Giải pháp bù thời gian trễ biển đổi và nhiễu của mạng các hệ thống điều khiển dựa trên mô hình dự báo smith thích nghi

Giải pháp sử dụng mô hình dự đoán Smith thích nghi với cơ chế ước lượng thời gian trễ và bù nhiễu dựa trên mạng thần kinh nhân tạo không chỉ có tính năng của một cấu trúc dự đoán Smith thông thường mà còn thích nghi cao với sự thay đổi liên tục của thời gian trễ và nhiễu làm tăng tính ổn định, đáp ứng điều khiển nhanh. Kết quả mô phỏng thu được bằng cách sử dụng phần mềm chuyên dụng True Time Beta 2.0 trên nền Matlab minh chứng phương pháp này nâng cao hiệu suất của mạng các hệ thống điều khiển một cách đáng kể.

TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 19 - 05/2016 13 GIẢI PHÁP BÙ THỜI GIAN TRỄ BIỂN ĐỔI VÀ NHIỄU CỦA MẠNG CÁC HỆ THỐNG ĐIỀU KHIỂN DỰA TRÊN MƠ HÌNH DỰ BÁO SMITH THÍCH NGHI COMPENSATION TIME-VARYING DELAYS AND DISTURBANCES SOLUTION OF NETWORKED CONTROL SYSTEM BASED ON ADAPTIVE SMITH PREDICTOR Đặng Xuân Kiên Đại học Giao thơng Vận Tải Tp Hồ Chí Minh Tóm tắt: Vấn đề nghiêm trọng gây giảm hiệu suất điều khiển, ổn định mạng hệ thống điều khiển (Networked control systems-NCS) ảnh hưởng thời gian trễ nhiễu, đặc biệt thời điểm chúng biển đổi không xác định Rõ ràng thách thức hữu làm cho phương pháp điều khiển truyền thống khó đáp ứng yêu cầu ổn định cần thiết mạng hệ thống điều khiển Giải pháp sử dụng mơ hình dự đốn Smith thích nghi với chế ước lượng thời gian trễ bù nhiễu dựa mạng thần kinh nhân tạo khơng có tính cấu trúc dự đốn Smith thơng thường mà thích nghi cao với thay đổi liên tục thời gian trễ nhiễu làm tăng tính ổn định, đáp ứng điều khiển nhanh Kết mô thu cách sử dụng phần mềm chuyên dụng True Time Beta 2.0 Matlab minh chứng phương pháp nâng cao hiệu suất mạng hệ thống điều khiển cách đáng kể Từ khóa: Dự báo Smith, mạng hệ thống điều khiển, bù nhiễu Abstract: The most serious problems of networked control systems (NCS) to cause less control performance, instability and even collapse, are the randomly varying time delay and disturbances These inherent challenges make the conventional control methods more difficult to meet the quality requirements for NCS stability An adaptive Smith predictor combined time-delay estimation scheme and disturbance observer based on Neural network which has not only the features of simple Smith predict structure, but also the characteristics of adaptively, stability, and fast response The simulation results via TrueTime Beta2.0 platform demonstrate that our method significantly improves the performance of NCS Keywords: Adaptive Smith predictor, networked control system, disturbance observer Các chữ viết tắt LQR: Linear Quadratic Regulator H∞: H infinity Giới thiệu Mạng hệ thống điều khiển (Networked control systems – viết tắt NCS) định nghĩa hệ thống vòng lặp điều khiển khép kín thơng qua mạng thời gian thực Một mạng hệ thống điều khiển điển hình xây dựng dựa phần tử bản: Cảm biến – để lấy thông tin đầu vào, điều khiển – để cung cấp lệnh điều khiển, đối tượng điều khiển – để thực thi lệnh điều khiển, mạng thời gian thực – nơi phần tử hệ trao đổi thông tin, tín hiệu điều khiển, đo lường…trong vòng lặp khép kín với qua mạng Như vậy, lợi mạng hệ thống điều khiển không làm tăng tốc độ điều khiển mà dễ dàng nâng cấp hệ thống cách tăng số lượng cảm biến, đối tượng điều khiển, điều khiển mà không cần thay đổi cấu trúc toàn hệ thống, giảm chi phí vận hành khai thác bảo dưỡng đáng kể Hơn nữa, tính chia sẻ liệu điều khiển mạng làm tăng hiệu suất điều khiển, mạng điều khiển dễ dàng tổng hợp thơng tin tồn diện để đưa định thông minh không gian vật lý lớn Trong vài thập kỷ gần đây, NCS ứng dụng rộng rãi công nghiệp lĩnh vực phục vụ đời sống xã hội mạng cảm biến di động, thám hiểm không gian vũ trụ, điều khiển thu thập liệu môi trường nguy hiểm, tự động hóa nhà máy xí nghiệp, chẩn đoán xử lý từ xa cố hệ thống tự động, điều khiển đồng hóa phương tiện giao thơng vận tải Nhìn chung có hai hướng nghiên cứu hệ 14 Journal of Transportation Science and Technology, Vol 19, May 2016 thống điều khiển sử dụng mạng truyền thông gian trễ liệu truyền từ điều khiển bao gồm hệ thống điều khiển mạng tới đối tượng, e sc s khoảng thời gian trễ chia sẻ (Shared-network) hệ thống điều liệu truyền từ cảm biến phản hồi khiển từ xa Hướng sử dụng tài ngược tới điều khiển qua Network Đối nguyên mạng chia sẻ để chuyển thông tượng điều khiển xem xét đối tượng tin từ cảm biến tới điều khiển tín hiệu có trễ G(s)  G (s)e  p s với e p s đặc trưng cho p điều khiển từ điều khiển tới cấu chấp hành, giảm nhiều phức tạp mơ hình thời gian trễ đối tượng Mơ hình kết nối Những điều khiển dựa cấu dự báo Smith đưa thêm vào vòng lặp  s trúc mạng ứng dụng rộng kín NCS Gm ( s)  Gpm ( s)e pm  s rãi điều khiển mạng Robot di động [1] Gpm (s)e pm đặc trưng cho mơ hình dự báo ứng dụng cơng nghiệp [2] Hướng thứ hai với hệ thống điều khiển đối tượng G(s) từ xa xem hệ thống có Như phân tích mơ điều khiển đặt khoảng cách xa, điều khiển hình NCS hình với giả thiết khơng có khơng dây có kết nối dây dẫn điện nhiễu tác động vào hệ thống tương ứng d  , Hệ thống thu thập liệu [3], hệ thống giám ta có: sát điều khiển từ xa [4] xem  s (1) y p  G p ( s )e p u ( s ) dạng hệ thống điều khiển từ xa Từ thấy ứng dụng Bên cạnh đó, ta dễ dàng suy luận tồn diện NCS thời điểm giúp từ mô hình tính tốn sau: có giới đầy sáng tạo với yˆ pm  G pm ( s)u( s) (2) công nghệ đại  s  s Trong báo này, bắt nguồn từ hướng y pm  G pm ( s)e pm u ( s)  yˆ pm e pm (3) nghiên cứu NCS trình bày [5-6] đề  s  s cập đến việc bù thời gian trễ NCS với y fb  y p  y pm  (G p e p  G pm e pm )u(s) (4) mơ hình dự báo Smith dựa kỹ thuật điều khiển mờ mạng nơ ron nhân tạo, tác Tín hiệu phản hồi tính tốn giả mở rộng vấn đề xem xét ảnh hưởng đồng cơng thức sau: thời nhiễu ngồi thời gian trễ lên