Thiết kế bộ điều khiển thích nghi nơron - mờ kết hợp với bộ điều khiển LQR cho phép giảm dao động của tải trọng và định vị chính xác của giàn cần cẩu dựa trên Matlab

Chủ đề của bài báo này là thiết kế bộ điều khiển thích nghi nơron - mờ kết hợp với bộ điều khiển LQR để kiểm soát vị trí của xe nâng trong thời gian ngắn nhất đạt được vị trí mong muốn, đồng thời khống chế góc lệch của tải trọng sao cho dao động là nhỏ nhất.

NGHIÊN CỨU KHOA HỌC THIẾT KẾ BỘ ĐIỀU KHIỂN THÍCH NGHI NƠRON - MỜ KẾT HỢP VỚI BỘ ĐIỀU KHIỂN LQR CHO PHÉP GIẢM DAO ĐỘNG CỦA TẢI TRỌNG VÀ ĐỊNH VỊ CHÍNH XÁC CỦA GIÀN CẦN CẨU DỰA TRÊN MATLAB ADAPTIVE NEURAL - FUZZY CONTROLLER DESIGN COMBINED WITH LQR CONTROLLER ALLOWS TO REDUCE VIBRATION OF LOAD AND ACCURATE POSITIONING OF THE GANTRY CRANE BASED ON MATLAB Nguyễn Văn Trung 1,2, Nguyễn Trọng Các 1, Nguyễn Thị Tâm1, Nguyễn Thị Việt Hương1 Email: nguyenvantrung.10@gmail.com Trường Đại học Sao Đỏ, Việt Nam Trường Đại học Trung Nam, Trung Quốc Ngày nhận bài: 26/7/2017 Ngày nhận sửa sau phản biện: 2/12/2017 Ngày chấp nhận đăng: 28/12/2017 Tóm tắt Thế giới ngày phát triển, số lượng hàng hóa nhà xưởng bến cảng ngày nhiều, để vận chuyển tất loại hàng hóa khơng thể thiếu giàn cần cẩu Thực tế giàn cần cẩu hoạt động với ổn định chưa cao, lắc lư tải trọng dẫn đến khả định vị thiếu xác Chủ đề báo thiết kế điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR để kiểm sốt vị trí xe nâng thời gian ngắn đạt vị trí mong muốn, đồng thời khống chế góc lệch tải trọng cho dao động nhỏ Bộ điều khiển thiết kế mô phần mềm Matlab/Simulink trường hợp thay đổi thông số hệ thống nhiễu tác động đến hệ thống giàn cần cẩu Kết mô cho thấy điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR đề xuất làm việc tốt txivt = 2,1 s, txigi = 3,5 s, θmax = 0,3 (rad) Từ khóa: Giàn cần cẩu; điều khiển thích nghi nơron-mờ; điều khiển LQR; điều khiển vị trí; điều khiển dao động Abstract As the world grows, the number of goods at factories and ports are rising, to transport all kinds of goods are needed gantry crane Actually, the crane gantry operation is not high stability, the load fluctuations lead to inaccurate positioning The subject of this paper is to design an adaptive neural-fuzzy controller in combination with an LQR controller to control the position of the forklift truck in the shortest time to reach the desired position while controlling the angle of deviation of the load so that oscillation is minimal The design controller is simulated on the Matlab/Simulink software in case of changing the system parameters and interference impacts on the crane system Simulation results show that the adaptive neural-fuzzy controller combined with the proposed LQR controller works well txivt = 2.1 s, txigi = 3.5 s, θmax = 0.3 (rad) Keywords: Gantry crane; adaptive neural-fuzzy