(Luận văn thạc sĩ) điều khiển SWING UP và cân bằng con lắc ngược

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THÔNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƯỢC NGÀNH: KỸ THUẬT ĐIỆN – 60520202 S K C0 6 Tp Hồ Chí Minh, tháng 10/2015 BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƢỜNG ĐẠI HỌC SƢ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH LUẬN VĂN THẠC SĨ NGUYỄN QUANG THƠNG ĐIỀU KHIỂN SWING-UP VÀ CÂN BẰNG CON LẮC NGƢỢC NGÀNH: KỸ THUẬT ĐIỆN – 60 520202 Hướng dẫn khoa học: TS NGƠ VĂN THUN Tp Hồ Chí Minh, tháng 10/2015 LỜI CẢM ƠN Lời đầu tiên, xin gửi lời cảm ơn sâu sắc đến thầy TS Ngô Văn Thuyên, thầy hỗ trợ tạo điều kiện tốt cho phương tiện thiết bị học tập Hơn nữa, thầy định hướng, cung cấp cho tài liệu kiến thức có giá trị với lời động viên, khích lệ tinh thần học tập giúp tơi hồn thành luận văn Sau đó, tơi xin gửi lời cảm ơn chân thành đến tập thể quý Thầy Cô trường Đại Học Sư Phạm Kỹ Thuật Tp Hồ Chí Minh trang bị cho tảng kiến thức vững vàng, đáng giá Đặc biệt, xin chân thành cảm ơn quý Thầy Cô Khoa Điện – Điện Tử tạo điều kiện thuận lợi hỗ trợ cho nhiều trình học tập thời gian làm luận văn Cuối cùng, xin gởi lời cảm ơn đến gia đình, bạn bè, đồng nghiệp giúp đỡ, hỗ trợ kiến thức tinh thần trình làm luận văn ii MỤC LỤC Trang tựa Trang Quyết Định Giao Đề Tài Xác Nhận Của Cán Bộ Hướng Dẫn Lý Lịch Khoa Học Lời cam đoan i Lời cảm ơn ii Tóm tắt luận văn iii Abtract iv Mục lục v Danh sách chữ viết tắt viii Danh sách hình ix Danh sách bảng xiv Chƣơng TỔNG QUAN 1.1 Đặt vấn đề 1.2 Lịch sử nghiên cứu 1.3 Mục tiêu giới hạn đề tài 1.4 Phương pháp nghiên cứu .4 1.5 Nội dung luận văn Chƣơng CƠ SỞ LÝ THUYẾT .6 2.1 Giới thiệu sơ lược hệ thống lắc ngược quay 2.2 Thiết lập mơ hình toán học lắc ngược quay .7 2.3 Cơ sở lý thuyết mạng nơron hàm sở xuyên tâm .11 2.3.1 Khái niệm hàm sở xuyên tâm 11 2.3.2 Mơ hình mạng RBF 11 2.3.3 Mơ hình mạng RBF Gaussian 15 2.3.4 Các chiến lược học cho mạng RBF 19 2.3.5 Mạng hàm sở xuyên tâm Matlab 19 2.4 Tổng quan điều khiển mờ .24 v 2.4.1 Cấu trúc điều khiển mờ 25 2.4.2 Nguyên lý làm việc điều khiển mờ 28 2.4.3 Các loại điều khiển mờ thường sử dụng 29 2.4.4 Thiết kế điều khiển mờ 30 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG BỘ ĐIỀU KHIỂN PID .31 3.1 Thiết lập sơ đồ khối lắc ngược Simulink Matlab 31 3.2 Mô điều khiển cân lắc ngược dùng điều khiển PID .32 3.2.1 Đáp ứng góc lắc tuyến tính chưa có điều khiển 32 3.2.2 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α 34 3.2.3 Đáp ứng góc lắc tuyến tính có điều khiển PID cho góc α góc θ 35 3.2.4 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi khối lượng lắc 37 3.2.5 Đáp ứng góc lắc tuyến tính có điều khiển PID hai biến thay đổi chiều dài lắc 39 3.2.6 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến 41 3.2.7 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi khối lượng lắc 42 3.2.8 Đáp ứng góc lắc phi tuyến có điều khiển PID hai biến thay đổi chiều dài