Chương 2: phương pháp điều khiển mờ trong hệ thống in offset | Môn Công nghệ kỹ thuật cơ điện tử - Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh

lOMoAR cPSD| 58675420
CHƯƠNG 2: MỘT SỐ PHƯƠNG PHÁP ĐIỀU KHIỂN
1.Các khái niệm liên quan đến điều khiển mờ
*Lý thuyết mờ (Fuzzy Logic)
Lý thuyết mờ là một phương pháp toán học để xử lý thông tin không chính xác hoặc
không rõ ràng. Trong điều khiển mờ, các tham số không được mô tả bằng các giá trị rõ
ràng (như "đúng" hoặc "sai"), mà là bằng các giá trị thuộc phạm vi mờ, ví dụ như "khá
nóng", "một chút ẩm", "mực hơi ít". Thay vì sử dụng các quy tắc logic nhị phân
(true/false), hệ thống điều khiển mờ sử dụng các quy tắc mờ để ra quyết định.
*Hệ thống điều khiển mờ (Fuzzy Control System)
Hệ thống điều khiển mờ là một loại hệ thống điều khiển tự động sử dụng các nguyên lý
của lý thuyết mờ để điều chỉnh quá trình trong một hệ thống phức tạp. Hệ thống này có
thể xử lý các yếu tố không chính xác và không xác định, giúp hệ thống hoạt động ổn định
hơn trong điều kiện thay đổi liên tục.
Cấu trúc cơ bản của một hệ thống điều khiển mờ: •
Fuzzification (Mờ hóa): Quy trình này chuyển đổi giá trị đầu vào (chẳng hạn như tốc
độ máy, độ ẩm, hay áp suất) từ dạng chính xác thành các giá trị mờ. •
Fuzzy Inference (Suy diễn mờ): Hệ thống áp dụng các quy tắc logic mờ để đưa ra kết
luận. Các quy tắc này thường có dạng "Nếu X thì Y", ví dụ "Nếu độ ẩm cao thì tốc độ in giảm". •
Defuzzification (Giải mờ): Sau khi suy diễn mờ, kết quả được chuyển đổi trở lại thành
giá trị chính xác để thực hiện điều khiển.
*Điều khiển mờ trong kiểm soát mực (Fuzzy Ink Control)
Mực in trong máy in offset có thể thay đổi theo thời gian do nhiều yếu tố như nhiệt độ, độ
ẩm và đặc tính giấy. Điều khiển mờ có thể được sử dụng để điều chỉnh lượng mực in một
cách linh hoạt và chính xác, giúp duy trì màu sắc và chất lượng in ổn định trong quá trình in. Ví dụ: •
Đầu vào mờ: Độ ẩm giấy, tốc độ máy, trạng thái mực (nhiều hoặc ít mực). •
Quy tắc mờ: Nếu độ ẩm cao và tốc độ máy nhanh, lượng mực cần giảm. •
Đầu ra mờ: Lượng mực cần điều chỉnh.
Điều này giúp giảm thiểu việc phải điều chỉnh thủ công và cải thiện hiệu suất và chất lượng in.
*Điều khiển mờ trong quản lý áp suất (Fuzzy Pressure Control)
Áp suất giữa các con lăn mực và bản in là một yếu tố quan trọng trong việc duy trì chất
lượng bản in. Điều khiển mờ có thể giúp điều chỉnh áp suất một cách linh hoạt, thay đổi
theo điều kiện môi trường và trạng thái của máy in. Ví dụ: lOMoAR cPSD| 58675420 •
Đầu vào mờ: Tốc độ máy in, độ dày giấy, trạng thái con lăn. •
Quy tắc mờ: Nếu tốc độ máy nhanh và giấy mỏng, áp suất cần tăng lên một chút. •
Đầu ra mờ: Áp suất điều chỉnh phù hợp.
Điều khiển mờ giúp cải thiện khả năng điều chỉnh áp suất trong các tình huống thay đổi,
giảm thiểu lỗi in và cải thiện chất lượng.
