SlideShare a Scribd company logo

ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy

•
•
Man_Ebook
Man_Ebook

Download: https://uploading.vn/v61cur6390dy

Education
1 of 107
Download to read offline
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG NGÀNH: KỸ THUẬT CƠ KHÍ- 60520103 Tp. Hồ Chí Minh, tháng 4 năm 2014 S K C 0 0 3 9 5 9 ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY S KC 0 0 4 2 3 0
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY NGÀNH: KỸ THUẬT CƠ KHÍ - 60520103 Hướng dẫn khoa học: TS. LƯƠNG HỒNG SÂM Tp. Hồ Chí Minh, tháng 04 / 2013
LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƯỢC: Họ & tên: Nguyễn Việt Hùng Giới tính: Nam Ngày, tháng, năm sinh: 20/04/1985 Nơi sinh: Đăk Lăk Quê quán: Hƣng Tây - Hƣng Nguyên - Nghệ An Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 209/6/7 Nguyễn Văn Lƣợng, Phƣờng 10, Quận Gò Vấp, Tp Hồ Chí Minh. Điện thoại cơ quan: Điện thoại nhà riêng: Fax: E-mail:Rocketb72@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Cao đẳng: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2003 đến 03/2007 Nơi học: Trƣờng Cao đẳng Kỹ thuật Vinhempich, TP Hồ Chí Minh. Ngành học: Cơ khí chuyên dùng 2. Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 04/2011 Nơi học: Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngành học: Công nghệ chế tạo máy Tên đồ án: Xây dựng phần mềm thí nghiệm ảo trang bị điện trong máy công nghiệp. Nơi bảo vệ đồ án:Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngƣời hƣớng dẫn: ThS Trần Thanh Lam III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ năm 2011 đến nay Trƣờng Đại học Trần Đại Nghĩa Giáo viên
ii LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày 01 tháng 4năm 2014 Nguyễn Việt Hùng
iii CẢM TẠ Để hoàn thành luận văn này, em xin chân thành cảm ơn quý thầy cô Trƣờng Đại học Sƣ phạm Kỹ thuật đã tạo mọi điều kiện giúp đỡ trong quá trình học tập và nghiên cứu. Em xin đặc biệt chân thành cảm ơn Thầy TS Lƣơng Hồng Sâm đã nhiệt tình hƣớng dẫn và truyền đạt những kiến thức quý báuđểem hoàn thành luận văn này. Cuối cùng, xin cảm ơn Ban giám hiệu, quý thầy cô, đồng nghiệp Trƣờng Đại học Trần Đại Nghĩa đã giúp đỡ và tạo mọi điều kiện thuận lợi cho em trong suốt quá trình học tập và thực hiện luận văn. Mặc dù đã có nhiều cố gắng trong quá trình thực hiện luận văn, song do kiến thức và thời gian nghiên cứu còn hạn chế nên không thể tránh đƣợc sai sót, kính mong nhận đƣợc ý kiến đóng góp của quý Thầy Cô và độc giả. Xin chân thành cảm ơn!
iv TÓM TẮT Giải bài toán động học ngƣợc là cơ sở để điều khiển tay máy theo quỹ đạo cho trƣớc. Nhiệm vụ của bài toán động học ngƣợc là từ các thông số vị trí và hƣớng của bàn kẹp (điểm tác động cuối) của tay máy cần phải xác định giá trị của các biến khớp qi. Cho đến nay, vẫn chƣa có một phƣơng pháp chung nào để giải bài toán động học ngƣợc một cách hiệu quả nhất, đặc biệt là đối với tay máy có bậc tự do lớn hơn 6. Để giải quyết vấn đề này, tác giả đã nghiên cứu, ứng dụng mạng nơron nhân tạo với giải thuật Levenberg-Marquardt để giải bài toán động học ngƣợc cho tay máy 5 bậc tự do Scorbot ER7. Hơn nữa, để mạng nơron có khả năng nhận biết tốt bộ dữ liệu huấn luyện, cũng nhƣ để so sánh kết quả của phƣơng pháp này so với phƣơng pháp giải tích, tác giả đã sử dụng hai mạng nơron để giải cho 2 vùng làm việc cụ thể của tay máy. Mạng Net1_1 tƣơng ứng với vùng 1 và cấu hình 1 của tay máy; mạng Net2_1 tƣơng ứng với vùng 2 và cấu hình 1. Để khẳng định tính đúng đắn của các mạng đã đƣợc luyện, tác giải tiến hành giải bài toán động học ngƣợc với một số vị trí cho trƣớc, nằm trong vùng huấn luyện của mạng. Kết quả giải bằng mạng nơron gần nhƣ trùng khớp với kết quả giải bằng phƣơng pháp giải tích. Điều đó cho thấy tính đúng đắn và hiệu qủa của phƣơng pháp giải bài toán động học ngƣợc bằng mạng nơron.
v ABSTRACT Solve the inverse kinematics problem is fundamentals of manipulator control following a given trajectory. The task of inverse kinematics is from location and orientation parameters of the manipulator clamp ( the end point of impact ) obtains the values of the joint variables qi. So far, there is no general method to solve the inverse kinematics problem most efficiently, especially for manipulators have more than 6 degrees of freedom. To solve this problem, we studied application of artificial neural network with Levenberg - Marquardt algorithm to solve inverse kinematics for a manipulator with 5 degrees of freedom Scorbot ER7. Moreover, to neural networks have good ability to recognize the training data, as well as to compare the results of this method to analytical methods, we have used two neural networks to solve for two working regions of the specific manipulator. Network Net1_1 corresponds to the region 1 and configuration 1 of the robot arm 1; Net2_1 network corresponds to the region 2 and configuration 1. To confirm the correctness of the network has been trained, we solved the inverse kinematics problem for several pre-defined locations in the training area of network. Results of neural network method almost coincide with the results solved by analytical methods, and show the correctness and effectiveness of the method solved.
vi MỤC LỤC Trang tựa TRANG Quyết định giao đề tài Lý lịch khoa học...........................................................................................................i Lời cam đoan ..............................................................................................................ii Cảm tạ ...................................................................................................................... iii Tóm tắt ...................................................................................................................... iv Mục lục ......................................................................................................................vi Danh sách các kí hiệu khoa học .................................................................................ix Danh sách các chữ viết tắt..........................................................................................ix Danh sách các bảng...................................................................................................vii Danh sách các hình ................................................................................................. viii Chƣơng 1. TÔ ̉ NG QUAN 1.1 Đặt vấn đề.............................................................................................................1 1.2 Giới thiệu chung về robot công nghiệp ................................................................2 1.2.1 Các bộ phận cấu thành công nghiệp...................................................................2 1.2.2 Bậc tự do của tay máy........................................................................................3 1.2.4 Tổng quan về tình hình nghiên cứu bài toán động học ngƣợc...........................4 1.3Mục đích của đề tài ................................................................................................5 1.4 Nhiệm vụ của đề tài và giới hạn đề tài..................................................................5 1.5Phƣơng pháp nghiên cứu........................................................................................6 Chƣơng 2. CƠ SƠ ̉ LÝ THUYẾT 2.1 Động học tay máy .................................................................................................7 2.1.1 Bài toán động học thuận của tay máy ................................................................7 2.1.1.1 Quy tắc Denavit - Hartenberg ........................................................................8 2.1.1.2 Mô hình biến đổi ..........................................................................................10 2.1.1.3 Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy......................11 2.1.2 Bài toán động học ngƣợc của tay máy ............................................................11 2.2 Lý thuyết mạng nơron ........................................................................................12 2.2.1 Lịch sử phát triển của mạng nơron nhân tạo....................................................13
vii 2.2.2 Mô hình nơron sinh học ...................................................................................13 2.2.3 Phần tử xử lí .....................................................................................................14 2.2.3.1 Tín hiệu vào (Inputs) -ra (Output).................................................................15 2.2.3.2 Bộ cộng .........................................................................................................15 2.2.3.3 Hàm chuyển đổi ............................................................................................16 2.2.4 Các loại mô hình cấu trúc mạng nơron ............................................................19 2.2.5 Các tính chất của mạng nơron..........................................................................20 2.2.6 Các luật học......................................................................................................20 2.2.7 Thuật toán Backpropagation ............................................................................22 2.2.7.1 Chế độ học tƣ̀ ng mẫu ....................................................................................23 2.2.7.2 Chế độhọc theo nhóm mẫu...........................................................................23 2.2.8 Giải thuật Levenberg-Marquardt......................................................................24 2.2.8.1 Luâ ̣t câ ̣p nhâ ̣t trọng số ...................................................................................25 2.2.8.2 Tính toán ma trận jacobian............................................................................26 2.2.8.3 Quá trình huấn luyện ....................................................................................31 Chƣơng 3. XÂY DƢ̣NG BỘ DƢ̃ LIỆU HUÂ ́ N LUYỆN ĐỂ GIA ̉ I BA ̀ I TOA ́ N ĐỘNG HỌC NGƢỢC CHO TAY MÁY SCORBOT ER7 BĂ ̀ NG MẠNG NƠRON 3.1 Giải bài toán động học thuận tay máy Scorbot ER7...........................................35 3.2 Giải bài toán động học ngƣợc cho tay máy Scorbot ER7...................................37 3.3 Xây dƣ̣ng bộmẫu để huấn luyê ̣n mạng giải bài toán động học ngƣợc cho tay máy Scorbot ER ........................................................................................................40 Chƣơng 4. HUÂ ́ N LUYỆN MẠNG NƠRON VA ̀ PHÂN TÍCH KẾT QUA ̉ 4.1 Huấn luyê ̣n ma ̣ng Net1_1...................................................................................45 4.1.1 Xác định cấu trúc mạng....................................................................................45 4.1.2 Huấn luyê ̣n ma ̣ng ............................................................................................46 4.1.3 Đánh giá thông tin huấn luyê ̣n và kết qủa mô phỏng ......................................53 4.1.4 Ứng dụng mạng Net1_1 để điều khiển tay máy theo quỹ đạo cho trƣớc ........54 4.2 Huấn luyê ̣n ma ̣ng Net2_1....................................................................................60 4.2.1 Xác định cấu trúc mạng....................................................................................60
viii 4.2.2 Huấn luyê ̣n ma ̣ng ............................................................................................60 4.2.3 Đánh giá thông tin huấn luyê ̣n và kết qủa mô phỏng mạng Net2_1................64 4.2.4 Ứng dụng mạngNet2_1 để điều khiển tay máy theo quỹ đạo cho trƣớc .........65 Chƣơng 5. KẾT LUẬN VÀ KIẾN NGHỊ ................................................................71 TÀI LIỆU THAM KHẢO.........................................................................................74 PHỤ LỤC ...................................................................................................76
ix DANH SÁCH KÝ HIỆU KHOA HỌC qi: Biếnkhớp Pi : Số khớp loại i ai: độ dài đƣờng vuông góc chung giữa 2 trục khớp động i+1 và i. αi là góc quay quanh trục xi giữa trục zi-1 và zi. di là khoảng cách đo dọc trục khớp động i từ đƣờng vuông góc chung giữa trục khớp động i-1 với trục khớp động i đến đƣờng vuông góc chung giữa khớp động i và trục khớp động i +1. θi là góc quay quanh trục zi giữa trục xi-1 và xi. Ai: ma trận tổng hợp mô tả vị trí và hƣớng của khâu thứ i so với khâu thứ i-1 i Tn: Ma trận mô tả vị trí và hƣớng của khâu thứ n so với khâu thứ i p: vectơ định vịcủa khâu tác động cuối n, s, a: là các vectơ chỉ phƣơng của khâu tác động cuối xi: Tín hiệu vào của nơron thứ i yi: Tín hiệu racủa nơron thứ i Wij: Trọng số liên kết giữa nơron thứ j với nơron thứ i bi: Thành phần dịch chuyển bias vi = neti: Tổng trọng số a(neti) =a(vi): Hàm chuyển đổi : Hệ số độ dốc của hàm chuyển đổi xk: vector trọng số và bias hiện tại gk: gradient hiện tại k: hằng số họctheo qui tắc giảm dốc nhất E: tổng bình phƣơng sai số ep,m: sai lê ̣ch của tín hiê ̣u ra m khi duyê ̣t mẫu p d: vectơ tín hiê ̣u ra mong muốn : hê ̣số học của giải thuật Levenberg-Marquardt i, j, k: chỉ số lặp
x J: ma trâ ̣n jacobian ni: số nơron trong lớp vào n1: số nơron ở lớp thƣ́ nhất n2: số nơron ở lớp thƣ́ hai nQ: số nơron ở lớp ra zj,i: tín hiệu vào thứ i của nơron j zj: tín hiệu ra của nơron j sj: Độ dốc của hàm chuyển đổi của nơron thứ j : tín hiệu lan truyền ngƣợc sai lê ̣ch
xi DANH SÁCH CHỮ VIẾT TẮT ANN: Artificial Neural Network MLP: Multilayer perceptrons PPN: Polynomial Pre-Processor NN: Neural Network ANFIS: Artificial Neuro- Fuzzy Inference System DH:Denavit – Hartenberg ci: biểu thị cho cosθi si: biểu thị cho sinθi cij…: biểu thị chocos(θi+ θj+…)
xii DANH SÁCH CÁC BẢNG TRANG Bảng 3.1 Bảng thông số DH của tay máy Scorbot ER7...........................................35 Bảng 4.1Kết quả của bài toán động học ngƣợc theo phƣơng pháp giải tích và phƣơng pháp dùng mạng nơron khi điều khiển tay máy theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net1_1 .............................................54 Bảng 4.2Vị trí xác định bằng mạng Net1_1 khi mô phỏng theo quỹ đạo đƣờng tròn .................................................................................................................57 Bảng 4.3Kết quả mô phỏng theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net2_1 và kết quả giải theo phƣơng pháp giải tích......................65 Bảng 4.4Vị trí của mạng Net2_1xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn ..........................................................................................................68
xiii DANH SÁCH CÁC HÌNH TRANG Hình 1.1Các bộ phận cấu thành robot công nghiệp ...................................................3 Hình 2.1Các hệ toạ độ đối với 2 khâu động liên tiếp.................................................9 Hình 2.2 Mô hình của một dạng nơron sinh học......................................................14 Hình 2.3 Mô hình một nơron thứ i ...........................................................................15 Hình 2.4 Hàm chuyển đổi dạng giới hạn cứng.........................................................16 Hình 2.5 Hàm chuyển đổi dạng giới hạn cứng đối xứng .........................................16 Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa ..................................................17 Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng...................................17 Hình 2.8 Hàm chuyển đổi dạng sigmoid..................................................................18 Hình 2.9 Hàm chuyển đổi dạng tang hyperbolic......................................................18 Hình 2.10 Hàm chuyển đổi dạng tuyến tính.............................................................19 Hình 2.11 Cấu trúc của mạng nơron truyền thẳng một lớp......................................19 Hình 2.12 Cấu trúc của mạng nơron truyền thẳng nhiều lớp ...................................20 Hình 2.13 Cấu trúc của mạng nơron chỉ có một nơron tự hồi qui............................21 Hình 2.14 Cấu trúc của mạng nơron hồi qui một lớp...............................................21 Hình 2.15 Cấu trúc của mạng nơron hồi qui nhiều lớp ............................................21 Hình 2.16 Liên kết của nơron j với các phần khác trong ma ̣ng. ..............................27 Hình 2.17 Mạng nơron truyền thẳng 3 lớp...............................................................29 Hình 2.18 Sơ đồ khối để huấn luyê ̣n sƣ̉ dụng thuâ ̣t toán Levenberg - Marquardt..................................................................................................................33 Hình 3.1 Tay máy Scorbot ER7 ...............................................................................34 Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7................................................35 Hình 3.3Vùng làm viê ̣c của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyện ...................................................................................40 Hình 3.4Hai lời giải khác nhau đƣợc miêu tả cho bài toán động học ngƣợc tay máy Scorbot ER7 ................................................................................................41
xiv Hình 3.5Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxz................42 Hình 3.6Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳ ng Oxy dùng cho mạng Net1_1 .............................................................................................43 Hình 3.7Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho mạng Net2_1. ............................................................................................44 Hình 4.1 Giao diê ̣n của Neural Network Toolbox....................................................46 Hình 4.2 Nhâ ̣p dƣ̃ liê ̣u vào Neural Network Toolbox ..............................................46 Hình 4.3 Dƣ̃ liê ̣u huấn luyê ̣n đã đƣợc nhâ ̣p vào Neural Network Toolbox ..............47 Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron ................47 Hình 4.5 Cấu trúc của ma ̣ng Net1_1 ........................................................................48 Hình 4.6 Mạng Net1_1 đã đƣợc ta ̣o để chuẩn bi ̣huấn luyê ̣n ...................................48 Hình 4.7 Chọn dữ liệu để huấn luyện mạng Net1_1................................................48 Hình 4.8 Các thông số huấn luyện mạng Net1_1.....................................................49 Hình 4.9 Thông tin huấn luyê ̣n ma ̣ng Net1_1 sau 1000 bƣớc lă ̣p............................49 Hình 4.10 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyê ̣n ma ̣ng Net1_1 ...................................................................................................50 Hình 4.11 Đồ thị thể hiện gradien, hê ̣số kết hợp ‘mu’ và sai số trên bộdƣ̃ liê ̣ukiểm chƣ́ ng của mạng Net1_1.............................................................................50 Hình 4.12 Đồ thị thể hiện mối quan hệ giữa giá trị đích và đầu ra của mạng Net1_1 .............................................................................................................51 Hình 4.13 Thiết lâ ̣p dƣ̃ liê ̣u để mô phỏng ma ̣ng Net1_1..........................................51 Hình 4.14 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.16 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net1_1 ...................53 Hình 4.18 Đồ thị thể hiê ̣n sai lê ̣ch của θ5 khi mô phỏng ma ̣ng Net1_1 ...................53 Hình 4.19 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56
xv Hình 4.20 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56 Hình 4.21 Sai lê ̣ch của θ3 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56 Hình 4.22 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................57 Hình 4.23 Sai lê ̣ch của θ5 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................57 Hình 4.24 Sai lê ̣ch vi ̣trí của ma ̣ng Net 1_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ................................................................................................................59 Hình 4.25 Vị trí mong muốn và vị trí mạng Net 1_1 xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn ................................................................................59 Hình 4.26 Lƣ̣a chọn các thông số huấn luyê ̣n ma ̣ng Net2_1 ...................................60 Hình 4.27 Quá trình huấn luyện mạng Net 2_1 đƣợc hoàn thành với 1867 bƣớc lă ̣p.....................................................................................................................61 Hình 4.28 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyê ̣n ma ̣ng Net2_1 ...................................................................................................61 Hình 4.29 Đồ thị thể hiện gradien, hê ̣số kết hợp ‘mu’ và sai số trên bộdƣ̃ liê ̣ukiểm chƣ́ ng của ma ̣ng Net2_1.............................................................................62 Hình 4.30 Đồ thị thể hiện mối quan hệ giữa đầu ra của mạng và giá trị đích của ma ̣ng Net2_1...............................................................................................62 Hình 4.31 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.32 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.33 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.34 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net2_1 ...................64 Hình 4.35 Đồ thị thể hiện sai lệch của θ5 khi mô phỏng ma ̣ng Net2_1 ...................64 Hình 4.36 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................66
xvi Hình 4.37 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................66 Hình 4.38 Sai lê ̣ch của θ3 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.39 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.40 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.41 Sai lê ̣ch vi ̣trí của ma ̣ng Net 2_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ................................................................................................................69 Hình 4.42 Vị trí của mạng Net2_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ...........69
Chƣơng 1 TÔ ̉ NG QUAN 1.1 Đặt vấn đề Ngày nay, với sự phát triển mạnh mẽ của khoa học kỹ thuật, các nước trên thế giới đã và đang đẩy mạnh sự nghiệp công nghiệp hóa và hiện đại hóa vào trong quá trình sản xuất nhằm nâng cao năng suất, chất lượng, giảm giá thành sản phẩm và giảm thiểu sức lao động của con người. Đặc biệt là trong các môi trường nặng nhọc, nguy hiểm như: sự nóng bức tại các lò hơi, sự lây lan của các bệnh hiểm nghèo tại các cơ sở y tế, sự ô nhiễm không khí ở các hầm mỏ, sự nguy hiểm ở duới đáy đại dương và trên không gian vũ trụ… Để đáp ứng được những vấn đề trên, các nước có nền sản xuất phát triển đã đưa các robot công nghiệp vào các dây chuyền sản xuất của mình. Robot ngày càng được nâng cao về tính năng cũng như lĩnh vực hoạt động. Chúng trở nên thông minh hơn, linh hoạt hơn, chính xác hơn và đáp ứng nhanh hơn. Vì vậy để có thể khai thác, sử dụng một cách hiệu quả các robot đã được trang bị, cũng như để có thể tiến hành nghiên cứu, chế tạo các robot mới đáp ứng được nhu cầu đòi hỏi ngày càng cao của nền công nghiệp hiện đại thì việc nghiên cứu Robot đang là vấn đề được các cơ sở sản xuất, các nhà khoa học, các trường học đại học, cao đẳng rất quan tâm. Trong đó, giải quyết bài toán động học ngược cho tay máy là điều kiện tiên quyết để điều khiển tay máy theo quỹ đạo cho trước. Hơn thế nữa, việc tìm ra một phương pháp chung hiệu quả để giải cho tay máy n bậc tự do đang là thách thức đối với những nhà nghiên cứu trên toàn thế giới. Nhiệm vụ của bài toán động học ngược là xác định các giá trị của biến khớp qi, (i=1,…,n) khi biết trước vị trí và hướng của bàn kẹp tay máy. Theo truyền thống, có ba phương pháp thường được sử dụng để giải bài toán động học ngược cho tay máy đó là: Phương pháp giải tích, phương pháp hình học và phương pháp lặp[10]. Mỗi một phương pháp đều có điểm hạn chế riêng. Phương pháp giải tích không đảm bảo nhận được nghiệm tường minh [10]. Trường hợp giải theo phương pháp
2 hình học, thì nghiệm tường minh cho ba khớp đầu tiên phải tồn tại về phương diện hình học. Bên cạnh đó, nghiệm tường minh của một loại tay máy không thể dùng cho loại tay máy có dạng hình học khác [10]. Phương pháp lặp hội tụ tới một lời giải duy nhất, nó phụ thuộc vào vị trí ban đầu[10]. Nếu số bậc tự do của tay máy tăng lên thì việc giải bài toán động học ngược bằng các phương pháp truyền thống này sẽ tốn rất nhiều thời gian, đôi khi không hội tụ đến lời giải cuối cùng vì vậy việc nghiên cứu đưa ra một phương pháp chung sử dụng có hiệu quả để giải quyết vấn đề động học ngược cho tay máy là một đề tài có giá trị thực tiễn cao. 1.2 Giới thiệu chung về robot công nghiệp Robot công nghiệp có thể được hiểu là những thiết bị tự động linh hoạt, bắt chước được các chức năng lao động công nghiệp của con người [1]. Những chiếc robot công nghiệp đầu tiên được chế tạo vào năm 1956 bởi công ty Unimation của George Devol và Joseph F. Engelberger ở Mỹ [1]. Các robot này chủ yếu được dùng để vận chuyển các vật thể trong một phạm vi nhỏ. 1.2.1 Các bộ phận cấu thành robot công nghiệp Cấu tạo của robot công nghiệp thông thường như trên hình 1.1[1] gồm các bộ phận chủ yếu sau: Tay máy: là cơ cấu cơ khí gồm các khâu, khớp. Chúng hình thành cánh tay để tạo các chuyển động cơ bản và bàn kẹp để trực tiếp thao tác trên đối tượng. Tay máy gồm có các bộ phận cơ bản sau: Đế (1), thân (2), cánh tay trên (3), cánh tay dưới (4), bàn kẹp (5). Hệ thống truyền dẫn động: là bộ phận chủ yếu tạo nên sự chuyển dịch các khớp động. Hệ thống điều khiển:đảm bảo sự hoạt động của robot theo các thông tin đặt trước hoặc nhận biết trong quá trình làm việc.
