Nghiên cứu điều khiển nồng độ của sản phẩm trong bể chứa phản ứng có khuấy bằng phương pháp ứng dụng bộ điều khiển nơron theo mô hình mẫu

Nghiên cứu điều khiển nồng độ sản 1phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) PHẦN MỞ ĐẦU I.Tính cấp thiết đề tài Bộ não người sản phẩm hồn hảo tạo hố Để tiếp cận khả tư não, người ta sử dụng khả suy diễn hệ mờ dựa luật logic mờ Để tiếp cận khả học, người ta đưa mơ hình mạng nơron, cấu trúc mạng nơron điều đáng quan tâm Để tiếp cận hai khả học tư não người, người ta nghiên cứu khả tích hợp mạng nơron hệ mờ Trong cơng nghiệp tự động hố giữ vai trị quan trọng trình sản xuất Nhận dạng hệ thống công việc phải thực giải toán điều khiển tự động, định chất lượng hiệu công việc điều khiển hệ thống sau Để điều khiển xác đối tượng chưa biết rõ thông số, trước tiên ta phải hiểu rõ đối tượng Bộ điều khiển nơron theo mơ hình mẫu phần tử phi tuyến, nên điều khiển khó, địi hỏi phải có độ xác cao Vì cần ứng dụng điều khiển thông minh BĐK nơron theo mơ hình mẫu Được tạo điều kiện giúp đỡ nhà trường Tiến sỹ Phạm Hữu Đức Dục, em lựa chọn đề tài tốt nghiệp “Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu.” II Ý nghĩa khoa học thực tiễn đề tài Ý nghĩa khoa học Điều khiển tự động đóng vai trị quan trọng phát triển khoa học kỹ thuật Lĩnh vực hữu hiệu khắp nơi từ hệ thống điều khiển quy trình sản xuất đại, đời sống hàng ngày … Mơ hình điều khiển theo mơ hình mẫu để điều khiển đối tượng, cho tín hiệu cần điều khiển bám theo tín hiệu mơ hình mẫu Mơ hình mạng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 2phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) nơron sử dụng để hỗ trợ qúa trình học điều khiển Do đề tài đề cập tới việc ứng dụng điều khiển theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy Ý nghĩa thực tiễn Kết nghiên cứu đề tài làm sở cho việc thiết kế mơ hình điều khiển theo mơ hình mẫu nhà máy cơng nghiệp, đặc biệt làm tài liệu hỗ trợ cho việc học tập sinh viên đại học học viên cao học III Mục đích đề tài Nghiên cứu ứng dụng mạng nơron trình nhận dạng điều khiển hệ thống phi tuyến nói chung Đặc biệt nghiên cứu sâu việc ứng dụng điều khiển nơron theo mơ hình mẫu hệ thống điều khiển, làm sở cho việc tạo tín hiệu điều khiển thích nghi lựa chọn xác Tổng quan mạng nơron, sâu nghiên cứu mạng nơron truyền thẳng nhiều lớp Nghiên cứu điều khiển nơron theo mô hình mẫu Nghiên cứu động học bể khuấy Nghiên cứu điều khiển nơron dự báo, điều khiển NAMA-L2, điều khiển nơron theo mơ hình mẫu điều khiển nơron dự báo Nghiên cứu phương pháp nhận dạng điều khiền Ứng dụng điều khiển nơron theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy IV Đối tƣợng nghiên cứu Nồng độ sản phẩm bể chứa phản ứng có khuấy Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 3phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) V Nhiệm vụ nghiên cứu Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu VI Phƣơng pháp nghiên cứu Tìm hiểu tài liệu cơng trình nghiên cứu liên quan tới điều khiển nơron theo mơ hình mẫu Lựa chọn đối tượng, mơ tả tốn học nghiên cứu mơ hình hóa mơ Lựa chon giải pháp phù hợp cho lớp đối tượng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 4phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) CHƢƠNG