Bài giảng Hệ thống điều khiển thông minh - Chương 4: Điều khiển dựa vào mô hình - Huỳnh Thái Hoàng

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: Ž Điều khiển dùng mô hình ngược (Inverse Control). ề ểŽ Đi u khi n mô hình nội (Internal Model Control). Ž Điều khiển theo mô hình chuẩn (Model Reference Control). Ž 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: Ž Bộ dự báo V hồi i )),((),(ˆ θϕθ kfky = ),(ˆ θky )(kŽ ector qu Ž 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 SŽ n m : am an , ugeno ŽMô hình mạng thần kinh: MLP, RBF ŽMô 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: Ž Thu thập N mẫu dữ liệu vào ra của đối tượng Ž 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: Ž 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 ốŽ 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: Ž Tín hiệu vào: )(),1( khkh + Ž Tín hiệu ra: Ž Số tế bào thần kinh ở lớp ẩn là 6. k h h l ẩ l h i id )(ˆ ku Ž Hàm íc oạt ở ớp n à àm s gmo ; Ž 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: Ž dùng sơ đồ điều khiển thuận (Feed Forward Control) Ž 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 Ž Tín hiệu vào: Tín hiệu ra: Ž Số tế bào thần kinh ở lớp ẩn là 6. )1(),1( −− kukh )(ˆ kh Ž 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 Ž Tín hiệu vào: Tín hiệu ra: Ž Số tế bào thần kinh ở lớp ẩn là 6 )(),1( khkh + )(ˆ ku 28 May 2010 © H. T. Hoàng - ÐHBK TPHCM 33 . Ž 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 ᑠP 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: Ž Tín hiệu vào:φ(k−1), φ(k−2), u(k−1), u(k−2) Ž Tín hiệu ra: )(ˆ kφ Ž Số tế bào thần kinh ở lớp ẩn là 10 ‘ Cấu trúc mạng thần kinh thực hiện chức năng điều khiển: Ž Tín hiệu vào: φ(k−1), φ(k−2), r(k−1), r(k−2), u(k−1) Ž Tín hiệu ra: u(k) Ž 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: Ž Tín hiệu vào: w1(k−1), w1(k−2), Cb(k−1), Cb(k−2) Ž Tín hiệu ra: Ž Số tế bào thần kinh ở lớp ẩn là 7 )(ˆ kCb ‘ Các tùy chọn của thuật toán điều khiển dự báo: Ž Phạm vi điều khiển: 2=H Ž Phạm vi dự báo: Ž Trọng số hàm mục tiêu: C 7=PH 1=σ 05.0=ρ Ž 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: Ž Phạm vi điều khiển: Ž Phạm vi dự báo: T ố hà tiê 3=CH 10=PH 1 400ρŽ rọng s m mục u: Ž 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