Điều khiển dự báo trên cơ sở mạng nơron nhân tạo

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI *********♦********* DƯƠNG MINH TẤN ĐIỀU KHIỂN DỰ BÁO TRÊN CƠ SỞ MẠNG NƠRON NHÂN TẠO LUẬN VĂN THẠC SĨ NGHÀNH: ĐIỀU KHIỂN TỰ ĐỘNG NGƯỜI HƯỚNG DẪN KHOA HỌC TS PHAN XUÂN MINH HÀ NỘI 2008 Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo LỜI CẢM ƠN Tôi xin trân trọng cảm ơn ban lãnh đạo trường ĐH Bách Khoa Hà Nội, lãnh đạo khoa Điện, môn ĐKTĐ tạo điều kiện cho học tập, nghiên cứu hồn thành luận văn Đặc biệt, tơi xin dành lời cảm ơn chân thành đến cô giáo – giảng viên PGS.TS Phan Xuân Minh – Người tận tụy giảng dạy hướng dẫn tơi hồn thiện luận văn -1- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo MỤC LỤC LỜI CẢM ƠN -1- Bảng 1.1 Các ký tự dùng luận văn -4- Bảng 1.2 Bảng từ viết tắt luận văn -5- DANH MỤC HÌNH VẼ -6- LỜI CAM ĐOAN -7- I TỔNG QUAN VỀ ĐIỀU KHIỂN DỰ BÁO - 10 - Kiến thức 1.1 Tổng quan mơ hình điều khiển dự báo 1.2 Các thành phần MPC 1.3 Ký hiệu dùng tập đồ án - 10 - 10 - 12 - 15 - Các mơ hình tuyến tính sử dụng MPC 2.1 Mơ hình chưa xác định 2.2 Các mơ hình cụ thể 2.3 Mơ hình khơng gian trạng thái 2.4 Mơ hình hàm truyền (hệ SISO) 2.5 Mơ hình FIR 2.6 Mơ hình độc lập (IM) 2.7 Mô tả ma trận tỉ lệ (Matrix-fraction descriptions – MFD) - 20 - 20 - 21 - 22 - 25 - 26 - 27 - 27 - Dự báo MPC 3.1 Cấu trúc tổng quát mơ hình dự báo 3.2 Dự báo với mơ hình khơng gian trạng thái 3.3 Dự báo với mơ hình hàm truyền – phương pháp ma trận 3.4 Sử dụng phương pháp đệ quy để tính ma trận H, P, Q 3.5 Dự báo với mơ hình FIR 3.6 Dự báo với mơ hình độc lập (mơ hình nội) - 29 - 29 - 29 - 31 - 36 - 37 - 39 - Ổn định tối ưu 4.1 Ổn định 4.2 Tối ưu - 43 - 43 - 44 - II MƠ HÌNH DỰ BÁO TRÊN CƠ SỞ MẠNG NƠRON - 47 - Mạng Nơron 5.1 Cở sở mạng nơron 5.2 Cấu trúc mạng nơron - 47 - 47 - 50 - Huấn luyện mạng Nơron - 57 - -2- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo 6.1 Nguyên tắc huấn luyện mạng 6.3 Huấn luyện mạng MLP truyền thẳng - 57 - 60 - Nhận dạng mơ hình đối tượng điều khiển 7.1 Nhận dạng thông số hệ thống (Offline) 7.2 Nhận dạng thông số hệ thống (Online) 7.3 Nhận dạng mơ hình bước nhảy mơi trường Matlab 7.4 Nhận dạng mơ hình không gian trạng thái môi trường Matlab - 66 - 66 - 74 - 79 - 87 - III KIỂM CHỨNG TRÊN MATLAB® VÀ SIMULINK® - 94 - Điều khiển dự báo sở mạng Nơron 8.1 Nhận dạng hệ thống 8.2 Điều khiển dự báo 8.3 Kết luận mô Matlab - 94 - 94 - 95 - 107 - KẾT LUẬN - 108 - TÀI LIỆU THAM KHẢO - 109 - -3- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Bảng 1.1 Các ký tự dùng luận văn Mơ tả -1 Tốn tử trễ Đầu trình Đầu vào trình Sai lệch đầu vào: uk-uk-1 Nhiễu trình Trạng thái trình Điểm đặt q trình Nhiễu đo Ma trận khơng gian trạng thái Tốn tử trễ (Chuyển đổi z) Đa thức cực vịng mở Đa thức cực vịng kín Đa thức khơng vịng mở Vec-tơ hệ số đa thức n(z) Tử số điều khiển Mẫu số điều khiển Toán tử sai lệch Phản hồi dương trạng thái Mơ hình q trình Ma trận Toeplitz n(z) Ma trận Hankel n(z) Giá trị x điểm trích mẫu k Vec-tơ giá trị tương lai x Vec-tơ giá trị khứ x Ma trận dự báo Ma trận/Vec-tơ ràng buộc Giới hạn -4- Ký hiệu z y u y u Du Du d x r v A,B,C,D z-1 a(z) d(z) pc(z) b(z) n(z) N Nk(z) Dk(z) D(z)-1-z-1 K G(z) Cn Hn xk xx k sx k H,P,Q C,E,d,f (.)t,(.) d r V A pc B Nk Dk D G Gn x(k) Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Bảng 1.2 Bảng từ viết tắt luận văn Từ viết tắt Nguồn gốc ASM Active set method Controlled auto-regressive integrated CARIMA moving average CLP Closed-loop paradigm d.o.f degrees of freedom DMC Dynamic matrix control DR Dual rate EMPC Efficient model-based predictive control EUM Elimination of unstable modes FIR Finite impulse response FR Fast rate GPC Generalised predictive control I/O Input/output IC Inferential control IFT Iterative feedback tuning IHPC Infinite horizon predictive control IIR Infinite impulse response IMC Internal model control IM Independent model LMI Linear matrix inequality LP Linear program Linear quadratic optimal model LQMPC predictive control LTV Linear time varying MAS Maximal admissible set MFD Matrix fraction description MIMO Multi-input-multi-output MPC Model predictive control mph miles per hour MR Multi-rate NTC No terminal control OLP Open-loop paradigm ONEDOF Algorithm using one d.o.f PFC Predictive functional control QP Quadratic programming RHC Receding horizon control SGPC Stable generalised predictive control SISO Single-input-single-output SR Slow rate -5- Giải thích Phượng pháp kích hoạt Điều khiển lùi tích hợp trung bình chuyển động Mơ hình điều khiển vịng kín Bậc tự Điều khiển ma trận động Song công Điều khiển dự báo hiệu Loại bỏ chế độ không ổn định Đáp ứng xung hữu hạn Tốc độ nhanh Điều khiển dự báo tổng quát Vào/Ra Điều khiển suy luận Điều chỉnh phản hồi lặp Giới hạn xác định điều khiển dự báo Đáp ứng xung vơ hạn Mơ hình điều khiển nội Mơ hình độc lập Ma trận tuyến tính khơng Chương trình tuyến tính MPC tối ưu bậc hai tuyến tính Thời gian tuyến tính thay đổi Giá trị đặt lớn Mô tả ma trận tỷ lệ hệ nhiều đầu vào điều khiển dự báo dặm Dđa tốc độ Điều khiển không giới hạn Mơ hình vịng mở Thuật tốn sử dụng bậc tự Điều khiển chức dự báo Hàm bậc hai Lùi xa giới hạn điều khiển Điều khiển dự báo tổng quát ổn định Hệ đầu vào, Tốc độ chậm Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo DANH MỤC HÌNH VẼ Hình 1.1: (a) Sơ đồ khối hệ thống điều khiển dự báo .- (b) Chiến lược điều khiển dự báo .- Hình 1.2 Sơ đồ khối Model Predictive Control - 11 Hình 2.1 Mơ hình độc lập - 27 Hình 3.1 Trạng thái mơ hình độc lập q trình - 39 Hình 3.2 Sơ đồ khối IM cho trình vịng mở khơng ổn định - 40 Hình 3.3 Sơ đồ khối IM ảo cho q trình vịng mở khơng ổn định .- 40 Hình 5.1 Mạng nơ-ron đơn giản gồm nơ-ron .- 47 Hình 5.2 Nơ-ron nhiều đầu vào .- 49 Hình 5.3 Mạng nơ-ron có đặc tính động học tuyến tính .- 51 Hình 5.4 Mạng nơ-ron có đặc tính phi tuyến tĩnh .- 52 Hình 5.5 Mạng nơ-ron có đặc tính động học phi tuyến - 54 Hình 5.6 Cấu trúc khối TDL-1 TDL-2 - 54 Hình 6.1 Mơ hình mạng nơron nhiều lớp - 57 Hình 6.2 Sơ đồ khối huấn luyện mạng nơron - 58 Hinh 6.3: Phương pháp tìm kiếm Emin theo hướng ngược gradient E - 59 Hình 6.4: Mạng nơron nhiều lớp nhiều đầu vào nhiều đầu - 60 Hình 6.5: Mạng MLP truyền thẳng .- 63 Hình 7.1: Sơ đồ tổng qt nhận dạng thơng số mơ hình - 68 Hình 7.2 Nhận dạng theo phương pháp gradient .- 70 Hình 7.4 Đồ thị đáp ứng theo thời gian - 83 Hình 7.5 Đồ thị đáp ứng đầu theo thời gian .- 85 Hình 7.6 Đồ thị đáp ứng đầu theo thời gian .- 87 Hình 7.7 Sơ đồ khối trình .- 87 Hình 7.8 Sơ đồ khối trình .- 89 Hình 7.9 Đáp ứng đầu - 91 Hình 7.10 Đáp ứng đầu có ràng buộc .- 93 Hình 8.1 Sơ khối trình - 95 Hình 8.2 Cấu trúc mơ hình mạng nơron - 95 Hình 8.3 Khối điều khiển Simulink - 96 Hình 8.4 Sơ đồ lưu động trình - 97 Hình Sơ đồ khốibộ điều khiển Simulink cho trình hình 8.4 - 97 Hình Sơ đồ khối Simulink cho bình khuấy hình 8.4 .- 98 Hình 8.7 Cửa sổ điều khiển dự báo sở mạng nơron Simulink - 99 Hình 8.8 Cửa sổ Plant Identification - 100 Hình 8.9 Biểu đồ liệu huấn luyện - 101 Hình 8.10 Biểu đồ liệu huấn luyện - 102 Hình 8.11 Biểu đồ liệuđạt yêu cầu huấn luyện - 102 Hình 8.12 Quá trình huấn luyện - 103 Hình 8.13 Đáp ứng đầu trình sử dụng điều khiển dự báo sở mạng nơron - 104 Hình 8.14 Biểu đồ liệu huấn luyện giới hạn dự báo tăng - 104 Hình 8.15 Biểu đồ liệu đạt yêu cầu huấn luyện - 105 Hình 8.16 Đáp ứng đầu trình sử dụng điều khiển dự báo sở mạng nơron - 105 Hình 8.17 Biểu đồ liệu đạt yêu cầu huấn luyện - 106 Hình 8.18 Đáp ứng đầu trình tăng giới hạn dự báo - 106 - -6- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo LỜI CAM ĐOAN Tôi xin cam đoan cơng trình thực Các số liệu, kết nêu luận văn trung thực thành nỗ lực làm việc trợ giúp cán hướng dẫn mà Tác giả -7- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo MỞ ĐẦU Mục tiêu ý nghĩa đề tài: Phương pháp điều khiển dự báo phương pháp điều khiển nâng cao điều khiển trình sử dụng từ năm 1980s ngành cơng nghiệp q trình hóa chất lọc dầu Hiện điều khiển dự báo chiến lược điều khiển sử dụng phổ biến việc điều khiển trình Bộ điều khiển dự báo dùng mơ hình để đốn trước đáp ứng tương lai đối tượng điều khiển thời điểm rời rạc phạm vi dự báo (prediction horizon) định Dựa vào đáp ứng dự báo này, thuật tốn tối ưu hóa sử dụng để tính tốn chuỗi tín hiệu điều khiển tương lai phạm vi điều khiển (control horizon) cho sai lệch đáp ứng dự báo mô hình tín hiệu chuẩn cho trước tối thiểu (hình 1.1) Phương pháp điều khiển dự báo phương pháp tổng quát thiết kế điều khiển miền thời gian áp dụng cho hệ tuyến tính hệ phi tuyến, nhiên thực tế việc áp dụng chiến lược điều khiển dự báo cho hệ phi tuyến gặp nhiều khó khăn Hình 1.1: (a) Sơ đồ khối hệ thống điều khiển dự báo (b) Chiến lược điều khiển dự báo -8- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Với ưu điểm lớn điều khiển dự báo, nên mục đích đề tài nghiên cứu lý thuyết điều khiển dự báo sở mạng nơron áp dụng kiểm chứng cho mô hình bình khuấy cơng nghiệp Nhiệm vụ: · Nghiên cứu lý thuyết điều khiển dự báo cho mơ hình đối tượng khác · Nghiên cứu lý thuyết điều khiển dự báo dựa sở mạng nơron · Áp dụng vào thực tế để kiểm chứng Phương pháp giải · Trình bày sở lý thuyết điều khiển dự báo mạng nơron · Xây dựng mơ hình tốn để dự báo xác trạng thái q trình cần điều khiển phạm vi dự báo Đối với hệ phi tuyến xây dựng mơ hình tốn xác tốn khó đặc tính phi tuyến đa dạng · Giải toán tối ưu phi tuyến để tính tốn chuỗi tín hiệu điều khiển phạm vi điều khiển, thường toán tối ưu khơng lồi có nhiều cực trị cục Tất thuật tốn tối ưu hóa phi tuyến thuật tốn lặp địi hỏi số lượng phép tính lớn, điều làm hạn chế khả áp dụng chiến lược điều khiển dự báo vào hệ thống tốc độ cao · Sử dụng công cụ điều khiển dự báo MATLAB® Simulink® để mơ q trình kiểm chứng điều khiển dự báo -9- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.1 Sơ khối q trình Mơ hình q trình mạng nơ-ron sử dụng tín hiệu vào để dự báo đầu tương lai Cấu trúc mơ hình mạng nơ-ron biểu diễ sau: Hình 8.2 Cấu trúc mơ hình mạng nơron Mạng huấn luyện chung, sử dụng liệu thu từ tính tốn q trình Ta sử dụng thuật toán huấn luyện giới thiệu tỏng chương tập đồ án Nhưng ta sử dụng thuật toán lan truyền ngược (Backpropagation) 8.2 Điều khiển dự báo Phương pháp mơ hình điều khiển dự báo, ta biết phần trước, dựa nguyên lý dịch chuyển tăng tầm nhận biết trước Mơ hình mạng nơ-ron dự đốn đáp ứng trình qua khoảng thời gian tương lai định Bộ dự báo sử dụng chương trình tối ưu tốn học để xác định - 95 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo tín hiệu điều khiển để cực tiểu hóa đáp ứng giới hạn dự báo (8.1) Trong N1,N2, Nu định nghĩa giới hạn sai lệch theo dõi ước lượng điều khiển tăng tịnh tiến Biến u’ tín hiệu điều khiển, yr đáp ứng mong muốn, ym đáp ứng mơ hình mạng Giá trị p xác định đóng góp mà tổng bình phương điều khiển tăng tịnh tiến có số chất lượng Sơ đồ khối sau minh họa trình điều khiển dự báo mơ hình Bộ điều khiển chứa mơ hình q trình mạng nơ-ron khối tối ưu hóa Bộ tối ưu hóa xác định giá trị u’ mà cực tiểu hóa J, sau tối ưu u – đầu vào trình Khối điều khiển bổ xung Simulink Hình 8.3 Khối điều khiển Simulink Sử dụng khối điều khiển dự báo sở mạng Nơ-ron môi trường Simulink Phần ta bàn cách sử dụng khối điều khiển dự báo dựa sở mạng nơ-ron Trước hết, ta xét trình hình vẽ sau - 96 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.4 Sơ đồ lưu động q trình Mơ hình động học hệ thống là: (8.2) Trong h(t) mức chất lỏng, Cb(t) cô đọng sản phẩm đầu q trình, w1(t) tốc độ dịng cấp đọng Cb1, w2(t) tốc dộ dịng cấp lỗng Cb2 Cơ đọng đầu vào đặt cho Cb1= 24.9 Cb2=0.1 số tốc độ tiêu thụ k1=1 k2=2 Mục tiêu điều khiển trì động sản phẩm cách điều chỉnh dịng w1(t) Để đơn giản hóa, đặt w2(t)=0.1 Mức bể h(t) không điều chỉnh thí nghiệm Hình Sơ đồ khốibộ điều khiển Simulink cho trình hình 8.4 - 97 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Trong đối tượng bình khuấy có sơ đồ khối thơng số sau Hình Sơ đồ khối Simulink cho bình khuấy hình 8.4 Trong khối điều khiển dự báo sở mạng Nơ-ron, ta cso thể thay đổi giới hạn điều khiển N2 Nu (N1 cố định 1) Thông số trọng lượng p định nghĩa cửa sổ Thông số a sử dụng để điều khiển tối ưu hóa Nó xác định mức giảm chất lượng yêu cầu để tối ưu hóa thành cơng Ta lựa chọn cực tiểu hóa phi tuyến thuật tốn tối ưu, cso thẻ xác định thuật toán tối ưu nhắc lại bao lần chu kyg trích mẫu Cực tiểu phi tuyến nói rõ phần mạng lan truyền ngược (Backpropagation) - 98 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Control Weighting Factor nhân với tổng bình phương lượng tăng điều khiển hàm chất lượng Cost Horizon N2 số bước mà sai lệch dự báo tối thiểu Control Horizon Nu số bước mà lượng tăng điều khiển cực tiểu Thông số xác định đường tím kiếm kết thúc Ta lựa chọn từ nhiều đường tìm kiếm dử dụng thuật tốn tối ưu Nó lựa chọn số lần lặp thuật toán tối ưu chu kỳ trích mẫu Hình 8.7 Cửa sổ điều khiển dự báo sở mạng nơron Simulink Cửa sổ Plant Identification cho phép ta phát triển mơ hình q trình mạng nơ-ron Mơ hình q trình dự báo đầu tương lai, thuật toán tối ưu sử dụng dự báo để xác định đầu vào điều khiển để tối ưu đầu Mơ hình q trình điều khiển dự báo sở mạng Nơ-ron có lớp ẩn, ta lựa chọn kích cỡ lớp, số lượng đầu vào đầu trễ, hàm huấn luyện Ở ta chọn thuật toán lan truyền ngược để huấn luyện mạng - 99 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.8 Cửa sổ Plant Identification Khi tạo liệu huấn luyện, chương trình tự động tạo liệu huấn luyện cách áp dụng loạt đầu vào bước nhảy ngẫu nhiên vào mô hình trình Simulink Dữ liệu huấn luyện tiềm hiển thị hình - 100 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.9 Biểu đồ liệu huấn luyện Sau có liệu huấn luyện, ta cho huấn luyện (Training Network) mạng Ta có đáp ứng hình sau Dữ liệu huấn luyện cho NN MPC - 101 - Dương Minh Tấn Đầu vào ngẫu nhiên Điều khiển dự báo sở mạng Nơron nhân tạo Input Plant Output Đầu tình 23 22 21 20 Sai lệch đầu trình đầu mơ hình mạng No-ron 500 1000 Error 0.2 1000 NN Output Đầu mơ hình q trình mạng Nơ-ron (Dự báo trước bước) 23 0.1 22 21 -0.1 20 -0.2 500 500 time (s) 1000 500 time (s) 1000 Hình 8.10 Biểu đồ liệu huấn luyện Dữ liệu đạt yêu cầu cho NN MPC Input Plant Output 23 22 21 20 0 100 200 300 400 Error 0.2 200 300 400 300 400 NN Output 23 0.1 22 21 -0.1 20 -0.2 100 100 200 time (s) 300 400 100 200 time (s) Hình 8.11 Biểu đồ liệuđạt yêu cầu huấn luyện Huấn luyện - 102 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Performance is 9.48715e-005, Goal is 10 10 Training-Blue Validation-Green 10 10 -1 10 -2 10 -3 10 -4 10 -5 10 10 15 20 25 30 55 Epochs 35 40 45 50 55 Hình 8.12 Quá trình huấn luyện Sau xác định thông số cần thiết, ta cho Simulink chạy thu kết sau - 103 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.13 Đáp ứng đầu trình sử dụng điều khiển dự báo sở mạng nơron Tăng giới hạn dự báo: Ta tăng giới hạn dự báo lên bước cho chạy lại mô để so sánh với kết trước Hình 8.14 Biểu đồ liệu huấn luyện giới hạn dự báo tăng - 104 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Hình 8.15 Biểu đồ liệu đạt yêu cầu huấn luyện X Y Plot 23 22.5 Y Axis 22 21.5 21 20.5 20 20 40 60 X Axis 80 100 120 Hình 8.16 Đáp ứng đầu trình sử dụng điều khiển dự báo sở mạng nơron - 105 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo Tăng giới hạn dự báo lên 22 bước giới hạn điều khiển lên bước Cho chạy lại mô ta thu kết sau Input Plant Output 23 22 21 0 100 200 300 20 400 Error 22 -1 21 100 200 time (s) 100 300 20 400 200 300 400 300 400 NN Output 23 -2 0 100 200 time (s) Hình 8.17 Biểu đồ liệu đạt yêu cầu huấn luyện X Y Plot 23 22.5 Y Axis 22 21.5 21 20.5 20 20 40 60 X Axis 80 100 Hình 8.18 Đáp ứng đầu trình tăng giới hạn dự báo - 106 - 120 Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo 8.3 Kết luận mô Matlab Kết mô cho thấy chiến lược điều khiển dự báo trình bày phần trước điều khiển tốt đối tượng điển hình cơng nghiệp Khi thay đổi giới hạn dự báo lên hai bước ta thấy chất lượng điều khiển dự báo tốt, nhiên đầu vào biến thiên lớn cần khoảng thời gian tương đối lớn để hệ thống bắt kịp giá trị Khi ta tăng giới hạn dự báo lên gấp lần (trước 30 bước) giới hạn điều khiển lên gấp đơi ta thấy đáp ứng đầu có dấu hiệu khơng ổn định bé, thời gian để đáp ứng đạt giá trị gần mong muốn tương đối lâu Điều hồn tồn phù hợp với lý thuyết thật khó để dự báo đáp ứng trước khoảng thời gian lớn giới hạn cảu cơng nghệ phụ trợ, tốc độ tính tốn Và điều đời sống tự nhiên Hiện với phát triển vượt bậc ngành cơng nghệ thơng tin, tốc độ tính tốn vi xử lý cải thiện đáng kể, điều tạo điều kiện thuận lợi cho việc áp dụng thuật tốn tìm lời giải tối ưu phương pháp lặp vào toán điều khiển thời gian thực Nếu sử dụng máy tính có vi xử lý cao Intel® Core™ i7, phạm vi dự báo, phạm vi điều khiển lên đến lớn rât nhiều, chu kỳ trích mẫu bé Trong cơng nghiệp, đa số q trình q trình biến đổi chậm nên thuật tốn trình bày hồn tồn áp dụng thực tế - 107 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo KẾT LUẬN Trong trình thực luận văn, thời gian có hạn khó khăn khách quan khác với giúp đỡ nhiệt tình giáo – giảng viên PGT.TS Phan Xuân Minh, KS Hà Hải Hưng, KS Nguyễn Thu Trang, KS Nguyễn Tuấn Anh, nỗ lực cá nhân đạt nhiều kết tốt: · Nghiên cứu lỹ thuyết Điều khiển dự báo, lý thuyết Mạng nơron nhân tạo · Xây dựng các thuật toán điều khiển cho điều khiển dự báo cho mô hình dựa sở mạng nơron · Kiểm chứng kết Matlab Simulink qua công cụ MPC toolbox