TRƯỜNG ĐẠI HỌC MỎ - ĐỊA CHẤT
KHOA CƠ ĐIỆN

BÀI TẬP LỚN

Trí tuệ nhân tạo trong điều khiển

Giảng viên hướng dẫn:
Sinh viên thực hiện:
Mã số sinh viên:
Lớp:

Hà Nội, tháng 12 năm 2022


SỐ LIỆU LẤY MẪU
ST
T
1
2
3
4
5
6
7
8
9
10
11
12
13

14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

Bài 1 (Fuzzy – logic)
Hằng số
Đơn vị đo
C2=
iC5
atm
1.27
0.039 30

45
1.32
0.042 30
50
1.41
0.048 30
55
1.49
0.051 30
60
1.5
0.055 30
65
1.53
0.06
30
70
1.58
0.05
20
50
1.55
0.045 20
45
1.54
0.041 20
40
1.53
0.037 20
35

1.51
0.033 20
30
1.49
0.03
20
25
2.5
0.029 10
10
2.67
0.033 10
15
2.83
0.038 10
20
2.88
0.042 10
25
2.97
0.048 10
30
3.2
0.06
10
40
3.5
0.072 10
50
3.88

0.091 10
60
4.4
0.135 10
80
5.1
0.177 10
100
6.45
0.286 10
130
7.82
0.4
10
160
9.84
0.62
10
200
12.5
0.94
10
240
15
1.35
10
280
20
2
10

350
24.9
2.87
10
400
100
4.9
1
200
96
3.8
1
190
89
3.55
1
180
84
3.4
1
170
78
3.18
1
160

Bài 2 (Neural – network)
Hằng số
Đơn vị đo
iC4

C2=
psia
1.205
0.162 500
15
1.5
0.285 500
25
1.75
0.255 500
35
2
0.325 500
45
2.36
0.387 500
55
2.82
0.508 500
70
3.88
0.782 500
100
4.88
1.14
500
130
6
1.48
500

160
7.65
1.92
500
190
9.15
2.5
500
220
1.38
0.142 400
5
1.78
0.285 400
20
2.1
0.26
400
30
2.8
0.298 400
50
3.88
0.685 400
80
5.02
1
400
110
6.5

1.41
400
140
8
1.89
400
170
9.2
2.42
400
190
1.43
0.132 300
-5
1.71
0.159 300
5
1.9
0.175 300
10
2.39
0.27
300
25
2.92
0.388 300
40
3.82
0.5
300

55
3.9
0.56
300
60
4.72
0.79
300
80
5.82
0.105 300
105
7.36
1.87
300
130
12.75
2.46
300
180
12.4
2.82
300
200
1.78
0.134 200
-10
2.25
0.168 200
0



35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

63
64
65
66
67
68
69
70
71
72
73

67.5
28.4
30.08
33.3
38.1
100
92.77
69.6
55
37.7
31
27
19.8
14.2
10.89
10
100
89

79.5
58
52
40.6
35
10
12
14.3
13
14.8
16.8
17.2
18
21.2
25
32.15
37.56
48.62
5.11
5.72
6.2

2.5
0.62
0.755
0.91
1.25
7
6
3.79

3.075
1.42
1.18
0.765
0.41
0.191
0.099
0.084
8
7.49
6.05
3.75
3.4
2.57
1.87
0.186
0.227
0.27
0.32
0.412
0.482
0.572
0.645
0.83
1.25
1.79
2.45
3.41
0.043
0.575

0.072

1
1.5
1.5
1.5
1.5
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3.5
3.5
3.5
3.5
3.5

