Nhận dạng quá trình đa biến trong cấu trúc điều khiển phi tập trung

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI LÝ BÁ HÙNG NHẬN DẠNG QUÁ TRÌNH ĐA BIẾN TRONG CẤU TRÚC ĐIỀU KHIỂN PHI TẬP TRUNG LUẬN VĂN THẠC SĨ KHOA HỌC NGƯỜI HƯỚNG DẪN : PGS.TS Hoàng Minh Sơn HÀ NỘI – 2010 Mục Lục  LỜI CAM ĐOAN .3 DANH MỤC HÌNH VẼ .4 LỜI NÓI ĐẦU Chương 1: .8 TỔNG QUAN VỀ BÀI TỐN NHẬN DẠNG TRONG VỊNG KÍN .8 1.1 Khái niệm nguyên tắc 1.2 Các cách phân loại phương pháp nhận dạng 1.3 Ưu điểm phương pháp nhận dạng vịng kín 11 1.4 Một số thuật toán nhận dạng tiêu biểu 12 1.5 Công cụ Identification Toolbox Matlab 19 Chương 26 CÁC PHƯƠNG PHÁP NHẬN DẠNG TRONG VÒNG KÍN 26 2.1 Phương pháp nhận dạng trực tiếp 28 2.2 Nhóm phương pháp nhận dạng gián tiếp 31 2.2.1 Phương pháp nhận dạng gián tiếp cổ điển 31 2.2.2 Phương pháp phân tích thừa số nguyên tố (coprime factorization) 36 2.2.3 Nhận dạng áp dụng phương pháp tham số hóa Youla 39 2.3 Phương pháp nhận dạng hai bước (two-stage) .41 Chương 44 NHẬN DẠNG THÁP CHƯNG LUYỆN HAI CẤU TỬ TRONG CẤU TRÚC ĐIỀU KHIỂN PHI TẬP TRUNG .44 3.1 Tháp chưng luyện hai cấu tử cấu trúc điều khiển phi tập trung 44 3.2 Nhận dạng vòng hở 58 3.3 Nhận dạng trực tiếp vòng kín 62 3.4 Phương pháp nhận dạng gián tiếp vịng kín 77 KẾT LUẬN 80 TÀI LIỆU THAM KHẢO 81 LỜI CAM ĐOAN Tôi xin cam đoan nội dung luận văn “Nhận dạng trình đa biến cấu trúc điều khiển phi tập trung” cơng trình nghiên cứu thân tơi, với hướng dẫn khoa học PGS.TS Hoàng Minh Sơn Các số liệu kết luận văn hoàn tồn trung thực Tác giả Lý Bá Hùng DANH MỤC HÌNH VẼ  Hình 1.1: Nhận dạng vịng hở nhận dạng vịng kín Hình 2.1: Mơ hình đối tượng nhận dạng vịng kín Hình 2.2: Mơ hình Simulink nhận dạng trực tiếp đối tượng đơn biến Hình 2.3: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng đơn biến Hình 2.4: Mơ hình đối tượng nhận dạng vịng kín Hình 2.5: Mơ hình Simulink nhận dạng gián tiếp q trình đơn biến Hình 2.6: Kiểm chứng mơ hình nhận dạng gián tiếp đối tượng đơn biến Hình 2.7: Mơ hình đối tượng khép vịng kín Hình 2.8: Mơ hình Simulink phương pháp nhận dạng tìm thừa số nguyên tố Hình 2.9: Kiểm chứng mơ hình nhận dạng theo phương pháp tìm thừa số ngun tố Hình 2.10: Mơ hình nhận dạng vịng kín Hình 3.1: Tháp chưng luyện hai cấu tử Hình 3.2: Các biến trình tháp chưng luyện hai cấu tử Hình 3.3: Mơ hình Simulink dạng hàm truyền tháp chưng luyện hai cấu tử Hình 3.4: Mơ hình đối tượng vịng hở Hình 3.5: Mơ hình Simulink tháp chưng luyện Hình 3.6: Mơ hình Simulink nhận dạng vịng hở (SIMO1) Hình 3.7: Mơ hình Simulink nhận dạng vịng hở (SIMO2) Hình 3.8: Kiểm chứng mơ hình nhận dạng vịng hở Hình 3.9: Sơ đồ cấu trúc điều khiển phi tập trung Hình 3.10: Sơ đồ cấu trúc điều khiển phi tập trung đối tượng đa biến (2x2) Hình 3.11: Mơ hình Simulink tháp chưng luyện hai cấu tử điều khiển phi tập trung Hình 3.12: Mơ hình Simulink nhận dạng trực tiếp trình đa biến vịng kín Hình 3.13: Mơ hình Simulink nhận dạng đối tương (2x2) kích thích SP1 