Điều khiển thích nghi cho hệ thống cần cẩu treo có tính đến yếu tố bất định

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LÊ XUÂN HẢI Lê Xuân Hải ĐIỀU KHIỂN THÍCH NGHI CHO HỆ THỐNG CẦN CẨU TREO ĐIỀU KHIỂN THÍCH PHI TUYẾN THỐNG CẦN CẨU CĨ NGHI TÍNH ĐẾN YẾU TỐCHO BẤTHỆ ĐỊNH TREO MƠ HÌNH BẤT ĐỊNH Chuyên ngành: Kỹ thuật điều khiển tự động hóa Mã số: 9520216 LUẬNLUẬN ÁN TIẾN SĨ KỸ THUẬT VÀTỰ TỰ ĐỘNG HÓA ÁN TIẾN SĨ KỸ THUẬTĐIỀU ĐIỀU KHIỂN KHIỂN VÀ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Vũ Vân Hà GS.TS Phan Xuân Minh Hà Nội – 2018 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LÊ XUÂN HẢI ĐIỀU KHIỂN THÍCH NGHI CHO HỆ THỐNG CẦN CẨU TREO CĨ TÍNH ĐẾN YẾU TỐ BẤT ĐỊNH Ngành: Kỹ thuật Điều khiển Tự động hóa Mã số: 9520216 LUẬN ÁN TIẾN SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC: TS Vũ Vân Hà GS.TS Phan Xuân Minh Hà Nội – 2018 Lời cam đoan Tôi xin cam đoan công trình nghiên cứu riêng tơi, kết nghiên cứu trình bày luận án trung thực, khách quan chưa tác giả khác công bố Hà Nội, ngày … tháng … năm 20… Tập thể hướng dẫn Nghiên cứu sinh Lời cảm ơn Trong q trình làm luận án, tơi nhận nhiều góp ý chun mơn ủng hộ giúp đỡ tập thể cán hướng dẫn, nhà khoa học, bạn đồng nghiệp Tôi xin gửi tới họ lời cảm ơn sâu sắc Tơi xin bày tỏ lòng cảm ơn đến tập thể hướng dẫn trực tiếp tâm huyết hướng dẫn suốt thời gian qua Tôi xin chân thành cảm ơn nhà khoa học, tập thể Bộ môn Điều khiển Tự động, Viện Điện, Viện đào tạo sau đại học, Trường Đại học Bách khoa Hà Nội tạo điều kiện thuận lợi cho suốt trình học tập nghiên cứu thực đề tài luận án Tơi xin bày tỏ lòng biết ơn đến bạn đồng nghiệp Khoa Kỹ thuật công nghệ đặc biệt Ban giám hiệu Trường Cao đẳng Xây dựng cơng trình Đơ thị nơi tơi cơng tác tạo điều kiện thuận lợi để yên tâm học tập, nghiên cứu Cuối cảm ơn ủng hộ, động viên, khích lệ gia đình thân u tơi để tơi hồn thành nhiệm vụ học tập Nghiên cứu sinh Lê Xuân Hải MỤC LỤC Các ký hiệu sử dụng viii Danh mục ký hiệu chữ viết tắt xi Điều khiển trượt thích nghi nơ-ron có bù tải xi Danh mục hình vẽ, đồ thị xii Danh mục bảng xvi MỞ ĐẦU 1 Tính cấp thiết đề tài luận án Mục tiêu nhiệm vụ luận án Phạm vi nghiên cứu luận án Ý nghĩa khoa học thực tiễn luận án Cấu trúc luận án CHƯƠNG 1: TỔNG QUAN VỀ HỆ THỐNG CẦN CẨU TREO VÀ CÁC PHƯƠNG PHÁP ĐIỀU KHIỂN 1.1 Mơ hình tốn học cần cẩu treo 1.1.1 Mơ hình cẩn cẩu treo 3D có chiều dài dây treo khơng thay đổi 1.1.2 Mơ hình cần cẩu treo 2D 10 1.1.3 Phân tích mơ hình 12 1.2 Tình hình nghiên cứu nước 13 1.2.1 Tình hình nghiên cứu nước 13 1.2.2 Tình hình nghiên cứu ngồi nước 13 1.3 Tổng quan phương pháp điều khiển cần cẩu treo 14 1.3.1 1.3.1.1 Luật điều khiển PD, luật điều khiển dựa bình phương lượng động 15 1.3.1.2 Điều khiển tuyến tính hóa phần 15 1.3.1.3 Điều khiển dựa hệ suy diễn mờ 18 1.3.1.4 Điều khiển trượt 19 1.3.1.5 Điều khiển trượt tầng 20 1.3.2 1.4 Các phương pháp cho đối tượng cần cẩu treo 2D 14 Các phương pháp cho đối tượng cần cẩu treo 3D 20 Kết luận chương 22 CHƯƠNG 2: ĐIỀU KHIỂN THÍCH NGHI CHO CẦN CẨU TREO TRÊN CƠ SỞ HỆ MỜ 23 v 2.1 Nền tảng sở cho giải thuật điều khiển 23 2.1.1 Mơ hình mờ Sugeno 23 2.1.2 Phương pháp suy luận tuyến tính biểu diễn hệ mờ 24 2.1.3 Điều khiển trượt tầng 25 2.2 Tổng hợp điều khiển mờ hai lớp 32 2.2.1 Tổng hợp điều khiển mờ cho lớp thứ 34 2.2.2 Tổng hợp điều khiển mờ cho lớp thứ hai 35 2.2.3 Kết mô 36 2.3 2.2.3.1 Mô cho hệ cần cẩu treo 3D với chiều dài dây treo không thay đổi 36 2.2.3.2 Mô cho trường hợp cẩu treo 2D 41 Điều khiển trượt thích nghi mờ cho cần cẩu treo 48 2.3.1 Thiết kế điều khiển trượt