Điều khiển nhiệt độ bao hơi cho nhà máy nhiệt điện trên cơ sở điều khiển dự báo dựa mô hình mờ

Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học LỜI CAM ĐOAN Tôi xin cam đoan luận văn tốt nghiệp công trình nghiên cứu thực cá nhân, thực sở nghiên cứu lý thuyết, kiến thức kinh điển, nghiên cứu khảo sát tình hình thực tiễn hướng dẫn khoa học PGS.TS Phan Xuân Minh Các số liệu, mô hình toán kết luận văn trung thực chưa công bố công trình khoa học Tác giả luận văn Lương Văn Kiên Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học MỤC LỤC LỜI CAM ĐOAN 1  MỤC LỤC 2  DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT 4  DANH MỤC CÁC BẢNG BIỂU 5  DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ 6  LỜI MỞ ĐẦU 7  CHƯƠNG TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO DỰA MÔ HÌNH 9  1.1  GIỚI THIỆU CHUNG 9  1.2 PHƯƠNG PHÁP LUẬN CỦA MPC 12  1.3 CÁC YẾU TỐ CỦA MPC 13  1.3.1 Mô hình dự báo 13  1.3.2 Phiếm hàm mục tiêu 14  1.3.3 Luật điều khiển 17  1.4 MỘT SỐ THUẬT TOÁN MPC 17  CHƯƠNG MÔ HÌNH HÓA ĐỐI TƯỢNG ĐIỀU KHIỂN BẰNG MÔ HÌNH MỜ 20  2.1 Mô hình mờ 20  2.1.1 Mờ hóa (fuzzifier) 22  2.1.2 Cơ chế suy diễn mờ 23  2.1.3 Giải mờ (rõ hóa tập mờ) 30  2.2  Mô hình hóa hệ động học mô hình mờ 32  2.2.1 Lựa chọn thành phần vector hồi quy 32  2.2.2 Biểu diễn luật suy diễn sở 34  2.2.3 Phương pháp huấn luyện mô hình 34  CHƯƠNG THIẾT KẾ THUẬT TOÁN ĐIỀU KHIỂN MPC TRÊN CƠ SỞ MÔ HÌNH MỜ 42  3.1 XÂY DỰNG MÔ HÌNH DỰ BÁO MỜ 42  3.2 CÁC PHƯƠNG PHÁP GIẢI BÀI TOÁN TỐI ƯU MPC 43  3.2.1 Các phương pháp thông thường 43  3.2.2 Phương pháp giải thuật di truyền (Genetic Algorithm) 44  3.2.3 Phương pháp Giới hạn rẽ nhánh (Branch and Bound) 53  Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học CHƯƠNG ỨNG DỤNG PHƯƠNG PHÁP ĐIỀU KHIỂN DỰ BÁO TỰA MÔ HÌNH MỜ CHO HỆ THỐNG ĐIỀU KHIỂN NHIỆT ĐỘ BAO HƠI NHÀ MÁY NHIỆT ĐIỆN VÀ MÔ PHỎNG KIỂM CHỨNG ……………………………………………………………… 60 4.1 GIỚI THIỆU TỔNG QUAN VỀ CHU TRÌNH NHÀ MÁY NHIỆT ĐIỆN 60  4.1.1 Giới thiệu tổng quan nhà máy nhiệt điện Phả Lại 60  4.1.2 Chu trình nhà máy nhiệt điện 62  4.2.XÂY DỰNG MÔ HÌNH MỜ CHO BAO HƠI 65  4.2.1 Tổng quan lò 65  4.2.2 Thu thập liệu vào 71  4.2.3 Xây dựng mô hình dự báo mờ cho đối tượng bao 72  4.3 THIẾT KẾ BỘ ĐIỀU KHIỂN DỰ BÁO NHIỆT ĐỘ BAO HƠI 81  4.3.1 Thiết kế điều khiển dự báo nhiệt độ bao sở giải toán tối ưu phương pháp Giải thuật di truyền (Genetic Algorithm) 81  4.3.2 Thiết kế điều khiển dự báo nhiệt độ bao sở giải toán tối ưu phương pháp Giới hạn rẽ nhánh (Branch and Bound) 83  4.4 Mô kiểm chứng Matlab-Simulink 84  4.4.1 Mô kiểm chứng ảnh hưởng trọng số lên chất lượng đầu 84  4.4.2 So sánh chất lượng hệ thống điều khiển sử dụng giải thuật tối ưu 85  4.5 Nhận xét đánh giá 90  KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 91  TÀI LIỆU THAM KHẢO 93  Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT MPC : Điều khiển dự báo theo mô hình FMPC : Điều khiển dự báo theo mô hình mờ GPC : Điều khiển dự báo tổng quát FIS : Hệ thống suy luận mờ MIMO : Nhiều vào, nhiều SISO : Một vào, MISO : Nhiều vào, SIMO : Một vào, nhiều y : Tín hiệu tương lai w : Tín hiệu đặt u : Tín hiệu điều khiển h1 : Giới hạn miền dự báo Hp : Giới hạn miền dự báo Hc : Giới hạn miền điều khiển Gas : Giải thuật di truyền B&B : Phương pháp giới hạn rẽ nhánh (Branch and Bound) δ ( j) ,λ ( j) : Chuỗi trọng số điều chỉnh F : Tập mờ X : Tập L : Số luật hợp thành M : Số hàm thành viên Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học DANH MỤC CÁC BẢNG BIỂU Bảng 2.1.Phương pháp xây dựng mô hình mờ 34  Bảng 4.1 Đặc tính kỹ thuật lò phụ tải cực đại định mức 66  Bảng 4.2 Thông số lò 70  Bảng 4.3 Bộ liệu vào 71  Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1.Sơ đồ khối hệ thống điều khiển dự báo 10  Hình 1.2 Chiến lược điều khiển dự báo 12  Hình 1.3 : Quỹ đạo quy chiếu 16  Hình 2.1 Phương pháp giải mờ cực đại 31  Hình 2.2 Miền t 32  Hình 2.3 Sơ đồ hình 33  Hình 3.1 Cấu trúc điều khiển MPC với Mô hình đối tượng Mô hình mờ 42  Hình 3.2 Bánh xe quay Roulette 49  Hình 3.3 Sơ đồ thực thi giải thuật di truyền 52  Hình 3.4 Sơ đồ minh họa Branch and Bound 53  Hình 4.1 Tổng quan chu trình nước  nhà máy nhiệt điện Phả Lại 62  Hình 4.2 Hệ thống nước tuần hoàn chữ U bình ngưng 63  Hình 4.3 Chu trình gia nhiệt hạ áp 63  Hình 4.4.Chu trình gia nhiệt cao áp 64  Hình 4.5 Cấu tạo lò BZK-220-100-10C 65  Hình 4.6 Bộ liệu vào 72  Hình 4.7 Kết nhận dạng đối tượng 75  Hình 4.8 Kết sau xác định cấu trúc mô hình mờ 77  Hình 4.9 Kết huấn luyện kiểm chứng mô hình 80  Hình 4.10 Đặc tính động hệ thống 80  Hình 4.11 Đáp ứng với λ =0.001 85  Hình 4.12 Đáp ứng với λ =0.1 85  Hình 4.13 Đáp ứng với num_bit =10 86  Hình 4.14 Đáp ứng tăng khoảng dự báo Hp=8 87  Hình 4.15 Đáp ứng theo phương pháo B&B 87  Hình 4.16 Bộ điều khiển MPC sử dụng giải thuật di truyền 88  Hình 4.17 Bộ điều khiển MPC sử dụng giải B&B 89  Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học LỜI MỞ ĐẦU Điều khiển dự báo theo mô hình (MPC – Model Predictive Control) khởi đầu vào cuối năm 70 kể từ phương pháp phát triển đáng kể lĩnh vực nghiên cứu điều khiển ứng dụng trình công nghiệp Nó xem công cụ mạnh cho điều khiển trình công nghiệp, đặc biệt trình phi tuyến, nhiều đầu vào – nhiều đầu Thuật ngữ MPC không rõ chiến lược điều khiển cụ thể mà dải rộng phương pháp điều khiển sử dụng mô hình toán học đối tượng/quá trình để tìm tín hiệu điều khiển nhờ việc tối thiểu hoá phiếm hàm mục tiêu Vì phải sử dụng mô hình toán học để dự báo đầu đối tượng thời điểm tương lai nên phương pháp mô hình đối tượng đóng vai trò quan trọng Tuy nhiên hệ phi tuyến việc xây dựng mô hình toán học toán khó đặc tính phi tuyến