Đồ án Ứng dụng neurofuzzy trong điều khiển nhiệt độ thông qua kit at89c52

TRƯỜNG ĐẠI HỌC KỸ THUẬT TP. HCM KHOA ĐIỆN ĐIỆN TỬ BỘ MÔN ĐIỀU KHIỂN TỰ ĐỘNG LUẬN VĂN TỐT NGHIỆP ĐỀ TÀI : ỨNG DỤNG NEUROFUZZY TRONG ĐIỀU KHIỂN NHIỆT ĐỘ THÔNG QUA KIT AT89C52 GVHD : LÊ TUẤN ANH SVTH : LÊ PHƯỚC THÀNH MSSV : 49600822 NIÊN KHÓA 1996 - 2001 LỜI CẢM ƠN Xin chân thành cảm ơn tất cả các thầy cô trong trường ĐH Kỹ Thuật đã dạy dỗ cho đến ngày hôm nay, đặc biệt là các thầy cô trong bộ môn Điều Khiển Tự Động. Xin chân thành cảm ơn văn phòng bộ môn, đặc biệt là cô Ngọc đã tạo điều kiện giúp đỡ trong suốt quá trình thực hiện luận văn tốt nghiệp. Xin chân thành cảm ơn thầy Lê Tuấn Anh, người đã gợi ý và hướng dẫn thực hiện luận văn tốt nghiệp. Và xin cảm ơn tất cả những người đã gián tiếp tạo điều kiện thuận lợi trong quá trình làm luận văn tốt nghiệp. Dù đã cố rất gắng nhưng vẫn không tránh khỏi sai sót, xin được học hỏi những lời chỉ dẫn. Xin cảm ơn rất nhiều. Người thực hiện Lê Phước Thành LỜI TỰA Đề tài này được thực hiện trong khuôn khổ một môn học do trường ĐH Kỹ Thuật qui định với số tín chỉ là 10. Thông qua đó, sinh viên có một học kỳ để tự học, tự đánh giá khả năng của mình và trình bày thành luận văn dựa trên những hiểu biết của mình. Tên của đề tài là ứng dụng NeuroFuzzy để điều khiển nhiệt độ cho thấy đề tài không mới nhưng phương pháp điều khiển thì rất mới : đó là ứng dụng NeuroFuzzy, một lĩnh vực còn khá mới mẽ trong điều khiển tự động, là sự kết hợp của hai lĩnh vực trí khôn nhân tạo : logic mờ và mạng neuron nhằm tận dụng ưu điểm của cả hai. Nhằm để chứng tỏ ưu điểm của phương pháp này, đề tài điều khiển một đối tượng cụ thể là một lò nướng dân dụng. Luận văn trình bày đề tài được chia làm 5 phần lớn : Phần 1 : Giới thiệu. Phần 2 : Lý thuyết. Phần 3 : Thiết kế. Phần 4 : Kết qua điều khiển. Phần 5 : tài liệu tham khảo. Trong mỗi phần có nhiều chương nhỏ trải rộng từ hệ thống, phần cứng, phần mềm với tổng số trang là 183. Do lượng nội dung viết thì nhiều mà khuôn khổ luận văn có giới hạn nên chỉ trình bày các giải thuật mà không trình bày chương trình. Tuy nhiên, nếu muốn tham khảo thì sử dụng đĩa CD-ROM kèm theo có chứa chương trình nguồn lẫn chương trình đã biên dịch (cho phép cài lên máy tính). Thực ra tác giả còn muốn trình bày nhiều hơn nữa nhưng đành phải rút gọn nên không thoát khỏi tình trạng thiếu trước hụt sau. Ngoài ra, do mỗi phần được viết trong các khoản thời gian khác nhau nên không tránh khỏi vấn đề không nhất quán trong trình bày. Lối văn phong cũng không được khoa học cho lắm. Mong rằng người đọc sẽ thông cảm mà bỏ qua những thiếu sót đó. Xin chân thành cảm ơn. MỤC LỤC Phần 1. Giới thiệu 9 Chương 1. Giới thiệu đề tài 10 1. Nhiệm vụ của đề tài 11 2. Thực hiện 11 Phần 2. Lý thuyết 12 Chương 1. Logic mờ 13 1. Sơ lược về logic mờ 13 1.1. Quá trình phát triển của logic mờ 13 1.2. Cơ sở toán học của logic mờ 13 1.3. Logic mờ là logic của con người 16 1.4. So sánh logic mờ với lý thuyết xác suất thống kê 16 2. Các khái niệm dùng trong logic mờ 17 2.1. Tập hợp mờ và độ phụ thuộc 17 2.2. Hàm phụ thuộc 18 2.3. Biến ngôn ngữ 18 2.4. Luật mờ 19 3. Tính toán mờ 19 3.1. Mờ hóa 19 3.2. Tính luật mờ 19 3.3. Suy luận mờ 20 3.4. Giải mờ 21 Chương 2. Mạng Neuron 23 1. Sơ lược về mạng neuron 23 1.1. Quá trình phát triển 23 1.2. Mạng neuron là gì ? 