3.5
3.5
3.5
3.5
3.5
3.5
3.5
3.5
4
4
4

140
75
85
95
110
340
320
260
220
150
130
105
70
35
5
0
445
420

380
310
290
240
210
55
65
75
85
100
110
120
130
150
180
220
250
300
0
10
20

2.5
3
3.5
4.22
5.29
5.99
7
8.94

11.8
16.2
2.47
2.92
3.45
3.97
5.24
6.48
7.88
10.05
14.05
17.2
25.5
3.6
4
5.15
6.52
8
11.05
12.2
16.2
22.25
28.5
39.65
4.82
5.09
6
6.87
8.5
11.4

14.8

0.202
0.294
0.389
0.531
0.752
0.89
1.13
1.47
2
3.35
0.138
0.179
0.235
3.35
0.548
0.752
0.95
1.495
2.2
2.95
5.25
0.18
0.24
0.382
0.57
0.8
1.25
1.5

2.2
3.3
5.1
7.87
0.215
0.257
0.37
0.465
0.687
1.15
1.67

200
200
200
200
200
200
200
200
200
200
140
140
140
140
140
140
140
140

140
140
140
100
100
100
100
100
100
100
100
100
100
100
70
70
70
70
70
70
70

7.5
20
30
45
65
75
90
115

140
190
-15
-5
5
15
35
55
65
90
120
150
210
-12.5
-5
10
25
40
60
75
100
130
170
220
-15
-10
0
7.5
20
40

60


74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91

6.88
7.8555
8.3666
9
9.88
13.9
12.5
162.2

149.88
183.44
125
121.89
100
90
78.3
70.2
64.985
4.3211

92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110

111

4.52
4.91
5.1668
5.811
6.488
7.14
7.8214
8.35
9
2.72
2.799
2.9111
3.2878
3.61
3.81
4.188
4.523
4.92
5.8111
6.7254

0.092
0.126
0.168
0.185
0.221
0.311
0.374

8
75.22
6.89
6.385
4.098
3.699
3.289
2.799
2.486
1.955
0.386
0.043
2
0.562
0.061
0.09
0.126
0.152
0.178
0.194
2.411
0.032
0.035
0.04
0.052
0.063
0.079
0.092
0.121
0.148

0.191
0.256

4
4
4
4
4
4
4
0.8
0.8
0.8
0.8
0.8
0.8
0.8
0.8
0.8
0.8
5

30
40
50
60
70
90
100
240

230
220
200
180
165
150
130
120
110
0

20.8
29
38.25
44.2
53.2
5.84
6.98
8.36
12
14.99
21.9
29
39
59.97
7.12
8.24
11.89
14.1


2.79
4
6.72
8.98
11.4
0.282
0.408
0.402
0.96
1.5
2.68
3.99
6
12.5
3.68
0.492
0.795
1.2

70
70
70
70
70
60
60
60
60
60
60

60
60
60
50
50
50
50

90
120
160
180
210
-12.5
0
10
30
50
80
110
140
200
-10
0
15
30

5
5
5

5
5
5
5
5
5
9
9
9
9
9
9
9
9
9
9
9

5
15
20
35
45
55
65
75
85
10
15
20

30
40
50
60
70
80
100
120

17.86
23.5
31.88
2
3.5
2.8
4.96
3.55
17.9
7.91
9.4
12.5
14.75
19.7
31.9
51.75
9.8
15.06
18.1
33


1.65
2.68
4.19
0.182
3.9
0.222
0.55
0.218
2.39
0.36
0.509
0.7
1.28
1.8
3.92
8.8
0.44
1.29
1.68
3.8

50
50
50
250
225
180
160
120
80

40
40
40
40
40
40
40
35
35
35
35

45
70
100
15
35
5
40
-2.5
90
-15
-5
10
20
40
80
130
-10
15

30
70


112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137

138
139
140
141
142
143
144
145
146
147
148
149
150

7.584
8.744
9.9222
12.888
3
3.322
3.688
3.99
4.487
4.8345
5.185
5.711
6.098
7.325
8.54
9.87

12.1
12.5
14.877
4.321
4.811
5.189
5.87
6.086
6.854
7.214
7.921
8.945
9.946
165.55
137.89
115.75
98.65
83.45
60.895
53.54
44.5
39.995
34.85

