HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINHhthoang/dktm/Chuong04_DKTM.pdf · Giới thiệu Điều khiển ddựa vàôhìhlàhào mô hình là phương pháp điều khikhiển ttrong

Moân hoïcMoân hoïc

HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINHHEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINH

Giaûng vieân: TS. Huyønh Thaùi HoaøngB ä â Ñi à Khi å Tö Ñ äBoä moân Ñieàu Khieån Töï Ñoäng

Khoa Ñieän – Ñieän TöûÑaïi hoïc Baùch Khoa TP.HCM

Email: hthoang@hcmut edu vnEmail: [email protected]: http://www4.hcmut.edu.vn/~hthoang

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 1

Chöông 4Chöông 4

ĐIỀU KHIỂN DỰA VÀO MÔ HÌNH ĐIỀU KHIỂN DỰA VÀO MÔ HÌNH


Giới hiệ

Noäi dung chöông 3Noäi dung chöông 3

Giới thiệuNhắc lại về mô hình của hệ phi tuyếnĐiều khiển dùng mô hình ngượcĐiều khiển dùng mô hình ngượcĐiều khiển mô hình nộiĐiều khiển theo mô hình chuẩnều ể eo ô c uĐiều khiển dự báo dựa vào mô hình


Giới thiệuGiới thiệu


Giới thiệuGiới thiệu

Điề khiể d à ô hì h là h há điề khiể t đóĐiều khiển dựa vào mô hình là phương pháp điều khiển trong đó có sử dụng tường minh mô hình của đối tượng để tính toán tín hiệu điều khiển. Các phương pháp điều khiển dựa vào mô hình phổ biến:

Điều khiển dùng mô hình ngược (Inverse Control).ề ểĐiều khiển mô hình nội (Internal Model Control).

Điều khiển theo mô hình chuẩn (Model Reference Control).Điề khiể d bá (P di ti C t l)Điều khiển dự báo (Predictive Control)

Các phương pháp điều khiển dựa vào mô hình phi tuyến đã áp dụng thành công vào nhiều lĩnh vực, nhưng lĩnh vực áp dụng chủ ụ g g ự , g ự p ụ gyếu là các quá trình công nghệ hóa học (thí dụ như trong công nghiệp hóa dầu, chế biến thực phẩm, nước giải khát...).


Nhận dạng mô hình hệ phi tuyếnNhận dạng mô hình hệ phi tuyến


Vòng lặp nhận dạng hệ thốngVòng lặp nhận dạng hệ thống

Thí nghieäm thuThí nghieäm thu thaäp döõ lieäu

caùc

qui

göõ, …

Xöû lyù sô

heä th

oáng:

ceåu

ngo

ân ng

Xö ly sô boä döõ lieäu

Choïn caáu truùc

t trö

ôùc v

eà h

caùc

phaùt

bie moâ hình

Choïn tieâu chuaån öôùc löông

oâng

tin b

ieát

aät v

aät ly

ù, c öôc löôïng

Öôùc löôïng thoâng soá

Thoâ lu

Khoâng toát ⇒ laëp laïiKhoâng toát ⇒ xeùt laïi

Ñaùnh giaù moâ hình


Toát ⇒ chaáp nhaän moâ hìnhg ï

thoâng tin bieát tröôùc

Cấu trúc mô hình phi tuyếnCấu trúc mô hình phi tuyến

Đối tĐối tượng:

)()](,),1(),(,),1([)( 0 kvnkykynkukufky yu +−−−−= KK

Dữ liệu: { })(),(;);2(),2();1(),1( NuNyuyuyZ N K=ệ { }

Mô hình: Bộ dự báoV hồi i

)),((),(ˆ θϕθ kfky =

),(ˆ θky)(k Vector hồi qui

Vector tham số)(kϕ

θ


Phân loại mô hình phi tuyếnPhân loại mô hình phi tuyến

Phâ l i th á hầ tử hồi iPhân loại theo các phần tử hồi qui:

Phân loại theo bộ cấu trúc hàm phi tuyến:Mô hì h ờ M d i SMô hình mờ: Mamdani, SugenoMô hình mạng thần kinh: MLP, RBFMô hình lai mạng thần kinh mờ: ANFIS


Mô hình lai mạng thần kinh mờ: ANFIS

Sơ đồ khối bộ dự báo mờSơ đồ khối bộ dự báo mờ

Qui tắc mờ mô tả đặc tính động học của đối tượng phi tuyến:

Bộ dự báo: ∑ ∏= =

=r

ij

n

i

n

jijijjAi kky

1 1

),),((.),(ˆϕ

γβϕμαθ


Vector tham số: Tnnnnn rrr

],...,,,...,,,...,[ 11111 ϕϕγγββαα=θ

Sơ đồ khối bộ dự báo dùng mạng thần kinhSơ đồ khối bộ dự báo dùng mạng thần kinh

⎟⎟⎞

⎜⎜⎛

== ∑∑∑ϕ

ϕnll

kvgwkzwky )()()(ˆ θBộ dự báo: ⎟⎟⎠

⎜⎜⎝

== ∑∑∑===

ϕj

jijii

iii

i kvgwkzwky111

)()(),( θ

[ ]Tlll wwvvvv 11111=θ

Bộ dự báo:

Vector tham số:


[ ]llrlr wwvvvv ,...,,,,,,,, 11111 KKKθVector tham số:

Ước lượng tham sốƯớc lượng tham số

v(k)

Đối tượngu(k) y(k)

),( θkε

Mô hình),(ˆ θky

Tiêu chuẩnước lượng

Tối ưu hóaước lượng

Tiêu chuẩn ước lượng:NN

[ ]∑∑==

−==N

k

N

k

NN kyky

Nk

NZV

1

2

1

2 ),(ˆ)(1)(1),( θθ ε


Thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền,…

Điều khiển dùng mô hình ngượcĐiều khiển dùng mô hình ngược


Điều khiển ngược trực tiếp (Direct Inverse Control)Điều khiển ngược trực tiếp (Direct Inverse Control)

Nguyên tắc điều khiển ngược trực tiếp

Phương pháp điều khiển vòng hở trong đó bộ điều khiển là mô hình

Nguyên tắc điều khiển ngược trực tiếp

Phương pháp điều khiển vòng hở, trong đó bộ điều khiển là mô hình ngược của đối tượng. Đối tượng:

Luật điều khiển:

))1(),...,(),1(),...,(()1( +−+−=+ mkukunkykyfky

Thực tế rất khó rút ra mô hình ngược giải tích của đối tượng, nhất là

))1(),...,1(),1(),...,(),1(()( 1 +−−+−+= − mkukunkrkrkrfku


Thực tế rất khó rút ra mô hình ngược giải tích của đối tượng, nhất là trong trường hợp đối tượng phi tuyến

Mô hình ngượcMô hình ngược

ể ố

Mô hình ngược

Sử dụng FM/NN để nhận dạng đặc tính động học ngược của đối tượng:

))1()1()1()()1((ˆ)(ˆ 1 kkkkkfk θ


))1(),...,1(),1(),...,(),1((),(ˆ 1 +−−+−+= − mkukunkykykyfku θ

Ước lượng thông số mô hình ngượcƯớc lượng thông số mô hình ngược

Sơ đồ ước lượng tham số mô hình ngược offline

Ước lượng offline:Thu thập N mẫu dữ liệu vào ra của đối tượngTiêu chuẩn ước lượng tham số:

min)](ˆ)([)( 2 →−=∑N

kukuJ θθ


min)],()([)(1

→∑=k

kukuJ θθ

Ước lượng thông số mô hình ngượcƯớc lượng thông số mô hình ngược

Sơ đồ ước lượng tham số mô hình ngược online

Ước lượng online:

Sơ đồ ước lượng tham số mô hình ngược online

ợ gThông số mô hình ngược được cập nhật trực tuyến sao cho sai lệch giữa tín hiệu ra của đối tượng và tín hiệu đặt là tối thiểu

