Ứng dụng bộ điều khiển Anfis dựa trên PID cho đối tượng phi tuyến

Bài viết này đề cập vấn đề ứng dụng của bộ điều khiển Anfis dựa trên PID cho đối tượng có tính phi tuyến trong công nghiệp. Bài viết trình bày một vài kết quả nghiên cứu, thiết kế bộ điều khiển Anfis điều chỉnh nhiệt độ của lò phản ứng khuấy liên tục.

ISSN: 1859-2171 e-ISSN: 2615-9562 TNU Journal of Science and Technology 225(06): 165 - 170 ỨNG DỤNG BỘ ĐIỀU KHIỂN ANFIS DỰA TRÊN PID CHO ĐỐI TƯỢNG PHI TUYẾN Chu Đức Tồn Trường Đại học Điện lực TĨM TẮT Như biết, năm gần điều khiển thông minh điều khiển mờ, mạng nơron, mạng mờ - nơron quan tâm việc nhận dạng điều khiển đối tượng phi tuyến Vì vậy, báo đề cập vấn đề ứng dụng điều khiển Anfis dựa PID cho đối tượng có tính phi tuyến cơng nghiệp Bài báo trình bày vài kết nghiên cứu, thiết kế điều khiển Anfis điều chỉnh nhiệt độ lò phản ứng khuấy liên tục Phương trình vi phân lị phản ứng khuấy liên tục toán phi tuyến mạnh, việc áp dụng kỹ thuật điều khiển thông thường trường hợp gặp nhiều khó khăn Các kết mơ cho thấy tính ưu việt điều khiển Anfis dựa PID so với điều khiển khác, có đáp ứng tốt cho độ xác cao Từ khóa: Bộ điều khiển Anfis; đối tượng phi tuyến; điều khiển PID; mạng nơron; mờ - nơron Ngày nhận bài: 10/4/2020; Ngày hoàn thiện: 05/5/2020; Ngày đăng: 11/5/2020 APPLICATION OF ANFIS CONTROLLER BASED ON PID FOR NONLINEAR OBJECTS Chu Duc Toan Electric Power University ABSTRACT As we know in recent years, intelligent controllers such as Fuzzy, Neural Network, Fuzzy - Neural Network have been very interested in identifying and controlling nonlinear objects Therefore, this paper addresses the application of PID-based Anfis controllers to industrial nonlinear objects The paper presents some research results, designed Anfis controller to adjust the temperature of the continuous stirred reactor The continuous stirred reactor is quite nonlinear, the nonlinearity is complicated to apply common control techniques in this case inefficient and difficult The simulation results show the superiority of Anfis controller based on PID over other controllers, get good responses for the high accuracy indicated Keywords: Anfis controller; nonlinear object; PID controller; neural network; fuzzy - neurron Received: 10/4/2020; Revised: 05/5/2020; Published: 11/5/2020 Email: toancd@epu.edu.vn http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn 165 Chu Đức Tồn Tạp chí KHOA HỌC & CƠNG NGHỆ ĐHTN Mở đầu Bài báo tác giả đề cập vấn đề ứng dụng điều khiển ANFIS dựa điều khiển PID cho đối tượng có tính phi tuyến Trong báo này, tác giả áp dụng cho đối tượng điều khiển nhiệt độ lị phản ứng khuấy liên tục, phương trình vi phân có tính phi tuyến cao Thơng thường khó để nhận mơ hình xác q trình hóa học phức tạp vốn có chúng [1] Mạng nơ ron có tính xấp xỉ khả khái quát hóa xem lý tưởng việc điều khiển q trình hóa học Do tính tổng qt qt hóa nên điều khiển dựa mạng nơron có khả trả lời cách thỏa đáng cho liệu mà không đào tạo [2] Hơn nữa, mạng nơron ánh xạ động trạng thái đầu vào đầu hệ thống huấn luyện đầy đủ từ có khả xấp xỉ hàm, mà hàm ứng dụng hệ thống nhận dạng Bộ điều khiển NARMA-L2 dựa mạng nơron thực cách sử dụng hai phương pháp huấn luyện cụ thể là: Thuật toán Levenberg-Marquardt Thuật toán Gradient kết hợp tỷ lệ việc theo dõi điểm đặt lò phản ứng khuấy liên tục Kết cho thấy thuật toán Gradient kết hợp tỷ lệ ưu việt thuật toán Levenberg-Marquardt [3] Thiết kế điều khiển 2.1 Mơ hình tốn học lò phản ứng khuấy liên tục 225(06): 165 - 170 trộn lẫn cách hoàn toàn nhiệt độ thấp so với nhiệt độ lò phản ứng loại bỏ nhiệt sinh phản ứng tỏa nhiệt Để đưa đặc tính động học hệ thống cho, khối lượng cân lượng vỏ bao bọc lị phản ứng sử dụng mơ tả phương trình vi phân sau đây: V dC A = FC Af − FC A − VrA dt (1) Trong đó, V thể tích chất lỏng lò phản ứng liên tục, CA nồng độ thành phần A lò phản ứng, F lưu lượng dòng chảy rA tốc độ phản ứng đơn vị thể tích, rA biểu diễn sau: rA = k (− Ea )C A RT (2) Ở k0 hệ số tần số, Ea lượng kích hoạt, R số khí lý tưởng T nhiệt độ lị phản ứng Sự cân lượng lò phản ứng cách giả định thể tích khơng đổi, số khả nhiệt (cp) số mật độ (ρ), ta có: Vc p dT = Fc p (T f − T ) + (−H )VrA − UA(T − TJ ) dt (3) Trong đó: -ΔH nhiệt phản ứng, U hệ số truyền nhiệt, A diện tích truyền nhiệt, Tf nhiệt độ cung cấp Tj nhiệt độ vỏ bao bọc Mơ hình khơng gian trạng thái nhận từ (1), (2), (3) là: E dC A F = f (C A,T ) = (C Af − C A ) − k (− a )C A (4) dt V RT dT F (−H ) E UA = f (C A,T ) = (T f − T ) + k0 (− a )C A − (T − TJ ) dt V c p RT Vc p (5) Nghiệm phương trình trạng thái có từ (4), (5) cách thay giá trị tham số có bảng 1, để nhận Cas TS Hình Mơ hình lị phản ứng khuấy liên tục Hình mơ tả mơ hình lị phản ứng khuấy liên tục [4], lấy biến điều khiển nhiệt độ lò phản ứng biến thay đổi nhiệt độ vỏ bao Vỏ bao giả định 166 2.2 Thiết kế điều khiển NARMA-L2 dựa PID Mơ hình điều khiển nhiệt độ lị phản ứng khuấy liên tục trình bày hình 2, điều khiển NARMA-L2 sử dụng giá trị http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn Chu Đức Tồn Tạp chí KHOA HỌC & CƠNG NGHỆ ĐHTN đặt tín hiệu đầu vào (Set point) tín hiệu điều khiển phản hồi tín hiệu sai lệch để học hỏi thích nghi Ưu điểm cấu trúc điều khiển mạng nơron bắt đầu cách trực tiếp với hệ thống ổn định nhận đáp ứng nhanh Bảng Giá trị tham số lò phản ứng khuấy liên tục Tham số Ea k0 U ρcp R F V CAf Tf A - ΔH Giá trị 32,400 16,96*1012 75 53,25 1,987 340 85 0,132 60 88 39,000 Đơn vị Btu/lbmol hr-1 Btu/hrft2℉ Btu/ft3℉ Btu/lbmol℉ Ft3/hr Ft3 Lbmol/ft3 ℉ Ft2 Btu/lbmol Trong đó, hệ số lọc N đặt vị trí cực lọc dẫn xuất Bộ điều khiển PID thiết kế môi trường Matlab Simulink đạt thơng số P, I D, có phương pháp hiệu chỉnh Ziegler Nichols 2.2.2 Thiết kế điều khiển NARMA-L2 NARMA-L2 điều khiển thích nghi ứng dụng mạng nơron điển hình NARMA-L2 viết tắt Non Linear Auto Regressive Moving Average model Một cấu trúc mơ hình chuẩn sử dụng để đại diện cho hệ thống phi tuyến rời rạc chung mơ hình NARMA [3], [5] y(k + d ) = N[ y(k ), y(k − 1), , y(k − n + 1), u(k − 1), , u(k − n + 1)] (7) Trong đó, u(k) y(k) tín hiệu đầu vào tín hiệu đầu tương ứng hệ thống N hàm phi tuyến Trong suốt trình nhận dạng, mạng nơron huấn luyện để xấp xỉ N mơ hình mạng nơron tạo dự báo tương lai đầu đối tượng Nếu muốn đầu hệ thống bám theo quỹ đạo mẫu y(k+d) = yr(k+d), với yr(k+d) tín hiệu mong muốn Tín hiệu điều khiển thu có dạng: u (k + 1) = Hình Cấu trúc điều khiển NARMA-L2 dựa PID 2.2.1 Thiết kế điều khiển PID Bộ điều khiển PID (bộ điều khiển theo tỷ lệ tích phân – vi phân) điều khiển có hồi tiếp, đầu thay đổi tương ứng với thay đổi giá trị đo Sai lệch (e) giá trị đặt giá trị đo sử dụng để tạo hệ số: tỷ lệ, tích phân, vi phân (đạo hàm) mà có trọng số tổng hợp sau sử dụng làm biến điều khiển (CV) cho lò phản ứng khuấy liên tục Trọng lượng hệ số định theo thông số độc lập P, I, D Hàm truyền sử dụng cho điều khiển PID báo [5]: N G1 ( s) = [ P + I ( ) + D( s )] s s+N http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn 225(06): 165 - 170 y r (k + d ) − f [ y(k ), y(k − n + 1), u (k ), u (k − n + 1)] g[( y (k ), y(k − n + 1), u (k ), u (k − n + 1)] (8) Cấu trúc điều khiển NARMA-L2 thực hình Năm nghìn liệu cặp nhiệt độ đầu vào đầu tạo từ mơ hình lị phản ứng khuấy liên tục với thời gian trích mẫu 0,01s để huấn luyện mạng nơron thể hình (6) Hình Sơ đồ cấu trúc điều khiển NARMA-L2 167 Chu Đức Toàn Tạp chí KHOA HỌC & CƠNG NGHỆ ĐHTN 225(06): 165 - 170 Hình Cấu trúc điều khiển ANFIS Hình Đường vẽ liệu huấn luyện cho điều khiển NARMA-L2 Bộ điều khiển mạng nơron bao gồm lớp ẩn, tín hiệu đầu vào trễ tín hiệu đầu trễ huấn luyện thuật tốn Levenberg-Marquardt có sử dụng hàm chức trainlm [6] Levenberg-Marquardt xấp xỉ hóa phương pháp Newton thuật toán lan truyền ngược nhanh hộp cơng cụ MATLAB NN Q trình huấn luyện sử dụng 100 vịng lặp; sai số bình phương trung bình sử dụng chất lượng mà giảm trình huấn luyện mạng tiến lên đưa hình Hình Sai số trung bình huấn luyện 2.3 Thiết kế điều khiển ANFIS dựa PID ANFIS, đề xuất J.S.R Jang [7], [8], khái niệm mô kết nối hệ thống mờ mơ hình suy luận T-S Đối với hệ thống ta sử dụng hai đầu vào đầu ra, mơ hình T-S bậc dùng để thiết kế cấu trúc điều khiển ANFIS hiển thị hình 168 Hai đầu vào điều khiển ANFIS là: (1) nhiệt độ lò phản ứng điều khiển PID đầu vào sai lệch (2) sai lệch đến điều khiển PID tốc độ thay đổi sai lệch Đầu tiên, ta cần thu liệu huấn luyện từ cấu trúc điều khiển PID hiển thị hình Hình Cấu trúc điều khiển PID Để thu thập 1,501 mẫu cặp liệu đầu vào đầu ra, ta sử dụng ode3 solver với bước thực 0,01s thời gian mô 15 giây Cuối cùng, liệu nạp vào trình soạn thảo anfis thể hình Hình Đường vẽ liệu huấn luyện trình soạn thảo anfis Tệp tin FIS sử dụng phân vùng lưới với bảy hàm thành viên Gaussian cho đầu vào đầu tuyến tính tạo Cuối cùng, tệp tin FIS huấn luyện với tối ưu hóa lai, với dung sai lỗi khơng thực hàng trăm lần lặp Lỗi huấn luyện xuất 5,5349 thể hình Quan sát bề mặt luật điều khiển ANFIS thể hình 10 http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn Chu Đức Tồn Tạp chí KHOA HỌC & CƠNG NGHỆ ĐHTN 225(06): 165 - 170 Bảng Tóm tắt kết Tham số Thời gian độ (s) Độ điều chỉnh (%) Sai lệch tĩnh (ess) Hình Đường vẽ lỗi huấn luyện lỗi huấn luyện Bộ điều khiển ANFIS Bộ điều khiển NARMA-L2 1,9 2,2 17,5% 19,6% 0 Đáp ứng đầu hai điều khiển NARMA-L2 điều khiển ANFIS với giá trị đặt đầu vào thay đổi (Reference), thể hình 12 Hình 10 Bề mặt điều khiển luật ANFIS Mô kết Để điều khiển nhiệt độ lò phản ứng khuấy liên tục, điều khiển NARMA-L2 ANFIS dựa PID thực thi thành công môi trường Matlab Simulink Kết mô cho giá đặt 80oF thể hình 11 Hình 12 Hiệu suất tham chiếu điều khiển NARMA-L2 điều khiển ANFIS Qua kết này, tác giả chứng minh vượt trội giải pháp điều khiển đề xuất Các tiêu chất lượng điều khiển điều khiển ANFIS mang lại tốt so với giải pháp điều khiển truyền thống điều khiển NARMA-L2 Kết luận Hình 11 Đáp ứng thời gian điều khiển NARMA-L2 điều khiển ANFIS Trong báo này, điều khiển NARMAL2 điều khiển ANFIS dựa PID thực thành công để điều khiển điều chỉnh nhiệt độ lị phản ứng khuấy liên tục Kết mơ cho thấy, điều khiển ANFIS dựa PID cải thiện tốt khả tín hiệu đầu bám sát tín hiệu đầu vào so với điều khiển NARMA - L2 Đặc điểm kỹ thuật miền thời gian cho việc điều chỉnh nhiệt độ lò phản ứng khuấy liên tục với điều khiển đề xuất đưa bảng [1] T Zhang, and M Guay, “Adaptive Nonlinear Control of Continuously Stirred Tank Reactor Systems,” Proceedings of the http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn TÀI LIỆU THAM KHẢO/ REFERENCES 169 Chu Đức Toàn Tạp chí KHOA HỌC & CƠNG NGHỆ ĐHTN American Control Conference Arlington, VA June 25-27, 2001, pp 1274-1279 [2] M T Hagan, and H B Demuth, “Neural Networks for Control,” Proceedings of the American Control Conference, 1999, pp 16421656 [3] C Jeyachandran, and M Rajaram, “Comparitive Performance Analysis of Various Training Algorithms for Control of CSTR Process Using Narma-L2 Control,” International Conference on Trendz in Information Sciences and Computing, 2011, pp 5-10 [4] B W Bequette, Process Control-Modeling Design and Simulation Prentice Hall of India, 2003 170 225(06): 165 - 170 [5] Neural Network Toolbox, MATLAB, 2010 [6] M T.Hagan, and M B Menhaj, “Training feed forward networks with the Marquardt algorithm,” IEEE Transactions on Neural Networks, vol 5, no 6, pp 989-993, November 1994 [7] J.-S R Jang, “ANFIS: Adaptive-NetworkBased Fuzzy Inference System,” IEEE Transactions on Systems, Man and Cybernetics, vol 23, no 3, pp 665-685, May/June, 1993 [8] J.-S R Jang, and C.-T Sun, “Neuro Fuzzy Modelling and Control,” IEEE Proc., vol 83, pp 378-406, March 1995 http://jst.tnu.edu.vn; Email: jst@tnu.edu.vn ... tác giả đề cập vấn đề ứng dụng điều khiển ANFIS dựa điều khiển PID cho đối tượng có tính phi tuyến Trong báo này, tác giả áp dụng cho đối tượng điều khiển nhiệt độ lị phản ứng khuấy liên tục, phương... Tín hiệu điều khiển thu có dạng: u (k + 1) = Hình Cấu trúc điều khiển NARMA-L2 dựa PID 2.2.1 Thiết kế điều khiển PID Bộ điều khiển PID (bộ điều khiển theo tỷ lệ tích phân – vi phân) điều khiển có... điều khiển truyền thống điều khiển NARMA-L2 Kết luận Hình 11 Đáp ứng thời gian điều khiển NARMA-L2 điều khiển ANFIS Trong báo này, điều khiển NARMAL2 điều khiển ANFIS dựa PID thực thành công để điều