nghiên cứu xây dựng luật điều khiển thích nghi định hướng dữ liệu cho lớp đối tượng không sử dụng mô hình

Vấn đề này hiện nay có thể được khắc phục bằng các phương pháp điều khiển dựa trên kiến thức, dữ liệu thu thập thực nghiệm của hệ thống, cho phép làm khớp biểu diễn toán học của hệ thống

VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ

NGUYỄN VĂN ĐỨC

NGHIÊN CỨU XÂY DỰNG LUẬT ĐIỀU KHIỂN THÍCH NGHI ĐỊNH HƯỚNG DỮ LIỆU CHO LỚP

ĐỐI TƯỢNG KHÔNG SỬ DỤNG MÔ HÌNH

LUẬN ÁN TIẾN SĨ KỸ THUẬT

HÀ NỘI - 2024

VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ

NGUYỄN VĂN ĐỨC

NGHIÊN CỨU XÂY DỰNG LUẬT ĐIỀU KHIỂN THÍCH NGHI ĐỊNH HƯỚNG DỮ LIỆU CHO LỚP

ĐỐI TƯỢNG KHÔNG SỬ DỤNG MÔ HÌNH

Ngành: Kỹ thuật điều khiển và tự động hóa Mã số: 9.52.02.16

LUẬN ÁN TIẾN SĨ KỸ THUẬT

NGƯỜI HƯỚNG DẪN KHOA HỌC:

1 TS Vũ Quốc Huy 2 PGS TS Nguyễn Quang Hùng

HÀ NỘI - 2024

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của tôi dưới sự hướng dẫn của tập thể giáo viên hướng dẫn Các kết quả nghiên cứu trong luận án là trung thực, chưa được công bố trong bất kì công trình nào trước đây Các tài liệu tham khảo được trích dẫn đầy đủ, theo đúng qui định

Tác giả luận án

Nguyễn Văn Đức

LỜI CẢM ƠN

Quá trình học tập, nghiên cứu và hoàn thành đề tài luận án, nghiên cứu sinh đã luôn nhận được sự quan tâm, tạo điều kiện về mọi mặt của thủ trưởng đơn vị, cơ quan quản lý đào tạo và gia đình; sự nhiệt tình tâm huyết của tập thể giáo viên hướng dẫn; các ý kiến đóng góp quí báu của các nhà khoa học, các đồng nghiệp trong và ngoài đơn vị

Lời đầu tiên, tôi xin được gửi lời cảm ơn sâu sắc tới tập thể giáo viên hướng

dẫn, TS Vũ Quốc Huy và PGS.TS Nguyễn Quang Hùng, đã nhiệt tình hướng

dẫn, giảng dạy giúp tôi thực hiện và hoàn thành luận án Tôi chân thành cảm ơn Ban Giám đốc Viện KH-CN quân sự, thủ trưởng Viện tự động hóa kỹ thuật quân sự, thủ trưởng và cán bộ, nhân viên phòng Đào tạo đã tạo mọi điều kiện và giúp đỡ tôi trong quá trình học tập và nghiên cứu

Tôi chân thành cảm ơn các thầy, cô giáo trường Đại học BKHN, Đại học GTVT, Học viện KTQS; các nhà khoa học và đồng nghiệp tại Viện khoa học và công nghệ quân sự đã đóng góp ý kiến trong quá trình thực hiện luận án

Cuối cùng, xin gửi lời cảm ơn tới gia đình, bạn bè đã luôn động viên, chia sẻ những khó khăn, là nguồn cổ vũ lớn lao, là động lực và hậu phương vững chắc để tôi quyết tâm hoàn thành luận án này./

Hà Nội, ngày … tháng 8 năm 2024

Tác giả luận án

1.1 Điều khiển tựa mô hình 8

1.1.1 Sự phát triển của điều khiển tựa mô hình 8

1.1.2 Một số vấn đề mô hình hóa và nhận dạng trong điều khiển tựa mô hình 9

1.1.3 Vấn đề tồn tại trong thiết kế bộ điều khiển tựa mô hình 11

1.2 Điều khiển định hướng dữ liệu và các vấn đề liên quan 13

1.2.1 Sự ra đời phương pháp điều khiển định hướng dữ liệu 13

1.2.2 Định nghĩa về DDC 14

1.2.3 Đối tượng điều khiển của phương pháp DDC 16

1.2.4 Vị trí của DDC trong lý thuyết điều khiển 18

1.3 Phân biệt giữa các phương pháp tiếp cận MBC và DDC 19

1.3.1 Ưu điểm của DDC 19

1.3.2 Một số vấn đề cần giải quyết đối với phương pháp DDC 20

1.4 Điều khiển thích nghi không sử dụng mô hình 21

1.4.1 Sự ra đời của điều khiển thích nghi không sử dụng mô hình 21

1.4.2 Phân loại điều khiển không sử dụng mô hình 25

1.4.3 Các bước thiết kế thuật toán MFAC 26

1.5 Điều khiển chế độ trượt không sử dụng mô hình (MFSMC) 28

1.6 Đặt bài toán 29

1.7 Kết luận chương 1 31

Chương 2 ĐIỀU KHIỂN KHÔNG SỬ DỤNG MÔ HÌNH DỰA TRÊN THUẬT TOÁN PID VỚI CHẾ ĐỘ TRƯỢT VÀ LUẬT THÍCH NGHI THAM SỐ CHO HỆ LIÊN TỤC 33

2.1 Hệ thống điều khiển thích nghi tham số 33

2.1.1 Khái niệm về hệ thống điều khiển thích nghi 33

2.1.2 Phân loại hệ thống điều khiển thích nghi 34

2.1.3 Sơ đồ cấu trúc hệ thống điều khiển thích nghi tham số 36

2.2 Điều khiển không sử dụng mô hình dựa trên thuật toán PID 37

2.2.1 Thuật toán PID tổng quát 37

2.2.2 Thuật toán PID cải tiến hạng tử vi phân với đạo hàm đầu ra 39

2.2.3 Thuật toán PID cải tiến với lượng điều khiển dự trữ 40

2.3 Điều khiển phi mô hình PID thích nghi cho hệ động học bậc nhất 41

2.3.1 Mô tả toán học của mô hình cục bộ 41

2.3.2 Luật điều khiển phi mô hình dạng PID thích nghi tham số MFC-iPID 42

2.3.3 Tính ổn định tiệm cận của hệ thống với luật điều khiển MFC-iPID 45

2.3.4 Sơ đồ cấu trúc thuật toán điều khiển MFC-iPID 47

2.4 Điều khiển chế độ trượt thích nghi tham số MFC-iPID-SMC 47

2.4.1 Hiệu chỉnh toán học luật điều khiển MFC-iPID 47

2.4.2 Tổng hợp thành phần điều khiển tương đương 49

2.4.3 Bổ đề về tính bị chặn của một dạng hàm Lyapunov và mặt trượt 49

2.4.4 Tổng hợp thành phần điều khiển bền vững 51

2.5 Kết luận chương 2 54

Chương 3 ĐIỀU KHIỂN THÍCH NGHI KHÔNG SỬ DỤNG MÔ HÌNH CHO HỆ RỜI RẠC SISO DỰA TRÊN TUYẾN TÍNH HÓA ĐỘNG RÚT GỌN 56

3.1 Tuyến tính hóa động cho hệ phi tuyến thời gian rời rạc 56

3.1.1 Phương pháp tuyến tính hóa động không sử dụng mô hình cho hệ phi tuyến SISO rời rạc 58

3.1.2 Thiết kế mô hình dữ liệu tuyến tính hóa động dạng rút gọn 60

3.2 Điều khiển thích nghi phi mô hình MFAC 63

3.2.1 Cấu trúc tổng quát của điều khiển thích nghi phi mô hình MFAC 63

3.2.2 Điều khiển thích nghi dựa trên mô hình dữ liệu tuyến tính hóa động dạng rút gọn 64

3.2.3 Tính ổn định của bộ điều khiển thích nghi dựa trên mô hình dữ liệu tuyến tính hóa động dạng rút gọn 69

3.2.4 Xây dựng thuật toán điều khiển thích nghi dựa trên mô hình dữ liệu tuyến tính hóa động dạng rút gọn 71

3.3 Điều khiển MFAC-CFDL hiệu chỉnh bằng vi phân mở rộng 74

3.4 Thiết kế điều khiển trượt thích nghi phi mô hình MFAC-CFDL-SMC 76

3.5 Kết luận chương 3 78

Chương 4 MÔ PHỎNG KIỂM CHỨNG LUẬT ĐIỀU KHIỂN ĐỀ XUẤT 80

4.1 Cấu trúc của hệ thống điều khiển servo động cơ đồng bộ 80

4.1.1 Mô hình rõ của hệ servo động cơ đồng bộ 80

4.1.2 Đặc điểm phù hợp cho việc áp dụng kỹ thuật điều khiển phi mô hình 85

4.2 Tham số đối tượng mô phỏng và chỉ tiêu chất lượng 86

4.2.1 Đối tượng mô phỏng 86

4.2.2 Một số tiêu chuẩn chất lượng 87

4.2.3 Các luật điều khiển thực hiện mô phỏng 88

4.3 Mô phỏng với bộ điều khiển PID 88

4.4 Mô phỏng với bộ điều khiển MFC-iPID 89

4.4.1 Tham số mô phỏng 89

4.4.2 Kết quả mô phỏng với đầu vào 1(t) 90

4.4.3 Kết quả mô phỏng với đầu vào sin(t) 91

4.5 Mô phỏng với luật điều khiển MFC-iPI-SMC 93

4.5.1 Tham số đối tượng và luật điều khiển 93

4.5.2 Kết quả mô phỏng với đầu vào dạng 1(t) 93

4.5.3 Kết quả mô phỏng với đầu vào dạng sin(t) 95

4.6 Mô phỏng với luật điều khiển MFAC-CFDL 96

4.6.1 Tham số đối tượng và bộ điều khiển 96

4.6.2 Mô phỏng với tín hiệu 1(t) 97

4.6.3 Mô phỏng với tín hiệu sin(t) 98

4.7 Mô phỏng với luật điều khiển MFAC-CFDL-SMC 99

4.7.1 Tham số đối tượng và bộ điều khiển 99

4.7.2 Mô phỏng với tín hiệu 1(t) 100

4.7.3 Mô phỏng với tín hiệu sin(t) 101

4.8 Kết luận chương 4 102

KẾT LUẬN 103

DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ 105

TÀI LIỆU THAM KHẢO 106PHỤ LỤC A: CHƯƠNG TRÌNH MÔ PHỎNG MFC-iPI IPHỤ LỤC B: CHƯƠNG TRÌNH MÔ PHỎNG MFC-iPI-SMC VPHỤ LỤC C: CHƯƠNG TRÌNH MÔ PHỎNG MFAC-CFDL IXPHỤ LỤC D: CHƯƠNG TRÌNH MÔ PHỎNG MFAC-CFDL-SMC XIII

