NGHIÊN cứu , THIẾT kế và cài đặt bộ điều KHIỂN dự báo TRÊN cơ sở hệ LOGIC mờ

NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 1 LỜI MỞ ĐẦU 3 CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO DỰA TR ÊN MÔ HÌNH 5 1.1 GIỚI THIỆU CHUNG 5 1.2 PHƯƠNG PHÁP LU ẬN CỦA MPC 7 1.3 CÁC YẾU TỐ CỦA MPC 7 1.3.1 Mô hình dự báo 8 1.3.2 Phiếm hàm mục tiêu 11 1.3.3 Luật điều khiển 13 1.4 MỘT SỐ THUẬT TOÁN MPC 13 CHƯƠNG 2: NHẬN DẠNG ĐỐI TƯỢNG PHI TUYẾN BẰNG HỆ MỜ 15 2.1 LÝ THUYẾT TẬP MỜ 15 2.1.1 Khái niệm về tập mờ 15 2.1.2 Các phép toán trên tập mờ 18 2.1.3 Biến ngôn ngữ và các giá trị của nó 20 2.1.4 Luật hợp thành mờ 21 2.1.5 Giải mờ (rõ hóa tập mờ) 26 2.2 MÔ HÌNH MỜ 28 2.2.1 Khả năng xấp xỉ hàm 28 2.2.2 Xây dựng một số dạng hàm bằng mô hình mờ 30 2.3 NHẬN DẠNG HỆ PHI TUYẾN D ÙNG MÔ HÌNH TAKAGI -SUGENO 33 2.3.1 Cấu trúc của hệ mờ 34 2.3.2 Lựa chọn thành phần vector hồi quy 35 2.3.3 Tính toán chỉnh định các thông số cho mô h ình mờ 36 CHƯƠNG 3: THI ẾT KẾ THUẬT TOÁN ĐIỀU KHIỂN MPC TR ÊN CƠ SỞ MÔ HÌNH MỜ 44 3.1 CÁC PHƯƠNG PHÁP GI ẢI BÀI TOÁN TỐI ƯU MPC 44 3.1.1 Các phương pháp thông thư ờng 44 3.1.2 Giải thuật di truyền (Genetic Algorithm) 44 3.1.3 Phương pháp Giới hạn và rẽ nhánh (Branch and Bound) 56 3.2 SO SÁNH ĐÁNH GIÁ HAI PHƯƠNG PHÁP 65 3.2.1 So sánh hai phương pháp trong trư ờng hợp không có nhiễu 67 3.2.2 So sánh kết quả đáp ứng của hệ thống với nhiễu 69 CHƯƠNG 4: GIỚI THIỆU VỀ HỌ VI ĐIỀU KHIỂN AVR 73 4.1 GIỚI THIỆU CHUNG 73 4.1.1 Kiến trúc tổng quan 74 4.1.2 ALU – Arithmetic Logic Uni t - Đơn vị xử lý số học và logic 75 4.1.3 General Purpose Register File – tệp các thanh ghi đa năng 75 4.1.4 Stack Pointer – ngăn xếp 76 4.1.5 Reset and Interrupt Handling - điều khiển ngắt và reset 76 4.2 AVR ATMEGA 128 77 4.2.1 Giới thiệu chung 77 4.2.2 Sơ đồ chân của Atmega128 79 4.2.3 Bộ nhớ AVR Atmega128 84 4.2.4 Bộ nhớ I/O 87 4.2.5 Timer/Counter 87 4.2.6 Serial Peripheral Int erface (SPI) – giao diện kết nối ngoại vi nối tiếp 88 4.2.7 USART 88 4.2.8 Bộ chuyển đổi ADC 89 CHƯƠNG 5. THIẾT KẾ, CÀI ĐẶT BỘ ĐK MPC TR ÊN NỀN VI ĐIỀU KHIỂN AVR128 CHO ĐỒI TƯỢNG NHIỆT 90 5.1 THIẾT KẾ PHẦN CỨNG 90 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 2 5.1.1 Yêu cầu thiết kế 90 5.1.2 Giới thiệu chung 90 5.1.3 Sơ đồ nguyên lý của mạch điều khiển 92 5.2 PHẦN MỀM ĐIỀU KHIỂN GIÁM SÁT TR ÊN PC 101 5.2.1 Nhiệm vụ thiết kế .101 5.2.2 Giới thiệu các thành phần của phần mềm 101 5.2.3 Các vấn đề về lập trình phần mềm giao diện 109 5.3 NHẬN DẠNG ĐỐI TƯỢNG MỎ HÀN NHIỆT BẰNG HỆ MỜ 111 5.4 PHẦN MỀM CHO VI ĐIỀU KHIỂN 115 5.4.1 Nhận các tham số tập mờ, giá trị nhiệt độ đặt từ máy tính 115 5.4.2 Đo nhiệt độ môi trường và nhiệt độ đối tượng 116 5.4.3 Truyền nhiệt độ thực và giá trị tín hiệu điều khiển l ên máy tính 116 5.4.4 Tính toán và xuất giá trị tin hiệu điều khiển 116 5.5 KẾT QUẢ - ĐÁNH GIÁ 117 KẾT LUẬN 119 Những kết quả đã đạt được 119 Những mặt còn hạn chế 119 Hướng phát triển của đề t ài 119 TÀI LIỆU THAM KHẢO 121 PHỤ LỤC:MỘT SỐ H ÌNH ẢNH VỀ MẠCH ĐIỀU KHIỂN 122 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 3 LỜI MỞ ĐẦU Điều khiển dự báo theo mô h ình (MPC – Model Predictive Control) khởi đầu