intTypePromotion=1
ADSENSE

Ứng dụng lý thuyết mờ và mạng Nơron để thiết kế bộ điều khiển cho bộ điều tốc Turbine thủy lực

Chia sẻ: Thi Thi | Ngày: | Loại File: PDF | Số trang:7

39
lượt xem
2
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài báo trình bày kết quả nghiên cứu sử dụng lý thuyết mạng nơron kết hợp với mạng mờ-nơron để nhận dạng trực tuyến và điều khiển hệ động học phi tuyến. Mô hình nhận dạng là hệ mờ-nơron được huấn luyện bằng phương pháp gradient descent. Bộ điều khiển PID được thiết kế có cấu trúc dạng một nơron tuyến tính, trong đó ba trọng số kết nối của ba đầu vào nơron tương ứng là bộ ba thông số Kp, Ki và Kd của bộ điều khiển.

Chủ đề:
Lưu

Nội dung Text: Ứng dụng lý thuyết mờ và mạng Nơron để thiết kế bộ điều khiển cho bộ điều tốc Turbine thủy lực

Kỹ thuật điều khiển & Điện tử<br /> <br /> ỨNG DỤNG LÝ THUYẾT MỜ VÀ MẠNG NƠRON ĐỂ THIẾT KẾ BỘ ĐIỀU<br /> KHIỂN CHO BỘ ĐIỀU TỐC TURBINE THỦY LỰC<br /> Nguyễn Đắc Nam*, Nguyễn Hồng Quang<br /> Tãm t¾t: Bµi b¸o tr×nh bµy kÕt qu¶ nghiªn cøu sö dông lý thuyÕt m¹ng n¬ron kÕt hîp víi<br /> m¹ng mê-n¬ron ®Ó nhËn d¹ng trùc tuyÕn vµ ®iÒu khiÓn hÖ ®éng häc phi tuyÕn. M« h×nh nhËn<br /> d¹ng lµ hÖ mê-n¬ron ®­îc huÊn luyÖn b»ng ph­¬ng ph¸p gradient descent. Bé ®iÒu khiÓn<br /> PID ®­îc thiÕt kÕ cã cÊu tróc d¹ng mét n¬ron tuyÕn tÝnh, trong ®ã ba träng sè kÕt nèi cña ba<br /> ®Çu vµo n¬ron t­¬ng øng lµ bé ba th«ng sè Kp, Ki vµ Kd cña bé ®iÒu khiÓn. ViÖc ¸p dông gi¶i<br /> thuËt huÊn luyÖn trùc tuyÕn n¬ron nµy cho phÐp tù ®iÒu chØnh th«ng sè bé ®iÒu khiÓn thÝch<br /> nghi theo ®èi t­îng. KÕt qu¶ m« pháng trªn hÖ thñy lùc-turbine phi tuyÕn cho thÊy ®¸p øng<br /> cña ®èi t­îng tháa m·n c¸c yªu cÇu ®iÒu khiÓn nh­ l­îng qu¸ ®iÒu chØnh thÊp, kh«ng dao<br /> ®éng, thêi gian qu¸ ®é nhá.<br /> Tõ khãa: M¹ng n¬ron mê, HÖ thèng turbine thñy lùc.<br /> <br /> 1. ®Æt vÊn ®Ò<br /> Khi nhµ m¸y thñy ®iÖn vËn hµnh ®éc lËp (kh«ng nèi l­íi) víi hÖ thèng l­íi ®iÖn chung<br /> sù thay ®æi cña phô t¶i ®iÖn lµm cho tèc ®é roto cña m¸y ph¸t thay ®æi tõ ®ã dÉn ®Õn tÇn sè<br /> ®iÖn thay ®æi. Sù thay ®æi nµy cã ¶nh h­ëng xÊu ®Õn chÊt l­îng ®iÖn ¸p cung cÊp cho c¸c<br /> hé tiªu dïng. ViÖc duy tr× sù æn ®Þnh tèc ®é roto cña m¸y ph¸t