tóm tắt luận án tiếng việt dạy học giáo dục học ở đại học sư phạm theo tiếp cận năng lực thực hiện

M U

“Trong b n tóm t t lu n án này, các hình v và công th c đã đ c đánh s theo đúng

nh trong lu n án”

H truy n đ ng là m t t p h p các c c u ghép n i c khí ph c v bi n đ i t c

đ , moment Lu n án quan tâm t i l p h truy n đ ng qua bánh r ng đ truy n

moment quay và thay đ i v n t c góc quay

Nhi m v c a bài toán đi u khi n h truy n đ ng qua bánh r ng là ph i xác đ nh

đ c quy lu t thay đ i moment d n đ ng t o ra t đ ng c d n đ ng đ h có đ c

t c đ góc quay c a t i đ u ra luôn bám n đ nh đ c theo m t qu đ o đ t và ch t

l ng đó không b nh h ng b i khe h gi a các bánh r ng, ma sát, moment t i c ng

nh đ không c ng v ng c a v t li u làm bánh r ng

Các ph ng pháp đi u khi n hi n có

ã có nhi u công trình nghiên c u v k thu t đ gi i quy t các v n đ nêu trên

Chúng đ c chia thành hai lo i là bi n pháp c khí và đi n

Bi n pháp c khí hi n dùng là l p thêm bánh đà, nâng cao đ chính xác khi ch

t o các chi ti t, đi u ch nh và l p ráp theo các quy trình nghiêm ng t, ch p hành các

ch đ b o qu n b o d ng và bôi tr n Các gi i pháp c khí ch thích h p v i ch

đ làm vi c xác l p c a h th ng c ng nh h th ng có tính đ ng h c bi n đ i ch m

Bi n pháp v đi n, đi u khi n có th tóm t t nh sau:

i u khi n v i mô hình x p x tuy n tính b ng b đi u khi n PI: ây là ph ng pháp

ph thông nh t và tr c đây c ng đ c s d ng nhi u nh t Nó đ c s d ng khi h

truy n đ ng là mô t x p x tuy n tính đ c d i d ng tuy n tính tham s h ng B

đi u khi n đ c s d ng là b đi u khi n PI có hàm truy n:

1 ( ) p 1

Ng i ta c ng có th b sung thêm tính ch nh đ nh thích nghi cho tham s b

đi u khi n nh m nâng cao h n n a tính b n v ng c a h th ng đi u khi n Song theo

nhi u tài li u tham kh o thì vi c ch s d ng PI t ch nh thích nghi không đ đ làm

gi m dao đ ng xo n trên tr c m t cách hi u qu mà ph i s d ng thêm các b đi u

khi n ph n h i tr ng thái

i u khi n h truy n đ ng có khe h : Xác đ nh khe h và đi u khi n lo i b s nh

h ng c a khe h t i ch t l ng truy n đ ng là bài toán th ng g p nh t trong các bài

toán đi u khi n h truy n đ ng

Khe h có mô hình toán nh sau:

khi 0 và ( ) ( , , ) khi 0 và ( )

i u khi n thích nghi bù khe h b ng m ng neural và h m : V n đ t n t i là ta

không có mô hình (0.4) tuy t đ i chính xác cho khe h Nh v y ch c n m t sai l ch

nh trong mô hình (0.4) s d n t i m t sai s r t l n trong phép ngh ch đ o (0.5) B i

v y có th nói k thu t đi u khi n b ng hàm ng c là không kh thi trong th c t

Hình 0.6: i u khi n bù khe h b ng m ng neural

Trên c s suy lu n nh v y, ch trong vài n m g n đây nhi u công trình đã đ c

công b cho vi c thay hàm ng c (0.5) b ng vi c x p x nó nh h m hay m ng

neural nh mô t hình 0.6

M c dù v y nh ng ph ng pháp đi u khi n bù x p x này c ng có m t h n ch

c a nó, nh :

− Vi c x p x hàm phi tuy n nh m ng neural hay h m ch có th có đ c k t

qu x p x v i sai l ch nh tùy ý trong mi n gi i h n cho phép, n u nh hàm phi

tuy n c n đ c x p x đó là liên t c

− Vi c bù b ng m ng neural hình 0.6 ch th c s có ý ngh a khi tín hi u τ bên

trong h truy n đ ng có khe h là đo đ c

i u khi n h truy n đ ng có khe h , ma sát và đ đàn h i: Theo m t vài nghiên c u

g n đây thì ph n l n h truy n đ ng có khe h luôn tách đ c thành hai khâu phi

tuy n m c n i ti p g m khâu mô t khe h đ ng tr c và m t khâu phi tuy n d ng

affine truy n ng c ch t đ ng phía sau:

1 khi 1 1 ( ) ( , ) ( )

k k n

v i d( , )x t là hàm b t đ nh Ngoài ra, nh ng tài li u này còn kh ng đ nh vi c nâng cao

ch t l ng bù khe h nh c c u ch nh đ nh thích nghi PI có th thay đ c b ng b

đi u khi n ph n h i tr ng thái gán đi m c c B i v y khi s d ng mô hình tr ng thái

(0.7) ta có đ c c u trúc đi u khi n bù khe h cho h truy n đ ng b ng ph n h i tr ng

thái đ c mô t hình 0.9

Hình 0.9: Bù khe h moment ma sát và moment xo n b ng ph n h i tr ng thái

Chính t c u trúc đi u khi n bù khe h b ng b đi u khi n ph n h i tr ng thái

thay vì b đi u khi n ph n h i đ u ra PI thích nghi đó mà ng i ta đã hoàn toàn d

dàng b sung vào c u trúc đi u khi n bù khe h thêm m t khâu ph n h i tr ng thái th

hai có nhi m v nh n d ng đ bù các thành ph n hàm b t đ nh d( , )x t này, đ c xem

nh hàm mô t moment ma sát M ms( )t và đàn h i, đ đi u khi n h truy n đ ng v a

có khe h ma sát và đ đàn h i c a v t li u (hình 0.9)

i u khi n h truy n đ ng không theo nguyên lý bù: M t ý t ng r t khác v đi u

khi n h truy n đ ng kh p n i m m có khe h , so v i nh ng ph ng pháp nêu trên, đã

đ c gi i thi u là ph ng pháp đi u khi n d báo (MPC)

ph ng pháp MPC này, các thành ph n b t đ nh nh khe h , ma sát, moment

xo n không đ c nh n d ng Thay vào đó đ u ra c a h luôn đ c so sánh v i đ u ra

c a m t mô hình x p x tuy n tính có các thành ph n b t đ nh đ c lý t ng hóa b ng

các giá tr c th Tín hi u đi u khi n s đ c xác đ nh trên c s c c ti u hóa hàm sai

và moment xo n

M c dù ph ng pháp này v n c n đ n mô hình x p x tuy n tính, song c ng nên

đ c tham kh o và phát tri n ti p sau này vì tính đ c đáo c a nó

Tính c p thi t c a đ tài

Hình 0.13 mô t c u trúc c a m t h truy n đ ng qua bánh r ng Lu n án s nghiên c u s d ng ph ng pháp đi u khi n mà đó t t c các thành ph n không th xác đ nh đ c chính xác s đ c xem nh nh ng thành ph n b t đ nh c a mô hình toán, thay vì nh n d ng và quan sát chúng V i nhi m v đ t ra đó, lu n án h ng t i

ph ng pháp đi u khi n t ng quát, có th kh ng ch , lo i tr các thành ph n b t đ nh

c ng nh sai l ch mô hình toán b ng ph ng pháp đi u khi n ph n h i ph mà không

c n nh n d ng c ng nh xác đ nh x p x khe h , ma sát c ng nh moment xo n trên

tr c, đ không c ng v ng tuy t đ i c a v t li u làm bánh r ng đ đi u khi n bù các

nh h ng c a thành ph n b t đ nh đó

Hình 0.13: Bài toán đi u khi n h truy n đ ng qua bánh r ng

M c tiêu nghiên c u

Trên c s nhi m v nh v y, lu n án đã đ t ra m c tiêu:

− Xây d ng mô hình tính toán đ ng l c h c đ i v i m t h truy n đ ng c khí c a máy t h p nói chung, trong đó có tính đ n y u t đàn h i (moment xo n), ma sát t nh, ma sát đ ng và khe h gi a các bánh r ng d i d ng các b t đ nh h ng

s và b t đ nh hàm s

− Xây d ng ph ng pháp đi u khi n thích h p trên nguyên t c k t h p các

ph ng pháp đi u khi n hi n có nh thích nghi, b n v ng, logic m và m ng neural, cho h truy n đ ng có c ba y u t b t đ nh nêu trên