3 Hình 1.1Các bộ phận cấu thành robot công nghiệp Hệ thống cảm biến tín hiệu:thực hiện việc nhận biết và biến đổi thông tin về hoạt động của bản thân robot (cảm biến nội tín hiệu) và của môi trường, đối tượng mà robot phục vụ (cảm biến ngoại tín hiệu). 1.2.2 Bậc tự do của tay máy Để định vị và định hướng bàn kẹp một cách tùy ý trong không gian ba chiều tay máy cần có 6 bậc tự do, trong đó 3 bậc tự do để định vị và ba bậc tự do để định hướng. Một số công việc như nâng hạ, xếp dỡ, … chỉ cần số bậc tự do ít hơn 6. Tay máy hàn, sơn thường có 6 bậc tự do. Trong một số trường hợp như cần sự khéo léo, linh hoạt hoặc khi cần tối ưu hóa quỹ đạo,… người ta có thể dùng tay máy có số bậc tự do lớn hơn 6. Thông thường các khâu của cơ cấu tay máy được nối ghép với nhau bằng các khớp quay hoặc khớp tịnh tiến, chúng đều thuộc khớp động học loại 5. Trong cơ cấu tay máy các khâu nối liên tiếp với nhau gọi là cơ cấu hở và thông thường mỗi khâu gắn liền với nguồn lực riêng, cho nên đối với các loại cơ cấu dùng các khớp động loại 5 thì số bậc tự do của cơ cấu bằng số khâu động.
4 Trong trường hợp chung có thể tính toán số bậc tự do theo công thức thông dụng trong Nguyên lý máy [1]: n i i 1 W 6n ip     (1.1) Trong đó: - n : số khâu động - Pi : số khớp loại i 1.2.4 Tổng quan về tình hình nghiên cứu bài toán động học ngƣợc Ở nước ta, việc nghiên cứu giải bài toán động học ngược cho tay máy đã được nhiều nhà nghiên cứu quan tâm [8], [9]. Tuy nhiên chưa có công trình nghiên cứu nào ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Cho đến nay, trên thế giới đã có nhiều công trình nghiên cứu về lĩnh vực này và đã đạt được những kết quả nhất định được công bố trong các tài liệu tham khảo như: [10], [11],[12],[13],[14],[19]. Điều này mở ra một hướng mới để giải quyết vấn đề động học ngược cho các tay máy nhiều bậc tự do mà cho đến nay vẫn chưa có một phương pháp chung nào thực sự hiệu quả. Raşit Kokör , Cemil Öz, Tarik Çakar, Hüseyin Ekiz [11] đã ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy 3 bậc tự do sử dụng mạng truyền thẳng với giải thuật lan truyền ngược (Back propagation) cập nhật trọng số theo qui tắc giảm dốc nhất (gradient descent learning algorith). Bằng phương pháp kinh nghiệm, nhóm nghiên cứu đã thiết kế được mô hình mạng gồm 40 nơron trong lớp ẩn, 3 nơron ở lớp vào và 3 nơron ở lớp ra. Mô hình này có sai số là 0,000121 với 5000 mẫu và thực hiện 3000000 bước lặp. Alavandar S. và Nigam M. J[12] đã xây dựng phương pháp để giải bài toán động học ngược cho tay máy dựa trên mạng nơron mờ. Trong đó sử dụng hệ thống suy luận nơron mờ thích nghi (ANFIS) để huấn luyện cho tay máy 2 và 3 bậc tự do. Kết quả mô phỏng trên máy tính đã cho thấy phương pháp này có thể ứng dụng để giải quyết vấn đề động học ngược cho tay máy. Shah, Rattan và Nakra [13] đã ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy 3 bậc tự do phẳng. Kết quả cho thấy, giải pháp này hoàn
5 toàn có thể sử dụng với sai số bằng không. Các tác giả khẳng định rằng mạng nơron có thể trở thành một phương pháp thay thế để giải quyết bài toán ánh xạ động học thuận và nghịch. Raşit Kokör [14] đã đề xuất phương pháp giải bài toán động học ngược bằng phương pháp kết hợp mạng nơron với giải thuật di truyền. Trong bài báo này Ông cũng khẳng định mạng nơron có thể thực hiện với sai số chấp nhận được. Hơn nữa, khi kết hợp với giải thuật di truyền, sai số vị trí có thể đạt tới mức micromet. Panchanand Jha[19] đã giải bài toán động học ngược cho tay máy ba bậc tự do với hai mạng khác nhau. Mạng nơron truyền thẳng nhiều lớp (MLP) sử dụng thuật toán back propagation, cập nhật trọng số theo quy tắc giảm dốc nhất và mạng nơron tiền xử lí đa thức(PPN). Kết quả cho thấy mạng MLP cho kết quả chính xác hơn so với mạng PPN. 1.3 Mục đích của đề tài. Nghiên cứu vàđưa ra được một phương pháp mới hiệu quả, có tính tổng quát cao đó là ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Phương pháp này có thể ứng dụng để giải bài toán động học ngược cho các tay máy có số bậc tự do lớn mà sẽ gặp khó khăn khi giải bằng các pháp truyền thống. 1.4 Nhiệm vụ của đề tài và giới hạn đề tài. - Nghiên cứu bài toán động học tay máy. - Nghiên cứu các phương pháp giải bài toán động học ngược. - Nghiên cứu lý thuyết mạng nơron, nghiên cứu neural network toolbox của phần mềm Matlab. - Giải bài toán động học thuận và động học ngược cho tay máy Scorbot ER7. - Xây dựng dữ liệu để huấn luyện mạng. - Xác định mạng nơron thích hợp để giải bài toán động học ngược cho tay máy . - Đánh giá kết quả nghiên cứu và phương hướng phát triển của đề tài.
6 1.5 Phƣơng pháp nghiên cứu. Nghiên cứu lý thuyết, ứng dụng toolbox của phần mềm Matlab để xác định cấu trúc và bộ trọng số của mạng nơron để giải bài toán động học ngược cho tay máy Scorbot ER7. So sánh kết quả của phương pháp giải bài toán động học ngược bằng mạng nơron với phương pháp giải tích, từ đó rút ra kết luận. KẾT LUẬN CHƢƠNG 1 Trong chương này, tác giả đã giới thiệu một cách khái quát về robot công nghiệp, các công trình nghiên cứu và thành tựu đạt được của các nhà nghiên cứu trên thế giới về lĩnh vực ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Trên cơ sở đó khẳng định được tầm quan trọng và tính cấp thiết của luận văn này.
7 Chƣơng 2 CƠ SƠ ̉ LÝ THUYÊ ́ T 2.1 Động học tay máy Tay máy thường là một cơ cấu hở gồm một chuỗi các khâu nối với nhau bằng các khớp quay hoặc các khớp tịnh tiến. Một đầu của chuỗi được gắn lên thân, đầu còn lại thường là bàn kẹp hoặc khâu gắn liền với dụng cụ làm việc. Điểm mút của khâu tác động cuối cùng là điểm đáng quan tâm nhất do đó trong quá trình làm việc đòi hỏi khâu này phải định vị và định hướng chính xác trong không gian . Bài toán động học tay máy giải quyết 2 dạng bài toán cơ bản : Bài toán động học thuận và bài toán động học ngược. - Bài toán động học thuận: Từ các thông số vị trí, vận tốc và gia tốc của khâu dẫn để xác định vị trí, hướng, vận tốc và gia tốc của điểm tác động cuối. - Bài toán động học ngược: Từ các yêu cầu về vị trí, hướng, vận tốc và gia tốc của điểm tác động cuối, xác định giá trị các thông số tương ứng của các khâu trước đó. 2.1.1 Bài toán động học thuận của tay máy Trong đại đa số các trường hợp, tay máy là một chuỗi động hở, bao gồm một số khâu được liên kết với nhau nhờ các khớp. Mỗi khâu hình thành với khớp phía trước nó một cặp khâu - khớp. Tùy theo kết cấu của mình mà mỗi loại khớp đảm bảo cho khâu nối sau nó các khả năng chuyển động nhất định. Mỗi khớp (thực chất là cặp khâu - khớp) được đặc trưng bởi 2 loại thông số: - Các thông số không thay đổi trong quá trình làm việc của tay máy được gọi là tham số. - Các thông số thay đổi trong quá trình làm việc được gọi là biến khớp. Hai loại khớp thông dụng nhất trong kỹ thuật tay máy là khớp trượt và khớp quay. Chúng đều là loại khớp có một bậc tự do.
8 Bài toán thuận nhằm mô tả vị trí và hướng của khâu tác động cuối dưới dạng hàm số của các biến khớp. Giả sử có một tay máy với n+1 khâu và n khớp. Vị trí và hướng của khâu tác động cuối so với hệ tọa độ gốc O0 x0y0z0 được mô tả bằng vectơ định vị p và các vectơ chỉ phương n, s, a. Theo [1] ma trận trạng thái của khâu tác động cuối so với hệ tọa độ cơ sở được thể hiện như sau: TE = x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               (2.1) Trong đó, p là vectơ định vị; n, s, a là các vectơ chỉ phương của khâu tác động cuối, cũng chính là vectơ đơn vị của các hệ trục tọa độ. Nếu phần công tác là bàn kẹp thì gốc tọa độ đặt vào tâm quay; vectơ a đặt theo phương tiến đến vật; s nằm trong mặt phẳng trượt của hàm kẹp; n vuông góc với s và a theo quy tắc bàn tay phải. Giải bài toán động học thuận theo một phương pháp chung nhất là sử dụng quy tắc Denavit-Hartenberg, được Denavit và Hartenberg xây dựng vào năm 1955 [4]. Đó là quy tắc thiết lập hệ thống tọa độ trên các cặp khâu - khớp trên tay máy. Dựa trên hệ tọa độ này có thể mô tả các cặp bằng hệ thống các tham số, biến khớp và áp dụng một dạng phương trình tổng quát cho bài toán động học tay máy. 2.1.1.1 Quy tắc Denavit - Hartenberg Giả sử trong chuỗi động học của tay máy có n khâu, khâu thứ i nối khớp thứ i với khớp thứ i+1. Hình 2.1 được trích từ [1] biểu diễn các thông số động học theo quy tắc Denavit–Hartenberg trong trường hợp 2 khớp động liên tiếp là 2 khớp quay. Theo quy tắc Denavit–Hartenberg[1] thì hệ tọa độ được gắn lên các khâu, khớp như sau: - Đặt trục tọa độ zi nằm dọc theo trục khớp động i+1. - Đặt gốc toạ độ Oi tại giao điểm của Zi và pháp tuyến chung nhỏ nhất của trục Zi và Zi-1.
9 - Đặt trục tọa độ xi theo phương pháp tuyến chung giữa zi-1 và zi, hướng từ khớp i đến khớp i+1. - Trục yi vuông góc với xi và zi theo qui tắc bàn tay phải. - Trong một số trường hợp đặc biệt, quy tắc Denavit – Hartenberg cho phép xác định một cách đơn giản hóa như sau: + Đối với hệ tọa độ gốc chỉ có phương của trục z0 là xác định. Gốc O0 và trục x0 có thể chọn tùy ý. + Đối với hệ tọa độ thứ n, chỉ có phương của trục xn là xác định. Trục zn có thể chọn tùy ý. + Khi 2 khớp liền nhau có trục song song, vị trí của pháp tuyến chung có thể lấy bất kì. + Khi khớp thứ i là khớp trượt thì chỉ có phương của trục zi-1 là xác định. Hình 2.1Các hệ toạ độ đối với 2 khâu động liên tiếp.
10 Sau khi được thiết lập, vị trí của hệ Oixiyizi so với hệ Oi-1xi-1yi-1zi-1 hoàn toàn được xác định nhờ các thông số sau: - ai là độ dài đường vuông góc chung giữa 2 trục khớp động i+1 và i . - αi là góc quay quanh trục xi giữa trục zi-1 và zi. - di là khoảng cách đo dọc trục khớp động i từ đường vuông góc chung giữa trục khớp động i-1 với trục khớp động i đến đường vuông góc chung giữa khớp động i và trục khớp động i+1. - θi là góc quay quanh trục zi-1 giữa trục xi-1 và xi. Bốn thông số ai, αi, di, θi được gọi là bộ thông số Denavit – Hartenberg (DH). + Nếu khớp động i là khớp quay thì biến khớp là θi. + Nếu khớp động i là khớp tịnh tiến thì di là biến khớp. 2.1.1.2 Mô hình biến đổi Trên cơ sở đã xây dựng các hệ toạ độ, có thể mô tả phép chuyển tọa độ giữa hệ i và hệ i-1 theo 4 phép biến đổi[1]: + Quay quanh trục zi-1 góc θi . + Tịnh tiến dọc trục zi-1 một đoạn di . + Tịnh tiến dọc trục xi-1 (đã trùng với xi) một đoạn ai . + Quay quanh trục xi một góc αi . Bốn phép biến đổi này được biểu thị bằng tích các ma trận thuần nhất[1]:       i i p i p i i A = R z,θ .T 0,0,d .T ( a ,0,0 .R x,α ) (2.2) Theo [1], sau khi thực hiện phép nhân các ma trận nói trên ta được ma trận tổng hợp mô tả vị trí và hướng của khâu thứ i so với khâu thứ i-1: Ai = θi θi i θi i i θi θi θi i θi i i θi i i i c -s c s s a c s c c -c s a s 0 s c d 0 0 0 1             (2.3) Đối với khớp quay thì biến khớp là θi, còn đối với khớp tịnh tiến thì biến khớp là i d .
11 Theo [1] vị trí và hướng của khâu thứ i so với hệ tọa độ cơ sở thể hiện bằng phương trình: 0 Ti = A1A2…Ai (2.4) Với tay máy có n khâu, trong đó khâu thứ n gắn liền với “điểm tác động cuối” (E) thì vị trí và hướng của khâu thứ n so với hệ tọa độ cơ sở: 0 Tn = A1A2…An (2.5) Mặt khác, hệ toạ độ tại “điểm tác động cuối” này được mô tả bằng ma trận TE theo phương trình (2.1). Do đó: TE = 0 Tn (2.6) Tức là ta có : x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               = 0 Tn (2.7) Phương trình (2.7) là phương trình động học cơ bản của tay máy: 2.1.1.3Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy a. Gắn các hệ toạ độ lên các khâu. b. Lập bảng thông số DH. c. Dựa vào các thông số DH xác định các ma trận Ai (theo công thức 2.3) d. Tính các ma trận Ti (vị trí và hướng của khâu thứ i so với khâu cố định) và viết các phương trình động học của tay máy. 2.1.2 Bài toán động học ngƣợc của tay máy Bài toán động học ngược tay máy cho trước vị trí và hướng của khâu tác động cuối, cần xác định bộ thông số của các biến khớp. Các phương pháp giải bài toán động học ngược tay máy đã được giới thiệu trong chương 1. Trong phần này chỉ đề cập đến một phương pháp giải được sử dụng trong luận văn.
12 Các bước giải bài toán động học ngược[1] cho trường hợp tay máy n bậc tự do như sau: Xuất phát từ phương trình (2.7) ta có: x x x x y y y y 0 n 1 2 n z z z z n s a p n s a p T = A A …A = n s a p 0 0 0 1               Có thể viết lại như sau: 0 0 i n i n T = T T (2.8) Nhân hai vế của phương trình (2.8)với -1 i T ta có: -1 i i 0 n n T T = T Do -1 -1 -1 -1 -1 i 1 2 i i 2 1 T = (A A ...A ) = A . . A . A Nên: -1 -1 -1 i i 2 1 n n 0 A A A T = .. T . Như vậy: x x x x y y y y i 1 1 1 n i 2 1 z z z z n s a p n s a p T = A A A n s a p 0 0 0 1                   (2.9) Với i = 1, 2,..., n-1 Ứng với mỗi phần tử của i khi so sánh các phần tử tương ứng của 2 ma trận ở 2 vế của biểu thức (2.9) ta nhận được n phương trình tồn tại độc lập để xác định các biến khớp i q . 2.2 Lý thuyết mạng nơron Mạng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin. ANN giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện) có khả năng
13 lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết. 2.2.1 Lịch sử phát triển của mạng nơron nhân tạo Mạng nơron nhân tạo đã có một lịch sử lâu dài. Năm 1943, McCulloch và Pitts đã đưa ra khả năng liên kết và một số liên kết cơ bản của mạng nơron[2]. Năm 1949, Hebb đã đưa ra các luật thích nghi trong mạng nơron[2]. Năm 1958, Rosenblatt đưa ra cấu trúc Perception[2]. Năm 1969, Minsky và Papert phân tích sự đúng đắn của Perception, họ đã chứng minh các tính chất và chỉ rõ các giới hạn của một số mô hình[2]. Năm 1976, Grossberg dựa vào tích chất sinh học đã đưa ra một số cấu trúc của hệ động học phi tuyến với các tính chất mới[2]. Năm 1982, Hoppfield đã đưa ra mạng học phi tuyến với các tính chất mới[2]. Năm 1982, Rumelhart đưa ra mô hình song song và một số kết quả của thuật toán[2]. Năm 1986 thuật toán học lan truyền ngược (Back Propagation) được Rumelhart, Hinton và Williams đề xuất thực hiện luyện mạng nơron truyền thẳng nhiều lớp[2]. Những năm gần đây có nhiều công trình nghiên cứu đề xuất các cấu trúc, luật học cho nhiều loại mạng nơron truyền thẳng và hồi qui mới có nhiều ưu điểm. Mạng nơron hiện đang được ứng dụng có hiệu quả trong nhiều lĩnh vực kinh tế và kỹ thuật. 2.2.2 Mô hình nơron sinh học Mạng nơron nhân tạo phát triển từ nghiên cứu về trí tuệ nhân tạo; đặc biệt là cố gắng bắt chước về khả năng học của bộ não có cấu trúc cấp thấp. Bộ não người có khoảng 1011 nơron sinh học ở nhiều dạng khác nhau[2]. Mô hình của một dạng nơron sinh học được mô tả trên hình 2.2 được trích từ tài liệu tham khảo[2]. Cấu trúc chung của một nơron sinh học gồm có ba phần chính là: thân, bên trong có nhân, cây và trục. Cây gồm các dây thần kinh liên kết với thân. Phần cuối của trục có dạng phân nhánh. Trong mỗi nhánh có một cơ cấu nhỏ gọi là khớp thần kinh, các nơron liên kết với nhau thông qua khớp thần kinh này. Sự thu
14 nhận thông tin được thực hiện từ cây hoặc thân nơron. Tín hiệu thu, nhận ở dạng các xung điện. Khi thông tin thu được từ các giác quan được chuyển vào các tế bào thần kinh vận động và tế bào cơ. Tại mỗi tế bào thần kinh tiếp nhận thông tin, điện thế của nó tăng lên, nếu điện thế này vượt ngưỡng sẽ tạo dòng điện trong tế bào thần kinh, ý nghĩa dòng điện đó được giải mã và lưu ở thần kinh trung ương, kết quả xử lí thông tin được gửi đến các tế bào cơ. Các tế bào thần kinh đều đưa ra tín hiệu giống nhau còn các khớp thần kinh chỉ cho phép các tín hiệu phù hợp qua chúng, các tín hiệu khác thì bị cản lại. Lượng tín hiệu đã được biến đổi gọi là cường độ khớp thần kinh - tương ứng với trọng số của mạng nơron nhân tạo. Hình 2.2 Mô hình của một dạng nơron sinh học 2.2.3 Phần tử xử lí Mô hình phần tử xử lí (Processing Elements- PE) hay mô hình nơron dạng M–P, do Culloch và Pitts đề xuất năm 1943 [2]. Phần tử xử lí có dạng nhiều vào, một ra. Hình 2.2 được trích từ [2] mô tả mô hình của phần tử xử lí (một nơron) thứ i, dạng M-P, trong đó có các thành phần sau đây:
15 Hình 2.3 Mô hình một nơron thứ i 2.2.3.1 Tín hiệu vào (Inputs)-ra(Output) Có m tín hiệu đầu vào, trong đó (n-1) tín hiệu là tín hiệu kích thích được đặt ở đầu vào là (x1, …,xi,…,xn-1), chúng được lấy từ đầu ra của các nơron được đặt trước nơron này hoặc được lấy từ các nguồn tín hiệu đầu vào khác. Các tín hiệu kích thích đầu vào này được đưa qua một bộ trọng số Wij đặc trưng cho mức độ liên kết giữa các nơron thứ j (j = 1, 2,…, n-1) với nơron thứ i. Riêng thành phần tín hiệu vào thứ n là xn được gọi là ngưỡng có giá trị xn = 1 [17]. Tín hiệu xn được đưa qua thành phần dịch chuyển (bias) bi : in i W = b (2.10) Có một tín hiệu ra là yi 2.2.3.2 Bộ cộng Thực hiện phép tính tìm tổng trọng số vi (hoặc neti) bằng cách so sánh tổng trọng của (n-1) kích thích đầu vào với giá trị trọng lượng của ngưỡng, nếu tổng trọng này vượt qua trọng lượng của ngưỡng thì nơron ở trạng thái bị kích thích để tạo ra được tín hiệu ra yi. n 1 i i ij j i n j 1 net = v = w x b x     (2.11)
16 2.2.3.3 Hàm chuyển đổi Hàm chuyển đổi (Transfer funtion) hay còn gọi là hàm hoạt hóa (active funtion ) có nhiệm vụ biến đổi tổng trọng vi (hoặc neti ) thành tín hiệu ra yi: yi = a(neti) = a(vi) trong đó a(.) là kí hiệu của hàm chuyển đổi. Trong [2] giới thiệu các dạng hàm chuyển đổi sau: - Hàm chuyển đổi dạng giới hạn cứng (Hard limit transfer function) còn có tên gọi là hàm bước nhảy (step transfer function)tronghình2.4 có dạng biểu thức: a v = sgn v = 1 nếu v  0 0 nếu v < 0 (2.12) Hình 2.4 Hàm chuyển đổi dạng giới hạn cứng - Hàm chuyển đổi dạng giới hạn cứng đối xứng (symmetric hard limit transfer function) còn có tên gọi là hàm dấu tronghình 2.5 có dạng biểu thức: a v = sgn v = 1 nếu v  0 −1 nếu v < 0 (2.13) Hình 2.5 Hàm chuyển đổi dạng giới hạn cứng đối xứng
17 - Hàm chuyển đổi dạng tuyến tính bão hòa (Saturating linear transfer function) trong hình 2.6 có dạng biểu thức: a v = 1 nếu v > 0 v nếu 0 ≤ v ≤ 1 −1 nếu v < 0 (2.14) Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa - Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng (Symmetric saturating linear transfer function) tronghình 2.7 có dạng biểu thức: a v = 1 nếu v > 1 v nếu − 1 ≤ v ≤ 1 −1 nếu v < −1 (2.15) Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng
18 - Hàm chuyển đổi dạng sigmoid trong hình 2.8 có biểu thức: - λv 1 a(v) = 1+e (2.16) Trong đó >0 là hệ số độ dốc Hình 2.8Hàm chuyển đổi dạng sigmoid - Hàm chuyển đổi dạng tang hyperbolic trong hình 2.9 có biểu thức: - λv 2 a(v) = - 1 1+e (2.17) Trong đó >0 là hệ số độ dốc Hình 2.9 Hàm chuyển đổi dạng tang hyperbolic - Hàm chuyển đổi dạng tuyến tính (linear transfer function) tronghình 2.10 có biểu thức: a v = v (2.18)
19 Hình 2.10 Hàm chuyển đổi dạng tuyến tính 2.2.4 Các loại mô hình cấu trúc mạng nơron Mạng nơron bao gồm sự liên kết của nhiều nơron. Đầu ra của mỗi nơron liên kết với các nơron khác thông qua các trọng số hoặc tự phản hồi trở về đầu vào của chính nó. Cấu trúc của mạng nơron là kiểu kết nối hình học của mỗi nơron liên kết trong mạng, đây là một đặc điểm quan trọng của từng mạng nơron, dựa vào đó để tiến hành phân loại chúng. Một số mạng nơron thường gặp như sau: Mạng nơron một lớp và nhiều lớp được gọi là truyền thẳng (Feedforward Network) nếu đầu ra của mỗi nơron được nối với các đầu vào của các nơron cùng lớp đó hoặc đầu vào của các nơron của các lớp trước đó. Trong mạng không tồn tại bất kỳ một mạch hồi tiếp nào kể cả hồi tiếp nội lẫn hồi tiếp từ đầu ra trở về đầu vào. Hình 2.11 mô tả mạng truyền thẳng một lớp [2] (Single layer feedforward networks) có đặc điểm là tất cả các nơron đều nhận tín hiệu vào từ nguồn bên ngoài qua các biến trọng số và mỗi nơron đều cho ra một tín hiệu ra. Hình 2.11 Cấu trúc của mạng nơron truyền thẳng một lớp
20 Hình 2.12 mô tả mạng truyền thẳng nhiều lớp [2] (multilayer feedforward networks). Lớp vào (input layer) gồm các nơron nhận trực tiếp các tín hiệu vào lấy từ bên ngoài. Lớp ra (output layer) gồm các nơron có các tín hiệu ra, đưa ra bên ngoài mạng. Lớp ẩn (hidden layer) gồm các nơron còn lại không trực tiếp nhận các tín hiệu vào lấy từ bên ngoài và không cung cấp tín hiệu ra cho bên ngoài mạng, nó chỉ có nhiệm vụ truyền các tín hiệu từ nơron ở lớp vào đến các nơron ở lớp ra. Mạng nơron truyền thẳng nhiều lớp có một lớp vào, một lớp ra, có thể không có hoặc có nhiều lớp ẩn. Một mạng được gọi là liên kết đầy đủ nếu mỗi nơron ở lớp trước liên kết với tất cả các lớp nơron ở ngay sau nó. Mạng nơron ở hình 2.12 là loại mạng nơron truyền thẳng có 3 lớp, có liên kết không đầy đủ. Hình 2.12 Cấu trúc của mạng nơron truyền thẳng nhiều lớp Nếu mạng nơron có các tín hiệu đầu ra được đưa ngược trở lại đầu vào của các nơron ở lớp trước nó hoặc chính nó thì mạng đó được gọi là mạng phản hồi (feedback network) Nếu tín hiệu ra của một nơron được đưa phản hồi thành các tín hiệu vào của các nơron ở cùng một lớp với nơron đó thì mạng đó được gọi là mạng phản hồi bên (lateral feedback network) Mạng phản hồi có các vòng kín được gọi là mạng hồi qui (recurrent networks). Hình 2.13 mô tả một mạng hồi qui đơn giản nhất[2], mạng chỉ có một nơron có tín hiệu ra tự phản hồi về đầu vào của chính nó.
21 Hình 2.13 Cấu trúc của mạng nơron chỉ có một nơron tự hồi qui Mạng một lớp có liên kết phản hồi như hình 2.14 có đặc điểm tín hiệu đầu ra của mỗi nơron được đưa ngược trở lại đầu vào của chính nó hoặc của các nơron khác được gọi là mạng hồi qui một lớp[2].Hình 2.15 mô tả cấu trúc của mạng nơron hồi qui nhiều lớp [2]. Hình 2.14 Cấu trúc của mạng nơron hồi qui một lớp Hình 2.15 Cấu trúc của mạng nơron hồi qui nhiều lớp
22 2.2.5 Các tính chất của mạng nơron Mạng nơron có các tính chất sau đây[2]: - Là hệ phi tuyến. - Là hệ xử lí song song: Mạng nơron có cấu trúc song song, do đó có tốc độ tính toán rất cao, rất phù hợp với lĩnh vực nhận dạng và điều khiển. - Là hệ học và thích nghi: Mạng được luyện từ dữ liệu quá khứ, có khả năng tự chỉnh khi số liệu đầu vào bị mất, có thể điều khiển on-line. - Là hệ nhiều biến, hệ nhiều đầu vào, nhiều đầu ra phù hợp khi điều khiển đối tượng có nhiều biến số. 2.2.6 Các luật học Mạng nơron sử dụng hai nhóm luật học: Nhóm các luật học thông số (parameter learning rules) và nhóm các luật học cấu trúc (structure learning rules) Các luật học trong nhóm học thông số có nhiệm vụ tính toán cập nhật giá trị của trọng số liên kết các nơron trong mạng. Các luật học trong nhóm học cấu trúc số có nhiệm vụ đưa ra cấu trúc hợp lí của mạng như thay đổi số lượng nơron hoặc thay đổi số lượng liên kết của các nơron trong mạng. Hai nhóm luật học trên có thể áp dụng đồng thời (Khi đó gọi là luật học lai – hybrid learning rules) 2.2.7 Thuật toán Backpropagation Khi trọng số và thành phần di ̣ ch chuyển (bias) của mạng đã được khởi tạo , mạng đã sẵn sàng huấn luyện . Quá trình huấn luyện cần một tập các cặp mẫu bao gồm các tín hiê ̣u ngõ vào và ngõ ra của ma ̣ng . Trong suốt quá trình huấn luyê ̣n trọng số và bias của mạng được điều chỉnh lặp đi l ặp lại để cực tiểu hóa hàm sai lê ̣ch của ma ̣ng . Hàm sai lê ̣ch mặc định của mạng truyền thẳng là trung bình bình phương sai lê ̣ch.
23 Có nhiều thuật toán Backpropagation khác nhau . Cách thực hiện đơn giản nhất là cập nhật trọng số và bias theo hướng sao cho hàm sai lê ̣ch giảm nhanh nhất . Mỗi bước lặp thuật toán được viết lại như sau[16]: xk+1 = xk - kgk (2.19) Trong đó: - xk là vector trọng số và bias hiện tại; - gk là gradient hiện tại; -k là hằng số học. Có hai phương pháp để câ ̣p nhâ ̣t trọng theo qui tắc giảm dốc nhất (gradient descent) đó là câ ̣p nhâ ̣t trọng ngay sau khi học từ ng mẫu dựa trên đa ̣o hàm lỗi của riêng từ ng mẫu (incremental mode) và câ ̣p nhâ ̣t trọng dựa trên đa ̣o hàm lỗi s au khi đã quét qua toàn bộtâ ̣p mẫu (batch mode). 2.2.7.1 Chế độ ho ̣c tƣ̀ng mẫu: Huấn luyê ̣n ma ̣ng ở chế độnày sử dụng hàm „ adapt‟. Có thể sử dụng luật cập nhâ ̣t theo phương pháp giảm dốc nhất „learngd‟hoă ̣c phương pháp giảm dốc nhất có thêm thành phần động lượng „learngdm‟. Đối với phương pháp giảm dốc nhất hàm học thông số cho trọng số và bias là „learngd‟. Trọng số và ngưỡng được cập nhật theo hướng chống la ̣i gradient của hàm lỗi. Hàm „learngd‟ có một thông số học là tốc độ học „lr‟. Tốc độ học càng lớn, thì bước nhảy càng lớn. Nếu tốc độ học quá lớn, thuật toán sẽ không ổn định. Nếu tốc độ học quá nhỏ, thuật toán sẽ hội tụ lâu. Đối với phương pháp giảm dốc nhất có thêm thành phần động lượng - hàm„learngdm‟ giúp cho hàm learngd hội tụ nhanh hơn. 2.2.7.2 Chế đô ̣ho ̣c theo nhóm mẫu Chế độhọc theo nhóm mẫu thay thế cho chế độhọc từ ng mẫu , Huấn luyê ̣n mạng sử dụng hàm „ train‟ với các luâ ̣t câ ̣p nhâ ̣t thông số trọng số và bias là hàm „traingd‟ hoă ̣c „traingdm‟ . Ở chế độ học theo nhóm mẫu trọng số và bias của mạng chỉ được cập nhật sau khi toàn bộ bộ mẫu huấn luyện đã được nạp vào mạng .
