BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM PHẠM THANH TÙNG NGHIÊN CỨU PHÁT TRIỂN GIẢI THUẬT TỐI ƯU CẤU TRÚC MẠNG NƠ-RON ỨNG DỤNG TRONG ĐIỀU KHIỂN HỆ PHI TUYẾN Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 9520216 TĨM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT TP.HCM – 2019 Cơng trình hồn thành Trường Đại học Giao Thông Vận Tải Thành Phố Hồ Chí Minh Người hướng dẫn khoa học 1: PGS.TS Đồng Văn Hướng Người hướng dẫn khoa học 2: PGS.TS Nguyễn Chí Ngơn Phản biện độc lập 1: PGS.TS Hoàng Đức Tuấn Phản biện độc lập 2: TS Hoàng Minh Trí Phản biện 1: Phản biện 2: Phản biện 3: Luận án bảo vệ trước Hội đồng chấm luận án họp tại………………………………………………………… ……….… ……………………………………………………………………… Vào lúc …… …… ngày …… tháng …… năm …… Có thể tìm hiểu luận án thư viện - Thư viện Quốc gia Việt Nam - Thư viện Trường Đại học Giao Thông Vận Tải TP HCM CHƯƠNG 1: GIỚI THIỆU 1.1 Đặt vấn đề Bộ điều khiển trượt phương pháp điều khiển hiệu hệ phi tuyến với ưu điểm tính ổn định bền vững hệ thống nhiễu thông số mơ hình thay đổi theo thời gian [6, 21] đáp ứng nhanh [44] Tuy nhiên, tín hiệu điều khiển trượt tồn tượng dao động với tần số cao (chatterring) quỹ đạo pha quanh mặt trượt [56, 98] Để nâng cao chất lượng điều khiển, nghiên cứu [3, 34, 58, 61] đề xuất điều khiển trượt thích nghi; [51] trượt thích nghi dùng mạng nơ-ron; [100] trượt chiếu; [17] trượt chiếu thích nghi; [56, 107] trượt chiếu tích phân thích nghi Kết mơ cho thấy phương pháp đề xuất loại bỏ tượng chattering, tính bền vững cải thiện, sai số độ hội tụ nhanh Trong phương pháp trên, mạng nơ-ron lên điều khiển thích nghi, góp phần nâng cao chất lượng điều khiển điều khiển trượt Khó khăn huấn luyện mạng nơ-ron lựa chọn phù hợp số nơron lớp ẩn, tâm, ngưỡng trọng số kết nối [60, 67, 104, 109] Ngoài ra, giải thuật huấn luyện mạng nơ-ron cần quan tâm để tăng cường hiệu suất mạng, giải thuật Gradient Descent [10, 24, 29, 51] thường sử dụng Tuy nhiên, giải thuật hạn chế như: tốc độ hội tụ chậm, dễ rơi vào cực tiểu địa phương khả tìm kiếm toàn cục hiệu [22, 37] Nghiên cứu đề xuất sử dụng giải thuật di truyền để tối ưu cấu trúc mạng nơ-ron Sau tối ưu, mạng nơ-ron huấn luyện trực tuyến giải thuật Quasi-Newton dựa tín hiệu hồi tiếp ngõ Mạng đóng vai trò điều khiển thích nghi luật điều khiển trượt thích nghi Bộ điều khiển đề xuất ứng dụng để điều kiển hệ phi tuyến Kết mô thực MATLAB/SIMULINK 1.2 Giới hạn luận án Luận án tập trung nghiên cứu hệ thống phi tuyến MIMO - robot di động đa hướng phát triển giải thuật tối ưu cấu trúc mạng nơ-ron – mạng RBF (Radial Basic Function) để điều khiển bám quỹ đạo đối tượng nhằm nâng cao chất lượng điều khiển 1.3 Mục tiêu luận án 1.3.1 Mục tiêu tổng quát Tối ưu cấu trúc mạng nơ-ron RBF để điều khiển bám quỹ đạo đối tượng phi tuyến - robot di động đa hướng, nhằm nâng cao chất lượng điều khiển hệ thống 1.3.2 Mục tiêu cụ thể - Thiết kế