Hình 3.14: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng (2x2) kích thích SP1 Hình 3.15: Mơ hình Simulink nhận dạng đối tượng (2x2) kích thích vào SP1 SP2 Hình 3.16: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng (2x2) kích thích SP1 SP2 Hình 3.17: So sánh mơ hình nhận dạng kích thích SP1 SP2 kích thích SP1 Hình 3.18: Mơ hình Simulink nhận dạng trực tiếp đối tượng (2x2) tín hiệu kích thích ngẫu nhiên có giới hạn biên độ Hình 3.19: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng tín hiệu kích thích ngẫu nhiên có giới hạn biên độ Hình 3.20: So sánh mơ hình nhận dạng tín hiệu kích thích tín hiệu Step tín hiệu kích thích tín hiệu ngẫu nhiên có giới hạn biên độ Hình 3.21: Mơ hình hệ thống vịng kín có nhiễu đầu vào Hình 3.22: Mơ hình Simulink nhận dạng trực tiếp đối tượng (2x2) có nhiễu tác động đầu vào Hình 3.23: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng (2x2) chịu tác động nhiễu đầu vào Hình 3.24: So sánh mơ hình nhận dạng trực tiếp có nhiễu đầu vào khơng có nhiễu đầu vào Hình 3.24: So sánh mơ hình nhận dạng trực tiếp có nhiễu đầu vào khơng có nhiễu đầu vào Hình 3.26 : Mơ hình Simulink nhận dạng gián tiếp vịng kín LỜI NĨI ĐẦU  Hiện q trình cơng nghiệp đại có qui mơ phạm vi lớn nên để điều khiển q trình ta thường sử dụng phương pháp điều khiển phi tập trung Trong vấn đề nhận dạng q trình đa biến cấu trúc điều khiển phi tập trung vấn đề quan trọng Để nhận dạng trình đa biến cấu trúc điều khiển phi tập trung có nhiều phương pháp phương pháp nhận dạng trực tiếp gián tiếp vịng kín cịn vấn đề cần nghiên cứu Vì việc lựa chọn thử nghiệm phương pháp phù hợp giúp cho qua trình nhận dạng trình đa biến cấu trúc điều khiển phi tập trung đơn giản tiện lợi Nhận dạng vịng kín hay gọi tắt nhận dạng vịng kín (closed-loop identification) giúp ta xây dựng mơ hình phục vụ tự động tính tốn tham số cho điều khiển Trong thực tế hầu hết điều khiển trình chỉnh định chỗ trực tuyến thiết kế trước đưa vào vận hành Hơn nữa, có nhiều hệ thống vào vận hành hoạt động thời gian cần chỉnh định lại nhằm nâng cao chất lượng điều khiển không cho phép gián đoạn sản xuất để tiến hành nhận dạng theo phương pháp vịng hở thơng thường Ưu điểm phương pháp nhận dạng vịng kín cho phép ta trì hệ thống hoạt động phạm vi cho phép ta có sử dụng tín hiệu kích thích chủ động Như vậy, phương pháp nhận dạng mơ hình tuyến tính cho mơ hình q trình thích hợp cho phạm vi làm việc mong muốn Ảnh hưởng nhiễu trình tới kết nhận dạng nhờ giảm bớt Trong hầu hết trường hợp, ta chủ động thay đổi tín hiệu chủ đạo để kích thích hệ thống theo ý muốn Trong nội dung luận văn tác giả giới thiệu cách tổng quan tốn nhận dạng q trình đặc biệt phương pháp nhận dạng vịng kín, đồng thời tác giả nêu cách áp dụng phương pháp nhận dạng vịng kín vào trường hợp thực tế tháp chưng cất hai cấu tử Khi áp dụng phương pháp nhận dạng vịng kín cho đối tượng đa biến ta nên sử dụng phương pháp nhận dạng để thu kết tốt Nội dung luận văn