Chương 4.

Bộ điều khiển mờ

CHƯƠNG 4

BỘ ĐIỀU KHIỂN MỜ

4.1. Tổng quan về bộ điều khiển mờ

4.1.1. Giới thiệu bộ điều khiển mờ

Cho tới hiện tại, điều khiển mờ đã có những bước phát triển vượt bậc, đóng
góp vào sự hiện đại hóa cuộc sống con người. Các hệ thống điều khiển thông minh
được xây dựng trên cơ sở trí tuệ nhân tạo đã giúp cho con người có khả năng chế
ngự được những đối tượng mà trước kia tưởng chừng như không điều khiển được.
Một trong những bộ điều khiển thông minh đó là bộ điều khiển mờ (Fuzzy logic
controller), hệ thống điều khiển được thiết kế dựa trên cơ sở toán học là logic mờ
(Fuzzy logic).
Càng ngày có càng nhiều hệ thống điều khiển trong công nghiệp và dân dụng
áp dụng bộ điều khiển mờ:
- Điều khiển hệ thống thắng và tăng tốc của xe lửa, hệ thống lái xe.
- Điều khiển robot.
- Điều khiển máy giặt, máy ảnh tự động,...

4.1.2. Cấu trúc của bộ điều khiển mờ

Bộ điều khiển mờ có bốn thành phần chính: mờ hóa ngõ vào, hệ luật mờ, bộ
suy diễn mờ và giải mờ ngõ ra.

SVTH: Nguyễn Thanh Tâm Trang 20

Chương 4. Bộ điều khiển mờ

Hình 4.1: Cấ u trú c cơ bả n củ a điều khiển mờ

4.1.3. Nguyên lý làm việc của bộ điều khiển mờ

Bộ điều khiển mờ có thể được hiểu là một bộ điều khiển làm việc theo
nguyên tắc tự động hóa những kinh nghiệm điều khiển của con người. Những kinh
nghiệm này được rút ra từ kinh nghiệm của chuyên gia điều khiển hoặc từ dữ liệu,
chúng được đúc kết lại luật hợp thành gồm nhiều mệnh đề hợp thành.
Một mệnh đề hợp thành có thể có nhiều mệnh đề điều kiện hoặc nhiều mệnh
đề kết luận, các mệnh đề liên kết với nhau bằng toán tử “và”, cấu trúc liên kết giữa
mệnh đề điều kiện và mệnh đề kết luận là “nếu - thì”.
Dựa vào các các mệnh đề điều kiện, mệnh đề kết luận ra người ta phân chia
chúng thành các nhóm:
- Nhóm điều khiển SISO: một mệnh đề điều kiện và một mệnh đề kết
luận. Ví dụ: Nếu A = Ai thì C = Cm.
- Nhóm điều khiển SIMO: một mệnh đề điều kiện và có hai mệnh đề kết
luận trở lên. Ví dụ: Nếu A = Ai thì C = Cm và D = Dk.
- Nhóm điều khiển MISO: có hai mệnh đề điều kiện trở lên và một mệnh
đề kết luận. Ví dụ: Nếu A = Ai và B = Bj thì C = Cm.
- Nhóm điều khiển MIMO: có hai mệnh đề điều kiện trở lên và có hai
mệnh đề kết luận trở lên. Ví dụ: Nếu A = Ai và B = Bj thì C = Cm và D = Dk.
Trong đó:
A, B là biến ngôn ngữ mệnh đề điều kiện.
C, D là biến ngôn ngữ mệnh đề kết luận.
Ai (i=1,2,…,n) là các giá trị ngôn ngữ của biến A.
Bj (j=1, 2,…,n) là các giá trị ngôn ngữ của biến B.
Cm (m=1, 2,…,n) là các giá trị ngôn ngữ biến C.
Dk (k=1, 2,…,n) là các giá trị ngôn ngữ biến D.

4.2. Mờ hóa ngõ vào

Mờ hó a ngõ và o là biến các giá trị ngõ vào thành các giá trị mờ, gồm có hai
phần: tập mờ và hàm liên thuộc.
Tậ p mờ A có biên khô ng rõ rà ng, đượ c xá c định trên tậ p cơ sở X là mộ t
( x,  ( x)) 
tậ p hợ p mà mỗ i phầ n tử củ a nó là mộ t cặ p giá trị A , trong đó x ∈ X , A
là á nh xạ . Á nh xạ µA(x) đượ c gọ i là hà m liên thuộ c (membership function) củ a
tậ p mờ A.