vËn hµnh ®éc lËp víi hÖ<br /> thèng ®iÖn lu«n lµ vÊn ®Ò ®­îc quan t©m. Bµi b¸o nghiªn cøu sù kÕt hîp gi÷a lý thuyÕt mê<br /> kÕt hîp m¹ng n¬ron (FNN-Fuzzy Neural Network) ®Ó nhËn d¹ng trùc tuyÕn ®èi t­îng vµ<br /> bé ®iÒu khiÓn PID thÝch nghi n¬-ron ®Ó thiÕt kÕ bé ®iÒu khiÓn cho ®èi t­îng lµ hÖ thèng<br /> turbine-m¸y ph¸t thñy lùc phi tuyÕn. Víi ph­¬ng ph¸p ®iÒu khiÓn ®­îc ®Ò xuÊt, th«ng sè<br /> cña bé ®iÒu khiÓn PID sÏ ®­îc ®iÒu chØnh thÝch nghi theo sù thay ®æi cña ®èi t­îng trong<br /> qu¸ tr×nh ®iÒu khiÓn.<br /> 2. cÊu tróc hÖ thèng ®iÒu khiÓn<br /> Theo [1] s¬ ®å ®iÒu khiÓn vßng kÝn cña hÖ thèng ®­îc x©y dùng nh­ h×nh 1. Trong ®ã,<br /> ®èi t­îng ®iÒu khiÓn lµ hÖ thèng phi tuyÕn. Bé nhËn d¹ng kh«ng tham sè m« h×nh ®èi<br /> t­îng dïng m¹ng n¬ron mê (FNNI) ®­îc huÊn luyÖn trùc tuyÕn trong qu¸ tr×nh ®iÒu khiÓn<br /> víi tÝn hiÖu ®Çu vµo lµ tÝn hiÖu ®iÒu khiÓn hiÖn t¹i u(k) vµ tÝn hiÖu ra ë qu¸ khø  (k  1) .<br /> Bé ®iÒu khiÓn PID n¬-ron (NNC) sÏ ®­îc cËp nhËt trùc tuyÕn 3 gi¸ trÞ träng sè kÕt nèi,<br /> t­¬ng øng lµ 3 tham sè Kp, Ki vµ Kd cña bé ®iÒu khiÓn. Nh­ vËy, bé ®iÒu khiÓn PID sÏ tù<br /> ®éng ®iÒu chØnh thÝch nghi víi ®èi t­îng.<br /> 2.1. Bé nhËn d¹ng trùc tuyÕn ®èi t­îng FNNI<br /> a. CÊu tróc cña FNNI<br /> Bé nhËn d¹ng ®èi t­îng ®­îc thùc hiÖn bëi mét m¹ng n¬ron-mê nhiÒu líp FNNI gåm 4<br /> líp: líp vµo gåm gåm 2 n¬ron, líp mê hãa gåm 6 n¬ron, líp luËt mê gåm 9 n¬ron vµ líp<br /> ra gåm 1 n¬ron ®­îc minh häa nh­ h×nh 2 [2].<br /> Líp vµo: Líp nµy gåm 2 n¬ron cã nhiÖm vô truyÒn c¸c gi¸ trÞ ®Çu vµo ®Õn líp kÕ tiÕp. §Çu<br /> vµo vµ ®Çu ra cña c¸c n¬ron ë líp nµy ®­îc x¸c ®Þnh nh­ sau:<br />  I11  x1  O11<br />  1 1<br /> (1)<br />  I 2  x2  O2<br /> <br /> <br /> <br /> <br /> 68 N.§. Nam, N.H. Quang, “ Ứng dụng lý thuyết mê ... cho bé ®iÒu tèc turbine thủy lực."<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> Líp mê hãa: Líp nµy gåm 6 n¬ron, mçi n¬ron thÓ hiÖn mét hµm liªn thuéc d¹ng Gauss víi<br /> t©m mij vµ ®é réng ãij. §Çu vµo vµ ®Çu ra cña c¸c n¬ron ë líp mê hãa ®­îc x¸c ®Þnh trong<br /> ph­¬ng tr×nh (2):<br /> <br /> <br /> <br /> <br /> 2 2<br />  O 11  m 1 1  O 1<br />  m1 2 <br /> 1<br /> I 2   2 2<br /> ; O  ex p (I ); I 2<br />   ; O 22  ex p (I 22 )<br />  1 ( 11 ) 2<br /> 1 1 2<br /> ( 12 ) 2<br />  2 2<br />  O 11  m 1 3  O 1<br />  m 21  (2)<br /> 2 2 2 2 2<br /> I3   ; O  ex p (I ); I<br /> 3 3 4   ; O 42  ex p (I 42 )<br />  ( 13 ) 2 ( 2 1 ) 2<br />  2 2<br />  2<br /> I  <br /> O 21  m 1 5  2 2<br /> ; O  ex p (I ); I 2<br />  <br /> O 1<br /> 2  m 21  ; O 62  ex p (I 62 )<br />  5<br /> ( 22 ) 2<br /> 5 5 6<br /> ( 2 3 ) 2<br /> <br /> Mçi nót trªn líp mê hãa cã 2 tham sè ®­îc tù ®éng ®iÒu chØnh trong qu¸ tr×nh huÊn luyÖn<br /> trùc tuyÕn bé nhËn d¹ng FNNI, ®ã lµ mij vµ ãij.<br /> Líp luËt: Líp nµy gåm 9 n¬ron. §Çu vµo vµ ®Çu ra cña c¸c n¬ron ë líp luËt ®­îc x¸c ®Þnh<br /> nh­ (3):<br />  I13  O12 .O42  O13 ; I 23  O12 .O52  O23 ; I 33  O12 .O62  O33 ; I 43  O22 .O42  O43 ;<br />  3 2 2 3 3 2 2 3 3 2 2 3 3 2 2 3<br />  I 5  O2 .O5  O5 ; I 6  O2 .O6  O6 ; I 7  O3 .O4  O7 ; I 8  O3 .O5  O8 ; (3)<br />  3 2 2 3<br />  I 9  O3 .O6  O9<br /> Líp ra: Gåm mét n¬ron tuyÕn tÝnh, ®Çu vµo vµ ®Çu ra cña c¸c n¬ron ë líp ra ®­îc x¸c ®Þnh<br /> nh­ (4):<br /> I 4  O13 w 4,1  O23 w 4,2  O33 w 4,3  O43 w 4,4  O53 w 4,5  O63 w 4,6  O73 w 4,7  O83 w 4,8  O93 w 4,9<br /> I4<br /> O14  9<br /> (4)<br /> 3<br /> O<br /> i 1<br /> i<br /> <br /> <br /> b. ThuËt to¸n huÊn luyÖn trùc tuyÕn bé nhËn d¹ng FNNI<br /> Môc tiªu cña thuËt to¸n huÊn luyÖn trùc tuyÕn m¹ng mê-n¬ron lµ ®iÒu chØnh c¸c bé<br /> träng sè cña m¹ng vµ c¸c tham sè cña c¸c hµm liªn thuéc trªn líp mê hãa ®Ó ®¹t gi¸ trÞ<br /> cùc tiÓu hµm môc tiªu (5):<br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 37, 06 - 2015 69<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> 1 2<br />  y(n)  yˆ (n) <br /> E1 (n)  (5)<br /> 2<br /> Trong ®ã: n lµ sè chu kú huÊn luyÖn; yˆ lµ gi¸ trÞ ®Çu ra cña m¹ng nhËn d¹ng FNNI; y<br /> lµ gi¸ trÞ ®Çu ra cña ®èi t­îng.<br /> Sö dông thuËt to¸n lan truyÒn ng­îc cho qu¸ tr×nh tù häc vµ ®iÒu khiÓn víi môc ®Ých<br /> ®Ó thay ®æi träng sè liªn kÕt vµ c¸c th«ng sè hµm liªn thuéc cña m¹ng b»ng c¸ch sö dông<br /> phÐp lÆp theo c¸c biÓu thøc trong (6):<br /> E1 E E<br /> w(n+1)=w(n)+ w (- ); mij (n  1)  mij (n)   m (- 1 ); ij (n  1)   ij (n)   (- 1 ) (6)<br /> w mij  ij<br /> Trong ®ã  w , m ,  >0 lµ c¸c h»ng sè häc.