Hiện nay việc sử dụng nhiều phương pháp điều khiển khác nhau trong điều khiển tự động đang được quan tâm và nghiên cứu sử dụng để đạt được lợi ích tốt nhất Điều khiển nhiệt độ lò hơi tầng sôi tuần hoàn thường khá phức tạp do đối tượng có tính trễ và phi tuyến Nếu có thể sử dụng các bộ điều khiển thông minh kết hợp tốt các phương pháp với nhau có thể mang đến một hiệu quả cao trong điều khiển Luận văn khái quát chung về lò hơi tầng sôi tuần hoàn và điều khiển nhiệt độ lò thông qua các bộ điều khiển PID mờ và PID nơron Tác giả đã đưa ra kết quả đạt được trong quá trình nghiên cứu và hướng nghiên cứu tiếp theo của đề tài
ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - LÊ MINH THÀNH LÊ MINH THÀNH KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HĨA ĐIỀU KHIỂN NHIỆT ĐỘ LỊ HƠI TẦNG SƠI TUẦN HỒN ỨNG DỤNG TRÍ TUỆ NHÂN TẠO LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA K33PFIEV Đà Nẵng – Năm 2018 ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC BÁCH KHOA - LÊ MINH THÀNH ĐIỀU KHIỂN NHIỆT ĐỘ LỊ HƠI TẦNG SƠI TUẦN HỒN ỨNG DỤNG TRÍ TUỆ NHÂN TẠO Chuyên ngành : Mã số: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA 60.52.02.16 LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC: TS NGUYỄN QUỐC ĐỊNH Đà Nẵng – Năm 2018 LỜI CAM ĐOAN Tơi cam đoan cơng trình nghiên cứu Các số liệu, kết nêu luận văn trung thực chưa cơng bố cơng trình khác Đà Nẵng, ngày 14 tháng 05 năm 2018 Tác giả luận án LÊ MINH THÀNH ĐIỀU KHIỂN NHIỆT ĐỘ LỊ HƠI TẦNG SƠI TUẦN HỒN ỨNG DỤNG TRÍ TUỆ NHÂN TẠO Học viên: Lê Minh Thành Chuyên ngành: Kỹ thuật Điều khiển Tự động hóa Mã số: 60.52.02.16 Khóa: 33 Trường Đại Học Bách Khoa- ĐHĐN Tóm tắt: Hiện việc sử dụng nhiều phương pháp điều khiển khác điều khiển tự động quan tâm nghiên cứu sử dụng để đạt lợi ích tốt Điều khiển nhiệt độ lò tầng sơi tuần hồn thường phức tạp đối tượng có tính trễ phi tuyến Nếu sử dụng điều khiển thông minh kết hợp tốt phương pháp với mang đến hiệu cao điều khiển Luận văn khái quát chung lị tầng sơi tuần hồn điều khiển nhiệt độ lị thơng qua điều khiển PID, mờ PID nơron Tác giả đưa kết đạt trình nghiên cứu hướng nghiên cứu đề tài Từ khóa- Lị tầng sơi tuần hồn, nhiệt độ, mạng nơ ron, điều khiển mờ CONTROL TEMPERATURE OF CIRCULATING FLUIDIZED BED BOILER USING ARTIFICIAL INTELLIGENCE Abstract: Currently, the use of a variety of controlling methods in automatic control is being considered and researched to achieve the best benefit Controlling temperature of the circulating fluidized bed boiler is usually quite complex because of its delays and nonlinearities If it is possible to use smart controllers combining many methods together, it can bring a pretty high efficiency in the temp of controlling Essay provides a general overview of circulating fluidized bed boiler and its temperature controlling by using PID, fuzzy, PID neuron The author has given the results obtained in the process of searching and provided the research direction for the next topic Key words- Circulating fluidized, temperature, neuron network, fuzzy control MỤC LỤC LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH MỞ ĐẦU Lý chọn đề tài Mục tiêu nghiên cứu Đối tượng phạm vi nghiên cứu Nội dung nghiên cứu .10 Phương pháp nghiên cứu 10 Ý nghĩa khoa học thực tiễn đề tài 10 Cấu trúc luận văn 10 CHƯƠNG 12 TỔNG QUAN VỀ LÒ HƠI TẦNG SƠI TUẦN HỒN 12 1.1 Giới thiệu chung lò 12 1.1.1 Định nghĩa 12 1.1.2 Phân loại lò 12 1.2 Cơ sở lý thuyết kỹ thuật tầng sôi 13 1.2.1 Sơ đồ nguyên lý tạo tầng sôi: .14 1.2.2 Vật liệu sử dụng lị tầng sơi: 15 1.3 Phân loại lị tầng sơi 15 1.3.1 Lò tầng sơi bong bóng: 15 1.3.2 Lị tầng sơi tuần hoàn: 16 1.4 Giới thiệu lị tầng sơi tuần hồn 17 1.4.1 Cấu tạo 17 1.4.2 Nhiên liệu .17 1.4.3 Quá trình cháy nhiên liệu 18 1.5 Phương pháp điều khiển nhiệt độ lị tầng sơi tuần hoàn 22 1.5.1 Các phương pháp điều khiển phổ biến 22 1.5.2 Mơ hình hóa hệ thống đề xuất phương án điều khiển 26 1.5.3 Nâng cao chất lượng điều khiển hệ thống lị tầng sơi tuần hồn 28 CHƯƠNG 30 TỔNG QUAN VỀ MẠNG NƠRON VÀ LOGIC MỜ 30 2.1 Đặt vấn đề 30 2.2 Tổng quan điều khiển mờ 30 2.2.1 Giới thiệu 30 2.2.2 Cấu trúc hệ điều khiển mờ 32 2.3 Tổng quan mạng nơron 41 2.3.1 Giới thiệu 41 2.3.2 Lịch sử phát triển mạng nơron nhân tạo .42 2.3.3 Cấu trúc mạng nơron nhân tạo .43 2.3.4 Mơ hình nơron 45 2.3.5 Cấu trúc mạng 46 2.3.6 Huấn luyện mạng 48 2.3.7 Tổng quan mạng nơron hàm sở bán kính xuyên tâm RBFNN 49 CHƯƠNG 53 MÔ PHỎNG BỘ ĐIỀU KHIỂN NHIỆT ĐỘ LỊ HƠI TẦNG SƠI TUẦN HOÀN VÀ ĐÁNH GIÁ 53 3.1 Điều khiển nhiệt độ lị tầng sơi tuần hồn sử dụng điều khiển PID 53 3.1.1 Khái niệm điều khiển PID 53 3.1.2 Điều khiển nhiệt độ lò điện trở sử dụng điều khiển PID 54 3.2 Điều khiển nhiệt độ lò tầng sơi tuần hồn sử dụng điều khiển mờ 57 3.3 Điều khiển nhiệt độ lị tầng sơi tuần hoàn sử dụng điều khiển NN-PID 62 3.3.1 Bộ điều khiển NN-PID .64 3.3.2 Xây dựng nhận dạng đối tượng sử dụng mạng RBFNN .65 Tổng hợp đánh giá điều khiển 69 KẾT LUẬN VÀ KIẾN NGHỊ 70 DANH MỤC TÀI LIỆU THAM KHẢO 71 PHỤ LỤC 72 DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT FIS Fuzzy inference system NN-PID Neural Network-Porportional integral derivative RBFNN Radial Basic Function Neural Network SISO Single Input Single Output MIMO Multi Input Multi Output DANH MỤC CÁC BẢNG Số hiệu bảng Tên bảng Trang 3.1 Thông số đạt điều khiển PID 3.2 Bảng luật điều khiển 3.3 Thông số đạt điều khiển mờ 62 3.4 Thông số đạt điều khiển NN-PID 68 3.5 Tổng hợp số liệu từ điều khiển 69 56 57-58 DANH MỤC CÁC HÌNH Số hiệu hình vẽ Tên hình vẽ Trang 1.1 Buồng đốt lị tầng sôi 13 1.2 Sơ đồ nguyên lý tạo tầng sơi 14 1.3 Sơ đồ cấu tạo lị tầng sơi bong bóng 16 1.4 Sơ đồ cấu tạo lị tầng sơi tuần hồn 16 1.5 Sơ đồ cấu tạo lị tầng sơi tuần hồn 17 1.6 Sơ đồ điều khiển áp suất dòng 23 1.7 Sơ đồ điều khiển lượng khí vào buồng đốt 24 1.8 Sơ đồ điều khiển lượng gió từ quạt 24 1.9 Sơ đồ điều khiển nhiệt độ dòng 25 1.10 Sơ đồ điều khiển áp suất buồng đốt 25 1.11 Sơ đồ mơ hình điều khiển Smith 26 2.1 Các khối chức điều khiển mờ 32 2.2 Các hàm liên thuộc biến ngôn ngữ 33 2.3 Hàm liên thuộc vào-ra theo luật hợp thành max-min 35 2.4 Hàm liên thuộc vào-ra theo luật hợp thành max-prod 36 2.5 Hàm liên thuộc vào-ra theo luật hợp thành sum-min 37 2.6 Hàm liên thuộc vào-ra theo luật hợp thành sum-prod 38 2.7 Giải mờ theo nguyên tắc trung bình 39 2.8 Giải mờ theo nguyên tắc cận trái 39 2.9 Giải mờ theo nguyên tắc cận phải 40 2.10 Giải mờ phương pháp điều khiển trọng tâm 41 2.11 So sánh phương pháp giải mờ 41 2.12 Mơ hình nơ ron sinh học 43 2.13 Mơ hình nơ ron đơn giản 44 2.14 Mạng nơ ron lớp 44 2.15a, Mơ hình nơ ron đơn giản 45 b 2.16 Nơ ron với R đầu vào 45 2.17 Ký hiệu nơ ron với R đầu vào 46 2.18 Cấu trúc mạng nơ ron lớp 46 2.19 Ký hiệu mạng R đầu vào S 47 2.20 Ký hiệu lớp mạng 47 2.21 Cấu trúc mạng nơ ron lớp 48 2.22 Ký hiệu tắt mạng nơ ron lớp 48 2.23 Câu trúc huấn luyện mạng 48 3.1 Sơ đồ luật điều khiển PID 53 3.2 Sơ đồ nguyên lý điều khiển với điều khiển PID 54 3.3 Mơ điều khiển PID cho lị tầng sơi tuần hồn 55 3.4 Khối điều khiển PID 56 3.5 Kết mô điều khiển PID cho lò 56 3.6 Điều khiển mờ cho lò 57 3.7 Giao diện FIS 59 3.8 Mờ hóa sai lệch 59 3.9 Mờ hóa tích phân sai lệch 60 3.10 Mờ hóa điện áp điều khiển 60 3.11 Quan hệ vào điều khiển 61 3.12 Quan sát hoạt động luật 61 3.13 Mô điều khiển cho lò 62 3.14 Kết mơ điều khiển mờ cho lị 62 3.15 Cấu trúc hệ thống điều khiển nhiệt độ lò 63 3.16 Sơ đồ cấu trúc điều khiển PID- nơ ron 64 3.17 Cấu trúc mạng RBFNN 65 3.18 Kết so sánh tín hiệu ngõ vào ngõ nhận dạng RBFNN 67 3.19 Kết so sánh tín hiệu điều khiển đáp ứng 67 3.20 Kết chỉnh định hệ số Kp, Ki, Kd 68 3.21 Tổng hợp mô điều khiển PID, mờ, PID-NN 69 70 KẾT LUẬN VÀ KIẾN NGHỊ Kết luận Lị nói riêng đối tượng nói chung thường khơng cho phép có độ điều chỉnh lớn Ở ta có điều khiển NN-PID đảm bảo tốt điều tùy thuộc vào u cầu cơng nghệ q trình sử dụng lị mà ta chọn điều khiển thích hợp Với kết thu từ mô nhìn nhận tất điều khiển có ưu nhược điểm riêng nó, việc lựa chọn phương pháp điều khiển khác cho đối tượng lị gia nhiệt khác vơ cần thiết để đem đến hiệu cao q trình vận hành lị cho sản phẩm Từ kết thu qua việc thực đề tài, nhìn nhận việc sử dụng lý thuyết điều khiển phải sử dụng cách linh hoạt tùy thuộc vào đối tượng cần điều khiển Việc sử dụng lai ghép kỹ thuật điều khiển cổ điển với kỹ thuật điều khiển thông minh đại với mở hướng đa dạng kỹ thuật điều khiển vào ứng dụng thực tế Kiến nghị Đề tài luận văn dừng lại mức độ xây dựng điều khiển NN-PID kết hợp mạng nơron giám sát RBFNN Matlab, nên hướng