Một số vấn đề tổng quan về điều khiển thông minh

Một số vấn đề tổng quan về điều khiển thông minh Ths. Hà Mạnh Đào – TsKH. Phạm Th−ợng Cát Phòng công nghệ tự động hoá- Viện công nghệ thông tin Tel:04 7564764, Email: daols_68@yahoo.com, ptcat@ioit.ncst.ac.vn (Bài nghiên cứu với sự hỗ trợ của đề tài cấp nhà n−ớc KC03-13) Tóm tắt: Vấn đề điều khiển thông minh hiện đang đ−ợc nghiên cứu, ứng dụng trong nhiều ngành, nhiều lĩnh vực khoa học kỹ thuật, quân sự, công nghiệp và đời sống cả trong n−ớc và trên thế giới. Vậy điều khiển thông minh là gì?Phân mức độ thông minh của các bộ điều khiển nh− thế nào? Điều khiển thông minh sử dụng những công nghệ nào và tình hình nghiên cứu ứng dụng nó ra sao?... Trong bài này, chúng tôi đề cập đến một vài nét tổng quan về điều khiển thông minh với hy vọng đ−a ra một cách nhìn ban đầu đối với lĩnh vực phức tạp, phong phú và đầy hữu ích này. 1. Điều khiển thông minh là gì? Các ph−ơng pháp điều khiển truyền thống đã cho phép giải quyết các hệ thống điều khiển mà có cấu trúc và tham số hoàn toàn xác định. Nh−ng với các hệ thống có cấu trúc không rõ ràng, bất định hoặc các hệ thống có mức độ phi tuyến và phức tạp cao nh−: robot không gian, automonous, mobile robot, mạng giao thông, các hệ thống sản xuất mềm dẻo... thì các ph−ơng pháp truyền thống không thể giải quyết thoả đáng đ−ợc các bài toán này. Để giải quyết các bài toán có đặc điểm nh− vậy, các ph−ơng pháp điều khiển thông minh đã đ−ợc đề xuất, nghiên cứu và phát triển trong suốt 3 thập kỷ gần đây. Vậy điều khiển thông minh là gì? Chúng ta có thể nói điều khiển thông minh là hệ thống điều khiển có những khả năng giống nh− con ng−ời nh− khả năng mềm dẻo, sáng tạo, khả năng khái quát hoá, khả năng thích nghi, khả năng suy luận và tìm kiếm..Hay nói cách khác, hệ thống điều khiển thông minh là hệ thống điều khiển và trên hệ thống điều khiển đó có cài đặt sự “thông minh” để hệ thống điều khiển có khả năng suy diễn, xấp xỉ .. trên cơ sở dữ liệu đầu vào(môi tr−ờng) và đ−a ra tác động điều khiển ở đầu ra. Theo [1], Ph−ơng trình thiết kế tổng quát của hệ thống điều khiển có thể đ−ợc diễn tả theo công thức sau: {O: Control Objective}={C: Controller}X{P: Plan} (1) Với dấu X biểu diễn phép toán phù hợp. Hình 1 Để giải đ−ợc ph−ơng trình (1), tức tìm [C], cần phải biết [P] và [O]. Đối với các bài toán điều khiển mà [P] là tuyến tính và [O] là đơn giản thì ph−ơng pháp hàm truyền đ−ợc sử dụng. Nh−ng đối với các hệ thống có độ phức tạp cao, bất định, cấu trúc hệ thống biến đổi theo không gian và thời gian thì các ph−ơng pháp điều khiển thông minh sẽ đ−ợc sử dụng. Trong các hệ thống đó, [C] [P] [O] Input Output bộ điều khiển thông minh [C] sẽ đ−ợc xác định và thiết kế trên cơ sở sử dụng riêng rẽ hoặc phối hợp nhiều công nghệ thông minh khác nhau nh−: - Mạng nơ ron - Hệ mờ - Thuật gen - Lập luận trên cơ sở tình huống(case) - Hệ chuyên gia... Việc sử dụng các công nghệ này và phối hợp giữa chúng phụ thuộc vào thông tin thu đ−ợc và môi tr−ờng mà trong đó hệ thống t−ơng tác là tĩnh hay thay đổi và mức độ thay đổi, thích nghi có thể xẩy ra. Hình 2 cho chúng ta thấy mối quan hệ giữa thông tin, đặc điểm môi tr−ờng, các công nghệ đ−ợc sử dụng trong các hệ thống điều khiển thông minh, và mối liên quan giữa các ph−ơng pháp điều khiển truyền thống với điều khiển thông minh. Trên hình các công nghệ thông minh khác nhau nằm phù hợp trên các vùng khác nhau của không gian information- Environment. Trong không gian đó, có thể thấy thấy lập luận trên cơ sở tình huống(case-base reasoning) là tốt nhất khi dạng cụ thể của tri thức là khó khăn nh−ng thông tin thu đ−ợc từ các thực nghiệm là phong phú. Còn đối với các hệ thống mà thông tin thu đ−ợc là dữ liệu ch−a đ−ợc xử lý nh− dữ liệu từ sensor, dữ liệu đo đạc mà trạng thái môi tr−ờng động thì sử dụng mạng nơ ron và thuật gen là phù hợp hơn cả. Hình 2 Vậy mức độ thông minh của các hệ thống điều khiển đ−ợc phân biệt nh− thế nào? Theo Bezdek[2], mức độ thông minh của các hệ thống thông minh có thể phân cấp theo Hình 3. Sự phân cấp của các hệ thống thông minh Neural Networks Genetic algorithms Fuzzy system case-base reasoning Expert system Mathematical techniques E nv ir om en t Static Dynamic, adaptive InformationRaw Formal Knowlege Thông minh sinh học Thông minh nhân tạo Tính toán thông minh Tri thức ng−ời + Các đầu vào các giác quan Các phần tử thông tin+dữ liệu sensor Tính toán + sensor numeric Symbolic organic hình 3. Trong mô hình này, hệ thống thông minh đ−ợc phân làm 3 cấp: Tính toán thông minh, trí tuệ nhân tạo và trí tuệ sinh học. Sự thông minh của các hệ sinh học là cơ sở quan trọng nhất để các hệ thống thông minh đ−ợc thiết kế phỏng theo. Nó gồm nhiều cơ chế phối hợp với nhau để xử lý đầu vào từ các sensor, gợi nhớ lại tri thức có liên quan và đ−a ra các tác động thông minh ở đầu ra. Mức độ thông minh của các hệ thống đ−ợc đánh giá thấp nhất là mức độ tính toán số đối với dữ liệu vào từ sensor và cao nhất đối với các hệ thống sinh học. Các hệ thống điều khiển thông minh có thể sử dụng các phần cứng hoặc phần mềm truyền thống, có thể sử dụng các công nghệ mới hoàn toàn hoặc có thể sử dụng lai giữa các công nghệ mới và truyền thống. Hiện nay với sự phát triển mạnh mẽ của công nghệ điện tử và vi điện tử, các chíp nơ ron, chíp mờ, các chíp DSP... cùng với các máy tính song song với tốc độ cáo cho phép các bộ điều khiển thông minh thực sự đ−ợc đ−a vào các ứng dụng thực tế, nhất là các hệ thống điều khiển đảm bảo thời gian thực. Bài toán về điều khiển thông minh hiện nay đang thu hút nghiên cứu nhiều chính là những hệ thống thông minh phân tán, những hệ thống này đòi hỏi phải tích hợp nhiều công nghệ cả phần cứng, phần mềm, các công nghệ thông minh và nhiều công nghệ thuộc nhiều ngành khoa học khác nhau. Ví dụ về các hệ điều khiển này nh− các robot đá bóng, các