intTypePromotion=1

Luận văn Thạc sĩ ĐHBKHN: Thiết kế hệ thống điều khiển đồng bộ dựa trên điều khiển mờ Fuzzy và mạng Neuron

Chia sẻ: Đinh Hồng Bộ | Ngày: | Loại File: DOC | Số trang:155

0
194
lượt xem
79
download

Luận văn Thạc sĩ ĐHBKHN: Thiết kế hệ thống điều khiển đồng bộ dựa trên điều khiển mờ Fuzzy và mạng Neuron

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Những kỹ thuật điều khiển truyền thống như điều khiển Tích phân t ỉ lệ(PI) hay điều khiển Vi tích phân tỉ lệ(PID) được ứng dụng thành công trong điều khiển những quá trình tuyến tính. Gần đây, điều khiển tiên đoán mô hình (MPC) cũng thực hiện thành công trong điều khiển những hệ thống tuyến tính.

Chủ đề:
Lưu

Nội dung Text: Luận văn Thạc sĩ ĐHBKHN: Thiết kế hệ thống điều khiển đồng bộ dựa trên điều khiển mờ Fuzzy và mạng Neuron

  1. - 1- MỞ ĐẦU Những kỹ thuật điều khiển truyền thống như điều khiển Tích phân t ỉ lệ(PI) hay điều khiển Vi tích phân tỉ lệ(PID) được ứng dụng thành công trong điều khiển những quá trình tuyến tính. Gần đây, điều khiển tiên đoán mô hình (MPC) cũng thực hiện thành công trong điều khiển những hệ thống tuyến tính. Tuy nhiên, khoảng 90% những quá trình sinh học và hoá học là phi tuyến cao và hầu hết chúng là những hệ MIMO.Khi hệ th ống là phi tuy ến và/hoặc MIMO, những kỹ thuật truyền thống trên thường mắc phải sai sót khi điều khiển những hệ thống như thế. Ngày nay, nh ững h ệ th ống đ ược dùng trong công nghiệp đòi hỏi độ tự quản cao và nh ững kỹ thuật trên không có khả năng để đạt được điều này. Cần phải đạt được những đòi hỏi điều khiển tăng nhanh trong những hệ thống điều khiển động phức tạp dưới những thay đổi quan trọng đã làm cho việc dùng những kỹ thuật thông minh như mạng nơron, lôgic mờ và thu ật giải di truyền trong những hệ thống điều khiển trở nên hấp dẫn. Những lý do chính đằng sau điều này là khả năng của chúng có thể “học” để xấp x ỉ hàm và phân loại mẫu và tiềm năng của chúng trong thực thi ph ần c ứng song song đồ sộ, phương pháp điều khiển thông minh phỏng theo quá trình xử lý thông tin không rõ ràng và ra quyết định điều khiển của con ng ười cũng nh ư bắt chước quá trình tiến hoá sinh học để tạo ra giải pháp tối ưu. Nói cách khác, chúng có khả năng thực thi (cả phần mềm và phần cứng) nhiều chức năng cần thiết để điều khiển hệ thống với độ tự quản cao. Sơ đồ hệ thống điều khiển được mô tả như sau: Hình i. Sơ đồ điều khiển đối tượng phi tuyến Như vậy, ở đây có hai bộ điều khiển:
  2. - 2- • Điều khiển Feedforward : là bộ điều khiển neuro-mờ cung cấp những tín hiệu điều khiển chính để lái đối tượng phi tuyến theo đúng quỹ đạo setpoint. Bộ điều khiển này là bộ điều khiển mờ ứng dụng kh ả năng h ọc của mạng nơron để tinh chỉnh những thông số của nó. • Điều khiển Feedback: bù tín hiệu, nó cung cấp những tín hi ệu đi ều khiển hiệu chỉnh cần thiết để điều chỉnh và loại nhiễu trong nh ững lân cận nhỏ xung quanh quỹ đạo điều khiển. Bộ điều khiển này cũng là bộ điều khiển mờ nhưng ứng dụng thuật giải di truyền để tinh chỉnh thông số của nó. Kết quả mô phỏng cho thấy sơ đồ điều khiển trên đã lái đối tượng phi tuy ến đi xuyên suốt khoảng công tác của nó với độ chính xác cao. Phần sau đây sẽ đề cập đến đối tượng phi tuy ến và nh ững k ỹ thu ật đi ều khiển được thiết lập trong luận văn. Trong bối cảnh hiện thời, việc sản xuất năng lượng đối mặt với rất nhi ều vấn đề khó khăn. Trong số đó, điều quan trọng nhất là: tuổi th ọ của thi ết b ị chính tại những tổ hợp năng lượng, đầu tư tài chính không chắc ch ắn cho những tổ hợp mới, việc cạnh tranh giữa những nhà sản xuất năng l ượng độc lập để thoả mãn đòi hỏi năng lượng của người dùng và nh ững áp lực đ ể đ ạt được những yêu cầu quản lý nghiêm ngặt để sử dụng tối đa nguồn tài nguyên thiên nhiên và tối thiểu ảnh hưởng đến môi trường. Việc vận hành của tổ hợp năng lượng nhiên liệu than (NLNLT), loại t ổ hợp được dùng rộng rãi nhất cho việc sản xuất năng lượng, đã bị tác động mạnh. Đầu tiên, một NLNLT phải hổ trợ mục tiêu chính của hệ thống năng lượng là đáp ứng yêu cầu tải cho năng lượng điện ở mọi thời điểm, ở điện áp không đổi và tần số không đổi. Sau đó là việc cạnh tranh giữa tính thi ết thực và yêu cầu thị trường khác đã tăng cường việc dùng NLNLT [Armor 1985]. Cuối cùng, những yêu cầu nghiêm ngặt trong việc bảo trì và kéo dài tuổi thọ của thiết bị chính và những luật giảm ảnh hưởng đến môi trường cần phải được tuân thủ. Trong đó: • Những yêu cầu vận hành chu kỳ của NLNLT trong kho ảng t ải r ộng mặc dù chúng được thiết kế cho vận hành ở tải không đổi. Nh ững yêu cầu biến đổi tải có thể đến từ những chiến lược kinh tế được tính toán tại những trung tâm năng lượng hay từ những dao động t ải h ệ thống. Vận hành theo tải tin cậy và hiệu quả sẽ đảm bảo việc thoả mãn hàng ngày, hàng tuần và theo mùa của yêu cầu năng lượng điện và những thay đổi tải ngẫu nhiên không đoán trước cho đến những giới hạn vật lý của tổ hợp. • Việc kéo dài tuổi thọ thiết bị là quan trọng vì nó tối đa vi ệc dùng tài sản, giới hạn thời gian chết và tối thiểu những chi phí vận hành và bảo trì. Nguyên nhân chính của vòng đời ngắn của bất kỳ hệ thống nào là vận hành ứng suất cao. Trong NLNLT, những ứng suất nhi ệt ph ụ thuộc vào những dao động áp suất và nhiệt độ hơi là đặc bi ệt quan
  3. - 3- trọng. Hầu hết ứng suất nghiêm trọng xảy ra trong suốt quá trình kh ởi động và những biến đổi tải lớn đột ngột. • Một NLNLT có hiệu suất trong khoảng 30 đến 35%, nghĩa là t ốc độ nhiệt trong khoảng 11400-9800 Btu/KWh. Tốc độ nhiệt chịu ảnh hưởng bởi nhiều hệ số, chẳng hạn những điều kiện hơi, áp suất bộ ngưng tụ, nhiệt độ nước làm mát, nhiệt độ môi trường, khí áp,…Tốc độ nhiệt tăng khi làm việc tại những tải khác với tải cơ sở. Việc tiêu tốn nhiên liệu và giá cả làm cho việc cải ti ến t ốc đ ộ nhi ệt nh ư là m ột tiêu chuẩn về mặc kinh tế. • Việc trộn không hoàn hảo giữa không khí và nhiên li ệu s ẽ làm vượt quá lượng không khí để tránh việc nhiên liệu không được đốt hết, mà sẽ dẫn đến việc tạo khói đen và khí CO độc cũng nh ư nh ững lượng nhiên liệu dư khá nguy hiểm. Bên cạnh đó lượng không khí dư sẽ dễ hình thành những chất không mong muốn khác như sunfua dioxit, nitrogen oxit và làm giãm hiệu suất boiler do nhi ệt b ị tiêu phí trong khí nhiên liệu. Tấ cả những yêu cầu được đề cập ở trên đã dẫn đến việc phát tri ển những phương pháp điều khiển linh hoạt và toàn diện hơn. Chúng cũng cung cấp những chức năng cần thiết cho việc vận hành theo tải di ện rộng ch ất lượng cao và đồng thời cũng thoả mãn những ràng buộc trong vi ệc b ảo qu ản và kéo dài tuổi thọ của thiết bị chính, giải phóng chất ô nhiễm và tiêu tốn nhiên liệu dưới những thay đổi vật lý và những điều kiện kinh t ế. Do đó, ngay cả khi theo tải cũng cần xem xét việc ổn định tần s ố và đi ện áp, nh ững hệ thống