Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn I H C QU C GIA TH NH PH H CH MINHĐẠ Ọ Ố À Ố Ồ Í TR NG I H C CÔNG NGH THÔNG TINƯỜ ĐẠ Ọ Ệ ĐỀ TÀI: TÌM HIỂU VỀ FUZZYCLIPS VÀ ỨNG DỤNG FUZZY LOGIC TRONG CHẨN ĐOÁN HƯ HỎNG HỆ THỐNG PHANH XE Gi ng viên h ng d n:ả ướ ẫ PGS.TS. V N NH NĐỖ Ă Ơ Sinh viên thực hiện: NGUYỄN HUỲNH THUÝ NGA Mã số sinh viên: CH1301041 TPHCM, tháng 12/ 2013 MỤC LỤC  Sinh viên thực hiện: NGUYỄN HUỲNH THUÝ NGA 1 HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 1/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn Mã số sinh viên: CH1301041 1 MỤC LỤC 1 LỜI NÓI ĐẦU 2 PHẦN1: SƠ LƯỢC LÝ THUYẾT LOGIC MỜ 4 1. T p m :ậ ờ 4 1.1. Khái ni m t p m :ệ ậ ờ 4 1.2. Các d ng h m thu c tiêu bi u:ạ à ộ ể 5 1.3. Các khái ni m liên quan:ệ 7 2. S m :ố ờ 7 2.1. nh ngh a:Đị ĩ 7 2.2. Các phép toán: 7 2.3. Logic m :ờ 8 3. Truy v n mấ ờ 12 3.1. Truy v n không gian mấ ờ 12 3.2. Truy v n m theo s không ch c ch nấ ờ ự ắ ắ 15 PHẦN 2: TÌM HIỂU VỀ FUZZYCLIPS 20 PHẦN 3: ỨNG DỤNG LOGIC MỜ TRONG CHẨN ĐOÁN HƯ HỎNG HỆ THỐNG PHANH DÀNH CHO XE KAMAZ 23 1. L a ch n các tham s ch n oán :ự ọ ố ẩ đ 23 2. Ma tr n ch n oán :ậ ẩ đ 25 3. M hoá các bi n v o :ờ ế à 25 4. M hoá các bi n u ra :ờ ế đầ 31 5. Xây d ng các lu t h p th nh :ự ậ ợ à 35 6. Trình t gi i b i toán logic mự ả à ờ 38 PHẦN 3: KẾT LUẬN 38 TÀI LIỆU THAM KHẢO 39 LỜI NÓI ĐẦU  HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 2/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn Lý thuyết fuzzy logic được Zadeh nêu ra lần đầu tiên vào năm 1965. Lý thuyết này giải quyết các bài toán rất gần với cách tư duy của con người. Tới nay, lý thuyết logic mờ đã phát triển rất mạnh mẽ và được ứng dụng trong nhiều lĩnh vực của cuộc sống. Khác với lý thuyết logic truyền thống, một biểu thức logic mờ có thể nhận một trong vô số giá trị nằm trong khoảng số thực từ 0 đến 1. Nói cách khác, trong logic truyền thống, một sự kiện chỉ có thể hoặc là đúng (tương đương với 1) hoặc là sai (tương đương với 0) còn trong logic mờ, mức độ đúng của một sự kiện được đánh giá bằng một số thực có giá trị nằm giữa 0 và 1, tuỳ theo mức độ đúng “nhiều” hay “ít” của nó. Ngày nay logic mờ có phạm vi ứng dụng rộng rãi trên thế giới, từ những hệ thống cao cấp phức tạp như những hệ dự báo, nhận dạng, robot, vệ tinh, du thuyền, máy bay,… đến những đồ dùng hằng ngày như máy giặt, máy điều hoà không khí, máy chụp hình tự động,… Qua môn học “Toán cho Khoa học máy tính” Thầy GS-TS. ĐỖ VĂN NHƠN đã giúp em hình thành những cái nhìn rất mới về Logic mờ cũng như việc áp dụng chúng vào trong công việc thực tiễn. Logic mờ có rất nhiều ứng dụng vào thực tiễn. Tuy nhiên, với năng lực còn hạn chế, cũng như không có nhiều thời gian để có thể nghiên cứu sâu vào tất cả các ứng dụng, nên em xin phép chọn đề tài “Tìm hiểu về FuzzyClips và ứng dụng Fuzzy Logic trong chẩn đoán hư hỏng hệ thống phanh xe”. Em xin chân thành cảm ơn Thầy PGS.TS Đỗ Văn Nhơn. Những tiết giảng quý báu của Thầy đã cung cấp cho em những kiến thức nền tảng về Logic mờ, bước khởi đầu giúp em nghiên cứu ứng dụng Logic mờ trên nhiều lĩnh vực. Học Viên Cao Học Khóa 8 NGUYỄN HUỲNH THUÝ NGA * * * HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 3/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn PHẦN1: SƠ LƯỢC LÝ THUYẾT LOGIC MỜ 1. Tập mờ: 1.1. Khái niệm tập mờ: Một tập hợp trong một không gian nào đó, theo khái niệm cổ điển sẽ chia không gian thành 2 phần rõ ràng. Một phần tử bất kỳ trong không gian sẽ thuộc hoặc không thuộc vào tập đã cho. Tập hợp như vậy còn được gọi là tập rõ. Lý thuyết tập hợp cổ điển là nền tảng cho nhiều ngành khoa học, chứng tỏ vai trò quan trọng của mình. Nhưng những yêu cầu phát sinh trong khoa học cũng như cuộc sống đã cho thấy rằng lý thuyết tập hợp cổ điển cần phải được mở rộng. Ta xét tập hợp những người trẻ. Ta thấy rằng người dưới 26 tuổi thì rõ ràng là trẻ và người trên 60 tuổi thì rõ ràng là không trẻ. Nhưng những người có tuổi từ 26 đến 60 thì có thuộc tập hợp những người trẻ hay không? Nếu áp dụng khái niệm tập hợp cổ điển thì ta phải định ra một ranh giới rõ ràng và mang tính chất áp đặt chẳng hạn là 45 để xác định tập hợp những người trẻ. Và trong thực tế thì có một ranh giới mờ để ngăn cách những người trẻ và những người không trẻ đó là những người trung niên. Như vậy, những người trung niên là những người có một “độ trẻ” nào đó. Nếu coi “độ trẻ” của người dưới 26 tuổi là hoàn toàn đúng tức là có giá trị là 1 và coi “độ trẻ” của người trên 60 tuổi là hoàn toàn sai tức là có giá trị là 0, thì “độ trẻ” của người trung niên sẽ có giá trị p nào đó thoả 0 < p < 1. Ví dụ khác, trong cuộc sống không phải lúc nào cũng rõ ràng, chẳng hạn chúng ta xét một ví dụ sau đây. Khi hỏi một người đang ngồi trên ô tô hiện cách nhà bao xa thường thì chúng ta không thể nhận được câu trả lời “ còn cách nhà đúng 12 Km” … mà thay vào đó là các câu trả lời “gần về tới nhà” hay “ còn cách nhà khoảng 10 Km” . Như vậy các khái niệm “gần” hay “khoảng” là biểu thị cái gì đó không chính xác, không chắc chắn, cảm thấy “lơ mơ, không rõ ràng” và do đó không thể dùng một con số chính xác nào để thể hiện và mô phỏng các khái niệm đó. HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 4/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn Như vậy nhu cầu mở rộng khái niệm tập hợp và lý thuyết tập hợp là hoàn toàn tự nhiên. Các công trình nghiên cứu về lý thuyết tập mờ và logic mờ đã được L.Zadeh công bố đầu tiên năm 1965, và sau đó liên tục phát triển mạnh mẽ. Định nghĩa: Cho không gian nền U, tập A ⊂ U được gọi là tập mờ nếu A được xác định bởi hàm A µ :X->[0,1]. A µ được gọi là hàm thuộc, hàm liên thuộc hay hàm thành viên (membership function) Với x ∈ X thì A µ (x) được gọi là mức độ thuộc của x vào A. Như vậy ta có thể coi tập rõ là một trường hợp đặc biệt của tập mờ, trong đó hàm thuộc chỉ nhận 2 giá trị 0 và 1. Ký hiệu tập mờ, ta có các dạng ký hiệu sau:  Liệt kê phần tử: giả sử U={a,b,c,d} ta có thể xác định một tập mờ A= dcba 02.03.01.0 +++  A = ( ){ } Uxxx A ∈|)(, µ  A = ∑ ∈Ux A x x)( µ trong trường hợp U là không gian rời rạc  A = ∫ U A xx /)( µ trong trường hợp U là không gian liên tục Lưu ý là các ký hiệu ∑ và ∫ không phải là các phép tính tổng hay tích phân, mà chỉ là ký hiệu biểu thị tập hợp mờ. Ví dụ. Tập mờ A là tập “số gần 2” xác định bởi hàm thuộc 2 )2( −− = x A e µ ta có thể ký hiệu: A = ( ){ } Uxxx ∈−− |)2(, 2 hoặc A = ∫ +∞ ∞− −− xx /)2( 2 1.2. Các dạng hàm thuộc tiêu biểu: Theo lý thuyết thì hàm thuộc có thể là một hàm bất kỳ thoả A µ :X->[0,1]. Nhưng trong thực tế thì có các dạng hàm thuộc sau đây là quan trọng và có tính ứng dụng cao hơn cả. HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 5/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn * Nhóm hàm đơn điệu Nhóm này gồm đơn điệu tăng và đơn điệu giảm. Ví dụ tập hợp người già có hàm thuộc đơn điệu tăng theo tuổi trong khi đó tập hợp người trẻ có hàm thuộc đơn điệu giảm theo tuổi. Ta xét thêm ví dụ minh hoạ sau: Cho tập vũ trụ E = Tốc độ = }{ 120,100,80,50,20 đơn vị là km/h. Xét tập mờ F=Tốc độ nhanh xác định bởi hàm thuộc nhanh µ như đồ thị. Như vậy tốc độ dưới 20km/h được coi là không nhanh. Tốc độ càng cao thì độ thuộc của nó vào tập F càng cao. Khi tốc độ là 100km/h trở lên thì độ thuộc là 1. * Nhóm hàm hình chuông Nhóm hàm này có đồ thị dạng hình chuông, bao gồm dạng hàm tam giác, hàm hình thang, gauss. Xét ví dụ cũng với tập vũ trụ E ở trên, xét tập mờ F=Tốc độ trung bình xác định bởi hàm thuộc      ≤≤− ≤≤− ≥∨≤ = 1005050/)100( 502030/)20( 100200 xkhix xkhix xxkhi trungbình µ HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 6/40 1 0.85 0.5 10020 50 80 E nhanh µ 120 1 0.4 10020 50 80 E trungbình µ 120 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn 1.3. Các khái niệm liên quan: Giả sử A là tập mờ trên vũ trụ U, có hàm thuộc A µ thì ta có các khái niệm sau:  Giá đỡ của A, ký hiệu supp(A) là một tập rõ bao gồm tất cả các phần tử x ∈ U sao cho A µ (x) > 0  Nhân của A là một tập rõ bao gồm tất cả các phần tử x ∈ U sao cho A µ (x) = 1  Biên của A là một tập rõ bao gồm tất cả các phần tử x ∈ U sao cho 0 < A µ (x) < 1  Độ cao của A, ký hiệu height(A) là cận trên đúng của A µ (x). height(A)= )(sup x A Ux µ ∈  Tập mờ A được gọi là tập mờ chuẩn tắc (normal fuzzy set) nếu height(A)=1. Tức là tập mờ chuẩn tắc có nhân khác rỗng. 2. Số mờ: 2.1. Định nghĩa: Tập mờ M trên đương thẳng thực R là tập số mờ nếu: a) M là chuẩn hoá, tức là có điểm x sao cho µ M(x) = 1 b) Ứng với mỗi a α ∈ R, tập mức {x: M(x) ≥ α } là đoạn đóng Người ta thường dùng các số mờ tam giác, hình thang và dạng Gauss 2.2. Các phép toán: a) Cộng: [a,b] + [d,e] = [a+d, b+e] b) Trừ: [a,b] - [d,e] = [a-e, b-d] c) Nhân: [a,b] * [d,e] = [min(ad,ae, bd, be), max(ad,ae, bd, be)] d) Chia: [a,b] / [d,e] = [min(a/d,a/e, b/d, b/e), max(a/d,a/e, b/d, b/e)] HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 7/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn 2.3. Logic mờ: 2.3.1. Biến ngôn ngữ: Xét một biến nhận giá trị trong một miền giá trị nào đó , chẳng hạn “nhiệt độ” có thể nhận giá trị số là 1  C, 2  C,… là các giá trị chính xác. Khi đó, với một giá trị cụ thể gán vào biến sẽ giúp chúng ta xác định được tính chất, quy mô của biến. Ngoài ra chúng ta còn biết được những thông tin khác liên quan đến biến đó. Ví dụ chúng ta hiểu là không nên chạm tay trần vào vật có “nhiệt độ” là 80  C trở lên. Nhưng trong thực tế thì chúng ta thường nói “không nên chạm vào vật có nhiệt độ cao” chứ ít khi nói “không nên chạm vào vật có nhiệt độ là 80  C trở lên”. Thực tế là lời khuyên đầu thì có ích hơn bởi vì nếu nhận được lời khuyên sau thì ta dễ bị ngộ nhận là có thể chạm tay vào vật có nhiệt độ là 79  C trong khi đó vật có nhiệt độ 80  C trở lên thì không. Nhưng vấn đề đặt ra là nếu nghe theo lời khuyên đầu thì ta có thể xác định rõ là nhiệt độ bằng bao nhiêu thì có thể chạm tay vào? Câu trả lời là tuỳ vào ý kiến của từng người. Với nhiệt độ là 60  C thì có người cho là cao trong khi người khác thì không. Tuy các ý kiến là khác nhau nhưng có một điều chắc chắn là khi giá trị của biến nhiệt độ càng tăng thì càng dễ dàng được chấp nhận là “cao”. Như vậy nếu xét hàm cao µ nhận biến nhiệt độ và trả về tỷ lệ ý kiến đồng ý là “cao” thì cao µ sẽ là hàm thuộc của tập mờ “nhiệt độ cao” trên vũ trụ “nhiệt độ” Biến nhiệt độ có thể nhận giá trị “cao” là một giá trị của ngôn ngữ tự nhiên nên nó được gọi là một biến ngôn ngữ (linguistic variable) Khái niệm biến ngôn ngữ đã được Zadeh đưa ra năm 1973 như sau: HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 8/40 1 0.9 10050 80 Nhi t ệ độ cao µ 120 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn  Một biến ngôn ngữ được xác định bởi bộ (x, T, U, M) trong đó:  x là tên biến. Ví dụ “nhiệt độ”, “tốc độ”, “độ ẩm”,…  T là tập các từ là các giá trị ngôn ngữ tự nhiên mà x có thể nhận. Ví dụ x là “tốc độ” thì T có thể là {“chậm”, “trung bình”, “nhanh”}  