Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)

Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)Nghiên cứu mô hình bộ điều khiển thông minh có sử dụng đại số gia tử để điều khiển đối tượng phi tuyến (LV thạc sĩ)

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

-   -

BÁO CÁO TỔNG KẾT

ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

NGHIÊN CỨU MÔ HÌNH BỘ ĐIỀU KHIỂN THÔNG MINH CÓ SỬ DỤNG ĐẠI SỐ GIA TỬ ĐỂ ĐIỀU KHIỂN

ĐỐI TƯỢNG PHI TUYẾN

Mã số: B2009-TN02-10

Chủ nhiệm đề tài: ThS Ngô Kiên Trung

Bộ môn Tự động hóa - Khoa Điện

Thai Nguyen 2011

Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP

-   -

BÁO CÁO TỔNG KẾT

ĐỀ TÀI KHOA HỌC VÀ CÔNG NGHỆ CẤP BỘ

NGHIÊN CỨU MÔ HÌNH BỘ ĐIỀU KHIỂN THÔNG MINH CÓ SỬ DỤNG ĐẠI SỐ GIA TỬ ĐỂ ĐIỀU KHIỂN

ĐỐI TƯỢNG PHI TUYẾN

Mã số: B2009-TN02-10

Xác nhận của cơ quan chủ trì đề tài Chủ nhiệm đề tài

(ký, họ tên, đóng dấu) (ký, họ tên)

Thai Nguyen 2011

Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.lrc.tnu.edu.vn

Summary research result of scientific and technological theme in Ministry level

Research the model of intelligent controller using hedge algebra

to control nonlinear object

- Center of Laboratary , Thai Nguyen University of Technology

- Center of research new energy, Hanoi University of Technology

Time: 24 months (From 01/2009 to 12/2010)

- Research parabolic trough solar collector system controlling problem

- Build control algorithm following combined model between hedge algebra and intelligent controller

- Program to control system, modelization, modelling and adjust system

- “Research to improve quality of hedge algebra controller for solar panel system”, Jounals of science and technology – Hanoi University of Technology, number 84, 2011

3.2.2 Scientific researching topic in student level (2)

- “A research on parabolic trough solar collector system control based on hedge algebra”, 2011, Student: Ngo Quoc Binh, Supervisor: Ngo Kien Trung

- “Research and apply fuzzy logic and hedge algebra process control problem”, 2011, Student: Do Van Thuong, Supervisor: Chu Minh Ha

NHỮNG NGƯỜI THAM GIA THỰC HIỆN ĐỀ TÀI

1 NCS Ngô Kiên Trung - Khoa Điện - Trường ĐHKT Công nghiệp

2 PGS.TS Nguyễn Hữu Công - Đại học Thái Nguyên

3 ThS Nguyễn Tiến Duy - Khoa Điện tử - Trường ĐHKT Công nghiệp

4 ThS Chu Minh Hà - Khoa Điện - Trường ĐHKT Công nghiệp

5 CN Nguyễn Thị Kim Chung - Phòng QLKH - Trường ĐHKT Công nghiệp

Cộng tác viên

ThS Dương Quốc Tuấn - Khoa Điện - Trường ĐHKT Công nghiệp

ThS Nguyễn Thị Thanh Nga - Khoa Điện - Trường ĐHKT Công nghiệp

ThS Nguyễn Tuấn Linh - Khoa Điện tử - Trường ĐHKT Công nghiệp

ĐƠN VỊ PHỐI HỢP CHÍNH

1.Trung tâm nghiên cứu năng lượng mới - Trường Đại học Bách Khoa Hà Nội 2.Trung tâm thí nghiệm - Trường Đại học Kỹ thuật Công nghiệp – ĐHTN

MỤC LỤC

NHỮNG NGƯỜI THAM GIA THỰC HIỆN ĐỀ TÀI 5

ĐƠN VỊ PHỐI HỢP CHÍNH 5

MỤC LỤC 6

DANH MỤC BẢNG BIỂU - HÌNH VẼ 7

DANH MỤC CÁC CHỮ VIẾT TẮT 8

KẾT QUẢ NGHIÊN CỨU 9

MỞ ĐẦU 10

CHƯƠNG I THIẾT KẾ BỘ ĐIỀU KHIỂN BẰNG LOGIC MỜ VÀ ĐẠI SỐ GIA TỬ 14

1.1.Khái niệm và các nguyên tắc điều khiển: 14

1.1.1.Khái niệm: 14

1.1.2.Các nguyên tắc điều khiển 14

1.1.2.2.Điều khiển theo chương trình: 16

1.1.2.3.Điều khiển tuỳ động: 16

1.2 Điều khiển thông minh : 17

1.2.1.Điều khiển mờ 17

1 2.1.1.Khái niệm cơ bản 18

1 2.1.2.Bộ điều khiển mờ 25

1.2.2.Điều khiển sử dụng đại số gia tử 28

1 2.2.1 Một số khái niệm cơ bản về đại số gia tử 28

1 2.2.2.Điều khiển sử dụng đại số gia tử 32

1 2.3.Tổng kết 33

CHƯƠNG II NGHIÊN CỨU HỆ THỐNG ĐIỀU KHIỂN GƯƠNG MẶT TRỜI 34

2.1.Giới thiệu về thiết bị sử dụng năng lượng mặt trời 34

2.1.1.Năng lượng mặt trời 34

2.2.Nhà máy nhiệt điện sử dụng năng lượng mặt trời 38

2.3.Hệ thống thu năng lượng mặt trời sử dụng các máng cong parabol 40

2.3.1 Giới thiệu chung về hệ thống hệ thống thu năng lượng mặt trời sử dụng các máng cong parabol PTSC (parabolic trough solar collector) 40

2.3.2 Các thông số bộ thu và cơ sở tính toán 42

2.4.Thuật toán điều khiển gương mặt trời dạng parabol trụ 46

2.4 1.Tổng quan về bài toán điều khiển bám gương mặt trời 46

2.4.2.Điều khiển tỷ lệ cố định 47

2.4.3.Điều khiển theo thuật toán PSA 48

2.4.4 Phương pháp điều khiển sử dụng bộ điều khiển lôgic mờ 50

2.4.5 Kết luận 53

CHƯƠNG III THIẾT KẾ BỘ ĐIỀU KHIỂN HỆ THỐNG GƯƠNG MẶT TRỜI BẰNG ĐẠI SỐ GIA TỬ 54 3.1.Xây dựng mô hình toán học hệ thống 54

3.1.1.Xác định tín hiệu đặt 55

3.1.2.Điều khiển vị trí động cơ một chiều 57

3.2 Thiết kế bộ điều khiển mờ 59

3.2.1 Định nghĩa các biến vào ra 59

3.2.2 Định nghĩa tập mờ (giá trị ngôn ngữ) cho các biến vào ra 60

3.2.3 Xây dựng các luật điều khiển 64

3.2.4 Chọn thiết bị hợp thành và nguyên lý giải mờ 65

3.2.5 Sơ đồ và kết quả mô phỏng 67

3.3 Sử dụng bộ điều khiển Đại số gia tử 68

3.3 1 Thiết kế bộ điều khiển Đại số gia tử có  =  68

3.3 2 Sử dụng bộ điều khiển Đại số gia tử với  73

3.3.3 Sơ đồ mô phỏng 2 bộ điều khiển DSGT 79

3.3.4 Mô phỏng sử dụng 3 bộ điều khiển khi có nhiễu phụ tải 80

3.4.Mô phỏng bộ điều khiển bằng ĐSGT có tính đến tính phi tuyến của đối tượng điều khiển: 81

