Điều khiển bám hệ chuyển động theo phương pháp tuyến tính hóa chính xác thích nghi với khâu nhận dạng online dùng mạng nơron

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 10 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT Input Single Output Square Error BIBO Tín hiệu vào ra có giới hạn,

Trang 1

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 1

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

Trang 2

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

Học viên: Nguyễn Thị Xim

Người HD Khoa Học: TS Đỗ Trung Hải

Trang 3

THÁI NGUYÊN 2010

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

***

CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM

Độc Lập - Tư Do - Hạnh Phúc -o0o -

THUYẾT MINH LUẬN VĂN THẠC SĨ KỸ THUẬT

ĐỀ TÀI:

ĐIỀU KHIỂN BÁM HỆ CHUYỂN ĐỘNG THEO PHƯƠNG

PHÁP TUYẾN TÍNH HOÁ CHÍNH XÁC THÍCH NGHI VỚI KHÂU

NHẬN DẠNG ONLINE DÙNG MẠNG NƠRON

Học viên :Nguyễn Thị Xim

Lớp : CHK11

Chuyên ngành :Tự động hoá

Người hướng dẫn :T.S Đỗ Trung Hải

Ngày giao đề tài:1/12/2009

Ngày hoàn thành đề tài:1/8/2010

T.S Đỗ Trung Hải

Trang 4

Nguyễn Thị Xim

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quả trong luận văn là hoàn toàn trung thực và chƣa từng đƣợc ai công bố trong bất kỳ công trình nào khác

Tác giả luận văn

Nguyễn Thị Xim

Trang 5

LỜI CẢM ƠN Trong quá trình làm luận văn, tôi đã nhận được nhiều ý kiến đóng góp từ các thầy, cô giáo, các anh chị và các bạn đồng nghiệp

Tôi xin bày tỏ lòng biết ơn đến T.S Đỗ Trung Hải; đến Khoa Sau Đại học - Trường Đại học Kỹ thuật công nghiệp

Tôi xin chân thành cảm ơn trường Đại học Kỹ thuật công nghiệp, đã tạo những điều kiện thuận lợi nhất về mọi mặt để tôi hoàn thành khóa học

Tôi xin chân thành cảm ơn ban giám hiệu trường Cao đăng nghề GTVT Trung ương II, đã tạo những điều kiện thuận lợi nhất về mọi mặt để tôi hoàn thành khóa học

Nguyễn Thị Xim

Trang 6

Mục Lục

Mục lục 4

Danh mục các ký hiệu và chữ viết tắt 7

Danh mục các hình vẽ và đồ thị 8

Mở đầu 12

Chương 1 Tổng quan về điều khiển thích nghi và các phương pháp nhận dạng hệ thống

14 1.1 Tổng quan về phương pháp điều khiển thích nghi 14

1.1.1 Khái niệm về điều khiển thích nghi 14

1.1.1.1 Định nghĩa……… 14

1.1.1.2 Câu trúc của hệ điều khiển thích nghi……… 14

1.1.1.3 Phân loại……… 15

1.1.2 Các sơ đồ cấu trúc cơ bản của một hệ ĐKTN… 15 1.1.2.1 Hệ điều khiển thích nghi điều chỉnh hệ số khuếch đại… 16

1.1.2.2 Hệ điều khiển thích nghi theo mô hình mẫu……… 16

1.1.2.3 Hệ điều khiển thích nghi tự chỉnh (Self-Turning-egulator)- (STR)… 17 1.1.3 Hệ ĐKTN theo mô hình mẫu (MRAC) 19 1.1.3.1 Phương pháp điều khiển thích nghi theo mô hình mẫu trực tiếp 19 1.1.3.2 Phương pháp MRAC gián tiếp 20

1.1.4 Hệ điều khiển thích nghi áp đặt cực- APPC 22 1.1.5 Phương pháp điều khiển tuyến tính hoá chính xác thích nghi 23

1.2 Tổng quan về vấn đề nhận dạng hệ thống 25

Trang 7

1.2.1 Một số phương pháp kinh điển nhận dạng thông số hệ thống

Off-line

25 1.2.1.1 Phương pháp xấp xỉ vi phân ……… 26

1.2.1.2 Phương pháp Gradient……… 26

1.2.1.3 Phương pháp tìm kiếm trực tiếp ……… 28

1.2.1.4 Phương pháp tựa tuyến tính ……… 28

1.2.1.5 Phương pháp sử dụng hàm nhạy ……… 29

1.2.2 Một số phương pháp kinh điển nhận dạng thông số hệ thống On-line………

29 1.2.2.1 Phương pháp bình phuơng cực tiểu ……… 29

1.2.2.2 Phương pháp xấp xỉ ngẫu nhiên……… 30

1.2.2.3 Phương pháp lọc Kalman mở rộng……… 30

1.2.3 Một số phương pháp hiện đại để nhận dạng hệ thống……… 32

1.2.3.1 Phương pháp sử dụng lý thuyết mờ……… 32

1.2.3.2 Phương pháp sử dụng mạng nơron……… 32

1.3 Lựa chọn phương án nhận dạng và điều khiển 34

Chương 2: Mạng nơron và ứng dụng để nhận dạng online trong điều khiển bám hệ chuyển động theo phương pháp tuyến tính hoá chính xác thích nghi

