Tóm tắt luận văn thạc sĩ kỹ thuật nâng cao chất lượng của bộ điều khiển mờ để điều khiển cho hệ phi tuyến

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP ĐINH XUÂN DƯ NÂNG CAO CHẤT LƯỢNG CỦA BỘ ĐIỀU KHIỂN MỜ ĐỂ ĐIỀU KHIỂN CHO HỆ PHI TUYẾN Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 60520216 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT Thái Ngun, 2014 Cơng trình hồn thành TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP THÁI NGUYÊN Người hướng dẫn khoa học: PGS.TS Nguyễn Hữu Công Phản biện 1: PGS.TS Nguyễn Thanh Hà Phản biện 2: TS Nguyễn Văn Chí Luận văn bảo vệ trước Hội đồng chấm luận văn Họp tại: TRƯỜNG ĐẠI HỌC KỸ THUẬT CÔNG NGHIỆP THÁI NGUYÊN Vào hồi 13 h30 ngày 24 tháng năm 2014 Có thể tìm hiểu luận văn tại: - Trung tâm học liệu Đại học Thái Nguyên - Thư viện trường Đại Học Kỹ Thuật Công Nghiệp MỞ ĐẦU Lý chọn đề tài Với đời lý thuyết điều khiển đại (điều khiển thích nghi, điều khiển mờ, mạng nơron…) tạo điều kiện cho việc xây dựng điều khiển thông minh đáp ứng yêu cầu công nghệ ngày cao sản xuất đại Trong năm gần có nhiều đề tài nghiên cứu ứng dụng hệ mờ để điều khiển đối tượng phi tuyến Song phần lớn nghiên cứu chưa đạt kết mong muốn Việc nâng cao chất lượng điều khiển mờ hướng nghiên cứu nhiều nhà điều khiển học quan tâm Việc chọn giá trị hay tham số hàm liên thuộc đầu vào đầu để hệ tốt vấn để mở, phần nhiều dựa vào kinh nghiệm người thiết kế để chọn Do vậy, để chỉnh định tham số tập mờ ý tưởng nêu dựa vào luật thích nghi dựa vào mạng neuron đề xuất Từ tình hình thực tế điều kiện nghiên cứu thân, đề tài tác giả lựa chọn vấn đề nghiên cứu với tên đề tài là: “Nâng cao chất lượng điều khiển mờ để điều khiển cho hệ phi tuyến Mục tiêu cần đạt Khảo sát phương pháp thiết kế điều khiển mờ, cho đối tượng mô tả dười dạng hàm truyền mơ tả dạng phương trình vi phân Đề xuất phương án để nần cao chất lượng cho điều khiển mờ sử dụng luật thích nghi mạng neuron Mô thực nghiệm đối tượng thực để kiểm chứng kết nghiên cứu Ý nghĩa khoa học, ý nghĩa thực tiễn đề tài a Ý nghĩa khoa học: Bộ điều khiển đề xuất khắc phục nhược điểm điều khiển mờ thơng thường Điều có ý nghĩa lớn mặt khoa học việc điều khiển đối tượng phi tuyến Đề tài đề cập đến ứng dụng thuật toán dựa luật thích nghi mạng neuron việc điều khiển đối tượng phi tuyến đặc biệt điều khiển hệ Ball and beam b Ý nghĩa thực tiễn: Trong luận văn tác giả xây dựng điều khiển dựa luật thích nghi mạng neuron để điều khiển hệ Ball and beam Qua thực nghiệm cho thấy điều khiển mờ chế thích nghi thực bám tín hiệu đặt tốt Bộ điều khiển linh hoạt có nhiều ưu điểm so với điều khiển kinh điển khác áp dụng cho điều khiển hệ ball and beam CHƯƠNG TỔNG QUÁT HỆ THỐNG VIÊN BI CÁNH TAY ĐỊN (BALL AND BEAM) Giới thiệu số mơ hình hệ thống Ball and Beam Giới thiệu mơ hình Ball and Beam Mơ hình “ball and beam” thường dùng phịng thí nghiệm trường đại học Mơ hình bao gồm nằm ngang (được gọi beam), bóng (ball), động DC, cảm biến đọc vị trí bóng cảm biến xác định