robot phục vụ trong mối t−ơng tác với đồng đội và môi tr−ờng, các robot trong mạng cảnh báo, tuần tra, canh gác... 2. Một số kỹ thuật điều khiển thông minh Hiện nay các bộ điều khiển thông minh chủ yếu đ−ợc xây dựng trên cơ sở các công nghệ mạng nơ ron(NN), hệ logic mờ(FS), các thuật tiến hoá(GA) và sự kết hợp của các công nghệ đó. Hình 4 thể hiện sự tích hợp của 3 công nghệ NN, FS, GA. Sau đây một số dạng điều khiển thông minh dựa trên các công nghệ này sẽ đ−ợc đề cập. 2.1. Điều khiển thông minh trên cơ sở logic mờ Trong một hệ thống điều khiển, lý thuyết tập mờ, logíc mờ cho phép ánh xạ không gian đầu vào tới không gian đầu ra thông qua hệ thống luật(rule). Mỗi luật gồm có 2 phần: Phần IF là phần giả thiết và phần THEN là phần kết luận. Trong đó các phép toán AND và OR cho phép kết nối các điều kiện trong phần giả thiết với nhau. Tập hợp các luật trong một hệ thống mờ hình thành nên cơ chế suy diễn của hệ thống đó. Ví dụ nh− luật Ri gồm 2 đầu vào, 1 đầu ra đ−ợc biểu diễn nh− sau: Ri: IF x is Ai AND y is Bi THEN z is Ci Ngoài các phép toán AND, OR đ−ợc hiểu theo phép lấy min và max(logic đa trị), còn có các phép toán NOT, T-NORM, T-CONORM, các quan hệ mờ cũng đ−ợc sử dụng. Hai hệ thống mờ đ−ợc sử dụng phổ biến: - Mamnami: đầu ra là tập mờ. - Sugeno: Đầu ra là hằng số hoặc một hàm nào đó. abc a b c bc ac ab Hinh4 Sự kết hợp 3 kỹ thuật tạo các loại bộ điểu khiển thông minh khác nhau. [a]: NN [b]: FS [c]: GA [ab]: neuron-fuzzy;fuzzy-neuron [bc]: Hệ thống mờ tự chỉnh [ac]: NN tiến hoá [abc]: Mạng nơ ron- mờ- tiến hoá Hệ Sugeno đ−ợc ứng dụng nhiều trong điều khiển. Hình 5 cho thấy cấu trúc của một vòng điều khiển mờ cơ bản. Hình 5 Vòng điều khiển mờ gồm các khối cơ bản sau: - Khối cơ sở luật - Cơ chế suy diễn mờ - Khối mờ hoá và giải mờ Trong đó khối cơ sở luật đóng vai trò quan trọng vì nó mô tả quan hệ giữa đầu vào và đầu ra của các bộ điều khiển. Vòng điều khiển mờ này đ−ợc tích hợp trong các bộ điều khiển và tích hợp với các công nghệ thông minh khác để tạo ra các bộ điều khiển hiệu quả hơn. Bộ điều khiển mờ đ−ợc ứng dụng trong nhiều trong các hệ thống điều khiển công nghiệp, trong các hệ thống robot, các hệ thống autonomous, các hệ thống thích nghi, các hệ thống điều khiển kết hợp với camera, các hệ thống thông minh phân tán...nói chung, bộ điều khiển mờ đ−ợc sử dụng chủ yếu đối với các bài toán điều khiển là những hệ thống bất định, biến đổi theo thời gian, phi tuyến và các hệ thống quản lý phức tạp. 2.2. Điều khiển thông minh trên cơ sở mạng nơ ron Mạng nơ ron nhân tạo là một mô hình phỏng theo mạng nơ ron sinh học. Mạng nơ ron cho phép tính toán −ớc l−ợc các đầu vào và đ−a ra đáp ứng đầu ra. Quá trình xử lý thông tin với mạng nơ ron bao gồm phân tích các mẫu sử dụng thông tin học đ−ợc cất d−ới dạng các trọng liên kết giữa các nút mạng. Mạng nơ ron có thể đ−ợc học theo các ph−ơng pháp nh−: học có giám sát, học có tín hiệu