Professional Documents
Culture Documents
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 1
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Phương pháp kết hợp: kết hợp ưu điểm của các hai phương pháp để thu được
mô hình có chất lượng mong muốn.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 2
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
• Biến cần điều khiển.
• Biến điều khiển.
• Biến nhiễu.
• Biến quá trình không can thiệp (hoặc không cần can thiệp).
2. Xây dựng các phương trình mô hình.
3. Kiểm chứng mô hình (đảm bảo tính nhất quán của mô hình)
4. Phát triển mô hình.
2.2 Mô hình hóa thực nghiệm ( nhận dạng quá trình )
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 3
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
4. Kết hợp yêu cầu về khả năng ứng dụng của phương pháp nhận dạng
đã cho.
5. Xác định các tham số mô hình theo phương pháp đã chọn. Kết hợp
các mô hình con lại với nhau (nếu có)
6. Mô phỏng, kiểm chứng, đánh giá mô hình theo các tiêu chuẩn đã được
lựa chọn, tốt nhất là trên các tập dữ liệu khác nhau. Đây là công việc cuối cùng khi
nhận dạng mô hình, là quá trình quay trở về với thực tiễn.
7. Nếu chưa đạt, ta có thể quay trở lại các bước 1-4.
Theo dạng mô hình sử dụng, chúng ta phân ra các phương pháp như nhận dạng
hệ phi tuyến/tuyến tính, liên tục/gián đoạn, trên miền thời gian/tần số, nhận dạng
mô hình không tham số/có tham số, nhận dạng mô hình rõ/mờ. Trong đó, hai loại
mô hình được ứng dụng phổ biến nhất đó là mô hình tính tính bậc nhất và bậc hai
(có hoặc không có trễ, có hoặc không có dao đọgn, có hoặc không thành phần tích
phân) là những dạng thực dụng nhất.
Theo dạng tín hiệu thực nghiệm chúng ta có nhận dạng chủ động và nhận dạng
bị động. Nhận dạng được gọi là chủ động nếu tín hiệu vào được chủ động lựa chọn
và kích thích. Đây là phương pháp tốt nhất nếu thực tế cho phép. Nếu hệ thống
đang vận hành ổn định, không cho phép có sự can thiệp nào gây ảnh hưởng tới chất
lượng sản phẩm, ta sử dụng các số liệu vào ra trong quá trình vận hành. Đó là
phương pháp nhận dạng bị động. Số liệu thu được phản ánh hệ thống ở chế độ xác
lập, mang ít thông tin cần thiết cho việc điều khiển.
Theo cấu trúc ta có nhận dạng vòng kín và nhận dạng vòng hở. Nhận dạng
vòng hở là phương pháp trong đó mô hình của đối tượng có thể nhận được trực tiếp
trên cơ sở tiến hành thực nghiệm và tính toán với các tín hiệu vào ra của nó.
Phương pháp này có nhược điểm là có khả năng đưa hệ thống đến trạng thái mất ổn
định. Giải pháp thay thế đó chính là nhận dạng vòng kín, có được bằng cách đưa
vào một vòng phản hồi đơn giản, giúp duy trì sự ổn định của hệ thống.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 4
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận dạng trực tuyến và nhận dạng ngoại tuyến. Tùy theo yêu cầu của việc
nhận dạng :nếu phục vụ chỉnh định trực tuyến và liên tục tham số của bộ điều
khiển, tối ưu hóa thời gian thực hệ thống điều khiên thì ta sử dụng nhận dạng trực
tuyến. Nếu quá trình thu thập dữ liệu độc lập với việc tính toán, ta co nhận dạng
ngoại tuyến.
Theo thuật toán ước lượng ta có một số thuật toán thông dụng: bình phương tối
thiểu, xác suất cực đại, phân tích tương quan, phân tích phổ, phân tích thành phần
cơ bản, phương pháp dự báo lỗi, phương pháp không gian con…
Đánh giá và kiểm chứng mô hình: Việc xây dựng các tiêu chuẩn đánh giá và
kiểm chứng mô hình thu được đóng vai trò hết sức quan trọng. Tiêu chuẩn quen
thuộc nhất đó là dựa số liệu đáp ứng thời gian. Ta có công thức tính tổng bình
phương sai số:
N
1
ε=
N
∑ [y (k ) −y%(k )]
k =1
2
→min
Với N là số lần trích mẫu tín hiệu,y(k) là giá trị đầu ra thực của quá trình ở thời
điểm trích mẫu thứ k, y%
( k ) : giá trị đầu ra của mô hình ước lượng lấy từ mô phỏng.
Ta có thể sử dụng tín hiệu dạng bậc thang. Ngoài ra, việc đánh giá sai số có thể
được thực hiện trên miền tần số, kèm theo đó là phương pháp lấy đặc tính tần số
sao cho phù hợp. Sai lệch lớn nhất:
Gˆ ( jω ) − G ( jω )
E =ωmax
G ( jω )
× 100%
∈O
Trong đó G (j ω ˆ (j ω
) là đặc tính tần số của quá trình thực. G ) là đặc tính tần số
của mô hình và O là tập số cần quan tâm đánh giá.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 5
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Với k là hệ số khuếch đại tĩnh của đối tượng, T là hằng số thời gian và L là
thời gian trễ xấp xỉ.
• Phương pháp kẻ tiếp tuyến.
Việc thực hiện tiến hành như sau:
Kẻ tiệm cận với đường cong tại trạng thái xác lập-> tìm ra k.
Kẻ tiếp tuyến tại điểm uốn giao với trục tung ->L
Xác định trên đường cong điểm có tung độ 0.632∆y∞ ta có L+T
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 6
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhược điểm của phương pháp này là việc kẻ tiếp tuyến mang tính chủ quan,
thiếu chính xác và khó khăn trong việc vi tính hóa. Ngoài ra, ảnh hưởng của nhiễu
đo tương đối lớn, nên phương pháp này không được ưa dùng.
• Phương pháp hai điểm quy chiếu.
Ta sử dụng hai điểm quy chiếu ứng với các giá trị 0.632∆y∞ và 0.283∆y∞ .
Công thức tính toán được xác định như trên.
• Phương pháp diện tích.
Để giảm ảnh hưởng của nhiễu đo, có thể sử dụng phương pháp tính lấy tích
phân thay vì các giá trị đơn lẻ.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 7
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Mô hình quán tính bậc hai có trễ.
Có dạng:
Trên thực tế, hai điểm thường được chọn tương ứng với 33% và 67% giá trị
cuối ∆y∞
• Phương pháp ba điểm quy chiếu
Nhìn chung việc kẻ tiếp tuyến vẫn không tránh khỏi nhược điểm đó là độ
chính xác kém và khả năng vi tính hóa thấp. Để tránh nhược điểm này, có thể sử
dụng 3 điểm quy chiếu ứng với 14%, 55% và 91% độ biến thiên tín hiệu ra. Mô
k − Ls
hình đưa ra dưới dạng G ( s) = T 2 S 2 + 2T ξ S + 1 e
Các thông số được tính toán như sau:
ξ 2 = 0.50906 + 0.51743β − 0.076284 β 2 + 0.041363ξ 3 − 0.0049224 β 4+ 0.00021235 β 5
β = ln(α / (2.485 − α ))
Trong đó α = (t − t )(t − t )
3 2 2 1
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 8
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Mô hình chứa khâu tích phân
Ta xét mô hình có dạng quán tính-tích phân bậc nhất và bậc hai có trễ:
Ta có thể đưa về bài toán quen thuộc đã xét ở trên thông qua hai cách:
• Thay vì tín hiệu bậc thang, có thể sử dụng kích thích dạng xung. Đầu ra lúc
này sẽ tương đương trường hợp kích thích khâu quán tính bậc nhất và bậc hai
thông thường bằng tín hiệu bậc thang, nếu diện tích của xung được chọn bằng
biên độ của tín hiệu bậc thang.
• Sử dụng tín hiệu kích thích dạng bậc thang, với số liệu thu được là đạo hàm
của tín hiệu đầu ra. Cách làm này có thể khiến hệ mất ổn định.
Kết quả thu được hàm truyền và sau đó chỉ cần nhân với 1/s thì sẽ có
được mô hình mong muốn.
3.2 Nhận dạng trên miền tần số.
Ở đây ta lưu ý đặc điểm đó là đặc tính đáp ứng tần số được xác định tại những
tần số quan tâm. Cách kích thích có thể là một trong hai dạng: kích thích trực tiếp
tín hiệu hình sin hoặc dùng các dạng tín hiệu khác.
• Kích thích trực tiếp với tín hiệu hình sin
Tín hiệu kích thích được sử dụng đó là tín hiệu dạng sin dao động xác lập với
biên độ ∆u và tần số ω . Đáp ứng ra thu được ở trạng thái xác lập chính là dao
động hình sin với biên độ ∆y và tần số ω .
∆y
Tiến hành ghi lại hệ số khuếch đại A = và độ lệch pha ϕ . Quá trình thực
∆x
nghiệm được lặp lại với các tần số khác nhau, nằm trong dải tần cần quan tâm.
Dựa trên các số liệu cần khảo sát được, ta vẽ các biểu đồ trên miền tần số
(Bode, nyquist) từ đó đánh giá chất lượng của mô hình. Để có độ chính xác cao
hơn, có thể kết hợp đánh giá trên máy tính.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 9
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét:
Cho ra chất lượng mô hình tốt hơn hẳn so với các phương pháp đã nêu ở
trên.
Số lượng số liệu không hẳn quyết định tới chất lượng mô hình, thậm chí có
thể gây những ảnh hưởng xấu. Việc chọn lựa dữ liệu nằm trong vùng dải tần quan
tâm đóng vai trò rất quan trọng đối với chất lượng mô hình. Đặc biệt, đối với bài
toán điều khiển, ta quan tâm tới dải tần nằm trong phạm vi [ 0, ω−π ] .
Ưu điểm nổi trội của phương pháp này đó là khả năng bền vững với nhiễu.
Do tần số dao động của toàn hệ thống là xác định, sẽ không khó để tách riêng ảnh
hưởng của nhiễu ra khỏi đáp ứng hệ thống.
Phương pháp này có nhược điểm, đó chính là thời gian trễ không được thể
hiện trong phương pháp. Nếu đối tượng có trễ, việc nhận dạng theo phương pháp
này có thể gây ra sai lầm. Để giải quyết vấn đề này, ta có thể nhận biết thời gian
trễ riêng, sau đó chỉnh sửa đặc tính pha thu được rồi nhận dạng mô hình không trễ
như bình thường. Hoặc có thể sử dụng mô hình với bậc cao hơn, với mục đích
chính là xấp xỉ trễ về một khâu bậc 1 hoặc 2.
Ngoài ra, việc lấy số liệu đặc tính đáp ứng tần làm mất rất nhiều thời gian,
đặc biệt là với những quá trình có tính quán tính lớn. Do đó, thông thường ta chỉ
quan tâm tới một vài tấn số quan trọng.
Hơn thế nữa, trên thực tế việc kích thích trực tiếp với tín hiệu hình sin không
phải lúc nào cũng thực hiện được.
• Kích thích bằng tín hiệu dạng xung.
Được thực hiện trên nền phép biến đỏi Furier. Cơ sở của phương pháp này
đó là việc phân tích tín hiệu vào ra thành các thành phần tần số khác nhau.Hiện
cũng được ứng dụng khá phổ biến.
3.3 Các phương pháp bình phương tối thiểu
Khi mà yêu cầu về chất lượng trở nên khắt khe hơn, thì một trong những
phương pháp nhận dạng ưa dùng là phương pháp bình phương tối thiểu. Lúc này,
bài toán nhận dạng được đưa về bài toán tối ưu với hàm mục tiêu cần cự tiểu hóa
chính là tổng bình phương sai lệch giữa các giá trị thực quan sát được các giá trị
tính toán ước lượng.
