Thiết kế bộ điều khiển Eearuing FeedForward cho các hệ thống chuyển động điện cơ

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP    ĐỐ ÁN TỐT NGHIỆP ThiÕt kÕ bé ®iỊu khiĨn Learning FeedForward cho hệ thống chuyển động điện Hc viờn: Lõm Hồng Bình Giáo viên hướng dẫn: Ts Nguyễn Duy Cương Chuyên ngành: Tự Động Hoá Khoá:K10 Thái Nguyên, tháng 10 năm 2009 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỤC LỤC Chương 1: Giới thiệu 1.1 Tổng quan Learning Control (LC) …………………………… ………………1 1.2 Learning Control (LC) gì……………………………………………… ………2 1.3 Phản hồi sai số tự học………………………………………………… … ……… 1.3.1 Một số ví dụ ma sát độc lập 1.4 Điều khiển truyền thẳng tự học………………………………………… … 13 1.4.1 Đầu vào mạng BSN………………… .………………… ………14 1.4.2 Sự phân bố B-Spline đầu vào mạng BSN 14 1.4.3 Sự lựa chọn cấu học 15 1.4.4 Sự lựa chọn tốc độ học 15 1.5 Ứng dụng minh hoạ: Hệ thống động chyển động tuyến tính………….… … 18 1.6 Bố cục luận văn…………………………………………….………………… …21 Chương 2: Các chuyển động lặp…………… …………………… ….…… …22 2.1 Giới thiệu ………………………………………………………… …………22 2.2 Các giả định ………………………………………………… ………… …….22 Độ rộng nội suy B-Spline …………………………….…….……….…… 27 Thuật tốn 2.2.1 (Tính tốn giá trị ổn định nhỏ d dựa mơ hình chi tiết hệ thống điều khiển) .27 Chương 3: Thiết kế ứng dụng…………… ……………… ……………… …….34 3.1 Giới thiệu ………………………………………………………… …………34 3.1.1 Bộ điều khiển phản hồi .34 3.1.2.Các đầu vào khâu truyền thẳng 34 3.1.3.Cấu trúc khâu truyền thẳng 35 3.1.4 Phân bố B-Spline ………………………………………………… … …… 35 3.1.5 Tỷ lệ học .35 3.1.6 Luyện chuyển động……………………………… ………….….….….… 36 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.2 LiMMS …………………… ……………………………………….… ….….36 3.2.1 Thiết lập…………………………………………………………….……… …36 3.2.2 Thủ tụ thiết kế hệ thống Time-indexed LFFC ………………….…… … 37 3.2.3 Các thí nghiệm kiểm chứng cho hệ thống Time-indexed LFFC…… …….… 40 3.2.4 Thiết kế LFFC tối giản……………………………………………….… 48 3.2.5 Kết luận…………………………………………………………… ……… 62 3.3 Kết mô phần mềm 20-sim………………………………………63 3.3.1 Mạng FeedBack……………………………………………………………… 64 3.3.2 LFFC có ViscouNeural………………………………………………….…65 3.3.3 LFFC có CoulombNeural ViscouNeural……………………………….66 3.3.4 LFFC có CoulombNeural, ViscouNeural, CoggingNeural……………… 68 3.3.5 LFFC có CoulombNeural, ViscouNeural, CoggingNeural, InertialNeural 69 Chương 4: Kết luận……………………………………………………….………….71 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Tài liệu tham khảo [1] Learning feed – Forward Control Theory, Design and Applications Wubbe Jan Roelf Velthuis - 1970 [2] Function Approximation for Learning Control, a key sample based approach B.J de Kruif - 1976 [3] Intelligent Control part – MRAS Author prof Dr.ir Job van Amerongen – March 2004 [4] Advanced Controllers for Electromechanical Motion Systems Dr Nguyen Duy Cuong University of Twente, March, 2008 Số hóa Trung tâm Học liệu – Đại học Thái Ngun http://www.lrc-tnu.edu.vn Lời nói đầu §iỊu khiĨn chuyển động (motion control) liên quan việc sử dụng lực ®Ĩ ®iỊu khiĨn sù di chun cđa ®èi t-ỵng ®iỊu khiển hệ thống đ-ợc sử dụng rộng rÃi ứng dụng công nghiệp nh- đóng gói, in, dệt, hàn, nh- nhiều ứng dụng khác Hiện nay, phần lớn loại hình điều khiển chuyển động đ-ợc thực cách sử dụng động điện, điều quan tâm thiết kế Các hệ điều khiển chuyển động phức tạp có nhiều vấn đề khác cần đ-ợc xem xét, ví dụ nh-: - Gi¶m thiĨu ¶nh h-ëng cđa nhiƠu hƯ thèng - Suy yếu tác động xấu nhiễu đo - Sự thay đổi thông số cấu trúc không rõ đối t-ợng điều khiển Rất khó để tìm ph-ơng pháp thiết kế mà giải đồng thời tất vấn đề nêu trên, đặc biệt ph-ơng pháp điều khiển truyền thống mà thiết kế điều khiển liên quan tới th-ơng thảo mục tiêu mang tính đối ng-ợc Để khắc phục khó khăn đà nêu, ®iỊu khiĨn Learning FeedForward (LFF) sÏ ®-ỵc giíi thiƯu nghiên cứu Thc hin lun tt nghip khn khổ chương trình đào tạo Thạc sỹ ngành tự động hóa trường Đại học Kỹ thuật Cơng nghiệp Thái Nguyên, Tôi giao đề tài: ’’ ThiÕt kÕ điều khiển Learning FeedForward cho hệ thống chuyển ®éng ®iƯn c¬” Luận văn phân tích q trình động học đối tượng thơng qua mơ hình tốn học từ đưa chứng minh tính phù hợp phương án điều khiển, cuối tiến kiểm chứng phần mềm mô 20-sim Luận văn trình bày chương: Chương 1: GIỚI THIỆU Tổng quan Learning control Chương 2: PHÂN TÍCH ĐỘ ỔN ĐỊNH CỦA HỆ THỐNG LFFC PHỤ THUỘC THỜI GIAN Trong chương đề cập đến điều khiển LFFC phụ thuộc thời gian phân tích tính ổn định hệ thống phụ thuộc vào thời gian Từ tìm cơng thức tính giá trị nhỏ độ rộng mạng B-Spline Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương 3: THIẾT KẾ ỨNG DỤNG Trong chương trước, số vấn đề LFFC đề cập đến Ở chương sử dụng kiến thức có nhằm thực thiết kế LFFC thực tế Chương 4: KẾT LUẬN Sau thời gian thực hiện, đến luận văn tơi hồn thành Trước thành công xin gửi lời cảm ơn chân thành tới thầy TS Nguyễn Duy Cương, người trực tiếp hướng dẫn, giúp đỡ tơi hồn thành đề tài này, tơi xin bày tỏ lịng biết ơn tới anh chị trường đại học Kỹ Thuật Cơng Nghiệp gia đình, bạn bè tạo điều kiện giúp đỡ tơi q trình làm luận văn Ngày 30 tháng 10 năm 2009 Học viên Lâm Hồng Bình Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương 2: Phân tích độ ổn định hệ thống LFFC phụ thuộc thời gian Chương 2: PHÂN TÍCH ĐỘ ỔN ĐỊNH CỦA HỆ THỐNG LFFC PHỤ THUỘC THỜI GIAN 2.1 Giới thiệu Trong chương đề cập đến điều khiển LFFC phụ thuộc thời gian phân tích tính ổn định hệ thống phụ thuộc vào thời gian Xác định giá trị nhỏ độ rộng mạng B-Spline 2.2 Các giả định Để phân tích tính ổn định thông số LFFC giả thiết sau: Đối tượng cần điều khiển đối tượng (single input - single output ) SISO LTI Bộ điều khiển phản hồi, C, tuyến tính, số thời gian thông số chọn cho vòng phản hồi ổn định Luật học rời rạc Tp   khu kh h i   i k 0 C (2.1) Tp   kh h i k 0 (với h thời gian mẫu) thay công thức tương đương dạng liên tục : Tp i   C  i t uC t dt Tp  (2.2) i t dt Phân bố B-spline giả thiết đồng dạng Giả thiết có N B-pline có phân bố đồng phạm vi đầu vào, [0, Tp] (s), Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 22 http://www.lrc-tnu.edu.vn Chương 2: Phân tích độ ổn định hệ thống LFFC phụ thuộc thời gian hình băng thơng (độ rộng) d(s) cơng thức sở cho tín hiệu từ tới N–1 cho quan hệ sau: d 2Tp N 1 s  (2.3) thành phần B-spline thứ i định nghĩa sau: d d  2t  d i  2 for i  2  t  (i  1)  d 2  di  2t d d  i t    for i  1  t  i d 2    (2.4) Thành phần thay (2.4) luật học (2.2) cho trọng số thích nghi sau: d ( i 1 )  d  i   C i   d t  d i   u C t dt  d d d d 2   i 1  d ( i 1 ) t  d i   dt  d d  i   i di  t u C t dt d (2.5) i   i 1  di  t dt d Mẫu số (2.5): d ( i 1 )  d i 2  t  d i   dt  d d d i   i 1  di  t dt d (2.6) Sử dụng (2.6), đơn giản hố cơng thức trọng số (2.5) : d ( i 1) i   C  d i 2  4t d 2i 4  d2 uC t dt  C d i  d  i 1  di  t d2 uC t dt (2.7) điều ngụ ý việc học tuyến tính u C(t) kể từ ta coi vịng lặp Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 23 http://www.lrc-tnu.edu.vn Chương 2: Phân tích độ ổn định hệ thống LFFC phụ thuộc thời gian thích nghi feed-forward tuyến tính vịng phản hồi tuyến tính, phần tín hiệu chủ đạo đạt tới giá trị phân tích tính ổn định (xem hình 2.1) giá trị mong đợi uF = Hệ thống ổn định tín hiệu feed-forward ban đầu lựa chọn khơng có kết đầu khơng giới hạn đối tượng tín hiệu feed-forward (ban đầu) xác định giá trị (đầu) trọng số t BSN UF + - C + y P Hình 2-1: Chỉ số thời gian LFFC r = mạng B-spline Khi hệ thống điều khiển phản hồi ổn định đầu vượt giới hạn tín hiệu feed-forward uF(t) trở nên q giới hạn điều muốn nói trọng số đạt tới giá trị vô lớn Do đó, trọng số thích nghi theo cách giữ nguyên giá trị chặn, hệ thống ổn định, không hệ thống không ổn định Giá trị trọng số lại bị chặn nếu: Mỗi trọng số thích nghi theo hướng (về phía uF(t) = 0), có nghĩa là: i  for i  i  for i  (2.8) Các trọng số không thích nghi mạnh: i  2i for i  i  2i for i  Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (2.9) 24 http://www.lrc-tnu.edu.vn Chương 2: Phân tích độ ổn định hệ thống LFFC phụ thuộc thời gian Kết hợp (2.8) (2.9) ta thu được:  i  2i for i   2i  i  for i  (2.10) Lưu ý (2.10) điều kiện đủ điều kiện cần Vấn đề chọn băng thông (độ rộng) d tốc độ học C phù hợp với (2.10) Để giải vấn đề này, ta giả thiết hình dạng tín hiệu feed-forward uF(t) dạng tam giác Sự lựa chọn thúc đẩy thực tế kinh nghiệm xảy hoạt động không ổn định đầu BSN có dạng tam giác Ánh xạ vào/ra thực cách chọn trọng số w i = g với i = 1, 3, 5… wi = -g với i = 2,4 với g  R+ xem hình 2.2 g uF t -g μ d Hình 2.2: Tín hiệu phản hồi đầu vào Tín hiệu uF(t) viết dạng chuỗi Furiê: u F t   cos n t   n1,3,5 n 8g   (2.11) với n  2n rads1 d   Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (2.12) 25 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu hợp trình làm việc tối thiểu khơng cịn bảo đảm điều khiển sử dụng thiết bị ghép thêm cho điều khiển có sẵn Sự ổn định lâu dài cần phải bảo đảm Việc tự học thực cách liên tục thực trước vận hành Việc học liên tục yêu cầu thông số đối tượng thay đổi suốt trình vận hành Ví dụ, hao mịn hay chịu ảnh hưởng môi trường Trong trường hợp này, điều khiển phải có khả đảm bảo việc học ổn định bất chấp điều kiện vận hành thay đổi 1.3 Bộ điều khiển học sai số phản hồi Một LC thú vị cho cánh tay robot mà phải bám cách ngẫu nhiên theo đường dẫn Nói chung điều khiển biết đến với tên điều khiển học sai số phản hồi: Bộ điều khiển (Feedback Error Learning FEL) Hệ thống LC bao gồm phần: Bộ điều khiển Feef-forward biểu thị F, nghĩa hàm/ánh xạ uF = F(r) Một điều khiển Feed-forward thông thường sử dụng để bù thêm cho hệ thống động học theo cách thu độ bám xác cao Khi điều khiển feed-forward với đối tượng nghịch đảo F = P -1, đầu đối tượng, y, tín hiệu đặt , r r (n) r r + - Hµm xÊp xØ C UF + + P y Hình 1.2 Bộ điều khiển FEL Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu Đối tượng P, chịu tác động nhiễu Các loại nhiễu bao gồm nhiễu ngẫu nhiên nhiễu có chất tái sinh Những nhiễu tái sinh tái diễn giống chuyển động cụ thể lặp lại Điều có nghĩa chúng xem xét hàm trạng thái đối tượng, x, xem hình 1.3 d(x) x u + + y P Hình 1.3 đối tượng nhiễu phát sinh 1.3.1 Một ví dụ vị trí ma sát độc lập Giống đối tượng động học, nhiễu tái sinh bù điều khiển feed-forward Để bù xác cho hệ thống động học nhiễu tái sinh, u cầu cần phải có mơ hình chi tiết Sự khơng xác mơ hình làm cho điều khiển feed-forward vận hành Khi mơ hình xác khó xác định được, phương pháp thay thực Thay thiết kế điều khiển feed-forward dựa đặc điểm mơ hình thực điều khiển feed-forward giống hàm xấp xỉ, ví dụ U F  F r ,  Trong suốt trình điều khiển, quan hệ vào/ra hàm xấp xỉ tự thích ứng để học đối tượng nghịch đảo để bù nhiễu phát sinh Khó khăn lựa chọn tín hiệu học mà mối quan hệ vào/ra hàm xấp xỉ phải tương thích Tín hiệu học thu theo nhiều cách Theo lý thuyết chứng minh đầu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu điều khiển phản hồi sử dụng làm tín hiệu học (hình 1.2) quan hệ vào/ra hàm xấp xỉ hội tụ tới đối tượng nghịch đảo giá trị bù nhiễu tái sinh Loại hàm xấp xỉ mà sử dụng mạng nơron MLP   r   d ,1d ,1d ,1 d , 2d , 2d , 2 d ,3d ,3d ,3  R T (1.1) Trong trường hợp cánh tay bậc tự (Degrees Of Freedom DOF) sử dụng kinh nghiệm, đầu vào MLP bao gồm góc khớp đặt θd đạo hàm bậc bậc chúng: Trong đầu uF xét dạng lực xoắn động cơ; (công thức 1.2) F u F   1 2   R T (1.2) Bộ điều khiển phản phản hồi Như nói tới, điều khiển phản hồi trạng thái, đem lại tín hiệu học cho điều khiển feed-forward Hơn thế, xác định trình bám cực tiểu thời điểm bắt đầu học Cuối cùng, điều khiển phản hồi bù nhiễu ngẫu nhiên Bộ điều khiển FEL thực nhiều ứng dụng nhiều tác giả; ví dụ là: - Hệ thống phanh tự động cho ôtô - Điều khiển hệ thống camera - Điều khiển cánh tay robot - Máy hàn Các ứng dụng điều khiển FEL cải thiện cách rõ ràng dựa trình vận hành điều khiển phản hồi ứng dụng thu chất lượng bám cao mà khơng cần mơ hình mở rộng Cách hoạt động FEL so sánh với cách hoạt động hệ thống điều khiển thích nghi Kết luận rằng, trường hợp mơ hình đối tượng xác sử dụng hệ thống điều khiển thích nghi, q trình bám điều khiển thích nghi điều khiển FEL tương tự Khi FEL hội tụ chậm Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu điều khiển thích nghi, tình điều khiển thích nghi ưa chuộng Tuy nhiên chưa có mơ hình đối tượng xác, điều khiển thích nghi thu hiệu suất bám mong muốn Bộ điều khiển FEL trải qua điều đem lại hệ số bám xác Khả nâng cao giả thiết FEL có phù hợp cho hang loạt ứng dụng mở rộng thực tế đối tượng thường khó có mơ hình xác Câu hỏi đặt xét mặt thương mại nên sử dụng điều khiển nào? Để trả lời cho câu hỏi chúng đánh giá xem điều khiển FEL có đáp ứng đầy đủ tiêu chất lượng mà ta đưa mục 1.2 hay không Dễ dàng sử dụng hệ thống điều khiển có sẵn Sự mở rộng hệ thống điều khiển có sẵn hàm xấp xỉ Khi hệ thống điều khiển thực phần mềm điều yêu cầu có thay đổi dễ dàng thực Sự hợp kiến thức quan trọng thiết kế Khi cấu trúc đối tượng động học xác định, mạng MLP điều khiển feed-forward tách thành vài mạng MLP nhỏ Mỗi mạng bù cho phần riêng biệt đối tượng động học Những thí nghiệm mạng nâng tốc độ học lên đáng kể Sự ổn định xác lập Điều chứng minh lý thuyết điều khiển FEL sử dụng cho điều khiển cánh tay robot cho kết hội tụ Với hệ thống khác, ổn định chưa xét đến phương diện lý thuyết Đáp ứng ngắn hạn tốt Trong trình học, sai số bám dần hội tụ đến giá trị cực tiểu Giống ổn định, đáp ứng ngắn hạn chưa xét tới phương diện lý thuyết Hàm xấp xỉ phù hợp cho việc điều khiển Rất nhiều giá trị thực LC phụ thuộc vào loại hàm xấp xỉ sử dụng Mặc dù thực tế điều khiển Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 10 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu FEL đạt chất lượng bám cao cách học tối ưu cho mạng MLP Yêu cầu nhớ nhỏ Một số thuộc tính tốt MLP xấp xỉ hàm mục tiêu đa chiều với số thơng số Do tổng dung lượng nhớ máy tính yêu cầu cho việc thực nhỏ Tốn cho việc tính tốn giá trị Việc tính tốn đầu mạng MLP trọng số thích nghi bao gồm số lượng lớn tính tốn phức tạp Do đó, với số ứng dụng điều khiển thời gian thực loại mạng mạng nơron khơng phù hợp Cơ chế học hội tụ chậm trải qua vùng giá trị cực tiểu cục Cơ chế học dễ dàng đạt vùng giá trị cực tiểu cục Hàm trọng lượng mạng kết thúc vùng cực tiểu phụ thuộc vào hàm trọng lượng ban đầu mạng Do cần phải thực nhiều thử nghiệm huấn luyện mạng với cài đặt hàm trọng lượng ban đầu khác nhau, để thu độ bám xác chấp nhận Có khả tổng qt hố tốt Một thuận lợi thực tế mối quan hệ vào thích ứng tồn MLP có khả tổng qt tốt q trình huấn luyện thực cách tổng thể Khi hệ thống chuyển động phải vận hành tốc độ thấp, điều khiển FEL có khuynh hướng đưa hiệu suất Điều thực tế mạng MLP gặp khó khăn việc học liệu có tương quan với mức cao Khi liệu có tương quan với mức cao, mạng có khuynh hướng chuẩn hố tín hiệu theo liệu cuối cùng, kết đưa khả khái quát hoá Sự trơn tru giá trị xấp xỉ khơng hồn tồn điều khiển Số lượng thông số MLP định tính xác cực đại giá trị xấp xỉ Nó khơng đảm bảo độ trơn tru định Nhờ việc học, mạng MLP xấp xỉ gần hàm mục tiên phạm vi đầu vào xác phần cịn lại Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 11 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu Nhìn vào thuộc tính trên, ta kết luận trường hợp mà cách học tốt, điều khiển FEL có khả đáp ứng tốt Các nghiên cứu khác nhằm mục đích khắc phục vấn đề tồn điều khiển FEL Theo ta giới thiệu tóm lược phương pháp: phương pháp đầu thay đổi cấu trúc điều khiển học Trong phương pháp lại loại hàm xấp xỉ khác đựơc sử dụng Trước tiên, phương pháp thứ cải thiện cách học cách chọn đầu vào khác cho hàm xấp xỉ Sai số tín hiệu thêm vào đầu vào xấp xỉ, điều làm thay đổi điều khiển LC từ chỗ hoàn toàn điều khiển feed-forward nguyên chuyển sang điều khiển feed-forward (hình 1.4) Các thí nghiệm LC khắc phục số lỗi điều khiển FEL gốc r(n) r Hµm xÊp xØ UF + r + - + y P C Hình 1.4 Học theo sai số phản hồi Phương thức thứ sử dụng nhiều điều khiển feed-forward, huấn luyện để thực nhiệm vụ cụ thể Một mạng neural giám sát học xem feed-forward sử dụng cho nhiệm vụ Bộ LC kiểm tra tay máy mà phải thực chuyển động với đối tượng có trọng lượng khác Sau học, điều khiển feed-forward học phải đảm Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 12 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu nhiệm cho đối tượng xác định Mạng giám sát học từ điều khiển feedforward áp dụng cho đối tượng Khi mạng MLP ngun nhân gây nên khó khăn điều khiển FEL, phương pháp rõ ràng phải tìm hàm xấp xỉ khác Mạng MLP thay mạng (Cerebellar Model Articulation Controller CMAC) Mạng CMAC phụ thuộc vào lớp mạng nơron mà làm việc với hàm sở Trong trường hợp mạng CMAC, hàm sở bao gồm hàm đa thức thơng minh mà có giá trị khác không phần không gian đầu vào Ở điểm không gian đầu vào p hàm sở chồng chéo lên Thông số p biết đến thơng số khái qt hố lựa chọn nhà thiết kế Đầu mạng CMAC tổng trọng số hàm ước lượng sở Việc học tiến hành cách mô theo trọng số mạng, theo thân hàm sở Tất điều nhằm mục đích cải thiện vấn đề sau: Độ hội tụ nhanh Khi việc học diễn cách cục bộ, có số nhỏ hàm trọng lượng thích nghi, gây độ hội tụ nhanh Có thể học liệu tương quan Các vùng hàm sở trộn lẫn, điều có ích cho q trình học liệu tương quan Khơng có cực tiểu cục Cơ cấu học không trải qua vùng cực tiểu cục Tuy nhiên bất lợi người thiết kế điều khiển phải lựa chọn phân phối hàm sở Điều yêu cầu phải có số kiến thức tảng ánh xạ vào/ra theo mong muốn việc điều chỉnh phân phối hàm sở cần thiết trước đạt hiệu suất chấp nhận Các nghiệm thí việc thay mạng MLP mạng CMAC đem lại trình học tốt độ bám xác 1.4 Điều khiển truyền thẳng tự học Trong luận văn hệ thống LC xét có cấu trúc tương tự cấu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 13 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu trúc điều khiển FEL (hình 1.2) Tuy nhiên, phần feed-forward điều khiển LC thực giống mạng B-Spline (BSN) thay mạng MLP Loại điều khiển FEL gọi LFFC Phương pháp BSN tương tự phương pháp CMAC Giống mạng CMAC, mạng BSN sử dụng hàm cịn gọi B-Spline để xấp xỉ hố Trong thiết kế LFFC thông số sau BSN phải lựa chọn : 1.4.1 Đầu vào mạng BSN Đối với hệ thống chuyển động, đầu vào BSN bao gồm vị trí đặt, r, đạo hàm (xem hình 1.2) 1.4.2 Sự phân bố B-Spline đầu vào mạng BSN Đầu BSN tổng trọng lượng B- spline ước lượng Do đó, số lượng B-Spline vị trí chúng định tính xác giá trị xấp xỉ Các tín hiệu đích có dạng trơn xấp xỉ cách xác với số lượng thấp B-Spline “rộng” Các tín hiệu có độ dao động lớn u cầu số lượng lớn B-Spline “hẹp” (xem hình 1.5) uF Hàm xấp xỉ μ r[m] B-splines r[m] ==Hàm mục tiêu ==Hàm xấp xỉ Hình 1.5 ánh xạ BSN Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 14 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu Một khả riêng biệt việc phân bố B-Spline tạo sở kiến thức đối tượng nghịch đảo nhiễu, nhờ tiến trình lặp lặp lại sử dụng liệu thực nghiệm 1.4.3 Sự lựa chọn cấu học Tự học ví dụ thích nghi trọng số mạng tiến hành sau mẫu - biết tới gọi học trực tuyến sau chuyển động thực xong - gọi off-line learning Luật online learning sau: wi  i (r )e(r ) (1.3) Ns Và luật offline learning sau: wi     ( r )e( r ) i i 1 j j Ns   (r ) i 1 i (1.4) j với: rj: đầu vào BSN Trong LFFC đầu vào bao gồm vị trí đặt đạo hàm f , rj  rj , rj ,  i (rj ) : thành phần B-Spline thứ I i (rj )  0.1 i : thích nghi trọng số B-Spline thứ i  : tỷ lệ học <   e(rj ) : Sai số xấp xỉ tạo mạng, LFFC e(rj) đầu điều khiển phản hồi uC; Ns: Số lượng mẫu đầu vào 1.4.4 Sự lựa chọn tốc độ học Tốc độ học lớn độ hội tụ kỹ thuật học nhanh Tuy nhiên tốc độ học mà lớn làm cho giá trị xấp xỉ thêm nhạy cảm với nhiễu nguyên nhân gây ổn định Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 15 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu Bằng việc sử dụng BSN, ta có ưu điểm sau: Khơng có cực tiểu cục Đầu BSN hàm trọng số tuyến tính Điều có nghĩa kỹ thuật học đưa (1.3) (1.4) không trải qua vùng cực tiểu cục Điều nhấn mạnh trọng số đầu BSN khơng ảnh hưởng đến độ xác tự hiệu chỉnh cuối Học cục Khi B-Spline có tảng chắn, ánh xạ vào/ra BSN thích nghi cách cục Việc huấn luyện chuyển động không thiết phải ảnh hưởng tới khả hiệu chỉnh chuyển động học trước Hơn nữa, tảng chắn B-Spline có số lượng nhỏ trọng số góp phần cho đầu ra, q trình huấn luyện, có trọng số cần cần đáp ứng Điều trái ngược với MLP nơi mà tất trọng số mạng bị thay đổi suốt q trình học Do đó, BSN hội tụ nhanh nhiều so với MLP Sự xác điều chỉnh Độ trơn quan hệ vào/ra xác định cách chọn phân bố B-spline Việc chọn B-spline mà có tảng vững hơn, làm cho BSN có giá trị xấp xỉ liệu miền cao tần xác Khi mà, giới hạn cấu chấp hành, ví dụ, với giá trị xấp xỉ trơn liệu yêu cầu phần xác định không gian đầu vào, B-spline nên sử dụng để có tảng rộng thức bậc cao Trong trường hợp MLP, người dùng xác định độ trơn phần khác không gian đầu vào, thay vào MLP xác định rõ vị trí nguồn Cho tới mạng CMAC nắm bắt thuận lợi liệt kê mạng BSN Chúng ta chọn BSN đơn giản Trong mạng CMAC hàm phân bố hàm mà giá trị đầu vào hàm sở xác p có định lượng lớn Một số hàm phân bố thoả mãn điều Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 16 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu hàm dẫn đến giá trị xấp xỉ khác Người sử dụng phải chọn hàm phân bố có khả xấp xỉ tốt Hơn thế, việc chọn lọc giá trị xấp xỉ cách thêm số ràng buộc (thêm hàm sở), kết có hàm phân bố sở khác Điều khơng mong muốn cho Sự phân bố hàm BSN khơng phức tạp Hạn chế BSN (và NN với hàm bản) số lượng trọng số mạng tăng theo hàm mũ với kích thước khơng gian đầu vào Số lượng trọng số BSN - N chiều cho bởi: N Nt   N j (1.5) j 1 Với Nj số lượng B-Spline định nghĩa đầu vào thứ j Khi xét tới độ xác u cầu nhiều B-Spline giá trị Nj lớn hơn, ví dụ hàm phi tuyến mức độ cao xấp xỉ hoá, mạng không thực tế số lượng đầu vào lớn Điều gọi sai lệch kích thước mang lại số vấn đề sau: Số lượng lớn trọng số mạng Nếu đối tượng động học có thành phần phi tuyến mức độ cao, hàm phi tuyến mức độ cao bị ánh xạ mạng B-Spline Một mạng mà có khả ánh xạ phi tuyến cách xác chiếm phần lớn dung lượng lớn nhớ máy tính Trong thực tế, nguồn nhớ có giới hạn, mạng phức hợp ánh xạ xác phải cân với Các huấn luyện rộng Khi thực thi chuyển động định trước, có trọng số mạng lập đầu vào mạng cập nhật Để thích ứng số lượng lớn trọng số mạng, yêu cầu cần phải có số lượng lớn huấn luyện chuyển động Điều dẫn tới nhiều lần huấn luyện Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 17 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu mạng huấn luyện trực tuyến ví dụ suốt trình điều khiển Khả khái quát Việc bù phi tuyến yêu cầu B-Spline hẹp để thoả mãn yêu cầu độ xác Tuy nhiên, với BSpline hẹp, tín hiệu đầu mạng khác xảy với đường cong quỹ đạo mà “gần với nhau” Vì lý đó, mà huấn luyện rộng đề cập đáp ứng tất cần thiết mà phải đưa trước đề cập tới hiệu lợi ích thu Có thể thấy sai lệch kích thước gây hại nghiêm trọng tới giá trị thương mại LFFC Do đó, nên cố gắng để vượt qua sai lệch kích thước 1.5 Ứng dụng minh hoạ: Hệ thống chuyển động động tuyến tính Một ứng dụng thú vị LC động tuyến tính đồng dùng nam châm vĩnh cửu Các động tuyến tính thường thiết kế để thực chuyển động tuyến tính với độ xác nhỏ mm ví dụ cắt lazer, máy quét, máy thực nhiệm vụ gắp - đặt Động tuyến tính xét cịn gọi Hệ thống chuyển động động tuyến tính (Linear Motor Motion System LiMMS) chế tạo Philips Cấu trúc động bao gồm phần tĩnh bao phủ đế kim loại phần động Phần động chứa cuộn điện lõi sắt xem hình 1.6 Bằng cách cung cấp dòng điện pha vào cuộn dây phần động tạo chuỗi lực hút đẩy cực đế kim loại Kết gây chuyển động phần động phần tĩnh Các hoạt động động chuyển động gia trọng: trọng lượng phần động với tải (tải giả định), mL, có giá trị 37(kg) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 18 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu translator ΦA coils Permanent magnets S N ΦB ΦC S N S N ΦA S N S N Base plate Hình 1.6: Nguyên lý làm việc động tuyến tính LiMMS Các đường thị đường cong từ hoá với  A  B  C pha dòng động pha Trong trình làm việc, phần động chịu ảnh hưởng lực nhiễu tần số cao