(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược

(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược(Luận văn thạc sĩ) Điều khiển SWING UP và cân bằng con lắc ngược

LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Tp Hồ Chí Minh, ngày … tháng 10 năm 2015 (Ký tên ghi rõ họ tên) Nguyễn Quang Thông i LỜI CẢM ƠN Lời đầu tiên, xin gửi lời cảm ơn sâu sắc đến thầy TS Ngô Văn Thuyên, thầy hỗ trợ tạo điều kiện tốt cho phương tiện thiết bị học tập Hơn nữa, thầy định hướng, cung cấp cho tơi tài liệu kiến thức có giá trị với lời động viên, khích lệ tinh thần học tập giúp tơi hồn thành luận văn Sau đó, tơi xin gửi lời cảm ơn chân thành đến tập thể quý Thầy Cô trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh trang bị cho tảng kiến thức vững vàng, đáng giá Đặc biệt, xin chân thành cảm ơn quý Thầy Cô Khoa Điện – Điện Tử tạo điều kiện thuận lợi hỗ trợ cho nhiều trình học tập thời gian làm luận văn Cuối cùng, xin gởi lời cảm ơn đến gia đình, bạn bè, đồng nghiệp giúp đỡ, hỗ trợ kiến thức tinh thần trình làm luận văn ii TÓM TẮT LUẬN VĂN Hệ thống lắc ngược hệ thống không ổn định, phi tuyến mức cao Nó sử dụng mơ hình phổ biến cho ứng dụng kỹ thuật điều khiển tuyến tính phi tuyến Mơ hình lắc dùng để kiểm chứng lại thuật toán điều khiển điều khiển PID, trượt, mạng nơron, Điều khiển lắc ngược gồm hai trình: điều khiển swing-up điều khiển cân Trong luận văn này, lắc ngược điều khiển cân dùng mạng nơron huấn luyện theo thuật toán hàm sở xuyên tâm để học theo điều khiển có Kết mô cho thấy, điều khiển sử dụng mạng nơron hàm sở xuyên tâm có khả thay hồn tồn điều khiển có để điều khiển mơ hình lắc ngược Từ áp dụng điều khiển nơron lên mơ hình thực nghiệm, kết đáp ứng cho thấy lắc trì ổn định hồn tồn quanh vị trí cân thẳng đứng hướng lên Giải thuật Logic Mờ sử dụng để xây dựng điều khiển swing-up Bộ điều khiển Logic Mờ tính tốn đưa giá trị điều khiển tạo dao động hợp lý dựa vào vị trí vận tốc lắc để đưa lắc lên vị trí thẳng đứng hướng lên cho vận tốc nhỏ Sau chuyển sang điều khiển cân để giữ lắc ổn định vị trí Kết thực nghiệm cho thấy giải thuật Logic Mờ hoàn toàn có khả điều khiển đưa lắc từ vị trí bng lõng lên đến vị trí cân thẳng đứng hướng lên iii ABTRACT Inverted pendulum system is a highly nonlinear and unstable system It is used as a common model for technical applications in linear and nonlinear controlling Pendulum model is used to test control algorithms such as PID control, sliding, neural networks, … Controling a inverted pendulum consists of two processes: swing-up control and balance control In this thesis, inverted pendulum balance is controlled using neural network algorithm trained radial basis function to study under an existing controller Simulation results show that the controller using radial basis function neural networks fully capable replace existing controllers to control the inverted pendulum model Since then apply this to the neural controller experimental model we see the