37 2.1Tổng quan về mạng nơron 37

2.1.1 Khái niệm 37

2.1.2 Cấu trúc mạng nơron … 38

2.1.3 Luật học của mạng nơron … 40

2.1.3.1 Khái niệm……… 40

Trang 8

2.1.3.2 Thuật toán học lan truyền ngược của sai lệch (Back ropagation

Learning Rule) ………

41

2.2 Ứng dụng để nhận dạng online trong điều khiển bám hệ chuyển động

theo phương pháp tuyến tính hoá chính xác thích nghi……

44

2.2.2 Bài toán nhận dạng ……… 45 2.2.3 Bài toán điều khiển ……… 48

3.2 Mô phỏng các thuật toán nhận dạng và điều khiển với đối tượng là

robot 1 khớp nối………

51

Trang 9

3.2.1 Cấu trúc nhận dạng và điều khiển……… 52

3.2.2 Kết quả mô phỏng 1 52

Kết luận 66

Tài liệu tham khảo 67

Phụ lục 69

Trang 10

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

Input Single Output)

Square Error) BIBO Tín hiệu vào ra có giới hạn, viết tắt của (Bound

Input Bound Output) MISO Hệ nhiều đầu vào một đầu ra, viết tắt của (Multi

Inputs Single Output) ĐKTN Điều khiển thích nghi

MRAC Model Referance Adaptive Control

Trang 11

DANH MỤC CÁC HÌNH VẼ VÀ ĐỒ THỊ

Hình 1.1 Cấu trúc cơ bản của hệ điều khiển thích nghi ……… 14

Hình 1.2 H ệ ĐKTN điều chỉnh hệ số khuếch đại ……… 16

Hình 1.3 Sơ đồ cấu trúc hệ ĐKTN theo mô hình mẫu MRAC…… 16

Hình 1.4 Hệ ĐKTN tự điều chỉnh gián tiếp ISTR……… 17

Hình 1.5 Hệ ĐKTN tự điều chỉnh trực tiếp DSTR……… 18

Hình 1.6 Sơ đồ điều khiển thích nghi theo mô hình mẫu trực tiếp 19 Hình 1.7 Sơ đồ điều khiển thích nghi theo mô hình mẫu gián tiếp 20 Hình 1.8 Hệ điều khiển PPC……… 22

Hình 1.9 Sơ đồ cấu trúc điều khiển theo phương pháp tuyến tính hóa chính xác……… 23

Hình 1.10 Sơ đồ tổng quát nhận dạng thông số mô hình………… 24

Hình 1.11 Mô hình nhận dạng theo phương pháp Gradient……… 27

Hình 1.12 Sơ đồ cấu trúc hệ ……… 35

Hình 2.1 Mô hình nơron nhân tạo thứ i……… 37

Hình 2.2 Mạng truyền thẳng 1 lớp……… 38

Hình 2.3 Mạng truyền thẳng nhiều lớp……… 39

Hình 2.4 Mạng phản hồi 1 lớp……… 40

Hình 2.5 Mạng phản hồi nhiều lớp……… 40

Hình 2.6 Mô hình học có giám sát……… 40

Hình 2.7 Mô hình học củng cố……… 41

Hình 2.8 Mô hình học không giám sát……… 41

Hình 2.9 Mô hình nhận dạng tổng quát……… 45

Hình 2.10 Mô hình cấu trúc hệ chuyển động……… 45

Hình 2.11 Sơ đồ cấu trúc mạng nơron……… 46

Hình 2.12 Lưu đồ cập nhật thông số……… 48

Hình 2.13 Mô hình cấu trúc hệ nhận dạng và điều khiển……… 50

Trang 12

simulink………

Hình 3.2 Đồ thị góc vị trí đặt, góc vị trí của đối tƣợng và sai lệch

giữa chúng khi mô phỏng trong thời gian 10 giây (a) và 120 giây (b)

52

Hình 3.3 Đồ thị sai lệch góc vị trí đặt và góc vị trí của đối tƣợng khi

mô phỏng trong thời gian 10 giây (a) và 120 giây (b)…………

53

Hình 3.4 Đồ thị trọng số lớp vào của mạng nơron khi mô phỏng

trong thời gian 10 giây (a) và 120 giây (b)………

53

Hình 3.5 Đồ thị trọng số lớp ẩn của mạng nơron khi mô phỏng trong

thời gian 10 giây (a) và 120 giây (b)…

53

Hình 3.6 Đồ thị trọng số lớp ân ra của mạng nơron khi mô phỏng

trong thời gian 10 giây (a) và 120 giây (b)……

54

Hình 3.8 Đồ thị sai lệch góc vị trí đặt và góc vị trí của đối tƣợng khi

mô phỏng trong thời gian 10 giây (a) và 120 giây (b)………

54

55

Hình 3.10 Đồ thị trọng số lớp ẩn của mạng nơron khi mô phỏng

55

Hình 3.11 Đồ thị trọng số lớp ra của mạng nơron khi mô phỏng

trong thời gian 10 giây (a) và 120 giây(b)………

55

giữa chúng khi mô phỏng trong thời gian 5 giây (a), 45 giây (b)

56

Hình 3.13 Đồ thị sai lệch góc vị trí đặt và góc vị trí của đối tƣợng

khi mô phỏng trong thời gian 5 giây (a) và 45 giây (b)………

56

trong thời gian 5 giây (a), 45 giây (b) ………

56

Trang 13

Hình 3.15 Đồ trọng số lớp ân của mạng nơron khi mô phỏng trong

thời gian 5 giây (a), 45 giây (b) ………

57

trong thời gian 5 giây (a) , 45 giây (b)………

57

khi mô phỏng trong thời gian 15 giây (a) và 90 giây (b)…………

58

59

giữa chúng khi mô phỏng trong thời gian 15 giây (a) và 90 giây ( b)

59

khi mô phỏng trong thời gian 15 giây (a) và 90 giây (b)…………

59

60

61

62

Trang 14

khi mô phỏng trong thời gian 15 giây (a) và 160 giây (b)