tầng 48 2.3.2 Luật điều khiển thích nghi 50 2.3.3 Kết mô 53 2.4 Kết luận chương 61 CHƯƠNG 3: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI CHO CẦN CẨU TREO TRÊN CƠ SỞ MẠNG NƠ-RON NHÂN TẠO 62 3.1 Nền tảng sở cho giải thuật điều khiển 63 3.1.1 Điều khiển backstepping 63 3.1.2 Mạng nơ-ron nhân tạo RBF 67 3.2 Bộ điều khiển trượt backstepping sở mạng nơ-ron nhân tạo 70 3.2.1 Tổng hợp điều khiển trượt backstepping 70 3.2.2 Tổng hợp điều khiển trượt thích nghi sở mạng nơ-ron nhân tạo 74 3.2.2.1 Xấp xỉ véc-tơ hàm bất định mạng nơ ron nhân tạo 74 3.2.2.2 Phát biểu định lý chứng minh tính ổn định hệ kín 76 3.2.3 3.3 Mô kiểm chứng kỹ thuật số 78 Điều khiển trượt thích nghi nơ-ron bất định tải 92 3.3.1 Tổng hợp điều khiển trượt 92 3.3.2 Tổng hợp điều khiển trượt thích nghi bất định tải (ASMCWUPL) 94 3.3.3 Mô kiểm chứng 98 3.4 Kết luận chương 102 CHƯƠNG 4: KIỂM CHỨNG BẰNG THỰC NGHIỆM TRÊN MƠ HÌNH CẦN CẨU TREO 2D TRONG PHỊNG THÍ NGHIỆM 103 vi 4.1 Xây dựng bàn thí nghiệm 103 4.1.1 Mơ hình vật lý 103 4.1.2 Thiết kế phần cứng 104 4.1.3 Thiết kế phần mềm 106 4.2 4.1.3.1 Bộ lọc Kalman cho cảm biến MPU6050 106 4.1.3.2 Giao diện HMI 108 Cài đặt số giải thuật điều khiển 108 4.2.1 Cài đặt thuật toán mờ hai lớp 108 4.2.2 Cài đặt thuật tốn trượt tầng thích nghi mờ 110 4.3 Kết luận chương 114 KẾT LUẬN VÀ KIẾN NGHỊ 115 DANH MỤC CÁC CƠNG TRÌNH ĐÃ ĐƯỢC CƠNG BỐ CỦA LUẬN ÁN 118 vii Các ký hiệu sử dụng mc Khối lượng xe mr Khối lượng xà đỡ m Khối lượng tải trọng l Chiều dài dây treo ux Lực tác dụng theo phương x uy Lực tác dụng theo phương y ul Lực kéo tải trọng u Véc-tơ lực tác động lên hệ cần cẩu treo u1 Véc-tơ lực điều khiển thành phần đủ chấp hành hệ cần cẩu treo Ox Phương x Oy Phương y x Tọa độ xe theo phương x y Tọa độ xe theo phương y x Góc lắc tải trọng theo phương x y Góc lắc tải trọng theo phương y pr Vị trị xà đỡ pc Vị trí xe pm Vị trí tải trọng q Biến trạng thái hệ cần cẩu treo Er Động xà đỡ Ec Động xe El Động tải trọng E Động hệ cần cẩu treo Vl Thế tải V Thế hệ cần cẩu treo Mx Khối lượng di chuyển theo phương x My Khối lượng di chuyển theo phương y viii J Mô men quán tính tải trọng M Khối lượng xe L Hàm Lagrange Dx , Dy , Dl Hệ số ma sát nhớt theo phương x, phương y, khớp nỗi động dây treo M (q) Ma trận quán tính C ( q, q ) Ma trận lực hướng tâm Coriolis D Ma trận hệ số ma sát g (q) Véc-tơ lực trọng trường f1  X  , g1  X  , f  X  , g2  X  Các hàm bất định mơ hình cần cẩu treo 2D q1 Thành phần biến khớp đủ cấu chấp hành q2 Thành phần biến khớp thiếu cấu chấp hành q1r Tín hiệu đặt cho biến q1 e1 Sai lệch q1 q1r e2 Sai lệch góc lắc K1 , K Hai ma trận đối xứng xác định dương s Mặt trượt   Tổng u Tín hiệu điều khiển hệ cần cẩu treo viết Tích dạng mơ hình sai lệch u1 Tín hiệu điều khiển thành phần đủ chấp hành hệ cần cẩu treo viết dạng mơ hình sai lệch u2 Tín hiệu điều khiển thành phần thiếu chấp hành hệ cần cẩu treo viết dạng mơ hình sai lệch Z2 Tín hiệu điều khiển ảo s1 , s2 Hai mặt trượt tầng trượt thứ r1 , r2 Hai ma trận số u1eq Thành phần điều khiển tương đương u1 ix u1sw Thành phần điều khiển chuyển mạch u1  Véc-tơ chứa thành phần bất định hệ cần cẩu treo W Véc-tơ trọng số lý tưởng mạng nơ-ron Wˆ Ước lượng W W Sai lệch W Wˆ diag ( M ) Ma trận đường chéo có phần tử đường chéo M   Chuyển vị ma trận T M Chuẩn Frobeniouscủa ma trận M F f Đạo hàm Jacobi f theo x x sgn( s ) Có nghĩa [sgn( s1 ) sgn( s2 ) x0 Véc-tơ giá trị rõ x sgn( sn )] Hình 4.8: Kết cài đặt thực nghiệm điều khiển trượt tầng với khối lượng tải kg Hình 4.9: Kết cài đặt thực nghiệm điều khiển trượt tầng với khối lượng