0.334
0.432
0.555
0.691
0.031
0.039

0.052
0.063
0.081
0.112
0.132
0.148
0.174
0.254
0.345
0.435
0.568
0.678
0.945
0.053
0.066
0.091
0.114
0.141
0.162
0.181
0.221
0.284
0.356
5.911
3.875
3.254
2.925
2.235
1.25
0.915

0.615
0.482
0.345

9
9
9
9
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
7.5
6
6
6
6
6
6
6

6
6
6
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5

140
160
180
200
5
15
25
35
45
55
65
75
85
110
130
150

170
190
220
20
30
40
50
60
70
80
90
105
120
160
130
115
100
85
55
40
25
15
0

59.75
105
10.6
13.85
17.8
25.2

34.1
63.5
90
141.55
14.85
18.95
27.2
45
69.7
99.99
132.75
172.3
16.88
20.95
35.2
49.98
78.85
127.5
149.25
218.95
19.1
22.95
32.15
48.75
57.68
83.75
138.9
174.58
255.55
25.95

30
36.1
47.98

9.2
19.7
0.48
0.815
1.47
2.47
3.8
8.7
15.02
53.75
0.805
1.38
2.42
5.2
9.3
15.05
42.5
73.5
0.86
1.42
3.17
5.65
11.4
17.8
48.85
83.75

1.085
1.47
2.62
3.32
6.35
10.95
19.2
62.87
86.85
1.68
2.05
2.78
4.18

35
35
30
30
30
30
30
30
30
30
25
25
25
25
25
25

25
25
20
20
20
20
20
20
20
20
15
15
15
15
15
15
15
15
15
12.5
12.5
12.5
12.5

130
200
-15
0
20
40

60
120
160
120
-5
10
30
70
110
150
190
120
-10
5
35
60
100
140
170
220
-12.5
-2.5
12.5
25
50
80
120
160
200
-7.5

0
7.5
25


151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175

176
177
178
179
180
181
182
183
184
185
186
187
188
189

115.75
92
69.99
58.735
49.955
32.555
26.125
59.875
80.925
123.77
152.78
235.89
300
78.99
115.85

149.95
210.45
285.65
275.65
300
14.15
16.5
27.95
21.78
24.78
29.35
40
53.2
70
87.97
145.77
86.45
72.55
60
53.125
47.75
38.125
29.65
25.225

3.755
3.195
2.975
1.425
1

0.4
0.247
0.715
1.425
2.985
3.855
0.705
7.985
0.9
1.65
3
4.075
63.27
7.255
7.495
0.147
0.178
0.245
0.348
4.85
0.685
1.4
2.287
3.395
4.47
7.395
6.245
4.876
4.655
3.375

2.865
1.785
1.215
0.897

0.65
0.65
0.65
0.65
0.65
0.65
0.65
0.3
0.3
0.3
0.3
0.3
0.3
0.2
0.2
0.2
0.2
0.2
0.2
0.2
1.5
1.5
1.5
1.5
1.5

1.5
1.5
1.5
1.5
1.5
1.5
2.5
2.5
2.5
2.5
2.5
2.5
2.5
2.5

150
125
95
75
60
20
0
10
35
70
95
130
160
0
25

50
75
95
105
110
0
15
30
45
60
80
120
160
200
240
300
360
320
280
250
230
190
150
130

61.7
83.5
123.8
178.85
275.5

26.87
32.68
43.2
65
78.96
105.76
182.74
145.5
300
30.65
40.1
58.8
100
142.5
123.7
200
300
37.2
58
57.75
111.2
148.2
202.2
282.54
40.2
52.5
65
83.4
140
300

137.5
208.5
298.85
78.65

6.75
8.95
15
57.48
84.65
1.48
2.08
3.32
6.3
7.58
12.28
17.87
45.98
90
1.82
2.98
5.25
12
16.1
27.5
58.85
82.2
2.42
5
7

