Điều khiển con lắc ngược sử dụng mạng NEURAL trên CHIP DSP

vii Mục lục Trang tựa trang Quyết đnh giao đề tài Lụ LCH KHOA HC i Li Cam Đoan iii Li Cảm n iv Tóm Tắt Luận Văn v Mc lc vii Danh Sách Các Chữ Viết Tắt x Danh Sách Các Hình xi Danh Sách Các Bảng xiv Chng 1 Tổng Quan 1 1.1. Đặt vấn đề 1 1.2. Lch sử nghiên cứu 3 1.3. Mc tiêu và giới hạn ca đề tài 6 1.4. Phng pháp nghiên cứu 7 1.5. Ni dung luận văn 7 Chng 2 Mô Hình Toán Hc 9 2.1. Xây dựng mô hình toán hc [8], [9] 9 2.2. Mô phỏng con lắc ngợc quay trên matlab 13 2.1.1. Khảo sát đáp ứng ca con lắc tuyến tính 15 2.1.2. Khảo sát đáp ứng góc ca con lắc với b điều khiển PID mt biến 16 2.1.3. Khảo sát đáp ứng góc ca con lắc với b điều khiển PID hai biến 17 2.1.4. Khảo sát đáp ứng ca con lắc phi tuyến 21 viii Chng 3 Điu Khin Cơn Bằng Dùng Mng Neural (Ann) 24 3.1. Mạng neural truyền thẳng nhiều lớp (Multilayer Feed-forward Neural Network) [15], [16] 24 3.1.1. Vấn đề thiết kế cấu trúc mạng 25 3.1.2. Số lớp ẩn 26 3.1.3. Số neural trong lớp ẩn 27 3.2. Luật hc lan truyền ngợc [16] 28 3.3. Lựa chn và huấn luyn mạng 33 3.3.1. Mạng truyền thẳng (feedforwardnet) 34 3.3.2. Mạng truyền thẳng ghép cascade (Cascade-forward neural network) 35 3.3.3. Mạng truyền thẳng khớp quan h vào ra (fitting neural network) 37 3.4. Điều khiển con lắc bằng mạng fitting neural network 38 Chng 4 Điu Khin Swing-Up Dùng Logic Mờ 39 4.1. Tổng quan về điều khiển m [14] 39 4.1.1. Tiền xử lý 39 4.1.2. M hóa 39 4.1.3. H qui tắc m 40 4.1.4. Các phép toán trên tập m 41 4.2. Điều khiển Swing-up [14], [15] 42 4.3. Áp dng điều khiển m trong Swing-up con lắc 44 Chng 5 Kết Qu Thực Nghim 46 5.1. Điều khiển con lắc ngợc dùng mạng fitting neural network 46 5.1.1. Đáp ứng ca con lắc khi cha thay đổi thông số mô hình 47 ix 5.1.2. Đáp ứng ca con lắc khi thêm m = 0.31kg tại 2L=16cm 49 5.1.3. Đáp ứng ca con lắc khi thêm m = 0.31kg tại 2L=30cm 51 5.2. Điều khiển Swing-up sử dng logic m 54 Nhận xét: 56 Chng 6 Kết Luận VƠ Hớng Phát Trin Đ TƠi 56 6.1. Kết luận 56 6.2. Hớng phát triển ca đề tài 56 TÀI LIU THAM KHO 59 Phụ Lục 62 A. Giới thiu phần cứng h thống con lắc ngợc quay 62 a. Phần c khí: 62 b. Phần mạch đin tử: 63 c. Các s đồ nguyên lý ca mạch đin trên h thống thực 65 x Danh Sách Các Chữ Viết Tắt 1. PID: Proportional Integral Derivative 2. PWM: Pulse-Width Modulation 3. SIMO: Single Input Multi Outputs 4. SISO: Single Input Single Outputs 5. MIMO: Multi Input Multi Outputs 6. DSP: Digital Signal Processing 7. PCI: Peripheral Component Interconnect 8. QEP: Quadrature Encoder Pulse 9. ANN: Artificial Neural Network 10. SSE: Sum Suquared Error 11. MSE: Mean Square Error xi Danh Sách Các Hình Hình trang Hình 1.1 H Pendubot 3 Hình 1.1 H con lắc ngợc xe 3 Hình 1.3 H con lắc ngợc quay 4 Hình 1.4 H con lắc mt bậc 4 Hình 2. 1 Mô hình cánh tay quay ca con lắc 9 Hình 2. 2 Phân tích chuyển đng ca con lắc ngợc quay 10 Hình 2. 3 S đồ khối mô hình mô phỏng con lắc tuyến tính 14 Hình 2. 4 S đồ khối mô hình mô phỏng con lắc phi tuyến 14 Hình 2. 5 S đồ khối mô tả con lắc khi cha có b điều khiển 15 Hình 2. 6 Góc alpha ca con lắc khi cha có b điều khiển 15 Hình 2. 