3.4.1.Mô phỏng hệ khi không có nhiễu phụ tải 82

3.4.2.Trường hợp có nhiễu phụ tải 88

3.5 Kết luận chương 3 92

KẾT LUẬN VÀ KIẾN NGHỊ 94

TÀI LIỆU THAM KHẢO 95

PHỤ LỤC 98

DANH MỤC BẢNG BIỂU - HÌNH VẼ

Bảng 2.1 Các thông số đặc trưng của bộ thu 46

Bảng 2.2: Giá trị biến Wind speed 52

Bảng 2.3: Giá trị biến Drive 52

Bảng 3.1: Các trạng thái khác nhau của gương mặt trời 57

Bảng 3.2- Luật điều khiên mờ 65

Hình 2.1 Sơ đồ nguyên lý nhà máy nhiệt điện 38

Hình 2.2 Sơ đồ nguyên lý nhà máy nhiệt điện 39

Hình 2.3 Sơ đồ nguyên lý hệ thống PTSC 40

Hình 2.4 Gương phản xạ dạng parabol trụ 41

Hình 2.5 Ống thu nghiệt 41

Hình 2.6 Hệ truyền động 42

Hình 2.7 Gương quay theo mặt trời với tốc độ 0,25 ° / phút 47

Hình 2.8 Xác định vị trí mặt trời 48

Hình 2.9 Cấu trúc bộ điều khiển với 3 đầu vào, một đầu ra 51

Hình 2.10 Hàm liên thuộc biến WIND_SPEED 52

Hình 2.11 Hàm liên thuộc biến DRIVE 52

Hình 3.1.Mô hình hệ thống 54

Hình 3.2- Mô hình động cơ 1 chiều 57

Hình 3.3- Định nghĩa các biến vào ra của bộ điều khiển mờ 60

Hình 3.4- Định nghĩa các tập mờ cho biến Ch của bộ điều khiển mờ 62

Hình 3.5- Định nghĩa các tập mờ cho biến dCH của bộ điều khiển mờ 63

Hình 3.6- Định nghĩa các tập mờ cho biến U của bộ điều khiển mờ 64

Hình 3.7- Xây dựng các luật điều khiển cho bộ điều khiển mờ 65

Hình 3.8- Quan sát tín hiệu vào ra của bộ mờ 66

Hình 3.9- Bề mặt đặc trưng cho quan hệ vào ra của bộ điều khiển mờ 67

Hình 3.10- Sơ đồ cấu trúc của bộ điều khiển mờ động 67

Hình 3.11- Đáp ứng đầu ra của bộ Mờ động 68

Hình 3.12- Hàm liên thuộc đầu vào Ch 68

Hình 3.13- Hàm liên thuộc đầu vào dCh 68

Hình 3.14- Hàm liên thuộc đầu ra U 69

Hình 3.16- Đường cong ngữ nghĩa trung bình 72

Hình 3.17- Sơ đồ mô phỏng bộ điều khiển Đại số gia tử = 73

Hình 3.18- Đáp ứng của bộ điều khiển Đại số gia tử = 73

Hình 3.19- Hàm liên thuộc đầu vào Ch 73

Hình 3.20- Hàm liên thuộc đầu vào dCh 74

Hình 3.21- Hàm liên thuộc đầu ra U 74

Hình 3.23- Đường cong ngữ nghĩa trung bình 78

Hình 3.24- Sơ đồ mô phỏng bộ điều khiển Đại số gia tử 1 () 78

Hình 3.25- Đáp ứng của bộ điều khiển Đại số gia tử 1() 79

Hình 3.26- Sơ đồ mô phỏng 2 bộ điều khiển Đại số gia tử 79

Hình 3.27- Đáp ứng của 2 bộ điều khiển Đại số gia tử 80

Hình 3.32- Sơ đồ mô phỏng 3 bộ điều khiển khi có nhiễu phụ tải 80

Hình 3.33- Đáp ứng của các bộ điều khiển khi tín hiệu đặt có dạng 1(t)và có nhiễu phụ tải 81

DANH MỤC CÁC CHỮ VIẾT TẮT

PTSC Parabolic Trough Solar Controller

NLMT Năng lượng mặt trời

BXMT Bức xạ mặt trời

ĐLNN Định lượng ngữ nghĩa

ĐSGT Đại số gia tử

FAM Fuzzy Associative Memory

FLC Fuzzy Logic Control

HAC Hedge Algebras-based Controller

LLXX Lập luận xấp xỉ

opHAC Optimal Parameters of Hedge Algebras-based Controller

PLC Programable Logic Control

SAM Semantic Associative Memory

SFC Simple Fuzzy Control

KẾT QUẢ NGHIÊN CỨU

+ “Nghiên cứu nâng cao chất lượng bộ điều khiển bằng đại số gia tử cho hệ thống pin mặt trời”, Tạp chí khoa học và công nghệ - Trường đại học Bách khoa Hà Nội,

số 84 năm 2011

Sản phẩm đào tạo:

+ Tài liệu hướng dẫn luận văn thạc sỹ kỹ thuật ngành Tự động hóa: 2 đề tài

“Nghiên cứu ứng dụng logic mờ và đại số gia tử cho bài toán điều khiển”,

Đinh Việt Cường, Luận văn thạc sỹ 2009, ĐHKT Công nghiệp – ĐHTN

“Nghiên cứu ứng dụng đại số gia tử để điều khiển hệ thống gương mặt trời”, Trần Hữu Châu Giang, Luận văn thạc sỹ 2010, ĐHKT Công nghiệp – ĐHTN

+ Tài liệu hướng dẫn nghiên cứu khoa học sinh viên ngành Tự động hóa: 2 đề tài

“Nghiên cứu điều khiển hệ thống gương mặt trời bằng Đại số gia tử, Ngô

Quốc Bình, Đề tài sinh viên khoa Điện, 2011

“Nghiên cứu ứng dụng Logic mờ và Đại số gia tử cho bài toán điều khiển quá trình, Đỗ Văn Thường, Đề tài sinh viên khoa Điện, 2011

+ Tài liệu tham khảo cho đại học chuyên ngành Tự động hóa, khoa Điện, trường ĐHKTCN

Kỷ yếu khoa Điện 2009, 2010, 2011

Kỷ yếu hội thảo khoa học cấp trường 2010

MỞ ĐẦU Tổng quan tình hình nghiên cứu trong và ngoài nước

Ngày nay, các hệ thống tự động có mặt rất nhiều trong đời sống và trong sản xuất hàng hóa Hệ thống tự động đã giúp ích cho con người tăng năng suất lao động, tăng độ chính xác và tăng độ tin cậy cũng như tăng tính an toàn cho người vận hành Hệ thống tự động cũng có thể giúp cho con người chinh phục thiên nhiên phục vụ đời sống và tìm hiểu về thế giới xung quanh mình, đặc biệt giúp con người

có thể khám phá bí mật của thiên nhiên tại những nơi nguy hiểm hoặc ngoài tầm vươn của con người như đáy đại dương và hành tinh trong vũ trụ Sự phát triển hệ thống tự động trên thế giới đã đạt được nhiều thành quả và đã có nhiều tiến bộ Điều khiển tự động đã được áp dụng rộng rãi trong nhiều ngành khác nhau, được nhiều người đóng góp sức lực giải quyết nhiều bài toán từ thực hành đến lý thuyết, phát minh và chế tạo ra nhiều hệ thống điều khiển tự động từ đơn giản đến phức tạp Lý thuyết điều khiển ban đầu được hình thành chỉ áp dụng cho một hệ một đầu vào một đầu ra, sau này nhu cầu điều khiển hệ đa biến ra đời và người ta đã nghiên cứu về lý thuyết điều khiển cho hệ đa biến Lý thuyết điều khiển tự động khi áp dụng trong thực tế, có liên quan đến tất cả các phần tử có trong hệ thống Thực tế một hệ thống bao gồm nhiều phần tử có các đặc tính vật lý khác nhau và động học của chúng có liên quan đến các quá trình xảy ra trong lòng hệ thống, do vậy khi khảo sát gặp nhiều khó khăn Việc mô hình hóa hay nhận dạng chính là việc biểu diễn động học của hệ thống bằng toán học Muốn biểu diễn được thì phải đo được các đại lượng vậy lý chúng ta cần xét Vì sự phức tạp của tín hiệu, của các quá trình biến đổi năng lượng trong lòng hệ thống, ảnh hưởng của nhiễu loạn, hạn chế của thiết bị đo lường, hạn chế của các thuật toán mà việc mô hình hóa và nhận dạng khó Trong các thuật toán điều khiển hiện đại, một đòi hỏi lớn là cần phải có mô hình toán của các đối tượng điều khiển (hệ động) do vậy đã mở ra ngành mô hình hóa và nhận dạng

hệ thống Các thuật toán tối ưu và thông minh không chỉ áp dụng cho các hệ điều khiển mà còn áp dụng cho các thuật toán mô hình hóa và nhận dạng Cùng với sự phát triển khoa học kỹ thuật, điều khiển tự động ngày càng được gắn liền mật thiết với công nghệ điện tử và công nghệ tin học Những hệ thống điều khiển hiện đại này nay được thiết kế có sử dụng những bộ vi xử lý, hệ thống khả trình trên chip, và đặc biệt xu thế sử dụng máy tính để điều khiển ngày càng trở nên phổ biến Cũng nhờ máy tính bộ nhớ lớn người ta có thể giải được các phương trình phi tuyến mô tả

hệ động chính xác hơn các mô hình tuyến tính, do vậy song song với các ứng dụng

thiết kế hệ thống điều khiển tuyến tính người ta tìm cách chế tạo hệ thống điều khiển phi tuyến Cùng với lý thuyết đại số gia tử, lý thuyết điều khiển thông minh như logic mờ, mạng nơron, giải thuật di truyền sử dụng trong trí tuệ nhân tạo được phát triển rất mạnh trong thập niên 90 và đã áp dụng thành công với mục tiêu giải quyết những bài toán xấp xỉ, gần đúng… Nó khai thác khả năng đặc biệt trong tư duy con người khi giải quyết hiệu quả các vấn đề trong những môi trường không chắc chắn, chính xác dựa trên những phương pháp tính toán và lập luận logic Những tiến bộ khoa học kỹ thuật đạt được trong những năm gần đây đã khẳng định

vị trí của tính toán thông minh Đã có hàng loạt các công trình nghiên cứu và ứng dụng các kỹ thuật trên như [3], [4], [5], [21], [12], [29], [34], [35] Các công trình này đã nghiên cứu, xây dựng và thử nghiệm các hệ thống hỗ trợ quyết định dựa trên các công cụ tính toán mềm và xây dựng được một số mô hình tính toán mềm để giải các bài toán trong các lĩnh vực thông dụng

