Giáo trình Điều khiển mờ và mạng nơron

1 
BỘ CÔNG THƯƠNG 
TRƯỜNG ĐẠI HỌC KINH TẾ - KỸ THUẬT CÔNG NGHIỆP 
KHOA ĐIỆN 
Nguyễn Đức Điển, Hoàng Đình Cơ 
TÀI LIỆU HỌC TẬP 
ĐIỀU KHIỂN MỜ VÀ MẠNG NƠRON 
(Lưu hành nội bộ) 
HÀ NỘI – 2019 
2 
LỜI NÓI ĐẦU 
Sự phát triển không ngừng của khoa học công nghệ làm xuất hiện các đối tượng 
điều khiển có độ phức tạp ngày càng tăng. Yêu cầu thực tiễn đặt ra là phải điều khiển 
các hệ thống động ngày càng phức tạp, trong điều kiện yếu tố bất định ngày càng gia 
tăng với yêu cầu chất lượng điều khiển ngày càng cao. Các yêu cầu trên không thể đáp 
ứng được trọn vẹn nếu dùng lý thuyết điều khiển thông thường sẵn có. Đây chính là 
động lực cho ra đời một lĩnh vực nghiên cứu mới đó là điều khiển thông minh. Điểm 
khác biệt điều khiển thông minh và điều khiển thông thường là khi thiết kế về nguyên 
tắc là không cần mô hình toán học của đối tượng điều khiển. Các kỹ thuật điều khiển 
thông minh được sử dụng phổ biến hiện nay là điều khiển mờ, mạng nơ ron, thuật toán 
di chuyền. 
Để cập nhật các kiến thức cơ bản về điều khiển thông minh và phù hợp với nội 
dung chương trình đào tạo hiện nay cho sinh viên ngành “Công nghệ Kỹ thuật Điều 
khiển và Tự động hóa” của Khoa Điện trường Đại học Kinh tế - Kỹ thuật Công 
nghiệp; chúng tôi biên soạn tài liệu “ Điều khiển mờ và mạng nơron”. Tài liệu gồm 5 
chương, trình bày một cách cơ bản về cơ sở lý thuyết và ứng dụng của bộ điều khiển 
mờ, mạng nơron trong nhận dạng và điều khiển hệ thống. 
Trong quá trình biên soạn, mặc dù các tác giả đã rất cố gắng, nhưng do trình độ 
và thời gian có hạn, tài liệu không tránh khỏi những sai sót. Chúng tôi mong nhận 
được góp ý và nhận xét của bạn đọc để cuốn sách được hoàn thiện hơn trong lần tái 
bản sau.. 
Các tác giả 
3 
MỤC LỤC 
LỜI NÓI ĐẦU .................................................................................................. 2 
MỤC LỤC ........................................................................................................ 3 
CHƯƠNG 1. ĐIỀU KHIỂN MỜ ..................................................................... 5 
1.1. CÁC KHÁI NIỆM CƠ BẢN VỀ ĐIỀU KHIỂN MỜ ............................... 5 
1.1.1. Giới thiệu .......................................................................................... 5 
1.1.2. Khái niệm về tập mờ ......................................................................... 6 
1.1.3. Các phép toán trên tập mờ .............................................................. 11 
1.1.4. Biến ngôn ngữ và giá trị của biến ngôn ngữ .................................... 14 
1.1.5. Luật hợp thành mờ .......................................................................... 15 
1.1.6. Giải mờ ........................................................................................... 22 
1.2. CẤU TRÚC CỦA BỘ ĐIỀU KHIỂN MỜ ............................................. 25 
1.3. PHÂN LOẠI BỘ ĐIỀU KHIỂN MỜ ..................................................... 26 
1.4. CÁC BƯỚC TỔNG HỢP BỘ ĐIỀU KHIỂN MỜ ................................. 28 
1.5. VÍ DỤ ỨNG DỤNG .............................................................................. 29 
1.6. BÀI TẬP CHƯƠNG 1 .......................................................................... 33 