ẩ ốTiêu chuẩn ước lượng tham số:

min)]()([)( 2 →−=∑ kykrJ θ


)()()( ∑k

y

Điều khiển dùng mô hình ngược trực tiếpĐiều khiển dùng mô hình ngược trực tiếp

Mô hình ngược sau khi nhận dạng sẽ được sử dụng để điều khiển đối tượng


tượng

Thí dụ: Điều khiển hệ bồn chứa dùng mô hình ngược trực tiếpThí dụ: Điều khiển hệ bồn chứa dùng mô hình ngược trực tiếp

Phương trình vi phân mô tả đặc tính động học hệ bồn chứa:

( ))(2)(1)( hCkh& ( ))(2)()(

)( tghaCtkuhA

th D−=

minmax)( AhAAhA +−


minmax

minmax)( Ahh

hA +=

Nhận dạng đặc tính động học hệ bồn đơnNhận dạng đặc tính động học hệ bồn đơn

Mô hì h th ậ ủ hệ bồ đ ó thể biể diễ hMô hình thuận của hệ bồn đơn có thể biểu diễn như sau:))(),(()1( kukhfkh =+

Mô hình ngược:

ầ ể ồ

))(),1((ˆ)(ˆ 1 khkhfku += −

Sử dụng mạng thần kinh để nhận dạng mô hình ngược của hệ bồn chứa. Cấu trúc mạng thần kinh:

Tín hiệu vào: )(),1( khkh +ệTín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6.

k h h l ẩ l h i id

)(),()(ˆ ku

Hàm kích hoạt ở lớp ẩn là hàm sigmoid; Hàm kích hoạt ở lớp ra là hàm tuyến tính.


Dữ liệu vào ra hệ bồn đơnDữ liệu vào ra hệ bồn đơn

Si l t k i t t t d t

9

12Single tank input - output data

3

6u(t)

0

40

20

30

0

h(t)

0 200 400 600 800 10000

10

h


0 200 400 600 800 1000Time

Sơ đồ điều khiển hệ bồn đơn dùng mô hình ngượcSơ đồ điều khiển hệ bồn đơn dùng mô hình ngược


Kết quả điều khiển hệ bồn đơn dùng mô hình ngượcKết quả điều khiển hệ bồn đơn dùng mô hình ngược

40r(t)

30

( )h(t)

20

0

10

0 100 200 300 4000


Nhận xétNhận xét

Ph há điề khiể dù ô hì h hỉ ó hể á dPhương pháp điều khiển dùng mô hình ngược chỉ có thể áp dụng khi đối tượng cần điều khiển là ổn định với pha cực tiểu.Nếu mô hình ngược không nhận dạng đúng đặc tính động họcNếu mô hình ngược không nhận dạng đúng đặc tính động học ngược của đối tượng thì kết quả điều khiển sẽ có sai số. Giải pháp để loại trừ ảnh hưởng của sai số mô hình:

dùng sơ đồ điều khiển thuận (Feed Forward Control) hoặc điều khiển mô hình nội (Internal Model Control).


Điều khiển thuận (Feed Forward Control)Điều khiển thuận (Feed Forward Control)

Sơ đồ điều khiển thuận

Trong trường hợp mô hình NN/FM không thể nhận dạng hoàn

Sơ đồ điều khiển thuận

g g ợp g ậ ạ gtoàn chính xác đặc tính động học ngược của đối tượng thể sử dụngthêm bộ điều khiển PID kinh điển để triệt tiêu sai số do mô hình


Thí dụ điều khiển thuận hệ bồn đơnThí dụ điều khiển thuận hệ bồn đơn

Mô hình ngược: mạng NN (đã trình bày ở thí dụ trước)

Bộ điề khiể PI sG 01.010)( +


Bộ điều khiển PI:s

sGPID 10)( +=

Kết quả điều khiểnKết quả điều khiển

40

20

30

r(t)h(t)

0 100 200 300 4000

10

0 00 00 300 00

40

Điều khiển ngược (Inverse Control)