63

64

khi mô phỏng trong thời gian 5 giây (a) và 45 giây (b)………

64

65

Trang 15

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Ngày nay cùng với sự phát triển của công nghệ vật liệu thì các lý thuyết

mới về điều khiển hệ thống cũng đã xâm nhập nhanh chóng vào thực tế và

mang lại tính hiệu quả cao khi dùng các lý thuyết điều khiển mới này

Một trong những lý thuyết mà các nhà khoa học trên thế giới đang quan

tâm nghiên cứu và ứng dụng vào thực tế đó là lý thuyết mờ, mạng nơron, điều

khiển thích nghi, điều khiển tối ưu, điều khiển bền vững Đây là vấn đề khoa

học đã có từ vài thập niên, nhưng việc ứng dụng nó vào sản xuất, cũng như sự

kết hợp chúng với nhau để tạo ra một quy luật điều khiển có đủ những ưu

điểm của các lý thuyết thành phần vẫn đang là lĩnh vực khoa học cần quan

tâm và nghiên cứu

Các hệ chuyển động đã và đang được ứng dụng rộng rãi trong thực tế

Đối tượng điều khiển thường là một hệ phi tuyến với các tham số không được

biết đầy đủ trước Các tham số này có thể là xác định hoặc bất định và chịu

ảnh hưởng của nhiễu tác động Vì vậy, việc nghiên cứu ứng dụng điều khiển

thích nghi và mạng nơron để xây dựng thuật toán nhận dạng online và điều

khiển bám hệ chuyển động có đặc điểm là hệ phi tuyến và chứa các tham số

thay đổi là việc làm cần thiết và là hướng nghiên cứu chính của bản luận văn

này

2 Mục đích nghiên cứu

Việc điều khiển hệ chuyển động bám theo quỹ đạo mong muốn là vấn đề

tồn tại thực tế cần nghiên cứu giải quyết Hiện nay phương tiện lý thuyết và

thực nghiệm cho phép thực hiện được các bài toán phức tạp nhằm đạt được

các chỉ tiêu chất lượng yêu cầu như độ quá điều chỉnh, thời gian quá độ cũng

như khả năng bám của hệ

2

Trang 16

Mục tiêu của luận văn là nghiên cứu điều khiển thích nghi theo phương pháp tuyến tính hoá chính xác; nghiên cứu mạng nơron, ứng dụng để nhận dạng online và điều khiển bám một hệ chuyển động phi tuyến

3 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu:

- Xây dựng được cấu trúc nhận dạng online và điều khiển hệ thống

- Ứng dụng kết quả cho một hệ chuyển động thực tế ( vd cánh tay Robot) Phạm vi nghiên cứu:

- Khai thác các nghiên cứu lý thuyết về điều khiển thích nghi, mạng nơron hiện nay nhằm tìm được thuật toán nhận dạng và điều khiển hệ chuyển động

- Xây dựng mô hình mô phỏng bằng phần mềm Matlab – Simulink

4 Ý nghĩa khoa học và thực tiễn của đề tài

Đây là vấn đề khoa học, đang được các nhà khoa học trên thế giới và trong nước quan tâm nghiên cứu

Vấn đề tính ứng dụng thực tiễn to lớn vì điều khiển hệ chuyển động là hệ phổ biến hiện nay Đồng thời, với sự phát triển về mặt công nghệ đã tạo ra các thiết bị kỹ thuật cho phép thực hiện được các thuật toán điều khiển phức tạp với khối lượng tính toán lớn mà trước đây khó thực hiện được

5 Kết cấu luận văn

Mở đầu

Chương 1: Tổng quan về điều khiển thích nghi và các phương pháp nhận

dạng hệ thống

Chương 2: Mạng nơron và ứng dụng để nhận dạng online trong điều

khiển bám hệ chuyển động theo phương pháp tuyến tính hoá chính xác thích nghi

Chương 3: Mô phỏng kiểm chứng bằng phần mềm Matlab – Simulink

Kết luận

Trang 17

CHƯƠNG 1 TỔNG QUAN VỀ ĐIỀU KHIỂN THÍCH NGHI

VÀ CÁC PHƯƠNG PHÁP NHẬN DẠNG HỆ THỐNG

1.1 Tổng quan về phương pháp điều khiển thích nghi

1.1.1 Khái niệm về điều khiển thích nghi

1.1.1.1 Định nghĩa

Điều khiển thích nghi là hệ điều khiển tự động mà cấu trúc của bộ điều khiển có thể thay đổi theo sự biến thiên thông số của hệ sao cho chất lượng ra của hệ đảm bảo các chỉ tiêu đã định trước

1.1.1.2 Cấu trúc của hệ ĐKTN

Cấu trúc tổng quát của hệ ĐKTN được mô tả trên (Hình 1.1) Hệ gồm 2 khối sau:

Khối 1: Phần cơ bản của hệ điều khiển

Khối 2: Phần điều khiển thích nghi

Hình1.1 Cấu trúc chung của hệ điều khiển thích nghi

Trang 18

Khâu nhận dạng có nhiệm vụ đánh giá các biến đổi của hệ thống do tác dụng của nhiễu và các yếu tố khác Kết quả nhận dạng được đưa vào thiết bị tính toán Kết quả tính toán được đưa vào cơ cấu thích nghi để điều chỉnh các thông số bộ điều khiển nhằm đảm bảo chất lượng của hệ như mong muốn

1.1.1.3 Phân loại

Các hệ điều khiển thích nghi có thể chia thành 2 nhóm chính:

+ Hệ điều khiển thích nghi trực tiếp (có mô hình mẫu)

+ Hệ điều khiển thích nghi gián tiếp (có mô hình ẩn)

Trong hệ điều khiển thích nghi các thông số của bộ điều chỉnh sẽ được hiệu chỉnh trong thời gian thực theo giá trị sai số giữa đặc tính mong muốn và đặc tính thực

Trong hệ ĐKTN gián tiếp việc điều chỉnh thông số của bộ điều khiển được điều khiển qua 2 giai đoạn

