Luận án tập trung nghiên cứu, đề xuất phương pháp điều khiển dự báo cho một lớp đối tượng phi tuyến có trễ dựa trên cơ sở nhận dạng nhiễu sử dụng mạng nơron.. Ta biết rằng MPC là một phư
Trang 1BỘ GIÁO DỤC VÀ ĐÀO TẠO
ĐẠI HỌC THÁI NGUYÊN
LÊ THỊ HUYỀN LINH
NGHIÊN CỨU ỨNG DỤNG LÝ THUYẾT ĐIỀU KHIỂN
HIỆN ĐẠI XÂY DỰNG MÔ HÌNH TRONG ĐIỀU KHIỂN DỰ BÁO PHI TUYẾN
Chuyên ngành: Kỹ thuật điều khiển và Tự động hóa
Mã số: 62 52 02 16
TÓM TẮT LUẬN ÁN TIẾN SĨ KỸ THUẬT
THÁI NGUYÊN - 2015
Trang 2Công trình được hoàn thành tại Đại học Thái Nguyên
Người hướng dẫn khoa học:
Vào hồi … giờ … ngày…… tháng…… năm 2015
Có thể tìm hiểu luận án tại Trung tâm học liệu Đại học Thái Nguyên
Trang 3DANH MỤC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ
1 Lê Thị Huyền Linh, Nguyễn Thị Mai Hương (2011), "Một phương pháp xây dựng
điều khiển dự báo dựa trên mô hình Gauss", Tạp chí Khoa học Công nghệ - Đại học
Thái Nguyên, Tập 86, số 10, ISSN 1859 - 2171, tr 195 - 200
2 Lê Thị Huyền Linh, Nguyễn Thị mai Hương (2013), "Sử dụng mô hình mờ Takagi
– Sugano để xây dựng mô hình dự báo cho hệ động học phi tuyến", Tạp chí Khoa học
Công nghệ - Đại học Thái Nguyên; Tập 102, số 02, ISSN 1859 - 2171, tr 161 - 167
3 Lê Thị Huyền Linh, Lại Khắc Lãi, Nguyễn Thị Mai Hương (2013), "Điều khiển dự
báo dựa trên mô hình với tầm dự báo bằng 1", Tạp chí Khoa học Công nghệ – Đại
học Thái Nguyên, Tập 112, số 12/2, ISSN 1859 - 2171, tr 55 - 62
4 Nguyễn Thị Mai Hương, Lại Khắc Lãi, Mai Trung Thái, Lê Thị Huyền Linh (2013), "Điều khiển dự báo dựa trên ma trận động ứng dụng điều khiển bình phản
ứng hóa học có bao làm lạnh (chemical reactor)", Tạp chí Khoa học Công nghệ –
Đại học Thái Nguyên, Tập 112, số 12/2, ISSN 1859 - 2171, tr 49 - 54
5 N.T Mai Hương, Mai Trung Thái, Lê Thị Huyền Linh, Lại Khắc Lãi (2013),
"Nghiên cứu chiến lược tối ưu hóa trong điều khiển dự báo", Tạp chí Khoa học Công
nghệ - Đại học Thái Nguyên, Tập 113, số 13, ISSN 1859-2171, tr 115-122
6 Le Thi Huyen Linh, Lai Khac Lai, Cao Tien Huynh (2014), "A disturbance identification method based on Neural network for a class predictive control system with delay",
Tạp chí Khoa học và Công nghệ các Trường Đại học Kỹ thuật, Tập 101/ 2014 - ISSN
0868 - 3980, tr 20 - 24
7 Lê Thị Huyền Linh, Đặng Ngọc Trung (2014), “Ứng dụng nhận dạng nhiễu trên cơ
sở mạng nơron cho bình phản ứng khuấy trộn liên tục”, Tạp chí Khoa học Công nghệ
- Đại học Thái Nguyên, Tập 122 - số 08, ISSN 1859 - 2171, tr 137- 141
8 Lê Thị Huyền Linh, Lại Khắc Lãi (2014), “Điều khiển dựa trên mô hình dự báo cho một lớp đối tượng có trễ”, Tạp chí Khoa học Công nghệ - Đại học Thái Nguyên,
Tập 128 - số 11, ISSN 1859 - 2171, tr 149 - 154
9 Lê Thị Huyền Linh, Lại Khắc Lãi (2014), “Phương pháp nhận dạng nhiễu phụ
thuộc trạng thái trong hệ phi tuyến có trễ”, Chuyên san Điều khiển & Tự động hóa, số
11, tr 53 - 57
Trang 4MỞ ĐẦU
1 Tính cấp thiết của đề tài luận án
Sự tồn tại của các yếu tố bất định làm cho vấn đề điều khiển dự báo theo mô
hình (MPC – Model Predictive Control) đã thực sự trở nên khó khăn, bởi phải đồng
