc A được ký hiệu: x ∈ A. Thông thường ta dùng hai cách để biểu diễn tập hợp kinh điển, đó là: Liệt kê các phần tử của tập hợp, ví dụ tập A1 = {xe đạp, xe máy, xe ca, xe tải}; - Biểu diễn tập hợp thông qua tính chất tổng quát của các phần tử, ví dụ: tập các số thực [R], tập các số tự nhiên [N]. Để biểu diễn một tập hợp A trên tập nền X, ta dùng hàm thuộc μA[x], với: Ký hiệu ={x X∈ │x thỏa mãn 1 số tính chất nào đó}. Ta nói: Tập A được định nghĩa tên tập nền X. A = {x∈R|5 ≤ x ≤ 5} Hình 2.11. Mô tả hàm phụ thuộc μA[x] của tập các số thực từ -5 đến 5 Định nghĩa tập mờ Trong khái niệm tập hợp kinh điển hàm phụ thuộc μA[x] của tập A, chỉ có một trong hai giá trị là "1" nếu x∈A hoặc "0" nếu x A∉ . Cách biểu diễn hàm phụ thuộc như trên sẽ không phù hợp với những tập được mô tả "mờ" như tập B gồm các số thực gần bằng 5: Hình 2.12. Mô tả hàm phụ thuộc μB[x] của tập mờ B
• 27. x ≈ 5}. Khi đó ta không thể khẳng định chắc chắn số 4 có thuộc B hay không? mà chỉ có thể nói nó thuộc B bao nhiêu phần trăm. Để trả lời được câu hỏi này, ta phải coi hàm phụ thuộc μB[x] có giá trị trong khoảng từ 0 đến 1 tức là: 0 ≤ μB[x] ≤ 1. Từ phân tích trên ta có định nghĩa: Tập mờ B xác định trên tập kinh điển M là một tập mà một phần tử của nó được biểu diễn bởi một cặp giá trị [x,μB[x]]. Trong đó x ∈M và μB[x] là ánh xạ. Ánh xạ μB[x] được gọi là hàm liên thuộc của tập mờ B. Tập kinh điển M được gọi là cơ sở của tập mờ B. Các thông số đặc trưng cho tập mờ Các thông số đặc trưng cho tập mờ là độ cao, miền xác định và miền tin cậy. Hình 2.13. Độ cao, miền xác định, miền tin cậy của tập mờ + Độ cao của một tập mờ B [Định nghĩa trên cơ sở M] là giá trị lớn nhất trong các giá trị của hàm liên thuộc: x M H SUP B[x] ∈ = µ Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập mờ chính tắc [H = 1]. Ngược lại, một tập mờ B với H < 1 gọi là tập mờ không chính tắc. + Miền xác định của tập mờ B [Định nghĩa trên cơ sở M] được ký hiệu bởi S là tập con của M có giá trị hàm liên thuộc khác không: S = {x ∈M| μB[x] > 0}.