20

30

r(t)h(t)

0 100 200 300 4000

10


Điều khiển thuận (Feed forward Control)

Điều khiển mô hình nộiĐiều khiển mô hình nội


Điều khiển mô hình nội tuyến tínhĐiều khiển mô hình nội tuyến tính

Đối tượngĐối tượng

Mô hình ngượcMô hình ngược

Sơ đồ điều khiển mô hình nội tuyến tính

Mô hình thuận

Tín hiệu ra của hệ thống:

ộ y

)()()()()( sGsNsGsRsY NR +=

)()()( GGY)(ˆ)()()(1

)()()()()(

0)( sGsGsGsGsGsG

sRsYsG

PCPC

PC

sNR −+

===

)(ˆ)(1)()( sGsGsYG PC−


)(ˆ)()()(1)()(

)()()(

0)( sGsGsGsGsNssG

PCPC

PC

sRN −+

===

Điều khiển mô hình nội phi tuyếnĐiều khiển mô hình nội phi tuyến

Sơ đồ điều khiển mô hình nội tuyến tính

Nếu đối tượng ổn định, mô hình ngược ổn định và mô hình ngược chính xác bằng nghịch đảo đặc tính động học mô hình thuận thì tín


g g ghiệu ra đúng bằng tín hiệu vào, bất chấp nhiễu.

Thí dụ điều khiển mô hình nội hệ bồn đơnThí dụ điều khiển mô hình nội hệ bồn đơn


Dữ liệu vào ra hệ bồn đơnDữ liệu vào ra hệ bồn đơn

Si l t k i t t t d t

9

12Single tank input - output data

3

6u(t)

0

40

20

30

0

h(t)

0 200 400 600 800 10000

10

h


0 200 400 600 800 1000Time

Nhận dạng đặc tính động học hệ bồn đơnNhận dạng đặc tính động học hệ bồn đơn

Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:))(),(()1( kukhfkh =+

Mô hình ngược:

Cấ t ú thầ ki h hậ d ô hì h

))(),1((ˆ)(ˆ 1 khkhfku += −

Cấu trúc mạng thần kinh nhận dạng mô hình ngượcTín hiệu vào: Tín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6.

)1(),1( −− kukh )(ˆ khp

Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.

Cấ ú hầ ki h hậ d ô hì hCấu trúc mạng thần kinh nhận dạng mô hình ngượcTín hiệu vào: Tín hiệu ra:Số tế bào thần kinh ở lớp ẩn là 6

)(),1( khkh + )(ˆ ku


Số tế bào thần kinh ở lớp ẩn là 6.Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.

Kết quả điều khiểnKết quả điều khiển

4040( )

20

30

r(t)h(t)

20

30

r(t)h(t)

0 100 200 300 4000

10

0 100 200 300 4000

10

ề ể

40

Điều khiển ngượcĐiều khiển mô hình nội

20

30

r(t)h(t)

0 100 200 300 4000

10


Điều khiển thuận

Điều khiển theo mô hình chuẩnĐiều khiển theo mô hình chuẩn


Nguyên tắc điều khiển theo mô hình chuẩnNguyên tắc điều khiển theo mô hình chuẩn

Tiêu chuẩn huấn luyện bộ điều khiển:

ể

min)]()([)( 2 →−=∑k

m kykyJ θ


Mô hình NN/FL: dùng để ước lượng khi tìm cực trịθ∂∂ /)(ky )(θJ

Thí dụ: Điều khiển cánh tay máy theo mô hình chuẩnThí dụ: Điều khiển cánh tay máy theo mô hình chuẩn

h ì h i h đ í h đ h h áPhương trình vi phân mô tả đặc tính động học hệ tay máy:

)()(sin10)(2)( tuttt =++ φφφ &&&

9)()( Φ ssG m

Điều khiển cánh tay máy bám tín hiệu đặt theo mô hình chuẩn:


96)()()( 2 ++==

sssRsG m

m

Sơ đồ mô phỏng điều khiển cánh tay máy theo mô hình chuẩnSơ đồ mô phỏng điều khiển cánh tay máy theo mô hình chuẩn


Cấu trúc các mạng thần kinhCấu trúc các mạng thần kinh

Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy:Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy:Tín hiệu vào:φ(k−1), φ(k−2), u(k−1), u(k−2)Tín hiệu ra: )(ˆ kφTín hiệu ra: Số tế bào thần kinh ở lớp ẩn là 10

)(kφ

Cấu trúc mạng thần kinh thực hiện chức năng điều khiển:Tín hiệu vào: φ(k−1), φ(k−2), r(k−1), r(k−2), u(k−1)Tín hiệu ra: u(k)Số tế bào thần kinh ở lớp ẩn là 13.


Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình tay máyDữ liệu huấn luyện mạng thần kinh nhận dạng mô hình tay máy


Dữ liệu huấn luyện mạng thần kinh điều khiển theo mô hình chuẩnDữ liệu huấn luyện mạng thần kinh điều khiển theo mô hình chuẩn


Kết quả điều khiển cánh tay máy theo mô hình chuẩnKết quả điều khiển cánh tay máy theo mô hình chuẩn

Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn


Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn luyện các mạng thần kinh.

Điều khiển dự báo dựa vào mô hìnhĐiều khiển dự báo dựa vào mô hình


Sơ đồ khối hệ thống điều khiển dự báoSơ đồ khối hệ thống điều khiển dự báo

Mô hình để dự báo đáp ứng của đối tượng trong tương laiMô hình để dự báo đáp ứng của đối tượng trong tương laiThuật toán tối ưu hóa: tính toán chuổi tín hiệu điều khiển tương lai bằng cách tối thiểu hóa một hàm mục tiêu.

ấ


Dời phạm vi dự báo theo thời gian sau mỗi chu kỳ lấy mẫu

Nguyên tắc điều khiển dự báoNguyên tắc điều khiển dự báo

Dù ộ ô hì h để d bá đá ứ ủ đối i á hờiDùng một mô hình để dự báo đáp ứng của đối tượng tại các thời điểm rời rạc trong tương lai trong một phạm vi dự báo (prediction horizon) nhất định.) ịTính toán chuổi tín hiệu điều khiển tương lai trong phạm vi điều khiển (control horizon) bằng cách tối thiểu hóa một hàm mục tiêu. Hà tiê thườ dù là ê ầ là h tí hiệ dự bá đáHàm mục tiêu thường dùng là yêu cầu làm cho tín hiệu dự báo đáp ứng của đối tượng phải càng gần quỹ đạo đáp ứng mong muốn càng tốt, trong điều kiện ràng buộc cho trước.Dời phạm vi dự báo theo thời gian, sao cho tại mỗi thời điểm lấy mẫu quá trình tối ưu hóa được lặp lại với tín hiệu đo vừa thu được, và chỉ có tác động điều khiển đầu tiên trong chuổi tác động điềuvà chỉ có tác động điều khiển đầu tiên trong chuổi tác động điều khiển đã tính toán được xuất ra để điều khiển đối tượng.


Nguyên tắc điều khiển dự báoNguyên tắc điều khiển dự báo


Trình tự thiết kế hệ thống điều khiển dự báoTrình tự thiết kế hệ thống điều khiển dự báo

Nhậ d ô hì h ủ đối (dù NN h ặ FM)Nhận dạng mô hình của đối tượng (dùng NN hoặc FM)Chọn phạm vi dự báo HP

Chọn phạm vi điều khiển H (H ≤ H )Chọn phạm vi điều khiển HC, (HC ≤ HP)Chọn hàm mục tiêu:

∑∑ ++++CP HH

ikuikyikwJ 22 )]1([)](ˆ)([)( ρσu ∑∑==

−+++−+=i

ii

i ikuikyikwJ1

2

1

2 )]1([)]()([)( ρσu

∑∑ −+−+++−+=CP H

i

H

i ikuikuikyikwJ 22 )]1()([)](ˆ)([)( ρσu ∑∑==

−+−+++−+=i

ii

i ikuikuikyikwJ11

)]1()([)]()([)( ρσu

[ ]TCHkukuku )1()1()( −++= Ku

Chọn thuật toán tối ưu hóa: thuật toán Newton giải thuật di truyền

)()1()()( ikrkwikw +−+=+ αα


Chọn thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền

Thuật toán Newton trong điều khiển dự báoThuật toán Newton trong điều khiển dự báo

Hà iê ∑∑CP HH

22ˆHàm mục tiêu:

Thuật toán Newton:

∑∑==

−+++−+=i

ii

i ikuikyikwJ1

2

1

2 )]1([)](ˆ)([)( ρσu

[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′= −+Thuật toán Newton: [ ] )()( )()()()( jjjj JJ uuuu −=

)(1

)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH

Hjj

kj

C

P

ikikJ uuu ρρεψσ K+++−=′ ∑ 11

),,(g)(),()( Hi

k Cρρψ∑=

)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε

)(ˆ

)( )(ˆ)ˆ,(j

ikyik j

uuuu

=⎥⎦⎤

⎢⎣⎡

∂+∂

=+ψ

+⎥⎦

⎤⎢⎣

⎡+

∂+∂

−++=′′ ∑=

PH

i

jj

jTjk

j ikikikikJ1

)()(

)()()( )()ˆ,()ˆ,()ˆ,(2)ˆ( εψψψσu

uuuu

)(di2


),,(diag2 1 CHρρ K+

Thuật toán LevenbergThuật toán Levenberg--Marquardt trong điều khiển dự báoMarquardt trong điều khiển dự báo

Hà iê ∑∑CP HH

22ˆHàm mục tiêu:

Thuật toán Levenberg Marquardt:

∑∑==

−+++−+=i

ii

i ikuikyikwJ1

2

1

2 )]1([)](ˆ)([)( ρσu

Thuật toán Levenberg-Marquardt:[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′−= −+

)(1

1

)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH

H

i

jjk

jC

P

ikikJ uuu ρρεψσ K+++−=′ ∑=

)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε

)( )(ˆ)ˆ( ikyik ju ⎥⎤

⎢⎡ +∂

+ψ)(ˆ

)( )(),(j

yik j

uuuu

=⎥⎦⎢⎣ ∂

=+ψ

[ ] IikikJ jH

HjTj

kj

P)(

20)()()( )(diag2)ˆ()ˆ(2)ˆ( μρρρψψσ ++++=′′ ∑ uuu


[ ] IikikJ jH

i

jjk

jC

)(20

1

)()()( ),,,(diag2),(),(2)( μρρρψψσ ++++= ∑=

Kuuu

Điều khiển dự báo mô hình nộiĐiều khiển dự báo mô hình nội


Thí dụ: Điều khiển dự báo hệ bồn phản ứng dùng mô hình NNThí dụ: Điều khiển dự báo hệ bồn phản ứng dùng mô hình NN

h( ) độ hất lỏh(t): độ cao mực chất lỏngCb(t): nồng độ sản phẩm ở đầu ra của quá trìnhw1(t): lưu lượng vào bồn của dòng sản phẩm có

nồng độ cao C =24 9nồng độ cao Cb1=24.9w2(t) = 0.1: lưu lượng vào bồn của dòng sản

phẩm có nồng độ thấp Cb2=0.1k1=1; k2=1

Đặc tính động học của hệ thống mô tả bởi các phương trình sau:

)(20)()()( htdh

1 ; 2

)(2.0)()()(21 thtwtw

dt−+=

212

21

1 ))(1()(

)()())((

)()())(()(

tCktCk

thtwtCC

thtwtCC

dttdC b

bbbbb −−+−= 2

2 ))(1()()( tCkththdt b+

Bài toán đặt ra là điều khiển nồng độ sản phẩm ở đầu ra theo giá trịđặt bằ á h điề hỉ h l l à ( )


