Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp

Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.Nâng cao chất lượng điều khiển dựa trên mô hình bằng phương pháp học lặp.

MỞ ĐẦU Lý chọn đề tài Hệ điều khiển truyền thống sau khoảng thời gian làm việc đủ lâu, đối tượng sinh tượng mệt mỏi cấu vật lý, dẫn đến chất lượng điều khiển khơng cịn đảm bảo thủa ban đầu Giải pháp đơn giản để hỗ trợ cho hệ truyền thống mà xuất lỗi tương tự trên, phương pháp điều khiển học lặp Với điều khiển học lặp, người ta không cần phải chỉnh định lại điều khiển truyền thống, không cần can thiệp sâu vào hệ thống có Tuy nhiên, điều khiển học lặp áp dụng thành công cho lớp hệ, hệ ổn định Vì việc nghiên cứu, tìm giải pháp thông minh để can thiệp sơ trước vào hệ, tạo khả áp dụng điều khiển học lặp cho nó, xác định luật chỉnh định áp dụng cho nhiều lớp hệ, mang tính cấp thiết Mục tiêu nghiên cứu luận án Luận án thực nghiên cứu, đề xuất nguyên tắc hiệu chỉnh hợp lý tín hiệu điều khiển từ kinh nghiệm khứ cho điều khiển học lặp Sẽ tốt việc hiệu chỉnh lại tín hiệu điều khiển khơng phụ thuộc vào mơ hình tốn q trình Nếu xem sai lệch mơ hình tốn q trình sai lệch cấu chấp hành nhiễu tổng luận án cần phải ước lượng thông minh thành phần nhiễu tổng Điều này, thông qua việc điều khiển bù nhiễu tổng, mở rộng phạm vi ứng dụng phương pháp điều khiển kết hợp ILC phương pháp truyền thống Luận án thiết kế thuật toán điều khiển dựa hai mục tiêu trước để điều khiển hai đối tượng làm việc theo mẻ công nghiệp robots hệ phản ứng hóa học khuấy trộn liên tục Đối tượng phạm vi nghiên cứu luận án Đối tượng nghiên cứu luận án: Robots cơng nghiệp lị phản ứng hóa học liên tục (CSTR) Phạm vi nghiên cứu luận án: xác định tham số cho hàm học tuyến tính, đảm bảo tính hội tụ cho q trình học Ứng dụng điều khiển học lặp cho robot cơng nghiệp lị phản ứng hóa học liên tục Ý nghĩa khoa học thực tiễn luận án Ý nghĩa khoa học: Thứ xác định điều kiện hội tụ cho cho q trình học tuyến tính Thứ hai xây dựng phương pháp nhận dạng nhiễu Thứ ba đề xuất phương pháp điều khiển học lặp cho nhiều nhiều lớp đối tượng khác Ý nghĩa thực tiễn: Các kết nghiên cứu kiểm chứng thông qua thực nghiệm mô với đối tượng công nghiệp, chứng tỏ khả ứng dụng thực tiễn, giúp cho việc ứng dụng phương pháp điều khiển học lặp có triển vọng Phương pháp nghiên cứu Kết hợp nghiên cứu lý thuyết kiểm chứng thực nghiệm  Nghiên cứu lý thuyết xác định điều kiện hội tụ cho cho trình học tuyến tính, từ chọn tham số học tối ưu cho hàm học điều khiển học lặp;  Xây dựng phương pháp nhận dạng nhiễu nói riêng thành phần bất định hàm nói chung có đối tượng điều khiển mà không cần sử dụng đến mơ hình tốn đối tượng điều khiển, phục vụ điều khiển bù sai lệch mơ hình;  Kiểm chứng kết lý thuyết thực nghiệm mô với đối tượng cơng nghiệp có tính chất động học khác xa nhau, chất vật lý khác Kết mới luận án Kết nghiên cứu luận án tóm tắt tập trung vào điểm sau:  Luận án đã xây dựng điều kiện xác định tham số hàm học