lắc 44 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG MẠNG NƠRON NHÂN TẠO RBF 47 4.1 Thiết kế điều khiển cân dùng mạng nơron RBF 47 4.2 Mô điều khiển cân lắc ngược phi tuyến dùng mạng nơron RBF 49 4.2.1 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc đặt cố định 49 vi 4.2.2 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF với góc nhiễu ngẫu nhiên 50 4.2.3 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi khối lượng lắc 52 4.2.4 Đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF thay đổi chiều dài lắc 55 4.2.5 So sánh mạng nơron RBF với mạng Fitting Neural Network 58 Chƣơng ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ .61 5.1 Nguyên lý điều khiển mờ 61 5.1.1 Tiền xử lý 61 5.1.2 Mờ hóa 62 5.1.3 Hệ qui tắc mờ 62 5.1.4 Giải mờ 63 5.2 Điều khiển swing-up 63 5.3 Áp dụng điều khiển mờ swing-up lắc 64 Chƣơng KẾT QUẢ THỰC NGHIỆM 66 6.1 Điều khiển cân dùng mạng nơron RBF 66 6.2 Điều khiển swing-up dùng Logic Mờ 68 Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 71 7.1 Kết luận 71 7.2 Hướng phát triển đề tài 71 TÀI LIỆU THAM KHẢO 72 vii Chƣơng Tổng quan Chƣơng TỔNG QUAN 1.1 Đặt vấn đề Con lắc ngược sử dụng phổ biến việc nghiên cứu lý thuyết điều khiển đối tượng đại diện cho lớp đối tượng có độ phi tuyến cao khơng ổn định Mơ hình lắc ngược có nhiều dạng khác như: xe hai bánh tự cân bằng, xe lắc ngược, lắc ngược quay, lắc ngược kép (pendubot), … Hình 1.1 Xe hai bánh tự cân Hình 1.2 Con lắc ngược quay Hình 1.3 Xe lắc ngược Hình 1.4 Con lắc ngược kép Chƣơng Tổng quan Con lắc ngược có hai điểm cân bằng: điểm cân vị trí thẳng đứng hướng lên điểm cân vị trí thẳng đứng hướng xuống Trong điểm cân vị trí thẳng đứng hướng lên điểm cân không ổn định Bài toán đặt thiết kế điều khiển thích nghi để ổn định lắc vị trí cân thẳng đứng hướng lên với cánh tay nằm vị trí 1.2 Lịch sử nghiên cứu Các lý thuyết áp dụng thành công để điều khiển hệ phi tuyến chia thành hai nhóm chính: lý thuyết điều khiển kinh điển lý thuyết điều khiển đại Nhóm phương pháp điều khiển kinh điển dựa vào việc tuyến tính hóa đặc tuyến hệ thống xung quanh điểm làm việc áp dụng phương pháp điều khiển cho hệ tuyến tính Nhóm phương pháp điều khiển đại bao gồm: điều khiển mờ, điều khiển dùng giải thuật di truyền, dùng mạng thần kinh nhân tạo, … Lý thuyết điều khiển kinh điển bộc lộ yếu điểm chất lượng độ tin cậy đối tượng điều khiển hệ phi tuyến, đối tượng khơng rõ khó xác định xác mơ hình tốn học chịu tác động nhiễu Điều khiển mờ thích nghi dựa vào việc xấp xỉ thông số đối tượng dùng mô hình mờ Các thơng số cập nhật liên tục trình điều khiển dựa vào sai số hồi tiếp Phương pháp vận dụng tính xấp xỉ hàm hệ mờ dùng luật thích nghi để cập nhật thông số hệ mờ theo tiêu chuẩn ổn định Lyapunov Ngày nay, lý thuyết điều khiển tuyến tính phát triển hồn chỉnh áp dụng thành cơng q trình cơng nghiệp thiết bị dân dụng Tuy nhiên, lý thuyết không hiệu hệ thống phi tuyến mà khơng thể khó xác định xác mơ hình