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
Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:
h(k +1) = f (h(k),u(k))
Mô hình ngược:
Cấ t ú thầ ki h hậ d ô hì h
uˆ(k) = fˆ −1(h(k +1),h(k))
u r c mạng n n n n ạng m n ngược
Tín hiệu vào: Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 6.
h(k −1),u(k −1) hˆ(k)
Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.
Cấu trúc mạng thần ki h h nh nhận dạng mô hì h nh ngược
Tín hiệu vào: Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 6
h(k +1),h(k) uˆ(k)
Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính
64 trang |
Chia sẻ: trungkhoi17 | Lượt xem: 761 | Lượt tải: 0
Bạn đang xem trước 20 trang tài liệu Bài giảng Hệ thống điều khiển thông minh - Chương 4: Điều khiển dựa vào mô hình - Huỳnh Thái Hoàng, để xem tài liệu hoàn chỉnh bạn click vào nút DOWNLOAD ở trên
Moân hoïc
HEÄ THOÁNG ÑIEÀU KHIEÅN THOÂNG MINH
Giaûng vieân: TS. Huyønh Thaùi Hoaøng
B ä â Ñi à Khi å Tö Ñ äo mon eu en ï ong
Khoa Ñieän – Ñieän Töû
Ñaïi hoïc Baùch Khoa TP.HCM
Email: hthoang@hcmut edu vn . .
Homepage:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 1
Chöông 4
ĐIỀU KHIỂN DỰA VÀO MÔ HÌNH
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 2
Giới hiệ
Noäi dung chöông 3
t u
Nhắc lại về mô hình của hệ phi tuyến
Điều khiển dùng mô hình ngược
Điều khiển mô hình nội
Điều khiển theo mô hình chuẩn
Điều khiển dự báo dựa vào mô hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 3
Giới thiệu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 4
Giới thiệu
Điề khiể d à ô hì h là h há điề khiể t đóu n ựa v o m n p ương p p u n rong
có sử dụng tường minh mô hình của đối tượng để tính toán tín hiệu
điều khiển.
Các phương pháp điều khiển dựa vào mô hình phổ biến:
Điều khiển dùng mô hình ngược (Inverse Control).
ề ể Đi u khi n mô hình nội (Internal Model Control).
Điều khiển theo mô hình chuẩn (Model Reference Control).
Điề khiể d bá (P di ti C t l)u n ự o re c ve on ro
Các phương pháp điều khiển dựa vào mô hình phi tuyến đã áp
dụng thành công vào nhiều lĩnh vực, nhưng lĩnh vực áp dụng chủ
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
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 6
Vòng lặp nhận dạng hệ thống
Thí nghieäm thu
thaäp döõ lieäu
c
a
ù
c
q
u
i
g
ö
õ
,
Xöû lyù sô
h
e
ä
t
h
o
á
n
g
:
c
e
å
u
n
g
o
â
n
n
g
boä döõ lieäu
Choïn caáu truùc
t
t
r
ö
ô
ù
c
v
e
à
h
c
a
ù
c
p
h
a
ù
t
b
i
e
moâ hình
Choïn tieâu chuaån
öôùc löông
o
â
n
g
t
i
n
b
i
e
á
t
a
ä
t
v
a
ä
t
l
y
ù
,
c ï
Öôùc löôïng thoâng soá
T
h
o
â
l
u
Khoâng toát ⇒ laëp laïi
Khoâng toát ⇒ xeùt laïi
Ñaùnh giaù
moâ hình
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 7
Toát ⇒ chaáp nhaän moâ hìnhthoâng tin bieát tröôùc
Cấu trúc mô hình phi tuyến
Đối t ượng:
)()](,),1(),(,),1([)( 0 kvnkykynkukufky yu +−−−−= KK
Dữ liệu: { })(),(;);2(),2();1(),1( NuNyuyuyZ N K=
Mô hình:
Bộ dự báo
V hồi i
)),((),(ˆ θϕθ kfky =
),(ˆ θky
)(k ector qu
Vector tham số
ϕ
θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 8
Phân loại mô hình phi tuyến
Phâ l i th á hầ tử hồi in oạ eo c c p n qu :
Phân loại theo bộ cấu trúc hàm phi tuyến:
Mô hì h ờ M d i S n m : am an , ugeno
Mô hình mạng thần kinh: MLP, RBF
Mô hình lai mạng thần kinh mờ: ANFIS
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 9
Sơ đồ khối bộ dự báo mờ
Qui tắc mờ mô tả đặc tính động học của đối tượng phi tuyến:
Bộ dự báo: ∑ ∏
= =
= r
ij
n
i