tuyến tính để q trình học hội tụ  Luận án đề xuất nguyên tắc ước lượng thông minh thành phần nhiễu tổng  Luận án xây dựng thuật toán điều khiển dựa đề xuất để điều khiển hai đối tượng làm việc theo mẻ (batch processes) công nghiệp robots hệ CSTR Cấu trúc luận án Luận án trình bày chương với nội dung tóm tắt sau:  Chương nêu tổng quan kết có liên quan đến điều khiển học lặp, đánh giá tính hội tụ trình học  Chương trình bày số kết bổ sung việc xác định tham số cho hàm học tuyến tính, đảm bảo tính hội tụ cho q trình học  Chương trình bày ứng dụng kết lý thuyết nêu lên chương cho đối tượng robots công nghiệp phân tích kết đạt  Chương trình bày ứng dụng kết lý thuyết luận án, trình bày chương 2, cho đối tượng lị phản ứng hóa học liên tục (CSTR) Cuối cùng, phần Kết luận kiến nghị tổng hợp kết nghiên cứu đạt được, đóng góp hướng mở rộng nghiên cứu phát triển luận án CHƯƠNG TỔNG QUAN VỀ ĐIỀU KHIỂN HỌC LẶP VÀ TÍNH HỘI TỤ CỦA Q TRÌNH HỌC 1.1 Điều khiển học lặp lý nên kết hợp với truyền thống 1.1.1 Về nguyên lý điều khiển học lặp Điều khiển học lặp làm việc theo nguyên tắc dựa vào tín hiệu điều khiển u (t ) sai lệch bám e (t )  r (t )  y (t ) khứ để chình định lại tín hiệu điều khiển chu kỳ làm việc tại, gọi chu kỳ thứ k , mà khơng cần đến mơ hình tốn, cho sai lệch bám chu kỳ k nhỏ chu kỳ trước tiến tới e  e (t )   sau vài chu kỳ làm việc 1.1.2 Về hàm Q-learning và hàm học Kiểu hàm Q-learning f Q [ ] kiểu hàm tuyến tính f Q u j1 (i1 )    u j1 (i1  1)  1u j1 (i1 )   u j1 (i1  1) (1.5) Cấu trúc hàm học f [ ] L f L e j2 (i2 )   K1e j2 (i2  1)  K 2e j2 (i2 )  K 3e j2 (i2  1) (1.7) 1.1.3 Về khả hội tụ luật chỉnh định Để thuận tiện cho việc chọn hàm học thỏa mãn điều kiện hội tụ ek (i )  0, i  0,1, ,N 1 1.1.4 Về việc nên kết hợp với phương pháp điều khiển truyền thống Để tránh phải xác định lại tham số điều khiển cho điều khiển truyền thống có sau thời gian làm việc lâu dài hệ, giải pháp đơn giản áp dụng học lặp để bổ sung thêm cho điều khiển truyền thống có Điều khiển học lặp không áp dụng trực tiếp q trình khơng ổn định BIBO Do đó, để áp dụng học lặp cho hệ này, người ta thường phải làm cho ổn định BIBO trước điều khiển truyền thống 1.2 Tổng quan về tình hình nghiên cứu vấn đề cịn tồn Các cơng trình liên quan tới ILC nhiều đa dạng, chủ yếu để cải thiện chất lượng điều khiển q trình cơng nghiệp, robot, hệ thống điều khiển máy tính (CNC), chế biến hóa chất, xử lý nước, chế biến thực phẩm, động không đồng bộ, dây chuyền sản xuất  1.3 Một số bài toán đặt cho luận án 1.3.1 Nghiên cứu lý thuyết  Xác định mối quan hệ trực tiếp tham số ,b j mơ hình hàm truyền (1.21), (1.22) ma trận hàm truyền (nếu trình MIMO) với tham số hội tụ hàm học  Xây dựng phương pháp xác định tham số hội tụ cho hàm học mà khơng cần sử dụng đến mơ hình tốn đối tượng điều khiển  Xây dựng phương pháp nhận dạng nhiễu nói riêng thành phần bất định hàm tổng nói chung, mà khơng sử dụng đến mơ hình tốn đối tượng điều khiển 1.3.2 Nghiên cứu thực nghiệm: Hai q trình cơng nghiệp sử dụng để kiểm chứng kết lý thuyết  Robots công nghiệp Đây đối tượng làm việc theo chu kỳ thường gặp nhà máy lắp ráp, chế biến,   Hệ phản ứng khuấy trộn liên tục Đây đối tượng điển hình làm việc theo mẻ thường gặp nhà máy hóa chất 1.4 Tổng kết chương Luận án định hướng toán cần giải quyết: Về lý thuyết:  Xác định điều kiện hội tụ cho tham số hàm học tuyến tính từ mơ hình miền phức đối tượng điều khiển  Xây dựng phương pháp xác định online tham số hàm học dựa mơ hình miền thời gian theo tiêu chuẩn tối ưu  Xây dựng phương pháp xác định online tham số hàm học khơng sử dụng mơ hình đối tượng  Xây dựng phương pháp áp dụng trực tiếp điều khiển học lặp cho hệ (tuyến tính phi tuyến) không ổn định mà không cần tới việc phải ổn định hóa trước theo tiêu chuẩn Lyapunov phương pháp điều khiển truyền thống Về thực nghiệm (mô phỏng):   Kiểm chứng kết lý thuyết với hệ robot công nghiệp Kiểm chứng kết lý thuyết hệ CSTR CHƯƠNG NHỮNG ĐỀ XUẤT LÝ THUYẾT BỔ SUNG CHO ĐIỀU KHIỂN HỌC LẶP 2.1 Xác định tham số hàm học dựa mơ hình miền phức 2.1.1 Điều kiện đủ cho hàm học kiểu P sử dụng hàm truyền hệ thống (quá trình SISO) Điều kiện đủ để trình học chỉnh định (2.4) hội tụ với tần số s tham số K hàm học chọn thỏa mãn: a0  Kb0 , a1  Kb1 ,  , an 1  Kbn 1 ,  Kbn   (2.5)  a0 , a1 ,  , an 1 , 1 2.1.2 Điều kiện đủ cho hàm học kiểu P sử dụng ma trận hàm truyền (quá trình MIMO)   Các phần tử ma trận K  K ji tham số hàm học xác định từ điều kiện tương đương với (2.5), tức a (ij )   K jib0(ij ) , a1(ij )  K jib1(ij ) ,  , an(ij1)  K jibn(ij1) ,  K jibn(ij )     a1(ij ) , a1(ij ) ,  , an(ij ) , (2.11) Nói cách khác, tiêu chuẩn đề xuất (2.5) cho hệ SISO áp dụng cho hệ MIMO (2.9) dạng liên tục rời rạc, mà ˆ ˆ  không cần phải thỏa mãn điều kiện CB 2.1.3 Kiểm chứng chất lượng hội tụ nhờ mô Hình 2.3: Kết mơ Hình 2.2: Kết mô sau lần thử sau lần thử 2.2 Xác định online tham số hàm học theo tiêu chuẩn tối ưu cách cực tiểu hóa tổng bình phương sai lệch bám Điều kiện đủ để hệ rời rạc tuyến tính hội tụ hội tụ I  CBK  (2.15) cần tới giả thiết CB  2.2.1 Chứng minh tính cần và đủ cho điều kiện (2.15)  k 1   I  K   k   k (2.18) Ta thấy cần đủ để có tính hội tụ  k  cho trình học chỉnh định phải ma trận Schur Điều tương đương với (2.15) điều phải chứng minh 2.2.2 Xác định online tham số hàm học tối ưu theo tổng bình phương sai lệch bám đầu Xác định tham sô hàm học tối ưu theo công thức: T Kk  arg Tk  K   K   k  2Tk K  k  (2.24)   a K b  2.2.3 Kiểm chứng chất lượng hội tụ tham số hàm học tối ưu online mơ Hình 2.5: Kết điều khiển Hình 2.4: Kết điều khiển bám bám sau lần thử sau lần thử 2.3 Xác định online tham số hàm học không dựa vào mơ hình (giải pháp thơng minh) 2.3.1 Ngun tắc xác định online tham số hàm học Hãy xác định tham số hàm học Kk cho lần thử thứ k  từ hai vector sai lệch bám đo tồn hai lần thử trước  k  k 1 cho với Kk thu chắn có vector sai lệch bám  k 1 cho lần thử thứ k  không xấu hai lần thử trước 2.3.1.1 Trường hợp hệ là SISO Luận án đưa công thức xác định tham số hàm học kiểu P sau: Kk  k  arg z  k  1  z   k 1 (2.26) 0z 1 ý nghĩa thay đổi online tham số học cách “thông minh” cho công thức (2.26) hoàn toàn tương đương với Kk  k  arg 1  z   k  z  k 1 (2.29) 0z 1 2.3.1.2 Trường hợp hệ là MIMO Với hệ MIMO ta áp dụng công thức xác định tham số hàm học giới thiệu cho hệ SISO Kk( pq )  k( pq )  arg z k(q )  1  z  k(q)1 (2.31) 0z 1 Và Kk( pq )  k( pq )  arg 1  z  k(q )  z k(q)1 (2.32) 0z 1 2.3.2 Khảo sát tính hội tụ  k 1  I   ( vk )Kk   k  k  k với k  I   ( vk )Kk (2.39) Vậy tham số hàm học K k làm cho ma trận  k định nghĩa (2.39) ma trận Schur có  k  2.3.2 Kiểm chứng chất lượng hội tụ thông qua mô Hệ 2  2 0     x   4  x    u y  1 , , 1 x  0.5 2  1     Hình 2.10: Kết điều khiển Hình 2.7: Kết điều khiển bám sau lần thử sử dụng bám sử dụng (2.29) (2.26) 2.4 Ổn định hóa và tuyến tính hóa khơng cần sử dụng mơ hình 2.4.1Ước lượng đạo hàm vector hàm số từ liệu đo nhờ phép phân tích Taylor Ta sử dụng cơng thức phân tích chuỗi Taylor để thực tốn ước lượng x (i )  x k (i  1) (2.42) x k (i )  k Ts 2.4.2 Ứng dụng vào tuyến tính hóa ổn định hệ phi tuyến mà khơng cần sử dụng mơ hình tốn Áp dụng cơng thức xấp xỉ đạo hàm (2.42) có nhờ phân tích chuỗi Taylor  dˆk (i )  BT B  1  x (i )  x k (i  1)  BT  k  Ax k (i )  Bu k (i )  Ts    x (i )  x k (i  1)   BT  k  Ax k (i )  Bu k (i )  Ts   (2.51) Công thức cuối (2.51) sử dụng để ước lượng dˆ(t ) dạng số đoạn sau dˆ(t )  dˆk (i ) kT  iTs  t  kT  (i  1)Ts i  0,1, , N  với N  T Ts 2.4.3 Ví dụ minh họa Hình 2.11: Kết tuyến tính hóa phản hồi cho trường hợp có sử dụng khơng sử dụng mơ hình tốn đối tượng 2.5 Tổng kết chương Đề xuất điều kiện miền phức cho việc xác định tham số hội tụ hàm học kiểu P Đề xuất phương pháp xác định online tham số hội tụ cho hàm học theo nguyên lý cực tiểu hóa tổng bình phương sai lệch bám chu trình làm việc trước Đề xuất phương pháp xác định online tham số hàm học sở cực tiểu hóa tồn hai vector sai lệch bám có từ hai lần thử trước Xây dựng phương pháp phản hồi làm hệ ổn định BIBO (hoặc UUB) mà khơng cần đến mơ hình tốn hệ (phương pháp ổn định hóa thơng minh) Với phương pháp ta áp dụng học lặp cho hệ khơng thích ứng trực tiếp với điều khiển học lặp CHƯƠNG ỨNG DỤNG VÀO ĐIỀU KHIỂN CÁC HỆ ROBOT CÔNG NGHIỆP 3.1 Tổng quan về phương pháp điều khiển có 3.1.1 Phương pháp điều khiển rõ Bộ điều khiển: u  M (q ) r  A1e  A2e   C (q , q )  F  q  g (q ) (3.3) 3.1.2 Phương pháp điều khiển thích nghi sử dụng nghịch đảo mơ hình Bộ điều khiển động: p  T BT Px  T BT P  (3.6)  u  M (q , p )(r  A1e  A2e )  C (q ,q , p )q  g (q , p ) 3.1.3 Phương pháp điều khiển thích nghi Li-Slotine Bộ điều khiển phương pháp Li-Slotine có cấu trúc sau: p  GT e   e  (3.7)  u  M (q , p )v  C (q ,q , p )v  g (q , p )  A3 (v  q ) 3.1.4 Phương pháp điều khiển trượt Bộ điều khiển trượt: 10 u  M (q , ) BT r  Ke  Ex    sgn(S )  (3.9)   3.1.5 Bù bất định mạng neural Tín hiệu điều khiển: u  M (q , ) BT r  Ke  Ex    