tốn học, hệ thống có mơ hình tốn học thay đổi chịu tác động nhiễu Bên cạnh đó, lý thuyết điều khiển phi tuyến có bước tiến đáng kể để làm tảng toán học cần thiết nhằm thiết lập điều kiện ổn định cho việc thiết kế điều khiển đạt chất lượng Chƣơng Tổng quan Hệ lắc ngược có cấu trúc đơn giản mang đầy đủ đặc tính phi tuyến Do đó, hệ thống sử dụng rộng rãi thí nghiệm kiểm chứng lý thuyết điều khiển Hệ lắc ngược quay không bị giới hạn không gian hoạt động hệ SIMO nên giải thuật điều khiển phải đòi hỏi phức tạp hơn, phù hợp cho giải thuật điều khiển chuyên sâu Quá trình điều khiển lắc ngược chia thành hai giai đoạn: điều khiển swing-up điều khiển cân Thực không vấn đề mẻ nên có nhiều cơng trình nghiên cứu vấn đề đạt thành công định Đối với điều khiển cân bằng, giải thuật phi tuyến sử dụng thành công back-stepping [1], điều khiển trượt [2], … Tuy nhiên, giải thuật có khuyết điểm chung phải biết mơ hình tốn đối tượng thơng số mơ hình tương ứng Ngồi ra, điều khiển tuyến tính hệ thống hoạt động tốt quanh điểm làm việc xác định nên vùng không gian hoạt động ổn định bị giới hạn Để khắc phục khuyết điểm trên, số tác giả sử sử dụng giải thuật điều khiển thông minh điều khiển mờ [3], điều khiển dùng mạng nơron [4] [5]… Việc sử dụng mạng nơron để học theo điều khiển PID đạt thành công việc điều khiển cân lắc ngược quay Tuy nhiên, vấn đề chọn mạng nơron để sử dụng điều khiển vấn đề cần quan tâm Đối với điều khiển swing-up, số tác giả dùng phương pháp kích xung có độ rộng khác tùy theo vị trí lắc để đưa lắc dần lên vị trí cân đạt thành công thực tế [6] Khi lắc đến vị trí gần với vị trí cân giải thuật cân thực Tuy nhiên, phương pháp không mềm dẻo trạng thái hoạt động khác hệ lắc ngược quay Do đó, cần phải áp dụng giải thuật thơng minh cho điều khiển swing-up Từ suy nghĩ đó, số tác giả nước ngồi [7] mơ thành công việc điều khiển swing-up cho lắc ngược dùng điều khiển mờ kết thực tế lại không đề cập đến Chƣơng Tổng quan 1.3 Mục tiêu giới hạn đề tài Mục tiêu đề tài điều khiển swing-up cân lắc ngược, nhiệm vụ cụ thể là: ‒ Xây dựng mơ hình tốn hệ thống lắc ngược ‒ Sử dụng Simulink Matlab mô hệ thống lắc tuyến tính phi tuyến ‒ Xây dựng điều khiển cân dùng mạng nơron hàm sở xuyên tâm RBF xây dựng điều khiển swing-up lắc sử dụng giải thuật Logic Mờ Giới hạn đề tài thiết kế điều khiển mơ hình lắc ngược quay giữ cân dùng mạng nơron offline, chưa xây dựng mạng nơron online (mạng có khả tự điều chỉnh trọng số trình điều khiển) 1.4 Phƣơng pháp nghiên cứu Các phương pháp nghiên cứu sử dụng luận văn bao gồm: ‒ Khảo sát, phân tích tổng hợp ‒ Mơ máy tính phần mềm Matlab phiên R2013A ‒ Thí nghiệm mơ hình thực thu thập liệu qua cổng COM phần mềm Terminal v1.9b Sau xử lý liệu vẽ đồ thị phần mềm Matlab Các thí nghiệm mơ hình thực nghiệm thực xưởng điện 4B, trường Đại Học Sư Phạm Kỹ Thuật TP HCM ‒ Đánh giá kết dựa mô thực nghiệm 1.5 Nội dung luận văn Phần lại nội dung luận văn bao gồm: Chƣơng 2: Cơ sở lý thuyết Chương