Điều khiển hồi tiếp ngõ ra nơron mờ thích nghi gián tiếp hệ cánh tay máy hai...
DESCRIPTION
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011Điều khiển hồi tiếp ngõ ra nơron mờ thích nghi gián tiếp hệ cánh tay máy hai khớp nối Indirect adaptive fuzzy neural output feedback control of two-link manipulator systemTS. Nguyễn Quang Vịnh, ThS. Trương Duy Trung, TS. Phan Tương Lai. Viện Khoa học và công nghệ quân sự e-Mail: [email protected];[email protected];[email protected] Tóm tắtTrong bài báo này, một bộ điều khiển hồi tiếp ngõ ra nơron mờ thích nghi giánTRANSCRIPT
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
Điều khiển hồi tiếp ngõ ra nơron mờ thích nghi gián tiếp
hệ cánh tay máy hai khớp nối
Indirect adaptive fuzzy neural output feedback control
of two-link manipulator system
TS. Nguyễn Quang Vịnh, ThS. Trương Duy Trung, TS. Phan Tương Lai.
Viện Khoa học và công nghệ quân sự
e-Mail: [email protected];[email protected];[email protected]
Tóm tắt Trong bài báo này, một bộ điều khiển hồi tiếp ngõ ra
nơron mờ thích nghi gián tiếp (IAFNOC) được đề
nghị cho một lớp hệ phi tuyến nhiều đầu vào, nhiều
đầu ra (MIMO), với điều kiện chỉ có ngõ ra hệ thống
đo lường được. Bộ điều khiển IAFNOC sử dụng mạng
nơron mờ Singleton để xấp xỉ các hàm rồi tính luật
điều khiển với thông số các hàm trong luật điều khiển
được chỉnh định trực tuyến. Kết quả mô phỏng minh
chứng cho tính hiệu quả của thuật toán đề nghị. So
sánh kết quả mô phỏng với các kết quả đã công bố
trên các tạp chí cho thấy dùng bộ điều khiển IAFNOC
cho hệ cánh tay máy hai khớp nối đạt chất lượng điều
khiển bám khá tốt.
Abtract In this paper, a indirect adaptive fuzzy neural output
feedback controller (IAFNOC) is proposed for a class
of uncertain MIMO nonlinear systems, with the
condition that only the system output is available for
measurement. The IAFNOC uses the fuzzy neural
network Singleton to approximate the functions and
then calculate the control law with on-line turning the
weighting factors of the function in the controller.
Simulation results demonstrate the effectiveness of the
proposed method. The comparison between the
simulation results and the results in other issued papers
shows that using the IAFNOC for two-link
manipulator system has good tracking control
performance.
Chữ viết tắt SISO single input – single output
MIMO multi input – multi output
IAFNOC Indirect adaptive fuzzy neural output
feedback controller
DAFNOC direct adaptive fuzzy neural output
feedback controller
1. Đặt vấn đề Trong thực tế, đa số các hệ thống có đặc tính động
thay đổi trong quá trình hoạt động do ảnh hưởng của
điều kiện làm việc, điều này làm cho mô hình toán
nhận dạng off-line không còn phản ảnh chính xác đặc
tính động với đối tượng đang hoạt động. Sai số giữa
mô hình và đặc tính động của đối tượng điều khiển ảnh
hưởng đến chất lượng và tính ổn định của hệ thống.
Xuất phát từ thực tế đó, các sơ đồ điều khiển thích
nghi đã được nghiên cứu và phát triển. Gần đây mạng
nơron và hệ mờ đã được ứng dụng rộng rãi trong điều
khiển thích nghi và đạt được những kết quả đáng kể.