thời xử lý tính phức tạp của bài toán tối ưu phi tuyến trực tuyến và xử lý các yếu tố bất định Với các đối tượng phi tuyến bất định có trễ, độ phức tạp nêu trên còn được cộng thêm phần trở ngại do hiệu ứng trễ gây ra Mặt khác, các đối tượng có trễ này rất phổ biến trong công nghiệp, các yêu cầu nâng cao chất lượng điều khiển ngày càng cao, dẫn đến vấn đề xây dựng các phương pháp điều khiển dự báo cho lớp đối tượng này ngày càng trở nên bức thiết Nhằm góp phần giải quyết khó khăn này, luận
án đặt vấn đề nghiên cứu: điều khiển dự báo cho lớp đối tượng với thành phần phi
tuyến bất định, có trễ và không có các ràng buộc kèm theo
Luận án tập trung nghiên cứu, đề xuất phương pháp điều khiển dự báo cho một lớp đối tượng phi tuyến có trễ dựa trên cơ sở nhận dạng nhiễu sử dụng mạng nơron
Hệ phi tuyến này được biểu diễn bằng một hệ tuyến tính có trễ cộng thêm thành phần
phi tuyến bất định (uncertain), thành phần phi tuyến này được hiểu là các nhiễu bất định hay các nhiễu nội sinh, không đo được, phụ thuộc vào trạng thái (state-
dependent disturbances) và là các yếu tố không mô hình hóa được
Trước hết ta cần nhận dạng được các nhiễu tác động lên hệ thống bằng luật cập
nhật trọng số trên cơ sở mạng nơron xuyên tâm (RBF - Radial Basic Functions) thực
hiện trực tuyến Khi đã nhận dạng được các nhiễu với mức độ chính xác tùy ý thì nếu
thỏa mãn các điều kiện ứng đối ta hoàn toàn có thể loại bỏ nhiễu (disturbance
rejection) hay bù trừ các tác động của nhiễu Lúc này bài toán điều khiển trở nên dễ
dàng hơn bởi hệ trở thành tuyến tính có trễ với các tham số xác định, từ đây ta có thể
đi đến tổng hợp bộ điều khiển dự báo theo mô hình nội (IMPC - Internal Model
Predictive Control) cho hệ
Ta biết rằng MPC là một phương pháp rất tốt cho hệ có trễ, các phương pháp MPC cho hệ tuyến tính có trễ được phát triển trong những năm vừa qua đã đạt được những kết quả nhất định, tuy nhiên một đặc điểm khó khăn khi thực hiện trong thực
tế là bộ điều khiển luôn luôn phải giải bài toán tối ưu trực tuyến, tín hiệu điều khiển tối ưu chỉ được tính cho thời điểm kế tiếp, do vậy phần cứng phải thực hiện rất nhiều phép tính toán, nhiều khi không đảm bảo tính thời gian thực, hoặc cũng có thể không
ổn định nếu bài toán tối ưu không có nghiệm Quá trình giải mất nhiều thời gian, đặc biệt khi tồn tại các điều kiện ràng buộc chặt chẽ Việc tìm ra các phương pháp mới nhằm khắc phục các khó khăn nêu trên đang là nhiệm vụ cấp bách đặt ra
Trang 52 Phạm vi, đối tượng nghiên cứu và phương pháp nghiên cứu
Đối tượng nghiên cứu: Luận án nghiên cứu về nhận dạng và điều khiển một
lớp đối tượng phi tuyến có trễ thường gặp trong công nghiệp trên cơ sở mô hình dự báo và nhận dạng nhiễu trực tuyến sử dụng mạng nơron RBF
Phạm vi nghiên cứu của luận án: Luận án đi sâu nghiên cứu nhận dạng
nhiễu, bù trừ nhiễu và điều khiển dự báo theo mô hình nội cho các đối tượng có trễ trên kênh điều khiển
Với tính chất đặc thù và những ưu điểm vốn có, điều khiển dự báo được ưu tiên áp dụng cho các đối tượng có trễ, các đối tượng có động học biến đổi chậm và cho các trường hợp có các ràng buộc đối với vectơ trạng thái và/hoặc vectơ điều
khiển Trong khuôn khổ cho phép, luận án chỉ tập trung đi sâu nghiên cứu xây dựng
phương pháp nhận dạng nhiễu trực tuyến và phương pháp điều khiển dự báo theo mô hình cho các đối tượng có trễ trong điều khiển, không chứa các ràng buộc Bài toán
