Nhận dạng và điều khiển dự báo hệ phi tuyến đa biến

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA LUẬN VĂN CAO HỌC Đề tài: NHẬN DẠNG VÀ ĐIỀU KHIỂN DỰ BÁO HỆ PHI TUYẾN ĐA BIẾN CBHD : GS.TSKH NGUYỄN THÚC LOAN TS HUỲNH THÁI HOÀNG HV : NGUYỄN MINH HOÀ lời cảm ơn Vạn khởi đầu nan! Những bước khó khăn thử thách.Nhớ lúc trước, bảo vệ đề cương luận văn, sau nghe học viên trình bày mong muốn thực phần điều khiển thời gian thực luận văn tới, Thầy Hồ Đắc Lộc giáo viên phản biện có nói câu là: “mong muốn vô tận” Vâng, sau trải qua trình làm luận văn học viên cảm nhận cách đầy đủ câu nói Thầy Đúng nói dễ làm nói khó Giờ đây, học viên phải thẳng thắn thừa nhận điều so với kì vọng ban đầu làm chưa tương xứng Tuy nhiên, mà phủ nhận kết đạt Bây nhìn lại đường qua, học viên nhận thấy chặng đường gian nan có người bạn đồng hành, người dìu dắt, giúp đỡ học viên vượt qua khó khăn Ăn trái nhớ người trồng cây, học viên xin gửi lời cám ơn chân thành sâu sắc đến tập thể người sau đây: Cám ơn GS.TSKH Nguyễn Thúc Loan, người Thầy, người Ông, cho học viên gợi ý quý báo Cám ơn TS Huỳnh Thái Hoàng, người hướng dẫn trực tiếp giúp học viên giải khó khăn Cám ơn chân thành nhiệt tình Thầy tạo điều kiện thuận lợi cho học viên hoàn thành phần điều khiển thời gian thực Cám ơn Phòng Đào Tạo Sau Đại Học Trường ĐHBKTPHCM Trường Cao Đẳng Cộng Đồng Trà Vinh tạo điều kiện thuận lợi cho học viên suốt trình học cao học Sau xin cám ơn Ba,Mẹ cho lòng yêu thương vô bờ bến, cho sống tốt đẹp này, gương mà suốt đời phấn đấu Xin cám ơn quan tâm yêu thương Ông,Bà người thân hai bên nội, ngoại Xin cám ơn bạn bè, đồng nghiệp cho niềm vui Xin cám ơn tất cả! TPHCM tháng 10 năm 2005 Học viên Nguyễn Minh Hòa Mục lục Lời cảm ơn Mục lục Chương Tổng quan 1.1 Giới thiệu 1.2 Mục tiêu luận văn 1.3 Tóm tắt nội dung luận văn Chương Nhận dạng hệ MIMO dùng mô hình mờ Takagi-Sugeno 2.1 Mô hình Takagi-Sugeno 2.2 Nhận dạng hệ MIMO dùng mô hình Takagi-Sugeno 2.3 Phân nhóm mờ .9 2.3.1 Dữ liệu 2.3.2 Các nhóm 11 2.3.3 Phaân nhoùm .12 2.3.4 Các giải thuật phân nhóm mờ 14 2.3.4.1 Giải thuật K-means K-medoid .14 2.3.4.2 Giải thuật phân nhóm mờ C-means 17 2.3.4.3 Giải thuật Gustafson-Kessel (GK) 19 2.3.4.4 Giaûi thuaät Gath-Geva (GG) .22 2.3.5 Đánh giá 24 2.4 Ước lượng hệ số phương pháp bình phương tối thiểu 27 Chương Điều khiển dự báo mô hình phi tuyến (NMPC) .29 3.1 Lý thuyết điều khiển dự báo mô hình phi tuyến 29 3.1.1 Các nguyên lý đặc điểm điều khiển dự báo mô hình phi tuyến 29 3.1.1.1 Nguyên lý điểu khiển dự báo mô hình phi tuyến .31 3.1.1.2 Phương diện toaùn học NMPC .32 3.1.1.3 Các đặc điểm NMPC 35 3.1.2 Lý thuyết hệ thống NMPC 38 3.1.2.1 Vấn đề ổn định 38 3.1.2.1.1 NMPC khoaûng vô hạn 39 3.1.2.1.2 Phương pháp NMPC khoảng hữu hạn đảm bảo độ ổn định .39 3.1.2.1.3 NMPC khoảng vô hạn Quasi 40 3.1.2.2 Hoạt động NMPC khoảng hữu hạn 45 3.1.2.3 Tính bền vững 46 3.1.2.3.1 Bền vững thừa hưởng NMPC .46 3.1.2.3.2 Vấn đề bền vững NMPC 47 3.1.2.4 NMPC hồi tiếp đầu .48 3.1.2.4.1 Nghiệm toán NMPC hồi tiếp đầu .49 3.1.2.4.2 NMPC hồi tiếp đầu sử dụng quan sát có độ lợi cao 50 3.1.3 Vấn đề tính