Xem mẫu
- Mét sè vÊn ®Ò tæng quan vÒ ®iÒu khiÓn th«ng minh
Ths. Hµ M¹nh §µo – TsKH. Ph¹m Th−îng C¸t
Phßng c«ng nghÖ tù ®éng ho¸- ViÖn c«ng nghÖ th«ng tin
Tel:04 7564764, Email: daols_68@yahoo.com, ptcat@ioit.ncst.ac.vn
(Bµi nghiªn cøu víi sù hç trî cña ®Ò tµi cÊp nhµ n−íc KC03-13)
Tãm t¾t:
VÊn ®Ò ®iÒu khiÓn th«ng minh hiÖn ®ang ®−îc nghiªn cøu, øng dông trong nhiÒu ngµnh, nhiÒu lÜnh vùc khoa
häc kü thuËt, qu©n sù, c«ng nghiÖp vµ ®êi sèng c¶ trong n−íc vµ trªn thÕ giíi. VËy ®iÒu khiÓn th«ng minh lµ
g×?Ph©n møc ®é th«ng minh cña c¸c bé ®iÒu khiÓn nh− thÕ nµo? §iÒu khiÓn th«ng minh sö dông nh÷ng c«ng nghÖ
nµo vµ t×nh h×nh nghiªn cøu øng dông nã ra sao?... Trong bµi nµy, chóng t«i ®Ò cËp ®Õn mét vµi nÐt tæng quan vÒ
®iÒu khiÓn th«ng minh víi hy väng ®−a ra mét c¸ch nh×n ban ®Çu ®èi víi lÜnh vùc phøc t¹p, phong phó vµ ®Çy h÷u
Ých nµy.
1. §iÒu khiÓn th«ng minh lµ g×?
C¸c ph−¬ng ph¸p ®iÒu khiÓn truyÒn thèng ®· cho phÐp gi¶i quyÕt c¸c hÖ thèng ®iÒu khiÓn mµ
cã cÊu tróc vµ tham sè hoµn toµn x¸c ®Þnh. Nh−ng víi c¸c hÖ thèng cã cÊu tróc kh«ng râ rµng,
bÊt ®Þnh hoÆc c¸c hÖ thèng cã møc ®é phi tuyÕn vµ phøc t¹p cao nh−: robot kh«ng gian,
automonous, mobile robot, m¹ng giao th«ng, c¸c hÖ thèng s¶n xuÊt mÒm dÎo... th× c¸c ph−¬ng
ph¸p truyÒn thèng kh«ng thÓ gi¶i quyÕt tho¶ ®¸ng ®−îc c¸c bµi to¸n nµy. §Ó gi¶i quyÕt c¸c bµi
to¸n cã ®Æc ®iÓm nh− vËy, c¸c ph−¬ng ph¸p ®iÒu khiÓn th«ng minh ®· ®−îc ®Ò xuÊt, nghiªn cøu
vµ ph¸t triÓn trong suèt 3 thËp kû gÇn ®©y.
VËy ®iÒu khiÓn th«ng minh lµ g×?
Chóng ta cã thÓ nãi ®iÒu khiÓn th«ng minh lµ hÖ thèng ®iÒu khiÓn cã nh÷ng kh¶ n¨ng gièng
nh− con ng−êi nh− kh¶ n¨ng mÒm dÎo, s¸ng t¹o, kh¶ n¨ng kh¸i qu¸t ho¸, kh¶ n¨ng thÝch nghi,
kh¶ n¨ng suy luËn vµ t×m kiÕm..Hay nãi c¸ch kh¸c, hÖ thèng ®iÒu khiÓn th«ng minh lµ hÖ thèng
®iÒu khiÓn vµ trªn hÖ thèng ®iÒu khiÓn ®ã cã cµi ®Æt sù “th«ng minh” ®Ó hÖ thèng ®iÒu khiÓn cã
kh¶ n¨ng suy diÔn, xÊp xØ .. trªn c¬ së d÷ liÖu ®Çu vµo(m«i tr−êng) vµ ®−a ra t¸c ®éng ®iÒu khiÓn
ë ®Çu ra.