24 1.3. Cấu trúc của não 24 2. Mô hình hóa mạng neuron 26 2.1. Yêu cầu khi lập mô hình một neuron 26 2.2. Lập mô hình neuron 26 3. Học hỏi trong mạng neuron 28 4. Giải thuật học perceptron 30 4.1. Mô tả giải thuật 30 4.2. Phân loại với mô hình perceptron 31 4.3. Tóm tắt giải thuật 33 4.4. Hạn chế 34 4.5. Nhận xét 34 5. Giải thuật học delta 35 5.1. Đạo hàm 35 5.2. Mô tả luật học delta 36 5.3. Một số hàm truyền và đạo hàm của nó 37 5.4. Tóm tắt giải thuật 38 6. Giải thuật delta tổng quát 39 6.1. Mô hình perceptron đa tầng 39 6.2. Luật học delta tổng quát 39 6.3. Tóm tắt giải thuật 41 7. Độ hiệu quả của mạng neuron 41 Chương 3. NeuroFuzzy 44 1. Sơ lược về NeuroFuzzy 44 2. Kết hợp neuron và mờ 45 2.1. Biểu diễn luật If-Then theo cấu trúc mạng neuron 45 2.2. Neuron mờ 48 3. Học hỏi trong NeuroFuzzy 50 3.1. Sửa đổi hàm phụ thuộc 51 4. Nhận xét 54 Chương 4. Vi điều khiển 55 1. Vi điều khiển họ MCS-51 55 2. Vi điều khiển AT89C52 56 2.1. Cấu tạo chân 56 2.2. Sơ đồ khối 57 2.3. Mô tả chức năng các chân 57 2.4. Các thanh ghi chức năng 59 2.5. Bộ nhớ dữ liệu 61 2.6. Đặc tính bộ dao động 62 2.7. Chế độ lười 62 2.8. Chế độ hạ nguồn 62 2.9. Trạng thái của một số chân trong chế độ hạ nguồn và chế độ lười 62 2.10. Các thông số kỹ thuật 63 Chương 5. ADC ICL7109CPL 67 1. Sơ lược các phương pháp biến đổi AD 67 1.1. Biến đổi AD dùng bộ biến đổi DA 67 1.2. Bộ biến đổi Flash AD 70 1.3. Bộ biến đổi AD theo hàm dốc dạng lên xuống 71 1.4. Bộ biến đổi AD dùng chuyển đổi áp sang tần số 71 1.5. Bộ biến đổi AD theo tích phân hai độ dốc 71 2. ICL7109CPL 72 2.1. Cấu tạo chân 73 2.2. Mô tả chức năng các chân 73 2.3. Quá trình biến đổi AD 75 2.4. Lựa chọn giá trị 76 2.5. Giao tiếp trực tiếp với ICL7109CPL 77 Chương 6. MAX232 78 1. Chuẩn RS-232-C 78 1.1. Các đầu nối 80 1.2. Mô tả chân 80 2. MAX232 và họ IC dùng biến đổi TTLÛRS-232-C 81 2.1. Cấu tạo chân 81 2.2. Mô tả chức năng chân 81 2.3. Sơ đồ khối và mạch tiêu biểu 81 Chương 7. Các IC khác 83 1. OP07 83 2. MOC3020 83 3. RAM 6264 84 4. Chốt 74573 84 5. BTA16 84 Chương 8. Thermocouple 85 1. Sơ lược về các dụng cụ đo nhiệt độ 85 1.1. Buổi ban đầu của thiết bị đo nhiệt độ 85 1.2. Các loại cảm biến hiện tại 86 2. Thermocouple 87 2.1. Hiệu ứng Seebeck 87 2.2. Cách đo hiệu điện thế 88 2.3. Bù nhiệt môi trường 90 2.4. Các loại thermocouple 90 2.5. Một số nhiệt độ chuẩn 91 Phần 3. Thiết kế 92 Chương 1. Phần cứng 93 1. Cấu trúc tổng quát 93 2. Khối xử lý trung tâm 94 3. Phân vùng địa chỉ 96 4. Khối bộ nhớ và nguồn backup 97 5. Khối hiển thị 98 6. Khối biến đổi AD 102 7. Khối cảm biến và gia công 105 8. Khối bàn phím 108 8.1. Chương trình con GET_KEY 109 8.2. Chương trình con IN_HEX 111 9. Truyền thông nối tiếp 112 10. Khối mạch công suất 114 11. Nguồn cung cấp 115 12. Cách cân chỉnh mạch 115 13. Xử lý 16-bit trên vi điều khiển 8-bit 118 13.1 Chương