1.5. Điều khiển mờ trong điều chỉnh nhiệt độ (Fuzzy Temperature Control)
Nhiệt độ có ảnh hưởng lớn đến quá trình in, đặc biệt là khi sử dụng mực in nhạy cảm với
nhiệt độ hoặc khi môi trường thay đổi. Hệ thống điều khiển mờ có thể giúp duy trì nhiệt
độ máy in ở mức tối ưu, ngay cả khi các yếu tố ngoại cảnh thay đổi. Ví dụ: •
Đầu vào mờ: Nhiệt độ môi trường, nhiệt độ con lăn, mực in. •
Quy tắc mờ: Nếu nhiệt độ môi trường thấp và mực đặc, cần tăng nhiệt độ máy. •
Đầu ra mờ: Nhiệt độ của máy được điều chỉnh để đạt hiệu quả in tốt nhất.
*Điều khiển mờ trong giám sát và điều chỉnh vạch (Fuzzy Register Control)
Điều khiển vạch liên quan đến việc căn chỉnh các màu sắc và bản in sao cho chính xác và
không bị lệch (registration). Điều khiển mờ có thể tự động điều chỉnh vị trí của bản in
hoặc các con lăn để đảm bảo rằng các màu sắc được in chính xác mà không có hiện tượng lệch vạch.
*Ứng dụng điều khiển mờ trong giám sát độ ẩm (Fuzzy Humidity Control)
Độ ẩm của giấy và không khí có thể thay đổi nhanh chóng, ảnh hưởng đến chất lượng bản
in. Sử dụng điều khiển mờ, hệ thống có thể tự động điều chỉnh lượng nước bổ sung vào
mực hoặc hệ thống làm ẩm để đảm bảo rằng độ ẩm luôn ở mức tối ưu trong suốt quá trình in.
*Điều khiển mờ trong việc tối ưu hóa quá trình in (Fuzzy Process Optimization)
Máy in offset có rất nhiều tham số cần tối ưu hóa, bao gồm tốc độ, độ ẩm, mực, áp suất,
v.v. Điều khiển mờ giúp máy in tự động điều chỉnh các tham số này để tối ưu hóa quá
trình in, giúp tiết kiệm năng lượng, giảm thiểu mực thừa, và cải thiện chất lượng sản phẩm cuối cùng.
*Ưu điểm của điều khiển mờ trong máy in offset •
Khả năng xử lý bất định: Điều khiển mờ có thể xử lý những yếu tố mơ hồ, không chắc
chắn mà không cần các mô hình toán học chính xác. •
Tiết kiệm chi phí và thời gian: Hệ thống tự động điều chỉnh tham số mà không cần can
thiệp thủ công nhiều, giảm thiểu thời gian thiết lập và lãng phí. •
Tăng cường chất lượng in: Điều khiển mờ giúp duy trì sự ổn định và chính xác trong
quá trình in, cải thiện chất lượng bản in. •
Khả năng làm việc trong môi trường thay đổi: Điều khiển mờ có thể thích ứng với các
thay đổi trong điều kiện môi trường như độ ẩm, nhiệt độ, và tính chất giấy. lOMoAR cPSD| 58675420
1.1/ Độ cao, miền xác định và miền tin cậy của tệp mờ.
*Độ cao (Height) của tập mờ •
Độ cao của một tập mờ là giá trị cực đại của hàm thành viên (membership function)
của tập mờ. Nó biểu thị mức độ thuộc về mức cao nhất của tập mờ đối với các giá trị
cụ thể trong miền xác định. •
Trong máy in offset, nếu ta xét một yếu tố như mực in với tập mờ “Nhiều Mực”, hàm
thành viên sẽ cho giá trị mức độ từ 0 (không có mực) đến 1 (rất nhiều mực). Độ cao
của tập mờ "Nhiều Mực" sẽ là giá trị lớn nhất của hàm thành viên trong miền xác định của nó.
*Miền xác định (Domain of Definition) của tập mờ •
Miền xác định của một tập mờ là tập hợp các giá trị có thể nhận được của tham số mà
chúng ta đang quan tâm, trên đó hàm thành viên được định nghĩa. Miền này thường
được biểu diễn dưới dạng một đoạn hoặc một tập hợp các giá trị thực (hoặc số thực). •
Ví dụ trong máy in offset, nếu ta xét đến tập mờ liên quan đến tốc độ in, miền xác định
có thể là đoạn [0, 100] (đại diện cho tốc độ từ 0 đến 100 mét/phút) và hàm thành viên
sẽ xác định mức độ "thuộc" của một giá trị tốc độ cụ thể vào các tập mờ như "Chậm", "Vừa phải", "Nhanh".