điều khiển hiệu quả hơn cũng cần được thiết kế để thoả mãn tối ưu những mục tiêu vận hành, những xung đột tổng quát để mà NLNLT có thể vận hành thành công dưới bất kỳ tình huống hoạt động nào. Bên cạnh đó, dưới những đòi hỏi của thị trường hiện thời, một ph ương pháp toàn bộ cho vận hành và điều khiển những tổ h ợp năng l ượng là r ất quan trọng cho sự tồn tại của bất kỳ hệ thống điện nào. Khi được ứng d ụng hoàn hảo, những hệ thống điều khiển và những thiết bị có thể tăng cường hiệu suất vận hành máy, tính ổn định và tin cậy cũng nh ư s ự sẵn sàng, vì th ế làm giảm việc tiêu tốn nhiên liệu, chi phí vận hành và bảo trì mà hầu như rất tốn kém trong một tổ hợp năng lượng. Vì vậy, thật cần thiết để phát tri ển những hệ thống tự động hiệu quả và liên quan mật thiết đến toàn bộ chiến lược và hệ thống điều khiển của tổ hợp để giữ chúng vận hành hi ệu qu ả và có lợi. Cũng cần lưu ý rằng việc sử dụng rất nhiều hệ thống điều khi ển và thi ết bị dựa trên máy tính với những dụng cụ kỹ thuật số xử lý thông tin m ạnh m ẽ và tin cậy hơn cho phép những nhà thiết kế tập trung nhi ều h ơn trên vi ệc thực thi những ứng dụng phần mềm đáp ứng những thử thách được đề cập ở phần trên. Vì tính linh hoạt của phần mềm, và nh ững chi phí cho vi ệc phát triển và bảo trì có thể dễ dàng cài đặt vào những phần c ứng mà nó ch ạy
  4. - 4- trong đó, những nổ lực lớn trong việc thiết kế và phát triển những h ệ th ống phần mềm toàn diện và tổng quát để dễ dàng kết hợp những ứng dụng vận hành tiện lợi( ví dụ, bảo vệ, điều khiển và tự động hoá) đ ể tăng c ường hi ệu suất của những tổ hợp năng lượng [Garduno and Sanchez 1995, Garcia and Garduno 1998]. Trong luận văn này tác giả sẽ thiết kế một hệ thống điều khi ển toàn b ộ. Hệ thống này sẽ kết hợp giữa các lĩnh vực kỹ thuật điều khi ển, k ỹ thu ật phần mềm và kỹ thuật quá trình. Trong đó kỹ thuật phần m ềm đ ược xem là rất quan trọng để thiết kế hệ thống điều khiển cho NLNLT.
  5. - 5- CHƯƠNG I. TỔNG QUAN 1.1 Giới thiệu về mạng nơron và logic mờ Vào cuối thập kỷ 80 công ty Addison Wesley Publishing Company đã gây xôn xao dư luận khi tung ra thị trường Neural Network (Mạng trí tu ệ th ần kinh) được ví như là một kỹ xảo kỹ thuật gia công các thông tin mới, nhanh và chính xác. Chúng là các máy tính bắt chước cách sống giống hệ th ống thần kinh, các máy tính này làm việc khá khác bi ệt so v ới các máy tính thông thường. Nơron Network xử lý nhiều dữ liệu song song tại cùng một th ời điểm, không phải là xử lý từng dữ liệu một. Chúng xử lý rất nhiều dữ liệu đầu vào cùng một lúc, củng cố tăng cường một vài cái này, thu nhỏ giảm b ớt những cái khác. Đa số chúng đều phải làm theo một khuôn mẫu cho trước. Chúng tìm kiếm mẫu trong hàng loạt các thí dụ, nhận dạng mẫu, tìm kiếm các mẫu đầy đủ từ nguồn dữ liệu trong hệ thống, hoặc xây dựng lại mẫu đúng từ cái bị bóp méo. Rất nhiều các ví dụ phải làm với s ự am hiểu sáng sưốt và các dữ liệu khách quan như thị giác, thính giác và các tín hiệu khác. Nhìn chung, các ví dụ chứng tỏ cách chạy này có nhiều đặc tính của con người hơn là các máy tính được lập trình sẵn. Ngày nay, trí tuệ nhân tạo đang phát triển mạnh mẽ nhằm tạo ra cơ sở xây dựng các hệ chuyên gia, hệ trợ giúp quyết định. Trí tuệ nhân tạo được xây dựng trên cơ sở mạng nơron nhân tạo và ứng dụng trong thiết kế hệ thống điều khiển thông minh mà trong đó bộ điều khiển có khả năng tư duy như bộ não của con người đang là xu hướng mới trong điều khiển tự động. Mạng nơron là sự tái tạo bằng kỹ thuật những chức năng của hệ th ần kinh con người với vô số các nơron được liên kết truyền thông với nhau trong mạng. Điều khiển mờ là một phương pháp điều khiển thông minh phỏng theo quá trình xử lý thông tin không rõ ràng và ra quyết định điều khiển của con người. Phương pháp này rất thích hợp để điều khiển các đối t ượng ph ức tạp, không xác định được mô hình toán và các đối tượng phi tuyến. Tuy nhiên, bộ điều khiển mờ thường được thiết kế bởi quan điểm, cách nhìn riêng của người thiết kế. Người thiết kế biến sự hiểu biết, kinh nghi ệm của mình về quá trình cần điều khiển thành các biến ngôn ngữ và các qui t ắc mờ mô tả mối quan hệ giữa chúng. Do đó công việc thiết kế thường mang
  6. - 6- nặng tính “thử sai”, khi gặp các đối tượng phức tạp người thiết kế s ẽ mất rất nhiều thời gian mà kết quả có được có thể sẽ không tối ưu. Vấn đề tự chỉnh bộ điều khiển mờ là một trong những vấn đề đã được quan tâm nghiên cứu rất nhiều từ khi điều khiển mờ khẳng định được là một phương pháp hiệu quả để điều khiển các đối tượng phức tạp. Do đó để giảm đi việc tính toán thủ công và rút ngắn th ời gian thiết kế,người ta kết hợp logic mờ và mạng nơron tạo ra khả năng tự chỉnh cho các tập mờ. Và hệ thống này được gọi là hệ neuro-mờ. Hầu hết những quá trình công nghiệp là phi tuyến và biến đổi theo th ời gian. Nhận dạng hệ thống phi tuyến đang trở thành một công cụ quan trọng mà có thể được dùng để cải tiến quá trình điều khiển và đạt được độ bền vững cao. Có nhiều kỹ thuật nhận dạng phi tuyến khác nhau,trong đó có nhận dạng bằng mạng nơron ,nhận dạng bằng mô hình mờ và những phương pháp dựa trên mô hình neuro-mờ đang dần được thiết lập không những trong giáo trình mà cả trong những ứng dụng công nghiệp. Mô hình neuro-mờ được xem như là một kỹ thuật hộp xám nằm giữa m ạng n ơron và mô hình mờ định tính. Những công cụ để xây dựng những mô hình neuro-m ờ dựa trên sự kết hợp những thuật toán từ lĩnh vực mạng nơron,xác nhận đặc tính và phân tích hồi quy. Phương pháp neuro-mờ cho nhận dạng hệ th ống phi tuyến có ưu điểm là cân bằng giữa sự chính xác c ủa m ạng n ơron và tính diễn giải được. 1.2.Tình hình nghiên cứu mạng nơron và logic mờ trên toàn cầu: Nghiên cứu về mạng Nơron đã được quan tâm từ những năm 40 của thế kỷ 20. Khoảng những năm 90 Nơron được đặc biệt chú ý bởi khả năng ứng dụng rộng lớn của nó. Chương trình nghiên cứu về Nơron tập chung nghiên cứu ở Mỹ (50 tổ chức trong các viện nghiên cứu và trường đại học,riêng California đã có 15 tổ chức nghiên cứu). Ở Anh có 20 tổ chức,Đức (7),Nhật (7), Pháp (6), Th ụy sỹ(4),Thụy điển (4),Hà lan (4),Australia (3), Ytalia (3),Canađa (3), Nga(1),Czech (1),Balan(1),Hungary(1), Hàn quốc (1),Singapor (1),Hong kong (1)v.v…Ơ Mỹ, tại bang California,Tr ường Đại học California San diego có Chương trình tính toán và Hệ thống Nơron của Caltech, Viện tính toán Nơron, Nhóm nghiên cứu khoa học Máy tính Nhận thức,Trung tâm nghiên cứu Ngôn ngữ,Phòng thí nghiệm Kỹ thuật Nơron,Trung tâm Sloan Sinh học Nơron Lý thuyết. Đại học California Santa Cruz có Nhóm Máy D ạy h ọc, Nhóm Sinh học tính toán. Đại học Nam California có Phòng thí nghiệm Tính toán Nơron. Đại học Stanford có nhóm Lập trình Gen. Ở Carlsbad có Động lực học Nơron ứng dụng. Ở Moffett Field có Nhóm Kỹ thuật Nơron NASA.