vào cuối những năm 70 và kể từ đó phương pháp này đã phát triển đáng kể trong lĩnh vực nghiên cứu về điều khiển cũng nh ư ứng dụng trong các quá trình công nghi ệp. Nó được xem như là một công cụ mạnh cho điều khiển các quá tr ình công nghiệp, đặc biệt là các quá trình phi tuyến, nhiều vào – nhiều ra. Thuật ngữ MPC không chỉ r õ một chiến lược điều khiển cụ thể mà chỉ một dải rộng các ph ương pháp điều khiển sử dụng mô h ình toán học của đối tượng/quá trình để tìm tín hiệu điều khiển nhờ việc tối thiểu hoá một phiếm hàm mục tiêu. Vì phải sử dụng một mô hình toán học để dự báo đầu ra của đối tượng tại các thời điểm trong tương lai nên đối với phương pháp này thì mô hình đối tượng đóng vai trò quan trọng. Tuy nhiên đối với hệ phi tuyến th ì việc xây dựng được mô hình toán học là một bài toán khó vì đặc tính phi tuyến rất đa dạng. Một h ướng nghiên cứu mới trong một thập kỷ trở lại đây l à áp dụng lý thuyết mờ vào bài toán nhận dạng hệ phi tuyến. Các kết quả nghi ên cứu đã chỉ ra rằng đây là một giải pháp khá hiệu quả (Espinosa và các đồng tác giả,1999; Hadjili v à Wertz, 1999; Roubos và các đ ồng tác giả,1999;…) Hơn thế, sự phát triển mạnh mẽ của kỹ thuật v i xử lý và các công cụ phần mềm đã mở ra khả năng ứng dụng có hiệu quả ph ương pháp điều khiển dự báo cho các quá tr ình công nghệ. Mặc dù không thể khẳng định MPC là sự lựa chọn tốt nhất để điều khiển mọi đối tượng công nghiệp nh ưng thực sự kỹ thuật này có rất nhiều ưu điểm. Chính vì vậy, chúng em đã chọn đề tài tốt nghiệp về điều khiển dự báo v à lý thuyết mờ, cụ thể tên đề tài là: “Nghiên cứu, thiết kế và cài đặt bộ điều khiển dự báo trên cơ sở hệ logic mờ”. Mục đích chính của đồ án l à giúp sinh viên nắm vững kiến thức chuyên ngành một cách có hệ thống, bước đầu làm quen với công việc thực tế của ng ười kỹ sư, tập sự phân tích, tổng hợp và xây dựng một hệ thống điều khiển tự động trong thực tế. Sau gần bốn tháng miệt m ài với sự cố gắng của bản thân c ùng với sự giúp đỡ tận tình của các thầy cô giáo trong bộ môn Điều Khiển Tự Động, đặc biệt l à sự hướng dẫn trực tiếp của cô giáo PGS.TS PHAN XUÂN MINH , chúng em đã hoàn thành xong đồ án tốt nghiệp của mình. Tuy nhiên do trình độ chúng em còn hạn chế nên không thể tránh khỏi những thiếu sót trong đồ án. Chúng em rất mong nhận đ ược sự góp ý, phê bình của thầy cô để đồ án của chúng em đ ược hoàn thiện hơn. Chúng em xin được bày tỏ lòng biết ơn sâu sắc đến cô giáo PGS.TS PHAN XUÂN MINH, trưởng bộ môn Điều khiển tự động, khoa Điện, trường Đại học Bách Khoa H à Nội, người đã hướng dẫn chúng em tận tình chu đáo về nội dung, chỉ dẫn tài liệu và các tiến trình thực hiện đồ án. Sự hướng dẫn của cô là một yếu tố quan trọng giúp chúng em hoàn thành đồ án này . NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 4 Chúng em xin chân thành cảm ơn thầy giáo PHẠM XUÂN KHÁNH , trưởng khoa Điện tử, trường Đại học Công nghiệp H à Nội, cùng thầy NGUYỄN MINH THIỆN – giảng viên khoa Điện tử, trường ĐH CN HN. Các thầy đ ã rất nhiệt tình giúp đỡ chúng em cả về kĩ thuật cũng nh ư vật chất, thiết bị. Chúng em cũng xin chân thành cảm ơn các thầy cô giáo trong bộ môn Điều Khiển Tự