CHƯƠNG 2. CÁC BỘ ĐIỀU KHIỂN MỜ VÀ ỨNG DỤNG TRONG ĐIỀU 
KHIỂN .................................................................................................................... 36 
2.1. BỘ ĐIỀU KHIỂN MỜ TĨNH ................................................................ 36 
2.1.1. Khái niệm ....................................................................................... 36 
2.2.2. Thuật toán tổng hợp một bộ điều khiển mờ tĩnh .............................. 36 
2.1.3. Tổng hợp bộ điều khiển mờ tuyến tính từng đoạn ........................... 37 
2.2. BỘ ĐIỀU KHIỂN MỜ ĐỘNG .............................................................. 38 
2.2.1. Bộ điều khiển mờ luật PI ................................................................ 38 
2.2.2. Bộ điều khiển mờ luật PD ............................................................... 44 
2.2.3. Bộ điều khiển mờ luật PID .............................................................. 46 
2.3. HỆ ĐIỀU KHIỂN MỜ LAI ................................................................... 47 
2.3.1. Tổng quan hệ điều khiển mờ lai ...................................................... 47 
2.3.2. Các hệ điều khiển mờ lai ................................................................. 48 
2.4. CHỈNH ĐỊNH THAM SỐ MỜ PID....................................................... 51 
2.4.1. Bộ điều khiển PID mờ Madani ........................................................ 51 
2.4.2. Bộ điều khiển PID mờ Sugeno ........................................................ 53 
2.5. THIẾT KẾ HỆ ĐIỀU KHIỂN MỜ BẰNG PIIẦN MỀM MATLAB ..... 57 
4 
2.5.1. Giới thiệu hộp công cụ lôgic mờ ..................................................... 57 
2.5.2. Ví dụ minh họa ......... ... iều khiển sao cho 
góc của tay máy bám theo tín hiệu đặt r(t) theo mô hình chuẩn sau: 
2
22 9 6 9r r
d y dy
r r
dt dt
= − − + . Với r và yr tương ứng là các tín hiệu vào và ra của mô 
hình mẫu. 
Viết lại dưới dạng hàm truyền: 2
9( )
6 9
=
+ +m
G s
s s
Hình 4.31 là sơ đồ Simulink mô phỏng hệ thống điều khiển cánh tay máy theo 
mô hình chuẩn dùng mạng nơron dựa theo chương trình mẫu mrefrobotarm.mdl của 
Matlab Neural Network Toolbox. 
Hình 4.31. Sơ đồ mô phỏng hệ thống điều khiển cánh tay máy theo mô hình mẫu 
Trong khối [Model Reference Controller] có hai mạng nơron: 
- Một mạng nơron dùng để nhận dạng mô hình của cánh tay máy (k)φ) . Mạng có 
4 tín hiệu vào là ( 1), ( 2), ( 1), ( 2)φ φ− − − −k k u k u k ; số nơron ở lớp ẩn là 10. Trọng số 
của mạng được huấn luyện dựa vào dữ liệu vào-ra của cánh tay máy trình bày ở hình 
4.32. 
- Một mạng nơron có chức năng điều khiển u(k). Mạng có 5 tín hiệu vào là 
( 1), ( 2), ( 1), ( 2), ( -1)φ φ− − − −k k r k r k u k ; số nơron ở lớp ẩn là 13. Trọng số của mạng 
được huấn luyện dựa vào dữ liệu vào-ra của mô hình chuẩn hình 4.33. 
Hình 4.34 là kết quả điều khiển cánh tay máy dùng bộ điều khiển nơron theo mô 
hình mẫu vừa huấn luyện. Ta thấy rằng cánh tay máy bám theo tín hiệu đặt, không có 
độ quá điều chỉnh và sai số xác lập. Tuy nhiên, cũng cần chú ý mô men điều khiển tác 
125 
động lên trục quay của cánh tay máy có biến động đột ngột, thực tế nên tránh tín hiệu 
điều khiển dạng này vì nó làm giảm tuổi thọ của các thiết bị phần cứng. 