Hệ mờ và logic mờ đã được sử dụng là một cách tiếp cận khá hiệu quả cho nhận dạng và điều khiển các hệ thống phi tuyến nhờ khả năng xấp xỉ của nó [13], [16], [22] Tuy nhiên vẫn còn một số vấn đề cần được giải quyết, chẳng hạn như bao nhiêu luật mờ là thực sự cần thiết cho việc xấp xỉ có hiệu quả đối với một hệ phi tuyến chưa biết trước, các hàm liên thuộc được chọn như thế nào

Mạng nơron có khả năng xử lý song songvới tốc độ xử lý nhanh, có khả năng học thích nghi, nó thích ứng trong quá trình tự chỉnh trong điều chỉnh tự động Nó

có khả năng tổng quát hóa do đó có thể áp dụng để dự báo lỗi hệ thống tránh được những sự cố đáng tiếc mà các hệ thống khác có thể gây ra [8], [20], [29].Tuy nhiên, một nhược điểm khi dùng mạng nơron là chưa có phương pháp luận chung khi thiết

kế cấu trúc mạng cho các bài toán nhận dạng và điều khiển mà phải cần tới kiến thức của chuyên gia Mặt khác khi xấp xỉ mạng nơron với một hệ phi tuyến sẽ khó khăn khi luyện mạng vì có thể không tìm được điểm tối ưu toàn cục

Việc kết hợp giữa mạng nơron và logic mờ cho bài toán nhận dạng và điều khiển cũng đã được các nhà khoa học nghiên cứu [7], [20], [29] Các hệ lai đã phần nào nâng cao được chất lượng điều khiển, tuy nhiên việc thiết kế cấu trúc bộ điều khiển vẫn rất khó khăn, cần nhiều tới kiến thức chuyên gia…

Lý thuyết đại số gia tử tỏ ra khá hiệu quả trong việc đơn giản hóa quá trình tính toán dựa trên tập ngôn ngữ tự nhiên Đại số gia tử chứa tập các giá trị của một biến ngôn ngữ (biến mà giá trị của nó được lấy trong miền ngôn ngữ) là một cấu

trúc đại số đủ mạnh để tính toán, tiên đề hóa sao cho cấu trúc thu được mô phỏng tốt ngữ nghĩa ngôn ngữ và có thể xem như một cơ sở cho một loại logic mờ

Các nghiên cứu và ứng dụng trong những năm gần đây bước đầu cho thấy: việc sử dụng kết hợp các phương pháp tính toán mềm với nhau khi biểu diễn tri thức sẽ thu được hiệu quả cao hơn trong nhận dạng và điều khiển các hệ phi tuyến Hiện nay, việc nghiên cứu kết hợp đại số gia tử và logic mờ đã được một số tác giả nghiên cứu áp dụng cho bài toán chuẩn đoán bệnh, nhận dạng hệ phi tuyến Ngày nay, trong lĩnh vực điều khiển mờ, các nhà khoa học cả trong và ngoài nước đều đang rất quan tâm nghiên cứu phương pháp điều khiển dựa trên đại số gia tử như một công cụ mới, khá đầy đủ và đã đạt được một số thành quả nhất định [4], [5],[20] Có thể kể đến các ứng dụng như: xây dựng mô hình cơ sở dữ liệu mờ [13], [23], ứng dụng trong cơ sở dữ liệu mờ để quản lý tội phạm hình sự [20], [23], các tác giả đã sử dụng vào lĩnh vực điều khiển mờ, trong một số bài toán như điều khiển mức nước, quạt gió cánh nhôm [8], [11], [14], [15], bước đầu các kết quả đạt được rất khả quan Đại số gia tử cũng đã được ứng dụng cùng với phương pháp nội suy để giải quyết bài toán lập luận mờ đa điều kiện, việc giải quyết bài toán này cũng thể hiện tính ưu việt của nó đối với những bài toán có cấu trúc toán học yếu

Tính cấp thiết và mục tiêu nghiên cứu của đề tài

Các kết quả trên chỉ là phần nhỏ trong phạm vi ứng dụng của ĐSGT Đã có một số bài toán đặt ra như áp dụng phương pháp điều khiển này cho những kết quả khả quan so với điều khiển mờ Tuy nhiên trong lĩnh vực điều khiển các đối tượng phi tuyến, đặc biệt đối với các đối tượng cụ thể trong công nghiệp, các bài toán điều khiển áp dụng đại số gia tử là một hướng mới, tiền đề cho khả năng triển khai ứng dụng sâu rộng hơn Đề tài nghiên cứu mô hình kết hợp nhằm linh hoạt hơn trong việc đề ra phương pháp điều khiển cũng như thiết kế bộ điều khiển cho đối tượng phi tuyến; ý tưởng là điều khiển hệ thống gương mặt trời Trên cơ sở đó việc kết hợp với lý thuyết đại số gia tử vào bài toán điều khiển đối tượng phi tuyến là vấn đề còn khá mới mẻ Việc nghiên cứu nâng cao hiệu quả của hệ thống năng lượng mới nói chung và hệ thống thu năng lượng mặt trời nói riêng là một trong những lĩnh vực công nghệ cao đang được Việt nam và thế giới rất quan tâm; vì vậy đề tài nghiên cứu có tính khoa học và thực tiễn cao Việc nghiên cứu đề tài thành công sẽ khẳng định thêm hiệu quả của lý thuyết đại số gia tử và mô hình kết hợp trong những bài toán điều khiển và nhận dạng mô hình phi tuyến, mở ra khả năng ứng dụng trong thực tế Đề tài nhằm mục tiêu bổ sung lý luận trong việc thiết kế hệ thống điều khiển bằng các bộ điều khiển thông minh cho một số đối tượng phi tuyến

và nâng cao chất lượng điều khiển, từ đó áp dụng trong thực tế để điều khiển hệ

thống gương mặt trời hoặc đối tượng phi tuyến khác trong công nghiệp Bên cạnh

đó, đây là tài liệu hữu ích cho việc nghiên cứu, tham khảo của học viên cao học, sinh viên ngành Tự động hóa, Điều khiển tự động và Hệ thống điện

Phương pháp và nội dung nghiên cứu

Việc nghiên cứu ở đây là đưa ra phương pháp mới xây dựng mô hình kết hợp nhằm điều khiển hệ thống phi tuyến và đi xây dựng bộ điều khiển cho một đối tượng phi tuyến cụ thể (ở đây là điều khiển chuyển động quay của gương mặt trời) Tiếp đó lập trình điều khiển nhúng trong môi trường Matlab cho đối tượng có thông

số cụ thể để kiểm tra các kết quả nghiên cứu

Nội dung cụ thể của đề tài:

Nghiên cứu lí thuyết, thu thập các thông tin liên quan tới bài toán điều khiển theo mô hình kết hợp

Tìm hiểu công nghệ và các thông số kỹ thuật của gương mặt trời)

Xây dựng thuật toán điều khiển theo mô hình kết hợp giữa đại số gia tử và bộ điều khiển thông minh

Lập trình điều khiển hệ thống, mô hình hoá, mô phỏng và hiệu chỉnh hệ thống

CHƯƠNG I THIẾT KẾ BỘ ĐIỀU KHIỂN BẰNG LOGIC MỜ VÀ ĐẠI SỐ GIA TỬ

1.1.Khái niệm và các nguyên tắc điều khiển:

1.1.1.Khái niệm:

Điều khiển học là khoa học nghiên cứu những quá trình điều khiển và thông tin trong các máy móc, sinh vật Điều khiển tự động là cơ sở lý thuyết của điều khiển học kỹ thuật, nó nghiên cứu những nguyên tắc thành lập hệ tự động và các qui luật của các quá trình xảy ra trong hệ Từ đó xây dựng được các hệ tối ưu hoặc gần tối ưu bằng những phương pháp kỹ thuật, đồng thời nghiên cứu quá trình tĩnh và động của hệ thống đó

Một cách tổng quát hệ thống điều khiển tự động được mô tả bởi sơ đồ cấu trúc sau:

đó để đạt được mục đích điều khiển đề ra

u(t) : Tín hiệu vào

y(t) : Tín hiệu ra

x(t) : Tín hiệu điều khiển tác động lên đối tượng

e(t) : sai lệch điều khiển

f(t) : tín hiệu tác động từ bên ngoài

1.1.2.Các nguyên tắc điều khiển

1.1.2.1.Điều khiển giữ ổn định:

Nguyên tắc này giữ tín hiệu ra bằng một hằng số trong quá trình điều khiển

a.Phương pháp điều khiển theo sai lệch

f(t)

Là nguyên tắc mà tín hiệu điều khiển x(t) được thành lập dựa trên sự sai lệch của lượng ra so với lượng vào: x(t) = f [ y(t) - u(t) ]

Sơ đồ cấu trúc như sau:

b.Phương pháp điều khiển theo nhiễu loạn (bù nhiễu)

Là nguyên tắc mà tín hiệu điều khiển x(t) được thành lập dựa trên tin tức về nhiễu loạn Những hệ thống được xây dựng theo nguyên tắc này là những hệ thống

hở (Không có liên hệ ngược) Sơ đồ cấu trúc như sau:

Trong đó :

TB 1 là thiết bị để đo nhiễu

TB 2 là thiết bị để tạo ra tín hiệu điều khiển x(t)

c.Phương pháp điều khiển thích nghi

Là nguyên tắc mà tín hiệu điều khiển x(t) được thành lập dựa vào tất cả các yếu tố ảnh hưởng đến đại lượng cần điều khiển Sơ đồ hệ điều khiển thích nghi :

f(t)

Trong đó:

TPT : Thiết bị phân tích tín hiệu vào ( Xác định tính chất của tín hiệu vào

VD tốc độ, gia tốc của tín hiệu vào )

TPĐ : Thiết bị phân tích đối tượng ( Xác định đặc tính động học của đối tượng cấn điều khiển )

TT : Thiết bị tính toán ( Xác định phương pháp biến đổi đặc tính của thiết bị điều khiển chính )

TC : Thiết bị chấp hành (có nhiệm vụ chỉnh định thiết bị điều khiển theo các tín hiệu nhận được từ thiết bị tính toán )

v(t) : Là hàm tự chỉnh, nó là hàm đa tham số

v(t)=f [x(t), n(t), u(t), y(t) ]

1.1.2.2.Điều khiển theo chương trình:

là hệ thống có lượng ra biến đổi theo một chương trình định sẵn Quy luật này được gọi là chương trình điều khiển, nó có thể là quy luật biến đổi theo thời gian một cách liên tục hoặc rời rạc; hoặc là quy luật biến đổi theo không gian Các quy luật điều khiển được tạo nên do phần mềm điều khiển

1.1.2.3.Điều khiển tuỳ động:

Là hệ có lượng ra biến đổi theo đúng quy luật của lượng vào và lượng vào là hàm bất kỳ của không gian và thời gian hoàn toàn không biết trước, để tạo ra hệ này phải gồm hai phần:

- Hệ điều khiển theo chương trình

- Thiết bị đo các đại lượng vật lý thực tế và gia công tạo chương trình điều khiển đầu vào

Hệ thống tùy động thực chất là hệ thống ĐCTĐTĐĐ thực hiện điều khiển vị trí với lượng đặt trước biến thiên tùy ý Hệ thống tùy động được ứng dụng rất rộng rãi trong thực tiễn Nhiệm vụ cơ bản của hệ là thực hiện điều khiển cơ cấu chấp hành bám sát chính xác đối với lượng đặt vị trí, đại lượng điều khiển (lượng đầu ra) thường là vị trí không gian của cơ cấu sản xuất, khi lượng đặt thay đổi trong quá trình làm việc thì hệ thống có thể làm cho đại lượng điều khiển bám sát và duy trì một một cách chính xác vị trí của cơ cấu sản xuất theo yêu cầu Lượng đặt trong hệ thống tùy động cũng như đại lượng điều khiển là vị trí (hay đại lượng điện đại diện cho vị trí), đương nhiên có thể là chuyển vị góc, chuyển vị dài, vì thế hệ thống tùy động này gọi là hệ thống tùy động vị trí và buộc phải có phản hồi vị trí Hệ thống tùy động vị trí là một hệ thống tùy động nghĩa hẹp, về nghĩa rộng mà nói, lượng đầu

ra của hệ thống tùy động không nhất thiết phải là vị trí, mà có thể là các đại lượng khác, chẳng hạn như máy làm giấy, máy dệt nhiều trục sử dụng nhiều động cơ có

thể coi là hệ thống tùy động đồng tốc, v.v Hệ thống tùy động nói chung cũng còn

gọi là hệ thống bám

* Ngoài các nguyên tắc điều khiển trên còn có các nguyên tắc điều khiển khác như :

Điều khiển sử dụng logicmờ, mạng nơron, giải thuật di truyền, đại số gia tử…

1.2 Điều khiển thông minh :

Lý thuyết mờ được đề xuất vào năm 1965 bởi L.A Zadeh, đến nay đã được nhiều tác giả nghiên cứu và đem lại những kết quả ứng dụng rất thành công Trong

đó lập luận mờ (Fuzzy Reasoning) là một trong những vấn đề được nghiên cứu và ứng dụng nhiều Tuy nhiên vẫn còn một số vấn đề cần được giải quyết, chẳng hạn như bao nhiêu luật mờ là thực sự cần thiết cho việc xấp xỉ có hiệu quả đối với một

hệ phi tuyến chưa biết trước, các hàm liên thuộc được chọn như thế nào

Đại số gia tử có thể xem như là một mô hình biểu diễn ngữ nghĩa của ngôn ngữ tự nhiên và do đó nó có thể cung cấp cơ sở toán học cho việc xây dựng phương pháp đánh giá dựa trực tiếp trên các nhãn ngôn ngữ và được định lượng trên cơ sở

lý thuyết đại số gia tử Đại số gia tử chứa tập các giá trị của một biến ngôn ngữ (biến mà giá trị của nó được lấy trong miền ngôn ngữ) là một cấu trúc đại số đủ mạnh để tính toán, tiên đề hóa sao cho cấu trúc thu được mô phỏng tốt ngữ nghĩa ngôn ngữ và có thể xem như một cơ sở cho một loại logic mờ Trong một số nghiên cứu mới đây cho thấy khả năng sử dụng công cụ đại số gia tử trong nhiều lĩnh vực khác nhau và trong số đó có công nghệ điều khiển trên cơ sở tri thức chuyên gia Đã

có các nghiên cứu trong nước và thế giới ở một số trường hợp cụ thể phương pháp điều khiển sử dụng công cụ đại số gia tử cho kết quả tốt hơn phương pháp điều khiển mờ truyền thống

Lĩnh vực điều khiển mờ và điều khiển dựa trên Đại số gia tử là một lĩnh vực mới và khá phức tạp, cần có sự nghiên cứu nhiều hơn ở cả hai phương pháp điều khiển Điều khiển mờ đã được một số tác giả nghiên cứu áp dụng cho các bài toán điều khiển đối tượng phi tuyến còn điều khiển dựa trên đại số gia tử là một phương pháp tiếp cận mới trong nhận dạng và điều khiển

1.2.1.Điều khiển mờ

Trong công nghệ tính toán mềm, thành phần phát triển vượt bậc nhất và được ứng dụng rộng rãi nhất đó là logic mờ

Khái niệm về logic mờ được giáo sư L.A Zadeh đưa ra lần đầu tiên năm

1965, tại trường Đại học Berkeley, bang California - Mỹ Từ đó lý thuyết mờ đã được phát triển và ứng dụng rộng rãi

Năm 1970 tại trường Mary Queen, London – Anh, Ebrahim Mamdani đã dùng logic

mờ để điều khiển một máy hơi nước mà ông không thể điều khiển được bằng kỹ thuật cổ điển Tại Đức Hann Zimmermann đã dùng logic mờ cho các hệ ra quyết định Tại Nhật logic mờ được ứng dụng vào nhà máy xử lý nước của Fuji Electronic vào 1983, hệ thống xe điện ngầm của Hitachi vào 1987

Lý thuyết mờ ra đời ở Mỹ, ứng dụng đầu tiên ở Anh nhưng phát triển mạnh mẽ nhất

là ở Nhật Trong lĩnh vực Tự động hoá logic mờ ngày càng được ứng dụng rộng rãi Nó thực sự hữu dụng với các đối tượng phức tạp mà ta chưa biết rõ hàm truyền, logic mờ có thể giải quyết các vấn đề mà điều khiển kinh điển không làm được

1 2.1.1.Khái niệm cơ bản

Một cách tổng quát, một hệ thống mờ là một tập hợp các qui tắc dưới dạng If

… Then … để tái tạo hành vi của con người được tích hợp vào cấu trúc điều khiển của hệ thống

Việc thiết kế một hệ thống mờ mang rất nhiều tính chất chủ quan, nó tùy thuộc vào kinh nghiệm và kiến thức của người thiết kế Ngày nay, tuy kỹ thuật mờ

đã phát triển vượt bậc nhưng vẫn chưa có một cách thức chính quy và hiệu quả để thiết kế một hệ thống mờ Việc thiết kế vẫn phải dựa trên một kỹ thuật rất cổ điển là thử - sai và đòi hỏi phải đầu tư nhiều thời gian để có thể đi tới một kết quả chấp nhận được

Để hiểu rõ khái niệm “MỜ” là gì ta hãy thực hiện phép so sánh sau :

Trong toán học phổ thông ta đã học khá nhiều về tập hợp, ví dụ như tập các số thực

R, tập các số nguyên tố P={2,3,5, }… Những tập hợp như vậy được gọi là tập hợp

kinh điển hay tập rõ, tính “RÕ” ở đây được hiểu là với một tập xác định S chứa n

phần tử thì ứng với phần tử x ta xác định được một giá trị y=S(x)

Giờ ta xét phát biểu thông thường về tốc độ một chiếc xe môtô : chậm, trung bình,

hơi nhanh, rất nhanh Phát biểu “CHẬM” ở đây không được chỉ rõ là bao nhiêu km/h, như vậy từ “CHẬM” có miền giá trị là một khoảng nào đó, ví dụ 5km/h – 20km/h chẳng hạn Tập hợp L={chậm, trung bình, hơi nhanh, rất nhanh} như vậy được gọi là một tập các biến ngôn ngữ Với mỗi thành phần ngôn ngữ x k của phát biểu trên nếu nó nhận được một khả năng (x k ) thì tập hợp F gồm các cặp (x, (x k ))