Động, trong khoa Điện, cũng nh ư trong Trung Tâm Đào T ạo Tài Năng, trường ĐH BK HN, những giáo viên nhiệt huyết đã cung cấp cho chúng em những kiến thức cần thiết để chúng em có thể vận dụng trong đồ án cũng nh ư công tác sau này. Chúng em xin chân thành c ảm ơn! Hà Nội, ngày 29/05/2008 Mai Văn Sỹ Nguyễn Ngọc Linh Lớp KSTN – ĐKTĐ – K48 – ĐH BKHN NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 5 CHƯƠNG 1: TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO DỰA TRÊN MÔ HÌNH 1.1 GIỚI THIỆU CHUNG Điều khiển dự báo theo mô h ình (MPC – Model Predictive Control) là m ột công cụ mạnh cho điều khiển các quá tr ình công nghiệp, đặc biệt là các quá trình phi tuy ến, nhiều vào – nhiều ra. Kể từ khi ra đờ i cách nay khoảng hơn ba thập kỷ, phương pháp này đã phát triển đáng kể trong lĩnh vực nghi ên cứu về điều khiển cũng nh ư ứng dụng trong quá trình công nghiệp. MPC có lẽ là giải pháp tổng quát nhất cho thiết kế bộ điều khiển trong miền thời gian, có thể áp dụng cho hệ tuyến tính cũng nh ư phi tuyến, đặc biệt là khi mà tín hiệu đặt là biết trước. Ngoài ra MPC cũng có thể điều khiển các quá tr ình có tín hiệu điều khiển bị chặn, có các điều kiện r àng buộc. Tuy nhiên, do sử dụng các điều kiện hạn chế, rất khó chứng minh được tính ổn định và bền vững về mặt lý thuyết của hệ MPC, mặc dù hầu hết các ứng dụng được tổng kết đều cho thấy độ ổn định nhất định. Đây có thể nói là một trở ngại để MPC đ ược phổ biến rộng r ãi hơn trong lĩnh vực nghiên cứu về điều khiển. Mặc dù vậy, những kết quả mới đầy hứa hẹn hiện nay cho phép chúng ta nghĩ đến việc mở rộng h ơn nữa kỹ thuật điều khiển n ày trong tương lai. Tư tưởng chính của bộ điều khiển dự báo theo mô h ình là:  Luật điều khiển phụ thuộc v ào những hành vi được dự báo.  Sử dụng một mô hình toán học để dự báo đầu ra của đối t ượng/quá trình tại các thời điểm trong tương lai (gọi là miền giới hạn dự báo – prediction horizon).  Chuỗi tín hiệu điều khiển t ương lai trong giới hạn điều khiển (control horizon) sẽ được tính toán thông qua việc tối thiểu hóa một phiếm h àm mục tiêu (cost function).  Sử dụng sách lược lùi xa (receding strategy), t ức là tại mỗi thời điểm chỉ tín hiệu điều khiển đầu tiên trong chuỗi tín hiệu điều khiển đ ã tính toán được sử dụng, sau đó giới hạn dự báo lại đ ược dịch đi một bước về phía tương lai. Hình 1.1: Sơ đồ khối hệ thống điều khiển dự báo Thuật toán điều khiển dự báo Mô hình Hàm mục tiêu Tạo tín hiệu chuẩn Tối ưu hóa Đối tượng điều khiển w r u y NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 6 Các thuật toán MPC khác nhau chỉ không giống nhau ở mô h ình toán học mô tả đối tượng/quá trình, ồn nhiễu và phiếm hàm mục tiêu cần tối thiểu hóa. Do tính k hả mở của phương pháp MPC, nhiều công trình đã được phát triển và được thừa nhận rộng rãi trong công nghiệp và nghiên cứu. Thành công của các ứng dụng điều khiển dự báo không chỉ trong công nghiệp chế biến mà còn trong rất nhiều quá trình đa dạng khác, từ điều khiển robot cho tới gây mê lâm sàng (y học). Các ứng dụng MPC trong công nghiệp xi m ăng, tháp sấy, tháp chưng cất, công nghiệp PVC, máy phát h ơi nước hay động cơ servo cũng đã được giới thiệu trong nhiều t ài liệu khác nhau. Chất l ượng tốt của những ứ ng dụng này cho thấy MPC có khả năng đạt được những hệ thống điều khiển hiệu quả cao, vận h ành lâu dài và bền vững. MPC thể hiện một loạt các ưu điểm so với các phương pháp điều khiển khác, trong đó nổi bật là:  Nó đặc biệt hấp dẫn với những ng ười sử dụng có kiến thức hạn chế về lý thuyết điều khiển bởi vì những khái niệm đưa ra đều rất trực quan, đồng thời việc điều chỉnh tương đối dễ dàng.  