DANH MỤC CÁC KÝ HIỆU, CHỮ VIẾT TẮT

𝑦(𝜗) Véc tơ đầu ra của quá trình, 𝜗 là bậc vi phân của 𝑦

𝑢 Véc tơ tín hiệu điều khiển 𝐹 Véc tơ không thứ nguyên, đóng vai trò nhiễu được cập

nhật vào quá trình 𝐹̂, 𝐹̃ Ước lượng và sai số ước lượng của 𝐹

bước thứ 𝑘 đến 𝑘 + 1, tương đương với 1 chu kỳ lấy mẫu

𝑛𝑢, 𝑛𝑦 Các số nguyên dương đại diện cho các bậc chưa biết

của đầu vào, đầu ra 𝑓(∗) Hàm phi tuyến chưa biết Δ𝑢𝑘 Sự thay đổi tín hiệu điều khiển ở bước 𝑘 𝛥𝑦𝑘+1 Sự thay đổi đầu ra ở thời bước 𝑘 + 1

𝛿𝑓𝛿𝑢𝑘

Đạo hàm riêng của 𝑓(∗) theo 𝑢𝑘

𝜙𝑘, 𝜙̂𝑘, 𝜙̃𝑘 Giả đạo hàm riêng, ước lượng và sai lệch ước lượng

của giả đạo hàm riêng

𝑏 Chặn trên của giả đạo hàm riêng 𝜙𝑘 𝜖 Biến điều kiện trung gian

Current motor) ADP Qui hoạch động gần đúng ADP (Approximate dynamic

programming) CFDL Tuyến tính hóa động dạng rút gọn

(Compact Form Dynamic Linearization) DC Động cơ một chiều (Direct Current motor) DDC Điều khiển định hướng dữ liệu (Data Driven Control) ESC Phương pháp điều khiển theo cực trị hàm mục tiêu

(Extremum Seeking Control) FFDL Tuyến tính hóa động dạng đủ (Full Form Dynamic

Linearization) iPID Bộ điều khiển PID thông minh (intelligent PID) IFT Điều chỉnh phản hồi lặp (Iterative Feedback Tuning) IE Tiêu chuẩn tích phân sai lệch (Integrated Error) ISE Tiêu chuẩn tích phân của bình phương sai lệch (Integral

of the Square of the Error) ITAE Tiêu chuẩn tích phân thời gian nhân với trị tuyệt đối

của sai lệch (Integral of Time multiplied by the Absolute Value of the Error)

ITSE Tiêu chuẩn tích phân thời gian nhân với bình phương

sai lệch (Integral of Time multiplied by the Square of the Error - tích phân của bình phương sai số)

ILC Điều khiển học lặp (Iterative Learning Control) LLC Điều khiển học lười (Lazy Learning Control) MFC Điều khiển phi mô hình (Model-Free Control) MBC Điều khiển dựa mô hình (Model-based Control) MC Điều kiện thích ứng (Matching Condition) MFAPC

PID Bộ điều khiển PID (Proportional Integral Derivative) PFDL Tuyến tính hóa động dạng từng phần (Partial Form

Dynamic Linearization) PWM Điều chế độ rộng xung (Pulse Width Modulation) PMSM Động cơ đồng bộ kích thích vĩnh cửu

(Permanent Magnet Synchronous Motor) RBF Mạng nơ ron xuyên tâm RBF (Radial Basis Function) SISO Hệ một vào, một ra (Single Input, Single Output) SMC Điều khiển trượt (Sliding Mode Control)

SPSA Xấp xỉ ngẫu nhiên nhiễu loạn đồng thời (Simultaneous

Perturbation Stochastic Approximation) UC Điều khiển kiểm chứng (Unfalsified Control) VSC Điều khiển cấu trúc biến đổi (Variable Structural

Control)

VRFT Điều chỉnh phản hồi tham chiếu ảo (Virtual Reference

Feedback Tuning)

DANH MỤC CÁC BẢNG

Trang

Bảng 1.1 Phân chia các đối tượng điều khiển và phương pháp điều khiển 16

Bảng 1.2 Các bước thiết kế thuật toán MFAC 27

Bảng 4.1 Các luật điều khiển (ĐK) được mô phỏng 88

Bảng 4.2 Tham số mô hình cục bộ và luật MFC-iPID 89

Bảng 4.3 Chất lượng của hệ MFC-iPID theo tiêu chuẩn tích phân 92

Bảng 4.4 Tham số mô hình cục bộ và luật MFC-iPI-SMC 93

Bảng 4.5 Chất lượng của hệ MFC-iPI-SMC theo tiêu chuẩn tích phân 96

Bảng 4.6 Tham số luật điều khiển MFAC-CFDL 96

Bảng 4.7 Chất lượng của hệ MFAC-CFDL theo tiêu chuẩn tích phân 99

Bảng 4.8 Tham số luật điều khiển MFAC-CFDL-SMC 100

Bảng 4.9 Chất lượng hệ MFAC-CFDL-SMC theo tiêu chuẩn tích phân 101

DANH MỤC CÁC HÌNH VẼ

Trang

Hình 1.1 Biểu diễn quy trình thiết kế bộ điều khiển tựa mô hình (MBC) 12

Hình 1.2 Kiến trúc thiết kế bộ điều khiển định hướng dữ liệu (DDC) 15

Hình 1.3 Hai thái cực của lý thuyết điều khiển 18

Hình 1.4 Phân loại MFC theo thuật toán điều khiển 25

Hình 1.5 Mô tả hướng nghiên cứu phát triển MFC 30

Hình 2.1 Cấu trúc cơ bản của điều khiển thích nghi 36

Hình 2.2 Sơ đồ cấu trúc hệ thống điều khiển thích nghi 37

Hình 2.3 Sơ đồ cấu trúc điều khiển PID hiệu chỉnh đạo hàm đầu ra 40

Hình 2.4 Sơ đồ thuật toán điều khiển MFC-iPID 47

Hình 3.1 Minh họa khái niệm PPD 63

Hình 3.2 Sơ đồ điều khiển thích nghi phi mô hình MFAC 64

Hình 3.3 Sơ đồ điều khiển vòng kín hệ phi tuyến SISO 71

Hình 3.4 Sơ đồ điều khiển CFDL-MFAC 72

Hình 3.5 Sơ đồ luồng dữ liệu bộ điều khiển CFDL-MFAC 73

Hình 3.6 Sơ đồ hệ điều khiển MFAC-CFDL theo cấu trúc vòng kín 73

Hình 3.7: Sơ đồ điều khiển CFDL-MFAC cải tiến 76

Hình 4.1 Cấu trúc tổng quát hệ điều khiển động cơ PMSM 81

Hình 4.2 Hệ điều khiển truyền động điện PMSM Delta 82

Hình 4.3 Đường đặc tính điều khiển trực tiếp mô men 84

Hình 4.4 Biên dạng của nhiễu phụ thuộc thời gian 87

Hình 4.5 Sai lệch bám của hệ thống với tín hiệu đặt 1(t) 89

Hình 4.6 Sai lệch bám của hệ thống với tín hiệu đặt sin(t) 89

Hình 4.7 Đáp ứng của hệ MFC-iPID với đầu vào step 90

Hình 4.8 Sai lệch góc bám của hệ MFC-iPID với đầu vào step 90

Hình 4.9 Tham số F trong hệ MFC-iPID với đầu vào step 91

Hình 4.10 Đáp ứng của hệ MFC-iPID với đầu vào sin 91

Hình 4.11 Sai lệch góc bám của hệ MFC-iPID với đầu vào sin 92

Hình 4.12 Tham số F trong hệ MFC-iPID với đầu vào sin 92

Hình 4.13 Đáp ứng của hệ MFC-iPI-SMC với đầu vào step 94

Hình 4.14 Sai lệch góc bám của hệ MFC-iPI-SMC với đầu vào step 94

Hình 4.15 Tham số F trong hệ MFC-iPI-SMC với đầu vào step 94

Hình 4.16 Đáp ứng của hệ MFC-iPI-SMC với đầu vào sin 95

Hình 4.17 Sai lệch góc bám của hệ MFC-iPI-SMC với đầu vào sin 95

Hình 4.18 Tham số F trong hệ MFC-iPI-SMC với đầu vào sin 95

Hình 4.19 Đáp ứng của hệ MFAC-CFDL với đầu vào step 97

Hình 4.20 Sai lệch góc bám của hệ MFAC-CFDL với đầu vào step 97

Hình 4.21 Tham số PPD trong hệ MFAC-CFDL với đầu vào step 98

Hình 4.22 Đáp ứng của hệ MFAC-CFDL với đầu vào sin 98

Hình 4.23 Sai lệch góc bám của MFAC-CFDL với đầu vào sin 98

Hình 4.24 Tham số PPD trong hệ MFAC-CFDL với đầu vào sin 99

Hình 4.25 Đáp ứng của hệ MFAC-CFDL-SMC với đầu vào step 100

Hình 4.26 Sai lệch góc bám của hệ MFAC-CFDL-SMC với đầu vào step 100

Hình 4.27 Tham số PPD trong hệ MFAC-CFDL-SMC với đầu vào step 100

Hình 4.28 Đáp ứng của hệ MFAC-CFDL-SMC với đầu vào sin 101

Hình 4.29 Sai lệch góc bám của hệ MFAC-CFDL-SMC với đầu vào sin 101

Hình 4.30 Tham số PPD trong hệ MFAC-CFDL-SMC với đầu vào step 101

MỞ ĐẦU 1 Tính cấp thiết của đề tài luận án

Trong lý thuyết điều khiển tự động, việc thiết kế các phương pháp điều khiển thường được xây dựng trên cơ sở mô hình động học của đối tượng và các