được gọi là tập mờ

a.Định nghĩa tập mờ

Tập mờ F xác định trên tập kinh điển B là một tập mà mỗi phần tử của nó là một

cặp giá trị (x,F (x)), với x X và F (x) là một ánh xạ :

F (x) : B  [0 1]

trong đó : F gọi là hàm thuộc , B gọi là tập nền

b.Các thuật ngữ trong logic mờ

 Độ cao tập mờ F là giá trị h = SupF (x), trong đó supF (x) chỉ giá trị nhỏ nhất

trong tất cả các chặn trên của hàm F (x)

 Miền xác định của tập mờ F, ký hiệu là S là tập con thoả mãn :

S = SuppF (x) = { xB | F (x) > 0 }

 Miền tin cậy của tập mờ F, ký hiệu là T là tập con thoả mãn :

T = { xB | F (x) = 1 }

 Các dạng hàm thuộc (membership function) trong logic mờ

Có rất nhiều dạng hàm thuộc như : Gaussian, PI-shape, S-shape, Sigmoidal, shape …

Biến ngôn ngữ là phần tử chủ đạo trong các hệ thống dùng logic mờ Ở đây

các thành phần ngôn ngữ của cùng một ngữ cảnh được kết hợp lại với nhau

Để minh hoạ về hàm thuộc và biến ngôn ngữ ta xét ví dụ sau :

Xét tốc độ của một chiếc xe môtô, ta có thể phát biểu xe đang chạy:

Những phát biểu như vậy gọi là biến ngôn ngữ của tập mờ Gọi x là giá trị của biến

tốc độ, ví dụ x =10km/h, x = 60km/h … Hàm thuộc tương ứng của các biến ngôn

ngữ trên được ký hiệu là :

VS (x), S (x), M (x), F (x), VF (x)

Như vậy biến tốc độ có hai miền giá trị :

- Miền các giá trị ngôn ngữ :

N = { rất chậm, chậm, trung bình, nhanh, rất nhanh }

Ví dụ hàm thuộc tại giá trị rõ x = 65km/h là :

+ Theo luật Max XY (b) = Max{ X (b) , Y (b) }

+ Theo luật Sum XY (b) = Min{ 1, X (b) + Y (b) }

+ Tổng trực tiếp XY (b) = X (b) + Y (b) - X (b).Y (b)

- Phép giao hai tập mờ : XY

+ Theo luật Min XY (b) = Min{ X (b) , Y (b) }

+ Theo luật Lukasiewicz XY (b) = Max{0, X (b)+Y (b)-1}

+ Theo luật Prod XY (b) = X (b).Y (b)

- Phép bù tập mờ : X c (b) = 1- X (b)

e.Luật hợp thành

Mệnh đề hợp thành

Ví dụ điều khiển mực nước trong bồn chứa, ta quan tâm đến 2 yếu tố :

+ Mực nước trong bồn L = {rất thấp, thấp, vừa}

+ Góc mở van ống dẫn G = {đóng, nhỏ, lớn}

Ta có thể suy diễn cách thức điều khiển như thế này :

Nếu mực nước = rất thấp Thì góc mở van = lớn

Nếu mực nước = thấp Thì góc mở van = nhỏ

Nếu mực nước = vừa Thì góc mở van = đóng

Trong ví dụ trên ta thấy có cấu trúc chung là “Nếu A thì B” Cấu trúc này gọi là mệnh đề hợp thành, A là mệnh đề điều kiện, C = A B là mệnh đề kết luận

Định lý Mamdani :

“Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc điều kiện”

Nếu hệ thống có nhiều đầu vào và nhiều đầu ra thì mệnh đề suy diễn có dạng tổng quát như sau :

If N = n i and M = m i and … Then R = r i and K = k i and …

Luật hợp thành mờ

Luật hợp thành là tên gọi chung của mô hình biểu diễn một hay nhiều hàm thuộc cho một hay nhiều mệnh đề hợp thành

Các luật hợp thành cơ bản

+ Luật Max – Min

+ Luật Max – Prod

+ Luật Sum – Min

+ Luật Sum – Prod

* Thuật toán xây dựng mệnh đề hợp thành cho hệ SISO

Luật mờ cho hệ SISO có dạng “If A Then B”

Chia hàm thuộc A (x) thành n điểm x i , i = 1,2,…,n

Chia hàm thuộc B (y) thành m điểm y j , j = 1,2,…,m

) 1 , (

) 1 , 2

(

) , 1 (

) 1 , 1

(

ym xn y

xn

ym x y

x

ym x y

x

R R

R R

R R

m r r

m r r

21

1

11

Hàm thuộc B’ (y) đầu ra ứng với giá trị rõ đầu vào x k có giá trị

B’ (y) = aT.R , với aT = { 0,0,0,…,0,1,0….,0,0 } Số 1 ứng với vị trí thứ k

Trong trường hợp đầu vào là giá trị mờ A’ thì B’(y) là :

B’ (y) = { l 1 ,l 2 ,l 3 ,…,l m } với l k =maxmin{a i ,r ik }

* Thuật toán xây dựng mệnh đề hợp thành cho hệ MISO

Luật mờ cho hệ MISO có dạng :

“If cd 1 = A 1 and cd 2 = A 2 and … Then rs = B”

Các bước xây dựng luật hợp thành R :

 Rời rạc các hàm thuộc A1 (x 1 ), A2 (x 2 ), … , An (x n ), B (y)

 Xác định độ thoả mãn H cho từng véctơ giá trị rõ đầu vào x={c 1 ,c 2 ,…,c n } trong đó

c i là một trong các điểm mẫu của Ai (x i ) Từ đó suy ra

H = Min{ A1 (c 1 ), A2 (c 2 ), …, An (c n ) }

 Lập ma trận R gồm các hàm thuộc giá trị mờ đầu ra cho từng véctơ giá trị mờ đầu vào: B’ (y) = Min{ H, B (y) } hoặc B’ (y) = H B (y)

 Nguyên lý cận trái : chọn y’ = y1

 Nguyên lý cận phải : chọn y’ = y2

* Phương pháp trọng tâm

Điểm y’ được xác định là hoành độ của điểm trọng tâm miền được bao bởi trục

hoành và đường B’ (y)

y

trong đó S là miền xác định của tập mờ B’

Phương pháp trọng tâm cho luật Sum-Min

Giả sử có m luật điều khiển được triển khai, ký hiệu các giá trị mờ đầu ra của luật điều khiển thứ k là B’k (y) thì với quy tắc Sum-Min hàm thuộc sẽ là B’ (y) =

m

k k

m

k

y B

m

k

k B

S m

k k B S

m

k k B

A

M

dy y

dy y y dy

y

dy y y

1 1

1 S'

1 '

1 '

1 '

) (

) ( )

(

) (

yB k và A i = 

S 'k(y)dy

m H

a b



H

k

k k

H

H y

Tagaki-Sugeno đưa ra mô hình mờ sử dụng cả không gian trạng thái mờ lẫn mô tả

linh hoạt hệ thống Theo Tagaki/Sugeno thì một vùng mờ LX k được mô tả bởi luật :

R sk : If x = LX k Then x A(x k)xB(x k)u (2.2)

Luật này có nghĩa là: nếu véctơ trạng thái x nằm trong vùng LX k thì hệ thống được

mô tả bởi phương trình vi phân cục bộ x A(x k)xB(x k)u Nếu toàn bộ các luật của hệ thống được xây dựng thì có thể mô tả toàn bộ trạng thái của hệ trong toàn

cục Trong (2.2) ma trận A(x k ) và B(x k ) là những ma trận hằng của hệ thống ở trọng tâm của miền LX k được xác định từ các chương trình nhận dạng Từ đó rút ra được :

 w (A(x )x B(x )u)

với w k (x)  [0 , 1] là độ thoả mãn đã chuẩn hoá của x* đối với vùng mờ LX k

Luật điều khiển tương ứng với (2.2) sẽ là :

Sơ đồ khối bộ điều khiển mờ

Một bộ điều khiển mờ gồm 3 khâu cơ bản:

 Các bước thiết kế hệ thống điều khiển mờ

+ Giao diện đầu vào gồm các khâu: mờ hóa và các khâu hiệu chỉnh như tỷ lệ, tích phân, vi phân …

+ Thiếp bị hợp thành : sự triển khai luật hợp thành R

+ Giao diện đầu ra gồm : khâu giải mờ và các khâu giao diện trực tiếp với đối tượng

c.Thiết kế bộ điều khiển mờ

 Các bước thiết kế:

B1 : Định nghĩa tất cả các biến ngôn ngữ vào/ra

B2 : Xác định các tập mờ cho từng biến vào/ra (mờ hoá)

