Thiết kế bộ điều khiển mô hình trượt mờ tự học cho con lắc ngược con quay quán tính

1 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu cá nhân hướng dẫn giáo viên tài liệu tham khảo trích dẫn không chép công trình nghiên cứu người khác để làm sản phẩm riêng Kết nghiên cứu, đo đạc nêu luận văn trung thực chưa công bố công trình khác Tôi hoàn toàn chịu trách nhiệm tính xác thực nguyên luận văn Tp Hồ Chí Minh, ngày 24 tháng 12 năm 2015 Tác giả luận văn Đặng Văn Tín LỜI CẢM ƠN Trước tiên, xin bày tỏ lòng cảm ơn đến tất quý thầy cô giảng dạy chương trình đào tạo Cao học chuyên ngành Kỹ thuật điều khiển tự động hóa khóa 2012 Trường Đại Học Giao Thông Vận Tải TP.Hồ Chí Minh Những kiến thức tiếp nhận làm sở cho thực tốt luận văn Tôi xin chân thành cảm ơn TS Ngô Thanh Quyền, người tâm huyết hướng dẫn cho suốt thời gian qua Sau xin gửi lời biết ơn sâu sắc đến gia đình, bạn bè, đồng nghiệp ủng hộ tạo điều kiện tốt cho suốt trình làm việc, học tập thực luận văn Do kinh nghiệm nghiên cứu khoa học giới hạn nên không tránh khỏi thiếu sót Tác giả mong nhận ý kiến góp ý thầy, cô anh chị học viên Tác giả luận văn Đặng Văn Tín MỤC LỤC Danh mục chữ viết tắt ADC AFC Ascii ARM CRC DAC DC DSP DMA EWAR M FC FSMC GNU LCD LQR OTG PID PWM RTC Rx SLFSM C Chuyển đổi tín hiệu tương tự - số (Analog to Digital Converter) Điều khiển mờ thích nghi (adaptive fuzzy control) Bộ mã ký tự dựa bảng chữ La Tinh (American Standard Code for Information Interchange) Cấu trúc vi xử lý kiểu đơn giản hóa tập lệnh (Advanced RISC Machine) Loại kiểm tra cách tạo giá trị kiểm thử chuỗi bit có chiều dài, ngắn cố định (Cyclic Redundancy Check) Chuyển đổi tín hiệu số - tương tự (Digital to Analog Converter) Điện chiều (Direct Current) Bộ xử lý tín hiệu số (Digital Signal Processing) Bộ nhớ truy xuất trực tiếp (Direct Memory Access) Trình soạn thảo biên dịch cho dòng vi điều khiển ARM IAR (Embedded Workbench ARM) Điều khiển mờ ( fuzzy control) Điều khiển mô hình trượt mờ (fuzzy sliding-mode control) Tập hợp trình dịch thiết kế cho nhiều ngôn ngữ lập trình khác Màn hình tinh thể lỏng (Liquid Crystal Display) Bộ điều khiển LQR (Linear Quadratic Regulator) Viết tắt USB – OTG (Universal Serial Bus - On The Go) chuẩn kết nối theo mô hình khách/chủ hoạt động tương tự máy tính với thiết bị khác Bộ điều khiển vi tích phân tỉ lệ (Proportional Integral Derivative) Điều chế độ rộng xung (Pulse Width Modulation) Hệ thống đồng hồ thời gian thực (Real Time Clock) Bộ (chân) nhận liệu UART (Received data) Bộ điều khiển mô hình trượt mờ tự học (Self-Learning Fuzzy Sliding-Mode Controller) SMC Tx TTL SPI UART Điều khiển mô hình trượt (Sliding Mode Control) Bộ (chân) truyền liệu UART (Transmitted data) Chuẩn trạng thái logic họ IC số (Transistor – Transistor – Logic) Chuẩn truyền nối tiếp đồng (Serial Peripheral Interface) Chuẩn truyền thông nối tiếp không đồng (Universal Asynchronous