Luận văn Nghiên cứu ứng dụng logic mờ và đại số gia tử cho bài toán điều khiển
ĐẠI HỌC THÁI NGUYÊN
TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP
LUẬN VĂN THẠC SĨ KỸ THUẬT
NGÀNH : TỰ ĐỘNG HOÁ
NGHIÊN CỨU ỨNG DỤNG LOGIC MỜ VÀ
ĐẠI SỐ GIA TỬ CHO BÀI TOÁN ĐIỀU KHIỂN
Ngành : TỰ ĐỘNG HOÁ
Mã số:23.
Học Viên: ĐINH VIỆT CƯỜNG
Người HD Khoa học : PGS.TS. NGUYỄN HỮU CÔNG
THÁI NGUYÊN 2009
MỤC LỤC
Trang
a-b
i-iii
1
Nội dung
Tài liệu tham khảo
Chương mở đầu
Chương 1: Không gian hàm liên thuộc của các biến ngôn ngữ
và lập luận xấp xỉ
1.1. Không gian hàm thuộc trong logic mờ và logic ngôn ngữ phương pháp xây
1
dựng cấu trúc đại số.
1.1.1. Biểu diễn tham số của không gian hàm thuộc của biến ngôn ngữ
2
2
5
7
a, Khái nhiệm miền mở trong không gian nền của biến ngôn ngữ
b, Biểu diễn tham số của không gian hàm thuộc
1.1.2. Quan hệ ngữ nghĩa giữa các giá trị ngôn ngữ trong không gian hàm thuộc
tham số của biến ngôn ngữ.
11
12
14
1.1.3. So sánh với mô hình của Di Lascio, Gisolfi và Loia
1.1.4. Cấu trúc đại số của không gian các hàm thu ộc tham số của biến ngôn ngữ.
1.1.5. Xây dựng hàm thuộc biểu thị ngữ nghĩa các giá trị biến ngôn ngữ dựa trên
độ đo tính mờ
15
17
20
24
a, Phân tích lựa chọn cách tiếp cận giải bài toán
b, Xác định tính mờ của ngôn ngữ dựa trên cấu trúc đại số gia tử
c, Xây dựng các tập mờ cho một biến ngôn ngữ
1.2. Lập luận xấp xỉ dựa trên mô hình tham số của các biến ngôn ngữ
25
26
1.2.1. Giới thiệu
1.2.2. Giá trị chân lý ngôn ngữ trong logic mờ cho lập luận xấp xỉ.
28
1.2.3. Suy diễn với quy tắc modus ponens tổng quát.
31
32
1.2.4. Suy diễn mờ đa điều kiện
1.2.5. Logic m ờ dựa trên biểu diễn tham số của các giá trị chân lý ngôn ngữ.
36
38
1.2.6. Một cấu trức đại số khác của nhiều giá trị chân lý ngôn ngữ.
1.2.7. Logic mờ cho lập luận tự động trong các hệ phân loại kiểu đối tượng
38
40
1.3. Kết luận chương 1
Chương 2: Giới thiệu về logic mờ và thiết kế bộ điều khiển mờ cho đối tượng
công nghiệp
40
41
42
2.1. Bộ điều khiển mờ cơ bản
2.1.1. Mờ hoá
2.1.2. Sử dụng luật hợp thành
42
43
2.1.3. Sử dụng các toán tử mờ - khối luật mờ
2.1.4. Giải mờ
44
46
47
47
48
48
48
49
49
50
2.2. Nguyên lý điều khiển mờ
2.3. Nguyên tắc thiết kế bộ điều khiển mờ
2.3.1. Định nghĩa các biến vào/ra
2.3.2. Xác định tập mờ
2.3.3. Xây dựng các luật điều khiển
2.3.4. Chọn thiết bị hợp thành
2.3.5. Chọn nguyên lý giải mờ
2.3.6. Tối ưu
2.4. Kết luận
Chương 3 : Thiết kế bộ điều khiển mờ cho Balong hơi – Nhà máy
nhiệt điện PHẢ LẠI
3.1. Mô hình toán học của đối tượng công nghệ
3.1.1. Sơ đồ cấu trúc của bộ điều chỉnh mức nước trong Balong
3.1.2. Xác định hàm truyền đạt của các phần tử trong các sơ đồ cầu trúc
3.2. Thiết kế bộ điều khiển kinh điển cho mạch vòng trong
3.3. Thiết kế bộ điều khiển cho mạch vòng ngoài bằng tiêu chuẩn phẳng
3.4. Thiết kế bộ điều khiển mờ tĩnh cho mạch vòng ngoài điều khiển mức nước
3.4.1. Định nghĩa các biến ngôn ngữ vào và ra
3.4.2. Định nghĩa tập mờ
50
50
50
52
53
54
54
54
57
58
59
59
59
3.4.3. Xây dựng luật điều khiển
3.4.4. Chọn thiết bị hợp thành và nguyên lý giải mờ
3.5. Thiết kế bộ điều khiển mờ động
3.5.1. Định nghĩa các biến ngôn ngữ vào ra
3.5.2. Định nghĩa tập mờ
62
63
64
64
65
66
67
67
68
70
74
82
85
3.5.3. Xây dựng luật điều khiển
3.5.4. Chọn thiết bị hợp thành và nguyên lý giải mờ
3.6. Chương trình và Kết quả mô phỏng:
3.6.1. Sơ đồ và kết quả mô phỏng bộ điều khiển mạch vòng trong
3.6.2. Sơ đồ và kết quả mô phỏng bộ điều khiển mờ tĩnh
3.6.3. Sơ đồ và kết quả mô phỏng bộ điều khiển mờ động
3.6.4. So sánh chất lượng khi dùng mờ tĩnh và mờ động.
a, Kết quả mô phỏng sau khi thiết kế
b, So sánh chất lượng của các máy điều chỉnh khi có nhiễu phụ tải
c, So sánh chất lượng của các máy điều chỉnh khi thay đổi giá trị đặt
d, So sánh chất lượng của các máy điều chỉnh khi thay đổi thông số đối tượng
3.7. Kết luận chương 3
Chương 4: ĐSGT và ứng dụng trong điều khiển
85
86
90
91
95
95
4.1. Đại số gia tử
4.1.1. Độ đo tính mờ của các giá trị ngôn ngữ
4.1.2. Hàm định lượng ngữ nghĩa
4.1.3. Đại số gia tử tuyến tính đầy đủ
4.2. Ứng dụng phương pháp luận xấp xỉ trong diều khiển mờ
4.2.1. Xây dựng phương pháp điều khiển mờ dựa trên ĐSGT
95
96
4.2.1.1. Đều khiển logic mờ
4.2.1.2. Xây dựng phương pháp HAC
99
109
4.2.2. Ví dụ so sánh giữa phương pháp FLC và HAC
4.3. Kết luận và kiến nghị nghiên cứu tiếp theo
109
109
4.3.1. Kết luận
4.3.2. Kiến nghị nghiên cứu tiếp theo
a
TÀI LIỆU THAM KHẢO
[1] Bùi Công Cường & Nguyễn Doãn Phước; Hệ mờ, mạng nơron & ứng dụng,
NXB KH & KT 2001.
[2] Nguyễn Hoàng Cương, Bùi Công Cường, Nguyễn Doãn Phước, Phan Xuân
Minh & Chu Văn Hỷ: Hệ mờ và ứng dụng, NXB KH & KT 1998.
[3] Phan Xuân Minh & Nguyễn Doãn Phước: Lý thuyết điều khiển mờ, NXB KH &
KT 2004.
[4] Vũ Như Lân: Điều khiển sử dụng logic mờ, mạng nơron và đại số gia tử, NXB
KH & KT 2006.
[5] Nguyễn Xuân Quang: Lý thuyết mạch logic và kỹ thuật số, NXB đại học và giáo
dục chuyên nghiệp, 1991.
[6] Trần Đình Khang, Ứng dụng đại số gia tử đối sánh các giá trị ngôn ngữ, Tạp chí
tin học và điều khiển học, 14,3, 1998.
[7] V.N.Lân, V.C. Hưng, Đ.T.Phu: Điều khiển trong điều khiển bất định trên cơ sở
logic mờ và kkả năng sử dụng đại số gia tử trong các luật điều khiển, Tạp chí “ Tin
học và điều khiển học”, T.18, S3 (2002), 211-221.
[8] V.N.Lân, V.C. Hưng, Đ.T.Phu, N.D.Minh: Điều khiển sử dụng đại số gia tử,
Tạp chí “ Tin học và điều khiển học”, T.21, S1 (2005), 23-37.
[9] Phạm Công Ngô, Lý thuyết điều khiển tự động, NXB Khoa học kỹ thuật, 1998
[10] Tài liệu hướng dẫn vận hành nhà máy nhiệt điện phả lại.
[11] Trần Văn Quang CH-K8, Luận văn thạc sỹ kỹ thuật, nghành tự động hoá: Ứng
dụng điều khiển kinh điển và điều khiển mờ cho bài toán điều khiển quá trình, 2008.
[12] N.V.Lân, Vũ Chấn Hưng, Đặng Thành Phu, tạp chí “Tin học và điều khiển”,
Điều khiển trong điều kiện bất định trên cơ sở logic mờ và khả năng sử dụng đại số
gia tử trong các luật điều khiển, T.18, S.3, 211-212, 2002
[13] J.F. Baldawin, A new approach to approximate reasoning using a fuzzy logic,
Fuzzy Sets and Systems 2 (1979) 309 – 325.
