Nhận viết luận văn Đại học , thạc sĩ - Zalo: 0917.193.864 Tham khảo bảng giá dịch vụ viết bài tại: vietbaocaothuctap.net Download luận văn đồ án tốt nghiệp với đề tài: Thiết kế hệ thống phân loại sản phẩm bằng nhận dạng mờ, cho các bạn làm luận văn tham khảo

1. EBOOKBKMT.COM
NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP
Giảng viên: Th.s Đỗ Văn Cần Bộ môn: Kỹ Thuật Điện
Sinh viên: …………Lê Anh Tuấn………...…….Mã số:……3351070189…
Đề Tài: Thiết kế hệ thống phân loại sản phẩm bằng nhận dạng mờ.
Mục lục.
Danh mục bảng biểu, hình vẽ.
Lời nói đầu.
Chương 1: Tổng quan về hệ thống phân loại sản phẩm và điều khiển mờ.
- Tổng quan về phân loại sản phẩm.
- Tình hình nghiên cứu trong và ngoài nước về lĩnh vực này.
- Nội dung thực hiện ( nội dung sẽ làm).
Chương 2: Lý thuyết mờ và lựa chọn thiết bị điều khiển.
- Cơ sở lý thuyết về mờ.
- Lựa chon thiết bị điều khiển.
Chương 3: Thiết kế hệ thống phân loại sản phẩm.
- Sơ đồ cấu trúc và xác định cấu hình I/O.
- Xây dựng thuật toán chương trình.
- Xây dựng chương trình điều khiển S7-400.
Chương 4: Thiết kế giao diện SCADA.
- Xây dựng cấu hình trên Win CC.
- Thiết kế giao diện hệ thống bằng Win CC.
- Kết quả mô phỏng (điều khiển giám sát, thu thập dữ liệu).
Kết luận.
- Kết quả đạt được.
- Hạn chế còn tồn tại.
- Định hướng phát triển tương lại.
Tài liệu tham khảo.
Ngày giao nhiệm vụ: 15/9/2014 Ngày hoàn thành: 15/12/2014
Bảo vệ bằng Slide ( sử dụng phần mềm)
Bình Định, Ngày 29 Tháng 12 Năm 2014
Giảng viên Hướng dẫn Trưởng Bộ môn Trưởng Khoa

2. EBOOKBKMT.COM
MỤC LỤC
LỜI MỞ ĐẦU...............................................................................................1
CHƯƠNG 1
TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM
VÀ ĐIỀU KHIỂN MỜ NƠ-RON.....................................................................2
1.1. TỔNG QUAN VỀ PHÂN LOẠI SẢN PHẨM..................................2
1.1.1. Các phương pháp phân loại sản phẩm.........................................2
1.1.2. Một số dây chuyền phân loại sản phẩm trong công nghiệp........3
1.1.2.1 Máy phân loại bằng X-quang trong chế biến thực phẩm:.....3
1.1.2.2. Máy tách màu gạo: (Seri RB của hãng Meiya)....................5
1.1.2.3 Máy tách kim loại:.................................................................6
1.1.2.4. Dây chuyền tự động hóa phân loại gạch granite:.................7
1.2. GIỚI THIỆU ROBOT CÔNG NGHIỆP............................................8
1.2.1. Quá trình phát triển của robot công nghiệp.................................8
1.2.2. Ứng dụng của robot công nghiệp................................................9
1.2. TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MẠNG MỜ NƠ RON
TRONG NHẬN DẠNG SẢN PHẨM.........................................................12
1.4. ĐỊNH HƯỚNG THỰC HIỆN ĐỀ TÀI............................................15
CHƯƠNG 2:
LÝ THUYẾT VỀ MỜ-NƠ RON
VÀ LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN....................................................17
2.1. CƠ SỞ LÝ THUYẾT VỀ MỜ.........................................................17
2.1.1. Tổng quan về logic mờ..............................................................17
2.1.2. Mờ hóa.......................................................................................18
2.1.3. Các phép toán trên tập mờ........................................................21
2.1.3.1. Phép hợp hai tập mờ...........................................................21
2.1.3.2. Phép giao hai tập mờ..........................................................22
2.1.4. Biến ngôn ngữ và giá trị của biến ngôn ngữ.............................23

3. EBOOKBKMT.COM
2.1.5 Luật hợp thành mờ.....................................................................24
2.1.5.1. Mệnh đề hợp thành.............................................................24
2.1.5.2. Mô tả mệnh đề hợp thành...................................................24
2.1.5.3. Luật hợp thành mờ.............................................................25
2.1.5.4. Các cấu trúc cơ bản của luật hợp thành..............................26
2.1.5.5. Luật hợp thành đơn có cấu trúc SISO................................27
2.1.6. Giải mờ......................................................................................30
2.1.6.1. Phương pháp cực đại..........................................................30
2.1.6.2. Phương pháp điểm trọng tâm.............................................32
2.2. ĐIỀU KHIỂN MỜ............................................................................34
2.2.1.Cấu trúc của bộ điều khiển mờ...................................................34
2.2.1.1. Sơ đồ khối bộ điều khiển mờ..............................................34
2.2.1.2. Phân loại bộ điều khiển mờ................................................35
2.2.1.3. Các bước thiết kế bộ điều khiển mờ...................................36
2.2.2. Bộ điều khiển mờ tĩnh...............................................................38
2.2.2.1 Khái niệm............................................................................38
2.2.2.2. Thuật toán tổng hợp một bộ điều khiển mờ tĩnh................38
2.2.2.3. Tổng hợp bộ điều khiển mờ tuyến tính từng đoạn.............39
2.2.3. Bộ điều khiển mờ động.............................................................40
2.2.3. Hệ điều khiển mờ lai (F-PID)....................................................42
2.2.4. Hệ điều khiển thích nghi mờ.....................................................43
2.3. LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN............................................44
2.3.1. Sơ đồ nguyên lý làm việc..........................................................44
2.3.3. Lựa chọn thiết bị động học........................................................47
2.3.4. Lựa chọn thiết bị cảm biến........................................................49
Chưa hay lắm, chưa đưa ra được phương án cho bài toán của mình, từ lý
thuyết đó xây dựng các phương án cho bài toán cụ thể của đề tài..................52

4. EBOOKBKMT.COM
CHƯƠNG 3:
THIẾT KẾ HỆ THỐNG PHÂN LOẠI SẢN PHẨM......................................52
3.1. CẤU HÌNH VÀO/RA......................................................................53
3.2. XÂY DỰNG SƠ ĐỒ THUẬT TOÁN ĐIỀU KHIỂN.....................54
3.2.1. Sơ đồ thuật toán chương trình chính.........................................54
3.2.3. Sơ đồ thuật toán chương trình con được nhận dạng là động cơ56
3.3. CHƯƠNG TRÌNH ĐIỀU KHIỂN...................................................60
Lập trình..............................................................................................60
CHƯƠNG 4:
THIẾT KẾ HỆ THỐNG SCADA TRÊN WINCC.........................................69
4.1.PHẦN MỀM PLC SIM.....................................................................69
4.2. THIẾT KẾ GIAO DIỆN HỆ THỐNG BẰNG WINCC...................70
KẾT LUẬN.................................................................................................72
TÀI LIỆU THAM KHẢO...........................................................................75

5. EBOOKBKMT.COM
DANH MỤC HÌNH
Hình 1.1. Băng tải phân loại hạt điều............................................................2
Hình 1.2. Máy phân loại bằng X-Quang của hãng Meiya.............................4
Hình 1.3. Máy tách màu gạo seri RB của hãng Meiya..................................5
Hình 1.4. Máy tách kim loại dùng cho nguyên liệu rời.................................7
Hình 1.5. Dây chuyền tự động hóa phân loại gạch granite...........................7
Hình 1.6. Sơ đồ cấu trúc chung của hệ thống cảm biến..............................12
Hình 1.7. Mô phỏng hệ thống điều khiển SVC dùng mờ nơ-ron................13
Hình 1.8. Hệ thống hút tích hợp với cánh tay robot....................................14
Hình 1.9. Mô hình bộ điều khiển mờ nơ-ron...............................................15
Hình 1.10. Sơ đồ nội dung thực hiện...........................................................16
Hình 2.11. Mô tả hàm phụ thuộc μA(x) của tập các số thực từ -5 đến 5....19
Hình 2.12. Mô tả hàm phụ thuộc μB(x) của tập mờ B................................19
Hình 2.13. Độ cao, miền xác định, miền tin cậy của tập mờ......................20
Hình 2.14. Hợp của hai tập mờ có cùng cơ sở............................................21
Hình 2.15. Giao của hai tập mờ có cùng cơ sở............................................22
Hình 2.16. Mờ hóa biến tốc độ....................................................................24
Hình 2.17. Mô tả hàm liên thuộc của luật hợp thành..................................25
Hình 2.18. Rời rạc hóa các hàm liên thuộc.................................................27
Hình 2.19. a, b, c: Các nguyên lý giải mờ theo phương pháp cực đại........31
Hình 2.20.....................................................................................................32

6. EBOOKBKMT.COM
Hình 2.21. Hàm liên thuộc B’ đối với luật hợp thành MAX-PROD...........32
Hình 2.22. Giá trị rõ y’ là hoành độ của điểm trọng tâm............................32
Hình 2.23. So sánh các phương pháp giải mờ.............................................34
Hình 2.24. Các khối chức năng của bộ Điều khiển mờ...............................34
Hình 2.25. a,b,c. Các bộ điều khiển mờ......................................................36
Hình 2.26. Cấu trúc tổng quát một hệ mờ...................................................36
Hình 2.27. Hệ điều khiển mờ theo luật PI...................................................40
Hình 2.28. Hệ điều khiển mờ theo luật PD.................................................41
Hình 2.29. Hệ điều khiển theo luật PID......................................................42
Hình 2.30. Nguyên lý điều khiển mờ lai.....................................................43
Hình 2.31. Cấu trúc phương pháp điều khiển thích nghi trực tiếp..............44
Hình 2.32. Sơ đồ nguyên lý làm việc..........................................................45
Hình 2.33. PLC S7-400...............................................................................47
Hình 2.34. Cân băng tải...............................................................................49
Hình 2.35. Cảm biến quang.........................................................................50
Hình 3.36. Sơ đồ đấu dây............................................................................54
Hình 3.37. Sơ đồ thuật toán chương trình chính.........................................55
Hình 3.38. Sơ đồ thuật toán chương trình con nhận dạng...........................56
Hình 3.39. Sơ đồ thuật toán chương trình con khi sản phẩm là động cơ....59
Hình 3.40. Sơ đồ thuật toán chương trình con sự cố...................................59
Hình 3.41. Chương trình điều khiển............................................................60
Hình 4.42. Biểu tượng PLCSIM..................................................................69
Hình 4.43. Giao diện PLCSIM....................................................................69
Hình 4.44. Các module mô phỏng...............................................................70
Hình 4.45. Thiết lập tag cho wincc.............................................................70
Hình 4.46. Giao diện khi bắt đầu.................................................................71
Hình 4.47. Giao diện mô phỏng..................................................................71

7. EBOOKBKMT.COM
Hình 4.48. Các phím ấn điều khiển.............................................................72
Hình 4.49. Bảng thông báo những thiết bị làm việc....................................72
DANH MỤC BẢNG
Bảng 3.1. Cấu hình vào ra...........................................................................53

8. 1
LỜI MỞ ĐẦU
Fuzzy logic đã trải qua một thời gian dài từ khi lần đầu được quan tâm
trong lĩnh vực kỹ thuật khi được tiến sĩ Lotfi Zadeh định hướng năm 1965. Từ
đó, đề tài đã là sự tập trung của nhiều nghiên cứu của các nhà toán học, khoa
học và kỹ sư ở khắp nơi trên thế giới. Nhưng có lẽ là do ý nghĩa (fuzzy-mờ)
cho nên fuzzy logic đã không được chú ý nhiều ở tại đất nước đã khai sinh ra
nó cho mãi đến thập kỷ cuối (90). Trong những năm gần đây, Nhật Bản đã có
hơn 1000 bằng sáng chế về kỹ thuật fuzzy logic, và họ đã thu được hàng tỉ
USD trong việc bán các sản phẩm có sử dụng kỹ thuật fuzzy ở khắp nơi trên
thế giới.
Trong sự phát triển của khoa học và kỹ thuật, điều khiển tự động đóng vai
trò quan trọng. Lĩnh vực này có mặt khắp mọi nơi, nó có trong các qui trình
công nghệ sản xuất hiện đại và ngay cả trong đời sống hàng ngày. Điều khiển
mờ ra đời với cơ sở lý thuyết là lý thuyết tập mờ (fuzzy set) và logic mờ
(fuzzy logic). Ưu điểm cơ bản của kỹ thuật điều khiển mờ là không cần biết
trước đặc tính của đối tượng một cách chính xác, khác với kỹ thuật điều khiển
kinh điển là hoàn toàn dựa vào thông tin chính xác tuyệt đối mà trong nhiều
ứng dụng là không cần thiết hoặc không thể có được.
Với những ham muốn tìm hiểu một ngành kỹ thuật điều khiển mới mẻ, em
thực hiện nghiên cứu đề tài “THIẾT KẾ HỆ THỐNG PHÂN LOẠI SẢN
PHẨM BẰNG NHẬN DẠNG MỜ” do Thạc sĩ Đỗ Văn Cần hướng dẫn. Vì
thời gian bị hạn chế và cũng do giới hạn về kiến thức nên chắc chắn không
tránh khỏi những hạn chế và thiếu sót. Em mong nhận được sự chỉ dẫn và góp
ý quý báu của các Thầy để đề tài được hoàn thiện hơn.
Quy Nhơn, tháng 12 năm 2014
Sinh viên thực hiện
Lê Anh Tuấn

