(Luận văn thạc sĩ hcmute) điều khiển pid một nơ ron thích nghi dựa trên bộ nhận dạng mạng nơ ron rbf

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN THANH TÚ ĐIỀU KHIỂN PID MỘT NƠ-RON THÍCH NGHI DỰA TRÊN BỘ NHẬN DẠNG MẠNG NƠ-RON RBF NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 S K C0 8 Tp Hồ Chí Minh, tháng 09/2012 Luan van BỘ GIÁO DỤC VÀ ĐÀO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ TRẦN THANH TÚ ĐIỀU KHIỂN PID MỘT NƠ-RON THÍCH NGHI DỰA TRÊN BỘ NHẬN DẠNG MẠNG NƠ-RON RBF NGÀNH: KỸ THUẬT ĐIỆN TỬ - 605270 Hƣớng dẫn khoa học: GVC-TS NGUYỄN CHÍ NGƠN Tp Hồ Chí Minh, tháng 09/2012 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: TRẦN THANH TÚ Giới tính:Nam Ngày, tháng, năm sinh: 28/08/1977 Nơi sinh: Bạc Liêu Quê quán: Hồng Dân-Bạc Liêu Dân tộc: Kinh Chỗ riêng địa liên lạc: 132/42/14, Hùng Vƣơng, TP.Cần Thơ Điện thoại: 0909113286 E-mail: tran.thanh.tu.thtpct@gmail.com II QUÁ TRÌNH ĐÀO TẠO: Hệ đào tạo: Chính quy; Thời gian đào tạo từ 09/1996 đến 09/2001 Nơi học (trƣờng, thành phố): Trƣờng Đại học Cần Thơ, TP.Cần Thơ Ngành học: Điện Tử Tên đồ án, luận án: Xây dựng Anten toàn hƣớng Ngày & nơi bảo vệ đồ án, luận án: tháng 06/2001, Trƣờng Đại học Cần Thơ Ngƣời hƣớng dẫn:Thạc sĩ-GVC Đồn Hịa Minh III Q TRÌNH CƠNG TÁC CHUN MƠN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Nơi công tác Công việc đảm nhiệm Từ 04/09/2001 Đài Phát Truyền hình Phát hình truyền dẫn đến TP.Cần Thơ sóng i Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu tơi.Các số liệu, kết trình bày luận văn đƣợc kiểm tra kỹ phản ánh hồn tồn trung thực chƣa đƣợc cơng bố cơng trình khác Tp Hồ Chí Minh, ngày 21 tháng 09 năm 2012 (Ký tên ghi rõ họ tên) Trần Thanh Tú ii Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF CẢM ƠN Tôi xin bày tỏ lời cám ơn sâu sắc lịng kính trọng thầy hƣớng dẫn: GVC-TS Nguyễn Chí Ngơn có dẫn quý báu phƣơng pháp luận định hƣớng nghiên cứu để luận văn hoàn thành Tôi bày tỏ lời cám ơn Khoa Điện-Điện tử trƣờng Đại học Sƣ phạm Kỹ thuật thành phố Hồ Chí Minh, Khoa Cơng nghệ trƣờng Đại học Cần Thơ đơn vị công tác tạo điều kiện thuận lợi sở vật chất thời gian để tơi hồn thành luận văn Tôi xin trân trọng cám ơn Thầy Phản biện đóng góp ý kiến trao đổi vấn đề lý thuyết nhƣ thực tiễn để luận văn đƣợc hồn thiện Cuối cùng, tơi xin bày tỏ lời cám ơn sâu sắc đến gia đình, ngƣời thân, bạn bè đồng nghiệp chia sẻ cổ vũ động viên tinh thần tơi suốt q tình học tập thực luận văn iii Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF TĨM TẮT Tóm tắt: Luận văn nhằm nghiên cứu xây dựng điều khiển PID nơron thích nghi để điều khiển đối tƣợng phi tuyến chƣa biết trƣớc tham số cấu trúc Bộ điều khiển PID đƣợc tổ chức dƣới dạng nơ-ron tuyến tính mà ba trọng số kết nối ba ngõ vào nơ-ron tƣơng ứng với ba thông số Kp, Ki, Kd điều khiển Áp dụng giải thuật huấn luyện trực truyến (online) nơ-ron cho phép tự điều chỉnh thơng số điều khiển thích nghi theo biến đổi đặc tính động đối tƣợng Bộ nhận dạng mạng nơ-ron RBF làm nhiệm vụ nhận dạng không tham số mơ hình đối tƣợng, từ đƣa thơng tin Jacobian cịn gọi độ nhạy đối tƣợng Bộ nhận dạng đƣợc huấn luyện trực tuyến phƣơng pháp gradient descent