• 28. cậy của tập mờ B [định nghĩa trên cơ sở M] được ký hiệu bởi T, là tập con của M có giá trị hàm liên thuộc bằng 1: T= {x ∈M| μB[X] = 1}. 2.1.3. Các phép toán trên tập mờ 2.1.3.1. Phép hợp hai tập mờ a/ Hợp của hai lập mờ có cùng cơ sở Hình 2.14. Hợp của hai tập mờ có cùng cơ sở Theo quy tắc Max [a], theo Lukesiewwiez [b] Hợp của hai tập mờ A và B có cùng cơ sở M là một tập mờ cùng xác định trên cơ sở M với hàm liên thuộc được xác định theo một trong các công thức sau: Chú ý: Có nhiều công thức khác nhau được dùng để tính hàm liên thuộc μA∪B[x] của hai tập mờ. Song trong kỹ thuật điều khiển mờ ta chủ yếu dùng 2 công thức hợp, đó là lấy Max và phép hợp Lukasiewiez. b/ Hợp hai tập mờ khác cơ sở Để thực hiện phép hợp 2 tập mờ khác cơ sở, về nguyên tắc ta phải đưa chúng về cùng một cơ sở. Xét tập mờ A với hàm liên thuộc μA[x] được định
• 29. sở M và B với hàm liên thuộc μB[x] được định nghĩa trên cơ sở N, hợp của 2 tập mờ A và B là một tập mờ xác định trên cơ sở MxN với hàm liên thuộc: μA ∪ B[x, y] = Max {μA[x, y], μB[x, y]} Với μA[x, y] = μA[x] với mọi y ∈N và μB[x, y] = μB[y] với mọi x ∈ M. 2.1.3.2. Phép giao hai tập mờ a/ Giao hai tập mờ cùng cơ sở Hình 2.15. Giao của hai tập mờ có cùng cơ sở Theo quy tắc Min [a], theo tích đại số [b] Giao của hai tập mờ A và B có cùng cơ sở M là một tập mờ cũng xác định trên cơ sở M với hàm liên thuộc μA ∩ B[x] được tính: Cũng giống như trong phép hợp, trong kỹ thuật điều khiển chủ yếu ta sử dụng công thức 1 và công thức 2 để thực hiện phép giao 2 tập mờ. b/ Giao hai tập mờ khác cơ sở Để thực hiện phép giao 2 tập mờ khác cơ sở, ta cần phải đưa về cùng cơ sở. Khi đó, giao của tập mờ A có hàm liên thuộc μA[x] định nghĩa trên cơ sở M với tập mờ B có hàm liên thuộc μB[x] định nghĩa trên cơ sở N là một tập mờ xác định trên cơ sở M x N có hàm liên thuộc được tính:
• 30. y] = MIN{μA[x, y], μB[x, y]} Trong đó: μA[x, y] = μA[x] với mọi y ∈N và μB[x, y] = μB[x] với mọi x∈M. 2.1.4. Biến ngôn ngữ và giá trị của biến ngôn ngữ Thực tế hàng ngày chúng ta luôn dùng các từ ngữ, lời nói để mô tả các biến. Ví dụ khi ta nói: "Điện áp cao quá", "xe chạy nhanh quá",... như vậy biến "Điện áp", biến "Tốc độ xe",... nhận các giá trị từ "nhanh" đến "chậm", từ "cao" đến "thấp". Ở dạng tường minh, các biến này nhận các giá trị cụ thể [rõ] như điện áp bằng 200 V, 250 V...; tốc độ xe bằng 60 km/h, 90 km/h... Khi các biến nhận các giá trị không rõ ràng như "cao", "rất cao" "nhanh", "hơi nhanh"... ta không thể dùng các giá trị rõ để mô tả được mà phải sử dụng một số khái niệm mới để mô tả gọi là biến ngôn ngữ. Mộ biến có thể gán bởi các từ trong ngôn ngữ tự nhiên làm giá trị của nó gọi là biến ngôn ngữ. Một biến ngôn ngữ thường bao gồm 4 thông số: X, T, U, M. Với: + X: Tên của biến ngôn ngữ; + T: Tập của các giá trị ngôn ngữ; + U: Không gian nền mà trên đó biến ngôn ngữ X nhận các giá trị rõ; + M: Chỉ ra sự phân bố của T trên U. Ví dụ: Biến ngôn ngữ "Tốc độ xe" có tập