24 Gradient được tính toán ở mỗi mẫu huấn luyện được cộng dồn lại với nhau để xác đi ̣ nh sự thay đổi của trọng số và bias. Hàm „ traingd‟ tương đương với hàm „learngd‟, thực hiện huấn luyện theo phương pháp giảm dốc nhất chuẩn . Trọng số và ngưỡng được cập nhật theo hướng chống la ̣i gradient của hàm lỗi. Hàm „ traingdm‟ tương đương với hàm „learngdm‟ với hai điểm khác biê ̣t . Thứ nhất, Gradient được tính bằng tổng gradient ở mỗi mẫu huấn luyê ̣n , trọng số và bias được câ ̣p nhâ ̣t sau khi toàn bộmẫu được đưa vào . Thứ hai, nếu hàm lỗi trên bước lă ̣p được cho vượt quá hàm lỗi ở bước lă ̣p trước một giá tri ̣đi ̣ nh tr ước „max_perf_inc‟ (thường chọn 1.04) thì trọng số và bias mới bị loại bỏ và thành phần động lượng „mc‟được gán bằng 0. Trong chế độhuấn luyê ̣n theo nhóm mẫu , ngoài các giải thuật huấn luyện trên còn một số giải thuật có tốc độ hội tụ nhanh như: Giải thuật tốc độ học thay đổi „Traingda‟, „Traingdx‟; giải thuật phục hồi mạng „trainrp‟; giải thuật conjugate_ gradient; giải thuật cập nhật Fletcher-Reeves „traincgf‟; giải thuật cập nhật Polak – Ribiére „traincgp‟; giải thuật khởi động lại Powell – Beale „traincgb‟; giải thuật Scaled Conjugate Gradient „trainscg‟; giải thuật BFGS „trainbfg‟ ; giải thuật One Step Secant „trainoss‟; giải thuật Levenberg – Marquardt (TRAINLM). Tham khảo tài liệu[16] để biết thêm thông tin về các giải thuật này. 2.2.8 Giải thuật Levenberg-Marquardt Giải thuật Levenberg -Marquardt đượ c phát triển độc lâ ̣p bởi Kenneth Levenberg và Donald Marquardt [15], cung cấp một giải pháp số để giải quyết vấn đề cực tiểu hóa một hàm không tuyến tính . Giải pháp này có độ hội tụ nhanh và ổn đi ̣ nh. Trong lĩnh vực ma ̣ng nơron nhân ta ̣o , thuâ ̣t toán này rất phù hợp để huấn luyê ̣n những ma ̣ng cỡ nhỏ và trung bình (vài trăm trọng số).
25 2.2.8.1 Luâ ̣t câ ̣p nhâ ̣t tro ̣ng số Hàm tổng bình phương sai số được định nghĩa để đánh giá quá trình huấn luyê ̣n ma ̣ng. Đối với tất cả các mẫu và tín hiệu ra của mạng , tổng bình phương sai số được tính như sau[15]: n Q P 2 p, m p =1 m =1 1 E(x,w) = e 2   (2.20) trong đó: x là vectơ tín hiê ̣u vào w là vectơ trọng số p là chỉ số mẫu, p = 1, 2,…, P m là chỉ số tín hiê ̣u đầu ra, m = 1, 2,…, nQ ep,m là sai lệch của tín hiệu ra m khi duyệt mẫu p và được định nghĩa[15]: p, m p, m p, m e = d - y (2.21) trong đó d là vectơ tín hiê ̣u ra mong muốn y là vectơ tín hiê ̣u ra thực tế Giải thuật Levenberg-Marquardt sử dụng luâ ̣t câ ̣p nhâ ̣t trọng số [15]: T -1 k+1 k k k k k w = w - (J J + μI) J e (2.22) với:  là hệ số học (được câ ̣p nhâ ̣t thông qua tham số „mu‟). k là chỉ số lă ̣p J là ma trâ ̣n jacobian có da ̣ng[17]: 1 1 1 1 2 N 2 2 2 1 2 N N N N 1 2 N e (w) e (w) e (w) w w w e (w) e (w) e (w) w w w J = e (w) e (w) e (w) w w w                                                (2.23)
26 2.2.8.2 Tính toán ma trận jacobian Vectơ sai lê ̣ch có da ̣ng: eT = [ 1,1 e 1,2 e … Q 1,n e … P,1 e P,2 e . . . Q P,n e ] (2.24) Vectơ tham số có da ̣ng:   T 1 2 N w = w w …w 1 i 1 2 Q 1 1 1 1 1 2 2 Q Q 1,1 1,2 n ,n 1 n 1,1 n 1,1 n [w w ...w b ...b w ...b .. ...w b ]  (2.25) Trong đó Chỉ số trên “1” thể hiện cho lớp thứ nhất, chỉ số trên “Q” thể hiện cho lớp ra. ni là số nơron trong lớp vào n1 là số nơron ở lớp thứ nhất n2 là số nơron ở lớp thứ hai nQ là số nơron ở lớp ra Ma trâ ̣n jacobian được viết la ̣i như sau: 1 i 1 i Q Q Q Q 1 1 i 1,1 1,1 1,1 1,1 1 1 1 1 1,1 1,2 n ,n 1 1,2 1,2 1,2 1,2 1 1 1 1 1,1 1,2 n ,n 1 1,n 1,n 1,n 1,n 1 1 1 1 1,1 1,2 , 1 p,1 p,1 p,1 p,1 1 1 1 1 1,1 1,2 n ,n 1 e e e e w w w b e e e e w w w b e e e e w w w b J e e e e w w w b e i n n                                                   1 i Q Q Q Q 1 i p,2 p,2 p,2 p,2 1 1 1 1 1,1 1,2 n ,n 1 p,n p,n p,n p,n 1 1 1 1 1,1 1,2 n ,n 1 e e e w w w b e e e e w w w b                                                                            (2.26)
27 Xét nơron thứ j với n i tín hiệu vào như hình 2.16 được trích từ tài liê ̣u tham khảo[15]. Nếu nơron j ở lớp thứ nhất , tất cả tín hiê ̣u vào sẽ được nối với tín hiê ̣u vào của mạng, nếu khác, các tín hiệu vào của nó được nối với tín hiệu ra của nơron ở lớp kế trước. Trong phần này kí hiê ̣u zj,i có nghĩa là tín hiệu vào thứ i của nơron j kí hiệu zj có nghĩa là tín hiệu ra của nơron j. Tín hiệu ra của nơron j được tính như sau[15]: j j j z = a (v ) (2.27) Trong đó a j là hàm chuyển đổi của nơron j và v j là tổng trọng đầu vào của nơron j được tính như sau[15]: ni j j,i j,i j i=1 v = w z + b  (2.28) Trong đó Zj,i là tín hiệu vào của nơron j, được kết nối với trọng số wj,i bj là trọng ngưỡng bias của nơron j Hình 2.16 Liên kết của nơron j với các phần khác trong ma ̣ng. Tín hiệu z j,i có thể là tín hiệu vào của mạng hoặc tín hiệu ra của các nơron khác. Fm,j(zj) là mối quan hệ phi tuyến giữa tín hiệu ra zj và tín hiệu ra ym của mạng. Đa ̣o hàm của tổng trọng vj là [15]:
28 j j,i j,i v z w    (2.29) Độ dốc sj của hàm chuyển đổi aj là[15]: j j j j j j z a (v ) s = = v v     (2.30) Giữa tín hiê ̣u ra z j của nơron j ở lớp ẩn và tín hiệu ra y m của mạng có mối quan hê ̣phi tuyến phứ c ta ̣p (hình 2.16): ym = Fm,j(zj) (2.31) trong đó: ym là tín hiệu ra thứ m của mạng. Mỗi phần tử của ma trâ ̣n jacobian có thể được tính theo công thứ c[15]: p,m m,j j,i j,i e = - δ z w   (2.32) trong đó : m,j là tín hiệu sai lệch của nơron thứ j ứng với nơron m ở lớp xuất của mạng. Có hai thành phần chưa biết trong phương trình (2.32) để tính toán ma trận jacobian. Tín hiệu vào zj,i có thể được tính trong quá trình lan truyền thuận (tín hiệu lan truyền từ đầu vào đến đầu ra ); trong khi đó m,j thu được trong quá trình lan truyền ngược, giá trị này được thiết lập như là lan truyền ngược của sai lê ̣ch từ đầu ra đến đầu vào của ma ̣ng. Ở nơron m của lớp ra(j=m) thì m,j = sm. Hình 2.17 trích từ tài liệu tham khảo [17] mô tả ma ̣ng truyền thẳng ba lớp (có hai lớp ẩn): số nút vào là ni, số nút ra là n3, n1 và n2 là số nơron ở lớp thứ nhất và thứ hai. Để thể hiê ̣n rõ viê ̣c tính toán trong quá trình lan truyền thuâ ̣n và lan truyền ngược ta sẽ xem xét ma ̣ng nơron ba lớp (hình 2.17) như là một ví dụ.
29 Hình 2.17 Mạng nơron truyền thẳng 3 lớp Với mẫu đã cho , quá trình truyền thuận của tín hiệu được thực hiện theo các bước sau[15]: a. Tính tổng trọng, tín hiệu ra và độ dốc của các nơron trong lớp thứ nhất: ni 1 1 1 j i j,i j i=1 v = x w + b  (2.33) 1 1 1 j j j z = a (v ) (2.34) 1 j 1 j 1 j a s = v   (2.35) b. Sử dụng tín hiê ̣u ra của nơron ở lớp thứ nhất như là tín hiê ̣u vào của tất cả các nơron ở lớp thứ hai , thực hiê ̣n tính toán tương tự cho tổng trọng , tín hiệu ra và độdốc: n1 2 1 2 2 j i j,i j i =1 v = z w + b  (2.36) 2 2 2 j j j z = a (v ) (2.37) 2 j 2 j 2 j a s = v   (2.38)
30 c. Sử dụng tín hiê ̣u ra của nơron ở lớp thứ hai như là tín hiê ̣u vào của tất cả các nơron ở lớp thứ ba, tính toán tương tự cho tổng trọng, tín hiệu ra và độ dốc: n2 3 2 3 3 j i j,i j i =1 v = z w + b  (2.39) 3 3 j j j y = a (v ) (2.40) 3 j 3 j 3 j a s = v   (2.41) Với kết quả tính toán từ quá trình truyền thuâ ̣n , với một tín hiê ̣u ra j đã cho , quá trình lan truyền ngược có thể được thực hiê ̣n như sau: d. Tính sai lệch ở đầu ra j và tín hiệu lan truyền ngược sai lệch ban đầu  cũng chính là độ dốc của tín hiệu ra j: ej = dj - yj (2.42) 3 3 j,j j δ = s (2.43) 3 j,k δ = 0 (2.44) Trong đó dj là tín hiệu ra mong muốn ở đầu ra j yj là tín hiệu ra thực tế ở đầu ra j trong quá trình lan truyền thuận 3 j,j là tín hiệu lan truyền ngược sai lệch của nơron j ở lớp ra 3 j,k là tín hiệu lan truyền ngược từ các nơron khác trong cùng một lớp (lớp ra) e. Lan truyền ngược  từ đầu vào của lớp thứ 3 đến đầu ra của lớp thứ hai: 2' 3 3 j,k j,i j,j δ =w δ (2.45) Trong đó k là chỉ số của nơron ở lớp thứ hai, giá trị từ 1 đến n2.
31 f. Lan truyền ngược  từ đầu ra của nơron lớp thứ hai đến đầu vào của lớp thứ hai (tín hiệu lan truyền ngược sai lệch của nơron ở lớp thứ hai): 2 2' 2 j,k j,i i δ = δ s (2.46) Trong đó k là chỉ số của nơron ở lớp thứ hai, giá trị từ 1 đến n2. g. Lan truyền ngược  từ đầu vào của nơron lớp thứ hai đến đầu ra của lớp thứ nhất: n2 1' 2 2 j,k j,i j,i i=1 δ = w δ  (2.47) Trong đó k là chỉ số của nơron ở lớp thứ nhất, giá trị từ 1 đến n1. h. Lan truyền ngược  từ đầu ra của nơron lớp thứ nhất đến đầu vào của lớp thứ nhất(tín hiệu lan truyền ngược sai lệch của nơron ở lớp thứ nhất): 1 1' 1 j,k j,i i δ = δ s (2.48) Trong đó k là chỉ số của nơron ở lớp thứ nhất, giá trị từ 1 đến n1. Đối với quá trình lan truyền ngược của các nơron khác, lă ̣p la ̣i các bước từ (d) đến (h). Bằng cách thực hiê ̣n quá trình tính toán lan truyền thuâ ̣n và lan truyền ngược , toàn bộ dãy lan truyền ngược sai lệ ch  và tín hiệu ra z có thể thu được với mẫu đã cho. Sau đó xác đi ̣ nh các phần tử của ma trâ ̣n jacobian theo phương trình 2.32. Đối với các mẫu khác , lă ̣p la ̣i quá trình tính toán lan truyền thuâ ̣n và lan truyền ngược, toàn bộ ma trận jacobian được tính toán. 2.2.8.3 Quá trình huấn luyện Với luâ ̣t câ ̣p nhâ ̣t của thuâ ̣t toán Levenberg -Marquardt (phương trình 2.22), và việc tính toán ma trận jacobian, quá trình huấn luyện được thực hiê ̣n như sau:
32 a. Với trọng số ban đầu (khởi ta ̣o ngẫu nhiên ), tính tổng bình phương sai số theo công thứ c (2.20). b. Thực hiê ̣n câ ̣p nhâ ̣t trọng số theo phương trình (2.22) để điều chỉnh trọng số. c. Với trọng số mới, tính tổng bình phương sai số. d. Nếu tổng bình phương sai số hiê ̣n ta ̣i tăng theo trọng số câ ̣p nhâ ̣t , thì lùi về một bước (khôi phục la ̣i trọng số vừ a điều chỉnh ) và tăng hệ số kết hợp  bằng cách nhân  với 10 hoă ̣c hê ̣số khác tùy người sử dụng. e. Nếu tổng bình phương sai số hiê ̣n ta ̣i giảm theo trọng số câ ̣p nhâ ̣t , thì chấp nhâ ̣n bước này(chọn trọng số này như là trọng số ban đầu ) và giảm hệ số kết hợp  bằng cách chia cho 10 hoă ̣c chia cho hê ̣số sử dụng ở bước d. f. Tiếp tục thực hiện bước b với trọng số mới cho đến khi tổng bình phương sai số nhỏ hơn giá tri ̣cho trước. Sơ đồ khối quá trình huấn luyện sử dụng thuật toán Levenberg-Marquardt được thể hiện như trong hình 2.18 [15].
33 Hình 2.18 Sơ đồ khối để huấn luyê ̣n mạng sử dụng thuâ ̣t toán Levenberg - Marquardt: wk là trọng số hiện tại, wk+1 là trọng số kế tiếp, Ek+1 là tổng sai lệch hiện tại, Ek là tổng sai lệch trước. KẾT LUẬN CHƢƠNG 2 Trong chương này, tác giả đã trình bày những vấn đề cơ bản của phương pháp giải bài toán động học thuận theo quy tắc Denavit-Hartenberg và phương pháp giải bài toán động học ngược bằng phương pháp giải tích. Ngoài ra, tác giả cũng giới thiệu một cách khái quát về mạng nơron, trong đó tập trung giới thiệu về giải thuật Levenberg-Marquardtmà tác giả đã sử dụng để huấn luyện mạng trong luận văn. Đây là một giải thuật có độ hội tụ nhanh và ổn định, phù hợp để huấn luyện mạng cỡ nhỏ và trung bình.
34 Chƣơng 3 XÂY DƢ̣NG BỘ DƢ̃ LIỆU HUÂ ́ N LUYỆN ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƢỢC CHO TAY MÁ Y SCORBOT ER7 BẰ NG MẠNG NƠRON Tay máy Scorbot ER7 là tay máy có 5 bậc tự do với các khớp đều là khớp quay. Nóđược sử dụng rộng rãi trong ngành công nghiệp điện tử, cho dây chuyền lắp ráp các chi tiết máy nhỏ, nhẹ và dùng cho giáo dục, đào tạo. Tay máy Scorbot ER7 sử dụng năng lượng điện, có độ chính xác trung bình. Cấu trúc của tay máy Scorbot ER7 thể hiện trong hình 3.1 được trích từ tài liệu tham khảo [20]. Hình 3.1 Tay máy Scorbot ER7 Trong chương này, tác giả giải bài toán động học thuận (theo quy tắc Denavit-Hartenberg) làm cơ sở để xây dựng bộdữ liê ̣u để huấn luyê ̣n ma ̣ng nơron . Sau đó tác giả sẽ dùng kết quả của bài toán động học ngược (được giải theophương
35 pháp giải tích) như là một mẫu chuẩn để so sánh với các giá trị thu được từ mạng nơron. 3.1 Giải bài toán động học thuận cho tay máy Scorbot ER7 Zoe Zhizhong[18] đã tiến hành giải bài toán động học thuận cho tay máy Scorbot ER7 như sau: Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7 Dựa vào sơ đồ động học của tay máy Hình 3.2 ta có bảng thông số DH như sau: Bảng 3.1 Bảng thông số DH của tay máy Scorbot ER7 Khớp i αi ai(mm) di(mm) θi (phạm vi làm việc) 1 -π/2 a1=50 d1=358,5 θ1 ( 1250 ) 2 0 a2=300 d2= -40 θ2 (-130;350 ) 3 0 a3=350 0 θ3 ( 1100 ) 4 -π/2 0 0 θ4 ( 900 ) 5 0 0 d5=251 θ5 ( 1800 )
36 Các ma trận Ai được xây dựng như sau: 1 1 1 1 1 1 1 1 1 1 c 0 -s a c s 0 c a s A = 0 -1 0 d 0 0 0 1             (3.1) 2 2 2 2 2 2 2 2 2 2 c s 0 a c s c 0 a s 0 0 1 d 0 0 0 A 1               (3.2) 3 3 3 3 3 3 3 3 c s 0 a c s c 0 a s 0 0 1 0 0 0 0 1               3 A (3.3) 4 4 4 4 c 0 s 0 s 0 c 0 0 1 0 0 0 0 0 1                4 A (3.4) 5 5 5 5 5 c s 0 0 s c 0 0 0 0 1 d 0 0 0 1               5 A (3.5) Theo phương trình (2.12): T5 = A1A2A3A4A5= x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               (3.6) Trong đó: x 1 234 5 1 5 n = c c c + s s
37 y 1 234 5 1 5 n = s c c - c s z 234 5 n = -s c x 1 234 5 1 5 s = -c c s + s c y 1 234 5 1 5 s = -s c s - c c z 234 5 s = s s x 1 234 a = -c s y 1 234 a = -s s z 234 a = -c   x 1 1 2 2 3 23 5 234 2 1 p = c a + a c + a c - d s - d s   y 1 1 2 2 3 23 5 234 2 1 p = s a + a c + a c - d s + d c z 1 2 2 3 23 5 234 p = d - a s - a s - d c Trong đó: i i c , s biểu thị cho cosθi, sinθi i j... c biểu thị cho cos(θi+ θj+…) 3.2 Giải bài toán động học ngƣợc cho tay máy Scorbot ER7 Như đã giới thiệu ở phần trước, việc giải bài toán động học ngược không ảnh hưởng đến đến kết quả của quá trình huấn luyện mạng nơron nhưng nó là cơ sở để đánh giá độchính xác của phương pháp giải bằng mạng nơron . Tuy nhiên, với tay máy có nhiều bậc tự do thì bài toán động học ngược sẽ có nhiều kết quả khác nhau tương ứng với từng cấu hình khác nhau của tay máy . Do đó , để thuận tiện cho việc so sánh kết quả này, tác giả chỉ giải cho một trường hợp cụ thể đó là : hướng và góc quay của bàn kẹp được cố định. Có nghĩa là hướng của trục z 5 luôn ngược với trục z0, trục x5 cùng hướng với trục x0, trục y5 ngược hướng với trục y0. Phương pháp giải bài toán động học ngược cho tay máy Scorbot ER7 trong trường hợp này đã được Joe Zhizhong[18] thực hiện với lời giải như sau: Ma trận chuyển của bàn kẹp so với hệ tọa độ 0 được viết như sau:
38 TE = x y z 0 P 1 0 0 p 0 1 0 0 1 p 0 0 0 1                 (3.7) Mặt khác theo phương trình (2.6): TE = T5 Với T5 là ma trận thu được từ phương trình (3.6) Cân bằng phần tử ở hàng 3, cột 3 của phương trình (3.7) và (3.6) ta được: θ2 + θ3 + θ4 = 0 (3.8) Cân bằng phần tử ở hàng 1, cột 1 của phương trình (3.7) và (3.6) ta được: 1 234 5 1 5 c c c + s s = 1  1 5 1 5 c c + s s = 1    1 5 c θ - θ = 1  1 5 θ - θ = 0 (3.9) Cân bằng phần tử ở hàng 1, cột 3; hàng 2 cột 3; hàng 3 cột 3 của phương trình (3.7) và (3.6) ta được:   x 1 1 2 2 3 23 2 1 p = c a + a c + a c - d s (3.10)   y 1 1 2 2 3 23 2 1 p = s a + a c + a c + d c (3.11) z 1 2 2 3 23 5 p = d - a s - a s - d (3.12) Đặt : 1 2 2 3 23 k = a + a c + a c (3.13) Thay vào phương trình (3.10), (3.11) Ta được: x 1 2 1 p = kc - d s (3.14) y 1 2 1 p = ks + d c (3.15) Bình phương phương trình(3.14) và (3.15) sau đó cộng vế theo vế ta được: 2 2 2 2 x y 2 p + p = k + d (3.16)  2 2 2 x 2 k = (p + p - d ) y  (3.17)
39 Phương trình (3.14) và (3.15) có 2 ẩn là c1, s1 Giải hệ phương trình bằng phương pháp thế ta được: y 2 x 2 2 1 2 kp - d p k +d s = (3.18) x 2 y 2 2 1 2 kp + d p k + d c = (3.19) Từ phương trình (3.18), (3.19) ta có: 1 y 2 x x 2 y θ atan2 (kp d p , kp d p )    (3.20) Phương trình (3.12), (3.13) có thể viết lại dưới dạng : 2 2 3 23 1 5 z a s + a s = d + d - p (3.21) 2 2 3 23 1 a c + a c = k - a (3.22) Bình phương phương trình (3.21) và (3.22) sau đó cộng vế theo vế ta được:     2 2 2 2 1 1 5 z 2 3 3 2 3 k - a + d - d - p - a - a θ = acos 2a a         (3.23) Từ phương trình (3.21) và (3.22) ta có:   1 5 z 2 3 3 2 3 3 2 d + d p = a + a c s + a s c  (3.24)   1 2 3 3 2 3 3 2 k a = a + a c c + a s s  (3.25) Giải phương trình (3.24) và (3.25) ta được:          2 3 3 1 5 z 3 3 1 2 2 2 1 1 5 z a a c d d p a s b a s b a d d p           (3.26)          2 3 3 1 3 3 1 5 z 2 2 2 1 1 5 z a a c b a a s d d p c b a d d p           (3.27) Từ phương trình (3.24) và (3.25) ta được:            2 2 3 3 1 5 z 3 3 1 2 3 3 1 3 3 1 5 z θ arctg2 a a c d d p a s b a , a a c b a a s d d p            (3.28) Cuối cùng ta thu đượcθ4 từ các phương trình (3.8), (3.23), (3.28) θ4 = -θ2 - θ3 (3.29)
40 Các phương trình (3.8), (3.9), (3.20), (3.23), (3.28), (3.29) dùng để giải bài toán động học ngược cho tay máy Scorbot ER7. 3.3 Xây dƣ̣ng bô ̣mẫu để huấn luyê ̣ n ma ̣ng giải bài toán đô ̣ng ho ̣c ngƣợc cho tay máy Scorbot ER7 Bộmẫu dùng để huấn luyê ̣n ma ̣ng bao gồm n phần tử       (1) (1) (2) (2) (n) (n) p , y , p , y , ,(p , y )  trong đó mẫu tín hiê ̣u vào T x y z p = p , p , p     thể hiê ̣n vi ̣trí của bàn ke ̣p tay máy và mẫu tín hiê ̣u ra T 1 2 3 4 5 y = [θ , θ , θ , θ , θ ] thể hiê ̣n các góc quay của các khớp, được xác đi ̣ nh từ bài toán thuâ ̣n theo phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). Hình 3.3 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyê ̣n. Để huấn luyê ̣n ma ̣ng , tác giả dùng 2 bộmẫu khác nhau:bộ thứ nhất được dùng để luyện mạng. Bộthứ hai dùng để kiểm tra khả năng tổng quát hóa của ma ̣ng đối với bộdữ liê ̣u chưa được học. Vùng2 (00 θ1<1250 ) Vùng1 (-1250 <θ1 00 )
41 Tuy nhiên , nếu lấy bộmẫu trên toàn vùng làm viê ̣c của tay máy thì kích thước mẫu sẽ rất lớn do đó khả năng tổng quát hóa của ma ̣ng sẽ giảm và qúa trình huấn luyê ̣n ma ̣ng có thể sẽ k hông đi đến kết quả . Do đó, đối với vùng làm việc của θ1tác giả sẽ chia thành hai vùng để huấn luyện (hình 3.3):vùng 1 với -1250 < θ100 , vùng 2 với 00  θ1< 1250 . Mặt khác, với trường hợp tay máy đã xác định ở mục 3.2 thì với một vị trí cho trước có thể có hai lời giải khác nhau (như trong hình 3.4). Vì vậy, để so sánh kết quả giải bằng mạng nơron với phương pháp giải tích thì tác giả chỉ huấn luyện mạng theo cấu hình 1 của tay máy. Như vậy, trong luận văn này, tác giả sẽ huấn luyện hai mạng: Mạng Net1_1 tương ứng với vùng 1và cấu hình 1; mạng Net2_1 tương ứng với vùng 2và cấu hình 1. Hình 3.4 Hai lời giải khác nhau được miêu tả cho bài toán động học ngược tay máy Scorbot ER7: Đường nét liền thể hiện tay máy có cấu hình 1, đường nét đứ t thể hiê ̣n tay máy ở cấu hình 2.
42 Bộmẫu dùng để huấn luyện mạng Net 1_1 được lấy từ phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). Trong đó θ1, θ2,θ3, θ4,θ5 phải thỏa mãn các điều kiện sau:  -1250 < θ1<00 ( Vùng 1) (3.31)  -130 < θ2  0 (Cấu hình 1) (3.32)  0  θ3 < 110 (Cấu hình 1) (3.33)  -90 < θ4 0 (Cấu hình 1) (3.34)  θ2 + θ3 + θ4 = 0 (theo phương trình 3.8) (3.35)  1 5 θ - θ = 0(theo phương trình 3.9) (3.36) Chương trình lấy 3000 mẫu để huấn luyê ̣n và kiểm tra ma ̣ng Net1_1 được thể hiê ̣n ở phụlục 1 chạy trên phần mềm Matlab 2013a (8.1.0.604). Trong bộ mẫu gồm 3000 mẫu tác giả đã lấy 2000 mẫu đầu tiên để huấn luyện mạng Net1_1; 1000 mẫu còn lại được dùng để kiểm tra tính tổng quát hóa của mạng này.70 số liệuđầu tiên trong bộ mẫu gồm 2000 mẫu dùng để huấn luyê ̣n mạng Net1_1 được trích dẫn trong phụlục 6.30 số liệu đầu tiên trong bộmẫu gồm 1000 mẫu dùng để kiểm tra mạng Net1_1 được trích dẫn trong phụ lục 7. Vùng huấn luyê ̣n ma ̣ng Net 1_1 là vùng làm việc của tay máy Scorbot ER 7 được thể hiê ̣n trong hình 3.5 và hình 3.6. Hình 3.5 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxz.
43 Hình 3.6 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho mạng Net1_1. Bộmẫu dùng để huấn luyện mạng Net 2_1 được lấy từ các phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). trong đó θ1, θ2,θ3, θ4,θ5 phải thỏa mãn cá c phương trình (3.32), (3.33), (3.34), (3.35), (3.36) và thỏa mãn điều kiện 00 < θ1< 1250 . Chương trình lấy 3000 mẫu để huấn luyê ̣n mạng Net2_1 được thể hiê ̣n ở phụ lục 2 chạy trên phần mềm Matlab 2013a (8.1.0.604).20 số liệu đầu tiên và 20 số liệu cuối trong bộmẫu gồm 3000 mẫu dùng để huấn luyê ̣n ma ̣ng Net2_1 được trích dẫn trong phụlục 8. Chương trình lấy 1000 mẫu để kiểm tra ma ̣ng Net 2_1 được thể hiê ̣n ở phụ lục 3 chạy trên phần mềm Matlab 2013a (8.1.0.604).20 số liệu đầu tiên và 20 số liệu cuối trong bộmẫu gồm 1000 mẫu dùng để kiểm tra mạng Net2_1 được trích dẫn trong phụlục 9. Vùng huấn luyện mạng Net2_1 là vùng làm việc của tay máy Scorbot ER 7 được thể hiê ̣n trong hình 3.5 và hình 3.7
44 Hình 3.7Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho ma ̣ng Net2_1 KẾT LUẬN CHƢƠNG 3 Trong chương này, tác giả đã tiến hành giải bài toán động học thuậncho tay máy Scorbot ER7làm cơ sở để xây dựng bộ dữ liệu huấn luyện và giải bài toán động học ngược bằng phương pháp giải tích để đánh giá kết quả của phương pháp giải bằng mạng nơron.Để mạng nơron có khả năng học bộ dữ liệu tốt và để thuận tiện cho việc so sánh kết quả của hai phương pháp, tác giả đãchiavùng làm việc của tay máy trong mặt phẳng Oxy thành hai vùng khác nhau và trong mỗi vùng chỉ huấn luyện với một cấu hình cụ thể (cấu hình 1).Trong giới hạn đó, tác giả đã xác định được hai bộ dữ liệu để huấn luyện mạng Net1_1 và mạng Net2_1.
45 Chƣơng 4 HUÂ ́ N LUYỆN MẠNG NƠRON VÀ PHÂN TÍCH KÊ ́ T QUA ̉ Trong phần này, tác giả trình bày phương pháp và kết quả huấn luyê ̣n ma ̣ng Net1_1 và mạng Net2_1. Mạng được huấn luyê ̣n trên Neural Network Toolbox (nntool) của phần mền matlab 2013a. 4.1 Huấn luyê ̣ n ma ̣ng Net1_1 4.1.1 Xác định cấu trúc mạng Để huấn luyê ̣n ma ̣ng Net1_1, tác giả sử dụng mạng truyền thẳng 4 lớp (1 lớp nhập, 3 lớp ẩn, 1 lớp xuất). Số lớp được xác định theo phương pháp thử và sai. Lớp nhập: Gồm 3 nơron tương ứng với các giá trị nhập là 3 tọa độ vị trí của bàn kẹp tay máy: xi = [Px Py Pz]T (4.1) Lớp xuất: gồm 5 nơron tương ứng với 5 biến khớp θ 1, θ 2 , θ 3, θ 4, θ5. yi = [θ 1 θ 2 θ 3 θ 4 θ 5 ]T (4.2) Số nơron trong lớp ẩn là 30-10-30 tương ứ ng với lớp thứ nhất, lớp thứ hai và lớp thứ 3 được chọn theo phương pháp thử và sai. Trọng số: Các trọng số ban đầu được khởi tạo ngẫu nhiên, sau đó được điều chỉnh trong quá trình huấn luyện mạng, sử dụng giải thuâ ̣t Levenberg-Marquardt. Với bộmẫu gồm 3000 mẫu được lấy theo chương trình ở phụlục 2. Trong đó 2000 mẫu đầu tiên được dùng để huấn luyê ̣n , 1000 mẫu còn la ̣i được dùng để kiểm tra khả năng tổng quát hóa của ma ̣ng đã được huấn luyê ̣n.
46 4.1.2 Huấn luyê ̣ n ma ̣ng Quá trình huấn luyện được thực hiện như sau: Khởi động Neural Network Toolbox bằng cách gõ lê ̣nh „nntool‟ ở dòng nhắc lê ̣nh trong command window của phần mềm matlab. Hộp giao diê ̣n Neural Network Toolbox xuất hiê ̣n như hình 4.1. Hình 4.1 Giao diê ̣n của Neural Network Toolbox Nhâ ̣p mẫu dùng để huấn luyê ̣n : Chọn import > import from MATLAB workspace > p1_check > Input Data > Import > ok (Hình 4.2). Lă ̣p la ̣i từ bước 3 đến bước 5 cho 3 bộ dữ liê ̣u còn la ̣i trong đó với bộp 1_train chọn „Input Data‟, bộ t1_check và t1_train chọn „Target Data‟. Sau khi thực hiê ̣n xong kết quả được như hình 4.3. Hình 4.2 Nhâ ̣p dữ liệu vào Neural Network Toolbox.
47 Hình 4.3 Dữ liê ̣u huấn luyê ̣n đã được nhâ ̣p vào Neural Network Toolbox Khởi ta ̣o ma ̣ng : Chọn new > Network > Đặt tên mạng „Net 1_1‟. Các thông tin khác chọn như trong hình 4.4 > Chọn View. Kết qủa được n hư hình 4.5, sau đó nhấn „Create‟ kết qủa được như hình 4.6 Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron
48 Hình 4.5 Cấu trúc của ma ̣ng Net1_1 Hình 4.6 Mạng Net1_1 đã được ta ̣o để chuẩn bi ̣huấn luyê ̣n Hình 4.7 Chọn dữ liệu để huấn luyện mạng Net1_1
49 Hình 4.8 Các thông số huấn luyện mạng Net1_1 Thông tin về kết quả huấn luyê ̣n ma ̣ng Net 1_1 sau 1000 bước lă ̣p được thể hiê ̣n trong hình 4.9, 4.10, 4.11, 4.12 Hình 4.9 Thông tin huấn luyê ̣n ma ̣ng Net1_1 sau 1000 bước lă ̣p
50 Hình 4.10 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net1_1 Hình 4.11 Đồ thị thể hiện gradien, hê ̣số kết hợp „mu‟ và sai số trên bộdữ liê ̣u kiểm chứ ng của mạng Net1_1
51 Hình 4.12 Đồ thị thể hiện mối quan hệ giữa giá trị đích và đầu ra của mạng Net1_1 Sau khi ma ̣ng Net1_1 đã được huấn luyê ̣n xong, sử dụng bộmẫu thứ hai gồm 1000 mẫu để mô phỏng nhằm đánh giá khả năng tổng quát hóa của mạng Net 1_1 đối với những dữ liê ̣u nằm trong vùng huấn luyê ̣n mà ma ̣ng chưa được học. Quá trình thực hiện như trong hình 4.13. Sai lê ̣ch của các biến khớp khi xác định bằng mạng Net1_1được thể hiê ̣n trong hình 4.14, 4.15, 4.16, 4.17, 4.18. Hình 4.13 Thiết lâ ̣p dữ liê ̣u để mô phỏng ma ̣ng Net1_1
52 Hình 4.14 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net1_1 Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net1_1 Hình 4.16 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net1_1
53 Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net1_1 Hình 4.18 Đồ thị thể hiện sai lệch của θ5 khi mô phỏng ma ̣ng Net1_1 4.1.3 Đánh giá thông tin huấn luyê ̣ n và kết qủa mô phỏng Thông tin huấn luyê ̣n ma ̣ng Net 1_1 với bộdữ liê ̣u gồm 2000 mẫu cho thấy tổng bình phương sai lê ̣ch trên bộdữ liê ̣u huấn luyê ̣n đa ̣t giá tri ̣ 1,79 (hình 4.9) và trên bộdữ liê ̣u kiểm chứ ng là 11,5(hình 4.10); gradien = 444; hê ̣số kết hợp mu () = 0,1; Sai số trên bộdữ liê ̣u kiểm chứ ng không tăng ở bước lă ̣p 1000 (hình 4.11). Hình 4.12 cho thấy mối quan hê ̣giữa tín hiê ̣u ra của ma ̣ng Net 1_1 so với giá tri ̣đích trên bộdữ liê ̣u hu ấn luyện, dữ liê ̣u kiểm tra, dữ liê ̣u kiểm chứ ng và trên toàn bộdữ liê ̣u.
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy
ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy

Recommended

Các phương pháp thiết kế bộ điều khiển PID.docx
Các phương pháp thiết kế bộ điều khiển PID.docxCác phương pháp thiết kế bộ điều khiển PID.docx
Các phương pháp thiết kế bộ điều khiển PID.docx
hunhlhongthi
 
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờĐiều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Man_Ebook
 
Điện tử công suất, Trần Trọng Minh.pdf
Điện tử công suất, Trần Trọng Minh.pdfĐiện tử công suất, Trần Trọng Minh.pdf
Điện tử công suất, Trần Trọng Minh.pdf
Man_Ebook
 
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOTLuận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Man_Ebook
 
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Vita Howe
 
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lậpThiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
https://www.facebook.com/garmentspace
 
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự độngĐề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Dịch vụ viết bài trọn gói ZALO 0917193864
 

Recommended

Các phương pháp thiết kế bộ điều khiển PID.docx
Các phương pháp thiết kế bộ điều khiển PID.docxCác phương pháp thiết kế bộ điều khiển PID.docx
Các phương pháp thiết kế bộ điều khiển PID.docx
hunhlhongthi
 
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờĐiều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Điều khiển và ổn định mức nước ứng dụng bộ điều chỉnh pid và logic mờ
Man_Ebook
 
Điện tử công suất, Trần Trọng Minh.pdf
Điện tử công suất, Trần Trọng Minh.pdfĐiện tử công suất, Trần Trọng Minh.pdf
Điện tử công suất, Trần Trọng Minh.pdf
Man_Ebook
 
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOTLuận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Luận văn: Thiết kế hệ thống báo cháy cho toà nhà Tower, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Nghiên cứu thiết kế hệ thống scada cho hệ thống cung cấp nước sạch tại xí ngh...
Man_Ebook
 
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Đồ án Năng lượng gió đi sâu tìm hiểu điểm công suất cực đại cho tuabin gió
Vita Howe
 
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lậpThiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
Thiết kế bộ nguồn chỉnh lưu điều khiển động cơ một chiều kích từ độc lập
https://www.facebook.com/garmentspace
 
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự độngĐề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Đề tài: Hệ thống giám sát quá trình chiết rót và đóng nắp chai tự động
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAYLuận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
Dịch Vụ Viết Bài Trọn Gói ZALO 0917193864
 
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
nataliej4
 
Điều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdfĐiều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdf
Man_Ebook
 
Giao trinh khi cu dien cao ap
Giao trinh khi cu dien cao apGiao trinh khi cu dien cao ap
Giao trinh khi cu dien cao ap
bonuongongtre
 
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOTLuận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOTLuận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAYĐề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnhThiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Tiem Joseph
 
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAYĐề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAYĐiều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đạiHệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdfMô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Man_Ebook
 
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán PidThi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Dịch Vụ Viết Bài Trọn Gói ZALO 0917193864
 
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyếnĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
Man_Ebook
 
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Man_Ebook
 
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAYĐề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
lamluanvan.net Viết thuê luận văn
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
TÀI LIỆU NGÀNH MAY
 
Nhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSONhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSO
Man_Ebook
 
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký sốLuận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Dịch vụ viết bài trọn gói ZALO: 0909232620
 

More Related Content

What's hot

Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAYLuận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
Dịch Vụ Viết Bài Trọn Gói ZALO 0917193864
 
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
nataliej4
 
Điều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdfĐiều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdf
Man_Ebook
 
Giao trinh khi cu dien cao ap
Giao trinh khi cu dien cao apGiao trinh khi cu dien cao ap
Giao trinh khi cu dien cao ap
bonuongongtre
 
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOTLuận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOTLuận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAYĐề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnhThiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Tiem Joseph
 
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAYĐề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAYĐiều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đạiHệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdfMô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Man_Ebook
 
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán PidThi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Dịch Vụ Viết Bài Trọn Gói ZALO 0917193864
 
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyếnĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
Man_Ebook
 
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Man_Ebook
 
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAYĐề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
lamluanvan.net Viết thuê luận văn
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
TÀI LIỆU NGÀNH MAY
 

What's hot (20)

Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAYLuận văn: Thiết kế hệ thống tưới cây tự động, HAY
Luận văn: Thiết kế hệ thống tưới cây tự động, HAY
 
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
NGHIÊN CỨU SỬ DỤNG GIẢI PHÁP TỰ ĐỘNG HÓA LƯỚI ĐIỆN PHÂN PHỐI (DAS) ĐỂ NÂNG CA...
 
Điều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdfĐiều khiển cân bằng hệ con lắc ngược.pdf
Điều khiển cân bằng hệ con lắc ngược.pdf
 
Giao trinh khi cu dien cao ap
Giao trinh khi cu dien cao apGiao trinh khi cu dien cao ap
Giao trinh khi cu dien cao ap
 
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOTLuận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
Luận văn: Ứng dụng lập trình điều khiển thiết bị qua wifi, HOT
 
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOTLuận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
Luận văn: Nghiên cứu thiết kế bộ điều khiển PID mờ, HOT
 
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAYĐề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
Đề tài: hệ thống phân loại sản phẩm bằng nhận dạng mờ, HAY
 
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnhThiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
Thiết kế bộ điều khiển cho bộ nghịch lưu ba pha trên hệ tọa độ tĩnh
 
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAYĐề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
Đề tài: Thiết mạch điều chỉnh tốc độ động cơ một chiều, HAY
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
 
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAYĐiều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
Điều chỉnh loại PID cho phép điều chỉnh các hệ số khuyếch đại, HAY
 
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đạiHệ năng lượng mặt trời và phương pháp để thu công suất cực đại
Hệ năng lượng mặt trời và phương pháp để thu công suất cực đại
 
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdfMô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
Mô hình điều khiển sự cân bằng giữa bóng và mặt phẳng.pdf
 
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán PidThi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
Thi công mạch điều khiển tốc độ động cơ DC sử dụng thuật toán Pid
 
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyếnĐIều khiển trượt thích nghi hệ thống động phi tuyến
ĐIều khiển trượt thích nghi hệ thống động phi tuyến
 
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
Giáo trình kỹ thuật điều khiển tự động (nxb sư phạm kỹ thuật 2015) nguyễn v...
 
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAYĐề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
Đề tài: Xây dựng bộ PID điều khiển mức nước trong bể chứa, HAY
 
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
10 bài tiểu luận phương pháp nghiên cứu khoa học hay.docx
 
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tínhĐề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
Đề tài: Ứng dụng LabVIEW điều khiển lò nhiệt ghép nối với máy tính
 
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
Tính toán, thiết kế trạm xử lý nước thải khu dân cư – dịch vụ – cư xá công nh...
 

Similar to ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy

Nhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSONhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSO
Man_Ebook
 
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký sốLuận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Dịch vụ viết bài trọn gói ZALO: 0909232620
 
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tínhLuận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAYĐề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdfThiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
Man_Ebook
 
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAYĐề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
điều khiển con lắc ngược sử dụng mạng neural trên chip dsp
điều khiển con lắc ngược sử dụng mạng neural trên chip dspđiều khiển con lắc ngược sử dụng mạng neural trên chip dsp
điều khiển con lắc ngược sử dụng mạng neural trên chip dsp
nataliej4
 
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
Man_Ebook
 
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOTMô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
Dịch vụ viết bài trọn gói ZALO 0917193864
 
Đều khiển phi tuyến hệ agv​
Đều khiển phi tuyến hệ agv​Đều khiển phi tuyến hệ agv​
Đều khiển phi tuyến hệ agv​
Man_Ebook
 
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAYĐề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
Dịch vụ viết bài trọn gói ZALO 0917193864
 
ĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quayĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quay
Man_Ebook
 
ĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quayĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quay
Man_Ebook
 
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
Man_Ebook
 
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám MâyLuận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
Dịch Vụ Viết Thuê Đề Tài Trangluanvan.com / 0934.536.149
 
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đLuận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
Dịch Vụ Viết Bài Trọn Gói ZALO 0917193864
 
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
DV Viết Luận văn luanvanmaster.com ZALO 0973287149
 
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồLuận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
Dịch vụ viết bài trọn gói ZALO: 0909232620
 
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdfNghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
Man_Ebook
 
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
Man_Ebook
 

Similar to ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy (20)

Nhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSONhận dạng thông số của Rôbôt bằng giải thuật PSO
Nhận dạng thông số của Rôbôt bằng giải thuật PSO
 
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký sốLuận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
Luận văn: Mô hình đảm bảo an toàn truyền tin dựa trên chữ ký số
 
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tínhLuận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
Luận văn: Tính toán khoảng giải các ràng buộc không tuyến tính
 
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAYĐề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
Đề tài: Chuyển vị của dầm liên tục chịu tải trọng tĩnh tập trung, HAY
 
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdfThiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
Thiết kế và thi công máy rửa dùng sóng siêu âm trong công nghiệp.pdf
 
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAYĐề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
Đề tài: Ứng dụng Wear Os trong việc hỗ trợ người già, HAY
 
điều khiển con lắc ngược sử dụng mạng neural trên chip dsp
điều khiển con lắc ngược sử dụng mạng neural trên chip dspđiều khiển con lắc ngược sử dụng mạng neural trên chip dsp
điều khiển con lắc ngược sử dụng mạng neural trên chip dsp
 
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
Nghiên cứu, thiết kế, thử nghiệm xe hai bánh tự cân bằng​
 
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOTMô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
Mô hình xe robot dò tìm kim loại điều khiển bằng điện thoại, HOT
 
Đều khiển phi tuyến hệ agv​
Đều khiển phi tuyến hệ agv​Đều khiển phi tuyến hệ agv​
Đều khiển phi tuyến hệ agv​
 
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAYĐề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
Đề tài: Thiết kế xe điều khiển từ xa có live stream camera, HAY
 
ĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quayĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quay
 
ĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quayĐIều khiển con lắc ngược quay
ĐIều khiển con lắc ngược quay
 
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
Nghiên cứu phát triển hệ điều khiển đo đặc tính đầu ra cho bộ định vị sử dụng...
 
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám MâyLuận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
Luận Văn Kỹ Thuật Di Trú Máy Ảo Trong Điện Toán Đám Mây
 
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đLuận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
Luận văn: Nghiên cứu mô hình phân lớp câu hỏi và ứng dụng, 9đ
 
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
Nghiên Cứu Thiết Kế, Mô Phỏng Và Thử Nghiệm Cảm Biến Góc Nghiêng Hai Chiều Cấ...
 
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồLuận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
Luận văn: Phương pháp sinh dữ liệu kiểm thử tự động từ biểu đồ
 
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdfNghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
Nghiên cứu hệ SCADA cho hệ thống xử lý nước trong nhà máy nhiệt điện.pdf
 
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
Tổ chức dạy học theo định hướng ACTION LEARNING (AL) cho môn thực hành điện t...
 

More from Man_Ebook

TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTETL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
Man_Ebook
 
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdfTừ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
Man_Ebook
 
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdfTRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
Man_Ebook
 
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
Man_Ebook
 
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
Man_Ebook
 
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdfBÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
Man_Ebook
 
TL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
TL Báo cáo Thực tập tại Nissan Đà Nẵng.docTL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
TL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
Man_Ebook
 
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdfGiáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdf
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdfGiáo trình mô động vật - Trường ĐH Cần Thơ.pdf
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdfGiáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdfGiáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdfGiáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdfGiáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình Linux và phần mềm nguồn mở.pdf
Giáo trình Linux và phần mềm nguồn mở.pdfGiáo trình Linux và phần mềm nguồn mở.pdf
Giáo trình Linux và phần mềm nguồn mở.pdf
Man_Ebook
 
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdfGiáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình lý thuyết điều khiển tự động.pdf
Giáo trình lý thuyết điều khiển tự động.pdfGiáo trình lý thuyết điều khiển tự động.pdf
Giáo trình lý thuyết điều khiển tự động.pdf
Man_Ebook
 
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdfGiáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
Man_Ebook
 
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdfGiáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
Man_Ebook
 
Giáo trình lập trình cho thiết bị di động.pdf
Giáo trình lập trình cho thiết bị di động.pdfGiáo trình lập trình cho thiết bị di động.pdf
Giáo trình lập trình cho thiết bị di động.pdf
Man_Ebook
 
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdf
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdfGiáo trình lập trình web - Trường ĐH Cần Thơ.pdf
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdf
Man_Ebook
 

More from Man_Ebook (20)

TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTETL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
TL NỘI SAN KHOA CƠ KHÍ ĐỘNG LỰC 2023 - UTE
 
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdfTừ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
Từ ngữ về con người và chiến tranh trong Nhật ký Đặng Thùy Trâm.pdf
 
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdfTRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
TRÁCH NHIỆM PHÁP LÝ CỦA CÁN BỘ, CÔNG CHỨC TRONG HOẠT ĐỘNG CÔNG VỤ.pdf
 
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
Addressing Transport Issues in Non-Aqueous Li–air Batteries to Achieving High...
 