Tác giả Y.G.Leu, T.T.Lee và W.Y.Wang [1] đề nghị
một sơ đồ điều khiển hồi tiếp ngõ ra cho hệ phi tuyến
SISO dùng bộ điều khiển nơron mờ thích nghi gián
tiếp. Tuy nhiên thực tế đa số các đối tượng điều khiển
đều là hệ MIMO. Trên cơ sở bài báo [1] và tham khảo
thuật toán điều khiển mờ thích nghi hồi tiếp ngõ ra cho
hệ phi tuyến MIMO của các bài báo [2], [3]. Tác giả
đã mở rộng thuật toán điều khiển hồi tiếp ngõ ra nơron
mờ thích nghi gián tiếp (IAFNOC) cho hệ phi tuyến
MIMO. Bộ điều khiển IAFNOC áp dụng cho các hệ
phi tuyến không chắc chắn trong điều kiện chỉ có ngõ
ra của hệ thống đo lường được hoặc chi phí cho việc
đo lường trạng thái rất lớn. Điểm mạnh của thuật toán
đề nghị là sử dụng mạng nơron mờ, cho phép dịch
chuyển khả năng tính toán và học ở mức thấp các
mạng nơrôn sang các hệ mờ và ngược lại có thể tích
hợp khả năng suy diễn dựa trên luật NẾU-THÌ ở mức
cao các hệ mờ sang mạng nơrôn với luật điều khiển
hồi tiếp ngõ ra và luật cập nhật được thực hiện on-line
cho hệ phi tuyến MIMO.
2. Điều khiển hồi tiếp ngõ ra nơron mờ
thích nghi gián tiếp Xét hệ thống phi tuyến MIMO [2] vuông p ngõ vào, p
ngõ ra, bậc n, có phương trình động học: .
0 [ ( ) ( ) ]
T
x A x B F x G x u d
y C x
(1)
Trong đó: . 0 01 02 0[ , ,..., ] nxn
pA diag A A A R .
1 2[ , ,..., ] nxp
pB diag B B B R
1 2[ , ,..., ] nxp
pC diag C C C R
1 2( ) [ ( ), ( ),..., ( )]T p
pF x f x f x f x R
..
1 2( ) [ ( ), ( ),..., ( )]T p
k k k pkG x g x g x k x R
Với 1k p được dùng trong toàn bài báo.
167
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
0
0 1 0 ... 0
0 0 1 ... 0
.. .. .. .. ..
0 0 0 0 0
kA ,
0
0
..
1
kB ’
1
0
..
1
kC
Ma trận ( )G x xác định dương thỏa 0( )G x Is với
0 0s
Trong đó 1 2[ , ,..., ]T p
pu u u u R là ngõ vào điều
khiển
Ngõ ra của hệ thống 1 2[ , ,..., ]T py y y y Rp
1 2[ , ,..., ]T pd d d d Rp là nhiễu ngoài
( )kf x và ( )kjg x (với , 1k j p ) là các hàm phi
tuyến trơn.Vector trạng thái
.. .
( 1 1) ( 1)
1 1 1[ , ,..., ,...., , ,..., ]n np T n
p p px y y y y y y R .
Xét những hệ thống chỉ đo lường được ngõ ra.
Vấn đề đặt ra là thiết kế bộ điều khiển IAFNOC sao
cho các ngõ ra của hệ thống 1 2[ , ,..., ]T
py y y y bám
theo tín hiệu mong muốn 1 2[ , ,..., ]T p
r r r rpy y y y R
Định nghĩa: ( ) ( 1) ( 2) ( )
1 1[ , ,..., ]m n n np T
r r r rpy y y y
.. .
( 1 1) ( 1)
1 1 1[ , ,..., ,...., , ,..., ]n np T n
r r r r rp rp rpY y y y y y y R .
re Y x ; ˆ ˆre Y x
. ( 1 1) ( 1)
1 1 1[ , ,..., ,...., , ,..., ]n np T n
p p pe e e e e e e R .
1 1 2 11 12 1[ , ,..., ] [ , ,..., ]T T p
p pE e e e E E E R
Với e và x là ước lượng của e và x.
