Điều khiển dự báo tựa mô hình mờ cho đối tượng phi tuyến

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI Nguyễn Thị Mai ĐIỀU KHIỂN DỰ BÁO TỰA MƠ HÌNH MỜ CHO ĐỐI TƯỢNG PHI TUYẾN Chun ngành : Điều khiển Tự động hóa LUẬN VĂN THẠC SĨ KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA NGƯỜI HƯỚNG DẪN KHOA HỌC : TS VŨ VÂN HÀ Hà Nội – Năm 2014 MỤC LỤC MỤC LỤC LỜI CẢM ƠN .3 LỜI CAM ĐOAN .4 DANH MỤC CÁC TỪ VIẾT TẮT DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ .6 PHẦN MỞ ĐẦU PHẦN NỘI DUNG .9 Chương ĐIỀU KHIỂN DỰ BÁO 1.1 Cấu trúc tổng quát điều khiển dự báo dựa mơ hình – MPC 1.1.1 Khái quát MPC 1.1.2 Mơ hình dự báo 12 1.1.3 Phiếm hàm mục tiêu 15 1.2 Giải thuật MPC .17 Chương ĐIỀU KHIỂN DỰ BÁO TRÊN CƠ SỞ HỆ MỜ 18 2.1 Hệ mờ ứng dụng 18 2.1.1 Quá trình phát triển logic mờ 18 2.1.2 Cấu trúc hệ mờ .20 2.2 Xây dựng mơ hình dự báo sở hệ mờ 30 2.2.1 Nhận dạng hệ thống 30 2.2.2 Nhận dạng hệ thống mơ hình mờ 31 2.3 Giải thuật điều khiển dự báo mờ .42 2.3.1 Giải thuật di truyền 42 2.3.2 Phương pháp Branch & Bound giải toán tối ưu 46 Chương ĐIỀU KHIỂN HỆ BỒN NỐI TIẾP BẰNG GIẢI THUẬT ĐIỀU KHIỂN DỰ BÁO MỜ 49 3.1 Xây dựng mơ hình dự báo mờ 49 3.1.1 Đối tượng điều khiển 49 3.1.2 Xây dựng mơ hình dự báo sở hệ mờ 50 3.2 Tổng hợp điều khiển dự báo cho đối tượng điều khiển .58 3.3 Kết mô 59 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 64 TÀI LIỆU THAM KHẢO 65 PHỤ LỤC 66 LỜI CẢM ƠN Tôi xin gửi lời cảm ơn trân trọng tới TS.Vũ Vân Hà GS.TS Phan Xuân Minh, người cho định hướng ý kiến quý báu để tơi hồn thành khóa luận tốt nghiệp Tơi xin tỏ lịng biết ơn sâu sắc tới thầy cơ, bạn bè dìu dắt, giúp đỡ tơi tiến suốt q trình làm khóa luận tốt nghiệp Xin cảm ơn gia đình bè bạn, người ln khuyến khích giúp đỡ tơi hồn cảnh khó khăn Tơi xin cảm ơn Viện điện, Viện Đào tạo Sau đại học – Trường Đại học Bách khoa Hà Nội tạo điều kiện cho tơi q trình học, làm hồn thành khóa luận LỜI CAM ĐOAN Tơi xin cam đoan, mà tơi viết luận văn tìm hiểu, nghiên cứu thân hướng dẫn TS.Vũ Vân Hà giúp đỡ tận tình GS.TS Phan Xuân Minh Mọi kết nghiên cứu ý tưởng tác giả khác có trích dẫn nguồn gốc cụ thể Tơi xin hồn tồn chịu trách nhiệm mà tơi cam đoan Hà Nội, ngày … tháng …năm … Người thực DANH MỤC CÁC TỪ VIẾT TẮT MPC : Model Predictive Control FMPC: Fuzzy Model Predictive Control DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Phân phối ứng dụng MPC theo mức độ phi tuyến hệ thống Hình 1.2: (a) Sơ đồ khối hệ thống điều khiển dự báo (b) Nguyên tắc điều khiển dự báo Hình 2.1: Phương pháp giải mờ cực đại Hình 2.2: Phương pháp điểm trọng tâm Hình 2.3: Sơ đồ khối nhận dạng hệ thống Hình 2.4: Vịng lặp nhận dạng Hình 2.5: Tìm kiếm để chọn thành phần hồi quy Hình 2.6:Phương pháp xây dựng mơ hình mờ Hình 2.7 : Bánh xe roulette Hình 2.8: Sơ đồ minh họa Branch & Bound Hình 3.1: Hệ thống bồn chứa nối tiếp Hình 3.2: Sơ đồ mơ đối tượng Hình 3.3: Bộ liệu và-ra dùng nhận dạng Hình 3.5: Kết huấn luyện kiểm tra mơ hình mờ Hình 3.6: Mơ hình mờ dự báo đối tượng Hình 3.7: Hàm thuộc đầu vào biến y(k-1) Hình 3.8: Hàm thuộc đầu vào biến y(k-2) Hình 3.9: Hàm thuộc đầu vào biến u(k-1) Hình 3.10 Hàm thuộc đầu vào biến