MẠNG NƠRON 1.1 CÁC KHÁI NIỆM CƠ BẢN 1.1.1 Mơ hình nơron sinh học Bộ não người có khoảng 1011 nơron sinh học nhiều dạng khác Mơ hình dạng nơron sinh học mơ tả hình vẽ Cấu trúc chung nơron sinh học gồm ba phần thân, bên có nhân, trục Cây gồm dây thần kinh liên kết với thân Trục có cấu trúc đơn, dài liên kết với thân Phần cuối trục có dạng phân nhánh Trong nhánh có cấu nhỏ khớp thần kinh, từ dây nơron sinh học liên kết tín hiệu tới nơron khác Sự thu nhận thông tin nơron sinh học thực từ thân Tín hiệu thu, nhận dạng xung điện Thân nơron Trục nơron Khớp thần kinh Nhân nơron Cây Hình 1.1 Mơ hình dạng nơron sinh học Mỗi tế bào thần kinh có màng, nhiệm vụ giữ cho chất ni tế bào khơng tràn Ở phần tử nội bào ngoại bào có dung dịch muối lỏng làm cho chúng bị phân thành ion âm ion dương Các ion Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 5phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) dương có màng tạo điện màng với trạng thái cân lực: Lực đẩy ion dương khỏi tế bào cân với lực hút chúng vào tế bào Điện màng phần tử quan trọng trình truyền tin hệ thần kinh Khi thay đổi thẳng thẩm thấu ion màng điện màng tế bào bị thay đổi tiến tới ngưỡng đó, đồng thời sinh dòng điện, dòng điện gây phản ứng kích thích làm thay đổi khả thẩm thấu ion tế bào thần kinh 1.1.1.1 Xử lý thông tin não Thông tin tiếp nhận từ giác quan chuyển vào tế bào thần kinh vận động tế bào Tại tê bào thần kinh tiếp nhận thơng tin, điện tăng lên, điện vượt ngưỡng tạo dòng điện tế bào thần kinh, ý nghĩa dịng điện giải mã lưu thần kinh trung ương, kết xử lý thông tin gửi đến tế bào Các tế bào thần kinh đưa tín hiệu giống nhau, khơng thể phân biêt tế bào thần kinh lồi động vật nguyên thủy hay cuả giáo sư đáng kính Các khớp thần kinh cho phép tín hiệu phù hợp qua chúng, cịn tín hiệu khác bị cản lại Lượng tín hiệu biến đổi goi cường độ khớp thần kinh – trọng số nơron mạng nơron Tại việc nghiên cứu mạng thần kinh lại có tầm quan trọng ? Có thể trả lời ngắn gọn giống tín hiệu tế bào thần kinh đơn lẻ, nên chức thật não không phụ thuộc vào vai trò tế bào thần kinh, mà phụ thuộc vào toàn tế bào thần kinh, tức phụ thuộc vào kiểu kết nối tế bào thần kinh liên kết với để tạo nên mạng thần kinh hay mạng nơron 1.1.1.2.Câc đặc tính não ngƣời Tính phân lớp: Các vùng não phân thành nhiều lớp, thơng tin xử lý theo tính chất tương ứng lớp đặc thù Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 6phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Tính mơ đun: Các vùng nhớ phân thành mô đun mã hóa định nghĩa mối quan hệ tích hợp tín hiệu vào qua giác quan với tín hiệu Mối liên kết: Liên kết lớp dẫn đến liệu dùng chung xem liên hệ phản hồi truyền tín hiệu Xử lý phân tán tín hiêu vào: Các tín hiệu vào truyền qua nhiều kênh thơng tin khác nhau, xử lý phương pháp đặc biệt 1.1.2 PHẦN TỬ XỬ LÝ Mơ hình phần tử xử lý (processing elements)dạng M-P, Culloch x1 Pitts đề xuất năm 1943 xi Phần tử xử lý thứ i wi1 wij  vi a(.) yi Phần tử xử lý có dạng nhiều vào ( MISO) Hình vẽ 1.2 mơ xm-1 wi(m-1) tả mơ hình phần tử xử lý (mơ xm= -1 hình nơron) thứ i, dạng M-P, có phần sau wim= bi Hình1.2 Mơ hình phần tử xử lý thứ i,dạng M-P Tín hiệu đầu vào Có m tín hiệu đầu vào Trong (m-1) tín hiệu tín hiệu kích thích