toán NMPC 52 3.1.3.1 Các phương pháp giải toán tối ưu hoá vòng hở 53 3.1.3.2 Tìm nghiệm tối ưu hoá NMPC sử dụng phương pháp tham số hoá tín hiệu điều khiển 54 3.1.3.2.1 Một số vấn đề ràng buộc trạng thái ràng buộc tín hiệu điều khiển 56 3.1.3.2.2 Vấn đề hiệu NMPC .58 3.2 Điều khiển dự báo phi tuyến hệ đa biến .60 3.2.1 Mô hình đối tượng 61 3.2.2 Hàm mục tiêu 61 3.2.3 Tối ưu hoá điều khiển dự báo mô hình phi tuyến 62 3.2.3.1 Giới thiệu 62 3.2.3.2 Bài toán tối ưu hoá 63 3.2.3.3 Levenberg – Marquardt kết hợp phương pháp suy giảm độ dốc giải thuật lặp Gauss-Newton 64 3.2.3.4 Áp dụng thuật toán Levenberg – Marquardt vào điều khiển dự báo mô hình 66 3.2.4 Kết hợp điều khiển dự báo mô hình phi tuyến với mô hình nội 69 Chương Áp dụng thuật toán nhận dạng điều khiển 72 4.1 Đối tượng điều khieån 72 4.2 Mô nhận dạng điều khiển dự báo phi tuyến 77 4.2.1 Nhận dạng 77 Trường hợp 1: Không có nhiễu tác động vào hệ .78 Trường hợp 2: Có nhiễu tác động vào hệ 82 4.2.2 Điều khiển 87 Trường hợp 1: Không có nhiễu tác động vào hệ .87 Trường hợp 2: Có nhiễu tác động vào hệ 89 4.3 Nhận dạng điều khiển thời gian thực 90 4.3.1 Nhận daïng 92 4.3.2 Điều khiển 97 Chương Kết luận hướng mở rộng đề tài 100 5.1 Kết luận .100 Về nhận dạng 101 Veà điều khiển dự báo 103 5.2 Hướng mở rộng đề taøi 104 Về nhận dạng 104 Veà điều khiển .105 Tài liệu tham khảo 106 Chương Tổng Quan Trang CHƯƠNG TỔNG QUAN 1.1 Giới thiệu Xây dựng mô hình toán công việc quan trọng ngành khoa học kó thuật Mục đích sử dụng mô hình toán đa dạng như: mô phỏng, phân tích thiết kế hệ thống, giám sát điều khiển trình,….Phương pháp cổ điển mô hình hoá hệ thống dựa vào nhừng hiểu biết tự nhiên đặc điểm hệ Tuy nhiên, hệ thống lớn phức tạp khó để xây dựng mô hình toán học hệ dựa vào phương trình vi phân đại số thông tin hệ thống không đầy đủ Vì người ta phải tìm phương pháp Vào năm đầu thập niên 60, giới xuất nhiều phương pháp để ước lượng tham số hệ thống động hệ thống tuyến tính Đến năm 60 nhận dạng hệ thống thức công nhận lónh vực nghiên cứu mới, quan trọng điều khiển tự động Sự đời nhận dạng hệ thống đánh dấu bước ngoặt quan trọng việc giải khó khăn việc mô hình hoá(xem [17]) Trong phương pháp này, người ta xây dựng mô hình toán học hệ thống dựa vào liệu vào-ra Tuỳ theo mức độ thông tin biết trước hệ thống mà người ta phân loại mô hình thành mô hình hộp trắng, mô hình hộp xám, mô hình hộp đen Tuy nhiên, giới Luận văn Thạc Só Chương Tổng Quan Trang điều đơn giản mà có vấn đề phức tạp thách thức người Trong lónh vực điều khiển hệ thống vậy, hệ đơn giản mà có nhiều hệ phức tạp Ở mô hình hộp trắng không đủ sức mô tả hệ dẫn đến kết không mong muốn Thế người ta lại bắt đầu nghiên cứu mô hình hộp xám hộp đen Các cấu trúc mô hình phi tuyến dùng để mô hình hoá đa dạng: mạng wavelet, mạng nơron, mô hình mờ,… (xem[14]) Kết ban đầu số thành tựu định Người ta đưa số phương pháp mô tả hệ thống dùng ngôn ngữ tự nhiên, luật, mạng,….Một phương pháp đầy hứa hẹn quan tâm phát triển mạnh mẽ năm gần phương pháp dựa vào tập mờ logic mờ áp dụng thành công nhận dạng hệ thống động phi tuyến phức tạp (xem[18]) Các