Hình 4.32. Dữ liệu huấn luyện mạng nơron 
nhận dạng mô hình tay máy 
Hình 4.33. Dữ liệu huấn luyện mạng 
nơron điều khiển theo mô hình chuẩn 
Hình 4.34. Kết quả điều khiển cánh tay máy theo mô hình chuẩn 
2. Điều khiển dự báo hệ bồn phản ứng dùng mô hình mạng nơron 
Cho hệ bồn phản ứng có sơ đồ ở hình 4.35. Hệ thống gồm một bồn khuấy liên 
tục trộn dòng sản phẩm có nồng độ cao Cb1 với dòng sản phầm có nồng độ thấp Cb2 để 
thu được sản phẩm có nồng độ Cb ở đầu ra. Đặc tính động học của hệ thống được mô 
tả bởi các phương trình sau: 
Hình 4.35. Bồn phản ứng 
126 
Trong đó h(t) là độ cao mực chất lỏng trong bồn, Cb(t) là nồng độ sản phẩm ở 
đầu ra của quá trình, w1(t) là lưu lượng vào bồn của dòng sản phẩm có nồng độ cao 
Cb1, và w2(t) là lưu lượng vào bồn của dòng sản phẩm có nồng độ thấp Cb2. Giả sử 
nồng độ sản phẩm vào là Cb1=24,9 và Cb2=0,1. Các hằng số liên quan đến mức độ tiêu 
hao là k1=1 và k2=1. Bài toán đặt ra là điều khiển nồng độ sản phẩm ở đầu ra theo giá 
trị đặt bằng cách điều chỉnh lưu lượng vào w1(t). Để đơn giản, giả sử w2(t)=0,1 và 
không quan tâm đến việc điều khiển độ cao h(t) của sản phẩm trong bồn chứa. 
Hình 4.36. Sơ đồ mô phỏng hệ thống điều khiển dự báo bồn phản ứng dùng mạng 
nơron 
Bài toán đặt ra ở trên có thể giải bằng phương pháp điều khiển dự báo. Hình 4.36 
là sơ đồ mô phỏng hệ thống điều khiển dự báo bồn phản ứng dùng mô hình mạng 
nơron (chương trình mẫu predcstr.mdl của Matlab Neural Network Toolbox). 
Trong khối [NN Predictive Controller] có sử dụng một mô hình mạng nơron 
nhận dạng đặc tính động học của đối tượng. Mạng nơron có các ngõ vào là: 
1 1w ( 1),w ( 2),C ( 1),C ( 2)b bk k k k− − − − và có 7 nơron ở lớp ẩn. 
Dữ liệu vào ra của đối tượng dùng để huấn luyện mạng nơron trình bày ở hình 
4.37. 
127 
Hình 4.37. Dữ liệu vào ra của bồn phản 
ứng 
Hình 4.38. Kết quả điều khiển dự báo bồn 
phản ứng dùng mạng nơron 
Thuật toán điều khiển dự báo tính toán tín hiệu điều khiển w1(t) sao cho tối thiểu 
chỉ tiêu chất lượng đã cho với các thông số được chọn như sau: HC=2, HP=7, σ=1, 
ρ=0,05. Kết quả điều khiển dự báo minh họa ở hình 4.38, ta thấy nồng độ sản phẩm ra 
bám theo tín hiệu đặt sau thời gian quá độ khoảng 15 giây. 
4.4. BÀI TẬP CHƯƠNG 4 
Trình bày các bước xây dựng mô hình mạng nơron nhân tạo để nhận dạng và 
điều khiển các mô hình đối tượng dưới đây. Thực hiện quá trình huấn luyện mạng và 
kiểm chứng chất lượng mô hình trên Matlab-Simulink. 