pendulum has been maintained completely pendulum stability around the equilibrium position Fuzzy Logic algorithm used to build the swing-up controller Fuzzy Logic Controller will calculate and provide value control based on the position and velocity of the pendulum to give the pendulum to vertical upward position so that the velocity at which the smallest Then switch to the balance control to keep the pendulum stable in this position Experimental results show that the algorithm Fuzzy Logic fully capable drivers put pendulum from location to location loose vertical upward equilibrium iv MỤC LỤC Trang tựa Trang Quyết Định Giao Đề Tài Xác Nhận Của Cán Bộ Hướng Dẫn Lý Lịch Khoa Học Lời cam đoan i Lời cảm ơn ii Tóm tắt luận văn iii Abtract iv Mục lục v Danh sách chữ viết tắt viii Danh sách hình ix Danh sách bảng xiv Chƣơng TỔNG QUAN 1.1 Đặt vấn đề 1.2 Lịch sử nghiên cứu 1.3 Mục tiêu giới hạn đề tài 1.4 Phương pháp nghiên cứu .4 1.5 Nội dung luận văn Chƣơng CƠ SỞ LÝ THUYẾT .6 2.1 Giới thiệu sơ lược hệ thống lắc ngược quay 2.2 Thiết lập mơ hình tốn học lắc ngược quay .7 2.3 Cơ sở lý thuyết mạng nơron hàm sở xuyên tâm .11 2.3.1 Khái niệm hàm sở xuyên tâm 11 2.3.2 Mơ hình mạng RBF 11 2.3.3 Mơ hình mạng RBF Gaussian 15 2.3.4 Các chiến lược học cho mạng RBF 19 2.3.5 Mạng hàm sở xuyên tâm Matlab 19 2.4 Tổng quan điều khiển mờ .24 v 2.4.1 Cấu trúc điều khiển mờ 25 2.4.2 Nguyên lý làm việc điều khiển mờ 28 2.4.3 Các loại điều khiển mờ thường sử dụng 29 2.4.4 Thiết kế điều khiển mờ 30 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG BỘ ĐIỀU KHIỂN PID .31 3.1 Thiết lập sơ đồ khối lắc ngược Simulink Matlab 31 3.2 Mô điều khiển cân lắc ngược dùng điều khiển PID .32 3.2.1 Đáp ứng góc lắc tuyến tính chưa có điều khiển 32 3.2.2 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α 34 3.2.3 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α góc θ 35 3.2.4 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi khối lượng lắc 37 3.2.5 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi chiều dài lắc 39 3.2.6 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến 41 3.2.7 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi khối lượng lắc 42 3.2.8 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi chiều dài lắc 44 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG MẠNG NƠRON NHÂN TẠO RBF 47 4.1 Thiết kế điều khiển cân dùng mạng nơron RBF 47 4.2 Mô điều khiển cân lắc ngược phi tuyến dùng mạng nơron RBF 49 4.2.1 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc đặt cố định 49 vi 4.2.2 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc nhiễu ngẫu nhiên 50 4.2.3 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi khối lượng lắc 52 4.2.4 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi chiều dài lắc 55 4.2.5 So sánh mạng nơron RBF với mạng Fitting Neural Network 58 Chƣơng ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ .61 5.1 Nguyên lý điều khiển mờ 61 5.1.1 Tiền xử lý 61 5.1.2 Mờ hóa 