gây gọi lực dao động Lực tạo nguyên nhân sau: Trước hết, tương tác trường điện từ mạnh tồn trường điện từ gây nam châm phần tĩnh lõi sắt có gắn cuộn dây phần động Lõi sắt có nhiệm vụ để tăng hiệu làm việc động Lực nhiễu này, gọi lực cogging, cố gắng chỉnh lõi sắt nam châm để ổn định vị trí phần động (vị trí chốt) Lực cogging phụ thuộc vào mối qua hệ vị trí phần động với nam châm Nó độc lập với dịng động Để đơn giản hố mô phỏng, lực cogging, F C[N] , mô hình hố dạng nhiễu đầu vào hình sin với biên độ 10 [N] bước sóng 1,6.e-2(m) phụ thuộc vào vị trí động y[m]: FC(y) = 10sin (1.6e-2y) (1.6) Thứ hai lực dao động tạo sai số trình đảo mạch tức cách cung cấp dòng cho cuộn dây Khi chuyển động cuộn dây thông qua trường điện từ biến thiên, từ trường ngược tạo phụ thuộc vào vận tốc cuộn dây đường tuyến tính Nếu dịng cấp cho cuộn dây Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 19 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu không cân xứng với từ trường ngược lực dao động phụ thuộc vào vị trí vận tốc phần động từ trường ngược tính tốn từ mơ hình chi tiết phần động nam châm phần tĩnh Điều yêu cầu vị trí thuộc tính điện từ trường điện từ phải biết cách xác Trong trường hợp LiMM sử dụng nam châm giá rẻ dẫn tới dung sai từ tính lớn Hơn nữa, nam châm không đặt vị trí xác cao nên khó thu mơ hình cần thiết để tính toán đảo mạch gây lực dao động Ảnh hưởng không đưa vào mơ hình mơ Các nhiễu khác tác động lên LiMMS tượng lực ma sát vòng bi phần động rãnh dẫn hướng đỡ Giả thiết đặc tính cấu ma sát thực mơ tả đường cong Stribeck, nghĩa lực ma sát bao gồm ma sát Coulomb ma sát, ma sát Stiction ma sát Viscous Trong mơ hình mơ xét ma sát Viscous dL = 10 [Nms]: FV  y   10 y (1.7) Kết mơ hình mơ hình 1.7 y + y s mL r - FV + y s dL + FC coogging Hình 1.7: mơ hình LiMMS Chương trình bày kết với LiMMS thực Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 20 http://www.lrc-tnu.edu.vn Chương 1: Giới thiệu 1.6 Bố cục luận văn Chương 2: Phân tích tính ổn định số -Thời gian LFFC Sự ổn định lâu dài tài sản cần thiết cho học điều khiển Để phân tích ổn định LFFC, ta xét loại chuyển động đặc biệt chuyển động lặp Trong trường hợp này, LFFC trở nên tương tự hai loại điều khiển học khác là: Điều khiển học tương tác (Iterative Learning Control ILC) điều khiển lặp (Repetitive Control RC) Việc phân tích tính ổn định chặt chẽ tồn hai ILC RC Trên sở đó, việc phân tích ổn định LFFC thực Việc phân tích tính ổn định cho ta nhìn sâu sắc hoạt động học LFFC cung cấp quy tắc cho việc lựa chọn đắn tham số thiết kế Chương 3: Thiết kế ứng dụng Ở chương này, lý thuyết làm rõ chương trước sử dụng thực thủ tục thiết kế cho LFFC Thủ tục áp dụng cho hệ thống LiMMS trình bày phần 1.5 Chương 4: Thảo luận Chúng thảo luận kết chương trước rút kết luận Số hóa Trung tâm Học liệu – Đại học Thái Nguyên 21 http://www.lrc-tnu.edu.vn ... Tài liệu tham khảo [1] Learning feed – Forward Control Theory, Design and Applications Wubbe Jan Roelf Velthuis - 1970 [2] Function Approximation for Learning Control, a key sample based approach...MỤC LỤC Chương 1: Giới thiệu 1.1 Tổng quan Learning Control (LC) …………………………… ………………1 1.2 Learning Control (LC) gì……………………………………………… ………2 1.3 Phản hồi sai số tự học…………………………………………………... T  j n  (2.31) Trong hình 2.5 giới thiệu ví dụ đồ thị Bode –T Trong tất giá trị  mà theo cos( )  đánh bóng Hình 2.5: Ví dụ đồ thị Bode –T Thay (2.31) (2.28) đạt được: cos1      m