nghiên cứu ứng dụng bộ điều khiển narma - l2 vào thiết bị lái tự động vào góc bay của máy bay boeing

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGÀNH: TỰ ĐỘNG HÓA NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING BÙI THỊ THU PHƢƠNG THÁI NGUYÊN - 2010 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ĐẠI HỌC THÁI NGUYÊN TRƢỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP LUẬN VĂN THẠC SĨ KỸ THUẬT NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA-L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING Ngành : TỰ ĐỘNG HÓA Học viên : BÙI THỊ THU PHƢƠNG Cán bộ hƣớng dẫn khoa học: TS. PHẠM HỮU ĐỨC DỤC THÁI NGUYÊN - 2010 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI CAM ĐOAN Tôi xin cam đoan luận văn này là công trình do tôi tổng hợp và nghiên cứu. Trong luận văn có sử dụng một số tài liệu tham khảo như đã nêu trong phần tài liệu tham khảo. Tác giả luận văn Bùi Thị Thu Phương Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn LỜI NÓI ĐẦU Trong hệ thống điều khiển hiện đại, có rất nhiều phương pháp điều khiển đảm bảo tốt chất lượng điều khiển. Trong điều khiển tự động, để điều khiển chính xác đối tượng khi chưa biết rõ được thông số, trước tiên ta phải hiểu rõ đối tượng đó. Đặc biệt đối với các đối tượng phi tuyến ta cần nhận dạng được đặc tính vào - ra của nó để đảm bảo tạo ra tín hiệu điều khiển thích nghi được lựa chọn chính xác hơn. Những bộ điều khiển hiện đại thường được sử dụng như lôgic mờ, mạng nơron, mạng nơron mờ để nhận dạng và điều khiển thích nghi hệ thống phi tuyến. Ngày nay trên thế giới người ta dựa vào cấu trúc mạng nơron sinh vật để làm mạng nơron nhân tạo áp dụng vào các ngành khoa học kỹ thuật. Trong thời gian của khoá học cao học, chuyên ngành Tự động hoá tại trường Đại học Kỹ thuật Công nghiệp Thái Nguyên, được sự tạo điều kiện giúp đỡ của nhà trường và Tiến sĩ Phạm Hữu Đức Dục em đã lựa chọn đề tài của mình là: “Nghiên cứu ứng dụng bộ điều khiển Narma - L2 vào thiết bị lái tự động góc bay của máy bay BOEING”. Trong quá trình thực hiện đề tài, được sự hướng dẫn nhiệt tình của Tiến sĩ Phạm Hữu Đức Dục, sự giúp đỡ của bạn bè cùng với sự nỗ lực, cố gắng của bản thân đến nay bản luận văn của em đã hoàn thành. Dù đã có nhiều cố gắng, xong bản luận văn vẫn không tránh khỏi những thiếu sót và hạn chế, em rất mong nhận được sự góp ý của các thầy để bản luận văn của em được hoàn thiện hơn. Em xin trân trọng cảm ơn! Học viên Bùi Thị Thu Phương Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn MỤC LỤC Lời cam đoan. Trang Mục lục Danh mục các chữ viết tắt, tiếng nƣớc ngoài. Danh mục các hình vẽ, đồ thị PHẦN MỞ ĐẦU. 1 CHƢƠNG I. TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO 3 1.1. Các loại mô hình cấu trúc mạng nơron 3 1.2. Các tính chất của mạng nơron 5 1.3.Các luật học 5 1.3.1. Học có giám sát 6 1.3.2. Học củng cố 6 1.3.3. Học không có giám sát 7 1.4. Ứng dụng của mạng nơron trong nhận dạng và điều khiển 11 1.4.1. Các vấn đề chung 11 1.4.2. Mô tả toán học của đối tượng ở rời rạc 11 1.4.3. Ứng dụng của mạng nơ ron trong nhận dạng 13 1.4.3.1. Mô hình nhận dạng song song 14 1.4.3.2. Mô hình nhận dạng nối tiếp - song song 16 1.4.4. Ứng dụng của mạng nơron trong điều khiển 17 1.4.4.1. Bộ điều khiển ổn định 18 1.4.4.2. Điều