mô hình mờ xem mô hình luận lý sử dụng luật nếu-thì toán tử logic để thiết lập mối quan hệ biến mô hình Các tập mờ đóng vai trò cầu nối miền ngôn ngữ miền số cho biến vào, mô hình Trong mô hình mờ, người ta sử dụng thông tin hệ thống dạng phát biểu ngôn ngữ tự nhiên điều làm cho mô hình sáng dễ phân tích Xét phương diện tính toán, mô hình mờ xem cấu trúc toán học linh hoạt Nó xấp xỉ lớp hệ phi tuyến với độ xác mong muốn tương tự mạng nơron mạng hàm sở xuyên tâm Chính nhờ vào hai đặc điểm mà ta xây dựng mô hình mờ đơn giản hiệu So với số kó thuật xấp xỉ phi tuyến khác, chẳng hạn mạng nơron, mô hình mờ mô tả hệ thống rõ ràng sáng Tuy nhiên, phần lớn mô hình mờ áp dụng vào hệ vào-một (SISO) dùng mô hình mờ để nhận dạng hệ MIMO khó khăn phức tạp mối quan tâm lớn Luận văn Thạc Só Chương Tổng Quan Trang Xây dựng mô hình bước trình phân tích thiết kế điều khiển dựa vào mô hình Bước quan trọng xây dựng điều khiển Có nhiều phương pháp điều khiển dựa vào mô điều khiển dùng mô hình ngược, điều khiển dùng mô hình nội, điều khiển dự báo dựa vào mô hình,…Trong phương pháp điều khiển dự báo dựa vào mô hình có nhiều ưu điểm Đây phương pháp điều khiển đời cách gần ba thập niên Ngay xuất hiện, điều khiển dự báo đón nhận nồng nhiệt giới kó thuật nhanh chóng áp dụng rộng rãi công nghiệp Lý công cụ hiệu để điều khiển hệ đa biến với nhiều ràng buộc Tuy nhiên, phần lớn người ta áp dụng điều khiển dự báo mô hình tuyến tính phương pháp điều khiển dự báo mô hình phi tuyến (đặc biệt hệ phi tuyến MIMO) thách thức lớn có nhiều điều khó khăn mà người chưa giải vấn đề ổn định, vấn đề khả thi toán tối ưu hoá trực tuyến, vấn đề bền vững,….(xem[2],[3],[4],[27]) Tất phía trước, chờ đợi bước chân chinh phục người Hoà vào xu đó, học viên muốn hạt cát nhỏ bé bước chân vào lónh vực đầy thử thách luận văn tốt nghiệp cao học bước đệm quan trọng để học viên đăng kí tham gia vào hành trình chinh phục khoa học nhân loại 1.2 Mục tiêu luận văn Luận văn thực hai vấn đề nhận dạng điều khiển dự báo mô hình phi tuyến Do mục tiêu cụ thể luận văn sau: • Nhận dạng hệ phi tuyến MIMO dùng mô hình mờ Takagi-Sugeno • Thiết kế điều khiển dự báo dựa vào mô hình nhận dạng • Áp dụng thuật toán nhận dạng điều khiển vào đối tượng mô Matlab Đối tượng chọn hệ bồn kép hai vào-hai Luận văn Thạc Só Chương Tổng Quan Trang • Chuyển giải thuật điều khiển thành ngôn ngữ C để áp dụng điều khiển mô hình đối tượng thực nghiệm So sánh kết điều khiển mô điều khiển thời gian thực 1.3 Tóm tắt nội dung luận văn Để thực mục tiêu nêu Luận văn chia làm năm chương gồm chương sau: Chương 1: Chủ yếu giới thiệu tổng quan lý thuyết nhận dạng hệ thống, đặc biệt nhận dạng dùng mô hình mờ Tiếp theo giới thiệu điều khiển dự báo mô hình phi tuyến Chương 2: Giới thiệu mô hình mờ Takagi-Sugeno Cấu trúc mô hình TakagiSugeno dùng để nhận dạng hệ MIMO Giới thiệu lý thuyết phân nhóm mờ, giải thuật phân nhóm dùng để xây dựng hàm liên thuộc mô hình mờ TS, phương pháp ước lượng tham số mệnh đề kết luận mô hình TS Chương 3: Chủ yếu khảo sát mặt lý thuyết hệ thống điều khiển dự báo mô hình phi tuyến nguyên lý, tính