9. 2
CHƯƠNG 1
TỔNG QUAN VỀ HỆ THỐNG PHÂN LOẠI SẢN PHẨM
VÀ ĐIỀU KHIỂN MỜ NƠ-RON
1.1. TỔNG QUAN VỀ PHÂN LOẠI SẢN PHẨM
Hình 1.1. Băng tải phân loại hạt điều
Đầu tiên ko nên đưa cái này vô mà nên đưa ra mục nghiên cứu ngoài nước
hoặc trong nước
Mà đầu tiên khái quát về phân loại sản phẩm và những nghiên cứu Mờ
trong điểu khiển
1.1.1. Các phương pháp phân loại sản phẩm
- Phân loại theo kích thước: dựa vào kích thước (như lớn hay nhỏ, cao hay
thấp…) của sản phẩm mà phân loại. Phương pháp này thường được ứng dụng
trong các dây chuyền chế biến, xay xát lương thực, thực phẩm như lúa, ngô,
lúa mì, sắn, khoai tây…

10. 3
- Phân loại theo hình dáng: dựa vào hình dáng (tròn, vuông, tam giác…)
của sản phẩm để phân loại. Phương pháp này sử dụng camera chuyên dụng và
một modul xử lý ảnh để nhận dạng hình dáng của sản phẩm. Nó thường ứng
dụng trong các dây chuyền sản xuất hiện đại, công nghệ cao như lắp ráp tự
động (ô tô, điện tử…) nhằm tăng năng suất, giảm chi phí nhân công.
- Phân loại theo trọng lượng: dựa vào trọng lượng của sản phẩm mà phân
loại. Phương pháp này thường dùng thiết bị cân điện tử ngay trên băng tải để
phân loại. Thường gặp nhiều trong chế biến thủy sản (như tôm, cá, mực…).
- Phân loại theo vật liệu: dựa vào loại vật liệu của sản phẩm (như kim loại
hay phi kim) để phân loại. Phương pháp này thường ứng dụng hiện tượng
cảm ứng điện từ để nhận dạng sản phẩm có lẫn kim loại. Nó được ứng dụng
trong các dây chuyền sản xuất thực phẩm như ngũ cốc, thủy sản, bánh kẹo…
- Phân loại theo màu sắc: dựa vào màu sắc của sản phẩm mà phân loại.
Phương pháp này thường sử dụng cảm biến màu sắc hoặc camera để nhận
dạng màu. Được ứng dụng nhiều trong các dây chuyền chế biến gạo xuất
khẩu để phân loại gạo sau khi xay xát dựa vào màu sắc của gạo. Ngoài ra, nó
còn được ứng dụng trong sản xuất vật liệu xây dựng (như gạch ốp lát, vật liệu
trang trí…) nhằm phân loại chính xác màu sắc của sản phẩm.
- Phân loại theo khuyết tật: dựa vào khuyết tật (nứt, rỗ, bọt khí…) của sản
phẩm. Phương pháp này thường sử dụng sóng siêu âm, dòng Foucault (chỉ
dùng đối với vật liệu mỏng), X-Ray… Phương pháp trên được ứng dụng
nhiều trong ngành sản xuất các vật liệu đúc như đồng, nhôm, sứ…
1.1.2. Một số dây chuyền phân loại sản phẩm trong công nghiệp
1.1.2.1 Máy phân loại bằng X-quang trong chế biến thực phẩm:
Nguyên lý làm việc:
Thực phẩm được đưa qua máy chụp X-quang, mật độ và số lượng nguyên
tử càng cao, tỷ lệ hấp thụ càng cao, do đó bộ phận cảm ứng sẽ bắt điểm thu
nhận tín hiệu từ nhiều nguồn màu sắc khác nhau. Thành phần bên trong của

11. 4
nguyên liệu là protein, carbohydrate và chất béo,với tỷ lệ hấp thụ rất khác
nhau với đối tượng là kim loại hoặc đá.
Đặc trưng chính:
- Modul thu nhận dữ liệu độ nét cao kết hợp cùng công nghệ cổng giao tiếp
USB 2.0 tốc độ cao và chức năng giám sát tiến trình bằng hình ảnh XPE
nhằm đảm bảo sự vận hành ổn định và đáng tin cậy của thiết bị.
Hình 1.2. Máy phân loại bằng X-Quang của hãng Meiya
- Máy phân loại bằng X-quang trong chế biến thực phẩm sử dụng màn hình
độ chính xác cao và giao diện thân thiện nhằm đem đến sự đơn giản trong vận
hành thiết bị.
- Công nghệ xử lý bằng hình ảnh ưu việt và độc đáo, cộng thêm vào đó là
bộ phận nhận biết sự có mặt của tạp chất lạ (nhận dạng được kim loại, mảnh
sành sứ, gạch, xương và nhựa cứng), bộ phận cảnh báo tạp phẩm (nhận biết
sản phẩm hỏng hoặc lỗi), thiết đặt bảo vệ (hiệu quả bảo vệ ở cả 2 đầu của
băng chuyền) và nhiều chức năng khác.
- Có tất cả các loại thiết bị bơm đầu ra, nhận ra các yêu cầu chỉ thị đặc biệt.
- Chỉ thị quang học, thiết bị bảo vệ ngoại biên phức hợp.
Lĩnh vực ứng dụng:
Máy phân loại bằng X-quang có thể ngăn ngừa các tạp chất lạ mặt có tính
chất cứng (như kim loại, đá và nhựa) từ mẻ nguyên liệu lớn (ngũ cốc, trái cây,

12. 5
và rau dehydrat hóa); vỏ hải sản, đá sỏi, kim loại bên trong đồ biển, nhựa và
kim loại bên trong đồ hộp và đóng gói sẵn.
1.1.2.2. Máy tách màu gạo: (Seri RB của hãng Meiya)
Giới thiệu công nghệ:
Dựa trên cấu trúc nhiều modul song song, máy tách màu gạo tích hợp cảm
biến camera kỹ thuật số tiên tiến CCD, cabin tách màu quang học ưu việt, bộ
phận tách nguyên liệu tốc độ cao, thuật toán điều khiển tần số video tức thời
và giao thức truyền tín hiệu đáng tin cậy. Chỉ số phân tách vì thế mà được
nâng cao rõ rệt.
Màn hình hiển thị cảm ứng đem lại giao diện thân thiện với khả năng cung
cấp đầy đủ thông tin.
Không chỉ cung ứng các tính năng thông thường, máy tách màu gạo còn có
nhiều tính năng nổi bật khác.
Hình 1.3. Máy tách màu gạo seri RB của hãng Meiya
Đặc trưng chính:
Máng nạp liệu phẳng, dốc, hệ thống vận hành tích hợp và xử lý số tốc độ
cao đem lại kết quả phân tách tốt cùng tuổi thọ lâu bền cho thiết bị.

13. 6
Khả năng tính toán đa kích cỡ, tổ hợp nhiều thuật toán đem lại một hệ
thống vận hành thông minh.
Hệ thống quang học đặc biệt, chế độ tách màu linh hoạt cho nhiều nguyên
liệu thô khác nhau và mục đích loại bỏ phế phẩm khác nhau, những ưu điểm
này đem lại cho thiết bị khả năng đặc biệt để tiến hành tách màu đồng thời
cho hạt vàng và hạt trắng sữa với hiệu quả đạt được thật đáng kinh ngạc.
Hệ thống vận hành tích hợp cung cấp một giao diện thân thiện, vận hành
máy đơn giản.
Cảm biến độ nhạy cao và thuật toán đặc biệt giúp loại bỏ có hiệu quả
những hạt gạo bẩn, không đạt chất lượng.
1.1.2.3 Máy tách kim loại:
Tính năng của máy:
Khi nguyên liệu được chảy qua ống kiểm tra của máy, máy sẽ tự động kiểm
tra, phát hiện các mẫu kim loại nhỏ lẫn trong nguyên liệu, sau đó máy tự động
kích hoạt van gạt và tự động tách phần nguyên liệu có hạt kim loại đó ra một
cửa xả khác.
Máy có khả năng phát hiện hạt kim loại rất nhỏ, phát hiện cả các kim loại
như inox, đồng, nhôm...
Đặc trưng chính:
- Máy được chế tạo toàn bộ bằng thép không gỉ.
- Trang bị hệ thống điện tử tiên tiến, thiết kế cơ khí chuẩn xác.
- Công nghệ Two channel DSP. Tăng khả năng phát hiện kim loại.
- Tín hiệu kỹ thuật số mạch vòng. Sử dụng dễ dàng.
- Thiết kế dễ dàng tháo lắp.

14. 7
Hình 1.4. Máy tách kim loại dùng cho nguyên liệu rời
- Khả năng máy phát hiện được các kim loại: mảnh sắt, mảnh inox, đồng...
- Màn hình hiển thị tinh thể lỏng LCD. Giao diện tiếng Anh.
Ứng dụng: Máy tách kim loại chuyên dùng trong tách các mảnh kim loại
nhỏ trong nguyên liệu các ngành công nghiệp thực phẩm, dược phẩm, nhựa...
1.1.2.4. Dây chuyền tự động hóa phân loại gạch granite:
Dây chuyền do Viện Tự động hóa kỹ thuật quân sự nghiên cứu và chế tạo.
Hình 1.5. Dây chuyền tự động hóa phân loại gạch granite
Hệ thống gồm 3 phần:

15. 8
Phần thứ nhất là khối xử lý nhận dạng và ra quyết định, gồm một hệ thống
camera và đèn chiếu sáng chuyên dụng được đặt trong một hộp đen gá trên
băng chuyền gạch. Khi viên gạch đi qua hộp đen, hệ thống camera thu nhận
hình ảnh bề mặt viên gạch và chuyển cho phần mềm nhận dạng và phân loại.
Phần mềm này sẽ thực hiện nhận dạng và ra quyết định viên gạch thuộc loại
chất lượng nào.
Phần tiếp theo là khối xử lý tín hiệu hỏi đáp, điều khiển và giao tiếp giữa
người và máy, gồm bàn phím, màn hình và các nút điều khiển.
Phần cuối cùng là khối cơ cấu cơ khí chấp hành, là một băng chuyền dọc,
có khe được đặt nối tiếp theo băng chuyền gạch của nhà sản xuất. Trên băng
chuyền có 5 vị trí phân loại ứng với 5 mẫu gạch. Khi bộ xử lý nhận dạng và ra
quyết định gạch thuộc loại chất lượng nào, viên gạch tiếp tục được chuyển
qua băng chuyền có khe, qua tay máy sẽ hút giữ để chuyển xuống băng tải
loại đó.
Ở trên là một số dây chuyền phân loại sản phẩm hiện nay, nhưng những sản
phẩm trên có trọng lượng rất nhẹ và khoảng cách di chuyển sản phẩm không
xa. Vì vậy không thể áp dụng đối với một số sản phẩm cơ khí trong công
nghiệp được, ví dụ như nhà máy sản xuất ô tô…, Vậy nên ta phải sử dụng đến
những cánh tay robot để dễ dàng trong việc chấp hành chuyển sản phẩm có
trọng lượng lớn và khoảng cách di chuyển tương đối xa nhằm giảm chi phí
cũng như sức lao động con người. Để hiểu rõ về khả năng làm việc của những
cánh tay robot cũng như một số ứng dụng của nó trong công nghiệp thì em
xin trình bày sơ qua robot công nghiệp ở mục 1.2 sau.
1.2. GIỚI THIỆU ROBOT CÔNG NGHIỆP
1.2.1. Quá trình phát triển của robot công nghiệp
Cùng với sự phát triển của khoa học công nghệ robot ngày nay được ứng
dụng rộng rãi trong các lĩnh vực của đời sống xã hội. Thuật ngữ robot xuất
phát từ tiếng Séc (Czech) “Robota” có nghĩa là công việc tạp dịch trong vở
kịch Romssum's Universal Robots của Karel Capek vào năm 1921. Trong vở
kịch Rossum và con trai của ông đã chế tạo ra những chiếc máy gần giống

