Điều khiển trượt thích nghi dùng mô hình nơron mờ

TRƯỜNG ĐẠI HỌC QUỐC GIA TPHCM TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN HỒNG DŨNG CHUN NGÀNH: TỰ ĐỘNG HĨA MÃ SỐ: 60.52.60 TPHCM, 2008 TRƯỜNG ĐẠI HỌC QUỐC GIA TPHCM TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN HOÀNG DŨNG GVHD: PGS.TS DƯƠNG HỒI NGHĨA CHUN NGÀNH: TỰ ĐỘNG HĨA MÃ SỐ: 60.52.60 TPHCM, 2008 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH Cán hướng dẫn khoa học: PGS.TS Dương Hoài Nghĩa Cán nhận xét 1: TS Nguyễn Đức Thành Cán nhận xét 2: TS Huỳnh Thái Hoàng Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 22 tháng 07 năm 2008 Có thể tham khảo luận văn tại: THƯ VIỆN TRƯỜNG ĐẠI HỌC BÁCH KHOA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA CỘNG HÒA XÃ HỘ CHỦ NGHĨA VIỆT NAM PHÒNG ĐÀO TẠO SĐH ĐỘC LẬP-TỰ DO-HẠNH PHÚC Tp.HCM, ngày 22 tháng 07năm 2008 Họ tên học viên: NGUYỄN HOÀNG DŨNG Phái: Nam Ngày tháng năm sinh: 20/11/1979 Nơi sinh: Vĩnh Long Chuyên ngành: Tự Động Hóa MSHV: 01506347 I TÊN ĐỀ TÀI: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MƠ HÌNH NƠRON MỜ II NHIỆM VỤ VÀ NỘI DUNG II.1 Tìm hiểu phương pháp điều khiển trượt II.2 Tìm hiểu logic mờ áp dụng để ước lượng biên độ luật điều khiển trượt II.3 Tìm hiểu mạng nơron hàm sở xuyên tâm áp dụng để nhận dạng luật điều khiển hồi tiếp tuyến tính hóa II.4 Thiết kế điều khiển trượt cho đối tượng hệ tay máy bậc tự II.5 Thiết kế điều khiển trượt mờ cho đối tượng hệ tay máy bậc tự II.6 Thiết kế điều khiển trượt thích nghi dùng mạng RBFNN cho đối tượng hệ tay máy bậc tự II.7 Thiết kế điều khiển trượt thích nghi dùng mạng RBFNN kết hợp với logic mờ cho đối tượng hệ tay máy bậc tự II.8 Mô điều khiển dùng phần mềm Matlab III NGÀY GIAO NHIỆM VỤ: IV NGÀY HOÀN THÀNH NHIỆM VỤ: V CÁN BỘ HƯỚNG DẪN: PGS.TS DƯƠNG HOÀI NGHĨA CÁN BỘ HƯỚNG DẪN CN CHUN NGÀNH PGS.TS DƯƠNG HỒI NGHĨA CN BỘ MƠN QL CHUYÊN NGÀNH TS NGUYỄN ĐỨC THÀNH Đề cương nội dung luận án thạc sĩ hội đồng chun ngành thơng qua Ngày…tháng…năm 2008 TRƯỞNG PHỊNG ĐT-SĐH TRƯỞNG KHOA QL NGÀNH LỜI CẢM ƠN Trước hết xin chân thành cảm ơn đến tất Thầy Cô thuộc Bộ Môn Điều Khiển Tự Động, Khoa Điện-Điện Tử, Trường Đại Học Bách Khoa TPHCM trang bị kiến thức tảng, phương pháp nghiên cứu giúp đỡ tơi suốt q trình học tập nghiên cứu đề tài Tôi xin cảm ơn bạn lớp cao học Tự Động Hóa K17 động viên nhiệt tình giúp đỡ gặp khó khăn Tôi vô biết ơn Thầy Cô thuộc Bộ Môn Viễn Thông Kỹ Thuật Điều Khiển, Khoa Công Nghệ Thông Tin Truyền Thông, Đại Học Cần Thơ (nay Bộ Mơn Tự Động Hóa, Khoa Cơng Nghệ, Đại Học Cần Thơ) tạo điều kiện thuận lợi để tơi n tâm học tập Tôi xin cảm ơn thầy Trần Thanh Hùng (nghiên cứu sinh Đại Học Sydney, Australia), thầy Lương Vinh Quốc Danh (Bộ Môn Điện Tử Viễn Thông, Khoa Công Nghệ, Đại Học Cần Thơ) giúp đỡ báo khoa học IEEE Đặc biệt xin chân thành cảm ơn thầy PGS.TS Dương Hồi Nghĩa (Phó Trưởng Khoa Điện-Điện Tử, Trường Đại Học Bách Khoa) tận tình hướng dẫn để tơi hồn thành đề tài Tôi xin gửi lời cảm ơn đến tác giả báo mà sử dụng làm tài liệu tham khảo luận văn Và cuối muốn gửi lời biết ơn sâu sắc đến người thân gia đình tơi; không ngừng động viên, thông cảm giúp đỡ nhiều sống hàng ngày để tơi an tâm học tập hoàn thành luận văn thạc sĩ Học viên Cao Học Lớp TĐH K17 Nguyễn Hồng Dũng TĨM TẮT LUẬN VĂN THẠC SĨ Đề tài: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MƠ HÌNH NƠRON MỜ Điều khiển trượt đời cách vài thập niên Bộ điều khiển nhanh chóng nhà khoa học quan tâm tính ổn định bền vững hệ thống có nhiễu có thơng số thay đổi theo thời gian Tuy nhiên để thiết kế điều khiển trượt, người thiết kế cần biết xác mơ hình đối tượng Trong thực tế, mơ hình đối tượng khơng phải lúc xác định Hơn nữa, biên độ luật điều khiển trượt lớn gây tượng dao động quanh mặt trượt Để giải khó khăn trên, mạng nơron hàm sở xuyên tâm RBFNN (Radial basis function neural network) dùng để nhận dạng luật điều khiển hồi tiếp tuyến tính hóa dựa việc ước lượng hàm phi tuyến Và sử dụng logic mờ để điều chỉnh biên độ luật điều khiển trượt dựa vào tính ổn định Lyapunov Giải thuật điều khiển nghiên cứu áp dụng để điều khiển hệ tay máy ba bậc tự Đối tượng hệ phi tuyến MIMO phức tạp khó điều khiển Các thơng số đối tượng thường thay đổi theo thời gian khó xác định mơ hình xác Tuy nhiên điều khiển trượt thích nghi dùng mơ hình nơron mờ điều khiển tốt đối tượng với đáp ứng: khơng có dao động vọt lố, sai số xác lập tiến đến zero Kết điều khiển kiểm chứng phần mềm mô Matlab ABSTRACT Thesis: ADAPTIVE SLIDING MODE CONTROL USING FUZZY BASED NEURAL NETWORK SMC (Sliding mode control) has been studied four decades ago The controller was rapidly interested in and developed by researchers all over the world because of the stability robustness against disturbances and variations of the system However to design SMC, the exact model of the plant has to be known Moreover the large gain of an SMC may intensify the chattering on the sliding surface To cope with the above drawbacks, we propose to use a radial basis function neural network (RBFNN) to identify linearization feedback control law for ensuring the stability of the system The gain of the SMC is estimated by fuzzy logic to reduce chattering The proposed algorithm is applied to control a three degrees of freedom robot manipulator, which is a complex MIMO nonlinear system Simulation results are provided to illustrate the proposed method MỤC LỤC Tổng quan CHƯƠNG 1: ĐIỀU KHIỂN TRƯỢT .3 1.1 Điều khiển trượt SMC 1.1.1 Điều khiển trượt bám (tracking) 1.1.2 Điều khiển ổn định hóa (regulation) 1.2 Hiện tượng dao động phương pháp chọn hàm trượt 1.2.1 Hiện tượng dao động (chattering): 1.2.2 Các phương pháp chọn mặt trượt CHƯƠNG 2: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MƠ HÌNH NƠRON MỜ 2.1 Giải thuật điều khiển trượt thích nghi dùng mơ hình nơron mờ 2.1 Hệ mờ .8 2.1.1 Mờ hóa 2.1.2 Giải mờ 2.1.3 Hệ qui tắc mờ 10 2.2 Thiết kế luật điều khiển trượt mờ 12 2.3 Mạng nơron hàm sở xuyên tâm RBFNN .14 2.3.1 Các hàm sở thường sử dụng mạng RBFNN 18 2.3.2 Mơ hình mạng RBFNN với hàm sở Gauss 21 2.3.3 Giải thuật học giám sát gradient steepest descent 22 2.3.4 Ước lượng thông số phi tuyến 23 2.4 Thiết kế điều khiển trượt thích nghi dùng mạng RBFNN 26 2.5 Thiết kế điều khiển trượt thích nghi dùng mơ hình nơron mờ 30 CHƯƠNG 3: GIỚI THIỆU MƠ HÌNH ĐỐI TƯỢNG HỆ TAY MÁY BA BẬC TỰ DO 31 3.1 Mơ hình hệ tay máy bậc tự 31 3.2 Xây dựng phương trình động học cho hệ tay máy dựa phương trình Euler-Lagrange 32 3.2.1 Động khớp 1: 32 3.2.2 Động khớp 2: 33 3.2.3 Động khớp 3: 34 3.2.4 Phương trình Lagrange 35 3.2.5 Áp dụng công thức Euler-Lagrange 36 3.3 Mô hình khơng gian trạng thái .39 CHƯƠNG 4: ÁP DỤNG GIẢI THUẬT ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MƠ HÌNH NƠRON MỜ ĐIỀU KHIỂN HỆ TAY MÁY .42 4.1 Điều khiển trượt bám cho hệ tay máy 42 4.2 Điều khiển trượt ổn định hóa cho hệ tay máy 46 4.3 Điều khiển trượt thích nghi dùng mơ hình nơron mờ 50 4.3.1 Luật điều khiển trượt mờ .50 4.3.2 Điều khiển trượt dùng mạng RBFNN 53 4.3.3 Bộ điều khiển trượt thích nghi dùng mơ hình nơron mờ 57 CHƯƠNG 5: KẾT QUẢ ĐIỀU KHIỂN .59 5.1 Điều khiển ổn định hóa 60 5.2 Điều khiển trượt bám .65 5.3 Điều khiển trượt mờ .68 5.4 Điều khiển trượt dùng mạng nơron hàm sở xuyên tâm 73 5.5 Điều khiển trượt thích nghi dùng mơ hình nơron mờ 77 Kết luận .82 Tài liệu trích dẫn .84 Phụ lục .88 DANH MỤC CÁC HÌNH VẼ Hình 1.1 Hiện tượng dao động quanh mặt trượt Hình 1.2 Các hàm thường sử dụng điều khiển trượt .7 Hình 2.1 Hệ mờ Hình 2.2 Ngõ xử lý mờ .9 Hình 2.3 Phương pháp trọng tâm .10 Hình 2.4 Mối quan hệ mờ hàm trượt s độ lợi k 13 Hình 2.5 Cơ sở luật mờ 13 Hình 2.6 Sơ đồ khối mạng RBFNN với n ngõ vào ngõ 15 Hình 2.7 Phân nhóm liệu vào dùng mạng RBFNN .16 Hình 2.8 Mạng RBFNN với n ngõ vào m ngõ 16 Hình 2.9 Hàm sở Gauss ψ (r ) = e ⎛r⎞ −⎜ ⎟ ⎝c⎠ với c=1 .18 Hình 2.10 Hàm sở bậc hai ψ (r ) = (c + r ) với c=1 β=0.5 19 β Hình 2.11 Hàm sở bậc hai ngược ψ (r ) = (c + r2 ) α với c=1, α=0.5 19 Hình 2.12 Hàm sở logarith ψ (r ) = r log(r ) 20 Hình 2.13 Hàm sở cầu ψ (r ) = r 20 Hình 2.14 Hàm sở tuyến tính ψ (r ) = r 21 Hình 2.15 Hàm sở Gauss với σ = 1,4 21 Hình 2.16 Cách chọn điểm tham chiếu với hai thông số cần nhận dạng 23 Hình 2.17 Bộ điều khiển trượt thích nghi dùng mạng RBFNN .30 Hình 3.1 Mơ hình hệ tay máy bậc tự 31 Hình 4.1 Điều khiển hệ tay máy dùng điều khiển trượt 44 Hình 4.2 Hệ tay máy bậc tự .44 Hình 4.3 Bộ điều khiển trượt khớp .45 75 Control law using RBFNN of link1 uhat 50 -50 50 100 150 200 250 Time [sec] Control law using RBFNN of link2 uhat 20 -20 50 100 150 200 250 Time [sec] Control law using RBFNN of link3 uhat -5 50 100 150 200 250 Time [sec] Hình 5.27 Luật điều khiển nhận dạng mạng RBFNN Sliding function of link1 2.5 1.5 s1 0.5 -0.5 -1 -1.5 50 100 150 Time [sec] Hình 5.28 Hàm trượt khớp Chương 5: Kết điều khiển 200 250 76 Sliding function of link2 0.8 0.6 0.4 s2 0.2 -0.2 -0.4 -0.6 50 100 150 200 250 Time [sec] Hình 5.29 Hàm trượt khớp Sliding function of link3 0.2 0.15 0.1 s3 0.05 -0.05 -0.1 -0.15 50 100 150 Time [sec] Hình 5.30 Hàm trượt khớp Chương 5: Kết điều khiển 200 250 77 5.5 Điều khiển trượt thích nghi dùng mơ hình nơron mờ Amplitude[Rad] The response of link1 tracking on desired reference signal with validate fitness 95.6529% Ref1 θ1 -2 50 100 150 200 250 Time [sec] Amplitude[Rad] The response of link2 tracking on desired reference signal with validate fitness 95.3506% Ref2 θ2 -2 50 100 150 200 250 Time [sec] Amplitude[Rad] The response of link3 tracking on desired reference signal with validate fitness 95.2057% Ref3 θ3 -2 50 100 150 200 250 Time [sec] Hình 5.31 Đáp ứng hệ tay máy Trong trường hợp này, mạng RBFNN dùng để xấp xỉ luật điều khiển hồi tiếp tuyến tính hóa lý tưởng logic mờ dùng để ước lượng biên độ luật điều khiển trượt nhằm giảm tượng chattering Vai trò điều khiển trượt bù sai số để đảm bảo hệ kín ổn định Với giải thuật đáp ứng hệ tay máy khơng có dao động, khơng có vọt lố, sai số xác lập tiến đến zero Độ phù hợp đáp ứng hệ tay máy với tín hiệu chuẩn đạt 96% (Hình 5.31) So với điều khiển trượt bám, điều khiển trượt mờ, tượng dao động quỹ đạo pha quanh mặt trượt giảm đáng kể (Hình 5.35, Hình 5.36 Hình 5.37) Bộ điều khiển trượt thích nghi dùng mơ hình nơron mờ (Hình 5.32) bao gồm điều khiển thích nghi dùng mạng RBFNN (Hình 5.33) điều khiển trượt mờ (Hình 5.34) Trong điều khiển thích nghi dùng mạng RBFNN nhận dạng luật điều khiển dựa vào tín hiệu vào đối tượng Và logic mờ có vai trị ước lượng biên độ điều khiển trượt (Hình 5.38) nhằm giảm chattering Chương 5: Kết điều khiển 78 Control law of link1 50 u1 -50 50 100 150 200 250 200 250 200 250 Time [sec] Control law of link2 20 u2 -20 50 100 150 Time [sec] Control law of link3 50 u3 -50 50 100 150 Time [sec] Hình 5.32 Luật điều khiển trượt thích nghi dùng mơ hình nơron mờ Control law using RBFNN of Link uhat 50 -50 50 100 150 200 250 Time[sec] Control law using RBFNN of Link uhat2 20 -20 50 100 150 200 250 Time[sec] Control law using RBFNN of link uhat3 50 -50 50 100 150 200 Time[sec] Hình 5.33 Luật điều khiển nhận dạng mạng RBFNN Chương 5: Kết điều khiển 250 79 Fuzzy sliding mode control law of Link us 20 -20 50 100 150 200 250 Time[sec] Fuzzy sliding mode control law of Link us 20 -20 50 100 150 200 250 Time[sec] Fuzzy sliding mode control law of link us 20 -20 50 100 150 200 250 Time[sec] Hình 5.34 Luật điều khiển trượt xấp xỉ logic mờ Sliding function of link1 s1 -1 -2 50 100 150 Time [sec] Hình 5.35 Hàm trượt khớp Chương 5: Kết điều khiển 200 250 80 Sliding function of link2 0.8 0.6 0.4 s2 0.2 -0.2 -0.4 -0.6 -0.8 50 100 150 200 250 Time [sec] Hình 5.36 Hàm trượt khớp Sliding function of link3 0.6 0.4 0.2 s3 -0.2 -0.4 -0.6 -0.8 -1 -1.2 -1.4 50 100 150 Time [sec] Hình 5.37 Hàm trượt khớp Chương 5: Kết điều khiển 200 250 81 Amplitude of Sign Function of Link control law k1 20 10 0 50 100 150 200 250 Time [sec] Amplitude of Sign Function of Link control law k2 20 10 0 50 100 150 200 250 time [sec] Amplitude of Sign Function of Link control law k3 20 10 0 50 100 150 200 250 Time [sec] Hình 5.38 Biên độ luật điều khiển trượt ước lượng logic mờ Function dV/dt of Link s 1*ds 1/dt -20 -40 50 100 150 200 250 200 250 200 250 Time[sec] s 2*ds 2/dt Function dV/dt of Link -10 -20 50 100 150 Time[sec] Function dV/dt of link s 3*ds 3/dt -10 -20 50 100 150 Time[sec] Hình 5.39 Hàm V& = s.s& Chương 5: Kết điều khiển 82 KẾT LUẬN Sau năm tháng thực hiện, đề tài “Điều khiển trượt thích nghi dùng mơ hình nơron mờ” đạt số kết định sau: - Tìm hiểu lý thuyết điều khiển trượt - Tìm hiểu logic mờ ứng dụng để ước lượng biên độ điều khiển trượt - Tìm hiểu mạng RBFNN áp dụng để xấp xỉ luật điều khiển hồi tiếp tuyến tính hóa - Khảo sát đối tượng hệ tay máy bậc tự - Thiết kế điều khiển trượt cho đối tượng hệ tay máy bậc tự - Thiết kế điều khiển trượt mờ cho đối tượng hệ tay máy bậc tự - Thiết kế điều khiển trượt thích nghi dùng mạng RBFNN cho đối tượng hệ tay máy ba bậc tự - Thiết kế điều khiển trượt thích nghi dùng mạng RBFNN kết hợp với logic mờ cho đối tượng hệ tay máy bậc tự - Mô điều khiển dùng phần mềm Matlab Các điểm luận văn sau: - Ước lượng trực tuyến biên độ k điều khiển trượt dùng logic mờ - Nhận dạng trực tuyến luật điều khiển hồi tiếp tuyến tính hóa lý tưởng Độ lợi k luật điều khiển trượt có vai trị quan trọng tính ổn định hệ thống Nếu giá trị lớn làm cho quỹ đạo pha dao động quanh mặt trượt làm cho hệ thống ổn định Trong đề tài này, độ lợi điều khiển trượt ước lượng trực tuyến logic mờ Kết thí nghiệm cho thấy, độ lợi k thay đổi rõ rệt thời điểm tín hiệu ngõ vào chuyển đổi trạng thái đột ngột Tại thời điểm này, quỹ đạo pha hệ thống lệch khỏi mặt trượt Do tham số k cần thay đổi để đưa quỹ đạo quay mặt trượt trì mặt trượt Điều góp phần làm giảm chattering giữ cho hệ kín ổn định Kết luận 83 Bộ điều khiển trượt dùng mạng RBFNN với giải thuật học gradient steepest descent (độ rộng tâm hàm sở chọn cố định, trọng số cập nhật trực tuyến dựa mơ hình) đóng vai trị nhận dạng luật điều khiển hồi tiếp tuyến tính hóa cách ước lượng gián tiếp hàm phi tuyến Và điều khiển trượt đóng vai trò xấp xỉ sai số để đảm bảo cho hệ kín ổn định Kết thí nghiệm cho thấy, thời điểm tín hiệu vào thay đổi trạng thái đột ngột, quỹ đạo pha lệch khỏi mặt trượt Lúc mạng RBFNN có nhiệm vụ tính tốn lại luật điều khiển để đưa quỹ đạo pha quay mặt trượt với sai số bé Bộ điều khiển trượt mờ có nhiệm vụ tính tốn biên độ luật điều khiển nhằm giảm tượng chattering Sự kết hợp hai điều khiển tạo nên điều khiển trượt thích nghi dùng mơ hình nơron mờ Bộ điều khiển áp dụng để điều khiển hệ tay máy ba bậc tự Kết thí nghiệm cho thấy, đáp ứng hệ tay máy khơng có dao động vọt lố, sai số xác lập tiến đến zero Bộ điều khiển trượt thích nghi dùng mơ hình nơron mờ đóng góp số kết sau: - Điều khiển hệ tay máy mà không cần biết trước mơ hình đối tượng - Giảm tượng chattering Kết luận 84 TÀI LIỆU TRÍCH DẪN [1] Gang Feng and Rogelio Lozano, “Adaptive control systems”, Reed Educational and Professional Publishing Ltd, Chapter 11: Stable multi-input multi-output adpative fuzzy/neural control (R Ordóđez and K M Passino), p.296-307, 1999 [2] Tri V.M Nguyen, Q P Ha and Hung T Nguyen, “A Chattering-Free Variable Structure Controller for Tracking of Robotic Manipulators”, Proceedings of The Australian Conference on Robotics and Automation, pp.1-6, 2003 [3] Ghania Debbache, Abdelhak Bennia and Noureddine Goléa, “Neural Networksbased Adaptive State Feedback Control of Robot Manipulators”, International Journal of Computers, Communications & Control, vol.2, pp.1-12, 2007 [4] Nasser Sadati, Rasoul Ghadami and Mahdi Bagherpour, “Adaptive Neural Network Multiple Models Sliding Mode Control of Robotic Manipulators Using Soft Switching”, Proceeding of The IEEE Conference on tools with Artificial Intelligence, pp.431-438, 2005 [5] Nasser Sadati, Rasoul Ghadami and Mahdi Bagherpour, “An Adaptive Neural Network Sliding Mode Controller for Robotic Manipulators”, Proceeding of The IEEE Conference on Industrial Technology, pp.1246-1251, 2005 [6] Duy-Ky Nguyen, “Sliding-Mode control: Advance design techniques”, PhD thesis, University of technology, Sydney, pp 3.6-3.8, 1998 [7] Hajoon Lee , Dong kyung Nam and Cheol Hoon Park, “A Sliding Mode Controller Using Neural Networks for Robot Manipulator”, The 12th European Symposium on Artificial Neural Networks, Bruges, Belgium, pp 193-198, 2004 [8] M Onder Efe, Okyay Kaynak and Bogdan M Wilamowski, “Creating a Sliding Mode in a Motion Control System by Adopting a Dynamic Defuzzification Strategy in an Adaptive Neuro Fuzzy Inference System”, The 26th Annual Confjerence of the IEEE on Industrial Electronics Society, vol.2, pp.894-899, 2000 [9] F Qiao Q M Zhu, A Winfield and C Melhuish, “Design of Takagi-Sugeno fuzzy model based sliding mode controllers for nonlinear systems”, Proceedings of Tài liệu trích dẫn 85 the 2nd Postgraduate Student Conference in CEMS, UWE, Bristol, England, pp.3134, 2003 [10] Jinzhu Peng, Yaonan Wang, Wei Sun and Yan Liu, “A Neural Network Sliding Mode Controller with Application to Robotic Manipulator”, The IEEE congress on intelligent control and automation, Dalian, China, pp.1-5, 2006 [11] Asif Šabanovič, Karel Jezernik and Kenzo Wada, “Chattering Free Sliding Modes in Robotic Manipulators Control”, Proceedings of the 1993 IEEE/RSJ International Conference on Intelligent Robots and Systems, vol.2, pp.1260-1267, 1993 [12] M Belhocine, M Hamerlain and K Bouyoucef, “Robot Control using a sliding mode”, Proceedings of the 1997 IEEE International Symposium on Intelligent control, pp.361-366, 1997 [13] M Önder Efe, Okyay Kaynak, Xinghuo Yu and Bogdan M Wilamowski, “Sliding Mode Control of Nonlinear Systems Using Gaussian Radial Basis Function Neural Networks”, IEEE transaction on Neural Networks, vol.1, pp.474-479, 2001 [14] Wilfrid Perruquetti and Jean Pierre Barbot, “Sliding mode control in engineering”, Chapter 1: Overview of classical sliding mode control, Marcel Dekker, Inc 2002 [15] Marcelo Azevedo Costa, Antônio de P´adua Braga and Benjamin Rodrigues de Menezes, “Improving Generalization with Sliding Mode Control and the Levenberg-Marquadt Algorithm”, IEEE transaction on Neural Networks, pp.44-48, 2002 [16] Shuanghe Yu, Xinghuo Yu and Mehmet Önder Efe, “Modeling-Error Based Adaptive Fuzzy Sliding Mode Control for Trajectory-Tracking of Nonlinear Systems”, The 29th Annual Conference of the IEEE, vol.3, pp.3001-3006, 2003 [17] M R Rafimanzelat and M J Yazdanpanah, “A Novel Low Chattering Sliding Mode Controller”, The 5th Asian Control Conference of IEEE, vol.3, pp.19581963, 2004 Tài liệu trích dẫn 86 [18] Wei-Yen Wang, Yih-Guang Leu and Tsu-Tian Lee, “Output-feedback control of nonlinear systems using direct adaptive fuzzy-neural controller”, Fuzzy Sets and Systems, vol.140, pp.341-358, 2003 [19] Tong Shaocheng, Chen Bin and Wang Yongfu, “Fuzzy adaptive output feedback control for MIMO nonlinear systems”, Fuzzy Sets and Systems, vol.156, pp.285-299, 2005 [20] Salim Labiod ,Mohamed Seghir Boucherit and Thierry Marie Guerra, “Adaptive fuzzy control of a class of MIMO nonlinear systems”, Fuzzy Sets and Systems, vol.151, pp.59-77, 2005 [21] Rong-Jong Wai, “Tracking control based on neural network strategy for robot manipulator” Neurocomputing, vol.51, pp.425-445, 2003 [22] N Golea, A Golea and K Benmahammed, “Stable indirect fuzzy adaptive control”, Fuzzy Sets and Systems, vol.137, pp.353-366, 2003 [23] Choon-Young Lee and Ju-Jang Lee, “Adaptive Control of Robot Manipulators Using Multiple Neural Networks”, Proceedings of the 2003 IEEE International Conference on Robotics & Automation, Taipei, Taiwan, pp.1-6, 2003 [24] Dong Si Thien Chau, Duong Hoai Nghia and Nguyen Duc Thanh, “Sliding mode control using RBF Model”, International Symposium on Electrical & Electronic Engineering, University of Technology, National University-HCMC, pp.36-41, 2007 [25] Lê Thị Kim Loan, “Điều khiển trượt mờ, ứng dụng điều khiển nâng vật từ trường”, Luận văn thạc sỹ ngành tự động hóa, Trường Đại Học Bách Khoa, trang 22-48, 2005 [26] Ayca Gokhan Ak, Galip Canserver, “Adaptive neural network based fuzzy sliding mode control of robot manipulator”, 2006 IEEE Conference on Cybernetics and Intelligent Systems, Bangkok, pp1-6, 2006 [27] Trần Quang Thuận, “Điều khiển trượt dùng mạng nơron hàm sở xuyên tâm”, Luận văn thạc sỹ ngành tự động hóa, Trường Đại Học Bách Khoa, trang 3786, 2006 Tài liệu trích dẫn 87 [28] H.Daniel Patiđo, Ricardo Carelli and Benjamín R.Kuchen, “Neural Networks for Advanced Control of Robot Manipulators”, IEEE transactions on neural networks, vol.13, no.2, pp.343-354, 2002 [29] Nguyễn Hồng Huy, “Điều khiển mơ hình nội sử dụng mạng nơron RBF”, Luận văn thạc sỹ ngành tự động hóa, Trường Đại Học Bách Khoa, trang 37-48, 2006 [30] Xie Jian, Li Zushu, “Dynamic Model and Motion Control Analysis of ThreeLink Gymnastic Robot on Horizontal Bar”, The proceeding of the 2003 IEEE International conference on Robotics, Intelligent systems, System and signal Processing Changsha, China, pp.83-87, October 2003 [31] S.Jagannathan, Gustavo Galan, “Adaptive Critic Neural Network-Based Object Grasping Control Using a Three-Finger Gripper”, IEEE Transaction on Neural Network, Vol.15, No.2, pp 395-407, 2004 [32] Huỳnh Thái Hồng, “Hệ Thống Điều Khiển Thơng Minh”, NXB Đại Học Quốc Gia TPHCM, trang 60-75, 307-336, 2006 [33] Subashini Elangovan, Peng-Yung Woo, “Adaptive Fuzzy Sliding Control for a Three-Link Passive Robotic Manipulator”, The proceeding of the 2004 IEEE American control conference, Vol.6, pp 5274-5279, 30 June-2 July 2004 [34] Hui Peng, Tohru Ozaki, Valerie Haggan-Ozaki, and Yukihiro Toyoda, “A Parameter Optimization Method for Radial Basis Function Type Models”, IEEE Transactions On Neural Networks, Vol.14, No.2, pp.432-438, Mar 2003 [35] Siew-Chong Tan, Y M Lai, Chi K Tse, “Indirect Sliding Mode Control of Power Converters Via Double Integral Sliding Surface”, IEEE Transactions On Power Electronics,Vol.23, No.2, pp.600-611, Mar 2008 [36] Rong-Jong Wai, Jeng-Dao Lee, “Adaptive Fuzzy-Neural-Network Control for Maglev Transportation System”, IEEE Transactions On Neural Networks,Vol 19, No.1, pp 54-70, Jan 2008 [37] Madan M Gupta, Liang Jin, and Noriyasu Homma, “Static and Dynamic Neural Networks”, A John Wiley & Sons, Inc., Publication, pp.223-245,2003 Tài liệu trích dẫn 88 PHỤ LỤC Phần mềm mô điều khiển cho hệ tay máy ba bậc tự thực simulink Matlab Đường dẫn đến tập tin \Matlab Sau danh sách tập tin mô SMC_stablization_robot_3dof.mdl Chức năng: mơ điều khiển trượt ổn định hóa SMC_robot_3dof.mdl Chức năng: mô điều khiển trượt bám SMC_Fuzzy_robot_3dof.mdl Chức năng: mô điều khiển trượt mờ SMC_RBF_robot_3dof_NONLINEAR.mdl Chức năng: mô điều khiển trượt thích nghi dùng mạng RBFNN SMC_RBF_Fuzzy_robot_3dof_NONLINEAR.mdl Chức năng: mơ điều khiển thích nghi dùng mơ hình nơron mờ three_dof.fis Chức năng: cung cấp luật mờ cho điều khiển trượt mờ điều khiển trượt thích nghi dùng mơ hình nơron mờ Phụ lục TĨM TẮT LÝ LỊCH TRÍCH NGANG Họ tên: NGUYỄN HOÀNG DŨNG Phái: Nam Ngày sinh: 20/11/1979 Nơi sinh: Vĩnh Long Địa chỉ: Q3, Khu tập thể Đại Học Cần Thơ, Phường Hưng Phú, Quận Ninh Kiều, Tp Cần Thơ Địa mail: hoangdung@ctu.edu.vn QUÁ TRÌNH ĐÀO TẠO Từ 1997 đến 2002: Học đại học Trường Đại Học Cần Thơ, chuyên ngành điện tử Từ 2006 đến nay: Học thạc sỹ Trường Đại Học Bách Khoa Tp Hồ Chí Minh chun ngành Tự Động Hóa Q TRÌNH CÔNG TÁC Từ 2002 đến 12/2007: Giảng viên thuộc Bộ Môn Viễn Thông Kỹ Thuật Điều Khiển, Khoa Công Nghệ Thông Tin Truyền Thông, Đại Học Cần Thơ Từ 12/2007 đến nay: Giảng viên thuộc Bộ Môn Tự Động Hóa, Khoa Cơng Nghệ, Đại Học Cần Thơ ... φu Hình 2.17 Bộ điều khiển trượt thích nghi dùng mạng RBFNN 2.5 Thiết kế điều khiển trượt thích nghi dùng mơ hình nơron mờ Bộ điều khiển trượt thích nghi dùng mơ hình nơron mờ kết hợp điều khiển. .. [16], [22] Chương 1: Điều khiển trượt CHƯƠNG 2: ĐIỀU KHIỂN TRƯỢT THÍCH NGHI DÙNG MƠ HÌNH NƠRON MỜ 2.1 Giải thuật điều khiển trượt thích nghi dùng mơ hình nơron mờ Điều khiển trượt có ưu điểm bật... 42 4.2 Điều khiển trượt ổn định hóa cho hệ tay máy 46 4.3 Điều khiển trượt thích nghi dùng mơ hình nơron mờ 50 4.3.1 Luật điều khiển trượt mờ .50 4.3.2 Điều khiển trượt dùng mạng