File Dịch.pdf

Thuật toán điều khiển cho chất lỏng hai thùng Hệ thống cấp độ Một nghiên cứu thử nghiệm Khoa Kỹ thuật Điện Viện Công nghệ Quốc gia, Rourkela Rourkela 769008, Odisha, Ấn Độ Soumya Ranjan Mahapatro Mach[.]

Thuật toán điều khiển cho chất lỏng hai thùng

Hệ thống cấp độ: Một nghiên cứu thử nghiệm

Khoa Kỹ thuật Điện

Viện Công nghệ Quốc gia, Rourkela Rourkela-769008, Odisha, Ấn Độ Soumya Ranjan Mahapatro

Hệ thống cấp độ: Một nghiên cứu thử nghiệm Thuật toán điều khiển cho chất lỏng hai thùng

Soumya Ranjan Mahapatro

GS Bidyadhar Subudhi

Rourkela-769008, Odisha, Ấn Độ

2012-2014

Theo hướng dẫn của

Viện Công nghệ Quốc gia, Rourkela

Cuộn số: 611EE104

TRONG

Khoa Kỹ thuật Điện

Thạc sĩ công nghệ bằng nghiên cứu

Kỹ thuật điện

qua Một luận án nộp để đáp ứng một phần các yêu cầu cho việc

trao giải thưởng bằng cấp

Hệ thống: Một nghiên cứu thực nghiệm”, của ông Soumya Ranjan Mahapatro nộp cho

Khoa Điện, dưới sự giám sát của tôi Chúng tôi tin rằng luận văn này đáp ứng

kết quả thể hiện trong luận án này đã không được gửi cho giải thưởng của bất kỳ mức độ nào khác

Viện Công nghệ Quốc gia Rourkela cho giải thưởng Thạc sĩ Công nghệ theo Nghiên cứu

Điều này là để xác nhận rằng luận án có tiêu đề “Thuật toán điều khiển cho mức chất lỏng hai bể

trong Kỹ thuật điện là một hồ sơ về công việc nghiên cứu trung thực được thực hiện bởi ông trong

một phần của các yêu cầu để được trao bằng Thạc sĩ Công nghệ bằng Nghiên cứu Các

…Soumya Ranjan Mahapatro

ĐẾN

Cha Mẹ yêu dấu của tôi

Tận tụy

Tôi cũng bày tỏ lòng biết ơn sâu sắc đến cha mẹ tôi Soudamini Mahapatro và Padma

cơ sở vật chất có thể phục vụ cho công việc nghiên cứu này Đồng thời xin cảm ơn các giảng viên khác trong khoa

Ku Panda Trưởng Khoa Kỹ thuật Điện, NIT Rourkela đã cung cấp tất cả

GS.Subhojit Ghosh vì sự thúc đẩy, hướng dẫn xuất sắc của họ Ban đầu, Tiến sĩ S Ghosh

Tôi cũng xin cảm ơn Bộ Nguồn nhân lực và Phát triển,

Trước hết, tôi vô cùng biết ơn người hướng dẫn của tôi, Giáo sư Bidyadhar Subudhi và

Giáo sư UCPati và Giáo sư SKBehera vì lời khuyên của họ Tôi cũng rất biết ơn Giáo sư Anup

các thành viên của Control and Robotics Lab of NIT Rourkela vì sự hợp tác, giúp đỡ của họ

Tôi muốn bày tỏ lòng biết ơn của mình tới các thành viên của Ủy ban giám sát của Masters,

các đồng nghiệp nghiên cứu của tôi là Amrit Anand Mahapatra, Chavi Surendu Sharma và tất cả các nhà nghiên cứu

xuyên suốt tác phẩm

Tôi rất biết ơn các học giả nghiên cứu cao cấp của tôi Dushmanta Kumar Das, BasantaSahu, Sathyam Bonala, Raja Rout, Subhasish Mahapatra, Pradosh Sahu, Muralidhar Killi và

Bidyadhar Subudhi vì sự hướng dẫn kích thích của anh ấy và cũng vì sự khuyến khích nhân từ của anh ấy

bộ phận cho dịch vụ tuyệt vời của họ và giúp đỡ

dưới sự hướng dẫn của Giáo sư Bidyadhar Subudhi Thực sự, tôi mang ơn thầy giáo PGS

sự khích lệ

trong một năm Trên thực tế, Tầm nhìn và sự hỗ trợ của anh ấy đã tạo cơ sở cơ bản cho luận điểm này Sau đó tôi đến

Tôi cũng xin cảm ơn các nhân viên phòng thí nghiệm của phòng thí nghiệm Nghiên cứu và Kiểm soát và các nhân viên văn phòng của chúng tôi.

Charan Mahapatro, anh trai, anh rể và em gái tôi vì tình yêu, sự hỗ trợ và

đã giới thiệu cho tôi vấn đề kiểm soát mức chất lỏng trong bể ghép nối này và phải rời khỏi NIT Rourkela

phòng

Ấn Độ (MHRD) để cấp học bổng trong hai năm qua để theo đuổi nghiên cứu

Soumya Ranjan Mahapatro

Nhìn nhận

Luận án cung cấp mô tả về một CTS cùng với cấu hình phần cứng của nó được sử dụng để mang

được thiết kế và triển khai trong thời gian thực trên CTS Thông thường, theo cách tiếp cận này, thiết kế bộ điều khiển PI

được phát triển để duy trì mức chất lỏng không đổi khi có sự xáo trộn

mô hình của một hệ thống vật lý từ dữ liệu đầu vào-đầu ra thử nghiệm của hệ thống Toàn bộ

được chỉ đạo trong vài năm qua để phát triển các chiến lược kiểm soát cho một CTS Nhưng, ít tác phẩm

bằng cách khai thác một phương pháp tối ưu hóa lồi Nhưng, nó mang lại phản ứng chậm hơn Do đó, một

vấn đề Động lực học của CTS giống với nhiều hệ thống thực như chưng cất

bắt đầu với một thiết kế thử nghiệm, sau đó là thu thập dữ liệu và tiền xử lý dữ liệu, tiếp theo là

cài đặt Vì vậy, có một cơ hội tốt để phát triển một số bộ điều khiển tiên tiến và

hiệu suất so với bộ điều khiển PI dựa trên LMI Bộ điều khiển AFPI được phát triển này bao gồm

vấn đề kiểm soát điểm chuẩn đầy thách thức do pha phi tuyến tính và không cực tiểu của nó

mô hình được xác nhận bằng cách sử dụng dữ liệu thử nghiệm Công việc hiện tại là nhằm mục đích sử dụng các

Mục tiêu của công việc hiện tại là duy trì mực nước ở giá trị điểm đặt mong muốn

một phần, các tham số của bộ điều khiển PI được cố định và được điều chỉnh bằng phương pháp Ziegler-Nichols và

thiết kế

cho thiết bị xe tăng ghép nối được nghiên cứu Dựa trên mô hình đã xác định, các thuật toán điều khiển được

để điều chỉnh mức chất lỏng mong muốn trong cả hai bể, bộ điều khiển PI dựa trên LMI đã được

ra công việc nghiên cứu Thông thường, nhận dạng hệ thống là một thủ tục để có được giá trị toán học

phát sinh do mở van đột ngột trong các bể chứa Rất nhiều công trình nghiên cứu đã

vấn đề được xây dựng như một vấn đề thiết kế bộ điều khiển phản hồi trạng thái, vấn đề này được giải quyết thêm

Kiểm soát mức chất lỏng trong hệ thống bể ghép nối (CTS) là một kiểm soát chuẩn cổ điển

quá trình xác định một hệ thống từ dữ liệu đầu vào và đầu ra bao gồm sáu bước Nó

đã được báo cáo để xác nhận các chiến lược kiểm soát được phát triển thông qua thử nghiệm

bộ điều khiển PI mờ thích nghi (AFPI) đã được phát triển để thu được mức chất lỏng tốt hơn

cột, quá trình nồi hơi, nhà máy lọc dầu trong ngành công nghiệp hóa dầu và nhiều hơn nữa nó là nhất

thực hiện chúng trong thời gian thực trên thiết lập thử nghiệm của CTS trong phòng thí nghiệm

lựa chọn cấu trúc mô hình phù hợp, sau đó ước lượng các tham số của mô hình và cuối cùng

hai bộ điều khiển PI được kết nối song song, chẳng hạn như bộ điều khiển PI chính và phụ Trong sơ cấp

