Tóm tắt Luận án Tiến sĩ Nhận dạng và điều khiển hệ phi tuyến có trễ dùng mô hình Fuzzy nhiều lớp kết hợp giải thuật tính toán mềm

DAI HOC QUOC GIA TP HO CHI MINH TRUONG DAI HOC BACH KHOA CAO VAN KIEN NHAN DANG VA DIEU KHIEN HE PHI TUYEN CO TRE DUNG MO HINH FUZZY NHIEU LOP KET HOP GIAI THUAT TINH TOAN MEM Ngành: Kỹ Thuật Điều Khiển & Tự Động Hóa Mã số ngành: 62520216 TÓM TẮT LUẬN ÁN TIỀN SĨ TP HO CHI MINH - NAM 2021 Cơng trình hồn thành Trường Đại học Bách Khoa - ĐHỌG-HCM Người hướng dẫn 1: GS TS Hồ Pham Huy Ánh Người hướng dẫn 2: Phản biện độc lập I: Phản biện độc lập 2: Phan bién 1: Phan bién 2: Phan bién 3: Luận án báo vệ trước Hội đông đánh giá luận an họp vào lúc g10 thang nam Có thê tìm hiểu luận án thư viện: -_ Thư viện Trường Đại học Bách Khoa — DHQG-HCM - Thư viện Đại học Quốc gia Tp.HCM - Thu vién Khoa học Tổng hợp Tp.HCM CHUONG1 GIỚI THIỆU Hệ phi tuyến có trễ hệ phi tuyến với đặc tính trễ [64], đặc tính gây khó khăn cho việc nhận dạng [65] khó khăn việc điều khiển với phương pháp yêu cầu biết phương trình tốn đối tượng Từ Zadeh giới thiệu mơ hình Fuzzy năm 1965 [12], có nhiều nghiên cứu lĩnh vực Mơ hình Fuzzy áp dụng nhiều lĩnh vực y học, kỹ thuât, tài chính, thống kê, [13]-[15| Trong chuyên ngành điều khiển thông minh, giải thuật fuzzy ứng dụng thành công điều khiển, nhận dạng, phân lớp, phân nhóm [14], [16]-1201 Hiện tại, có nhiều nghiên cứu vẻ lĩnh vực nhận dang với đủ cách tiếp cận từ kinh điển tới cách ứng dụng giải thuật thông minh, mạng thần kinh nơ ron[21], hay mơ hình Fuzzy [4] [22] Một vấn đề lĩnh vực nhận dạng thơng minh mơ hình phi tuyến nhiều ngõ vào, nhiều ngõ (MIMO) phức tạp nhiều yếu tố không chắn Đặc biệt áp dụng mơ hình Fuzzy nhận dạng, toán yêu cầu độ phức tạp cao, nhiều ngõ vào số lượng luật mờ phải nhiều, từ làm tăng khối lượng tính tốn hệ thống Đó điểm yếu mơ hình Fuzzy truyền thông áp dụng vào nhận dang cac MIMO [23]-{25] Dé khắc phục nhược điểm đó, nhiều phương pháp đưa nhà khoa học báo [24], [26]-{29] sử dụng m6 hinh Hierarchical Fuzzy để giảm số lượng luật mờ, cịn nhiều hạn chế Từ đó, tác giả có ý tưởng đưa cấu trúc Fuzzy có khả ứng dụng tốn nhận dạng điều khiển hệ thống Mơ hình MIMO phi tuyến khó để nhận nhận dạng dựa vào quan hệ tốn học Để khắc phục nhược điểm lợi dụng khả tính tốn máy tính, cơng cụ tính tốn tối ưu GA, PSO áp dụng việc nhận dạng mơ hình nhận dạng thơng minh mạng hình Fuzzy [30]-[34] Tuy nhiên giải thuật GA, PSO nơ ron hay mơ có thé mạnh hạn chế thuật tốn PSO [35], [36] đơn giản, dễ lập trình, dé bi roi vao cuc tri cuc b6, GA [37]-[39] cho két qua toan cuc tốt, nhiều thời gian tính tốn Trong năm gần đây, logic mờ, mạng nơ ron nhân tạo thuật tốn tối ưu tiến hóa phương pháp bổ sung cho việc thiết kế thực thi