TỔNG QUAN
Ý nghĩa, tầm quan trọng của luận văn
Cuộc cách mạng khoa học công nghệ đã thúc đẩy sự phát triển không ngừng của xã hội, tạo ra nhiều máy móc và thiết bị phục vụ cho con người Nhu cầu của con người là vô hạn, do đó, máy móc cũng liên tục được cải tiến để đáp ứng kịp thời những yêu cầu ngày càng cao.
Trong ngành tự động hóa, việc sử dụng thiết bị theo yêu cầu, thiết bị lập trình sẵn và thiết bị hoạt động dựa trên tín hiệu phản hồi ngày càng trở nên phổ biến Những ứng dụng này không chỉ giảm bớt sức lao động mà còn nâng cao năng suất và chất lượng sản phẩm, đồng thời bảo vệ sức khỏe cho người lao động.
Hiện nay, có nhiều phương pháp điều khiển thiết bị như vi mạch số, vi xử lý, vi điều khiển, PLC, và điều khiển thông minh Trong số đó, phương pháp điều khiển mờ thích nghi đang được sử dụng phổ biến, vì nó đáp ứng tốt các yêu cầu thực tế.
Trong nghiên cứu này, tác giả khám phá phương pháp điều khiển sử dụng giải thuật mờ cho hệ thống bồn nước, với mục tiêu nâng cao kiến thức về điều khiển tự động nhằm đáp ứng tốt hơn yêu cầu công việc trong tương lai.
Tầm quan trọng của đề tài
Điều khiển đối tượng chính xác là yếu tố quan trọng trong sản xuất công nghiệp, đặc biệt khi thiết bị ngày càng hiện đại và nhỏ gọn Độ chính xác cao trong các thao tác sản xuất là cần thiết, vì một sai sót nhỏ có thể gây ảnh hưởng nghiêm trọng đến chất lượng sản phẩm Chính vì vậy, nhiều phương pháp điều khiển chính xác đang được nghiên cứu và phát triển, trong đó phương pháp điều khiển sử dụng thuật toán mờ nổi bật như một lựa chọn hiệu quả.
Điều khiển mức là một vấn đề quan trọng trong các ngành công nghiệp như dầu mỏ, hóa chất và thực phẩm, đặc biệt khi pha chế theo tỷ lệ nhất định Có nhiều phương pháp để điều khiển mức, nhưng trong nghiên cứu này, tôi sẽ tập trung vào việc áp dụng giải thuật mờ để cải thiện hiệu quả điều khiển mức.
Tác giả muốn nâng cao kiến thức trong lĩnh vực điều khiển tự động, một lĩnh vực còn mới mẻ và đầy thách thức Qua đó, tác giả cũng mong muốn bổ sung và hoàn thiện các kiến thức đã học tại trường, đồng thời ứng dụng chúng vào thực tiễn.
Tình hình nghiên cứu trong và ngoài nước
Tháng 5 năm 2010 sinh viên Mai Văn Văn, khoa Điện Trường đại học bách khoa Đà Nẵng, đã nghiên cứu thiết kế bộ điều khiển PID để điều khiển bình mức đôi và mô phỏng trên matlab simulink dưới sự hướng dẫn của TS Nguyễn Quốc Định
Mô hình mô phỏng Simulink của hệ kín cho thấy rằng các thông số của bộ điều khiển PID được chọn theo phương pháp Z-N-1 đảm bảo hệ thống hoạt động ổn định Tuy nhiên, thời gian quá độ lên tới 147 giây, độ vọt lố 47.5%, thời gian tăng 16 giây và sai số xác lập lớn, dẫn đến việc hệ thống không đáp ứng yêu cầu điều khiển, làm giảm chất lượng hoạt động của hệ thống.
Tạp chí khoa học công nghệ Đà Nẵng số 1 – 42 – 2011 đã công bố nghiên cứu của tác giả Nguyễn Hoàng Mai từ Đại học Quốc gia Đà Nẵng và học viên cao học Võ Khánh Thoại, trong đó trình bày phương pháp điều khiển mờ PID áp dụng cho quá trình điều khiển mức chất lỏng.
Hình 1.2: Mô hình quá trình mức
Trong bài viết của tác giả Nguyễn Hoàng Dũng, đăng trên Tạp chí khoa học tháng 8 năm 2007 của Trường đại học Cần Thơ, đã trình bày về việc áp dụng giải thuật mờ để điều khiển hệ phi tuyến của bồn nước Sơ đồ PID của quá trình mức cũng được đề cập, nhấn mạnh tầm quan trọng của việc điều chỉnh và kiểm soát mức nước trong hệ thống này.
Trong bài viết của tác giả Nguyễn Chí Ngôn trên Tạp chí khoa học năm 2011, trang 82-92, Trường đại học Cần Thơ, phương pháp Bộ điều khiển PI mờ đã được trình bày chi tiết từ thiết kế đến ứng dụng Hệ bồn liên thông QUADRUPLE là một trong những ứng dụng tiêu biểu của phương pháp này.
Hình 1.5 Mô hình được sử dụng RT010
Hình 1.6: Điều khiển PI mờ ổn định mức chất lỏng RT010 Tạp chí đại học và công nghệ đâị học Đà Nẵng – Số 4(39).2010 tác giả Phạm
Quốc Định đã nghiên cứu và trình bày mô hình hệ mờ-nơron điều khiển mức chất lỏng cho hệ bồn nước đôi, sử dụng bộ điều khiển nhiều ngõ vào – nhiều ngõ ra (MIMO) kết hợp mạng nơron và điều khiển mờ Đối tượng nghiên cứu là hệ bồn nước đôi với cấu hình 2 ngõ vào - 2 ngõ ra, nhằm phát triển bộ điều khiển cho đối tượng phi tuyến Kết quả mô phỏng hoạt động của bộ điều khiển mờ nơron trên phần mềm MATLAB – SIMULINK cho thấy bộ điều khiển đã hoạt động hiệu quả và đáp ứng các yêu cầu đề ra.
Hình 1.7: Mô hình bồn nước đôi
Bộ điều khiển mờ-nơron được phát triển bởi giáo sư M.M Trivedi tại Khoa Kỹ thuật Điện và Máy tính, Đại học California San Diego, USA vào năm 1998, nhằm dẫn hướng cho robot di động và thực hiện nhiệm vụ hộ tống đội robot.
Giáo sư Vámos Tibor, nguyên Viện trưởng Viện Tin học và Tự động hóa Hungary, cùng với vai trò là nguyên chủ tịch Hội Máy tính Neyman János và Hội Điều khiển Tự động Quốc tế IFAC, đã có những nghiên cứu sâu sắc về kỹ thuật Nhận dạng và Trí tuệ Nhân tạo dành cho robot.