các giá trị ngôn ngữ là rất chậm, chậm, trung bình, nhanh, rất nhanh, không gian nền của biến là tập các số thực dương. Vậy biến tốc độ xe có 2 miền giá trị khác nhau: - Miền các giá trị ngôn ngữ N = [rất chậm, chậm, trung bình, nhanh, rất nhanh]. - Miền các giá trị vật lý V = {x∈R [x≥0]}. Mỗi giá trị ngôn ngữ [mỗi phần tử của Ni có tập nền là miền giá trị vật lý V. Từ một giá trị vật lý của biến ngôn ngữ ta có được một véctơ μ gồm các độ phụ thuộc của x: X → μT =[μrất chậm μchậm μtrung bình μnhanh μrất nhanh]
• 31. được gọi là quá trình fuzzy hoá giá trị rõ x. Ví dụ: ứng với tốc độ 50 km/h ta có: Hình 2.16. Mờ hóa biến tốc độ 2.1.5 Luật hợp thành mờ 2.1.5.1. Mệnh đề hợp thành Xét hai biến ngôn ngữ χ và γ; Biến χ nhận giá trị [mờ] A có hàm liên thuộc μA[x] và γ nhận giá trị [mờ] B có hàm liên thuộc μB[x] thì hai biểu thức: χ = A; γ = B được gọi là hai mệnh đề. Luật Điều khiển: nếu χ = A thì γ = B được gọi là mệnh đề hợp thành.Trong đó χ = A gọi là mệnh đề điều kiện và γ = B gọi là mệnh đề kết luận. Một mệnh đề hợp thành có thể có nhiều mệnh đề điều kiện và nhiều mệnh đề kết luận, các mệnh đề liên kết với nhau bằng toán tử "và". Dựa vào số mệnh đề điều kiện và số mệnh đề kết luận trong một mệnh đề hợp thành mà ta phân chúng thành các cấu trúc khác nhau: - Cấu trúc SISO [một vào, một ra]: Chỉ có một mệnh đề điều kiện và một mệnh đề kết luận. Ví dụ: nếu χ = A thì γ = B. - Cấu trúc MISO [Nhiều vào, một ra]: Có từ 2 mệnh đề điều kiện trở lên và một mệnh đề kết luận. Ví dụ: nếu χ1 = A1 và χ2 = A2 thì γ = B. - Cấu trúc MIMO [Nhiều vào, nhiều ra]: Có ít nhất 2 mệnh đề điều kiện và 2 mệnh đề kết luận. Ví dụ: nếu χ1 = A1 và χ2 = A2 thì γ1 = B1 và γ2 = B2 2.1.5.2. Mô tả mệnh đề hợp thành Xét mệnh đề hợp thành: nếu χ = A thì γ - B; Từ một giá trị x0 có độ phụ thuộc μA[x0] đối với tập mờ A của mệnh đề điều kiện, ta xác định được độ thỏa mãn mệnh đề kết luận. Biểu diễn độ thỏa mãn của mệnh đề kết luận như
• 32. B’ cùng cơ sở với B thì mệnh đề hợp thành chính là ánh xạ: μA[x0] → μB[y]. Ánh xạ này chỉ ra rằng mệnh đề hợp thành là một tập mà mỗi phần tử là một giá trị [μA[x0], μB’[y]] tức là mỗi phần tử là một tập mờ. Mô tả mệnh đề hợp thành tức là mô tả ánh xạ trên. Ánh xạ [μA[x0], μB’[y]] được gọi là hàm liên thuộc của luật hợp thành. Để xây dựng μB’[y] đã có rất nhiều ý kiến khác nhau. Trong kỹ thuật điều khiển ta thường sử dụng nguyên tắc của Mamdani "Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc của điều kiện"? Từ nguyên tắc đó ta có hai công thức xác định hàm liên thuộc cho mệnh đề hợp thành A => B: 1. Công thức MIN: μA=>B[x, y] = MIN{μA[x], μB[y]} 2. Công thức PROD: μA=>B[x, y] = μA[x]μB[xy] 2.1.5.3. Luật hợp thành mờ Luật hợp thành là tên chung gọi mô hình R biểu diễn [một hay nhiều] hàm liên thuộc μA=>B[x, y] cho [một hay nhiều] mệnh đề hợp thành A ⇒ B. Một luật hợp thành chỉ có 1 mệnh đề hợp thành gọi là luật hợp thành đơn, có từ 2 mệnh đề hợp thành trở lên gọi là luật hợp thành phức. Xét luật hợp thành R gồm 3 mệnh đề hợp thành: R1: Nếu x = A1 Thì y = B1 hoặc R2: Nếu x = A2 Thì y = B2 hoặc R3: Nếu x = A3 Thì y = B3 hoặc Hình 2.17. Mô tả hàm liên thuộc của luật hợp thành Với mỗi giá trị rõ x0 của biến ngôn ngữ đầu vào, ta có 3 tập mờ ứng với 3 mệnh đề hợp thành R1, R2, R3 của luật hợp thành R. Gọi hàm liên thuộc của
