Điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron

Bài viết này đề xuất một giải pháp ứng dụng mạng nơron thích nghi dựa trên suy luận mờ (ANFIS) để điều khiển vị trí bàn trượt. Nhằm đánh giá mức độ ưu việt của bộ điều khiển thông minh so với bộ điều khiển PID trong điều khiển vị trí hệ động cơ – bàn trượt, qua đó xác định phương pháp kết hợp dùng mạng nơ-ron với bộ điều khiển kinh điển sẽ mang lại kết quả tốt hơn, đưa ra các cơ sở để lựa chọn phục vụ trong thiết kế, sản xuất các máy công cụ. Để đạt được mục tiêu này, tác giả đã sử dụng phần mềm Matlab và Simulink làm công cụ xây dựng mô hình và mô phỏng hệ thống, bao gồm mô hình hóa đối tượng điều khiển, xây dựng bộ điều khiển PID, bộ điều khiển mạng nơ-ron.

Võ Khánh Thoại 118 ĐIỀU KHIỂN VỊ TRÍ BÀN TRƯỢT ỨNG DỤNG MẠNG NƠ-RON SLIDING TABLE POSITION CONTROL USING NEURAL NETWORKS Võ Khánh Thoại Trường Cao đẳng Công nghệ - Đại học Đà Nẵng; vkthoai@dct.udn.vn Tóm tắt - Bài báo đề xuất giải pháp ứng dụng mạng nơron thích nghi dựa suy luận mờ (ANFIS) để điều khiển vị trí bàn trượt Mục đích nghiên cứu nhằm đánh giá mức độ ưu việt điều khiển thông minh so với điều khiển PID điều khiển vị trí hệ động – bàn trượt, qua xác định phương pháp kết hợp dùng mạng nơ-ron với điều khiển kinh điển mang lại kết tốt hơn, đưa sở để lựa chọn phục vụ thiết kế, sản xuất máy công cụ Để đạt mục tiêu này, tác giả sử dụng phần mềm Matlab Simulink làm cơng cụ xây dựng mơ hình mơ hệ thống, bao gồm mơ hình hóa đối tượng điều khiển, xây dựng điều khiển PID, điều khiển mạng nơ-ron Kết mô cho thấy việc điều khiển vị trí bàn trượt ứng dụng mạng nơ-ron cho đáp ứng hệ thống nhanh, sai lệch vị trí hệ thống đảm bảo Abstract - This paper proposes a solution applying Adaptive Network based Fuzzy Inference System – ANFIS to control position of the sliding table The purpose of this study is to assess the superiority of intelligent controllers compared to that of PID controllers in machines as well as sliding table systems, and thereby determines that the combined method using neural network controllers with PID controllers will give better results, creating the basis for selection to serve the design and manufacture of tool machines To achieve this goal, the authors use Matlab and Simulink software as a tool to build simulation models and systems, including object control modeling, building the PID controller, the neural networks controller The simulation results show that the sliding table controller applying neural networks produces fast system response, and position error of the system is guaranteed Từ khóa - bàn trượt; PID; ANFIS; mạng nơ-ron; điều khiển thông minh; động DC Key words - sliding table; PID; ANFIS; neural network; intelligent controller; DC motor