<br /> §Æt e1 (n)  y (n)  yˆ (n) theo [6], th«ng sè cña tõng líp m¹ng ®­îc cËp nhËt nh­ sau:<br /> + Träng sè cña líp ra: w 4,i ( n  1)  w 4,i (n)   w e1 (n)Oi3 (7)<br /> + T©m hµm liªn thuéc líp mê hãa:<br />  E1 <br /> m m<br /> 9<br /> 3<br /> 2[Oi1  mij ]<br /> mij ( n  1)  mij (n)      mij ( n)    e1 (n)w 4,n On<br />  m <br /> (8)<br />  ij  n 1 ( ij ) 2<br /> + §é réng hµm liªn thuéc líp mê hãa:<br />  E1  9 2[Oi1  mij ]2<br />  ij (n  1)   ij (n)   m  <br />    ij (n)     e1 (n)w 4,n On3 (9)<br />   ij  ( ij )3<br />   n 1<br /> <br /> 2.2. Bé ®iÒu khiÓn n¬ron PID<br /> a. CÊu tróc bé ®iÒu khiÓn mét n¬ron PID<br /> Ph­¬ng tr×nh m« t¶ bé ®iÒu khiÓn PID cã d¹ng:<br />  1 t de(t )  t<br /> de(t )<br /> u (t )  K e(t )   e( )d  TD   K p .e(t )  K i  e( )d  K d (10)<br />  TI 0 dt  0<br /> dt<br /> K<br /> Trong ®ã: K p  K ; K i  ; K d  KTD ; e(t )  x(t )  y (t ) lµ sai lÖch gi÷a tÝn hiÖu ®Æt<br /> TI<br /> vµ ®¸p øng hÖ thèng. Bé ®iÒu khiÓn mét n¬ron PID biÓu diÔn (10) cã cÊu tróc nh­ h×nh 3:<br /> Trong ®ã: w1,1 , w1,2 , w1,3 lµ c¸c träng sè kÕt nèi cña n¬ron còng lµ bé ba th«ng sè Kp,<br /> Ki, Kd cña bé ®iÒu khiÓn PID cÇn ®­îc ®iÒu chØnh trùc tuyÕn trong qu¸ tr×nh lµm viÖc cña<br /> hÖ thèng.<br /> <br /> b. HuÊn luyÖn trùc tuyÕn bé ®iÒu khiÓn mét n¬ron PID<br /> Môc ®Ých cña qu¸ tr×nh huÊn luyÖn bé ®iÒu khiÓn mét n¬ron PID lµ ®iÒu chØnh bé träng<br /> sè w 11 , w 12 ,w 13 cña m¹ng ®Ó cùc tiÓu hãa hµm sai lÖch:<br /> 1 2<br /> E (t )   x(t )  y(t )  (11)<br /> 2<br /> <br /> <br /> <br /> <br /> 70 N.§. Nam, N.H. Quang, “ Ứng dụng lý thuyết mê ... cho bé ®iÒu tèc turbine thủy lực."<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> Bé träng sè w1,1 , w1,2 ,w1,3 ®­îc<br /> x¸c ®Þnh nh­ sau:<br /> K p  w1,1 (t  1)  w1,1 (t )  w1,1 (t )<br /> (12)<br /> K i  w1,2 (t  1)  w1,2 (t )  w1,2 (t )<br /> (13)<br /> K d  w1,3 (t  1)  w1,3 (t )  w1,3 (t )<br /> (14)<br /> w1,1 (t ), w1,2 (t ), w1,3 (t ) lµ c¸c H×nh 3. CÊu tróc bé ®iÒu khiÓn PID mét n¬ron.