Giáo sư Hyungsuck Cho, Viện sĩ tại KAIST và Viện trưởng Viện Điều khiển, Tự động hoá và Kỹ thuật Hệ thống, đã tiến hành nghiên cứu về điều khiển và cảm biến nano cho robot từ năm 2001, hợp tác với Hãng Thép và Kim loại Pohang (POSCO).
Giáo sư T.Fukuda, Khoa Kỹ thuật Vi Hệ thống,Trung tâm Hợp tác Khoa học
Giáo sư Toshio Fukuda, nguyên Chủ tịch Hội Robot và Tự động hóa Quốc tế, đã nghiên cứu về Mạng Mờ-Nơron và thuật giải AND để điều khiển robot từ năm 2000 tại Đại học Nagoya, Nhật Bản Công nghệ Nano đang mở ra những triển vọng to lớn, đặc biệt trong việc chế tạo robot nhỏ cỡ Nano 10-9mm, điều này đòi hỏi các nghiên cứu mới về lý thuyết và công nghệ Ông nhấn mạnh tầm quan trọng của Robot Micro-Nano trong Kỹ thuật Robot và Tự động hóa trong tương lai.
Giáo sư G.M Edelman, Viện trưởng Viện Khoa học Nơron tại Mỹ và là Chủ tịch Hội nghiên cứu Khoa học Nơron Quốc tế, đã thực hiện mô phỏng Nơron hệ thống Nghe-Nhìn của loài chim để điều khiển robot vào năm 1999 Ông nhấn mạnh rằng nghiên cứu này rất quan trọng trong bối cảnh lý thuyết Não Hiện đại, đặc biệt là về vai trò của môi trường và thực nghiệm Motor-Cảm biến Nơron Hiểu biết về các nguyên tắc cơ bản của não sẽ ảnh hưởng mạnh mẽ đến thiết kế hệ thống nhân tạo hoạt động trong thế giới thực Những nghiên cứu mô hình Nơron tổng hợp sẽ tạo ra mối liên hệ trực tiếp giữa khoa học tự nhiên và khoa học kỹ thuật, đồng thời mở ra tư tưởng mới trong lĩnh vực Robot và Trí tuệ Nhân tạo.
Một số bài báo liên quan
- Qi Chen, Linzhi Liao, Hongrong Chen, Niyan Wu
Bài viết này giới thiệu việc ứng dụng bộ điều khiển Fuzzy và PID trong PLC S7-200 để khắc phục các vấn đề phát sinh trong quá trình đun sôi nước trong ấm đun Kết quả cho thấy hệ thống hoạt động hiệu quả và đáp ứng đầy đủ các yêu cầu đề ra.
Designing Inverse Fuzzy Model for a Single Tank Liquid Level Control System - V Muthalagammai, S Sathiyamoorthy
Bài viết giới thiệu thiết kế bộ điều khiển Fuzzy ngược nhằm kiểm soát mức chất lỏng trong hệ thống bồn đơn Kết quả so sánh cho thấy bộ điều khiển Fuzzy ngược hoạt động hiệu quả hơn so với bộ điều khiển PID và Fuzzy thông thường.
Fuzzy Based Model Predictive Control for a Quadruple Tank System -
Bài báo này giới thiệu sự kết hợp giữa bộ điều khiển tiên đoán và logic mờ, trong đó mô hình mờ điều khiển dự phòng được áp dụng cho các hệ thống đa biến Các bộ điều khiển mờ thực hiện dự báo, giúp các Model điều khiển dự phòng (MPC) hoạt động hiệu quả hơn với dữ liệu đã được cảnh báo Kết quả nghiên cứu cho thấy sự kết hợp mờ trong điều khiển dự phòng vượt trội hơn so với các phương pháp MPC và PID truyền thống.
Hướng nghiên cứu chính của luận văn
- Ứng dụng giải thuật mờ và PID vào điều khiển tự động
- Mô phỏng, thực nghiệm đánh giá hệ thống
- Xây dựng lại phương trình toán theo bồn nước hình phễu tiết diện A chiều cao
- Thiết kế bộ điều khiển mờ và PID
- So sánh kết quả với bộ điều khiển PID.
CƠ SỞ LÝ THUYẾT
Khái niệm về logic mờ
Tập mờ F xác định trên tập kinh điển M là tập hợp các cặp giá trị (x, àf(x)), trong đó x thuộc M và àf là ánh xạ từ M đến [0,1] Ánh xạ àf được gọi là hàm thuộc hoặc hàm phụ thuộc của tập mờ F, trong khi tập kinh điển M được xem là tập nền hay tập cơ sở của tập mờ F.
Để tính độ phụ thuộc của một phần tử x, có hai phương pháp sử dụng các hàm liên thuộc: một là tính trực tiếp khi hàm f(x) có dạng “trơn”, được gọi là hàm liên thuộc kiểu.
S Đối với hàm liên thuộc kiểu S, do các công thức biểu diễn F(x) có độ phức tạp lớn nên thời gian tính độ phụ thuộc cho một phần tử lâu Trong kỹ thuật điều khiển mờ thông thường, các hàm liên thuộc kiểu S thường được thay gần đúng bằng một hàm tuyến tính từng đoạn
Một hàm liên tục có dạng tuyến tính từng đoạn được gọi là hàm liên thuộc có mức chuyển đổi tuyến tính
Hàm liên thuộc F(x) với các hệ số m1 = m2 và m3 = m4 thể hiện một hàm phụ thuộc trong một tập kinh điển Độ cao của tập mờ F, dựa trên cơ sở M, được xác định bởi giá trị cụ thể của nó, cùng với miền xác định và miền tin cậy.
Một tập mờ được gọi là chính tắc khi nó có ít nhất một phần tử với độ phụ thuộc bằng 1, tức là H = 1 Ngược lại, nếu độ phụ thuộc H nhỏ hơn 1, tập mờ đó được xem là không chính tắc.