góc nghiêng - Thanh nằm ngang (beam), thường có độ dài khoảng [0.5 , 1.0] met Chất liệu làm nhựa hoặc, nhôm, gỗ - Quả bóng (ball), hình trịn, trọng lượng khoảng [100g , 250g] Quả bóng thường thay viên bi sắt nhỏ, hay bi nhựa Bề mặt nhẵn, chuyển động ma sát phải nhỏ (có thể bỏ qua được) - Để xác định vị trí bóng người thường dùng cảm biến khoảng cách, cảm biến độ dịch chuyển Cảm biến xác định góc nghiêng sử dụng cảm biến góc nghiêng, encoder Mục đích tốn điều khiển: Sao cho vị trí viên bi khơng đổi bám theo vị trí đặt cho trước, bền vững với nhiễu ngoại sinh tác động vào hệ thống Muốn làm điều người ta thường sử dụng hai mạch vòng điều khiển , mạch vòng điều khiển tốc độ động cơ, mạch vòng lại để điều khiển vị trí viên bi ngang Dạng 1: Hình 1.1 Mơ hình Ball and beam dạng Dạng 2: Hình 1.2 Mơ hình Ball beam dạng Hình 1.4 Mơ hình điều khiển cho GBB1004 Hình 1.5 Mơ hình điều khiển cho GBB2004 Hình 1.8 Mơ hình Ball Beam ĐHKT Australia 20 Bộ điều khiển mờ theo luật PD ET x (-) d dt DET Bộ điều khiển mờ P Đối tượng Thiết bị đo Hình 2.19: Bộ điều khiển mờ PD Kết luận Trong chương trình bày sở lý thuyết lý thuyết mờ Cụ thể nguồn gốc định nghĩa tập mờ Sau trình bày sở tập mờ khái niệm biến ngơn ngữ, phép tốn tập mờ để làm sở cho việc tính tốn phép toán tập mờ phép giao, phép hợp, phép bù…Để tìm giá trị rõ đầu từ độ phụ thuộc đầu ta sử dụng nguyên lý giải mờ theo phương pháp trình bày như: giải mờ theo phương pháp trọng tâm, độ cao,… 21 Cuổi cùng, cách thiết kế điều khiển mờ tĩnh mờ động cho trường hợp trình bày theo bước tường minh rõ ràng CHƯƠNG 3:MỘT SỐ PHƯƠNG PHÁP NÂNG CAO CHẤT LƯỢNG BỘ ĐIỀU KHIỂN MỜ Trong chương này, luận văn trình bày theo cách chọn dạng hàm liên thuộc tự động thay đổi đỉn hàm thuộc: Thay đổi đỉnh hàm thuộc đầu vào dựa chỉnh định mạng neural chỉnh định giá trị hàm thuộc đầu điều khiển thích nghi trực tiế 3.1 Bộ điều khiển mờ nơron với luật mờ Bộ điều khiển mờ nơron với luật mờ ( Neural Fuzzy Controllers with fuzzy singleton rules), hình 3.1 , có dạng sau 22 Hình 3.1 Kích thước robot hai bánh tự cân 3.4 Áp dụng phương pháp để nâng cao chất lượng cho điều khiển mờ 3.4.1 Thiết kế điều khiển mờ động Bước 1: Chọn miền giá trị đầu vào đầu - Ta chọn điều khiển mờ động dạng PD – Fuzzy o Đầu vào 1: Sai lệch tín hiệu đặt đầu e ( t ) = é 0.8 ê ë o Đầu vào 0.8ù ú û 2: de ( t ) = é 0.5 ê ë Đạo 0.5ù ú û hàm sai lệch 23 o Đầu ra: Tín hiệu điều khiển đưa tới cấu chấp hành e ( t ) = é ê ë 6ù ú û Bước 2: Sử dụng biến ngôn ngữ hàm liên thuộc { } e ( t ) = A N 1, A 1, Z 1, D 1, DN { } de ( t ) = A N 2, A 2, Z 2, D 2, DN { u ( t ) = OA N , OA , OZ , OD , ODN Trong đó:  AN: Âm nhiều  A: Âm  Z: Không  D: Dương  DN: Dương Nhiều  1,2: Tương ứng số đầu vào  O: Output – Đầu } 24 Quan hệ đầu vào đầu thể hiện: 25 Mơ hình mơ hệ thống Ball and Beam sử dụng điều khiển PD – Fuzzy điêu khiển PID thực phần mềm Matlab – Simulink: 26 27 Hình 3.18:Đường cong nội suy thể mối quan hệ đầu đầu vào Bước 5: Chạy mô với kết hàm liên thuộc