Chuyên đề Một số vấn đề tổng quan về điều khiển thông minh

Mét sè vÊn ®Ò tæng quan vÒ ®iÒu khiÓn th«ng minh Ths. Hµ M¹nh §µo – TsKH. Ph¹m Th−îng C¸t Phßng c«ng nghÖ tù ®éng ho¸- ViÖn c«ng nghÖ th«ng tin Tel:04 7564764, Email: daols_68@yahoo.com, ptcat@ioit.ncst.ac.vn (Bµi nghiªn cøu víi sù hç trî cña ®Ò tµi cÊp nhµ n−íc KC03-13) Tãm t¾t: VÊn ®Ò ®iÒu khiÓn th«ng minh hiÖn ®ang ®−îc nghiªn cøu, øng dông trong nhiÒu ngµnh, nhiÒu lÜnh vùc khoa häc kü thuËt, qu©n sù, c«ng nghiÖp vµ ®êi sèng c¶ trong n−íc vµ trªn thÕ giíi. VËy ®iÒu khiÓn th«ng minh lµ g×?Ph©n møc ®é th«ng minh cña c¸c bé ®iÒu khiÓn nh− thÕ nµo? §iÒu khiÓn th«ng minh sö dông nh÷ng c«ng nghÖ nµo vµ t×nh h×nh nghiªn cøu øng dông nã ra sao?... Trong bµi nµy, chóng t«i ®Ò cËp ®Õn mét vµi nÐt tæng quan vÒ ®iÒu khiÓn th«ng minh víi hy väng ®−a ra mét c¸ch nh×n ban ®Çu ®èi víi lÜnh vùc phøc t¹p, phong phó vµ ®Çy h÷u Ých nµy. 1. §iÒu khiÓn th«ng minh lµ g×? C¸c ph−¬ng ph¸p ®iÒu khiÓn truyÒn thèng ®· cho phÐp gi¶i quyÕt c¸c hÖ thèng ®iÒu khiÓn mµ cã cÊu tróc vµ tham sè hoµn toµn x¸c ®Þnh. Nh−ng víi c¸c hÖ thèng cã cÊu tróc kh«ng râ rµng, bÊt ®Þnh hoÆc c¸c hÖ thèng cã møc ®é phi tuyÕn vµ phøc t¹p cao nh−: robot kh«ng gian, automonous, mobile robot, m¹ng giao th«ng, c¸c hÖ thèng s¶n xuÊt mÒm dÎo... th× c¸c ph−¬ng ph¸p truyÒn thèng kh«ng thÓ gi¶i quyÕt tho¶ ®¸ng ®−îc c¸c bµi to¸n nµy. §Ó gi¶i quyÕt c¸c bµi to¸n cã ®Æc ®iÓm nh− vËy, c¸c ph−¬ng ph¸p ®iÒu khiÓn th«ng minh ®· ®−îc ®Ò xuÊt, nghiªn cøu vµ ph¸t triÓn trong suèt 3 thËp kû gÇn ®©y. VËy ®iÒu khiÓn th«ng minh lµ g×? Chóng ta cã thÓ nãi ®iÒu khiÓn th«ng minh lµ hÖ thèng ®iÒu khiÓn cã nh÷ng kh¶ n¨ng gièng nh− con ng−êi nh− kh¶ n¨ng mÒm dÎo, s¸ng t¹o, kh¶ n¨ng kh¸i qu¸t ho¸, kh¶ n¨ng thÝch nghi, kh¶ n¨ng suy luËn vµ t×m kiÕm..Hay nãi c¸ch kh¸c, hÖ thèng ®iÒu khiÓn th«ng minh lµ hÖ thèng ®iÒu khiÓn vµ trªn hÖ thèng ®iÒu khiÓn ®ã cã cµi ®Æt sù “th«ng minh” ®Ó hÖ thèng ®iÒu khiÓn cã kh¶ n¨ng suy diÔn, xÊp xØ .. trªn c¬ së d÷ liÖu ®Çu vµo(m«i tr−êng) vµ ®−a ra t¸c ®éng ®iÒu khiÓn ë ®Çu ra. Theo [1], Ph−¬ng tr×nh thiÕt kÕ tæng qu¸t cña hÖ thèng ®iÒu khiÓn cã thÓ ®−îc diÔn t¶ theo c«ng thøc sau: {O: Control Objective}={C: Controller}X{P: Plan} (1) Víi dÊu X biÓu diÔn phÐp to¸n phï hîp. H×nh 1 §Ó gi¶i ®−îc ph−¬ng tr×nh (1), tøc t×m [C], cÇn ph¶i biÕt [P] vµ [O]. §èi víi c¸c bµi to¸n ®iÒu khiÓn mµ [P] lµ tuyÕn tÝnh vµ [O] lµ ®¬n gi¶n th× ph−¬ng ph¸p hµm truyÒn ®−îc sö dông. Nh−ng ®èi víi c¸c hÖ thèng cã ®é phøc t¹p cao, bÊt ®Þnh, cÊu tróc hÖ thèng biÕn ®æi theo kh«ng gian vµ thêi gian th× c¸c ph−¬ng ph¸p ®iÒu khiÓn th«ng minh sÏ ®−îc sö dông. Trong c¸c hÖ thèng ®ã, [C] [P] [O] Input Output bé ®iÒu khiÓn th«ng minh [C] sÏ ®−îc x¸c ®Þnh vµ thiÕt kÕ trªn c¬ së sö dông riªng rÏ hoÆc phèi hîp nhiÒu c«ng nghÖ th«ng minh kh¸c nhau nh−: - M¹ng n¬ ron - HÖ mê - ThuËt gen - LËp luËn trªn c¬ së t×nh huèng(case) - HÖ chuyªn gia... ViÖc sö dông c¸c c«ng nghÖ nµy vµ phèi hîp gi÷a chóng phô thuéc vµo th«ng tin thu ®−îc vµ m«i tr−êng mµ trong ®ã hÖ thèng t−¬ng t¸c lµ tÜnh hay thay ®æi vµ møc ®é thay ®æi, thÝch nghi cã thÓ xÈy ra. H×nh 2 cho chóng ta thÊy mèi quan hÖ gi÷a th«ng tin, ®Æc ®iÓm m«i tr−êng, c¸c c«ng nghÖ ®−îc sö dông trong c¸c hÖ thèng ®iÒu khiÓn th«ng minh, vµ mèi liªn quan gi÷a c¸c ph−¬ng ph¸p ®iÒu khiÓn truyÒn thèng víi ®iÒu khiÓn th«ng minh. Trªn h×nh c¸c c«ng nghÖ th«ng minh kh¸c nhau n»m phï hîp trªn c¸c vïng kh¸c nhau cña kh«ng gian information- Environment. Trong kh«ng gian ®ã, cã thÓ thÊy thÊy lËp luËn trªn c¬ së t×nh huèng(case-base reasoning) lµ tèt nhÊt khi d¹ng cô thÓ cña tri thøc lµ khã kh¨n nh−ng th«ng tin thu ®−îc tõ c¸c thùc nghiÖm lµ phong phó. Cßn ®èi víi c¸c hÖ thèng mµ th«ng tin thu ®−îc lµ d÷ liÖu ch−a ®−îc xö lý nh− d÷ liÖu tõ sensor, d÷ liÖu ®o ®¹c mµ tr¹ng th¸i m«i tr−êng ®éng th× sö dông m¹ng n¬ ron vµ thuËt gen lµ phï hîp h¬n c¶. H×nh 2 VËy møc ®é th«ng minh cña c¸c hÖ thèng ®iÒu khiÓn ®−îc ph©n biÖt nh− thÕ nµo? Theo Bezdek[2], møc ®é th«ng minh cña c¸c hÖ thèng th«ng minh cã thÓ ph©n cÊp theo H×nh 3. Sù ph©n cÊp cña c¸c hÖ thèng th«ng minh Neural Networks Genetic algorithms Fuzzy system case-base reasoning Expert system Mathematical techniques E nv ir om en t Static Dynamic, adaptive InformationRaw Formal Knowlege Th«ng minh sinh häc Th«ng minh nh©n t¹o TÝnh to¸n th«ng minh Tri thøc ng−êi + C¸c ®Çu vµo c¸c gi¸c quan C¸c phÇn