Phương pháp nhận dạng trực tiếp là phương pháp đơn giản để nhận dạng đối tương trong vòng kín. Giống như tên gọi của nó, phương pháp nhận dạng trực tiếp sử dụng tín hiệu đầu ra và tín hiệu đầu vào của quá trình để nhận dạng và ít quan tâm đến phản hồi.
Để nhận dạng trực tiếp quá trình trong cấu trúc điều khiển phi tập trung ta sẽ thu thập số
liệu từ hai đầu vào (u1,u2) và hai đầu ra (y1,y2) để làm bộ số liệu để tiến hành nhận dạng. Mô hình Simulink để mô phỏng thu thập dữ liệu nhận dạng như sau:
Hình 3.12 : Mô hình Simulink nhận dạng trực tiếp tháp chưng luyện trong vòng kín
Cách kích thích tín hiệu vào hệ thống
Đối với hệđa biến hai vào hai ra ta có hai cách kích thích tín hiệu vào hệ thống:
- Cách thứ nhất, ta chỉ kích thích vào SP1 và giữ nguyên SP2 sau đó thu thập số liệu
để nhận dạng trực tiếp quá trình. Vì đối tượng đa biến (2x2) có tương tác giữa đầu vào u1 và đầu ra y2 nên khi đó đầu ra y2 cũng thay đổi và vì hệ thống ở trong vòng kín nên đầu ra y2 thay đổi lại phản hồi ngược lại kích thích cho bộ điều khiển K2 hoạt động làm biến đổi tín hiệu điều khiển u2 vào hệ thống. Từđó ta thu thập được bộ số liệu (u1,u2) và (y1,y2) để nhận dạng đối tượng.
- Cách thứ hai, ta kích thích vào cả SP1 và SP2 sau đó thu thập dữ liệu đầu vào và
đầu ra của quá trình từ hệ thống để tiến hành nhận dạng
63
Phân tích chỉ ra rằng việc kích thích vào cả SP1 và SP2 để thu thập số liệu nhận dạng quá trình từ hệ thống không làm cho việc ước lượng tham số của mô hình xấu đi mà trong hầu hết các trường hợp còn cải thiện một cách hữu ích cho việc ước lượng tham số mô hình. Ta sẽ áp dụng hai cách trên vào quá trình nhận dạng tháp chưng luyện hai cấu tử
trong cấu trúc điều khiển phi tập trung để chứng minh điều đó
a) Cách thứ nhất, chỉ kích thích vào SP1 và giữ nguyên SP2
Ta có mô hình Simulink mô phỏng để thu thập dữ liệu nhận dạng chỉ kích thích SP1
Hình 3.13: Mô hình Simulink mô phỏng nhận dạng tháp chưng luyện chỉ kích thích SP1
Sau khi thu thập được dữ liệu ta tiến hành nhận dạng như sau: g1sp1 = pem(d_sp1,2)
State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)
A = x1 x2
x1 -3.961 -1.1867
x2 18.141 5.3297
64 B = u1 u2 x1 22.672 -64.309 x2 -90.361 248.26 C = x1 x2 y1 0.0040558 0.00076997 y2 -0.010657 -0.0028316 K = y1 y2 x1 -0.79069 -2099.6 x2 -8.9179 7765.1
65
Mô phỏng so sánh với mô hình tháp chưng luyện hai cấu tử lý tưởng : compare(sample,g1sp1)
Hình 3.14: Kiểm chứng mô hình nhận dạng trực tiếp tháp chưng luyện chỉ kích thích SP1
Có thể thấy mô hình nhận dạng được hoàn toàn không phù hợp với mô hình tháp chưng luyện hai cấu tử lý tưởng.
66
b) Cách thứ hai, kích thích vào cả SP1 và SP2
Ta có mô hình Simulink mô phỏng để thu thập dữ liệu nhận dạng tháp chưng luyện được kích thích vào cả SP1 và SP2
Hình 3.15: Mô hình Simulink nhận dạng tháp chưng luyện kích thích vào cả SP1 và SP2
Ta tiến hành nhận dạng như sau: g1sp1sp2 = pem(d_sp12,2)
State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)
A = x1 x2 x1 4.9032 -1.0774 x2 15.273 -3.2142 B = u1 u2 x1 13.744 -8.3584 x2 53.546 -32.534
67 C = x1 x2 y1 -1.1925 0.30635 y2 -1.1264 0.28905 K = y1 y2 x1 -29.936 82.391 x2 -116.88 322.99
Mô phỏng so sánh với mô hình tháp chưng luyện lý tưởng compare(sample,g1sp1sp2,'r')
Hình 3.16: Kiểm chứng mô hình nhận dạng trực tiếp đối tượng (2x2) kích thích cả SP1 và SP2
68
So sánh mô hình nhận dạng được bằng hai cách nhận dạng ở trên compare(sample,g1sp1sp2,'r',g1sp1,'b')
Hình 3.17: So sánh mô hình nhận dạng được khi kích thích cả SP1 và SP2 và khi chỉ kích
thích SP1
Mô hình mẫu
Mô hình nhận dạng được khi kích thích cả SP1 và SP2 Mô hình nhận dạng được khi chỉ kích thích SP1
69
Nhận xét: ta thấy mô hình nhận dạng được bằng cách kích thích cả SP1 và SP2 có chất lượng tốt hơn nhiều so với mô hình nhận dạng được bằng cách chỉ kích thích vào SP1 hoặc SP2. Vì vậy khi nhận dạng trực tiếp trong vòng kín cho quá trình hai vào hai ra ta nên kích thích tất cả các đầu vào nếu có thể được để ước lượng được một mô hình quá trình tốt nhất. Điều này cũng thể hiện một ưu điểm của phương pháp nhận dạng trực tiếp là kết quả nhận dạng được có thểđạt độ chính xác cao nếu chọn được phương pháp nhận dạng phù hợp.
Loại tín hiệu kích thích cho hệ thống
Để nhận dạng được đối tượng thì loại tín hiệu kích thích rất quan trọng vì nếu tín hiệu kích thích vào phù hợp thì sẽ làm cho đối tượng bộc lộ hết được các thuộc tính của mình và từ đó ta nhận dạng được đối tượng một cách đầy đủ. Trong các trường hợp thực nghiệm ở trên tín hiệu kích thích cho hệ thống đều chỉ là tín hiệu bước nhảy Step, là loại tín hiệu kích thích đơn giản nhất nhưng lại gần với hệ thống thực khi hoạt động và thu
được kết quả nhận dạng khá tốt. Nhưng nếu điều kiện cho phép ta có thể kích thích đầu vào một tín hiệu khác thì kết quả nhận dạng mô hình đối tượng sẽ thay đổi.
Khi tín hiệu kích thích là ngẫu nhiên có giới hạn biên độ, mô hình Simulink mô phỏng tháp chưng luyện hai cấu tửđể thu thập dữ liệu nhận dạng như sau:
Hình 3.18 : Mô hình Simulink nhận dạng trực tiếp tháp chưng luyện khi tín hiệu kích thích là ngẫu nhiên có giới hạn biên độ
70
Tiến hành nhận dạng trong Matlab và thu được kết quả như sau g3 = pem(d_g3,2)
State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)
A = x1 x2 x1 1.0256 -0.026291 x2 0.58134 0.56195 B = u1 u2 x1 0.00044395 0.00011761 x2 -0.0069566 -0.00011064 C = x1 x2 y1 8.2319 -0.95715 y2 6.4705 0.14477 K = y1 y2 x1 0.018781 0.31321 x2 -0.27488 -1.3218
71 Mô phỏng so sánh với tháp chưng luyện hai cấu tử compare(sample,g3)
Hình 3.19: Kiểm chứng mô hình nhận dạng trực tiếp tháp chưng luyện khi tín hiệu kích thích là ngẫu nhiên có giới hạn biên độ
Nhận xét: Ta thấy mô hình nhận dạng được có sai số lớn so với mô hình thực chỉ phù hợp 56.14% và 58.5% điều đó cho thấy tín hiệu kích thích ngẫu nhiên không phù hợp với đối tượng là tháp chưng luyện hai cấu tử nên kết quả nhận dạng được không chính xác.
72
So sánh mô hình nhận dạng được khi tín hiệu kích thích là tín hiệu Step và khi tín hiệu kích thích là tín hiệu ngẫu nhiên có giới hạn biên độ
compare(sample,g1sp1sp2,'r',g3,'b')
Hình 3.20 : So sánh mô hình nhận dạng được khi tín hiệu kích thích là tín hiệu Step và khi tín hiệu kích thích là tín hiệu ngẫu nhiên có giới hạn biên độ
Mô hình mẫu
Mô hình nhận dạng được khi tín hiệu kích thích là Step
73
Trường hợp khi có nhiễu tác động
Cấu trúc hệ thống điều khiển tiến hành nhận dạng trong vòng kín có dạng như sau:
Hình 3.21: Mô hình hệ thống trong vòng kín có nhiễu
Khi hệ thống bị ảnh hưởng của nhiễu tác động vào quá trình thì kết quả nhận dạng sẽ
xấu đi nhiều khi không có nhiễu tác động. Đây là vấn đề cơ bản của phương pháp nhận dạng trực tiếp đó là sự tương quan mạnh giữa nhiễu đo và biến điều khiển, vấn đề nay có thể làm mất đi tính nhất quán của phương pháp nhận dạng như ta đã nói ở mục 2.1.
Điều này sẽ được chứng minh khi ta nhận dạng đối tượng tháp chưng luyện hai cấu tử
được điều khiển phi tập trung có nhiễu tác động.
Mô hình Simulink mô phỏng để tiến hành nhận dạng tháp chưng luyện hai cấu tử khi chịu tác động của nhiễu:
74
Tín hiệu nhiễu được giả tạo ởđây là tín hiệu ồn trắng có biên độ giới hạn Tiến hành nhận dạng trong Matlab như sau:
g2 = pem(d_g2,2)
State-space model: x(t+Ts) = A x(t) + B u(t) + K e(t)
y(t) = C x(t) + D u(t) + e(t)
A = x1 x2 x1 0.94703 0.0075229 x2 1.1725 0.72333 B = u1 u2 x1 -0.050682 0.097521 x2 1.7878 -3.3502 C = x1 x2 y1 14.749 0.45933 y2 9.9278 0.27636 K = y1 y2 x1 -0.24242 0.23562 x2 8.3131 -8.0729
75 Mô phỏng so sánh với tháp chưng luyện hai cấu tử compare(sample,g2)
Hình 3.23: Kiểm chứng mô hình nhận dạng trực tiếp tháp chưng luyện khi chịu tác động của nhiễu
Ta thấy mô hình nhận dạng được có chất lượng không tốt bằng trường hợp không có nhiễu chỉ phù hợp 46.67% và 87.25% so với đối tượng thật. Điều này có thể lý giải là do ta nhận dạng trong vòng kín nên có phản hồi từđầu ra trở lại đầu vào dẫn đến tương quan mạnh giữa nhiễu đầu ra và đầu vào. Đặc biệt khi ta nhận dạng bằng phương pháp trực tiếp sử dụng dữ liệu từđầu vào và đầu ra của quá trình nên mô hình nhận được bị ảnh hưởng rất nhiều. Đây cũng là vấn đề cơ bản của phương pháp trực tiếp sự tương quan mạnh giữa nhiễu đo và biến điều khiển.
76 So với mô hình nhận dạng được khi không có nhiễu
Hình 3.24: So sánh mô hình nhận dạng trực tiếp khi có nhiễu đầu vào và khi không có nhiễu đầu vào
Mô hình mẫu
Mô hình nhận dạng được không có nhiễu Mô hình nhận dạng được khi có nhiễu
77