điều khiển thông minh nhằm phát huy ưu điểm giảm thiểu khuyết điểm phương pháp Gần đây, giải thuật DE [40] R Storn K Price phát triển năm lĩnh vực tính tốn tơi ưu Giải thuật DE 1997 trở nên phổ biến cho kết tối ưu tồn cục, có thời gian tính tốn so với GA đưa kết tìm kiềm tồn cục tốt hon PSO [41]-[43] Hơn nữa, việc áp dụng mơ hình Fuzzy/Nơ ron vào nhận dạng mơ hình học ln đặc tính trễ hệ thống Vì luận án này, tác giả chọn giải thuật DE áp dụng cho việc tối ưu mơ hình Fuzzy ứng dụng cho tốn nhận dạng mơ hình MIMO phi tuyến Giải thuật điều khiển hệ phi tuyến gần tập trung vào toán điều khiển thich nghi tng dung m6 hinh Fuzzy, No ron [44]-[49] Tuy nhiên giải thuật thích nghi chưa quan tâm đến giai đoạn khởi động, tham số khởi tạo ban đầu khởi tạo ngẫu nhiên Cùng với tiến khoa học kỹ thuật, phần cứng ngày phát triển, giải thuật điều khiển ứng dụng, giải thuật tính tốn tối ưu quan tâm nghiên cứu ngày nhiều [21] [50]-[55], đặc biệt ứng dụng mơ hình Fuzzy, Nơ ron vào toán điều khiển kết hợp giải thuật tối ưu [56]-163] Tuy nhiên, hạn chế cách tiếp cận khâu chứng minh én dinh cua thống, chứng minh qua kháo sát thực nghiệm, môi trường lý tưởng Từ vấn đề trên, tác giả phát triển giải thuật điều khiển dựa mơ hình Fuzzy đề xuất, kết hợp với giải thuật tính tốn mềm đưa cách chứng minh tính ơn định hệ thơng điều khiển dựa lý thuyết ôn định Lyapunov quyền luận án CHUONG2 2.1 COSOLY THUYET THUAT TOAN TIEN HOA VISAI Giải thuật DE [40] đề xuất lần đầu năm 1995 Prince cộng áp dụng nhiều nhận dạng hệ phi tuyến năm gân [21], [S50], [84]-[86], [88], [112], giai thuat bao gồm bước sau: ° Khởi tạo: Quá trình khởi tạo NP cá thể ngẫu nhiên quân thể, cá thể mang lời giải khác cá thể khởi tạo ngẫu nhiên phạm vi tìm kiếm chọn trước Xig =e sige Xpigl Œ) Trong G la số lượng vòng lặp (thế hé), G=0,1 , Gmax vai=1,2 , NP, D số lượng cá thể quân thể ° Đột biến: Quá trình đột biến tạo cá thể cách nhân thêm hệ số sai khác hai cá thê quân thé dé tao cd thé moi Voi cá thể X; ¢ (target), ca thể đột biến v,¿; (donor) tạo với công thức sau: Vig =X, + f%, T—%„ 6) (2) Với giá trị ngau nhiéns,,7,,7, e 1,2, ,/VP F hệ số dạng số thực ƒ c[0,2] ° Lai ghép: Sau tạo vector giá trị từ khâu đột biến, khâu lai chép thực nhiệm vụ tạo tổ hợp cá thể ⁄,¿ (trial) quan thể Cá thể tạo cách lựa chọn X, (target) với cá thể đột biến V,¿ (donor): loa = a X,.¢ ° rand, 10 1] | Laighép |—>| Chọnlọc M |—> < vary ( \ mị > mạ mạ VAF3—*‡ Hình 3.2 Hàm liên thuộc ngõ vào mơ hình Fuzzy T¬S Việc sử dụng hàm liên thuộc cho ngõ vào để đơn giản hố tính tốn, đảm bảo tính phi tuyến vừa đủ với mơ hình Fuzzy T-S Đối với tốn phức tạp hơn, cấu trúc mơ hình Fuzzy T-S giữ nguyên, cần tăng số lượng mơ hình Fuzzy T-S cấu trúc Fuzzy nhiều lớp 3.3 Nhận dạng mơ hình hệ bồn nước đơi liên kết Ký hiệu Ý nghĩa vật lý Ai Đường kính cua Bé 16.619(cm2) Ad Đường kính Bề 16.619(cm2) A3 Đường kính Bễ 16.619(cm2) Ag Đường kính Bê Cc Hệ số dẫn lưu ngõ 0.8 g Gia tốc trọng trường 98I(cm/s2) Hang số bơm 6.94(cm3/(s.V)) bị ba bs ba x, ?⁄ Đường Đường Đường Đường kính kính kính kính ống ống ống ống Giá trị [đơn vị] thoát thoát thoát thoát của của Bề Bê Bễ Bê I Ti s6 déng chay Bé voi dong chay Bé4 T¡ số dòng chảy Bê với dòng chảy B3 16.619(cm2) 0.5027(cm2) 0.3318(cm2) 0.5027(cm2) 0.3318(cm2) 70(%) 65(%) Hình 3.3 Cấu trúc mơ hình bốn nước liên kết đơi thơng số Mơ hình bổn nước liên kết xây dựng dựa mơ hình bổn nước đôi Quanser [113] Cảm biến áp suất MPX10 hãng Freescale để đo áp suất sau nội suy độ cao mực nước bồn chứa Động 24V lưu lượng 10 lít/phút sử dụng làm động bơm 3.3.1 l1 động bơm Thu thập liệu vào Để nhận dạng hệ bổn nước ứng dụng mơ hình Fuzzy nhiều lớp, cần phái thu thập liệu từ mơ hình thực Dữ liệu thu thập với thời gian lay mẫu 0.1 giây Dữ liệu dùng nhận dạng thể Hình 3.4 Giá trị điện áp ngõ vào có giá trị từ 7.5V đến 15V, giá trị ngõ vào thay đổi theo chu kỳ 10 giây Dữ liệu bao gồm giá trị điện áp cấp cho động bơm 1, động bơm mực nước từ bổn thứ bồn thứ Dữ liệu từ cảm biến có nhiễu với phương sai lớn, áp dụng thực nghiệm, đữ liệu qua lọc Kalman để lọc nhiễu Dữ liệu dùng đánh giá mơ hình thể Hình 3.5 Đó tập liệu khác tập liệu dùng huấn luyện, giá trị ngẫu nhiên điện áp ngõ vào từ 7.5V đến 15V 15 — || |, — T0 3S = k | k 15 all = = 5 ‘ 1000 ! 2000 3000 samples * 4000 N | || 5L 5000 25 ‘ 1000 : ! 2000 3000 samples * 4000 5000 25 20 / \ ETM £ 15 = | - Ay _ | | ie | | | « x*10FE | 5s ol | | f|i | \ | 1,|YX| | | I} N | Ì 1000 | A | \ py | | j \ | ||} LÍ v 2000 | awlA | | | 3000 samples 20+} | | WEA15 j† | \ \ A YY] | | | Í \ | W 4000 WW : 5000 ¬ = ẮẲ VM | ị *x 10V ol \ f | Ny F 5H | | | | l |/ | { || | | 1000 j Í O\A ApA n | A! f\ | | | | Fy AP hị | V 2000 |Í JY | [| py ự | \ ¬ | {| \M/ 3000 samples Hình 3.4 Dữ liệu huấn luyện mơ hình J V 4000 V 5000 1000 2000 3000 samples 5000 / \ / \ \/ ^ 15+ se" | 1000 20 Ƒ A | | 2000 3000 samples 4000 5000 25 20} 5—_ / ` val 25 = NB u, [volt] 4000 H} ö t, J i 1} (Ú [ I“ N J— ——¬ : | fl - S u, [volt] 147 v } VAN | II Sr Vp VÀ 10+ Ấ Ị | | 1000 | , [ AV Ấ Mw | | wiv Í lA Ni] VNI | V\/ A V | 2000 3000 samples = 15L ¬ L_ Core | | cutout || MISO I I| | ——> I— Fuzzy T-S | | I | IT TTT |_| Fuzzy T-s | I ———> — | I tr j —| FuzzyT-S] second trainin 1I— Fuzzy > TFuzzvT-s | i Core Q T-S | I Fuzzy T-S n-th trainin L_ fore _ xi po[FuzyTS|I toa T Hình 3.12 Quá trình huấn luyện ghép tầng :? output "| ?