Professional Documents
Culture Documents
TÓM TẮT
Bài báo này giới thiệu và đánh giá một số phương pháp thiết kế bộ điều khiển cho hệ
tuyến tính và phi tuyến như PID, LQG, bộ điều khiển thích nghi tham chiếu theo mô
hình mẫu MRAS (Model Reference Adaptive Systems) và bộ điều khiển learning
feed-forward dựa trên mạng nơron. Kết quả của các phương pháp thiết kế được mô
phỏng trên phần mềm 20-Sim và kiểm chứng trên mô hình thực nghiệm MeDe5.
ABSTRACT
This paper presents and evaluates some various design types of controller for both
linear and nonlinear system such as PID, LQG, MRAS (Model Reference Adaptive
Systems) and Learning Feed-forward Controller based on neural networks. The
results of design methods are simulated by 20-Sim software and tested on
experiment model MeDe5.
1. GIỚI THIỆU phương pháp đã được làm rõ. Trong thực tế,
Với mục đích cần có một mô hình thực tuỳ thuộc vào đối tượng điều khiển (tuyến
nghiệm để kiểm chứng các kết quả thiết kế tính hay phi tuyến) và yêu cầu về chất lượng
bộ điều khiển cho hệ thống tuyến tính và phi điều khiển mà hệ thống cần phải đạt, ta sẽ
tuyến, nhóm kỹ thuật điều khiển tại Khoa chọn lựa bộ điều khiển cho phù hợp.
Điện, Trường Twente, Hà Lan đã thiết kế và
chế tạo mô hình MeDe5 (The Mechatronic
Demonstration Setup - 2005) vào năm 2005
[1]. Kết cấu cơ khí được thiết kế dựa trên
nguyên lý của công nghệ in, ụ trượt có thể
chuyển động tiến và lùi một cách linh hoạt
nhờ sự dẫn động của động cơ điện một chiều
thông qua dây curoa. Trong mô hình thực
nghiệm này, người thiết kế đã bố trí toàn bộ
động cơ điện, thanh trượt, ụ trượt, dây
curoa,… trên một cái khung dẻo với mục Hình 1: Mô hình thực nghiệm MeDe5
đích để tạo ra sự rung lắc khi ụ trượt di Các thống số cơ bản của MeDe5
chuyển. Hệ thống điều khiển có sự tham gia Element Parameter Value
của máy tính, phần mềm 20-sim cung cấp DC Motor Motor constant 5.7
môi trường mô hình hoá và mô phỏng cho Inertia of motor 1e-5 kg
hệ thống [1,8]. Mục tiêu của chúng tôi là Frame Mass of frame 0.8 kg
thiết kế được những thuật toán điều khiển tốt Frame Flex Spring constant 6 kN/m
để giúp cho quá trình gia tốc, giảm tốc của ụ Damping in 6 Ns/m
trượt được êm hơn, điều này dẫn đến mức độ frame
rung lắc của khung được giảm. Dựa trên hệ
Load Mass of slider 0.3 kg
thống thực nghiệm này, các phương pháp
Belt Flex Spring constant 800 N/m
điều khiển: PID, LQG, MRAS (áp dụng cho
Damping in belt 1 Ns/m
bài toán với đối tượng được tuyến tính hoá)
và mạng nơron (áp dụng để giải quyết bài Damper Viscous friction 3 Ns/m
toán phi tuyến) đã lần lượt được thiết kế và Coulomb friction
thử nghiệm. Qua đó ưu nhược điểm của từng
MotorCurrent
K
DC Motor
FlexibleBelt
m F m m
FlexibleFrame
P
MotorSensor Slider
Damper
P
PositionSensorSlider
PositionSensorFrame
P
∫z -1
Vi tri khung P
b1 Z a21 Z D
LQR là thuật toán điều khiển được xây dựng Hình 9: Bộ điều khiển LQR số kết hợp với bộ
dựa trên cơ sở nguyên lý phản hồi trạng thái. quan sát trạng thái Kalman
Bộ điều khiển nhận tín hiệu vào là trạng thái
của hệ thống và tín hiệu mẫu sau đó tính
toán và chuyển thành tín hiệu điều khiển cho
quá trình.