controller; LQR Control; position control; oscillation control ĐẶT VẤN ĐỀ Về mặt cấu trúc, giàn cần cẩu không Trong thời đại cơng nghiệp hóa, giàn cần cẩu đóng di chuyển xe nâng tải trọng vai trò đặc biệt quan trọng Việc vận chuyển hàng hóa an toàn, hiệu kịp thời cần treo xe nâng thơng qua cáp treo [1] Mơ hình chuyển động kiểu lắc [2] Các cấu trúc có thiết Vì có nhiều nghiên cứu nâng cao khả cấu trúc thể hình Hệ thống giàn sử dụng, tăng hiệu hoạt động giàn cần cẩu với chức di chuyển, nâng hạ cần cẩu hàng hóa, nhiên góc xoay tự nhiên tải 28 Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA trọng dẫn đến chức hoạt động hiệu Sự lắc lư tải trọng chuyển động di chuyển xe nâng, thường xuyên thay đổi chiều dài cáp treo khối lượng tải trọng, ngồi tác động nhiễu gây sóng, gió va chạm Để loại bỏ tác động nhiễu bên đến hệ thống giàn cần cẩu [3] đề xuất ba môđun thông tin phản hồi phát hiện, bù đắp lỗi định vị, loại bỏ rối loạn định hình đầu vào để giảm dao động tải trọng Một chế cho ảnh hưởng kiểm soát bên [4] để ngăn chặn chuyển động lắc tải trọng Một thuật toán PSO [5], DE [6] sử dụng để điều chỉnh PID tối ưu thiết kế cho trình điều khiển cần cẩu cao với thông số điều khiển offline Trong [7] đề xuất khớp nối luật kiểm soát OFB đạt vị trí xác hiệu loại bỏ góc xoay tải trọng Một điều khiển mở PD kép để điều khiển hệ thống giàn cần cẩu [8] điều khiển mờ kiểm sốt vị trí xe nâng, điều khiển mờ thứ hai ngăn chặn góc lệch tải trọng Trong [9] chọn hai điều khiển mờ tách rời để đơn giản hóa quy tắc kiểm sốt tính tốn hệ thống Trong [10] đề xuất kiểm soát hệ thống giàn cần cẩu cách kết hợp chế độ trượt với điều khiển mờ MƠ HÌNH ĐỘNG LỰC CỦA HỆ THỐNG GIÀN CẦN CẨU Một hệ thống giàn cần cẩu thể hình với thơng số giá trị [10] đưa trình bày bảng Hệ thống mơ hình hóa xe nâng với khối lượng M Một lắc gắn liền với có trọng tải khối lượng m, l chiều dài lắc, θ góc lệch lắc, Ӫ vận tốc góc tải trọng Hình Sơ đồ hệ thống giàn cần cẩu Bảng Ký hiệu giá trị thông số giàn cần cẩu Ký hiệu Mô tả Giá trị Đơn vị k M Khối lượng xe nâng kg l Chiều dài lắc 0,305 m m Khối lượng tải trọng 0,8 kg g Hằng số hấp dẫn 9,81 m/s2 µ Hệ số ma sát 0,2 N/m/s Theo phương trình Lagrangian: Hình Hình ảnh giàn cần cẩu Trong báo đề xuất điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR để kiểm sốt vị trí giàn cần cẩu khống chế góc lệch tải trọng Bộ điều khiển thiết kế kiểm tra thông qua mô Matlab/Simulink, kết làm việc tốt Phần lại báo cấu trúc đó: p: hệ thống; qi: hệ tọa độ suy rộng; i: số bậc tự hệ thống; Qi : lực bên ngoài; T: động hệ thống: Vị trí xe nâng (XMYM) hệ tọa độ quán tính cho bởi: sau: Phần 2: Mơ hình động lực hệ thống giàn cần cẩu Thiết kế điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR trình bày phần Phần 4: Mô tả kết mơ Phần 5: Kết luận Vị trí tải trọng (XmYm) hệ tọa độ quán tính cho