Theo [1], Ph−¬ng tr×nh thiÕt kÕ tæng qu¸t cña hÖ thèng ®iÒu khiÓn cã thÓ ®−îc diÔn t¶ theo c«ng
thøc sau:
{O: Control Objective}={C: Controller}X{P: Plan} (1)
Víi dÊu X biÓu diÔn phÐp to¸n phï hîp.
[O]
[C] [P]
Output
Input
H×nh 1
§Ó gi¶i ®−îc ph−¬ng tr×nh (1), tøc t×m [C], cÇn ph¶i biÕt [P] vµ [O]. §èi víi c¸c bµi to¸n ®iÒu
khiÓn mµ [P] lµ tuyÕn tÝnh vµ [O] lµ ®¬n gi¶n th× ph−¬ng ph¸p hµm truyÒn ®−îc sö dông. Nh−ng
®èi víi c¸c hÖ thèng cã ®é phøc t¹p cao, bÊt ®Þnh, cÊu tróc hÖ thèng biÕn ®æi theo kh«ng gian vµ
thêi gian th× c¸c ph−¬ng ph¸p ®iÒu khiÓn th«ng minh sÏ ®−îc sö dông. Trong c¸c hÖ thèng ®ã,
- bé ®iÒu khiÓn th«ng minh [C] sÏ ®−îc x¸c ®Þnh vµ thiÕt kÕ trªn c¬ së sö dông riªng rÏ hoÆc phèi
hîp nhiÒu c«ng nghÖ th«ng minh kh¸c nhau nh−:
- M¹ng n¬ ron
- HÖ mê
- ThuËt gen
- LËp luËn trªn c¬ së t×nh huèng(case)
- HÖ chuyªn gia...
ViÖc sö dông c¸c c«ng nghÖ nµy vµ phèi hîp gi÷a chóng phô thuéc vµo th«ng tin thu
®−îc vµ m«i tr−êng mµ trong ®ã hÖ thèng t−¬ng t¸c lµ tÜnh hay thay ®æi vµ møc ®é thay ®æi,
thÝch nghi cã thÓ xÈy ra. H×nh 2 cho chóng ta thÊy mèi quan hÖ gi÷a th«ng tin, ®Æc ®iÓm m«i
tr−êng, c¸c c«ng nghÖ ®−îc sö dông trong c¸c hÖ thèng ®iÒu khiÓn th«ng minh, vµ mèi liªn quan
gi÷a c¸c ph−¬ng ph¸p ®iÒu khiÓn truyÒn thèng víi ®iÒu khiÓn th«ng minh. Trªn h×nh c¸c c«ng
nghÖ th«ng minh kh¸c nhau n»m phï hîp trªn c¸c vïng kh¸c nhau cña kh«ng gian information-
Environment. Trong kh«ng gian ®ã, cã thÓ thÊy thÊy lËp luËn trªn c¬ së t×nh huèng(case-base
reasoning) lµ tèt nhÊt khi d¹ng cô thÓ cña tri thøc lµ khã kh¨n nh−ng th«ng tin thu ®−îc tõ c¸c
thùc nghiÖm lµ phong phó. Cßn ®èi víi c¸c hÖ thèng mµ th«ng tin thu ®−îc lµ d÷ liÖu ch−a ®−îc
xö lý nh− d÷ liÖu tõ sensor, d÷ liÖu ®o ®¹c mµ tr¹ng th¸i m«i tr−êng ®éng th× sö dông m¹ng n¬
ron vµ thuËt gen lµ phï hîp h¬n c¶.
Dynamic,
adaptive
Genetic Fuzzy system
algorithms
Enviroment
Neural case-base
Networks reasoning Expert
system
Mathematical techniques
Static
Raw Information Formal Knowlege
H×nh 2
VËy møc ®é th«ng minh cña c¸c hÖ thèng ®iÒu khiÓn ®−îc ph©n biÖt nh− thÕ nµo?