Đặt vấn đề Trong sản xuất gia cơng khí, sử dụng máy cơng cụ điều khiển đóng vai trị quan trọng, hệ điều khiển cho máy cần đảm bảo đơn giản, xác, ổn định, trơn tru hiệu kinh tế Để điều khiển ổn định vị trí bàn trượt máy có sử dụng động cơ, điều khiển kinh điển PID ln lựa chọn cấu trúc đơn giản dễ cài đặt [1], [2], song gặp khó khăn việc tinh chỉnh PID hệ thống có thơng số thay đổi có nhiễu tác động hay tín hiệu đặt thay đổi khác Do vậy, hệ thống điều khiển tích hợp điều khiển đại (điều khiển mờ, điều khiển nơ-ron, điều khiển thích nghi…) ứng dụng rộng rãi mang lại nhiều kết thiết thực nhằm phục vụ tốt người mặt Ứng dụng mạng nơ-ron mà cụ thể mạng nơ-ron thích nghi dựa suy luận mờ (Adaptive Network based Fuzzy Inference System - ANFIS) [3], [4], [5] để điều khiển cho đối tượng, vị trí bàn trượt hướng nghiên cứu nhằm góp phần vào mục tiêu Nội dung báo bao gồm: giới thiệu điều khiển ANFIS, mô tả toán học cho đối tượng động DC điều khiển vị trí bàn trượt, thiết kế điều khiển dùng PID ANFIS để điều khiển, cuối nhận xét kết luận Bộ điều khiển ANFIS ANFIS Jang [3] đề xuất sử dụng luật học mờ TSK (Takasi - Sugeno - Kang) Luật học mờ thứ j ANFIS Rj có dạng: IF x1 is A1j AND x2 is nA2j AND xn is Anj j THEN y = fj = p0j +  pi xi i 1 với: xi, y tương ứng biến vào, ra; Aij(xi) biến ngôn ngữ mờ ứng với biến đầu vào xi; p1j  R hệ số hàm tuyến tính fj; i = 1, 2, , n; j = 1, 2, , M Cấu trúc ANFIS gồm lớp sau: Lớp 1: Là lớp đầu vào có tín hiệu vào xi Lớp 2: Mỗi phần tử hàm  Aij ( xi ) Lớp 3: Mỗi phần tử Rj tương ứng thực luật thứ j: Lớp 4: Mỗi phần tử n tương ứng thực phép tính: Lớp 5: Mỗi phần tử thứ j thực phép tính: Lớp 6: Có phần tử tính tốn giá trị đầu ra: Sai lệch trung bình bình phương hàm đầu mong muốn ym hàm đầu y: Mơ hình hệ thống điều khiển vị trí bàn trượt Hệ truyền động gồm động chỉnh vị trí bàn trượt với tín hiệu vào điện áp tín hiệu quãng đường bàn trượt có sơ đồ Hình ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 119 ta có: U a ( s)=Ra Js Js q( s)  La q( s )  K b q( s) Ka Ka Hay: Kd q( s)  U a ( s) TaTc s  Tc s  Hình Mơ hình động chỉnh vị trí bàn trượt Sơ đồ cấu trúc hệ động điều chỉnh vị trí bàn trượt thể Hình đó, Tc  (3.7) JRa L ; Ta  a gọi số thời gian K a Kb Ra số thời gian điện động cơ; số động cơ: K d  Kb - Từ kết trên, động điện chiều kích từ độc lập với từ thơng khơng đổi bỏ qua mơ-men ma sát trục động có sơ đồ cấu trúc Hình 4: Hình Sơ đồ nguyên lý điều khiển vị trí Muốn điều khiển vị trí, ta cần phải mơ hình đối tượng điều khiển Ở đây, tác giả xét đến đối tượng động DC điều khiển vị trí bàn trượt có sơ đồ thay Hình Hình Sơ đồ cấu trúc động điện chiều Các thông số ban đầu [6], [9] hệ thống: Bộ chỉnh lưu: Wcl  10 0, 00167 s  Bộ biến dịng: Wbd  Hình Sơ đồ thay động điện