n
j
ijijjAi kky
1 1
),),((.),(ˆ
ϕ γβϕμαθ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 10
Vector tham số: Tnnnnn rrr ],...,,,...,,,...,[ 11111 ϕϕ γγββαα=θ
Sơ đồ khối bộ dự báo dùng mạng thần kinh
⎟⎟
⎞
⎜⎜
⎛== ∑∑∑ ϕ ϕnll kvgwkzwky )()()(ˆ θ Bộ dự báo: ⎠⎝ === j jijii iii i 111,
[ ]Tlll wwvvvv 11111=θ
Vector tham số:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 11
rr ,...,,,,,,,, KKK
Ước lượng tham số
v(k)
Đối tượng
u(k) y(k)
),( θkε
Mô hình
),(ˆ θky
Tiêu chuẩn
ước lượng
Tối ưu hóa
Tiêu chuẩn ước lượng:
NN [ ]∑∑
==
−==
kk
N
N kykyN
k
N
ZV
1
2
1
2 ),(ˆ)(1)(1),( θθ ε
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 12
Thuật toán tối ưu hóa: thuật toán Newton, giải thuật di truyền,
Điều khiển dùng mô hình ngược
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 13
Điều khiển ngược trực tiếp (Direct Inverse Control)
Nguyên tắc điều khiển ngược trực tiếp
Phương pháp điều khiển vòng hở trong đó bộ điều khiển là mô hình
,
ngược của đối tượng.
Đối tượng:
Luật điều khiển:
))1(),...,(),1(),...,(()1( +−+−=+ mkukunkykyfky
Thực tế rất khó rút ra mô hình ngược giải tích của đối tượng, nhất là
))1(),...,1(),1(),...,(),1(()( 1 +−−+−+= − mkukunkrkrkrfku
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 14
trong trường hợp đối tượng phi tuyến
Mô hình ngược
ể ố
Mô hình ngược
Sử dụng FM/NN đ nhận dạng đặc tính động học ngược của đ i
tượng:
))1()1()1()()1((ˆ)(ˆ 1 kkkkkfk θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 15
,...,,,...,,, +−−+−+= − muunyyyu
Ước lượng thông số mô hình ngược
Sơ đồ ước lượng tham số mô hình ngược offline
Ước lượng offline:
Thu thập N mẫu dữ liệu vào ra của đối tượng
Tiêu chuẩn ước lượng tham số:
min)](ˆ)([)( 2 →−=∑N kukuJ θθ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 16
,
1=k
Ước lượng thông số mô hình ngược
Sơ đồ ước lượng tham số mô hình ngược online
Ước lượng online:
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
ẩ ố Tiêu chu n ước lượng tham s :
min)]()([)( 2 →−=∑ kykrJ θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 17
k
Điều khiển dùng mô hình ngược trực tiếp
Mô hình ngược sau khi nhận dạng sẽ được sử dụng để điều khiển đối
tượng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 18
Thí dụ: Điều khiển hệ bồn chứa dùng mô hình ngược trực tiếp
Phương trình vi phân mô tả đặc tính động học hệ bồn chứa:
( ))(2)(1)( hCkh&
)(
tgatu
hA
t D−=
minmax)( AhAAhA +−
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 19
min
maxh
=
Nhận dạng đặc tính động học hệ bồn đơn
Mô hì h th ậ ủ hệ bồ đ ó thể biể diễ h n u n c a n ơn c u n n ư sau:
))(),(()1( kukhfkh =+
Mô hình ngược:
ầ ể ồ
))(),1((ˆ)(ˆ 1 khkhfku += −
Sử dụng mạng th n kinh đ nhận dạng mô hình ngược của hệ b n
chứa. Cấu trúc mạng thần kinh:
Tín hiệu vào: )(),1( khkh +
Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 6.
k h h l ẩ l h i id
)(ˆ ku
Hàm íc oạt ở ớp n à àm s gmo ;
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
Si l t k i t t t d t
9
12
ng e an npu - ou pu a a
3
6
u
(
t
)
0
40
20
30
h
(
t
)
0 200 400 600 800 1000
0
10
h
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 21
Time
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
40
r(t)
30 h(t)
20
0
10
0 100 200 300 400
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 23
Nhận xét
Ph há điề khiể dù ô hì h hỉ ó hể á d ương p p u n ng m n ngược c c t p ụng
khi đối tượng cần điều khiển là ổn định với pha cực tiểu.