ổn định, tính bền vững,….Phương pháp áp dụng điều khiển dự báo mô hình vào đối tượng đa biến: hàm mục tiêu, thuật toán tối ưu hoá Levenberg-Marquadrt, kết hợp điều khiển dự báo với cấu trúc điều khiển dùng mô hình nội Chương 4: Trong chương áp dụng thuật toán nhận dạng điều khiển lên đối tượng mô Matlab Sau triển khai áp dụng mô hình đối tượng thực nghiệm So sánh nhận xét kết mô điều khiển thời gian thực Chương 5: Tổng kết lại toàn việc làm kết đạt luận văn Đưa hướng mở rộng đề tài Luận văn Thạc Só Chương Nhận dạng hệ MIMO dùng mô hình mờ Takagi-Sugeno Trang CHƯƠNG NHẬN DẠNG HỆ MIMO DÙNG MÔ HÌNH MỜ TAKAGI-SUGENO Vào đầu năm 1990, nhận dạng mô hình hoá mờ từ liệu trình bắt đầu hình thành trở thành đề tài nhận nhiều quan tâm, phát triển Mặc dù mô hình mờ chứng minh công cụ hiệu để xấp xỉ trình phi tuyến nhận dạng mô hình mờ từ liệu dẫn đến mô hình phức tạp chí không thực tế Khó khăn vấn đề tham số hoá mô hình tập liệu nhận dạng không chứa đầy đủ nội dung thông tin trình Nguyên nhân thiếu kiến thức biết trước thông tin trình Để giải khó khăn này, người ta tích hợp kiến thức biết trước vào trình nhận dạng, nghóa dùng nhiều kiến thức biết trước để xây dựng mô hình tốt Trong chương giới thiệu mô hình mờ Takagi-Sugeno, cấu trúc mô hình Takagi-Sugeno để nhận dạng hệ phi tuyến đa biến, giải thuật phân nhóm mờ để rút hàm liên thuộc cuối phương pháp bình phương tối thiểu để ước lượng hệ số mô hình mờ TakagiSugeno 2.1 Mô hình Takagi-Sugeno Tương tự mô hình mờ Mamdani dùng phát biểu ngôn ngữ để mô tả hệ thống dạng luật nếu-thì biến mệnh đề điều kiện lẫn mệnh đề kết luận mô hình mờ Mamdani tập mờ mô hình Takagi- Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 93 Hình 4.20 Tập liệu vào-ra dùng để nhận dạng ™ Mô hình mờ TS đầu h1: R1: Nếu h1 (k − 1) A11 h2 (k − 1) laø B11 vaø u1 (k − 1) C11 h1 (k ) = 0.9678h1 (k − 1) + 0.02342h2 (k − 1) + 2.264u1 (k − 1) − 0.6803 R2: Nếu h1 (k − 1) A12 vaø h2 (k − 1) laø B12 vaø u1 (k − 1) C12 h1 (k ) = 0.9528h1 (k − 1) + 0.02454h2 (k − 1) + 0.5608u1 (k − 1) + 0.1946 R3: Neáu h1 (k − 1) laø A13 vaø h2 (k − 1) laø B13 u1 (k − 1) C13 h1 (k ) = 0.9318h1 (k − 1) + 0.0226h2 (k − 1) − 0.2543u1 (k − 1) + 1.412 Caùc tập mờ phần tử hồi qui: Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 94 Hình 4.21 Tập mờ phần tử hồi qui đầu h1 ™ Mô hình mờ TS đầu h2: R1: Nếu h1 (k − 1) A21 h2 (k − 1) laø B21 vaø u (k − 1) C 21 h2 (k ) = 0.9678h1 (k − 1) + 0.02342h2 (k − 1) + 2.264u (k − 1) − 0.6803 R2: Neáu h1 (k − 1) laø A22 vaø h2 (k − 1) laø B22 u (k − 1) C 22 h2 (k ) = 0.9528h1 (k − 1) + 0.02454h2 (k − 1) + 0.5608u (k − 1) + 0.1946 R3: Nếu h1 (k − 1) A23 h2 (k − 1) laø B23 vaø u (k − 1) C 23 h2 (k ) = 0.9318h1 (k − 1) + 0.0226h2 (k − 1) − 0.2543u (k − 1) + 1.412 Các tập mờ phần tử hồi qui: Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 95 Hình 4.22 Các tập mờ phần tử hồi qui đầu h2 Dùng mô hình TS nhận dạng để dự báo đáp ứng đầu hệ Kết dự báo bước phía trước: Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 96 Hình 4.23 Dự báo bước phía trước góc xoay valve a12 45o Kết dự báo tự do: Hình 4.24 Dự