bởi: Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 29 NGHIÊN CỨU KHOA HỌC Từ (3), (4) ta có thành phần vận tốc xe nâng tải trọng là: (5) Động xe nâng là: (6) Động tải trọng là: (7) Từ (6), (7) ta có động hệ thống là: (8) Thế hệ thống là: (9) Từ (8), (9) ta có: (10) (11) (12) Tính tốn tương tự (10)，(11)，(12) thay vào (1) ta có phương trình phi tuyến chuyển động hệ thống giàn cần cẩu sau: THIẾT KẾ BỘ ĐIỀU KHIỂN THÍCH NGHI NƠRON - MỜ KẾT HỢP VỚI BỘ ĐIỀU KHIỂN LQR Bài báo đề xuất điều khiển thích nghi nơron - mờ ANFIS (Adaptive Neuro-Fuzzy Inference System) kết hợp với điều khiển LQR để điều khiển vị trí xe nâng thời gian ngắn đạt vị trí mong muốn, đồng thời kiểm sốt góc lệch tải trọng cho dao động nhỏ Bộ điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR (ANFIS-LQR) điều khiển thiết bị điều khiển gồm hai thành phần sau: thành phần điều khiển tuyến tính LQR thành phần điều khiển thích nghi nơron - mờ Bộ điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR thiết lập dựa tín hiệu sai lệch e(t) đạo hàm e’(t) Bộ điều khiển thích nghi nơron - mờ có khả học, điều khiển thích nghi thơng số hệ thống thay đổi có đặc tính tốt vùng sai lệch lớn, đặc tính phi tuyến tạo phản ứng động nhanh Khi trình hệ tiến gần đến điểm đặt (sai lệch e(t) đạo hàm e’(t) xấp xỉ 0), vai trò điều khiển thích nghi nơron - mờ bị hạn chế nên điều khiển làm việc với điều chỉnh LQR Sơ đồ điều khiển thích nghi nơron - mờ ANFIS kết hợp với điều khiển LQR cho hệ thống giàn cần cẩu mô tả hình (13) (14) Tuyến tính hóa quanh trạng thái cân bằng, góc lệch tải trọng nhỏ, ta có: Từ phương trình phi tuyến chuyển động hệ thống giàn cần cẩu đơn giản hóa với mơ hình tuyến tính hóa sau: (15) (16) Từ (15), (16) ta thu hệ phương trình tuyến tính sau: Hình Sơ đồ cấu trúc Matlab điều khiển thích nghi nơron - mờ ANFIS kết hợp với điều khiển LQR 3.1 Thiết kế điều khiển LQR Hệ thống giàn cần cẩu mô tả theo hệ phương trình trạng thái sau: (17) Trong đó: biến trạng thái đại diện cho dịch chuyển xe nâng, vận tốc xe nâng, góc lệch đó: F: lực bên ngồi tác động vào hệ vận tốc góc tải trọng u(t)=F biến thống giàn cần cẩu đầu vào, 30 Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HĨA Hình Sơ đồ cấu trúc Matlab điều khiển LQR cho hệ thống giàn cần cẩu 3.2 Thiết kế điều khiển thích nghi nơron mờ ANFIS Hiệu suất hệ thống theo số J tốt [11] Chỉ tiêu chất lượng dạng tồn phương là: (19) Trong đó: Q = QT ma trận bánxác định dương, R = RT ma trận xác định dương nghi nơron - mờ ANFIS Bộ điều khiển thích nghi nơron - mờ ANFIS ứng dụng chạy phần mềm Matlab Mạng đưa phương pháp để hệ thống nơron - mờ học từ thơng tin vào-ra cho trước (thông tin huấn luyện) Cụ thể báo này, nhóm tác giả tiến hành cho điều khiển thích Tín hiệu điều khiển tối ưu u là: (20) Với P nghiệm bán xác định dương phương trình đại số Ricatti: (21) Giải phương trình (21) ta thu giá trị P, từ suy giá trị K Do thiết kế điều khiển LQR điều quan trọng chọn ma trận trọng số thích hợp từ xác định ma trận thông tin phản hồi tối ưu Bằng phương pháp thử sai, nhóm tác giả chọn ma trận trọng số sau: R =1, (22) Trong đó: Vị trí trọng số xe nâng chọn Q1,1 = 1000, góc trọng số tải trọng Q3,3 = 500 Phần mềm Matlab Toolbox cung cấp chức sử dụng để thiết kế tối ưu tuyến tính điều chỉnh tồn phương [12] Ma trận thơng tin phản hồi LQR tính sau: K = LQR (A, B, Q, R) 3.2.1 Giới thiệu chung điều khiển thích (23) nghi nơron - mờ ANFIS học theo điều khiển LQR, từ xây dựng hệ thống hàm liên thuộc cho phép hệ thống suy luận đáp ứng hệ thống từ kích thích ngõ vào dựa cấu trúc hệ thống học ANFIS sử dụng phương pháp ước lượng bình phương tối thiểu lan truyền ngược sai số theo hướng giảm gradien để xây dựng tham số hàm liên thuộc Tính tốn hệ thống mờ (FIS) xem ánh xạ phi tuyến tham số hóa mơ tả hàm f sau: (24) Trong đó: y l đầu ra, µAl hàm thuộc đầu i vào tương ứng với luật hợp thành thứ l Luật hợp thành Max-PROD phương pháp giải mờ phương pháp điểm trọng tâm 3.2.2 Các bước thiết kế điều khiển thích nghi nơron - mờ cho hệ thống giàn cần cẩu K = [31,6228; 14,4553; -15,650; 0,5413] Bước Thiết kế sơ đồ cấu trúc Matlab cho Bộ điều khiển LQR cho hệ thống giàn cần cẩu thể hình điều khiển ANFIS lấy mẫu học theo điều khiển LQR thể hình Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 31 NGHIÊN CỨU KHOA HỌC Bảng Mẫu x1, x2, x3, x4, u để huấn luyện mạng ANFIS x1 x2 x3 x4 u -0,5946 -6,2273 0,2959 30,000 -97,212 -3,0000 -20,204 -0,5600 -6,2687 -381,56 0,2001 1,6384 -0,1222 30,000 48,162 -1,8985 12.096 0,3767 -29,933 92,727 -0,9562 1.2494 -0,1653 30,000 6,6477 -1,1274 -1.4226 -0,1752 -30,000 -69,712 -2,5769 16.047 0,1406 -30,000 132,03 -1,4476 3.4685 -0,6441 30,000 30,679 -1,4191 -13.786 0,1855 30,000 -230,83 -2,0096 8.6680 -0,3196 30,000 82,989 ZE PO 0.5 -2 NE input1 (a) ZE PO 0.5 -1 input3 (c) Degree of membership NE Degree of membership Bước Thực với chu kỳ lấy mẫu 0,01 s cho chạy thời gian 10 s ta có 1000 mẫu tương tự 10 mẫu bảng Degree of membership Trong đó: x1, x2, x3, x4, u tương ứng vị trí, vận tốc xe nâng, góc lệch, vận tốc góc tải trọng tín hiệu điều khiển Degree of membership Hình Sơ đồ cấu trúc Matlab cho điều khiển ANFIS lấy mẫu học điều khiển LQR ngõ linear phạm vi biến ngôn ngữ đầu vào, đầu thể hình Từ biến ngơn ngữ đầu vào, đầu hàm thành viên để mô tả biến, tổng cộng 34 = 81 luật mờ sử dụng để điều khiển hệ thống giàn cần cẩu Trong luật mờ từ đến 11 đưa hình Quan hệ vào - điều khiển mờ không gian hiển thị hình NE ZE PO 0.5 -20 NE input2 (b) ZE 20 PO 0.5 -100 input4 (d) 100 Outpu (e) Hình Các hàm liên thuộc biến đầu vào đầu điều khiển mờ Bước Huấn luyện mạng nơron-mờ ANFIS phần mềm Matlab - Thứ tải liệu huấn luyện vào