<br /> gradient ®­îc x¸c ®Þnh theo c¸c<br /> biÓu thøc sau:<br />   E (t )    E ( t )  y (t )  u (t )   y (t )<br />  w 1,1 (t )   kp   =   kp  kp<br />    e (t ) e(t ) (15)<br />   w (t )   y ( t )  u ( t )  w ( t )  u ( t )<br />  1,1   11 <br />  E (t )   E (t ) y (t ) u (t )  y (t )<br /> w1,2 (t )   ki     ki    ki e(t ) e(t )dt (16)<br /> u (t ) <br /> <br />  w (t )  <br />  y (t ) u (t ) w (t ) <br />  1,2   1,2 <br />   E (t )    E (t )  y (t )  u (t )   y (t ) d e (t ) (17)<br />  w 1 ,3 ( t )   kd     <br /> kd<br /> <br /> kd<br />    e ( t )<br />   w (t )<br />  1 ,3    y ( t )  u ( t )  w 1 ,3 ( t )   u (t ) d t<br /> <br /> y yˆ O14 Ok3 Oi2<br /> Víi  kp , ki , kd lµ c¸c h»ng sè häc,   . . lµ ®é nh¹y cña tÝn<br /> u u Ok3 Oi2 u<br /> hiÖu ra víi tÝn hiÖu ®iÒu khiÓn.<br /> 2.3. §èi t­îng ®iÒu khiÓn<br /> §èi t­îng ®iÒu khiÓn ®­îc<br /> chän ®Ó kiÓm chøng gi¶i thuËt<br /> ®iÒu khiÓn lµ hÖ thèng thñy lùc-<br /> turbine-m¸y ph¸t ®¬n, vËn hµnh<br /> ®éc lËp víi hÖ thèng l­íi ®iÖn<br /> trong tr­êng hîp phô t¶i ®iÖn<br /> thay ®æi.<br /> a. Mô hình hệ thống thủy lực-<br /> turbine phi tuyến<br /> Theo [4], m« h×nh to¸n hÖ<br /> thèng thñy lùc-turbine phi<br /> tuyÕn khi tÝnh ®Õn tæn thÊt cña<br /> cét n­íc nh­ h×nh 4. Trong ®ã Hình 4. Mô hình hệ thống thủy lực-turbine phi tuyến.<br /> c¸c ®¹i l­îng x¸c ®Þnh trong hÖ<br /> ®¬n vÞ t­¬ng ®èi:<br /> h  1 : ChiÒu cao cét n­íc t¹i turbine; h l : Tæn thÊt cét ¸p ; At  1.2 : HÖ sè turbine<br /> q1: L­u l­îng n­íc qua turbine; q nl  0.1 : L­u l­îng n­íc khi kh«ng t¶i<br /> P m  1 : C«ng suÊt c¬ trªn trôc turbine; f p  0.001 : HÖ sè tæn hao cét ¸p do ma s¸t<br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 37, 06 - 2015 71<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> D  0.01 : HÖ sè gi¶m trÊn; Te =0.146 (s) Thêi gian truyÒn sãng ¸p lùc<br />  : BiÕn thiªn tèc ®é<br /> b. M« h×nh m¸y ph¸t ®iÖn ®éc lËp<br /> Theo [6], ph­¬ng tr×nh hµm truyÒn ®¹t gi÷a chuyÓn ®éng c¬ häc cña m¸y ph¸t víi phô<br /> t¶i ®éc lËp ®­îc x¸c ®Þnh nh­ (18) :<br />  P m   P e   Tm s  Dm   (18)<br /> Trong ®ã: Tm =8.8 (s) lµ h»ng sè c¬ khÝ cña hÖ turbine-m¸y ph¸t; Dm  0.2 lµ hÖ sè<br /> gi¶m trÊn tØ lÖ víi gi¸ phô t¶i vµ hÖ sè nh¹y c¶m víi tÇn sè.<br /> c. M« h×nh bé ®iÒu tèc ®iÖn-thñy lùc<br /> Theo [3], sau khi tæng hîp th«ng sè bé ®iÒu khiÓn m¹ch vßng vÞ trÝ theo ph­¬ng ph¸p<br /> gnas ®iÓm cùc, m¹ch vßng ®iÒu khiÓn ®­îc xÊp xØ vÒ kh©u qu¸n tÝnh bËc nhÊt nh­ (19):<br /> 1<br /> Gvt  (19)<br /> Ta s  1<br /> Trong ®ã Ta= 0.35 (s) lµ h»ng sè thêi gian ®¸p øng cña m¹ch vßng vÞ trÝ.