củng cố hoặc học không giám sát. Cấu trúc mạng nơ ron đ−ợc sử dụng nhiều nhất trong điều khiển là mạng truyền thẳng đa lớp. Trong cấu trúc mạng này có một lớp nhận dữ liệu đầu vào, một lớp đầu ra. Giữa 2 lớp này có một hay nhiều lớp trung gian đ−ợc gọi là các lớp ẩn. Trong các lớp ẩn, mỗi lớp chứa một số các nút nào đó sao cho mạng đủ phức tạp để có thể biểu diễn đ−ợc quan hệ phi tuyến, phức tạp giữa các đầu vào và đầu ra. Hình 6 cho chúng ta thấy các cấu trúc học của mạng nơ ron theo kiểu truyền ng−ợc (BP) đ−ợc sử dụng phổ biến trong các hệ thống nhận dạng và điều khiển: - Cấu trúc học tổng quát (a) - Cấu trúc học chi tiết (b) - Cấu trúc học phản hồi sai số (c) - Cấu trúc học gián tiếp (d) Hiện nay, trong các hệ thống điều khiển phức tạp nh− robot, các hệ thống điều khiển công nghiệp, hệ thống nhận dạng mẫu .. bộ điều khiển nơ ron th−ờng dùng là mạng nơ ron với khả năng mềm dẻo(Flexible Neural Networks), đây là cấu trúc mạng nơ ron mà các hàm truyền của chúng là các hàm sigmoid nh−ng có một tham số có thể học, từ đó dạng hàm sigmoid sẽ chọn đ−ợc tối −u đối với mỗi bài toán cụ thể. Dạng hàm sigmoid đơn cực và hai cực có tham số a có thể đ−ợc học trong quá trình huấn luyện có dạng sau: Cơ chế suy diễn Cơ sở luật Defuzzilication fuzzification Process )1( 1),(, 1 2 ),( 2 2 2 xa xa xa ea eaxf a axf e − − − + −=+= Hình 6 2.3. Điều khiển thông minh trên cơ sở lý thuyết tiến hoá(thuật gen- GA) Lý thuyết tiến hoá mà trọng tâm ở đây là dùng thuật gen(GA) cho phép thực hiện tìm kiếm, tối −u hoá trên cơ sở một quần thể xuất phát ban đầu. Thuật gen có −u điểm là có khả năng tìm đ−ợc cực trị tổng quát trong không gian tìm kiếm. Thuật gen thực hiện tiến hoá qua các thế hệ thông qua các phép toán nh− lai tạo, sao chép, đột biến và chọn lọc tự nhiên, các cá thể có mặt trong thế hệ mới hay không phụ thuộc vào hàm finess của chúng. Hình 7 cho chúng ta thấy một hệ thống điều khiển sử dụng thuật gen. Hình 7 Ngoài GA, trong điều khiển thông minh còn sử dụng nhiều thuật toán tiến hoá khác nh− thuật toán đồng tiến hoá(coevolution). Thuật toán này phỏng theo sự tiến hoá của hệ sinh học gồm hai hay nhiều loài t−ơng tác với nhau theo quan hệ chủ thể và ký sinh(Host-parasite). Thuật toán tiến hoá này đ−ợc sử dụng nhiều trong các hệ thống điều khiển autonomous hoặc trong các hệ thống có mức độ phức tạp cao khác. 2.5. Điều khiển trên cơ sở lai tích hợp các công nghệ mạng nơ ron- Hệ mờ- Thuật gen. Hiện nay các hệ thông điều khiển phức tạp, nhất là các hệ thống điều khiển làm việc trong các môi tr−ờng biến đổi, các bộ điều khiển thông minh th−ờng kết hợp các công nghệ NN- FS-GA với nhau để có khả năng điều khiển đối tuợng đạt tới mục đích mong muốn một Plan NN u uc y NN Plan yd u y Feedback controlle NN Plan u u u yy PlanNN NN yd u y a) b) c) d) y Most fit Controller Plan Evalution GA Operations yd u cách tối −− nhất. Các hệ thống này th−ờng có các phần chức