tập 110, số 10, 2013

HOGNGHE

I

AND TECHNOLOGY

lltt

TU NHIEN I KY THUAI

EE TEEHNOTOEY

Tạp chí Khoa học và Công nghệ

CHUYÊN SAN KHOA HỌC TỰ NHIÊN – KỸ THUẬT

Mục lục Trang

Đào Thị Thu, Lê Thu Trang, Trần Văn Định - Hướng tiếp cận sử dụng mạng nơron nhân tạo kết hợp xây dựng số

hạng leo đồi giải quyết lớp bài toán tối ưu 3

Phạm Thị Hường, Nguyễn Thành Trung - Ứng dụng mạng nơ-ron thích nghi mờ ANFIS dự báo chỉ số chứng

khoán VNindex 9

Hoàng Đức Quỳnh, Nguyễn Doãn Phước - Xây dựng mô hình phi tuyến cho hệ điều khiển mức - nhiệt độ và phân

tích hệ thống 15

Nguyễn Thị Việt Hương, Đào Phương Nam, Nguyễn Doãn Phước - Mô hình hóa và mô phỏng có sử dụng bộ quan

sát trạng thái trong hệ cần cẩu treo 27

Hoàng Thị Thương, Vũ Thị Oanh - Sự kết hợp giữa thiết bị logic khả trình và giao diện người – máy (HMI) trong

việc điều khiển và giám sát hệ thống máy chiết bia 37

Mai Trung Thái, Nguyễn Thị Mai Hương - Điều khiển tối ưu cho một hệ có tham số phân bố sử dụng phương pháp

Gradient 45

Hà Thanh Tùng, Phạm Thị Hồng Anh - Một phương pháp nâng cao độ tin cậy lưới điện phân phối thành phố Thái

Nguyên sử dụng các thiết bị tự động hóa DAS (Distribution Automatinon System) 53

Phạm Thị Ngọc Dung, Hà Thanh Tùng - Kiểm toán năng lượng và sử dụng năng lượng hiệu quả trong tòa nhà cao

tầng công ty TNHH Khoa học & Quản lý Việt Nam (SMC) 59

Phạm Việt Bình, Nguyễn Văn Huân, Vũ Xuân Nam, Lê Anh Tú - Một phương pháp phân tích và dự báo sản lượng

chè tỉnh Thái Nguyên 65

Trần Viết Khanh, Lê Minh Hải, Nguyễn Lê Duy - Ứng dụng hệ thông tin địa lý xây dựng bản đồ phân bố không

gian online 71

Hà Anh Tuấn, Trương Thành Nam, Hoàng Văn Hùng, VươngVân Huyền, Ma Thị Trang - Nghiên cứu xây dựng cơ sở

dữ liệu phân tầng địa hình huyện Định Hóa - tỉnh Thái Nguyên từ hệ thống dữ liệu độ cao toàn thế giới ASTER GDEM 79

Phạm Ngọc Phương, Nguyễn Văn Tam - Xây dựng hệ thống giám sát môi trường tại các trung tâm tích hợp dữ liệu 89

- Một cách tiếp cận xây dựng thí nghiệm trong thực tại ảo 95

Ngô Mạnh Tưởng, Đàm Thanh Phương, Nguyễn Tuấn Linh - Một số ứng dụng của đại số tuyến tính trong khai

phá dữ liệu 101

Bùi Văn Chung, Đỗ Thị Mai, Lê Thị Thu Huyền - Điều khiển mô hình nội thích nghi mô hình nhận dạng online 109

Vũ Khánh Quý, Nguyễn Chiến Trinh, Hồ Khánh Lâm - Chuyển giao trong hệ thống mạng WLAN\LTE dựa trên

giao thức IEEE 802.21 115

Vũ Xuân Nam, Nguyễn Văn Huân, Trương Văn Tú - Ứng dụng phép phân tích hồi quy đa biến trong kiểm định

yếu tố quyết định hành vi chia sẻ tri thức của người lao động trong doanh nghiệp Việt Nam 123

Hà Thị Thanh, Tô Hữu Nguyên, Nguyễn Hồng Tân, Nguyễn Văn Việt, Nguyễn Lan Oanh - Ứng dụng giải thuật

di truyền vào sinh testcase hiệu quả 131

Vũ Thị Thu Huyền - Một cách tiếp cận trong nhập phiếu điểm tự động 137

Nguyễn Anh Tuấn - Ứng dụng thuật toán MSA cho mã LDPC 143

Journal of Science and Technology

110(10)

Năm 2013

Tạp chí Khoa học và Công nghệ

NATURAL SCIENCE – TECHNOLOGY

Content Page

Dao Thi Thu, Le Thu Trang, Tran Van Dinh - On the approach of using combined artificial neural networks for

determining hill - climbing terms to solve optimization problems 3

Pham Thi Huong, Nguyen Thanh Trung - Applying adaptive neuro fuzzy inference system to forecast Vn-

index 9

Hoang Duc Quynh, Nguyen Doan Phuoc - Nonlinear modelling of level-temperature control system and analysis

of system 15

Nguyen Thi Viet Huong, Dao Phuong Nam, Nguyen Doan Phuoc - Modelling and using state observer in

simulation for gantry crane 27

Hoang Thi Thuong, Vu Thi Oanh - The coordination of the programmable logic controller and human machine

interface (HMI) in control and monitor beer filling systems 37

Mai Trung Thai, Nguyen Thi Mai Huong - Optimal control of a class of distributed parameter systems using Gradient

methods 45

Ha Thanh Tung, Pham Thi Hong Anh - A method improve the reliability Thai nguyen’s power distribution

system use of automation equipment (distribution system automatinon) 53

Pham Thi Ngoc Dung, Ha Thanh Tung - Energy audits and energy and efficience in buildings & Science Co., Ltd

Vietnam Administration (SMC) 59

Phạm Viet Binh, Nguyen Van Huan, Vu Xuan Nam, Le Anh Tu - A solution to forecast and analyse tea-

production in Thainguyen province 70

Tran Viet Khanh, Le Minh Hai, Nguyen Le Duy - Application of geographical information system in mapping

online spatial distribution 71

Ha Anh Tuan, Truong Thanh Nam, Hoang Van Hung, Vuong Van Huyen, Ma Thi Trang - A study of building

stratified topographic database, 1:50.000 scales topographic map in Dinh Hoa – Thai Nguyen province from the

ASTER GDEM global height database system 79

Pham Ngoc Phuong, Nguyen Van Tam - Designing an environment - monitoring system at data centers 89

Quan Thi Vui, Nguyen Thi Diep Hong - An approach to the construction laboratory virtual reality 95

Ngo Manh Tuong, Dam Thanh Phuong, Nguyen Tuan Linh - Some applications of linear algebra in data mining 101

Bui Van Chung, Do Thi Mai, Le Thi Thu Huyen - Internal model control for adapting with identification model

online 109

Vu Khanh Quy, Nguyen Chien Trinh, Ho Khanh Lam - Handover in LTE/WLAN internetwork based on IEEE

802.21 protocol 115

Vu Xuan Nam, Nguyen Van Huan, Truong Van Tu - Determinants of knowledge sharing behavior among

employees in Vietnamese enterprises 123

Ha Thi Thanh, To Huu Nguyen, Nguyen Hong Tan, Nguyen Van Viet, Nguyen Lan Oanh - The application of

genetic algorithm to effectively generate test case 131

Vu Thi Thu Huyen - An approach to the entering scores automatically 137

Nguyen Anh Tuan - Application MSA algorithm for LDPC cod 143

Journal of Science and Technology

110(10)

2013

Đào Thị Thu và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 3 - 7

3

HƢỚNG TIẾP CẬN SỬ DỤNG MẠNG NƠRON NHÂN TẠO KẾT HỢP

XÂY DỰNG SỐ HẠNG LEO ĐỒI GIẢI QUYẾT LỚP BÀI TOÁN TỐI ƢU

Đào Thị Thu

*, Lê Thu Trang, Trần Văn Định

Trường ĐH Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên

TÓM TẮT Mạng nơron nhân tạo đã đƣợc nghiên cứu để giải quyết rất nhiều lớp bài toán trong đó có lớp bài

toán tối ƣu, bài toán xếp hậu là một bài toán tối ƣu điển hình, đây là một bài toán dễ dàng mô tả

nhƣng lại không dễ để giải nó một cách hiệu quả. Kích cỡ nghiệm của không gian nghiệm có độ

phức tạp hàm mũ NN

sẽ tạo một sự bùng nổ về tổ hợp, gây khó khăn trong quá trình giải quyết.

Trong bài báo này nhóm chúng tôi trình bày kết quả nghiên cứu của mình về việc ứng dụng mạng

nơron nhân tạo kết hợp xây dựng số hạng leo đồi để giải quyết bài toán xếp hậu.

Từ khóa: Mạng nơron, xếp hậu, tối ưu, leo đồi.

GIỚI THIỆU

Trong những năm gần đây ở nƣớc ta mạng

nơron nhân tạo đã đƣợc nghiên cứu sâu và

rộng hơn, với ƣu điểm của mạng nơron là khả

năng xử lý song song và chấp nhận lỗi nên nó

đƣợc ứng dụng trong rất nhiều lĩnh vực nhƣ:

bài toán phân lớp, bài toán xấp xỉ, bài toán

nhận dạng… đặc biệt là những ứng dụng của

mạng nơron để giải quyết lớp bài toán tối ƣu.

Rất nhiều bài toán tối ƣu thuộc lớp NPC là

bài toán có độ phức tạp lớn (hàm mũ, giai

thừa), vì vậy hiện nay ở nƣớc ta có nhiều

nghiên cứu về hƣớng tiếp cận giải quyết bài

toán thuộc lớp này, trong đó có hƣớng tiếp

cận sử dụng mạng nơron nhân tạo và thu đƣợc

những kết quả đáng kể.

Những đóng góp của chúng tôi trong bài báo

này bao gồm:

Giới thiệu mô hình mạng nơron nhân tạo

Hopfield.

Sử dụng mạng nơron hồi quy Hopfield giải

quyết bài toán tối ƣu, cụ thể là bài toán xếp

hậu.

Phần còn lại của bài báo đƣợc trình bày theo

cấu trúc nhƣ sau: Phần 2 trình bày về mô hình

mạng nơron Hopfield, phần 3 trình bày về

ứng dụng của mạng nơron Hopfield để giải

bài toán Xếp hậu. Phần 4 trình bày về kết quả

thực nghiệm. Kết luận và hƣớng nghiên cứu

tiếp theo đƣợc trình bày trong phần 6.

Tel: 0912342000

MÔ HÌNH MẠNG NƠRON HOPFIELD

Mạng hồi quy là mạng mà tín hiệu ra của một

nơ-ron có thể truyền ngƣợc lại làm tín hiệu

đầu vào cho các nơ-ron ở các lớp trƣớc, hoặc

các nơ-ron trong cùng một lớp.

Mạng Hopfield là mô hình mạng tiêu biểu

thuộc lớp mạng hồi quy. Trong công trình

nghiên cứu về mạng Hopfiled ngƣời ta đã tìm

ra đƣợc rất nhiều ứng dụng, đặc biệt là bộ nhớ

liên kết và trong các bài toán tối ƣu.

Mạng Hopfield đƣợc xây dựng dƣới dạng một

lớp, mỗi nơ-ron đƣợc truyền ngƣợc lại làm tín

hiệu đầu vào cho các nơ-ron khác nhƣng bản

thân các nơ-ron không tự liên kết với chính

nó. Khi đó mô hình mạng Hopfield đƣợc biểu

diễn nhƣ hình 1.

Kí hiệu Wij là liên kết giữa hai nơron i và j

(Wij = Wji), Vi là đầu ra của nơron i. Ta coi

véc tơ (V1, V2,…., Vn) là trạng thái của

mạng. Tại mỗi thời điểm t mỗi nơron i tổng

hợp các tín hiệu Vj từ các nơron khác và

ngƣỡng kích hoạt:

Tùy theo hàm kích hoạt fi mà nơron i cho đầu ra là:

Mạng đạt trạng thái cân bằng nếu:

Vi (t+1) = Vi (t)


4

Ta định nghĩa hàm năng lƣợng của mạng là:

Tùy theo phƣơng thức hoạt động của mạng mà

ngƣời ta phân mạng Hopfield ra thành mạng

Hopfield rời rạc và mạng Hopfiled liên tục.

Hình 1. Mô hình mạng nơron Hopfield

SỬ DỤNG MẠNG HOPFIELD GIẢI

QUYẾT BÀI TOÁN XẾP HẬU

Bài toán xếp hậu

Cần đặt tám quân hậu trên bàn cờ vua kích

thƣớc 8×8 sao cho không có quân hậu nào có

thể "ăn" đƣợc quân hậu khác. Mầu của các

quân hậu không có ý nghĩa trong bài toán này.

Nhƣ vậy, lời giải của bài toán là một cách xếp

tám quân hậu trên bàn cờ sao cho không có

hai quân nào đứng trên cùng hàng, hoặc cùng

cột hoặc cùng đƣờng chéo. Bài toán tám quân

hậu có thể tổng quát hóa thành bài toán đặt n

quân hậu trên bàn cờ n×n(n ≥ 4), bài toán

không có nghiệm cho n=2,3.

Những giải thuật xung quanh bài toán:

Về mặt thuật toán, nếu tách riêng bài toán

này, thì nó không thực sự quá quan trọng. Tuy

nhiên, bài toán thƣờng đƣợc coi nhƣ là một

phép thử cho các phƣơng pháp tối ƣu - có rất

nhiều các giải pháp cho vấn đề này trên trang

web, nhƣng chỉ có số ít là cho lời giải trong

thời gian nhanh. Cũng chính vì sự lý thú của

bài toán mà trong ngành khoa học máy tính

nó đƣợc nghiên cứu rất đa dạng với nhiều

thuật toán kỹ thuật tìm kiếm đƣợc sử dụng để

tăng tốc độ cho bài toán: tìm kiếm quay lui

(backtracking), nhánh cận (Branch and

Bound), tìm kiếm theo chiều sâu với

Heuristic, thuật toán tiến hóa (Genetic

Programming) hay dùng mạng nơron.

Hơn thế nữa, trong khi giải bài toán này,

ngƣời ta còn gặp một loạt các vấn đề đã đƣợc

toán học quan tâm từ lâu nhƣ hình vuông kỳ

ảo (magic squares), hình vuông Latin (Latin

squares)...

Với mong muốn bổ sung thêm những điều thú

vị xung quanh bài toán này, chúng tôi xin

trình bày phƣơng pháp giải quyết bài toán xếp

hậu sử dụng mạng nơron nhân tạo.

Mạng Hopfield và bài toán xếp hậu

Để xây dựng mạng nơron cho bài toán xếp

hậu trƣớc hết ta cần xác định số nơron cần

thiết hoc mạng.

Gán cho mỗi ô trên bàn cờ một nơron (i,j) với

đầu ra là Vij. Nhƣ vậy ta cần một mảng gồm

NxN nơron đại diện cho bàn cờ NxN ô. Vij =

0 có nghĩa là không tìm thấy quân hậu trên

dòng i cột j,

Ví dụ: V33 = 1 có nghĩa là quân hậu nằm trên

dòng 3 cột 3 của bàn cờ. Khi đó ta thấy các

đƣờng chéo, ngang, dọc tƣơng ứng cho quân

hậu nhƣ hình vẽ sẽ không tìm thấy quân hậu

nào khác.

Hình 2. Trường hợp quân hậu được đặt trên hàng

3 cột 3

Ánh xạ bài toán lên mạng nơron Hopfield

Mạng Hopfield sẽ đạt tới trạng thái cân bằng

khi năng lƣợng của nó đạt tới giá trị cực tiểu.

Vì vậy, từ bài toán cho trƣớc ta xây dựng một

hàm mục tiêu F nào đó (đã đƣợc xử lý các

ràng buộc) và đặt F = E (E là hàm năng

lƣợng), sau đó tìm mối liên hệ giữa các biến

của chúng.

Ta đƣa vào biến Vij , (i,j=1..N), đƣợc xác định

nhƣ sau:


5

Nhƣ vậy cần tất cả NxN nơron. Khi đó bài

toán đăt ra là xác định các Vij thỏa mãn các

ràng buộc sau:

(1)

(Mỗi hàng chỉ đƣợc đặt một quân hậu)

(2)

(Mỗi cột chỉ đƣợc đặt quân hậu)

(3)

(4)

(Không có quân hậu nằm trên đƣờng chéo đi

qua ô (i,j) không kể ô (i,j))

Do tính chất nhị phân của Vij, hai ràng buộc

cuối có thể viết nhƣ sau:

Vì biểu thức ở vế trái là không âm và giá trị

nhỏ nhất của nó là 0 nên bài toán thỏa mãn

ràng buộc (1), (2), (3), (4) ở trên có thể phát

biểu dƣới dạng bài toán tối ƣu hóa:

Với các ràng buộc:

Bài toán tối ƣu có ràng buộc trên đƣa đƣợc về

bài toán tối ƣu không ràng buộc. Tìm Vij

thuộc (0,1) sao cho:

Trong đó A, B là các hệ số dƣơng đủ lớn.

Mô hình nơron cho bài toán tối ƣu trên

Đối với mỗi ô (i,j) ta cần một nơron với đầu

ra là Vij. Khi đó phƣơng trình động học của

nơron (i,j) sẽ là:

Khi giải bài toán tối ƣu tổ hợp với mạng

Hopfield ta thiết kế hàm năng lƣơng để đƣa ra

nghiệm của bài toán khi năng lƣợng đạt tới

trạng thái thấp nhất. Tuy nhiên thƣờng không

thu đƣợc nghiệm tối ƣu toàn cục (có xu

hƣớng rơi vào cực tiểu địa phƣơng). Trong

trƣờng hợp rơi vào cực tiểu địa phƣơng số

quân hậu khi thu đƣợc ở kết quả luôn luôn

nhỏ hơn N.

Ví dụ: Với bài toán Xếp hậu (n=6) ta chỉ thu

đƣợc kết quả là 5 quân hậu đƣợc xếp trên bàn

cờ và trên dòng 4 cột 2 thiếu một quân hậu

không đƣơc xếp:

Hình 3. Trường hợp rơi vào cực tiểu địa phương

Để khắc phục điều này với bài toán N-Queen ngƣời ta xây dựng một số hạng h(x) gọi là số hạng leo đồi để đƣa trực tiếp vào phƣơng trình động học cho phép trạng thái của hệ thống thoát khỏi cực tiểu địa phƣơng và hội tụ tới cực tiểu cục bộ. Hàm h(x) đƣợc định nghĩa nhƣ sau:

Khi đó phƣơng trình động học của nơron ij có

dạng:


6

Ở đậy C là hằng số. Hàm leo đồi chỉ thực sự

kích hoạt khi tất cả Vik = 0 và Vkj = 0. Số hạng

leo đồi cho phép hệ thống thoát khỏi cực tiểu

địa phƣơng và tiến dần tới cực tiểu toàn cục.

THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ

Phƣơng trình động học chính là phƣơng trình

vi phân. Để giải nó, ta sử dụng phƣơng pháp

Euler cấp một là phƣơng pháp đơn giản nhất

trong phƣơng pháp số.

Chƣơng trình thử nghiệm với 2 bài toán sau:

Bài toán 1: Xếp 8 quân hậu trên bàn cờ 8x8 ô

Để giải bài toán trên cần tất cả 8x8 = 64

nơron, dựa vào thuật toán, ta xây dựng

chƣơng trình với những hệ số đƣợc thiết lập

ban đầu là: A = 4, B = 4, C = 2, giá trị khởi

tạo ban đầu Uij là những số nhỏ hơn hoặc

bằng 0.

Với bài toán 8 hậu , thuật toán hội tụ sau 7

lần lặp:

Kết quả sau khi chạy chƣơng trình là:

Khi đó 8 quân hậu đƣợc sắp xếp trên bàn cờ

nhƣ hình dƣới sau:

Bài toán 2: Xếp 11 quân hậu trên bàn cờ

11x11 ô. Trong trƣờng hợp này, thay đổi hệ

số phạt nhƣ sau: A = 1, B = 1, C = 2. Thuật

toán hội tụ sau 12 lần lặp. Kết quả ma trận

đầu ra là:

Ứng với ma trận đầu ra trên thì cách xếp 11

quân hậu trên bàn cờ 11x11 ô nhƣ sau:

Thử với một vài trƣờng hợp khác ta có kết

quả thể hiện trên bảng sau:

Bảng 1. Kết quả thử với các trường hợp khác

STT

Số ô

trên

bàn

cờ

Hệ số phạt Số

lần

lặp

Đánh

giá A B C

1 8x8 4 4 2 7 Tốt

2 11x11 1 1 2 12 Tốt

3 20x20 4 4 2 25 Tốt

4 30x30 4 4 1 32 Tốt

KẾT LUẬN

Qua bài báo chúng tôi đã trình bày một hƣớng

tiếp cận giải quyêt bài toán tối ƣu, cụ thể là

bài toán Xếp hậu sử dụng mạng nơron hồi

quy đó là mạng Hopfield. Chúng tôi đã tiến

hành ánh xạ bài toán lên mạng nơron nhân

tạo, cài đặt thử nghiệm và kết quả cho thấy

hƣớng tiếp cận đã đề xuất là khả thi, so sánh

với khi bỏ số hạng leo đồi ta thấy trong

trƣờng hợp có số hạng leo đồi kết quả hội tụ

nhanh hơn rất nhiều và ít khi rơi vào cực tiểu

địa phƣơng. Tốc độ hội tụ của mạng hầu nhƣ


7

không bị ảnh hƣởng bởi cỡ của bài toán.

Trong quá trình sử dụng khi cỡ của bài toán

lớn hoặc lẻ để tránh rơi vào cực tiểu địa

phƣơng nên thay đổi hệ số phạt cho phù hợp.

Để đảm bảo cho việc hội tụ đến toàn cục của

mạng nơron khi giải các bài toán tối ƣu,

chúng tôi dự định một số hƣớng nghiên cứu

tiếp theo trong thời gian tới là kết hợp mạng

nơron với giải thuật di truyền, xác định các hệ

số phạt bằng việc đƣa điều khiển mờ vào để

điều chỉnh.

TÀI LIỆU THAM KHẢO

[1]. Đặng Quang Á, “Một cách nhìn về việc sử

dụng mạng Hopfield giả bài toán thỏa mãn ràng

buộc”, báo cáo tại hội thảo quốc gia

[2]. Bùi Công Cƣờng, Nguyễn Doãn Phƣớc, 2001.

Hệ mờ, mạng nơron và ứng dụng. Nxb Khoa học

và Kỹ thuật

[3]. Hồ Thuần, Đặng Thanh Hà, 2002. Logic mờ

và ứng dụng. Nxb Đại học Quốc gia Hà Nội

[4].Vũ Nhƣ Lân, 2001. Điều khiển sử dụng logic

mờ mạng nơron và đại số gia tử. Nxb Khoa học và

kỹ thuật

[5]. Lê Minh Trung. Giáo trình mạng Noron nhân

tạo. Nxb Thống kê

[6]. Iu. G. Evtushenko, 1982. Numerical methods

for extremal problems and their applications in

optimization systems. Nauka, Moscow

[7] Martin, T.Hagan, 2002. Neural Network

Design

[8]. Y. Uesaka, Mathematical aspects of neuron-

dynamics for combinatorial optimization, In book

“Artificial neural networks”, Proc. of the 1991

Inter”

[9]. LiMin Fu, 1994. Neural Network in Computer

Intelligence. Mc. Graw Hill

SUMMARY

ON THE APPROACH OF USING COMBINED ARTIFICIAL NEURAL

NETWORKS FOR DETERMINING HILL-CLIMBING TERMS TO SOLVE

OPTIMIZATION PROBLEMS

Dao Thi Thu , Le Thu Trang, Tran Van Dinh College of Information and Communication Technology – TNU

Artificial Neural Networks have been studied to solve classes of problems including optimization

problems. Among optimization problems, 8-queen problem is a typical one and this problem is

easy to illustrate but difficult to be solved efficiently. The size of the solution space has the

complexity of Nn would create an explosive increase of the combinations resulting in difficulties in

solving the problem. In this paper, the authors present the results from the application of combined

artificial neural networks for determining hill-climbing terms for solving the 8-queen problem.

Keywords: Neural network , N-Queen, optimization, hill climbing.

Ngày nhận bài: 03/9/2013; Ngày phản biện:03/10/2013; Ngày duyệt đăng: 08/11/2013

Phản biện khoa học: TS. Vũ Vinh Quang – Trường ĐH Công nghệ thông tin & TT - ĐHTN

Tel: 0912342000


8

Phạm Thị Hƣờng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 9 - 13

9

ỨNG DỤNG MẠNG NƠ-RON THÍCH NGHI MỜ ANFIS

DỰ BÁO CHỈ SỐ CHỨNG KHOÁN VNINDEX

Phạm Thị Hƣờng*, Nguyễn Thành Trung

Trường ĐH Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên

TÓM TẮT Thị trƣờng chứng khoán Việt Nam mở cửa cách đây 13 năm; kể từ đó bài toán phân tích, dự báo

chỉ số chứng khoán tài chính đƣợc nhiều ngƣời quan tâm. Các phƣơng pháp phân tích truyền thống

gồm phân tích cơ bản và phân tích kỹ thuật. Phân tích cơ bản nhằm vào các chỉ số hoạt động của

các công ty đăng ký cổ phiếu nhằm mục đích chọn ra một chứng khoán thích hợp cho mua hoặc

bán. Phân tích kỹ thuật chú ý tới biến đổi giá cả và khối lƣợng giao dịch nhằm xác định thời điểm

đầu tƣ thích hợp vào chứng khoán. Có nhiều mô hình có thể sử dụng để dự báo. Trong bài báo này

mô hình mạng ANFIS đƣợc sử dụng để dự báo giá mở của chỉ số VNINDEX ngày kế tiếp dựa

trên các dữ liệu quá khứ. Thực nghiệm cho thấy kết quả dự đoán sử dụng mạng ANFIS có độ

chính xác chấp nhận đƣợc trong thực tế.

Từ khóa: Dự báo chứng khoán, Mạng ANFIS trong bài toán dự báo, Logic mờ.

GIỚI THIỆU

Trong một ngày giao dịch của thị trƣờng

chứng khoán vấn đề xác định giá mở cửa

(Open Price) rất quan trọng đối với trung tâm

giao dịch chứng khoán và nhà đầu tƣ chứng

khoán (mua bán cổ phiếu). Trong phân tích

dự báo chứng khoán, giá mở cửa (Open Price)

đƣợc thực hiện nhƣ sau:

Khớp giá định kỳ: Khớp giá trƣớc giờ mở cửa

Trƣớc giờ mở cửa, sau khi tập hợp các lệnh

bán và lệnh mua (với giá chào mua và giá

chào bán khác nhau, khối lƣợng mong muốn

giao dịch khác nhau) và xác định giá mở cửa

là giá mà tại đó khối lƣợng chứng khoán giao

dịch đƣợc là lớn nhất. Giá này thỏa mãn nhu

cầu của ngƣời đặt lệnh, nghĩa là không ai phải

bán rẻ hơn giá chào bán của mình, không ai

phải mua đắt hơn giá chào mua của mình.

Quá trình này gọi là khớp giá.

Giá tham chiếu:

Ngoài ra, giá đóng cửa (Close Price) của thị

trƣờng chứng khoán ngày hôm trƣớc sẽ đƣợc

tham chiếu để xác định giá mở cửa (Open Price)

ngày hôm sau, tham chiếu ở đây là mang tính

gián tiếp vì ngƣời thực hiện việc tham chiếu này

là ngƣời đặt lệnh mua và bán, cách khớp giá để

tìm ra giá mở cửa là khớp lệnh định kỳ, còn từ

đó về sau là khớp giá liên tục.

Tel: 0978961395; Email: [email protected]

Giá đóng cửa ngày hôm trƣớc rất quan trọng

để xác định giá mở cửa ngày hôm sau, tuy

nhiên thông thƣờng hai giá trị này khác nhau,

vì vậy xây dựng mô hình dự báo giá mở cửa

của thị trƣờng chứng khoán là vấn đề cần

đƣợc giải quyết. Bài báo này đƣa ra mô hình

dự báo giá mở cửa của thị trƣờng chứng

khoán sử dụng mạng ANFIS. Bài báo gồm 5

phần: phần 1 giới thiệu chung, phần 2 trình

bày về cấu trúc mạng ANFIS, phần 3 đề cập

tới các thuật toán huấn luyện mạng để huấn

luyện dữ liệu , phần 4 đƣa ra các kết quả thực

nghiệm, Cuối cùng là một số kết luận.

CẤU TRÖC MẠNG ANFIS

Hình 1 là một ví dụ về cấu trúc của ANFIS

với 3 đầu vào và hai nhãn ngôn ngữ cho mỗi

đầu vào. Trƣờng hợp tổng quát thì một mạng

ANFIS với n đầu vào và m nhãn ngôn ngữ

cho mỗi đầu vào có 5 tầng. Các hàm nút trong

một tầng thuộc cùng một họ.

Hình 1. Cấu trúc của ANFIS


10

Tầng 1: Tầng này gồm n*m nút thích nghi

(nút hình vuông).

Tầng 2 gồm nút cố định (nút hình tròn) nhãn P.

Tầng 3: Tầng này gồm nút cố định nhãn N.

Tầng 4: Tầng này gồm nút thích nghi trong đó

nút thứ k thực hiện việc tính toán để đƣa ra

đầu ra.

Tầng 5: Tầng này chỉ có một nút. Nút này là

nút cố định thực hiện tính tổng tất cả các đầu

vào đến từ tầng 4.

THUẬT TOÁN HUẦN LUYỆN

Thuật toán học lan truyền ngƣợc

Ta sử dụng một số kí hiệu sau:

j: nơron thứ j (hay nút thứ j),

Xj: vector đầu vào của nút thứ j,

Wj: vector trọng số của nút thứ j,

xji: đầu vào của nút thứ j từ nút thứ I,

wji: trọng số trên xji,

bj: ngƣỡng tại nút thứ j,

oj: đầu ra của nút thứ j,

tj: đầu ra mong muốn của nút thứ j,

Downstream(j): Tập tất cả các nút nhận đầu ra

của nút thứ j làm một giá trị đầu vào.

η: tốc độ học,

f: hàm truyền với f(x) = 1 / (1 + e-x

),

Thuật toán lan truyền ngƣợc đƣợc mô tả nhƣ

sau:

Input:

- Mạng feed-forward với ni đầu vào, nh nút ẩn

và no đầu ra.

- Hệ số học η,

- Tập dữ liệu huấn luyện D = {là vector đầu

vào, là vector đầu ra mong muốn}.

Output: Các vector trọng số (Giá mở cửa của

ngày hôm sau)

Kí hiệu: Y.

Thuật toán:

Bƣớc 1: Khởi tạo trọng số bởi các giá trị ngẫu

nhiên nhỏ.

Bƣớc 2: Lặp lại cho tới khi thỏa mãn điều

kiện kết thúc.

Với mỗi mẫu, thực hiện các bƣớc sau:

2.1 Tính đầu ra oj cho mỗi nút j:

oj = f(d – bj) với d = Σxjiwji

2.2 Với mỗi nút k thuộc tầng ra, tính δk theo

công thức:

δk = (tk – ok)(1 – ok)ok

2.3 Với mỗi nút h thuộc tầng ẩn, tính δh theo

công thức:

δh = oh(1 – oh) Σδkwkh

với k ∈ Downstream(j)

2.4 Cập nhật: wji = wji + Δwji

Trong đó Δwji = ηδkxji

Thuật toán học lai

Thuật toán gradient về cơ bản là chậm và

thƣờng rơi vào cực tiểu cục bộ. Thuật toán

học lai kết hợp thuật toán gradient và phƣơng

pháp ƣớc lƣợng sai số bình phƣơng tối thiểu

(LSE – Least Square Error) để cập nhật các

tham số. [4,5,6].

Nhƣ vậy các tham số trong ANFIS đƣợc cập

nhật bằng việc kết hợp thuật toán gradient và

ƣớc lƣợng bình phƣơng nhỏ nhất (thuật toán

học lai). Trong thuật toán lai mỗi epoch là sự

kết hợp của bƣớc đi tiến và bƣớc đi lui. Chi

tiết về thuật toán học lai thể hiện ở [6].

DỰ BÁO CHỈ SỐ VNINDEX SỬ DỤNG

MÔ HÌNH ANFIS

Xây dựng mô hình hệ thống

Input: Mô hình ANFIS đƣợc sử dụng trong

chƣơng trình gồm có 5 đầu vào, số hàm

thuộc cho mỗi input là:

Open Price: 3 hàm thuộc

Close Price: 3 hàm thuộc

High Price : 3 hàm thuộc

Low Price : 3 hàm thuộc

Volume : 5 hàm thuộc

Output:

Một nút output là giá mở cửa của ngày kế tiếp

Mô hình ANFIS đƣợc sử dụng trong hệ thống

dự báo chứng khoán của bài báo gồm 405

luật, chi tiết về các luật thể hiện [1]. Số hàm

thuộc cho 4 input đầu là 3, số hàm thành viên


11

cho input thứ 5 (Volume) là 5. Sự biến đổi giá

chứng khoán là lên, xuống và phẳng lặng cho

nên số hàm thuộc đƣợc chọn cho dữ liệu cho

các đầu vào này là 3. Trong khi đó số phiên

giao dịch có nhiều mức thay đổi nên số hàm

thuộc đƣợc chọn là 5.

Dữ liệu

Dữ liệu sử dụng trong bài báo là dữ liệu về

chỉ số VNINDEX từ 03/2008 đến 09/2013

trong đó dữ liệu từ 08 /2008 sử dụng để huấn

luyện, phần dữ liệu còn lại phục vụ việc kiểm

tra [2,3]. Dữ liệu đƣợc chuẩn hóa đƣa về [0,1]

theo công thức:

( 4.1)

Chƣơng trình mô phỏng

Giao diện chƣơng trình:

Hình 2. Giao diện chương trình

Các bƣớc thực hiện:

Bƣớc 1: Nhập dữ liệu

Dữ liệu phục vụ chƣơng trình đƣợc chứa trong

file vnindex.xls , trong đó có dữ liệu phục vụ

huấn luyện và dữ liệu phục vụ kiểm tra.

Hình 3. Chức năng nhập dữ liệu

Bƣớc 2: Thiết lập các thông số cho hệ suy

diễn mờ

Hình 4. Thiết lập thông số cho hệ

Những thông số này bao gồm số lƣợng hàm

thành viên cho mỗi đầu vào, kiểu toán tử T-

norm, kiểu hàm thuộc đầu ra, kiểu hàm thuộc

các đầu vào. Với cách lựa chọn thông số nhƣ

hình trên thì 4 đầu vào có số lƣợng hàm

thuộc là 3 đầu vào cuối cùng có số hàm thuộc

là 5. Nếu tất cả các đầu vào có cùng số lƣợng

hàm thành viên thì chỉ cần nhập một sô .

Tƣơng tự nhƣ vậy đối với kiểu hàm thuộc của

các đầu vào. Trong trƣờng hợp ở hình 4.3 tất

cả các đầu vào đều có cùng hàm thuộc kiểu

chuông (gbell)

Bƣớc 3: Huấn luyện (dạy học) và kiểm tra

Hình 5. Thao tác huấn luyện

Để thực hiện việc huấn luyện cần lựa chọn

thuật toán huấn luyện, bƣớc học và sai số, số

epoch (Số lần huấn luyện), các thông số khác

lấy giá trị mặc định. Khi huấn luyện xong

mạng ANFIS đƣợc kiểm tra bởi một bộ dữ

liệu mẫu, việc kiểm tra này cho ta biết sai số

giữa đầu ra tiên đoán và đầu ra thực tế. Kết

quả kiểm tra đƣợc hiển thị dƣới dạng đồ thị

và dƣới dạng bảng số liệu thể hiện trên hình 6

và trên bảng 1.


12

Ƣu nhƣợc điểm của phƣơng pháp

Ưu điểm:

Bằng cách sử dụng giải thuật học lai, kiến

trúc ANFIS có thể tinh chỉnh đƣa ra các luật

mờ If then thay vì chúng đƣợc cung cấp từ

các chuyên gia trong các hệ thống phức tạp.

Nếu không có sẵn tri thức của các chuyên gia,

chúng ta có thể khởi tạo các hàm thành viên

bằng trực giác hợp lý và bắt đầu quá trình học

để sinh ra tập các luật mờ if then nhằm xấp xỉ

một tập dữ liệu mong muốn.

Hình 6. Đồ thị kết quả kiểm tra

Bảng 1. Kết quả dự báo(14 mẫu)

Đầu ra tiên đoán Thực tế

471.3 472.8

509.1 508.2

498.9 498.5

499.1 499.5

500.0 501.4

499.1 498.9

493.4 492.7

494.6 494.4

493.7 493.5

506.0 506.2

495.9 495.7

495.3 496.4

495.4 494.7

485.3 484.4

Sử dụng giải thuật học lai làm cho hệ thông

hội tụ nhanh nhƣng vẫn đảm bảo độ chính xác mong muốn.

Vấn đề xác định số node ẩn không yêu cầu đặt ra.

Nhược điểm:

Hệ thống ANFIS chỉ có một output vì vậy chỉ

đƣợc áp dụng trong các hệ thống xấp xỉ hoặc dự báo của các hàm phi tuyến chỉ có một output.

Số hàm thành viên đƣợc kết hợp với mỗi input đƣợc gán từ thời điểm ban đ ầ u , trong quá trình huấn luyện không điều chỉnh đƣợc, vấn đề chọn hàm thành viên đóng vai trò quan trong trong việc xây dựng hệ thống Anfis.

KẾT LUẬN

Dự báo giá chứng khoán luôn luôn là đối tƣợng thu hút sự quan tâm của nhà đầu tƣ và các chuyên gia phân tích. Tuy nhiên, việc tìm thời điểm ra tốt nhất đề mua hay bán vẫn còn là công việc rất khó khăn bởi vì có rất nhiều yếu tố ảnh hƣởng tới chứng khoán. Trong những năm gần đây, thị trƣờng chứng khoán và các thƣơng gia đã tin tƣởng và sử dụng các hệ thống thông minh khác nhau, trong đó hệ suy diễn mờ - noron (ANFIS) cũng đƣợc ứng dụng trong lĩnh vực này.

Các phần mềm tính toán đƣợc ứng dụng trong dự báo chứng khoán và các phần mềm này sử dụng số lƣợng các đầu vào, nhƣ chỉ số kĩ thuật, các yếu tố định tính, các ảnh hƣởng chính trị, dự báo thị trƣờng chứng khoán tự động và phân tích các chiều hƣớng .

Bài báo này đã thực hiện việc dự báo chỉ số VNINDEX sử dụng mô hình ANFIS. Kết quả dự báo khác và sẽ tốt hơn nếu tăng số hàm thành viên cho mỗi đầu vào, tăng số epoch (Số lần huấn luyện) và số mẫu dữ liệu phục vụ việc huấn luyện.


[1]. Bùi Công Cƣờng, Nguyễn Doãn Phƣớc, 2006.

Hệ thống mạng Nơron mờ và ứng dụng, Nxb Khoa

học và Công nghệ

[2]. S. Haykin, 1999. Neural Networks: A

Comprehensive Foundation, Second Edition.

Prentice Hall, NewJersay

[3]. C.T. Lin and C.S.G. Lee, 1996. Neural Fuzzy

Systems. Prentice Hall, London

[4] J.S.R.Jang, C.I. Sun and E.Mizutani, 1997.

Neuro-fuzzy and soft computing : a computational

approach to learning and machine intelligence.

Prentice-Hall, NJ

[5]. Bùi Công Cƣờng, Phạm Văn Chiến. An

experiment result based on andaptive neuro-fuzzy

inference system for stock price predict on.

Journal of Computer Science and Cybernetics

[6]. Juh-shing roger jang. Anfis: Adaptive-

network-based fuzze inference system. IEEE

Transactions on systems, Man, And cybernetics,

Vol, 23, No, 3, MayJune 1993.

Hoàng Đức Quỳnh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 15 - 25

13

SUMMARY

PPLYING ADAPTIVE NEURO FUZZY INFERENCE SYSTEM

TO FORECAST VN-INDEX

Pham Thi Huong

*, Nguyen Thanh Trung

College of Information and Communication Technology – TNU

Vietnamese stock market has opened for 13 years and there for the problem of predicting and

analysing has been attending by many people. Traditional method consist of basic analysis and

engineering analysis the first tends to index of stock companies to choose suitable stock to

insvestment, the second in order to determine the time to investment. There are many model to

analyse and predict. In this paper, ANFIS model is used to predict open price of VNINDEX of

next day base on pass data. The impliment show that using ANFIS model to predict give quite

exacly relult.

Keywords: Stock index forecast, Anfis Network in forecast problem, fuzzy logic.


Phản biện khoa học: TS. Phạm Đức Long – Trường ĐH Công nghệ thông tin & TT - ĐHTN

* Tel: 0978961395; Email: [email protected]


14


15

XÂY DỰNG MÔ HÌNH PHI TUYẾN CHO HỆ ĐIỀU KHIỂN MỨC - NHIỆT ĐỘ

VÀ PHÂN TÍCH HỆ THỐNG

Hoàng Đức Quỳnh

1,*, Nguyễn Doãn Phƣớc

2

1Trường CĐ Công nghệ và Kinh tế Công nghiệp, 2Đại học Bách Khoa Hà Nội

TÓM TẮT Bài toán với yêu cầu công nghệ là điều khiển hai yếu tố mức và nhiệt độ đƣợc đặt ra trong rất

nhiều các nhà máy công nghiệp. Bài báo thực hiện xây dựng mô hình phi tuyến cho hệ thống điều

khiển mức-nhiệt độ, từ đó tiến hành mô phỏng và phân tích hệ thống.Việc xây dựng mô hình toán

phi tuyến cho hệ thống sẽ góp phần tạo điều kiện thuận lợi cho việc nghiên cứu thiết kế các bộ

điều khiển mới để nâng cao chất lƣợng hệ thống.

Từ khóa: Mô hình hóa, Điều khiển quá trình, Hệ thống điều khiển mức - nhiệt độ.

ĐẶT VẤN ĐỀ*

Điều khiển quá trình trong các nhà máy công

nghiệp không phải là một lĩnh vực mới nhƣng

luôn chiếm vị trí quan trọng hàng đầu trong tự

động hóa công nghiệp. Nội dung của lĩnh vực

điều khiển quá trình là sự kết hợp của nhiều

bài toán nhỏ gồm: (i) bài toán phân tích, (ii)

bài toán mô hình hóa, (iii) bài toán thiết kế và

thực thi hệ thống điều khiển trên cơ sở nền

tảng là lý thuyết điều khiển tự động. Trong

các nhà máy hóa chất cần sử dụng rất nhiều

các hệ thống điều khiển nhiều đầu vào, nhiều

đầu ra và hệ thống điều khiển mức-nhiệt độ là

một hệ thống điển hình đƣợc sử dụng rất

nhiều trong thực tế. Để nâng cao chất lƣợng

điều khiển thì việc nghiên cứu, thiết kế và đề

xuất ra các phƣơng pháp và các bộ điều khiển

mới luôn đƣợc quan tâm và thực hiện. Để

thiết kế các bộ điều khiển cho hệ thống thì

trƣớc tiên chúng ta phải giải quyết bài toán

phân tích và mô hình hóa hệ thống.

Trong nội dung của bài báo, vấn đề nhóm tác

giả muốn đề cập đến ở đây là mô hình hóa hệ

thống điều khiển mức – nhiệt độ và tiến hành

phân tích hệ thống này. Việc mô hình hóa

đƣợc hệ thống một cách đủ chính xác sẽ giúp

chúng ta sử dụng hiệu quả các phƣơng pháp

điều khiển mới, hiện đại trong quá trình điều

khiển mức-nhiệt độ, từ đó nâng cao đƣợc chất

lƣợng điều khiển trong thực tế sản xuất.

* Email: [email protected]

Do không phải là đối tƣợng mới đƣợc nghiên cứu nên việc mô hình hóa hệ thống điều khiển mức-nhiệt độ đã có nhiều công trình, kết quả đã đƣợc công bố trƣớc đây, chẳng hạn nhƣ [2],[3] song có thể nói các kết quả này tập trung chủ yếu vào việc xây dựng mô hình xấp xỉ tuyến tính. Những cơ cấu chấp hành, cảm biến kèm theo trong hệ thống đều đƣợc xem là lý tƣởng. Do đó các kết quả phân tích và thiết kế bộ điều khiển sau này đƣợc xây dựng trên những mô hình xấp xỉ tuyến tính đều chứa đựng trong nó nhiều yếu tố không chắc chắn, cũng nhƣ chất lƣợng điều khiển chỉ có thể đƣợc đảm bảo khi các giả thiết áp dụng trong quá trình xây dựng mô hình tuyến tính đƣợc thỏa mãn.

Nhằm đặt đƣợc nền tảng cho bài toán phân tích và điều khiển hệ thống điều khiển mức-nhiệt độ sau này một cách chắc chắn hơn, cần thiết chúng ta phải có đƣợc một mô hình toán hoàn thiện và tổng quát hơn, với số các giả thiết cần đƣợc sử dụng trong quá trình mô hình hóa là ít nhất tới mức có thể. Từ lập luận nhƣ vậy, bài báo này đã đặt ra nhiệm vụ xây dựng mô hình toán cho hệ thống điều khiển mức-nhiệt độ ở mức độ tổng quát tối đa, trong đó chứa đựng đƣợc cả những ảnh hƣởng động học của thiết bị chấp hành, cảm biến tới chất lƣợng hệ thống.

MÔ HÌNH HÓA HỆ THỐNG ĐIỀU KHIỂN

MỨC-NHIỆT ĐỘ

Cấu trúc hệ thống và nhiệm vụ mô hình hóa

Đối tƣợng điều khiển mức-nhiệt độ với tất cả

các cơ cấu chấp hành, cảm biến kèm theo, là

một hệ thống nhiều chiều, có sơ đồ P&ID cho


16

ở hình 1. Đây cũng là sơ đồ cấu trúc cơ bản

của hệ thống thí nghiệm điều khiển mức-nhiệt

độ có tại bộ môn Điều khiển tự động, Đại học

Bách khoa Hà Nội.

Hình 1. Sơ đồ P&ID hệ khuấy trộn liên tục

Hệ điều khiển mức-nhiệt độ trên gồm một

bình nƣớc ấm, đƣợc trộn bởi hai dòng nƣớc

nóng và dòng nƣớc lạnh chảy vào. Lƣu lƣợng

dòng nƣớc nóng q1 và lạnh q2 chảy vào đƣợc

điều khiển bởi 2 van tƣơng tự v1, v2. Nƣớc ấm

trong bình đƣợc đƣa ra ngoài với lƣu lƣợng q3

điều chỉnh bởi van thứ ba v3 có thể cũng là

van tƣơng tự hoặc chỉ là van đóng mở. Không

mất tính tổng quát ta có thể xem cả ba van

điều chỉnh lƣu lƣợng này đều là van tƣơng tự,

tức là nếu ký hiệu kv là độ mở van thứ k =

1,2,3, thì mô hình mô tả quan hệ giữa tín hiệu

tín hiệu vào vk, tín hiệu ra qk của van đó sẽ là

một ánh xạ k kv qa có dạng tổng quát nhƣ

sau [2]:

( , , , )

( , , , )

v v vk

v vk

t

g t

&x f x P v

q x P v(1)

trong đó 1 2 3( , , )Tv v vv là vector các tín

hiệu vào (độ mở van), 1 2 3( , , )Tq q qq là

vector các tín hiệu ra (lƣu lƣợng), vx là

vector trạng thái và P là vector chênh lệch

áp suất giữa hai đầu các van. Nhiệm vụ của

mô hình hóa là phải xác định đƣợc hai vector

hàm ( )vf , ( )vg này của mô hình.

Độ mở van kv trong (1), tín hiệu đầu vào của

van thứ k, đƣợc đặt bởi dòng kI xuất ra từ bộ

điều khiển (máy tính) qua bộ chuyển đổi

/I P . Nhƣ vậy kv là giá trị áp suất cũng phải

có quan hệ với tín hiệu đầu ra kI mô tả bởi

ánh xạ k kI va dạng tổng quát [1]:

1 2 3( , , ) , ( , , )

( , , )

Tcd cd cdk

cd cd

t I I I

t

&x f x u u

v g x u(2)

trong đó cdx là vector trạng thái của bộ

chuyển đổi /I P và ( )cdf , ( )cdg là các hàm

của mô hình trạng thái (2) mô tả bộ chuyển

đổi k kI va , 1,2,3k .

Ghép chung hai mô hình (1), (2) lại với nhau

ta sẽ có ánh xạ tích k k kI v qa a biểu diễn

quan hệ xuyên suốt từ tín hiệu đầu ra kI của

bộ điều khiển tới lƣu lƣợng nƣớc chảy vào

1 2, q q và lƣu lƣợng nƣớc chảy ra 3q của bình.

Chúng cũng sẽ là một phần mô hình toán sau

này của đối tƣợng điều khiển mức-nhiệt độ

mà ta cần phải xác định.

Phần chính của hệ thống điều khiển mức-

nhiệt độ là bình nƣớc ấm. Nƣớc nóng với lƣu

lƣợng 1q và nƣớc lạnh với lƣu lƣợng 2q cùng

chảy vào bình, đƣợc trộn vào nhau để tạo ra

lƣợng nƣớc ấm có nhiệt độ /T . Nƣớc ấm

trong bình đƣợc đƣa ra ngoài qua van số 3 với

lƣu lƣợng 3q . Do đó độ cao /h của cột nƣớc

ấm trong bình sẽ phụ thuộc vào cả ba thành

phần 1q , 2q và 3q . Nếu ký hiệu

1 2 3( , , )Tq q qq là vector tín hiệu vào, / / /( , )Th Ty là vector tín hiệu ra, thì cấu

trúc mô hình tổng quát của phần bình trộn này

sẽ là [2],[3]:

/

1 2

1 2

( , , , , )

( , , , , )

b b b

b b

T T t

T T t

&x f x q

y g x q(3)

trong đó bx là vector trạng thái của bình trộn,

1 2, T T là nhiệt độ của các dòng nƣớc nóng,

lạnh chảy vào bình và đƣợc xem nhƣ hai tham

số của các vector hàm ( )bf , ( )bg . Hai vector

hàm này cũng là là những vector hàm cần

phải xác định của mô hình.

1T

3v

1I

1v

2I

2v

h

3I

3q

T

1q

2q

nước nóng

nước lạnh

Bình trộn nước ấm

/I P

/I P

/I P

IT

/ /,h T

IT

2T

IT

IT


17

Cuối cùng, hai tín hiệu ra / / /( , )Th Ty của

bình nƣớc ấm đƣợc đo bằng cảm biến mức và

cảm biến nhiệt PT100 để phản hồi về bộ điều

khiển. Ký hiệu giá trị đo đƣợc tƣơng ứng của

chúng là ( , )Th Ty thì mô hình toán tổng

quát của các cảm biến đo để chuyển đổi / ay y của cảm biến sẽ là [1]:

/

/

( , , )

( , , ) ( )

cb cb cb

cb cb

t

t t

&x f x y

y g x y n(4)

trong đó ( )tn là các nhiễu đo.

Hình 2. Sơ đồ khối tương đương của hệ thống

mức-nhiệt độ

Hình 2 biểu diễn lại cấu trúc hệ thống điều

khiển mức-nhiệt độ dƣới dạng sơ đồ khối bao

gồm các hệ con (1), (2), (3) và (4) mắc nối

tiếp với nhau. Nhƣ vậy toàn bộ hệ thống điều

khiển mức-nhiệt độ sẽ có ba đầu vào

1 2 3( , , )TI I Iu và hai đầu ra ( , )Th Ty .

Nhiệm vụ mô hình hóa hệ thống là phải xác

định các hàm số hay vector các hàm số ( )vkf ,

( )vg , ( )cdf , ( )cdg cũng nhƣ ( )bf , ( )bg , ( )cbf , ( )cbg của các hệ con (1), (2), (3), (4)

trong nó. Phƣơng pháp xác định các hàm trên

có thể là bằng lý thuyết với những định luật

cân bằng hóa lý, hoặc cũng có thể là bằng

thực nghiệm thông qua đo đạc các tín hiệu

vào ra.

Mô hình hóa bình nước ấm (3)

Bình nƣớc ấm là một hệ con của hệ thống

(hình 2). Hệ con này có ba tín hiệu đầu vào là

lƣu lƣợng nƣớc nóng, nƣớc lạnh 1 2 , q q chảy

vào bình và lƣu lƣợng nƣớc ấm 3q chảy ra

khỏi bình. Chúng đƣợc viết chung lại thành

vector các tín hiệu vào 1 2 3( , , )Tq q qq . Tín

hiệu ra của hệ con là độ cao /h và nhiệt độ

/T của nƣớc ấm trong bình. Chúng đƣợc ghép

chung thành vector / / /( , )Th Ty . Cấu trúc

mô hình toán của hệ cho bởi công thức (3).

Để mô hình hóa hệ con, ta phải xác định các

hàm ( )bf , ( )bg trong đó.

Giả thiết bình có dạng hình trụ với diện tích

đáy S . Khi đó thể tích nƣớc ấm trong bình là /V h S với /h là độ cao của cột nƣớc ấm.

Ký hiệu tiếp 1 2, , lần lƣợt là khối lƣợng

riêng của nƣớc ấm, nƣớc nóng và nƣớc lạnh

chảy vào bình, ta sẽ có từ phƣơng trình cân

bằng khối lƣợng [3]:

1 1 2 2 3

d Vq q q

dt

thành phần thứ nhất của vector hàm ( )bf

trong (3) nhƣ sau:

/

1 1 2 2 3

1dhq q q

dt S(5)

Để có đƣợc thành phần thứ hai của vector ( )bf trong công thức (3) mô tả sự thay đổi

nhiệt độ /T nƣớc ấm trong bình, ta cần đến

các phƣơng trình cân bằng nhiệt, đƣợc xây

dựng theo nguyên lý bảo toàn năng lƣợng áp

dụng cho một hệ nhiệt động học, hay còn gọi

là định luật thứ nhất nhiệt động lực học, phát

biểu nhƣ sau [2],[3]:

Biến thiên năng lượng tích lũy = Tổng năng

lượng vào Tổng dòng năng lượng ra + Tổng

công suất nhiệt mất đi.

Dựa vào định luật cân bằng trên và với ký

hiệu IU cho năng lƣợng tích lũy, 1 2, , e e e là

hệ số enthalpy của các dòng nƣớc ấm, nóng

và lạnh cũng nhƣ /q là tổng công suất nhiệt

sinh ra và mất đi do quá trình hấp thụ, bức xạ

của các phản ứng hóa học trong bình, ta có

phƣơng trình cân bằng nhiệt động học sau:

/1 1 1 2 2 2 3

IdUe q e q e q q

dt

(6)

Trong phƣơng trình cân bằng nhiệt trên, hệ số

enthalpy là đại lƣợng phụ thuộc vào thành

phần, nhiệt độ và áp suất, định nghĩa bởi [3]:

Ie u pV)

1P

2P

1T

2T

u

v

q

/y

y

Chuyển đổi

/I P

(2)

Hệ thống

van (1)

Bình nước ấm (3)

Cảm biến (4)

P

n


18

với Iu là nội năng (năng lƣợng tích lũy) tính

trên một đơn vị khối lƣợng, p là áp suất lên

thành bình và V)

là thể tích riêng, tức là giá trị

nghịch đảo của khối lƣợng riêng . Theo

[3] thì đối với vật chất là chất lỏng ngƣời ta

có thể xấp xỉ 0pV)

. Nhƣ vậy, cùng với

I IU Vu và e CT với C là nhiệt dung

riêng và T là nhiệt độ của một chất lỏng nói

chung, phƣơng trình cân bằng nhiệt (6) đƣợc

rút gọn thành:

/

/1 1 1 1 2 2 2 2 3

d VCTC T q C T q CT q

dt

Do hệ điều khiển mức-nhiệt độ là biến đổi

chậm nên và giá trị nhiệt dung riêng C ,

định nghĩa bởi [3]:

constP

eC

T

có thể đƣợc xem là hằng số. Từ đây suy ra:

/

/1 1 1 1 2 2 2 2 3

d VTC C T q C T q CT q

dt

(7)

trong đó 1 1, C T lần lƣợt là nhiệt dung riêng,

nhiệt độ của nƣớc nóng, 2 2, C T là nhiệt dung

riêng, nhiệt độ của nƣớc lạnh, cũng nhƣ /, C T là nhiệt dung riêng và nhiệt độ của

nƣớc ấm trong bình.

Thay tiếp quan hệ hiển nhiên:

/ // // / /

/ // /

d VT d ShdT dV dTV T Sh T

dt dt dt dt dt

dT dhSh T S

dt dt

vào (7), ta có:

/ // /

/1 1 1 1 2 2 2 2 3

1

dT dhSh T S

dt dt

C T q C T q CT qC

Cuối cùng, sử dụng lại công thức (5) cho

phƣơng trình thứ hai này, ta đi đến: /

/

/

/

1 1 1 1 2 2 2 2 3

1 1 2 2 3

1

dTC T q C T q CT q

dt CSh

CT q q q (8)

Ghép chung (5) và (8) lại với nhau, ta có mô

hình đầy đủ cho hệ con (3) của hệ điều khiển

mức-nhiệt độ nhƣ sau:

/

/

/ /

/

1 1 2 2 3

1 1 1 1 2 2 2 2

1

1

dhq q q

dt S

dTC T CT q C T CT q

dt CSh

(9)

trong đó:

1 2, , C C C lần lƣợt là nhiệt dung riêng của nƣớc ấm, nƣớc nóng và nƣớc lạnh,

1 2, T T là nhiệt độ của nƣớc nóng và nƣớc

lạnh

1 2, , là khối lƣợng riêng của nƣớc ấm, nƣớc nóng và nƣớc lạnh

1 2 3( , , )Tq q qq là vector các lƣu lƣợng nƣớc nóng, nƣớc lạnh, nƣớc ấm. Chúng đƣợc xem là các tín hiệu đầu vào của hệ

/ / /( , )Tb h Ty x là vector các biến trạng

thái, đồng thời cũng là tín hiệu ra của hệ.

Nhƣ vậy các vector hàm ( )bf , ( )bg trong (3)

bây giờ có dạng cụ thể là:

/ /

/

/

/

1 1 2 2 3

1 1 1 1 2 2 2 2

1( )

( )

b

b

q q q

C T CT q C T CT qS

h C

h

T

f

g

(10)

Mô hình hóa bộ chuyển đổi /I P (2)

Khối chuyển đổi /I P có nhiệm vụ chuyển ba

tín hiệu đặt độ mở van 1 2 3 , , I I I lấy từ máy

tính, dƣới dạng dòng điện 4 20 [ ]mA , thành

áp suất tƣơng ứng có giá trị nằm trong khoảng

0,2 1,4 [ ]atm , cho ba van áp lực, đƣợc chuẩn

hóa với khoảng giá trị 0 1 cho độ mở van

1 2 3 , , v v v . Khối chuyển đổi này gồm ba phần

tử chuyển đổi độc lập. Hình H3 mô tả cấu

trúc cơ bản của một phần tử chuyển đổi đó.

Khi có dòng điện chạy qua, cuộn dây 1 bị

nam châm 2 hút xuống, vòi phun 4 bị nắp đậy

3 đậy bớt lại, kết quả làm tăng áp suất trong

buồng A, van cầu 7 mở ra và áp suất tăng lên.

