S húa bi Trung tõm Hc liu

i
đại học tháI nguyên
Tr-ờng đại học kỹ thuật công nghiệp







Phùng thanh kiên




NGHIÊN CứU, ứNG DụNG hệ mờ lai cho tay máy




Luận văn thạc sĩ kỹ thuật



Thái nguyên, 2014


S húa bi Trung tõm Hc liu

ii
đại học tháI nguyên
Tr-ờng đại học kỹ thuật công nghiệp





Phùng thanh kiên


NGHIÊN CứU, ứNG DụNG hệ mờ lai cho tay máy

Chuyên ngành: kỹ thuật điều khiển và tự động hóa
Mã số: 60520216

Luận văn thạc sĩ kỹ thuật

Phòng quản lý đt sau đại học ng-ời h-ớng dẫn khoa học


PGS.TS lại khắc lãi

Thái Nguyên, 2014

Số hóa bởi Trung tâm Học liệu

iii
LỜI CAM ĐOAN


Tên tôi là: Phùng Thanh Kiên
Sinh ngày: 31/7/1981
Học viên lớp cao học Khoá 14 - Kỹ thuật điều khiển Tự động hóa - Trường
Đại học kỹ thuật công nghiệp Thái Nguyên.
Hiện đang công tác tại: Trường Cao đẳng nghề Yên Bái.
Xin cam đoan về luận văn “Nghiên cứu, ứng dụng hệ mờ lai cho tay máy ”
do Thầy giáo PGS.TS Lại Khắc Lãi hướng dẫn là công trình nghiên cứu của riêng
tôi. Tất cả các tài liệu tham khảo đều có nguồn gốc, xuất xứ rõ ràng.
Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như nội dung
trong đề cương và yêu cầu của thầy giáo hướng dẫn. Nếu có vấn đề gì trong nội dung của
luận văn tác giả xin hoàn toàn chịu trách nhiệm với lời cam đoan của mình./.



Thái Nguyên, ngày tháng năm 2013
Học viên


Phùng Thanh Kiên








Số hóa bởi Trung tâm Học liệu


iv
LỜI CẢM ƠN

Sau thời gian nghiên cứu, làm việc khẩn trương, nghiêm túc dưới sự hướng
dẫn của Thầy giáo PGS.TS Lại Khắc Lãi, luận văn với đề tài “Nghiên cứu, ứng
dụng hệ mờ lai cho tay máy” đã được hoàn thành.
Tác giả xin bày tỏ lòng biết ơn sâu sắc tới:
Thầy giáo hướng dẫn PGS.TS Lại Khắc Lãi đã tận tình chỉ dẫn, giúp đỡ tác
giả hoàn thành luận văn.
Các giảng viên thuộc Khoa Điện; Khoa Điện tử; Phòng Sau đại học … Trường
Đại học kỹ thuật công nghiệp Thái Nguyên và một số đồng nghiệp, đã quan tâm động
viên, giúp đỡ tác giả trong suốt quá trình học tập để hoàn thành luận văn này.
Mặc dù với cố gắng triệt để, song do hạn chế về điều kiện thời gian và kinh
nghiệm thực tế của bản thân còn ít nên đề tài không thể tránh khỏi thiếu sót. Vì vậy,
tác giả mong nhận được sự đóng góp ý kiến của các thầy giáo, cô giáo và các bạn bè
đồng nghiệp. Từ đó, góp phần đưa ứng dụng của đề tài nghiên cứu này vào trong
thực tế một cách rộng rãi, hiệu quả.
Tôi xin chân thành cảm ơn!


Học viên



Phùng Thanh Kiên

Số hóa bởi Trung tâm Học liệu

v
MỤC LỤC

LỜI CAM ĐOAN i
LỜI CẢM ƠN iv
MỤC LỤC v
DANH MỤC CÁC CHỮ VIẾT TẮT vii
DANH MỤC CÁC HÌNH VẼ viii
DANH MỤC CÁC BẢNG x
LỜI NÓI ĐẦU 1
PHẦN 1: PHẦN MỞ ĐẦU 3
1. Lý do chọn đề tài 3
2. Mục tiêu cần đạt được 3
3. Ý nghĩa khoa học, ý nghĩa thực tiễn của đề tài 3
PHẦN 2: NỘI DUNG NGHIÊN CỨU 5
CHƢƠNG I: TỔNG QUAN VỀ ĐIỀU KHIỂN MỜ 5
1.1. Tổng quan về lôgic mờ và điều khiển mờ 5
1.1.1. Tổng quan về lôgic mờ 5
1.1.2. Tổng quan về điều khiển mờ 9
1.2. Các bộ điều khiển mờ và phương pháp tổng hợp bộ điều khiển mờ 17
1.2.1. Các bộ điều khiển mờ 17
1.2.2. Phương pháp tổng hợp bộ điều khiển mờ 18
1.3. Bộ điều khiển mờ lai 20
1.3.1. Khái niệm 20
1.3.2. Các cấu trúc bộ điều khiển mờ lai thông dụng 20
1.3.3. Một số ví dụ về ứng dụng của bộ điều khiển mờ lai 23
1.4. Kết luận chương 1. 27
CHƢƠNG 2: MÔ TẢ TOÁN HỌC TAY MÁY 28
2.1. Sơ lược quá trình phát triển của robot công nghiệp 28
2.2. Ứng dụng của robot công nghiệp 29
2.3. Các cấu trúc cơ bản của robot công nghiệp 31
2.3.1. Cấu trúc chung 31