• 33. đầu ra là: µB’1[y]; µB’2[y]; µB’3[y] thì giá trị luật hợp thành R ứng với x0 là tập mờ B’ thu được qua phép hợp 3 tập mờ: 1 2 3B' B' B' B'= ∪ ∪ . Tùy theo cách thu nhận các hàm liên thuộc µB’1[y]; µB’2[y]; µB’3[y] và phương pháp thực hiện phép hợp để nhận tập mờ B’ mà ta có tên gọi các luật hợp thành khác nhau: - Luật hợp thành MAX-MIN nếu µB’1[y]; µB’2[y]; µB’3[y] thu được qua phép lấy Min còn phép hợp thực hiện theo luật Max; - Luật hợp thành MAX-PROD nếu µB’1[y]; µB’2[y]; µB’3[y] thu được qua phép PROD còn phép hợp thực hiện theo luật Max; - Luật hợp thành SUM-MIN nếu µB’1[y]; µB’2[y]; µB’3[y] thu được qua phép lấy Min còn phép hợp thực hiện theo luật SUM; - Luật hợp thành SUM - PROD nếu µB’1[y]; µB’2[y]; µB’3[y] thu được qua phép lấy PROD còn phép hợp thực hiện theo Lukasiewicz. Vậy, để xác định hàm liên thuộc μB’[y] của giá trị đầu ra B’ của luật hợp thành có n mệnh đề hợp thành R1, R2,… ta thực hiện theo các bước sau: + Xác định độ thỏa mãn hj. + Tính µB’1[y]; µB’2[y]; µB’3[y] theo quy tắc min hoặc Prod µB’1[y]=Min{ µA[x0], µB’1[y]}=Min{ hj, µB’1[y]} Hoặc µB’1[y]= µA[x0], µB’1[y]= hj, µB’1[y]. + Xác định μB’[y] bằng cách thực hiện phép hợp các µB’1[y]. 2.1.5.4. Các cấu trúc cơ bản của luật hợp thành Ta sẽ khảo sát hai cấu trúc cơ bản của luật hợp thành, đó là cấu trúc SISO và cấu trúc MISO. + Cấu trúc SISO là cấu trúc trong đó luật hợp thành có các mệnh đề điều kiện và mệnh đề kết luận là các mệnh đề đơn. Ví dụ: R1: nếu χ = Al thì γ = B1 hoặc R2: nếu χ = A2 thì γ = B2. + Cấu trúc MISO là cấu trúc trong đó luật hợp thành có các mệnh đề điều kiện là mệnh đề phức và mệnh đề kết luận là mệnh đề đơn.
• 34. nếu χ1 = A1 và χ2 = B1 thì γ = C1 hoặc R2: nếu χ1 = A2 và χ2 = B2 thì γ = C2. 2.1.5.5. Luật hợp thành đơn có cấu trúc SISO a] Luật hợp thành MIN Luật hợp thành MIN là tên gọi mô hình [ma trận] R của mệnh đề hợp thành A⇒ B khi hàm liên thuộc μA=>B[x, y] của nó được xây dựng theo quy tắc MIN. Xét luật hợp thành chỉ có 1 mệnh đề: Nếu χ = A thì γ = B Để xây dựng R, trước tiên hai hàm liên thuộc μA[x] và μB[y] được rời rạc hóa với tần số rời rạc đủ nhỏ để không bị mất thông tin. Ví dụ: μA[x], μB[y] được rời rạc hóa tại các điểm: x ∈{10, 20, 30, 40, 50} y ∈{0.5, 0.6, 0.7, 0.8, 0.9}. Với các điểm rời rạc này thì theo μA=>B[20; 0.7] = μR[20; 0.7]=MIN{μA[20],μb[0.7]}=MIN{0.5; 1}= 0.5 μA=>B[30; 0.7] = μR[30; 0.7]=MIN{μA[30],μb[0.7]}= MIN{1; 1}= 1 ………………………. Hình 2.18. Rời rạc hóa các hàm liên thuộc Nhóm tất cả các giá trị μA=>B[x, y] = μR[x,y] gồm 5 x 5= 25 giá trị, thành ma trận R [được gọi là ma trận hợp thành MIN] gồm 5 hàng 5 cột.