năng phức tạp nh−: hệ thống cơ sở tri thức, Cơ chế suy diễn, các khối điều khiển đa chức năng và khối thực hiện các cơ chế truyền thông- giao tiếp thông qua các giao thức truyền thông mạng, thông qua ngôn ngữ tự nhiên, hình ảnh... Hình 8 cho chúng ta ví dụ về mức độ phức tạp của hệ thống điều khiển thông minh autonomous có thực hiện các chức năng phản ứng, t−ơng tác với môi tr−ờng trên cơ sở các tín hiệu thu đ−ợc từ mạng sensory đầu vào. Hình 8 Trong những hệ thống điều khiển phức tạp nh− vậy, nhất là các hệ thống điều khiển thông minh phân tán, việc lai tạo giữa các công nghệ thông minh khác nhau để tạo ra bộ điều khiển tối −u là thực sự hữu ích. Trong những hệ thống nh− vậy, mạng nơ ron, GA và logíc mờ đ−ợc tích hợp và giữ các vai trò khác nhau và bổ xung cho nhau trong các hệ thống : - NN: Vai trò chính để nhận dạng mẫu, phân loại tín hiệu vào, tự thích nghi với với môi tr−ờng biến đổi thông qua quá trình học. - FS: Biểu diễn tri thức và thực hiện các cơ chế suy diễn. - GA: Thuật gen với cơ chế tiến hoá giống nh− các hệ sinh học th−ờng sử dụng các phép toán chọn lọc, sao chép, lai ghép, đột biến để thực hiện tối −u cấu trúc của NN và FS. Hình 9a, 9b cho chúng ta thấy sự tích hợp của NN-GA và FS-GA trong các bộ điều khiển thông minh sử dụng phổ biến trong thực tế. Ngoài các hệ thống nêu trên, trong thực tế các bộ điều khiển thông minh còn sử dụng các hệ chuyên gia, các hệ lập luận trên cơ sở tình huống( case-based reasoning) và sự kết hợp của chúng với các công nghệ NN, FS, GA hoặc các tổ hợp của nó để tạo ra những hệ thống thông minh hơn, đáp ứng đ−ợc mục tiêu điều khiển phức tạp hơn. information environment Autonomous Action selection inner state motivation drive experience Rule set sensory input constraint Action dynamics Genetic Algorithm Population neural Netwwork Trained network Performance Evalution Training Data Test Data Genetic Algorithm Population Fuzzy system finness select/modify evalution results Hình 9a) Quá trình tối −u mạng nơ ron sử dụng GA Hình 9b. Quá trình dùng GA cải tạo hoạt động của hệ mờ 3. Tình hình nghiên cứu về điều khiển thông minh trên thế giới và trong n−ớc Công nghệ thông minh nói chung và điều khiển thông minh nói riêng đ−ợc ứng dụng mạnh mẽ trong nhiều lĩnh vực quân sự, sản xuất công nghiệp, nghiên cứu và lĩnh vực nghiên cứu khoảng không..., nhất là các n−ớc Mỹ, Nhật bản, Đức, Hàn Quốc...Cụ thể điều khiển thông minh đ−ợc ứng dụng phổ biến trong các dây truyền sản xuất mềm dẻo, các hệ thống điều khiển năng l−ợng thông minh IECS (Intelligent Energy Control System),Các hệ thống điều khiển giao thông(Trafic Control Intelligent Systems), các hệ thống suy diễn thông minh IIS(Intelligent Inference Systems), các thiết bị đo l−ờng thông minh, các cảm biến thông minh và đặc biệt trong lĩnh vực điều khiển robot, các hệ thống lái xe tự động, các hệ thống nghiên cứu trong khoảng không vũ trụ, các hệ thống