vùng làm việc soạn thảo ANFIS GUI Khi ta có sơ đồ liệu cần huấn luyện tập hình tròn thể hình Hình Luật mờ IF-THEN điều khiển mờ Hình Sơ đồ liệu cần huấn luyện - Thứ hai ta tiến hành chọn Generate FIS với hàm liên thuộc ngõ vào sử dụng tập mờ để mô tả, hàm liên thuộc có dạng trapmf, Hình Cửa sổ quan hệ vào - điều khiển mờ không gian 32 Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA - Thứ ba ta tiến hành chọn Epochs, sau cho huấn luyện mạng ANFIS ta sơ đồ khơng sai lệch thể hình 10, sơ đồ điều khiển thích nghi nơron - mờ ANFIS có cấu trúc hình 11 hiệu điều khiển điều khiển LQR hiển thị hình 13 Hình 13 Tín hiệu điều khiển điều khiển Hình 10 Sơ đồ liệu huấn luyện mạng ANFIS ANFIS điều khiển LQR Trong đó: Đường đặc tính màu xanh tín hiệu điều khiển điều khiển LQR Đường đặc tính màu xanh da trời tín hiệu điều khiển điều khiển ANFIS Có thể thấy điều khiển ANFIS học tốt tín hiệu điều khiển điều khiển LQR Mơ hệ thống với vị trí xe nâng mong muốn x_ref = 0,5 m Kết mô hiển thị hình 14 Trong đó: x-LQR, θ-LQR tương ứng đường đặc tính đáp ứng vị trí Hình 11 Sơ đồ điều khiển thích nghi nơron mờ ANFIS Bước Thiết kế sơ đồ cấu trúc Matlab cho điều khiển thích nghi nơron - mờ ANFIS điều khiển hệ thống giàn cần cẩu hình 12 xe nâng góc lệch tải trọng điều khiển theo điều khiển LQR Đối với vị trí xe nâng có độ q điều chỉnh (POT) 5%, sai số xác lập (exl) 0%, thời gian xác lập vị trí (txlvt) 3,1 s, góc lệch tải trọng có góc lớn (θmax) 0,3 (rad) thời gian xác lập góc lệch (txlgl) 3,1 s; x-ANFIS, θ-ANFIS tương ứng đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng điều khiển theo điều khiển ANFIS có POT = 5%, exl = 0%, txlvt = s, θmax = 0,3 (rad) txlgl = 3,1 s; x-ANFIS-LQR, θ-ANFIS-LQR tương ứng đường đặc tính đáp ứng vị trí xe nâng Hình 12 Sơ đồ cấu trúc Matlab điều khiển ANFIS cho hệ thống giàn cần cẩu Bước Tối ưu hệ thống: mô hệ thống để kiểm tra kết KẾT QUẢ MƠ PHỎNG góc lệch tải trọng điều khiển theo điều khiển ANFIS-LQR có POT = 0%, exl = 0%, txlvt = 2,1 s, θmax = 0,3 (rad) txlgl = 3,5 s Bằng cách so sánh kết sử dụng điều khiển thấy điều khiển đạt hiệu kiểm soát tốt Nhưng trường Bộ điều khiển thiết kế mô hợp sử dụng điều khiển ANFIS-LQR có khả phần mềm Matlab/Simulink Các tham số hệ thích ứng mạnh mẽ chất lượng điều thống sử dụng mơ có bảng khiển tốt khơng tồn độ q điều Kết so sánh tín hiệu điều khiển điều chỉnh đạt vị trí xác thời gian khiển ANFIS học theo điều khiển LQR với tín ngắn Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 33 Position (m) 0.5 Swing angle (rad) x-ANFIS x-LQR x-ANFIS-LQR Time (s) (a) θ-ANFIS θ-LQR θ-ANFIS-LQR 0.5 -0.5 Time (s) (b) Hình 14 Đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng Position (m) x-TH1 0.5 x-TH3 Swing angle (rad) x-TH2 Time (s) (a) θ-TH1 0.5 θ-TH2 -0.5 -1 θ-TH3 Time (s) (b) x-TH1 x-TH2 x-ANFIS-LQR 0.5 0 