Nó có thể được sử dụng để điều khiển rất nhiều quá tr ình, từ những quá trình có đặc tính động học đơn giản cho tới những quá trình phức tạp hơn, kể cả những hệ thống có thời gian trễ lớn hoặc hệ pha không cực tiểu, hệ không ổn định.  Nó thích hợp cho điều khiển các hệ nhiều v ào nhiều ra (MIMO)  Có khả năng tự bù thời gian trễ.  Dễ dàng thực hiện luật điều khiển tuyến tính c ho bộ điều khiển trong trường hợp không hạn chế đầu vào/ ra.  Nó rất hiệu quả khi quỹ đạo tín hiệu đặt (trong điều khiển robot hay quá tr ình mẻ) đã biết trước.  Nó hoàn toàn là m ột phương pháp luận “mở” dựa trên những nguyên tắc cơ bản nhất định, cho phép những mở rộng trong t ương lai. Tuy nhiên, kỹ thuật MPC cũng có một số hạn chế. Một trong những hạn chế đó là mặc dù luật điều khiển được tạo ra đòi hỏi ít tính toán và dễ dàng thực hiện, song trong trường hợp điều khiển thích nghi, những tính toán đó phải được thực hiện liên tục tại mỗi thời điểm lấy mẫu. Khi xem xét đến những điều kiện ràng buộc (constraints) thì khối lượng tính toán thậm chí c òn lớn hơn. Tất nhiên, với năng lực tính toán sẵn có của máy tính như hiện nay, vấn đề này đã không còn trở nên thiết yếu. Chúng ta biết rằng, rất nhiều máy tính điều khiển các quá tr ình công nghiệp không sử dụng hết hiệu suất tính toán của chúng và thời gian sử dụng của máy tính th ường dành cho những mục đích khác hơn là dành cho thuật toán điều khiển (như truyền thông, hội thoại với người vận hành, cảnh báo, ghi chép, ). Mặc d ù vậy, hạn chế lớn nhất của MPC l à sự cần thiết một mô NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 7 hình thích hợp cho đối tượng/quá trình bởi vì rõ ràng, sai lệch giữa đối tượng/quá trình thực với mô hình sử dụng ảnh hưởng rất nhiều đến kết quả đạt được. Thực tế, MPC đã chứng tỏ là một giải pháp có thể chấp nhận trong điều khiển các quá trình công nghi ệp, mặc dù nó vẫn còn thiếu những kết quả lý thuyết ở những điểm quan trọng như tính ổn định và bền vững. 1.2 PHƯƠNG PHÁP LUẬN CỦA MPC Hình 1.2: Chiến lược điều khiển dự báo Sử dụng một mô hình toán học để dự báo đầu ra của đối t ượng/quá trình trong tương lai   |y t k t với 1 P k H  , P H được gọi là miền giới hạn dự báo (prediction horizon). Chuỗi tín hiệu điều khiển tối ưu       , , C u t u t H được tính toán thông qua việc tối thiểu hóa một phiếm h àm mục tiêu. Phiếm hàm này thường có dạng một hàm bậc hai bao gồm bình phương của sai lệch giữa tín hiệu đầu ra d ự báo và quỹ đạo quy chiếu mong muốn cộng với bình phương chuỗi biến thiên tín hiều điều khiển:           1 2 2 1 ˆ 1 C P H H k h k J k y t k w t k k u t k                      (1.1) Tín hiệu điều khiển   u t được đưa tới đối tượng / quá trình trong