DC kích từ độc lập Các phương trình tốn học mơ tả động điện chiều sau:   K a ia (3.1) ua  Ra ia  La dia  eb dt (3.2) eb  Kb q (3.3) Ở chế độ xác lập, tốc độ động tính qua phương trình cân điện áp phần ứng: q U a  Ra I a Ka (3.4) Phương trình chuyển động động là:   L  J dq  Jq dt (3.5) Máy phát tốc: W ft1  0, 0, 001s  3,14 0, 001s  Cảm biến vị trí: Wvt1  0,95 0, 005s  Nhiệm vụ người thiết kế tìm điều khiển cho hàm truyền đáp ứng vịng kín hệ thống thể vị trí bàn trượt bám theo tín hiệu đặt, khử nhiễu tốt Mục đích báo xây dựng điều khiển nơ-ron thích nghi dựa suy luận mờ để điều khiển vị trí bàn trượt theo yêu cầu Kết nghiên cứu Thiết kế điều khiển vị trí bàn trượt dùng PID Các điều khiển vị trí đơn giản thường dùng (hơn 90%) điều khiển tỉ lệ - đạo hàm - tích phân (PID) Vịng điều khiển cấp điều khiển dòng điện, giả sử ea  0, ta có sơ đồ cấu trúc mạch vịng điều khiển dịng điện Hình Trong tính tốn, ta giả thiết L = 0, (L tổng mô-men tải mô-men ma sát) biến đổi Laplace (3.5), ta được:   J q.s  K a I a (3.6) đây, s toán tử Laplace Từ (3.1), (3.2), (3.4) (3.6), sau biến đổi Laplace, Hình Sơ đồ cấu trúc mạch vòng điều khiển dòng điện Võ Khánh Thoại 120 Từ sơ đồ, ta có hàm truyền hệ hở (khi chưa có RI) là: Vịng điều khiển ngồi vị trí bàn trượt: Kcl Ra Kbd KI WhI ( s)   (Tcl s  1) (Ta s  1) (Tbd s  1) (Ta s  1)(TI s  1) Áp dụng nguyên tắc số thời gian nhỏ: (Ta >> Tcl + Tbd = T) Đây khâu quán tính bậc 2, áp dụng tiêu chuẩn tối ưu độ lớn, chọn điều khiển PI có dạng: WRI  RaTa (2 K cl Kbd T )(1  ) Ta s Thay số vào ta được: Hình Sơ đồ cấu trúc mạch vịng điều khiển vị trí Hàm truyền hệ hở (khi chưa có điều khiển vị trí Rq): W WkI K a ) K vt Rq Js Whq  Kft s Tvt s  W WkI K a 1 Rq Js T f t s  Thay số vào ta được: WRI  0,1392(1  ) 0, 0027 s Hàm truyền hệ kín có dạng: 1, 67(0, 001s  1) WkI  0, 00534 s(0, 00267 s  1)  Vòng điều khiển tốc độ: Hình Sơ đồ cấu trúc mạch vịng điều khiển tốc độ K a K ft (Tbd s  1) Kbd K ft W ( s)  WkI K a  hq Js (T ft s  1) [Js(2T )]I s(Tcl s  1)(Tbd s  1)  1](T ft s  1) với Tft = Tbd = 0,001(s) bỏ qua thành phần bậc cao, ta có: K a K ft W  hq Whq  0, 033(0, 048s  1) s(0, 005s  1)(0, 00046s  0, 04 s  1)(0, 000017 s  0, 006 s  1) Bỏ qua thành phần bậc cao, đối tượng điều khiển chứa thành phần tích phân nên ta chọn điều khiển PD Sử dụng phương pháp Ziegler-Nichols tiến hành hiệu chỉnh ta có: k pq1  450; kdq1  150 Thiết kế điều khiển dùng ANFIS Bằng cách sử dụng điều khiển nơ-ron thích nghi thay vào bù PID vị trí, từ thơng số điều khiển kinh điển PD cho mạch vòng điều khiển vị trí, ta thu thập thơng số e, de, Uđk sau mạng nơ-ron học 4.2.1 Cấu trúc hệ nơ-ron thích nghi Bộ điều khiển nơ-ron thích nghi xây dựng theo nhiều cấu trúc khác nhau, nghiên cứu này, tác giả chọn điều