báo tự góc xoay valve a12 45o Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 97 Nhận xét: So với kết nhận dạng mô kết nhận dạng thực nghiệm không mô (chỉ số xấp xỉ VAF khoảng 93%) liệu thu chứa thông tin nhiễu nhiều Điều cho thấy thực tế công suất nhiễu tác động lên hệ lớn Như mô hình nhận dạng đem vào điều khiển không? Kết điều khiển phần sau trả lời cho câu hỏi 4.3.2 ĐIỀU KHIỂN Dùng mô hình TS nhận dạng đem vào điều khiển kết hợp với cấu trúc điều khiển dùng mô hình nội Các thông số điều khiển sau: Hp = 10 Tầm dự báo Hc = Tầm điều khiển ρ = 50 Ts = 1s Thời gian lấy mẫu T = 1000s Thời gian chạy chương trình Các thông số tiết diện valve xả trường hợp nhận dạng Góc xoay valve a1 40o Góc xoay valve a2 30o Góc xoay valve a12 45o Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 98 Hình 4.25 Đầu tham chiếu- đầu hệ kín góc xoay valve a12 45o Nhận xét: - Kết điều khiển tốt: • Đầu hệ thống đáp ứng nhanh với tín hiệu tham chiếu • Hệ gần độ vọt lố • Sai số xác lập nhỏ không đáng kể - Tuy nhiên chất lượng điều khiển khuyết điểm sau: • Đầu hệ không phẳng mô • Tín hiệu điều khiển bị dao động với khoảng dao động nhỏ Luận văn Thạc Só Chương Áp dụng thuật toán nhận dạng điều khiển Trang 99 - Do số liệu thu thập chứa nhiễu lớn nên kết nhận dạng điều khiển không tốt mô mô thêm nhiễu cộng vào đầu hệ thống Điều cho thấy mô (lý thuyết) ta xác định cách rõ ràng xác tác động nhiễu vào hệ thống, giải thuật nhận dạng điều khiển chưa thể chứng minh tính hiệu cách đầy đủ Chỉ có thực tế thử thách hiệu quả, phương pháp đánh giá tốt tính hiệu quả, tin cậy giải thuật Kết luận: Trong chương ta áp dụng giải thuật nhận dạng điều khiển vào đối tượng MIMO hệ bồn liên kết mô lẫn thực nghiệm Kết thu tốt, điều cho thấy tính hiệu giải thuật quán mô thực nghiệm Dựa vào kết đạt được, ta hoàn toàn có sở áp dụng giải thuật điều khiển lên đối tượng thật công nghiệp Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 100 CHƯƠNG KẾT LUẬN VÀ HƯỚNG MỞ RỘNG ĐỀ TÀI 5.1 Kết luận Luận văn tập trung nghiên cứu tìm hiểu hai vấn đề nhận dạng điều khiển dự báo Trong đó, nhiệm vụ phần nhận dạng xây dựng mô hình đối tượng MIMO phi tuyến Sau đưa mô hình nhận dạng vào điều khiển đối tượng dùng phương pháp điều khiển dự báo Cuối áp dụng thuật toán nhận dạng điều khiển vào đối tượng phi tuyến MIMO hệ bồn kép Kết ứng dụng thể mô lẫn thực nghiệm Với nhiệm vụ trên, luận văn tập trung tìm hiểu số vấn đề sau đây: Về nhận dạng: • Tìm hiểu lý thuyết nhận dạng hệ thống Cụ thể phương pháp nhận dạng dựa vào liệu vào-ra, cấu trúc mô hình vào-ra tuyến tính phi tuyến, mô hình hộp đen, hộp xám hộp trắng • Tìm hiểu phương pháp nhận dạng hệ phi tuyến MIMO dùng mô hình mờ Takagi-Sugeno Nghiên cứu giải thuật phân hoạch mờ Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 101 dùng để phân hoạch tập liệu vào-ra thu thập thành nhóm có tính chất tương tự nhau, sở rút hàm liên thuộc luật mờ mô hình mờ Takagi-Sugeno Về điều khiển dự báo: • Tìm hiểu lý thuyết điều khiển dự báo mô hình, đặc biệt lý thuyết điều khiển dự báo mô hình phi tuyến Trong phần đầu chủ yếu tìm hiểu qua nguyên lý đặc