Bài giảng Hệ thống điều khiển thông minh Chương 4: TS. Huỳnh Thái Hoàng

Moân hoïc Moân hoïc

HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINH HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINH

â Ñi à Khi å Tö Ñ ä

Giaûng vieân: TS. Huyønh Thaùi Hoaøng Boä moân Ñieàu Khieån Töï Ñoäng B ä Khoa Ñieän – Ñieän Töû Ñaïi hoïc Baùch Khoa TP.HCM Email: hthoang@hcmut.edu.vn Email: hthoang@hcmut edu vn Homepage: http://www4.hcmut.edu.vn/~hthoang

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

Chöông 4 Chöông 4

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 2

Noäi dung chöông 3 Noäi dung chöông 3

c u

ều

(cid:145) Giới thiệu Giới hiệ (cid:145) Nhắc lại về mô hình của hệ phi tuyến (cid:145) Điều khiển dùng mô hình ngược (cid:145) Điều khiển dùng mô hình ngược (cid:145) Điều khiển mô hình nội (cid:145) Điều khiển theo mô hình chuẩn eo ể (cid:145) Điều khiển dự báo dựa vào mô hình

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 3

Giới thiệu Giới thiệu

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 4

Giới thiệu Giới thiệu

(cid:145) Điều khiển dựa vào mô hình là phương pháp điều khiển trong đó (cid:145) Điề khiể d đó

há điề khiể t

ô hì h là h

có sử dụng tường minh mô hình của đối tượng để tính toán tín hiệu điều khiển.

ề

ể

(cid:145) Các phương pháp điều khiển dựa vào mô hình phổ biến: (cid:142) Điều khiển dùng mô hình ngược (Inverse Control). (cid:142) Điều khiển mô hình nội (Internal Model Control). (cid:142) Điều khiển theo mô hình chuẩn (Model Reference Control). (cid:142) Điều khiển dự báo (Predictive Control) l) (cid:142) Điề khiể d bá (P di ti C t

(cid:145) Các phương pháp điều khiển dựa vào mô hình phi tuyến đã áp

p ụ g

ự ,

ự

dụng thành công vào nhiều lĩnh vực, nhưng lĩnh vực áp dụng chủ ụ g yếu là các quá trình công nghệ hóa học (thí dụ như trong công nghiệp hóa dầu, chế biến thực phẩm, nước giải khát...).

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 5

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 6

Vòng lặp nhận dạng hệ thống Vòng lặp nhận dạng hệ thống

Thí nghieäm thu Thí nghieäm thu thaäp döõ lieäu

…

i u q

Xö ly sô Xöû lyù sô boä döõ lieäu

c a c c : g n o h t

e h h

Choïn caáu truùc moâ hình

, ö g g n n o g n u e e i b t a h p

Choïn tieâu chuaån öôc löôïng öôùc löông

Öôùc löôïng thoâng soá

â â

c a c c , y l t a v t a u l

e v c ô ö r t t t e i b n i t g n o o h T

Ñaùnh giaù moâ hình

Khoâng toát ⇒ laëp laïi

Khoâng toát ⇒ xeùt laïi ï thoâng tin bieát tröôùc

Toát ⇒ chaáp nhaän moâ hình

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 7

Cấu trúc mô hình phi tuyến Cấu trúc mô hình phi tuyến

(cid:145) Đối tượng: (cid:145) Đối t

ky )(

),1

ky (

),1

)]

kv )(

−

nky ( −

kuf ([ 0

nku (, − u

Z N

),1(

);1(

),2(

);2(

;

NuNy ( ),

(

{ { y

} })

(cid:145) Dữ liệu:

ệ

,(ˆ ky

) θ

k (( ), ) θϕ

(cid:145) Mô hình: ,(ˆ θky )

(cid:142)

)(kϕ )(k θ

(cid:142)

Bộ dự báo Vector hồi qui V i hồi Vector tham số

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 8

Phân loại mô hình phi tuyến Phân loại mô hình phi tuyến

(cid:145) Phân loại theo các phần tử hồi qui: (cid:145) Phâ l á

hầ tử hồi

i th

(cid:145) Phân loại theo bộ cấu trúc hàm phi tuyến:

Mô hì h ờ M d i S

(cid:142) Mô hình mờ: Mamdani, Sugeno (cid:142) Mô hình mạng thần kinh: MLP, RBF (cid:142) Mô hình lai mạng thần kinh mờ: ANFIS (cid:142) Mô hình lai mạng thần kinh mờ: ANFIS

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 9

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

(cid:145) Qui tắc mờ mô tả đặc tính động học của đối tượng phi tuyến:

n ϕ

(cid:145) Bộ dự báo:

,(ˆ ky

(

)

) θ

( γβϕμα ij

A ij

∑ ∏ .