tải 16 kg Kết cài đặt thực nghiệm điều khiển trượt tầng thích nghi mờ với tham số điều khiển sau: c1  2, c2  0.01, k  0.6 111 Hình 4.10: Kết cài đặt thực nghiệm điều khiển trượt tầng thích nghi mờ với khối lượng tải kg 112 Hình 4.11: Kết cài đặt thực nghiệm điều khiển trượt tầng thích nghi mờ với khối lượng tải 16 kg Chất lượng hai điều khiển thể qua bảng đây: Bộ điều khiển trượt tầng Bộ điều khiển trượt tầng thích nghi mờ - Thời gian bám vị trí đặt khoảng 8s - Tồn độ điều chỉnh nhỏ - Góc lắc nhỏ khoảng -3 đến độ - Thời gian bám vị trí đặt khoảng 7s - Không tồn độ điều chỉnh - Góc lắc nhỏ khoảng -4 đến độ Bảng 4.2: So sánh chất lượng cài đặt thực điều khiển trượt tầng điều khiển trượt tầng thích nghi mờ Bộ điều khiển mờ hai lớp Bộ điều khiển trượt tầng thích nghi mờ 113 - Thời gian bám vị trí đặt khoảng 7s - Khơng tồn độ điều chỉnh nhỏ - Góc lắc nhỏ khoảng -5 đến độ - Thời gian bám vị trí đặt khoảng 7s - Khơng tồn độ điều chỉnh - Góc lắc nhỏ khoảng -4 đến độ Bảng 4.3: So sánh chất lượng cài đặt thực điều khiển mờ hai lớp điều khiển trượt tầng thích nghi mờ 4.3 Kết luận chương Chương luận án tập trung kiểm chứng chất lượng điều khiển thiết kế chương trước thông qua thực nghiệm Mơ hình cần cẩu treo 2D phòng thí nghiệm sử dụng làm đối tượng điều khiển, điều khiển số xây dựng vi điều khiển vận hành thông qua giao diện người dùng máy tính Các kết thực nghiệm nhấn mạnh điều khiển mờ hai lớp điều khiển trượt tầng thích nghi mờ có khả ứng dụng tốt thực tiễn đảm bảo bám quỹ đạo xe đẩy đồng thời hạn chế rung lắc tải trọng 114 KẾT LUẬN VÀ KIẾN NGHỊ Với nhiệm vụ đặt nghiên cứu điều khiển thích nghi phi tuyến cho hệ thống cần cẩu treo mơ hình bất định đảm bảo hệ kín ổn định bám vị trí đặt xe giảm thiểu rung lắc cho tải trọng Kết luận: Những năm cuối kỷ XX, phát triển vượt bậc lý thuyết điều khiển phi tuyến kỹ thuật điều khiển như: kỹ thuật backstepping (Backstepping Technique), kỹ thuật điều khiển mặt động (Dynamic Surface Control Technique) đặt móng cho việc xây dựng điều khiển phi tuyến Điều khiển trượt có bước phát triển đáng kể khơng phải có điều kiện ràng buộc cứng nhắc xưa, đóng góp mang lại hiệu cao việc thiết kế điều khiển cho hệ điện tử thiếu cấu chấp hành phải kể đến phương pháp điều khiển trượt tầng Dianwei Qian [49] Việc tổng hợp điều khiển thực bước dựa kỹ thuật điều khiển trượt, tín hiệu điều khiển điều khiển trượt tầng nhận bước cuối đồng thời hàm Lyapunov cho hệ kín Phương pháp điều khiển trượt tầng giúp cho việc thiết kế điều khiển cho đối tượng thiếu cấu chấp hành dể dàng chất lượng hệ thống cải thiện đáng kể Cũng với phát triển lý thuyết điều khiển phi tuyến, hệ suy diễn sở trí tuệ nhân tạo ứng dụng nhiều lĩnh vực điều khiển Hệ logic mờ (FLS) cho phép thiết kế điều khiển đơn giản dựa sở suy luận mà khơng cần biết xác thông tin đối tượng Luận án sử dụng ưu náy FLS để thiết kế điều khiển mờ lớp (TLFLC) cho hệ cần cẩu treo 2D 3D Các kinh nghiệm tổng hợp tập mờ vào cho điều điều khiển thu thập thông qua mô Kết mô kết chạy thực nghiệm phòng thí nghiệm cho thấy khả ứng dụng điều khiển thực tế Việc kết hợp kỹ thuật điều khiển phi tuyến trí tuệ nhân tạo cho phép điều khiển hệ thống cấu trúc, tham số bất định loại bỏ tác động khơng biết trước từ bên ngồi tác động vào Cùng với tiến vượt bậc thiết bị tính tốn số (các vi điều khiển tốc độ cao), việc cài đặt huấn luyện trực tuyến cho hệ thống đảm bảo tính thời gian thực Luận án sử dụng việc kết hợp để nâng cao chất lượng điều khiển cho hệ cần cẩu treo Luận án sử dụng FLS để chỉnh định tham số mặt trượt để hạn chế 115 tượng