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.
Giải pháp để loại trừ ảnh hưởng của sai số mô hình:
dùng sơ đồ điều khiển thuận (Feed Forward Control)
hoặc điều khiển mô hình nội (Internal Model Control).
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 24
Điều khiển thuận (Feed Forward Control)
Sơ đồ điều khiển thuận
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
Mô hình ngược: mạng NN (đã trình bày ở thí dụ trước)
Bộ điề khiể PI sG 01.010)( +
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 26
u n :
sPID
=
Kết quả điều khiển
40
20
30
r(t)
h(t)
0 100 200 300 400
0
10
40
Điều khiển ngược (Inverse Control)
20
30
r(t)
h(t)
0 100 200 300 400
0
10
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 27
Điều khiển thuận (Feed forward Control)
Điều khiển mô hình nội
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 28
Điều khiển mô hình nội tuyến tính
Đối tượng
Mô hình ngược
Sơ đồ điều khiển mô hình nội tuyến tính
Mô hình thuận
Tín hiệu ra của hệ thống: )()()()()( sGsNsGsRsY NR +=
)()()( GGY
)(ˆ)()()(1)(
)(
0)( sGsGsGsG
ss
sR
ssG
PCPC
PC
sN
R −+== =
)(ˆ)(1)()( sGsGsYG PC−
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 29
)(ˆ)()()(1)( 0)( sGsGsGsGsN
s
PCPCsR
N −+== =
Điều khiển mô hình nội phi tuyến
Sơ đồ điều khiển mô hình nội tuyến tính
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
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 30
hiệu ra đúng bằng tín hiệu vào, bất chấp nhiễu.
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
Si l t k i t t t d t
9
12
ng e an npu - ou pu a a
3
6
u
(
t
)
0
40
20
30
h
(
t
)
0 200 400 600 800 1000
0
10
h
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 32
Time
Nhận dạng đặc tính động học hệ bồn đơn
Mô hình thuận của hệ bồn đơn có thể biểu diễn như sau:
))(),(()1( kukhfkh =+
Mô hình ngược:
Cấ t ú thầ ki h hậ d ô hì h
))(),1((ˆ)(ˆ 1 khkhfku += −
u r c mạng n n n n ạng m n ngược
Tín hiệu vào: Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 6.
)1(),1( −− kukh )(ˆ kh
Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.
Cấ ú hầ ki h hậ d ô hì h u tr c mạng t n n n n ạng m n ngược
Tín hiệu vào: Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 6
)(),1( khkh + )(ˆ ku
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 33
.
Hàm kích hoạt lớp ẩn là hàm sigmoid; lớp ra là hàm tuyến tính.
Kết quả điều khiển
4040
( )
20
30
r(t)
h(t)
20
30
r t
h(t)
0 100 200 300 400
0
10
0 100 200 300 400
0
10
ề ể
40
Điều khiển ngượcĐi u khi n mô hình nội
20
30
r(t)
h(t)
0 100 200 300 400
0
10
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 34
Điều khiển thuận
Điều khiển theo mô hình chuẩn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 35
Nguyên tắc điều khiển theo mô hình chuẩn
Tiêu chuẩn huấn luyện bộ điều khiển:
ể
min)]()([)( 2 →−=∑
k
m kykyJ θ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 36
Mô hình NN/FL: dùng đ ước lượng khi tìm cực trịθ∂∂ /)(ky )(θJ
Thí dụ: Điều khiển cánh tay máy theo mô hình chuẩn
h ì h i h đ í h đ h h á P ương tr n v p ân mô tả ặc t n ộng ọc ệ tay m y:
)()(sin10)(2)( tuttt =++ φφφ &&&
9)()( Φ ssG m
Điều khiển cánh tay máy bám tín hiệu đặt theo mô hình chuẩn:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 37
96)( 2 ++== sssRm
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 mạng thần kinh nhận dạng đặc tính động học tay máy:
Tín hiệu vào:φ(k−1), φ(k−2), u(k−1), u(k−2)
Tín hiệu ra: )(ˆ kφ
Số tế bào thần kinh ở lớp ẩn là 10
Cấu trúc mạng thần kinh thực hiện chức năng điều khiển:
Tín hiệu vào: φ(k−1), φ(k−2), r(k−1), r(k−2), u(k−1)
Tín hiệu ra: u(k)
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
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 40
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
Chú ý: Chất lượng điều khiển phụ thuộc rất nhiều vào kết quả huấn
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 42
luyện các mạng thần kinh.