\ | New | | Kết so sánh phương pháp huấn luyện thông thường phương pháp huấn luyện ghép tầng (Bảng 3.1) Trong luận án, tác giả thực phương pháp huấn luyện ghép tầng với tầng, thực với thuật toán PSO, GA, DE Mỗi trình huấn luyện bao gồm 300 hệ Như vậy, tổng cộng có 900 hệ Các giải thuật thực laptop với CPU core 15-3210m Bảng 3.1 Bảng so sánh kết huấn luyện ghép tầng k Sô lượng x tham so Cascade C ascade de Cascade Normal Gia tri dau | Gia tri cudi ; ` ; ` ham | cua hàm | " ¬ Kapka Sơ thê hệ mục tieu mục tieu Thời gian x [Tông] (s) GA PSO DE 42 42 42 4.6650 9.3350 3.2700 0.1704 0.2478 0.0519 300 300 300 GA 21 0.6360 0.1640 300 88.21 81.57 85.46 83.29 [171.50] PSO 21 0.4798 0.0861 300 [163.37] eee DE 21 0.0750 0.0260 300 85.29 [170.75] GA 21 0.1982 0.0566 300 107.63 [279.13] PSO 21 0.4037 0.0564 300 [256.40] DE 21 0.0496 0.0178 300 104.59 [275.34] GA PSO DE 84 84 84 6.5000 6.0970 6.7250 0.5920 0.3079 0.0269 900 900 900 511.33 494.85 502.61 13 102.03 CHUONG4 DIEU KHIEN THICH NGHI HE PHI TUYEN DUNG MO HINH FUZZY NHIEU LOP KET HOP GIAI THUAT TOI UU 4.1 Giới thiệu Chương tác giả đề xuất hai giải thuật điều khiển ứng dụng mơ hình mờ nhiều lớp kết hợp với giải thuật điều khiển thích nghi áp dụng vào điều khiển hệ phi tuyến Đầu tiên giải thuật điều khiển trượt mờ thích nghi (AFSMC) Giải thuật đề xuất cho kết tốt xác so với giải thuật thích nghi thơng thường, giải thuật Euzzy-PID PID áp dụng cho hệ phi tuyến SISO không chăn Đối tượng thử nghiệm mơ hình PAM bậc, hệ SMD hệ bổn nước với đặc tính phi tuyến cao Các nội dung thực chương tóm tắt sau: e Nhận dạng tham số mơ hình mờ thuật tốn tiến hóa vi sai dùng xấp xi hàm phi tuyến chưa biết mơ hình e Xây dựng hàm thích nghi cho giải thuật điều khiển áp dụng cho hệ SISO dam bao ly thuyét 6n dinh Lyapunov e Ap dung giai thuat diéu khién truot mo thich nghi diéu khién m6 hinh PAM I-dof So sánh giải thuật dé xuất với thuật toán khác như: giải thuật điều khiến trực tiếp, Fuzzy-PID PID Tiếp theo giải thuật điều khiển ngược thích nghi nâng cao Với giải thuật điều khiển ngược áp dụng mơ hình Fuzzy nhiều lớp kết hợp với giải thuật thích nghi cho điều khiển có ưu điểm giải thuật điều khiển tối ưu thích nghi Kết giải thuật điều khiển đề xuất kiểm chứng hệ SMD hệ bổn nước liên kết Ngồi cịn so sánh với nghiên cứu nhà khoa học gần để làm bật ưu điểm giải thuật Kết qua điều khiển chương đăng báo số [2a], [3a] [4a] [7a] va [9a] 4.2 — Giải thuật điều khiến trượt mờ nâng cao kết hợp giải thuật tối ưu Từ điểm yếu giải thuật điều khiển trượt giải thuật thích nhi thơng thường, luận án để xuất giải thuật điều khiển mờ thích nghi, sử dụng mơ hình T-S fuzzy để xấp xi hàm ƒfx,) ø(+x,) , xây dựng mơ hình mờ 14 thích nghi để triệt tiêu e Mơ hình mờ thích nghi xây dựng dựa lý thuyết Lyapunov đảm bảo hệ thống phi tuyến không chắn ổn định tiệm cận Giải thuật đề xuất có sơ đồ thể Hình 4.1 Trong đó, giải thuật DE sử dụng để tối ưu Plant tham số mơ hình mờ dùng Ð = ƒ(x.?)