Số hóa bởi Trung tâm Học liệu

vi
2.3.2. Kết cấu tay máy 32
2.4. Tay máy 2 bậc tự do 33
2.4.1. Thiết lập hệ tọa độ: 33
2.4.2. Mô hình biến đổi: 34
2.4.3. Phương trình động học: 35
2.4.4. Tổng hợp chuyển động Robot : 35
2.4.5. Động lực học Robot: 37
2.5. Kết luận chương 2. 48
CHƢƠNG 3: ỨNG DỤNG ĐIỀU KHIỂN MỜ LAI CHO TAY MÁY (FUZZY
- PID) 49
49
3.2. Thiết kế bộ điều khiển mờ lai cho tay máy 2 bậc tự do 53
64
3.4. Kết luận chương 3. 70
PHẦN 3: KẾT LUẬN VÀ KIẾN NGHỊ 71
TÀI LIỆU THAM KHẢO 72

Số hóa bởi Trung tâm Học liệu

vii
DANH MỤC CÁC CHỮ VIẾT TẮT

Stt
Viết tắt
Ý nghĩa
1.
PID

Proportional Integral Derivative
2.
PI
Proportional Integral

Số hóa bởi Trung tâm Học liệu

viii
DANH MỤC CÁC HÌNH VẼ
Hình 1. 1 - Mờ hóa biến “tốc độ” 8
Hình 1. 2 - Sơ đồ khối của bộ điều khiển mờ 9
Hình 1. 3 - Hàm liên thuộc của luật hợp thành 12
Hình 1. 4 - Giải mờ bằng phương pháp cực đại 14
Hình 1. 5 - Giải mờ theo nguyên lý trung bình 15
Hình 1. 6 - Giải mờ theo nguyên lý cận trái 15
Hình 1. 7 - Giải mờ theo nguyên lý cận phải 16
Hình 1. 8 - Giải mờ theo phương pháp điểm trọng tâm 16
Hình 1. 9
- Các bộ điều khiển mờ
18
Hình 1. 10 - Cấu trúc tổng quát một hệ mờ 18
Hình 1. 11 - Mô hình bộ điều khiển mờ lai kinh điển 21
Hình 1. 12 - Cấu trúc hệ mờ lai Cascade 22
Hình 1. 13 - Điều khiển PI mờ hệ ổn định mực chất lỏng RT010 23
Hình 1. 14 - Kết quả điều khiển PI mờ hệ ổn định mực chất lỏng RT010 24
Hình 1. 15 - Điều khiển PI mờ hệ ổn định lưu lượng RT020 24
Hình 1. 16 - Kết quả điều khiển PI mờ hệ ổn định lưu lượng RT020 25
Hình 1. 17 - Điều khiển PI mờ hệ ổn định áp suất RT030 26
Hình1. 18
- Kết quả điều khiển PI mờ hệ ổn định áp suất RT030

27
Hình 2. 1 - Sơ đồ cấu trúc chung của robot công nghiệp 31
Hình 2. 2 - Sơ đồ cấu trúc chung của hệ thống cảm biến 32
Hình 2. 3 - Sơ đồ kết cấu tay máy 33
Hình 2. 4 - Tay máy 2 khâu phẳng (vị trí bất kỳ) 34
Hình 2. 5 - Cơ cấu tay máy 2 bậc (khâu) 45
Hình 3. 1 - Mô hình cấu trúc đối tượng trong phần mềm Matlab 49
Hình 3. 2 - Cấu trúc chi tiết đối tượng trong phần mềm Matlab 49
Hình 3. 3 - Mô hình cấu trúc bộ điều khiển trong phần mềm Matlab 50
Hình 3. 4 - Mô hình cấu trúc bộ lọc đầu vào trong phần mềm Matlab 50
Hình 3. 5 - Sơ đồ cầu trúc mô phỏng hệ điều khiển Robot 2 bậc tự do 51
Hình 3. 6 - Đáp ứng đầu ra của các biến khớp Robot 51

Số hóa bởi Trung tâm Học liệu

ix
Hình 3. 7 - Sai lệch giữa tín hiệu đặt và tín hiệu thực của các biến khớp 52
Hình 3. 8 - Tín hiệu điều khiển các biến khớp của Robot 52
Hình 3. 9 - Đáp ứng nhiễu của hệ thống có bộ điều khiển PD 53
Hình 3. 10 - Bộ điều khiển Mờ lai 54
Hình 3. 11 - Định nghĩa các biến vào ra của bộ điều khiển mờ 1 54
Hình 3. 12 - Định nghĩa các biến vào ra của bộ điều khiển mờ 2 55
Hình 3. 13 - Định nghĩa các tập mờ cho biến ET của bộ điều khiển mờ 56
Hình 3. 14 - Định nghĩa các tập mờ cho biến dET của bộ điều khiển mờ 57
Hình 3. 15 - Định nghĩa các tập mờ cho biến U của bộ điều khiển mờ 57
Hình 3. 16- Xây dựng các luật điều khiển cho bộ điều khiển mờ 58
Hình 3. 17 - Quan sát tín hiệu vào ra của bộ mờ 59
Hình 3. 18 - Bề mặt đặc trưng cho quan hệ vào ra của bộ điều khiển mờ 59
Hình 3.19 - Đáp ứng nhiễu của hệ thống có bộ điều khiển mờ 60
Hình 3. 20 - Các thông số của cánh tay robot 2 bậc tự do 60

Hình 3. 21 - Quỹ đạo bám của biến khớp 1 và 2 sử dụng bộ điều khiển mờ 61
Hình 3. 22 - Tín hiệu điều khiển của biến khớp 1 và 2 62
Hình 3. 23 - Sai lệch tín hiệu đặt và tín hiệu bám của biến khớp 1 và 2 62
Hình 3.24 - Mô hình thực nghiệm 64
Hình 3. 25 - Sơ đồ khối chạy thực nghiệm 65
Hình 3. 26 - Cấu hình cổng kết nối 65
Hình 3. 27 - . 66
Hình 3. 28 - Cấu hình đọc encoder 66
Hình 3. 29 - Cấu hình xuất tín hiệu PWM. 67
Hình 3. 30 - Điều khiển tốc độ và chiều quay động cơ. 67
Hình 3. 31 - Cấu hình đầu ra số 68
Hình 3. 32 - Sơ đồ khối chạy thực nghiệm 68
Hình 3. 33 - Kết quả chạy thực nghiệm cho một biến khớp 69
Hình 3. 34 - Kết quả chạy thực nghiệm cho một biến khớp 69