+ Giai đoạn 1: Đánh giá thông số của mô hình đối tượng

+ Giai đoạn 2: Trên cơ sở đánh giá các thông số của đối tượng, ta tiến hành tính toán các thông số của bộ điều khiển

Đặc điểm chung cho cả ĐKTN trực tiếp và gián tiếp là đều dựa trên giả thuyết tồn tại một bộ điều khiển đảm bảo có đầy đủ các đặc tính mong muốn đặt ra, vậy vai trò của ĐKTN chỉ giới hạn ở chỗ là chọn giá trị thích hợp của

bộ điều khiển tương ứng với các trạng thái làm việc của đối tượng

1.1.2 Các sơ đồ cấu trúc cơ bản của một hệ ĐKTN

Hệ điều khiển thích nghi có 3 sơ đồ chính sau đây:

Trang 19

1.1.2.1 Hệ điều khiển thích nghi điều chỉnh hệ số khuếch đại

Đây là sơ đồ được xây dựng theo nguyên tắc của mạch phản hồi và bộ điều khiển có thể thay đổi thông số bằng bộ điều chỉnh hệ số khuếch đại Đặc điểm của nó có thể làm giảm ảnh hưởng của sự biến thiên thông số

1.1.2.2 Hệ điều khiển thích nghi theo mô hình mẫu

Tín hiệu vào của mạch vòng thích nghi là sai lệch của tín hiệu của mô hình mẫu và của đối tượng Mô hình mẫu được chọn sao cho đặc tính của mô hình mẫu là đặc tính mong muốn Mô hình mẫu chọn càng sát đối tượng thì kết quả điều khiển càng chính xác

Bộ điều chỉnh hệ số khuếch đại

Hình 1.3 Sơ đồ cấu trúc hệ ĐKTN theo mô hình mẫu MRAC

Trang 20

Cơ cấu thích nghi có nhiệm vụ hiệu chỉnh sao cho sai số e (t) = ym- ys tiến

về 0 và hệ ổn định

Tín hiệu điều khiển là sai số giữa tín hiệu ra của mô hình mẫu và tín hiệu của đối tượng Luật thích nghi thường được xác định bằng phương pháp Gradien, lý thuyết ổn định Lyapunov hoặc lý thuyết ổn định tuyệt đối của Pôpôp và nguyên lý dương động để hệ hội tụ và sai số là nhỏ nhất

1.1.2.3 Hệ điều khiển thích nghi tự chỉnh (Self-Turning-Regulator)-

(STR)

Hệ điều khiển thích nghi tự chỉnh được phát biểu chủ yếu cho hệ gián đoạn STR là hệ rất mềm dẻo Tuỳ theo việc lựa chọn luật đánh giá và luật điều khiển mà ta có nhiều STR khác nhau

Dựa vào thuật toán cập nhật tham số ta chia STR thành 2 loại chính: STR trực tiếp (DSTR) và STR gián tiếp (ISTR)

- Hệ điều khiển thích nghi tự chỉnh gián tiếp ISTR

ISTR là hệ tường minh vì các tham số được đánh giá on -line trên mô hình của đối tượng và dùng để tính toán lại các tham số của bộ điều khiển Sơ

đồ ISTR trên (Hình 1.4) Gọi  là véc tơ giá trị đánh giá của đối tượng, C là véc tơ giá trị đánh giá tham số của bộ điều khiển, P()là mô hình tham số hoá của đối tượng Bộ đánh giá tham số online xác định tham số đánh giá tại mỗi thời điểm t là l(t) dùng để tính toán lại bộ điều khiển như là tham số thật của đối tượng thông qua giải phương trình đại số: C(t) = F((t)) tại mỗi thời điểm

Hình 1.4 Hệ ĐKTN tự điều chỉnh gián tiếp ISTR

Trang 21

Khi đó bộ điều khiển có luật C (C(t)) để điều khiển đối tượng như trường hợp tham số của nó đã biết Như vậy tham số của nó được biết gián tiếp thông qua việc giải phương trình đại số nên được gọi là ISTR

- Hệ điều khiển thích nghi tự chỉnh trực tiếp DSTR

Trong hệ DSTR (Hình 1.5) các tham số của mô hình P (C) được biểu diễn theo tham số của đối tượng sao cho thoả mãn các yêu cầu chất lượng Khi đó mô hình được tham số hoá dạng Pc(C) và bộ đánh giá online đánh giá các giá trị của véc tơ tham số C là C(t) tại thời điểm và giá trị này dùng để cập nhật lại tham số bộ điều khiển theo thời gian thực

Như vậy tham số của bộ điều khiển được tính toán trực tiếp không phải qua giải phương trình Vì vậy mà DSTR là kiểu đánh giá mô hình đối tượng không tường minh.N

- Hệ thích nghi tự chỉnh lai:

Kết hợp cả 2 phương pháp trên ta có hệ tự chỉnh thích nghi lai, tức là cùng lúc ta đánh giá cả tham số bộ điều khiển và tham số đối tượng nhằm

Đánh giá¸ ON-LINE Tham số  (t)

Đối t ượng

Bộ điều khiển

Hình 1.5 Hệ ĐKTN tự điều chỉnh trực tiếp DSTR

Trang 22

tránh giải phương trình đại số Đây là hệ thích nghi tự chỉnh nhằm kết hợp ưu điểm của cả hai hệ trên

1.1.3 Hệ theo mô hình mẫu (MRAC)

MRAC (model reference adaptive control) xuất phát từ phương pháp điều khiển theo mô hình mẫu (MRC), trong phương pháp điều khiển theo mô hình mẫu nếu ta không biết véc tơ tham số của đối tượng * thì ta không thể tính

theo mô hình mẫu chỉ áp dụng được với đối tượng có thông số và cấu trúc biết trước