Theo Bezdek[2], møc ®é th«ng minh cña c¸c hÖ thèng th«ng minh cã thÓ ph©n cÊp theo
Tri thøc ng−êi + Th«ng minh sinh häc
C¸c ®Çu vµo c¸c organic
gi¸c quan
Th«ng minh nh©n t¹o Symbolic
C¸c phÇn tö th«ng
tin+d÷ liÖu sensor
TÝnh to¸n
+ sensor TÝnh to¸n th«ng minh numeric
H×nh 3. Sù ph©n cÊp cña c¸c hÖ thèng th«ng minh
- h×nh 3. Trong m« h×nh nµy, hÖ thèng th«ng minh ®−îc ph©n lµm 3 cÊp: TÝnh to¸n th«ng minh, trÝ
tuÖ nh©n t¹o vµ trÝ tuÖ sinh häc. Sù th«ng minh cña c¸c hÖ sinh häc lµ c¬ së quan träng nhÊt ®Ó
c¸c hÖ thèng th«ng minh ®−îc thiÕt kÕ pháng theo. Nã gåm nhiÒu c¬ chÕ phèi hîp víi nhau ®Ó
xö lý ®Çu vµo tõ c¸c sensor, gîi nhí l¹i tri thøc cã liªn quan vµ ®−a ra c¸c t¸c ®éng th«ng minh ë
®Çu ra. Møc ®é th«ng minh cña c¸c hÖ thèng ®−îc ®¸nh gi¸ thÊp nhÊt lµ møc ®é tÝnh to¸n sè ®èi
víi d÷ liÖu vµo tõ sensor vµ cao nhÊt ®èi víi c¸c hÖ thèng sinh häc.
C¸c hÖ thèng ®iÒu khiÓn th«ng minh cã thÓ sö dông c¸c phÇn cøng hoÆc phÇn mÒm truyÒn
thèng, cã thÓ sö dông c¸c c«ng nghÖ míi hoµn toµn hoÆc cã thÓ sö dông lai gi÷a c¸c c«ng nghÖ
míi vµ truyÒn thèng. HiÖn nay víi sù ph¸t triÓn m¹nh mÏ cña c«ng nghÖ ®iÖn tö vµ vi ®iÖn tö,
c¸c chÝp n¬ ron, chÝp mê, c¸c chÝp DSP... cïng víi c¸c m¸y tÝnh song song víi tèc ®é c¸o cho
phÐp c¸c bé ®iÒu khiÓn th«ng minh thùc sù ®−îc ®−a vµo c¸c øng dông thùc tÕ, nhÊt lµ c¸c hÖ
thèng ®iÒu khiÓn ®¶m b¶o thêi gian thùc.
Bµi to¸n vÒ ®iÒu khiÓn th«ng minh hiÖn nay ®ang thu hót nghiªn cøu nhiÒu chÝnh lµ nh÷ng
hÖ thèng th«ng minh ph©n t¸n, nh÷ng hÖ thèng nµy ®ßi hái ph¶i tÝch hîp nhiÒu c«ng nghÖ c¶
phÇn cøng, phÇn mÒm, c¸c c«ng nghÖ th«ng minh vµ nhiÒu c«ng nghÖ thuéc nhiÒu ngµnh khoa
häc kh¸c nhau. VÝ dô vÒ c¸c hÖ ®iÒu khiÓn nµy nh− c¸c robot ®¸ bãng, c¸c robot phôc vô trong
mèi t−¬ng t¸c víi ®ång ®éi vµ m«i tr−êng, c¸c robot trong m¹ng c¶nh b¸o, tuÇn tra, canh g¸c...
2. Mét sè kü thuËt ®iÒu khiÓn th«ng minh
HiÖn nay c¸c bé ®iÒu khiÓn th«ng minh chñ yÕu ®−îc x©y dùng trªn c¬ së c¸c c«ng nghÖ m¹ng
n¬ ron(NN), hÖ logic mê(FS), c¸c thuËt tiÕn ho¸(GA) vµ sù kÕt hîp cña c¸c c«ng nghÖ ®ã. H×nh
4 thÓ hiÖn sù tÝch hîp cña 3 c«ng nghÖ NN, FS, GA. Sau ®©y mét sè d¹ng ®iÒu khiÓn th«ng minh
dùa trªn c¸c c«ng nghÖ nµy sÏ ®−îc ®Ò cËp.