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
An Analysis of International Tourist Motivations Towards Phuket Food Attracti...
 
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdfBÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
BÀI GIẢNG MÔN HỌC CƠ SỞ NGÔN NGỮ, Dùng cho hệ Cao đẳng chuyên nghiệp.pdf
 
TL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
TL Báo cáo Thực tập tại Nissan Đà Nẵng.docTL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
TL Báo cáo Thực tập tại Nissan Đà Nẵng.doc
 
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdfGiáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
Giáo trình thực vật học 2 - Trường ĐH Cần Thơ.pdf
 
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdf
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdfGiáo trình mô động vật - Trường ĐH Cần Thơ.pdf
Giáo trình mô động vật - Trường ĐH Cần Thơ.pdf
 
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdfGiáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ hệ thống A - Trường ĐH Cần Thơ.pdf
 
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdfGiáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
Giáo trình ngôn ngữ mô hình hóa UML - Trường ĐH Cần Thơ.pdf
 
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdfGiáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
Giáo trình nguyên lý máy học - Trường ĐH Cần Thơ.pdf
 
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdfGiáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
Giáo trình mô hình hóa quyết định - Trường ĐH Cần Thơ.pdf
 
Giáo trình Linux và phần mềm nguồn mở.pdf
Giáo trình Linux và phần mềm nguồn mở.pdfGiáo trình Linux và phần mềm nguồn mở.pdf
Giáo trình Linux và phần mềm nguồn mở.pdf
 
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdfGiáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
Giáo trình logic học đại cương - Trường ĐH Cần Thơ.pdf
 
Giáo trình lý thuyết điều khiển tự động.pdf
Giáo trình lý thuyết điều khiển tự động.pdfGiáo trình lý thuyết điều khiển tự động.pdf
Giáo trình lý thuyết điều khiển tự động.pdf
 
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdfGiáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
Giáo trình mạng máy tính - Trường ĐH Cần Thơ.pdf
 
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdfGiáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
Giáo trình lý thuyết xếp hàng và ứng dụng đánh giá hệ thống.pdf
 
Giáo trình lập trình cho thiết bị di động.pdf
Giáo trình lập trình cho thiết bị di động.pdfGiáo trình lập trình cho thiết bị di động.pdf
Giáo trình lập trình cho thiết bị di động.pdf
 
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdf
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdfGiáo trình lập trình web - Trường ĐH Cần Thơ.pdf
Giáo trình lập trình web - Trường ĐH Cần Thơ.pdf
 

Recently uploaded

Smartbiz_He thong MES nganh may mac_2024june
Smartbiz_He thong MES nganh may mac_2024juneSmartbiz_He thong MES nganh may mac_2024june
Smartbiz_He thong MES nganh may mac_2024june
SmartBiz
 
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
Nguyen Thanh Tu Collection
 
THONG BAO nop ho so xet tuyen TS6 24-25.pdf
THONG BAO nop ho so xet tuyen TS6 24-25.pdfTHONG BAO nop ho so xet tuyen TS6 24-25.pdf
THONG BAO nop ho so xet tuyen TS6 24-25.pdf
QucHHunhnh
 
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
khanhthy3000
 
Halloween vocabulary for kids in primary school
Halloween vocabulary for kids in primary schoolHalloween vocabulary for kids in primary school
Halloween vocabulary for kids in primary school
AnhPhm265031
 
insulin cho benh nhan nam vien co tang duong huyet
insulin cho benh nhan nam vien co tang duong huyetinsulin cho benh nhan nam vien co tang duong huyet
insulin cho benh nhan nam vien co tang duong huyet
lmhong80
 
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thươngPLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
hieutrinhvan27052005
 
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang ThiềuBiểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
lamluanvan.net Viết thuê luận văn
 
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdfSLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
UyenDang34
 
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
NguynDimQunh33
 
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docxVăn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
metamngoc123
 
Giải phẫu tim sau đại học- LÊ QUANG TUYỀN
Giải phẫu tim sau đại học- LÊ QUANG TUYỀNGiải phẫu tim sau đại học- LÊ QUANG TUYỀN
Giải phẫu tim sau đại học- LÊ QUANG TUYỀN
linh miu
 
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
Nguyen Thanh Tu Collection
 
FSSC 22000 version 6_Seminar_FINAL end.pptx
FSSC 22000 version 6_Seminar_FINAL end.pptxFSSC 22000 version 6_Seminar_FINAL end.pptx
FSSC 22000 version 6_Seminar_FINAL end.pptx
deviv80273
 
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdfCau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
HngMLTh
 
trắc nhiệm ký sinh.docxddddddddddddddddd
trắc nhiệm ký sinh.docxdddddddddddddddddtrắc nhiệm ký sinh.docxddddddddddddddddd
trắc nhiệm ký sinh.docxddddddddddddddddd
my21xn0084
 
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docxBÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
HngL891608
 
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptxLỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
12D241NguynPhmMaiTra
 

Recently uploaded (18)

Smartbiz_He thong MES nganh may mac_2024june
Smartbiz_He thong MES nganh may mac_2024juneSmartbiz_He thong MES nganh may mac_2024june
Smartbiz_He thong MES nganh may mac_2024june
 
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
BÀI TẬP BỔ TRỢ TIẾNG ANH I-LEARN SMART WORLD 9 CẢ NĂM CÓ TEST THEO UNIT NĂM H...
 
THONG BAO nop ho so xet tuyen TS6 24-25.pdf
THONG BAO nop ho so xet tuyen TS6 24-25.pdfTHONG BAO nop ho so xet tuyen TS6 24-25.pdf
THONG BAO nop ho so xet tuyen TS6 24-25.pdf
 
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
100 DẪN CHỨNG NGHỊ LUẬN XÃ HỘiI HAY.docx
 
Halloween vocabulary for kids in primary school
Halloween vocabulary for kids in primary schoolHalloween vocabulary for kids in primary school
Halloween vocabulary for kids in primary school
 
insulin cho benh nhan nam vien co tang duong huyet
insulin cho benh nhan nam vien co tang duong huyetinsulin cho benh nhan nam vien co tang duong huyet
insulin cho benh nhan nam vien co tang duong huyet
 
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thươngPLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
PLĐC-chương 1 (1).ppt của trường ĐH Ngoại thương
 
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang ThiềuBiểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
Biểu tượng trăng và bầu trời trong tác phẩm của Nguyễn Quang Thiều
 
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdfSLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
SLIDE BÀI GIẢNG MÔN THƯƠNG MẠI ĐIỆN TỬ.pdf
 
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
40 câu hỏi - đáp Bộ luật dân sự năm 2015 (1).doc
 
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docxVăn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
Văn 7. Truyện ngụ ngôn Rùa và thỏ+ Viết PT nhân vật.docx
 
Giải phẫu tim sau đại học- LÊ QUANG TUYỀN
Giải phẫu tim sau đại học- LÊ QUANG TUYỀNGiải phẫu tim sau đại học- LÊ QUANG TUYỀN
Giải phẫu tim sau đại học- LÊ QUANG TUYỀN
 
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
CHUYÊN ĐỀ DẠY THÊM HÓA HỌC LỚP 10 - SÁCH MỚI - FORM BÀI TẬP 2025 (DÙNG CHUNG ...
 
FSSC 22000 version 6_Seminar_FINAL end.pptx
FSSC 22000 version 6_Seminar_FINAL end.pptxFSSC 22000 version 6_Seminar_FINAL end.pptx
FSSC 22000 version 6_Seminar_FINAL end.pptx
 
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdfCau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
Cau-Trắc-Nghiệm-TTHCM-Tham-Khảo-THI-CUỐI-KI.pdf
 
trắc nhiệm ký sinh.docxddddddddddddddddd
trắc nhiệm ký sinh.docxdddddddddddddddddtrắc nhiệm ký sinh.docxddddddddddddddddd
trắc nhiệm ký sinh.docxddddddddddddddddd
 
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docxBÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
BÁO CÁO CUỐI KỲ PHÂN TÍCH THIẾT KẾ HƯỚNG ĐỐI TƯỢNG - NHÓM 7.docx
 
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptxLỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
LỊCH SỬ 12 - CHUYÊN ĐỀ 10 - TRẮC NGHIỆM.pptx
 