16. 9
con người để phục vụ con người. Có lẽ đó là một gợi ý ban đầu cho các nhà
sáng chế kỹ thuật về những cơ cấu, máy móc bắt chước các hoạt động cơ bắp
của con người.
Đầu thập kỷ 60, công ty Mỹ AMF (American Machine and Foundy
Company) quảng cáo một loại máy tự động vạn năng và gọi là "Người máy
công nghiệp" (Industrial Robot). Ngày nay người ta đã đặt tên người máy
công nghiệp cho những loại thiết bị có dáng dấp và một vài chức năng như
tay người được điều khiển tự động để thực hiện một số thao tác sản xuất. Về
mặt kỹ thuật, những robot công nghiệp ngày nay có nguồn gốc từ hai lĩnh vực
kỹ thuật ra đời sớm hơn đó là các cơ cấu điều khiển từ xa (Teleoperators) và
các máy công cụ điều khiển số. Dưới đây chúng ta sẽ điểm qua một số thời
điểm lịch sử phát triển của người máy công nghiệp. Một trong những robot
công nghiệp đầu tiên được chế tạo là robot Versatran của công ty AMF, Mỹ.
Cũng vào khoảng thời gian này ở Mỹ xuất hiện loại robot Unimate -1900
được dùng đầu tiên trong kỹ nghệ ô tô. Tiếp theo Mỹ, các nước khác bắt đầu
sản xuất robot công nghiệp: Anh -1967, Thụy Điển và Nhật - 1968 theo bản
quyền của Mỹ, CHLB Đức - 1971, Pháp -1972, … Tính năng làm việc của
robot ngày càng được nâng cao nhất là khả năng nhận biết và xử lý. Năm
1967 trường Đại học Tổng hợp Stanford (Mỹ) đã chế tạo ra mẫu robot hoạt
động theo mô hình mắt-tay, có khả năng định hướng và nhận biết bàn kẹp
theo vị trí vật kẹp nhờ các cảm biến. Năm 1974 công ty Mỹ Cincinnati đưa ra
loại robot được điều khiển bằng máy vi tính gọi là robot T3 (The Tomorrow).
Robot này có khả năng nâng được vật có khối lượng lên đến 40kg. Có thể nói
Robot là sự tổ hợp khả năng hoạt động linh hoạt của cơ cấu điều khiển từ xa
với mức độ tri thức ngày càng phong phú của hệ thống điều khiển theo
chương trình số cũng như kỹ thuật chế tạo các bộ cảm biến, công nghệ lập
trình và các phát triển của trí không nhân tạo, hệ chuyên gia… Trong những
năm sau này việc nâng cao tính năng hoạt động của robot không ngừng được
phát triển cùng với những thành tựu to lớn trong lĩnh vực Tin học- Điện tử.
1.2.2. Ứng dụng của robot công nghiệp

17. 10
Robot được sử dụng rộng rãi trong nhiều ngành công nghiệp khác nhau. Ví
dụ: Vận chuyển, bốc dỡ vật liệu, gia công, lắp ráp thăm dò…
- Ứng dụng trong vận chuyển và bốc dỡ vật liệu: Robot có nhiệm vụ di
chuyển đối tượng từ vị trí này đến vị trí khác. Nhiệm vụ này được thực hiện
bởi thao tác nhặt và đặt vật thể. Robot nhặt chi tiết ở một vị trí và chuyển dời
đến một vị trí khác. Robot có khả năng bốc xếp các chi tiết có hình dạng và
kích thước khác nhau nhờ các thông tin chuẩn về chi tiết lưu trữ trong bộ nhớ
và robot sử dụng các cảm biến để nhận dạng các chi tiết thực.
- Ứng dụng trong lĩnh vực gia công vật liệu: robot thực hiện như một máy
gia công. Do đó tay robot sẽ gắn một dụng cụ thay cho một cơ cấu kẹp. Ứng
dụng của robot trong công nghiệp gia công vật liệu bao gồm các công nghệ
sau: Hàn điểm, hàn hồ quang liên tục, sơn phủ, công nghệ gia công kim
loại…
- Ứng dụng robot trong lắp ráp và kiểm tra sản phẩm: Robot được sử dụng
trong dây chuyền lắp ráp thông thường ở bốn dạng sau: lắp chi tiết vào lỗ, lắp
lỗ vào chi tiết, lắp chi tiết nhiều chân vào lỗ và lắp ngăn xếp. Robot cũng
được sử dụng trong công đoạn thử nghiệm và kiểm tra đó là máy đo tọa độ
CMM - để kiểm tra kích thước, vị trí và hình dạng của các chi tiết máy hoặc
các bộ phận cơ khí.
Ngoài ra robot được sử dụng trong việc khai thác thềm lục địa và đại
dương, trong y học, sử dụng trong quốc phòng, trong chinh phục vũ trụ, trong
công nghiệp nguyên tử….
Từ khi mới ra đời robot công nghiệp được áp dụng trong nhiều lĩnh vực
dưới góc độ thay thế sức người. Nhờ vậy các dây chuyền sản xuất được tổ
chức lại, năng suất và hiệu quả ngày càng cao.
Mục tiêu ứng dụng robot công nghiệp nhằm góp phần nâng cao năng suất
dây chuyền công nghệ, giảm giá thành, nâng cao chất lượng và khả năng cạnh
tranh của sản phẩm đồng thời cải thiện điều kiện lao động. Đạt được mục tiêu
trên là nhờ vào những khả năng to lớn của robot như: làm việc không biết mệt
mỏi, môi trường độc hại, nhiệt độ khắc nghiệt…nhưng đem lại hiệu quả kinh

18. 11
tế cao hoặc thực hiện các công việc nặng nhọc nhưng đơn điệu, dễ gây mệt
mỏi, nhầm lẫn. Ở Mỹ đã xuất hiện một loại công nhân mới, loại công nhân
này không tham gia vào các tổ chức xã hội nhưng có khả năng làm việc
24/24h, không quan tâm đến tiền lương, tiền thưởng, lương hưu, không quan
tâm đến môi trường làm việc…
Chính vì vậy vai trò của robot có ý nghĩa hết sức quan trọng . Một mặt tạo
ra một năng suất và chất lượng lao động ngày càng cao mặt khác nó còn phục
vụ đắc lực các hoạt động của con người. Tuy nhiên nhược điểm của robot là
chưa linh hoạt như con người trong dây chuyền tự động nếu có một robot bị
hỏng có thể làm ngừng hoạt động của cả dây chuyền cho nên robot hoạt động
vẫn luôn luôn dưới sự giám sát của con người Từ những phân tích trên đây ta
thấy robot đảm nhiệm vai trò rất quan trọng và việc xác định vị trí của đối
tượng là rất cần thiết.
Hạn chế các khoảng trống như thế này

19. 12
Hình 1.6. Sơ đồ cấu trúc chung của hệ thống cảm biến
1.2. TÌNH HÌNH NGHIÊN CỨU ỨNG DỤNG MẠNG MỜ NƠ RON
TRONG NHẬN DẠNG SẢN PHẨM
Lý thuyết tập mờ và mạng nơ-ron ra đời muộn hơn cả song nó cũng đã
khẳng định được ưu thế và khả năng ứng dụng trong nhiều lĩnh vực đặc biệt là
lĩnh vực điều khiển đòi hỏi chất lượng cao. Có được điều đó là do lý thuyết
mờ, mạng nơ-ron được kết hợp khi ứng dụng vào kỹ thuật điều khiển có nhiều
ưu điểm nổi trội bởi tính linh hoạt trong xử lý, mềm dẻo trong khả năng ứng
dụng. Hiện nay sự phát triển của hệ nơ-ron mờ vẫn tiếp tục phát triển mạnh
mẽ và nhận được sự quan tâm của rất nhiều nhà khoa học.
Sau đây là một số công trình nghiên cứu của các nhà khoa học về ứng dụng
của hệ thống điều khiển dùng nơ-ron mờ ở trong nước và trên thế giới.
Ứng dụng mạng nơ-ron để điều khiển bộ bù tĩnh
Đoàn Quang Vinh, Trần Đình Tân-Khoa điện, trường Đại học Bách Khoa,
Đại học Đà Nẵng [6].

20. 13
Hình 1.7. Mô phỏng hệ thống điều khiển SVC dùng mờ nơ-ron
Ứng dụng mạng mờ nơ-ron để xác định độ hút mong muốn (phụ thuộc vào
dữ liệu thu thập từ thực nghiệm và các đặc tính của máy) – Nikos et al (1999)
Một bộ điều khiển van chuyên gia sau đó được thiết kế để tạo ra, điều
chỉnh và duy trì lượng hút được tính toán bởi modul hút mờ nơ-ron. Đặc tính
của toàn bộ hệ thống điều khiển độ hút được so sánh với các kết quả thực

21. 14
nghiệm đạt được khi sử dụng hệ thống kẹp mẫu để thực hiện với vật liệu
mềm. [9]
Hình 1.8. Hệ thống hút tích hợp với cánh tay robot
Ứng dụng mạng mờ nơ-ron cho việc điều khiển nhiệt độ dùng quang phổ
dạng TSK – Cheng Chen Lee (2006)
Mô hình này có cấu trúc 5 lớp kết hợp với bộ TSK (Takagi Sugeno Kang)
truyền thống. Lớp 2 của mô hình mạng mờ nơ-ron quang phổ dạng TSK chứa
các hàm chức năng kích hoạt nhiều lớp thành phần quang phổ. Mỗi hàm thành
phần được tạo thành từ tổng các hàm xích ma dịch chuyển bởi các khoảng
chuyển tiếp quang phổ. Một thuật toán học tự hình thành chứa thuật toàn tự
tập hợp (self-clustering algorithm) và thuật toán phản hồi cũng được đưa ra.
Thuật toán tự tập hợp nhanh cho ước tính động các tập hợp trong không gian
dữ liệu đầu vào. Thuật toán phản hồi được sử dụng để điều chỉnh các thông
số. [10]
Ứng dụng mạng nơ-ron điều khiển thích nghi các hàm thành phần mờ và
tối ưu hóa động học các luật mờ ngôn ngữ cho hệ thống điều khiển dao động
– Yang Tung Liu (2005)

22. 15
Cấu trúc của một mạng thuận 5 lớp được chỉ ra để xác định các luật logic
mờ chính xác của hệ thống, điều chỉnh tối ưu các thông số (theo từng vùng)
của các thành phần và thực hiện chính xác can thiệp mờ.[11]
Hình 1.9. Mô hình bộ điều khiển mờ nơ-ron
1.4. ĐỊNH HƯỚNG THỰC HIỆN ĐỀ TÀI
Quá trình di chuyển và phân loại vật từ vị trí sản xuất đến các kho chứa
là rất khó khăn cho con người. Ngay cả khi có sự can thiệp của máy móc hay
các thiết bị nhận dạng đơn giản thì không thể phân loại sản phẩm một cách
chính xác được. Chính vì lý do đó, mà em quyết định tìm hiểu và thực hiện đề
tài ứng dụng hệ nhận dạng mờ để nhận dạng sản phẩm và sử dụng cánh tay
robot công nghiệp để phân loại và chuyển vật từ vị trí sản xuất đến kho chứa
một cách dễ dàng và chính xác nhất.
Đề tài thực hiện sẽ đề cập đến hệ thống phân loại sản phẩm cơ khí của
nhà máy lắp ráp ô tô. Ứng dụng hệ nhận dạng mờ nơ ron để nhận biết và
truyền tín hiệu đến bộ phận điều khiển, bộ phận điều khiển sẽ ra lệnh điều
khiển cánh tay robot thực hiện dịch chuyển sản phẩm đến đúng nơi như người
lập trình đưa ra. Sản phẩm phân loại trong đề tài gồm: Khung xe, lốp xe, nắp
sau xe, động cơ xe… vào đúng vị trí đã quy định.

23. 16
Hình 1.10. Sơ đồ nội dung thực hiện

24. 17
CHƯƠNG 2:
LÝ THUYẾT VỀ MỜ-NƠ RON
VÀ LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN
2.1. CƠ SỞ LÝ THUYẾT VỀ MỜ
2.1.1. Tổng quan về logic mờ
Quá trình phát triển của lôgic mờ
Từ năm 1965 đã ra đời một lý thuyết mới đó là lý thuyết tập mờ (Fuzzy
set theory) do giáo sư Lofti A. Zadeh ở trường đại học Califonia - Mỹ đưa ra.
Từ khi lý thuyết đó ra đời nó được phát triển mạnh mẽ qua các công trình
khoa học của các nhà khoa học như: Năm 1972 GS Terano và Asai thiết lập ra
cơ sở nghiên cứu hệ thống điều khiển mờ ở Nhật, năm 1980 hãng Smith Co.
bắt đầu nghiên cứu điều khiển mờ cho lò hơi... Những năm đầu thập kỷ 90
cho đến nay hệ thống điều khiển mờ và mạng nơron (Fuzzy system and neural
network) được các nhà khoa học, các kỹ sư và sinh viên trong mọi lĩnh vực
khoa học kỹ thuật đặc biệt quan tâm và ứng dụng trong sản xuất và đời sống.
Tập mờ và lôgic mờ đã dựa trên các thông tin "không đầy đủ, về đối tượng để
điều khiển đầy đủ về đối tượng một cách chính xác. Các công ty của Nhật bắt
đầu dùng lôgic mờ vào kỹ thuật điều khiển từ năm 1980. Nhưng do các phần
cứng chuẩn tính toán theo giải thuật lôgic mờ rất kém nên hầu hết các ứng
dụng đều dùng các phần cứng chuyên về lôgic mờ. Một trong những ứng
dụng dùng lôgic mờ đầu tiên tại đây là nhà máy xử lý nước của Fuji Electric
vào năm 1983, hệ thống xe điện ngầm của Hitachi vào năm 1987.
Cơ sở toán học của lôgic mờ
Lôgic mờ và xác suất thống kê đều nói về sự không chắc chắn. Tuy nhiên
mỗi lĩnh vực định nghĩa một khái niệm khác nhau về đối tượng. Trong xác
suất thống kê sự không chắc chắn liên quan đến sự xuất hiện của một sự kiện
chắc chắn" nào đó.
Ví dụ: Xác suất viên đạn trúng đích là 0.