Neural Network Toolbox Tôi đề xuất hướng phát triển đề tài: Xây dựng thêm thuật toán điều khiển cho điều khiển dự báo mơ hình khác Xác định mơ hình tốt cho điều khiển dự báo So sánh chất lượng MPC đơn MPC có sử dụng mạng nơron Một lần xin chân thành cảm ơn đến tất ban lãnh đạo trường, khoa, mơn ĐKTD đại học Bách Khoa Hà Nội, tồn thể bạn bè, tổ chức, tác giả giúp đỡ tơi hồn thiện luận văn này! Hà Nội, tháng 10 năm 2008 Học viên Dương Minh Tấn - 108 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo TÀI LIỆU THAM KHẢO [1] Phan Xuân Minh, Bài giảng “Mô thiết kế hệ thống” – ĐHBK Hà Nội, 2005 [2] Nguyễn Dỗn Phước Bùi Cơng Cường, Hệ mờ - mạng Nơron ứng dụng, Tái lần hai, NXB Khoa học kỹ thuật, 2006 [3] Phan Xuân Minh, Nguyễn Doãn Phước, Hán Thành Trung, Lý thuyết điều khiển phi tuyến, NXB KH&KT, 2003 [4] Rawlings J.B., Tutorial Overview of Model Predictive Control IEEE Control Systems Magazine, pp.38-52, June 2000 [5] Qin S.J., Badgwell T.A., A survey of industrial model predictive control technology Control Engineering Practice, Vol.11, pp.733-746, 2003 [6] Morari M., Lee J.H., Model predictive control: past, present and future Computers and Chemical Engineering, Vol.23, pp.667-682, 1999 [7] Maciejowski J.M., Predictive control with constraints Prentice Hall, 2002 [8] Camacho E.F andd Bordons C., Model Predictive Control Second Edition, Springer, 2004 [9] Rawlings J.B and Muske K.R., The Stability Of Constrained Receding Horizon Control IEEE Transactios on Automatic Control, Vol.38, No 10, October 1993 10 [10] Garcia C.E, Prett D.M and Morari M., Model Predictive Control: Theory and Practice - a Survey Automatica, Vol.25, No.3, pp.335-348, 1989 11 [11] Model Predictive Controllers: A Critical Synthesis of Theory and Industrial Needs, Michael Nikolaou, Chemical Engineering Dept., University of Houston, Houston, TX 77204-4792 12 [12] Model Predictive Control Toolbox, Manfred Morari & N Lawrence Ricker, www.mathworks.com, October 1998 13 [13] Mayne D.Q.,Rawlings J.B., Rao C.V., Scokaert P.O.M., Constrained model predictive control: Stability and optimality Automatica, Vol.36,pp 789-814,2000 14 [14] Lee J.H, Morari M and Garcia C.E., State-space Interpretation Of Model Predictive Control Automatica, Vol.30, No.4, pp 707-717, 1994 - 109 - ... 46 - Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân tạo II MƠ HÌNH DỰ BÁO TRÊN CƠ SỞ MẠNG NƠRON Mạng Nơron 5.1 Cở sở mạng nơron 5.1.1 Mạng nơ-ron tự nhiên Mạng nơron tái tạo kỹ thuật chức... điều khiển dự báo vào hệ thống tốc độ cao · Sử dụng công cụ điều khiển dự báo MATLAB® Simulink® để mơ q trình kiểm chứng điều khiển dự báo -9- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân. .. điều khiển dự báo cho hệ phi tuyến gặp nhiều khó khăn Hình 1.1: (a) Sơ đồ khối hệ thống điều khiển dự báo (b) Chiến lược điều khiển dự báo -8- Dương Minh Tấn Điều khiển dự báo sở mạng Nơron nhân