*Miền tin cậy (Trust Domain) của tập mờ •
Miền tin cậy của tập mờ là tập hợp các giá trị mà trong đó mức độ tin cậy vào thuộc
tính của tập mờ là đủ cao để có thể đưa ra quyết định. Nó liên quan đến mức độ tin cậy
của các giá trị trong miền xác định đối với tập mờ. •
Miền tin cậy thường được xác định bằng các giá trị mà hàm thành viên của tập mờ có
mức độ giá trị trên một ngưỡng nhất định, ví dụ như 0.5, 0.7 hoặc một mức độ khác,
tùy thuộc vào yêu cầu của hệ thống. •
Trong máy in offset, miền tin cậy có thể chỉ ra các giá trị tốc độ in hoặc mực in mà
trong đó các tham số được xác định một cách chắc chắn và có thể dẫn đến quyết định điều khiển chính xác.
1.2/ Các dạng hàm thuộc thường gặp
* Hàm thuộc dạng Tam giác (Triangular Membership Function)
Hàm thuộc tam giác là một trong những dạng phổ biến và đơn giản nhất. Nó mô tả một tập
mờ có một giá trị "trung tâm" mà tại đó mức độ thuộc đạt cực đại (thường là 1). Ở hai đầu của
tam giác, mức độ thuộc giảm dần từ 1 xuống 0. •
Ứng dụng trong máy in offset: lOMoAR cPSD| 58675420
o Có thể sử dụng hàm thuộc tam giác để mô tả các yếu tố như "Mực đủ", "Tốc
độ vừa phải" hoặc "Độ ẩm trung bình".
o Ví dụ, đối với tốc độ in, ta có thể có tập mờ "Vừa phải", với các giá trị từ 30
đến 50 mét/phút có mức độ thuộc 1, và các giá trị ngoài phạm vi này sẽ giảm dần.
* Hàm thuộc dạng Hình thang (Trapezoidal Membership Function)
Hàm thuộc hình thang là một biến thể của hàm tam giác, với hai cạnh bên song song, có thể
được sử dụng khi mức độ "thuộc" duy trì ở mức tối đa trong một khoảng rộng hơn. Đây là
một dạng hữu ích khi các tham số có thể thuộc vào một tập mờ trong một phạm vi lớn mà
không cần thay đổi độ thuộc ngay lập tức. •
Ứng dụng trong máy in offset:
o Có thể sử dụng hàm thuộc hình thang để mô tả các yếu tố như "Mực vừa đủ" hoặc "Tốc độ nhanh".
o Ví dụ, tập mờ "Mực vừa đủ" có thể được xác định trong phạm vi từ 40% đến
70% mực, với mức độ thuộc bằng 1 trong khoảng đó và giảm xuống 0 ở hai đầu.
*Hàm thuộc dạng Sigmoid (Sigmoidal Membership Function)
Hàm thuộc dạng sigmoid có dạng chữ S, đặc trưng bởi một mức độ thuộc tăng dần từ 0 đến 1.
Đây là dạng hàm mờ thường được sử dụng trong các hệ thống cần điều chỉnh dần dần theo
thời gian, chẳng hạn như điều chỉnh nhiệt độ hoặc tốc độ in khi có sự thay đổi từ từ. •
Ứng dụng trong máy in offset:
o Có thể áp dụng cho các yếu tố như độ ẩm giấy, nơi mức độ "thuộc" vào tập
"Độ ẩm cao" tăng dần khi độ ẩm giấy tăng lên.
* Hàm thuộc dạng Gaussian (Gaussian Membership Function)
Hàm thuộc Gaussian là một dạng đặc biệt của hàm mờ có hình dạng đối xứng, tương tự như
phân phối chuẩn (normal distribution). Hàm này rất hữu ích trong các hệ thống cần điều chỉnh
mượt mà các tham số mà không có sự thay đổi đột ngột. •
Ứng dụng trong máy in offset:
o Có thể sử dụng để điều chỉnh các yếu tố như mực in, tốc độ máy hoặc độ ẩm
giấy, nơi mức độ "thuộc" vào các giá trị trung bình của tham số sẽ giảm dần
khi giá trị đó thay đổi.