Bài tập 1. Hệ thống giữ cân bằng hệ con lắc ngược 
M-trọng lượng xe 1[Kg]; 
m – trọng lượng con lắc 0,1[Kg]; 
 l – chiều dài con lắc 1[m]; 
u – lực tác động vào xe (N); 
g – gia tốc trọng trường 9,8[m/s2]; 
x – vị trí xe [m]; 
θ – góc giữa con lắc và phương thẳng đứng [rad]. 
Hệ thống gồm một con lắc có trục quay tự do được gắn vào xe kéo bởi động cơ 
điện. Chúng ta chỉ xét bài toán trong không gian hai chiều, nghĩa là con lắc chỉ di 
chuyển trong mặt phẳng. Con lắc không ổn định vì nó luôn ngã xuống trừ khi có lực 
tác động thích hợp. Giả sử khối lượng con lắc tập trung ở đầu thanh như hình vẽ (khối 
lượng thanh không đáng kể). Lực điều khiển u tác động vào xe. Yêu cầu bài toán là 
điều khiển vị trí của xe và giữ cho con lắc luôn thẳng đứng. Bài toán điều khiển hệ 
128 
con lắc ngược chính là mô hình của bài toán điều khiển định hướng tàu vũ trụ khi 
được phóng vào không gian. 
Mô hình toán học của con lắc ngược cho bởi phương trình sau: 
2
2
2
(sin ) os sin
( os )
os ( ) (sin ) ( os sin )
( os ) ( )
u ml mgc
x
M m m c
uc M m g ml c
ml c M m l
θ θ θ θ
θ
θ θ θ θ θθ
θ
+ −
=
+ −
− + +
=
− +
&
&&
&
&&
Bài tập 2. Hệ thống điều khiển vị trí cánh tay máy một bậc tự do 
u(t) : moment tác động lên trục quay của cánh tay máy 
( )tφ : góc quay (vị trí) của cánh tay máy. 
J : moment quán tính của cánh tay máy (J=0.05 kg.m2) 
M : Khối lượng của cánh tay máy (M=1.0kg) 
m : Khối lượng vật nặng (m=0.1kg) 
l : Chiều dài cánh tay máy (l=0.4m) 
lC : Khoảng cách từ trọng tâm cánh tay máy đến trục 
quay (lC=0.15m) 
B : Hệ số ma sát nhớt (B=0.2 kg.m2/s) 
g : Gia tốc trọng trường (g=9.81 m/s2) 
Đặc tính động học của hệ tay máy một bậc tự do cho bởi phương trình: 
2( ) ( ) ( ) ( ) sin ( ) ( )
C
J ml t B t ml Ml g t u tφ φ φ+ + + + =&& 
Bài tập 3. Hệ thống điều khiển mực chất lỏng trong bồn chứa 
Xét hệ bồn chứa chất lỏng có tiết diện ngang thay đổi theo độ cao. Phương trình 
vi phân mô tả hệ thống: 
( )
max min
min
max
1( ) ( ) 2 ( )
( )
( )
D
h t ku t C a gh t
A h
A A
A h h A
h
= −
−
= +
&
Trong đó: 
( )u t - điện áp điều khiển máy bơm (0 ( ) 12u t V≤ ≤ ) 
( )h t - độ cao mực chất lỏng trong bồn (cm) 
maxh - độ cao cực đại của bồn chứa 
129 
max min,A A - tiết diện ngang cực đại và cực tiểu 
k – hệ số tỷ lệ với công suất máy bơm 
a – tiết diện van xả 2( )cm 
g – gia tốc trọng trường 2(981 / sec )cm 
CD – hệ số xả. 
Thông số của hệ bồn đơn được chọn như sau: hmax=50cm, Amax=200 cm2, 
Amin=100cm2, a=1cm2, k=300cm3/sec, CD=0,6. 