Áp suất ra xiphong 6 tác động ngƣợc trở lại


19

cánh tay đòn. Hệ thống cân bằng khi momen

thuận tác động lên cánh tay đòn cân bằng với

momen nghịch. Áp suất ra lúc đó tỉ lệ thuận

với dòng điện chạy qua cuộn dây 1. Vít 5 có

tác dụng chỉnh định sao cho dòng điện khi

vào là 4mA thì áp suất ra là 0,2atm , tƣơng

ứng với độ mở van bằng 0. Biến trở R đƣợc

chỉnh sao cho khi dòng điện vào là 20mA thì

áp suất ra là 1,4atm .

Hình 3. Cấu trúc thiết bị chuyển đổi I/P

Thực tế, khi chuyển điểm cân bằng của bộ

chuyển đổi về gốc tọa độ 4k kI I)

, thì các

thiết bị chuyển đổi này đều có động học là

khâu quán tính bậc nhất với hàm truyền [1]:

( ) , 1,2,31

cdkcdk

cdk

kG s k

T s(11)

song do thời gian quán tính cdkT của chúng so

với quán tính nhiệt của toàn bộ hệ thống là rất

nhỏ nên ta có thể bỏ qua đƣợc. Khi đó cả ba

khâu chuyển đổi trở thành lý tƣởng là ba khâu

khuếch đại độc lập có các hệ số chuyển đổi

tƣơng ứng là các hệ số khuếch đại

1 2 3 , , cd cd cdk k k , tức là:

4 , 1,2,3k cdk k cdk kv k I k I k)

(12)

Các hệ số khuếch đại này đều có thể dễ dàng

xác định đƣợc hoặc bằng lý thuyết, hoặc bằng

thực nghiệm (nhận dạng).

Nhƣ vậy bộ chuyển đổi /I P với cấu trúc mô

hình (2) sẽ có các vector hàm ( )cdf , ( )cdg

với dạng cụ thể nhƣ sau:

0

( ) 0

0

cd 0f và

1 1

2 2

3 3

( )

cd

cd cd

cd

k I

k I

k I

)

)

)g v (13)

Mô hình hóa hệ thống van (1)

Hệ thống van gồm ba van tƣơng tự làm việc

độc lập, có nhiệm vụ điều chỉnh lƣu lƣợng

nƣớc nóng 1q , lạnh 2q chảy vào bình trộn và

lƣu lƣợng nƣớc ấm 3q chảy ra khỏi bình. Cả

ba van này tạo thành một hệ con có vector các

tín hiệu đầu vào 1 2 3( , , )Tv v vv là độ mở

van và 1 2 3( , , )Tq q qq là đầu ra gồm lƣu

lƣợng tƣơng ứng của các dòng nƣớc.

Hình 4 mô tả cấu trúc một van lƣu lƣợng

đƣợc điều khiển bằng khí nén (pneumatic

control valve). Tín hiệu đầu vào của van là áp

lực khí 0,2 1,4 [ ]atm , đƣợc chuẩn hóa thành

độ mở van [0,1]v . Tín hiệu đầu ra là lƣu

lƣợng dòng nƣớc 3 [ / ]q m s .

Hình 4. Cấu trúc bên trong của van lưu lượng

Theo [2],[3] thì khi bỏ qua các hiệu ứng dòng

xoáy trong chất lỏng chảy qua van, giữa tín

hiệu vào v và ra q của van sẽ có quan hệ tĩnh

ở chế độ xác lập nhƣ sau:

( )P

q v Q (14)

trong đó:

P là độ chênh áp giữa hai đầu van,

Q là lƣu lƣợng tính trên một đơn vị chênh áp

là khối lƣợng riêng của chất lỏng

R

1 2

3 4

5

6


20

( )v là hàm đặc tính, có dạng khi constP

là:

a) ( )v v khi v biến thiên rất nhanh (van

đƣợc điều chỉnh nhanh)

b) ( )v v khi v có tốc độ biến thiên trung

bình,

c) 1( ) vv R khi van đƣợc điều chỉnh rất

chậm, với R là hằng số đặc tính của từng loại

van.

Nhƣ vậy, nếu bỏ qua hiệu ứng các dòng xoáy

và thời gian quán tính của các van (thƣờng rất

nhỏ), thì hệ thống gồm 3 van độc lập mô tả

bởi mô hình (1), sẽ có hai vector hàm ( )vf ,

( )vg nhƣ sau:

0

( ) 0

0

vf ,

11 1

1

22 2

2

3

( )

( ) ( )

( )

v

Pv Q

Pv Q

Pv Q

g q(15)

trong đó 1 2, ,Q Q Q là lƣu lƣợng tính trên một

đơn vị chênh áp và 1 2, ,P P P là độ chênh

áp giữa hai đầu van lần lƣợt của các van nƣớc

nóng, lạnh và ấm (hình H1).

Mô hình hóa hệ thống cảm biến mức và

nhiệt độ (4)

A. Mô hình hóa cảm biến mức

Để đo mức nƣớc trong bình, hệ thống sử dụng

bộ chuyển đổi đo mức tác động theo nguyên

lý cột áp thủy tĩnh. Tín hiệu ra của bộ chuyển

đổi này là dòng 1 chiều hI phụ thuộc gần nhƣ

tuyến tính vào độ cao cột nƣớc /h ở chế độ

xác lập theo công thức:

/0 11 ( )h cbh hI I k h n t

có 1 0, cbhk I là hai hằng số đặc tính của cảm

biến và ( )hn t là nhiễu có lẫn trong phép đo.

Giá trị dòng 1 chiều hI sau đó lại đƣợc chuẩn

hóa để có đƣợc độ cao cột nƣớc h theo:

/2 0cbh hh k I h

với các hệ số hằng /2 0, cbhk h . Nhƣ vậy, khi bỏ

qua thời gian quán tính, cảm biến mức sẽ có

mô hình:

/ /2 0 1 01 ( )cbh cbh hh k I k h h n t

(16)

B. Mô hình hóa cảm biến nhiệt độ

Để đo nhiệt độ nƣớc ngƣời ta thƣờng dùng

nhiệt kế điện trở bạch kim PT100 có giá trị

điện trở R thay đổi tƣơng ứng nhiệt độ /T .

Sự thay đổi này chế độ xác lập đƣợc biểu diễn

theo công thức:

/ /3 7 20 1 3,96.10 5,8.10 ( ) ( )TR R T T n t

trong đó 0R là giá trị điện trở chuẩn của nhiệt

kế. Giá trị điện trở này sau đó lại đƣợc chuẩn

hóa thành tín hiệu ra:

/T 0cbT k R T

với /T 0, cbk T là các hằng số. Nhƣ vậy, nếu bỏ

qua thời gian quán tính thì mô hình của cảm

biến nhiệt độ PT100 sẽ là:

/

/ /

3T 0

7 20

1 3,96.10

5,8.10 ( ) ( )

cb

T

T k R T

T n t T(17)

C. Mô hình chung của hệ cảm biến

Nhƣ vậy, nếu bỏ qua đƣợc thời gian quán tính

của các cảm biến, thì khi ghép chung (16) và

(17) ta sẽ đƣợc mô hình hệ cảm biến (4) với

hai vector hàm ( )cbf , ( )cbg nhƣ sau:

0( )

0cbf

/ /

/ / /

2 0 1 0

3 7 2T 0 0

1

( )1 3,96.10 5,8.10 ( )

cbh cbh

cb

cb

k I k h h

k R T T Tg

Vector nhiễu ( )tn có trong mô hình cảm biến

(4) là:

T

( )( )

( )

h

cb T

n tt

k n tn

Mô phỏng và phân tích hệ thống


21

Mô hình phi tuyến của bàn thí nghiệm mức-

nhiệt độ

Tiếp theo ta sẽ cụ thể hóa mô hình toán hệ

thống điều khiển mức-nhiệt độ đã trình bày ở

trên cho bàn thí nghiệm có tại bộ môn Điều

khiển tự động, trƣờng ĐHBK Hà nội. Việc cụ

thể hóa này sẽ đƣợc thực hiện thông qua đơn

giản hóa mô hình nhờ bổ sung thêm một số

giả thiết chấp nhận đƣợc, cũng nhƣ thực

nghiệm xác định các tham số của mô hình.

Trƣớc tiên, các giả thiết đƣợc bổ sung thêm

bao gồm:

Hằng số thời gian quán tính của bộ chuyển

đổi /I P là bỏ qua đƣợc. Khi đó, nếu cả 3 bộ

chuyển đối /I P là giống nhƣ nhau, tức là có

1 2 3cd cd cd cdk k k k , thì với các hàm (13),

mô hình (2) của bộ chuyển đổi trở thành:

1

2 3

3

4

4

4

cd

cd cd

cd

k I

k I k

k I

)

)

)v uI

(18)

trong đó 3I là ký hiệu của ma trận đơn vị

3 3.

Tƣơng tự, khi bỏ qua các hằng số thời gian

quán tính của các van, cũng nhƣ độ chênh áp

ở cả ba van là không đổi, tốc độ điều chỉnh

van là trung bình, khối lƣợng riêng của các

dòng nƣớc nóng, lạnh và ấm thay đổi không

đáng kể (theo nhiệt độ), thì từ (15) ta có:

( )v 0f ,

1 1

2 2

3 3

( )

v

v v

v

k v

k v

k v

g q

(19)

Thêm nữa, nếu cả 3 van đƣợc sử dụng trong

hệ là hoàn toàn giống nhau thì do còn có

1 2 3v v v vk k k k , mô hình (19) của hệ van

trở thành: 3vkq vI (20)

với 3I là ma trận đơn vị 3 3.

Cũng nhƣ vậy, khi bỏ qua thời gian quán

tính của cảm biến và thành phần bậc cao

/7 25,8.10 ( )T trong (17), thì với việc chọn

các hằng số chuẩn hóa:

/

/

2 0 0 2 0 1

3

0 T 0

, 1

10

3,96

cbh cbh cbh

cb

k I h k I k

T k R

mô hình (4) của hệ cảm biến sẽ trở thành:

//

/( ) ( )

h ht t

T Ty n y n

(21)

Các giá trị khối lƣợng riêng 1 2, , và

nhiệt dung riêng 1 2, , C C C là không đổi,

cũng nhƣ nhiệt độ nƣớc nóng, lạnh 1 2, T T là

đã biết. Với những giả thiết đó, mô hình (10)

của bình trộn nƣớc ấm trở thành:

/

/ /

/

/

1 1 2 2 3 3

1 1 1 2 2 2

b b b

b b

k q k q k qhd

a k T q a k T qdt T

h (22)

trong đó: 1 2

1 2 31

, , b b bk k kS S S

là những hằng số và

1 1 1 2 2 21 2,

C T C Ta a

SC SC

là hai tham số xác định đƣợc.

Nhƣ vậy, sau khi có thêm các giả thiết nêu

trên, thì từ những mô hình (18), (20), (21),

(22) ta thu đƣợc mô hình trạng thái phi tuyến

cho toàn bộ bàn thí nghiệm hệ điều khiển

mức-nhiệt độ nhƣ sau:

/ /

/ /

1 2 3

1 1 2 2( ) ( )0

( )

b b

k k k

k a k T k a k T

h h

t

)&x u

y x n (23)

trong đó

/

/

h

Tx

,

h

Ty

,

1

2

3

4

4

4

)

))

)

I

I

I

u u


22

Và 1 1 2 2

3 3

, ,

,

cd v b cd v b

cd v b cd v

k k k k k k k k

k k k k k k k

là các hằng số có thể xác định đƣợc bằng lý

thuyết hoặc bằng thực nghiệm thông qua đo

đạc các tín hiệu vào ra.

Hình 5. Đường kết quả thực nghiệm của thiết bị

cảm biến mức

Ở bàn thí nghiệm cụ thể tại bộ môn Điều

khiển tự động, Đại học bách khoa, bằng thực

nghiệm đo đạc các tín hiệu vào ra, ta thu

đƣợc, chẳng hạn nhƣ từ đƣờng đồ thị thực

nghiệm ở hình 5 của cảm biến mức, những

giá trị sau:

3/1000kg m

,

31 /995kg m

, 3

2 /1005kg m

/4200J kgC Co ,

1 /4195J kgC Co, 2 /4205J kgC Co

20.0165mS ,

1

16cdk

, 35

/4.4035 10v m sk

Khi đó, cùng với giá trị nhiệt độ nƣớc nóng,

lạnh mặc định:

1 270 , 20C CT To o

ta có các tham số sau cho mô hình (23):

5 51 2

5 63

1 2

1 2

16.6595 10 , 16.763 10

16.68 10 , 2.7522 10

4216.2, 1219.6

= 60.3030, 60.9091b b

k k

k k

a a

k k(24)

Mô phỏng trên MatLab

Với các giá trị cụ thể (24), ta xây dựng sơ đồ

mô phỏng hệ điều khiển mức-nhiệt độ (23)

trên MatLab Simulink nhƣ ở hình 6. Các hình

7-10 là kết quả mô phỏng tƣơng ứng thu đƣợc.

Các khối mô phỏng gồm: Khối Chuyen diem

can bang đƣợc thiết kế bằng cách sử dụng

khối Subsystem trong Simulink. Khối Level-

Temperature System đƣợc thiết kế bằng cách

sử dụng khối S-function trong Simulink, khối

hàm này chứa toàn bộ thuật toán mô tả hệ

thống theo (25) (M-file đƣợc trình bày trong

phần phụ lục). Trong quá trình mô phỏng, ta

có thể thay đổi đƣợc các thông số đầu vào

1 2 3, ,I I I trong phạm vi (4 20)mA tƣơng ứng

độ mở van từ [0 1] ) nhờ các khối Slider

gain. Đáp ứng mức h và nhiệt độ T đƣợc

quan sát bằng các khối Scope. Các khối nhieu

do h và nhieu do T thể hiện nhiễu đo mức và

nhiệt độ.

h

dongdien

To Workspace3

time

To Workspace2

Muc

To Workspace1

Nhietdo

To Workspace

T

Nhieu do h

Nhieu do T

levtem_sfcn5

Level-Temperature System

4

I3

4

I2

4

I1

Clock

I1

I2

I3

I1^

I2^

I3^

Chuyen diem can bang1

1..

1

1.

1

1

Hình 6. Sơ đồ mô phỏng trên MatLab Simulink

0 100 200 300 400 500 6004

6

8

10

12

14

16

18

20

Time(s)

I(m

A)

Tin hieu dau vao (mo van)

I1

I2

I3

Hình 7. Các tín hiệu đầu vào (mở van)


23

0 100 200 300 400 500 6000.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9Dap ung muc h

Time(s)

h(m

)

Muc h

0 100 200 300 400 500 60038

40

42

44

46

48

50

52

54

56Dap ung nhiet do T

Time(s)

T(d

o C

)

Nhiet do T

Hình 8. Kết quả mô phỏng (mở van)

Giả sử tại thời điểm đầu 0t , bình nƣớc có

nhiệt độ 40T Co và độ cao 0.2h m . Nếu ta

thực hiện các thao tác:

Tăng hoặc giảm lƣu lƣợng nƣớc nóng đƣa

vào bình trong điều kiện lƣu lƣợng dòng nƣớc

lạnh và lƣu lƣợng dòng ra giữ nguyên bằng

cách tăng (hoặc giảm) 1I và giữ nguyên

2 3,I I . Theo phân tích về quan hệ vật lý thì

đáp ứng mức nƣớc và nhiệt độ sẽ đều thay đổi

tăng lên (hoặc giảm đi).

0 100 200 300 400 500 6004

6

8

10

12

14

16

18

20Tin hieu dau vao (dong van)

Time(s)

I(m

A)

I1

I2

I3

Hình 9. Các tín hiệu đầu vào (đóng van)

0 100 200 300 400 500 6000.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9Dap ung muc h (dong van)

Time(s)

h(m

)

Muc h

0 100 200 300 400 500 60038

39

40

41

42

43

44

45

46

47Dap ung nhiet do T (dong van)

Time(s)

T(d

o C

)

Nhiet do T

Hình 10. Kết quả mô phỏng (đóng van)

Tăng (hoặc giảm) lƣu lƣợng nƣớc lạnh đƣa

vào bình trong điều kiện lƣu lƣợng dòng nƣớc

nóng và lƣu lƣợng dòng ra giữ nguyên bằng

cách tăng (hoặc giảm) và giữ nguyên 1 3, I I .

Theo phân tích về quan hệ vật lý thì đáp ứng

mức nƣớc sẽ thay đổi tăng lên(hoặc giảm đi )

và đáp ứng nhiệt độ sẽ thay đổi giảm xuống

(hoặc tăng lên).

Tăng (hoặc giảm ) lƣu lƣợng nƣớc ra khỏi

bình trong điều kiện lƣu lƣợng dòng nƣớc

nóng và lƣu lƣợng dòng nƣớc lạnh giữ

nguyên bằng cách tăng (hoặc giảm) dòng 3I

và giữ nguyên 1 2, I I . Theo phân tích về quan

hệ vật lý thì đáp ứng mức nƣớc sẽ thay đổi

theo chiều hƣớng giảm xuống (hoặc tăng lên)

và đặc tính nhiệt độ sẽ không bị thay đổi.

Các kết quả mô phỏng đáp ứng đầu ra , h T

đƣa ra trên hình H8 tƣơng ứng với sự thay đổi

của các tín hiệu vào 1 2 3( , , )TI I Iu cho

trên hình 7. Đáp ứng đầu ra ,h T đƣa ra trên

hình H10 là tƣơng ứng với sự thay đổi của các

tín hiệu vào trên hình H9. Ta thấy tính đúng

đắn của mô hình toán (23) thu đƣợc từ các kết

quả mô phỏng đó đều khớp với những nhận

định về quan hệ vật lý đã nêu ở trên.

4t 5t 6t

4t 5t 6t

1t 2t 3t

1t 2t 3t


24

Đánh giá chất lƣợng mô hình và phân tích

hệ thống

Các kết quả mô phỏng cho thấy, các quan hệ

vật lý của mô hình đều đúng khi ta thực hiện

mô phỏng.

Trong hình H8, ở thời điểm 1t khi ta tăng lƣu

lƣợng nƣớc nóng đƣa vào bình bằng cách

tăng tín hiệu vào 1I , quan sát kết quả cho

thấy mức h tăng lên một cách tuyến tính còn

nhiệt độ T tăng lên một cách phi tuyến. Ở

thời điểm tiếp theo 2t , ta tăng lƣu lƣợng nƣớc

lạnh đƣa vào bình bằng cách tăng tín hiệu vào

2I , quan sát kết quả cho thấy, mức h vẫn

tăng lên một cách tuyến tính còn nhiệt độ T

giảm xuống một cách phi tuyến. Ở thời điểm

3t , ta tăng lƣu lƣợng nƣớc ra khỏi bình bằng

cách tăng tín hiệu vào 3I , quan sát kết quả

cho thấy, mức h giảm xuống còn đặc tính

nhiệt độ T không bị thay đổi độ dốc.

Trong hình H10, ở thời điểm đầu 4t , khi ta

giảm lƣu lƣợng nƣớc nóng đƣa vào bình bằng

cách giảm tín hiệu vào 1I , quan sát kết quả

cho thấy độ dốc của đáp ứng mức h giảm

xuống còn nhiệt độ T giảm xuống một cách

phi tuyến. Ở thời điểm tiếp theo 5t , ta giảm

lƣu lƣợng nƣớc lạnh đƣa vào bình bằng cách

giảm tín hiệu vào 2I , quan sát kết quả cho

thấy, mức h giảm xuống còn nhiệt độ T thì

tăng lên phi tuyến. Ở thời điểm 6t , ta giảm

lƣu lƣợng nƣớc ra khỏi bình bằng cách giảm

tín hiệu vào 3I , quan sát kết quả cho thấy,

mức h tăng lên còn đặc tính của nhiệt độ T

không bị thay đổi.

Tƣơng tự nhƣ vậy, khi ta tiến hành thay đổi

độ tăng giảm các giá trị tín hiệu điện đƣa vào

(tăng giảm độ mở van, lƣu lƣợng) thì độ dốc

và chiều của đồ thị các đáp ứng đều thay đổi

theo đúng nhƣ quan hệ vật lý giữa chúng. Các

kết quả mô phỏng cho thấy tính đúng đắn của

mô hình phi tuyến đã xây dựng.

KẾT LUẬN

Bài báo đã đi tiến mô hình hóa hệ thống điều

khiển mức-nhiệt độ. Đây đƣợc xem là hệ

chung cho lớp các hệ khuấy trộn liên tục. Từ

mô hình phi tuyến thu đƣợc, bài báo đã phân

tích và đánh giá chất lƣợng hệ thống.

Với số các giả thiết cần đƣợc sử dụng trong

quá trình mô hình hóa là ít nhất tới mức có

thể, mô hình toán cho hệ thống điều khiển

mức-nhiệt độ đã xây dựng đƣợc ở mức độ tổng

quát tối đa, trong đó chứa đựng đƣợc cả những

ảnh hƣởng động học của thiết bị chấp hành,

cảm biến tới chất lƣợng hệ thống. Các kết quả

mô phỏng trên MatLab đã kiểm chứng sự đúng

đắn của mô hình đƣợc xây dựng.

Việc mô hình hóa đƣợc bài báo hệ thống một

cách đủ chính xác sẽ giúp chúng ta sử dụng

đƣợc hiệu quả các phƣơng pháp điều khiển

mới, hiện đại, cho việc điều khiển quá trình

mức-nhiệt độ, từ đó nâng cao đƣợc chất lƣợng

điều khiển trong thực tế sản xuất.


[1]. Bela G. Liptak (Chief Editor), 1995. Process

Measurement and Analysis - Handbook.

Pennsylvania Chilton Book Company, 3. Edition.

[2]. Byron Bird; Warren Steward and Edwin

Lichtfoot, 1960. Transport phenomena. John

Wieley&Sons.

[3]. Hoàng Minh Sơn, 2009. Cơ sở hệ thống điều

khiển quá trình. NXB Bách Khoa Hà Nội.

[4]. Seborg Dale E., Edgar Thomas F. and

Mellichamp Ducan A., 2004. Process Dynamic

and Control. John Wiley&Sons Inc.


25

SUMMARY

NONLINEAR MODELLING OF LEVEL-TEMPERATURE

CONTROL SYSTEM AND ANALYSIS OF SYSTEM

Hoang Duc Quynh

*1, Nguyen Doan Phuoc

2

1Industrial Economic Technology College; 2Hanoi University of Science and Technology

The technological requirement, that both temperature and level are controlled simultaneously, is

founded in many industrial fields. This paper presents the method for nonlinear modelling of level-

temperature control system, from there the simulation and analysis of system is executed. The

presented nonlinear model of system will play a fundamental role for new controller design to

improving system performance.

Keywords: Modelling, Process Control, Level – Temperature control system.

PHỤ LỤC

Chƣơng trình MatLab cho khối S-function Level-Temperature System function [sys,y0]=levtem_sfcn1(t,y,u,flag)

S=0.0165;

T1=70;

T2=20;

kv=4.4035e-5;

ro=1000;

ro1=995;

ro2=1005;

C=4200;

C1=4195;

C2=4205;

kcd=1/16;

kb1=ro1/(ro*S);

kb2=ro2/(ro*S);

kb3=1/S;

a1=C1*T1*ro1/(ro*S*C);

a2=C2*T2*ro2/(ro*S*C);

k1=kcd*kv*kb1;

k2=kcd*kv*kb2;

k3=kcd*kv*kb3;

k=kcd*kv;

if flag == 1,

I1=u(1);

I2=u(2);

I3=u(3);

sys(1)=(k1*I1+k2*I2-k3*I3);

sys(2)=kcd*kv*((a1-kb1*y(2))*I1+(a2- kb2*y(2))*I2)/y(1);

elseif flag == 0,

sys=[2;0;2;3;0;1];

y0=[0.2;40];

elseif flag == 3,

sys=[y(1) y(2)];

else

sys=[];

end


Phản biện khoa học: TS. Đỗ Trung Hải – Trường ĐH Kỹ thuật Công nghiệp - ĐHTN



26

Nguyễn Thị Việt Hƣơng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 27 - 36

27

MÔ HÌNH HÓA VÀ MÔ PHỎNG CÓ SỬ DỤNG BỘ QUAN SÁT TRẠNG THÁI

TRONG HỆ CẦN CẨU TREO

Nguyễn Thị Việt Hƣơng

1,*, Đào Phƣơng Nam

2, Nguyễn Doãn Phƣớc

2

1Trường CĐ Công nghiệp Thái Nguyên, 2Đại học Bách khoa Hà Nội

TÓM TẮT Để có thể nâng cao đƣợc chất lƣợng điều khiển cần cẩu treo, cần thiết phải có mô hình toán đủ

chính xác mô tả nó. Bài báo này trình bày mô hình phi tuyến các loại cẩu treo khác nhau, từ 2D tới

3D và từ loại đơn giản có 1 tín hiệu vào đến loại có nhiều tín hiệu vào. Những mô hình cẩu treo

của bài báo đều đƣợc chuẩn hóa chung các biến trạng thái, giúp cho chúng có đƣợc tính thống nhất

trong áp dụng các phƣơng pháp điều khiển sau này. Ngoài ra sự phù hợp của mô hình đã đƣợc

kiểm chứng thông qua các kết quả mô phỏng có kết hợp sử dụng khâu quan sát trạng thái.

Từ khóa: Cẩu treo, Cẩu giàn, Khâu quan sát, Phương trình Euler-Lagrange, Hệ thiếu cơ cấu

chấp hành.

ĐẶT VẤN ĐỀ*

So với nhiều chủng loại cần cẩu khác nhau

nhƣ cẩu tháp (tower/rotary crane), cẩu cánh

tay đòn (boom crane)... thì cẩu treo

(gantry/overhead crane) là loại đƣợc sử dụng

rất phổ biến trong công nghiệp. Nó đƣợc dùng

để vận chuyển, bốc dỡ hàng tại các bến cảng,

nhà kho. Cẩu treo có nhiều dạng khác nhau,

từ đơn giản đến phức tạp. Hình 1 là loại cẩu

treo giàn, loại gặp khá nhiều tại các bến cảng.

Hình 1. Cẩu treo/cẩu giàn

Nó gồm một xe cẩu chạy đƣợc theo hai chiều

trực giao với nhau trong mặt phẳng ( , )x y .

Lực đẩy đƣợc tạo bởi hai động cơ đẩy độc lập

với nhau. Trên xe cẩu còn có một động cơ thứ

ba là động cơ dùng để tạo moment quấn tời,

điều chỉnh độ dài dây buộc hàng phía dƣới.

Loại cẩu treo đơn giản hơn đƣợc hiểu là loại

mà xe cẩu hàng chỉ chạy theo một chiều nằm


ngang ( x hoặc y ) bởi một động cơ đẩy. Tất

nhiên tính linh hoạt trong bốc dỡ, vận chuyển

hàng của loại cẩu treo này là kém hơn, song

lại tiện ích hơn về nhiều mặt ở những môi

trƣờng hẹp, có chiều vận chuyển hàng cố định

theo một phƣơng, chẳng hạn nhƣ ở các dây

chuyền sản xuất trong nhà máy, vị trí chuyển

đổi hàng giữa các băng tải trong nhà kho....

Tất cả các loại cẩu treo trên đều có tên gọi

chung là gantry crane (cẩu giàn) hay

overhead crane (cẩu treo).

Mặc dù đã xuất hiện từ khá lâu và đƣợc dùng

rất nhiều trong công nghiệp [1], song vấn đề

điều khiển cần cẩu treo, cải tiến chất lƣợng

vẫn chuyển, bốc dỡ hàng, định hƣớng nhanh,

an toàn và chính xác, tiết kiệm năng lƣợng, vẫn

là bài toán thời sự, cho kể cả tới ngày hôm nay.

Hàng năm vẫn có nhiều lời giải cho bài toán

điều khiển cầu treo đƣợc công bố, tuy vậy tính

thích nghi, tính bền vững của những lời giải

này là rất hạn chế và ta hoàn toàn có thể khẳng

định rằng còn lâu nữa mới có thể có đƣợc lời

giải hoàn thiện cuối cùng đáp ứng đƣợc mọi

yêu cầu chất lƣợng điều khiển đặt ra của bài

toán điều khiển cần cẩu treo.

Giống nhƣ mọi bài toán điều khiển khác, để

phân tích đƣợc chất lƣợng hệ thống và thiết

kế đƣợc bộ điều khiển cho cần cẩu treo, ta cần

phải có mô hình toán của nó. Ứng với mỗi

loại cẩu treo lại có nhiều mô hình toán khác

nhau mô tả nó, trong đó thƣờng sử dụng nhất

vẫn là hai loại: mô hình trạng thái và mô hình


28

biến khớp Euler-Lagrange. Với mỗi loại mô

hình sẽ có các phƣơng pháp phân tích và thiết

kế bộ điều khiển thích hợp khác nhau.

Trong khi số lƣợng các phƣơng pháp ứng với

mô hình trạng thái là khá phong phú, trải khắp

các yêu cầu về chất lƣợng điều khiển khác

nhau, kích thƣớc bộ điều khiển thu đƣợc lại

khá lớn, thì với mô hình Euler-Lagrange, các

phƣơng pháp phân tích và điều khiển thƣờng

gọn hơn, nhƣng lại chủ yếu tập trung cho lớp

hệ đủ cơ cấu chấp hành.

Riêng với hệ cẩu treo, mặc dù là hệ Euler-

Lagrange thiếu cơ cấu chấp hành, song ta vẫn

có thể chuyển về bài toán phân tích và điều

khiển hệ con, đủ cơ cấu chấp hành trong nó

[2],[4],[5], nên có thể nói dạng mô hình

Euler-Lagrange ở đối tƣợng cần cẩu treo có

ƣu thế hơn. Bởi vậy bài báo này sẽ tập trung

chủ yếu vào việc xây dựng mô hình Euler-

Lagrange, mô phỏng và đánh giá chất lƣợng

của mô hình, cho hệ cần cẩu treo.

Cho tới nay cũng đã có nhiều công bố về kết

quả mô hình hóa dạng Euler-Lagrange cho hệ

cẩu treo dƣới nhiều hình thức khác nhau,

chẳng hạn nhƣ ở [9],[12] là mô hình 2 chiều

một đầu vào, xấp xỉ tuyến tính, ở [7],[8] là mô

hình 3 chiều 2 đầu vào, ở [4] là mô hình 3

chiều 3 đầu vào .... Tuy nhiên, tất cả các dạng

mô hình Euler-Lagrange đó lại không thống

nhất với nhau ở việc chọn các biến trạng thái

trong hệ cũng nhƣ các giả thiết kèm theo cho

việc xây dựng mô hình. Do đó mặc dù chúng

có thể là tƣơng đƣơng, song việc chuyển đổi

từ dạng này sang dạng mô hình khác sẽ gặp

khá nhiều khó khăn. Điều này kéo theo hệ quả

là những phƣơng pháp phân tích và điều

khiển sau này, một khi đƣợc xây dựng cho

dạng mô hình nào, thì chỉ có thể ứng dụng

đƣợc đúng cho mô hình đó.

Vì vậy ở bài báo này, chúng tôi đã đặt ra

nhiệm vụ là phải xây dựng mô hình Euler-

Lagrange cho các loại cẩu treo, có thể khác

nhau về số chiều chuyển động của cẩu hay số

các tín hiệu đầu vào, song luôn nhất quán và

thống nhất với nhau về các biến trạng thái độc

lập quy định trong hệ cũng nhƣ những giả

thiết đƣợc sử dụng trong quá trình xây dựng

mô hình.

Khi xây dựng các mô hình thì chúng tôi đã giả

thiết các hệ thống dây buộc hàng đều có thể

thay bằng một dây cứng, không trọng lƣợng.

Nhƣ [15] đã cho thấy tầm quan trọng của việc

sử dụng khâu Quan sát trạng thái trong hệ

thống cơ có xét đến ảnh hƣởng của thành

phần ma sát thể hiện ở những lý do sau đây:

Khâu Quan sát tuyến tính không có khả

năng thể hiện đầy đủ những đặc điểm vốn có

của mỗi hệ thống.

Khâu Quan sát tựa mô hình chỉ thích hợp

với những trƣờng hợp mô hình đƣợc xác định

chính xác.

Khâu vi phân high-gain sẽ không cho kết

quả chính xác tại những vị trí “peak” vì khiến

cho giá trị có khả năng đi tới vô cùng.

Cũng theo [15], khâu quan sát trƣợt có phạm

vi sử dụng rộng rãi, cho phép đạt đƣợc sự hội

tụ với thời gian hữu hạn, tính bền vững khi có

tác động bởi những thành phần bất định và

khả năng ƣớc lƣợng các thành phần bất định.

Bộ quan sát tiệm cận cho hệ thống khi xét đến

thành phần ma sát đã đƣợc nghiên cứu bởi

Orlov, … dựa vào chế độ trƣợt bậc 2 và về lý

luận cũng đƣợc đảm bảo do thỏa mãn nguyên

lý Tách. Bộ điều khiển vi phân bền vững với

đặc điểm hội tụ trong khoảng thời gian hữu

hạn dựa trên thuật toán super – twisting cũng

đã đƣợc nghiên cứu và ứng dụng thành công

bởi Pisano, Bartoliny,…, tiếp đến Furuta đã

mở rộng cho ứng dụng hệ truyền thẳng, mà

không phụ thuộc nhiều vào mô hình hệ thống.

Đối với mỗi mô hình thì tham số hệ thống

cũng nhƣ thành phần bất định có thể đƣợc

ƣớc lƣợng (đây là đặc điểm chung của những

hệ thống cơ có xét đến ảnh hƣởng của ma sát

Coulomb), và đó là lý do dẫn đến những quan

sát các thành phần của hệ thống. [15] đã đề

xuất khâu quan sát cho phép xác định tốc độ

từ vị trí đƣợc đo về, sử dụng những biến thể

của thuật toán “super – twisting” trong chế độ

trƣợt bậc 2 và nguyên lý tách đƣợc khẳng

định. Bài báo đã kiểm chứng khả năng làm

việc của mô hình cẩu treo với sự bổ sung

khâu quan sát trạng thái nhƣ mô tả trong [15].


29

MÔ HÌNH CẨU TREO CHUYỂN ĐỘNG

THEO MỘT PHƢƠNG NẰM NGANG

Hình 2 là sơ đồ mô tả cấu trúc cơ khí của hệ

cẩu treo chuyển động theo một phƣơng nằm

ngang duy nhất.

Hình 2. Mô hình 2D một phương

Hệ gồm có xe cẩu với khối lƣợng cm chạy

trên một xà đỡ nằm ngang. Lực đẩy ( )u t cho

xe cẩu đƣợc lấy từ động cơ, giữ vai trò nhƣ

một cơ cấu chấp hành. Dƣới xe đẩy có một tời

quay chỉnh độ dài l của dây cáp buộc hàng.

Hàng đƣợc nối với xe cẩu ở đầu dây cáp có

khối lƣợng là hm . Khi có lực đẩy u tác động

vào xe cẩu, xe sẽ chạy trên xà đỡ nằm ngang

một quãng đƣờng là x và dƣới tác động của

lực quán tính trong quá trình chuyển động,

hàng buộc ở đầu dây sẽ dao động. Dao động

đó của hàng đƣợc biểu diễn bằng góc lắc

giữa dây buộc hàng và phƣơng thẳng đứng z .

Mô hình 2D một đầu vào

Mô hình 2D đƣợc hiểu là mô hình mô tả hệ

cẩu treo một phƣơng ở hình H1 khi mà dao

động của hàng hm chỉ nằm trong mặt phẳng

( , )x z . Tiếp theo, mô hình 2D một đầu vào

đƣợc hiểu là mô hình 2D của hệ khi chỉ có tác

động bởi lực 1( ) ( )u t u t vào xe đẩy, còn

không quan tâm tới sự thay đổi độ dài l của

dây treo hàng trong quá trình điều khiển. Nói

cách khác, l là hằng số trong suốt quá trình

điều khiển.

Sử dụng ký hiệu , h hx z về tọa độ của hàng

đƣợc chiếu lên trục x và z , ta có (hình 2):

sin

cos

h x

h

x x l x l

z l(26)

Ký hiệu tiếp J là moment quán tính của

hàng, ta sẽ có hàm mô tả động năng E và thế

năng V của hệ nhƣ sau:

2 2 2 2

2 2 2

1 1 1 1

2 2 2 2

1 1 1( ) ( ) cos

2 2 2

cos

c h h h h

c h h h

h h h

E m x m x m z J

m m x m l m x l J

V gm z gm l

&& & &

& & && &

Từ đây, hàm Lagrange L E V cho hệ sẽ

là:

2 2

2

1 1( , ) ( ) ( ) cos

2 2

1 cos

2

c h h h

h

L m m x m l m x l

J gm l

& && & &

&

q q

trong đó: ( , )Txq (27) là vector các biến

khớp trong hệ.

Áp dụng công thức động lực học Euler-

Lagrange [10]:

( , ) ( , )T T

d L L

dt

& &

&

q q q q

q q

(28)

trong đó: , L L

&q qlà ký hiệu đạo hàm Jacobi

của hàm nhiều biến, và vector tín hiệu điều

khiển: ( , 0)Tu

ta có:

2

2

2

( ) cos

cos

0

sin sin

( ) cos sin

cos sin ( )

0

sin sin

c h h

h h

h h

c h h h

h h h

h h

m m x m ld

dt m l m xl J

m x l gm l

m m x m l m l

m xl m x l m l J

m x l gm l

&&

& &&

&&

&& &&&

& &&&& &

&&

2

cos

cos

00 sin

sin0 0

h c h

h h

h

h

m m m l x

m l m l J

xm l

gm l

&&

&&

& &

&

xl

z

x l

hm

cm 1u u x


30

Vậy khi sử dụng ký hiệu:

2

cos( )

cos

0 sin( , )

0 0

0( )

sin

h c h

h h

h

h

m m m l

m l m l J

m l

gm l

&&

M

C

q

q q

g q

thì phƣơng trình trên trở thành:

( ) ( , ) ( )0

u&& &&q q q q q g qM C

(29)

với hai ma trận ( )M q , ( , )&C q q thỏa mãn các

tính chất:

( ) ( ) 0TM Mq q(30)

( ) ( , ) ( , )T& & &M C Cq q q q q

(31)

Nói cách khác, hệ cẩu treo chuyển động theo

một phƣơng nằm ngang ở hình 1 là hệ Euler-

Lagrange có vector của hai biến khớp (27) và

một đầu vào, hay (29) là hệ hai bậc tự do và

thiếu cơ cấu chấp hành.

Mô hình 2D hai đầu vào

Xét lại hệ cẩu treo chuyển động theo một

phƣơng nằm ngang trên xà đỡ cố định mô tả ở

hình 2, nhƣng bây giờ có hai tín hiệu tác động

ở đầu vào là lực 1u u đẩy xe cẩu có khối

lƣợng cm trên xà đỡ ngang và lực 2u tạo ra

từ động cơ với khối lƣợng tm đặt ngay trên

xe cẩu để quấn tời buộc hàng.

Từ lực 2u tạo ra từ động cơ quấn tời độ dài l

của dây buộc hàng không còn là hằng số mà

thay vào đó nó trở thành một biến ( )l t của mô

hình giống nhƣ ( )x t và ( )t .

Nhƣ vậy, hệ cẩu treo ở hình H1 bây giờ là ba

bậc tự do có ba biến khớp:

( , , )Tx lq(32)

Lại sử dụng các ký hiệu (1) về tọa độ của

hàng chiếu lên trục x và z , thì hàm động

năng E và thế năng V của hệ khi độ dài dây

buộc hàng ( )l t thay đổi theo thời gian, ứng

với tổng khối lƣợng c tm m của xe và động

cơ quấn tời, sẽ là:

2 2

2

2

1 1( ) ( )

2 2

1 ( ) ( cos sin )

2

1

2

cos

c t h h t

h h

h h h

E m m m x m m l

m l m x l l

J

V gm z gm l

&&

& & &&

&

Suy ra, hệ có hàm Lagrange L E V :

2 2

2

2

1 1( , ) ( ) ( )

2 2

1 ( ) ( cos sin )

2

1 cos

2

c t h h t

h h

h

L m m m x m m l

m l m x l l

J gm l

&& &

& & &&

&

q q

Lại sử dụng công thức động lực học Euler-

Lagrange (28) giống nhƣ ở mục 2.1, nhƣng

với vector biến khớp (32) và vector tín hiệu

đầu vào: 1 2( , , 0)Tu u (33) ta sẽ có:

2

2

( cos sin )

( ) sin

cos

0

cos cos

( sin cos ) sin

( ) sin cos

c t h h

h t h

h h

h h h

h h

c t h h h

h

m m m x m l ld

m m l m xdt

m l m xl J

m l m x gm

m x l l gm l

m m m x m l m l

m x

& &&

& &

& &&

& &&

& &&

&& &&&&

&&

2

2

2

sin ( )

cos ( )

sin 2 cos

cos

2 sin

h t

h h

h h

h h

h h

m m l

m xl m l J

m l m l

m l m g

m ll m gl

&&

&&&&

& &&

&

&&

tức là có:

1

2( ) ( , ) ( )

0

u

u&& &&M Cq q q q q g q

(34)


31

trong đó:

2

sin cos

( ) sin 0

cos 0

0 cos sin cos

( , ) 0 0

0

0

( ) cos

sin

c t h h h

h h t

h h

h h h

h

h h

h

h

m m m m m l

m m m

m l m l J

m m l m l

m l

m l m ll

m g

m gl

& & &

&&

& &

M

C

q

q q

g q

Ta thấy mô hình (34) trên cho hệ cẩu treo 2D

hai đầu vào 1 2, u u cũng thỏa mãn các điều

kiện (30), (31) của một hệ Euler-Lagrange.

Mô hình 3D một đầu vào

Ở mô hình 3D, mặc dù xe cẩu chỉ chạy trên

xà đỡ cố định nằm ngang, song dao động của

hàng hm sẽ theo cả ba chiều của toàn bộ

không gian ( , , )x y z nhƣ mô tả ở hình 3.

Hình 3. Mô hình 3D một phương

Tƣơng ứng, góc lắc của hàng lúc này đƣợc

biểu diễn bởi hai giá trị là góc so với trục

z và là góc so với trục x . Hệ chỉ có một

đầu vào duy nhất là lực đấy 1( ) ( )u t u t để xe

cẩu có khối lƣợng cm chạy dọc trên thanh xà

cố định nằm ngang một đoạn đƣờng là x . Độ

dài l của cáp treo hàng đƣợc giả thiết là hằng

trong suốt quá trình cẩu hàng.

Khi hàng đƣợc xe cẩu vận chuyển, do lực

quán tính nó sẽ dao động xung quanh điểm

trọng tâm của xe với những khoảng cách , , x y zl l l chiếu lần lƣợt theo các trục , , x y z

tính từ tâm xe cẩu. Những khoảng cách này

chính là tọa độ tƣơng đổi của hàng so với tọa

độ của xe cẩu và đƣợc xác định từ , , l

nhƣ sau (hình H3):

sin cos , sin sin , cosx y zl l l l l l(35)

Từ các giá trị này, ta cũng có đƣợc đoạn

đƣờng mà hàng dịch chuyển đƣợc theo ba

chiều , , x y z dƣới tác động của lực đẩy u .

Từ đây ta có đƣợc hàm thế năng V :

cosh z hV gm l gm l

và hàm động năng E của hệ:

2 2 2 2

2 2

2 2 2 2

2 2

1 1 1 1( )

2 2 2 2

1 1

2 2

1 1( ) ( sin )

2 2

1 ( ) cos cos

2

sin sin

c h x h y h z

c h h

h h

h

E m x m x l m l m l

J J

m m x m l J

m l J m lx

m lx

& & && &

& &

&&

& &&

&&

Suy ra hệ có hàm Lagrange là:

2 2 2 2

2 2

1 1( ) ( sin )

2 2

1 ( ) cos cos

2

sin sin cos

c h h

h h

h h

L E V

m m x m l J

m l J m lx

m lx gm l

&&

& &&

&&(36)

Thay (36) vào phƣơng trình Euler-Lagrange

(28) thì với các ký hiệu:

( , 0 , 0)

( , , )

T

T

u

xq (37)

ta sẽ có:

2

2 2

2

( ) cos cos sin sin

( ) cos cos

( sin ) sin sin

0

( cos ) sin ( sin cos cos sin )

cos sin sin cos

( )

c h h h

h h

h h

h

m m x m l m l

dm l J m lx

dtm l J m lx

m l gl lx

lx lx

& &&

& &

& &

& &&

& && &

&&q qM ( , ) ( )&&q q q g qC

trong đó:

zl

yl

1u u x

l

hm

cm

x

y

z

xl


32

2

2 2

2

cos cos sin sin

( ) cos cos 0

sin sin 0 sin

0 sin cos cos sin

( , ) 0 0

0 sin cos

cos sin s

c h h h

h h

h h

h h

h

h h

m m m l m l

m l m l J

m l m l J

m l m l

m l

m l m l

& &

&

&

& &

q

q q

M

C

2

2

in cos

sin cos

sin cos

0

( ) sin

0

h

h

h

m l

m l

m gl

&

&

g q

và các ma trận, vector hàm này cũng thỏa

mãn các điều kiện cần phải có (30), (31) của

một hệ Euler-Lagrange.

MÔ HÌNH CẨU TREO CHUYỂN ĐỘNG

THEO HAI PHƢƠNG TRỰC GIAO

Đã có nhiều tài liệu trình bày về mô hình 3D

một đầu vào, ví dụ [1,…,9] nhƣng chúng rất

khác nhau về quy định trạng thái, thứ tự đầu

vào. Mô hình đƣợc trình bày ở bài báo này sẽ

có sự nhất quán với tất cả các mô hình ở

chƣơng 2.

Khác với nội dung đã có ở mục II. trƣớc đây

cũng về hệ cẩu treo 3D hai đầu vào, thì ở đây,

ta sẽ xét hệ cẩu treo có dạng cẩu giàn, tức là

xe cẩu với khối lƣợng cm sẽ di chuyển theo

cả hai chiều x và y trực giao nhau trong mặt

phẳng nằm ngang. Sự di chuyển đó đƣợc tạo

ra bởi lực đẩy 1( )u t theo phƣơng x và 2( )u t

theo phƣơng y độc lập với nhau (hình H4).

Hai lực đẩy này chính là hai tín hiệu đầu vào

của hệ.

Còn lại, khái niệm 3D ở đây cũng đƣợc hiểu

tƣơng tự nhƣ ở mục II.C, tức là hàng hm ,

dƣới tác động của lực quán tính trong quá

trình vận chuyển, sẽ dao động lắc lƣ theo cả

ba chiều ( , , )x y z trong không gian nhƣ mô tả

ở hình 4.

Để đơn giản, trƣớc tiên ta giả thiết trong quá

trình cẩu hàng, chiều dài l của dây treo hàng

là hằng số. Nói cách khác, hệ chỉ có hai tín

hiệu vào duy nhất là 1u và 2u .

Hình 4. Mô hình 3D hai phương

Xe cẩu di chuyển theo phƣơng x trên một

thành xà đỡ có khối lƣợng xm . Nhƣ vậy, toàn

bộ khối lƣợng đƣợc dịch chuyển dọc theo trục y sẽ bao gồm cm của xe cẩu, xm của xà đỡ

và hm của hàng đƣợc vận chuyển. Khi đó, và

cùng với các ký hiệu về độ sai lệch tọa độ

, ,x y zl l l của hàng đã có trƣớc đây là công thức

(35), sinh ra bởi dao động quán tính, ta sẽ có

hàm động năng E và thế năng V của hệ nhƣ

sau:

2 2 2 2

2 2 2

1 1 1( ) ( ) ( )

2 2 2

1 ( sin ) cos cos

2

sin sin cos sin

sin cos

cos

c h c h x h

h h

h h

h

h z h

E m m x m m m y m l J

m l J m lx

m lx m ly

m ly

V gm l gm l

&& &

&& &

&&& &

&&

tức là hệ có hàm Lagrange L E V :

2 2 2 2

2 2 2

1 1 1( ) ( ) ( )

2 2 2

1 ( sin ) cos cos

2

sin sin cos sin

sin cos cos

c h c h x h

h h

h h

h h

L m m x m m m y m l J

m l J m lx

m lx m ly

m ly gm l

&& &

&& &

&&& &

&&

Thay hàm Lagrange trên vào phƣơng trình

(28) ta có với:

1 2( , , 0 , 0)

( , , , )

T

T

u u

x yq (38)

mô hình Euler-Lagrange của hệ nhƣ sau:

( ) ( , ) ( )&& &&q q q q q g qM C

trong đó , q đƣợc định nghĩa bởi (38) và:

yl

xl

2u cm

xm

1u x

y

hm

l x

y

z


33

2

2 2

0 cos cos

0 cos sin( )

cos cos cos sin

sin sin sin cos 0

sin sin

sin cos

0

sin

c h h

c h x h

h h h

h h

h

h

h

m m m l

m m m m l

m l m l m l J

m l m l

m l

m l

m l J

qM

2

2

0 0 sin cos cos sin

0 0 sin sin cos cos( , )

0 0 0

0 0 sin cos

cos sin sin cos

cos cos sin sin

sin cos

h h

h h

h

h h

h h

h

m l m l

m l m l

m l

m l m l

m l m l

m l

m

& &

& &&

&

& &

& &

&

q qC

2sin coshl &

và

0

0( )

sin

0

hm glg q

Có thể thấy các ma trận ( ), ( , )&q q qM C trên là

thỏa mãn hai điều kiện bắt buộc (30), (31) của

một hệ Euler-Lagrange.

XÂY DỰNG KHÂU QUAN SÁT

TRẠNG THÁI

Để xây dựng bộ quan sát trạng thái, [15] đã

tiến hành lần lƣợt các bƣớc sau:

Chuyển (13) về mô hình trên không gian

trạng thái:

1 2

2 1 2 1 2, ,

x =x

x x ,x ,u + x ,x ,uf t t

&

&

với 1 2, ,u x xU t (14)

Lúc này thành phần xác định của hệ sẽ có

dạng 1

1 2 1

1 2 2 2 2 1

,x ,x ,u M x

C x ,x x D x P x G x u

l

l l l l

f t

(15)

và thành phần bất định đƣợc chuyển vào

1 2,x ,x ,ut.

Bộ quan sát đƣợc đề xuất nhƣ sau:

µµ ¶ µ

µµ µ

µ

1

212 1 1 1 1

1

2 1 1 2 2 2 1

1 1

x=x diag diag sign x x

x M x C x ,x x D x G x τ

diag sign x x

i i i

l l l l

i

dx x

dt

&

(16)

Với i , i

là hằng số đủ lớn đƣợc lựa chọn

theo biên của 1 2,x ,x ,ut [15]

MÔ PHỎNG VỚI MATLAB

Từ mô hình toán đƣợc nêu ở trên, bài báo tiến

hành xây dựng mô hình cẩu treo 3D trên

Matlab - Simulink phiên bản R2013a

(Matlab2013a), với thông số kỹ thuật:

Khối lƣợng xà đỡ (bỏ qua)

Khối lƣợng xe cẩu (1 kg)

Khối lƣợng tải (10 kg)

Momen quán tính tải 2 210 ( )Jkg

Để đánh giá khả năng sử dụng mô hình này,

bài báo thực hiện phép so sánh nó với mô

hình “vrcrane_traj.xls” đã có trong

Matlab2013a có cùng chức năng đƣợc sử

dụng để mô tả cẩu treo 3D. Tuy nhiên mô

hình “vrcrane_traj.xls” chỉ xét đến trƣờng

hợp đặc biệt là tại 1 thời điểm bất kỳ, chỉ có

duy nhất 1 hƣớng chuyển động của xe cẩu

theo trục x hoặc y đƣợc tiến hành và góc

lệch , đủ nhỏ. Điều này có thể thấy rõ

trong “vrcrane_traj.xls” bởi sự xuất hiện 2

thành phần trên trục x và y trong mô hình có

cấu trúc hoàn toàn giống nhau. Cả 2 mô hình

nói trên đều sử dụng 1 hệ thống điều khiển vị

trí theo trục x và y của xe cẩu, thực tế dựa

vào hệ thống truyền động gồm 2 động cơ điện

1 chiều giúp dịch chuyển xà đỡ và xe cẩu.

Bài báo tiến hành 2 mô phỏng chính:

Lƣợng đặt vị trí đƣợc thể hiện nhƣ hình 5

cho thấy sự tách biệt 2 chiều chuyển động

giúp so sánh mô hình xây dựng của bài báo và

mô hình đã có trong Matlab.


34

0 10 20 30 40 50 600

2

4

6

8

10

12

14

16

Thời gian (s)

Vị trí đặt

(m) x_ref

z_ref

Hình 5. Vị trí đặt của xe cẩu khi tách biệt hai

chuyển động

Lƣợng đặt vị trí nhƣ thể hiện ở hình 6 cho

thấy sự phối hợp 2 chiều chuyển động dựa

vào mô hình mô phỏng đƣợc xây dựng giúp

thu đƣợc vị trí chuyển động của tải.

0 5 10 15 20 25 30 35 400

2

4

6

8

10

12

14

16

x_ref

z_ref

Thời gian (s)

Vị trí đặt

(m)

Hình 6. Vị trí đặt của xe cẩu khi phối hợp hai

chuyển động

Kết quả mô phỏng cho thấy chất lƣợng bám

tốt giữa 2 kết quả đƣợc hình thành từ 2 mô

phỏng khác nhau (theo Matlab2013a và mô

hình do bài báo xây dựng) đối với vị trí tải

nhƣ thể hiện ở hình 7, 8.

Chất lƣợng bám rất tốt đó chứng tỏ trong

trƣờng hợp riêng khi tách biệt 2 chuyển động

tịnh tiến thì có sự tƣơng đƣơng giữa mô hình

3D tổng quát đƣợc xây dựng trong bài báo và

mô hình từ Matlab2013a.

0 10 20 30 40 50 60-2

0

2

4

6

8

10

12

14

16

x Tải

(m)

Kết quả theo

Matlab 2013a

Kết quả theo mô

hình xây dựng

Hình 7. So sánh vị trí của tải theo trục x khi tách

biệt hai chuyển động

25 30 35 40 45 50 55 600

0.5

1

1.5

2

2.5

3

3.5

4

4.5

5

z Tải

(m) Kết quả theo mô

hình xây dựng

Kết quả theo

Matlab 2013a

Thời gian (s)

Hình 8. So sánh vị trí của tải theo trục z khi tách

biệt hai chuyển động

Khi xét đến trƣờng hợp tổng quát có sự phối

hợp giữa 2 chuyển động tịnh tiến (ví dụ nhƣ

lƣợng đặt vị trí đƣợc nêu ở hình 6) thì mô

hình cẩu treo từ Matlab không còn phù hợp,

và tiến hành mô phỏng dựa vào mô hình của

bài báo thu đƣợc vị trí tải nhƣ hình 9.

0 5 10 15 20 25 30 35 40 45 500

2

4

6

8

10

12

14

16

Thời gian (s)

x

z

Vị trí tải

(m)

Hình 9. Vị trí của tải theo trục x, z khi phối hợp

các chuyển động.

Ngoài ra bài báo còn tiến hành mô phỏng dựa

trên mô hình đƣợc xây dựng có sự kết hợp với

khâu quan sát trạng thái đƣợc trình bày ở mục

5 [15] thu đƣợc các đáp ứng nhƣ hình 10, 11,

12, 13:

0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016-8

-6

-4

-2

0

2

4

6

8

10x 10

-3

Hình 10. Đáp ứng của khâu quan sát đối với

thành phần tốc độ thẳng theo trục x

0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016-0.04

-0.03

-0.02

-0.01

0

0.01

0.02

0.03

0.04


thành phần tốc độ thẳng theo trục y


35

0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016-0.08

-0.06

-0.04

-0.02

0

0.02

0.04

0.06

0.08


thành phần tốc độ góc theo trục x

0 0.002 0.004 0.006 0.008 0.01 0.012 0.014 0.016-0.2

-0.15

-0.1

-0.05

0

0.05

0.1

0.15


thành phần tốc độ góc theo trục y

KẾT LUẬN

Bài báo đã trình bày việc mô hình hóa các loại cẩu treo khác nhau (từ 2D tới 3D, từ loại đơn giản có 1 tín hiệu vào đến loại có nhiều tín hiệu vào) và đƣa ra 1 mô hình mô phỏng

tổng quát khi xét đến sự phối hợp giữa các hƣớng chuyển động. Mô hình đƣợc xây dựng là tin cậy, thể hiện qua những kết quả mô phỏng trong trƣờng hợp riêng (H5, H7, H8) khi đem so sánh với mô hình “vrcrane_traj.xls” đã có trong Matlab2013a.

Bên cạnh đó sự phù hợp của mô hình còn đƣợc khẳng định thông qua mô phỏng khi có bổ sung thêm khâu quan sát trạng thái, thể hiện ở các đáp ứng (H10 – H13).


[1].Ahmad, M.A.; Ismail, R.M.T.R. and Ramli,

M.S. (2009): Input shaping techniques for anti-

sway control of 3D gantry crane system.

Proceeding of IEEE Int. Conference on

Mechatronics and Automation, China, Aug. 2009,

pp.2876-2881.

[2].Ahmad, M.A.; Ismail, R.M.T.R.; Ramli, M.S.;

Ghani, N.M.A. and Hambali, N. (2009):

Investigation of feedforward techniques for anti-

sway control of 3D gantry crane system.

Proceeding of IEEE Symposium on Industrial

Electronocs and Applications, Malaysia, Oct.

2009, pp.265-270.

[3]. Chen, W. and Saif, M. (2008): Output

feeback controller design for a class of MIMO

nonlinear systems using high order sliding mode

differentiators with application to a laboratory 3D

crane. IEEE trans. on Industrial Electronics,

vol.55, no.11, Nov. 2008, pp.3985-3997.

[4]. Chen, H.; Gao, B. and Zhang, X. (2005):

Dynamical modelling and nonlinear control of a

3D crane. Proceeding of ICCA2005, Hungary,

June 2005, pp.1085-1090.

[5]. Cho, S.K. and Lee, H.H. (2000): An anti

swing control of a 3D dimentional overhead

crane. Proceeding of the American Control

Conference, Chicago, June 2000, pp.1037-1041.

[6]. Chwa, D. (2009): Nonlinear tracking control

of 3D overhead cranes against the initial swing

angle and varidation of payload weight. IEEE

trán. on Control and Systems Technology, Vol.

17, No. 4, July 2009, pp. 876-883.

[7]. Ismail, R.M.T.R.; That, N.D. and Ha, Q.P.

(2012): Observer based trajectory tracking for a

class of underactuated Lagrangian systems using

high order sliding modes. Proceeding of IEEE 8th

Int. Conference on Automation Science and

Engineering. Korea, Aug. 2012, pp.1204-1209.

[8]. Ismail, R.M.T.R.; Ahmad, M.A.; Ramli,

M.S. and Rashidi, F.R.M. (2011): Nonlinear

dynamic modelling and analysis of a 3D overhead

gantry crane system with system parameters

variation. Proceeding of Int. Conference on

IJSSST, Vol. 11, No. 2, pp.9-16.

[9]. Maczynski, A. and Szczotka, M. (2002):

Comparison of models for dynamic analysis of a

mobile telescopic crane. Journal ò theoretical and

applied mechanics 40, 4, Warsaw, pp. 1051-1074.

[10]. Morin,D. (2007): Introduction to classical

mechanics. Cambridge University Press.

[11]. Pauluk, M.; Korytowski, A.; Turnau, A. and

Szymkat, M. (2001): Time optimal control of 3D

crane. Proceeding of IFAC Conference on CÁCD,

Sep. 2001.

[12]. Park, H.; Chwa, D. and Hong, K. (2007): A

feedback linearization control of container crane

varying rope length. Int. Journal of Control,

Automation and Systems, vol.5, no.4, pp.379-384,

Aug. 2007.

[13]. Rahman, E.A.; Nayfed, A.H. and Masoud, Z.