đặc trưng Hơn nữa, các ràng buộc vật lý của nó cũng đặt ra sự phức tạp trong việc kiểm soát của nó

hiện có cũng như phát triển các công cụ nhận dạng hệ thống mới để có được một mô hình phù hợp

đồng thời đảm bảo hiệu suất mạnh mẽ khi có nhiễu tải Ban đầu,

trừu tượng

bộ điều khiển (AFSMC) được phát triển và nó cũng được triển khai trong thời gian thực Từ cả hai

điều kiện hoạt động đó là lợi thế chính của bộ điều khiển này Sau khi thực hiện các

từ các kết quả thử nghiệm cũng như mô phỏng, người ta quan sát thấy rằng, nó bị nhiễu

rằng điều khiển AFSMC được đề xuất mang lại hiệu suất điều khiển mạnh mẽ để duy trì

trong phần thứ cấp, các tham số được thay đổi hoàn toàn bằng cách lựa chọn các luật mờ phù hợp

đã phát triển AFPI trong thời gian thực, nó đã được quan sát từ phản ứng thử nghiệm mà nó mang lại

mức chất lỏng mong muốn không đổi trong cả hai bể so với bộ điều khiển được trình bày khác.vấn đề có mối quan tâm nghiêm trọng như cơ hội làm hỏng bộ truyền động của

trong thời gian thực Bộ điều khiển AFPI được phát triển này cung cấp mức chất lỏng chính xác nhờ phạm vi lớn

đáp ứng theo dõi tốt nhưng nó tạo ra độ vọt lố không mong muốn Do đó, để có được

cài đặt Do đó, để giảm vấn đề huyên thuyên, một chế độ trượt mờ thích ứng

điều kiện hoạt động vì bộ điều khiển logic mờ (FLC) bao gồm nhiều loại

kết quả thí nghiệm, tức là cả khi có nhiễu tải và không có nhiễu đều được quan sát thấy

theo dõi tốt cũng như hiệu suất mạnh mẽ, bộ điều khiển chế độ trượt đã được thiết kế Nhưng

Khảo sát tài liệu về các chiến lược kiểm soát được áp dụng cho

Kết quả và thảo luận

Kết quả thu được từ Nhận dạng hệ thống

Hội thảo thời gian thực

Thiết kế bộ điều khiển

Mô hình động lực học của một hệ thống xe tăng ghép nối

3211

v

6

Tóm tắt chương

1.2 1.2.1

10xi

Hệ thống bể ghép3.2

Mô tả Thiết lập Thử nghiệm Xe tăng Ghép nối

Chương 2

2.1 2.21.6

Luật điều khiển cho Tank-2

Kết quả và thảo luận

57

66Tóm tắt chương

Kết luận và đề xuất cho công việc trong tương lai

Luật điều khiển cho Tank-1

Bộ điều khiển

Thiết kế bộ điều khiển cho hệ thống bình chứa ghép nối

6.2

556.2.2

6,5

43

Kết quả và thảo luận

Phát triển luật điều khiển cho Tank-2

59

Chương 7 7.1

69 69

Bộ điều khiển chế độ cho hệ thống bình chứa ghép nối

Phát triển luật điều khiển cho Tank-15.4

3.10 Đáp ứng thử nghiệm của điều khiển PI dựa trên Ziegler Nichols để điều khiển mức trong

1.1 Ví dụ về hệ thống cấp chất lỏng trong bình chứa ghép nối

5

Biểu diễn sơ đồ hệ thống mức chất lỏng điển hình của một đơn vị cơ khí bể ghép nối 1.4 Biểu diễn sơ đồ thiết lập thử nghiệm Hiển thị từng phần cứng 1.5 Sơ đồ quy trình tạo mã Xưởng thời

gian thực Biểu diễn mô hình hai bể ghép nối

hình ARX 2.6 Sơ đồ khối của mô hình

ARMAX 2.7 Dữ liệu đầu vào thử nghiệm 2.8

Đầu ra thử nghiệm so với đầu ra

mô phỏng của mô hình đã xác định cho

2.1

243.2 Sơ đồ khối của Bộ điều khiển PI dựa trên LMI được đề xuất

19

3.7 Phản ứng thử nghiệm của kiểm soát PI dựa trên LMI để kiểm soát trong Bể 1

3.8 Phản hồi thử nghiệm của kiểm soát PI dựa trên LMI để kiểm soát trong Bể 2

3.9 Phản hồi thử nghiệm của kiểm soát PI dựa trên Ziegler Nichols để kiểm soát mức độ trong

29

bể 1

Sơ đồ cấu trúc của bộ điều khiển PI mờ thích nghi

152.3

19

Phản hồi mô phỏng của điều khiển PI dựa trên LMI để kiểm soát trong Xe tăng

1 3.4 Phản hồi mô phỏng của điều khiển PI dựa trên LMI để kiểm soát trong Xe tăng 2

3.5 Phản hồi mô phỏng của điều khiển PI được điều chỉnh Ziegler Nichols để kiểm soát mức trong

29

35

42

bể 1

17

6.2 Sơ đồ khối điều khiển chế độ trượt mờ thích nghi

hệ thống

kiểm soát trong xe tăng 2

4939

59

6564

5.1

chế độ trong khi kiểm soát mức độ trong Xe tăng 1

5.3

6.13 Phản hồi thử nghiệm của bộ điều khiển chế độ trượt mờ thích ứng (AFSMC)

6.7 Phản ứng mô phỏng của Chế độ trượt mờ thích ứng (AFSMC ) trong khi cân bằng

6.11 Phản hồi thử nghiệm của Chế độ trượt mờ thích ứng (AFSMC) khi cân bằng

1

6,8

5049

54

656.1 Sơ đồ cấu trúc điều khiển của bộ điều khiển chế độ trượt mờ thích nghi

Phản ứng mô phỏng của Điều khiển chế độ trượt trong khi điều khiển mức trong Xe tăng 2

ở chế độ loại bỏ nhiễu loạn trong khi kiểm soát mức độ trong Xe tăng 1

kiểm soát trong xe tăng 1

63

39

5043

chế độ trong khi kiểm soát mức độ trong Xe tăng 2

kiểm soát trong xe tăng 1

36

5149

64

5.5 Đáp ứng của bề mặt trượt khi điều khiển mức trong bể 1 5.6 Đáp ứng

của bề mặt trượt khi điều khiển mức trong bể 2 5.7 Phản ứng thực nghiệm

của điều khiển chế độ trượt khi điều khiển mức trong bể 1 5.8 Phản ứng thực nghiệm của điều

khiển chế độ trượt khi điều khiển mức trong bể 2 Phản ứng thực nghiệm của điều khiển mức Điều

khiển chế độ trượt khi loại bỏ nhiễu

40

6363

6.12 Đáp ứng thử nghiệm của bộ điều khiển chế độ trượt mờ thích ứng (AFSMC)

Phản ứng mô phỏng của Điều khiển chế độ trượt trong khi điều khiển mức trong Xe tăng 1

6.6 Phản hồi mô phỏng của Chế độ trượt mờ thích ứng (AFSMC) trong khi cân bằng

5.10 Phản hồi thử nghiệm của Điều khiển chế độ trượt khi loại bỏ nhiễu

6,9

5039

kiểm soát trong xe tăng 2

5.4

ở chế độ loại bỏ nhiễu loạn trong khi kiểm soát mức độ trong Xe tăng 2

Biểu diễn đồ họa của bề mặt trượt 5.2 Cấu trúc sơ đồ của Bộ điều khiển chế độ trượt để kiểm soát mức trong bể ghép nối

4.8 Đáp ứng thử nghiệm của PI mờ thích ứng (AFPI) để kiểm soát mức trong bể

51

Bề mặt trượt trong khi điều chỉnh mức ở Bể 1 Bề mặt trượt trong khi điều chỉnh mức ở Bể 2 6.10 Phản ứng thử nghiệm của Chế độ trượt mờ thích ứng (AFSMC) trong khi điều chỉnh mức