62 5.1.3 Hệ qui tắc mờ 62 5.1.4 Giải mờ 63 5.2 Điều khiển swing-up 63 5.3 Áp dụng điều khiển mờ swing-up lắc 64 Chƣơng KẾT QUẢ THỰC NGHIỆM 66 6.1 Điều khiển cân dùng mạng nơron RBF 66 6.2 Điều khiển swing-up dùng Logic Mờ 68 Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 71 7.1 Kết luận 71 7.2 Hướng phát triển đề tài 71 TÀI LIỆU THAM KHẢO 72 vii DANH SÁCH CÁC CHỮ VIẾT TẮT DSP : Digital Signal Processing MIMO : Multi Inputs Multi Outputs MISO : Multi Inputs Single Output NB : Negative Big NE : Negative PB : Positive Big PID : Proportional Integral Derivative PO : Positive PWM : Pulse-Width Modulation 10 QEP : Quadrature Encoder Pulse 11 RBF : Radial Basis Function 12 RBFNN : Radial Basis Function Neural Network 13 SCI : Serial Communications Interface 14 SIMO : Single Input Multi Outputs 15 SISO : Single Input Single Output 16 ZE : Zero viii DANH SÁCH CÁC HÌNH HÌNH Trang Hình 1.1 Xe hai bánh tự cân .1 Hình 1.2 Con lắc ngược quay Hình 1.3 Xe lắc ngược Hình 1.4 Con lắc ngược kép Hình 2.1 Hệ thống lắc ngược quay .6 Hình 2.2 Mơ hình lắc ngược quay Hình 2.3 Phân tích chuyển động lắc ngược quay .8 Hình 2.4 Sơ đồ biểu diễn mạng RBF với vector đầu vào x  Rn đầu y  R 12 Hình 2.5 Hàm sở xuyên tâm Gaussian .15 Hình 2.6 Biểu đồ phác họa mạng nơron sử dụng hàm sở xuyên tâm Gaussian 17 Hình 2.7 Biểu đồ khối biểu diễn RBFNN Gaussian 18 Hình 2.8 Mạng nơron hàm sở xuyên tâm với R ngõ vào 19 Hình 2.9 Đồ thị hàm a = radbas(n) 20 Hình 2.10 Cấu trúc mạng nơron hàm sở xuyên tâm 21 Hình 2.11 Overfitting (Spread = 100) .23 Hình 2.12 Underfitting (Spread = 0.01) 24 Hình 2.13 Fitting (Spread = 1) 24 Hình 2.14 Cấu trúc điều khiển mờ .25 Hình 3.1 Sơ đồ khối mơ hình tốn lắc tuyến tính .31 Hình 3.2 Sơ đồ khối mơ hình tốn lắc phi tuyến 31 Hình 3.3 Sơ đồ khối lắc tuyến tính chưa có điều khiển .32 Hình 3.4 Đáp ứng góc α lắc tuyến tính chưa có điều khiển 33 Hình 3.5 Đáp ứng góc θ lắc tuyến tính chưa có điều khiển 33 Hình 3.6 Sơ đồ khối mơ điều khiển lắc tuyến tính hồi tiếp góc α 34 Hình 3.7 Đáp ứng góc α lắc tuyến tính có hồi tiếp góc α 34 ix Hình 3.8 Đáp ứng góc θ lắc tuyến tính có hồi tiếp góc α 35 Hình 3.9 Sơ đồ khối mơ điều khiển lắc tuyến tính hồi tiếp hai góc α góc θ .36 Hình 3.10 Đáp ứng góc α lắc tuyến tính hồi tiếp hai góc α góc θ 36 Hình 3.11 Đáp ứng góc θ lắc tuyến tính hồi tiếp hai góc α góc θ 36 Hình 3.12 Sơ đồ khối mơ điều khiển lắc tuyến tính điều khiển PID hai biến thay đổi khối lượng lắc .37 Hình 3.13 Đáp ứng góc α lắc tuyến tính m = 0.1 kg 37 Hình 3.14 Đáp ứng góc θ lắc tuyến tính m = 0.1 kg 38 Hình 3.15 Đáp ứng góc α lắc tuyến tính m = 0.31 kg 38 Hình 3.16 Đáp ứng góc θ lắc tuyến tính m = 0.31 kg 38 Hình 3.17 Sơ đồ khối mơ điều khiển lắc tuyến tính điều khiển PID hai biến thay đổi chiều dài lắc 39 Hình 3.18 Đáp ứng góc α lắc tuyến tính l = 0.1 mét 39 Hình 3.19 Đáp ứng góc θ lắc tuyến tính l = 0.1 mét 40 Hình 3.20 Đáp ứng góc α lắc tuyến tính l = 0.3 mét 40 Hình 3.21 Đáp ứng góc θ lắc tuyến tính l = 0.3 mét 