* Hàm thuộc dạng Pseudo-Boolean (Pseudo-Boolean Membership Function)
Hàm thuộc dạng này thường được sử dụng trong các hệ thống đơn giản hoặc các quyết định
phân biệt rõ ràng (như "Có" hoặc "Không"). Nó chỉ ra rằng một giá trị có thể "thuộc" vào tập
mờ với mức độ 0 hoặc 1, tùy thuộc vào giá trị đó có đạt đến ngưỡng nhất định hay không. •
Ứng dụng trong máy in offset:
o Có thể dùng trong các tình huống như Kiểm tra lỗi máy in, nơi trạng thái của
máy in có thể chỉ thuộc vào hai tập mờ: "Đang hoạt động" và "Lỗi". lOMoAR cPSD| 58675420
1.3/ Các phép toán trên tập mờ (phép giao, phép hợp, phép mờ)
* Phép giao (Intersection)Công thức:
μC (x)=min(μA (x),μB (x)) Ứng dụng trong máy in offset: •
Dùng để xác định các điều kiện đồng thời xảy ra, ví dụ: mức độ bề mặt giấy A (nhẵn
mịn) và độ nhớt mực B phù hợp cùng ảnh hưởng đến chất lượng in. * Phép hợp (Union): Công thức:
μD(x)=max(μA (x),μB (x)) Ứng dụng trong máy in offset: •
Xác định khi một trong hai yếu tố (hoặc cả hai) đạt yêu cầu, chẳng hạn như tốc độ in A
hoặc độ dày lớp mực B đủ tiêu chuẩn. * Phép bù (Complement): Công thức:
μAˉ (x)=1−μA (x) Ứng dụng trong máy in offset: •
Xác định mức độ không phù hợp, ví dụ: mức độ không đồng đều của mực khi in Αcó
thể ngược lại với mức độ đồng đều A.
Ứng dụng trong máy in offset
Trong trường hợp của máy in offset, các phép toán trên tập mờ có thể được sử dụng để tối ưu
hóa các tham số như độ sắc nét của bản in, độ chính xác màu sắc, hoặc độ mịn của mực in. Ví dụ: •
Phép giao có thể được dùng để kết hợp các yếu tố ảnh hưởng đến chất lượng bản in từ
các nguồn khác nhau (như chất lượng giấy và mực in). •
Phép hợp có thể giúp kết hợp các điều kiện yêu cầu để tạo ra bản in tốt nhất, chẳng
hạn như việc hợp nhất độ sắc nét của ảnh và độ chính xác của màu sắc. •
Phép bù có thể giúp xác định các yếu tố không mong muốn hoặc các lỗi tiềm ẩn trong
quá trình in và làm giảm tác động của chúng.
2/ Biến ngôn ngữ và giá trị của ngôn ngữ
2.1/Biến ngôn ngữ (Linguistic Variable)
Biến ngôn ngữ là một khái niệm trong lý thuyết tập mờ, mô tả các tham số hoặc thuộc tính
của hệ thống mà giá trị của chúng có thể được biểu diễn bằng các từ ngữ, thay vì các giá trị số
cụ thể. Ví dụ, trong máy in offset, các biến ngôn ngữ có thể là: lOMoAR cPSD| 58675420 •
Độ sắc nét: có thể được biểu diễn bằng các giá trị ngôn ngữ như "mờ", "vừa", "sắc nét". •
Màu sắc: có thể là các giá trị như "xanh lá cây", "đỏ", "vàng", "màu nhạt", "màu đậm". •
Độ dày mực: có thể là "mỏng", "vừa", "dày". •
Chất lượng bản in: có thể là "kém", "trung bình", "tốt", "xuất sắc".
Biến ngôn ngữ giúp biểu diễn các tham số phức tạp và mơ hồ trong một cách thức dễ hiểu và
dễ xử lý hơn, đặc biệt là trong các hệ thống điều khiển hoặc giám sát.
2.1/Giá trị của biến ngôn ngữ (Value of Linguistic Variable)
Giá trị của biến ngôn ngữ không phải là một giá trị cụ thể mà là một mức độ thuộc về một tập
hợp mờ. Mỗi giá trị của một biến ngôn ngữ có thể được mô tả bằng một tập hợp mờ và độ tin
cậy (membership degree) của phần tử trong tập hợp này.