  7. - 7- Bang Massachusetts, có Trung tâm D ạy học Tính toán và Sinh h ọc t ại Vi ện Công nghệ Massachusetts -MIT,Nhóm tính toán ở khoa Não và khoa h ọc Nhận thức thuộc MIT,NeuoDyne Ins, Cambridge. Bang Washington có Phòng Thí nghiệm ứng d ụng,Trí tu ệ Tính toán thu ộc Đại học Washington,Nhóm Nghiên cứu Nơron tại Phòng thí nghiệm X ử lý Thông tin. Nhóm nghiên cứu Nơron thuộc Phòng thí nghi ệm Pacific Northwest tại Washington. Bang Texas có Phòng thí nghiệm Kỹ thuật Nơron R&D thuộc Đại h ọc Texas ở Austin.Phòng thí nghiệm Tính toán Ứng dụng tại đại học Kỹ thuật Texas. Bang Pensylvania có Trung tâm C ơ s ở N ơron c ủa Nh ận th ức t ại Carnegie Melon. Bang Ohio có Phòng Thí nghiệm Hệ thống Nơron Nhân tạo thuộc Đ ại h ọc Cincinnati. Bang New Mexico có Nhóm Tính toán Thích nghi thuộc Đ ại h ọc New Mexico. Nhóm Tính toán Thích nghi Phi tuy ến thuộc Phòng thí nghi ệm Qu ốc gia Los Alamos. Bang New Jersey có Nhóm Nghiên cứu Nơron Nhân t ạo ở Vi ện nghiên c ứu NEC,Princeton. Nhóm Nhận thức,Trí tuệ và Tính toán dựa trên DNA,ở Viện nghiên cứu NEC,Princeton v.v… Anh: có Trung tâm M ạng N ơron t ại tr ường Hoàng gia London. Trung tâm Hệ thống Nơron tại Đại học Edinburgh. Nhóm Nghe,Nhìn và Robot Đ ại h ọc Cambridge. Nhóm Nghe,Nhìn và Hệ thống Thông minh Đại h ọc Southhampton.Nhóm Nghiên cứu Trí tuệ Nhân tạo thuộc Đại học Nottingham. Nhóm nghiên cứu Hệ thống Thông minh, khoa Khoa H ọc Máy tính thuộc Đại học London v.v… Nhật: có Phòng Thí nghiệm Robot và Cơ -Điện tử thuộc Đại h ọc Nagoya. Phòng thí nghiệm Okabe và Hirose thuộc Đại học Tokyo. Phòng thí nghi ệm Sinh-Điện tử thuộc Đại học Nagoya.Phòng thí nghiệm Nghiên cứu Xử lý Thông tin Người ở Kyoto v.v… Đức: có Viện Tin học Nơron ở Đại học Ruhr,Bochum. Nhóm nghiên cứu Mờ và Tính toán Mềm tại Đại học Braunschweig. Nhóm Nhiên cứu Mờ và Nơron tại Đại học Công nghệ Damstardt. Nhóm Nhìn- Máy tính và Nhận dạng thuộc Đại học Bon. Trung tâm nghiên cứu Trí tuệ Nhân t ạo Đ ức DFKI thuộc Kaiserlautern. Nhóm Nghiên cứu Nơron của GMD FIRST tại Berlin.Viện Logic, Tổ hợp và Hệ thống Suy diễn tại Đại học Karlsruhe. Pháp: có Nhóm nghiên cứu Tin-Sinh h ọc Trường Cao c ấp,Pari. Nhóm tính toán Nơron thuộc Phòng Tin học Pari Nord. Nhóm nghiên c ứu N ơron ở LEIBNIZ, Grenoble. Nhóm nghiên cứu Laplace,Mô hình gần đúng trong Robot và Trí tuệ Nhân tạo ở LEIBNIZ, Grenoble.
  8. - 8- Hungary: có Nhóm Xử lý thông tin Nơron thuộc Đại h ọc Eotvos Lorand, Budapest. 1.3.Một số công trình nghiên cứu mạng Nơron đã công bố ở nước ngoài: Đa số các nhà nghiên cứu các Hệ th ống Thông minh ch ấp nh ận r ằng : Trí tuệ Tính toán (Computational Intelligence) do Hội đồng Mạng Nơron Th ế giới đưa ra vào năm 1991 và Tính toán mềm (Soft computing) do Lofti A Zadeh, giáo sư đại học California Berkeley đua ra năm 1990 là đồng nghĩa và được sử dụng thay thế lẫn nhau. Trí tuệ Tính toán đ ược chấp nhận là một thuật ngữ để biểu diễn các kỹ thuật cho việc ra quy ết định dựa trên vi ệc x ử lý thông tin không chắc chắn. Về cơ bản, Trí tuệ Tính toán bao gồm Logic Mờ, Mạng Nơron , Thuật giải Di truyền, Lập luận Xác xuất,các Phư ơng pháp Học, Lý thuyết Hỗn độn, các Hệ chuyên gia. Một điều quan trọng cần nhấn mạnh là Trí tuệ Nhân tạo không chỉ là một tập hợp các ph ương pháp luận cho lập luận dựa trên thông tin không chắc chắn mà là sự liên kết các phương pháp trong đó mỗi phương pháp đều có lợi th ế riêng để tiến tới đ ạt mục tiêu chung. Bởi vậy, các thành phần của Trí tuệ Tính toán ph ải đ ược xem như các phần bổ xung cho nhau chứ không phải tương đương. Tất cả các kỹ thuật đó nhằm mục đích đưa ra một dạng “ Máy Thông minh “nào đó mà nó có thể bắt chước sự sưy nghĩ của con ng ười trong việc ra quyết định. Động cơ chủ yếu cho việc sử dụng Trí tuệ Tính toán là khai thác khả năng xử lý thông tin không chính xác, không ch ắc ch ắn, ch ỉ đúng m ột ph ần và k ết quả đạt được là tính dễ áp dụng,sự năng động và các giải pháp chi phí thấp cho các vấn đề phức tạp. Đây cũng là mục tiêu do giáo s ư Lofti A Zadeh , Đại học California Berkeley (người sáng tạo Lý thuyết Tập Mờ 1965) đưa ra vào đầu những năm 1990 đối với sự phát triển của các Hệ Thông minh. Hai dạng của Mạng Nơron thường được sử dụng trong Kỹ thuật Robot là Mạng Hopfield và Mạng Perceptron nhiều lớp do Hopfied đa ra 1982, Kohonen 1984, Rumelhart 1986. Những mạng khác bao gồm Mạng C ạnh tranh & Hợp tác do Amari &Arbib nghiên cứu năm 1977 và Mạng Th ưởng phạt do A.G.Barto&C.W.Anderson 1983. Hệ thống Robot bao gồm 3 hệ thống phụ là : Hệ thống truy ền động, Hệ thống Nhận dạng và Hệ thống Điều khiển. Những vấn đề chính của Điều khiển Robot bao gồm Động học, Động lực học, Lập kế hoạch đường đi (Thiết lập quĩ đạo ), Điều khiển, Cảm biến, Lập trình và Trí tu ệ (Thông minh). Mạng Nơron có thể giảm tổ hợp tính toán và giải những bài toán robot được đưa ra “yếu”. Lời giải giải tích của động học ngược làm chính xác k ết quả số, trong khi lời giải Mạng Nơron nói chung không làm chính xác.Công việc phát triển Động học ngược Nơron được T.Iberall phát triển năm 1987, A.Guez năm1988.