lập bập hệ chuyển động mặt trượt cân Việc chỉnh định tham số mặt trượt chọn tín hiệu điều khiển trượt dạng hàm bão hòa giảm đáng kể tượng lập bập hệ thống kín chuyển động đến điểm làm việc ( Hình 2.20) Mạng nơ ron hướng tâm ( mạng RBF) sử dụng để xấp xỉ hàm bất định hệ thống cần cẩu treo Với tốc độ tính tốn máy tính cho phép chọn mạng lớp (trong luận án chọn mạng RBF hai lớp) thay vào chọn số phần tử lớp đầu lớn tăng tốc độ hội tụ mạng Luận án xây dựng thành công điều khiển trượt backstepping thích nghi nơ ron cho hệ cần cẩu treo 3D có bất định biểu diễn dạng hàm số Ngoài luận án đề xuất thành cơng điều khiển trượt thích nghi nơ – ron bù bất định tải Các kết quả đạt luận án công bố hội nghị quốc tế tạp chí có uy tín nước Tóm lại luận án có đóng góp sau đây: - Đề xuất cấu trúc điều khiển mờ hai lớp để điều khiển hệ thống cần cẩu treo đảm bảo xe bám vị trí đặt, góc rung lắc nhỏ mà khơng cần biết xác mơ hình đối tượng Các kết mô số thực nghiệm khẳng định tính đắn điều khiển đề xuất Cấu trúc điều khiển cài đặt cho cần cẩu treo làm việc hai chế độ 2D 3D - Đề xuất điều khiển thích nghi cho hệ thống cần cẩu treo sở kỹ thuật trượt tầng kết hợp với logic mờ, đảm bảo bám xe bám vị trí đặt chống rung lắc cho tải trọng kiểm nghiệm thông qua mô số thực nghiệm Cấu trúc điều khiển thích hợp với cần cẩu treo 2D - Cải tiến điều khiển trượt backstepping Tsai, Chinh-Chih cộng [56] áp dụng cho cần cẩu treo 3D mơ hình bất định sở mạng nơ-ron nhân tạo Mặt khác luận án đề xuất điều khiển trượt thích nghi nơ- ron bù bất định tải Phát biểu chứng minh tính ổn định cho hệ kín mơ kiểm chứng kỹ thuật số - Kiểm chứng chất lượng điều khiển đề xuất luận án hệ thống cần cẩu treo 2D phòng thí nghiệm Các kết thực nghiệm cho thấy độ tin cậy giải thuật đề xuất khả ứng dụng thực tế Kiến nghị: Luận án tập trung nghiên cứu giải thuật điều khiển hệ cần cẩu treo có xe kéo chạy đường ray chưa nghiên cứu cho hệ cần cẩu treo kiểu tháp, hướng nghiên cứu mà tác giả muốn phát triển thêm tương lai 116 Ngoài ra, tác giả mong muốn phát triển chế tạo điều khiển thay cho điều khiển sử dụng cho hệ cần cẩu treo thực tế bị hỏng 117 DANH MỤC CÁC CƠNG TRÌNH ĐÃ ĐƯỢC CÔNG BỐ CỦA LUẬN ÁN Le Xuan Hai, Nguyen Van Thai, Bui Trong Duong, Vu Thi Thuy Nga, Thai Huu Nguyen, Phan Xuan Minh (2016), “Implementation of a laboratory overhead crane control system”, Tạp chí nghiên cứu khoa học công nghệ quân sự, số 44, tr 03-12, ISSN 1859-1043 Le Xuan Hai, Quach Thai Quyen, Le Van Hung, Nguyen Van Thai, Vu Thi Thuy Nga, Phan Xuan Minh (2016), “Improving of control overhead crane quality based on the fuzzy adaptive second order sliding mode control”, Tạp chí nghiên cứu khoa công nghệ quân sự, số 45, , tr 20-27, ISSN 1859-1043 Le Xuan Hai, Bui The Hao, Tran Hai Dang, Nguyen Van Thai, Do Thi Tu Anh, Ha Thi Kim Duyen, Phan Xuan Minh (2016) “Setting up some non- linear control argorithms for 2D overhead crane in the laboratory”, Tạp chí nghiên cứu khoa học công nghệ quân sự, số 45, tr 64-72, ISSN 1859-1043 Le Xuan Hai, Thai Huu Nguyen, Tran Gia Khanh, Nguyen Tien Thanh, Bui Trong Duong, Phan Xuan Minh (2017), “Anti-sway tracking control of overhead crane system based on PID and fuzzy sliding mode control”, Journal of Science and Technology, tập 55, ISSN 0866-708X Vu Thi Thuy Nga, Le Xuan Hai, Le Viet Anh, Ta Van Truong, Hoang Nghia Hiep, Ha Thi Kim Duyen, Phan Xuan Minh (2017) “Antisway tracking control for 2D overhead crane using double layer fuzzy logic controlles”, May 2017, Journal of Military Science and Technology, Specical Issue, No 48A, tr 