1 =

(cid:145) Vector tham số:

,...,

[

,...,

T ]

, γββαα=θ 11

nn r

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 10

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

n ϕ

)( k k )(

(ˆ θ ,( θ ky ) ) ky

= =

)( kzw kzw )( i i

gw gw i

v v ϕ ϕ ij j

(cid:145) Bộ dự báo: (cid:145) Bộ dự báo:

∑ ∑

1 =

⎛ ⎜ ⎜ ⎜ ⎜ ⎝

⎞ ⎟ ⎟ ⎟ ⎟ ⎠

v v

,...,

(cid:145) Vector tham số: (cid:145) Vector tham số:

θ =θ

[ [ v v 11 11

v v 1 r 1

1 1

l l

wv , wv 1 l lr 1

]l ]T w w l

KKK

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 11

Ước lượng tham số Ước lượng tham số

v(k)

y(k)

u(k)

Đối tượng

,( θkε )

Mô hình

,(ˆ θky )

Tiêu chuẩn

Tối ưu hóa

ước lượng ước lượng

(cid:145) Tiêu chuẩn ước lượng:

N N

)

)( k

)( ky

,(ˆ ky

,( θ

2 ε

−

) θ

]

[

∑

1 N

1 =

(cid:145) Thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền,…

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 12

Điều khiển dùng mô hình ngược Điều khiển dùng mô hình ngược

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 13

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

Nguyên tắc điều khiển ngược trực tiếp Nguyên tắc điều khiển ngược trực tiếp

(cid:145) Phương pháp điều khiển vòng hở, trong đó bộ điều khiển là mô hình (cid:145) Phương pháp điều khiển vòng hở trong đó bộ điều khiển là mô hình

ngược của đối tượng.

(cid:145) Đối tượng:

ky (

kyf ((

),...,

nky (

),1

ku (

),...,

mku

(

))1

)1 =+

+−

ku )(

kr ((

),1

kr (

),...,

nkr (

),1

ku (

1 ),...,

mku

(

))1

(cid:145) Luật điều khiển: 1 = − f

+−

−

+−

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 14

Mô hình ngược Mô hình ngược

Mô hình ngược

(cid:145) Sử dụng FM/NN để nhận dạng đặc tính động học ngược của đối

ố

ể

tượng:

1 1

ky (( (( k

),1 )1

ky )( ( k

),...,

ky ( ( k

),1 )1

ku ( ( k

1 )1 ),...,

( (

))1 ))1

(ˆ ,(ˆ ku θ ) ) k θ

ˆ = − f f

n +−

−

mku k −

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 15

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

Sơ đồ ước lượng tham số mô hình ngược offline

(cid:145) Ước lượng offline:

(cid:142) Thu thập N mẫu dữ liệu vào ra của đối tượng (cid:142) Tiêu chuẩn ước lượng tham số:

J J

ku )([ )([ ku

(ˆ ku ,( ku

)] )]

min min

)( )( θ θ

−

θ θ

2 → →

∑ = ∑

=k 1

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 16

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

Sơ đồ ước lượng tham số mô hình ngược online Sơ đồ ước lượng tham số mô hình ngược online

ợ g (cid:145) Ước lượng online:

(cid:142) Thông 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 (cid:142) Tiêu chuẩn ước lượng tham số: ố

ẩ

)( )([ kr

y ky )( ( )]

min

−

2 →

)( ∑ = ∑ )( J θ

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 17

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

(cid:145) Mô hình ngược sau khi nhận dạng sẽ được sử dụng để điều khiển đối

tượng tượng

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 18

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

(cid:145) Phương trình vi phân mô tả đặc tính động học hệ bồn chứa:

h& th )( )(

)( )(

2 2

))( ))( tgh h

( ( C aCtku k D−

1 )( hA

−

min min

hA )( )( hA

Ah Ah + +

min

max max h max

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 19

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

(cid:145) Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau: (cid:145) Mô hì h th ậ