Receiver/Transmitter) Danh mục hình Danh mục bảng Chương GIỚI THIỆU TỔNG QUAN 1.1 Đặt vấn đề Thuật toán điều khiển mờ (FC) sử dụng thông tin ngôn ngữ để mô tả qui luật mờ Được biết điều khiển có nhiều ưu điểm Tuy nhiên, số lượng lớn quy luật mờ làm cho phức tạp phân tích Một số nhà nghiên cứu đề xuất phương pháp thiết kế điều khiển mờ dựa mô hình điều khiển trượt (SMC) Sự kết hợp gọi mô hình điều khiển trượt mờ (FSMC) [11],[3] Vì có biến định nghĩa biến đầu vào mờ nên lợi FSMC đòi hỏi quy luật mờ so với có điều khiển mờ [3] Hơn nữa, hệ thống FSMC hiệu hai phương pháp FC FSMC có hiệu Hạn chế chủ yếu quy luật mờ điều chỉnh trước phép thử Các phép thử dựa vào dự đoán kinh nghiệm Để giải vấn đề này, điều khiển mờ thích nghi (AFC) dựa phương pháp Lyapunov nghiên cứu rộng rãi [7],[9] Với phương pháp này, quy luật mờ tự động điều chỉnh Sự hạn chế khó khăn điều khiển đơn lẻ thúc đẩy người nghiên cứu đề xuất điều khiển hiệu quả- Bộ điều khiển mô hình trượt mờ tự học (SLFSMC) SLFSMC bao gồm điều khiển mờ bền vững Bộ điều khiển mờ thiết kế để bắt chước điều khiển lý tưởng, điều khiển bền vững thiết kế để bù đắp cho sai số xấp xỉ điều khiển lý tưởng mờ Điều chỉnh thuật toán điều khiển theo Định lý Lyapunov Do đó, ổn định hệ thống đảm bảo 1.1.1 Giới thiệu mô hình Con lắc ngược mô hình thực nghiệm quen thuộc để kiểm chứng phương pháp điều khiển tính đơn giản cấu tạo đủ phức tạp mặt động lực học để giữ cho lắc cân vị trí thẳng đứng hướng lên Hiện nay, kết đạt từ phương pháp điều khiển khác cho hệ lắc ngược nhiều tốt Tuy nhiên, lần để kiểm chứng phương pháp điều khiển mở rộng phạm vi ứng dụng có biến hóa mô hình lắc ngược, cụ thể lắc ngược cân sử dụng quay quán tính Một số ứng dụng thực tế lắc ngược quay quán tính: Robot Murata Boy Robot xe đạp Murata Boy [22] phát triển công ty Murata Manufacturing năm 2005 Nó cân bề mặt khác cách sử dụng bánh đà cân bên người lái 10 Xe bánh tự cân AOKI2001 Xe bánh tự cân AOKI2001 [24], có kết hợp cân bánh xe bên Xe bánh tự cân có cấu trúc gọn nhẹ ứng dụng robot có công việc đòi hỏi có địa hình đặc biệt Con lắc ngược sử dụng quay quán tính mô hình có cấu vật lý phức tạp lắc ngược truyền thống đủ để kiểm chứng phương pháp điều khiển đưa Đây lý chọn mô hình “con lắc ngược quay quán tính” 66 41 Thông số cài đặt khối “UART Tx” 4.9 Kết điều khiển Để đánh giá hiệu phương pháp điều khiển đề xuất, luận văn so sánh phương pháp đề xuất với phương pháp điều khiển khác: Bộ điều khiển PID, điều khiển CMAC, điều khiển mô hình trượt mờ tự học với bù trơn Thực nghiệm thực điều kiện ban đầu lắc nằm nghiêng bên phải ( ( θ d = 34 ) θ1 = ), bánh đà đứng yên Vị trí cân mô hình 67 42 Điều kiện ban đầu mô hình 4.9.1 Kết thực nghiệm điều khiển PID Quá trình thực nghiệm với hệ thống điều khiển PID [2], tham số chọn sau: K P = 10 ; K I = K D = 0.5 ; Đây tham số lựa chọn phương pháp thử sai, đến đạt kết tốt ổn định Đáp ứng vị trí bám đuổi thể 43 (a); sai