điều khiển trượt để điều khiển đối tượng phi tuyến bám theo quỹ đạo cho trước - Xây dựng giải thuật huấn luyện trực tuyến mạng nơ-ron để xấp xỉ hàm phi tuyến luật điều khiển trượt - Mô điều khiển trượt thích nghi với mạng nơ-ron cho đối tượng phi tuyến nhằm nâng cao chất lượng điều khiển hệ thống - Đánh giá lựa chọn cấu trúc mạng nơ-ron thích hợp điều khiển hệ phi tuyến - Nghiên cứu giải thuật di truyền để tối ưu cấu trúc mạng nơ-ron - Mơ điều khiển trượt thích nghi với mạng nơ-ron tối ưu giải thuật di truyền để điều khiển hệ phi tuyến - Kiểm chứng giải thuật đề xuất điều khiển bám quỹ đạo robot di động đa hướng trạng thái danh định; có diện nhiễu thay đổi thông số đối tượng 1.4 Phương pháp nghiên cứu, cách tiếp cận - Nghiên cứu tài liệu: thu thập; phân tích, tổng hợp tài liệu, xác định ưu điểm làm sở khoa học cho luận án, đồng thời tiến hành cải tiến tồn tài liệu - Thực nghiệm mơ hình tốn học hệ phi tuyến (robot di động đa hướng) MATLAB/SIMULINK - Xử lý thông tin: quan sát đáp ứng hệ thống điều chỉnh thơng số điều khiển (nếu có) cho đáp ứng thỏa mãn tiêu chất lượng điều khiển 1.5 Đối tượng phạm vi nghiên cứu - Đối tượng nghiên cứu: hệ thống phi tuyến MIMO mơ tả tốn học mơ hình trạng thái phi tuyến - Phạm vi nghiên cứu: Tập trung nghiên cứu phương pháp mơ tả tốn học cho hệ thống phi tuyến MIMO (robot di động đa hướng), điều khiển thích nghi, mạng nơ-ron nhân tạo giải thuật di truyền 1.6 Ý nghĩa khoa học thực tiễn 1.6.1 Ý nghĩa khoa học Nghiên cứu đề xuất thuật toán tối ưu cấu trúc mạng nơ-ron nhân tạo điều khiển hệ thống phi tuyến bám theo quỹ đạo cho trước, sai số bám tiến khơng bị ảnh hưởng nhiễu 1.6.2 Ý nghĩa thực tiễn Kiểm chứng khả ứng dụng thực tế giải thuật tối ưu cấu trúc mạng nơ-ron nhân tạo điều khiển hệ thống phi tuyến đề xuất công cụ mềm 1.7 Những đóng góp luận án mặt khoa học 1.7.1 Về mặt lý thuyết - Xây dựng giải thuật xấp xỉ trực tuyến ma trận phi tuyến sử dụng giải thuật Quasi-Newton dựa vào tín hiệu hồi tiếp từ ngõ hệ thống - Xây dựng giải thuật tối ưu trực tuyến cấu trúc mạng nơ-ron ứng dụng giải thuật di truyền 1.7.2 Về mặt thực tiễn - Mô điều khiển trượt thích nghi với mạng nơ-ron để điều khiển hệ thống phi tuyến sử dụng giải thuật Quasi-Newton đạt tiêu chất lượng tốt - Cải thiện chất lượng điều khiển điều khiển trượt với giải thuật Quasi-Newton so với giải thuật Gradient Descent truyền thống - Ứng dụng kết tối ưu cấu trúc mạng nơ-ron dùng giải thuât di truyền điều khiển hệ thống phi tuyến đạt tiêu chất lượng vượt trội so với cấu trúc mạng nơ-ron khởi tạo ngẫu nhiên 1.8 Bố cục luận án Chương giới thiệu; Chương trình bày điều khiển trượt thích nghi hệ phi tuyến với mạng nơ-ron; đánh giá hiệu giải thuật Quasi-Newton điều khiển bám quỹ đạo hệ phi tuyến Chương Chương trình bày phương pháp tối ưu cấu trúc mạng nơ-ron sử dụng giải thuật di truyền Chương kết quả, kết luận kiến nghị CHƯƠNG 