+ Miền giá trị vật lý của các biến ngôn ngữ

Thiết bị hợp thành

THIẾT BỊ ĐO

B5 : Giải mờ và tối ưu hoá

 Những lưu ý khi thiết kế BĐK mờ

- Không bao giờ dùng điều khiển mờ để giải quyết bài toán mà có thể dễ dàng thực hiện bằng bộ điều khiển kinh điển

- Không nên dùng BĐK mờ cho các hệ thống cần độ an toàn cao

- Thiết kế BĐK mờ phải được thực hiện qua thực nghiệm

 Phân loại các BĐK mờ

i Điều khiển Mamdani (MCFC)

ii Điều khiển mờ trượt (SMFC)

iii Điều khiển tra bảng (CMFC)

iv Điều khiển Tagaki/Sugeno (TSFC)

1.2.2.Điều khiển sử dụng đại số gia tử

1 2.2.1 Một số khái niệm cơ bản về đại số gia tử

a.Đại số gia tử

Để mô phỏng các quá trình suy luận của con người, lý thuyết đại số gia tử đã

cố gắng nhúng tập ngôn ngữ vào một cấu trúc đại số thích hợp và tìm cách xem chúng như là một đại số để tiên đề hoá sao cho cấu trúc thu được mô phòng tốt ngữ nghĩa ngôn ngữ

Xét một tập giá trị ngôn ngữ là miền của biến ngôn ngữ

Ví dụ tập:

T = {true, false, very true, very false, more true, more false, aaproximatel true, approximately false, little true, little false Very more true, very very true, etc }

+ Ta có thể xem tập này như là một cấu trúc đại số: AT = (T, G, H ≤) trong đó:

T là tập cơ sở của AT,

G là phần tử sinh (khái niệm nguyên thuỷ True, False);

H = H+ H-, H+ là poset các gia tử dương, H- là poset các gia tử âm;

- Nếu x (x < khx < hx hoặc x > khx > hx) thì

y {(y < hy  y < khy < hy) và (hy < y  hy < khy < y)}

- Tính di truyền ngữ nghĩa: Ký hiệu ,  là xâu các gia tử

Nêu ngữ nghĩa của x và hx được biểu thị bằng x < hx, thì  (x < hx);

Nếu ngữ nghĩa của x và hx được biểu thị bằng hx < kx, thì hx < kx

ta có thể nói ,  bảo toàn quan hệ ngữ nghĩa

Suy ra: hx < kx  H(hx) < H (kx),

Trong đó H(x) ký hiệu tập tất cả các phẩn tử sinh ra từ xa trong AX

b.Định lượng đại số gia tử

Mô hình lập luận mờ thường mô phỏng sự phụ thuộc giữa hai đại lượng vạt

lý, nghĩa là các giá trị ngôn ngữ xuất hiện trong mô hình mở mô tả các giá trị vật lý

trên đường thẳng Điều này gợi ý cho chúng ta thiết lập một ánh xạ định lượng từ

miền ngôn ngữ sang đường thẳng

Định nghĩa 2.1: f: X [0, 1], gọi là hàm ngữ nghĩa định lượng của X nếu:

Với mọi h, k H+ or h, k H -, và x, y X:

) y ( f ) ky ( f

) y ( f ) hy ( f ) x ( f ) kx ( f

) x ( f ) hx ( f

Tính mờ (fuzziness) của một giá trị ngôn ngữ

Xét các giá trị True, Very False, Làm thế nào định nghĩa tính mờ ? Trên

quan điểm đại số gia tử có một cách định nghĩa tính mờ khá trực quan bằng kích cỡ

của tập H(x) như sau:

Cho trước một hàm định lượng ngữ nghĩa f của X Xét x X Tính mờ của x khi đó

đo bằng đường kính của tập f(H(x))  [0,1]

Định nghĩa 2.2: Đo độ tính mờ

Hàm fm: X  [0, 1] được gọi là độ đo tính mờ nếu:

Hình 1.1 Ánh xạ định lượng từ miền ngôn ngữ sang đường thẳng

1/2 Little True Pos True True More True Very True 1

Diameter of

f(H(Little True)) Diameter of

f(H(More True))

Diameter of f(H(Very True)) Diameter of

f(H(Poss True)) Diameter of f(H(True))

1 fm(c) = 0 > ) và fm(c + ) = 1 -  > 0, trong đó c và c+ là các phần tử sinh âm và dương c  [c-, c +];

2 Giả sử tập các gia tử là H = H+ H-, H- = {h1, h2, ,hp} với

i

c fm c h fm

1

)(),( , với c  (c - , c + )

3 Với bất kỳ x, y  X, h H

)(

)()

(

)(

y fm

hy fm x

fx

hx

fm  , đẳng thức này không phụ thuộc vào các phần tử x, y và do đó tả có thể ký hiệu là (h) và gọi là độ đo tính mờ (fuzziness measure) của gia tử h

p i

i i

();

()

(    với ,  > 0,  +  = 1

+ Xây dựng hàm định lượng ngữ nghĩa trên cơ sở độ đo tính mờ của gia tử

Định nghĩa 2.3: Hàm Sign: X  {-1, 0, 1}:

Sign (c - ) = -1 và Sign (hc - ) = Sign(c - ), nếu hc - < c - ;

Sign(hc - ) = - Sign(c - ), nếu hc - > c;

Sign(c + ) = +1, và Sign (hc + ) = + Sign(c + ), nếu hc + > c + ;

Sign(hc + ) = - Sign(c + ), nếu hc + < c + ;

Sign(h'hx) = Sign(hx) nếu h' là negative đối với ha và h' hx  hx,

Sign(h'hx) = Sign(hx) nếu h' là positive đối với h và h' hx  hx,

Sign(h'hx) = 0 nếu h'hx = hx

Xây dựng hàm ngữ nghĩa định lượng: Giả sử cho trước độ đo tính mờ của các gia tử (h), và các giá trị độ đo tính mờ của các phần tử sinh fm(c-), fm(c+) và giá trị  của phân tử trung hoà (neutral)

Hàm ngữ nghĩa định lượng v của X được xây dựng như sau (x = him hi2, hi1C):

i j

j (1 Sign(h x)Sign(hh x)( a)fm(h x)

2

1)

i j

j (1 Sign(h x)Sign(hh x)( a)fm(h x)

2

1)

Gọi X, Y là các ĐSGT sinh ra từ các giá trị ngôn ngữ tương ứng xuất hiện trong

mô hình Khi đó ta có thể xem mỗi mệnh đề if - then xác định một điểm trong tích X x

Y và n mệnh đề trên xác định một đường cong c trong X x Y

Gọi fx và fy là các hàm ngữ nghĩa định lượng tương ứng của X và của Y Các

hàm này sẽ chuyển đường cong mờ c thành đường cong thực C trong không gian [0,1] x [0,1]

Như vây bài toán lập luận mờ được chuyển về bài toán nội duy thông thường nhờ hàm định lượng đại số gia tử

Có thể thấy phương pháp này có một số ưu điểm sau:

- Cho một ý tưởng trực quan rõ ràng về cách thức giải bài toán

- Trong phương pháp giải dựa trên lý thuyết tập mờ có rất nhiều yếu tố gây sai số về không dễ có trực quan như vậy: Xây hàm thuộc; chọn cách giải nghĩa mệnh đề if - then bằng quan hệ mờ (thực chất là chọn việc giải nghĩa toán tử kéo theo); chọn toán tử kết nhập (aggregation) các quan hệ; chọn phép hợp thành để tính đầu ra; chọn phương pháp khử mờ

Trong phương pháp nội suy trên chỉ tập trung lựa chọn độ đo của các gia tử

và chúng trở thành hệ tham số của phương pháp Vì vậy nó rất gần gũi với các cách giải kinh điển

Không cần phương pháp khử mờ! Lưu ý rằng trong lý thuyết tập mờ có khá nhiều phương pháp khử mờ Qua thực nghiệm cho thấy sai số nhỏ

1 2.2.2.Điều khiển sử dụng đại số gia tử

Chúng ta xét mô hình mờ trong điều khiển

mờ được cho ở 1.1 và nó được gọi là bộ nhớ

kết hợp mờ FAM (Fuzzy Associative

Memory) Vì có m biến đầu vào nên chúng ta

gọi FAM là bảng m-chiều Dựa trên phương

pháp nội suy gia tử chúng tôi đề xuất mô hình

điều khiển mờ dựa vào ĐSGT, gọi tắt là HAC

(Hedge Algebra-based Controller) Hình 1.2

thể hiện sơ đồ tổng quát của HAC, trong đó r

là giá trị tham chiếu, e là giá trị lỗi, u là giá trị

điều khiển

Điều khiển HAC:

Bước 1: Ngữ nghĩa hóa (Semantization)