Số hóa bởi Trung tâm Học liệu

x
DANH MỤC CÁC BẢNG

Bảng 2. 1- Thông số DH của tay máy phẳng 34
Bảng 2. 2 - Bộ thông số DH của tay máy toàn khớp 45
Bảng 3. 1 - Thông số cho cánh tay robot 2 bậc tự do 61


Số hóa bởi Trung tâm Học liệu

1

LỜI NÓI ĐẦU
Robot ngày càng đóng vai trò quan trọng trong công nghiệp và cuộc
sống hàng ngày. Chúng sẽ thực hiện những công việc rất nhàm chán hoặc nguy
hiểm, những công việc mà tốc độ và độ chính xác vượt quá khả năng của con
người. Và mục tiêu ứng dụng của kỹ thuật Robot trong công nghiệp nhằm nâng cao
năng suất các dây chuyền công nghệ, nâng cao chất lượng và khả năng cạnh tranh của
sản phẩm, đồng thời cải thiện điều kiện lao động. Sự cạnh tranh hàng hóa đặt ra một
vấn đề thời sự là làm sao để hệ thống tự động hóa sản xuất phải có tính linh hoạt nhằm
đáp ứng với sự biến động thường xuyên của thị trường hàng hóa. Robot công nghiệp là
bộ phận cấu thành không thể thiếu trong hệ thống sản xuất tự động linh hoạt đó.
Những năm đầu của thập kỷ 90, một ngành điều khiển kỹ thuật mới được
phát triển rất mạnh mẽ và đã đem lại nhiều thành tựu bất ngờ trong lĩnh vực điều
khiển, đó là điều khiển mờ. Ưu điểm cơ bản của điều khiển mờ so với các phương
pháp điều khiển kinh điển là có thể tổng hợp được bộ điều khiển mà không cần biết
trước đặc tính của đối tượng một cách chính xác.
Trong thực tế để phát huy hết ưu điểm của mỗi loại bộ điều khiển mờ và bộ
điều khiển rõ (kinh điển), người ta thường dùng các hệ kết hợp giữa hai loại bộ điều
khiển truyền thống và điều khiển mờ với nhau, ta gọi đó là bộ điều khiển mờ lai.
Từ đó, việc kết hợp giữa bộ điều khiển kinh điển và bộ điều khiển mờ chính
là cơ sở lý thuyết cho đề tài này.
Trong lĩnh vực Robot hiện nay, phần cơ khí (Robot Mechanics), hệ thống
Điều khiển (Robot Control) và hệ thống lập trình (Programming system) được coi là
các thành phần độc lập và được các nhà sản xuất chào bán độc lập.
Mô hình thí nghiệm Cánh tay Robot 5 bậc tự do, nhãn hiệu RD5NT là một mô
hình thí nghiệm trường học, mô hình hóa một cánh tay Robot 5 bậc tự do mà khá phổ
biến trong các dây chuyền sản xuất hiện nay. Mô hình Cánh tay Robot 5 bậc tự do
RD5NT có 5 khớp, mỗi khớp được hoạt động bởi một động cơ điện một chiều. Đề tài
“Nghiên cứu, ứng dụng hệ mờ lai cho tay máy” được đề xuất với mục đích:
1. Mô phỏng việc điều khiển 2 trong 5 bậc của mô hình Cánh tay Robot 5
bậc tự do RD5NT trên phần mềm MatLab.

2. Thiết kế bộ điều khiển cho 1 trong 5 bậc của mô hình Cánh tay Robot 5
bậc tự do RD5NT, áp dụng thuật toán điều khiển mờ lai.

Số hóa bởi Trung tâm Học liệu

2
Trên thế giới nói chung và ở nước ta nói riêng, trong những năm gần đây,
các hoạt động nghiên cứu, phát triển về Robot vẫn không ngừng phát triển, điều này
được thể hiện qua rất nhiều các bài báo, tạp chí kỹ thuật trong và ngoài nước. Có thể
đưa ra một số ví dụ cụ thể:
- 11 . Nguyễn Vãn Minh Trí, Lê Vãn Mạnh (2010), “Thiết kế bộ điều khiển
PID bền vững cho hệ thống phi tuyến bậc hai nhiều đầu vào – Nhiều đầu ra và ứng
dụng trong điều khiển tay máy công nghiệp”, Tạp chí Khoa học và Công nghệ, Đại
học Đà Nẵng , số 4(39).
- 12 . Nguyễn Manh Hùng, Ngô Thanh Quyền (2011), “Thiết kế bộ điều khiển
mờ một đầu vào cho cánh tay robot”, Tạp Chí Đại Học Công Nghiệp, số 9(06).
- 13 . Nguyễn Manh Hùng, Ngô Thanh Quyền (2011), “Điều khiển bám
đuổi mạng neural thích nghi cho cánh tay robot bao gồm động lực học cơ cấu
truyền động” Tạp Chí Đại Học Công Nghiệp, số 9(06).
Các bài báo này đã đưa ra các phương pháp khác nhau xây dựng cấu trúc
điều khiển cho cánh tay Robot, hoặc điều khiển tay máy công nghiệp. Đề tài
“Nghiên cứu, ứng dụng hệ mờ lai cho tay máy” đề xuất ra một phương pháp thiết kế
bộ điều khiển cho mô hình Cánh tay Robot RD5NT trong phòng thí nghiệm dựa
trên thuật toán điều khiển mờ lai được tham khảo ở một số các bài báo, tạp chí, luận
văn trong nước và quốc tế.
Nội dung chính của đề tài bao gồm:
Chương 1: Tổng quan về điều khiển mờ
Chương 2: Mô tả toán học tay máy
Chương 3: Ứng dụng điều khiển mờ lai cho tay máy (PID - Fuzzy)
Do điều kiện thời gian không cho phép, tác giả chỉ dừng lại ở việc thiết kế bộ

điều khiển cho 01 trong 5 khớp của mô hình trên. Tuy nhiên, đề tài này sẽ là cơ sở
cho các nghiên cứu về sau có thể xây dựng một bộ điều khiển mà có thể điều khiển
phối hợp toàn bộ từ 02 khớp trở lên của mô hình.