đầu vào (x1….xj,…xm-1), chúng lấy từ đầu nơron đặt trươc nơron lấy từ cac nguồn tín hiệu đầu vào khác Các tín hiệu kích thích đầu vào đưa qua trọng số (weight) wij đặc trưng cho mức độ liên kết nơron thứ j (j= 1,2…….m-1) với nơron thứ i Trọng số liên kết có giá trị dương tương ứng với khớp thần kinh bị kích thích, ngược lại có giá trị âm tương ứng với khớp thần kinh bị kiềm chế Riêng thành phần tín hiệu vào thứ m xm gọi ngưỡng (threshold) có giá trị xm = -1, tín hiệu xm đưa qua thành phần thành phần dịch chuyển (bias) bi wim = bi Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.1) http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 7phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Tín hiệu Có tín hiệu yi Bộ cộng Thực phép tính tổng trọng Vi bằn cách so sánh tổng trọng (m-1) kích thích đầu vào với giá trị trọng lượng ngưỡng, tổng trọng (m-1) đầu vào vượt qua trọng lượng ngưỡng nơron trạng thái bị kích thích để tạo tín hiệu yi m 1 Neti =V=  WijXj +bixm (1.2) j 1 Thành phần bi giống với trọng số wij, khác ln liên kết tín hiệu xm = -1 Do coi bi số liên kết thứ m wm nơron thứ i Nối với tín hiệu thứ m xm ln có giá trị -1 Viết lại biểu thức (1.2) dạng m 1 Neti = V=  WijXj + bixm (1.3) j 1 Với wim = bi xm = Hàm chuyển đổi Hàm chuyển đổi (tranferfunction), có tài liêu gọi hàm hoạt hóa activation function, có nhiệm vụ biến đổi tổng trọng v i (hoặc neti) thành tín hiệu đầu yi: yi = a(neti) = a(vi) (1.4) a(.) ký hiệu hàm chuyển đổi Có dạng chuyển đổi thường dùng sau: - Hàm chuyển đổi dạng giới hạn cứng Hàm chuyển đổi dạng giới hạn cứng hình vẽ cịn có tên gọi hàm chuyển đổi dạng bước nhảy có biểu thức sau: v  a(v) = sgn(v) = Số hóa Trung tâm Học liệu – Đại học Thái Nguyên (1.5) http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 8phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) v < - Hàm chuyển đổi dạng giới hạn cứng đối xứng Hàm chuyển đổi dạng giới hạn cứng đối xứng (symmetric hard limit tranfer function), cịn gọi hàm dấu (Hình 1.3b) có biểu thức sau: v  a(v) = sgn(v) = (1.6) - v< Các nơron có hàm chuyển đổi a(.) dạng hàm giới hạn cứng đối xứng gọi phần tử ngưỡng tuyến tính ( Linear Threshold Unit- LTU) - Hàm chuyển đổi dạng tuyến tính bão hồ Hàm chuyển đổi dạng tuyến tính bão hịa (Hình 1.3c), có biểu thức sau: v > a (v) = v  v  (1.7) v - Hàm chuyển đổi dạng sigmoid Hàm chuyển đổi dạng sigmoid (Hình1.3e) có biểu thức sau: a (v) = 1  e  v (1.9) - Hàm chuyển đổi dạng hypebolic Hàm chuyển đổi dạng hypebolic (Hình 1.3f) có dạng sau: a (v)= -1  e  v (1.10)  > hệ số tốc độ dạng hàm chuyển đổi (1.9), ( 1.10) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản 9phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Các nơron có hàm chuyển đổi a(.) dạng hàm sigmoi tang hypecbolic gọi phần tử mức tuyến tính Mạng nơron thường sử dụng nơron dạng LTU LGU - Hàm chuyển đổi dạng tuyến tính Hàm chuyển đổi dạng tuyến tính (Hình 1.3g) có biểu thức sau: a(v) = v 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 -5 -4 -3 -2 -1 v5 v5 Hình 1.3 (a): Hàm giới hạn cứng 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -4 -3 -2 -1 Hình 1.3 (b ): Hàm giới hạn cứng đối xứng Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản10 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) 0.8 0.6 0.4 0.2 -0.2 -0.4 -0.6 -0.8 -1 -5 -4 -3 -2 -1 Hình 1.3.