40 Hình 3.22 Sơ đồ khối mơ điều khiển lắc phi tuyến với tín hiệu nhiễu điều khiển PID hai biến .41 Hình 3.23 Đáp ứng góc α lắc phi tuyến ngõ vào tín hiệu nhiễu 41 Hình 3.24 Đáp ứng góc θ lắc phi tuyến ngõ vào tín hiệu nhiễu .42 Hình 3.25 Sơ đồ khối mơ điều khiển lắc phi tuyến điều khiển PID hai biến thay đổi khối lượng lắc .42 Hình 3.26 Đáp ứng góc α lắc phi tuyến m = 0.1 kg .43 Hình 3.27 Đáp ứng góc θ lắc phi tuyến m = 0.1 kg .43 Hình 3.28 Đáp ứng góc α lắc phi tuyến m = 0.31 kg 43 Hình 3.29 Đáp ứng góc θ lắc phi tuyến m = 0.31 kg 44 x Chƣơng Điều khiển cân dùng mạng nơron nhân tạo RBF Hình 4.26 Sơ đồ khối so sánh liệu đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network Đáp ứng góc α góc θ lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network vẽ đồ thị Hình 4.27 Hình 4.28 Hình 4.27 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network Hình 4.28 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network 59 Chƣơng Điều khiển cân dùng mạng nơron nhân tạo RBF Nhận xét: Kết mơ cho thấy, trường hợp mạng nơron RBF có khả trì giá trị góc α góc θ dao động ổn định, khơng bị trôi hướng So với mạng Fitting Neural Network luận văn tác giả Nguyễn Đức Quyền [5] mạng nơron RBF điều khiển lắc với độ dao động góc α góc θ nhỏ nhiều Điều chứng tỏ mạng nơron RBF có khả điều khiển cân lắc ngược tốt mạng Fitting Neural Network Bên cạnh đó, mạng nơron RBF có ưu nhược điểm định: Ưu điểm: ‒ Lệnh huấn luyện đơn giản, không cần phải khai báo nhiều thông số ‒ Thời gian huấn luyện ngắn Nhược điểm: ‒ Q trình mơ nhiều thời gian ‒ Thuật toán huấn luyện chiếm nhiều dung lượng nhớ, huấn luyện liên tục bị lỗi “Out of Memory” Để khắc phục, phần mềm Matlab phải khởi động lại trước tiếp tục huấn luyện ‒ Khó khăn việc chọn hệ số Spread Từ trước đến hệ số chọn theo kinh nghiệm nhiều nhiều thời gian để tìm hệ số spread thoả mãn u cầu tốn điều khiển Chính thế, tìm hệ số spread thoả mãn u cầu tốn điều khiển khơng thể kết luận hệ số tối ưu 60 Chƣơng Điều khiển swing-up dùng Logic Mờ Chƣơng ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ 5.1 Nguyên lý điều khiển mờ Khái niệm Logic Mờ giáo sư LA Zadeh đưa lần năm 1965 trường Đại học Berkeley, Bang California, Mỹ Từ đó, lý thuyết mờ phát triển ứng dụng rộng rãi Năm 1970, trường Mary Queen, London, Anh, Ebrahim Mamdani dùng Logic Mờ để điều khiển máy nước mà ông điều khiển kỹ thuật cổ điển Tại Đức, Harm Zimmermann dùng Logic Mờ cho hệ định Tại Nhật, Logic Mờ ứng dụng vào nhà máy xử lý nước Fuji Electronic vào 1983, hệ thống xe điện ngầm Hitachi vào 1987 Lý thuyết mờ đời Mỹ, ứng dụng Anh phát triển mạnh mẽ Nhật Trong lĩnh vực Tự Động Hoá, Logic Mờ ngày ứng dụng rộng rãi Ưu điểm lớn Logic Mờ điều khiển khơng cần biết mơ hình toán học đối tượng Điều khiển mờ dựa kinh nghiệm điều khiển, điều khiển kinh điển lại hồn tồn dựa vào xác tuyệt đối liệu Vì điều khiển mờ giải vấn đề mà điều khiển kinh điển không làm Sơ đồ khối điều khiển mờ trình bày Hình 5.1 Hình 5.1 Sơ đồ khối