Thái Nguyên, ngày tháng năm 2013
Học viên



Phùng Thanh Kiên

Số hóa bởi Trung tâm Học liệu

3
PHẦN 1: PHẦN MỞ ĐẦU
1. Lý do chọn đề tài
Việc nâng cao chất lượng điều khiển tay máy luôn là vấn đề cấp thiết được
nhiều nhà khoa học trong và ngoài nước quan tâm. Các hệ thống điều khiển tay máy
hiện nay chủ yếu dùng phương pháp điều khiển kinh điển và được thiết kế theo
phương pháp tuyến tính hóa gần đúng. Khi thông số của hệ thống thay đổi thì thông
số của bộ điều khiển giữ nguyên dẫn đến làm giảm độ chính xác điều khiển ảnh
hưởng đến chất lượng sản phẩm.
Với sự ra đời của lý thuyết điều khiển hiện đại (điều khiển thích nghi, điều
khiển mờ, mạng nơron…) đã tạo điều kiện cho việc xây dựng các bộ điều khiển
thông minh đáp ứng yêu cầu công nghệ ngày càng cao của nền sản xuất hiện đại.
Trong mấy năm gần đây đã có nhiều đề tài nghiên cứu ứng dụng hệ mờ để điều
khiển các đối tượng phi tuyến. Song phần lớn các nghiên cứu chưa đạt được kết quả
như mong muốn.
Từ tình hình thực tế và điều kiện nghiên cứu của bản thân, trong đề tài này

tác giả lựa chọn vấn đề nghiên cứu, ứng dụng hệ mờ lai để điều khiển cho tay máy,
cụ thể với tên đề tài là: "Nghiên cứu, ứng dụng hệ mờ lai cho tay máy".
2. Mục tiêu cần đạt đƣợc
Xây dựng bộ điều khiển mờ lai cho cánh tay robot đảm bảm các yêu cầu chất
lượng, cụ thể là:
- Nghiên cứu, ứng dụng hệ mờ lai để điều khiển cho tay máy với việc mô
phỏng cho 2 bậc tự do (phần lý thuyết).
- Thiết kế bộ điều khiển mờ lai cho tay máy 1 bậc tự do trên mô hình Cánh
tay Robot 5 bậc tự do RD5NT (phần thực nghiệm).
3. Ý nghĩa khoa học, ý nghĩa thực tiễn của đề tài
a. Ý nghĩa khoa học:
Bộ điều khiển mờ lai đang nổi lên như một công cụ điều khiển các hệ thống
phi tuyến với các thông số chưa xác định. Điều này có ý nghĩa rất lớn về mặt khoa
học trong việc điều khiển các đối tượng phi tuyến.

Số hóa bởi Trung tâm Học liệu

4
Đề tài này sẽ đề cập đến ứng dụng của mờ lai trong việc điều khiển đối
tượng phi tuyến đặc biệt là điều khiển cánh tay robot.
b. Ý nghĩa thực tiễn:
Việc điều khiển cánh tay robot ứng dụng mờ lai có ý nghĩa thực tiễn rất lớn. Bởi
vì robot được áp dụng rộng rãi trong nhiều lĩnh vực khác nhau, chúng buộc phải có khả
năng làm việc trong các môi trường không xác định trước và thay đổi. Đặc biệt chúng
phải nhạy cảm với môi trường làm việc và thực hiện thao tác bất chấp sự có mặt của
vật cản trong vùng làm việc. Việc nâng cao chất lượng điều khiển robot sẽ góp phần
nâng cao chất lượng sản phẩm, nâng cao năng suất và hiệu quả lao động.
Trong luận văn này tác giả đã xây dựng bộ điều khiển mờ lai (FUZZY - PID)
để điều khiển cánh tay Robot. Qua thực nghiệm cho thấy bộ điều khiển mờ lai làm
việc theo cơ chế thích nghi thực hiện bám tín hiệu đặt là tốt. Bộ điều khiển này rất

linh hoạt và có nhiều ưu điểm hơn so với các bộ điều khiển kinh điển khác áp dụng
cho điều khiển cánh tay robot.







Số hóa bởi Trung tâm Học liệu

5
PHẦN 2: NỘI DUNG NGHIÊN CỨU
CHƢƠNG I: TỔNG QUAN VỀ ĐIỀU KHIỂN MỜ
1.1. Tổng quan về lôgic mờ và điều khiển mờ
1.1.1. Tổng quan về lôgic mờ
a. Quá
trình
phát
triển
của logic
m
ờ