Giải thuật huấn luyện điều khiển PID nơ-ron cần thông tin Jacobian từ nhận dạng, để tính tốn giá trị gradient dùng để cập nhật trọng số kết nối nơ-ron PID Kiểm nghiệm qua mô MATLABvà tiến tới thực nghiệm hệ ổn định áp suất RT030 hãng Gunt-Hamburg, Đức Kết cho thấy đáp ứng đối tƣợng thỏa mãn yêu cầu điều khiển khắc khe, triệt tiêu đƣợc sai số xác lập độ vọt lố nằm phạm vi cho phép Abstract: This thesis aims to develop a single neuron adaptive PID controller forunknownsystems APID controller is constructed as a linear neuron that three input weights of neuron work as three parameters Kp, Ki and Kdof the PID controller Applyingan online learning algorithm for this neuron allows self-tuning the PID controller adapting to behaviors of system dynamics.A RBF neural network - based non-parametric model identifier providesJacobian iv Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF information, also known as the sensitivity of the subject This neural network identifier is online trainedby using gradient descent method ThePID training algorithm needs Jacobian information from the identifier to calculate gradient values used to update weights of PID neuron The controller was tested by simulation on MATLAB and experiment on RT030 Air Pressure Control Unit of Gunt-Hamburg, Germany The results show that the system responses satisfy the requirements of control performance, eliminating steady-state error, and achieving safe overshoot v Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF MỤC LỤC LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii CẢM ƠN iii TÓM TẮT iv MỤC LỤC… vi CHƢƠNG 1: TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu, kết nghiên cứu ngồi nƣớc cơng bố 1.1.1 Tổng quan chung lĩnh vực nghiên cứu 1.1.2 Các kết nghiên cứu ngồi nƣớc cơng bố 1.2 Mục tiêu đề tài 1.3 Nhiệm vụ đề tài giới hạn đề tài 1.4 Phƣơng pháp nghiên cứu CHƢƠNG2: CƠ SỞ LÝ THUYẾT 2.1 Bộ điều khiển PID thích nghi 2.1.1 Tổng quan điều khiển PID 2.1.2 Bộ điều khiển PID thích nghi 12 2.2 Bộ điều khiển PID nơ-ron 14 2.2.1 Cấu trúc điều khiển PID nơ-ron 14 2.2.2 Huấn luyện trực tuyến điều khiển nơ-ron 15 2.3 Mạng nơ-ron RBF 16 2.3.1 Cấu trúc mạng nơ-ron RBF 16 2.3.2 Hàm sở xuyên tâm 17 2.3.3 Tổng quát hàm sở xuyên tâm Gaussian huấn luyện mạng RBF 18 2.4 Hệ ổn định áp suất RT030 20 vi Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF CHƢƠNG 3:THIẾT KẾ BỘ ĐIỀU KHIỂN PID MỘT NƠ-RON THÍCH NGHI DỰA TRÊN BỘ NHẬN DẠNG MẠNG NƠ-RON RBF 25 3.1 Sơ đồ điều khiển 25 3.2 Bộ nhận dạng đối tƣợng điều khiển 26 3.2.1 Bộ nhận dạng dựa mạng nơ-ron RBF 26 3.2.2 Giải thuật huấn trực tuyến nhận dạng 26 3.3 Giải thuật huấn luyện điều khiển PID nơ-ron 28 3.4 Mô giả định giải thuật huấn luyện điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF 29 3.4 Mơ 1: Tín hiệu tham khảo cố định 30 3.4 Mơ 2: Tín hiệu vào tham khảo xung vuông 33 3.4 Mô 3: Tín hiệu vào tham khảo Xref tín hiệu bậc thang tăng dần 37 CHƢƠNG 4:KẾT QUẢ THỰC NGHIỆM 40 4.1 Phƣơng thức giao tiếp máy tính với thiết bị RT030 40 4.2 Sơ đồ thực nghiệm điều khiển 42 4.3 Kết thực nghiệm 43 4.3.1 Kết thực nghiệm 1:43 4.3.2 Kết thực nghiệm 2: 47 4.3.3 Kết thực