<br /> <br /> 3. KẾT QUẢ VÀ THẢO LUẬN<br /> C¸c h»ng sè tèc ®é häc cña bé nhËn d¹ng ®­îc chän b»ng nhau gi÷a c¸c líp, nghÜa lµ:<br />  m      w  0.1 , h»ng sè tèc ®é häc cña cña bé ®iÒu khiÓn n¬ron PID ®­îc chän lµ<br />  kp   ki   kd  0.0025 ; c¸c th«ng sè ban ®Çu cña bé nhËn d¹ng gåm cã t©m, ®é réng<br /> cña hµm liªn thuéc líp mê hãa, träng sè liªn kÕt ë líp ra ®­îc x¸c ®Þnh b»ng ph­¬ng ph¸p<br /> thö nghiÖm:<br /> m =[0.1 0.2; 0.3 0.4; 0.5 0.6];  =[0.2 0.2; 0.2 0.2; 0.2 0.2]; w4=[0 1 1 1 1 1 1 1 1];<br /> C¸c hằng số tốc độ học, träng sè liªn kÕt ban ®Çu cã ảnh hưởng đến khả năng hội tụ<br /> của giải thuật huấn luyện trực tuyÕn gradient descent. Nếu tốc độ học lớn, thời gian huấn<br /> luyện nhanh nhưng khả năng hội tụ kh«ng được đảm bảo v ngược lại.<br /> Sö dông phÇn mÒm Matlab-simulink m« pháng ®Ó kiÓm chøng ­u ®iÓm cña ph­¬ng ph¸p<br /> ®iÒu khiÓn ®· ®Ò xuÊt víi gi¶ thiÕt hÖ thèng ®ang lµm viÖc æn ®Þnh th× phô t¶i ®iÖn thay ®æi<br /> ®ét ngét (t¹i thêi ®iÓm t = 300s th× phô t¶i ®iÖn gi¶m 10% so víi ®Þnh møc vµ t¹i t= 600s<br /> t¶i l¹i trë vÒ ®Þnh møc) nh­ h×nh 5 so s¸nh víi tr­êng hîp sö dông bé ®iÒu khiÓn PID<br /> truyÒn thèng. KÕt qu¶ ®¸p øng tèc ®é cho trªn h×nh 6.<br /> KÕt qu¶ m« pháng cho thÊy so víi c¸c ph­¬ng ph¸p thiÕt kÕ truyÒn thèng ­u ®iÓm næi<br /> bËt cña ph­¬ng ph¸p nµy lµ tù chØnh th«ng sè bé ®iÒu khiÓn mét c¸ch trùc tuyÕn vµ kh«ng<br /> cÇn quan t©m ®Õn tham sè cña ®èi t­îng ®iÒu khiÓn. Víi ph­¬ng ph¸p nµy, bé ®iÒu khiÓn<br /> PID ®­îc chØnh ®Þnh thÝch nghi trong suèt qu¸ tr×nh ®iÒu khiÓn, nªn ®¸p øng cña hÖ thèng<br /> nhanh h¬n, l­îng qu¸ ®iÒu chØnh nhá h¬n, c¸c gi¸ trÞ cô thÓ ®­îc cho trong b¶ng1.<br /> <br /> <br /> <br /> <br /> 72 N.§. Nam, N.H. Quang, “ Ứng dụng lý thuyết mê ... cho bé ®iÒu tèc turbine thủy lực."<br /> Nghiªn cøu khoa häc c«ng nghÖ<br /> <br /> 1.05<br /> <br /> <br /> <br /> <br /> 1<br /> Phu tai dien (pu)<br /> <br /> <br /> <br /> <br /> 0.95<br /> <br /> <br /> <br /> <br /> 0.9<br /> <br /> <br /> <br /> <br /> 0.85<br /> <br /> <br /> <br /> <br /> 0.8<br /> 200 300 400 500 600 700 800<br /> Thoi gian (s)<br /> <br /> H×nh 5. Phô t¶i ®iÖn thay ®æi ®ét ngét.