  9. - 9- Trong Động lực học Robot Nơron , M.Kawato,Furukawa,Sưzuki phát triển năm 1987. Y.Uno &M.Isobe 1988. S.G.Tzafestas1986, M.Kawato,Y.Maeda,Y.Uno &Sưzuki 1990. Mạng Nơron sử dụng nhằm thiết lập quĩ đạo được K.Tsưtsưmi 1988, H.liu1988, R.Ecmiller 1987. Bài toán lập quĩ đạo tránh vật cản sử dụng Mạng Hopfield đ ược H.matsưmoto& K.Tsưtsưmi phát triển. Trường hợp Robot Di động, Thiết lập quĩ đạo với Mạng Nơron đ ược nghiên cứu bởi V.Seshadri1988.Ở đây Mạng Nơron cố gắng cực tiểu hoá độ dài đường đi. Nick Vallidis đã nghiên cứu điều khiển Hexapod di động b ằng mạng Nơron , 2000. L.M.Reyneri, M.Chiaberge Khoa điện tử, Đ ại h ọc Bách khoa Torino- Italy nghiên cứu phần cứng-Mạng Mờ-Nơron điều khiển Hexapod Di động, 1993-2000. Điều khiển Robot bằng Mạng Nơron được gọi là Điều khiển khớp bằng mô hình tiểu não CMAC do Albus 1975 –1979. Giáo s F.L.Lewis,Viện nghiên cứu Robot và Tự động hoá, Đại học Texas –Arlington USA đã ứng dụng CMAC để điều khiển hệ động lực phi tuyến, 1997. Nhận dạng hệ động lực phi tuyến sử dụng mạng Nơron được S.J.Jagannathan, Liên hợp Phân tích Tự động hoá, USA nghiên cứu năm 1996. Y.Pao&D.Sobasic 1987 thực hiện hệ thống điều khiển vị trí robot hai b ậc t ự do sử dụng Mạng Nơron Perceptron. A.Guez sử dụng mô hình thích nghi (MRAC). W.T. Miler s ử d ụng k ỹ thu ật CMAC trong liên kết với phương pháp điều khiển mô men. R.Elsley th ực hiện điều khiển Jacobi ngược,sử dụng Mạng Perceptron nhiều lớp. Mạng Nơron Được sử dụng trong cảm biến và điều khiển Robot nhiều l ớp, liên tục bởi R.Esley, &Y.Pati 1988. Điều khiển thích nghi hệ động lực h ọc phi tuyến s ử dụng m ạng N ơron được giáo sư A.M.Annaswamy, Phòng thí nghiệm Điều khiển thích nghi - Khoa Chế tạo Máy – Viện Công nghệ Massachusetts –MIT nghiên cứu, 1997. Ứng dụng Mạng Nơron điều khiển ngược theo vết được giáo s ư K. S. Narendra, Trung tâm Khoa học Hệ thống, Đại học Yale,USA nghiên cứu, 1999. Giáo sư Vukobratovic, Trung tâm Robot, Viện Mikhailo Pupin, Nam t ư (cũ ), phó chủ tịch Viện Hàn lâm Khoa h ọc, đã nghiên c ứu phân lo ại mô hình động lực học môi trường trên cơ sở Nơron để điều khiển robot,1998. Bộ điều khiển Mờ-Nơron để dẫn huớng Robot Di động và hộ tống đội robot được giáo sư M.M.Trivedi Khoa Kỹ thuật Điện và Máy tính, Đại học California San Diego,USA nghiên cứu,1998. Giáo sư, Viện sĩ, Vámos Tibor, nguyên Viện trưởng Viện Tin học và Tự động hoá- Hungary, - nguyên chủ tịch Hội Máy tính Neyman János (Von
  10. - 10 - Neyman), nguyên chủ tịch Hội Điều khiển Tự động Quốc tế IFAC đã nghiên cứu kỹ thuật Nhận dạng –Trí tuệ Nhân tạo cho robot. Giáo sư,Viện sĩ Hyungsưck Cho, Khoa Ch ế tạo máy,Vi ện Khoa h ọc &Công nghệ Cao cấp Hàn quốc- KAIST, Hãng Thép và Kim lo ại Pohang- POSCO, Viện trưởng Viện Điều khiển,Tự động hoá và Kỹ thuật Hệ thống, đã nghiên cứu điều khiển và cảm biến nano cho robot,2001. Giáo sư T.Fukuda, Khoa Kỹ thuật Vi Hệ thống,Trung tâm Hợp tác Khoa học &Công nghệ Cấp cao, Đại học Nagoya- Nhật bản, nguyên Chủ tịch Hội Robot và Tự động hóa Quốc tế, Chủ tịch Hội đồng Công nghệ Nano Qu ốc tế, đã nghiên cứu Mạng Mờ-Nơron -Thuật giải AND để điều khiển robot, 2000. Công nghệ Nano đang mở ra những triển vọng to l ớn. Vi ệc ch ế t ạo ra những robot nhỏ cỡ Nano 10-9mm đòi hỏi những nghiên cứu mới về cơ sở lý thuyết cũng như công nghệ. Giáo sư Toshio Fukuda, đặc biệt nhấn mạnh tầm quan trọng của Robot Micro-Nano trong Kỹ thuật Robot và Tự đ ộng hoá tương lai. Giáo sư,Viện sĩ G.M.Edelman,giải thưởng Nobel, Viện trưởng Viện Khoa học Nơron - USA,Chủ tịch Hội nghiên cứu Khoa học Nơron Quốc t ế, đã mô phỏng Nơron hệ thống Nghe-Nhìn của loài chim để điều khiển robot,1999. Giáo sư đã khẳng định, việc nghiên cứu này đặc biệt quan trọng dưới ánh sáng của lý thuyết Não Hiện đại, nhấn mạnh tầm quan trọng của môi trường và thực nghiệm Motor-Cảm biến Nơron. Sự hiểu biết những nguyên tắc cơ bản của não sẽ có ảnh hưởng mạnh mẽ đến thiết kế Hệ thống Nhân tạo hoạt động trong thế giới thực.Chúng ta tin tưởng rằng những nghiên cứu mô hình Nơron tổng hợp sẽ tham gia một cách có ý nghĩa bởi sự thiết lập mối liên hệ trực tiếp giữa khoa học Tự nhiên và Khoa h ọc Kỹ thu ật, đ ư a ra tư t- ưởng mới trong lĩnh vực Robot và Trí tuệ Nhân tạo. 1.4.Một số công trình nghiên cứu mạng Nơron đã công bố ở trong nước: Ở Việt nam bắt đầu nghiên cứu Nơron từ năm 1992 tại Viện Cơ h ọc và Viện Tin học trong khuôn khổ đề tài cấp Nhà nu ớc KC-02 Điều khiển thời gian thực. Hiện nay một số cơ sở đang nghiên cứu nh ư Trung tâm Tự động hoá-Viện tin học, Khoa Công nghệ Thông tin - ĐHBK.HN, Bộ môn Đi ều khi ển T ự động ĐHBK.HN, Học viện Bưu chính Viễn thông, Khoa Công nghệ Thông tin ĐHBK.HCM,Đại học Giao thông Vận tải, Viện Vật lý, Vi ện toán h ọc, VietcomBank, Viện Năng lượng Nguyên tử, Học viện Kỹ thuật Quân sự, Đại học Quốc gia - HCM. Công tác đào tạo đ ược triển khai, đã có những luận án Tiến sĩ (2), Thạc sĩ và bu ớc đầu được giảng dạy cho sinh viên. Tuy nhiên những nghiên cứu thường rải rác,chưa tập trung thành những nhóm nghiên cứu mạnh để có thể bước đầu đưa vào ứng dụng và có thể hợp tác với các tổ chức quốc tế.