Từ năm 1965 đã ra đời một lý thuyết mới đó là lý thuyết tập mờ (Fuzzy set
theory) do giáo sư Lofti A.Zadeh ở trường đại học Califonia - Mỹ đưa ra. Từ khi lý
thuyết đó ra đời nó được phát triển mạnh mẽ qua các công trình khoa học của các
nhà khoa học như: Năm 1972 GS Terano và Asai thiết lập ra cơ sở nghiên cứu hệ
thống điều khiển mờ ở Nhật, năm 1980 hãng Smith Co. bắt đầu nghiên cứu điều
khiển mờ cho lò hơi Những năm đầu thập kỷ 90 cho đến nay hệ thống điều

khiển mờ và mạng nơron (Fuzzy system and neural network) được các nhà khoa
học, các kỹ sư và sinh viên trong mọi lĩnh vực khoa học kỹ thuật đặc biệt quan tâm
và ứng dụng trong sản xuất và đời sống. Tập mờ và Lôgic mờ đã dựa trên các
thông tin “không đầy đủ” về đối tượng để điều khiển đầy đủ về đối tượng một cách
chính xác. Các công ty của Nhật bắt đầu dùng logic mờ vào kỹ thuật điều khiển từ
năm
1980. Nhưng do các phần cứng chuẩn tính toán theo giải thuật logic mờ rất
kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về logic mờ. Một
trong những ứng dụng dùng logic mờ đầu tiên tại đây là nhà máy xử lý nước của
Fuji Electric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987.
b. Cơ sở toán học của logic
m
ờ

Logic mờ và xác xuất thông kê đều nói về sự không chắn chắn. Tuy nhiên
mỗi lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng.
- Trong xác suất thống kê sự không chắc chắn liên quan đến sự xuất hiện
của một sự kiện “chắc chắn” nào đó.
Ví dụ: Xác suất viên đạn trúng đích là 0,8
Bản thân của sự kiện “trúng đích” đã được định nghĩa rõ ràng, sự không
chắc chắn ở đây là có trúng đích hay không, và được định lượng bởi mức độ xác
suất (trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý và kết hợp

Số hóa bởi Trung tâm Học liệu

6
với các phát biểu khác bằng phương pháp thống kê, như là xác suất có điều kiện
chẳng hạn.
- Sự không chắc chắn trong ngữ nghĩa, liên quan đến ngôn ngữ của con
người, đó là sự không chính xác trong các từ ngữ mà con người dùng để ước lượng

vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ “nóng”, “lạnh”, “ấm”sẽ
không có một giá trị chính xác nào để gán cho các từ này, các khái niệm này cũng
khác nhau đối với những người khác nhau (là lạnh đối với người này nhưng không
lạnh đối với người khác). Mặc dù các khái niệm không được định nghĩa chính xác
nhưng con người vẫn có thể sử dụng chúng cho các ước lượng và quyết định phức
tạp. Bằng sự trừu tượng và óc suy nghĩ, con người có thể giải quyết câu nói mang
ngữ cảnh phức tạp mà rất khó có thể mô hình hóa bởi toán học chính xác.
- Sự không chắc chắn theo ngữ vựng: Như đã nói trên, mặc dù dùng những
phát biểu không mang tính định lượng nhưng con người vẫn có thể thành công
trong các ước lượng phức tạp. Trong nhiều trường hợp, con người dùng sự không
chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu hết xã hội, hệ thống luật
pháp bao gồm một số luật, mỗi luật mô tả một tình huống. Ví dụ một luật qui định
tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ trách nhiệm. Và trong một
phiên tòa, chánh án phải quyết định số ngày phạt tù của tên trộm dựa trên mức độ
phạm tội (như là nồng độ rượu trong người như thế nào? Trước đây có tiền án
hay tiền sự không?, …) từ đó kết hợp lại đưa ra một quyết định công bằng.
c. Định nghĩa tập mờ.
Logic mờ bắt đầu với khái niệm tập mờ.
Khái niệm về tập hợp đã
được
hình thành trên nền tảng logic và được định
nghĩa như một sự xếp đặt chung các vật, các đối
tượng
có cùng chung một tính
chất,
được
gọi là phần tử của tập hợp đó. Ý nghĩa logic của khái niệm tập hợp
được
xác định ở chỗ một vật hoặc một đối
tượng

bất kỳ chỉ có thể có hai khả năng
hoặc là phần tử của tập đang xét hoặc không.
Xét tập hợp A ở trên. Ánh xạ
A
{0,1} định nghĩa trên tập A
như
sau:
A
(x) = 0 nếu x A và
A
(x) = 1 nếu x A (2.1)

Số hóa bởi Trung tâm Học liệu

7
Được
gọi là hàm liên thuộc của tập hợp A. Một tập X luôn có X(x) =
1,
với mọi x
được
gọi là không gian nền (tập nền).
Một tập hợp A có dạng A = {x X x} thỏa mãn một số tính chất nào đó
thì
được
gọi là có tập nền X, hay
được
định nghĩa trên tập nền X.
Như vậy trong lý thuyết kinh điển, hàm liên thuộc hoàn toàn
tương đương
với

định nghĩa một tập hợp. Từ định nghĩa về một tập hợp A bất kỳ ta có thể xác định
được
hàm liên thuộc μ
A
(x) cho tập hợp đó và ngược lại từ hàm liên thuộc μ
A
(x) của tập
hợp A cũng hoàn toàn suy ra được định nghĩa cho tập hợp A.
Tuy nhiên, cách biểu diễn hàm liên thuộc như vậy không phù hợp với những
tập hợp
được
mô tả “mờ”
như
tập B gồm các số thực nhỏ hơn nhiều so với 6: B = {x
R x << 6}; hoặc tập C gồm các số thực xấp xỉ bằng 3: C =
{x R x 3}.