chia thành chương sau: Chương1: Tổng quan toán nhận dạng vịng kín Chương 2: Các phương pháp nhận dạng vịng kín Chương 3: Nhận dạng tháp chưng cất hai cấu tử cấu trúc điều khiển phi tập trung Tác giả xin chân thành cảm ơn thầy giáo, PGS TS Hồng Minh Sơn, người tận tình hướng dẫn đưa lời khuyên quý báu cho tác giả suốt thời gian làm luận văn Tác giả xin cảm ơn môn Điều khiển tự động- Khoa Điện Viện đào tạo sau đại học trường Đại học Bách khoa Hà nội tạo điều kiện cho tác giả hoàn thành luận văn Mặc dù đạt mục tiêu đề ra, song không tránh khỏi cịn nhiều thiếu sót, tác giả mong muốn nhận ý kiến đóng góp, trao đổi Hội đồng chấm luận văn bạn đọc để tác giả hồn chỉnh luận văn Tác giả xin chân thành cám ơn! Chương 1: TỔNG QUAN VỀ BÀI TỐN NHẬN DẠNG TRONG VỊNG KÍN  1.1 Khái niệm ngun tắc Phương pháp xây dựng mơ hình tốn học sở số liệu vào- thực nghiệm gọi mơ hình hóa thực nghiệm hay nhận dạng hệ thống (system identification) Khái niệm Zadeh phát biểu với hai nét sau: 1) Nhận dạng phương pháp thực nghiệm nhằm xác định mơ hình cụ thể lớp mơ hình thích hợp cho sở quan sát tín hiệu vào 2) Mơ hình tìm phải có sai số với đối tượng nhỏ Các bước tiến hành Giống nhiều công việc phát triển hệ thống khác, nhận dạng trình lặp Những bước xây dựng mơ hình thực nghiệm cho q trình cơng nghiệp bao gồm: Thu thập liệu, khai thác thông tin ban đầu q trình, ví dụ biến q trình quan tâm, biến vào/ra ,các phương trình mơ hình từ phân tích lý thuyết, điều kiện biên giả thiết Lựa chọn phương pháp nhận dạng (trực tuyến/ ngoại tuyến, vịng hở/vịng kín, chủ động/ bị động ), thuật toán ước lượng tham số tiêu chuẩn đánh giá mơ hình Tiến hành lấy số liệu thực nghiệm cho cặp biến vào sở phương pháp nhận dạng chọn, xử lý thô số liệu nhằm loại bỏ giá trị đo tin cậy Kết hợp yêu cầu mục đích sử dụng mơ hình khả ứng dụng phương pháp nhận dạng chọn, định dạng mơ hình (phi tuyến/tuyến tính, liên tục/ gián đoạn, …) đưa giả thuyết ban đầu cấu trúc mơ hình (bậc tử số/ mẫu số hàm truyền đạt, có hay khơng có trễ, …) Xác định tham số mơ hình theo phương pháp thuật toán chọn Nếu tiến hành theo mơ hình (ví dụ kênh vào/ra, khâu q trình) sau cần kết hợp chúng lại thành mơ hình tổng thể Mơ kiểm chứng đánh giá mơ hình nhận theo tiêu chuẩn lựa chọn, tốt sở nhiều tập liệu khác Nếu chúng chưa đạt yêu cầu ta quay lại bước 1-4 1.2 Các cách phân loại phương pháp nhận dạng Các phương pháp nhận dạng vơ phong phú, nhiên ta phân loại phương pháp nhận dạng từ nhiều góc nhìn khác nhau, ví dụ theo dạng mơ hình sử dụng, dạng tín hiệu thực nghiệm, thuật tốn áp dụng mục đích sử dụng mơ hình Dạng mơ hình sử dụng Dựa theo dạng mơ hình sử dụng trực tiếp, người ta phân biết phương pháp tương ứng nhận dạng hệ phi tuyến hay nhận dạng hệ tuyến tính, nhận dạng hệ liên tục nhận dạng hệ gián đoạn, nhận dạng miền thời gian nhận dạng miền tần số, nhận dạng mơ hình khơng tham số nhận dạng mơ hình có tham số, nhận dạng mơ hình rõ nhận dạng mơ hình mờ, … Trong điều