trình bày bước thiết lập mơ hình tốn học lắc ngược, sở lý thuyết mạng nơron hàm sở xuyên tâm RBF, cách xây dựng mạng nơron RBF Matlab, sở lý thuyết điều khiển mờ thiết kế điều khiển mờ Chƣơng 3: Điều khiển cân dùng điều khiển PID Chương trình bày cách thiết lập sơ đồ khối lắc ngược Simulink Matlab kết mô khảo sát đáp ứng hệ thống lắc ngược tuyến tính phi tuyến điều khiển PID biến, PID hai biến Simulink Matlab Chƣơng Điều khiển cân dùng mạng nơron nhân tạo RBF Hình 4.26 Sơ đồ khối so sánh liệu đáp ứng góc lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network Đáp ứng góc α góc θ lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network vẽ đồ thị Hình 4.27 Hình 4.28 Hình 4.27 Đáp ứng góc α lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network Hình 4.28 Đáp ứng góc θ lắc phi tuyến điều khiển mạng nơron RBF mạng Fitting Neural Network 59 Chƣơng Điều khiển cân dùng mạng nơron nhân tạo RBF Nhận xét: Kết mô cho thấy, trường hợp mạng nơron RBF có khả trì giá trị góc α góc θ dao động ổn định, khơng bị trơi hướng So với mạng Fitting Neural Network luận văn tác giả Nguyễn Đức Quyền [5] mạng nơron RBF điều khiển lắc với độ dao động góc α góc θ nhỏ nhiều Điều chứng tỏ mạng nơron RBF có khả điều khiển cân lắc ngược tốt mạng Fitting Neural Network Bên cạnh đó, mạng nơron RBF có ưu nhược điểm định: Ưu điểm: ‒ Lệnh huấn luyện đơn giản, không cần phải khai báo nhiều thông số ‒ Thời gian huấn luyện ngắn Nhược điểm: ‒ Q trình mơ nhiều thời gian ‒ Thuật toán huấn luyện chiếm nhiều dung lượng nhớ, huấn luyện liên tục bị lỗi “Out of Memory” Để khắc phục, phần mềm Matlab phải khởi động lại trước tiếp tục huấn luyện ‒ Khó khăn việc chọn hệ số Spread Từ trước đến hệ số chọn theo kinh nghiệm nhiều nhiều thời gian để tìm hệ số spread thoả mãn yêu cầu tốn điều khiển Chính thế, tìm hệ số spread thoả mãn yêu cầu tốn điều khiển khơng thể kết luận hệ số tối ưu 60 Chƣơng Điều khiển swing-up dùng Logic Mờ Chƣơng ĐIỀU KHIỂN SWING-UP DÙNG LOGIC MỜ 5.1 Nguyên lý điều khiển mờ Khái niệm Logic Mờ giáo sư LA Zadeh đưa lần năm 1965 trường Đại học Berkeley, Bang California, Mỹ Từ đó, lý thuyết mờ phát triển ứng dụng rộng rãi Năm 1970, trường Mary Queen, London, Anh, Ebrahim Mamdani dùng Logic Mờ để điều khiển máy nước mà ông điều khiển kỹ thuật cổ điển Tại Đức, Harm Zimmermann dùng Logic Mờ cho hệ định Tại Nhật, Logic Mờ ứng dụng vào nhà máy xử lý nước Fuji Electronic vào 1983, hệ thống xe điện ngầm Hitachi vào 1987 Lý thuyết mờ đời Mỹ, ứng dụng Anh phát triển mạnh mẽ Nhật Trong lĩnh vực Tự Động Hoá, Logic Mờ ngày ứng dụng rộng rãi Ưu điểm lớn Logic Mờ điều khiển khơng cần biết mơ hình tốn học đối tượng Điều khiển mờ dựa kinh nghiệm điều khiển, điều khiển kinh điển lại hoàn toàn dựa vào xác tuyệt đối liệu Vì điều khiển mờ giải vấn đề mà điều khiển kinh điển không làm Sơ đồ khối điều khiển mờ trình bày Hình 5.1 Hình 5.1 Sơ đồ khối điều khiển mờ 5.1.1 Tiền xử lý Khâu tiền xử lý có chức xử lý tín hiệu trước