Các phương pháp thuộc nhóm này có thể được áp dụng rộng rãi đối với cả hệ
thống phi tuyến và tuyến tính, trên miền thời gian cũng như miền tần số, nhận dạng
trức tuyến cũng như ngoại tuyến. Nguyên lý bình phương tối thiểu như sau :
Giả sử hệ thống được mô tả bởi một mô hình toán học đơn giản có dạng :
y (ti ) = ϕ1 (t i )θ1 + ϕ 2 (t i )θ 2 + .....+ ϕ n(t i)θ n = ϕ T(t i)θ
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 10
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Trong đó y(ti) là giá trị quan sát được tại thời điểm ti, θ là vector tham số của
mô hình cần xác định :
θ = [ θ 1 θ 2 … θ n]T
ϕi là các hàm biết trước ( dãy giá trị biến vào hoặc ra)
Vector hàm ϕ T (ti ) = [ ϕ1 (ti ) ϕ2 (ti ) …. ϕn (ti ) ] gọi là biến hồi quy. Bài toán
nhận dạng được đưa về bài toán xác định các tham số mô hình sao cho sai lệch giữa
các giá trị quan sát thực và các giá trị tính toán theo mô hình ước lượng là nhỏ
nhất. Tiêu chuẩn thông dụng nhất được sử dụng dựa trên tổng bình phương của
từng giá trị sai lệch. Có nghĩa là, vector tham số θ cần được lựa chọn nhằm tối
thiểu hóa hàm mục tiêu cho một khoảng thời gian quan sát [t1, tN] :
N N
V (θ , tN ) = ∑ ( y (ti ) − %
y (ti ))2 = ∑ ( y (ti ) − ϕT (ti ) θ)2
i =1 i =0
Ta kí hiệu:
ϕ T (t1 ) ϕ1 (t1 ) ϕ 2 (t1 ).....ϕ n (t1 ) y (t1 )
T ϕ (t ) ϕ (t ).....ϕ (t ) y (t )
ϕ (t )
φ = 2
=
1 2 2 2 n 2 ;ψ = 2
ϕ (tn ) ϕ1 (t N ) ϕ 2 (t N )....ϕ n (t N ) y (t N )
T
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 11
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Trong phương pháp này, bộ điều khiển được thay thế bằng khâu rơle 2 vị trí.
Đáp ứng ra có dạng dao động như hình vẽ:
2π
Từ hình vẽ, dễ dàng xác định được: tần số dao động tới hạn: ωu T và biên
u
4d
độ tín hiệu ra biên độ tín hiệu ra a = G ( jwu )
π
Các ưu điểm của phương pháp nhận dạng dựa trên phản hồi rơle đã được
khẳng định trong thực tế:
Thứ nhất, phương pháp này đơn giản, dễ dàng thử nghiệm đối với đa số các
quá trình công nghiệp. Nếu quá trình có đặc tính dao động tới hạn thì hệ kín sẽ tự
động tiến đến dao động.
Thứ hai, nhờ khả năng tự do lựa chọn biên độ khâu rơ le mà ta có thể hoàn
toàn kiểm soát được quá trình.
Thứ ba, loại bỏ được ảnh hưởng của nhiễu.
4. Thực nghiệm
4.1 Mô hình hóa lý thuyết động cơ một chiều
Bài toán đặt ra ở đây là xây dựng mô hình lý thuyết cho đối tượng động cơ
điện một chiều:
Phân tích:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 12
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
•
Biến cần điều khiển: tốc độ n .
• Biến điều khiển: điện áp u A
• Biến nhiễu: momen tải mT
o Hệ thống phương trình mô tả động cơ điện một chiều:
Phương trình cân bằng điện áp phần ứng:
diA
u A = eA + RA iA + La (1)
dt
Để điều khiển tốc độ động cơ một chiều trong vùng tốc độ nhỏ hơn tốc độ định
mức, ta sử dụng phương pháp thay đổi điện áp phần ứng. Vì thế để thay đổi điện áp
này ta thường dùng bộ chỉnh lưu hoặc bộ băm xung điện áp một chiều. Do quán
tính của bộ biến đổi điện áp nhỏ ta có thể coi là khâu quán tính bậc một với hằng số
thời gian quán tính là TCL và hệ số khuyếc đại là k
Ta có thêm phương trình của bộ biến đổi điện áp:
du A 1 k
=− uA + .u
dt TCL TCL
Vậy mô hình trạng thái của đối tượng động cơ điện một chiều là
du A 1 k
=− uA + .u
dt TCL TCL
di A 1 1
= − i A − k e Φ.n + uA
dt TA LA
dn 1 1
= k M Φ.i A − mT
dt 2πJ 2πJ
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 13
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
1
− T 0 0
k
u A CL T 0
1 1
x (t ) = i A ;
CL
A= − − ke Φ ; B = 0 ; N = 0 ; C = [0 0 1] ;
LA TA 0 1
n −
1 2πJ
0 kM Φ 0
2πJ
D=0
Vậy mô hình trạng thái của động cơ được viết dưới dạng thu gọn
x (t ) = A.x(t ) + B.u (t ) + N .mT (t )
y (t ) = C.x(t ) + D.u (t )
Mô hình hàm truyền đạt:
Sử phép biến đổi Laplace tín hiệu liên tục ua(t) và n(t) sang miền ảnh
N (s)
Laplace: x(t ) → X ( s) . Bằng cách biến đổi ta tìm hàm truyền đạt G ( s ) = U ( s) . Ta biến
A
kM Φ
đổi ra được: G ( s ) =
2π JRATA s 2 + 2π RA Js + Φ2 ke kM
Do quán tính của bộ biến đổi điện áp nhỏ ta có thể coi là khâu quán tính bậc
một với hằng số thời gian quán tính là TCL và hệ số khuyếc đại là k nên
k
GCL ( s) = , đơn giản thì k=1, TCL=0.01s
1 + TCL s
N ( s) 1 kM Φ
G (s) = = .
U ( s ) 1 + TCL s 2π JRATA s + 2π RA Js + Φ 2 ke kM
2
Nhận xét:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 15
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
công cụ này chúng ta cần phải hiểu rõ các phương pháp nhận dạng, phạm vi sử
dụng và ưu nhược điểm của từng phương pháp cộng với khả năng về phân tích hệ
thống thông qua các đặc tính thu được.
Các bước nhận dạng sử dụng Identification Toolbox :
Sau đó để đặt thêm tên biến, đơn vị biến ta click vào More (đặc tính chung của
các quá trình thực hiện vào
dữ liệu)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 16
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Freq.Function(Complex)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 17
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Trước hết cần xuất dữ liệu vào trong GUI như đã nêu trong bước chuẩn bị dữ
liệu. Sau đó phải lựa chọn mô hình nhận dạng. Bộ công cụ ID có hỗ trợ nhận dạng
các mô hình không tham số và mô hình có tham số. Các dạng mô hình không tham
số bao gồm đáp ứng xung hữu hạn, đặc tính tần số, và đặc tính phổ công suất. Còn
mô hình có tham số bao gồm các mô hình đa thức gián đoạn, mô hình trạng thái và
mô hình hàm truyền đạt. Dưới đây là một số mô hình hay dùng cùng với câu lệnh
và thuật toán nhận dạng:
Đáp ứng xung hữu hạn (hàm trọng lượng):
m=impule(data)
Thuật toán nhận dạng dựa trên phân tích tương quan giữa các giá trị vào ra.
Kết quả trả về mô hình FIR được ước lượng và vẽ trên đồ thị
Mô hình đáp ứng quá độ:
m=step(data,Time)
jω
Đặc tính tần số: G (e )
m=spa(data)
m=spa(data,M,w,maxsize)
m=etfe(data)
m=etfe(data,M,N)
Chú ý: thuật toán spa ước lượng mô hình đặc tính tần số kèm theo phổ công
suất nhiễu dựa trên phương pháp phân tích phổ tín hiệu vào ra. Còn thuật toán efte
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 18
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
thì dựa trên thuật toán biến đổi Fourier nhanh. Kết quả trả về mô hình đặc tính tần
số với đặc tính tần số được ước lượng tại các tần số cho trong vector hàng. Thông
số M là chỉ số lag M của cửa sổ Hamming. Tham số N được sử dụng cho tính toán
vector chứa các tần số quan tâm: w=[1:N]/N*pi/T
Mô hình đa thức gián đoạn
B ( q −1 ) C (q −1 )
Tổng quát: A( q −1 ). y(t ) = u ( t ) + e(t )
F ( q −1 ) D ( q −1 )
Các đa thức toán tử trễ biểu diễn dưới dạng các vector hàng theo số mũ giảm dần.
Ví dụ A(q −1 ) = 1 + a1q−1 + a2 q−2 + .... + an q− n thì A = [1 a1 ... an]
Một số mô hình gián đoạn đặc biệt và lệnh nhận dạng mô hình đó:
ARX: A(q −1 ). y (t ) = B (q−1 )u (t − nk ) + e(t )
m=arx(data,order)
m=arx(data,’na’,na,’nb’,nb,’nk’,nk)
trong đó na, nb là bậc của đa thức A, B
nk là số chu kỳ trễ mà tín hiệu vào ảnh hưởng tới tín hiệu ra
Thuật toán nhận dạng theo phương pháp bình phương cực tiểu
Có thể thay hàm iv4 khi nhiễu đầu ra không phải cồn trắng
−1 −1 −1
ARMAX: A(q ). y (t ) = B (q )u (t − nk ) + C (q )e(t )
m=armax(data,orders)
trong đó: orders=[na nb nc nk]
na, nb, nc: bậc của đa thức A, B, C
nk: số chu kỳ trễ mà tín hiệu vào ảnh hưởng tới tín hiệu ra
Thuật toán ước lượng theo phương pháp lỗi dự báo (PEM)
Hàm armax chỉ hỗ trợ mô hình SISO hoặc MISO
B ( q −1 )
OE: y (t ) = u (t ) + e (t )
F ( q −1 )
m=oe(data,orders)
trong đó orders=[nb nf nk]
Tương tự như ước lượng mô hình ARMAX
B ( q −1 ) C ( q −1 )
BJ: y (t ) = u (t ) + e(t )
F ( q −1 ) D ( q −1 )
m=bj(data,orders)
trong đó orders=[nb nc nd nf nk]
Ước lượng thời gian trễ: delayest(data)
Ước lượng bậc của mô hình
NN=struc(na,nb,nk)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 19
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
V=arxstruc(data_e, data_v, NN)
selstruc(V) : hiện bảng đánh giá sai số mô hình để lựa chọn bậc mô hình
phù hợp
Mô hình hàm truyền đạt:
K p (1 + sTz )
m=pem(data,’PnZDU’) G(s) = e − sT d
m=pem(data,’P1D’)
Kp
Khâu dao động bậc hai G ( s ) = e− sTd
1 + 2sζ Tω + s 2Tω2
m=pem(data,’P2U’)
p z K (1 + sT )
Khâu quán tính bậc ba có điểm không G ( s ) = (1 + sT )(1 + sT )(1 + sT )
p1 p2 p3
m=pem(data,’P3Z’)
x ( t + Ts ) = A x ( t ) + B u ( t ) + K e ( t )
Mô hình trạng thái gián đoạn: y ( t ) = C x ( t ) + D u ( t ) + e(t
m= n4sid(data,[order])
trong đó order có thể là một vector hàng chứa các bậc của mô hình cần
thử nghiệm
• Bước 4: Khảo sát và kiểm chứng mô hình:
Bộ công cụ IT còn cài đặt sẵn một số hàm phục vụ khảo sát và kiểm chứng
mô hình nhận được cũng như phục vụ chuyển đổi mô hình. Tất cả các hàm này đều
sử dụng tham số có kiểu tương thích với idmodel .
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 20
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 21
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
• Áp dụng: Nhận dạng động cơ sử dụng Identification System Toolbox
Sau khi chạy mô phỏng thì giá trị của tín hiệu vào và ra thông qua khối To
Workspace sẽ thành các vector cột u, n. Để được điều này thì khối To Worksapce
và tham số mô phỏng cần chỉnh thông số như sau:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 22
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 23
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 24
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét: Tín hiệu vào là hàm 100.1(t) nên đầu ra thu được là có dạng hàm quá
độ h(t). Vì thế nhìn vào h(t) ta thấy đối tượng có trễ, có dao động. Vì thế chọn mô
hình đối tượng có trễ và có điểm cực phức sẽ cho kết quả gần giống nhất.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 25
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 26
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Để tổng quát ta thử với một số mô hình có ích lợi cho việc thiết kế bộ điều
khiển và phục vụ mô phỏng .