điểm điều khiển dự báo mô hình phi tuyến tính ổn định, tính bền vừng, tính hiệu quả,….Trong phần sau chủ yếu tập trung vào toán điều khiển dự báo mô hình phi tuyến dùng phương pháp số Kết hợp điều khiển dự báo với cấu trúc điều khiển hồi tiếp dùng mô hình nội • Tìm hiểu thuật toán tối ưu hoá dùng điều khiển dự báo mô phương pháp lập trình toàn phương (QP) áp dụng cho điều khiển dự báo mô hình tuyến tính, phương pháp lặp tối ưu hoá Levenberg-Marquardt, giải thuật Branch&Bound, giải thuật di truyền Với nhiệm vụ sau trải qua trình triển khai áp dụng lý thuyết mô thực nghiệm, học viên có số kết luận sau: Về nhận dạng: • Cấu trúc mô hình: Bước quan trọng nhận dạng mô hình hệ thống chọn cấu trúc mô hình Ở chọn cấu trúc NARX dạng mô hình MISO Để có mô hình MIMO đối tượng ta ghép mô hình MISO lại với Bậc Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 102 hệ chọn không chọn lớn qua mô thực nghiệm, chọn độ trễ là tốt • Phân hoạch mờ: Trong phần phân hoạch mờ dùng giải thuật phân hoạch mờ Gustafson-Kessel Ưu điểm giải thuật bền vững phát nhóm có dạng hình cầu hình elip phát nhóm có hình dạng giải thuật Gath-Geva Số nhóm phần ứng dụng nhận dạng chọn c = 3, có nghóa mô hình mờ TS nhận dạng có luật mờ Lý chọn nhỏ mô hình nhận dạng không đủ sức xấp xỉ hệ thống Ngược lại, chọn số nhóm lớn mô hình nhận phức tạp có nhiều luật dùng mô hình để dự báo điều khiển dự báo tốn nhiều thời gian Vả lại qua kết phân tích số đánh giá phân hoạch qua mô thực nghiệm số nhóm tốt • Tập liệu nhận dạng: Việc chọn tập liệu dùng để nhận dạng quan trọng Mong muốn chọn tập liệu nhận dạng cho phản ánh hết đặc tính hệ thống toàn vùng hoạt động Được mô hình nhận dạng mang tính toàn cục, nghóa mô hình nhận dạng tập liệu xấp xỉ tốt tập liệu khác Trong thực tế để nhận dạng mô hình toàn cục khó, phần lớn mô hình cục Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 103 Về điều khiển dự báo: • Tầm dự báo tầm điều khiển: điều khiển dự báo, tầm dự báo tầm điều khiển có ảnh hưởng lớn đến chất lượng điều khiển Nếu chọn tầm dự báo ngắn điều khiển làm cho hệ bất ổn Còn chọn dài làm tăng thời gian tính toán, ảnh hưởng bất lợi đến trình tối ưu hoá Tương tự tầm điều khiển chọn dài làm ảnh hưởng đến đến thời gian tính toán tối ưu tín hiệu điều khiển Đối với hệ bồn kép chọn tầm dự báo Hp = 10 tầm điều khiển Hc = cho đáp ứng tốt Nếu giảm tầm dự báo đáp ứng hệ có vọt lố, tăng lên đáp ứng không tốt thời gian tính toán lại tăng lên Tương tự chọn tầm điều khiển để tiết kiệm thời gian tính toán • Thuật toán tối ưu hoá: thuật toán tối ưu hoá Levenberg-Marquadrt cho kết hội tụ nhanh, đặc biệt điều khiển thời gian thực Chương trình tối ưu hoá viết ngôn ngữ M-file Sfunction chạy mô Matlab giây cho chu kì tối ưu chuyển toàn chương trình sang mã C thời gian tính toán nhanh 1000 lần máy tính có cấu hình Pentum II 200 MHZ Điều cho thấy thuật toán chạy nhanh Vì kết điều khiển thời gian thực đạt khả quan Ngoài kết tối ưu hoá phụ thuộc vào số vòng lặp tối ưu Trong trình điều khiển thực, ban đầu kết điều khiển không tốt (sai số xác lập lớn) số vòng lặp chọn (n = 5) tăng lên (n > 