nghiệm 3: 50 4.3.4 Kết thực nghiệm 4: 52 CHƢƠNG 5:KẾT LUẬN 56 TÀI LIỆU THAM KHẢO 57 vii Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF CHƢƠNG TỔNG QUAN 1.1 Tổng quan chung lĩnh vực nghiên cứu, kết nghiên cứu ngồi nƣớc cơng bố 1.1.1 Tổng quan chung lĩnh vực nghiên cứu Trong phát triển KH&CN, lý thuyết điều khiển đại có vai trị quan trọng để giải nhiều vấn đề nhƣ nâng cao chất lƣợng điều khiển, độ ổn định hệ thống, tiết kiệm lƣợng hay nhƣ sử dụng máy móc thay ngƣời ứng dụng điều khiển phức tạp nguy hại Các điều khiển PIDđƣợcsử dụng rộng rãitrong việc kiểm sốtq trình cơng nghiệpbởi vìđơngiảnvàmạnh mẽ Tuy nhiên,thơng thƣờngbộ điều khiểnPIDvới thơng sốcốđịnhkhócó thểthích ứng vớithờigiankhác nhaucủa đối tƣợng có đặc tính động phạm vi rộng[1] Đểcải thiện hiệu suấtđiều khiển, điều khiểnPIDtự điều chỉnhđƣợc quan tâm nghiên cứu nhà khoa học[1-3] Để giải vấn đề phức tạp trên, lý thuyết điều khiển bền vững thích nghi đƣợc xem cơng cụ hữu hiệu Thực tế điều khiển thích nghi đƣợc áp dụng thành công nhiều lĩnh vực nhƣ điều khiển robot, máy công cụ, CNC, điều khiển trình (hóa học, sinh học, ), điều khiển truyền động hay nhƣ điều khiển lái tàu, máy bay tự động Tuy nhiên việc thiết kế điều khiển phi tuyến nói chung điều khiển thích nghi nói riêng không đơn giản đặt hàng loạt vấn đề cần giải nhƣ vấn đề ổn định hệ vịng kín, vấn đề điều khiển bám theo tín hiệu mẫu, vấn đề chống nhiễu làm suy giảm nhiễu nhƣ kết hợp vấn đề Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Pressure [bar] RT030_RBFNN Identifier 0.8 0.6 0.4 0.2 System Ouput Model Output -0.2 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 Time [s] 120 140 160 180 200 0.025 Jacobian 0.02 0.015 0.01 0.005 Hình 4.8: Ngõ mơ hình thông tin Jacobian xác định từ nhận dạng mạng nơ-ron RBF 48 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Kp, Ki and Kd Kp 140.04 140.02 140 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 Time [s] 140 160 180 200 Ki 20.02 20.01 20 Kd 5.005 4.995 Hình 4.9: Tham số điều khiển PID nơ-ron thay đổi trình điều khiển 49 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF 4.3.3 Kết thực nghiệm 3: Trƣờng hợp 3: Tín hiệu tham khảo cố định nhƣng ta xả áp suất bình theo chu kỳ 40s nhƣ sau: bắt đầu xả 10% áp suất đến 40s ta xả 40% áp suất đến 80s ta tiếp tục xả 50% áp suất đến 120s ta xả 10% áp suất, ta nhận đƣợc đáp ứng thay đổi chu kỳ, có thời điểm có vọt lố, nhƣng bám theo tín hiệu tham khảo nhƣ hình 4.10 Thơng tin Jacobian biến thiên tham số PID trình điều khiển đƣợc trình bày hình 4.11 hình 4.12 RT030 Adaptive SingleNeuro PID Control System based on RBFNN Pressure [bar] 0.8 0.6 0.4 Xref 0.2 X 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 Time [s] 120 140 160 180 200 Compressor Power[%] 100 80 60 40 20 Hình 4.10: Tín hiệu tham khảo đáp ứng hệ thống 50 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF RT030_RBFNN Identifier Pressure [bar] 0.5 System Ouput Model Output 0 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 Time [s] 120 140 160 180 200 Jacobian 0.02 0.015 0.01 0.005 Hình 4.11: Ngõ mơ hình thông tin Jacobian xác định từ nhận dạng mạng nơ-ron RBF 51 