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 27
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Mô hình quán tính bậc nhất có trễ
0.08339
GP1D (s ) = * e(−0.03s )
1 + 0.0063479 s
Mô hình quán tính bậc hai có trễ:
0.083402
GP 2 D ( s ) = * e(−0.02994 s)
(1 + 0.0030121s)(1 + 0.0030121s )
k
GP 2 DU ( s) = * e(−Td s)
1 + 2 * ξ * T * s + T 2 .s 2
Td=0.03 ξ = 0.16439
k
GP 3 DU (s ) = * e (−Td s )
(1 + 2* ξ * T * s + T 2.s 2)(1+ T3s)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 28
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Đánh giá độ chính xác của các mô hình ước lượng với mô hình thật
Nhận xét:
Mô hình P3DU là chính xác nhất phục vụ để mô phỏng kiểm chứng. Nhưng
ta cũng có thể sử dụng mô hình P2DU.
Mô hình P2D và P1D rất thích hợp cho việc thiết kế bộ điều khiển PID trên
miền tần số.
Nhận dạng mô hình trạng thái gián đoạn: để thiết kế bộ điều khiển trên
miền không gian trạng thái
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 29
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 30
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
A= Speed 0
x1 x2 x3 K=
Voltage x1 -6.0862e-007
x1 0.0016453 x2 3.3656e-007
x2 -0.00072238 x3 -5.2018e-007
x3 0.0010042 Estimated using N4SID from data set
C= data_DC_100Ve
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 31
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Chương 2. Thiết kế hệ thống điều khiển trên nền tảng bộ
điều khiển PID
Bộ điều khiển PID là bộ điều khiển thông dụng nhất trong các hệ thống điều
khiển bởi cấu trúc và nguyên lý của nó đơn giản, dễ hiểu, dễ sử dụng trong thực tế.
Mục đích của chương này là trình bày về các phương pháp thiết kế bộ điều khiển
PID, so sánh chất lượng của các phương pháp để tìm ra giải pháp tối ưu cho bài
toán thiết kế và phát triển hệ thống.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 32
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
2. Thiết kế bộ điều khiển PID số trên nền vi điều khiển
2.1 Bộ điều khiển PID
Bộ điều khiển PID lý tưởng trên miền liên tục:
1 t
de (t )
u (t ) = k p e(t ) +
Ti ∫ e(τ )dτ + T
0
d
dt
Trong đó k p : hệ số khuếch đại của bộ điều khiển
T i : Hằng số thời gian tích phân
T d : Hằng số thời gian tích phân
e(t ) : Sai lệch điều khiển e(t ) = r (t ) − y (t )
u (t ) : Đầu ra của bộ điều khiển
Thành phần tỉ lệ (P): u d (t ) = k p e(t ) tác động nhanh và tức thời sẽ có khả năng
cải thiện đặc tính động học của hệ kín song với việc tăng k p thì cũng có thể gây sự
giảm độ trữ ổn định, hoặc có khi làm hệ kín mất ổn định.
Thành phần tích phân (I) có tác dụng triệt tiêu sai lệch tĩnh nhưng sự có mặt
của thành phần I đã làm xấu đi tính ổn định của hệ kín, làm cho đáp ứng của hệ kín
dao động hơn cũng kém bền vững ổn định hơn. Mức độ ảnh hưởng của thành phần
I phụ thuộc vào hằng số thời gian tích phân T i . T i càng lớn thì mức độ ảnh
hưởng của thành phần vi phân càng giảm và ngược lại. Nếu hệ đã dao động thì việc
giảm T i sẽ làm hệ dao động mạnh hơn và kéo dài hơn, độ quá điều chỉnh tăng lên.
Ngược lại việc tăng T i có tác dụng bền vững của hệ kín, giảm dao động nhưng
cũng dẫn đến sai lệch điều khiển chậm bị triệt tiêu và thời gian quá độ lớn
Khi sử dụng bộ PI mà muốn tăng tốc độ đáp ứng ta có thể tăng kp hoặc giảm
T i nhưng kèm theo đó là thường phải chấp nhận độ quá điều chỉnh lớn lên và độ
dự trữ ổn định cũng thu hẹp lại. Khi đó bộ điều khiển PID có thành phần D để khắc
phục hiện tượng trên tức là có thể tăng tốc độ đáp ứng và tăng độ dự trữ ổn định.
Thế nhưng ta cũng phải trả giá ở mặt: làm cho hệ kín nhạy cảm hơn với nhiễu đo
và tín hiệu điều khiển thay đổi mạnh hơn. Cũng chính vì thế mà bộ PID thích hợp
với các quá trình chậm hoặc không ổn định mà ở đó sự ảnh hưởng của nhiễu đo
không đáng kể.
Từ việc phân tích trên ta có thể rút ra những kết luận sau mang tính tương đối
bởi vì ba tham số PID có ảnh hưởng qua lại vẫn nhau và sự thay đổi của bất kỳ một
tham số nào cũng có thể ảnh hưởng không nhỏ đến tác dụng của hai tham số còn
lại
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 33
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Tăng Giảm Giảm
Thời gian đáp ứng giảm Giảm ít Giảm ít
Thời gian quá độ Thay đổi ít Giảm Giảm
Độ quá điều chỉnh Tăng Tăng Giảm ít
Hệ số tắt dần Thay đổi ít Tăng Giảm
Sai lệch tĩnh Giảm Triệt tiêu Thay đổi ít
Tín hiệu điều khiển Tăng Tăng Tăng
Độ dữ trữ ổn định Giảm Giảm Tăng
Bền vững với nhiễu đo Giảm Thay đổi ít Giảm
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 34
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Người sử dụng tự cài đặt tham số
Bộ điều khiển tự chọn tham số (self-turning)
Bộ điều khiển tự điều chỉnh tham số (auto turning) để đảm bảo chất
lượng đầu ra không đổi
2.3 Các giải pháp phần cứng
a) Chọn vi điều khiển
Một số dòng vi điều khiển phổ biến: PIC, AVR29, PS.o.C, …
Để có thể chọn lựa được vi điều khiển hợp lý thì cần chú ý đến các vấn đề sau:
• Chu kỳ trích mẫu tín hiệu: Vì bộ điều khiển là bộ điều khiển số nên trong một
chu kỳ nó phải thực hiện lấy mẫu tín hiệu vào và sau đó bộ điều khiển phải tính
toán xong tín hiệu điều khiển. Do đó tốc độ xử lý phải phù hợp đáp ứng được
thời gian gian tính toán và lấy mẫu phải nhỏ hơn chu kỳ trích mẫu tín hiệu. Như
ta đã biết chu kỳ trích mẫu càng nhỏ thì chất lượng bộ điều khiển số càng lớn
thế nhưng tốc độ vi xử lý càng phải cao. Do đó cần xem xét tốc độ tính toán của
vi điều khiển
• Các ngoại vi có sẵn trên chip như các timer, các ngắt, bộ so sánh, bộ PWM
• Khả năng giao tiếp ngoại vi
Giao tiếp với các thiết bị chấp hành, thiết bị cảm biến:
Giao tiếp với thiết bị chấp hành kiểu số: kiểu ON/OFF hay kiểu PWM
Giao tiếp với thiết bị chấp hành kiểu tương tự: (ít chíp hỗ trợ hơn)
Giao tiếp với thiết bị cảm biến số:
Giao tiếp với thiết bị cảm biến tương tụ: kiểu dòng, kiểu áp. Nếu vi
điều khiển có sẵn ADC thì việc ghép nối với cảm biến tương tự sẽ dễ dàng
hơn.
Giao tiếp với các thiết bị cấp cao khác như PC, PLC có thể qua
chuẩn RS-232 hoặc RS-485 hoặc qua mạng truyền thông như Profibus DP
hay Modbus,…
• Các chuẩn giao tiếp mà chip hỗ trợ:
Giao tiếp không đồng bộ nối tiếp: USART có ưu điểm đơn giản, phổ
biến, nhưng nhược điểm độ tin cậy không cao. Đặc biệt là các việc giao tiếp
với cổng COM của máy tính
2
Giao tiếp truyền thông nối tiếp đồng bộ I C: thích hợp cho các ứng dụng
truyền thông giữa các đơn vị truyền thông, đặc biệt thích hợp cho các ứng
dụng truyền thông giữa các đơn vị trên cùng một bo mạch với khoảng cách
ngắn và tốc độ thấp.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 35
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Giao tiếp truyền thông nối tiếp đồng bộ SPI: với 3 dây cho phép kết nối
truyền thông nhiều vi điều khiển.
Khả năng thích hợp với môi trường: trong những điều kiện khắc nhiệt
của môi trường như độ ẩm, nhiệt độ, từ tính,… đều có thể gây ra hỏng bộ
điều khiển hoặc làm bộ điều khiển hoạt động sai.
b) Chọn kết nối vi điều khiển với đối tượng
• Cảm biến số: sẽ được gắn với 1 bít của một cổng vào của vi điều khiển. Nếu
cảm biến số có mức tín hiệu khác với mức tín hiệu của vi điều khiển thì ta có
thể lắp thêm bộ chuyển đổi mức tín hiệu.
• Cảm biến tương tự:
- Được lắp với chân ADC của vi điều khiển (nếu có)
- Cần thêm mạch chuyển đổi ADC là khâu chuyển đổi giá trị tương tự từ đầu
ra của cảm biến thành giá trị số n bit (thông thường 8 bít hoặc 10 bít hoặc
12 bít). Giá trị số n bit
- Để có thể có nhiều dải phạm vi đầu vào ta có thể lắp thêm phần mạch phụ
như sau:
ADC
Cảm N bit
biến Kbd Uref=5V
vào là
áp
Hoặc ADC
N bit
Kbd Uref=5V
Cảm
biến
vào là
R
dòng
điện m
• Thiết bị chấp hành số: kiểu on/off thì được gắn với 1 bít của một cổng ra của vi
điều khiển. Nếu thiết bị chấp hành số có dòng lớn thì ta có thể lắp rơ le chuyển
mạch hoặc khóa chuyển mạch bằng bán dẫn như transitor công suất, IGBT
công suất, tiristo công suất,…
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 36
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
• Thiết bị chấp hành số có tần số đóng cắt cao thì có thể phát tín hiệu dưới dạng
PWM. Trong một chu kỳ điều chế TPWM thì bật Ton còn khoảng thời gian còn lại
thì off
T
Khi đó có: U r = T
on
U ref có giá trị gần với giá trị tương tự
PWM
c) Chọn kết nối với ngoại vi thực hiện giao diện HMI (Human Machine
Interface)
• Giải pháp1: Ghép nối với PC thông qua cổng COM. Lợi thế của PC là
Kết nối dễ
Tốc độ xử lý cao
Dễ lập trình bằng ngôn ngữ cấp cao cho phần giao diện HMI chẳng hạn
như C++, Vissual Basic
• Giải pháp 2: Ghép nối qua bàn phím và màn hình
Bàn phím đơn giản: nút tăng, nút giảm, nút menu, nút chọn. Với ít
phím thì việc nhập số sẽ khó khăn
Bàn phím có cả số luôn: tiện lợi cho việc nhập tham số của bộ điều
khiển
Màn hình bằng led ma trận: công dụng ít hơn
Màn hình LCD: nhỏ gọn, lập trình khó hơn, có thể hiện thị chữ nhiều
hơn
d) Mỹ thuật công nghiệp: Tham khảo các mẫu mã sản phẩm trên thị trường
Kích thước vỏ hộp
Đèn báo: chạy, dừng, sự cố
Vị trí các phím ấn
2.4 Giải pháp phần mềm
a) Tập hợp tất cả công thức cần tính
Thuật toán PID số được xây dựng bằng cách gián đoán hóa thuật toán PID liên
tục nghĩa là phải xấp xỉ hai thành phần vi phân (D) và tích phân (I) từ phương trình
của bộ điều khiển PID với chu kỳ trích mẫu T
t
1
• Xấp xỉ thành phần I: uI = k p
Ti ∫ e(τ )dτ có thể sử dụng phương pháp hình
0
chữ nhật hoặc hình thang, trong đó phương pháp hình thang cho độ chính
xác cao hơn nhưng tính toán phức tạp hơn
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 37
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
• Phương pháp hình chữ nhật:
k k −1
T T T
uI ≈ k p
Ti
∑ ei −1 ⇒ u I (k − 1) ≈ k p
i =1 Ti
∑e
i =1
i −1 ⇒ u I (k ) ≈ u I ( k − 1) + k p
Ti
ek −1 suy ra
cần 1 phép nhân và 1 phép cộng và 2 ô nhớ u I (k ) và u I ( k −1)
• Phương pháp hình thang:
k −1
T k
1
1
uI ≈ k p
i =1 Ti
∑ 2 ( e
+ ei ) ⇒ u I (k − 1) ≈ k p ∑ ( ei −1 + ei )
i −1
i =1 2
T 1
⇒ u I ( k ) ≈ u I ( k − 1) + k p (ek −1 + ek )
Ti 2
Suy ra cần 2 phép cộng và 1 phép nhân và 3 ô nhớ u I (k ) và u I ( k −1) và ek −1
de (t )
Xấp xỉ thành phần vi phân D: u D = k pTd có thể xấp xỉ với bậc 1 hoặc
dt
bậc 2. Với bậc càng cao thì càng chính xác nhưng mức độ tính toán càng
cao.