tö th«ng tin+d÷ liÖu sensor TÝnh to¸n + sensor numeric Symbolic organic h×nh 3. Trong m« h×nh nµy, hÖ thèng th«ng minh ®−îc ph©n lµm 3 cÊp: TÝnh to¸n th«ng minh, trÝ tuÖ nh©n t¹o vµ trÝ tuÖ sinh häc. Sù th«ng minh cña c¸c hÖ sinh häc lµ c¬ së quan träng nhÊt ®Ó c¸c hÖ thèng th«ng minh ®−îc thiÕt kÕ pháng theo. Nã gåm nhiÒu c¬ chÕ phèi hîp víi nhau ®Ó xö lý ®Çu vµo tõ c¸c sensor, gîi nhí l¹i tri thøc cã liªn quan vµ ®−a ra c¸c t¸c ®éng th«ng minh ë ®Çu ra. Møc ®é th«ng minh cña c¸c hÖ thèng ®−îc ®¸nh gi¸ thÊp nhÊt lµ møc ®é tÝnh to¸n sè ®èi víi d÷ liÖu vµo tõ sensor vµ cao nhÊt ®èi víi c¸c hÖ thèng sinh häc. C¸c hÖ thèng ®iÒu khiÓn th«ng minh cã thÓ sö dông c¸c phÇn cøng hoÆc phÇn mÒm truyÒn thèng, cã thÓ sö dông c¸c c«ng nghÖ míi hoµn toµn hoÆc cã thÓ sö dông lai gi÷a c¸c c«ng nghÖ míi vµ truyÒn thèng. HiÖn nay víi sù ph¸t triÓn m¹nh mÏ cña c«ng nghÖ ®iÖn tö vµ vi ®iÖn tö, c¸c chÝp n¬ ron, chÝp mê, c¸c chÝp DSP... cïng víi c¸c m¸y tÝnh song song víi tèc ®é c¸o cho phÐp c¸c bé ®iÒu khiÓn th«ng minh thùc sù ®−îc ®−a vµo c¸c øng dông thùc tÕ, nhÊt lµ c¸c hÖ thèng ®iÒu khiÓn ®¶m b¶o thêi gian thùc. Bµi to¸n vÒ ®iÒu khiÓn th«ng minh hiÖn nay ®ang thu hót nghiªn cøu nhiÒu chÝnh lµ nh÷ng hÖ thèng th«ng minh ph©n t¸n, nh÷ng hÖ thèng nµy ®ßi hái ph¶i tÝch hîp nhiÒu c«ng nghÖ c¶ phÇn cøng, phÇn mÒm, c¸c c«ng nghÖ th«ng minh vµ nhiÒu c«ng nghÖ thuéc nhiÒu ngµnh khoa häc kh¸c nhau. VÝ dô vÒ c¸c hÖ ®iÒu khiÓn nµy nh− c¸c robot ®¸ bãng, c¸c robot phôc vô trong mèi t−¬ng t¸c víi ®ång ®éi vµ m«i tr−êng, c¸c robot trong m¹ng c¶nh b¸o, tuÇn tra, canh g¸c... 2. Mét sè kü thuËt ®iÒu khiÓn th«ng minh HiÖn nay c¸c bé ®iÒu khiÓn th«ng minh chñ yÕu ®−îc x©y dùng trªn c¬ së c¸c c«ng nghÖ m¹ng n¬ ron(NN), hÖ logic mê(FS), c¸c thuËt tiÕn ho¸(GA) vµ sù kÕt hîp cña c¸c c«ng nghÖ ®ã. H×nh 4 thÓ hiÖn sù tÝch hîp cña 3 c«ng nghÖ NN, FS, GA. Sau ®©y mét sè d¹ng ®iÒu khiÓn th«ng minh dùa trªn c¸c c«ng nghÖ nµy sÏ ®−îc ®Ò cËp. 2.1. §iÒu khiÓn th«ng minh trªn c¬ së logic mê Trong mét hÖ thèng ®iÒu khiÓn, lý thuyÕt tËp mê, logÝc mê cho phÐp ¸nh x¹ kh«ng gian ®Çu vµo tíi kh«ng gian ®Çu ra th«ng qua hÖ thèng luËt(rule). Mçi luËt gåm cã 2 phÇn: PhÇn IF lµ phÇn gi¶ thiÕt vµ phÇn THEN lµ phÇn kÕt luËn. Trong ®ã c¸c phÐp to¸n AND vµ OR cho phÐp kÕt nèi c¸c ®iÒu kiÖn trong phÇn gi¶ thiÕt víi nhau. TËp hîp c¸c luËt trong mét hÖ thèng mê h×nh thµnh nªn c¬ chÕ suy diÔn cña hÖ thèng ®ã. VÝ dô nh− luËt Ri gåm 2 ®Çu vµo, 1 ®Çu ra ®−îc biÓu diÔn nh− sau: Ri: IF x is Ai AND y is Bi THEN z is Ci Ngoµi c¸c phÐp to¸n AND, OR ®−îc hiÓu theo phÐp lÊy min vµ max(logic ®a trÞ), cßn cã c¸c phÐp to¸n NOT, T-NORM, T-CONORM, c¸c quan hÖ mê còng ®−îc sö dông. Hai hÖ thèng mê ®−îc sö dông phæ biÕn: - Mamnami: ®Çu ra lµ tËp mê. - Sugeno: §Çu ra lµ h»ng sè hoÆc mét hµm nµo ®ã. abc a b c bc ac ab Hinh4 Sù kÕt hîp 3 kü thuËt t¹o c¸c lo¹i bé ®iÓu khiÓn th«ng minh kh¸c nhau. [a]: NN [b]: FS [c]: GA [ab]: neuron-fuzzy;fuzzy-neuron [bc]: HÖ thèng mê tù chØnh [ac]: NN tiÕn ho¸ [abc]: M¹ng n¬ ron- mê- tiÕn ho¸ HÖ Sugeno ®−îc øng dông nhiÒu trong ®iÒu khiÓn. H×nh 5 cho thÊy cÊu tróc cña mét vßng ®iÒu khiÓn mê c¬ b¶n. H×nh 5 Vßng ®iÒu khiÓn mê gåm c¸c khèi c¬ b¶n sau: - Khèi c¬ së luËt - C¬ chÕ suy diÔn mê - Khèi mê ho¸ vµ gi¶i mê Trong ®ã khèi c¬ së luËt ®ãng vai trß quan träng v× nã m« t¶ quan hÖ gi÷a ®Çu vµo vµ ®Çu ra cña c¸c bé ®iÒu khiÓn. Vßng ®iÒu khiÓn mê nµy ®−îc tÝch hîp trong c¸c bé ®iÒu khiÓn vµ tÝch hîp víi c¸c c«ng nghÖ th«ng minh kh¸c ®Ó t¹o ra c¸c bé ®iÒu khiÓn hiÖu qu¶ h¬n. Bé ®iÒu khiÓn mê ®−îc øng dông trong nhiÒu trong c¸c hÖ thèng ®iÒu khiÓn c«ng nghiÖp, trong c¸c hÖ thèng robot, c¸c hÖ thèng autonomous, c¸c hÖ thèng thÝch nghi, c¸c hÖ thèng ®iÒu khiÓn kÕt hîp víi camera, c¸c hÖ thèng th«ng minh ph©n t¸n...nãi chung, bé ®iÒu khiÓn mê ®−îc sö dông chñ yÕu ®èi víi c¸c bµi to¸n ®iÒu khiÓn lµ nh÷ng hÖ thèng bÊt ®Þnh, biÕn ®æi theo thêi gian, phi tuyÕn vµ c¸c hÖ thèng qu¶n lý phøc t¹p. 2.2. §iÒu khiÓn th«ng minh trªn c¬ së m¹ng n¬ ron M¹ng n¬ ron nh©n t¹o lµ mét m« h×nh pháng theo m¹ng n¬ ron sinh häc. M¹ng n¬ ron cho phÐp tÝnh to¸n −íc l−îc c¸c ®Çu vµo vµ ®−a ra ®¸p øng ®Çu ra. Qu¸ tr×nh xö lý th«ng tin víi m¹ng n¬ ron bao gåm ph©n tÝch c¸c mÉu sö dông th«ng tin häc ®−îc cÊt d−íi d¹ng c¸c träng liªn kÕt gi÷a c¸c nót m¹ng. M¹ng n¬ ron cã thÓ ®−îc häc theo c¸c ph−¬ng ph¸p nh−: häc cã gi¸m s¸t, häc cã tÝn hiÖu cñng cè hoÆc häc kh«ng gi¸m s¸t. CÊu tróc m¹ng n¬ ron ®−îc sö dông nhiÒu nhÊt trong ®iÒu khiÓn lµ m¹ng truyÒn th¼ng ®a líp. Trong cÊu tróc m¹ng nµy cã mét líp nhËn d÷ liÖu ®Çu vµo, mét líp ®Çu ra. Gi÷a 2 líp nµy cã mét hay nhiÒu líp trung gian ®−îc gäi lµ c¸c líp Èn. Trong c¸c líp Èn, mçi líp chøa mét sè c¸c nót nµo ®ã sao cho m¹ng ®ñ phøc t¹p ®Ó cã thÓ biÓu diÔn ®−îc quan hÖ phi tuyÕn, phøc t¹p gi÷a c¸c ®Çu vµo vµ ®Çu ra. H×nh 6 cho chóng ta thÊy c¸c cÊu tróc häc cña m¹ng n¬ ron theo kiÓu truyÒn ng−îc (BP) ®−îc sö dông phæ biÕn trong c¸c hÖ thèng nhËn d¹ng vµ ®iÒu khiÓn: - CÊu tróc häc tæng qu¸t (a) - CÊu tróc häc chi tiÕt (b) - CÊu tróc häc ph¶n håi sai sè (c) - CÊu tróc häc gi¸n tiÕp (d) HiÖn nay, trong c¸c hÖ thèng ®iÒu khiÓn phøc t¹p nh− robot, c¸c hÖ thèng ®iÒu khiÓn c«ng nghiÖp, hÖ thèng nhËn d¹ng mÉu .. bé ®iÒu khiÓn n¬ ron th−êng dïng lµ m¹ng n¬ ron víi kh¶ n¨ng mÒm dÎo(Flexible Neural Networks), ®©y lµ cÊu tróc m¹ng n¬ ron mµ c¸c hµm truyÒn cña chóng lµ c¸c hµm sigmoid nh−ng cã mét tham sè cã thÓ häc, tõ ®ã d¹ng hµm sigmoid sÏ chän ®−îc tèi −u ®èi víi mçi bµi to¸n cô thÓ. D¹ng hµm sigmoid ®¬n cùc vµ hai cùc cã tham sè a cã thÓ ®−îc häc trong qu¸ tr×nh huÊn luyÖn cã d¹ng sau: C¬ chÕ suy diÔn C¬ së luËt Defuzzilication fuzzification Process )1( 1),(, 1 2 ),( 2 2 2 xa xa xa ea eaxf a axf e − − − + −=+= H×nh 6 2.3. §iÒu khiÓn th«ng minh trªn c¬ së lý thuyÕt tiÕn ho¸(thuËt gen- GA) Lý thuyÕt tiÕn ho¸ mµ träng t©m ë ®©y lµ dïng thuËt gen(GA) cho phÐp thùc hiÖn t×m kiÕm, tèi −u ho¸ trªn c¬ së mét quÇn thÓ xuÊt ph¸t ban ®Çu. ThuËt gen cã −u ®iÓm lµ cã kh¶ n¨ng t×m ®−îc cùc trÞ tæng qu¸t trong kh«ng gian t×m kiÕm. ThuËt gen thùc hiÖn tiÕn ho¸ qua c¸c thÕ hÖ th«ng qua c¸c phÐp to¸n nh− lai t¹o, sao chÐp, ®ét biÕn vµ chän läc tù nhiªn, c¸c c¸ thÓ cã mÆt trong thÕ hÖ míi hay kh«ng phô thuéc vµo hµm finess cña chóng. H×nh 7 cho chóng ta thÊy mét hÖ thèng ®iÒu khiÓn sö dông thuËt gen. H×nh 7 Ngoµi GA, trong ®iÒu khiÓn th«ng minh cßn sö dông nhiÒu thuËt to¸n tiÕn ho¸ kh¸c nh− thuËt to¸n ®ång tiÕn ho¸(coevolution). ThuËt to¸n nµy pháng theo sù tiÕn ho¸ cña hÖ sinh häc gåm hai hay nhiÒu loµi t−¬ng t¸c víi nhau theo quan hÖ chñ thÓ vµ ký sinh(Host-parasite). ThuËt to¸n tiÕn ho¸ nµy ®−îc sö dông nhiÒu trong c¸c hÖ thèng ®iÒu khiÓn autonomous hoÆc trong c¸c hÖ thèng cã møc ®é phøc t¹p cao kh¸c. 2.5. §iÒu khiÓn trªn c¬ së lai tÝch hîp c¸c c«ng nghÖ m¹ng n¬ ron- HÖ mê- ThuËt gen. HiÖn nay c¸c hÖ th«ng ®iÒu khiÓn phøc t¹p, nhÊt lµ c¸c hÖ thèng ®iÒu khiÓn lµm viÖc trong c¸c m«i tr−êng biÕn ®æi, c¸c bé ®iÒu khiÓn th«ng minh th−êng kÕt hîp c¸c c«ng nghÖ NN- FS-GA víi nhau ®Ó cã kh¶ n¨ng ®iÒu khiÓn ®èi tuîng ®¹t tíi môc ®Ých mong muèn mét Plan NN u uc y NN Plan yd u y Feedback controlle NN Plan u u u yy PlanNN NN yd u y a) b) c) d) y Most fit Controller Plan Evalution GA Operations yd u c¸ch tèi −− nhÊt. C¸c hÖ thèng nµy th−êng cã c¸c phÇn chøc n¨ng phøc t¹p nh−: hÖ thèng c¬ së tri thøc, C¬ chÕ suy diÔn, c¸c khèi ®iÒu khiÓn ®a chøc n¨ng vµ khèi thùc hiÖn c¸c c¬ chÕ truyÒn th«ng- giao tiÕp th«ng qua c¸c giao thøc truyÒn th«ng m¹ng, th«ng qua ng«n ng÷ tù nhiªn, h×nh ¶nh... H×nh 8 cho chóng ta vÝ dô vÒ møc ®é phøc t¹p cña hÖ thèng ®iÒu khiÓn th«ng minh autonomous cã thùc hiÖn c¸c chøc n¨ng ph¶n øng, t−¬ng t¸c víi m«i tr−êng trªn c¬ së c¸c tÝn hiÖu thu ®−îc tõ m¹ng sensory ®Çu vµo. H×nh 8 Trong nh÷ng hÖ thèng ®iÒu khiÓn phøc t¹p nh− vËy, nhÊt lµ c¸c hÖ thèng ®iÒu khiÓn th«ng minh ph©n t¸n, viÖc lai t¹o gi÷a c¸c c«ng nghÖ th«ng minh kh¸c nhau ®Ó t¹o ra bé ®iÒu khiÓn tèi −u lµ thùc sù h÷u Ých. Trong nh÷ng hÖ thèng nh− vËy, m¹ng n¬ ron, GA vµ logÝc mê ®−îc tÝch hîp vµ gi÷ c¸c vai trß kh¸c nhau vµ bæ xung cho nhau trong c¸c hÖ thèng : - NN: Vai trß chÝnh ®Ó nhËn d¹ng mÉu, ph©n lo¹i tÝn hiÖu vµo, tù thÝch nghi víi víi m«i tr−êng biÕn ®æi th«ng qua qu¸ tr×nh häc. - FS: BiÓu diÔn tri thøc vµ thùc hiÖn c¸c c¬ chÕ suy diÔn. - GA: ThuËt gen víi c¬ chÕ tiÕn ho¸ gièng nh− c¸c hÖ sinh häc th−êng sö dông c¸c phÐp to¸n chän läc, sao chÐp, lai ghÐp, ®ét biÕn ®Ó thùc hiÖn tèi −u cÊu tróc cña NN vµ FS. H×nh 9a, 9b cho chóng ta thÊy sù tÝch hîp cña NN-GA vµ FS-GA trong c¸c bé ®iÒu khiÓn th«ng minh sö dông phæ biÕn trong thùc tÕ. Ngoµi c¸c hÖ thèng nªu trªn, trong thùc tÕ c¸c bé ®iÒu khiÓn th«ng minh cßn sö dông c¸c hÖ chuyªn gia, c¸c hÖ lËp luËn trªn c¬ së t×nh huèng( case-based