Theo tiêu chuẩn Lyapunov và dựa trên tiếp cận tương
đương chắc chắn, luật điều khiển: * 1 ( ) ˆ( )[ ( ) ]m T
r cu G x F x y K e (2)
Với 1 2[ , ,..., ] ,nxp
c c c cpK diag K K K R trong đó
1 2[ , ,..., ] .knT
ck ck ck cknK K K K R Chọn Kc sao cho
0
T
k k k ckA A B K thỏa mãn tiêu chuẩn ổn định
Hurwitz (3)
Vì hệ thống (1) chỉ có ngõ ra y là đo lường được nên
luật điều khiển (2) không thể thực hiện. Luật điều
khiển IAFNOC được đề nghị: 1 ( )ˆ ˆˆ ˆ ˆ( )[ ( ) ]m T
r cu G x F x y K e v (4)
Với 1 2[ , ,..., ]T p
pv v v v R là thành phần để khử
nhiễu ngoài và sai số mô hình. ˆ ˆ( )G x và ˆ ˆ( )F x là ước
lượng của ( )G x và ( )F x .
Thiết kế bộ quan sát trạng thái [3]:
0 0 1 1
1
ˆˆ ˆ ˆ ( )
ˆ ˆ
T
c
T
e A e BK e K E E
E C e (5)
0 01 02 0[ , ,..., ] .nxp
pK diag K K K R Trong đó:
0 0 1 0 2 0[ , ,..., ] knT
k k k knK K K K R được chọn sao cho
0
T
ok k kA K C thỏa mãn tiêu chuẩn ổn định Hurwitz.(6)
Sai số bộ quan sát được định nghĩa: ˆe e e và
1 1 1ˆE E E
Khi đó từ (1) , (4) và (5) ta có:
0 0
1
ˆ ˆ( ) [ ( ) ( )
ˆ ˆ( ( ) ( )) ]
T
T
e A K C e B F x F x
G x G x u v d
E C e
(7)
Để tính ˆ ˆ( )G x và ˆ ˆ( ),F x giải thuật đề nghị sử dụng cấu
trúc của một bộ xấp xỉ nơron mờ
Cơ chế suy luận mờ sử dụng các luật mờ nếu
– thì để thực hiện ánh xạ từ vector ngôn ngữ
Vào 1 2ˆ ˆ ˆ ˆ[ , ,..., ]T n
nx x x x R Luật IF-THEN
thứ i ( 1,2,3...i h ) được viết:
Nếu 1x là 1
i
kA và. . .và ˆnx là i
knA thì yk là i
kB
Trong đó: 1 2, ...i i i
k k knA A A và i
kB là các tập mờ.
H.1. Cấu hình của bộ xấp xỉ nơron mờ
Sử dụng luật suy diễn max – prod, mờ hóa singleton
và giải mờ theo trung bình trọng tâm, ngõ ra của bộ
xấp xỉ nơron mờ được tính:
11
11
ˆ[ ( )]
ˆ( )
ˆ[ ( )]
ikj
ikj
h ni
k jAji T
k k kh n
jAji
u x
y x
x
m
q fm
(8)
Trong đó: 1 2, ,....., h h
k k k ku u u Rq là thông số có
thể điều chỉnh được. i
ku là điểm vạch mà tại đó 1ik
i
kBum
1 2ˆ( ) , ,...,k k k
Th h
k e Rj j j j là vector cơ sở mờ trong
đó k
ij được định nghĩa:
168
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
1
11
ˆ( )
ˆ)
ˆ[ ( )]
ikj
k
ikj
n
jAji
h n
jAji
x
x
x
m
jm
(9)
Khi này ta có:
ˆ ˆ( / ) ( )k k
T
k f f kf x xq q f ; ˆ ˆ( / ) ( )kj kj
T
kj g g kg x xq q f
11ˆ ˆˆ ˆ ˆ ˆ( / ) [ ( / ),..., ( / )]
p
T
F f p fF x f x f xq q q (10)
11 11 1 1
1 1
ˆ ˆ ˆ ˆ( / ) ... ( / )
. . .
ˆ ˆ( / ) . . .
. . .
ˆ ˆ ˆ ˆ( / ) ... ( / )
g p g p
G
p gp pp gpp
g x g x
G x
g x g x
q q
q
q q
(11)
Sai số động học bộ quan sát (7) được viết lại: *
0 0
*
0
1
ˆ ˆˆ ˆ( ) [ ( / ) ( / )
ˆ ˆˆ ˆ( ( / ) ( / )) ]
T
F F
G G
T
e A K C e B F x F x
G x G x u v w d
E C e
q q
q q (12)
Với * *
0ˆˆ ˆ ˆ( ( | θ ) ( )) ( ( | θ ) ( )).F Gw F x F x G x G x u là
sai số xấp xỉ bộ quan sát trạng thái.