Miền xác định của tập mờ F (trên cở sở M), được ký hiệu bởi S là tập con của M thỏa mãn:
Miền tin cậy của tập mờ F( trên cơ sở M), được ký hiệu bởi T là tập con của M thỏa mãn:
Hình 2.2: Minh họa về miền xác định miền tin cậy của một tập mờ
Các phép toán trên tập mờ
Hợp của hai tập mờ A và B có cùng cở sở M là một tập mờ cũng xác định trên cơ sở M với hàm liên thuộc: àA ∪ B(x) = MAX{ àA(x), àB(x)},
Hình 2.3: Hàm liên thuộc của hai tập mờ có cùng cơ sở
Có nhiều công thức khác nhau được dùng để tính hàm liên thuộc A B(x) của hợp hai tập mờ như:
1 àA ∪B(x) = max àA x , àB x nếu min àA x , àB x 0
2 àA ∪B(x) = min{1,àA(x) + àB(x)} ( phộp hợp lukasiewicz)
4 àA ∪B(x) = àA(x) + àB(x) - àA(x) àB(x) ( Tổng trực tiếp)
Hình 2.4: Hàm liên thuộc của hai tập mờ A, B
Hình 2.5: Đưa hai tập mờ về chung một cơ sở M, N
Hình 2.6: Hợp hai tập mờ trên cơ sở M, N
Trong bài viết này, chúng ta xem xét hai tập mờ A (trên cơ sở M) và B (trên cơ sở N), với đặc điểm là hai cơ sở M và N độc lập với nhau Điều này dẫn đến việc hàm liên thuộc àA(x), với x ∈ M của tập mờ A phụ thuộc vào N, trong khi hàm àB(y), với y ∈ N của tập mờ B lại không phụ thuộc vào M Sự độc lập này được thể hiện trong cơ sở mới là tập tích M x N, trong đó hàm àA(x) tạo thành một mặt cong dọc theo trục y, và hàm àB(y) tạo thành một mặt cong dọc theo trục x Tập mờ A được định nghĩa trên cả hai cơ sở M và M x N.
N Để phân biệt được chúng, ký hiệu A sẽ được dùng để chỉ tập mờ A trên cơ sở M x
N Tương tự, ký hiệu B được dùng để chỉ tập mờ B trên cơ sở M x N, với những ký hiệu đó thì: àA(x, y) = àA(x) với mọi y∈ và àB(x, y) = àB (y) với mọi x∈
Sau khi kết hợp hai tập mờ A và B vào một cơ sở M x N, hàm liên thuộc của tập mờ A ∪ B được xác định theo công thức 4 Phép giao giữa các tập mờ cũng được xem xét trong quá trình này.
Giao của hai tập mờ A và B cùng cơ sở M là một tập mờ xác định trên cơ sở M với hàm liên thuộc được tính bằng công thức: àA ∩ àB = MIN{àA(x), àB(x)}.
Trong công thức, ký hiệu MIN được viết hoa để thể hiện rằng phép tính lấy cực tiểu được thực hiện trên tập mờ, trong khi bản chất của phép tính vẫn không thay đổi.
Cú nhiều cụng thức khỏc nhau để tớnh hàm liờn thuộc àA ∩ " # của giao hai tập mờ như:
2 àA ∩ " # = max{0, àA(x) + àB(x) – 1} (phộp giao Lukasiewicz)
4 àA ∩ " # = àA(x) àB(x) ( Tớch đại số) Công thức trên cũng áp dụng được cho hợp hai tập mờ không cùng cơ sở bằng cách đưa cả hai tập mờ về chung một cơ sở là tích của hai cơ sở đã cho
Chẳng hạn có hai tập mờ A định nghĩa trên cơ sở M và B định nghĩa trên cơ sở
N Do hai cơ sở M và N độc lập với nhau nờn hàm liờn thuộc àA(x), x ∈ + của tập mờ
Tập mờ A sẽ không phụ thuộc vào N, trong khi tập mờ B(y) cũng sẽ không phụ thuộc vào M Trên cơ sở mới là tích M x N, hàm àA(x) tạo thành một mặt cong theo trục y, và hàm àB(y) tạo thành một mặt cong theo trục x Tập mờ A (hoặc B) được định nghĩa trên hai cơ sở M (hoặc N) và M x N Để phân biệt, ký hiệu A (hoặc B) sẽ chỉ tập mờ A (hoặc B) trên cơ sở mới M x N Theo các ký hiệu đó, ta có àA(x, y) = àA(x) với mọi y ∈ và àB(x, y) = àB(y) với mọi x ∈.
Hình 2.8: Phép giao hai tập mờ không cùng cơ sở c Phép bù
Bự của tập mờ A cú cơ sở M và hàm liờn thuộc àA(x) là một tập mờ A c xỏc định trên cùng cơ sở M với hàm liên thuộc:
Hình 2.9: Hàm liên thuộc của tập mờ A
Hình 2.10: Hàm liên thuộc của tập mờ A c
Luật hợp thành mờ
Cho hai biến ngôn ngữ x và y, khi biến x nhận giá trị mờ A với hàm liên thuộc àA(x) và biến y nhận giá trị mờ B với hàm liên thuộc àB(y), thì hai biểu thức này thể hiện mối quan hệ giữa các giá trị mờ của x và y.
Y = B Được gọi là hai mệnh đề
Trong logic, khi ký hiệu hai mệnh đề là p và q, mệnh đề hợp thành p → q (từ p suy ra q) tương ứng với luật điều kiện, xác định rằng p là điều kiện cần thiết để dẫn đến q.
Nếu x = A thì y = B, trong đó mệnh đề p được gọi là mệnh đề điều kiện và q là mệnh đề kết luận
Mệnh đề hợp thành là ví dụ điển hình về bộ điều khiển mờ, thể hiện mối quan hệ giữa giá trị đầu vào x0 và hệ số thỏa mãn mệnh đề kết luận q của giá trị đầu ra y Cụ thể, độ phụ thuộc àA(x0) từ tập mờ A giúp xác định hệ số thỏa mãn cho mệnh đề q Khi biểu diễn hệ số thỏa mãn này dưới dạng một tập mờ B’, mệnh đề hợp thành trở thành ánh xạ: àA(x0) → à" Mô tả ánh xạ này cho thấy rằng mỗi phụ thuộc là một giỏ trị (àA(x0), àB(y)), tức là mỗi phụ thuộc đều là một tập mờ Mối quan hệ giữa mệnh đề hợp thành p → q và các mệnh đề điều kiện p, kết luận q cũng được thể hiện rõ ràng trong cấu trúc này.
Bảng 2.1: Bảng mệnh đề hợp thành p q p
Nói cách khác mệnh đề hợp thành p → có giá trị logic của ~0 v q, trong đó ~ chỉ phép tính lấy logic đảo và v chỉ phép tính logic hoặc
Biểu thức tương đương cho hàm liên thuộc của mệnh đề hợp thành sẽ là
Hàm liên thuộc của mệnh đề hợp thành có cơ sở là tập tích hai tập cơ sở đã có
Do sự mâu thuẫn rằng p → luôn đúng khi p sai, việc chuyển đổi từ mệnh đề hợp thành p → kinh điển sang mệnh đề hợp thành mờ A → B không khả thi trong kỹ thuật điều khiển mờ Để khắc phục nhược điểm này, đã có nhiều ý kiến khác nhau về nguyên tắc xây dựng hàm liên thuộc A → B cho mệnh đề hợp thành.