số hệ thống thể 43 (b); điện áp điều khiển thể 43 (c) 68 (a)- vị trí bám đuổi (b)- sai số (c)- điện áp điều khiển 43 Đồ thị thực nghiệm điều khiển PID Nhận xét: Bộ điều khiển PID kinh điển cho tốc độ bám tốt, nhanh Nhưng bám tín hiệu đặt xảy tượng chattering xung quanh điểm đặt điện áp điều khiển chậm ổn định Đạt kết tham số lựa chọn phương pháp thử sai nhiều lần phụ thuộc nhiều vào kinh nghiệm chủ quan 69 4.9.2 Kết điều khiển CMAC Dựa kết luận thiết kế hệ thống điều khiển CMAC [1], tham số chọn sau: Thông số danh định mô hình F0 = G0 = K1 = 0.5, K = 30 ; ; Số lớp CMAC lớp; w = [ 5 3 5 5] σ = [ 0.5 0.5 0.5 0.5 0.5 0.5 0.5 0.5] ; ; ^ η w = 0.7 ηm = 0.0001 ησ = 0.00001 E = η D = ; ; ; ; Đáp ứng vị trí bám đuổi thể Hình 4.35(a); sai số hệ thống thể (b); điện áp điều khiển thể (c) (d), đó, (c) thể điện áp điều khiển tổng, (d) thể điện áp điều khiển CMAC bền ^ vững; cuối thông số giới hạn sai số điều khiển bền vững (e) (a)- vị trí bám đuổi (b)- sai số E thể 70 (c)- điện áp điều khiển tổng (d)- điện áp điều khiển robust (e)- đường bao sai số 44 Đồ thị thực nghiệm điều khiển CMAC Nhận xét: Độ vọt lố cao, điều khiển khoảng thời gian định cập nhật thông số ổn định, sau học ổn định 4.9.3 Kết điều khiển trượt mờ tự học với bù trơn ∧ ( Fuzzy + E tanh( S ) Các tham số chọn sau: Thông số danh định mô hình K1 = 10, K = 20 m = [-1,-0.75,-0.25,-0.1,0,0.1,0.25,0.75,1] , ; F0 = G0 = ; 71 ro = [ 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1] η1 = 50 η2 = ; ; Đáp ứng vị trí bám đuổi thể hình 4.36(a); sai số hệ thống thể hình 4.36(b); điện áp điều khiển thể hình 4.36(c) hình 4.36(d), đó, hình 4.36 (d) thể điện áp điều khiển tổng, hình 4.36 (c) thể điện áp điều khiển SLFSMC bền vững (a)- đáp ứng vị trí bám đuổi (b)- sai số (c)- điện áp điều khiển robust (d)- điện áp điều khiển tổng 45 Đồ thị thực nghiệm điều khiển với bù trơn 72 73 Nhận xét: Bộ điều khiển trượt mờ tự học với bù trơn có thời gian ổn định tốt, độ vọt lố nhỏ, tượng chartering ∧ 4.9.4 Kết điều khiển SLFSMC ( Fuzzy + E sign( S ) ) Quá trình thực nghiệm với hệ thống điều khiển SLFSMC đề xuất, tham số chọn sau: Thông số danh định mô hình F0 = G0 = ; K1 = 10, K = 20 m=[-1,-0.75,-0.25,-0.1,0,0.1,0.25,0.75,1] ro = [ 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1] ; ; η1 = 50 η2 = ; Đáp ứng vị trí bám đuổi thể Hình 4.37 (a); sai số hệ thống thể b); điện áp điều khiển thể Hình 4.37(c) Hình 4.37 (d) Trong đó, Hình 4.37 (d) thể điện áp điều khiển tổng, Hình 4.37 (c) thể điện áp điều khiển SLFSMC bền vững (a)- vị trí bám đuổi 74 (b)- sai số hệ thống (c)- điện áp điều khiển robust (d)- điện áp điều khiển tổng 46 Đồ thị thực nghiệm điều khiển SLFSMC Nhận xét: Thời gian đầu điều khiển học thông số mô hình nên hệ thống bám chậm lúc đầu, tín hiệu điều khiển dao động, nhiên hệ thống nhanh chóng học thông số mô hình, điều khiển bám tốt, không rung, sai số bám điện áp điều khiển ổn định