khiển q trình với phương pháp kinh điển, mơ hình tuyến tính bậc bậc hai (có khơng có trễ, có khơng có dao động, có khơng có thành phần tích phân) dạng hay sử dụng Tuy nhiên, xâm nhập phương pháp điều khiển đại yêu cầu cho phép sử dụng phương pháp mơ hình phức tạp Nhận dạng chủ động nhận dạng bị động Dựa dạng tín hiệu thực nghiệm ta phân biệt phương pháp nhận dạng chủ động nhận dạng bị động Một phương pháp nhận dạng gọi chủ động tín hiệu vào chủ động lựa chọn kích thích Đương nhiên nhận dạng chủ động phương pháp tốt điều kiện thực tế cho phép Ở ta cịn phân loại sâu dựa tín hiệu kích thích Tín hiệu bậc thang tín hiệu xung vng tín hiệu dao động điều hịa loại tín hiệu thơng dụng Tín hiệu kích thích dạng bậc thang thường sử dụng phương pháp dựa đáp ứng độ, tín hiệu dạng hình sin sử dụng cho phương pháp dựa đáp ứng tần số Trong số trường hợp tín hiệu xung sử dụng thay cho tín hiệu bậc thang tín hiệu hình sin Phương pháp nhận dạng chủ động khơng khả thi với hệ thống vận hành ổn định, bới q trình khơng cho phép can thiệp vào hệ thống làm ảnh hưởng tới chất lượng sản phẩm Khi người ta phải chấp nhận sử dụng C = x1 x2 y1 -1.1925 0.30635 y2 -1.1264 0.28905 y1 y2 x1 -29.936 82.391 x2 -116.88 322.99 K = Mô so sánh với mơ hình tháp chưng luyện lý tưởng compare(sample,g1sp1sp2,'r') Hình 3.16: Kiểm chứng mơ hình nhận dạng trực tiếp đối tượng (2x2) kích thích SP1 SP2 67 So sánh mơ hình nhận dạng hai cách nhận dạng compare(sample,g1sp1sp2,'r',g1sp1,'b') Hình 3.17: So sánh mơ hình nhận dạng kích thích SP1 SP2 kích thích SP1 Mơ hình mẫu Mơ hình nhận dạng kích thích SP1 SP2 Mơ hình nhận dạng kích thích SP1 68 Nhận xét: ta thấy mơ hình nhận dạng cách kích thích SP1 SP2 có chất lượng tốt nhiều so với mơ hình nhận dạng cách kích thích vào SP1 SP2 Vì nhận dạng trực tiếp vịng kín cho q trình hai vào hai ta nên kích thích tất đầu vào để ước lượng mơ hình trình tốt Điều thể ưu điểm phương pháp nhận dạng trực tiếp kết nhận dạng đạt độ xác cao chọn phương pháp nhận dạng phù hợp Loại tín hiệu kích thích cho hệ thống Để nhận dạng đối tượng loại tín hiệu kích thích quan trọng tín hiệu kích thích vào phù hợp làm cho đối tượng bộc lộ hết thuộc tính từ ta nhận dạng đối tượng cách đầy đủ Trong trường hợp thực nghiệm tín hiệu kích thích cho hệ thống tín hiệu bước nhảy Step, loại tín hiệu kích thích đơn giản lại gần với hệ thống thực hoạt động thu kết nhận dạng tốt Nhưng điều kiện cho phép ta kích thích đầu vào tín hiệu khác kết nhận dạng mơ hình đối tượng thay đổi Khi tín hiệu kích thích ngẫu nhiên có giới hạn biên độ, mơ hình Simulink mơ tháp chưng luyện hai cấu tử để thu thập liệu nhận dạng sau: Hình 3.18 : Mơ hình Simulink nhận dạng trực tiếp tháp chưng luyện tín hiệu kích thích ngẫu nhiên có giới hạn biên độ 69 Tiến hành nhận dạng Matlab thu kết sau g3 = pem(d_g3,2) State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t) y(t) = C x(t) + D u(t) + e(t) A = x1 x2 x1 1.0256 -0.026291 x2 0.58134 0.56195 u1 u2 