(2003): Dynamics and Control of Cranes: A

Review. Journal of Vibration and Control 9, pp.

863-908.

[14]. Thuan, N.Q. and Vesely (2011): Robust

decentralized controller design for 3D crane.

Proceeding of 18th Int. Conference on Process

Control, Slovakia, June 2011, pp.485-490.

[15]. Jorge Davila; Leonid Fridman and Ari

Levant (2005): Second – Order Sliding – Mode

Observer for Mechanical Systems. IEEE Trans. on

Automatic Control, vol.50, no.11, Nov. 2005,

pp.1785-1789.


36

SUMMARY

MODELLING AND USING STATE OBSERVER IN SIMULATION

FOR GANTRY CRANE

Nguyen Thi Viet Huong

1,*, Dao Phuong Nam

2, Nguyen Doan Phuoc

2

1Industrial Economic Technology College, 2Hanoi of University and Technology

To improve control performance of gantry cranes are needed sufficient precise mathematical

modele. This article presents various nonlinear modele of gantry cranes, such as 2D or 3D model

and modele of crane with one input or of complicated ones with multi-inputs. All obtained modele,

undepended on the kind of cranes they describe, have the same definition of states variables, which

allows applying of common control method afterwards.

Keywords: Gantry cranes, Overhead cranes, Observer, Euler-Lagrange equation; Underactuated

systems.

- Bài báo là kết quả nghiên cứu thuộc đề tài NCS của1 và đề tài NCKH cấp Bộ của chủ nhiệm đề tài1 mã số 095.13

RD/HĐ-KHCN.

Ngày nhận bài: 07/9/2013; Ngày phản biện: 05/10/2013; Ngày duyệt đăng: 08/11/2013

Phản biện khoa học: TS. Đỗ Trung Hải – Trường ĐH Kỹ thuật Công nghiệp – ĐHTN


Hoàng Thị Thƣơng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 37 - 43

37

SỰ KẾT HỢP GIỮA THIẾT BỊ LOGIC KHẢ TRÌNH

VÀ GIAO DIỆN NGƢỜI – MÁY (HMI) TRONG VIỆC

ĐIỀU KHIỂN VÀ GIÁM SÁT HỆ THỐNG MÁY CHIẾT BIA

Hoàng Thị Thƣơng*, Vũ Thị Oanh

Trường ĐH Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên

TÓM TẮT Bài báo này trình bày mô hình mô phỏng dây chuyền sản xuất bia sử dụng thiết bị logic khả trình

PLC và giao diện ngƣời - máy HMI. PLC là thiết bị đƣợc sử dụng rộng rãi trong công nghiệp, cho

phép ngƣời kỹ sƣ thực hiện các thuật toán điều khiển linh hoạt thông qua một ngôn ngữ lập trình.

Hơn nữa HMI là giao diện thuận tiện cho việc giám sát và điều khiển quá trình thông qua phần mềm

trên máy tính. Trong bài báo này, chúng tôi sử dụng PLC S7 - 300 của SIEMENS và WinCC phiên

bản 7.0. Các công đoạn khác nhau trong dây chuyền sản xuất và các giải pháp thông qua mô phỏng

đƣợc đƣa ra nhằm đảm bảo tính tự động hóa trong quá trình sản xuất. Cuối cùng, tính hiệu quả của

việc điều khiển và giám sát dây chuyền đã đƣợc thể hiện qua kết quả mô phỏng nhằm đảm bảo quá

trình tự động hóa giúp tăng năng suất, cải tiến chất lƣợng và đảm bảo an toàn vệ sinh thực phẩm.

Từ khoá: PLC, WINCC, máy chiết bia, dây chuyền sản xuất bia, vệ sinh an toàn thực phẩm.

ĐẶT VẤN ĐỀ*

Hiện nay trong thời kỳ phát triển của thế giới,

cuộc sống của con ngƣời ngày càng đƣợc

nâng cao, ngày càng nhiều đồ uống - thực

phẩm đƣợc sản xuất để phục vụ nhu cầu của

con ngƣời nhƣ bia, rƣợu, nƣớc ngọt…Bia hơi

loại đồ uống thực phẩm quen thuộc đƣợc sử

dụng nhiều ở các nƣớc trên thế giới, trong đó

có nƣớc ta. Những loại thực phẩm này rất tiện

lợi và đƣợc ƣa chuộng rộng rãi. Trong quá

trình sản xuất và chế biến thì tính an toàn thực

phẩm luôn đƣợc đặt lên hàng đầu. Xuất phát từ

yêu cầu thực tế trên, trong bài báo này chúng

tôi đề xuất một phƣơng án điều khiển tự động

và giám sát quá trình sản xuất bia nhằm đảm

bảo quá trình tự động hóa cao giúp tăng năng

suất, cải tiến chất lƣợng và nâng cao tính an

toàn vệ sinh thực phẩm trong công nghiệp.

TÌM HIỂU CÁC QUÁ TRÌNH SẢN XUẤT

CỦA DÂY CHUYỀN SẢN XUẤT BIA

Trong quá trình khảo sát thực tế kết hợp với

việc nghiên cứu, chúng tôi nghiên cứu về

công nghệ của dây chuyền sản xuất bia hơi.

Trong các nhà máy bia, ngƣời ta sử dụng các

dây chuyền sản xuất bia với nhiều mức công


suất khác nhau nhƣ là dây chuyền sản xuất

bia hơi công suất 120 kg/h, công suất 240

kg/h, dung tích 50 lít/keg, 30 lít/keg, 20

lít/keg…[2]

Trong bài báo này, chúng tôi nghiên cứu về

dây chuyền sản xuất bia hơi với công suất 240

kg/h, dung tích 50 lít/keg [4].

Dây chuyền này bao gồm các hệ thống sau:

Hệ thống pallet và robot

Hệ thống máy rửa ngoài

Hệ thống máy chiết bia hơi

Hệ thống cân

Hệ thống thành phẩm

Các hệ thống này đƣợc điều khiển và giám sát

bởi các trạm điều khiển và ngƣời điều khiển.

Có 1 trạm điều khiển trung tâm cho cả dây

chuyền (PLC S7 - 300 và WINCC) [4].

Sau đây chúng ta sẽ đi vào tìm hiểu chi tiết

các hệ thống:

Hệ thống pallet và robot

Các pallet chứa keg bia rỗng đƣợc các hệ

thống vận chuyển từ ngoài đƣa vào đƣờng

goong để cho robot rỡ ra. Robot gắp vỏ keg

bia từ các pallet và đƣa vào băng tải để chuẩn

bị đƣa vào máy rửa ngoài.


38

Hệ thống máy rửa ngoài

Hệ thống máy rửa ngoài bao gồm 2

khoang: khoang 1 là khoang rửa bằng dung

dịch xút loãng và khoang 2 là khoang rửa

bằng nƣớc lạnh.

Trong mỗi khoang đều có các sensor báo có

keg đến, có các vòi phun tia từ phía trên cao

và ngang để rửa sạch bụi bẩn bên ngoài nhằm

đảm bảo vệ sinh bên ngoài keg.

Hệ thống máy chiết bia hơi TRANSOMAT [2]

Hệ thống này bao gồm 3 máy chiết Transomat

hoạt động tƣơng tự nhau: MU1, MU2, MU3

và đặt song song với nhau. Mỗi máy chiết có

công suất tối đa là 80 keg/h. Mỗi máy chiết

gồm 6 trạm chiết (filling stations), hệ thống

vận chuyển thanh xà làm việc đồng bộ. Với

thể tich chiết là 50 lit/keg.

Ba máy chiết này đều có chung hệ thống vận

chuyển đƣờng gòong vào, ra. Keg sau khi đi

ra từ máy rửa ngoài sẽ chạy lần lƣợt trên hệ

thống gòong tới máy chiết cuối cùng rồi tới

máy thứ 2, sau cùng là máy thứ 1.

Nguyên lý làm việc của 3 máy này tƣơng tự

nhau: Đầu tiên, khi có tín hiệu báo có keg thì

thanh xà vận chuyển di chuyển đi lên và nâng

keg lên, di chuyển sang phải đƣa keg tới trạm

chiết tiếp theo. Sau đó thanh xà hạ xuống thấp

và di chuyển sang trái đồng thời kẹp keg sẽ đi

xuống để giữ keg, các trạm chiết bắt đầu hoạt

động. Sau khi các trạm làm việc xong thì

thanh xà lại nâng lên và tiếp tục di chuyển các

keg tới các trạm tiếp theo. Quá trình đƣợc lặp

đi lặp lại.

Trong mỗi hệ thống máy chiết bao gồm: hệ

thống thanh xà vận chuyển, kẹp keg, đầu rửa

(vòi phun), đầu chiết (filling head), 6 trạm

chiết, các van điện khí nén, các bơm hóa chất

(detergent pumps), các thùng chứa hóa chất

(detergent tank), thùng chứa vật liệu (media

tank) và các loại sensor.

Hệ thống cân kiểm tra trọng lƣợng keg sau

khi chiết [4]

Sau khi ra khỏi máy chiết, keg lần lƣợt chạy

qua hệ thống cân kiểm tra. Keg đủ cân chạy

thẳng ra goòng chờ để robot gắp lên pallet

thành phẩm. Keg không đủ cân thì bị gạt sang

bên và chạy ra ngoài để xử lý.

CÁC THIẾT BỊ TRONG HỆ THỐNG ĐIỀU

KHIỂN

Các thiết bị trong hệ thống điều khiển bao

gồm nhƣ sau [2]:

Các cảm biến:

Các thiết bị bảo vệ giám sát quá trình dùng để

giám sát và điều khiển quá trình rửa và chiết

trong hệ thống.

* Cảm biến áp suất (pressure sensor)

Cảm biến áp suất sử dụng ở đây là loại cảm

biến hoạt động dựa trên nguyên tắc của cảm

biến điện dung nên có độ chính xác cao. Tín

hiệu ra là loại nguồn dòng từ 4 20 mA hoặc

tín hiệu ra là loại nguồn áp 0 10 V. Trong hệ

thống này ta sử dụng cảm biến áp suất ở trạm

1 và trạm 6.

* Cảm biến lưu lượng(Liquid measuring

sensor)

Máy chiết sử dụng thiết bị loại IZMS, thiết bị

gồm có 02 phần: phần cảm biến từ và bộ biến

đổi hiển thị của hãng GEA Diessel. Thiết bị

IZM là loại thiết bị đo dòng chảy từ trƣờng sử

dụng để đo lƣu lƣợng và thể tích của dòng

chảy chất lỏng với độ chính xác rất cao, hoạt

động dựa trên nguyên lý của đồng hồ đo lƣu

lƣợng dùng turbine.

* Cảm biến báo khô

Mô tả: Cảm biến hoạt động dựa trên nguyên

tắc tạo âm thoa trong không khí với một tần

số cộng hƣởng. Cảm biến sử dụng thạch anh

áp điện để kích thích tần số dao động và giám

sát tần số thực tế.

* Cảm biến nhiệt độ (temperature switch)

Cảm biến nhiệt độ đƣợc dùng ở đây là cảm

biến DIN 43760 có thông số nhƣ sau:

Tín hiệu ra: 4 – 20 mA

Điện áp nguồn: 10 – 30 VDC

R max = 1000 với nguồn 30V

Dải đo: 0 – 1005 C

* Cảm biến tiệm cận (proximity sensor)

Ở đây chúng ta sử dụng cảm biến tiệm cận

điện cảm hay còn gọi là khóa điện từ

(solenoid switch) để giám sát sự di chuyển

lên, xuống của piston xilanh khí nén.


39

Các thiết bị khí nén

Các thiết bị khí nén bao gồm các van khí nén

và xilanh khí nén đƣợc sử dụng trong toàn bộ

hệ thống.

* Van khí nén: Van 2/2 đƣờng đƣợc sử dụng

để điều khiển trong dây chuyền sản xuất bia

hơi. Tất cả các chất tẩy rửa đƣợc cấp vào và

xả ra qua van vật liệu 2/2 đƣờng với một bộ

điều khiển piston khí nén.

* Xilanh khí nén: Các xillanh khí nén đƣợc

sản xuất bởi hãng Festo. Các xilanh có 2

đƣờng vào, một đƣờng để đẩy pittông lên và

đƣờng kia để đóng pittông lại. Trạng thái bình

thƣờng, khi khí nén đƣợc cấp vào một đƣờng

thì đƣờng kia phải đƣợc mở ra để giải phóng

khí trong xilanh và ngƣợc lại.

Hình 1. Xilanh khi nén của hãng FESTO

Quy trình công nghệ của hệ thống máy

chiết bia hơi [2]

Máy chiết TRANSOMAT của KHS của Đức

sử dụng trong hệ thống đƣợc mô tả nhƣ sau:

Hình 2. Hệ thống máy chiết TRANSOMAT

Hệ thống máy chiết làm việc bao gồm 6 trạm

làm việc độc lập đƣợc vận chuyển qua hệ

thống thanh xà.

Mô tả chức năng của hệ thống vận chuyển

(Functional Description of Transport

system)

Keg cần phải rửa và chiết đƣợc cung cấp tới

hệ thống chiết dọc theo một hệ thống vận

chuyển. Hệ thống vận chuyển này bao gồm

một thanh xà vận chuyển và một hệ thống

điều khiển dịch chuyển.

Hệ thống điều khiển dịch chuyển

(conveyor driver system )

Thanh xà (walking beam) đƣợc điều khiển bởi

2 xy lanh khí nén (pneumatic cylinder) theo

hƣớng điều khiển ngang (the transportation

rail) và điều khiển thẳng đứng.

Thanh xà (Walking beam)

Những chiếc Keg đƣợc vận chuyển trên máy

chiết bởi 1 thanh xà điều khiển bằng khí nén.

Mỗi máy chiết MU sử dụng một thanh xà

(Walking Beam) vận chuyển làm nhiệm vụ

vận chuyển keg từ ngoài (đƣờng gòong vận

chuyển của máy rửa) vào các trạm xử lý để

thực hiện quá trình rửa bên trong keg và chiết.

Sau đó lại đƣa keg từ trạm chiết số 6 đi ra

sang vị trí chờ chuẩn bị để đƣa sang đƣờng

gòong của hệ thống cân trọng lƣợng. Thanh

xà thực hiện những dịch chuyển dòng chảy

qua từng giai đoạn trong hệ thống máy chiết

nhƣ hình dƣới.

Mô tả chức năng của hệ thống rửa và chiết

(Functional Description of Cleaning and

Filling)

Quá trình chiết và rửa trong keg: Các chất

tẩy rửa và sản phẩm chiết (bia) đƣợc cung cấp

vào máy chiết hoặc thải ra từ máy chiết đều

đƣợc đi qua những đƣờng ống bằng thép

chống gỉ (stainless steel pipes).

Hệ thống máy chiết thực hiện quá trình tẩy

rửa khử trùng bằng cách phun dƣới dạng tia

áp lực của các chất tẩy rửa: xút/axit, xút/xút

hoặc axit/axit. Bia đƣợc chiết vào một cách

cẩn thận và với một tổn thất thấp nhất, sử

dụng việc điều chỉnh áp lực vi sai và điều

chỉnh tốc độ chiết vô cấp.


40

Hình 3. Giai đoạn vận chuyển thứ 1




Vật liệu lấy vào và ra: Tất cả những chất xử

lý: nƣớc tráng trƣớc, nƣớc nóng, xút, hơi axit,

khí tiệt trùng (không khí khô)…đều đƣợc cung

cấp tới những đầu xử lý dọc theo những đƣờng

van dẫn ở trên những trạm xử lí riêng biệt.

Đầu rửa (cleaning head): Máy chiết có 3 đầu

rửa. Một đầu rửa hoàn chỉnh bao gồm: một bộ

phận điều khiển bằng khí nén và một đầu rửa.

Hình 7. Đầu rửa keg

Ống phun tia áp lực: Tùy thuộc vào từng

quá trình rửa mà sẽ có một van phụ (bypass

valve) của van cấp vật liệu vào hoạt động trên

đầu rửa. Van này gây ra “ hiện tƣợng phun

tia “ của chất tẩy rửa.

Hình 7. Vòi phun áp lực và vòi phun tia

Quá trình chiết điều chỉnh pha: Hệ thống

máy chiết có một đầu chiết đơn.

QUÁ TRÌNH CHIẾT BIA HƠI

Nguyên lý chiết bia [4]:

Nguyên lý cơ bản cho quá trình chiết bia là:

Trong quá trình chiết bia ta phải cách ly hoàn

toàn bia với không khí. Nếu bia bị lẫn không


41

khí 2O vào thì sẽ làm giảm chất lƣợng bia,

lƣợng 2O quá cao thì sẽ hình thành hiện

tƣợng sủi bọt bia. Vì vậy trong quá trình chiết

bia, lƣợng 2O cho phép không vƣợt quá

khoảng 0.02 mg/l tới 0.04 mg/l [4] .

Hình 8. Đầu chiết

Áp suất bia trong quá trình chiết phải là hằng

số và áp suất khí 2CO nạp vào keg để cân

bằng áp suất đối khi chiết phải đảm bảo tới

một áp suất cho trƣớc .

Tất cả các đầu rửa và đầu chiết phải đƣợc

làm sạch, khử trùng liên tục để đảm bảo chất

lƣợng sản phẩm và vệ sinh an toàn thực

phẩm.

Sơ đồ chiết:

Tốc độ chiết đƣợc điều khiển bởi PLC theo

thể tích bia đã đƣợc chiết rồi. Nó điều khiển

dạng của giá trị điểm đặt dựa trên bảng biểu

diễn các thông số của van màng ngăn hiện

thời (hình 9) .

Hình 9. Sơ đồ chiết

Thông số của quá trình chiết bia đƣợc mô tả

nhƣ sau [4]:

Bảng 1. Thông số của quá trình chiết bia

Thông

số Mô tả Giá trị

Mặc

định

1

Áp suất

kiểm tra

Kiểm tra

áp suất hơi

đƣợc nạp ở

trạm 5

Đặt giá

trị 0.5 bar

2

Áp suất

bia

Đặt giá trị

thực tế của

bia

Đặt giá

trị 2.5 bar

3

Áp suất

thực

trong

keg

Chỉ ra áp

suất thực tế

trong keg.

Giá trị

thực tế Set/bar

4

Áp suất

đối

Áp suất đối

là tổng áp

suất bia

đầu vào với

áp suất đối

Đặt giá

trị 0 bar

5

Áp suất

bão hoà

Áp suất tối

thiểu

Đặt giá

trị 1.5 bar

Sơ đồ công nghệ của các trạm xử lý và chiết

của máy chiết bia.

Hình 10. Trạm xử lý thứ nhất

Hình 11. Trạm xử lý thứ 2 và 3


42

Hình 12. Trạm xử lý thứ 4



Quá trình chiết bia đƣợc sản xuất qua 6 trạm.

Bài báo cáo này chúng tôi xây dựng chƣơng

trình điều khiển và giám sát các trạm xử lý và

chiết ứng dụng phần mềm PLC S7 – 300 [1]

và phầm mềm điều khiển giám sát ngƣời -

máy (HMI) WINCC [3].

KẾT QUẢ MÔ PHỎNG

Hình 15. Giao diện trạm 1:

Hình 16. Giao diện trạm 2 và 3

Hình 17. Giao diện trạm 4

Hình 18. Giao diện trạm 5:

Hình 19. Giao diện trạm 6


43

Nhận xét:

Qua kết quả mô phỏng trên giao diện PC, ta có thể dễ dàng điểu khiển và giám sát các quá trình xử lý và chiết bia hoàn toàn tự động.

KẾT LUẬN

Bằng việc ứng dụng phần mềm điều khiển PLC S7 – 300 và phần mềm giám sát WINCC, chúng tôi đã xây dựng đƣợc 6 trạm xử lý và chiết bia của hệ thống máy chiết qua giao diện máy tính PC. Với việc sử dụng những ứng dụng trên sẽ góp phần nâng cao chất lƣợng, tăng năng suất lao động, đảm bảo vệ sinh an toàn phẩm và đặc biệt là giúp chúng ta chủ động hơn trong việc làm chủ công nghệ không phụ thuộc quá nhiều vào đối tác nƣớc ngoài.


[1]. Nguyễn Doãn Phƣớc, Phan Xuân Minh, Vũ

Văn Hà, (2000). Tự động hoá với Simatic S7-300.

Nxb Khoa học và Kỹ thuật.

[2]. Wolfgang Kunze, tái bản 2010. Technology

Brewing and Malting. Nxb VLB Berlin.

[3]. Trần Thu Hà, Phạm Quang Huy, (2012). Tự

động hóa với WINCC. Nxb Hồng Đức.

[4]. Tài liệu hƣớng dẫn sử dụng hệ thống sản xuất

tại nhà máy bia Hà Nội.

SUMMARY

THE COORDINATION OF THE PROGRAMMABLE LOGIC CONTROLLER

AND HUMAN MACHINE INTERFACE (HMI) IN CONTROL AND MONITOR

BEER FILLING SYSTEMS

Hoang Thi Thuong

*, Vu Thi Oanh


This paper presents a simulation model of a beer filling system using programmable logic controller

(PLC) and Human-machine interface (HMI). PLCs are used widely in industry, they allow engineers

to implement flexibly complex logic control algorithms through a logic programming language.

Moreover, HMI provides a convenient interface for monitoring and controlling production process

via PC-based software. In this paper, SIEMENS S7-300 for PLC and WINCC version 7.0 for HMI

are used. The different steps in the filling system are discussed and solutions provided by simulation

devices and software to ensure the automation in production process are presented. Finally, the

simulation results are given out to verify the effectiveness of the control and monitor schemes in

increasing productivity, improving quality and ensuring food safety.

Keywords: PLC (programmable logic controller), WINCC, beer filling machine, beer filling

systems, food safety.


Phản biện khoa học: TS. Phạm Đức Long – Trường ĐH CNTT&TT – ĐHTN



44

Mai Trung Thái và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 45 - 52

45

ĐIỀU KHIỂN TỐI ƢU CHO MỘT HỆ CÓ THAM SỐ PHÂN BỐ

SỬ DỤNG PHƢƠNG PHÁP GRADIENT

Mai Trung Thái

*, Nguyễn Thị Mai Hƣơng

Trường ĐH Kỹ thuật Công nghiệp – ĐH Thái Nguyên

TÓM TẮT Bài báo đƣa ra một cách tiếp cận cho bài toán điều khiển tối ƣu cho một hệ có tham số phân bố ổn

định một chiều tuyến tính. Các thuật toán cho hai phƣơng pháp gradient đƣợc đƣa ra, đó là phƣơng

pháp hạ nhanh nhất và phƣơng pháp gradient liên hợp. Các thuật toán này đƣợc áp dụng cho hệ

thống truyền nhiệt một phía trong lò gia nhiệt. Các kết quả tính toán đƣợc đƣa ra đã chứng minh

tính khả thi của hai phƣơng pháp, đặc biệt tính hội tụ nhanh của phƣơng pháp gradient liên hợp.

Từ khoá: Điều khiển tối ưu, phân bố, nhiệt độ, gradient.

GIỚI THIỆU CHUNG*

Điều khiển tối ƣu cho các hệ thống có tham

số phân bố đã đƣợc nghiên cứu từ lâu

[1],[[2],[3],[4], các hệ thống này đƣợc mô tả

bằng phƣơng trình vi phân đạo hàm riêng kết

hợp với phƣơng trình vi phân thƣờng. Bài cáo

nghiên cứu bài toán điều khiển tối ƣu cho một

hệ có tham số phân bố, điển hình đối tƣợng

điều khiển đƣợc mô tả bằng một phƣơng trình

truyền nhiệt. Cách tiếp cận bài toán tối ƣu của

hệ thống có tham số phân bố tuyến tính theo

chuẩn bình phƣơng sai lệch đƣợc đề cập trong

bài báo này, sử dụng phƣơng pháp gradient

trong không gian hàm.

ĐIỀU KHIỂN TỐI ƢU CHO HỆ CÓ THAM

SỐ PHÂN BỐ ỔN ĐỊNH MỘT CHIỀU

TUYẾN TÍNH

Mô tả hệ thống

Xét hệ thống có tham số phân bố ổn định một

chiều tuyến tính. Giả sử hệ thống đƣợc điều

khiển bởi các hàm điều khiển biên tác dụng

trong không gian một chiều. Trạng thái của hệ

đƣợc xác định bằng một hàm trạng thái, cụ

thể đƣợc mô tả bằng phƣơng trình [3]:

0 1 1

0

( , ) ( , ) ( , ) ( ) ( )

t

q x t q x t g x t u d

2 2

0

( , ) ( ) ( )

t

g x t u d (1)

* Tel: 0912.805.540; Email: [email protected]

Trong đó: ( , )q x t là hàm trạng thái phụ thuộc

vào tọa độ không gian x (0 ≤ x ≤ 1) và thời

gian t (0 t T), 1( )u t và

2 ( )u t là các hàm

điều khiển biên giới hạn trong không gian

0x và 1x .

Hệ thống có tham số phân bố một chiều tuyến

tính đƣợc điều khiển bởi các hàm điều khiển

biên nhƣ biểu diễn trong phƣơng trình (1).

Hàm 0 ( , )q x t là hàm trạng thái đƣợc xác định

từ điều kiện đầu tại t=0; g1(x,t); g2(x,t) là các

hàm trọng số của u1(t); u2(t).

Bài toán điều khiển tối ƣu ở đây là xác định

các hàm điều khiển sao cho sự sai lệch giữa

hàm trạng thái và hàm phân bố trong không

gian cho trƣớc của trạng thái tại thời điểm

t=T trong khoảng không gian (0,1) là nhỏ

nhất. Tức là cực tiểu hóa hàm:

1 22

* 2

10 0

( ) ( ) ( , x ( )

T

i i

i

I u q x q x T d C u t dt (2)

Thay q(x,T) từ (1) vào (2), ta có:

21 2

0

10 0

( ) *( ) ( , ) ( , ) ( ) x

T

i i

i

I u q x q x T g x T u d d

22

1 0

( )

T

i i

i

C u t dt (3)

Trong đó: T là thời gian cho trƣớc, q*(x) hàm

phân bố trong không gian cho trƣớc của trạng

thái, C1 và C2 là các hằng số dƣơng. Hàm I(u)

là hàm bậc hai của các hàm điều khiển u1(t)

và u2(t).


46

Bài toán tối thiểu hóa trong không gian

Hilbert

Cho H là không gian Hilbert lấy giá trị thực

2-chiều, tích phân bình phƣơng trong khoảng

(0, T). Mỗi véc tơ điều khiển đƣợc cho bởi:

1

2

( )( )

( )

u tu t

u t đƣợc biểu diễn trong không

gian H và có thể lấy tích phân bình phƣơng

trong khoảng (0, T). Tích số trong của hai

véctơ x(t) và y(t) trong không gian Hilbert H

đƣợc định nghĩa bởi:

0 0

, ( ) ( ) ( ) ( )

T T

T Tx y x t y t dt y t x t dt

Trong đó số mũ T thể hiện véc tơ chuyển vị

hoặc matrận chuyển vị.

Theo [3], phƣơng trình (3) đƣợc đƣa về dạng:

( ) 2 , , ,I u a f u u Lu u Cu (4)

Trong đó: 1

2

0

*( ) ( , ) xoa q x q x T d

1 1 2 2

0

, ( ) ( ) ( ) ( )

T

f u f u f u d

111 12

1 2

21 22 20 0

( )( , ) ( , ), ( ) ( )

( , ) ( , ) ( )

T T uy t y tu Lu u u dt d

y t y t u

22 2 2

1 1 2 2

1 0 0

, ( ) ( ) ( )

T T

i i

i

u Cu C u t dt C u t C u t dt

Khi a là biến độc lập của u(t), hàm thực tế sẽ

đƣợc tối thiểu là:

( ) , 2 ,I u u Ru f u (5)

Trong đó: R=L+C là toán tử xác định dƣơng.

Tìm *

( )u t để cực tiểu hóa hàm I(u) là ta chọn

một véctơ gốc u0(t), chọn một phƣơng z0(t) và

một khoảng ε0 trong phƣơng z0(t) để tính ui(t).

1( ) ( ) ( )i i i iu t u t z t , i=0,1,2… (6)

Khi hàm cần cực tiểu hóa là một hàm bậc 2

của các hàm điều khiển ui(t) (i=1,2), phƣơng

pháp hạ nhanh nhất sẽ đƣợc trình bày ở mục

2.3 là một cách tiếp cận trực tiếp để tối thiểu

hóa phƣơng trình (5).

Phƣơng pháp hạ nhanh nhất (method of

steepest descent-MSD)

Nguyên lý cơ bản của phƣơng pháp này là ta

chọn zi là phƣơng của tốc độ thay đổi lớn nhất

của hàm I(ui ), có nghĩa là phƣơng của

gradient, và chọn εi để I(ui) là cực tiểu, [3].

Khi tìm cực tiểu hàm I(u), giả sử cho trƣớc u0.

Ta sẽ tìm phƣơng của gradient tại điểm này

và tìm một véctơ z sao

cho0/ ( ) 0I u z sẽ đạt giá trị

cực đại. Đặt z0 là một véc tơ. Từ I(u0+εz0) là

một đa thức bậc 2 trong ε, nó sẽ đạt đƣợc cực

tiểu tại giá trị ε0 đã biết. Phần tử u1 = u0 + ε0z0

sẽ đƣợc tính trong phép xấp xỉ tiếp theo, toàn

bộ quá trình có thể đƣợc lặp lại nhiều lần để

đạt đƣợc độ chính xác nhƣ mong muốn. Từ

phƣơng trình (5):

0 0 0 0( ) , 2 ,I u u Ru f u

0 0 0 0( ) , ( ) 2 ,I u z u z R u z f u z

2

0 0( ) 2 , ,I u Ru f z z Rz

Vì vậy, 00

( )I u z=

02 ,Ru f z (7)

Theo bất đẳng thức Schwarz,

, .x y x y

Vì vậy, phƣơng trình (7) sẽ cực đại tại z0 nếu: ''

0 0 0 0 0( )z k Ru f k z

Trong đó: ''

0 0Ru f z và k0 là hằng số tùy

ý. 2

0 0 0 0 0 0 0( ) ( ) 2 , ,I u z I u Ru f z z Rz

sẽ cực tiểu khi:

'' '' '' ''

0 0 0 0 00 0

0 '' '' '' ''0 0 00 0 0 0 0 0

, ,, 1

, z , ,

z k z z zRu f z

z R kk z Rk z z Rz

Do đó: '' '' '' ''

0 0 0 0'' ''

0 0 0 0 0'' '' '' ''0 0 0 0 0

, ,1

, ,

z z z zz k z z

k z Rz z Rz

Ta thấy εz chỉ phụ thuộc vào z, k0 nên có thể

chọn: ''

0 0 0z z Ru f ; 0 0

0

0 0

,

,

z z

z Rz(8)

Thuật toán tính nhƣ sau:


47

1 1

2

1 1 1

1

1 1 1 1

1 1 1

,

, ,

. ; 1, 2..

n n

n n n

n

n n n n

n n n n

z Ru f

z z z

z Rz z Rz

u u z n

(9)

I(u) tại un là:

4

1

1

1 1

( ) ( ), z

n

n n

n n

zI u I u

z R(10)

Theo [3], ta có:

lim ( ) ( ) minnn

I u I u và *

nu u khi

n

Phƣơng pháp hƣớng liên hợp (method of

conjugate gradient- MCG)

Phƣơng pháp này ta chọn phƣơng gradient để

bảo đảm sự hội tụ sau một số bƣớc lặp hữu

hạn. Cho z1,…,zn là chuẩn trong không gian

Ơclit n-nhiều, và *

u là giá trị cực tiểu mong

muốn. Sau đó, nếu u0 là giá trị xấp xỉ đầu tới

giá trị cực tiểu, ta có thể viết, [3],[5]:

1*

0

0

n

j j

j

u u z (11)

Nếu , z 0j iz R khi i ≠ j, thì zj đƣợc gọi là

R-trực giao hoặc R-liên hợp.

Từ phƣơng trình (5),

( ) , ( 2 ,I u u u u R u u f u u

( ) 2 , ,I u Ru f u u R u

Vì vậy,

( ) ( ) 2 , ,I u u I u Ru f u u R u

,u R u xác định dƣơng, nên:

( ) ( ) 0I u u I u tại u = 0 nếu *

Ru f

Từ phƣơng trình (11),

1*

0

0

( )n

j j

j

R u u R z

và *

0, ( ) , zj j j jz R u u z R

Ta có:

*

00

, ( ), )

, z , z

jj

j

j j j j

z R u uz f Ru

z R z R

Từ phƣơng trình (8), độ dốc (gradient) âm tại

u0 là 0 0z f Ru , vì vậy,

0,

,

j

j

j j

z z

z Rz; j = 0,1,…,n-1 (12)

và εj đƣợc tính toán dễ hơn từ phƣơng trình

này.

Nguyên tắc cơ bản của phƣơng pháp MCG là

tạo ra chuỗi jz các véctơ R-liên hợp, tính

giá trị εj trong phƣơng trình (12), từ đó tính

đƣợc giá trị *

u .

Để tạo ra tập các véctơ R-trực giao, giả sử ta

có tập véctơ 0 1 1, ,... np p p . Sử dụng phƣơng

pháp trực giao Gram-Schmidt để tính toán.

0 0z p ;1 1 1,

1

i

i i i k k

k

z p z ; 0,1,..., 2i n

Trong đó: 1

1,

,

, z

k i

i k

k k

z Rp

z R. Do pi là độc

lập tuyến tính, nên pi = zi. Do đó ta chọn

chuỗiip . Ta định nghĩa ui:

1

0

0

i

i j j

j

u u z ; j=1,2,…,n;jtính bởi (12)

Vì vậy, 1i i i iu u u z ; i=0,1,…,n-1

Đặt: i if Ru ; i=0,1,…,n-1

Nguyên tắc cơ bản của phƣơng pháp MCG là

chọn i ip , i=0,1,…,n-1

Chứng minh rằng chuỗi i không kết thúc

trƣớc i=n, ta có lời giải. Đã chứng minh đƣợc

rằng: 1( ) ( )i iI u I u ,

Thuật toán chung để tính toán nhƣ sau: cho

trƣớc u0(t)


48

0 0

0 0 0 0

0 0

0 0

( ), ( )( ) ( ) ( ) ( );

( ), ( )

( ) ( ) . ( )i o

z t tz t t f t Ru t

z t Rz t

u t u t z t

(13)

1

1

1 1

1 1 1

1 1

2 1 1 1

( ), ( )( ) ( ) ( );

( ), ( )

( ), ( )( ) ( ) . ( );

( ), ( )

( ) ( ) . ( ); 0,1,..., 2

i i

i i i i i

i i

i i

i i i i i

i i

i i i i

z t R tt t Rz t

z t Rz t

z t tz t t z t

z t Rz t

u t u t z t i n

(14)

Từ phƣơng trình (12-14), ta suy ra: *

nu u

Từ phƣơng trình (14) cho i>n-2, sau đó là

1i i với mọi i (

*

i iu u ), cho đến

khi làm tròn kết quả sau mỗi phép lặp.

Ƣu điểm của phƣơng pháp MCG là nó có thể

hội tụ hoặc rất gần hội tụ, giải đúng sau một

số phép lặp, điều này sẽ làm giảm số lần tính

toán.

ÁP DỤNG PHƢƠNG PHÁP GRADIENT

CHO HỆ THỐNG DẪN NHIỆT

Mô tả hệ thống

Quá trình đốt nóng 1 phía của kim loại trong

lò nung đƣợc mô tả bằng phƣơng trình dẫn

nhiệt [2], [3]:

2

2

( , ) ( , )q x t q x t

x t (15)

Các điều kiện đầu và điều kiện biên cho bởi

[2], [3]:

( ,0) 0q x (16)

0

( , )(0, ) ( )x

q x tq t u t

x (17)

1

( , )0x

q x t

x (18)

Ở đây: q(x,t) là phân bố nhiệt độ trong kim

loại, phụ thuộc vào toạ độ không gian x với (0

x 1) và thời gian t với (0 t T). T là thời

gian nung cho phép;

là hệ số trao đổi nhiệt, giả sử là hằng số; u(t)

là nhiệt độ môi trƣờng không khí trong lò.

Bài toán điều khiển tối ƣu ở đây là tìm 1 hàm

điều khiển u(t) (0 t T) sao cho cực tiểu

hoá sai lệch nhiệt độ giữa phân bố nhiệt độ

mong muốn q*(x) với nhiệt độ thực của vật tại

thời điểm t = T cho trƣớc: q (x,T). Tức là :

12

0

( ) *( ) ( , ) minI u t q x q x T dx (19)

Nhƣ vậy, trong hàm mục tiêu cần cực tiểu thì

q*(x) là cho trƣớc, còn q(x,T) là hàm chƣa

biết. Rõ ràng q(x,T) là giá trị hàm q(x,t) tại

thời điểm t=T. Hàm q(x,t) là nghiệm của

phƣơng trình vi phân (15) với các điều kiện

đầu và điều kiện biên (16), (17), (18); hàm

q(x,t) sau khi tính đƣợc chắc chắn phải phụ

thuộc vào nhiệt độ lò u(t).

Nhiệt độ lò u(t) đƣợc điều khiển bởi công suất

lò w(t). Ngoài ra, sự phân bố nhiệt độ trong

kim loại lại đƣợc điều khiển bởi nhiệt độ môi

trƣờng không khí trong lò, tức là phụ thuộc

vào công suất cung cấp cho lò w(t). Giả sử lò

là khâu quán tính bậc nhất, có trễ, lúc này

quan hệ giữa w(t) và u(t) đƣợc biểu diễn theo

phƣơng trình.

( )( ) w( )

du tu t t

dt(20)

Trong đó :

là hằng số thời gian của lò

(t) là công suất cung cấp cho lò

Để giải phƣơng trình đạo hàm riêng (15) với các điều kiện đầu và biên (16), (17) ,(18) ta áp dụng phép biến đổi Laplace. Khi áp dụng phép biến đổi Laplace với tham số thời gian t thì phƣơng trình vi phân đạo hàm riêng đã đƣợc đƣa về phƣơng trình vi phân thƣờng đối với biến x.

Quá trình biến đổi, theo [2], [3], ta đƣợc :

22 os (1 )

( , )

cos sin

k tk c k xg x t e

kk k

22

1 2 2

cos(1 )2

1 1( ) os

i ti

i

i i

i

xk e

k c

(21)


49

Trong đó : k = 1/ và i cho bởi phƣơng

trình siêu việt : tan = . Theo lý thuyết về

tích chập, ta có :

0

( , ) ( , ) ( )

t

q x t g x t u d (22)

Quá trình tính toán và kết quả mô phỏng

khi dùng phƣơng pháp hạ nhanh nhất

(MSD)

Giá trị các tham số của hệ cho bởi : Hệ số trao

đổi nhiệt α = 10 ; Hằng số thời gian của lò γ

=0.04

11/ 5

0.2k ; *( ) 0.2;q x

0 1x

Thời gian T=0.4

Từ tan 10 , ta tìm đƣợc các giá trị

i thoả mãn phƣơng trình siêu việt, xấp xỉ,

1.4288, 4.3058, 7.2281, 10.2003, 13.2142.

Sau đó ta tìm đƣợc hàm g(x,t) từ phƣơng trình

(21), hàm f(t), y(t, ) và Lu(t) tìm đƣợc từ

phƣơng trình (23), (24), (25):

1

0

( ) 0.2 ( ,0.4 )f t g x t dx (23)

Hình 1. Chuỗi hàm điều khiển ui(t) tìm đượcbằng

phương pháp hạ nhanh nhất

a) i = 0 b) i = 1

c )i = 2 d) i = 3

Hình 2. Hàm điều khiển ui(t) tìm được bằng


a) i = 0 b) i = 24

1

0

( , ) ( ,0.4 ) ( ,0.4 )y t g x t g x dx

(24) 0.4

0

( ) ( , ) ( )Lu t y t u d

(25) Với f(t) và y(t, ) tìm đƣợc từ phƣơng

trình (23) và (24), thuật toán hạ nhanh nhất đã

đƣợc sử dụng để tìm hàm điều khiển tối ƣu.

Hình 3. Sự phân bố nhiệt độ qi(x) tìm được bằng


a) i = 0 b) i = 1 T=0.4

c) i = 2 d) i = 3 0 ≤ x ≤ 1


50

Hình 4. Sự phân bố nhiệt độ qi(x) tìm được bằng


a) i = 0 b) i = 12 T=0.4

c) i = 24 0 ≤ x ≤ 1

Từ mục 2.3, thuật toán lặp áp dụng cho

trƣờng hợp này là:

1 1( ) ( ) ( )i iz t Lu t f t

2

1

1

1 1

( )

( ), ( )

i

i

i i

z t

z t Lz t

1 1 1( ) ( ) ( )i i i iu t u t z t

Hình 5. Sai số E2(i) chống lại số bước lặp i của


Hình 6. Chuỗi hàm điều khiển ui(t) tìm được

bằng phương pháp hướng liên hợp

a) i = 0 b) i = 1 e) i = 4

c )i = 2 d) i = 3

Sự phân bố nhiệt độ qi(x,0.4) với 0 ≤ x ≤ 1 và

i=0÷3 biểu diễn trên đồ thị Hình 3

qi(x,0.4) với 0 ≤ x ≤ 1 và i=0,12 và 24 biểu

diễn trên đồ thị Hình 4

Độ chính xác của lời giải gần đúng tới tính tối

ƣu của bài toán có thể đƣợc đo bằng tỷ số:

2

( ) ( )( )

( )

iLu t f tE i

f t

Hình 7. Hàm điều khiển ui(t) tìm được


a) i = 0 b) i = 8


51

Hình 8. Phân bố nhiệt độ qi(x) tìm được


a) i = 0 b) i = 1 c) i = 2

d) i = 3 e) i = 4 T=0.4 ; 0 ≤ x ≤ 1

Quá trình tính toán và kết quả mô phỏng

khi dùng phƣơng pháp hƣớng liên hợp

(MCG)

Hàm f(t) và y(t, ) vẫn đƣợc sử dụng trong

phần này.

Hình 9. Phân bố nhiệt độ qi(x) tìm được


a) i = 0 b) i = 4 c) i = 8

Hình 10. Sai số E2(i) chống lại số bước lặp i của

phương pháp hướng liên hợp

Thuật toán lặp của phƣơng pháp MCG đƣợc

cho bởi phƣơng trình (13) và (14), u0(t)=1

giả sử đƣợc chọn từ điều kiện đầu. Chuỗi hàm

điều khiển un(t), n=0÷4, cho trên hình 6. un(t)

là đồ thị hình 7 với n=0.

Sự phân bố nhiệt độ qi(x,0.4) với 0 ≤ x ≤ 1;

i=0÷4 là đồ thị hình 8. Trên hình 9, qi(x,0.4)

là đồ thị với i=0,4 và 8. Sai số E2(i) là hình 10

So sánh giữa hai phƣơng pháp

Hình 5 và hình 10 chỉ ra rằng cả hai phƣơng

pháp, sai số giảm từ 2.253 xuống 0.101 sau

phép lặp đầu tiên. Các dãy con, sai số của

phƣơng pháp MSD giảm chậm tới 0.00487

sau 26 phép lặp. Những sai số này dao động

trong khi đang giảm tới 0.00487, điều này

đƣợc chỉ ra trên hình 5. Mặt khác, phƣơng

pháp MCG có sai số giảm ít hơn 0.00487 chỉ

sau bốn phép lặp. Đặc tính hội tụ bậc hai của

phƣơng pháp MCG chỉ ra trên hình 10, trong

đó sai số giảm tới zero sau 8 phép lặp.

Nhìn lại thuật toán tính của hai phƣơng pháp,

ta thấy rằng thuật toán MCG yêu cầu sự tính

toán trên các phép lặp ít hơn so với phƣơng

pháp MSD. Do đó tổng thời gian tính toán đối

với 26 phép lặp của thuật toán MSD dài hơn 8

phép lặp so với thuật toán MCG. Vì tổng thời

gian tính ngắn hơn nên các phép lặp cần ít

hơn và hàm điều khiển tối ƣu đạt đƣợc chính

xác hơn (sai số bằng 0), các kết quả chỉ ra

rằng phƣơng pháp MCG là tối ƣu hơn so với

phƣơng pháp MSD.


52

KẾT LUẬN

Các thuật toán trình bày ở trên để tính hàm

điều khiển tối ƣu cho hệ thống có tham số

phân bố, ổn định 1 chiều tuyến tính theo

chuẩn bình phƣơng sai lệch. Áp dụng các

thuật toán này để giải một hệ thống dẫn nhiệt

trong kim loại. Các kết quả tính toán đƣa ra

chỉ ra rằng tính hội tụ của phƣơng pháp MCG

sau một số phép lặp hữu hạn. Tổng thời gian

tính toán và số phép lặp của phƣơng pháp

MCG đƣợc đƣa ra là ít hơn so với phƣơng

pháp MSD.


[1]. Cong N Huu; Nam N Hoai: “Optimal control

for a distributed parameter and delayed – time

system based on the numerical method”

International conference on Control, Automotion,

Robotics and vision (ICARCV-2008).

[2]. SAKAWA, Y.: "Solution of an optimal control

problem in a distributed parameter system”, Trans.

IEEE, 1964, AC-9, pp. 420-426

[3]. H.E.Lee, M.S “Optimal Control of a class of

distributed parameter system using gradient

methods”. PROC. IEEE, Vol.116, No.7, July 1969.

[4]. WANG, P. K. C, and TUNG, F.: "Optimal

control of distributed parameter systems", Trans.

ASME, 1964, 86 – D, pp. 67-79.

[5]. LASDON, L. S; MITTER, S. K, and

WARREN, A.D: “The conjugate gradient method

for optimal control problem”, Trans. IEEE, 1967,

AC-12, pp. 132-138.

SUMMARY

OPTIMAL CONTROL OF A CLASS OF DISTRIBUTED PARAMETER SYSTEMS

USING GRADIENT METHODS

Mai Trung Thai

*, Nguyen Thi Mai Huong College of Technology – TNU

This paper presents a practical approach to the problem of optimal control in one-sided, linear,

stationary, distributed parameter systems. Algorithms for two gradient methods, namely, the

steepest-descent method and the conjugate-gradient method. These algorithms are applied to a

specific one-sided heat-conduction system in heating furnace. The computational results clearly

demonstrate the feasibility of both methods, in particular, the accelerated convergence of the

conjugate gradient method.

Keywords: Optimal control, Distributed, Temperature, Gradient.


Phản biện khoa học: TS. Nguyễn Hoài Nam – Trường ĐH Kỹ thuật Công nghiệp – ĐHTN


Hà Thanh Tùng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 53 - 58

53

MỘT PHƢƠNG PHÁP NÂNG CAO ĐỘ TIN CẬY LƢỚI ĐIỆN PHÂN PHỐI

THÀNH PHỐ THÁI NGUYÊN SỬ DỤNG CÁC THIẾT BỊ TỰ ĐỘNG HÓA DAS

(DISTRIBUTION AUTOMATINON SYSTEM)

Hà Thanh Tùng

1,*, Phạm Thị Hồng Anh

2

1Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên 2Trường Đại học Công nghệ thông tin và truyền thông – ĐH Thái Nguyên

TÓM TẮT Bảo đảm chất lƣợng điện năng, cung cấp dịch vụ điện với chất lƣợng ngày càng cao, liên tục, an

toàn và hiệu quả luôn là mối quan tâm thƣờng xuyên và cấp thiết đối với ngành điện. Trong đó độ

tin cậy lƣới điện là một trong những chỉ tiêu quan trọng để đánh giá lƣới điện. Lƣới điện phân phối

là khâu trực tiếp đƣa điện năng đến hộ tiêu dùng, vì vậy tính liên tục cung cấp điện cho phụ tải phụ

thuộc trực tiếp vào độ tin cậy của lƣới điện này. Độ tin cậy của lƣới phân phối có thể đƣợc đánh

giá qua nhiều chỉ tiêu khác nhau, trong đó các chỉ tiêu đánh giá theo tiêu chuẩn IEEE-1366 đƣợc

ứng dụng phổ biến trên thế giới.

Bài báo giới thiệu các chỉ tiêu đánh giá độ tin cậy cho lƣới phân phối theo tiêu chuẩn IEEE – 1366.

Đồng thời sử dụng phần mềm PSS/ADEPT để xác định các chỉ tiêu nói trên cho lƣới điện phân

phối thành phố Thái Nguyên trƣớc và sau khi trang bị hệ thống tự động hóa DAS (Distribution

Automation System) nhằm định lƣợng tính liên tục cấp điện cho khách hàng.

Từ khóa: Độ tin cậy, lưới phân phối, chất lượng điện năng, DASl, cung cấp điện.

ĐẶT VẤN ĐỀ*

Cũng nhƣ nhiều đô thị khác, thời gian vừa

qua, số lƣợng hộ tiêu thụ tại thành phố Thái

Nguyên tăng lên nhanh chóng và ngày càng

đòi hỏi cao về chất lƣợng cũng nhƣ độ tin cậy

cung cấp điện [1]. Hiện nay, yêu cầu đảm bảo

chất lƣợng cung cấp điện đối với các Công ty

Điện lực ngày càng nghiêm ngặt [5]. Chất

lƣợng cung cấp điện, ngoài các yêu cầu về

điện áp, tần số còn có yêu cầu về tính liên tục

cung cấp điện cho khách hàng. Theo xu thế

hội nhập với thế giới, các Công ty Điện lực

Việt Nam cần phải đƣa ra các cam kết có tính

định lƣợng về tính liên tục cung cấp điện đối

với khách hàng, đặc biệt là các nhà đầu tƣ

nƣớc ngoài. Định lƣợng tính liên tục cung cấp

điện đƣợc thể hiện ở các chỉ tiêu tần suất

ngừng cấp điện bình quân và tổng số giờ

ngừng cấp điện bình quân của khách hàng

trong khoảng thời gian nhất định (thƣờng

chọn một năm). Lƣới điện phân phối trung áp

tại thành phố Thái Nguyên hiện nay có cấp

điện áp là 22, 35 kV, phân phối điện cho các


trạm phân phối trung áp/hạ áp và phụ tải

trung áp. Các hộ phụ tải nhận điện trực tiếp

thông qua các trạm biến áp phân phối, nên khi

xảy ra bất kỳ sự cố nào trong lƣới điện và

trạm biến áp phân phối đều ảnh hƣởng trực

tiếp đến các hộ tiêu thụ. Để nâng cao đƣợc độ

tin cậy và tính liên tục cung cấp điện, cũng

nhƣ dự phòng hợp lý, bài báo tập trung chủ

yếu vào nghiên cứu, tính toán độ tin cậy của

lƣới điện phân phối theo tiêu chuẩn

IEEE1366, từ đó đề xuất áp dụng một số

thiết bị DAS, nhằm nâng cao độ tin cậy cung

cấp điện trên lƣới điện phân phối của thành

phố Thái Nguyên.

ĐỘ TIN CẬY VÀ CÁC CHỈ TIÊU THEO

TIÊU CHUẨN IEEE-1366

Độ tin cậy là xác suất để đối tƣợng (hệ thống

hay phần tử) hoàn thành nhiệm vụ chức năng

cho trƣớc, duy trì đƣợc giá trị các thông số

làm việc đã đƣợc thiết lập trong một giới

hạn, ở một thời điểm nhất định, trong những

điều kiện làm việc nhất định. Theo đó các

chỉ tiêu độ tin cậy theo tiêu chuẩn IEEE

1366 [9] bao gồm:


54

Chỉ tiêu tần suất ngừng cấp điện trung

bình hệ thống (SAIFI)

Cho biết trung bình một khách hàng bị ngừng

cấp điện vĩnh cửu bao nhiêu lần trong thời kỳ

báo cáo (thƣờng là trong một năm).

NC

NI

NC

NSAIFI

i= Tổng số lần mất

điện khách hàng của hệ thống / tổng số khách

hàng của hệ thống.

Chỉ tiêu thời gian ngừng cấp điện trung

bình hệ thống(SAIDI)

Cho biết trung bình một khách hàng bị ngừng

cấp điện vĩnh cửu bao nhiêu giờ trong kỳ báo

cáo. NC

TI

NC

NrSAIDI

ii

= Tổng số giờ mất

điện khách hàng của hệ thống / tổng số khách

hàng của hệ thống.

Chỉ tiêu thời gian ngừng cấp điện trung

bình của khách hàng (CAIDI)

Cho biết thời gian trung bình khôi phục cấp

điện cho khách hàng.

SAIFI

SAIDI

N

NrCAIDI

i

ii

= Tổng số giờ

mất điện khách hàng của hệ thống / tổng số

khách hàng bị ngừng cấp điện. (3)

Chỉ tiêu sẵn sàng cung cấp điện trung bình

(ASAI): Cho biết phần trăm về thời gian

khách hàng đƣợc cấp điện so với tổng số giờ

khách hàng yêu cầu.

( ))/(*

/* ∑namsogioNC

NrnamSogioNCASAI

ii-= = Số

giờ sẵn sàng cấp điện/tổng số giờ khách hàng

yêu cầu. (4)

Năng lƣợng không đƣợc cung cấp- ENS

ENS = Tổng số điện năng không đƣợc cung

cấp bởi hệ thống =∑ Pi Ti (5)

Ở đây Pi là tải trung bình đƣợc nối vào nút

tải thứ i. Chỉ tiêu này xác định sản lƣợng điện

bị mất đối với hệ thống trong một năm.

Điện năng trung bình không đƣợc cung

cấp- AEN

AENS=∑∑ .

i

ii

N

TP (6)

Tổng điện năng không cung cấp được /Tổng

số khách hàng được phục vụ. Chỉ tiêu này xác

định sản lượng điện bị mất trung bình đối với

một khách hàng trong một năm.

THIẾT BỊ TỰ ĐỘNG HÓA

(DAS DISTRIBUTION AUTOMATION SYSTEM)

Bài báo giới thiệu một số thiết bị DAS bắt

đầu đƣợc áp dụng tại Việt Nam bao gồm:

thiết bị đóng lặp lại tự động Autoreclosers và

dao cách ly tự động.

Recloser

Phần lớn sự cố trong hệ thống phân phối điện

là sự cố thoáng qua. Vì vậy, để tăng cƣờng độ

liên tục cung cấp điện cho phụ tải, thay vì sử

dụng máy cắt ngƣời ta sử dụng máy cắt

thƣờng đóng lại (Recloser). Thực chất máy

cắt tự đóng lại là máy cắt có kèm thêm bộ

điều khiển cho phép ngƣời ta lập trình số lần

đóng cắt lập đi lập lại theo yêu cầu đặt trƣớc.

Đồng thời đo và lƣu trữ 1 số đại lƣợng cần

thiết nhƣ: U, I, P, thời điểm xuất hiện ngắn

mạch. Khi xuất hiện ngắn mạch Recloser mở

ra (cắt mạch) sau một thời gian t1 nó sẽ tự

đóng mạch. Nếu sự cố còn tồn tại nó sẽ cắt

mạch, sau thời gian t2, Recloser sẽ tự đóng lại

mạch. Và nếu sự cố vẫn còn tồn tại nó sẽ lại

cắt mạch và sau thời gian t3 nó sẽ tự đóng lại

mạch một lần nữa và nếu sự cố vẫn còn tồn

tại thì lần này Recloser sẽ cắt mạch luôn. Số

lần và thời gian Recloser đóng cắt do ngƣời

vận hành lập.

Phạm vi ứng dụng:

Recloser thƣờng đƣợc trang bị cho những

đƣờng trục chính công suất lớn và đƣờng dây

dài đắt tiền.

Ngoài ra thiết bị trên còn cho phép các nhà kỹ

thuật theo dõi một cách tin cậy nhất các tình

trạng tác động của thiết bị, tình trạng hoạt

động của phụ tải trong một khoảng thời gian

lớn, nhờ vào bộ phận lƣu trữ dữ liệu sự cố, tin

cậy đảm bảo thông tin không bị mất đi khi

xảy ra bất cứ trƣờng hợp nào.


55

Mô hình thiết bị:

Hình 1. Autorecloser trung thế

Dao phân đoạn tự động

Áp dụng cho lƣới hình tia một nguồn cung

cấp có phân nhánh. Tại đầu mỗi phân nhánh,

ta đặt một dao cách ly tự động (DCLTĐ). Khi

xảy ra sự cố trên một nhánh rẽ nào đó, máy cắt

đầu đƣờng dây sẽ cắt. Trong khoảng thời gian

đó dao cách ly tự động ở đầu nhánh rẽ bị sự cố

đƣợc tự động cắt ra, tách phần tử sự cố ra khỏi

lƣới điện.

Hình 2. Sơ đồ sử dụng TĐL để loại trừ sự cố

Hình 3. Đường dây trên không 4 phân đoạn

Sau khi dao cách ly tự động đã tách nhánh sự

cố, rơle tự đóng lại (TĐL) đặt ở đầu đƣờng

dây sẽ đóng trở lại máy cắt nguồn, khôi phục

cấp điện cho các nhánh không bị sự cố.

Các dao ngắn mạch (DNM) đƣợc dùng để gây ngắn mạch nhân tạo phía trƣớc máy biến áp với mục đích tăng độ nhậy cho bảo vệ đầu đƣờng dây.

Thời gian mất điện của phụ tải đƣợc giảm xuống nhiều lần so với phƣơng pháp thủ công.

Hiệu quả khi áp dụng Autorecloser, DCLTĐ:

- Autorecloser, DCLTĐ dành cho đường dây phân phối trên không:

Xét đƣờng dây phân phối trên không đƣợc chia thành 4 phân đoạn (H3) và đƣợc dự phòng cung cấp điện bằng điểm khép mạch vòng (điểm này thƣờng mở). Giả thiết sự cố xảy ra trên phân đoạn 3.

Khi chƣa có Autorecloser, DCLTĐ (hiện đang phân đoạn bằng cầu dao cách ly đóng cắt thủ công), phân đoạn 3 sẽ mất điện cả trong thời gian tìm kiếm, cách ly sự cố T và thời gian sửa chữa, khắc phục sự cố . Các phân đoạn còn lại chỉ mất điện trong thời gian cách ly sự cố T (phân đoạn 1 và 2 đƣợc cấp điện trở lại từ nguồn; phân đoạn 4 đƣợc cấp điện từ nguồn khác qua điểm mạch vòng).

Khi sự cố xảy ra trên các phân đoạn khác nhau, dạng sự cố khác nhau thì thời gian T và τ có thể khác nhau. Tuy nhiên, tính trung bình ta có thể lấy các thời gian nhƣ sau:

+ Thời gian tìm kiếm, cách ly sự cố T: 60 phút.

+ Thời gian sửa chữa, khắc phục sự cố : 90 phút.

Khi có Autorecloser, DCLTĐ việc thao tác cách ly phân đoạn sự cố đƣợc thực hiện tự động và chỉ kéo dài vài chục giây. Thời gian này rất nhỏ so với thời gian sửa chữa, khắc phục sự cố (vài giờ), do đó coi rằng T 0. Nhƣ vậy, chỉ phân đoạn 3 bị mất điện trong thời gian .

- Autorecloser, DCLTĐ dành cho cáp ngầm:

Với các tuyến cáp ngầm Autorecloser, DCLTĐ sẽ đƣợc lắp đặt trong tủ trung thế tại đầu các nhánh rẽ cáp. Thời gian mất điện của các phân đoạn tƣơng tự nhƣ trong trƣờng hợp Autorecloser, DCLTĐ dành cho đƣờng dây phân phối trên không, chỉ khác thời gian cần thiết để sửa chữa, khắc phục điểm sự cố dài hơn. Trung bình thời gian này khoảng

120 phút.