ó thể biể diễ

ủ hệ bồ đ

kh (

kukhf ), (

((

))

)1 =+

(cid:145) Mô hình ngược:

)(ˆ ku

kh ((

),1

kh (

))

ˆ 1 = − f

(cid:145) Sử dụng mạng thần kinh để nhận dạng mô hình ngược của hệ bồn

ồ

ầ

ể

), ),1

)( )( kh

ẩ l h

k h h

chứa. Cấu trúc mạng thần kinh: ệ (cid:142) Tín hiệu vào: ( ( kh + (cid:142) Tín hiệu ra: )(ˆ ku (cid:142) Số tế bào thần kinh ở lớp ẩn là 6. (cid:142) Hàm kích hoạt ở lớp ẩn là hàm sigmoid; i (cid:142) Hàm kích hoạt ở lớp ra là hàm tuyến tính.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 20

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

Single tank input - output data Si

t d t

k i

) t ( u

0 40

) t ( h h

0 0

200 200

400 400

600 600

800 800

1000 1000

Time

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 21

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 22

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

( ) r(t) h(t)

0 0

100

200

300

400

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 23

Nhận xét Nhận xét

há điề khiể dù

(cid:145) Phương pháp điều khiển dùng mô hình ngược chỉ có thể áp dụng

hỉ ó hể á d

ô hì h

Ph khi đối tượng cần điều khiển là ổn định với pha cực tiểu. (cid:145) Nếu mô hình ngược không nhận dạng đúng đặc tính động học (cid:145) Nếu mô hình ngược không nhận dạng đúng đặc tính động học

ngược của đối tượng thì kết quả điều khiển sẽ có sai số.

(cid:145) Giải pháp để loại trừ ảnh hưởng của sai số mô hình:

(cid:142) dùng sơ đồ điều khiển thuận (Feed Forward Control) (cid:142) hoặc điều khiển mô hình nội (Internal Model Control).

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 24

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

Sơ đồ điều khiển thuận Sơ đồ điều khiển thuận

g ợp

ạ g

ậ

(cid:145) Trong trường hợp mô hình NN/FM không thể nhận dạng hoàn toàn chính xác đặc tính động học ngược của đối tượng thể sử dụng thêm bộ điều khiển PID kinh điển để triệt tiêu sai số do mô hình

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 25

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

(cid:145) Mô hình ngược: mạng NN (đã trình bày ở thí dụ trước)

)( s s )(

10 10

+ +

(cid:145) Bộ điều khiển PI: (cid:145) Bộ điề khiể PI

GPID G

01.0 s

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 26

Kết quả điều khiển Kết quả điều khiển

r(t) h(t)

0 0

00 100

00 200

300 300

00 400

Điều khiển ngược (Inverse Control)

r(t) h(t)

100

200

300

400

Điều khiển thuận (Feed forward Control)

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 27

Điều khiển mô hình nội Điều khiển mô hình nội

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

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

Đối tượng Đối tượng

Mô hình ngược Mô hình ngược

Mô hình thuận

Sơ đồ điều khiển mô hình nội tuyến tính

ộ

sY )(

sGsR )(

)(

sGsN )(

)(

(cid:145) Tín hiệu ra của hệ thống:

sGsG G )( )( )( )( C

sG )( R

sY )( )( Y sR )(

)(

ˆ)(

0)( =

P P

sG G )( )( N

s )( sY )( )( sN

)(

P )( sGsGsGsG )( − ˆ)( )( )( sGsG )( C− C ˆ)( sGsGsGsG )( )( −

0)( =

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 29

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

Sơ đồ điều khiển mô hình nội tuyến tính

g g

(cid:145) 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 hiệu ra đúng bằng tín hiệu vào, bất chấp nhiễu.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 30

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 31

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

Single tank input - output data Si

t d t

k i

) t ( u

0 40

) t ( h h

0 0

200 200

400 400

600 600

800 800

1000 1000

Time

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 32

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

(cid:145) Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau: (cid:145) Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau: kh (

kukhf ), (

((

))

)1 =+

)(ˆ ku

kh ((

),1

kh (

))

ˆ 1 = − f

(cid:145) Mô hình ngược:

ô hì h

−

( ku p

(cid:145) Cấu trúc mạng thần kinh nhận dạng mô hình ngược (cid:145) Cấ t ú thầ ki h hậ d )(ˆ kh kh ( ),1 )1 − (cid:142) Tín hiệu vào: Tín hiệu ra: (cid:142) Số tế bào thần kinh ở lớp ẩn là 6. (cid:142) Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.