7 S đồ khối điều khiển con lắc hồi tiếp góc alpha 16 Hình 2.8. Đáp ứng góc lch con lắc khi hồi tiếp góc alpha 17 Hình 2.9 Đáp ứng góc lch cánh tay khi hồi tiếp góc theta 17 Hình 2.10. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta 18 Hình 2.11. Đáp ứng góc alpha khi hồi tiếp cả hai góc alpha và theta 18 Hình 2.12. Đáp ứng góc theta khi hồi tiếp cả hai góc alpha và theta 19 Hình 2.13. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta khi thay đổi m 20 Hình 2.14. Điều khiển con lắc không ổn đnh khi khối lợng m = 0.65kg 20 Hình 2.15. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta khi thay đổi chiều dài 21 Hình 2.16. Điều khiển con lắc không ổn đnh khi chiều dài bằng L=0.4194 m 21 Hình 2.17. Điều khiển con lắc hồi tiếp cả hai góc alpha và theta với tín hiu nhiu 22 Hình 2.18. Góc alpha ca con lắc khi ngõ vào là tín hiu nhiu ngẫu nhiên 22 Hình 2.19. Điều khiển con lắc ổn đnh khi khối lợng m = 0.62kg 23 Hình 2.20. Điều khiển con lắc ổn đnh khi chiều dài bằng 0.4145m 23 Hình 3.1 Mạng neural truyền thẳng nhiều lớp 24 Hình 3.2: Hiu năng huấn luyn ca mạng feedforwardnet 32 Hình 3.3: Trạng thái quá trình huấn luyn ca mạng feedforwardnet 33 Hình 3.4: Histogram huấn luyn ca mạng feedforwardnet 33 Hình 3.5: Hiu năng huấn luyn ca mạng Cascade-forward neural network 34 xii Hình 3.6: Trạng thái quá trình huấn luyn ca mạng Cascade-forward neural network 34 Hình 3.7: Histogram huấn luyn ca mạng Cascade-forward neural network 35 Hình 3.8 Hiu năng huấn luyn ca mạng fitting neural network 35 Hình 3.9: Trạng thái quá trình huấn luyn ca mạng fitting neural network 36 Hình 3.10: Histogram huấn luyn ca mạng fitting neural network 36 Hình 3.11 S đồ khối b điều khiển cân bằng sử dng mạng fitting neural network 37 Hình 4.1 S đồ khối b điều khiển m 39 Hình 4.2. Tập m  ngõ ra ca khâu m hóa 40 Hình 4.3 Miền không gian trạng thái con lắc 43 Hình 4.4 Mô hình b điều khiển con lắc cân bằng và lật ngợc 43 Hình 4.5 S đồ m hóa ngõ vào 44 Hình 4.6 S đồ giải m ngõ ra 44 Hình 4.7 Vùng tác đng điều khiển con lắc ngợc 45 Hình 5.1. S đồ khối thu thập dữ liu 46 Hình 5.2. S đồ khối b điều khiển cân bằng sử dng mạng fitting neural network 47 Hình 5.3. Đáp ứng góc alpha với mạng fitting neural network 48 Hình 5.4. Đáp ứng góc alpha với mạng truyền thẳng [9] 48 Hình 5.5. Đáp ứng góc theta với mạng fitting neural network 49 Hình 5.6. Đáp ứng góc theta với mạng truyền thẳng [9] 49 Hình 5.7. Đáp ứng góc alpha với mạng fitting neural network khi thêm m tại L=16cm 50 Hình 5.8. Đáp ứng góc alpha với mạng truyền thẳng [9] khi thêm m tại L=16cm 50 Hình 5.9. Đáp ứng góc theta với mạng fitting neural network khi thêm m tại L=16cm 51 Hình 5.10. Đáp ứng góc theta với mạng truyền thẳng [9] khi thêm m tại L=16cm 51 Hình 5.11. Đáp ứng góc alpha với mạng fitting neural network khi thêm m tại L=30cm 52 Hình 5.12. Đáp ứng góc alpha với mạng truyền thẳng [9] khi thêm m tại L=30cm 52 Hình 5.13. Đáp ứng góc theta với mạng fitting neural network khi thêm m tại L=30cm 53 Hình 5.14. Đáp ứng góc theta với mạng truyền thẳng [9] khi thêm m tại L=30cm 53 Hình 