ĐIỀU KHIỂN dự báo mô HÌNH DÙNG MẠNG NƠRON RBF

Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn MỤC LỤC Trang tựa Quyết định giao đề tài Lý lịch cá nhân Lời cảm ơn iii Lời cam đoan iv Tóm tắt tiếng việt v Tóm tắt tiếng anh vi Mục lục .vii Danh sách chữ viết tắt x Danh sách bảng xii Danh sách hình vẽ đồ thị xiii CH NG 1: T NG QUAN 1.1 Giới thiệu đề tài 1.2 Mục đích đề tài 1.3 Đối tượng phạm vi nghiên cứu 1.4 Phương pháp nghiên cứu 1.5 Ý nghĩa thực tiễn luận văn 1.6 Cấu trúc luận văn CH NG 2: C SỞ LÝ THUYẾT ĐIỀU KHIỂN DỰ BÁO MÔ HÌNH 2.1 Điều khiển dự báo mô hình tuyến tính .6 2.1.1 Điều khiển dự báo 2.1.2 Hàm mục tiêu 2.1.3 Quỹ đạo tham khảo 2.1.4 Những ràng buộc .9 2.1.5 Sử dụng luật điều khiển 10 2.2 Một vài thuật toán điều khiển dự báo mô hình .11 2.2.1 Điều khiển ma trận động học 11 2.2.2 Điều khiển thuật toán mô hình 12 2.2.3 Điều khiển chức dự báo 12 2.2.4 Điều khiển tự thích nghi dự báo mở rộng .13 HVTH: Lương Hoài Thương Trang vii Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn 2.2.5 Điều khiển thích nghi phạm vi mở rộng 14 2.2.6 Điều khiển dự báo tổng quát 15 2.3 Điều khiển dự báo hệ phi tuyến 16 2.3.1 Các mô hình phi tuyến 16 2.3.2 Các kỹ thuật điều khiển dự báo mô hình phi tuyến .17 2.4 Mạng nơrron nhân tạo 19 2.4.1 Giới thiệu .20 2.4.2 Mô hình toán học 21 2.4.3 Các phương pháp huấn luyện mạng nơron 23 2.5 Xây dựng mô hình dự báo 29 CH NG 3: THIẾT KẾ BỘ ĐIỀU KHIỂN .33 3.1 Thiết kế điều khiển dự báo mô hình phi tuyến 33 3.2 Mô hình dự báo 34 3.3 Hàm mục tiêu 39 3.4 Thực luật điều khiển 41 3.5 Bài toán tối ưu hoá hàm mục tiêu 42 3.6 Thiết kế điều khiển dự báo mô hình phi tuyến dùng mạng nơron hàm sở xuyên tâm RBF 44 CH NG 4: KẾT QU KẾT LUẬN VÀ PHÁT TRIỂN 46 4.1 Khảo sát đối tượng 46 4.1.1 Giới thiệu hệ nâng vật từ trường .46 4.1.2 Mô hình hệ nâng vật từ trường 46 4.1.2 Mô mô hình đối tượng hệ nâng vật từ trường 48 4.2 Thiết kế điều khiển dự báo mô hình phi tuyến cho đối tượng hệ nâng vật từ trường 49 4.3 Kết mô 52 4.3.1 Trường hợp hệ thống nhiễu 52 4.3.2 Trường hợp hệ thống có tác động nhiễu đưa vào 53 4.3.3 Trường hợp hệ thống có thay đổi tải 54 4.3.4 Trường hợp hệ thống có thay đổi khoảng cách tín hiệu tham khảo 60 4.3.5 Trường hợp hệ thống có thay đổi khoảng cách tín hiệu tham khảo khối lượng bi 66 4.3.6 So sánh hoạt động hệ nâng vật từ trường sử dụng điều khiển khác 70 HVTH: Lương Hoài Thương Trang viii Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn 4.4 Kết luận 72 4.4.1 Kết đạt 72 4.4.2.Kiến nghị hướng phát triển .73 TÀI LIỆU THAM KH O 74 PHỤ LỤC 77 HVTH: Lương Hoài Thương Trang ix Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn DANH MỤC CÁC CHỮ VIẾT TẮT BP : Back Propagation - thuật toán lan truyền ngược CRHPC : Constrained Receding Horizon Predictive Control - Điều khiển dự báo có ràng buộc DMC : Dynamic Matrix Control - điều khiển ma trận động học EHAC : Extended Horizon Adaptive Control - điều khiển thích nghi phạm vi mở rộng EPSAC : Extended Prediction Self Adaptive Control - điều khiển tự thích nghi dự báo mở rộng GPC : Generalized Predictive Control - điều khiển dự báo tổng quát LMPC : Linear Model Predictive Control- điều khiển dự báo mô hình tuyến tính MAC : Model Algorithmic Control - điều khiển thuật toán mô hình MIMO : Multi-Input Multi-Output - Hệ nhiều ngõ vào nhiều ngõ MPC : Model Predictive Control - điều khiển dự báo mô hình NLP : Nonlinear Programming - thuật toán lập trình phi tuyến NMPC : Nonlinear Model Predictive Control - điều khiển dự báo mô hình phi tuyến PFC : Predictive Functional Control - điều khiển chức dự báo QP : Quadratic Programming - thuật toán lập trình toàn phương RBFNN : Radial Basis Functions Neural Network - mạng nơron hàm sở xuyên tâm HVTH: Lương Hoài Thương Trang x Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn MAGLEV : Magnetic levitation transport – Hệ nâng vật từ trường SISO : Single-Input Single-Output - Hệ ngõ vào ngõ TDL : Tapped Delay Line - Tạo tín hiệu trễ HVTH: Lương Hoài Thương Trang xi Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn DANH MỤC CÁC BIỂU B NG TRANG B NG B ng 5.1: Các thông số hệ nâng vật từ trường 48 B ng PL1: Một số hàm chương trình sử dụng cho hệ thống 79 HVTH: Lương Hoài Thương Trang xii Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn DANH MỤC CÁC HÌNH VẼ - Đ HÌNH THỊ TRANG Hình 1.1: Sơ đồ khối hệ điều khiển dự báo mô hình Hình 2.1: Sơ đồ khối điều khiển dự báo mô hình Hình 2.2: Chiến lược dự báo tín hiệu - Hình 2.3: Quỹ đạo tham chiếu Hình 2.4: Cấu trúc nơron sinh học 20 Hình 2.5: Cấu tạo mạng nơron nhân tạo 21 Hình 2.6.a: Hàm nấc 22 Hình 2.6.b: Hàm dấu 22 Hình 2.6.c: Hàm tuyến tính 22 Hình 2.6.d: Hàm tuyến tính bưo hoà 23 Hình 2.6.e: Hàm sigmoid đơn cực 23 Hình 2.6.f: Hàm sigmoid lưỡng cực 23 Hình 2.7: Luật học có giám sát 24 Hình 2.8: Luật học củng cố 24 Hình 2.9: Luật học giám sát 25 Hình 2.10: Cấu trúc mạng RBFNN 27 Hình 2.11: Ngõ nơron lớp ẩn 28 Hình 2.12: Mô hình dự báo tín hiệu ngõ 30 Hình 2.13: Tín hiệu vào – đối tượng 30 Hình 2.14: Dự báo ngõ y(k+1) 31 HVTH: Lương Hoài Thương Trang xiii Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 2.15: Dự báo ngõ y(k+2) 31 Hình 2.16: Dự báo ngõ y(k+3) 31 Hình 2.17: Dự báo ngõ y(k+4) 32 Hình 2.18: Dự báo ngõ y(k+5) 32 Hình 2.19: Dự báo ngõ y(k+6) 32 Hình 3.1: Sơ đồ khối tổng quát hệ điều khiển dự báo mô hình 33 Hình 3.2: Ngõ lấy mẫu ứng với đáp ứng xung 34 Hình 3.3: Ngõ lấy mẫu ứng với đáp ứng bước 36 Hình 3.4: Biểu diễn đáp ứng bắt buộc đáp ứng tự 39 Hình 3.5: Quỹ đạo tham chiếu 40 Hình 3.6: Sơ đồ khối hệ NMPC dùng mạng nơron - RBF 45 Hình 4.1: Mô hình hệ nâng vật từ trường 46 Hình 4.2: Mô hình đối tượng hệ nâng vật từ trường 48 Hình 4.3: Sơ đồ mô hệ nâng vật từ trường 49 Hình 4.4: Sơ đồ tổng quát điều khiển hệ nâng vật từ trường 50 Hình 4.5: Sơ đồ mô hệ điều khiển dự báo mô hình phi tuyến 51 Hình 4.6: Cấu trúc bên MPC-RBF 51 Hình 4.7: Đáp ứng ngõ h_out h_ref “Constant” 52 Hình 4.8: Sơ đồ mô hệ thống có nhiễu tác động 53 Hình 4.9: Đáp ứng ngõ h_out h_ref “Constant” có nhiễu 53 Hình 4.10.a: Đáp ứng ngõ h_out chưa có nhiễu (m=0.013057kg) 54 Hình 4.10.b: Đáp ứng ngõ h_out có nhiễu (m=0.013057kg) 55 Hình 4.11.a: Đáp ứng ngõ h_out chưa có nhiễu (m=0.014244kg) 56 HVTH: Lương Hoài Thương Trang xiv Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 4.11.b: Đáp ứng ngõ h_out có nhiễu (m=0.014244kg) 56 Hình 4.12.a: Đáp ứng ngõ h_out chưa có nhiễu (m=0.010683kg) 57 Hình 4.12.b: Đáp ứng ngõ h_out có nhiễu (m=0.010683kg) 57 Hình 4.13.a: Đáp ứng ngõ h_out chưa có nhiễu (m=0.009496kg) 59 Hình 4.13.b: Đáp ứng ngõ h_out có nhiễu (m=0.009496kg) 59 Hình 4.14.a: Đáp ứng ngõ h_out chưa có nhiễu (h_ref=0.06m) 60 Hình 4.14.b: Đáp ứng ngõ h_out có nhiễu (h_ref=0.06m) 61 Hình 4.15.a: Đáp ứng ngõ h_out chưa có nhiễu (h_ref=0.1m) 62 Hình 4.15.b: Đáp ứng ngõ h_out có nhiễu (h_ref=0.1m) 62 Hình 4.16.a: Đáp ứng ngõ h_out chưa có nhiễu (h_ref=0.2m) 63 Hình 4.16.b: Đáp ứng ngõ h_out có nhiễu (h_ref=0.2m) 64 Hình 4.17.a: Đáp ứng ngõ h_out chưa có nhiễu (h_ref=0.26m) 65 Hình 4.17.b: Đáp ứng ngõ h_out có nhiễu (h_ref=0.26m) 65 Hình 4.18.a: Đáp ứng ngõ h_out chưa có nhiễu 66 Hình 4.18.b: Đáp ứng ngõ h_out có nhiễu 67 Hình 4.19.a: Đáp ứng ngõ h_out chưa có nhiễu 68 Hình 4.19.b: Đáp ứng ngõ h_out có nhiễu 68 Hình 4.20.a: Đáp ứng ngõ h_out chưa có nhiễu 69 Hình 4.20.b: Đáp ứng ngõ h_out có nhiễu 70 Hình 4.21: Điều khiển phương pháp mô hình nội (Internal Model Control) 71 Hình 4.22: Điều khiển phương pháp PID (Proportional Integral Derivative) 71 HVTH: Lương Hoài Thương Trang xv Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 4.23: Điều khiển phương pháp MPC (Model Preditive Control) 71 Hình 4.24: Điều khiển phương pháp MPC_RBF (Model Preditive Control - Radial Basis Functions) 72 HVTH: Lương Hoài Thương Trang xvi Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Trong trường hợp khoảng cách tín hiệu tham khảo tăng đến 0.26m điều khiển hai trường hợp có nhiễu nhiễu đáp ứng hệ nâng vật từ trường bám theo tín hiệu tham khảo Nhận xét: Khi thay đổi khoảng cách tín hiệu tham khảo từ 0.03m đến 0.26m hệ ổn định, tức tín hiệu dự báo bám sát tín hiệu tham khảo, trường hợp có nhiễu chưa có nhiễu 4.3.5 Tr ng h p h thống có s (h_ref) vƠ khối l thay đ i kho ng cách tín hi u tham kh o ng bi m=0.014244kg (tăng 120% khối l ng ban đầu) Xét tín hi u tham kh o lƠ hƠm Constant có biên đ 0.06 Độ vọt lố 8.3% Hình 4.18.a: Đáp ứng ngõ h_out chưa có nhiễu HVTH: Lương Hoài Thương Trang 66 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Độ vọt lố 8.3% Hình 4.18.b: Đáp ứng ngõ h_out có nhiễu Khi tăng khoảng cách đặt h_ref lên 0.06m khối lượng bi tăng 120%, trường hợp nhiễu có nhiễu tác động đáp ứng hệ nâng vật từ trường bám theo tín hiệu mong muốn với thời gian xác lập giây, sai số xác lập không đáng kể có độ vọt lố 8.3% HVTH: Lương Hoài Thương Trang 67 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Xét tín hi u tham kh o lƠ hƠm Constant có biên đ 0.1 Độ vọt lố 10% Hình 4.19.a: Đáp ứng ngõ h_out chưa có nhiễu Độ vọt lố 10% Hình 4.19.b: Đáp ứng ngõ h_out có nhiễu HVTH: Lương Hoài Thương Trang 68 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Khi tăng khoảng cách đặt h_ref lên 0.1m khối lượng bi tăng 120%, trường hợp nhiễu có nhiễu tác động đáp ứng hệ nâng vật từ trường bám theo tín hiệu mong muốn với thời gian xác lập 3.2 giây, sai số xác lập không đáng kể có độ vọt lố 10% Xét tín hi u tham kh o lƠ hƠm Constant có biên đ 0.15 Độ vọt lố 13% Hình 4.20.a: Đáp ứng ngõ h_out chưa có nhiễu HVTH: Lương Hoài Thương Trang 69 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Độ vọt lố 13% Hình 4.20.b: Đáp ứng ngõ h_out có nhiễu Qua khảo sát kết mô ứng với trường hợp nhiễu, kết thu cho ngõ dự báo giống trường hợp có nhiễu tác động Nhận xét: Từ kết mô cho thấy, có thay đổi tải đến 120% thay đổi khoảng cách tín hiệu tham khảo đến 0.15m hệ bám ổn định có nhiễu đặt vào điều khiển Điều chứng tỏ điều khiển dự báo mô hình hệ phi tuyến đư thiết kế có tính ổn định bền vững 4.3.6 So sánh ho t đ ng h nơng v t từ tr ng sử d ng b u n khác Các kết tham chiếu từ [32] Bao gồm: m= 10000kg, C= 0.001 Nm2/A2, h_ref= 1mm, i= 99A HVTH: Lương Hoài Thương Trang 70 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 4.21: Điều khiển phương pháp mô hình nội (Internal Model Control) Hình 4.22: Điều khiển phương pháp PID (Proportional Integral Derivative) Hình 4.23: Điều khiển phương pháp MPC (Model Preditive Control) HVTH: Lương Hoài Thương Trang 71 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 4.24: Điều khiển phương pháp MPC_RBF (Model Preditive Control Radial Basis Functions) Nhận xét: Ta thấy ngõ điều khiển MPC_RBF ổn định so với điều khiển trên, đồng thời có thời gian xác lập nhanh 4.4 K t lu n 4.4.1 K t qu đ t đ c Qua thời gian nghiên cứu sở lý thuyết mô đối tượng, phạm vi đề tài “Đi u n d báo mô hình dùng m ng n ron RBF”, tác giả đề tài đư đạt số kết cụ thể sau đây: Nắm kiến thức điều khiển dự báo mô hình, cho mô hình hệ tuyến tính cho hệ phi tuyến Việc điều khiển mô hình hệ phi tuyến phần mở rộng từ hệ tuyến tính Các kỹ thuật điều khiển dự báo mô hình cho hệ thống quy tắc quy rõ ràng Điều thể tính mềm dẻo thiết kế điều khiển lập trình tối ưu hoá cho hệ Triển khai ứng dụng mạng nơron hàm sở xuyên tâm RBF điều khiển dự báo mô hình hệ phi tuyến, cụ thể điều khiển cho đối tượng hệ nâng vật từ trường Việc huấn luyện mạng dựa huấn luyện online Ngõ dự báo đưa vào tính toán thông qua hàm optim, fmincon, hàm costfunc,… nhằm chọn lựa giá trị tối ưu để điều khiển hệ thống cho HVTH: Lương Hoài Thương Trang 72 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn ngõ cuối đối tượng giống với tín hiệu tham khảo chọn trước Bộ điều khiển dự báo mô hình phi tuyến không cần biết trước thông số hay cấu trúc đối tượng Các kết mô đạt với mục tiêu mà đề tài đư đặt ra, với số tín hiệu tham khảo chọn trước Ngay có nhiễu 1% tác động lên hệ mà không làm ảnh hưởng đến ngõ dự báo Tính bền vững hệ thống thể rõ ta thay khối lượng tải m Với tải thay đổi ±20% so với thiết kế ban đầu vị trí đặt tín hiệu tham chiếu đến 0.26m mà tín hiệu dự báo ngõ đáp ứng tốt, tức ngõ dự báo bám theo tín hiệu tham khảo 4.4.2 Ki n nghị h ớng phát tri n Do hạn chế thời gian thực đề tài, nên tác giả khảo sát mô hệ thống quỹ đạo tham chiếu định Điều cần mở rộng thêm thấy hệ thống “thích nghi” với tất quỹ đạo tham chiếu khác có phạm vi hoạt động hệ nâng vật từ trường Mặc khác, ta cải tiến chương trình mô thông số học mạng nơron hàm sở xuyên tâm RBF hay mở rộng số nơron lớp ra, để ngõ dự báo bám tốt tín hiệu đặt thời gian đáp ứng điều khiển nhanh HVTH: Lương Hoài Thương Trang 73 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn TÀI LI U THAM KH O I Tài liệu tiếng việt: [1] Huỳnh Thái Hoàng (2006), Hệ Thống Điều Khiển Thông Minh, NXB Đại Học Quốc Gia TPHCM, trang 60-75; 307-336 [2] Nguyễn Hoàng Dũng (2008), Điều Khiển Trượt Thích Nghi Dùng Mô Hình Nơron Mờ, Luận văn thạc sỹ ngành tự động hóa, Trường Đại Học Bách Khoa Tp.HCM, trang 18-22 [3] Nguyễn Nhật Lệ & Phan Mạnh Dần (2005), Giải Bài Toán Tối Dụng, NXB Khoa học Kỹ thuật, trang 32 - 43, 135 - 143 [4] Nguyễn Phùng Quang (2006), MATLAB & Simulink Dành Cho Kỹ Sư Điều Khiển Tự Động, NXB Khoa học Kỹ thuật [5] Nguyễn Thị Phương Hà (2007), Lý Thuyết Điều Khiển Hiện Đại, Trường Đại học Bách Khoa Tp.HCM, Chương - Công nghệ tính toán mềm, trang 6-14; 61-79; 108-118 [6] Nguyễn Thị Phương Hà (2007), Lý Thuyết Điều Khiển Hiện Đại, Trường Đại học Bách Khoa Tp.HCM, Chương - Điều khiển tối ưu, trang 125-144 [7] Nguyễn Thị Phương Hà (2007), Lý Thuyết Điều Khiển Hiện Đại, Trường Đại học Bách Khoa Tp.HCM, Chương - Điều khiển thích nghi [8] Nguyễn Thiện Thành (2007), Bài Giảng Lý Thuyết Điều Khiển Tối Vững, Trường Đại học Bách khoa Tp.HCM [9] Nguyễn Thúc Loan, Nguyễn Thị Phương Hà, Huỳnh Thái Hoàng (2002), Bài báo Điều Khiển Dự Báo Hệ Phi Tuyến Dựa Vào Mô Hình Mờ, Trường Đại học Bách Khoa TP.HCM u Hoá ứng u Bền [10] Nguyễn Vinh Quan (2004), Giáo Trình MATLAB7, Trường Đại học Sư phạm kỹ thuật TP.HCM [11] Nguyễn Chí Ngôn, Phạm Thanh Tùng Dương Hoài Nghĩa, Điều khiển trược dùng mạng noron hệ nâng vật từ trường [12] Trần Hoài An (2006), Bài giảng Lý thuyết điều khiển đại, Trường Đại học Giao thông vận tải TP.HCM HVTH: Lương Hoài Thương Trang 74 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn II Tài liệu tiếng nước ngoài: [13] Bart Kosko (1992), Neural Networks for Signal Processing, Prentice Hall [14] C.E García, D.M Prett, and M Morari (1989), Model Predictive Control: Theory and Pratice-a Survey, Automatica, 25(3): pages 335-348 [15] Zi-Jiang Yang, Kouichi Miyazaki, Shunshoku Kanae, Kiyoshi Wada (2003), Adaptive Robust Dynamic Surface Control for a Magnetic Levitation System [16] Duc Truong Pham & Liu Xing (1997), Neural networks for Identification, Prediction and Control, Springer-Verlag London Limited, 3rd printing [17] D.W Clarke and C Mohtadi (1989), Properties of Generalized Predictive Control, Automatica, 25(26): pages 859-875.14] [18] D.W Clarke and R Scattolini (1991), Constrained Receding-horizon Predictive Control, Proceeding IEE, 138: pages 347-354 [19] E.F Camacho (1993), Constrained Generalized Predictive Control, IEEE Trans On Automatic Control, 38(2): pages 327-332 [20] E.F Camacho, M Berenguel, and F.R Rubio (1997), Advanced Control of Solar Power Plants, Springer-Verlag, London [21] E.F Camacho and Carlos Bordons (1999), Model Predictive Control, Springer - Verlag, London Limited, ISBN 3540762418 [22] J.Richalet (1992), Practique de la Commande Predictive, Hermes [23] Khairiyah Mohd Yusof, Boo Chin Eng, Hong Mei Kwee, Amy Tan Siew Wern (2006), Formulation of Model Predictive Control Algorithm For Nonlinear Processes, Reseach Vote No 71992, University of Technology Malaysia [24] M Onder Efe, Okyay Kaynak and Bogdan M Wilamowski (2000), Creating a Sliding Mode in a Motion Control System by Adopting a Dynamic Defuzzification Strategy in an Adaptive Neuro Fuzzy Inference System, The 26th Annual Confjerence of the IEEE on Industrial Electronics Society, vol.2, pages 894-899 [25] MATLAB Help (2007), The Language of Technical Computing, version 7.4.0.287, The Matworks, Inc USA HVTH: Lương Hoài Thương Trang 75 Luâ ̣n Văn Tha ̣c Sĩ [26] GVHD: PGS.TS Nguyễn Chí Ngôn Madan M Gupta, Liang Jin, and Noriyasu Homma (2003), Static and Dynamic Neural Networks, A John Wiley & Sons, Inc., Publication, pages 223-245 [27] R Rouhani and R.K Mehra (1982), Model Algorithmic Control: Basic Theoretical Properties, Automatica, 18(4): pages 401-414 [28] Rolf Findeisen, Frank Allgöwer (2002), An Introduction to Nonlinear Model Predictive Control, Institute for Systems Theory in Engineering, University of Stuttgart, Germany [29] Shuanghe Yu, Xinghuo Yu and Mehmet Önder Efe (2003), Modeling-Error Based Adaptive Fuzzy Sliding Mode Control for Trajectory-Tracking of Nonlinear Systems, The 29th Annual Conference of the IEEE, vol.3, pages 3001-3006 [30] YING-SHING SHIAO, “Design and Implementation of a Controller for a Magnetic Levitation System” Proc Natl Sci Counc ROC(D) Vol 11, No 2, 2001 pp 88-94 [31] Jinkun Liu (2013), Radial Basis Function (RBF) Noron Network Control for Mechanical Systems, Tsinghua University Press [32] Robin DE KEYSER (2014), Fractional order control of unstable processes: the magnetic levitation study case, Ghent University EeSA Department of Electrical energy, Systems & Automation HVTH: Lương Hoài Thương Trang 76 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn PH L C CÁC HÀM VÀ CH NG TRÌNH PL.1 hƠm tối u MATLAB có sử d ng mô Hàm fminbnd: Chức năng: Tìm cực tiểu hàm phi tuyến biến số khoảng cho trước x, Giả sử x giới hạn khoảng (x x, x2) Hàm fminbnd trả giá trị x giá trị cực tiểu hàm mô tả thẻ hàm (fun) Cú pháp:  x = fminbnd(fun,x1,x2) (Trả giá trị cực tiểu cục x hàm fun.)  x = fminbnd(fun,x1,x2,options) (Tìm giá trị cực tiểu hàm fun với tham số cho “options”)  [x,fval,exitflag] = fminbnd( ) (Trả giá trị hàm mục tiêu fun tính nghiệm x) Các tuỳ chọn “options” là: - Display: “off”: hiển thị ngõ “iter”: hiển thị ngõ chu kỳ “final”: thị ngõ cuối “notify” (mặc định): hiển thị ngõ hàm không hội tụ - MaxIter: số lớn chu kỳ lặp Hàm fminunc Chức năng: HVTH: Lương Hoài Thương Trang 77 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Tìm cực tiểu hàm phi tuyến nhiều biến ràng buộc, từ giá trị khởi đầu cho trước Cú pháp:  x = fminnunc (fun, x0) Bắt đầu từ x0 tìm cực tiểu cục hàm fun  x = fminnunc (fun, x0, options) Tìm giá trị cực tiểu hàm fun với tham số cho “options”  [x, fval, exitflag] = fminunc( ) Trả giá trị fval hàm mục tiêu fun tính nghiệm x Hàm fminsearch Chức năng: Tìm giá trị nhỏ hàm phi tuyến nhiều biến ràng buộc Cú pháp:  x = fminsearch (fun, x0) Bắt đầu từ x0 tìm cực tiểu cục hàm fun  x = fminsearch (fun, x0, options) Tìm giá trị cực tiểu hàm fun với tham số cho “options”  [x, fval, exitflag] = fminsearch( ) Trả giá trị fval hàm mục tiêu fun tính nghiệm x Hàm fmincon Chức năng: Tìm cực tiểu hàm phi tuyến nhiều biến có ràng buộc, từ giá trị khởi đầu cho trước Cú pháp:  x = fmincon (fun, x0, A, b) HVTH: Lương Hoài Thương Trang 78 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Bắt đầu từ x0 tìm cực tiểu cục hàm fun với ràng buộc bất đẳng thức A*x[...]... rộng dựa trên hệ điều khiển dự báo mô hình tuyến tính [28] Bộ điều khiển dự báo dùng một mô hình để đoán trước đáp ứng tương lai của đối tượng điều khiển tại những thời điểm khác nhau trong phạm vi dự báo nhất định Dựa vào đáp ứng dự báo này, một thuật toán tối ưu hóa được sử dụng để tính toán chuỗi tín hiệu điều khiển tương lai trong phạm vi điều khiển sao cho sai lệch giữa đáp ứng dự báo bởi mô hình. .. MPC là một bộ điều khiển tối ưu với những thông số ràng buộc, trong khi những ràng buộc này thường bị bỏ qua trong hầu hết các bộ điều khiển khác Hình 1.1 mô tả hoạt động điều khiển của hệ thống sử dụng bộ điều khiển dự báo mô hình [28] HVTH: Lương Hoài Thương Trang 1 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn Hình 1.1: Sơ đồ khối hệ điều khiển dự báo mô hình Điều khiển dự báo cho hệ phi tuyến... phương pháp điều khiển dự báo mô hình tuyến tính mở rộng từ mô hình tuyến tính cơ bản kết hợp với mô hình phi tuyến cụ thể để thực hiện vấn đề phi tuyến Ngoài ra, với những quá trình phi tuyến phức tạp hơn thì có thể áp dụng các phương pháp khác nhau như: mô hình Wiener, mạng nơron nhân tạo, mô hình Volterra, Hammerstein, mô hình mờ, hay nơron - mờ, 2.3.2 Các kỹ thu t đi u khi n d báo mô hình phi tuy... số dự báo giữa tín hiệu ngõ ra đo được ym(k) và ngõ ra dự báo yˆ (k ) - thường được dùng để cập nhật cho việc dự báo kế tiếp Hình 2.2: Chiến lược dự báo các tín hiệu vào- ra 2.1 Đi u khi n d báo mô hình tuy n tính Ngày nay, phần lớn các phần mềm sử dụng MPC trên thị trường đều là những mô hình tuyến tính mặc dù hầu hết các quá trình là phi tuyến [23] Có nhiều lý do khiến bộ điều khiển dự báo mô hình. .. (MAC), điều khiển chức năng dự báo (PFC), điều khiển tự thích nghi dự báo mở rộng (EPSAC), điều khiển thích nghi phạm vi mở rộng (EHAC) và điều khiển dự báo tổng quát (GPC) 2.2.1 Đi u khi n ma tr n đ ng học Điều khiển ma trận động học (Dynamic Matrix Control - DMC) dùng đáp ứng bước để mô hình hoá quá trình, với N mẫu đầu tiên Giả sử nhiễu là giống nhau ở thời điểm t tức thì trong phạm vi dự báo bằng... 2.1 [21] Hình 2.1: Sơ đồ khối bộ điều khiển dự báo mô hình Mô hình (khối Model ở hình 2.1) được dùng để dự báo hành vi ngõ ra của đối tượng trong phạm vi tương lai sắp tới, được gọi là phạm vi dự báo Đối với mô hình rời rạc thì điều này có nghĩa là dự báo ngõ ra của đối tượng từ yˆ (k  1) đến HVTH: Lương Hoài Thương Trang 5 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn yˆ (k  H P ) dựa vào các... tâm vào việc xây dựng mô hình dự báo cho đối tượng Nghiên cứu và chọn lựa thuật toán tối ưu phù hợp Khảo sát mạng nơron hàm cơ sở xuyên tâm RBF, áp dụng giải thuật nghiên cứu được để điều khiển đối tượng là hệ nâng vật trong từ trường Hướng giải quyết vấn đề chính trong đề tài này là dựa vào cấu trúc của bộ điều khiển dự báo mô hình, ta sẽ thiết lập bộ dự báo để tạo ra những tín hiệu dự đoán trong tương... Phương pháp điều khiển dự báo là phương pháp tổng quát để thiết kế bộ điều khiển trong một khoảng thời gian, có thể áp dụng cho hệ tuyến tính cũng như hệ phi tuyến [9] Tuy nhiên trong thực tế, việc áp dụng chiến lược điều khiển dự báo cho hệ phi tuyến gặp không ít những khó khăn Một mặt là phải xây dựng mô hình toán để dự báo chính xác trạng thái của quá trình cần điều khiển trong phạm vi dự báo Đối với... là điều khiển dự báo trong phạm vi có ràng buộc (CRHPC) [18], tương tự trong điều khiển dự báo tổng quát (GPC) để đảm bảo giữ hệ thống ổn định HVTH: Lương Hoài Thương Trang 10 Luâ ̣n Văn Tha ̣c Sĩ GVHD: PGS.TS Nguyễn Chí Ngôn 2.2 M t vƠi thu t toán đi u khi n d báo mô hình Một số phương pháp điều khiển sau đây thường được sử dụng như: điều khiển ma trận động học (DMC), điều khiển thuật toán mô hình. .. điều khiển dự báo là chiến lược điều khiển được sử dụng phổ biến nhất trong việc điều khiển quá trình Những điểm khác nhau chủ yếu ở các thuật toán điều khiển dự báo mô hình là các kiểu mô hình khác nhau được dùng trong việc biểu diễn động học của đối tượng và hàm tiêu hao được tối thiểu hóa với những thông số ràng buộc Tuy nhiên về tổng quát thì sơ đồ khối bao gồm các thành phần được biểu diễn ở hình