20) kết đạt tốt Điều cho thấy chọn số vòng lặp nhỏ thuật toán khó tìm tín hiệu điều khiển tối ưu Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 104 • Hàm mục tiêu: hàm mục tiêu chọn, thành phần thứ hai dùng để tối ưu hoá lượng điều khiển u gồm tổng biên thiên lượng tầm điều khiển nhân với hệ số phạt ρ Hệ số chọn thử sai trình điều khiển Một điều cần ý hệ số có trị khác điều khiển mô điều khiển thời gian thực Nguyên nhân chêch lệch lớn thời gian tính toán tối ưu mô thực nghiệm Qua thực nghiệm cho thấy hệ số ρ chọn nhỏ mô phỏng, tăng lớn làm cho hệ bất ổn 5.2 Hướng mở rộng đề tài Mặc dù kết đạt khả quan so với kì vọng học viên làm chưa tương xứng Do trình làm luận văn phát sinh khó khăn mà học viên không lường trước phải nhiều thời gian khắc phục khó khăn Nếu có thêm thời gian học viên tiếp tục mở rộng đề tài theo hướng sau đây: Về nhận dạng: • Lần lượt áp dụng giải thuật phân hoạch mờ khác nhau, so sánh kết đạt để tìm giải thuật tốt nhận dạng hệ bồn kép • Dùng mạng nơron nhận dạng mô hình đối tượng để so sánh với mô hình mờ TS xem mô hình tốt nhận dạng đối tượng hệ bồn kép Luận văn Thạc Só Chương Kết luận hướng mở rộng đề tài Trang 105 Về điều khiển: • Tuyến tính hoá: - Tuyến tính hoá mô hình đối tượng xung quanh điểm làm việc áp dụng điều khiển dự báo dựa vào mô hình tuyến tính tìm - Tuyến tính hoá mô hình TS nhận dạng dùng phương pháp lập trình toàn phương để giải toán tối ưu • Các thuật toán tối ưu: áp dụng thuật toán tối ưu hoá Branch&Bound đặc biệt giải thuật di truyền Qua thực nghiệm cho thấy viết chương trình ngôn ngữ C thời gian tính toán nhanh Do triển vọng áp dụng giải thuật di truyền khả quan Nếu áp dụng ta tận dụng ưu của giải thuật di truyền dễ đạt trị tối ưu toàn cục Vì kết điều khiển chắn tốt Luận văn Thạc Só Trang 106 Tài liệu tham khảo [1] Al-Duwaish H and Naeem, Wasif, “Nonlinear Model Predictive Control of Hammerstein and Wiener Models Using Genetic Algorithms” Engineering Department/King Fahd University of Petroleum and Minerals [2] Danijel Pavković, Ivan Petrović, member, IEEE, and Nedjeljkp Perić, member, IEEE, “Fuzzy Model Predictive Control of Electrical Drives with Transmission Elasticity and Backlash” [3] Haralambos Sarimveis., George Bafas, “Fuzzy model predictive control of non-linear processes using genetic algorithms” Fuzzy Sets and Systems 139 (2003) 59–80 [4] Igor ˇSkrjanc and DragoMatko, “Predictive Functional Control Based on Fuzzy Model for Heat-Exchanger Pilot Plant”, IEEE Transactions on Fuzzy Systems, Vol.8, No.6, December 2000 [5] Inc The MathWork External Interfaces References Version The language of Technical Computing [6] Inc The MathWork Matlab compiler Version User’s Guide The language of Technical Computing [7] Inc The MathWork Real-Time Workshop Version User’s Guide The language of Technical Computing [8] Inc The MathWork Writing S-Functions Version The language of Technical Computing [9] Inc The MathWork Target Language Compiler Version Reference Guide [10] LePhan Publishing Matlab C/C++ Book Third Edition [11] J.A Roubos , S Mollov, R Babuska, H.B Verbruggen “Fuzzy