+ gặœ.Ð)u , v=x _ H sục adaptive fuzzy sliding mode controller | Constraints 201112 / ø(xf) cac Sau thông tin nhận sal số dựng mơ hình mờ thích nghi Takagi-Sugeno fuzzy ⁄ (xt), mơ hình sử dụng để xây FO) | (SG , phi tuyên dang 2a Ð ch ae" — FG6.t)— py +x — Ksign() xâp xỉ hàm Mam dani fuzzy > IAM! IF wn ` Hình 4.1 Sơ đỗ giải thuật diéu khién mo thich nghi dé DE algorithm xuất Kết điều khiển áp dụng hệ PAM Fuzzy Adaptive control PAM system {non load) Fuzzy Adaptive control PAM T system (200g payload) ———Arsue ——ŸpIp —ÍruzwrIp — Ởar — ref Angle [rad] Angle [rad] T 10 L 20 L 30 L 40 L 50 Times [s] L 60 L 70 L 80 L 90 100 Times [s] Hinh 4.2 So sanh cac giai thuat AFSMC, Fuzzy-PID, AF va PID Và kết cho thấy điều khiển AFSMC cho kết tốt thời điểm so sánh với giải thuật AF, PID Fuzzy-PID Sự khác biệt giải thuật AFSMC giải thuật trình khởi động Giải thuật AF khởi động với 15 tham số không chăn giải thuật AFSMC khởi động với tham số nhận dang từ giải thuật tối ưu 4.3 Giải thuật điều khiến ngược thích nghỉ nâng cao kết hợp giải thuật ưu Giải thuật điều khiển ngược có nhiều ưu điểm tận dụng khả thuật tốn tính tốn mềm, khơng cần biết trước mơ hình tốn đối tượng Tuy nhiên việc áp dụng vào thực tế gặp nhiều hạn chế tham số khơng chan chan va thay đổi tham số mơ hình Trong tốn điều khiển ngược, mơ hình ngược đảm bảo tính ơn định hệ thống, khó để đảm bảo hệ ổn định tiệm cận Vì cần thêm giải thuật thích nghi dé tăng chất lượng điều khiển Mơ hình Fuzzy nhiều lớp nhận dạng hệ phi tuyến có nhiều ưu điểm so với mơ hình Fuzzy truyền thống, khơng thể tạo kinh nghiệm người thiết kế hay thử sai Nó tạo cách sử dụng giải thuật tối ưu Phan để xuất mơ hình Fuzzy nhiều lớp thích nghi để điều khiển hệ thơng thể Hình 4.3 cách kết hợp mơ hình ngược Fuzzy nhiều lớp tối _e*” we Stabilizing ưu Han control law Fuzzy | I | ! | ma =>] xj „1 —_ „-ñ oe sJ Ị > ! | | \ —l hình thích nghĩ tạo thơng dinh Lyapunov “bvưáv output Us < u Onn | I —r>!I | ‹_ Core _ _ ¡ Inverse model | | | | | | mô qua chứng minh ôn | Plant Fo y , Hình 4.3 Sơ giải thuật điều khiển đề tụ xuất Adagive | Adaptive law 16 Kết áp dung trén SMD 25 T T T T T T T T 5= x \ lạ > x K=500, c,=0.2 T & Tr7t -02 ref % \ ‘ ost `` ` ` i 05 ` see Ễg = ~~ Ị Ị Ị Ị 0.2 0.4 0.6 0.8 V iby Hà Ị Ị Ị Ị Ị 1.2 1.4 16 18 NK geen tiệt iy 10 " perm Vv < Se L 10 06 20 30 S0 40 Time(s) A he 60 70 il ^ LEN 80 Ị I4 ¥ PRT t ll ae" ¥ L 20 30 L 40 L 50 L Time(s) 60 70 L L 80 L 90 So sánh với kết qua diéu khién Zhang dé xuat trong[119], [120], giai thuat để xuất cho thời gian xác lập nhanh hon (0.2s so với 0.6s) độ vọt lỗ Các kết chi tiết thê Bảng 4.2 Bảng 4.1 