25. 18
Bản thân của sự kiện "trúng đích" đã được định nghĩa rõ ràng, sự không
chắc chắn ở đây là có trúng đích hay không và được định lượng bởi mức độ
xác suất (trong trường hợp này là 0,8). Loại phát biểu này có thể được xử lý
và kết hợp với các phát biểu khác bằng phương pháp thống kê, như là xác suất
có điều kiện chẳng hạn.
Sự không chắc chắn trong ngữ nghĩa, liên quan đến ngôn ngữ của con
người, đó là sự không chính xác trong các từ ngữ mà con người dùng để ước
lượng vấn đề và rút ra kết luận. Ví dụ như các từ mô tả nhiệt độ "nóng",
"lạnh", "ấm"sẽ không có một giá trị chính xác nào để gán cho các từ này, các
khái niệm này cũng khác nhau đối với những người khác nhau (là lạnh đối với
người này nhưng không lạnh đối với người khác). Mặc dù các khái niệm
không được định nghĩa chính xác nhưng con người vẫn có thể sử dụng chúng
cho các ước lượng và quyết định phức tạp. Bằng sự trừu tượng và óc suy
nghĩ, con người có thể giải quyết câu nói mang ngữ cảnh phức tạp mà rất khó
có thể mô hình bởi toán học chính xác.
Sự không chắc chắn theo ngữ vựng: Như đã nói trên, mặc dù dùng những
phát biểu không mang tính định lượng nhưng con người vẫn có thể thành
công trong các ước lượng phức tạp. Trong nhiều trường hợp, con người dùng
sự không chắc chắn này để tăng thêm độ linh hoạt. Như trong hầu hết xã hội,
hệ thống luật pháp bao gồm một số luật, mỗi luật mô tả một tình huống. Ví dụ
một luật quy định tội trộm xe phải bị tù 2 năm, một luật khác lại giảm nhẹ
trách nhiệm. Và trong một phiên tòa, chánh án phải quyết định số ngày phạt
tù của tên trộm dựa trên mức độ rượu trong người, trước đây có tiền án hay
tiền sự không,... từ đó kết hợp lại đưa ra một quyết định công bằng.
2.1.2. Mờ hóa
Tập kinh điển
Khái niệm tập hợp được hình thành trên nền tảng lôgic và được định nghĩa
như là sự sắp xếp chung các đối tượng có cùng tính chất, được gọi là phần tử
của tập hợp đó.

26. 19
Cho một tập hợp A, một phần tử x thuộc A được ký hiệu: x ∈ A. Thông
thường ta dùng hai cách để biểu diễn tập hợp kinh điển, đó là:
Liệt kê các phần tử của tập hợp, ví dụ tập A1 = {xe đạp, xe máy, xe ca, xe
tải};
- Biểu diễn tập hợp thông qua tính chất tổng quát của các phần tử, ví dụ:
tập các số thực (R), tập các số tự nhiên (N).
Để biểu diễn một tập hợp A trên tập nền X, ta dùng hàm thuộc μA(x),
với:
Ký hiệu ={x X∈ │x thỏa mãn 1 số tính chất nào đó}. Ta nói: Tập A được
định nghĩa tên tập nền X. A = {x∈R|5 ≤ x ≤ 5}
Hình 2.11. Mô tả hàm phụ thuộc μA(x) của tập các số thực từ -5 đến 5
Định nghĩa tập mờ
Trong khái niệm tập hợp kinh điển hàm phụ thuộc μA(x) của tập A, chỉ có
một trong hai giá trị là "1" nếu x∈A hoặc "0" nếu x A∉ .
Cách biểu diễn hàm phụ thuộc như trên sẽ không phù hợp với những tập
được mô tả "mờ" như tập B gồm các số thực gần bằng 5:
Hình 2.12. Mô tả hàm phụ thuộc μB(x) của tập mờ B

27. 20
B = {x∈R| x ≈ 5}. Khi đó ta không thể khẳng định chắc chắn số 4 có thuộc
B hay không? mà chỉ có thể nói nó thuộc B bao nhiêu phần trăm. Để trả lời
được câu hỏi này, ta phải coi hàm phụ thuộc μB(x) có giá trị trong khoảng từ
0 đến 1 tức là: 0 ≤ μB(x) ≤ 1.
Từ phân tích trên ta có định nghĩa: Tập mờ B xác định trên tập kinh điển M
là một tập mà một phần tử của nó được biểu diễn bởi một cặp giá trị
(x,μB(x)). Trong đó x ∈M và μB(x) là ánh xạ.
Ánh xạ μB(x) được gọi là hàm liên thuộc của tập mờ B. Tập kinh điển M
được gọi là cơ sở của tập mờ B.
Các thông số đặc trưng cho tập mờ
Các thông số đặc trưng cho tập mờ là độ cao, miền xác định và miền tin
cậy.
Hình 2.13. Độ cao, miền xác định, miền tin cậy của tập mờ
+ Độ cao của một tập mờ B (Định nghĩa trên cơ sở M) là giá trị lớn nhất
trong các giá trị của hàm liên thuộc: x M
H SUP B(x)
∈
= µ
Một tập mờ có ít nhất một phần tử có độ phụ thuộc bằng 1 được gọi là tập
mờ chính tắc (H = 1). Ngược lại, một tập mờ B với H < 1 gọi là tập mờ không
chính tắc.
+ Miền xác định của tập mờ B (Định nghĩa trên cơ sở M) được ký hiệu bởi
S là tập con của M có giá trị hàm liên thuộc khác không:
S = {x ∈M| μB(x) > 0}.

28. 21
+ Miền tin cậy của tập mờ B (định nghĩa trên cơ sở M) được ký hiệu bởi
T, là tập con của M có giá trị hàm liên thuộc bằng 1:
T= {x ∈M| μB(X) = 1}.
2.1.3. Các phép toán trên tập mờ
2.1.3.1. Phép hợp hai tập mờ
a/ Hợp của hai lập mờ có cùng cơ sở
Hình 2.14. Hợp của hai tập mờ có cùng cơ sở
Theo quy tắc Max (a), theo Lukesiewwiez (b)
Hợp của hai tập mờ A và B có cùng cơ sở M là một tập mờ cùng xác định
trên cơ sở M với hàm liên thuộc được xác định theo một trong các công thức
sau:
Chú ý: Có nhiều công thức khác nhau được dùng để tính hàm liên thuộc
μA∪B(x) của hai tập mờ. Song trong kỹ thuật điều khiển mờ ta chủ yếu dùng
2 công thức hợp, đó là lấy Max và phép hợp Lukasiewiez.
b/ Hợp hai tập mờ khác cơ sở
Để thực hiện phép hợp 2 tập mờ khác cơ sở, về nguyên tắc ta phải đưa
chúng về cùng một cơ sở. Xét tập mờ A với hàm liên thuộc μA(x) được định

29. 22
nghĩa trên cơ sở M và B với hàm liên thuộc μB(x) được định nghĩa trên cơ sở
N, hợp của 2 tập mờ A và B là một tập mờ xác định trên cơ sở MxN với hàm
liên thuộc: μA ∪ B(x, y) = Max {μA(x, y), μB(x, y)}
Với μA(x, y) = μA(x) với mọi y ∈N và μB(x, y) = μB(y) với mọi x ∈ M.
2.1.3.2. Phép giao hai tập mờ
a/ Giao hai tập mờ cùng cơ sở
Hình 2.15. Giao của hai tập mờ có cùng cơ sở
Theo quy tắc Min (a), theo tích đại số (b)
Giao của hai tập mờ A và B có cùng cơ sở M là một tập mờ cũng xác định
trên cơ sở M với hàm liên thuộc μA ∩ B(x) được tính:
Cũng giống như trong phép hợp, trong kỹ thuật điều khiển chủ yếu ta sử
dụng công thức 1 và công thức 2 để thực hiện phép giao 2 tập mờ.
b/ Giao hai tập mờ khác cơ sở
Để thực hiện phép giao 2 tập mờ khác cơ sở, ta cần phải đưa về cùng cơ sở.
Khi đó, giao của tập mờ A có hàm liên thuộc μA(x) định nghĩa trên cơ sở M
với tập mờ B có hàm liên thuộc μB(x) định nghĩa trên cơ sở N là một tập mờ
xác định trên cơ sở M x N có hàm liên thuộc được tính:

30. 23
μA ∩ B(x, y) = MIN{μA(x, y), μB(x, y)}
Trong đó: μA(x, y) = μA(x) với mọi y ∈N và μB(x, y) = μB(x) với mọi
x∈M.
2.1.4. Biến ngôn ngữ và giá trị của biến ngôn ngữ
Thực tế hàng ngày chúng ta luôn dùng các từ ngữ, lời nói để mô tả các
biến. Ví dụ khi ta nói: "Điện áp cao quá", "xe chạy nhanh quá",... như vậy
biến "Điện áp", biến "Tốc độ xe",... nhận các giá trị từ "nhanh" đến "chậm",
từ "cao" đến "thấp". Ở dạng tường minh, các biến này nhận các giá trị cụ thể
(rõ) như điện áp bằng 200 V, 250 V...; tốc độ xe bằng 60 km/h, 90 km/h... Khi
các biến nhận các giá trị không rõ ràng như "cao", "rất cao" "nhanh", "hơi
nhanh"... ta không thể dùng các giá trị rõ để mô tả được mà phải sử dụng một
số khái niệm mới để mô tả gọi là biến ngôn ngữ.
Mộ biến có thể gán bởi các từ trong ngôn ngữ tự nhiên làm giá trị của nó
gọi là biến ngôn ngữ.
Một biến ngôn ngữ thường bao gồm 4 thông số: X, T, U, M. Với:
+ X: Tên của biến ngôn ngữ;
+ T: Tập của các giá trị ngôn ngữ;
+ U: Không gian nền mà trên đó biến ngôn ngữ X nhận các giá trị rõ;
+ M: Chỉ ra sự phân bố của T trên U.
Ví dụ: Biến ngôn ngữ "Tốc độ xe" có tập các giá trị ngôn ngữ là rất chậm,
chậm, trung bình, nhanh, rất nhanh, không gian nền của biến là tập các số
thực dương. Vậy biến tốc độ xe có 2 miền giá trị khác nhau:
- Miền các giá trị ngôn ngữ N = [rất chậm, chậm, trung bình, nhanh, rất
nhanh].
- Miền các giá trị vật lý V = {x∈R (x≥0)}.
Mỗi giá trị ngôn ngữ (mỗi phần tử của Ni có tập nền là miền giá trị vật lý
V. Từ một giá trị vật lý của biến ngôn ngữ ta có được một véctơ μ gồm các độ
phụ thuộc của x:
X → μT
=[μrất chậm μchậm μtrung bình μnhanh μrất nhanh]

31. 24
Ánh xạ trên được gọi là quá trình fuzzy hoá giá trị rõ x.
Ví dụ: ứng với tốc độ 50 km/h ta có:
Hình 2.16. Mờ hóa biến tốc độ
2.1.5 Luật hợp thành mờ
2.1.5.1. Mệnh đề hợp thành
Xét hai biến ngôn ngữ χ và γ; Biến χ nhận giá trị (mờ) A có hàm liên thuộc
μA(x) và γ nhận giá trị (mờ) B có hàm liên thuộc μB(x) thì hai biểu thức:
χ = A; γ = B được gọi là hai mệnh đề.
Luật Điều khiển: nếu χ = A thì γ = B được gọi là mệnh đề hợp thành.Trong
đó χ = A gọi là mệnh đề điều kiện và γ = B gọi là mệnh đề kết luận. Một
mệnh đề hợp thành có thể có nhiều mệnh đề điều kiện và nhiều mệnh đề kết
luận, các mệnh đề liên kết với nhau bằng toán tử "và". Dựa vào số mệnh đề
điều kiện và số mệnh đề kết luận trong một mệnh đề hợp thành mà ta phân
chúng thành các cấu trúc khác nhau:
- Cấu trúc SISO (một vào, một ra): Chỉ có một mệnh đề điều kiện và một
mệnh đề kết luận. Ví dụ: nếu χ = A thì γ = B.
- Cấu trúc MISO (Nhiều vào, một ra): Có từ 2 mệnh đề điều kiện trở lên và
một mệnh đề kết luận. Ví dụ: nếu χ1 = A1 và χ2 = A2 thì γ = B.
- Cấu trúc MIMO (Nhiều vào, nhiều ra): Có ít nhất 2 mệnh đề điều kiện và
2 mệnh đề kết luận. Ví dụ: nếu χ1 = A1 và χ2 = A2 thì γ1 = B1 và γ2 = B2
2.1.5.2. Mô tả mệnh đề hợp thành
Xét mệnh đề hợp thành: nếu χ = A thì γ - B; Từ một giá trị x0 có độ phụ
thuộc μA(x0) đối với tập mờ A của mệnh đề điều kiện, ta xác định được độ
thỏa mãn mệnh đề kết luận. Biểu diễn độ thỏa mãn của mệnh đề kết luận như