  11. - 11 - 1.5 Tổng quan về tình hình nghiên cứu tổ h ợp năng l ượng nhiên li ệu than Một NLNLT cung cấp năng lượng điện là kết quả của những quá trình chuyển đổi năng lượng. Cụ thể, những chuyển đổi chính là sự đốt cháy nhiên liệu đầu vào, tạo hơi, phát triển chuyển động quay, sản xuất năng lượng điện và ngưng tụ hơi. Tất cả những chuyển đổi này tạo thành một chu trình nhiệt động lực học lớn và phụ thuộc lẫn nhau cao độ. Những chiến lược điều khiển hiện thời cho phép tạo ra năng lượng cần thiết để thoả mãn yêu cầu tải trong khi duy trì sự cân bằng giữa nh ững quá trình chuyển đổi trong tổ hợp. Chủ yếu, chúng gắn kết ngõ ra năng lượng lưu lượng hơi của boiler với năng lượng được yêu cầu bởi tuabin-máy phát để đạt được tải điện ở mọi thời điểm. Sơ đồ điều khiển tổ hợp cấu thành lớp cao nhất của hệ thống điều khiển và nó chịu trách nhiệm cho việc điều khiển boiler-tuabin-máy phát như một đối tượng đơn. Đặc tính nổi bật của tổ hợp được quản lý thông qua những vòng điều khiển năng lượng và áp suất. Việc phát triển từ những cấu hình vòng điều khiển SISO d ựa trên thu ật toán điều khiển PID, những chiến lược này có thể phân loại thành ba l ớp: điều khiển theo boiler, điều khiển theo tuabin và điều khiển boiler-tuabin. Sơ đồ theo boiler được dùng đầu tiên . Trong s ơ đồ này, boiler s ẽ ch ờ đ ợi hành động của tuabin để sản xuất năng lượng. Những van điều khi ển tuabin điều chỉnh lưu lượng hơi vào trong tuabin với đối số là công suất yêu cầu. Sau đó, điều khiển boiler tương ứng với những thay đ ổi trong l ưu l ượng h ơi và áp suất. Sai lệch áp suất tiết lưu so với setpoint được dùng bởi đi ều khi ển quá trình đốt nhiên liệu để điều chỉnh lượng nhiên liệu và không khí vào trong buồng đốt, và việc tạo hơi được hiệu chỉnh theo yêu cầu của tuabin. Thuận lợi của phương pháp này là đáp ứng nhanh với thay đổi tải: tuabin là một dụng cụ hoạt động nhanh có thể đáp ứng rất nhanh với những yêu cầu tải sử dụng năng lượng nhiệt được lưu trữ trong boiler. Điều bất lợi là phương pháp này thể hiện việc điều khiển áp suất tiết lưu ít ổn định vì boiler có xu hướng vượt quá vì nó đòi hỏi thời gian để hoà hợp với tuabin. Sơ đồ điều khiển theo tuabin được dùng trong những năm 60-70. Trong sơ đồ này, tuabin sẽ theo những hoạt động của boiler. Yêu cầu công su ất đ ược dùng bởi điều khiển đốt tại boiler để điều chỉnh lượng nhiên liệu và không khí vào trong buồng đốt để điều chỉnh việc sản xuất h ơi. Sau đó đi ều khi ển tuabin đáp ứng bằng cách hiệu chỉnh những van tiết lưu để giữ áp suất tại setpoint. Tuabin chịu trách nhiệm hoàn toàn trong việc điều khiển áp suất ti ết lưu. Thuận lợi của phương pháp này là đáp ứng rất ổn định với những thay đổi tải với sự dao động áp suất hơi và nhiệt độ tối thiểu, vì những thay đổi tải phụ thuộc vào hoạt động của boiler là thiết bị chậm hơn so với tuabin. Bất lợi chính của phương pháp là không sử dụng khả năng lưu trữ năng lượng của boiler, vì thế tạo ra đáp ứng chậm hơn.
  12. - 12 - Được sử dùng nhiều nhất trong thập kỷ 50 là sơ đồ điều khiển phù hợp(coordinated control (CC)). Trong sơ đồ này, công suất được đưa đồng thời đến boiler và tuabin. Phụ thuộc vào các cặp biến được điều khi ển và điều khiển, có hai sơ đồ cho CC: sơ đồ theo boiler và sơ đồ theo tuabin [Landis and Wulfsohn 1988]. Với sơ đồ thứ nhất, bộ điều khiển t ải t ạo l ệnh cho van tiết lưu hơi từ yêu cầu tải tổ hợp và công su ất t ạo ra, b ộ đi ều khi ển áp suất tạo lệnh cho cho van nhiên liệu/không khí từ áp suất tiết l ưu đo đ ược và setpoint áp suất mà sẽ có được từ yêu cầu tải tổ h ợp thông qua ánh x ạ phi tuyến (hình 1.1). Trong sơ đồ thứ hai, bộ điều khiển tải tạo l ệnh cho nh ững van nhiên liệu/không khí từ yêu cầu tải tổ hợp và công suất t ạo ra. L ệnh đ ến van tiết lưu được tính toán từ áp suất hơi tiết lưu đo được và setpoint áp suất mà sẽ có được từ yêu cầu tải tổ hợp thông qua ánh xạ phi tuyến (hình 1.2). Những chiến lược điều khiển phù hợp sẽ kết hợp những thuận lợi của hai chiến lược trên và tối thiểu những bất lợi cuả chúng, nghĩa là , chúng c ố gắng giữ đặc tính đáp ứng ổn định của sơ đồ theo tuabin và đặc tính đáp ứng nhanh của sơ đồ theo boiler. Để đạt được đáp ứng nhanh,tuabin-máy phát được phép sử dụng năng lượng được lưu trữ trong boiler. Để đạt được ổn định, điều khiển boiler hiệu chỉnh tốc độ đánh lửa theo tải yêu c ầu, trong khi giữ cho tuabin không vượt quá năng lượng được cung cấp bởi boiler. Đáp ứng tổ hợp ở CC phải nhanh hơn sơ đồ theo tuabin nh ưng không nhanh b ằng sơ đồ theo boiler. Những ưu điểm khác của phương pháp điều khiển phù hợp là khả năng dễ dàng thực hiện giảm tải và biến đổi áp suất với điều khi ển tải chính xác. Từ quan điểm thực tế, người ta mong muốn có một cấu trúc tổng quát cho điều khiển phù hợp mà có thể cấu hình lại với bất kỳ sơ đồ hoạt vận hành nào, hoặc có thể được điều chỉnh để thể hiện bất kỳ ứng xử nào gi ữa các s ơ đồ điều khiển. Những cấu trúc này chứa những cấu hình nhiều vòng lặp phân tán của những bộ điều khiển SISO dùng những thuật toán cổ đi ển PI hay PID. Những sơ đồ này đối mặt với những thách thức nghiêm trọng bởi những yêu cầu vận hành theo tải diện rộng. Trong những điều kiện này, hiệu suất có thể giảm do những biến đổi phi tuyến lớn và nh ững hiệu ứng kết hợp của những quá trình động. Người ta đã dùng những bộ bù để tăng c ường sơ đồ điều khiển phù hợp nhiều vòng lặp bằng cách giảm những hiệu ứng tương tác giữa các vòng điều khiển. Rất nhiều nghiên cứu đã được thực hiện trong nhiều thập kỷ qua nhưng hầu hết các kết quả đều là nh ững s ản ph ẩm riêng của những nhà phát triển và không có một phương pháp được chấp nhận rộng rãi hay tổng quát để thực thi chúng, vì thế cần thi ết nh ững phương pháp thiết kế mang tính hệ thống và tổng quát h ơn. Đi ểm c ốt y ếu là việc thiết kế bộ bù tương tác dựa trên mô hình toán học là gần nh ư không thể thực hiện và trở nên quá phức tạp sẽ loại bỏ ứng dụng của nó.