Bài tập 4. Điều khiển tốc độ động cơ điện một chiều 
Cho động cơ DC có đặc tính mô tả bởi hai phương trình vi phân: 
( ) 1( ) ( ) ( )bKdi t R i t t u t
dt L L L
ω= − − + 
( ) ( ) ( )mKd t Bi t t
dt J J
ω
ω= − − 
( )u t - điện áp phần ứng (tín hiệu vào) 
( )tω - tốc độ quay của động cơ (tín hiệu ra) 
( )i t - dòng điện phần ứng 
Các thông số của động cơ như sau: Điện trở phần ứng R=1Ω, điện cảm phần ứng 
L=0.33 H, hằng số moment Km=0.2, hằng số sức điện động Kb=0.2, moment quán tính 
của tải J=0.02 kg.m2, hệ số ma sát nhớt B=0.2 Nms. 
Giả sử: Điện áp u(t) cấp cho phần ứng động cơ tối đa 120V. Md(t) có trung bình 
bằng 0, phương sai bằng 10. e(t) có trung bình bằng 0, phương sai bằng 0.01. 
Yêu cầu: 
1. Trình bày các bước xây dựng mô hình mạng nơron nhân tạo để nhận dạng và 
điều khiển đối tượng trong các trường hợp không có nhiễu moment tải, có nhiễu đo 
lường 
2. Thực hiện quá trình huấn luyện mạng và kiểm chứng chất lượng mô hình trên 
Matlab-Simulink. 
130 
Bài tập 5. Điều khiển tốc độ động cơ điện một chiều 
Cho đối tượng và thông số động cơ như bài tập 4. 
Yêu cầu: 
1. Trình bày các bước xây dựng mô hình mạng nơron nhân tạo để nhận dạng và 
điều khiển đối tượng trong các trường hợp có nhiễu moment tải, không có nhiễu đo 
lường 
2. Thực hiện quá trình huấn luyện mạng và kiểm chứng chất lượng mô hình trên 
Matlab-Simulink. 
Bài tập 6. Điều khiển tốc độ động cơ điện một chiều 
Cho đối tượng và thông số động cơ như bài tập 4. 
Yêu cầu: 
1. Trình bày các bước xây dựng mô hình mạng nơron nhân tạo để nhận dạng và 
điều khiển đối tượng trong các trường hợp đồng thời có nhiễu moment tải và nhiễu đo 
lường 
2. Thực hiện quá trình huấn luyện mạng và kiểm chứng chất lượng mô hình trên 
Matlab-Simulink. 
131 
CHƯƠNG 5 
KẾT HỢP BỘ ĐIỀU KHIỂN MỜ VÀ MẠNG NƠRON TRONG 
ĐIỀU KHIỂN 
MỤC TIÊU CỦA CHƯƠNG 
Giới thiệu cho sinh viên một số mô hình kết hợp giữa điều khiển mờ và mạng 
nơron ứng dụng trong điều khiển. 
5.1. GIỚI THIỆU CHUNG 
Sau khi đã tìm hiểu rõ bản chất cũng như nguyên lý làm việc của các bộ điều 
khiển mờ và của mạng nơron thì bây giờ đã đến lúc chúng ta có thể thực hiện được 
việc phân tích điểm mạnh và điểm yếu của chúng trong các ứng dụng điều khiển: 
1. Trước tiên ta thấy ngay được rằng cả hai bộ điều khiển mờ và bộ điều khiển sử 
dụng mạng nơron, về nguyên tắc đều là những bộ điều khiển tĩnh, phi tuyến. Chúng có 
thể được thiết kế với chất lượng hệ thống cho trước theo một độ chính xác tùy ý và 
làm việc theo nguyên lý tư duy của con người. 