2: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI HỆ PHI TUYẾN VỚI MẠNG NƠ-RON 2.1 Giới thiệu Chương trình bày phương pháp thiết kế điều khiển trượt thích nghi sử dụng mạng nơ-ron (RBF: Radial Basic Function) để điều khiển bám quỹ đạo hệ phi tuyến MIMO (robot di động đa hướng) Bộ điều khiển trượt thiết kế để đảm bảo quỹ đạo thực tế robot bám theo quỹ đạo cho trước Mạng RBF đóng vai trò điều khiển thích nghi huấn luyện trực tuyến giải thuật Gradient Descent Kết mô so sánh với luật điều khiển trượt truyền thống thông qua tiêu chất lượng đạt hệ 2.2 Mục tiêu - Xây dựng cấu trúc hệ thống điều khiển đối tượng phi tuyến sử dụng điều khiển trượt thích nghi - Thiết kế điều khiển trượt đối tượng phi tuyến - Sử dụng mạng nơ-ron hàm sở xuyên tâm để ước lượng trực tuyến hàm phi tuyến luật điều khiển trượt ứng dụng điều khiển hệ phi tuyến - Giải thuật điều khiển nghiên cứu áp dụng điều khiển bám quỹ đạo robot di động đa hướng 2.3 Mơ hình hóa đối tượng phi tuyến (robot di động đa hướng) Robot di động đa hướng biết đến để thực phát triển bánh xe đặc biệt [47] chế di chuyển [47, 82] Giả sử hệ tọa độ tuyệt đối Ow − X wYw cố định mặt phẳng hệ tọa độ chuyển động Om − X mYm cố định tâm trọng lực cho robot di chuyển Hình 2.1 Hình 2.1: Mơ hình robot di chuyển đa hướng [47] Phương trình động lực học robot (2.1): −a2d   xw   b1  xw   a1  y  = a  a1   yw  + b1  w  d w   0 a3  w   b2 = AW β + BW U + D f b1 b1 b2 2b1 cos    u1   D fx    2b1 sin   u2  +  D fy  b2   u3   D f   (2.1) Với D f =  D fx D fy T D f   nhiễu hệ thống chưa biết Trong đó:  a1  AW =  a2   −a2 a1 0  b1   ; BW = b1   b2 a3  U = u1 u2 a2 = − a2 = b1 b1 b2 2b1 cos   2b1 sin   ; b2  u3  T 3I w ;  = − sin  − cos  ;  = sin  − cos  (3I w + 2Mr )  = cos  − sin  ;  = − cos  − sin  2.4 Thiết kế luật điều khiển trượt robot di động đa hướng 2.4.1 Thiết kế luật điều khiển trượt cho robot Bộ điều khiển trượt trình bày nhằm đảm bảo quỹ đạo thực tế robot bám theo quỹ đạo cho trước Luật điều khiển trượt định nghĩa (2.2) [108]:  (  ) U = − BW −1 AW  +  d + ke +  sign ( S ) −1 W (2.2) * Chứng minh ma trận khả nghịch B Ta có: b1 − sin  − cos   BW =  b1 cos  − sin   b2  ( ( ) b ( sin  − cos ) ) b ( − cos  − sin  ) 1 b2 2b1 cos    2b1 sin   (2.3) b2   Suy ra: det ( BW ) = 3b12b2  kr krL Với: b1 = ; b2 = (3I w + 2Mr ) (3I w + I v r ) (2.4) Chứa thơng số robot như: bán kính bánh xe (r); mơmen qn tính robot (Iv); khối lượng robot (M); mơ-men qn tính bánh xe (Iw) khoảng cách từ bánh xe đến tâm robot (L) −1 Điều chứng tỏ ma trận BW khả nghịch cho thấy ma trận BW tồn Như vậy, tồn luật điều khiển (2.2) cho robot Hình 2.2 Cấu trúc điều khiển trượt cho robot Để chứng minh tính ổn định luật điều khiển ta cần chứng minh mặt trượt hội tụ theo Lyapunov Hàm Lyapunov định nghĩa (2.5): V= T S S 0 (2.5) Lấy đạo hàm V ta có : V = S T − AW  −  sign ( S ) ( ( ) ) = − S T  +  sign ( S )  2.4.2 Thông số kết mô điều khiển trượt Mô điều khiển trượt để điều khiển robot di động đa hướng nhằm đảm bảo nội dung sau: - Lựa chọn mặt trượt thích hợp để sai số động học hệ thống hội tụ - Bộ điều khiển trượt xác định để đảm bảo quỹ đạo trạng thái không hội tụ đến mặt trượt thời gian hữu hạn mà trì mặt trượt thông số hệ thống có thay đổi - Sự ổn định điều khiển trượt quỹ đạo thực tế robot lệch khỏi quỹ đạo tham khảo tác động điều kiện thực tế thay đổi thông số đối tượng Bảng 2.1 Các thông số robot di động đa hướng [47] Ký Ý nghĩa Giá trị Đơn vị 11.25 kgm 9.4 kg 0.178 m hiệu Iv Mơ-men qn tính robot M Khối lượng robot L Khoảng cách từ bánh xe đến tâm robot k Hệ số truyền động 0.448 c Hệ số ma sát nhớt 0.1889 I Mô-men quán tính bánh xe 0.02108 kgm2 / s kgm r Bán kính bánh xe 0.0245 m 19 Sơ đồ mô điều khiển QN-ASMC-RBF MATLAB /SIMULINK điều khiển robot di động đa hướng với số liệu mô robot sử dụng Chương ➢ Trường hợp 1: ngõ vào hàm nấc đơn vị Hình 3.2 Đáp ứng xw, yw w Hình 3.3 Sai số xw, yw w của QN-ASMC-RBF với QN-ASMC-RBF với hàm hàm nấc đơn vị nấc đơn vị Bảng 3.1 Chỉ tiêu chất lượng điều khiển QN-ASMC-RBF với hàm nấc đơn vị Đáp QN-ASMC-RBF ứng POT (%) exl (mm) tqđ (s) xw 1.5 0.2 yw 0.19 0.2 w 0.05 0.18 Bảng 3.2 Các hiệu suất sai số GD-ASMC-RBF QN-ASMC-RBF Đáp QN-ASMC-RBF GD-ASMC-RBF ứng ADD MSE RMSE ADD MSE RMSE xw 9.8×10-4 1.9×10-6 0.0014 2.2×10-4 9.4×10-8 3.0×10-4 yw 7.1×10-4 1.0×10-6 1.0×10-3 2.6×10-4 1.5×10-7 3.7×10-4 w 2.0×10-5 8.3×10-10 2.9×10-5 9.2×10-5 1.6×10-8 1.3×10-4 20 ➢ Trường hợp 2: ngõ vào hàm nấc đơn vị có nhiễu tác động ngõ Hình 3.4 Đáp ứng xw, yw Hình 3.5 Sai số xw, yw w w điều khiển QN- điều khiển QN- ASMC-RBF với hàm nấc ASMC-RBF với hàm nấc đơn vị có nhiễu tác động đơn vị có nhiễu tác động ngõ ngõ Ưu điểm điều khiển tốc độ hội tụ phương pháp BFGS nhanh phương pháp Gradient Descent; tiêu chất lượng điều khiển trượt thích nghi với mạng nơ-ron huấn luyện trực tuyến giải thuật Quasi-Newton với BFGS nhỏ giải thuật Gradient Descent cấu trúc mạng; luật điều khiển thích nghi theo điều kiện hoạt động robot Tuy nhiên, thông số mạng nơ-ron như: số nơ-ron lớp ẩn, ngưỡng trọng số khởi tạo lựa chọn ngẫu nhiên Vấn đề giải Chương để đảm bảo cấu trúc mạng tối ưu 3.3.3 Khảo sát ảnh hưởng thông số mạng nơ-ron RBF đến chất lượng điều khiển điều khiển trượt thích nghi Tác giả tiến hành khảo sát ảnh hưởng cấu trúc mạng nơ-ron (số nơ-ron lớp ẩn) đến chất lượng điều khiển điều khiển trượt thích nghi Q trình khảo sát với thay đổi số nơ-ron lớp ẩn 1, 3, 5, 7, 9, 11, 13, 15, 17 19 Kết cập nhật trọng số hiệu suất khác giải thuật trình bày Bảng 3.4 3.5 21 CHƯƠNG 4: TỐI ƯU CẤU TRÚC MẠNG NƠ-RON SỬ DỤNG GIẢI THUẬT DI TRUYỀN 4.1 Giới thiệu Trong Chương này, nghiên cứu thực tối ưu cấu trúc thông số mạng RBF giải thuật di truyền Đầu tiên, giải thuật di truyền sử dụng để xác định số nơ-ron lớp ẩn mạng RBF; sau sử dụng kết để tìm giá trị tốt