Xấp xỉ bậc 1:
(e − e ) chỉ cần hai ô nhớ và một phép trừ, một phép nhân
1
u (k ) = k T
D p d k k −1
T
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 38
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Xấp xỉ bậc 2:
1
u D ( k ) = k p Td (3e k − 4e k −1 + e k −2 ) suy ra 3 phép nhân, 2 phép cộng, 3 ô nhớ.
2T
Như vậy mức độ tính toán đã phức tạp hơn hẳn so với bậc 1
• Tổng lại:
Nếu ta tách từng phần rồi cộng vào thì việc lập trình để loại bỏ một thành
phần sẽ dễ dàng hơn
Còn nếu gộp lại thành một công thức tính toán cho PID thì số lượng phép tính ít
đi
Xấp xỉ thành phần I theo phương pháp hình chữ nhật và thành phần D
bậc 1
T T
u k = u k −1 + k p ek − ek −1 + ek −1 + d (ek − 2ek −1 + ek −2
Ti T
T 2T T T
u k = u k −1 + k p 1 + d ek − k p 1 + d − e k −1 + k p d ek −2 = u k −1 + r0 ek + r1ek −1 + r2 ek −2
T T Ti T
T 2T T T
trong đó r0 = k p 1 + Td ; r1 = −k p 1 + T d − T ; r2 =−k p d
i T
Xấp xỉ thành phần I theo phương pháp hình thang cho thành phần I và
thành phần D bậc 2 u k = u k −1 + r0 ek + r1ek −1 + r2 ek −2 + r3 ek −3 trong đó:
T 3 Td 7T T T
r0 = k p 1 + + ; r1 = −k p 1 + d − ; r2 = k p 5 d
2Ti 2 T 2T 2Ti 2 T
Nhưng khó cho việc thay đổi cấu trúc từ PID thành PI hay P.
b) Phân bố bộ nhớ RAM
Việc phân bố bộ nhớ RAM đóng vai trò quan trọng. Nên phân chia vùng nhớ
thành 2 vùng:
• Vùng làm việc: chuyên tính toán như vùng nháp, các phép tính tạm thời, các
biến trung gian
• Vùng dữ liệu: lưu dữ liệu sau từng chu kỳ trích mẫu: phân bổ cho các biến
trong chương trình
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 39
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
c) Xây dựng cấu trúc chương trình
Chương trình phục vụ ngắt theo thời gian trích mẫu
Begin
u(k-1)=u(k)
End
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 40
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Chương trình giao tiếp truyền thông với máy tính được chạy khi có
ngắt truyền thông
Begin
S
Bit = 1
End
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 41
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
3. Lựa chọn cấu trúc và tham số cho bộ điều khiển động
3.1 Phương pháp thiết kế ở miền tần số
• Xét hệ thống kín:
R.S
G=
Hàm truyền đạt của hệ kín là: 1 + R.S
k đt ∏(1 + TDj s )
m
n m
A
tính hình chữ S. Gđt ( s ) = n
j =1
e −τs
trong đó: T∑ = ∑ T +τ −∑ T
i dj =
Kd t
.
∏(1 + T s )
i =1
i
i= 1 j= 1
Kuhn đã đề ra phương pháp xác định tham số bộ điều khiển như sau:
PI: PID:
T∑ 2T∑
kp =
1
2k
; TI = kp =
1
k
; TI = ; TD = 0.1 6 7T∑
2 3
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 42
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
b) Phương pháp tối ưu đối xứng :
Sai lệch tĩnh = 0 khi tín hiệu đặt là 1(t) hoặc t.1(t)
Để thỏa mãn sai lệch tĩnh bằng 0 khi tín hiệu đặt là hàm t.1(t) thì hàm truyền
2
hệ hở phải có khâu 1/s . Do đó bộ điều khiển phải chứa thêm thành phần tích phân.
kđt k p ( 1 + sTI )
Gđt ( s) =
TI .T0 .s 2 .( 1 + sT1 )
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 43
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
c I
Sử dụng đồ thị Bode của hệ hở ta thấy chọn tần số cắt ω nằm giữa tần số ω và
T1
tần số ω thì độ dữ trự ổn định cho hệ kín sẽ lớn nhất. Đó cũng là lý do mà tên
I 1
Đặt T = a.T với a>1
Mong muốn |G(jω )| a* =4 →1 ∀ω thì ta phải làm các hệ số của
2 4
T0
kp =
ω và ω bằng 0 ở dưới 2.k đt .T1 mẫu thì ta được
Nhưng một vấn để nảy sinh là độ quá điều chỉnh lớn tới 40% vì thế cần tìm
biện pháp khắc phục. Có hai biện pháp khắc phục vấn đề trên :
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 44
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
T0
kp =
Tăng a lên. Lúc đó a .k đt .T1
Vẫn giữ a=4 nhưng lắp thêm bộ lọc đầu vào : M (s) =
1
1 +4.T1s
m
k đt ∏( 1T +Djs )
j =1 −τ s
Ứng dụng cho đối tượng khác: Gđt (s ) = n
e
T0 .s . ∏1( Ts
+ i )
i =1
k
Cách 1: Đưa về bài toán chuẩn bằng cách xấp xỉ Gđt ( s ) = T s (1 + T s)
đt
0 1
n m
1 k p (1 + TI s )
Chọn luật điều khiển là luật PI: Gđk ( s ) = k p
1 + T s
=
I TI s
T0
Với tham số là TI = 4T1 và kp = T
2.k dt .T1 còn 0 tùy chọn
Cách 2: Đưa về đối tượng có một hằng số thời gian lớn thì có thể xấp xỉ về
k n m
đối tượng dạng: Gđt ( s ) = T s (1 + T s )(1 + Ts) trong đó: T = ∑Ti + τ − ∑TDj
đt
0 1 i =2 j =1
k p (1 + TI s)(1 + TD s )
Chọn bộ điều khiển là PID_MUL: Gđk ( s ) =
TI s
T0
Với TD = T1 ; TI = 4.T ; kp =
2.k dt .T
1
Hoặc bộ điều điều khiển PID_ADD: Gđk ( s ) = k p 1 + + TD s
TI s
4.T .T T .T
Với TI = 4.T + T1 ; TD = T ; k p = 8.k .T 2
1 0 I
I dt
1
Để có thể giảm độ quá điều chỉnh thì lắp thêm bộ lọc đầu vào: M ( s ) = 1 + T s
I
Tổng kết: Phương pháp tối ưu đối xưng chỉ thích hợp với các đối tượng có thời
gian trễ nhỏ Tk >> τ . Điểm đặc trưng của phương pháp này là độ quá điều chỉnh
thường hơi lớn ( 20% - 25%). Tuy nhiên có thể làm giảm bớt bằng vệc bổ xung
khâu lọc trước cho tín hiệu chủ đạo hoặc sử dụng trọng số cho giá trị đặt.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 45
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Ví dụ cho đối tượng:
2.5
G(s) = e −5 s
(1 +150 s )(1 +10 s )(1 + s )
Yêu cầu : Thiết kế bộ điều khiển đảm bảo hệ thống đảm bảo bám giá trị đặt r(t)
với sai lệch bám bằng 0 khi tín hiệu vào có dạng hình thang và G(jw) tối ưu.
Phân tích :
Do tín hiệu đặt có xuất hiện hàm t.1(t) nên nhất thiết hệ hở phải có khâu 1/s thì
mới có khả năng làm sai lệch e bằng 0. Vì vậy ta có cấu trúc điều khiển thêm khâu
tích phân. Ta có :
1 2.5
Gdt ( s ) = e −5 s
T0 s (1 +150 s )(1 +10 s )(1 + s )
Do đối tượng có khâu tích phân và yêu cầu sai lệch tiến về 0 khi r(t)=t.1(t) và
modun của G(jw) tối ưu nên ta lựa chọn các tham số bộ điều khiển theo phương
1 đt
T =166s, k =2.5. Từ đó chọn được thông số bộ điều khiển là
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 46
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
T0 1
TI = 4.T1 = 664 s T0 =10 s kp = = = 0.012
2.k dt .T1 83
1
GPID ( s ) = k p
1 + T s +Td s
I Với khả năng
4.T1.T 4800
TI = T1 + 4.T = 214 s TD = = ≈ 44 .86 s T0 =10 s
TI 107
T0 .TI 107
kp = 2
= = 0.418
8.k dt .T 256
1 1
Nếu sử dụng thêm bộ lọc : M ( s ) = 1 + T s = 1 + 214s
I
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 47
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 48
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Từ đồ thị ta thấy:
Bộ PI Bộ PI Bộ PID Bộ PID
không có có bộ lọc không có bộ có bộ lọc
bộ lọc lọc
• Có bộ lọc vào thì độ quá điều chỉnh đã giảm xuống đáng kể đặc biệt là bộ PID
có bộ lọc. Đến đây nếu yêu cầu thời gian quá độ không khắt khe thì ta chọn bộ
PID có bộ lọc.
• Nếu yêu cầu tác động nhanh thì ta sẽ chọn bộ PID không có bộ lọc. Và điều trả
giá là độ quá điều chỉnh khá lớn.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 49
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Với đầu vào là hàm t.1(t)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 50
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Tốc độ tăng của bộ PID không có bộ lọc khá cao, sau đó mới quay trở về bình
thường.