phương pháp đó được gọi là phương pháp điều khiển tựa mô hình Sự chính xác

về cấu trúc và tham số của mô hình động học của đối tượng sẽ quyết định đến hiệu quả và chất lượng của các phương pháp điều khiển này Ưu điểm của các phương pháp trên là có thể dựa trên cấu trúc của mô hình để thiết kế cấu trúc điều khiển phù hợp, có khả năng giảm thiểu được các thành phần nhiễu và phi tuyến nhất định cũng như lựa chọn được các tham số điều khiển để đảm bảo đáp ứng đầu ra đạt được các chỉ tiêu yêu cầu Tuy nhiên, với các hệ thống cơ điện hay các quá trình trong thực tế là các hệ thống có tính chất phức tạp (chủ yếu là các hệ phi tuyến), việc xác định chính xác mô hình toán dựa trên các nguyên lý cơ bản thường rất khó khăn, hầu hết mô hình nhận được là mô hình xấp xỉ và đều được đơn giản hóa bằng các giả thiết và điều kiện nào đó Vì lí do thiếu mô tả đầy đủ động học này của đối tượng thực nên các phương pháp điều khiển tựa mô hình trong một số trường hợp trở nên không hiệu quả, và thường có sai số lớn

Trong phần lớn các ứng dụng điều khiển, việc cố gắng xây dựng một mô hình toán học của một đối tượng hay một hệ thống cơ điện cho dù đơn giản hay phức tạp thì đây là khâu đòi hỏi mất nhiều thời gian, chi phí và công sức Với một hệ thống điều khiển tự động hóa có độ tích hợp cao, việc mô hình hóa toàn bộ hệ thống sẽ không khả thi và khó có thể đạt hiệu quả cao Vấn đề này hiện nay có thể được khắc phục bằng các phương pháp điều khiển dựa trên kiến thức, dữ liệu thu thập thực nghiệm của hệ thống, cho phép làm khớp biểu diễn toán học của hệ thống với dữ liệu thực nghiệm thu thập được, từ đó có thể đặt đối tượng đó trong một lớp mô hình thuần túy toán học [18-20], [23], mô hình đối tượng khi đó xây dựng được dựa trên dữ liệu thu thập thay vì mô hình toán

học xây dựng từ các định luật cơ bản và các phương pháp điều khiển dựa trên

mô hình dạng này còn được gọi là phương pháp điều khiển tựa dữ liệu Việc

tích hợp các mô hình với dữ liệu cảm biến là chìa khóa cho sự phát triển của các công cụ phân tích dữ liệu mới, cung cấp thông tin nhân quả quan trọng mà sau đó có thể được sử dụng bởi các hệ thống điều khiển định hướng dữ liệu trong thời gian thực [1-5] Việc tiếp cận phương thức điều khiển không cần mô

hình hóa đối tượng, điều khiển không sử dụng mô hình (hay còn được gọi là phi mô hình, MFC - Model Free Control) là một vấn đề mới đặt ra và đang

được quan tâm nghiên cứu trong hơn hai thập kỷ trở lại đây Nền tảng của điều khiển phi mô hình đó là bộ điều khiển được thiết kế hoàn toàn dựa trên dữ liệu đo lường thu thập được [83], bản chất điều khiển phi mô hình (MFC) chính là một kỹ thuật điều khiển định hướng dữ liệu DDC (Data Driven Control), ở đó khâu xác định mô hình đối tượng được bỏ qua và bộ điều khiển được thiết kế trực tiếp sử dụng hoàn toàn dữ liệu vào/ ra của hệ thống

Trên thế giới, bộ điều khiển thích nghi phi mô hình MFA (Model Free Adaptive) trên cơ sở dữ liệu đã được phát triển cho nhiều hệ thống vòng kín Có thể kể đến một số nghiên cứu như tổng hợp bộ điều khiển MFA cho hệ thống tự động để thay thế cho bộ điều khiển PID cần điều chỉnh tham số thủ công [25], [26]; nghiên cứu bộ điều khiển MFA phi tuyến cho các quá trình có tính phi tuyến mạnh [10], [31]; nghiên cứu bộ điều khiển MFA để giải quyết vấn đề về độ trễ cho các quá trình có độ trễ thời gian lớn [30]; nghiên cứu điều khiển MFA cho các hệ MIMO điều khiển các quá trình đa biến [31]; nghiên cứu bộ điều khiển MFA khắc phục vấn đề nhiễu lớn có thể đo lường được [30]

Ở Việt Nam, cách đặt vấn đề điều khiển phi mô hình còn rất mới mẻ Một số nghiên cứu sâu hơn về bộ điều khiển PID theo hướng thông minh hóa bộ điều khiển này như [32-37] còn rất khiêm tốn Mới đây một số nghiên cứu về điều khiển phi mô hình đã được quan tâm nghiên cứu và đã có những kết quả trong thực tế, tuy nhiên các công trình này mới được giới thiệu dưới góc nhìn

của phương pháp điều khiển thông minh như giáo trình “Điều khiển học lặp” của nhóm tác giả GS.TS Nguyễn Doãn Phước, Nguyễn Thu Hà và Nguyễn Hoài Nam đã được đưa vào chương trình đào tạo ở Bộ môn Điều khiển Tự động, Đại học Bách khoa Hà Nội như một môn học về điều khiển thông minh [A2] , tiến sĩ Phạm Hoàng Anh thuộc Đại học Hàng Hải có lẽ là người đầu tiên của Việt nam đã bảo vệ thành công luận án tiến sĩ về điều khiển thích nghi phi mô hình vào năm 2020 tại Đức [74]

Tìm hiểu nghiên cứu tổng quan về các phương pháp điều khiển hiện nay trên thế giới đã cho thấy, hiện nay các hệ thống điều khiển tự động hóa có độ tích hợp cao, các quy trình công nghiệp trở nên tiên tiến hơn và do đó nhu cầu, tính cấp bách phải cải tiến thiết kế bộ điều khiển sao cho phù hợp ngày càng cao Điều khiển phi mô hình định hướng dữ liệu đã sinh ra như một xu thế phát triển tiếp theo tất yếu của lý thuyết điều khiển nhằm bổ sung những bất cập tồn tại và đôi khi không thể giải quyết triệt để của các phương pháp điều khiển truyền thống trước sự phát triển tinh vi, phức tạp của các hệ thống điều khiển trong thực tế Vì

vậy đề tài “Nghiên cứu xây dựng luật điều khiển thích nghi định hướng dữ

liệu cho lớp đối tượng không sử dụng mô hình” đã được NCS lựa chọn làm

hướng nghiên cứu cho luận án của mình

2 Mục tiêu nghiên cứu

Mục tiêu luận án là tổng hợp được luật điều khiển thích nghi cho lớp đối tượng chỉ hoàn toàn dựa trên dữ liệu vào/ra đo lường bỏ qua khâu mô hình hóa đối tượng Cụ thể:

- Xây dựng phương pháp tổng hợp hệ thống điều khiển thích nghi mới, chứng minh tính đúng đắn, hướng tới một kiến trúc điều khiển phi mô hình thích nghi tham số dựa trên các ràng buộc về chỉ tiêu chất lượng và dữ liệu theo thời gian thực

- Thực thi được thuật toán điều khiển số trên môi trường mô phỏng MATLAB

3 Đối tượng và phạm vi nghiên cứu

a) Đối tượng nghiên cứu

- Các phương pháp điều khiển định hướng dữ liệu, thích nghi tham số - Lớp đối tượng cơ điện tích hợp trong hệ thống điều khiển truyền động bám sử dụng cơ cấu chấp hành động cơ đồng bộ kích thích vĩnh cửu PMSM Lớp đối tượng này được sử dụng để thực hiện mô phỏng

b) Phạm vi nghiên cứu

- Các hệ thống điều khiển có cấu trúc phức tạp, các hệ thống phi tuyến không có mô hình toán học chính xác hoặc quá phức tạp để xây dựng hoặc mô hình toán học không xác định được

- Tập trung vào việc cải thiện hiệu suất điều khiển trong các tình huống mà các phương pháp điều khiển truyền thống (dựa trên mô hình) có thể không hiệu quả hoặc không áp dụng được

- Các hệ thống cần phản ứng nhanh và linh hoạt, do các phương pháp điều khiển đề xuất có khả năng điều chỉnh tham số điều khiển trong thời gian thực nhờ dữ liệu đầu vào/ ra

- Các hệ thống có dữ liệu vào/ra hoàn toàn thu thập được và có độ chính xác cao từ các cảm biến hoặc các hệ thống cảm biến

- Lý thuyết điều khiển thích nghi không sử dụng mô hình, định hướng dữ liệu cho các hệ SISO Các hệ thống có thuộc tính điều khiển được và quan sát được, thỏa mãn điều kiện Lipchitz tổng quát

4 Nội dung nghiên cứu

Luận án đề xuất 4 nội dung nghiên cứu như sau: - Nội dung 1: Nghiên cứu tổng quan về điều khiển định hướng dữ liệu; - Nội dung 2: Nghiên cứu về các luật điều khiển thích nghi tham số; - Nội dung 3: Nghiên cứu xây dựng các luật điều khiển định hướng dữ liệu phi mô hình, thích nghi tham số mới cho một lớp đối tượng cơ điện;