4.3 Hàm liên thuộc mờ cho biến đầu vào 4.4 Hàm liên thuộc

mờ cho biến đầu vào đầu ra 4.5 Phản ứng mô phỏng của PI mờ thích

ứng (AFPI) để kiểm soát mức trong Bể 1 4.6 Phản ứng mô phỏng của PI mờ thích ứng (AFPI) để

kiểm soát mức trong Bể 2 4.7 Phản hồi thực nghiệm của Adaptive Fuzzy PI (AFPI) để kiểm soát

mức độ trong Tank

Số

2.1

số 13

4.4 Đánh giá hoạt động của bộ điều khiển AFPI cho Bồn 2

7.1 Đánh giá hiệu suất của tất cả các Kiểm soát viên dựa trên hiệu suất

41

Chỉ số cho xe tăng 2

Chỉ số cho xe tăng 1

525.1

4.3 Đánh giá hoạt động của bộ điều khiển AFPI cho Bồn 1

6.3 Đánh giá hiệu suất của thuật toán điều khiển AFSMC và SMC

40

7.2 Đánh giá hiệu suất của tất cả các Kiểm soát viên dựa trên hiệu suất

3.1 Phân tích phản hồi theo thông số và hiệu suất miền thời gian

Các thông số của Bộ điều khiển chế độ trượt 48

68

5.2 Đánh giá hiệu suất của bộ điều khiển Điều khiển chế độ trượt (SMC)

613.2 Phân tích phản hồi theo thông số kỹ thuật miền thời gian và hiệu suất

Danh sách các bảng

Hệ suy diễn mờ VSC

LÀ MSE

Hệ thống cấu trúc biến

Lỗi bình phương trung bình

Phương trình Riccati đại số GA

DC PID

Thuật toán di truyền

Mô hình tham khảo Điều khiển thích ứng

Tích phân lỗi tuyệt đối ĐAQ

LQR DMC

Kiểm soát dựa trên mô hình nội bộ

Tích Phân Vuông Lỗi

PSUPA

RLS

FLC

Bộ nguồn và Bộ khuếch đại công suất

Ước lượng bình phương nhỏ nhất đệ quy

Điều khiển logic mờ

Ủy ban Liên đoàn Quốc tế về Điều khiển Tự động (IFAC) vào năm 1990 đã

đồ uống, v.v được thể hiện trong Hình.1.1 Hầu hết, việc kiểm soát mức và lưu lượng trong bể là phổ biến ở tất cả

mức như đầu ra Mặc dù hệ thống bể ghép đơn giản từ điểm xây dựng

các ngành công nghiệp như xử lý nước thải, hóa chất, hóa dầu, dược phẩm, thực phẩm,

hệ thống là một hệ thống đa đầu vào đa đầu ra (MIMO) với điện áp điều khiển là đầu vào và nước

trong bể và dòng chất lỏng giữa các bể là một yêu cầu cơ bản trong hầu hết các quy trình

khi có dòng nước vào và dòng nước ra khỏi bể tương ứng Bể ghép nối

một hệ thống bể ghép nối là mức chất lỏng mong muốn của chất lỏng trong bể sẽ được duy trì

Các ngành công nghiệp chế biến đóng một vai trò quan trọng trong tăng trưởng kinh tế của một quốc gia Kiểm soát mức chất lỏng

các vấn đề do đặc tính pha phi tuyến và không cực tiểu của nó Mục tiêu kiểm soát trong

được coi là một vấn đề chuẩn trong danh mục hệ thống điều khiển phi tuyến và không ổn định

của nhiều nhà nghiên cứu trên thế giới Đây là một trong những kiểm soát điểm chuẩn thách thức nhất

“vấn đề kiểm soát điểm chuẩn” Trong đó, vấn đề kiểm soát mức trong hệ thống bồn ghép

• Hệ pha không cực tiểu

Kể từ hai thập kỷ qua, việc kiểm soát hệ thống mức chất lỏng trong bể ghép đã thu hút sự chú ý

làm ra Ủy ban đã đưa ra một loạt các vấn đề kiểm soát trong thế giới thực được đưa vào như

• Hệ thống phi tuyến tínhmột đại diện cơ bản của một hệ thống mức chất lỏng điển hình

các phương pháp và công cụ kiểm soát để có thể so sánh đáng kể hiệu suất kiểm soát

các hệ thống điều khiển quá trình.

đã xác định một tập hợp các vấn đề thiết kế thực tế hữu ích trong việc phân biệt cái mới và hiện tại

xem nhưng có rất nhiều thách thức kiểm soát do các đặc điểm sau Hình.1.2 mô tả

Chương 1

1.1 Mô tả hệ thống bình chứa ghép nối

Giới thiệu

Hình.1.1 Ví dụ về hệ thống mức chất lỏng trong bể ghép

Hình.1.2 Biểu diễn một hệ thống mức chất lỏng điển hình

Bộ điều khiển

Bể nơi mức chất lỏng được kiểm soát

Hồ chứa từ nơi chất lỏng sẽ được bơm

Bơm

Điểm đặt

5 volt DC nhờ sự trợ giúp của mạch điều hòa tín hiệu Có hai máy bơm được lắp đặt trong

hai chế độ hoạt động cơ bản tức là chế độ cục bộ và chế độ từ xa Ở chế độ cục bộ, hai xe tăng được

Hình.1.3 minh họa biểu diễn sơ đồ cơ bản của hệ thống bể ghép Nó bao gồm bốn

mực nước của bể tương ứng [1] Đầu ra của cảm biến mức được chuyển thành

0-phía trước tất cả các bể cá nhân với mục đích theo dõi mực nước Nó hoạt động dưới

Hình.1.3 Sơ đồ nguyên lý của một đơn vị cơ khí xe tăng được ghép nối

tức là như một hồ chứa Một cảm biến mức cũng được gắn ở đáy của mỗi bể để đo

bể chứa để đẩy nước từ dưới lên trên bể Một thang đo được đính kèm trong

bể tương ứng

nước đến hồ chứa Trong quá trình này, bể đáy (bể thứ năm) được sử dụng cho mục đích chứa nước

được điều khiển bởi hai chiết áp riêng biệt được áp dụng cho hai bể để đưa nước vào

bể trong suốt và mỗi bể được lắp một ống xả để truyền dòng chảy tràn

bể 5

bơm 2

bể 3

bể 2

tín hiệu

Đo đạcTín hiệu điều khiển

• Máy tính (Riêng cho

và chuyển chúng dưới dạng tín hiệu tương tự đến thẻ PCI1711 DAQ Tín hiệu điều khiển đến máy bơm

Tín hiệu PWM 24V để điều khiển máy bơm

phần cứng

như đơn vị điều khiển chính Về cơ bản, bộ phận PSUPA khuếch đại tín hiệu mức áp suất nước

nằm trong khoảng 0V – 5V, được chuyển đến thiết bị PSUPA nơi chúng được biến đổi thành

khả năng cho các ứng dụng phần mềm thời gian thực [56] Nó có các tính năng sau đây,

Hình.1.4 Trong thiết lập này, PC có thẻ Advantech và môi trường MATLAB/SIMULINK phục vụ

có thể được gửi từ PC thông qua thẻ DAQ (PCI1711) và thiết bị PSUPA Tín hiệu điều khiển,

Phần tiếp theo giải thích cách SIMULINK và Hội thảo thời gian thực đang tích hợp với

bộ nguồn và bộ khuếch đại công suất (PSUPA) và hộp đầu nối cáp được hiển thị trong

Hình.1.4 Biểu diễn sơ đồ thiết lập thử nghiệm Hiển thị từng phần cứng

Thông thường, Real-Time Workshop là một phần mở rộng của SIMULINK có tính năng tạo mẫu nhanh

Ngoài các bộ phận cơ khí của hệ thống xe tăng ghép nối, nó còn được trang bị một bộ nguồn