Như vậy ta quyết định chọn bộ PID và không bộ lọc khi tín hiệu vào là hàm
A.t.1(t) và có bộ lọc khi tín hiệu vào là hàm A.1(t) nghĩa là cần tới khóa chuyển
đổi khi thay đổi giá trị đặt
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 51
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
c) Phương pháp tối ưu module:
• Lớp mô hình thích hợp: Đối tượng ổn định thuộc loại khâu động học sau:
k đt ∏(1 + TDj s )
m
j =1
Gđt ( s ) = n
e −τs
∏(1 + T s )
i =1
i
k .k
Do đó hàm truyền đạt hệ hở sẽ là Go ( s ) = (1 + Ts )T s
đt p
Go ( s ) k đt .k p
Xác định được Gk ( s ) = =
1 + Go ( s ) (1 + Ts )TI s + k đt .k p
Go ( s ) (k đt .k p ) 2
Tính được Gk ( jω) = =
1 + Go ( s ) (k đt .k p − T .TI ω) 2 + (TI ω) 2
→1
Cần loại bỏ thành phần bậc thấp đối với ω ta suy ra được
TI
kp = với TI tùy chọn
2.kđt T
Tổng kết lại phương pháp:
k đt kp
Với đối tượng Gđt ( s) = thì lựa chọn bộ điều khiển là luật I Gđk ( s) = T s
1 + Ts I
TI
với tham số tối ưu là k p = 2.k T
đt
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 52
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
k đt ∏(1 + TDj s )
m
j =1
Ứng dụng cho đối tượng khác: Gđt ( s ) = n
e −τs
∏(1 + T s )
i =1
i
k đt
Cách 1: Đưa về bài toán chuẩn bằng cách xấp xỉ Gđt ( s) =
1 + Ts
n m
k T
Chọn luật điều khiển là Gđk ( s) = T s với tham số là k p = 2.k T
p I
I đt
Dĩ nhiên cách này do việc xấp xỉ quá nhiều nên chất lượng không được tốt
Cách 2: Đối với đối tượng có hằng số thời gian T1 lớn hơn rất
nhiều so với các hằng số thời gian khác thì đối tượng có thể được xấp xỉ về
kđt n m
Gđt ( s ) = trong đó T = ∑Ti + τ − ∑TDj
(1 + T1s )(1 + Ts ) i =2 j =1
1 k p (1 + TI s )
Chọn bộ điều khiển PI có Gđk ( s ) = k p
1 + T s
=
I TI s
T T
= T1 ,khi đó k p = 2.k T = 2.k T
I 1
Để đưa về đối tượng của bài toán chuẩn thì TI
đt đt
Cách 3: Đối với đối tượng có hai hằng số tích phân lớn thì có thể
k
xấp xỉ đối tượng dưới dạng Gđt ( s ) = (1 + T s)(1 + T s)(1 + Ts ) trong đó
đt
1 2
n m
T = ∑Ti + τ − ∑TDj
i =3 j =1
k p (1 + TI s )(1 + TD s )
Khi đó chọn bộ điều khiên PID_mul GPID _ MUL ( s) =
TI s
T
Với các tham số tối ưu là TD = T2 và TI = T1 và k p = 2.k T
I
đt
1
Hoặc chọn bộ điều khiển PID_ADD: Gđk ( s ) = k p 1 + + TD s với các tham số
TI s
TT T
sẽ là TI = T2 + T1 và TD = T + T và k p = 2.k T
2 1 I
2 1 đt
2.5
Ví dụ cho đối tượng Gđt ( s ) = (1 + 5s )3 . Hãy thiết kế bộ điều khiển để hệ kín ổn định
và có sai lệch tĩnh bằng 0 khi tín hiệu đặt là hâm 1(t) và tối ưu về module G ( jω )
Giải quyết bài toán:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 53
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
kp 2.5
Cách 1: Sử dụng luật I Gđk ( s) = T s thì Gđt ( s ) ≈ suy ra
I 1 + 15s
T=15s
T 10
Suy ra TI = 10s ; k p = 2.k T = 2* 2,5*15 = 0,1333
I
đt
1 k p (1 + TI s )
Cách 2: bộ điều khiển PI có Gđk ( s ) = k p
1 + = : Khi
TI s
TI s
2.5
đó đối tượng được xấp xỉ về Gđt ( s ) = (1 + 5s)(1 + 10s) nên các tham số được
T 5
chọn như sau: TI = T1 = 5s và k p = 2.k T = 2* 2,5*10 = 0,1
I
đt
1
Cách 3: bộ điều khiển PID_ADD: Gđk ( s ) = k p 1 + + TD s . Khi đó
TI s
TT
các tham số của bộ điều khiển là: TI = T2 + T1 = 10s ; TD = T + T = 2.5s ;
2 1
2 1
TI 2
kp = =
2.kđt T 5
Kết quả mô phỏng:
Nhận xét:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 54
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Luật I Luật PI Luật PID
Phương án lựa chọn:nếu yêu cầu đáp ứng nhanh quá độ ngắn thì chọn PID, còn
nếu yêu cầu độ quá điều chỉnh phải nhỏ hơn 5% thì ta lựa chọn luật PI.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 55
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
d) Phương pháp dựa trên mô hình nội IMC:
Phương pháp IMC có thể áp dụng cho một quá trình không ổn định bằng
cách sử dụng cấu trúc điều khiển tầng . Trong đó, vòng điều khiển bên trong có vai
trò ổn định trước quá trình.
Đối tượng điều khiển
Mô hình đích thực G(s)
Mô hình xác định trên cơ sở phương pháp mô hình hoá G1(s)
Cấu trúc điều khiển theo phương pháp IMC là :
G dk ( s )G ( s )
G K (s) = 1 + G ( s )G ( s ) = 1 với mọi ω
dk
G IMC ( s )
G dk (s) = 1 − G ( s )G ( s )
IMC 1
1
⇒ G IMC (s)* G 1 (s) = 1 ⇒ G IMC (s) =
G1 ( s )
Trong thực tế :
- Với đối tượng có pha cực tiểu
GL (s)
G IMC (s) = G ( s )
1
1
Với G L (s) = (1 + T * s) r
L
Trong đó chọn r sao cho hệ có tính tiền định chọn TL sao cho không làm ảnh
hưởng nhiều đến đặc tính hệ thống.
1 +0,2 s
⇒ GIMC(s) =
0,085 .(1 + s )
(1 + 0,2 s )(1 + s )
⇒ Gdk = = G PI (s)* G L 2 (s)
0,085 s ( s + 2)
(1 +0,2 s )
Với GPI = 0,085 s
(1 + s )
Và GL2 = ( s + 2)
Mô phỏng bằng simulink:
Ta thấy:
Thời gian quá độ là 9s, không có độ quá điều chỉnh ⇒ Hệ thống đáp ứng tốt.
* Xét với tác động của nhiễu: ở 10s ta đặt 1 nhiễu hằng =0.1
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 57
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét: Khi có nhiễu thì sau khoảng 5s thì bộ điều khiển đưa đầu ra về giá trị
đặt ⇒ kháng nhiễu tốt.
e) Thiết kế hệ thống bù ảnh hưởng của khâu chậm trễ bằng bộ dự báo Smith:
Nguyên tắc dự báo Smith: Để thiết kế bộ điều khiển GR(s) cho đối tượng có trễ
GS(s) = S(s)
• Thiết bộ điề khiển R(s) riêng cho đối tượng S(s) không có thành phần trễ.
GR(s) =
Cấu trúc :
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 58
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Các phương pháp thiết kế S(s) có thể lựa chọn một trong số các phương pháp nêu
trên tùy vào yêu cầu của bài toán
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 59
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
τ = 0.3s ; T = b = 3,2 ; K dt = 1
Bảng 1 thiết kế của Ziegler & Nichols: dựa trên 2 tham số T và τ :
Luật điều khiển Kp TI TD
T
= 125, 49
Luật P K dt .τ -- --
T 10
0,9 = 112,94 τ =1
Luật PI K dtτ 3 --
T
Luật PID
1, 2
K dtτ
= 150.29 2τ = 0.6s 0,5τ = 0.15s
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 60
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 61
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Khi có bộ điều khiển:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 62
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Tqđ = 8 s ; σ max = 33,3% ;
Nhận xét: phương pháp này với cả luật PI và PID đều có thời gian quá độ đạt yêu
cầu bài toán nhưng lại có độ quá điều chỉnh lớn nên không dùng (không đạt chỉ
tiêu yêu cầu cho bài toán).
Thay bộ điều khiển của hệ kín bằng bộ khuyếch đại. Sau đó thay đổi hệ số khuếch
đại nhằm đạt tới giá trị tới hạn kth .Lúc đó hệ kín ở chế độ biên giới ổn định , tức là
h(t) có dạng dao động điều hoà.Từ đó xác định chu kỳ dao động Tth .
Các thông số của bộ điều khiển được tính theo các đại lượng T và kth
0,5 Kgh
Luật P -- --
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 63
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
dx
= Ax + Bu
dt
y = C x + Du
Liên quan đến thiết kế bộ điều khiển trên miền không gian trạng thái cần biết
đến tính điều khiển được và tính quan sát được của đối tượng.
Tính điều khiển được:
• Một hệ thống tuyến tính, liên tục được gọi là điều khiển được nếu tồn tại
ít nhất một tín hiệu điều khiển đưa được nó từ một điểm trạng thái ban
đầu tùy ý về được gốc tọa độ trong khoảng thời gian hữu hạn.
• Hai tiêu chuẩn hay được dùng để kiểm tra tính điều khiển được cho hệ
tuyến tính tham số hằng.
Có 2 tiêu chuẩn để đánh giá tính điều khiển được của hệ:
Tiêu chuẩn Kalman: Điều kiện cần và đủ để hệ tuyến tính điều
khiển được hoàn toàn là hạng của ma trận điều khiển PB bằng n,
trong đó: PB = [ B, AB ,..., A n−1 B ] hay là Rank ( PB ) = n hay
det(P B ) ≠ 0 thì hệ điều khiển được hoàn toàn
Tiêu chuẩn Hautus: Điều kiện cần và đủ để hệ tuyến tính điều
khiển được hoàn toàn là hạng của ma trận điều khiển HB bằng n
trong đó: H B = [( sI − A), B] hay là Rank ( H B ) = n với mọi số phức s
• Hệ mà điều khiển được hoàn toàn thì có thể thiết kế bộ điều khiển trạng thái
Tính quan sát được:
• Quan sát một tín hiệu là việc xác định tín hiệu một cách gián
tiếp thông qua các tín hiệu đo khác (thường là các tín hiệu vào ra).
• Hệ thống với tín hiệu vào u(t) và tín hiệu ra y(t) được gọi là
quan sát được hoàn toàn tại thời điểm t0 nếu với mọi T >t0 điểm trạng thái
x0=x0(t) luôn xác định được một cách chính xác từ vector các tín hiệu vào ra
u(t), y(t) trong khoảng thời gian [t0 T]. Cũng có 2 tiêu chuẩn để đánh giá
tính quan sát được của hệ tuyến tính.
Tiêu chuẩn của Hautus: Điều kiện cần và đủ để hệ tuyến tính quan
sát được hoàn toàn là hạng của ma trận điều khiển HC bằng n trong đó:
H C = [( sI − A)T , C T ] hay là Rank ( H C ) = n với mọi số phức s
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 64
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Tiêu chuẩn của Kalman: Điều kiện cần và đủ để hệ tuyến tính quan sát
được hoàn toàn là hạng của ma trận điều khiển PC bằng n, trong đó:
PC = C T , AT C T ,..., ( An −1 )T C T hay là Rank ( PC ) = n hay det(PC ) ≠ 0 thì hệ điều
khiển được hoàn toàn.
• Hệ thống mà quan sát được hoàn toàn thì có thể thiết kế được bộ quan
sát trạng thái.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 65
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
2. Thiết kế bộ điều khiển gán điểm cực
Trước hết kiểm tra tính điều khiển được của đối tượng thông qua tiêu chuẩn
Kalman hoặc tiêu chuẩn Hautus.
Sau khi hệ có tính điều khiển được thì có thể hoàn toàn thiết kế được bộ điều
khiển gán điểm cực.
Đối với hệ tuyến tính thì điểm cực đóng vai trò rất quan trọng:
Nếu tất cả các điểm cực đều nằm bên trái trục ảo thì hệ sẽ ổn định
Các điểm cực càng xa trục ảo về phía bên trái thì quá trình quá độ của hệ
càng ngắn, tức là quán tính của hệ càng nhỏ
Nếu hệ có ít nhất một điểm cực ở gốc tọa độ thì hệ có chứa thành phần tích
phân do đó hệ ở trạng thái biên giới ổn định.
Chính vì vậy khi có yêu cầu về chỉ tiêu chất lượng ta tìm tất cả các điểm cực
mong muốn sao cho hệ đạt được chỉ tiêu đề ra.
Bài toán thiết kế là: Xác định luật điều khiển u(t) = - K.x(t) với
K = [ k1 k 2 ... k n ] để hệ kín nhận được các điểm cực là p1 , p 2 ,... pn là các điểm
cực của hệ kín, biết mô hình trạng thái của đối tượng điều khiển là
x = A x(t ) + Bu (t ) .