Ví dụ ứng dụng trong máy in offset
2.1/ Biến ngôn ngữ: Độ sắc nét của bản in
Máy in offset có thể sử dụng một biến ngôn ngữ "Độ sắc nét" với các giá trị ngôn ngữ như: •
"Mờ" (khi bản in không rõ nét), •
"Vừa" (khi bản in có độ sắc nét trung bình),
"Sắc nét" (khi bản in rõ nét và chi tiết).
Giá trị của biến ngôn ngữ có thể là độ tin cậy của độ sắc nét trên bản in, ví dụ: •
Độ tin cậy cho giá trị "Mờ" có thể là 0.3 khi các yếu tố như chất lượng mực in và độ
chính xác của máy in chưa tối ưu. •
Độ tin cậy cho giá trị "Vừa" có thể là 0.6 khi máy in hoạt động bình thường nhưng
chưa đạt độ hoàn hảo. •
Độ tin cậy cho giá trị "Sắc nét" có thể là 1 khi máy in được hiệu chỉnh hoàn hảo và bản in rất sắc nét.
2.2/Biến ngôn ngữ: Độ chính xác màu sắc
Máy in offset cũng có thể sử dụng một biến ngôn ngữ "Độ chính xác màu sắc" với các giá trị ngôn ngữ như: •
"Không chính xác" (khi màu sắc trên bản in không đúng), •
"Vừa" (khi màu sắc có độ sai lệch nhỏ so với yêu cầu), •
"Chính xác" (khi màu sắc hoàn toàn khớp với yêu cầu).
Giá trị của biến ngôn ngữ này có thể được thể hiện như sau: •
Độ tin cậy cho giá trị "Không chính xác" có thể là 0.2 khi máy in chưa được hiệu
chỉnh chính xác về màu sắc. •
Độ tin cậy cho giá trị "Vừa" có thể là 0.5 khi màu sắc có sự sai lệch nhỏ. •
Độ tin cậy cho giá trị "Chính xác" có thể là 1 khi màu sắc hoàn toàn khớp với yêu cầu. lOMoAR cPSD| 58675420 3/ Mạng thần kinh
3.1/ Mạng thần kinh trong máy in offset
Hệ thống in offset hiện đại có thể sử dụng mạng thần kinh để tối ưu hóa và tự động điều chỉnh
các tham số quan trọng trong quy trình in, bao gồm: •
Điều chỉnh màu sắc: Mạng thần kinh có thể học các mẫu màu sắc trong các bản in
trước đó và tự động điều chỉnh các yếu tố như tỷ lệ mực, độ phơi sáng, và các thông số
khác để đạt được độ chính xác màu sắc cao nhất. •
Kiểm soát độ sắc nét: Mạng thần kinh có thể phân tích chất lượng bản in, nhận diện
các vùng bị mờ hoặc mất chi tiết, và tự động điều chỉnh tốc độ in, độ dày mực, hay độ
căng của giấy để cải thiện độ sắc nét của bản in. •
Quản lý mực in: Mạng thần kinh có thể tối ưu hóa lượng mực in, giảm thiểu lãng phí,
và duy trì chất lượng bản in ổn định bằng cách điều chỉnh các tham số in dựa trên độ
dày mực cần thiết cho từng loại giấy và thiết kế.
3.2/Cách thức hoạt động của mạng thần kinh trong máy in offset
Mạng thần kinh hoạt động dựa trên việc huấn luyện với một lượng dữ liệu lớn. Dữ liệu này có
thể là các bản in trước đó, bao gồm các đặc tính như chất lượng màu sắc, độ sắc nét, và độ
đồng đều của mực. Dưới đây là cách thức hoạt động chi tiết: a. Thu thập dữ liệu và tiền xử lý •
Dữ liệu đầu vào: Hệ thống thu thập dữ liệu từ các cảm biến trên máy in, bao gồm các
thông số như tốc độ in, độ căng giấy, độ dày mực, độ chính xác của màu sắc, và độ sắc nét của bản in. •
Tiền xử lý dữ liệu: Dữ liệu có thể được chuẩn hóa và phân loại thành các nhóm khác
nhau, ví dụ như "màu sắc chính xác", "màu sắc sai lệch", "sắc nét", "mờ", v.v.