trình con cộng 16-bit 119 13.2. Chương trình con đổi dấu một số 119 13.3. Chương trình con nhân số 16-bit cho số 8-bit 119 13.4. Chương trình con chia số 16-bit cho số 8-bit 120 Chương 2. Hệ thống 122 1. Thiết kế hệ mờ 122 1.1. Các nguyên tắc trong thiết kế 122 1.2. Thiết kế hệ mờ cho điều khiển nhiệt độ 125 1.3. Thiết kế hệ luật 126 1.4. Tính luật và giải mờ 127 2. Thiết kế hệ NeuroFuzzy 127 2.1. Tập dữ liệu học 127 2.2. Thay đổi hệ mờ 127 Chương 3. Phần mềm 129 1. Pha hoạt động 129 1.1. Khuôn dạng luật của hệ 130 1.2. Giải thuật điều khiển 130 1.3. Xử lý mờ 131 1.4. Tính độ phụ thuộc 132 1.5. Giải mờ theo CoM 136 2. Pha học 137 3. Chương trình trên kit AT89C52 137 3.1. Nhập dữ liệu 139 3.2. Hoạt động 144 3.3 Phân bố tài nguyên 145 3.4. RAM ngoại 147 4. Chương trình trên máy tính 149 4.1. Qui định kiểu dữ liệu 150 4.2. Giới thiệu chương trình NF Control 151 4.3. Giới thiệu chương trình fuzzyTech 156 4.4. Giao tiếp giữa NF Control và FuzzyTech 160 Phần 4. Kết quả điều khiển 171 Chương 1. Điều khiển thực tế 172 1. Điều khiển 100°C 173 2. Điều khiển 125°C 174 3. Điều khiển 150°C 175 4. Điều khiển 175°C 176 5. Điều khiển 200°C 177 6. Điều khiển 225°C 178 7. Điều khiển 250°C 179 8. Điều khiển tổng hợp lần thứ nhất 180 9. Điều khiển tổng hợp lần thứ hai 181 Phần 5. Tài liệu tham khảo 182 1 giới thiệu đề tài Từ xưa đến nay, nhiệt độ luôn hiện hữu quanh ta và đã trở thành một trong những yếu tố của sự sống. Tuy nhiên con người ở mỗi thời điểm khác nhau đều có cách nhận thức và xử lý nhiệt độ khác nhau. Thời xa xưa, con người không hề có khái niệm về nhiệt độ mặc dù họ biết nóng, lạnh. Sau đó, con người có khái niệm về sự tồn tại của nhiệt độ, tìm cách đo nó và so sánh giữa các loại nhiệt độ khác nhau. Tuy nhiên, họ vẫn cam chịu và tìm cách chung sống với nhiệt độ : nếu nóng quá thì tìm chỗ tránh nóng ở dưới gốc cây, bên bờ suối chẳng hạn. Đến một lúc nào đó, con người nảy sinh ra ý định điều khiển nhiệt độ, bắt nó phải phục vụ cho mục đích của mình. Ví như trong sinh hoạt hằng ngày, người ta nhận ra rằng nhiệt độ lý tưởng cho mội trường sống là 25°C. Thế thì bằng mọi cách phải tạo ra được nhiệt độ 25°C và máy điều hòa nhiệt độ ra đời. Hay trong nghành công nghiệp, điều khiển nhiệt độ là một vấn đề rất quan trọng. Trong ngành luyện kim, cần phải đạt đến một nhiệt độ nào đó để kim loại nóng chảy, và cũng cần đạt một nhiệt độ nào đó để ủ kim loại nhằm đạt được tốt các đặc tính cơ học như độ bền, độ dẻo, độ chống gỉ sét, … . Trong ngành thực phẩm, cần duy trì một nhiệt độ nào đó để nướng bánh, để nấu, để bảo quản, … . Từ đó, điều khiển nhiệt độ trở thành một lĩnh vực của điều khiển tự động. Và theo đà phát triển của các học thuyết về điều khiển tự động, kết quả của quá trình điều khiển nhiệt độ ngày càng một tốt hơn. Trước đây, con người điều khiển nhiệt độ bằng phương pháp PID rất tốt. Năm 1965, lý thuyết mờ ra đời đem lại nhiều thuận lợi hơn trong điều khiển tự động, và điều khiển nhiệt độ cũng hưởng được lợi điểm đó. Tuy nhiên việc thiết kế mờ là đơn giản nhưng việc tối ưu lại là khó. Mạng neuron cũng là một