1 àA → " #, - = MAX{MIN{àA(x), àB(y)}, 1 - àA(x)}cụng thức Zadeh,
2 àA → " #, - = MIN{1,1 - àA(x) + àB(y)} cụng thức Lukasiewicz,
3 àA → " #, - = MAX{1 - àA(x), àB(y)} cụng thức Kleene –Dienes Song nguyên tắc của Mamdani: “ Độ phụ thuộc của kết luận không được lớn hơn độ phụ thuộc của điều kiện” là có tính thuyết phục nhất và hiện đang được sử dụng nhiều nhất để mô tả luật mệnh đề hợp thành mờ trong kỹ thuật điều khiển
Từ nguyên tắc Mandani có được các công thức xác định hàm liên thuộc sau cho mệnh đề hợp thành A → B:
1 àA → " #, -) = MIN{àA(x), àB(y)} cụng thức MAX – MIN
2 àA → " #, -) = àA(x) àB(y) cụng thức MAX – PROD Các công thức trên cho mệnh đề hợp thành A → B được gọi là quy tắc hợp thành c Luật hợp thành mờ
Luật hợp thành MAX – MIN:
Luật hợp thành MAX – MIN là mô hình R của mệnh đề A → B, trong đó hàm liên thuộc A →
Trước tiờn hai hàm liờn thuộc àA(x) và àB(y) được rời rạc húa với chu kỳ rời rạc đủ nhỏ để không bị mất thông tin
Tổng quát lên cho một giá trị rõ x0 bất kỳ: X0∈ 1 # 1 , x2, …, xn}
Tại đầu vào, vector chuyển vị a có dạng a T = (a1, a2, …, an), trong đó chỉ có một phần tử ai duy nhất có chỉ số I là chỉ số của x0 trong X có giá trị bằng 1, trong khi các phần tử còn lại đều bằng 0 Hàm liên thuộc được biểu diễn là àB(y) = a T R - (a1, a2, …, an) 311 … 31%.
Để tính toán hiệu quả hơn mà không sử dụng thuật toán nhân ma trận truyền thống trong đại số tuyến tính, chúng ta áp dụng quy tắc max-min của Zadeh Cụ thể, phép nhân được thay thế bằng phép lấy cực đại (max) và phép cộng được thay thế bằng phép lấy cực tiểu (min) Điều này giúp tăng tốc độ xử lý và cải thiện hiệu suất tính toán.
Lk = max1≤i≤ n min( ai, rki) Luật họp thành MAX – PROD
Luật họp thành MAX – PROD tương tự như luật họp thành MAX – MIN, trong đó ma trận R được xây dựng với các hàng là giá trị rời rạc của đầu ra àB,(y1), àB,(y2), àB,(y3).
Ma trận R có n hàng và m cột, tương ứng với giá trị đầu vào x1, x2,… xn Để tiết kiệm thời gian tính toán và mở rộng công thức cho trường hợp đầu vào là giá trị mờ, phép nhân ma trận a T R có thể được thay thế bằng luật max-min của Zadeh, tương tự như cách áp dụng trong luật họp thành MAX-MIN.
Bộ điều khiển mờ
2.4.1 Cấu trúc một bộ điều khiển mờ
Một bộ điều khiển mờ gồm 3 khâu cơ bản:
+ Khâu mờ hoá + Thực hiện luật hợp thành + Khâu giải mờ
Xét bộ điều khiển mờ MISO sau, với véctơ đầu vào X = u 1 u 2 u n T
Hình 2.11: Sơ đồ cấu trúc BĐK mờ
2.4.2 Nguyên lý điều khiển mờ
Hình 2.12: Nguyên lý BĐK mờ
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
2.4.3 Thiết kế bộ điều khiển mờ
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
+ Rời rạc hoá tập mờ
B3: Xây dựng luật hợp thành
B4: Chọn thiết bị hơp thành
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 e B y’ luật điều khiển
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)
Bộ điều khiển PID
2.5.1 Lý thuyết về bộ điều khiển PID
Bộ điều khiển PID là giải pháp đa năng trong lĩnh vực điều khiển, được sử dụng phổ biến trong hơn 90% các hệ thống công nghiệp Khi được thiết kế đúng cách, bộ điều khiển PID có khả năng đáp ứng nhanh, thời gian quá độ ngắn, độ quá điều chỉnh thấp và triệt tiêu sai lệch tĩnh, giúp cải thiện chất lượng điều khiển.
Luật điều khiển PID được định nghĩa: u(t) = kp( e(t) +
Tín hiệu điều khiển trong hệ thống PID được xác định bởi ba thành phần chính: tỉ lệ, tích phân và vi phân, trong đó e là sai lệch giữa giá trị mong muốn Ysp và giá trị thực tế Y Hàm truyền của bộ điều khiển PID đóng vai trò quan trọng trong việc điều chỉnh tín hiệu để đạt được hiệu suất tối ưu.
:8G+ Tds) Các tham số của bộ điều khiển là kp, ki (hoặc Ti), Kd (hoặc Kd)
Tác động của thành phần tích phân đơn giản là tín hiệu điều khiển tỉ lệ tuyến tính với sai lệch điều khiển Khi sai lệch lớn, tín hiệu điều khiển cũng lớn và khi sai lệch giảm dần, tín hiệu điều khiển cũng giảm theo Khi sai lệch e(t) bằng 0, tín hiệu điều khiển u(t) cũng bằng 0 Tuy nhiên, một vấn đề cần lưu ý là khi sai lệch đổi dấu, tín hiệu điều khiển cũng sẽ đổi dấu theo.
Thành phần P nổi bật với khả năng tác động nhanh chóng và hiệu quả Khi hệ số tỉ lệ k lớn, tốc độ phản ứng tăng cao, cho thấy vai trò quan trọng của thành phần P trong giai đoạn đầu của quá trình quá độ.
Khi hệ số tỷ lệ Kp tăng, tín hiệu điều khiển sẽ thay đổi mạnh mẽ, dẫn đến dao động lớn và làm cho hệ thống nhạy cảm hơn với nhiễu đo Đối với các đối tượng không có đặc tính tích phân, việc sử dụng bộ điều khiển P vẫn gây ra sai lệch tĩnh.
Thành phần Tích phân (I) u(t) = ki ; < = >= D C
Khi sử dụng thành phần tích phân trong điều khiển, sai lệch điều khiển dương sẽ làm tăng tín hiệu điều khiển, trong khi sai lệch âm sẽ làm giảm tín hiệu điều khiển, không phụ thuộc vào độ lớn của sai lệch Do đó, trong trạng thái xác lập, sai lệch e(t) sẽ được triệt tiêu hoàn toàn.
0 Đây cũng là ưu điểm của thành phần tích phân
Nhược điểm của thành phần tích phân trong bộ điều khiển là thời gian cần thiết để giá trị e(t) giảm về 0, dẫn đến đặc tính tác động chậm hơn Hơn nữa, thành phần tích phân có thể làm xấu đi đặc tính động học của hệ thống, thậm chí gây mất ổn định.