Để giải quyết được bài toán điều khiển theo mô hình mẫu với đối tượng

có thông số thay đổi và cấu trúc không biết trước thì phương pháp điều khiển trên cần kết hợp với phương pháp điều khiển thích nghi để thay thế C

*

trong

điều khiển thích nghi theo mô hình mẫu ra đời

1.1.3.1 Phương pháp điều khiển thích nghi theo mô hình mẫu trực tiếp

Trong phương pháp MRAC trực tiếp, thông số của bộ điều khiển C(t) cần xác định theo yêu cầu về chất lượng của đối tượng điều khiển và biểu diễn dưới dạng tham số trong mô hình đối tượng điều khiển:

Hình 1.6 Sơ đồ điều khiển thích nghi theo mô hình mẫu trực tiếp

Trang 23

Tại mỗi thời điểm bộ đánh giá sẽ tính trực tiếp C

*(t) từ tín hiệu vào uS(t)

và tín hiệu ra yS(t) của đối tượng điều khiển Thông số C*(t) sẽ được sử dụng

để tính toán các thông số của bộ điều khiển C(t)

Sơ đồ MRAC trực tiếp được chỉ ra trên (Hình 1.6)

Trong phương pháp MRAC trực tiếp véctơ C(t) được điều chỉnh trực tiếp mà không phải qua quá trình đánh giá thông số của đối tượng thực Như

thuật toán của bộ đánh giá C(t) sao cho thoả mãn yêu cầu chất lượng của hệ thống điều khiển

1.1.3.2 Phương pháp MRAC gián tiếp

Trong phương pháp này mô hình đối tượng được xây dựng với véc tơ tham số *

chưa xác định nào đó Tại mỗi thời điểm ứng với mỗi tín hiệu vào

u (t) và tín hiệu ra yS(t) bộ đánh giá thông số làm việc sẽ cho ra giá trị (t) ứng với *

và được coi là giá trị đúng với đối tượng tại thời điểm đó và sử dụng giá trị đó để tính toán các thông số bộ điều khiển C(t) nhờ giải phương trình: C(t) = F( (t)) (Hình 1.7)

Hình 1.7 Sơ đồ điều khiển thích nghi theo mô hình mẫu gián tiếp

Bộ tính toán

C(t) = F[(t)]

Trang 24

Trong MRAC gián tiếp các thông số của đối tượng được nhận biết trong quá trình làm việc và được sử dụng để tính toán thông số của bộ điều khiển Luật điều khiển CL (C(t)) được xây dựng ở mỗi thời điểm phải thoả mãn các chỉ tiêu của hệ ứng với mô hình đánh giá của đối tượng GS(p, *

(t))

và bộ đánh giá các tham số (t), sao cho C(C(t)) đáp ứng được các yêu cầu của mô hình đối tượng GS(*)với v*

chưa xác định

Hệ MRAC có thể như một hệ bám thích nghi, trong đó đặc tính mong muốn được tạo ra từ mô hình mẫu Mô hình mẫu là một mô hình toán học được xây dựng trên cơ sở các tiêu chuẩn đặt trước

Trong trường hợp này, việc so sánh giữa tín hiệu đặt trước với tín hiệu đầu ra của hệ, chính là so sánh giữa tín hiệu ra của mô hình mẫu với tín hiệu

Xm, Xs là các véctơ trạng thái của mô hình mẫu và quá trình

Am, Bm là các ma trận hằng của mô hình mẫu

As(t), Bs(t) là các ma trận biến thiên theo thời gian do tác động của nhiễu bên ngoài hoặc bên trong hệ thống

Ym, Ys là các véctơ tín hiệu ra của mô hình và của hệ thống

Sai lệch tín hiệu ra là:

Với C là ma trận hằng

e = Xm - Xs: Là sai số tổng quát (1.4)

Trang 25

Tiêu chuẩn tối ƣu ở đây có thể xem nhƣ một hàm:

IP = F( , C, t, aim, ais) (1.5) Trong đó: aim, ais là các thông số của mô hình và của quá trình

Mục tiêu cơ cấu thích nghi ở đây là điều chỉnh thông số nào đó sao cho

1.1.4 Hệ điều khiển thích nghi áp đặt cực –APPC

Điều khiển thích nghi áp đặt cực (adaptive pole placement control APPC) xuất phát từ hệ điều khiển áp đặt cực (PPC) áp dụng cho đối tƣợng tuyến tính có tham số xác định Trong điều khiển PPC các yêu cầu về chất lƣợng đƣợc chuyển hoá thành các vị trí mong muốn của các điểm cực của hệ thống kín Luật điều khiển có phản hồi sẽ tạo ra để áp đặt các điểm cực của hệ kín vào vùng mong muốn

-Cấu trúc của hệ PPC cho đối tƣợng dạng SISO tuyến tính dừng đƣợc chỉ

ra trên (Hình 1.8)

Cấu trúc của bộ điều khiển C (c

*) và véc tơ tham số c

* đƣợc chọn sao cho các điểm cực của hàm truyền hệ kín (từ r đến y) phải bằng các giá trị mong muốn Véc tơ (c

*) bằng giá trị đánh giá (t)

Bộ điều khiển C(c)

Đối t ƣợng điều khiển Gs(s)

Hình 1.8 Hệ điều khiển PPC

r

Trang 26

của nó Đây chính là sơ đồ điều khiển thích nghi áp đặt cực APPC Tuỳ theo cách thu được đánh giá (t) mà APPC được chia thành APPC trực tiếp và

APPC gián tiếp

1.1.5 Phương pháp điều khiển tuyến tính hoá chính xác thích nghi

Bản chất của phương pháp điều khiển tuyến tính hoá chính xác thích nghi

là xác định một phép đổi biến z=z(x), để từ đó có bộ điều khiển phản hồi trạng thái u=u(x,) sao cho nếu biểu diễn theo biến trạng thái mới là z hệ sẽ trở thành tuyến tính Cấu trúc hệ như hình 1.9