NCS  p s  pm s dựa mạng thần kinh nhân tạo Kết ycomp  yˆ pm  y fb  G pm (s)u(s)  (G p e  G pme )u(s) (5) tạo mơ hình dự báo Smith thích nghi Từ (2), (3), (4), (5), hàm truyền cho mạng hệ thống điều khiển y (s) đề cập NCS p viết lại công thức r (s) Cấu trúc NCS dựa mơ (6) sau: hình dự báo Smith r  C s  ecas Network escs u d G p s  Gpms yˆ pm ps e  pms y pm e yp  yfb ycomp Smith Predictor Hình Cấu trúc NCS dựa mơ hình dự báo Smith Cấu trúc NCS xây dựng dựa mô hình dự báo Smith thể hình 1, C(s) điều khiển, mạng gửi nhận liệu Network với e ca s khoảng thời y p (s) r (s)  C (s)e  cas G p (s)e  C (s)G pm (s)  C (s)e  cas [G p ( s)e  p s  p s  G pm (s)e  pm s ]e  sc s (6) Giả thiết mơ hình dự đốn xác định xác, đồng nghĩa với ta có  p   pm G p  G pm Tiếp theo, đạt (7) cách triệt tiêu thành phần tương đương (6) y p ( s) r ( s)  C ( s)e  cas G p ( s)e  p s  C ( s)G pm ( s)  C ( s)G p ( s)  C ( s)G pm ( s) e  cas e  p s (7) Công thức (7) mơ hình NCS dựa mơ hình dự báo Smith TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 19 - 05/2016 triệt tiêu hồn toàn thời gian trễ mạng thời gian trễ đối tượng Hình Cấu trúc NCS dựa mơ hình dự báo Smith với ước lượng thời gian trễ sử dụng mạng thần kinh nhân tạo [6] Thời gian trễ liệu truyền từ cảm biến tới điều khiển bị loại trừ hồn tồn khỏi vòng lặp, thời gian trễ liệu truyền từ điều khiển tới đối tượng thời gian trễ đối tượng suất khối Gain sau tín hiệu đầu Như vậy, ảnh hưởng thời gian trễ bị loại trừ khỏi vòng lặp kín NCS giúp cho hiệu suất chất lượng điều khiển NCS nâng cao Mơ hình xây dựng hình 2, đáp ứng tốt với thay đổi thời gian trễ chưa khảo sát ảnh hưởng nhiễu Giải pháp loại trừ đồng thời ảnh hưởng thời gian trễ nhiễu tác động vào NCS 3.1 Giải pháp dùng mơ hình Smith thích nghi kết hợp loại trừ nhiễu dựa mạng thần kinh nhân tạo r  e  Robust Controller Ks p v eecacass u v vd d   1 z Gpms Gp se  (k ) p s  d z1 Q(s) i  n z1 Q(s) vn(k 1) z1 z1  d Network z1 (k)pm Network e j z1 scscss ee p z1 (k 1) pm e  yn e  0.5365  8.5691 0.1374 R   0.0118 0.445 0.0044  0.0114  0.3408 0.8367 (8)  0.2895  (9) Cuối ta có điều khiển bền ~ ~ ~ ~ ~ vững K  ( Ac , Bc , Cc , Dc ) với:  yn  ypm p (k)pms Gpms j On-line Calculation Modulator chất lượng điều khiển NCS Giải pháp xây dựng mô hình Smith kết hợp với bù nhiễu (Nerual-network Disturbance observer –NDOB) dựa mạng thần kinh nhân tạo hình Bộ bù nhiễu NDOB lấy tín hiệu đầu vào hình 3, tín hiệu đầu xem tín hiệu dùng để loại bỏ hồn tồn nhiễu khỏi vòng lặp kín NCS Mơ hình dự đốn Smith đưa thêm vào nhận dạng đối tượng sử dụng mạng thần kinh nhân tạo thiết kế [8], mơ hình dự báo Smith trở thành mơ hình có khả thích nghi tuyệt đối không xác định rõ đối tượng lẫn thời gian trễ đối tượng 3.2 Kết mơ Trong mơ hình này, điều khiển Fuzzy PID thay điều khiển bền vững Bộ điều khiển bền vững tính toán theo phương pháp McFarlan – Glover thỏa mãn điều kiện tính tốn theo [8] Đầu tiên giải bất đẳng thức ma trận tuyến tính LMIs sau tính tốn biến vơ hướng  , ta có   2.2154 Sử dụng giải pháp tối ưu Matlab với lựa chọn   1.1  2.4369 sau tính ma trận R L sau: L  0.4711 10 928 yp 15  yfb Adaptive Smith Predictor Hình Cấu trúc NCS dựa mơ hình dự báo Smith thích nghi với ước lượng thời gian trễ sử dụng mạng thần kinh nhân tạo, giám sát bù nhiễu NDOB Chúng ta xem xét NCS với ảnh hưởng thời gian trễ lẫn nhiễu tác động vào NCS, rõ ràng cấu trúc dự báo Smith thơng thường khơng đủ để đảm bảo  155.6237  16385.4248  0.5844 ~ , Ac    630.1716    3.7687  628.0077  1.0175 1231 4322  ~ , Bc    57.6157    49.4248   ~ Cc  0.4711 10.928  0.2895 , ~ Dc  16 Journal of Transportation Science and Technology, Vol 19, May 2016 Mơ hình đối tượng điều khiển chọn theo hàm truyền sau: G p ( s )e  ( k ) p s 5 700 s   ( k ) p s e s  30s  10 0.3s  (10) Trong đó, lựa chọn hàm danh định mơ hình đối tượng điều khiển tương s 1 mơ hình danh định 0.3s  700 đối tượng điều khiển G  s  30s  10 ứng W1  5, W2  Lựa chọn hàm thời gian trễ dạng tín hiệu sinusoidal [7] với t dạng phiến hàm tự nằm ngưỡng [0,10]: (11)  (k ) p (t )  0.3sin(3  0.1t ) Nhiễu có dạng tín hiêu với t dạng phiến hàm tự nằm ngưỡng [0,10]: d (t )  0.2sin(1.3t ) (12) n(t )  0.01sin(0.3t ) (13) Sử dụng phần mềm TrueTime2.0 Beta [10] chạy Matlab với tham số lựa chọn tương tự phần trước ta có kết sau: Hình hình hiển thị đáp ứng đầu trường hợp: NCS có khơng có bù nhiễu NDOB Kết cho thấy NCS có bù nhiễu đáp ứng đầu dao động với biên độ nhỏ quanh vị trí cân NCS khơng bù nhiễu khó điều khiển với biên độ dao động lớn, tín hiệu nhiễu lớn đột ngột NCS hồn tồn ổn định Hình Đáp ứng tín hiệu điêu khiển không dùng NDOB dùng NDOB với điều khiển Fuzzy PID (FC)[5] bền vững (RC)[6] t  0  5 Hình Đáp ứng tín hiệu đầu NCS không dùng NDOB dùng NDOB với điều khiển Fuzzy PID (FC) bền vững (RC) t  0  5 Cấu trúc NCS dựa mơ hình Smith kết hợp bù nhiễu NDOB cho thấy phù hợp với nhiều điều khiển, điển hình điều khiển Fuzzy điều khiển bền vững Ngoài ra, thực nghiệm True Time cho thấy hệ thống tình trạng xấu có khả trì độ ổn định nhiên đảm bảo giới hạn vật lý định, nhiễu thời gian trễ q lớn giải pháp dùng mơ hình dự báo Smith khó để đáp ứng chất lượng yêu cầu Kết luận Bài báo đưa giải nhiều vấn đề gây giảm hiệu suất chất lượng NCS Mỗi vấn đề có hướng giải để tìm phương pháp tốt nhất, phù hợp Trong trường hợp bù thời gian trễ mạng điều khiển, giải pháp sử dụng mơ hình dự đốn Smith thích nghi với chế ước lượng thời gian sử dụng Logic mờ mạng thần kinh nhân tạo cho kết tốt Để giải vấn đề bù nhiễu cho NCS, giải pháp sử dụng bù nhiễu sử dụng mạng thần kinh nhân tạo kết hợp lọc Q-filter đưa Cuối cùng, mơ hình tổng qt NCS dựa mơ hình dự đốn Smith có khả loại trừ đồng thời ảnh hưởng nhiễu lẫn thời gian trễ không xác định xây dựng thành công, kết mơ cho thấy tính hiệu phương pháp đưa Về phương diện điều khiển, với