sgn(S )  ˆ  (3.10)   3.1.6 Điều khiển học lặp Tín hiệu điều khiển u (t ) khoảng thời gian T chu kỳ làm việc kT  t  (k  1)T cập nhật, chỉnh sửa theo hàm học:   u k ( )  u k i ( )  f ek i ( / ) với   / T (3.11) 3.1.7 Xác nhận qua mô khả không đảm bảo chất lượng điều khiển truyền thống hệ xuất lỗi Kết mơ với robot planar: a)Khi hệ khơng có lỗi b)Khi hệ có lỗi Hình 3.2: Điều khiển truyền thống điều khiển rõ 3.2 Đề xuất cấu trúc điều khiển hai mạch vịng khơng sử dụng mơ hình tốn robots (điều khiển thơng minh) 3.2.1 Nhiệm vụ điều khiển vòng Nhiệm vụ đặt cho việc thiết kế điều khiển vòng là: Phải làm cho kết ước lượng  ˆ xác tốt Nếu kết ước lượng xác, thành phần bất định cịn lại  nhỏ 11 3.2.2 Ước lượng đạo hàm vector hàm số từ liệu đo Ta lại sử dụng phương pháp ước lượng nhờ phân tích Taylor trình bày chương 2, mục 2.4.1: T2 x k (i )  D1 x k (i )  D0 x k (i  1)  s x k ( ) (3.20) 3.3 Điều khiển robot công nghiệp nhờ học lặp với tham số hàm học tối ưu online đề xuất 3.3.1 Điều khiển vịng điều khiển tuyến tính hóa thơng minh nhờ phản hồi trạng thái Bài toán cài đặt công thức (3.20) để ước lượng đạo hàm vector hàm số từ giá trị đo cho tốn điều khiển robots cơng nghiệp D1 x k (i )  D0 x k (i  1)  Ax k (i )  B v k (i )   (i )  ˆ (i  1)  (3.27) ˆ (i )  BT D1 x k (i )  D0 x k (i  1)  Ax k (i )   vk (i )  ˆ (i  1) (3.29)   Định lý 3.1: Giá trị ước lượng ˆ (i ) theo công thức truy hồi (3.29) làm cho sai lệch xấp xỉ (3.27) nhỏ 3.3.2 Điều khiển vòng ngoài điều khiển học lặp Bộ điều khiển học kiểu P với tham số K k chỉnh định tối ưu online theo lần thử k trình bày chương 2, sau: v k 1 (i )  v k (i )  Kk ek (i ) với Kk  arg a K b I  K   k 3.3.3 Thuật toán điều khiển Algorithm 3.1: Điều khiển robot công nghiệp (3.1) học lặp có sử dụng tham số học online theo cực tiểu hóa tổng bình phương sai lệch bám Chọn hai ma trận A1 , A2 làm cho A định nghĩa (3.32) Hurwitz 12 Xác định A, B ,C theo (3.32)  theo(3.37) Chọn  Ts Tính N  T Ts Xác định D1  Ts D0  D1 Tùy chọn ˆ Gán v (i )  r (i ), i  0,1,  , N  z  Chọn thích hợp hai ma trận giới hạn a , b while continue the control , N  for i  0,1, Đưa u (i )  v (i )  A1q  A2 q  ˆ vào điều khiển robot khoảng thời gian Ts 10 Đo y (i )  q x  vec(q , q ) Xác định e (i )  r (i )  y (i ) Tính ˆ   , I  zD0  xD1  Ax   v (i )  ˆ   Gán z  x end for , v (N  1)  Lập vector v  vec v (0), e  vec e (0), ,e (N  1)  Tính K  arg a  b I    e v  v  Ke 11 end while 3.4 Điều khiển robot công nghiệp nhờ học lặp với tham số hàm học online thông minh đề xuất 3.4.1 Thiết kế điều khiển 3.4.1.1 Nội dung hai mạch vịng điều khiển Mạch vịng ngồi sử dụng điều khiển học lặp kiểu P với ma trận tham số hàm học dạng đường chéo   Kk  diag Kk( j ) , j  1, 2,  , n Mạch vịng sử dụng phép phân tích chuỗi Taylor để ước lượng ˆ thời điểm t  kT  iTs từ giá trị đo trước gồm q k ( j ), q k ( j ) , với j  i , i  13 3.4.1.2 Thuật toán điều khiển Algorithm 3.2: Điều khiển robot cơng nghiệp (3.1) học lặp có sử dụng tham số học online thông