khiển ngược thích nghi 18 1.4.4.3. Mô hình điều khiển phi tuyến 19 1.4.4.4. Mô hình điều khiển dự báo 20 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 1.4.4.5. Điều khiển thích nghi theo mô hình mẫu hoặc điều khiển 21 nơron thích nghi. 1.4.4.6. Đánh giá thích nghi 22 1.4.4.7. Phản hồi tuyến tính hóa phản hồi thích nghi dùng mạng nơron 23 1.4.4.8. Điều khiển thích nghi trực tiếp ổn định 24 CHƢƠNG II. CÁC MÔ HÌNH CỦA MẠNG MỜ NƠRON TRONG 29 MATLAB VÀ ỨNG DỤNG TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN 2.1. Giới thiệu Simulink neural toolbox của matlab 29 2.1.1. Khối các hàm chuyển đổi 29 2.1.2. Khối đầu vào 30 2.1.3. Khối các hàm trọng số 30 2.1.4. Khối các hệ thống điều khiển 31 2.2. Các mô hình ứng dụng của Matlab trong điều khiển 31 2.2.1. Bộ điều khiển dự báo sử dụng mạng nơron 33 2.2.1.1. Nhận dạng đối tượng 34 2.2.1.2. Điều khiển dự báo 35 2.2.2. Bộ điều khiển Narma - L2 41 2.2.2.1. Quá trình nhận dạng 41 2.2.2.2. Bộ điều khiển NARMA-L2 43 2.2.3. Điều khiển theo mô hình mẫu 48 CHƢƠNG III. ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA - L2 VÀO 57 THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING 3.1. Động học góc bay của máy bay 58 3.2. Ứng dụng bộ điều khiển NARMA - L2 vào thiết bị lái tự động 60 góc bay của máy bay Boeing. Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 3.2.1. Thiết lập sơ đồ điều khiển 61 3.2.1.1. Giai đoạn nhận dạng 62 3.2.1.2. Giai đoạn điều khiển 65 3.2.2. Thiết lập mô hình điều khiển mô phỏng 66 3.2.3. Kết quả mô phỏng 67 3.2.3.1. Kết quả mô phỏng ở giai đoạn nhận dạng 67 3.2.3.2. Kết quả mô phỏng ở giai đoạn điều khiển 69 CHƢƠNG IV: KẾT LUẬN CHUNG VÀ KIẾN NGHỊ 73 4.1. Kết luận chung 73 4.2. Kiến nghị 73 TÀI LIỆU THAM KHẢO 74 Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC CHỮ VIẾT TẮT, TIẾNG NƢỚC NGOÀI STT Ký hiệu Diễn giải 1 Neural Nơron 2 Artificial Neural Nơron nhân tạo 3 Artificial Neural Networks Mạng nơron nhân tạo 4 Back Propagation Learaning Rule Luật học lan truyền ngược 5 Fuzzy logic Lôgic mờ 6 Fuzzy Neural Networks Mạng nơron mờ 7 Single Layer Feedforward NetWorks Mạng truyền thẳng một lớp 8 Multilayer Feedforward NetWorks Mạng truyền thẳng nhiều lớp 9 Output Layer Lớp ra 10 Hidden layer Lớp ẩn 11 Feedback network Mạng phản hồi 12 Laterat feedback network Mạng phản hồi bên 13 Recurrent Networks Mạng hồi quy 14 Lateral-inhibition network Mạng cấu trúc ngang - hạn chế 15 Exitatory inputs Đầu vào kích thích 16 Inhibition inputs Đầu vào hạn chế 17 Parameter learning rules Luật học thông số 18 Structure learning rules Luật học cấu trúc 19 Hybrid learning rules Luật học lai 20 Self-organizing Tự tổ chức 21 Transfer Function Khối các hàm chuyển đổi 22 Net Input Functions Khối đầu vào 23 Weight Functions Khối các hàm trọng số 24 NN Predictive Control Mô hình điều khiển dự báo 25 NARMA-L2 Control Điều khiển NARMA-L2 26 Model Reference Control Điều khiển theo mô hình mẫu 27 Nonlinear Autoregressive- MovingAverage - NARMA Mô hình trung bình trượt-phi tuyến tự hồi quy Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ STT Ký hiệu Diễn giải tên hình vẽ 1 Hình 1.1a Mạng nơron truyền thẳng một lớp 2 Hình 1.1b Mạng nơron truyền thẳng nhiều lớp 3 Hình 1.1c Mạng nơron chỉ có một nơron tự hồi quy 4 