x1 0.00044395 0.00011761 x2 -0.0069566 -0.00011064 x1 x2 y1 8.2319 -0.95715 y2 6.4705 0.14477 y1 y2 x1 0.018781 0.31321 x2 -0.27488 -1.3218 B = C = K = 70 Mô so sánh với tháp chưng luyện hai cấu tử compare(sample,g3) Hình 3.19: Kiểm chứng mơ hình nhận dạng trực tiếp tháp chưng luyện tín hiệu kích thích ngẫu nhiên có giới hạn biên độ Nhận xét: Ta thấy mơ hình nhận dạng có sai số lớn so với mơ hình thực phù hợp 56.14% 58.5% điều cho thấy tín hiệu kích thích ngẫu nhiên không phù hợp với đối tượng tháp chưng luyện hai cấu tử nên kết nhận dạng khơng xác 71 So sánh mơ hình nhận dạng tín hiệu kích thích tín hiệu Step tín hiệu kích thích tín hiệu ngẫu nhiên có giới hạn biên độ compare(sample,g1sp1sp2,'r',g3,'b') Hình 3.20 : So sánh mơ hình nhận dạng tín hiệu kích thích tín hiệu Step tín hiệu kích thích tín hiệu ngẫu nhiên có giới hạn biên độ Mơ hình mẫu Mơ hình nhận dạng tín hiệu kích thích Step Mơ hình nhận dạng tín hiệu kích thích ngẫu nhiên 72 Trường hợp có nhiễu tác động Cấu trúc hệ thống điều khiển tiến hành nhận dạng vòng kín có dạng sau: Hình 3.21: Mơ hình hệ thống vịng kín có nhiễu Khi hệ thống bị ảnh hưởng nhiễu tác động vào trình kết nhận dạng xấu nhiều nhiễu tác động Đây vấn đề phương pháp nhận dạng trực tiếp tương quan mạnh nhiễu đo biến điều khiển, vấn đề làm tính quán phương pháp nhận dạng ta nói mục 2.1 Điều chứng minh ta nhận dạng đối tượng tháp chưng luyện hai cấu tử điều khiển phi tập trung có nhiễu tác động Mơ hình Simulink mơ để tiến hành nhận dạng tháp chưng luyện hai cấu tử chịu tác động nhiễu: Hình 3.22: Mơ hình Simulink nhận dạng trực tiếp tháp chưng luyện có nhiễu tác động 73 Tín hiệu nhiễu giả tạo tín hiệu ồn trắng có biên độ giới hạn Tiến hành nhận dạng Matlab sau: g2 = pem(d_g2,2) State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t) y(t) = C x(t) + D u(t) + e(t) A = x1 x2 x1 0.94703 0.0075229 x2 1.1725 0.72333 u1 u2 x1 -0.050682 0.097521 x2 1.7878 -3.3502 x1 x2 y1 14.749 0.45933 y2 9.9278 0.27636 y1 y2 x1 -0.24242 0.23562 x2 8.3131 -8.0729 B = C = K = 74 Mô so sánh với tháp chưng luyện hai cấu tử compare(sample,g2) Hình 3.23: Kiểm chứng mơ hình nhận dạng trực tiếp tháp chưng luyện chịu tác động nhiễu Ta thấy mơ hình nhận dạng có chất lượng khơng tốt trường hợp khơng có nhiễu phù hợp 46.67% 87.25% so với đối tượng thật Điều lý giải ta nhận dạng vịng kín nên có phản hồi từ đầu trở lại đầu vào dẫn đến tương quan mạnh nhiễu đầu đầu vào Đặc biệt ta nhận dạng phương pháp trực tiếp sử dụng liệu từ đầu vào đầu q trình nên mơ hình nhận bị ảnh hưởng nhiều Đây vấn đề phương pháp trực tiếp tương quan mạnh nhiễu đo biến điều khiển 75 So với mơ hình nhận dạng khơng có nhiễu Hình 3.24: So sánh mơ hình nhận dạng trực tiếp có nhiễu đầu vào khơng có nhiễu đầu vào Mơ hình mẫu Mơ hình nhận dạng khơng có nhiễu Mơ hình nhận dạng có nhiễu 76 3.4 Phương pháp nhận dạng gián tiếp vịng kín Phương pháp nhận dạng gián tiếp thực theo hai bước sau: - Bước thứ nhất: ta tiến hành