ngành thuộc lĩnh vực trí khôn nhân tạo, nhưng người ta ít dùng nó trong điều khiển do khó giải thích hành vi mà nó tạo ra mặc dù nó có khả năng học. Sự kết hợp của logic mờ và mạng neuron tạo ra một nghành mới gọi là NeuroFuzzy mang ưu điểm của cả hai : dễ thiết kế (thông qua logic mờ) và dễ tối ưu (thông qua quá trình học các hành vi mong muốn bằng mạng neron). Do đó điều khiển nhiệt độ bằng NeuroFuzzy hứa hẹn nhiều hấp dẫn. 1. nhiệm vụ của đề tài Điều khiển nhiệt độ một lò nướng dân dụng bằng phương pháp NeuroFuzzy. 2. thực hiện Thiết kế một kit dựa trên vi điều khiển AT89C52 cho phép : Điều khiển lò nướng có công suất 1000W bằng phương pháp điều rộng xung (PWM). Dùng cảm biến là loại Thermocouple. Cho phép tự hoạt động hoặc hoạt động thông qua máy tính. Thiết kế chương trình xử lý mờ cho kit và cho máy tính : Hai biến vào là sai lệch nhiệt độ ET và biến thiên sai lệch nhiệt độ DET, mỗi biến có 7 tập mờ. Biến ra là duty cycle (gọi là OUT trong thiết kế) gồm 9 tập mờ dạng singleton trong miềm từ 0% đến 100%. Tối ưu bằng quá trình học của mạng neuron. 1 logic mờ 1. sơ lược về logic mờ 1.1. Quá trình phát triển của logic mờ Logic mờ được công bố lần đầu tiên tại Mỹ vào năm 1965. Cha đẻ của nó là Lotfi Zadeh, giáo sư về lý thuyết hệ thống tại trường đại học Berkeley, bang California. Kể từ đó, logic mờ đã có nhiều phát triển qua các chặng đường sau : phát minh ở Mỹ, áp dụng ở Châu Âu và đưa vào các sản phẩm thương mại ở Nhật. 1.1.1. Ứng dụng công nghiệp đầu tiên ở Châu Aâu Ứng dụng đầu tiên của logic mờ vào công nghiệp được thực hiện ở Châu Aâu, khoảng sau năm 1970. Tại trường Queen Mary ở Luân Đôn – Anh, Ebrahim Mamdani dùng logic mờ để điều khiển một máy hơi nước mà trước đây ông ấy không thể điều khiển được bằng các kỹ thuật cổ điển. Và tại Đức, Hans Zimmermann dùng logic mờ cho các hệ ra quyết định. Liên tiếp sau đó, logic mờ được áp dụng vào các lĩnh vực khác như điều khiển lò xi măng, … nhưng vẫn không được chấp nhận rộng rãi trong công nghiệp. Có một số ít ứng dụng dùng nó nhưng dấu đi cụm từ logic mờ mà thay bằng các từ ngữ như “logic đa giá trị” hay “logic liên tục”. Kể từ năm 1980, logic mờ đạt được nhiều thành công trong các ứng dụng ra quyết định và phân tích dữ liệu ở Châu Aâu. Nhiều kỹ thuật logic mờ cao cấp được nghiên cứu và phát triển trong lĩnh vực này. 1.1.2. Nhật Bản vươn lên dẫn đầu Cảm hứng từ những ứng dụng của Châu Aâu, các công ty của Nhật bắt đầu dùng logic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần cứng chuẩn tính toán theo giải thuật logic mờ rất kém nên hầu hết các ứng dụng đều dùng các phần cứng chuyên về logic mờ. Một trong những ứng dụng dùng logic mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987. Những thành công đầu tiên đã tạo ra nhiều quan tâm ở Nhật. Có nhiều lý do để giải thích tại sao logic mờ được ưa chuộng. Thứ nhất, các kỹ sư Nhật thường bắt đầu từ những giải pháp đơn giản, sau đó mới đi sâu vào vấn đề. Phù hợp với việc logic mờ cho phép tạo nhanh các bản mẫu rồi tiến đến việc tối ưu. Thứ hai, các hệ dùng logic mờ đơn giản và dễ hiểu. Sự “thông minh” của hệ không nằm trong các hệ phương trình vi phân hay mã nguồn. Cũng như việc các kỹ sư Nhật thường làm việc theo tổ, đòi hỏi phải có một giải pháp để mọi người trong tổ đều hiểu được hành vi của hệ thống, cùng chia sẽ ý tưởng để tạo ra hệ. Logic mờ cung cấp cho họ một phương tiện rất minh bạch để thiết kế hệ thống. Và cũng do nền văn hóa, người Nhật không quan tâm đến logic Boolean hay logic mờ; cũng như trong tiếng Nhật , từ “mờ’ không mang nghĩa tiêu cực. Do đó, logic mờ được dùng nhiều trong các ứng dụng thuộc lĩnh vực điều khiển thông minh hay xử lý dữ liệu. Máy quay phim và máy chụp hình dùng logic mờ để chứa đựng sự chuyên môn của người nghệ sĩ nhiếp ảnh. Misubishi thông báo về chiếc xe đầu tiên trên thế giới dùng logic mờ trong điều khiển, củng như nhiều hãng chế tạo xe khác của Nhật dùng logic mờ trong một số thành phần. Trong lĩnh vực tự động hóa, Omron Corp. có khoảng 350 bằng phát minh về logic mờ. Ngoài ra, logic mờ cũng được dùng để tối ưu nhiều quá trình hóa học và sinh học. 1.1.3. Châu Âu đuổi theo Nhật Năm năm trôi qua, các tổ hợp Châu Aâu nhận ra rằng mình đã mất một kỹ thuật chủ chốt vào tay người Nhật và từ đó họ đã nỗ lực hơn trong việc dùng logic mờ vào các ứng dụng của mình. Đến nay, có khoảng 200 sản phẩm bán trên thị trường và vô số ứng dụng trong điều khiển quá trình – tự động hóa dùng logic mờ. Từ những thành công đạt được, logic mờ đã trở thành một kỹ thuật thiết kế “chuẩn” và được chấp nhận rộng rãi trong cộng đồng. 1.1.4. Logic mờ ở Mỹ Trong những năm gần đây, logic mờ thu được nhiều quan tâm ở Mỹ, nhất là trong những công ty cạnh tranh với Châu Aâu và Châu Á. Tuy nhiên có nhiều tranh cãi về khả năng chiến thắng của Mỹ trong lĩnh vực này bởi nhiều lý do. Thứ nhất, những ứng dụng được thực hiện tại Nhật là những sản phẩm mà các nhà sản xuất của Mỹ không cạnh tranh với Nhật. Cơ bản là không có một nhà sản xuất điện tử giải trí nào của Mỹ có mặt trên thị trường thế giới; việc dùng logic mờ trong camcorder, camera, hifi chỉ là nhằm tăng thêm khả năng cạnh tranh giữa các công ty Nhật mà thôi. Ơû Châu Aâu, các ứng dụng logic mờ chủ yếu tập trung vào tự động hóa công nghiệp do giá lao động cao. Trong các lĩnh vực khác, như là ngành chế tạo ôtô, Mỹ phải đối mặt với các đối thủ đến từ Châu Aâu và Nhật. Và các nhà sản xuất Mỹ trong lĩnh vực này buộc phải dùng kỹ thuật thiết kế logic mờ. Điều này tạo ra nhiều phân khúc thị trường cho Mỹ, như là dùng logic mờ trong các hệ ra quyết định, bộ nhớ, bộ điều khiển đĩa cứng, cũng như các giải thuật nén dùng cho âm thanh và hình ảnh. Và các ứng dụng trong truyền thông như loại bỏ tiếng ồn, tìm đường trong mạng, hay nhận dạng tiếng nói cũng thu được nhiều kết quả từ logic mờ. 1.2. Cơ sở toán học của logic mờ Logic mờ và xác xuất thông kê đều nó về sự không chắn chắn. Tuy nhiên mỗi lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng. 1.2.1. Sự không chắc chắn theo thống kê : liên quan đến sự xuất hiện của một sự kiện chắc chắn. Xét phát biểu sau : Xác suất trúng đích là 0,8 Bản thân của sự kiện này (trúng đích) đã được định