ô hì h

)(ˆ ku

(cid:145) Cấu trúc mạng thần kinh nhận dạng mô hình ngược hầ ki h hậ d ),1

kh )(

Cấ (cid:142) Tín hiệu vào: Tín hiệu ra: kh + ( Số tế bào thần kinh ở lớp ẩn là 6. (cid:142) Số tế bào thần kinh ở lớp ẩn là 6 (cid:142) Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 33

Kết quả điều khiển Kết quả điều khiển

( ) r(t) h(t)

r(t) h(t)

100

200

300

400

100

200

300

400

ề

ể

Điều khiển mô hình nội

Điều khiển ngược

r(t) h(t)

100

200

300

400

Điều khiển thuận

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 34

Điều khiển theo mô hình chuẩn Điều khiển theo mô hình chuẩn

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 35

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

(cid:145) Tiêu chuẩn huấn luyện bộ điều khiển:

[

k )(

ky (

)]

min

J θ )(

−

2 →

= ∑

(cid:145) Mô hình NN/FL: dùng để ước lượng khi tìm cực trị

ể

)(θJ

/)(ky ∂

θ∂

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 36

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

(cid:145) Phương trình vi phân mô tả đặc tính động học hệ tay máy: đ

ì h i h

í h đ

sin

t )(

tu )(

)(2)( t t φ &&

φ &

(cid:145) Điều khiển cánh tay máy bám tín hiệu đặt theo mô hình chuẩn:

sG sG )( )( m

Φ s )( )( m m sR )(

9 6

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 37

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 38

Cấu trúc các mạng thần kinh Cấu trúc các mạng thần kinh

(cid:145) Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy: (cid:145) Cấu trúc mạng thần kinh nhận dạng đặc tính động học tay máy:

(cid:142) Tín hiệu vào:φ(k−1), φ(k−2), u(k−1), u(k−2) )(ˆ kφ )(kφ Tín hiệu ra: (cid:142) Tín hiệu ra: (cid:142) Số tế bào thần kinh ở lớp ẩn là 10

(cid:145) Cấu trúc mạng thần kinh thực hiện chức năng điều khiển: (cid:142) Tín hiệu vào: φ(k−1), φ(k−2), r(k−1), r(k−2), u(k−1) (cid:142) Tín hiệu ra: u(k) (cid:142) Số tế bào thần kinh ở lớp ẩn là 13.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 39

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 40

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 41

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

(cid:145) Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn (cid:145) Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn

luyện các mạng thần kinh.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 42

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

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 43

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

(cid:145) Mô hình để dự báo đáp ứng của đối tượng trong tương lai (cid:145) Mô hình để dự báo đáp ứng của đối tượng trong tương lai (cid:145) Thuật toán tối ưu hóa: tính toán chuổi tín hiệu điều khiển tương lai

bằng cách tối thiểu hóa một hàm mục tiêu.

(cid:145) Dời phạm vi dự báo theo thời gian sau mỗi chu kỳ lấy mẫu

ấ

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 44

Nguyên tắc điều khiển dự báo Nguyên tắc điều khiển dự báo

ộ

ô hì h để d bá đá ứ

(cid:145) Dùng một mô hình để dự báo đáp ứng của đối tượng tại các thời i á hời

ủ đối

Dù điểm rời rạc trong tương lai trong một phạm vi dự báo (prediction horizon) nhất định.

)

ị

(cid:145) Tính toán chuổi tín hiệu điều khiển tương lai trong phạm vi điều

h tí hiệ dự bá đá

tiê thườ

ầ là

dù

khiển (control horizon) bằng cách tối thiểu hóa một hàm mục tiêu. Hàm mục tiêu thường dùng là yêu cầu làm cho tín hiệu dự báo đáp Hà là ê ứng của đối tượng phải càng gần quỹ đạo đáp ứng mong muốn càng tốt, trong điều kiện ràng buộc cho trước.

(cid:145) 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 điều và 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.

