5. Cấu trúc luận văn
4.1 Điều khiển thời gian thực hệ “Ball in tube”
4.1.1 Sơ đồ khối hệ “Ball in tube”.
Hình 4.2: Sơ đồ khối tổng quát hệ “Ball in tube”.
Mô hình thí nghiệm được mô tả ở hình 4.1 và sơ đồ khối hệ thống mô tả ở hình 4.2 bao gồm các thành phần:
Mô hình cơ khí:
Ball: trong thí nghiệm là sử dụng quả bóng ping – pong đường kính 4cm, nặng 2.7g.
Tube: ống acrylic đường kính trong 4,3 cm chiều cao tối đa 1m. Fan: quạt San Ace 60 được gắn trên động cơ BLDC Maxon EC45. Máy tính: điều khiển thời gian thực hệ “Ball in tube” thông qua công cụ Simulink.
Chi tiết các khối chức năng:
Sensor: sử dụng cảm biến đo khoảng cách bằng siêu âm hoặc hồng ngoại, trong thí nghiệm đang sử dụng cảm biến hồng ngoại GP2D12.
Mạch công suất: sử dụng mạch công suất chuyển đổi tín hiệu DAC analog 0 – 5V thành điều chế xung 0 – 100% PWM để điều khiển quạt (sơ đồ
mạch trình bày phần phụ lục).
Card USB DAQ: chức năng thu thập và điều khiển bằng máy tính(sơ đồ mạch trình bày phần phụ lục).
4.1.2 Sơ đồ Simulink điều khiển thời gian thực hệ “Ball in tube”.
Cấu trúc sơ đồ simulink điều khiển thời gian thực hệ “Ball in tube” về cơ bản giống như sơ đồ mô phỏng nhưng đối tượng điều khiển (plant) sẽ được thay thế bằng khối giao tiếp Card USB DAQ, tuy nhiên chúng ta cần bổ sung khâu hiệu chỉnh ngõ vào (ADC) và ngõ ra (DAC) để chuyển tầm điều khiển phù hợp với thời phần cứng thực tế. h(t) e(t) Zero 1 0.75 Zero 0 e2 Switch Step Signal Generator Scope 1 Scope Saturation PID Controller PID u2 Manual Switch 1/s Display Clock 0
Ball In Tube (Real Time )
%PWM h(t)
Hình 4.3: Sơ đồ simulink điều khiển thời gian thực hệ “Ball in tube”.
%PWM
HIEU CHINH TIN HIEU ADC (ANALOG IN - SENSOR)
DAC ADC
HIEU CHINH TIN HIEU DAC (ANALOG OUT - PWM)
h(t)1 Zero sensor 1 -0.1 Zero sensor 3130 Zero DAC 1800 Zero 2047 USB - DHP USBDHP_sfcn Span semsor 2/500 Span DAC 0.43 Span 2048 Saturation 1 %PWM1
Hình 4.4: Sơ đồ khối “Ball in tube (Real Time)”.
4.2 Kết quả thực tế hệ thống điều khiển PID – ZN2.
PID – ZN2 tương tự như các bước thực hiện ở mô phỏng. Tăng hệ số K cho đến khi ngõ ra dao động ta có được Kth=2.33 và Tth=4s và từ đó ta có được các hệ số.
Kp =1.4
K =0.7i
4.2.1 Khi tín hiệu đặt là hàm nấc.0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) V i t ri b o n g ( m ) Vi tri bong Tin hieu dat
Hình 4.5: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt là hàm nấc (PID – ZN2). 0 5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) T in h ie u t a c d o n g ( % P W M )
Hình 4.6: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt là hàm nấc (PID – ZN2).
4.2.2 Khi tín hiệu đặt thay đổi.0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) V i tr i b o n g ( m ) Vi tri bong Tin hieu dat
Hình 4.7: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt thay đổi (PID – ZN2). 0 10 20 30 40 50 60 70 80 90 100 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) T in h ie u t a c d o n g ( % P W M )
Hình 4.8: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt thay đổi (PID – ZN2).
4.3 Kết quả thực tế hệ thống chỉnh định PID – PSO.
Ta tiến hành các bước chỉnh định hệ số bộ điều khiển thời gian thực PID – PSO tương tự như các bước thực hiện ở mô phỏng. Ta tiến hành tiến hóa quần thể đối tượng thực tương đối tốn kém thời gian, vì mỗi lần áp dụng một bộ hệ số phải đợi theo thời gian thực mới thu được kết quả.
Các thông số khởi tạo quần thể ta lựa chọn như sau:
p: kích thước quần thể 50
bird_step: số bước lặp 10
n: chiều không gian tìm kiếm 3
w: trọng số quán tính 0.9
c1: hằng số gia tốc c1 0.12
c2: hằng số gia tốc c2 1.2
Bảng 4.1: Các thông số khởi tạo quần thể điều khiển thời gian thực. Trong thực tế đề tài thực hiện 10 bước lặp và sau khoảng thời gian 4.5h để tiến hóa quần thể ta có được cực tiểu hàm fitness và có được các hệ số.
Kp =0.81
K =0.42i
4.3.1 Khi tín hiệu đặt là hàm nấc.0 5 10 15 20 25 30 0 5 10 15 20 25 30 0 0.2 0.4 0.6 0.8 1 Thoi gian (s) V i tr i b o n g ( m ) Vi tri bong Tin hieu dat
Hình 4.9: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt là hàm nấc (PID – PSO). 0 5 10 15 20 25 30 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) T in h ie u t a c d o n g ( % P W M )
Hình 4.10: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt là hàm nấc (PID – PSO).
4.3.2 Khi tín hiệu đặt thay đổi.0 10 20 30 40 50 60 70 80 90 100 0 10 20 30 40 50 60 70 80 90 100 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) V i tr i b o n g ( m ) Vi tri bong Tin hieu dat
Hình 4.11: Đáp ứng ngõ ra theo thời gian thực khi tín hiệu đặt thay đổi (PID – PSO). 0 10 20 30 40 50 60 70 80 90 100 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Thoi gian (s) T in h ie u t a c d o n g ( % P W M )
Hình 4.12: Tín hiệu tác động theo thời gian thực lên đối tượng khi tín hiệu đặt thay đổi (PID – PSO).
4.4 So sánh phương pháp PID – ZN2 với PID – PSO điều khiển đối tượngthực. thực.
Phương pháp chỉnh
định
Thông số PID Chất lượng đáp ứng
Kp Ki Kd %POT exl txl(2%) tr
ZN2 1.4 0.7 0.7 42,5 0.07 -- 0.7
PSO 0.81 0.42 0.71 37,5 0.02 11 0.65
Bảng 4.2: Bảng so sánh các kết quả điều khiển thời gian thực giữa PID – ZN2 và PID – PSO.
Khi điều khiển đối tượng thực ta nhận thấy có nhiều sự bất ổn tác động lên hệ thống gây nên sự không kiểm soát trong quá trình điều khiển. Chất lượng phần cứng (tốc độ lấy mẫu, độ phân giải cảm biến khoảng cách,…) ảnh hưởng rất nhiều đến chất lượng điều khiển. Dựa trên bảng 4.2 ta có một số kết luận sau.
Độ vọt lố, sai số, thời gian xác lập đều lớn hơn khi ta mô phỏng và các kết quả đều có thể sai lệch sau các lần thử nghiệm trên cùng một bộ thông số điều khiển. Tuy nhiên đáp ứng ngõ ra vẫn bám theo được giá trị đặt và thỏa mãn yêu cầu đề tài đặt ra.
Quá trình chỉnh định bằng phương pháp ZN2 tương đối nhanh, sau khoảng 10 lần thử nghiệm ta có thể tìm được bộ thông số PID. Tuy nhiên chất lượng điều khiển tương đối kém, độ vọt lố cao và đáp ứng ngõ ra dao động khá lớn và không đạt được xác lập theo tiêu chuẩn 2%.
Quá trình chỉnh định bằng phương pháp PSO tương đối tốn thời gian, tuy nhiên kết quả thu được tốt hơn phương pháp ZN2.
CHƯƠNG 5: KẾT QUẢ – HẠN CHẾ – HƯỚNG PHÁT TRIỂN
5.1 Tổng hợp những kết quả đạt được.
Đã hoàn thành mô hình thí nghiệm điều khiển vị trí bóng “Ball in tube”, thõa mãn yêu cầu đề tài đặt ra là điều khiển vị trí quả bóng ping pong bám theo vị trí đặt trước. Thông qua các kết quả từ mô phỏng và từ thực tế cho ta nhìn thấy một cách tổng thể về phương pháp Ziegler – Nichols và phương pháp thuật toán bầy đàn (PSO). Ta thấy khi sử dụng PSO ta có nhiều ưu điểm hơn Ziegler – Nichols, đó là:
Bộ hệ số PID có được từ PSO cho ta kết quả tối ưu hơn, tuy nhiên PSO chỉ phù hợp cho những đối tượng (plant ) có đáp ứng nhanh (tốc độ động cơ, vị trí động cơ, …), không phù hợp đối tượng đáp ứng thời gian dài (lò nhiệt, bồn nước,…) vì khi đó quá trình tiến hóa quần thể sẽ tốn kém thời gian.
Ngoài ra chúng ta thấy rằng khi sử dụng thuật toán PSO để chỉnh định thông số PID ta không cần biết chính xác thông số mô hình đối tượng, quá trình tiến hóa quần thể sẽ dần dần đạt tới cực tiểu hàm mục tiêu mà ta mong muốn. Giải quyết vấn đền nan giải mà các phương pháp điều khiển kinh điển gặp phải, đó là cần có đầy đủ thông số đối tượng để thiết kế bộ điều khiển.
5.2 Những hạn chế của đề tài.
Những hạn chế trong thiết kế phần cứng mô hình thí nghiệm điều khiển vị trí bóng:
Tín hiệu từ cảm biến khoảng cách phi tuyến nhiều và chịu tác động nhiễu lớn.
Tốc độ lấy mẫu từ card giao tiếp máy tính chưa đủ lớn để xử lý đối với hệ có tác động nhanh.
Luận văn chỉ khảo sát và so sánh được 2 phương pháp chỉnh định đó là: PID – ZN2 và PID – PSO, cần khảo sát thêm các phương pháp khác để thấy rõ ưu và khuyết điểm của thuật toán tối ưu bầy đàn (PSO).
5.3 Đánh giá kiến nghị và hướng nghiên cứu tiếp theo.
Cần so sánh thuật toán tối ưu bầy đàn với thuật toán di truyền (GA) để thấy rõ ưu điểm của PSO với GA trong lĩnh vực trí tuệ nhân tạo.
Cần phát triển mở rộng thuật toán PSO bằng cách cải tiến hàm mục tiêu hoặc cải tiến các tham số, kết hợp PSO với các thuật toán khác (PSO chỉnh định tham số bộ điều khiển Fuzzy, Neuro – Fuzzy,…).
TÀI LIỆU THAM KHẢO
[1] Kennedy J. and Eberhart R., “Particle swarm optimization”, Proc. IEEE Int. Conf. Neural Networks, Vol. 4, Perth, Australia, pp. 1942-1948, 1995
[2] Kennedy J., Russell R.C. and Shi Y., “Swarm Intelligence”, The Morgan Kaufmann Series in Evolutionary Computation, 2001
[3] Paor D.E. and O’Malley M., “Controllers of Ziegler-Nichols type for unstable process with time delay”, Int. J. Control, Vol. 49, pp. 1273-1284, 1989
[4] Maxon EC motor, EC 45 flat 45mm, brushless, 12 Watt Maxon flat motor, May 2008
[5] San Ace DC cooling fan, Low Power Consumption Fan 60mm, pp. 28-31, 2013
[6] Oludayyo Jonh Oguntoyinbo “PID control of Brushless DC motor and robot trajectory planning and simulink with Matlab Simulink”, 2009
[7] N. Quijano, A. E. Gil, and K. M. Passino, Experiments for decentralized and networked dynamic resource allocation, scheduling, and control," Submitted to IEEE Control Systems Magazine, 2003
[8] N. Pillay, A Particle swarm optimization approach for tuning of SISO PID control loops 2008.
[9] Bureau of Energy Efficiency (BEE), Government of India. Energy Efficiency Guide Book, chapter 5, p 93-112. 2004
[10] IfA Fachpraktikum - Experiment 2.7: Air Ball, Automatic Control Laboratory, ETH Zurich, September 13, 2011
[11] Boumediene Allaoua Brahim GASBAOUI and Brahim MEBARKI, Setting Up PID DC Motor Speed Control Alteration Parameters
Using Particle Swarm Optimization Strategy Bechar University, Departement of Electrical Engineering, B.P 417 BECHAR (08000) Algeria pp. 19-32
[12] K.J., “Automatic Tuning of PID Controller”, Instrument Society of America, Research Triangle Park, 1995
[13] Åström K., and Hägglund T., “PID controllers: Theory, Design and Tuning”, ISA, Research Triangle Park, NC, 1995
[14] Åström K., and Hägglund T., “Revisiting the Ziegler-Nichols Step Response method for PID control ”, Journal of Process Control, Vol. 14, pp. 635-650, 2004
[15] Bonabeau E., Dorigo M. and Theraulaz T., “From Natural to Artificial Swarm Intelligence”, Oxford University Press, 1999
[16] Brown M., “The state of PID control in South Africa”, S.A Instrumentation and Control, pp. 131-136, 1994
[17] Eberhart R.C. and Shi Y., “Comparing Inertia Weights and Constriction Factors in Particle Swarm Optimization”, Proceedings of the Congress on Evolutionary Computation, pp 84-88, 2000
[18] Eberhart R.C. and Shi Y., “Comparison between genetic algorithms and particle swarm optimization”, IEEE Int. Conf. Evol. Comput., Anchorage, pp 611-616, 1998
[19] Engelbrecht A.P., “Computational Intelligence”, John Wiley and Sons, 2002
PHỤ LỤC
Sơ đồ mạch Card giao tiếp USB – DAQ:
E R R O P O W E R 3 D 0 0 3 1 N 4 1 4 8 R 0 0 8 3 3 0 B O O T 0 U 0 0 1 S T M 3 2 F 1 0 3 x C D E _ 6 4 p i n 2 3 4 5 6 7 4 5 4 6 47 48 4 9 5 0 5 5 5 6 2 1 2 2 2 3 2 6 31 32 3 3 3 4 2 7 2 8 2 9 3 0 3 5 3 6 4 1 4 2 1 7 2 0 4 4 1 5 4 3 1 6 1 1 2 1 3 1 4 5 7 5 8 5 9 6 0 6 1 6 2 6 364 8 9 1 0 1 1 19 18 2 4 2 5 3 7 3 8 3 9 4 0 5 1 5 2 5 3 5 4 P C 1 3 / T A M P E R / R T C P C 1 4 / O S C 3 2 - I N P C 1 5 / O S C - O U T P D 0 / O S C - I N P D 1 / O S C - O U T N R S T P A 1 2 / U S A R T 1 _ R T S / U S B D P / C A N _ T X / T I M 1 _ E T RP A 1 3 / J T M S - S W D I O V S S 2 V D D 2 P A 1 4 / J T C K / S W C L K P A 1 5 / J T D I S P I 3 _ N S S / I 2 S 3 _ W S P B 3 / J T D O / S P I 3 _ S C K / I 2 S 3 _ C KP B 4 / N J T R S T / S P I 3 _ M I S O P A 5 / S P I 1 _ S C K / A D C 1 2 _ I N 5 / D A C _ O U T 2 P A 6 / S P I 1 _ M I S O / A D C 1 2 _ I N 6 / T I M 3 _ C H 1 / T I M 8 _ B K I N P A 7 / S P I 1 _ M O S I / A D C 1 2 _ I N 7 / T I M 3 _ C H 2 / T I M 8 _ C H 1 N P B 0 / A D C 1 2 _ I N 8 / T I M 3 _ C H 3 / T I M 8 _ C H 2 N V S S 1 V D D 1 P B 1 2 / S P I 2 _ N S S / I 2 C 2 _ W S / I 2 C 2 _ S M B A / T I M 1 _ B K I N / U S A R T 3 _ C KP B 1 3 / S P I 2 _ S C K / I 2 C 2 _ C K / T I M 1 _ C H 1 N / U S A R T 3 _ C T S P B 1 / A D C 1 2 _ I N 9 / T I M 3 _ C H 4 / T I M 8 _ C H 3 N P B 2 / B O O T 1 P B 1 0 / I 2 C 2 _ S C L / / U S A R T 3 _ T X P B 1 1 / I 2 C 2 _ S D A / U S A R T 3 _ R X P B 1 4 / S P I 2 _ M I S O / T I M 1 _ C H 2 N / U S A R T 3 _ R T SP B 1 5 / S P I 2 _ M O S I / I 2 C 2 _ S D / T I M 1 _ C H 3 N P A 8 / U S A R T 1 _ C K / M C O / T I M 1 _ C H 1P A 9 / U S A R T 1 _ T X / T I M 1 _ C H 2 P A 3 / U S A R T 2 _ R X / A D C 1 2 3 _ I N 3 / T I M 5 _ C H 4 / T I M 2 _ C H 4 P A 4 / S P I 1 _ N S S / A D C 1 2 _ I N 4 / U S A R T 2 _ C K / D A C _ O U T 1 P A 1 1 / U S A R T 1 _ C T S / U S B D M / C A N _ R X / T I M 1 _ C H 4 P A 1 / U S A R T 2 _ R T S / A D C 1 2 3 _ I N 1 / T I M 5 _ C H 2 / T I M 2 _ C H 2 P A 1 0 / U S A R T 1 _ R X / T I M 1 _ C H 3 P A 2 / U S A R T 2 _ T X / A D C 1 2 3 _ I N 2 / T I M 5 _ C H 3 / T I M 2 _ C H 3 V B A T V S S A V D D A P A 0 / W K U P / U S A R T 2 _ C T S / A D C 1 2 3 _ I N 0 / T I M 2 _ C H 1 _ E T R / T I M 5 _ C H 1 / T I M 8 _ E T R P B 5 / I 2 C 1 _ S M B A / S P I 3 _ M O S I / I 2 S 3 _ S DP B 6 / I 2 C 1 _ S C L / T I M 4 _ C H 1 P B 7 / I 2 C 1 _ S D A / F S M C _ N A D V / T I M 4 _ C H 2 B O O T 0 P B 8 / T I M 4 _ C H 3 / S D I O _ D 4 P B 9 / T I M 4 _ C H 4 / S D I O _ D 5 V S S 3 V D D 3 P C 0 / A D C 1 2 3 _ I N 1 0 P C 1 / A D C 1 2 3 _ I N 1 1