32. 25
một tập mờ B’ cùng cơ sở với B thì mệnh đề hợp thành chính là ánh xạ:
μA(x0) → μB(y).
Ánh xạ này chỉ ra rằng mệnh đề hợp thành là một tập mà mỗi phần tử là
một giá trị (μA(x0), μB’(y)) tức là mỗi phần tử là một tập mờ. Mô tả mệnh đề
hợp thành tức là mô tả ánh xạ trên. Ánh xạ (μA(x0), μB’(y)) được gọi là hàm
liên thuộc của luật hợp thành. Để xây dựng μB’(y) đã có rất nhiều ý kiến khác
nhau. Trong kỹ thuật điều khiển ta thường sử dụng nguyên tắc của Mamdani
"Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc của điều
kiện"? Từ nguyên tắc đó ta có hai công thức xác định hàm liên thuộc cho
mệnh đề hợp thành A => B:
1. Công thức MIN: μA=>B(x, y) = MIN{μA(x), μB(y)}
2. Công thức PROD: μA=>B(x, y) = μA(x)μB(xy)
2.1.5.3. Luật hợp thành mờ
Luật hợp thành là tên chung gọi mô hình R biểu diễn (một hay nhiều) hàm
liên thuộc μA=>B(x, y) cho (một hay nhiều) mệnh đề hợp thành A ⇒ B. Một
luật hợp thành chỉ có 1 mệnh đề hợp thành gọi là luật hợp thành đơn, có từ 2
mệnh đề hợp thành trở lên gọi là luật hợp thành phức.
Xét luật hợp thành R gồm 3 mệnh đề hợp thành:
R1: Nếu x = A1 Thì y = B1 hoặc
R2: Nếu x = A2 Thì y = B2 hoặc
R3: Nếu x = A3 Thì y = B3 hoặc
Hình 2.17. Mô tả hàm liên thuộc của luật hợp thành
Với mỗi giá trị rõ x0 của biến ngôn ngữ đầu vào, ta có 3 tập mờ ứng với 3
mệnh đề hợp thành R1, R2, R3 của luật hợp thành R. Gọi hàm liên thuộc của

33. 26
các tập mờ đầu ra là: µB’1(y); µB’2(y); µB’3(y) thì giá trị luật hợp thành R ứng
với x0 là tập mờ B’ thu được qua phép hợp 3 tập mờ: 1 2 3B' B' B' B'= ∪ ∪ .
Tùy theo cách thu nhận các hàm liên thuộc µB’1(y); µB’2(y); µB’3(y) và
phương pháp thực hiện phép hợp để nhận tập mờ B’ mà ta có tên gọi các luật
hợp thành khác nhau:
- Luật hợp thành MAX-MIN nếu µB’1(y); µB’2(y); µB’3(y) thu được qua phép
lấy Min còn phép hợp thực hiện theo luật Max;
- Luật hợp thành MAX-PROD nếu µB’1(y); µB’2(y); µB’3(y) thu được qua
phép PROD còn phép hợp thực hiện theo luật Max;
- Luật hợp thành SUM-MIN nếu µB’1(y); µB’2(y); µB’3(y) thu được qua phép
lấy Min còn phép hợp thực hiện theo luật SUM;
- Luật hợp thành SUM - PROD nếu µB’1(y); µB’2(y); µB’3(y) thu được qua
phép lấy PROD còn phép hợp thực hiện theo Lukasiewicz.
Vậy, để xác định hàm liên thuộc μB’(y) của giá trị đầu ra B’ của luật hợp
thành có n mệnh đề hợp thành R1, R2,… ta thực hiện theo các bước sau:
+ Xác định độ thỏa mãn hj.
+ Tính µB’1(y); µB’2(y); µB’3(y) theo quy tắc min hoặc Prod
µB’1(y)=Min{ µA(x0), µB’1(y)}=Min{ hj, µB’1(y)}
Hoặc µB’1(y)= µA(x0), µB’1(y)= hj, µB’1(y).
+ Xác định μB’(y) bằng cách thực hiện phép hợp các µB’1(y).
2.1.5.4. Các cấu trúc cơ bản của luật hợp thành
Ta sẽ khảo sát hai cấu trúc cơ bản của luật hợp thành, đó là cấu trúc SISO
và cấu trúc MISO.
+ Cấu trúc SISO là cấu trúc trong đó luật hợp thành có các mệnh đề điều
kiện và mệnh đề kết luận là các mệnh đề đơn.
Ví dụ: R1: nếu χ = Al thì γ = B1 hoặc R2: nếu χ = A2 thì γ = B2.
+ Cấu trúc MISO là cấu trúc trong đó luật hợp thành có các mệnh đề điều
kiện là mệnh đề phức và mệnh đề kết luận là mệnh đề đơn.

34. 27
Ví dụ: R1: nếu χ1 = A1 và χ2 = B1 thì γ = C1 hoặc
R2: nếu χ1 = A2 và χ2 = B2 thì γ = C2.
2.1.5.5. Luật hợp thành đơn có cấu trúc SISO
a) Luật hợp thành MIN
Luật hợp thành MIN là tên gọi mô hình (ma trận) R của mệnh đề hợp thành
A⇒ B khi hàm liên thuộc μA=>B(x, y) của nó được xây dựng theo quy tắc
MIN.
Xét luật hợp thành chỉ có 1 mệnh đề: Nếu χ = A thì γ = B
Để xây dựng R, trước tiên hai hàm liên thuộc μA(x) và μB(y) được rời rạc
hóa với tần số rời rạc đủ nhỏ để không bị mất thông tin.
Ví dụ: μA(x), μB(y) được rời rạc hóa tại các điểm:
x ∈{10, 20, 30, 40, 50}
y ∈{0.5, 0.6, 0.7, 0.8, 0.9}.
Với các điểm rời rạc này thì theo
μA=>B(20; 0.7) = μR(20; 0.7)=MIN{μA(20),μb(0.7)}=MIN{0.5; 1}= 0.5
μA=>B(30; 0.7) = μR(30; 0.7)=MIN{μA(30),μb(0.7)}= MIN{1; 1}= 1
……………………….
Hình 2.18. Rời rạc hóa các hàm liên thuộc
Nhóm tất cả các giá trị μA=>B(x, y) = μR(x,y) gồm 5 x 5= 25 giá trị, thành
ma trận R (được gọi là ma trận hợp thành MIN) gồm 5 hàng 5 cột.

35. 28
Khi tín hiệu đầu vào là một giá trị rõ x0 = 20, tín hiệu đầu ra B’ có hàm liên
thuộc: μB’(y) = μR(20, y) = {0; 0.5; 0.5; 0.5; 0}.
Để thuận tiện cho việc xác định hàm liên thuộc của tín hiệu ra dưới dạng
nhân ma trận, ta định nghĩa một ma trận T = {a1 a2…} ma trận này chỉ có
một phần tử bằng 1 còn các phần tử khác đều bằng 0. Ví dụ với tập 5 phần tử
cho tín hiệu đầu vào xử {10; 20; 30; 40; 50} thì ứng với x0 = 20 (phần tử thứ
hai)
ta có: a = (0 1 0 0 0)
Và khi đó:
μB’(y) = μR(x0, y) = aT. R = {0 0.5 0.5 0.5 0}.
Tổng quát cho một giá trị rõ x0 bất kỳ
x0 ∈ X = {10 20 30 40 50}
Tại đầu vào véctơ chuyển vị có dạng:
aT
= (a1, a2, a3, a4, a5)
trong đó chỉ có một phần tử a; duy nhất có chỉ số i là chỉ số của x0 trong X
có giá trị bằng 1, các phần tử còn lại đều bằng 0. Hàm liên thuộc mB'(y) dưới
dạng rời rạc được xác định:
11 15
T
B' 1 2 3 4 5 1 2 3 4 5
51 55
r ..............r
(y) a .R (a ,a ,a ,a ,a ) .................... (l ,l ,l ,l ,l )
r ..............r
 
 ÷
µ = = = ÷
 ÷
 
(1.1)
Với
5
k i ik
i 1
l a .r
=
= ∑

36. 29
Chú ý: Trong biểu thức (1.1) để tính μB'(y) ta cần cài đặt thuật toán nhân
ma trận của đại số tuyến tính, do đó tốc độ xử lý chậm. Để khắc phục nhược
điểm này, phép nhân ma trận (1.1) được thay bởi luật MAX-MIN của Zadeh
với MAX (phép lấy cực đại) thay vào vị trí phép cộng và MIN (phép lấy cực
tiểu) thay vào vị trí phép nhân. Khi đó: k i ki
1 i 5
l maxmin{a ,l }
≤ ≤
= (1.2)
Kết quả hai phép tính (1.1) và (1.2) với đầu vào là một giá trị rõ hoàn toàn
giống nhau. Cũng từ lý do trên mà luật hợp thành MIN còn có tên gọi là luật
hợp thành MAX-MIN.
b/ Luật hợp thành PROD
Tương tự như đã làm với luật hợp thành MIN, ma trận R của luật hợp thành
PROD được xây dựng gồm các hàng là m giá trị rời rạc của đầu ra
µB’(y1);µB(y2); µB’(y3) cho n giá trị rõ đầu vào xn, xn,…., xn. Như Vậy ma
trận R sẽ có n hàng và m cột. Xét ví dụ trên cho 5 giá trị đầu vào:
{x1, x2, x3, x4, x5} = {10 20 30 40 50}
Thì với từng giá trị xi, 5 giá trị của hàm liên thuộc đầu ra tương ứng
μB'(0.5), μB'(0.6), μB'(0.7), μB'(0.8), μB'(0.9) được liệt kê trong ma trận R
được gọi là ma trận hợp thành PROD.
Từ ma trận R trên, hàm liên thuộc μB'(y) của giá trị đầu ra khi đầu vào là
giá trị rõ x4 cũng được xác định bằng công thức:
aT
= (0, 0, 0, 1, 0)
μB'(y) = μR(x4, y) = aT .R = {0, 0.25, 0.5, 0.25, 0}.
Đê rút ngắn thời gian tính và cũng để mở rộng công thức trên cho trường
hợp đầu vào là giá trị mờ, phép nhân ma trận T.R cũng được thay bằng luật
MAX- PROD của Zadeh như đã làm cho luật hợp thành MIN. Trong đó phép
nhân được thực hiện bình thường còn phép lấy cực đại thay vào vị trí của
phép cộng.
11 15
T
B' 1 2 3 4 5 1 2 3 4 5
51 55
r ..............r
(y) a .R (a ,a ,a ,a ,a ) .................... (l ,l ,l ,l ,l )
r ..............r
 
 ÷
µ = = = ÷
 ÷
 

37. 30
Với
5
k i ik k i ik
1 i 5
i 1
l a .r ;l maxProd{a .r }
≤ ≤
=
= =∑
2.1.6. Giải mờ
Từ một giá trị rõ x0 ở đầu vào, sau khi qua khối luật hợp thành ta có tập mờ
đầu ra B'. Vấn đề đặt ra là cần phải xác định giá trị rõ y0 từ tập mờ đầu ra đó.
Muốn vậy ta cần thực hiện việc giải mờ.
Giải mờ là quá trình xác định một giá trị rõ y0 nào đó có thể chấp nhận
được từ hàm liên thuộc μB’(y) của giá trị mờ B’ (tập mờ B’).
Có hai phương pháp giải mờ chính là phương pháp cực đại và phương pháp
điểm trọng tâm.
2.1.6.1. Phương pháp cực đại
Để giải mờ theo phương pháp cực đại, ta cần thực hiện 2 bước:
- Xác định miền chứa giá trị rõ y0 (miền G): Đó là miền mà tại đó hàm
liên thuộc μB’(y) đạt giá trị cực đại (độ cao H của tập mờ B’), tức là miền:
G = {y∈Y| μB’(y) = H}
- Xác định y0 có thể chấp nhận được từ G.
Hình 1.17 là tập mờ đầu ra của một luật hợp thành gồm 2 mệnh đề hợp
thành:
R1: Nếu χ = A1 Thì γ = B1
R2: Nếu χ = A2 Thì γ = B2
Miền chứa giá trị rõ G là khoảng [y1, y2] của miền giá trị của tập mờ đầu

38. 31
ra B2 của luật điều khiển:
R2: Nếu χ = A2 Thì γ = B2
Với y1 là điểm cận trái của 1
y G
G(y inf (y))
∈
= và y2 là điểm cận phải của
1
y G
G(y sup(y))
∈
= . Khi đó, luật R2 được gọi là luật Điều khiển quyết định.
Vậy luật điều khiển quyết định là luật Rk, k∈{1, 2,…, p} mà giá trị mở đầu
ra của nó có độ cao lớn nhất (Bằng độ cao H của B’).
Để xác định y0 trong khoảng [y1, y2] ta có thể áp dụng theo một trong ba
nguyên lý: Nguyên lý trung bình; nguyên lý cận trái và nguyên lý cận phải.
Hình 2.19. a, b, c: Các nguyên lý giải mờ theo phương pháp cực đại
a.Nguyên lý trung bình
Giá trị rõ y1 sẽ là trung bình cộng của y1 và y2:
1 2
0
y y
y
2
+
=
b) Nguyên lý cận trái
Giá trị rõ y0 được lấy bằng cận trái y1 của G: ))inf(( 1
Gy
yy
∈
=
c) Nguyên lý cận phải
Giá trị rõ y0 được lấy bằng cận phải y2 của G: ))sup(( 2
Gy
yy
∈
=
Nhận xét:
+ Giá trị rõ y0 lấy theo nguyên lý trung bình sẽ không phụ thuộc vào độ
thỏa mãn của luật điều khiển quyết định nếu tập mờ B' là tập đều ( hình 2.9 a),

39. 32
còn theo nguyên lý cận trái và cận phải, giá trị rõ y0 phụ thuộc tuyến tính vào
độ thỏa mãn của luật điều khiển quyết định ( hình 2.9 b,c).
Hình 2.20.
a )y0 với các nguyên tắc chọn khác nhau
b) Hàm liên thuộc B’ có miền G không liên thông
+ Sai lệch của ba giá trị rõ, xác định theo nguyên lý trung bình, cận trái hay
cận phải sẽ càng lớn nếu độ thoả mãn H của luật điều khiển càng nhỏ.
+ Khi miền G là miền không liên thông sử dụng phương pháp cực đại sẽ
không chính xác.
Hình 2.21. Hàm liên thuộc B’ đối với luật hợp thành MAX-PROD
+ Đối với luật hợp thành MAXPROD,miền G chỉ có một điểm duy nhất,
do đó kết quả giải mờ theo cả 3 nguyên lý đề giống nhau.
2.1.6.2. Phương pháp điểm trọng tâm
Hình 2.22. Giá trị rõ y’ là hoành độ của điểm trọng tâm

40. 33
Giải mờ theo phương pháp điểm trọng tâm sẽ cho ra kết quả y' là hoành độ
của điểm trọng tâm miền được bao bởi trục hoành và đường μB’(y). Công
thức xác định y0 theo phương pháp điểm trọng tâm như sau:
B'
s
B'
s
y (y)dy
y'
y (y)dy
µ
=
µ
∫
∫
Với s là miền xác định của tập mờ B’.
a) Phương pháp điểm trọng tâm cho luật hợp thành SUM-MIN
Giả sử có q luật điều khiển được triển khai. Khi đó mỗi giá trị mờ B’ tại
đầu ra của bộ điều khiển sẽ là tổng của q giá trị mờ đầu ra của từng luật hợp
thành. Ký hiệu giá trị mờ đầu ra của luật điều khiển thứ k là μB’K(y) với k =
1,2,...,q. Với quy tắc SUM- MIN, hàm liên thuộc μB’(x) sẽ là:
q
B' B'k
k 1
(y) (y)
=
µ = µ∑
Sau khi biến đổi, ta có:
q q q
B'k B'k k
k 1 k 1s s k 1
q q q
B'k B'k k
k 1 k 1 k 1s s
[y (y)]dy [y (y)dy] M
y'
[y (y)]dy [y (y)dy] A
= = =
= = =
µ µ
= = =
µ µ
∑ ∑∫ ∫ ∑
∑ ∑ ∑∫ ∫
Trong đó:
q
k B'k
k 1s
M [y (y)]dy
=
= µ∑∫ và k B'k
s
M (y)dy= µ∫
Phương pháp độ cao sử dụng công thức:
q q q
B'k B'k k
k 1 k 1s s k 1
q q q
B'k B'k k
k 1 k 1 k 1s s
[y (y)]dy [y (y)dy] M
y'
[y (y)]dy [y (y)dy] A
= = =
= = =
µ µ
= = =
µ µ
∑ ∑∫ ∫ ∑
∑ ∑ ∑∫ ∫
Cho cả hai luật hợp thành MAX-MIN và SUM-MIN với thêm một giả thiết
là mỗi tập mờ μB’K(y) được xấp xỉ bằng một cặp giá trị (yk, Hk) duy nhất
(singleton), trong đó Hk là độ cao của μB’K(y) và yk là một điểm mẫu trong
miền giá trị của μB’K(y).

41. 34
Ta có: B'k kHµ = và
q
k k
k 1
q
k
k 1
y H
y'
H
=
=
=
∑
∑
Hình 2.23. So sánh các phương pháp giải mờ
Chú ý: Tùy hình dạng hàm liên thuộc B’ mà sai khác giữa các phương
pháp giải mờ có khác nhau. Hình 2.13 cho biết kết quả các phương pháp giải
mờ ứng với một hàm liên thuộc B’ cụ thể.
2.2. ĐIỀU KHIỂN MỜ
2.2.1.Cấu trúc của bộ điều khiển mờ
2.2.1.1. Sơ đồ khối bộ điều khiển mờ
Hoạt động của một bộ điều khiển mờ phụ thuộc vào kinh nghiệm và
phương pháp rút ra kết luận theo tư duy của con người sau đó được cài đặt
vào máy tính trên cơ sở logic mờ.
Một bộ điều khiển mờ bao gồm 3 khối cơ bản: Khối mờ hoá, thiết bị hợp
thành và khối giải mờ. Ngoài ra còn có khối giao diện vào và giao diện ra
Hình 2.24. Các khối chức năng của bộ Điều khiển mờ
- Khối mờ hoá có chức năng chuyển mỗi giá trị rõ của biến ngôn ngữ đầu
vào thành véctơ μ có số phần tử bằng số tập mờ đầu vào.

42. 35
-Thiết bị hợp thành mà bản chất của nó sự triển khai luật hợp thành R
được xây dựng trên cơ sở luật điều khiển.
- Khối giải mờ có nhiệm vụ chuyển tập mờ đầu ra thành giá trị rõ y0 (ứng
với mỗi giá trị rõ x0 để điều khiển đối tượng.
- Giao diện đầu vào thực hiện việc tổng hợp và chuyển đổi tín hiệu vào (từ
tương tự sang số), ngoài ra còn có thể có thêm các khâu phụ trợ để thực hiện
bài toán động như tích phân, vi phân....
- Giao diện đầu ra thực hiện chuyển đổi tín hiệu ra (từ số sang tương tự)
để điều khiển đối tượng.
Nguyên tắc tổng hợp một bộ điều khiển mờ hoàn toàn dựa vào những
phương pháp toán học trên cơ sở định nghĩa các biến ngôn ngữ vào/ra và sự
lựa chọn những luật điều khiển. Do các bộ điều khiển mờ có khả năng xử lý
các giá trị vào/ra biểu diễn dưới dạng dấu phẩy động với độ chính xác cao nên
chúng hoàn toàn đáp ứng được các yêu cầu của một bài toán điều khiển "rõ
ràng" và "chính xác".
2.2.1.2. Phân loại bộ điều khiển mờ
Cũng giống như điều khiển kinh điển, bộ điều khiển mờ được phân loại
dựa trên các quan điểm khác nhau: Theo số lượng đầu vào và đầu ra ta phân
ra bộ Điều khiển mờ "Một vào - một ra" (SISO); "Nhiều vào - một ra"
(MISO); "Nhiều vào - nhiều ra" (MIMO) (hình 2.15a,b,c).

43. 36
a b c
Hình 2.25. a,b,c. Các bộ điều khiển mờ
Bộ điều khiển mờ MIMO rất khó cài đặt thiết bị hợp thành. Mặt khác,
một bộ điều khiển mờ có m đầu ra dễ dàng cài đặt thành m bộ điều khiển mờ
chỉ có một đầu ra vì vậy bộ điều khiển mờ MIMO chỉ có ý nghĩa về lý thuyết,
trong thực tế không dùng.
- Theo bản chất của tín hiệu đưa vào bộ điều khiển ta phân ra bộ điều khiển
mờ tĩnh và bộ điều khiển mờ động. Bộ điều khiển mờ tĩnh chỉ có khả năng xử
lý các tín hiệu hiện thời, bộ điều khiển mờ động có sự tham gia của các giá trị
đạo hàm hay tích phân của tín hiệu, chúng được ứng dụng cho các bài toán
điều khiển động. Bộ điều khiển mờ tĩnh chỉ có khả năng xử lý các giá trị tín
hiệu hiện thời. Để mở rộng miền ứng dụng của chúng vào các bài toán điều
khiển động, các khâu động học cần thiết sẽ được nối thêm vào bộ điều khiển
mờ tĩnh nhằm cung cấp cho bộ điều khiển các giá trị đạo hàm hay tích phân
của tín hiệu. Cùng với những khâu động học bổ sung này, bộ điều khiển tĩnh
sẽ trở thành bộ Điều khiển mờ động.
2.2.1.3. Các bước thiết kế bộ điều khiển mờ
Cấu trúc tổng quát của một hệ điều khiển mờ được chỉ ra trên hình 2.16.
Hình 2.26. Cấu trúc tổng quát một hệ mờ

44. 37
Với một miền compact X ⊂Rn (n là số đầu vào) các giá trị vật lý của
biến ngôn ngữ đầu vào và một đường phi tuyến g(x) tuỳ ý nhưng liên tục cùng
các đạo hàm của nó trên X thì bao giờ cũng tồn tại một bộ điều khiển mờ cơ
bản có quan hệ:
ε<−
∈
)()( xgxySup
Xx
với ε là một số thực dương bất kỳ cho trước.
Điều đó cho thấy kỹ thuật điều khiển mờ có thể giải quyết được một bài
toán tổng hợp điều khiển (tĩnh) phi tuyến bất kỳ. Để tổng hợp được các bộ
Điều khiển mờ và cho nó hoạt động một cách hoàn thiện ta cần thực hiện qua
các bước sau:
- Khảo sát đối tượng, từ đó định nghĩa tất cả các biến ngôn ngữ vào, ra và
miền xác định của chúng. Trong bước này chúng ta cần chú ý một số đặc
điểm cơ bản của đối tượng điều khiển như: Đối tượng biến đổi nhanh hay
chậm? có trễ hay không? tính phi tuyến nhiều hay ít?... Đây là những thông
tin rất quan trọng để quyết định miền xác định của các biến ngôn ngữ đầu
vào, nhất là các biến động học (vận tốc, gia tốc,...). Đối với tín hiệu biến thiên
nhanh cần chọn miền xác định của vận tốc và gia tốc lớn và ngược lại.
- Mờ hoá các biến ngôn ngữ vào/ra: Trong bước này chúng ta cần xác định
số lượng tập mờ và hình dạng các hàm liên thuộc cho mỗi biến ngôn ngữ. Số
lượng các tập mờ cho mỗi biến ngôn ngữ được chọn tuỳ ý. Tuy nhiên nếu
chọn ít quá thì việc điều chỉnh sẽ không mịn, chọn nhiều quá sẽ khó khăn khi
cài đặt luật hợp thành, quá trình tính toán lâu, hệ thống dễ mất ổn định. Hình
dạng các hàm liên thuộc có thể chọn hình tam giác, hình thang, hàm Gaus….
- Xây dựng các luật điều khiển (mệnh đề hợp thành): Đây là bước quan
trọng nhất và khó khăn nhất trong quá trình thiết kế bộ điều khiển mờ. Việc
xây dựng luật điều khiển phụ thuộc rất nhiều vào tri thức và kinh nghiệm vận
hành hệ thống của các chuyên gia. Hiện nay ta thường sử dụng một vài

45. 38
nguyên tắc xây dựng luật hợp thành đủ để hệ thống làm việc, sau đó mô
phỏng và chỉnh định dần các luật hoặc áp dụng một số thuật toán tối ưu.
- Chọn thiết bị hợp thành (MAX-MIN hoặc MAX-PROD hoặc SUMMIN
hoặc SUM-PRROD) và chọn nguyên tắc giải mờ (Trung bình, cận trái, cận
phải, điểm trọng tâm, độ cao).
- Tối ưu hệ thống: Sau khi thiết kế xong bộ điều khiển mờ, ta cần mô hình
hoá và mô phỏng hệ thống để kiểm tra kết quả, đồng thời chỉnh định lại một
số tham số để có chế độ làm việc tối ưu. Các tham số có thể điều chỉnh trong
bước này là. Thêm, bớt luật điều khiển; Thay đổi trọng số các luật; Thay đổi
hình dạng và miền xác định của các hàm liên thuộc.
2.2.2. Bộ điều khiển mờ tĩnh
2.2.2.1 Khái niệm
Bộ điều khiển tĩnh là bộ điều khiển mờ có quan hệ vào/ra y(x), với x là đầu
vào và y là đầu ra, theo dạng một phương trình đại số (tuyến tính hoặc phi
tuyến). Bộ điều khiển mờ tĩnh không xét tới các yếu tố "động" của đối tượng
(vận tốc, gia tốc,…). Các bộ điều khiển tĩnh điển hình là bộ khuếch đại P, bộ
điều khiển rơ le hai vị trí, ba vị trí,...
2.2.2.2. Thuật toán tổng hợp một bộ điều khiển mờ tĩnh
Các bước tổng hợp bộ điều khiển mờ tĩnh về cơ bản giống các bước
chung để tổng hợp bộ điều khiển mờ như đã trình bày ở trên. Để hiểu kỹ hơn
ta xét ví dụ cụ thể sau:
Ví dụ: Hãy thiết kế bộ điều khiển mờ tĩnh SISO có hàm truyền đạt y = f(x)
trong khoảng x = [a1,a2] tương ứng với y trong khoảng y [β1, β2].
Bước 1: Định nghĩa các tập mờ vào, ra
- Định nghĩa N tập mờ đầu vào: A1, A2,…, An trên khoảng [a1,a2] của x
có hàm liên thuộc μAi (x) (i = 1, 2,..., N) dạng hình tam giác cân.
- Định nghĩa N tập mờ đầu ra: B1, B2,…, BN trên khoảng [β1, β2] của y có
hàm liên thuộc μBj(x) (j = 1, 2,..., N) dạng hình tam giác cân.
Bước 2: Xây dựng luật điều khiển

46. 39
Với N hàm liên thuộc đầu vào ta sẽ xây dựng được N luật điều khiển
theo cấu trúc:
Ri
: nếu χ = Ai; thì γ = Bi.
Bước 3: Chọn thiết bị hợp thành
Giả thiết chọn nguyên tắc triển khai SUM-PROD cho mệnh đề hợp
thành, và công thức Lukasiewicz cho phép hợp thì tập mờ đầu ra B’ khi đầu
vào là một giá trị rõ x0 sẽ là:






= ∑=
n
i
AiBi xyMINy
1
0 )()(,1)(' µµµB
.
vì μBi(y) là một hàm Kronecker μBi(y)μAi(x0) = μAi(x0) khi đó:






= ∑=
n
i
Ai xMINy
1
0 )(,1)(' µµB
Bước 4: Chọn phương pháp giải mờ
Chọn phương pháp độ cao để giải mờ, ta có:
∑
∑
∑
∑
=
==
== N
i
Ai
N
i
Aii
N
i
i
N
i
ii
x
xy
H
Hy
xy
1
0
1
0
1
0
)(
)(
)(
µ
µ
Quan hệ truyền đạt của bộ điều khiển mờ có dạng:
∑
∑=
= N
Ai
N
i
Aii
x
xy
xy
1
1
)(
)(
)(
µ
µ
2.2.2.3. Tổng hợp bộ điều khiển mờ tuyến tính từng đoạn
Trong kỹ thuật nhiều khi ta cần phải thiết kế bộ điều khiển mờ với đặc tính
vào - ra cho trước tuyến tính từng đoạn.
Thuật toán tổng hợp bộ điều khiển này giống như thuật toán tổng hợp bộ
điều khiển mờ với hàm truyền đạt y(x) bất kỳ. Tuy nhiên, để các đoạn đặc
tính thẳng và nối với nhau một cách liên tục tại các nút thì cần tuân thủ một số
nguyên tắc sau:
+ Mỗi giá trị rõ đầu vào phải làm tích cực 2 luật điều khiển.

47. 40
+ Các hàm liên thuộc đầu vào có dạng hình tam giác có đỉnh là một điểm ở
nút k, có miền xác định là khoảng [xk-1, xk+1]
+ Các hàm liên thuộc đầu ra có dạng singleton tại các điểm nút yK
+ Cài đặt luật hợp thành MAX-MIN với luật điều khiển tổng quát
RK: Nếu χ = AK; thì γ = BK.
+ Giải mờ bằng độ cao.
2.2.3. Bộ điều khiển mờ động
Bộ điều khiển mờ động là bộ điều khiển mờ mà đầu vào có xét tới các
trạng thái động của đối tượng như vận tốc, gia tốc, đạo hàm của gia tốc,.... Ví
dụ đối với hệ điều khiển theo sai lệch thì đầu vào của bộ điều khiển mờ ngoài
tín hiệu sai lệch e theo thời gian còn có các đạo hàm của sai lệch giúp cho bộ
điều khiển phản ứng kịp thời với các biến động đột xuất của đối tượng. Các
bộ điều khiển mờ động hay được dùng hiện nay là bộ điều khiển mờ theo luật
tỉ lệ tích phân(PI), tỉ lệ vi phân (PD) và tỉ lệ vi tích phân (PID). Một bộ điều
khiển mờ theo luật I có thể thiết kế từ một bộ mờ theo luật P (bộ Điều khiển
mờ tuyến tính) bằng cách mắc nối tiếp một khâu tích phân vào trước hoặc sau
khối mờ đó. Do tính phi tuyến của hệ mờ, nên việc mắc khâu tích phân trước
hay sau hệ mờ hoàn toàn khác nhau (hình 2.17 a, b).
Hình 2.27. Hệ điều khiển mờ theo luật PI
Khi mắc thêm một khâu vi phân ở đầu vào của một bộ điều khiển mờ
theo luật tỉ lệ sẽ có được một bộ điều khiển mờ theo luật tỉ lệ vi phân PD.

48. 41
Hình 2.28. Hệ điều khiển mờ theo luật PD
Các thành phần của bộ điều khiển này cũng giống như bộ điều khiển
theo luật PD thông thường bao gồm sai lệch giữa tín hiệu chủ đạo và tín hiệu
ra của hệ thống e và đạo hàm của sai lệch e'. Thành phần vi phân giúp cho hệ
thống phản ứng chính xác hơn với những biến đổi lớn của sai lệch theo thời
gian.
Trong kỹ thuật Điều khiển kinh điển, bộ Điều khiển PID được biết đến
như là một giải pháp đa năng và có miền ứng dụng rộng lớn. Định nghĩa về
bộ điều khiển theo luật PID kinh điển trước đây vẫn có thể sử dụng cho một
bộ điều khiển mờ theo luật PID. Bộ điều khiển mờ theo luật PID được thiết kế
theo hai thuật toán:
- Thuật toán chỉnh định PID.
- Thuật toán PID tốc độ.
Bộ điều khiển mờ được thiết kế theo thuật toán chỉnh định PID có 3 đầu
vào gồm sai lệch e giữa tín hiệu chủ đạo và tín hiệu ra, đạo hàm và tích phân
của sai lệch. Đầu ra của bộ điều khiển mờ chính là tín hiệu điều khiển rút).






++= ∫ e
dt
d
Tedt
T
eKtu D
1
)(
Với thuật toán PID tốc độ, bộ điều khiển PID có 3 đầu vào: sai lệch e
giữa tín hiệu đầu vào và tín hiệu chủ đạo, đạo hàm bậc nhất e' và đạo hàm bậc
hai e" của sai lệch. Đầu ra của hệ mờ là đạo hàm dt/du của tín hiệu điều khiển
u(t). 





++= e
dt
d
e
T
e
dt
d
K
dt
du
2
2
1 )(
1

49. 42
Do trong thực tế thường có một hoặc hai thành phần trong PI hoặc PD,
nên thay vì thiết kế một bộ điều khiển PID hoàn chỉnh người ta lại thường
tổng hợp các bộ điều khiển PI hoặc PD.
Hình 2.29. Hệ điều khiển theo luật PID
Bộ điều khiển PID mờ được thiết kế trên cơ sở của bộ điều khiển PD mờ
bằng cách mắc nối tiếp ở đầu ra của bộ điều khiển PD mờ một khâu tích phân
(hình 2.19).
Hiện nay đã có rất nhiều dạng cấu trúc khác nhau của PID mờ đã được
nghiên cứu. Các dạng cấu trúc này thường được thiết lập trên cơ sở tách bộ
điều chỉnh PID thành hai bộ điều chỉnh PD và PI (hoặc I). Việc phân chia này
chỉ nhằm mục đích thiết lập các hệ luật cho PD và PI (hoặc I) gồm hai (hoặc
1) biến vào, một biên ra, thay vì phải thiết lập 3 biến vào. Hệ luật cho bộ điều
chỉnh PID mờ kiểu này thường dựa trên ma trận do Mac Vicar-whelan đề
xuất. Cấu trúc này không làm giảm số luật mà chỉ đơn giản cho việc tính toán.
2.2.3. Hệ điều khiển mờ lai (F-PID)
Hệ mờ lai viết tắt là F-PID là hệ điều khiển trong đó thiết bị điều khiển
gồm 2 thành phần: Thành phần điều khiển kinh điển và thành phần điều khiển
mờ. Bộ Điều khiển F-PID có thể thiết lập dựa trên hai tín hiệu là sai lệch e(t)
và đạo hàm của nó e’(t). Bộ Điều khiển mờ có đặc tính rất tốt ở vùng sai lệch
lớn, ở đó với đặc tính phi tuyến của nó có thể tạo ra phản ứng động rất nhanh.
Khi quá trình của hệ tiến gần đến điểm đặt (sai lệch e(t) và đạo hàm của nó
e’(t) xấp xỉ bằng 0) vai trò của bộ điều khiển mờ (FLC) bị hạn chế nên bộ
điều khiển sẽ làm việc như một bộ điều chỉnh PID bình thường. Trên hình

50. 43
2.20 thể hiện ý tưởng thiết lập bộ điều khiển mờ lai F-PID và phân vùng tác
động của chúng.
Hình 2.30. Nguyên lý điều khiển mờ lai
2.2.4. Hệ điều khiển thích nghi mờ
a) Định nghĩa
Hệ điều khiển thích nghi mờ là hệ điều khiển thích nghi được xây dựng
trên cơ sở của hệ mờ.
So với hệ điều khiển thích nghi kinh điển, hệ điều khiển thích nghi mờ
có miền tham số chỉnh định rất lớn. Bên cạnh các tham số Kp, Ti, Td giống
như bộ điều khiển PID thông thường, ở bộ điều khiển mờ ta còn có thể chỉnh
định các tham số khác như hàm liên thuộc, các luật hợp thành, các phép toán
OR, AND, NOT, nguyên lý giải mờ v.v...
Trong thực tế, hệ điều khiển thích nghi được sử dụng ngày càng nhiều vì
nó có các ưu điểm nổi bật so với hệ thông thường. Với khả năng tự chỉnh định
lại các tham số của bộ điều chỉnh cho phù hợp với đối tượng chưa biết rõ đã
đưa hệ thích nghi mờ trở thành một hệ điều khiển thông minh.
b) Phân loại
Một cách tổng quát, hệ điều khiển thích nghi mờ có thể phân thành 2 loại:
- Bộ Điều khiển mờ tự chỉnh là bộ điều khiển mờ có khả năng chỉnh định
các tham số của các tập mờ (các hàm liên thuộc);

51. 44
- Bộ điều khiển mờ tự thay đổi cấu trúc là bộ điều khiển mờ có khả năng
chỉnh định lại các luật điều khiển. Đối với loại này hệ thống có thể bắt đầu
làm việc với một vài luật điều khiển đã được chỉnh định trước hoặc chưa đủ
các luật.
c) Các phương pháp điều khiển thích nghi mờ
Các bộ điều khiển thích nghi rõ và mờ đều có mạch vòng thích nghi
được xây dựng trên cơ sở của 2 phương pháp:
Hình 2.31. Cấu trúc phương pháp điều khiển thích nghi trực tiếp
Phương pháp trực tiếp thực hiện thông qua việc nhận dạng thường xuyên
các tham số của đối tượng trong hệ kín. Quá trình nhận dạng thông số của đối
tượng có thể thực hiện bằng cách thường xuyên đo trạng thái của các tín hiệu
vào/ra của đối tượng và chọn 1 thuật toán nhận dạng hợp lý, trên cơ sở mô
hình đối tượng đã biết trước hoặc mô hình mờ;
Phương pháp gián tiếp thực hiện thông qua phiếm hàm mục tiêu của hệ kín
xây dựng trên các chỉ tiêu chất lượng.
2.3. LỰA CHỌN THIẾT BỊ ĐIỀU KHIỂN
2.3.1. Sơ đồ nguyên lý làm việc

52. 45
Hình 2.32. Sơ đồ nguyên lý làm việc
Khi hệ thống được khởi động, các cảm biến và cân sẽ làm việc đưa tín hiệu
đầu vào tới PLC từ đó sẽ điều khiển cánh tay robot thực hiện các nhiệm vụ đã
được lập trình. Nếu sản phẩm đó được cảm biến nhận dạng là vật cao và có
khối lượng từ 100kg-200kg thì hệ thống sẽ nhận dạng là động cơ xe và để vào
thùng số 1. Nếu sản phẩm đó được cảm biến nhận dạng là vật cao và có khối
lượng là 50kg-100kg thì hệ thống sẽ nhận dạng là khung xe. Nếu sản phẩm đó
được cảm biến nhận dạng là vật thấp và có khối lượng là 30kg-50kg thì hệ
thống sẽ nhận dạng là khung xe. Nếu sản phẩm đó được cảm biến nhận dạng
là vật thấp và có khối lượng là 10kg-30kg thì hệ thống sẽ nhận dạng là khung
xe.
2.3.2. Lựa chọn thiết bị điều khiển
Từ khi ngành công nghiệp sản xuất bắt đầu phát triển, để điều khiển một
dây chuyền, một thiết bị máy móc công nghiệp nào ... Người ta thường thực
hiện kết nối các linh kiện điều khiển riêng lẻ (Rơle, timer, contactor ...) lại với
nhau tuỳ theo mức độ yêu cầu thành một hệ thống điện điều khiển đáp ứng
nhu cầu mà bài toán công nghệ đặt ra.
Công việc này diễn ra khá phức tạp trong thi công vì phải thao tác chủ yếu
trong việc đấu nối, lắp đặt mất khá nhiều thời gian mà hiệu quả lại không cao
vì một thiết bị có thể cần được lấy tín hiệu nhiều lần mà số lượng lại rất hạn
chế, bởi vậy lượng vật tư là rất nhiều đặc biệt trong quá trình sửa chữa bảo trì,

53. 46
hay cần thay đổi quy trình sản xuất gặp rất nhiều khó khăn và mất rất nhiều
thời gian trong việc tìm kiếm hư hỏng và đi lại dây, bởi vậy năng suất lao
động giảm đi rõ rệt.
Với những nhược điểm trên các nhà khoa học, nhà nghiên cứu đã nỗ lực để
tìm ra một giải pháp điều khiển tối ưu nhất đáp ứng mong mỏi của ngành
công nghiệp hiện đại đó là tự động hoá quá trình sản xuất làm giảm sức lao
động, giúp người lao động không phải làm việc ở những khu vực nguy hiểm,
độc hại ... .mà năng suất lao động lại tăng cao gấp nhiều lần.
Một hệ thống điều khiển ưu việt mà chúng ta phải chọn để điều khiển cho
ngành công nghiệp hiện đại cần phải hội tụ đủ các yếu tố sau: Tính tự động
cao, kích thước và khối lượng nhỏ gọn, giá thành hạ, dễ thi công, sửa chữa,
chất lượng làm việc ổn định linh hoạt...
Từ đó hệ thống điều khiển có thể lập trình được PLC (Programable Logic
Control) ra đời đầu tiên năm 1968 (Công ty General Moto - Mỹ). Tuy nhiên
hệ thống này còn khá đơn giản và cồng kềnh, người sử dụng gặp nhiều khó
khăn trong việc vận hành hệ thống, vì vậy qua nhiều năm cải tiến và phát triển
không ngừng khắc phục những nhược điểm còn tồn tại đế có được bộ điều
khiển PLC như ngày nay, đã giải quyết được các vấn đề nêu trên với các ưu
việt như sau:
Là bộ điều khiển số nhỏ gọn, dễ thay đổi thuật toán điều khiển.
Có khả năng mở rộng các modul vào ra khi cần thiết.
Ngôn ngữ lập trình dễ hiểu thích hợp với nhiều đối tượng lập trình.
Có khả năng truyền thông đó là trao đổi thông tin với môi trường xung
quanh như với máy tính, các PLC khác, các thiết bị giám sát, điều khiển....

54. 47
Hình 2.33. PLC S7-400
Các PLC tương tự máy tính, nhưng máy tính được tối ưu hoá cho các
nhiệm vụ tính toán và hiển thị còn PLC được chuyên biệt cho các nhiệm vụ
điều khiển và môi trường công nghiệp. Vì vậy các PLC được thiết kế :
Để chịu được các rung động, nhiệt độ, độ ẩm, bụi bẩn và tiếng ồn.
Có sẵn giao diện cho các thiết bị vào ra.
Được lập trình dễ dàng với ngôn ngữ lập trình dễ hiểu, chủ yếu giải quyết
các phép toán logic và chuyển mạch về cơ bản chức năng của bộ điều khiển
logic PLC cũng giống như chức năng của bộ điều khiển thiết kế trên cơ sở
rơle công tắc tơ hay trên cơ sở các khối điện tử đó là :
Thu thập các tín hiệu vào và các tín hiệu phản hồi từ các cảm biến.
Liên kết, ghép nối các tín hiệu theo yêu cầu điều khiển và thực hiện đóng
mở các mạch phù hợp với công nghệ.
Tính toán và soạn thảo các lệnh điều khiển đến các địa chỉ thích hợp.
2.3.3. Lựa chọn thiết bị động học

55. 48
Băng tải hoạt động được là nhờ vào động cơ chính và cơ cấu truyền động
chính.
Khống chế tự động một hệ truyền động băng tải phải theo yêu cầu công
nghệ mà đối tượng phục vụ.
Các loại băng tải thường dùng trong các dây chuyền:
o Băng tải bố NN
o Băng tải con lăn
o Băng tải cáp thép
o Băng tải bố EP
Những yêu cầu đối với hệ thống truyền động băng tải:
Chế độ làm việc của băng tải là chế độ dài hạn với phụ tải (sản phẩm hay
bán sản phẩm) hầu như không thay đổi. Theo yêu cầu công nghệ, không yêu
cầu điều chỉnh tốc độ. Trong các phân xưởng sản xuất theo dây chuyền có nơi
yêu cầu dải điều chỉnh tốc độ D = 2 : 1 để tăng nhịp độ làm việc của toàn bộ
dây chuyền khi cần thiết.
Hệ truyền động băng tải cần đảm bảo khởi động đầy tải. Mômen khởi động
của động cơ Mkđ = (1,6 ÷ 1,8)Mđm. Bởi vậy, nên chọn động cơ có hệ số trượt
lớn, rãnh stator sâu để có mômen mở máy lớn.
Nguồn cung cấp cho động cơ truyền động băng chuyền cần có dung lượng
đủ lớn, đặc biệt là đối với công suất động cơ có công suất ≥ 30kW, để khi mở
máy không ảnh hưởng đến lưới điện và quá trình khởi động được thực hiện
nhẹ nhàng và dễ dàng hơn.
Các yêu cầu chính khi thiết kế hệ thống khống chế băng tải là:
- Thứ tự khởi động của băng tải ngược chiều với dòng dịch chuyển của vật
phẩm.
- Dừng băng tải bất kỳ nào đó chỉ được phép khi băng băng tải trước đó đã
dừng.

56. 49
- Phải có cảm biến về tốc độ của mỗi băng tải và cảm biến báo có tải trên
băng tải hoặc trong các thùng chứa.
Ứng dụng:
Ngày nay, băng tải được ứng dụng rất rộng rãi trong đời sống hằng ngày
và trong công nghiệp: Dây chuyền tự động, nhà máy chuyển cát, hệ thống
trộn bê tông nhựa đường, định lượng phối liệu trong các nhà máy xi măng.
Với sự phát triển của khoa học và công nghệ, việc điều khiển băng tải
trong dây chuyền sản xuất bằng đóng cắt các rơle tự động ở các phân xưởng,
nhà máy dần dần thay thế bằng các thiết bị chuyên dùng có kích thước gọn
nhẹ, tốc độ điều khiển nhanh, chống nhiễu tốt, giá thành cạnh tranh và có khả
năng lập trình, đó chính là PLC - một trong những bộ điều khiển số mạnh
nhất hiện nay. Việc điều khiển và khống chế băng tải bằng PLC đang được
ứng dụng rộng rãi. Vậy trong đề tài tốt nghiệp của mình em chọn băng tải để
vận chuyển sản phẩm và được điều khiển và khống chế bằng PLC. Trong đề
tài này em chọn 1 cân băng tải để xác định trọng lượng sản phẩm để kết hợp
với tín hiệu của cảm biến quang để phân loại sản phẩm một cách chính xác
nhất.
Hình 2.34. Cân băng tải
2.3.4. Lựa chọn thiết bị cảm biến
- Cấu tạo và ứng dụng: Cảm biến quang là tổ hợp các linh kiện quang điện.
Khi tiếp xúc với ánh sáng thì chúng sẽ thay đổi trạng thái.

57. 50
- Cảm biến quang sử dụng ánh sáng phát ra từ bộ phận phát để phát hiện sự
hiện diện của vật thể. Khi có sự thay đổi ở bộ phận thu thì mạch điều khiển
của cảm biến quang sẽ cho ra tín hiệu ở ngõ OUT.
Hình 2.35. Cảm biến quang
- Cảm biến quang có những ứng dụng hết sức mạnh mẽ và linh hoạt trong
ngành công nghiệp nói riêng và điện tử nói chung.
- Cảm biến quang bao gồm các loại:
+ Cảm biến quang thu phát riêng.
+ Cảm biến quang phản xạ qua gương.
+ Cảm biến quang thu phát chung.
- Ưu và nhược điểm của từng loại cảm biến quang
Cảm biến quang nhìn chung luôn có nhiều ưu điểm hơn so với các loại cảm
biến khác ( cảm biến từ, cảm biến điện dung,…).
Cảm biến quang không tiếp xúc trực tiếp với vật cần phát hiện cho nên tuổi
thọ, độ bền sẽ cao hơn
Khoảng cách phát hiện của cảm biến quang khá xa, việc này cũng giúp ích
không nhỏ cho việc thiết kế cũng như lắp đặt

58. 51
Một ưu thế không thể bỏ qua của cảm biến quang đó là phát hiện hầu hết
các loại vật thể, vật chất.
- Ưu điểm của từng loại cảm biến quang:
+ Cảm biến quang thu phát riêng:
Khoảng cách phát hiện xa nhất trong các loại cảm biến quang. Loại này có
thể hoạt động trong những môi trường khắc nghiệt ( như bụi, ẩm, độ nhiễu
cao)
Cảm biến quang thu phát riêng xác định chính xác vật thể, độ tin cậy cao và
thích hợp cho các ứng dụng cần độ chính xác cao, môi trường làm việc khắc
nghiệt và khoảng cách xa.
Một số ứng dụng cơ bản của cảm biến quang thu phát riêng là: Phát hiện xe
trong các bãi giữ xe, rửa xe.
Cảm biến quang thu phát riêng còn được ứng dụng làm sensor an toàn cho
các máy kéo sợi, máy dệt….
+ Cảm biến quang phản xạ qua gương:
Cảm biến loại này lắp đặt dễ dàng, khả năng điều chỉnh định vị đơn giản
hơn so với các loại cảm biến quang khác.
Một số ứng dụng cơ bản của cảm biến quang phản xạ qua gương: Phát hiện
người và vật đi qua cửa ( giới hạn khoảng cách 5m nếu muốn xa hơn có thể
dùng loại thu phát riêng ).
Phát hiện vị trí vật thể trên băng tải, đếm sản phẩm…
+ Cảm biến quang thu phát chung:
Dễ dàng trong việc thiết kế và lắp đặt vì chỉ cần một vị trí
Do có một thiết bị nên việc đấu dây cho hệ thống cũng dễ dàng hơn.
Một số ứng dụng cơ bản của cảm biến quang thu phát chung: Cảm biến
quang thu phát chung dùng để kiểm tra sản phẩm cs bị ngã đổ hoặc có đủ bộ
phận chưa. Ngoài ra, cảm biến quang thu phát chung còn được sử dụng phổ
biến trong việc xác định vị trí vật thể trong các băng chuyền tự động…

59. 52
Vì những ưu điểm của cảm biến quang như vậy nên trong đề tài em sử
dụng cảm biến quang để phát hiện sản phẩm trên băng tải.
Chưa hay lắm, chưa đưa ra được phương án cho bài toán của mình, từ lý
thuyết đó xây dựng các phương án cho bài toán cụ thể của đề tài
CHƯƠNG 3:
THIẾT KẾ HỆ THỐNG PHÂN LOẠI SẢN PHẨM

60. 53
3.1. CẤU HÌNH VÀO/RA
Sản phẩm vào hệ thống băng tải bao gồm: động cơ xe, khung xe, nắp sau
xe và bánh xe. Nhiệm vụ của đầu ra là phân loại các sản phẩm và chuyển sản
phẩm cùng loại đến nơi quy định đưa ra mô hình tổng quát trước khi bắt đầu
thiêt kế
Bảng 3.1. Cấu hình vào ra
NHIỆM VỤ VÀ KÝ HIỆU THIẾT BỊ
OUT/IN
TÊN THIẾT BỊ NHIỆM VỤ
Động cơ băng tải chính Chuyển sản phẩm Q0.0
Động cơ nâng hạ
Nâng tay robot Q0.1
Hạ tay robot Q0.2
Động cơ trái/phải
Quay trái cánh tay robot Q0.3
Quay phải cánh tay robot Q0.4
Nam châm điện Nắm vật hoặc thả vật Q0.5
Đèn start Báo hệ thống đang làm việc Q0.6
Đèn stop Báo hệ thống ngừng làm việc Q0.7
Đèn báo sự cố quá Báo động cơ quá tải Q1.0
Start Nút nhấn khởi động M0.0
Stop Nút nhấn dừng hệ thống M0.1
CTHT trên Giới hạn tay máy nâng M0.2
CTHT dưới Giới hạn tay máy hạ M0.3
CTHT 1 Dừng và thả Động cơ M0.4
CTHT 2 Điểm dừng để thả Thân xe M0.5
CTHT 3 Điểm dừng để thả Nắp sau M0.6
CTHT 4 Điểm dừng và thả Nắp trước M0.7
CTHT 0 Vị trí ban đầu để tay máy thực hiện M1.0
Rơ le nhiệt Khi quá tải một trong các động cơ M1.1
Cảm biến cao Nhận dạng vật cao M1.2
Cảm biến thấp Nhận dạng vật thấp M1.3
Cân Cân trọng lượng của sản phẩm PIW 256

61. 54
• Sơ đồ đấu dây s7-400
Hình 3.36. Sơ đồ đấu dây
3.2. XÂY DỰNG SƠ ĐỒ THUẬT TOÁN ĐIỀU KHIỂN
3.2.1. Sơ đồ thuật toán chương trình chính

62. 55
Hình 3.37. Sơ đồ thuật toán chương trình chính
3.2.2. Sơ đồ thuật toán chương trình con nhận dạng sản phẩm
Nếu sản phẩm được cảm biến nhận dạng là vật cao và có khối lượng nặng
thì hệ thống sẽ nhận dạng sản phẩm đó là động cơ xe.
Nếu sản phẩm được cảm biến nhận dạng là vật cao và có khối lượng vừa
thì hệ thống sẽ nhận dạng sản phẩm đó khung xe.
Nếu sản phẩm được cảm biến nhận dạng là vật thấp và có khối lượng vừa
thì hệ thống sẽ nhận dạng sản phẩm đó là nắp sau xe.
Nếu sản phẩm được cảm biến nhận dạng là vật thấp và có khối lượng nhẹ
thì hệ thống sẽ nhận dạng sản phẩm đó là bánh xe.
Sơ đồ thuật toán của chương trình con nhận dạng được vẽ sau:

63. 56
Hình 3.38. Sơ đồ thuật toán chương trình con nhận dạng
3.2.3. Sơ đồ thuật toán chương trình con được nhận dạng là động cơ

64. 57

65. 58