Hinh4
Sù kÕt hîp 3 kü thuËt t¹o c¸c lo¹i bé
a ac ®iÓu khiÓn th«ng minh kh¸c nhau.
c [a]: NN
[b]: FS
abc [c]: GA
[ab]: neuron-fuzzy;fuzzy-neuron
ab bc [bc]: HÖ thèng mê tù chØnh
[ac]: NN tiÕn ho¸
[abc]: M¹ng n¬ ron- mê- tiÕn ho¸
b
2.1. §iÒu khiÓn th«ng minh trªn c¬ së logic mê
Trong mét hÖ thèng ®iÒu khiÓn, lý thuyÕt tËp mê, logÝc mê cho phÐp ¸nh x¹ kh«ng gian
®Çu vµo tíi kh«ng gian ®Çu ra th«ng qua hÖ thèng luËt(rule). Mçi luËt gåm cã 2 phÇn: PhÇn IF
lµ phÇn gi¶ thiÕt vµ phÇn THEN lµ phÇn kÕt luËn. Trong ®ã c¸c phÐp to¸n AND vµ OR cho phÐp
kÕt nèi c¸c ®iÒu kiÖn trong phÇn gi¶ thiÕt víi nhau. TËp hîp c¸c luËt trong mét hÖ thèng mê
h×nh thµnh nªn c¬ chÕ suy diÔn cña hÖ thèng ®ã. VÝ dô nh− luËt Ri gåm 2 ®Çu vµo, 1 ®Çu ra
®−îc biÓu diÔn nh− sau:
Ri: IF x is Ai AND y is Bi THEN z is Ci
Ngoµi c¸c phÐp to¸n AND, OR ®−îc hiÓu theo phÐp lÊy min vµ max(logic ®a trÞ), cßn cã c¸c
phÐp to¸n NOT, T-NORM, T-CONORM, c¸c quan hÖ mê còng ®−îc sö dông.
Hai hÖ thèng mê ®−îc sö dông phæ biÕn:
- Mamnami: ®Çu ra lµ tËp mê.
- Sugeno: §Çu ra lµ h»ng sè hoÆc mét hµm nµo ®ã.
- HÖ Sugeno ®−îc øng dông nhiÒu trong ®iÒu khiÓn.
H×nh 5 cho thÊy cÊu tróc cña mét vßng ®iÒu khiÓn mê c¬ b¶n.
C¬ së luËt
C¬ chÕ suy diÔn
Defuzzilication fuzzification
Process
H×nh 5
Vßng ®iÒu khiÓn mê gåm c¸c khèi c¬ b¶n sau:
- Khèi c¬ së luËt
- C¬ chÕ suy diÔn mê
- Khèi mê ho¸ vµ gi¶i mê
Trong ®ã khèi c¬ së luËt ®ãng vai trß quan träng v× nã m« t¶ quan hÖ gi÷a ®Çu vµo vµ ®Çu ra cña
c¸c bé ®iÒu khiÓn. Vßng ®iÒu khiÓn mê nµy ®−îc tÝch hîp trong c¸c bé ®iÒu khiÓn vµ tÝch hîp
víi c¸c c«ng nghÖ th«ng minh kh¸c ®Ó t¹o ra c¸c bé ®iÒu khiÓn hiÖu qu¶ h¬n.
Bé ®iÒu khiÓn mê ®−îc øng dông trong nhiÒu trong c¸c hÖ thèng ®iÒu khiÓn c«ng nghiÖp,
trong c¸c hÖ thèng robot, c¸c hÖ thèng autonomous, c¸c hÖ thèng thÝch nghi, c¸c hÖ thèng ®iÒu
khiÓn kÕt hîp víi camera, c¸c hÖ thèng th«ng minh ph©n t¸n...nãi chung, bé ®iÒu khiÓn mê ®−îc
sö dông chñ yÕu ®èi víi c¸c bµi to¸n ®iÒu khiÓn lµ nh÷ng hÖ thèng bÊt ®Þnh, biÕn ®æi theo thêi
gian, phi tuyÕn vµ c¸c hÖ thèng qu¶n lý phøc t¹p.
