Luận văn Thạc sĩ ngành Điều khiển tự độngĐHBKHN Mạng điều khiển Fuzzy và Neural

-1- MỞ ĐẦU Những kỹ thuật điều khiển truyền thống điều khiển Tích phân tỉ lệ(PI) hay điều khiển Vi tích phân tỉ lệ(PID) ứng dụng thành công điều khiển trình tuyến tính Gần đây, điều khiển tiên đoán mô hình (MPC) thực thành công điều khiển hệ thống tuyến tính Tuy nhiên, khoảng 90% trình sinh học hoá học phi tuyến cao hầu hết chúng hệ MIMO.Khi hệ thống phi tuyến và/hoặc MIMO, kỹ thuật truyền thống thường mắc phải sai sót điều khiển hệ thống Ngày nay, hệ thống dùng công nghiệp đòi hỏi độ tự quản cao kỹ thuật khả để đạt điều Cần phải đạt đòi hỏi điều khiển tăng nhanh hệ thống điều khiển động phức tạp thay đổi quan trọng làm cho việc dùng kỹ thuật thông minh mạng nơron, lôgic mờ thuật giải di truyền hệ thống điều khiển trở nên hấp dẫn Những lý đằng sau điều khả chúng “học” để xấp xỉ hàm phân loại mẫu tiềm chúng thực thi phần cứng song song đồ sộ, phương pháp điều khiển thông minh theo trình xử lý thông tin không rõ ràng định điều khiển người bắt chước trình tiến hoá sinh học để tạo giải pháp tối ưu Nói cách khác, chúng có khả thực thi (cả phần mềm phần cứng) nhiều chức cần thiết để điều khiển hệ thống với độ tự quản cao Sơ đồ hệ thống điều khiển mô tả sau: Hình i Sơ đồ điều khiển đối tượng phi tuyến Như vậy, có hai điều khiển: -2-  Điều khiển Feedforward : điều khiển neuro-mờ cung cấp tín hiệu điều khiển để lái đối tượng phi tuyến theo quỹ đạo setpoint Bộ điều khiển điều khiển mờ ứng dụng khả học mạng nơron để tinh chỉnh thông số  Điều khiển Feedback: bù tín hiệu, cung cấp tín hiệu điều khiển hiệu chỉnh cần thiết để điều chỉnh loại nhiễu lân cận nhỏ xung quanh quỹ đạo điều khiển Bộ điều khiển điều khiển mờ ứng dụng thuật giải di truyền để tinh chỉnh thông số Kết mô cho thấy sơ đồ điều khiển lái đối tượng phi tuyến xuyên suốt khoảng công tác với độ xác cao Phần sau đề cập đến đối tượng phi tuyến kỹ thuật điều khiển thiết lập luận văn Trong bối cảnh thời, việc sản xuất lượng đối mặt với nhiều vấn đề khó khăn Trong số đó, điều quan trọng là: tuổi thọ thiết bị tổ hợp lượng, đầu tư tài không chắn cho tổ hợp mới, việc cạnh tranh nhà sản xuất lượng độc lập để thoả mãn đòi hỏi lượng người dùng áp lực để đạt yêu cầu quản lý nghiêm ngặt để sử dụng tối đa nguồn tài nguyên thiên nhiên tối thiểu ảnh hưởng đến môi trường Việc vận hành tổ hợp lượng nhiên liệu than (NLNLT), loại tổ hợp dùng rộng rãi cho việc sản xuất lượng, bị tác động mạnh Đầu tiên, NLNLT phải hổ trợ mục tiêu hệ thống lượng đáp ứng yêu cầu tải cho lượng điện thời điểm, điện áp không đổi tần số không đổi Sau việc cạnh tranh tính thiết thực yêu cầu thị trường khác tăng cường việc dùng NLNLT [Armor 1985] Cuối cùng, yêu cầu nghiêm ngặt việc bảo trì kéo dài tuổi thọ thiết bị luật giảm ảnh hưởng đến môi trường cần phải tuân thủ Trong đó:  Những yêu cầu vận hành chu kỳ NLNLT khoảng tải rộng chúng thiết kế cho vận hành tải không đổi Những yêu cầu biến đổi tải đến từ chiến lược kinh tế tính toán trung tâm lượng hay từ dao động tải hệ thống Vận hành theo tải tin cậy hiệu đảm bảo việc thoả mãn hàng ngày, hàng tuần theo mùa yêu cầu lượng điện thay đổi tải ngẫu nhiên không đoán trước giới hạn vật lý tổ hợp  Việc kéo dài tuổi thọ thiết bị quan trọng tối đa việc dùng tài sản, giới hạn thời gian chết tối thiểu chi phí vận hành bảo trì Nguyên nhân vòng đời ngắn hệ thống vận hành ứng suất cao Trong NLNLT, ứng suất nhiệt phụ thuộc vào dao động áp suất nhiệt độ đặc biệt quan trọng Hầu hết ứng suất nghiêm trọng xảy suốt trình khởi động biến đổi tải lớn đột ngột -3-  Một NLNLT có hiệu suất khoảng 30 đến 35%, nghĩa tốc độ nhiệt khoảng 11400-9800 Btu/KWh Tốc độ nhiệt chịu ảnh hưởng nhiều hệ số, chẳng hạn điều kiện hơi, áp suất ngưng tụ, nhiệt độ nước làm mát, nhiệt độ môi trường, khí áp,…Tốc độ nhiệt tăng làm việc tải khác với tải sở Việc tiêu tốn nhiên liệu giá làm cho việc cải tiến tốc độ nhiệt tiêu chuẩn mặc kinh tế  Việc trộn không hoàn hảo không khí nhiên liệu làm vượt lượng không khí để tránh việc nhiên liệu không đốt hết, mà dẫn đến việc tạo khói đen khí CO độc lượng nhiên liệu dư nguy hiểm Bên cạnh lượng không khí dư dễ hình thành chất không mong muốn khác sunfua dioxit, nitrogen oxit làm giãm hiệu suất boiler nhiệt bị tiêu phí khí nhiên liệu Tấ yêu cầu đề cập dẫn đến việc phát triển phương pháp điều khiển linh hoạt toàn diện Chúng cung cấp chức cần thiết cho việc vận hành theo tải diện rộng chất lượng cao đồng thời thoả mãn ràng buộc việc bảo quản kéo dài tuổi thọ thiết bị chính, giải phóng chất ô nhiễm tiêu tốn nhiên liệu thay đổi vật lý điều kiện kinh tế Do đó, theo tải cần xem xét việc ổn định tần số điện áp, hệ thống điều khiển hiệu cần thiết kế để thoả mãn tối ưu mục tiêu vận hành, xung đột tổng quát NLNLT vận hành thành công tình hoạt động Bên cạnh đó, đòi hỏi thị trường thời, phương pháp toàn cho vận hành điều khiển tổ hợp lượng quan trọng cho tồn hệ thống điện Khi ứng dụng hoàn hảo, hệ thống điều khiển thiết bị tăng cường hiệu suất vận hành máy, tính ổn định tin cậy sẵn sàng, làm giảm việc tiêu tốn nhiên liệu, chi phí vận hành bảo trì mà tốn tổ hợp lượng Vì vậy, thật cần thiết để phát triển hệ thống tự động hiệu liên quan mật thiết đến toàn chiến lược hệ thống điều khiển tổ hợp để giữ chúng vận hành hiệu có lợi Cũng cần lưu ý việc sử dụng nhiều hệ thống điều khiển thiết bị dựa máy tính với dụng cụ kỹ thuật số xử lý thông tin mạnh mẽ tin cậy cho phép nhà thiết kế tập trung nhiều việc thực thi ứng dụng phần mềm đáp ứng thử thách đề cập phần Vì tính linh hoạt phần mềm, chi phí cho việc phát triển bảo trì dễ dàng cài đặt vào phần cứng mà chạy đó, nổ lực lớn việc thiết kế phát triển hệ thống phần mềm toàn diện tổng quát để dễ dàng kết hợp ứng dụng vận hành tiện lợi( ví dụ, bảo vệ, điều khiển tự động hoá) để tăng cường hiệu suất tổ hợp lượng [Garduno and Sanchez 1995, Garcia and Garduno 1998] -4- Trong luận văn tác giả thiết kế hệ thống điều khiển toàn Hệ thống kết hợp lĩnh vực kỹ thuật điều khiển, kỹ thuật phần mềm kỹ thuật trình Trong kỹ thuật phần mềm xem quan trọng để thiết kế hệ thống điều khiển cho NLNLT -5- CHƯƠNG I TỔNG QUAN 1.1 Giới thiệu mạng nơron logic mờ Vào cuối thập kỷ 80 công ty Addison Wesley Publishing Company gây xôn xao dư luận tung thị trường Neural Network (Mạng trí tuệ thần kinh) ví kỹ xảo kỹ thuật gia công thông tin mới, nhanh xác Chúng máy tính bắt chước cách sống giống hệ thống thần kinh, máy tính làm việc khác biệt so với máy tính thông thường Nơron Network xử lý nhiều liệu song song thời điểm, xử lý liệu Chúng xử lý nhiều liệu đầu vào lúc, củng cố tăng cường vài này, thu nhỏ giảm bớt khác Đa số chúng phải làm theo khuôn mẫu cho trước Chúng tìm kiếm mẫu hàng loạt thí dụ, nhận dạng mẫu, tìm kiếm mẫu đầy đủ từ nguồn liệu hệ thống, xây dựng lại mẫu từ bị bóp méo Rất nhiều ví dụ phải làm với am hiểu sáng sưốt liệu khách quan thị giác, thính giác tín hiệu khác Nhìn chung, ví dụ chứng tỏ cách chạy có nhiều đặc tính người máy tính lập trình sẵn Ngày nay, trí tuệ nhân tạo phát triển mạnh mẽ nhằm tạo sở xây dựng hệ chuyên gia, hệ trợ giúp định Trí tuệ nhân tạo xây dựng sở mạng nơron nhân tạo ứng dụng thiết kế hệ thống điều khiển thông minh mà điều khiển có khả tư não người xu hướng điều khiển tự động Mạng nơron tái tạo kỹ thuật chức hệ thần kinh người với vô số nơron liên kết truyền thông với mạng Điều khiển mờ phương pháp điều khiển thông minh theo trình xử lý thông tin không rõ ràng định điều khiển người Phương pháp thích hợp để điều khiển đối tượng phức tạp, không xác định mô hình toán đối tượng phi tuyến Tuy nhiên, điều khiển mờ thường thiết kế quan điểm, cách nhìn riêng người thiết kế Người thiết kế biến hiểu biết, kinh nghiệm trình cần điều khiển thành biến ngôn ngữ qui tắc mờ mô tả mối quan hệ chúng Do công việc thiết kế thường mang nặng tính “thử sai”, gặp đối tượng phức tạp người thiết kế nhiều thời gian mà kết có không tối ưu Vấn đề tự chỉnh điều khiển mờ vấn đề quan tâm nghiên cứu nhiều từ điều khiển mờ khẳng định phương pháp hiệu để điều khiển đối tượng phức tạp -6- Do để giảm việc tính toán thủ công rút ngắn thời gian thiết kế,người ta kết hợp logic mờ mạng nơron tạo khả tự chỉnh cho tập mờ Và hệ thống gọi hệ neuro-mờ Hầu hết trình công nghiệp phi tuyến biến đổi theo thời gian Nhận dạng hệ thống phi tuyến trở thành công cụ quan trọng mà dùng để cải tiến trình điều khiển đạt độ bền vững cao Có nhiều kỹ thuật nhận dạng phi tuyến khác nhau,trong có nhận dạng mạng nơron ,nhận dạng mô hình mờ phương pháp dựa mô hình neuro-mờ dần thiết lập giáo trình mà ứng dụng công nghiệp Mô hình neuro-mờ xem kỹ thuật hộp xám nằm mạng nơron mô hình mờ định tính Những công cụ để xây dựng mô hình neuro-mờ dựa kết hợp thuật toán từ lĩnh vực mạng nơron,xác nhận đặc tính phân tích hồi quy Phương pháp neuro-mờ cho nhận dạng hệ thống phi tuyến có ưu điểm cân xác mạng nơron tính diễn giải 1.2.Tình hình nghiên cứu mạng nơron logic mờ toàn cầu: Nghiên cứu mạng Nơron quan tâm từ năm 40 kỷ 20 Khoảng năm 90 Nơron đặc biệt ý khả ứng dụng rộng lớn Chương trình nghiên cứu Nơron tập chung nghiên cứu Mỹ (50 tổ chức viện nghiên cứu trường đại học,riêng California có 15 tổ chức nghiên cứu) Ở Anh có 20 tổ chức,Đức (7),Nhật (7), Pháp (6), Thụy sỹ(4),Thụy điển (4),Hà lan (4),Australia (3), Ytalia (3),Canađa (3), Nga(1),Czech (1),Balan(1),Hungary(1), Hàn quốc (1),Singapor (1),Hong kong (1)v.v…Ơ Mỹ, bang California,Trường Đại học California San diego có Chương trình tính toán Hệ thống Nơron Caltech, Viện tính toán Nơron, Nhóm nghiên cứu khoa học Máy tính Nhận thức,Trung tâm nghiên cứu Ngôn ngữ,Phòng thí nghiệm Kỹ thuật Nơron,Trung tâm Sloan Sinh học Nơron Lý thuyết Đại học California Santa Cruz có Nhóm Máy Dạy học, Nhóm Sinh học tính toán Đại học Nam California có Phòng thí nghiệm Tính toán Nơron Đại học Stanford có nhóm Lập trình Gen Ở Carlsbad có Động lực học Nơron ứng dụng Ở Moffett Field có Nhóm Kỹ thuật Nơron NASA Bang Massachusetts, có Trung tâm Dạy học Tính toán Sinh học Viện Công nghệ Massachusetts -MIT,Nhóm tính toán khoa Não khoa học Nhận thức thuộc MIT,NeuoDyne Ins, Cambridge Bang Washington có Phòng Thí nghiệm ứng dụng,Trí tuệ Tính toán thuộc Đại học Washington,Nhóm Nghiên cứu Nơron Phòng thí nghiệm Xử lý Thông tin Nhóm nghiên cứu Nơron thuộc Phòng thí nghiệm Pacific Northwest Washington -7- -8- Bang Texas có Phòng thí nghiệm Kỹ thuật Nơron R&D thuộc Đại học Texas Austin.Phòng thí nghiệm Tính toán Ứng dụng đại học Kỹ thuật Texas Bang Pensylvania có Trung tâm Cơ sở Nơron Nhận thức Carnegie Melon Bang Ohio có Phòng Thí nghiệm Hệ thống Nơron Nhân tạo thuộc Đại học Cincinnati Bang New Mexico có Nhóm Tính toán Thích nghi thuộc Đại học New Mexico Nhóm Tính toán Thích nghi Phi tuyến thuộc Phòng thí nghiệm Quốc gia Los Alamos Bang New Jersey có Nhóm Nghiên cứu Nơron Nhân tạo Viện nghiên cứu NEC,Princeton Nhóm Nhận thức,Trí tuệ Tính toán dựa DNA,ở Viện nghiên cứu NEC,Princeton v.v… Anh: có Trung tâm Mạng Nơron trường Hoàng gia London Trung tâm Hệ thống Nơron Đại học Edinburgh Nhóm Nghe,Nhìn Robot Đại học Cambridge Nhóm Nghe,Nhìn Hệ thống Thông minh Đại học Southhampton.Nhóm Nghiên cứu Trí tuệ Nhân tạo thuộc Đại học Nottingham Nhóm nghiên cứu Hệ thống Thông minh, khoa Khoa Học Máy tính thuộc Đại học London v.v… Nhật: có Phòng Thí nghiệm Robot Cơ -Điện tử thuộc Đại học Nagoya Phòng thí nghiệm Okabe Hirose thuộc Đại học Tokyo Phòng thí nghiệm Sinh-Điện tử thuộc Đại học Nagoya.Phòng thí nghiệm Nghiên cứu Xử lý Thông tin Người Kyoto v.v… Đức: có Viện Tin học Nơron Đại học Ruhr,Bochum Nhóm nghiên cứu Mờ Tính toán Mềm Đại học Braunschweig Nhóm Nhiên cứu Mờ Nơron Đại học Công nghệ Damstardt Nhóm Nhìn- Máy tính Nhận dạng thuộc Đại học Bon Trung tâm nghiên cứu Trí tuệ Nhân tạo Đức DFKI thuộc Kaiserlautern Nhóm Nghiên cứu Nơron GMD FIRST Berlin.Viện Logic, Tổ hợp Hệ thống Suy diễn Đại học Karlsruhe Pháp: có Nhóm nghiên cứu Tin-Sinh học Trường Cao cấp,Pari Nhóm tính toán Nơron thuộc Phòng Tin học Pari Nord Nhóm nghiên cứu Nơron LEIBNIZ, Grenoble Nhóm nghiên cứu Laplace,Mô hình gần Robot Trí tuệ Nhân tạo LEIBNIZ, Grenoble Hungary: có Nhóm Xử lý thông tin Nơron thuộc Đại học Eotvos Lorand, Budapest diễn kỹ thuật cho việc định dựa việc xử lý thông tin không chắn Về bản, Trí tuệ Tính toán bao gồm Logic Mờ, Mạng Nơron , Thuật giải Di truyền, Lập luận Xác xuất,các Phương pháp Học, Lý thuyết Hỗn độn, Hệ chuyên gia Một điều quan trọng cần nhấn mạnh Trí tuệ Nhân tạo không tập hợp phương pháp luận cho lập luận dựa thông tin không chắn mà liên kết phương pháp phương pháp có lợi riêng để tiến tới đạt mục tiêu chung Bởi vậy, thành phần Trí tuệ Tính toán phải xem phần bổ xung cho tương đương Tất kỹ thuật nhằm mục đích đưa dạng “ Máy Thông minh “nào mà bắt chước sưy nghĩ người việc định Động chủ yếu cho việc sử dụng Trí tuệ Tính toán khai thác khả xử lý thông tin không xác, không chắn, phần kết đạt tính dễ áp dụng,sự động giải pháp chi phí thấp cho vấn đề phức tạp Đây mục tiêu giáo sư Lofti A Zadeh , Đại học California Berkeley (người sáng tạo Lý thuyết Tập Mờ 1965) đưa vào đầu năm 1990 phát triển Hệ Thông minh Hai dạng Mạng Nơron thường sử dụng Kỹ thuật Robot Mạng Hopfield Mạng Perceptron nhiều lớp Hopfied đa 1982, Kohonen 1984, Rumelhart 1986 Những mạng khác bao gồm Mạng Cạnh tranh & Hợp tác Amari &Arbib nghiên cứu năm 1977 Mạng Thưởng phạt A.G.Barto&C.W.Anderson 1983 Hệ thống Robot bao gồm hệ thống phụ : Hệ thống truyền động, Hệ thống Nhận dạng Hệ thống Điều khiển Những vấn đề Điều khiển Robot bao gồm Động học, Động lực học, Lập kế hoạch đường (Thiết lập quĩ đạo ), Điều khiển, Cảm biến, Lập trình Trí tuệ (Thông minh) Mạng Nơron giảm tổ hợp tính toán giải toán robot đưa “yếu” Lời giải giải tích động học ngược làm xác kết số, lời giải Mạng Nơron nói chung không làm xác.Công việc phát triển Động học ngược Nơron T.Iberall phát triển năm 1987, A.Guez năm1988 Trong Động lực học Robot Nơron , M.Kawato,Furukawa,Sưzuki phát triển năm 1987 Y.Uno &M.Isobe 1988 S.G.Tzafestas1986, M.Kawato,Y.Maeda,Y.Uno &Sưzuki 1990 Mạng Nơron sử dụng nhằm thiết lập quĩ đạo K.Tsưtsưmi 1988, H.liu1988, R.Ecmiller 1987 Bài toán lập quĩ đạo tránh vật cản sử dụng Mạng Hopfield H.matsưmoto& K.Tsưtsưmi phát triển Trường hợp Robot Di động, Thiết lập quĩ đạo với Mạng Nơron nghiên cứu V.Seshadri1988.Ở Mạng Nơron cố gắng cực tiểu hoá độ dài đường Nick Vallidis nghiên cứu điều khiển Hexapod di động mạng Nơron , 1.3.Một số công trình nghiên cứu mạng Nơron công bố nước ngoài: Đa số nhà nghiên cứu Hệ thống Thông minh chấp nhận : Trí tuệ Tính toán (Computational Intelligence) Hội đồng Mạng Nơron Thế giới đưa vào năm 1991 Tính toán mềm (Soft computing) Lofti A Zadeh, giáo sư đại học California Berkeley đua năm 1990 đồng nghĩa sử dụng thay lẫn Trí tuệ Tính toán chấp nhận thuật ngữ để biểu -9- - 10 - 2000 L.M.Reyneri, M.Chiaberge Khoa điện tử, Đại học Bách khoa TorinoItaly nghiên cứu phần cứng-Mạng Mờ-Nơron điều khiển Hexapod Di động, 1993-2000 Điều khiển Robot Mạng Nơron gọi Điều khiển khớp mô hình tiểu não CMAC Albus 1975 –1979 Giáo s F.L.Lewis,Viện nghiên cứu Robot Tự động hoá, Đại học Texas –Arlington USA ứng dụng CMAC để điều khiển hệ động lực phi tuyến, 1997 Nhận dạng hệ động lực phi tuyến sử dụng mạng Nơron S.J.Jagannathan, Liên hợp Phân tích Tự động hoá, USA nghiên cứu năm 1996 Y.Pao&D.Sobasic 1987 thực hệ thống điều khiển vị trí robot hai bậc tự sử dụng Mạng Nơron Perceptron A.Guez sử dụng mô hình thích nghi (MRAC) W.T Miler sử dụng kỹ thuật CMAC liên kết với phương pháp điều khiển mô men R.Elsley thực điều khiển Jacobi ngược,sử dụng Mạng Perceptron nhiều lớp Mạng Nơron Được sử dụng cảm biến điều khiển Robot nhiều lớp, liên tục R.Esley, &Y.Pati 1988 Điều khiển thích nghi hệ động lực học phi tuyến sử dụng mạng Nơron giáo sư A.M.Annaswamy, Phòng thí nghiệm Điều khiển thích nghi - Khoa Chế tạo Máy – Viện Công nghệ Massachusetts –MIT nghiên cứu, 1997 Ứng dụng Mạng Nơron điều khiển ngược theo vết giáo sư K S Narendra, Trung tâm Khoa học Hệ thống, Đại học Yale,USA nghiên cứu, 1999 Giáo sư Vukobratovic, Trung tâm Robot, Viện Mikhailo Pupin, Nam tư (cũ ), phó chủ tịch Viện Hàn lâm Khoa học, nghiên cứu phân loại mô hình động lực học môi trường sở Nơron để điều khiển robot,1998 Bộ điều khiển Mờ-Nơron để dẫn huớng Robot Di động hộ tống đội robot giáo sư M.M.Trivedi Khoa Kỹ thuật Điện Máy tính, Đại học California San Diego,USA nghiên cứu,1998 Giáo sư, Viện sĩ, Vámos Tibor, nguyên Viện trưởng Viện Tin học Tự động hoá- Hungary, - nguyên chủ tịch Hội Máy tính Neyman János (Von Neyman), nguyên chủ tịch Hội Điều khiển Tự động Quốc tế IFAC nghiên cứu kỹ thuật Nhận dạng –Trí tuệ Nhân tạo cho robot Giáo sư,Viện sĩ Hyungsưck Cho, Khoa Chế tạo máy,Viện Khoa học &Công nghệ Cao cấp Hàn quốc- KAIST, Hãng Thép Kim loại Pohang-POSCO, Viện trưởng Viện Điều khiển,Tự động hoá Kỹ thuật Hệ thống, nghiên cứu điều khiển cảm biến nano cho robot,2001 Giáo sư T.Fukuda, Khoa Kỹ thuật Vi Hệ thống,Trung tâm Hợp tác Khoa học &Công nghệ Cấp cao, Đại học Nagoya- Nhật bản, nguyên Chủ tịch Hội Robot Tự động hóa Quốc tế, Chủ tịch Hội đồng Công nghệ Nano Quốc tế, nghiên cứu Mạng Mờ-Nơron -Thuật giải AND để điều khiển robot, 2000 Công nghệ Nano mở triển vọng to lớn Việc chế tạo robot nhỏ cỡ Nano 10-9mm đòi hỏi nghiên cứu sở lý thuyết công nghệ Giáo sư Toshio Fukuda, đặc biệt nhấn mạnh tầm quan trọng Robot Micro-Nano Kỹ thuật Robot Tự động hoá tương lai Giáo sư,Viện sĩ G.M.Edelman,giải thưởng Nobel, Viện trưởng Viện Khoa học Nơron - USA,Chủ tịch Hội nghiên cứu Khoa học Nơron Quốc tế, mô Nơron hệ thống Nghe-Nhìn loài chim để điều khiển robot,1999 Giáo sư khẳng định, việc nghiên cứu đặc biệt quan trọng ánh sáng lý thuyết Não Hiện đại, nhấn mạnh tầm quan trọng môi trường thực nghiệm Motor-Cảm biến Nơron Sự hiểu biết nguyên tắc não có ảnh hưởng mạnh mẽ đến thiết kế Hệ thống Nhân tạo hoạt động giới thực.Chúng ta tin tưởng nghiên cứu mô hình Nơron tổng hợp tham gia cách có ý nghĩa thiết lập mối liên hệ trực tiếp khoa học Tự nhiên Khoa học Kỹ thuật, đưa tư tưởng lĩnh vực Robot Trí tuệ Nhân tạo 1.4.Một số công trình nghiên cứu mạng Nơron công bố nước: Ở Việt nam bắt đầu nghiên cứu Nơron từ năm 1992 Viện Cơ học Viện Tin học khuôn khổ đề tài cấp Nhà nuớc KC-02 Điều khiển thời gian thực Hiện số sở nghiên cứu Trung tâm Tự động hoá-Viện tin học, Khoa Công nghệ Thông tin - ĐHBK.HN, Bộ môn Điều khiển Tự động ĐHBK.HN, Học viện Bưu Viễn thông, Khoa Công nghệ Thông tin ĐHBK.HCM,Đại học Giao thông Vận tải, Viện Vật lý, Viện toán học, VietcomBank, Viện Năng lượng Nguyên tử, Học viện Kỹ thuật Quân sự, Đại học Quốc gia - HCM Công tác đào tạo triển khai, có luận án Tiến sĩ (2), Thạc sĩ buớc đầu giảng dạy cho sinh viên Tuy nhiên nghiên cứu thường rải rác,chưa tập trung thành nhóm nghiên cứu mạnh để bước đầu đưa vào ứng dụng hợp tác với tổ chức quốc tế 1.5 Tổng quan tình hình nghiên cứu tổ hợp lượng nhiên liệu than Một NLNLT cung cấp lượng điện kết trình chuyển đổi lượng Cụ thể, chuyển đổi đốt cháy nhiên liệu đầu vào, tạo hơi, phát triển chuyển động quay, sản xuất lượng điện ngưng tụ Tất chuyển đổi tạo thành chu trình nhiệt động lực học lớn phụ thuộc lẫn cao độ Những chiến lược điều khiển thời cho phép tạo lượng cần thiết để thoả mãn yêu cầu tải trì cân trình chuyển đổi tổ hợp Chủ yếu, chúng gắn kết ngõ lượng lưu lượng boiler với lượng yêu cầu tuabin-máy phát để đạt tải điện thời điểm Sơ đồ điều khiển tổ hợp cấu thành lớp cao hệ thống điều khiển chịu trách nhiệm cho việc điều khiển boiler-tuabin-máy - 11 - - 12 - phát đối tượng đơn Đặc tính bật tổ hợp quản lý thông qua vòng điều khiển lượng áp suất Việc phát triển từ cấu hình vòng điều khiển SISO dựa thuật toán điều khiển PID, chiến lược phân loại thành ba lớp: điều khiển theo boiler, điều khiển theo tuabin điều khiển boiler-tuabin Sơ đồ theo boiler dùng Trong sơ đồ này, boiler chờ đợi hành động tuabin để sản xuất lượng Những van điều khiển tuabin điều chỉnh lưu lượng vào tuabin với đối số công suất yêu cầu Sau đó, điều khiển boiler tương ứng với thay đổi lưu lượng áp suất Sai lệch áp suất tiết lưu so với setpoint dùng điều khiển trình đốt nhiên liệu để điều chỉnh lượng nhiên liệu không khí vào buồng đốt, việc tạo hiệu chỉnh theo yêu cầu tuabin Thuận lợi phương pháp đáp ứng nhanh với thay đổi tải: tuabin dụng cụ hoạt động nhanh đáp ứng nhanh với yêu cầu tải sử dụng lượng nhiệt lưu trữ boiler Điều bất lợi phương pháp thể việc điều khiển áp suất tiết lưu ổn định boiler có xu hướng vượt đòi hỏi thời gian để hoà hợp với tuabin Sơ đồ điều khiển theo tuabin dùng năm 60-70 Trong sơ đồ này, tuabin theo hoạt động boiler Yêu cầu công suất dùng điều khiển đốt boiler để điều chỉnh lượng nhiên liệu không khí vào buồng đốt để điều chỉnh việc sản xuất Sau điều khiển tuabin đáp ứng cách hiệu chỉnh van tiết lưu để giữ áp suất setpoint Tuabin chịu trách nhiệm hoàn toàn việc điều khiển áp suất tiết lưu Thuận lợi phương pháp đáp ứng ổn định với thay đổi tải với dao động áp suất nhiệt độ tối thiểu, thay đổi tải phụ thuộc vào hoạt động boiler thiết bị chậm so với tuabin Bất lợi phương pháp không sử dụng khả lưu trữ lượng boiler, tạo đáp ứng chậm Được sử dùng nhiều thập kỷ 50 sơ đồ điều khiển phù hợp(coordinated control (CC)) Trong sơ đồ này, công suất đưa đồng thời đến boiler tuabin Phụ thuộc vào cặp biến điều khiển điều khiển, có hai sơ đồ cho CC: sơ đồ theo boiler sơ đồ theo tuabin [Landis and Wulfsohn 1988] Với sơ đồ thứ nhất, điều khiển tải tạo lệnh cho van tiết lưu từ yêu cầu tải tổ hợp công suất tạo ra, điều khiển áp suất tạo lệnh cho cho van nhiên liệu/không khí từ áp suất tiết lưu đo setpoint áp suất mà có từ yêu cầu tải tổ hợp thông qua ánh xạ phi tuyến (hình 1.1) Trong sơ đồ thứ hai, điều khiển tải tạo lệnh cho van nhiên liệu/không khí từ yêu cầu tải tổ hợp công suất tạo Lệnh đến van tiết lưu tính toán từ áp suất tiết lưu đo setpoint áp suất mà có từ yêu cầu tải tổ hợp thông qua ánh xạ phi tuyến (hình 1.2) Những chiến lược điều khiển phù hợp kết hợp thuận lợi hai chiến lược tối thiểu bất lợi cuả chúng, nghĩa , chúng cố gắng giữ đặc tính đáp ứng ổn định sơ đồ theo tuabin đặc tính đáp ứng nhanh sơ đồ theo boiler Để đạt đáp ứng nhanh,tuabin-máy phát phép sử dụng lượng lưu trữ boiler Để đạt ổn định, điều khiển boiler hiệu chỉnh tốc độ đánh lửa theo tải yêu cầu, giữ cho tuabin không vượt lượng cung cấp boiler Đáp ứng tổ hợp CC phải nhanh sơ đồ theo tuabin không nhanh sơ đồ theo boiler Những ưu điểm khác phương pháp điều khiển phù hợp khả dễ dàng thực giảm tải biến đổi áp suất với điều khiển tải xác Từ quan điểm thực tế, người ta mong muốn có cấu trúc tổng quát cho điều khiển phù hợp mà cấu hình lại với sơ đồ hoạt vận hành nào, điều chỉnh để thể ứng xử sơ đồ điều khiển Những cấu trúc chứa cấu hình nhiều vòng lặp phân tán điều khiển SISO dùng thuật toán cổ điển PI hay PID Những sơ đồ đối mặt với thách thức nghiêm trọng yêu cầu vận hành theo tải diện rộng Trong điều kiện này, hiệu suất giảm biến đổi phi tuyến lớn hiệu ứng kết hợp trình động Người ta dùng bù để tăng cường sơ đồ điều khiển phù hợp nhiều vòng lặp cách giảm hiệu ứng tương tác vòng điều khiển Rất nhiều nghiên cứu thực nhiều thập kỷ qua hầu hết kết sản phẩm riêng nhà phát triển phương pháp chấp nhận rộng rãi hay tổng quát để thực thi chúng, cần thiết phương pháp thiết kế mang tính hệ thống tổng quát Điểm cốt yếu việc thiết kế bù tương tác dựa mô hình toán học gần thực trở nên phức tạp loại bỏ ứng dụng Hình 1.1 Sơ đồ điều khiển theo boiler - 13 - Hình 1.2 Sơ đồ điều khiển theo tuabin 1.5.1 Những hệ thống điều khiển tiên tiến Mặc dù định nghĩa chung cho điều khiển tiên tiến, nhiều phương pháp dùng mô hình toán học trình, trình thiết kế hay suốt trình vận hành, thời gọi tiên tiến Hầu hết ý tập trung vào số hiệu suất toàn phương Ứng dụng thực tế kỹ thuật cho điều khiển toàn bị giới hạn tính phức tạp việc thực thi, dễ bị ảnh hưởng không chắn mô hình, cần phải reset lại hoạt động điều khiển, việc dùng kỹ thuật điều khiển tuyến tính hệ thống phi tuyến cao độ Mặc dù chiến lược điều khiển tổ hợp toàn bộ, ứng dụng liên quan kỹ thuật điều khiển tối ưu nhiều biến mà [Nakamura Uchida 1989] đưa vào vận hành điều chỉnh toàn phương tuyến tính cho nhiệt độ boiler tổ máy 500MW Kyushu Electric Company, Japan, 1978 Bước đột phá này, sơ đồ điều khiển nhiệt độ, gồm kỹ thuật khác nhận dạng dự đoán không gian trạng thái, lập trình toán học phi tuyến, điều khiển thích nghi tham khảo mô hình tối ưu trở thành chuẩn cho tổ hợp lượng than người Nhật suốt 25 năm qua, cho phép họ vận hành với mức cao hiệu suất nhiệt Người ta thực nhiều nghiên cứu để áp dụng phương pháp tách riêng ra(decoupling) để làm giảm hay loại bỏ ảnh hưởng tương tác vòng điều khiển Trong sơ đồ điều khiển tổ hợp theo boiler dùng bù dựa hồi tiếp trạng thái để giảm ảnh hưởng tương tác hệ thống cho tổ hợp 150 MW Ontario Hydro, Canada Bộ bù tạo tín hiệu bù cho bốn ngõ vào điều khiển tổng tín hiệu điều khiển vectơ - 14 - trạng thái trình sử dụng ma trận độ lợi số, tính từ mô hình tuyến tính không gian trạng thái bậc máy Vectơ trạng thái dự đoán dùng lọc Kalman Những kết mô cho thấy tải có khả vận hành khoảng 75% đến 100% khoảng vận hành tải với lỗi biến trình ảnh hưởng tương tác giảm Không có chi tiết số lượng mô hình tuyến tính dùng khoảng tải ma trận độ lợi khoảng Những điều khiển tách rời dựa mô hình bậc 12 thực thi máy thực So với điều khiển truyền thống, sơ đồ tách riêng xấp xỉ làm cho lỗi điều khiển giảm, tăng độ ổn định tải thấp, hiệu chỉnh thông số đơn giản không nhạy với biến đổi máy Khó khăn với phương pháp tách riêng thiết kế bù tách riêng Thiết kế bù động nặng nề phức tạp ngăn cản ứng dụng chúng Về nguyên tắc, điều khiển thích nghi dường phù hợp cho điều khiển toàn nhà máy điện Khả hệ thống điều khiển liên quan với thay đổi động trình hấp dẫn cho vận hành diện rộng Trong [Marc, et al 1980] ảnh hưởng nhiễu biến đổi thông số thiết kế điều khiển thích nghi cho máy phát 250 MW xem xét Trong [Mabius, et al 1980] cấu thích nghi tham khảo mô hình đề nghị để cung cấp tín hiệu điều khiển tăng cường cộng vào tín hiệu điều khiển điều khiển vòng mở Giả sử vận hành xung quanh điểm vận hành cố định, lý thuyết điều khiển tuyến tính dùng để thiết kế điều khiển, thông số luật điều khiển điều chỉnh dùng sơ đồ dựa Lyapunov để bảo đảm ổn định vòng kín Không may, có thiết kế thể mà kết hiệu suất hệ thống điều khiển Những phuơng pháp điều khiển bền vững đề nghị cho điều khiển tổ hợp Trong [Weng and Ray 1997] chiến lược điều khiển truyền thẳnghồi tiếp đề xuất cho điều khiển theo tải bền vững diện rộng Điều khiển truyền thẳng tối ưu ngõ vào điều khiển, nhận ràng buộc chúng, dọc theo khoảng vận hành diện rộng điều khiển hồi tiếp dùng để khắc phục bất định mô hình máy nhiễu ngoại sinh đảm bảo ổn định hiệu suất bền vững Điều khiển truyền thẳng giải toán lập trình phi tuyến cho hàm tối ưu ràng buộc dọc theo đặc tính tải cho Điều khiển hồi tiếp thiết kế dùng kỹ thuật H  Phương pháp thoả mãn yêu cầu hiệu suất khoảng 40-100% khoảng tải loại bỏ tốt nhiễu biết trước Một vài nhược điểm yêu cầu tính toán nhiều, với thông tin đáp ứng tần số mô hình tuyến tính máy Mặc dù có tiến lớn lý thuyết hệ thống điều khiển, thực thi sơ đồ tiên tiến cho NLNLT Do sơ đồ đề xuất tốt yêu cầu giới thực chẳng hạn hiệu suất thời gian thực, khoảng vận hành diện rộng, động trình phức tạp nhiều chiều hay điều kiện giả sử xảy thực tế nhiễu Gauss, thông số trình số, đo xác, động trình biết Có lẽ, bất - 15 - - 16 - lợi hầu hết phương pháp tiên tiến yêu cầu mô hình toán học xác cho thiết kế vận hành Bậc độ phức tạp cao của tổ hợp lượng ngăn cản việc thực thi sơ đồ điều khiển tập trung dựa mô hình toán học Nói cách khác, tính thúc đẩy tồn lâu dài cấu hình nhiều vòng dựa thuật toán điều khiển PID truyền thống tổ hợp phi tuyến bậc ba Đối tượng điều khiển theo đáp ứng bước ngõ áp suất công suất Trong nững ứng dụng khả thi giải thuật di truyền cấu tinh chỉnh hoàn hảo, có vài sai xót cấu trúc điều khiển đề xuất Vị trí độ lợi kết hợp chéo sơ đồ điều khiển kết hợp dựa PI không thuận tiện, tạo đáp ứng dao động sơ đồ điều khiển tối ưu giả sử tất biến trạng thái sẵn sàng cho mô Trong [Tevera 1995] sơ đồ tổ hợp cấu hình lại chuyển chiến lược điều khiển khác nhau( ví dụ, theo boiler, theo tuabin điều khiển hoà hợp) Cấu hình lại hệ thống thực trực tuyến bốn hệ chuyên gia làm việc mức giám sát Hệ nhận định trạng thái vận hành yêu cầu cho tổ hợp Hệ thứ hai tính toán hiệu suất sơ đồ điều khiển vận hành Hệ thứ ba tính toán hiệu suất sơ đồ khác điều kiện thời Cuối cùng, hệ thứ tư sơ đồ tiện lợi chuyển sơ đồ phép người vận hành Điều khiển thực thành công hệ thống phát triển tính toán phần mềm điều khiển dùng mô hình tổ hợp toàn Trong [Garduno and Lee 1997], sơ đồ điều khiển thứ tự hai mức cho vận hành diện rộng NLNLT thể Tại mức giám sát quản lý tham chiếu mờ tạo quỹ đạo setpoint theo sách vận hành áp suất biến đổi để điều khiển tải theo đặc tính nào.Tại mức điều khiển, thực thi chiến lược truyền thẳng-hồi tiếp Điều khiển truyền thẳng gồm tập hệ suy luận mờ MISO thiết kế từ liệu vào trạng thái xác lập Đường hồi tiếp gồm điều khiển PID với cấu hình nhiều vòng Với chiến lược này, đường truyền thẳng cung cấp hầu hết tín hiệu điều khiển cho vận hành diện rộng, giàm bớt nổ lực điều khiển điều khiển PID Đường hồi tiếp cung cấp tín hiệu điều khiển bù để điều chỉnh loại nhiễu lân cận nhỏ quanh quỹ đạo lệnh Những kết mô cho thấy tính khả thi sơ đồ điều khiển để đạt vận hành theo tải chu kỳ Những nghiên cứu lớn thực Nhật để phát triển sơ đồ lai để đạt cải tiến kỹ thuật vận hành máy điện[Matsuoka, et al.1993] Sau thực thi thành công điều khiển tối ưu nhiều biến suốt hai mươi năm qua, người Nhật tạo bước đột phá kỹ thuật thứ hai điều khiển máy điện thông qua việc thực thi sơ đồ lai dựa giải thuật hệ neuro-mờ Những cách giải hoàn tất tìm kiếm để giải vấn đề sau:1) trình lớn phức tạp gồm mô hình toán học chúng, 2)độ phi tuyến mạnh hơn, kết hợp tương tác biến đổi theo thời gian hệ 3)thoả mãn yêu cầu chặt chẽ ổn định tối ưu hệ thống Ở Mỹ Intelligent Control Systems Initiative, thành lập với liên kết Electric Power Research Institute (EPRI) National Science Foundation (NSF) năm 1993 gồm hai mươi mốt dự án nghiên cứu để tìm ứng dụng có giá trị sáng kiến thiết lập lý thuyết tảng chương 1.5.2 Những phương pháp lai thông minh Vẫn có phương pháp thứ ba áp dụng kỹ thuật thông minh nhân tạo bật gần hay pha trộn chúng với điều khiển tiên tiến truyền thống, nổ lực liên quan đến phức tạp mà không giải thoả mãn kỹ thuật đề cập phần Trong [Mamdani 1974, Mamdani and Assilian 1975], điều khiển dựa lý thuyết tập mờ [Zadeh 1965, Zadeh 1968, Zadeh 1973] giới thiệu lần Giải thuật mờ mô trình lập luận người, dùng để điều khiển máy nước phòng thí nghiệm Áp suất tốc độ rotor điều chỉnh cách thao tác ngõ vào nhiệt boiler độ mở tiết lưu máy theo tập luật ngôn ngữ Thực nghiệm kết tương tự hay tốt so với điều khiển cổ điển Công việc minh hoạ tính khả thi việc xây dựng giải thuật xác định thời gian thực hiệu quả, mở đầu lĩnh vực kỹ thuật điều khiển Trong [Ray and Majumder 1985] lý thuết tách rời phi tuyến lôgic mờ dùng để điều chỉnh áp suất bao mức nước bao tổ hợp 200MW điều kiện vận hành khác Đầu tiên, luật điều khiển tách rời thiết kế cho mô hình máy phi tuyến bậc ba với giả sử thông số hệ thống biết xác hệ SISO không tương tác Sau đó, điều khiển lôgic mờ dùng cho điều khiển vòng kín hệ Hiệu suất tốt sơ đồ điều khiển đạt tính với nhiễu trạng thái, biến đổi thông số ngẫu nhiên phần, thay đổi setpoint, nhạy thông số,tách rời không hoàn hảo thiếu tách rời Trong [Marcelle, et al 1994] sơ đồ điều khiển kết hợp logic mờ điều khiển tối ưu cho vận hành chu trình tuabin lớn thể Ứng suất tua bin tổng lỗi tải tối thiểu cách gắn kết điều khiển van điều chỉnh tuabin áp suất boiler Một hệ thống mờ ưu tiên đối tượng hiệu suất cung cấp trọng số hàm gía trị mà dùng điều khiển tối ưu Sau đó, thuật toán điều khiển dự đoán mô hình dùng để tính van tối ưu giá trị setpoint áp suất để cân theo tải tốt tối thiểu ứng suất Hiệu suất tốt so sánh với điều khiển áp suất biến đổi áp suất số với điều khiển dự đoán mô hình với độ lợi cố định thời gian dự đoán cố định Trong [Dimeo and Lee 1995] giải thuật di truyền dùng để tinh chỉnh tối ưu sơ đồ điều khiển kết hợp dựa PI điều khiển hồi tiếp trạng thái cho - 17 - trình tin cậy cho việc thiết kế phát triển hệ thống thông minh thích nghi Một vài phương pháp điều khiển thông minh đầu tư là:1) lập kế hoạch giám sát off-line on-line lập luận tự động hay học từ ví dụ người, 2) mô hình định tính dùng hệ chuyên gia lôgic mờ 3)trí tuệ nhân tạo học máy dùng phương pháp mạng nơron, giải thuật di truyền, tiến hoá học cưỡng bức, kết hợp với kỹ thuật tối ưu toán học 1.5.3 Phát biểu vấn đề Luận văn trình bày ý tưởng cho việc phát triển hệ thống điều khiển thông minh cho đối tượng phi tuyến mà cụ thể tổ hợp lượng, nghĩa phát triển hệ thống quản lý lượng nhân tạo thiết kế điều khiển thông minh hệ thống máy tính giống não người Những yêu cầu cho hệ thống điều khiển là:  Thiết kế mở cung cấp yêu cầu chức vận hành để đạt độ linh hoạt, cho ứng dụng môi trường thị trường biến đổi cao  Vận hành người dùng cuối đơn giản hiệu suất cao, liên kết với tự động hoá kỹ thuật điều khiển  Kiến trúc hệ thống có cấu trúc, điều dẫn đến việc phát triển phần mềm điều khiển tự động hoá tương ứng Từ kết đạt được, thấy chiến lược điều khiển phù hợp cấu thành mức điều khiển cao NLNLT thời chúng chịu trách nhiệm cho việc điều khiển boiler-tuabin-máy phát đối tượng đơn Kế đến, NLNLT trình phức tạp, chịu nhiều thay đổi điều kiện vận hành mà thể hệ thống thông minh mà với khái niệm điều khiển tích hợp tiên tiến cần thiết Việc phát triển kỹ thuật thiết kế hệ thống điều khiển tổ hợp lượng để hổ trợ làm cho dễ dàng việc thực thi hệ thống điều khiển lượng phân tán thứ bậc lớn để tích hợp kỹ thuật thông minh nhân tạo liên kết tính hệ thống với phức tạp trình yêu cầu vận hành Trong luận văn thiết lập sơ đồ điều khiển tổng quát gọi hệ thống điều khiển phù hợp thông minh ứng dụng kỹ thuật thông minh nhân tạo mạng nơron, logíc mờ thuật giải di truyền để đưa đối tượng điều khiển vào quỹ đạo với yêu cầu vận hành khác Để làm điều này, hệ thống điều khiển tích hợp chức học máy, quan sát ứng xử, cấu thích nghi, tạo lệnh tính toán điều khiển, tất chúng cần thiết cho đặc tính vận hành tự quản hiệu linh hoạt 1.5.4 Đối tượng phạm vi - 18 - Đối tượng đề tài nghiên cứu tăng cường mức điều khiển tự động máy lượng thông qua việc mở rộng khái niệm điều khiển phù hợp cho NLNLT tính thực qua kỹ thuật thông minh nhân tạo Phạm vi đề tài tập trung vào điểm sau:  Tất nghiên cứu phát triển đề tài tập trung tổ hợp máy điện nhiên liệu than loại bao truyền thống(NLNLT), chúng thể kỹ thuật dùng nhiều để tạo lượng điện cấu thành cách để điều chỉnh thông số quan trọng (công suất, tần số điện áp) ảnh hưởng đến chất lượng lượng điện hệ thống lượng liên kết  Chỉ điều kiện động bình thường cùa NLNLT xem xét Đề tài tập trung hệ thống điều khiển cần thiết cho trạng thái vận hành bình thường mà chiếm đến 99% thời gian vận hành Không nổ lực liên quan đến báo động, khẩn cấp, mức, hồi phục trạng thái Cần lưu ý trạng thái bình thường trạng thái xác lập thực tế nhà máy điện không vận hành trạng thái xác lập  Thiết kế hệ thống điều khiển bao hàm chiến lược điều khiển tảng Việc phát triển chiến lược tự động hoá, khoá liên động bảo vệ cho hệ thống điều khiển không thực Cũng thế, đề tài đề cập đến chức điều khiển để lái trình suốt pha vận hành tải, chức khởi động shutdown  Việc phát triển hệ thống điều khiển giới hạn vấn đề hệ thống tính khả thi Tất chương trình mô máy tính cá nhân dùng môi trường phần mềm phòng thí nghiệm Không có việc thực thi hệ thống môi trường thực Đây chất nghiên cứu đề tài  Đề tài phát triển tập hàm tối thiểu cần thiết cho điều chỉnh tự động hoá hệ thống lượng toàn bộ, đề xuất tính linh hoạt tối đa để hổ trợ điều khiển tải điều khiển nhiều tổ hợp sơ đồ nhà máy điện  Phương pháp đề xuất tính toán so sánh với phương pháp truyền thống Thậm chí loại hệ thống điều khiển không tồn tại, việc tính toán thực với hiệu suất theo tải yêu cầu quan trọng cần thoả mãn 1.5.5 Tổng quan đề tài Việc phát triển hệ thống điều khiển phù hợp thông minh(ICCS) gồm giám sát nhiều đại diện thông minh tính toán điều khiển mức trực tiếp Những chức giám sát gồm tạo lệnh tối ưu, học thích nghi, giám sát trạng - 19 - - 20 - thái hiệu suất(Hình 1.3) Mức trực tiếp gồm sơ đồ điều khiển truyền thẳng/hồi tiếp nhiều biến Việc thực thi lõi hệ thống hình thành ba môđun: sepoint, xử lý điều khiển truyền thẳng xử lý điều khiển hồi tiếp (hình 1.4) Giám sát hiệu suất trạng thái hàm học thích nghi thực thi dạng off-line bao gồm hoàn toàn môđun Phương pháp cho phép tối ưu trình cung cấp phương pháp định sách vận hành cung cấp độ phân tán lớn tình vận hành theo nhiều đối tượng vận hành Sơ đồ điều khiển truyền thẳnghồi tiếp hai bậc tự đề xuất mở rộng sơ đồ điều khiển hồi tiếp SISO tuyến tính với hai điều khiển truyền thẳng tham chiếu nhiễu, cho trường hợp nhiều biến phi tuyến để đạt vận hành diện rộng Bộ xử lý điều khiển truyền thẳng thực thi dùng hệ thống suy luận mờ MISO, thiết kế từ liệu vào xác lập, dùng kỹ thuật học mạng nơron Đường điều khiển hồi tiếp thực thi sơ đồ điều khiển nhiều vòng phân tán dựa điều khiển PID mờ bù tương tác Những điều khiển PID mờ kết hợp kỹ thuật điều khiển gain-scheduling multimode dùng hệ thống suy luận mờ loại Sugeno Hình 1.3 Hệ thống điều khiển phù hợp thông minh Hình 1.4.Sơ đồ khối điều khiển Với quỹ đạo lệnh tải nào, tạo setpoint tạo quỹ đạo setpoint cho vòng điều khiển mức thấp thông qua nhóm ánh xạ thiết kế tối ưu Ánh xạ setpoint thiết kế cách giải toán tối ưu nhiều đối tượng, hàm đối tượng hàm phù hợp chúng - 121 - Hình 4.6 Bộ điều khiển thuận b Bộ điều khiển mờ thiết kế theo loại Takagi-Sugeno Việc thiết kế hệ mờ thực riêng biệt,theo kỹ thuật hệ thống tự động với hệ thống suy luận neuro-mờ thích nghi dùng liệu trình vào xác lập Nếu thiết kế dùng liệu vào tạo chương trình tối ưu FFCP cỗ máy vận hành tối ưu cho nhiều đối tượng Phương pháp hỗ trợ thiết kế off-line hay đồng thời bù mờ MISO cung cấp cho hệ thống đặc tính học thích nghi Những thực nghiệm mô cho thấy khả phương pháp hiệu suất tốt - 122 - Vì thế, cần mở rộng khoảng vận hành chiến lược điều khiển, với hiệu suất cho với cấu trúc điều khiển dạng tổng quát Phương pháp cải tiến hiệu suất máy, tối thiểu ảnh hưởng chương trình vận hành thời Trong chương này, mục đích xử lý bù hồi tiếp(FBCP) (hình 4.7)là cung cấp hành động điều khiển dọc theo quỹ đạo setpoint để giải ảnh hưởng nhiễu bất định toàn khoảng vận hành tổ hợp Môđun FBCP cung cấp phương tiện cho tinh chỉnh theo yêu cầu người vận hành off-line đường hồi tiếp cập nhật để để đạt vận hành tối ưu FBCP gồm đường điều khiển hồi tiếp hệ thống tinh chỉnh giám sát Đường điều khiển hồi tiếp thực thi sơ đồ điều khiển nhiều vòng mở dựa điều khiển PID mờ bù tương tác nhiều biến, hai giúp cho đạt vận hành diện rộng Hệ thống tinh chỉnh giám sát hiệu chỉnh thông số điều khiển PID mờ dùng giải thuật di truyền tính toán thành phần bù tương tác sách vận hành công suất-áp suất thay đổi theo yêu cầu người vận hành 4.5 Bộ xử lý điều khiển hồi tiếp Trong phần này, môđun xử lý điều khiển hồi tiếp mô tả Hầu hết hệ thống điều khiển thời cho NLNLT cấu hình nhiều vòng điều khiển hồi tiếp SISO với bù thuận Những vòng lặp điều khiển thực thuật toán truyền thống PI hay PID hàm bù thuận thêm vào để tối thiểu ảnh hưởng tương tác vòng điều khiển Nhiều cấu hình hệ thống điều khiển khác phát triển sau nhiều thập kỷ nghiên cứu thực nghiệm Hiệu chúng để điều chỉnh trình nhiễu tải ngẫu nhiên chứng minh ngày khắp giới Tuy nhiên, yêu cầu thời cho vận hành diện rộng thách thức gay gắt hầu hết cấu hình này, mà phù hợp tốt cho vận hành xung quanh điểm vận hành đơn Thông thường, thông số điều khiển hàm bù tinh chỉnh vài điểm vận hành xác định trước giả định điều kiện tải gần không đổi để cố định từ sau Do hiệu suất tổ hợp giảm tính phi tuyến động tương tác trình mà thay đổi so với điểm vận hành thực Vì không phù hợp điểm tinh chỉnh điểm vận hành thực, thiết bị chịu yêu cầu vật lý mạnh mà làm tổn hại đến tuổi thọ thiết bị Hình 4.7 Bộ xử lý điều khiển hồi tiếp Để đạt tính mở việc thiết kế môđun FBCP, người ta đề xuất cho đường điều khiển hồi tiếp cấu trúc dễ dàng hệ thống mở rộng thu hẹp, theo yêu cầu phạm vi ứng dụng hệ thống điều khiển hoà hợp Nói chung, cấu trúc điều khiển hồi tiếp sơ đồ nhiều vòng dựa PID với bù tương tác điều khiển qua trình Những vòng điều khiển bao gồm hay loại bỏ bù thêm vào hay giảm theo yêu cầu Trong đề tài này, có ba điều khiển mờ PID bù vào-3 ra(hình 4.8) Những điều khiển công suất, áp suất mức cung cấp - 123 - - 124 - tín hiệu điều khiển cho van nhiên liệu u1fb, u2fb, nước u3fb Sau bù cập nhật tín hiệu để tạo tín hiệu điều khiển hồi tiếp bù u1fbc,u2fbc u3fbc chuyển mạch logic (switching logic) dựa cấu mờ hoá suy luận hệ mờ loại TS Cấu trúc vận hành điều khiển PID mờ mô tả sau Phần cốt lõi điều khiển mờ hệ mờ loại TS bốn vào với luật có dạng: Nếu x1 LX1 ur=c2x2+c3x 3+c4x4 với r số luật, x1,x2,x3 x4 ngõ vào ,LX biến ngôn ngữ ngõ vào x1 c2,c3,c4 số xác định để tính ngõ u Những hệ số tìm giải thuật di truyền Và thông số điều khiển KP,K i Kd thể số tỉ lệ, tích phân vi phân tương ứng x1 biến điều khiển thể việc phân chia không gian vận hành Những ngõ vào x2,x3 x sai lệch, tích phân đạo hàm sai lệch: Hình 4.8 Đường điều khiển hồi tiếp Cần lưu ý mục đích bù không để tạo hệ thống tách rời hoàn hảo mà để giảm ảnh hưởng tương tác vòng điều khiển đến mức độ quản lý điều khiển Điều làm đơn giản hoá việc thiết kế bù mà xây dựng theo đường vòng điều khiển hệ số bù tương tác thêm vào tín hiệu điều khiển Những giá trị hệ số xác định liệu trình vào-ra xác lập dùng kỹ thuật ma trận độ lợi liên quan, mô hình động trình hay cách giải toán tối ưu phi tuyến yêu cầu để thiết kế bù Những điều khiển mờ kết hợp kỹ thuật điều khiển gain-scheduling multimode thành cấu đơn mà đạt ưu điểm hai phương pháp Với điều khiển, thực thi hệ mờ loại Takagi-Sugeno bậc mà cấu suy luận thực nội suy thông số chuyển mạch đồng thời Trong cấu hình nó, điều khiển dùng setpoint công suất biến hoạch định Khoảng vận hành công suất phân chia để theo độ phi tuyến động trình Việc phân chia dùng tập mờ với hàm liên thuộc chồng phần Cả hai điều khiển bù tương tác hoạch định để đạt vận hành diện rộng Phần sau đề cập đến thiết kế chi tiết điều khiển mờ PID bù tương tác 4.6 Bộ điều khiển PID mờ Bộ điều khiển PID mờ đề xuất hệ mờ thực thi điều khiển nhiều cấu hình(multimode), với tất điều khiển thành phần loại PID thông thường điều khiển PID có ảnh hưởng đến phần không gian vận hành NLNLT Một đặc tính đáng ý điều khiển PID mờ Vì điều khiển thành phần thể luật có dạng: Nếu  Ar ur  K pr e  K ir  edt  Kdr de dt với  thể điểm vận hành biến ngôn ngữ Ar tập mờ thể phân vùng không gian vận hành Thường phân vùng tương ứng với điều kiện vận hành vật lý biên rõ ràng với điều kiện vận hành kế cận Điều tương ứng với tập hàm liên thuộc với hàm hàm liên thuộc kế cận chồng lên Như với hệ mờ TS nào, tín hiệu điều khiển cung cấp điều khiển PID mờ cho công thức sau: (4.1) với trọng số luật wr tính tích giá trị hàm liên thuộc ngõ vào cho luật: với i=1,2,…,n số ngõ vào Vì điều khiển mờ có biến ngõ vào mờ hoá nên tích có hệ số: với  ngõ vào nhận giá trị rõ điểm công tác Hơn nữa, với hàm liên thuộc bình thường, max    với hình tam giác hầu hết hai tập mờ chứa điểm công tác  hình 4.9 Điều có nghĩa điểm công tác có hai luật kích hoạt hay tương - 125 - - 126 - đương với hai hai điều khiển kích hoạt Giả sử điều khiển thứ k k-1 tương ứng với vùng công tác k k-1 (những hàm liên thuộc),ta có: Do đó, mẫu số (6.49) đơn vị ngõ điều khiển  cho bởi: (4.2) với ngõ luật cho theo đối số ngõ vào điều khiển: Vì thế, ngõ điều khiển (6.53) viết lại sau: với thông số điều khiển tương đương là: Trong  k giá trị hàm liên thuộc biến ngõ vào thứ tập mờ Ak tương ứng với phân vùng thứ k Hình 4.9 Kích hoạt luật cho điều kiện công tác Kết phần tóm tắt lưu đồ điều khiển PID mờ đề xuất hình 4.10 với biến điều khiển phần tiền đề luật thực thi cấu chuyển mạch điều khiển mà xác định điều khiển kích hoạt tín hiệu điều khiển ngõ cuối tương đương với cấu hoạch định độ lợi với nội suy giá trị thông số Hình 4.10 Bộ điều khiển PID mờ - 127 - - 128 - 4.7 Kết mô Sơ đoề toàn chương trình mô Matlab-Simulink biểu diễn phụ lục A1 Còn phần kết đạt đề tài trình bày 4.7.1.Bộ điều khiển xử lý thuận Mô hình neuro-mờ có ba hàm liên thuộc cho biến vào Kết mô hình sau huấn luyện 4.7.1.1.Vòng điều khiển công suất Hình 4.12 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc Hình 4.11 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 48 InMFParams [36.23 0.658 0] 49 [26.92 78.67 0] 50 [10.08 188.2 0] 51 [41.29 43.86 0] 52 [47.06 112.7 0] 53 [16.13 207.2 0] 54 OutMFParams [0.004964 0.001271 -0.002468 0] 55 [0.004625 0.001466 -0.05353 0] 56 [0.004586 0.001133 0.004875 0] 57 [0.004848 0.0009653 -0.001472 0] 58 [0.004631 0.001118 -0.001718 0] 59 [0.004645 0.001256 -0.0266 0] 60 [0.01852 -0.01493 0.04397 0] 61 [0.003569 0.003595 -0.1786 0] 62 [-0.07225 0.06732 0.0007052 0] 66 InMFParams [24.29 10.15 0] 67 [23.26 66.67 0] 68 [20.3 124.9 0] 69 [12.34 184.3 0] 70 [24.3 32.73 0] 71 [23.56 100.7 0] 72 [18.3 173.2 0] 73 [27.6 234.5 0] 74 OutMFParams [0.004947 0.001256 -0.01062 0] 75 [0.00522 0.0008022 -0.0004746 0] 76 [0.003913 0.001478 2.541e-005 0] 77 [0.004505 0.001169 2.37e-005 0] 78 [0.005116 0.0006817 -0.004507 0] 79 [0.004727 0.001067 -0.003274 0] 80 [0.004543 0.001155 0.00105 0] 81 [0.004568 0.001151 3.517e-005 0] 82 [0.009377 -0.004608 -0.0007339 0] 83 [0.004661 0.001055 0.003801 0] 84 [0.004624 0.001104 0.001861 0] 85 [0.004569 0.001188 3.266e-005 0] 86 [0.0209 0.01638 0.0001387 0] 87 [0.005678 -0.0003554 0.005036 0] 88 [0.003671 0.002889 0.0006123 0] 89 [-0.02033 0.002582 6.67e-006 0] - 129 - - 130 121 122 [0.0005012 0.009027 0.001144 0] [-0.04413 -0.03092 -0.0001694 0] Hình 4.13 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 88 InMFParams [17.94 9.96 0] 89 [18.35 53.11 0] 90 [17.65 94.4 0] 91 [17.36 137.6 0] 92 [17.3 180.4 0] 93 [21.86 32.03 0] 94 [21.65 83.34 0] 95 [21.07 133.9 0] 96 [21 184.6 0] 97 [27.23 234.7 0] 98 OutMFParams [0.005018 0.000898 0.0003038 0] 99 [0.004665 0.001056 -2.549e-006 0] 100 [0.00507 0.00104 3.641e-006 0] 101 [0.0004342 0.001672 7.201e-006 0] 102 [0.004052 0.001156 1.424e-005 0] 103 [0.005365 0.0003613 -0.0001227 0] 104 [0.004556 0.00114 0.0003918 0] 105 [0.004932 0.0009403 -0.0001916 0] 106 [0.001872 0.002652 2.297e-005 0] 107 [0.001497 0.001481 9.637e-006 0] 108 [0.003581 0.002648 0.0001811 0] 109 [0.004653 0.001094 -0.001216 0] 110 [0.004772 0.0009967 -0.0003427 0] 111 [0.003443 0.002113 7.27e-005 0] 112 [0.001305 0.001557 1.084e-005 0] 113 [0.006028 0.004679 4.733e-005 0] 114 [0.004795 0.0008595 -0.0004595 0] 115 [0.004758 0.0009378 0.007969 0] 116 [0.003273 0.002386 -0.0009099 0] 117 [0.01305 -0.00721 -2.838e-005 0] 118 [-1.567e-006 -2.686e-006 -2.876e-007 0] 119 [0.008055 -0.00309 0.000215 0] 120 [0.005045 0.000554 -0.00452 0] Hình 4.14 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 114 InMFParams [14.44 9.999 0] 114 [14.43 43.92 0] 116 [14.32 77.88 0] 117 [14.52 111.9 0] 118 [14.44 146 0] 119 [14.46 180 0] 120 [17.44 32 0] 121 [17.45 73.08 0] 122 [17.48 114.2 0] 123 [17.5 154.3 0] 124 [17.64 196.4 0] 125 [17.31 237.5 0] 126 OutMFParams [0.004054 0.001066 6.875e-005 0] 127 [0.0039 0.001075 -9.266e-006 0] 128 [0.001879 0.00101 9.93e-006 0] 129 [0.003544 0.001234 8.813e-006 0] 130 [0.0002524 0.002144 9.368e-006 0] 131 [0.001489 0.001204 8.392e-006 0] 132 [0.002639 0.003618 9.776e-005 0] 133 [0.002238 0.002204 3.83e-005 0] 134 [0.001871 0.002969 2.913e-005 0] 135 [0.0006899 0.001713 1.212e-005 0] 136 [0.0009326 0.001992 1.031e-005 0] 137 [-0.0001932 0.001935 7.534e-006 0] 138 [0.004169 0.003545 4.643e-005 0] 139 [0.003713 0.002172 0.0001082 0] 140 [0.002749 0.002462 -1.453e-005 0] 141 [-0.0005606 0.003932 3.072e-005 0] 142 [-9.947e-005 0.00307 1.264e-005 0] - 131 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 [0.0006257 0.002064 9.9e-006 0] [-0.0004175 -0.0003375 -3.514e-006 0] [0.003075 0.00334 -3.03e-005 0] [0.003811 0.001947 0.0001313 0] [0.00196 0.003261 1.362e-005 0] [0.002538 0.002442 1.564e-005 0] [-8.377e-005 -0.0001794 -9.241e-007 0] [1.685e-005 1.346e-005 1.315e-007 0] [0.003547 0.002891 3.48e-005 0] [0.00401 0.00195 3.963e-005 0] [0.002382 0.003321 -0.0001004 0] [0.005593 -0.0003635 7.927e-006 0] [-1.991e-005 -2.254e-005 -1.357e-007 0] [-1.339e-008 -1.052e-008 -9.176e-011 0] [0.0001645 0.0001274 1.017e-006 0] [0.00427 0.001944 1.022e-005 0] [0.001668 0.004853 6.978e-005 0] [-0.001397 0.00203 9.505e-006 0] [4.222e-006 4.732e-006 2.892e-008 0] - 132 60 61 62 [0.02535 -0.01589 -0.04578 0] [0.005006 -0.002319 0.5466 0] [0.001161 0.00318 -0.1996 0] Hình 4.16 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 4.7.1.2.Vòng điều khiển áp suất Hình 4.15 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 48 InMFParams [6.941 9.942 0] 49 [67.53 101.6 0] 50 [46.55 154.3 0] 51 [48.88 4.522 0] 52 [62.43 129 0] 53 [54.08 224.2 0] 54 OutMFParams [0.01639 0.001811 0.1956 0] 55 [0.005418 0.001711 -0.03051 0] 56 [0.0004719 0.0005867 0.007533 0] 57 [0.01889 -0.01965 1.084 0] 58 [0.004762 -0.003723 0.7797 0] 59 [0.002444 0.001804 -0.1664 0] 66 InMFParams [22.05 10.95 0] 67 [24.69 68.49 0] 68 [24.83 123.6 0] 69 [24.66 179.7 0] 70 [26.82 30.68 0] 71 [26.06 102.3 0] 72 [28.91 168.9 0] 73 [29.11 237.3 0] 74 OutMFParams [0.0285 0.02065 -0.4602 0] 75 [0.04276 -0.01645 -0.02293 0] 76 [-0.01765 0.01167 0.004121 0] 77 [-0.001792 0.0004079 0.0002166 0] 78 [0.04094 -0.03221 0.2097 0] 79 [-0.001156 0.008868 -0.07835 0] 80 [0.00767 -0.002876 0.02571 0] 81 [0.0103 -0.0002675 0.0001045 0] 82 [-0.0165 0.05353 -0.0155 0] 83 [0.006072 -0.002869 0.4839 0] 84 [0.003703 0.002207 -0.07554 0] 85 [-0.02119 0.01163 0.0004867 0] 86 [0.04796 0.03959 0.001357 0] 87 [0.005685 0.001683 -0.06185 0] 88 [0.003715 0.00128 0.02617 0] 89 [0.008175 -0.01544 -0.000226 0] - 133 - - 134 121 122 [-0.005694 0.01105 -0.007614 0] [0.04591 0.03096 0.0001964 0] Hình 4.17 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 88 InMFParams [18.15 10.05 0] 89 [18.21 52.28 0] 90 [18.07 94.96 0] 91 [18.04 137.6 0] 92 [18.05 180 0] 93 [21.88 32.01 0] 94 [21.86 83.29 0] 95 [21.84 134.7 0] 96 [21.85 186 0] 97 [22.03 237.3 0] 98 OutMFParams [0.0464 0.00435 -0.006285 0] 99 [0.01307 0.001181 0.0004234 0] 100 [0.004914 0.001708 -2.947e-005 0] 101 [-0.002343 -0.002028 -1.241e-005 0] 102 [0.02157 0.0005994 4.362e-005 0] 103 [0.105 -0.0954 0.04924 0] 104 [-0.01462 0.01762 -0.02504 0] 105 [0.01636 -0.001889 0.005039 0] 106 [-0.0953 0.02451 -0.0003529 0] 107 [0.03602 -0.008293 4.506e-005 0] 108 [0.02197 0.01213 -0.005369 0] 109 [0.007769 0.001103 0.03419 0] 110 [0.003546 0.00225 -0.02449 0] 111 [0.01152 -0.005329 0.001437 0] 112 [0.01049 0.03121 0.0001529 0] 113 [0.01435 0.01149 0.0002172 0] 114 [-0.00194 0.01313 0.001767 0] 115 [0.006579 -0.000484 -0.02071 0] 116 [-0.01232 0.01505 0.002614 0] 117 [-0.04537 -0.08078 -0.0004301 0] 118 [-0.002567 -0.001991 -1.503e-005 0] 119 [0.02905 -0.02511 -0.003461 0] 120 [0.004725 0.000914 0.03773 0] Hình 4.18 Hàm liên thuộc quan hệ vào-ra với hàm liên thuộc 114 InMFParams [14.44 10 0] 115 [14.4 43.97 0] 116 [14.24 77.86 0] 117 [14.51 111.9 0] 118 [14.46 146 0] 119 [14.45 180 0] 120 [17.58 32.07 0] 121 [17.42 73.07 0] 122 [17.56 114.3 0] 123 [17.82 154.5 0] 124 [17.4 196.3 0] 125 [17.2 237.5 0] 126 OutMFParams [0.02294 0.006059 0.0002509 0] 127 [0.007765 0.00216 -7.288e-006 0] 128 [0.00221 0.001372 1.449e-005 0] 129 [0.00398 0.00137 9.782e-006 0] 130 [0.0001777 0.001471 6.428e-006 0] 131 [0.00108 0.0007804 4.706e-006 0] 132 [0.0114 0.01707 0.0005554 0] 133 [0.003607 0.00447 4.927e-005 0] 134 [0.00323 0.004344 4.908e-005 0] 135 [0.001606 0.00083 4.786e-006 0] 136 [0.0006937 0.001515 7.773e-006 0] 137 [-0.0001579 0.001221 4.673e-006 0] 138 [0.01138 0.009512 0.0001303 0] 139 [0.01136 0.001027 0.0003341 0] 140 [0.008286 -0.0008628 -0.0001537 0] 141 [-0.001473 0.004728 4.016e-005 0] 142 [0.0005125 0.001913 9.121e-006 0] 143 [0.0003079 0.001126 4.326e-006 0] 144 [-0.001865 -0.001508 -1.576e-005 0] 145 [0.004239 0.007247 -0.0001959 0] - 135 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 [0.004013 0.003012 0.0005389 0] [0.002721 0.002137 -4.793e-005 0] [0.001742 0.001745 1.114e-005 0] [2.074e-005 4.391e-005 2.267e-007 0] [7.354e-005 4.87e-005 4.729e-007 0] [0.009745 0.007595 0.0001067 0] [0.005774 0.000941 -0.0002405 0] [0.00234 0.003054 0.0002119 0] [-0.00281 0.004227 1.343e-005 0] [2.874e-005 3.559e-005 2.086e-007 0] [-6.08e-008 -4.846e-008 -4.476e-010 0] [0.001147 0.0008973 6.91e-006 0] [0.002016 0.005983 0.0001143 0] [0.003825 0.001466 -7.2e-005 0] [0.002424 -0.001136 -3.287e-006 0] [-3.725e-006 -4.131e-006 -2.529e-008 0] - 136 - Hình 4.20 Đáp ứng ngõ công suất với setpoint công suất 49.6 Kết mô cho thấy độ xác điều khiển neuro-mờ xác.Sai lệch khoảng 10-7-10-8 Hình 4.21 Đáp ứng ngõ công suất với setpoint công suất 68.4 4.7.2 Bộ điều khiển xử lý hồi tiếp đáp ứng hệ thống Hình 4.22 Đáp ứng ngõ công suất với setpoint công suất 91.5 Hình 4.19 Sai lệch hệ tinh chỉnh thuật giải di truyền - 137 - Hình 4.23 Đáp ứng ngõ công suất với setpoint công suất 121.1 Hình 4.24 Đáp ứng ngõ mức bao với setpoint công suất 121.1 - 138 - Hình 4.26 Đáp ứng ngõ công suất với setpoint công suất 34.4 Hình 4.27 Đáp ứng ngõ công suất với setpoint công suất 21.5 Hình 4.28 Đáp ứng ngõ mức bao với setpoint công suất 21.5 Hình 4.25 Đáp ứng ngõ áp suất bao với setpoint công suất 121.1 - 139 - - 140 - Hình 4.29 Đáp ứng ngõ áp suất với setpoint công suất 21.5 Hình 4.32 Đáp ứng ngõ áp suất với setpoint công suất 160 Hình 4.30 Đáp ứng ngõ công suất với setpoint công suất 160 Hình 4.33 Đáp ứng ngõ công suất với setpoint công suất 91.5 Hình 4.31 Đáp ứng ngõ mức bao với setpoint công suất 160 Hình 4.34 Đáp ứng ngõ công suất với setpoint công suất 49.6 - 141 - - 142 - Hình 4.35 Đáp ứng ngõ áp suất với setpoint công suất 49.6 Hình 4.38 Đáp ứng ngõ công suất với setpoint hàm bước từ 150 đến 160 Hình 4.36 Đáp ứng ngõ công suất với setpoint hàm bước từ 150 đến 160 Hình 4.39 Đáp ứng ngõ áp suất với setpoint hàm bước từ 150 đến 160 Hình 4.37 Đáp ứng ngõ áp suất với setpoint hàm bước từ 150 đến 160 Hình 4.40 Đáp ứng ngõ công suất với setpoint hàm bước từ 140 đến 160 - 143 - - 144 - Hình 4.41 Đáp ứng ngõ áp suất với setpoint hàm bước từ 140 đến 160 Hình 4.44.Đáp ứng hệ thống chưa có bù Hình 4.45.Đáp ứng hệ thống có bù Hình 4.42 Tín hiệu điều khiển cho vòng công suất vòng mức nước Tín hiệu điều khiển phần điều khiển feedforward tạo ra.Tín hiệu điều khiển phần điều khiển feedback tạo phần tín hiệu tổng Hình 4.46.Đáp ứng hệ thống có nhiễu tín hiệu ngõ vào công suất Hình 4.43 Đáp ứng với setpoint hàm ramp từ 70 đến 100 - 145 - Hình 4.47.Đáp ứng hệ thống có nhiễu tín hiệu ngõ vào áp suất - 146 - Từ kết mô thấy đáp ứng hệ thống với setpoint tốt, có vọt lố ban đầu không đáng kể trạng thái xác lập hệ thống bám theo setpoint sát Khi chưa có bù đáp ứng hệ thống dao động lớn thời gian mô tăng lên thêm vào bù đáp ứng ổn định trạng thái xác lập Bên cạnh đó, kết mô ta thấy hệ thống đáp ứng tốt ngõ vào bị nhiễu Đây ưu điểm phương pháp điều khiển thông minh Các bảng 4.6 4.7 trình bày vài thông số có từ kết tinh chỉnh thật giải di truyền Mỗi bảng ứng với điều kiện công tác khác Bảng 4.6 ứng với trường hợp áp suất trượt bảng 4.7 ứng với trường hợp cao áp Bảng 4.6 Thông số điều khiển điểm công tác với áp suất trượt Thông số Hình 4.48.Đáp ứng hệ thống có nhiễu tín hiệu ngõ vào mức Kp Ki Kd Kp Ki Kd Kp Ki Kd Điểm công tác 49.9MW 91.5MW 0.1749 0.0802 0.0091 0.0063 0 0.0263 0.0502 9.77E-05 1.25E-04 0 0.0278 0.0182 8.82E-04 1.68E-04 0 160MW 0.0373 0.0025 0.0536 1.25E-04 0.013 1.80E-04 Bảng 4.7 Thông số điều khiển điểm công tác với áp suất cao Thông số Kp Ki Kd Kp Ki Kd Kp Ki Kd Hình 4.49.Đáp ứng hệ thống có nhiễu ba tín hiệu ngõ vào 21.5MW 0.1998 1.01E-04 9.77E-05 1.01E-04 0.0268 0.0017 54.8 0.1492 0.0058 0.005 1.01E-04 0.0215 4.16E-04 Điểm công tác 104.1 142.7 0.0265 0.0496 8.73E-04 0.0018 0 0.0633 0.0157 9.77E-05 2.75E-05 0 0.0069 0.031 9.77E-05 0.0017 0 174.6 0.0329 7.78E-04 0.0158 1.16E-04 0.0259 9.77E-05 - 147 - - 148 - KẾT LUẬN VÀ KIẾN NGHỊ DANH MỤC CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ 1.Kết luận Luận văn trình bày phương pháp điều khiển đối tượng phi tuyến đối tượng phi tuyến chọn tổ hợp lượng nhiên liệu than Việc thiết kế hệ thống điều khiển kết hợp ba nguyên tắc Kỹ thuật trình cho phép nhận dạng toàn mục tiêu hệ thống điều khiển Kỹ thuật điều khiển thông minh cho phép xác định công việc phân tích hệ thống điều khiển Kỹ thuật phần mềm dùng để xác định nhóm phân đoạn theo mục đích đặt Cả ba kỹ thuật tạo nên hệ thống điều khiển hai mức Đầu tiên mức giám sát cung cấp đặc tính vận hành tự quản hệ thống điều khiển Mức thấp thứ hai cung cấp chức phản ứng cần thiết cho điều khiển bảo vệ thời gian thực Kết mô cho thấy hệ thống điều khiển có hiệu suất tốt việc thiết kế chúng không cần phải hiểu biết sâu sắc đối tượng điều khiển Điều giúp cho người thiết kế linh động việc