Bộ điều khiển PI hoặc PID thường được ưa chuộng hơn so với bộ I đơn giản, nhằm nâng cao tốc độ đáp ứng và đảm bảo yêu cầu động học cho hệ thống.
Thành phần vi phân trong hệ thống điều khiển nhằm cải thiện tính ổn định của hệ kín Do động học của quá trình, có một khoảng thời gian trễ khiến bộ điều khiển phản ứng chậm hơn so với sự thay đổi của sai lệch e(t) và đầu ra y(t) Vai trò của thành phần vi phân là dự đoán đầu ra của quá trình, từ đó đưa ra phản ứng phù hợp dựa trên xu hướng và tốc độ thay đổi của sai lệch e(t), giúp tăng tốc độ đáp ứng của hệ thống.
Một ưu điểm nữa là thành phần vi phân giúp ổn định một số quá trình mà bình thường không ổn định được với các bộ P hay PI
Nhược điểm của thành phần vi phân là rất nhạy với nhiễu đo hay của giá trị đặt do tính đáp ứng nhanh nêu ở trên
2.5.2 Chỉnh định tham số bộ điều khiển PID
Bộ điều khiển PID có từng thành phần với ưu nhược điểm riêng, do đó không thể đạt được tất cả các chỉ tiêu chất lượng một cách tối ưu cùng lúc Việc lựa chọn tham số cho bộ điều khiển PID cần thỏa hiệp giữa các yêu cầu chất lượng và mục đích điều khiển, đồng thời phụ thuộc vào đối tượng điều khiển và các phương pháp xác định thông số Kinh nghiệm cũng đóng vai trò quan trọng trong quá trình lựa chọn này.
Có nhiều phương pháp để chọn tham số cho bộ điều khiển PID, nhưng trong bài viết này, chúng tôi sẽ tập trung vào phương pháp phổ biến nhất, đó là phương pháp Ziegler-Nichols 1 Phương pháp này dựa trên đặc tính quá độ của quá trình thu được từ thực nghiệm với giá trị đặt thay đổi theo dạng bậc thang.
Việc chọn các thông số P, I, D thường được xác định qua thực nghiệm dựa vào đáp ứng xung của hệ thống Phương pháp Ziegler-Nichols được áp dụng để chọn tham số PID cho mô hình quán tính bậc nhất có độ trễ Mặc dù việc xấp xỉ hàm truyền của động cơ không hoàn toàn chính xác, nhưng phương pháp này vẫn có thể mang lại đáp ứng tương đối tốt cho hệ thống.
Phương pháp này yêu cầu tính giá trị giới hạn của khâu tỉ lệ Kgh và chu kỳ giới hạn của hệ kín Tgh, sau đó xác định các thông số khác dựa trên bảng 2.2.
Để xác định Kgh và Tgh theo phương pháp Ziegler-Nichols, đầu tiên cần đặt Ki và Kd bằng 0, sau đó từ từ tăng Kp cho đến khi hệ thống đạt trạng thái biên giới ổn định với dao động có biên độ và chu kỳ không đổi Tại điểm này, Kgh và Tgh được xác định, từ đó có thể tính toán các thông số khác tùy thuộc vào loại bộ điều khiển.
Phương pháp này có một số nhược điểm như sau:
Việc lấy đáp ứng tín hiệu bậc thang dễ bị ảnh hưởng bởi nhiễu, và không phù hợp cho các quá trình dao động hay quá trình không ổn định.
Bộ điều khiển PD mờ, PI mờ
Trong phần này, chúng tôi sẽ trình bày sơ đồ cấu trúc của bộ điều khiển mờ thuần túy Dựa trên sơ đồ này, chúng tôi sẽ phát triển bộ điều khiển lai PD – Mờ và PI – Mờ.
2.6.1 Cấu trúc bộ điều khiển mờ thuần túy
* Một bộ điều khiển mờ gồm 3 khâu cơ bản:
+ Thực hiện luật hợp thành
* Các nguyên lý 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
* Trình tự thiết kế hệ thống điều khiển mờ:
- Bước 1: Định nghĩa các biến ngôn ngữ vào/ra
- Bước 2: Xác định các tập mờ cho từng biến ngôn ngữ vào/ra (mờ hóa)
+ Xác định miền giá trị vật lý của các biến ngôn ngữ
+ Xác định các hàm thuộc
+ Rời rạc hóa tập mờ
- Bước 3: Xây dựng các luật hợp thành
- Bước 4: Chọn thiết bị hợp thành
- Bước 5: Giải mờ và tối ưu hóa
* Một số nhược điểm của bộ điều khiển mờ thuần túy:
Mặc dù điều khiển mờ đã có nhiều phát triển, nhưng vẫn thiếu các nguyên tắc chuẩn mực cho thiết kế và khảo sát tính ổn định, bền vững, chất lượng quá trình, cũng như ảnh hưởng của nhiễu Việc thiết kế các bộ điều khiển mờ chủ yếu dựa vào kinh nghiệm thực nghiệm, trong khi lý thuyết mờ gặp khó khăn với độ phi tuyến của hệ thống Để khắc phục những nhược điểm này, một giải pháp hiệu quả là kết hợp phương pháp điều khiển kinh điển như P, PI, PID, và điều khiển biến trạng thái với logic mờ, nhằm tận dụng ưu điểm của cả hai phương pháp Điều này dẫn đến sự ra đời của các bộ điều khiển tích hợp như Mờ - PID và Mờ thích nghi – PID.
2.6.2 Cấu trúc bộ điều khiển PD- mờ Ý tưởng về bộ PD mờ ở đây là sử dụng logic mờ để tối ưu giá trị các tham số của bộ điều khiển D (hình 3.9)
Bộ điều khiển PD bao gồm hai tham số là Kp và Kd, trong đó Kp được giữ cố định Tham số Kd được điều chỉnh bởi bộ logic mờ và nằm trong khoảng từ kd min đến kd max Chúng ta sẽ chuyển đổi khoảng này về dạng chính tắc.
K ’ d = bA bA c87 bA cd bA c87
Khi đó, các giá trị,k ’ d∈ [0,1], và các tham số bộ PD được tính lại:
Kd = (kd max – kd min)k ’ d + kd min
2.6.3 Cấu trúc bộ điều khiển PI- mờ Ý tưởng về bộ PI – Mờ ở đây là sử dụng Logic mờ để tối ưu giá trị các tham số của bộ điều khiển PI (Hình 3.10)
Bộ điều khiển PI có hai tham số quan trọng là kp và ki, trong đó kp được giữ nguyên, còn ki nằm trong khoảng [ki min, ki max] Để tối ưu hóa hiệu suất, chúng ta sẽ quy đổi các khoảng này về dạng chính tắc.