5.15. Vùng tác đng điều khiển Swing- up 54 Hình 5.16: Lu đồ giải thuật điều khiển Swing-up 54 Hình 5.17 Góc con lắc khi điều khiển swing-up 55 Hình 7.1. S đồ h thống điều khiển con lắc ngợc quay 59 Hình 7.2. H thống thực nghim 59 xiii Hình 7.3. Phần c khí ca mô hình con lắc ngợc 60 Hình 7.4 Mạch đin tử điều khiển ca mô hình con lắc ngợc 61 Hình 7.5 Mạch giao tiếp Encorder với 2 ngõ QEP ca DSP 62 Hình 7.6 Mạch cách ly giữa phần điều khiển và phần đng lực 62 Hình 7.7 Mạch đng lực điều khiển đng c 24V 63 Hình 7.8 Mạch giao tiếp SCI 63 xiv Danh Sách Các Bng Bảng 2.1. Các thông số ca mô hình 15 Bảng 3.2 So sánh kết quả huấn luyn các loại mạng 40 Bảng 7.1. Thông số thực ca h thống con lắc ngợc thực 65 1 – Tổng Quan 1 Chng 1 Tổng Quan 1.1. Đặt vấn đ Ngày nay các lý thuyết điều khiển tuyến tính đƣ phát triển hoàn chnh vƠ đợc áp dng rất thành công trong các quá trình công nghip cũng nh trong các thiết b dân dng. Tuy nhiên, các lý thuyết này không hiu quả đối với các h thống phi tuyến mà không thể hoặc khó xác đnh chính xác mô hình toán hc, nhất lƠ đối với những h thống có mô hình toán hc thay đổi và chu tác đng ca nhiu. Bên cạnh đó, lỦ thuyết điều khiển phi tuyến cũng đƣ có những bớc phát triển đáng kể. Từ đó chúng ta có nền tảng toán hc cần thiết để thiết kế những b điều khiển đạt chất lợng. Các lý thuyết đợc áp dng thƠnh công để điều khiển các h phi tuyến đợc chia thành hai nhóm chính: lý thuyết điều khiển kinh điển và lý thuyết điều khiển hin đại. Nhóm phng pháp điều khiển kinh điển dựa vào vic tuyến tính hóa đặc tuyến ca h thống xung quanh điểm làm vic, sau đó áp dng các phng pháp điều khiển cho h tuyến tính. Lý thuyết điều khiển kinh điển đƣ bc l ra những yếu điểm về chất lợng cũng nh đ tin cậy khi đối tợng điều khiển là h phi tuyến, và nhất là những đối tợng không rõ hoặc khó xác đnh chính xác mô hình toán hc, cũng nh chu tác đng ca nhiu. Nhóm phng pháp điều khiển hin đại bao gồm điều khiển dùng giải thuật m, điều khiển dùng giải thuật di truyền, điều khiển dùng mạng thần kinh nhân tạo (Artificial Neural Network, trong đề tài này gi tắt là mạng neural) … Điều khiển m dựa vào vic xấp xƿ thông số ca đối tợng dùng mô hình m. Các thông số này sẽ đợc cập nhật liên tc trong quá trình điều khiển dựa vào sai số hồi tiếp. Phng pháp này vận dng tính xấp xƿ hƠm ca h m và dùng luật thích nghi để cập nhật thông số ca h m theo tiêu chuẩn ổn đnh Lyapunov. Mạng neural khi mới hình thƠnh còn cha có tri thức về h thống, tri thức ca mạng hình thành dần sau mt quá trình huấn luyn. Mạng neural đợc huấn luyn bằng tập dữ liu, bao gồm kích 1 – Tổng Quan 2 thích ngõ vƠo vƠ đáp ứng ngõ ra ca h thống. Ta đa vƠo đầu vào mạng neural những kích thích, mạng neural sẽ hình thành những đáp ứng tng ứng  ngõ ra, đáp ứng phù hợp với từng loại kích thích sẽ đợc lu giữ, giai đoạn nƠy đợc gi là giai đoạn hc ca mạng. Khi đƣ hình thƠnh tri thức, chúng ta có thể dùng mạng neural để điều khiển h thống mà nó đợc hc. H con lắc ngợc quay là mt h thống không ổn đnh vƠ có ít ngõ vƠo điều khiển hn số bậc tự do. Đơy lƠ mt h phi tuyến có hai điểm cân bằng: Điểm cân bằng thẳng đứng