• 35. đầu vào là một giá trị rõ x0 = 20, tín hiệu đầu ra B’ có hàm liên thuộc: μB’[y] = μR[20, y] = {0; 0.5; 0.5; 0.5; 0}. Để thuận tiện cho việc xác định hàm liên thuộc của tín hiệu ra dưới dạng nhân ma trận, ta định nghĩa một ma trận T = {a1 a2…} ma trận này chỉ có một phần tử bằng 1 còn các phần tử khác đều bằng 0. Ví dụ với tập 5 phần tử cho tín hiệu đầu vào xử {10; 20; 30; 40; 50} thì ứng với x0 = 20 [phần tử thứ hai] ta có: a = [0 1 0 0 0] Và khi đó: μB’[y] = μR[x0, y] = aT. R = {0 0.5 0.5 0.5 0}. Tổng quát cho một giá trị rõ x0 bất kỳ x0 ∈ X = {10 20 30 40 50} Tại đầu vào véctơ chuyển vị có dạng: aT = [a1, a2, a3, a4, a5] trong đó chỉ có một phần tử a; duy nhất có chỉ số i là chỉ số của x0 trong X có giá trị bằng 1, các phần tử còn lại đều bằng 0. Hàm liên thuộc mB'[y] dưới dạng rời rạc được xác định: 11 15 T B' 1 2 3 4 5 1 2 3 4 5 51 55 r ..............r [y] a .R [a ,a ,a ,a ,a ] .................... [l ,l ,l ,l ,l ] r ..............r    ÷ µ = = = ÷  ÷   [1.1] Với 5 k i ik i 1 l a .r = = ∑
• 36. biểu thức [1.1] để tính μB'[y] ta cần cài đặt thuật toán nhân ma trận của đại số tuyến tính, do đó tốc độ xử lý chậm. Để khắc phục nhược điểm này, phép nhân ma trận [1.1] được thay bởi luật MAX-MIN của Zadeh với MAX [phép lấy cực đại] thay vào vị trí phép cộng và MIN [phép lấy cực tiểu] thay vào vị trí phép nhân. Khi đó: k i ki 1 i 5 l maxmin{a ,l } ≤ ≤ = [1.2] Kết quả hai phép tính [1.1] và [1.2] với đầu vào là một giá trị rõ hoàn toàn giống nhau. Cũng từ lý do trên mà luật hợp thành MIN còn có tên gọi là luật hợp thành MAX-MIN. b/ Luật hợp thành PROD Tương tự như đã làm với luật hợp thành MIN, ma trận R của luật hợp thành PROD được xây dựng gồm các hàng là m giá trị rời rạc của đầu ra µB’[y1];µB[y2]; µB’[y3] cho n giá trị rõ đầu vào xn, xn,…., xn. Như Vậy ma trận R sẽ có n hàng và m cột. Xét ví dụ trên cho 5 giá trị đầu vào: {x1, x2, x3, x4, x5} = {10 20 30 40 50} Thì với từng giá trị xi, 5 giá trị của hàm liên thuộc đầu ra tương ứng μB'[0.5], μB'[0.6], μB'[0.7], μB'[0.8], μB'[0.9] được liệt kê trong ma trận R được gọi là ma trận hợp thành PROD. Từ ma trận R trên, hàm liên thuộc μB'[y] của giá trị đầu ra khi đầu vào là giá trị rõ x4 cũng được xác định bằng công thức: aT = [0, 0, 0, 1, 0] μB'[y] = μR[x4, y] = aT .R = {0, 0.25, 0.5, 0.25, 0}. Đê rút ngắn thời gian tính và cũng để mở rộng công thức trên cho trường hợp đầu vào là giá trị mờ, phép nhân ma trận T.R cũng được thay bằng luật MAX- PROD của Zadeh như đã làm cho luật hợp thành MIN. Trong đó phép nhân được thực hiện bình thường còn phép lấy cực đại thay vào vị trí của phép cộng. 11 15 T B' 1 2 3 4 5 1 2 3 4 5 51 55 r ..............r [y] a .R [a ,a ,a ,a ,a ] .................... [l ,l ,l ,l ,l ] r ..............r    ÷ µ = = = ÷  ÷  