(c): Hàm tuyến tính bão hịa 0.8 0.6 0.4 0.2 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn v5 Nghiên cứu điều khiển nồng độ sản71 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) khơi phục lại liệu xuất trước Khi liệu xuất, cần huấn luyện lại mô hình mạng nơron Tóm tắt Sau tóm tắt bơ điều khiển trình bày Loại điều khiển Mô tả NN Sử dụng mơ hình mạng nơron mơ tả đối tượng để dự báo đối Predctive tượng tương lai Thuật toán tối ưu xác định tín hiệu điều Control khiển đầu vào, tối ưu hóa đặc tính đối tượng tầm nhìn cho phép Việc huấn luyện đối tượng đòi hỏi sử dụng cho thuật tốn bó cho mạng nơron tĩnh đủ nhanh Bộ điều khiển đòi hỏi sử dụng điều khiển on – line nên có khối lượng tính tốn lớn NARMA- Đầu vào điều khiển tính toán điều khiển đầu đối tượng L2Control bám theo tín hiệu mẫu Mạng nơron mơ tả đối tượng hấn luyện với kiểu lan truyền ngược tĩnh đủ mạnh Bộ điều khiển sử dụng kiểu điều khiển on-line Model Cần xác định mơ hình mạng nơron mơ tả đối tượng Sau Reference sử dụng mơ hình để tham gia q trình huấn luyện cho Control mạng nơron đóng vai trị điều khiển để điều khiển đối tượng cho đầu đối tượng bám thao tín hiệu mẫu Cấu trúc điều khiển sử dụng thuật toán lan truyền ngược chuẩn Ưu điểm điều khiển ứng dụng cho nhiều loại đối tượng so với sử dụng cấu trúc điều khiển NARMAL2 Bộ điều khiển sử dụng điều khiển on-line Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản72 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) KẾT LUẬN CHƢƠNG Chương trình bày mơ hình ứng dụng Matlab điều khiển (ĐK), ba mô hình trình bày trên: Mơ hình ĐK dự báo: Sử dụng mơ hình mạng nơron mơ tả đối tượng để dự báo đối tượng tương lai Thuật tốn tối ưu xác định tín hiệu ĐK đầu vào, tối ưu hóa đặc tính đối tượng tầm nhìn cho phép Việc huấn luyện đối tượng địi hỏi sử dụng cho thuật tốn nhóm cho mạng nơron tĩnh đủ nhanh Bộ điều khiển (BĐK) đòi hỏi sử dụng kiểu ĐK on - line nên có khối lượng tính tốn lớn BĐK NARMA-L2: Đầu vào ĐK tính tốn ĐK đầu đối tượng bám theo tín hiệu mẫu Mạng nơron mơ tả đối tượng huấn luyện theo kiểu lan truyền ngược tĩnh đủ nhanh BĐK sử dụng kiểu ĐK on line BĐK nơron theo mơ hình mẫu: Cần xác định mơ hình mạng nơron mơ tả đối tượng Sau sử dụng mơ hình để tham gia q trình huấn luyện cho mạng nơron đóng vai trò BĐK để ĐK đối tượng cho đầu đối tượng bám theo tín hiệu mẫu Cấu trúc ĐK sử dụng thuật toán lan truyền ngược động cho trình huấn luyện BĐK, nên địi hỏi thời gian huấn luyện dài so với sử dụng thuật toán lan truyền ngược chuẩn BĐK loại đắt tiền cần sử dụng mơ hình động học lan truyền ngược BĐK sử dụng kiểu ĐK on – line, ngồi cịn có BĐK dùng mạng nơron riêng biệt để học off – line bổ xung cho mơ hình đối tượng sử dụng mạng nơron Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản73 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Như ba BĐK em lựa chọn BĐK nơron theo mơ hình mẫu có khối lượng tính tốn nhỏ Sử dụng phương pháp on-line cho điều khiển nơron Mạng nơron mô tả đối tượng huấn luyện theo kiểu lan truyền ngược Trong BĐK loại có sử dụng mạng nơron truyền thẳng nhiều lớp BĐK sử dụng điều khiển cho nhiều loại đối tượng so với điều khiển NARMA – L2 Do BĐK nơron theo mơ hình mẫu hội tụ đầy đủ ưu điểm mạng nơron CHƢƠNG ỨNG DỤNG BỘ ĐIỀU KHIỂN NƠRON THEO MƠ HÌNH MẪU ĐIỀU KHIỂN NỒNG ĐỘ CỦA SẢN PHẨM TRONG BỂ CHỨA PHẢN ỨNG CÓ KHUẤY Dựa vào phân tích ưu nhược điểm điều khiển ứng dụng mạng nơron truyền thẳng nhiều lớp chương 2, chọn điều khiển nơron theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy Chương trình bày ứng dụng điều khiển nơron theo mơ hình mẫu điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy, bao gồm phần: Mơ tả đối tượng điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy; Mơ tả sơ đồ ứng dụng điều khiển nơron theo mơ hình mẫu điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy; Thực mơ phần mềm Matlab Simulink; Kết mô 3.1 Mô tả đối tƣợng điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy Mơ hình động học bể chứa phản ứng có khuấy biểu diễn hình 3.1 W1 W2 Cb1 Cb2 b Số hóa Trung tâm Học liệu – Đại học Thái Nguyên Cb W0 http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản74 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Hình 3.1 Mơ hình bể chứa phản ứng có khuấy Động học bể chứa phản ứng có khuấy phức tạp, tập trung phân tích động học nồng độ sản phẩm bể chứa phản ứng có khuấy Ngay thơng số nồng độ sản phẩm bể chứa phản ứng có khuấy phụ thuộc vào nhiều biến số phụ thuộc vào độ cao dung dịch Để giảm mức độ phức tạp q trình nghiên cứu,điều khiển, ta xem xét mơ hình động học bể chứa phản ứng có khuấy với giả thiết sau đây: Giả thiết bể chứa phản ứng có khuấy khơng đề cập đến điều chỉnh độ cao dung dịch, tốc độ dòng chảy dung dịch cấp dùng để pha loãng nồng độ sản phẩm Mặt khác giả thiết thay đổi độ cao dung dịch không làm cho nồng độ sản phẩm thay đổi trạng thái Với giả thiết trên, động học bể chứa phản ứng có khuấy mơ tả phương trình sau: dh(t )  w1 (t )  w2 (t )  0.2 h(t ) dt dCb (t ) k1C b (t ) w (t ) w (t )  (C b1  Cb (t ))  (C b  C b (t ))  dt h(t ) h(t ) (1  k C b (t )) với h(t)là độ cao chất lỏng, C b (t) nồng độ sản phẩm đầu trình sản xuất, w (t) tốc độ dịng chảy dung dịch cấp để pha lỗng C b (t) w2(t) tốc độ dòng chảy dung dịch cấp nồng độ C b1 (t) Cho C b1 (t)=29.4 C b (t)=0.1 Các hệ số liên quan đến tốc độ nhu cầu tiêu thụ k =1 ,k =1 trì w1(t) có giá trị khơng đổi wi(t)= 0.1 Từ hệ phương trình ta thấy cần phải trì giữ nồng độ sản phẩm không đổi cách điều khiển tốc độ dịng chảy w2(t) Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản75 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) 3.2 Ứng dụng điều khiển nơron theo mơ hình mẫu điều khiển nồng độ bể chứa phản ứng có khuấy 3.2.1 Thiết lập sơ đồ điều khiển Sơ đồ ứng dụng điều khiển nơron theo mơ hình mẫu điều khiển nồng độ bể chứa phản ứng có khuấy Matlab Simulink trình bày hình 3.2 Trong bao gồm: Bộ điều khiển nơron theo mơ hình mẫu ( Khối Model Reference Controller) cung cấp tín hiệu điều khiển w2 cho đối tượng điều khiển nồng độ bể chứa dung dịch có khuấy (Khối Plant); Khối cung cấp tín hiệu đặt th – đặt khối tính tốn chiều cao h dung dịch có bể chứa Hình 3.2 Sơ đồ điều khiển nơron theo mơ hình mẫu điều khiển nồng độ dung dịch cho bể có khuấy 3.2.2 Q trình mơ Q trình mơ thực qua bước: Nhận dạng điều khiển đối tượng * Bƣớc nhận dạng đối tƣợng Sử dụng mạng nơron