2.2. §iÒu khiÓn th«ng minh trªn c¬ së m¹ng n¬ ron
M¹ng n¬ ron nh©n t¹o lµ mét m« h×nh pháng theo m¹ng n¬ ron sinh häc. M¹ng n¬ ron cho
phÐp tÝnh to¸n −íc l−îc c¸c ®Çu vµo vµ ®−a ra ®¸p øng ®Çu ra. Qu¸ tr×nh xö lý th«ng tin víi m¹ng
n¬ ron bao gåm ph©n tÝch c¸c mÉu sö dông th«ng tin häc ®−îc cÊt d−íi d¹ng c¸c träng liªn kÕt
gi÷a c¸c nót m¹ng. M¹ng n¬ ron cã thÓ ®−îc häc theo c¸c ph−¬ng ph¸p nh−: häc cã gi¸m s¸t,
häc cã tÝn hiÖu cñng cè hoÆc häc kh«ng gi¸m s¸t. CÊu tróc m¹ng n¬ ron ®−îc sö dông nhiÒu
nhÊt trong ®iÒu khiÓn lµ m¹ng truyÒn th¼ng ®a líp. Trong cÊu tróc m¹ng nµy cã mét líp nhËn d÷
liÖu ®Çu vµo, mét líp ®Çu ra. Gi÷a 2 líp nµy cã mét hay nhiÒu líp trung gian ®−îc gäi lµ c¸c líp
Èn. Trong c¸c líp Èn, mçi líp chøa mét sè c¸c nót nµo ®ã sao cho m¹ng ®ñ phøc t¹p ®Ó cã thÓ
biÓu diÔn ®−îc quan hÖ phi tuyÕn, phøc t¹p gi÷a c¸c ®Çu vµo vµ ®Çu ra.
H×nh 6 cho chóng ta thÊy c¸c cÊu tróc häc cña m¹ng n¬ ron theo kiÓu truyÒn ng−îc (BP)
®−îc sö dông phæ biÕn trong c¸c hÖ thèng nhËn d¹ng vµ ®iÒu khiÓn:
- CÊu tróc häc tæng qu¸t (a)
- CÊu tróc häc chi tiÕt (b)
- CÊu tróc häc ph¶n håi sai sè (c)
- CÊu tróc häc gi¸n tiÕp (d)
HiÖn nay, trong c¸c hÖ thèng ®iÒu khiÓn phøc t¹p nh− robot, c¸c hÖ thèng ®iÒu khiÓn
c«ng nghiÖp, hÖ thèng nhËn d¹ng mÉu .. bé ®iÒu khiÓn n¬ ron th−êng dïng lµ m¹ng n¬ ron víi
kh¶ n¨ng mÒm dÎo(Flexible Neural Networks), ®©y lµ cÊu tróc m¹ng n¬ ron mµ c¸c hµm truyÒn
cña chóng lµ c¸c hµm sigmoid nh−ng cã mét tham sè cã thÓ häc, tõ ®ã d¹ng hµm sigmoid sÏ
chän ®−îc tèi −u ®èi víi mçi bµi to¸n cô thÓ. D¹ng hµm sigmoid ®¬n cùc vµ hai cùc cã tham sè
a cã thÓ ®−îc häc trong qu¸ tr×nh huÊn luyÖn cã d¹ng sau:
- 2a 1 − e −2 xa
f ( x, a ) = , f ( x, a ) =
1+ e
−2 a x
a(1 + e − 2 xa )
u y
Plan
y
yd u
NN Plan
NN
uc
a) b)
NN yd u y
u NN Plan
y
u y
Feedback
controlle Plan
u NN
c) d)
H×nh 6
2.3. §iÒu khiÓn th«ng minh trªn c¬ së lý thuyÕt tiÕn ho¸(thuËt gen- GA)
Lý thuyÕt tiÕn ho¸ mµ träng t©m ë ®©y lµ dïng thuËt gen(GA) cho phÐp thùc hiÖn t×m kiÕm,
tèi −u ho¸ trªn c¬ së mét quÇn thÓ xuÊt ph¸t ban ®Çu. ThuËt gen cã −u ®iÓm lµ cã kh¶ n¨ng t×m
®−îc cùc trÞ tæng qu¸t trong kh«ng gian t×m kiÕm. ThuËt gen thùc hiÖn tiÕn ho¸ qua c¸c thÕ hÖ
th«ng qua c¸c phÐp to¸n nh− lai t¹o, sao chÐp, ®ét biÕn vµ chän läc tù nhiªn, c¸c c¸ thÓ cã mÆt
trong thÕ hÖ míi hay kh«ng phô thuéc vµo hµm finess cña chóng. H×nh 7 cho chóng ta thÊy mét
hÖ thèng ®iÒu khiÓn sö dông thuËt gen.