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 45

Nguyên tắc điều khiển dự báo Nguyên tắc điều khiển dự báo

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 46

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

Nhậ d

ô hì h ủ đối

(cid:145) Nhận dạng mô hình của đối tượng (dùng NN hoặc FM) (dù NN h ặ FM) (cid:145) Chọn phạm vi dự báo HP (cid:145) Chọn phạm vi điều khiển HC, (HC ≤ HP) (cid:145) Chọn phạm vi điều khiển H (H ≤ H ) (cid:145) Chọn hàm mục tiêu:

2 2

J J

)( )( u u

[ [

( kw kw (

(ˆ ( ky ky

i i

)] )]

([ ku ku ([

)]1 )]1

) ) i i −+ +

+ +

i i −+ +

ρ ρ i

∑ ∑

σ σ i 1 =

1 =

J J

u )( )( u

[ [

( kw kw (

(ˆ ( ky ky

i i

)] )]

([ ku ku ([

( ku ku (

)]1 )]1

= =

) i ) i −+ −+

+ +

) i ) i −+ −+

i i −+ −+

ρ ρ i i

∑ ∑ σ σ i i 1 =

u

)(

(

−

∑ ∑ 1 i = ]T

[ ( kuku

CHku +

kw (

kw )(

kr ()

)

i ) =+

1( −+

(cid:145) Chọn thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền (cid:145) Chọn thuật toán tối ưu hóa: thuật toán Newton giải thuật di truyền

28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 47

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

2 2

(cid:145) Hàm mục tiêu:

Hà

iê

)( u

[

( kw

(ˆ ˆ ky

)]

([ ku

)]1

) i −+

i −+

ρ i

∑ ∑

σ i 1 =

1 =

1 −

( (

) )1

j j

j j )( )(

(cid:145) Thuật toán Newton: (cid:145) Thuật toán Newton:

ˆ u u

ˆ( ′′ ( u u

) )

J J

ˆ( ′ ( u u

) )

= =

−

[ [ J J

] ]

j )(

)( j

′ ˆ( ( u

) )

ˆ, , u

( (

, ,

ˆ) ) u

−=

) ) ε

) 2) i ++

(g ( diag ρ ρ 1 1

Cρ ρ H H

ψ∑ ∑ 2 ( ( ψσ k k

1 =

j )(

(

kw (

(ˆ ky

)

) i =+

) i −+

ˆ, u+ i

)

)( j

)

ˆ, u

( k +ψ

)

(ˆ ky ∂ + u ∂

⎡ ⎢⎣

⎤ ⎥⎦

(ˆ uu =

j )(

ˆ, u

)

( ψ ∂

j )(

′′ ˆ( u

)

ˆ, u

(

ˆ, u

)

(

)

T ) ψ

−

PH ∑

i + u ∂

1 =

⎡ 2 ( ψσ ⎢ k ⎣

2 di2

diag

) )

( ( , ρ K 1

⎤ +⎥ ⎦ CHρ

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

2 2

(cid:145) Hàm mục tiêu:

Hà

iê

)( u

[

( kw

(ˆ ˆ ky

)]

([ ku

)]1

) i −+

i −+

ρ i

∑ ∑

σ i 1 =

1 =

(cid:145) Thuật toán Levenberg-Marquardt: (cid:145) Thuật toán Levenberg Marquardt:

1 −

(

j )(

ˆ u

ˆ( u

)

′ ˆ( u

)

[ ′′− J

]

j )(

′ ˆ( u

)

ˆ, u

(

diag

ˆ) u

−=

) ε

i ++

2 ( ψσ k

( ρ 1

ρ H

∑

1 =

j )(

(

kw (

(ˆ ky

)

) i =+

) i −+

ˆ, u+ i

) )

i i

j )( )( ju ˆ u

) )

( k k ( +ψ +ψ

)

(ˆ ky y ( ∂ + u ∂

⎡ ⎢⎣ ⎢

⎤ ⎥⎦ ⎥

(ˆ uu =

)( j j )(

)( )( j j

)( j j )(

J J

′′ ˆ( u ( u

) )

k k

i i

ˆ u u

( (

k k

i i

ˆ u u

2 diag diag 2

) )

I I

) )

+ +

T ) ) ψ ψ

+ +

μ μ

( ( , ρρ ρρ 0 0 2 2

ρ ρ H H

[ [ 2 2 ( ( ψσ ψσ k k

] ]

