Download Luận văn Nghiên cứu ứng dụng mạng nơron Elman nhận dạng vị trí rôbôt hai khâu
MỤC LỤC
Trang
Lời cam đoan.
Mục lục
Danh mục các ký hiệu, các chữ viết tắt.
Danh mục các hình vẽ, đồ thị
PHẦN MỞ ĐẦU. 1
Chương I- TÔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO. 6
1.1. Lịch sử phát triển của mạng nơ ron nhân tạo. 6
1.1.1 Mô hình nơron sinh học 6
1.1.1.1 Chức năng, tổ chức và hoạt động của bộ não con người. 6
1.1.1.2 Mạng nơron sinh học 9
1.1.2. Mạng nơ ron nhân tạo. 10
1.1.3. Lịch sử phát triển của mạng nơron nhân tạo 11
1.1.4. Các tính chất của mạng nơron nhân tạo 12
1.2. Cấu tạo mạng noron. 12
1.3. Cấu trúc mạng noron. 14
1.4. cách làm việc của mạng nơron. 16
1.5. Các luật học 18
1.6. Mạng nơron truyền thẳng và mạng nơron hồi quy. 23
1.6.1. Mạng nơron truyền thẳng. 23
1.6.1.1. Mạng một lớp nơron. 23
1.6.1.2. Mạng nhiều lớp nơron. 23
1.6.2. Mạng nơron hồi quy. 24
1.6.2.1. Mạng hồi quy không hoàn toàn 25
1.6.2.2. Mạng các dãy của Jordan 25
1.6.2.3. Mạng hồi quy đơn giản 27
1.7. Các ứng dụng của mạng nơron 28
1.8. Công nghệ phần cứng sử dụng mạng nơron. 31
1.9. So sánh khả năng của mạng nơron với mạch lôgic: 32
1.10. KẾT LUÂN CHƯƠNG I 33
Chương II: CÁC PHƯƠNG PHÁP ỨNG DỤNG MẠNG NƠRON TRONG
NHẬN DẠNG 34
2.1 Khái quát chung 34
2.1.1 Đặt vấn đề 34
2.1.2. Định nghĩa 35
2.1.3. Sơ lược về sự phát triển của các phương pháp nhận dạng 36
2.2. Các phương pháp nhận dạng 37
2.2.1. Nhận dạng On-line. 38
2.2.1.1.Phương pháp lặp bình phương cực tiểu 38
2.2.1.2.Phương pháp xấp xỉ ngẫu nhiên 39
2.2.1.3. Phương pháp lọc Kalman mở rộng 40
2.2.2. Nhận dạng off-line 42
2.2.2.1. Phương pháp xấp xỉ vi phân 43
2.2.2.2 Phương pháp gradient 44
2.2.2.3. Phương pháp tìm kiếm trực tiếp 45
2.2.2.4. Phương pháp tựa tuyến tính 46
2.2.2.5. Phương pháp sử dụng hàm nhạy 47
2.2.3. Nhận dạng theo thời gian thực 47
2.3. Mô tả toán học của đối tượng ở rời rạc 48
2.4. Nhận dang hệ thống sử dụng mạng nơron 52
2.4.1. Mô hình nhận dạng kiểu truyền thẳng 53
2.4.2 Mô hình song song 54
2.4.3 Mô hình nối tiếp - song song 55
2.4.4. Mô hình ngược trực tiếp 57
2.5. Tính gần đúng hàm số dùng mạng nơron. 57
2.6. Mô hình mạng nơron trong nhận dạng. 59
2.7. KẾT LUÂN CHƯƠNG II 61
Chương III: ỨNG DỤNG MẠNG NƠRON ELMAN NHẬN DẠNG VỊ TRÍ RÔBÔT HAI KHÂU62
3.1. Mạng nơron Elman: 62
3.1.1. Cấu trúc mạng Elman 62
3.1.2. Giá trị đầu vào của các tham số. 64
3.1.3. Huấn luyện 64
3.2. Động học rôbốt hai khâu64
3.2.1. Phân tích chọn mạng nơron Elman nhận dạng vị trí rôbôt hai khâu 64
3.2.2. Động học rôbốt hai khâu66
3.3. Ứng dụng mạng nơron Elman nhận dạng vị trí rôbôt hai khâu 67
3.3.1. Thiết lập sơ đồ nhận dạng 67
3.3.2. Quá trình nhận dạng69
3.4. KẾT LUÂN CHƯƠNG III 89
3.5. KẾT LUẬN CHUNG VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
- Mô hình tìm được phải có sai số với đối tượng là nhỏ nhất.