ỨNg dụng mạng nơron để giải bài toán động học ngược cho tay máy

  • 1. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG NGÀNH: KỸ THUẬT CƠ KHÍ- 60520103 Tp. Hồ Chí Minh, tháng 4 năm 2014 S K C 0 0 3 9 5 9 ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY S KC 0 0 4 2 3 0
  • 2. BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN VIỆT HÙNG ỨNG DỤNG MẠNG NƠRON ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƯỢC CHO TAY MÁY NGÀNH: KỸ THUẬT CƠ KHÍ - 60520103 Hướng dẫn khoa học: TS. LƯƠNG HỒNG SÂM Tp. Hồ Chí Minh, tháng 04 / 2013
  • 3. LÝ LỊCH KHOA HỌC I. LÝ LỊCH SƠ LƯỢC: Họ & tên: Nguyễn Việt Hùng Giới tính: Nam Ngày, tháng, năm sinh: 20/04/1985 Nơi sinh: Đăk Lăk Quê quán: Hƣng Tây - Hƣng Nguyên - Nghệ An Dân tộc: Kinh Chỗ ở riêng hoặc địa chỉ liên lạc: 209/6/7 Nguyễn Văn Lƣợng, Phƣờng 10, Quận Gò Vấp, Tp Hồ Chí Minh. Điện thoại cơ quan: Điện thoại nhà riêng: Fax: E-mail:Rocketb72@gmail.com II. QUÁ TRÌNH ĐÀO TẠO: 1. Cao đẳng: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2003 đến 03/2007 Nơi học: Trƣờng Cao đẳng Kỹ thuật Vinhempich, TP Hồ Chí Minh. Ngành học: Cơ khí chuyên dùng 2. Đại học: Hệ đào tạo: Chính quy Thời gian đào tạo từ 09/2009 đến 04/2011 Nơi học: Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngành học: Công nghệ chế tạo máy Tên đồ án: Xây dựng phần mềm thí nghiệm ảo trang bị điện trong máy công nghiệp. Nơi bảo vệ đồ án:Trƣờng Đại học Sƣ phạm Kỹ thuật TP Hồ Chí Minh. Ngƣời hƣớng dẫn: ThS Trần Thanh Lam III. QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ năm 2011 đến nay Trƣờng Đại học Trần Đại Nghĩa Giáo viên
  • 4. ii LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của tôi. Các số liệu, kết quả nêu trong luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác. Tp. Hồ Chí Minh, ngày 01 tháng 4năm 2014 Nguyễn Việt Hùng
  • 5. iii CẢM TẠ Để hoàn thành luận văn này, em xin chân thành cảm ơn quý thầy cô Trƣờng Đại học Sƣ phạm Kỹ thuật đã tạo mọi điều kiện giúp đỡ trong quá trình học tập và nghiên cứu. Em xin đặc biệt chân thành cảm ơn Thầy TS Lƣơng Hồng Sâm đã nhiệt tình hƣớng dẫn và truyền đạt những kiến thức quý báuđểem hoàn thành luận văn này. Cuối cùng, xin cảm ơn Ban giám hiệu, quý thầy cô, đồng nghiệp Trƣờng Đại học Trần Đại Nghĩa đã giúp đỡ và tạo mọi điều kiện thuận lợi cho em trong suốt quá trình học tập và thực hiện luận văn. Mặc dù đã có nhiều cố gắng trong quá trình thực hiện luận văn, song do kiến thức và thời gian nghiên cứu còn hạn chế nên không thể tránh đƣợc sai sót, kính mong nhận đƣợc ý kiến đóng góp của quý Thầy Cô và độc giả. Xin chân thành cảm ơn!
  • 6. iv TÓM TẮT Giải bài toán động học ngƣợc là cơ sở để điều khiển tay máy theo quỹ đạo cho trƣớc. Nhiệm vụ của bài toán động học ngƣợc là từ các thông số vị trí và hƣớng của bàn kẹp (điểm tác động cuối) của tay máy cần phải xác định giá trị của các biến khớp qi. Cho đến nay, vẫn chƣa có một phƣơng pháp chung nào để giải bài toán động học ngƣợc một cách hiệu quả nhất, đặc biệt là đối với tay máy có bậc tự do lớn hơn 6. Để giải quyết vấn đề này, tác giả đã nghiên cứu, ứng dụng mạng nơron nhân tạo với giải thuật Levenberg-Marquardt để giải bài toán động học ngƣợc cho tay máy 5 bậc tự do Scorbot ER7. Hơn nữa, để mạng nơron có khả năng nhận biết tốt bộ dữ liệu huấn luyện, cũng nhƣ để so sánh kết quả của phƣơng pháp này so với phƣơng pháp giải tích, tác giả đã sử dụng hai mạng nơron để giải cho 2 vùng làm việc cụ thể của tay máy. Mạng Net1_1 tƣơng ứng với vùng 1 và cấu hình 1 của tay máy; mạng Net2_1 tƣơng ứng với vùng 2 và cấu hình 1. Để khẳng định tính đúng đắn của các mạng đã đƣợc luyện, tác giải tiến hành giải bài toán động học ngƣợc với một số vị trí cho trƣớc, nằm trong vùng huấn luyện của mạng. Kết quả giải bằng mạng nơron gần nhƣ trùng khớp với kết quả giải bằng phƣơng pháp giải tích. Điều đó cho thấy tính đúng đắn và hiệu qủa của phƣơng pháp giải bài toán động học ngƣợc bằng mạng nơron.
  • 7. v ABSTRACT Solve the inverse kinematics problem is fundamentals of manipulator control following a given trajectory. The task of inverse kinematics is from location and orientation parameters of the manipulator clamp ( the end point of impact ) obtains the values of the joint variables qi. So far, there is no general method to solve the inverse kinematics problem most efficiently, especially for manipulators have more than 6 degrees of freedom. To solve this problem, we studied application of artificial neural network with Levenberg - Marquardt algorithm to solve inverse kinematics for a manipulator with 5 degrees of freedom Scorbot ER7. Moreover, to neural networks have good ability to recognize the training data, as well as to compare the results of this method to analytical methods, we have used two neural networks to solve for two working regions of the specific manipulator. Network Net1_1 corresponds to the region 1 and configuration 1 of the robot arm 1; Net2_1 network corresponds to the region 2 and configuration 1. To confirm the correctness of the network has been trained, we solved the inverse kinematics problem for several pre-defined locations in the training area of network. Results of neural network method almost coincide with the results solved by analytical methods, and show the correctness and effectiveness of the method solved.
  • 8. vi MỤC LỤC Trang tựa TRANG Quyết định giao đề tài Lý lịch khoa học...........................................................................................................i Lời cam đoan ..............................................................................................................ii Cảm tạ ...................................................................................................................... iii Tóm tắt ...................................................................................................................... iv Mục lục ......................................................................................................................vi Danh sách các kí hiệu khoa học .................................................................................ix Danh sách các chữ viết tắt..........................................................................................ix Danh sách các bảng...................................................................................................vii Danh sách các hình ................................................................................................. viii Chƣơng 1. TÔ ̉ NG QUAN 1.1 Đặt vấn đề.............................................................................................................1 1.2 Giới thiệu chung về robot công nghiệp ................................................................2 1.2.1 Các bộ phận cấu thành công nghiệp...................................................................2 1.2.2 Bậc tự do của tay máy........................................................................................3 1.2.4 Tổng quan về tình hình nghiên cứu bài toán động học ngƣợc...........................4 1.3Mục đích của đề tài ................................................................................................5 1.4 Nhiệm vụ của đề tài và giới hạn đề tài..................................................................5 1.5Phƣơng pháp nghiên cứu........................................................................................6 Chƣơng 2. CƠ SƠ ̉ LÝ THUYẾT 2.1 Động học tay máy .................................................................................................7 2.1.1 Bài toán động học thuận của tay máy ................................................................7 2.1.1.1 Quy tắc Denavit - Hartenberg ........................................................................8 2.1.1.2 Mô hình biến đổi ..........................................................................................10 2.1.1.3 Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy......................11 2.1.2 Bài toán động học ngƣợc của tay máy ............................................................11 2.2 Lý thuyết mạng nơron ........................................................................................12 2.2.1 Lịch sử phát triển của mạng nơron nhân tạo....................................................13
  • 9. vii 2.2.2 Mô hình nơron sinh học ...................................................................................13 2.2.3 Phần tử xử lí .....................................................................................................14 2.2.3.1 Tín hiệu vào (Inputs) -ra (Output).................................................................15 2.2.3.2 Bộ cộng .........................................................................................................15 2.2.3.3 Hàm chuyển đổi ............................................................................................16 2.2.4 Các loại mô hình cấu trúc mạng nơron ............................................................19 2.2.5 Các tính chất của mạng nơron..........................................................................20 2.2.6 Các luật học......................................................................................................20 2.2.7 Thuật toán Backpropagation ............................................................................22 2.2.7.1 Chế độ học tƣ̀ ng mẫu ....................................................................................23 2.2.7.2 Chế độhọc theo nhóm mẫu...........................................................................23 2.2.8 Giải thuật Levenberg-Marquardt......................................................................24 2.2.8.1 Luâ ̣t câ ̣p nhâ ̣t trọng số ...................................................................................25 2.2.8.2 Tính toán ma trận jacobian............................................................................26 2.2.8.3 Quá trình huấn luyện ....................................................................................31 Chƣơng 3. XÂY DƢ̣NG BỘ DƢ̃ LIỆU HUÂ ́ N LUYỆN ĐỂ GIA ̉ I BA ̀ I TOA ́ N ĐỘNG HỌC NGƢỢC CHO TAY MÁY SCORBOT ER7 BĂ ̀ NG MẠNG NƠRON 3.1 Giải bài toán động học thuận tay máy Scorbot ER7...........................................35 3.2 Giải bài toán động học ngƣợc cho tay máy Scorbot ER7...................................37 3.3 Xây dƣ̣ng bộmẫu để huấn luyê ̣n mạng giải bài toán động học ngƣợc cho tay máy Scorbot ER ........................................................................................................40 Chƣơng 4. HUÂ ́ N LUYỆN MẠNG NƠRON VA ̀ PHÂN TÍCH KẾT QUA ̉ 4.1 Huấn luyê ̣n ma ̣ng Net1_1...................................................................................45 4.1.1 Xác định cấu trúc mạng....................................................................................45 4.1.2 Huấn luyê ̣n ma ̣ng ............................................................................................46 4.1.3 Đánh giá thông tin huấn luyê ̣n và kết qủa mô phỏng ......................................53 4.1.4 Ứng dụng mạng Net1_1 để điều khiển tay máy theo quỹ đạo cho trƣớc ........54 4.2 Huấn luyê ̣n ma ̣ng Net2_1....................................................................................60 4.2.1 Xác định cấu trúc mạng....................................................................................60
  • 10. viii 4.2.2 Huấn luyê ̣n ma ̣ng ............................................................................................60 4.2.3 Đánh giá thông tin huấn luyê ̣n và kết qủa mô phỏng mạng Net2_1................64 4.2.4 Ứng dụng mạngNet2_1 để điều khiển tay máy theo quỹ đạo cho trƣớc .........65 Chƣơng 5. KẾT LUẬN VÀ KIẾN NGHỊ ................................................................71 TÀI LIỆU THAM KHẢO.........................................................................................74 PHỤ LỤC ...................................................................................................76
  • 11. ix DANH SÁCH KÝ HIỆU KHOA HỌC qi: Biếnkhớp Pi : Số khớp loại i ai: độ dài đƣờng vuông góc chung giữa 2 trục khớp động i+1 và i. αi là góc quay quanh trục xi giữa trục zi-1 và zi. di là khoảng cách đo dọc trục khớp động i từ đƣờng vuông góc chung giữa trục khớp động i-1 với trục khớp động i đến đƣờng vuông góc chung giữa khớp động i và trục khớp động i +1. θi là góc quay quanh trục zi giữa trục xi-1 và xi. Ai: ma trận tổng hợp mô tả vị trí và hƣớng của khâu thứ i so với khâu thứ i-1 i Tn: Ma trận mô tả vị trí và hƣớng của khâu thứ n so với khâu thứ i p: vectơ định vịcủa khâu tác động cuối n, s, a: là các vectơ chỉ phƣơng của khâu tác động cuối xi: Tín hiệu vào của nơron thứ i yi: Tín hiệu racủa nơron thứ i Wij: Trọng số liên kết giữa nơron thứ j với nơron thứ i bi: Thành phần dịch chuyển bias vi = neti: Tổng trọng số a(neti) =a(vi): Hàm chuyển đổi : Hệ số độ dốc của hàm chuyển đổi xk: vector trọng số và bias hiện tại gk: gradient hiện tại k: hằng số họctheo qui tắc giảm dốc nhất E: tổng bình phƣơng sai số ep,m: sai lê ̣ch của tín hiê ̣u ra m khi duyê ̣t mẫu p d: vectơ tín hiê ̣u ra mong muốn : hê ̣số học của giải thuật Levenberg-Marquardt i, j, k: chỉ số lặp
  • 12. x J: ma trâ ̣n jacobian ni: số nơron trong lớp vào n1: số nơron ở lớp thƣ́ nhất n2: số nơron ở lớp thƣ́ hai nQ: số nơron ở lớp ra zj,i: tín hiệu vào thứ i của nơron j zj: tín hiệu ra của nơron j sj: Độ dốc của hàm chuyển đổi của nơron thứ j : tín hiệu lan truyền ngƣợc sai lê ̣ch
  • 13. xi DANH SÁCH CHỮ VIẾT TẮT ANN: Artificial Neural Network MLP: Multilayer perceptrons PPN: Polynomial Pre-Processor NN: Neural Network ANFIS: Artificial Neuro- Fuzzy Inference System DH:Denavit – Hartenberg ci: biểu thị cho cosθi si: biểu thị cho sinθi cij…: biểu thị chocos(θi+ θj+…)
  • 14. xii DANH SÁCH CÁC BẢNG TRANG Bảng 3.1 Bảng thông số DH của tay máy Scorbot ER7...........................................35 Bảng 4.1Kết quả của bài toán động học ngƣợc theo phƣơng pháp giải tích và phƣơng pháp dùng mạng nơron khi điều khiển tay máy theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net1_1 .............................................54 Bảng 4.2Vị trí xác định bằng mạng Net1_1 khi mô phỏng theo quỹ đạo đƣờng tròn .................................................................................................................57 Bảng 4.3Kết quả mô phỏng theo quỹ đạo đƣờng tròn nằm trong vùng huấn luyện mạng Net2_1 và kết quả giải theo phƣơng pháp giải tích......................65 Bảng 4.4Vị trí của mạng Net2_1xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn ..........................................................................................................68
  • 15. xiii DANH SÁCH CÁC HÌNH TRANG Hình 1.1Các bộ phận cấu thành robot công nghiệp ...................................................3 Hình 2.1Các hệ toạ độ đối với 2 khâu động liên tiếp.................................................9 Hình 2.2 Mô hình của một dạng nơron sinh học......................................................14 Hình 2.3 Mô hình một nơron thứ i ...........................................................................15 Hình 2.4 Hàm chuyển đổi dạng giới hạn cứng.........................................................16 Hình 2.5 Hàm chuyển đổi dạng giới hạn cứng đối xứng .........................................16 Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa ..................................................17 Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng...................................17 Hình 2.8 Hàm chuyển đổi dạng sigmoid..................................................................18 Hình 2.9 Hàm chuyển đổi dạng tang hyperbolic......................................................18 Hình 2.10 Hàm chuyển đổi dạng tuyến tính.............................................................19 Hình 2.11 Cấu trúc của mạng nơron truyền thẳng một lớp......................................19 Hình 2.12 Cấu trúc của mạng nơron truyền thẳng nhiều lớp ...................................20 Hình 2.13 Cấu trúc của mạng nơron chỉ có một nơron tự hồi qui............................21 Hình 2.14 Cấu trúc của mạng nơron hồi qui một lớp...............................................21 Hình 2.15 Cấu trúc của mạng nơron hồi qui nhiều lớp ............................................21 Hình 2.16 Liên kết của nơron j với các phần khác trong ma ̣ng. ..............................27 Hình 2.17 Mạng nơron truyền thẳng 3 lớp...............................................................29 Hình 2.18 Sơ đồ khối để huấn luyê ̣n sƣ̉ dụng thuâ ̣t toán Levenberg - Marquardt..................................................................................................................33 Hình 3.1 Tay máy Scorbot ER7 ...............................................................................34 Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7................................................35 Hình 3.3Vùng làm viê ̣c của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyện ...................................................................................40 Hình 3.4Hai lời giải khác nhau đƣợc miêu tả cho bài toán động học ngƣợc tay máy Scorbot ER7 ................................................................................................41
  • 16. xiv Hình 3.5Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxz................42 Hình 3.6Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳ ng Oxy dùng cho mạng Net1_1 .............................................................................................43 Hình 3.7Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho mạng Net2_1. ............................................................................................44 Hình 4.1 Giao diê ̣n của Neural Network Toolbox....................................................46 Hình 4.2 Nhâ ̣p dƣ̃ liê ̣u vào Neural Network Toolbox ..............................................46 Hình 4.3 Dƣ̃ liê ̣u huấn luyê ̣n đã đƣợc nhâ ̣p vào Neural Network Toolbox ..............47 Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron ................47 Hình 4.5 Cấu trúc của ma ̣ng Net1_1 ........................................................................48 Hình 4.6 Mạng Net1_1 đã đƣợc ta ̣o để chuẩn bi ̣huấn luyê ̣n ...................................48 Hình 4.7 Chọn dữ liệu để huấn luyện mạng Net1_1................................................48 Hình 4.8 Các thông số huấn luyện mạng Net1_1.....................................................49 Hình 4.9 Thông tin huấn luyê ̣n ma ̣ng Net1_1 sau 1000 bƣớc lă ̣p............................49 Hình 4.10 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyê ̣n ma ̣ng Net1_1 ...................................................................................................50 Hình 4.11 Đồ thị thể hiện gradien, hê ̣số kết hợp ‘mu’ và sai số trên bộdƣ̃ liê ̣ukiểm chƣ́ ng của mạng Net1_1.............................................................................50 Hình 4.12 Đồ thị thể hiện mối quan hệ giữa giá trị đích và đầu ra của mạng Net1_1 .............................................................................................................51 Hình 4.13 Thiết lâ ̣p dƣ̃ liê ̣u để mô phỏng ma ̣ng Net1_1..........................................51 Hình 4.14 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.16 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net1_1 ...................52 Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net1_1 ...................53 Hình 4.18 Đồ thị thể hiê ̣n sai lê ̣ch của θ5 khi mô phỏng ma ̣ng Net1_1 ...................53 Hình 4.19 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56
  • 17. xv Hình 4.20 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56 Hình 4.21 Sai lê ̣ch của θ3 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................56 Hình 4.22 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................57 Hình 4.23 Sai lê ̣ch của θ5 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net1_1 .............................................................................................................57 Hình 4.24 Sai lê ̣ch vi ̣trí của ma ̣ng Net 1_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ................................................................................................................59 Hình 4.25 Vị trí mong muốn và vị trí mạng Net 1_1 xác định đƣợc khi mô phỏng theo quỹ đạo đƣờng tròn ................................................................................59 Hình 4.26 Lƣ̣a chọn các thông số huấn luyê ̣n ma ̣ng Net2_1 ...................................60 Hình 4.27 Quá trình huấn luyện mạng Net 2_1 đƣợc hoàn thành với 1867 bƣớc lă ̣p.....................................................................................................................61 Hình 4.28 Đồ thị thể hiện tổng bình phƣơng sai số trong quá trình huấn luyê ̣n ma ̣ng Net2_1 ...................................................................................................61 Hình 4.29 Đồ thị thể hiện gradien, hê ̣số kết hợp ‘mu’ và sai số trên bộdƣ̃ liê ̣ukiểm chƣ́ ng của ma ̣ng Net2_1.............................................................................62 Hình 4.30 Đồ thị thể hiện mối quan hệ giữa đầu ra của mạng và giá trị đích của ma ̣ng Net2_1...............................................................................................62 Hình 4.31 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.32 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.33 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net2_1 ...................63 Hình 4.34 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net2_1 ...................64 Hình 4.35 Đồ thị thể hiện sai lệch của θ5 khi mô phỏng ma ̣ng Net2_1 ...................64 Hình 4.36 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................66
  • 18. xvi Hình 4.37 Sai lê ̣ch của θ2 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................66 Hình 4.38 Sai lê ̣ch của θ3 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.39 Sai lê ̣ch của θ4 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.40 Sai lê ̣ch của θ1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn dùng mạng Net2_1 .............................................................................................................67 Hình 4.41 Sai lê ̣ch vi ̣trí của ma ̣ng Net 2_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ................................................................................................................69 Hình 4.42 Vị trí của mạng Net2_1 khi mô phỏng theo quỹ đa ̣o đƣờng tròn ...........69
  • 19. Chƣơng 1 TÔ ̉ NG QUAN 1.1 Đặt vấn đề Ngày nay, với sự phát triển mạnh mẽ của khoa học kỹ thuật, các nước trên thế giới đã và đang đẩy mạnh sự nghiệp công nghiệp hóa và hiện đại hóa vào trong quá trình sản xuất nhằm nâng cao năng suất, chất lượng, giảm giá thành sản phẩm và giảm thiểu sức lao động của con người. Đặc biệt là trong các môi trường nặng nhọc, nguy hiểm như: sự nóng bức tại các lò hơi, sự lây lan của các bệnh hiểm nghèo tại các cơ sở y tế, sự ô nhiễm không khí ở các hầm mỏ, sự nguy hiểm ở duới đáy đại dương và trên không gian vũ trụ… Để đáp ứng được những vấn đề trên, các nước có nền sản xuất phát triển đã đưa các robot công nghiệp vào các dây chuyền sản xuất của mình. Robot ngày càng được nâng cao về tính năng cũng như lĩnh vực hoạt động. Chúng trở nên thông minh hơn, linh hoạt hơn, chính xác hơn và đáp ứng nhanh hơn. Vì vậy để có thể khai thác, sử dụng một cách hiệu quả các robot đã được trang bị, cũng như để có thể tiến hành nghiên cứu, chế tạo các robot mới đáp ứng được nhu cầu đòi hỏi ngày càng cao của nền công nghiệp hiện đại thì việc nghiên cứu Robot đang là vấn đề được các cơ sở sản xuất, các nhà khoa học, các trường học đại học, cao đẳng rất quan tâm. Trong đó, giải quyết bài toán động học ngược cho tay máy là điều kiện tiên quyết để điều khiển tay máy theo quỹ đạo cho trước. Hơn thế nữa, việc tìm ra một phương pháp chung hiệu quả để giải cho tay máy n bậc tự do đang là thách thức đối với những nhà nghiên cứu trên toàn thế giới. Nhiệm vụ của bài toán động học ngược là xác định các giá trị của biến khớp qi, (i=1,…,n) khi biết trước vị trí và hướng của bàn kẹp tay máy. Theo truyền thống, có ba phương pháp thường được sử dụng để giải bài toán động học ngược cho tay máy đó là: Phương pháp giải tích, phương pháp hình học và phương pháp lặp[10]. Mỗi một phương pháp đều có điểm hạn chế riêng. Phương pháp giải tích không đảm bảo nhận được nghiệm tường minh [10]. Trường hợp giải theo phương pháp
  • 20. 2 hình học, thì nghiệm tường minh cho ba khớp đầu tiên phải tồn tại về phương diện hình học. Bên cạnh đó, nghiệm tường minh của một loại tay máy không thể dùng cho loại tay máy có dạng hình học khác [10]. Phương pháp lặp hội tụ tới một lời giải duy nhất, nó phụ thuộc vào vị trí ban đầu[10]. Nếu số bậc tự do của tay máy tăng lên thì việc giải bài toán động học ngược bằng các phương pháp truyền thống này sẽ tốn rất nhiều thời gian, đôi khi không hội tụ đến lời giải cuối cùng vì vậy việc nghiên cứu đưa ra một phương pháp chung sử dụng có hiệu quả để giải quyết vấn đề động học ngược cho tay máy là một đề tài có giá trị thực tiễn cao. 1.2 Giới thiệu chung về robot công nghiệp Robot công nghiệp có thể được hiểu là những thiết bị tự động linh hoạt, bắt chước được các chức năng lao động công nghiệp của con người [1]. Những chiếc robot công nghiệp đầu tiên được chế tạo vào năm 1956 bởi công ty Unimation của George Devol và Joseph F. Engelberger ở Mỹ [1]. Các robot này chủ yếu được dùng để vận chuyển các vật thể trong một phạm vi nhỏ. 1.2.1 Các bộ phận cấu thành robot công nghiệp Cấu tạo của robot công nghiệp thông thường như trên hình 1.1[1] gồm các bộ phận chủ yếu sau: Tay máy: là cơ cấu cơ khí gồm các khâu, khớp. Chúng hình thành cánh tay để tạo các chuyển động cơ bản và bàn kẹp để trực tiếp thao tác trên đối tượng. Tay máy gồm có các bộ phận cơ bản sau: Đế (1), thân (2), cánh tay trên (3), cánh tay dưới (4), bàn kẹp (5). Hệ thống truyền dẫn động: là bộ phận chủ yếu tạo nên sự chuyển dịch các khớp động. Hệ thống điều khiển:đảm bảo sự hoạt động của robot theo các thông tin đặt trước hoặc nhận biết trong quá trình làm việc.