1.2.1 Hội thảo thời gian thực

1.2 Mô tả thiết lập thử nghiệm bể ghép nối

Hội thảo thời gian thực

Mô hình Simulink.mdl

• Tệp mục tiêu hệ thống

• Tệp mục tiêu khối • Tệp mục tiêu chức năng

S • Thư viện chức năng trình biên dịch ngôn ngữ mục tiêu

Model.c model.rtw

người mẫu.mk

Các bước của quy trình xây dựng thời gian thực [56], như sau

• Giao diện người dùng đồ họa đơn giản

Hình.1.5 Sơ đồ quy trình tạo mã Xưởng thời gian thực [56]

• Một con đường nhanh chóng và trực tiếp từ thiết kế hệ thống để thực hiện

và các thư viện và tạo một tệp thực thi, ví dụ như model.exe

4 Sau đó hệ thống đọc tệp tạo để biên dịch mã nguồn và liên kết các tệp đối tượng

• Tạo mã tự động cho một số nền tảng mục tiêu

và đặt trong thư mục bản dựng

3 Ngoài ra, TLC xây dựng một tệp tạo từ một mẫu tệp tạo mục tiêu thích hợpđược đặt trong thư mục bản dựng trong thư mục làm việc của MATLAB

giải thích quy trình theo sơ đồ

2 Trình biên dịch ngôn ngữ đích (TLC) đọc model.rtw và chuyển đổi nó thành mã C

mô tả phân cấp của biểu mẫu model.rtw

Hộp công cụ có mã tự động để xây dựng quy trình cho quy trình thời gian thực Hình 1.5

1 Hội thảo thời gian thực phân tích sơ đồ khối và biên dịch nó thành một trung gian

• Tích hợp liền mạch với MATLAB/SIMULINK

Hệ thống (CTS) 1.3 Khảo sát tài liệu về chiến lược kiểm soát áp dụng cho bể ghép

xáo trộn Trong [1-2], một mô tả ngắn gọn đã được báo cáo về một bể tăng gấp bốn lần được ghép nối

[10], điều khiển hai bậc tự do cho điều khiển mức đã được báo cáo thay vì

Mặc dù các chiến lược kiểm soát khác nhau đã được xác minh thành công cho bể ghép nốiNguyên lý Bernoulli đã được mô tả trong [2-3] Nhưng mô hình tuyến tính này không cung cấp đầy đủ

mức tăng chuyển tiếp nguồn cấp dữ liệu để ước tính tải và chỉ điều khiển tỷ lệ (P) chỉ cho phản hồihiệu suất Ngoài ra, nó đơn giản vì dễ thực hiện và cấu trúc đơn giản [7, 48,

Bốn thập kỷ qua đã chứng kiến sự phát triển của một số mô hình hóa và bộ điều khiển

các thuật ngữ bị bỏ qua và cũng không biết một số thông số của hệ thống bể ghép

thuật đã được đề xuất trong [3] Trong trường hợp này, phương pháp MRAC có thể điều chỉnh các tham số của bộ điều khiển

điều kiện không có nhiễu và nó hoạt động giống như một điều khiển PI dưới nhiễu tải Tự động điều chỉnh

bởi vì nó có các điểm không ở nửa mặt phẳng bên phải (hệ pha không cực tiểu) áp đặt các hạn chế

mô hình tham chiếu xác định các thuộc tính của hệ thống điều khiển mong muốn Một tỷ lệ đặc điểm

kỹ thuật nhận dạng [4-5] Trong [4], nhận dạng không gian con đã được trình bày Mềm

đã được phân tích giữa PID thông thường và PID tự động điều chỉnh Phân tích so sánh có

rất cần thiết để duy trì mức mong muốn trong bể khi đối mặt với sự không chắc chắn và

kiểm soát đã được báo cáo trong [6] với phương pháp học kết hợp

hiệu suất của bộ điều khiển PI với nhiều phương pháp điều chỉnh đã được báo cáo trong [9] TRONG

hệ thống Một mô hình toán học cho bể ghép nối bằng cách xem xét phương trình cân bằng khối lượng và

hệ thống nhưng PID cổ điển với một số cải tiến cung cấp khả năng kiểm soát mức chất lỏng hiệu quả

đo tốc độ dòng chảy đầu vào, một sơ đồ ước tính tải được đề xuất Các điều khiển được đề xuất sử dụng

hiệu suất, bởi vì trong quá trình tuyến tính hóa bằng cách mở rộng Sê-ri Taylor, thông thường bậc cao hơn

60, 62] Bộ điều khiển PI có thể điều chỉnh tự động sử dụng Điều khiển thích ứng tham chiếu mô hình (MRAC)

điều khiển Sơ đồ điều khiển được đề xuất trong [10] chỉ đóng vai trò là điều khiển tỷ lệ (P) trong

phương pháp tiếp cận cho một hệ thống xe tăng ghép nối Một hệ thống xe tăng ghép nối là một vấn đề kiểm soát đầy thách thức,

đúng Vì vậy, để khắc phục nhược điểm này, một số tài liệu xem xét hệ thống

để đáp ứng với những thay đổi trong nhà máy và sự xáo trộn xảy ra trong thời gian thực bằng cách tham khảo

kỹ thuật của bộ điều khiển PID đã được báo cáo trong [11-12] Trong [12], so sánh các câu trả lời

về chức năng độ nhạy Một mô hình chính xác cũng như một chiến lược kiểm soát thích hợp là

phương pháp tính toán, tức là kiến trúc ANFIS dựa trên mô hình mờ TSK cho mức chất lỏng

phương pháp điều khiển PI dựa trên gán (CRA) đã được đề xuất trong [8] một so sánh của

PID và điều khiển mờ đã được báo cáo trong [20] Để điều chỉnh mức tăng PID, đảo ngược

Việc phát triển các thí nghiệm kiểm soát trong phòng thí nghiệm dựa trên web đã được báo cáo trong [15], với

[25], trong đó cả cấu hình pha tối thiểu và không tối thiểu của bộ tứ được ghép nối

thực hiện cho hệ thống bể ghép [3, 27, 28] Trong [3] triển khai mô hình theo thời gian thực

giữa bộ điều khiển thích nghi tham chiếu mô hình trực tiếp (MRAC), MRAC gián tiếp với

của hội nghị truyền hình để cung cấp phản hồi nghe nhìn cho người dùng và cung cấp cho

của các bộ điều khiển khác nhau như Gaussian bậc hai tuyến tính (LQG), H∞, định hình vòng lặp, phản hồi

Kiểm soát dựa trên mô hình sử dụng kiểm soát mô hình nội bộ (IMC) đã được báo cáo trong [4]

điều khiển Trong [23], tối ưu hóa cuckoo đã được xem xét để điều chỉnh mờ tối ưu

thiết kế bộ điều khiển đã được trình bày trong [16-18], trong đó hai cách tiếp cận như định lý cạnh

phương pháp điều chỉnh với Điều khiển mô hình nội bộ (IMC) dựa trên cài đặt của Skogestad [13]

kiểm soát hệ thống và thực hiện rõ ràng các ràng buộc quy trình Trong [26], các tác giả đã

kiểm soát hệ thống bể chứa mức chất lỏng đã được báo cáo trong [19] trong đó phản hồi trạng thái kỹ thuật số

đã được phản ánh trong [24], để tự động điều chỉnh trực tuyến các tham số PID của điều khiển mức chất lỏng

được sử dụng để ước tính trạng thái thực vật có liên quan, sau đó được sử dụng trong các tính toán dự đoán mô hình

hệ thống Một điều khiển PID phi tập trung mạnh mẽ cho hệ thống tăng gấp bốn lần đã được thảo luận trong

hệ thống xe tăng được xem xét

nhấn mạnh cả về giảng dạy và nghiên cứu Hơn nữa nó có một số tính năng hấp dẫn như việc sử dụng

kỹ thuật tách rời đã được đề xuất trong [21] cho quá trình tăng gấp bốn lần một sự so sánh

Bộ điều khiển thích nghi và bộ điều khiển bước lùi cũng đã được thực hiện thành công

kiểm soát thích ứng tham chiếu (MRAC) đã được khám phá dựa trên quy tắc MIT Mô t sư so sanh

tuyến tính hóa và điều khiển dự đoán mô hình (MPC), v.v đã được trình bày trong [22] khác nhau

điều chỉnh xoay/nghiêng và thu phóng của máy ảnh quay video thời gian thực đã được

trong đó hai kỹ thuật điều khiển đã được thảo luận như IMC và DMC Ban đầu áp dụng IMC

Ước tính Lyapunov và MRAC gián tiếp với ước tính thích ứng tham số RLS có

đối với quy trình pha không tối thiểu và sau này, điều khiển ma trận động (DMC) được sử dụng để

hợp nhất Để loại bỏ nhược điểm của bộ điều khiển PID tiêu chuẩn, một PID mạnh

kỹ thuật tối ưu hóa cũng đã được áp dụng thành công cho hệ thống bể ghép cho cấp độ

đã được khám phá giữa Tích phân tỷ lệ thông thường (PI) dựa trên Ziegler-Nichols

đã đề xuất một điều khiển dự đoán mô hình phân tán trong đó các phép đo cục bộ tại các nút được

và D-Partitions của Neimark [16] đã được xem xét để thực hiện thiết kế Điện tử

Kiểm soát mức dữ liệu lấy mẫu cho bể ghép nối phi tuyến tính đã được trình bày trong [14]

thuật toán đã được đề xuất để đạt được mức kiểm soát So sánh giữa truyền thống

tham số cho bộ điều khiển logic mờ dùng để điều khiển mức chất lỏng Thuật toán di truyền

mạnh mẽ chống lại sự không chắc chắn phù hợp [45-46] Hệ thống cấu trúc biến với chế độ trượt

của mức độ và sau đó là bộ điều khiển bước lùi thích ứng bù cho sự không chắc chắn phát sinh trong

cho một quá trình hóa học đã được báo cáo trong [35] Bộ điều khiển chế độ trượt mờ sử dụng

bài báo này, một bộ điều khiển feedforward được sử dụng để đạt được đầu ra quá trình mong muốn và trượt

nhiễu loạn bên ngoài Trong [39], một thiết kế điều khiển chế độ trượt tĩnh đã được đề xuất cho một

Trong hai thập kỷ qua, mối quan tâm đáng kể đối với hệ thống cấu trúc thay đổi và hệ thống trượt

bộ điều khiển chế độ đã được phân tích trong [30], trong đó hướng dẫn ngắn gọn về cơ bản nhất

để giảm bớt sự huyên thuyên, một bộ điều khiển logic mờ đã được sử dụng để tính gần đúng

dựa trên mô hình đơn đặt hàng đầu tiên cộng với thời gian chết (FOPDT) cho một quy trình hóa học đã được báo cáo

điều khiển lùi và điều khiển lùi cũng logic mờ cũng như điều khiển chế độ trượt đã được

[28], cụ thể là bộ điều khiển bước lùi dựa trên mô hình và bộ điều khiển bước lùi thích ứng Người mẫu

để giảm tiếng ồn, một lớp ranh giới cố định xung quanh bề mặt chuyển mạch đã được sử dụng

điều khiển chế độ trượt có nhiều tính năng hấp dẫn như phản hồi nhanh hơn, chuyển tiếp tốt

trong đó một phương pháp điều khiển mới, kết hợp phương pháp IMC và khái niệm SMC cho

bộ điều khiển tương đương một mạng thần kinh chuyển tiếp nguồn cấp dữ liệu đã được xem xét một feedforward

quá trình với một thời gian chết lớn đã được thảo luận Bộ điều khiển chế độ trượt thời gian liên tục

bề mặt trượt phi tuyến cho các hệ thống bể ghép nối đã được thảo luận trong [36], theo thứ tự

xe tăng

thiết kế và phân tích hệ thống được khảo sát trong [29 và 32] Khái niệm cơ bản đằng sau trượt

thiết kế bộ điều khiển chế độ trượt cộng cho hệ thống bể ghép nối đã được báo cáo trong [38] TRONG

bộ điều khiển chế độ được kết hợp để đảm bảo độ bền chống lại sự không chắc chắn khác nhau và

các vấn đề trong lĩnh vực VSC và SMC; cũng là những xu hướng và kỹ thuật mới quan trọng nhất

kiểm soát chế độ đã được quan sát trong cộng đồng nghiên cứu kiểm soát trên toàn thế giới ngoài

hạn kiểm soát khắc phục Phát triển bộ điều khiển chế độ trượt-mờ thần kinh với một

hệ thống bể ghép Hai sơ đồ điều khiển chế độ trượt động khác nhau cũng được đề xuất

bề mặt trượt phi tuyến cho một hệ thống bể ghép nối đã được đề xuất trong [37], trong bài báo này ở

các kỹ thuật điều khiển đã báo cáo ở trên như bộ điều khiển PID, điều khiển dựa trên mô hình, thích ứng

các ứng dụng đã được báo cáo trong lĩnh vực này Một cách tiếp cận mới để thiết kế bộ điều khiển chế độ trượt

đã được trình bày trong [27] Hai phương pháp kiểm soát backstepping khác nhau đã được thiết kế trong

Ngoài ra để làm trơn tín hiệu chuyển mạch, điều khiển logic mờ đã được sử dụng và để tính toán

thực hiện thành công cho hệ thống cấp chất lỏng bể ghép [29-43,57,61] Nói chung, các

hiệu suất, khả năng loại bỏ nhiễu tốt hơn Về cơ bản, luật SMC vốn đã nhiều hơn

bộ điều khiển backstepping dựa trên ban đầu được thiết kế để đảm bảo theo dõi theo cấp số nhân

trong [33] Trong [34], sự phát triển của Điều khiển chế độ trượt mô hình bên trong đã được trình bày,

của tín hiệu quá trình, khi phép đo chứa các giá trị ngoại lệ Trong [7], một PID loại mờ dựa trênđiều khiển vị trí mức của hệ thống xe tăng được ghép nối, bộ điều khiển chế độ trượt tự do trò chuyện có

hành vi pha tối thiểu Đây là hình thức phổ biến nhất của hệ thống đa biến kết hợp Mức độ

trong một mức độ cụ thể (Ràng buộc đầu ra)

độ không đảm bảo khác nhau, điều khiển chế độ trượt phi tuyến với lớp ranh giới khác nhau đã được

bộ điều khiển (NFCGA) dựa trên mạng thần kinh chức năng cơ bản xuyên tâm được điều chỉnh

• Hệ thống pha phi tuyến tính và phi cực tiểuthiết lập mức chất lỏng bể ghép

bộ điều khiển cụ thể là,uzzyPI+fuzzyPD với PI thông thường cho mức chất lỏng thời gian thực

thuật toán điều khiển chế độ trượt đã được trình bày sơ đồ điều khiển hệ thống tăng gấp bốn lần [40]

• Ràng buộc hệ thống

ước tính của các hệ thống liên tục bất biến thời gian tuyến tính đã được đề xuất trong [59] Trên trang giấy này

Việc phát triển thuật toán điều khiển cho hệ thống xe tăng ghép nối rất phức tạp và hơn thế nữa

Hạn chế)

thách thức bởi vì, động lực học của hệ thống xe tăng được ghép nối là phi tuyến tính thể hiện sự không

kiểm soát trong một hệ thống xe tăng đa biến được ghép nối là một thách thức do các vấn đề sau

được đề xuất trong [42] Để cải thiện hiệu suất theo dõi của hệ thống xe tăng được ghép nối chống lại

trên mô hình ANFIS cho hệ thống mức chất lỏng phi tuyến tính đã được phân tích Một thần kinh mờ

• Mực nước trong hai bể phải được duy trì ở một điểm đặt mong muốn

tự động bằng thuật toán di truyền (GA) đã báo cáo trong [6], trong đó ánh xạ tuyến tính

trình bày trong [43] Trên đây tác giả đã có sự đánh giá so sánh giữa chế độ trượt

• Thông thường, tính chất đa biến gây ra tương tác giữa hai bể nên nước

có thể chảy theo hai hướng

kiểm soát với một lớp ranh giới khác nhau Trong [44], một nghiên cứu so sánh đã được thực hiện trên hai

phương pháp được sử dụng để mã hóa nhiễm sắc thể GA và hiệu quả được thể hiện trong thời gian thực

trong [39] để giảm vấn đề huyên thuyên Kết hợp tuyến tính hóa phản hồi với

• Khả năng của động cơ DC dùng để bơm nước bị hạn chế (0-5V) (Đầu vào

thử nghiệm kiểm soát trong thời gian thực đã được thảo luận Một phương pháp đệ quy mạnh mẽ cho tham sốThuật toán điều khiển chế độ trượt bậc hai đã được thảo luận trong [41] Để nhận ra

về cơ bản, thuật toán được phát triển để ước tính hệ số khai triển chuỗi Laguerre

1.4 Động lực

1.5 Mục tiêu luận văn

1.6 Tổ chức luận văn

• Để phát triển một mô hình phù hợp cho hệ thống bể ghép nối bằng cách sử dụng vật lý

được đề xuất cho hệ thống bể ghép

thử nghiệm thời gian trên một thiết lập mức chất lỏng bể ghépMục tiêu của luận án như sau

mức chất lỏng mong muốn Do đó trong Chương 4, một phương pháp điều khiển PI dựa trên mờ thích ứng

trong đó

• Để xác thực tất cả các kết quả từ mô phỏng (sử dụng MATLAB) và sau đó thông qua thực tế

• Nó đã được quan sát trong Chương 3 rằng một hành động kiểm soát lớn là cần thiết để đạt được

[7] trong đó các tham số được điều chỉnh bằng cách sử dụng phương pháp Ziegler Nichols

kiểm soát mức chất lỏng

• Chương 7 kết luận luận án và đề xuất cho công việc trong tương lai cũng được thảo luậnthuật toán cho CTS

để chọn bộ điều khiển tốt nhất dựa trên hiệu suất khả năng theo dõi cho

một nghiên cứu so sánh cũng được theo đuổi với thiết kế bộ điều khiển PI tiếp cận truyền thống

• Chương 3, trình bày thiết kế bộ điều khiển PI dựa trên bất đẳng thức ma trận tuyến tính (LMI) và

• Để theo đuổi một nghiên cứu so sánh giữa tất cả các kỹ thuật điều khiển được phát triển trong

• Chương 6 đề xuất phát triển Bộ điều khiển chế độ trượt mờ thích ứng

duy trì mức chất lỏng mong muốn trong hệ thống mức chất lỏng của bể ghép

sử dụng cả mô hình toán học cũng như kỹ thuật nhận dạng hệ thống

phát triển trong Chương 5hiệu suất mạnh mẽ chống lại nhiễu tải, thuật toán điều khiển chế độ trượt là

• Thiết kế và triển khai các bộ điều khiển nâng cao khác nhau cho điều khiển mức nhằm

• Trong chương 2, mô hình động lực học của hệ thống bể ghép đã được mô tả bởiLuận án được tổ chức như sau

mô hình toán học cũng như các kỹ thuật nhận dạng hệ thống

• Để khắc phục sự cố chập mạch của bộ điều khiển PI không thể cung cấp

một 1

Có thể thu được mô hình phi tuyến tính đơn giản nhất của hệ thống bể ghép [1] bằng cách xem xét

Hình2.1 Thể hiện Mô hình Hai Bồn được ghép nốinguyên lý cân bằng khối lượng, liên quan đến mực nước h1, h2 và điện áp đặt 'u' vào

giàmột bạn ht ( ) ut( )

1

0

một 1

ght

2 ( )

gh tMỘT ght MỘT 2 ( )

một bạn

ht ( )

= hằng số liên quan đến điện áp điều khiển

A = diện tích mặt cắt ngang của bể

g = hằng số hấp dẫn

0

một 1

một 1

2

1 một 2

2 20

một 2

10

một 1

h h

(2.9)

(2.10)

(2.4)cho hệ thống bể ghép Tại điểm cân bằng đối với mực nước không đổi, đạo hàm phải

mô hình của hệ thống bể ghép có thể thu được như sau

Xác định mực nước của bể là biến trạng thái cho phương trình (2.9) và (2.10) một không gian trạng thái

Khai triển chuỗi Taylor của eq(2.1) và eq(2.2) ta có thể thu được mô hình toán học tuyến tính

(2.6)Phương trình (2.1) và phương trình (2.2) biểu thị động lực học của hệ thống bể ghép Trên thực hiện

Tuyến tính hóa eq (2.1) và (2.2), xét hai điểm làm việc h10 và h20 như sau

(2.8)

10 2 20

1

0 1

2 1

10

1

1 2

2

1

2

0 0

0 2

Diện tích mặt cắt ngang của bể

không được biết đến một cách hoàn hảo Vì vậy, rõ ràng cần phải có được một động lực học chính xác

(2.13)

Khu vực cửa xả Tank-2

mô hình hoàn hảo của hệ thống

Trong quá trình tuyến tính hóa phương trình (2.1) và (2.2) bằng khai triển Chuỗi Taylor, các số hạng bậc cao hơn là

0,1245

hệ thống bể ghép nối như sau

(2.11)

Khu vực đầu ra của bể1

mô hình của hệ thống Do đó, kỹ thuật nhận dạng hệ thống được thông qua để có được một

0,1194Hằng số hấp dẫn

một bạngià

(S)

h

già(S)

một bạn

MỘT 1

2.2 Nhận dạng hệ thống để lấy mẫu cho hệ thống bể ghép nối

H qek ( ) ( ) ( )

( ) yk G quk ( )

Hình.2.2 Biểu diễn cơ bản của nhận dạng mô hình hộp đen

từ dữ liệu đầu vào-đầu ra [55] Các kỹ thuật nhận dạng hệ thống có thể xử lý một loạt các

thu thập và xử lý dữ liệu; tiếp theo một cấu trúc mô hình phù hợp được chọn sau đó các tham số

nói chung bao gồm sáu giai đoạn Nó bắt đầu với một thiết kế thử nghiệm theo sau là dữ liệu

Nhận dạng hệ thống là một thủ tục để có được mô hình toán học của một hệ thống vật lý

(2.14)

và phi tham số Toàn bộ quá trình nhận dạng hệ thống từ dữ liệu đầu vào và đầu ra

kỹ thuật nhận dạng hệ thống được phân loại thành hai nhóm tức là cách tiếp cận tham số

Mô tả mô hình được sử dụng chung của một hệ thống tuyến tính được đưa ra bởi

chúng cản trở việc xác định một mô hình từ các định luật vật lý chi phối Về cơ bản,

thể hiện trong hình.2.2

các hệ thống nơi có sự hiện diện của số lượng lớn các biến và các tương tác phi tuyến tính giữa

hệ thống thay vì mô hình hóa của nó được hình thành bằng phương pháp nguyên tắc đầu tiên Nó có ý nghĩa cao đối với

số tham số Cấu trúc mô hình tham số còn được gọi là mô hình hộp đen

hệ thống Các mô hình tham số thường mô tả chính xác hành vi của quá trình thực với hữu hạn

kỹ thuật nhận dạng thường được áp dụng để có được mô hình linh hoạt của vật lý

của mô hình được ước lượng và cuối cùng mô hình được kiểm chứng với dữ liệu thực nghiệm

động của hệ thống mà không có bất kỳ kiến thức nào trước đó về hệ thống vật lý thực tế Như vậy, hệ thống

Nói chung, các cấu trúc mô hình tham số khác nhau được chọn trong khi mô hình hóa một đối tượng chưa biết

Cq ( )

Dq ( )

1 1

1 Hỏi( )

G(q)=Hàm truyền của phần xác định của hệ thống

Trong cấu trúc mô hình lỗi đầu ra (OE), động lực học của hệ thống được mô tả riêng trong này

u(k)=đầu vào của hệ thống

cấu trúc không có tham số nào được sử dụng để mô hình hóa các đặc tính nhiễu Ngươi mâuCấu trúc mô hình chung này thường được chia thành các cấu trúc khác nhau được thảo luận

y(k)=đầu ra của hệ thống

cấu trúc của mô hình lỗi đầu ra được mô tả dưới đây

dưới

Hình.2.4 Sơ đồ khối của Mô hình OE

e(k)=tiếng ồn trắng trung bình bằng 0 hoặc sự xáo trộn của hệ thống

Hình.2.3 Biểu diễn cấu trúc mô hình chung

(2.15)H(q)= hàm truyền của phần ngẫu nhiên của hệ thống

)

bq fq )

B( )

q ( ) ukek ( ) F( ) q

được rồi ( )

(

(

) )

+

( (

bạn (k)

e

y(k)

1 1

N 1

có mối quan hệ với các giá trị trước đó của đầu ra và ngoại sinh có nghĩa là hệ thống phụ thuộcTrong mô hình ARX (Tự hồi quy ngoại sinh), tự động hồi quy có nghĩa là đầu ra hiện tại

Cấu trúc mô hình ARMAX cũng tương tự Phương trình (2.17) mô tả mô hình ARMAX

bao gồm so với cấu trúc mô hình ARX; ngoại trừ phần đó, cả ARX và

đầu vào trong quá khứ và đầu ra của mô hình trong quá khứ.

đến cấu trúc mô hình ARX Trong cấu trúc mô hình ARMAX, một số hạng trung bình động bổ sung là

của đầu vào trong quá khứ và đầu ra của quá trình trong quá khứ trong khi đầu ra của mô hình ở dạng mô hình OE là một chức năng của

Cấu trúc mô hình ARMAX linh hoạt hơn trong việc xử lý nhiễu, khi so sánh

của mô hình lỗi đầu ra (OE) ngoại trừ đầu ra của mô hình ở dạng ARX là một chức năng cơ bản

(2.16)phương trình hồi quy ở dạng giải tích Cấu trúc mô hình của mô hình ARX tương tự như

theo sau

Hình.2.5 Sơ đồ khối của Mô hình ARX

mô hình là hiệu quả nhất của phương pháp ước lượng đa thức bởi vì nó giải quyết vấn đề tuyến tính

(2.17)

Để mô tả OE, ARX và ARMAX, các mô hình đa thức A, B và C có thể được định nghĩa là

không chỉ các giá trị đầu vào hiện tại mà còn cả lịch sử của các giá trị đầu ra Ước tính của ARX

)

b qmột qđược rồi ( ) ) ( ) ukek ( ) )

2 0

(

(

(

(

Mô hình trung bình di chuyển tự động hồi quy ngoại sinh (ARMAX)

Mô hình ngoại sinh hồi quy tự động (ARX)

B( ) q

1

1

1

1 Một q( )

phương trình bình thường sau đây

Trong công việc hiện tại này, mô hình lỗi đầu ra bậc hai được xem xét để nhận dạng mô hình,

(2.18)

(2.20)

các tham số của mô hình dự đoán để giảm thiểu sai số giữa mô hình và nhà máy

Hình.2.6 Sơ đồ khối của Mô hình ARMAX

Xe

tăng-2:-đầu ra theo nghĩa của sai số bình phương tối thiểu vectơ tham số

Thuật toán ước lượng tham số bình phương nhỏ nhất [55] được xem xét để ước lượng

f

ˆ b b

f

B q ( ) anh ( ) )

ˆ

ˆ

y(k) (k)

e(k)

1 1

1

1

22

Ls

0,9017 q

( ) 1 1,901

F q q

b q

ˆ

2.3 Kết quả thu được từ nhận dạng hệ thống

4.4 4.6

200 100

4.8 5

3,4 0

3.6 3,8

Thời gian (giây)

Hệ thống xe tăng được ghép nối được kích thích bởi tiếng ồn trắng để thực hiện hệ thống bao gồm một

dải tần số rộng cho toàn bộ động lực học trong việc xác định các tham số phấn khích

Hình.2.8 Đầu ra thử nghiệm so với đầu ra mô phỏng của mô hình đã xác định cho xe tăng

Hình.2.7 Dữ liệu đầu vào thử nghiệmthiết kế các bộ điều khiển

400

Thời gian (Giây)

Đầu ra mô hình ước tính

300

Đầu ra thử nghiệm

200 20

100

30

-20 0

-10

600 0

500 10

S

S

Ts

1.035 0.04397 s

Đầu ra thử nghiệm

400 200

20

100

30

-20 0

-10

Thời gian (giây)

0

300 10

600 500

Đầu ra mô hình ước tính

2

mẫu giữa các tín hiệu mà tại đó mối tương quan được ước tính) nằm bên trong độ tin cậy

các mẫu thí nghiệm được xem xét Sau khi nhận được mô hình được xác định, mô hình đã được

Hình.2.10 Phản hồi của biểu đồ lỗi Square Square (MSE)Hình.2.9 Đầu ra thử nghiệm so với đầu ra mô phỏng của mô hình đã xác định cho xe tăng

phân tích tương quan Hình.2.11 quan sát thấy rằng tất cả các độ trễ (là sự khác biệt về thời gian trong

Thí nghiệm được thực hiện trong 600 giây với thời gian lấy mẫu là 0,1 giây tức là bản ghi 6000

Hình.2.11 Phản hồi xác thực mô hình bằng cách sử dụng Phân tích tương quan tự động

kỹ thuật tiếp cận phi tham số tức là phương pháp tương quan tự động trong Hình.2.11 Từ phương pháp tự độngđược xác thực bằng cách sử dụng phương pháp Lỗi bình phương trung bình (MSE) được hiển thị trong Hình.2.10 và

mẫu 1

4

1 0,5

2

4 3,5

3 3

Lỗi

4 2

1

10 0

1,5

số 8

0 -2

tương quan

Lỗi

các phương pháp cụ thể là mô hình hóa toán học và nhận dạng hệ thống đã được trình bày.

một mô hình tốt có thể được sử dụng để xác minh hiệu suất của các thuật toán điều khiển khác nhau

Hơn nữa, trong chương tiếp theo, thiết kế bộ điều khiển đã được thực hiện dựa trên những kết quả thu được

mô hình năng động

Trong chương này về cơ bản để có được mô hình động của hệ thống bể ghép hai

khoảng Do đó, từ cả hai câu trả lời thu được, người ta dự đoán rằng mô hình được xác định là

được phát triển cho hệ thống bể ghép nối

2.4 Tóm tắt chương

Hệ thống

Chương 3

Thiết kế bộ điều khiển PI dựa trên LMI cho bình chứa được ghép nối

3.1 Mục tiêu của chương

các ngành nghề Tuy nhiên, có nhiều vấn đề điều khiển mà điều khiển PID đơn giản này

Cách tiếp cận này dựa trên sự chuyển đổi bài toán thiết kế bộ điều khiển PI sang trạng thái

cả hai xe tăng

logic cũng như các máy tuần tự, các bộ điều khiển PID này ngày càng được sử dụng nhiều hơn trong tự động hóa

để khắc phục sự cố nêu trên

tạo tín hiệu điều chỉnh thích hợp thông qua hành động phái sinh Cùng với tổ hợp

chương tối ưu hóa lồi dựa trên LMI với bộ điều khiển PID đơn giản đã được thực hiện theo thứ tự

Vì một bộ điều khiển PID đơn giản không có khả năng xử lý tất cả các khó khăn này cùng nhau, trong trường hợp này

các chức năng như loại bỏ độ lệch trạng thái ổn định và dự đoán độ lệch và

tìm ra điều xấu nhất có thể của J cho trường hợp xấu nhất của x(t) tức là tìm ra chi phí tối ưu x P xđưa ra trong eq (3.7) được giảm thiểu phụ thuộc vào quỹ đạo x (t) Vì vậy, mục tiêu là

rằng bộ điều khiển phải có khả năng nhiễu tốt khi đối mặt với sự không chắc chắn của hệ thống

[7-9] chẳng hạn như (phương pháp Ziegler-Nichols) Thông thường bộ điều khiển PID thực hiện nhiều chức năng quan trọng

trong nhiều hệ thống trong thế giới thực là các hệ thống không chắc chắn và thay đổi theo thời gian Vì vậy nó là cần thiết

Lý do phổ biến của bộ điều khiển PID là sự đơn giản trong thiết kế và điều chỉnh tham số