hớng lên (v trí lật ngợc) vƠ điểm cân bằng thẳng đứng hớng xuống dới (v trí buông thõng), trong đó v trí lật ngợc lƠ điểm cân bằng không ổn đnh. BƠi toán đặt ra là thiết kế h thống điều khiển gồm hai phần: b điều khiển lật ngợc (swing-up) có nhim v đa con lắc từ v trí buông thõng lên v trí lật ngợc và b điều khiển cân bằng có nhim v giữ con lắc ổn đnh tại v trí lật ngợc. Con lắc ngợc lƠ đối tợng đại din cho lớp các đối tợng có đ phi tuyến cao và không ổn đnh. Con lắc ngợc quay mt bậc tự do có u điểm là h thống c khí không quá phức tạp (so với con lắc ngợc xe), nó đợc sử dng rng rãi trong vic giảng dạy và nghiên cứu lý thuyết điều khiển tự đng cũng nh xây dựng các b điều khiển. Con lắc ngợc quay mt bậc tự do bao gồm 3 phần chính: phần c khí, phần đin tử và phần chng trình. Phần c khí bao gồm mt thanh kim loại (con lắc) quay quanh mt trc thẳng đứng. Thanh kim loại đợc gắn gián tiếp với đầu ca mt cánh tay nằm ngang thông qua mt cảm biến để đo góc, đầu còn lại ca cánh tay đợc gắn vào trc quay ca mt đng c DC. Đng c DC đặt thẳng đứng để cánh tay có thể quay trong mt mặt phẳng nằm ngang. Do trong quá trình vận hành cánh tay sẽ quay với tốc đ cao nên phần c khí cần phải đợc tính toán thiết kế chính xác, chắc chắn nhằm tránh rung gây nhiu vƠ h hỏng trong quá trình vận hành. Phần đin tử gồm 3 phần nhỏ là: cảm biến đo góc cánh tay vƠ con lắc, mạch khuyếch đại công suất và mạch điều khiển. Phần cảm biến đóng vai trò hết sức quan trng, nó sẽ cung cấp cho b điều khiển: v trí, hớng ca cánh tay và con lắc. [...]... nhiên, khi sử d ng hai b điều khiển nƠy để điều khiển con lắc thì v trí góc l ch con lắc t ng đối lớn Để khắc ph c các khuyết điểm trên c a điều khiển phi tuyến cũng nh tuyến tính, m t số tác giả sử d ng các giải thuật điều khiển thông minh nh điều khiển m [7], điều khiển dùng mạng neural [8], [9] Vi c sử d ng mạng neural [8], [9] đƣ mô phỏng thành công m t giải thuật điều khiển tr ớc đó (b điều khiển PID)... lên giải thuật điều khiển lật ng ợc con lắc sử d ng để xây dựng b điều khiển swing-up Phần cuối ch ng thể hi n kết quả áp d ng logic m trong điều khiển lật ng ợc con lắc Ch ng 5: Kết qu thực nghi m: Ch ng nƠy trình bƠy kết quả thực nghi m điều khiển lật ng ợc con lắc và điều khiển cân bằng con lắc sử d ng hai b điều khiển đƣ trình bƠy trong ch ng 4 Đồng th i tác giả so sánh kết quả điều khiển cân bằng... điều khiển cho con lắc ng ợc M c tiêu c a bài báo này là so sánh chất l ợng đáp ứng c a h thống khi sử d ng hai b điều khiển nƠy để điều khiển ổn đ nh cho con lắc ng ợc Cả hai b điều khiển nƠy đ ợc mô phỏng trên môi tr ng Simulink Matlab và cho thấy đều có khả năng điều khiển thành công mô hình con lắc Kết quả cho thấy rằng khi sử d ng b điều khiển tr ợt thì cho đáp ứng tốt h n so với b điều khiển. .. 