[14] G.Beliakov, “Fuzzy sets and membership functions based on probabilites”
Information Sciences, vol. 91, 95-111, 1996
b
[15] R.E. Bellman & L.A. Zadeh, Local and fuzzy logic, in: G.J. Klir & B. Yuan
(Eds), Fuzzy sets, fuzzy logic, and Fuzzy Systems: Selected papers by L.A. Zadeh
(World Scientific, Singapore, 1996) 283 – 335.
[16] N.D. Belnap, A useful four-valued logic, in: J.M. DUNN, G.EPSTEIN(Eds),
Modern. Uses of Mutiple-Valued Logic, Dordrecht, Reidel Publishing company,
1977, 9-37.
[17] T.H. Cao, & A, P.N Créay, Fuzzy types: a framework for handling uncertaity
about types of objects, International Journal of Approximate Reasoning, 25, 2000,
217-253.
[18] L.Di lasco, A. Gisolfi & V. Loia, A new model for linguiistic modifiers,
Internationl Journal of Approximate Reasoning 15 (1996) 25-47.
[19] D.Dubois and H. Prade,”The three semantics of fuzzy sets”, Fuzzy sets and
systems, vol, phương pháp. 141-150, 1997.
[20] Nguyen Cat Ho and Huynh Van Nam, A theory of rfinememt strucuture of
hedge algebra and its application to linguistic-valued fuzzy logic, in D. Niwinski
and M. Zawadowski(Eds), logic, Algebra and Computer Science, Banach center
Publications, PWN-Polish Scientific Publishers> Warsaw, 1998(in press).
[21] Nguyen Cat Ho and Huynh Van Nam, An algebraic approach to linguistic
hedges in Zadeh’s fuzzy logic, Fuzzy Sets and Systems 129 (2002) 229-254.
[22] Nguyen Cat Ho, Tran Dinh Khang, Huynh Van Nam & Nguyen Hai Chau,
Hegdes algebras, linguistic-valued logic anh their application to fuzzy reasoning,
International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems 7
(1999) 347-61.
[23] Nguyen Cat Ho and W.Wechler. Hedge algebras: An algebraic approach to
structure of sets of linguistic truth values, Fuzzy Sets and Systems 35, 1990,281-293
[24] Nguyen Cat Ho and W.Wechler, Extended hegde algebras and their application
to fuzzy logic, Fuzzy sets and Syystems 52, 1992,259-281.
i
Ngày nay, cùng với sự phát triển của các ngành kỹ thuật, công nghệ thông tin
góp phần cho sự phát triển của kỹ thuật điều khiển và tự động hoá. Trong công
nghiệp, điều khiển quá trình sản xuất đang là mũi nhọn và then chốt để giải quyết
vấn đề nâng cao năng suất và chất lượng sản phẩm. Một trong những vấn đề quan
trọng trong điều khiển là việc tự động điều chỉnh độ ổn định và sai số là ít nhất
trong khoảng thời gian điều khiển là ngắn nhất, trong đó phải kể đến các hệ thống
điều khiển mờ đang được sử dụng rất rộng rãi hiện nay.
Trong quá trìnhđiều khiển trên thực tế, người ta luôn mong muốn có một
thuật toán điều khiển đơn giản, dễ thể hiện về mặt công nghệ và có độ chính xác
càng cao càng tốt. Đây là những yêu cầu khó thực hiện khi thông tin có được về tính
điều khiển được và về mô hình động học của đối tượng điều khiển chỉ được biết mơ
hồ dưới dạng tri thức chuyên gia theo kiểu các luật IF – THEN. Để đảm bảo độ
chính xác cao trong quá trình xử lý thông tin và điều khiển cho hệ thống làm việc
trong môi trường phức tạp, hiện nay một số kỹ thuật mới được phát hiện và phát
triển mạnh mẽ đã đem lại nhiều thành tựu bất ngờ trong lĩnh vực xử lý thông tin và
điều khiển. Trong những năm gần đây, nhiều công nghệ thông minh được sử dụng
và phát triển mạnh trong điều khiển công nghiệp như công nghệ nơron, công nghệ
mờ, công nghệ tri thức, giải thuật di truyền, … Những công nghệ này phải giải
quyết với một mức độ nào đó những vấn đề còn để ngỏ trong điều khiển thông minh
hiện nay, đó là hướng xử lý tối ưu tri thức chuyên gia.
Tri thức chuyên gia là kết quả rút ra từ quá trình tổ chức thông tin phức tạp,
đa cấp, đa cấu trúc, đa chiều nhằm đánh giá và nhận thức được (càng chính xác
càng tốt) thế giới khách quan. Tri thức chuyên gia được thể hiện dưới dạng các luật
mang tính kinh nghiệm, các luật này là rất quan trọng vì chúng tạo thành các điểm
chốt cho mô hình suy luận xấp xỉ để tìm ra đại lượng điều khiển cho phép thoả mãn
(có khả năng tối ưu) mục tiêu điều khiển với độ chính xác nào đó. Chiến lược suy
luận xấp xỉ càng tốt bao nhiêu, đại lượng điều khiển tìm được càng thoả mãn tốt bấy
nhiêu mục tiêu điều khiển đề ra. Các thuật toán điều khiển hiện nay ngày càng có
mức độ thông minh cao, tích hợp trong đó các suy luận, tính toán mềm dẻo hơn để
có thể hoạt động được trong mọi điều kiện đa dạng, phức tạp hoặc với độ bất định
cao, tính phi tuyến lớn của đối tượng điều khiển.
Logic mờ đã đem lại cho công nghệ điều khiển truyền thống một cách nhìn
mới, nó cho phép điều khiển được khá hiệu quả các đối tượng không rõ ràng về mô
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
ii
hình trên cơ sở tri thức chuyên gia đầy cảm tính. Điều khiển mờ là một thành công
của sự kết hợp giữa logic mờ và lý thuyết điều khiển trong quá trình đi tìm các thuật
toán điều khiển thông minh. Chìa khóa của sự thành công này là sự giải quyết tương
đối thỏa đáng bài toán suy luận xấp xỉ (suy luận mờ). Tuy vậy không phải không
còn những vướng mắc. Một trong những khó khăn của các lý thuyết suy luận xấp xỉ
là độ chính xác chưa cao và sẽ còn là bài toán mở trong tương lai.
Công nghệ tính toán mềm là sự hội tụ của công nghệ mờ và công nghệ nơron
và lập trình tiến hoá nhằm tạo ra các mặt cắt xuyên qua tổ chức thông tin phức tạp
nói trên, tăng cường khả năng xử lý chính xác những tri thức trực giác của các
chuyên gia [3].
Khác hẳn với kỹ thuật điều khiển kinh điển là hoàn toàn dựa vào độ chính
xác tuyệt đối của thông tin mà trong nhiều ứng dụng không cần thiết hoặc không thể
có được, trong khi đó điều khiển mờ có thể xử lý những thông tin “không chính
xác” hay “không đầy đủ”. Những thông tin mà sự chính xác của nó chỉ nhận thấy
được giữa các quan hệ của chúng đối với nhau và cũng chỉ mô tả được bằng ngôn
ngữ, đã cho ra quyết định hợp lý. Chính khả năng này đã làm cho điều khiển mờ sao
chụp được phương thức xử lý thông tin và điều khiển cụ thể đã giải quyết thành
công một số bài toán điều khiển phức tạp mà trước đây không giải quyết được.
Mặc dù logic mờ và lý thuyết mờ đã chiếm một vị trí vô cùng quan trọng
trong kỹ thuật điều khiển. Tuy nhiên, nhiều bài toán điều khiển đòi hỏi tính trật tự
theo ngữ nghĩa của hệ luật điều khiển. Điều này lý thuyết mờ chưa đáp ứng được
đầy đủ. Để khác phục khó khăn này, trong luận văn này đề cập đến lý thuyết đại số
gia tử [9], [10], [11], [12], một công cụ đảm bảo tính trật tự ngữ nghĩa, hỗ trợ cho
logic mờ trong các bài toán suy luận nói chung và điều khiển mờ nói riêng. Có thể
thấy đây là một sự cố gắng lớn nhằm mở ra một hướng giải quyết mới cho xử lý
biến ngôn ngữ tự nhiên và vấn đề tư duy trực cảm.
Lý thuyết đại số gia tử được hình thành t ừ những năm 1990. Ngày nay lý
thuyết này đang được phát triển và một trong những mục tiêu của nó là giải quyết
bài toán suy luận xấp xỉ. Có thể tìm hiểu kỹ các vấn đề này trong các công trình
nghiên cứu gần đây.
Trong logic mờ và lý thuyết mờ, nhiều khái niệm quan trọng như tập mờ, T-
chuẩn, S-chuẩn, phép giao mờ, phép hợp mờ, phép phủ định mờ, phép kéo theo mờ,
phép hợp thành, … được sử dụng trong bài toán suy luận xấp xỉ. Đây là một điểm
mạnh có lợi cho quá trình suy luận mềm dẻo nhưng cũng là một điểm yếu bởi có
quá nhiều yếu tố ảnh hưởng đến tính chính xác của quá trình suy luận. Trong khi đó
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
iii
suy luận xấp xỉ dựa trên đại số gia tử ngay từ đầu không sử dụng khái niệm tập mờ,
do vậy độ chính xác của suy luận xấp xỉ không bị ảnh hưởng bởi các khái niệm này.