SVTH: Nguyễn Thanh Tâm Trang 21

Chương 4. Bộ điều khiển mờ

 A : X   0;1
(4.1)

Miền xá c định củ a tậ p mờ A (Support) là tậ p cá c phầ n tử có giá trị hà m

liên thuộ c lớ n hơn 0 trong tậ p mờ A, ký hiệu:
supp ( A)  {u u  U  A (u )  0}
Hà m liên thuộ c cho biết độ phụ thuộ c củ a cá c phầ n tử và o tậ p mờ (phầ n
tử và o tậ p mờ bao nhiêu phầ n tră m). Mộ t số dạ ng hà m liên thuộ c có thể kể ra:
dạ ng tam giá c, dạ ng hình thang, dạ ng chuô ng, dạ ng thẳ ng đứ ng,... Trong đó ,
hà m liên thuộ c dạ ng tam giá c và dạ ng hình thang đượ c sử dụ ng thườ ng xuyên
hơn cá c dạ ng cò n lạ i.

μ A (x)

a b c
Hình 4.2: Hà m liên thuộ c dạ ng tam giá c
Tính chiều cao hà m liên thuộ c dạ ng tam giá c:
 0( x  a )
xa
 ( a  x  b)
b  a
 ( x)  
 c  x (b  x  c)
cb
 0( x  c)
 (4.2)

SVTH: Nguyễn Thanh Tâm Trang 22

Chương 4. Bộ điều khiển mờ

μ A (x)

a b c d
Hình 4.3: Hà m liên thuộ c dạ ng hình thang
Tính chiều cao hàm liên thuộc dạng hình thang:
 0( x  a )
xa
 (a  x  b)
ba

 ( x)   1(b  x  c)
d  x
 (c  x  d )
d c
 0( x  d ) (4.3)
4.3. Hệ luật mờ

Có nhiều phương pháp để xác định các luật mờ để đưa vào cơ sở luật mờ.
Các phương pháp thông dụng là nhờ các chuyên gia trong lĩnh vực áp dụng hoặc
thực nghiệm thống kê để có được các tập dữ liệu mẫu đầu vào và ra tương ứng, từ
đó tìm dữ liệu để rút ra các luật.
Dạng tổng quát của các luật điều khiển mờ là bộ các quy tắc mờ dạng nếu -
thì (if - then), trong đó các điều kiện đầu vào và cả các biến ra sử dụng các biến
ngôn ngữ. Viết ở dạng tổng quát, cơ sở các luật mờ cho dưới dạng sau:
Rn: Nếu x1 là Ak1 và x2 là Ak2 và … và xn là Akn thì y là Bk (4.4)
Trong đó: k là chỉ số của luật (luật thứ k trong tập luật).
xi là các biến đầu vào.
Aki (i = 1, 2,..., n) là các giá trị ngôn ngữ của biến ngôn ngữ Ak.
y là biến đầu ra.
Bk (k = 1, 2,..., m) là các giá trị ngôn ngữ của biến ngôn ngữ y.

4.4. Các phép toán tập mờ

SVTH: Nguyễn Thanh Tâm Trang 23

Chương 4. Bộ điều khiển mờ

Đây là phần lõi nhất của bộ điều khiển mờ trong quá trình mô hình bài toán
điều khiển và lựa chọn quyết định trong khuôn khổ vận dụng logic mờ và lập luận
xấp xỉ.
Cho x là các biến vào của hệ thống, y là biến ra (thường là các biến ngôn
ngữ). Các tập A = { μ A ( x)}, B = { μ B ( x)}, C= { μC (x )} là các tập mờ trong không gian
nền tương ứng của các biến vào và biến ra đang sử dụng của hệ thống. Suy diễn mờ
như sau:
Nếu x1 là μ A ( x) và ... và x2 là μ B ( x) thì y là μC (x ).
Theo suy diễn xấ p xỉ, tậ p mờ có thể suy diễn như sau:
- Phép hợp tập mờ
+ Công thức Zadeh (luật MAX):
 AB ( x)  max{ A ( x),  B ( x)} (4.5)
+ Công thức Lukasiewicz (luật SUM):
 A B ( x)  min{1,  A ( x)   B ( x)} (4.6)
+ Công thức xác xuất (luật PROD):
 A B ( x)   A ( x)   B ( x)   A ( x)  B ( x) (4.7)
+ Công thức Einstein:
 A ( x )   B ( x)
 A B ( x) 
1   A ( x)   B ( x) (4.8)
- Phép giao tập mờ
+ Công thức Zadeh (luật MAX):
 A B ( x)  min{ A ( x),  B ( x)} (4.9)
+ Công thức Lukasiewicz (luật SUM):
 A B ( x)  max{0,  A ( x)   B ( x)  1} (4.10)
+ Công thức xác xuất (luật PROD):
 A B ( x)   A ( x)  B ( x) (4.11)
+ Công thức Einstein:
 A ( x)  B ( x )
 A B ( x ) 
2  (  A ( x)   B ( x))   A ( x)  B ( x) (4.12)
Một số luật hợp thành thông dụng:
- Luậ t MAX-MIN: hà m liên thuộ c xá c định bở i MIN, phép hợ p xá c định
bở i luậ t MAX.
- Luậ t MAX-PROD (xá c suấ t): hà m liên thuộ c xá c định bở i luậ t PROD,
phép hợ p xá c định bở i luậ t MAX.