2. Tính năng của mạng nơron được quyết định bởi chủng loại nơron sử dụng và 
cấu trúc mạng ghép nối các nơron đó với nhau. Nó hoàn toàn độc lập với đối tượng 
được điều khiển. Thậm chí những người thiết kế nếu có kiến thức và hiểu biết về đối 
tượng thì điều đó cũng không giúp ích gì cho việc lựa chọn nơron và xây dựng cấu 
trúc mạng. Ngược lại đối với người thiết kế bộ điều khiển mờ thì những kiến thức, 
những hiểu biết về đối tượng lại rất cần thiết. Tuy rằng các hiểu biết này không nhất 
thiết phải được biểu diễn dưới dạng mô hình toán học mô tả đối tượng mà có thể chỉ là 
những kinh nghiệm thu thập được trong quá trình tiếp cận đối tượng, song không có 
chúng, người thiết kế không thể xây dựng được luật hợp thành, không thể mờ hóa giá 
trị tín hiệu (xác định hàm thuộc). Thực tế thiết kế bộ điều khiển mờ cho thấy người 
thiết kế luôn lúng túng nhất khi xây dựng hàm thuộc mô tả giá trị ngôn ngữ. Lý do là 
trong khi luật hợp thành được xây dựng trên cơ sở chỉ cần có những hiểu biết định 
tính về đối tượng (vốn là ưu điểm cơ bản của nguyên lý điều khiển mờ) thì việc xác 
định hàm thuộc cho từng giá trị ngôn ngữ lại đòi hỏi các hiểu biết chi tiết mang tính 
định lượng (tuy rằng chỉ giới hạn ở giá trị tín hiệu vào – ra của đối tượng) mà điều này 
lại là điểm mấu chốt để phân biệt điều khiển mờ với điều khiển kinh điển và cũng là 
điểm cơ bản của mạng nơ ron. 
3. Ngay khi mới được thiết kế, mạng nơron chưa có tri thức. Tri thức của nó 
được hình thành qua giai đoạn học qua các mẫu học. Mẫu học càng tốt, càng đa dạng 
và bao nhiêu trường hợp thì tri thức ban đầu của mạng càng gần với thực tế. Song nếu 
điều đó là chưa đủ thì tri thức của mạng vẫn có thể được bổ sung, và hoàn thiện thêm 
trong quá trình làm việc với đối tượng. Với bộ điều khiển mờ thì hoàn toàn ngược lại. 
132 
Khi được thiết kế xong, bộ điều khiển mờ đã có ngay một cơ chế làm việc nhất định 
và cơ chế này sẽ không thay đổi và được giữ cố định trong suốt thời kỳ làm việc. Nói 
cách khác mạng nơron có khả năng học còn bộ điều khiển mờ thì không. 
4. Mạng nơron vẫn được xem như giải pháp ứng dụng mà ở đó người thiết kế 
“mù tịt” về đối tượng (giải pháp black – box). Tri thức của mạng nằm ở các trọng số 
được rải đều khắp trong mạng. Một thay đổi nhỏ giá trị các trọng số chưa đủ làm thay 
đổi tính năng của mạng nơron, do đó khó đánh giá được tri thức hiện có của mạng nếu 
không có mẫu so sánh. Bộ điều khiển mờ thì lại khác, một thay đổi nhỏ ở hàm thuộc, 
hay luật hợp thành sẽ kéo theo ngay một sự thay đổi tương ứng rất dễ nhận biết về bản 
chất của nó. Bởi vậy bộ điều khiển mờ có tính thích nghi thời gian thực cao hơn mạng 
nơron. 
Như vậy, rõ ràng những ưu điểm của mạng nơron lại là nhược điểm của bộ điều 
khiển mờ và ngược lại. Bảng sau trình bày tóm tắt lại ưu nhược điểm của hai bộ điều 
khiển. 