điều khiển dự báo cho các đối tượng này khi có ràng buộc được xem là bước phát triển tiếp theo của luận án Tuy nhiên, một khi đã nhận dạng trực tuyến được nhiễu, vấn đề điều khiển dự báo có các ràng buộc có thể được giải quyết bằng các phương pháp hiện có [30]
Phương pháp nghiên cứu: Luận án sử dụng phương pháp phân tích, đánh giá
và tổng hợp Thông qua nghiên cứu lý thuyết để đề xuất vấn đề cần giải quyết và xây dựng thuật toán giải quyết vấn đề đó, kiểm chứng các nghiên cứu lý thuyết bằng mô phỏng và cuối cùng là áp dụng thuật toán đề xuất cho một đối tượng cụ thể
3 Mục tiêu của luận án
Mục tiêu của luận án là xây dựng phương pháp mới để nhận dạng mô hình trực tuyến cho một lớp đối tượng phi tuyến có trễ trong hệ thống điều khiển dự báo theo
mô hình; đồng thời xây dựng cấu trúc điều khiển dự báo theo mô hình nội, áp dụng các kết quả thu được cho một đối tượng cụ thể trong công nghiệp
4 Những đóng góp mới về lý luận và thực tiễn của luận án
Đề xuất phương pháp nhận dạng nhiễu cho hệ thống có trễ sử dụng mô hình song song và mạng nơron RBF
Phát biểu và chứng minh được định lý về điều kiện đủ để quá trình nhận dạng hội tụ cho 2 trường hợp: trường hợp có một nhiễu tác động và trường hợp có nhiều nhiễu đồng thời tác động trong hệ thống
Đề xuất giải pháp bù nhiễu và điều kiện ứng đối bảo đảm bù trừ được đồng thời cùng một lúc nhiều nhiễu tác động Các kết quả mới về nhận dạng nhiễu
và bù nhiễu có thể được áp dụng không những cho các hệ thống IMPC mà còn
có thể áp dụng cho các hệ thống với các luật điều khiển khác nhau
Đề xuất phương pháp tổng hợp hệ IMPC cho một lớp đối tượng có trễ
Trang 6 Áp dụng các kết quả trên đây để tổng hợp được hệ điều khiển IMPC đạt hiệu quả cao cho đối tượng CSTR, dưới tác động của nhiễu
Đây là những đóng góp vừa có ý nghĩa khoa học, vừa có giá trị thực tiễn
5 Bố cục của luận án
Luận án gồm 03 chương, phần mở đầu, kết luận kiến nghị và danh mục tài liệu tham khảo
1.1 Giới thiệu tổng quan về điều khiển dự báo theo mô hình
1.1.1 Khái niệm
Điều khiển dự báo theo mô hình là phương pháp điều khiển hệ thống dựa trên
cơ sở tín hiệu đầu ra của đối tượng được dự báo thông qua một mô hình toán nào đó Dựa vào tín hiệu dự báo đầu ra của đối tượng, sử dụng thuật toán tối ưu để tìm tín hiệu điều khiển tối ưu cho hệ thống sao cho đầu ra của đối tượng ở tương lai bám theo giá trị mong muốn Như vậy tín hiệu điều khiển tối ưu này sẽ phụ thuộc vào độ chính xác của tín hiệu dự báo đầu ra của đối tượng và thuật toán tìm nghiệm tối ưu
Độ chính xác của tín hiệu dự báo phụ thuộc vào mô hình toán của đối tượng
1.1.2 Các thành phần chính trong điều khiển dự báo dựa trên mô hình
Hình 1.3 Sơ đồ khối hệ thống điều khiển dự báo dựa trên mô hình
a Mô hình dự báo
b Hàm mục tiêu và các điều kiện ràng buộc
c Chiến lược tối ưu hóa
1.2 Những vấn đề liên quan về điều khiển dự báo hệ tuyến tính
1.3 Các ưu nhược điểm của điều khiển dự báo so với phương pháp khác
1.4 Những vấn đề liên quan về điều khiển dự báo hệ phi tuyến
Trang 71.5 Đề xuất hướng nghiên cứu giải quyết trong luận án