điều khiển mờ 5.1.1 Tiền xử lý Khâu tiền xử lý có chức xử lý tín hiệu trước đưa vào điều khiển mờ: 61 Chƣơng Điều khiển swing-up dùng Logic Mờ ‒ Lượng tử hóa làm trịn giá trị đo ‒ Chuẩn hóa chuyển tỉ lệ giá trị đo vào tâm giá trị chuẩn ‒ Lọc nhiễu ‒ Lấy vi phân hay tích phân 5.1.2 Mờ hóa Khâu mờ hóa chuyển giá trị rõ thành giá trị mờ để hệ qui tắc suy luận Giả sử tín hiệu vào hệ mờ giá trị rõ x’, khối mờ hóa biến đổi giá trị rõ x’ thành tập mờ Ã’ sau: Ã’= fuzz (x’) Trong đó: fuzz hàm mờ hóa, thơng thường tín hiệu vào hệ mờ tín hiệu phản hồi từ ngõ đối tượng sai lệch tín hiệu đặt tín hiệu phản hồi từ ngõ đối tượng Nếu mạch đo xác, khơng có nhiễu giá trị rõ x’ đơn giản biến đổi thành tập mờ Ã’ có dạng Singleton Hình 5.2a Nếu mạch đo khơng xác có nhiễu giá trị phản hồi x’ giá trị không chắn, khối mờ hóa biến đổi giá trị khơng chắn x’ thành tập mờ có dạng Hình 5.2b Hình 5.2c (a) (b) (c) Hình 5.2 Tập mờ ngõ khâu mờ hóa Trong điều khiển mờ tín hiệu vào điều khiển thường mờ hóa thành tập mờ có dạng Singleton Các tín hiệu vào sau mờ hóa xử lý hệ qui tắc mờ 5.1.3 Hệ qui tắc mờ Hệ qui tắc mờ gồm qui tắc có dạng mệnh đề “nếu … …”, mệnh đề điều kiện mệnh đề kết luận quy tắc mệnh đề mờ liên quan đến hay nhiều biến ngôn ngữ Điều có nghĩa hồn tồn sử dụng hệ mờ để giải toán điều khiển ngõ vào ngõ (SISO) hay nhiều ngõ vào nhiều ngõ (MIMO) 62 Chƣơng Điều khiển swing-up dùng Logic Mờ Hai phương pháp suy diễn thường dùng điều khiển mờ MAX-MIN MAX-PROD Hai loại quy tắc mờ sử dụng phổ biến hệ mờ quy tắc mờ Mamdani quy tắc mờ Tagaki – Sugeno Trong ứng dụng điều khiển, quy tắc Mamdani thích hợp để điều khiển đối tượng khơng xác định mơ hình tốn Trong đó, quy tắc mờ Sugeno thích hợp để giải tốn phi tuyến phương pháp tuyến tính hóa đoạn 5.1.4 Giải mờ Giải mờ trình xác định giá trị rõ đầu từ hàm thuộc µB’(y) tập mờ B’ Có nhiều cách giải mờ theo phương pháp cực đại, giải mờ theo phương pháp trọng tâm, phương pháp độ cao, … 5.2 Điều khiển swing-up Bộ điều khiển swing-up sử dụng để đưa lắc từ vị trí thẳng đứng hướng xuống lúc ban đầu đến vị trí thẳng đứng hướng lên Bộ điều khiển swing-up thiết kế dựa theo báo “Swing-up Control of Inverted Pendulum using Pseudo-State feedback” tác giả K.Furuta and M Yamakita Thuật toán điều khiển swing-up lắc tiến hành sở phân tích quỹ đạo chuyển động lắc miền không gian trạng thái Mối quan hệ trạng thái vị trí góc lắc  ,  ,  với      , trạng thái vị trí góc cánh tay π/2 > θ > Có thể thấy gia tốc cánh tay 0, tức cánh tay quay chậm đứng yên quỹ đạo chuyển động lắc có xu hướng góc tọa độ (θ = 0,  = 0) Để lắc lắc ngược lên vị trí ±π cần gia tốc chuyển động cánh tay Nếu lắc vị trí π/2 > θ > 0, tốc độ góc  ≥ giảm cần gia tốc cánh tay theo hướng thuận chiều kim đồng hồ nhờ tín hiệu điều khiển u = -u0 Nếu lắc vị trí > θ > -π/2, tốc độ góc  ≤ giảm cần gia tốc cánh tay theo hướng ngược chiều kim đồng hồ nhờ tín hiệu điều khiển u = u0 Miền không gian trạng thái lắc trình bày Hình 5.3 63 Chƣơng Điều khiển