Một vấn đề đặt ra là liệu có thể đưa lý thuyết đại số gia tử với tính ưu việt về
suy luận xấp xỉ so với các lý thuyết khác vào bài toán điều khiển và liệu sẽ có được
sự thành công như các lý thuyết khác đã có hay không?
Luận văn này cho thấy rằng có thể sử dụng công cụ đại số gia tử cho nhiều
lĩnh vực công nghệ khác nhau và một trong những số đó là công nghệ điều khiển
trên cơ sở tri thức chuyên gia.
Phần nội dung của bản luận văn gồm 4 chương:
Chương 1: Không gian hàm thuộc của các biến ngôn ngữvàlập luận xấp xỉ.
Chương 2:Logic mờ; thiết kế FLC cho đối tượng công nghiệp.
Chương 3: Thiết kế bộ điều khiển mờ để điều khiển mức cho Balong hơi nhà máy
nhiệt điện phả lại.
Chương 4: Bộ điều khiển bằng đại số gia tử.
Do trình độ và thời gian hạn chế, em rất mong nhận được những ý kiến góp ý
của các thầy giáo, cô giáo và các ý kiến đóng góp của đồng nghiệp.
Đặc biệt, em xin chân thành cảm ơn sự hướng dẫn tận tình của thầy giáo
PGS.TS. Nguyễn Hữu Công và sự giúp đỡ của các thầy cô giáo trong khoa Điện
tử, khoa Đ
-
đồng nghiệp.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
1
CHƯƠNG 1
KHÔNG GIAN HÀM THUỘC CỦA CÁC BIẾN NGÔN NGỮ
VÀ LẬP LUẬN XẤP XỈ
Trong chương này chúng ta nghiên cứu cơ sở lý thuyết về logic mờ, logic
ngôn ngữ và lập luận xấp xỉ để ứng dụng vào tự động hoá để giải quyết các các bài
toán điều khiển ở các chương tiếp theo.
Như chúng ta đã biết, các tri thức chuyên gia thường được cho ở dạng ngôn
ngữ. Để xây dựng hệ lập luận với các tri thức dạng này chúng ta cần biểu diễn được
các khái niệm ngôn ngữ và cơ sở lý luận kèm theo. Vấn đề là phương pháp biểu
diễn được xây dựng như thế nào để phản ánh tốt nhất, trong chừng mực có thể, cấu
trúc ngữ nghĩa của các giá trị ngôn ngữ trong thực tế, đồng thời nó dẫn đến cấu trúc
toán học đủ tốt cho phép thực hiện các tính toán một cách hiệu quả. Cho đến nay
chưa có một phương pháp nào đáp ứng được đầy đủ cả hai yêu cầu này cho mọi
biến ngôn ngữ và có lẽ cũng không tồn tại một phương pháp lý tưởng như vậy.
Trong chương này chúng ta sẽ nghiên cứu một phương pháp xây dựng không gian
hàm thuộc của miền giá trị ngôn ngữ của một biến ngôn ngữ. Như chúng ta sẽ thấy
sau này, phương pháp của chúng ta dựa trên quan sát thực tế về ngữ nghĩa của khái
niệm mờ sử dụng ngôn ngữ hằng ngày như đã phân tích trong [13, 15]. Do đó, theo
cách xây dựng của chúng ta, không gian hàm thuộc của miền giá trị của của một
biến ngôn ngữ cũng có hai phần tử sinh nguyên thuỷ (không kể phần tử chung tính)
và cũng có cấu trúc đại số đủ tốt để thực hiện nhiệm vụ tính toán. Sau đó chúng ta
xây dựng một hệ hỗ trợ quyết định dựa vào phương pháp lập luận xấp xỉ trên mô
hình hàm thuộc tham số. Với phương pháp lập luận này chúng ta sẽ xây dựng thuật
toán tự động hoá hỗ trợ.
1.1. Không gian hàm thộuc trong logic mờ và logic ngôn ngữ phương
pháp xây dựng cấu trúc đại số.
1.1.1. Biểu diễn tham số của không gian hàm thuộc của biến ngôn ngữ
Như đã nhận xét trong [14], hầu hết các biến ngôn ngữ trong thực tế chỉ có 2
phần tử sinh nguyên thuỷ phản nghĩa nhau: một phần tử sinh âm (ngữ nghĩa), ký
hiệu là f, và một phần tử sinh dương, ký hiệu là t. Chẳng hạn như biến chân lý ngôn
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
2
ngữ có hai phần tử sinh đối nghĩa nhau là true (t) và false (f). Ngoài ra, các tác giả
trong [14] cũng giả thiết một phần tử sinh trung tính W sao cho việc tác động các
gia tử lên W không làm thay đổi ngữ nghĩa của nó (tức là W là một điểm bất động
đối với các toán tử một ngôi hay là các gia tử). Mặt khác trong thực tế chúng ta
cũng có thể xem một số biến ngôn ngữ có 3 giá trị ngôn ngữ (phần tử sinh) nguyên
thuỷ phần tử sinh âm f, phần tử sinh dương t, và phần tử sinh “trung gian” m. Lưu ý
rằng chúng ta cần phân biệt ngữ nghĩa hoàn toàn khác nhau giữa hai giá trị ngôn
ngữ: m là một giá trị ngôn ngữ cụ thể và nó hàm chứa nhiều thông tin ngữ nghĩa
hơn W, trong khi W có thể được đồng nhất với ngữ nghĩa “neither absolutely f not
absolutely t”.
Như đã nói ở trên, sau đây chúng ta giả thiết rằng không gian nền U có biến cơ
sở u của một biến ngôn ngữ X là một tập con đóng của tập các số thực R,tức là U =
[a,b], với a < b
a, Khái nhiệm miền mở trong không gian nền của biến ngôn ngữ
Trong thực tế con người thường sử dụng các từ trong ngôn ngữ tự nhiên để mô
tả định tính định lượng của các đối tượng trong một hệ thống quan sát được. Đồng
thời các thuộc tính vật lý (định lượng) của các đối tượng thường được đo bằng các
đại lượng số kết hợp với các đơn vị đo thích hợp. Chẳng hạn như để đo chiều cao
của con người, chúng ta sử dụng một tập con của tập các số thực từ 0 đến 3 kết hợp
với đơn vị đo chiều dài là mét. Trong khi đó mô tả định tính về chiều cao của con
người thường được sử dụng bằng các từ như: Cao, rất cao, trung bình, thấp…Khi
đó cao được xem như phần tử sinh dương, thấp được xem như phần tử sinh âm, và
trung bình là phần tử sinh “Trung gian”. Tình huống tự như trong toán học có thể
của các đại lượng số thực là âm (các số nhỏ hơn 0 ), dương (Các số lớn hơn 0) và
phân tử trung tính là 0.
Trường hợp 1: (X có 3 phần tử sinh t, f, m). Giả sử từ dữ liệu quan sát được
sử dụng thuật toán đồng đẳng hoá mờ như trên chúng ta xây dựng hàm thuộc cho 3
phần tử sinh nguyên thuỷ t, f, m của X. Theo cách xây dựng này, các tập mờ tương
ứng của các giá trị ngôn ngữ t, f, m làm thành một phân hoạch mờ của U, đồng thời
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
3
biểu diễn đồ thị của các hàm thuộc các giá trị ngôn ngữ nguyên thuỷ t, m, f, ký hiệu
bởi µt, µf, µm tương ứng, có dạng được mô tả trong hình vẽ sau:
µm
µf
µt
a
a1
a2 a3
b
Hình 1.1. Hàm thuộc của 3 giá trị ngôn ngữ nguyên thuỷ sinh bởi đồng đẳng
hoá mờ.
Cụ thể ta có biểu diễn giải tích của các hàm thuộc các giá trị ngôn ngữ nguyên
thuỷ µt, µf, µm : [a,b] → [0,1] được cho tương ứng như sau:
1,
a ≤ a1
a − u
a2 − a1
2
a1 ≤ u ≤ a2
u ≥ a2
µf(u) = (a, a, a1, a2) =
µt(u) = (a2, a3, b, b) =
(1.1)
(1.2)
0,
1,
a3 ≤ u ≤ b
a2 ≤ u ≤ a3
u ≥ a2
u − a
a3 − a1
2
0,
0,
u − a1
a2 − a1
a3 − u
a3 − a2
a3 ≤ u ∨ u ≤ a1
a1 ≤ u ≤ a2
µm(u) = (a1, a2, a3) =
(1.3)
a2 ≤ u ≤ a3
Khi đó chúng ta gọi các khoảng (a1, a3) và (a2, a3) là các miền mờ trong không
gian nền của biến ngôn ngữ X. Giải thích ngữ nghĩa của các miền mờ là như sau:
Về phương diện trực quan, chúng ta thấy rằng các giá trị của biến cơ sở và
trong U với u ∈ [a, a1] (tương ứng u ∈ [a3, b] là tương thích hoàn toàn với mô tả
định tính f (sai) (tương ứng t (đúng)). Với u = a2 thì u là tương thích hoàn toàn với
mô tả định tính m (trung gian). Ngoài ra các giá trị còn lại của u là mơ hồ, không
hoàn toàn tương thích với các mô tả định tính f, t và m. Điều này tương ứng với giá
trị hàm thuộc (1.1 - 1.2) của các giá trị ngôn ngữ f, t và m được định nghĩa như trên.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
4
Khi đó nếu chúng ta sử dụng các trạng từ nhấn (các gia tử ngôn ngữ) để nhấn mạnh
ngữ nghĩa của các giá trị nguyên thuỷ, thì các trạng từ nhấn này chỉ ảnh hưởng đến
các giá trị của biến u nằm trong phạm vi các miền mờ.
Về phương diện ngữ nghĩa hàm thuộc, các trạng từ nhấn như very, more or
less, little, … thường được mô hình bằng các toán tử một ngôi trên các tập mờ. Khi
đó chúng ta thấy rằng một khi giá trị hàm thuộc của biến cơ sở bằng 1 hoặc 0, thì
các toán tử một ngôi không làm thay đổi các giá trị hàm thuộc này mà chỉ làm thay
đổi các giá trị hàm thuộc nằm trong khoảng (0.1). Nhận xét này cũng nhất quán với
các nghiên cứu dựa trên lý thuyết tập mờ trước đây về các gia tử ngôn ngữ.
Ví dụ. Xét biến ngôn ngữ Age khi mô tả định tính về tuổi của con người. Khi
đó chúng ta có thể định nghĩa không gian nền của biến cơ sở U = [0, 120] kết hợp
với một đơn vị đo thời gian. Các giá trị sinh nguyên thuỷ của Age có thể là old
(phần tử sinh dương), young (phần tử sinh âm), medium (phần tử sinh trung gian).
Khi đó dựa trên phân bố tuổi (dữ liệu số) trong một cộng đồng người, sử dụng thuật
toán đồng đẳng hoá mờ như trên, giả sử chúng ta thu được hàm thuộc của các giá trị
ngôn ngữ old, young và medium có biểu diễn dạng tham số như sau:
µyoung = (0, 0, 20, 40); µmedium = (20, 40, 60); µold = (40, 60, 120, 120).
Khi đó miền mờ của biến ngôn ngữ Age là (20, 40) và (40, 60).
Trường hợp 2: (X có 2 phần tử sinh t, f). Tương tự như Trường hợp 1, theo
cách xây dựng hàm thuộc dùng đồng đẳng hoá mờ, các tập mờ tương ứng của các
giá trị ngôn ngữ t, f làm thành một phân hoạch mờ của U. Khi đó biểu diễn đồ thị
của các hàm thuộc của các giá trị ngôn ngữ nguyên thuỷ t và f, ký hiệu bởi µt và µf
tương ứng, có dạng được mô tả trong hình 1.2 như sau:
µf
µt
a
a1
a2
b
Hình 1.2. Hàm thuộc của 2 giá trị ngôn ngữ nguyên thuỷ sinh bởi đồng đẳng
hoá mờ.
Khi đó biểu diễn giải tích của µt và µf như sau:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
µf(u) = (a, a, a1, a2) =
5
1,
a ≤ a1
a − u
a2 − a1
2
a1 ≤ u ≤ a2
u ≥ a2
(1.4)
(1.5)
0,
1,
a2 ≤ u ≤ b
a2 ≤ u ≤ a2
u ≥ a1
u − a
a2 − a1
1
µt(u) = (a1, a2, b, b) =
0,
Trong trường hợp này, miền mờ trong không gian nền của biến ngôn ngữ là
khoảng (a1; a2). Hơn nữa, hàm thuộc của phần tử trung tính W có thể được định
nghĩa như sau: µw(u) = 1 nếu a1 , u <a2, và µw(u) = 0 nếu a1 ≥ u hoặc a2 ≤ u.
b, Biểu diễn tham số của không gian hàm thuộc
Trong phần này chúng ta sẽ giới thiệu một mô hình biểu diễn tham số cho
không gian hàm thuộc của các giá trị ngôn ngữ của một biến ngôn ngữ.
Theo nhận xét trong phần trước, các biến ngôn ngữ trong thực tế chỉ có hai giá
trị sinh nguyên thuỷ t và f; hoặc ba giá trị sinh nguyên thuỷ t, f và m. Như giải thích
trên đây về ngôn ngữ của m và phần tử trung tính W, thì m có vai trò của một phần
tử sinh nguyên thuỷ tương tự như t và f. Khi đó các gia tử ngôn ngữ khi tác động lên
m cũng làm thay đổi ngôn ngữ nghĩa của nó. Tuy nhiên trong thực tế thì rất hiếm
khi con người sử dụng các gia tử ngôn ngữ để nhấn mạnh ngữ nghĩa của giá trị ngôn
ngữ trung gian m. Thực tế thì trong các nghiên cứu về lập luận mờ sử dụng khái
niệm biến ngôn ngữ, vai trò của phần tử sinh m bị bỏ qua. Trong khi đó vai trò của
m được chú ý trong các nghiên cứu liên quan đến việc mô tả các đại lượng mờ
( chẳng hạn tính toán liên quan đến các số mờ).
Mục đích của chúng ta là nghiên cứu một phương pháp lập luận xấp xỉ dựa
trên khái niệm của biến ngôn ngữ và ứng dụng của nó. Do vậy từ bây giờ về sau tác
giả giả thiết rằng các biến ngôn chỉ có hai giá trị sinh nguyên thuỷ là t và f. Đồng
thời thay vì xét phần tử sinh “trung gian” m, tác giả xét phần tử trung tính W trong
cấu trúc của một biến ngôn ngữ.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
6
Cho một biến ngôn ngữ X với hai giá trị ngôn ngữ nguyên thuỷ f và t với ngữ
nghĩa được xác định như trong phần trước. Giả sử không gian nền của biến cơ sở
của X là U - [a, b] ⊂ R, và hàm thuộc của các giá trị ngôn ngữ nguyên thuỷ được
xây dựng dựa trên đồng đẳng hoá mờ được cho dưới dạng hình thang như sau:
µf (a, a, a1, a2); µt = (a1, a2, b, b)
Miền mờ của X là khoảng (a1, a2) xem hình 1.2 ở trên)
Kí hiệu H là một tập hữu hạn các gia tử ngôn ngữ đang xét và δ là một gia tử
ngôn ngữ hoặc một xâu các gia tử ngôn ngữ, tức là δ ∈ H*. Khi đó một giá trị ngôn
ngữ của X có dạng δc, trong đó c ∈ {f,t}.
Định nghĩa 1.1. Xét giá tị ngôn ngữ tuỳ ý x = δc, c ∈{f,t}, của biến ngôn ngữ
X. Hàm thuộc tham số của x được định nghĩa tương ứng như sau:
Nếu c = f
1,
a ≤ u ≤ a1
a1 ≤ u ≤ a2
u ≥ a2
α f
α f
(
x
) −
u
µx(u) = max 0,
(1.6)
(
x
) − a1
0,
Nếu c = t
0,
a ≤ u ≤ a1
a1 ≤ u ≤ a2
u ≥ a2
u −α1(x)
a2 −α1(x)
µx(u) = max 0,
(1.7)
1,
Trong đó αf(x) và αt(x) là các tham số phụ thuộc vào x với αf(x) ∈ (a1 + ∞) và
αt(x) ∈ (-∞, a2).
Theo Định nghĩa 1.1, chúng ta th ấy rằng mỗi giá trị ngôn ngữx được gán tương ứng
với một tham số αf(x) hoặc αt(x) phụ thuộc vào x được sinh tương ứng từ f hoặc t.
Suy ra trực tiếp từ định nghĩa, chúng ta có một số giá trị ngôn ngữ đặc biệt của
X với ngữ nghĩa cho trong Bảng 1.1 sau đây:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
7
Bảng 1.1. Một số giá trị ngôn ngữ đặc biệt
Giá trị ngôn ngữ x
Tham số
Hàm thuộc µx
t
(a1,a2, b, b)
αt = a1
αt → a2
αt = a2
Absolutely t
f
µx(u) = 1, với u ∈[a2, b]
(a, a, a1, a2)
Absolutely
Not absolutely t
Not absolutely f
W
µx(u) = 1, với u ∈ [a, a1]
µx(u) = 1, với u ∈ [a, a1]
µx(u) = 1, với u ∈ [a1, b]
µx(u) = 1, với u ∈ [a1, a2]
αf → a1
αf → + ∞
αt → - ∞
Ngữ nghĩa của các giá trị ngôn ngữ t, Absolutely t, f, Absolutely f trong Bảng 1.1 có
thể được giải thích một cách khá tự nhiên. Chú ý rằng giá trị hàm thuộc µx trong
bảng là bằng 0 đối với các giá trị khác của u không chỉ ra. Khi af → +∞ ta có:
µx(u) = 1, với u ∈ [a, a2] và µx(u) = 0, với u ∈ [a2, b],
Do đó giá trị ngôn ngữ tương ứng với hàm thuộc này là “Not absolutely t” vì hàm
thuộc của “Absolutely t” là µx(u) = 0, với u ∈ [a2, b] và µx(u) = 1, với u ∈ [a, a2). Có
thể cho một giải thích tương tự cho giá trị ngôn ngữ “Not absolutely f” khi αf → -∞.
Hơn nữa, trong Bảng 1.1 chúng ta không có tham số tương ứng cho giá trị ngôn ngữ
W. Chúng ta chấp nhận điều này xuất phát từ đặc trưng ngữ nghĩa đặc biệt của W
tứa là W = “neither absolutely f nor absolutely t”.
Kí hiệu: Tx là tập tất cả các giá trị ngôn ngữ có biểu diễn hàm thuộc tham số
sinh bởi (1.6) và (1.7) cùng với giá trị ngôn ngữ đặc biệt W. Không sợ gây nhầm lẫn
chúng ta có thể đồng nhất Tx với không gian các hàm thuộc tham số của các giá trị
ngôn ngữ của X.
1.1.2. Quan hệ ngữ nghĩa giữa các giá trị ngôn ngữ trong không gian hàm
thuộc tham số của biến ngôn ngữ.
Xét biến ngôn ngữ X và giả sử Tx là không gian các giá trị ngôn ngữ của nó
được định nghĩa như trên. Trước khi phân tích đặc trưng ngữ nghĩa của không gian
các giá trị ngôn ngữ Tx, chúng ta có nhận xét sau đây:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
8
Trong thực tế, các giá trị ngôn ngữ của một biến ngôn ngữ được dùng để mô tả
định tính về một thuộc tính (định lượng) của các đối tượng. Khi đó các gia tử ngôn
ngữ được sử dụng với mục đích nhấn mạnh (hoặc làm yếu) ngữ nghĩa của các giá trị
ngôn ngữ nguyên thuỷ. Quan sát trực quan này phù hợp với ngữ nghĩa hàm thuộc
tham số của các giá trị ngôn ngữ định nghĩa như trong phần trước. Tức là trong mô
hình biểu diễn tham số của tác giả, các gia tử ngôn ngữ chỉ làm thay đổi ngữ nghĩa
hàm thuộc của một giá trị ngôn ngữ trong phạm vi miền mờ (a1, a2) của biến cơ sở.
Với nhận xét như vây, chúng ta có thể định nghĩa quan hệ đặc tả (ngữ nghĩa)
giữa hai giá trị ngôn ngữ sinh từ cùng một giá trị ngôn ngữ nguyên thuỷ như sau:
Định nghĩa 1.2. Xét hai giá trị ngôn ngữ tuỳ ý x = δc và x’ = δ’c, c ∈ {f, t},
của biến ngôn ngữ X. Khi đó ta nói x là đặc tả hơn x’, kí hiệu x x’, nếu và chỉ nếu
µx (u) < µx(u), với mọi u ∈(a1, a2).
Theo Định nghĩa 1.2, chúng ta có quan hệ đặc tả giữa các giá trị ngôn ngữ tuỳ
ý x = δc với giá trị ngôn ngữ nguyên thuỷ c ∈ {f, t},được biểu thị qua giá trị của các
tham số αf và α1 được cho trong Bảng 1.2 sau đây:
Bảng 1.2. Quan hệ đặc tả giữa các giá trị ngôn ngữ với giá trị nguyên thuỷ
Giá trị ngôn ngữ x
Quan hệ đặc tả
δt t
Tham số
a1 < αt < a2
-∞ < αt < a1
a1 < αf < a2
a2 < αf < +∞
δt
δt
δf
δf
t
δt
δf
f
f
δf
Theo định nghĩa chúng ta cũng dễ dàng thấy rằng giá trị ngôn ngữ δt là đặc tả
nhất khi αt → a2, tức là “Absolutely t”. Tương tự như vậy, giá trị ngôn ngữ δf là đặc
tả nhất khi αf → a1, tức là “Absolutely f”. Một cách thú vị chúng ta thấy rằng với
định nghĩa hàm thuộc tham số như trên của các giá trị ngôn ngữ, quan hệ đặc tả là
có thể được đặc trưng bởi diện tích của miền nằm bên dưới các hàm thuộc, tức là
tích phân của các hàm thuộc trên U. Cụ thể chúng ta có định lý sau đây:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
9
Định lý 1.1. Xét hai giá trị ngôn ngữ tuỳ ý x = δc và x’ = δ’c, c ∈{f, t}, của
biến ngôn ngữ X, khi đó ta có:
b
b
x x’ nếu và chỉ nếu µx (u)du < µx'(u)du
∫
∫
a
a
Chứng minh: Giả sử c = f theo định nghĩa ta có chiều “chỉ nếu” là hiển nhiên.
b
b
Ngược lại, giả sử ta có µx (u)du < µx'(u)du . Khi đó theo Định nghĩa 1.2 ta có
∫
∫
a
a
a2
a2
µx (u)du < µx'(u)du
(1.8)
∫
∫
a1
a1
Giả sử αt(x) và αt(x’) là các tham số tương ứng trong biểu diễn hàm thuộc của
x và x’. Khi đó, chúng ta dễ dàng tính các tích phân trong (1.8) theo các tham số
α1(x) và αt(x) và suy ra bất đẳng thức (1.8) thoả mãn khi và chỉ khi αt(x) < αt(x’).
Điều này suy ra µx(u) < µx’(u), với mọi u ∈ (a1, a2), hay nói cách khác x là đặc tả
hơn x’. Một cách tương tự chúng ta có thể chứng minh cho trường hợp c = t.
Vì hàm thuộc của các giá trị ngôn ngữ của biến ngôn ngữ X chỉ khác nhau trên
miền mờ (a1, a2), do đó không mất tính tổng quát chúng ta định nghĩa độ đo đặc tả
của giá trị ngôn ngữ x là đại lượng.
a2
S(x) = µx (u)du
(1.9)
∫
a1
Chúng ta có hệ quả sau đây:
Hệ quả 1.1. Xét hai giá trị ngôn ngữ tuỳ ý x = δc và x’ = δ’c, c∈{f, t},của biến
ngôn ngữ X. Giả sử αc(x) và αc(x’) là các tham số tương ứng trong biểu diễn hàm
thuộc của x và x’. Khi đó ta có:
c = t
α (x) > α (x'),
c
c
x
x’ ⇔
c = f
αc (x) < αc (x'),
Trước khi định nghĩa quan hệ thứ tự ngữ nghĩa trong Tx dựa trên quan hệ đặc
tả ở trên, chúng ta nhớ lại rằng: trong các nghiên cứu về đại số gia tử đối xứng và
ứng dụng của chúng [21], dựa trên ngữ nghĩa trực quan của các phần tử sinh nguyên
thuỷ của một biến ngôn ngữ, các tác giả luôn giả thiết rằng mọi giá trị ngôn ngữ
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
10
sinh từ một phần tử sinh dương t luôn có thứ tự ngữ nghĩa lớn hơn mọi giá trị ngôn
ngữ sinh từ một phần tử sinh âm f. Giả thiết này được sử dụng để xây dựng quan hệ
thứ tự ngữ nghĩa trong các đại số gia tử đối xứng. Do đó tác giả cũng chấp nhận giả
thiết này để xây dựng quan hệ thứ tự ngữ nghĩa trong Tx. Hơn nữa, vì đặc trưng ngữ
nghĩa “âm” của một phần tử sinh âm f, chúng ta thấy rằng một giá trị ngôn ngữ δf
sẽ có ngữ nghĩa yếu hơn một giá trị ngôn ngữ δ’f nếu δf là đặc tả hơn δ’f. Trái lại, vì
đặc trưng ngữ nghĩa của một phần tử sinh dương t là “dương”, chúng ta thấy rằng
một giá trị ngôn ngữ δt sẽ có ngữ nghĩa mạnh hơn một giá trị ngôn ngữ δ’t nếu δt là
đặc tả hơn δ’t. Một giải thích như vậy về quan hệ thứ tự ngữ nghĩa trong Tx là hoàn
toàn tương thích với giả thiết ở trên trong các nghiên cứu về đại số gia tử. Chẳng
hạn như giá trị ngôn ngữ “rất thấp” (tương ứng, “rất cao”) của biến ngôn ngữ
“thân nhiệt” trong chẩn đoán y học là đặc tả hơn giá trị ngôn ngữ “thấp” (tương
ứng, “cao”. Trong khi “rất thấp” (tương ứng, “rất cao”) có ngữ nghĩa yếu hơn
(tương ứng, mạnh hơn) “thấp” (tương ứng, “cao”) theo thang đo định tính về
“thân nhiệt”.
Định lý 1.2. Cấu trúc <Tx, ≤s > là một dàn phân phối đầy đủ. Hơn nữa ta có
x,
if x∈V (t), y∈V ( f )
if x∈V ( f ), y∈V (t)
x ∨ y = y,
arg max
{
αc (x),αc (y)
}
,
if x, y∈V (c),c∈
t, f
x,
if x∈V (t), y∈V ( f )
if x∈V ( f ), y∈V (t)
x ∧ y = y,
arg max
{
αc (x),αc (y)
}
,
if x, y∈V (c),c∈ t, f
{
}
Ở đây ∨ và ∧ tương ứng ký hiệu cho các toán tử join và meet trong TX; arg-
argument: lấy giá trị tham số tương ứng của max, min.
Chứng minh: Chúng ta thấy rằng quan hệ đặc tả trong Định nghĩa 1.2. được
đặc trưng bởi quan hệ thứ tự trên các tích phân của các hàm thuộc (Định lý 1.1).
Hơn nữa, theo Hệ quả 1.1 ta lại có quan hệ đặc tả được quy về quan hệ thứ tự tự
nhiên trên không gian các tham số αt và αf. Do đó ta có định lý là một hệ quả trực
tiếp của Hệ quả 1.1.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
11
1.1.3. So sánh với mô hình của Di Lascio, Gisolfi và Loia
Để thấy rõ hơn động cơ cũng như ưu điểm của mô hình đã đề xuất, trong mục
này tác giả so sánh một mô hình tham số khác đã được nghiên cứu trước đây bởi Di
Lascio và cộng sự với mô hình tham số của biến ngôn ngữ được đề xuất.
Mục đích của các chúng là đưa từ một không gian hàm thuộc của biến ngôn
ngữ thoả mãn các tính chất thú vị của đại số gia tử [23, 24] đồng thời ứng dụng vào
lý thuyết lập luận xấp xỉ [17].
Trước hết các tác giả xây dựng không gian hàm thuộc tham số cho biến chân
lý ngôn ngữ như sau: với tham số n ∈R*,
if
if
min(1,nu),
0 ≤ u ≤ 0.5
0.5 ≤ u ≤1
µ (u) =
n
min(1,−n(u −1),
Vậy mỗi giá trị chân lý ngôn ngữ được xác định tương ứng với một giá trị của
tham số n. Như vậy các tác giả sử dụng duy nhất một hàm thuộc tham số để mô tả
ngữ nghĩa cho một giá trị chân lý ngôn ng ữ bất kể giá trị này được sinh từ giá trị chân lý
nguyên thuỷ true hoặc false. Điều này hoàn toàn khác biệt với các cách tiếp cận truyền
thống đến logic mờ giá trị ngôn ngữ. Với định nghĩa như vậy, khi n →+∞ và n = 0 thì
mô hình đem lại các giá trị chân lý “Absolutely true” và “Absolutely false” tương ứng
(xem hình 1.3). Tức là:
µabstrue(u) = 1 và µAbs false(u) = 0, với mọi u ∈ [0,1]
1
0.5
1
0.5
1
Hình 1.3. Mô hình của Di Lascio
Chú ý rằng các hàm thuộc này thường được sử dụng để mô tả ngữ nghĩa cho
các giá trị chân lý ngôn ngữ đặc biệt là unknown và undefined trong các mô hình
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
12
truyền thống [14,15]. Tất cả các giá trị chân lý ngôn ngữ khác nằm giữa hai giá trị
cực trị này. Hơn nữa, theo mô hình này thì ta có các giá trị của tham số n đặc trưng
cho các giá trị chân lý ngôn ngữ như sau:
Bảng 1.3. Tham số n và ngữ nghĩa của giá trị ngôn ngữ tương ứng
Tham số n
2 ≤ n ≤ +∞
2 ≤ n ≤ 1
1 < n < 2
Ngữ nghĩa của giá trị chân lý ngôn ngữ tương ứng
Các giá trị ngôn ngữ có ngữ nghĩa lớn hơn hoặc bằng true
Các giá trị ngôn ngữ có ngữ nghĩa nhỏ hơn hoặc bằng flase
CÁc giá trị ngôn ngữ có nghĩa ở giữa false và true
1.1.4. Cấu trúc đại số của không gian các hàm thuộc tham số của biến ngôn ngữ.
Trong phần này tác giả nghiên cứu cấu trúc đại số của không gian các hàm
thuộc tham số của một biến ngôn ngữ. Xét biến ngôn ngữ X và Tx là không gian các
giá trị ngôn ngữ của nó được định nghĩa như trên. Theo Định lý 1.2. chúng ta có cấu
trúc (Tx , ≤s) là một dàn phân phối đầy đủ, ở đây ≤s là quan hệ thứ tự ngữ nghĩa
trong Tx. Theo truyền thống các toán từ join (∨) và meet (∧) trong dàn Tx có thể
được sử dụng để mô hình các liên kết logic or và and. Tuy nhiên để ứng dụng biến
ngôn ngữ vào logic giá trị ngôn ngữ và lập luận xấp xỉ, chúng ta cũng cần định
nghĩa một toán tử logic khác là phép phủ định negation. Khi đó toán tử kéo theo
implication có thể được định nghĩa dựa trên các toán tử đó, tương tự như trong
trường hợp kinh điển. Chú ý rằng để định nghĩa phép toán negation trong Tx, khái
niệm concept-negation đã được giới thiệu và nghiên cứu trong các tài liệu [20.24]
tuy nhiên khái niệm này không thể được áp dụng trực tiếp cho cách tiếp cận của tác
giả ở đây. Mặc dù vậy, như chúng ta sẽ thấy sau đây, khái niệm negation trong mô
hình biểu diễn hàm thuộc tham số với quan hệ thứ tự ngữ nghĩa ở trên là nhất quán
ngữ nghĩa với concept-negation. Hơn nữa trong mô hình tham số, chúng ta cũng có
thể định nghĩa một số mở rộng khác nhau cho toán tử negation tương tự như trong
các cách tiếp cận dựa trên tập mờ truyền thống[12].
Theo (1.6), (1.7) và (1.9), chúng ta dễ dàng thấy rằng:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
13
1
2
1
2
(a2 −αt (x)),
(a2 − a1)(1+
a1 ≤αt (x) ≤ a2
− ∞ < at (x) ≤ a1
S(x = δt) =
(1.10)
(1.11)
a1 −αt (x)
a2 − a1(x)
),
1
(af (x) −α1),
(a2 − a1)(1+
a1 ≤α f (x) ≤ a2
a2 ≤ at (x) ≤ +∞
2
1
2
S(x = δf) =
af (x) −α
2 ),
af (x) − at
Trong đó δ ∈ H*
Như đã nói ở trên, trong [24] các tác giả giới thiệu concept-negation của giá trị
ngôn ngữ δt là giá trị ngôn ngữ trái nghãi δf và ngược lại. Trong cách tiếp cận tham
số đang xem xét, theo ngữ nghĩa trực giác của độ đo đặc tả S, hoàn toàn hợp lý để
chúng ta giả thiết rằng các giá trị ngôn ngữ δt và δf có cùng giá trị của độ đo đặc tả,
tức là:
S(δt) = S(δf)
(1.12)
Với giả thiết của (2.20), chúng ta có định lý sau đây:
Định lý 1.3. Cho độ đo đặc tả S(δt) = S(δf), ta có αt(δt) = (a2+a1) – af(δf).
Định lý được dễ dàng suy ra từ giả thiết (1.12) và (1.10-11). Định lý 1.3 cho chúng
ta một quan hệ giữa tham số trong biểu diễn hàm thuộc của một giá trị ngôn ngữ x
với giá trị ngôn ngữ trái nghĩa của nó. Hơn nữa, chúng ta có hệ quả sau đây:
Hệ quả 1.2. Với mọi δ ∈ H*, ta có µδt(u) = µδf(a1+a2-u).
Chứng minh: hệ quả được suy ra từ định lý 1.3 và các bi ểu thức 1(.6), (1.7).
Ý nghĩa trực quan của Hệ quả 1.2 là như sau: u không nằm trong miền mờ, tức
là khoảng (a1, a2), nếu và chỉ nếu (a1 + a2 – u) ≡ ¬u); đồng thời giá trị hàm thuộc
của một giá trị u đối với một giá trị ngôn ngữ x bằng giá trị hàm thuộc của giá trị
đối xứng ¬u của nó đối với giá trị ngôn ngữ trái nghĩa của x. Xem hình minh hoạ
sau đây:
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
14
µf
µ
a
a1 u ¬u a2
b
Hình 1.4. Mô hình biểu toán tử phủ định (negation)
Như vậy chúng ta có thể định nghĩa toán tử negation trong Tx cũng ký hiệu là
¬, dựa dựa vào Định lý 1.3 hoặc Hệ quả 1.2. Kí hiệu
V = <Tx, ∨, ∧, ¬, ≤s >
1.1.5. Xây dựng hàm thuộc biểu thị ngữ nghĩa các giá trị biến ngôn ngữ dựa
trên độ đo tính mờ
Hiện nay, gần như chỉ có duy nhất lý thuyết tập mờ cho ta một cách tiếp cận
tính toán đến ngữ nghĩa của các từ trong ngôn ngữ, tức là ngữ nghĩa của các từ được
biểu thị bằng tập mờ trên một không gian tham chiếu nào đó. Điều này dẫn đến hệ
quả quan trọng có tính định hướng và hầu hết các lĩnh vực khoa học đều có thể có
cách tiếp cập tính toán dựa trên lý thuyết tập mờ.
Với ý nghĩa quan trọng của việc sử dụng phương tiện ngôn ngữ trong mô
phỏng như vậy, mười năm sau khi xây dựng nền tảng đầu tiên của lý thuyết tập mờ,
L.A.Zadeh đã đưa ra khái niện biến ngôn ngữ, một hình thức hoá quan trọng để xây
dựng và phát triển các phương pháp lập luận xấp xỉ dựa trên logic mờ. Chúng ta có
thể xem trích dẫn sau đây như một động cơ để nghiên cứu các biến ngôn ngữ: “Khi
bị mất đi tính chính xác bề ngoài của những vấn đề cố hữu phức tạp, một cách tự
nhiên người ta tìm cách sử dụng các biến ngôn ngữ; tức là các biến mà giá trị của
chúng không phải là các số mà là các từ hoặc các câu trong một ngôn ngữ tự nhiên
hoặc nhân tạo. Động cơ cho việc sử dụng các từ hoặc các câu hơn là các số là bởi vì
các đặc trưng ngôn ngữ nói chung là ít xác định hơn đặc trưng số”.
Như ta biết, biến ngôn ngữ được đặc trưng bởi một bộ năm (X, T(X), U, R, M),
trong đó X là tên của biến ngôn ngữ (ví dụ Age, Truth, Speed,…); T(X) là tập các giá
trị ngôn ngữ (các dạng từ (term)) của biến X;R là luật ký pháp (thường có dạng là
một văn phạm hình thức) cho phép sinh ra các phần tử của T(X); là luật ngữ nghĩa
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
15
gán mỗi phần tử của T(X) một tập mờ trên U, và do đó mỗi từ là một nhãn của một
tập mờ trên U. Vậy vấn đề tìm các tập mờ biểu thị ngữ nghĩa của các từ được đề cập
ở trên chính là việc xác định ánh xạ ngữ nghĩa M của biến ngôn ngữ. Việc tìm một
biểu diễn của giá trị ngôn ngữ bằng các tập mờ là một bài toán cốt yếu trong nhiều
ứng dụng thực tế là vấn đề đầu tiên khi tìm cách cài đặt tri thức và các ứng dụng.
Mặc dù tất cả các nghiên cứu ứng dụng tập mờ đều phải giải quyết vấn đề là làm thế
nào, trong chừng mực có thể, tìm được các tập mờ biểu diễn đủ ngữ nghĩa phù hợp
tốt nhất, nhưng nhìn chung không có một phương pháp luận rõ ràng mà chủ yếu chỉ
dựa vào trực giác và kiểm chứng. Tác giả sẽ đưa ra một phương pháp heuristic xây
dựng các tập mờ cho các nhãn ngôn ngữ dựa trên chính ngữ nghĩa của các từ, cụ thể
là dựa vào các độ đo tính mờ (fuzziness measure) của các từ được định nghĩa trên
cơ sở cấu trúc đại số gia tử [4], [23]. Theo tác giả, phương pháp này có thông tin
trực quan rõ ràng và có tính hợp lý hơn đối với các ứng dụng mà ngữ nghĩa ngôn
ngữ có ý nghĩa quan trọng trong thiết lập mô hình, đặc biệt nó không phụ thuộc quá
mạnh vào hình dáng đường cong liên quan đến mối quan hệ giữa các biến.
a, Phân tích lựa chọn cách tiếp cận giải bài toán
Trước hết tác giả trình bày về ý tưởng tiếp cận gọi là nguyên lý đồng đẳng hóa
(equalization). Như trên chúng ta biết, Pedrycz đã đưa ra thuật toán xây dựng các
tập mờ biểu diễn ngữ nghĩa các từ của một biến ngôn ngữ dựa trên dữ liệu thực
nghiệm, dựa trên ý tưởng của Zadeh năm 1968 với khái niệm đồng đẳng hóa các dữ
liệu thể hạt (granular data equalization) khi nghiên cứu về các sự kiện mờ (fuzzy
events). Mọi tập mờ trong một không gian nền trên đó cho trước một hàm mật độ
xác suất p(u), ở dạng liên tục hoặc rời rạc, được định nghĩa trên không giant ham
chiếu U của X, đều được xác định bởi độ đo xác suất lũy tích. Xác suất này được
xác định bằng cách lấy tích phân trên giá của tập mờ như sau, trong đó A là tập mờ:
P(A) = µA (u) p(u)du
(1.13)
∫
U
Ý tưởng của Pedrycz [13] về thuật toán xây dựng các tập mờ cho một biến
ngôn ngữ như sau: Giả sử X là một biến ngôn ngữ và ta muốn xây dựng n tập mờ
A1,…An cho biến ngôn ngữ X. Nguyên lý đồng đẳng hóa nói rằng các tập mờ cần
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
16
xây dựng cho biến ngôn ngữ X với không gian tham chiếu U, trên đó cho trước một
hàm mật độ xác suất p(u), thỏa mãn ràng buộc sau:
P(A1) = P(A2) = … = P(An) = 1/n
(1.14)
Điều kiện (1.14) được gọi là đồng đẳng hóa mờ (fuzzy equalization), với xác
suất của một sự kiện mờ (biểu thị bằng tập mờ) được định nghĩa bởi công thức
(1.13) ở trên. Giả sử các tập mờ cần xây dựng được giới hạn là các tập mờ dạng tam
giác hoặc dạng hình thang, khi đó các bước chính của thuật toán như sau:
1) chọn một số tự nhiên n chỉ số lượng tối đa các tập mờ cần xây dựng;
a1
1
2) Từ cận dưới của U, tính giá trị a1 sao cho P(A ) = µA1(u) p(u)du
1
∫
2
inU
a2
1
µA1(u) p(u)du =
, trong đó tập mờ là hình thang với đáy là [infU,a1], trong
∫
2n
a1
đó infU chỉ cận dưới đúng của U.
3) Bước lặp: Giả sử ta đã xây dựng được tập mờ tam giác Ai xác định trên
đoạn [ai-1, ai+1] với đỉnh ai. Tập mờ tam giác Ai+1 sẽ được xây dựng trên
ai+2
1
đoạn [ai, ai+2], trong đó ai+2 được xác định sao cho µA (u) p(u)du = ,
∫
i+1
n
ai
với i = 2, …, n – 2.
4) An là tập mở hình thang với đáy trên [an, an+1], và đáy dưới [an-1, supU]. Có
an+1
1
thể kiểm chứng là µA (u) p(u)du =
.
∫
n
n
an−1
Có thể thấy rằng ý tưởng của thuật toán là sẽ xây dựng các tập mờ trên U sao
cho “ảnh hưởng” của các tập mờ lên sự kiện là đều nhau và như vậy tập mờ được
xây dựng (hình dạng và giá (support) của chúng) phụ thuộc cốt yếu vào hàm mật độ
xác suất p(u) trên không gian U mà không phụ thuộc vào ngữ nghĩa của từ sẽ được
gán nhãn cho chúng. Điều này không phù hợp với ngữ nghĩa của tử dung để mô tả
định tính các giá trị của U: ngữ nghĩa của các từ được sử dụng để mô tả định tính
các giá trị của U chỉ phụ thuộc vào không gian U, chúng cần độc lập với các ứng
dụng thể hiện qua p(u). Tất nhiên, việc lựa chọn những tập mờ như thế nào cho tối
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
17
ưu nhất thiết phải phụ thuộc vào từng ứng dụng, hay mô hình ứng dụng sẽ quyết
định hình dạng các tập mờ.
Xuất phát từ nghiên cứu định tính ngữ nghĩa các từ ngôn ngữ trên cơ sở đại số
gia tử và tính mờ (fuzziness) của ngôn ngữ, chúng tôi đưa một cách tiếp cận khác để
xây dựng các tập mờ cho một ứng dụng cho trước. Xuất phát điểm của các tiếp cận
này là ngữ nghĩa của từ được hình thành bằng cách gán các sự vật (cái trỏ) cho từ
mà nó ám chỉ. Ngữ nghĩa của các từ không chính xác là bởi vì cùng một số sự vật
lại được gán cho các từ khác nhau hoặc nhiều sự vật không đồng nhất lại được gán
cho cùng một từ. Ví dụ 30 tuổi có thể hiểu “vẫn còn trẻ”, nhưng hiểu là “không còn
trẻ nữa” cũng không sai. Hay 23, 24 tuổi là trẻ nhưng 18 hay 20 hay 26, 28 cũng là
“trẻ”. Như vậy ngữ nghĩa của từ biểu thị định tính các giá trị của tập U chỉ phụ
thuộc vào chính tập U đó. Mặt khác, các ứng dụng lý thuyết tập mờ, đặc biệt các
ứng dụng có tính thông minh, đều dựa trên tri thức hay kinh nghiệm của con người
và do đó có thể mô tả hay mô hình hóa bằng ngôn ngữ. Theo tác giả, điều này dẫn
đến một giả thiết là việc xây dựng các tập mờ cho một ứng dụng càng mang dấu ấn
ngữ nghĩa ngôn ngữ bao nhiêu, càng hiệu quả bấy nhiêu.
Tác giả sẽ chỉ ra rằng lý thuyết đại số gia tử có thể cung cấp phương pháp luận
để hiện thực hóa giả thiết này.
b, Xác định tính mờ của ngôn ngữ dựa trên cấu trúc đại số gia tử
Đại số gia tử được đề xuất và nghiên cứu trong [4], [19] và được quan tâm
phát triển liên tục nhằm nghiên cứu định tính ngữ nghĩa ngôn ngữ trong phạm vi
của một thuộc tính như TỐC ĐỘ, CƯỜNG ĐỘ, …, mà chúng ta sẽ gọi là biến ngôn
ngữ. Gọi X là một biến ngôn ngữ và Dom(X) là miền giá trị ngôn ngữ của nó. Chẳng
hạn, giả sử X là biến TỐC ĐỘ, thì miền giá trị ngôn ngữ có thể là Dom(X) = {fast,
very fast, more fast, little possibly fast, little fast, possibly fast, little slow, slow,
possibly slow, very slow, more slow,…}∪ {0,W,1}. Cách tiếp cận đại số đến ngữ
nghĩa của các từ ngôn ngữ khẳng định rằng miền trị Dom (X) có thể xem như là một
đại số gia tử AX = (Dom(X),C,H,≤) [4, 7, 12], trong đó C là tập các từ nguyên thủy
fast and slow của X, được xem như các phần tử trung hòa, phần tử nhỏ nhất và phần
tử lớn nhất trong Dom(X); H = {Very, Little, Possibly, More, Approximately…} là
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
18
tập các gia tử được xem như tập các phép toán 1– ngôi; ≤ là quan hệ thứ tự trên
Dom(X) biểu thị mối quan hệ ngữ nghĩa giữa các từ, chẳng hạn slow
đó nó được gọi là quan hệ thứ tự ngữ nghĩa.
≤
fast, và do
Ta ký hiệu hx là kết quả tác động của gia tử h
H(x) ký hiệu tập tất cả các phần tử có dạng hn… h1x, với h1,…, hn
gia tử (ĐSGT) chỉ bao gồm các phép toán 0- ngôi và 1- ngôi và 1 quan hệ thứ tự
∈
H vào phần tử x
∈
Dom (X) và
∈
H. Như vậy đại số
≤
.
Tuy nhiên một kết quả quan trọng của lý thuyết ĐSGT là với một hệ tiên đề hợp lý,
mà bản chất chỉ là các tính chất ngữ nghĩa của các từ ngôn ngữ thuộc Dom(X) và
các gia tử, chúng trở thành một đại số đủ tốt đề nghiên cứu logic mờ các phương
pháp lập lập xấp xỉ để mô phỏng suy luận của con người.
Giới hạn trong nghiên cứu này, ta chỉ cần đến các ĐSGT tuyến tính và, để
nghiên cứu tính mờ của các dạng từ (terms), ta có các tính chất sau:
1)
2)
3)
∀
∈
{
0,1
}
, H(x) =
{
x
}
, tập chỉ chứa duy nhất một phần tử x;
x
∈
X*, ∀ h, k H, H (hx)⊆H(x)∩ H (kx) =
φ
với h
≠
k;
∈
x
∈
X*, H(x) = h∈H H(hx)
x
Những tính chất trên gợi ý cho ta sử dụng chính tập H(x) để mô hình hoá tính
mờ vì, chẳng hạn tính chất 1) nói rằng x là khái niệm chính xác (không mờ); tính
chất 2) nói rằng khái niệm đắc tả hơn sẽ có tính mờ ít hơn hay sẽ chính xác hơn;
tính chất 3) nói rằng tính mờ của khái niệm x được sinh ra từ tính mờ của các khái
niệm đặc tả hơn, hay nói cụ thể hơn, tính mờ của một khái niệm và tính mờ của tất
cả các khái niệm đặc tả hơn có mối liên hệ bởi đẳng thức trong 3).
Với nhận xét đó ta đưa ra định nghĩa độ đo tính m ờ của x
Định nghĩa 1.3. Giả sử AX = (X, G, H, ) là một ĐSGT tuyến tính. Một ánh
0,1
được gọi là đo tính mờ của các phần tử trung X nếu:
1, ∀x∈ X
∈
Dom(X) = X như sau:
≤
xạ : X
→
,
µ(x) ≥ 0 và ta có
µ
(
1
)
µ0= 0
µ(C') =W > 0 và µ(C) =1−¦ W > 0
2, ∀h,k ∈ H,∀x, y ∈ và h ≠ k , ta có
µ(kx) µ(ky)
µ(hx) µ(hy)
=
3, µ(x) = h∈H µ(Hx), với mọi x∈ X
∑
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
19
Chúng ta có mệnh đề sau về tính chất của độ đo tính mờ, với H- =
h,......,q
H+ = h ,.....,hp và H = H
∪
H+, h0 = I trong đó luôn luôn giả thiết rằng h1 < h2
-
1
<… < hq; h1 < hp
Mệnh đề 1.1 Mọi độ đo tính mờ
µ
thoả mãn các tính chất sau:
1, µ(C− ) + µ(C+ ) =1
p
2,
3,
4,
µ(h, x) = µ(x)
∑
i=−q,i≠0
p
µ(h,c) = µ(c) , trong đó c ∈
c− ,c+
∑
i=−q,i≠0
−q
−q
µ(h ) = α và
µ(h ) = β trong đó α,β > 0và α + β và α + β =1
∑
∑
1
1
i=−1
i=−1
Chứng minh: Ta có 1), 2) và 3) được suy ra trực tiếp từ định nghĩa 1.3. Rõ
ràng α, β >0. ta chứng minh α + β = 1. Theo định nghĩa 1.3 ta có:
p
µ(h c) = µ(c), trong đó c∈ {c-, c+};
∑
1
i=−q,i≠0
p
p
Suy ra
µ(h c− ) = µ(c− )
,
µ(h c+ ) = µ(c+ )
.
∑
∑
1
1
i=−q,i≠0
i=−q,i≠0
Ta lại có:
p
µ(hc− )
∑
i
µ(hc− )
µ(c− )
µ(c− )
p
p
−q
p
i=−q,i≠0
i
α + β = µ(h ) + µ(h )
=
µ(h ) =
=
=
=1
.
∑
∑
∑
∑
i
i
i
µ(c− )
µ(c− )
i=−1
i=1
i=−q,i≠0
i=−q,i≠0
Một hình ảnh về độ đo tính mờ của các khái niệm chân lý ngôn ngữ được cho
trong hình 1.5.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
20
True
Poss.
True
Poss.
True
W
1
Little True
Very True
µ(PLTr)
µ(M True) µ(PVTr)
µ(VVTr)
µ(VLTr)
µ(LLTr)
µ(MLTr
µ(LVTr) µ(MVTr
µ(Very True)
µ( Little True)
µ( Poss True)
µ(True)
Hình 1.5. Mô hình độ đo tính mờ của ngôn ngữ dựa trên cấu trúc đại số gia tử
Bây giờ chúng ta có thể dễ dàng chứng minh mệnh đề sau:
Mệnh đề 1.2. Cho trước giá trị µ(c-) và các giá trị µ(h), h∈H, thỏa mãn 6)
trong mệnh đề 1.1. Khi đó ánh xạ µ: X → [0,1] được định nghĩa đệ quy bằng các
đẳng thức µ(z) = 0, đối với z∈ {0,W,1}, µ(c+) = 1 - µ(c-) và µ(hx)=µ(h)µ(x) là độ
đo tính mờ trên X.
c, Xây dựng các tập mờ cho một biến ngôn ngữ
Vì bản chất của cách tiếp cận dựa trên lý thuyết tập mờ đối với việc giải các
bài toán ứng dụng trên các lĩnh vực khác nhau là việc mô hình hóa tri thức được
biểu thị bằng ngôn ngữ của các chuyên gia trong các ứng dụng đó nên vấn đề xây
dựng các tập mờ biểu thị ngữ nghĩa cho phù hợp là rất quan trọng. Thường các nhà
thiết kế, chẳng hạn cho một hệ điều khiển mờ, xây dựng các tập mờ này dựa trên
cảm giác trực quan và dựa vào khảo nghiệm. Cho đến nay không có nhiều công
trình nghiên cứu có tính phương pháp luận và xây dựng thuật toán để giải quyết vấn
đề này. Như trên đã đề cập, trong các công trình [13], các tác giả đã nghiên cứu có
tính phương pháp luận giải quyết bài toán xây dựng các tập mờ. Các phương pháp
này đều là các phương pháp heuristic.
Trong mục này chúng ta sẽ đưa ra phương pháp heuristic để xây dựng các hàm
thuộc của các biến ngôn ngữ trong mô hình lập luận mờ đa điều kiện (fuzzy
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Luận văn thạc sỹ kĩ thuật
21
multiple condictional reasoning) dựa trên 2 cơ sở: (1) Quan hệ ngữ nghĩa của các từ
ngôn ngữ biểu thị qua độ đo tính mờ của các từ được định nghĩa trên cơ sở ĐSGT;
(2) Sự phụ thuộc lẫn nhau của các biến ngôn ngữ trong mô hình mờ trong bài toán
lập luận mờ đa điều kiện, tức là sự ràng buộc của thực tế ứng dụng.
Xét mô hình mờ đa điều kiện với 2 biến ngôn ngữ X và Y như sau:
If
X = A1
then Y = B1
(1.15)
…………
If
X = An
then Y = Bn
Trong đó Ai và Bi, i = 1,n là các từ ngôn ngữ tương ứng của các biến ngôn
ngữ X và Y. (2.23) mô hình hóa sự phụ thuộc giữa hai đại lượng vật lý mà trong
thực tế ứng dụng nó có thể được thể hiện qua đường cong thực nghiệm Cr trên hình
2.8. Giả sử đường cong này được xác định trên đoạn U - [a, a’] ⊆ R (R là tập tất cả
N (Rotation speed)
các số thực).
2500
2000
1500
1000
500
0
I (Current intensity)
0
1
2
3
4
5
6
7
8
9
10
Hình 1.6. Đường cong thực nghiệm Cr
Phân tích các bài toán lập luận mờ đa điều kiện, chẳng hạn trong [2], có thể rút
ra kết luận trực quan rằng sai số phương pháp là lớn ở những chỗ đường cong thực
nghiệm biến đổi nhanh so với sự biến đổi của biến cơ sở u ∈ U. Vì vậy thay vì ta
dựa trên hàm mật độ phân bố xác suất p(u), ta căn cứ vào hình dạng biến thiên của
đường cong Cr. Để thấy rõ ý tưởng của phương pháp, giả sử đường cong Cr là
đường gấp khúc được biểu thị bằng nét đậm trên hình 1.7. Ý tưởng như sau:
Chúng ta có thể xem các giá trị ngôn ngữ trong mô hình mờ (1.15) là các điểm
“lưới” xấp xỉ đường cong Cr. Như vậy, giống như việc xấp xỉ đường cong bằng
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên
Tải về để xem bản đầy đủ
117 trang
22/08/2024
450
Bạn đang xem 30 trang mẫu của tài liệu "Luận văn Nghiên cứu ứng dụng logic mờ và đại số gia tử cho bài toán điều khiển", để tải tài liệu gốc về máy hãy click vào nút Download ở trên.
File đính kèm:
- luan_van_nghien_cuu_ung_dung_logic_mo_va_dai_so_gia_tu_cho_b.pdf