Để dùng phương pháp thiết kế thực dương chặt (SPR)
Lyapunov, phương trình (12) được viết lại cho thành
phần thứ k:
1
1
ˆ( ) ( )[ ( )
ˆ( ) ]
k k k fk k
p
gkj j lk lk
j
E H s L s x
x u v w
q j
q j (13)
Trong đó: 1
0 0( ) ( ( ))T T
k k k k k kH s C sI A K C B
1ˆ ˆ( ) ( )[ ( )] h
k k kx L s x Rj f , 1( ).lk k kv L s v ;
1
1
ˆ ˆ ˆ( ) ( ) ( )( ( )
ˆ ( ) )
p
k fk k gkj k j k fk k
j
p
gkj k j
j
x x u L s x
x u
e q f q f q j
q j
0mk k kw w d ; k mk kw w e ; 1( )lk k kw L s w ,
* ,fk fk fkq q q *
gkj gkj gkjq q q
mkw và ke được giả sử thỏa: || ||mk kw h và
|| ||k ke b . Ơ đây kh và kb là các hằng số dương
( )kL s được chọn sao cho1( )kL s là hàm truyền chắc
chắn ổn định và ( ) ( )k kH s L s là hàm truyền SPR thích
hợp.
Luật cập nhật được chọn [1]:
1
1
1
1
ˆ( ), || θ ||
ˆ|| θ || ( ) 0θ
ˆ[ ( )], || θ ||
ˆ( ) 0
fk
fk
k fk
fk k k fk
T
fk k fk k
fk
f fk k k fk
T
k fk k
E m
m E
P E m
E
q
q
q
g j
q j
g j
q j
x
x
x
x
neáu hay
vaø
neáu
vaø
(14)
1 θ
θ 1
1 θ
1
ˆ( ) , || θ ||
ˆ|| θ || ( ) 0θ
ˆ[ ( ) ], || θ ||
ˆ( ) 0
gkj
gkj
kj gkj
gkj k k k gkj
T
gkj k gkj k k
gkj
g gkj k k k gkj
T
k gkj k k
E u m
m E u
P E u m
E u
g j
q j
g j
q j
x
x
x
x
neáu hay
vaø
neáu
vaø
(15)
Trong đó : 0fkg và 0gkjg là độ lợi thích nghi
mong muốn.
Toán tử chiếu []kf
P và []kjgP được cho bởi :
1
1 1 2
ˆθ ( )ˆ ˆ[ ( )] ( ) θ
|| θ ||k
T
k fk k
f fk k k fk k fk fk
fk
E xP E x E x
jg j g j g
1
1 1 2
ˆ( )ˆ ˆ[ ( ) ] ( )
|| ||kj
T
k gkj k k
g gkj k k k gkj k k k gkj gkj
gkj
E x uP E x u E x u
q jg j g j g q
q
Khi đó || θ ||fkfk mq , θ|| θ || ,
gkjgkj m || θ || 2fkfk mq
θ|| θ || 2gkjgkj m
Thành phần kn cho bởi:
1 1
1 1
1 1
0 | |
0 | |
/ | |
k k k k
k k k k k
k k k k k
E E
v E E
E E
r a
r a
r a a
neáu vaø
neáu vaø
neáu
(16)
Với ,k k k kr h b a là hằng số dương.
Định nghĩa hàm Lyapunov của hệ thống như
sau:.1
,p
k
k
V V . trong đó:
1
1 1 1
2 2 2
pT T T
k k k k fk fk gkj gkj
jfk gkj
V e P e q q q qg g
Với 0,T
k kP P đạo hàm Vk theo thời gian:
1
1 1 1 1
2 2 2 2
pT T T T
k k k k k k k fk fk gkj gkj
jfk gkj
V e P e e P e q q q qg g
Vì ( ) ( )k kH s L s là hàm truyền SPR nên tồn tại
0k
T
kQ Q sao cho sau khi biến đổi ta có:
1
1 1
1ˆ[ ( )
2
1 1ˆ ( ) ]
T
k k k k k fk k
p pT T
gkj k j lk lk fk fk gkj gkj
j jfk gkj
V e Q e E x
x u v w
q j
q j q q q qg g
Với các giả thiết và luật cập nhật ở trên ta có:
2
min 1
1( ) | |
2k k kV Q El
Nên 2
min 1
1 1
1( ) | |
2
p p
k k k
k k
V V Q El
Vì vậy hệ MIMO (1) ổn định theo Lyapunov.
Theo bổ đề Barlalat thì 1lim | ( ) | 0kt
E t [1] Bởi vì
0
T
k k ckA B K là ma trận Hurwitz và ( )ke t , ˆ ( )ke t bị
chặn. Mà ˆk k ke e e dẫn tới 1 ,k kE e L và
1 0kE khi .t Vậy với luật cập nhật (14), (15)
169
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
khi đó tất cả các tín hiệu của vòng lặp kín hệ thống bị
chặn và 1 0kE khi .t [3]
3. Ví dụ áp dụng 3.1 Mô tả hệ thống cánh tay máy hai khớp nối
Mô hình toán của hệ thống cho bởi [4]:
11 12 11 2 1 2 1 1 1
21 22 22 1 2 2 2
1 1
2 2
0
sgn( )
sgn( )
H H gh h h v
H H gh v
dk
k
q q q q q q
q q q q
q
q1 1
2 2d
t
t
Ngõ vào của hệ thống là các mô men xoay tại điểm nối
1t và 2t (N.m). Ngõ ra là góc quay của cánh tay tại
điểm nối 1q và 2q (Rad).
Đặt biến trạng thái: 1 1
x q , .3 2
x q Ngõ vào
1 1u t , 2 2.u t Ngõ ra 1 1y x , 2 3y x
Khi này có thể biểu diễn hệ thống dưới
dạng:
1 11 11 1
*
12 2 12 2
3 3 2 21 1
*4 4 22 2 2
( ) ( )0 1 0 0 0 0
( )0 0 0 0 1 0
0 0 0 1 0 0 ( ) ( )
0 0 0 0 0 1 ( )
f x g x ux x
g x u dx x
x x f x g x u
x x g x u d
1
1 2 3 4
2
1 0 0 0
0 0 1 0
Tyx x x x
y
Trong đó:
22 1 12 21
11 22 12 21
( )( )
( )
H M H Mf x
H H H H; *
1 1 11 2 12d d g d g
2211
11 22 12 21
( ) ;( )
Hg x
H H H H222211
*
2 gdgdd
1212
11 22 12 21
( )( )
Hg x
H H H H; )()( 1221 xgxg
2 2
22 2 2 2 3 2cH I m l m l ; 1122
11 22 12 21
( )( )
Hg x
H H H H
21 1 11 22
11 22 12 21
( )( )
( )
H M H Mf x
H H H H;
2 2 2
11 1 2 1 1 2 1 2 1 2 3
2 2
3 1 2 1 2 3
[ 2 cos( )]
[ 2 cos( )]
c c cH I I m l m l l l l x
m l l l l x
2 2
12 21 2 2 2 1 2 3 3 2 1 2 3[ cos( )] [ cos( )]c cH H I m l l l x m l l l x
1 2 1 2 3 4 2 4 1 1 1
2 2 1 3 1 1 1 2 1 2
sin( ) (2 ) cos( )
[ cos( ) cos( )] sgn( )
c c
c
M m l l x x x x m l g x
m g l x x l x v x k x
2
2 2 1 2 3 2 2 2 1 3
2 4 2 4
sin( ) cos( )
sgn( )
c cM m l l x x m gl x x
v x k x
Thông số vật lý của cánh tay máy mô phỏng được
chọn như bài báo [4]: m1 = m2 = 1 kg, l1 = l2 = 1 m, lc1
= lc2 = 0.5 m, I1 = I2 = 0.2 kg.m2, g = 9.81 m/s
2, v1 = v2
= 0.1, k1 = k2 = 0.1. Tín hiệu mong muốn được giả
thiết: 1 2 y cos( ) sin(t)T T
r ry t ,
nhiễu ngoài:
1 2 d 0.1sin(10 ) 0.1 cos(10t)T T
rd t
3.2 Giải thuật thiết kế
Bước 1: Theo (3) và (6) bằng phép thử sai chọn:
0
100 140 0 0
0 0 100 140
TK ; 8 4 0 0
0 0 8 4
T
cK
Bước 2: Trong (12) chọn 1 8r , 2 6r ,
1 2 0.005a a . Trong (11) chọn 4
1 16.10g
4
2 7.10 .g Chọn 1( ) 1/ ( 1)L s s
Bước 3: Xây dựng bộ quan sát (4), xác định véc tơ sai
số ước lượng.
Bước 4: Xây dựng các luật mờ cho )(ˆ te j với hàm
liên thuộc 1 2
ˆ ˆ ˆ( ) ( ) ( ).i i ij j j
j j jA A Ae e em m m
Tính ˆ( )i
k ef theo (9)
Bước 5: Thực hiện luật điều khiển (4) và luật cập nhật
(11).
3.3 Kết quả mô phỏng
Thông số cập nhật kq được khởi động ngẫu nhiên
trong các trường hợp mô phỏng. Điều kiện đầu
. 1 2 3 4 0.5 0 0.5 0T T
x x x x .
Trường hợp 1: Thay đổi khối lượng vật nặng m3 từ 0
lên 5 kg tại thời điểm 12 giây
H.2. Tín hiệu điều khiển và vật nặng m3
H.3. Đáp ứng vị trí cánh tay 1
Đáp ứng tại thời điểm thay đổi m3
170
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
H.4. Đáp ứng vị trí cánh tay 2
Trường hợp 2: Thay đổi các thông số của mô hình m1
= m2 = 1.3 kg; l1 = l2 = 1.3 m; lc1 = lc2 = 0.65 m; m3 từ
0 lên 3 kg tại thời điểm 12 giây. Nhiễu cộng ngõ ra
Uniform Random Number có biên độ 0.001
H.5. Đáp ứng vị trí cánh tay 1
H.6. Đáp ứng vị trí cánh tay 2
Từ kết quả hai trường hợp trên cho thấy các thông số
của mạng nơron mờ được cập nhật trực tuyến bảo
đảm hệ thống bám tốt.
Trường hợp 3: Khối lượng vật nặng m3 thay đổi như
bài báo [4]:
3
0 0 10
3 10 20
0 20 30
1 30 40
2 40 50
kg t
kg t
m kg t
kg t
kg t
p
p p
p p
p p
p p
neáu
neáu
neáu
neáu
neáu
Kết quả (hình 7) cho thấy sai số hệ thống ngay tại thời
điểm thay đổi m3 không lớn, khả năng thích nghi
tương đối nhanh.
H.7. Sai số hệ thống e=yr - y
4. Kết luận Bài báo đã mở rộng thuật toán IAFNOC cho hệ
phi tuyến MIMO có thể biểu diễn dưới dạng (1). Từ
mô hình toán của hệ thống cho thấy chiều dài của cánh
tay máy và khối lượng vật nặng tại điểm cuối cánh tay
có ảnh hưởng lớn đến mô men lực điều khiển, vì thế
để thấy rỏ khả năng thích nghi của bộ điều khiển tác
giả mở rộng so với [4] nhằm thay đổi thông số của đối
tượng trong trường hợp 1 với khối lượng vật nặng tăng
lên 5kg và trường hợp 2 với chiều dài cánh tay được
xét dài thêm 1,3 lần, khối lượng vật nặng tăng thêm 3
kg. Từ đáp ứng của hệ thống khi dùng bộ điều khiển
IAFNOC cho thấy: tại những thời điểm thay đổi khối
lượng vật nặng đáp ứng của hệ thống thay đổi tuy
nhiên với luật cập nhật on-line các thông số của mạng
trong bộ điều khiển, đáp ứng của hệ thống nhanh
chóng bám theo tín hiệu mong muốn. Qua các kết quả
mô phỏng, khi dùng bộ điều khiển IAFNOC cho đối
tượng có mô hình toán học khác [5] cho thấy hệ thống
đáp ứng tốt với các dạng tín hiệu đặt khác nhau và khả
năng thích nghi của hệ thống nhanh kể cả trong trường
hợp mở rộng tầm thay đổi thông số đối tượng so với
điều kiện khảo sát về đối tượng đã được công bố trên
tạp chí.