theo tín hiệu đặt Đây ưu điểm áp dụng cho mô hình không chắn So sánh kết với nhau: 75 Đồ thị bám đuổi Hình 4.38(a) điều khiển PID, Hình 4.38(b) điều khiển CMAC, Hình 4.38(c) điều khiển trượt mờ tự học với bù trơn, Hình 4.38(d) điều khiển trượt mờ tự học (a)- bám đuổi PID (b)- bám đuổi JBL (c)- bám đuổi bù trơn (d) bám đuổi SLFSMC 47 Đồ thị so sánh kết 76 Nhận xét: Xét tốc độ ổn định CMAC PID nhanh nhất, CMAC có vọt lố cao thời gian đầu phải học thông số, PID chartering (dao động tần số cao) sau Với điều khiển mô hình trượt mờ tự học với bù trơn cho kết tốt Và điều khiển đề xuất điều khiển mô hình trượt mờ tự học (SLFSMC) cho kết ấn tượng với vọt lố nhỏ, học thông số nhanh, sau ổn định 77 Chương KẾT LUẬN 5.1 Đánh giá kết đạt 5.1.1 Những kết đạt Hiện dòng chip xử lý hãng ST phát triển mạnh, đa dạng, nghiên cứu ứng dụng dòng chip DSP STM32F407VGT6 hãng hướng Với chi phí thấp, sinh viên, học viên dễ dàng tiếp cận với phần cứng thực nghiệm để kiểm chứng phương pháp điều khiển học Thi công mô hình thực nghiệm vật liệu mica có kích thước vừa phải, kết nối mạch điều khiển với thành hệ thống Xây dựng áp dụng phương pháp điều khiển SLFSMC cho mô hình thực tế Giao tiếp với máy tính để đo đạc, hiển thị dạng sóng tín hiệu ngõ ra, đáp ứng điều khiển mô hình thục tế So sánh kết điều khiển đề xuất với phương pháp khác 5.1.2 Những kết chưa đạt Để đơn giản kết cấu lựa chọn động nhỏ gọn, mô hình giới hạn với góc làm việc hẹp gần vị trí cân 5.2 Hướng phát triển đề tài Phát triển thêm phương pháp điều khiển với hàm liên thuộc khác nhau, để đạt chất lượng điều khiển tốt nhanh chóng Tăng khoảng làm việc rộng cho lắc, tự bật dậy (swing-up) Thêm cảm biến gia tốc, cảm biến góc kết hợp để điều khiển bám nhanh 78 TÀI LIỆU THAM KHẢO Tiếng việt [1] Đặng Tịnh Thanh Bình,” Thiết kế điều khiển CMAC cho lắc ngược sử dụng quay quán tính”, Đại học GTVT TP Hồ Chí Minh, 2015 [2] Nguyễn Đức Minh, “Điều khiển trượt thích nghi hệ thống phi tuyến”, Đại học Bách Khoa ĐHQG-HCM, 2012 Tiếng anh [3] B J Choi, S W Kwak, and B K Kim, “Design of a single-input fuzzy logic controller and its properties,” Fuzzy Sets Syst., vol 106, pp 299–308, 1999 [4] C C Lee, “Fuzzy logic in control systems: Fuzzy logic controller— Part I, II,” IEEE Trans Syst., Man, Cybern., vol 20, pp 404–435, Mar 1990 [5] Chih-Min Lin and Chun-Fei Hsu, “Self-Learning Fuzzy Sliding- Mode Control for Antilock Braking Systems”, IEEE transactions on control systems technology, vol 11, no 2, march 2003 [6] Chih-Min Lin, Senior Member, IEEE, and Te-Yu Chen, “SelfOrganizing CMAC Control for a Class of MIMO Uncertain Nonlinear Systems”, IEEE transactions on neural networks, vol 20, no 9, september 2009 [7] H Lee and M Tomizuka, “Robust adaptive control using a universal approximator for SISO nonlinear systems,” IEEE Trans Fuzzy Syst., vol 8, pp 95–106, Feb 2001 79 [8] K Lee and K Park, “Optimal robust control of a