R u y
LQR Qua trinh
x2 Velocity Slider
P22
Desired velocity
x1
Mo hinh mau
Desired Position
Position Slider
đối tượng. Điều này được thực hiện bằng
cách chỉnh định các thông số của mô hình
Hình 12: Sơ đồ cấu trúc bộ điều khiển MRAS
khả chỉnh. Trong quá trình thực hiện, hai
trực tiếp và hệ thống thực nghiệm
vấn đề sau đây được giải quyết [2]:
- Nhận dạng đối tượng: điều chỉnh các thông
số của mô hình khả chỉnh với mục đích để
nhận được các đáp ứng đầu ra giống nhau
giữa đối tượng và mô hình khả chỉnh. Kết
quả, sau một khoảng thời gian hiệu chỉnh,
các thông số của đối tượng và mô hình khả
chỉnh là tương đương nhau.
- Ước lượng trạng thái: sau khi quá trình
chỉnh định thông số của mô hình khả chỉnh
thành công, trạng thái của mô hình này sẽ
tương đương với trạng thái của đối tượng.
Trang thái của mô hình khả chỉnh có thể
Hình 13: Kết quả mô phỏng hệ thống ứng với
được xem như trạng thái ước lượng của đối
các hệ số ma sát của damper khác nhau (3 và 6
(N.s/m).Theo thứ tự từ trên xuống: sai lệch vị trí
tượng.
Những luật thích nghi cho bài toán toán
ụ trượt, thích nghi K p , K i va K d
thích nghi trực tiếp và thích nghi gián tiếp là
Từ kết quả mô phỏng nhận thấy ưu điểm của như nhau. Khi hệ thống bị tác động bởi
hệ điều khiển thích nghi trực tiếp là: khi nhiễu, cấu trúc như trên hình 14 cho phép
thông số của đối tượng thay đổi, bộ điều nhận được trạng thái ước lượng sạch của đối
khiển tự động hiệu chỉnh các thông số và sau tượng và khi đó MRAS đóng vai trò như là
một khoảng thời gian xác định, sai lệch của bộ quan sát trạng thái thích nghi. Với chức
hệ thống tiến dần đến 0. Đây là tính chất mà năng giống như bộ lọc Kalman, bộ quan sát
trạng thái thích nghi tạo ra trạng thái ước
lượng sạch của đối tượng. Khi hệ thống bị Nếu các thông số a m = a p , bm = b p và
tác động bởi nhiễu, trạng thái thực cũng như
c m = c p thì H = H r . Khi này, tại đầu ra của
sai lêch luôn bao gồm nhiễu. Tuy nhiên
trạng thái ước lượng (được dùng làm tín hiệu hệ thống nhận được tín hiệu mong muốn
phản hồi) và tín hiệu điều khiển luôn không ( y = r ) . Ta đi tìm một cơ chế học dựa trên
chứa nhiễu (hình 15). Một ưu điểm nổi bật sai lệch giữa tín hiệu ra của mô hình mẫu và
của bộ quan sát trạng thái thích nghi so với của đối tượng để thực hiện việc hiệu chỉnh
bộ quan sát Kalman đó là biên độ sai lệch các tham số a m , bm , và c m theo hướng hội
giữa trạng thái thực và trạng thái ước lượng tụ đến các thông số của đối tượng. Trong
giảm dần và tiến đến giá trị 0 sau một nghiên cứu của chúng tôi, luật điều khiển
khoảng thời gian xác định (hình 16). thích nghi được xây dựng trên cơ sở lý
thuyết ổn định của Liapunov.
K Km
Amflifier MotorGain Qua trinh
m F m m
P
Potition Slider Sensor
P
Vi tri u truot