Hình 1.1d Mạng nơron hồi quy một lớp 5 Hình 1.1e Mạng có cấu trúc ngang - hạn chế 6 Hình 1.1f Mạng nơron hồi quy nhiều lớp 7 Hình 1.2a Học có giám sát 8 Hình 1.2b Học củng cố 9 Hình 1.2c Học không có giám sát 10 Hình 1.3 Luật học trạng số ở dạng cơ bản 11 Hinh 1.4 Mô hình nhận dạng 12 Hình 1.5 Mô hình nhận dạng song song 13 Hình 1.6 Cấu trúc của mô hình nhận dạng cho đối tượng phi tuyến dạng 3 sử dụng các mạng nơron N 1 và N 2 14 Hình 1.7 Mô hình nhận dạng nối tiếp - song song 15 Hình 1.8 Bộ điều khiển ổn định 16 Hình 1.9 Hệ thống điều khiển ngược thích nghi 17 Hình 1.10 Mô hình điều khiển phi tuyến 18 Hình 1.11 Mô hình điều khiển dự báo 19 Hình 1.12 Điều khiển thích nghi theo mô hình mẫu 20 Hình 1.13 Mô hình đánh giá thích nghi Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 21 Hình 1.14 Phương pháp phản hồi tuyến tính hoá thích nghi dùng mạng nơron 22 Hình 1.15 Điều khiển thích nghi trực tiếp ổn định 23 Hình 1.16 Các vùng điều khiển 24 Hình 2.1 Các khối trong Neural Network Toolbox của Matlab 25 Hình 2.2 Khối các hàm chuyển đổi 26 Hình 2.3 Khối đầu vào 27 Hình 2.4 Khối các hàm trọng số 28 Hình 2.5 Khối các bộ điều khiển 29 Hình 2.6 Sơ đồ nhận dạng đối tượng 30 Hình 2.7 Sơ đồ cấu trúc mạng nơron nhận dạng đối tượng 31 Hình 2.8 Sơ đồ điều khiển theo mô hình dự báo 32 Hình 2.9 Mô hình bể chứa phản ứng có khuấy 33 Hình 2.10 Sơ đồ bộ điều khiển dự báo dùng mạng nơron điều khiển bể chứa phản ứng có khuấy 34 Hình 2.11 Cửa sổ khối Neural Network Predictive Controller 35 Hình 2.12 Cửa sổ nhận dạng đôi tượng 36 Hình 2.13 Bộ dữ liệu huấn luyện 37 Hình 2.14 Đáp ứng của mô hình đối tượng sau quá trình huấn luyện 38 Hình 2.15 Đồ thị tín hiệu đầu ra đối tượng và tín hiệu mẫu 39 Hình 2.16 Cấu trúc của mạng nơron nhận dạng 40 Hình 2.17 Mô hình NARMA-L2 41 Hình 2.18 Mô hình NARMA-L2sau khi đã nhận dạng được đối tượng, sử dụng trong bước điều khiển tìm tín hiệu điều [...]... cần điều khiển tự động trên máy bay là góc bay Đây là đối tượng khó điều khiển vì phương trình động học của nó có dạng phi tuyến Yêu cầu đặt ra đối với thiết bị điều khiển góc bay là cần tạo ra được tín hiệu điều khiển bảo đảm góc bay của máy bay bám theo được góc bay mong muốn với độ chính xác cao Vì vậy vấn đề đặt ra là cần trang bị cho máy bay một thiết bị lái tự động để điều khiển góc bay của nó... tới việc ứng dụng bộ điều khiển Narma -L2, bộ điều khiển trung bình trượt, phi tuyến tự hồi quy L2 vào trong thiết bị lái tự động điều khiển góc bay của máy bay Boeing b.Ý nghĩa thực tiễn Kết quả nghiên cứu của đề tài có thể làm cơ sở cho việc thiết kế các hệ thống điều khiển máy bay trong nước, đặc biệt làm tài liệu hỗ trợ cho việc học tập của sinh viên 3 Mục đích của đề tài Nghiên cứu ứng dụng mạng... http://www.lrc-tnu.edu.vn Chương 2 Các mô hình của mạng mờ nơron trong Matlab và ứng dụng trong nhận dạng và điều khiển Chương 3 Ứng dụng bộ điều khiển NARMA - L2 vào thiết bị lái tự động góc bay của máy bay Boeing Chương 4: Kết luận chung và kiến nghị Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn CHƢƠNG I TỔNG QUAN VỀ ỨNG DỤNG CỦA MẠNG NƠRON TRONG NHẬN DẠNG VÀ ĐIỀU KHIỂN 1.1... chương trình khoá học Cao học chuyên ngành Tự động hoá tại trường Đại học Kỹ thuật Công nghiệp Thái Nguyên, được sự tạo điều kiện giúp đỡ của nhà trường và Tiến sĩ Phạm Hữu Đức Dục, em đã lựa chọn đề tài tốt nghiệp của mình là: Nghiên cứu ứng dụng bộ điều khiển Narma L2 vào thiết bị lái tự động góc bay của máy bay BOEING 2 Ý nghĩa khoa học và thực tiễn của đề tài a Ý nghĩa khoa học: Số hóa bởi Trung... hồi Hình 1.8 Bộ điều khiển ổn định Sơ đồ cấu trúc bộ điều khiển ổn định như hình 1.8 Sai lệch giữa tín hiệu lệnh đầu vào và tín hiệu ở đầu ra đối tượng được đưa vào bộ điều khiển để tạo ra tín hiệu điều khiển phản hồi ở đầu ra bộ điều khiển Lệnh đầu vào và tín hiệu điều khiển phản hồi được đưa vào đầu vào của mạng nơron mô phỏng mô hình ngược của đối tượng điều khiển để tạo ra tín hiệu điều khiển ngược... thuyết điều khiển tuyến tính Theo đó, các yếu tố phi tuyến, bất định trong mô hình động học của máy bay được bỏ qua và động học của máy bay được xấp xỉ bằng các mô hình tuyến tính Sự phát triển của không quân ngày nay, với tốc độ bay lớn, sức động cơ mạnh v.v đã tạo ra thách thức trong vấn đề nâng cao độ chính xác thiết kế bộ phận điều khiển tự động góc bay của máy bay Do đó đề tài sẽ đề cập tới việc ứng. .. thiết bị lái tự động điều khiển đối tượng là góc bay  55 Hình 3.3 Cấu trúc của hai mạng nơron nhận dạng hàm f(.) và hàm g(.) 56 Hình3 4 Mô hình NARMA- L2sau khi đã nhận dạng được đối tượng, tính toán tín hiệu điều khiển  trong giai đoạn điều khiển Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn 57 Hình 3.5 Sơ đồ trên MATLAB Simulink ứng dụng bộ điều khiển NARMA- L2 đóng... máy một khâu theo mô hình mẫu sử dụng mạng nơron 49 Hình 2.26 Khối Model Reference Control 50 Hình 2.27 Đồ thị dữ liệu vào ra của quá trình huấn luyện bộ điều khiển 51 Hình 2.28 Đồ thị đáp ứng vòng kín của hệ thống sau quá trình huấn luyện 52 Hình 2.29 Đồ thị tín hiệu đầu ra của đối tượng và tín hiệu mẫu 53 Hình 3.1 Mô hình động học của máy bay 54 Hình 3.2 Sơ đồ ứng dụng bộ điều khiển NARMA- L2 là thiết. .. đóng vai trò là thiết bị lái tự động điều khiển góc bay  của máy bay 58 Hình 3.6 Tín hiệu vào  ở dạng ngẫu nhiên trong giai đoạn nhận dạng 59 Hình 3.7 Đồ thị tín hiệu ra  của đối tượng trong giai đoạn nhận dạng 60 Hình 3.8 Đồ thị sai lệch E học tín hiệu vào - ra trong giai đoạn nhận dạng 61 Hình 3.9 Đồ thị tín hiệu điều khiển là góc bánh lái ở đuôi máy bay  (rad) 62 Hình 3.10 Đồ thị góc tấn  (rad)... quá trình điều khiển sử dung bộ điều khiển nơron Vòng tối ƣu hóa Mô hình mẫu Lệnh đầu vào Mạng nơron mô phỏng đối tƣợng Tối ƣu hóa Bộ điều khiển nơron Đối tƣợng điều khiển Dự báo đầu ra đối tƣợng Đầu ra đối tƣợng Tín hiệu điều khiển Hình 1.11 Mô hình điều khiển dự báo 1.4.2.5 Điều khiển thích nghi theo mô hình mẫu hoặc điều khiển nơron thích nghi Điều khiển thích nghi theo mô hình mẫu sử dụng hai mạng . BỘ ĐIỀU KHIỂN NARMA - L2 VÀO 57 THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING 3.1. Động học góc bay của máy bay 58 3.2. Ứng dụng bộ điều khiển NARMA - L2 vào thiết bị lái tự động 60 góc. sẽ đề cập tới việc ứng dụng bộ điều khiển Narma -L2, bộ điều khiển trung bình trượt, phi tuyến tự hồi quy L2 vào trong thiết bị lái tự động điều khiển góc bay của máy bay Boeing. b.Ý nghĩa. NGÀNH: TỰ ĐỘNG HÓA NGHIÊN CỨU ỨNG DỤNG BỘ ĐIỀU KHIỂN NARMA- L2 VÀO THIẾT BỊ LÁI TỰ ĐỘNG GÓC BAY CỦA MÁY BAY BOEING BÙI THỊ THU PHƢƠNG THÁI NGUYÊN - 2010