Mô phỏng máy điện dùng mạng trí tuệ nhân tạo

ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA ˜&™ NGUYỄN HOÀNG VŨ MÔ PHỎNG MÁY ĐIỆN DÙNG MẠNG TRÍ TUỆ NHÂN TẠO CHUYÊN NGÀNH : THIẾT BỊ, MẠNG VÀ NHÀ MÁY ĐIỆN LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, THÁNG 12 NĂM 2005 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : TS PHAN QUỐC DŨNG Cán chấm nhận xét : Cán chấm nhận xét : Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ Trường Đại Học Bách Khoa Tp Hồ Chí Minh Ngày……………tháng………… năm…………… TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng năm 2005 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Hoàng Vũ Ngày, tháng, năm sinh: ngày 07 tháng 04 năm 1979 Chuyên ngành: Thiết bị, mạng nhà máy điện Phái: Nam Nơi sinh: Gia Lai MSHV:01804522 I- TÊN ĐỀ TÀI: MÔ PHỎNG MÁY ĐIỆN DÙNG MẠNG NEURON NHÂN TẠO II- NHIỆM VỤ VÀ NỘI DUNG: Tìm hiểu mạng neuron Lập mơ hình động khơng đồng dùng mạng neuron nhân tạo Ứng dụng mơ hình mạng neuron động KĐB vào hệ điều khiển RFOC III- NGÀY GIAO NHIỆM VỤ : 7/7/2005 IV- NGÀY HOÀN THÀNH NHIỆM VỤ : 7/12/2005 V- CÁN BỘ HƯỚNG DẪN : TS PHAN QUỐC DŨNG CÁN BỘ HƯỚNG DẪN CN BỘ MÔN QL CHUYÊN NGÀNH Nội dung đề cương luận văn thạc sĩ Hội đồng chun ngành thơng qua TRƯỞNG PHỊNG ĐT – SĐH Ngày tháng năm 2005 TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Tôi xin chân thành cảm ơn thầy cô giáo Trường Đại Học Bách Khoa Tp Hồ Chí Minh tận tình truyền đạt kiến thức quý báu suốt trình học tập khóa học Xin chân thành gởi lời cảm ơn đặc biệt đến thầy TS PHAN QUỐC DŨNG hết lòng giúp đỡ, hướng dẫn truyền đạt kinh nghiệm kiến thức suốt thời gian khóa học trình thực luận văn Cuối cùng, xin gởi lời cảm ơn đến gia đình bạn bè tạo điều kiện chỗ dựa tinh thần để theo học hoàn thành khóa học Tp Hồ Chí Minh, ngày tháng 12 năm 2005 Nguyễn Hoàng Vũ Tóm tắt nội dung luận văn: Trong khuôn khổ luận văn này, tác giả xin trình bày việc nghiên cứu thiết lập mạng neuron mô động không đồng đưa ứng dụng mô hình mạng neuron trong hệ điều khiển động phương pháp định hướng từ thông rotor (RFOC – Rotor Flux Oriented Control) Nội dung toàn luận văn tóm lược qua mục sau: Tìm hiểu mạng neuron nhân tạo Thiết lập mô hình động không đồng mô hình mạng neuron động chương trình Simulink/Matlab tiến hành mô Khảo sát ứng dụng mô hình mạng neuron động không đồng hệ điều khiển RFOC MỤC LỤC CHƯƠNG GIỚI THIỆU CHUNG VỀ MẠNG NEURON 1.1 Cấu trúc sinh học Neuron 1.2 Tổng quát cấu trúc 1.2.1 Giới thiệu 1.2.2 Tính toán mạng neuron 1.3 Maïng truyền tiến (feedforward) hay gọi mạng 1.3.1 Mô hình toán mạng truyền tiến 1.3.2 Mạng truyền tiến nhiều lớp 13 1.4 Mạng truyền lùi 18 1.4.1 Giới thiệu .18 1.4.2 Mở rộng mạng neuron tónh 22 CHƯƠNG MÔ HÌNH ĐỘNG CƠ KHÔNG ĐỒNG BỘ 27 2.1 Vectơ không gian hệ tọa độ tĩnh stator αβ 27 2.2 Các phương trình mô tả động không đồng .30 2.2.1 Phép chuyển đổi hệ toạ độ từ abc → αβ αβ → abc 30 2.2.2 Các phương trình dòng áp hệ trục tọa độ tónh αβ 31 2.3 Mô động KĐB Simulink/Matlab 33 2.3.1 Khâu chuyển đổi điện áp hệ trục (abc) sang hệ trục (αβ) 35 2.3.2 Sơ đồ khối tính toán từ thông dòng điện, moment, vận tốc .36 2.3.3 Khâu chuyển đổi dòng điện từ hệ trục (αβ) hệ trục (abc) 36 2.3.4 Mô hình hoàn thiện .37 2.3.5 Thử đáp ứng mô hình động 38 CHƯƠNG MÔ HÌNH MẠNG NEURON CỦA ĐỘNG CƠ KĐB 42 3.1 Cấu trúc mạng neuron tính toán phương trình mô tả động KĐB 42 3.1.1 Mạng neuron tính toán từ thông 42 3.1.2 Mạng neuron tính toán momen 47 3.1.3 Mạng neuron tính toán tốc độ rotor 48 3.1.4 Mạng neuron tính toán dòng điện 49 3.1.5 Mạng neuron tính toán chuyển trục (abc)→(αβ) (αβ)→(abc) 50 3.2 Huấn luyện mạng neuron .51 3.2.1 Tạo động mẫu 51 3.2.2 Kết huấn luyện .60 CHƯƠNG ỨNG DỤNG MÔ HÌNH MẠNG NEURON VÀO HỆ ĐIỀU KHIỂN ĐỘNG CƠ 76 4.1 Hệ điều khiển động định hướng từ trường (RFOC) 76 4.1.1 Giới thiệu .76 4.1.2 Giới thiệu nghịch lưu nguồn áp 78 4.1.3 Phương pháp điều khiển dòng trễ 81 4.2 Mô hệ điều khiển động Simulink/Matlab 83 4.2.1 Xây dựng mô hình 83 4.2.2 Kết mô 85 4.3 Ứng dụng mô hình động mạng neuron 89 4.3.1 Dùng mô hình động mạng neuron để thực quan sát thông số trạng thái động hoạt động 89 4.3.2 Ứng dụng mô hình mạng neuron động vào hệ điều khiển động 101 KEÁT LUẬN TÀI LIỆU THAM KHẢO LÝ LỊCH TRÍCH NGANG 116 PHUÏ LUÏC 117 ˜1™ CHƯƠNG I GIỚI THIỆU CHUNG VỀ MẠNG NEURON 1.1 Cấu trúc sinh học Neuron : Bộ não người bao gồm xấp xỉ 100 tỷ tế bào thần kinh, gọi Neuron Tất hoạt động người phụ thuộc vào tế bào nhỏ bé Mỗi Neuron kết hợp với nhiều Neuron khác tạo thành mạng Neuron Sự kết nối thành mạng tạo làm cho người có khả tính toán ghi nhớ Neuron đơn vị hệ thần kinh trung tâm (Central Nervous System: CNS), Neuron có chức xử lý thông tin qua lại từ phận khác thể người Theo quan điểm xử lý thông tin, Neuron bao gồm phần, phần liên hệ với phương trình toán cụ thể : Ø Denrite : có chức nhận thông tin từ Neuron khác Ø Thân Neuron (hay Soma): thu thập kết nối thông tin nhận từ Neuron khác Ø Đầu Axon: Neuron có đầu axon có chức truyền thông tin đến Neuron khác Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜2™ Synapse kích động Synapse thụ động Từ cấu trúc đó, ta xem Neuron hệ thống nhiều đầu vào đầu mô tả sau: Đầu vào Đầu Bộ xử lý 1.2 Tổng quát cấu trúc Neuron : 1.2.1 Giới thiệu : Mạng Neuron sinh học có đặc tính phức tạp đa dạng, việc đưa đặc tính phức tạp vào mô hình khó khăn Để đạt mục tiêu này, cấu trúc Neuron sinh học ( gọi Neuron đơn vị ) phát triển mô hình mạng Neuron Neuron có đầu vào nhận từ đầu Neuron khác hay từ môi trường bên Tổng trọng số đầu vào thiết lập thành Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜3™ hàm tác động phi tuyến Một Neuron kích động tổng trọng số đầu vào lớn giá trị ngưỡng w0 Mô hình toán cho đầu Neuron định nghóa sau : n  y (t ) = ψ ∑ wi xi − w0  1  với [ x1, x2, …, xn ] đầu vào Neuron [w1, w2, …, wn ] trọng số y(t) đầu Neuron Ψ[.] hàm tác động W0 : giá trị ngưỡng 1.2.2 Tính toán mạng Neuron : Mục đích việc nghiên cứu tính toán mạng Neuron để phát triển mô hình toán mạng Neuron mà không cần thiết nghiên cứu mặt sinh học, mô hình toán thực hàm tính toán khác Mạng Neuron nhân tạo (ANNs), hay mạng Neuron đơn giản thường mô tả mô hình kết nối hay mạng xử lý phân bố song song (parallel distributed processing networks) Bắt đầu với phát triển tính toán Neuron dựa hiểu biết cấu trúc sinh học với luật học Điều dẫn đến trình tính toán mạng Neuron thực theo bước sau: Ø Phát triển mô hình Neuron dựa cấu trúc sinh học Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 103 ™ fi_r_alpha_dongco 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.31: Từ thông rotor φ rα động fi_r_alpha_ANN 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.32: Từ thông rotor φ rα tính mạng neuron Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 104 ™ -3 sai so fi_r_alpha x 10 3.5 2.5 1.5 0.5 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.33: Sai số φ rα mạng neuron động Nhận xét: Kết tính toán xác thông số chưa huấn luyện, sai số lớn khoảng 3.5x10-3 Wb (0.9%), sai số xác lập khoảng 2.6x10-3 Wb (0.3%) fi_r_beta_dongco 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.34: Từ thông rotor φ rβ động Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 105 ™ fi_r_beta_ANN 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.35: Từ thông rotor φ rβ tính mạng neuron -3 sai so fi_r_beta x 10 3.5 2.5 1.5 0.5 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.36: Sai số φ rβ mạng neuron động Nhận xét: Kết tính toán xác sai số lớn khoảng 3.7x10-3 Wb (0.95%), sai số xác lập khoảng 2.8x10-3 Wb (0.32%) Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 106 ™ toc dong co 140 135 120 100 80 60 40 20 -20 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 0.8 0.9 Hình 4.37: Tốc độ động toc dong co ANN 140 135 120 100 80 60 40 20 -20 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 Hình 4.38: Tốc độ động tính mạng neuron Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 107 ™ sai so toc 0.18 0.16 0.14 0.12 0.1 0.08 0.06 0.04 0.02 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.39: Sai số tốc độ mạng neuron động Nhận xét: Sai số bé, lớn khoảng 0.015% toc dong co va toc dat 136 135.5 135 134.5 134 133.5 133 132.5 132 toc dat toc dong co 131.5 0.45 0.5 0.55 0.6 t 0.65 0.7 0.75 Hình 4.40: Tốc độ động so với tốc độ đặt khoảng t =[0.45, 0.75] Nhận xét: Tốc độ động hoàn toàn điều khiển theo tốc độ đặt, thời gian độ ngắn Sai số tốc độ động tốc độ đặt khoảng 0.3 rad/s Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 108 ™ momen dong co 80 60 40 20 -20 -40 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.41: Momen động Nhận xét: Momen động phẳng, dao động bé Ø Kết luận: • Tốc độ động điều khiển sát với tốc độ đặt trình mang tải không tải • Mạng neuron cho đáp ứng tốt thông số không học Tiếp theo để khảo sát đáp ứng tốc độ động tốc độ đặt thay đổi tiến hành mô với thông số sau: Tốc độ đặt: Wr = 140 rad/s taïi t = [0 , 0.5) Wr = 90 rad/s t = [0.5 , 0.7) Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 109 ™ Wr = 30 rad/s taïi t = [0.7 , 1] Động mang tải ML = 30N.m lúc t = 0.3s Kết chạy mô sau: fi_r_alpha_dong co 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.42: Từ thông rotor φ rα động fi_r_alpha_ANN 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.43: Từ thông rotor φ rα tính mạng neuron Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 110 ™ -3 sai so fi_r_alpha x 10 3.5 2.5 1.5 0.5 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.44: Sai số φ rα mạng neuron động Nhận xét: Kết tính toán mạng neuron xác, sai số lớn khoảng 0.9% fi_r_beta_dong co 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.45: Từ thông rotor φ rβ động Đề tài: Mô máy điện dùng mạng trí tuệ nhân taïo TMB K15 ˜ 111 ™ fi_r_beta_ANN 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.46: Từ thông rotor φ rβ tính mạng neuron -3 sai so fi_r_beta x 10 4.5 3.5 2.5 1.5 0.5 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.47: Sai số φ rβ mạng neuron động Nhận xét: Sai số lớn khoảng 0.93% Ở vùng tốc độ thấp độ lớn sai số tăng so với vùng tốc độ cao Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 112 ™ toc dong co 160 140 120 100 90 80 60 40 30 20 -20 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 0.8 0.9 Hình 4.48: Tốc độ động toc dong co ANN 160 140 120 100 90 80 60 40 30 20 -20 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 Hình 4.49: Tốc độ động tính mạng neuron Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 113 ™ sai so toc 0.25 0.2 0.15 0.1 0.05 0 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.50: Sai số tốc độ động mạng neuron Nhận xét: Đáp ứng tốc độ động tốt, sai số tốc độ lớn khoảng 0.5% momen dong co 80 60 40 20 -20 -40 -60 -80 0.1 0.2 0.3 0.4 0.5 t 0.6 0.7 0.8 0.9 Hình 4.51:Momen động Nhận xét: Momen động phẳng, có dao động tốc độ đặt thay đổi trở xác lập nhanh Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 114 ™ Ø Kết luận: o Đáp ứng tốc độ động tốt tốc độ đặt thay đổi o Việc tính toán mạng neuron sát với giá trị thực tế động liệu không học Kết luận chung: Như qua kết mô thực máy tính, nói ta hoàn toàn lập mô hình động không đồng cách dùng mạng neuron Từ mô hình ứng dụng hệ điều khiển động hay quan sát trạng thái động thực phần Để lập mô hình mạng neuron cho động KĐB có đáp ứng xác cần phải lựa chọn cấu trúc mạng liệu huấn luyện phù hợp từ mô hình mạng neuron tính toán giá trị theo mô hình thật động liệu chưa huấn luyện cho mô hình Tuy nhiên, vấn đề hạn chế cần phải nghiên cứu thêm để tạo mô hình ứng dụng thực tế: Vấn đề đáp ứng mạng neuron thời gian thực Cần khảo sát thêm thay đổi thông số động môi trường bên chẳn hạn như: nhiệt độ, độ ẩm …trong trình hoạt động để tạo tập liệu huấn luyện xác Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 115 ™ TÀI LIỆU THAM KHẢO [1] NGUYỄN PHÙNG QUANG “ MATLAB & SIMULINK DÀNH CHO KỸ SƯ ĐIỀU KHIỂN TỰ ĐỘNG” – NHÀ XUẤT BẢN KHOA HỌC KỸ THUẬT – HÀ NỘI 2004 [2] TRUYỀN ĐỘNG ĐIỆN – PHAN QUỐC DŨNG; TÔ HỮU PHÚC – NHÀ XUẤT BẢN ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH [3] DYNAMIC SIMULATION OF ELECTRIC MACHINERY – CHEE MUN ONG [4] NEURAL NETWORKS – SIMON HAYKIN – PRENTICE HALL [5] UNDERSAMPLING FOR THE TRAINING OF FEEDBACK NEURAL NETWORKS ON LARGE SEQUENCES; APPLICATION TO THE MODELING OF AN INDUCTION MACHINE – L CONSTANT, B DAGUES, I RIVALS, L PERSONNAZ [6] MODELING OF ELECTROMECHANICAL SYSTEM USING NEURAL NETWORKS - L CONSTANT, B DAGUES, I RIVALS, L PERSONNAZ, P LAGARRIGUES [7] PHẦN MỀM MATLAB VÀ CÁC TÀI LIỆU KÈM THEO [8] CÁC BÀI LUẬN VĂN CAO HỌC THỰC HIỆN TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA TP.HCM Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 116 ™ Lý lịch trích ngang Họ tên học viên: Nguyễn Hoàng Vũ Ngày, tháng, năm sinh: ngày 07 tháng 04 năm 1979 Phái: Nam Nơi sinh: Gia Lai Địa liên hệ : 69A Trần Quang Cơ, P.Phú Thạnh, Q.Tân Phú, Tp.HCM QUÁ TRÌNH ĐÀO TẠO: • Từ năm 1997 đến năm 2002: Học trường Bách Khoa Tp HCM, chuyên ngành điện – Điện tử • Từ năm 2003 đến : Học cao học khóa 15 trường Đại Học Bách Khoa Tp.HCM, chuyên ngành : Thiết bị, mạng nhà máy điện QUÁ TRÌNH CÔNG TÁC: • Từ tháng 04 năm 2002 đến tháng 09 năm 2002: làm việc công ty TNHH NISSEI Việt Nam • Từ tháng 10 năm 2002 đến tháng năm 2005: làm việc công ty TNHH ROSACO • Từ tháng 09 năm 2005 đến : làm việc văn phòng đại diện công ty DUFFIL WATTS & TSE Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 117 ™ Phụ lục: Đính kèm báo “ Direct Torque Control For Matrix Converter Fed Three-Phase Induction Motor Using An Artificial Neural Network Model” đăng “ Hội Nghị Khoa Học &ø Công Nghệ Lần Thứ 9” trường Đại Học Bách Khoa Tp HCM tháng 11 năm 2005 Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ... máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 37 ™ 2.3.4 Mô hình hoàn thiện Giao diện để nhập thông số động sau: Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 38 ™ 2.3.5 Thử đáp ứng mô. .. mạng gọi mạng không ổn định Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 22 ™ 1.4.2 Mở rộng mạng neuron tónh : a Mạng tuần hoàn : Cấu trúc mạng tuần hoàn giới thiệu Hopfiel, tạo mô. .. cho biết độ tin cậy mạng Sau giai đoạn học kiểm tra, mạng neuron dùng để phân loại mô hình mô hình hoá cho mạng phi tuyến trước Đề tài: Mô máy điện dùng mạng trí tuệ nhân tạo TMB K15 ˜ 18 ™ Một