  13. - 13 - Hình 1.1. Sơ đồ điều khiển theo boiler Hình 1.2. Sơ đồ điều khiển theo tuabin 1.5.1. Những hệ thống điều khiển tiên tiến Mặc dù không có định nghĩa chung cho điều khiển tiên tiến, nhiều phương pháp đã dùng những mô hình toán học của quá trình, ho ặc là ở quá trình thi ết kế hay trong suốt quá trình vận hành, hiện thời được gọi là tiên tiến. Hầu hết sự chú ý tập trung vào chỉ số hiệu suất toàn phương. Ứng dụng thực tế của kỹ thuật này cho điều khiển toàn bộ bị giới hạn bởi tính phức tạp của việc thực thi, dễ bị ảnh hưởng bởi sự không chắc chắn của mô hình, cần ph ải
  14. - 14 - reset lại hoạt động của các bộ điều khiển, và việc dùng những kỹ thuật đi ều khiển tuyến tính trong những hệ thống phi tuyến cao độ. Mặc dù không ph ải là một chiến lược điều khiển tổ hợp toàn bộ, ứng dụng liên quan nhất của những kỹ thuật điều khiển tối ưu nhiều biến mà [Nakamura và Uchida 1989] đã đưa vào vận hành một bộ điều chỉnh toàn phương tuyến tính cho nh ững nhiệt độ hơi trong boiler của một tổ máy 500MW tại Kyushu Electric Company, Japan, 1978. Bước đột phá này, trong đó những sơ đồ điều khiển nhiệt độ, gồm những kỹ thuật khác như nhận dạng và dự đoán không gian trạng thái, lập trình toán học phi tuyến, điều khiển thích nghi tham kh ảo mô hình và tối ưu đã trở thành chuẩn cho nh ững tổ h ợp năng l ượng than c ủa người Nhật trong suốt 25 năm qua, cho phép họ vận hành với những mức cao nhất của hiệu suất nhiệt. Người ta cũng thực hiện nhiều nghiên cứu để áp dụng những phương pháp tách riêng ra(decoupling) để làm giảm hay loại bỏ những ảnh hưởng tương tác giữa các vòng điều khiển. Trong sơ đồ điều khiển tổ hợp theo boiler dùng bộ bù dựa trên hồi tiếp trạng thái để giảm ảnh hưởng tương tác của hệ thống cho tổ hợp 150 MW ở Ontario Hydro, Canada. Bộ bù tạo ra những tín hiệu bù cho bốn ngõ vào điều khiển chính là tổng của những tín hiệu đi ều khiển chính và vectơ trạng thái quá trình sử dụng nh ững ma trận độ lợi h ằng số, được tính từ mô hình tuyến tính không gian trạng thái b ậc 9 c ủa máy. Vectơ trạng thái được dự đoán dùng bộ lọc Kalman. Những kết quả mô phỏng cho thấy tải có khả năng vận hành trong khoảng 75% đến 100% khoảng vận hành tải với lỗi biến quá trình và ảnh hưởng tương tác giảm. Không có chi tiết về số lượng mô hình tuyến tính được dùng trong khoảng tải cũng như những ma trận độ lợi trong khoảng đó. Những bộ điều khiển tách rời dựa trên mô hình bậc 12 được thực thi trong máy thực. So với đi ều khiển truyền thống, sơ đồ tách riêng xấp xỉ làm cho lỗi đi ều khi ển gi ảm, tăng độ ổn định tải thấp, hiệu chỉnh thông số đơn giản và không nhạy với những biến đổi máy. Khó khăn chính với phương pháp tách riêng là thiết kế bộ bù tách riêng. Thiết kế bộ bù động là quá nặng nề và sự phức tạp ngăn cản ứng dụng của chúng. Về nguyên tắc, điều khiển thích nghi dường như rất phù h ợp cho đi ều khiển toàn bộ nhà máy điện. Khả năng của hệ thống điều khiển liên quan với những thay đổi động của quá trình rất hấp dẫn cho vận hành di ện rộng. Trong [Marc, et al. 1980] ảnh hưởng của nhiễu và biến đổi thông số trong thiết kế một bộ điều khiển thích nghi cho máy phát hơi 250 MW được xem xét. Trong [Mabius, et al. 1980] một cơ cấu thích nghi tham khảo mô hình được đề nghị để cung cấp những tín hiệu điều khiển tăng cường cộng vào những tín hiệu điều khiển của điều khiển vòng mở. Giả sử vận hành xung quanh một điểm vận hành cố định, lý thuyết điều khiển tuyến tính được dùng để thiết kế bộ điều khiển, những thông số luật điều khiển được điều chỉnh dùng sơ đồ dựa trên Lyapunov để bảo đảm sự ổn định của vòng kín.
  15. - 15 - Không may, chỉ có thiết kế được thể hiện mà không có kết qu ả v ề hi ệu su ất hệ thống điều khiển. Những phuơng pháp điều khiển bền vững cũng được đề nghị cho đi ều khiển tổ hợp. Trong [Weng and Ray 1997] một chiến lược điều khiển truy ền thẳng-hồi tiếp được đề xuất cho điều khiển theo tải bền vững diện rộng. Điều khiển truyền thẳng tối ưu những ngõ vào điều khiển, nhận nh ững ràng buộc của chúng, dọc theo khoảng vận hành diện rộng và điều khi ển h ồi ti ếp được dùng để khắc phục những bất định mô hình máy và nhiễu ngoại sinh đảm bảo ổn định và hiệu suất bền vững. Điều khiển truy ền th ẳng gi ải quyết bài toán lập trình phi tuyến cho hàm tối ưu và những ràng bu ộc d ọc theo đặc tính tải đã cho. Điều khiển hồi tiếp được thiết kế dùng kỹ thuật H ∞ . Phương pháp này thoả mãn yêu cầu hiệu suất trong khoảng 40-100% khoảng tải và loại bỏ tốt nhiễu biết trước. Một vài nhược điểm là nh ững yêu cầu tính toán quá nhiều, cùng với thông tin đáp ứng tần số và mô hình tuyến tính của máy. Mặc dù có tiến bộ lớn trong lý thuyết hệ thống điều khiển, những thực thi những sơ đồ tiên tiến cho NLNLT vẫn còn hiếm. Do những sơ đồ đề xuất không thể hiện tốt dưới những yêu cầu thế giới thực ch ẳng h ạn hiệu suất thời gian thực, khoảng vận hành diện rộng, động quá trình phức tạp và nhi ều chiều hay những điều kiện giả sử hiếm khi xảy ra trong th ực t ế là nhi ễu Gauss, thông số quá trình hằng số, đo đúng và chính xác, đ ộng quá trình đ ược biết. Có lẽ, bất lợi chính của hầu hết những phương pháp tiên tiến này là yêu cầu những mô hình toán học chính xác cho thiết kế và vận hành. B ậc và độ phức tạp cao của của tổ hợp năng lượng đã ngăn cản việc thực thi nh ững s ơ đồ điều khiển tập trung dựa trên mô hình toán học. Nói cách khác, tính huống này đã thúc đẩy sự tồn tại lâu dài của những cấu hình nhiều vòng dựa trên những thuật toán điều khiển PID truyền thống. 1.5.2 Những phương pháp lai thông minh Vẫn có một phương pháp thứ ba áp dụng nh ững kỹ thuật thông minh nhân tạo nổi bật gần đây hay sự pha trộn của chúng với điều khiển tiên ti ến và truyền thống, trong một nổ lực liên quan đến những phức tạp mà không được giải quyết thoả mãn bởi những kỹ thuật được đề cập ở phần trên. Trong [Mamdani 1974, Mamdani and Assilian 1975], một bộ điều khiển dựa trên lý thuyết tập mờ [Zadeh 1965, Zadeh 1968, Zadeh 1973] đ ược gi ới thi ệu lần đầu tiên. Giải thuật mờ mô phỏng quá trình lập luận của con người, được dùng để điều khiển máy hơi nước trong phòng thí nghiệm. Áp suất h ơi và tốc độ rotor được điều chỉnh bằng cách thao tác ngõ vào nhiệt boiler và độ mở tiết lưu máy theo một tập những luật ngôn ngữ. Thực nghiệm chỉ ra rằng những kết quả tương tự hay tốt hơn so với những bộ điều khiển cổ đi ển. Công việc này minh hoạ tính khả thi trong việc xây dựng những giải thuật