Lý do là với những tập mờ
như
vậy chưa đủ để xác định
được
x = 3,5 có thuộc
tập B hoặc x = 2,5 có thuộc tập C hay không. Nếu đã không khẳng định
được
x = 3,5
có thuộc tập B hay không thì cũng không thể khẳng định được x = 3,5 không thuộc tập
B. Vậy x = 3,5 thuộc tập B bao nhiêu phần trăm. Giả sử tồn tại câu trả lời thì hàm liên
thuộc
B
(x) tại điểm x = 3,5 phải có một giá trị trong khoảng [0,1], tức là: 0

B
(x)
1. Nói cách khác hàm
B
(x) không còn là hàm hai giá trị như đối với tập hợp kinh
điển nữa mà là
một ánh xạ:
B
: R [0,1].
Như
vậy, khác với tập hợp kinh điển A, từ “định nghĩa kinh điển” của tập
“mờ” B hoặc C không suy ra
được
hàm liên thuộc
B
(x) hoặc
C
(x) của chúng.
Do đó, ta có định nghĩa về tập mờ
như
sau:
Tập mờ F xác định trên tập kinh điển X là một tập mà mỗi phần tử của nó
là một cặp các giá trị (x,
F
(x) trong đó x X và
F
là ánh xạ.
F
: X [0,1].
Ánh xạ

F
được gọi là hàm liên thuộc của tập mờ F. Tập kinh điển X
được
gọi là tập nền (hay vũ trụ) của tập mờ F.
d. Các hàm liên thuộc thường được sử dụng.
Hàm liên thuộc
được
xây dựng dựa trên các đường

thẳng: Dạng này có ưu

điểm là đơn giản. Chúng gồm hai dạng chính là: Tam giác và hình thang.
Hàm liên thuộc được xây dựng dựa trên đường cong phân bố Gauss: Kiểu

Số hóa bởi Trung tâm Học liệu

8
thứ nhất là đường cong Gauss dạng đơn giản và kiểu thứ hai là sự kết hợp hai đường
cong Gauss khác nhau ở hai phía. Cả hai đường

cong này đều có ưu

điểm là trơn và
không gẫy ở mọi điểm nên chúng là
phương
pháp phổ biến để xác định tập mờ.
Ngoài ra, hàm liên thuộc còn có thể có một số dạng ít phổ biến (chỉ được
sử dụng trong một số ứng dụng nhất định). Đó là các dạng sigma và dạng
đường cong Z, Pi và S.
e. Biến ngôn ngữ và giá trị của biến ngôn ngữ.

Một biến có thể gán bởi các từ trong ngôn ngữ tự nhiên làm giá trị của nó
gọi là biến ngôn ngữ.
Một biến ngôn ngữ
thường
bao gồm 4 thông số: X, T, U, M với:
+ X: Tên của biến ngôn ngữ.
+ T: tập của các giá trị ngôn ngữ.
+ U: Không gian nền mà trên đó biến ngôn ngữ X nhận các giá
trị rõ.
+ M: Chỉ ra sự phân bố của T trên U.
Ví dụ: biến ngôn ngữ “Tốc độ xe” có tập các giá trị ngôn ngữ là rất
chậm, chậm, trung bình, nhanh, rất nhanh, không gian nền của biến là tập các số
thực dương
.
Vậy biến tốc độ xe có 2 miền giá trị khác nhau:
- Miền các giá trị ngôn ngữ N: [rất chậm, chậm, trung bình, nhanh, rất nhanh].
- Miền các giá trị vật lý V = {x R (x≥0)}.
Mỗi giá trị ngôn ngữ (mỗi phần tử của N) có tập nền là miền giá trị vật lý V. Từ
một giá trị vật lý của biến ngôn ngữ ta có
được
một véc tơ μ gồm các
độ phụ thuộc
của x: X → μ
T
= [μ
rất chậm
μ
chậm
μ
trung binh

μ
nhanh
μ
rất nhanh
]
ánh xạ trên
được
gọi là quá trình Fuzzy hoá giá trị rõ x.
Ví dụ: Ứng với tốc độ 50 km/h ta có

Vector

Hình 1. 1 - Mờ hóa biến “tốc độ”

Số hóa bởi Trung tâm Học liệu

9
1.1.2. Tổng quan về điều khiển mờ
Sơ đồ khối của bộ điều khiển mờ trên hình 2.2 bao gồm 4 khối:
- Khối mờ hóa (fuzzifiers).
- Khối hợp thành.
- Khối luật mờ.
- Khối giải mờ (defuzzifiers).

Hình 1. 2 - Sơ đồ khối của bộ điều khiển mờ
a. Khâu mờ hóa.
Khâu mờ hóa có nhiệm vụ chuyển một giá trị rõ hóa đầu vào x
0
thành một
vector gồm các độ phụ thuộc của các giá trị rõ đó theo các giá trị mờ (tập mờ)

đã định nghĩa cho biến ngôn ngữ đầu vào.
Mờ hoá được định nghĩa như sự ánh xạ từ tập các giá trị thực (giá trị
rõ)

x
*
U
R
n

thành lập các giá trị mờ A’ ở trong U. Hệ thống mờ như là
một bộ
xấp xỉ vạn năng. Nguyên tắc chung việc thực hiện mờ hoá là:
- Từ tập giá trị thực x đầu vào sẽ tạo ra tập mờ A’ với hàm liên thuộc
có giá
trị đủ rộng tại các điểm rõ x
*
.

- Nếu có nhiễu ở đầu vào thì viêc mờ hoá sẽ góp phần khử nhiễu.
- Việc mờ hoá phải tạo điều kiện đơn giản cho tính toán sau này. Thông
thường
có 3
phương
pháp mờ hóa: Mờ hóa đơn trị, mờ hóa Gaus (Gaussian
fuzzifier) và mờ hóa hình tam giác (Triangular fuzzifier).
Thường
sử dụng mờ
hóa Gaus hoặc mờ hóa hình tam giác vì hai
phương

pháp
này
không những cho
phép tính toán
tương
đối đơn giản mà còn đồng thời có thể khử nhiễu đầu vào.

Số hóa bởi Trung tâm Học liệu

10
+. Mờ hoá đơn trị (Singleton fuzzifier): Mờ hoá đơn trị là từ các điểm giá
trị thực thuộc dạng: x
*
U
lấy các giá trị đơn trị của tập mờ A’, nghĩa là hàm
liên thuộc dạng:
(2.2)
+. Mờ hoá Gaus (Gaussian Fuzzifier): Mờ hoá Gaus là từ các điểm giá
trị
thực x
*
U lấy các giá trị trong tập mờ A’ với hàm liên thuộc Gaus.