2

ms M

CH NG 1: LÝ THUY T I U KHI N THÍCH NGHI

nh lý LaSalle: Xét h phi tuy n (1.1) cân b ng t i g c Ký hi u:

c n O c a g c, t c là W( )x ≥0, ∀ ∈Ox và W( )x =0 khi và ch khi x = 0

áp d ng đ c ph ng pháp Lyapunov gián ti p cho vi c t ng h p b đi u

1 Tr c tiên ta gi s là đã có các tham s h ng b t đ nh θ Khi đó v i ph ng pháp

Lyapunov gián ti p ta tìm hàm CLF V( , , )x θ t và b đi u khi n GAS t ng ng

( , , , )t

=

u r x w θ

2 Ti p theo, ta thay thành ph n b t đ nh θ trong V( , , )x θ t và u=r x w( , , , )θ t b i p,

mà trong nhi u tài li u th ng ký hi u là θ , đ có V( , , )x p t , r x w p( , , , )t , r i tìm

cách hi u ch nh p, t c là tìm quy lu t thay đ i cho p=c x w u p( , , , , )t , đ v n có

đ c tính xác đ nh âm c a V( , , )x p t

có th ch đ ng t o ra đ c thêm các ch t l ng n đ nh khác t t h n, ng i

ta th ng áp d ng ph ng pháp đi u khi n thích nghi theo mô hình m u, n u nh h

phi tuy n b t đ nh không nh ng có d ng truy n ng c mà còn là truy n ng c ch t:

2 1

1

1

( , , ) ( )

n n

T

x x

x x

1.2.3 i u khi n tr t

Nguyên lý đi u khi n tr t liên quan đ n h có c u trúc truy n ng c:

1 khi 1 1 ( ) ( , )

B n ch t c a b đi u khi n tr t là không tr c ti p t o ra đ c ch t l ng mong

mu n (1.37) cho h th ng, mà gián ti p qua m t tr t, đ c hi u là m t:

( ) khi ( ) 0( , )

1.3 i u khi n thích nghi v i h m

Xét h kín có s đ mô t hình 1.7, trong đó đ i t ng đi u khi n đ c gi

thi t là tuy n tính và mô t đ c b ng hàm truy n S s( ) B đi u khi n m có quan h

truy n đ t u=f e( ) c ng đ c gi thi t là trong ch đ xác l p x p x đ c b i h ng s

khu ch đ i k FC B đi u khi n m này có thêm h s khu ch đ i k p đ u ra là thay

k

γ

1.4 K t lu n

Ch ng 2 đã trình bày m t s phát tri n chính c a lý thuy t đi u khi n các h

phi tuy n trong các n m g n đây Lý thuy t đi u khi n các h phi tuy n phát tri n t

khái ni m mô t đ n các ph ng pháp thi t k có h th ng Các khái ni m thi t k đi u

khi n các h phi tuy n d a trên c s các hàm Lyapunov đ n các khái ni m n đ nh

đ u vào-đ u ra, tr ng thái-đ u vào đã đ c trình bày Ph ng pháp thi t k các b đi u

khi n b n v ng, thích nghi và t i u gián ti p đ c trình bày ng n g n

đi u khi n

B đi u khi n m

Hình 1.7: i u khi n h truy n

đ ng b ng b đi u khi n m thích nghi

p k

Ch nh đ nh thích nghi

CH NG 2: XÂY D NG MÔ HÌNH TOÁN CHO H

Sau đây ta th c hi n xây d ng mô hình th c nghi m h truy n bánh r ng có tính

đ n y u t đàn h i và hi u ng khe h đ ti n hành nghiên c u ch t l ng c a b đi u

khi n H n n a, s là không m t tính t ng quát n u nh đây ta ch xây d ng mô hình

bi n d ng trong quá trình làm vi c, các r ng c a hai bánh r ng đang n kh p v i nhau

t i đi m n kh p P , v t li u có đ c ng tuy t đ i thì t s truy n c a chúng đ c vi t:

2.1.2 Mô hình t ng quát có tính đ n hi u ng khe h , đ đàn h i c a v t li u

và moment ma sát

Trên c s h th ng truy n đ ng hình 2.2, ta đã có đ c mô hình đ ng l c h c

có tính t i y u t đàn h i c a c p bánh r ng và ma sát trong các tr c nh mô t trên

hình 2.3

Dùng m t c t n-n, trên đó ch u m t moment đàn h i c a hai bánh r ng nh trên

hình 2.3 G i J1 là moment quán tính c a ph n bên trái bao g m moment quán tính c a

rotor đ ng c d n đ ng, moment quán tính c a tr c và bánh r ng 1 và bên đó ch u tác

đ ng c a moment d n đ ng c a đ ng c đi n là M d , l c ma sát trong là M ms1 Do có

bôi tr n nên l c ma sát t l v i v n t c góc c a tr c d n Còn ph n bên ph i ch u tác