tâm, ngưỡng trọng số khởi tạo ban đầu Sau xác định cấu trúc thông số, mạng nơ-ron RBF hiệu chỉnh trực tuyến thuật tốn Quasi-Newton điều khiển trượt thích nghi để điều khiển bám quỹ đạo robot di động đa hướng 4.2 Hiệu chỉnh cấu trúc thông số mạng sử dụng giải thuật di truyền Sơ đồ tổng thể hiệu chỉnh cấu trúc thông số mạng sử dụng giải thuật di truyền thể Hình 4.1: Hình 4.1: Sơ đồ điều khiển GA-ASMC-RBF Các tham số để xây dựng giải thuật GA hoàn chỉnh thể Bảng 4.1 ➢ Sử dụng sai số huấn luyện số nơ-ron lớp ẩn để xác định hàm mục tiêu tương ứng Giả sử sai số huấn luyện E; số lượng nơron lớp ẩn s giới hạn số nơ-ron lớp ẩn smax Như vậy: - Điều kiện ràng buộc: 22 { 𝑠 ≤ 𝑠𝑚𝑎𝑥 𝐸 ≤ 25 × 10−6 (𝑚2 ) (4.1) - Hàm mục tiêu F GA định nghĩa (4.7) [90, 104]: s (4.2) F =C−E ( m) smax Trong đó, C (m2) số chọn thông qua thực nghiệm, smax số nơ-ron lớp ẩn tối đa, ta chọn smax = 50 ➢ Trong hệ GA, sử dụng công thức (4.3) để làm hàm mục tiêu cho giải thuật Quasi-Newton để cập nhật thông số mạng nơ-ron [75, 104] (4.3) E = ( d −  w )2 Trong đó: E sai số bình phương trung bình (mục tiêu huấn luyện E ≤ 25×10-6 (m2)), βd ngõ vào mong muốn, βw ngõ đối tượng Bảng 4.1 Các tham số thuật toán GA Tối ưu cấu trúc Tối ưu thông mạng RBF số mạng RBF Số hệ 15 15 Kích thước quần thể 20 30 Tần suất lai ghép 0.7 0.7 Xác suất đột biến 0.01 – 0.001 0.01 – 0.001 Roulette Roulette E = ( d −  w )2 Tham số Chọn lọc Hàm mục tiêu F =C−E s smax Kết tối ưu mạng nơ-ron RBF sử dụng GA trình bày Hình 4.2 4.3 23 Hình 4.2 Biểu đồ thể giá trị Hình 4.3 Biểu đồ thể giá trị hàm mục tiêu có mức độ thích hàm mục tiêu có mức độ nghi tốt q trình tối thích nghi tốt ưu cấu trúc mạng RBF trình tối ưu thơng số mạng RBF Số nơ-ron lớp ẩn thông số mạng nơ-ron RBF sau tối ưu giải thuật di truyền trình bày Bảng 4.2 Bảng 4.2 Kết tối ưu cấu trúc tham số mạng RBF sử dụng GA Ký Giá trị hiệu b cij T1 T2 T3 j  12.41  −4.39   −1.65   6.25 13.58 10.6022 −0.47 −1.73 −12.08 9.89 1.76 −11.01 1.19 −13.67 −2.88 9.83 10.35 −13.91 12.30 7.07 −9.59 3.02 −3.92 −12.82   5.15 −2.06 −2.69 −10.11 −2.20 3.98  4.00 −0.88 −3.90 −1.98 4.42 −1.46   4.81 0.77 −1.24 0.90 −1.78 1.58 −2.41 −3.92 0.87 −1.86 −1.48 −2.24 −2.00 −2.45 3.57 −2.82 2.38 −1.16 −4.50 4.18 1.77 24 Qua Bảng 4.2 ta quan sát thấy giải thuật di truyền xác định giá trị cụ thể số nơ-ron lớp ẩn, tâm, ngưỡng trọng số khởi tạo ban đầu mạng RBF Các giá trị sử dụng để huấn luyện trực tuyến mạng ứng dụng điều khiển trượt thích nghi với mạng nơron RBF Chương Kết tối ưu số nơ-ron luận án so với kết nghiên cứu [60, 75, 90, 104] Cụ thể Bảng 4.3: Bảng 4.3 So sánh kết tối ưu số nơ-ron lớp ẩn Nghiên cứu Số nơ-ron lớp ẩn Min Gan et al [60] - 2012 31 Shifei Ding et al [90] -2012 32 Weikuan Jia et al [104] - 2014 28 P.S Mishra [75]- 2018 42 Luận án 4.3 Điều khiển bám quỹ đạo robot di động đa hướng với mạng nơron RBF tối ưu giải thuật di truyền (GA-ASMC-RBF) Cấu trúc điều khiển mô tả Hình 4.4 Hình 4.4: Cấu trúc điều khiển GA-ASMC-RBF 25 Hình 4.5: Chi tiết cấu trúc điều khiển ➢ Trường hợp 1: ngõ vào hàm nấc đơn vị Hình 4.6 Đáp ứng xw, yw w Hình 4.7 Sai số xw, yw w của GA-ASMC-RBF với hàm GA-ASMC-RBF với hàm nấc nấc đơn vị đơn vị Bảng 4.4 Các tiêu chất lượng GA-ASMC-RBF với hàm nấc đơn vị Đáp GA-ASMC-RBF ứng POT (%) exl (mm) tqđ (s) xw 0.79 0.19 yw 0.19 0.17 w 1.21 2.3 0.10 26 Bảng 4.5 Các hiệu suất sai số GA-ASMC-RBF QN-ASMCRBF Đáp ứng QN-ASMC-RBF ADD MSE -4 xw 9.8×10 yw 7.1×10-4 w 2.0×10-5 1.9×10 GA-ASMC-RBF RMSE -6 ADD MSE -4 5.7×10 RMSE -8 2.4×10-4 0.0014 1.9×10 1.0×10-6 1.0×10-3 1.0×10-4 2.2×10-8 1.5×10-4 8.3×10-10 2.9×10-5 4.7×10-5 4.4×10-9 6.7×10-5 ➢ Trường hợp 2: ngõ vào hàm nấc đơn vị nhiễu tác động ngõ Hình 4.8 Đáp ứng GA- Hình 4.9 Sai số GA-ASMC- ASMC-RBF với hàm nấc đơn vị RBF với hàm nấc đơn vị có có nhiễu tác động ngõ nhiễu tác động ngõ ➢ Trường hợp 3: ngõ vào hàm nấc đơn vị mơ-men qn tính robot giảm 25% 50% Bảng 4.6 Các tiêu chất lượng điều khiển GA-ASMC-RBF với hàm nấc đơn vị mô-men quán tính robot giảm 25% 50% Đáp ứng Mơ-men qn tính Mơ-men qn tính robot giảm 25% robot giảm 50% POT (%) exl (mm) tqđ (s) POT (%) exl (mm) tqđ (s) xw 0.74 1.0 0.19 0.34 7.8 0.19 yw 0.94 0.17 0.93 5.9 0.17 w 0.37 0.10 1.2 0.10 27 Hình 4.10 Đáp ứng xw Hình 4.11 Đáp ứng yw điều khiển GA-ASMC-RBF với điều khiển GA-ASMC- hàm nấc đơn vị mô-men RBF với hàm nấc đơn vị qn tính robot giảm 25% mơ-men qn tính 50% robot giảm 25% 50% ➢ Trường hợp 4: ngõ vào hàm nấc đơn vị hệ số nhớt robot tăng 25% 50% Hình 4.12 Đáp ứng xw Hình 4.13 Đáp ứng yw điều khiển GA-ASMC- điều khiển GA-ASMC- RBF với hàm nấc đơn vị RBF với hàm nấc đơn vị hệ số nhớt robot hệ số nhớt robot tăng 25% 50% tăng 25% 50% 28 Bảng 4.7 Các tiêu chất lượng điều khiển GA-ASMC-RBF với hàm nấc đơn vị hệ số nhớt robot tăng 25% 50% Đáp ứng Hệ số nhớt robot tăng Hệ số nhớt robot tăng 25% 50% POT (%) exl (mm) tqđ (s) POT (%) exl (mm) tqđ (s) xw 0.71 2.9 0.19 0.69 7.8 0.19 yw 0.28 6.1 0.17 0.95 5.9 0.17 w 0.34 0.10 0.31 1.2 0.10 ➢ Trường hợp 5: ngõ vào khác Hình 4.14 Kết mơ với quỹ đạo đường tròn GA-ASMCRBF Hình 4.15 Kết mơ với quỹ đạo đường cong có chỏm (Astroid) GA-ASMC-RBF 29 Hình 4.16 Kết mơ với quỹ đạo đường cong hình hoa hồng GA-ASMC-RBF Hình 4.17 Kết mơ với quỹ đạo đường cong hình số GA-ASMC-RBF 30 CHƯƠNG 5: KẾT QUẢ, KẾT LUẬN VÀ KIẾN NGHỊ 5.1 Kết Sau thời gian thực hiện, luận án “nghiên cứu phát triển giải thuật tối ưu cấu trúc mạng nơ-ron ứng dụng điều khiển hệ phi tuyến” đạt kết sau: - Nghiên cứu đề xuất điều khiển trượt thích nghi với mạng nơron huấn luyện trực tuyến giải thuật Gradient Descent cho robot di động đa hướng Kết mô so sánh với điều khiển SMC truyền thống cho thấy chất lượng điều khiển khả kháng nhiễu điều khiển GD-ASMC-RBF tốt Đồng thời, nghiên cứu tiến hành kiểm chứng đáp ứng điều khiển GD-ASMCRBF với quỹ đạo khác