68-77, ISSN 1859-1043 118 Le Xuan Hai, Nguyen Van Thai, Vu Thi Thuy Nga, Hoang Thi Tu Uyen, Nguyen Thanh Long, Thai Huu Nguyen, Phan Xuan Minh (2017), “High order sliding mode control with anti-sway based on compensation on artificial neural network by PSO algorithm for overhead crane” , Vietnam Joural of science and technology, Vol.55, No.3, ISSN 0866-708X Lê Xuân Hải, Nguyễn Văn Thái, Lê Việt Anh, Hoàng Thị Tú Uyên, Phạm Thị Hương Sen, Nguyễn Quang Minh, Vũ Quốc Doanh, Phan Xuân Minh (2017), “Tổng hợp điều khiển trượt tầng có tham số mặt trượt thay đổi theo thời gian thay đổi phòng thí nghiệm”, Tạp chí nghiên cứu khoa học công nghệ quân sự, Số đặc san ACMEC – ĐH KTCN TN, tr 176181, ISSN 1859-1043 Hai Le Xuan, Thai Nguyen Van, Anh Le Viet, Nga Vu Thi Thuy, Minh Phan Xuan (2017), “Adaptive backstepping hierarchical sliding mode control for uncertain 3D overhead crane systems”, ICSSE, 2017 International Conference on, Publisher IEEE, ISSN 2325-0925 Le Xuan Hai, Phan Anh Tuan, Nguyen Duc Dinh, Dinh Phong Tuyen, Phan Xuan Minh (2018), “Adaptive control using neural network for overhead crane system with uncertainty of payload mass”, November 2018, Journal of Military Science and Technology, Specical Issue, No 57A 119 TÀI LIỆU THAM KHẢO Tài liệu Tiếng Việt [1] Huỳnh Thái Hồng (2006): Các thuật tốn tối ưu bền vững để nhận dạng điều khiển thích nghi hệ thống động, Trường Đại học Bách khoa, Đại học Quốc gia thành phố Hồ Chí Minh [2] Lại Khắc Lại (2003): Một số phương pháp tổng hợp điều khiển sở logic mờ thích nghi, Luận án tiến sĩ kỹ thuật, Đại học Bách Khoa Hà Nội [3] Nguyễn Quang Hoàng (2016): Chỉnh định tham số điều khiển PID cho cầu trục thuật giải thuật PSO, Tuyển tập cơng trình hội nghị Khoa học toàn quốc lần thứ hai Cơ kỹ thuật Tự động hóa, pp 96-100 [4] Nguyễn Thị Việt Hương (2016): Nghiên cứu xây dựng phương pháp điều khiển thích nghi, bền vững hệ Euler - Lagrange thiếu cấu chấp hành ứng dụng cho cẩu treo, Đại học Thái Nguyên [5] Nguyễn Đức Minh (2012): Điều khiển trượt thích nghi cho hệ thống phi tuyến, Luận án tiến sĩ kỹ thuật, Trường Đại học Bách khoa Hồ Chí Minh [6] Nguyễn Hồi Nam (2016): Tổng quan ứng dụng mạng nơ-ron điều khiển, Tạp chí nghiên cứu khoa học cơng nghệ qn sự, số đặc san ACMEC, pp 3-10, [7] Nguyễn Doãn Phước (2012): Phân tích điều khiển phi tuyến: Nhà xuất Bách Khoa, 2012 [8] Nguyễn Doãn Phước (2009): Lý thuyết điều khiển tuyến tính: Nhà xuất Khoa học Kỹ thuật, 2009 [9] Thái Hữu Nguyên (2015): Điều khiển thích nghi phi tuyến cho robot cơng nghiệp sở mạng nơ ron nhân tạo, Đại học Bách Khoa Hà Nội 120 Tài liệu Tiếng Anh [10] Abdel-Rahman E M., Nayfeh A H., and Masoud Z N (2003): Dynamics and control of cranes: A review, Journal of Vibration and control, vol 9, pp 863-908 [11] Ahmad M., Ismail R R., Ramli M., Ghani N A., and Hambali N (2009): Investigations of feed-forward techniques for anti-sway control of 3-D gantry crane system, in Industrial Electronics & Applications, 2009 ISIEA 2009 IEEE Symposium on, 2009, pp 265-270 [12] Ahmad M A., Ismail R M T R., and Ramli M S (2009): Input shaping techniques for anti-sway control of a 3-D gantry crane system, in Mechatronics and Automation, 2009 ICMA 2009 International Conference on, 2009, pp 2876-2881 [13] Almutairi N B and Zribi M (2009): Sliding mode control of a three-dimensional overhead crane, Journal of vibration and control, vol 15, pp 1679-1730 [14] Anh-Tuan L., Moon S., and Kim B (2013): Partial feedback linearization control of a three-dimensional overhead crane, International Journal of Control, Automation and Systems, vol 11, pp 718-727 [15] Benhidjeb A and Gissinger G (1995): Fuzzy control of an overhead crane performance comparison with classic control, Control Engineering Practice, vol 3, pp 1687-1696 [16] Cho S.