mơ hình NCS đưa hồn tồn làm việc ổn định với điều khiển Fuzzy PID lẫn điều khiển bền vững Trong nghiên cứu thấy giải pháp ứng dụng mạng TẠP CHÍ KHOA HỌC CÔNG NGHỆ GIAO THÔNG VẬN TẢI, SỐ 19 - 05/2016 thần kinh nhân tạo sử dụng nhiều, ta sử dụng thuật tốn Gen cho cơng việc thu kết tốt  Tài liệu tham khảo [1] T W Long, “A self-similar neural network for distributed vibration control,” In Proc The 32nd IEEE Conference on Digital Object Identifier, vol 4, pp 3243 – 3248, 1993 [2] P I Corkey, P Ridley, “Steering kinematics for a center-articulated mobile robot,” IEEE transactions on Robotics and Automations, vol 17, no 2, pp 215–218, 2001 [3] F L Lian, J Moyne, D Tilbury, “Network design consideration for distributed control systems,” In IEEE Transactions on Control Systems Technology, vol 10, no 2, pp 297–307, 2002 [4] I A K Saeed, N V Afzulpurkar, “Real time, dynamic target tracking using image motion,” In Proc IEEE International Conference on Mechatronics, Taipei, Taiwan, pp 241–246, 2005 [5] X K Dang, Z H Guan, H D Tran and T Li, “Fuzzy Adaptive Control of Networked Control System with Unknown Time-delay,” Proc The 30th Chinese Control Conference, Yan tai, China, Jul 2011, pp 4622 - 4626 17 [6] X K Dang, Z H Guan, T Li and D X Zhang, “Joint Smith Predictor and Neural Network Estimation Scheme for Compensating Randomly Varying Time-delay in Networked Control System,” Proc The 24th Chinese Control and Decision Conference, Tai Yuan, China, May 2012 PP 512-517 [7] X.K Dang, “Analysis and Design of Networked Control Systems under the Effect of Time-delays and Disturbances,” Ph.D dissertation, Univ Huazhong, Wuhan, 2012 [8] Xuan-Kien Dang, Van-Thu Nguyen, XuanPhuong Nguyen, “Robust Control of Networked Control Systems with Randomly Varying TimeDelays Based Adaptive Smith Predictor” Rangsit Journal of Arts and Sciences, RJAS, Vol No 2, pp.175-186, Dec, 2015 [9] Đặng Xuân Kiên, “Mạng hệ thống điều khiển: Kiến thức tảng định hướng nghiên cứu”, Tạp chí Khoa học công nghệ giao thông vận tải, Số 17-11/2015, Tr.37-41 [10] C Anton, H Dan, and O Martin, TrueTime 2.0 beta - Reference Manual, 1st ed Sweden: Department of Automatic Control, Lund University, January, 2009 Ngày nhận bài: 17/03/2016 Ngày hoàn thành sửa bài: 06/04/2016 Ngày chấp nhận đăng: 14/04/2016 ... thống điều khiển sử dụng mạng truyền thông gian trễ liệu truyền từ điều khiển bao gồm hệ thống điều khiển mạng tới đối tượng, e sc s khoảng thời gian trễ chia sẻ (Shared-network) hệ thống điều. .. mơ hình NCS dựa mơ hình dự báo Smith TẠP CHÍ KHOA HỌC CƠNG NGHỆ GIAO THƠNG VẬN TẢI, SỐ 19 - 05/2016 triệt tiêu hoàn toàn thời gian trễ mạng thời gian trễ đối tượng Hình Cấu trúc NCS dựa mơ hình. .. Mơ hình xây dựng hình 2, đáp ứng tốt với thay đổi thời gian trễ chưa khảo sát ảnh hưởng nhiễu Giải pháp loại trừ đồng thời ảnh hưởng thời gian trễ nhiễu tác động vào NCS 3.1 Giải pháp dùng mơ hình