khi các tín hi ệu điều khiển còn lại trong chuỗi bị bỏ qua, bởi v ì ở thời điểm lấy mẫu tiếp theo ( 1)y t  đã biết và bước 1 được lặp lại với giá trị mới n ày và toàn bộ các dữ liệu được cập nhật. 1.3 CÁC YẾU TỐ CỦA MPC Phần này nói kỹ về các yếu tố chung của tất cả các bộ điều khiển dự báo dựa theo mô hình. Mỗi yếu tố có nhiều lựa chọn khác nhau v à kết hợp các lựa chọn dẫn tới các thuật toán MPC khác nhau. y thời gian thời gian tín hiệu ra y trong quá khứ tín hiệu ˆ y dự báo tín hiệu đặt k+ C H k+ P H k+1 k k-1 u P H C H NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 8 Các yếu tố MPC bao gồm: - Mô hình dự báo - Phiếm hàm mục tiêu - Luật điều khiển 1.3.1 Mô hình dự báo Mô hình đối tượng/quá trình đóng vai trò quyết định trong bộ điều khiển. Mô hình phải phản ánh đúng động học của quá trình để có thể dự báo chính xác đầu ra tương lai cũng như phải đủ đơn giản để thực hiện. Có nhiều loại mô h ình: 1.3.1.1 Các mô hình thông th ường Mô hình đáp ứng xung: Đầu ra có quan hệ với đầu vào thông qua biểu thức tổng quát như sau: 1 ( ) ( ) i i y t g u t i      (1.2) với i g là đầu ra ở thời điểm lấy mẫu thứ i khi quá trình được kích thích bởi một xung đơn vị (xem hình). Nếu tổng này chỉ lấy hữu hạn N giá trị ( do đó chỉ biểu diễn được các quá trình ổn định không chứa thành phần tích phân) thì ta có: 1 1 ( ) ( ) ( ) ( ) N i i y t g u t i G z u t       (1.3) với   1 1 2 1 2 N N G z g z g z g z         , sT z e , T là hằng số thời gian lấy mẫu. Tín hiệu ra dự báo được tính bởi: 1 1 ˆ ( | ) ( | ) ( ) ( | ) N i i y t k t g u t k i t G z u t k t          (1.4) Thông thường N khá lớn (khoảng 40-50) làm cho số lượng tham số cần thiết lớn. Đây cũng chính là hạn chế của mô hình đáp ứng xung. Ngược lại, nó rất trực quan v à phản ánh rõ ảnh hưởng của mỗi biến điều khiển lên một đầu ra xác định. Nếu hệ thống là nhiều biến có m đầu vào thì đáp ứng của hệ có dạng: 1 1 ( ) ( ) m N kj k j i k i y t g u t i       (1.5) Ưu điểm của phương pháp là không c ần thông tin ban đầu về đối tượng/quá trình, do đó bài toán nhận dạng được đơn giản hóa đồng thời cho phép khảo sát dễ d àng các quá trình động học phức tạp nh ư hệ pha không cực tiểu (hay có thể có trễ). NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 9 Hình 1.3: Đáp ứng xung Mô hình đáp ứng bước nhảy: Mô hình này tương tự như mô hình trước nhưng tín hiệu vào là bước nhảy (step). Các hệ thống ổn định có đáp ứng mô tả bởi: 1 1 0 0 1 ( ) ( ) ( )(1 ) ( ) N i i y t y h u t i y H z z u t            (1.6) với i h là giá trị đầu ra tại thời điểm lấy mẫu thứ i và ( ) ( ) ( 1)u t u t u t    như được chỉ ra trên hình (). Không m ất tính tổng quát, giá trị 0 y có thể chọn bằng 0, khi đó tín hiệu ra dự báo. 1 ˆ ( | ) ( | ) N i i y t k t h u t k i t        (1.7) Phương pháp này cũng có những ưu nhược điểm giống phương pháp trên. Hình 1.4: Đáp ứng bước nhảy 1 g 2 g i g N g   y t t 1t  2t  t N  1 h 2 h i h N h   y t t 1t  2t  t i t N NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 10 Mô hình hàm truy ền: Sử dụng khái niệm hàm truyền /G B A để biểu diễn đầu ra dưới dạng: 1 1 ( ) ( ) ( ) ( )A z y t B z u t    (1.8) với: 1 1 2 1 2 ( ) 1 na