truyền thẳng nhiều lớp thực nhận dạng đối tượng Kết trình đối tượng điều khiển nồng độ dung dịch Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản76 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) có bể chứa thay cấu trúc thông số mạng nơron truyền thẳng nhiều lớp Nháy kép vào khối Model Reference Controller, ta cửa sổ khai báo điều khiển, thực nạp thông số điều khiển kết trình bày hình 3.3 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản77 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Hình 3.3 Cửa sổ thơng số điều khiển nơron theo mơ hình mẫu trước thực bước nhận dạng đối tượng Nháy kép vào nút Plant Identification để thực trình nhận dạng ta cửa sổ nhận dạng đối tượng hình 3.4 sau nạp thông số cho mạng nơron truyền thẳng nhiều lớp sử dụng để nhận dạng đối tượng Hình 3.4 Cửa sổ nhận dạng đối tượng Nháy kép vào nút Generate Training Data để cung cấp tín hiệu vào cho mạng nơron truyền thẳng nhiều lớp nhận dạng đối tương Ta tín hiệu vào - đối tượng cần nhận dạng nồng độ dung dịch bể chứa có khuấy biểu diển hình 3.5 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản78 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Hình 3.5 Đồ thị tín hiệu vào-ra đối tượng cần nhận dạng Bấm nút Accept Data để chọn tín hiệu vào - thực trình nhận dạng đối tượng * Bƣớc điều khiển: Khi kết thúc trình nhận dạng, cửa sổ nhận dạng đối tượng hình 3.4, nút Train Network lên Bấm vào nút Train Network để thực Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản79 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) trình huấn luyên mạng Kết thúc trình ta thông số mạng nơron sử dụng điều khiển mơ hình mẫu ứng dụng mạng nơron trình bày hình 3.6 Mơ hình mạng nơron mơ tả điều khiển đối tượng cài đặt NEURAL NETWORK TOOLBOX mơ tả hình 3.7 Kết kiểm tra liệu cho điều khiển theo mơ hình mẫu ứng dụng mạng nơron bao gồm: Tín hiệu vào; Tín đối tượng; Tín hiệu mạng nơron; Sai lệch tín đối tượng tín hiệu mạng nơron trình bày hình 3.8 Hình 3.6 Thơng số mạng nơron sử dụng điều khiển mơ hình mẫu ứng dụng mạng nơron Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản80 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Hình 3.7 Mơ hình mạng nơron mơ tả đối tượng điều khiển dùng mạng nơron cài đặt NEURAL NETWORK TOOLBOX Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản81 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Hình 3.8 Kết kiểm tra liệu cho điều khiển theo mơ hình mẫu ứng dụng mạng nơron: Tín hiệu vào; Tín đối tượng; Tín hiệu mạng nơron; Sai lệch * Để kiểm tra lại kết q trình nhận dạng điều khiển trở lại mơ hình biều diễn hình 2, nháy vào nút Simulation Nháy vào thiết bị Floating Scop w2 ta tín hiệu điều khiển w2 tốc độ dịng chảy cấp dung dịch cho bể chứa trình bày hình 3.9 3.5 2.5 1.5 0.5 0 50 100 150 200 250 300 Hình 3.9 Đồ thị tín hiệu điều khiển bể khuấy w2 Nháy vào thiết bị Floating Scop Cb ta tín hiệu đầu đối tượng cần điều khiển nồng độ dung dịch bể chứa có khuấy Cb (nét liền) trình bày hình 3.10 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản82 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) 22 21.5 21 20.5 20 50 100 150 200 250 300 Hình 3.10 Đồ thị tín hiệu đặt th - dat (đường nét đứt) đồ thị nồng độ dung dịch Cb (đường