SVTH: Nguyễn Thanh Tâm Trang 24

Chương 4. Bộ điều khiển mờ

- Luậ t SUM-PROD: hà m liên thuộ c xá c định bở i luậ t PROD, phép hợ p

xá c định bở i luậ t SUM.

4.5. Giải mờ ngõ ra

Trong điều khiển mờ , dữ liệu đầ u ra nhìn chung đều là nhữ ng tậ p mờ và

nhu cầ u chuyển đổ i dữ liệu mờ đầ u ra thà nh giá trị thự c mộ t cá ch phù hợ p.
Phương phá p chuyển đổ i như vậ y đượ c gọ i là phương phá p giả i mờ
(defuzzification). Nhu cầ u này thườ ng gặ p nhấ t trong điều khiển mờ vì đầ u ra
đò i hỏ i là giá trị thự c để tá c độ ng và o mộ t quá trình thự c nà o đó .
Că n cứ theo nhữ ng quan niệm khá c nhau về phầ n tử đạ i diện xứ ng đá ng
mà ta sẽ có cá c phương phá p giả i mờ khá c nhau. Có hai phương phá p giả i mờ
chính:
- Phương phá p điểm cự c đạ i.
- Phương phá p điểm trọ ng tâ m.
4.5.1. Phương pháp điểm cực đại

Phương phá p giả i mờ điểm cự c đạ i là tìm trong tậ p mờ có hà m thuộ c

 R ( y ) , mộ t phầ n tử y0 vớ i độ phụ thuộ c lớ n nhấ t, tứ c là :
y0  arg max  R ( y )
y
(4.13)
y0 theo cô ng thứ c (4.3) có thể đưa đến vô số nghiệm.
Tuy nhiên, việc tìm
y0 cụ thể. Để
Vậ y nên ta phả i đưa thêm mộ t số yêu cầ u để lự a chọ n mộ t giá trị
giả i mờ theo phương phá p cự c đạ i thì cầ n thự c hiện 2 bướ c:

- Bướ c 1: Xá c định miền G, là miền mà tạ i đó hà m

 B ( y ) đạ t giá trị cự c
đạ i.
- Bướ c 2: Xá c định giá trị rõ y cầ n tìm có thể chấ p nhậ n từ miền G.
y0 cụ thể thì có 3 cá ch xá c định:
Để tìm
y
- Xá c định điểm cậ n trá i: Giá trị rõ 0 đượ c lấ y bằ ng cậ n trá i y1 củ a G.
y0  y1  inf ( y )
yG
(4.14)
y0 đượ c lấ y bằ ng cậ n phả i y củ a G.
- Xá c định điểm cậ n phả i: Giá trị rõ 2

y0  y2  sup( y )
yG
(4.15)

SVTH: Nguyễn Thanh Tâm Trang 25

Chương 4. Bộ điều khiển mờ

y0 sẽ là trung bình cộ ng củ a y và
- Xá c định điểm trung bình: Giá trị rõ 1

y2.
y1  y2
y0 
2 (4.16)

Hình 4.4: Ví dụ minh họ a phương phá p giả i mờ cự c đạ i

4.5.2. Phương pháp điểm trọng tâm

y0 củ a
Phương phá p điểm trọ ng tâ m là phương phá p xá c định hoà nh độ

điểm trong tâ m củ a hà m thuộ c

 R ( y ) . Cô ng thứ c xá c định y0 có dạ ng:

 y R ( y )dy
y0  S


S
R ( y )dy
(4.17)
S   y  Y  R ( y )  0
Trong đó : là miền xá c định củ a tậ p mờ  R ( y ) .
Đâ y là phương phá p ưa đượ c sử dụ ng nhấ t. Nó cho phép xá c định giá trị
y0 vớ i sự tham gia củ a tấ t cả cá c tậ p mờ đầ u ra củ a luậ t điều khiển mộ t cá ch
bình đẳ ng và chính xá c. Tuy nhiên, phương phá p nà y lạ i khô ng để ý đượ c tớ i độ
thỏ a mã n củ a mệnh đề điều khiển cũ ng như thờ i gian tính lâ u.