đưa vào điều khiển mờ: 61 Chƣơng Điều khiển swing-up dùng Logic Mờ ‒ Lượng tử hóa làm trịn giá trị đo ‒ Chuẩn hóa chuyển tỉ lệ giá trị đo vào tâm giá trị chuẩn ‒ Lọc nhiễu ‒ Lấy vi phân hay tích phân 5.1.2 Mờ hóa Khâu mờ hóa chuyển giá trị rõ thành giá trị mờ để hệ qui tắc suy luận Giả sử tín hiệu vào hệ mờ giá trị rõ x’, khối mờ hóa biến đổi giá trị rõ x’ thành tập mờ Ã’ sau: Ã’= fuzz (x’) Trong đó: fuzz hàm mờ hóa, thơng thường tín hiệu vào hệ mờ tín hiệu phản hồi từ ngõ đối tượng sai lệch tín hiệu đặt tín hiệu phản hồi từ ngõ đối tượng Nếu mạch đo xác, khơng có nhiễu giá trị rõ x’ đơn giản biến đổi thành tập mờ Ã’ có dạng Singleton Hình 5.2a Nếu mạch đo khơng xác có nhiễu giá trị phản hồi x’ giá trị khơng chắn, khối mờ hóa biến đổi giá trị khơng chắn x’ thành tập mờ có dạng Hình 5.2b Hình 5.2c (a) (b) (c) Hình 5.2 Tập mờ ngõ khâu mờ hóa Trong điều khiển mờ tín hiệu vào điều khiển thường mờ hóa thành tập mờ có dạng Singleton Các tín hiệu vào sau mờ hóa xử lý hệ qui tắc mờ 5.1.3 Hệ qui tắc mờ Hệ qui tắc mờ gồm qui tắc có dạng mệnh đề “nếu … …”, mệnh đề điều kiện mệnh đề kết luận quy tắc mệnh đề mờ liên quan đến hay nhiều biến ngơn ngữ Điều có nghĩa hồn tồn sử dụng hệ mờ để giải toán điều khiển ngõ vào ngõ (SISO) hay nhiều ngõ vào nhiều ngõ (MIMO) 62 Chƣơng Điều khiển swing-up dùng Logic Mờ Hai phương pháp suy diễn thường dùng điều khiển mờ MAX-MIN MAX-PROD Hai loại quy tắc mờ sử dụng phổ biến hệ mờ quy tắc mờ Mamdani quy tắc mờ Tagaki – Sugeno Trong ứng dụng điều khiển, quy tắc Mamdani thích hợp để điều khiển đối tượng khơng xác định mơ hình tốn Trong đó, quy tắc mờ Sugeno thích hợp để giải tốn phi tuyến phương pháp tuyến tính hóa đoạn 5.1.4 Giải mờ Giải mờ trình xác định giá trị rõ đầu từ hàm thuộc µB’(y) tập mờ B’ Có nhiều cách giải mờ theo phương pháp cực đại, giải mờ theo phương pháp trọng tâm, phương pháp độ cao, … 5.2 Điều khiển swing-up Bộ điều khiển swing-up sử dụng để đưa lắc từ vị trí thẳng đứng hướng xuống lúc ban đầu đến vị trí thẳng đứng hướng lên Bộ điều khiển swing-up thiết kế dựa theo báo “Swing-up Control of Inverted Pendulum using Pseudo-State feedback” tác giả K.Furuta and M Yamakita Thuật toán điều khiển swing-up lắc tiến hành sở phân tích quỹ đạo chuyển động lắc miền không gian trạng thái Mối quan hệ trạng thái vị trí góc lắc  ,  ,  với      , trạng thái vị trí góc cánh tay π/2 > θ > Có thể thấy gia tốc cánh tay 0, tức cánh tay quay chậm đứng yên quỹ đạo chuyển động lắc có xu hướng góc tọa độ (θ = 0,  = 0) Để lắc lắc ngược lên vị trí ±π cần gia tốc chuyển động cánh tay Nếu lắc vị trí π/2 > θ > 0, tốc độ góc  ≥ giảm cần gia tốc cánh tay theo hướng thuận chiều kim đồng hồ nhờ tín hiệu điều khiển u = -u0 Nếu lắc vị trí > θ > -π/2, tốc độ góc  ≤ giảm cần gia tốc cánh tay theo hướng ngược chiều kim đồng hồ nhờ tín hiệu điều khiển u = u0 Miền không gian trạng thái lắc trình bày Hình 5.3 63 Chƣơng Điều khiển swing-up dùng Logic Mờ Hình 5.3 Miền khơng gian trạng thái lắc Từ thấy thao tác điều khiển gia tốc quay cánh tay thực hai vùng A B mặt phẳng quỹ đạo Khi lắc rời khỏi hai vùng A B có tốc độ góc |  | vị trí góc |θ| lớn Sau vài chu kỳ lắc vị trí góc lắc đạt đến ±π với vận tốc thấp Mơ hình điều khiển swing-up cân lắc thể Hình 5.4 Hình 5.4 Mơ hình điều khiển swing-up cân lắc ngược 5.3 Áp dụng điều khiển mờ swing-up lắc Bộ điều khiển mờ xây dựng có hai ngõ vào de, t_in tín hiệu ngõ u điều khiển 64 Chƣơng Điều khiển swing-up dùng Logic Mờ Sơ đồ mờ hóa ngõ vào trình bày Hình 5.5 Hình 5.5 Sơ đồ mờ hóa ngõ vào Sơ đồ giải mờ ngõ trình bày Hình 5.6 Hình 5.6 Sơ đồ giải mờ ngõ Luật mờ: ‒ Nếu tín hiệu ngõ vào NE tín hiệu điều khiển NB ‒ Nếu tín hiệu ngõ vào ZE tín hiệu điều khiển ZE ‒ Nếu tín hiệu ngõ vào PO tín hiệu điều khiển PB Hình 5.7 Vùng tác động điều khiển lắc ngược 65 Chƣơng Kết thực nghiệm Chƣơng KẾT QUẢ THỰC NGHIỆM 6.1 Điều khiển cân dùng mạng nơron RBF Sơ đồ khối thu thập liệu trình bày Hình 6.1 Hình 6.1 Sơ đồ khối thu thập liệu Mơ hình điều khiển điều khiển PID để thu thập liệu Dữ liệu thu thập gồm: ‒ ngõ vào: Góc α, thành phần trễ góc α; Góc θ, thành phần trễ góc θ ‒ ngõ ra: Tín hiệu tổng hợp hai PID 66 Chƣơng Kết thực nghiệm Khác với việc thu thập liệu mô phỏng, thực nghiệm khối SCI Transmit Matlab kết hợp với phần mềm Terminal sử dụng để thu thập liệu từ mơ hình máy tính qua cổng COM Sau thu thập xử lý liệu, việc huấn luyện mạng nơron tiến hành Kết thúc trình huấn luyện, sơ đồ khối điều khiển cân lắc xây dựng Hình 6.2: Hình 6.2 Sơ đồ khối điều khiển cân lắc ngược mạng nơron RBF Kết đáp ứng góc α góc θ thể đồ thị Hình 6.3 Hình 6.4 Hình 6.3 Đáp ứng góc α điều khiển lắc ngược mạng nơron RBF 67 Chƣơng Kết thực nghiệm Hình 6.4 Đáp ứng góc θ điều khiển lắc ngược mạng nơron RBF Nhận xét: Kết thực nghiệm cho thấy, điều khiển mạng nơron RBF góc α lắc dao động khoảng (-30 ÷ 10) góc θ lắc dao động khoảng (-100 ÷ 500) 6.2 Điều khiển swing-up dùng Logic Mờ Sơ đồ khối điều khiển swing-up cân lắc ngược thiết kế Hình 6.5 Hình 6.5 Sơ đồ khối điều khiển swing-up cân lắc ngược 68 Chƣơng Kết thực nghiệm Kết đáp ứng góc α góc θ thể đồ thị Hình 6.6 Hình 6.7 Hình 6.6 Đáp ứng góc α điều khiển swing-up cân Hình 6.7 Đáp ứng góc θ điều khiển swing-up cân Kết đáp ứng góc α góc θ giai đoạn cân thể đồ thị Hình 6.8 Hình 6.9 69 Chƣơng Kết thực nghiệm Hình 6.8 Đáp ứng góc α giai đoạn cân Hình 6.9 Đáp ứng góc θ giai đoạn cân Nhận xét: Kết thực nghiệm cho thấy, lắc đưa lên vị trí cân khoảng giây, sau trì trạng thái cân ổn định với góc α dao động khoảng (-10 ÷ 30) góc θ dao động khoảng (-500 ÷ 100) 70 Chƣơng Kết luận hƣớng phát triển Chƣơng KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 7.1 Kết luận Mục đích luận văn xây dựng điều khiển cân cho lắc ngược mạng nơron hàm sở xuyên tâm Công việc tiến hành xây dựng mơ hình tốn học cho lắc ngược để phục vụ cho việc mô thu thập liệu Sau dùng liệu để huấn luyện cho mạng nơron hàm sở xuyên tâm Qua kết mô thực nghiệm cho