nghĩa rõ ràng. Sự không chắc chắn ở đây là có trúng đích hay không, và được định lượng bởi mức độ xác suất (trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý và kết hợp với các phát biểu khác bằng phương pháp thống kê, như là xác suất có điều kiện chẳng hạn. 1.2.2. Sự không chắc chắn trong ngữ nghĩa : liên quan đến ngôn ngữ của con người, tức là liên quan đến sự không chính xác trong các từ ngữ mà con người dùng để ước lượng vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ như : “nóng”, “lạnh”, hay “ấm” – không có một giá trị chính xác để gán cho các từ này – bao nhiêu độ là lạnh : 2°C hay -2°C ? … và các khái niệm này cũng khác nhau đối với những người khác nhau : người này lạnh nhưng người khác thì không. Mặc dù các khái niệm không được định nghĩa chính xác nhưng con người vẫn có thể sử dụng chúng cho các ước lượng và quyết định phức tạp. Bằng sự trừu tượng và óc suy nghĩ, con người có thể giải quyết câu nói mang ngữ cảnh phức tạp mà rất khó có thể mô hình bởi toán học chính xác. Xét phát biểu : Có thể chúng ta sẽ thành công trong năm học này Mới nhìn qua thì phát biểu này rất giống phát biểu trên. Tuy nhiên, có một số khác biệt quan trọng. Thứ nhất, bản thân sự kiện không được định nghĩa rõ ràng. Đối với một số sinh viên thì năm học thành công là không phải học lại môn nào. Đối với một số sinh viên khác thì năm học thành công là số điểm bình quân năm nay tăng hơn năm trước. Nhưng ngay cả trong trường hợp này cũng không có một ngưỡng qui định sự thành công (tăng hơn bao nhiêu điểm ?). Một khác biệt nữa là ở xác xuất : trong khi phát biểu trên mô tả xác suất theo toán học thì phát biểu này không có một giá trị định lượng về xác suất. 1.2.3. Mô hình sự không chắc chắn theo ngữ vựng : Như đã nói trên, mặc dù dùng những phát biểu không mang tính định lượng nhưng con người vẫn có thể thành công trong các ước lượng phức tạp. Trong nhiều trường hợp, con người dùng sự không chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu hết xã hội, hệ thống luật pháp bao gồm một số luật, mỗi luật mô tả một tình huống. Ví dụ một luật qui định tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ trách nhiệm. Và trong một phiên tòa, chánh án phải quyết định số ngày phạt tù của tên trộm dựa trên mức độ rượu trong người, trước đây có tiền án hay tiền sự không, … từ đó kết hợp lại đưa ra một quyết định công bằng. 1.3. Logic mờ là logic của con người Trong thực tế, ta không định nghĩa một luật cho một trường hợp mà định nghĩa một số luật cho các trường hợp nhất định. Khi đó những luật này là những điểm rời rạc của một tập các trường hợp liên tục và con người xấp xỉ chúng. Gặp một tình huống cụ thể, con người sẽ kết hợp những luật mô tả các tình huống tương tự. Sự xấp xỉ này dựa trên sự linh hoạt của các từ ngữ cấu tạo nên luật, cũng như sự trừu tượng và sự suy nghĩ dựa trên sự linh hoạt trong logic của con người. Để thực thi logic của con người trong kỹ thuật cần phải có một mô hình toán học của nó. Từ đó logic mờ ra đời như một mô hình toán học cho phép mô tả các quá trình quyết định và ước lượng của