- Nội dung 4: Xây dựng thuật toán và cài đặt mô phỏng để đánh giá hiệu quả và khả năng áp dụng của phương pháp đề xuất

5 Phương pháp nghiên cứu

- Phương pháp phân loại và hệ thống hóa lý thuyết: Luận án sắp xếp các tài

liệu khoa học liên quan đến các nội dung nghiên cứu về điều khiển định hướng dữ liệu, điều khiển thích nghi tham số theo từng vấn đề có cùng dấu hiệu bản chất, cùng xu hướng phát triển

- Phương pháp phân tích và tổng hợp lý thuyết: Luận án nghiên cứu và ứng

dụng lý thuyết điều khiển phi mô hình, cũng như ứng dụng các phương pháp điều khiển hiện đại như điều khiển thích nghi, điều khiển PID hiệu chỉnh, điều khiển trượt cho đối tượng phi tuyến, bất định, có nhiễu tác động; sử dụng tiêu chuẩn Lyapunov để chứng minh tính ổn định của hệ thống

- Phương pháp chuyên gia: Luận án tham khảo, xin ý kiến đóng góp từ đội

ngũ những người có chuyên môn để xem xét nhận định bản chất của đối

tượng, từ đó làm nảy sinh giải pháp thực hiện mới

- Phương pháp mô phỏng: Luận án xây dựng phần mềm mô phỏng trên

MATLAB để kiểm chứng và đánh giá khả năng áp dụng phương pháp đề xuất

6 Ý nghĩa khoa học và thực tiễn

Ý nghĩa khoa học: Luận án đã đề xuất thiết kế bộ điều khiển hướng dữ liệu

không sử dụng mô hình Điều này cho phép bộ điều khiển thu được đảm bảo chất lượng yêu cầu không phụ thuộc vào sự thay đổi bất định trong mô hình, từ đó cho phép xây dựng và cải tiến một số thuật toán trên cơ sở lý thuyết điều khiển không sử dụng mô hình

Ý nghĩa thực tiễn: Kết quả nghiên cứu của luận án có thể áp dụng đối với

các hệ thống điều khiển tự động hóa có độ tích hợp cao, các quá trình công nghiệp có mô hình phức tạp trong thực tế; ứng dụng trong các nhiệm vụ nâng cấp, cải tiến, chế tạo mới các loại vũ khí, khí tài trong quân đội

7 Bố cục của luận án

Ngoài các phần mở đầu, kết luận, danh mục công trình khoa học đã công bố, tài liệu tham khảo, luận án được bố cục thành bốn chương như sau:

Chương 1: Tổng quan về điều khiển không sử dụng mô hình định hướng dữ liệu

Chương 1 Nghiên cứu tổng quan về điều khiển định hướng dữ liệu, điều khiển không sử dụng mô hình, từ đó thiết lập các vấn đề nghiên cứu theo hướng nâng cao chất lượng hệ thống phi tuyến SISO bằng phương pháp đa kỹ thuật Chương 1 đã đặt ra 2 bài toán cần giải quyết liên quan đến 2 nhánh điều khiển không sử dụng mô hình được phát triển dựa trên nền tảng của phương pháp điều khiển PID cho hệ liên tục biểu diễn toán học ở dạng phương trình vi phân bậc nhất rút gọn và cho hệ rời rạc bởi mô hình dữ liệu tuyến tính hóa động dạng rút gọn

Chương 2: Điều khiển không sử dụng mô hình hệ liên tục dựa trên thuật toán PID với chế độ trượt và luật thích nghi tham số

Chương 2 Nghiên cứu điều khiển không sử dụng mô hình cho hệ liên tục có biểu diễn toán học ở dạng phương trình vi phân bậc nhất rút gọn Hệ phi tuyến nói chung và hệ phi tuyến liên tục SISO trên cơ sở chế độ trượt và luật thích nghi tham số được quan tâm nghiên cứu, áp dụng lý thuyết điều khiển phi mô hình cục bộ hệ động học bậc nhất Trong chương này, bổ đề về tính bị chặn của hàm Lyapunov và biến trượt được phát biểu, làm tiền đề cho việc chứng minh định lý về tính ổn định của hệ thống điều khiển

Chương 3: Điều khiển thích nghi không sử dụng mô hình cho hệ rời rạc SISO dựa trên tuyến tính hóa động rút gọn

Chương 3 Nghiên cứu điều khiển thích nghi không sử dụng mô hình hệ phi tuyến rời rạc SISO có biểu diễn toán học tuyến tính hóa dạng rút gọn Các luật điều khiển MFAC-CFDL và MFAC-CFDL-SMC được tổng hợp trên cơ sở giải bài toán cực tiểu hóa hàm mục tiêu Việc phát biểu và chứng minh các định lý liên quan đã đảm bảo toán học chặt chẽ cho thuật toán tổng hợp được, đảm bảo tính ổn định của hệ thống điều khiển Nhằm hướng đến việc thực thi thuật toán trên máy tính nhúng, chương 3 đã biểu diễn thuật toán dưới dạng rời rạc Cách thể hiện này giúp cho việc triển khai thuật toán được dễ dàng, tường minh

Chương 4: Mô phỏng kiểm chứng luật điều khiển đề xuất

Chương 4 thể hiện kết quả mô phỏng áp dụng thuật toán trong chương 2 và chương 3 nhờ công cụ MATLAB / Simulink Thông qua mô phỏng với tham số cụ thể của một hệ truyền động bám servo SISO, thuật toán đề xuất được cài đặt và chạy mô phỏng; kết quả được biểu diễn trực quan

Chương 1 TỔNG QUAN ĐIỀU KHIỂN KHÔNG SỬ DỤNG MÔ HÌNH ĐỊNH

HƯỚNG DỮ LIỆU

Chương 1 nghiên cứu tổng quan về điều khiển định hướng dữ liệu, điều khiển không sử dụng mô hình Một số xu hướng liên quan đến điều khiển tựa mô hình, và định hướng dữ liệu được tổng hợp, làm rõ những thách thức và thuận lợi của từng phương pháp điều khiển, từ đó thiết lập giả thuyết và các vấn đề nghiên cứu đặt ra theo hướng nâng cao chất lượng cho hệ thống phi

tuyến SISO bằng phương pháp đa kỹ thuật 1.1 Điều khiển tựa mô hình

1.1.1 Sự phát triển của điều khiển tựa mô hình

Việc Kalman đưa ra mô hình không gian trạng thái tham số vào năm 1960 và cùng với điều khiển tối ưu đã khai sinh ra lý thuyết điều khiển hiện đại hay còn gọi là điều khiển tựa mô hình (MBC – Model Based Control) [57], [60] Đối tượng của lý thuyết điều khiển hiện đại được áp dụng cho cả hệ tuyến tính và phi tuyến [31], [73], [94] Cho đến nay, lý thuyết điều khiển hiện đại đã phát triển đầy đủ và được phân thành các nhánh chính: Nhận dạng hệ thống, điều khiển thích nghi, điều khiển bền vững, điều khiển tối ưu, điều khiển cấu trúc biến đổi và lý thuyết hệ thống ngẫu nhiên Các phương pháp này đã được ứng dụng rất thành công trong nhiều lĩnh vực, đặc biệt là trong ngành hàng không vũ trụ, nơi có sẵn các mô hình chính xác Tuy nhiên, lý thuyết điều khiển hiện đại vẫn còn nhiều vấn đề thách thức từ cả khía cạnh lý thuyết và quan điểm thực tiễn [43] Lý do bởi vì trong lý thuyết điều khiển hiện đại hay còn được gọi là lý thuyết điều khiển tựa mô hình (MBC), việc thiết kế, phân tích, đánh giá tính ổn định, hiệu suất bộ điều khiển, đều phụ thuộc vào cấu trúc động học và các giả thiết được dựa trên mô hình hệ thống Nghiên cứu và ứng dụng của

lý thuyết điều khiển hiện đại được tổng quát hóa gồm quy trình bốn bước, đó là:

Bước 1: Xây dựng mô hình hệ thống; Bước 2: Thiết kế bộ điều khiển dựa trên mô hình đã được thiết lập hoặc hiệu chỉnh tương ứng;

Bước 3: Phân tích các thuộc tính của hệ thống điều khiển theo một số giả thiết thực hiện trên mô hình;

Bước 4: Áp dụng bộ điều khiển được thiết kế ở bước 3

1.1.2 Một số vấn đề mô hình hóa và nhận dạng trong điều khiển tựa mô hình

Theo quy trình 4 bước ở trên, phương pháp MBC mặc nhiên thừa nhận mô hình giả thiết được thiết lập chính xác, đại diện cho động học của hệ thống thực và việc xây dựng mô hình này dựa trên các nguyên lý cơ bản được coi là hoàn toàn đáng tin cậy Tuy nhiên thực tế, các quy trình thực tiễn trong nhiều lĩnh vực, chẳng hạn như công nghiệp hóa chất, luyện kim, máy móc, điện lực, giao thông vận tải v.v đã và đang có những thay đổi đáng kể Quy mô của các doanh nghiệp ngày càng lớn, quy trình sản xuất ngày càng phức tạp hơn, yêu cầu về chất lượng sản phẩm cũng ngày một cao hơn Chính vì những sự phức tạp và yêu cầu cao của các hệ thống trong thực tế hiện nay, cho nên để đáp ứng được các yêu cầu đó thì việc xây dựng mô hình toán học cho các hệ thống này càng phải chính xác; song cho đến nay vẫn chưa có phương pháp hiệu quả nào để mô hình hóa chính xác một hệ thống [38] Đối với những mô hình phức tạp có bậc cao và độ phi tuyến mạnh thì việc phân tích và thiết kế bộ điều khiển cho hệ thống cũng gặp rất nhiều khó khăn với chi phí rất lớn Chính vì vậy, lý thuyết và phương pháp điều khiển MBC hiện nay đối mặt với nhiều thách thức khi áp dụng vào thực tế bởi 4 đặc điểm như sau:

Thứ nhất, mô hình hóa một hệ thống thực tế, cho dù theo các nguyên lý cơ bản hay bằng cách xác định từ dữ liệu, thực chất chỉ là sự xấp xỉ gần đúng hệ thống ban đầu, do đó việc tồn tại động lực học chưa được mô hình hóa là không

thể tránh khỏi [8] Có những sai số trong việc mô hình hóa hệ thống thực cho dù bằng các định luật vật lý hay bằng cách nhận dạng từ dữ liệu là điều đương nhiên Bởi một thực tế là luôn tồn tại động lực học của đối tượng chưa được mô tả toán học trong quá trình mô hình hóa, ví dụ đơn giản như thiếu các mô tả đầy đủ về những thành phần bất định trong thực tế [30] Vì thế, hệ thống điều khiển vòng kín với cách tiếp cận thiết kế bộ điều khiển tựa mô hình (MBC) sẽ không giải quyết triệt để yêu cầu chất lượng điều khiển về độ an toàn và tính bền vững do chính những thành phần động học không được mô hình hóa này Thứ hai, rất khó sử dụng toán học giải tích để xác định mô hình hệ thống,

cũng như thiết kế và phân tích hệ thống điều khiển nếu động học hệ thống có

cấu trúc thay đổi theo thời gian hoặc có tham số biến thiên nhanh Nên đôi khi

việc chính xác hóa mô hình một hệ thống có thể khó hơn là việc thiết kế bộ điều khiển cho hệ thống đó Với phương pháp thiết kế MBC thì bước xây dựng mô hình và nhận dạng là khâu quyết định tới chất lượng bộ điều khiển hệ thống, trong thực tế khi mô hình không chính xác thì hầu hết các kết quả lý thuyết dựa trên mô hình hệ thống điều khiển vòng kín, chẳng hạn như tính ổn định và sự hội tụ hoàn toàn có thể không được đảm bảo [1], [3-5]

Thứ ba, ngay cả khi có sẵn một mô hình chính xác của hệ thống, song có thể

đó là một mô hình rất phức tạp bao gồm tính phi tuyến mạnh, các tham số biến đổi theo thời gian và có bậc cao vì vốn dĩ trong thực tế các đối tượng rất phức tạp Trong khi chúng ta đều biết một bộ điều khiển phức tạp sẽ rất khó để thiết kế, sử dụng, bảo trì và chẩn đoán Nếu động lực học của hệ thống có bậc quá cao sẽ dẫn đến một bộ điều khiển cũng có bậc cao, trong thực tế, các bộ điều khiển bậc cao sẽ không phù hợp và đôi khi là bất khả thi và do đó ta thường phải tìm kiếm giải pháp để giảm bậc mô hình (loại bỏ thành phần để có được

mô hình đơn giản hơn) hay giảm bậc bộ điều khiển Điều mâu thuẫn ở đây là

trong khi cố gắng thực hiện mô hình hóa tạo ra một mô hình bậc cao chính xác để hướng tới mục tiêu thiết kế hệ thống điều khiển hiệu suất cao trên cơ sở tổng

hợp được các luật điều khiển có chất lượng cao, nhưng nếu bộ điều khiển có bậc cao thì lại phải thực hiện giảm bậc bộ điều khiển hoặc đơn giản hóa mô hình để được bộ điều khiển có bậc thấp hơn dẫn tới giảm chất lượng hệ thống điều khiển

Cuối cùng, phương pháp MBC không thể thực hiện được nếu không có mô hình hệ thống

Nhận xét: Về mặt lý thuyết, những thách thức chính mà MBC phải đối mặt

khi áp dụng cho quy trình thực tế là: (i) Vấn đề động lực học chưa được mô hình hóa tác động đến tính ổn định của hệ thống;

(ii) Khi đã mô hình hóa chính xác hệ thống thì cần phải tổng hợp được một bộ điều khiển đơn giản, dễ dàng sử dụng và thực thi

Hai vấn đề trên đều là những cặp mâu thuẫn song sinh luôn tồn tại và không hoàn toàn giải quyết triệt để, đồng thời bằng phương pháp MBC truyền thống

1.1.3 Vấn đề tồn tại trong thiết kế bộ điều khiển tựa mô hình

Với những phân tích trên, có thể thấy rằng bộ điều khiển tựa mô hình có thể không hoạt động tốt nếu mô hình đối tượng không mô tả được đầy đủ động học của đối tượng thực Vì lý do này, thiết kế bộ điều khiển bằng cách sử dụng một mô hình không chính xác có thể dẫn đến hiệu suất kém hoặc làm cho hệ thống kín không ổn định Nghiên cứu [86] cho thấy những sai số mô hình hóa rất nhỏ có thể dẫn đến hiệu suất vòng kín kém hiệu quả Đối với điều khiển thích nghi, phản chứng của Rohr đã chứng minh rằng các hệ thống điều khiển thích nghi ổn định dựa trên một số giả thiết về mô hình hệ thống có thể biểu hiện một số đáp ứng không mong muốn nhất định bởi tồn tại động lực học không được mô hình hóa [78], [79]

Ngay cả khi mô hình đủ chính xác, các kết quả phân tích lý thuyết, như tính ổn định, hội tụ và tính bền vững của một hệ thống điều khiển vòng kín, được

chứng minh bằng công cụ toán học chặt chẽ, không phải lúc nào cũng có giá trị nếu các giả thiết bổ sung về hệ thống không chính xác

Kiến trúc của thiết kế bộ điều khiển MBC được thể hiện trong Hình 1.1 Với phương pháp điều khiển MBC, điểm bắt đầu và kết thúc đều hướng đến mô hình Sơ đồ trên Hình 1.1 cho thấy mô hình hệ thống là điểm khởi đầu cho thiết kế bộ điều khiển và cũng là điểm đến của phân tích hệ thống điều khiển MBC Ở đây luôn tồn tại vấn đề sai khác giữa hệ thống điều khiển và mô hình hệ thống được xây dựng bằng một số giả định, nhưng các sai khác này dường như không được nhắc tới trong thiết kế bộ điều khiển và phân tích hệ thống điều khiển

Hình 1.1 Biểu diễn quy trình thiết kế bộ điều khiển tựa mô hình (MBC) Các phương pháp điều khiển thích nghi thông thường cho rằng với các giả thiết A, B, C, D, E và sử dụng thuật toán F, tất cả các tín hiệu đều bị chặn khi thời gian tiến về vô cùng Sử dụng giả thiết tín hiệu bị chặn có thể đúng và do đó những kết luận rút ra dựa trên các giả thiết này có thể đủ tin cậy Tuy nhiên, không loại trừ khả năng tại một thời điểm trước khi thời gian tiến đến vô cùng, bộ điều khiển làm cho hệ thống kín không ổn định Một số nghiên cứu [3-5] cho thấy điều khiển thích nghi dựa trên các mô hình như vậy không thể đảm bảo được tính an toàn

Đặc điểm chung của các phương pháp thiết kế hệ thống điều khiển phi tuyến thông thường như phương pháp dựa trên Lyapunov, phương pháp backstepping và tuyến tính hóa phản hồi đó là đều phụ thuộc vào độ chính xác của mô hình

Dữ liệu hệ thống Đối tượng điều

được xây dựng dựa trên:

+ Động học và dữ liệu + Một số giả định Bộ điều khiển MBC

hệ thống, bậc của bộ điều khiển phụ thuộc vào bậc của mô hình Nếu mô hình của hệ thống không chính xác sẽ tác động đến chất lượng, hiệu suất hệ thống kín bị giới hạn [35]

1.2 Điều khiển định hướng dữ liệu và các vấn đề liên quan

1.2.1 Sự ra đời phương pháp điều khiển định hướng dữ liệu

Với sự phát triển của khoa học và công nghệ thông tin, các quy trình thực tiễn đã có những thay đổi đáng kể Các quy trình tự động hóa có quy mô công nghệ, thiết bị sản xuất lớn, quy trình sản xuất ngày càng phức tạp Vấn đề về mô hình hóa sử dụng các định luật vật lý hoặc nhận dạng đã trở nên khó khăn hơn Do đó lý thuyết điều khiển MBC truyền thống không còn đáp ứng được cho các hệ thống điều khiển phức tạp tinh vi hiện nay Hơn nữa, các quy trình công nghiệp luôn tạo ra và lưu trữ một lượng lớn dữ liệu quy trình tại mọi điểm hoạt động, chứa tất cả thông tin trạng thái có giá trị của các thiết bị hoạt động và của quy trình Việc sử dụng những dữ liệu này, cả trực tuyến và ngoại tuyến, để thiết kế bộ điều khiển, dự đoán và đánh giá trạng thái hệ thống, đánh giá hiệu suất và đưa ra quyết định hoặc chẩn đoán lỗi là rất quan trọng, đặc biệt là khi hệ thống thiếu các mô tả đối tượng hay quá trình công nghệ chính xác Vì lý do này, việc hình thành và phát triển lý thuyết điều khiển theo dữ liệu là vấn đề cấp bách cả về lý thuyết và thực tế Thuật ngữ “hướng dữ liệu” (data-driven) được đề xuất lần đầu tiên trong khoa học máy tính và chỉ gần đây mới được sử dụng trong cộng đồng điều khiển Cho đến nay, đã có một vài phương pháp điều khiển theo hướng dữ liệu, nhưng chúng được đặc trưng bởi các tên khác nhau, chẳng hạn như điều khiển định hướng dữ liệu, điều khiển dựa trên dữ liệu, MFC (Điều khiển phi mô hình – Model Free Control), MFAC (Điều khiển thích nghi phi mô hình – Model Free Adaptive Control), IFT (Điều chỉnh phản hồi lặp – Iterative Feedback Tuning), VRFT (Điều chỉnh phản hồi tham chiếu ảo – Virtual Reference Feedback Tuning) và ILC (điều khiển học lặp – Iterative Learning Control) Nói chính xác, có một số khác biệt giữa thuật ngữ điều khiển