  16. - 16 - xác định thời gian thực hiệu quả, mở đầu một lĩnh vực mới trong kỹ thu ật điều khiển. Trong [Ray and Majumder 1985] lý thuết tách rời phi tuy ến và lôgic mờ được dùng để điều chỉnh áp suất bao hơi và mức nước bao h ơi trong m ột t ổ hợp 200MW ở những điều kiện vận hành khác nhau. Đầu tiên, một luật đi ều khiển tách rời được thiết kế cho mô hình máy phi tuy ến bậc ba v ới gi ả s ử rằng thông số hệ thống được biết chính xác và là những h ệ con SISO không tương tác. Sau đó, những bộ điều khiển lôgic mờ được dùng cho đi ều khi ển vòng kín trong mỗi hệ con. Hiệu suất tốt của sơ đồ điều khiển đ ạt đ ược khi tính với nhiễu trạng thái, biến đổi thông số ngẫu nhiên và t ừng ph ần, thay đổi setpoint, nhạy thông số,tách rời không hoàn hảo và thiếu tách rời. Trong [Marcelle, et al. 1994] một sơ đồ điều khiển kết hợp logic mờ và điều khiển tối ưu cho vận hành chu trình của những tuabin h ơi l ớn đ ược th ể hiện. Ứng suất tua bin tổng và lỗi tải được tối thiểu bằng cách g ắn k ết đi ều khiển van điều chỉnh tuabin và áp suất hơi boiler. Một hệ thống mờ ưu tiên những đối tượng hiệu suất và cung cấp những trọng số trong hàm gía trị mà được dùng bởi bộ điều khiển tối ưu. Sau đó, một thuật toán điều khiển dự đoán mô hình được dùng để tính van tối ưu và những giá trị setpoint áp suất để cân bằng giữa theo tải tốt và tối thiểu ứng suất. Hi ệu su ất t ốt h ơn khi so sánh với bộ điều khiển áp suất biến đổi và áp suất h ằng số và cũng v ới m ột bộ điều khiển dự đoán mô hình với những độ lợi cố định và th ời gian d ự đoán cố định. Trong [Dimeo and Lee 1995] giải thuật di truy ền đ ược dùng đ ể tinh ch ỉnh tối ưu sơ đồ điều khiển kết hợp dựa trên PI và bộ đi ều khi ển h ồi ti ếp tr ạng thái cho một tổ hợp phi tuyến bậc ba. Đối tượng điều khi ển là theo đáp ứng bước ở ngõ ra áp suất và công suất. Trong khi nững ứng dụng khả thi của giải thuật di truyền là cơ cấu tinh chỉnh hoàn hảo, vẫn có một vài sai xót trong những cấu trúc điều khiển được đề xuất. Vị trí của những độ lợi kết hợp chéo trong sơ đồ điều khiển kết hợp dựa trên PI là không thu ận ti ện, vì nó tạo ra đáp ứng dao động và sơ đồ điều khiển tối ưu giả sử rằng tất cả các biến trạng thái sẵn sàng cho mô phỏng. Trong [Tevera 1995] một sơ đồ tổ hợp có thể cấu hình lại có thể chuy ển giữa những chiến lược điều khiển khác nhau( ví dụ, theo boiler, theo tuabin và điều khiển hoà hợp). Cấu hình lại hệ thống được th ực hiện trực tuy ến bởi bốn hệ chuyên gia làm việc cùng nhau tại mức giám sát. H ệ đ ầu tiên nhận định trạng thái vận hành và những yêu cầu cho tổ h ợp. H ệ th ứ hai tính toán hiệu suất của sơ đồ điều khiển khi vận hành. Hệ thứ ba tính toán hiệu suất của những sơ đồ khác dưới những điều kiện hiện thời. Cuối cùng, hệ thứ tư sơ đồ nào là tiện lợi nhất và chuy ển sơ đồ nếu đ ược phép c ủa ng ười vận hành. Điều khiển được thực hiện thành công trong một h ệ th ống phát triển và tính toán phần mềm điều khiển dùng mô hình tổ hợp toàn bộ. Trong [Garduno and Lee 1997], một sơ đồ điều khiển thứ tự hai mức cho vận hành diện rộng NLNLT được thể hiện. Tại mức giám sát một bộ quản
  17. - 17 - lý tham chiếu mờ tạo những quỹ đạo setpoint theo chính sách vận hành áp suất biến đổi để điều khiển tải theo bất kỳ đặc tính nào.Tại mức điều khiển, thực thi chiến lược truyền thẳng-hồi tiếp. Điều khiển truy ền thẳng gồm một tập những hệ suy luận mờ MISO được thiết kế từ dữ liệu vào ra trạng thái xác lập. Đường hồi tiếp gồm những bộ điều khiển PID với c ấu hình nhiều vòng. Với chiến lược này, đường truyền th ẳng cung c ấp h ầu h ết tín hiệu điều khiển cho vận hành diện rộng, giàm b ớt nh ững n ổ l ực đi ều khiển của những bộ điều khiển PID. Đường hồi tiếp cung cấp tín hiệu đi ều khiển bù để điều chỉnh và loại nhiễu trong những lân cận nhỏ quanh những quỹ đạo lệnh. Những kết quả mô phỏng cho th ấy tính kh ả thi c ủa s ơ đ ồ điều khiển để đạt được vận hành theo tải chu kỳ. Những nghiên cứu lớn được thực hiện ở Nhật để phát triển nh ững s ơ đ ồ lai để đạt được cải tiến kỹ thuật trong vận hành máy điện[Matsuoka, et al.1993]. Sau những thực thi thành công của điều khiển tối ưu nhi ều bi ến trong suốt hơn hai mươi năm qua, người Nhật đang tạo ra bước đột phá kỹ thuật thứ hai trong điều khiển máy điện thông qua việc th ực thi nh ững s ơ đ ồ lai dựa trên những giải thuật và những hệ neuro-mờ. Những cách giải hoàn tất được tìm kiếm để giải quyết những vấn đề sau:1) những quá trình lớn hơn và phức tạp hơn gồm mô hình toán h ọc của chúng, 2)đ ộ phi tuy ến m ạnh hơn, kết hợp và tương tác biến đổi theo thời gian giữa những h ệ con và 3)thoả mãn những yêu cầu chặt chẽ trong ổn định và tối ưu hệ thống. Ở Mỹ Intelligent Control Systems Initiative, được thành lập với s ự liên kết giữa Electric Power Research Institute (EPRI) và National Science Foundation (NSF) năm 1993 gồm hai mươi mốt dự án nghiên cứu để tìm những ứng dụng có giá trị và sáng kiến mới và thiết lập lý thuy ết nền tảng và những chương trình tin cậy cho việc thiết kế và phát triển nh ững h ệ thống thông minh và thích nghi. Một vài phương pháp điều khi ển thông minh được đầu tư là:1) lập kế hoạch giám sát off-line và on-line b ằng l ập lu ận t ự động hay học từ những ví dụ của con người, 2) mô hình định tính dùng những hệ chuyên gia và lôgic mờ và 3)trí tuệ nhân tạo và học máy dùng những phương pháp mạng nơron, giải thuật di truyền, tiến hoá và học cưỡng bức, đôi khi kết hợp với những kỹ thuật tối ưu toán học. 1.5.3. Phát biểu vấn đề Luận văn này sẽ trình bày ý tưởng cho việc phát triển những hệ thống điều khiển thông minh cho đối tượng phi tuyến mà cụ thể là tổ hợp năng lượng, nghĩa là phát triển những hệ thống quản lý năng lượng nhân tạo được thiết kế điều khiển thông minh bởi hệ thống máy tính giống như bộ não con người. Những những yêu cầu chính cho hệ thống điều khiển là: • Thiết kế mở cung cấp những yêu cầu chức năng và vận hành để đạt được độ linh hoạt, cho ứng dụng trong môi trường thị trường biến đổi cao.