nét liền) KẾT LUẬN CHƢƠNG Từ đồ thị hình 3.10 ta thấy Tín hiệu cần điều khiển Cb (nét liền) bám theo tín hiệu đặt th – đặt (nét đứt) Từ ta kết luận ứng dụng điều khiển nơron điều khiển nồng độ bể chứa phản ứng có khuấy thực tốt, với chất lượng điều đạt yêu cầu Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản83 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mô hình mẫu – Lương Trung Thành (Tự động hóa) CHƢƠNG KẾT LUẬN CHUNG VÀ KIẾN NGHỊ 4.1 Kết luận chung Luận văn hoàn thành phần sau: - Trình bày tổng quan mạng nơron; - Trình bày ứng dụng mạng nơron nhận dạng điều khiển; - Đưa điều khiển nơron; - Chọn điều khiển nơron theo mơ hình mẫu; - Đưa động học đối tượng điều khiển nồng độ dung dịch bể chứa phản ứng có khuấy; Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản84 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) - Thiết lập mơ hình điều khiển ứng dụng điều khiển nơron theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy; - Đã mô ứng dụng điều khiển nơron theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có khuấy, kết mơ đạt chất lượng tốt (Tín hiệu cần điều khiển Cb bám theo tín hiệu đặt th – đặt ) với sai lệch phạm vi cho phép 4.2 Kiến nghị Do thời gian nghiên cứu có hạn điều kiện sở vật chất giới hạn nên luận văn dừng lại kết mô phỏng, nhiên kết mô cho thấy tính đắn đề tài cần nghiên cứu Để phát triển tiến hành nghiên cứu ứng dụng trực tiếp nhà máy có sử dụng bể chứa phản ứng có khuấy TÀI LIỆU THAM KHẢO [1] Phạm Hữu Đức Dục “Mạng nơron ứng dụng điều khiển tự động”, Nhà xuất khoa học kỹ thuật, 2009 [2] Nguyễn Như Hiển & Lại Khắc Lãi “Hệ mờ nơron kỹ thuật điều khiển”, Nhà xuất khoa học tự nhiên công nghệ, 2007 [3] Nguyễn Thương Ngô “ Lý thuyết điều khiển tự động đại”, Nhà xuất khoa học kỹ thuật, 1998 [4] Mair,Austyn.W.,andBirdsall,David L, “Aircraft Performance”, Cambridge Aerospace Series 5, New York, Cambridge University Press, 1992 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản85 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) [5].http://www.engin.umich.edu/group/com/examples/pitch/Mpitch.html, "Modelinga Pitch Controller-Control Tutorials for Matlab",Carnegie Mellon [6].http://www.mathworks.com/access/helpdesk/help/pdf_doc/nnet/nnet.pdf, Howard Demuth, Mark Beale, Martin Hagan, "Neural Network Toolbox™ User’s Guide", The MatthWorks [7] Narendra, Parthasarathy, "Identification and control of dynamical systems using Neural Networks", IEEE Trans on Neural Networks, Vol.1, No.1, pp 4-27, 1990 [8] C.T.Lin,C.S George Lee; Neural Fuzzy Systems; Prentice Hall Internatinal, Inc, 1996 Số hóa Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn ... điều khiển nơron theo mơ hình mẫu điều khiển nơron dự báo Nghiên cứu phương pháp nhận dạng điều khiền Ứng dụng điều khiển nơron theo mơ hình mẫu để điều khiển nồng độ sản phẩm bể chứa phản ứng có. .. http://www.lrc-tnu.edu.vn Nghiên cứu điều khiển nồng độ sản4 8 phẩm bể chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) Có nhiều phương pháp điều khiển phương. .. chứa phản ứng có khuấy phương pháp ứng dụng điều khiển nơron theo mơ hình mẫu – Lương Trung Thành (Tự động hóa) V Nhiệm vụ nghiên cứu Nghiên cứu điều khiển nồng độ sản phẩm bể chứa có khuấy phương