Chúng ta biết rằng cơ sở tri thức của mỗi ứng

dụng được cho ở dạng bảng FAM chứa các giá trị ngôn ngữ trong miền ngôn ngữ X j

của biến vật lý Xj Mỗi miền ngôn ngữ X j sẽ tương ứng với một ĐSGT và một miền

tham chiếu số thực [s j1 , s j2 ], j = 1, …, m Vì giá trị ngữ nghĩa được định lượng bởi

hàm ĐLNN j của các giá trị ngôn ngữ của biến Xj thuộc đoạn [0,1] nên trong quá

trình tính toán chúng ta cần có ánh xạ để chuyển tuyến tính từ miền tham chiếu [s j1,

s j2 ] sang miền ngữ nghĩa [0,1] Việc chuyển này được gọi là ngữ nghĩa hóa Các giá

trị của hàm j được gọi là giá trị ngữ nghĩa và biến tương ứng với X j nhận các giá

trị ngữ nghĩa được gọi là biến ngữ nghĩa, ký hiệu x sj Vấn đề cốt yếu của quá trình là xác định các tham số như độ đo tính mờ của các phần tử sinh và độ đo tính mờ của các gia tử trong các ĐSGT của các biến Xj một cách thích hợp dựa trên phân tích ngữ nghĩa của miền ngôn ngữ

Bước 2: Bảng ĐLNN và cơ chế lập luận (SQM - Semantic Quantifying Mapping)

Dùng hàm định lượng ngữ nghĩa với các tham số đã được xác định trong Bước 1,

chuyển bảng FAM sang bảng dữ liệu số m-chiều, gọi là bảng m-SAM (m-Semantics Associative Memory) Lưu ý rằng, n ô của bảng m-SAM sẽ xác định n điểm, mô tả một siêu mặt C r,m+1 trong không gian thực R m+1 Kế tiếp, chúng ta chọn toán tử kết

nhập Agg để tích hợp m thành phần của bảng m-SAM, từ đó xây dựng được bảng mới gọi là bảng 2-SAM Từ n ô của bảng vừa thu được 2-SAM sẽ xác định n điểm trong không gian thực hai chiều và như vậy ta thu được đường cong thực C r,2 trong

R2 Tuy nhiên, các ô này có thể xác định như một hàm đa trị nên ta điều chỉnh các

u Plant

Hình 1.2.Bộ điều khiển sử dụng

đại số gia tử HAC

e

tham số của hàm ĐLNN ở Bước 1 và chọn toán tử kết nhập là trung bình có trọng

số để được hàm đơn trị Dùng phương pháp nội suy cổ điển trên đường cong thực

C r,2 để tính toán giá trị đầu ra cho mô hình (h1.2)

Bước 3: Giải ngữ nghĩa (Desemantization) Đơn giản là chúng ta thiết lập một ánh

xạ để gán mỗi giá trị ngữ nghĩa, tức là giá trị thực trong đoạn [0,1], với một giá trị thực của miền giá trị của biến điều khiển

đó, có thể giải quyết được bài toán suy luận xấp xỉ (suy luận mờ) tương ứng với việc nội suy đường cong mờ mà đường cong mờ này được xây dựng dựa trên tập các luật điều khiển ban đầu Hành vi, động học của hệ thống được thể hiện qua đường cong (hàm) ngữ nghĩa định lượng Mỗi luật là một điểm trên đường cong này Phương pháp lập luận dùng đại số gia tử có rất ít các yếu tố ảnh hưởng đến quá trình lập luận và bài toán lập luận mờ được chuyển về bài toán nội suy thông thường nhờ hàm ngữ nghĩa định lượng Như vậy phương pháp lập luận dùng đại

số gia tử có độ chính xác cao hơn so với phương pháp lập luận dùng lôgic mờ

CHƯƠNG II NGHIÊN CỨU HỆ THỐNG ĐIỀU KHIỂN GƯƠNG MẶT TRỜI 2.1.Giới thiệu về thiết bị sử dụng năng lượng mặt trời

2.1.1.Năng lượng mặt trời

Năng lượng mặt trời là nguồn năng lượng mà con người biết sử dụng từ rất sớm, nhưng ứng dụng NLMT vào các công nghệ sản xuất và trên quy mô rộng thì thực sự là một vấn đề rất mới và hiện đang là mối quan tâm hàng đầu của các nhà khoa học Việt Nam là nước giàu nguồn năng lượng mặt trời Hằng năm các vùng ở phía Bắc Việt Nam có khoảng 1400-2000 giờ nắng và các vùng miền Trung và một

số vùng miền Nam có từ 2000-3000 giờ nắng Nhưng rất ít người biết tận dụng điều kiện thuận lợi cuả năng lượng mặt trời vào sử dụng hằng ngày Năng lượng mặt trời

là nguồn năng lượng sạch nhất và vô hạn nhất trong các nguồn năng lượng mà chúng ta được biết

Năng lượng mặt trời có thể chia làm 2 loại cơ bản: Nhiệt năng và Quang năng Các tế bào quang điện (Photovoltaic cells - PV) sử dụng công nghệ bán dẫn

để chuyển hóa trực tiếp năng lượng quang học thành dòng điện, hoặc tích trữ vào pin, ắc quy để sử dụng sau đó Trái lại sức nóng của mặt trời có hiệu suất chuuyển đổi lớn gấp 4-5 lần hiệu suất của quang điện, và do vậy đơn giá của một đơn vị năng lượng được tạo ra rẻ hơn rất nhiều Nhiệt năng có thể được sử dụng để sưởi nóng các tòa nhà một cách thụ động thông quan việc sử dụng một số vật liệu hoặc thiết kế kiến trúc, hoặc được sử dụng trực tiếp để đun nóng nước phục vụ cho sinh hoạt Hiện nay có hai công nghệ chính sử dụng NLMT Đó là công nghệ điện mặt trời dựa trên hiệu ứng quang điện và công nghệ nhiệt mặt trời dựa trên hiệu ứng nhà kính (nhiệt độ thấp) và công nghệ nhiệt mặt trời hội tụ (nhiệt độ cao)

Khi chiếu sáng một lớp tiếp xúc bán dẫn pn thì NL ánh sáng có thể được bíến đổi thành NL của dòng điện một chiều Hiện tượng đó được gọi là hiệu ứng quang-điện (photovoltaic) và nó được ứng dụng đề chuyển đổi NLMT thành điện năng Trong công nghệ quang-điện này người ta sử dụng các mô đun pin mặt trời (PMT)

mà thành phần chính của nó là các lớp tiếp xúc bán dẫn Silic loại n và loại p,

nSi/pSi

Hiệu suất biến đổi quang-điện của các môđun PMT Si thương mại trong khoảng 14% Công nghệ sản xuất điện năng này hoàn toàn không gây ra ô nhiễm môi

11-trường

Công nghệ Nhiệt năng từ mặt trời: từ lâu nhiệt năng từ bức xạ mặt trời đã được dùng để phơi sấy, sưởi ấm, một cách tự nhiên Hiện nay nhờ các thiết bị mới nên nhiệt mặt trời được sử dụng hiệu quả hơn Có 2 công nghệ thông dụng khai thác nhiệt mặt trời dựa trên hiệu ứng nhà kính và hiệu ứng hội tụ bức xạ mặt trời

Hiệu ứng nhà kính là hiệu ứng như sau: các tấm kính có đặc tính là cho các bức xạ

MT có bước sóng nhỏ hơn khoảng 0,7x 10-6m đi qua dễ dàng, nhưng lại ngăn không cho các bức xạ MT có bước sóng lớn hơn khoảng 0,7x 10-6m Bức xạ MT có bước sóng lớn hơn khoảng 0,7x 10-6m là các bức xạ nhiệt nó nung nóng các vật khi

bị các tia này chiếu vào Lợi dụng đặc tính này của kính người ta tạo ra các hộp thu NLMT để sản xuất nước nóng, sấy nông sản phẩm, sưởi ấm,

Tia mặt trời xuyên qua tấm kính (1) tới tấm hấp thụ (2) bị hấp thụ phần lớn NL Các tia nhiệt thứ cấp từ tấm hấp thụ có bước sóng Λ > 0,7μm bị tấm kính ngăng lại Như vậy hộp thu cho ánh sáng MT vào mà không cho ra nên tấm hấp thụ ngày càng nóng lên Nhiệt từ tấm hấp thụ có thể sử dụng để đun nước, sấy, sưởi ấm, Hiệu suất thu nhiệt của bộ thu có thể đạt đến 50%

2.1.2.Ứng dụng năng lượng mặt trời

Sự tiếp nắng (Insolation) và bức xạ năng lượng từ Mặt Trời (Solar radiation):

Khoảng một nửa số năng lượng mặt trời đến được bề mặt trái đất Trái đất nhận được 174 petawatts (PW = 1015W) của bức xạ mặt trời (sự tiếp nắng) tại tầng cao khí quyển Khoảng 30% phản xạ trở lại vào không gian, trong khi phần còn lại được hấp thụ bởi đám mây, đại dương và các vùng đất Quang phổ của ánh sáng mặt trời

ở bề mặt của Trái đất chủ yếu truyền qua các tia có thể nhìn thấy, sóng ngắn hồng ngoại va một phần nhỏ các sóng ngắn tia cực tím Bề mặt trái đất, đại dương và khí quyển hấp thụ bức xạ mặt trời, và điều này làm tăng nhiệt độ của chúng Hơi nước bốc hơi từ các đại dương tăng lên, là nguyên nhân đối lưu tuần hòan của khí quyển Khi không khí bốc lên cao, nơi mà nhiệt độ thấp, hơi nước ngưng tụ thành mây rồi mưa trên bề mặt trái đất, hoàn thành chu trình nước Các nhiệt ẩn của sự ngưng tụ nước đối lưu khuếch đại, tạo ra các hiện tượng khí quyển như gió, lốc xoáy và chống lốc xoáy Ánh sáng mặt trời bị hấp thụ bởi các đại dương và các vùng đất giữ nhiệt độ trung bình trên bề mặt trái đất khỏang 14°C Bởi quang hợp, cây xanh chuyển đổi năng lượng mặt trời thành năng lượng hóa học, thành phần trong thực phẩm, gỗ và sinh khối, từ đó có nguồn gốc nhiên liệu hóa thạch