SVTH: Nguyễn Thanh Tâm Trang 26

Chương 4. Bộ điều khiển mờ

Hình 4.5: Ví dụ minh họ a phương phá p giả i mờ trọ ng tâ m

4.6. Phân loại bộ điều khiển mờ

4.6.1. Bộ điều khiển mờ Mamdani

Bộ điều khiển Mamdani là bộ điều khiển mờ dựa trên hệ luậ t mờ Mamdani.

Mệnh đề kết luận không được lớn hơn mệnh đề điều kiện.
Hệ luậ t mờ Mamdani có dạ ng:
Nếu x1 là A1 và x2 là A2 và ... và xn là An thì y = B (4.18)
Trong đó : Ai và B là cá c tậ p mờ .
Kết luận của bộ điều khiển Mamdani là mệnh đề mờ.

4.6.2. Bộ điều khiển mờ Sugeno

Bộ điều khiển Sugeno là bộ điều khiển mờ dựa trên hệ luậ t mờ Sugeno. Hệ

luậ t mờ Sugeno có dạ ng:
Nếu x1 là A1 và x2 là A2 và ... và xn là An thì y = f(x1,x2,...,xn) (4.19)
Trong đó : Ai là cá c tậ p mờ .
f(xi) là hà m củ a cá c tín hiệu và o (hà m rõ ).
Kết luận của bộ điều khiển Sugeno là hàm của các tín hiệu vào (hàm rõ) của
hệ mờ.

4.7 Ví dụ ứng dụng

4.7.1 Tính tín hiệu theo nhóm MISO, phương pháp Mamdami.

SVTH: Nguyễn Thanh Tâm Trang 27

Chương 4. Bộ điều khiển mờ

Bộ điều khiển mờ gồm 2 tín hiệu đầu vào là x1, x2 và một tín hiệu đầu ra là y,
được biểu diễn trên hình 4.6 và hình 4.7.

Hình 4.6: Đồ thị thể hiện tín hiệu đầ u và o

Hình 4.7: Đồ thị thể hiện tín hiệu đầ u ra

Trong đó : LO là viết tắ t củ a từ “Thấ p”.

HI là viết tắ t củ a từ “Cao”.
Cho hệ mờ gồm 2 luật điều khiển:
- R1: Nếu x1 là “Thấp” và x2 là “Thấp” thì y là “Cao”.
- R2: Nếu x2 là “Cao” và x2 là “Cao” thì y là “Thấp”.
Bộ điều khiển mờ sử dụng bộ suy diễn mờ “max – min” và phương pháp giải
mờ trọng tâm.
Cho tín hiệu vào là x1 = 5, x2 = 25. Để giá trị y, ta thực hiện như sau:
- Sử dụng bộ suy diễn mờ “max – min”, ta có:
+ Xét luật điều khiển thứ nhất:
Điều kiện vào x = 5, tính được chiều cao  ( x1 ) = 0,75.
1

Điều kiện vào x2 = 25, tính được chiều cao  ( x2 ) = 0,75.

Lấy min{ ( x1 ),  ( x2 )}  0,75

SVTH: Nguyễn Thanh Tâm Trang 28

Chương 4. Bộ điều khiển mờ

+ Xét luật điều khiển thứ hai:

Điều kiện vào x1 = 5, tính được chiều cao  ( x1 ) = 0,25.
Điều kiện vào x = 25, tính được chiều cao  ( x2 ) = 0,5.
2

Lấy min{(  ( x1 ),  ( x2 )}  0, 25

- Hợp các điều kiện (lấy MAX):

- Giải mờ theo phương pháp điểm trọng tâm, từ (4.2) và (4.3) ta có:

0 ( y  4 hay y  24)
y4
 (4  y  5)
 4
0, 25 (5  y  9,5)

 ( y)   y  8
 6 (9, 5  y  12,5)