Kết so sánh điều khiển áp dụng hệ SMD LMSE Case A: Case B: „,K=50 „,K=50 a=2 | Case C: Case D: Case E: œ=03 | a=03 | a=03 „,K=50 „,K=I100 ,K=500 Inverse Fuzzy Control (IFC) 6.796e-3 6.796e-3 6.796e-3 6.796e-3 6.796e-3 Adaptive Fuzzy Control (AFC) 1.219e-3 1.215e-3 1.189e-3 8.965e-4 7.118e-4 1.088e-3 1.085e-3 1.068e-3 8.599e-4 7.089e-4 Proposed controller (IFC+AF) Bang 4.2 So sánh chất lượng giải thuật điều khiển áp dụng lên hệ SMD Methods Giai thuat cua Wang (2017) Giải thuật [118](2019) Giải thuật [119](2018) của 100 A a ý 90 Hình 4.4 Kết điều khiển hệ SMD so sánh với giải thuật khác a =10 0.4 second [s] Method TT V ¡ *“ A 7a Ni io -02E T ñ liụ 02 ` T ===" IFC ——AF = = IFG+AF ¥ % T T — ° y > é T TàẦ nh g 02 a 246 = :5 alpha=0.3, iy = \ Ñ\ - T Fi So¿L HE 04 {? hy 16 T ost t alt ' ` \ T 08E T Overshoot (%) [117] | 70 Settling (s) 7.8 Shen | 0.6 25 Zhang | 20 17 time | Steady-state error 100 Giải thuật Zhang [120] | 20 (2018) Giải thuật đề xuất 0.6 0” 0” 0.42” 0.8” 0” 0” 02” 07 Note: ” Hệ SMD giống với báo [117]; ”: Hệ SMD giống với báo [118]; ”*: Hệ SMD giống với báo [119], [120] Kết áp dụng hệ bôn nước 30 T — T T alpha=2, K=50 T IFC ——AF - - IFCxF T T ù Ạ ” :i T- T Ũi 5" 1 _—n=e=s=s=sd Ị ` 25 r 3a ị , ` ` 400 J 1000 90 + T je j1 fa i, Erroricm) T T \ ì\ ld T HS ~~ X lg Hh | ‘ | : — v h*==-—ễŸ=-—- caseA ~ t ~ caseB t se ðỐ0a2seC t =»=-caseD ¬ caseE | wt, Se es mewn ke ch fa ị | \ t = h a jt “ -% NS _—? ew | fe fa 1 |—« VN v.v $ +» ba t LT | ị ì , - x Hình 4.5 So sánh điều khiển áp dụng cho hệ bổn nước liên kết Bảng 4.3 So sánh chât lượng điêu khiên với tiêu chuân MSE Phương pháp Tiêu chuẩn trung bình bình phương sai số (MSE) Case A: |Case B: | Case C: | Case a=10, œ=2, a=0.3, œ=2, D: | Case œ=2, K=5 K=5 K=5 K=20 K=50 6.322 6.322 6.322 6.322 6.322 Adaptive Fuzzy Control | 5.757 (AFC) 4.413 4.718 3.48 3.461 GIẢI thuật để | os7 2.723 2.757 2.454 2.405 Inverse Fuzzy Control (IFC) xuat E: Từ Hình 4.5 Bảng 4.3 cho thay giai thuat dé xuất vượt trội khơng có độ vọt số thời gian xác lập mà tiêu chuẩn MSE so với giải thuật điều khiển thích nghi thơng thường giải thuật điều khiển ngược 18 ... áp dụng mô hình Fuzzy nhiều lớp kết hợp với giải thuật thích nghi cho điều khiển có ưu điểm giải thuật điều khiển tối ưu thích nghi Kết giải thuật điều khiển đề xuất kiểm chứng hệ SMD hệ bổn nước... ứng dụng toán nhận dạng điều khiển hệ thống Mơ hình MIMO phi tuyến khó để nhận nhận dạng dựa vào quan hệ toán học Để khắc phục nhược điểm lợi dụng khả tính tốn máy tính, cơng cụ tính toán tối ưu... đó, giải thuật nhận dạng ghép tầng áp dụng để nhận dạng hệ bổn nước, kết mô thực nghiệm cho thấy ưu điểm mô hình Fuzzy nhiều lớp nhận dạng khả giải thuật huấn luyện ghép tầng việc nhận dạng mơ hình