nhận dạng mơ hình T(q,θ) cho tồn hệ kín số liệu (y,r) T ( q, θ ) = - G (q )C (q ) + G (q )C (q ) Bước thứ hai: với mô hình điều khiển biết C(q) ta tiến hành tính tốn mơ hình cho đối tượng G ( q, θ ) = T ( q, θ ) C (q ) − T (q, θ )C (q ) Như ta nói trên, phương pháp nhận dạng gián tiếp vịng kín có nhiều vấn đề Thứ mơ hình T(q,θ) có bậc cao tổng bậc mơ hình đối tượng mơ hình điều khiển, điều dẫn đến mơ hình đối tượng G(q,θ) cần nhận dạng bước thứ hai có bậc cao Đặc biệt trường hợp hệ đa biến, bậc mơ hình đối tượng tính tốn bước hai có bậc khơng kiểm soát Vấn đề thứ hai ta tính tốn mơ hình đối tượng G(q,θ) bước thứ hai ta sử dụng mơ hình tồn hệ kín T(q,θ) nhận dạng bước thứ nhất, mà mơ hình tồn hệ kín T(q,θ) nhận dạng bước thứ khơng xác việc tách mơ hình điều khiển C(q) mơ hình hệ kín khơng thực điều dẫn đến điểm không điểm cực không bị triệt tiêu mơ hình đối tượng nhận dạng có đặc tính khơng phù hợp với mơ hình thực 77 Mơ hình Simulink mơ tháp chưng luyện điều khiển phi tập trung để thu thập liệu nhận dạng gián tiếp Hình 3.26 : Mơ hình Simulink nhận dạng gián tiếp tháp chưng luyện vịng kín Ta tiến hành nhận dạng Matlab sau Bước thứ tiến hành nhận dạng tồn hệ kín với số liệu (y,r) t = pem(d_t,2); t = d2c(t); t =tf(t,'m'); Và mơ hình hàm truyền đạt tồn hệ kín − 1.899e 0.01 s + 6.752e 0.01 G11 = s − 2.565s − 3.18 − 2.155e 0.01 s + 7.596e 0.01 G12 = s − 2.565s − 3.18 1.899e 0.01 s − 6.752e 0.01 G 21 = s − 2.565 − 3.18 2.155e 0.01s − 7.596e 0.01 G 22 = s − 2.565s − 3.18 78 Tính tốn mơ hình đối tượng dựa mơ hình điều khiển biết mơ hình tồn hệ kín nhận dạng Ta có mơ hình điều khiển K = [k11 0;0 k22] Với hai điều khiển PI đơn giản cho vòng điều chỉnh K11 = 5s + 3.3 s +1 K 22 = 3s + s +1 Và áp dụng cơng thức để tính tốn mơ hình đối tượng G ( q, θ ) = T ( q, θ ) K (q ) − T ( q, θ ) K ( q ) Ta thu mơ hình có bậc lớn không ổn định vấn đề mà ta nêu trên, việc dẫn xuất mơ hình q trình từ mơ hình hệ kín khơng phải cho ta mơ hình hệ hở có tính nhân quả, đặc biệt có thời gian trễ xuất hệ thống xấp xỉ dẫn đến mát độ xác mơ hình 79 Kết luận  Sau trình nghiên cứu thực tác giả hoàn thành luận văn “ Nhận dạng trình đa biến cấu trúc điều khiển phi tập trung” với nội dung sau: Trong chương đầu tác giả nghiên cứu toán nhận dạng trình, khái niệm nguyên tắc để thực hiên toán nhận dạng nghiên cứu Đồng thời chương tác giả đề cập đến số phương pháp nhận dạng kinh điển áp dụng vào thực tế đạt kết định Ở cuối chương tác giả giới thiệu công cụ nhận dạng Identification Toolbox Matlab, cơng cụ hữu ích cho việc nghiên cứu áp dụng vào thực tế Trong chương hai tác giả nghiên cứu phương pháp nhận dạng sử dụng phương pháp nhận dạng vịng kín (closed-loop identification), phương pháp thu hút quan tâm đặc biệt nhà nghiên cứu người ứng dụng công nghiệp Phương pháp nhận dạng vịng kín có hai nhóm phương pháp nhận dạng trực tiếp nhận dạng gián tiếp, hai nhóm phương pháp đề cập chương Từ hai nhóm phương pháp nhận dạng ta áp