con người theo dạng giải thuật. Dĩ nhiên cũng có giới hạn, đó là logic mờ không thể bắt chước trí tưởng tượng và khả năng sáng tạo của con người. Tuy nhiên, logic mờ cho phép ta rút ra kết luận khi gặp những tình huống không có mô tả trong luật nhưng có sự tương đương. Vì vậy, nếu ta mô tả những mong muốn của mình đối với hệ thống trong những trường hợp cụ thể vào luật thì logic mờ sẽ tạo ra giải pháp dựa trên tất cả những mong muốn đó. 1.4. So sánh logic mờ với lý thuyết xác suất thống kê Không thể làm phép so sánh giữa hai lĩnh vực này bởi vì sự không chắc chắn theo thống kê và sự không chắc chắn theo ngữ vựng có bản chất khác nhau. Mỗi lĩnh vực có một đối tượng phục vụ của riêng nó, được con người tạo ra nhằm phục vụ cho mục đích của con người. 2. các khái niệm dùng trong logic mờ 2.1. Tập hợp mờ và độ phụ thuộc Nếu như con người không có một giá trị ngưỡng xác định cho “lạnh” hay “nóng” thì làm sao có thể ước lượng nó ? Thực ra thì người ta sẽ làm một phép so sánh giữa giá trị nhiệt độ hiện tại với hai giá trị nhiệt độ được cho là “rất nóng” và “rất lạnh”. Từ kết quả so sánh đó, con người ước lượng được mức độ của “nóng” hay “lạnh”. Làm sao mô hình hóa điều này theo toán học ? Dựa trên lý thuyết tập hợp, đầu tiên ta mô tả một tập các nhiệt độ được cho là “rất nóng”, sau đó định nghĩa một hàm phụ thuốc cho phép ta xác định một nhiệt độ nào đó có thuộc tập hợp này hay không. Khác với toán học cổ điển – nơi mà hàm phụ thuộc chỉ xác định duy nhất một phần tử có thuộc hay không, hàm phụ thuộc trong logic mờ cho phép xác định một phần tử phụ thuộc tập hợp nhiều hay ít, tức là biên giới giữa “rất nóng” và “rất lạnh” không phải là một đường phân biệt rõ ràng mà là một vùng các giá trị liên tục. Trong hình trên, mức độ xám cho phép ta thấy được vùng biên giới này và cũng cho thấy độ phụ thuộc của một giá trị nhiệt độ nào đó. Độ phụ thuộc của một phần tử trong tập hợp mờ có giá trị trong khoảng [0,1]. Theo hình trên, nếu như ta cho rằng 0°C là “rất lạnh” và 100°C là “rất nóng” thì độ phụ thuộc của giá trị nhiệt độ so với tập “rất nóng” là : m(0°C) = 0,00 m(15°C) = 0,15 m(37°C) = 0,37 m(60°C) = 0,60 m(72°C) = 0,72 m(87°C) = 0,87 m(100°C) = 1,00 2.2. Hàm phụ thuộc Mức độ của một giá trị vật lý thỏa mãn một khái niệm ngôn ngữ được gọi là độ phụ thuộc. Đối với biến liên tục, mức độ này được biểu diễn bởi một hàm gọi là hàm phụ thuộc. Hàm này ánh xạ tập các giá trị vật lý thành tập các giá trị phụ thuộc đối với các giá trị ngôn ngữ. Biến vật lý được gọi là biến nền và tập các giá trị vật lý được gọi là tập nền. Thông thường người ta vẽ nhiều hàm phụ thuộc trên cùng một biểu đồ dựa trên tập nền đã qui định. Ví dụ hàm phụ thuộc cho các nhiệt độ nói trên : Tập hợp mờ là sự tổng quát hóa của tập hợp cổ điển, trong đó m = 0 và m = 1 của hàm phụ thuộc cổ điển chỉ là một trường hợp đặc biệt của hàm phụ thuộc trong tập hợp mờ. Việc dùng các tập hợp mờ được định nghĩa bởi các hàm phụ thuộc trong biểu thức logic được gọi là logic mờ. Ví dụ như biểu thức “nhiệt độ rất nóng” đối với giá trị 85°C sẽ cho kết quả là true vơ