Điều khiển swing up và cân bằng con lắc ngược

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THÔNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƯỢC NGÀNH: KỸ THUẬT ĐIỆN – 60520202 S K C0 6 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THÔNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƢỢC NGÀNH: KỸ THUẬT ĐIỆN – 60 520202 Hướng dẫn khoa học: TS NGÔ VĂN THUYÊN Tp Hồ Chí Minh, tháng 10/2015 LÝ LỊCH KHOA HỌC I LÝ LỊCH SƠ LƢỢC: Họ & tên: Nguyễn Quang Thông Giới tính: Nam Ngày, tháng, năm sinh: 28/03/1989 Nơi sinh: TP.HCM Quê quán: TP.HCM Dân tộc: Kinh Chỗ riêng địa liên lạc: Số 175/1, đường Lái Thiêu 22, khu phố Đông Tư, huyện Thuận An, thị trấn Lái Thiêu, tỉnh Bình Dương Điện thoại quan: Điện thoại di động: 090.8385.289 Fax: E-mail: thong_spk@yahoo.com II QUÁ TRÌNH ĐÀO TẠO: 1.Đại học: Hệ đào tạo: Chính Quy Thời gian đào tạo từ 09/2007 đến 05/2012 Nơi học: Trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh Ngành học: Điện Công Nghiệp Cao học: Hệ đào tạo: Chính Quy Thời gian đào tạo từ 09/2013 đến 10/2015 Nơi học: Trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh Ngành học: Kỹ Thuật Điện Tên đề tài: Điều khiển swing-up cân lắc ngược Ngày & nơi bảo vệ: Tháng 10/2015, Trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh Người hướng dẫn: TS Ngô Văn Thuyên III QUÁ TRÌNH CÔNG TÁC CHUYÊN MÔN KỂ TỪ KHI TỐT NGHIỆP ĐẠI HỌC: Thời gian Từ 09/2012 đến Nơi công tác Trường Cao Đẳng Kỹ Thuật Cao Thắng Nhiệm vụ Giảng viên TP HCM, ngày … tháng 10 năm 2015 Người khai ký tên Nguyễn Quang Thông LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa công bố công trình khác Tp Hồ Chí Minh, ngày … tháng 10 năm 2015 (Ký tên ghi rõ họ tên) Nguyễn Quang Thông i LỜI CẢM ƠN Lời đầu tiên, xin gửi lời cảm ơn sâu sắc đến thầy TS Ngô Văn Thuyên, thầy hỗ trợ tạo điều kiện tốt cho phương tiện thiết bị học tập Hơn nữa, thầy định hướng, cung cấp cho tài liệu kiến thức có giá trị với lời động viên, khích lệ tinh thần học tập giúp hoàn thành luận văn Sau đó, xin gửi lời cảm ơn chân thành đến tập thể quý Thầy Cô trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh trang bị cho tảng kiến thức vững vàng, đáng giá Đặc biệt, xin chân thành cảm ơn quý Thầy Cô Khoa Điện – Điện Tử tạo điều kiện thuận lợi hỗ trợ cho nhiều trình học tập thời gian làm luận văn Cuối cùng, xin gởi lời cảm ơn đến gia đình, bạn bè, đồng nghiệp giúp đỡ, hỗ trợ kiến thức tinh thần trình làm luận văn ii TÓM TẮT LUẬN VĂN Hệ thống lắc ngược hệ thống không ổn định, phi tuyến mức cao Nó sử dụng mô hình phổ biến cho ứng dụng kỹ thuật điều khiển tuyến tính phi tuyến Mô hình lắc dùng để kiểm chứng lại thuật toán điều khiển điều khiển PID, trượt, mạng nơron, Điều khiển lắc ngược gồm hai trình: điều khiển swing-up điều khiển cân Trong luận văn này, lắc ngược điều khiển cân dùng mạng nơron huấn luyện theo thuật toán hàm sở xuyên tâm để học theo điều khiển có Kết mô cho thấy, điều khiển sử dụng mạng nơron hàm sở xuyên tâm có khả thay hoàn toàn điều khiển có để điều khiển mô hình lắc ngược Từ áp dụng điều khiển nơron lên mô hình thực nghiệm, kết đáp ứng cho thấy lắc trì ổn định hoàn toàn quanh vị trí cân thẳng đứng hướng lên Giải thuật Logic Mờ sử dụng để xây dựng điều khiển swing-up Bộ điều khiển Logic Mờ tính toán đưa giá trị điều khiển tạo dao động hợp lý dựa vào vị trí vận tốc lắc để đưa lắc lên vị trí thẳng đứng hướng lên cho vận tốc nhỏ Sau chuyển sang điều khiển cân để giữ lắc ổn định vị trí Kết thực nghiệm cho thấy giải thuật Logic Mờ hoàn toàn có khả điều khiển đưa lắc từ vị trí buông lõng lên đến vị trí cân thẳng đứng hướng lên iii ABTRACT Inverted pendulum system is a highly nonlinear and unstable system It is used as a common model for technical applications in linear and nonlinear controlling Pendulum model is used to test control algorithms such as PID control, sliding, neural networks, … Controling a inverted pendulum consists of two processes: swing-up control and balance control In this thesis, inverted pendulum balance is controlled using neural network algorithm trained radial basis function to study under an existing controller Simulation results show that the controller using radial basis function neural networks fully capable replace existing controllers to control the inverted pendulum model Since then apply this to the neural controller experimental model we see the pendulum has been maintained completely pendulum stability around the equilibrium position Fuzzy Logic algorithm used to build the swing-up controller Fuzzy Logic Controller will calculate and provide value control based on the position and velocity of the pendulum to give the pendulum to vertical upward position so that the velocity at which the smallest Then switch to the balance control to keep the pendulum stable in this position Experimental results show that the algorithm Fuzzy Logic fully capable drivers put pendulum from location to location loose vertical upward equilibrium iv MỤC LỤC Trang tựa Trang Quyết Định Giao Đề Tài Xác Nhận Của Cán Bộ Hướng Dẫn Lý Lịch Khoa Học Lời cam đoan i Lời cảm ơn ii Tóm tắt luận văn iii Abtract iv Mục lục v Danh sách chữ viết tắt viii Danh sách hình ix Danh sách bảng xiv Chƣơng TỔNG QUAN 1.1 Đặt vấn đề 1.2 Lịch sử nghiên cứu 1.3 Mục tiêu giới hạn đề tài 1.4 Phương pháp nghiên cứu .4 1.5 Nội dung luận văn Chƣơng CƠ SỞ LÝ THUYẾT .6 2.1 Giới thiệu sơ lược hệ thống lắc ngược quay 2.2 Thiết lập mô hình toán học lắc ngược quay .7 2.3 Cơ sở lý thuyết mạng nơron hàm sở xuyên tâm .11 2.3.1 Khái niệm hàm sở xuyên tâm 11 2.3.2 Mô hình mạng RBF 11 2.3.3 Mô hình mạng RBF Gaussian 15 2.3.4 Các chiến lược học cho mạng RBF 19 2.3.5 Mạng hàm sở xuyên tâm Matlab 19 2.4 Tổng quan điều khiển mờ .24 v 2.4.1 Cấu trúc điều khiển mờ 25 2.4.2 Nguyên lý làm việc điều khiển mờ 28 2.4.3 Các loại điều khiển mờ thường sử dụng 29 2.4.4 Thiết kế điều khiển mờ 30 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG BỘ ĐIỀU KHIỂN PID .31 3.1 Thiết lập sơ đồ khối lắc ngược Simulink Matlab 31 3.2 Mô điều khiển cân lắc ngược dùng điều khiển PID .32 3.2.1 Đáp ứng góc lắc tuyến tính chưa có điều khiển 32 3.2.2 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α 34 3.2.3 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α góc θ 35 3.2.4 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi khối lượng lắc 37 3.2.5 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi chiều dài lắc 39 3.2.6 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến 41 3.2.7 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi khối lượng lắc 42 3.2.8 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi chiều dài lắc 44 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG MẠNG NƠRON NHÂN TẠO RBF 47 4.1 Thiết kế điều khiển cân dùng mạng nơron RBF 47 4.2 Mô điều khiển cân lắc ngược phi tuyến dùng mạng nơron RBF 49 4.2.1 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc đặt cố định 49 vi 4.2.2 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc nhiễu ngẫu nhiên 50 4.2.3 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi khối lượng lắc 52 4.2.4 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi chiều dài lắc 55 4.2.5 So sánh mạng nơron RBF với mạng Fitting Neural Network 58 Chƣơng ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ .61 5.1 Nguyên lý điều khiển mờ 61 5.1.1 Tiền xử lý 61 5.1.2 Mờ hóa 62 5.1.3 Hệ qui tắc mờ 62 5.1.4 Giải mờ 63 5.2 Điều khiển swing-up 63 5.3 Áp dụng điều khiển mờ swing-up lắc 64 Chƣơng KẾT QUẢ THỰC NGHIỆM 66 6.1 Điều khiển cân dùng mạng nơron RBF 66 6.2 Điều khiển swing-up dùng Logic Mờ 68 Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 71 7.1 Kết luận 71 7.2 Hướng phát triển đề tài 71 TÀI LIỆU THAM KHẢO 72 vii DANH SÁCH CÁC CHỮ VIẾT TẮT DSP : Digital Signal Processing MIMO : Multi Inputs Multi Outputs MISO : Multi Inputs Single Output NB : Negative Big NE : Negative PB : Positive Big PID : Proportional Integral Derivative PO : Positive PWM : Pulse-Width Modulation 10 QEP : Quadrature Encoder Pulse 11 RBF : Radial Basis Function 12 RBFNN : Radial Basis Function Neural Network 13 SCI : Serial Communications Interface 14 SIMO : Single Input Multi Outputs 15 SISO : Single Input Single Output 16 ZE : Zero viii DANH SÁCH CÁC HÌNH HÌNH Trang Hình 1.1 Xe hai bánh tự cân .1 Hình 1.2 Con lắc ngược quay Hình 1.3 Xe lắc ngược Hình 1.4 Con lắc ngược kép Hình 2.1 Hệ thống lắc ngược quay .6 Hình 2.2 Mô hình lắc ngược quay Hình 2.3 Phân tích chuyển động lắc ngược quay .8 Hình 2.4 Sơ đồ biểu diễn mạng RBF với vector đầu vào x  Rn đầu y  R 12 Hình 2.5 Hàm sở xuyên tâm Gaussian .15 Hình 2.6 Biểu đồ phác họa mạng nơron sử dụng hàm sở xuyên tâm Gaussian 17 Hình 2.7 Biểu đồ khối biểu diễn RBFNN Gaussian 18 Hình 2.8 Mạng nơron hàm sở xuyên tâm với R ngõ vào 19 Hình 2.9 Đồ thị hàm a = radbas(n) 20 Hình 2.10 Cấu trúc mạng nơron hàm sở xuyên tâm 21 Hình 2.11 Overfitting (Spread = 100) .23 Hình 2.12 Underfitting (Spread = 0.01) 24 Hình 2.13 Fitting (Spread = 1) 24 Hình 2.14 Cấu trúc điều khiển mờ .25 Hình 3.1 Sơ đồ khối mô hình toán lắc tuyến tính .31 Hình 3.2 Sơ đồ khối mô hình toán lắc phi tuyến 31 Hình 3.3 Sơ đồ khối lắc tuyến tính chưa có điều khiển .32 Hình 3.4 Đáp ứng góc α lắc tuyến tính chưa có điều khiển 33 Hình 3.5 Đáp ứng góc θ lắc tuyến tính chưa có điều khiển 33 Hình 3.6 Sơ đồ khối mô điều khiển lắc tuyến tính hồi tiếp góc α 34 Hình 3.7 Đáp ứng góc α lắc tuyến tính có hồi tiếp góc α 34 ix Hình 3.8 Đáp ứng góc θ lắc tuyến tính có hồi tiếp góc α 35 Hình 3.9 Sơ đồ khối mô điều khiển lắc tuyến tính hồi tiếp hai góc α góc θ .36 Hình 3.10 Đáp ứng góc α lắc tuyến tính hồi tiếp hai góc α góc θ 36 Hình 3.11 Đáp ứng góc θ lắc tuyến tính hồi tiếp hai góc α góc θ 36 Hình 3.12 Sơ đồ khối mô điều khiển lắc tuyến tính điều khiển PID hai biến thay đổi khối lượng lắc .37 Hình 3.13 Đáp ứng góc α lắc tuyến tính m = 0.1 kg 37 Hình 3.14 Đáp ứng góc θ lắc tuyến tính m = 0.1 kg 38 Hình 3.15 Đáp ứng góc α lắc tuyến tính m = 0.31 kg 38 Hình 3.16 Đáp ứng góc θ lắc tuyến tính m = 0.31 kg 38 Hình 3.17 Sơ đồ khối mô điều khiển lắc tuyến tính điều khiển PID hai biến thay đổi chiều dài lắc 39 Hình 3.18 Đáp ứng góc α lắc tuyến tính l = 0.1 mét 39 Hình 3.19 Đáp ứng góc θ lắc tuyến tính l = 0.1 mét 40 Hình 3.20 Đáp ứng góc α lắc tuyến tính l = 0.3 mét 40 Hình 3.21 Đáp ứng góc θ lắc tuyến tính l = 0.3 mét 40 Hình 3.22 Sơ đồ khối mô điều khiển lắc phi tuyến với tín hiệu nhiễu điều khiển PID hai biến .41 Hình 3.23 Đáp ứng góc α lắc phi tuyến ngõ vào tín hiệu nhiễu 41 Hình 3.24 Đáp ứng góc θ lắc phi tuyến ngõ vào tín hiệu nhiễu .42 Hình 3.25 Sơ đồ khối mô điều khiển lắc phi tuyến điều khiển PID hai biến thay đổi khối lượng lắc .42 Hình 3.26 Đáp ứng góc α lắc phi tuyến m = 0.1 kg .43 Hình 3.27 Đáp ứng góc θ lắc phi tuyến m = 0.1 kg .43 Hình 3.28 Đáp ứng góc α lắc phi tuyến m = 0.31 kg 43 Hình 3.29 Đáp ứng góc θ lắc phi tuyến m = 0.31 kg 44 x Hình 3.30 Sơ đồ khối mô điều khiển lắc phi tuyến điều khiển PID hai biến thay đổi chiều dài lắc 44 Hình 3.31 Đáp ứng góc α lắc phi tuyến l = 0.1 mét .45 Hình 3.32 Đáp ứng góc θ lắc phi tuyến l = 0.1 mét .45 Hình 3.33 Đáp ứng góc α lắc phi tuyến l = 0.3 mét .45 Hình 3.34 Đáp ứng góc θ lắc phi tuyến l = 0.3 mét .46 Hình 4.1 Sơ đồ khối mô điều khiển lắc phi tuyến PID để thu thập liệu 47 Hình 4.2 Khối nơron RBF .48 Hình 4.3 Cấu trúc khối nơron RBF 48 Hình 4.4 Sơ đồ khối mô điều khiển lắc phi tuyến mạng nơron RBF với góc đặt cố định 49 Hình 4.5 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với góc đặt cố định 49 Hình 4.6 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với góc đặt cố định 50 Hình 4.7 Sơ đồ khối mô điều khiển lắc phi tuyến mạng nơron RBF với tín hiệu nhiễu .50 Hình 4.8 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với tín hiệu nhiễu 51 Hình 4.9 Đáp ứng góc α lắc phi tuyến điều khiển mạng Fitting Neural Network với tín hiệu nhiễu 51 Hình 4.10 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với tín hiệu nhiễu 52 Hình 4.11 Đáp ứng góc θ lắc phi tuyến điều khiển mạng Fitting Neural Network với tín hiệu nhiễu 52 Hình 4.12 Sơ đồ khối mô điều khiển lắc phi tuyến mạng nơron RBF thay đổi khối lượng lắc 53 xi Hình 4.13 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với m = 0.1 kg 53 Hình 4.14 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với m = 0.1 kg 53 Hình 4.15 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với m = 0.31 kg 54 Hình 4.16 Đáp ứng góc α lắc phi tuyến điều khiển mạng Fitting Neural Network với m = 0.31 kg 54 Hình 4.17 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với m = 0.31 kg 55 Hình 4.18 Đáp ứng góc θ lắc phi tuyến điều khiển mạng Fitting Neural Network với m = 0.31 kg 55 Hình 4.19 Sơ đồ khối mô điều khiển lắc phi tuyến mạng nơron RBF thay đổi chiều dài lắc 56 Hình 4.20 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với l = 0.1 mét 56 Hình 4.21 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với l = 0.1 mét 56 Hình 4.22 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF với l = 0.3 mét 57 Hình 4.23 Đáp ứng góc α lắc phi tuyến điều khiển mạng Fitting Neural Network với l = 0.3 mét 57 Hình 4.24 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF với l = 0.3 mét 58 Hình 4.25 Đáp ứng góc θ lắc phi tuyến điều khiển mạng Fitting Neural Network với l = 0.3 mét 58 Hình 4.26 Sơ đồ khối so sánh liệu đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network .59 xii Hình 4.27 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network 59 Hình 4.28 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network 59 Hình 5.1 Sơ đồ khối điều khiển mờ 61 Hình 5.2 Tập mờ ngõ khâu mờ hóa 62 Hình 5.3 Miền không gian trạng thái lắc 64 Hình 5.4 Mô hình điều khiển swing-up cân lắc ngược 64 Hình 5.5 Sơ đồ mờ hóa ngõ vào 65 Hình 5.6 Sơ đồ giải mờ ngõ 65 Hình 5.7 Vùng tác động điều khiển lắc ngược 65 Hình 6.1 Sơ đồ khối thu thập liệu 66 Hình 6.2 Sơ đồ khối điều khiển cân lắc ngược mạng nơron RBF .67 Hình 6.3 Đáp ứng góc α điều khiển lắc ngược mạng nơron RBF .67 Hình 6.4 Đáp ứng góc θ điều khiển lắc ngược mạng nơron RBF .68 Hình 6.5 Sơ đồ khối điều khiển swing-up cân lắc ngược 68 Hình 6.6 Đáp ứng góc α điều khiển swing-up cân 69 Hình 6.7 Đáp ứng góc θ điều khiển swing-up cân 69 Hình 6.8 Đáp ứng góc α giai đoạn cân 70 Hình 6.9 Đáp ứng góc θ giai đoạn cân 70 xiii DANH SÁCH CÁC BẢNG BẢNG Trang Bảng 2.1 Suy diễn mờ 27 Bảng 3.1 Các thông số mô hình 32 xiv Chƣơng Tổng quan Chƣơng TỔNG QUAN 1.1 Đặt vấn đề Con lắc ngược sử dụng phổ biến việc nghiên cứu lý thuyết điều khiển đối tượng đại diện cho lớp đối tượng có độ phi tuyến cao không ổn định Mô hình lắc ngược có nhiều dạng khác như: xe hai bánh tự cân bằng, xe lắc ngược, lắc ngược quay, lắc ngược kép (pendubot), … Hình 1.1 Xe hai bánh tự cân Hình 1.2 Con lắc ngược quay Hình 1.3 Xe lắc ngược Hình 1.4 Con lắc ngược kép Chƣơng Tổng quan Con lắc ngược có hai điểm cân bằng: điểm cân vị trí thẳng đứng hướng lên điểm cân vị trí thẳng đứng hướng xuống Trong điểm cân vị trí thẳng đứng hướng lên điểm cân không ổn định Bài toán đặt thiết kế điều khiển thích nghi để ổn định lắc vị trí cân thẳng đứng hướng lên với cánh tay nằm vị trí 1.2 Lịch sử nghiên cứu Các lý thuyết áp dụng thành công để điều khiển hệ phi tuyến chia thành hai nhóm chính: lý thuyết điều khiển kinh điển lý thuyết điều khiển đại Nhóm phương pháp điều khiển kinh điển dựa vào việc tuyến tính hóa đặc tuyến hệ thống xung quanh điểm làm việc áp dụng phương pháp điều khiển cho hệ tuyến tính Nhóm phương pháp điều khiển đại bao gồm: điều khiển mờ, điều khiển dùng giải thuật di truyền, dùng mạng thần kinh nhân tạo, … Lý thuyết điều khiển kinh điển bộc lộ yếu điểm chất lượng độ tin cậy đối tượng điều khiển hệ phi tuyến, đối tượng không rõ khó xác định xác mô hình toán học chịu tác động nhiễu Điều khiển mờ thích nghi dựa vào việc xấp xỉ thông số đối tượng dùng mô hình mờ Các thông số cập nhật liên tục trình điều khiển dựa vào sai số hồi tiếp Phương pháp vận dụng tính xấp xỉ hàm hệ mờ dùng luật thích nghi để cập nhật thông số hệ mờ theo tiêu chuẩn ổn định Lyapunov Ngày nay, lý thuyết điều khiển tuyến tính phát triển hoàn chỉnh áp dụng thành công trình công nghiệp thiết bị dân dụng Tuy nhiên, lý thuyết không hiệu hệ thống phi tuyến mà khó xác định xác mô hình toán học, hệ thống có mô hình toán học thay đổi chịu tác động nhiễu Bên cạnh đó, lý thuyết điều khiển phi tuyến có bước tiến đáng kể để làm tảng toán học cần thiết nhằm thiết lập điều kiện ổn định cho việc thiết kế điều khiển đạt chất lượng Chƣơng Tổng quan Hệ lắc ngược có cấu trúc đơn giản mang đầy đủ đặc tính phi tuyến Do đó, hệ thống sử dụng rộng rãi thí nghiệm kiểm chứng lý thuyết điều khiển Hệ lắc ngược quay không bị giới hạn không gian hoạt động hệ SIMO nên giải thuật điều khiển phải đòi hỏi phức tạp hơn, phù hợp cho giải thuật điều khiển chuyên sâu Quá trình điều khiển lắc ngược chia thành hai giai đoạn: điều khiển swing-up điều khiển cân Thực không vấn đề mẻ nên có nhiều công trình nghiên cứu vấn đề đạt thành công định Đối với điều khiển cân bằng, giải thuật phi tuyến sử dụng thành công back-stepping [1], điều khiển trượt [2], … Tuy nhiên, giải thuật có khuyết điểm chung phải biết mô hình toán đối tượng thông số mô hình tương ứng Ngoài ra, điều khiển tuyến tính hệ thống hoạt động tốt quanh điểm làm việc xác định nên vùng không gian hoạt động ổn định bị giới hạn Để khắc phục khuyết điểm trên, số tác giả sử sử dụng giải thuật điều khiển thông minh điều khiển mờ [3], điều khiển dùng mạng nơron [4] [5]… Việc sử dụng mạng nơron để học theo điều khiển PID đạt thành công việc điều khiển cân lắc ngược quay Tuy nhiên, vấn đề chọn mạng nơron để sử dụng điều khiển vấn đề cần quan tâm Đối với điều khiển swing-up, số tác giả dùng phương pháp kích xung có độ rộng khác tùy theo vị trí lắc để đưa lắc dần lên vị trí cân đạt thành công thực tế [6] Khi lắc đến vị trí gần với vị trí cân giải thuật cân thực Tuy nhiên, phương pháp không mềm dẻo trạng thái hoạt động khác hệ lắc ngược quay Do đó, cần phải áp dụng giải thuật thông minh cho điều khiển swing-up Từ suy nghĩ đó, số tác giả nước [7] mô thành công việc điều khiển swing-up cho lắc ngược dùng điều khiển mờ kết thực tế lại không đề cập đến Chƣơng Tổng quan 1.3 Mục tiêu giới hạn đề tài Mục tiêu đề tài điều khiển swing-up cân lắc ngược, nhiệm vụ cụ thể là: ‒ Xây dựng mô hình toán hệ thống lắc ngược ‒ Sử dụng Simulink Matlab mô hệ thống lắc tuyến tính phi tuyến ‒ Xây dựng điều khiển cân dùng mạng nơron hàm sở xuyên tâm RBF xây dựng điều khiển swing-up lắc sử dụng giải thuật Logic Mờ Giới hạn đề tài thiết kế điều khiển mô hình lắc ngược quay giữ cân dùng mạng nơron offline, chưa xây dựng mạng nơron online (mạng có khả tự điều chỉnh trọng số trình điều khiển) 1.4 Phƣơng pháp nghiên cứu Các phương pháp nghiên cứu sử dụng luận văn bao gồm: ‒ Khảo sát, phân tích tổng hợp ‒ Mô máy tính phần mềm Matlab phiên R2013A ‒ Thí nghiệm mô hình thực thu thập liệu qua cổng COM phần mềm Terminal v1.9b Sau xử lý liệu vẽ đồ thị phần mềm Matlab Các thí nghiệm mô hình thực nghiệm thực xưởng điện 4B, trường Đại Học Sư Phạm Kỹ Thuật TP HCM ‒ Đánh giá kết dựa mô thực nghiệm 1.5 Nội dung luận văn Phần lại nội dung luận văn bao gồm: Chƣơng 2: Cơ sở lý thuyết Chương trình bày bước thiết lập mô hình toán học lắc ngược, sở lý thuyết mạng nơron hàm sở xuyên tâm RBF, cách xây dựng mạng nơron RBF Matlab, sở lý thuyết điều khiển mờ thiết kế điều khiển mờ Chƣơng 3: Điều khiển cân dùng điều khiển PID Chương trình bày cách thiết lập sơ đồ khối lắc ngược Simulink Matlab kết mô khảo sát đáp ứng hệ thống lắc ngược tuyến tính phi tuyến điều khiển PID biến, PID hai biến Simulink Matlab S K L 0 [...]... α khi điều khiển con lắc ngược bằng mạng nơron RBF .67 Hình 6.4 Đáp ứng góc θ khi điều khiển con lắc ngược bằng mạng nơron RBF .68 Hình 6.5 Sơ đồ khối điều khiển swing- up và cân bằng con lắc ngược 68 Hình 6.6 Đáp ứng góc α khi điều khiển swing- up và cân bằng 69 Hình 6.7 Đáp ứng góc θ khi điều khiển swing- up và cân bằng 69 Hình 6.8 Đáp ứng góc α trong giai đoạn cân bằng 70 Hình 6.9 Đáp... như: xe hai bánh tự cân bằng, xe con lắc ngược, con lắc ngược quay, con lắc ngược kép (pendubot), … Hình 1.1 Xe hai bánh tự cân bằng Hình 1.2 Con lắc ngược quay Hình 1.3 Xe con lắc ngược Hình 1.4 Con lắc ngược kép 1 Chƣơng 1 Tổng quan Con lắc ngược có hai điểm cân bằng: điểm cân bằng tại vị trí thẳng đứng hướng lên và điểm cân bằng tại vị trí thẳng đứng hướng xuống Trong đó điểm cân bằng tại vị trí thẳng... thái con lắc 64 Hình 5.4 Mô hình bộ điều khiển swing- up và cân bằng con lắc ngược 64 Hình 5.5 Sơ đồ mờ hóa ngõ vào 65 Hình 5.6 Sơ đồ giải mờ ngõ ra 65 Hình 5.7 Vùng tác động điều khiển con lắc ngược 65 Hình 6.1 Sơ đồ khối thu thập dữ liệu 66 Hình 6.2 Sơ đồ khối điều khiển cân bằng con lắc ngược bằng mạng nơron RBF .67 Hình 6.3 Đáp ứng góc α khi điều khiển con lắc. .. việc điều khiển swing- up cho con lắc ngược dùng điều khiển mờ nhưng kết quả thực tế lại không được đề cập đến 3 Chƣơng 1 Tổng quan 1.3 Mục tiêu và giới hạn của đề tài Mục tiêu của đề tài là điều khiển swing- up và cân bằng con lắc ngược, nhiệm vụ cụ thể là: ‒ Xây dựng mô hình toán của hệ thống con lắc ngược ‒ Sử dụng Simulink Matlab mô phỏng hệ thống con lắc tuyến tính và phi tuyến ‒ Xây dựng bộ điều khiển. .. rộng rãi trong các thí nghiệm kiểm chứng lý thuyết điều khiển Hệ con lắc ngược quay không bị giới hạn về không gian hoạt động và là một hệ SIMO nên giải thuật điều khiển phải đòi hỏi phức tạp hơn, phù hợp cho các giải thuật điều khiển chuyên sâu Quá trình điều khiển con lắc ngược được chia thành hai giai đoạn: điều khiển swing- up và điều khiển cân bằng Thực ra đây không còn là một vấn đề quá mới mẻ... khối mô phỏng điều khiển con lắc phi tuyến bằng mạng nơron RBF khi thay đổi khối lượng con lắc 53 xi Hình 4.13 Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.1 kg 53 Hình 4.14 Đáp ứng góc θ của con lắc phi tuyến khi điều khiển bằng mạng nơron RBF với m = 0.1 kg 53 Hình 4.15 Đáp ứng góc α của con lắc phi tuyến khi điều khiển bằng mạng nơron... Hình 1.1 Xe hai bánh tự cân bằng .1 Hình 1.2 Con lắc ngược quay 1 Hình 1.3 Xe con lắc ngược 1 Hình 1.4 Con lắc ngược kép 1 Hình 2.1 Hệ thống con lắc ngược quay .6 Hình 2.2 Mô hình con lắc ngược quay 7 Hình 2.3 Phân tích chuyển động của con lắc ngược quay .8 Hình 2.4 Sơ đồ biểu diễn mạng RBF với vector đầu vào x  Rn và một đầu ra y  R ... toán học con lắc ngược, cơ sở lý thuyết mạng nơron hàm cơ sở xuyên tâm RBF, cách xây dựng mạng nơron RBF trong Matlab, cơ sở lý thuyết về điều khiển mờ và thiết kế bộ điều khiển mờ Chƣơng 3: Điều khiển cân bằng dùng bộ điều khiển PID Chương này trình bày cách thiết lập sơ đồ khối con lắc ngược trên Simulink Matlab và kết quả mô phỏng khảo sát đáp ứng của hệ thống con lắc ngược tuyến tính và phi tuyến... với tín hiệu nhiễu bằng bộ điều khiển PID hai biến .41 Hình 3.23 Đáp ứng góc α của con lắc phi tuyến khi ngõ vào là tín hiệu nhiễu 41 Hình 3.24 Đáp ứng góc θ của con lắc phi tuyến khi ngõ vào là tín hiệu nhiễu .42 Hình 3.25 Sơ đồ khối mô phỏng điều khiển con lắc phi tuyến bằng bộ điều khiển PID hai biến và thay đổi khối lượng con lắc .42 Hình 3.26 Đáp ứng góc α của con lắc phi tuyến khi... tác giả sử đã sử dụng các giải thuật điều khiển thông minh như điều khiển mờ [3], điều khiển dùng mạng nơron [4] [5]… Việc sử dụng mạng nơron để học theo bộ điều khiển PID đã đạt được thành công trong việc điều khiển cân bằng con lắc ngược quay Tuy nhiên, vấn đề chọn mạng nơron nào để sử dụng trong điều khiển là một vấn đề cần được quan tâm Đối với điều khiển swing- up, một số tác giả đã dùng phương pháp