+. Mờ hoá hình tam giác (Triangular Fuzzifier): Mờ hoá hình tam giác
là từ
các điểm giá trị thực
lấy
x
*
U

các giá trị trong tập mờ A’ với
hàm liên
thuộc dạng
hình tam giác, hoặc hình thang.
Ta thấy mờ hoá đơn trị cho phép tính toán về sau rất đơn giản nhưng không
khử
được
nhiễu đầu vào, mờ hoá Gaus hoặc mờ hoá hình tam giác không những
cho phép tính toán về sau
tương
đối đơn giản mà còn đồng thời có thể khử nhiễu
đầu vào.
b. Khâu thực hiện luật hợp thành.
Khâu thực hiện luật hợp thành gồm 2 khối đó là khối luật mờ và khối hợp thành.
Khối luật mờ (suy luận mờ) bao gồm tập các luật “Nếu … Thì” dựa vào các
luật mờ cơ sở được người thiết kế viết ra cho thích hợp với từng biến và giá trị của
các biến ngôn ngữ theo quan hệ mờ Vào/Ra.
Khối hợp thành dùng để biến đổi các giá trị mờ hoá của biến ngôn ngữ đầu
vào thành các giá trị mờ của biến ngôn ngữ đầu ra theo các luật hợp thành nào đó.
Khâu thực hiện luật hợp thành, có tên gọi là thiết bị hợp thành, xử lý
vector và cho giá trị mờ B’ của tập biến đầu ra.
Cho hai biến ngôn ngữ và . Nếu biến nhận giá trị (mờ) A’ với hàm liên
thuộc
A
(x) và nhận giá trị (mờ) B với hàm liên thuộc
B
(y) thì biểu thức: =
A
được
gọi là mệnh đề điều kiện và = B

được
gọi là mệnh đề kết
luận.

Nếu ký hiệu mệnh đề = A là p và mệnh đề = B là q thì mệnh đề hợp
thành:

p q (từ p suy ra q) (2.3)
hoàn toàn
tương đương
với luật điều khiển:

Số hóa bởi Trung tâm Học liệu

11
Nếu = A thì = B (2.4)
Mệnh đề hợp thành trên là một ví dụ đơn giản về bộ điều khiển mờ. Nó cho
phép từ một giá trị đầu vào x
o
hay cụ thể là từ độ phụ thuộc
A
(x
o
) đối với tập mờ
A của giá trị đầu vào x
o
xác định được hệ số thỏa mãn mệnh đề kết luận q của
giá trị đầu ra y. Hệ số thỏa mãn mệnh đề kết luận này
được
gọi là giá trị của mệnh

đề hợp thành khi đầu vào bằng A và giá trị của mệnh đề hợp thành (2.3) là một giá
trị mờ. Biểu diễn giá trị mờ đó là tập hợp C thì mệnh đề hợp thành mờ (2.4) chính
là một ánh xạ:
A
(x
o
)
C
(y)

Ta có công thức xác định hàm liên thuộc cho mệnh đề hợp thành B’ = A
B.

B'
(y) = min{
A
,
B
(y)},
được
gọi là quy tắc hợp thành MIN
B'
(y) =
A
.
B
(y),
được
gọi là quy tắc hợp thành PROD
Đây là hai quy tắc hợp thành

thường
được dùng trong lý thuyết điều
khiển mờ để mô tả mệnh đề hợp thành A B.
Hàm liên thuộc
A B
(y) của mệnh đề hợp thành A B sẽ được ký
hiệu là R. Ta có luật hợp thành là tên chung gọi mô hình R biểu diễn một hay
nhiều hàm liên thuộc cho một hay nhiều mệnh đề hợp thành, nói cách khác luật
hợp thành được hiểu là một tập hợp của nhiều mệnh đề hợp thành. Một luật hợp
thành chỉ có một mệnh đề hợp thành
được
gọi là luật hợp thành đơn.
Ngược lại nếu nó có nhiều hơn một mệnh đề hợp thành ta sẽ gọi nó là
luật hợp thành kép. Phần lớn các hệ mờ trong thực tế đều có mô hình là luật hợp
thành kép. Ngoài ra R còn có một số tên gọi khác phụ thuộc vào cách kết hợp các
mệnh đề hợp thành (max hay sum) và quy tắc sử dụng trong từng mệnh đề hợp
thành (MIN hay PROD):
- Luật hợp thành max-PROD, nếu các hàm liên thuộc thành phần được
xác định theo quy tắc hợp thành PROD và phép hợp giữa các mệnh đề hợp thành
được
lấy theo luật max.
- Luật hợp thành max-MIN, nếu các hàm liên thuộc thành phần được xác
định theo quy tắc hợp thành MIN và phép hợp giữa các mệnh đề hợp thành

Số hóa bởi Trung tâm Học liệu

12
được
lấy theo luật max.
- Luật hợp thành sum-MIN, nếu các hàm liên thuộc thành phần

được
xác định
theo quy tắc hợp thành MIN và phép hợp
được
lấy theo công thức Lukasiewicz.
- Luật hợp thành sum-PROD, nếu các hàm liên thuộc thành phần
được
các định
theo quy tắc hợp thành PROD và phép hợp
được
lấy theo công thức Lukasiewicz.
- Tổng quát, ta xét thuật toán xây dựng luật hợp thành có nhiều mệnh đề
hợp thành. Xét luật hợp thành gồm p mệnh đề hợp thành:
R
1
: Nếu = A
1
Thì = B
1
hoặc
R
2
: Nếu = A
2
Thì = B
2
hoặc
. . .
R
P

: Nếu = A
P
, Thì = B
P

Trong đó các giá trị mờ A
1
, A
2
, , A
P
có cùng tập nền X và B
1
, B
2
, , B
P
có
cùng tập nền Y.