đặt bằng cách điều chỉnh lưu lượng vào w1(t)

Sơ đồ mô phỏng điều khiển dự báo hệ bồn phản ứngSơ đồ mô phỏng điều khiển dự báo hệ bồn phản ứng


Thiết kế bộ điều khiển dự báoThiết kế bộ điều khiển dự báo

Cấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phảnCấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phản ứng:

Tín hiệu vào: w1(k−1), w1(k−2), Cb(k−1), Cb(k−2)ệ 1( ), 1( ), b( ), b( )Tín hiệu ra: Số tế bào thần kinh ở lớp ẩn là 7

)(ˆ kCb

Các tùy chọn của thuật toán điều khiển dự báo: Phạm vi điều khiển: 2=HPhạm vi điều khiển:Phạm vi dự báo:Trọng số hàm mục tiêu:

2=CH7=PH

1=σ 05.0=ρọ g ụThuật toán tối ưu hóa: suy giảm độ dốc

ρ


Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứngDữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứng


Kết quả điều khiển dự báo hệ bồn phản ứng dùng mạng thần kinhKết quả điều khiển dự báo hệ bồn phản ứng dùng mạng thần kinh


Thí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờThí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờ

Đặc tính động học của hệ thống mô tả bởi các phương trình sau:

( )1 ( )|)()(|2))()(sgn()()(

1)( 2112111

1 ththgaCththtkuhA

th D −−−=&

( ))(|)()(|))()((1)( hhhhhh& ( ))(2|)()(|2))()(sgn()(

1)( 222112122

2 tghaCththgaCththhA

th DD −−−=

iminmax)( AhAAhA iii +

−=


minmax

)( Ahh

hA iii +=

Sơ đồ mô phỏng điều khiển dự báo hệ bồn képSơ đồ mô phỏng điều khiển dự báo hệ bồn kép


Cấu trúc mô hình mờ TakagiCấu trúc mô hình mờ Takagi--Sugeno nhận dạng đặc tính động học hệ bồn képSugeno nhận dạng đặc tính động học hệ bồn kép

Hệ qui tắc mờ:Hệ qui tắc mờ:

Hàm liên thuộc của các tập mờ:


Biểu thức bộ dự báoBiểu thức bộ dự báo

Bộ dự báo mờ:Bộ dự báo mờ:

[ ])2()1()2()1(),),1((),(ˆ 43211817_ −+−+−+−−= tututytytyty thapRat θθθθθθμθ

[ ][ ]

[ ])2()1()2()1(),,),1((

)2()1()2()1(),,),1((

1211109201918

8765191817

_

−+−+−+−−+

−+−+−+−−+

tututytyty

tututytyty

TB

Thap

p

θθθθθθθμ

θθθθθθθμ

[ ])2()1()2()1(),),1(( 161514132019 −+−+−+−−+ tututytytyCao θθθθθθμ


Sơ đồ thu thập dữ liệuSơ đồ thu thập dữ liệu


Dữ liệu vào ra hệ bồn képDữ liệu vào ra hệ bồn kép


Kết quả nhận dạng mô hình TakagiKết quả nhận dạng mô hình Takagi--SugenoSugeno


Thiết kế bộ điều khiển dự báoThiết kế bộ điều khiển dự báo

Mô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi SugenoMô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi-Sugeno

Các tùy chọn của thuật toán điều khiển dự báo: Phạm vi điều khiển:Phạm vi dự báo:T ố hà tiê

3=CH10=PH

1 400ρTrọng số hàm mục tiêu:Thuật toán tối ưu hóa: Levenberg-Marquadt

1=σ 400=ρ


Kết quả điều khiển dự báo hệ kép dùng mô hình mờ TakagiKết quả điều khiển dự báo hệ kép dùng mô hình mờ Takagi--SugenoSugeno


Documents

HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINHhthoang/dktm/Chuong04_DKTM.pdf · Giới thiệu Điều khiển ddựa vàôhìhlàhào mô hình là phương pháp điều khikhiển ttrong