  • 21. 3 Hình 1.1Các bộ phận cấu thành robot công nghiệp Hệ thống cảm biến tín hiệu:thực hiện việc nhận biết và biến đổi thông tin về hoạt động của bản thân robot (cảm biến nội tín hiệu) và của môi trường, đối tượng mà robot phục vụ (cảm biến ngoại tín hiệu). 1.2.2 Bậc tự do của tay máy Để định vị và định hướng bàn kẹp một cách tùy ý trong không gian ba chiều tay máy cần có 6 bậc tự do, trong đó 3 bậc tự do để định vị và ba bậc tự do để định hướng. Một số công việc như nâng hạ, xếp dỡ, … chỉ cần số bậc tự do ít hơn 6. Tay máy hàn, sơn thường có 6 bậc tự do. Trong một số trường hợp như cần sự khéo léo, linh hoạt hoặc khi cần tối ưu hóa quỹ đạo,… người ta có thể dùng tay máy có số bậc tự do lớn hơn 6. Thông thường các khâu của cơ cấu tay máy được nối ghép với nhau bằng các khớp quay hoặc khớp tịnh tiến, chúng đều thuộc khớp động học loại 5. Trong cơ cấu tay máy các khâu nối liên tiếp với nhau gọi là cơ cấu hở và thông thường mỗi khâu gắn liền với nguồn lực riêng, cho nên đối với các loại cơ cấu dùng các khớp động loại 5 thì số bậc tự do của cơ cấu bằng số khâu động.
  • 22. 4 Trong trường hợp chung có thể tính toán số bậc tự do theo công thức thông dụng trong Nguyên lý máy [1]: n i i 1 W 6n ip     (1.1) Trong đó: - n : số khâu động - Pi : số khớp loại i 1.2.4 Tổng quan về tình hình nghiên cứu bài toán động học ngƣợc Ở nước ta, việc nghiên cứu giải bài toán động học ngược cho tay máy đã được nhiều nhà nghiên cứu quan tâm [8], [9]. Tuy nhiên chưa có công trình nghiên cứu nào ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Cho đến nay, trên thế giới đã có nhiều công trình nghiên cứu về lĩnh vực này và đã đạt được những kết quả nhất định được công bố trong các tài liệu tham khảo như: [10], [11],[12],[13],[14],[19]. Điều này mở ra một hướng mới để giải quyết vấn đề động học ngược cho các tay máy nhiều bậc tự do mà cho đến nay vẫn chưa có một phương pháp chung nào thực sự hiệu quả. Raşit Kokör , Cemil Öz, Tarik Çakar, Hüseyin Ekiz [11] đã ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy 3 bậc tự do sử dụng mạng truyền thẳng với giải thuật lan truyền ngược (Back propagation) cập nhật trọng số theo qui tắc giảm dốc nhất (gradient descent learning algorith). Bằng phương pháp kinh nghiệm, nhóm nghiên cứu đã thiết kế được mô hình mạng gồm 40 nơron trong lớp ẩn, 3 nơron ở lớp vào và 3 nơron ở lớp ra. Mô hình này có sai số là 0,000121 với 5000 mẫu và thực hiện 3000000 bước lặp. Alavandar S. và Nigam M. J[12] đã xây dựng phương pháp để giải bài toán động học ngược cho tay máy dựa trên mạng nơron mờ. Trong đó sử dụng hệ thống suy luận nơron mờ thích nghi (ANFIS) để huấn luyện cho tay máy 2 và 3 bậc tự do. Kết quả mô phỏng trên máy tính đã cho thấy phương pháp này có thể ứng dụng để giải quyết vấn đề động học ngược cho tay máy. Shah, Rattan và Nakra [13] đã ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy 3 bậc tự do phẳng. Kết quả cho thấy, giải pháp này hoàn
  • 23. 5 toàn có thể sử dụng với sai số bằng không. Các tác giả khẳng định rằng mạng nơron có thể trở thành một phương pháp thay thế để giải quyết bài toán ánh xạ động học thuận và nghịch. Raşit Kokör [14] đã đề xuất phương pháp giải bài toán động học ngược bằng phương pháp kết hợp mạng nơron với giải thuật di truyền. Trong bài báo này Ông cũng khẳng định mạng nơron có thể thực hiện với sai số chấp nhận được. Hơn nữa, khi kết hợp với giải thuật di truyền, sai số vị trí có thể đạt tới mức micromet. Panchanand Jha[19] đã giải bài toán động học ngược cho tay máy ba bậc tự do với hai mạng khác nhau. Mạng nơron truyền thẳng nhiều lớp (MLP) sử dụng thuật toán back propagation, cập nhật trọng số theo quy tắc giảm dốc nhất và mạng nơron tiền xử lí đa thức(PPN). Kết quả cho thấy mạng MLP cho kết quả chính xác hơn so với mạng PPN. 1.3 Mục đích của đề tài. Nghiên cứu vàđưa ra được một phương pháp mới hiệu quả, có tính tổng quát cao đó là ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Phương pháp này có thể ứng dụng để giải bài toán động học ngược cho các tay máy có số bậc tự do lớn mà sẽ gặp khó khăn khi giải bằng các pháp truyền thống. 1.4 Nhiệm vụ của đề tài và giới hạn đề tài. - Nghiên cứu bài toán động học tay máy. - Nghiên cứu các phương pháp giải bài toán động học ngược. - Nghiên cứu lý thuyết mạng nơron, nghiên cứu neural network toolbox của phần mềm Matlab. - Giải bài toán động học thuận và động học ngược cho tay máy Scorbot ER7. - Xây dựng dữ liệu để huấn luyện mạng. - Xác định mạng nơron thích hợp để giải bài toán động học ngược cho tay máy . - Đánh giá kết quả nghiên cứu và phương hướng phát triển của đề tài.
  • 24. 6 1.5 Phƣơng pháp nghiên cứu. Nghiên cứu lý thuyết, ứng dụng toolbox của phần mềm Matlab để xác định cấu trúc và bộ trọng số của mạng nơron để giải bài toán động học ngược cho tay máy Scorbot ER7. So sánh kết quả của phương pháp giải bài toán động học ngược bằng mạng nơron với phương pháp giải tích, từ đó rút ra kết luận. KẾT LUẬN CHƢƠNG 1 Trong chương này, tác giả đã giới thiệu một cách khái quát về robot công nghiệp, các công trình nghiên cứu và thành tựu đạt được của các nhà nghiên cứu trên thế giới về lĩnh vực ứng dụng mạng nơron để giải bài toán động học ngược cho tay máy. Trên cơ sở đó khẳng định được tầm quan trọng và tính cấp thiết của luận văn này.
  • 25. 7 Chƣơng 2 CƠ SƠ ̉ LÝ THUYÊ ́ T 2.1 Động học tay máy Tay máy thường là một cơ cấu hở gồm một chuỗi các khâu nối với nhau bằng các khớp quay hoặc các khớp tịnh tiến. Một đầu của chuỗi được gắn lên thân, đầu còn lại thường là bàn kẹp hoặc khâu gắn liền với dụng cụ làm việc. Điểm mút của khâu tác động cuối cùng là điểm đáng quan tâm nhất do đó trong quá trình làm việc đòi hỏi khâu này phải định vị và định hướng chính xác trong không gian . Bài toán động học tay máy giải quyết 2 dạng bài toán cơ bản : Bài toán động học thuận và bài toán động học ngược. - Bài toán động học thuận: Từ các thông số vị trí, vận tốc và gia tốc của khâu dẫn để xác định vị trí, hướng, vận tốc và gia tốc của điểm tác động cuối. - Bài toán động học ngược: Từ các yêu cầu về vị trí, hướng, vận tốc và gia tốc của điểm tác động cuối, xác định giá trị các thông số tương ứng của các khâu trước đó. 2.1.1 Bài toán động học thuận của tay máy Trong đại đa số các trường hợp, tay máy là một chuỗi động hở, bao gồm một số khâu được liên kết với nhau nhờ các khớp. Mỗi khâu hình thành với khớp phía trước nó một cặp khâu - khớp. Tùy theo kết cấu của mình mà mỗi loại khớp đảm bảo cho khâu nối sau nó các khả năng chuyển động nhất định. Mỗi khớp (thực chất là cặp khâu - khớp) được đặc trưng bởi 2 loại thông số: - Các thông số không thay đổi trong quá trình làm việc của tay máy được gọi là tham số. - Các thông số thay đổi trong quá trình làm việc được gọi là biến khớp. Hai loại khớp thông dụng nhất trong kỹ thuật tay máy là khớp trượt và khớp quay. Chúng đều là loại khớp có một bậc tự do.
  • 26. 8 Bài toán thuận nhằm mô tả vị trí và hướng của khâu tác động cuối dưới dạng hàm số của các biến khớp. Giả sử có một tay máy với n+1 khâu và n khớp. Vị trí và hướng của khâu tác động cuối so với hệ tọa độ gốc O0 x0y0z0 được mô tả bằng vectơ định vị p và các vectơ chỉ phương n, s, a. Theo [1] ma trận trạng thái của khâu tác động cuối so với hệ tọa độ cơ sở được thể hiện như sau: TE = x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               (2.1) Trong đó, p là vectơ định vị; n, s, a là các vectơ chỉ phương của khâu tác động cuối, cũng chính là vectơ đơn vị của các hệ trục tọa độ. Nếu phần công tác là bàn kẹp thì gốc tọa độ đặt vào tâm quay; vectơ a đặt theo phương tiến đến vật; s nằm trong mặt phẳng trượt của hàm kẹp; n vuông góc với s và a theo quy tắc bàn tay phải. Giải bài toán động học thuận theo một phương pháp chung nhất là sử dụng quy tắc Denavit-Hartenberg, được Denavit và Hartenberg xây dựng vào năm 1955 [4]. Đó là quy tắc thiết lập hệ thống tọa độ trên các cặp khâu - khớp trên tay máy. Dựa trên hệ tọa độ này có thể mô tả các cặp bằng hệ thống các tham số, biến khớp và áp dụng một dạng phương trình tổng quát cho bài toán động học tay máy. 2.1.1.1 Quy tắc Denavit - Hartenberg Giả sử trong chuỗi động học của tay máy có n khâu, khâu thứ i nối khớp thứ i với khớp thứ i+1. Hình 2.1 được trích từ [1] biểu diễn các thông số động học theo quy tắc Denavit–Hartenberg trong trường hợp 2 khớp động liên tiếp là 2 khớp quay. Theo quy tắc Denavit–Hartenberg[1] thì hệ tọa độ được gắn lên các khâu, khớp như sau: - Đặt trục tọa độ zi nằm dọc theo trục khớp động i+1. - Đặt gốc toạ độ Oi tại giao điểm của Zi và pháp tuyến chung nhỏ nhất của trục Zi và Zi-1.
  • 27. 9 - Đặt trục tọa độ xi theo phương pháp tuyến chung giữa zi-1 và zi, hướng từ khớp i đến khớp i+1. - Trục yi vuông góc với xi và zi theo qui tắc bàn tay phải. - Trong một số trường hợp đặc biệt, quy tắc Denavit – Hartenberg cho phép xác định một cách đơn giản hóa như sau: + Đối với hệ tọa độ gốc chỉ có phương của trục z0 là xác định. Gốc O0 và trục x0 có thể chọn tùy ý. + Đối với hệ tọa độ thứ n, chỉ có phương của trục xn là xác định. Trục zn có thể chọn tùy ý. + Khi 2 khớp liền nhau có trục song song, vị trí của pháp tuyến chung có thể lấy bất kì. + Khi khớp thứ i là khớp trượt thì chỉ có phương của trục zi-1 là xác định. Hình 2.1Các hệ toạ độ đối với 2 khâu động liên tiếp.
  • 28. 10 Sau khi được thiết lập, vị trí của hệ Oixiyizi so với hệ Oi-1xi-1yi-1zi-1 hoàn toàn được xác định nhờ các thông số sau: - ai là độ dài đường vuông góc chung giữa 2 trục khớp động i+1 và i . - αi là góc quay quanh trục xi giữa trục zi-1 và zi. - di là khoảng cách đo dọc trục khớp động i từ đường vuông góc chung giữa trục khớp động i-1 với trục khớp động i đến đường vuông góc chung giữa khớp động i và trục khớp động i+1. - θi là góc quay quanh trục zi-1 giữa trục xi-1 và xi. Bốn thông số ai, αi, di, θi được gọi là bộ thông số Denavit – Hartenberg (DH). + Nếu khớp động i là khớp quay thì biến khớp là θi. + Nếu khớp động i là khớp tịnh tiến thì di là biến khớp. 2.1.1.2 Mô hình biến đổi Trên cơ sở đã xây dựng các hệ toạ độ, có thể mô tả phép chuyển tọa độ giữa hệ i và hệ i-1 theo 4 phép biến đổi[1]: + Quay quanh trục zi-1 góc θi . + Tịnh tiến dọc trục zi-1 một đoạn di . + Tịnh tiến dọc trục xi-1 (đã trùng với xi) một đoạn ai . + Quay quanh trục xi một góc αi . Bốn phép biến đổi này được biểu thị bằng tích các ma trận thuần nhất[1]:       i i p i p i i A = R z,θ .T 0,0,d .T ( a ,0,0 .R x,α ) (2.2) Theo [1], sau khi thực hiện phép nhân các ma trận nói trên ta được ma trận tổng hợp mô tả vị trí và hướng của khâu thứ i so với khâu thứ i-1: Ai = θi θi i θi i i θi θi θi i θi i i θi i i i c -s c s s a c s c c -c s a s 0 s c d 0 0 0 1             (2.3) Đối với khớp quay thì biến khớp là θi, còn đối với khớp tịnh tiến thì biến khớp là i d .
  • 29. 11 Theo [1] vị trí và hướng của khâu thứ i so với hệ tọa độ cơ sở thể hiện bằng phương trình: 0 Ti = A1A2…Ai (2.4) Với tay máy có n khâu, trong đó khâu thứ n gắn liền với “điểm tác động cuối” (E) thì vị trí và hướng của khâu thứ n so với hệ tọa độ cơ sở: 0 Tn = A1A2…An (2.5) Mặt khác, hệ toạ độ tại “điểm tác động cuối” này được mô tả bằng ma trận TE theo phương trình (2.1). Do đó: TE = 0 Tn (2.6) Tức là ta có : x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               = 0 Tn (2.7) Phương trình (2.7) là phương trình động học cơ bản của tay máy: 2.1.1.3Các bƣớc để thiết lập hệ phƣơng trình động học cho tay máy a. Gắn các hệ toạ độ lên các khâu. b. Lập bảng thông số DH. c. Dựa vào các thông số DH xác định các ma trận Ai (theo công thức 2.3) d. Tính các ma trận Ti (vị trí và hướng của khâu thứ i so với khâu cố định) và viết các phương trình động học của tay máy. 2.1.2 Bài toán động học ngƣợc của tay máy Bài toán động học ngược tay máy cho trước vị trí và hướng của khâu tác động cuối, cần xác định bộ thông số của các biến khớp. Các phương pháp giải bài toán động học ngược tay máy đã được giới thiệu trong chương 1. Trong phần này chỉ đề cập đến một phương pháp giải được sử dụng trong luận văn.
  • 30. 12 Các bước giải bài toán động học ngược[1] cho trường hợp tay máy n bậc tự do như sau: Xuất phát từ phương trình (2.7) ta có: x x x x y y y y 0 n 1 2 n z z z z n s a p n s a p T = A A …A = n s a p 0 0 0 1               Có thể viết lại như sau: 0 0 i n i n T = T T (2.8) Nhân hai vế của phương trình (2.8)với -1 i T ta có: -1 i i 0 n n T T = T Do -1 -1 -1 -1 -1 i 1 2 i i 2 1 T = (A A ...A ) = A . . A . A Nên: -1 -1 -1 i i 2 1 n n 0 A A A T = .. T . Như vậy: x x x x y y y y i 1 1 1 n i 2 1 z z z z n s a p n s a p T = A A A n s a p 0 0 0 1                   (2.9) Với i = 1, 2,..., n-1 Ứng với mỗi phần tử của i khi so sánh các phần tử tương ứng của 2 ma trận ở 2 vế của biểu thức (2.9) ta nhận được n phương trình tồn tại độc lập để xác định các biến khớp i q . 2.2 Lý thuyết mạng nơron Mạng Nơron nhân tạo (Artificial Neural Network- ANN) là mô hình xử lý thông tin được mô phỏng dựa trên hoạt động của hệ thống thần kinh của sinh vật, bao gồm số lượng lớn các Nơron được gắn kết để xử lý thông tin. ANN giống như bộ não con người, được học bởi kinh nghiệm (thông qua huấn luyện) có khả năng
  • 31. 13 lưu giữ những kinh nghiệm hiểu biết (tri thức) và sử dụng những tri thức đó trong việc dự đoán các dữ liệu chưa biết. 2.2.1 Lịch sử phát triển của mạng nơron nhân tạo Mạng nơron nhân tạo đã có một lịch sử lâu dài. Năm 1943, McCulloch và Pitts đã đưa ra khả năng liên kết và một số liên kết cơ bản của mạng nơron[2]. Năm 1949, Hebb đã đưa ra các luật thích nghi trong mạng nơron[2]. Năm 1958, Rosenblatt đưa ra cấu trúc Perception[2]. Năm 1969, Minsky và Papert phân tích sự đúng đắn của Perception, họ đã chứng minh các tính chất và chỉ rõ các giới hạn của một số mô hình[2]. Năm 1976, Grossberg dựa vào tích chất sinh học đã đưa ra một số cấu trúc của hệ động học phi tuyến với các tính chất mới[2]. Năm 1982, Hoppfield đã đưa ra mạng học phi tuyến với các tính chất mới[2]. Năm 1982, Rumelhart đưa ra mô hình song song và một số kết quả của thuật toán[2]. Năm 1986 thuật toán học lan truyền ngược (Back Propagation) được Rumelhart, Hinton và Williams đề xuất thực hiện luyện mạng nơron truyền thẳng nhiều lớp[2]. Những năm gần đây có nhiều công trình nghiên cứu đề xuất các cấu trúc, luật học cho nhiều loại mạng nơron truyền thẳng và hồi qui mới có nhiều ưu điểm. Mạng nơron hiện đang được ứng dụng có hiệu quả trong nhiều lĩnh vực kinh tế và kỹ thuật. 2.2.2 Mô hình nơron sinh học Mạng nơron nhân tạo phát triển từ nghiên cứu về trí tuệ nhân tạo; đặc biệt là cố gắng bắt chước về khả năng học của bộ não có cấu trúc cấp thấp. Bộ não người có khoảng 1011 nơron sinh học ở nhiều dạng khác nhau[2]. Mô hình của một dạng nơron sinh học được mô tả trên hình 2.2 được trích từ tài liệu tham khảo[2]. Cấu trúc chung của một nơron sinh học gồm có ba phần chính là: thân, bên trong có nhân, cây và trục. Cây gồm các dây thần kinh liên kết với thân. Phần cuối của trục có dạng phân nhánh. Trong mỗi nhánh có một cơ cấu nhỏ gọi là khớp thần kinh, các nơron liên kết với nhau thông qua khớp thần kinh này. Sự thu
  • 32. 14 nhận thông tin được thực hiện từ cây hoặc thân nơron. Tín hiệu thu, nhận ở dạng các xung điện. Khi thông tin thu được từ các giác quan được chuyển vào các tế bào thần kinh vận động và tế bào cơ. Tại mỗi tế bào thần kinh tiếp nhận thông tin, điện thế của nó tăng lên, nếu điện thế này vượt ngưỡng sẽ tạo dòng điện trong tế bào thần kinh, ý nghĩa dòng điện đó được giải mã và lưu ở thần kinh trung ương, kết quả xử lí thông tin được gửi đến các tế bào cơ. Các tế bào thần kinh đều đưa ra tín hiệu giống nhau còn các khớp thần kinh chỉ cho phép các tín hiệu phù hợp qua chúng, các tín hiệu khác thì bị cản lại. Lượng tín hiệu đã được biến đổi gọi là cường độ khớp thần kinh - tương ứng với trọng số của mạng nơron nhân tạo. Hình 2.2 Mô hình của một dạng nơron sinh học 2.2.3 Phần tử xử lí Mô hình phần tử xử lí (Processing Elements- PE) hay mô hình nơron dạng M–P, do Culloch và Pitts đề xuất năm 1943 [2]. Phần tử xử lí có dạng nhiều vào, một ra. Hình 2.2 được trích từ [2] mô tả mô hình của phần tử xử lí (một nơron) thứ i, dạng M-P, trong đó có các thành phần sau đây:
  • 33. 15 Hình 2.3 Mô hình một nơron thứ i 2.2.3.1 Tín hiệu vào (Inputs)-ra(Output) Có m tín hiệu đầu vào, trong đó (n-1) tín hiệu là tín hiệu kích thích được đặt ở đầu vào là (x1, …,xi,…,xn-1), chúng được lấy từ đầu ra của các nơron được đặt trước nơron này hoặc được lấy từ các nguồn tín hiệu đầu vào khác. Các tín hiệu kích thích đầu vào này được đưa qua một bộ trọng số Wij đặc trưng cho mức độ liên kết giữa các nơron thứ j (j = 1, 2,…, n-1) với nơron thứ i. Riêng thành phần tín hiệu vào thứ n là xn được gọi là ngưỡng có giá trị xn = 1 [17]. Tín hiệu xn được đưa qua thành phần dịch chuyển (bias) bi : in i W = b (2.10) Có một tín hiệu ra là yi 2.2.3.2 Bộ cộng Thực hiện phép tính tìm tổng trọng số vi (hoặc neti) bằng cách so sánh tổng trọng của (n-1) kích thích đầu vào với giá trị trọng lượng của ngưỡng, nếu tổng trọng này vượt qua trọng lượng của ngưỡng thì nơron ở trạng thái bị kích thích để tạo ra được tín hiệu ra yi. n 1 i i ij j i n j 1 net = v = w x b x     (2.11)
  • 34. 16 2.2.3.3 Hàm chuyển đổi Hàm chuyển đổi (Transfer funtion) hay còn gọi là hàm hoạt hóa (active funtion ) có nhiệm vụ biến đổi tổng trọng vi (hoặc neti ) thành tín hiệu ra yi: yi = a(neti) = a(vi) trong đó a(.) là kí hiệu của hàm chuyển đổi. Trong [2] giới thiệu các dạng hàm chuyển đổi sau: - Hàm chuyển đổi dạng giới hạn cứng (Hard limit transfer function) còn có tên gọi là hàm bước nhảy (step transfer function)tronghình2.4 có dạng biểu thức: a v = sgn v = 1 nếu v  0 0 nếu v < 0 (2.12) Hình 2.4 Hàm chuyển đổi dạng giới hạn cứng - Hàm chuyển đổi dạng giới hạn cứng đối xứng (symmetric hard limit transfer function) còn có tên gọi là hàm dấu tronghình 2.5 có dạng biểu thức: a v = sgn v = 1 nếu v  0 −1 nếu v < 0 (2.13) Hình 2.5 Hàm chuyển đổi dạng giới hạn cứng đối xứng
  • 35. 17 - Hàm chuyển đổi dạng tuyến tính bão hòa (Saturating linear transfer function) trong hình 2.6 có dạng biểu thức: a v = 1 nếu v > 0 v nếu 0 ≤ v ≤ 1 −1 nếu v < 0 (2.14) Hình 2.6Hàm chuyển đổi dạng tuyến tính bão hòa - Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng (Symmetric saturating linear transfer function) tronghình 2.7 có dạng biểu thức: a v = 1 nếu v > 1 v nếu − 1 ≤ v ≤ 1 −1 nếu v < −1 (2.15) Hình 2.7Hàm chuyển đổi dạng tuyến tính bão hòa đối xứng
  • 36. 18 - Hàm chuyển đổi dạng sigmoid trong hình 2.8 có biểu thức: - λv 1 a(v) = 1+e (2.16) Trong đó >0 là hệ số độ dốc Hình 2.8Hàm chuyển đổi dạng sigmoid - Hàm chuyển đổi dạng tang hyperbolic trong hình 2.9 có biểu thức: - λv 2 a(v) = - 1 1+e (2.17) Trong đó >0 là hệ số độ dốc Hình 2.9 Hàm chuyển đổi dạng tang hyperbolic - Hàm chuyển đổi dạng tuyến tính (linear transfer function) tronghình 2.10 có biểu thức: a v = v (2.18)
  • 37. 19 Hình 2.10 Hàm chuyển đổi dạng tuyến tính 2.2.4 Các loại mô hình cấu trúc mạng nơron Mạng nơron bao gồm sự liên kết của nhiều nơron. Đầu ra của mỗi nơron liên kết với các nơron khác thông qua các trọng số hoặc tự phản hồi trở về đầu vào của chính nó. Cấu trúc của mạng nơron là kiểu kết nối hình học của mỗi nơron liên kết trong mạng, đây là một đặc điểm quan trọng của từng mạng nơron, dựa vào đó để tiến hành phân loại chúng. Một số mạng nơron thường gặp như sau: Mạng nơron một lớp và nhiều lớp được gọi là truyền thẳng (Feedforward Network) nếu đầu ra của mỗi nơron được nối với các đầu vào của các nơron cùng lớp đó hoặc đầu vào của các nơron của các lớp trước đó. Trong mạng không tồn tại bất kỳ một mạch hồi tiếp nào kể cả hồi tiếp nội lẫn hồi tiếp từ đầu ra trở về đầu vào. Hình 2.11 mô tả mạng truyền thẳng một lớp [2] (Single layer feedforward networks) có đặc điểm là tất cả các nơron đều nhận tín hiệu vào từ nguồn bên ngoài qua các biến trọng số và mỗi nơron đều cho ra một tín hiệu ra. Hình 2.11 Cấu trúc của mạng nơron truyền thẳng một lớp
  • 38. 20 Hình 2.12 mô tả mạng truyền thẳng nhiều lớp [2] (multilayer feedforward networks). Lớp vào (input layer) gồm các nơron nhận trực tiếp các tín hiệu vào lấy từ bên ngoài. Lớp ra (output layer) gồm các nơron có các tín hiệu ra, đưa ra bên ngoài mạng. Lớp ẩn (hidden layer) gồm các nơron còn lại không trực tiếp nhận các tín hiệu vào lấy từ bên ngoài và không cung cấp tín hiệu ra cho bên ngoài mạng, nó chỉ có nhiệm vụ truyền các tín hiệu từ nơron ở lớp vào đến các nơron ở lớp ra. Mạng nơron truyền thẳng nhiều lớp có một lớp vào, một lớp ra, có thể không có hoặc có nhiều lớp ẩn. Một mạng được gọi là liên kết đầy đủ nếu mỗi nơron ở lớp trước liên kết với tất cả các lớp nơron ở ngay sau nó. Mạng nơron ở hình 2.12 là loại mạng nơron truyền thẳng có 3 lớp, có liên kết không đầy đủ. Hình 2.12 Cấu trúc của mạng nơron truyền thẳng nhiều lớp Nếu mạng nơron có các tín hiệu đầu ra được đưa ngược trở lại đầu vào của các nơron ở lớp trước nó hoặc chính nó thì mạng đó được gọi là mạng phản hồi (feedback network) Nếu tín hiệu ra của một nơron được đưa phản hồi thành các tín hiệu vào của các nơron ở cùng một lớp với nơron đó thì mạng đó được gọi là mạng phản hồi bên (lateral feedback network) Mạng phản hồi có các vòng kín được gọi là mạng hồi qui (recurrent networks). Hình 2.13 mô tả một mạng hồi qui đơn giản nhất[2], mạng chỉ có một nơron có tín hiệu ra tự phản hồi về đầu vào của chính nó.
  • 39. 21 Hình 2.13 Cấu trúc của mạng nơron chỉ có một nơron tự hồi qui Mạng một lớp có liên kết phản hồi như hình 2.14 có đặc điểm tín hiệu đầu ra của mỗi nơron được đưa ngược trở lại đầu vào của chính nó hoặc của các nơron khác được gọi là mạng hồi qui một lớp[2].Hình 2.15 mô tả cấu trúc của mạng nơron hồi qui nhiều lớp [2]. Hình 2.14 Cấu trúc của mạng nơron hồi qui một lớp Hình 2.15 Cấu trúc của mạng nơron hồi qui nhiều lớp
  • 40. 22 2.2.5 Các tính chất của mạng nơron Mạng nơron có các tính chất sau đây[2]: - Là hệ phi tuyến. - Là hệ xử lí song song: Mạng nơron có cấu trúc song song, do đó có tốc độ tính toán rất cao, rất phù hợp với lĩnh vực nhận dạng và điều khiển. - Là hệ học và thích nghi: Mạng được luyện từ dữ liệu quá khứ, có khả năng tự chỉnh khi số liệu đầu vào bị mất, có thể điều khiển on-line. - Là hệ nhiều biến, hệ nhiều đầu vào, nhiều đầu ra phù hợp khi điều khiển đối tượng có nhiều biến số. 2.2.6 Các luật học Mạng nơron sử dụng hai nhóm luật học: Nhóm các luật học thông số (parameter learning rules) và nhóm các luật học cấu trúc (structure learning rules) Các luật học trong nhóm học thông số có nhiệm vụ tính toán cập nhật giá trị của trọng số liên kết các nơron trong mạng. Các luật học trong nhóm học cấu trúc số có nhiệm vụ đưa ra cấu trúc hợp lí của mạng như thay đổi số lượng nơron hoặc thay đổi số lượng liên kết của các nơron trong mạng. Hai nhóm luật học trên có thể áp dụng đồng thời (Khi đó gọi là luật học lai – hybrid learning rules) 2.2.7 Thuật toán Backpropagation Khi trọng số và thành phần di ̣ ch chuyển (bias) của mạng đã được khởi tạo , mạng đã sẵn sàng huấn luyện . Quá trình huấn luyện cần một tập các cặp mẫu bao gồm các tín hiê ̣u ngõ vào và ngõ ra của ma ̣ng . Trong suốt quá trình huấn luyê ̣n trọng số và bias của mạng được điều chỉnh lặp đi l ặp lại để cực tiểu hóa hàm sai lê ̣ch của ma ̣ng . Hàm sai lê ̣ch mặc định của mạng truyền thẳng là trung bình bình phương sai lê ̣ch.
  • 41. 23 Có nhiều thuật toán Backpropagation khác nhau . Cách thực hiện đơn giản nhất là cập nhật trọng số và bias theo hướng sao cho hàm sai lê ̣ch giảm nhanh nhất . Mỗi bước lặp thuật toán được viết lại như sau[16]: xk+1 = xk - kgk (2.19) Trong đó: - xk là vector trọng số và bias hiện tại; - gk là gradient hiện tại; -k là hằng số học. Có hai phương pháp để câ ̣p nhâ ̣t trọng theo qui tắc giảm dốc nhất (gradient descent) đó là câ ̣p nhâ ̣t trọng ngay sau khi học từ ng mẫu dựa trên đa ̣o hàm lỗi của riêng từ ng mẫu (incremental mode) và câ ̣p nhâ ̣t trọng dựa trên đa ̣o hàm lỗi s au khi đã quét qua toàn bộtâ ̣p mẫu (batch mode). 2.2.7.1 Chế độ ho ̣c tƣ̀ng mẫu: Huấn luyê ̣n ma ̣ng ở chế độnày sử dụng hàm „ adapt‟. Có thể sử dụng luật cập nhâ ̣t theo phương pháp giảm dốc nhất „learngd‟hoă ̣c phương pháp giảm dốc nhất có thêm thành phần động lượng „learngdm‟. Đối với phương pháp giảm dốc nhất hàm học thông số cho trọng số và bias là „learngd‟. Trọng số và ngưỡng được cập nhật theo hướng chống la ̣i gradient của hàm lỗi. Hàm „learngd‟ có một thông số học là tốc độ học „lr‟. Tốc độ học càng lớn, thì bước nhảy càng lớn. Nếu tốc độ học quá lớn, thuật toán sẽ không ổn định. Nếu tốc độ học quá nhỏ, thuật toán sẽ hội tụ lâu. Đối với phương pháp giảm dốc nhất có thêm thành phần động lượng - hàm„learngdm‟ giúp cho hàm learngd hội tụ nhanh hơn. 2.2.7.2 Chế đô ̣ho ̣c theo nhóm mẫu Chế độhọc theo nhóm mẫu thay thế cho chế độhọc từ ng mẫu , Huấn luyê ̣n mạng sử dụng hàm „ train‟ với các luâ ̣t câ ̣p nhâ ̣t thông số trọng số và bias là hàm „traingd‟ hoă ̣c „traingdm‟ . Ở chế độ học theo nhóm mẫu trọng số và bias của mạng chỉ được cập nhật sau khi toàn bộ bộ mẫu huấn luyện đã được nạp vào mạng .