kết mô cho thấy vượt trội điều khiển so với điều khiểm SMC truyền thống - Nghiên cứu đề xuất sử dụng giải thuật Quasi-Newton huấn luyện trực tuyến mạng nơ-ron ứng dụng điều khiển robot di động đa hướng Kết mô so sánh với điều khiển GD-ASMCRBF cho thấy chất lượng điều khiển khả kháng nhiễu điều khiển QN-ASMC-RBF tốt Đồng thời, nghiên cứu sử dụng phương pháp thủ công để khảo sát ảnh hưởng cấu trúc mạng nơron đến chất lượng điều khiển điều khiển đề xuất - Nghiên cứu ứng dụng giải thuật di truyền để tối ưu cấu trúc mạng nơ-ron Kết tối ưu mạng nơ-ron sử dụng GA hội tụ qua 15 hệ, điểm hội tụ 0.0715 (đối với tối ưu số nơ-ron lớp ẩn) 0.0085 (đối với tối ưu trọng số) Số nơ-ron lớp ẩn thông số mạng nơron sau tối ưu giải thuật di truyền trình bày Bảng 4.2 Kết sử dụng điều khiển GA-ASMC-RBF để điều khiển bám quỹ đạo robot di động đa hướng Kết kiểm chứng MATLAB/SIMULINK cho thấy hiệu điều khiển GA- 31 ASMC-RBF so với điều khiển QN-ASMC-RBF với sai số xác lập 2.3 (mm); độ vọt lố 0.07(%) 5.2 Kết luận Với nhiệm vụ nghiên cứu phát triển giải thuật tối ưu cấu trúc mạng nơron ứng dụng điều khiển hệ phi tuyến, luận án thực nội dung sau: - Thiết kế điều khiển trượt để điều khiển đối tượng phi tuyến bám theo quỹ đạo cho trước - Xây dựng giải thuật hấn luyện trực tuyến mạng nơ-ron để xấp xỉ hàm phi tuyến luật điều khiển trượt - Mơ điều khiển trượt thích nghi với mạng nơ-ron cho đối tượng phi tuyến nhằm nâng cao chất lượng điều khiển hệ thống - Đánh giá lựa chọn cấu trúc mạng nơ-ron thích hợp điều khiển hệ phi tuyến - Nghiên cứu xây dựng chương trình sử dụng giải thuật di truyền để tối ưu cấu trúc mạng nơ-ron - Mơ điều khiển trượt thích nghi với mạng nơ-ron tối ưu giải thuật di truyền để điều khiển hệ phi tuyến - Kiểm chứng giải thuật đề xuất điều khiển bám quỹ đạo robot di động đa hướng trạng thái danh định; có diện nhiễu thay đổi thông số đối tượng 5.3 Kiến nghị Phát triển thành điều khiển sản phẩm DSP, vi điều khiển IPC điều khiển cho hệ thống phi tuyến DANH MỤC CƠNG TRÌNH CỦA TÁC GIẢ Tạp chí [1] Phạm Thanh Tùng, Đồng Văn Hướng, Nguyễn Chí Ngơn (2016), “Nhận dạng hệ thống phi tuyến MIMO sử dụng mạng nơ-ron RBF”, Tạp chí khoa học Công Nghệ Giao Thông Vận Tải, số 20-8/2016, pp 31-36 [2] Dinh Tu Nguyen, Chi Cuong Tran, Hoang Dang Le, Thanh Tung Pham, Chi Ngon Nguyen (2018), “Training the RBF neural network – based adaptive sliding mode control by BFGS algorithm for Omni-directional mobile robot”, International Journal of Mechanical Engineering and Robotics Research, Vol 7, No 4, pp 367-373 [3] Thanh-Tung Pham, Chi-Ngon Nguyen, Ngo-Phong Nguyen, Huong Dong Van, Kieu-Mai Le Thi, Hoang-Tam Vo (2018) “Adaptive sliding mode control with RBF neural networks for Omni-directional mobile robot”, Journal of Technical Education Science Ho Chi Minh City University of Technology and Education, No.49, pp 80-87 [4] Phạm Thanh Tùng, Nguyễn Đình