Kết quả thực nghiệm trên MATLAB [3]

Một phần của tài liệu Mạng neural và ứng dụng trong điều khiển tự động (Trang 66 - 79)

3.2.3.1 Số liệu

Chọn động cơ một chiều kích từ độc lập có số liệu như sau: Pđm = 32(KW),

Uđm = 220(V), Iđm = 170(A), wđm = 1500(v/ph), Rư∑ = 0,0779(Ω), Lư∑ =0,0049(H),

GD2 = 2,8(kgm2), làm việc với phụ tải Mc(Nm)và J(Kgm2) thay đổi trong

vùngphụ tải nhỏ. Máy phát tốc mã hiệu 7-100 có Uđm =1500(V/P), Uđm=100(V), Iđm=0,08(A),

67 3.2.3.1.1 Kết quả mô phỏng khi có tải thay đổi

Dựa trên những mô tả động lực học của động cơ điện một chiều và số liệu trên ta tính toán được thông số của đối tượng và tổng hợp trong sơ đồ khối sau và được ghi vào phai có tên “doituong”.

Hình 2.16: Sơ đồ khối mô tả động cơ điện một chiều

Từ đó tiến hành nhận dạng và huấn luyện đối tượng thông qua bộ điều khiển NARMA-L2 như trong hình3.17

Hình 3.17: Sơ đồ mạng nơron truyền thẳng nhiều lớp điều khiển thích nghi vị trí động cơ điện một chiều khi có tải thay đổi

68

Hình 3.18: Bảng điều khiển nhận dạng tín hiệu vị trí động cơ một chiều NARMA-L2

Ở bảng điều khiển nhận dạng tín hiệu trên có thể điều chỉnh các thông số giá trị cần thiết lập trong động cơ một chiều NARMA – L2. Sau khi thiết lập các giá trị như trên hình thì ta được sơ đồ tín hiệu điện đầu vào và đầu ra trong động cơ như hình 3.19

Hình 3.19: Dữ liệu vào ra của tín hiệu vị trí động cơ một chiều

Với dữ liệu đầu vào và đầu ra của tín hiệu vị trí động cơ một chiều thì người dùng cũng có thể xuất dữ liệu làm việc bằng cách chọn Export Data.

69

Hình 3.20: Xuất dữ liệu làm việc

Nếu người dùng đã có sẵn dữ liệu thì có thể chọn Import Data để chọn file dữ liệu (hình 3.21)

70

Hình 3.22: Huấn luyện đối tượng với dư liệu đã nhập vào

71

Hình 3.24: Dữ liệu xác nhận cho bộ điều khiển NN NARMA-L2

Qua mô phỏng được thể hiện bởi hình 3.23 và 3.24 có thể nhận thấy rằng, dữ liệu huấn luyện ban đầu khá dày đặc và đồ thị không đều. Qua quá trình huấn luyện, thu được dữ liệu xác nhận đã thoáng hơn và loại bỏ những đối tượng dư thừa, đồng thời đồ thì đều hơn.

72

Hình 3.26: Đồ thị vị trí mẫu qd

(nét mảnh) và vị trí sau khi đã điều khiển q (nét đậm)

Sau khi dữ liệu đầu vào được điều khiển qua mạng nơron đã có các giá trị trải đều hơn trên đồ thị. Sau đây là đồ thị điện áp điều khiển và đồ thị mômen tải MC (Nm)

73

Hình 3.28: Đồ thị mômen tải MC (Nm) 3.2.2.3 Kết quả mô phỏng khi có thông số và sự thay đổi

Động cơ điện một chiều khi làm việc với tải thay đổi, làm dòng điện phần ứng thay đổi theo yêu cầu của tải, dẫn đến nhiệt độ động cơ và mức độ từ hóa của lõi thép thay đổi, do đó làm cho điện trở phần ứng R, điện cảm L của động cơ thay đổi theo. Từ đó một vấn đề đặt ra là cần có một giải pháp nào đó để tạo ra một bộ điều chỉnh thông minh có khả năng điều chỉnh thích nghi vị trí của động cơ điện một chiều khi làm việc với tải và các thông số điện trở phần ứng R và điện cảm L thay đổi. Trong báo cáo này nghiên cứu bộ điều khiển thích nghi vị trí động cơ một chiều khi có điện trở phần ứng R và mômen tải MC thayđổi.

74

Hình 3.29: Sơ đồ khối mô tả động cơ điện một chiều khi có R, MC thay đổi

Khi có sự thay đổi về đầu vào ra (Hình 3.30) và cách thiết lập các thông số sẽ có những thay đổi ở Dữ liệu huấn luyện cho bộ điều khiển NN NARMA-L2, Dữ liệu xác nhận cho bộ điều khiển NN NARMA-L2, Dữ liệu kiểm tra cho bộ điều khiển NN NARMA-L2, Đồ thị điện áp điều chỉnh u, Đồ thị điện trở R,…. Với giá trị mới được thay đổi, quan sát sự khác nhau với lần mô phỏng đầu tiên qua các hình.

75

Hình 3.30: Dữ liệu vào ra của tín hiệu vị trí động cơ một chiều

76

Hình 3.32: Huấn luyện đối tượng với dư liệu đã nhập vào

77

Hình 3.34: Dữ liệu xác nhận cho bộ điều khiển NN NARMA-L2

Hình 3.35: Dữ liệu kiểm tra cho bộ điều khiển NN NARMA-L2

78

Hình 3.37: Đồ thị điện trở R

79

Hình 3.39: Đồ thị vị trí mẫu qd (nét mảnh) và vị trí sau khi đã điều khiển q (nét đậm)

Một phần của tài liệu Mạng neural và ứng dụng trong điều khiển tự động (Trang 66 - 79)

Tải bản đầy đủ (PDF)

(83 trang)