minh Chọn hai ma trận A1 , A2 làm cho A (3.32) Hurwitz Tùy chọn  Ts Tính N  T Ts Xác định D1  Ts D0  D1 Tùy chọn giá trị ước lượng bất định ban đầu ˆ sai lệch bám khởi phát e Gán trạng thái ban đầu robots đầu khởi phát cho điều khiển vịng ngồi (bộ điều khiển học lặp) z  , v (i )  r (i ), i  0,1,  , N  while continue the control for i  0,1, , N  Đưa u (i )  v (i )  A1q  A2q  ˆ vào điều khiển robot khoảng thời gian Ts Đo y (i )  q x  vec(q ,q ) Xác định e (i )  r (i )  y (i ) Tính ˆ   , I  zD0  xD1  Ax   v (i )  ˆ Gán z  x   end for Lập vector v  vec v (0), , v (N  1)  e  vec e (0), ,e (N  1)  Tính K từ e e theo (2.26) (2.29) Gán v  v  Ke e0  e 10 end while 3.4.2 Kiểm chứng chất lượng mô Mô cho robot planar hai bậc tự do: 14 Hình 3.7: Đáp ứng vị trí của Hình 3.8: Đáp ứng vị trí của khớp khớp thứ sử dụng (2.26) thứ hai sử dụng (2.26) Hình 3.9: Sự thay đổi tham số Hình 3.10: Sự thay đổi tham số hàm học thứ sử dụng hàm học thứ hai sử dụng (2.26) (2.26) 3.5 Tổng kết chương Ở chương luận án thực công việc sau:  Đề xuất cấu trúc điều khiển hai vòng lặp cho robot, vịng ước lượng thành phần bất định hàm để bù đầu vào robot, vịng ngồi điều khiển học lặp (hình 3.5)  Đã xây dựng điều khiển vòng dựa phương pháp phân tích chuỗi Taylor  Xây dựng hai phương án cài đặt điều khiển học lặp vịng ngồi  Đã tiến hành cài đặt hai mạch vòng điều khiển đề xuất thành thuật tốn điều khiển mơ với robot planar nhằm đánh giá chất lượng 15 CHƯƠNG ỨNG DỤNG VÀO ĐIỀU KHIỂN HỆ PHẢN ỨNG HÓA HỌC KHUẤY TRỘN LIÊN TỤC 4.1 Sơ lược về bài toán điều khiển hệ CSTR và phương pháp điều khiển có Tìm phương pháp liên quan tới mơ hình tốn hệ CSTR mà đảm bảo chất lượng bám đầu yêu cầu tính bị chặn tín hiệu, trạng thái 4.2 Đề xuất hai giải pháp điều khiển Hình 4.2: Đề xuất giải pháp điều Hình 4.3: Đề xuất giải pháp khiển thứ điều khiển thứ hai 4.3 Triển khai cấu trúc điều khiển theo đề xuất thứ nhất 4.3.1 Thiết kế điều khiển vòng Nhiệm vụ điều khiển vòng tạo u f làm hệ ổn định (không cần tiệm cận), tức để biến trạng thái x hệ bị chặn có xu hướng tiến lân cận gốc tọa độ 4.3.2 Thiết kế ước lượng thành phần bất định hàm Định lý 4.2: Giá trị ước lượng nhiễu kiểu truy hồi   dˆk (i )  D1 x k ,2 (i )  D0 x k ,2 (i  1)  f2 x k ,2 (i )   vk (i )  dˆk (i  1)   (0.8) cho tín hiệu dˆ(t ) số đoạn, cực tiểu hóa sai lệch chất lượng điều khiển sinh nhiễu d (t ) 4.3.3 Thiết kế điều khiển học lặp Bộ điều khiển học lặp sử dụng có hàm học kiểu P 16 vk 1 (i )  vk (i )  Kek (i ) (4.13) Định lý 4.3: Nếu tham số học K chọn cho Ak  I  Dk K (4.16) ma trận Schur với k  0,1, điều khiển học lặp (4.13), (4.14), đảm bảo tính hội tụ ek  ,   Dk  diag  / ( k (i )) , i  1,2, ,N 1  k (i )  vk 1 (i ) , vk (i )  4.3.4 Thuật toán điều khiển Algorithm 4.1: Điều khiển hệ CSTR có nhiễu đầu vào (4.4) nhờ học lặp bù nhiễu Chọn  Ts đủ nhỏ Tính N  T Ts Xác định D1  Ts D0  D1 Gán dˆ  v = v (0), v (1), v (i )  r (i ) Chọn K , v (N  1)  T có while continue the control T Gán trạng thái đầu zx   z1 , z   (C A ,TA )T , N  for i  0,1, Đưa u  v (i )  dˆ    (x1  x ) (x )  vào điều khiển hệ khoảng thời gian Ts Sau đo trạng thái x  (x1, x )T đầu y Gán dˆ  D1 x  D0 z  f2 (x )    v (i )  dˆ   Tính e (i )  r (i )  y Gán z  x end for T Lập vector e  vec e (0), ,e (N  1)  Gán v  v  Ke 10 end while 4.3.5 Kiểm chứng chất lượng mô 4.3.5.1 Khi đầu là nhiệt độ 17 Hình 4.5: Đáp ứng của kênh Hình 4.4: Đáp ứng của kênh nhiệt độ sau 150 lần thử nhiệt độ sau 20 lần thử Hình 4.7: Kết ước lượng Hình 4.6: Sự thay đổi tương ứng nhiễu d cho điều khiển bù của kênh nồng độ sau 150 lần thử 4.3.5.2 Khi đầu là nồng độ Hình 4.9: Đáp ứng của kênh Hình 4.8: Đáp ứng của kênh nồng nồng độ sau 200 lần thử độ sau 30 lần thử 18 Hình 4.11: Kết ước lượng Hình 4.10: Sự thay đổi tương ứng nhiễu d cho điều khiển bù kênh nhiệt độ sau 200 lần thử 4.4 Triển khai cấu trúc điều khiển theo đề xuất thứ hai 4.4.1 Thiết kế ước lượng thành phần bất định hàm Định lý 4.5: Giá trị ước lượng nhiễu kiểu truy hồi   1 D x (i )  D0 xk ,2 (i  1)  h2 x k ,2 (i )   vk (i )  ˆk (i  1)    k ,2 (0.11) ˆk (i )  cho tín hiệu ˆk (i ) số đoạn, cực tiểu hóa sai lệch chất lượng điều khiển sinh nhiễu  (t ) có mơ hình(4.22) 4.4.2 Thiết kế điều khiển học lặp Định lý 4.6: Nếu tham số học K chọn cho Ak  I  Dk K ma trận Schur với k  0,1, điều khiển học lặp (0.9) , đảm bảo tính hội tụ của sai lệch bám,   Dk  diag  / ( k (i )) , i  1,2, ,N 1 Và  k (i )  vk 1 (i ) , vk (i )  4.4.3 Thuật toán điều khiển Algorithm 4.2: Điều khiển hệ CSTR (4.22) nhờ học lặp bù nhiễu tổng Chọn  Ts đủ nhỏ Tính N  T Ts Xác định D1  Ts D0  D1 19 Gán ˆ  v = v (0), v (1), , v (N  1)  có v (i )  r (i ) Chọn K while continue the control T Gán trạng thái đầu z   z1 , z   (C A ,TA )T , N  for i  0,1, Đưa u  v (i )  ˆ vào điều khiển hệ khoảng thời gian Ts T 10 Đo trạng thái x  (x1, x )T đầu y Gán ˆ  D1 x  D0 z  h2 (x )    v (i )  ˆ   Tính e (i )  r (i )  y Gán z  x end for T Lập vector e  vec e (0), ,e (N  1)  Gán v  v  Ke 11 end while 4.4.4 Kiểm chứng chất lượng mô 4.4.4.1 Kết mô đầu là nhiệt độ Hình 4.13: Đáp ứng của kênh Hình 4.12: Đáp ứng của kênh nhiệt độ sau 100 lần thử nhiệt độ sau 10 lần thử Hình 4.14: Sự thay đổi tương ứng của kênh nồng độ sau 100 Hình 4.15: Kết ước lượng nhiễu cho điều khiển bù (1s đầu lần thử tiên) 20 4.4.4.2 Kết mô đầu là nồng độ Hình 4.16: Đáp ứng kênh Hình 4.17: Đáp ứng kênh nồng độ sau 15 lần thử nồng độ sau 150 lần thử Hình 4.18: Sự thay đổi tương Hình 4.19: Nhiễu tổng  kết ứng của kênh nhiệt độ sau 150 ước lượng sau 1s lần thử 4.5 Tổng kết chương Hai giải pháp ứng dụng học lặp vào điều khiển hệ (CSTR) :  Giải pháp thứ phụ thuộc vào tham số hàm  (x ) nên tính thơng minh chưa cao Bù lại đáp ứng điều khiển lại nhanh Bộ điều khiển thiết kế theo giải pháp thứ mang lại cho hệ chất lượng bám tín hiệu đặt tốt, xung quanh điểm làm việc mà cịn tồn thời gian chu kỳ làm việc  Giải pháp thứ hai cho điều khiển phụ thuộc hai tham số q ,  hệ CSTR hai tham số ln cung cấp kèm theo thiết bị