Khi đó, các giá trị k ’ i∈ [0,1], và các tham số bộ PI được tính lại:
Ki = (ki max – ki min)k ’ i + ki min
Cấu trúc bộ mờ và các hàm thuộc
Bộ mờ trong bài viết này bao gồm hai đầu vào: sai lệch e(t) và vi phân của sai lệch de(t), cùng với hai đầu ra tương ứng cho các tham số của bộ PI: k'p và k'i Mô hình Mamdani được áp dụng cho bộ mờ như đã trình bày trong hình.
Việc xây dựng các hàm thuộc và xác định khoảng giá trị của biến vật lý và biến ngôn ngữ dựa trên phỏng đoán và kinh nghiệm chỉnh định đòi hỏi nhiều thời gian và công sức cho việc đánh giá chất lượng Đối với mỗi đầu vào bộ mờ, chúng ta sẽ thiết lập 5 hàm thuộc tương ứng với 5 biến ngôn ngữ khác nhau.
Đánh giá chất lượng của hệ thống
2.7.1 Độ quá điều chỉnh lớn nhất max : là sai lệch cực đại trong quá trình quá độ so với giá trị xác lập, tính theo đơn vị phần trăm:
2.7.2 Thời gian quá độ lớn nhất T max :
Quá trình quá độ trong điều khiển tự động được coi là kết thúc khi sai lệch giữa tín hiệu điều khiển và giá trị xác lập không vượt quá 5% (hoặc 2% trong một số trường hợp) Thời gian này được gọi là khoảng thời gian quá độ.
Thông thường thì Tmax=2 đến 3 chu kỳ dao động quanh giá trị xác lập
Là thời gian từ 0 đến lúc tín hiệu điều khiển đặt được 90% giá trị xác lập lần đầu tiên.
Sai số xác lập
Là sai số giữa tín hiệu đặt và tín hiệu hồi tiếp của hệ thống khi thời gian tiến đến vô cùng
Hình 2.13: Quá trình quá độ của một hệ thống
MÔ HÌNH HỆ THỐNG
Xây dựng phương trình toán học của mô hình
3.1.1 Mô hình Hóa hệ thống
Hình 3.1: Cấu hình bồn nước đơn
Mô hình biểu thị mối quan hệ giữa lưu lượng nước Q i vào bồn với lưu lượng nước Qo ra khỏi bồn qua van dt t
Trong đó: A là diện tích mặt cắt ngang của bồn nước
H là chiều cao của mức chất lỏng trong bồn
Nếu giả sử Van như là khe hở nhỏ thì dòng chảy qua van sẽ liên quan mức nước
Qo = Cd a² g.H(t) (3.2) với Cd là hệ số của van xả, a là diện tích mặt cắt ngang của khe, và g là hằng số hấp dẫn với giá trị g = 980 cm/s² Giả sử Cd là một hằng số, Qo sẽ có mối quan hệ phi tuyến với H Kết hợp (3.1) với (3.2), ta có phương trình phi tuyến.
Mà lưu lượng nước chảy vào bồn là:
Vậy ta có phương trình toán học là:
Với các hệ số thực tế đo được từ hệ thống thực nghiệm:
A = 15394 (mm2) , a= 44.1(mm2), g = 9.82 (m/s2), Cd, Kp là hằng số của thiết bị
3.1.2 Sơ đồ khối hệ thống
Hình 3.2: Sơ đồ khối hệ thống
Thiết kế bộ điều khiển
Tăng dần Kp, tại biên giới ổn định ta có được đồ thị vận tốc
Khi vận tốc động cơ ở biên giới ổn định này, ta có được Kgh = 12.3, Tgh 0.08s
Vậy Kp = 0.6x8= 4.8 ;Ti = 0.5x0.08 = 0.04; Td = 0.125x0 08 = 0.04; Ki (của bộ PID) = KpxTi = 4.8x0.04 =1.92; Kd (của bộ PID) = Kp.Td = 4.8x0.01= 0.048
Sơ đồ điều khiển PID trong Simulink
Hình 3.2: Sơ đồ điều khiển PID
3.2.2 Thiết kế bộ điều khiển Fuzzy
Bộ mờ này bao gồm hai đầu vào: sai lệch e(t) và vi phân của sai lệch de(t), cùng với một đầu ra cho tham số của bộ điều khiển Mô hình Mamdani được áp dụng cho bộ mờ, như được minh họa trong hình.
Việc xây dựng bộ Fuzzy yêu cầu xác định các hàm thuộc và khoảng giá trị cho các biến vật lý và ngôn ngữ dựa trên phỏng đoán và kinh nghiệm, điều này có thể tốn nhiều thời gian và công sức Trong quá trình này, chúng ta thiết lập 5 hàm thuộc cho mỗi đầu vào của bộ mờ, tương ứng với 5 biến ngôn ngữ: e = {Negbig, NegSmall, Zero, PosSmall, PosBig} và de = {Negbig, NegSmall, Zero, PosSmall, PosBig} Các biến ngôn ngữ này được ký hiệu là: Negbig (NB), NegSmall (NS), Zero (Z), PosSmall (PS), và PosBig (PB).
Khoảng giá trị của các biến vật lý cho hàm liên thuộc của sai lệch e(t) phụ thuộc vào tín hiệu đo được Với tín hiệu đo là khoảng cách trong thời gian lấy mẫu Ts, khoảng giá trị của e(t) được xác định là [-1 1] Khoảng này được chọn nhỏ nhằm mục đích điều khiển để đạt hiệu quả tối ưu nhất.
Hình 3.5: Hàm liên thuộc của vi phân sai lệch de(t)
Khoảng giá trị của các biến vật lý trong các hàm thuộc của vi phân sai lệch de(t) được xác định tương tự như e(t), với khoảng giá trị là [-1, 1] Đầu ra được định dạng chuẩn, vì vậy hàm thuộc cũng được lấy theo dạng tương tự Khoảng giá trị đầu ra cũng nằm trong khoảng [-1; 1].
Hình 3.6: Hàm liên thuộc ngõ ra
Xây dựng luật hợp thành:
Các luật hợp thành đều có dạng chung như sau:
If (e is NB) and (de is NB) , then output is NB
If (e is NB) and (de is NS) , then output is NB
If (e is NB) and (de is Z) , then output is NS
If (e is NB) and (de is PS) , then output is NS
If (e is NB) and (de is PB) , then output is Z
Tổng kết lại ta có bảng luật hợp thành sau:
Bảng 3.1: Bảng luật hợp thành mờ de(t)/e(t) NB NS Z PS PB
NB NB NB NS NS Z
NS NB NS NS Z PS
PS NS Z PS PS PB
PB Z PS PS PB PB
Hình 3.7: Xây dựng luật hợp thành
Sơ đồ Simulink hệ thống điều khiển
Hình 3.8: Bộ điều khiển Fuzzy
3.2.3 Thiết kế bộ điều khiển Fuzzy PD
Bộ điều khiển Fuzzy PD hoạt động dựa trên nguyên tắc điều chỉnh tham số Kd của bộ PD thông qua đầu ra của bộ Fuzzy, trong khi thông số Kp được sử dụng để cải thiện độ phản hồi của hệ thống.