contactless brake system using an eddy current,” Mech., vol 9, pp 615–631, 1999 [9] L X Wang, Adaptive Fuzzy Systems and Control: Design and Stability Analysis Englewood Cliffs, NJ: Prentice-Hall, 1994 [10] Saiful Bahri Bin Samsuri, “autonomous bicycle balancing robot”, Universiti Teknologi Malaysia, 2012, [11] S W Kim and J J Lee, “Design of fuzzy controller with fuzzy sliding surface,” Fuzzy Sets Syst., vol 71, pp 359–369, 1995 Datasheet [12] IC L298 [13] IC STM32F407VGT6 [14] Kit STM32F4 DISCOVERY Website [15] http://www.automotsys.com.au/encodersmc.html/ [16] http://www.hocavr.com/ [17] http://www.hotmcu.com/motor-driver-2a-dual-l298-hbridge-p-45.html [18] http://www.mathworks.com/ [19] http://www.murata.com/ [20] http://www.murata.com/en-sg/about/mboymgirl/mboy [21] http://www.portescap.com/products/brush-dc-motor/16g88/ [22] http://www.st.com/web/en/home.html [23] http://www.urban.ne.jp/home/at2001/ [24] https://www.youtube.com/watch?v=kEctw-TUCcs [25] https://www.youtube.com/watch?v=Ky7Dk-gmpG4 [26] https://www.youtube.com/watch?v=a5UBGiHSyUI 80 [...]... Samsuri Con lắc ngược tự cân bằng sử dụng con quay quán tính được tác giả áp dụng cho xe 2 bánh tự cân bằng như Hình 1.5, có phương pháp điều khiển chính của mô hình là PID [10] 1.3 Mục tiêu luận văn Động lực của nghiên cứu này là đề xuất mô hình điều khiển trượt mờ tự học (SLFSMC) điều khiển con lắc cân bằng Bao gồm một bộ điều khiển mờ là bộ điều khiển chính, được sử dụng để bắt chước một bộ điều khiển. .. phương pháp điều khiển 1.4 Tóm tắt nội dung luận văn Luận án đề xuất bộ điều khiển mô hình trượt mờ tự học cho đối tượng là con lắc ngược cân bằng dùng con quay quán tính Luật điều chỉnh các tham số của bộ điều khiển mô hình trượt mờ tự học dựa trên định luật Lyapunov do đó sử ổn định của hệ thống có thể được đảm bảo Xây dựng bộ điều khiển cho mô hình thực thế và đưa ra kết quả chứng minh tính hiệu quả... Tất cả các thông số trong SLFSMC được điều chỉnh theo định luật Lyapunov Cuối cùng áp dụng luật điều khiển vào mô 14 hình thực nghiệm Từ đó so sánh các kết quả đạt được với các phương pháp điều khiển khác Các mục tiêu chính của đề tài:  Tìm hiểu về bộ điều khiển SMC, FC  Nghiên cứu thiết kế bộ điều khiển mô hình trượt mờ tự học cho con lắc ngược con quay quán tính  Tìm hiểu kit xử lý STM32F4- DISCOVERY... tế cho nên u* w thường là không biết chính trong công thức (31) là không biết Vì vậy, để khắc phục với vấn đề này, một hệ thống điều khiển SLFSMC sẽ được đề xuất để tự học, cập nhật các thông số cho bộ điều khiển 27 7 Sơ đồ khối hệ thống điều khiển SLFSMC Toàn bộ cấu trúc của hệ thống điều khiển con lắc ngược sử dụng con quay quán tính có thể được tóm tắt như Hình 3.1 3.2 Giới thiệu mô hình điều khiển. .. chính, được sử dụng để bắt chước một bộ điều khiển lý tưởng và một bộ điều khiển bền vững để bù đắp cho sự sai lệch giữa bộ điều khiển lý tưởng và bộ điều khiển mờ SLFSMC