đ ng c a m t moment đàn h i có chi u ng c l i c ng nh moment ma sát G i J2 là

moment quán tính c a ph n bên ph i c a bánh r ng b d n 2

Moment đàn h i trên hai bánh r ng là:

− α góc n kh p c a hai bánh r ng L đánh giá khe h gi a các bánh r ng Trong

tr ng h p hai bánh r ng tiêu chu n thì αL = =α 200

− khi có c = 0 h s đang ch đ khe h Khi c =c thì h đang ch đ n kh p

Trong ch ng này ta đã đ a ra đ c mô hình (2.8) cho h truy n đ ng qua m t

c p bánh r ng và t mô hình đó, d i các gi thi t b sung thêm, ta còn có đ c mô

hình (2.12) đ n gi n h n đ mô t ch đ ch y đ u c a h

CH NG 3: I U KHI N THÍCH NGHI VÀ B N V NG

Ch ng này trình bày k t qu c a lu n án xung quanh bài toán đi u khi n h

truy n đ ng có mô hình toán t ng quát (2.8) đ c xây d ng t ch ng 2 nh sau:

Gi thi t đ áp d ng ph ng pháp bù này, hay còn g i là thích nghi theo mô hình

m u, là h truy n đ ng g n nh đã đi vào ch đ n đ nh v i m t t c đ b ng h ng s

V i gi thi t này, hai moment ma sát M ms1, M ms2 khi đó s đ c x p x b i:

αα

2 1 2

T mô hình t ng đ ng (3.4) có đ u vào u, đ u ra y, c ng nh khi b qua

đ c các moment ma sát gia t c c a h truy n đ ng qua bánh r ng, ta nh n th y ngay

r ng h có hàm truy n d ng quán tính b c 3:

1 ( )

3 2

1 ( )

d t có l n trong đ i t ng (3.4) ch tác đ ng đ u vào nên ta có th bù s nh h ng

c a nó m t cách r t đ n gi n theo nguyên t c đi u khi n theo mô hình m u (3.6) nh

bi u di n hình 1.3 Nh v y, b đi u khi n ph n h i đ u ra lúc này ch còn ph i đ a

H truy n ng c ch t, b t đ nh có mô hình:

1 khi 1 1( , ) ( , ) ( , )

nh lý 3.1: Xét h truy n ng c ch t, b t đ nh, m t đ u vào (3.12) Khi đó, v i m i

tín hi u m u w t( ) kh vi n l n cho tr c, b đi u khi n ph n h i tr ng thái:

1 ( ) ( ) 1

( , ) sgn( )

, ( , )

( ) ( , ) ( ) ( , )

là Hurwitz (có t t c các nghi m n m bên trái tr c o)

Khi bi n đ i mô hình t ng quát (3.1) v d ng:

1 4

khi 1 3( , )

k k T

0 20 40 60 80 100 -150

-100 -50 0 50 100 150

l p, các giá tr tham s này c ng s ti n t i m t h ng s c đ nh Tuy nhiên các h ng

s đó không b t bu c ph i là h ng s θf, θg th c c a đ i t ng đi u khi n

ϕϕϕ

mô hình tr ng thái b t đ nh t ng đ ng v i (3.37), nh ng là b c 3:

1 3

, 1, 2( , ) θ

Mô hình tr ng thái b c 3 này là hoàn toàn t ng đ ng v i mô hình toán t ng

quát (3.1) b c 4 c a h truy n đ ng bánh r ng, n u nh bài toán đi u khi n thích

nghi b n v ng cho nó ta ch quan tâm t i tín hi u m u w t( ) cho tr c là t c đ c a

góc quay ϕ2( )t

T ng ng v i mô hình b c 3 (3.42) c a đ i t ng đi u khi n, ta c ng có ngay

đ c b đi u khi n ph n h i tr ng thái thích nghi b n v ng t ng đ ng, đ c xây

Time (s)

Hình 3.31: So sánh tham s b t đ nh [1]( ) θf t v i tham s ch nh đ nh [1]( ) θf t

B đi u khi n ph n h i tr ng thái đ ng (3.43) có các tham s a1=1.8, a2 =1.08

và:

CH NG 4: XÂY D NG MÔ HÌNH V T LÝ H

CÁC K T QU TH C NGHI M

C u trúc mô hình bàn thí nghi m h truy n đ ng đ c bi u di n hình 4.1 v i:

− Máy tính Pentum IV, ph n m m Matlab và ph n m m ControlDesk Version 5.0

− Card đi u khi n DS1104, Driver Servo motor Midi-Maestro 140x14/28 và đ ng

c , kh p n i hai bánh r ng và t i

Hình 4.1 C u trúc h th ng th c nghi m

và b đi u khi n PID th hai có tham s k p =1200 và k I =3 Tín hi u đ t là hàm đi u

hình sin cho b i (4.1), t c là khi t c đ đ t thay đ i giá tr liên t c Thí nghi m đ c

ti n hành v i b đi u khi n m có hai tín hi u vào và m t tín hi u ra C ba bi n ngôn

ng c a b đi u khi n m đ c m hóa b ng 7 giá tr m (t p m ) cho hình 3.5

mô hình m u

Nh m nâng cao ch t l ng cho h th ng, ta s đ a thêm vào h hình 4.4 m t

khâu khu ch đ i k p theo s đ c u trúc đã trình bày hình 1.7 cùng v i lu t ch nh

đ nh thích nghi (4.1) cho nó đ đ u ra c a h bám theo đ c tín hi u ra c a mô hình

m u S đ kh i mô t h th ng thí nghi m m thích nghi này trên mô hình v t lý

đ a thêm khâu ch nh đ nh thích nghi theo mô hình m u c ng ph n nào đã c i thi n

đ c ch t l ng đi u khi n, song không nhi u Nói cách khác dao đ ng trong h v n

t n t i và không th lo i b đ c m t cách tri t đ , m c dù nghiên c u sinh đã ti n

hành th nghi m v i r t nhi u các b tham s khác nhau

Không t i Thay đ i t i

Hình 4.21: T c đ ϕ2 khi có tín hi u t c đ đ t w t( ) = 50 sin( )2πt

4.4 K t lu n

T th c nghi m ta th y r ng khi ch a có b đi u khi n, h truy n đ ng qua bánh

r ng dao đ ng, đ n r t l n S d ng b đi u khi n PI hay PI m cho h th ng truy n

đ ng có s tham gia c a bánh r ng đã cho phép ta gi m đáng k nh ng dao đ ng gây

nên b i khe h , đàn h i và ma sát c a bánh r ng Khi có tác đ ng đi u khi n h th ng

ch y êm, ti ng n c khí gi m đi r t rõ r t K t qu trên đã kh ng đ nh tính đúng đ n

c a thu t toán và cho phép áp d ng vào đi u khi n các h th ng truy n đ ng trong

th c t

K t lu n và nh ng h ng nghiên c u ti p theo

Lu n án đã th c hi n đ c các công vi c sau:

− Xây d ng mô hình toán cho h truy n đ ng m t c p bánh r ng

− Xây d ng đ c b đi u khi n m thích nghi theo mô hình m u ph n h i đ u ra cho h khi làm vi c ch đ ch y đ u

− xu t đ nh lý 3.1 và trên n n đ nh lý 3.1, xây d ng đ c b đi u khi n thích nghi b n v ng ph n h i tr ng thái

Lu n án c ng còn đã xác nh n b ng mô ph ng r ng b đi u khi n thích nghi b n

v ng ph n h i tr ng thái đ c thi t k theo n i dung đ nh lý 3.1 v n áp d ng đ c khi các vector tham s θ θ thay f, g đ i ch m theo th i gian, m c dù khi thi t k ta c n ph i

có gi thi t chúng là h ng s

Tuy nhiên, đ hoàn thi n h n n a ch t l ng đi u khi n cho h truy n đ ng, m t

s h ng m r ng sau nên đ c nghiên c u ti p t c:

1 Th nh t, do b đi u khi n thích nghi b n v ng c a đ nh lý 3.1 đ c xây d ng trên

n n ph ng pháp đi u khi n tr t nên không th tránh kh i hi n t ng rung trong

h

-150 -100 -50 0 50 100 150

Hình 5.1: Hi n t ng rung trong h bám thích nghi b n v ng

nâng cao ch t l ng cho h th ng, c n thi t ph i làm gi m hi n t ng rung này

Tr c đây, khi đ a ra đ nh lý 3.1 làm n n t ng cho vi c thi t k b đi u khi n thích nghi b n v ng, ta có đ c p t i kh n ng làm gi m hi n t ng rung nh b sung thêm khâu x p x hàm phi tuy n b t đ nh d( , )x t b ng d( , )x t

2 Th hai, trong tr ng h p s d ng mô hình b c 3 (3.42) c a h truy n đ ng và gi

s r ng ta có th x p x đ c: