Điều khiển dự báo dùng mạng RBF

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN PHI DIỆU ĐIỀU KHIỂN DỰ BÁO DÙNG MẠNG RBF Chuyên ngành: Tự động hóa LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 06 năm 2009 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: Ts Nguyễn Thiện Thành (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 1: P.Gs.Ts Nguyễn Thị Phương Hà (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét 2: Ts Huỳnh Thái Hoàng (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ HỘI ĐỒNG CHẤM BẢO VỆ LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày 31 tháng 07 năm 2009 TRƯỜNG ĐẠI HỌC BÁCH KHOA PHÒNG ĐÀO TẠO SĐH CỘNG HÒA Xà HỘI CHỦ NGHĨA VIỆT NAM ĐỘC LẬP – TỰ DO – HẠNH PHÚC Tp HCM, ngày tháng năm NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Nguyễn Phi Diệu Phái: Nam Ngày, tháng, năm sinh: 09-04-1983 Nơi sinh: Quảng Ngãi Chuyên ngành: Tự động hóa MSHV: 01506346 I- TÊN ĐỀ TÀI: ĐIỀU KHIỂN DỰ BÁO DÙNG MẠNG RBF II- NHIỆM VỤ VÀ NỘI DUNG: - Khảo sát mơ hình tốn học mơ hình hóa máy bay trực thăng hai trục tự - Nghiên cứu phương pháp điều khiển dự báo cho hệ phi tuyến - Thiết kế điều khiển dự báo cho hệ phi tuyến dựa vào mạng RBF - Áp dụng điều khiển dự báo dùng mạng RBF cho mơ hình máy bay trực thăng hai trục tự III- NGÀY GIAO NHIỆM VỤ (Ngày bắt đầu thực LV ghi Quyết định giao đề tài): IV- NGÀY HOÀN THÀNH NHIỆM VỤ: V- CÁN BỘ HƯỚNG DẪN (Ghi rõ học hàm, học vị, họ, tên): T.s Nguyễn Thiện Thành (Học hàm, học vị, họ tên chữ ký) CÁN BỘ HƯỚNG DẪN CN BỘ MÔN QL CHUYÊN NGÀNH Ts Nguyễn Thiện Thành Ts Nguyễn Đức Thành Nội dung đề cương luận văn thạc sĩ Hội đồng chun ngành thơng qua TRƯỞNG PHỊNG ĐT – SĐH Ngày tháng năm TRƯỞNG KHOA QL NGÀNH (Ghi chú: Học viên phải đóng tờ nhiệm vụ vào trang tập thuyết minh LV) LỜI CẢM ƠN Tôi xin chân thành cảm ơn giáo viên hướng dẫn, Ts Nguyễn Thiện Thành, tận tình hướng dẫn, góp ý giúp đỡ để tơi hồn thành đề tài luận văn Đồng thời cảm ơn thầy cô Bộ môn Điều khiển Tự động, Khoa Điện-Điện tử, Trường Đại học Bách Khoa Tp Hồ Chí Minh nhiệt tình dạy dỗ, truyền thụ cho nhiều kiến thức giúp đỡ nghiên cứu suốt trình học tập trường Xin cảm ơn bố mẹ, người thân bạn bè bên tôi, động viên giúp đỡ tơi có ngày hơm Tp Hồ Chí Minh, ngày 29 tháng 06 năm 2009 Học viên Nguyễn Phi Diệu ABSTRACT MODEL PREDICTIVE CONTROL BASED ON RADIAL BASIS FUNCTION NETWORKS Nguyen Phi Dieu Ho Chi Minh University of Technology Nowadays, model predictive control (MPC) is an effective control strategy used in variety of process industries The predictive controller uses a model to predict the future response of the system at the discrete times in a prediction horizon, and a algorithm optimization to calculate the sequence of signal control over a control horizon for a minimum error between the prediction response and reference signal This work primarily is concerned with developing a nonlinear predictive control methodology based on radial basis function (RBF) networks for nonlinear dynamical systems The RBF neural network is employed to predict future model output The approximate model predictive control technique based on the RBF model or the optimization technique based on Levenberg-Marquardt algorithm is employed to calculate the optimal actuation sequence for nonlinear system The proposed control methodology is tested using a helicopter model The proposed control strategy proved to be successful The controller is capable of tracking various set-point changes Keywords Radial Basis Function (RBF) Networks, Model Predictive Control TÓM TẮT ĐIỀU KHIỂN DỰ BÁO DÙNG MẠNG RBF Nguyễn Phi Diệu Đại học Bách Khoa T.p Hồ Chí Minh Hiện nay, điều khiển dự báo dựa vào mơ hình chiến lược điều khiển hiệu sử dụng phổ biến điều khiển trình Bộ điều khiển dự báo dùng mơ hình để dự báo đáp ứng tương lai hệ thống thời điểm rời rạc phạm vi dự báo định, thuật toán tối ưu hố để tính tốn chuỗi tín hiệu điều khiển tương lai phạm vi điều khiển cho sai lệch đáp ứng dự báo mơ hình tín hiệu chuẩn cho trước tối thiểu Đề tài nghiên cứu phương pháp điều khiển dự báo cho hệ phi tuyến dựa mạng thần kinh nhân tạo hàm sở xuyên tâm Trong mạng hàm sở xuyên tâm dùng để dự báo đáp ứng ngõ hệ thống Dựa vào đáp ứng dự báo này, giải thuật điều khiển dự báo xấp xỉ hay giải thuật tối ưu dựa thuật toán Levenberg-Marquardt dùng để tính tốn chuỗi tín hiệu điều khiển dự báo cho hệ thống Áp dụng giải thuật điều khiển dự báo cho đối tượng phi tuyến máy bay trực thăng hai trục tự cho kết tốt Bộ điều khiển dự báo có khả điều khiển ngõ máy bay trực thăng bám theo tín hiệu đặt thay đổi i MỤC LỤC Chương I: TỔNG QUAN VỀ ĐỀ TÀI - - 1.1 GIỚI THIỆU ĐỀ TÀI - 1.2 MỤC TIÊU ĐỀ TÀI - 1.3 HƯỚNG GIẢI QUYẾT - Chương II: MẠNG THẦN KINH NHÂN TẠO - - 2.1 GIỚI THIỆU - 2.2 TẾ BÀO THẦN KINH VÀ MẠNG THẦN KINH NHÂN TẠO - 2.2.1 Tế bào thần kinh - 2.2.2 Mạng thần kinh nhân tạo - 2.3 CÁC PHƯƠNG PHÁP HUẤN LUYỆN MẠNG THẦN KINH NHÂN TẠO - 2.3.1 Học có giám sát (Supervised Learning) - 10 2.3.2 Học củng cố (Reinforcement Learning) - 10 2.3.3 Học khơng có giám sát (Unsupervied Learning) - 11 2.4 MẠNG TRUYỀN THẲNG NHIỀU LỚP - 12 2.4.1 Cấu trúc mạng - 12 2.4.2 Thuật toán lan truyền ngược (Back Propagation – BP) - 13 2.4.3 Các yếu tố ảnh hưởng đến trình huấn luyện mạng - 17 2.5 MẠNG HÀM CƠ SỞ XUYÊN TÂM - 19 2.5.1 Cấu trúc mạng hàm sở xuyên tâm (Radial Basis Function -RBF) - 19 2.5.2 Thuật toán huấn luyện mạng hàm sở xuyên tâm - 21 2.5.3 Các phương trình tốn học mạng RBF - 23 Chương III: LÝ THUYẾT ĐIỀU KHIỂN DỰ BÁO - 25 - 3.1 NGUYÊN TẮC ĐIỀU KHIỂN DỰ BÁO - 25 3.2 PHƯƠNG TRÌNH ĐIỀU KHIỂN DỰ BÁO TIÊU BIỂU - 27 3.3 ĐIỀU KHIỂN DỰ BÁO MƠ HÌNH PHI TUYẾN - 29 3.3.1 Nguyên tắc điều khiển dự báo mơ hình phi tuyến - 30 3.3.2 Cơng thức tốn học điều khiển dự báo mơ hình phi tuyến - 31 3.3.3 Tính chất điều khiển dự báo mơ hình phi tuyến - 33 3.3.4 Một vài kết luận điều khiển dự báo mơ hình phi tuyến - 35 Chương IV: NHẬN DẠNG HỆ THỐNG PHI TUYẾN - 36 - 4.1 GIỚI THIỆU NHẬN DẠNG HỆ THỐNG - 36 - ii 4.2 NHẬN DẠNG HỆ PHI TUYẾN - 39 4.2.1 Bài toán nhận dạng - 39 4.2.2 Các phần tử hồi quy - 39 4.2.3 Ánh xạ phi tuyến - 40 4.2.4 Chọn cấu trúc mơ hình - 44 4.2.5 Ước lượng thông số - 45 4.2.6 Đánh giá mơ hình - 47 4.3 NHẬN DẠNG HỆ PHI TUYẾN DÙNG MƠ HÌNH MẠNG THẦN KINH - 48 4.3.1 Nhận dạng dùng mạng truyền thẳng nhiều lớp - 49 4.3.2 Nhận dạng dùng mạng hàm sở xuyên tâm - 50 Chương V: ĐIỀU KHIỂN DỰ BÁO DÙNG MẠNG RBF - 55 - 5.1 HÀM MỤC TIÊU VÀ QUỸ ĐẠO CHUẨN - 55 5.2 CẬP NHẬT THÔNG SỐ ĐIỀU KHIỂN - 56 5.3 ĐIỀU KHIỂN DỰ BÁO VỚI GIẢI THUẬT TỐI ƯU DÙNG THUẬT TOÁN LEVENBERG-MARQUART - 57 5.3.1 Tối ưu hóa dùng thuật tốn Levenberg-Marquardt - 57 5.3.2 Giải thuật điều khiển dự báo sử dụng thuật toán Levenberg Marquardt - 58 5.4 ĐIỀU KHIỂN DỰ BÁO XẤP XỈ - 60 5.4.1 Điều khiển dự báo xấp xỉ - 60 5.4.2 Giải thuật điều khiển dự báo xấp xỉ dùng mạng RBF - 64 Chương VI: KHẢO SÁT ĐỐI TƯỢNG - 66 - VÀ PHẦN MỀM LIÊN QUAN - 66 6.1 KHẢO SÁT ĐỐI TƯỢNG - 66 6.1.1 Giới thiệu - 66 6.1.2 Mơ hình máy bay trực thăng hai trục tự - 66 6.1.3 Mơ hình hóa máy bay trực thăng hai trục tự Simulink - 86 6.2 KHẢO SÁT CÁC PHẦN MỀM LIÊN QUAN - 89 6.2.1 Phần mềm Matlab - 90 6.2.2 Phần mềm WinconTM - 90 6.2.3 S-Function - 91 Chương VII: KẾT QUẢ NHẬN DẠNG VÀ ĐIỀU KHIỂN TRÊN MƠ HÌNH MƠ PHỎNG VÀ MƠ HÌNH THỰC - 94 7.1 KHẢO SÁT MƠ HÌNH VỚI BỘ ĐIỀU KHIỂN LQR - 94 - iii 7.1.1 Sơ đồ điều khiển LQR - 94 7.1.2 Kết điều khiển LQR - 94 7.1.3 Nhận xét - 95 7.2 NHẬN DẠNG MÔ HÌNH MƠ PHỎNG - 95 7.2.1 Kết nhận dạng - 95 7.2.2 Kết nhận dạng trục Pitch - 96 7.2.3 Kết nhận dạng trục Yaw - 98 7.3 ĐIỀU KHIỂN DỰ BÁO MƠ HÌNH MƠ PHỎNG - 101 7.3.1 Sơ đồ điều khiển - 101 7.3.2 Kết điều khiển trục Pitch - 101 7.3.3 Kết điều khiển trục Yaw - 102 7.4 NHẬN DẠNG VÀ ĐIỀU KHIỂN MƠ HÌNH THỰC - 104 7.4.1 Sơ đồ thu thập liệu - 104 7.4.2 Sơ đồ điều khiển - 105 7.4.3 Kết điều khiển - 105 Chương VIII: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI - 106 -  Luận văn tốt nghiệp Chương I: -1- TỔNG QUAN VỀ ĐỀ TÀI 1.1 GIỚI THIỆU ĐỀ TÀI Ngày nay, với phát triển máy tính, kỹ thuật điều khiển đại dựa khả tính tốn máy tính ngày áp dụng cách phổ biến, hiệu xác Trong đó, phương pháp điều khiển sử dụng mơ hình đối tượng để tính tốn tín hiệu điều khiển ngày nghiên cứu đưa vào ứng dụng rộng rãi Điều khiển dự báo phương pháp điều khiển dựa vào mơ hình (Model Predictive Control-MPC) Ý tưởng sơ khai điều khiển dự báo đưa vào đầu thập niên 60 trở nên phổ biến vào thập niên 70 Tuy nhiên, giai đoạn đầu điều khiển dự báo tập trung giải vấn đề tốn mơ hình tuyến tính Cho đến thập niên 90 ta chứng kiến phát triển mạnh mẽ lý thuyết điều khiển ứng dụng thực tế điều khiển dự báo áp dụng cho mơ hình phi tuyến (Nonlinear Model Predictive Control -NMPC) Hiện nay, điều khiển dự báo chiến lược điều khiển sử dụng phổ biến điều khiển trình Bộ điều khiển dự báo dùng mơ hình để dự báo đáp ứng tương lai đối tượng điều khiển thời điểm rời rạc phạm vi dự báo định Dựa vào đáp ứng dự báo này, thuật toán tối ưu hố sử dụng để tính tốn chuỗi tín hiệu điều khiển tương lai phạm vi điều khiển cho sai lệch đáp ứng dự báo mơ hình tín hiệu chuẩn cho trước tối thiểu Phương pháp điều khiển dự báo phương pháp tổng quát thiết kế điều khiển miền thời gian áp dụng cho hệ tuyến tính phi tuyến, nhiên thực tế việc áp dụng chiến lược điều khiển dự báo cho hệ phi tuyến gặp khó khăn Thứ phải xây dựng mơ hình tốn để dự báo xác trạng thái 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 Thứ hai phải giải toán tối ưu phi tuyến để tính tốn chuỗi tín hiệu điều khiển phạm vi điều khiển Tất thuật tốn tối ưu hóa phi tuyến CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 96 - 7.2.2 Kết nhận dạng trục Pitch Hình 7.4 Dữ liệu thu thập để nhận dạng trục Pitch - Kết nhận dạng dùng mơ hình hồi quy NARX(2-2-1), mạng RBF với 20 tế bào thần kinh lớp ẩn Hình 7.5 Kết nhận dạng trục Pitch CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 97 - Hình 7.6 Đồ thị hàm mục tiêu Hình 7.7 Dữ liệu thu thập để đánh giá kết nhận dạng CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 98 - Hình 7.8 Kết đánh giá 7.2.3 Kết nhận dạng trục Yaw Hình 7.9 Dữ liệu thu thập để nhận dạng trục Yaw - Kết nhận dạng dùng mô hình hồi quy NARX(2-2-1), mạng RBF với 20 tế bào thần kinh lớp ẩn CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 99 - Hình 7.10 Kết nhận dạng trục Yaw Hình 7.11 Đồ thị hàm mục tiêu CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 100 - Hình 7.12 Dữ liệu thu thập để đánh giá kết nhận dạng Hình 7.13 Kết đánh giá Nhận xét: Từ kết nhận dạng đánh giá ta có số nhận xét sau: ƒ Kết nhận dạng hai trục Pitch, Yaw máy bay trực thăng tốt Giá trị hàm mục tiêu đạt khoảng 10-3 CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp ƒ - 101 - Sai số đánh giá khoảng 0.50, chứng tỏ mơ hình nhận dạng đặc trưng cho đối tượng máy bay trực thăng hai trục tự 7.3 ĐIỀU KHIỂN DỰ BÁO MÔ HÌNH MƠ PHỎNG 7.3.1 Sơ đồ điều khiển Hình 7.14 Sơ đồ điều khiển 7.3.2 Kết điều khiển trục Pitch Với tham số điều khiển N2=10, N1=1, Nu=1 Hình 7.15 Kết điều khiển trục Pitch với tín hiệu đặt dạng xung vuông CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 102 - Hình 7.16 Kết điều khiển trục Pitch với tín hiệu đặt dạng sin 7.3.3 Kết điều khiển trục Yaw Với tham số điều khiển N2=10, N1=1, Nu=1 Hình 7.17 Kết điều khiển trục Yaw với tín hiệu đặt dạng xung vuông CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 103 - Hình 7.18 Kết điều khiển trục Yaw với tín hiệu đặt dạng sin Nhận xét: Từ điều khiển ta có số nhận xét sau: ƒ Đáp ứng hệ thống bám theo tín hiệu đặt mong muốn, sai số điều khiển nhỏ ƒ Thời gian độ nhỏ, điều khiển xác hệ thống từ đầu ƒ Tín hiệu điều khiển khơng bị chattering KẾT LUẬN: Qua nhận xét ta có số kết luận sau ƒ Nhận dạng động học đối tượng, sai số nhận dạng nhỏ ƒ Kết điều khiển dự báo dựa mơ hình nhận dạng cho kết tốt, sai số nhỏ, tín hiệu ngõ bám theo tín hiệu đặt Bộ điều khiển dự báo ngõ đối tượng ƒ Khi nhận dạng offline, đặc tính đối tượng biết trước điều khiển Do ta điều khiển xác từ đầu CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 104 - 7.4 NHẬN DẠNG VÀ ĐIỀU KHIỂN MÔ HÌNH THỰC 7.4.1 Sơ đồ thu thập liệu Hình 7.21 Sơ đồ thu thập liệu Với khối máy bay trực thăng Heli 2D xây dựng sau Hình 7.22 Khối máy bay trực thăng CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 105 - 7.4.2 Sơ đồ điều khiển Để điều khiển mơ hình thực máy bay trực thăng, ta xây dựng sơ đồ điều khiển Simulink, sử dụng S-Function Sau dùng phần mềm WinconTM hãng Quanser để tạo mã thời gian thực để thực thi phần cứng Hình 7.23 Sơ đồ điều khiển 7.4.3 Kết điều khiển Do mơ hình máy bay trực thăng phịng thí nghiệm C6 bị hỏng phần cứng, học viên chưa khắc phục kịp nên chưa thu kết nhận dạng điều khiển mơ hình thực Học viên tiến hành thí nghiệm sau khắc phục mơ hình CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp Chương VIII: - 106 - KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI Sau thực đề tài luận văn , HVTH tìm hiểu số vấn đề sau: ƒ Tìm hiểu lý thuyết mạng thần kinh nhân tạo ƒ Tìm hiểu lý thuyết nhận dạng mơ hình phi tuyến ƒ Tìm hiểu lý thuyết điều khiển dự báo dựa mơ hình ƒ Tìm hiểu, khảo sát tính khả thi, tính ổn định, tính bền vững lý thuyết điều khiển dự báo cho đối tượng phi tuyến ƒ Cách giải toán tối ưu hàm phi tuyến Các vấn đề thực luận văn: ƒ Khảo sát đối tượng máy bay trực thăng hai trục tự ƒ Xây dựng mơ hình mơ cho đối tượng ƒ Áp dụng lý thuyết nhận dạng mô hình phi tuyến cho đối tượng mơ ƒ Áp dụng lý thuyết điều khiển dự báo cho đối tượng mô Kết quả: ƒ Nhận dạng động học đối tượng xác, sai số nhận dạng nhỏ Chương trình nhận dạng nhận dạng hệ thống có đặc tính phi tuyến cao ƒ Kết điều khiển dự báo dựa mơ hình nhận dạng cho kết tốt, sai số nhỏ, tín hiệu ngõ bám theo tín hiệu đặt Bộ điều khiển dự báo ngõ đối tượng ƒ Khi nhận dạng offline, đặc tính đối tượng biết trước điều khiển Do ta điều khiển xác từ đầu ƒ Bài toán tối ưu giải thời gian ngắn, thuật toán áp dụng vào đối tượng với thời gian lấy mẫu nhỏ (0.05s) Các khuyết điểm: ƒ Động học hệ thống nhận dạng offline Do có thay đổi động học đối tượng, kết điều khiển bị thay đổi ƒ Hoạt động hệ thống luôn chịu tác động nhiễu Do khơng thể lúc nhận dạng xác mơ hình CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu Luận văn tốt nghiệp - 107 - ƒ Điều khiển dự báo yêu cầu phải giải tốn tối ưu tìm cực tiểu hàm đa biến Do thời gian tính tốn lớn Điều ảnh hưởng đến trình điều khiển thời gian thực, u cầu máy tính phải có tốc độ cao ƒ Chưa thể tiến hành kiểm chứng thuật toán mơ hình thực Hướng phát triển đề tài: ƒ Phát triển thuật tốn điều khiển dự báo với mơ hình nhận dạng online ƒ Kết hợp điều khiển dự báo với phương pháp điều khiển khác ƒ Phát triển thuật toán áp dụng cho đối tượng thực tế, giảm khoảng cách học thuật ứng dụng CBHD: Ts Nguyễn Thiện Thành HVTH: Nguyễn Phi Diệu TÀI LIỆU THAM KHẢO Để hoàn thành luận văn tốt nghiệp, học viên tham khảo số tài liệu tác giả sau [1] Bài giảng MẠNG THẦN KINH NHÂN TẠO – TS Nguyễn Thiện Thành [2] Bài giảng MƠ HÌNH HĨA, NHẬN DẠNG, MƠ PHỎNG – TS Huỳnh Thái Hồng [3] HỆ THỐNG ĐIỀU KHIỂN THƠNG MINH – TS Huỳnh Thái Hoàng [4] MATLAB VÀ ỨNG DỤNG TRONG ĐIỀU KHIỂN – TS Nguyễn Đức Thành [5] Model Predictive Control Toolbox For Use with Matlab [6] MODEL PREDICTIVE CONTROL BASED ON RADIAL BASIS FUNCTION NETWORKS AND ITS APPLICATION – A A AbdulRahman, M H Melhi, Y M Alwan [7] NON-LINEAR PREDICTIVE CONTROL OF DOF HELICOPTER MODEL – Arkadiusz S Dutka, Andrzej W.Ordys, Michael J.Grimble [8] RBF NEURAL NETWORK BASED PREDICTIVE CONTROL OF ACTIVE POWER FILTER – Wang Xuhong, Xiao Jinhua [9] APPLICATION OF MODEL PREDICTIVE CONTROL TO A HELICOPTER MODEL – Kari Unneland [10] MODEL-BASED PREDICTIVE CONTROL-A PRACTICAL APPROACH – J.A Rossiter [11] MODEL PREDICTIVE CONTROL – Eduardo F.Camacho, Carlos Bordons [12] RADIAL BASIS FUNCTION (RBF) FOR NON-LINEAR DYNAMIC SYSTEM IDENTIFICATION – Robiah Ahmad, Hishamuddin Jamaluddin [13] MODEL PREDICTIVE CONTROLLERS: A Critical Synthesis of Theory and Industrial Needs – Michael Nikolaou [14] AN INTRODUCTION TO NONLINEAR MODEL PREDICTIVE CONTROL Rolf Findeisen, Frank Allgăower [15] A NEURAL PREDICTIVE CONTROLLER FOR NON-LINEAR SYSTEMS – Mircea Lazar and Octavian Pastravanu [16] MODEL PREDICTIVE CONTROL OF HYBRID SYSTEMS: Stability and Robustness – Mircea Lazar [17] MODEL PREDICTIVE NEURAL CONTROL FOR AGGRESSIVE HELICOPTER MANEUVERS – Eric A Wan, Alexander A Bogdanov, Richard Kieburtz [18] MODEL PREDICTIVE NEURAL CONTROL WITH APPLICATION TO A DOF HELICOPTER MODEL – Eric A Wan and Alexander A Bogdanov [19] NEURAL PREDICITVE CONTROL OF UNKNOWN CHAOTIC SYSTEMS – A Boukabou, N Mansouri [20] ADAPTIVE NEURAL PREDICTIVE TECHNIQUES FOR NONLINEAR CONTROL – Nicolae Constantin [21] MODEL PREDICTIVE CONTROL WITH NONLINEAR STATE SPACE MODEL – Martin Rau, Dierk Schroder [22] A QUASI-INFINITE HORIZON NONLINEAR MODEL PRIDICTIVE CONTROL SCHEME WITH GUARANTEED STABILITY H Chen, F Allgăower [23] OPTIMIZATION IN MODEL BASED CONTROL – D.Q Mayne [24] STABILITY AND ROBUSTNESS CONSIDERATIONS IN NONLINEAR MODEL PREDICITVE CONTROL – H Chen [25] NONLINER MODEL PREDICTIVE CONTROL SCHEMES WITH GUARANTEED STABILITY H Chen, F Allgăower Lí LCH TRCH NGANG Họ tên: Nguyễn Phi Diệu Ngày, tháng, năm sinh: 09-04-1983 Nơi sinh: Bình Hiệp – Bình Sơn – Quảng Ngãi Địa liên lạc: 64/1 – Đường C1 – Phường 13 – Quận Tân Bình – Tp Hồ Chí Minh Q TRÌNH ĐÀO TẠO • 2001-2006 : Đại học, chuyên ngành Điều khiển tự động, khoa Điện-Điện tử, trường Bách Khoa Tp Hồ Chí Minh • 2006-2009 : Cao học, chuyên ngành Tự động hóa, khoa Điện-Điện tử, trường Bách Khoa Tp Hồ Chí Minh Q TRÌNH CƠNG TÁC • 2005-2006 : Phịng Tự động hóa, Cơng ty Xây lắp Điện máy Anh Chương 227 – Đường Tô Hiến Thành – Phường 13 – Quận 10 – Tp Hồ Chí Minh • 2006-2009 : Xưởng Điện, Nhà máy Đạm Phú Mỹ Khu công nghiệp Phú Mỹ I – Huyện Tân Thành – Tỉnh Bà Rịa-Vũng Tàu ... nay, điều khiển dự báo chiến lược điều khiển sử dụng phổ biến điều khiển trình Bộ điều khiển dự báo dùng mơ hình để dự báo đáp ứng tương lai đối tượng điều khiển thời điểm rời rạc phạm vi dự báo. .. học mạng RBF - 23 Chương III: LÝ THUYẾT ĐIỀU KHIỂN DỰ BÁO - 25 - 3.1 NGUYÊN TẮC ĐIỀU KHIỂN DỰ BÁO - 25 3.2 PHƯƠNG TRÌNH ĐIỀU KHIỂN DỰ BÁO TIÊU BIỂU - 27 3.3 ĐIỀU KHIỂN DỰ... chất tốn điều khiển dự báo mơ hình phi tuyến 3.1 NGUYÊN TẮC ĐIỀU KHIỂN DỰ BÁO Mặc dù có nhiều phương pháp điều khiển dự báo khác bản, ý tưởng chủ đạo hệ thống điều khiển dự báo sau: - Dùng mơ