Evalution y
GA Operations
yd u
Most fit Plan
Controller
H×nh 7
Ngoµi GA, trong ®iÒu khiÓn th«ng minh cßn sö dông nhiÒu thuËt to¸n tiÕn ho¸ kh¸c nh− thuËt
to¸n ®ång tiÕn ho¸(coevolution). ThuËt to¸n nµy pháng theo sù tiÕn ho¸ cña hÖ sinh häc gåm
hai hay nhiÒu loµi t−¬ng t¸c víi nhau theo quan hÖ chñ thÓ vµ ký sinh(Host-parasite). ThuËt to¸n
tiÕn ho¸ nµy ®−îc sö dông nhiÒu trong c¸c hÖ thèng ®iÒu khiÓn autonomous hoÆc trong c¸c hÖ
thèng cã møc ®é phøc t¹p cao kh¸c.
2.5. §iÒu khiÓn trªn c¬ së lai tÝch hîp c¸c c«ng nghÖ m¹ng n¬ ron- HÖ mê- ThuËt gen.
HiÖn nay c¸c hÖ th«ng ®iÒu khiÓn phøc t¹p, nhÊt lµ c¸c hÖ thèng ®iÒu khiÓn lµm viÖc
trong c¸c m«i tr−êng biÕn ®æi, c¸c bé ®iÒu khiÓn th«ng minh th−êng kÕt hîp c¸c c«ng nghÖ
NN- FS-GA víi nhau ®Ó cã kh¶ n¨ng ®iÒu khiÓn ®èi tuîng ®¹t tíi môc ®Ých mong muèn mét
- c¸ch tèi −− nhÊt. C¸c hÖ thèng nµy th−êng cã c¸c phÇn chøc n¨ng phøc t¹p nh−: hÖ thèng c¬
së tri thøc, C¬ chÕ suy diÔn, c¸c khèi ®iÒu khiÓn ®a chøc n¨ng vµ khèi thùc hiÖn c¸c c¬ chÕ
truyÒn th«ng- giao tiÕp th«ng qua c¸c giao thøc truyÒn th«ng m¹ng, th«ng qua ng«n ng÷ tù
nhiªn, h×nh ¶nh... H×nh 8 cho chóng ta vÝ dô vÒ møc ®é phøc t¹p cña hÖ thèng ®iÒu khiÓn
th«ng minh autonomous cã thùc hiÖn c¸c chøc n¨ng ph¶n øng, t−¬ng t¸c víi m«i tr−êng trªn
c¬ së c¸c tÝn hiÖu thu ®−îc tõ m¹ng sensory ®Çu vµo.
sensory input
information
environment
constraint
Autonomous
Action
Action selection
dynamics
Rule set
inner state
motivation
drive
experience
H×nh 8
Trong nh÷ng hÖ thèng ®iÒu khiÓn phøc t¹p nh− vËy, nhÊt lµ c¸c hÖ thèng ®iÒu khiÓn
th«ng minh ph©n t¸n, viÖc lai t¹o gi÷a c¸c c«ng nghÖ th«ng minh kh¸c nhau ®Ó t¹o ra bé ®iÒu
khiÓn tèi −u lµ thùc sù h÷u Ých. Trong nh÷ng hÖ thèng nh− vËy, m¹ng n¬ ron, GA vµ logÝc mê
®−îc tÝch hîp vµ gi÷ c¸c vai trß kh¸c nhau vµ bæ xung cho nhau trong c¸c hÖ thèng :
- NN: Vai trß chÝnh ®Ó nhËn d¹ng mÉu, ph©n lo¹i tÝn hiÖu vµo, tù thÝch nghi víi víi
m«i tr−êng biÕn ®æi th«ng qua qu¸ tr×nh häc.