12.5
17.8
55.55
77.5
2.87
3.92
5.54
7.25
14.4
81.2
12.5
45
77.8
5

12.5
12.5
12.5
12.5
12.5
10
10
10
10
10
10
10
10
10
9

9
9
9
9
9
9
9
8
8
8
8
8
8
8
7
7
7
7
7
7
6
6
6
5

40
60
90
130
170

-15
-5
10
35
45
65
90
140
170
-12.5
2.5
22.5
55
75
95
110
150
-10
17.5
30
50
75
100
120
-10
2.5
12.5
27.5
55
120

40
75
100
0


190
191
192
193
194
195
196
197
198
199
200

17.465
2
2.946
4.914
9
14.25
44.95
32.25
23.45
15
9.2


4.485
0.035
0.08
0.222
0.72
1.48
3.5
2.35
1.785
0.595
0.218

2.5
15
15
15
15
15
4.5
4.5
4.5
4.5
4.5

85
25
65
130
240
340

350
270
210
140
75

120.2
292.5
174.2
281.5
276.5
120.1
98.89
212.5
300
83
31.2

8.75
72.3
15.8
60
38.54
8.1
7
18.2
60.2
9.1
2.7


5
5
4
4
3.5
3.5
3
3
2.5
13
17.5

22.5
80
35
60
45
7.5
-7.5
27.5
37.5
70
20


Bài 1:
- Cài đầu vào và đầu ra:

- Sử dụng hàm liên thuộc trong nhận dạng:



- Luật hợp thành mờ:




- Ruler viewer

- Surface viewer:
o C2=


o iC5

- Vẽ đường đặc tính C2=:


- Vẽ đường đặc tính iC5:

Bài 2:


1. Số lượng tập mẫu cho hai biến vào của mạng áp suất và nhiệt độ: 200.
2. Đơn vị cho áp suất là psia, cho nhiệt độ là oC
3. Cấu trúc mạng: 4 lớp
4. Tự chọn số lượng neural và hàm truyền trong các lớp (lớp vào, lớp ẩn, lớp
ra)
5. Hàm mục tiêu đánh giá sai lệch: MSE = 1.e-8.
6. Luật học: luật học thông số.
7. Số lượng epochs: 3000

8. Thiết lập kết quả chạy trên Matlab: Cấu trúc lớp vào, lớp ẩn, lớp ra của
mạng. Đồ thị sai lệch của q trình huấn luyện.
9. Xây dựng đường đặc tính để kiểm tra quá trình nhận dạng: Tập số liệu mẫu
và tập số liệu đã nhận dạng.
Bài làm
- Nhập số liệu:

- Lệnh matlab:
>>output = [C2_, ic4]'; input = [p, t]';
>>net = newff(minmax(input), [250,230, 200,2],
{'tansig','tansig','tansig','purelin'},'trainrp');
>>net = init(net); net.trainparam.show = 1;
>>net.trainparam.epochs = 1000;
>>net.trainparam.goal = 1e-8;
>>[net, record]=train(net,input,output); out = sim(net, input)';
>>C2_nd = out(:, 1); iC4nd = out(:, 2);

- Quá trình huấn luyện:


- Đồ thị sau huấn luyện Plot Perform


- Đồ thị quá trình huấn luyện Plot Train State

- Đồ thị quá trình huấn luyện Plotregression”


- Đường đặc tính iC4
plot(ic4,'b','linewidth',1.5);

hold on
plot(iC4nd,'r--')
grid on
legend('iC4','iC4nd');

- Đường đặc tính C2=


plot(C2_,'b','linewidth',1.5);
hold on
plot(C2_nd,'r--')
grid on
legend('C2=','C2=nd');



Nhận xét: Đường đặc tính của C2= và C2= nhận dạng, iC4 và iC4 nhận
dạng tương đối với nhau do sai số thấp.