STT Tính chất Mạng nơron Bộ điều khiển mờ 
1 Thể hiện tri thức (hình 
thức của tri thức) 
Thông qua trọng số, 
được thể hiện ẩn trong 
mạng 
Được thể hiện ngay tại 
luật hợp thành 
2 Nguồn của tri thức Từ các mẫu học Từ kinh nghiệm 
chuyên gia 
3 Xử lý thông tin không 
chắc chắn 
Định lượng Định tính và định 
lượng 
4 Lưu giữ tri thức Trong nơron và trọng số 
của từng đường ghép nối 
nơ ron 
Trong luật hợp thành 
và hàm thuộc 
5 Khả năng cập nhật và 
nâng cao tri thức 
Thông qua quá trình học Không có 
6 Tính nhạy cảm với các 
thay đổi của mô hình 
Thấp Cao 
5.2. KẾT HỢP BỘ ĐIỀU KHIỂN MỜ VÀ MẠNG NƠRON TRONG ĐIỀU 
KHIỂN 
Từ mong muốn có được ưu điểm của cả nguyên lý mờ và mạng nơron trong một 
bộ điều khiển, người ta đã ghép chung bộ điều khiển mờ với mạng nơron thành bộ 
133 
điều khiển mờ - nơron (và nơron – mờ). Hình 5.1 mô tả các nguyên lý ghép đôi 
thường gặp. 
Việc ghép nối bộ điều khiển mờ với mạng nơron có thể được thực hiện song 
song hoặc nối tiếp. Hình 5.1a là một ví dụ về hình thức ghép nối song song mà ở đó 
bộ điều khiển mờ giữ trọng trách điều khiển trực tiếp đối tượng còn mạng nơron 
không điều khiển trực tiếp song lại có nhiệm vụ theo dõi sự thay đổi của hệ thống để 
chỉnh định lại tham số cho bộ điều khiển mờ. Nguyên lý ghép nối này đã được ứng 
dụng thành công trong thực tế, chẳng hạn như bộ điều khiển là PID mờ có các tham số 
được chỉnh định theo nguyên lý tối ưu độ lớn và được thực hiện thích nghi bởi mạng 
nơron RBF (mạng xuyên tâm). 
Mạng nơron
Điều khiển mờ
Đối tượng 
điều khiển
K
-
Mạng nơron
Điều khiển mờ
Đối tượng 
điều khiển
-
a)
b)
Mạng nơron Điều khiển mờ Điều khiển mờ Mạng nơron
c) d)
Hình 5.1. Kết nối điều khiển mờ và mạng nơron 
Tất nhiên rằng cấu trúc ghép nối song song ở hình 5.1a chỉ là một ví dụ. Một 
hình thức ghép nối song song khác là hai bộ điều khiển mờ và mạng nơron làm việc 
độc lập với nhau cho ở hình 5.1b. Hệ thống sẽ có thêm khâu quyết định sự chuyển đổi 
công tắc từ mờ sang nơ ron hoặc ngược lại. 
Hình 5.1c và 5.1d minh họa cấu trúc ghép nối nối tiếp. Hình thức ghép nối này 
rất phù hợp cho các bài toán mà ở đó mạng nơ ron có nhiệm vụ xử lý các tín hiệu vào 
– ra cho bộ điều khiển mờ. 
134 
TÀI LIỆU THAM KHẢO 
1. Phạm Hữu Đức Dục (2009), “Mạng nơron & ứng dụng trong điều khiển tự 
động”, Nhà xuất bản Khoa học và Kỹ thuật. 
2. Nguyễn Như Hiển và Lại Khắc Lãi (2007), “Hệ mờ & mạng nơron trong kỹ 
thuật điều khiển,” Nhà xuất bản Khoa học Tự nhiên và Công nghệ. 
3. Huỳnh Thái Hoàng (2006), “Hệ thống điều khiển thông minh”, Nhà xuất bản 
Đại học Quốc gia TP. Hồ Chí Minh. 
4. Nguyễn Doãn Phước (2006), “Lý thuyết điều khiển mờ (in lần thứ 5)”, Nhà 
xuất bản Khoa học và Kỹ thuật. 
5. Nguyễn Doãn Phước (2014), “Bài giảng Điều khiển mờ”, Đại học Bách khoa 
Hà Nội. 
6. The MathWorks, Inc (2016), “Fuzzy Logic Toolbox™ User's Guide”, Version 
2.2.24 (Release 2016b). 
7. Howard Demuth , Mark Beale và Martin Hagan (2016), “Neural Network 
Toolbox™ User’s Guide”, Version 9.1 (Release 2016b), The Matth Works.