- FS: BiÓu diÔn tri thøc vµ thùc hiÖn c¸c c¬ chÕ suy diÔn.
- GA: ThuËt gen víi c¬ chÕ tiÕn ho¸ gièng nh− c¸c hÖ sinh häc th−êng sö dông c¸c
phÐp to¸n chän läc, sao chÐp, lai ghÐp, ®ét biÕn ®Ó thùc hiÖn tèi −u cÊu tróc cña NN
vµ FS.
H×nh 9a, 9b cho chóng ta thÊy sù tÝch hîp cña NN-GA vµ FS-GA trong c¸c bé ®iÒu khiÓn th«ng
minh sö dông phæ biÕn trong thùc tÕ.
Ngoµi c¸c hÖ thèng nªu trªn, trong thùc tÕ c¸c bé ®iÒu khiÓn th«ng minh cßn sö dông c¸c hÖ
chuyªn gia, c¸c hÖ lËp luËn trªn c¬ së t×nh huèng( case-based reasoning) vµ sù kÕt hîp cña chóng
víi c¸c c«ng nghÖ NN, FS, GA hoÆc c¸c tæ hîp cña nã ®Ó t¹o ra nh÷ng hÖ thèng th«ng minh h¬n,
®¸p øng ®−îc môc tiªu ®iÒu khiÓn phøc t¹p h¬n.
Genetic Genetic
Algorithm Algorithm
Performance select/modify
Population Evalution
evalution finness
Population
neural Trained
Netwwork network results
Training Data Fuzzy system
Test Data
H×nh 9a) Qu¸ tr×nh tèi −u m¹ng H×nh 9b. Qu¸ tr×nh dïng GA c¶i
n¬ ron sö dông GA t¹o ho¹t ®éng cña hÖ mê
- 3. T×nh h×nh nghiªn cøu vÒ ®iÒu khiÓn th«ng minh trªn thÕ giíi vµ
trong n−íc
C«ng nghÖ th«ng minh nãi chung vµ ®iÒu khiÓn th«ng minh nãi riªng ®−îc øng dông m¹nh
mÏ trong nhiÒu lÜnh vùc qu©n sù, s¶n xuÊt c«ng nghiÖp, nghiªn cøu vµ lÜnh vùc nghiªn cøu
kho¶ng kh«ng..., nhÊt lµ c¸c n−íc Mü, NhËt b¶n, §øc, Hµn Quèc...Cô thÓ ®iÒu khiÓn th«ng
minh ®−îc øng dông phæ biÕn trong c¸c d©y truyÒn s¶n xuÊt mÒm dÎo, c¸c hÖ thèng ®iÒu khiÓn
n¨ng l−îng th«ng minh IECS (Intelligent Energy Control System),C¸c hÖ thèng ®iÒu khiÓn giao
th«ng(Trafic Control Intelligent Systems), c¸c hÖ thèng suy diÔn th«ng minh IIS(Intelligent
Inference Systems), c¸c thiÕt bÞ ®o l−êng th«ng minh, c¸c c¶m biÕn th«ng minh vµ ®Æc biÖt trong
lÜnh vùc ®iÒu khiÓn robot, c¸c hÖ thèng l¸i xe tù ®éng, c¸c hÖ thèng nghiªn cøu trong kho¶ng
kh«ng vò trô, c¸c hÖ thèng th«ng minh ®èi víi th−¬ng m¹i, nhµ m¸y s¶n xuÊt, chÝnh phñ...
Sù ®Èy m¹nh nghiªn cøu vµ øng dông m¹nh mÏ c¸c c«ng nghÖ th«ng minh ®ã trong lÜnh
vùc ®o l−êng vµ ®iÒu khiÓn trªn thÕ giíi lµ do mét sè yÕu tè quan träng sau:
- Møc ®é gia t¨ng c¸c bµi to¸n cã ®é phøc t¹p cao, c¸c qu¸ tr×nh s¶n xuÊt cÇn cã ®é mÒm
dÎo cao vµ ®ßi hái møc ®é tèi −u h¬n.