• 37. k i ik 1 i 5 i 1 l a .r ;l maxProd{a .r } ≤ ≤ = = =∑ 2.1.6. Giải mờ Từ một giá trị rõ x0 ở đầu vào, sau khi qua khối luật hợp thành ta có tập mờ đầu ra B'. Vấn đề đặt ra là cần phải xác định giá trị rõ y0 từ tập mờ đầu ra đó. Muốn vậy ta cần thực hiện việc giải mờ. Giải mờ là quá trình xác định một giá trị rõ y0 nào đó có thể chấp nhận được từ hàm liên thuộc μB’[y] của giá trị mờ B’ [tập mờ B’]. Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp điểm trọng tâm. 2.1.6.1. Phương pháp cực đại Để giải mờ theo phương pháp cực đại, ta cần thực hiện 2 bước: - Xác định miền chứa giá trị rõ y0 [miền G]: Đó là miền mà tại đó hàm liên thuộc μB’[y] đạt giá trị cực đại [độ cao H của tập mờ B’], tức là miền: G = {y∈Y| μB’[y] = H} - Xác định y0 có thể chấp nhận được từ G. Hình 1.17 là tập mờ đầu ra của một luật hợp thành gồm 2 mệnh đề hợp thành: R1: Nếu χ = A1 Thì γ = B1 R2: Nếu χ = A2 Thì γ = B2 Miền chứa giá trị rõ G là khoảng [y1, y2] của miền giá trị của tập mờ đầu
• 38. luật điều khiển: R2: Nếu χ = A2 Thì γ = B2 Với y1 là điểm cận trái của 1 y G G[y inf [y]] ∈ = và y2 là điểm cận phải của 1 y G G[y sup[y]] ∈ = . Khi đó, luật R2 được gọi là luật Điều khiển quyết định. Vậy luật điều khiển quyết định là luật Rk, k∈{1, 2,…, p} mà giá trị mở đầu ra của nó có độ cao lớn nhất [Bằng độ cao H của B’]. Để xác định y0 trong khoảng [y1, y2] ta có thể áp dụng theo một trong ba nguyên lý: Nguyên lý trung bình; nguyên lý cận trái và nguyên lý cận phải. Hình 2.19. a, b, c: Các nguyên lý giải mờ theo phương pháp cực đại a.Nguyên lý trung bình Giá trị rõ y1 sẽ là trung bình cộng của y1 và y2: 1 2 0 y y y 2 + = b] Nguyên lý cận trái Giá trị rõ y0 được lấy bằng cận trái y1 của G: ]]inf[[ 1 Gy yy ∈ = c] Nguyên lý cận phải Giá trị rõ y0 được lấy bằng cận phải y2 của G: ]]sup[[ 2 Gy yy ∈ = Nhận xét: + Giá trị rõ y0 lấy theo nguyên lý trung bình sẽ không phụ thuộc vào độ thỏa mãn của luật điều khiển quyết định nếu tập mờ B' là tập đều [ hình 2.9 a],
• 39. lý cận trái và cận phải, giá trị rõ y0 phụ thuộc tuyến tính vào độ thỏa mãn của luật điều khiển quyết định [ hình 2.9 b,c]. Hình 2.20. a ]y0 với các nguyên tắc chọn khác nhau b] Hàm liên thuộc B’ có miền G không liên thông + Sai lệch của ba giá trị rõ, xác định theo nguyên lý trung bình, cận trái hay cận phải sẽ càng lớn nếu độ thoả mãn H của luật điều khiển càng nhỏ. + Khi miền G là miền không liên thông sử dụng phương pháp cực đại sẽ không chính xác. Hình 2.21. Hàm liên thuộc B’ đối với luật hợp thành MAX-PROD + Đối với luật hợp thành MAXPROD,miền G chỉ có một điểm duy nhất, do đó kết quả giải mờ theo cả 3 nguyên lý đề giống nhau. 2.1.6.2. Phương pháp điểm trọng tâm Hình 2.22. Giá trị rõ y’ là hoành độ của điểm trọng tâm