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
Mô hình để dự báo đáp ứng của đối tượng trong tương lai
Thuật toán tối ưu hóa: tính toán chuổi tín hiệu điều khiển tương lai
bằng cách tối thiểu hóa một hàm mục tiêu.
ấ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 44
Dời phạm vi dự báo theo thời gian sau mỗi chu kỳ l y mẫu
Nguyên tắc điều khiển dự báo
Dù ộ ô hì h để d bá đá ứ ủ đối i á hời ng m t m n ự o p ng c a tượng tạ c c t
điểm rời rạc trong tương lai trong một phạm vi dự báo (prediction
horizon) nhất định.
Tính toán chuổi tín hiệu điều khiển tương lai trong phạm vi điều
khiển (control horizon) bằng cách tối thiểu hóa một hàm mục tiêu.
Hà tiê thườ dù là ê ầ là h tí hiệ dự bá đám mục u ng ng y u c u m c o n u o p
ứng của đối tượng phải càng gần quỹ đạo đáp ứng mong muốn
càng tốt, trong điều kiện ràng buộc cho trước.
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
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
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 46
Trình tự thiết kế hệ thống điều khiển dự báo
Nhậ d ô hì h ủ đối (dù NN h ặ FM) n ạng m n c a tượng ng o c
Chọn phạm vi dự báo HP
Chọn phạm vi điều khiển H (H ≤ H ) C, C P
Chọn hàm mục tiêu:
∑∑ ++++ CP HH ikuikyikwJ 22 )]1([)](ˆ)([)( ρσu
==
−−=
i
i
i
i
11
∑∑ −+−+++−+= CP H iH i ikuikuikyikwJ 22 )]1()([)](ˆ)([)( ρσu
== ii 11
[ ]TCHkukuku )1()1()( −++= Ku
Chọn thuật toán tối ưu hóa: thuật toán Newton giải thuật di truyền
)()1()()( ikrkwikw +−+=+ αα
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 47
,
Thuật toán Newton trong điều khiển dự báo
Hà iê ∑∑ CP HH 22ˆ m mục t u:
Thuật toán Newton:
==
−+++−+=
i
i
i
i ikuikyikwJ
11
)]1([)]()([)( ρσu
[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′= −+ −
)(
1
)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH
H
jj
k
j
C
P
ikikJ uuu ρρεψσ K+++−=′ ∑
1i=
)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε
)(ˆ
)( )(ˆ)ˆ,(
j
ikyik j
uuu
u
=⎥⎦
⎤⎢⎣
⎡
∂
+∂=+ψ
+⎥⎦
⎤⎢⎣
⎡ +∂
+∂−++=′′ ∑
=
PH
i
j
j
jTj
k
j ikikikikJ
1
)(
)(
)()()( )()
ˆ,()ˆ,()ˆ,(2)ˆ( εψψψσ
u
uuuu
)(di2
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 48
,,ag 1 CHρρ K+
Thuật toán Levenberg-Marquardt trong điều khiển dự báo
Hà iê ∑∑ CP HH 22ˆ m mục t u:
Thuật toán Levenberg Marquardt:
==
−+++−+=
i
i
i
i ikuikyikwJ
11
)]1([)]()([)( ρσu
-
[ ] )ˆ()ˆ(ˆˆ )(1)()()1( jjjj JJ uuuu ′′′−= −+
)(
1
1
)()()( ˆ),,(diag2)()ˆ,(2)ˆ( jH
H
i
jj
k
j
C
P
ikikJ uuu ρρεψσ K+++−=′ ∑
=
)ˆ,(ˆ)()( )()( jj ikyikwik u+−+=+ε
)( )(ˆ)ˆ( ikyik ju ⎥⎤⎢⎡
+∂+ψ
)(ˆ
,
juuu =⎦⎣ ∂
=
[ ] IikikJ jHH jTjkj P )(20)()()( )(diag2)ˆ()ˆ(2)ˆ( μρρρψψσ ++++=′′ ∑ uuu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 49
i
C
1
,,,,,
=
K
Điều khiển dự báo mô hình nội
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 50
Thí dụ: Điều khiển dự báo hệ bồn phản ứng dùng mô hình NN
h( ) độ hất lỏt : cao mực c ng
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 C =24 9b1 .