Thay vì thiết kế bộ điều khiển dự báo cho hệ phi tuyến có trễ thành thiết kế bộ điều khiển dự báo cho hệ tuyến tính có trễ cộng với thành phần nhiễu (nhiễu phụ thuộc trạng thái - phi tuyến bất định) Thành phần nhiễu này được nhận dạng trực tuyến và sẽ được bù trừ để hệ chỉ còn tuyến tính có trễ Tiếp đó ta sử dụng phương pháp điều khiển dự báo theo mô hình nội dựa trên cơ sở nhận dạng nhiễu để đảm bảo tính ổn định của hệ thống, tìm ra tầm dự báo và tầm điều khiển
Vấn đề tổng hợp hệ điều khiển dự báo cho đối tượng phi tuyến bất định và có trễ được phân ra thành các nội dung sau đây:
- Tách mô hình đối tượng phi tuyến thành 2 phần: hệ tuyến tính có trễ và thành phần phi tuyến Theo quan điểm tuyến tính hóa xung quanh điểm làm việc ta dễ dàng
xác định được thông số động học của hệ thống qua ma trận A và B dựa vào điểm làm
việc danh định, thành phần phi tuyến còn lại được coi là nhiễu phụ thuộc trạng thái hay nhiễu nội sinh của mô hình tuyến tính;
Hình 1.4 Cấu trúc mô hình lớp đối tượng phi tuyến có trễ
- Sử dụng mạng nơron nhân tạo RBF (là mạng đơn giản, dễ huấn luyện) để nhận dạng trực tuyến thành phần phi tuyến bất định của đối tượng;
- Bù trừ nhiễu trên cơ sở sử dụng kết quả nhận dạng;
- Xây dựng bộ điều khiển dự báo phản hồi trạng thái theo mô hình nội (IMPC) với cấu trúc bù nhiễu để điều khiển hệ thống lúc này chỉ còn phần tuyến tính có trễ
1.6 Kết luận Chương 1
Chương 1 đã trình bày tổng quan về điều khiển dự báo, cấu trúc, các thành phần cơ bản của một hệ điều khiển dự báo và ảnh hưởng của chúng đối với việc thiết
kế cũng như nâng cao chất lượng hệ điều khiển dự báo theo mô hình Điểm lại một số
kỹ thuật MPC tuyến tính, phi tuyến đã công bố trên các tạp chí khoa học trong nước
và ngoài nước cũng như các ứng dụng MPC trong công nghiệp của một số hãng trên thế giới Đã chỉ ra những vấn đề còn tồn tại, những vấn đề chưa được giải quyết một cách thỏa đáng Đã nêu rõ tính bức thiết của đề tài luận án, xác định rõ mục tiêu cần đạt, đề xuất phương pháp tiếp cận và những nội dung khoa học cụ thể cần giải quyết
để đạt được mục tiêu của luận án
Trang 8Chương 2 NHẬN DẠNG NHIỄU VÀ BÙ NHIỄU CHO LỚP HỆ PHI
TUYẾN CÓ TRỄ
2.1 Tổng quát chung về nhận dạng và mạng nơron
2.1.1 Khái niệm về nhận dạng
2.1.2 Khái quát về cấu trúc mạng nơron
2.2 Bài toán nhận dạng nhiễu cho lớp hệ phi tuyến có trễ
Trong thực tế thường gặp hai trường hợp sau đây:
+ Các hệ thống có một nhiễu tác động và có một kênh điều khiển (hệ đơn giản)
+ Các hệ thống có nhiều nhiễu tác động và có nhiều kênh điều khiển (hệ phức tạp)
Nhận dạng nhiễu và bù nhiễu đối với từng trường hợp nêu trên có những nét đặc thù riêng và cả những yêu cầu riêng biệt
Vấn đề nhận dạng nhiễu trực tuyến (online) đối với trường hợp hệ có một nhiễu tác động lên hệ thống có trễ được giải quyết ở mục 2.3 Kết quả nhận dạng nhiễu được sử dụng trong mục 2.4 để bù trừ ảnh hưởng của nhiễu
Vấn đề nhận dạng trực tuyến đồng thời nhiều nhiễu tác động lên hệ thống có trễ được xem xét và giải quyết tại mục 2.5 Tổng hợp tín hiệu bù trừ nhiễu và điều kiện để bù trừ đồng thời nhiều nhiễu tác động lên hệ thống được trình bày trong mục 2.6
2.3 Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng nơron RBF khi chỉ có một thành phần nhiễu