56

TÍNH TOÁN ÁP DỤNG ĐỐI VỚI ĐƢỜNG

DÂY MẠCH VÕNG 471- E6.2 + 472- E6.4

Kết quả tính toán sử dụng phần mềm

PSS/ADEPT (Power System Simulator/

Avanner Distribution Enginering) công cụ mô

phỏng lƣới điện phân phối đƣợc thiết kế cho

các kỹ sƣ, cán bộ kỹ thuật những ngƣời làm

công tác thiết kế, vận hành lƣới điện phân

phối [6].

Phụ tải của đƣờng dây đang nghiên cứu hầu

hết là các phụ tải quan trọng, thuộc loại I và

loại II nhƣ Bệnh viện Mắt, bệnh viện trƣờng

Y, các trƣờng học, bến xe… Hiện nay trên

toàn tuyến đang trang bị, lắp đặt 6 cầu dao

phân đoạn đóng cắt thủ công, các cầu dao này

đều là các cầu dao đầu nguồn, đầu các nhánh

rẽ. Vì vậy để có thể thấy rõ ƣu, nhƣợc điểm

khi tiến hành lắp đặt Autorecloser, DCLTĐ so

với cầu dao phân đoạn đóng cắt thủ công ta sẽ

tiến hành lắp đặt Autorecloser, DCLTĐ tại

các vị trí cột đầu nguồn và cột đầu tiên của

các nhánh rẽ (thay cho các vị trí cầu dao phân

đoạn đóng cắt thủ công nêu trên), dựa trên

tiêu chí đó ta có các vị trí lắp đặt các thiết bị

nhƣ sau:

Tại vị trí cột 05 đƣờng dây 472- E6.4: Lắp 01

bộ DCLTĐ; Tại vị trí cột 56 đƣờng dây 472-

E6.4: Lắp 01 bộ DCLTĐ; Tại vị trí cột 62

đƣờng dây 471- E6.2: Lắp 01 bộ DCLTĐ; Tại

vị trí cột 02 đƣờng dây 471- E6.2: Lắp 01 bộ

DCLTĐ; Tại cột 34 đƣờng dây 472- E6.4:

Lắp 01 Autorecloser; Tại cột 10 đƣờng dây

471- E6.2: Lắp 01 Autorecloser

Với các vị trí lắp đặt nhƣ trên ta có các phân

đoạn sau: Phân đoạn 1 từ cột 05 đến cột 34;

Phân đoạn 2 từ cột 2 đến cột 62; Phân đoạn 3

từ cột 62 đến cột 14 nhánh rẽ đi TBA Sƣ

Phạm 1; Phân đoạn 4 từ cột 56 đến cột 34’

đƣờng dây 472- E6. (trong phân đoạn đang có

01 dao cách ly lắp tại cột 46).

Công suất trung bình và chiều dài đƣờng trục

các phân đoạn đƣợc trình bày trong bảng 1.

Bảng 1. Thông số các phân đoạn

Phân đoạn

Công suất

trung bình

(kW)

Chiều dài

(km)

1 2195.211 13.07

2 1092.884 5.15

3 883.547 7.42

4 3936.757 20.35

Hình 4. Sơ đồ 1 sợi đường dây mạch vòng

471- E6.2 + 472- E6.4 khi chưa lắp đặt

Autorecloser và DCLTĐ mô phỏng trên

PSS/ADEPT

Hình 5. Sơ đồ 1 sợi đường dây mạch vòng 471-

E6.2 + 472- E6.4 sau khi lắp đặt Autorecloser và

DCLTĐ

Bảng 2. Các thông số của hệ thống

Các

chỉ tiêu SAIFI SAIDI CAIFI CAIDI

Sự cố 1 5 1 4


57

Bảng 3. Các chỉ số tin cậy của đường dây khi

chưa lắp đặt Autorecloser, DCLTĐ

(lần/

năm) 0,5 0,5 0,4 0,5 0,3 0,8 0,5 0,5

t (giờ) 7 8 7 8 8 7 5 5

Bảng 4. Các chỉ số tin cậy của đường dây khi lắp

đặt Autorecloser, DCLTĐ

Các

chỉ tiêu SAIFI SAIDI CAIFI CAIDI

Sự cố 2 12 2 6

So sánh số liệu tại bảng 2 và 4 cho thấy tại cùng một vị trí lắp đặt thì việc lắp đặt các Autorecloser, DCLTĐ thay cho cầu dao đóng cắt thủ công đã đem lại hiệu quả về ổn định cao, tuy nhiên cần tính đến hiệu quả kinh tế khi lắp đặt.

Để tính toán hiệu quả kinh tế khi tiến hành thay thế, lắp đặt các thiết bị tự động nêu trên, lấy số vụ sự cố vĩnh cửu trên đƣờng dây trung áp của lƣới điện Thái Nguyên năm 2010 và 6 tháng đầu năm 2011 để xác định cƣờng độ hỏng hóc trên lƣới trung áp trên 100km đƣờng dây trong một năm từ đó tính toán hiệu quả cho đƣờng dây đang nghiên cứu.

Cuối năm 2010, lƣới trung áp của Công ty Điện lực Thái Nguyên có 1810,34 km đƣờng dây và tính đến hết quý 2 năm 2011 là khoảng 1830,34 km đƣờng dây. Vậy cƣờng độ hỏng hóc là 6,2 lần/100 km/năm.

Kỳ vọng thiếu hụt điện năng của hệ thống điện hiện tại (phân đoạn bằng dao cách ly đóng cắt thủ công) và kỳ vọng thiếu hụt điện năng khi áp dụng Autorecloser, DCLTĐ đƣợc xác định theo công thức:

E = λ.T.(P1 + P2 + P3+P4).(LI + LII + LIII+LIV) 2638.781 (kWh).

Hiệu quả kinh tế đƣợc cho ở bảng 6.

Theo biểu giá bán điện kèm quyết định số 21/2009/QĐ- TTg ngày 12/02/2009 của Thủ tƣớng chính phủ về giá bán điện năm 2009, các năm 2010-2012 và trích Thông tƣ số 08/2010/TT- BCT ngày 24/02/2010 của Bộ trƣởng Bộ Công Thƣơng ngày Quy định về giá bán điện hàng năm 2011 và hƣớng dẫn thực hiện có biểu giá nhƣ sau: Cấp điện áp từ 22 kV đến dƣới 110 kV:

- Giờ bình thƣờng: 898 đ/kWh

- Giờ thấp điểm: 496 đ/kWh

- Giờ cao điểm: 1.758 đ/kWh

Giá thành 1 kWh không bị mất do hạn chế đƣợc sự cố đắt gấp nhiều lần giá bán 1 kWh thông thƣờng (4 USD so với 0,097 USD).

Khi áp dụng Autorecloser, DCLTĐ cho mạch vòng 471-E6.2 + 472- E6.4 sẽ mang lại lợi nhuận (trong một năm):

B = 2638.781 x 4 x 21.000 = 221.660.000 đồng. (Hai trăm hai mƣơi mốt triệu sáu trăm

sáu mƣơi nghìn đồng chẵn – tỷ giá 1USD =

21.000 đồng).

Giá một máy Autorecloser cách điện bằng

dầu của Sam Sung (bao gồm các phụ kiện đi

kèm) khoảng 48 triệu đồng; Giá 1 DCLTĐ

loại khí của Hàn Quốc (bao gồm các phụ kiện

đi kèm) khoảng 28 triệu đồng. Chi phí vận

chuyển, lắp đặt bằng khoảng 5% giá thành

thiết bị. Do đó, số tiền để đầu tƣ lắp đặt

Autorecloser và DCLTĐ cho lộ đƣờng dây

trên là: 48 x 2 x 1,05+ 28 x 4 x 1,05 = 218,4

triệu đồng (Hai trăm mƣời tám triệu bốn trăm

nghìn đồng).

Bảng 6. Kết quả tính giá trị quy đổi về hiện tại của dòng lãi ròng (NPV)

Năm 0 1 2 3 4 5

Lợi nhuận, Bt

(triệu đồng) 0 221,66 221,66 221,66 221,66 221,66

Chi phí, Ct

(triệu đồng) 218,4 12 0 12 0 12

Lãi ròng, Bt - Ct - 218,4 209.66 221,66 209.66 221,66 209.66

Hệ số quy đổi

1/(1+r)t 1,000 0,926 0,857 0,794 0,735 0,681

Giá trị lãi ròng

quy về hiện tại

của năm thứ t

- 218,4 194.15 189.96 166.47 162.92 142.78

NPV 637.88 triệu đồng


58

Để đánh giá hiệu quả kinh tế khi áp dụng

Autorecloser, DCLTĐ ta sẽ tính toán chỉ tiêu

NPV (Net present value) – Giá trị quy về hiện

tại của dòng lãi ròng.

∑

...)1( 0

n

0t

t

tt

n

nn

1

11000

r

r)(1

CB

r)(1

CB

r)(1

CB

r

CBNPV

= +=

+++

++

+=

Lấy hệ số giảm giá r = 8 %.

Ngoài vốn đầu tƣ ban đầu là 218,4 triệu đồng,

trong quá trình vận hành cần thêm chi phí bảo

dƣỡng cho các Autorecloser (3 triệu/1 máy);

bảo dƣỡng DCLTĐ (1,5 triệu/1bộ) với chu

kỳ bảo dƣỡng cho mỗi thiết bị là 2 năm/1 lần.

Căn cứ vào số liệu nêu trên cho thấy việc lắp

đặt thêm các thiết bị Autorecloser, DCLTĐ

đem lại hiệu quả cao về kinh tế ứng với tuổi

thọ của thiết bị là 20 năm.

KẾT LUẬN

Độ tin cậy cung cấp điện là một trong những

chỉ tiêu ngày càng đƣợc khách hàng và ngành

Điện đặc biệt quan tâm. Những thiệt hại do

mất điện không những tổn hại về kinh tế mà

còn ảnh hƣởng đến chính trị. Việc nâng cao

ổn định cung cấp điện luôn đƣợc đặt ra hàng

đầu đối với ngành điện. Tính toán, lựa chọn

các thiết bị điện một cách chính xác sẽ đem

lại hiệu quả cao trong quá trình ổn định HTĐ.

Bài báo đã tính toán nâng cao độ ổn định

cung cấp điện khi bố trí, lắp đặt các thiết bị tự

động đóng lặp lại trên lƣới điện. Từ đó áp

dụng cho các lƣới điện phân phối để đƣa ra

phƣơng án đầu tƣ hiệu quả.


[1]. Điện lực Thái Nguyên (2007). Báo cáo công tác

kinh doanh bán điện năm 2009. Phòng KH-VT

ĐLHT.

[2]. Trần Bách (2004). Lưới điện và hệ thống điện -

tập 2. Nxb KH&KT, Hà Nội.

[3]. Trần Bách (2004). Giáo trình lưới điện. Nxb

Giáo dục.

[4]. Trần Đình Long (1999). Quy hoạch phát triển

năng lượng và điện lực. Nxb KH&KT Hà Nội.

[5]. Bộ Công thƣơng, Thông tƣ số 32/2010/TT-BCT

ngày 30/7/2010 Quy định hệ thống phân phối điện.

[6]. Đại học Điện lực Hà Nội (2007). Áp dụng

PSS/ADEAPT 5.0 trong lƣới điện phân phối.

[7]. Binns, D.F (1986), Economics of electrical

power engineering, Electricial logic power Ltd., PO

Box 14, Manchester M16 7QA.

[8].E.Lakervi and E.J.Holmes (1995), Electricity

Distribution Network Design, Peter peregrinus Ltd

SUMMARY

A METHOD IMPROVE THE RELIABILITY THAI NGUYEN’S POWER

DISTRIBUTION SYSTEM USE OF AUTOMATION EQUIPMENT

(DISTRIBUTION SYSTEM AUTOMATINON)

Ha Thanh Tung*,1

, Pham Thi Hong Anh2

1College of Technology – TNU, 2College of Information & Communication Technology – TNU

To enhance quality service, improve continous electricity providing, more safety and more

effectively, ensuring the quality power is very important and necessary. The reliability is one of the

most important indicators to evaluate the grid. Power distribution system provides directly electric

energy to consumption, so the continous power providing for load depends on the reliabilty of the

grid. The reliabilty of power distribution system can be evaluated by many different indicators. One

of them is IEEE standard 1366 that applies widely all over the world. sewn directly to the household

power consumption thus providing electrical continuity for live load depends on the reliability of the

electric grid. This paper introduces indices to estimate reliability for distribution system according to

IEEE-1366 standard. It also uses PSS/ADEPT software to caculate above indices in Thai Nguyen

distribution system before and after having DAS (Distribution Automation System) to quantify

continuous electricity providing for customers.

Keywords: reliability, distribution, power quality, DAS, power supply.


Phản biện khoa học: PGS.TS. Nguyễn Thanh Hà – Đại học Thái Nguyên


Phạm Thị Ngọc Dung và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 59 - 63

59

KIỂM TOÁN NĂNG LƯỢNG VÀ SỬ DỤNG NĂNG LƯỢNG HIỆU QUẢ TRONG TÒA

NHÀ CAO TẦNG CÔNG TY TNHH KHOA HỌC & QUẢN LÝ VIỆT NAM (SMC)

Phạm Thị Ngọc Dung, Hà Thanh Tùng*

Trường Đại học Kỹ thuật Công nghiệp – ĐH Thái Nguyên

TÓM TẮT Giảm chi phí năng lƣợng là vấn đề thực tiễn, cấp bách trong nhiều lĩnh vực. Những năm gần đây,

kiểm toán năng lƣợng bắt đầu đóng vai trò quan trọng trong việc quản lý chi phí năng lƣợng. Kiểm

toán năng lƣợng bao gồm một loạt các kỹ thuật khảo sát và phân tích dòng năng lƣợng, trong đó

các tòa nhà là đối tƣợng đang đƣợc quan tâm hiện nay.

Bài báo giới thiệu chu trình xây dựng dự án kiểm toán năng lƣợng và các phƣơng pháp sử dụng

năng lƣợng hiệu quả trong trong các tòa nhà. Kết quả của công tác kiểm toán sẽ xác định đƣợc

tiềm năng tiết kiệm năng lƣợng, từ đó đề ra phƣơng án sử dụng năng lƣợng một cách hiệu quả tại

tòa nhà – trụ sở công ty TNHH Khoa học & quản lý Việt Nam (SMC).

Từ khóa: Kiểm toán năng lượng, chiếu sáng, nhà cao tầng, SMC Vietnam.

ĐẶT VẤN ĐỀ*

Việc sử dụng năng lƣợng tiết kiệm và hiệu

quả là ƣu tiên quan trọng trong chính sách

năng lƣợng quốc gia, trƣớc tình hình tài

nguyên năng lƣợng ngày càng khan hiếm nhƣ

nƣớc ta hiện nay [1],[2]. Giám sát quá trình

tiêu thụ năng lƣợng một cách chặt chẽ tại các

công ty, các cơ sở tiêu thụ năng lƣợng để tìm

ra phƣơng án tiết kiệm năng lƣợng là một

trong những việc làm cần thiết nhằm giảm

mức tiêu thụ năng lƣợng.

Kiểm toán năng lƣợng (KTNL) là quá trình

giám sát nhằm xác định đƣợc những bộ phận

sử dụng năng lƣợng lãng phí, tìm ra các cơ

hội tiết kiệm, từ đó đề xuất giải pháp tiết kiệm

năng lƣợng chung cho hệ thống và đặc biệt có

ý nghĩa đối với các tòa nhà cao tầng. Trên

thực tế, nếu công tác kiểm toán đƣợc triển

khai trên một quy mô rộng lớn thì năng lƣợng

tiết kiệm đƣợc sẽ trở thành một dạng nguồn

có trữ lƣợng cao, điều này dẫn đến giảm chi

phí xây dựng các nhà máy điện, tiết kiệm

đƣợc tài nguyên cho quốc gia.

KIỂM TOÁN NĂNG LƢỢNG TRONG TÕA

NHÀ CAO TẦNG

Mục đích

Kiểm toán năng lƣợng [3] giúp chúng ta xác

định đƣợc xu hƣớng tiêu thụ và khả năng tiết


kiệm năng lƣợng của các thiết bị khác nhau

nhƣ: động cơ, máy bơm, hệ thống chiếu sáng,

thông gió, điều hoà…

Các bƣớc xây dựng quy trình KTNL

B1: Khảo sát sơ bộ

- Liệt kê quy trình công nghệ, thiết bị cung

cấp và tiêu hao năng lƣợng, xác định định

mức tiêu thụ

- Xác định bƣớc đầu các công đoạn tiêu hao

năng lƣợng lớn

B2: Phân tích các dòng năng lượng

- Xây dựng sơ đồ công nghệ cho phần trọng

tâm kiểm toán

- Xác định sơ đồ dòng phân bố năng lƣợng

- Cân bằng vật chất – năng lƣợng

B3: Đề xuất các cơ hội tiết kiệm năng lượng

- Xác định các cơ hội tiết kiệm năng lƣợng

- Lựa chọn các cơ hội tiền khả thi

B4: Lựa chọn các cơ hội tiết kiệm năng lượng

- Đánh giá khả thi về kỹ thuật, kinh tế và môi

trƣờng

- Lựa chọn giải pháp thực hiện

B5: Áp dụng

- Thực hiện các giải pháp tiết kiệm năng

lƣợng

- Đo đạc và đánh giá kết quả


60

B6: Duy trì

- Duy trì các giải pháp tiết kiệm năng lƣợng

- Lựa chọn các công đoạn tiếp theo để kiểm

toán

Sử dụng năng lƣợng hiệu quả trong các tòa

nhà cao tầng

Sử dụng năng lƣợng tiết kiệm và hiệu quả là

quá trình sử dụng năng lƣợng một cách hợp

lý, vừa đủ để đảm bảo nhu cầu cần thiết cho

các quá trình sản xuất, dịch vụ và sinh hoạt.

Trong những năm gần đây các tòa nhà cao

tầng là loại hình phụ tải có mức độ tăng

trƣởng cao; vì vậy, bài báo giới thiệu cụ thể

một số phƣơng pháp sử dụng năng lƣợng hiệu

quả có thể áp dụng cho đối tƣợng này, cụ thể

nhƣ sau:

Đối với các tòa nhà, việc tiết kiệm và sử dụng

hiệu quả năng lƣợng cần quan tâm đến các

yếu tố sau:

1.Tận dụng các điều kiện tự nhiên hoặc các

giải pháp cấu tạo kiến trúc thích hợp nhằm

giảm tiêu hao năng lƣợng cho chiếu sáng,

thông gió, làm mát và sƣởi ấm.

2. Sử dụng các vật liệu cách nhiệt đƣợc sản

xuất theo tiêu chuẩn tiết kiệm năng lƣợng để

hạn chế việc truyền nhiệt qua tƣờng, cửa ra

vào và cửa sổ.

3. Sử dụng các thiết bị chế tạo theo tiêu chuẩn

tiết kiệm năng lƣợng để lắp đặt trong tòa nhà.

4. Kiểm toán năng lƣợng chặt chẽ khi đƣa tòa

nhà vào hoạt động.

Công cụ kiểm toán

Để phục vụ cho công việc kiểm toán và đánh

giá mức độ tiêu thụ năng lƣợng, ở đây ta sử

dụng thiết bị MITEC của Công ty Điện lực

Hà Nội và các thiết bị đo lƣờng tại phòng thí

nghiệm Vật lý thuộc Trung tâm thí nghiệm –

Trƣờng Đại học Kỹ thuật Công nghiệp, ĐH

Thái Nguyên và sự hỗ trợ tính toán của bảng

tính Excel. Kết quả đo sẽ lƣu lại trong thiết bị

MITEC theo thời gian lấy mẫu mà ta cài đặt

và đƣợc xuất ra qua máy tính dƣới dạng

file.dat, ngoài ra, còn có một số thiết bị đo

đạc khác nhƣ: Vôn kế, Ampe kế, thƣớc dây,

máy tạo khói và các thiết bị khảo sát khác…

Hình 1. Thiết bị đo MITEC (Thụy Điển)

Từ kết quả đo đạc tại trụ sở công ty SMC,

tính toán mức tiêu thụ năng lƣợng đƣợc kết

quả nhƣ bảng 1 và bảng 2.

Quá trình đo đạc và tính toán nhƣ trên áp

dụng cho từng loại phụ tải trong trung tâm là

cơ sở để đánh giá mức độ tiêu thụ điện năng.

Cùng với việc đi sâu nghiên cứu tình trạng kỹ

thuật thiết bị, ta có thể đƣa ra những phƣơng

án nâng cao hiệu quả sử dụng năng lƣợng.

Bảng 1. Kết quả đo (thang đo 20A, 400V) tại trụ

sở công ty TNHH Khoa học và quản lý Việt Nam

(SMC Việt Nam)

Bảng 2. Tính toán điện năng tiêu thụ tháng 3 của

máy lạnh - chiller1 và chiller2


61

ĐỀ XUẤT CÁC PHƢƠNG ÁN SỬ DỤNG

NĂNG LƢỢNG HIỆU QUẢ CHO CÁC

TÒA NHÀ

Máy lạnh:

- Tăng nhiệt độ điều hòa trong phòng.

- Hạ nhiệt độ nƣớc ở tháp giải nhiệtCó thể

thay hệ thống này bằng tháp làm mát bằng

nƣớc đối với các máy lạnh sử dụng tháp làm

mát bằng gió hiệu suất thấp [5].

Hệ thống xử lí không khí đặt sàn (AHU):

- Lắp đặt bộ VSD:

Điều chỉnh lƣu lƣợng không khí của quạt

bằng cách lắp đặt bộ điều tốc VSD với vòng

điều khiển kín đo nhiệt độ phòng sẽ tiết kiệm

năng lƣợng điện tiêu thụ cho quạt khoảng

30% và có thể là cao hơn.

- Một số giải pháp khác:

+ Sử dụng đƣờng ống tròn để lấy khí tự nhiên

vào cho các AHU.

+ Giảm thiểu vật cản đối với đầu vào của bộ

phận thu hồi khí.

+ Có biện pháp thƣờng xuyên làm sạch màng

lọc, bộ lọc và cánh quạt.

+ Thƣờng xuyên kiểm tra độ căng dây curoa

để đảm bảo hiệu suất truyền công suất.

+ Loại bỏ những chỗ rò rỉ trong đƣờng ống.

+ Định kỳ cải tạo, vệ sinh hệ thống đƣờng

ống.

+ Đảm bảo chất lƣợng điện năng cung cấp

cho động cơ.

Hệ thống bơm:

- Lắp đặt thiết bị điều tốc VSD cho động cơ

bơm nƣớc lạnh. Khi lắp đặt thiết bị điều khiển

tự động tốc độ động cơ của máy bơm sẽ, cho

phép giảm 30% điện năng tiêu thụ.

- Thay mới bằng bơm có hiệu suất cao. Bơm

hiệu suất cao có khả năng tiết kiệm đƣợc 20%

điện năng tiêu thụ.

Hệ thống chiếu sáng [4], [5]:

- Lắp thiết bị tiết kiệm năng lƣợng Fluoresave

cho hệ thống chiếu sáng.

- Phân mảnh hệ thống công tắc điều khiển và

tăng cƣờng chiếu sáng tự nhiên.

- Thay đổi thói quen của ngƣời sử dụng điện.

ỨNG DỤNG KIỂM TOÁN NĂNG LƢỢNG

TẠI TÕA NHÀ CÔNG TY SMC VIỆT NAM

Trụ sở công ty SMC Việt Nam có quy mô 8

tầng lầu, tổng diện tích sử dụng 2.500m2 đƣợc

trang bị 250 máy tính kết nối Internet… đủ để

phục vụ cho công tác đào tạo quản lý, nghiên

cứu của gần 300 cán bộ, giảng viên và học

viên [6].

Hệ thống phụ tải của trung tâm có thể chia

thành các nhóm chính nhƣ sau:

• Hệ thống máy lạnh

• Hệ thống chiếu sáng

• Thiết bị xử lý không khí AHU

• Phụ tải ổ cắm

• Bơm nƣớc lạnh

Dựa trên kết quả của công tác kiểm toán đƣợc

tiến hành theo phƣơng pháp tính toán trên, ta

có thể đánh giá mức độ tiêu thụ năng lƣợng

và hiệu quả tiết kiệm năng lƣợng của trung

tâm nhƣ sau:

Máy lạnh

Mức độ tiêu thụ:

- Trong tháng 3 điện năng tiêu thụ của cụm

máy lạnh là: 8125kWh.

- Công suất lạnh tƣơng ứng: 7357TR.

- Mức tiêu thụ năng lƣợng 1,11kWh/TR.

Đánh giá:

- Ứng với mỗi mức tăng nhiệt độ trong phòng

lên 1oC thì hàng tháng ƣớc tính sẽ tiết kiệm

đƣợc 906kWh điện năng tiêu thụ của chiller,

chi phí tiết kiệm sẽ là 54 USD.

- Có thể thay hệ thống này bằng tháp làm mát

bằng nƣớc có công suất 150TR ở nhiệt độ bầu

ẩm 28oC, nhiệt độ nƣớc vào tháp 35

oC và ra

khỏi tháp là 30oC. Tổng chi phí mua tháp

nƣớc, đƣờng ống và lắp đặt khoảng 4500

USD. Lƣợng điện năng tiết kiệm đƣợc hàng

tháng là: 1304kWh. Chi phi tiết kiệm đƣợc

hàng tháng: 80 USD. Thời gian hoàn vốn là

4,5 năm.

Hệ thống xử lí không khí đặt sàn AHU


- Nhìn chung các AHU vận hành rất ổn định.


62

- Lƣợng điện năng tiêu thụ hàng tháng của

các AHU là 2410 kWh.

- Lƣợng điện tiêu thụ hàng năm là

27715kWh.

Đánh giá:

- Điều chỉnh lƣu lƣợng của quạt bằng cách lắp

đặt bộ điều tốc VSD, tiết kiệm năng lƣợng

điện tiêu thụ cho quạt khoảng 30% và có thể

là cao hơn. Chi phí mua và lắp đặt cho bộ

VSD khoảng 2500 USD. Lƣợng điện năng

tiêu thụ tiết kiệm hàng tháng: 723 kWh. Chi

phí năng lƣợng tiết kiệm hàng tháng: 42 USD.

Thời gian thu hồi vốn: 5 năm.

Hệ thống bơm nƣớc


- Hai bơm nƣớc lạnh số 1 và 2 vận hành luân

phiên để phục vụ cho hai chiller. Khi nào hai

chiller hoạt động song song thì hai máy bơm

nƣớc mới chạy song song.

- Trong một tháng hệ thống bơm tiêu thụ

khoảng 1607 kWh.

- Lƣợng điện tiêu thụ trong một năm là 19170

kWh.

Đánh giá:

- Việc lắp đặt thiết bị điều khiển tốc độ động

cơ của máy bơm sẽ cho phép giảm 30% điện

năng tiêu thụ. Năng lƣợng điện tiết kiệm hàng

tháng khoảng 500 kWh. Chi phí điện năng tiết

kiệm đƣợc hàng tháng khoảng 30 USD. Tuy

nhiên chi phí đầu tƣ là khá lớn nên thời gian

thu hồi vốn sẽ lâu.

Hệ thống chiếu sáng

Đánh giá chất lượng chiếu sáng:

Để kiểm tra chất lƣợng của hệ thống chiếu

sáng, ở đây sử dụng phần mềm Luxicon để

tính toán. Kết quả đánh giá một phòng ở tầng

hai diện tích 110m2, gồm 24 bóng phillip

36W chia thành 8 máng nhƣ dƣới đây:

Lƣới tính toán có cao độ ngang với mặt bàn

0,75m.

- Mật độ công suất: Po= 7.85(W/m2)

- Độ rọi TB trên mắt lƣới: EAve= 622( Lux)

- Độ rọi lớn nhất: EMax = 964 ( Lux)

- Độ rọi nhỏ nhất: Emin= 277( Lux)

- Tỉ số: EAve/ EMin= 2,45

- Tỉ số: EMax/ EMin= 3,5

Theo kết quả tính toán ta thấy chất lƣợng

chiếu sáng của phòng rất tốt so với yêu cầu về

độ rọi đối với phòng đọc là 300 Lux.

Hình 3. Phòng hội thảo công ty

.

Hình 4. Hình ảnh lƣới độ rọi và các đƣờng đẳng rọi

Do nguồn cung cấp cho hệ thống chiếu sáng

không nằm tập trung, nên việc xác định điện

năng tiêu thụ của chúng không tiến hành

đƣợc. Tuy nhiên có thể ƣớc tính năng lƣợng

tiêu thụ trong 3 tháng của hệ thống này

khoảng 2700kWh.

Đánh giá: Đối với tòa nhà có thể lắp hai thiết

bị Floresave D32A dùng cho hệ thống đèn

huỳnh quang và cao áp, với khả năng tiết

kiệm hơn 35%, hàng tháng sẽ tiết kiệm đƣợc

1100kWh. Chi phí tiết kiệm hàng tháng 66

USD ; chi phí đầu tƣ 1600 USD ; thời gian

thu hồi vốn 25 tháng.

KẾT LUẬN

Ý nghĩa thực tiễn

Với các kết quả phân tích đƣợc ở trên ta thấy

Tòa nhà trụ sở công ty SMC Việt Nam hoàn


63

toàn có khả năng tiết kiệm năng lƣợng tiêu

thụ. Các phƣơng án đƣợc đề xuất có mức tiết

kiệm đạt đƣợc khác nhau, tùy theo khả năng

của mình có thể có những biện pháp đầu tƣ

hợp lí để có đƣợc hiệu quả cao hơn trong việc

sử dụng năng lƣợng.

Hƣớng phát triển

Việc nghiên cứu tổng thể về kiểm toán nhằm

tiết kiệm năng lƣợng ở quy mô quốc gia, đặc

biệt là ở nƣớc ta mang ý nghĩa to lớn. Chƣơng

trình tiết kiệm năng lƣợng một khi đƣợc ứng

dụng rộng rãi thì hiệu quả nó mang lại sẽ rất

đáng kể. Nƣớc ta sẽ tiết kiệm đƣợc một khoản

chi phí lớn trong việc đầu tƣ xây dựng nguồn

là các nhà máy điện, đồng thời khai thác đƣợc

một nguồn năng lƣợng mới vốn đã có sẵn.


[1]. LM Markovits, Trần Đình Long, Bùi Ngọc

Thƣ, Bùi Thiên Dụ, Hà Học Trạc (dịch), (1975).

Các chế độ của hệ thống năng lượng. Nxb KH-KT.

[2]. Lê Văn Doanh, Phạm Văn Bình, Phạm Hùng

Phi, Trần Văn Tớp, Nguyễn Xuân Hoàng Việt,

(2010). Sử dụng năng lượng tiết kiệm và hiệu quả.

Nxb KH-KT.

[3]. Patrick Vandeplanque, Lê Văn Doanh, Đặng

Văn Đào (dịch), (2000). Kỹ thuật chiếu sáng. Nxb

KH-KT.

[4]. PGS.TS Phạm Đức Nguyên, (1997). Chiếu

sáng tự nhiên và nhân tạo. Nxb KH-KT.

[5]. Nguyễn Văn May (2006). Máy lạnh và điều

hòa không khí. Nxb KH-KT.

[6]. Tài liệu quản lý tòa nhà trụ sở công ty TNHH

Khoa học và quản lý Việt Nam

SUMMARY

ENERGY AUDITS AND ENERGY AND EFFICIENCE IN BUILDINGS &

SCIENCE CO., LTD VIETNAM ADMINISTRATION (SMC)

Pham Thi Ngoc Dung, Ha Thanh Tung*

College of Technology – TNU

The need to reduce energy costs is a crucial business practice for successful organizations, and

energy audits have begun to play a more significant role in managing energy expenses. Energy

audits can encompass a variety of surveying techniques but most commonly consist of an analysis

of energy usage within a building or facility and its contained equipment.

This article introduces the process of building an energy-auditing project and methods for using

energy efficiency in buildings. Based on the findings, some recommendations are made on how to

use the energy economically. Specifically, the energy audition has been applied at the Vietnam

Science and Management Company (SMC Viet Nam).

Keywords: Energy auditis, lighting, buildings, SMC Vietnam.


Phản biện khoa học: PGS.TS. Nguyễn Thanh Hà – Đại học Thái Nguyên



64

Phạm Việt Bình và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 65 - 70

65

MỘT PHƢƠNG PHÁP PHÂN TÍCH VÀ DỰ BÁO SẢN LƢỢNG CHÈ

TỈNH THÁI NGUYÊN

Phạm Việt Bình

*, Nguyễn Văn Huân, Vũ Xuân Nam, Lê Anh Tú

Trường Đại học Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên

TÓM TẮT Trong thực tế, phân tích và dự báo kinh tế đóng một vai trò quan trọng, giúp cho các nhà quản lý

chủ động trong việc đề ra các kế hoạch và các quyết định cần thiết phục vụ cho quá trình sản xuất

kinh doanh, đầu tƣ, quảng bá, quy mô sản xuất, kênh phân phối sản phẩm, nguồn cung cấp tài

chính,… Trong các cây công nghiệp trên địa bàn Trung du và miền núi phía Bắc nói chung và

Thái Nguyên nói riêng, chè là cây công nghiệp quan trọng trong phát triển kinh tế, xã hội của khu

vực. Trƣớc yêu cầu phát triển kinh tế, đặc biệt là trong quá trình hội nhập kinh tế quốc tế hiện nay,

để tồn tại và phát triển vững chắc ngành chè phải có những giải pháp mới phù hợp để có thể phát

triển sản lƣợng và chất lƣợng chè. Một trong những công việc cấp thiết của các giải pháp là việc

phân tích đánh giá và dự báo sản lƣợng chè trong những năm tiếp theo ở tỉnh Thái Nguyên.

Bài báo này đề xuất giải pháp ứng dụng một phƣơng pháp phân tích và dự báo “hồi quy tuyến

tính” vào dự báo sản lƣợng chè Tỉnh Thái Nguyên trên cơ sở trên cơ sở thu thập, phân tích và kiểm

định dữ liệu từ đó đƣa ra những giải pháp cũng nhƣ những quyết định tối ƣu nhằm thúc đẩy phát

triển kinh tế xã hội.

Từ khoá: Hồi quy tuyến tính, phân tích và dự báo, sản lượng chè,; Thái Nguyên.

GIỚI THIỆU*

Bài toán phân tích và dự báo là một bài toán có

ý nghĩa quan trọng trong việc hỗ trợ các nhà

quản lý đƣa ra quyết định đúng đắn dựa vào

các dữ liệu đã thu thập đƣợc. Khi tiến hành dự

báo cần căn cứ vào việc thu thập, xử lý số liệu

trong quá khứ và hiện tại để xác định xu hƣớng

vận động của các hiện tƣợng trong tƣơng lai

nhờ vào một số mô hình toán học [3].

Trên thế giới đã có nhiều tác giả đƣa ra cách

phân loại các phƣơng pháp dự báo khác nhau.

Tuy nhiên, theo Gordon trong hai thập kỷ gần

đây, có 08 phƣơng pháp dự báo đƣợc áp dụng

rộng rãi trên thế giới nhƣ: Tiên đoán, ngoại

suy xu hƣớng, dự báo tổng hợp,…[1],[2].

Hiện nay, ở Việt Nam có rất nhiều đơn vị

tham gia công tác phân tích dữ liệu và dự báo

phục vụ việc lập và triển khai các kế hoạch

phát triển kinh tế xã hội nhƣ: Bộ Kế hoạch và

Đầu tƣ, Trung tâm Thông tin và Dự báo Kinh

tế Xã hội Quốc gia, Viện Chiến lƣợc phát

triển, Tổng cục Thống kê và Vụ Tổng hợp

kinh tế quốc dân,… Bên cạnh đó, bài toán

phân tích và dự báo đã đƣợc một số nhà quản


lý, chuyên gia kinh tế nghiên cứu và đề xuất

một số giải pháp ứng dụng vào một số lĩnh

vực cụ thể: Phân tích và dự báo tình hình tài

chính [9], tiền tệ [7], hoạch định và điều hành

chính sách tài chính [5], xây dựng mô hình dự

báo chỉ số thống kê xã hội chủ yếu [4], dự báo

biến động giá chứng khoán [8], dự báo sự tác

động của vốn đầu tƣ từ nƣớc ngoài [10], dự

báo giá một số mặt hàng tƣ liệu sản xuất [6].

Tuy nhiên, những nghiên cứu này chƣa tập

trung nhiều vào việc dự báo sản lƣợng cho

một số cây công nghiệp nhằm có đƣợc những

biện pháp phát triển đem lại hiệu quả kinh tế

cao[3],[4],[5].

Trong các cây công nghiệp trên địa bàn Trung

du và miền núi phía Bắc nói chung và Thái

Nguyên nói riêng, chè là cây công nghiệp

quan trọng trong phát triển kinh tế, xã hội của

khu vực. Trƣớc yêu cầu phát triển kinh tế, đặc

biệt là trong quá trình hội nhập kinh tế quốc tế

hiện nay, để tồn tại và phát triển vững chắc

ngành chè phải có những giải pháp mới phù

hợp để có thể phát triển sản lƣợng và chất

lƣợng chè. Một trong những công việc cấp

thiết của các giải pháp là việc phân tích đánh

giá và dự báo sản lƣợng chè trong những năm

tiếp theo ở tỉnh Thái Nguyên [3],[13].


66

Để dự báo sản lƣợng chè thì có nhiều phƣơng

pháp, nhƣng với mỗi phƣơng pháp lại phù

hợp với những loại dữ liệu khác nhau. Chẳng

hạn, với phƣơng pháp san bằng mũ thì số liệu

là không có xu thế và không có biến động

thời vụ rõ rệt, đối với phƣơng pháp dự báo

dựa vào tốc độ phát triển bình quân thì có bộ

số liệu mà mức độ của dãy số biến động có

tốc độ phát triển từng kỳ gần nhau,…Mà thực

tế, sản lƣợng chè phụ thuộc vào nhiều yếu tố

nhƣ: diện tích trồng chè, phân bón, thời tiết,

thiên tai, sự quan tâm chăm sóc của ngƣời

trồng chè….[13]. Do đó, điều này dẫn đến

việc có sai số trong việc dự báo nếu áp dụng

với một vài yếu tố trong việc dự báo.

Bài báo này đề xuất việc áp dụng mô hình dự

báo theo phƣơng trình hồi quy tuyến tính

trong việc dự báo sản lƣợng chè Tỉnh Thái

Nguyên[3] dƣới các điều kiện tác động về

diện tích trồng chè, phân bón, thời tiết, thiên

tai, sự quan tâm chăm sóc của ngƣời trồng

chè,….

PHƢƠNG PHÁP HỒI QUY TUYẾN TÍNH

+ Mô hình hồi quy tuyến tính

Nhiệm vụ đầu tiên của phân tích hồi quy

tƣơng quan là xây dựng mô hình hồi quy

và xác định tính chất cũng nhƣ hình thức của

mối liên hệ[3].

Mô hình dự đoán theo phƣơng trình hồi quy:

tbay .ˆ

Trong đó:

t : Trị số của tiêu thức gây ảnh hƣởng

(nguyên nhân) (biến độc lập).

y : Trị số điều chỉnh của tiêu thức chịu ảnh

hƣởng (kết quả) (biến phụ thuộc) theo quan

hệ với t.

a: Hệ số tự do (hệ số chặn), là điểm xuất phát

của đƣờng hồi quy lý thuyết, nêu lên ảnh

hƣởng của các nhân tố khác (tiêu thức nguyên

nhân khác) ngoài t tới sự biến động của y. nếu

0) (

0) ( ..

22

tn

y

n

y

ttt

tyty

a

b: Hệ số hồi quy (hệ số góc, độ dốc), phản

ánh ảnh hƣởng trực tiếp của tiêu thức nguyên

nhân t đến tiêu thức kết quả y. Mỗi khi t tăng

lên 1 đơn vị thì y sẽ thay đổi trung bình b đơn

vị. b nói lên chiều hƣớng của mối liên hệ: b >

0: Mối liên hệ thuận; b < 0: Mối liên hệ

nghịch.

0) (

0) (.

2t

t

yt

ttay

b

+ Sai số của dự báo:

Sai số dự báo là sự chênh lệch giữa mức độ

thực tế và mức độ tính toán theo mô hình dự

báo.

Sai số dự báo phụ thuộc vào 03 yếu tố: độ

biến thiên của tiêu thức trong thời kỳ trƣớc,

độ dài của thời gian của thời kỳ trƣớc và độ

dài của thời kỳ dự đoán.

Vấn đề quan trọng nhất trong dự báo bằng

ngoại suy hàm xu thế là lựa chọn hàm xu thế,

xác định sai số dự đoán và khoảng dự đoán:

Công thức tính sai số chuẩn ( y )

2

i

y

y y

n p

Trong đó:

y : Sai số chuẩn

y : Giá trị tính toán theo hàm xu thế

N: Số các mức độ trong dãy số

P: Số các tham số cần tìm trong mô hình xu

thế

Công thức tính sai số dự báo:

pS = δy

)1(

)12(311

nn

n

n

L

Trong đó:

pS: Sai số của dự báo

n: số lƣợng các mức độ (n=10)


67

L: tầm xa của dự báo

y : sai số chuẩn

Sau đó xác định khoảng dự đoán theo công

thức sau: $

pn Ly t S

t- là giá trị theo bảng của tiêu chuẩn t-

Student với (n-2) bậc tự do và xác suất tin cậy

(t- ).

+ Hệ số tƣơng quan: Hệ số tƣơng quan là chỉ

tiêu đánh giá mức độ chặt chẽ của mối liên hệ

tƣơng quan tuyến tính đơn[3].

Công thức tính:

y

x

yx

byxxy

r ..

.

Nhƣ vậy, dấu của hệ số tƣơng quan r phụ

thuộc vào dấu của hệ số b vì phƣơng sai luôn

mang dấu dƣơng.

Các tính chất của hệ số tƣơng quan: Miền xác

định: –1 ≤ r ≤ 1.

r > 0: Mối liên hệ tƣơng quan tuyến tính

thuận.

r < 0: Mối liên hệ tƣơng quan tuyến tính

nghịch.

r = ± 1: Mối liên hệ hàm số hoàn toàn chặt

chẽ.

r = 0: Không có mối liên hệ tƣơng quan

tuyến tính giữa x và y.

r càng gần 1: Mối liên hệ càng chặt chẽ

(cƣờng độ mối liên hệ).

rất chặt chẽ.

chẽ.

r < 0,5 : Mối liên hệ hết sức lỏng lẻo.

+ Hệ số xác định: Hệ số xác định (2r ) dùng

để đánh giá sự phù hợp của mô hình, nó cho

biết tỷ lệ % thay đổi của y đƣợc giải thích bởi

mô hình[3].

ỨNG DỤNG PHƢƠNG PHÁP HỒI QUY

TUYẾN TÍNH PHÂN TÍCH DỮ LIỆU VÀ DỰ

BÁO SẢN LƢỢNG CHÈ THÁI NGUYÊN

Đặt vấn đề bài toán

Xuất phát từ dữ liệu khảo sát thực tế, nhóm

tác giả xây dựng hệ thống phân tích và dự báo

thực nghiệm với một số phƣơng pháp nhƣ:

hồi quy tuyến tính, hồi quy bội, san bằng

mũ,… bằng Visual Studio 2010 và hệ quản trị

cơ sở dữ liệu SQL Server 2008 với một số

chức năng nhƣ:

Tải dữ liệu qua các định dạng dữ liệu đƣợc

lƣu ở tệp Text, Excel, Sql,…

Tự động tra dữ liệu qua bảng tra T –

Student.

Xuất biểu đồ thể hiện phƣơng trình hồi quy

và đƣờng xu thế

Xuất bảng kết quả phân tích và dự báo: dự

báo điểm, sai số dự báo, sai số chuẩn, khoảng

dự báo….

Xuất biểu đồ cột theo các năm.

Ứng dụng phân tích và dự báo sản lƣợng

chè tỉnh Thái Nguyên

Bước 1. Thu thập và tổ chức dữ liệu

Dựa vào số liệu đƣợc trích dẫn từ Niên giám

thống kê Việt Nam năm 2008 của Tổng cục

thống kê Việt Nam; Niên giám thống kê tỉnh

Thái Nguyên 2011 của Cục Thống kê tỉnh

Thái Nguyên; Niên giám thống kê tỉnh Thái

Nguyên 2008 của Cục Thống kê tỉnh Thái

Nguyên; Báo cáo tình hình sản xuất, chế

biến, tiêu thụ chè tỉnh Thái Nguyên giai đoạn

2000 – 2008,… [12],[13],[14] Nhóm tác giả

đã tiến hành thu thập đƣợc số liệu về sản

lƣợng chè tỉnh Thái Nguyên qua các năm thể

hiện qua bảng sau:

Hình 1. Bảng số liệu thống kê sản lượng chè


68

Bước 2. Xác định các điều kiện chọn đầu vào

cho dự báo

Để tiến hành đánh giá sai số của dự báo,

chúng ta tiến hành xác định các điều kiện

chọn đầu vào cho dự báo gồm xác suất độ tin

cậy , t

và tầm xa của dự báo.

Hình 2. Điều kiện chọn đầu vào cho dự báo

Bước 3. Xây dựng mô hình hồi quy

Dựa vào bảng số liệu đầu vào, hệ thống sẽ

tiến hành phân tích và thể hiện phƣơng trình

hồi quy tuyến tính.

Hình 3. Phương trình hồi quy tuyến tính

Biểu đồ cho thấy phƣơng trình hồi quy tuyến

tính là y = 145.5589 + 6t

Do lựa chọn ∑t # 0 nên dễ dàng dự báo dự

đoán điểm sản lƣợng chè cho các năm tiếp

theo (Do có 9 quan sát nên để dự báo sản

lƣợng cho năm 2013 thì t=10)

2013y145.5589 + 6.10 = 205.58

Bước 5. Phân tích kết quả dự báo

Với xác suất tin cậy là 0.95 và số bậc tự do

(n) = 7 khi đó hệ thống sẽ tiến hành tra trong

bảng T- Student và có đƣợc t

= 3.25.

Dựa vào bảng kết quả dự báo mà hệ thống đƣa ra,

chúng ta dễ dàng nhận thấy sai số chuẩn y =

7.64 và sai số dự báo pS.

Nhƣ vậy khoảng dự báo sản lƣợng chè năm 2013

sẽ là : 205.58 3.25*9.1

Hình 4. Bảng kết quả dự báo sản lượng chè

Bảng kết quả dự báo mà hệ thống đƣa ra sẽ cho

thấy điểm cận trên và điểm cận dƣới của dự báo

hay chính là khoảng dự báo sản lƣợng chè năm

2013 của tỉnh Thái Nguyên là từ 176.02 đến

235.14 (nghìn tấn).

Hình 5. Biểu đồ kết quả phân tích dự báo

Bước 6. Kiểm định kết quả dự báo

Để đánh giá kết quả dự báo có chính xác hay

không, chúng ta tiến hành phân tích và dự báo

sản lƣợng chè cho năm 2012 của tỉnh Thái

Nguyên với bộ dữ liệu nhƣ trên nhƣng đƣợc

thu thập từ năm 2004 đến năm 2011.

Tƣơng tự với điều kiện chọn đầu vào là xác

suất độ tin cậy 95%, số bậc tự do là 6 và dự

báo cho năm 2012. Hệ thống sẽ tiến hành

phân tích, xử lý và cho bảng kết quả dự báo

sản lƣợng chè năm 2012.

Hình 6. Bảng kết quả dự báo sản lượng chè tỉnh

Thái Nguyên năm 2012


69

Chúng ta nhận thấy số liệu dự báo sản lƣợng

chè năm 2012 và số liệu thực tế sản lƣợng chè

năm 2012 có sự chênh lệch là do có sai số

trong dự đoán.

Nhƣ vậy, dự báo sản lƣợng chè năm 2012 sẽ

là : 198.76 3.707*8.49

Bảng kết quả dự báo mà hệ thống đƣa ra sẽ

cho thấy điểm cận trên và điểm cận dƣới của

dự báo hay chính là khoảng dự báo sản lƣợng

chè năm 2012 của Tỉnh Thái Nguyên là từ

167.29 đến 230.22 (nghìn tấn). Nhƣ vậy

khoảng dự báo sản lƣợng chè mà mô hình dự

báo đƣa ra là sát so với sản lƣợng chè thực tế

Tỉnh Thái Nguyên năm 2012.

Bên cạnh đó, ta có bảng thông số của mô hình

hồi quy:

Hình 7. Bảng thông số của mô hình hồi quy

Multiple R: Hệ số tƣơng quan bội

(0≤R≤1) = 0.977 Cho thấy mức độ chặt chẽ

của mối liên hệ tƣơng quan giữa biến thời

gian và sản lƣợng chè qua các năm.

R Square: Hệ số xác định = 0.955 Trong

100% sự biến động của sản lƣợng chè thì có

95.5 % sự biến động là do các biến thời gian

ảnh hƣởng, còn lại 4.5 % là do sai số ngẫu

nhiên.

Từ bảng thông số của mô hình hồi quy, hệ số

xác định R2 = 0.955 cho thấy sự phù hợp của

mô hình đƣợc lựa chọn.

KẾT LUẬN

Phân tích và dự báo sản lƣợng chè là một bài

toán có vai trò quan trọng nhằm đƣa ra đƣợc

những biện pháp phát triển đem lại hiệu quả

kinh tế cao.

Bài báo này đã đƣa ra giải pháp ứng dụng một

phƣơng pháp phân tích và dự báo “hồi quy

tuyến tính” vào dự báo sản lƣợng chè tỉnh

Thái Nguyên trên cơ sở thu thập, phân tích và

kiểm định dữ liệu. Từ đó đƣa ra những giải

pháp cũng nhƣ những quyết định tối ƣu nhằm

thúc đẩy phát triển kinh tế, xã hội khu vực

Trung du và miền núi phía Bắc nói chung và

tỉnh Thái Nguyên nói riêng.

SUMMARY

A SOLUTION TO FORECAST AND ANALYSE TEA-PRODUCTION

IN THAI NGUYEN PROVINCE

Phạm Viet Binh*, Nguyen Van Huan, Vu Xuan Nam, Le Anh Tu


In fact, economic analysing and forecasting have an important role help managers actively in

proposing plans and necessary decisions to serve production and business processes, investment,

advertising, scale of production, product distribution, financial supply sources, etc. One of the

industrial trees in the midland area and northern mountainous in general and Thai Nguyen

Province in particular is the tea tree which is an important industrial product of economic

development and social sector. With the requirements of economic development, especially in the

process of international economic integration today, to surviving and growing strength, the tea

field must to has an appropriate solution to the develop production and quality of tea. One of the

imperative tasks of the solutions is the analysis and evaluation for tea production in the next years

in Thai Nguyen province.

This article proposes a solution to apply an analysing and forecasting method “linear regression”

in tea production forecasting in Thai Nguyen province based on collecting, analyzing and testing

data, Thence, to propose solutions as well as the optimal decisions to promote development of

economic and social.

Keywords: Linear regessio, analysis and forecasting, tea production Thai Nguyen.



70


[1]. Theodore Jay Gordon, (1994), Integration of

Forecasting Methods and the Frontiers of Futures

Research, AC/UNU Millennium Project.

[2]. Daekook Kang, Wooseok Jang, Hyeonheong

Lee, Hyun Joung No, (2013), A Review on

Technology Forecasting Methods and Their

Application Area, World Academy of Science,

Engineering and Technology.

[3]. Nguyễn Văn Huân, Phạm Việt Bình, (2011),

Phân tích dữ liệu và dự báo kinh tế, Nxb Khoa

học và kỹ thuật.

[4]. Lê Văn Dụy, (2010), Nghiên cứu ứng dụng

một số phương pháp và mô hình dự báo ngắn hạn

để dự báo các chỉ tiêu thống kê xã hội chủ yếu, Đề

tài NCKH Cấp Bộ 2009 – 2010.

[5]. Nguyễn Ngọc Tuyến, (2008), Xây dựng mô

hình phân tích và dự báo các chỉ tiêu kinh tế tài

chính phục vụ công tác phân tích, hoạch định và

điều hành chính sách tài chính, Đề tài NCKH Cấp

Bộ 6/2007 - 5/2008.

[6]. Trần Thị Trâm Anh, (2007), Ứng dựng mô

hình phân tích, dự báo giá một số mặt hàng tư liệu

sản xuất quan trọng ở Việt Nam gian đoạn 2006-

2010, Đề tài NCKH Cấp Bộ 01/05/06 - 01/05/07.

[7]. Bùi Duy Phú, (2010), Xây dựng hàm cầu tiền

của Việt Nam, phân tích & dự báo qua một số mô

hình thực nghiệm, Đề tài NCKH Cấp Ngành,

KNH 2010 – 06.

[8]. Phùng Duy Quang, (2007), Mô hình chuỗi

thời gian dùng để dự báo biến động giá chứng

khoán và áp dụng vào thị trường chứng khoán

Việt Nam, Đề tài Cấp trƣờng Đại học Ngoại

thƣơng, Mã số NT 2007-02.

[9]. Trần Văn Tá, (2003), Phân tích và dự báo

tình hình kinh tế tài chính khu vực và thế giới tác

động đến Việt Nam, Đề tài NCKH Cấp Bộ 2/2002

- 2/2003.

[10]. Phạm Thị Thắng, Phạm Thị Kim Vân,

(2007), Sử dụng các mô hình kinh tế lượng trong

phân tích và dự báo tác động của vốn đầu tư trực

tiếp nước ngoài đối với phát triển kinh tế-xã hội

Việt Nam, Đề tài NCKH Cấp Bộ 01/05/06 -

01/05/07.

[11]. Vũ Xuân Nam, Phạm Việt Bình, Nguyễn

Văn Huân, (2012), Phương pháp hồi quy bội trong

dự báo và ứng dụng vào dự báo doanh thu dịch vụ

viễn thông tại Viễn thông Thái Nguyên, P 87-92,số

102, tập 2 Tạp chí Khoa học và Công nghệ - Đại

học Thái Nguyên.

[12]. Cục Thống kê tỉnh Thái Nguyên, (2012),

Niên giám thống kê Tỉnh Thái Nguyên năm 2011,

Nxb Thống Kê.

[13]. Tổng cục Thống kê Việt Nam, (2012), Niên

giám thống kê Việt Nam năm 2012, Nxb Thống Kê.

[14]. Cục Thống kê tỉnh Thái Nguyên, (2012),

Báo cáo tình hình sản xuất, chế biến, tiêu thụ chè

Tỉnh Thái Nguyên giai đoạn 2000 - 2012, Nxb

Thống Kê.


Phản biện khoa học: TS. Trần Công Nghiệp – Trường Đại học Kinh tế & QTKD – ĐHTN

Trần Viết Khanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 71 - 78

71

ỨNG DỤNG HỆ THÔNG TIN ĐỊA LÝ

XÂY DỰNG BẢN ĐỒ PHÂN BỐ KHÔNG GIAN ONLINE

Trần Viết Khanh1,*

, Lê Minh Hải2, Nguyễn Lê Duy

3

1Đại học Thái Nguyên; 2NCS Viện Địa lí – Viện Hàn lâm KH&CN Việt Nam 3Trường Đại học Nông Lâm – ĐH Thái Nguyên

TÓM TẮT Quản lý và phân tích không gian là công việc cần thiết để phát triển kinh tế - xã hội trong thế giới

hiện đại. Thông thƣờng việc nghiên cứu phân tích không gian đƣợc thực hiện trên cơ sở xây dựng

và phân tích bản đồ truyền thống. Với sự phát triển công nghệ số, các bản đồ truyền thống dần dần

đƣợc thay thế bằng bản đồ máy tính. Bản đồ trực tuyến là dạng bản đồ máy tính kỹ thuật số đƣợc

xây dựng dựa trên nền web, có khả năng cập nhật cơ sở dữ liệu và khai thác cho nhiều mục đích

khác nhau. Đây là công cụ rất có hiệu quả trong việc phân tích không gian nhờ sự trợ giúp của

công nghệ tiên tiến, đặc biệt là điện toán đám mây. Đối với các cơ quan, trƣờng học phân bố trên

diện tích rộng, việc xây dựng bản đồ trực tuyến sẽ tạo ra khả năng quản lý, phát triển và quy hoạch

không gian cảnh quan một cách linh hoạt, đồng thời nó cũng tạo nên thế mạnh trong việc hoạch

định kế hoạch chiến lƣợc phát triển đơn vị. Trong quá trình xây dựng bản đồ trực tuyến quản lý

không gian Đại học Thái Nguyên chúng tôi đã lựa chọn xây dựng bản đồ trực tuyến cho một số

đơn vị thành viên. Trong khuân khổ bài bào chúng tôi giới thiệu công nghệ, quy trình biên tập,

thành lập bản đồ trực tuyến cho Trƣờng Đại học Sƣ phạm thuộc Đại học Thái Nguyên.

Từ khoá: Bản đồ; trực tuyến; hệ thống thông tin địa lí; GIS; Google Maps.

ĐẶT VẤN ĐỀ*

Bản đồ trực tuyến với sự trợ giúp của

Googgle Maps hiện đang phát triển nhanh

chóng và đƣợc ứng dụng trên nhiều lĩnh vực,

trong đó có giáo dục. Google Maps cung cấp

dịch vụ biên tập ứng dụng bản đồ trực tuyến

miễn phí. Các sản phẩm ứng dụng bản đồ trực

tuyến của Google Maps đƣợc giới thiệu tại

địa chỉ: https://developers.google.com, trong

số đó các ứng dụng bản đồ không gian cho

các cơ quan, trƣờng học chiếm đa số.

Xây dựng bản đồ trực tuyến không gian cho

một cơ quan, một trƣờng học cần đảm bảo

một số yêu cầu khi thể hiện về các phân khu

chức năng nhƣ: tọa độ địa lý, thông tin các

phân khu (nhà hiệu bộ, phòng học, giảng

đƣờng, phòng thí nghiệm, công viên, sân vận

động, cây xanh, dịch vụ... cùng với các dữ

liệu về hình dạng, kích thƣớc, diện tích, sức

chứa, mật độ,… Các thông tin này sẽ đƣợc

tìm thấy khi ngƣời dùng truy cập vào bản đồ

trực tuyến. Mô hình này có thể phát triển để

áp dụng cho các cơ quan, đơn vị trong quá

trình quản lý và quy hoạch không gian.

* Tel: 0912187118

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Lựa chọn công nghệ và phần mềm ứng dụng

Một số dịch vụ công nghệ, tên phần mềm đƣợc sử dụng khi tiến hành nhiệm vụ biên tập, xây dựng bản đồ trực tuyến trên Google Maps đƣợc thể hiện trên bảng 1.

XÂY DỰNG BẢN ĐỒ PHÂN BỐ KHÔNG GIAN ONLINE (LẤY VÍ DỤ CHO MỘT ĐỐI TƢỢNG CỤ THỂ LÀ TRƢỜNG ĐẠI HỌC SƢ PHẠM THUỘC ĐẠI HỌC THÁI NGUYÊN)

Vị trí địa lí khu vực nghiên cứu

- Trƣờng Đại học Sƣ phạm (ĐHSP) thuộc Đại học Thái Nguyên (ĐHTN) nằm trên địa phận phƣờng Quang Trung - Thành phố Thái Nguyên. Giới hạn khung kinh, vĩ độ địa lí đƣợc thể hiện trên bảng 2.

- Trong quy hoạch phát triển các phân khu thuộc ĐHTN, Trƣờng ĐHSP thuộc phân khu I, gần trung tâm Thành phố Thái Nguyên. Trƣờng tiếp giáp các trục đƣờng chính: phía bắc giáp đƣờng đê Mỏ Bạch, phía Nam giáp đƣờng Lê Quý Đôn, phía Tây giáp đƣờng Lƣơng Thế Vinh, phía đông giáp đƣờng Lƣơng Ngọc Quyến. Cổng chính của trƣờng mở về phía Đông trên trục đƣờng Lƣơng Ngọc Quyến và một cổng phụ phía nam trên trục đƣờng Lê Quý Đôn.