0, 75 (12,5  y  19, 5)
 24  y
 (19,5  y  24)
 6

SVTH: Nguyễn Thanh Tâm Trang 29

Chương 4. Bộ điều khiển mờ
24

 y ( y)dy
y0  4
24

  ( y)dy
4
5 9,5 12,5 19,5 24
 y4  y 8  24  y 
4 y  4  dy   0, 25 ydy   y
 6 
 dy   0, 75 ydy   y 
 6
 dy

 5
5
9,5
9,5
12,5
12,5
19,5
19,5
24
 y4  y 8  24  y 
4  4  dy  5 0, 25dy  9,5  6  dy  12,5 0, 75dy  19,5  6  dy

0,583  8,156  16,875  84  37, 437

  15,179
0,125  1,125  1,5  5, 25  1, 688

4.7.2 Điều chỉnh nhiệt độ

Điều chỉnh nhiệt độ của phòng lạnh, dựa vào điều kiện nhiệt độ mô trường và
bên trong phòng lạnh, thông qua điều khiển tốc độ của quạt.
Biến đầu vào là nhiệt với lần lượt các mức 20 oC là lạnh, 25oC là vừa, 30oC là
nóng. Biến đầu ra là tốc độ quạt gió với lần lượt các mức 0 vòng/phút là zero, 150
vòng/phút là chậm, 300 vòng/phút là trung bình (TB), 450 vòng/phút là nhanh, 600
vòng/phút là max. Xác định số vòng quay khi nhiệt độ trong phòng là 27 oC và nhiệt
độ bên ngoài là 32oC.
Mờ hóa ngõ vào:

Hình 4.8: Tín hiệu nhiệt độ ở trong phòng

SVTH: Nguyễn Thanh Tâm Trang 30

Chương 4. Bộ điều khiển mờ

Hình 4.9: Tín hiệu nhiệt độ ở ngoài môi trường

Luật mờ:
Tin
Lạnh Vừa Nóng
Tout
Lạnh Zero Chậm TB

Vừa Chậm TB Nhanh

Nóng TB Nhanh Max

Sử dụng bộ suy diễn luật mờ “max-min”:

- Tại nhiệt độ trong phòng là 27oC, ta có:

Từ (4.2) ta có:
c  a 30  27
V    0,6
L  0 , c  b 30  25 ,
x  b 27  25
N    0, 4
c  b 30  25
- Tại nhiệt độ bên ngoài là 32oC, ta có:

L  0 , V  0 , N  1

SVTH: Nguyễn Thanh Tâm Trang 31

Chương 4. Bộ điều khiển mờ

Do tập mờ lạnh đều là không nên ta không xét, ta xét tập mờ vừa và nóng.
Tin
Lạnh Vừa Nóng
Tout
Lạnh Zero Chậm TB

Vừa Chậm TB Nhanh

Nóng TB Nhanh Max

μnhanh =min { μvừa , μnóng }=min {0,6 ,1 }=0,6 max 0,6

→

μmax =min { μ vừa , μ nóng } =min { 0,4 , 1 }=0,4 max 0,4

→

Giải mờ:
Bộ điều khiển mờ Sugeno:

0,6  450  0, 4  600

 510(v / p )
Tốc độ quạt sẽ là 0,6  0, 4
Bộ điều khiển mờ Mamdami:

Hợp điều kiện vào và tập mờ đầu ra theo luật MAX:

SVTH: Nguyễn Thanh Tâm Trang 32

Chương 4. Bộ điều khiển mờ

Giải mờ theo phương pháp trọng tâm , ta có:

 0( y  300, y  600)
 y
  2(300  y  390)
150

 y   0,6(390  y  510)
 y
  4(510  y  540)
150
 0, 4(540  y  600)
600

 y  ( y )dy
y 0 300
600

  ( y)dy
300
390 510 540 600
 y   y 
300 y  150  2  dy  390 y  0,6  dy  510 y  150  4  dy  540 y  0, 4  dy
 390 510 540 600
 y   y 
300  150  390   510  150  540  0, 4  dy
 2 dy  0,6 dy   4 dy 

9720  32400  7860  13680

  470(v / p )
27  72  15  24

Ta thấy, bộ điều khiển mờ Mamdami và Sugeno cho hai kết quả khác nhau
do bộ điều khiển Sugeno phụ thuộc vào hàm rõ rõ vào, bộ điều khiển Mamdami phụ
thuộc vào tập mờ ngỏ ra.

SVTH: Nguyễn Thanh Tâm Trang 33