2.1.1 Kh o sát đáp ng c a con lắc tuyến tính M c đích c a phần nƠy lƠ nêu lên đặc tính không ổn đ nh c a h con lắc Từ đó, chúng ta thấy đ ợc lý do cần phải có b điều khiển để ổn đinh con lắc Hình 2.5 Sơ đồ khối mô tả con lắc khi chưa có bộ điều khiển Hình 2.6 Góc α của con lắc khi chưa có bộ điều khiển 15 2 – Mô Hình Toán Học S đồ khối điều khiển con lắc khi ch a có b điều khiển đ ợc thể hi n Hình 2.5... ứng c a con lắc khi dùng b điều khiển PID 2 biến 17 2 – Mô Hình Toán Học S đồ khối điều khiển con lắc ổn đ nh với b điều khiển PID hai biến hồi tiếp cả hai góc  và  đ ợc hiển th trên Hình 2.10 B điều khiển PID hai biến là sự thỏa hi p c a hai b điều khiển PID m t biến để điều khiển giá tr đi n áp đặt lên đ ng c quay cánh tay Để thiết kế đ ợc b điều khiển PID hai biến, ta dựa trên b điều khiển PID... nh Hình 2.15 Điều khiển con lắc hồi tiếp cả hai góc  và  khi thay đổi chiều dài Hình 2.16 Điều khiển con lắc không ổn định khi chiều dài bằng L=0.4194 m 2.1.4 Kh o sát đáp ng c a con lắc phi tuyến Tr t ng hợp ch a có b điều khiển, mô hình con lắc phi tuyến có đáp ứng ng tự nh mô hình con lắc tuyến tính Con lắc đi về v trí buông thõng Bây gi ta sử d ng b điều khiển PID 2 biến đƣ khảo sát trên cho mô... chiều dài con lắc 23 3 - Điều Khiển Cân Bằng Dùng Mạng Neural (Ann) Ch ng 3 Đi u Khi n Cân Bằng Dùng M ng Neural (Ann) Trong ch ng nƠy, tác giả trình bƠy ph ng pháp điều khiển cân bằng con lắc sử d ng mạng neural khớp quan h vào ra (fitting neural network) Mạng neural đ ợc huấn luy n theo luật h c lan truyền ng ợc Bayesian trên dữ li u thu thập từ mô hình khi điều khiển mô hình bằng b điều khiển PID... thuật 6 1 – Tổng Quan logic m để đ a con lắc lên v trí lật ng ợc Sau đó kết hợp b điều khiển lật ng ợc và b điều khiển cân bằng để có h thống điều khiển hoàn ch nh Giới hạn c a đề tài ch thiết kế vƠ điều khiển mô hình con lắc ng ợc quay giữ cân bằng dùng mạng neural offline, ch a xơy dựng mạng neural online (mạng có khả năng tự điều ch nh tr ng số trong quá trình điều khiển- tự h c) 1.4 Ph ng pháp nghiên... phức tạp h n, phù hợp cho các giải thuật điều khiển chuyên sâu Quá trình điều khiển con lắc ng ợc quay gồm hai giai đoạn: điều khiển swing-up vƠ điều khiển cân bằng Đối với điều khiển cân bằng cho con lắc, các giải thuật phi tuyến đƣ đ ợc sử d ng thƠnh công nh back-stepping [1], tr ợt [2], đặt cực [3] Tuy nhiên, khuyết điểm chung c a c a các giải thuật điều khiển trên là ta phải biết đ ợc mô hình toán... b điều khiển Logic m (Fuzzy) để điều khiển ổn đ nh h thống con lắc ng ợc Kết quả đáp ứng c a h thống khi sử d ng b điều khiển Fuzzy hi u quả h n b điều khiển PID Tuy nhiên b điều khiển m hoạt đ ng ch yếu ph thu c vào kinh nghi m vƠ ph 4 ng pháp 1 – Tổng Quan rút ra kết luận theo t duy con ng i, sau đó đ ợc cƠi đặt vào máy tính dựa trên c s logic m Theo h ớng nghiên cứu c a MAK [2] sử d ng b điều khiển . trong điều khiển lật ngợc con lắc. Chng 5: Kết qu thực nghim: Chng nƠy trình bƠy kết quả thực nghim điều khiển lật ngợc con lắc và điều khiển cân bằng con lắc sử dng hai b điều khiển. điểm trên ca điều khiển phi tuyến cũng nh tuyến tính, mt số tác giả sử dng các giải thuật điều khiển thông minh nh điều khiển m [7], điều khiển dùng mạng neural [8], [9]. Vic sử dng mạng. các giải thuật điều khiển chuyên sâu. Quá trình điều khiển con lắc ngợc quay gồm hai giai đoạn: điều khiển swing-up vƠ điều khiển cân bằng. Đối với điều khiển cân bằng cho con lắc, các giải