Cách 1: Đặt các phần tử của K là biến. Sau đó tính det(sI-A+BR) rồi cân bằng hệ
số 2 vế của (1) ta thu được các phương trình để tìm các phần tử của R. Cách này
khá lâu và khó viết thành thuật toán
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 66
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Cách 2: Dùng phương pháp Ackermann là phương pháp thiết kế bộ điều khiển gán
điểm cực R theo nguyên lý phản hồi trạng thái cho đối tượng chỉ có một tín hiệu
vào
Tính các hệ số ai của phương trình đặc tính cần phải có của hệ kín từ những
giá trị điểm cực si đã cho theo:
A( s ) = ( s − s1 )( s − s2 )....( s − sn ) = α0 + α1s + α2 s 2 + ... + αn−1s n−1 + s n
Bộ điều khiển K cần tìm sẽ là: K = −[0... 1]. PB−1.Φ( A)
Cách 3: Sử dụng Matlab để tìm K theo lệnh
K=place(A,B, pole)
K=acker(A,B, pole)
Ở chương 1, từ việc mô hình hóa lý thuyết đối tượng động cơ một chiều và tìm
được mô hình trạng thái của đối tượng động cơ điện một chiều là
du A 1 k
=− uA + .u
dt TCL TCL
di A 1 1
= − i A − k e Φ.n + uA
dt TA LA
dn 1 1
= k M Φ.i A − mT
dt 2πJ 2πJ
1
− T 0 0
k
u A CL T 0
1 1 CL
x (t ) = i A ; A = − − ke Φ ; B = 0 ; N = 0 ; C = [0 0 1] ;
LA TA 0 1
n −
1 2πJ
0 kM Φ 0
2πJ
D=0
Vậy mô hình trạng thái của động cơ được viết dưới dạng thu gọn
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 67
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Ra = 0.3; N = [0; 0; -1/(2*pi*J)];
La = 0.005;
J = 0.015; G_m=ss(A-B*K,B,C,D)
Km = 38.2; G_m.InputName={'u'}
Ke = 2*pi*Km; G_m.StateName={'uA','iA','n'}
k=100/100; pole(G_m)
A = [-1/Tcl 0 0; polc=10*(real(pole(G_m)))+imag(pole(G_m))/10*i
B = [k/Tcl ; 0; 0] G_k=ss(A-B*K,B,C,D)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 68
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét:
Đối tượng động cơ chưa có bộ điều khiển thì có độ quá điều chỉnh và thời
gian quá độ lớn
Sau khi có bộ điều khiển gán điểm cực thì chất lượng động học của hệ đã cải
thiện một cách đáng kể: không có độ quá điều chỉnh, và thời gian quá độ
ngắn. Tuy nhiên vẫn còn sai lệch tĩnh đối với giá trị đặt và với nhiễu.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 69
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
3. Thiết kế bộ điều khiển phản hồi đầu ra
Bài toán thiết kế bộ điều khiển phản hồi đầu ra được thay bằng bài toán thiết kế
bộ quan sát trạng thái và bộ điều khiển phản hồi trạng thái.
Lợi ích của việc sử dụng khâu quan sát trạng thái ?
Giảm bớt cảm biến đo các biến trạng thái.
Ước lượng được các biến trạng thái không thể đo được.
Nhược điểm của việc sử dụng khâu quan sát trạng thái
Cần biết chính xác mô hình đối tượng
Yêu cầu đối với khâu quan sát trạng thái: phải có
động học nhanh hơn bộ điều khiển phản hồi trạng thái và phải chính xác.
Sơ đồ cấu trúc của bộ quan sát Luenberger
Nhiệm vụ thiết kế là xác định L để có được yêu cầu ~
x (t ) ≈ x (t ) sau một
khoảng thời gian T đủ ngắn (nhanh hơn so với bộ điều khiển phản hồi trạng
thái).
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 70
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Ta có sai lệch mô hình là e(t ) = x(t ) −~x (t )
Suy ra: (t ) −~
e (t ) = x (t ) = A.e(t ) −LC .e(t ) =( A −LC )e(t )
x
Để e(t ) →0 thì ma trận A − LC phải là ma trận bền, tức là có các giá trị
riêng có phần thực âm (giống như các điểm cực). Do đó tốc độ tiến về 0 càng
nhanh khi các giá trị riêng càng nằm xa trục ảo về phía bên trái.
Hơn nữa giá trị riêng của ma trận bất biến với phép chuyển vị nên việc
tìm L để A − LC có được giá trị riêng mong muốn cũng đồng nghĩa tìm LT để
( A − LC )T = AT − C T LT nhận những giá trị riêng đó và đây cũng là bài toán thiết
kế bộ điều khiển gán điểm cực đã trình bày ở mục 3.1.1
Vì yêu cầu bộ quan sát phải nhanh hơn động học của hệ kín nên chọn các
điểm cực nằm ở xa trục ảo hơn so với các điểm cực của hệ kín (các điểm cực
dùng để thiết kế bộ điều khiển phản hồi trạng thái) về phía trái. Và công việc
tính toán LT cũng giống với R nhưng cho đối tượng đối ngẫu:
x (t ) = AT .x (t ) +C T .u (t )
Kết hợp cả bộ điều khiển phản hồi trạng thái và khâu quan sát trạng thái ta
được bộ điều khiển phản hồi đầu ra hoàn chỉnh
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 71
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 72
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét:
Tín hiệu điều khiển u tăng vọt ở thời điểm ban đầu.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 73
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
4. Thiết kế bộ điều khiển LQR
a) Lý thuyết
- Bài toán: Cho hệ tuyến tính có mô hình trạng thái là x (t ) = A.x (t ) +B.u (t ) . Tìm
bộ điều khiển làm hệ ổn định tối ưu, theo nghĩa là sau một tác động tức thời đưa hệ
ra khỏi điểm cân bằng 0 (tại gốc tọa độ) thì bộ điều khiển sẽ kéo hệ quay về 0 với
năng lượng tổn hao tính theo
( )
∞
1
Q = ∫ x E x + u F u dt → min
T T
20
Trong đó E là ma trận xác định không âm, F là ma trận xác định dương
- Giải bài toán: Áp dụng phương pháp biến phân thì bộ điều khiển LQR sẽ được
tìm như sau:
+ Bước 1: Tìm K đối xứng xác định bán âm từ phương trình đại số Riccati:
K .B.F −1 .B.K − AT K − K . A = E
- Trong Matlab có hỗ trợ việc tính toán bộ điều khiển LQR như sau:
[R,K,e] = lqr(SYS,E,F,N)
[R,K,e] = LQR(A,B,E,F,N)
N được chọn bằng 0 (vì trong Matlab chọn phiếm hàm mục tiêu là
( )
∞
1
∫
T T T
Q= x E x + u F u + 2 x N u dt → min )
20
Bài toán tiết kiệm năng lượng: hãy xác định bộ điều khiển tối ưu cho động
cơ điện một chiều kích từ độc lập, cực tiểu hóa tổn hao năng lượng điện và
cơ năng. Biết mômen cản: M C = k1ω ; trong đó k1 = 10 gcm / s
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 74
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Giải quyết bài toán: Tìm phiếm hàm mục tiêu
Năng lượng tổn thất gồm tốn thất điện ∆Pđ trên điện trở phần ứng và tổn
thất cơ ∆Pc trên trục do có mômen cản.
ua2 u 2 2
Ta có: ∆Pđ = I a Ra = = k ; ∆Pc = M c ω = k 1.9,81.10 −5n 2
2
Ra Ra
0 0 0
k2
Suy ra E = 0 0 0 và F=
Ra
0 0 9.81.10−5 k1
k1=10
N=0;
E=[0 0 0;
0 0 0;
0 0 9.81e-5*k1]
F=k^2/Ra
[R_Lqr,K,e] = LQR(A,B,E,F,N)
sim('bodkphanhoiLQR.mdl')
plot(t,n.signals.values)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 75
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét: Do tối ưu về năng lượng nên chất lượng về độ quá điều chỉnh cũng như
sai lệch tĩnh và thời gian quá độ không đảm bảo.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 76
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
5. Thiết kế bộ điều khiển LQG
a) Lý thuyết
Bài toán: Thiết kế bộ điều khiển phản hồi tín hiệu ra cho đối tượng
(t ) = A.x (t ) +B.u (t ) làm hệ ổn định tối ưu, theo nghĩa là sau một tác động tức
x
thời đưa hệ ra khỏi điểm cân bằng 0 (tại gốc tọa độ) thì bộ điều khiển sẽ kéo hệ
quay về 0 với năng lượng tổn hao tính theo
( )
∞
1
Q = ∫ x E x + u F u dt → min
T T
20
Giải bài toán: Bộ điều khiển LQG thực chất là bộ điều khiển bao gồm một
bộ điều khiển phản hồi trạng thái tối ưu RLQR và một bộ quan sát trạng thái
Kalman
Bộ quan sát Kalman cũng có mô hình giống như bộ quan sát của Luenberger
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 77
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Việc tìm L cũng giống hệt với bài toán tìm RLQR cho hệ đối ngẫu
x (t ) = AT .x (t ) +C T .u (t )
∞
1
∫
T T
và hàm mục tiêu là Q= ( x N x x + u N y u ) dt → min
20
- Như vậy để thiết kế bộ điều khiển LQG thì ta phải sử dụng hai lần thuật toán
thiết kế bộ điều khiển LQR:
+ Lần 1 để xây dựng bộ điều khiển phản hồi trạng thái tối ưu RLQR cho đối
tượng x (t ) = A.x(t ) +B.u (t ) với hàm mục tiêu là
( )
∞
1
∫
T T
Q= x E x + u F u dt → min
20
+ Lần 2 để xác định L của bộ quan sát Kalman hay LT chính là bộ điều khiển
phản hồi trạng thái tối ưu LQR cho đối tượng đối ngẫu x (t ) = AT .x(t ) +C T .u (t )
∞
1
∫
T T
và hàm mục tiêu là Q= ( x N x x + u N y u ) dt → min
20
Nx=[1 0 0
0 1 0
0 0 1];
Ny=1/(2*pi*J)
[L,K,e] = LQR(A,B,E,F,N)
L=L'
sim('bodkphanhoiLQG.mdl')
plot(t,n.signals.values)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 78
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét: Vẫn còn độ quá điều chỉnh, chất lượng động học không được cải thiện
nhiều lắm.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 79
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
6. Loại bỏ sai lệch tĩnh bằng bộ tiền xử lý
- Nếu chỉ cần loại bỏ sai lệch tĩnh khi đáp ứng giá trị đặt thì ta chỉ cần thiết kế khâu
1
khuyếc đại với hệ số V = trong đó K∞ là giá trị xác lập của đầu ra khi tín hiệu
K∞
vào là hàm 1(t). Hiển nhiên trong trường hợp này thì sẽ vẫn tồn tại sai lệch tĩnh khi
có nhiễu
- Để triệt tiêu sai lệch tĩnh đối với nhiễu và sai lệch của mô hình (mà điều này luôn
được yêu cầu đối với các bộ điều khiển) do đó cần phải thiết kế bộ PI nằm ờ vòng
ngoài
Để thiết kế khâu PI, ta có thể sử dụng các phương pháp thiết kế PID đã trình bày ở
chương trước
Để đơn giản, thì ta sử dụng phương pháp thực nghiệm. Ta chọn được
Kp=1
Ti=0.0001s
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 80
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Kết quả mô phỏng thu được:
- Việc thêm thành phần tích phân đã làm triệt tiêu sai lệch tĩnh kể cả với đáp ứng
giá trị đặt mà cả với nhiễu.
- So với bộ PI mà không có bộ điều khiển trạng thái thì bộ điều khiển có dùng bộ
điều khiển phản hồi trạng thái có chất lượng đầu ra tốt hơn.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 81
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 82
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Nhận xét:
Đối với bộ điều khiển trạng thái kết hợp với PI đã cho tín hiệu điều khiển rất
tốt khi đáp ứng với giá trị đặt. Tuy nhiên nó khi đáp ứng với nhiễu thì nó
tăng vọt lên, còn đặc tính động học rất tốt
Còn nếu dùng mỗi bộ PI không thì có độ quá điều chỉnh, thời gian quá độ
dài hơn
Kết hợp sử dụng PI và bộ điều khiển phản hồi đầu ra sẽ cho chất lượng điều
khiển tốt hơn. Nhưng nó kén tham số hơn và kém bền vững với sai lệch mô
hình.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 83
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Chương 4 : Thiết kế bộ điều khiển phi tuyến
Chương này chúng ta sẽ đi vào thiết kế bộ điều khiển dự báo trên cơ sở mạng
Nơron nhân tạo cho một đối tượng phi tuyến. Thông qua đó sẽ thấy được ưu thế
của bộ điều khiển Nơron trong thực tế.
1. Tổng quan
Điều khiển dự báo là phương pháp điều khiển nâng cao trong điều khiển quá
trình và đã được ứng dụng từ những năm 1980s trong điều khiển quá trình như hóa
chất, lọc dầu...Ngày nay điều khiển dự báo là chiến lược được sử dụng phổ biến
nhất trong việc điều khiển quá trình. Bộ điều khiển dự báo sử dụng một mô hình để
đoán trước đáp ứng tương lai của đối tượng điều khiển tại các thời điểm rời rạc
trong một phạm vi dự báo (prediction horizon) nhất định. Dựa vào đáp ứng dự báo
này, một thuật toán tối ưu được sử dụng để tính toán chuỗi các tín hiệu điều khiển
tương lai trong phạm vi điều khiển (control horizon) sao cho sai lệch giữa đáp ứng
dự báo bởi mô hình và tín hiệu chuẩn cho trước là tối thiểu.