-K and Lee H.-H (2000): An anti-swing control of a 3-dimensional overhead crane, in American Control Conference, 2000 Proceedings of the 2000, 2000, pp 10371041 [17] Chwa D (2009): Nonlinear tracking control of 3-D overhead cranes against the initial swing angle and the variation of payload weight, IEEE Transactions on Control Systems Technology, vol 17, pp 876-883 [18] Ciuca I and Ware J (1997): Layered neural networks as universal approximators, Computational Intelligence theory and Applications, pp 411-415 [19] Cotter N E (1990): The Stone-Weierstrass theorem and its application to neural networks, IEEE Transactions on Neural Networks, vol 1, pp 290-295 [20] Dai S., Lv Z., and Liu Z (2010): Study of precise positioning and antiswing for the varying rope length in 3D crane systems base on the combination of partial decoupling and fuzzy control, in Robotics and Biomimetics (ROBIO), 2010 IEEE International Conference on, 2010, pp 656-661 [21] De Jesus O and Hagan M T (2007): Backpropagation algorithms for a broad class of dynamic networks, IEEE Transactions on Neural Networks, vol 18, pp 14-27 121 [22] Fang Y., Dixon W., Dawson D., and Zergeroglu E (2003): Nonlinear coupling control laws for an underactuated overhead crane system, IEEE/ASME transactions on mechatronics, vol 8, pp 418-423 [23] Fang Y., Zergeroglu E., Dixon W., and Dawson D (2001): Nonlinear coupling control laws for an overhead crane system, in Control Applications, 2001.(CCA'01) Proceedings of the 2001 IEEE International Conference on, 2001, pp 639-644 [24] Hagan M T and Demuth H B (1999): Neural networks for control, in American Control Conference, 1999 Proceedings of the 1999, 1999, pp 1642-1656 [25] Hagan M T., Demuth H B., and Jesús O D (2002): An introduction to the use of neural networks in control systems, International Journal of Robust and Nonlinear Control, vol 12, pp 959-985 [26] Hagan M T and Menhaj M B (1994): Training feedforward networks with the Marquardt algorithm, IEEE transactions on Neural Networks, vol 5, pp 989-993 [27] Horn J., De Jesús O., and Hagan M T (2009): Spurious valleys in the error surface of recurrent networks—Analysis and avoidance, IEEE Transactions on Neural Networks, vol 20, pp 686-700 [28] Isidori A (1999): Nonlinear Control Systems: Springer Verlag, 1999 [29] Jafari A H and Hagan M T (2015): Enhanced recurrent network training, in Neural Networks (IJCNN), 2015 International Joint Conference on, 2015, pp 1-8 [30] Karnin E D (1990): A simple procedure for pruning back-propagation trained neural networks, IEEE Transactions on Neural Networks, vol 1, pp 239-242 [31] Le T A., Lee S.-G., and Moon S.-C (2014): Partial feedback linearization and sliding mode techniques for 2D crane control, Transactions of the Institute of Measurement and Control, vol 36, pp 78-87 [32] Lee H.-H (1998): Modeling and control of a three-dimensional overhead crane, Transactions American Society of mechanical engineers journal of synamic system measurement and control, vol 120, pp 471-476 [33] Lee H.-H (2005): Motion planning for three-dimensional overhead cranes with highspeed load hoisting, International Journal of Control, vol 78, pp 875-886 [34] Lee H.-H., Liang Y., and Segura D (2006): A sliding-mode antiswing trajectory control for overhead cranes with high-speed load hoisting, Journal of Dynamic Systems, Measurement, and Control, vol 128, pp 842-845 [35] Lee S.