na A z a z a z a z          1 1 2 1 2 ( ) nb nb B z b z b z b z         do đó tín hiệu ra dự báo sẽ là: 1 1 ( ) ˆ ( ) ( ) ( ) B z y t k t u t k t A z      (1.9) Cách mô tả này cũng có hiệu lực đối với những đối tượng/quá trình không ổn định và có ưu điểm là cần ít tham số, tuy nhi ên không thể thiếu những thông tin ban đầu về đối tượng/quá trình đặc biệt là bậc của các đa thức A và B . Mô hình trên không gian tr ạng thái: Phương trình toán học được mô tả như sau: ( ) ( 1) . ( 1) ( ) ( ) x t Mx t N u t y t Qx t      (1.10) trong đó x là biến trạng thái và , ,M N Q lần lượt là các ma trận hệ thống, ma trận đầu vào và ma trận đầu ra.Trường hợp này tín hiệu ra dự đoán được tính bởi:     k i ik tiktNuMtxMQtktxQtkty 1 1 )]|()([)|( ˆ )|( ˆ (1.11) Mô hình không gian trạng thái có ưu điểm là có thể mô tả các quá trình đa biến. Luật điều khiển chỉ đơn giản là phản hồi của một tổ hợp tuyến tính của vector trạng thái mặc dù đôi khi các biến trạng thái được chọn không có ý nghĩa vật lý. Trường hợp các biến trạng thái không đo được, hệ thống phải cần th êm bộ quan sát trạng thái, khi đó các tính toán sẽ phức tạp hơn. 1.3.1.2 Mô hình mờ Hệ thống suy luận mờ (Fuzzy Inference System) có thể nói l à một công cụ xấp xỉ toàn năng. Điều này cho phép các hệ thống suy luận mờ có thể xấp xỉ đặc tính tĩnh của bất cứ một hàm phi tuyến liên tục nào trong một miền xác định với độ chính xác cao. Đặc biệt là với những hệ phi tuyến mạnh mô h ình mờ tỏ ra chiếm ưu thế hơn so với những mô hình khác. Bằng việc kết hợp với các khâu đ ộng học (đường dây trễ - TDL) ta có thể mô hình hóa đối tượng động học phi tuyến (mạnh) với độ chính xác t ùy ý. Có hai loại mô hình mờ phổ biến là mô hình mờ Mamdani và mô hình mờ Takagi – Sugeno. Ứng với mỗi loại mô h ình đầu ra dự báo được tính toán như sau: Đối với mô hình Mamdani: [...]... của hai tập mờ theo luật Min v à theo Tích đại số là các tập mờ xác định trên tập nền M N với hàm thuộc: A B x, y min A B x, y A A x, y , x, y B B x, y x, y A x, y A x, y B (Tích đại số) x với mọi y N B với: (Luật lấy Min) y với mọi x M MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 19 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ Phép bù của một tập mờ Tương tự như... dụng, tín hiệu chủ đạo tương lai r (t k ) là biết trước, như điều MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 11 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ khiển robot, động cơ servo hoặc điều khiển mẻ Ngay cả trong những ứng dụng mà tín hiệu chủ đạo là hằng s , chất lượng hệ thống vẫn được cải thiện đáng kể nhờ biết trước các thời điểm thay đổi của giá trị đặt. .. SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 B 23 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ Trước tiên hai hàm liên thuộc A x và B y phải được rời rạc hoá với tần số rời rạc đủ nhỏ để không bị mất thông tin Chẳng hạn với n điểm mẫu của x1 , x2 , nền A và m điểm mầu y1 , y2 , T A A x1 , A , xn của tập ym của tập nền B thì ta định nghĩa hai vector: x2 , , A xn T B và. .. trị mờ Ak có cùng tập nền X và các tập mờ Bk có cùng tập nền Y , với k = 1, 2, , p Gọi hàm liên thuộc của Ak và Bk lần lượt là