Tài liệu [4],[14] trình bầy ý tưởng biến đổi động học hệ phi tuyến thành

hệ tuyến tính dựa trên phép đổi biến để đưa hệ về dạng chuẩn (mô hình chuẩn

là dạng mô hình trạng thái mà ở đó mỗi tín hiệu vào ui chỉ xuất hiện trong một phương trình vi phân duy nhất) và chọn một tín hiệu điều khiển phù hợp Phương pháp này đồng thời thoả mãn hai mục đích là làm cho hệ thống ổn định và điều khiển tín hiệu ra của hệ bám theo quỹ đạo mong muốn

Xét một hệ SISO sau khi đã đổi biến có dạng chuẩn (1.8):

1 2

2 3

n 1

x x

Trang 27

x  (x , x , , x )1 2 n là các biến trạng thái của hệ

Điều kiện để hệ thống điều khiển được là tất cả các biến trạng thái trong

hệ có biên và G(x , x , , x )1 2 n  0

(n) n

trình vi phân tuyến tính

e   e    e    e  0 (1.12) Với các hệ số  1, 2, , n được chọn sao cho tất cả các nghiệm của

s   s    s    0 có phần thực nằm bên trái trục ảo Như vậy việc chọn các hệ số   i, i 1 n có thể thực hiện theo phương pháp gán điểm cực của Luenberger

Thay biểu thức sai lệch vào (1.12) ta có:

Trang 28

1.2.1 Một số phương pháp kinh điển nhận dạng thông số hệ thống line [1]

Vectơ trạng thái của hệ được mô tả bởi phương trình:

x ( t ), u ( t ), w ( t ), P ( t )f

) t (

Trong đó w(t) là nhiễu tác động từ bên ngoài

Cần tìm các thông số mô hình đảm bảo cực trị theo một tiêu chuẩn nhận dạng

Vector thông số P(t) = [P1(t), P2(t)] có thể chứa các hệ số của hệ phương trình vi phân, phương trình quan sát và đồng thời có thể có đặc trưng thống kê của nhiễu v(t) và w(t)

Trang 29

1.2.1.1 Phương pháp xấp xỉ vi phân

Nếu lấy vi phân giá trị các biến tại các thời điểm, thì có thể xây dựng hệ phương trình tuyến tính được giải bằng phương pháp bình phương cực tiểu đối với vectơ cần tìm P Nếu x(t),x (t ), u(t) là các hàm đã biết thì phương trình

p

t t t

x

t x

, ,,)

(

vµ x

tuyÕnphi

hµmc¸c

chøa AtrËn

1.2.1.2 Phương pháp Gradient

Giả thiết rằng mô hình phi tuyến (1.16) và (1.17) được biểu diễn dưới dạng rời rạc Cần xác định vectơ thông số P sao cho x(t) với độ chính xác cho trước phù hợp với z(t) dưới tác động của tín hiệu điều khiển u(t)

So sánh x(t) với z(t) có thể dẫn đến tiêu chuẩn sai số J bao gồm hiệu các đầu ra của mô hình và đối tượng

0

) ( )

Trong đó H là hàm và thường được chọn dưới dạng tổng bình phương các

vectơ sai số Cấu trúc hệ nhận dạng theo phương pháp gradient được thể hiện như sau:

Trang 30

Thuật toán nhận dạng gradient như sau:

 Cho các giá trị ban đầu P0

 Cho pi =pi0+ và cũng giải các phương trình đó, xác định được J/ p i

 Thông tin nhận được về hướng gradient được sử dụng tuỳ theo từng trường hợp để xây dưng thuật toán tìm véctơ thông số P

Thuật toán gradient lặp đơn giản nhất để xác định thông số P, là phương pháp hạ nhanh nhất Hướng của phương pháp hạ nhanh nhất ngược với hướng gradient và ở điểm ban đầu trùng với hướng trong đó tiêu chuẩn sai số giảm nhanh nhất Có nghĩa là hướng của phương pháp hạ nhanh nhất được mô tả bằng vectơ:

 1, 2,,

2 1

p J p

J C

p p J p

(1.23)

Tiêu chuẩn nhận dạng J Đối tượng

(.) )

Hình 1.11 Mô hình nhận dạng theo phương pháp Gradient

Trang 31

Hằng số C của phương trình (1.22) xác định bước thay đổi vectơ thông số theo hướng gradient Nếu cho C quá lớn thì tiêu chuẩn sai số nhận dạng J thực

tế có thể rất lớn Ngược lại, chọn C quá nhỏ thì tốc độ hội tụ có thể quá chậm

Và để tìm C * ta có thể sử dụng các phương pháp tối ưu thông thường

1.2.1.3 Phương pháp tìm kiếm trực tiếp

Phương pháp này không yêu cầu biết trước giá trị đạo hàm (sai phân) như các phương pháp gradient và xấp xỉ đạo hàm Mặc dù phương pháp tìm kiếm hội tụ chậm hơn so với các phương pháp khác nhưng trên thưc tế được sử dụng khá nhiều do tính đơn giản, dễ sử dụng của nó Bản chất của phương pháp dựa trên giả thiết rằng độ lệch của véctơ thông số ở những bước tìm kiếm đúng đắn trước đó có thể dẫn đến thành công ở bước sau

Ban đầu tiên chọn giá trị ban đầu của véctơ thông số và tính toán hàm mục tiêu tìm kiếm J(0) Sau đó tiến hành xem xét (với bước tính toán cho trước) các hướng phù hợp với tất cả các thành phần của véctơ thông số Nếu J (k)<J(0) thì chọn lại giá trị ban đầu mới và dịch chuyển sơ đồ tính toán sang toạ độ gốc mới và lặp lại chu trình tìm kiếm cho tới khi tìm đợưc giá trị cực tiểu J *