  18. - 18 - Vận hành người dùng cuối đơn giản và hiệu suất cao, liên kết với tự • động hoá và kỹ thuật điều khiển. • Kiến trúc hệ thống có cấu trúc, điều này sẽ dẫn đến việc phát tri ển phần mềm điều khiển và tự động hoá tương ứng. Từ những kết quả đạt được, có thể thấy rằng những chiến lược đi ều khi ển phù hợp cấu thành mức điều khiển cao nhất trong NLNLT hiện thời và chúng cũng chịu trách nhiệm cho việc điều khiển boiler-tuabin-máy phát như một đối tượng đơn. Kế đến, NLNLT là một quá trình phức tạp, chịu nhiều thay đổi điều kiện vận hành mà sẽ thể hiện như một hệ thống thông minh mà với nó khái niệm điều khiển tích hợp tiên tiến là cần thiết. Việc phát triển kỹ thuật khi thiết kế h ệ th ống đi ều khi ển t ổ h ợp năng lượng để hổ trợ và làm cho dễ dàng hơn việc thực thi những hệ th ống đi ều khiển năng lượng phân tán và thứ bậc lớn và để tích h ợp nh ững kỹ thu ật thông minh nhân tạo liên kết tính hệ thống với s ự ph ức t ạp c ủa quá trình và những yêu cầu vận hành của nó. Trong luận văn này sẽ thiết lập một s ơ đồ điều khiển tổng quát gọi là hệ thống điều khiển phù hợp thông minh ứng dụng những kỹ thuật thông minh nhân tạo là mạng nơron, logíc m ờ và thu ật giải di truyền để đưa đối tượng được điều khiển vào đúng quỹ đạo của nó với những yêu cầu vận hành khác nhau. Để làm được đi ều này, h ệ th ống điều khiển trên tích hợp những chức năng học máy, quan sát ứng x ử, c ơ c ấu thích nghi, tạo lệnh và tính toán điều khiển, tất cả chúng đều cần thiết cho những đặc tính vận hành tự quản hiệu quả và linh hoạt. 1.5.4 Đối tượng và phạm vi Đối tượng chính của đề tài nghiên cứu này là tăng c ường mức đi ều khi ển tự động những máy năng lượng thông qua việc mở rộng khái niệm điều khiển phù hợp cho NLNLT và tính hiện thực của nó qua những kỹ thuật thông minh nhân tạo. Phạm vi của đề tài sẽ tập trung vào những điểm sau: • Tất cả những nghiên cứu và phát triển trong đề tài này sẽ tập trung ở tổ hợp máy điện nhiên liệu than loại bao hơi truy ền thống(NLNLT), vì chúng thể hiện kỹ thuật được dùng nhiều nhất để tạo năng lượng điện và cấu thành cách chính để điều chỉnh những thông s ố quan trọng nhất (công suất, tần số và điện áp) ảnh hưởng đến chất lượng năng lượng điện trong những hệ thống năng lượng liên kết. • Chỉ những điều kiện động bình thường cùa NLNLT được xem xét. Đ ề tài tập trung trong hệ thống điều khiển cần thiết cho trạng thái v ận hành bình thường mà chiếm đến 99% thời gian vận hành. Không n ổ lực nào liên quan đến báo động, khẩn cấp, quá mức, h ồi ph ục trạng thái. Cần lưu ý rằng trạng thái bình thường không ph ải là trạng thái
  19. - 19 - xác lập vì trong thực tế nhà máy điện không bao giờ vận hành ở tr ạng thái xác lập. • Thiết kế hệ thống điều khiển sẽ bao hàm chỉ chiến lược điều khiển nền tảng. Việc phát triển những chiến lược tự động hoá, khoá liên động và bảo vệ như được cho trong bất kỳ hệ thống điều khiển nào sẽ không được thực hiện. Cũng thế, đề tài chỉ đề cập đến những ch ức năng điều khiển cơ bản để lái quá trình trong suốt pha vận hành t ải, không có chức năng khởi động và shutdown . • Việc phát triển hệ thống điều khiển sẽ được giới hạn ở vấn đề hệ thống và tính khả thi của nó. Tất cả chương trình sẽ được mô phỏng trên máy tính cá nhân dùng môi trường phần mềm phòng thí nghiệm. Không có việc thực thi hệ thống ở môi trường thực. Đây cũng là bản chất nghiên cứu của đề tài. • Đề tài sẽ chỉ phát triển tập hàm tối thiểu cần thiết cho điều ch ỉnh và tự động hoá hệ thống năng lượng toàn bộ, đề xuất tính linh hoạt tối đa để hổ trợ điều khiển tải và điều khiển nhiều tổ hợp trong nh ững s ơ đồ nhà máy điện. Phương pháp đề xuất sẽ được tính toán và so sánh với những ph ương • pháp truyền thống. Thậm chí loại hệ thống điều khiển này không tồn tại, việc tính toán sẽ được thực hiện với hiệu suất theo tải là yêu cầu quan trọng nhất cần được thoả mãn. 1.5.5 Tổng quan đề tài Việc phát triển hệ thống điều khiển phù hợp thông minh(ICCS) gồm bộ giám sát nhiều đại diện thông minh sẽ tính toán đi ều khi ển ở m ức tr ực ti ếp. Những chức năng giám sát gồm tạo lệnh và tối ưu, học và thích nghi, giám sát trạng thái và hiệu suất(Hình 1.3). Mức trực tiếp gồm nh ững s ơ đồ điều khiển truyền thẳng/hồi tiếp nhiều biến. Việc thực thi lõi của h ệ th ống đ ược hình thành bởi ba môđun: sepoint, bộ xử lý điều khiển truy ền th ẳng và b ộ x ử lý điều khiển hồi tiếp (hình 1.4). Giám sát hiệu suất và trạng thái cũng nh ư những hàm học và thích nghi được thực thi hoặc là ở d ạng off-line ho ặc bao gồm hoàn toàn trong môđun chính.
  20. - 20 - Hình 1.3. Hệ thống điều khiển phù hợp thông minh Hình 1.4.Sơ đồ khối điều khiển Với bất kỳ quỹ đạo lệnh tải nào, bộ tạo setpoint sẽ tạo những quỹ đạo setpoint cho những vòng điều khiển mức thấp hơn thông qua nhóm nh ững ánh xạ được thiết kế tối ưu. Ánh xạ setpoint được thiết kế bằng cách giải bài toán tối ưu nhiều đối tượng, trong đó những hàm đối tượng và hàm phù hợp của chúng có thể là bất kỳ. Phương pháp này cho phép tối ưu quá trình và cung cấp những phương pháp chỉ định chính sách vận hành cung cấp độ phân tán lớn những tình huống vận hành theo nhiều đối tượng vận hành. Sơ đồ điều khiển truyền thẳng-hồi tiếp hai bậc tự do được đề xuất là một mở rộng của sơ đồ điều khiển hồi tiếp SISO tuyến tính với cả hai điều khi ển truyền thẳng tham chiếu và nhiễu, cho trường hợp nhiều biến phi tuy ến để đạt được vận hành diện rộng. Bộ xử lý điều khiển truyền thẳng được thực
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2