H = ∑ ∑ = 1 i =

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

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

hất lỏ

h( ) độ h(t): độ cao mực chất lỏng Cb(t): nồng độ sản phẩm ở đầu ra của quá trình w1(t): lưu lượng vào bồn của dòng sản phẩm có

nồng độ cao Cb1=24.9 nồng độ cao C =24 9

w2(t) = 0.1: lưu lượng vào bồn của dòng sản

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

(cid:145) Đặc tính động học của hệ thống mô tả bởi các phương trình sau:

th )( )( h

20)( 2.0)( −

tw )( )( 1

tw 2

)( )( tdh dt dC

)( t

C (

))

C (

))

−

tC ( b

b 1

tC ( b

2 2

b dt dt

tw )( 1 th )( )( th

tw )( 2 th )( )( th

)) ))

1( 1(

tCk )( b 1 tCk ( ( tCk b 2

(cid:145) Bài toán đặt ra là điều khiển nồng độ sản phẩm ở đầu ra theo giá trị

á h điề

đặt bằng cách điều chỉnh lưu lượng vào w1(t) đặt bằ ( ) hỉ h l

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

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

(cid:145) Cấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phản (cid:145) Cấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phản

ệ

ứng: ) (cid:142) Tín hiệu vào: w1(k−1), w1(k−2), Cb(k−1), Cb(k−2) 1( )(ˆ kCb (cid:142) Tín hiệu ra: (cid:142) Số tế bào thần kinh ở lớp ẩn là 7

(cid:145) Các tùy chọn của thuật toán điều khiển dự báo:

2=CH 2=H

05.0=ρ ρ

1=σ

ọ g

(cid:142) Phạm vi điều khiển: (cid:142) Phạm vi điều khiển: (cid:142) Phạm vi dự báo: 7=PH (cid:142) Trọng số hàm mục tiêu: ụ (cid:142) Thuật toán tối ưu hóa: suy giảm độ dốc

b( b( 1(

Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứng Dữ 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 kinh Kết 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 mờ Thí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờ

(cid:145) Đặc tính động học của hệ thống mô tả bởi các phương trình sau:

sgn(

(

−

( ( tku )(

)|)( )

& th )( 1

th )( 1

aCth )) 1 2

thg )( 1

th 2

)

1 1 hA ( 1 1

( (

|)( |)(

−

))( ))( t

( ( sgn( (

h& th )( )( 2

th h )( )( 1

aCth h )) )) 2 1

thg | h |2 )( )( 1

th h 2

aC D 2

gh h 2

)

1 1 hA ( 2 2 A

−

min

) )

A A

= =

+ +

hA hA ( ( i i i i

h h i i

min i

max h max

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

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

(cid:145) Hệ qui tắc mờ: (cid:145) Hệ qui tắc mờ:

(cid:145) Hàm liên thuộc của các tập mờ:

Biểu thức bộ dự báo Biểu thức bộ dự báo

(cid:145) Bộ dự báo mờ: (cid:145) Bộ dự báo mờ:

,(ˆ ty

)

ty ((

),1

ty (

tu (

μθ =

−

)1 +−

−

)1 +−

−

Rat

p thap _ _ ty ((

),1

ty (

−

)1 +−

−

)1 +−

−

Thap

ty ((

),1

17 ,

θ 2 θ 6 ty (

θ 3 tu ( θ 7 tu (

tu (

−

)1 +−

−

)1 +−

ty ((

),1

θ 10 ty (

θ 11 tu (

θ 4 tu ( θ 8 θ 12 tu (

−

)1 +−

−

)1 +−

])2 ] )2 ] )2 − ])2 ]

[ ) θθθ 1 18 17 [ , ) θθθθ 5 18 19 [ ty ( , ) θθθθ 20 18 19 9 [ [ ) ty ( θθθ 20 13

θ 14

θ 15

θ 16

Cao

Sơ đồ thu thập dữ liệu Sơ đồ thu thập dữ liệu

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

Sugeno Kết quả nhận dạng mô hình Takagi--Sugeno Kết quả nhận dạng mô hình Takagi

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

(cid:145) Mô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi-Sugeno (cid:145) Mô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi Sugeno

(cid:145) Các tùy chọn của thuật toán điều khiển dự báo:

3=CH

400 400

=ρ ρ

1=σ 1

(cid:142) Phạm vi điều khiển: 10=PH (cid:142) Phạm vi dự báo: (cid:142) Trọng số hàm mục tiêu: ố hà tiê (cid:142) Thuật toán tối ưu hóa: Levenberg-Marquadt