Tứ, Lê Thị Kiều Mai, Nguyễn Hứa Duy Khang, Đồng Văn Hướng, Nguyễn Chí Ngơn (2018), “Đánh giá hiệu giải thuật Quasi-Newton điều khiển trượt thích nghi sử dụng mạng nơ-ron RBF”, Tạp chí Khoa học Trường Đại học Cần Thơ, Tập 54, Số 7A, pp 27-34 [5] Van Huong Dong, Thanh Tung Pham, Kieu Mai Le Thi, Chi Ngon Nguyen and Chi Cuong Tran (2018), “Radial Basis Function Newral Network and Genetic Algorithm in Trajectory Tracking Control of The Omni-Directional Mobile Robot”, International Journal of Mechanical Engineering & Technology (IJMET) - Scopus Indexed, Volume:9, Issue:11, pp 670-683 Hội nghị [6] Nguyễn Đình Tứ, Trần Chí Cường, Lê Hồng Đăng, Phạm Thanh Tùng, Nguyễn Chí Ngơn (2016), “Mơ hình hóa điều khiển robot ba bánh đa hướng”, Hội nghị toàn quốc lần thứ Cơ Điện tử, pp 517-523 [7] Lê Hồng Đăng, Nguyễn Đình Tứ, Trần Chí Cường, Phạm Thanh Tùng, Nguyễn Chí Ngơn (2016), “Điều khiển robot bánh đa hướng sử dụng điều khiển RBF-PD tự chỉnh”, Hội nghị toàn quốc lần thứ Cơ Điện tử, pp 744-749 [8] Tung Thanh Pham, Đang Hoang Le, Chi-Ngon Nguyen, Tu Đinh Nguyen, Cuong Chi Tran (2017), “Optimizing the Structure of RBF Neural Network-Based Controller for Omnidirectional Mobile Robot Control”, International Conference on Systems Science and Engineering, pp 313-318 [9] Tung Thanh Pham, Dong Van Huong, Chi-Ngon Nguyen, Thanh Le Minh (2017), “Online Training the Radial Basis Function Neural Network Based on Quasi-Newton Algorithm for Omni-Directional Mobile Robot Control”, Recent Advances in Electrical Engineering and Related Sciences: Theory and Application, Vol 465, Springer, pp 607-616 [10] Tung Thanh Pham, Dong Van Huong, Chi-Ngon Nguyen, Thanh Le Minh (2017), “Comparison of SMC and RBF-SMC on mobile robot control system”, Asia Maritime and Fisheries Universities Forum, pp 325339 [11] Phạm Thanh Tùng, Đồng Văn Hướng, Nguyễn Chí Ngơn, Lê Thị Kiều Mai (2018), “Tối ưu thông số mạng nơ-ron RBF sử dụng giải thuật di truyền điều khiển robot di động đa hướng”, Hội nghị Khoa học – Công nghệ GTVT lần IV – ĐH GTVT TpHCM, pp 263-272 Chuyên san [12] Lê Hồng Đăng, Nguyễn Đình Tứ, Trần Chí Cường, Phạm Thanh Tùng, Nguyễn Chí Ngơn (2016), “Thử nghiệm điều khiển RBF-PD mơ hình robot bánh đa hướng”, Chuyên san Đo lường, Điều khiển Tự động hóa, số 17, pp 51-55 ... điều khiển hệ phi tuyến - Nghiên cứu giải thuật di truyền để tối ưu cấu trúc mạng nơ- ron - Mô điều khiển trượt thích nghi với mạng nơ- ron tối ưu giải thuật di truyền để điều khiển hệ phi tuyến. .. [22, 37] Nghiên cứu đề xuất sử dụng giải thuật di truyền để tối ưu cấu trúc mạng nơ- ron Sau tối ưu, mạng nơ- ron huấn luyện trực tuyến giải thuật Quasi-Newton dựa tín hiệu hồi tiếp ngõ Mạng đóng... dựng giải thuật xấp xỉ trực tuyến ma trận phi tuyến sử dụng giải thuật Quasi-Newton dựa vào tín hiệu hồi tiếp từ ngõ hệ thống - Xây dựng giải thuật tối ưu trực tuyến cấu trúc mạng nơ- ron ứng dụng