  • 42. 24 Gradient được tính toán ở mỗi mẫu huấn luyện được cộng dồn lại với nhau để xác đi ̣ nh sự thay đổi của trọng số và bias. Hàm „ traingd‟ tương đương với hàm „learngd‟, thực hiện huấn luyện theo phương pháp giảm dốc nhất chuẩn . Trọng số và ngưỡng được cập nhật theo hướng chống la ̣i gradient của hàm lỗi. Hàm „ traingdm‟ tương đương với hàm „learngdm‟ với hai điểm khác biê ̣t . Thứ nhất, Gradient được tính bằng tổng gradient ở mỗi mẫu huấn luyê ̣n , trọng số và bias được câ ̣p nhâ ̣t sau khi toàn bộmẫu được đưa vào . Thứ hai, nếu hàm lỗi trên bước lă ̣p được cho vượt quá hàm lỗi ở bước lă ̣p trước một giá tri ̣đi ̣ nh tr ước „max_perf_inc‟ (thường chọn 1.04) thì trọng số và bias mới bị loại bỏ và thành phần động lượng „mc‟được gán bằng 0. Trong chế độhuấn luyê ̣n theo nhóm mẫu , ngoài các giải thuật huấn luyện trên còn một số giải thuật có tốc độ hội tụ nhanh như: Giải thuật tốc độ học thay đổi „Traingda‟, „Traingdx‟; giải thuật phục hồi mạng „trainrp‟; giải thuật conjugate_ gradient; giải thuật cập nhật Fletcher-Reeves „traincgf‟; giải thuật cập nhật Polak – Ribiére „traincgp‟; giải thuật khởi động lại Powell – Beale „traincgb‟; giải thuật Scaled Conjugate Gradient „trainscg‟; giải thuật BFGS „trainbfg‟ ; giải thuật One Step Secant „trainoss‟; giải thuật Levenberg – Marquardt (TRAINLM). Tham khảo tài liệu[16] để biết thêm thông tin về các giải thuật này. 2.2.8 Giải thuật Levenberg-Marquardt Giải thuật Levenberg -Marquardt đượ c phát triển độc lâ ̣p bởi Kenneth Levenberg và Donald Marquardt [15], cung cấp một giải pháp số để giải quyết vấn đề cực tiểu hóa một hàm không tuyến tính . Giải pháp này có độ hội tụ nhanh và ổn đi ̣ nh. Trong lĩnh vực ma ̣ng nơron nhân ta ̣o , thuâ ̣t toán này rất phù hợp để huấn luyê ̣n những ma ̣ng cỡ nhỏ và trung bình (vài trăm trọng số).
  • 43. 25 2.2.8.1 Luâ ̣t câ ̣p nhâ ̣t tro ̣ng số Hàm tổng bình phương sai số được định nghĩa để đánh giá quá trình huấn luyê ̣n ma ̣ng. Đối với tất cả các mẫu và tín hiệu ra của mạng , tổng bình phương sai số được tính như sau[15]: n Q P 2 p, m p =1 m =1 1 E(x,w) = e 2   (2.20) trong đó: x là vectơ tín hiê ̣u vào w là vectơ trọng số p là chỉ số mẫu, p = 1, 2,…, P m là chỉ số tín hiê ̣u đầu ra, m = 1, 2,…, nQ ep,m là sai lệch của tín hiệu ra m khi duyệt mẫu p và được định nghĩa[15]: p, m p, m p, m e = d - y (2.21) trong đó d là vectơ tín hiê ̣u ra mong muốn y là vectơ tín hiê ̣u ra thực tế Giải thuật Levenberg-Marquardt sử dụng luâ ̣t câ ̣p nhâ ̣t trọng số [15]: T -1 k+1 k k k k k w = w - (J J + μI) J e (2.22) với:  là hệ số học (được câ ̣p nhâ ̣t thông qua tham số „mu‟). k là chỉ số lă ̣p J là ma trâ ̣n jacobian có da ̣ng[17]: 1 1 1 1 2 N 2 2 2 1 2 N N N N 1 2 N e (w) e (w) e (w) w w w e (w) e (w) e (w) w w w J = e (w) e (w) e (w) w w w                                                (2.23)
  • 44. 26 2.2.8.2 Tính toán ma trận jacobian Vectơ sai lê ̣ch có da ̣ng: eT = [ 1,1 e 1,2 e … Q 1,n e … P,1 e P,2 e . . . Q P,n e ] (2.24) Vectơ tham số có da ̣ng:   T 1 2 N w = w w …w 1 i 1 2 Q 1 1 1 1 1 2 2 Q Q 1,1 1,2 n ,n 1 n 1,1 n 1,1 n [w w ...w b ...b w ...b .. ...w b ]  (2.25) Trong đó Chỉ số trên “1” thể hiện cho lớp thứ nhất, chỉ số trên “Q” thể hiện cho lớp ra. ni là số nơron trong lớp vào n1 là số nơron ở lớp thứ nhất n2 là số nơron ở lớp thứ hai nQ là số nơron ở lớp ra Ma trâ ̣n jacobian được viết la ̣i như sau: 1 i 1 i Q Q Q Q 1 1 i 1,1 1,1 1,1 1,1 1 1 1 1 1,1 1,2 n ,n 1 1,2 1,2 1,2 1,2 1 1 1 1 1,1 1,2 n ,n 1 1,n 1,n 1,n 1,n 1 1 1 1 1,1 1,2 , 1 p,1 p,1 p,1 p,1 1 1 1 1 1,1 1,2 n ,n 1 e e e e w w w b e e e e w w w b e e e e w w w b J e e e e w w w b e i n n                                                   1 i Q Q Q Q 1 i p,2 p,2 p,2 p,2 1 1 1 1 1,1 1,2 n ,n 1 p,n p,n p,n p,n 1 1 1 1 1,1 1,2 n ,n 1 e e e w w w b e e e e w w w b                                                                            (2.26)
  • 45. 27 Xét nơron thứ j với n i tín hiệu vào như hình 2.16 được trích từ tài liê ̣u tham khảo[15]. Nếu nơron j ở lớp thứ nhất , tất cả tín hiê ̣u vào sẽ được nối với tín hiê ̣u vào của mạng, nếu khác, các tín hiệu vào của nó được nối với tín hiệu ra của nơron ở lớp kế trước. Trong phần này kí hiê ̣u zj,i có nghĩa là tín hiệu vào thứ i của nơron j kí hiệu zj có nghĩa là tín hiệu ra của nơron j. Tín hiệu ra của nơron j được tính như sau[15]: j j j z = a (v ) (2.27) Trong đó a j là hàm chuyển đổi của nơron j và v j là tổng trọng đầu vào của nơron j được tính như sau[15]: ni j j,i j,i j i=1 v = w z + b  (2.28) Trong đó Zj,i là tín hiệu vào của nơron j, được kết nối với trọng số wj,i bj là trọng ngưỡng bias của nơron j Hình 2.16 Liên kết của nơron j với các phần khác trong ma ̣ng. Tín hiệu z j,i có thể là tín hiệu vào của mạng hoặc tín hiệu ra của các nơron khác. Fm,j(zj) là mối quan hệ phi tuyến giữa tín hiệu ra zj và tín hiệu ra ym của mạng. Đa ̣o hàm của tổng trọng vj là [15]:
  • 46. 28 j j,i j,i v z w    (2.29) Độ dốc sj của hàm chuyển đổi aj là[15]: j j j j j j z a (v ) s = = v v     (2.30) Giữa tín hiê ̣u ra z j của nơron j ở lớp ẩn và tín hiệu ra y m của mạng có mối quan hê ̣phi tuyến phứ c ta ̣p (hình 2.16): ym = Fm,j(zj) (2.31) trong đó: ym là tín hiệu ra thứ m của mạng. Mỗi phần tử của ma trâ ̣n jacobian có thể được tính theo công thứ c[15]: p,m m,j j,i j,i e = - δ z w   (2.32) trong đó : m,j là tín hiệu sai lệch của nơron thứ j ứng với nơron m ở lớp xuất của mạng. Có hai thành phần chưa biết trong phương trình (2.32) để tính toán ma trận jacobian. Tín hiệu vào zj,i có thể được tính trong quá trình lan truyền thuận (tín hiệu lan truyền từ đầu vào đến đầu ra ); trong khi đó m,j thu được trong quá trình lan truyền ngược, giá trị này được thiết lập như là lan truyền ngược của sai lê ̣ch từ đầu ra đến đầu vào của ma ̣ng. Ở nơron m của lớp ra(j=m) thì m,j = sm. Hình 2.17 trích từ tài liệu tham khảo [17] mô tả ma ̣ng truyền thẳng ba lớp (có hai lớp ẩn): số nút vào là ni, số nút ra là n3, n1 và n2 là số nơron ở lớp thứ nhất và thứ hai. Để thể hiê ̣n rõ viê ̣c tính toán trong quá trình lan truyền thuâ ̣n và lan truyền ngược ta sẽ xem xét ma ̣ng nơron ba lớp (hình 2.17) như là một ví dụ.
  • 47. 29 Hình 2.17 Mạng nơron truyền thẳng 3 lớp Với mẫu đã cho , quá trình truyền thuận của tín hiệu được thực hiện theo các bước sau[15]: a. Tính tổng trọng, tín hiệu ra và độ dốc của các nơron trong lớp thứ nhất: ni 1 1 1 j i j,i j i=1 v = x w + b  (2.33) 1 1 1 j j j z = a (v ) (2.34) 1 j 1 j 1 j a s = v   (2.35) b. Sử dụng tín hiê ̣u ra của nơron ở lớp thứ nhất như là tín hiê ̣u vào của tất cả các nơron ở lớp thứ hai , thực hiê ̣n tính toán tương tự cho tổng trọng , tín hiệu ra và độdốc: n1 2 1 2 2 j i j,i j i =1 v = z w + b  (2.36) 2 2 2 j j j z = a (v ) (2.37) 2 j 2 j 2 j a s = v   (2.38)
  • 48. 30 c. Sử dụng tín hiê ̣u ra của nơron ở lớp thứ hai như là tín hiê ̣u vào của tất cả các nơron ở lớp thứ ba, tính toán tương tự cho tổng trọng, tín hiệu ra và độ dốc: n2 3 2 3 3 j i j,i j i =1 v = z w + b  (2.39) 3 3 j j j y = a (v ) (2.40) 3 j 3 j 3 j a s = v   (2.41) Với kết quả tính toán từ quá trình truyền thuâ ̣n , với một tín hiê ̣u ra j đã cho , quá trình lan truyền ngược có thể được thực hiê ̣n như sau: d. Tính sai lệch ở đầu ra j và tín hiệu lan truyền ngược sai lệch ban đầu  cũng chính là độ dốc của tín hiệu ra j: ej = dj - yj (2.42) 3 3 j,j j δ = s (2.43) 3 j,k δ = 0 (2.44) Trong đó dj là tín hiệu ra mong muốn ở đầu ra j yj là tín hiệu ra thực tế ở đầu ra j trong quá trình lan truyền thuận 3 j,j là tín hiệu lan truyền ngược sai lệch của nơron j ở lớp ra 3 j,k là tín hiệu lan truyền ngược từ các nơron khác trong cùng một lớp (lớp ra) e. Lan truyền ngược  từ đầu vào của lớp thứ 3 đến đầu ra của lớp thứ hai: 2' 3 3 j,k j,i j,j δ =w δ (2.45) Trong đó k là chỉ số của nơron ở lớp thứ hai, giá trị từ 1 đến n2.
  • 49. 31 f. Lan truyền ngược  từ đầu ra của nơron lớp thứ hai đến đầu vào của lớp thứ hai (tín hiệu lan truyền ngược sai lệch của nơron ở lớp thứ hai): 2 2' 2 j,k j,i i δ = δ s (2.46) Trong đó k là chỉ số của nơron ở lớp thứ hai, giá trị từ 1 đến n2. g. Lan truyền ngược  từ đầu vào của nơron lớp thứ hai đến đầu ra của lớp thứ nhất: n2 1' 2 2 j,k j,i j,i i=1 δ = w δ  (2.47) Trong đó k là chỉ số của nơron ở lớp thứ nhất, giá trị từ 1 đến n1. h. Lan truyền ngược  từ đầu ra của nơron lớp thứ nhất đến đầu vào của lớp thứ nhất(tín hiệu lan truyền ngược sai lệch của nơron ở lớp thứ nhất): 1 1' 1 j,k j,i i δ = δ s (2.48) Trong đó k là chỉ số của nơron ở lớp thứ nhất, giá trị từ 1 đến n1. Đối với quá trình lan truyền ngược của các nơron khác, lă ̣p la ̣i các bước từ (d) đến (h). Bằng cách thực hiê ̣n quá trình tính toán lan truyền thuâ ̣n và lan truyền ngược , toàn bộ dãy lan truyền ngược sai lệ ch  và tín hiệu ra z có thể thu được với mẫu đã cho. Sau đó xác đi ̣ nh các phần tử của ma trâ ̣n jacobian theo phương trình 2.32. Đối với các mẫu khác , lă ̣p la ̣i quá trình tính toán lan truyền thuâ ̣n và lan truyền ngược, toàn bộ ma trận jacobian được tính toán. 2.2.8.3 Quá trình huấn luyện Với luâ ̣t câ ̣p nhâ ̣t của thuâ ̣t toán Levenberg -Marquardt (phương trình 2.22), và việc tính toán ma trận jacobian, quá trình huấn luyện được thực hiê ̣n như sau:
  • 50. 32 a. Với trọng số ban đầu (khởi ta ̣o ngẫu nhiên ), tính tổng bình phương sai số theo công thứ c (2.20). b. Thực hiê ̣n câ ̣p nhâ ̣t trọng số theo phương trình (2.22) để điều chỉnh trọng số. c. Với trọng số mới, tính tổng bình phương sai số. d. Nếu tổng bình phương sai số hiê ̣n ta ̣i tăng theo trọng số câ ̣p nhâ ̣t , thì lùi về một bước (khôi phục la ̣i trọng số vừ a điều chỉnh ) và tăng hệ số kết hợp  bằng cách nhân  với 10 hoă ̣c hê ̣số khác tùy người sử dụng. e. Nếu tổng bình phương sai số hiê ̣n ta ̣i giảm theo trọng số câ ̣p nhâ ̣t , thì chấp nhâ ̣n bước này(chọn trọng số này như là trọng số ban đầu ) và giảm hệ số kết hợp  bằng cách chia cho 10 hoă ̣c chia cho hê ̣số sử dụng ở bước d. f. Tiếp tục thực hiện bước b với trọng số mới cho đến khi tổng bình phương sai số nhỏ hơn giá tri ̣cho trước. Sơ đồ khối quá trình huấn luyện sử dụng thuật toán Levenberg-Marquardt được thể hiện như trong hình 2.18 [15].
  • 51. 33 Hình 2.18 Sơ đồ khối để huấn luyê ̣n mạng sử dụng thuâ ̣t toán Levenberg - Marquardt: wk là trọng số hiện tại, wk+1 là trọng số kế tiếp, Ek+1 là tổng sai lệch hiện tại, Ek là tổng sai lệch trước. KẾT LUẬN CHƢƠNG 2 Trong chương này, tác giả đã trình bày những vấn đề cơ bản của phương pháp giải bài toán động học thuận theo quy tắc Denavit-Hartenberg và phương pháp giải bài toán động học ngược bằng phương pháp giải tích. Ngoài ra, tác giả cũng giới thiệu một cách khái quát về mạng nơron, trong đó tập trung giới thiệu về giải thuật Levenberg-Marquardtmà tác giả đã sử dụng để huấn luyện mạng trong luận văn. Đây là một giải thuật có độ hội tụ nhanh và ổn định, phù hợp để huấn luyện mạng cỡ nhỏ và trung bình.
  • 52. 34 Chƣơng 3 XÂY DƢ̣NG BỘ DƢ̃ LIỆU HUÂ ́ N LUYỆN ĐỂ GIẢI BÀI TOÁN ĐỘNG HỌC NGƢỢC CHO TAY MÁ Y SCORBOT ER7 BẰ NG MẠNG NƠRON Tay máy Scorbot ER7 là tay máy có 5 bậc tự do với các khớp đều là khớp quay. Nóđược sử dụng rộng rãi trong ngành công nghiệp điện tử, cho dây chuyền lắp ráp các chi tiết máy nhỏ, nhẹ và dùng cho giáo dục, đào tạo. Tay máy Scorbot ER7 sử dụng năng lượng điện, có độ chính xác trung bình. Cấu trúc của tay máy Scorbot ER7 thể hiện trong hình 3.1 được trích từ tài liệu tham khảo [20]. Hình 3.1 Tay máy Scorbot ER7 Trong chương này, tác giả giải bài toán động học thuận (theo quy tắc Denavit-Hartenberg) làm cơ sở để xây dựng bộdữ liê ̣u để huấn luyê ̣n ma ̣ng nơron . Sau đó tác giả sẽ dùng kết quả của bài toán động học ngược (được giải theophương
  • 53. 35 pháp giải tích) như là một mẫu chuẩn để so sánh với các giá trị thu được từ mạng nơron. 3.1 Giải bài toán động học thuận cho tay máy Scorbot ER7 Zoe Zhizhong[18] đã tiến hành giải bài toán động học thuận cho tay máy Scorbot ER7 như sau: Hình 3.2 Sơ đồ động học của tay máy Scorbot ER7 Dựa vào sơ đồ động học của tay máy Hình 3.2 ta có bảng thông số DH như sau: Bảng 3.1 Bảng thông số DH của tay máy Scorbot ER7 Khớp i αi ai(mm) di(mm) θi (phạm vi làm việc) 1 -π/2 a1=50 d1=358,5 θ1 ( 1250 ) 2 0 a2=300 d2= -40 θ2 (-130;350 ) 3 0 a3=350 0 θ3 ( 1100 ) 4 -π/2 0 0 θ4 ( 900 ) 5 0 0 d5=251 θ5 ( 1800 )
  • 54. 36 Các ma trận Ai được xây dựng như sau: 1 1 1 1 1 1 1 1 1 1 c 0 -s a c s 0 c a s A = 0 -1 0 d 0 0 0 1             (3.1) 2 2 2 2 2 2 2 2 2 2 c s 0 a c s c 0 a s 0 0 1 d 0 0 0 A 1               (3.2) 3 3 3 3 3 3 3 3 c s 0 a c s c 0 a s 0 0 1 0 0 0 0 1               3 A (3.3) 4 4 4 4 c 0 s 0 s 0 c 0 0 1 0 0 0 0 0 1                4 A (3.4) 5 5 5 5 5 c s 0 0 s c 0 0 0 0 1 d 0 0 0 1               5 A (3.5) Theo phương trình (2.12): T5 = A1A2A3A4A5= x x x x y y y y z z z z n s a p n s a p n s a p 0 0 0 1               (3.6) Trong đó: x 1 234 5 1 5 n = c c c + s s
  • 55. 37 y 1 234 5 1 5 n = s c c - c s z 234 5 n = -s c x 1 234 5 1 5 s = -c c s + s c y 1 234 5 1 5 s = -s c s - c c z 234 5 s = s s x 1 234 a = -c s y 1 234 a = -s s z 234 a = -c   x 1 1 2 2 3 23 5 234 2 1 p = c a + a c + a c - d s - d s   y 1 1 2 2 3 23 5 234 2 1 p = s a + a c + a c - d s + d c z 1 2 2 3 23 5 234 p = d - a s - a s - d c Trong đó: i i c , s biểu thị cho cosθi, sinθi i j... c biểu thị cho cos(θi+ θj+…) 3.2 Giải bài toán động học ngƣợc cho tay máy Scorbot ER7 Như đã giới thiệu ở phần trước, việc giải bài toán động học ngược không ảnh hưởng đến đến kết quả của quá trình huấn luyện mạng nơron nhưng nó là cơ sở để đánh giá độchính xác của phương pháp giải bằng mạng nơron . Tuy nhiên, với tay máy có nhiều bậc tự do thì bài toán động học ngược sẽ có nhiều kết quả khác nhau tương ứng với từng cấu hình khác nhau của tay máy . Do đó , để thuận tiện cho việc so sánh kết quả này, tác giả chỉ giải cho một trường hợp cụ thể đó là : hướng và góc quay của bàn kẹp được cố định. Có nghĩa là hướng của trục z 5 luôn ngược với trục z0, trục x5 cùng hướng với trục x0, trục y5 ngược hướng với trục y0. Phương pháp giải bài toán động học ngược cho tay máy Scorbot ER7 trong trường hợp này đã được Joe Zhizhong[18] thực hiện với lời giải như sau: Ma trận chuyển của bàn kẹp so với hệ tọa độ 0 được viết như sau:
  • 56. 38 TE = x y z 0 P 1 0 0 p 0 1 0 0 1 p 0 0 0 1                 (3.7) Mặt khác theo phương trình (2.6): TE = T5 Với T5 là ma trận thu được từ phương trình (3.6) Cân bằng phần tử ở hàng 3, cột 3 của phương trình (3.7) và (3.6) ta được: θ2 + θ3 + θ4 = 0 (3.8) Cân bằng phần tử ở hàng 1, cột 1 của phương trình (3.7) và (3.6) ta được: 1 234 5 1 5 c c c + s s = 1  1 5 1 5 c c + s s = 1    1 5 c θ - θ = 1  1 5 θ - θ = 0 (3.9) Cân bằng phần tử ở hàng 1, cột 3; hàng 2 cột 3; hàng 3 cột 3 của phương trình (3.7) và (3.6) ta được:   x 1 1 2 2 3 23 2 1 p = c a + a c + a c - d s (3.10)   y 1 1 2 2 3 23 2 1 p = s a + a c + a c + d c (3.11) z 1 2 2 3 23 5 p = d - a s - a s - d (3.12) Đặt : 1 2 2 3 23 k = a + a c + a c (3.13) Thay vào phương trình (3.10), (3.11) Ta được: x 1 2 1 p = kc - d s (3.14) y 1 2 1 p = ks + d c (3.15) Bình phương phương trình(3.14) và (3.15) sau đó cộng vế theo vế ta được: 2 2 2 2 x y 2 p + p = k + d (3.16)  2 2 2 x 2 k = (p + p - d ) y  (3.17)
  • 57. 39 Phương trình (3.14) và (3.15) có 2 ẩn là c1, s1 Giải hệ phương trình bằng phương pháp thế ta được: y 2 x 2 2 1 2 kp - d p k +d s = (3.18) x 2 y 2 2 1 2 kp + d p k + d c = (3.19) Từ phương trình (3.18), (3.19) ta có: 1 y 2 x x 2 y θ atan2 (kp d p , kp d p )    (3.20) Phương trình (3.12), (3.13) có thể viết lại dưới dạng : 2 2 3 23 1 5 z a s + a s = d + d - p (3.21) 2 2 3 23 1 a c + a c = k - a (3.22) Bình phương phương trình (3.21) và (3.22) sau đó cộng vế theo vế ta được:     2 2 2 2 1 1 5 z 2 3 3 2 3 k - a + d - d - p - a - a θ = acos 2a a         (3.23) Từ phương trình (3.21) và (3.22) ta có:   1 5 z 2 3 3 2 3 3 2 d + d p = a + a c s + a s c  (3.24)   1 2 3 3 2 3 3 2 k a = a + a c c + a s s  (3.25) Giải phương trình (3.24) và (3.25) ta được:          2 3 3 1 5 z 3 3 1 2 2 2 1 1 5 z a a c d d p a s b a s b a d d p           (3.26)          2 3 3 1 3 3 1 5 z 2 2 2 1 1 5 z a a c b a a s d d p c b a d d p           (3.27) Từ phương trình (3.24) và (3.25) ta được:            2 2 3 3 1 5 z 3 3 1 2 3 3 1 3 3 1 5 z θ arctg2 a a c d d p a s b a , a a c b a a s d d p            (3.28) Cuối cùng ta thu đượcθ4 từ các phương trình (3.8), (3.23), (3.28) θ4 = -θ2 - θ3 (3.29)
  • 58. 40 Các phương trình (3.8), (3.9), (3.20), (3.23), (3.28), (3.29) dùng để giải bài toán động học ngược cho tay máy Scorbot ER7. 3.3 Xây dƣ̣ng bô ̣mẫu để huấn luyê ̣ n ma ̣ng giải bài toán đô ̣ng ho ̣c ngƣợc cho tay máy Scorbot ER7 Bộmẫu dùng để huấn luyê ̣n ma ̣ng bao gồm n phần tử       (1) (1) (2) (2) (n) (n) p , y , p , y , ,(p , y )  trong đó mẫu tín hiê ̣u vào T x y z p = p , p , p     thể hiê ̣n vi ̣trí của bàn ke ̣p tay máy và mẫu tín hiê ̣u ra T 1 2 3 4 5 y = [θ , θ , θ , θ , θ ] thể hiê ̣n các góc quay của các khớp, được xác đi ̣ nh từ bài toán thuâ ̣n theo phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). Hình 3.3 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy và phân chia vùng huấn luyê ̣n. Để huấn luyê ̣n ma ̣ng , tác giả dùng 2 bộmẫu khác nhau:bộ thứ nhất được dùng để luyện mạng. Bộthứ hai dùng để kiểm tra khả năng tổng quát hóa của ma ̣ng đối với bộdữ liê ̣u chưa được học. Vùng2 (00 θ1<1250 ) Vùng1 (-1250 <θ1 00 )
  • 59. 41 Tuy nhiên , nếu lấy bộmẫu trên toàn vùng làm viê ̣c của tay máy thì kích thước mẫu sẽ rất lớn do đó khả năng tổng quát hóa của ma ̣ng sẽ giảm và qúa trình huấn luyê ̣n ma ̣ng có thể sẽ k hông đi đến kết quả . Do đó, đối với vùng làm việc của θ1tác giả sẽ chia thành hai vùng để huấn luyện (hình 3.3):vùng 1 với -1250 < θ100 , vùng 2 với 00  θ1< 1250 . Mặt khác, với trường hợp tay máy đã xác định ở mục 3.2 thì với một vị trí cho trước có thể có hai lời giải khác nhau (như trong hình 3.4). Vì vậy, để so sánh kết quả giải bằng mạng nơron với phương pháp giải tích thì tác giả chỉ huấn luyện mạng theo cấu hình 1 của tay máy. Như vậy, trong luận văn này, tác giả sẽ huấn luyện hai mạng: Mạng Net1_1 tương ứng với vùng 1và cấu hình 1; mạng Net2_1 tương ứng với vùng 2và cấu hình 1. Hình 3.4 Hai lời giải khác nhau được miêu tả cho bài toán động học ngược tay máy Scorbot ER7: Đường nét liền thể hiện tay máy có cấu hình 1, đường nét đứ t thể hiê ̣n tay máy ở cấu hình 2.
  • 60. 42 Bộmẫu dùng để huấn luyện mạng Net 1_1 được lấy từ phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). Trong đó θ1, θ2,θ3, θ4,θ5 phải thỏa mãn các điều kiện sau:  -1250 < θ1<00 ( Vùng 1) (3.31)  -130 < θ2  0 (Cấu hình 1) (3.32)  0  θ3 < 110 (Cấu hình 1) (3.33)  -90 < θ4 0 (Cấu hình 1) (3.34)  θ2 + θ3 + θ4 = 0 (theo phương trình 3.8) (3.35)  1 5 θ - θ = 0(theo phương trình 3.9) (3.36) Chương trình lấy 3000 mẫu để huấn luyê ̣n và kiểm tra ma ̣ng Net1_1 được thể hiê ̣n ở phụlục 1 chạy trên phần mềm Matlab 2013a (8.1.0.604). Trong bộ mẫu gồm 3000 mẫu tác giả đã lấy 2000 mẫu đầu tiên để huấn luyện mạng Net1_1; 1000 mẫu còn lại được dùng để kiểm tra tính tổng quát hóa của mạng này.70 số liệuđầu tiên trong bộ mẫu gồm 2000 mẫu dùng để huấn luyê ̣n mạng Net1_1 được trích dẫn trong phụlục 6.30 số liệu đầu tiên trong bộmẫu gồm 1000 mẫu dùng để kiểm tra mạng Net1_1 được trích dẫn trong phụ lục 7. Vùng huấn luyê ̣n ma ̣ng Net 1_1 là vùng làm việc của tay máy Scorbot ER 7 được thể hiê ̣n trong hình 3.5 và hình 3.6. Hình 3.5 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxz.
  • 61. 43 Hình 3.6 Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho mạng Net1_1. Bộmẫu dùng để huấn luyện mạng Net 2_1 được lấy từ các phương trình (3.1), (3.2), (3.3), (3.4), (3.5), (3.6). trong đó θ1, θ2,θ3, θ4,θ5 phải thỏa mãn cá c phương trình (3.32), (3.33), (3.34), (3.35), (3.36) và thỏa mãn điều kiện 00 < θ1< 1250 . Chương trình lấy 3000 mẫu để huấn luyê ̣n mạng Net2_1 được thể hiê ̣n ở phụ lục 2 chạy trên phần mềm Matlab 2013a (8.1.0.604).20 số liệu đầu tiên và 20 số liệu cuối trong bộmẫu gồm 3000 mẫu dùng để huấn luyê ̣n ma ̣ng Net2_1 được trích dẫn trong phụlục 8. Chương trình lấy 1000 mẫu để kiểm tra ma ̣ng Net 2_1 được thể hiê ̣n ở phụ lục 3 chạy trên phần mềm Matlab 2013a (8.1.0.604).20 số liệu đầu tiên và 20 số liệu cuối trong bộmẫu gồm 1000 mẫu dùng để kiểm tra mạng Net2_1 được trích dẫn trong phụlục 9. Vùng huấn luyện mạng Net2_1 là vùng làm việc của tay máy Scorbot ER 7 được thể hiê ̣n trong hình 3.5 và hình 3.7
  • 62. 44 Hình 3.7Vùng làm việc của tay máy Scorbot ER 7 trong mă ̣t phẳng Oxy dùng cho ma ̣ng Net2_1 KẾT LUẬN CHƢƠNG 3 Trong chương này, tác giả đã tiến hành giải bài toán động học thuậncho tay máy Scorbot ER7làm cơ sở để xây dựng bộ dữ liệu huấn luyện và giải bài toán động học ngược bằng phương pháp giải tích để đánh giá kết quả của phương pháp giải bằng mạng nơron.Để mạng nơron có khả năng học bộ dữ liệu tốt và để thuận tiện cho việc so sánh kết quả của hai phương pháp, tác giả đãchiavùng làm việc của tay máy trong mặt phẳng Oxy thành hai vùng khác nhau và trong mỗi vùng chỉ huấn luyện với một cấu hình cụ thể (cấu hình 1).Trong giới hạn đó, tác giả đã xác định được hai bộ dữ liệu để huấn luyện mạng Net1_1 và mạng Net2_1.
  • 63. 45 Chƣơng 4 HUÂ ́ N LUYỆN MẠNG NƠRON VÀ PHÂN TÍCH KÊ ́ T QUA ̉ Trong phần này, tác giả trình bày phương pháp và kết quả huấn luyê ̣n ma ̣ng Net1_1 và mạng Net2_1. Mạng được huấn luyê ̣n trên Neural Network Toolbox (nntool) của phần mền matlab 2013a. 4.1 Huấn luyê ̣ n ma ̣ng Net1_1 4.1.1 Xác định cấu trúc mạng Để huấn luyê ̣n ma ̣ng Net1_1, tác giả sử dụng mạng truyền thẳng 4 lớp (1 lớp nhập, 3 lớp ẩn, 1 lớp xuất). Số lớp được xác định theo phương pháp thử và sai. Lớp nhập: Gồm 3 nơron tương ứng với các giá trị nhập là 3 tọa độ vị trí của bàn kẹp tay máy: xi = [Px Py Pz]T (4.1) Lớp xuất: gồm 5 nơron tương ứng với 5 biến khớp θ 1, θ 2 , θ 3, θ 4, θ5. yi = [θ 1 θ 2 θ 3 θ 4 θ 5 ]T (4.2) Số nơron trong lớp ẩn là 30-10-30 tương ứ ng với lớp thứ nhất, lớp thứ hai và lớp thứ 3 được chọn theo phương pháp thử và sai. Trọng số: Các trọng số ban đầu được khởi tạo ngẫu nhiên, sau đó được điều chỉnh trong quá trình huấn luyện mạng, sử dụng giải thuâ ̣t Levenberg-Marquardt. Với bộmẫu gồm 3000 mẫu được lấy theo chương trình ở phụlục 2. Trong đó 2000 mẫu đầu tiên được dùng để huấn luyê ̣n , 1000 mẫu còn la ̣i được dùng để kiểm tra khả năng tổng quát hóa của ma ̣ng đã được huấn luyê ̣n.
  • 64. 46 4.1.2 Huấn luyê ̣ n ma ̣ng Quá trình huấn luyện được thực hiện như sau: Khởi động Neural Network Toolbox bằng cách gõ lê ̣nh „nntool‟ ở dòng nhắc lê ̣nh trong command window của phần mềm matlab. Hộp giao diê ̣n Neural Network Toolbox xuất hiê ̣n như hình 4.1. Hình 4.1 Giao diê ̣n của Neural Network Toolbox Nhâ ̣p mẫu dùng để huấn luyê ̣n : Chọn import > import from MATLAB workspace > p1_check > Input Data > Import > ok (Hình 4.2). Lă ̣p la ̣i từ bước 3 đến bước 5 cho 3 bộ dữ liê ̣u còn la ̣i trong đó với bộp 1_train chọn „Input Data‟, bộ t1_check và t1_train chọn „Target Data‟. Sau khi thực hiê ̣n xong kết quả được như hình 4.3. Hình 4.2 Nhâ ̣p dữ liệu vào Neural Network Toolbox.
  • 65. 47 Hình 4.3 Dữ liê ̣u huấn luyê ̣n đã được nhâ ̣p vào Neural Network Toolbox Khởi ta ̣o ma ̣ng : Chọn new > Network > Đặt tên mạng „Net 1_1‟. Các thông tin khác chọn như trong hình 4.4 > Chọn View. Kết qủa được n hư hình 4.5, sau đó nhấn „Create‟ kết qủa được như hình 4.6 Hình 4.4 Khởi ta ̣o ma ̣ng Net1_1 và lựa chọn thông tin cho mạng nơron
  • 66. 48 Hình 4.5 Cấu trúc của ma ̣ng Net1_1 Hình 4.6 Mạng Net1_1 đã được ta ̣o để chuẩn bi ̣huấn luyê ̣n Hình 4.7 Chọn dữ liệu để huấn luyện mạng Net1_1
  • 67. 49 Hình 4.8 Các thông số huấn luyện mạng Net1_1 Thông tin về kết quả huấn luyê ̣n ma ̣ng Net 1_1 sau 1000 bước lă ̣p được thể hiê ̣n trong hình 4.9, 4.10, 4.11, 4.12 Hình 4.9 Thông tin huấn luyê ̣n ma ̣ng Net1_1 sau 1000 bước lă ̣p
  • 68. 50 Hình 4.10 Đồ thị thể hiện tổng bình phương sai số trong quá trình huấn luyện mạng Net1_1 Hình 4.11 Đồ thị thể hiện gradien, hê ̣số kết hợp „mu‟ và sai số trên bộdữ liê ̣u kiểm chứ ng của mạng Net1_1
  • 69. 51 Hình 4.12 Đồ thị thể hiện mối quan hệ giữa giá trị đích và đầu ra của mạng Net1_1 Sau khi ma ̣ng Net1_1 đã được huấn luyê ̣n xong, sử dụng bộmẫu thứ hai gồm 1000 mẫu để mô phỏng nhằm đánh giá khả năng tổng quát hóa của mạng Net 1_1 đối với những dữ liê ̣u nằm trong vùng huấn luyê ̣n mà ma ̣ng chưa được học. Quá trình thực hiện như trong hình 4.13. Sai lê ̣ch của các biến khớp khi xác định bằng mạng Net1_1được thể hiê ̣n trong hình 4.14, 4.15, 4.16, 4.17, 4.18. Hình 4.13 Thiết lâ ̣p dữ liê ̣u để mô phỏng ma ̣ng Net1_1
  • 70. 52 Hình 4.14 Đồ thị thể hiện sai lệch của θ1 khi mô phỏng ma ̣ng Net1_1 Hình 4.15 Đồ thị thể hiện sai lệch của θ2 khi mô phỏng ma ̣ng Net1_1 Hình 4.16 Đồ thị thể hiện sai lệch của θ3 khi mô phỏng ma ̣ng Net1_1
  • 71. 53 Hình 4.17 Đồ thị thể hiện sai lệch của θ4 khi mô phỏng ma ̣ng Net1_1 Hình 4.18 Đồ thị thể hiện sai lệch của θ5 khi mô phỏng ma ̣ng Net1_1 4.1.3 Đánh giá thông tin huấn luyê ̣ n và kết qủa mô phỏng Thông tin huấn luyê ̣n ma ̣ng Net 1_1 với bộdữ liê ̣u gồm 2000 mẫu cho thấy tổng bình phương sai lê ̣ch trên bộdữ liê ̣u huấn luyê ̣n đa ̣t giá tri ̣ 1,79 (hình 4.9) và trên bộdữ liê ̣u kiểm chứ ng là 11,5(hình 4.10); gradien = 444; hê ̣số kết hợp mu () = 0,1; Sai số trên bộdữ liê ̣u kiểm chứ ng không tăng ở bước lă ̣p 1000 (hình 4.11). Hình 4.12 cho thấy mối quan hê ̣giữa tín hiê ̣u ra của ma ̣ng Net 1_1 so với giá tri ̣đích trên bộdữ liê ̣u hu ấn luyện, dữ liê ̣u kiểm tra, dữ liê ̣u kiểm chứ ng và trên toàn bộdữ liê ̣u.