model-based predictive control using Takagi-Sugeno models” International Journal of Approximate Reasoning 22 (1999) 3-30 [12] J.Abonyi , R Babuska , M Ayala Botto , F Szeifert , L Nagy, “Identification and Control of Nonlinear Systems Using Fuzzy Hammerstein Models” University of Veszprem, Department of Process Engineering [13] J H Lee, Manfred Morari, “Model predictive control: past, present and future”, Computers and Chemical Engineering, Vol 23, pp 667–682 1999 [14] Jonas Sjöberg, Quinghua Zhang, Lennart Ljung, Albert Benveniste, Bernard Delyon, Pierre-Yves Glorennec, Håkan Hjalmarsson and Anatoli Juditsky, “Nonlinear Blackbox Modeling in System Identification: a Unified Overview” Automatica, Vol 31, No 12, pp 1691-1724, 1995 Trang 107 [15] Joaõo Miguel da Costa Sousa, Member, IEEE, and Magne Setnes, Student Member, IEEE, “Fuzzy Predictive Filters in Model Predictive Control” IEEE Transactions on Industrial Electronics, vol 46, No 46, December 1999 [16] Lennart L.jung, “ System identification: Theory for users”, Prentice Hall, 1999 [17] Lennart Ljung, “Development of System Identification”,Department of Electrical Engineering, Linköping University [18] Michio Sugeno and Kazuo Tanaka, “Successive identification of a fuzzy model and its applications to prediction of a complex system” Fuzzy Sets and Systems , 42(1991), 315-334 [19] Nguyễn Doãn Phước, “Lý Thuyết Điều Khiển Nâng Cao”, Nhà xuất Khoa Học Kỹ Thuật, 2005 [20] Phạm Văn Ất , “Kỹ Thuật Lập Trình C- Cơ sở Nâng Cao”, Nhà xuất Khoa Học Kỹ Thuật, 1995 [21] Quách Tuấn Ngọc, “Ngôn ngữ lập trình C++”, Nhà xuất Thống Kê, 2003 [22] Rolf Findeisen, Frank Allgower, “An Introduction to Nonlinear Model Predictive Control” Institute for Systems Theory in Engineering, University of Stuttgart [23] T Kumon, M Iwasaki, T Suzuki, T Hashiyama, “Nonlinear system identification using genetic algorithm.", IEEE, pp 2485- 2491, 2000 [24] Trần Viết Thắng, “Điều Khiển Dự Báo Bền Vững Hệ Phi Tuyến Dựa Vào Mô Hình Mờ “, Luận văn Cao học Ngành Điều Khiển Học Kó Thuật, Trường ĐH Bách Khoa TPHCM, Tháng 10 Năm 2003 [25] Ton J.J van den Boom & Ton C.P.M Backx, “Model Predictive Control” Lecture Notes 23-11-2001 [26] U Kaymak, J.M Sousa, H.B Verbmggen, “A Comparative Study of Fuzzy and Conventional Criteria in Model-Based Predictive Control” FUZZ-IEEE’97 [27] Y L Huang, Helen H Lou, J P Gong, and Thomas F Edgar, “Fuzzy Model Predictive Control” IEEE Transactions on Fuzzy Systems Vol 8, No 6, December 2000 ... NMPC điều khiển đối tượng phi tuyến đa biến 3.1 Lý thuyết điều khiển dự báo mô hình phi tuyến 3.1.1 Các nguyên lý đặc điểm điều khiển dự báo mô hình phi tuyến Điều khiển dự báo mô hình hay gọi điều. .. lý điều khiển dự báo mô hình Hình 3.1 Nguyên lý điều khiển dự báo mô hình Luận văn Thạc Só Chương Điều khiển dự báo mô hình phi tuyến Trang 32 Dựa vào tín hiệu có thời điểm t, điểu khiển dự báo. .. nội, điều khiển dự báo dựa vào mô hình,…Trong phương pháp điều khiển dự báo dựa vào mô hình có nhiều ưu điểm Đây phương pháp điều khiển đời cách gần ba thập niên Ngay xuất hiện, điều khiển dự báo