u(k-2) Hình 3.10: Giá trị đầu ứng với đầu vào Hình 3.11 Thuật tốn di truyền Hình 3.12: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hình 3.13: a) Đáp ứng hệ có nhiễu b) Tín hiệu điều khiển Hình 3.14: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hình 3.15: a) Đáp ứng hệ có nhiễu b) Tín hiệu điều khiển Hình 3.16: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hình 3.17 Tín hiệu điều khiển đáp ứng hệ thay đổi Hp PHẦN MỞ ĐẦU Lý chọn đề tài Điều khiển dự báo dựa mơ hình cho đối tượng phi tuyến phát triển kỷ 20 Kể từ đời, phương pháp tỏ rõ ưu điểm lĩnh vực điều khiển ứng dụng q trình cơng nghiệp, đặc biệt điều khiển trình phi tuyến nhiều vào – nhiều Phương pháp điều khiển sử dụng mơ hình tốn học đối tượng để tìm tín hiệu điều khiển nhờ vào việc tối thiểu hố phiếm hàm mục tiêu Vì phải sử dụng mơ hình tốn học để dự báo đầu đối tượng thời điểm tương lai nên phương pháp mơ hình đối tượng đóng vai trị quan trọng Tuy nhiên, thực tế hệ phi tuyến việc xây dựng mơ hình tốn học cách xác vơ khó đặc tính phi tuyến đa dạng, mà lý thuyết mờ lại tỏ rõ ưu điểm việc điều khiển hệ thống phi tuyến Chính lý mà chọn đề tài : “Điều khiển dự báo tựa mơ hình mờ cho đối tượng phi tuyến” Mục đích nghiên cứu luận văn, đối tượng, phạm vi nghiên cứu Mục đích đề tài ứng dụng thuật toán FMPC cho đối lớp tượng phi tuyến tường minh Các vấn đề cần giải đề tài: - Xây dựng mơ hình dự báo sở hệ mờ - Xác định hàm mục tiêu đảm bảo tính ổn định bền vững hệ kín - Đề xuất giải thuật điều khiển dự báo mờ - Mơ kiểm chứng Tóm tắt đọng nội dung Ngồi phần mở đầu phần kết luận, luận văn gồm có ba phần sau: Chương 1: Điều khiển dự báo Chương trình bày số vấn đề điều khiển dự báo: khái quát điều khiển dự báo (MPC), loại mơ hình dự báo, phiếm hàm mục tiêu giải thuật MPC Chương 2: Điều khiển dự báo sở mơ hình mờ Trong chương này, chúng tơi trình bày hệ mờ ứng dụng hệ mờ; xây dựng mơ hình dự báo sở mơ hình mờ Takagi-Sugeno; giải thuật điều khiển dự báo mờ Chương 3: Điều khiển hệ bồn nối tiếp giải thuật điều khiển dự báo mờ Chương trình bày ứng dụng cụ thể điều khiển hệ bồn nối tiếp giải thuật điều khiển dự báo mờ bao gồm nội dung: xây dựng mơ hình dự báo mờ, mơ kiểm chứng phần mềm Matlab - Simulink đánh giá kết thu Phương pháp nghiên cứu - Nghiên cứu dựa việc tìm hiểu lý thuyết điều khiển dự báo dựa mơ hình, lý thuyết mờ thuật tốn tối ưu hóa điều khiển dự báo - Điều khiển mô sử dụng phần mềm matlab – simulink, áp dụng hệ phi tuyến - Thực việc tối ưu hóa giải thuật cách tối ưu phép xử lý với số học lớn Thao tác sử dụng kết hợp phương pháp tính tốn với số học nhằm tăng hiệu bước xử lý - Thu thập tài liệu xuất bản, báo tạp chí khoa học tài liệu mạng Internet có liên quan đến vấn đề nghiên cứu - Tìm hiểu, vận dụng kế thừa thuật tốn cơng trình khoa học cơng bố kết PHẦN NỘI DUNG Chương ĐIỀU KHIỂN DỰ BÁO 1.1 Cấu trúc tổng quát điều khiển dự báo dựa mơ hình – MPC 1.1.1 Khái quát MPC Lý thuyết điều khiển dự báo đời vào năm 1960, song năm 1980 phương pháp điều khiển bắt đầu phát triển mạnh trở thành lĩnh vực nghiên cứu quan trọng điều khiển tự động Hiện nay, điều khiển dự báo có nhiều ứng dụng thành cơng công