2.3.1 Xây dựng thuật toán nhận dạng nhiễu
Trang 9
2 2 2
2 1
C ex
2 ( )
C ex
2
i i i
P E
t
u t
U
Chứng minh : Định lý được chứng minh chặt chẽ trên cơ sở sử dụng phương
pháp thứ 2 của Lyapunov cho hệ (2.16), trong đó hàm Lyapunov được chọn có dạng:
Trang 10Qua một loạt biến đổi toán học ta thu được các điều kiện đảm bảo cho V 0, chính là các điều kiện (2.17)
Hình 2.5 Sơ đồ cấu trúc hệ thống nhận dạng nhiễu cho các đối tượng có trễ trên cơ sở mô
hình song song và mạng nơron
2.3.2 Ví dụ minh họa
2.4 Tổng hợp tín hiệu bù nhiễu cho hệ thống có trễ với một kênh điều khiển
Tín hiệu bù nhiễu (gọi tắt là tín hiệu bù u t b( )) được tạo ra dựa trên kết quả nhận dạng nhiễu f tˆ( ) đã thu được ở mục 2.3 Tín hiệu bù được đưa tới đầu vào của đối tượng cùng với tín hiệu điều khiển u dk( )t Tín hiệu đầu vào của đối tượng điều khiển lúc này sẽ là:
Như vậy để có được tín hiệu bù tại thời điểm t đòi hỏi phải dự báo tín hiệu ˆf
tại thời điểm(t ) Dựa trên tín hiệu thu được f tˆ( )ta sẽ có tín hiệu dự báo f tˆ( )trên cơ sở chuỗi Taylor:
i i
Trang 112.5 Thuật toán nhận dạng nhiễu hệ phi tuyến có trễ trên cơ sở sử dụng mạng nơron RBF khi có nhiều thành phần nhiễu
Trong phần này, tác giả đưa ra phương pháp nhận dạng nhiều tác động nhiễu, nhiều tín hiệu đầu vào cùng đồng thời tác động lên hệ thống đã được phát triển trên
Định lý 2.2: Giả sử A là ma trận Hurwitz Hệ thống (2.51) sẽ ổn định thực tế khi thỏa mãn đồng thời các điều kiện:
max 2
2
2
2
* 1 min
t T
Q
(2.57)
2 1,2, ,
Trang 12Chứng minh : Định lý đã được chứng minh chặt chẽ trên cơ sở sử dụng
phương pháp thứ 2 của Lyapunov cho hệ (2.51), trong đó hàm Lyapunov có dạng:
Đạo hàm hàm V theo dọc quỹ đạo của (2.51) luôn âm sẽ là điều kiện đủ để (2.51)
ổn định Biến đổi Vta thu được các điều kiện đó, kết quả được thể hiện ở (2.57)
Hình 2.16 Sơ đồ cấu trúc của đối tượng có trễ trong kênh điều khiển, có nhiễu phụ thuộc
trạng thái tác động và kênh bù nhiễu trên cơ sở nhận dạng nhiễu
2.7 Kết luận Chương 2
1 Đã đề xuất phương pháp nhận dạng nhiễu cho hệ thống có trễ trong điều khiển
2 Đã phát biểu và chứng minh được 2 định lý về các điều kiện đủ, đảm bảo quá trình nhận dạng hội tụ cho 2 trường hợp riêng biệt: trường hợp hệ thống có một nhiễu tác động và trường hợp hệ thống đồng thời chịu nhiều nhiễu tác động Đã thu được luật cập nhật trọng số cho các mạng nơron RBF
3 Đã đề xuất giải pháp bù nhiễu cho lớp đối tượng có trễ trên cơ sở các kết quả nhận dạng Các kết quả mới về nhận dạng nhiễu và bù nhiễu có thể được áp dụng không những cho các hệ thống IMPC mà còn có thể áp dụng cho các hệ thống với các luật điều khiển khác nhau
Trang 13Chương 3 TỔNG HỢP BỘ ĐIỀU KHIỂN DỰ BÁO DỰA THEO MÔ HÌNH NỘI CHO ĐỐI TƯỢNG CÓ TRỄ VÀ XÂY DỰNG HỆ THỐNG ĐIỀU KHIỂN CHO ĐỐI TƯỢNG CSTR
3.1 Đặt vấn đề
Trong phần này luận án đi sâu giải quyết bài toán điều khiển tối ưu sử dụng
mô hình dự báo cho lớp đối tượng có trễ trên cơ sở các thành phần nhiễu đã được nhận dạng và đã được bù trừ theo các kết quả của Chương 2 Lúc đó động học của
đối tượng điều khiển sẽ được mô tả bằng phương trình:
( )t ( )t ( )t
X AX BV (3.1) ( )t (t )
Theo phương pháp tiếp cận trình bày tại mục 3.2., chúng ta lựa chọn tiêu chuẩn tối ưu dạng:
