Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống
1
/ 26 trang
THÔNG TIN TÀI LIỆU
Thông tin cơ bản
Định dạng
Số trang
26
Dung lượng
1,13 MB
Nội dung
ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - LÊ MINH THÀNH ĐIỀUKHIỂNNHIỆTĐỘ LỊ HƠITẦNGSƠITUẦN HỒN ỨNGDỤNGTRÍTUỆNHÂNTẠO Chun ngành : KỸ THUẬT ĐIỀUKHIỂN VÀ TỰ ĐỘNG HÓA Mã số: 60.52.02.16 TÓM TẮT LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀUKHIỂN VÀ TỰ ĐỘNG HÓA Đà Nẵng – Năm 2018 Cơng trình hồn thành TRƯỜNG ĐẠI HỌC BÁCH KHOA Người hướng dẫn khoa học: TS Nguyễn Quốc Định Phản biện 1: TS Nguyễn Anh Duy Phản biện 2: TS Hà Xuân Vinh Luận văn bảo vệ trước Hội đồng chấm Luận văn tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật điềukhiển tự động hóa học Trường Đại học Bách khoa vào ngày 19 tháng 05 năm 2018 Có thể tìm hiểu luận văn tại: Trung tâm Học liệu, Đại học Đà Nẵng Trường Đại học Bách khoa Thư viện Khoa Điện, Trường Đại học Bách khoa - ĐHĐN MỞ ĐẦU Lý chọn đề tài Ngày khoa học kỹ thuật không ngừng phát triển, đặc biệt nước ta thời kỳ công nghiệp hóa – đại hóa, mục tiêu mà việc ứngdụng phương pháp điềukhiển linh hoạt vào điềukhiển tự động cần thiết Những phương pháp điềukhiển cổ điển dựa tốn học xác Tuy nhiên kỹ thuật điềukhiểnứngdụngtrítuệnhântạo bắt nguồn từ sách lược kinh nghiệm chun gia ràng buộc từ phương pháp tốn học xác Cũng mà điềukhiểnứngdụngtrítuệnhântạoứngdụng rộng rãi điềukhiển công nghiệp Phương pháp điềukhiển sử dụng mạng nơron tái tạo lại chức giống người mở hướng việc giải toán kỹ thuật kinh tế Điềukhiểnnhiệtđộlòtầngsơituần hồn thường phực tạp đối tượng có tính trễ phi tuyến Ngày với đời nhiều phương pháp điềukhiển khác nhau, phương pháp chắn có điểm mạnh riêng Nếu kết hợp tốt phương pháp với mang đến hiệu cao điềukhiển Cũng yếu tố mà việc kết hợp phương pháp PID truyền thống mạng nơron nghiên cứu mục đích đề tài “Điều khiểnnhiệtđộlòtầngsơituần hồn ứngdụngtrítuệnhân tạo” Mục tiêu nghiên cứu Tìm hiểu đặc trưng mạng nơron nhân tạo, khả nguyên tắc để ứngdụng thành công mạng nơ ron nhântạo thực tế Xây dựng lý thuyết sử dụng mạng nơ ron giám sát điềukhiểnnhiệtđộlò Làm sở cho nghiên cứu sâu lòtảng để chế tạo mơ hình điềukhiểnnhiệtđộlòtầngsơituần hồn Đối tượng phạm vi nghiên cứu 3.1 Đối tượng nghiên cứu - Quá trình thay đội nhiệtđộlòtầngsơituần hồn - Lý thuyết điềukhiển mờ, mạng nơron - Phần mềm Matlab & Simulink mơ q trình điềukhiểnnhiệtđộlòtầngsơituần hồn 3.2 Phạm vi nghiên cứu - Điềukhiểnnhiệtđộlòtầngsơituần hồn sử dụng phương pháp điềukhiển PID, phương pháp sử dụng mạng nơrơn bán kính xuyên tâm RBF giám sát nhiệtđộlòđiềukhiển mạng nơron PID - Mơ q trình điềukhiểnnhiệtđộlòtầngsơituần hồn Nội dung nghiên cứu - Nghiên cứu mơ hình lòtângsơituần hồn - Nghiên cứu lý thuyết điềukhiển mờ, mạng nơron mạng nơron kết hợp với phương pháp điềukhiển truyền thống - Nghiên cứu xây dựng mơ q trình điềukhiểnnhiệtđộlòtầngsơituần hồn phần mềm Matlab & Simulink Phương pháp nghiên cứu Nghiên cứu lý thuyết kết hợp với việc làm mô thực nghiệm: - Phương pháp nghiên cứu tài liệu: nghiên cứu lý thuyết ứngdụngđiềukhiển mờ, mạng nơron nhântạo mạng nơron bán kính xuyên tâm RBF - Nghiên cứu điềukhiển PID, điềukhiển mờ điềukhiển mờ nơron để điềukhiểnnhiệtđộlòtầngsơituần hồn - Đề tài thực phạm vi mơ mơ hình công cụ Matlab – Simulink sở để tiếp tục nghiên cứu thực tế - Trên sở kết mô rút kết luận Ý nghĩa khoa học thực tiễn đề tài 6.1 Ý nghĩa khoa học đề tài Nghiên cứu nghiên cứu khác có mục tiêu nâng cao độ xác cung cấp thêm cho nhà nghiên cứu, đề tài mang lại hướng việc thiết kế điềukhiểnnhiệtđộlòtầngsơituần hoàn, việc dùngđiềukhiển PID điềukhiển mờ Các điềukhiển thơng minh cho khả điềukhiển tốt đối tượng điềukhiểnnhiệtđộ 6.2 Ý nghĩa thực tiễn đề tài Đề tài thực làm sở để thực điềukhiển sử dụng kết hợp phương pháp điềukhiển PID truyền thống mạng nơron với chất lượng đạt yêu cầu áp dụng với đối tượng có độ trễ, phi tuyến mơi trường có nhiễu tác động q trình làm việc Cấu trúc luận văn MỞ ĐẦU Luận văn gồm có chương: Chương 1: TỔNG QUAN VỀ LỊ HƠITẦNGSƠITUẦN HỒN Giới thiệu lò hơi, mơ hình, ngun lý hoạt động Chương 2: TỔNG QUAN VỀ MẠNG NƠRON VÀ LOGIC MỜ Chương tổng hợp trình bày lý thuyết điềukhiển mờ, mạng nơron mạng nơron với phương pháp PID truyền thống Chương 3: MƠ PHỎNG BỘ ĐIỀUKHIỂNNHIỆTĐỘ LỊ HƠITẦNGSƠITUẦN HỒN VÀ ĐÁNH GIÁ Điềukhiển phương pháp PID, mờ, nơron PID kết hợp mạng nơron giám sát Tổng hợp đánh giá điềukhiển CHƯƠNG TỔNG QUAN VỀ LỊ HƠITẦNGSƠITUẦN HỒN 1.1 Giới thiệu chung lò 1.1.1 Định nghĩa Lò thiết bị xẩy q trình đốt cháy nhiên liệu, nhiệt lượng tỏa từ trình cháy truyền cho nước lò để biến nước thành Nghĩa lò thiết bị thực trình biến đổi, chuyển hố lượng nhiên liệu thành nhiệt dòng 1.1.2 Phân loại lòLò theo phân loại theo nhiều cách: - Theo nhiệm vụ lò sản xuất: lò cơng nghiệp lò sản xuất điện - Theo chế độ đốt nhiên liệu buồng lửa: Lò ghi thủ cơng, lò ghi nửa khí, lò ghi khí (ghi xich), lò phun nhiên liệu lỏng, lò phun nhiên liệu khí, lò phun bột than, lò buồng đốt xốy, lò buồng lửa tầngsơi - Theo chế độtuần hồn nước lò ta: Lòtuần hồn tự nhiên, lòtuần hồn cưỡng bức, lò trực lưu Tuy nhiên, cách phân loại thể vài đặc tính lò hơi, thực tế gọi tên lò người tathường kết hợp nhiều kiểu phân loại 1.2 Cơ sở lý thuyết kỹ thuật tầngsôiTầngsôi vùng không gian tạo hạt rắn gồm: than, tro, cát, đá vôi… hạt nâng lên lơ lững buồng đốt nhờ áp lực dòng khơng khí Khi dòng khơng khí xun qua lớp hạt rắn, dòng khí tạo xu hướng tách hạt khỏi nhau, làm cho lớp liệu buồng đốt giãn nở, tiếp xúc khơng khí nhiên liệu tăng lên nhiều Ở trạng thái hạt chuyển động tự sôi giống chất lỏng nên gọi tầngsôi 1.2.1 Sơ đồ nguyên lý tạotầng sôi: Ban đầu, lớp hạt nhiên liệu rắn nằm yên ghi có độ cao h Khi cho dòng khơng khí qua lưới phân phối vào lớp hạt nhiên liệu với tốc độ nhỏ,lớp hạt không dịch chuyển.Tăng dần tốc độ ω gần tốc độ ωs, chiều cao lớp liệu không đổi ( trạng thái A), trở lực lớp sôităng lên Khi tiếp tục tăng tốc độ đến ω = ωs, lúc áp lực dòng khí cân trọng lực lớp liệu, lớp liệu bắt đầu chuyển động ( trạng thái B), hạt chuyển động lơ lửng pha khí, xoáy trộn với chuyển động hỗn loạn, độ rỗng chiều cao lớp liệu tăng lên, trạng thái gọi trạng thái sôi Khi tốc độ dòng khí ω > ωs, bắt đầu xuất bọt khí, túi khí, bọt khí chuyển động lên bề mặt lớp sôi vỡ làm cho chiều cao lớp sôi dao động Khi vận tốc dòng khí đạt đến ωc, lớp liệu có độ rỗng lớn nhất, hạt liệu treo lơ lửng buồng đốt, không lắng xuống không bị bay khỏi buồng lửa ( trạng thái C) Tiếp tục tăng vận tốc dòng khí vượt vận tốc theo ωc kết thúc trạng thái sơi, lớp liệu có hạt liệu bị theo dòng khí bay khỏi buồng đốt ( trạng thái D) Do để tạo lớp sơi, ta phải trì tốc độ dòng khí từ ωs đến ωc 1.2.2 Vật liệu sử dụnglòtầng sơi: Trong q trình đốt ngun liệu lòtầng sơi, người ta thường cho vào buồng lửa vật liệu để nâng cao nhiệtđộ thành phần cháy lên đến nhiệtđộ phản ứng Vì vậy, vật liệu cần đảm bảo tính chất sau: - Nhiệtdung riêng lớn (vật liệu phải chịu nhiệtđộ cao ) - Khối lượng riêng nhỏ (giảm trở lực quạt thổi vào buồng lửa) - Độnhẵn bề mặt cao (dễ tạotầngsôi ) - Giá thành thấp, dễ kiếm Trong thực tế, người ta thường sử dụng cát thạch anh làm vật liệu sơi đáp ứng hầu hết yêu cầu 1.3 Phân loại lòtầngsơi Có hai kiểu lòtầng sơi: - Lòtầng có bọt khí (bong bóng) - Lòtầngsơituần hồn 1.3.1 Lòtầngsơi bong bóng: 1.3.2 Lòtầngsơituần hồn: 1.4 Giới thiệu lòtầngsơituần hồn 1.4.1 Cấu tạo Các hệ thống lòtầngsơituần hồn: - Hệ thống cung cấp nhiên liệu - Hệ thống cung cấp gió: + Quạt sơ cấp có nhiệm vụ tạotầng sơi, làm khí đốt + Quạt thứ cấp có nhiệm vụ kiểm sốt lượng gió dư - Hệ thống cấp nước - Hệ thống - Hệ thống lọc bụi thu hồi tro - Bộ nhiệt - Bộ hâm nước sấy khơng khí 1.4.2 Nhiên liệu Lòtầngsơituần hồn đốt nhiều dạng nhiên liệu như: rắn, lỏng, khí với chất lượng từ cao đến thấp Các loại nhiên liệu cụ thể như: than nâu, chất thải q trình rửa than, than có hàm lượng lưu huỳnh cao, than cốc, chất thải đốt lò thơng thường, loại phụ phẩm nơng nghiệp như: trấu, bã mía,vỏ cây, gỗ vụn, gỗ phế phẩm, rác thải,… 1.4.3 Quá trình cháy nhiên liệu Trong buồng đốt lòtầngsơinhiệtđộtrì khoảng 8500C ÷ 9500C Khi nhiên liệu đưa vào lớp, gia nhiệt cách nhanh chóng bốc cháy Thường nhiên liệu đốt với lượng khơng khí thừa khoảng 20% Thời gian lưu lại nhiên liệu buồng đốt tầngsôi dài hơn, nhiên liệu cháy cách hiệu buồng đốt tầngsôinhiệtđộ thấp so với phương pháp đốt nhiên liệu ghi phun bột than Khi hạt nhiên liệu cháy, kích thước giảm dần xuống, đến giá trị mà lực dòng khí lớn trọng lượng hạt hạt bị ngồi Vì thời gian lưu lại hạt xác định kích thước ban đầu ban đầu hạt nhiên liệu, mức độ giảm kích thước hạt cháy ma sát a, Ưu điểm: Có thể đốt nhiều loại nhiên liệu: Hiệu suất xử lý khí thải SO2: Lượng NOx thải thấp: Vận hành dễ dàng : b, Nhược điểm: Cần quạt có công suất lớn: Tổn thất nhiệt môi trường nhiều hơn: Hiệu suất cháy thấp: Ngồi có số nhược điểm : 1.5 Hàm truyền lòtầngsơituần hồn Trong q trình vận hành lòtầngsơituần hồn, có nhiều thông số tác động đến nhiệtđộtầngsôi (như lưu lượng gió cung cấp, chất lượng nhiên liệu,…) Nhưng đó, thơng số định nhiệtđộtầngsôi lượng nhiên liệu cấp cho buồng đốt Khi lòtầngsơituần hồn vận hành trạng thái xác lập, với thông số khác không đổi, theo tài liệu [10], mối quan hệ nhiệtđộ lượng nhiên liệu cung cấp lòtầngsơituần hồn thể theo hàm truyền sau: G= 5.84(1+11.6𝑠) (147𝑠 + 1)(148𝑠 + 1) 𝑒 −80𝑠 Sau rời rạc hóa hàm truyền lò hơi, với thời gian lấy mẫu ts = 0.01s, mối quan hệ nhiệtđộ buồng đốt lò (y) tín hiệu điềukhiển (u) thể sau: y(k) = -1.7464y(k-1) + 0.7625y(k-2) + 0.1034u(k-5) + 0.0094u(k-6) CHƯƠNG TỔNG QUAN VỀ MẠNG NƠRON VÀ LOGIC MỜ 2.1 Đặt vấn đề 2.2 Tổng quan điềukhiển mờ 2.2.1 Giới thiệu 2.2.2 Cấu trúc hệ điềukhiển mờ a) Sơ đồ khối: Sơ đồ khối chức hệ điềukhiển mờ hình 1.1 Trong khối điềukhiển mờ khối mờ hóa, khối thiết bị hợp thành khối giải mờ Ngồi có giao diện vào giao diện để đưa tín hiệu vào điềukhiển xuất tín hiệu từ ngõ điềukhiển đến cấu chấp hành Giao diện vào Mờ hóa Thiết bị hợp thành mờ Giao diện Hình 1: Các khối chức điềukhiển mờ b) Giao diện vào, ra: c) Khối mờ hóa: d) Khối thiết bị hợp thành: - Luật hợp thành Max – min: - Luật hợp thành MAX – PROD: - Luật hợp thành SUM – MIN: - Luật hợp thành SUM – PROD: 2.3 Tổng quan mạng nơron 2.3.1 Giới thiệu 2.3.2 Lịch sử phát triển mạng nơron nhântạo 2.3.3 Cấu trúc mạng nơron nhântạo a)Mạng nơron sinh học * Cấu tạo: Nơron phần tử tạo nên não người Sơ đồ cấu tạo nơron sinh học hình 2.12 Một nơron điển hình có phần chính: thân nơron, nhánh sợi trục - Thân nơron (soma) - Các nhánh (dendrite) - Sợi trục (Axon) b)Mạng nơron nhântạo 2.3.4 Mơ hình nơron a) Nơron đơn giản b) Nơron với nhiều đầu vào (véc tơ vào) 2.3.5 Cấu trúc mạng Nhiều nơron kết hợp với tạo thành mạng nơron, mạng nơron có lớp nhiều lớp a) Mạng lớp b) Mạng nhiều lớp 2.3.6 Huấn luyện mạng * Mục đích huấn luyện mạng: Mạng nơron huấn luyện để thực hàm phức tạp nhiều lĩnh vực ứngdụng khác nhận dạng, phân loại sản phẩm, xử lý tiếng nói, chữ viết điềukhiển hệ thống… a) Huấn luyện gia tăng (huấn luyện tiến dần) b) Huấn luyện mạng theo gói 2.3.7 Tổng quan mạng nơron hàm sở bán kính xuyên tâm RBFNN Hàm đối xứng xuyên tâm sở RBFNN có từ lâu lý thuyết xấp xỉ sử dụng để xấp xỉ hàm chưa biết dựa sở cặp điểm vào – biểu diễn hàm chưa biết Trong nhận dạng mơ hình hệ thống RBFNN biểu diễn theo cấu trúc mạng perceptron Mọi hệ phi tuyến xấp xỉ RBF, điểm làm cho RBF đặc biệt phù hợp với tốn nhận dạng mơ hình Về ngun tắc RBF coi mạng nơ-ron lớp (với lớp ẩn).Tuy nhiên đầu mạng ln biến đổi tuyến tính trọng số liên kết Hàm bán kính hàm phụ thuộc vào khoảng cách từ đối số x đến điểm c (gọi tâm) cho trước W(x)= W(||x-A||)=W(r) với r=||x-A|| (2.19) Một số hàm RBFNN: Hàm Gaussian: W(r)=exp{ −𝑥 2𝜎 } = exp{−𝛽𝑒 } (2.20) Hàm đa thức: W(r)=r^(2k+1) (2.21) Hàm spline: W(r)= x^2 lnx (2.22) Khoảng cách: W(r)=√(r^2+β^2 ) (2.23) Trong đó: A: Véc tơ chứa tâm hàm RBF W: Hàm sở hàm kích hoạt mạng R: Bán kính σ, β: Các thơng số tỷ lệ ||.||: Chuẩn Euclidean, tức x chứa n phần tử thì: ||x||=√∑𝑛𝑖=1 𝑥𝑖2 (2.24) 10 CHƯƠNG MÔ PHỎNG BỘ ĐIỀUKHIỂNNHIỆTĐỘ LỊ HƠITẦNGSƠITUẦN HỒN VÀ ĐÁNH GIÁ 3.1 Điềukhiểnnhiệtđộlòtầngsơituần hồn sử dụngđiềukhiển PID 3.1.1 Khái niệm điềukhiển PID 3.1.2 Điềukhiểnnhiệtđộlò điện trở sử dụngđiềukhiển PID Trong kỹ thuật điều khiển, người ta mô tả lòtầngsơituần hồn khâu trễ có hàm truyền: G= 5.84(1+11.6𝑠) (147𝑠 + 1)(148𝑠 + 1) 𝑒 −80𝑠 = 5.84+67.744𝑠 1+295𝑠+21756𝑠 𝑒 −80𝑠 (3.3) Ta lấy: k=67.744, T=480, τ= 80(s) (3.4) Cảm biến nhiệtđộ coi khâu tỉ lệ với hệ số: kcb 𝜏 10V 0, 0067(v / 0c ) 15000 C (3.5) 80 Mà ta có: = = 0.167 thõa mãn điều kiện nên ta sử dụng phương pháp thứ 𝑇 480 Ziegler – Nichols, sử dụngđiềukhiển PID, ta có: 𝑇 480 𝜏 80 𝑘𝑝 = 1.2 = 1.2 = 7.2 (3.6) 𝑇𝐼 = 2𝜏 = 160 (3.7) 𝑇𝐷 = 0.5𝜏 = 40 (3.8) Do 𝐺𝑃𝐼𝐷 (𝑠) = 𝐾𝑝 (1 + 𝑇𝐼 𝑠 + 𝑇𝐷 𝑠) = 7.2 (1 + 160𝑠 + 40𝑠) (3.9) Mô Matlab – Simulink ta được: Hình 3.3:Mơ điềukhiển PID cho lòtầngsơituần hồn 11 Hình 3.4: Khối điềukhiển PID Kết mơ phỏng: Hình 3.5: Kết mơ điềukhiển PID cho lò 12 Bảng 1: Thông số đạt điềukhiển PID Quá trình điềukhiển Số liệu Tỉ lệ (%) Độđiều chỉnh 450 ( C) 50 % Thời gian độ 150 (s) Số lần dao động 3.2 Điềukhiểnnhiệtđộlòtầngsơituần hồn sử dụngđiềukhiển mờ Hình 3.6: Điềukhiển mờ cho lò de/dt Bước 1: Tìm hiểu hệ thống - Khâu so sánh làm nhiệm vụ so sánh nhiệtđộ yêu cầu nhiệtđộlò phản hồi lấy từ đầu khối cảm biến, đầu khâu so sánh lệch e U ucb Lòtầngsơituần hồn nói riêng, đối tượng nhiệt nói chung thường khơng cho phép có độđiều chỉnh lớn, e biến thiên khoảng từ 10 đến Bước 2: Chọn biến ngôn ngữ vào, - Giả thiết ta điềukhiểnlòtầngsơituần hồn theo quy luật PI, biến ngơn ngữ đầu vào điềukhiển mờ sai lệch (ký hiệu E) tích phân sai lệch (ký hiệu TE) Đầu Điềukhiển mờ điện áp (ký hiệu U) Miền giá trị biến ngôn ngữ chọn sau: E [0 10] TE [0 1500] U [0 20] Hàm liên thuộc biến ngôn ngữ chọn sau: E [ E0 ( x) EDI ( x) EDV ( x) EDL ( x) EDR ( x)] E [TE0 ( x) TEDI ( x) TEDV ( x) TEDL ( x) TEDR ( x)] U=[U ( x) U DI ( x) U DV ( x) U DL ( x) U DR ( x)] Bước 3: Xây dựng luật hợp thành: với tập mờ đầu vào, ta xây dựng x = 25 luật điềukhiển Các luật điềukhiển xây dựng theo nguyên tắc sau: 13 - Sai lệch lớn tác động điềukhiển lớn - Tích phân sai lệch lớn tác động điềukhiển lớn Bảng 2: Bảng luật điềukhiển R1: Nếu E = Và TE = Thì U = Hoặc R2: Nếu E = DI Và TE = Thì U = DI Hoặc R3: Nếu E = DV Và TE = Thì U = DV Hoặc R4: Nếu E = DL Và TE = Thì U = DL Hoặc R5: Nếu E = DR Và TE = Thì U = DR Hoặc R6: Nếu E = Và TE = DI Thì U = DI Hoặc R7: Nếu E = DI Và TE = DI Thì U = DV Hoặc R8: Nếu E = DV Và TE = DI Thì U = DL Hoặc R9: Nếu E = DL Và TE = DI Thì U = DR Hoặc R10: Nếu E = DR Và TE = DI Thì U = DV Hoặc R11: Nếu E = Và TE = DV Thì U = DL Hoặc R12: Nếu E = DI Và TE = DV Thì U = DR Hoặc R13: Nếu E = DV Và TE = DV Thì U = DR Hoặc R14: Nếu E = DL Và TE = DV Thì U = DR Hoặc R15: Nếu E = DR Và TE = DV Thì U = DL Hoặc R16: Nếu E = Và TE = DL Thì U = DR Hoặc R17: Nếu E = DI Và TE = DL Thì U = DR Hoặc R18: Nếu E = DV Và TE = DL Thì U = DR Hoặc R19: Nếu E = DL Và TE = DL Thì U = DR Hoặc R20: Nếu E = DR Và TE = DL Thì U = DR Hoặc R21: Nếu E = Và TE = DR Thì U = DR Hoặc R22: Nếu E = DI Và TE = DR Thì U = DR Hoặc R23: Nếu E = DV Và TE = DR Thì U = DR Hoặc R24: Nếu E = DL Và TE = DR Thì U = DR Hoặc R25: Nếu E = DR Và TE = DR Thì U = DR Hoặc Bước 4: Chọn luật hợp thành Max – Min, giải mờ phương pháp trọng tâm, ta quan sát tác động luật quan hệ vào – điềukhiển Bước 5: Mô hệ thống: Sơ đồ mô hệ thống hình 3.18 Kết mơ hình 3.19 Tại cửa sổ Matlab ta nhập lệnh fuzzy, xuất cửa sổ FIS EDITOR Ta tiến hành chọn số đầu vào cho điều khiển, chọn phương pháp điều khiển, xây dựng luật hợp thành, thiết lập hàm liên thuộc sau: 14 Hình 3.7: Giao diện FIS Chọn vùng giá trị sai lệch E đoạn từ đến 10 hình bên dưới, sau ta tiến hành thay đổi hàm liên thuộc đến giá trị thích hợp Ở ta sử dụng hàm hình tam giác cho biến ngơn ngữ 0, DI, DV, DL hàm hình thang cho biến ngơn ngữ DR Hình 3.8: Mờ hóa sai lệch Tiếp theo ta kích vào TE, chọn vùng giá trị tích phân sai lệch TE đoạn từ đến 1500 hình 3.9, sau ta tiến hành thay đổi hàm liên thuộc đến giá trị thích 15 hợp Ở ta sử dụng hàm hình tam giác cho tất biến ngơn ngữ Hình 3.9: Mờ hóa tích phân sai lệch Đầu U điềukhiển ta chọn vùng giá trị sai lệch E đoạn từ đến 20 hình 4.8, sau ta tiến hành thay đổi hàm liên thuộc đến giá trị thích hợp Ở ta sử dụng hàm hình tam giác cho biến ngôn ngữ 0, DI, DV, DL hàm hình thang cho biến ngơn ngữ DR Hình 10: Mờ hóa điện áp điềukhiển 16 Hình 11: Quan hệ vào điềukhiển Hình 12: Quan sát hoạt động luật Thực việc mô Matlab – Simulink hình 3.13 17 Hình 13: Mơ điềukhiển mờ cho lò Ta nhận kết mơ hình 3.14 Hình 14: Kết mơ điềukhiển mờ cho lò Bảng 3: Thông số đạt điềukhiển mờ Quá trình điềukhiển Số liệu Tỉ lệ (%) Độđiều chỉnh 65 (0C) 7.2 % Thời gian độ 180 (s) Số lần dao động Trong trình mơ ta thấy đối tượng đạt đến nhiệtđộ mong muốn thời gian lâu (lâu điềukhiển PID) có độđiều chỉnh cao 7% không nằm phạm vi độđiều chỉnh cho phép (7% > 2%) Ta tiếp tục áp dụngđiềukhiển cuối để xem kết nêu nhận xét chung cho điềukhiển 3.3 Điềukhiểnnhiệtđộlòtầngsơituầnhoàn sử dụngđiềukhiển NN-PID Hệ thống điềukhiểnnhiệtđộlò điện trở xây dựng có cấu trúc hình sau: 18 Hình 15: Cấu trúc hệ thống điềukhiểnnhiệtđộlò Trong đó: Bộ điềukhiển NN-PID có nhiệm vụ: điều chỉnh tín hiệu điềukhiển (u), nhằm điềukhiểnnhiệtđộ theo yêu cầu + Các thông số P, I, D điềukhiển NN-PID chỉnh định cách trực tuyến, nhờ thông tin Jacobian (dy/du) từ nhận dạng đối tượng RBFNN Bộ nhận dạng đối tượng RBFNN có nhiệm vụ: nhận dạng đối tượng cần điềukhiển đưa thông tin Jacobian cho NN-PID, để chỉnh định thơng số điềukhiển + Tín hiệu đầu hệ thống (yout) phản hồi, so sánh với tín hiệu đặt (rin), tạo tín hiệu sai lệch error = rin – yout làm tín hiệu đầu vào cho PID + Bộ nhận dạng đối tượng lấy tín hiệu đầu vào từ tín hiệu điềukhiển (u) tín hiệu đầu (y) + Từ kết sai số tín hiệu đầu (ymout) nhận dạng RBF tín hiệu đầu hệ thống (yout), thực chỉnh định thông số RBFNN 3.3.1 Bộ điềukhiển NN-PID a Cấu trúc: Cấu trúc điềukhiển NN-PID cấu trúc PID – nơron, xây dựng hình sau (theo [6];[13]): 19 Hình 16: Sơ đồ cấu trúc điềukhiển PID – Nơron Trong đó: + ∆e1, ∆e2, ∆e3: tương ứng sai lệch tỉ lệ, vi phân tích phân ba đầu vào NNPID + w1, w2, w3: tương ứng hệ số Ki, Kp, Kd điềukhiển NN-PID + u: tín hiệu đầu điềukhiển tín hiệu điềukhiểnnhiệtđộlòtầngsơituần hồn Với e(k) = rin(k) – yout(k) sai lệch tín hiệu đặt với đáp ứng hệ thống, chu kì lấy mẩu ts = 0.01s, tín hiệu đầu vào NN-PID xác định sau: + Sai lệch tỉ lệ: ∆e1 = e(k) – e(k-1) (3.10) + Sai lệch tích phân: ∆e2 = e(k) (3.11) + Sai lệch vi phân: ∆e3 = e(k) – 2e(k-1) +e(k-2) (3.12) Phương trình vi phân điềukhiển PID truyền thống: u(t) = Kpe(t) + Ki∫ e(t) + Kd de(t) d(t) (3.13) Phương trình mơ tả luật điềukhiểnđiềukhiển NN-PID thiết lập sau: ∆u(k) = w1 ∆e1 + w2 ∆e2 + w3 ∆e3 = Kp ∆e1 + Ki ∆e2 + Kd ∆e3 (3.14) Tín hiệu điềukhiển thời điểm k: u(k) = u(k-1) +∆u(k) Các thông số điều khiển: Kp, Ki, Kd chỉnh định cách online nhờ vào việc cập nhật trọng số w1, w2, w3 mạng nơ ron b Huấn luyện trực tuyến điềukhiển NN-PID: Mục tiêu trình huấn luyện điều kiển NN-PID điều chỉnh trọng số wj (j=1,2,3) mạng, để cực tiểu hóa hàm chi phí sau: 1 2 E(k) = e(k) = [rin(k) – yout(k)]2 Việc chỉnh định trọng số wj thực theo phương pháp Gradient descient: Kp = w1(k) = w1(k-1) + ∆w1(k) (3.15) 20 Ki = w2(k) = w2(k-1) + ∆w2(k) (3.16) Kd = w3(k) = w3(k-1) + ∆w3(k) (3.17) Trong đó, ∆wj(k) xác định sau: ∆w1(k) = ηkp (− ∆w2(k) = ηki (− ∆w3(k) = ηkd (− ∂E(k) ) = - ηkp ∂w1 (k) ∂E(k) ∂w2 (k) ∂E(k) ∂E(k) ∂y(k) ∂∆u(k) ∂y(k) ∂∆u(k) ∂w1 (k) ) = - ηki ∂E(k) ∂y(k) ) = - ηkd ∂E(k) ∂y(k) ∂w2 (k) ∂∆u(k) ∂y(k) ∂u∆(k) ∂w2 (k) ∂∆u(k) ∂y(k) ∂∆u(k) ∂w3 (k) = ηkp e(k) = ηki e(k) = ηkd e(k) ∂y(k) ∂∆u(k) ∂y(k) ∂∆u(k) ∆e1 ∆e2 ∂y(k) ∂∆u(k) ∆e3 (3.18) ( 3.19) (3.20) Với: + ηkp, ηki, ηkd: số tốc độ học tỉ lệ, tích phân vi phân + e(k): tín hiệu sai lệch + ∆e1, ∆e2, ∆e3: độ biến thiên sai lệch tỉ lệ, tích phân vi phân 𝜕𝑦(𝑘) + : độ nhạy đáp ứng tín hiệu điều khiển, hay gọi thông tin 𝜕∆𝑢(𝑘) Jacobian, xác định thông qua nhận dạng RBFNN 3.3.2 Xây dựngnhận dạng đối tượng sử dụng mạng RBFNN a Cấu trúc: Cấu trúc nhận dạng đối tượng sử dụng mạng RBFNN xây dựng hình sau: Hình 17: Cấu trúc mạng RBFNN Mạng NNRBF xây dựng mạng nơron truyền thẳng ba lớp - Lớp đầu vào: có tín hiệu đầu vào: u(k), yout(k-1) yout(k-2) Với: + u(k): tín hiệu điềukhiển thời điểm k + yout(k-1) yout(k-2): tín hiệu phản hồi từ hệ thống thời điểm (k-1) (k2) Tạo thành véctơ đầu vào: X = [u(k), y(k-1), y(k-2)]T - Lớp ẩn: ta chọn có nơron RBF: H = [h1, h2, h3, h4, h5, h6] Giá trị hj tính theo hàm Gaussian sau: hj = exp(Trong đó: ‖x − Cj ‖ 2bj 2 ) j= 1, 2, ( 3.21) 21 + cji tâm hàm RBF: Cj = [cj1, cj2, cj3]T i = 1,2, n T + bj bán kính hàm RBF: Bj = [b1, b2, bm] - Lớp ra: nơron tuyến tính với trọng số đầu vào: w = [w1, w2, , wm]T Giá trị đầu nhận dạng NNRBF xác định theo công thức sau: ymout(k) = w1h1 + w2h2 + + wmhm (3.22) b Huấn luyện mạng: Mục tiêu giải thuật huấn luyện trực tuyến nhận dạng RBFNN điều chỉnh trọng số mạng tham số hàm sở bán kính RBF để đạt giá trị cực tiểu hàm chi phí: J = (yout(k) – ymout(k))2 Sử dụng phương pháp Gradient Descent, trọng số lớp mạng RBFNN cập nhật sau: + Bộ trọng số W: ∂E(k) ∂E(k) ∂ymout (k) ∆wj(k) = - η =-η = η(yout(k) – ymout(k)).hj ∂wj (k) ∂ymout (k) ∂wj (k) wj(k) = wj(k-1)+ ∆wj(k) +α[wj(k-1)- wj(k-2)]+ β [wj(k-2)- wj(k-3)] + Bán kính hàm RBF: ∂E(k) ∂E(k) ∂ymout (k) ∂hj (k) ∆bj(k) = - η = η ∂bj (k) ∂ymout (k) ∂hj (k) = η[yout(k) – ymout(k)].wj(k).hj(k) ‖X − Cj (k)‖ b3j ∂bj (k) ) bj(k) = bj(k-1) + ∆bj(k) + α[bj(k-1)- bj(k-2)]+β [bj(k-2)- bj(k-3)] + Tâm hàm RBF: ∂E(k) ∂E(k) ∂ymout (k) ∂hj (k) ∆cji(k) = - η =η ∂cji (k) ∂ymout (k) = η[yout(k) – ymout(k)].wj.hj ∂hj (k) (3.23) (3.24) ∂cji (k) ‖xi (k) − cji (k)‖ b2j (k) cji(k) = cji(k-1) + ∆cji(k) + α[cji(k-1)- cji(k-2)]+β [cji(k-2)- cji(k-3)] (3.25) Thông tin Jacobian cho việc chỉnh định thông số NN-PID xác định sau: cji −x1 ∂y(k) ∂y (k) ∂ymout (k) ∂hj (k) ≈ mout = ∑m = ∑m (3.26) j=1 j=1 wj hj ∂∆u(k) ∂∆u(k) Với x1 tín hiệu điềukhiển u(k) Mơ Matlab ta có mơ hình: ∂hj (k) ∂∆u(k) bj 22 Hình 18: Kết so sánh tín hiệu ngõ vào ngõ nhận dạng RBFNN Hình 19: Kết so sánh tín hiệu điềukhiển đáp ứng 23 Hình 20: Kết chỉnh định hệ số Kp, Ki, KD Bảng 4: Thông số đạt điềukhiển NN-PID Quá trình điềukhiển Số liệu Tỉ lệ (%) Độđiều chỉnh 25 (0C) 2.7 Thời gian độ 200 (s) Số lần dao động Trong q trình mơ ta thấy đối tượng đạt đến nhiệtđộ mong muốn nhanh có độđiều chỉnh số lần dao động thấp Tổng hợp đánh giá điềukhiển Hình 21: Tổng hợp mô điềukhiển PID, mờ, NN-PID 24 Bảng 5: Tổng hợp số liệu từ điềukhiển Bộ điềukhiểnĐộđiều chỉnh Thời gian độ Số lần dao động ( C) (s) (s) PID 450 160 NN-PID 25 200 Mờ 60 150 Đánh giá kết mô phỏng: Căn kết mô hình ta nhận thấy điềukhiển có ưu nhược điểm riêng Với điềukhiển PID thời gian đạt giá trịđiềukhiển sớm nhất, nhiên độ vọt lố cao làm ảnh hưởng đến hệ thống tuổi thọ thiết bị Bộ điềukhiển mờ có ổn định cao, không đạt mục tiêu nhiệtđộ cần đạt nhiên độ vọt lố không cao không nằm phạm vi cho phép (7% > 2%) Bộ điềukhiển NNPID đạt giá trịđiềukhiển tương đối nhanh (chậm điềukhiển lại), có độ vọt lố thấp, số lần dao động hệ thống đảm bảo tính bền hệ thống KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Với kết thu từ mơ nhìn nhận tất điềukhiển có ưu nhược điểm riêng nó, việc lựa chọn phương pháp điềukhiển khác cho đối tượng lò gia nhiệt khác vơ cần thiết để đem đến hiệu cao q trình vận hành lò cho sản phẩm Từ kết thu qua việc thực đề tài, nhìn nhận việc sử dụng lý thuyết điềukhiển phải sử dụng cách linh hoạt tùy thuộc vào đối tượng cần điềukhiển Việc sử dụng lai ghép kỹ thuật điềukhiển cổ điển với kỹ thuật điềukhiển thông minh đại với mở hướng đa dạng kỹ thuật điềukhiển vào ứngdụng thực tế Kiến nghị Đề tài luận văn dừng lại mức độ xây dựngđiềukhiển NN-PID kết hợp mạng nơron giám sát RBFNN Matlab, nên hướng phát triển đề tài là: Sử dụng luật học khác để tối ưu kết điềukhiểnnhiệtđộlòtầngsơituần hồn với điềukhiển NN-PID Tiến đến thiết kế mơ hình thực tế ứngdụngđiềukhiển NN-PID điềukhiểnnhiệtđộlò Tiến đến ứngdụng phương pháp NN-PID cho đối tượng điềukhiểnnhiệtđộ ... tiếp tục áp dụng điều khiển cuối để xem kết nêu nhận xét chung cho điều khiển 3.3 Điều khiển nhiệt độ lò tầng sơi tuần hồn sử dụng điều khiển NN-PID Hệ thống điều khiển nhiệt độ lò điện trở xây... để tối ưu kết điều khiển nhiệt độ lò tầng sơi tuần hồn với điều khiển NN-PID Tiến đến thiết kế mơ hình thực tế ứng dụng điều khiển NN-PID điều khiển nhiệt độ lò Tiến đến ứng dụng phương pháp... thuyết ứng dụng điều khiển mờ, mạng nơron nhân tạo mạng nơron bán kính xuyên tâm RBF - Nghiên cứu điều khiển PID, điều khiển mờ điều khiển mờ nơron để điều khiển nhiệt độ lò tầng sơi tuần hồn