swing-up dùng Logic Mờ Hình 5.3 Miền khơng gian trạng thái lắc Từ thấy thao tác điều khiển gia tốc quay cánh tay thực hai vùng A B mặt phẳng quỹ đạo Khi lắc rời khỏi hai vùng A B có tốc độ góc |  | vị trí góc |θ| lớn Sau vài chu kỳ lắc vị trí góc lắc đạt đến ±π với vận tốc thấp Mơ hình điều khiển swing-up cân lắc thể Hình 5.4 Hình 5.4 Mơ hình điều khiển swing-up cân lắc ngược 5.3 Áp dụng điều khiển mờ swing-up lắc Bộ điều khiển mờ xây dựng có hai ngõ vào de, t_in tín hiệu ngõ u điều khiển 64 Chƣơng Điều khiển swing-up dùng Logic Mờ Sơ đồ mờ hóa ngõ vào trình bày Hình 5.5 Hình 5.5 Sơ đồ mờ hóa ngõ vào Sơ đồ giải mờ ngõ trình bày Hình 5.6 Hình 5.6 Sơ đồ giải mờ ngõ Luật mờ: ‒ Nếu tín hiệu ngõ vào NE tín hiệu điều khiển NB ‒ Nếu tín hiệu ngõ vào ZE tín hiệu điều khiển ZE ‒ Nếu tín hiệu ngõ vào PO tín hiệu điều khiển PB Hình 5.7 Vùng tác động điều khiển lắc ngược 65 Chƣơng Kết thực nghiệm Chƣơng KẾT QUẢ THỰC NGHIỆM 6.1 Điều khiển cân dùng mạng nơron RBF Sơ đồ khối thu thập liệu trình bày Hình 6.1 Hình 6.1 Sơ đồ khối thu thập liệu Mơ hình điều khiển điều khiển PID để thu thập liệu Dữ liệu thu thập gồm: ‒ ngõ vào: Góc α, thành phần trễ góc α; Góc θ, thành phần trễ góc θ ‒ ngõ ra: Tín hiệu tổng hợp hai PID 66 Chƣơng Kết thực nghiệm Khác với việc thu thập liệu mô phỏng, thực nghiệm khối SCI Transmit Matlab kết hợp với phần mềm Terminal sử dụng để thu thập liệu từ mơ hình máy tính qua cổng COM Sau thu thập xử lý liệu, việc huấn luyện mạng nơron tiến hành Kết thúc trình huấn luyện, sơ đồ khối điều khiển cân lắc xây dựng Hình 6.2: Hình 6.2 Sơ đồ khối điều khiển cân lắc ngược mạng nơron RBF Kết đáp ứng góc α góc θ thể đồ thị Hình 6.3 Hình 6.4 Hình 6.3 Đáp ứng góc α điều khiển lắc ngược mạng nơron RBF 67 Chƣơng Kết thực nghiệm Hình 6.4 Đáp ứng góc θ điều khiển lắc ngược mạng nơron RBF Nhận xét: Kết thực nghiệm cho thấy, điều khiển mạng nơron RBF góc α lắc dao động khoảng (-30 ÷ 10) góc θ lắc dao động khoảng (-100 ÷ 500) 6.2 Điều khiển swing-up dùng Logic Mờ Sơ đồ khối điều khiển swing-up cân lắc ngược thiết kế Hình 6.5 Hình 6.5 Sơ đồ khối điều khiển swing-up cân lắc ngược 68 Chƣơng Kết thực nghiệm Kết đáp ứng góc α góc θ thể đồ thị Hình 6.6 Hình 6.7 Hình 6.6 Đáp ứng góc α điều khiển swing-up cân Hình 6.7 Đáp ứng góc θ điều khiển swing-up cân Kết đáp ứng góc α góc θ giai đoạn cân thể đồ thị Hình 6.8 Hình 6.9 69 Chƣơng Kết thực nghiệm Hình 6.8 Đáp ứng góc α giai đoạn cân Hình 6.9 Đáp ứng góc θ giai đoạn cân Nhận xét: Kết thực nghiệm cho thấy, lắc đưa lên vị trí cân khoảng giây, sau trì trạng thái cân ổn định với góc α dao động khoảng (-10 ÷ 30) góc θ dao động khoảng (-500 ÷ 100) 70 Chƣơng Kết luận hƣớng phát triển Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 7.1 Kết luận Mục đích luận văn xây dựng điều khiển cân cho lắc ngược mạng nơron hàm sở xuyên tâm Công việc tiến hành xây dựng mô hình tốn học cho lắc ngược để phục vụ cho việc mô thu thập liệu Sau dùng liệu để huấn luyện cho mạng nơron hàm sở xuyên tâm Qua