Swing angle (rad) Position (m) NGHIÊN CỨU KHOA HỌC Time (s) (a) θ-TH1 θ-TH2 θ-ANFIS-LQR 0.4 0.2 -0.2 -0.4 Time (s) (b) Hình 16 Đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng có nhiễu Ngồi ra, hệ thống giàn cần cẩu hoạt động có nhiễu bên ngồi tác động vào hệ thống, để kiểm tra độ tin cậy điều khiển nhóm tác giả đưa giả thiết bước tín hiệu nhiễu [9] tác động vào hệ thống giàn cần cẩu, cụ thể sau: Trường hợp (TH1) nhiễu làm tải trọng dao động với bước tín hiệu nhiễu giả thiết sau: Thời gian bước = s, góc lệch = 0,2 (rad), thời gian = s TH2 nhiễu làm thay đổi vị trí giỏ hàng với bước tín hiệu nhiễu giả thiết sau: Thời gian bước = s, phạm vi = 0,2 m, thời gian = s; Kết mơ hiển thị hình 16 TH3 tín hiệu nhiễu tác động vào hệ thống có dạng hình 17, đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng thể hình 18 Hình 15 Đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng thay đổi thông số hệ thống Để bám sát với tình hình thực tế nghiên cứu tác động điều khiển, thay đổi thông số cụ thể sau: Trường hợp (TH1) tăng l = 0,61 m, thông số khác không đổi TH2 tăng m = 1,6 kg, thông số khác không đổi TH3 tăng x_ref = 0,8 m, thơng số khác khơng đổi Hình 17 Đường đặc tính dạng tín hiệu nhiễu tác động vào hệ thống Có thể thấy có nhiễu tác động, hệ thống đạt vị trí mong muốn thời gian ngắn kiểm sốt góc lệch tải trọng nhỏ Mô hệ thống phần mềm Matlab/ Simulink cho ba trường hợp Kết mô hiển thị hình 15 Có thể thấy thông số hệ thống thay đổi trường hợp sử dụng ANFIS-LQR, hệ thống giàn cần cẩu đạt vị trí xác thời gian ngắn khống chế góc lệch tải trọng nhỏ Hình 18 Đường đặc tính đáp ứng vị trí xe nâng góc lệch tải trọng có nhiễu TH3 34 Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 LIÊN NGÀNH ĐIỆN - ĐIỆN TỬ - TỰ ĐỘNG HÓA Để làm rõ tính vượt trội giải pháp, nhóm tác giả tiến hành so sánh điều khiển ANFIS-LQR với phương pháp điều khiển khác công bố bảng [2] N Sun, Y.C Fang, and X.B Zhang (2013) Bảng So sánh ANFIS-LQR với phương pháp điều khiển khác công bố [3] Khalid L Sorensen, William Singhose, Stephen Ký hiệu ANFISLQR DEPID [6] MờPD [8] Mờ đôi [9] MờTrượt [10] x_ref 0,5 m 5m 0,2 m 1m 2m POT 0% 3% 0% 13% 0% exl 0% 0% 0% 0% 0% txlvt 2,1s 12 s 4,5 s 35 s 12,5 s txlgl 3,5 s 25 s 3,5 s 26 s 13 s θmax 0,3 rad θmin rad 0,65 rad rad 0,06 rad rad 0,02 rad rad 0,3 rad rad Căn vào kết bảng thấy với đối tượng giàn cần cẩu mà nhóm tác giả nghiên cứu [10] sử dụng điều khiển ANFIS-LQR tối ưu KẾT LUẬN Energy coupling output feedback control of 4-DOF underactuated cranes with saturated inputs Automatica 49 (5), 1318-1325 Dickerson (2007) A controller enabling precise positioning and sway reduction in bridge and gantry cranes Control Engineering Practice 15, 825-837 [4] Quang Hieu Ngo and Keum-Shik Hong (2012) Sliding-Mode Antisway Control of an Offshore Container Crane