Hình 1. 3 - Hàm liên thuộc của luật hợp thành
(a) Hàm liên thuộc
A
(x)
và

B
(y).(b)
A B
(y) xác định theo quy tắc min.(c)
A B
(y) xác định theo quy
tắc

PROD.

Số hóa bởi Trung tâm Học liệu

13
T

Gọi hàm liên thuộc của A
k
và B
k
là
Ak
(x) và

Bk
(y) với k = 1, 2, , p.
Tổng quát lại, thuật toán triển khai R = R
1
R
2
R
P
sẽ
như
sau:

- Rời rạc hóa X tại n điểm x
1
, x
2
, , x
n
và Y tại m điểm y
1
, y
2
, ,
y
m.

- Xác định các vector
Ak
(x) và
Bk

(y), k = 1, 2, , p theo:
T
Ak
= (
Ak
(x
1
),
Ak
(x
21
), ,
Ak
(x
nl
)).
Bk
= (
Bk
(y
1
),
Bk
(y
21
), ,
Bk
(y
ml
)).


- Xác định mô hình cho luật điều khiển:
R
k
=
Ak
.
T
= r
ij
k
với i = 1, , n và j = 1, , m. (2.5)
Trong đó phép nhân
được
thay bằng phép tính lấy cực tiểu min
khi sử
dụng quy tắc hợp thành MIN.

- Xác định luật hợp thành
(2.6)
Từng mệnh đề nên được mô hình hoá thống nhất theo một quy tắc
chung, ví dụ hoặc theo quy tắc max-MIN hoặc theo max-PROD. Khi đó các luật
điều khiển R
k
sẽ có một tên chung là luật hợp thành max-MIN hoặc luật hợp
thành max-PROD. Tên chung này cũng sẽ là tên gọi của luật hợp thành R. Ngoài
ra, khi công thức xác định luật hợp thành R ở trên
được
thay bằng
công thức.

(2.7)
Thì ta sẽ có luật hợp thành sum-MIN và sum-PROD
tương
ứng.
Luật hợp thành sum-MIN và sum-PROD có tính thống kê hơn so với luật
hợp thành max-MIN và max-PROD vì nó tính đến mọi giá trị đầu ra của mọi mệnh
đề hợp thành R
k
.
c. Khâu giải mờ.
Bộ điểu khiển mờ tổng hợp
được như
trên
chưa
thể áp dụng
được
trong điều
khiển đối tượng, vì đầu ra luôn là một giá trị mờ B’. Một bộ điều khiển mờ hoàn
chỉnh phải có thêm khâu giải mờ. Khâu giải mờ, có nhiệm vụ chuyển đổi tập
mờ B’ thành một giá trị rõ y’ chấp nhận
được
cho đối tượng.

Số hóa bởi Trung tâm Học liệu

14
Giải mờ được định nghĩa như là sự ánh xạ (sự làm tương ứng) từ tập mờ B’
trong tập cơ sở V (thuộc tập số thực R; V R; đó là đầu ra của khối hợp thành và
suy luận mờ) thành giá trị rõ đầu ra y V. Như vậy nhiệm vụ của giải mờ là tìm
một điểm rõ y V làm đại diện tốt nhất cho tập mờ B’. Có ba điều lưu ý sau đây

lúc chọn phương pháp giải mờ:
- Tính hợp lý của kết quả: Điểm rõ y* V là điểm đại diện (cho “năng
lượng”) của tập mờ B’, điều này có thể cảm nhận trực giác tính hợp lý của kết quả
khi đã có hàm liên thuộc của tập mờ B’.
- Việc tính toán đơn giản. Đây là điều rất quan trọng để tính toán
nhanh, vì các bộ điều khiển mờ
thường
làm việc ở thời gian thực.
- Tính liên tục. Một sự thay đổi nhỏ trong tập mờ B’ chỉ làm thay đổi nhỏ
kết quả giải mờ, nghĩa là không gây ra thay đổi đột biến giá trị giải mờ y  V
.

Như
vậy giải mờ là quá trình xác định một giá trị rõ ở đầu ra theo hàm liên
thuộc hợp thành đã tìm
được
từ các luật hợp thành và điều kiện đầu vào. Có ba
phương pháp giải mờ
thường
dùng là
phương
pháp cực đại,
phương
pháp trọng
tâm và
phương
pháp trung bình tâm.
Giải mờ theo
phƣơng
pháp cực đại Gồm hai bước:

Bƣớc
1: Xác định miền chứa giá trị rõ đầu ra. Đó là miền G, mà giá trị rõ
đầu ra y’ có hàm liên thuộc đạt giá trị cực đại, nghĩa là:
G
y
Y
B
(
y)
max
Bƣớc
2: Xác định y’ có thể chấp nhận được từ G. Lúc này có 3 cách
tính:






Hình 1. 4 - Giải mờ bằng phƣơng pháp cực đại


Số hóa bởi Trung tâm Học liệu

15
Trong hình (hình 1.4) thì G là khoảng [y
1
, y
2
] của miền giá trị của tập

mờ
đầu ra B
2
của luật điều khiển R
2
.
Ba cách tính đó là: Nguyên lý cận trái, cận phải và trung bình. Ký hiệu y
1
,
y
2
là điểm cận trái và cận phải của G.
- Nguyên lý trung bình: Theo nguyên lý trung bình, giá trị rõ y’ sẽ là:
(2.8)






Hình 1. 5 - Giải mờ theo nguyên lý trung bình

- Nguyên lý cận trái: Giá trị rõ y’
được
lấy bằng cận trái y
1
của G.










Hình 1. 6 - Giải mờ theo nguyên lý cận trái

- Nguyên lý cận phải: Giá trị rõ y’
được
lấy bằng cận phải y
2
của G.