kết mô thực nghiệm cho thấy, mạng nơron hàm sở xuyên tâm có khả cân ổn định lắc vị trí thẳng đứng hướng lên với góc dao động nhỏ Hạn chế mạng hệ số Spread chọn theo kinh nghiệm kết luận hệ số Spread chọn tối ưu Bên cạnh đó, điều khiển swing-up thiết kế để tạo dao động đưa lắc từ vị trí bng lõng lên đến vị trí cân thẳng đứng hướng lên Giải thuật Logic Mờ sử dụng điều khiển swing-up kết thực nghiệm cho thấy điều khiển swing-up sử dụng Logic Mờ đưa lắc từ vị trí bng lõng lên vị trí cân khoảng thời gian giây sau lắc tiếp tục trì trạng thái cân ổn định với góc dao động nhỏ 7.2 Hƣớng phát triển đề tài Đề tài phát triển thêm sau: ‒ Dùng mạng nơron online để tự huấn luyện điều chỉnh thơng số, cấu trúc mạng q trình điều khiển ‒ Ứng dụng mạng nơron theo luật học không giám sát để điều khiển ổn định hệ thống lắc ‒ Xây dựng giải thuật tối ưu hóa hệ số Spread huấn luyện mạng nơron RBF 71 TÀI LIỆU THAM KHẢO [1] Yung-Chih Fu, Jung-Shan Lin, Nonlinear backstepping control design of the furuta pendulum, IEEE Conference on Control Applications - CCA, pp 96-101, 2005 [2] Mojtaba Ahmadieh Khanesar., Mahdi Aliyari Shoorehdel, Sliding Mode Control of Rotary Inverted Pendulum, Proceedings of the 15th Mediterranean Conference on Control & Automation, July 27 - 29, Greece, 2007 [3] Chunha Ryu, Byung-Jae Choi, Bong-Yeol Choi, Design of a Fuzzy Logic Controller for a Rotary-type Inverted Pendulum System, International Journal of Fuzzy Logic and Intelligent Systems, vol 2, no 2, June 2002 pp 109-114 [4]Trương Tấn, Ngô Văn Thuyên, Điều khiển nhận dạngcon lắc ngược, Luận Văn Thạc Sỹ - Đại Học Sư Phạm Kỹ Thuật TP HCM, 2012 [5]Nguyễn Đức Quyền, Ngô Văn Thuyên, Điều khiển lắc ngược sử dụng mạng nơron chip DSP, Luận Văn Thạc Sỹ - Đại Học Sư Phạm Kỹ Thuật TP HCM, 2013 [6] Zhongmin Wang, Yang Quan Chen, Ning Fang, Minimum-Time Swing-up of a Rotary Inverted Pendulum by Iterative Impulsive Control, Proceeding of the American Control Conference Boston, Massachusetts, 2004 [7] Singh Vivekkumar Radhamohan, Mona Subramaniam A, Dr M.J.Nigam, Fuzzy Swing-up and Stabilization of Real Inverted Pendulum using single rulebase, Journal of Theoretical and Applied Information Technology, 2010 [8] Phạm Hữu Dục Đức, Mạng nơron ứng dụng điều khiển tự động, Nhà xuất khoa học kỹ thuật, 2009 [9] Nguyễn Thị Phương Hà, Huỳnh Thái Hoàng, Lý thuyết điều khiển tự động, Đại học Bách khoa Tp.HCM, 2005 72 S K L 0 ... chứng lại thuật toán điều khiển điều khiển PID, trượt, mạng nơron, Điều khiển lắc ngược gồm hai trình: điều khiển swing- up điều khiển cân Trong luận văn này, lắc ngược điều khiển cân dùng mạng nơron... khối điều khiển swing- up cân lắc ngược 68 Hình 6.6 Đáp ứng góc α điều khiển swing- up cân 69 Hình 6.7 Đáp ứng góc θ điều khiển swing- up cân 69 Hình 6.8 Đáp ứng góc α giai đoạn cân ... 5.2 Điều khiển swing- up 63 5.3 Áp dụng điều khiển mờ swing- up lắc 64 Chƣơng KẾT QUẢ THỰC NGHIỆM 66 6.1 Điều khiển cân dùng mạng nơron RBF 66 6.2 Điều khiển swing- up