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Kp, Ki and Kd Kp 140.04 140.02 140 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 Time [s] 140 160 180 200 Ki 20.02 20.01 20 Kd 4.98 4.96 Hình 4.12: Tham số điều khiển PID nơ-ron thay đổi trình điều khiển 4.3.4 Kết thực nghiệm 4: Trƣờng hợp 4: Tín hiệu tham khảo cố định nhƣng ta xả áp suất bình theo chu kỳ 50s nhƣ sau: bắt đầu xả 10% áp suất đến 50s ta xả 25% áp suất đến 100s ta tiếp tục xả 40% áp suất Ở đây, ta thấy vọt lố thời điểm mà ta xả áp suất nhƣng sau ổn định sai số xác lập triệt tiêu Và thực nghiệm có so sánh đáp ứng hệ thống PID nơ-ron thích nghi đƣờng vẽ màu xanh lam đáp ứng hệ thống PID kinh điển nhà sản xuất cung cấp đƣờng vẽ màu xanh lục nhƣ hình 4.13, đáp ứng hệ thống PID nơ-ron thích nghi tốt nhiều 52 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Thông tin Jacobian biến thiên tham số PID trình điều khiển đƣợc trình bày hình 4.14 hình 4.15 ` Hình 4.13: Đáp ứng hệ thống PID nơ-ron thích nghi đáp ứng hệ thống kinh điển nhà sản xuất 53 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Hình 4.14: Ngõ mơ hình thơng tin Jacobian xác định từ nhận dạng mạng nơ-ron RBF 54 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Hình 4.15: Tham số điều khiển PID nơ-ron thay đổi trình điều khiển 55 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Chƣơng KẾT LUẬN Nghiên cứu đề xuất điều khiển thông minh, đối tƣợng điều khiển đƣợc nhận dạng trực tuyến mạng nơ-ron RBF.Các tham số điều khiển PID đƣợc tổ chức dƣới dạng trọng số nơ-ron tuyến tính ba ngõ vào đƣợc điều chỉnh thíchnghi q trình điều khiển Mơ mơ hình tốn thực nghiệm trêm RT030 cho thấy đáp ứng yêu cầu khắc khe chất lƣợng điều khiển hệ thống Với điều khiểu PID thích nghi nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF với hệ thống RT030 hãng Gunt Hamburg, đƣợc chạy thực nghiệm cho kết ổn định, hội tụ tốt triệt tiêu sai số xác lập, vọt lố cho phép Hƣớng phát triển đề tài dùng giải cập nhật trọng số để đạt tốc độ hội tụ bậc hai Các kết từ phịng thí nghiệm hạn chế khảo sát điều khiển Hƣớng phát triển nghiên cứu tiến đến áp dụng điều khiển đề xuất vào mơ hình thực, đồng thời khảo sát có tác động nhiễu từ bên 56 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF TÀI LIỆU THAM KHẢO [1] K J Astrom, T Hagglund, C C Hang, and W K Ho, Automatic tuning and adaptation for PID controllers A survey, IFAC J Contr Eng Practice, vol 1, no 4, pp 699–714, 1993 [2] Junghui Chen, Tien-Chih Huang.Applying neural network to on-line updated PID controllers for nonlinear process control Journal of Process Control ,No.14 (2004), P211–230 [3] Ching-hung Lee,Yi-Hshiung Lee.A Novel robust PID controller design by fuzzy nơ-ron network Proceedings of the American Control conference.May 8-10,2002, pp1561-1566 [4] A Ai-Amoudi, L Zhang, Application of radial basis function network for solar-array modeling and maximum power-point prediction, IEE Pro.Gener Transm.Distrib 147 (2000) 310–316 [5] J.B Gomm, D.L Yu, Selecting radial basis function network centers with recursive orthogonal least squares training, IEEE Trans Neural Network, 11 (2) (2000) 306–314 [6] Rank,Erhard Application of