Phương pháp điều khiển dự báo là phương pháo tổng quát để thiết kế bộ điều
khiển trong miền thời gian, có thể áp dụng cho hệ tuyến tính cũng như hệ phi
tuyến, tuy nhiên trong thực tế việc áp dụng chiến lược điều khiển dự báo cho hệ
phí tuyến gặp nhiều khó khăn.Do vậy mà mục đích thiết kế ở đây là thiết kế bộ
điều khiển dự báo trên cơ sở mạng Nơron cho đối tượng bình khuấy trong công
nghiệp.
Dựa trên tiêu chí đặt ra mà phần thiết kế bộ điều khiển dự báo trên cơ sở mạng
Nơron sẽ trình bày cơ sở lý thuyết về điều khiển dự báo và mạng Nơron, xây dựng
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 84
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
mô hình tính toán để dự báo chính xác trạng thái của quá trình cần điều khiển trong
phạm vi dự báo, thuật toán tối ưu hóa sử dụng và áp dụng công cụ matlab để kiểm
chứng mô hình.
Mục tiêu nôi dung này là cung cấp các kiến thức cơ bản nhất được sử dụng
trong điều khiển dự báo, trong đó tập trung sâu vào lý thuyết điều khiển dự báo
trên cơ sở mạng Nơron nhân tạo và kiểm chứng nó trên Matlab và Simulink.
Đầu tiên, ta cần biết mô hình điều khiển dự báo được viết tắt dưới dạng rút gọn của
thuật ngữ quốc tế MPC – Model based Predictive Control.
Một cách hình tượng hóa, MPC phản ảnh thói quen của con người nhờ vào sự lựa
chọn hành động điều khiển để đưa ra một kết quả dự đoán tốt nhất có thể trong
phạm vi giới hạn điều khiển. Để có được sự lựa chọn này, chúng ta cần sử dụng
mô hình của quá trình. Khi dự báo được, chúng ta sẽ cập nhật những hành động
mới. Do đó, luật điều khiển dự báo sẽ bao gồm các thành phần chính sau :
2. Kết quả dự báo được ước lượng tính qua một mô hình quá trình.
3. Đầu vào được xác định bằng cách tối ưu hóa một vài thông số của kết quả
dự báo.
4. Đầu vào điều khiển sẽ được cập nhật trong mỗi chu kì.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 85
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
- Sự độc lập của đáp ứng trong dự báo : hầu hết các luật điều khiển (như PID)
đều không đề cập tới toàn bộ sự kiện tương lai của đáp ứng điều khiển. Trong
một số trường hợp nó chỉ đóng góp bởi vòng động học kín. Nhưng MPC, ở một
chiều hướng khác, lại dự báo đặc tính tương lai trong một phạm vi giới hạn. Bởi
vậy có thể giảm thiểu được các kết quả không mong muốn trong tương lai.
- Dự báo dựa trên mô hình: với mục đích dự báo các đặc tính tương lai của quá
trình, ta phải có một mô hình mô tả quá trình hoạt động như thế nào. Đặc biệt,
mô hình này phải mô tả sự phụ thuộc của đầu ra trong vào khoảng biến thiên
giá trị và đầu vào tương lai. Mô hình này không bắt buộc phải tuyến tính ( hàm
truyền đạt, không gian trạng thái...) và trong thực tế có thể về bất kể một quá
trình nào đó.
- Lựa chọn đầu vào: Trước khi lựa chọn hành động điều khiển, ta cần một tiêu
chuẩn để đánh giá liệu đáp ứng có tốt không. Bởi vì MPC thường được thực thi
bằng máy tính nên yêu cầu này phải là định nghĩa về mặt số học từ đó có thể đạt
được kết quả tính toán chính xác. Công thức số học nên càng đơn giản càng tốt
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 86
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
để tiết kiệm. Theo kinh nghiệm thì lựa chọn thực tế ít ảnh hưởng tới chất lượng
vòng kín. Do đó mà yêu cầu chính là hàm chi phí chỉ phụ thuộc và điều khiển
tương lai và là hàm chi phí thấp hàm ý chất lượng vòng kín tốt. Dĩ nhiên lựa
chọn của hàm chi phí ảnh hưởng tới sự phức tạp của tối ưu hóa.
- Giới hạn: MPC hoạt động trên nguyên tắc dự báo đáp ứng trong phạm vi giới
hạn về thời gian tương lai, vì vậy tại mỗi thời điểm hiện tại nó lại dự báo một
khoảng thời gian sau đó. Mỗi khi thông tin mới có được, đáp ứng vào lại được
tự động xử lý. Vậy “ Giới hạn bao nhiêu thì đủ?”. Bằng trực giác, có thể nói
rằng giới hạn nên lớn hơn thời gian sắp đặt và phải chứa các đặc tính động học
quan trọng.
- Tối ưu hóa: Để điều khiển quá trình chính xác, chúng ta cần một mô hình chính
xác. Việc đó sẽ giúp gia tăng được giới hạn dự báo và có được các đáp ứng tốt
hơn. Đó chính là tư tưởng của tối ưu hóa.
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông
số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi
phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định
hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là:
- Điều chỉnh: Điều chỉnh sẽ tốt hơn nếu ta có mối quan hệ mật thiết với các thông
số. Nếu như có hàm chi phí chính xác, ổn định thì sẽ tối ưu hóa được hàm chi
phí và chất lượng tốt. Khi được chỉ dẫn tốt, MPC sẽ luôn điều khiển ổn định
hoặc chí ít cũng là bình thường. Bởi vậy tầm quan trong ở đây là: làm thế nào
để cân bằng giữa chất lượng giữa các vòng khác nhau và giữa các đáp ứng vào
với tốc độ đáp ứng? Trước kia thường sử dụng ma trận trọng số để đặt tầm quan
trọng lên chất lượng trong các vòng khác nhau. Tuy nhiên, điều đó vẫn còn
nhiều bàn cãi rằng ta có thể cấu trúc trọng số một cách hệ thống từ quan điểm
tài chính và nhân công. Trong thực tế điều chỉnh được yêu cầu cho tới khi cân
bằng đạt được, tuy nhiên rất khó để tổng quá hóa việc điều chỉnh vì mỗi một
quá trình có đặc điểm riêng.
- Mối ràng buộc: Một trong những ưu điểm của MPC là khả năng giải quyết được
các vấn đề rằng buộc liên động nhau.
- Sử dụng một cách hệ thống các nhu cầu tương lai: MPC có khả năng hợp tác
được với Feedforward một cách rất hệ thống. Tối ưu hóa hàm chi phí sẽ góp
vào các thay đổi tương lai của đường đặc tính mong muốn và nhiễu đo được.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 87
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
- Thiết kế điều khiển một cách hệ thống cho hệ MIMO: MPC có thể làm việc một
cách hệ thống với hệ MIMO. Việc thiết kế bộ PID cho hệ MIMO có tính tương
tác cao là rất khó khăn. Mặc dug giải pháp được phát triển qua sự kết hợp giữa
kinh nghiệm và thời gian, tuy nhiên vẫn có thể làm chệch hướng. Sự khó khăn
của PID với hệ MIMO liên quan chặt chẽ tới mô hình, thiết kế PID sử dụng ít
mối liên hệ thông tin với đối tượng nên khó có thể là việc khi tương tác giữa
các thành phần trong mô hình đối tượng cao. MPC khắc phục được những
khuyết điểm đó của PID.
Giả sử trạng thái hệ thống là , có thể chứa giá trị đầu vào/ra quá khứ thì bộ dự
báo tương lai sẽ là: k =H k-1 +P k
Từ cấu trúc tổng quát của mô hình dự báo mà ta có thể xây dựng các mô hình dự
báo trong không gian trạng thái, dự báo mô hình hàm truyền đạt, dự báo với mô
hình FIR, dự báo với mô hình độc lập...Các bạn có thể tham khảo chúng trong tài
liệu tham khảo ở cuối cuốn đồ án này.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 88
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
4. Mạng Nơron
Mạng nơron là sự tái tạo bằng kĩ thuật những chức năng của hệ thần kinh con
người. Trong quá trình tái tạo không phải tất cả các chức năng của bộ nào con
người có đều được tái tạo mà chỉ có những chức năng cần thiết. Bên cạnh đó còn
có những chức năng mới được tạo ra nhằm giải quyết một bài toán điều khiển định
trước.
Để hiểu rõ hơn về mạng nơron ta cần tìm hiểu cấu trúc của một nơron tự nhiên.
Cụ thể bạn có thể xem trong tài liệu [2], pp. 203-205. Một tính chất cơ bản của
mạng Nơron sinh học mà ta cần lưu ý là các đáp ứng theo kích thích có khả năng
thay đổi theo thời gian. Các đáp ứng có thể tăng lên, giảm đi hoặc hoàn toàn biến
mất.Qua các nhánh axon liên kết tế bào nơron này với tế bào nơron khác, sự thay
đổi trạng thái của một nơron cũng kéo theo sự thay đổi trạng thái của các nơron
khác và do đó là sự thay đổi của toàn bộ mạng nơron. Việc thay đổi trạng thái của
mạng nơron có thể thực hiện qua một quá trình dạy hoặc do khả năng học tự nhiên.
Mạng nơron nhân tạo chính là sự thay thế tính chất đó của mạng nơron tự nhiên
bằng một mô hình toán học tương đương. Mạng nơron có thể được chế tạo bằng
nhiều cách khác nhau vì vậy trong thực tế tồn tại rất nhiều kiểu mạng nơron nhân
tạo.
P1
W1
P2 a
W2
f
Pn Wn b
Đứng về mặt mặt hệ thống, một nơron là một hệ thống MISO quen thuộc với
nhiều đầu vào và một đầu ra. Cấu trúc của một nơron gồm một bộ tổng và một hàm
truyền f(n).
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 89
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Quan hệ giữa các đầu vào ra của một nơron được biểu diễn bằng phương trình toán
học như sau:
+b= * + b = Wp +b
Hàm a = f(a) Mô tả
a = tansig(n) a= -1
a = logsig(n) a=
a = radbas(n) a=
a = satlins(n) a=
a = hardlim(n) a=
a = hardlims(n) a=
a = purelin(n) a=n
4.2 Cấu trúc mạng nơron
Để xây dựng được hệ thống điều khiển tự động trước tiên phải xây dựng được mô
hình thích hợp cho đối tượng và xác định các tham số của mô hình. Ở đây mô hình
được sử dụng thay thế cho đối tượng là một mạng nơron. Như vậy vấn đề của
chúng ta là phải xác đinh được một cấu trúc mạng nơron hợp lý và huấn luyện các
tham số của mạng. Đây chính là bài toán nhận dạng đối tượng bằng mạng nơron.
Nó là bài toán đầu tiên cũng là bài toán quan trọng nhất trong quá trình thiết kế bộ
điều khiển trên cơ sở mạng nơron.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 90
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Ta có thể phân loại mạng nơron thành 3 loại như sau:
- Mạng nơron động học tuyến tính : Quan hệ vào/ra của mạng có tính chất động
học tuyến tính.
- Mạng nơron phi tuyến tĩnh: Quan hệ vào/ra của mạng có tính chất phi tuyến
tĩnh.
- Mạng nơron động học phi tuyến: Quan hệ vào/ra của mạng có tính chất động
học phi tuyến.
Huấn luyện mạng là công việc xác đinh vector trọng số wi có trong từng
nơron của mạng sao cho mạng nơron có khả năng tạo ra cá đáp ứng đầu ra
mong muốn khi cùng được kích thích bằng một lượng thông tin đầu vào của hệ
thống đó.
Như vậy có thể xem việc huấn luyện mạng là tạo ra cho mạng một khả năng
của một thiết bị xấp xỉ thông tin.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 91
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Để huấn luyện người ta cho tác động hàng loạt kích thích xk, k =1, 2...có khả
năng lặp lại trong quá trình mạng làm việc. Những tác động này gọi là kích thích
mẫu. Các giá trị y’k tương ứng tại đầu ra của mạng được so sánh với đáp ứng mẫu
yk cho trước. Các phần tử của vector trọng số wi, i = 1, 2,...,n có trong tất cả n
nơron của mạng được hiệu chỉnh theo từng bước huấn luyện sao cho tổng các sai
lệch Ek = |e(k)|2 = | y’k - yk|2 là nhỏ nhất. Thực chất của bài toán huấn luyện mạng là
giải bài toán tối ưu tham số và để thực hiện bài toán đó cần phải xây dựng được
phiến hàm mục đích mô tả rõ sai lệch.