72

Bảng 1. Một số dịch vụ công nghệ, tên phần mềm được sử dụng

TT Tên dịch vụ công nghệ,

tên phần mềm Nhiệm vụ thực hiện

1 Auto CAD Vẽ các bản đồ hiện trạng

2 Adobe Photoshop Nắn chỉnh ảnh

3 Map Info Số hoá bản đồ, biên tập CSDL , biên tập bản đồ

4 Google Earth Số hoá bản đồ, xuất các file KML

5 Google Fusion Table Biên tập CSDL, các lớp bản đồ trực tuyến

6 Google Maps Cung cấp bản đồ nền cơ sở, hiển thị bản đồ online

7 Google Maps API v3 Viết code HTML xuất bản đồ lên web

8 Định vị vệ tinh GPS Kiểm tra trên thực địa và trên bản đồ trực tuyến

9 Microsoft Office Biên tập CSDL

10 Microsoft FontPage Biên tập website

Bảng 2. Giới hạn lãnh thổ địa lý trường Đại học Sư phạm – ĐH Thái Nguyên

Giới hạn lãnh thổ Kinh, vĩ độ

Cực Bắc 21,60050489738208

Cực Nam 21,59712320246317

Cực Đông 105,82417488098145

Cực Tây 105,81842422485352

Phân khu chức năng

Trƣờng ĐHSP - ĐHTN đƣợc thành lập và

quy hoạch từ năm 1966, trong lịch sử xây

dựng và phát triển, không gian các phân khu

chức năng và hạ tầng có sự điều chỉnh và

từng bƣớc hoàn thiện. Hiện nay, trƣờng bao

gồm các khu chức năng nhƣ: Khu hiệu bộ,

khu văn phòng các khoa, khu giảng đƣờng,

hội trƣờng, khu ký túc xá, khu thể dục thể

thao, bể bơi, thƣ viện, khu dịch vụ sinh viên,

trạm y tế.v.v...

Trƣờng có cơ sở vật chất hiện đại, đầy đủ,

đáp ứng việc đào tạo, nghiên cứu khoa học.

Các khu chức năng đƣợc đo vẽ thực địa, xử lý

trên phần mềm Auto CAD và có sơ đồ nhƣ

hình 1.

Hình 1. Sơ đồ hiện trạng các khu chức năng của trường ĐHSP


73

Cụ thể, các khu chức năng của Trƣờng bao

gồm:

- Các khu nhà làm việc (khu Hiệu bộ, khu văn

phòng các khoa), gồm các tòa nhà có ký hiệu:

A1, A2, A3, A4.

- 06 giảng đƣờng với diện tích 17.417m2 gồm

161 phòng học, 7064 chỗ ngồi, gồm các khu:

B1, B2, B3, B4, B5, B6.

- 02 hội trƣờng lớn với tổng số 1.350 chỗ

ngồi, gồm hội trƣờng C1, C2.

- 01 nhà thí nghiệm với 22 phòng thí nghiệm.

- 01 trƣờng THPT thực hành với 33 phòng học, quy mô 18 lớp học.

- 01 thƣ viện, 01 sân vận động, 01 nhà thi đấu thể thao, 01 bể bơi và các sân thi đấu thể thao khác (tenis, bóng rổ, bóng chuyền...)…

Biên tập đối tƣợng không gian

Các đối tƣợng không gian đƣợc thể hiện trên

bản đồ dƣới dạng các điểm (points), các

đƣờng (polylines) và các vùng (polygons).

Quá trình xây dựng có thể sử dụng bản đồ nền

có sẵn, ảnh vệ tinh (ảnh JPG) để nắn chỉnh, số

hoá, biên tập online trên Google Maps Maker

hoặc Google Earth. Trong thực tế tại Trƣờng

ĐHSP – ĐHTN chúng tôi lựa chọn phƣơng

pháp số hoá từ bản vẽ Auto Cad (bản vẽ ở

hình 1).

Các bƣớc biên tập:

- Định vị khung toạ độ kinh - vĩ của bản đồ

ảnh JPG bằng cách tạo lớp chờm phủ bản đồ

ảnh trên Google Earth. Lƣu tọa độ kinh - vĩ

độ của bản đồ ảnh, nhƣ hình 2.

- Số hoá bản đồ ảnh JPG trên phần mềm

MapInfo, sử dụng tọa độ kinh - vĩ của Google

Earth làm cơ sở nhƣ hình 3.

- Biên tập lớp bản đồ mới trên cơ sở vẽ lại các

đối tƣợng trên lớp bản đồ ảnh JPG, nhƣ hình 4.

Hình 2. Tạo lớp chờm phủ (Image Overlay) bản đồ ảnh JPG trên Google Earth


74

Hình 3. Số hoá bản đồ ảnh trên MapInfo

Hình 4. Biên vẽ bản đồ trên MapInfo


75

- Xuất các đối tƣợng trong lớp bản đồ (TAB

file) trên MapInfo sang định dạng bản đồ trực

tuyến Google Maps (KML file). Các file

KML là nguồn cơ sở dữ liệu không gian để

đƣa lên bản đồ trực tuyến Google Maps.

- Đăng nhập tài khoản Google Account tại địa

chỉ http://tables.googlelabs.com/. Tạo bảng

cơ sở dữ liệu bản đồ trực tuyến trên Google

Fusion Table. Bảng này có cấu trúc gồm các

Column: ID, Name, Location, Phanloai nhƣ

hình 5. Các file KML đƣợc cập nhật vào cột

Location làm cơ sở tham chiếu địa điểm khi

hiển thị trên Google Maps.

Cột Phan loai có các giá trị dùng để phân loại

các đối tƣợng địa lí, giá trị đƣợc thể hiện trên

bảng 3.

Hình 5. Cấu trúc bảng CSDL trong Fusion Table.

Bảng 3. Bảng phan loai có các giá trị dùng để phân loại các đối tượng địa lí

Đối tƣợng Giá trị trong Colunm Phan loai

Hội trƣờng

Giảng đƣờng

Thƣ viện

Sân vận động

Khuôn viên xanh

Văn phòng

Ký túc xá

Bể bơi, hồ nƣớc

Câu lạc bộ

Nhà gửi xe

Nhà ăn sinh viên

Hall

Amphitheater

Library

Stadium

Green campus

Office

Dormitory

Water

Club

Parking

Canteen


76

Biên tập thuộc tính cho các đối tƣợng

Do cơ sở dữ liệu dạng bảng, nên có thể liên

kết cập nhật thông tin cho bản đồ bằng cách:

- Tạo bảng thông tin cập nhật trên Excel,

trong đó có cột ID hoặc Tên đối tƣợng địa lí

là cơ sở tham chiếu dữ liệu.

- Đăng nhập tài khoản Google Fusion Table

- Upload file Excel lên Fusion Table.

- Chọn menu File\Merge

- Chọn file đích liên kết đến để liên kết

CSDL.

Ngoài cách liên kết dữ liệu, có thể nhập trực

tiếp trên Fusion Table.

Tạo bản đồ chuyên đề

Trên cơ sở dữ liệu địa lí đƣợc cập nhật, mỗi đối

tƣợng địa lí có thông tin thuộc tính khác nhau,

thông tin hiển thị trên bản đồ (info window)

cũng khác nhau. Vì vậy, khi đƣa lên Google

Maps, mỗi đối tƣợng đƣợc phân loại sẽ nằm

trong các lớp bản đồ (maplayer) riêng biệt.

Để tách riêng các lớp bản đồ, trên Fusion

Table, cần lọc dữ liệu địa lí theo cột Phan

loai và tạo các bản đồ chuyên đề theo phân

loại. Mỗi bản đồ chuyên đề có id riêng khi

đƣợc chia sẻ.

Các cửa sổ bản đồ chuyên đề gồm: Bản đồ

hiện trang chung, bản đồ các khu văn phòng,

bản đồ giảng đƣờng, bản đồ ký túc xá, bản đồ

khuôn viên xanh, bản đồ các khu thể thao...

Các bản đồ nhƣ trong hình 6.

+ Để hiệu chỉnh hiển thị chú giải: Từ menu

bản đồ, chọn Change map styles.

+ Để hiệu chỉnh thông tin thuộc tính trên cửa

sổ thông tin info window: Từ menu bản đồ,

chọn Change info window layout.

Hình 6. Các bản đồ chuyên đề trong Fusion Table


77

XUẤT BẢN VÀ CHẠY THỬ BẢN ĐỒ ONLINE TRÊN NỀN WEB

- Mã HTML cho trang website viết trên Microsoft FontPage nhƣ sau:

<!DOCTYPE html>

<html>

<head>

<title>Su_pham map - Google Fusion Tables</title>

<style type="text/css">

html, body, #googft-mapCanvas {

height: 300px;

margin: 0;

padding: 0;

width: 500px;

}

</style>

<script type="text/javascript"

src="http://maps.google.com/maps/api/js?sensor=false"></script>

<script type="text/javascript">

function initialize() {

var map = new

google.maps.Map(document.getElementById('googft-mapCanvas'), {center: new

google.maps.LatLng(21.59929554147949, 105.82274101125336),

zoom: 18,

mapTypeId: google.maps.MapTypeId.ROADMAP

}); map.controls[google.maps.ControlPosition. RIGHT_BOTTOM].push(document.getElementById('googft-legend'));

layerGiangduong = new google.maps.FusionTablesLayer({

map: map,

heatmap: { enabled: false },

query: {

select: "col2",

from: "1ymA7AMCh6STjkfVZinn9Kw1zzrJiG481S0xLHJ8",

where: "col4 \x3d \x27Amphitheater\x27"

},

options: {

styleId: 4,

templateId: 5

}

});

//Chèn cấu trúc mã tương tự cho các lớp

bản đồ khác.

}

google.maps.event.addDomListener(window, 'load', initialize);

</script>

</head>

<body>

<div id="googft-mapCanvas"></div>

</body>

</html>

- Lƣu website để đƣa lên sever, chạy thử kết

qủa nhƣ hình 7.

KẾT LUẬN

Để xây dựng bản đồ trực tuyến Trƣờng ĐHSP

- ĐHTN, nhóm tác giả đã sử dụng nhiều công

nghệ, phần mềm để biên tập các bản đồ

chuyên đề cho mục đích quản trị không gian.

Kết quả nghiên cứu đang đƣợc nhóm tác giả

tiếp tục bổ sung thông tin, xây dựng giao diện

web và áp dụng cho một số đơn vị tƣơng tự

thuộc ĐHTN. Trong quá trình xây dựng, các

thuộc tính không gian của từng đơn vị cần

đƣợc xác định chính xác, đồng thời cần đƣợc

kiểm tra thông qua thực địa. Việc khai thác

thông tin bản đồ đƣợc triết xuất từ cửa sổ

thông tin nhờ thuộc tính thống kê bản đồ,

giúp cho việc phân tích không gian và các số

liệu liên quan đƣợc nhanh chóng và toàn diện.

Trên cơ sở kết quả nghiên cứu này, chúng tôi

đề xuất có thể sử dụng các kết quả đạt đƣợc

trong công tác đào tạo cho các chuyên ngành

nhƣ địa lí, công nghệ thông tin, truyền thông,

quản lý đất đai, quy hoạch phát triển...vv

nhằm mở rộng ứng dụng GIS cho nhiều lĩnh

vực khác nhau.


78

Hình 7. Chạy website bản đồ trực tuyến trên trình duyệt


[1]. Bộ Tài Nguyên và Môi trƣờng (1998), Cơ sở

dữ liệu Hệ thống thông tin địa lí GIS Việt Nam.

[2]. Trần Viết Khanh (2008), Ứng dụng tin học

trong nghiên cứu và dạy học địa lí, Nxb Giáo dục,

Hà Nội.

[3]. Trần Viết Khanh, Lê Minh Hải, Sử dụng hệ

thông tin địa lý GIS trong xây dựng và quản lý dữ

liệu mạng lưới các trường THPT trên địa bàn

TPTN, Tạp chí KH&CN Đại học Thái Nguyên,

2011

[4]. Trần Viết Khanh, Lê Minh Hải, (2011). Ứng

dụng hệ thống thông tin địa lý (GIS) xây dựng bản

đồ trực tuyến phục vụ kỳ thi tuyển sinh đại học,

cao đẳng năm 2012 tại Đại học Thái Nguyên, Tạp

chí KH&CN Đại học Thái Nguyên, số 07, Tập 95.

[5]. Trần Viết Khanh, Lê Minh Hải, Ứng dụng hệ

thông tin địa lý (GIS) phục vụ quản lý không gian

tại ĐHTN, Tạp chí KH&CN Đại học Thái

Nguyên, số 04, Tập 104, 2013.

[6]. Trần Viết Khanh, Lê Minh Hải, Xây dựng cơ

sở dữ liệu thông tin địa lý và biên tập bản đồ trực

tuyến bằng điện toán đám mây, Tạp chí KH&CN

Đại học Thái Nguyên, số 06 tập 106, 2013.

[7]. Websites:

- http://maps.google.com.vn/

- http://www.google.com/mapmaker/

- https://developers.google.com/

- http://www.youtube.com/googlemapmaker/

SUMMARY

APPLICATION OF GEOGRAPHICAL INFORMATION SYSTEM

IN MAPPING ONLINE SPATIAL DISTRIBUTION

Tran Viet Khanh1,*

, Le Minh Hai2, Nguyen Le Duy

3

1Thai Nguyen University; 2 Vietnam Academy of Science and Technology 3College of Agriculture and Forestry– TNU

Management and analysis map online is necessary to Socio - Economic development in modern

world. Spatial analysis is often done on the traditional maps. With the development of digital

technology, the traditional map gradually being replaced by digital map. Online maps are kinds of

digital maps which are built on the base of Web. It has abilities to update databases and to exploitate

for many different purposes. This is a very effective tool in the analysis of space with the help of

advanced technology, especially cloud computing. For some organisations and schools which

distributed in a large area, online map will create the abilities to manage, develop and spatial

planning in a flexible manner, it also created strengths in strategic planning development. During

mapping for space management of Thai Nguyen University, we build online maps for some unit

members. In this paper we introduce the way how to buid the online map for College of Education.

Keywords: Online, maps, geographic information systems, GIS, Google Maps.


Phản biện khoa học: TS. Hà Xuân Linh – Đại học Thái Nguyên

* Tel: 0912187118

Hà Anh Tuấn và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 79 - 87

79

NGHIÊN CỨU XÂY DỰNG CƠ SỞ DỮ LIỆU PHÂN TẦNG ĐỊA HÌNH

HUYỆN ĐỊNH HÓA - TỈNH THÁI NGUYÊN TỪ HỆ THỐNG DỮ LIỆU

ĐỘ CAO TOÀN THẾ GIỚI ASTERGDEM

Hà Anh Tuấn

*, Trƣơng Thành Nam,

Hoàng Văn Hùng, VƣơngVân Huyền, Ma Thị Trang

Trường Đại học Nông Lâm – ĐH Thái Nguyên

TÓM TẮT Đề tài đã sử dụng nguồn dữ liệu độ cao trực tuyến đƣợc cung cấp bởi ASTER GDEM nghiên cứu

xây dựng cơ sở dữ liệu phân tầng địa hình, kết quả nghiên cứu đã xây dựng đƣợc hệ thống bản đồ

và dữ liệu phân tầng nền địa hình gồm bản đồ phân tầng địa hình, mô hình số độ cao (DEM) khu

vực huyện Định Hóa tỉnh Thái Nguyên. Cấu trúc phân tầng địa hình khu vực nghiên cứu đƣợc xác

định trong khoảng cao đều giữa các tầng địa hình là 100m với 9 cấp địa hình từ 1 cho đến 9. Số

khoanh phân tích xác định đƣợc là 626 khoanh với tổng diện tích 52970,23ha, đã xác định đƣợc số

khoanh đất lớn nhất là 175 khoanh có độ cao trung bình là 100m, số khoanh nhỏ nhất là 3 có

khoảng độ cao trung bình từ 800 - 900m. Kết quả nghiên cứu của đề tài là một trong những chỉ

tiêu đơn tính cho việc phân hạng thích nghi đất đai, lập quy hoạch phát triển sản xuất nông nghiệp,

bố trí giống cây trồng có tính thích nghi với độ cao tuyệt đối trên toàn địa bàn huyện Định Hóa

tỉnh Thái Nguyên và nghiên cứu này có thể áp dụng tốt cho các khu vực khác.

Từ khóa: ASTER GDEM, Cơ sở dữ liệu nền địa hình, Định Hóa, DEM, phân tầng địa hình.

ĐẶT VẤN ĐỀ*

Mô hình số độ cao Digital Elevation Model

(DEM) là sự biểu thị bằng số sự thay đổi liên

tục của độ cao trong không gian, nó có thể là

độ cao tuyệt đối của các điểm trên bề mặt trái

đất, độ cao của các tầng đất hoặc của mực

nƣớc ngầm [2].

DEM có nhiều ứng dựng trong thực tiễn nhƣ

xây dựng dữ liệu bản đồ số địa hình trong các

cơ sở dữ liệu quốc gia, tính toán và thành lập

bản đồ độ dốc, bản đồ hƣớng dốc, bản đồ

hình dạng mái dốc để từ đó thành lập ảnh địa

hình trực quan có hình bóng. Ứng dụng trong

nghiên cứu tầng địa chất hay dự báo khả năng

xói mòn đất và dòng chảy mặt v.v...[6]

ASTER GDEM đƣợc phát triển lần thứ 2 vào

năm 2011, sử dụng một thuật toán tiên tiến để

cải thiện mô hình toàn cầu số độ cao, tăng độ

phân giải và độ chính xác theo chiều ngang và

chiều dọc của thiết bị quan sát. Độ chính xác

của phiên bản mới nhất này đƣợc xác nhận

bởi sự nỗ lực hợp tác giữa Bộ Kinh tế,

Thƣơng mại - Công nghiệp Nhật Bản và Cơ


quan Hàng không - Vũ trụ Hoa Kỳ (NASA),

trong đó cho thấy những cải tiến đáng kể so

với trƣớc đây. ASTER GDEM phiên bản 2

chính thức đƣợc phát hành vào 10/2011 cung

cấp dữ liệu có sẵn miễn phí cho ngƣời dùng

trên toàn thế giới.

Định Hoá là một huyện miền núi nằm ở phía

Tây - Tây Bắc của tỉnh Thái Nguyên, với tổng

diện tích đất tự nhiên 52970.23, địa hình phức

tạp, độ dốc cao, hiệu quả sử dụng đất chính vì

vậy còn nhiều hạn chế [1]. Với trên 80% dân

số của huyện làm nông nghiệp, các hoạt động

sản xuất nông nghiệp đang có ảnh hƣởng trực

tiếp đến đời sống của ngƣời dân trong toàn

huyện [1].

Việc nghiên cứu xây dựng bản đồ và cơ sở dữ

liệu địa hình, thổ nhƣỡng và các yếu tố có liên

quan đến đất đai cả nƣớc nói chung và huyện

Định Hóa nói riêng đóng vai trò hết sức quan

trọng trong quy hoạch sử dụng đất, quy hoạch

nông nghiệp để sử dụng đất hiệu quả và lâu bền.

Nghiên cứu tiến hành xác định quy trình thực

hiện khai thác số liệu từ hệ thống ASTER

GDEM, khai thác mô hình số độ cao từ hệ

thống dữ liệu độ cao toàn thế giới ASTER


80

GDEM và xây dựng cơ sở dữ liệu phân tầng địa

hình huyện Định Hóa tỉnh Thái Nguyên và đánh

giá khả năng phân tích, khai thác cơ sở dữ liệu

địa hình, huyện Định Hóa tỉnh Thái Nguyên.

VẬT LIỆU, NỘI DUNG VÀ PHƢƠNG

PHÁP NGHIÊN CỨU

Vật liệu nghiên cứu

- Bản đồ địa hình huyện Định Hóa, Bản đồ

Hiện trạng sử dụng đất huyện Định Hóa năm

2012, Bản đồ Địa giới hành chính huyện Định

Hóa.

- Các phần mềm sử dụng nghiên cứu: Phần

mềm Mapinfo Professtional V.11

- Máy GPS cầm tay

Nội dung nghiên cứu

- Điều kiện tự nhiên – kinh tế xã hội huyện

Định Hóa

- Xác định quy trình thực hiện khai thác số

liệu từ hệ thống ASTER GDEM

- Khai thác mô hình số độ cao từ hệ thống dữ

liệu độ cao toàn thế giới ASTER GDEM và

xây dựng cơ sở dữ liệu phân tầng địa hình

huyện Định Hóa tỉnh Thái Nguyên

- Đánh giá khả năng, phân tích, khai thác cơ

sở dữ liệu địa hình, huyện Định Hóa tỉnh Thái

Nguyên.

Phƣơng pháp nghiên cứu

* Phƣơng pháp thu thập số liệu

- Thu thập cơ sở dữ liệu không gian:

+ Bản đồ hiện trạng sử dụng đất, địa chính,

địa hình, giao thông, bản đồ địa giới hành

chính 364/CT v.v…

+ Khai thác dữ liệu từ hệ thống dữ liệu độ cao

toàn thế giới ASTER GDEM

- Phân tích cơ sở dữ liệu không gian: Sử dụng

phần mềm Vetical Mapper và phần mềm

Mapinfo Professional V.11

-Thu thập cơ sở dữ liệu thuộc tính:

+ Điều kiện tự nhiên, tài nguyên thiên nhiên

+ Điều kiện kinh tế - xã hội

+ Hệ thống cơ sở hạ tầng kỹ thuật và xã hội

+ Tình hình quản lý tại khu vực nghiên cứu

- Số liệu khác có liên quan:

+ Thu thập các quyết định, quy định, tài liệu

hƣớng dẫn thực hiện, các công trình nghiên

cứu có liên quan.

+ Điều tra, khảo sát, đối chiếu thực địa nhằm

xác minh độ chính xác của các tài liệu, số liệu

đã thu thập đƣợc, kiểm tra kết quả xây dựng

và chính xác hóa các thông tin về nội dung đã

thu thập và xây dựng đƣợc.

* Phƣơng pháp xây dựng cơ sở dữ liệu bản

đồ: Biên tập các bản đồ chuyên đề bằng phần

mềm Mapinfo

* Phƣơng pháp thống kê, xử lý số liệu: Sử

dụng phần mềm Mapinfo, modul Vertical

Mapper phân tích, chồng ghép, chia tách

thông tin và phân tích mối quan hệ không

gian của các đối tƣợng.

* Phƣơng pháp chuyên gia: Tham khảo ý kiến

các chuyên gia trong các lĩnh vực GIS, xây

dựng bản đồ, quản lý tài nguyên đất v.v…

* Phƣơng pháp sử dụng GPS: Đối chiếu vị trí,

so sánh dữ liệu ngoài thực địa bằng máy GPS

cầm tay

KẾT QUẢ NGHIÊN CỨU

Xác định các bƣớc thực hiện khai thác số

liệu từ hệ thống ASTER GDEM.

Bƣớc 1. Thu thập các tài liệu xác định về địa

giới hành chính của huyện, xác định cơ sở

toán học bản đồ, hệ tọa độ và kinh tuyến trục

của khu vực nghiên cứu, thu thập các nguồn

tài liệu bản đồ dạng số (Digital) hiện có, tiến

hành khai thác mô hình dữ liệu độ cao (DEM)

từ nguồn dữ liệu trực tuyến do ASTER

GDEM bằng phần mềm Global Mapper.

Bƣớc 2. Chuyển đổi nguồn dữ liệu độ cao,

xây dựng danh mục, chuẩn hóa dữ liệu trên

phần mềm Mapinfo Professional và phần

mềm Vetical Mapper

Bƣớc 3. Biên tập, chuẩn hóa dữ liệu, hoàn

thiện

Bƣớc 4. Kiểm tra, thống kê dữ liệu và đối soát


81

Xây dựng cơ sở dữ liệu nền địa hình huyện

Định Hóa

* Khai thác mô hình số độ cao (DEM) từ

nguồn dữ liệu trực tuyến do ASTER GDEM.

Sử dụng phần mềm Global Mapper, kinh

tuyến trục bản đồ đƣợc xác định theo quyết

định số 83/2000/QĐ-TTg ngày 12/7/2000 của

Thủ tƣớng Chính phủ về sử dụng Hệ quy

chiếu và Hệ tọa độ quốc gia Việt Nam. Hệ tọa

độ vùng vùng nghiên cứu đƣợc xác định là

VN2000 với kinh tuyến trục bản đồ 106030’.

Sử dụng công cụ Download Online Data với

nguồn dữ liệu trực tuyến do ASTER GDEM

cung cấp, sau khi xác định khu vực nghiên

cứu chúng tôi thu đƣợc kết quả đƣợc thể hiện

tại hình 1.

Hình 1. Mô hình số độ cao (DEM) khu vực nghiên cứu được khai thác từ nguồn dữ liệu trực tuyến do

ASTER GDEM cung cấp

* Xây dựng cơ sở dữ liệu độ cao, xây dựng

danh mục, chuẩn hóa dữ liệu

Sử dụng phần mềm MapInfo và modul

Vertical Mapper để biên tập và phân tích dữ

liệu mô hình số độ cao. Từ nguồn dữ liệu mô

hình số độ cao (DEM) khu vực huyện Định

Hóa đã đƣợc khai, chúng tôi sử dụng công cụ

Analysis và Create Contour để tạo cơ sở dữ

liệu phân tầng độ cao địa hình và đƣờng bình

độ (hình 2).

Độ cao tƣơng đối nền địa hình đƣợc chia

trong khoảng 100m, cơ sở dữ liệu phân tầng

địa hình đƣợc sau khi phân tích thu đƣợc 626

khoanh đất bao gồm

- Độ cao 0- 100m: 175 khoanh









* Biên tập, hoàn thiện dữ liệu

Sau khi xây dựng đƣợc hệ thống cơ sở dữ

liệu phân tầng địa hình, dựa trên những tài

liệu thu thập nhƣ Bản đồ Địa giới hành chính

364CT, Bản đồ Hiện trạng sử dụng đất, kết

quả điều tra thực địa v.v..., nghiên cứu đã tiến

hành hoàn thiện dữ liệu bản đồ và hệ thống cơ

sở dữ liệu.


82

Nội dung biên tập và hoàn thiện dữ liệu bao

gồm, xác định về địa giới hành chính khu vực

nghiên cứu, hoàn thiện về cấu trúc bảng thuộc

tính, hoàn thiện bản đồ phân tầng địa hình khu

vực nghiên cứu.

Sử dụng chức năng Update Colum trên phần

mềm Mapinfo với các mã hàm [Area()] để tính

diện tích, [Objectlen()] để tính chiều dài các đối

tƣợng [Abs()] lấy giá trị tuyệt đối, [Distance()]

tính khoảng cách của hai điểm và các hàm lệnh

khác. Kết quả thu đƣợc tại hình 3.

Hình 2. Cơ sở dữ liệu phân tầng địa hình trong khoảng độ cao đều tuyệt đối (100m)

Hình 3. Biên tập, hoàn chỉnh cơ sở dữ liệu phân tầng địa hình huyện Định Hóa


83

* Kiểm tra, thống kê dữ liệu và đối soát

Cơ sở dữ liệu nền địa hình vùng nghiên cứu

sau khi xác định đƣợc chia trong khoảng cao

đều 100m bao gồm 9 tầng từ 1 đến 9, tổng số

khanh đất đã xác định là 626 khoanh với diện

tích 52970,23ha bao gồm cả núi đá và đất có

mặt nƣớc.

Diện tích đất phân theo tầng địa hình từ 100 -

900m phân theo đơn vị hành chính đƣợc

thống kê theo các bảng 1.

Dựa vào số liệu đƣợc phân tích và thống kê,

kết quả cho thấy rằng địa hình huyện Định

Hóa đƣợc chia thành 03 vùng nhƣ sau:

Vùng 1: Bình Yên, Bộc Nhiêu, Định Biên,

Đồng Thịnh, Phú Tiến, Sơn Phú, Trung Hội,

Trung Lƣơng có địa hình từ 100m đến 300m.

Vùng 2: TT Chợ Chu, Bảo Cƣờng, Kim Sơn,

Phúc Chu, Phƣợng Tiến, Tân Dƣơng, Kim

Phƣơng, Quy Kỳ, Tân Thịnh có địa hình từ

100m đến 600m.

Vùng 3: Bảo Linh, Điềm Mặc, Lam Vỹ, Linh

Thông, Thanh Định, Bình Thành, Phú Đình

có địa hình cao từ 100m đến 900m.

* Đánh giá, nhận xét về kết quả xây dựng cơ

sở dữ liệu phân tầng địa hình

- Đánh giá kết quả nội suy về diện tích tầng

địa hình và diện tích hành chính của các đơn

vị hành chính trên địa bàn, chúng tôi tiến

hành so sánh diện tích nội suy so với diện tích

kiểm kê đất đai của toàn huyện năm 2012 và

kết quả đƣợc thống kê tại bảng 2.

Bảng 1. Tổng hợp cơ sở dữ liệu phân tầng địa hình toàn huyện Định Hóa (*)

TT Đơn vị hành chính Giá trị thấp nhất

(m)

Giá trị cao nhất

(m)

Diện tích

(ha)

1. Xã Bình Yên 200 300 7.09

2. Xã Bộc Nhiêu 200 300 8.47

3. Xã Định Biên 200 300 4.87

4. Xã Đồng Thịnh 200 300 29.32

5. Xã Phú Tiến 200 300 0.84

6. Xã Sơn Phú 200 300 27.08

7. Xã Trung Hội 200 300 13.92

8. Xã Trung Lƣơng 200 300 39.9

9. TT Chợ Chu 300 400 5.43

10. Xã Bảo Cƣờng 300 400 6.72

11. Xã Kim Sơn 300 400 2.65

12. Xã Phúc Chu 300 400 44.01

13. Xã Phƣợng Tiến 300 400 17.04

14. Xã Tân Dƣơng 400 500 9.94

15. Xã Kim Phƣợng 500 600 7.69

16. Xã Quy Kỳ 500 600 31.25

17. Xã Tân Thịnh 500 600 9.11

18. Xã Bảo Linh 600 700 0.12

19. Xã Điềm Mặc 600 700 5.44

20. Xã Lam Vỹ 600 700 12.36

21. Xã Linh Thông 600 700 80.63

22. Xã Thanh Định 600 700 17.86

23. Xã Bình Thành 800 900 1.15

24. Xã Phú Đình 800 900 0.22

25. ...................... ...... ...... ........

(*) Chỉ thống kê khoanh đất của đơn vị hành chính có tầng địa hình cao nhất và có diện tích lớn nhất


84

Bảng 2. Bảng so sánh diện tích CSDL với SL thống kê đất đai 2012

TT Đơn vị hành chính

Diện tích bản đồ

(ha)

Diện tích đất đai 2012

(ha)

Sai số

(ha)

1. Toàn huyện 51462,03 52970,23 -1508,2

2. TT Chợ Chu 443,86 434,9 8,96

3. Xã Bảo Cƣờng 967,54 992,26 -24,72

4. Xã Bảo Linh 2865,88 2779,99 85,89

5. Xã Bình Thành 2923,54 2875,98 47,56

6. Xã Bình Yên 1061,4 810,8 250,6

7. Xã Bộc Nhiêu 2626,53 2601,97 24,56

8. Xã Điềm Mặc 1485,54 1653,56 -168,02

9. Xã Định Biên 811,43 814,1 -2,67

10. Xã Đồng Thịnh 1299,56 1255,61 43,95

11. Xã Kim Phƣợng 1252,3 1304,85 -52,55

12. Xã Kim Sơn 903,82 993,58 -89,76

13. Xã Lam Vỹ 4410,17 4398,95 11,22

14. Xã Linh Thông 2908,48 2797,51 110,97

15. Xã Phú Đình 3083,12 3104,59 -21,47

16. Xã Phú Tiến 1389,51 1461,22 -71,71

17. Xã Phúc Chu 1465,66 1288,4 177,26

18. Xã Phƣợng Tiến 2147,77 2071,19 76,58

19. Xã Quy Kỳ 5506,8 5595,6 -88,8

20. Xã Sơn Phú 1518,89 1827,43 -308,54

21. Xã Tân Dƣơng 2161,93 2156,22 5,71

22. Xã Tân Thành 5987,9 5972,27 15,63

23. Xã Thanh Đình 1772,9 1933,55 -160,65

24. Xã Trung Hội 1085,1 1255,58 -170,48

25. Xã Trung Lƣơng 1382,4 1374,1 8,3

(Đơn vị tính: ha)

Qua bảng so sánh trên cho thấy có sai số

diện tích khá lớn giữa cơ sở dữ liệu địa hình

và số liệu kiểm kê đất đai 2012. Tổng diện

tích của toàn huyện theo cơ sở dữ liệu địa

hình là 51462,03 ha thiếu 1508,2ha so với số

liệu thống kê đất đai 2012. Các xã có sai số

về diện tích lớn nhƣ: xã Sơn Phú, xã Phúc

Chu, xã Điềm Mặc, xã Trung Hội. Xã có

diện tích chênh lệch nhỏ là xã Định Biên, xã

Tân Dƣơng.

Sai số về diện tích do một số nguyên nhân

sau:

Cơ sở dữ liệu đƣợc xây dựng trên mô hình số

độ cao (DEM), đƣợc khai từ hệ thống dữ liệu

độ cao toàn thế giới ASTER GDEM, độ chính

xác phụ thuộc kết quả nội suy và độ phân giải

khi khai thác.

Trên thực tế, kết quả diện tích thống kê trên

bản đồ sẽ có sự chênh lệch so với diện tích

kiểm tra đất đai vì nhiều nguyên nhân khách

quan và chủ quan nhƣ việc phân khai diện tích

giữa các đơn vị hành chính trên địa bàn, diện

tích quy đổi từ mét (m) chuyển hecta (ha).

* Đánh giá, nhận xét về kết quả xây dựng bản

đồ phân tầng địa hình.

- Bản đồ đƣợc xây dựng đúng theo quy định

tại Quyết định số 83/2000/QĐ-TTg ngày

12/7/2000 của Thủ tƣớng Chính phủ về sử

dụng Hệ quy chiếu và Hệ tọa độ quốc gia Việt

Nam; Quyết định số 05/2007/QĐ-BTNMT

ngày 27/2/2007 về sử dụng hệ thống tham số

tính chuyển giữa Hệ tọa độ quốc tế WGS-84

và hệ tọa độ quốc gia Việt Nam-2000. E-líp-

xô-ít quy chiếu WSG-84

Bản đồ sử dụng lƣới chiếu hình trụ ngang

đồng góc với múi chiếu 30 có hệ số điều chỉnh

tỷ lệ biến dạng chiều dài (k0 = 0,9999), kinh

tuyến trục bản đồ 106030

'.


85

Hình 4. Bản đồ phân tầng địa hình huyện Định Hóa - Kinh tuyến trục bản đồ 10603

0

- Khoảng cao đều đƣợc xác định trong

khoảng 100m, kết quả xác định đƣợc 09 tầng

địa hình phân bố trên phạm vi nghiên cứu,

thang mầu bố trí phù hợp với từng tầng địa

hình, có đầy đủ các yếu tố về ranh giới, địa

giới hành chính, giao thông và các đặc điểm

địa hình cấp huyện và cấp xã, đƣợc xây dựng

theo quy chuẩn về tỷ lệ bản đồ 1/50.000.

KẾT LUẬN

- Nghiên cứu sử dụng nguồn dữ liệu độ cao

trực tuyến đƣợc cung cấp bởi ASTERGDEM,

đã nghiên cứu xây dựng cơ sở dữ liệu phân

tầng địa hình huyện Định Hóa tỉnh Thái

Nguyên có tỷ lệ 1/50.000.

- Cơ sở dữ liệu nền địa hình vùng nghiên cứu

sau khi xác định đƣợc chia trong khoảng cao

đều 100m bao gồm 9 tầng từ 1 đến 9, tổng số

khoanh đất đã xác định là 626 khoanh với

diện tích 52970,23 ha bao gồm cả núi đá và

đất có mặt nƣớc.

- Độ cao tƣơng đối nền địa hình đƣợc chia

trong khoảng 100m, cơ sở dữ liệu phân tầng

địa hình đƣợc sau khi phân tích thu đƣợc 626

khoanh đất bao gồm










Đã phân vùng địa hình huyện Định Hóa đƣợc

chia thành 03 vùng nhƣ sau:

Vùng 1: Bình Yên, Bộc Nhiêu, Định Biên,

Đồng Thịnh, Phú Tiến, Sơn Phú, Trung Hội,

Trung Lƣơng có cấu trúc địa hình khoảng cao

đều từ 100m đến 300m.

Vùng 2: TT Chợ Chu, Bảo Cƣờng, Kim Sơn,

Phúc Chu, Phƣợng Tiến, Tân Dƣơng, Kim

Phƣơng, Quy Kỳ, Tân Thịnh cấu trúc địa hình

khoảng cao đều từ 100m đến 600m.

Vùng 3: Bảo Linh, Điềm Mặc, Lam Vỹ, Linh

Thông, Thanh Định, Bình Thành, Phú Đình

có cấu trúc địa hình khoảng cao đều từ 100m

đến 900m.

Đây là nghiên cứu có thể áp dụng ở nhiều địa

phƣơng khác v.v.


86


[1]. Quy hoạch phát triển nông nghiệp đến năm

2020 và định hướng đến năm 2030 huyện Định

Hóa - Tỉnh Thái Nguyên, TT Môi trƣờng Tài

nguyên Miền núi - Trƣờng ĐHNL.TN, 2012.

[2]. Hồ Tống Minh Định và cs,(2006). “Ứng dụng

kĩ thuật INSAR trong xây dựng mô hình độ cao số

(DEM) lưu vực sông Kôn – Hà Thanh tỉnh Bình

Định”, Tạp chí Phát triển KH & CN Đại học Bách

khoa, ĐHQG- HCM. Tập 9, số 11

[3]. Lê Thị Giang và Nguyễn Thị Châu Long

(2008), “Ứng dụng hệ thống thông tin địa lý trong

quản lý thông tin bất động sản Thị trấn Trâu Quỳ -

Gia Lâm - Hà Nội”, Tạp chí khoa học & Phát

triển 2008: Tập 8, số 1: 130 - 139, Trƣờng Đại học

Nông nghiệp Hà Nội.

[4]. Ngô Công Châu (2008), Hướng dẫn sử dụng

Mapinfo 9.0 & GPS, Trung tâm điều tra khảo sát

thiết kế NN&PTNT.

[5]. Tăng Quốc Cƣơng, (2004). “Nghiên cứu cơ sở

khoa học xây dựng mô hình số độ cao phục vụ

quản lý tài nguyên thiên nhiên”, Báo cáo tổng kết

khoa học & kỹ thuật 2004, Viện Nghiên cứu Địa

chính, Bộ Tài nguyên và Môi Trƣờng.

[6]. Trần Quốc Vinh và cs, (2010). “Ứng dụng tư

liệu ảnh viễn thám xây dựng bản đồ hệ số lớp phủ

đất trong nghiên cứu xói mòn đất huyện Tam

Nông - tỉnh Phú Thọ”, Tạp chí Khoa học & Phát

triển Đại học Nông nghiệp Hà Nội. Tập 8, số 6


87

SUMMARY

A STUDY OF BUILDING STRATIFIED TOPOGRAPHIC DATABASE, 1:50.000

SCALED TOPOGRAPHIC MAP IN DINH HOA – THAI NGUYEN PROVINCE

FROM THE ASTER GDEM GLOBAL HEIGHT DATABASE SYSTEM

Ha Anh Tuan

*, Truong Thanh Nam, Hoang Van Hung,

Vuong Van Huyen, Ma Thi Trang College of Agriculture and Forestry – TNU

The study used online height database sources provided by ASTER GDEM to build stratified

topographic database. The results of this study have built a mapping system and stratified

topographic database included stratified topographic, digital evaluation model (DEM) in Dinh Hoa

district Thai Nguyen province. The stratified topographic structure of the research area was

classified in 100m altitude with 9 topographic levels from 1 to 9. The number of analyzed plots are

626 with total area of 52970.23ha in which the largest plot is 175 with average height of 100m and

there are 03 smallest plots with average height ranged from 800 – 900m. The result of this study is

one of the single criteria for adaptive classification of land, planning for development of

agricultural production, arranging crops with adaptive ability of absolute height in Dinh Hoa

district Thai Nguyen province.

Keywords: ASTER GDEM, Stratified topographic database, Dinh Hoa, DEM, stratified

topography.


Phản biện khoa học: PGS.TS. Trần Viết Khanh – Đại học Thái Nguyên



88

Phạm Ngọc Phƣơng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 89 - 93

89

XÂY DỰNG HỆ THỐNG GIÁM SÁT MÔI TRƢỜNG

TẠI CÁC TRUNG TÂM TÍCH HỢP DỮ LIỆU

Phạm Ngọc Phƣơng

1,* , Nguyễn Văn Tam

2

1 Trung tâm Công nghệ thông tin – ĐH Thái Nguyên 2 Viện Công nghệ thông tin – Viện Hàn lâm KH&CN Việt Nam

TÓM TẮT Trong bài báo này chúng tôi tập trung thiết kế và xây dựng hệ thống giám sát môi trƣờng vận hành

tại các Trung tâm tích hợp dữ liệu bằng công nghệ nhúng dựa trên vi điều khiển AVR và phần

mềm giám sát để thực hiện nhiệm vụ thu nhận các đầu vào cảm biến sau đó xử lý dữ liệu đo và

đƣa ra cảnh báo khi các tham số đo vƣợt ngƣỡng cho phép. Ngoài ra hệ thống vi điều khiển trung

tâm cũng có nhiệm vụ truyền thông với máy chủ quản lý, máy chủ quản lý sẽ giám sát các thông

số đo đƣợc từ vi điều khiển và đƣa ra cảnh báo đến ngƣời quản trị từ xa qua modem GSM.

Từ khóa: Trung tâm tích hợp dữ liệu, giám sát môi trường, vi điều khiển AVR.

ĐẶT VẤN ĐỀ*

Khi nhắc đến nền tảng của hệ thống thông tin

không thể không nhắc đến các Trung tâm tích

hợp dữ liệu (Data center - viết tắt là DC), trái

tim của toàn bộ hệ thống. Trong thực tế khi

thiết kế chuẩn hạ tầng kỹ thuật thì DC gồm 2

thành phần chính:

- Hạ tầng mạng: máy chủ, hệ thống lƣu trữ,

thiết bị mạng…

- Hạ tầng vật lý quan trọng: (hệ thống làm

mát HVAC, hệ thống phòng cháy chữa cháy,

hệ thống điện dự phòng UPS, v.v.)

Do vậy trong một môi trƣờng vận hành tại các

DC luôn tồn tại các hệ thống riêng biệt điều

khiển các tham số khác nhau (điện áp, nhiệt

độ, độ ẩm, an ninh, v.v.) với chung mục đích

duy trì DC hoạt động an toàn, hiệu quả và ổn

định. Trong tiêu chuẩn TIA-942(Tiêu chuẩn

viễn thông trong các Data center) xây dựng bởi

TIA(Telecommunications Industry Association

- Hiệp hội công nghiệp viễn thông Hoa Kỳ)

yêu cầu bắt buộc về thiết kế môi trƣờng tiêu

chuẩn trong các DC. Nhƣng thực tế hiện nay

các hệ thống này thƣờng hoạt động độc lập

không thể giám sát và xử lý sự cố tập trung

dẫn đến tình trạng dữ liệu nhiều khó giám sát,

tổng hợp và so sánh. Tác giả tập trung nghiên

cứu và xây dựng một hệ thống giám sát môi

trƣờng trong các DC và thực hiện giám sát thử


nghiệm một số thông số chọn lọc quan trọng

nhƣ nhiệt độ, báo cháy, độ ẩm, điện lƣới (gọi

tắt là các thông số chọn lọc).

XÂY DỰNG HỆ THỐNG GIÁM SÁT MÔI

TRƢỜNG TẠI CÁC TRUNG TÂM TÍCH

HỢP DỮ LIỆU

Mô hình tổng thể của hệ thống giám sát

Hệ thống giám sát gồm các khối sau đây:

- Khối xử lý trung tâm: là một vi điều khiển

AVR 8 bit dùng để xử lý toàn bộ thông tin

vào/ ra và các thông tin khác theo thuật

toán.

- Khối hiển thị : Màn LCD 16x 2 dùng để

hiển thị theo thời gian thực các tham số

quan trọng khi hệ thống hoạt động(nhiệt độ,

độ ẩm).

- Khối đo nhiệt độ: Thu nhận dữ liệu đo từ

các các cảm biến nhiệt và đƣa về khối xử lý

trung tâm.

- Khối đo độ ẩm: Thu nhận dữ liệu đo từ các

các cảm biến độ ẩm và đƣa về khối điều khiển

trung tâm.

- Khối kiểm tra tình trạng báo cháy: Có

nhiệm vụ thu nhận dữ liệu đo từ các các đầu

dò báo cháy (đầu dò khói - nhiệt) hoặc các

trạng thái cảnh báo của tủ báo cháy.

- Khối kiểm tra trạng thái nguồn điện: Có

nhiệm vụ thu nhận dữ liệu logic của trạng thái

điện lƣới, trạng thái UPS.


90

- Khối cảnh báo: Đƣa ra cảnh báo nếu các giá trị giám sát vƣợt ngƣỡng cảnh báo, khối xử lý trung tâm sẽ đƣa tới các đầu ra cảnh báo thông qua các rơle trung gian (chuông báo, đèn báo, còi hú).

- Khối giao tiếp máy tính: Truyền các tham số giám sát giữa máy tính và khối xử lý trung tâm sử dụng giao thức RS232.

- Khối cấp nguồn: Cung cấp toàn bộ nguồn cho mạch điều khiển và các cảm biến, khối nguồn đƣợc thiết kế nguồn dự phòng để đảm bảo hệ thống giám sát vẫn hoạt động cả khi nguồn điện cung cấp cho TTTHDL bị mất.

- Máy chủ: Cài đặt phần mềm giám sát giúp ngƣời quản trị giám sát, tổng hợp toàn bộ các tham số của môi trƣờng vận hành trong DC dƣới dạng đồ họa trực quan. Trong trƣờng hợp các tham số giám sát vƣợt ngƣỡng thì máy chủ sẽ gửi các cảnh báo tới ngƣời quản trị từ xa thông qua modem GSM(bằng tin nhắn và cuộc gọi khẩn cấp).

Thuật toán của hệ thống thực hiện xử lý nhƣ sau:

- Khối xử lý trung tâm lần lƣợt thu nhận các

tín hiệu từ các cảm biến (cảm biến nhiệt, cảm

biến độ ẩm, cảm biến báo cháy, trạng thái

nguồn điện .v.v).

- Đo đạc và đƣa ra kết quả ra màn hình hiển

thị để tiện theo dõi và kiểm tra.

- So sánh các thông số đo đƣợc từ các cảm

biến với các ngƣỡng đặt sẵn theo tiêu chuẩn

của TTTHDL .

- Đƣa ra cảnh báo tới Rơle nếu các thông số

cảnh báo vƣợt ngƣỡng cho phép (quá nhiệt

độ, độ ẩm quá cao, có báo cháy, mất điện lƣới

hoặc UPS lỗi).

- Truyền các thông số đo đạc, cảnh báo đƣợc

từ cảm biến cho máy chủ.

- Máy chủ truyền các cảnh báo từ xa thông

qua Modem GSM.

Hình 1. Mô hình hệ thống giám sát môi trường trong các Data center

Hình 2. Sơ đồ khối tổng thể của hệ thống giám sát môi trường Data center


91

Hình 3. Lưu đồ thuật toán giám sát và điều khiển của hệ thống

Phần mềm giám sát xây dựng trên máy chủ

có nhiệm vụ thu nhận dữ liệu đo từ Hệ thống

xử lý trung tâm(µC) sau đó xử lý số liệu và

hiển thị trên màn hình dƣới dạng giao diện

trực quan. Các thông số giám sát đƣợc lƣu

trữ và tổng hợp trên cơ sở dữ liệu phục vụ

quản lý. Phần mềm cũng đƣợc thiết kế để

cảnh từ báo xa qua modem GSM(tin

nhắn/cuộc gọi khẩn cấp).

KẾT LUẬN

Đề tài nghiên cứu và xây dựng hệ thống giám

sát các thông số môi trƣờng cho DC, bao

gồm cả phần phần cứng và phần mềm dựa

trên công nghệ nhúng. Đề tài có mục tiêu

nghiên cứu nhu cầu giám sát đa tham số

trong các DC từ đó xây dựng đƣợc một hệ

thống giám sát hoàn chỉnh. Hệ thống giám

sát đƣợc nghiên cứu và thiết kế từ phần cứng

đến phần mềm để có thể giám sát đƣợc một

số thông số chọn lọc quan trọng trong môi

trƣờng các DC một cách chính xác và nhanh

chóng. Sản phẩm nghiên cứu của đề tài đã

đƣợc cài đặt thử nghiệm tại một số DC với

một số kịch bản giám sát thông số môi

trƣờng khác nhau nhƣ nhiệt độ, độ ẩm, báo

cháy và cho kết quả cao.


92

5V

5V

5V

12V

12V

12V

5V

12V

5V

5V

RST

TX_PC

RX_COM

TX

RX

RXTX

VE

E

OUT1OUT2OUT3OUT4OUT5OUT6OUT7

OUT8

OUT8OUT7OUT6OUT5OUT4OUT3OUT2OUT1

RL1

RL1

RL3RL4RL5RL6RL7RL8

RL3

RL4

RL5

RL6

RL7

RL8

RL1

RL3

RL4

RL5

RL6

RL7

RL8

RL2

RL2

RL2

INP1INP2INP3INP4ADC1ADC2ADC3ADC4

INP7INP6INP5INT1INT0

ADC1ADC2ADC3ADC4

RST

RXTXINT0INT1INP5INP6INP7INP8

OUT8OUT7OUT6OUT5OUT4OUT3OUT2OUT1

INP1INP2INP3INP4ADC1ADC2ADC3ADC4

D5

RSTD7D6

AIN1

RW

D6

D5

RS

E

D4

D7

D7

RS

D6

RW

D5D4

E

RSRWEAIN1D4D5D6D7

INP8

C2

22p

U1

ATMEGA16

9

181920

29

3031

4012345678

21 22232425262728

1011

1213

14151617

39383736353433

32

RST

(OC1B) PD4(OC1A)PD5(ICP1)PD6

PC7

AC

CA

GN

D

(ADC0) PA0(T0)PB0(T1)PB1(INT2/AIN0)PB2(AIN1)PB3(SS)PB4(MOSI)PB5(MISO)PB6(SCK)PB7

PD7 PC0PC1PC2PC3PC4PC5PC6

VC

CG

ND

XTAL2XTAL1

(RXD)PD0(TXD)PD1(INT0)PD2(INT1)PD3

(ADC1) PA1(ADC2) PA2(ADC3) PA3(ADC4) PA4(ADC5) PA5(ADC6) PA6(ADC7) PA7

AREF

C1 22p

Y1

12Mhz

U3

UNL2803

12

76

345

8

17

10

1112

18

13

1615

9

14

D1D2

D7D6

D3D4D5

D8

OUT7

VCC

OUT1OUT2

OUT8

OUT3

OUT6OUT5

GND

OUT4

C3

104

JP12

POWER 5V

12

R23

1K D10

LED

D11

DIODE

R21K

R31K

R41K

R51K

R61k

R81k

R71k

SW1

RST

R110K

R91k

C92000u

C10

0.1

C1710nP

U2

Max232

3

6

10

21

5

4

14

138

711

12915

16 C1-

VEE

T2in

VDDC1+

C2-

C2+

T1out

R1inR2in

T2outT1in

R1outR2outGND

VCC

C24

104p

P1

COM

594837261

JH1

DS18B20

11

J4

PROGRAM

13579

246810

+++++

+++++

C8 104

C410u

C510u

D1LED

D3LED

D4LED

D5LED

D6LED

D2LED

D7LED

D8LED

JP13

POWER 12V

12

C12

0.1

C11

1000u

D12

LED

R24 1K

D13

DIODE

JP22

8 HEADER

12345678

C610u

C710u

J1

LCD 16x21 2 3 4 5 6 7 8 9 10 11 12 13 14

JP1

HEADER 3

123

JP2

HEADER 3

123

JP3

HEADER 3

123

JP4

HEADER 3

123

JP5

HEADER 3

123

JP9

8 HEADER

12345678

JP19

8 HEADER

12345678

JP20

8 HEADER

12345678

K1

RELAY SPDT

35

412

K2

RELAY SPDT

35

412

K3

RELAY SPDT

35

412

JP6

HEADER 3

123

JP7

HEADER 3

123

JP8

HEADER 3

123

K4

RELAY SPDT

35

412

K5

RELAY SPDT

35

412

K6

RELAY SPDT

35

412

K7

RELAY SPDT

35

412

K8

RELAY SPDT

35

412

R44

10K

13

2

JP18

ADC IN

1234

MOSI

MISO

SCK

RST

Hình 4. Mạch nguyên lý điều khiển của khối xử lý trung tâm

5V

5V

24V

24V

5V

5V

5V

5V

VCCVCC5V

INP1

INP2

INP3

INP4

INP5

INP7

INP6

INP8

PA0.7 ADC4(PA0.4)

PD0.7

R22 2.2K D9 LED

R10

5.6K

R11

5.6K

R12

5.6K

R13

5.6K

JP12

POWER 5V

12

R23

1KC10

0.1

D11

DIODEC92000u

D10

LED

R14 10K

R15 10K

R17 10K

R16 10K

R19

2.2K

R202.2K

R18

2.2K

R212.2K

JP23

LM35

1 2 3

JP14

HEADER 2

12-+

D141

2

3

4

-+

D151

2

3

4

-+

D161

2

3

4

-+

D171

2

3

4

R25 100K

C13100u

U10

4N35

16

2

5

4

JP15

HEADER 2

12

JP16

HEADER 2

12

JP17

HEADER 2

12

R26 100K

C14100u

U11

4N35

16

2

5

4

U12

4N35

16

2

5

4

R27 100k

R28 100KU13

4N35

16

2

5

4

C15100u

C16

100u

U5

4N35

1 6

2

5

4

U6

4N35

1 6

2

5

4

U4

4N35

1 6

2

5

4

U7

4N35

1 6

2

5

4

R29

5.6K

R30

5.6K

R31

5.6K

R32

5.6K

JP10

FIRE SENSOR

1234

JP27

DHT11

1 2 3 4

JP11

POWER 24V

12

JP25

DS18B20

123

JP26

DS18B20

123

R454.7K

R43

4.7K

VI §IÒU

KHIÓN

AVR

C¶m biÕn NhiÖt ®é d¹ng 2

VI §IÒU

KHIÓN

AVR

C¶m biÕn §é Èm

KÕt nèi ADCKÕt nèi 1 d©y (1-Wirebus)

§äc tÝn

hiÖ

u A

C tõ U

PS

(110V

- 220V

)

§äc tÝn

hiÖ

u b

¸o c

h¸y tõ c

¸c S

ensor

b¸o c

h¸y

VI §

IÒU

KH

IÓN

AV

R

C¶m biÕn nhiÖt ®é d¹ng 1

VI §IÒU

KHIÓN

AVR KÕt nèi 1 d©y (1-Wirebus)

Hình 4. Mạch nguyên lý thu nhận cảm biến của khối xử lý trung tâm và ảnh thực hệ thống giám sát

Giao tiếp

RS 232


93

Hình 5. Giao diện phần mềm giám sát và kết quả giám sát trên máychủ


[1]. Nguyễn Hữu Công (2007), “Kỹ thuật đo

lường”, Nxb Đại học Quốc Gia Hà Nội.

[2]. Nguyễn Hữu Công, “Đo lường và điều khiển

xa”, Tập bài giảng cho cao học các chuyên

nghành CNTT và Đo lƣờng điều khiển.

[3]. Nguyễn Văn Hoà (2005), " Giáo trình Đo

lường điện và cảm biến đo lường ", Nxb Giáo dục,

Hà Nội.

[4]. Nguyễn Văn Tam (1997), “Điều khiển và

Ghép nối thiết bị ngoại vi”, Nxb Thống kê Hà Nội.

[5]. Atmel Corporation(2010).

“8-bit Microcontroller with 16K Bytes In-System

Programmable Flash- ATmega16/ATmega16L”.

http://www.atmel.com/devices/ATMEGA16

[6]. Telecommunications Industry

Association(2005), “TIA-942 Telecommunications

Infrastructure Standard for Data Centers”, pp. 28-

30, 117-129.

SUMMARY

DESIGNING AN ENVIRONMENT - MONITORING SYSTEM AT DATA CENTERS

Pham Ngoc Phuong

1,*, Nguyen Van Tam

2

1 Information Technology Center – TNU 2 Institute of Information Technology - Vietnamese Academy of Science and Technology

In this paper, we focus on the design and building of an environment-mornitoring system operating

in data centers, which is equipped with embedded technology based on AVR microcontroller and

management software, in order to take over the reception of sensing entries and then process the

received data and give warnings when the parameters exceed the allowed limit. Besides, the

central microcontrol is also in communication with the management server that will supervise the

measured parameters from this microcontroller and give warnings to the remote manager via

GSM modem.

Keywords: Data center, environment monitoring system, AVR microcontroller.


Phản biện khoa học: PGS.TS. Nguyễn Hữu Công – Đại học Thái Nguyên



94

Quản Thị Vui và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 95 - 99

95

MỘT CÁCH TIẾP CẬN XÂY DỰNG THÍ NGHIỆM TRONG THỰC TẠI ẢO

Quản Thị Vui1,* 2

1Trường Đại học Nông Lâm - ĐH Thái Nguyên 2

TÓM TẮT Trong giáo dục, thí nghiệm giữ vai trò đặc biệt quan trọng, là một bộ phận không thể tách rời.

Thông qua những thí nghiệm, học sinh nắm vững kiến thức một cách hứng thú, vững chắc và sâu

sắc hơn. Trong chƣơng trình học phổ thông, các trƣờng chuyên nghiệp, dạy nghề các thí nghiệm

liên quan đến lửa xuất hiện khá nhiều trong lĩnh vực vật lý, hóa học... Tuy nhiên không phải thí

nghiệm nào cũng dễ dàng thực hiện trong môi trƣờng tự nhiên, việc thực hiện các thí nghiệm thật

này nhiều khi gây khó khăn, nguy hiểm cho giáo viên và học sinh. Chính vì vậy việc sử dụng công

nghệ mô phỏng để tái tạo các thí nghiệm ảo thay thế rất hiệu quả, an toàn. Có rất nhiều phƣơng

pháp mô phỏng thí nghiệm khác nhau. Trong khuôn khổ bài báo này chúng tôi trình bày kỹ thuật

mô phỏng lửa bằng phƣơng pháp Particle System và xây dựng mô phỏng thí nghiệm đốt thanh kim

loại để thấy sự giãn nở vì nhiệt.

Từ khoá:

GIỚI THIỆU*

Chƣơng trình học ở các cấp đƣợc thiết kế theo

mô hình đồng tâm xoắn ốc. Kiến thức vật lý

về phần nhiệt học cũng không nằm ngoài quy

luật đó. Qua tìm hiểu chƣơng trình học phổ

thông các thí nghiệm liên quan đến lửa xuất

hiện khá nhiều trong lĩnh vực vật lý, hóa

học...