Bayesian trained RBF network to nonlinear time-series modeling IEEETransaction on Nơ-ron Network,Volume: 83, Issue: 7, July, 2003, pp 1393-1410 [7] Suni V T Elanayar, Yung C Shin, Radial basis unction nơ-ron network for approximation and estimation of nonlinear stochastic dynamic systems, IEEE Transaction on Neural Network, Vol 5,No 4, pp.584-603, Apr.1994 [8] K Warwick, An introduction to radial basis functions for system identification: a comparison with other neural network methods, in: 57 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Proceedings of the 35th Conference on Decision and Control, Kobe, Japan, 1996, pp 464–469 [9] Tomohisa Hayakawa (2005), “A New Characterization on the Approximation of Nonlinear Functions via Neural Networks: An Adaptive Control Perspective”, The 44th IEEE Conference on Decision and Control, and the European Control Conference, Spain, pp.4117–4122 [10] Tomohisa Hayakawa, Wassim M Haddad, James M Bailey, Naira Hovakimyan (2005), “Passivity-Based Neural Network Adaptive Output Feedback Control for Nonlinear Nonnegative Dynamical Systems", IEEE Transactions on Nơ-ron Networks, Vol 16, No 2, pp.387–398 [11] Tomohisa Hayakawa, Wassim M Haddad, Naira Hovakimyan, VijaySekhar Chellaboina (2005), “Neural Network Adaptive Control for Nonlinear Nonnegative Dynamical Systems", IEEE Transactions on Nơron Networks, Vol 16, No 2, pp.399–413 [12] Tomohisa Hayakawa, Wassim M Haddad, and Naira Hovakimyan (2008), “Neural Network Adaptive Control for a Class of Nonlinear Uncertain Dynamical Systems with Asymptotic Stability Guarantees", IEEE Transactions on Nơ-ron Networks, Vol 19, No 1, pp.80–89 [13] T Zhang, S S Ge, C C Hang (2000), “Stable Adaptive Control for a Class of Nonlinear Systems using a Modified Lyapunov Function", IEEE Transactions on Automatic Control, Vol 45, No 1, pp.129–132 [14] Nguyen Phung Quang (2004), “Nonlinear Control Structures: New Application Perspective in Three-Phase AC Drives”, The 8thInternational Conference on Mechatronics Technology, Hanoi, pp.213–219 58 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF [15] Nguyen Xuan Quynh, Do Khac Duc (1998), “A method to Design Robust Adaptive Controller of Nonlinear First Order Systems”, The third Vietnam Conference on Automation, pp.669–677 [16] Nguyen Xuan Quynh, Do Khac Duc (1998), “Adaptive Control Law for a Class of Uncertain Nonlinear Systems with Input Time Delay”, The third Vietnam Conference on Automation, pp.73–84 [17] Nguyen Xuan Quynh, Do Khac Duc (2000), “An Adaptive Controller for a Class of Nonlinear Systems with Unknown Parameters Appearing Nonlinearly”, The fourth Vietnam Conference on Automation, pp.384–389 [18] Nguyen Xuan Quynh, Do Khac Duc (2000), “N-term Adaptive Control of a Class of Uncertain Nonlinear Systems”, The fourth Vietnam Conference on Automation, pp.390–395 [19] Nguyen Xuan Quynh, Do Khac Duc, F.G De Boer (2000), “Indirect Optimal Adaptive Control of Nonlinear Systems” The fourth Vietnam Conference on Automation, pp.396–401 [20] Alberto Isidori, Maria Domenica Di Benedetto (1996), Feedback Linearization of Nonlinear Systems”.The Control