reasoning) vµ sù kÕt hîp cña chóng víi c¸c c«ng nghÖ NN, FS, GA hoÆc c¸c tæ hîp cña nã ®Ó t¹o ra nh÷ng hÖ thèng th«ng minh h¬n, ®¸p øng ®−îc môc tiªu ®iÒu khiÓn phøc t¹p h¬n. information environment Autonomous Action selection inner state motivation drive experience Rule set sensory input constraint Action dynamics Genetic Algorithm Population neural Netwwork Trained network Performance Evalution Training Data Test Data Genetic Algorithm Population Fuzzy system finness select/modify evalution results H×nh 9a) Qu¸ tr×nh tèi −u m¹ng n¬ ron sö dông GA H×nh 9b. Qu¸ tr×nh dïng GA c¶i t¹o ho¹t ®éng cña hÖ mê 3. T×nh h×nh nghiªn cøu vÒ ®iÒu khiÓn th«ng minh trªn thÕ giíi vµ trong n−íc C«ng nghÖ th«ng minh nãi chung vµ ®iÒu khiÓn th«ng minh nãi riªng ®−îc øng dông m¹nh mÏ trong nhiÒu lÜnh vùc qu©n sù, s¶n xuÊt c«ng nghiÖp, nghiªn cøu vµ lÜnh vùc nghiªn cøu kho¶ng kh«ng..., nhÊt lµ c¸c n−íc Mü, NhËt b¶n, §øc, Hµn Quèc...Cô thÓ ®iÒu khiÓn th«ng minh ®−îc øng dông phæ biÕn trong c¸c d©y truyÒn s¶n xuÊt mÒm dÎo, c¸c hÖ thèng ®iÒu khiÓn n¨ng l−îng th«ng minh IECS (Intelligent Energy Control System),C¸c hÖ thèng ®iÒu khiÓn giao th«ng(Trafic Control Intelligent Systems), c¸c hÖ thèng suy diÔn th«ng minh IIS(Intelligent Inference Systems), c¸c thiÕt bÞ ®o l−êng th«ng minh, c¸c c¶m biÕn th«ng minh vµ ®Æc biÖt trong lÜnh vùc ®iÒu khiÓn robot, c¸c hÖ thèng l¸i xe tù ®éng, c¸c hÖ thèng nghiªn cøu trong kho¶ng kh«ng vò trô, c¸c hÖ thèng th«ng minh ®èi víi th−¬ng m¹i, nhµ m¸y s¶n xuÊt, chÝnh phñ... Sù ®Èy m¹nh nghiªn cøu vµ øng dông m¹nh mÏ c¸c c«ng nghÖ th«ng minh ®ã trong lÜnh vùc ®o l−êng vµ ®iÒu khiÓn trªn thÕ giíi lµ do mét sè yÕu tè quan träng sau: - Møc ®é gia t¨ng c¸c bµi to¸n cã ®é phøc t¹p cao, c¸c qu¸ tr×nh s¶n xuÊt cÇn cã ®é mÒm dÎo cao vµ ®ßi hái møc ®é tèi −u h¬n. - C«ng nghÖ ®iÖn tö vµ vi ®iÖn tö ®· t¹o ra c¸c chÝp n¬ron, c¸c chÝp mê...cho phÐp ®−a nhiÒu c«ng nghÖ th«ng minh vµo lÜnh vùc ®o vµ ®iÒu khiÓn. NhÊt lµ lÜnh vùc c«ng nghÖ nano hiÖn nay ®· cho phÐp chÕ c¸c m¸y tÝnh m¹nh vµ cã kÝch th−íc cùc nhá cµng lµm cho lÜnh vùc ®iÒu khiÓn th«ng minh ®−îc chó träng vµ më réng tÇm øng dông. §èi víi t×nh h×nh nghiªn cøu vÒ ®iÒu khiÓn th«ng minh ë ViÖt nam, vÊn ®Ò nµy còng ®ang ®−îc nghiªn cøu m¹nh mÏ nh−ng trªn thùc tÕ chóng ta míi chØ dõng ë møc sö dông c¸c modul th«ng minh nhËp tõ c¸c h·ng n−íc ngoµi nh− NhËt, §øc, Mü...hoÆc míi triÓn khai chÕ t¹o c¸c thiÕt bÞ ë møc “tÝnh to¸n sè th«ng minh” mµ th«i. 4. KÕt luËn §iÒu khiÓn th«ng minh lµ mét lÜnh vùc réng, bao trïm nhiÒu ngµnh khoa häc, nhiÒu lÜnh vùc c«ng nghÖ vµ ®ang ®−îc nghiªn cøu, øng dông m¹nh mÏ, ®a d¹ng trªn thÕ giíi. V× vËy, trong bµi nµy chóng t«i chØ ®−a ra mét vµi nÐt tæng quan vÒ lÜnh vùc nµy mµ chñ yÕu ®−a ®Õn mét c¸ch nh×n vÒ ®iÒu khiÓn th«ng minh, nh÷ng c«ng nghÖ th«ng minh vµ mét vµi kh¶ n¨ng thiÕt kÕ c¸c bé ®iÒu khiÓn th«ng minh ®ã, vµ cuèi cïng ®−a ra mét vµi suy nghÜ vÒ t×nh h×nh nghiªn cøu, øng dông ®iÒu khiÓn th«ng minh trong n−íc vµ trªn thÕ gioÝ hiÖn nay. Tµi liÖu tham kh¶o [1] Shigeyasu Kawaji; Intelligent Control – why,How, Where?; RESCCE ‘1998, Ha noi , Viet nam. [2] Y.KaKaZu, M. WaDa, T. SaTo; Intelligent autonomous system; IAS-5 [3] LiMin Fu; Neural networks in computer intelligent; McGraw-Hill, Inc; 1994 [4] Nils Nilsson; Artificial Intelligence A New Synthesis; Morgan Kaufmann Publisher – 1998 [5] Kenneth Hunt, George Irwin, Kenvin; Neural Network Engineering in Dynamic control system; Spinger [6] Mohammad Teshnehlab, Keigo Watanabe; Intelligent Control based on Flexible Neural Networks; Klwer Academic Publishers- 1999 [7] Spyros G.Tzalestas; Fuzzy Reasoning in information, Decision and Control Systems; Klwer Academic Publishers- 1994 [8] Lardy R.Medsker; Intelligent system; ; Klwer Academic Publishers- 1999 [9]Yih-Guang Leu, Tsu-Tian Lee; Oberver- Based Adaptive Fuzzy –Neural Control for Unknown Nonlinear Dynamical system; System, Man, and Cybernetics; Volum 29; October 1999 [10] Alexandre Schmid, yusuf Leblebici...;A Charge- Based Artificial Neural Network with On-Chip Learning Ability; Proceeding of the 5th European Congress on Intelligent Technique & soft computing EUFIT’97, Gemany 1997 [11] David E.Goldberg; Genetic Algorithms in Search, Optimization, and Machine Learning; Addison Wesley Longman,inc, 1989 [12] C¸c trang WEB ®−îc t×m kiÕm víi côm tõ “inteligent+Control” .