nghiệp (Richalet, 1993) đặc biệt lĩnh vực lọc dầu hóa dầu Hình 1.1: Phân phối ứng dụng MPC theo mức độ phi tuyến hệ thống Qua biểu đồ cho thấy, MPC chưa thực ứng dụng nhiều hệ có tính chất phi tuyến mạnh, mà năm gần việc nghiên cứu để áp dụng kỹ thuật điều khiển dự báo cho hệ quan tâm nhiều Điều khiển dự báo chiến lược điều khiển sử dụng phổ biến điều khiển trình Phương pháp điều khiển dự báo dựa mơ hình hệ thống thật để dự đoán trước 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 tốn tối ưu hóa sử dụng để tính tốn chuỗi tín hiệu điều khiển tương lai có độ thích nghi lớn có nhiều hệ mới, trình thực dựa quay bánh xe roulette trình bày Lai ghép: trình hình thành nhiễm sắc thể sở nhiễm sắc thể cha mẹ cách ghép nhiều đoạn gen hai hay nhiều nhiễm sắc thể cha mẹ Đột biến: chèn nhiễm sắc thể vào quần thể để hình thành quần thể Mục tiêu tìm kiếm đạt dừng lại, chưa trở lại bước 3.3 Kết mơ Bộ điều khiển dự báo sử dụng giải thuật di truyền xây dựng phần mềm matlab-Simulink sau: u=GA_fis(myfis,lamda,TDLy,TDLu,model,Ts,Hp,num_bit,num_ch ro,num_gen,Amp,K_fb,Tmax) myfis: mơ hình mờ sau nhận dạng model: mơ hình đối tượng, sử dụng để tính tốn giá trị phản hồi num_bit: số bít để mã hóa num_chro: số nhiễm sắc thể quần thể num_gen: số hệ tiến hóa Amp: biên độ tín hiệu đặt K_fb: Hệ số khuếch đại mạch phản hồi Tmax: Thời gian mô Hp Hc: Phạm vi dự báo phạm vi điều khiển Các hàm sử dụng giải thuật điều khiển - Khởi tạo quần thể ban đầu: generation=genbin(pop,nbit); - Chuyển đổi chuỗi nhị phân sang giá trị thập phân: val=bin2real(chro,range) - Tái sinh có chọn lọc: newgen=selectmin(gen,myfis,lamda,TDLy,TDLu,range_du,x,k,Hp,ref,y,u,t); - Thực thuật toán lai ghép: newgen=mate(gen,ma,n_point); - Thực thuật toán đột biến: newgen=mutate(gen,mu); 59 Sử dụng matlab-simulink để mô hệ thống với thông số sau: - Phạm vi điều khiển: Hc = - Tín hiệu điều khiển u, tín hiệu y, tín hiệu đặt r - Thời gian trích mẫu: 0,5s * Đáp ứng hệ tham số điều khiển GA là: Hp = 10, lamda = 0.1, num_bit = 10, num_chro = 50, num_gen = Hc=1,Hp=10,Ts=0.5 0.4 r y y(t) 0.3 (a) 0.2 0.1 0 10 15 20 25 time(s) 30 35 40 45 50 0.8 u(t) 0.6 (b) 0.4 0.2 0 10 15 20 25 time(s) 30 35 40 45 50 Hình 3.12: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hc=1,Hp=10,Ts=3 r y (a) -2 -4 50 100 150 time(s) 200 250 300 0.8 u(t) 0.6 (b) 0.4 0.2 0 50 100 150 time(s) 200 250 300 Hình 3.13: a) Đáp ứng hệ có nhiễu b) Tín hiệu điều khiển 60 * Để giảm thời gian tính tốn, ta giảm số bít mã hóa, số nhiễm sắc thể quần thể số hệ tiến hóa Thực mơ với tham số sau: Hp = 10, lamda = 0.1, num_bit = 5, num_chro = 30, num_gen = Hc=1,Hp=10,Ts=0.5 0.4 r y y(t) 0.3 (a) 0.2 0.1 0 10 15 20 25 time(s) 30 35 40 45 50 0.8 u(t) 0.6 (b) 0.4 0.2 0 10 15 20 25 time(s) 30 35 40 45 50 Hình 3.14: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hc=1,Hp=10,Ts=3 r y (a) -2 -4 50 100 150 time(s) 200 250 300 (b) 0.4 u(t) 0.3 0.2 0.1 0 50 100 150 time(s) 200 250 Hình 3.15: a) Đáp ứng hệ có nhiễu b) Tín hiệu điều khiển 61 300 Trong trường hợp cần tối ưu lượng ta tăng trị số lamda để thu đáp ứng hệ trơn hơn, kết mô tăng lamda với tham số Hp = 10, lamda = 0.2, num_bit = 5, num_chro = 30, num_gen = sau: Hc=1,Hp=10,Ts=0.5 0.4 r y y(t) 0.3 (a) 0.2 0.1 0 20 15 10 30 25 time(s) 45 40 35 50 0.8 (b) u(t) 0.6 0.4 0.2 0 20 15 10 30 25 time(s) 45 40 35 50 Hình 3.16: a) Đáp ứng hệ khơng có nhiễu b) Tín hiệu điều khiển Hc=1,Hp=5,Ts=0.5 Hc=1,Hp=8,Ts=0.5 0.4 0.4 r y 0.2 0.1 0.2 0.1 10 15 20 25 time(s) 30 35 40 45 50 0.8 0.8 0.6 0.6 0.4 u(t) u(t) 0.2 r y 0.3 y(t) y(t) 0.3 10 15 20 25 time(s) 30 35 40 45 50 10 15 20 25 time(s) 30 35 40 45 50 0.4 0.2 10 15 20 25 time(s) 30 35 40 45 50 Hình 3.17 Tín hiệu điều khiển đáp ứng hệ thay đổi Hp Thông qua kết mô hệ thống cho thấy, điều khiển dự báo MPC cho kết điều khiển tốt, tín hiệu bám nhanh với tín hiệu đặt tín hiệu điều khiển có dao động lớn, giảm số num_bit, num_chro, num_gen tốc độ tính tốn 62 giảm nhiều cho kết tốt giống trường hợp thơng số có giá trị lớn Trong trường hợp tăng lamda, tín hiệu trơn hơn, bám nhanh so với trường hợp lamda có giá trị nhỏ Trong trường hợp thay đổi Hp ta thấy tốc độ tính tốn tăng Hp giảm, tốc độ hội tụ lại tăng lên Hp tăng Khi có nhiễu đầu ra, độ điều chỉnh tín hiệu lớn, tín hiệu điều khiển khơng tốt 63 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Các kết đạt Nghiên cứu lý thuyết mờ, lý thuyết điều khiển dự báo theo mơ hình đối tượng, tiến hành mô điều khiển dự báo dựa mơ hình mờ cho đối tượng phi tuyến tường minh phần mềm matlab Các kết nghiên cứu bước đầu thực mục đích đề tài nghiên cứu điều khiển dự báo dựa mô hình mờ cho đối tượng phi tuyến tường minh Hạn chế: thời gian có hạn nên đề tài dừng lại nghiên cứu lý thuyết, em chưa áp dụng cho hệ điều khiển thực Hướng phát triển đề tài Các kết đề tài áp dụng điều khiển hệ phi tuyến Tác giả mong muốn tiếp tục phát triển để đưa kết nghiên cứu vào ứng dụng thực tế 64 TÀI LIỆU THAM KHẢO Tài liệu nước [1] Trần Quang Tuấn,Phan Xuân Minh (2010), “Điều khiển dự báo tựa mơ hình sở hệ mờ, ứng dụng điểu khiển lũ phản ứng dây chuyền liên tục (CSTR)”, Science & Technology Development, Vol 13, No.K1-2010 [2] Lại Khắc Lãi, Lê Thị Thu Hà, Một hệ thống điều khiển đón trước dựa mơ hình mờ Takagi-Sugeno đối tượng, Trường Đại học KTCN-ĐH Thái Nguyên [3] Nhóm tác giả: Nguyễn Thúc Loan, Nguyễn Thị Phương Hà, Huỳnh Thái Hoàng (2002), “Điều khiển dự báo hệ phi tuyến dựa vào mơ hình mờ”, Bài báo mạng [4] Phan Xuân Minh, Nguyễn Doãn Phước (2004), Lý thuyết điều khiển mờ, NXB Khoa học kỹ thuật [5] Nguyễn Doãn Phước, Phan Xuân Minh, Hán Thành Trung (2003), Lý Thuyết điều khiển phi tuyến, NXB Khoa học kỹ thuật [6] Nguyễn Phùng Quang (2005), Matlab & Simulink dành cho kỹ sư điều khiển tự động, NXB Khoa học kỹ thuật Tài liệu nước [7] Lars Grüne _ Jürgen Pannek Nonlinear Model Predictive Control, Theory and Algorithms Springer London Dordrecht Heidelberg New York [8] E F Camacho and C Bordons (2004) Model Predictive Control Springer Verlag London Berlin Heideberg, second eddition 65 PHỤ LỤC Chương trình nhận dạng bồn nước mơ hình mờ function myfis=idNL(model,Ts,num_input,range_u,step) %myfis=idNL(model,0.5,4,[0 1],[50 100]) Ns=3000; T_end=(Ns-1)*Ts; t=0:Ts:T_end; t=t'; minStep=step(1); maxStep=step(2); while P1=[]; while max(size(P1))