Thuật toán xây dựng luật hợp t hành R R1 Rời rạc hoá X tại n điểm x1 , x2 , Xác định các vector Ak và Bk Ak R2 x và Bk y , với k = 1, 2, , p R p trên như sau: xn và Y tại m điểm y1 , y2 , ym , với k = 1, 2, , p theo công thức sau: T Ak Ak x1 , Ak x2 , , Ak T Bk Bk y1 , Bk y2 ,. .. giá trị x, F x , trong đó x X và x là ánh xạ: F F Ánh xạ F :X 0,1 (2.3) được gọi là hàm liên thuộc (hoặc hàm phụ thuộc) của tập mờ F Như vậy có thể biểu diễn tập mờ F như sau: F x, F x x X (2.4) Các tham số liên quan đến tập mờ: Độ cao của tập mờ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 15 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ Độ cao của tập mờ F (định... trong ống dẫn, hay nhiệt độ và áp suất tối đa Tất cả các yếu tố này khiến cho sự có mặt của điều kiện ràng buộc trong phiếm hàm cực tiểu hóa là cần thiết Thông thường, người ta quan tâm đến các hạn chế biên độ và tốc độ của tín hiệu điều khiển và các hạn chế đầu ra: MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 12 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ umin umin... i) i 1 (1.19) i k 1 MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 13 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ Trong biểu thức trên, thành phần thứ nhất chứa các tác động điều khiển tương lai (các tác động này sẽ được tính toán nhờ bộ tối ưu hóa ), thành phần thứ hai chứa các tác động điều khiển quá khứ (thành phần này đã biết) và thành phần cuối cùng đại diện... [ 0, 100 ], thì x = tốc độ và tập các số hạng T x có thể là: T x = rất chậm, chậm, trung bình, nhanh, MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 20 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ Ở đây luật cú pháp G để sinh ra tên (hoặc nhãn) của các phần tử trong tập T (tốc độ) có ý nghĩa trực giác Luật ngữ nghĩa M có thể được định nghĩa như sau: M (chậm) = tập mờ. .. các mệnh đề điều kiện và kết luận là những mệnh đề đơn, ví dụ như: R1 : NẾU A1 THÌ C1 hoặc R2 : NẾU A2 THÌ C2 hoặc RN : NẾU AN THÌ CN MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 22 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ thì được gọi là luật hợp thành có cấu trúc SISO (một vào, một ra - single input, single output) Một luật hợp thành có mệnh đề điều kiện là... hàm Gauss được định nghĩa như sau: x e 1 x c 2 2 1.0 x 0 MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 c 17 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ (c) Hàm liên thuộc Gauss 2.1.2 Các phép toán trên tập mờ Cũng như tập hợp kinh điển, tập mờ cũng có các phép toán c ơ bản như phép hợp, phép giao và phép bù Các phép toán này c ũng được định nghĩa thông qua các h . biết trước, như điều NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 12 khiển robot, động cơ servo hoặc điều khiển. ẢNH VỀ MẠCH ĐIỀU KHIỂN 122 NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO TR ÊN CƠ SỞ HỆ LOGIC MỜ MAI VĂN SỸ , NGUYỄN NGỌC LINH – ĐKTĐ – KSTN – K48 3 LỜI MỞ ĐẦU Điều khiển dự báo theo mô. khối hệ thống điều khiển dự báo Thuật toán điều khiển dự báo Mô hình Hàm mục tiêu Tạo tín hiệu chuẩn Tối ưu hóa Đối tượng điều khiển w r u y NGHIÊN CỨU , THIẾT KẾ VÀ CÀI ĐẶT BỘ ĐIỀU KHIỂN DỰ BÁO