sau chỉnh định 28 Kết mô phỏng: (3.26) 3.5 Mơ hình hệ thống chạy thực nghiệm Sơ đồ khối hệ thống thí nghiệm Ball and Beam phịng thí nghiệm: 29 Hình 3.27 Mơ hình khối hệ thực nghiệm cho ball and beam bền vững điều khiển tối ưu bền vững Sơ đồ chạy thực nghiệm cho hệ thống ball and beam sử dụng Matlab – Simulink sử dụng điều khiển LQR Trong đó: - Sensor đo vị trí: sử dụng điện trở dẫn để xác định vị trí thơng qua thay đổi giá trị điện áp đầu - Động cơ: Động điện chiều có nguồn ni ± 15V - Mạch công suất: dùng để đảo chiều quay động 30 - NI USB 6008: Cạc thu thập liệu hãng National Intrusments Matlab – Simulink: Dùng để thiết kế xuất tín hiệu điều khiển Hình 3.29 Mơ hình khối hệ thực nghiệm cho ball and beam Matlab-Simulink Trong chương 3, trình bày cách để chỉnh định đỉnh tập mờ đầu tập mờ đầu vào: - Chỉnh định tập mờ đầu theo luật điều khiển thích nghi trực tiếp trình bày theo cơng thức (3.37) dựa ý tưởng tham số tập mờ đầu dạng singleton tham số thích nghi Từ ta xây dựng luật thích nghi cho tham số dựa luật Lyaponov 31 - Chỉnh định tập mờ đầu vào dựa vào mạng neural, theo ý tưởng tham số tập mờ đầu vào trọng số liên kết đầu vào, trọng số liên kết chỉnh định dựa luật học thông số Từ cỏ thể nâng cao chất lượng điều khiển mờ truyền thống - Kết kiểm chứng cách mô điều khiển vị trí cho hệ Ball and Beam Từ kết thực nghiệm cho ta thấy việc chỉnh định hàm liên thuộc đầu đầu vào cho phép ta hồn tồn nâng cao chất lượng cho hệ Luận văn nghiên cứu giải nội dung sau: Đề tài hoàn thành số công việc sau: Xây dựng mơ hình tốn học mơ tả đối tượng vật lý bất định Nghiên cứu xây dựng thuật toán thiết kế điều khiển bền vững tối ưu bền vững cho đối tượng vật lý bất định Xây dựng hệ thống điều khiển cân robot theo thuật toán điều khiển định dạng H∞ thu điều khiển gốc bậc Kết mô Matlab – Simukinl cho thấy sử dụng điều khiển tối ưu bền vững điều khiển cân robot Các kết mơ thực thể tính đắn thuật toán điều khiển cân robot theo thuật toán điều khiển tối ưu bền vững KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Luận văn hoàn thành số công việc sau đây: 32 - Nghiên cứu tổng quát lý thuyết logic mờ điều khiển mờ - Tiền hành mơ hình hóa đối tượng phương pháp Euler – Lagrange, từ ta tuyến tính hóa xung quang điểm làm việc, cụ thể điểm “0” Từ đó, ta mơ hình tuyến tính để làm sở cho việc thiết kế nâng cao chất lượng điều khiển số - Chỉnh định tập mờ đầu theo luật điều khiển thích nghi trực tiếp trình bày theo cơng thức (3.37) dựa ý tưởng tham số tập mờ đầu dạng singleton tham số thích nghi Từ ta xây dựng luật thích nghi cho tham số dựa luật Lyaponov - Chỉnh định tập mờ đầu vào dựa vào mạng neural, theo ý tưởng tham số tập mờ đầu vào trọng số liên kết đầu vào, trọng số liên kết chỉnh định dựa luật học thông số Từ cỏ thể nâng cao chất lượng điều khiển mờ truyền thống - Cuối cùng, luận văn trình bày việc áp dụng cho đối tượng phịng thí nghiệm mơn Đo lường – Điều khiển Kết chạy thực nghiệm minh chững tính đắn phương pháp trình bày 33