Handbook, Editor William S Levine, CRC Press and IEEE Press, pp.909–917 [21] G Conte, C.H Moog, A.M Perdon (1999), Nonlinear Control Systems: An Algebraic Setting, Springer-Verlag,London, Great Britain [22] Hassan K Khalil (2001), Nonlinear Systems, 3rd Edition, Prentice Hall, USA [23] Horacio J Marquez (2003), Nonlinear Control Systems: Analysis and Design, Wiley Interscience, USA [24] Karl J Åström, Björn Wittenmark (1995), Adaptive Control, 2nd 59 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF Edition, Addison-Wesley Publishing, USA [25] F Abdollahi and K Khorasani (2006), “Stable Robust Adaptive Controller for a Class of Nonlinear Systems”, The 2006 IEEE International Conference on Control Applications, Germany, pp 1825–1830 [26] F.L Lewis, J Camos, R Selmic (2002), Neuro-Fuzzy Control of Industrial Systems with Actuator Nonlinearities, Society for Industrial and Applied Mathematics (SIAM), Philadelphia, USA [27] Gang Tao, Petar V Kokotović (1996), Adaptive Control of Systems with Actuator and Sensor Nonlinearities, John Wiley & Sons, Inc., New York, USA [28] Indrani Kar and Laxmidhar Behera (2006), “Nơ-ron Network Based Direct Adaptive Control for a Class of Affine Nonlinear Systems”, The 2006 IEEE International Symposium on Intelligent Control, Munich, Germany, pp.2030–2035 [29]Aström K.J., Hägglund T., “PID Controllers – Theory,Design and Tunning”, Instrument Society of América,67 Alexandre Drive,POBox 12277,Research Triangle Park, North Carolina 27709,USA, 1995 [30] Khalid El Rifai: Nonlinearly Parameterized Adaptive PID Control for Parallel and Series Realization, 2009 American Control Conference July 2009 [31] Junghui Chen*, Tien-Chih Huang: Applying nơ-ron networks to on-line updated PID controllers for nonlinear process control, Journal of Process Control 14 (2004) 211–230 [32]Agarwal, M., “A systematic classification of nơ-ron-network-based control”, Journal of guid-ance, control, and dynamics, pp 75-93, Apr.1997 60 Luan van Điều khiển PID nơ-ron thích nghi dựa nhận dạng mạng nơ-ron RBF [33]Li Yan, N.Sundararajan and P.Saratchandran: Analysis of Minimal Radial Basis Function Network Algorithm for Real-Time Identification of Nonlinear Dynamic Systems School of Electrical & Electronic Engineering.Nanyang Technological University, Singapore 639798 [34] Zhang, M., X Wang, M Liu, 2005 Adaptive PID Control Based on RBF Neural Network Identification Proc 17thIEEE Inter Conf on Tools with Artificial Intell., ICTAI'05, pp 681-683 61 Luan van S K L 0 Luan van ... van Điều khiển PID nơ- ron thích nghi dựa nhận dạng mạng nơ- ron RBF Chƣơng THIẾT KẾ BỘ ĐIỀU KHIỂN PID MỘT NƠ -RON THÍCH NGHI DỰA TRÊN BỘ NHẬN DẠNG MẠNG NƠ -RON RBF 3.1 Sơ đồ điều khiển r + e Điều khiển. .. tài Nghi? ?n cứu xây dựng điều khiển PID nơ- ronthíchnghidựa nhận dạng mạng nơ- ronRBF Luan van Điều khiển PID nơ- ron thích nghi dựa nhận dạng mạng nơ- ron RBF Xây dựng giải thuật tựhọc tậpcủamạng nơ- ronRBFđể... van Điều khiển PID nơ- ron thích nghi dựa nhận dạng mạng nơ- ron RBF Chƣơng CƠ SỞ LÝ THUYẾT 2.1 Bộ điều khiển PID thích nghi 2.1.1 Tổng quan điều khiển PID Bộ điều khiển PID gì? 2.1.1.1 Bộ điều khiển