Mục tiêu của chương này là để tìm ra độ lợi phản hồi trạng thái tối ưu K.so hàm chi phí

vài thập kỷ Ziegler và Nichols [7] đã đề xuất đầu tiên, điều chỉnh bộ điều khiển PID

hiệu suất thỏa đáng cho hệ thống trì hoãn thời gian và cho hệ thống thay đổi thời gian Hơn nữa,

phương pháp tối ưu hóa [52-54]

các ngành công nghiệp như hóa chất, xử lý nước và tất cả các ngành kiểm soát quy trình, v.v

đối với hệ pha không cực tiểu Cấu trúc điều khiển PID đơn giản không cung cấp

.và bằng cách sử dụng nỗ lực kiểm soát tối ưu nhất thu được, mức độ mong muốn sẽ được duy trì trong

không đầy đủ như hệ thống phi tuyến tính, hệ thống có mức độ tương đối cao hơn hai và cũng

Bộ điều khiển đạo hàm tích phân tỷ lệ (PID) được sử dụng rộng rãi trong hầu hết các

vấn đề thiết kế bộ điều khiển phản hồi, được giải quyết thêm bằng cách sử dụng ràng buộc lồi

t00

lý thuyết tối ưu hóa được thiết lập từ công cụ tối ưu hóa lập trình tuyến tính đến

được mô tả bởi bổ đề 3.1

Bổ đề # 3.1.Schur Bổ đề

(3.3)

Bất đẳng thức ma trận tuyến tính trong hệ thống điều khiển về cơ bản nhằm mô tả cách thức hoạt động của hàm lồi

Thông thường, các bất đẳng thức phi tuyến tính được chuyển đổi thành LMI bằng cách sử dụng phép khen Schur, đó là

được nêu dưới dạng LMI đơn giản như sau

được mô tả bởi bài toán tối ưu LQR Nói chung, bất đẳng thức ma trận tuyến tính được biểu diễn trong

trong đó x R là một biến và

(3.1)vấn đề điều khiển đã cho được chuyển đổi thành một tập hợp các ràng buộc LMI sẽ được tiếp tục

dấu biểu thị rằng F(x) là xác định dương, nghĩa là F x 0 với mọi khác 0

tập n bất phương trình đa thức theo x Nhiều LMI hơn nữa

tiếp cận điểm bên trong và để phân tích tầm quan trọng của nó trong các hệ thống điều khiển [54] Sau đó,

LMI được đưa ra như sau

t

vấn đề tối ưu hóa có thể được giải quyết một cách hiệu quả bằng cách sử dụng bộ giải LMI điểm bên trong

xx sao cho phương trình (3.1) thỏa mãn

tổng thể (

vấn đề thiết kế được giải quyết bằng cách sử dụng phương pháp ràng buộc lồi Nói chung, phần lồi

• Vấn đề về tính khả thi của LMI nhằm kiểm tra xem có tồn tại các biến thực hay không

(3.6)

vấn đề điều khiển có thể được mô tả bằng Hình (3.1)

Trong công thức này, vấn đề thiết kế điều khiển PI chủ yếu được chuyển đổi thành điều khiển phản hồi trạng thái

Về cơ bản, LMI trong phương trình (3.1) đưa ra hai loại câu hỏi như

BẰNG

(3.7)

(3.5)

Hãy xem xét một hệ thống LTI được đưa ra như sau

Điều đó có nghĩa là hầu hết các bất đẳng thức có thể được xem xét dưới dạng như sau

đầu ra cần thiết, không mong muốn lỗi trạng thái ổn định Nếu trạng thái tăng cường được chọn

làm việc, một biến trạng thái bổ sung cần được đưa vào, thường được chọn làm tích phân của

Thông thường, để kiểm soát, hầu hết các LMI liên quan đến các biến ma trận hơn là các biến vectơ

vectơ khuếch đại 'K' chứa tất cả các tham số của bộ điều khiển PI

vòng phản hồi bên trong và bên ngoài Do đó, để chuyển đổi hệ thống thành một khung giống như PI

x ) thỏa mãn các ràng buộc trong phương trình (3.1)

thiết kế được coi là bài toán thiết kế điều khiển phản hồi trạng thái tĩnh và phản hồi tĩnh

Trong chiến lược điều khiển phản hồi, độ lợi phản hồi tĩnh k chỉ chứa độ lợi tỷ lệ đối với

(MINCX)[52,53].Đây là kỹ thuật thiết kế điều khiển tiếp cận không gian trạng thái, trong đó bộ điều khiển PI

• Bài toán tối ưu hóa LMI nhằm tối thiểu hóa hàm chi phí

Chỉ số hiệu suất cho hệ thống LTI trên được cho bởi

x 1

J x P x

N

t

nêu như sau

Chi phí bậc hai tối thiểu được đưa ra bởi

phụ thuộc vào quỹ đạo x(t), do đó mục tiêu là tìm ra giá trị xấu nhất có thể của J đối với

(3.8)

(3.11)

(3.9)

x P x trường hợp xấu nhất của x(t) tức là tìm ra chi phí tối ưu

Trong phương trình trên, 'P' là một nghiệm xác định dương của Phương trình Riccati Đại số (ARE)

(3.10)Luật điều khiển được cho bởi

Vấn đề LQR ở trên có thể được viết lại thành một vấn đề tối ưu hóa trên P và y , đó là

Hình 3.1 Cấu trúc tổng quát của bộ điều khiển phản hồi trạng thái dạng PIMục tiêu là tìm mức tăng phản hồi trạng thái tối ưu K Hàm chi phí được đưa ra trong eq (3.7)

tối thiểu

t 0

+

+

+

ˆ1

TT

P vào phương trình trên ta thu được như sau

như LMI được đưa ra bởi

(3.14) (3.13)

trong phương trình trên (3.8) và thay KP Y PP vào ta được

Trong phương trình (3.19), giả sử rằng Q và R khả nghịch, do đó một lần nữa bởi

Từ ARE chúng tôi nhận được

0, 0

Đối với xe tăng 2:

-Đối với cả hai xe tăng Q và R được chọn như sau

Đối với xe tăng 1:

-Bộ giải LMI (MINCX) các tham số khuếch đại của thuật toán được trình bày thu được như sau

(3.21)

Hình.3.2 Sơ đồ khối của Bộ điều khiển PI dựa trên LMI được đề xuất

Từ kết quả mô phỏng cũng như thực nghiệm cho thấy, các giá trị được chọn ở trên

thu được cho bể 1 và bể 2 bằng cách sử dụng cả hai bộ điều khiển Hình 3.7, Hình 3.8 và Hình 3.9, Hình 3.10hiệu suất của luật kiểm soát PI dựa trên LMI để điều chỉnh mức ở mức mong muốn cụ thể

so với việc điều chỉnh bộ điều khiển PI theo phương pháp truyền thống

Hình 3.4 Phản hồi mô phỏng của điều khiển PI dựa trên LMI để điều khiển mức trong Xe tăng 2

trong cả hai bể Để đánh giá hiệu quả và tính khả thi của PI dựa trên LMI

Hình 3.3 Phản hồi mô phỏng của điều khiển PI dựa trên LMI để điều khiển mức trong Bể 1

hiển thị kết quả thử nghiệm của cả bộ điều khiển PI được điều chỉnh dựa trên LMI và Ziegler-Nichols

bộ điều khiển, nó đã được so sánh với một bộ điều khiển PI tiếp cận truyền thống [7] và cũng

Từ kết quả mô phỏng cũng như thực nghiệm, có thể thấy rõ ràng rằng LMI được đề xuất

thực hiện trong thời gian thực Hình.3.3, Hình.3.4 và Hình.3.5, Hình.3.6 hiển thị kết quả mô phỏng

Mô phỏng cũng như thử nghiệm được thực hiện bằng MATLAB để xác thực

điều khiển PI dựa trên thể hiện hiệu suất điều khiển tốt hơn để duy trì mức chất lỏng mong muốn như

Cấp

độ (tính bằng cm)

60

20 25

30 20

Thời gian (Giây)

0 0

5

90 80