Professional Documents
Culture Documents
Trong phần này, hai ứng dụng của mạng nơ-ron trong lĩnh vực điều
khiển sẽ được trình bày: điều khiển dự báo vàđiều khiển tham chiếu mô
hình. Cả hai bài toán này đều liên quan tới việc sử dụng mạng-ron động học
làm mô hình toán học cho đối tượng. Trên cơ sở đó các bộ điều khiển nơ-ron
sẽ được thiết kế. Việc huấn luyện mạng nơ-ron động này sẽ được thực hiện
giống như ở phần 2.2. Tập mẫu được dùng để huấn luyện mạng được thu
thập từ các đầu vào và ra của đối tượng. Thường đầu vào mẫu sẽ là một tín
hiệu có dạng là một chuỗi các hàm bước nhẩy có biên độ và độ rộng ngẫu
nhiên. Phần tiếp theo, các bộ điều khiển dự báo và bộ điều khiển tham chiếu
theo mô hình sẽ được giới thiệu.
3.1. Điều khiển dự báo
Trên hình 2 là sơ đồ cấu trúc của hệ thống điều khiển dự báo sử dụng
mạng nơ-ron. Cấu trúc này giống hoàn toàn với cấu trúc hệ thống điều khiển
dự báo thông thường, chỉ có một điểm khác đó là mô hình đối tượng và bộ
điều khiển đều là các mạng nơ-ron động học. Đối với điều khiển dự báo, mô
hình đối tưởng cần phải được xây dựng đủ độ tin cậy và chính xác để đảm
bảo chất lượng của hệ thốngkín. Điều này sẽ được đảm bảo bởi vì mạng nơ-
ron là một bộ xấp xỉ vạn năng. Vấn đề khó khăn là huấn luyện mạng nơ-ron
động học, bởi vì các điểm giả cực trị sẽ ngăn cản việc tìm đúng điểm cực trị.
Khi có mô hình toán là mạng nơ-ron có đủ độ chính xác, bộ điều khiển nơ-
ron sẽ được tính toán dựa trên các phương pháp tối ưu để tìm ra tín hiệu điều
khiển tối ưu sao cho đầu ra của đối tượng bám theo đầu ra của mô hình mẫu.
Quá trình chỉnhđịnh các tham số của bộ điều khiển nơ-ron sẽ diễn ra liên tục
sau mỗi chu kỳ lấy mẫu.
Hình 2.Sơ đồ cấu trúc hệ thống điều khiển dự báo sử dụng mạng nơ-ron.
Ưu điểm của cấu trúc điều khiển dự báo dựa trên mạng nơ-ron
là không phải xây dựng mô hình toán của đối tượng từ các định luật cơ bản
và nhận dạng các tham số của mô hình này.
Nhược điểm của hệ thống chính là việc tránh các điểm giả cực trị
trong quá trình huấn luyện mạng động để đảm bảo độ chính xác của mô hình
mạng nơ-ron.
3.2. Điểu khiển tham chiếu mô hình
Đối với cấu trúc hệ thống này ta phải huấn luyện cả mạng nơ-ron của
đối tượng và mạng nơ-ron của bộ điều khiển. Tuy nhiên tập mẫu của bộ điều
khiển nơ-ron sẽ được thu thập từ mô hình mẫu. Còn tập mẫu cho mô hình
nơ-ron của đối tượng thì vẫn được thu thập từ đầu vào ra của đối tượng thật.
Đầu tiên ta sẽ huấn luyện mạng nơ-ron của đối tượng. Đầu vào mẫu
có dạng là một chuỗi các hàm bước nhẩy có biên độ ngẫu nhiên trong
khoảng giá trị cho phép của đầu vào và độ dài củamỗi hàm bước nhẩycũng
ngẫu nhiên. Tín hiệu vào mẫu này sẽ được tác động lên đối tượng, sau đó ta
sẽ tiến hành đo đầu ra tương ứng của đối tượng. Bộ tín hiệu vào ra mẫu này
sẽ dùng để huấn luyện mạng nơ-ron của đối tượng. Trong thực tế,nếu đối
tượng đang làm việc, chúng ta có thể thu thập bộ tín hiệu mẫu vào ra bằng
cách đo các đầu vào và đầu ra của đối tượng.
Sau khi huấn luyện xong mạng nơ-ron của đối tượng ta sẽ kết hợp
mạng này với mạng nơ-ron của bộ điều khiển thành một mạng nơ-ron mới,
trong đó các tham số của mạng nơ-ron của bộ điều khiển chưa được huấn
luyện. Khi huấn luyện mạng mới này thì các tham số của mạng nơ-ron của
đối tượng sẽ được giữ nguyên, chỉ cập nhật và thay đổi các tham số của
mạng nơ-ron của bộ điều khiển. Để huấn luyện mạng nơ-ron mới, ta cần
phải có một bộ dữ liệu mẫu, trong đó đầu vào mẫu sẽ là giá trị đặt mẫu r, còn
đầu ra mẫu sẽ được lấy từ đầu ra của mô hình mẫu. Mô hình mẫu là một mô
hình toán học mà đầu ra của nó thể hiện các giá trị mong muốn của đầu ra
đối tượng. Thường mô hình mẫu được chọnlà một hệ thống ổn định, có thời
gian xác lập và độ quá điều chỉnh nhỏ vàphù hợp với đối tượng cần điều
khiển. Hệ thống mẫu này thường là hệ tuyến tính.
Phương pháp điều khiển này phù hợp với bài toán ổn định đầu ra của
đối tượng theo giá trị đặt trước và trong trường hợp ta không có hoặc không
xây được mô hình toán của đối tượng từ các phương kháp khác.
4. KẾT LUẬN
Trong bài báo này, mạng nơ-ron động học và phương pháp huận luyện mạng
này đã được giới thiệu. Các phương pháp mới để tránh các điểm giả cực trị
trong quá trình huấn luyện mạng cũng được tóm tắt và trình bày lại. Trên cơ
sở đó một số ứng dụng của mạng nơ-ron động học trong nhận dạng và điều
khiển đã được khái quát. Ưu điểm của các bộ điều khiển nơ-ron ở đây là
không cần mô hình toán của đối tượng, do đó không cần phải xây dựng mô
hình toán và nhận dạng các tham số của mô hình. Việc này sẽ giảm chi phí
và thời gian cho việc thiết kế bộ điều khiển. Tuy nhiên,nhược điểm chính
của bộ điều khiển nơ-ron là các điểm giả cực trị. Nghiên cứu tiếp theo sẽ
hướng tới các phương pháp tránh các điểm giả cực trị cho một lớp mạng nơ-
ron cụ thể.