<br /> 1.05<br /> <br /> <br /> <br /> <br /> 1<br /> <br /> <br /> <br /> <br /> 0.95<br /> Toc do (pu)<br /> <br /> <br /> <br /> <br /> 0.9<br /> <br /> <br /> <br /> <br /> 0.85<br /> <br /> <br /> <br /> <br /> 0.8<br /> 200 300 400 500 600 700 800<br /> Thoi gian (s)<br /> <br /> <br /> H×nh 6. §¸p øng tèc ®é khi t¶i thay ®æi.<br /> B¶ng1. Gi¸ trÞ c¸c th«ng sè ®iÒu khiÓn vµ nhËn d¹ng ë tr¹ng th¸i x¸c lËp.<br /> Th«ng PID Th«ng PID Th«ng PID Th«ng PID<br /> PID<br /> sè NNC sè NNC sè NNC sè NNC<br /> Kp 2.5 2.624 m11 18.83  11 91.11 W4,1 -0.5127<br /> Ki 0.08 0.06767 m12 1.555  12 -4,72 W4,2 0.4255<br /> Kd 2 2.016 m21 9.18  21 -36,95 W4,3 0.2951<br /> tqd (s) 90 20 m22 5.547  22 9,273 W4,4 1.44 1<br /> % 2.5 2 m31 4.132  31 -10,68 W4,5 1.463<br /> m32 1.707  32 158,5 W4,6 1.447<br /> W4,7 1.657<br /> W4,8 1.684<br /> W4,9 1.71<br /> <br /> 4. KÕT LUËN<br /> Bµi b¸o ®· ®Ò xuÊt mét bé ®iÒu khiÓn th«ng minh mµ ë ®ã m« h×nh cña ®èi t­îng ®­îc<br /> nhËn d¹ng trùc tuyÕn bëi mét m¹ng n¬ron mê FNNI. Tõ bé nhËn d¹ng FNNI, th«ng tin<br /> <br /> <br /> <br /> <br /> T¹p chÝ Nghiªn cøu KH&CN qu©n sù, Sè 37, 06 - 2015 73<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> Jacobian ®­îc tÝnh to¸n ®Ó cung cÊp cho gi¶i thuËt gradient descent ¸p dông ®Ó huÊn luyÖn<br /> trùc tuyÕn bé ®iÒu khiÓn PID mét n¬ron.<br /> C¸c tham sè cña bé ®iÒu khiÓn PID ®­îc tÝnh to¸n d­íi d¹ng bé träng sè cña mét n¬ron<br /> tuyÕn tÝnh ba ®Çu vµo vµ ®­îc ®iÒu chØnh thÝch nghi trong qu¸ tr×nh ®iÒu khiÓn. KÕt qu¶ m«<br /> pháng trªn m« h×nh hÖ thèng turbine thñy lùc phi tuyÕn cho thÊy bé ®iÒu khiÓn ®· ®¸p øng<br /> ®­îc c¸c yªu cÇu kh¾c khe vÒ chÊt l­îng ®iÒu khiÓn hÖ thèng. B­íc ph¸t triÓn tiÕp theo cña<br /> nghiªn cøu nµy lµ ¸p dông bé ®iÒu khiÓn ®· ®Ò xuÊt vµo m« h×nh thËt, ®ång thêi kh¶o s¸t<br /> tÝnh bÒn v÷ng cña hÖ d­íi t¸c ®éng cña nhiÔu.<br /> <br /> TµI liÖu tham kh¶o<br /> [1]. NguyÔn ChÝ Ng«n, §Æng TÝn “ĐiÒu khiÓn PID mét n¬ron thÝch nghi dùa trªn bé nhËn<br /> d¹ng m¹ng n¬ron mê håi qui ¸p dông cho hÖ thanh vµ bãng”, T¹p chÝ Khoa häc<br /> 2011:20a 159-168- §¹i häc CÇn Th¬.