thông minh đối với th−ơng mại, nhà máy sản xuất, chính phủ... Sự đẩy mạnh nghiên cứu và ứng dụng mạnh mẽ các công nghệ thông minh đó trong lĩnh vực đo l−ờng và điều khiển trên thế giới là do một số yếu tố quan trọng sau: - Mức độ gia tăng các bài toán có độ phức tạp cao, các quá trình sản xuất cần có độ mềm dẻo cao và đòi hỏi mức độ tối −u hơn. - Công nghệ điện tử và vi điện tử đã tạo ra các chíp nơron, các chíp mờ...cho phép đ−a nhiều công nghệ thông minh vào lĩnh vực đo và điều khiển. Nhất là lĩnh vực công nghệ nano hiện nay đã cho phép chế các máy tính mạnh và có kích th−ớc cực nhỏ càng làm cho lĩnh vực điều khiển thông minh đ−ợc chú trọng và mở rộng tầm ứng dụng. Đối với tình hình nghiên cứu về điều khiển thông minh ở Việt nam, vấn đề này cũng đang đ−ợc nghiên cứu mạnh mẽ nh−ng trên thực tế chúng ta mới chỉ dừng ở mức sử dụng các modul thông minh nhập từ các hãng n−ớc ngoài nh− Nhật, Đức, Mỹ...hoặc mới triển khai chế tạo các thiết bị ở mức “tính toán số thông minh” mà thôi. 4. Kết luận Điều khiển thông minh là một lĩnh vực rộng, bao trùm nhiều ngành khoa học, nhiều lĩnh vực công nghệ và đang đ−ợc nghiên cứu, ứng dụng mạnh mẽ, đa dạng trên thế giới. Vì vậy, trong bài này chúng tôi chỉ đ−a ra một vài nét tổng quan về lĩnh vực này mà chủ yếu đ−a đến một cách nhìn về điều khiển thông minh, những công nghệ thông minh và một vài khả năng thiết kế các bộ điều khiển thông minh đó, và cuối cùng đ−a ra một vài suy nghĩ về tình hình nghiên cứu, ứng dụng điều khiển thông minh trong n−ớc và trên thế gioí hiện nay. Tài liệu tham khảo [1] Shigeyasu Kawaji; Intelligent Control – why,How, Where?; RESCCE ‘1998, Ha noi , Viet nam. [2] Y.KaKaZu, M. WaDa, T. SaTo; Intelligent autonomous system; IAS-5 [3] LiMin Fu; Neural networks in computer intelligent; McGraw-Hill, Inc; 1994 [4] Nils Nilsson; Artificial Intelligence A New Synthesis; Morgan Kaufmann Publisher – 1998 [5] Kenneth Hunt, George Irwin, Kenvin; Neural Network Engineering in Dynamic control system; Spinger [6] Mohammad Teshnehlab, Keigo Watanabe; Intelligent Control based on Flexible Neural Networks; Klwer Academic Publishers- 1999 [7] Spyros G.Tzalestas; Fuzzy Reasoning in information, Decision and Control Systems; Klwer Academic Publishers- 1994 [8] Lardy R.Medsker; Intelligent system; ; Klwer Academic Publishers- 1999 [9]Yih-Guang Leu, Tsu-Tian Lee; Oberver- Based Adaptive Fuzzy –Neural Control for Unknown Nonlinear Dynamical system; System, Man, and Cybernetics; Volum 29; October 1999 [10] Alexandre Schmid, yusuf Leblebici...;A Charge- Based Artificial Neural Network with On-Chip Learning Ability; Proceeding of the 5th European Congress on Intelligent Technique & soft computing EUFIT’97, Gemany 1997 [11] David E.Goldberg; Genetic Algorithms in Search, Optimization, and Machine Learning; Addison Wesley Longman,inc, 1989 [12] Các trang WEB đ−ợc tìm kiếm với cụm từ “inteligent+Control” .