w2(t) = 0.1: lưu lượng vào bồn của dòng sản
phẩm có nồng độ thấp Cb2=0.1
k1=1; k2=1
Đặc tính động học của hệ thống mô tả bởi các phương trình sau:
)(20)()()( htdh .21 ttwtwdt
−+=
2
12
2
1
1 ))(1(
)(
)(
)())((
)(
)())(()(
tCk
tCk
th
twtCC
th
twtCC
dt
tdC b
bbbb
b −−+−=
2 b+
Bài toán đặt ra là điều khiển nồng độ sản phẩm ở đầu ra theo giá trị
đặt bằ á h điề hỉ h l l à ( )
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 51
ng c c u c n ưu ượng v o w1 t
Sơ đồ mô phỏng điều khiển dự báo hệ bồn phản ứng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 52
Thiết kế bộ điều khiển dự báo
Cấu trúc mạng thần kinh nhận dạng đặc tính động học hệ bồn phản
ứng:
Tín hiệu vào: w1(k−1), w1(k−2), Cb(k−1), Cb(k−2)
Tín hiệu ra:
Số tế bào thần kinh ở lớp ẩn là 7
)(ˆ kCb
Các tùy chọn của thuật toán điều khiển dự báo:
Phạm vi điều khiển: 2=H
Phạm vi dự báo:
Trọng số hàm mục tiêu:
C
7=PH
1=σ 05.0=ρ
Thuật toán tối ưu hóa: suy giảm độ dốc
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 53
Dữ liệu huấn luyện mạng thần kinh nhận dạng mô hình hệ bồn phản ứng
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 54
Kết quả điều khiển dự báo hệ bồn phản ứng dùng mạng thần kinh
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 55
Thí dụ: Điều khiển dự báo hệ bồn kép dùng mô hình mờ
Đặc tính động học của hệ thống mô tả bởi các phương trình sau:
( )1 |)()(|2))()(sgn()(
)(
)( 21121
11
1 ththgaCththtkuhA
th D −−−=&
( ))(|)()(|))()((1)( hhhhhh& 22sgn
)( 222112122
2 tgaCttgaCtthA
t DD −−−=
i
minmax)( AhAAhA iii +−=
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 56
m n
maxh
Sơ đồ mô phỏng điều khiển dự báo hệ bồn kép
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 57
Cấu trúc mô hình mờ Takagi-Sugeno nhận dạng đặc tính động học hệ bồn kép
Hệ qui tắc mờ:
Hàm liên thuộc của các tập mờ:
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 58
Biểu thức bộ dự báo
Bộ dự báo mờ:
[ ])2()1()2()1(),),1((),(ˆ 43211817_ −+−+−+−−= tututytytyty thapRat θθθθθθμθ
[ ]
[ ]
[ ]
)2()1()2()1(),,),1((
)2()1()2()1(),,),1((
1211109201918
8765191817
−+−+−+−−+
−+−+−+−−+
tututytyty
tututytyty
TB
Thap
θθθθθθθμ
θθθθθθθμ
)2()1()2()1(),),1(( 161514132019 −+−+−+−−+ tututytytyCao θθθθθθμ
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 59
Sơ đồ thu thập dữ liệu
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 60
Dữ liệu vào ra hệ bồn kép
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 61
Kết quả nhận dạng mô hình Takagi-Sugeno
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 62
Thiết kế bộ điều khiển dự báo
Mô hình dự báo đáp ứng của hệ bồn kép: mô hình mờ Takagi Sugeno -
Các tùy chọn của thuật toán điều khiển dự báo:
Phạm vi điều khiển:
Phạm vi dự báo:
T ố hà tiê
3=CH
10=PH
1 400ρ rọng s m mục u:
Thuật toán tối ưu hóa: Levenberg-Marquadt
=σ =
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 63
Kết quả điều khiển dự báo hệ kép dùng mô hình mờ Takagi-Sugeno
28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 64
Các file đính kèm theo tài liệu này:
- bai_giang_he_thong_dieu_khien_thong_minh_chuong_4_dieu_khien.pdf