phát triển đề tài là: Sử dụng luật học khác để tối ưu kết điều khiển nhiệt độ lị tầng sơi tuần hoàn với điều khiển NN-PID Tiến đến thiết kế mơ hình thực tế ứng dụng điều khiển NN-PID điều khiển nhiệt độ lò Tiến đến ứng dụng phương pháp NN-PID cho đối tượng điều khiển nhiệt độ 71 DANH MỤC TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] TS Nguyễn Như Hiền & TS Nguyễn Khắc Lãi - Hệ mờ nơron kỹ thuật điều khiển – NXB Khoa học tự nhiên công nghệ, Hà Nội, 2007 Phạm Hữu Đức Dục.: Mạng nơron ứng dụng điều khiển tự động NXB Khoa học kỹ thuật, Hà Nội, 2009 TS Nguyễn Bê: Giáo trình Trang bị điện II Đại học Bách khoa Đà Nẵng, 2007 TS Nguyễn Thị Phương Hà – Lý thuyết điều khiển tự động NXB Đại học quốc gia Thành phố Hồ Chí Minh, 2005 Th.s Nguyễn Thị Ngọc Linh, TS Nguyễn Khắc Lãi – Nghiên cứu ứng dụng hệ nơron mờ để điều khiển tay máy, Trường Đại học Kỹ thuật Thái Nguyên, 2010 Tran Quang Thuan, Lecturer, PTIT-HCM; Duong Hoai Nghia, Lecturer, HCM City University of Technology and Dong Si Thien Chau, Lecturer, Ton Duc Thang Unisersity : Sliding mode control using radial basis function neurals network Jinkun Liu: Radial Basis Function (RBF) Neural Network Control for Mechanical Systems Beihang University, Beijing, China, People’s Republic Chin Teng Lin.; Chang Mao Yeh,; Jen Feng Chung.; Sheng Fu Liang.; Her Chang Pu.: Support-Vector-Baseb Fuzzy Neural Networks International Journal of Computational Intelligence Research, Vol.1, No.2, pp.138-150,2005 Lamei Xu; Wei He.: Application of Fuzzy Neural Network to Fire Alarm System of Highrise Building Journal of Communication and Computer, USA, Vol.2, No.9, pp.18-21, 2005 Ding Zhefeng: A Novel Fuzzy PID Neural Model Control Method Academy of Equipment Command & Technology of the People’s Liberation Army, Beijing, 101416 Zeyu Li, Jiangqiang Hu and XingXing Huo: PID Control Based on RBF Neural Network for Ship Steering Navigation College, Dalian Maritime University, Dalian 116026, China Tim Callinan: Artificial Neural Network Identification and Control of the Inverted Pendulum August 2003 Erkki Karppanen: Advanced control of an industrial circulating fluidized bed boiler using fuzzy logic Faculty of Technology, University of Oulu, Feb 4th 2000 72 PHỤ LỤC PHỤ LỤC A: CHƯƠNG TRÌNH NN-PID % DIEU CHINH THONG SO BO DIEU KHIEN PID UNG DUNG RBFNN clear all; close all; %==================================================== xi=0.1; an=0.05; bl=0.01; %==================================================== x=[0,0,0]'; mi=[155 155 153 153 157 157; 950 950 950 950 900 900; 900 900 1000 1000 1000 1000]; ri=20000*ones(6,1); w=0.1*ones(6,1); h=[0,0,0,0,0,0]'; %==================================================== mi_1=mi;mi_2=mi_1;mi_3=mi_2; ri_1=ri;ri_2=ri_1;ri_3=ri_2; w_1=w;w_2=w_1;w_3=w_2; %==================================================== i_1=0;i_2=0;i_3=0;i_4=0;i_5=0;i_6=0; y_1=0;y_2=0; %==================================================== sl=[0,0,0]' err_1=0;err_2=0;err=0; %==================================================== kp=0.1; ki=0.55; kd=0.017; kp_1=kp; ki_1=kd; kd_1=ki; 