<br /> [2]. NguyÔn Träng ThuÇn, “§iÒu khiÓn logic vµ øng dông”, NXB khoa häc vµ kü thuËt, Hµ<br /> Néi, 2009.<br /> [3]. NguyÔn Hång Quang, “Nghiªn cøu chÕ t¹o thiÕt bÞ ®iÒu khiÓn nhóng øng dông cho c¸c<br /> tr¹m thñy ®iÖn”, 2013<br /> [4]. Working Group on Prime Mover and Energy Supply Models for System Dynamic<br /> Performance Studies, “Hydraulic turbine and turbine control models for system<br /> dynamic studies”.<br /> [5]. F. P. deMello and C. Concordia, “Concepts of Synchronous Machine Stability as<br /> Affected by Excitation Control”, IEEE Transaction on Power Apparatus and Systems,<br /> PAS-88, pp. 316-329, 1969.<br /> [6]. Lee C.H. and C.C. Teng, 2000. Identification and Control of Dynamic Systems using<br /> Recurrent Fuzzy Neural Networks. IEEE Trans. Fuzzy Systems. Vol.8, No.4, pp.349.<br /> <br /> abstract<br /> APPLICATIONS FUZZY THEORY AND NEURAL NETWORK PID CONTROLLER<br /> DESIGN FOR HYDRAULIC TURBINE GOVERNOR<br /> This paper presents the results using a fuzzy algorithm combined with fuzzy-neural network<br /> online identification and nonlinear control system. Identification model is fuzzy neural networks and<br /> also trained by an online learning algorithm using the Gradient Descent method. The PID controller<br /> is constructed as a linear neuron that three input weights of neuron work as three parameters Kp, Ki<br /> and Kd of the PID controller. Applying an online learnning algorithm for this neuron allow self-<br /> tuning the PID controller adapting to behaviors of system dynamics. Simulation results on the<br /> hydraulic-turbine system indicates that the system response satisfies the control performance small<br /> overshoot, zero error steady-state, and obtaining the rise time within 20 seconds.<br /> Keywords: Fuzzy neural networks, Hydraulic-turbine system.<br /> Nhận bài ngày 11 tháng 3 năm 2015<br /> Hoàn thiện ngày 08 tháng 4 năm 2015<br /> Chấp nhận đăng ngày 12 tháng 06 năm 2015<br /> Địa chỉ: Viện Điện – Đại học bách khoa Hà Nội; *Email: dacnam75@gmail.com.<br /> <br /> <br /> <br /> 74 N.§. Nam, N.H. Quang, “ Ứng dụng lý thuyết mê ... cho bé ®iÒu tèc turbine thủy lực."<br />
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2