- C«ng nghÖ ®iÖn tö vµ vi ®iÖn tö ®· t¹o ra c¸c chÝp n¬ron, c¸c chÝp mê...cho phÐp ®−a
nhiÒu c«ng nghÖ th«ng minh vµo lÜnh vùc ®o vµ ®iÒu khiÓn. NhÊt lµ lÜnh vùc c«ng nghÖ nano
hiÖn nay ®· cho phÐp chÕ c¸c m¸y tÝnh m¹nh vµ cã kÝch th−íc cùc nhá cµng lµm cho lÜnh vùc
®iÒu khiÓn th«ng minh ®−îc chó träng vµ më réng tÇm øng dông.
§èi víi t×nh h×nh nghiªn cøu vÒ ®iÒu khiÓn th«ng minh ë ViÖt nam, vÊn ®Ò nµy còng ®ang
®−îc nghiªn cøu m¹nh mÏ nh−ng trªn thùc tÕ chóng ta míi chØ dõng ë møc sö dông c¸c modul
th«ng minh nhËp tõ c¸c h·ng n−íc ngoµi nh− NhËt, §øc, Mü...hoÆc míi triÓn khai chÕ t¹o c¸c
thiÕt bÞ ë møc “tÝnh to¸n sè th«ng minh” mµ th«i.
4. KÕt luËn
§iÒu khiÓn th«ng minh lµ mét lÜnh vùc réng, bao trïm nhiÒu ngµnh khoa häc, nhiÒu lÜnh vùc
c«ng nghÖ vµ ®ang ®−îc nghiªn cøu, øng dông m¹nh mÏ, ®a d¹ng trªn thÕ giíi. V× vËy, trong
bµi nµy chóng t«i chØ ®−a ra mét vµi nÐt tæng quan vÒ lÜnh vùc nµy mµ chñ yÕu ®−a ®Õn mét
c¸ch nh×n vÒ ®iÒu khiÓn th«ng minh, nh÷ng c«ng nghÖ th«ng minh vµ mét vµi kh¶ n¨ng thiÕt kÕ
c¸c bé ®iÒu khiÓn th«ng minh ®ã, vµ cuèi cïng ®−a ra mét vµi suy nghÜ vÒ t×nh h×nh nghiªn cøu,
øng dông ®iÒu khiÓn th«ng minh trong n−íc vµ trªn thÕ gioÝ hiÖn nay.
Tµi liÖu tham kh¶o
[1] Shigeyasu Kawaji; Intelligent Control – why,How, Where?; RESCCE ‘1998, Ha noi ,
Viet nam.
[2] Y.KaKaZu, M. WaDa, T. SaTo; Intelligent autonomous system; IAS-5
[3] LiMin Fu; Neural networks in computer intelligent; McGraw-Hill, Inc; 1994
[4] Nils Nilsson; Artificial Intelligence A New Synthesis; Morgan Kaufmann Publisher –
1998
[5] Kenneth Hunt, George Irwin, Kenvin; Neural Network Engineering in Dynamic control
system; Spinger
[6] Mohammad Teshnehlab, Keigo Watanabe; Intelligent Control based on Flexible Neural
Networks; Klwer Academic Publishers- 1999
[7] Spyros G.Tzalestas; Fuzzy Reasoning in information, Decision and Control Systems;
Klwer Academic Publishers- 1994
- [8] Lardy R.Medsker; Intelligent system; ; Klwer Academic Publishers- 1999
[9]Yih-Guang Leu, Tsu-Tian Lee; Oberver- Based Adaptive Fuzzy –Neural Control for
Unknown Nonlinear Dynamical system; System, Man, and Cybernetics; Volum 29;
October 1999
[10] Alexandre Schmid, yusuf Leblebici...;A Charge- Based Artificial Neural Network with
On-Chip Learning Ability; Proceeding of the 5th European Congress on Intelligent
Technique & soft computing EUFIT’97, Gemany 1997
[11] David E.Goldberg; Genetic Algorithms in Search, Optimization, and Machine
Learning; Addison Wesley Longman,inc, 1989
[12] C¸c trang WEB ®−îc t×m kiÕm víi côm tõ “inteligent+Control” .
nguon tai.lieu . vn