Đối tượng
P
e
NN
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 92
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Để thấy rõ hơn về quá trình huấn luyện mạng nơron, bạn có thể xem thêm ở tài
liệu [2], pp. 214-215 về mạng nơron MLP 3 lớp. Như vậy việc huấn luyện mạng ở
đây chính là giải bài toán tối ưu với sự hỗ trợ của thuật toán tìm kiếm ngược
Gradient.
Với mạng MLP truyền thẳng, khi huấn luyện mạng với một mẫu cho trước mà
thuật toán xác định vector trọng số không hội tụ, người ta sẽ nghĩ tới mạng nhiều
lớp (MLP) và mạng này phải có quan hệ phi tuyến không chỉ nằm ở lớp nơron đầu
ra. Một trong những phương pháp được ứng dụng nhiều trong thực tế để giải quyết
bài toán huấn luyện mạng MLP truyền thẳng là thuật toán lan truyền ngược
(Backpropagation) được đề cập trong tài liệu [2], pp. 223-227.
Để xây dựng được một bộ điều khiển, đầu tiên ta cần phải có mô hình toán học
của đối tượng. Mô hình này càng giống với đối tượng thì bộ điều khiển thiết kế
càng đảm bảo yêu cầu chất lượng của hệ thống. Xác định mô hình toán học của
đối tượng có nghĩa là phải xác định được cấu trúc cũng như các tham số của nó.
Trước tiên ta phải xác định cấu trúc đối tượng, sau đó là xác định tham số.
Xây dựng mô hình toán học của đối tượng ta có thể sử dụng các phương pháp lý
thuyết hoặc phương pháp thực nghiệm (nhận dạng). Các phương pháp này các bạn
có thể thấy rất rõ trong chương 1 của đồ án này. Như vậy bài toán nhận dạng sẽ
được phân biệt với nhau bở các điểm sau: Lớp mô hình thích hợp, Loại tín hiệu
quan sát được là tiền định hay ngẫu nhiên, Phương thức mô tả sai lệch giữa mô
hình và đối tượng thực.
Bài toán nhận dạng đối tượng bằng mạng nơron được xây dựng trên cơ sở:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 93
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Vector Z(t) bao gồm các vector trạng thái với nhiễu tác động v(t) và đâu vào u(t)
Z(t) = h[x(t),u(t),v(t),P2(t),t]
(t) = f[x(t),u(t),w(t),P1(t)]
Bài toán đặt ra là cần tìm các thông số mô hình đảm bảo cực trị theo một tiêu
chuẩn nhận dạng.
Vector thông số (t) = P1(t),P2(t)] có thể chứa cá hệ số của phương trình vi phân,
phương trình quan sát và đồng thời có thể đặc trưng thống kê của nhiễu v(t), w(t).
Có nhiều phương pháp nhận dạng thông số offline như phương pháp xấp xỉ vi
phân, phương pháp gradient, phương pháp tìm kiếm trực tiếp, phương pháp tựa
tuyến tính, phương pháp sử dụng hàm nhậy. Nhưng ở đây tôi chỉ giới thiệu phương
pháp Gradient cong cá phương pháp khác bạn có thể tra cứu trong tài liệu tham
khảo.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 94
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Giả thiết rằng mô hình phi tuyến được biểu diễn dưới dạng rời rạc. Cần xác định
vector thông số P sao cho x(t) với độ chính xác cho trước phù hợp với z(t) dưới tác
động điều khiển u(t).
Tiêu chuẩn sai số J bao gồm hiệu sai số đầu ra của mô hình và đối tượng (hệ
thống)
J= [(ti)-z(ti)]
Trong đó H là hàm, thường được chọn dưới dạng tổng bình phương các thành phần
vector sai số.
2. Giải các phương trình sai phân hoặc vi phân và xác định được J
3. Cho pi = pio + ∆ và giải các phương trình đó, xác định được
4. Thông tin về hướng gradient được sử dụng tùy theo từng trường hợp để xây
dựng thuật toán tìm vector thông số P.
Thuật toán Gradient lặp đơn giản nhất để xác đinh thông số P, là phương pháp hạ
nhanh nhất. Hướng của phương pháp hạ nhanh nhất ngược hướng với gradient và ở
điểm ban đầu trùng với hướng trong đó tiêu chuẩn sai số giảm nhanh nhất. Có
nghĩa là hướng của phương pháp hạ nhất nhất được mô tả bằng vector:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 95
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
p(k+1) = p(k) + ∆p
1/2
Trong đó ∆pi = -C ∕[
Hằng số C xác định bước thay đổi vector thông số theo hướng Gradient. Nếu C quá
lớn thì tiêu chuẩn sai số nhận dạng J cũng có thể lớn, ngược lại khi chọn C nhỏ thì
tốc độ hội tụ chậm vì vậy cần chọn C = C* tối ưu theo nghĩa cự tiểu hàm J theo
hướng gradient.
Chúng ta có thể tìm C* theo các phương pháp tối ưu thông thường.
Do các phương pháp nhận dạng offline có nhược điểm: mất thông tin do phép rời
rạc hóa, khó thực hiện trên phần cứng, khi thông số lớn khó xác định chính xác
vector thông số, không sử dụng được khi hệ không dừng nên cần phải tìm một
phương pháp nhận dạng khác để đáp ứng được bài toán điều khiển.
Mục tiêu của nhận dạng là phục vụ cho bài toán điều khiển. VÌ vậy quan sát thu
được theo thời gian phải sử dụng để nhận dạng mô hình tốt hơn đồng thời hiệu
chỉnh điều khiển. Như vậy nhận dạng và thiết kế hệ điều khiển phải được tiến hành
đồng thời. Trong chế độ online, mô hình phải thật đơn giản. Số các thông số chọn
đủ nhỏ và cấu trúc mô hình tuyến tính theo thông số. Thuật toán nhận dạng online
được xây dựng sao cho trên mỗi bước tính không cần xử lý lại toàn bộ chuỗi quan
sát, có nghĩa là sử dụng quá trình lặp.
Một số phương pháp nhận dạng online được sử dụng như phương pháp lặp bình
phương cực tiểu, phương pháp xấp xỉ ngẫu nhiên, phương pháp lọc Kalman. Bạn
có thể tìm đọc trong phần tài liệu tham khảo [6], pp. 75-79.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 96
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Bộ điều khiển sự báo dự trên cơ sở mạng nơron là một ứng dụng được tích hợp
sẵn trên toolbox Neural Network của Matlab (Neural Network Controller). Sử
dụng mô hình mạng nơron cho quá trình phi tuyến để dự báo đặc tính tương lai,
bộ điều khiển tính toán các giá trị điều khiển đầu vào sao cho tối ưu hóa đầu ra tại
một thời điểm tương lai. Bước đầu tiên trong mô hinh điều khiển dự báo là nhận
dạng hệ thống, sau đó bộ điều khiển sử dụng mô hình quá trình để dự báo tương
lai.
Mô hình quá trình mạng nơron sử dụng tín hiệu vào ra để dự báo các đầu ra tương
lai.
Mạng này có thể được huấn luyện chung, sử dụng dữ liệu thu được từ tính toán của
quá trình. Ở đây ta sẽ sử dụng thuật toán lan truyền ngược (Backpropagation).
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 97
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Bộ dự báo được sử dụng bở chương trình tối ưu toán học để xác định tín hiệu điều
khiển để cực tiểu hóa các đáp ứng trong giới hạn dự báo
N1, N2, Nu định nghĩa giới hạn sai lệch theo dõi và ước lượng điều khiển tăng tịnh
tiến. Biến u’ là tín hiệu điều khiển, yr là đáp ứng mong muốn, ym là đáp ứng mô
hình nhận dạng. Giá trị p xác định sự đóng góp mà tổng bình phương của các biến
điều khiển tăng tịnh tiến có trong chỉ số chất lượng.
Bộ điều khiển chứ mô hình quá trình mạng nơron và khối tối ưu hóa. Bộ tối ưu hóa
xác định giá trị của u’ mà cực tiểu hàm J, sau đó tối ưu u (đầu vào quá trình)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 98
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
N N P re d ic tive C o n tro lle r
R e fe re n c e
O p tim.
C lo c k
R a n d o m R e fe re n c e
C o n t ro l
S ig n a l Flo w R a te C o n c e n tr a tio n
NN
P la n t
M odel X(2Y)
O u tp u t
P la n t G ra p h
(C o n tin u o u s S tirre d Ta n k R )e a c to r
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 99
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Đối tượng sử dụng là bình khuấy, một trong những đối tương phổ biến trong
công nghiệp.
h(t) mức chất lỏng Cb(t) Nồng độ sản phẩm tại đầu ra
Cb1 Nồng độ dòng cấp cô đọng W1(t) tốc độ dòng cấp cô đọng Cb1
Cb2 Nồng độ dòng cấp loãng W2(t) tốc độ dòng cấp loãng Cb2
Mục tiêu điều khiển duy trì sự cô dọng của sản phẩm thông qua điều chỉnh dòng
W1(t).
Để đơn giản hóa quá trình coi W2 (t) = 0.1 => Mức của bể h(t) không được điều
chỉnh.
Đối tượng có thể sử dụng mô hình trực tiếp trong matlab hoặc có thể xây dựng
theo sơ đồ sau:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 100
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
s q rt
S QRT 0 .2
G a in
1
1
s
h
1 In t e g ra t o _r h
w1 1
k2
2
1 u 1
C on s ta n t S q u a re k1
1
s 2
P ro d u c t Cb
In t e g ra t o _r C b
2
w2
P ro d u c 1t
2 4.9
C b1
0 .1 0 P ro d u c 2t
C b2
Bộ điều khiển NN Predictive Controller được hỗ trợ trong toolbox của matlab.
Control horizon (Nu) số bước mà lượng tăng điều khiển là cực đại.
Control Weighting Factor nhân với tổng bình phương của lượng tăng điều khiển
trong hàm chất lượng J
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 101
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Bộ điều khiển NN Predictive Controller được hỗ trợ trong toolbox của matlab.
Control horizon (Nu) số bước mà lượng tăng điều khiển là cực đại.
Control Weighting Factor nhân với tổng bình phương của lượng tăng điều khiển
trong hàm chất lượng J
Cửa sổ Plant identification cho phép ta phát triển mô hình mạng nơron. Mô hình
mạng nơron ở đây có một lớp ẩn, ta có thể lựa chọn kích cỡ lớp, lượng đầu vào/ra
trễ, hàm huấn luyện.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 102
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Khi tạo dữ liệu huấn luyện, chương trình tự tạo dữ liệu huấn luyện bằng các đầu
vào là bước nhảy ngẫu nhiên vào mô hình quá trình trong Simulink. Dữ liêu huấn
luyện tiềm năng thu được:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 103
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Sau khi có được dữ liệu huấn luyện, ta sẽ cho huấn luyện mạng (Tranning
Network)
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 104
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Huấn luyện
Sau khi xác định thông số cần thiết ta cho simulnik chạy và thu được kết quả:
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 105
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
Tăng giới hạn dự báo lên N2 =9, Nu = 2 ta thu được kết quả
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 106
Đồ án thiết kế mô phỏng ĐKTĐ1- K52
6.4 Nhận xét
Kết quả mô phỏng trên matlab cho thấy chiến lược điều khiển dự báo phủ hợp với
đối tượng bình khuấy. Khi thay đổi giới hạn dự báo ta thấy chất lượng điều khiển
bộ dự báo vẫn tốt. Với sự phát triển của ngành công nghệ thông tin, tốc độ tính
toán của Vi xử lý được cải thiên rất lớn. Điều này tạo điều kiên cho việc áp dụng
các thuật toán tối ưu vào các bài toán điều khiển thời gian thực. Khả năng tăng
phạm vi sự báo, phạm vi điều khiển cho bộ điều khiển nơron.
Sinh viên : Phạm Minh Tiến –Vũ Văn Anh –Dương Ngọc Hà Page 107