Mô hình hóa các hiện tƣợng nhƣ mây, khói,

nƣớc, lửa, điện... với các kỹ thuật tổng hợp

hình ảnh hiện tại rất khó khăn. Bề mặt của

những đối tƣợng này chƣa đƣợc định nghĩa rõ

ràng bằng các phƣơng trình toán học mà rất

phức tạp, không có quy luật. Đặc biệt, chúng

luôn chuyển động và hay thay đổi. Do đó các

đối tƣợng không định hình nhƣ thế này không

thể đƣợc mô hình bằng các kỹ thuật biến đổi

thông thƣờng dành cho các vật thể cứng hay

các hiện tƣợng thông thƣờng khác trong đồ

họa vi tính. Particle là một trong những

phƣơng pháp đặc biệt dùng để mô phỏng các

đối tƣợng kiểu này.

Trong khuôn khổ bài báo này chúng tôi xây

dựng mô hình thử nghiệm cài đặt các thuật


toán của phƣơng pháp Partical System mô

phỏng hiệu ứng lửa làm tiền đề cho việc xây

dựng mô phỏng thí nghiệm đốt thanh kim loại

để thấy sự giãn nở vì nhiệt trong chƣơng trình

sách giáo khoa Vật lý lớp 6.

MÔ PHONG LƢA BĂNG PHƢƠNG PHAP

PARTICLE SYSTEM

Mô hình mô phỏng

Particle System là tập hợp nhiều hạt nhỏ kết

hợp cùng nhau tạo nên một vật thể mờ ảo,

không định hình. Trong một khoảng thời

gian, các hạt tạo thành một hệ thống, di

chuyển và thay đổi từ bên trong hệ thống, sau

đó chết đi. Để tính toán mỗi khung hình trong

một chuỗi chuyển động, trình tự các bƣớc sau

đây đƣợc thực hiện:

1. Các hạt mới đƣợc tạo ra trong hệ thống

2. Mỗi hạt mới đƣợc gán cho các thuộc tính

riêng biệt

3. Các hạt đã tồn tại trong hệ thống đều sẽ bị

dập tắt dần theo quy định

4. Các hạt sống trong hệ chuyển động và

biến đổi theo các thuộc tính động của nó.

5. Một hình ảnh của các hạt đang sống đƣợc

kiết xuất trong bộ đệm khung hình


96

Các hạt đƣợc sinh ra trong Particle System

đƣợc kiểm soát bởi các tiến trình ngẫu nhiên.

Một tiến trình xác định số hạt đƣợc sinh ra và

tham gia vào hệ thống trong một khoảng thời

gian. Con số này sẽ ảnh hƣởng đến mật độ

của đối tƣợng đang đƣợc xây dựng.

Có hai cách điều khiển số lƣợng hạt mới đƣợc

sinh ra:

1. Xác định số lƣợng hạt trung bình đƣợc

sinh ra trong một khung hình và khoảng biến

đổi của nó. Khi đó, số lƣợng hạt thực sự trong

một khung hình f là:

Npartsf = MeanPartsf + Rand() xVariancePartsf

Trong đó:

Rand(): là một hàm trả về một giá trị ngẫu

nhiên nằm trong đoạn [-1,1].

MeanPartsf: là số lƣợng trung bình các hạt.

VariancePartsf: là khoảng biến đổi của hạt.

2. Số lƣợng hạt phụ thuộc vào kích thƣớc mà

đối tƣợng thể hiện trên màn hình. Trong

phƣơng pháp này, ta cần xác định các tham số

của điểm quan sát so với một khung hình cụ

thể của đối tƣợng, tính toán vùng màn hình

mà nó bao phủ và đƣa ra số lƣợng hạt mới

phù hợp. Không cần thiết tạo ra hàng ngàn hạt

để bao phủ chỉ một vài điểm ảnh.

Phƣơng trình cụ thể nhƣ sau:

Npartsf=(MeanPartsSAf+Rand()xVariancePar

tsSAf ) x ScreenArea

Hình 2. Particle System phát ra các hạt dựa trên

vùng diện tích và các thuộc tính như vị trí, góc

phóng, và vận tốc khác nhau một cách ngẫu nhiên.

MeanPartsSAf: số lƣợng hạt trung bình trên

mỗi đơn vị diện tích màn hình.

VariancePartsSAf: khoảng biến đổi của hạt.

ScreenArea: diện tích phần màn hình mà

Particle System bao phủ.

Để điều khiển cƣờng độ của Particle System,

ngƣời thiết kế phải điều khiển số lƣợng hạt

trung bình đƣợc sinh ra cho mỗi khung hình.

Tiến trình này có thể sử dụng một hàm tuyến

tính đơn giản nhƣ sau:

MeanPartsf=InitialMean+DeltaMean x (f– f0)

Hay:

MeanPartsSAf=InitialMeanSA+DeltaMeanSA x (f–f0)

Trong đó:

f : là khung hình hiện tại.

f0 : là khung hình đầu tiên.

InitialMean, InitialMeanSA: số lƣợng hạt

trung bình tại khung hình đầu tiên.

DeltaMean, DeltaMean SA: tốc độ biến đổi và

với phƣơng trình biến đổi tuyến tính thì nó là

hằng số. Ở đây, chúng ta xây dựng mô hình

mô phỏng đơn giản nhất của Particle System.

Để điều khiển việc sinh ra các hạt của Particle

System, ta cần phải xác định rõ f0 và các tham

số trong 2 phƣơng trình trên.

Chuyển động của hạt lửa [6]

Một số phƣơng pháp đã đƣợc nghiên cứu để

mô hình chuyển động của các hạt để mô

phỏng ngọn lửa thực sự. Nhìn chung, tại một

thời điểm nhất định (t), vị trí mới của một hạt

đƣợc quản lý bởi vận tốc của nó v(t), gia tốc

a(t), và vòng lặp trong khoảng thời gian (Δt ).

Vector định hƣớng ban đầu của một hạt đƣợc


97

xác định bởi góc phát của bộ phát, gây ra các

hạt đƣợc phát ra ở các hƣớng khác nhau. Sau

khi chỉ đạo của một hạt có nguồn gốc, vận tốc

của nó đƣợc sử dụng để xác định nhanh các

hạt sẽ đi theo hƣớng đó. Để tính toán vị trí

tiếp theo của hạt p(t + Δt ), hệ thống theo

phƣơng trình đƣợc sử dụng:

p(t + Δt ) = p (t) + ( v (t) * Δt )

v(t + Δt ) = v (t) + a (t)

a(t + Δt ) = ( v (t) - v (t - Δt ) ) / Δt

Hệ thống này sử dụng các phƣơng trình của

hạt hiện tại vận tốc v(t) và thời gian khác

nhau Δt để xác định khoảng cách bao phủ bởi

các hạt. Khoảng cách này sẽ đƣợc thêm vào

vị trí hiện tại của hạt p(t), để lấy đƣợc vị trí

tiếp theo p(t + Δt ). Sự thay đổi trong vận tốc

của một hạt có nguồn gốc bằng cách thêm giá

trị gia tốc hiện tại a(t) với vận tốc hiện tại

v(t). Gia tốc của một hạt a(t), đƣợc tính bằng

cách chia sự thay đổi trong tốc độ hiện tại và

trƣớc đây của hạt bởi khoảng thời gian Δt .

Nghiên cứu ban đầu sử dụng hệ thống trên để

mô tả lửa. Điều này là do các hạt di chuyển

nhanh chóng trong bất kỳ hƣớng ngẫu nhiên.

Ngọn lửa được mô phỏng mà không có sự

kìm chế của các tác động thực tế

Để kiểm soát tốc độ và giảm các hành vi hỗn

loạn của các hạt, hai loại tham số đƣợc sử

dụng: lực hấp dẫn và lực cản. Trọng lực là

một lực thống nhất có ảnh hƣởng đến sự

chuyển động của một hạt theo hƣớng thẳng

đứng (tức trục Y) bằng cách cung cấp một lực

kéo xuống trên mỗi hạt. Các yếu tố kéo, đã

đƣợc sử dụng để kiểm soát sự chuyển động

của các hạt dọc theo trục ngang (tức là X và

Z). Phƣơng pháp này không tạo ra hiệu ứng

phù hợp với lửa cháy bởi vì dòng chảy hạt

quá đối xứng và dự đoán đƣợc.

Hình 4. Hình ảnh mô phỏng lửa bằng các hàm

lượng giác

Một cách tiếp cận tinh tế hơn đƣợc bắt nguồn

từ nghiên cứu một video của ngọn lửa. Dựa

trên những quan sát này xác định đƣợc "lƣỡi"

của ngọn lửa trong vành ngoài của ngọn lửa

liên tục thay đổi hƣớng của nó. Hiện tƣợng

này xảy ra bởi vì nhƣ khí trong một đám cháy

trở nên nóng hơn chúng trở nên nhẹ hơn

không khí xung quanh. Nhƣ vậy, khí di

chuyển hƣớng lên tới một khu vực nơi mà áp

lực thấp. Để mô phỏng hiệu ứng áp suất thấp

này, một tập hợp các điểm ngẫu nhiên đƣợc

chọn từ mỗi trục để hình thành một loạt các

tọa độ trong không gian ba chiều. Mỗi lần lặp,

những điểm áp lực đã đƣợc thay đổi một cách

ngẫu nhiên để tạo thành bộ mới của tọa độ.

Khi một hạt đƣợc phát ra vào hệ thống, nó

đƣợc chuyển từng bƣớc theo hƣớng áp lực

điểm thấp gần nhất. Do đó, các hạt tăng hình

thành đỉnh nhọn nhƣ quan sát thấy trong ngọn

lửa thực sự. Ban đầu, các điểm áp lực thấp là

tọa độ cố định. Tuy nhiên, kết quả là không

thực tế. Để khắc phục vấn đề này, các điểm

áp suất thấp đƣợc phép di chuyển ngẫu nhiên

trong một ranh giới quy định. Cách tiếp cận

này đƣợc minh họa trong hình 6. Mô hình

ngọn lửa đƣợc tạo ra bởi phƣơng pháp này

đƣợc thể hiện trong hình 5

Hình 5. Mô phỏng các hạt di chuyển sau mỗi lần

lặp đến các điểm áp suất thấp gần nhất


98

Hình 6. Mô phỏng ngọn lửa theo phương pháp

các hạt di chuyển về vùng áp thấp

MÔ HÌNH MÔ PHỎNG THÍ NGHIỆM TRONG GIÁO DỤC

Bài toán

Mô hình thử nghiệm cài đặt các thuật toán của phƣơng pháp Partical System mô phỏng hiệu ứng lửa làm tiền đề cho việc xây dựng mô phỏng thí nghiệm đốt thanh kim loại để thấy sự giãn nở vì nhiệt trong chƣơng trình sách giáo khoa Vật lý lớp 6. Trong thí nghiệm này mô phỏng các hiệu ứng đồ họa đƣợc xử lý bằng kỹ thuật Partical, bao gồm:

- Hiệu ứng ngọn lửa,

- Hiệu ứng thanh kim loại trong quá trình đốt cháy.

Phân tích thiết kế và lựa chọn công cụ

Ngọn lửa là một đối tƣợng không định hình, tức là nó chƣa đƣợc định nghĩa một cách rõ ràng và phƣơng pháp Partical phù hợp để mô phỏng cho những đối tƣợng đó. Thực hiện mô phỏng sự chuyển động ngọn lửa trong thí nghiệm đốt thanh kim loại, tác giả chỉ quan tâm đến một số mặt thể hiện của ngọn lửa khi chúng chuyển động, đó là chuyển động tịnh tiến theo phƣơng thẳng đứng và hƣớng lên trên.

Chƣơng trình mô phỏng sẽ bao gồm hai công việc sau:

- Xây dựng mô hình mô phỏng.

- Điều khiển mô hình bằng ngôn ngữ lập trình.

Xây dựng mô hình mô phỏng:

Bài toán đốt cháy thanh kim loại để thấy sự giãn nở vì nhiệt. Để có thể mô hình thí nghiệm này cần phải thực hiện:

+ Tạo mô hình dụng cụ thí nghiệm (Bàn thí nghiệm; Giá đỡ thanh kim loại; Thanh kim loại; Đèn; Ngọn lửa).

+ Tạo hiệu ứng thí nghiệm (Chuyển động của

ngọn lửa đang cháy; Chuyển động của thanh kim loại giãn nở ra dƣới tác động của ngọn lửa).

Điều khiển mô hình bằng ngôn ngữ lập trình:

Chƣơng trình thử nghiệm đốt cháy thanh kim loại đƣợc xây dựng sử dụng ngôn ngữ Visual C#, bộ thƣ viện XNAGS của Microsoft về đồ họa ba chiều.

Chƣơng trình thử nghiệm phải thể hiện đƣợc một hoặc một số hiệu ứng đồ họa trên cơ sở sử dụng kỹ thuật Partical để tạo hiệu ứng hình ảnh ba chiều.

Chƣơng trình thử nghiệm có chức năng lựa chọn riêng biệt hoặc đồng thời nhiều hiệu ứng đƣợc thể hiện trong việc mô phỏng lửa ba chiều.

Không gian mô phỏng cần thiết kế hỗ trợ các tầm nhìn toàn cảnh, cận cảnh để thấy rõ đƣợc việc thể hiện các hiệu ứng đồ họa.

Một số kết quả chƣơng trình

Sau đây là một số kết quả ảnh ba chiều thu đƣợc với các hiệu ứng đồ họa trên cơ sở sử dụng kỹ thuật Physically khi mô phỏng sự chuyển động của ngọn lửa trong quá trình thí nghiệm đốt thanh kim loại. Chƣơng trình dùng chuột để điều khiển xoay và dừng xoay mô hình, cho phép chúng ta quan sát sự chuyển động của lửa từ các phía; phím mũi tên lên xuống dùng để phóng to, thu nhỏ mô hình; dấu cách dùng để trở về trạng thái quan sát thẳng góc với mô hình...

Tiếng Việt

[1]. Vũ Đức Thông, Nghiên cứu kỹ thuật mô

phỏng lửa bằng phương pháp Particle và ứng

dụng, Luận văn thạc sĩ, Trƣờng ĐH Công Nghệ -

ĐHQG – Hà Nội, 2010.

[2]. W2G,JSC, Tổng quan về mô phỏng và thực

tại ảo, http://w2g.com.vn/default.php, ngày 22

tháng 2 năm 2006.

Tiếng Anh

[3]. William T. Reeves, Particle System A

Technique for Modeling a Class of Fuzzy

Objects,1983.

[4]. Source: wikipedia, Advanced Computer

Graphics, Bernhard Jung TU-BAF, Summer 2007.

[5]. Sanandanan Somasekaran, Using Particle

Systems to Simulate Real-Time Fire, 2005.

[6]. Samuel William Hasinoff. Three-Dimensional

Reconstruction of Fire from Images [2002].


99

Hình 7. Mô hình toàn cảnh ngoài phòng thí nghiệm

Hình 8. Mô hình bên trong phòng thí nghiệm

Hình 9. Trạng thái quan sát chính diện với mô hình

Hình 10. Trạng thái quan sát vuông góc với mô hình

SUMMARY

AN APPROACH TO THE CONSTRUCTION LABORATORY VIRTUAL REALITY

Quan Thi Vui

1,*, Nguyen Thi Diep Hong

2

1College of Agriculture Forstry – TNU; College of Commerce and Tourism Thai Nguyen

In experimental educational role is particularly important, as an inseparable parts. Passed these

experiments, pupils grasp knowledge of an exciting, strong and deeper. In high school programs,

professional schools, vocational training the fire-related experiments appear in many fields of

physics, chemistry ... However the experiment is not always easily done in the natural

environment, the implementation of this test is sometimes difficult and dangerous for teachers and

pupils. Therefore, the use of simulation technology to recreate the virtual lab is very effective

alternative, safe. There are many methods of simulating different experiments. In the framework of

this paper we present simulation techniques by means of fire and building Particle System

Simulation experiments burning metal rods to find the thermal expansion. In terms of physical

objects and the fire is not shaped, it always should move and transform simulation methods based

on general techniques such as the current image will be very difficult to model. In this case,

Particle System test method has the advantages again superior.

Keywords: Experiments, virtual experiments, fire, fire simulation, particle.


Phản biện khoa học: PGS.TS. Đỗ Năng Toàn – Viện CNTT – Viện Hàn lâm KH&CN Việt Nam



100

Ngô Mạnh Tƣởng và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 101 - 107

101

MỘT SỐ ỨNG DỤNG CỦA ĐẠI SỐ TUYẾN TÍNH TRONG KHAI PHÁ DỮ LIỆU

Ngô Mạnh Tƣởng

1, Đàm Thanh Phƣơng

1,*, Nguyễn Tuấn Linh

2

1Trường ĐH Công nghệ Thông tin và Truyền thông – ĐH Thái Nguyên 2Trường Cao đẳng Kinh tế Tài chính Thái Nguyên

TÓM TẮT Ý tƣởng và thuật toán từ số đại số tuyến tính đóng vai trò quan trọng trong một số lĩnh vực khai

phá dữ liệu. Bài báo trình bày phƣơng pháp sử dụng đại số tuyến tính trong khai thác văn bản và

tính toán hạng các trang cho các công cụ tìm kiếm web. Trọng tâm là phƣơng pháp chiết xuất

thông tin từ một ma trận dữ liệu bằng cách giảm hạng của ma trận. Xấp xỉ hạng của các ma trận

bằng cách sử dụng phân tích giá trị riêng và phƣơng pháp giá trị riêng để phân tích mạng.

Từ khoá: Khai phá dữ liệu, khai thác văn bản, đại số tuyến tính, ma trận, vectơ, giá trị riêng.

GIỚI THIỆU*

Khai phá dữ liệu là một khoa học liên ngành

sử dụng nhiều kỹ thuật trong khoa học máy

tính, thống kê, phân tích dữ liệu, nhận dạng

mẫu, đặc biệt là các kiến thức về đại số tuyến

tính và tối ƣu. Các kỹ thuật sử dụng đại số

tuyến tính nhận đƣợc nhiều sự quan tâm của

các tác giả, đặc biệt trong lĩnh vực khai thác

thông tin trong [1,2,3, 8, 13] và phân tích

mạng trong [11, 14, 16]. Mục đích của bài

báo là trình bày một số lĩnh vực khai phá dữ

liệu trong đó kỹ thuật đại số tuyến tính đóng

vai trò quan trọng.

Bài báo gồm 3 phần nhƣ sau: Phần 1 là phần

giới thiệu; Phần 2 trình bày ứng dụng của ma

trận, vectơ trong khai phá dữ liệu; Phần 3

trình bày phƣơng pháp sử dụng giá trị riêng

trong tính toán hạng các trang web. Cuối cùng

là phần kết luận.

MA TRẬN, VECTƠ TRONG KHAI PHÁ

DỮ LIỆU

Mục đích của bài toán chiết xuất thông tin là

để lấy tài liệu từ một cơ sở dữ liệu tài liệu phù

hợp nhất với yêu cầu truy vấn. Các kỹ thuật

của Đại số tuyến tính đƣợc sử dụng phù hợp

với từ vựng đơn giản và cũng cho các kỹ

thuật phù hợp với LSI (Latent Semantic

Indexing [5]). Sau đây là mô tả cách kết hợp

từ vựng đơn giản sử dụng đại số tuyến tính.

Giả sử có m từ ngữ (số hạng) và n tài liệu

trong một cơ sở dữ liệu tài liệu. m số hạng là


tập các từ ngữ trong tất cả các tài liệu. Ma

trận số hạng tài liệu A cấp m n , đƣợc lập

bằng cách coi các từ ngữ nhƣ các hàng và các

tài liệu nhƣ các cột. Phần tử ija của ma trận

A bằng 1 nếu từ ngữ i có mặt trong tài liệu

j , bằng 0 trong trƣờng hợp còn lại.

Vectơ truy vấn q cấp 1m đƣợc hình thành

bằng cách xét các từ ngữ mà ngƣời dùng quan

tâm. Phần tử thứ i của q bằng 1 nếu ngƣời

dùng quan tâm đến từ ngữ i , bằng 0 với các

trƣờng hợp khác. Ta có thể tìm thấy các tài

liệu phù hợp với từ ngữ truy vấn bằng cách

tính cosin của góc giữa vectơ tài liệu và vectơ

truy vấn, nó cho khoảng cách về mối liên

quan giữa hai vectơ này.

Xét ma trận số hạng tài liệu A . Ma trận µA

đƣợc lập từ A bằng cách tỷ lệ mỗi cột của A

để tất cả các vectơ cột là các vectơ đơn vị.

Các cột của cơ sở dữ liệu ma trận µA đƣợc

tính bằng công thức

$ 1, 1,2, ,K

j j

j

a a j na

.

Vectơ truy vấn q cũng đƣợc chuẩn hóa để trở

thành vectơ đơn vị. Đặt µATy q khi đó

$ cosi

T

i iy q a , với i là góc giữa vectơ

đơn vị q và $ia . Nếu cos i gần 1 hơn thì tài

liệu thứ i là tốt đối với vectơ truy vấn q .

Ví dụ 1. Ma trận số hạng tài liệu đƣợc sử

dụng trong truy vấn thông tin. Xét các thiết

lập sau đây của 5 tài liệu trong bảng 1.


102

Bảng 1. Bảng tài liệu.

Terms Documents:

T1: bak(e, king)

T2: recipes

T3: bread

T4: cake

T5: pastr(y, ies)

T6: pie

D1: How to Bake Bread Without Recipes

D2: The Classic Art of Viennese Pastry

D3: Numerical Recipes: The Art of Scientific Computing

D4: Breads, Pastries, Pies and Cakes: Quantity Banking Recipes

D5: Pastry: A Book of Best French Recipes

Ta có ma trận số hạng tài liệu

µ

1 0 0 1 0

1 0 1 1 1

1 0 0 1 0

0 0 0 1 0

0 1 0 1 1

0 0 0 1 0

A .

Chuẩn hóa ma trận số hạng tài liệu ta đƣợc

0,5774 0 0 0,4082 0

0,5774 0 1 0,4082 0,7071

0,5774 0 0 0,4082 0

0 0 0 0,4082 0

0 1 0 0,4082 0,7071

0 0 0 0,4082 0

A .

Với vectơ truy vấn q , tìm cột ja của A

thỏa mãn dist , jq a tol , trong đó

2

2 2

, kho¶ng c¸ch Euclidean

dist , 1 cos , 1

arccos ,

T

x y

x yx y x y

x y

x y

Truy vấn: baking bread

$

1 0,7071

0 0

1 0,7071,

0 0

0 0

0 0

q q

0,7071 0 0,7071 0 0 0Tq .

Do đó

2 2

cos ,Tx y

x y tolx y

, với

1x y . Suy ra cosin mỗi cột của A là

0,8165 0 0 0,5772 0Tq A .

Với mức 0,5tol ta có hai tài liệu D1, D4

thỏa mãn.

LSI cũng tính cosin của góc giữa vectơ tài

liệu và vectơ truy vấn. LSI tính cosin của góc

trong việc giảm hạng của không gian vectơ tài

liệu. Nó sử dụng phƣơng pháp phân tích giá

trị riêng SVD (Singular Value

Decomposition) trong [9], để giảm hạng của

không gian vectơ tài liệu. Chi tiết của LSI

cùng với một ví dụ có thể đƣợc tìm thấy trong

[5] và [1]. Sau đây là lý thuyết phân tích giá

tri riêng.

Định lý 1 (Định lý 2.5.2 [9]). Nếu m nA ¡

và rank A r thì ta có thừa số

TA U V ,

trong đó ,m m n nU V¡ ¡ là các ma trận

trực giao và ij

là ma trận cấp m n

với các phần tử nằm ngoài phần đường chéo

chính bằng 0 và

11 22 1, 1 0rr r r qqL L ,

với min ,q m n hay 0

0, trong đó

0 là ma trận chéo

0 11 22diag , , , ,qqK

11 22 1, 1 0rr r r qqL L .

Chú ý:


103

- Các số 11 22, , , rrK là các căn bậc 2 của

các giá trị riêng dƣơng của TA A và nhƣ vậy

nó là duy nhất. Các số đó đƣợc gọi là các giá

trị riêng của A .

- Các cột của V là các vectơ riêng của TA A ,

các cột của U là các vectơ riêng của TAA .

- Tích TA U V là phƣơng pháp phân tích

giá trị riêng SVD của A .

- Chia 1 2, , , mU u u uK và

1 2, , , nV v v vK vào các cột và ta có mở

rộng của tích TA U V là

11 1 1 22 2 2

T T T

rr r rA u v u v u vL .

Định lý 2 (Định lý 2.5.3 [9]). Cho m nA ¡ ,

rank A r , TA U V là phân tích giá trị

riêng của SVD của A . Giả sử

0T

k k k kA U V k r là ma trận cấp

m n , trong đó kU là ma trận cấp m k ,

gồm k cột đầu tiên của , kU V là ma trận cấp

n k gồm k cột đầu tiên của V và k là

ma trận chéo cấp k k , có các phần tử chéo

là k giá trị riêng lớn nhất của A . Khi đó

2 2 2

1 2 Lk k k rFA A

limFrank B k

A B

với T

k k k kB A U V .

Chứng minh định lý 1, 2 (xem [9], ch. 2)

Ma trận kA trong định lý 2 có hạng bằng k

là xấp xỉ của ma trận A có hạng bằng r nhƣ

sau:

11 1 1 22 2 2

T T T

k kk k kA u v u v u vL .

Điều đó có đƣợc bằng cách bỏ đi r k số

hạng cuối của ma trận A .

Xét ma trận số hạng tài liệu A , đƣợc phân

tích thành 3 ma trận , ,U V trong việc sử

dụng SVD. SVD đƣa ra dạng cấu trúc nghĩa

tiềm ẩn từ 3 ma trận thành phần , ,U V .

Khi đó ma trận kA sử dụng k giá trị riêng

lớn nhất đƣợc miêu tả trong định lý 2. Việc sử

dụng k giá trị riêng lớn nhất là xấp xỉ ma

trận số hạng tài liệu ban đầu A bởi kA . Đó là

cách giảm số chiều của không gian vectơ tài

liệu ban đầu. Vectơ truy vấn %q trong việc

giảm k không gian đƣợc tính toán nhƣ sau:

% 1T

k kq q U .

Vectơ truy vấn %q sẽ đƣợc so sánh với tất cả

các vectơ tài liệu. Để so sánh với vectơ truy

vấn %q , ta cần tính các vectơ tài liệu trong

việc rút gọn k không gian. Cột thứ j của

ma trận kA cho bởi k jA e , trong đó vectơ je

là cột thứ j của ma trận đơn vị cấp n n .

Vectơ ° jd của tài liệu thứ j trong việc rút

gọn k không gian đƣợc tính nhƣ sau:

° 1T

j k j k kd A e U , 1,2, ,Kj n .

Cosin của góc giữa vectơ truy vấn %q với

vectơ tài liệu ° jd đƣa ra khoảng cách về mối

liên hệ này. Cosin đƣợc tính bởi công thức

° %

° %2 2

cos

T

j

j

j

d q

d q, 1,2, ,Kj n .

Ví dụ 2. Ta trở lại ví dụ 1, sử dụng SVD. Ma

trận TA U V , trong đó:

0,2670 0,2567 0,5308 0,2847 0,7071 0

0,7479 0,3981 0,5249 0,0816 0 0

0,2670 0,2576 0,5308 0,2847 0,7071 0

0,1182 0,0127 0,2774 0,6394 0 0,7071

0,5198 0,8423 0,0838 0,1158 0 0

0,1182 0,0127 0,2774 0,6394 0 0,7071

U

1,6950 0 0 0 0

0 1,1158 0 0 0

0 0 0,8403 0 0

0 0 0 0,4195 0

0 0 0 0 0

0 0 0 0 0

0,4366 0,4717 0,3688 0,6715 0

0,3067 0,7549 0,0998 0,2760 0,5000

0,4412 0,3568 0,6247 0,1945 0,5000

0,4909 0,0346 0,5711 0,6571 0

0,5288 0,2815 0,3712 0,0577 0,7071

V


104

Do là ma trận có hạng bằng 4, có 4 giá trị

riêng khác không và hai hàng bằng 0. 4 cột

đầu của U tạo thành một cơ sở không gian

cột của A . Áp dụng định lý 2 ta có

2 2 2

3 4 5 4 0,4195L rFA A

và

2 2 2

1 2 L rFA

2 2 2 21,6950 1,1158 0,8403 0,4195

2,2361 ,

suy ra 3

0,1876;F

F

A A

A.

Tƣơng tự

2 2 2 2 2

2 3 4 3 4L rFA A

2 20,4803 0,4195 0,9392,

suy ra 2

0,42;F

F

A A

A.

Do đó, chỉ có 19% thay đổi khi ta giảm hạng

của ma trận A từ 4 xuống 3, trong khi đó có

42% sự thay đổi khi ta giảm hạng của A từ 4

xuống 2. Sự thay đổi 19% là thay đổi nhỏ,

nhƣng 42% là thay đổi rất lớn so với dạng ban

đầu của chúng. Vậy việc giảm ma trận A từ

4 xuống 3 là tốt hơn.

Vậy ta có 3 3 3 3

TA U V

0,4971 0,0330 0,0232 0,4867 0,0069

0,6003 0,0094 0,9933 0,3858 0,7091

0,4971 0,0330 0,0232 0,4867 0,0069

0,1801 0,0740 0,0522 0,2320 0,0155

0,0326 0,9866 0,0094 0,4402 0,7043

0,1801 0,0740 0,0522 0,2320 0,0155

Với truy vấn baking bread , sử dụng xấp xỉ

hạng ma trận A bằng 3 3A k suy ra cosin

là 3

Tq A

0,7327 0,0469 0,0330 0,7161 0,0097

Mức 0,5tol ta vẫn có hai tài liệu D1, D4

thỏa mãn.

Sử dụng giá trị riêng trong khai phá dữ

liệu

Google sử dụng các khái niệm về hạng của

các trang nhƣ là một thƣớc đo chất lƣợng của

các trang web. Nó đƣợc dựa trên giả thiết số

lƣợng các liên kết đến và đi từ một trang cung

cấp thông tin cho ta tầm quan trọng của trang

đó. Chúng tôi sẽ đƣa ra mô tả hạng của trang

web dựa trên (Page, Brin, Motwani và

Winograd 1998, xem [16]).

Giả sử các trang web đƣợc đặt theo thứ tự từ

1 đến n và i là một trang web cụ thể. Ký hiệu

iO là tập hợp các trang mà i có liên kết

(oulinks). Số lƣợng các liên kết ngoài ký hiệu

là i iN O . Tập các liên kết đến i (inlinks)

ký hiệu là iI , là các trang có một liên kết

ngoài với i, minh họa trong hình 1.

Hình 1. Các liên kết trong và liên kết ngoài của i

Tuy nhiên, hệ thống xếp hạng chỉ dựa trên số

lƣợng liên kết trong dễ bị để điều khiển. Để

khắc phục điều này, ta xác định hạng của i

bằng cách, nếu trang j xếp hạng cao, có liên

kết ngoài tới i thì thêm vào tầm quan trọng

của i bằng các cách: Hạng của trang i là tổng

trọng số các hạng của các trang có liên kết

ngoài tới i. Trọng số nhƣ vậy hạng của trang j

đƣợc chia đồng đều cho các liên kết ngoài của

nó. Ta có công thức tính hạng của trang web

K, 1,2, ,i

j

i

j I j

rr i n

N . (3.1)

Định nghĩa (3.1) là đệ quy, vì vậy hạng của

một trang web không thể tính đƣợc trực tiếp.

Đẳng thức đƣợc xác định lại nhƣ bài toán giá

trị riêng của ma trận biểu thị cho đồ thị

Internet. Cho Q là một ma trận vuông có

kích thƣớc n và cho

1 nÕu cã liªn kÕt tõ tíi

0 víi c¸c trêng hîp kh¸c

jj

i jNd

i

Ii Oi


105

Từ định nghĩa ta có hàng i có các phần tử

khác không ở những vị trí tƣơng ứng với các

liên kết trong của i. Tƣơng tự nhƣ vậy, cột j

có các phần tử khác không, bằng jN ở

những vị trí tƣơng ứng với các liên kết ngoài

của j và trang này có các liên kết ngoài, tổng

tất cả phần tử trong cột j bằng một. Ma trận

Q đƣợc minh họa trong hình 2, các phần tử

khác không đƣợc biểu thị bằng dấu *.

*

0

çc liªn kÕt trong0 * * *

0

*

çc liªn kÕt ngoµi

j

i

M

L L

M

Hình 2. Các phần tử của ma trận Q

Công thức (3.1) đƣợc viết lại

r Qr , (3.2)

tức là; r là một vectơ riêng của Q với giá trị

riêng bằng 1.

Giả sử rằng một ngƣời lƣớt web ghé thăm

một trang web, luôn luôn chọn trang tiếp theo

với các liên kết ngoài có xác suất bằng nhau.

Bƣớc đi ngẫu nhiên này tạo ra một chuỗi

Markov với quá trình chuyển đổi ma trận T

Q .

Một chuỗi Markov là một quá trình ngẫu

nhiên, với trạng thái tiếp theo đƣợc xác định

từ trạng thái hiện tại. Vectơ riêng r của ma

trận chuyển ứng với giá trị riêng bằng 1 tƣơng

ứng với phân bố xác suất của chuỗi Markov:

Các phần tử ở vị trí i , có ir là xác suất để

bƣớc ngẫu nhiên chọn trang web i. Trang

không có liên kết ngoài tƣơng ứng với một

cột bằng không trong Q . Mô hình đƣợc sửa

đổi để cột không đƣợc thay thế bằng một giá

trị hằng số (bằng xác suất để tới bất kỳ khác

trang trong mạng). Xác định các vectơ

1 nÕu 0

0 víi çc trêng hîp kh¸c

j

j

Nd

với K1,2, ,j n và M

1

1

1

e .

Khi đó, ma trận chuyển đƣợc định nghĩa

1 TP Q ed

n . (3.3)

Bây giờ, cho P là một ma trận cột ngẫu

nhiên, nó có phần tử không âm 0P và

T Te P e . (3.4)

Tƣơng tự (3.2), ta xác định hạng vectơ của

trang web là một vectơ riêng duy nhất của P

với giá trị riêng bằng 1,

Pr r .

Tính duy nhất của giá trị riêng đƣợc đảm bảo

theo định lý Perron-Frobenius, ta sẽ chỉ ra với

trƣờng hợp đặc biệt sau đây.

Định lý 3 (Định lý 1 [11]). Cho A là một ma

trận cột ngẫu nhiên bất khả quy. Khi đó độ

lớn của giá trị riêng lớn nhất bằng 1. Tính

duy nhất của vectơ riêng r tương ứng, thỏa

mãn 0r và 1

1r , đó là vectơ riêng

không âm. Nếu 0A thì

1, 2,3, ,i

i nK .

Chứng minh. Do A là ma trận cột ngẫu

nhiên, ta có T Te A e , tức là 1 là giá trị riêng

của A . Phần còn lại của định lý đƣợc chứng

minh bằng cách sử dụng Perron-Frobenius lý

thuyết (xem [15], ch. 8).

Để đảm bảo sự liên kết, tức là không bị mắc

kẹt trong một đồ thị con, ta sẽ tạo liên kết với

tất cả các trang web khác. Ma trận các số

hạng đƣợc thực hiện bằng cách lấy một tổ hợp

của P và xếp hạng ma trận đó,

11 T

A P een

, (3.5)

với thỏa mãn 0 1 . Rõ ràng A là

bất khả quy (từ 0A ) và cột ngẫu nhiên

11

1 .

T T T T

T T T

e A e P e een

e e e


106

Sự thể hiện bƣớc ngẫu nhiên của việc thêm

một hạng là mỗi lần trang đƣợc truy cập,

ngƣời lƣớt web sẽ vào bất kỳ trang nào trong

toàn bộ các trang web với xác suất 1 .

Định lý 4 (Định lý 5.1 [14]). Giả sử các giá

trị riêng của ma trận cột ngẫu nhiên P là

K2 3

1, , , ,n . Khi đó các giá trị riêng của

ma trận

11 T

A P een

là K2 3

1, , , ,n .

(Chứng minh định lý xem [14]).

Vậy nếu P có nhiều giá trị riêng bằng 1, thì

độ lớn của vectơ riêng lớn nhất thứ 2 của A

luôn luôn là bằng . Vectơ riêng e trong

(3.5) có thể thay bằng một vectơ v không âm

với 1

1v .

Theo (3.3), P đƣợc xây dựng là

1 TP Q ed

n,

trong đó vectơ dòng d có các phần tử bằng 1

với tất cả những vị trí tƣơng ứng với các trang

web không có liên kết ngoài.

Ta có phép nhân y Az là

1 1

1,

T Ty Q ed z e e z

n n

Qz en

(3.8)

trong đó 1T Td z e z .

Tuy nhiên, ta không tính toán từ đẳng

thức này. Thay vào đó, ta sử dụng (3.7) kết

hợp với (3.8) ta đƣợc

11 T T Te Qz e e e Qz

n .

Vậy 1

1 Qz .

Ví dụ 3. Xét 6 nút web hình sau;

Ta có ma trận Google

0 1 / 2 1 / 2 0 0 0

0 0 0 0 0 0

1 / 3 1 / 3 0 0 1 / 3 0

0 0 0 0 1 / 2 1 / 2

0 0 0 1 / 2 0 1 / 2

0 0 0 1 0 0

P .

Hàng 2 của ma trận P các phần tử đều bằng 0,

vì trang web 2 không có liên kết ngoài, nên P

không phải là ma trận ngẫu nhiên, ta thêm

1 / 6 vào mỗi phần tử ở hàng 2 khi đó ta

đƣợc

1

0 1 / 2 1 / 2 0 0 0

1 / 6 1 / 6 1 / 6 1 / 6 1 / 6 1 / 6

1 / 3 1 / 3 0 0 1 / 3 0

0 0 0 0 1 / 2 1 / 2

0 0 0 1 / 2 0 1 / 2

0 0 0 1 0 0

P

Với 0,9 ta có

1

11 T

A P een

1 / 60 7 / 15 7 / 15 1 / 60 1 / 60 1 / 60

1 / 6 1 / 6 1 / 6 1 / 6 1 / 6 1 / 6

19 / 60 19 / 60 1 / 60 1 / 60 19 / 60 1 / 60

1 / 60 1 / 60 1 / 60 1 / 60 7 / 15 7 / 15

1 / 60 1 / 60 1 / 60 7 / 15 1 / 60 7 / 15

1 / 60 1 / 60 1 / 60 11 / 12 1 / 60 1 / 60

Khi đó vectơ

/T Te n

0,03721 0,05396 0,04151 0,3751 0,206 0,2862

Vậy các trang web có số điểm từ cao đến thấp

là 4, 6, 5, 3, 1. Do đó trang web 4 là quan trọng

nhất đối với truy vấn tài liệu có liên quan.

KẾT LUẬN

Bài báo tập trung chủ yếu vào phƣơng pháp

sử dụng đại số tuyến tính trong khai phá dữ

liệu, trọng tâm là việc sử dụng ma trận, vectơ,

giá trị riêng và sự phân tích giá trị riêng. Điều

đó cho thấy, phƣơng pháp sử dụng đại số

tuyến tính rất hữu ích cho phép tiếp cận vấn

đề trong thông tin và tính toán web.

1

2

3

4

5

6


107


[1].M.W.Berry, Z.Drmac, E.R.Jessup (1999),

Matrices, Vectơr Spaces, and Information

Retrieval, SIAM Rev 41:335-362.

[2].M.W.Berry, S.T.Dumais and G.W.O’Brien

(1995), Using linear algebra for intelligent

information retrieval, SIAM Rev 37:573-595.

[3].K. Blom and A. Ruhe (2005), A Krylov

subspace method for information retrieval, SIAM

J. Matrix Anal. Appl. 26, 566-582.

[4].M. Chu, R. Funderlic and G. Golub (1995), A

rank-one reduction formula and its applications to

matrix factorization, SIAM Review 37, 512-530.

[5].S.Deerwester, S.Dumais, G.Furnas,

T.Landauer and R.Harshman (1990), Indexing by

latent semantic analysis, J. American Society for

Information Science 41:391-407.

[6].G. Eckart and G. Young (1936), The

approximation of one matrix by another of lower

rank, Psychometrika 1, 211-218.

[7].G. Golub and C. Greif (2004), Arnoldi type

algorithms for computing stationary distribution

vectơrs, with application to PageRank, Technical

Report SCCM- 04-15, Department of Computer

Science, Stanford University.

[8].N. Goharian, A. Jain and Q. Sun (2003),

Comparative analysis of sparse matrix algorithms

for information retrieva', Journal of Systemics,

Cybernetics and Informatics.

[9]. G.H.Golub, C.V.Loan (1996), Matrix

Computations, 3th edition, The Johns Hopkins

University Press, Baltimore and London.

[10]. G. Golub, K. S lna and P. Van Dooren

(2000), Computing the SVD of a general matrix

product/quotient, SIAM J. Matrix Anal. Appl. 22,

1-19

[11]. T. Haveliwala and S. Kamvar (2003b), The

second eigenvalue of the Google matrix, Technical

report, Computer Science Department, Stanford

University.

[12]. C. Van Loan (1976), Generalizing the

singular value decomposition, SIAM J.Numer.

Anal. 13, 76-83.

[13]. A. N. Langville and C. D. Meyer (2005b), A

survey of eigenvectơr methods for web

information retrieval, SIAM Review 47, 135-161.

[14]. A. Langville and C. Meyer (2005a), Deeper

inside PageRank, Internet Mathematics 1, 335-

380.

[15]. C. Meyer (2000), Matrix Analysis and

Applied Linear Algebra, SIAM, Philadelphia.

[16]. L. Page, S. Brin, R. Motwani and T.

Winograd (1998), The PageRank citation ranking:

Bringing order to the Web, Stanford Digital

Library Working Papers.

SUMMARY

SOME APPLICATIONS OF LINEAR ALGEBRA IN DATA MINING

Ngo Manh Tuong

1, Dam Thanh Phuong

1,*, Nguyen Tuan Linh

2

1College of Information and Communication Technology – TNU 2ThaiNguyen college of Economics and Finance

Ideas and algorithms from linear algebra are important in several areas of data mining. This paper

give an overview of using linear algebra methods in text mining and Pagerank computations for

web search engines. The emphasis is on rank reduction as a method of extracting information from

a data matrix, low rank approximation of matrices using the singular value decomposition and on

eigenvalue methods for network analysis.

Keywords: Data mining, text mining, linear algebra, matrice, vectơr, eigenvalue.


Phản biện khoa học: TS. Nguyễn Văn Tảo – Trường ĐH CNTT&TT – ĐHTN



108

Bùi Văn Chung và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 109 - 113

109

ĐIỀU KHIỂN MÔ HÌNH NỘI THÍCH NGHI MÔ HÌNH NHẬN DẠNG ONLINE

Bùi Văn Chung

*, Đỗ Thị Mai, Lê Thị Thu Huyền


TÓM TẮT Phƣơng pháp điều khiển mô hình nội IMC đã đƣợc ứng dụng rất rộng rãi cho hệ thống tuyến tính

và đã thu đƣợc nhiều kết quả to lớn nhờ những ƣu việt của bộ điều khiển IMC. Tuy nhiên trong

thực tế hệ thống có những tác động không mong muốn ở đầu vào và đầu ra (nhiễu ngẫu nhiên) làm

cho việc ứng dụng bộ điều khiển IMC là không thực thi. Để khắc phục nhƣợc điểm đó, trong bài

báo nhóm tác giả sẽ trình bày phƣơng pháp kết hợp sử dụng giữa bộ điều khiển mô hình IMC và

thuật toán nhận dạng online cho lớp các mô hình biến đổi để thu đƣợc những kết quả mới.

Từ khóa: Phương pháp IMC, nhận dạng online, nhận dạng hệ thống, mô hình nội, bộ điều khiển IMC.

ĐẶT VẤN ĐỀ*

Ta đã biết mô hình nội (IMC – Internal Model

Controller) đã đƣợc Morari và Zafriou phát

triển năm 1989 và đƣợc ứng dụng rất nhiều

trong thực tế. Những ƣu điểm của điều khiển

mô hình nội nhƣ: hệ thống ổn định chi phụ

thuộc vào đối tƣợng và bộ điều khiển, khả

năng khử nhiễu tốt, ổn định cao.... Song ta chỉ

có thể áp dụng đƣợc bộ điểu khiển IMC nếu

biết chính xác mô hình toán học của đối

tƣợng. Trong trƣờng hợp không biết rõ đặc

tính của đối tƣợng hay đối tƣợng là hệ không

ổn định thì không thể áp dụng đƣợc bộ điều

khiển IMC. Khi đó cần kết hợp bộ điều khiển

IMC với một phƣơng pháp khác để vừa tận

dụng đƣợc những ƣu điểm của bộ điều khiển

IMC vừa có khả năng mở rộng đƣợc lớp bài

toán ứng dụng. Trong bài báo này, nhóm tác

giả đề xuất phƣơng pháp nhận dạng online kết

hợp với bộ điều khiển IMC để điều khiển hệ

thống có nhiễu ngẫu nhiên tác động vào sao

cho kết quả đầu ra bám theo giá trị đặt khi

không hiểu rõ ràng về đối tƣợng điều khiển.

Kết quả của đề tài có tính ứng dụng cao trong

thực tế cho cả hệ tuyến tính, phi tuyến có

nhiễu tác động ngẫu nhiên.

PHƢƠNG PHÁP ĐIỀU KHIỂN THEO

NGUYÊN LÝ MÔ HÌNH NỘI

Xét hệ điều khiển vòng hở nhƣ trên hình 1.

Trong đó q(s) là bộ điều khiển nhằm điều

khiển đối tƣợng Gp(s). Gọi ~

( )pG s là mô hình


của quá trình cần điều khiển. Hiển nhiên nếu

giả sử rằng nếu sử dụng bộ điều khiển cân

bằng mô hình, mô tả bởi ~

1q( ) ( )ps G s thì

hệ điều khiển theo vòng hở trong hình 1 sẽ

đảm bảo những chất lƣợng cơ bản mong

muốn nhƣ ổn định, sai lệch tĩnh bằng 0…song

vì nhiều lý do nhƣ hệ không nhân quả, hệ bị

nhiễu n(t) tác động thêm ở đầu ra hay mô

hình của đối tƣợng là không chính xác mà bộ

điều khiển q(s) không thể thực thi cũng nhƣ

không sử dụng đƣợc.

Hình 1. Cấu trúc hệ điều điều khiển vòng hở

Do vậy, phƣơng pháp điều khiển vòng hở

kiểu IMC không đáp ứng đƣợc việc duy trì

đầu ra (output) bằng giá trị đặt (input). Chiến

lƣợc điều khiển IMC đƣợc mô tả nhƣ sau:

Hình 2. Cấu trúc mạch vòng kín điều khiển IMC

Danh sách hàm truyền thay đổi thể hiện trong

sơ đồ khối IMC đƣợc cho ở dƣới.

q(s) ( )G sp

setpoint output


110

Với ( )d s : nhiễu; ( )d s% : nhiễu đƣợc ƣớc

lƣợng; ( )pg s : quá trình; ( )pg s% : mô hình quá

trình; ( )q s : bộ điều khiển mô hình nội; ( )r s :

điểm đặt; ( )r s% : điểm đặt đƣợc điều chỉnh;

( )u s : đầu vào đƣợc điều khiển (đầu ra bộ

điều khiển); ( )y s : đầu ra quá trình đƣợc

đo; ( )y s% : đầu ra mô hình.

Trong sơ đồ trên thì d(s) là nhiễu không xác

định tác động vào hệ thống. Đầu ra Y(s) đƣợc

so sánh với đầu ra của mô hình U(s) và tạo tín

hiệu^

( )d s đƣa về so sánh với giá trị đặt, ^ ~

( ) . ( ) ( )( ) ( )p pd s U s d sG s G s

Nếu d(s) = 0 thì giá trị ^

( )d s chính là đại

lƣợng đặc trƣng cho sai lệch giữa quá trình và

mô hình của nó. Khi Gp(s) = ~

( )pG s thì

^

( )d s chính là nhiễu không xác định. Bởi vì

^

( )d s liên quan đên sai lệch mô hình ~

( )pG s

nên nó đƣợc dùng để nâng cao chất lƣợng

điểu khiển. Ở đây giá trị sai lệch E(s) đƣợc

tính: E(s) = R(s) -^

( )d s , khi đó tín hiệu điều

khiển đƣợc xác định nhƣ sau: ~^

( ) . ( ) ( ) . ( ) ( ) . ( )( ) ( )( ) ( ) c cppU s G s R s U s d S G sG s G sR s d s

(1.3)

Bằng phép biến đổi ta thu đƣợc:

~

. ( )( ) ( )( )

1 . ( )( ) ( )

c

cp p

G sR s d sU s

G sG s G s

(1.4)

Do có đầu ra quá trình:

Y(s) = Gp(s).U(s) + d(s), nên hàm truyền của

sơ đồ điều khiển IMC mạch vòng kín là:

~

. ( ). ( )( ) ( )( ) ( )

1 . ( )( ) ( )

c p

cp p

G s G sR s d sY s d s

G sG s G s

(1.5)

Từ (1.4) và (1.5) ta có: ~

~

( ). ( ). ( ) . ( )1 ( ). ( )( )

1 . ( )( ) ( )

c p pc

cpp

G s G s R s d sG s G sY s

G sG s G s

(1.6)

Từ biểu thức (1.6) chúng ta có thể thấy rằng

nếu q(s) = ~

1( )pG s và nếu Gp(s) = ~

( )pG s ,

thì có thể loại bỏ hoàn toàn nhiễu và quá trình

điều khiển là hoàn hảo. Và cũng nhìn vào đó

về mặt lý thuyết mặc dù Gp(s) ≠~

( )pG s thì

vẫn có thể loại bỏ hoàn toàn nhiễu nếu có q(s)

= ~

1( )pG s . Nhƣ vậy có thể đƣa đến sơ đồ

nhƣ hình 3.

Hình 3. Sơ đồ rút gọn

Trong hình 3 đƣờng nét chấm biểu thị những

tính toán của IMC.

Yêu cầu về tính thực hiện đƣợc của q(s) trong

bộ điều khiển IMC là phải thỏa mãn các tiêu chí

tính ổn định, tính hợp thức, tính nhân quả.

Nhƣ vậy bộ điều khiển IMC với hàm truyền

q(s) trong sơ đồ cấu trúc ở hình 2.2 có nhiễu

tần số cao d(s) tác động ở đầu ra, đƣợc thiết

kế theo các bƣớc sau:

1) Xác định hàm truyền ~

( )pG s

của đối

tƣợng điều khiển.

2) Xác định bộ điều khiển q(s) theo công

thức q(s) = ~

1( )pG s . Trong trƣờng hợp

không nghịch đảo đƣợc, ngƣời ta viết tách

( )pg s% thành hai phần :

( ) ( ) ( )p p pg s g s g s% % % với ( )pg s% là thành

phần không nghịch đảo đƣợc và ( )pg s% là

thành phần khả nghịch thì có 1( ) ( )pq s g s% % thì ( )q s% theo cách thực hiện

trên cũng là ổn định và nhân quả.

3) Bổ sung q(s) với mạch lọc f(s) có dạng 1

( )( 1)n

f ss

với λ hằng số thời gian và

n là bậc của bộ lọc. Bộ điều khiển bây giờ trở


111

thành 1( ) ( ) ( ) ( ) ( )pq s q s f s g s f s% % , phần

thêm vào này cần ổn định, nhân quả và hợp

thức. Chú ý rằng bậc n càng lớn, tín hiệu

nhiễu sẽ đƣợc lọc càng tốt về mặt biên độ,

song sai lệch pha ở chế độ xác lập khi tín hiệu

vào u(t) có dạng điều hòa sẽ càng cao.

4) Xác định bộ điều khiển mô hình nội q(s)

theo công thức trên.

NHẬN DẠNG BỊ ĐỘNG THAM SỐ

MÔ HÌNH

Bài toán nhận dạng bị động hay còn gọi là

nhận dạng on-line. Trong bài toán này thì tín

hiệu đầu vào u(t) không đƣợc biết trƣớc, để

nhận dạng đƣợc ta phải đo cả tín hiệu vào u(t)

và tín hiệu ra y(t).

Xét bài toán nhƣ sau: cho đối tƣợng đƣợc mô

tả bởi hình 3, giả thiết là tuyến tính, dƣới

dạng phƣơng trình sai phân. Từ các giá trị đã

đo đƣợc của các tín hiệu đầu vào là { }ku và

của các tín hiệu đầu ra {y }k , k=0…N, hãy

xác định các tham số 1 1, ,..., , ,...,

a bn nK a a b b

của mô hình sao cho sai lệch giữa mô hình và

đối tƣợng là nhỏ nhất.

Hình 4. Mô hình bài toán nhận dạng bị động

Để giải quyết vấn đề này có hai cách [2]:

Cách 1: Nhận dạng các tham số

1 1, ,..., , ,...,a bn nK a a b b trực tiếp từ dãy các giá

trị đo đƣợc { }ku , {y }k sao cho tổng bình

phƣơng sai lệch mở rộng giữa mô hình và đối

tƣợng là nhỏ nhất.

Cách 2: Chuyển bài toán về dạng chủ động và

sử dụng các thuật toán nhận dạng chủ động

tham số mô hình đã biết.

Trong bài báo này ta chọn cách 1.

Từ hình 2.3 ta có phƣơng trình hàm truyền [1]: 1

1

1

1

1 ...( )( )

( ) 1 ...

b

b

a

a

n

n

n

n

b z b zY zG z K

U z a z a z

(1.7)

Để đơn giản ta chuyển thành 1

0 1

1

1

.... ( )( )

( )1 ...

b

b

a

a

n

n

n

n

b b z b z B zG z

A za z a z

% % % (1.8)

So sánh ta có đƣợc:

0, 0,...., ; 1i i bb Kb i n b% .

Dạng tƣơng đƣơng của 1

0bn

n k n k

k

c b c với

1n đƣợc viết trực tiếp theo quan hệ vào ra

của tín hiệu trong miền thời gian là:

1 1 0 1 1... ...a a b bk k n k n k k n k ny a y a y b u b u b u% % %

và chỉ đúng khi ( ) 0n t và các giá trị đo

đƣợc { }ku , {y }k là chính xác. Song trong

thực tế vẫn tồn tại sai số tức là có

1

1 0

a bn n

k i k i k i

i i

y a u b u% . Kí hiệu sai số là

e(t) thì 1

1 0

( )a bn n

k i k i k i

i i

e t y a u b u%

Giá trị tổng bình phƣơng sai lệch mở rộng đó

đƣợc viết thành [1]:

2 2

1

1

( )a a

N N N

k k i k i k i

k n k n i

Q e y a y b u% (1.10

) trong đó để chỉ những giá trị ku , ky đã đo

trong khoảng k = 0,1,2…N tham gia vào thuật

toán thì ke phải có ,...,ak n N tức là

aN n , bài toán đƣợc phát biểu lại nhƣ sau:

trên cơ sở quan sát các tính hiệu vào/ra, hãy

xác định 1 0,.., , ,...,

a bn na a b b% % sao cho

minQ .

Ký hiệu các vecto:

1

1 0

1 1 1

0

1

... ... ...

... ....... , ,

... ... ... ... ... ...

... ... ....

a a a b

a

aa a a a

a b

b

n n n n

nn

n n n n

N

N N n N N n

n

a

y y u uy

a y y u uy p M

by

y y u u

b

%

%

(1.11)


112

Giải hệ kết hợp (1.10) và (1.11) ta sẽ có

( ) ( )T T T T T T TQ y Mp y Mp y y y Mp p M y p M Mp

Giả thiết thêm ma trận vuông TS M M

không suy biến thì, 1 ( ) ( )T T T T T TQ y y y MS M y M y Sp M y Sp

Đẳng thức trên có thành phần thứ ba bên vế

phải là thành phần duy nhất chƣa vecto p phải

tìm. Bởi vậy, do S xác định tƣơng đƣơng nên

Q sẽ nhận gái trị nhỏ nhất khi và chỉ khi. 10 T TM y Sp p S M y

(1.12)

Đây chính là công thức xác định các tham số

của mô hình.. Từ đó đi đến thuật toán nhƣ

sau:

1) Lập vector y

và ma trận M, S từ dãy các

giá trị { }ku

, {y }k , k=0,…,N đã đo đƣợc của

tín hiệu.

2) Kiểm tra tính không suy biến cũng nhƣ

tính xác định dƣơng của ma trận S.

3) Tính vector p

của tham số mô hình . Có

thể sử dụng hàm cholesky() để giải hệ

phƣơng trình tuyến tính này.

MÔ PHỎNG

Xem xét lại mô hình nhƣ hình 2 ở đây giả sử

rằng đối tƣợng không biết trƣớc, ta sử dụng

thuật toán nhận dạng để xác định đƣợc mô

hình của đối tƣợng. Nhƣ vậy giữa đối tƣợng

và mô hình đối tƣợng sẽ tồn tại một sai lệch

e(t). Ta sẽ thực hiện nhận dạng online cho mô

hình của đối tƣợng và sử dụng vòng điều

khiển kín và bộ điều khiển IMC để điều khiển

đối tƣợng sao cho đầu ra có sai lệch nhỏ nhất

so với đầu vào. Bài toán mô phỏng trên

Matlab Simulink [3],[4].

Mô hình mô phỏng khi Gp(s) =

~

( )pG s

Hình 5. Mô hình vòng hở

Hình 6. Mô hình vòng kín

Kết quả mô phỏng:

Hình 7. Không sử dụng bộ điều khiển IMC

Khi mô hình và đối tƣợng là nhƣ nhau thì đáp

ứng đầu ra là nhƣ nhau.

Hình 8. Kết quả mô phỏng khi mô hình và đối

tượng bằng nhau(sử dụng IMC)

Kết quả đáp ứng đầu ra khi sử dụng bộ điều

khiển IMC điều khiển khi mô hình và đối

tƣợng bằng nhau.

Trong bài toán này ta sử dụng thuật toán nhận

dạng online kết hợp bộ điều khiển IMC để

điều khiển mô hình. [2]. Sơ đồ khối mô

phỏng nhƣ trên hình 9.

Sau khi thực hiện việc nhận dạng mô hình

cho đối tƣợng và thiết kế bộ điều khiển IMC

theo mô hình đối tƣợng nhận dạng đƣợc và


113

điều khiển đối tƣợng thì có kết quả đáp ứng

đầu ra với nhiễu ngẫu nhiên tác động ở đầu ra

nhƣ trên hình 10.

Hình 9. Mô hình đối tượng khi kết hợp IMC và

thuật toán nhận dạng online

Hình 10. Kết quả đầu ra khi kết hợp IMC và

thuật toán nhận dạng online

Ta thấy rằng bộ điều khiển IMC làm cho hệ

thống bám giá trị đặt rất tốt mặc dù cho nhiễu

tác động vào hệ thống.

KẾT LUẬN

Nhƣ vậy với việc sử dụng bộ điều khiển IMC

với những ƣu điểm của nó đã đƣợc kiểm

chứng và ứng dụng trong hệ thống ổn định

tuyến tính kết hợp với điều khiển online – điều

khiển thích nghi đã mở rộng đƣợc lớp bài toán

ứng dụng cho bộ điều khiển IMC và ứng dụng

rộng rãi hơn trong lý thuyết và thực tế.

Trong giới hạn của đề tài, nhóm tác giả đã

tìm hiểu đƣợc bộ điều khiển mô hình nội,

thuật toán xây dựng bộ điều khiển mô hình

nội, thuật toán nhận dạng online và mô

phỏng mô hình…tiếp theo nhóm tác giả tiếp

tục nghiên cứu để mở rộng mô phỏng cho

một đối tƣợng vật lý cụ thể để có đƣợc kết

quả thuyết phục hơn.


[1]. Nguyễn Doãn Phƣớc, (2001). Lý thuyết điều

khiển tuyến tính. Nxb Khoa học và Kỹ thuật.