Do khả xử lý thông minh giải pháp nâng cao Bộ điều khiển thiết kế theo giải pháp thứ hai mang lại chất lượng bám tín hiệu đặt xung quanh điểm làm việc 21 cho trước không thua so với giải pháp thứ Khơng thế, với giải pháp thứ hai nhiễu tổng, gồm nhiễu đầu vào sai lệch mơ hình, ước lượng nhanh Thêm nữa, hai giải pháp đề xuất có khả kháng nhiễu đầu vào KẾT LUẬN VÀ ĐỊNH HƯỚNG PHÁT TRIỂN Các đóng góp mới luận án Luận án có đóng góp sau: Đã xây dựng điều kiện xác định tham số hàm học tuyến tính để trình học hội tụ, bao gồm: a) Điều kiện miền phức, áp dụng cho đối tượng tuyến tính có mơ hình thời gian (2.13) không thỏa mãn ˆ ˆ 0 CB b) Điều kiện tối ưu dựa mơ hình miền thời gian, để xác định tham số hàm học thay đổi thích nghi theo tổng bình phương sai lệch bám vòng lặp Điều kiện cho phép cải thiện chất lượng hội tụ trình học c) Xây dựng phương pháp xác định tham số hội tụ khơng dựa vào mơ hình tốn Đây kết mà luận án cải tiến phương pháp xác định thông minh tham số hội tụ cho hàm học tuyến tính tài liệu [69] Phương pháp cải tiến áp dụng cho hệ phi tuyến có đạo hàm ánh xạ vào đổi dấu Chất lượng đề xuất luận án kiểm chứng thông qua mô Đề xuất nguyên tắc ước lượng thông minh thành phần nhiễu tổng (trong [CT4] NCS gọi lumped disturbance) Phương pháp xây dựng dựa phép phân tích chuỗi Taylor cho vector trạng thái hồn tồn khơng sử dụng mơ hình tốn hệ.Nó cho phép tuyến tính hóa phản hồi, ổn định hóa thơng minh cho hệ Nhờ có khối ước lượng thành phần bất định hàm mà nguyên tắc điều khiển học lặp áp dụng trực tiếp cho hệ không ổn định, bỏ qua bước ổn định hóa chúng trước nhờ điều khiển truyền thống 22 Chất lượng đề xuất luận án kiểm chứng thông qua mơ Xây dựng thuật tốn điều khiển dựa đề xuất để điều khiển hai đối tượng làm việc theo mẻ (batch processes) cơng nghiệp robots hệ CSTR Các thuật tốn điều khiển mang đặc điểm không sử dụng mơ hình tốn đối tượng điều khiển (hoặc hạn chế) Chất lượng thuật toán điều khiển luận án kiểm chứng thông qua mơ Những vấn đề cịn tồn và hướng giải Những vấn đề phát sinh trình thực đề tài mà luận án cịn bỏ ngỏ, chưa giải được, gồm có:  Xây dựng phương pháp xác định tập tham số hội tụ cho hàm học phi tuyến có cấu trúc biết Định hướng nghiên cứu tương lai NCS cho toán vừa nêu là: 1) Chọn trước cấu trúc hàm học: uk 1 (i )  uk (i )  f L el ( j ),  ; j [0, N ) l  k 2) Sau tìm cho hàm học để q trình học chỉnh , N  định thỏa mãn điều kiện hội tụ e k (i )  0, i  0,1,  Giải toán điều khiển có ràng buộc học lặp Chẳng hạn tốn điều khiển hệ CSTR chương có thêm ràng buộc đầu vào u U Định hướng nghiên cứu tương lai NCS để giải tốn điều khiển có ràng buộc dựa vào hai bước: 1) Xác định tập hợp tất tín hiệu đặt r (t ) thỏa mãn yêu cầu điều kiện ràng buộc u U chất lượng bám y  r đầu 2) Sau chọn tín hiệu đặt hợp lý tập để với có tín hiệu điều khiển u thỏa mãn điều kiện ràng buộc 23 Nói cách khác, định hướng tương lai NCS giải tốn điều khiển học lặp có ràng buộc nhờ giải pháp “constrained path planning” 24