thấy, mạng nơron hàm sở xuyên tâm có khả cân ổn định lắc vị trí thẳng đứng hướng lên với góc dao động nhỏ Hạn chế mạng hệ số Spread chọn theo kinh nghiệm khơng thể kết luận hệ số Spread chọn tối ưu Bên cạnh đó, điều khiển swing-up thiết kế để tạo dao động đưa lắc từ vị trí bng lõng lên đến vị trí cân thẳng đứng hướng lên Giải thuật Logic Mờ sử dụng điều khiển swing-up kết thực nghiệm cho thấy điều khiển swing-up sử dụng Logic Mờ đưa lắc từ vị trí bng lõng lên vị trí cân khoảng thời gian giây sau lắc tiếp tục trì trạng thái cân ổn định với góc dao động nhỏ 7.2 Hƣớng phát triển đề tài Đề tài phát triển thêm sau: ‒ Dùng mạng nơron online để tự huấn luyện điều chỉnh thông số, cấu trúc mạng trình điều khiển ‒ Ứng dụng mạng nơron theo luật học không giám sát để điều khiển ổn định hệ thống lắc ‒ Xây dựng giải thuật tối ưu hóa hệ số Spread huấn luyện mạng nơron RBF 71 TÀI LIỆU THAM KHẢO [1] Yung-Chih Fu, Jung-Shan Lin, Nonlinear backstepping control design of the furuta pendulum, IEEE Conference on Control Applications - CCA, pp 96-101, 2005 [2] Mojtaba Ahmadieh Khanesar., Mahdi Aliyari Shoorehdel, Sliding Mode Control of Rotary Inverted Pendulum, Proceedings of the 15th Mediterranean Conference on Control & Automation, July 27 - 29, Greece, 2007 [3] Chunha Ryu, Byung-Jae Choi, Bong-Yeol Choi, Design of a Fuzzy Logic Controller for a Rotary-type Inverted Pendulum System, International Journal of Fuzzy Logic and Intelligent Systems, vol 2, no 2, June 2002 pp 109-114 [4]Trương Tấn, Ngô Văn Thuyên, Điều khiển nhận dạngcon lắc ngược, Luận Văn Thạc Sỹ - Đại Học Sư Phạm Kỹ Thuật TP HCM, 2012 [5]Nguyễn Đức Quyền, Ngô Văn Thuyên, Điều khiển lắc ngược sử dụng mạng nơron chip DSP, Luận Văn Thạc Sỹ - Đại Học Sư Phạm Kỹ Thuật TP HCM, 2013 [6] Zhongmin Wang, Yang Quan Chen, Ning Fang, Minimum-Time Swing-up of a Rotary Inverted Pendulum by Iterative Impulsive Control, Proceeding of the American Control Conference Boston, Massachusetts, 2004 [7] Singh Vivekkumar Radhamohan, Mona Subramaniam A, Dr M.J.Nigam, Fuzzy Swing-up and Stabilization of Real Inverted Pendulum using single rulebase, Journal of Theoretical and Applied Information Technology, 2010 [8] Phạm Hữu Dục Đức, Mạng nơron ứng dụng điều khiển tự động, Nhà xuất khoa học kỹ thuật, 2009 [9] Nguyễn Thị Phương Hà, Huỳnh Thái Hoàng, Lý thuyết điều khiển tự động, Đại học Bách khoa Tp.HCM, 2005 72 S K L 0 ... kế điều khiển mờ 30 Chƣơng ĐIỀU KHIỂN CÂN BẰNG DÙNG BỘ ĐIỀU KHIỂN PID .31 3.1 Thiết lập sơ đồ khối lắc ngược Simulink Matlab 31 3.2 Mô điều khiển cân lắc ngược dùng điều khiển PID... 5.2 Điều khiển swing- up 63 5.3 Áp dụng điều khiển mờ swing- up lắc 64 Chƣơng KẾT QUẢ THỰC NGHIỆM 66 6.1 Điều khiển cân dùng mạng nơron RBF 66 6.2 Điều khiển swing- up. .. bánh tự cân Hình 1.2 Con lắc ngược quay Hình 1.3 Xe lắc ngược Hình 1.4 Con lắc ngược kép Chƣơng Tổng quan Con lắc ngược có hai điểm cân bằng: điểm cân vị trí thẳng đứng hướng lên điểm cân vị trí