[2]. Nguyễn Doãn Phƣớc, Phan Xuân Minh,

(2001). Nhận dạng điều khiển. Nxb Khoa học và

Kỹ thuật.

[3]. Nguyễn Phùng Quang, (2004). Matlab và

Simulink dành cho kỹ sư điều khiển tự động. Nxb

Khoa học và Kỹ thuật.

[4]. B.Wayne Bequette, Process Control

Modelling, Design and Simulation, Prentice Hall

International Series in the Physical and Chemical

Engineering Sciences.

SUMMARY

INTERNAL MODEL CONTROL FOR ADAPTING WITH IDENTIFICATION

MODEL ONLINE Bui Van Chung

*, Do Thi Mai, Le Thi Thu Huyen


Method of control the IMC model has been widely applied to linear systems and got great results

by the best features (characteristics)of internal model control. But in the practice, using the IMC in

the random systems is difficult and sometime this is imppossible to get desire results. In this

article, the author show method of using the IMC model combines with identification algorithm

online for refomative models to getting news resutls, which have possible application

Keywords: IMC method, identification online, identification systems, internal model control, the

IMC model.


Phản biện khoa học: TS. Nguyễn Duy Minh – Trường ĐH CNTT&TT – ĐHTN



114

Vũ Khánh Quý và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 115 - 121

115

CHUYỂN GIAO TRONG HỆ THỐNG MẠNG WLAN\LTE

DỰA TRÊN GIAO THỨC IEEE 802.21

Vũ Khánh Quý

1,*, Nguyễn Chiến Trinh

2, Hồ Khánh Lâm

1

1Đại học Sư phạm Kỹ thuật Hưng Yên 2Học viện Công nghệ Bưu chính Viễn thông

TÓM TẮT Các dịch vụ đa phƣơng tiện chạy trên nền mạng thông tin di động yêu cầu tốc độ và băng thông

ngày càng lớn. Để giảm tải và tăng cƣờng năng lực tổng thể của mạng di động, liên mạng giữa

mạng cục bộ không dây (WLAN) và mạng tế bào (Cellular) đƣợc xem xét. Trong liên mạng

Cellular / WLAN, hiệu năng của toàn hệ thống liên quan chặt chẽ với độ trễ của tiến trình bàn giao

dọc giữa hai mạng. Một cơ chế kích hoạt chuyển giao giữa hai mạng làm giảm độ trễ của toàn bộ

tiến trình bàn giao, từ đó tăng hiệu quả toàn hệ thống là vấn đề cần đƣợc nghiên cứu. Trong bài

báo này, chúng tôi đề xuất một cơ chế kích hoạt thực hiện chuyển giao giữa hai mạng (DR-HTM)

dựa trên chuẩn chuyển giao độc lập với môi trƣờng 802.21 MIH (802.21 Media Independent

Handover) để tối ƣu hóa công suất của cả hai mạng WLAN và mạng Cellular. Trong DR-HTM,

bất cứ khi nào một nút di động phát hiện ra WLAN, nó kiểm tra đƣợc tốc độ truyền của mạng

WLAN bằng cách sử dụng dịch vụ MIH từ xa. Dựa trên các thông tin, nút di động quyết định thực

hiện chuyển giao. Để đánh giá hiệu năng của DR-HTM, chúng tôi đã thực hiện mô phỏng cơ chế

kích hoạt chuyển giao dựa trên tốc độ dữ liệu và cƣờng độ tín hiệu. Kết quả trả về cho thấy, tải của

mạng Cellular đƣợc chia sẻ hiệu quả với mạng WLAN và năng lực tổng thể mạng lƣới đƣợc tối ƣu

bằng cách sử dụng DR-HTM.

Từ khóa: WLAN, LTE, Vertical Handover.

TỔNG QUAN*

Hiện nay, điện thoại thông minh với các ứng

dụng đa phƣơng tiện đƣợc sử dụng phổ biến

trên toàn cầu dẫn đến nhu cầu truy cập tốc độ

dữ liệu cao trên hệ thống mạng di động ngày

càng tăng cao. Theo một khảo sát của Bộ

Thông tin và Truyền thông về mức độ hài

lòng của ngƣời dùng di động tại Việt Nam

vào ngày 10/05/2013 cho thấy, số ngƣời dùng

các dịch vụ đa phƣơng tiện trên thiết bị

Smartphone tại Việt Nam tăng gần 5 lần so

với năm 2011, trong đó 70% khách hàng lựa

chọn nhà cung cấp dịch vụ dựa trên chất

lƣợng kết nối và tốc độ mạng; mặt khác, trên

50% khách hàng phàn nàn về chất lƣợng dịch

vụ mạng chƣa ổn định cho các ứng dụng cần

đảm bảo QoS [1]. Tuy nhiên, đây là một vấn

đề các nhà cung cấp dịch vụ đang gặp nhiều

khó khăn do chi phí cao. Để nâng cao năng

lực của mạng di động với những thay đổi nhỏ

và chi phí thấp, thực hiện kết hợp ƣu điểm

giữa mạng di động và mạng LAN không dây


(WLAN) đã đƣợc coi là giải pháp tốt [2] -

[4]. Mạng WLAN theo chuẩn IEEE 802.11

cung cấp tốc độ truyền dữ liệu cao, trong khi

vùng phủ sóng dịch vụ của nó là tƣơng đối

nhỏ và tính di động thấp, mặt khác, mạng di

động phủ sóng hầu hết các khu vực, hỗ trợ

tính di động cao nhƣng tốc độ dữ liệu chỉ ở

mức tƣơng đối và thấp hơn rất nhiều so với

mạng WLAN. Vì vậy, tích hợp các ƣu điểm

nổi trội của mạng WLAN và mạng di động sẽ

đem lại nhiều lợi ích cho cả ngƣời dùng và

nhà cung cấp dịch vụ [2] - [5]. Đặc biệt, các

mạng di động có thể tăng số ngƣời dùng với

tốc độ dữ liệu cao bằng cách chia sẻ tải lƣu

lƣợng của nó cho WLAN.

Trong mạng thông thƣờng, để thông tin một

nút di động (MN) có thể vào đƣợc trong môi

trƣờng WLAN, chúng sử dụng cơ chế kích

hoạt chuyển giao dựa trên cƣờng độ tín hiệu

(RSS) đo đƣợc từ phía MN [6]. Tuy nhiên,

trong liên mạng WLAN / Cellular, rất khó để

so sánh giá trị tuyệt đối của RSS từ trạm gốc

của tế bào (BS) và điểm truy cập (AP) của

mạng WLAN do đặc điểm của giao diện vật


116

lý của chúng là hoàn toàn khác nhau [10]. Để

giải quyết vấn đề này, IEEE đã chuẩn hóa

chuẩn 802.21, chuẩn chuyển giao độc lập với

môi trƣờng [11]. IEEE 802.21 định nghĩa một

số dịch vụ độc lập với môi trƣờng truyền

thông, cho phép MN thu đƣợc thông tin từ các

mạng không đồng nhất. Trong liên mạng

WLAN / Cellular, MN có thể thu đƣợc thông

tin động từ AP của WLAN và quyết định thực

thi bàn giao một cách hiệu quả dựa trên IEEE

802.21.

Hình 1. Mô hình tham chiếu MHIF

Trong bài báo này, để tối đa hóa công suất liên mạng WLAN / Cellular, chúng tôi đề xuất một cơ chế kích hoạt chuyển giao dọc DR-HTM dựa trên 802.21 MIH. Trong DR-HTM, bất cứ khi nào một MN phát hiện ra WLAN, nó yêu cầu và nhận đƣợc tốc độ truyền dữ liệu hiện tại AP / WLAN bằng cách sử dụng tập lệnh MIH từ xa và các dịch vụ sự kiện. Dựa trên các thông tin thu đƣợc, MN quyết định thực hiện chuyển giao. Ngoài ra, chúng tôi áp dụng cơ chế thời điểm kích hoạt (Time-to-Trigger - TTT) đƣợc chuẩn hóa trong mạng Long Term Evolution (LTE) của 3GPP để giảm thiểu các chuyển giao không cần thiết [12], [13]. Để đánh giá hiệu năng của DR-HTM, chúng tôi đã thực hiện mô phỏng một số phƣơng thức kích hoạt bàn giao.

Phần còn lại của bài báo đƣợc tổ chức nhƣ sau, mục 2, chúng tôi giới thiệu về chuẩn giao thức 802.21 MIH và các cơ chế bàn giao đƣợc định nghĩa trong 3GPP LTE. Mục 3, chúng tôi mô tả chi tiết hoạt động và đánh giá hiệu năng của DR-HTM. Cơ chế kích hoạt bàn giao đƣợc trình bày trong mục 4, cuối cùng, mục 5 trình bày các kết luận và hƣớng nghiên cứu tiếp theo.

IEEE 802.21 VÀ CÁC CƠ CHẾ CHUYỂN

GIAO TRONG LTE

Chuyển giao độc lập với môi trƣờng truyền

thông - IEEE 802.21

Chuẩn IEEE 802.21 đƣợc xem xét trong các

mạng khác nhau bao gồm: IEEE 802.11,

802.15, 802.16, 3GPP và 3GPP2 [11] để hỗ

trợ chuyển giao giữa các mạng này. IEEE

802.21 định nghĩa một thực thể chức năng

mới đƣợc gọi là chức năng MIH (MHI

Function hay MHIF). Thực thể chức năng này

có thể đƣợc nằm trong ngăn xếp giao thức của

một thực thể mạng hoặc trong giao diện của

một MN. MIHF cung cấp dịch vụ MIH đến

MIH của ngƣời sử dụng thông qua một MIH-

SAP duy nhất, trong khi MIHF truyền thông

với lớp thấp hơn thông qua các giao diện khác

nhau phụ thuộc vào môi trƣờng. MIHF cung

cấp ba loại dịch vụ truyền thông độc lập với

môi trƣờng gồm:

- Dịch vụ lệnh độc lập với môi trƣờng (Media

Independent Command Service - MICS);

- Dịch vụ sự kiện độc lập với môi trƣờng

(Media Independent Event Service - MIES);

- Dịch vụ thông tin độc lập với môi trƣờng

(Media Independent Information Service -

MIIS).

MIES cung cấp báo cáo, lọc, và phân loại các

sự kiện tƣơng ứng với những thay đổi động

về trạng thái, đặc điểm và chất lƣợng liên kết

trong các lớp vật lý, liên kết dữ liệu và liên

kết logic. MICS hỗ trợ để MIH ngƣời dùng

điều khiển và quản lý hành vi liên kết liên

quan đến chuyển giao và tính di động. MIH

ngƣời dùng có thể sử dụng một số lệnh đƣợc

cung cấp bởi MICS để cấu hình, điều khiển

và lấy thông tin từ lớp vật lý và liên kết. MIIS

cho phép ngƣời dùng di động và nhà cung cấp

dịch vụ trao đổi thông tin các mạng truy nhập

ứng viên chuyển giao. Đặc biệt, MIIS hỗ trợ

MN thu đƣợc thông tin về các mạng có khả

năng chuyển giao từ kết nối mạng hiện tại. Ví

dụ, bằng cách yêu cầu MIIS, một MN đang

liên kết với một AP của WLAN có thể nhận

đƣợc thông tin về các mạng khác hiện diện

trong vùng phủ sóng, không chỉ các mạng

IEEE 802 mà cả các mạng 3GPP, 3GPP2.


117

Hình 2. Kích hoạt chuyển giao với cơ chế RSS và

TTT trong LTE

Cơ chế kích hoạt bàn giao thông thƣờng

Trong LTE / LTE Advanced, có một số cách

đo hỗ trợ quyết định chuyển giao cho ngƣời

sử dụng di động [12]. Trong số đó, cơ chế

kích hoạt bàn giao dựa trên RSS và thời gian

kích hoạt TTT (Time-to-Trigger) thƣờng

đƣợc sử dụng cho chuyển giao ngang trong hệ

thống LTE do tính đơn giản và hiệu quả của

nó [13]. Hình 2, cho thấy một ví dụ về kích

hoạt chuyển giao dựa trên RSS và TTT trong

LTE. Trong trạng thái ban đầu, MN đo RSS

theo chu kỳ từ các trạm BS xung quanh trạm

gốc đƣợc gọi là eNB (evolved Node B). Bất

cứ khi nào RSS từ các BS ứng cử gọi là

RSScandicate trở lên lớn hơn RSS nhận đƣợc từ

kết nối hiện tại với eNB (RSSattached), MN đặt

bộ đếm thời gian đến TTTT giây và bắt đầu

quan sát RSScandicate và RSSattached. Nếu điều

kiên RSScandicate > RSSattached liên tục trong

TTTT giây, MN quyết định thực thi chuyển

giao đến eNB ứng viên (Trƣờng hợp 1 trong

hình 2). Ngƣợc lại, nếu RSScandicate <

RSSattached trong quá trình đặt bộ đếm, MN

dừng quan sát và trở về trạng thái ban đầu

(trƣờng hợp 2 trong hình 2).

Trong cơ chế TTT, chuyển giao đƣợc kích

hoạt khi MN chắc chắn rằng RSS từ BS ứng

viên lớn hơn so với kết nối hiện tại trong suốt

quá trình TTTT nhằm mục đích giảm thiểu các

chuyển giao không cần thiết do lỗi cảnh báo

sai gây lên. Trong liên mạng WLAN / LTE,

thời điểm kích hoạt chuyển giao đúng liên

quan mật thiết đến hiệu năng toàn hệ thống

[3][9], cơ chế TTT là hữu dụng trong việc xác

định chuyển giao giữa mạng WLAN / LTE.

Trong bài báo này, chúng tôi áp dụng cơ chế

TTT vào trong cơ chế kích hoạt chuyển giao

trong mạng WLAN / LTE. Hơn thế, để minh

họa hiệu quả của cơ chế TTT, trong mục 4,

chúng tôi đánh giá hiệu năng của cả hai cơ chế

kích hoạt chuyển giao có và không có TTT.

CƠ CHẾ KÍCH HOẠT CHUYỂN GIAO

DỰA TRÊN IEEE 802.21 MIH

Nhìn chung, RSS đƣợc sử dụng để xác định

thực hiện chuyển giao bởi vì nó dễ dàng đo

đƣợc và là thông số ngầm chỉ tốc độ dữ liệu

có thể đạt đƣợc. Tuy nhiên, trong liên mạng,

với các môi trƣờng truyền không đồng nhất,

RSS không thể là một chỉ số khách quan để so

sánh các loại khác nhau. Kể cả khi có cùng

một giá trị RSS, việc đảm bảo chất lƣợng dịch

vụ (tốc độ dữ liệu) trong các mạng khác nhau

cũng không giống nhau. Hơn thế, tốc độ dữ

liệu hỗ trợ của một MN đƣợc quyết định

không chỉ bởi RSS mà còn liên quan đến các

MN khác trong mạng lƣới và loại dịch vụ mà

chúng sử dụng. Nhƣ vậy, chỉ xét yếu tố RSS

là không đủ để đƣa ra một kích hoạt chuyển

giao hiệu quả.

Hình 3. Thủ tục kích hoạt chuyển giao dựa trên

DR-HTM

Để tối đa hóa công suất của cả hai mạng

WLAN và LTE, với cơ chế kích hoạt chuyển

giao, chúng tôi đề xuất cơ chế kích hoạt


118

chuyển giao dựa trên tốc độ dữ liệu (DR-

HTM) dựa trên IEEE 802.21 MIH. Với sự hỗ

trợ của các dịch vụ trong 802.21 MIH, DR-

HTM xác định chuyển giao dựa trên tốc độ dữ

liệu của WLAN ứng viên.

Do DR-HTM sử dụng yếu tố đánh giá dựa

trên tốc độ dữ liệu thực tại của mạng ứng viên

do vậy nó phản ánh tải trọng, tốc độ của mạng

ứng viên tốt hơn khi sử dụng yếu tố RSS

trong việc ra quyết định chuyển giao. Một ví

dụ về thủ tục kích hoạt chuyển giao dựa trên

DR-HTM đƣợc thể hiện trong hình 3. Trong

hình, chúng tôi giả định rằng một MN hiện

đang gắn liền với LTE. Bất cứ khi nào MN

phát hiện ra WLAN, nó sẽ cố gắng thu đƣợc

tốc độ dữ liệu hỗ trợ của mạng WLAN tƣơng

ứng bằng cách sử dụng MICS và MIES. Nhƣ

trong bƣớc 1 của hình 3, đầu tiên MN truyền

tin nhắn lệnh MIH _MN _HO _ Candicate _

Query, bao gồm địa chỉ của AP/WLAN mà

MN khám phá đƣợc đến eNB hiện nó đang

liên kết, trong đó địa chỉ AP/WLAN thu đƣợc

từ thủ tục Scanning WLAN.

Sau đó, eNB gửi lệnh truy vấn tài nguyên

MIH_N2N_HO_Query_Resource đến AP/

WLAN và thu về tốc độ hỗ trợ dữ liệu của

mạng WLAN (CWLAN). Sau khi nhận đƣợc

phản hồi MIH_N2N_HO_Query từ AP gửi

về, eNB phân phối giá trị CWLAN đến MN

bằng cách sử dụng thông điệp

MIH_MN_HO_Candicate_Query.

Trong bƣớc 2 của hình 3, MN đo RSS từ AP

(SWLAN) và tính toán khả năng tốc độ hỗ trợ

dữ liệu (RWLAN) dựa trên bảng MCS đƣợc

định nghĩa trong [14] nhƣ sau:

(.)}'max{

)(

WLAN

WLANWLANWLANWLAN

MCS

SMCSxCR (1)

Trong đó, MCSWLAN(SWLAN) là hiệu quả tần

số (bps/Hz); SWLAN là cƣờng độ tín hiệu

(dBm) và max{MCSWLAN(.)} là hiệu quả tần

số cao nhất đƣợc định nghĩa trong bảng MCS.

Sau khi tính toán RWLAN, trong bƣớc 3, MN so

sánh RWLAN và RLTE , các thông số này đƣợc

đo trong khe thời gian sau cùng bởi LTE. Khi

cơ chế TTT không đƣợc áp dụng trong DR-

HTM, MN quyết định thực thi chuyển giao

đến WLAN nếu RWLAN > RLTE . Ngƣợc lại,

MN ở trong LTE và thực hiện lại thủ tục kích

hoạt chuyển giao. Khi DR-HTM áp dụng

TTT, MN lặp lại bƣớc (2) và (3) trong suốt

quá trình diễn ra TTTT. Nếu RWLAN > RLTE

trong suốt tiến trình TTTT, MN quyết định

thực thi chuyển giao đến WLAN. Mặt khác,

nếu RWLAN < RLTE, MN sẽ thực hiện lại thủ

tục chuyển giao.

Thủ tục kích hoạt chuyển giao trong WLAN-

to-LTE tƣơng tự nhƣ thủ tục chuyển giao

LTE-to-WLAN. Điểm khác nhau chính là

MN thu đƣợc tốc độ dữ liệu hỗ trợ trong LTE

(CLTE) bằng cách sử dụng thông điệp MIH

trong bƣớc 1 của hình 3.

ĐÁNH GIÁ HIỆU NĂNG

Để đánh giá hiệu năng của DR-HTM, chúng

ta xem xét môi trƣờng mạng không đồng nhất

bao gồm LTE và WLAN. Chúng tôi giả định

07 tế bào LTE; mỗi tế bào LTE có bán kính

1000 m. Kết quả mô phỏng chỉ đƣợc tiến

hành trên tế bào trung tâm và các tế bào khác

can thiệp vào đƣờng xuống (downlink) trong

tế bào trung tâm. Ngoài ra, chúng tôi giả định

có 50 mạng WLAN đƣợc triển khai thống

nhất tại tế bào LTE trung tâm. Để đánh giá

hiệu suất bàn giao theo tính di động của ngƣời

sử dụng, chúng tôi áp dụng mô hình di

chuyển ngẫu nhiên với thời gian tạm dừng

dựa trên [15]. Đối với mô hình kênh, chúng

tôi sử dụng mô hình mất mát WINNER II

trong [16]. Ngoài ra, chúng tôi cũng giả định

độ lệch chuẩn là 8 dB cho tất cả các liên kết

trong LTE và WLAN. Để đánh giá tổng công

suất trong hình 5 và 6, chúng tôi giả thiết các

dịch vụ WLAN ở mức sẵn sàng tốt nhất để

các MN đƣợc sử dụng tất cả các nguồn tài

nguyên không dây có sẵn. Chi tiết các thông

số mô phỏng trong Bảng 1.

Để đánh giá hiệu suất, chúng ta so sánh ba

trƣờng hợp gồm: Khi các MN không thực

hiện chuyển giao cho mạng WLAN; khi các

MN thực hiện chuyển giao dựa trên RSS

(RSS-HTM) và khi các MN thực hiện chuyển

giao bằng cách sử dụng DR-HTM. Trong

trƣờng hợp đầu tiên, tất cả các MN đƣợc liên

kết đến eNB trung tâm và mạng WLAN


119

không đƣợc sử dụng đến. Trong RSS-HTM,

nếu cơ chế TTT không đƣợc áp dụng, LTE-

to-WLAN (hoặc WLAN-to-LTE) chuyển giao

đƣợc kích hoạt bất cứ khi nào RSS từ

AP/WLAN lớn hơn (hoặc nhỏ hơn) so với

mức tối thiểu RSS yêu cầu (-82dBm)

[14]. Khi cơ chế TTT đƣợc áp dụng trong

RSS-HTM, LTE-to-WLAN (hoặc WLAN-to-

LTE) chuyển giao đƣợc kích hoạt khi RSS từ

AP/WLAN lớn (hoặc nhỏ hơn) so với yêu cầu

tối thiểu đối với RSS trong khoảng thời gian

liên tục TTTT giây.

Bảng 1. Các tham số mô phỏng

Tham số Giá trị

Thời gian mô phỏng 100,000s

TTI 10ms

TTTT 100ms

Thời gian bay [0,100]s

Thời gian tạm dừng [0,10]s

Vận tốc [0,10]m/s

Số eNB 7

Bán kính tế bào LTE 1000m

Băng thông LTE 10MHz

Nguồn eNB 46dBm

Số mạng WLAN 50

Vùng phủ sóng WLAN >82dBm

Băng thông WLAN 20MHz

Nguồn AP 20dBm

Hình 4. Số lượng trung bình MN kết nối đến LTE

Đầu tiên, để phân tích ảnh hƣởng của kích

hoạt chuyển giao và cơ chế TTT trên liên kết

của các MN, chúng tôi đánh giá trung bình số

MN liên kết tới LTE nhƣ trong hình 4. Trong

mô phỏng, chúng ta dùng cùng một giá trị

TTTT cho cả hai thủ tục kích hoạt chuyển giao

từ: LTE-to-WLAN và WLAN-to-LTE.

Trong RSS-HTM, vì bán kính của mỗi vùng

phủ sóng WLAN là cố định với cƣờng độ tín

hiệu phát ra từ AP (RSS > -82dBm), số trung

bình MN liên kết tới LTE là độc lập với tổng

số MN (không ảnh hƣởng). Trung bình số

MN liên kết tới LTE tăng khi DR-HTM áp

dụng cơ chế TTT (15% với 100 MN), bởi vì

các chuyển giao không cần thiết ở các cạnh

của vùng phủ sóng WLAN sẽ giảm với sự trợ

giúp của TTT.

Khi DR-HTM không áp dụng cơ chế TTT,

98% số MN liên kết tới LTE. Điều này cho

thấy xác suất MN di chuyển đến WLAN là

thấp hơn nhiều so với MN di chuyển đến

LTE. Tuy nhiên, khi cơ chế TTTT đƣợc áp

dụng, xác suất di chuyển từ WLAN đến LTE

là giảm thậm chí độ dốc còn cao hơn xác suất

MN di chuyển từ LTE đến WLAN. Vì vậy,

trung bình số MN liên kết tới LTE sẽ giảm

khi cơ chế TTT đƣợc áp dụng cho DR-HTM

(-43% với 100 MN). Ngoài ra, trong DR-

HTM /TTT, số lƣợng MN là tăng, RLTE giảm

nhiều hơn RWLAN và xác suất MN di chuyển

đến WLAN tăng lên. Số trung bình MN kết

nối với LTE giảm khi số lƣợng MN tăng lên.

Từ kết quả trả về, chúng tôi nhận thấy rằng,

cơ chế TTT có thể làm giảm đáng kể các

chuyển giao dọc không cần thiết trong cả hai

DR-HTM và RSS-HTM.

Trong hình 5, chúng ta so sánh tổng công suất

của các mạng LTE, WLAN và liên mạng

WLAN / LTE (mạng tổng thể) khi không áp

dụng cơ chế TTT trong DR-HTM và RSS-

HTM. Tổng công suất đƣợc định nghĩa là

tổng của tốc độ dữ liệu cho tất cả các MN

trong mạng đang xem xét. Khi các MN không

sử dụng mạng WLAN, tổng công suất thƣờng

đƣợc duy trì trung bình đến 17,8 Mbps, không

kể số các MN ngày càng tăng bởi vì phần

phối của MN trong mạng LTE không phụ

thuộc vào tổng số MN.

Trong RSS-HTM, số MN kết nối đến WLAN

tăng khi tổng số MN toàn mạng tăng bởi vì

kích thƣớc vùng phủ sóng của WLAN là cố

định. Điều này làm tăng sử dụng mạng


120

WLAN cũng nhƣ tăng năng lực của mạng

lƣới tổng thể và mạng WLAN khi số lƣợng

MN tăng. Tuy nhiên, với RSS-HTM, tổng

công suất của LTE giảm nhẹ do các MN với

hiệu quả tần số tốt trong LTE vẫn thực hiện

bàn giao.

Trong DR-HTM, nhƣ mô tả trong hình 4, hiệu

suất sử dụng mạng WLAN thấp do phần lớn

các MN thƣờng gắn liền với LTE. Hơn thế,

phần lớn các MN không thực thi chuyển giao

đến WLAN, với DR-HTM, tổng công suất

LTE là tƣơng tự nhƣ trƣờng hợp không có

mạng WLAN.

Hình 6 cho thấy sự so sánh tổng công suất

giữa các mạng LTE, WLAN và liên mạng

WLAN / LTE khi cơ chế TTT đƣợc thực thi

trong cả hai DR-HTM và RSS-HTM.

Hình 5. Công suất hệ thống khi không áp dụng

cơ chế TTT

Hình 6. Công suất hệ thống khi có TTT

So với kết quả trong hình 5, tổng công suất

cho cả DR-HTM và RSS-HTM đƣợc cải thiện

tƣơng ứng bằng 185% và 266%, cơ chế TTT

giúp các MN giảm thực hiện các chuyển giao

không cần thiết. Trong LTE, các MN nằm ở

khu vực cách xa trung tâm tế bào thƣờng có

hiệu quả tần số thấp vì khoảng cách tới eNB

là lớn. Bằng cách sử dụng DR-HTM với

TTT, xác suất một MN có hiệu quả tần số

thấp di chuyển đến WLAN lớn hơn những

MN có hiệu quả tần số cao dựa trên quyết

định kích hoạt chuyển giao theo tốc độ hỗ

trợ dữ liệu trong hai mạng WLAN và LTE.

Số các MN với hiệu quả tần số thấp giảm khi

áp dụng DR-HTM và tổng công suất mạng

LTE tăng 5%.

So sánh DR-HTM với RSS-HTM, vì MN với

DR-HTM chỉ thực hiện chuyển giao nếu

mạng WLAN ứng viên có thể cung cấp tốc độ

dữ liệu tốt hơn, trong khi đó, RSS-HTM thực

hiện bàn giao nếu RSS từ WLAN ứng viên

lớn hơn so với RSS tối thiểu (-82 dBm), DR-

HTM sử dụng mạng WLAN hiệu quả hơn và

nâng cao cải thiện năng lực của cả mạng

WLAN và liên mạng WLAN / LTE so với

RSS-HTM khi số MN trong liên mạng nhiều

hơn 50.

KẾT LUẬN

Trong bài báo này, chúng tôi khảo sát cơ chế

kích hoạt chuyển giao (DR-HTM) dựa trên

chuẩn IEEE 802.21 MIH để nâng cao năng

lực không chỉ của mạng LTE mà còn của liên

mạng WLAN / LTE. Hơn thế, chúng tôi áp

dụng cơ chế TTT trong chuyển giao dọc giữa

mạng WLAN và LTE để đánh giá ảnh hƣởng

của điểm kích hoạt chuyển giao. Bằng cách

sử dụng DR-HTM, các MN chỉ thực thi bàn

giao khi WLAN ứng viên có thể cung cấp tốc

độ truyền tốt hơn eNB đang liên kết, số lƣợng

các chuyển giao không hiệu quả đƣợc giảm

thiểu. Hơn nữa, DR-HTM làm giảm số lƣợng

các MN có hiệu quả tần số thấp trong LTE và

tăng tổng công suất của cả hai mạng LTE và

WLAN. Từ kết quả trả về cho thấy DR-HTM

với cơ chế TTT cải thiện hiệu suất của cả

mạng LTE và WLAN do tăng độ chính xác và

hiệu quả của các quyết định chuyển giao.


121


[1].Nielsel VN & Bƣu điện Việt Nam, “Báo cáo

khảo sát mức độ hài lòng của người dùng 3G tại

Việt Nam năm 2012”, Công bố ngày 9/5/2013.

[2].M. Bernaschi, F. Cacace, G. Iannello, S. Za,

and A. Pescape, “Seamless Internetworking of

WLANs and Cellular Networks: Architecture and

Performance Issues in a Mobile IPv6 Scenario”,

IEEE Wireless Communications, vol. 12, no. 3,

pp. 73-80, Jun. 2005.

[3].M. Smadi, V. S. Azhari, T. D. Todd, and V.

Kezys, “A Study of WLAN-to-Cellular Handover

Using Measured Building-Exit Data”, IEEE

Transaction on Vehicular Technology, vol. 58, no.

4, pp. 2044-2054, May 2009.

[4].M. Anas, F.D. Calabrese, P.E. Mogensen, C.

Rosa, and K.I. Pedersen, “Performance

Evaluation of Received Signal Strength Based

Hard Handover for LTE”, The 65th IEEE

Vehicular Technology Conference-Spring (VTC-

Spring) 2007, pp. 1046-1050, April 2007.

[5].M. Anas, F.D. Calabrese, P.-E. Ostling, K.I.

Pedersen, and P.E. Mogensen, “Performance

Analysis of Handover Measurements and Layer 3

Filtering for UTRAN LTE”, The 16th IEEE

International Symposium on Personal, Indoor and

Mobile Radio Communications (PIMRC’07), pp.

1-5, Sept. 2007.

[6].D. Aziz and R. Sigle, “Improvement of LTE

Handover Performance through Interference

Coordination”, IEEE 69th Vehicular Technology

Conference, pp. 1-5, April 2009

SUMMARY

HANDOVER IN LTE / WLAN INTERNETWORK BASED

ON IEEE 802.21 PROTOCOL

Vu Khanh Quy

1,*, Nguyen Chien Trinh

2, Ho Khanh Lam

1

1Hung Yen University of Technology and Education 2Post & Telecommunications Institute of Technology

The multimedia services over mobile communication system requires speed and bandwidth is

growing. This became important issues in mobile networks. To reduce the load and increase the

overall capacity of cellular networks, the handover in WLAN / Cellular consideration. However, in

the inter-network WLAN / Cellular, overall system performance is closely related to the latency of

the vertical handover process between the two networks. A trigger mechanism for handover

between the two networks to reduce the latency of the handover process, thereby increasing overall

system efficiency are issues that need to be studied. In this paper, we propose a trigger mechanism

for handover between the two networks (DR-HTM) based on independent standard handover

environmentally IEEE 802.21 MIH (IEEE 802.21 Media Independent Handover) to optimize

capacity both WLAN and Cellular networks. In DR-HTM, whenever a mobile node detects a

WLAN, it checks the data rate of WLAN using remote MIH services. Based on the information,

the mobile node decisions implement vertical handover. To evaluate the performance of DR-HTM,

we have done simulations trigger mechanism for handover based on the data rate and RSS. From

the results, we can see loads of Cellular networks are shared with WLAN and overall network

capacity is optimized using DR-HTM.

Keywords: WLAN, LTE, Vertical Handover.


Phản biện khoa học: TS. Vũ Đức Thái – Trường ĐH CNTT&TT – ĐHTN



122

Vũ Xuân Nam và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 123 - 129

123

ỨNG DỤNG PHÉP PHÂN TÍCH HỒI QUY ĐA BIẾN TRONG KIỂM ĐỊNH

YẾU TỐ QUYẾT ĐỊNH HÀNH VI CHIA SẺ TRI THỨC CỦA NGƢỜI

LAO ĐỘNG TRONG DOANH NGHIỆP VIỆT NAM

Vũ Xuân Nam

1,*, Nguyễn Văn Huân

1, Trƣơng Văn Tú

2

1Trường ĐH Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên 2Viện Công nghệ thông tin Kinh tế – ĐH Kinh tế Quốc dân

TÓM TẮT Quản trị thi thức là chủ đề đƣợc nhiều học giả quan tâm và đầu tƣ công sức nghiên cứu từ rất lâu.

Tại Việt Nam, chủ đề này vẫn còn khá mới mẻ và còn rất ít các công trình nghiên cứu. Trong thực

tế, các doanh nghiệp Việt Nam cũng rất quan tâm tới việc chia sẻ tri thức, kinh nghiệm làm việc

của ngƣời lao động nhằm tạo ƣu thế cạnh tranh, phát triển bền vững cho doanh nghiệp.

Bài báo đề xuất việc ứng dụng lý thuyết hành vi hoạch định để nghiên cứu các yếu tố quyết định

tới hành vi chia sẻ tri thức của ngƣời lao động trong doanh nghiệp Việt Nam. Bài báo ứng dụng

phép phân tích hồi quy đa biến để kiểm tra tính đúng đắn của các biến, mô hình nghiên cứu.

Từ khóa: Tri thức, quản lý tri thức, mô hình, chia sẻ, hành vi.

GIỚI THIỆU*

Sự phát triển của một doanh nghiệp ngoài cơ

sở vật chất, vốn đầu tƣ,… còn phụ thuộc vào

một yếu tố quan trọng, đó là tri thức của đội

ngũ cán bộ, nhân viên. Quản lý tri thức là quá

trình nhận biết, chia sẻ, sử dụng và thực hành

tri thức bên trong tổ chức (Ikujiro Nonaka &

etc, 2008)[11]. Do đó, quản lý tri thức là một

trong những vấn đề có tính chất quyết định

cho sự phát triển của một doanh nghiệp. Một

nội dung quan trọng của quản lý tri thức là

làm thế nào để việc chia sẻ tri thức có thể tạo

ra những lợi ích gia tăng cho tổ chức

(Liebowitz,2001)[12], biến tri thức cá nhân

thành tri thức của tổ chức (Grant, 1996)[7].

Tuy nhiên, việc chia sẻ tri thức của một cá

nhân không phải dễ dàng thực hiện

(Davenport & Prusak, 1988) khi mà tri thức

đó có giá trị quan trọng (Ryu & etc,.

2003)[16] và là tài sản của một cá nhân nào

đó. Thách thức lớn nhất trong quản lý tri thức

là làm thế nào để các cá nhân có thể chia sẻ tri

thức cho nhau (Ruggles, 1998)[15]. Nghiên

cứu này sẽ tập trung nghiên cứu yếu tố ảnh

hƣởng tới hành vi chia sẻ tri thức của cá nhân

trong tổ chức, cụ thể là hành vi chia sẻ tri

thức của ngƣời lao động trong các doanh


nghiệp Việt Nam. Những phát hiện hỗ trợ tuy

nhỏ bé nhƣng là khối phát triển bằng chứng

cho thấy các yếu tố động cơ và phần thƣởng

không phải là những yếu tố có ảnh hƣởng

chính đến việc chia sẻ tri thức (Bock & Kim,

2002 )[3].

Các nghiên cứu về hành vi chia sẻ tri thức đã

đƣợc thực hiện khá nhiều với các cách tiếp

cận khác nhau. Lý thuyết hành động hợp lý

(TRA) và lý thuyết hành vi hoạch định (TPB)

chứng tỏ có kết quả khá tốt trong việc dự báo

các hành vi khác nhau của con ngƣời

(Sheppard & etc.,1988)[17], nhƣng còn ít

đƣợc ứng dụng trong các nghiên cứu về hành

vi chia sr tri thức của cá nhân trong nhiều lĩnh

vực chuyên môn (Ryu & etc.,2003)[16]. Đặc

biệt trong các doanh nghiệp Việt Nam, tri

thức của ngƣời lao động không chỉ là những

gì đã học ở trƣờng lớp mà là một quá trình

tích lũy thông qua hoạt động thực tiễn của

doanh nghiệp và qua học hỏi từ đồng nghiệp.

Tri thức và kinh nghiệm làm việc của mỗi

ngƣời lao động đƣợc tích lũy không những

góp phần tăng hiệu quả hoạt động mà còn góp

phần tạo ƣu thế cạnh tranh, phát triển bền

vững cho doanh nghiệp. Nếu lãnh đạo doanh

nghiệp nhận biết các tác động tới hành vi chia

sẻ tri thức của ngƣời lao động và tạo điều kiện

cho chúng đƣợc phát huy, doanh nghiệp sẽ có

đƣợc đội ngũ nhân viên giỏi, giàu kinh


124

nghiệm qua đó phát huy ƣu thế cạnh tranh và

tạo sự phát triển bền vững cho doanh nghiệp.

Xuất phát từ vấn đề kể trên, bài báo đề cập tới

phƣơng pháp phân tích nhân tố và mô hình

hồi quy đa biến, sử dụng lý thuyết hành vi

hoạch địch (TPB) để xác định mức đố ảnh

hƣởng của ba yếu tố: Thái độ đối với chia sẻ

tri thức, chuẩn chủ quan (Ảnh hƣởng đồng

nghiệp và ảnh hƣởng lãnh đạo), và kiểm soát

hành vi chia sẻ tri thức lên yếu tố chia sẻ tri

thức của ngƣời lao động trong doanh nghiệp

Việt Nam.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH

NGHIÊN CỨU

Lý thuyết hành vi hoạch định TPB

Lý thuyết hành vi hoạch định (Theory of

planned behavior – TPB) là một trong những

lý thuyết có tầm ảnh hƣởng rộng đƣợc sử

dụng trong các nghiên cứu về hành vi của con

ngƣời (Hung & etc., 2010)[10]. Lý thyết này

đƣợc Ajen (1991)[1,2] phát triển từ lý thuyết

hành động hợp lý (Theory of reasoned action

– TRA), cho rằng hành động thực tế của con

ngƣời chịu ảnh hƣởng bởi ý định thực hiện

hành vi đó (Fishbein & Ajen, 1975) [1,2], khi

thêm yếu tố Kiểm soát hành vi. Lý thuyết

này giả định rằng, một hành vi có thể đƣợc dự

báo hoặc giải thích bởi ý định thực hiện hành

vi đó và đƣợc ứng dụng trong nhiều lĩnh vực

nghiên cứu khác nhau (Ryu & etc., 2003;

Bock & Kim, 2002) [3, 16].

Theo lý thuyết TPB, trong bài báo này, ý định

chia sẻ tri thức, là mức độ mà ngƣời lao động

tin rằng họ sẽ tham gia vào việc chia sẻ tri

thức (Ryu & etc.,2003) [16], chịu ảnh hƣởng

bởi ba yếu tố: Chuẩn chủ quan, Thái độ với

việc chia sẻ tri thức và Kiểm soát hành vi chia

sẻ tri thức. Thái độ đối với việc chia sẻ tri

thức là mức độ mà mỗi nhân viên đánh giá là

có ích hay khống đối với việc chia sẻ tri thức

(Ryu & etc., 2003) [16]. Chuẩn chủ quan của

việc chia sẻ tri thức sẽ gồm hai yếu tố, ảnh

hƣởng của lãnh đạo doanh nghiệp và ảnh

hƣởng của đồng nghiệp với việc chía sẻ tri

thức của họ. Cuối cùng, Kiểm soát hành vi

chia sẻ tri thức là nhận thức tính dễ hay khó

của ngƣời lao động về khả năng kiểm soát của

họ trong việc chia sẻ kiến thức (Ajzen,

1991,2001; Dong, 2010)[1,2,4]. Từ đó, giả

thiết của bài báo đƣợc thể hiện trên hình 1.

H1: Thái độ đối với việc chia sẻ tri thức có tác động dương lên Ý nghĩa chia sẻ tri thức của người lao động.

H2: Thái độ đối với chia sẻ tri thức

H3: Kiểm soát hành vi chia sẻ tri thức có tác động dương lên Ý định chia sẻ tri thức của người lao động.

H4a: Ảnh hưởng của đồng nghiệp có tác động dương lên Ý định chia sẻ tri thức của người lao động.

H4b: Ảnh hưởng của lãnh đạo có tác động dương lên Ý định chia sẻ tri thức của người lao động.

Hình 1. Mô hình nghiên cứu

H4

H3

H2

H1

Ý định chia sẻ tri thức

Thái độ đối với chia sẻ tri thức

Kiểm soát hành vi chia sẻ tri thức

Chuẩn chủ quan về chia sẻ tri thức:

- Đồng nghiệp

- Lãnh đạo

Mức độ hài lòng với doanh nghiệp

Hành vi chia sẻ tri thức

H0


125

PHƢƠNG PHÁP NGHIÊN CỨU

Dựa trên khái niệm của Ajzen (2001), Bock

& Kim (2002), Fishbein & Ajzen (1975)

[2,3,5,6], thang đo cho các biến của mô hình

đƣợc kế thừa từ nghiên cứu của Ryu & etc

(2003) [16], trong đó yếu tố Mức độ hài lòng

đối với doanh nghiệp (4 biến quan sát), Thái

độ ( 5 biến quan sát), Kiểm soát hành vi đối

với chia sẻ tri thức ( 3 biến quan sát), Ảnh

hƣởng của đồng nghiệp ( 4 biến quan sát),

Ảnh hƣởng của lãnh đạo ( 4 biến quan sát).

Thông qua thảo luận nhóm với ngƣời lao

động, thang đo đƣợc hiệu chỉnh và bổ sung

cho phù hợp với bối cảnh nghiên cứu. Cuối

cùng, phiếu khảo sát gồm 20 biến quan sát, sử

dụng thang đo Likert năm điểm ( từ 1: Hoàn

toàn không đồng ý đến 5: Hoàn toàn đồng ý)

đƣợc hình thành. Sau đó, Phiếu khảo sát đƣợc

sử dụng phỏng vấn thử với 20 ngƣời lao động

để kiểm tra ngữ nghĩa trƣớc khi thực hiện

khảo sát chính thức.

Phiếu khảo sát đƣợc gửi qua đƣờng bƣu điện,

e-mail, phỏng vấn trực tiếp tới 250 ngƣời lao

động của 30 doanh nghiệp trên địa bàn Thái

Nguyên, Hà Nội, Bắc Giang. Thời gian khảo

sát kéo dài 03 tháng ( tháng 03-06/2013). Một

số trƣờng hợp đƣợc trả lời ngay (qua e-mail,

trực tiếp), một số trƣờng hợp trả lời sau và

gửi lại thƣ qua đƣờng bƣu điện. Để nâng cao

tỷ lệ phản hồi, các trƣờng hợp gửi phiếu khảo

sát qua đƣờng bƣu điện đƣợc gọi điện thoại

báo và nhờ họ quan tâm. Kết quả thu về 186

phiếu khảo sát, trong đó 20 phiếu bị loại vì trả

lời thiếu thông tin. Trong 166 ngƣời trả lời

thông tin, có 136 ngƣời là cán bộ, nhân viên;

30 ngƣời giữ chức vụ quản lý. Các yếu tố

khác về đối tƣợng khảo sát đƣợc tình bày ở

Bảng 1.

Từ dữ liệu thu thập đƣợc, tác giả tiến hành

phân tích nhân tố bằng việc đánh giá các

thang đo thông qua hệ số tin cậy Cronbach’s

Alpha và ứng dụng phƣơng pháp thống kê hồi

quy để kiểm định tính đúng của mô hình

nghiên cứu.

KẾT QUẢ

Kiểm định thang đo

Kết quả phân tích nhân tố cho các biến độc

lập gồm 33 biến quan sát đƣợc trình bày ở

Bảng 2. Theo đó, thang đo của 3 yếu tố Tin

tƣởng vào đồng nghiệp (giảm còn 2 biến quan

sát), Ảnh hƣởng đồng nghiệp (giảm còn 4

biến quan sát) và Kiểm soát hành vi chia sẻ tri

thức (giảm còn 3 biến quan sát). Các yếu tố

khác không có thay đổi về biến số quan sát.

Kết quả phân tích độ tin cậy cho thấy các

thang đo đều đạt yêu cầu với hệ số

Cronbach’s alpha >0.7 (Hair & etc., 1998)[8],

với các giá trị trong khoảng 0.716 đến 0.923.

Kế đến, thực hiện phân tích nhân tố cho yếu

tố Ý định chia sẻ tri thức với 4 biến quan sát.

Sử dụng phép trích Principal Component,

phép quay Varimax. Kết quả cho hệ số KMO

đạt yêu cầu (0.777), kiểm định Bartlett có

sig.=0.000 chứng tỏ dữ liệu phù hợp cho phân

tích này. Có một nhân tố đƣợc rút trích với

tổng phƣơng sai là 64.8%. Kết quả độ tin cậy

của biến phụ thuộc có hệ số Cronbach’s alpha

= 0.818 (>0.7) nên thang đo đạt yêu cầu (Hair

& etc., 1998) [8] và đƣợc sử dụng cho phân

tích tiếp theo.

Bảng 1. Mô tả mẫu khảo sát

Yếu tố Tỷ lệ (%) Yếu tố Tỷ lệ (%)

Giới tính Nơi công tác

Nam 52 Doanh nghiệp nhà nƣớc 22.6

Nữ 48 Doanh nghiệp tƣ nhân 77.4

Nhóm tuổi Thời gian công tác

Từ 22 đến 35 tuổi 35.4 Từ 1 đến 5 năm 28.3

Từ 36 tới 45 tuổi 33.4 Từ 6 đến 10 năm 38.1

Trên 45 tuổi 31.2 Trên 10 năm 33.6


126

Bảng 2. Kết quả phân tích nhân tố cho các biến độc lập

Biến quan sát Nhân tố

1 2 3 4 5

Mức độ hài lòng đối với doanh nghiệp

Hài lòng với công việc đang làm 0.914

Hài lòng với môi trƣờng làm việc 0.733

Hài lòng với lƣơng bổng và phúc lợi 0.856

Hài lòng với chính sách và quy trình làm việc 0.672

Thái độ đối với chia sẻ tri thức

Chia sẻ tri thức là tốt 0.846

Chia sẻ tri thức là có hại (r) 0.561

Tôi luôn quan tâm đến việc chia sẻ tri thức 0.493

Việc chia sẻ tri thức rất có giá trị đối với tôi 0.436

Chia sẻ tri thức là việc làm đúng 0.749

Kiểm soát hành vi đối với chia sẻ tri thức

Chia sẻ tri thức có thể thực hiện bất cứ lúc nào 0.613

Tôi có thể chia sẻ tri thức nếu tôi muốn 0.907

Tôi có thể quyết định việc chia sẻ tri thức 0.489

Ảnh hƣởng đồng nghiệp

Ngƣời mà tôi:

… chịu ảnh hƣởng thƣờng chia sẻ tri thức 0.735

… chịu ảnh hƣởng khuyên nên chia sẻ tri thức 0.561

… lắng nghe ý kiến thƣờng chia sẻ tri thức 0.827

… tôn trọng ý kiến ủng hộ việc chia sẻ tri thức 0.735

Ảnh hƣởng lãnh đạo

Lãnh đạo doanh nghiệp:

… thƣờng tổ chức hội thảo chuyên ngành 0.800

… luôn khuyến khích hoạt động NCKH 0.723

… thƣờng tổ chức tập huấn chuyên môn 0.955

… thƣờng tạo điều kiện cho việc tập huấn 0.938

Eigenvalues 1.001 1.944 1.296 2.508 2.507

Phƣơng sai trích đƣợc (%) 2.410 5.661 2.901 5.963 7.898

Cronbach’s alpha 0.824 0.785 0.716 0.824 0.923

KMO= 0.840; Sig = 0.000 Cumulative Eigenvalues: 59.662

Phép trích: Principle Axis Factoring; Phép quay: Promax


127

Bảng 3. Kết quả phân tích hồi quy – Ý định chia sẻ tri thức

Hệ số

chƣa chuẩn hóa

Beta

chuẩn hóa T Sig.

B Sai lệch chuẩn Beta

(Hằng số) .241 .307 .784 .434

Mức độ hài lòng với doanh nghiệp .306 .062 .356 2.35 .006

Thái độ đối với chia sẻ tri thức .503 .076 .446 6.631 .000

Kiểm soát hành vi chia sẻ tri thức .241 .050 .294 4.821 .000

Ảnh hƣởng đồng nghiệp .102 .051 .118 2.016 .046

Ảnh hƣởng lãnh đạo .091 .045 .126 2.023 .045

Kiểm định mô hình nghiên cứu & các giả thiết

Kết quả phân tích hồi quy có R2 hiệu chỉnh

bằng 0.508, nghĩa là phần biến thiên của biến

phụ thuộc Ý định chia sẻ tri thức đƣợc giải

thích bởi các biến độc lập là 50.8%. Kiểm

định F với giá trị sig.=0.000 nên mô hình

nghiên cứu phù hợp với tập dữ liệu khảo sát.

Kết quả Bảng 3 cho thấy cả bốn yếu tố quan

sát đều quan hệ dƣơng với Ý định chia sẻ tri

thức của ngƣời lao động. Dó đó, các giả

thuyết H1, H2, H3, H4a , H4b đều đƣợc ủng hộ

trong bài báo này.

THẢO LUẬN

Kết quả nghiên cứu cho thấy việc vận dụng

Lý thuyết hành vi hoạch định của

Ajzen(1991)[1,2] để nghiên cứu các yếu tố

ảnh hƣởng đến ý định chia sẻ tri thức của

ngƣời lao động là phù hợp. Nghĩa là, Yếu tố

Ý định chia sẻ tri thức của ngƣời lao động

chịu tác động bởi các yếu tố, xếp hạng từ

mạnh đến yếu, Thái độ chia sẻ tri thức (β=

0.446), Kiểm soát hành vi chia sẻ tri thức (β =

0.2094), Ảnh hƣởng của lãnh đạo ( β = 0.126)

và Ảnh hƣởng của đồng nghiệp ( β = 0.118).

Thái độ đối với chia sẻ tri thức trong nghiên

cứu này cũng có tác động mạnh nhất đến Ý

định chia sẻ tri thức giống nhƣ các nghiên cứu

trƣớc của Ryu & etc., 2003 và Hung & etc.,

2010[10, 16]. Kết quả này cũng có thể giải

thích là ngƣời lao động làm việc trong doanh

nghiệp hiện nay phần lớn là lao động tri thức,

mọi hoạt động có liên quan đến tri thức của

họ là do họ quyết định và phụ thuộc chủ yếu

vào thái độ của họ chứ ít khi theo mệnh lệnh

của tổ chức. Kế đến, do đặc điểm của các

doanh nghiệp hiện đại, tri thức cá nhân của

ngƣời lao động đƣợc tích lũy dần dần trong

quá trình làm việc hàng ngày, thông qua việc

phối hợp trong công việc, hoạt động đoàn thể,

các hội thảo chuyên ngành… nên ngowì nào

động cũng biết rõ khi nào họ có thể chia sẻ tri

thức của họ. Chính môi trƣờng làm việc hàng

ngày đã tạo cho ngƣời lao động khả năng

kiểm soát hành vi chia sẻ tri thức nên yếu tố

này giữ vị trí thứ hai trong các nghiên cứu có

thể giải thích đƣợc. Cuối cùng, việc bị ảnh

hƣởng bởi những ngƣời khác (đồng nghiệp và

lãnh đạo) trong một tổ chức là không thể khác

biệt (Hofstede, 1998)[9].

KẾT LUẬN

Nghiên cứu đã xác định mức tác động của

các yếu tố lên ý định chia sẻ tri thức của

ngƣời lao động trong doanh nghiệp Việt Nam.

Thái độ đối với việc chia sẻ tri thức có tác

động mạnh nhất, kế đến là Kiểm soát hành vi

và cuối cùng là hai yếu tố Chuẩn chủ quan.

Trong bối cảnh nghiên cứu là ngƣời lao động

trong doanh nghiệp Việt Nam, là những ngƣời

làm việc trong môi trƣờng mà kiến thức, kinh

nghiệm có ảnh hƣởng tới tốc độ ra đời của

sản phẩm đồi hỏi sự phối hợp của các đồng

nghiệp khác trong dây chuyền sản xuất, việc

chia sẻ giữ vai trò quan trọng trong việc nâng

cao kiến thức, kinh nghiệm làm việc cho mỗi

cá nhân và cho cả doanh nghiệp. Các kinh

nghiệm, kiến thức đƣợc chia sẻ cho nhau giúp

doanh nghiệp luôn giữ đƣợc hoạt động ổn

định, không bị rơi vào tình trạng ngƣng trệ

sản xuất nếu một cá nhân trong dây chuyền

sản xuất nghỉ việc. Do vậy, để phát triển tài

sản tri thức thì cần tạo điều kiện làm việc tốt

cho mỗi cá nhân để họ có điều kiện học hỏi

và phát triển. Cách tổ chức các khóa học bồi


128

dƣỡng chuyên môn nghiệp vụ, hội thảo

chuyên ngành, sinh hoạt đoàn thể, … là rất

thích hợp cho việc chia sẻ tri thức diễn ra.

Mỗi ngƣời lao động đều có nhu cầu đƣợc học

hỏi kinh nghiệm từ ngƣời khác nên việc chia

sẻ tri thức trong doanh nghiệp có nhu cầu rất

lớn. Lúc này, chỉ cần các nhà quản lý doanh

nghiệp quan tâm, tạo điều kiện cho ngƣời lao

động phát huy vai trò và trách nhiệm của họ

trong công việc. Tạo môi trƣờng, điều kiện

thuận lợi cũng nhƣ có những cơ chế động

viên, khen thƣởng những nhân viên tích cực

học hỏi, chia sẻ kinh nghiệm làm việc cho

những ngƣời khác.

Tóm lại, để tăng cƣờng viêc chia sẻ tri thức

giữa các ngƣời lao động trong doanh nghiệp

thì các nhà quản lý cần quan tâm đến các yếu

tố Ý định chia sẻ tri thức của ngƣời lao động

nhằm tạo điều kiện thuận lợi để ngƣời lao

động trong doanh nghiệp có thể chai sẻ tri

thức với đồng nghiệp.

Bên cạnh đó nhứng đóng góp của bài báo còn

một số hạn chế nhất định. Thứ nhất, hạn chế

về tính đại diên của mẫu do phƣơng pháp lấy

mẫu thuận tiện, đối tƣợng khảo sát chỉ tập

trung tại một số doanh nghiệp trên ba tỉnh

thành: Hà Nội, Thái Nguyên, Bắc Giang. Thứ

hai, đề tài mới chỉ ứng dụng mô hình TPB để

nghiên cứu ý định chia sẻ tri thức của ngƣời

lao động mà chƣa xết đến những yếu tố khác

có ảnh hƣởng nhƣ cấu trúc nhóm, tiến độ

công việc, thói quen cộng tác, bản chất của tri

thức đƣợc chia sẻ (Robertson, 2002)[14] hoặc

cấu trúc công việc, phong cách lãnh đạo

(Lipshitz & Pooper, 2000)[13].

Đây là một hƣớng mới cho các nghiên cứu

tiếp theo, Thứ bam việc chỉ đƣa ba yếu tố tác

động đến Thái độ đối với việc chia sẻ tri thức

là chƣa đủ, dẫn tới R2 hiệu chỉnh chỉ đạt

0.270. Còn những yếu tố khác nhƣ nhận thức

về hữu ích, khả năng tƣơng thích, sự ƣa thích

giúp đỡ ngƣời khác cũng có thể có ảnh hƣởng

(Hung & etc, 2010)[10]. Cần có những

nghiên cứu tiếp theo với những yếu tố trên để

mô hình nghiên cứu đƣợc hoàn thiện hơn.

SUMMARY

DETERMINANTS OF KNOWLEDGE SHARING BEHAVIOR AMONG

EMPLOYEES IN VIETNAMESE ENTERPRISES

Vu Xuan Nam

1,*, Nguyen Van Huan

1, Truong Van Tu

2

1College of Information Technology and Communication – TNU 2National Economic University

Knowledge management is the topic of universal interest and a great number of scholars care

about and invest energy in research for a long time. In Vietnam, this topic is still very new and

there are few studies on it. In fact, Vietnamese enterprises are very interested in knowledge

sharing, experience sharing of employees in order to create competitive advantage, sustainable

development for enterprises. However, the application of the results from research on knowledge

management from foreign scholars to Vietnam still faces many difficulties due to differences in

technological, technical, organizational, cultural factors and especially the human factor.

Starting from practical requirements, the article applied theory of planned behavior to study the

factors that influence sharing knowledge motive power of employees in Vietnamese enterprises.

This article used statistical regression method to test the correctness of research model.

Keywords: Knowledge, knowledge management, model, sharing, behavior.



129


[1]. Ajzen, I. (2001). Nature and operation of

attitudes. Annales in Review of Psychology, 52:

27-58.

[2]. Ajzen, I. (1991). The theory of planned

behavior. Organizational Behavior and Human

Decision Processes, 50: 179-211,.

[3]. Bock, G.W. and Kim, Y.G. (2002). Breaking

the myths of rewards: an exploratory study of

attitudes about knowledge sharing. Information

Resources Management Journal, 14: 14-21.

[4]. Dong, G., Liem, C.G. and Grossman, M.

(2010). Knowledge-sharing intention in

Vietnamese organizations. Journal of Information

and Knowledge Management Systems, 40(3/4):

262-276.

[5]. Fishbein, M. and Ajzen, I. (1975). Belief,

attitude, intention and behavior: an introduction to

theory and research. Reading, MA: Addison-

Wesley.

[6]. Fishbein, M. and Middlestadt, S. (1997).

A striking lack of evidence for nonbelief-based

attitude formation and change: a response to

five commentaries. Journal of Consumer

Psychology, 6(2): 107-115.

[7]. Grant, R.M., (1996). Prospering in

dynamically- competitive environments:

organizational capability as knowledge

integration. Organization Science, 7(4): 375-387.

[8]. Hair, Jr.J.F., Anderson, R.E., Tatham, R.L.

and Black, W.C. (1998). Multivariate Data

Analysis, 5th ed. Upper Saddle River, NJ:

Prentice-Hall.

[9]. Hofstede, G.H., (1998). Masculinity and

femininity: taboo dimesions of national culture.

Sage Publications, International Educational

and Professional Publisher, London – New

Delhi.

[10]. Hung, S.Y., Lai, H.M. and Chou, Y.C.,

(2010). The determinants of knowledge sharing

intention in professional virtual communities: An

integrative model. PACIS: 1492-1503.

[11]. IKUJIRO NONAKA, RYOKO TOYAMA, TORU

HIRATA (2008), KNOWLEDGE-BASED

MANAGEMENT FOR SUSTAINABLE INNOVATION,

PALGRAVE MACMILLAN.

[12]. Liebowitz, J., (2001). Knowledge

management and its link to artificial intelligence.

Expert Systems with Applications, 20: 1-6.

[13]. Lipshitz, R. and Popper, M.,

(2000). Organizational learning in a hospital.

The Journal of Applied Behavioral Science, 36(3):

345-361.

[14]. Robertson, S. (2002). A tale of two

knowledge - sharing systems. Journal of

Knowledge Management, 6(3): 295-308.

[15]. Ruggles, R., (1998). The state of

notion: knowledge management in practice.

California Management Review, 49(3): 80-89.