-G., Nho L C., and Kim D H (2013): Model reference adaptive sliding mode control for three dimensional overhead cranes, International Journal of Precision Engineering and Manufacturing, vol 14, pp 1329-1338 122 [36] Leung F H.-F., Lam H.-K., Ling S.-H., and Tam P K.-S (2003): Tuning of the structure and parameters of a neural network using an improved genetic algorithm, IEEE Transactions on Neural networks, vol 14, pp 79-88 [37] Liu D., Yi J., Zhao D., and Wang W (2004): Swing-free transporting of two-dimensional overhead crane using sliding mode fuzzy control, in American Control Conference, 2004 Proceedings of the 2004, 2004, pp 1764-1769 [38] Marquardt D W (1963): An algorithm for least-squares estimation of nonlinear parameters, Journal of the society for Industrial and Applied Mathematics, vol 11, pp 431-441 [39] McCulloch W S and Pitts W (1943): A logical calculus of the ideas immanent in nervous activity, The bulletin of mathematical biophysics, vol 5, pp 115-133 [40] Nalley M J and Trabia M B (2000): Control of overhead cranes using a fuzzy logic controller, Journal of Intelligent & Fuzzy Systems, vol 8, pp 1-18 [41] Narendra K S and Parthasarathy K (1990): Identification and control of dynamical systems using neural networks, IEEE Transactions on neural networks, vol 1, pp 4-27 [42] Panchapakesan C., Palaniswami M., Ralph D., and Manzie C (2002): Effects of moving the center's in an RBF network, IEEE Transactions on Neural Networks, vol 13, pp 1299-1307 [43] Park H., Chwa D., and Hong K (2007): A feedback linearization control of container cranes: Varying rope length, International Journal of Control Automation and Systems, vol 5, p 379 [44] Park M.-S., Chwa D., and Eom M (2014): Adaptive sliding-mode antisway control of uncertain overhead cranes with high-speed hoisting motion, IEEE Transactions on Fuzzy Systems, vol 22, pp 1262-1271 [45] Park M.-S., Chwa D., and Hong S.-K (2008): Antisway tracking control of overhead cranes with system uncertainty and actuator nonlinearity using an adaptive fuzzy slidingmode control, IEEE Transactions on Industrial Electronics, vol 55, pp 3972-3984 [46] Phan M C and Hagan M T (2013): Error surface of recurrent neural networks, IEEE transactions on neural networks and learning systems, vol 24, pp 1709-1721 [47] Qian D., Tong S., and Yi J (2013): Adaptive control based on incremental hierarchical sliding mode for overhead crane systems, Applied Mathematics & Information Sciences, vol 7, p 1359 [48] Qian D., Yi J., and Zhao D (2011): Control of overhead crane systems by combining sliding mode with fuzzy regulator, IFAC Proceedings Volumes, vol 44, pp 9320-9325 123 [49] Qian D., Yi J., and Zhao D (2008): Hierarchical sliding mode control for a class of SIMO under-actuated systems, Control and Cybernetics, vol 37, p 159 [50] Rumelhart D E., McClelland J L., and Group P R., "Parallel distributed processing: Explorations in the microstructures of cognition Volume 1: Foundations," ed: The MIT Press, Cambridge, MA, 1986 [51] Sakawa Y and Sano H (1997): Nonlinear model and linear robust control of overhead traveling cranes, Nonlinear Analysis: Theory, Methods & Applications, vol 30, pp 2197-2207 [52] Shyu K.-K., Jen C.-L., and Shang L.