Sơ đồ bộ điều khiển Fuzzy PD trong Simulink
Hình 3.9: Bộ điều khiển Fuzzy PD
3.2.4 Thiết kế bộ điều khiển Fuzzy PI
Bộ điều khiển Fuzzy PI hoạt động dựa trên nguyên tắc điều chỉnh tham số Ki của bộ PI thông qua đầu ra của bộ Fuzzy, trong khi thông số Ki được sử dụng để giảm thiểu sai số trong hệ thống.
Sơ đồ bộ điều khiển Fuzzy PI trong Simulink
Hình 3.10: Bộ điều khiển Fuzzy PI
Mô phỏng hệ thống với bộ điều khiển PID
Hình 3.11: Ứng dụng bộ PID điều khiển mực nước
Với các thông số hiệu chỉnh Kp = 15, Ki= 40 , Kd = 0.1, giá trị đặt là hàm step với biên độ cạnh lên là 50mm, và biên độ cạnh xuống là 10mm
Hình 3.12: Đáp ứng của hệ thống khi sử dụng bộ điều khiển PID
Hình 3.13: Đáp ứng cạnh lên của hệ thống khi sử dụng bộ điều khiển PID
Hình 3.14: Đáp ứng cạnh xuống của hệ thống khi sử dụng bộ điều khiển PID
Hệ thống sử dụng bộ điều khiển PID cho thấy đáp ứng nhanh với thời gian chỉ 0,1 giây và sai số xác lập nhỏ Tín hiệu điều khiển ổn định, nhưng thời gian đạt được trạng thái ổn định trong quá trình tăng hoặc giảm chưa tốt và không tuyến tính, dẫn đến khả năng xảy ra dao động.
Mô phỏng hệ thống với bộ điều khiển Fuzzy
Hình 3.16: Ứng dụng bộ Fuzzy điều khiển mực nước
C o n tr o l S ig n a l setpoint real control s ignal
Hình 3.17: Đáp ứng của hệ thống khi sử dụng bộ điều khiển Fuzzy
Hình 3.18: Đáp ứng cạnh lên của hệ thống khi sử dụng bộ điều khiển Fuzzy
Hình 3.19: Đáp ứng cạnh xuống của hệ thống khi sử dụng bộ điều khiển Fuzzy
Hệ thống sử dụng bộ điều khiển Fuzzy cho thấy thời gian đáp ứng kéo dài hơn (0,35s) với sai số xác lập nhỏ và tín hiệu điều khiển có biên độ lớn Tuy nhiên, thời gian đạt được xác lập ở cả thời điểm tăng và giảm vẫn chưa tối ưu, dẫn đến tính tuyến tính và ít xảy ra dao động khi hệ thống đạt được trạng thái ổn định.
Mô phỏng hệ thống với bộ điều khiển Fuzzy PD
Hình 3.21: Ứng dụng bộ Fuzzy-PD điều khiển mực nước
Hình 3.22: Đáp ứng của hệ thống khi sử dụng bộ điều khiển Fuzzy-PD
Hình 3.23: Đáp ứng cạnh lên khi sử dụng bộ điều khiển Fuzzy-PD
Hình 3.24: Đáp ứng cạnh xuống của hệ thống khi sử dụng bộ điều khiển Fuzzy-PD
Hệ thống sử dụng bộ điều khiển Fuzzy-PD cho thấy kết quả mô phỏng ấn tượng với thời gian đáp ứng ngắn chỉ 0.05 giây, sai số xác lập nhỏ và tín hiệu điều khiển ổn định Thời gian đạt được trạng thái xác lập khi tăng hoặc giảm đều tốt, tuyến tính và ít xảy ra dao động, cho thấy hiệu quả của bộ điều khiển trong việc duy trì sự ổn định của hệ thống.
Mô phỏng hệ thống với bộ điều khiển Fuzzy PI
Hình 3.26: Ứng dụng bộ Fuzzy-PI điều khiển mực nước
Hình 3.27: Đáp ứng của hệ thống khi sử dụng bộ điều khiển Fuzzy-PI
Hình 3.28: Đáp ứng cạnh lên khi sử dụng bộ điều khiển Fuzzy-PI
Hình 3.29 Đáp ứng cạnh xuống khi sử dụng bộ điều khiển Fuzzy-PI
Hình 3.30: Tín hiệu điều khiển hệ thống khi sử dụng bộ điều khiển Fuzzy-PI
Hệ thống với bộ điều khiển Fuzzy-PI cho thấy hiệu suất vượt trội với thời gian đáp ứng ngắn (0.05 giây), sai số xác lập nhỏ và tín hiệu điều khiển ổn định Thời gian đạt được trạng thái xác lập cả khi tăng và giảm đều hiệu quả, tuyến tính, giúp giảm thiểu dao động khi đạt được trạng thái ổn định.
Kết luận, việc kết hợp bộ điều khiển Fuzzy PD và Fuzzy PI mang lại hiệu quả điều khiển tốt hơn, đồng thời khắc phục được những nhược điểm của từng bộ điều khiển Fuzzy và PID khi hoạt động độc lập.
KẾT QUẢ THỰC NGHIỆM
Phần cứng hệ thống
Mạch nguồn chịu trách nhiệm cung cấp nguồn DC cho mạch điều khiển và mạch công suất, với các điện áp đầu vào là 220VAC/50Hz và 15VAC/50Hz Điện áp đầu ra bao gồm 380VDC – 20A, ±15VDC – 1A và ±5VDC – 1A.
Hình 4.1: Sơ đồ nguyên lý mạch nguồn
Hình 4.2: Mạch nguồn thực tế
Mạch công suất 2 DC motor L298
Hình 4.4: Sơ đồ nguyên lý mạch L298
Nguyên lý hoạt động: Board công suất 2 DC motor gồm các khối:
Khối ổn áp nguồn: Gồm nguồn 5V cấp cho các mạch logic, 6V cấp cho RC
Khối mạch logic bao gồm các cổng NOT và NAND được kết hợp để tạo ra các ngõ vào tín hiệu PWM (tốc độ), DIR (đảo chiều quay) và các ngõ ra IN1, IN2 tương thích với logic điều khiển của L298 Bảng trạng thái tín hiệu điều khiển cho 1 kênh được thiết lập nhằm đảm bảo hiệu quả hoạt động của mạch.