dụng cho đối tượng đơn biến, cách sử dụng Matlab Simulink Identification Toolbox tác giả mô kiểm chứng kết thu Trong chương ba, phương pháp nhận dạng vịng kín áp dụng cho đối tượng đa biến, cụ thể tháp chưng luyện hai cấu tử mà tác giả lấy để làm đối tượng nhận dạng Lúc có nhiều vấn đề xảy áp dụng hai phương pháp nhận dạng trực tiếp gián tiếp cho hệ hai vào - hai đề cập Đối với phương pháp nhận dạng trực tiếp tác giả đề cập đến vấn đề ảnh hưởng cách kích thích vào hệ thống đến kết nhận dạng ảnh hưởng loại tín hiệu kích thích tới kết nhận dạng trường hợp có nhiễu khơng có nhiễu tác động Và ta thấy phương pháp nhận dạng gián tiếp vịng kín gặp nhiều vấn đề áp dụng cho đối tượng đa biến 80 TÀI LIỆU THAM KHẢO  Hoàng Minh Sơn: Cơ sở hệ thống điều khiển trình NXB Bách Khóa Hà Nội, 2006 Nguyễn Dỗn Phước; Phan Xuân Minh: Nhận dạng hệ thống điều khiển NXB Khoa học & Kỹ thuật, Hà Nội, 2002 Ljung, L: System Identification Toolbox – For Use with MATLAB Version 5, MATLAB User’s Guide, MathWorks, 2004 Fossell, U; Ljung: “Closed-loop identification revisited”, Automatica 35 (1999) 1215-1241 Ljung, L: System Identification – Theory for the User nd Edition Prentice-Hall, Englewood Cliffs, N.J., 1999 Gilson, M; P Van den Hof: “Instrumental variable method for closed-loop system identification ”, Automatica 41(2005), 241-249 Wang, Q.G; Y.Zhang, X Guo: “Robust closed-loop identification with application to auto-tuning”, Journal of Process Control 11 (2001) 519-530 Sigurd Skogestad: “Dynamics and Control of Distillation Columns – A Tutorial Introduction” Trans IchemE, Vol 75, Part A, Sept.1997 P Van den Hof & R Schrama: “An indirect method for transfer function estimation from closed-loop data”, Automatica 29 (1993), 1523-1527 10 L.Miskovic, A.Kamiri, D.Bonvin and M.Gever: “Direct closed-loop identification of 2x2 system: Variance analysis”, Lausanne (EPFL), CH-105 Lausanne, Switzerland 11 E.de Klerk and I.K.Craig: “An assignment to teach closed-loop system identification”, University of Pretoria, South Africa, 2002 12 Paul M.J.Van Den Hof & Raymond A de Callafon: “Multivariable closed-loop identification: from Indirect identification to Dual-Youla parametrization ”, Conference on Decision and Control, Kobe Japan, 1996 13 Yucai Zhu: “Multivariable System Identification For Process Control”, Elsevier, 2001 81 ... điều khiển q trình ta thường sử dụng phương pháp điều khiển phi tập trung Trong vấn đề nhận dạng trình đa biến cấu trúc điều khiển phi tập trung vấn đề quan trọng Để nhận dạng trình đa biến cấu trúc. .. 43 Chương NHẬN DẠNG THÁP CHƯNG LUYỆN HAI CẤU TỬ TRONG CẤU TRÚC ĐIỀU KHIỂN PHI TẬP TRUNG 3.1 Tháp chưng luyện hai cấu tử cấu trúc điều khiển phi tập trung Sơ đồ tháp chưng luyện hai cấu tử tiêu... đồ cấu trúc điều khiển phi tập trung đối tượng đa biến (2x2) Hình 3.11: Mơ hình Simulink tháp chưng luyện hai cấu tử điều khiển phi tập trung Hình 3.12: Mơ hình Simulink nhận dạng trực tiếp q trình