Theo định nghĩa này thì những bài toán nhận dạng sẽ phải được phân biệt với
nhau ở ba điểm chính, đó là:
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
36
- Lớp mô hình thích hợp. Chẳng hạn lớp các mô hình tuyến tính không có cấu
trúc (không biết bậc của mô hình) hay có cấu trúc, lớp các loại mô hình lưỡng
tuyến tính.
- Loại tín hiệu quan sát được (tiền định/ngẫu nhiên).
- cách mô tả sai lệch giữa mô hình thực và đối tượng.
2.1.3. Sơ lược về sự phát triển của các phương pháp nhận dạng.
Sự phát triển của nhận dạng trong lĩnh vực điều khiển tự động từ những năm
1960 trở lại đây có thể có thể chia thành ba giai đoạn phát triển như sau:
- Giai đoạn 1:
(Khoảng 1960-1975) được đánh dấu bằng nhận dạng các mô hình không tham
số cho đối tượng điều khiển tuyến tính mà trọng tâm là thiết lập hàm trọng hay đặc
tính tần biên – pha dưới dạng một dãy giá trị (phức). Kiến thức lý thuyết cần thiết
cho giai đoạn này phần lớn được xây dựng trên cơ sở lý thuyết hàm phức và phân
tích phổ tín hiệu.
- Giai đoạn 2:
Được đặc trưng bởi sự ra đời của lớp mô hình liên tục hay rời rạc có tham số
và được gọi là giai đoạn nhận dạng tham số mô hình. Thông tin lý thuyết ở đây đủ
để người ta có thể lựa chọn được bậc (hay cấu trúc) cho mô hình liên tục hay rời
rạc. Nhiệm vụ của nhận dạng trong giai đoạn này là xác định giá trị các tham số của
mô hình đó với hướng nghiên cứu tập trung là xét tính hội tụ các phương pháp và
ảnh hưởng của nhiễu vào kết quả.
- Giai đoạn 3:
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
37
(Khoảng 1990 đến nay) được đánh dấu bằng nhận dạng mô hình động học liên
tục phi tuyến và nhận dạng mô hình tham số cho hệ nhiều chiều. Dần dần trong giai
đoạn này người ta cũng chuyển hướng đi vào nhận dạng các hệ thống suy biến.
2.2. Các phương pháp nhận dạng
Các phương pháp nhận dạng được phân loại theo các phương pháp như sau:
* Phân loại dựa trên cơ sở các phần tử hệ thống:
+ Phân loại theo hệ thống nhận dạng S.
+ Phân loại theo tín hiệu vào u
+ Phân loại theo tiêu chuẩn nhận dạng
* Phân loại theo phương pháp cập nhật dữ liệu của hệ thống:
+ Phương pháp nhận dạng đệ quy
Thông số nhận dạng được tính toán trực tiếp theo mỗi thời điểm. Nghĩa là
nếu có giá trị θ
∧
(t) được cập nhật tại thời điểm t, thì giá trị của θ
∧
(t+1) được xác
định từ θ
∧
(t). Phương pháp nhận dạng đệ quy có đặc trưng sau:
- Là bộ phận chính của hệ thống thích nghi.
- Đòi hỏi cần có bộ nhớ.
- Thuật toán có thể được thay đổi dễ dàng.
- Tại bước tính toán đầu tiên có thể tìm được ra lỗi của thuật toán khi hệ
thống có sự thay đổi thông số đủ lớn.