định hướng dữ liệu và điều khiển dựa trên dữ liệu Điều khiển định hướng dữ liệu xác lập một quy trình điều khiển vòng kín, điểm bắt đầu và điểm đến đều là dữ liệu, trong khi điều khiển dựa trên dữ liệu xác lập một quy trình điều khiển vòng hở, ở đó, dữ liệu chỉ tham gia vào điểm bắt đầu

Điều khiển định hướng dữ liệu là một phương pháp mới có tiềm năng to lớn đã được sử dụng thành công trong hàng loạt ứng dụng [80] Tuy nhiên, nó không được biết đến rộng rãi trong các nghiên cứu về điều khiển, do vậy kiến thức về điều khiển định hướng dữ liệu còn hạn chế

1.2.2 Định nghĩa về DDC

Hiện nay có ba định nghĩa phổ biến về DDC:

Định nghĩa 1 [36]: Điều khiển định hướng dữ liệu là các lý thuyết và

phương pháp điều khiển trong đó bộ điều khiển được thiết kế trực tiếp sử dụng dữ liệu I/O trực tuyến hoặc ngoại tuyến của hệ thống điều khiển hoặc kiến thức từ quá trình xử lý dữ liệu mà không sử dụng bất kì thông tin nào từ mô hình toán học của quá trình điều khiển Tính ổn định, sự hội tụ, tính bền vững của hệ thống có thể được đảm bảo bằng công cụ phân tích toán học chặt chẽ với những giả thiết phù hợp

Định nghĩa 2 [93]: Thiết kế bộ điều khiển định hướng dữ liệu là sự tổng

hợp của bộ điều khiển sử dụng dữ liệu đo lường trên hệ thống điều khiển thực tế mà không sử dụng các mô hình tham số của hệ thống điều khiển trong quá trình thích nghi

Định nghĩa 3 [35]: Trong DDC, dữ liệu đo lường được sử dụng trực tiếp để

tối thiểu hóa hàm mục tiêu, từ đó tham số bộ điều khiển được xác định từ lời giải của bài toán tối ưu

Nhận xét: Từ ba định nghĩa này, có thể rút ra một số kết luận:

Thứ nhất, các phương pháp thiết kế bộ điều khiển DDC chỉ phụ thuộc vào dữ liệu đầu vào-đầu ra đo lường của hệ thống điều khiển Kiến trúc tổng quát của phương pháp thiết kế bộ điều khiển DDC được thể hiện trong hình 1.2 Đặc

điểm của kiến trúc điều khiển này là việc thiết kế bộ điều khiển DDC và phân tích hệ thống điều khiển đều được thực hiện bằng cách chỉ sử dụng dữ liệu I/O đo lường của hệ thống điều khiển vòng kín Mô hình hệ thống không còn chi phối quá trình điều khiển Dữ liệu I/O của hệ thống điều khiển vòng kín ảnh hưởng, quyết định tới hiệu suất của hệ thống điều khiển

Hình 1.2 Kiến trúc thiết kế bộ điều khiển định hướng dữ liệu (DDC) Thứ hai, theo Định nghĩa 1, thiết kế bộ điều khiển DDC sử dụng trực tiếp dữ liệu I/O đo lường của hệ thống mà không cần kiến thức về động lực học hoặc cấu trúc của hệ thống điều khiển Theo Định nghĩa 2, thiết kế bộ điều khiển DDC có thể bao gồm ngầm sử dụng (ẩn chứa) thông tin cấu trúc của hệ thống điều khiển và chỉ xem xét trong điều khiển thích nghi Theo Định nghĩa 3, cấu trúc bộ điều khiển DDC được xác định trước và chỉ bao gồm phương pháp điều chỉnh tham số bộ điều khiển ngoại tuyến

Thứ ba, các vấn đề quan trọng trong các ứng dụng thực tế của một hệ thống điều khiển là tính ổn định, sự hội tụ và tính bền vững đều có thể được kiểm soát ở các phương pháp DDC Bằng các phương pháp DDC, những vấn đề cần quan tâm này được giải quyết theo những cách phù hợp khi áp dụng trong thực tế

Tổng hợp ba định nghĩa trên, luận án đề xuất một định nghĩa tổng quát hơn (Định nghĩa 4) về điều khiển DDC, bao hàm tất cả các định nghĩa nêu trên

Định nghĩa 4: Điều khiển định hướng dữ liệu bao gồm tất cả các lý thuyết

và phương pháp điều khiển trong đó bộ điều khiển được thiết kế bằng cách sử

Đối tượng điều khiển

Dữ liệu hệ thống

[Phi mô hình]

Sử dụng dữ liệu I/O Không sử dụng mô hình dựa trên dữ liệu, quy luật và đặc tính của hệ thống

Bộ điều khiển DDC

dụng dữ liệu vào/ra trực tuyến hoặc ngoại tuyến của hệ thống điều khiển hoặc kiến thức từ quá trình xử lý dữ liệu, thay vì sử dụng thông tin từ mô hình toán học của quá trình điều khiển và đảm bảo tính ổn định, sự hội tụ và tính bền vững thông qua đảm bảo toán học chặt chẽ dưới một số giả thiết phù hợp

Nội hàm của Định nghĩa 4 chính là việc sử dụng trực tiếp dữ liệu đầu vào/ra,

mô hình dữ liệu thay vì mô hình từ định luật vật lý hoặc mô hình nhận dạng và

đảm bảo toán học chặt chẽ Trong các phần tiếp theo, luận án tập trung vào các phương pháp DDC phù hợp với Định nghĩa 4

1.2.3 Đối tượng điều khiển của phương pháp DDC

Một hệ thống điều khiển bao gồm hai phần chính: Đối tượng điều khiển và bộ điều khiển Các đối tượng được điều khiển trong thế giới thực có thể được phân loại thành bốn loại sau, thể hiện trong Bảng 1.1

Bảng 1.1 Phân chia các đối tượng điều khiển và phương pháp điều khiển

Phương pháp thiết kế

MBC

Phương pháp điều khiển thích nghi, bền vững

Phương pháp DDC Đối

tượng điều khiển

Đối tượng O2: Những đối tượng mà có mô hình toán học thu được từ các

định luật vật lý hoặc dựa trên quá trình nhận dạng với độ chính xác trung bình, ẩn chứa những bất định

Đối tượng O3: Những đối tượng mà có mô hình toán học phức tạp có bậc

cao và độ phi tuyến mạnh

Đối tượng O4: Những đối tượng không thiết lập được mô hình toán học

hoặc không có sẵn Nhìn chung, các lớp O1 và O2 đã được giải quyết tốt bằng lý thuyết điều khiển hiện đại (lý thuyết điều khiển tựa mô hình MBC) Đối với lớp đối tượng O1, chúng ta có nhiều cách tiếp cận được nghiên cứu kỹ lưỡng giải quyết được cho cả hệ thống tuyến tính và phi tuyến tính, chẳng hạn như phương pháp gán cực, phương pháp thiết kế bộ điều khiển Lyapunov, phương pháp thiết kế backstepping và tuyến tính hóa phản hồi

Đối với lớp O2, cả điều khiển thích nghi và điều khiển bền vững đã được nghiên cứu phát triển rất sâu, tập trung vào tính bất định của tham số mô hình và nhiễu Mặc dù nhiều nhánh điều khiển hiện đại phát triển đã được thiết lập để giải quyết hai lớp đối tượng điều khiển này, song vẫn còn nhiều vấn đề mở cần được tiếp tục nghiên cứu sâu hơn, đặc biệt là khả năng áp dụng phương pháp DDC cho các lớp đối tượng này

Đối với lớp O3, nếu mô hình quá phức tạp, bao gồm hàng trăm hoặc hàng nghìn phương trình và biến trạng thái, như vậy các mô hình này khó có thể được sử dụng cho thiết kế bộ điều khiển Các lớp hệ thống O3 thường rất phức tạp và có thể được xếp loại vào lớp đối tượng O4 Mặc dù rất phức tạp, nhưng lớp đối tượng O3 vẫn có thể được mô hình toán học từ các định luật vật lý hoặc bằng nhận dạng mô hình có sẵn, phù hợp với thiết kế bộ điều khiển; tuy nhiên do bậc cao hoặc mức độ phi tuyến mạnh nên bộ điều khiển cần tổng hợp sẽ có bậc cao và độ phi tuyến cũng rất cao Thực tế cho thấy, một bộ điều khiển quá phức tạp sẽ rất khó để thực thi và tốn kém chi phí để sử dụng, trong khi lại rất dễ sinh lỗi Vì vậy, đối với các đối tượng loại này, khi thiết kế bộ điều khiển ưu tiên hàng đầu là tìm giải pháp giảm bậc mô hình hay giảm bậc bộ điều khiển Bởi thông thường, các mô hình toán học quá phức tạp không những không phù hợp với thiết kế bộ điều khiển mà còn gây khó khăn trong việc phân tích hệ thống

Đối với lớp đối tượng O4, hiện tại chưa có phương pháp nào có thể giải quyết các vấn đề điều khiển một cách hiệu quả Thực tế, chỉ có ít hơn một nửa trong số bốn lớp đối tượng trên được giải quyết tốt Nửa còn lại sẽ là các đối tượng nhận được sự quan tâm của điều khiển của DDC, nhất là trong bối cảnh dữ liệu đầu vào/đầu ra hệ thống luôn được thu thập dễ dàng

1.2.4 Vị trí của DDC trong lý thuyết điều khiển

Trên phương diện mô hình hóa đối tượng điều khiển, ở một chừng mực nào đó nếu xem lý thuyết điều khiển là một vòng tròn lưỡng nghi (Hình 1.3) thì có thể phân chia nó thành hai phần (có thể gọi là 2 thái cực) Một phần tương ứng với lý thuyết MBC và phần còn lại tương ứng với lý thuyết DDC