U là miền các giá trị vật lý mà x có thể nhận Ví dụ x là “tốc độ” thì U có thể là {0km/h,1km/h, …150km/h}  M là luật ngữ nghĩa, ứng mỗi từ trong T với một tập mờ At trong U Từ định nghĩa trên chúng ta có thể nói rằng biến ngôn ngữ là biến có thể nhận giá trị là các tập mờ trên một vũ trụ nào đó. 2.3.2. Mệnh đề mờ: Trong logic cổ điển (logic vị từ cấp một), một mệnh đề phân tử P(x) là một phát biểu có dạng “x là P” trong đó x là một đối tượng trong một vũ trụ U nào đó thoả tính chất P. Ví dụ “x là số chẵn” thì U là tập các số nguyên và P là tính chất chia hết cho 2. Như vậy ta có thể đồng nhất một mệnh đề phân tử “x là P” với một tập (rõ) A = { x ∈ U | P(x) } . Từ đó ta có: P(x) = λ (x) Trong đó λ là hàm đặc trưng của tập A ( x ∈ A  λ (x) = 1). Giá trị chân lý của P(x) chỉ nhận một trong hai giá trị 1 và 0 (true và false) tương ứng với sự kiện x thuộc A hoặc không Trong trường hợp P là một tính chất mờ chẳng hạn như “số lớn” thì ta sẽ có một mệnh đề logic mờ phân tử. Khi đó tập hợp các phần tử trong vũ trụ U thoả P là một tập mờ B có hàm thuộc B µ sao cho: P(x) = B µ (x) Lúc này P(x) có thể nhận các giá trị tuỳ ý trong [0,1]. Và ta thấy có thể đồng nhất các hàm thuộc với các mệnh đề logic mờ. 2.3.3. Các phép toán mệnh đề mờ: Trong logic cổ điển, từ các mệnh đề phân tử và các phép toán ∧ (AND), ∨ (OR), ¬ (NOT) ta có thể lập nên các mệnh đề phức. Ta có: ¬ P(x) = 1 – P(x) P(x) ∧ Q(y) = min(P(x), Q(y)) HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 9/40 Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn P(x) ∨ Q(y)=max(P(x), Q(y)) P(x)=>Q(y) = ¬ P(x) ∨ Q(y) = max(1-P(x), Q(y)) P(x)=>Q(y) = ¬ P(x) ∨ (P(x) ∧ Q(y)) = max(1-P(x), min(P(x), Q(y))) Như vậy, ta sẽ có mở rộng một cách tự nhiên từ logic cổ điển sang logic mờ với quy tắc tổng quát hoá dùng hàm bù mờ cho phép phủ định, hàm T-norm cho phép giao và S-norm cho phép hợp. Sự mở rộng này dựa trên sự tương quan giữa mệnh đề logic mờ với hàm mờ và các phép toán trên tập mờ. Ta có: ¬ A µ (x) = C( A µ (x)) A µ (x) ∧ B µ (y) = T( A µ (x), B µ (y)) A µ (x) ∨ B µ (y) = S( A µ (x), B µ (y)) A µ (x) => B µ (y) = S(C( A µ (x)), B µ (y)) (1) A µ (x) => B µ (y) = S( C( A µ (x)), T( A µ (x), B µ (y)) ) (2) Trong đó C là hàm bù mờ (hay phủ định mờ), T là hàm T-norm, S là hàm S-norm. Các hàm này đã trình bày trong phần phép toán trên tập mờ. 2.3.4. Phép toán kéo theo mờ – luật if-then mờ thông dụng: Các phép toán kéo theo có vai trò quan trọng trong logic mờ. Chúng tạo nên các luật mờ để thực hiện các phép suy diễn trong tất cả các hệ mờ. Do một mệnh đề mờ tương ứng với một tập mờ nên ta có thể dùng hàm thuộc thay cho các mệnh đề. Sau đây là một số phép kéo theo quan trọng được sử dụng rộng rãi: * Phép kéo