• 40. phương pháp điểm trọng tâm sẽ cho ra kết quả y' là hoành độ của điểm trọng tâm miền được bao bởi trục hoành và đường μB’[y]. Công thức xác định y0 theo phương pháp điểm trọng tâm như sau: B' s B' s y [y]dy y' y [y]dy µ = µ ∫ ∫ Với s là miền xác định của tập mờ B’. a] Phương pháp điểm trọng tâm cho luật hợp thành SUM-MIN Giả sử có q luật điều khiển được triển khai. Khi đó mỗi giá trị mờ B’ tại đầu ra của bộ điều khiển sẽ là tổng của q giá trị mờ đầu ra của từng luật hợp thành. Ký hiệu giá trị mờ đầu ra của luật điều khiển thứ k là μB’K[y] với k = 1,2,...,q. Với quy tắc SUM- MIN, hàm liên thuộc μB’[x] sẽ là: q B' B'k k 1 [y] [y] = µ = µ∑ Sau khi biến đổi, ta có: q q q B'k B'k k k 1 k 1s s k 1 q q q B'k B'k k k 1 k 1 k 1s s [y [y]]dy [y [y]dy] M y' [y [y]]dy [y [y]dy] A = = = = = = µ µ = = = µ µ ∑ ∑∫ ∫ ∑ ∑ ∑ ∑∫ ∫ Trong đó: q k B'k k 1s M [y [y]]dy = = µ∑∫ và k B'k s M [y]dy= µ∫ Phương pháp độ cao sử dụng công thức: q q q B'k B'k k k 1 k 1s s k 1 q q q B'k B'k k k 1 k 1 k 1s s [y [y]]dy [y [y]dy] M y' [y [y]]dy [y [y]dy] A = = = = = = µ µ = = = µ µ ∑ ∑∫ ∫ ∑ ∑ ∑ ∑∫ ∫ Cho cả hai luật hợp thành MAX-MIN và SUM-MIN với thêm một giả thiết là mỗi tập mờ μB’K[y] được xấp xỉ bằng một cặp giá trị [yk, Hk] duy nhất [singleton], trong đó Hk là độ cao của μB’K[y] và yk là một điểm mẫu trong miền giá trị của μB’K[y].
• 41. kHµ = và q k k k 1 q k k 1 y H y' H = = = ∑ ∑ Hình 2.23. So sánh các phương pháp giải mờ Chú ý: Tùy hình dạng hàm liên thuộc B’ mà sai khác giữa các phương pháp giải mờ có khác nhau. Hình 2.13 cho biết kết quả các phương pháp giải mờ ứng với một hàm liên thuộc B’ cụ thể. 2.2. ĐIỀU KHIỂN MỜ 2.2.1.Cấu trúc của bộ điều khiển mờ 2.2.1.1. Sơ đồ khối bộ điều khiển mờ Hoạt động của một bộ điều khiển mờ phụ thuộc vào kinh nghiệm và phương pháp rút ra kết luận theo tư duy của con người sau đó được cài đặt vào máy tính trên cơ sở logic mờ. Một bộ điều khiển mờ bao gồm 3 khối cơ bản: Khối mờ hoá, thiết bị hợp thành và khối giải mờ. Ngoài ra còn có khối giao diện vào và giao diện ra Hình 2.24. Các khối chức năng của bộ Điều khiển mờ - Khối mờ hoá có chức năng chuyển mỗi giá trị rõ của biến ngôn ngữ đầu vào thành véctơ μ có số phần tử bằng số tập mờ đầu vào.