)( ( 1) ( )

) 1 ( ) 1

ic

k i

1.2.1.4 Phương pháp tựa tuyến tính

Phương pháp tựa tuyến tính kết hợp với phương pháp bình phương cực tiểu có thể nhận dạng véctơ thông số chính xác hơn khi biết các giá trị xấp xỉ của nó

Giả sử hệ được mô tả bằng phương trình sau:

 , , , , )

Trang 32

Nếu tuyến tính hoá vế phải biểu thức (1.26) qua chuỗi Taylor thì có thể tìm P hết sức đơn giản bằng phương pháp bình phương cực tiểu như đã giới thiệu ở trên Tuy nhiên cần bổ xung một hệ phương trình đánh giá thông số cho (1.26) như sau:

0



i

p ; p i( 0 )  p i0 i = 1,2, ,m Như vậy mô hình đánh giá (1.26) được mở rộng với:

T

p p p x x x

 1, 2,  , v, 0 , 0 ,  , 0

T

u u u

i

p

p x

x x

f t p

Lấy tích phân (1.33) nhận được phục vụ cho quá trình nhận dạng

1.2.2 Một số phương pháp kinh điển nhận dạng thông số hệ thống line [1]

1.2.2.1 Phương pháp bình phuơng cực tiểu

Trang 33

Hệ thống mô tả bằng phương trình sai phân tuyến tính theo thông số hoặc điều khiển sau đây:

(

1 )

( ) 1 ( ) ( ) ( ) 1 ( )

T

e k k

P k k k

P k

1.2.2.2 Phương pháp xấp xỉ ngẫu nhiên

Thuật toán có dạng sau:

J k k

p k

p (  1 )   ( )  0 , 5  ( ) p

(1.39) Trong đó (k)là vectơ thông số hiệu chỉnh thoả mãn các điều kiện:

Trang 34

k P k x k

Nếu biết trước cấu trúc , hệ phi tuyến và các thông số mô hình P1, P2 thì

bộ lọc Kalman cho kết quả lọc:

) 1 ( ) / 1 ( ˆ )

( ˆ

), ( ), ( ), ( ˆ ) ( )

( ˆ

), ( ), ( ), ( ˆ )

/

1

k V k

x

k k P k u k x k

V k

x

k k P k u k x k

k

T x

/ 1 ( ˆ

] 1 ), ( ), 1 ( ), / 1 (

ˆ

[

) 1 ( ) / 1 ( )

/ 1 ( ˆ

1 ), ( ), 1 ( ), 1 ( ˆ

[

) / 1 ( ˆ

1 ), ( ), / 1 ( ˆ ), 1 (

[

) / 1 ( ˆ

)]

1 ( ), ( ), / 1 ( ), 1 ( [ ) / 1 ( ) / 1 ( )

1

(

1 2

1

2 2

k x

k k P k u k k

x

h

k V k k V k

k x

k k P k u k x

h

k k x

k k P k k x k

u

h

k k x

k k P k k x k u h k k V k k V k

V

x

x x

T

T x

x x

/ 1 ( ˆ

1 ), ( ), 1 ( ), 1 ( ˆ ) 1 ( )

k x

k k P k u k k x h k

V k

Các điều kiện ban đầu:

Trang 35

Do vectơ thông số P1(k), P2(k) thay đổi theo thời gian chưa biết trước nên phải nhận dạng thông số cùng với trạng thái với giả thiết rằng P1(k), P2(k) trong khoảng thời gian đủ ngắn là không đổi Khi đó vectơ mở rộng có dạng:

) (

), ( ), (

) 1 (

) 1 ( ) 1 (

2 1 2

1

k w

k P

k k u k x

k P

k x k

Sử dụng thuật toán (1.47) - (1.52) đánh giá đồng thời thông số và trạng

thái hệ thống với vectơ trạng thái mở rộng (1.53)

1.2.3 Một số phương pháp hiện đại để nhận dạng hệ thống

1.2.3.1 Phương pháp sử dụng lý thuyết mờ

Lý thuyết mờ được sử dụng để xây dựng bộ nhận dạng mờ các hệ thống động lực học phi tuyến Bộ nhận dạng mờ có khả năng nhận dạng hệ thống phi tuyến với độ chính xác cao với khoảng thời gian hữu hạn Các bộ nhận dạng mờ được xây dựng từ một tập các luật mờ, kết hợp cả hai thông tin là các cặp tín hiệu vào - ra và suy luận mờ theo các luật mờ nếu - thì Tác giả cũng chỉ ra rằng bộ nhận dạng mờ là ổn định toàn cục với ý nghĩa là tất cả các biến trong bộ nhận dạng mờ là có biên

Thuận lợi quan trọng nhất của các bộ nhận dạng mờ là các mô tả ngôn ngữ cho hệ thống (các luật mờ nếu - thì) được kết hợp chặt chẽ với số liệu đo

và những kiến thức chuyên gia để tạo nên các hệ điều khiển thông minh

Một thuật toán nhận dạng để điều khiển bền vững hệ phi tuyến dùng mô hình mờ được đề xuất trên cơ sở sử dụng hộp bao tối ưu trong phương pháp nhận dạng thành viên tập hợp, tuy nhiên thuật toán đề xuất chỉ có thể áp dụng

để nhận dạng thông số của mệnh đề kết luận của hệ mờ mà chưa nhận dạng được thông số của mệnh đề điều kiện

1.2.3.2 Phương pháp sử dụng mạng nơron

Vấn đề nhận dạng sử dụng mạng nơron được rất nhiều công trình nghiên cứu và cũng rất đa dạng, cụ thể như:

Trang 36

Sử dụng mạng nơron nhiều lớp truyền thẳng để ước lượng hệ phi tuyến với các sai lệch có biên, được [8], áp dụng cho hệ rời rạc phi tuyến Ưu điểm

là cấu trúc mạng đơn giản, nhưng nhược điểm là kích thước mạng lớn làm tốn nhiều bộ nhớ và sai lệch nhận dạng tương đối lớn

Tài liệu [13] sử dụng mạng nơron hồi quy ba lớp để nhận dạng trực tuyến

hệ liên tục phi tuyến Ưu điểm là tốc độ học của mạng nhanh hơn so với mạng truyền thẳng nhưng nhược điểm là cấu trúc mạng phức tạp và sai lệch nhận dạng cũng lớn

Thuật toán lọc siêu KALMAN mở rộng được [7] sử dụng cho mạng nơron hồi quy để nhận dạng hệ phi tuyến theo mô hình nhận dạng nối tiếp -song song có lấy tín hiệu quá khứ (qua khối trễ) Ưu điểm là nâng cao được chất lượng học của mạng nơron Hạn chế là do tính chất phân ly của lọc Kalman nên chỉ áp dụng với mạng có tổng số trọng số liên kết nhỏ

Mạng nơron Hopfield /Gabor được sử dụng để nhận dạng hệ phi tuyến Mạng có thể nhận dạng các hệ phi tuyến rời rạc có mức độ phi tuyến ít Hệ không cần ổn định tiệm cận nhưng cần ổn định trên biên vào - ra (BIBO) để kết quả nhận dạng hợp lý trong phạm vi vào - ra lớn Sử dụng các tính chất của mô hình Gabor và xây dựng mạng theo nguyên tắc để đạt được sai lệch cực tiểu toàn cục Mạng và ứng dụng để nhận dạng hệ thống được nghiên cứu

mô phỏng trên máy tính Các vấn đề thực tế như cực tiểu cục bộ, ảnh hưởng của tín hiệu vào và điều kiện khởi đầu, mô hình nhạy cảm với nhiễu, độ nhạy của sai lệch bình phương cực tiểu (MSE: Mean Square Error) với số hàm cơ

sở và bậc xấp xỉ, chọn hàm cưỡng bức cho các dữ liệu học đã được trình bày trong tài liệu này

Ý tưởng của phương pháp là việc sử dụng phạm vi liên kết vị trí – tần số của hàm Gabor (GBF: GaBor Function) để mô tả hệ phi tuyến, sau đó sử dụng mạng nơron để nhận dạng các tham số của mô hình

Kết quả mô phỏng quá trình nhận dạng một hệ gián đoạn phi tuyến sử dụng hai hàm cơ sở Gabor và Fourier, (ở đây là nhiễu tự do và nhiễu môi

Trang 37

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 37 trường ) cho thấy mô hình Gabor giảm nhanh sai số bình phương cực tiểu MSE và ít bị ảnh hưởng của nhiễu hơn mô hình Fourier

Trang 38

1.3 Lựa chọn phương án nhận dạng và điều khiển

Chất lượng hệ điều khiển nói chung và chất lượng điều khiển bám quỹ đạo trong điều khiển chuyển động nói riêng phụ thuộc vào hai yếu tố cơ bản đó là chất lượng phần cứng và chất lượng phần mềm

Chất lượng phần cứng thể hiện ở độ chính xác về cơ khí, về độ tin cậy của các thiết bị …

Chất lượng phần mềm thể hiện ở luật điều khiển hệ thống, các phương pháp tính toán và mô tả hệ …

Để xây dựng được một luật điều khiển đáp ứng được các yêu cầu đề ra thì việc mô tả toán học cũng như tính toán chính xác mô hình hệ thống là việc làm cần thiết Với các hệ kỹ thuật tuỳ theo yêu cầu cụ thể và để đơn giản, khi khảo sát đặc tính động học của đối tượng thường được coi đối tượng là tuyến tính Khi đó hệ thống được mô tả bằng một hệ phương trình vi phân tuyến tính và sử dụng nguyên lý xếp chồng để khảo sát

Tuy nhiên hầu hết các đối tượng điều khiển trong công nghiệp lại có đặc tính động học phi tuyến, hoặc trong hệ thống điều khiển có một hoặc nhiều khâu có đặc tính động học phi tuyến Tính chất phi tuyến mạnh hay yếu của các khâu trong hệ chuyển động phụ thuộc vào mỗi bài toán cụ thể Đặc biệt với những đối tượng mà sự hiểu biết về chúng là không nhiều, khi đó những giả thiết cho phép xấp xỉ hệ chúng bằng mô hình tuyến tính không được thoả mãn Tổng quát hệ điều khiển chuyển động là hệ phi tuyến mạnh việc điều khiển hệ phải qua việc nhận dạng và điều khiển

Với vấn đề nhận dạng hệ thống:

Đã có rất nhiều công trình nghiên cứu theo các phương pháp khác nhau

đã được đề xuất [5] phân tích nghiên cứu và tác giả đã lựa chọn dùng mạng nơron truyền thẳng nhiều lớp với luật dạy học có giám sát vì có ưu điểm nổi trội sau:

- Cấu trúc mạng đơn giản

Tiêu đề	Điều Khiển Bám Hệ Chuyển Động Theo Phương Pháp Tuyến Tính Hóa Chính Xác Thích Nghi Với Khâu Nhận Dạng Online Dùng Mạng Nơron
Tác giả	Nguyễn Thị Xim
Người hướng dẫn	T.S. Đỗ Trung Hải
Trường học	Trường Đại Học Kỹ Thuật Công Nghiệp, Đại Học Thái Nguyên
Chuyên ngành	Tự Động Hóa
Thể loại	Luận Văn Thạc Sĩ
Năm xuất bản	2010
Thành phố	Thái Nguyên

Định dạng
Số trang	76
Dung lượng	1,19 MB