-J (2005): Design of sliding-mode controller for anti-swing control of overhead cranes, in Industrial Electronics Society, 2005 IECON 2005 31st Annual Conference of IEEE, 2005, p pp [53] Spong M W (1994): Partial feedback linearization of underactuated mechanical systems, in Intelligent Robots and Systems' 94.'Advanced Robotic Systems and the Real World', IROS'94 Proceedings of the IEEE/RSJ/GI International Conference on, 1994, pp 314-321 [54] Sugeno M (1985): Industrial applications of fuzzy control: Elsevier Science Inc., 1985 [55] Suzuki K., Horiba I., and Sugie N (2001): A simple neural network pruning algorithm with application to filter synthesis, Neural Processing Letters, vol 13, pp 43-53 [56] Tsai C.-C., Wu H L., and Chuang K.-H (2012): Backstepping aggregated sliding-mode motion control for automatic 3D overhead cranes, in Advanced Intelligent Mechatronics (AIM), 2012 IEEE/ASME International Conference on, 2012, pp 849-854 [57] Tuan L A., Kim J J., Lee S G., and Lim T G (2014): Second-Order Sliding Mode Control of a 3D Overhead Crane with Uncertain System Parameters, International journal of precision engineering and manufacturing, vol 15, pp 811-819 [58] Wang L., Zhang H., and Kong Z (2015): Anti-swing control of overhead crane based on double fuzzy controllers, in Control and Decision Conference (CCDC), 2015 27th Chinese, 2015, pp 981-986 [59] Wang W., Liu X., and Yi J (2007): Structure design of two types of sliding-mode controllers for a class of under-actuated mechanical systems, IET Control Theory & Applications, vol 1, pp 163-172 [60] Wang W., Yi J.-q., Zhao D.-b., and Liu D.-t (2004): Anti-swing control of overhead cranes based on sliding-mode method, Control and decision, vol 19, pp 1013-1016 [61] Wang W., Yi J., Zhao D., and Liu D (2004): Design of a stable sliding-mode controller for a class of second-order underactuated systems, IEE Proceedings-Control Theory and Applications, vol 151, pp 683-690 124 [62] Wang Z., Chen Z., and Zhang J (2011): "On PSO based fuzzy neural network sliding mode control for overhead crane," in Practical Applications of Intelligent Systems, ed: Springer, 2011, pp 563-572 [63] Wang Z and Surgenor B W (2006): A problem with the LQ control of overhead cranes, Journal of dynamic systems, measurement, and control, vol 128, pp 436-440 [64] Weimin X., Xiang Z., Yuqiang L., Mengjie Z., and Yuyang L (2015): Adaptive dynamic sliding mode control for overhead cranes, in Control Conference (CCC), 2015 34th Chinese, 2015, pp 3287-3292 [65] Yang J H and Shen S H (2011): Novel approach for adaptive tracking control of a 3-D overhead crane system, Journal of Intelligent & Robotic Systems, vol 62, pp 59-80 [66] Yang J H and Yang K S (2007): Adaptive coupling control for overhead crane systems, Mechatronics, vol 17, pp 143-152 [67] Yu J., Lewis F., and Huang T (1995): Nonlinear feedback control of a gantry crane, in American Control Conference, Proceedings of the 1995, 1995, pp 4310-4315 [68] Zhan Y., Cheng H.-z., Ge N.-c., and Huang G.-b (2005): Generalized growing and pruning RBF neural network based harmonic source modeling, Proceedings-Chinese society of electrical engineering, vol 25, p 42 125 ... phương pháp cho đối tượng cần cẩu treo 2D 14 Các phương pháp cho đối tượng cần cẩu treo 3D 20 Kết luận chương 22 CHƯƠNG 2: ĐIỀU KHIỂN THÍCH NGHI CHO CẦN CẨU TREO TRÊN... 2.2.3.2 Mô cho trường hợp cẩu treo 2D 41 Điều khiển trượt thích nghi mờ cho cần cẩu treo 48 2.3.1 Thiết kế điều khiển trượt tầng 48 2.3.2 Luật điều khiển thích nghi ... 2.8 Kết mơ cho điều khiển mờ hai lớp trường hợp nhiễu tác động cho hệ cần cẩu treo 3D Hình 2.9 Kết mơ cho điều khiển mờ hai lớp trường hợp nhiễu có biên độ 10 N tác động cho hệ cần cẩu treo 3D Hình