2. 3.8 Bộ định thời
4.5 Đánh giá kết quả thực nghiệm
Động cơ 1 chiều được sử dụng dùng nguồn 24 V, có gắn encoder với độ phân dải là 200 xung/vòng. Tín hiệu điều khiển là tín hiệu mức. Ban đầu mức điều khiển là 1000 vòng/phút, sau đó giảm mức điều khiển xuống 800 vòng/phút và lại quay lại với tốc độ là 1000 vòng/phút. Công thức tính tốc độ động cơ theo số xung đo được từ encoder là:
60 *1000 *
7.5 800 *10
n
v= = n (vòng/phút)
Kết quả điều khiển:
Hình 4.25: Kết quả thử nghiệm với động cơ điện một chiều
Nhận xét: Ở mức 1000 vòng/phút, động cơ đạt được xác lập ở giá trị này với sai số trên dưới 1.5%, khi giá trị đặt là thấp thì sai số lớn hơn. Do độ phân giải encoder của động cơ thấp
Chương 5: KẾT LUẬN
Quá quá trình nghiên cứu lý thuyết về mạng nơron, thấy được nhiều ưu điểm nên chúng em đã sử dụng mạng nơron để ứng dụng vào trong điều khiển. Sau khi tiến hành mô phỏng với nhiều đối tượng, quán tính bậc 2, đối tượng có thành phần tích phân, không ổn định và đối tượng phi tuyến chúng em đã quyết định sử dụng động cơ một chiều làm đối tượng thử nghiệm cho bộ điều khiển.
Qua quá trình nghiên cứu và kiểm chứng bằng thực tế với động cơ điện một chiều. Em thấy kết quả khá tốt, với bộ vi xử lý 8 bit sau một khoảng thời gian học khoảng 2 tiếng thời gian xác lập giảm xuống khoảng 1,5s, không có độ quá điều chỉnh, khả năng tự chỉnh định khi có tải, nhiễu tải nhưng sự thích ứng là hơi chậm do tốc độ phản hồi đầu ra vì vậy mà mà có trễ trong qua trình chỉnh định tham số của mạng. Với việc sử dụng bộ vi xử lý 8 bit như hiện nay vẫn còn một số hạn chế về mặt tốc độ, thời gian tính toán các thông số của mạng là van còn chậm và quá trình học còn dài.
Hướng phát triển sắp tới của chúng em là sẽ ứng dụng trên một vi xử lý có tốc độ cao hơn để có thể tăng tốc độ tính toán của mạng cũng như áp dụng cho đối tượng lớn hơn như động cơ xoay chiều 3 fa
Ứng dụng mạng nơron trong điều khiển là khá mới mẻ vì vậy em mong muốn mạng nơron có thể được ứng dụng rộng rãi hơn ở Việt Nam đặc biệt là trong lĩnh vực điều khiển.
Tài liệu tham khảo
[1] Phan Xuân Minh và Nguyễn Doãn Phước, “Lý thuyết điều khiển mờ”, Nhà xuất bản Khoa học và Kỹ thuật, 2004.
[2] Phạm Công Ngô, “Lý thuyết điều khiển tự động”, Nhà xuất bản Khoa học và Kỹ thuật , 2001.
[3] Ngô Diên Tập, “Kỹ thuật vi điều khiển với AVR”, Nhà xuất bản Khoa học và Kỹ thuật, 2003.
[4] R. D. Brandt, F. Lin, “Adaptive Interaction and Its Application to Neural Networks”, Elsevier, Information Science 121, pp 201-215 1999.
[5] F. Lin, R. D. Brandt, G. Saikalis, “Self-Tuning of PID Controllers by Adaptive Interaction”, IEEE control society, 2000 American Control Conference, Chicago, 2000.
[6] Madan M.Gupta, Liang Jin and Noriyasu Homma, “Static and Dynamic Neural Networks: From Fundamentals to Advanced Theory”, John Wiley & Sons, 2003.
[7] Nikola K.Kasabov, “Foundation of Neural Networks, Fuzzy Systems, and Knowledge Engineering”, A Bradford Book, The MIT Press,1998.