DC Motor như hình sau:
Hình 4.5: Bảng trạng thái điều khiển một kênh DC motor
Để điều khiển Motor quay thuận, quay ngược và thay đổi tốc độ, cần hai kênh điều chế xung PWM, nhưng nhiều vi điều khiển chỉ hỗ trợ ít kênh PWM Giải pháp cho vấn đề này là sử dụng khối logic, với ngõ vào PWM và DIR, cho phép dễ dàng điều khiển DC Motor Nhờ đó, chỉ cần một kênh PWM để điều chỉnh tốc độ và một chân tín hiệu số để đảo chiều quay.
Boar vi điều khiển STM 32 F4 Discovery
Hình 4.6: Sơ đồ Kit STM32F407VG Discovery
Bộ kit STM32F4-DISCOVERY với vi điều khiển hiệu suất cao
STM32F407VGT6 là một vi điều khiển mạnh mẽ, hỗ trợ người dùng trong việc phát triển ứng dụng xử lý tín hiệu số như hình ảnh và video Bảng mạch này được trang bị công cụ ST-LINK tích hợp, giúp việc nạp chương trình và gỡ lỗi trở nên nhanh chóng và dễ dàng.
- Vi điều khiển 32-bit ARM Cortex®-M4 STM32F407VGT6 với lõi FPU hỗ trợ xử lý tính toán dấu phẩy động, 1-MB bộ nhớ Flash, 192 Kbyte RAM
- On-board ST-LINK/V2 trên STM32F4-DISCOVERY giúp nạp chương trình, gỡ lỗi
- Nguồn điện cung cấp cho bảng mạch: thông qua cổng USB hoặc từ một nguồn cung cấp điện áp 5V bên ngoài
- Từ bảng mạch, có thể cấp nguồn 3,3 V và 5 V cho các ứng dụng
- Cảm biến chuyển động LIS302DL, ST MEMS 3 trục gia tốc
- Cảm biến âm thanh MP45DT02 ST-MEMS, mic cảm biến âm thanh vô hướng kỹ thuật số
- Bộ chuyển đổi DAC âm thanh CS43L22
+ LD1 (đỏ / xanh lá cây) để giao tiếp USB
+ LD2 (màu đỏ) báo hiệu nguồn 3,3 V on
+ Bốn đèn LED màu: LD3 (màu cam), LD4 (màu xanh lá cây), LD5 (màu đỏ) và LD6 (màu xanh dương)
+ Hai USB OTG LED LD7 (màu xanh lá cây) VBUS và LD8 (màu đỏ)
- Hai nút bấm (nút bấm User màu xanh, nút bấm Reset màu đen)
- OTG FS USB với cổng nối micro-AB
- Header mở rộng cho tất cả LQFP100 I/O
- Phần mềm miễn phí bao gồm một loạt các ví dụ, sử dụng thư viện chuẩn của ST
Hình 4.7: Ảnh mô hình bồn nước thực tế
Mô hình này bao gồm hai bồn đứng, trong đó bồn nước dưới có chức năng chứa nước hoặc chất lỏng, cung cấp cho bồn trên thông qua một động cơ bơm.
Bồn nước DC 24v có khả năng xả ngược lại bồn nước bên dưới thông qua hai phương pháp: sử dụng van điện từ 24v hoặc van xả bằng tay có thể điều chỉnh.
Cảm biến siêu âm UTRASONIC SENSO PEPPERL + FUCHS 3RG6232 -
Cảm biến siêu âm là thiết bị dung để xác định vị trí của các vật thông qua phát sóng siêu âm
Cảm biến siêu âm có khả năng phát hiện mọi loại vật thể, bao gồm kim loại và phi kim, cũng như chất lỏng và rắn Nó có thể nhận diện cả những vật trong suốt và mờ đục, miễn là chúng có hệ số phản xạ sóng âm thanh đủ lớn.
Cảm biến siêu âm được sử dụng trong mô hình này để đo khoảng cách của mặt nước, từ đó xác định mức nước nhằm phục vụ cho việc điều khiển.
Hình 4.9: Sơ đồ chân cảm biến
Hình 4.10: Sơ đồ cấu tạo cảm biến Bảng 4.1: Bảng thông số kỹ thuật:
Phạm vi cảm biến 50 – 300 mm Điện áp ngõ ra 0 – 10 v
Tính chính xác +/- 2.5% Điện áp hoạt động 24 v
Phạm vi điện áp hoạt động 20 – 30v
Thực nghiệm
4.2.1 Thực nghiệm hệ thống với bộ điều khiển PID
Hình 4.11: Sơ đồ thực nghiệm bộ điều khiển PID
Hình 4.12: Đáp ứng của bộ điều khiển PID
Hệ thống điều khiển PID cho thấy đáp ứng chậm với thời gian là 7,2 giây, tuy nhiên, sai số xác lập rất nhỏ và tín hiệu điều khiển duy trì ổn định mà không có hiện tượng vọt lố.
4.2.2 Thực nghiệm với bộ điều khiển Fuzzy
Hình 4.14: Sơ đồ thực nghiệm bộ điều khiển Fuzzy
Hình 4.15: Đáp ứng của bộ điều khiển Fuzzy
Hệ thống sử dụng bộ điều khiển Fuzzy cho thấy thời gian đáp ứng nhanh (3.1 giây) và sai số xác lập nhỏ Tuy nhiên, tín hiệu điều khiển với biên độ lớn có hiện tượng vọt lố.
4.2.3 Thực nghiệm với bộ điều khiển Fuzzy – PD
Hình 4.17: Sơ đồ thực nghiệm bộ điều khiển Fuzzy PD
Hình 4.18: Đáp ứng của bộ điều khiển Fuzzy PD
Hệ thống sử dụng bộ điều khiển Fuzzy-PD cho thấy hiệu suất cao với thời gian đáp ứng ngắn chỉ 1,85 giây, sai số xác lập nhỏ và tín hiệu điều khiển ổn định.
4.2.4 Thực nghiệm với bộ điều khiển Fuzzy – PI
Hình 4.20: Sơ đồ thực nghiệm bộ điều khiển Fuzzy PI le v e l( m m )
Hình 4.21: Đáp ứng của bộ điều khiển Fuzzy PI
Hệ thống sử dụng bộ điều khiển Fuzzy-PI cho thấy hiệu suất vượt trội với thời gian đáp ứng nhanh chỉ 1,8 giây, đồng thời sai số xác lập thấp và tín hiệu điều khiển ổn định.
Chỉ tiêu PID Fuzzy Fuzzy PD Fuzzy PI Độ vọt lố Nhỏ Lớn Vừa Vừa
Sai số xác lập Rất nhỏ Nhỏ Nhỏ Nhỏ
Thời gian đáp ứng Chậm Vừa Nhanh Nhanh le v e l( m m )