b. Mô hình mạng thần kinh •
Mạng đa lớp (Multilayer Perceptron - MLP): Một loại mạng thần kinh đơn giản có thể
sử dụng cho hệ thống in là MLP, bao gồm nhiều lớp đầu vào, ẩn và đầu ra. Lớp đầu
vào nhận các thông số như tốc độ in, độ căng giấy, lượng mực, v.v., trong khi lớp đầu
ra sẽ đưa ra quyết định như điều chỉnh màu sắc, độ sắc nét, hoặc các tham số in khác. •
Mạng học sâu (Deep Learning): Đối với các ứng dụng phức tạp hơn, như phân tích
hình ảnh bản in hoặc tự động điều chỉnh quá trình in, các mô hình học sâu (deep
learning) như mạng thần kinh tích chập (Convolutional Neural Networks - CNNs) có
thể được áp dụng. Các mạng này có khả năng phân tích hình ảnh bản in, nhận diện các
lỗi in (như màu sắc không đúng hoặc độ sắc nét kém) và tự động điều chỉnh quy trình in.
c. Huấn luyện mạng thần kinh •
Huấn luyện với dữ liệu thực tế: Mạng thần kinh được huấn luyện với dữ liệu thực tế từ
các bản in trước đó. Trong quá trình huấn luyện, mạng sẽ học cách nhận diện các đặc
điểm của bản in tốt và không tốt, và từ đó tìm ra mối liên hệ giữa các tham số máy in và chất lượng bản in. lOMoAR cPSD| 58675420 •
Học sâu (Deep Learning): Một hệ thống học sâu sẽ yêu cầu một lượng lớn dữ liệu
huấn luyện để tối ưu hóa các trọng số trong mạng thần kinh, giúp cải thiện khả năng
dự đoán và điều khiển quá trình in.
d. Dự đoán và điều chỉnh •
Sau khi mạng thần kinh đã được huấn luyện, nó có thể dự đoán và điều chỉnh các tham
số trong quá trình in. Ví dụ, nếu mạng phát hiện độ sắc nét không đạt yêu cầu, nó có
thể tự động điều chỉnh tốc độ in hoặc độ dày mực. Nếu màu sắc không chính xác, nó
có thể điều chỉnh tỷ lệ mực để cải thiện kết quả.
3.3/ Ứng dụng thực tế của mạng thần kinh trong máy in offset a. Quản lý chất lượng
Mạng thần kinh có thể giúp phát hiện các lỗi trong quá trình in, chẳng hạn như màu sắc sai
lệch, các vết mực thừa, hoặc các lỗi do giấy không phẳng. Hệ thống có thể tự động điều chỉnh
các yếu tố này trong thời gian thực mà không cần can thiệp thủ công. b. Tối ưu hóa quy trình in
Mạng thần kinh có thể tối ưu hóa quy trình in bằng cách tự động điều chỉnh các tham số
như độ căng của giấy, tốc độ in, và mức độ mực in để giảm thiểu sự lãng phí mực và giấy,
đồng thời duy trì chất lượng bản in ổn định. c. Dự đoán lỗi và bảo trì
Ngoài việc tối ưu hóa chất lượng bản in, mạng thần kinh còn có thể dự đoán các vấn đề kỹ
thuật trong máy in, như độ mòn của con lăn, tình trạng của mực in, và các sự cố kỹ thuật
khác. Hệ thống có thể cảnh báo trước để thực hiện bảo trì hoặc thay thế các bộ phận máy.
3.4/ Lợi ích của việc sử dụng mạng thần kinh trong máy in offset •
Tự động hóa: Giảm thiểu sự can thiệp thủ công, giúp tiết kiệm thời gian và công sức
trong quá trình vận hành máy in. •
Tối ưu hóa chất lượng: Cải thiện chất lượng bản in và giảm thiểu các lỗi màu sắc hoặc độ sắc nét. •
Tiết kiệm chi phí: Giảm thiểu sự lãng phí mực, giấy và các tài nguyên khác. •
Bảo trì chủ động: Dự đoán các vấn đề kỹ thuật trước khi chúng trở thành sự cố nghiêm trọng.