Hình 1.3 Hai thái cực của lý thuyết điều khiển Nhiệm vụ của lý thuyết điều khiển là phải giải quyết được vấn đề điều khiển cho bốn lớp đối tượng trên Tuy nhiên, MBC chỉ có thể giải quyết các đối tượng khi có sẵn mô hình toán học đáng tin cậy và độ bất định được hạn chế trong một giới hạn vừa phải cho trước Có nghĩa là, thông thường MBC được nghiên cứu và áp dụng hiệu quả cho các lớp đối tượng O1 và O2 Và một cách logic tự nhiên, phương pháp điều khiển DDC được kỳ vọng áp dụng hiệu quả cho các lớp đối tượng O3 và O4 Song điều đó không có nghĩa DDC không thể áp dụng có hiệu quả cho các lớp đối tượng O1 hay O2 Hướng nghiên cứu này hiện nay vẫn tiếp tục được đào sâu nghiên cứu, phát triển cả về mặt lý thuyết lẫn thực nghiệm kiểm chứng Minh họa các thuật toán đề xuất, trong phần mô phỏng ở chương 4, luận án sử dụng lớp đối tượng O1 để dễ kiểm nghiệm vì O1 có mô hình tương đối chính xác, có sẵn các công cụ phân tích, đánh giá, có thể cài đặt vào phần mềm mô phỏng để thu thập dữ liệu vào/ ra

Điều khiển định hướng dữ liệu DDC Điều khiển tựa

mô hình MBC

1.3 Phân biệt giữa các phương pháp tiếp cận MBC và DDC

1.3.1 Ưu điểm của DDC

Phương pháp điều khiển MBC và điều khiển DDC là hai phần của lý thuyết điều khiển (Hình 1.3) và có cùng một mục tiêu, đó là, đều thiết kế được bộ điều khiển để điều chỉnh tín hiệu đầu ra của hệ thống bám sát theo giá trị mong muốn hoặc đáp ứng chỉ tiêu đặt ra Sự khác biệt chính giữa MBC và DDC ở chỗ, một là phương pháp thiết kế hệ thống điều khiển dựa trên mô hình do có sẵn mô hình hợp lý, hai là phương pháp thiết kế hệ thống điều khiển dựa trên dữ liệu do không có mô hình toán học đáng tin cậy Xét trên hai phương diện đó, DDC sẽ nhiều tính năng ưu việt hơn, đó là:

(1) Bộ điều khiển theo phương pháp tiếp cận DDC rõ ràng không chứa bất kỳ thành phần nào của mô hình hệ thống Vì lý do này, nó đã khắc phục được sự phụ thuộc vào mô hình hệ thống, thoát ly khỏi mô hình để tổng hợp các thuật toán điều khiển

(2) Các đánh giá về tính ổn định và sự hội tụ của phương pháp tiếp cận DDC không phụ thuộc vào độ chính xác của mô hình

(3) Điểm nổi bật nhất của phương pháp tiếp cận DDC là giải quyết được vấn đề song sinh giữa động lực học không được mô hình và tính bền vững trong lý thuyết MBC truyền thống

Nhận xét: Sự khác biệt chính giữa MBC và DDC là việc thiết kế bộ điều

khiển hoàn toàn dựa trên mô hình hay chỉ dựa trên dữ liệu đầu vào/ đầu ra của hệ thống Nói cách khác, nếu mô hình hệ thống được sử dụng để thiết kế bộ điều khiển, đó là một phương pháp tiếp cận MBC; nếu không, đó là một phương pháp tiếp cận DDC Xét theo góc độ trên, có thể coi phương pháp điều khiển dựa trên mạng nơ-ron, phương pháp điều khiển mờ và một số phương pháp điều khiển thông minh khác đều hướng đến cách tiếp cận DDC Ví dụ, thuật toán điều khiển dựa trên mạng nơ ron với mạng nơ ron được dùng như một bộ điều khiển xấp xỉ trực tiếp hệ thống, đó là một ứng dụng DDC Đổi lại, khi

mạng nơ ron hoặc luật điều khiển mờ mô tả hệ thống được sử dụng với vai trò mô hình thì chúng không được coi là những ứng dụng DDC [10], [83]

1.3.2 Một số vấn đề cần giải quyết đối với phương pháp DDC

Hiện nay, phương pháp DDC vẫn đang tiếp tục được khai phá và phát triển nên còn có nhiều vấn đề quan trọng cần phải được giải quyết Cụ thể:

(1) Về mặt lý thuyết, các vấn đề điều khiển gây ra do tham số và cấu trúc mô hình biến đổi theo thời gian luôn là thách thức đối với các phương pháp MBC thì các vấn đề này đều được giải quyết với phương pháp DDC Do bộ điều khiển được thiết kế chỉ bằng dữ liệu I/O đo lường cho nên việc các tham số hệ thống hoặc cấu trúc mô hình có thay đổi theo thời gian hay không cũng không có ý nghĩa Do đó, những khó khăn trong việc giải quyết các vấn đề cấu trúc hoặc tham số biến đổi hoặc độ trễ vốn gây thách thức đối với các phương pháp MBC, sẽ được loại bỏ trong các phương pháp DDC

(2) Xét ở góc độ dữ liệu, thì sẽ không thể phân loại được hệ thống là tuyến tính hay phi tuyến tính Do vậy, để có một phương pháp DDC lý tưởng thì các thuật toán tổng hợp theo hướng tiếp cận DDC phải có khả năng xử lý các vấn đề điều khiển thống nhất cho cả hệ thống tuyến tính và phi tuyến tính

(3) Tính bền vững theo nghĩa truyền thống không tồn tại trong các phương pháp DDC, do DDC chỉ có dữ liệu đo lường I/O tham gia vào quá trình thiết kế bộ điều khiển Vì thế cần thiết phải đảm bảo toán học về tính bền vững của DDC (4) Phương pháp DDC chỉ phụ thuộc vào dữ liệu đầu vào/ra đo lường nên nó được kì vọng không có sự khác biệt lớn giữa kết quả mô phỏng trong phòng thí nghiệm và ứng dụng thực tế khi phương pháp DDC được triển khai Do đó, khoảng cách lớn giữa lý thuyết điều khiển và ứng dụng cũng sẽ được thu hẹp, thậm chí không còn tồn tại

(5) Lý thuyết DDC cần có một khung tương tác mở và có thể kết hợp với các lý thuyết và phương pháp điều khiển khác Mối quan hệ giữa DDC và MBC nên bổ sung hoặc tương hỗ thay vì đối lập Cả phương pháp DDC và MBC đều có thể hoạt động theo cách mô đun hóa vì mỗi phương pháp đều có những ưu

điểm và nhược điểm riêng Các phương pháp DDC khác nhau như điều khiển ILC và PID, cũng sẽ mang lại lợi ích cho nhau Nhìn chung, càng sử dụng thông tin chính xác về hệ thống, thì hiệu suất của hệ thống điều khiển thiết kế được mong đợi càng tốt.

(6) DDC không phải là một phương pháp điều khiển vạn năng, mỗi phương pháp điều khiển DDC có thể được đề xuất cho một lớp đối tượng cụ thể Phương pháp DDC cần được phân tích đưa ra những giả thiết cần thiết nhằm đạt được tính ổn định, sự hội tụ và tính bền vững của hệ thống điều khiển Tuy nhiên, các giả thiết cần thiết cho DDC sẽ khác với các giả thiết được yêu cầu đối với MBC

(7) Từ quan điểm thiết kế bộ điều khiển, dữ liệu đo lường I/O điều khiển vòng kín bao gồm cả dữ liệu trực tuyến và ngoại tuyến Dữ liệu trực tuyến là dữ liệu vào/ ra trong một khoảng thời gian nhất định Các phương pháp điều khiển khác nhau có thể sử dụng các cửa sổ thời gian khác nhau cho dữ liệu Điều khiển thích nghi sử dụng dữ liệu vào/ ra trong một khoảng thời gian bằng với số bậc của hệ thống Bộ điều khiển học lặp điển hình sử dụng dữ liệu từ các lần lặp hiện tại và trước đó trong một khoảng thời gian hoặc số lần lặp Bộ điều khiển PID sử dụng dữ liệu từ thời điểm hiện tại và hai thời điểm trước đó Dữ liệu trực tuyến phản ánh tình trạng hệ thống tức thời Hệ thống điều khiển có thể phát hiện và thích nghi với sự biến động nếu dữ liệu trực tuyến được sử dụng đầy đủ Trong MBC, dữ liệu ngoại tuyến được sử dụng để xây dựng các mô hình động học của hệ thống điều khiển Khi mô hình đã được xây dựng xong, dữ liệu ngoại tuyến hết nhiệm vụ, mặc dù dữ liệu ngoại tuyến nếu được sử dụng hiệu quả có thể góp phần đạt được chất lượng điều khiển tốt hơn

1.4 Điều khiển thích nghi không sử dụng mô hình

1.4.1 Sự ra đời của điều khiển thích nghi không sử dụng mô hình

Điều khiển thích nghi không sử dụng mô hình MFAC (Model-Free Adaptive Control) lần đầu tiên được đề xuất vào năm 1994 bởi giáo sư Hou, người Trung Quốc [40] Ý tưởng cơ bản của MFAC hướng đến sử dụng một mô hình dữ liệu tuyến tính hóa động tương đương tại các điểm làm việc tức thời đại diện cho

hệ phi tuyến thời gian rời rạc và một khái niệm mới gọi là giả đạo hàm riêng PPD (Partial Pseudo Derivative) Giả đạo hàm riêng được ước lượng trực tuyến bằng dữ liệu đầu vào/ đầu ra của đối tượng điều khiển và sau đó giả đạo hàm riêng này được sử dụng để tổng hợp bộ điều khiển thích nghi cho hệ phi tuyến thời gian rời rạc [44], [45], [47], [48], [52]

Xét hệ rời rạc SISO tổng quát được mô tả bởi (1.1) như sau:

𝑦𝑘+1 = 𝑓 (𝑦𝑘, 𝑦𝑘−1, … , 𝑦𝑘−𝑛𝑦, 𝑢𝑘, 𝑢𝑘−1, … , 𝑢𝑘−𝑛𝑢) (1.1) Trong đó:

𝑢𝑘 ∈ 𝑅, 𝑦𝑘 ∈ 𝑅 là đầu vào, đầu ra của hệ thống tại thời điểm thứ 𝑘, 𝑛𝑢, 𝑛𝑦 ∈ 𝑁 là các số nguyên dương đại diện cho các bậc chưa biết của đầu vào / ra,

𝑓(∗) ∈ 𝑅𝑛𝑢+𝑛𝑦+2 là một hàm phi tuyến chưa biết

 Các dạng cơ bản của mô hình dữ liệu tuyến tính hóa động

Nếu một hệ thống thỏa mãn điều kiện Lipschitz tổng quát, nghĩa là |𝛥𝑦𝑘+1| ≤ 𝑏|Δ𝑢𝑘|, tham số Lipschitz 𝑏 > 0 với mọi 𝑘 bất kỳ và Δ𝑢𝑘 ≠ 0, thì (1.1) có thể được biểu diễn theo ba loại mô hình dữ liệu tuyến tính hóa động sau đây và các giả đạo hàm riêng đều bị chặn

a) Mô hình dữ liệu tuyến tính hóa động dạng rút gọn

𝑦𝑘+1 = 𝑦𝑘 + 𝜙𝑘𝛥𝑢𝑘 (1.2) trong đó tham số 𝜙𝑘 là giả đạo hàm riêng của hệ thống điều khiển tại thời điểm tức thời 𝑘

b) Mô hình dữ liệu tuyến tính hóa động dạng từng phần

𝑦𝑘+1 = 𝑦𝑘 + 𝝓𝒌𝑻𝛥𝑢𝑘 (1.3) 𝝓𝒌 = [𝜙1𝑘 𝜙2𝑘 … 𝜙𝐿𝑘]𝑇 (1.4) 𝛥𝑢𝑘 = [𝛥𝑢𝑘 𝛥𝑢𝑘−1 … 𝛥𝑢𝑘−𝐿+1]𝑇 (1.5) trong đó, 𝝓𝒌 là vectơ giả đạo hàm riêng của hệ thống điều khiển và 𝐿 là hằng số mức tuyến tính hóa đầu vào điều khiển

c) Mô hình dữ liệu tuyến tính hóa động dạng đủ

𝑦𝑘+1 = 𝑦𝑘 + 𝝓𝒌𝑻𝛥𝑢𝑘 (1.6) 𝝓𝒌 = [𝜙1𝑘 𝜙2𝑘 … 𝜙𝐿𝑢𝑘 𝜙𝐿𝑢+1𝑘 𝜙𝐿𝑢+2𝑘 … 𝜙𝐿𝑦+𝐿𝑢𝑘]𝑇 (1.7)

𝛥𝑢𝑘 = [𝛥𝑢𝑘 𝛥𝑢𝑘−1 … 𝛥𝑢𝑘−𝐿𝑢+1 𝛥𝑦𝑘 𝛥𝑦𝑘−1 … 𝛥𝑢𝑘−𝐿𝑦+1]𝑇

(1.8) Trong đó, 𝐿𝑢 và 𝐿𝑦 lần lượt là giả bậc của đầu vào và đầu ra của hệ thống, và 𝝓𝒌 là vectơ giả đạo hàm riêng của hệ thống điều khiển

So với các phương pháp tuyến tính hóa hàm phi tuyến khác, phương pháp tuyến tính hóa động có các đặc điểm sau:

(1) Không yêu cầu mô hình toán học, bậc hay thời gian trễ của đối tượng điều khiển

(2) Là một mô hình dữ liệu tuyến tính hóa động tương đương chứ không phải là một mô hình xấp xỉ; là sự mở rộng của mô hình đáp ứng xung hữu hạn của hệ thống tuyến tính bất biến theo thời gian sang hệ thống phi tuyến

(3) Mô hình tuyến tính hóa động, có dạng sai phân thay đổi theo thời gian với cấu trúc đơn giản và ít tham số, hơn nữa đây là mô hình dữ liệu ảo cho mục đích thiết kế bộ điều khiển chứ không phải là mô hình định luật vật lý hoặc mô hình hàm truyền đạt Việc đưa vào tham số giả bậc nhằm tránh thiết kế bộ điều khiển bậc cao Các bộ điều khiển bậc cao làm tăng gánh nặng tính toán và khó triển khai thực tế

(4) Đối với hệ thống phi tuyến, giả đạo hàm riêng là một tham số thay đổi theo thời gian và không phải là duy nhất, do đó mô hình dữ liệu tuyến tính hóa động cũng không phải là duy nhất Có ba loại mô hình dữ liệu tuyến tính hóa động, chúng khác nhau ở độ phức tạp Ở mô hình dữ liệu tuyến tính hóa động dạng rút gọn, các thành phần phi tuyến và sai số ước lượng được hợp nhất trong tham số giả đạo hàm riêng vô hướng Với cách này, trong trường hợp thành phần động của giả đạo hàm riêng quá phức tạp, thuật toán ước lượng sẽ không

tính được, khi đó người thiết kế sẽ xem xét sử dụng mô hình dữ liệu tuyến tính hóa động dạng từng phần hoặc mô hình dữ liệu tuyến tính hóa động dạng đủ

(5) Ngoài hệ thống phi tuyến SISO, phương pháp tuyến tính hóa động này có thể dễ dàng mở rộng cho các trường hợp hệ thống phi tuyến MISO và MIMO [40], [44], [48]

(6) Bản thân mô hình dữ liệu tuyến tính hóa là một hệ thống tuyến tính động ở mức dữ liệu Do đó, tất cả các kỹ năng và kỹ thuật trong lý thuyết MBC có thể được vay mượn và đưa vào phân tích và thiết kế MFAC

Theo [3], [4], [6], thiết kế bộ điều khiển MFAC không liên quan đến mô hình toán học hay bậc của đối tượng điều khiển Sơ đồ điều khiển MFAC có thể được xử lý bằng phương pháp điều khiển thích nghi cho hệ thống phi tuyến có tham số và cấu trúc biến đổi theo thời gian Chỉ cần điều chỉnh các tham số trực tuyến trong sơ đồ điều khiển nhỏ gọn này, gánh nặng tính toán có thể được loại bỏ Giả đạo hàm riêng ϕk biến đổi chậm theo thời gian, do đó, có thể được sử dụng bất kỳ thuật toán ước lượng tham số thay đổi theo thời gian truyền

thống nào Thuật toán đặt lại giá trị khởi tạo [6] cho 𝜙𝑘 có thể tăng cường khả năng bám theo tham số của thuật toán ước lượng Đối với hệ thống phi tuyến phức tạp có giả đạo hàm riêng biến đổi nhanh theo thời gian, nếu hiệu suất điều khiển và độ bền vững của hệ thống điều khiển thích nghi không sử dụng mô hình dựa trên tuyến tính hóa động dạng rút gọn không đáp ứng được, khi đó sẽ xem xét sử dụng hai kỹ thuật tuyến tính hóa còn lại Các nghiên cứu [11], [12], [41] cho thấy thuật toán MFAC dựa trên mô hình dữ liệu I/O thu được từ quá trình tuyến tính hóa động tương đương của đối tượng điều khiển đã giải quyết được các vấn đề tồn tại trước kia của phương pháp điều khiển MBC Nghiên cứu [12] xem xét tới tính bền vững của các hệ thống điều khiển thích nghi không sử dụng mô hình (MFAC) trước các nhiễu đo lường Nhằm mục đích triệt tiêu nhiễu đo lường, một thuật toán MFAC được sửa đổi với độ lợi giảm dần cũng được đề xuất Các công trình [44], [45], [47], [48], [52] đã chứng

minh tính ổn định và sự hội tụ của bài toán điều khiển sử dụng MFAC dựa trên tuyến tính hóa động dạng rút gọn và tuyến tính hóa động dạng từng phần

Trong [19], [81], ý tưởng cơ bản của MFAC là đưa vào trục lặp (iterative axis) để xử lý tác vụ điều khiển lặp lại, nhờ đó có được bộ điều khiển học lặp thích nghi không sử dụng mô hình Nghiên cứu [21], tính toán việc lựa chọn tham số tối ưu cho MFAC Trong [52], [91], [107], điều khiển đoán trước và các hàm điều khiển dự đoán của hệ thống phi tuyến tính dựa trên MFAC đã được thảo luận Thêm nữa, vấn đề bền vững của các mô hình MFAC cũng được xem xét trong [11], [12], [42]

Một trong những đặc điểm nổi bật nhất của MFAC là nó có thể phối hợp làm việc với các phương pháp điều khiển MBC hoặc DDC khác Cho đến nay, hiệu quả của phương pháp này đã được kiểm chứng trong các ứng dụng thực tế [14], [18], [21], [28], [47], [53], [68], [69], [91], [96], [107] Hiện tại, phương pháp điều khiển MFAC vẫn đang tiếp tục được phát triển, vì vậy, còn rất nhiều vấn đề mở cần tiếp tục được nghiên cứu phát triển trong MFAC, chẳng hạn như cách chọn độ dài của véc tơ PPD, cách kiểm tra điều kiện Lipschitz tổng quát và cách chứng minh tính ổn định và sự hội tụ của các hệ thống điều khiển

1.4.2 Phân loại điều khiển không sử dụng mô hình

Hiện nay, có nhiều cách phân loại phương pháp MFC/DDC, chẳng hạn theo loại dữ liệu sử dụng [39], [106], theo thuật toán điều khiển [70] hoặc theo cấu trúc của bộ điều khiển không sử dụng mô hình [39]

Hình 1.4 Phân loại MFC theo thuật toán điều khiển

Điều khiển không sử dụng mô hình (MFC)