đa dạng Một hướng nghiên cứu khoảng thập kỷ trở lại áp dụng lý thuyết mờ vào toán nhận dạng hệ phi tuyến Các kết nghiên cứu giải pháp hiệu (Espinosa đồng tác giả,1999; Hadjili Wertz, 1999; Roubos đồng tác giả,1999;…) Hơn thế, phát triển mạnh mẽ công nghệ công cụ phần mềm mở khả ứng dụng có hiệu phương pháp điều khiển dự báo cho trình công nghệ Mặc dù khẳng định MPC lựa chọn tốt để điều khiển đối tượng công nghiệp thực kỹ thuật có nhiều ưu điểm Lò thiết bị quan trọng trình sản xuất công nghiệp trình sản xuất điện, sản xuất giấy, Trong nhà máy nhiệt điện, lò thiết bị lớn vận hành phức tạp nhất, hệ thống có nhiều Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học đầu vào nhiều đầu Hệ thống điều khiển lò hệ thống điều khiển phức tạp, giám sát điều khiển hàng trăm tham số Hệ thống có cấu trúc phức tạp với hàng trăm mạch vòng điều khiển khác Trong hệ thống điều chỉnh nhiệt độ bao khâu quan trọng hệ thống điều khiển lò Nhiệm vụ hệ thống đảm bảo tương quan lượng nước đưa vào lò nhiệt độ bao Khi tương quan bị phá vỡ mức nước bao không kiểm soát dẫn tới cố tuabin hay lò hơi, làm giảm suất bốc bao hơi, giảm nhiệt độ bao ảnh hưởng tới vận hành tuabin, gây nổ hệ thống ống sinh Việc tự động điều chỉnh nhiệt độ bao khâu trọng yếu hệ thống điều chỉnh tự động lò hơi, đóng vai trò quan trọng việc nâng cao chất lượng hệ thống điều khiển lò Chính vậy, em chọn đề tài tốt nghiệp là: “Điều khiển nhiệt độ bao cho nhà máy nhiệt điện sở điều khiển dự báo tựa mô hình mờ ” (Temperature Control for Steam Tank of Thermal Powerplant based on Fuzzy Model Predictive Controller ) Sau thời gian miệt mài với cố gắng thân với giúp đỡ tận tình thầy cô giáo môn Điều Khiển Tự Động, đặc biệt hướng dẫn trực tiếp cô giáo PGS.TS Phan Xuân Minh, em hoàn thành xong luận văn tốt nghiệp Tuy nhiên trình độ hạn chế nên tránh khỏi thiếu sót luận văn em mong nhận góp ý, phê bình thầy cô để luận văn em hoàn thiện Em xin chân thành cảm ơn! Hà Nội ngày 15 tháng 06 năm 2012 Lương Văn Kiên Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học CHƯƠNG TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁOTỰA MÔ HÌNH 1.1 GIỚI THIỆU CHUNG Điều khiển dự báo theo mô hình (MPC – Model Predictive Control) công cụ mạnh cho điều khiển trình công nghiệp, đặc biệt trình phi tuyến, nhiều vào – nhiều Kể từ đời cách khoảng bốn thập kỷ, phương pháp phát triển đáng kể lĩnh vực nghiên cứu điều khiển ứng dụng trình công nghiệp MPC có lẽ giải pháp tổng quát cho thiết kế điều khiển miền thời gian, áp dụng cho hệ tuyến tính phi tuyến, đặc biệt mà tín hiệu đặt biết trước Ngoài MPC điều khiển tr ình có tín hiệu điều khiển bị chặn, có điều kiện ràng buộc Tuy nhiên, sử dụng điều kiện hạn chế, khó chứng minh tính ổn định bền vững mặt lý thuyết hệ MPC, hầu hết ứng dụng tổng kết cho thấy độ ổn định định Đây nói trở ngại để MPC phổ biến rộng rãi lĩnh vực nghiên cứu điều khiển Mặc dù vậy, kết đầy hứa hẹn cho phép nghĩ đến việc mở rộng kỹ thuật điều khiển tương lai Tư tưởng điều khiển dự báo theo mô hình là: - Luật điều khiển phụ thuộc vào hành vi dự báo - Sử dụng mô hình toán học để dự báo đầu đối tượng/quá trình thời điểm tương lai (gọi miền giới hạn dự báo – prediction horizon) - Chuỗi tín hiệu điều khiển tương lai giới hạn điều khiển (control horizon) tính toán thông qua việc tối thiểu hóa phiếm hàm mục tiêu (cost function) Điều Khiển Tự Động Hóa Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học - Sử dụng sách lược lùi xa (receding strategy), tức thời điểm tín hiệu điều khiển chuỗi tín hiệu điều khiển tính toán sử dụng, sau giới hạn dự báo lại dịch bước phía tương lai Hình 1.1.Sơ đồ khối hệ thống điều khiển dự báo Các thuật toán MPC khác không giống mô hình toán học mô tả đối tượng/quá trình, ồn nhiễu phiếm hàm mục tiêu cần tối thiểu hóa Do tính khả mở phương pháp MPC, nhiều công trình phát triển thừa nhận rộng rãi công nghiệp nghiên cứu Thành công ứng dụng điều khiển dự báo không công nghiệp chế biến mà nhiều trình đa dạng khác, từ điều khiển robot gây mê lâm sàng (y học) Các ứng dụng MPC công nghiệp xi măng, tháp sấy, tháp chưng cất, công nghiệp PVC, máy phát h nước hay động servo giới thiệu nhiều t ài liệu khác Chất lượng tốt ứng dụng cho thấy MPC có khả đạt hệ thống điều khiển hiệu cao, vận hành lâu dài bền vững MPC thể loạt ưu điểm so với phương pháp điều khiển khác, bật là: Điều Khiển Tự Động Hóa 10 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hình 4.9 Kết huấn luyện kiểm chứng mô hình Hình 4.10 Đặc tính động hệ thống Nhận xét: Kết nhận dạng cho thấy mô hình mờ mô tả xác đối tượng Điều Khiển Tự Động Hóa 80 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học 4.3 THIẾT KẾ BỘ ĐIỀU KHIỂN DỰ BÁO NHIỆT ĐỘ BAO HƠI 4.3.1 Thiết kế điều khiển dự báo nhiệt độ bao sở giải toán tối ưu phương pháp Giải thuật di truyền (Genetic Algorithm) 4.3.1.1 Khởi tạo quần thể Ta xây dựng hàm để khởi tạo quần thể sau: generation=genbin(num_chro, num_bit); Trong đó: generation: quần thể khởi tạo num_chro: số nhiễm sắc thể quần thể num_bit: số bí mã hóa cho nhiễm sắc thể 4.3.1.2 Giải mã nhiễm sắc thể Để tính độ thích nghi nhiễm sắc thể, ta cần giải mã nhiễm sắc thể cách xây dwungj hàm sau: Val=bin2real(chro, range); Trong đó: chro: nhiễm sắc thể cần giải mã range: giải giá trị tín hiệu thực 4.3.1.3 Tái sinh Hàm tái sinh tính toán độ thích nghi nhiễm sắc thể từ tái sinh nhiễm sắc thể có độ thích nghi thích hợp tọa quần thể Newgen=selectmin(gen,myfis,lamda,TDLy,TDLu,range_dul,Hp,ref,y,u,t) Trong đó: gen: quần thể lúc trước tái sinh myfis: mô hình dự báo đói tượng điều khiển lamda: trọng số phiếm hàm mục tiêu TDLy,TDLu: đường dây trễ y, đường dây trễ u range_dul: giải biến thiên tín hiệu vào Điều Khiển Tự Động Hóa 81 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hp: giới hạn dự báo ref: tín hiệu đặt y,u: tín hiệu tín hiệu vào t: thời gian newgen: quần thể tái sinh 4.3.1.4 Lai ghép Quá trình lai ghép thực hàm sau: newgen=mate(gen,ma,n_point) Trong đó: gen: Quần thể trước lai ghép ma: xác suất lai ghép n_point: số điểm lai ghép newgen: quần thể sau lai ghép 4.3.1.5 Đột biến Quá trình đột biến thực hàm sau: newgen=mutae(gen,mu) Trong đó: gen: Quần thể trước có đột biến mu: xác suất đột biến newgen: quần thể sau đột biến 4.3.1.6 Thực thi điều khiển GA Bộ điều khiển GA xây dựng hàm sau: u=mpc_GA(myfis, lamda, TDLy, TDLu, model, Ts, Hp, num_bit, num_chro, num_gen, Amp, K_fb, Tmax); Trong đó: myfis: mô hình dự báo đói tượng điều khiển lamda: trọng số phiếm hàm mục tiêu Điều Khiển Tự Động Hóa 82 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học TDLy,TDLu: đường dây trễ y, đường dây trễ u model: đối tượng cần điều khiển Ts: chu kỳ trích mẫu num_chro: số nhiễm sắc thể quần thể num_bit: số bí mã hóa cho nhiễm sắc thể Hp: giới hạn dự báo Num_gen: số hệ tiến hóa Amp: biên độ tín hiệu đặt K_fb: hệ số khuếch đại mạch phản hồi Tmax: thời gian mô 4.3.2 Thiết kế điều khiển dự báo nhiệt độ bao sở giải toán tối ưu phương pháp Giới hạn rẽ nhánh (Branch and Bound) 4.3.2.1 Chỉnh định hệ số tỷ lệ γ Ta sử dụng mô hình mờ để chỉnh định hệ số tỷ lệ γ theo sở phân tích trên: - Khi ∆e ( k ) nhỏ e$ ( k + Hp ) nhỏ tức hệ gần với trạng thái xác lập tín hiệu điều khiển cần thay đổi chậm tức γ ( k ) → - Khi ∆e ( k ) lớn e$ ( k + Hp ) lớn tức hệ chưa tới trạng thái xác lập tín hiệu điều khiển cần thay đổi mạnh tức γ ( k ) → Như mô hình mờ chỉnh định hệ số γ có hai đầu vào ∆e ( k ) e$ ( k + Hp ) 4.3.2.2 Thực thi điều khiển B&B Bộ điều khiển B&B xây dựng hàm sau: Out=mpc_BB(myfis, TDLy, TDLu, lamda, model, Ts, Hp, range, rang_du, gamafis, Hc,Hp,NN, anpha, Amp, K_fb, Tmax); Trong đó: Điều Khiển Tự Động Hóa 83 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học myfis: mô hình dự báo đói tượng điều khiển lamda: trọng số phiếm hàm mục tiêu TDLy,TDLu: đường dây trễ y, đường dây trễ u model: đối tượng cần điều khiển Ts: chu kỳ trích mẫu range: giải giá trị đầu vào rang_du: giải biến thiên du gamafis: mô hình mờ chỉnh định hệ số tỷ lệ Hp: giới hạn dự báo Hc: giới hạn điều khiển NN: số mức lượng tử biến thiên tín hiệu anpha: hệ số lọc tín hiệu đặt Amp: biên độ tín hiệu đặt K_fb: hệ số khuếch đại mạch phản hồi Tmax: thời gian mô 4.4 Mô kiểm chứng Matlab-Simulink 4.4.1 Mô kiểm chứng ảnh hưởng trọng số lên chất lượng đầu * Phương pháp Genetic Algorithm: - Xét ảnh hưởng trọng số λ : Với Hp=5, Hc=1, λ =0.001, num_bit =15 Điều Khiển Tự Động Hóa 84 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hình 4.11 Đáp ứng với λ =0.001 Tăng λ =0.1 Hình 4.12 Đáp ứng với λ =0.1 Ta thấy tín hiệu điều khiển trơn hơn, nhiên lại làm phản ứng hệ thống trở nên xấu Điều Khiển Tự Động Hóa 85 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Như vậy, trọng số λ ảnh hưởng lớn đến chất lượng hệ thống Việc chọn tham số phải qua thực nghiệm phụ thuộc toán cụ thể: muốn trọng bám tín hiệu đặt λ nhỏ, chí gán λ = Ngược lại, cần tối ưu lượng phải tăng λ - Ảnh hưởng số bit để mã hóa nhiễm sắc thể Khi giảm số bit để mã hóa nhiễm sắc thể, đồng nghĩa với việc giảm độ xác lời giải, nhiên bù lại, ta lại giảm bớt thời gian bước tính Hình 4.13 Đáp ứng với num_bit =10 - Ảnh hưởng phạm vi dự báo đầu Hp: Trong trường hợp cần chất lượng điều khiển cao cho phép tăng thời gian bước tính ta tăng miền điều khiển, miền dự báo, số lượng nhiễm sắc thể quần thể, số hệ tiến hóa Sau kết tăng phạm vi dự báo: Hp = Điều Khiển Tự Động Hóa 86 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hình 4.14 Đáp ứng tăng khoảng dự báo Hp=8 Như vậy, phương pháp GAs giải tương đối tốt toán tối ưu MPC Tuy nhiên, ta thấy, phương pháp này, số tham số cần chỉnh định tương đối nhiều Thời gian bước tính tương đối lớn * Phương pháp Branch & Bound: - Với miền điều khiển Hc = 2; miền dự báo đầu Hp = 10 Hình 4.15 Đáp ứng theo phương pháo B&B Điều Khiển Tự Động Hóa 87 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Nhận xét: Ta thấy điều khiển dự báo MPC theo phương pháp Branch & Bound có số ưu điểm sau: - Thời gian xác lập ngắn - Không độ điều chỉnh - Khi tăng phạm vi dự báo (Hp, Hc ) chất lượng cải thiện - Tín hiệu điều khiển thay đổi phạm vi không lớn - Thời gian bước tính nhỏ 4.4.2 So sánh chất lượng hệ thống điều khiển sử dụng giải thuật tối ưu - Phương pháp Genetic Algorithm: Kết cho thời gian bước tính T ~ 3.6s Hình 4.16 Bộ điều khiển MPC sử dụng giải thuật di truyền - Phương pháp Branch and Bound: Kết cho thời gian bước tính T ~ 0.063s Điều Khiển Tự Động Hóa 88 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hình 4.17 Bộ điều khiển MPC sử dụng giải B&B Nhận xét: * Chất lượng điều khiển hai phương pháp tương đối tốt: - Đầu bám nhanh với tín hiệu đặt, thời gian độ ngắn - Miền dự báo tương đối lớn nên hệ cho đáp ứng điều chỉnh - Không tồn sai lệch tĩnh - Khi tín hiệu đặt biết trước hệ thống có phản ứng trước, kịp thời đưa đầu bám tín hiệu đặt tín hiệu đặt thay đổi, giúp cho hệ thống bù thời gian trễ đối tượng Điều có ý nghĩa trình điều khiển mà tín hiệu đặt biết trước trình chưng cất theo mẻ, hay điều khiển cánh tay robot bám theo quỹ đạo… - Tín hiệu điều khiển tương đối trơn, thể hiển tính tối ưu mặt lượng Điều Khiển Tự Động Hóa 89 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội * Luận Văn Thạc Sỹ Khoa Học Phương pháp Branch and Bound cho thời gian bước tính nhỏ hẳn so với giải thuật di truyền 4.5 Nhận xét đánh giá Qua kết xây dựng kiểm chứng Matlab-Simulink trên, ta rút số kết luận sau: Bộ điều khiển dự báo tựa mô hình mờ áp dụng để điều khiển nhiệt độ bao lò cho kết tốt, đường đặc tính dự báo tương đối sát với đường đặc tính cần điều khiển Điều làm cho trình độ diễn ngắn hơn, độ điều chỉnh đặc tính độ nhỏ Việc hiệu chỉnh thông số điều khiển mờ đơn giản so với phương pháp kinh điển Cả hai phương pháp Genetic Algorithm Branch and Bound cho chất lượng điều khiển tốt Điểm khác biệt lớn hai phương pháp khối lượng thời gian tính toán: Phương pháp Branch and Bound tỏ chiếm ưu vượt trội so với giải thuật di truyền khả tính toán nhanh Điều Khiển Tự Động Hóa 90 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Kết luận: Ngay từ đời, điều khiển dự báo phát triển mạnh mẽ có nhiều ứng dụng công nghiệp Nó đặc biệt hấp dẫn với người sử dụng có kiến thức hạn chế lý thuyết điều khiển khái niệm đưa trực quan, đồng thời việc điều chỉnh tương đối dễ dàng Nó sử dụng để điều khiển nhiều trình, từ trình có đặc tính động học đơn giản trình phức tạp hơn, kể hệ thống có thời gian trễ lớn hệ pha không cực tiểu, hệ không ổn định Chọn cho đề tài tốt nghiệp điều khiển dự báo sở hệ logic mờ, em nỗ lực tìm tòi, nghiên cứu lý thuyết mờ, điều khiển dự báo theo mô ứng dụng chúng Sau trình làm luận văn em thu lượm cho kiến thức bổ ích sau: - Hiểu tổng quan điều khiển dự báo tựa mô hình - Mô hình hóa đối tượng mô hình mờ - Xây dựng thuật toán điều khiển MPC sở mô hình mờ - Ứng dụng vào điều khiển nhiệt độ bao nhà máy nhiệt điện - Biết cách mô kiểm chứng MatLab-Simulink Trong thời gian làm luận văn, em cố gắng nghiên cứu, thiết kế để có kết nêu Tuy nhiên thời gian kiến thức em có hạn, cộng với số điều kiện không cho phép nên luận văn nhiều hạn chế cần thầy cô nhận xét, bổ xung… Điều Khiển Tự Động Hóa 91 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học Hướng phát triển đề tài: Dựa kết đạt được, hạn chế tồn tại, gợi ý thầy cô hướng dẫn, em xin đề hướng phát triển đề tài là: - Thiết kế thêm nhiều thuật toán điều khiển dự báo khác cho đối tượng khác như: lò nhiệt, bình mức, điều chỉnh tốc độ… - Bổ sung thêm chức cho mạch điều khiển là: giám sát, điều khiển từ xa, điều khiển qua mạng - Có thể phát triển đề tài để ứng dụng tạo sản phẩm điều khiển dự báo chuy ên dụng dùng cho nhiều đối tượng công nghiệp khác Em mong nhận ý kiến đóng góp quý báu thầy cô Một lần nữa, chúng em xin chân thành cảm ơn PGS.TS Phan Xuân Minh, thầy cô giáo môn Điều khiển tự động, khoa Điện, trường Đại Học Bách Khoa Hà Nội, thầy cô giáo khác giúp đỡ chúng em hoàn thành đồ án Điều Khiển Tự Động Hóa 92 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học TÀI LIỆU THAM KHẢO [1] - Trần Quang Tuấn – Phan Xuân Minh (Bộ KH&CN- ĐH Bách Khoa HN), Điều khiển dự báo tựa mô hình sở hệ mờ, ứng dụng điều khiển lò phản ứng dây chuyền liên tục (CSTR), Science & Technology Development, Vol 13.K1-2010 [2] - N.D.Phuoc, P.X.Minh, Lý thuyết điều khiển mờ, NXB Khoa học kỹ thuật, 2000 [3] Nguyễn Công Hiền (2006), Giáo trình Mô hình hoá hệ thống mô phỏng, Đại học Bách khoa Hà Nội, Hà Nội [4] Nguyễn Phùng Quang (2006), Matlab-Simulink, nhà xuất Khoa học Kỹ thuật, Hà Nội [5] Hoàng Minh Sơn (2006), Cơ sở hệ thống điều khiển trình, nhà xuất Bách khoa Hà Nội, Hà Nội [10] - Takagi-Sugeno models, International Journal of Approximate Reasoning 22 (1999) 3-30 [6] - Trần Thị Vân Anh - Lại Khắc Lãi (Trường ĐH Kỹ thuật công nghiệp- ĐH Thái Nguyên), Điều khiển mức nước bao điều khiển mờ - Noron, Tạp chí Khoa học & Công nghệ - Số 2(46) Tập 1/Năm 2008 [7] – Mai Văn Sỹ, Nguyễn Ngọc Linh, Nghiên cứu, thiết kế cài đặt điều khiển dự báo sở hệ logic mờ, Lớp KSTN - ĐKTĐ - K48, ĐH BKHN, 2008 [8] - E S Camacho, C Bordons, Model predictive control in process industry, Springer, London, 1995 [9] - Kevin M Passino, Stephen Yurkovich - Fuzzy Control – Addison Wesle [10] - T Takagi, M Sugeno, Fuzzy identification of systems and its application to modeling and control , IEEE Trans Systems, Man and Cybernetics 15 (1985) Điều Khiển Tự Động Hóa 93 Tác Giả Lương VănKiên Đại Học Bách Khoa Hà Nội Luận Văn Thạc Sỹ Khoa Học [11] - Li-Xin Wang, Design and Analysis of Fuzzy Identifiers of Nonlinear Dynamic Systems, IEEE Trans -actions on Automatic Control, Vol 40, No1, Jan 1995 [12] - J.M Sousa, Fuzzy model- based control of complex processes [13] - Jairo Espinosa, Joos Vandewalle and Vincent Wertz, Fuzzy Logic, Identification and Predictive Control , SpringerVerlag London, UK [14] - J.M Sousa, M Setnes, U Kaymak, Adaptive decision alternatives in fuzzy predictive control, in: FUZZ-IEEE, Vol 1, Anchorage, Alaska, 1998, pp 698 -703 [15] - Mitchell Melanie, An Introduction to Genetic Algorithms , A Bradford Book The MIT Press, Fifth printing, 1999 [16] - M Boumehraz, K Benmahammed, Constrained Non-linear Model Based Predictive Control using Genetic Algorithms [17] - Randy L Haupt , Sue Ellen Haupt, Practical genetic algorithms , 2004 A John Wiley & Sons, inc Publication [18] - http://www.mathworks.com/ Điều Khiển Tự Động Hóa 94 Tác Giả Lương VănKiên .. . 4.1 .2 Chu trình nhà máy nhiệt điện 62  4.2 .XÂY DỰNG MÔ HÌNH MỜ CHO BAO HƠI 65  4.2 .1 Tổng quan lò 65  4.2 .2 Thu thập liệu vào 71  4.2 .3 Xây dựng mô hình. .. 4.2 .3 Xây dựng mô hình dự báo mờ cho đối tượng bao 72  4.3 THIẾT KẾ BỘ ĐIỀU KHIỂN DỰ BÁO NHIỆT ĐỘ BAO HƠI 81  4.3 .1 Thiết kế điều khiển dự báo nhiệt độ bao sở giải toán tối ưu phương .. . cấp mô tả d ưới dạng ngôn ngữ đáp ứng hệ thống đ ã mô hình hóa Mô hình mờ mô hình động mô hình tĩnh Có hai loại mô hình mờ: - Mô hình mờ Mamdani: - Mô hình mờ Takagi – Sugeno: Trong điều khiển dự