khiển nơ-ron thích nghi dựa suy luận mờ có cấu trúc Hình JKbd [s(2T )]I s  Áp dụng tiêu chuẩn tối ưu đối xứng với đối tượng có hàm truyền dạng tích phân qn tính bậc nhất, chọn điều khiển PI có dạng: W  K pq ( ) Rq 1 TIq s đó, T  2aTI ; K Iq đó: W Rq ( pq  JK bd , K a K f tTI a JK bd )(1  ) , aT K a K f tTI a I s chọn a = thay số vào ta được: T  0, 048 ; K Iq Nên: W  0, 0039 pq Rq  0, 0039(1  ) 0, 048s Hình Cấu trúc hệ nơ-ron thích nghi Trong sơ đồ cấu trúc, điều khiển nơ-ron mờ có đầu vào đầu Mỗi đầu vào có nơ-ron mơ tả hàm liên thuộc 4.2.2 Huấn luyện điều khiển Sau 30 kỳ huấn luyện, ta thu điều khiển nơ-ron mờ với sai số liệu vào đích liệu vào mạng 0,97.10-4, sai số tập liệu mạng nơ-ron tập liệu đích để đưa vào điều khiển vị trí động cơ, sai số chấp nhận Hình ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 11(120).2017, QUYỂN 121 khó khăn cho q trình điều khiển, hệ thống gặp nhiễu có thơng số thay đổi Sử dụng ANFIS kết hợp PID giúp ta bù tham số PID mà đáp ứng hệ thống nhanh 0,3s, sai số nhỏ 4.10-11 Hình Dữ liệu sai lệch kiểm tra mạng nơ-ron Dữ liệu kiểm tra việc huấn luyện mạng, kết trực quan thấy sai số đầu vào đối tượng Sau huấn luyện xong, xuất liệu để nạp vào hệ thống mờ, file.fis có đầu vào, tập luật điều khiển dựa suy luận mờ Hình 10, Hình 11 Hình 13 Đáp ứng hệ thống khơng nhiễu Hình 10 Cấu trúc hệ mờ sau huấn luyện mạng Hình 14 Tín hiệu điều khiển vị trí Hình 11 Hàm liên thuộc đầu luật điều khiển Bộ não điều khiển mờ lúc luật điều khiển biểu thị mối quan hệ đầu vào hệ thống Kết mô Kết mô điều khiển vị trí bàn trượt dùng phương pháp PID phương pháp ANFIS tác giả thực Matlab – Simulink có mơ Hình 12 4.3.2 Điều khiển điều kiện có nhiễu Trường hợp nhiễu đầu (nhiễu vị trí) có giá trị ngẫu nhiên (hàm Random đoạn [-0,02 – 0,01]) thể Hình 15, đáp ứng điều khiển PID tỏ không hiệu việc làm đáp ứng nhanh Khi có thay đổi điểm đặt nhiễu vị trí đầu xảy liên tiếp, chất lượng bám PID giảm xuống rõ rệt Bộ ANFIS làm việc cách hiệu quả, cho đáp ứng nhanh, bám điểm đặt tốt, sai số nhỏ Hình 12 Mơ hình điều khiển PID ANFIS 4.3.1 Điều khiển điều kiện không nhiễu Sử dụng PID ANFIS, điều kiện không nhiễu, thay đổi điểm đặt, ta đồ thị Hình 13 Từ đồ thị cách tổng hợp điều khiển PID mục 4.1, ta nhận thấy rằng, kết PID phải có chỉnh định tham số Kp, Ti, Td, việc chọn tham số phụ thuộc vào giá trị tham số hệ thống, điều gây Hình 15 Nhiễu đáp ứng nhiễu vị trí (đầu ra) Xét trường hợp nhiễu đầu vào (nhiễu đặt…) hàm step nối tiếp kết hợp hàm ngẫu nhiên random có giá trị thay đổi khoảng cho phép ±0,5, nhiễu đầu Võ Khánh Thoại 122 (nhiễu vị trí) hàm ngẫu nhiên random [-0,02 – 0,01]), tham số động Ra thay đổi tăng/giảm 0,5Ω, kết thể Hình 16 (Adaptive Network based Fuzzy Inference System - ANFIS) vào đối tượng động chỉnh vị trí bàn trượt so sánh với điều khiển kinh điển PID theo phương pháp Ziegler-Nichols, ta thấy rằng, chất lượng điều khiển nâng lên nhiều: độ điều chỉnh nhỏ, thời gian đáp ứng nhanh sai số vị trí nhỏ, bước quan trọng để góp phần nâng cao chất lượng sản phẩm hiệu kinh tế TÀI LIỆU THAM KHẢO [1] Karl Johan Åström, Tore Hägglund, ISA - The Instrumentation, Systems and Automation Society, 2006 [2] Ashwaq Abdulameer, Marizan Sulaiman Mohd Shahrieel Mohd Aras, Tuning Methods of PID Controller for DC Motor Speed Control, 2016 [3] S M Yang, Y J Tung, and Y C Liu, “A Neuro fuzzy system design methodology for vibration control”, Asian Journal of Control, Vol 7, No 4, 2005, pp 393-400 [4] Cheng-Jian Lin, Cheng-Hung Chen, Chi-Yung Lee, A TSK-Type Quantum Neural Fuzzy Network for Temperature Control, International Mathematical Forum, 1, 2006, No 18, 2006, pp.853-866 Hình 16 Đáp ứng nhiễu vào, ra, điện trở thay đổi Khi có nhiễu đầu vào ra, điện trở động thay đổi, thời gian đáp ứng PID chậm (>2 s), ANFIS cho đáp ứng nhanh điều kiện (khoảng 0,3 s); sai số PID lớn nhiều so với ANFIS, chất lượng điều khiển ANFIS tốt PID Kết luận Từ thực tế khảo sát lý thuyết ứng dụng mạng nơ-ron, mà cụ thể mạng nơ-ron thích nghi dựa suy luận mờ [5] Nikos C Tsourveloudis, Ramesh Kolluru, Kimon P Valavanis and Denis Gracanin, Suction Control of a Robotic Gripper: A Neuro Fuzzy Approach, Robotics and Automation Laboratory, The Center for Advanjced Computer Studies and A-CIM Center, University of Louisiana at Lafayette, Lafayette, LA, USA, 1999 [6] M Önder Efe, O Hasan Dagci, Okyay Kaynak, Fuzzy Control of a 2-DOF Direct Drive Robot Arm by Using a Parameterized T-Norm, Bogazici University, Mechatronics Research and Application Center, Bebek, 80815, Istanbul, Turkey [7] Babul Salam Bin KSM Kader Ibrahim, Control of a DOF direct drive robot arm using integral sliding mode control, Master thesis, 2004 [8] Kevin M Passino, Stephen Yurkovich, Fuzzy control, Addison Weslet Longman, Inc., 1998 [9] https://www.aerotech.com/product-catalog/motors.aspx (BBT nhận bài: 02/10/2017, hoàn tất thủ tục phản biện: 22/10/2017) ... khiển vị trí bàn trượt theo yêu cầu Kết nghiên cứu Thiết kế điều khiển vị trí bàn trượt dùng PID Các điều khiển vị trí đơn giản thường dùng (hơn 90%) điều khiển tỉ lệ - đạo hàm - tích phân (PID) Vịng... 4: Hình Sơ đồ nguyên lý điều khiển vị trí Muốn điều khiển vị trí, ta cần phải mơ hình đối tượng điều khiển Ở đây, tác giả xét đến đối tượng động DC điều khiển vị trí bàn trượt có sơ đồ thay Hình... Bằng cách sử dụng điều khiển nơ-ron thích nghi thay vào bù PID vị trí, từ thông số điều khiển kinh điển PD cho mạch vịng điều khiển vị trí, ta thu thập thông số e, de, Uđk sau mạng nơ-ron học 4.2.1