Thuật toán IAFNOC và DAFNOC [6] với luật cập
nhật on-line các thông số của mạng trong bộ điều
khiển cho thấy hệ thống điều khiển hồi tiếp ngõ ra
nơrôn mờ thích nghi có khả năng thích nghi nhanh và
đáp ứng tốt trong điều kiện thông số vật lý của cánh
tay máy thay đổi lớn. Ứng dụng công nghệ tính toán
10p 20p 30p 40p 50p
Đáp ứng tại thời điểm thay đổi m3
171
Hội nghị toàn quốc về Điều khiển và Tự động hoá - VCCA-2011
VCCA-2011
mềm chỉnh định on-line thông số và cấu trúc mạng để
điều khiển nhiều đối tượng khác nhau là hướng nghiên
cứu mở rộng đề tài của tác giả.
Tài liệu tham khảo [1] Y.G.Leu.; T.T.Lee.; W.Y.Wang.: Observer -
Based Adaptive Fuzzy – Neural Control for
Unkown NonlinearDynamical Systems. IEEE
Trans, vol. 29, No. 5 October (1999)
[2] T.Shaocheng.; C.Bin.; W.Yongfu.: Fuzzy
adaptive output feedback control for MIMO
nonlinear systems. Fuzzy Set and Systems 285 –
299 156 (2005)
[3] .X.Li.; Saocheng Tong.: Hybrid Adaptive Fuzzy
Control for A Class of Nonlinear MIMO
Systems. IEEE Trans, Vol.11, No.1, February
(2003).
[4] C.Y.Lee.; J.J.Lee.: Adaptive Control of Robot
Manipulators Using Multiple Neural Networks.
Proceedings of the 2003 IEEE. International
Conference on Robotics & Automation Taipei,
Taiwan, September 14-19, (2003)
[5] Trương Duy Trung.: Điều khiển nơron mờ thích
nghi hệ phi tuyến. Luận văn cao học – Đại học
Bách khoa – Đại học quốc gia thành phố Hồ Chí
Minh.
[6] Nguyễn Quang Vịnh, Trương Duy Trung.: Điều
khiển hồi tiếp ngõ ra nơron mờ thích nghi trực
tiếp hệ cánh tay hai khớp nối. Tạp chí Nghiên
cứu khoa học và công nghệ quân sự, Viện Khoa
học và công nghệ quân sự, đặc san số 9-2011,
tr.93-101.
Author’s bibliography
Nguyen Quang Vinh was born in
1976 in Thai Binh, Vietnam. He
works at Academy of military
sciences and technologies as the
chief of the department of radio
electronic. In 1997, being a student
of Academy of military techniques,
he won the first prize in the
Vietnamese national competition of scientific technical
creation(VIFOTEC), the second and third prize in
Vienamese National Mathematical Olympiad. He got
PhD degree in Russia, at Moscow state technical
university named after Bauman, in 2006. He has taken
part in many scientific projects, for example:
researching and applying of the control software,
designing and installing of parallel systems for
processing information in automatic systems
accompanying flying objects, constructing of the
project and technical theoretical factual foundations
for fire-power antiaircraft complexes with small height
to intercept Tomahawk rocket, etc. Besides he has 15
publications in prestigious international journals in the
fields of nonlinear control, modelling, the inertial
navigation system, adaptive control, control systems in
aeronautics.
Trung Truong Duy was born in
Quang Binh Province, in 1976. He
received the degree of Engineer in
Electricity-Electronics at Navy
Institute in 2001, the M.E degree at
University of Technology in 2008.
He works at Navy Technology
School as the head of the theory
department. His research interest
includes fuzzy neural control theory, nonlinear
adaptive control, and intelligent control. Currently, he
is a PhD student at Academy of military sciences and
technologies, and doing research on the control of
Autonomous Underwater Vehicles using Inertial
Navigation System.
172