Năng lượng mặt trời tỏa đến trái đất hàng năm & Năng lượng con người sử dụng:

Năng lượng chính sử dụng (2005) 487 EJ

Tổng số năng lượng mặt trời hấp thụ mỗi năm bởi bầu khí quyển, đại dương và các vùng đất là khoảng 3.850.000 exajoules (EJ = 1018J), số liệu trong năm 2002 Mức năng lượng mặt trời tỏa xuống trái đất trong 1 giờ nhiều hơn năng lượng thế giới sử dụng trong một năm Năng lượng mặt trời đến bề mặt của trái đất lớn gấp đôi so với tổng tất cả nguồn năng lượng hóa thạch của trái đất như: than, dầu, khí đốt tự nhiên,

và uranium được khai thác

Từ bảng các nguồn tài nguyên có thể thấy rằng, năng lượng mặt trời, gió hay sinh khối sẽ đủ để cung cấp tất cả các nhu cầu năng lượng của chúng ta Tuy nhiên, tăng

sử dụng năng lượng sinh khối đã có một tác động tiêu cực về sự nóng lên toàn cầu

và tăng đáng kể giá lương thực vì phải chuyển rừng và cây trồng vào sản xuất nhiên liệu sinh học Nhưng tăng sử dụng nguồn năng lượng mặt trời và gió thì sẽ tốt hơn Năng lượng mặt trời có thể được khai thác ở mức độ khác nhau trên thế giới, tùy thuộc vào vị trí địa lý, gần với đường xích đạo hơn "tiềm năng" năng lượng mặt trời hiệu quả hơn

Các ứng dụng năng lượng mặt trời bao gồm: Nước nóng năng lượng mặt trời, chiếu

sáng, năng lượng mặt trời nấu ăn, nước sạch thông qua chưng cất và tẩy uế, điện năng lượng mặt trời, không gian sưởi ấm và làm mát thông qua kiến trúc năng lượng mặt trời, quá trình tích nhiệt độ cao cho mục đích công nghiệp, điện năng lượng mặt trời dựa trên các động cơ nhiệt và tế bào quang điện Các tấm tế bào quang điện hay còn gọi là pin mặt trời hiện đang được sử dụng rộng rãi vì chúng rất

dễ chuyển đổi và dễ dàng lắp đặt trên các tòa nhà và các cấu trúc khác Pin mặt trời

có thể cung cấp nguồn năng lượng sạch và tái tạo, do vậy là một nguồn bổ sung cho nguồn cung cấp điện chính thông thường Tại các vùng chưa có điện lưới như các cộng đồng dân cư ở xa, nông thôn, hải đảo, các trường hợp khẩn cấp, pin mặt trời

có thể cung cấp một nguồn điện đáng tin cậy Điều bất cập duy nhất là giá thành của Pin mặt trời đến nay còn cao và tỷ lệ chuyển đổi năng lượng chưa thật sự cao (13-15%) Ở rất nhiều khu vực khác nhau trên thế giới thiết bị đun nước nóng dùng năng lượng mặt trời (bình nước nóng năng lượng mặt trời) hiện đang là một sự bổ sung quan trọng hay một sự lựa thay thế cho các thiết bị cung cấp nước nóng thông thường dùng điện hoặc gaz Thu năng lượng mặt trời, cách phổ biến nhất là sử dụng tấm panel Để sản xuất điện từ nhiệt NLMT người ta sử dụng các hệ thống gương cầu hay gương parabol để hội tụ các tia mặt trời vào các điểm hay trục hội tụ Tại các điểm hội tụ nhiệt độ có thể lên đến hàng trăm hay thậm chí đến hàng nghìn độ Nếu cho chất lỏng như nước, dầu, qua vùng hội tụ thì chất lỏng bị bay hơi ngay cả dưới áp suất cao Cho hơi này qua các tua bin sẽ phát ra điện Công nghệ này được gọi là công nghệ nhiệt điện mặt trời Các công nghệ NLMT đã được ứng dụng rộng rãi trên thế giới Nhưng nhìn chung các thiết bị này giá thành còn cao, hiệu suất còn thấp nên chưa được người dân sử dụng rộng rãi Các bộ thu có gương parabolic hay máng parabolic trụ phản xạ bình thường thì thu được nhiệt độ cao nhưng vấn đề định vị hướng hứng nắng theo phương mặt trời rất phức tạp nên việc vận hành còn nhiều khó khăn

Nguyên nhân chính chưa thể thương mại hóa các thiết bị và công nghệ sử

dụng NLMT là do còn tồn tại một số hạn chế lớn chưa được giải quyết :

- Giá thành thiết bị còn cao: vì hầu hết các nước đang phát triển và kém phát triển là những nước có tiềm năng rất lớn về NLMT nhưng để nghiên cứu và ứng dụng

NLMT lại đòi hỏi vốn đầu tư rất lớn, nhất là để nghiên cứu các thiết bị làm lạnh và điều hòa không khí bằng NLMT cần chi phí quá cao so với thu nhập của người dân

ở các nước nghèo

- Hiệu suất thiết bị còn thấp: nhất là các bộ thu năng lượng mặt trời dùng để cấp nhiệt cho máy lạnh hấp thu cần nhiệt độ cao thì các bộ thu phẳng đặt cố định bình thường có hiệu suất rất thấp, do đó thiết bị lắp đặt còn cồng kềnh chưa phù hợp với nhu cầu lắp đặt và về mặt thẩm mỹ

2.2.Nhà máy nhiệt điện sử dụng năng lượng mặt trời

Điện năng tạo ra từ NLMT dựa trên nguyên tắc tạo nhiệt độ cao bằng một hệ thống gương phản chiếu và hội tụ để gia nhiệt cho môi chất làm việc truyền động cho máy phát điện Hiện nay trong các nhà máy nhiệt điện sử dụng NLMT có các loại hệ thống bộ thu chủ yếu sau đây:

Hệ thống dùng parabol trụ để tập trung tia bức xạ mặt trời vào một ống môi chất đặt dọc theo đường hội tụ của bộ thu, nhiệt độ có thể đạt tới 4000C

Hình 2.1 Sơ đồ nguyên lý nhà máy nhiệt điện

Sơ đồ nguyên lý của hệ thống nhiệt nhà máy nhiệt điện mặt trời: bộ thu NLMT gồm

hệ thống collector trụ tập trung năng lượng bức xạ mặt trời và hội tụ trên đường ống hấp thụ với cường độ 80 lần, ống hấp thụ làm bằng thép không rĩ chịu nhiệt, bên ngoài có bọc một ống thủy tinh để tạo lồng kính và ở giữa 2 lớp được hút chân không nhằm hạn chế tổn thất nhiệt Trong ống hấp thụ có chứa chất lỏng tải nhiệt

(thường là dùng dầu tổng hợp) được nung nóng đến nhiệt độ 400oC

Hệ thống trữ nhiệt gồm các bình chứa các chất giữ nhiệt trung gian (thường là hổn hợp muối) với khối lượng đủ để cấp nhiệt cho hệ thống vào ban đêm Nhiệt

lượng dầu tải nhiệt được cấp cho các thiết bị của nhà máy như lò hơi, bộ quá nhiệt, các bộ gia nhiệt cao áp Chu trình nhiệt của hơi nước trong lò hơi và tuocbin hoàn toàn giống như trong nhà máy nhiệt điện bình thường Nhà máy nhiệt điện mặt trời còn có thể hoạt động theo sơ đồ nguyên lý như hình dưới Với hệ thống này năng lượng mặt trời được hội tụ bởi hệ thống gương phản xạ và nung nóng hổn hợp muối nóng chảy đến 700oC và muối nóng được chứa trong bình và dẫn đi nung nóng nước thành hơi trong lò hơi

Hình 2.2 Sơ đồ nguyên lý nhà máy nhiệt điện

2.3.Hệ thống thu năng lượng mặt trời sử dụng các máng cong parabol

2.3.1 Giới thiệu chung về hệ thống hệ thống thu năng lượng mặt trời sử dụng các máng cong parabol PTSC (parabolic trough solar collector)

Hệ thống thu năng lượng mặt trời sử dụng các máng cong parabol (PTSC), tập trung năng lượng mặt trời vào một ống thu chạy ở trong lòng máng Bởi với hình dáng parabol, máng có thể tập trung ánh mặt trời trên các đường ống này với cường

độ gấp 30-60 lần Năng lượng tập trung đun nóng một chất lỏng truyền nhiệt, thường là dầu, chảy qua đường ống Nhiệt lượng của chất lỏng chảy qua ống thu được sử dụng cho các ứng dụng khác nhau