Có 2 loại nhận dạng đệ quy:
- Nhận dạng On-line
- Nhận dạng theo thời gian thực
+ Nhận dạng off-line
*Phương pháp nhận dạng không tham số và nhận dạng tham số
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
38
- Nhận dạng không tham số: là phương pháp nhận dạng mà mô hình để nhận
dạng là các đường cong quá độ hay các hàm và véc tơ tham số không nhất thiết
phải có kích thước hữu hạn. Nhận dạng không tham số thường dùng các phương
pháp như: phân tích hàm quá độ h(t), phân tích tần số, phân tích hàm tương quan,
phân tích phổ...
- Nhận dạng tham số từ mô hình AR, MA, ARMA.... Người ta đưa vào hệ
thống tín hiệu vào xác định u(t) sau đó đo tín hiệu ra y(t). Người ta mô tả hệ thống
bằng một mô hình tham số và dùng phương pháp bình phương tối thiểu để hiệu
chỉnh sao cho đánh giá của véc tơ tham số trùng với véc tơ tín hiệu ra của hệ thống.
Phương pháp này thường dùng nhận dạng các hệ phức tạp, khi đó đối tượng được
coi là “hộp đen”, vì vậy phương pháp nhận dạng có tên là nhận dạng “hộp đen”.
2.2.1. Nhận dạng On-line.
Trong phương pháp nhận dạng đệ quy nếu không cần đòi hỏi dữ liệu vào - ra
đầy đủ ở mỗi thời điểm thì được gọi là phương pháp nhận dạng on-line.
Nhận dạng on-line vì thế được xem như là phương pháp dễ thực hiện cho
việc tính toán. Nhận dạng on-line được sử dụng trong nhiều lĩnh vực như: nhận
dạng thích nghi, học thích nghi, lọc phi tuyến...
Trong chế độ on-line, mô hình phải thật đơn giản, số các thông số chọn đủ nhỏ
và cấu trúc mô hình tuyến tính theo thông số. Thuật toán nhận dạng on-line được
xây dựng sao cho trên mỗi bước tính không cần xử lý lại toàn bộ chuỗi quan sát, có
nghĩa là sử dụng lại quá trình lặp. Nhận dạng thông số hệ thống on-line có một số
phương pháp sau:
2.2.1.1.Phương pháp lặp bình phương cực tiểu.
Hệ thống có thể mô tả bằng hệ phương trình sai phân tuyến tính theo thông
số hay điều khiển như sau:
( ) ( ) ( ) ( )kwkPkkx +Φ=+ 1 (2.1)
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
39
( ) ( ) ( )kvkxkz += (2.2)
Trong đó: ( ) ( )k,u,xk Φ=Φ
Sơ đồ nhận dạng có tính đến hệ số trọng cho các quan sát trong quá khứ theo
luật hàm exponent:
( ) ( ) ( ) ( ) ( ) ( )[ ]111 −Φ−−++= kPˆkkxkKkPˆkPˆ
( ) ( ) ( ) ( ) ( ) ( )[ ] 111 −τ∆+Φ−ΦΦ−= TTT ekkPkkkPkK (2.3)
( ) ( ) ( )[ ] ( )1−Φ−= τ∆ kPkkKIekP T (2.4)
Trong đó: ∆T: là khoảng cách giữa hai quan sát.
τ: là thời gia đặc trưng cho khoảng ảnh hưởng tiếp tục của
quan sát lên quá trình ước lượng.
2.2.1.2.Phương pháp xấp xỉ ngẫu nhiên.
Thuật toán có dạng sau:
( ) ( ) ( ) Jk.kPˆkPˆ p∆ρ+=+ 501 (2.5)
Trong đó ρ(k) là véc tơ thông số hiệu chỉnh thỏa mãn các điều kiện sau:
( ) 0≥ρ k ; ( ) ∞=ρ∑
∞
=0k
k ; ( ) ∞<ρ∑
∞
=0
2
k
k
( )12 += keJ
( ) ( ) ( ) ( )kPˆkkxke 111 +Φ−+=+
Như vậy (2.23) có thể viết dưới dạng:
( ) ( ) ( ) ( ) ( ) ( ) ( )[ ]kPˆkkxkkkPˆkPˆ 111 +Φ−+Φρ+=+ (2.6)
Thuật toán xấp xỉ ngẫu nhiên đơn giản hơn thuật toán lặp bình phương cực
tiểu, tuy nhiên kém chính xác hơn.
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
40
2.2.1.3. Phương pháp lọc Kalman mở rộng.
Lọc Kalman là thuật toán xử lý thông tin sử dụng đầy đủ thông tin tiên
nghiệm (cấu trúc, thông số, các đặc trưng thống kê của nhiễu trạng thái và nhiễu
quan sát, các dữ liệu về điều kiện ban đầu...). Nếu trạng thái hóa véc tơ thông số
P(k+1)=P(k), ta có véc tơ trạng thái mở rộng:
( ) ( ) ( )[ ]TkP,kxky 111 ++=+
và như vậy bộ lọc Kalman mở rộng có thể được sử dụng để xác định đồng thời
trạng thái và thông số.
Giả sử hệ có động học:
( ) ( ) ( ) ( ) ( )[ ] ( )kwk,kP,ku,kxkkx +Φ=+ 11 (2.7)
( ) ( ) ( ) ( )[ ] ( )kvk,kP,ku,kxhkz += 2 (2.8)
Trong đó:
( ){ } 0=jwE ; ( ){ } 0=jvE (2.9)
( ) ( ){ } ( ) ( )jkkvjw,kwcov v −δ= (...
Download miễn phí Luận văn Nghiên cứu ứng dụng mạng nơron Elman nhận dạng vị trí rôbôt hai khâu
MỤC LỤC
Trang
Lời cam đoan.
Mục lục
Danh mục các ký hiệu, các chữ viết tắt.
Danh mục các hình vẽ, đồ thị
PHẦN MỞ ĐẦU. 1
Chương I- TÔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO. 6
1.1. Lịch sử phát triển của mạng nơ ron nhân tạo. 6
1.1.1 Mô hình nơron sinh học 6
1.1.1.1 Chức năng, tổ chức và hoạt động của bộ não con người. 6
1.1.1.2 Mạng nơron sinh học 9
1.1.2. Mạng nơ ron nhân tạo. 10
1.1.3. Lịch sử phát triển của mạng nơron nhân tạo 11
1.1.4. Các tính chất của mạng nơron nhân tạo 12
1.2. Cấu tạo mạng noron. 12
1.3. Cấu trúc mạng noron. 14
1.4. cách làm việc của mạng nơron. 16
1.5. Các luật học 18
1.6. Mạng nơron truyền thẳng và mạng nơron hồi quy. 23
1.6.1. Mạng nơron truyền thẳng. 23
1.6.1.1. Mạng một lớp nơron. 23
1.6.1.2. Mạng nhiều lớp nơron. 23
1.6.2. Mạng nơron hồi quy. 24
1.6.2.1. Mạng hồi quy không hoàn toàn 25
1.6.2.2. Mạng các dãy của Jordan 25
1.6.2.3. Mạng hồi quy đơn giản 27
1.7. Các ứng dụng của mạng nơron 28
1.8. Công nghệ phần cứng sử dụng mạng nơron. 31
1.9. So sánh khả năng của mạng nơron với mạch lôgic: 32
1.10. KẾT LUÂN CHƯƠNG I 33
Chương II: CÁC PHƯƠNG PHÁP ỨNG DỤNG MẠNG NƠRON TRONG
NHẬN DẠNG 34
2.1 Khái quát chung 34
2.1.1 Đặt vấn đề 34
2.1.2. Định nghĩa 35
2.1.3. Sơ lược về sự phát triển của các phương pháp nhận dạng 36
2.2. Các phương pháp nhận dạng 37
2.2.1. Nhận dạng On-line. 38
2.2.1.1.Phương pháp lặp bình phương cực tiểu 38
2.2.1.2.Phương pháp xấp xỉ ngẫu nhiên 39
2.2.1.3. Phương pháp lọc Kalman mở rộng 40
2.2.2. Nhận dạng off-line 42
2.2.2.1. Phương pháp xấp xỉ vi phân 43
2.2.2.2 Phương pháp gradient 44
2.2.2.3. Phương pháp tìm kiếm trực tiếp 45
2.2.2.4. Phương pháp tựa tuyến tính 46
2.2.2.5. Phương pháp sử dụng hàm nhạy 47
2.2.3. Nhận dạng theo thời gian thực 47
2.3. Mô tả toán học của đối tượng ở rời rạc 48
2.4. Nhận dang hệ thống sử dụng mạng nơron 52
2.4.1. Mô hình nhận dạng kiểu truyền thẳng 53
2.4.2 Mô hình song song 54
2.4.3 Mô hình nối tiếp - song song 55
2.4.4. Mô hình ngược trực tiếp 57
2.5. Tính gần đúng hàm số dùng mạng nơron. 57
2.6. Mô hình mạng nơron trong nhận dạng. 59
2.7. KẾT LUÂN CHƯƠNG II 61
Chương III: ỨNG DỤNG MẠNG NƠRON ELMAN NHẬN DẠNG VỊ TRÍ RÔBÔT HAI KHÂU62
3.1. Mạng nơron Elman: 62
3.1.1. Cấu trúc mạng Elman 62
3.1.2. Giá trị đầu vào của các tham số. 64
3.1.3. Huấn luyện 64
3.2. Động học rôbốt hai khâu64
3.2.1. Phân tích chọn mạng nơron Elman nhận dạng vị trí rôbôt hai khâu 64
3.2.2. Động học rôbốt hai khâu66
3.3. Ứng dụng mạng nơron Elman nhận dạng vị trí rôbôt hai khâu 67
3.3.1. Thiết lập sơ đồ nhận dạng 67
3.3.2. Quá trình nhận dạng69
3.4. KẾT LUÂN CHƯƠNG III 89
3.5. KẾT LUẬN CHUNG VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI
Để tải bản DOC Đầy Đủ xin Trả lời bài viết này, Mods sẽ gửi Link download cho bạn sớm nhất qua hòm tin nhắn.
Ai cần download tài liệu gì mà không tìm thấy ở đây, thì đăng yêu cầu down tại đây nhé:
Nhận download tài liệu miễn phí
Tóm tắt nội dung:
ác mô hình thích hợp trên cơ sở quan sát các tín hiệu vào ra.- Mô hình tìm được phải có sai số với đối tượng là nhỏ nhất.
Theo định nghĩa này thì những bài toán nhận dạng sẽ phải được phân biệt với
nhau ở ba điểm chính, đó là:
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
36
- Lớp mô hình thích hợp. Chẳng hạn lớp các mô hình tuyến tính không có cấu
trúc (không biết bậc của mô hình) hay có cấu trúc, lớp các loại mô hình lưỡng
tuyến tính.
- Loại tín hiệu quan sát được (tiền định/ngẫu nhiên).
- cách mô tả sai lệch giữa mô hình thực và đối tượng.
2.1.3. Sơ lược về sự phát triển của các phương pháp nhận dạng.
Sự phát triển của nhận dạng trong lĩnh vực điều khiển tự động từ những năm
1960 trở lại đây có thể có thể chia thành ba giai đoạn phát triển như sau:
- Giai đoạn 1:
(Khoảng 1960-1975) được đánh dấu bằng nhận dạng các mô hình không tham
số cho đối tượng điều khiển tuyến tính mà trọng tâm là thiết lập hàm trọng hay đặc
tính tần biên – pha dưới dạng một dãy giá trị (phức). Kiến thức lý thuyết cần thiết
cho giai đoạn này phần lớn được xây dựng trên cơ sở lý thuyết hàm phức và phân
tích phổ tín hiệu.
- Giai đoạn 2:
Được đặc trưng bởi sự ra đời của lớp mô hình liên tục hay rời rạc có tham số
và được gọi là giai đoạn nhận dạng tham số mô hình. Thông tin lý thuyết ở đây đủ
để người ta có thể lựa chọn được bậc (hay cấu trúc) cho mô hình liên tục hay rời
rạc. Nhiệm vụ của nhận dạng trong giai đoạn này là xác định giá trị các tham số của
mô hình đó với hướng nghiên cứu tập trung là xét tính hội tụ các phương pháp và
ảnh hưởng của nhiễu vào kết quả.
- Giai đoạn 3:
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
37
(Khoảng 1990 đến nay) được đánh dấu bằng nhận dạng mô hình động học liên
tục phi tuyến và nhận dạng mô hình tham số cho hệ nhiều chiều. Dần dần trong giai
đoạn này người ta cũng chuyển hướng đi vào nhận dạng các hệ thống suy biến.
2.2. Các phương pháp nhận dạng
Các phương pháp nhận dạng được phân loại theo các phương pháp như sau:
* Phân loại dựa trên cơ sở các phần tử hệ thống:
+ Phân loại theo hệ thống nhận dạng S.
+ Phân loại theo tín hiệu vào u
+ Phân loại theo tiêu chuẩn nhận dạng
* Phân loại theo phương pháp cập nhật dữ liệu của hệ thống:
+ Phương pháp nhận dạng đệ quy
Thông số nhận dạng được tính toán trực tiếp theo mỗi thời điểm. Nghĩa là
nếu có giá trị θ
∧
(t) được cập nhật tại thời điểm t, thì giá trị của θ
∧
(t+1) được xác
định từ θ
∧
(t). Phương pháp nhận dạng đệ quy có đặc trưng sau:
- Là bộ phận chính của hệ thống thích nghi.
- Đòi hỏi cần có bộ nhớ.
- Thuật toán có thể được thay đổi dễ dàng.
- Tại bước tính toán đầu tiên có thể tìm được ra lỗi của thuật toán khi hệ
thống có sự thay đổi thông số đủ lớn.
Có 2 loại nhận dạng đệ quy:
- Nhận dạng On-line
- Nhận dạng theo thời gian thực
+ Nhận dạng off-line
*Phương pháp nhận dạng không tham số và nhận dạng tham số
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
38
- Nhận dạng không tham số: là phương pháp nhận dạng mà mô hình để nhận
dạng là các đường cong quá độ hay các hàm và véc tơ tham số không nhất thiết
phải có kích thước hữu hạn. Nhận dạng không tham số thường dùng các phương
pháp như: phân tích hàm quá độ h(t), phân tích tần số, phân tích hàm tương quan,
phân tích phổ...
- Nhận dạng tham số từ mô hình AR, MA, ARMA.... Người ta đưa vào hệ
thống tín hiệu vào xác định u(t) sau đó đo tín hiệu ra y(t). Người ta mô tả hệ thống
bằng một mô hình tham số và dùng phương pháp bình phương tối thiểu để hiệu
chỉnh sao cho đánh giá của véc tơ tham số trùng với véc tơ tín hiệu ra của hệ thống.
Phương pháp này thường dùng nhận dạng các hệ phức tạp, khi đó đối tượng được
coi là “hộp đen”, vì vậy phương pháp nhận dạng có tên là nhận dạng “hộp đen”.
2.2.1. Nhận dạng On-line.
Trong phương pháp nhận dạng đệ quy nếu không cần đòi hỏi dữ liệu vào - ra
đầy đủ ở mỗi thời điểm thì được gọi là phương pháp nhận dạng on-line.
Nhận dạng on-line vì thế được xem như là phương pháp dễ thực hiện cho
việc tính toán. Nhận dạng on-line được sử dụng trong nhiều lĩnh vực như: nhận
dạng thích nghi, học thích nghi, lọc phi tuyến...
Trong chế độ on-line, mô hình phải thật đơn giản, số các thông số chọn đủ nhỏ
và cấu trúc mô hình tuyến tính theo thông số. Thuật toán nhận dạng on-line được
xây dựng sao cho trên mỗi bước tính không cần xử lý lại toàn bộ chuỗi quan sát, có
nghĩa là sử dụng lại quá trình lặp. Nhận dạng thông số hệ thống on-line có một số
phương pháp sau:
2.2.1.1.Phương pháp lặp bình phương cực tiểu.
Hệ thống có thể mô tả bằng hệ phương trình sai phân tuyến tính theo thông
số hay điều khiển như sau:
( ) ( ) ( ) ( )kwkPkkx +Φ=+ 1 (2.1)
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
39
( ) ( ) ( )kvkxkz += (2.2)
Trong đó: ( ) ( )k,u,xk Φ=Φ
Sơ đồ nhận dạng có tính đến hệ số trọng cho các quan sát trong quá khứ theo
luật hàm exponent:
( ) ( ) ( ) ( ) ( ) ( )[ ]111 −Φ−−++= kPˆkkxkKkPˆkPˆ
( ) ( ) ( ) ( ) ( ) ( )[ ] 111 −τ∆+Φ−ΦΦ−= TTT ekkPkkkPkK (2.3)
( ) ( ) ( )[ ] ( )1−Φ−= τ∆ kPkkKIekP T (2.4)
Trong đó: ∆T: là khoảng cách giữa hai quan sát.
τ: là thời gia đặc trưng cho khoảng ảnh hưởng tiếp tục của
quan sát lên quá trình ước lượng.
2.2.1.2.Phương pháp xấp xỉ ngẫu nhiên.
Thuật toán có dạng sau:
( ) ( ) ( ) Jk.kPˆkPˆ p∆ρ+=+ 501 (2.5)
Trong đó ρ(k) là véc tơ thông số hiệu chỉnh thỏa mãn các điều kiện sau:
( ) 0≥ρ k ; ( ) ∞=ρ∑
∞
=0k
k ; ( ) ∞<ρ∑
∞
=0
2
k
k
( )12 += keJ
( ) ( ) ( ) ( )kPˆkkxke 111 +Φ−+=+
Như vậy (2.23) có thể viết dưới dạng:
( ) ( ) ( ) ( ) ( ) ( ) ( )[ ]kPˆkkxkkkPˆkPˆ 111 +Φ−+Φρ+=+ (2.6)
Thuật toán xấp xỉ ngẫu nhiên đơn giản hơn thuật toán lặp bình phương cực
tiểu, tuy nhiên kém chính xác hơn.
Chương II: Các phương pháp ứng dụng mạng nơron trong nhận dạng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
40
2.2.1.3. Phương pháp lọc Kalman mở rộng.
Lọc Kalman là thuật toán xử lý thông tin sử dụng đầy đủ thông tin tiên
nghiệm (cấu trúc, thông số, các đặc trưng thống kê của nhiễu trạng thái và nhiễu
quan sát, các dữ liệu về điều kiện ban đầu...). Nếu trạng thái hóa véc tơ thông số
P(k+1)=P(k), ta có véc tơ trạng thái mở rộng:
( ) ( ) ( )[ ]TkP,kxky 111 ++=+
và như vậy bộ lọc Kalman mở rộng có thể được sử dụng để xác định đồng thời
trạng thái và thông số.
Giả sử hệ có động học:
( ) ( ) ( ) ( ) ( )[ ] ( )kwk,kP,ku,kxkkx +Φ=+ 11 (2.7)
( ) ( ) ( ) ( )[ ] ( )kvk,kP,ku,kxhkz += 2 (2.8)
Trong đó:
( ){ } 0=jwE ; ( ){ } 0=jvE (2.9)
( ) ( ){ } ( ) ( )jkkvjw,kwcov v −δ= (...