[16]. Ryu, S., Ho, S.H. and Han, I.,

(2003). Knowledge sharing behavior of

physicians in hospitals. Expert Systems with

Applications, 25(1): 113-122.

[17]. Sheppard, B.H., Hartwick,J. and

Warshaw, P.R (1988). The theory of reasoned

action: a Meta analysis of past research

with recommendations for modifications and

future research. Journal of Consumer Research,

15(3):325-343, (1988).


Phản biện khoa học: ThS. Đỗ Năng Thắng – Trường ĐH CNTT&TT – ĐHTN


130

Hà Thị Thanh và Đtg Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 131 - 135

131

ỨNG DỤNG GIẢI THUẬT DI TRUYỀN VÀO SINH TESTCASE HIỆU QUẢ

Hà Thị Thanh

*, Tô Hữu Nguyên, Nguyễn Hồng Tân,

Nguyễn Văn Việt, Nguyễn Lan Oanh Trường ĐH Công nghệ thông tin và Truyền thông – ĐH Thái Nguyên

TÓM TẮT Giải thuật di truyền là thuật toán giải quyết bài toán bằng cách phỏng sự tiến hóa của con ngƣời

trong điều kiện quy định sẵn của môi trƣờng. Mục tiêu của giải thuật di truyền là đƣa ra lời giải

tƣơng đối tối ƣu với không gian tìm kiếm lớn. Hiện nay giải thuật di truyền đƣợc ứng dụng khá

nhiều trong nhiều lĩnh vực. Trong kiểm chứng và kiểm thử phần mềm, một trong những công việc

quyết định đến sự thành công chính là lựa chọn bộ dữ liệu test sao cho quá trình kiểm chứng và

kiểm thử phần mềm đƣợc nhanh chóng và tìm đƣợc nhiều lỗi trong thời gian và chi phí có hạn,

không gian dữ liệu test thì vô cùng lớn. Vì thế việc tạo ra bộ dữ liệu test nhỏ nhất và tốt nhất để

phát hiện tốt đa lỗi là điều rất quan trọng. Vì vậy trong bài báo này chúng tôi muốn trình bày việc

áp dụng giải thuật di truyền vào bài toán sinh bộ dữ liệu kiểm thử. Bài báo có bố cục nhƣ sau:

phần 2 là trình bày về giải thuật di truyền, phần 3 trình bày một số kỹ thuật kiểm thử sử dụng giải

thuật di truyền nhƣ kiểm thử hộp đen, kiểm thử hộp trắng. Phần 4: trình bày về bài toán chúng tôi

áp dụng để triển khai áp dụng giải thuật di truyền, phần 5 là kết luận.

Từ khóa: Giải thuật di truyền, kiểm thử phần mềm, bộ kiểm thử, testcase, kiểm thử hộp đen, kiểm

thử hộp trắng.

GIỚI THIỆU*

Kiểm thử phần mềm là một pha cần thiết

trong bất cứ dự án phát triển phần mềm nào

để đảm bảo chất lƣợng của sản phẩm phần

mềm. Trong suốt tiến trình kiểm thử, các bộ

kiểm thử đƣợc sử dụng để kiểm thử chƣơng

trình [6,7]. Trong một bộ kiểm thử, mỗi

trƣờng hợp kiểm thử bao gồm: một đầu vào,

một loạt bƣớc thao tác, một kết quả mong đợi.

Kết quả mong đợi này dùng để so sánh với

kết quả thực tế. Kết quả so sánh này quyết

định chƣơng trình cần kiểm tra thỏa mãn thế

nào trong từng trƣờng hợp kiểm thử cụ thể.

Chúng ta luôn nghĩ rằng một bộ kiểm thử tốt

là một bộ kiểm thử có số lƣợng kiểm thử là

nhỏ nhất và có độ bao phủ mã nguồn cao.

Điều đó có nghĩa nó không chỉ tiêu tốn ít bộ

nhớ trong khi chạy và còn có thể phát hiện

một số lƣợng lớn có thể các hành vi của

chƣơng trình cần kiểm tra[6,7,8,9].

Trong kiểm thử phần mềm chia ra làm hai kỹ

thuật: Kiểm thử hộp đen và kiểm thử hộp

trắng. Với mỗi kĩ thuật lại có nhiều kĩ thuật

sinh bộ dữ liệu kiểm thử. Việc nghiên cứu tạo


ra các bộ dữ liệu kiểm thử bắt đầu từ những

năm 1970[10]. Cho đến nay rất nhiều bài báo

công bố về việc sinh bộ dữ liệu kiểm thử theo

hƣớng tự động. Tuy nhiên khi sinh bộ dữ liệu

kiểm thử còn gặp nhiều khó khăn và thách

thức. Đa số các nghiên cứu hiện nay việc sinh

bộ dữ liệu kiểm thử chủ yếu dựa vào mã

nguồn, đặc tả và tìm kiếm cơ bản. Trong mấy

năm gần đây việc áp dụng tìm kiếm dựa vào

kinh nhiệm: nhƣ thuật toán leo đồi, simulated

Annealing, thuật toán tiến hóa (giải thuật di

truyền) đang đƣợc áp dụng vào việc sinh bộ

dữ liệu tự động[9]. Trong đó giải thuật di

truyền hiện đang đƣợc áp dụng rất thành công

và rộng rãi trong nhiều lĩnh vực.

GIẢI THUẬT DI TRUYỀN

Giải thuật di truyền dựa trên cơ sở chọn lọc tự

nhiên và quy luật tiến hoá. Giải thuật di

truyền sử dụng các thuật ngữ đƣợc lấy từ di

truyền học nhƣ: lai ghép, đột biến, nhiêm săc

thể (NST), cá thể...Ở đây mỗi cá thể đƣợc đặc

trƣng bởi một tập nhiễm sắc thể, nhƣng để

đơn giản khi trình bày, ta xét trƣờng hợp tế

bào mỗi cá thể chỉ một NST. Các NST đƣợc

chia nhỏ thành các gen đƣợc sắp xếp theo một

dãy tuyến tính. Mỗi cá thể (hay NST) biểu


132

diễn một lời giải có thể của bài toán [1, 2, 3].

Một xử lý tiến hoá duyệt trên tập các NST

tƣơng đƣơng với việc tìm kiếm lời giải trong

không gian lời giải của bài toán. Quá trình tìm

kiếm phải đạt đƣợc hai mục tiêu:

+ Tim những lời giải tốt nhất

+ Xem xét trên toàn bộ không gian tìm kiếm

Giải thuật di truyền có thể mô tả vắn tắt nhƣ

sau [1]:

Procedure Giải_thuật_di_truyền;

Begin

t:=0;

Khởi tạo ngẫu nhiên quần thể P(t);

Đánh giá độ phù hợp từng cá thể trong P(t);

Repeat

t:=t+1;

Chọn các cá thể từ P(t - 1);

Lai tạo các cá thể đã chọn tạo ra P(t) mới;

Đột biến các cá thể trong P(t) theo xác suất

pm;

Đánh giá độ phù hợp các cá thể trong tập

P(t);

Until (thoả điều kiện dừng);

End;

Tại lần lặp thứ t, GA xác định một tập hợp

các lời giải có thể (các cá thể hay NST) gọi là

quần thể P(t) = { xt1,,x

t2,...,x

tn }. Mỗi lời giải

xti đƣợc đánh giá nhằm xác định độ phù hợp

của nó. Sau đó, một tập hợp các lời giải đƣợc

hình thành nhờ sự lựa chọn các lời giải phù

hợp hơn. Một số phần tử của tập hợp này

đƣợc tái sản xuất thông qua lai ghép và đột

biến. Từ đó hình thành quần thể mới P(t+1)

với hy vọng chứa các cá thể phù hợp hơn

quần thể trƣớc đó.

Toán tử “lai ghép” kết hợp các đặc trƣng của

hai NST cha và mẹ hình thành hai NST con

tƣơng ứng chẳng hạn bằng cách hoán vị các

đoạn thích hợp của hai NST cha và mẹ. Ví dụ,

nếu cặp nhiễm sắc thể cha mẹ đƣợc biểu diễn

dƣới dạng hai véc tơ:

(a1, b1, c1, d1, e1 ) và (a2, b2, c2, d2, e2)

thì cặp véc tơ con cháu nhận đƣợc sau khi lai

ghép có thể là:

(a1, b1, c1, d2, e2) và (a2, b2, c2, d1, e1)

Toán tử “đột biến” thay đổi một hay một số

gen của NST đƣợc chọn theo quy tắc thay đổi

ngẫu nhiên với xác suất bằng tỷ lệ đột biến.

ỨNG DỤNG GIẢI THUẬT DI TRUYỀN

VÀO SINH BỘ DỮ LIỆU KIỂM THỬ

Kiểm thử hộp trắng

Sau đây là một số định nghĩa sử dụng trong

kiểm thử hộp trắng:

Kiểm thử hộp trắng còn gọi là kiểm thử cấu

trúc. Kỹ thuật này nhằm kiểm tra cấu trúc của

chƣơng trình (kiểm tra mã nguồn)[8,10].

- Vẽ sơ đồ luồng điều khiển (CFG) G, trong

đó G={N, E, s, e}

Trong đó N là tập các đỉnh của đồ thị, đỉnh

này biểu diễn các câu lệnh trong chƣơng

trình. E là tập các cạnh của đồ thị. Còn lại s

và e là đỉnh bắt đầu và đỉnh kết thúc của đồ

thị.

Ví dụ về sơ đồ luồng điều khiển của hàm tam

giác. Với dữ liệu đầu vào là 3 cạnh của tam

giác. Đầu ra cho biết tam giác thuộc lại gì

(thƣờng, tam giác cân, đều, hay không thỏa

mãn tam giác). Với ví dụ trên thì tại nút số

1,5, 9, 13,16, 18 gọi là những nút nhánh.

Cạnh xuất phát từ những nút này gọi là

nhánh. Điều kiện quyết định từng nhánh đó

gọi là điều kiện của nhánh. Ví dụ nhƣ ở nút

số 1 thì điều kiện của nhánh là if a>b.

Tập véc tơ đầu vào I=( x1, x2, …, xk) là các

biến đầu vào của chƣơng trình. Dxi là miền

giá trị của biến xi. D=Dx1 *Dx2 *… *Dxn. Từ

đó ta gọi biến nằm x trong không gian k

chiều D.

Đƣờng đi P trên đồ thị là dãy các nút P={n1,

n2,…,nm} sao cho (ni, ni+1) thuộc E. Đƣờng đi

P đƣợc gọi là khả thi nếu tồn tại giá trị đầu

vào của chƣơng trình mà đi qua các nút trên

đồ thị.

Một biến khi đƣợc khai báo gọi là definition.

Biến khi đƣợc sử dụng trong chƣơng trình gọi

là use, và khi giải phóng bộ nhớ gọi là Clear.

Và một đƣờng đi từ khi một biến đƣợc khai


133

báo cho đến khi giải phóng ô nhớ gọi là

definition-clear.[9]

Đồ thị phụ thuộc: Hình 2 sau đây là đồ thị

phụ thuộc của đồ thị luồng điều khiển (CFG)

trong hình 1 [10]:

Hinh 2. Đồ thị phụ thuôc

Hinh 1. Đồ thị CFG

Kiểm thử hộp đen

Việc sinh bộ dữ liệu kiểm thử bằng cách sử

dụng đặc tả Z.

Ký pháp Z đƣợc xây dựng dựa trên lý thuyết

tập hợp và logic toán học. Đây là một ngôn

ngữ toán học chặt chẽ, đƣợc sử dụng chủ yếu

trong đặc tả hình thức để đặc tả các yêu cầu

chức năng của 1 hệ thống, đặc biệt là hệ

thống phần mềm.

Ngôn ngữ Z không đƣợc thiết kế để mô tả các

yêu cầu phi chức năng của hệ thống, ví dụ

nhƣ công dụng, hiệu năng, kích thƣớc hay độ

tin cậy của hệ thống. Ngôn ngữ cũng không

đƣợc thiết kế cho các đặc tả theo thời gian

hay xử lý song song. Muốn làm đƣợc điều

này, ta phải kết hợp Z cùng với các công cụ

khác nữa.

Ứng dụng

Phần này chúng tôi sẽ trình bày kết quả áp

dụng giải thuật di truyền vào bài toán kiểm tra

sự chính xác của hàm fl( hàm tính đƣợc lƣu

trên bộ nhớ động) và hàm fi (hàm tính lƣu

trên bộ nhớ tĩnh). Giá trị của các hàm fl

thƣờng lƣu vào bộ nhớ động do trên máy tính

cá nhân có bộ nhớ lớn. Giá trị của các hàm fi

đƣợc lƣu trên bộ nhớ tính trên một số thiết bị

cầm tay do có bộ nhớ nhỏ . Việc chứng minh

độ chính xác của chúng rất quan trong vì hiện

nay các thuật toán đều thực hiện trên các số

thực động. Khi chuyển sang các thiết bị cầm

tay mà lƣu trên bộ nhớ tĩnh sau thực hiện một

dãy các thao tác dẫn đến sai số rất lớn[6].

Trƣớc hết định nghĩa hàm [6]:

Với là giá trị tuyệt đối của .

Độ đo ngƣỡng FM là phần trăm số lƣợng các

trƣờng hợp kiểm thử tốt (thỏa mãn tiêu chí T)

trên một bộ kiểm thử S đã có. Nếu giá trị này

nhỏ hơn 1%, chúng ta có thể nói rằng hàm

này là tốt đến 99%. Trong trƣờng hợp chắc

chắn, một giá trị ngƣỡng giống nhƣ thế này là

có thể chấp nhận đƣợc, đặc biệt đối với những

hàm đƣợc sử dụng trong việc nén các tín hiệu

âm thanh. Nếu không, tự do yêu cầu giá trị

ngƣỡng này bằng 0 để mà chúng ta có một số

đảm bảo sơ bộ về chất lƣợng của việc chuyển

đổi đối với ngƣỡng T.

Cho một ngƣỡng , một khả năng có thể xảy

ra , và một đặc tả , bộ kiểm thử

là thỏa đáng với nếu .


134

Chúng tôi tiến hành thí nghiệm để chỉ ra

trƣờng hợp kiểm thử tốt nhất để kiểm tra việc

chuyển đổi từ một hàm fl sang một hàm dấu

phẩy tĩnh fi. Từ những hàm nổi tiếng nhất

đƣợc sử dụng để kiểm tra việc thực hiện các

phƣơng thức tối ƣu hóa toàn cục, chúng tôi

chọn ra một danh sách các hàm phức tạp và

phổ biến nhƣ trong bảng 1 dƣới đây. Bắt

nguồn từ mỗi trong danh sách, chúng ta

định nghĩa và

. Mục tiêu của chúng tôi là đi tìm

cực đại toàn cục của của mỗi hàm trong

bảng 1.

Bảng 1. Danh sách các hàm[6]

Stt Tên hàm Định nghĩa

1 Beale f(x,y)=(1.5-x(1-y))2 + (2.25 –

x(1-y2))

2 + (2.625 –x(1-y

3))

2

2 Booth f(x,y)=(x+2y-7)2 +(2x+y-5)

2

3 Himmelblau f(x,y)=(x2 + y -11)

2 + (x + y

2 -7)

2

Sau đây là kết quả thực nghiệm thực hiện trên

3 hàm số trong bảng 1. Cột GA minh họa khi

chạy giải thuật di truyền thì cho ra giá trị

kiểm thử tốt nhất. Với quy mô dân số là 100,

quy mô lựa chọn là 30 và tỉ lệ đột biến là 20,

phần thập phân thiết lập cho các hàm là 6.

Bảng 2. Kết quả

Stt x, y GA

1 x, y €[-20, 20] 9.085015

2 x, y € [-60,60] 19.505000

3 x, y€ [-9, 9] 53.580487

Đối với bài toán này thì ngoài việc thực hiện

trên giải thuật di truyền còn có thể áp dụng

trên giải thuật khác nhƣ giải thuật leo đồi.

KẾT LUẬN

Hiện nay ngoài việc áp dụng giải thuật di

truyền trong việc sinh bộ dữ liệu test hiệu quả

thì còn có thể áp dụng một số phƣơng pháp

tìm kiếm cơ bản khác nhƣ giải thuật leo đồi,

giải thuật tiến hóa, huấn luyện…Và áp dụng

trên các kỹ thuật kiểm thử hộp đên, kiểm thử

hộp trắng, hộp xám[11].

Việc sinh bộ dữ liệu test còn gặp nhiều khó

khăn. Trong kiểm thử hộp trắng sẽ khó tìm ra

tập bao phủ mã nguồn khi độ phức tạp

chƣơng trình lớn. Hơn nữa trong kiểm thử cấu

trúc khi gặp vòng lặp và mảng lớn việc thực

hiện tìm ra bộ dữ liệu test cũng sẽ không thực

hiện đƣợc nhƣ kĩ thuật thông thƣờng, hoặc

khi gặp cấu trúc động. Trong kiểm thử phi

chức năng còn gặp nhiều vấn đề phức tạp nhƣ

tiêu chuẩn và độ đo còn khó thực hiện[11].

Bài báo với mục đích đề xuất phƣơng pháp ứng dụng giải thuật di truyền vào việc sinh bộ dữ liệu test hiệu quả trong khi kiểm thử phần mềm tự động. Giải thuật áp dụng vào kiểm thử hộp trắng, kiểm thử hộp đen. Chúng tôi có áp dụng vào bài toán kiểm tra độ chính xác giữa hai hàm fl và fi bằng cách vận dụng giải thuật di truyền. Trong tƣơng lai sẽ chỉ ra cách áp dụng cụ thể trong phƣơng pháp kiểm thử hộp đen và hộp trắng tổng quát.


[1]. Bài giảng giải thuật di truyền của bộ môn khoa

học máy tính

[2].T. Back, (1996). Evolutionary Algorithms in

Theory and Practice. Oxford University Press, New

York.

[3]. K. Deb and D. Goldberg. “A comparative

analysis of selection schemes used in genetic

algorithms“. In G. J. Rawlins, editor, Foundations

of Genetic Algorithms, pages 69-93. Morgan

Kaufmann, San Mateo, California, USA, 1991.

[4]. D. Goldberg. “Genetic Algorithms in Search,

Optimization and Machine Learning”. Addison-

Wesley , 1989.

[5]. L. Davis. “Handbook of Genetic Algorithms”.

International Thomson Computer Press, 1996.

[6]. W. Miller and D. Spooner. “Automatic

generation of foating-point test data”. IEEE Tr

ansactions on Software Engineering, 223-226, 1976

[7]. Korel. “Automated software test data

generation”. IEEE Transactions on Software

Engineering, 870-879, 1990.

[8]. M. J. Gallagher and V. L. Narasimhan.

ADTEST: “A test data generation suite for ada

software systems”. IEEE Tr ansactions on Software

Engineering, 473-484, 1997.

[9]. B. Korel. “Dynamic method for software test

data generation. Software Testing, Verication and

Reliability”, 203-213, 1992.

[10]. Phil McMinn, Search Based Software T est

Data Generation:A Survey, 105-156, Wiley 2004.

[11]. Hitesh Tahbildar and Bichitra Kalita.

Automated software test data generation: direction

of research.


135

SUMMARY

THE APPLICATION OF GENETIC ALGORITHM

TO EFFECTIVELY GENERATE TEST CASE

Ha Thi Thanh*, To Huu Nguyen, Nguyen Hong Tan,

Nguyen Van Viet, Nguyen Lan Oanh College of Information Technology and Communication – TNU

Genetic algorithms are used to solve problems by simulating the evolution in nature with

predefined constraints from the environment. The goal of GA is to find out the relatively optimal

solution in a big search space. Up to date, GA is widely used in different fields.

One decisive factor contributing to the the success in software testing and verification is to choose

the test data such that the testing and verification process can be done quickly and also to identify

the errors with limited time and resources. The test data space is vast and to generate the test data,

minimal and optimal, to identify the errors is of grave importance. Therefore, we would like to

propose the application of GA to effectively generate test data for software testing and verification.

Keywords: Genetic Algorithms, Software Testing, testcase.


Phản biện khoa học: TS. Vũ Đức Thái – Trường ĐH CNTT&TT – ĐHTN



136

Vũ Thị Thu Huyền Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 137 - 141

137

MỘT CÁCH TIẾP CẬN TRONG NHẬP PHIẾU ĐIỂM TỰ ĐỘNG

Vũ Thị Thu Huyền

*

Trường ĐH Công nghệ thông tin và Truyền thông - ĐH Thái Nguyên

TÓM TẮT Nhận dạng phiếu điểm là nhận dạng các ký tự viết tay. Hiện nay, nhận dạng ký tự viết tay vẫn

đang là vấn đề thách thức đối với các nhà nghiên cứu, bài toàn này chƣa thể giải quyết trọn vẹn

đƣợc vì nó phụ thuộc nhiều vào ngƣời viết và sự biến đổi đa dạng trong cách viết và trạng thái tinh

thần của từng ngƣời viết [1].

SVM (Support Vector Machines) là một phƣơng pháp máy học tiên tiến đã có nhiều thành công

không chỉ trong các lĩnh vực khai phá dữ liệu mà còn trong lĩnh vực nhận dạng. SVM đƣợc xây

dựng, mở rộng và phân tích dựa trên lý thuyết một cách chặt chẽ. Ƣu điểm chính của SVM so với

các phƣơng pháp khác là cách giải quyết vấn đề mang tính toàn cục trong khi các phƣơng pháp

khác có thể mang tính cục bộ.

Hiện nay, có nhiều kỹ thuật học máy đƣợc ứng dụng cho bài toán nhận dạng chữ viết tay và cho

kết quả đầy triển vọng. Trong khuôn khổ bài báo này tôi trình bày kỹ thuật SVM phân lớp cho các

điểm số trong phiếu điểm.

Từ khoá: SVM, máy học, máy hỗ trợ vector, nhận dạng.

GIỚI THIỆU*

Vấn đề quản lý điểm trong công tác đào tạo

của các trƣờng Đại học đã đƣợc đơn giản hóa

rất nhiều nhờ vào việc sử dụng các phần mềm

quản lý. Tuy nhiên, vấn đề nhập điểm từ các

phiếu điểm với nhiều loại mẫu phiếu khác

nhau (phiếu điểm thƣờng xuyên, phiếu điều

kiện thi, phiếu biểu phách,…) vào trong cơ

sở dữ liệu vẫn làm mất không ít thời gian

trong công tác quản lý đào tạo. Tuy nhiên để

nhận dạng đƣợc các mẫu phiếu điểm này còn

gặp một số khó khăn về nhận dạng nhƣ: Ảnh

phiếu điểm bị che khuất, bị xoay chiều hay

đơn giản là sự đa dạng trong cách viết.

Trong khuôn khổ bài báo này tôi xây dựng

mô hình thử nghiệm áp dụng kỹ thuật SVM

để phân loại các mẫu phiếu điểm rồi từ đó

nhận dạng ra các mẫu phiếu.

THUẬT TOÁN SVM

Phân lớp nhị phân

Xét ví dụ của bài toán phân lớp nhƣ hình vẽ;

ở đó ta phải tìm một đƣờng thẳng sao cho bên

trái nó toàn là các điểm đỏ, bên phải nó toàn

là các điểm xanh. Bài toán mà dùng đƣờng

thẳng để phân chia này đƣợc gọi là phân lớp

tuyến tính (linear classification).


Hình 1. Phân lớp tuyến tính

Hàm tuyến tính phân biệt hai lớp nhƣ sau:

( ) w ( )Ty x x b= F +

Trong đó:

là vector trọng số hay

vector chuẩn của siêu phẳng phân cách, T là

kí hiệu chuyển vị.

là độ lệch

( ) mx RF Î là véc tơ đặc trƣng,

F làm hàm ánh xạ từ không gian đầu vào

sang không gian đặc trƣng.

Tập dữ liệu đầu vào gồm N mẫu input vector

{x1, x2,...,xN}, với các giá trị nhãn tƣơng ứng

là {t1,…,tN} trong đó .

Điểm dữ liệu, mẫu… đều đƣợc hiểu là input

vector xi; nếu là không gian 2 chiều thì đƣờng

phân cách là đƣờng thẳng, nhƣng trong không

gian đa chiều thì gọi đó là siêu phẳng.


138

Giả sử tập dữ liệu của ta có thể phân tách tuyến tính hoàn toàn (các mẫu đều đƣợc phân đúng lớp) trong không gian đặc trƣng (feature space), do đó sẽ tồn tại giá trị tham số w và b theo (2.1) thỏa cho những điểm có nhãn và cho những điểm có , vì thế mà cho mọi điểm dữ liệu huấn luyện.

Tiếp cận SVM giải quyết vấn đề này thông qua khái niệm gọi là lề, đƣờng biên… (margin). Lề đƣợc chọn là khoảng cách nhỏ nhất từ đƣờng phân cách đến mọi điểm dữ liệu hay là khoảng cách từ đƣờng phân cách đến những điểm gần nhất.

Trong bộ phân lớp SVM, đƣờng phân lớp tốt nhất chính là đƣờng có khoảng cách margin lớn nhất (tức là sẽ tồn tại rất nhiều đƣờng phân cách xoay theo các phƣơng khác nhau, và ta chọn ra đƣờng phân cách mà có khoảng cách margin là lớn nhất).

Ta có công thức tính khoảng cách từ điểm dữ liệu đến mặt phân cách nhƣ sau:

Do ta đang xét trong trƣờng hợp các điểm dữ liệu đều đƣợc phân lớp đúng nên

cho mọi n. Vì thế khoảng cách từ điểm xn đến mặt phân cách đƣợc viết lại nhƣ sau:

Lề là khoảng cách vuông góc đến điểm dữ liệu

gần nhất xn từ tập dữ liệu, và chúng ta muốn

tìm giá trị tối ƣu của w và b bằng cách cực đại

khoảng cách này. Vấn đề cần giải quyết sẽ

đƣợc viết lại dƣới dạng công thức sau:

Chúng ta có thể đem nhân tử ra ngoài bởi

vì w không phụ thuộc n. Giải quyết vấn đề

này một cách trực tiếp sẽ rất phức tạp, do đó

ta sẽ chuyển nó về một vấn đề tƣơng đƣơng

dễ giải quyết hơn. Ta sẽ tỉ lệ và

cho mọi điểm dữ liệu, từ đây khoảng

cách lề trở thành 1, việc biến đổi này không

làm thay đổi bản chất vấn đề.

Từ bây giờ, các điểm dữ liệu sẽ thỏa ràng

buộc:

Vấn đề tối ƣu yêu cầu ta cực đại

đƣợc chuyển thành cực tiểu , ta

viết lại công thức:

Việc nhân hệ số ½ sẽ giúp thuận lợi cho lấy

đạo hàm về sau.

Phân nhiều lớp

Hình 2. Phân nhiều lớp với SVM

Bây giờ xét đến trƣờng hợp phân nhiều lớp K

> 2. Chúng ta có thể xây dựng việc phân K-

lớp dựa trên việc kết hợp một số đƣờng phân

2 lớp. Một số chiến lƣợc:

Chiến lược một chống một (OVO: One -

versus - One) [3]:


139

Chiến lƣợc này đƣợc đề xuất bởi Friedman, ý

tƣởng của chiến lƣợc này khá đơn giản: với

mỗi cặp lớp, xây dựng một máy phân lớp

nhị phân, mỗi máy phân lớp đƣợc huấn

luyện trên một tập con của tập huấn luyện mà

tập con này chỉ chứa các mẫu huấn luyện của

2 lớp. Nhƣ vậy phải xây dựng tất cả ( 1)

2

N Nmáy phân lớp, chúng đƣợc kết nối lại

với nhau và thông qua phƣơng pháp bỏ phiếu

để đánh giá kết quả phân lớp cuối cùng, lớp

nào có số phiếu nhiều nhất sẽ đƣợc chọn làm

kết quả dự đoán.

Chiến lược một chống phần còn lại (OVR:

One - versus - Rest) [3]:

Đây là chiến lƣợc đơn giản nhất cho bài toán

phân nhiều lớp. Gọi N là số lớp cần nhận

dạng thì chỉ cần xây dựng đúng N máy phân

lớp nhị phân, một máy cho mỗi lớp. Với

chiến lƣợc này, máy phân lớp thứ i sẽ đƣợc

huấn luyện trên toàn bộ tập mẫu để phân lớp

các thành viên của lớp thứ i với tất cả các

thành viên của các lớp còn lại. Vì vậy, khi

xây dựng các máy phân lớp, các mẫu huấn

luyện buộc phải đánh lại nhãn: các thành viên

của lớp thứ i sẽ đƣợc gán nhãn là 1, còn các

thành viên của các lớp còn lại sẽ đƣợc gán

nhãn là -1.

Chiến lược phân cấp

Ý tƣởng của chiến lƣợc này dựa trên cấu trúc

phân cấp, sử dụng cây nhị phân. Nút gốc của

cây phân lớp là một máy phân lớp nhị phân

chia toàn bộ các lớp thành hai nhóm lớp, sau

đó tùy đầu ra của máy phân lớp này mà các nút

con tiếp tục đƣợc phân tách cho tới khi xuống

đến nút lá. Chiến lƣợc phân cấp có tốc độ phân

lớp nhanh nhất so với hai chiến lƣợc đã nêu

trên nhƣng nó cũng có một nhƣợc điểm lớn:

nếu một mẫu X cho trƣớc bị phân lớp sai ở

ngay những nút đầu tiên thì chắc chắn kết quả

phân lớp sẽ bị sai cho dù có tiếp tục phân lớp

xuống đến tận nút lá

MÔ HÌNH NHẬN DẠNG PHIẾU ĐIỂM

Đặc trƣng của phiếu điểm

Trƣớc tiên, một vài điều kiện cần phải đƣợc áp

đặt lên việc ghi phiếu để quá trình phân đoạn

cũng nhƣ nhận dạng diễn ra thuận lợi đó là:

- Viết rõ ràng, không đứt đoạn, không chồng

chéo.

- Điểm đƣợc viết đúng vị trí, đúng ô, không

đè lên các đƣờng bao quanh ô, không dập xóa

lên phiếu.

Đặc trƣng chung của các mẫu phiếu điểm là

phần trên cùng gồm tên phiếu điểm, các thông

tin mô tả của phiếu điểm (tên lớp, đợt thi,

môn thi,…). Phần tiếp theo là điểm của sinh

viên đƣợc ghi trong một bảng gồm nhiều

hàng, mỗi hàng là thông tin điểm của một

sinh viên. Các cột mô tả số báo danh, số điểm

hoặc số phách, số điểm.

Hình 3. Mẫu phiếu điểm thi viết

Sau khi đã có ảnh của phiếu điểm đƣợc quét

đúng cách, việc nhận dạng phiếu điểm thực

hiện lần lƣợt các bƣớc nhƣ sau:

Tiền xử lý: Ảnh của phiếu điểm sau khi quét

thƣờng có nhiễu, một phần nhiệm vụ của

bƣớc này sẽ là lọc nhiễu. Sau đó ảnh phải

đƣợc biến đổi về ảnh nhị phân để tạo điều

kiện cho phân đoạn ở bƣớc tiếp theo.

Phân đoạn và trích chọn đặc trưng: Tách

ảnh đã qua tiền xử lý thành các hàng, mỗi

hàng bao gồm các cột. Sau đó từ các cột sẽ

tách ra kí tự cần nhận dạng, rồi trích chọn

đặc trƣng của nó.


140

Huấn luyện và nhận dạng: Xây dựng các

support vector nhận dạng từ các phiếu điểm.

Trƣớc khi nhận dạng, quá trình huấn luyện

đƣợc thực hiện trƣớc dựa trên một tập mẫu

có sẵn.

Hậu xử lý: Tổng hợp các kí tự đƣợc nhận

dạng riêng lẻ thành dữ liệu để cập nhật vào cơ

sở dữ liệu.

Phân lớp với SVM

Xét ví dụ của bài toán phân lớp nhị phân ở

chƣơng 2. Có 2 tập hợp những điểm màu đỏ và

điểm màu xanh nhƣ hình vẽ; ở đó ta phải tìm

một đƣờng ngăn cách sao cho các điểm đỏ và

các điểm xanh nằm ở hai bên khác nhau.

Hình 4. Chương trình mô phỏng phân lớp

Input: Tập dữ liệu huấn luyện gồm các chữ số

từ 0 đến 9, các phiếu điểm.

Output: Nhận dạng giá trị điểm trên các phiếu

điểm.

Tập dữ liệu huấn luyện: là ảnh của những chữ

số viết tay đã đƣợc nhị phân hóa, có kích

thƣớc 32*32

Hình 5. Một mẫu dữ liệu huấn luyện

Với bộ dữ liệu này, chƣơng trình nhận dạng

ra 95% giá trị trùng với giá trị của ảnh.

Quy trình hệ thống nhận dạng phiếu điểm:

Đầu tiên, một tập dữ liệu huấn luyện gồm

những chữ số viết tay đƣợc đọc vào chƣơng

trình. Mỗi mẫu trong tập dữ liệu huấn luyện

đã đƣợc gán giá trị tƣơng ứng với các số từ 0

đến 9. Chƣơng trình tiến hành tạo các

Support vectors phân lớp từng giá trị số với

các số còn lại.

Sau khi tạo các Support vectors, chức năng

quản lý Support vectors cho phép xem các

Support vectors tạo đƣợc, số lƣợng, trọng số

phân lớp giữa các giá trị số từ tập dữ liệu mẫu.

Sau khi huấn luyện và tạo các Support vectors

xong, ta có thể tiến hành thử nghiệm nhận

dạng số viết tay. Chức năng nhận dạng số viết

tay đƣợc xây dựng gồm 3 vùng chính: vùng

viết số (sử dụng chuột máy tính), vùng biểu

đồ hiện thị kết quả phân lớp, vùng kết quả

nhận dạng tìm đƣợc.

Chức năng nhận dạng phiếu điểm gồm 3 công

đoạn:

Chọn phiếu điểm: Lựa chọn phiếu điểm cần

nhận dạng.

Xử lý phiếu điểm: Loại bỏ nhiễu trên ảnh

phiếu điểm, trích chọn vùng hiển thị điểm

trên ảnh.

Nhận dạng: Sử dụng các Support vectors đã

tạo để nhận dạng điểm trên phiếu.

Một số kết quả chƣơng trình

Sau khi xây dựng các support vector phân lớp

giữa các chữ số từ 0 đến 9, ta tiến hành nhận

dạng với bộ dữ liệu test gồm 500 chữ số. Kết

quả nhƣ sau:

Hình 6. Nhận dạng các chữ số với SVM


141

Nhận dạng phiếu điểm: Không mất tính tổng

quát, để đơn giản hóa, chƣơng trình giả sử cần

nhận dạng các điểm là các số có một chữ số.

Với những điểm đƣợc viết dƣới dạng thập

phân, ta chỉ lấy phần nguyên của điểm để

nhận dạng.

Hình 7. Nhận dạng phiếu điểm

KẾT LUẬN

Với bộ dữ liệu mẫu gồm 500 chữ số viết tay.

Chƣơng trình nhận dạng chữ số viết tay trực

tiếp với độ chính xác là 94.54%. Tuy nhiên

với các chữ số viết tay từ các phiếu điểm, kết

quả nhận dạng chỉ đạt độ chính xác là

82.85%. Một số lý do khiến độ chính xác của

kết quả nhận dạng còn thấp:

Tập dữ liệu huấn luyện nhỏ (500 mẫu). Chữ

số viết tay rất đa dạng, phong phú, tùy thuộc

cách viết của từng ngƣời, để quá trình nhận

dạng đạt kết quả chính xác hơn cần một tập

dữ liệu huấn luyện lớn hơn rất nhiều.

[1]. Phạm Anh Phƣơng, Ngô Quốc Tạo, Lƣơng Chi

Mai (2008), Trích chọn đặc trưng wavelet Haar kết

hợp với SVM cho việc nhận dạng chữ viết tay tiếng

Việt, Tạp chí Công nghệ thông tin và truyền thông,

ISSN 0866-7039, kỳ 3, 10-2008.

[2]. Đỗ Năng Toàn, Phạm Việt Bình (2007), Giáo

trình Xử lý ảnh, Đại học Thái Nguyên.

[3]. Yaser S. Abu-Mostafa, Malik Magdon-Ismail,

Hsuan-Tien Lin. “Learning from data”. 2012

[4]. Rafael M. O. Cruz, George D. C. Cavalcanti and

Tsang Ing Ren. Handwritten Digit Recognition

Using Multiple Feature Extraction Techniques and

Classifier Ensemble. In proceddings of 17th

International Conference on Systems, Signals and

Image Processing. 2010

[5]. Xiao-Xiao Niu and Ching Y. Suen. “A novel

hybrid CNN–SVM classifier for recognizing

handwritten digits”. Pattern Recognition, Volume 45,

Issue 4, April, 2012, Pages 1318–1325

[6]. Boguslaw Cyganek. “Object Detection and

Recognition in Digital Images: Theory and

Practice”. Wiley Editor, First edition, August, 2013.

SUMMARY

AN APPROACH TO THE ENTERING SCORES AUTOMATICALLY

Vu Thi Thu Huyen*

College of Information Technology and Communications – TNU

Identification score transcript is identification of handwritten characters. Currently, the recognition

of handwritten characters is still a challenging problem for researchers; this whole matter could not

be fully resolved because it depends on the writer and the various changes in writing and the

mental state of each writer [1]. SVM (Support Vector Machines) is an advanced machine learning

methods have been successful not only in the field of data mining, but also in the field of

identification. SVM is built, expanded and analyzed rigorously based on the theory. The main

advantages of SVM compared with other methods are the ways to solve global issues, while other

methods may be local. Nowadays, there are many machine learning techniques applied to the

problem of handwriting recognition, and they bring promising results. In the framework of this

article, I will present techniques for SVM classification score transcript.

Keywords: SVM; Machine Learning; Support Vector Machines; Identity.


Phản biện khoa học: PGS.TS. Ngô Quốc Tạo – Viện CNTT – Viện Hàn lâm KH&CN Việt Nam



142

Nguyễn Anh Tuấn Tạp chí KHOA HỌC & CÔNG NGHỆ 110(10): 143 - 147

143

ỨNG DỤNG THUẬT TOÁN MSA CHO MÃ LDPC

Nguyễn Anh Tuấn

*


TÓM TẮT Bài báo đi sâu nghiên cứu thuật toán giải mã MSA (Min-Sum Algorithm) cho mã kiểm tra chẵn lẻ

mật độ thấp (Low-Density Parity-Check code - LDPC) từ đó thực hiện đánh giá chất lƣợng của thuật

toán giải mã này cho kênh gauss và kênh fadinh. Qua phân tích kết quả mô phỏng cho thấy hiệu quả

sửa lỗi của thuật toán giải mã MSA không suy giảm so với thuật toán giải mã truyền thống SPA

(Sum-Product Algorithm) nhƣng lại cho hiệu quả về thời gian xử lý tín hiệu tới 5 đến 6 lần.

Từ khóa: Thuật toán giải mã MSA, thuật toán giải mã SPA, mã LDPC, kênh fadinh Rayleigh. kênh

AWGN.

MÃ LDPC VÀ THUẬT TOÁN GIẢI MÃ SPA

Mã LDPC (low density parity check code) là

mã kiểm tra chẵn lẻ mật độ thấp trong giai

đoạn hiện nay đang đƣợc quan tâm và nghiên

cứu khá mạnh mẽ, đƣợc khuyến nghị sử dụng

trong các hệ thống thông tin số hiện đại nhƣ:

DVB-S2 (Digital Video Broadcasting), 10

Gigabit Ethernet (10GBASE-T),WiFi

,WiMAX và hơn nữa LDPC đƣợc chọn là mã

dự phòng dài hạn cho các hệ thống thông tin

di động thế hệ mới. Tuy nhiên, xuất phát từ

tính chất phức tạp của các thuật toán giải mã

đã cản trở việc áp dụng LDPC, mặc dù mã

này có khả năng cho chất lƣợng tiệm cận giới

hạn Shannon và thời điểm ra đời khá sớm

(khoảng năm 1962). Vấn đề chính của bài báo

này là nghiên cứu thuật toán giải mã cho

LDPC với hƣớng giảm độ phức tạp dựa trên

thuật toán Min-Sum [1, 2], trình bày mô hình

ứng dụng mã LDPC cho kênh Gauss, kênh

fadinh, phân tích một số kết quả mô phỏng

trên các mô hình kênh này đối với các thuật

toán SPA và MSA.*

Hiện nay rất nhiều hƣớng nghiên cứu đặt ra

với mục đích giảm sự phức tạp thuật toán và

Min-Sum (MSA) cũng là một trong số đó,

MSA đƣợc hình thành trên cơ sở phát triển,

cải tiến thuật toán SPA (Sum – Product

Algorithm) - thuật toán mà Mackay-Neal đã

sử dụng để chứng minh LDPC code có thể

tiệm cận giới hạn Shannon. Do đó, để tiện cho

* Tel: 0912998396; Mail: [email protected]

việc tìm hiểu MSA chúng ta khái quát lại một

số nét chính thuật toán SPA [1, 2].

Thuật toán SPA bao gồm 5 bƣớc nhƣ sau:

Bƣớc 1: Tính xác xuất tiên nghiệm của tất cả

các nút bit: For 0i to 1 n do

set Pr( 1| )i i iP c y (1)

với iy là ký tự thứ i mà kênh nhận đƣợc, sau

đó:

set (0) 1ij iq P

(2)

(1)ij iq P (3)

với , i j thỏa mãn: 1ijh

Bƣớc 2: Tính ( )ijr x - xác suất để nút kiểm tra

thỏa mãn bằng 1 hoặc 0.

’

' \

1 10 1 2 1

2 2

M

ji i j

i Vj i

r q

(4)

(5)

Bƣớc 3: Tính ( )ijq x - xác suất bít mã bằng x

với điều kiện các nút kiểm tra với

i thuộc tập các nút kiểm tra nối tới nút bít

ic trừ nút bít cj.

ij

' \

(0) 1 ' (0)ij i

j Ci j

q K P rj i

(6)

ij ij '

' \

(1) (1)i

i j i

j C j

q K P r

(7)

Với ijK là hằng số.


144

Bƣớc 4: Tính ma trận xác suất hậu nghiệm.

For i=0 to n-1

(0) (1 ) (0)i

i i i ji

j C

Q K P r (8)

(1) (1)i

i i i ji

j C

Q K P r (9)

Bƣớc 5: Đƣa ra từ mã.

For i=0 to n-1

If (1) (0)i iQ Q then 1ic

else 0ic

If ( * 0Tc H ) or (số vòng lặp = max)

then Stop

Else go to step 2.

THUẬT TOÁN GIẢI MÃ MSA

Nhƣ trên đã nêu trên, MSA hình thành từ

thuật toán SPA, cụ thể để hình thành lên MSA

ta thực hiện một số cải tiến trong các bƣớc

của SPA nhƣ sau [3]:

Bƣớc 1: Thay vì tính ijq ta đi tính

ij

ij

(0)( ) log .

(1)ij

qL q

q (10)

Bƣớc 2: Vì

1 1 0 ij ijr r 0 1 1ij ijr r

Thay vào phƣơng trình (4) ta có :

’

' \

1 2 (1) 1 2 1 .M

ij i j

i Vj i

r q (11)

Mặt khác trong thực tế

110

1

0 21))log(2

1tanh( PPP

P

P (12)

Thay (12) vào (11) ta có:

))(2

1tanh())(

2

1tanh( '

'' \ji

iVji

ij qLrL (13)

suy ra:

' ' '

' '\ ' '\

1 1tanh tanh ,

2 2i j i j i j

i Vj i i Vj i

L q (14)

với:

ij ij 'L q i j; ijij sign L q ;

' .i j ijL q

Cuối cùng ta có:

))2

1tanh((tanh2.)( '

'

'

'

1

ijj

ijj

ijrL (15)

= 1 1

' '

' '

1.2 tanh log log tanh

2i j i j

i i

= 1 1

' '

''

1.2 tanh log log tanh

2i j i j

ii

= ' '

' \'

. .i j i j

i Vj ii

(16)

Với

exp( ) 1( ) log tanh log

2 exp( ) 1

x xx

x

Ví dụ: phƣơng trình cho kênh BI-AWGN:

2 2 /ij i iL q L c y (17)

Mặt khác, để ý tiếp đến phƣơng trình (16) để

tính ( )ijL r . Ta có:

' ''

mini j i ji

i

,min '' \

i ji Vj i

(18)

Vì ( )x tƣơng ứng với giá trị nhỏ nhất của

'i j trong ' ,i j

i

do đó:

ij i'j '' \'

r . minj

i ji V ii

L (19)

Bƣớc 3 và 4: logarit hai vế (19):

’

' \

ij i j i

j Cj j

L q L c L r (20)

i i ji

j Ci

L Q L c L r (21)

Trong đó:(0)

(1)

ij

ij

ij

qL q Log

q,

i ii

i i

Pr(c =0|y )L c Log

Pr(c =1|y ),


145

(0)

(1)

ji

ji

ji

rL r Log

r,

(0)

(1)

ii

i

QL Q Log

Q

Thuật toán MSA có thể tóm tắt bằng các bƣớc

sau:

Bƣớc 1: Tính LLR (log-likelihood ratio) - tỉ

lệ ƣớc lƣợng theo thang logarit của xác suất

tiên nghiêm đầu vào cho tất cả các nút bit.

Bƣớc 2: Tính ijL r - LLR của xác suất để

nút kiểm tra thỏa mãn bằng 1 hoặc 0 theo

(19).

Bƣớc 3: Tính ijL q - LLR xác suất bít mã

bằng x với điều kiện các nút kiểm tra

' 0iz với i thuộc tập các nút kiểm tra nối

tới nút bít ic (trừ nút j) theo (20).

Bƣớc 4: Tính iL Q - ma trận LLR của xác

suất hậu nghiệm theo (21).

Bƣớc 5: Đƣa ra từ mã.

Nhận xét đặc điểm thuật toán MSA

- Quá trình tính toán với MSA giảm đƣợc yếu

tố sự phụ thuộc vào tính chất của kênh truyền,

điều này thể hiện ở chỗ trong bƣớc 1 của

thuật toán, không cần kể tới thông tin về 2

phƣơng sai nhiễu ảnh hƣởng lên xác suất tiên

nghiệm với từng nút bít truyền (đại lƣợng này

phụ thuộc vào tính chất của kênh), đây chính

là ƣu điểm nổi trội của thuật toán này so với

SPA. Ví dụ đối với kênh BI-AWGN 2 2 /ij ijL q y có thể thay bằng

ij iL q y .

- Khối lƣợng tính toán giảm đi rất nhiều. Do

trong SPA ở phƣơng trình tính rij (bƣớc 1 và

2) đƣợc đặc trƣng bởi Pi (xác suất khi ci=1)

thực hiện bằng các phép nhân, thì tại MSA

phƣơng trình rij lại đƣợc đặc trƣng bởi Min(x)

thực hiện bằng các phép cộng.

Từ các nhận xét trên cho thấy: Khi sử dụng

thuật toán MPA có thời gian và cấu trúc thiết

bị giải mã giảm khá nhiều so với SPA.

ỨNG DỤNG CỦA MÃ MSA CHO MÃ LDPC

Mô hình hệ thống

Từ nhiều kết quả nghiên cứu cho thấy khi sử

dụng mã LDPC với thuật toán giải mã SPA cho

hiệu quả sửa lỗi khá tốt trên kênh Gausse cũng

nhƣ kênh fadinh [3, 4], để đánh giá chất lƣợng

của thuật toán MSA ta cũng thực hiện mô

phỏng trên máy tính với 2 loại kênh nêu trên.

Để đánh giá chất lƣợng mã LDPC với phƣơng

pháp giải mã SPA và MSA cho kênh gausse

cũng nhƣ kênh pha đinh trên phần mềm

matlab, ta xây dựng sơ đồ khối của hệ thống

cần mô phỏng trên hình 1.

Tạo tín hiệu

ngẫu nhiên

Mã hoá LDPC Điều chế Kênh truyền

Giải điều chếGiải mã LDPCXác định

lỗi bitHiển thị

Hình 1. Sơ đồ khối hệ thống đánh giá chất

lƣợng các phƣơng pháp giải mã SPA và MSA

Trong đó:

- Khối tạo tín hiệu ngẫu nhiên - Tạo ra chuỗi

tín hiệu nhị phân có xác suất xuất hiện ngẫu

nhiên.

- Khối mã hoá LDPC - Thực hiện mã hoá

LDPC cho chuỗi tín hiệu nhị phân vừa tạo ra.

- Khối điều chế thực hiện điều chế BPSK cho

từ mã nhị phân đầu ra khối mã hoá LDPC.

- Khối kênh truyền - Tạo ra mẫu tạp âm phân

bố Gauss hoặc kênh Rayleigh theo tỷ số Eb/N0

phù hợp với các điểm cần xác định xác suất

lỗi bít Pe.

- Khối giải điều chế thực hiện giải điều chế

BPSK cho chuỗi tín hiệu nhận đƣợc từ kênh

- Khối giải mã LDPC thực hiện giải mã chuỗi

tín hiệu từ khối giải điều chế đƣa sang.

- Khối xác định lỗi bít thực hiện so sánh chuỗi

tín hiệu vừa giải mã với chuỗi tín hiệu gốc, từ

đó đƣa ra tỷ lệ lỗi bit.

- Khối hiển thị đƣa ra tỷ lệ lỗi bit bằng số.

Kết quả mô phỏng

Với các kết quả khảo sát sử dụng thuật toán

giải mã SPA truyền thống, ta có các đồ thị

xác suất lỗi bít (BER) đƣợc thể hiện trên hình

2, 3. Hình 4 và hình 5 thể hiện các kết quả mô

phỏng đánh giá hiệu quả sửa lỗi của các thuật


146

toán SPA và MSA cho mô hình kênh Gauss

và kênh pha đinh sử dụng phƣơng thức điều

chế tín hiệu là BPSK, số vòng lặp cực đại là

30 với các độ dài từ mã khác nhau.

Hình 2. Đồ thị BER sử dụng các mã LDPC có tỉ lệ

mã 1/2, 2/3 với H (39x78) trên kênh AWGN

0 1 2 3 4 5 610

-7

10-6

10-5

10-4

10-3

10-2

10-1

Eb/No

BE

R

So sanh BER cua ma LDPC tren kenh AWGN va kenh Rayleigh

ma LDPC kenh Rayleigh

ma LDPC kenh AWGN

BER ko ma

Hình 3. Đồ thị BER sử dụng mã LDPC với H

(39x78) trên kênh AWGN và kênh Rayleigh

Hình 4. Đồ thị so sánh xác suất lỗi bít trên kênh

pha đinh và kênh Gausse khi sử dụng mã LDPC

với H(39,78) với các thuật toán SPA và MSA

Hình 5. Xác suất lỗi bít kênh pha đinh khi sử

dụng mã LDPC với H(39,78) và tỉ lệ mã

(1527,3054)

Việc sử dụng mã LDPC cho sự cải thiện chất

lƣợng hệ thống rõ rệt so với trƣờng hợp

không dùng mã cho cả 2 loại kênh. Ví dụ, từ

hình 5 thấy rằng: ở giá trị xác suất lỗi bít Pe =

3.10-4 cần tỉ lệ / =4,5 dBEb No trong

trƣờng hợp sử dụng mã LDPC có ma trận

kiểm tra H(39x78) và khi không mã yêu cầu

/ =7,5 dBEb No (cho kênh Gausse), nhƣ

vậy đạt đƣợc tăng ích mã hoá là 3dB, đại

lƣợng này còn tăng một cách đáng kể đối với

kênh fadinh, đặc biệt khi /Eb No tăng. Khi độ

dài từ mã tăng, khả năng sửa lỗi của mã cải

thiện một cách đáng kể, ví dụ: từ hình 5 cho

thấy tại Pe=10-3

, đối với kênh fadinh, khi sử

dụng mã LDPC có ma trận kiểm tra H(39x78)

cần / =7,5 dB,Eb No còn với mã LDPC có

ma trận H(1527x3054) tƣơng ứng với

/ =6,5 dB.Eb No Tức là đạt đƣợc tăng ích

mã hoá là 1 dB cho cả 2 thuật toán giải mã

MSA và SPA.

Chất lƣợng sửa lỗi của thuật toán MSA

tƣơng tự nhƣ SPA ở mọi giá trị Eb/N0 nhƣng

thời gian xử lý tín hiệu giảm đáng kể. Cụ thể

là: Trong quá trình mô phỏng sử dụng máy

tính pentium IV ram 1 G tốc độ vi xử lý là

3.06 GHZ với thuật toán MSA thì thời gian

thực hiện giảm khoảng 5 đến 6 lần so với

việc sử dụng thuật toán SPA, kết quả này có

thể giải thích thông qua các nhận xét về thuật

toán MSA.


147

KẾT LUẬN

Từ những kết quả chính trong bài báo ta có

thể nhận định rằng:

- Không chỉ với kênh AWGN mà đối với

kênh fadinh Rayleigh, mã LDPC luôn cho

chất lƣợng sửa lỗi tốt, điều này rất có ý nghĩa

trong các hệ thống thông tin vô tuyến số.

- Sử dụng thuật toán giải mã MSA có khối

lƣợng tính toán và thời gian giải mã cải thiện

hơn rất nhiều so với thuật toán truyền thống

(SPA) mà không làm giảm khả năng sửa lỗi

của mã, điều này có ý nghĩa rất lớn với mục

đích sử dụng mã LDPC cho các hệ thống

truyền tin số, ở đó tín hiệu đáp ứng yêu cầu

thời gian thực, cũng nhƣ tác dụng giảm độ

phức tạp cho thiết bị giải mã.


[1]. R.Gallager (192), Low-density parity-check

codes, IRE Trans. Information Theory.

[2]. William E.Ryan, An introduction to LDPC

codes, 2003.

[3]. В. Б Афанасьева, Искусство

помехоусточивого кодирования, Теносфера.314

стр. 2005.

[4]. Phạm Xuân Nghĩa, Nguyễn Văn Linh, Lê Văn

Thái, Nguyễn Anh Tuấn. Nghiên cứu hiệu quả sửa

lỗi của mã LDPC cho kênh fadinh. Tạp chí Khoa

học và công nghệ - Đại học Công nghiệp Hà Nội,

Số 5.2011. Tr 21-24.

SUMMARY

APPLICATION MSA ALGORITHM FOR LDPC CODES

Nguyen Anh Tuan

*

College of Information Technology and Communications – TNU

The main content of this paper is analyzed Min-Sum Algorithm (MSA) for decoding LDPC codes

(Low Density Parity Check codes ) to assess its performance. It is a improving solution for the

tradition decoding SPA (Sum Product Algorithm). Simulation results show that performance of

LDPC codes do not effect but decoding time decreases 5 to 6 times.

Keywords: Min-Sum Algorithm, Sum-Product Algorithm, LDPC code, Rayleigh fading channels,

AWGN channel.


Phản biện khoa học: TS. Nguyễn Duy Minh – Trường ĐH CNTT&TT – ĐHTN


THE Lf,a

GUIBAIT4p chi Khoa hoc vd C6ng nghQ DAi hqc Th6i Nguydn thucmg xuy€n nhqn dang

nhimg bdi b6o cira c6n bQ giang d4y, can.bQ.nghi6n criu vd c6c nhd khoa hgc...trong vdngodi Dai hoc Th6i Nguy€n nhim c6ng b6 k6t qu6 nghidn cftu, bdi tdng quan ho4c nhtngth6ng tin trao d6i thuQc moi linh v.uc khoa hgc c6ng

"ghe. Sau ddy ld thile gui bdi cho Tda

so?n:

1. T?p chf chi nhfln ddng.nhimg bdi b6o khoa hoc chua c6ng bd tren cdcbfuo,tpp chikhoa hgc trong nu6c vd qu6c t6.

2.Biib6o khoa hgc c6 th6 vi€t bang ti6ng Vi€t hoac tiring Anh.3. Khi nQp cho tda soq.n, m6i Uai b6o cdn dugc in thanh hai ban tr€n gi6y &, kdm

theo dia CD.4. Cdutrtic bdi b6o.4.1. T€n bdi b6o.4.2. Ho. t6n t6c gi6 hopc nh6m thc giir, co quan cdng t6c.4.3. M6i bdi b6o kh6ng dai qu6 5 trang (khoang 3.000 tu). Trong bdi b6o, o nhthrg nQi

dung t6c gi? da tl.t* kh6o hoflc sir dung k6t qu6 nghiOn ciru tu c6c tdi ligu khoa hoc khilc, cAndanh d6u bang s6 (dpt trong m6c vu6ng tl) - h rd tni Lu cria tai li6u x6p trong danh mpc taili6u tham khdo.

4.4. Tom tit n6i .dmg bdi b5o: tOi tnieu 150 tir bing titing ViQt vd dugc dfch sangti6ng Anh (kc cd ti6u ac Uai 96o), du6i mpc t6m t6t ti6ng viet ro "Tir kh6a"; du6i t6m tiiti6ng Anh c6 ooKey words" ltOi tfrieu 05 tt ho{c cpm til).

4.5. Tdi liQu tham kh6o:- TLTK s6p x6p theo vAn A,B,C, tdi liQu.ti6ng nudc ngodi kh6ng phi€n Am, kh6ng dfch.- E6i v6i t6c gi6 ld ngudi ViQt Nam xtip theo thri tg A, B, C itrio tAn (V,h6ngdao t0n

l6n tru6c h9).- DOi voi titcgid ld ngudi nudc ngodi xtip theo thf tp A, B, C theo hp.- DOi vdi nhirng tdi liQu kh6ng c6 tdn tic gihxtip thri tu A, B, C cira tt ctAu ti€n l€n

co quan ban hdnh tdi liQu'(vi dp: BQ Gi6o dpc vd Ddo t4o x6p vdn B).TLTK ld s6c!, lu0n an can ghr dAy dir c6c th6ng tin theo thri t.u: t6n tfuc gihho{c co quan

ban hanh, (I.{am xu'At ban;, ftn sdch,Nhd xuit ban, ncfxu,St ban.TLTK ld bei brio hodc bdi trong mQt cu6n s6ch... cdn ghi dAy dri c6c thdng tin theo

thri tg: Tdn t6c gid, (Nam c6ng b6), "T€n bdi b6o", Tan @p chi hoic sdch, tap,lso), cacs6 trang (gach ngang gifta2 chfi s6).

s.Hinh thric trinh bdy:- Ngodi.phAn ti€u dC, t6c gihvdt6m t6t bdi b6o (ddu trangl) vd Summary lcutii bai;,

bdi b6o yOu cAu phii trinh bdy tr6n kh6 ,A.4 theo chiAu dgc, dugc 'chia

02 cQt v6i c6c th6ngsd PageSetup cg th€ nhu sau:Top:3.1cm, Bottom: 3.lcm, Left: 3.0cm, Right: 2.Bcm,Header: 2.85cm, Footer: 2.85cm, With7.25cm, Spacing:0.8cm. TOn bdi b6o cd 12, cht indOm; nQi dung bdi b6o cd I 1; F-ont chfr Unicode; hinh vE, dO thi trinh bdy phu hqrp v6i dQrQng cQt q .25 cm); ciic b6ng bi€u qry lcrn trinh. bdy theo trang ngang (Landicape).-

- D6i vcvi c6c bdi b6o thC hien bdng cric ph6n m6m chuyOn OU"g nh* Latex, ACD/ChemSketch ho{c Science Helper for Word cfing trinh bdy theo khu6n dqng n6u tr6n.

6. N6u bdi brio khdng duo. c sri dgng, Ban bi6n tfp kh6ng tra lai ban thio., 7.Tfc gi6 ho4c tdc gih chinh trong nh6m tfrc giit c6n ghi dfa chi, sO eien thoai vdo

cu6i bdi dC 1i6n lpc.

BAN BIEN TAP