73 xikp=0.01; xiki=0.01; xikd=0.01; %==================================================== ts=0.01; for k=1:1:1000 time(k)=k*ts; rin(k)=900; if k>=600 rin(k)=950; end yout(k)=1.7464*y_1-0.7625*y_2+0.1034*i_5-0.0094*i_6; for j=1:1:6 h(j)=exp(-norm(x-mi(:,j))^2/(2*ri(j)*ri(j))); end ymout(k)=w'*h; d_w=0*w; for j=1:1:6 d_w(j)=xi*(yout(k)-ymout(k))*h(j); end w=w_1+d_w+an*(w_1-w_2)+bl*(w_2-w_3); d_ri=0*ri; for j=1:1:6 d_ri(j)=xi*(yout(k)-ymout(k))*w(j)*h(j)*norm(x-mi(:,j))^2*(ri(j)^-3); end ri=ri_1+d_ri+an*(ri_1-ri_2)+bl*(ri_2-ri_3); for j=1:1:6 for i=1:1:3 d_mi(i,j)=xi*(yout(k)-ymout(k))*w(j)*h(j)*(x(i)-mi(i,j))*(ri(j)^-2); end end mi=mi_1+d_mi+an*(mi_1-mi_2)+bl*(mi_2-mi_3); for j=1:1:6 yi=w(j)*h(j)*(-x(1)+mi(1,j))/ri(j)^2; end dyout(k)=yi; 74 %==================================================== err(k)=rin(k)-yout(k); %==================================================== kp(k)=kp_1+xikp*err(k)*dyout(k)*sl(1); ki(k)=ki_1+xiki*err(k)*dyout(k)*sl(2); kd(k)=kd_1+xikd*err(k)*dyout(k)*sl(3); di(k)=kp(k)*sl(1)+ki(k)*sl(2)+kd(k)*sl(3); i(k)=i_1+di(k); x(1)=i(k); x(2)=y_1; x(3)=y_2; sl(1)=err(k)-err_1; sl(2)=err(k); sl(3)=err(k)-2*err_1+err_2; i_6=i_5;i_5=i_4;i_4=i_3;i_3=i_2;i_2=i_1;i_1=i(k); y_2=y_1;y_1=yout(k); mi_3=mi_2;mi_2=mi_1;mi_1=mi; ri_3=ri_2;ri_2=ri_1;ri_1=ri; w_3=w_2;w_2=w_1;w_1=w; err_2=err_1;err_1=err(k); kp_1=kp(k); ki_1=ki(k); kd_1=kd(k); end %==================================================== figure(1); hold on; plot(time,rin,'y',time,yout,'g'); xlabel('time(s)');ylabel('rin,yout'); figure(2); plot(time,yout,'r',time,ymout,'b'); xlabel('time(s)');ylabel('yout,ymount'); figure(3); plot(time,dyout); xlabel('time(s)');ylabel('Jacobian'); figure(4); 75 plot(time,i); xlabel('time(s)');ylabel('Controlling Signal'); figure(5); subplot(311); plot(time,kp,'r'); xlabel('time(s)');ylabel('kp'); subplot(312); plot(time,ki,'r'); xlabel('time(s)');ylabel('ki'); subplot(313); plot(time,kd,'r'); xlabel('time(s)');ylabel('kd'); %==================================================== ... Điều khiển nhiệt độ lò điện trở sử dụng điều khiển PID 54 3.2 Điều khiển nhiệt độ lò tầng sơi tuần hồn sử dụng điều khiển mờ 57 3.3 Điều khiển nhiệt độ lò tầng sơi tuần hồn sử dụng điều khiển. .. 53 MÔ PHỎNG BỘ ĐIỀU KHIỂN NHIỆT ĐỘ LỊ HƠI TẦNG SƠI TUẦN HOÀN VÀ ĐÁNH GIÁ 53 3.1 Điều khiển nhiệt độ lị tầng sơi tuần hồn sử dụng điều khiển PID 53 3.1.1 Khái niệm điều khiển PID ... thuyết ứng dụng điều khiển mờ, mạng nơron nhân tạo mạng nơron bán kính xuyên tâm RBF - Nghiên cứu điều khiển PID, điều khiển mờ điều khiển mờ nơron để điều khiển nhiệt độ lò tầng sơi tuần hồn