có những ưu điểm là nó có thể tự động điều chỉnh các quy luật mờ tương tự như điều khiển mờ thích nghi (AFC), và có thể giảm bớt các quy luật mờ tương tự như điều khiển trượt mờ (FSMC) Hơn nữa, một cơ chế dự báo sai lệch được đưa ra để... biết chắc chắn hoặc bị nhiễu Bộ điều khiển lý tưởng không thể thực hiện một cách chính xác nên tồn tại bộ điều khiển mờ theo biểu diễn dưới đây [10]: 5858\* MERGEFORMAT () Trong đó là sai số xấp xỉ giữa bộ điều khiển mờ mà lý tưởng, sao cho E là giới hạn sai số bộ ước lượng Ta có bộ điều khiển mờ lý tưởng: 5959\* MERGEFORMAT () Sử dụng bộ điều khiển mờ để xấp xỉ bộ điều khiển lý tưởng 6060\* MERGEFORMAT... 2 , ξ3 , ξ9 ] 5555\* MERGEFORMAT () Đối với FSMC các tác động điều khiển αi phải thông qua nhiều phép thử mới đạt được hiệu quả Trong phần tiếp theo sẽ trình bày mô hình trượt mờ tự học sẽ đưa ra các đề xuất điều chỉnh các qui tắc tự động 3.4 Bộ điều khiển mô hình trượt mờ tự học SLFSMC 35 Giả sử các thông số hệ thống là biết rõ, bộ điều khiển lý tưởng là: gg gg u (t ) = G (− Fp + θ d ( t ) + k2 θ e... 1.1.2 Nguyên lý hoạt động Hệ con lắc ngược cân bằng sử dụng con quay quán tính bao gồm một cánh tay con lắc được gắn vào một tâm quay, đầu của cánh tay đòn gắn với một động cơ để quay bánh đà Do hệ thống con lắc có thể quay quanh tâm quay nên ở trạng thái bình thường con lắc không thể đứng thẳng mà luôn nghiêng về một phía 3 Con lắc ngược nghiêng bên phải Trường hợp con lắc ở vị trí cân bằng, nếu có... gốc thanh đòn Bộ điều khiển có nhiệm vụ kiểm soát motor quay bánh đà tạo ra momen tương ứng để cân bằng con lắc tại vị trí thẳng đứng Tương tự như các hệ con lắc ngược cổ điển thì hệ con lắc ngược cân bằng dùng con quay quán tính cũng là đối tượng phi tuyến không ổn định, đây cũng là một trong những phương pháp để kiểm chứng các lý thuyết điều khiển tự động 16 Các biến của hệ thống được mô tả như sau:... lắc ngược sử dụng con quay quán tính 6 Hệ quy chiếu con lắc ngược Hệ thống Con lắc ngược sử dụng con quay quán tính như hình vẽ gồm có một con quay gắn với đầu mút OC của thanh đòn, đầu gốc OA thanh đòn có là trục cố định Khi bánh đà quay một góc θ2 sẽ tạo nên momen lực τ tác động lên đầu mút của thanh đòn, mặt khác, dưới tác dụng của trọng lực sẽ tạo nên một momen lực tương ứng với khối lượng con lắc ... xuất điều khiển hiệu quả- Bộ điều khiển mô hình trượt mờ tự học (SLFSMC) SLFSMC bao gồm điều khiển mờ bền vững Bộ điều khiển mờ thiết kế để bắt chước điều khiển lý tưởng, điều khiển bền vững thiết. .. hình trượt mờ tự học cho đối tượng lắc ngược cân dùng quay quán tính Luật điều chỉnh tham số điều khiển mô hình trượt mờ tự học dựa định luật Lyapunov sử ổn định hệ thống đảm bảo Xây dựng điều khiển. .. lớn quy luật mờ làm cho phức tạp phân tích Một số nhà nghiên cứu đề xuất phương pháp thiết kế điều khiển mờ dựa mô hình điều khiển trượt (SMC) Sự kết hợp gọi mô hình điều khiển trượt mờ (FSMC) [11],[3]