• 42. thành mà bản chất của nó sự triển khai luật hợp thành R được xây dựng trên cơ sở luật điều khiển. - Khối giải mờ có nhiệm vụ chuyển tập mờ đầu ra thành giá trị rõ y0 [ứng với mỗi giá trị rõ x0 để điều khiển đối tượng. - Giao diện đầu vào thực hiện việc tổng hợp và chuyển đổi tín hiệu vào [từ tương tự sang số], ngoài ra còn có thể có thêm các khâu phụ trợ để thực hiện bài toán động như tích phân, vi phân.... - Giao diện đầu ra thực hiện chuyển đổi tín hiệu ra [từ số sang tương tự] để điều khiển đối tượng. Nguyên tắc tổng hợp một bộ điều khiển mờ hoàn toàn dựa vào những phương pháp toán học trên cơ sở định nghĩa các biến ngôn ngữ vào/ra và sự lựa chọn những luật điều khiển. Do các bộ điều khiển mờ có khả năng xử lý các giá trị vào/ra biểu diễn dưới dạng dấu phẩy động với độ chính xác cao nên chúng hoàn toàn đáp ứng được các yêu cầu của một bài toán điều khiển "rõ ràng" và "chính xác". 2.2.1.2. Phân loại bộ điều khiển mờ Cũng giống như điều khiển kinh điển, bộ điều khiển mờ được phân loại dựa trên các quan điểm khác nhau: Theo số lượng đầu vào và đầu ra ta phân ra bộ Điều khiển mờ "Một vào - một ra" [SISO]; "Nhiều vào - một ra" [MISO]; "Nhiều vào - nhiều ra" [MIMO] [hình 2.15a,b,c].
• 43. 2.25. a,b,c. Các bộ điều khiển mờ Bộ điều khiển mờ MIMO rất khó cài đặt thiết bị hợp thành. Mặt khác, một bộ điều khiển mờ có m đầu ra dễ dàng cài đặt thành m bộ điều khiển mờ chỉ có một đầu ra vì vậy bộ điều khiển mờ MIMO chỉ có ý nghĩa về lý thuyết, trong thực tế không dùng. - Theo bản chất của tín hiệu đưa vào bộ điều khiển ta phân ra bộ điều khiển mờ tĩnh và bộ điều khiển mờ động. Bộ điều khiển mờ tĩnh chỉ có khả năng xử lý các tín hiệu hiện thời, bộ điều khiển mờ động có sự tham gia của các giá trị đạo hàm hay tích phân của tín hiệu, chúng được ứng dụng cho các bài toán điều khiển động. Bộ điều khiển mờ tĩnh chỉ có khả năng xử lý các giá trị tín hiệu hiện thời. Để mở rộng miền ứng dụng của chúng vào các bài toán điều khiển động, các khâu động học cần thiết sẽ được nối thêm vào bộ điều khiển mờ tĩnh nhằm cung cấp cho bộ điều khiển các giá trị đạo hàm hay tích phân của tín hiệu. Cùng với những khâu động học bổ sung này, bộ điều khiển tĩnh sẽ trở thành bộ Điều khiển mờ động. 2.2.1.3. Các bước thiết kế bộ điều khiển mờ Cấu trúc tổng quát của một hệ điều khiển mờ được chỉ ra trên hình 2.16. Hình 2.26. Cấu trúc tổng quát một hệ mờ
• 44. compact X ⊂Rn [n là số đầu vào] các giá trị vật lý của biến ngôn ngữ đầu vào và một đường phi tuyến g[x] tuỳ ý nhưng liên tục cùng các đạo hàm của nó trên X thì bao giờ cũng tồn tại một bộ điều khiển mờ cơ bản có quan hệ: ε