thiết kế dùng cho nhiều mục đích khác nhau, mở rộng hay thu hẹp tuỳ theo đối tượng điều khiển Nhược điểm phương pháp chưa khắc phục việc tương tác vòng điều khiển đối tượng MIMO Kết việc điều khiển có xác hay không phụ thuộc nhiều vào bù decoupling Tuy nhiên, với đối tượng phi tuyến MISO phương pháp tỏ có ưu [1].Hoàng Ngọc Sơn.:Ứng dụng mạng Nơron & Logic Mờ nhận dạng hệ phi tuyến, Tạp chí Tự động hoá ngày nay,số 59-60 [2].Hoàng Ngọc Sơn.:Ứng dụng mạng Nơron tinh chế dầu, Tạp chí Tự động hoá ngày nay,số 59-60 [3].Hoàng Ngọc Sơn.:Thuật giải di truyền ứng dụng tính toán mềm,Tạp chí Tự động hoá ngày nay,số 63 [4].Hoàng Ngọc Sơn.;Phan Xuân Minh.:Ứng dụng tính toán mềm nhận dạng đối tượng phi tuyến, Chuyên san kỹ thuật điều khiển tự động, số 12-2005 [5].Hoàng Ngọc Sơn.:Những tiến gần Ứng dụng tính toán mềm điều khiển trình, Tạp chí Tự động hoá ngày nay,số 65-66 [6].Hoàng Ngọc Sơn.:Một vài phương pháp xác định thông số cho mạng nơron mô hình mờ, Tạp chí Tự động hoá ngày nay,số 68 2.Kiến nghị cho nghiên cứu tương lai  Nghiên cứu mở rộng sơ đồ hệ thống điều khiển cho tổ hợp lượng nhiên liệu khí (nhà máy điện chu trình kết hợp)  Tìm phương pháp decoupling hiệu để loại bỏ hoàn toàn tương tác vòng điều khiển  Xây dựng hệ thống điều khiển toàn diện để đáp ứng yêu cầu phòng điều khiển - 149 - - 150 - DANH MỤC TÀI LIỆU THAM KHẢO [16] Zygfryd Domachowski, Marek Dzida:Specific Problems Of Combined Cycle Power Plant Control Dynamics ,Proceedings of 2000 International Joint Power Generation Conference Miami Beach, Florida, July 23-26, 2000 [17]Patrick E.A van der Lee, Tam_as Terlaky , Theo Woudstra:A new approach to optimizing energy systems,1999 [18]Nicholas Aluko.:Uk Capabilities: Research And Development In Cleaner Coal Technologies,Department of Trade and Industry, Victoria Street, London SW1H 0ET [19] Lurgi Oel • Gas • Chemie GmbH · Lurgiallee · D-60295 Frankfurt am Main Multi Purpose Gasification Tiếng Việt [1]Phan Xuân Minh.; Nguyễn Doãn Phước.:Lý thuyết Điều khiển mờ.Nhà xuất khoa học Kỹ thuật, 1999 [2] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung.:Lý thyết điều khiển phi tuyến, Nhà xuất Khoa Học Và Kỹ Thuật,2003 [3] Nguyễn Phùng Quang.:Matlab Simulink Dành Cho Kỹ Sư Điều khiển Tự Động , Nhà xuất Khoa Học Và Kỹ Thuật,2003 [4] N.D.Phước: Lý thuyết điều khiển tuyến tính NXB KH & KT 2004 Tiếng Anh [5].Lakhmi Jain,Ph.D.;Anna Maria Fanelli, Ph.D.:Recent Advances in Artificial Neural Networks Design and Applications CRC Press LLC,2000 [6].Kazuo Tanaka.;Hua O.Wang.:Fuzzy Control Systems Design & Analysis.John Wiley & Sons, Inc.2001 [7].Olaf Wolkenhauer.:Fuzzy Mathematics in Systems Theory and Data Analysis John Wiley and Sons, Inc.2001 [8].Raul Garduno-Ramirez.:Overall Intelligent Hybrid control system for a fossil-fuel power unit,Doctor of Philosophy,2000 [9] G F Franklin, J D Power, A E Naeini: Feedfback Control of Dynamic Systems Addison-Wesley 1995 [10] Tuula Savola.:Simulation And Optimisation Of Power Production In Biomass-Fuelled Small-Scale Chp Plants,Helsinki University of Technology Department of Mechanical Engineering Energy Engineering and Environmental Protection Publications Espoo 2005 [11] Hung T Nguyen, Michio Sugeno: Fuzzy systems Modeling and Control Kluwer Academic Publisher 1998 [12] Chun-Liang Lin and Huai-Wen Su.:Intelligent Control Theory in Guidance and Control System Design: an Overview,Proc Natl Sci, Counc ROC(A)Vol 24, No 1, 2000 pp 15-30 [13] Wilfried Elmenreich.:Intelligent Methods for Embedded System,1Institute for Computer Engineering, Technical University of Vienna, Vienna, Austria [14]Alejandro Zaleta-Aguilar and Armando Gallegos-Muñoz.: A Reconciliation Method Based on a Module Simulator An Approach to the Diagnosis of Energy System Malfunctions,Int.J Thermodynamics, pp.51-60, June-2004 [15]Victor-Eduard Cenuşă, Adrian Badea.:Exergetic Optimization of the Heat Recovery Steam Generators by Imposing the Total Heat Transfer Area Int.J Thermodynamics, (No.3), pp.149-156, September-2004 [...]... nhận dạng và điều khiển thiết bị, vì thế hình thành cấu trúc điều khiển thích nghi Chúng ta sẽ giới thiệu vài cách cơ bản trong đó dữ liệu huấn luyện mạng nơron có thể thu được trong những công việc liên quan đến điều khiển :  Sao chép từ một bộ điều khiển hiện có: Nếu có một bộ điều khiển có thể điều khiển một thiết bị,thì thông tin yêu cầu để huấn luyện một mạng nơron có thể thu được từ nó Mạng nơron... điều khiển được thiết kế từ luật tương ứng của một mô hình mờ T-S Bộ điều khiển mờ chia sẽ cùng tập mờ với mô hình mờ trong phần giả thiết Sau đây ta sẽ xây dựng bộ điều khiển mờ qua PDC: Hình 2.19 Thiết kế điều khiển mờ dựa trên mô hình 2.7.2.2 Luật điều khiển i: Nếu z1(t) là Mi1 và … và zp(t) là Mip , thì u(t) = - Fix(t), i=1,2,…,r Những luật điều khiển mờ có một bộ điều khiển tuyến tính ( luật điều. .. tính ( luật điều khiển hồi tiếp trạng thái) trong phần kết luận Ta cũng có thể dùng những bộ điều khiển khác chẳng hạn những bộ điều khiển hồi tiếp ngõ ra và những bộ điều khiển hồi tiếp ngõ ra động Bộ điều khiển mờ toàn bộ được thể hiện như sau: (2.81) Thiết kế bộ điều khiển mờ là xác định những độ lợi hồi tiếp cục bộ Fi trong những phần kết luận Với PDC ta có một thủ tục đơn giản và tự nhiên để đạt... hệ đặc tính cấu trúc giữa dữ liệu vào và ra MẠNG NƠRON, LÔGIC MỜ VÀ NHỮNG ỨNG DỤNG CỦA CHÚNG TRONG ĐIỀU KHIỂN QUÁ TRÌNH Chương này sẽ thể hiện những ứng dụng nổi bật của mạng nơron trong điều khiển quá trình Người ta nhận thấy rằng những phương pháp lai dùng mạng nơron dang hứa hẹn nhiều triển vọng cho điều khiển những hệ thống phi tuyến và/ hoặc MIMO mà không thể điều khiển thành công bằng những kỹ thuật... 2.1.Giới thiệu Những kỹ thuật điều khiển truyền thống như điều khiển Tích phân tỉ lệ(PI) hay điều khiển Vi tích phân tỉ lệ(PID) được ứng dụng thành công trong điều khiển những quá trình tuyến tính Gần đây, Điều khiển tiên đoán mô hình (MPC) cũng thực hiện thành công trong điều khiển những hệ thống tuyến tính Tuy nhiên, khoảng 90% những quá trình sinh học và hoá học là phi tuyến cao và hầu hết chúng là những... ứng vào-ra của một thiết bị Trong những trường hợp phức tạp hơn, ngõ vào mô hình có thể chứa vài giá trị trễ của những ngõ vào thiết bị và mô hình mạng có thể là đệ quy  Nhận dạng hệ thống ngược: Trong trường hợp này,ngõ vào mạng là ngõ ra của thiết bị và ngõ ra của mạng là ngõ vào thiết bị Khi thu được mạng nơron ngược của thiết bị,nó được cung cấp ngõ ra thiết bị mong muốn và ngõ ra của nó là ngõ vào... của những mạng này là chúng có thể tạo những ánh xạ vào-ra mà có thể xấp xỉ bất kỳ hàm nào với độ chính xác mong muốn Mạng nơron được dùng trong những hệ thống điều khiển chủ yếu là nhận dạng và điều khiển hệ thống Trong nhận dạng hệ thống, để mô hình đáp ứng vào-ra của một hệ thống động, mạng được huấn luyện dùng dữ liệu vào-ra và trọng số mạng được điều - 25 - chỉnh thường dùng thuật toán backpropagation(lan... cách trực tiếp Bằng cách huấn luyện mạng nơron để học “mô hình ngược” của một thiết bị,nó có thể được dùng như một “bộ điều khiển “ cho thiết bị này Những bộ điều khiển mạng nơron cũng có thể được dùng trong những cấu trúc MPC như là những bộ đánh giá hay /và bộ điều khiển Vì những quá trình sinh học và hoá học thường phức tạp, thay vì dùng mạng nơron một mình trong điều khiển những quá trình này, nên dùng... Mạng nơron học sao chép bộ điều khiển hiện có Một lý do để sao chép một bộ điều khiển hiện có là nó có thể là một dụng cụ không thực tế để dùng, chẳng hạn như một chuyên gia Trong một vài trường hợp,chỉ vài cặp vào-ra hữu hạn của một bộ điều khiển mong muốn được biết Thì một mạng nơron có thể được huấn luyện để thi đua với bộ điều khiển mong muốn bằng cách nội sưy những cặp vào-ra này  Nhận dạng hệ... những hệ thống điều khiển phi tuyến Những kỹ thuật điều khiển phi tuyến khác đòi hỏi những kiến thức chuyên sâu và bao quát hơn Cũng cần lưu ý rằng mặc dù bộ điều khiển mờ được xây dựng dùng cấu trúc thiết kế cục bộ, những độ lợi hồi tiếp Fi cần xác định dùng những điều kiện thiết kế toàn cục Những điều kiện thiết kế toàn cục là cần thiết để bảo đảm ổn định toàn cục và hiệu suất điều khiển - 56 - 2.7.3