IEEE/ASME Transactions on Mechatronics, Vol 17, No 2, APRIL [5] Mohammad Javad Maghsoudi, Z Mohamed, A.R Husain, M.O Tokhi (2016) An optimal performance control scheme for a 3D crane Mechanical Systems and Signal Processing 66-67, 756-768 [6] Zhe Sun, Ning Wang, Yunrui Bi, Jinhui Zhao (2015) A DE based PID controller for two dimensional overhead crane Proceedings of the 34th Chinese Control Conference July 28-30, Hangzhou, China [7] Ning Sun, Yongchun Fang, Xuebo Zhang (2013) Trong báo này, thiết kế điều khiển ANFIS-LQR để kiểm sốt vị trí xe nâng thời gian ngắn đạt vị trí mong muốn, đồng thời khống chế góc lệch tải trọng nhỏ Bộ điều khiển ANFIS-LQR kiểm tra thông qua mô Matlab/Simulink kết mô thay đổi thông số hệ thống kiểm tra độ tin cậy hệ thống điều khiển việc đưa bước tín hiệu nhiễu tác động vào hệ thống cho thấy giàn cần cẩu di chuyển đến vị trí mong muốn nhanh khoảng txlvt = 2,1 s khống chế dao động tải trọng nhỏ với θmax = 0,3 (rad) Ngồi điều khiển ANFIS-LQR so sánh với phương pháp điều khiển khác Kết điều khiển ANFIS-LQR đề xuất điều khiển giàn cần cẩu [10] tối ưu Energy coupling output feedback control of 4-DOF underactuated cranes with saturated inputs Automatica 49, 1318-1325 [8] Naif B Almutairi and Mohamed Zribi (2016) Fuzzy Controllers for a Gantry Crane System with Experimental Verifications Article in Mathematical Problems in Engineering DOI: 10.1155/1965923 [9] Lifu Wang, Hongbo Zhang, Zhi Kong (2015) Anti-swing Control of Overhead Crane Based on Double Fuzzy Controllers IEEE Chinese Control and Decision Conference (CCDC), 978-1-47997016-2/15/$31.00 [10] Dianwei Qian, Jianqiang Yi, Dongbin Zhao (2011) Control of Overhead Crane Systems by Combining Sliding Mode with Fuzzy Regulator Milano (Italy) August 28 - September [11] Yu Zhangguan (2005) Modern Control Theory [M] TÀI LIỆU THAM KHẢO [1] J Smoczek (2013) Interval arithmetic-based fuzzy discrete-time crane control scheme design Bull Pol Ac.: Tech 61 (4), 863-870 Harbin: Harbin Institute of Technology Press [12] Xue Dingyu, Chen Yangquan System Simulation Technology and Application Based on Matlab/ Simulink [M] Beijing Tạp chí Nghiên cứu khoa học - Đại học Sao Đỏ, ISSN 1859-4190 Số 4(59).2017 35 ... thích nghi nơron - mờ Bộ điều khiển thích nghi nơron - mờ kết hợp với điều khiển LQR thiết lập dựa tín hiệu sai lệch e(t) đạo hàm e’(t) Bộ điều khiển thích nghi nơron - mờ có khả học, điều khiển thích. .. vai trò điều khiển thích nghi nơron - mờ bị hạn chế nên điều khiển làm việc với điều chỉnh LQR Sơ đồ điều khiển thích nghi nơron - mờ ANFIS kết hợp với điều khiển LQR cho hệ thống giàn cần cẩu mơ... thay vào (1) ta có phương trình phi tuyến chuyển động hệ thống giàn cần cẩu sau: THIẾT KẾ BỘ ĐIỀU KHIỂN THÍCH NGHI NƠRON - MỜ KẾT HỢP VỚI BỘ ĐIỀU KHIỂN LQR Bài báo đề xuất điều khiển thích nghi nơron