theo Dienes – Rescher Nếu áp dụng công thức (1) với S-norm max và C là hàm bù chuẩn cho ta có phép kéo theo Dienes – Rescher A µ (x) => B µ (y) = max(1- A µ (x), B µ (y)) * Phép kéo theo Lukasiewicz Nếu áp dụng công thức (1) với S-norm là hàm hợp Yager với w=1 và C là hàm bù chuẩn cho ta có phép kéo theo Lukasiewicz: A µ (x) => B µ (y) = min(1, 1- A µ (x)+ B µ (y)) * Phép kéo theo Zadeh Nếu áp dụng công thức (2) với S-norm là max, T-norm min hoặc tích và C là hàm bù chuẩn cho ta có phép kéo theo Zadeh: A µ (x) => B µ (y) = max( 1- A µ (x), min( A µ (x), B µ (y))) (a) A µ (x) => B µ (y) = max( 1- A µ (x), A µ (x). B µ (y)) (b) * Kéo theo Mamdani HVTH: Nguyễn Huỳnh Thuý Nga_MSSV: CH1301041_Lớp Cao học khóa 8Trang 10/40 [...]... lng c lu tr trong cỏc nỳt liờn kt vi i tng HVTH: Nguyn Hunh Thuý Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 22/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn PHN 3: NG DNG LOGIC M TRONG CHN ON H HNG H THNG PHANH DNH CHO XE KAMAZ H thng phanh trờn ụ tụ úng vai trũ rt ln trong vic m bo an ton chuyn ng Ngoi ra nú cũn nõng cao nng sut v tng hiu qu trong quỏ trỡnh khai thỏc v s dng Tuy nhiờn trong quỏ... giỏc ca con ngi V trớ h hng l cỏc v trớ ta cn xỏc nh tỡnh trng k tht hin ti ca nú Vị trí h hỏng Thông số chẩn đoán Cơ cấu Van bảo vệ Bầu phanh Bầu phanh Cơ cấu Trống phanh Van phanh chính Tr ớc sau phanh tr ớc phanh sau ba ngả chỉnh áp suất Van điều Máy nén khí X Lực bàn đạp phanh X Hành trình bàn đạp Vận tốc máy nén khí X X X X X X áp suất tại đầu đo P18 X X X X Cặn dầu X X X áp suất tại đồng hồ đo... chn trong cỏc quy nh v thc t Bng cỏch s dng FuzzyCLIPS, nú rt d dng cho chỳng tụi i phú vi m trong lp lun gn ỳng, thao tỏc khụng chc chn trong cỏc quy tc v s kin Trong quỏ trỡnh thc hin ca chỳng tụi, tt c cỏc bin m c nh ngha trc mu nh sn õy l mt phn m rng ca mu chun c xõy dng HVTH: Nguyn Hunh Thuý Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 20/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn trong. .. 8Trang 31/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn Van iu chnh ỏp sut hng nng ( B23 ) c Bin ngụn ng Van phanh chớnh cú cỏc giỏ tr m : Van phanh chớnh hng nh ( B31 ) Van phanh chớnh hng trung bỡnh ( B32 ) Van phanh chớnh hng nng ( B33 ) d Bin ngụn ng C cu phanh trc cú cỏc giỏ tr m : C cu phanh trc hng nh ( B41 ) C cu phanh trc hng trung bỡnh ( B42 ) C cu phanh trc hng nng ( B43... Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 32/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn e Bin ngụn ng C cu phanh sau cú cỏc giỏ tr m : C cu phanh sau hng nh ( B51 ) C cu phanh sau hng trung bỡnh ( B52 ) C cu phanh sau hng nng ( B53 ) f Bin ngụn ng Trng phanh cú cỏc giỏ tr m : Trng phanh hng nh ( B61 ) Trng phanh hng trung bỡnh ( B62 ) Trng phanh hng nng ( B63 ) HVTH: Nguyn Hunh Thuý Nga_MSSV:... cỏch tip cn trong ú tp m v khụng chc chn cú th kt hp thc hin cỏc truy vn m c phỏt trin PHN 2: TèM HIU V FUZZYCLIPS FuzzyCLIPS l mt phiờn bn nõng cao ca CLIPS phỏt trin ti Hi ng Nghiờn cu Quc gia ca Canada cho phộp thc hin cỏc h thng chuyờn gia m.Cỏc thay i c thc hin cho CLIPS cha kh nng x lý cỏc khỏi nim m v lý lun Nú cho phộp bt k kt hp kim soỏt thut ng m v bỡnh thng, v iu khin so sỏnh logic s v s... thng phanh cú cỏc giỏ tr m : dao ng nh ( A111 ) dao ng trung bỡnh ( A112 ) giao ng ln ( A113 ) HVTH: Nguyn Hunh Thuý Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 29/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn l bin ngụn ng Lc phanh cu trc cú cỏc giỏ tr m : Lc phanh nh ( A121 ) Lc phanh trung bỡnh ( A122 ) Lc phanh ln ( A123 ) m bin ngụn ng Lc phanh cu sau cú cỏc giỏ tr m : Lc phanh. .. s chn oỏn vi h thng phanh nh sau : 1 Lc bn p phanh 2 Hnh trỡnh bn p phanh 3 Vn tc mỏy nộn khớ 4 ỏp sut o ti v trớ P18 5 ỏp sut o ti ng h 3t 6 ỏp sut o ti ng h 3s 7 ỏp sut o ti v trớ P13 8 ỏp sut o ti v trớ P55 9 lt khớ 10 Cn du 11 dao ng h thng phanh 12 Lc phanh cu trc 13 Lc phanh cu sau 14 Nhit ng ng Tp cỏc thụng s chn oỏn ny dựng chn oỏn bnh ca cỏc b phn sau trong h thng phanh : 1 Mỏy nộn khớ... chn oỏn bnh ca cỏc b phn sau trong h thng phanh : 1 Mỏy nộn khớ 2 Van iu chnh ỏp sut 3 Van phanh chớnh HVTH: Nguyn Hunh Thuý Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 24/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn 4 C cu phanh trc 5 C cu phanh sau 6 Trng phanh 7 Van bo v ba ng 8 Bu phanh trc 9 Bu phanh sau 2 Ma trn chn oỏn : Ma trn chn oỏn th hin mi liờn h gia cỏc thụng s chn oỏn v v trớ... trng thỏi k thut ca h thng phanh theo thi gian Tu tng nguyờn nhõn m mc h hng cú khỏc nhau Nhng chc chn rng h hng h thng phanh trong quỏ trỡnh s dng l khụng trỏnh khi HVTH: Nguyn Hunh Thuý Nga_MSSV: CH1301041_Lp Cao hc khúa 8Trang 23/40 Toỏn hc cho Khoa hc mỏy tớnh GVHD: PGS.TS Vn Nhn chn oỏn c tỡnh trng k thut ca h thng phanh, trc ht phi phỏt hin c cỏc thay i din ra trong quỏ trỡnh s dng v sau . để có thể nghiên cứu sâu vào tất cả các ứng dụng, nên em xin phép chọn đề tài Tìm hiểu về FuzzyClips và ứng dụng Fuzzy Logic trong chẩn đoán hư hỏng hệ thống phanh xe . Em xin chân thành cảm. Toán học cho Khoa học máy tính GVHD: PGS.TS Đỗ Văn Nhơn I H C QU C GIA TH NH PH H CH MINHĐẠ Ọ Ố À Ố Ồ Í TR NG I H C CÔNG NGH THÔNG TINƯỜ ĐẠ Ọ Ệ ĐỀ TÀI: TÌM HIỂU VỀ FUZZYCLIPS VÀ ỨNG DỤNG FUZZY. robot, vệ tinh, du thuyền, máy bay,… đến những đồ dùng hằng ngày như máy giặt, máy điều hoà không khí, máy chụp hình tự động,… Qua môn học Toán cho Khoa học máy tính Thầy GS-TS. ĐỖ VĂN NHƠN